JP6830889B2 - 公共輸送車両の収容能力予測 - Google Patents

Description

本発明は、公共輸送車両の収容能力の予測に関するものであり、たとえば、停留所で乗車する乗客に対する公共輸送車両の収容能力を予測し、この収容能力を示す情報を表示するための方法及びコンピュータ化システムに関するものである。

輸送の分野において知られている予想は通常、交通渋滞及び／又は遅延に関連するものであるが、先行技術のいくつかのアイデアは乗客の流動予想に関している。非特許文献１において、公共輸送システムの実際の構築又は公共輸送システムの大きな変更の前に、収容能力要求に対処するために必要なシステムの仕様及び寸法を取得するために、予測が実行されている。

特許文献１によると、次の停留所でのバスの収容能力が、同じルート上の降車する乗客のリアルタイムデータ及び予め事前に記録された人数の組合せによって、予測されている。特許文献１においては、予測を行うために、特定の停留所で待つすべての乗客がその停留所への到着時にバスに乗車できるかどうかにかかわらず、各停留所で待つ乗客の人数が監視されている。

独国特許出願公開第１０２０１１０８７０３９Ａ１号明細書

Ｐａｓｓｅｎｇｅｒ Ｆｌｏｗｓ Ｅｓｔｉｍａｔｉｏｎ ｏｆ Ｌｉｇｈｔ Ｒａｉｌ Ｔｒａｎｓｉｔ （ＬＲＴ） Ｓｙｓｔｅｍ ｉｎ Ｉｚｍｉｒ，Ｔｕｒｋｅｙ Ｕｓｉｎｇ Ｍｕｌｔｉｐｌｅ Ｒｅｇｒｅｓｓｉｏｎ ａｎｄ ＡＮＮ Ｍｅｔｈｏｄｓ，ｈｔｔｐ：／／ｄｘ．ｄｏｉ．ｏｒｇ／１０．７３０７／ｐｔｔ．ｖ２４ｉ１．２６４，ｂｙ Ｍｕｓｔａｆａ Ｏｚｕｙｓａｌ，Ｇｏｋｍｅｎ Ｔａｙｆｕｒ，ａｎｄ Ｓｅｒｈａｎ Ｔａｎｙｅｌ

第１の態様によると、停留所で乗車する乗客に対する公共輸送車両の収容能力を予測し、（ｉ）この収容能力を示す情報を停留所の少なくとも１つの据置型表示装置に表示することと、（ｉｉ）この収容能力を示すデータを少なくとも１つの遠隔コンピュータ装置に伝送可能にすることとのうちの少なくとも１つのための方法が提供される。停留所で乗車する乗客に対する公共輸送車両の収容能力は、停留所で公共輸送車両に乗車する可能性がある乗客の人数に対応する。方法は、２つの自動プロセスである、予測プロセスとデータ入手プロセスとを含む。予測プロセスは、公共輸送車両が停留所に接近しているときに停留所より前での公共輸送車両の混雑レベルを測定することと、測定された混雑レベルを停留所で公共輸送車両から降車すると予想される乗客の人数の記憶された指標と組み合わせることとによって、停留所で乗車する乗客に対する公共輸送車両の収容能力を予測することを含む。停留所で公共輸送車両から降車すると予想される乗客の人数の記憶された指標は、データ入手プロセスの少なくとも１つの事前実行の結果である。予測プロセスは、（ｉ）停留所で乗車する乗客に対する公共輸送車両の予測収容能力を示す情報を停留所の少なくとも１つの据置型表示装置に表示することと、（ｉｉ）この収容能力を示すデータを少なくとも１つの遠隔コンピュータ装置に伝送可能にすることとのうちの少なくとも１つをさらに含む。データ入手プロセスは、車両が停留所にいるとき、停留所で公共輸送車両から降車した乗客の人数を決定することと、将来使用される、停留所で公共輸送車両から降車すると予想される乗客の人数の記憶された指標を更新することとを含む。

別の態様によると、停留所で乗車する乗客に対する公共輸送車両の収容能力を予測することのため、ならびに、（ｉ）この収容能力を示す情報を停留所の少なくとも１つの据置型表示装置に表示すること及び（ｉｉ）停留所で乗車する乗客に対する公共輸送車両の収容能力を示すデータを少なくとも１つの遠隔コンピュータ装置に伝送可能にすることのうちの少なくとも１つのための、コンピュータ化システムが提供される。停留所で乗車する乗客に対する公共輸送車両の収容能力は、停留所で公共輸送車両に乗車する可能性がある乗客の人数に対応する。コンピュータ化システムは、少なくとも１つのプロセッサと少なくとも１つのメモリとを備え、少なくとも１つのメモリは、少なくとも１つのプロセッサによって実行されるとき、少なくとも１つのプロセッサに、２つの自動プロセスである、予測プロセスとデータ入手プロセスとを実行させる実行可能命令を備える。予測プロセスは、公共輸送車両が停留所に接近しているときに停留所より前での公共輸送車両の混雑レベルを測定することと、測定された混雑レベルを停留所で公共輸送車両から降車すると予想される乗客の人数の記憶された指標と組み合わせることとによって、停留所で公共輸送車両に乗車する乗客に対する公共輸送車両の収容能力を予測することを含む。停留所で公共輸送車両から降車すると予想される乗客の人数の記憶された指標は、データ入手プロセスの少なくとも１つの事前実行の結果である。予測プロセスは、（ｉ）停留所で乗車する乗客に対する公共輸送車両の予測収容能力を示す情報を停留所の少なくとも１つの据置型表示装置に表示することと、（ｉｉ）この収容能力を示すデータを少なくとも１つの遠隔コンピュータ装置に伝送可能にすることとのうちの少なくとも１つをさらに含む。データ入手プロセスは、車両が停留所にいるとき、停留所で公共輸送車両から降車した乗客の人数を決定することと、将来使用される、停留所で公共輸送車両から降車すると予想される乗客の人数の記憶された指標を更新することとを含む。

さらに別の態様によると、停留所で乗車する乗客に対する公共輸送車両の収容能力を予測し、（ｉ）この収容能力を示す情報を停留所の少なくとも１つの据置型表示装置に表示することと、（ｉｉ）この収容能力を示すデータを少なくとも１つの遠隔コンピュータ装置に伝送可能にすることとのうちの少なくとも１つのための方法が提供される。公共輸送車両は、乗客の存在を感知する少なくとも１つの測定装置を有する少なくとも１つの乗客スペースを備える。方法は、２つの自動プロセスである、予測プロセスとデータ入手プロセスとを含む。予測プロセスは、停留所で乗車する乗客に対する公共輸送車両の収容能力の記憶された指標を使用することによって、停留所で乗車する乗客に対する公共輸送車両の収容能力を予測することを含む。停留所で乗車する乗客に対する公共輸送車両の収容能力の記憶された指標は、データ入手プロセスの少なくとも１つの事前実行の結果である。予測プロセスは、（ｉ）停留所で乗車する乗客に対する公共輸送車両の予測収容能力を示す情報を停留所の少なくとも１つの据置型表示装置に表示することと、（ｉｉ）この収容能力を示すデータを少なくとも１つの遠隔コンピュータ装置に伝送可能にすることとのうちの少なくとも１つを含む。データ入手プロセスは、（ｉ）車両が停留所にいるとき、少なくとも１つの測定装置で少なくとも１つの乗客スペースをスキャンすることによって、停留所で乗車する乗客に対する公共輸送車両の収容能力を決定することと、（ｉｉ）停留所より前での少なくとも１つの測定装置で少なくとも１つの乗客スペースをスキャンすることによって停留所より前での公共輸送車両の混雑レベルを測定することと、混雑レベルを降車する乗客の人数の指標と組み合わせることとを含むアクティビティとのうちの少なくとも１つと、将来使用される、停留所で乗車する乗客に対する公共輸送車両の収容能力の記憶された指標を更新することとを含む。

さらに別の態様によると、（ｉ）停留所で乗車する乗客に対する、及びこの収容能力を示す情報を停留所の少なくとも１つの据置型表示装置に表示することとに対する公共輸送車両の収容能力を予測することと、（ｉｉ）停留所で乗車する乗客に対する公共輸送車両の収容能力を示すデータを少なくとも１つの遠隔コンピュータ装置に伝送可能にすることとのうちの少なくとも１つのための、コンピュータ化システムが提供される。公共輸送車両は、乗客の存在を感知する少なくとも１つの測定装置を有する乗客スペースを備える。システムは、少なくとも１つのプロセッサと少なくとも１つのメモリとを備え、少なくとも１つのメモリは、少なくとも１つのプロセッサによって実行されるとき、少なくとも１つのプロセッサに、２つの自動プロセスである、予測プロセスとデータ入手プロセスとを実行させる実行可能命令を備える。予測プロセスは、停留所で乗車する乗客に対する公共輸送車両の収容能力の記憶された指標を使用することによって、停留所で乗車する乗客に対する公共輸送車両の収容能力を予測することを含む。停留所で乗車する乗客に対する公共輸送車両の収容能力の記憶された指標は、データ入手プロセスの少なくとも１つの事前実行の結果である。予測プロセスは、（ｉ）停留所で乗車する乗客に対する公共輸送車両の予測収容能力を示す情報を停留所の少なくとも１つの据置型表示装置に表示することと、（ｉｉ）この収容能力を示すデータを少なくとも１つの遠隔コンピュータ装置に伝送可能にすることとのうちの少なくとも１つを含む。データ入手プロセスは、（ｉ）車両が停留所にいるとき、少なくとも１つの測定装置で少なくとも１つの乗客スペースをスキャンすることと、（ｉｉ）停留所より前で少なくとも１つの測定装置で少なくとも１つの乗客スペースをスキャンすることによって停留所より前での公共輸送車両の混雑レベルを測定することと、混雑レベルを降車する乗客の人数の指標と組み合わせることとを含むアクティビティとのうちの少なくとも１つによって、停留所で乗車する乗客に対する公共輸送車両の収容能力を決定することを含む。データ入手プロセスは、将来使用される、停留所で乗車する乗客に対する公共輸送車両の収容能力の記憶された指標を更新することを含む。

他の特徴は、開示される方法及びシステムに固有である、又は、以下の例の説明及びその添付図面から当業者には明らかであろう。

記載される方法及びシステムの実施形態は、停留所で乗車する乗客に対する公共輸送車両（ＰＴＶ）の収容能力を予測するためのものである。実施形態は、リアルタイムデータを使用し、それらを予め記録してあるデータセットと組み合わせて、乗車する乗客に対する公共輸送車両の収容能力の予想を提供し、予め記録してあるデータセットをリアルタイムデータで更新する。それによって、収容能力予想が、将来、改善される。公共輸送車両（ＰＴＶ）は、停留所で乗車する乗客のためのバス又は列車でもよい。この収容能力、すなわち停留所で公共輸送車両に乗車できる乗客の人数の表示は、停留所の少なくとも１つの据置型表示装置、たとえば、列車の到着時刻又は出発時刻を示すために（現在）使用されている鉄道駅のＬＥＤスクリーンに表示させることができる。

この収容能力を示すデータ、たとえば収容能力の指標を含むＨＴＭＬコード又はＪＡＶＡ（登録商標）コードは、スマートフォン、コンピュータなどの少なくとも１つの遠隔コンピュータ装置にも伝送することができる。その表示に含有される情報、すなわち公共輸送車両自体に乗車できる乗客の人数、又は、その数の代表値は、ウェブサーバなどにその数を示す情報をアップロードすることによって、インターネット接続を介してアクセスできるようにすることもできる。方法は、たとえば、コンピュータによって実行される。コンピュータは、少なくとも１つのプロセッサと、実行可能命令をその中に記憶する、コンピュータプログラムを備える不揮発性メモリとを備える。方法は、命令を実行する少なくとも１つのプロセッサによって実行され、ここで、命令は、少なくとも１つのプロセッサに、方法によって構成されるアクティビティ及びプロセスを実行させる。

方法は、２つの自動プロセスである、予測プロセスとデータ入手プロセスとを含む。予測プロセスは、この収容能力の記憶された指標及び／又は停留所で公共輸送車両から降車すると予想される乗客の人数の記憶された指標を使用して、停留所で乗車する乗客に対する公共輸送車両の収容能力を予測することを含む。たとえば、同じ時間枠の同じ路線の先週の公共輸送車両の停留所で乗車する乗客に対する収容能力の記憶された指標が使用される。

停留所で乗車する乗客に対する公共輸送車両の収容能力の記憶された指標、すなわち、停留所で公共輸送車両に乗車できる乗客の人数、及び／又は、停留所で公共輸送車両から降車すると予想される乗客の人数の記憶された指標は、データ入手プロセスの事前実行の結果である。

予測プロセスは、バス発着所又は鉄道駅の顧客情報サービススクリーンなどの、停留所の少なくとも１つの据置型表示装置で予測収容能力を示す情報を表示することをさらに含む。

少なくとも１つの遠隔コンピュータ装置、たとえばスマートフォン、コンピュータなどへのこの収容能力を示すデータの伝送も、その方法によって可能である。停留所で乗車する乗客に対する公共輸送車両の収容能力を示す情報も、上記のように、インターネット接続を介してアクセス可能にすることができる。収容能力を示す情報は、たとえば、単に、公共輸送車両に乗車できる乗客の単なる数字、又は、停留所での公共輸送車両の空き収容能力を表す棒グラフでもよい。

データ入手プロセスにおいて、停留所で乗車する乗客に対する公共輸送車両の収容能力及び／又は停留所で公共輸送車両から降車した乗客の人数の実測値は、決定されて、たとえばデータベースに記憶される。これらの値は定期的又は不定期的に更新される。

停留所で乗車する乗客に対する公共輸送車両の収容能力は、たとえば、空席の数及び／又は立っている乗客のための空きスペースの数を数えることによって、決定することができる。他の例において、収容能力は、使用中の座席の数及び／又は立っている乗客のための使用中のスペースの数、又は、より一般的には、公共輸送車両の「混雑レベル」を決定又は測定することによって、決定される。

公共輸送車両から降車した乗客の人数は、車両から降車する（正確な）人数を数えることによって、たとえば、閉回路テレビカメラ、公共輸送車両のドアに取り付けられる光電障壁、３Ｄセンサなど、又はその組合せを使用することによって、測定できる。

その後、停留所で乗車する乗客に対する公共輸送車両の収容能力及び／又は停留所で降車すると予想される乗客の人数の記憶された指標は、新たに取得された数値（単数又は複数）を使用して更新される。

更新することは、収容能力のこの記憶された指標に新しく取得された収容能力データとともに平均法などのデータ評価を適用することを含んでもよい。更新することは、降車すると予想される乗客の人数に新たに取得された停留所で降車した乗客の人数とともに平均法を適用することをさらに含んでもよい。

代替的な実施形態において、更新することは、さらなる評価、すなわち将来の予測プロセスで使用するために、収容能力及び／又は降車すると予想される乗客の人数の記憶された指標を含む既存のデータに、新たに取得された数を加算することを単純に含む。よって、データ評価は、データ入手プロセスの更新アクティビティ中には実行されず、この代替の実施形態において、それは以下でさらに詳細に記載される。

データ評価による更新方法を含むデータ入手プロセスの場合、停留所で乗車する乗客に対する公共輸送車両の収容能力及び／又は停留所で公共輸送車両から降車すると予想される乗客の人数の記憶された指標の更新は、たとえば、平均法を適用することによって実現される。それらの平均法は、乗車する乗客に対する公共輸送車両の収容能力の記憶された指標、ならびに／又は記憶された降車すると予想される乗客の人数及び新たに取得された数に適用されてもよい。そのような平均法は、たとえば、移動平均（ＭＡ）、加重移動平均（ＷＭＡ）、又は指数移動平均（ＥＭＡ）である。さらに詳細には、移動平均を適用することは、所定の時間枠内に公共輸送車両、たとえば、同じ平日の同じ路線の公共輸送車両に停留所で乗車する乗客の収容能力の記憶された指標の所定の数が、合計されて、この所定の数によって除算されることを意味する。

加重移動平均を使用するとき、加数のそれぞれは重み係数と乗算され、ここで、加数の重みが増加するほど加数はより最新である。

上記のように、代替的な実施形態において、停留所で乗車する乗客に対する公共輸送車両の収容能力及び／又は停留所で公共輸送車両から降車すると予想される乗客の人数の記憶された指標の更新は、新たに取得された数（単数又は複数）を記憶することによって完了する。記憶することは、たとえば、測定された数をデータベースに以前に記録された数とともに書き込むことによって実現される。それによって、過去の予測に使用された古いデータセットは、新たに取得された数（単数又は複数）で拡張される。用語「データセット」は本明細書では、データベースの単一レコードではなく、複数のレコードを典型的に含む記憶データの集合に対して使用される。

この更新されたデータ、すなわち、前のデータ入手プロセス中の更新の間に、さらなる処理なしで記憶装置に加算された新たに取得された数（単数又は複数）の評価は、データ評価を含む更新がデータ入手プロセスの間に実行されなかった場合、予測プロセスの間に実行されてもよい。

停留所で公共輸送車両から降車した乗客の記憶された人数の指標の更新は、同じ路線の公共輸送サービスについて実行されてもよい。更新は、たとえば、最近の測定値と、前の２０週間の各月曜日の午前７時００分の列車の記憶された測定値とを使用して、実行されてもよい。

更新された指標（単数又は複数）は、将来の予測プロセスにおいて停留所で公共輸送車両から降車すると予想される乗客の人数を予測するために、又は、新たに取得された測定値を処理することによる継続中のデータ入手プロセスの別の更新のための入力値として、将来、使用される。

いくつかの実施形態において、停留所で乗車する乗客に対する公共輸送車両の収容能力は、公共輸送車両の混雑レベルを使用して決定される。公共輸送車両のこの混雑レベルは、停留所より前で測定される。

混雑レベルは、座っている乗客、ならびに座っていない乗客、すなわち立っている乗客に関するものである。混雑レベルは、単一の測定値、すなわち公共輸送車両の実際の混雑レベルから、又は、以前に取得された混雑レベルから得られる平均混雑レベルなどの記憶された混雑レベルに適用される更新方法から得られる混雑レベルから得られる。

いくつかの実施形態において、停留所で乗車する乗客に対する公共輸送車両の収容能力は、乗客が公共輸送車両からすでに降りたときに、停留所で公共輸送車両の混雑レベルを測定することによって、決定される。

停車中、すべての降車する乗客がすでに公共輸送車両を降りたが、乗車する乗客が公共輸送車両に乗る前の瞬間に得られる公共輸送車両のこの混雑レベルを、最小混雑レベルとする。停留所で公共輸送車両に乗車する乗客に対する収容能力を得るために、この最小混雑レベルが、公共輸送車両の最大収容能力、すなわち、公共輸送車両で輸送可能な乗客の最大人数から減算される。

このような最小混雑レベルは、複数の定期的なサービス、たとえば、停留所での同じ路線の同じ平日の同じ時間枠のために停留所で測定可能であり、上記の方法などの平均法は、公共輸送車両の最大収容能力から減算される停留所での予想最小混雑レベルを得るために、これらの混雑レベルに適用されてもよい。

以下において、最小混雑レベルを得るための例示的な方法が論じられる。

公共輸送車両の降車側及び乗車側が分かれている場合、すなわち、乗客が公共輸送車両の一方側で乗車し、他方側で降車する場合、停留所での降車及び乗車のプロセスは、時間的に分離された２つの個々のプロセスとして実行できる。よって、停留所での公共輸送車両の最小混雑レベルは、これらのプロセスの間の時間枠に実行されるスキャンによって決定することができる。

停留所での公共輸送車両の最小混雑レベルを決定するための別の例は、公共輸送車両の座席に組み込まれる重量センサ及び／又は圧力センサ（たとえば、ピエゾ電気圧力センサ）を使用することである。乗客が停留所で公共輸送車両を降りるために座席から立ち上がるとき、使用中の座席を示す信号の付随する減少が登録され、停留所での公共輸送車両の最小混雑レベルを得るために、公共輸送車両のスキャンが開始される。

最小混雑レベルの測定を開始する、継続中の降車プロセスのさらなる例示的な指標は、公共輸送車両の開けられたドアと停止との組合せである。

混雑レベルはまた、公共輸送車両の停留所への到着時刻と公共輸送車両の停留所からの出発時刻との間で連続的に測定することができる。このように、停留所での公共輸送車両の最小混雑レベルは、その時間枠内の公共輸送車両によって輸送される乗客の人数を連続的に測定すること、及び、車内の乗客が最少の測定値を選択することによって、決定することができる。

いくつかの実施形態において、公共輸送車両のドアに取り付けられた測定装置は、公共輸送車両から降車する乗客の正確な人数を測定するため、さらに、停留所で公共輸送車両に乗車する乗客の正確な人数を測定するために、使用される。公共輸送車両の連続的な各停留所の両方の値、すなわち、停留所で公共輸送車両から降車した乗客の人数及び停留所で乗車した乗客の人数を繰り返し測定することによって、そして、停留所より前での公共輸送車両に乗車する乗客に対する収容能力の情報によって、停留所での公共輸送車両の実際の混雑レベルを計算することができる。

いくつかの実施形態において、公共輸送車両の混雑レベルは、たとえば、閉回路テレビカメラ、３Ｄセンサなどによって直接、決定され、公共輸送車両の混雑レベルはまた、たとえば、閉回路テレビカメラ、公共輸送車両のドアに取り付けられる光電障壁、３Ｄセンサなど、又はその組合せを使用することによって、公共輸送車両から降車する乗客の正確な人数、及び、各停留所で公共輸送車両に乗車する乗客の正確な人数を連続的に測定することで、間接的に計算される。

いくつかの実施形態において、停留所で公共輸送車両から降車すると予想される乗客の人数の記憶された指標は、停留所より前での公共輸送車両の混雑レベルの記憶された指標と組み合わせられる。

停留所で公共輸送車両から降車すると予想される乗客の人数の記憶された指標及び／又は停留所の前での公共輸送車両の混雑レベルの記憶された指標は、上で論じられる平均法を、停留所で降車した乗客の先に決定された人数及び／又は停留所より前での公共輸送車両の先に測定された混雑レベルに適用することによって得られる値とすることができる。

平均法は、停留所で降車した乗客の人数を決定した後及び混雑レベルを測定した後すぐに、これらの値に適用されてもよく、それによって、これらの２つの値の指標を表す２つの平均値のみ記憶される。

あるいは、上記のように、停留所で公共輸送車両から降車した乗客の決定された人数、及び／又は、停留所の前での公共輸送車両の測定された混雑レベルは、平均法をこれらの値に適用することなく記憶される。

停留所で降車した乗客の先に決定された人数と、停留所より前での公共輸送車両の先に測定された混雑レベルとの完全データセット、すなわち非平均値は、予測プロセスで組み合わされる。このように、情報の損失は防止され、値が得られた時刻と予測が実行される時刻との間に変更した状況を、たとえば、それに応じて記憶された値を修正することによって、考慮することができる。

いくつかの実施形態において、停留所で公共輸送車両から降車すると予想される乗客の人数、及び、停留所より前での公共輸送車両の混雑レベルはそれぞれ、以前の走行での停留所で降車した乗客の人数の記憶された指標、及び、以前の走行での停留所より前での公共輸送車両の混雑レベルに対応する。所定の時間枠における停留所で降車した乗客の直近に得られた人数と、所定の時間枠の停留所より前での公共輸送車両の直近に得られた混雑レベルとが、たとえば、組み合わされて、それによって、停留所で乗車する乗客に対する公共輸送車両の予測収容能力を得るための非平均値が使用される。

いくつかの実施形態において、停留所で乗車する乗客に対する公共輸送車両の予測収容能力は、停留所で乗車する乗客に対する公共輸送車両の直近に測定された収容能力に対応する。よって、最後に測定された収容能力の置換は更新プロセスの間に実行され、本明細書に主張される収容能力予測手法において、データ評価は実行されない。

いくつかの実施形態において、停留所より前での混雑レベルの記憶された指標と、停留所で降車すると予想される乗客の人数とを組み合わせることは、停留所より前での公共輸送車両の混雑レベルの記憶された指標から停留所で降車すると予想される乗客の人数の減算を含んでもよい。それによって、停留所での予想最小混雑レベルが得られる。この予想最小混雑レベルを公共輸送車両の最大収容能力から減算することにより、停留所で乗車する乗客に対する公共輸送車両の予測収容能力がもたらされる。

いくつかの実施形態において、停留所で乗車する乗客に対する公共輸送車両の予測収容能力は、停留所で公共輸送車両から降車した乗客の人数の記憶された指標よりも、より短い時間枠から得られる公共輸送車両の混雑レベルの記憶された指標を使用して決定される。

停留所で乗車する乗客に対する公共輸送車両の収容能力は、たとえば、前１０回の走行での公共輸送車両の記憶された混雑レベルと、過去６か月間の停留所で降車した乗客の人数の記憶された指標とを使用して、予測されてもよい。それによって、前１０回の走行での記憶された混雑レベルから得られる値、たとえば、それらの１０回の混雑レベルの平均値と、過去６か月間に停留所で降車した乗客の人数から得られる値とが決定されて、組み合わされ、すなわち、上記のように減算され、停留所で公共輸送車両に乗車する乗客に対する収容能力が得られる。

１０回の走行期間などのより短い期間での、公共輸送車両の混雑レベルに実質的に影響を及ぼす状況が生じる場合、これは予測をより正確なものにする。このような状況は、公共輸送連絡の同様の又は類似の区画が、予測が行われる路線として利用できる路線の予想外の障害でもよい。特に、交通ハブへと通じる道の停留所は、平行する路線で問題が発生している場合、まだ稼働中の路線での混雑レベルの増加を示すであろう。

いくつかの実施形態において、停留所で乗車する乗客に対する公共輸送車両の予測収容能力は、停留所で公共輸送車両から降車した乗客の人数の記憶された指標よりも、より長い時間枠から得られる公共輸送車両の混雑レベルの記憶された指標を使用して決定される。

予測に使用されるこの後者の記憶された指標（すなわち、停留所で公共輸送車両から降車した乗客の人数）は、たとえば、乗客数の直近（すなわち、３〜５回）の測定値のみに基づき、その一方で、拡張された期間は、公共輸送車両の混雑レベルの記憶された指標のために使用される。それによって、停留所の乗客の降車パターンにおける短期間の変化を考慮することができる。降車パターンのこのような短期間の変化は、予想外の保守イベントのために１つ又は複数の停留所をスキップする路線によってもたらされることがある。交通ハブなどが路線を介してもはや接続されない場合、他の交通手段を使用しなければならず、したがって、乗客はスキップされる停留所の前で適切に降車してもよい。

いくつかの実施形態において、混雑レベルの測定は、公共輸送車両が停留所に接近しているときに実行される、すなわち、混雑レベルの測定値は、停留所で乗車する乗客に対する収容能力の予測が、公共輸送車両とこの停留所との間に他のいかなる停留所も存在しないときに行われ、その後、停留所の少なくとも１つの据置型表示装置上に表示される及び／又は少なくとも１つの遠隔コンピュータ装置に伝送される、公共輸送車両の同じ走行に言及する。

いくつかの実施形態において、乗車する乗客に対する公共輸送車両の残りの収容能力に対応する、公共輸送車両の混雑レベルの第１の測定が、公共輸送車両が停留所に接近する間に実行され、停留所で乗車する乗客に対する公共輸送車両の残りの収容能力に対応する、公共輸送車両の混雑レベルの第２の測定が、降車する乗客が公共輸送車両を離れた後に実行される。それによって、乗車する乗客に対する公共輸送車両の収容能力の値対が得られる。公共輸送車両の将来の走行の将来の予測プロセスにおいて、乗車する乗客に対する公共輸送車両の収容能力が、停留所に接近する間に測定され、停留所で乗車する乗客に対する公共輸送車両の収容能力の予め記録してある値対の対応する値は、少なくとも１つの据置型表示装置に表示される、及び／又は、少なくとも１つの遠隔コンピュータ装置に伝送される。

いくつかの実施形態において、乗車する乗客に対する公共輸送車両の収容能力は、現在存在する、すなわち、次の停留所の前に、公共輸送車両によって輸送される乗客の測定された人数から、停留所、より正確には次の停留所で降車すると予想される乗客の人数を減算することによって、決定される。

降車すると予想される乗客の人数は、前のデータ入手プロセスの結果である。

いくつかの実施形態において、停留所で公共輸送車両から降車した乗客の人数は、停留所で最小混雑レベルを測定することと、停留所より前での混雑レベルの測定値から最小混雑レベル測定値を減算することとを含む混雑レベル減算法によって、決定される。

いくつかの実施形態において、停留所で降車及び／又は乗車する乗客の人数は、降車する乗客及び／又は乗車する乗客の測定専用の少なくとも１つの測定装置によって、直接、決定される。このような測定装置は、公共輸送車両から降車する乗客の人数を数えるように適合されてもよく、及び／又は、停留所で乗車する乗客の人数を数えるように適合されてもよい。公共輸送車両のドアの周囲に取り付けられるこのような測定装置の例は、閉回路テレビカメラ、ＣＣＤセンサ、ドアに直接の光電障壁などの赤外線インタフェース、赤外線ポイントクラウドを使用する３Ｄセンサ、立体撮像技術を使用する３Ｄセンサなど、又はそれらの組合せである。

たとえば公共輸送車両のドアに取り付けられる閉回路テレビカメラ又は３Ｄセンサで得られる記録は、乗客を荷物などと区別することが可能な、及び／又は、ドアでの乗客の移動方向を分析する、すなわち、乗客が公共輸送車両から出ようとしているかどうかを判断することが可能なソフトウェアによって自動的に評価されてもよい。

いくつかの実施形態において、降車／乗車する乗客の人数は、上記のような複数の異なる測定装置によって得られ、ここで、それらの異なる測定方式の結果は、降車／乗車する乗客の人数の測定の精度を向上させるために組み合わせられる。

現在、公共輸送車両にいる乗客の人数は、公共輸送車両の測定された混雑レベルから得られる。停留所で乗車する乗客に対する公共輸送車両の収容能力の予測は、停留所に接近する公共輸送車両の混雑レベルの現在の測定値に基づくため、短い期間の予測が行われる。

停留所に到着する直前に、停留所で乗車する乗客に対する公共輸送車両の収容能力の予測に必要な２つの値のうちの１つを測定することによって、予測の精度は向上する。データ入手プロセスは、この公共輸送サービスの次の予測プロセスで使用される降車すると予想される乗客の人数の指標の決定の基礎として、停留所で降車した乗客の人数を記憶する。

停留所の直前で測定される値、したがって非常に正確である値、すなわち、停留所より前での公共輸送車両の混雑レベルを、予測値、すなわち、停留所で降車すると予想される乗客の人数と組み合わせることによって、乗車する乗客に対する公共輸送車両の収容能力が決定されると、降車すると予想される乗客の人数だけがこのようなばらつきの影響を受けることがあるため、乗車する乗客の予測収容能力の統計的なばらつき、たとえば、差異又は平均絶対偏差は減少する。

いくつかの実施形態において、停留所より前での混雑レベルの過去の測定値と停留所で降車した乗客の人数の過去の測定値との平均値は、同じ公共輸送サービスの以前の走行に基づいて停留所での予想収容能力を決定するために使用される。

降車する乗客が全員、公共輸送車両を離れると、降車すると予想される乗客の記憶された指標によって修正される混雑レベルが、停留所での予想最小混雑レベルを提供する。この予想最小混雑レベルを公共輸送車両の最大収容能力から減算することにより、停留所で乗車する乗客に対する公共輸送車両の収容能力がもたらされる。

いくつかの実施形態において、降車する乗客の予測人数の表示は無名数であり、停留所で乗車する乗客に対する公共輸送車両の収容能力、すなわち、停留所で公共輸送車両に乗車できる乗客の人数の表示は、無名数である。

いくつかの実施形態において、降車すると予想される乗客の人数の表示は、混雑レベルに対する及び／又は公共輸送車両の最大収容能力に対する数字、たとえば、公共輸送車両の最大収容能力のパーセンテージであり、停留所で公共輸送車両に乗車できる乗客の人数に対応する、公共輸送車両に乗車できる乗客の予測人数の表示は数字、たとえば、混雑レベルに対する及び／又は公共輸送車両の最大収容能力に対するパーセンテージである。

いくつかの実施形態において、降車すると予想される乗客の人数の表示は無名数であり、停留所で乗車する乗客に対する公共輸送車両の収容能力の表示は数字、たとえば、混雑レベルに対する及び／又は公共輸送車両の最大収容能力に対するパーセンテージ、あるいはその逆のパーセンテージである。

いくつかの実施形態において、予測プロセス及び／又はデータ入手プロセスは、気象状況及び／又は交通関連イベント及び／又は祝日を考慮するように適合される。

プロセスは、そのような交通関連外部要因に適合する機能を有する。たとえば、強雨は公共輸送サービスに対する需要を増加させ、それは予測プロセス及び基礎をなすデータ入手プロセスによって予想することができる。サッカーの試合、コンサート、定期保守及び構築作業、又は他の交通関連イベントも、予測プロセス及び基礎をなすデータ入手プロセスによって予想されてもよい。

いくつかの実施形態において、これらの交通関連外部要因に対する予想及び適合は、少なくとも１つの収容能力予想修正パラメータによって実現される。少なくとも１つの収容能力予想修正パラメータは、予測及び／又はデータ入手プロセスのいずれかに本質的に含まれる可能性があり、又は、収容能力予想修正パラメータの使用は、予測の通常動作モード及び／又はデータ入手プロセスから特別な動作モードへの切替えによって起動することができる。

いくつかの実施形態において、停留所で乗車する乗客に対する公共輸送車両の収容能力は、混雑レベル及び／又は降車する乗客の人数への交通関連外部要因の影響に対応する少なくとも１つの正又は負の収容能力予想修正パラメータによって直接、変更される。

気象状況のための収容能力予想修正パラメータ、祝日のための別の収容能力予想修正パラメータ、及び、公共イベントのためのさらに別の収容能力予想修正パラメータは、たとえば、互いに独立して導入することができる。このような収容能力予想修正パラメータは、データ入手プロセスによって使用される更新方法に導入されてもよい。少なくとも１つの正及び／又は負の収容能力予想修正パラメータは、混雑レベルの加重移動平均及び／又は停留所で公共輸送車両から降車する乗客の人数に追加されてもよい。それによって、停留所で乗車する乗客に対する公共輸送車両の収容能力は、少なくとも１つの収容能力予想修正パラメータによって変更されるそれらの２つの量の組合せから生じることに応じて、修正される。また、混雑レベルの加重移動平均及び／又は停留所で公共輸送車両から降車する乗客の人数の重み係数の変化は、収容能力予想修正パラメータによって実現されてもよい。

たとえばコンサートのために、公共輸送車両の混雑レベル及び／又は停留所で降車する乗客の人数の急増が予想される場合、加重移動平均の重み係数は、コンサート前の短い時間枠の間に得られた値に対して大きくしてもよく、前に得られたすべての値に対して小さくしてもよい。

重み係数はまた、多項式関数の結果でもよく、その係数は、停留所で乗車する乗客に対する公共輸送車両の測定された収容能力の回帰分析によって決定される。

少なくとも１つの収容能力予想修正パラメータは、たとえば、公共輸送機関によって設定される、あるいは、公共輸送機関の天気予報データベース及び／又はイベントデータベース及び／又は保守データベースなどの、交通関連イベントデータが記憶されている単数又は複数のデータベースから自動的に読みとられる、あるいは、公共輸送車両の混雑レベル及び／又は公共輸送車両から降車する乗客の人数が、停留所での続く公共輸送サービス、すなわち、同じ路線の公共輸送車両に対する所定の人数の定義済みの閾値より上（下）であるときに、自動的に設定される。

たとえば、２つ以上の公共輸送路線が２つの交通ハブを相互接続し、これらの路線のうちの１つが機能しない場合、このような交通関連イベントが生じることがある。この場合、残りの機能している路線（単数又は複数）の需要が増加し、機能している路線（単数又は複数）の混雑レベルはより高くなる。このような増加する混雑レベルが公共輸送機関によって予想できるため、乗車する乗客に対する公共輸送車両の収容能力の通常の予測は、少なくとも１つの収容能力予想修正パラメータによって変更されてもよく、たとえば、休止された路線の予想混雑レベルが、まだ運行中の路線（単数又は複数）の予想混雑レベルに追加されてもよい。

上記収容能力予想修正パラメータ（単数又は複数）はまた、たとえば、収容能力予想修正パラメータ（単数又は複数）の学習プロセスにおいて、データ入手プロセスに関連して記載される平均法を適用することによって、決定、記憶、及び更新することができる。この学習プロセスにおいて、停留所で乗車する乗客に対する公共輸送車両の正確な収容能力を提供する収容能力予想修正パラメータ（単数又は複数）は、停留所で公共輸送車両から降車した乗客の測定人数及び／又は停留所で乗車する乗客に対する公共輸送車両の実際の決定された収容能力を、この停留所の予測値と比較することによって、決定される。

乗車する乗客に対する公共輸送車両の収容能力の予測が行われる日の天気予報は、たとえば、現地の計測所の天気予報データベースから読みとることができ、これらの天候に対応する記憶された収容能力予想修正パラメータが、予測のために使用される。停留所で乗車する乗客に対する公共輸送車両の実際の収容能力が測定された後、この実際の収容能力は、天候の収容能力予想修正パラメータに基づくその停留所の予測収容能力と比較される。このように、その停留所で乗車する乗客に対する実際の収容能力をもたらす収容能力予想修正パラメータ、すなわち、実際の収容能力予想修正パラメータが決定される。予測中、所定の天候に対応する収容能力予想修正パラメータは修正され、たとえば、以前記憶された実際の収容能力予想修正パラメータと、将来の正確な予測をもたらすための収容能力予想修正パラメータの新たに得られた実測値とを使用して、平均化される。

いくつかの実施形態において、予測プロセスは、停留所で乗車する乗客に対する前の公共輸送車両の所定の数の収容能力、たとえば、同じ路線の最新の１０台の公共輸送車両を考慮するように適合される。それによって、停留所で乗車する乗客に対する公共輸送車両の収容能力の相関する指標が得られ、将来の予測プロセスのために記憶させることができる。これらの最新の走行は、予測が行われる当日の連続的な走行でもよく、又は、代わりに、これらの走行は、数週間にわたって測定された同じ時間枠の走行でもよい。

少数の前の（連続的な）走行から得られる、停留所で公共輸送車両に乗車できる乗客の人数の相関する指標を使用して、実際に利用可能な乗車する乗客に対する公共輸送車両の収容能力の短期間の変化を考慮することができる。たとえば、同じ路線の公共輸送車両の最新の５つの走行を通して、混雑レベルの増加が測定される場合、最新の５つの走行のみ考慮される、すなわち、公共輸送車両の次の走行（単数又は複数）の停留所で同じ路線の公共輸送車両に乗車する乗客に対する収容能力の予測のために、上記のように更新処理の間に評価される。

いくつかの実施形態において、類似の路線の公共輸送車両の所定の数の前の走行、すなわち、公共輸送ネットワークの複数の停留所を共用する路線が、予測のために考慮され、それによって、所定の時間枠内の停留所で乗車する乗客に対する公共輸送車両の記憶された収容能力の増加した数が作成される。

予測収容能力を得るための更新方法内で評価される収容能力の数が増加すると、更新方法の中で実行される統計的なデータ解析のエラー、たとえば差異は減少する。したがって、停留所で乗車する乗客に対する類似の路線の（異なる）公共輸送車両の収容能力が、これらの（異なる）公共輸送車両のそれぞれに類似するという仮定のもとで、予測の品質は向上する。

いくつかの実施形態において、公共輸送車両は、複数の区画に細分化される。区画のそれぞれは、個々の混雑レベルを有する。個々の混雑レベルは、公共輸送車両全体の混雑レベルに組み合わせることができる。

いくつかの実施形態において、公共輸送車両の区画は、客車及び／又は個室である。
例示的な実施形態において、列車の客車の個々の混雑レベルは、列車のプラットフォームの少なくとも１つの顧客情報スクリーン（ＣＩＳ）上に表示される。この情報は、列車に乗車するプラットフォーム上の乗客に対して、列車の最も混雑の少ない客車に乗るように、提案を行う。

いくつかの実施形態において、公共輸送車両は、乗客専用の、以降、乗客スペースと呼ばれるスペースを有する。公共輸送車両の混雑レベルを測定することは、乗客の存在を感知する少なくとも１つの測定装置で乗客スペースにスキャンすることを含む。各区画の乗客スペースは、同時に又は順に測定装置でスキャンすることができる。

乗客の存在は、たとえば、容積測定データを分析することによって、センサで検出することができる。長さ、幅、及び高さの所定の閾値ならびに／又は長さ、幅、及び高さの所定の比によって、物体は、乗客又は荷物のいずれかとして認識される。

このように、公共輸送車両の区画における乗客専用のスペースの乗客の人数を決定することができる。公共輸送車両の区画の乗客スペースの最大収容能力を考えるとき、この数は、公共輸送車両の混雑レベルに対応する。

いくつかの実施形態において、公共輸送車両は、荷物専用の、以降、荷物スペースと呼ばれるスペースを有する。公共輸送車両の混雑レベルを測定することは、荷物の存在を感知する少なくとも１つの測定装置で荷物スペースをスキャンすることを含む。各区画の荷物スペースは、同時に又は順に測定装置でスキャンすることができる。

荷物の存在は、たとえば、容積測定データを分析することによって、センサで検出することができる。長さ、幅、及び高さの所定の閾値ならびに／又は長さ、幅、及び高さの所定の比によって、物体は、乗客又は荷物のいずれかとして認識される。

このように、公共輸送車両の区画における荷物専用のスペースの荷物の量を決定することができる。公共輸送車両の区画の荷物スペースの最大収容能力を考えるとき、この量は、公共輸送車両の荷物関連の混雑レベルに対応する。

いくつかの実施形態において、そのため、停留所で乗車する乗客に対する公共輸送車両の収容能力を予測するために使用される予測プロセス及びデータ入手プロセスはまた、荷物スペースに格納できる荷物の量の予測を生成するように適用することができる。

予測及びデータ入手プロセスの基礎をなす方法は、荷物に関して乗客と同じ方法で実行される。たとえば、乗車する乗客に対する空き収容能力及び荷物スペースの空き収容能力は、同時に、同じ表示装置で一緒に表示させることができる。

いくつかの実施形態において、旅行用又は移動性アクセサリ、たとえば、荷物スペースに置かれるはずの、荷物の一部、車椅子、自転車、又は乳母車が、実際には乗客スペースに置かれるとき、たとえば、スーツケースが通路又は座席に置かれるとき、アクセサリは乗客として計算される。

乗客スペース及び荷物スペースが分離されるため、乗客スペースに存在する物体は、乗客又は荷物のいずれかとして認識され、乗客スペースの混雑レベルが物体の体積によって増加するため、乗客として計算される。

乗客が、誤って置かれた旅行用又は移動性アクセサリ、すなわち、乗客スペースに置かれて、そのため乗客として計算されたアクセサリとともに停留所で公共輸送車両から降車する場合、２人の降車する乗客、すなわち、乗客及び誤って置かれた旅行用又は移動性アクセサリが計算される。

いくつかの実施形態において、物体が検出されて荷物として定義されたが、まだ乗客スペースにあるとき、それは「乗客スペースの減少」として計算される。その結果、誤って置かれた荷物要素についての注意を含有するメッセージが、公共輸送機関、及び／又は、公共輸送車両に存在する少なくとも１人の職員、及び／又は、次の停留所にいる少なくとも１人の職員に送信される。

いくつかの実施形態において、公共輸送車両の混雑レベルは、乗客及び／又は荷物がある場合とない場合の公共輸送車両のスキャンの結果が組み合わせられるバックグラウンド減算法によって測定される。

それによって、停留所より前で、停留所に接近しているときの、又は停留所での公共輸送車両のスキャンの結果は、以降、公共輸送車両のブランクスキャンと呼ばれる、乗客及び／又は荷物なしでのスキャンによって修正される。たとえば、乗客及び／又は荷物専用の空の公共輸送車両あるいはその区画のスペースのスキャンによって得られる画像は、公共輸送車両が停留所に接近しているときに、乗客及び／また荷物専用の公共輸送車両あるいはその区画の同じスペースのスキャンによって得られる現在の画像から点別に減算される。この点別の減算は、２Ｄ画像のピクセルごとの比較、又は、３Ｄ画像のボクセルごとの比較として行われてもよい。減算は、たとえば、区画のすべての測定装置又は公共輸送車両全体のすべての測定装置が接続される、公共輸送車両に設置される少なくとも１つの車載コンピュータによって実行される。減算は、測定装置によって収集される生画像データ又は前処理済画像データがワイヤレス接続で送信される外部コントロールセンターで実行される可能性もある。

いくつかの実施形態において、乗客専用及び／又は荷物専用の公共輸送車両のスペースは、物理的マーカで定義される。これらのマーカ、たとえば特定の周波数の赤外線リフレクタは、公共輸送車両のブランクスキャンの間、少なくとも１つの測定装置によって検出可能である。

いくつかの実施形態において、乗客及び／又は荷物専用の公共輸送車両のスペースは、ブランクスキャンを後編集することによって定義される。たとえば、ブランクスキャンの結果の画像は、適切なソフトウェア、たとえば、Ｙａｍａｇｕｃｈｉ Ｃｅｎｔｅｒ ｆｏｒ Ａｒｔｓ ａｎｄ Ｍｅｄｉａの「ｍａｐａｍｏｋ」によって手動で修正し、乗客及び／又は荷物専用の個々のスペースを定義することができる。ブランクスキャンの後編集はまた、たとえば、外部コントロールセンターで実行され、公共輸送車両の各区画のために一度だけ行われなければならない。

いくつかの実施形態において、複数の測定装置には、赤外線ポイントクラウド及び／又は構造化赤外線パターンを作成する少なくとも１つの赤外線エミッタ、ならびに、赤外線ポイントクラウド及び／又は構造化赤外線パターンを受ける少なくとも１つの赤外線検出器が装備される。

赤外線ポイントクラウド（単数又は複数）及び／又は構造化赤外線パターン（単数又は複数）は、公共輸送車両のスキャン（単数又は複数）の間、測定装置によって発せられる。たとえば、赤外線スペックルパターンは、測定装置の赤外光投射アセンブリによって作成され、乗客及び／又は荷物に投射される。赤外線スペックルパターンは、その後、測定装置の画像キャプチャアセンブリによって検出される。

これにより、乗客及び／又は荷物専用の公共輸送車両におけるスペース（単数又は複数）の３Ｄデプスマップの作成が可能になる。３Ｄデプスマップは、たとえば、コンピュータビジョン技術によって得られ、以降、「ｄｅｐｔｈ ｆｒｏｍ ｆｏｃｕｓ」と呼ばれる。

Dｅｐｔｈ ｆｒｏｍ ｆｏｃｕｓは、公共輸送車両内の物体に既知のパターンを投射すること、及び、既知のパターンの変形から、物体の形状及び物体の測定装置からの距離を推測することに関するものである。

測定装置には、たとえば、赤外光源及び非点収差光学素子が装備され、それはコリメート光学特性も有してもよい。非点収差光学素子は、物体に投射されるスポットの形状を、非点収差光学素子からの距離で変化する伸びの方向に伸ばす。

この現象は、非点収差光学素子が異なるメリジオナル平面において異なる焦点距離を有するため、生じる。測定装置には、画像キャプチャアセンブリ、たとえば、ＣＣＤ又はＣＭＯＳベースの画像センサアレイなどの検知素子のアレイも装備される。

公共輸送車両内の各測定装置のスキャン範囲の３Ｄデプスマップの作成の後、それらの３Ｄデプスマップは、少なくとも公共輸送車両の区画又は公共輸送車両全体の３Ｄデプスマップを作成するために、一緒に縫合されてもよい。３Ｄデプスマップは、画像キャプチャアセンブリによって得られる生データを処理することにより、測定装置によって作成される。これらの３Ｄデプスマップを一緒に縫合することは、たとえば、少なくともスキャンされた区画の測定装置に接続された少なくとも１つの車載コンピュータ、又は、外部コントロールセンターのいずれかによって実現される。縫合プロセスにおいて、測定装置の重なり合う記録も補正されてもよい。

第２の態様によると、停留所で乗車する乗客に対する公共輸送車両の収容能力を予測するためのコンピュータ化システムが提供される。この収容能力の表示は、停留所の少なくとも１つの据置型表示装置、たとえば、顧客情報スクリーン上に、コンピュータ化システムによって表示させることができる。この収容能力を示すデータはまた、スマートフォン又はコンピュータなどの少なくとも１つの遠隔コンピュータ装置に、コンピュータ化システムによって伝送することができる。その表示に含まれる情報は、停留所で乗車する乗客に対する公共輸送車両の収容能力を示す情報をウェブサーバなどにアップロードすることによって、インターネット接続を介して、コンピュータ化システムによってアクセス可能にすることができる。

コンピュータ化システムは、２つの自動プロセスである、予測プロセスとデータ入手プロセスとを実行するようにプログラムされる。コンピュータ化システムは、たとえば、データ入手プロセスを実行するための車載コンピュータと、予測プロセスを実行するための外部コントロールセンターの少なくとも１つのコンピュータとを備える。あるいは、両方のプロセスは、同じコンピュータ、たとえば、車載コンピュータによって実行される。車載コンピュータ又は外部コントロールセンターの少なくとも１つのコンピュータはどちらも、少なくとも１つのプロセッサと、不揮発性メモリと、その中に記憶された実行可能命令を有するコンピュータプログラムとが装備される。これらの命令は、それぞれのコンピュータの少なくとも１つのプロセッサで実行されるとき、少なくとも１つのプロセッサに、本明細書に記載される予測プロセス及び／又はデータ入手プロセスを実行させる。予測プロセスは、この収容能力の記憶された指標及び／又は停留所で公共輸送車両から降車すると予想される乗客の人数の記憶された指標を使用して、停留所で乗車する乗客に対する公共輸送車両の収容能力を予測することを含む。

停留所で乗車する乗客に対する公共輸送車両の収容能力の記憶された指標、すなわち、停留所で公共輸送車両に乗車できる乗客の人数及び／又は停留所で公共輸送車両から降車すると予想される乗客の人数は、データ入手プロセスの少なくとも１回の事前実行の結果である。

データ入手プロセスにおいて、停留所で乗車する乗客に対する公共輸送車両の収容能力及び／又は停留所で公共輸送車両から降車した乗客の人数の実測値は、コンピュータ化システムによって測定されて、記憶される。これらの値は定期的又は不定期的に更新される。

予測プロセスの間、停留所で乗車する乗客に対する公共輸送車両の予測収容能力を示す情報は、停留所のコンピュータ化システムの少なくとも１つの据置型表示装置に表示される。

コンピュータ化システムは、少なくとも１つの遠隔コンピュータ装置、たとえば、スマートフォン、コンピュータなどへの、この収容能力を示すデータの伝送を可能にする。この収容能力を示す情報はまた、上記のように、インターネット接続を介してアクセス可能にすることもできる。収容能力を示す情報は、たとえば、単に、公共輸送車両に乗車できる乗客の単なる数字、又は、停留所での公共輸送車両の収容能力を表す棒グラフでもよい。

データ入手プロセスにおいて、停留所で乗車する乗客に対する公共輸送車両の実際の収容能力及び／又は停留所で公共輸送車両から実際に降車した乗客の人数は、コンピュータ化システムによって決定される。公共輸送車両の収容能力は、コンピュータ化システムによって、たとえば、空席の数及び／又は立っている乗客のための空きスペースの数を数えることによって、決定できる。他の例において、収容能力は、使用中の座席の数及び／又は立っている乗客のための使用中のスペースの数、又は、より一般的には、公共輸送車両の「混雑レベル」を決定又は測定することによって、決定される。

公共輸送車両から降車した乗客の人数は、車両から降車する（正確な）人数を数えることによって、たとえば、閉回路テレビカメラ、公共輸送車両のドアの赤外光センサ、３Ｄセンサなど、又はその組合せを使用することによって、コンピュータ化システムで測定できる。その後、停留所で乗車する乗客に対する公共輸送車両の収容能力及び／又は停留所で降車すると予想される乗客の人数の記憶された指標は、新たに取得された数値（単数又は複数）を使用して、コンピュータ化システムによって更新される。

更新方法は、データ入手プロセス中に、コンピュータ化システムによって実行される。上記のように、更新方法は、最近測定されたデータと組み合わせた、記憶されたデータのデータ評価を含んでもよく、又は、最近測定されたデータで、以前に測定かつ記憶されたデータのデータセットを拡張することを含むだけでもよい。

データ入手プロセスで得られたデータ、すなわち、停留所で乗車する乗客に対する公共輸送車両の収容能力及び／又は停留所で公共輸送車両から降車すると予想される乗客の人数の記憶された指標の更新は、たとえば、移動平均（ＭＡ）、加重移動平均（ＷＭＡ）、又は指数移動平均（ＥＭＡ）などの平均法によって、コンピュータ化システムで実現される。

上記のように、停留所で乗車する乗客に対する公共輸送車両の収容能力及び／又は停留所で公共輸送車両から降車すると予想される乗客の人数の記憶された指標の更新は、新たに取得された数（単数又は複数）を記憶することによって完了してもよい。記憶することは、たとえば、測定された数をデータベースに以前に記録された数とともに書き込むことによって実現される。それによって、過去の予測に使用された古いデータセットは、新たに取得された数（単数又は複数）で拡張される。

この更新されたデータ、すなわち、前のデータ入手プロセス中の更新の間に、さらなる処理なしで記憶装置に加算された新たに取得された数（単数又は複数）の評価は、データ評価を含む更新がデータ入手プロセスの間に実行されなかった場合、予測プロセスの間に実行されてもよい。

コンピュータ化システムは、この更新された指標及び／又はこの降車すると予想される乗客の更新された人数を、将来の予測プロセスにおいて停留所での公共輸送車両の収容能力を予測するために、又は、別のデータ入手プロセスの更新のための入力値として、使用するようにプログラムされる。

コンピュータ化システムは、上記の方法を実行するように配置される。

ここで、本発明の例示的な実施形態は、添付図面も参照して記載される。

図１は、ブランクスキャン中の、乗客スペースを有する列車の客車を示す。 図２は、混雑レベルを測定するときの、乗客スペースを有する列車の客車を示す。 図３は、ブランクスキャン中の、乗客スペース及び荷物スペースを有する列車の客車を示す。 図４は、混雑レベルを測定するときの、乗客スペース及び荷物スペースを有する列車の客車を示す。 図５は、予測及びデータ入手プロセスの抜粋であり、週に一度のすべての測定データの更新を示す。 図６は、予測及びデータ入手プロセスの抜粋であり、予測の間のデータの評価を示す。 図７は、予測及びデータ入手プロセスの抜粋であり、乗客の流動に対する短い期間の影響の考慮を示す。 図８は、予測及びデータ入手プロセスの抜粋であり、予測の間のデータの評価、及び、乗客の流動に対する短い期間の影響の考慮も示す。 図９は、データ評価による、図６の予測マッピングアクティビティを示す。 図１０は、図７の予測マッピングアクティビティであり、交通関連イベントを可能にする収容能力予想修正パラメータを示す。 図１１は、図８の予測マッピングアクティビティであり、交通関連イベントを可能にし、入力データの平均化する収容能力予想修正パラメータを示す。 図１２は、以前に得られた最小混雑レベルを使用する、ＰＴＶの収容能力の予測方法を示す。 図１３は、現在の収容能力情報と記憶された降車乗客情報との組合せを使用する、ＰＴＶの収容能力の予測方法を示す。 図１４は、記憶された収容能力情報と記憶された降車乗客情報の組合せを使用する、ＰＴＶの収容能力の予測方法を示す。 図１５は、異なる時間枠から収容能力情報と降車乗客情報とを収集することと、予測収容能力に情報を組み合わせることとを示す。 図１６は、予測収容能力情報を表示する、顧客情報スクリーン（ＣＩＳ）を示す。 図１７は、予測収容能力情報を表示する、遠隔コンピュータ装置を示す。 図１８は、本明細書に記載されるコンピュータ化システムによる例示的なコンピュータシステムを示し、公共輸送車両の収容能力を予測するために配置される。

図面及び図面の説明は本発明の例であり、発明自体ではない。

列車の客車によって表され、測定装置３が装備される公共輸送車両１の区画が、客車の概略上面図で、図１に示される。測定装置３は、乗客６及び／又は荷物７の存在を感知する。区画のブランクスキャン、すなわち、乗客６なし及び／又は荷物７なしでのスキャンは、列車の客車の天井に取り付けられる測定装置３によって実行される。３つの測定装置３には、赤外線エミッタ及び赤外線検出器、ならびに非点収差光学素子が装備される。

赤外線ポイントクラウド及び／又は構造光パターンを作成かつ検出することによって、それらは、本明細書の「発明の概要」に記載されているように、空き区画の３Ｄデプスマップ８０、すなわちブランクスキャンを得る。測定装置３のそれぞれは、区画の２つの対向する座席列２の間に設置される。ブランクスキャンの間、区画はすべての測定装置３によって同時にスキャンされる、又は、ブランクスキャンは、順に測定装置３を起動し、スキャンによって得られた画像、すなわち３Ｄデプスマップ８０を一緒に縫合することによって実行される。

ブランクスキャンを後処理することによって、区画の乗客スペース４すなわち乗客専用の区画のスペースと、荷物スペース５すなわち荷物７専用の区画のスペースとが識別されて、印をつけられる。図１で示される公共輸送車両１の区画は、荷物スペース５がなく、乗客スペース４のみ有する。

図１に関連して記載される公共輸送車両１の同じ区画（列車の客車）が図２に示されるが、区画の乗客スペース４には乗客６が存在する。区画のスキャンは図１に関連して記載されるのと同様に実行され、同じ測定装置３が使用される。しかし、乗客６が区画の座席列２に座るか、乗客スペース４に立っているため、スキャンはブランクスキャンでなく、公共輸送車両１（列車）が停留所に向かっているとき、部分的に使用された区画のスキャンである。スキャンは、部分的に使用された乗客スペース４の３Ｄデプスマップ８０をもたらす。ブランクスキャンによって得られる区画の３Ｄデプスマップ８０は、その後、乗客６及び／又は荷物７が存在する区画の３Ｄデプスマップ８０から減算される。

この減算によって得られる画像を後処理することにより、又は、乗客６及び／又は荷物７が存在する区画の３Ｄデプスマップ８０を直接、後処理することにより、区画内の物体は乗客６又は荷物７のいずれかとして認識される。これは、たとえば、スキャンの容積測定データを分析し、長さ、幅、及び高さの所定の閾値によって、及び／又は、それらの量の所定の比率によって物体を分類することで実現される。スキャン及びスキャンデータのこの後処理の最終結果は、公共輸送車両１の区画の乗客スペース４の混雑レベル４２０である。図２に示される列車の客車は荷物スペース５を有さないため、乗客スペース４の混雑レベル４２０のみ決定される。

図３に示される乗客６及び／又は荷物７の存在しない公共輸送車両１の区画は、乗客スペース４と荷物スペース５とを有する。図３に点線で示されるように、乗客スペース４と荷物スペース５は互いに空間的に分離される。ブランクスキャン及び後編集プロセスは、図１に関連して記載されるように、この区画に対して実行される。それによって、空き区画の３Ｄデプスマップ８０が作成され、荷物スペース５と乗客スペース４とが識別される。

図３に関連して記載される公共輸送車両１の同じ区画が図４に示されるが、乗客６が列車の客車の乗客スペース４に存在し、荷物７が公共輸送車両の荷物スペース５に置かれている。スキャン及び続く後処理を実行することによって、すなわち、ブランクスキャンを減算して、荷物７を乗客６と区別することによって、図２に関連して記載されるように、荷物スペース５の混雑レベル４２０と、乗客スペース４の混雑レベル４２０とが決定される。

本明細書で請求される方法及びコンピュータ化システムによって使用される例示的な予測プロセス２００及び例示的なデータ入手プロセス１００の抜粋が、図５に示される。

図５に示されるイベントの時系列順は、図の左側のタイムラインによって示される。第１週の月曜日の朝に、公共輸送車両２２０の予測収容能力が停留所で表示される。この予測収容能力２２０はまた、遠隔コンピュータ装置６０に伝送されることがある。降車する乗客６が公共輸送車両１を離れた後、最小混雑レベル１１０、すなわち、乗車する乗客に対する公共輸送車両１の収容能力が、測定装置３で測定されて、外部コントロールセンター７０における後の更新プロセスのために車載コンピュータ４０に記憶される。

週に一度、この例示的な実施形態においては日曜日の夜に、前週のすべての公共輸送車両１のすべての停留所で測定された最小混雑レベル１１０は、更新方法１３０において、それぞれの停留所の記憶された収容能力指標１２０と組み合わせられる。代替的な実施形態において、いくつかの更新方法１３０は、対応する予測プロセス２００の入力値を作成する継続中のデータ入手プロセス１００のために実行される。上記のように、公共輸送車両１の最大収容能力からの最小混雑レベル１１０の減算は、その実際の収容能力１１０’をもたらすため、最小混雑レベル１１０は、停留所で乗車する乗客に対する公共輸送車両の実際の収容能力１１０’に対応する。更新方法１３０は、たとえば、以前に測定かつ記憶された最小混雑レベル１１０と、直近に測定かつ記憶された最小混雑レベル１１０との指数移動平均を決定することを含む。これは、更新された記憶された収容能力指標１２０を提供し、それは、すべての停留所及び路線のための、翌週の停留所で乗車する乗客に対する公共輸送車両の予測収容能力２２０を与える。よって、第２週の月曜日の朝の予測収容能力２２０は、更新方法１３０によって改善され、プラットフォームで表示される。

例示的な予測プロセス２００及び例示的なデータ入手プロセス１００の両方の別の抜粋が、図６に示される。本実施形態において、乗車する乗客に対する公共輸送車両の収容能力の予測２２０は、より短い時間枠で、たとえば、同じ路線の続く走行のために、実行される。

図９によって示され、その図に関連してさらに記載される、予測マッピング２１０の間に、更新方法１３０’（図６に示されない）、たとえば、段落「発明の概要」に記載の平均法が、収容能力の更新された記憶された指標１２０を得るために、収容能力の記憶された指標１２０に適用され、予測収容能力２２０をもたらす。データ評価は、予測マッピング２１０の間に、予測収容能力２２０が表示される前の短い時間、たとえば数秒で実行される。よって、データ入手プロセス１００と予測プロセス２００との間の時間枠における交通に対する影響を考慮することができる。

図６のデータ入手プロセス１００（タイムスタンプ「１」及び「６」）の間、更新方法１３１が実行される。更新方法１３１の間に最近得られた最小混雑レベル１１０が、記憶された収容能力指標１２０に対応するデータセットに含まれ、したがって更新された記憶された収容能力指標１２０がもたらされ、さらなるデータ評価方法は更新方法１３１によって実行されない。

対応する予測マッピング２１０による別の予測プロセス２００は、タイムスタンプ「５」で、このようなデータ入手プロセス１００の後に実行される。

例示的な予測プロセス２００及び例示的なデータ入手プロセス１００の両方の別の抜粋が、図７に示される。本実施形態において、乗車する乗客に対する公共輸送車両の収容能力の予測２２０は、より短い時間枠で、たとえば、同じ路線の続く走行のために、実行される。図７の更新方法１３０及び予測マッピング２１１は、図６に関連して記載されるそれらとは異なる。

第１の予測プロセス２００において、図７の左側に示されるタイムスタンプ「０」で、記憶された収容能力指標１２０は、予測マッピングプロセス２１１によって予測収容能力２２０にマップされる。この予測マッピング２１１は、非周期性交通関連イベント、たとえば、サッカーの試合の場合に、１つ又は複数の収容能力予想修正パラメータ２６０によって記憶された収容能力指標１２０を修正し、乗客流動にそれらのイベントの影響を考慮することを含む。

予測マッピング２１１は、図１０に関連してさらに記載される。結果として得られる予測収容能力２２０は、プラットフォームで表示される。

タイムスタンプ「１」で、図５に関連して記載される更新方法１３０に対応する更新方法１３０が実行され、また、更新された記憶された収容能力指標１２０がもたらされる。記憶された収容能力指標１２０は、この更新方法１３０の間に、最近得られた収容能力１１０'とともに平均される。図５に関連して記載されるように、収容能力１１０'は最小混雑レベル１１０に対応する。

タイムスタンプ「５」で、別の予測プロセス２００が、上記データ入手プロセス１００に基づいて開始される。

例示的な予測プロセス２００及び例示的なデータ入手プロセス１００の両方の別の抜粋が図８に示され、短い時間枠内の予測も示される。図８のデータ入手プロセス１００は、図６に関連して示されて、記載されるデータ入手プロセスと同じである。

図８の予測プロセス２００は、異なる予測マッピング２１２を使用することによって、図６に示されるその対応物とは異なる。図８の予測マッピング２１２は、さらに図１１に関連して記載されて、示され、図６の予測マッピング２１０に加えて収容能力予想修正パラメータ２６０（図８に示されない）を含む。図７に関連して記載されるように、それらの収容能力予想修正パラメータは、交通関連イベントに応答するために使用される。それらのパラメータは、図１１に示されて、関連して記載されるように、予測マッピング２１２に含まれる更新方法１３０’を修正するために使用される。

よって、データ評価に対応する更新方法１３０’ならびに収容能力予想修正パラメータ２６０は、図８の予測マッピング２１２の間に適用される。これはまた、収容能力予想修正パラメータ２６０によって更新方法１３０’自体を変化させることを含む。図８のデータ入手プロセス１００の更新方法１３１は、新たに取得された収容能力１１０’をデータセットに含めることを含むが、任意のさらなるデータ評価は実行しない。

それにもかかわらず、図６、図７、及び図８の実施形態はこれらの短い時間枠内での実行に限定されず、より拡張された時間枠に対する予測のために使用することもできる。

図９に示される予測マッピング２１０は、たとえば、前記のいくつかの平均法のうちの１つを使用して、収容能力の記憶された指標２２０を更新し、収容能力の更新された記憶された指標１２０を得ることを含む。この更新は、更新方法１３０’によって実行される。

図９の予測マッピング２１０は本発明の実施形態に基づき、ここで、図６に関連して記載される更新方法１３１は、記憶された収容能力指標１２０に対応するデータセットに、最近得られた最小混雑レベル１１０を含めることを含む。

交通関連イベントが本明細書に請求される方法及び／又はコンピュータ化システムによってイベントデータベース２５０で検出される場合、近い将来の交通関連イベントに対応する記憶された収容能力予想修正パラメータ２６０が予測マッピング２１１で使用され、収容能力の更新された記憶された指標１２０、すなわち、停留所で乗車する乗客に対する公共輸送車両の予想収容能力２２０へのこれらのイベントの影響を補正する。

図１０に示される例示的な実施形態において、サッカーの試合などの公共イベントに関する収容能力予想修正パラメータ２６０が使用される。この収容能力予想修正パラメータ２６０は、データ入手プロセス１００から得られる収容能力の更新された記憶された指標１２０と組み合わせられ、停留所で乗車する乗客に対する公共輸送車両の予測収容能力２２０を決定する。図１０に示される例示的な実施形態の収容能力予想修正パラメータ２６０は、収容能力の更新された記憶された指標１２０に追加される。これらの交通関連イベントを補正することによって、公共輸送車両１の予測収容能力２２０が得られ、その後、表示装置５０及び／又は遠隔コンピュータ装置６０（図１０に示されない）に表示される。

図１０に示される例示的な実施形態において、収容能力予想修正パラメータ２６０は学習もされる。修正パラメータ学習プロセス３００において、予測収容能力２２０は、停留所で測定される、停留所での公共輸送車両の実際の収容能力１１０’と比較される。この特定の実施形態において、収容能力の更新された記憶された指標１２０と記憶された収容能力予想修正パラメータ２６０との組合せからもたらされる予測収容能力２２０は、測定装置３によって停留所で測定される実際の収容能力１１０’から減算される。

このように、予測収容能力２２０と実際の収容能力１１０’との間の偏差が決定される。この偏差値は、適切な収容能力予想修正パラメータ３６０、すなわち、収容能力の更新された記憶された指標１２０と組み合わせたときに、停留所で乗車する乗客に対する公共輸送車両の収容能力の正確な予測２２０をもたらす収容能力予想修正パラメータ２６０を確認するために使用される。その結果、記憶された収容能力予想修正パラメータ２６０は、更新方法３３０において、この新しい収容能力予想修正パラメータ３６０と組み合わせられ、その結果、すなわち、更新された収容能力予想修正パラメータ２６０が記憶され、将来の予測マッピング２１１で使用されることになる。

図１１に示される予測マッピング２１２、図９の予測マッピング２１０と図１０の予測マッピング２１１との組合せ。すなわち、予測マッピング２１２は、更新方法１３０’の間に収容能力の記憶された指標１２０を平均することを含み、ここで、更新方法１３０’は、交通関連イベント、たとえば、サッカーの試合の影響を考慮するために、収容能力予想修正パラメータ２６０によって修正される。たとえば、交通へのサッカーの試合の影響がすでに存在したときに得られた収容能力は、この影響が存在しなかったときに得られた収容能力よりも強く重み付けされるため、更新方法１３０’で使用される移動平均において合計される収容能力の係数は増加する。

収容能力予想修正パラメータ２６０も、図１０に関連して記載される方法と同様に、修正パラメータ学習プロセス３００で学習させることができる。

初期のデータの収集から停留所で乗車する乗客に対する予測収容能力２２０の最終の表示までの、本発明の実施形態によって実行されるアクティビティを示すフローチャートが、図１２に示される。データ収集の間、公共輸送車両（ＰＴＶ）１の区画は、図２及び図４に関連して記載されるように、最小混雑レベル条件が識別される時点で、順に測定装置３でスキャンされる。測定装置３が作動する時系列順は、１つの測定装置３から別の装置まで延びる円弧の形態の破線矢印で示される。連続するスキャンの間、測定装置３によって記録される生データは、車載コンピュータ４０に伝送される。この車載コンピュータ４０は、データ処理アクティビティの間、生データをさらに処理する。

それによって、停留所での最小混雑レベル条件の間、公共輸送車両１の区画の３Ｄデプスマップ８０が計算される。公共輸送車両１の乗客スペース４及び荷物スペース５は、車載コンピュータ４０で実行されるソフトウェアによって、３Ｄデプスマップ８０の作成の間に識別される。乗客６及び／又は荷物７のない公共輸送車両１の区画の３Ｄデプスマップ８０、すなわち、ブランクスキャンは、図１及び図３に関連して記載される前のスキャンによって作成された。このブランクスキャンは、最小混雑レベル条件の間に得られた区画の３Ｄデプスマップ８０から減算される。より詳細には、１００％の収容能力に対応し、図１２に示されるフローチャートにおいて「デフォルト画像」と呼ばれる、空の公共輸送車両１のデプスマップ８０は、図１２に示されるフローチャートにおいて「ライブ画像」と呼ばれる、現在のデプスマップ８０から減算される。結果として得られる差分画像は、公共輸送車両の混雑レベルを示す。収容能力（停留所で公共輸送車両に乗車する乗客に対する残りの収容能力。「空きスペース」とも呼ばれる）は、最大収容能力（１００％）からＰＴＶの混雑レベル（Ｘ％）を引いたものに対応する。

それによって、所定の区画のための停留所で乗車する乗客に対する公共輸送車両の収容能力１２０を示す指標が、各区画のために個別に作成される。所定の区画のための停留所で公共輸送車両に乗車する乗客に対する収容能力１２０を示すこの指標は、公共輸送車両１の区画の最大収容能力のパーセンテージである。この指標は、図１２に示されるフローチャートにおいて、「空きスペース」と呼ばれる。

データ収集及びデータ処理アクティビティは、公共輸送車両１の各区画に対して実行される。停留所での公共輸送車両の各区画の測定された最小混雑レベル１１０は、続く「予測及び入手」アクティビティでさらに使用される。このアクティビティは、データ入手プロセス１００（図１２に示されるフローチャートにおいて「データ入手」と呼ばれる）と、予測プロセス２００（図１２に示されるフローチャートにおいて「データ予測」と呼ばれる）とを含む。データ入手プロセス１００において、測定された最小混雑レベル１１０に対応する、乗車する乗客に対する公共輸送車両の測定された実際の収容能力１１０’は、前のデータ収集アクティビティ及びデータ処理アクティビティから得られる乗車する乗客に対する収容能力１２０の以前に記憶された指標とともに、更新方法１３０において平均される。停留所で乗車する乗客に対するこれらの以前に得られた収容能力１２０の停留所で乗車する乗客に対する測定された収容能力１１０’との平均算出は、乗車する乗客に対する収容能力の更新された記憶された指標１２０をもたらす。

この量は、予測プロセス２００においてさらに処理され、ここで、乗車する乗客に対する収容能力の更新された記憶された指標１２０は、乗客６に情報を表示するための所望のフォーマットに変換される。このような所望のフォーマットは、たとえば、図１６に示されるような棒グラフである。予測プロセス２００及びデータ入手プロセス１００は、外部コントロールセンター７０の少なくとも１つのコンピュータデバイスを使用することによって実行される。その後、予測収容能力２２０は、顧客情報スクリーン５０に表示される、又は、データ転送及び表示アクティビティの間に、少なくとも１つの遠隔コンピュータ装置６０に伝送される。同様に、上記のアクティビティを実行することによって荷物７に対する空き収容能力も、測定、学習、予測、及び表示することができる。

本発明の別の実施形態によって実行されるアクティビティを示すフローチャートが、図１３に示される。データ収集アクティビティの間、公共輸送車両（ＰＴＶ）１の区画は、次の停留所に接近する間にスキャンされる。図１２に関連して記載されるように、スキャンは測定装置３によって実行される。スキャンの間、測定装置３によって記録される生データは、車載コンピュータ４０に伝送される。

図１２によって示される実施形態に加えて、図１３に示される公共輸送車両１の区画にはドアセンサ３０が装備される。ドアセンサ３０は測定装置３と同一でもよいが、ドアにおける乗車する乗客と降車する乗客６とを区別するためのモーショントラッキングソフトウェア、又は、「発明の概要」ですでに述べた光電障壁がさらに装備される。したがって、データ収集アクティビティの間、２つの出力信号、すなわち、公共輸送車両１の区画の３Ｄデプスマップ８０に再構成可能なセンサの生データと、停留所の公共輸送車両の対応する区画から降車した乗客の人数１５０'に対応する、乗客計測１４０から得られるデータとがあり、それらはデータ処理アクティビティの間、車載コンピュータ４０によってさらに処理される。

その後、次の停留所に接近している公共輸送車両１の３Ｄデプスマップ８０は、生データを処理することによって作成される。最小混雑レベル１１０の決定に関連する、図１２に関連して記載されるように、現在の混雑レベル４２０は、公共輸送車両１の区画の最大収容能力から減算される。それによって、乗車する乗客に対する現在の収容能力４２０’が得られる。現在の混雑レベル４２０は、得られた３Ｄデプスマップ８０及び区画のブランクスキャンに基づいて決定される。よって、２つの出力値、区画の現在の混雑レベル４２０（及び、それによる、次の停留所の前に決定される、区画に乗車する乗客の現在の収容能力４２０’）と、過去に停留所で公共輸送車両の対応する区画から降車した乗客の人数１５０’とが、データ処理アクティビティによって得られる。

データ入手プロセス１００において、過去に停留所で公共輸送車両の区画から降車した乗客の人数１５０’は、停留所で公共輸送車両の区画から降車すると予想される乗客の記憶された指標１５０、すなわち、前のデータ入手プロセス１００で処理される停留所で降車した乗客の以前に測定された人数１５０’とともに更新方法１３０において平均される。この更新方法１３０は、停留所で降車すると予想される乗客の人数の更新された記憶された指標１５０をもたらす。

停留所で降車すると予想される乗客の人数の更新された記憶された指標１５０に対応する収容能力は、予測プロセス２００の間に、乗車する乗客に対する現在の収容能力４２０’に追加される。結果として停留所で乗車する乗客に対する予測収容能力２２０が決定される。図１２に関連して記載されるように、停留所で乗車する乗客に対する予測収容能力２２０は、据置型表示装置５０に表示される、及び／又は、少なくとも１つの遠隔コンピュータ装置６０に伝送される。

図１２に関連して記載される実施形態に関しては、上記のアクティビティを実行することによって荷物７に対する空き収容能力も、測定、学習、予測、及び表示することができる。

本発明の別の実施形態によって実行されるアクティビティを示すフローチャートが、図１４に示される。図１４のデータ収集アクティビティは、図１３のデータ収集アクティビティに対応する。公共輸送車両（ＰＴＶ）１の区画は停留所より前で測定装置３によってスキャンされ、降車する乗客は停留所でドアセンサ３０によって数えられる。

しかし、測定された混雑レベル４２０は、停留所での公共輸送車両の収容能力２２０の現在の予測のためには使用されないが、公共輸送車両から降車した乗客の人数１５０’のように記憶され、将来の予測プロセス２００において使用される。

図１２及び図１３に関連して記載されるように、データ予測及び入手アクティビティは、データ入手プロセス１００と予測プロセス２００とを含む。停留所で降車すると予想される乗客の人数の更新された記憶された指標１５０は、図１３に関連して記載されるデータ入手プロセス１００の間に得られる。

データ入手プロセス１００の間、停留所より前で直近に測定された収容能力４２０'は、降車すると予想される乗客の更新された記憶された指標１５０を得るために使用される更新方法１３０に類似する更新方法１３０において、停留所より前での収容能力の記憶された指標１２０と組み合わされて、平均される。

停留所より前での乗車する乗客に対する収容能力の更新された記憶された指標１２０と、降車すると予想される乗客の更新された記憶された指標１５０とが組み合わされて、停留所での公共輸送車両の予測収容能力２２０が得られる。停留所で降車すると予想される乗客の人数の更新された記憶された指標１５０に対応する収容能力が、停留所より前での公共輸送車両に乗車する乗客に対する収容能力の更新された記憶された指標１２０に加算される。

結果として停留所で乗車する乗客に対する予測収容能力２２０が決定される。図１２及び図１３に関連して記載されるように、停留所で乗車する乗客に対する予測収容能力２２０は、据置型表示装置５０に表示される、及び／又は、少なくとも１つの遠隔コンピュータ装置６０に伝送される。

図１２及び図１３に関連して記載される実施形態に関しては、上記のアクティビティを実行することによって荷物７に対する空き収容能力が、測定、学習、予測、及び表示することができる。

前の走行の停留所より前での測定された混雑レベル４２０（図１３及び図１４に示される）、ならびに、停留所で公共輸送車両から降車した乗客の測定された人数１５０’（図１３及び図１４に示される）は、更新方法１３０内で平均される。「降車した乗客の人数を測定する．．．」アクティビティは、図の「１４０」とされる。図１５の実施形態において、一方では、停留所で乗車する乗客に対するこれらの公共輸送車両の収容能力４２０’に対応する、続く公共輸送車両１の停留所より前での測定された混雑レベル４２０が平均されて（短期間の平均）、停留所より前での収容能力の記憶された指標１２０になり、他方では、数週間の期間の公共輸送車両１５０’の降車する乗客の測定された人数が平均され（長期間の平均）、よって、それらは降車した乗客の記憶された指標１５０になる。

停留所で乗車する乗客に対する公共輸送車両の収容能力２２０を予測するために、更新方法１３０から得られる、停留所で降車すると予想される乗客の人数の指標に対応する収容能力１５０（上記の長期間の平均）が、更新方法１３０の結果（上記の短期間の平均）でもある、停留所より前での公共輸送車両の収容能力の記憶された指標１２０に加算される。この加算の結果が予測収容能力２２０をもたらす。

図１６に示されるように、たとえば、停留所で乗車する乗客に対する予測収容能力２２０を表す水平方向の棒の形態のインジケータ９が、顧客情報スクリーン（ＣＩＳ）５０上に表示される。停留所での予測収容能力２２０がＣＩＳ５０上に区画別に表示される例示的な公共輸送車両１は、１２の区画を有する。各インジケータ９は、停留所で乗車する乗客に対する公共輸送車両のそれぞれの区画の予測収容能力２２０を表す。

スマートフォンの形態の遠隔コンピュータ装置６０が、図１７に示される。スマートフォンの形態の遠隔コンピュータ装置６０は、混雑レベル指標によって、乗客スペース４の空きスペースについての情報、すなわち、乗車する乗客に対する収容能力２２０を表示し、インジケータ９がここでは人型である。同様に、荷物７のための空きスペースが、混雑レベル指標によって表示され、ここで、インジケータはスーツケースの形である。また、車椅子（車椅子形のインジケータによって示される）及び自転車（自転車形のインジケータによって示される）などの、他の旅行用及び移動性アクセサリのための空きスペースが表示される。

例示的なコンピュータシステム５００の図式表現が図１８に示される。コンピュータシステム５００は、一連の命令５１０を実行するように配置され、その命令は、本明細書に記載されるように、停留所で乗車する乗客に対する公共輸送車両の収容能力２２０を予測するため、ならびに、停留所の少なくとも１つの据置型表示装置５０にこの収容能力２２０を示す情報を表示する、及び／又は、停留所で乗車する乗客に対する公共輸送車両の収容能力２２０を示すデータを少なくとも１つの遠隔コンピュータ装置６０に伝送可能にするために使用される方法のうちのいくつかをコンピュータシステム５００に実行させる。少なくとも１つの車載コンピュータ４０及び外部コントロールセンター７０の少なくとも１つのコンピュータは、たとえば、このようなコンピュータシステム５００である。

コンピュータシステム５００は、プロセッサ５０２と、メインメモリ５０４と、ネットワークインタフェース５０８とを含む。メインメモリ５０４は、ユーザ実行アプリケーションと関連付けられるユーザ空間５０４’と、オペレーティングシステム及びハードウェア関連アプリケーションのために予約されているカーネル空間５０４’’とを含む。コンピュータシステム５００は、スタティックメモリ５０６、たとえば、取り外し不可能なフラッシュ及び／又はソリッドステートドライブ、ならびに／あるいは、取り外し可能なマイクロ又はミニＳＤカードをさらに含み、それは、コンピュータシステム５００がコンピュータシステム５００の機能を実行することを可能にするソフトウェアを恒久的に記憶する。さらにまた、それは、ビデオディスプレイ５０３、ユーザインタフェース制御モジュール５０７、ならびに／又は、英数字及びカーソル入力デバイス５０５を含む。任意選択的に、カードリーダ及びＵＳＢインタフェースなどのさらなるＩ／Ｏインタフェース５０９が存在してもよい。コンピュータシステム構成要素５０２〜５０９は、データバス５０１によって相互接続される。

いくつかの例示的な実施形態において、本明細書に記載される方法を実行するようにプログラムされるソフトウェアが、スタティックメモリ５０６上に記憶される。他の例示的な実施形態において、外部データベースが使用される。センサで記録される３Ｄデプスマップ又は乗客カウントは、たとえば、少なくとも１つの車載コンピュータ４０で処理され（データ入手プロセス１００）、データ入手プロセス１００で得られたこのデータ５１２は、外部コントロールセンター７０にネットワークインタフェース装置５０８を介して伝搬波形５１１上を伝送され、この伝送データ５１２及び以前に記憶されたデータに基づいて予測プロセス２００が実行される。

上記の方法の任意のもの又はすべてを具現化する命令（すなわちソフトウェア）５１０の実行可能セットは、完全に、又は少なくとも部分的に、不揮発性メモリ５０６に恒久的に存在する。実行されるとき、プロセスデータは、メインメモリ５０４及び／又はプロセッサ５０２に存在する。

Claims (12)

1. 停留所で乗車する乗客に対する公共輸送車両の収容能力を予測し、（ｉ）この収容能力を示す情報を前記停留所の少なくとも１つの据置型表示装置に表示することと、（ｉｉ）この収容能力を示すデータを少なくとも１つの遠隔コンピュータ装置に伝送可能にすることとのうちの少なくとも１つのための方法であって、
   前記方法は、２つの自動のプロセスである、予測プロセスとデータ入手プロセスとを含み、
   前記予測プロセスが、
   前記停留所より前での前記公共輸送車両の混雑レベルと、前記停留所で前記公共輸送車両から降車すると予想される乗客の人数の記憶された指標とを組み合わせることによって、前記停留所で乗車する乗客のために前記公共輸送車両の前記収容能力を予測することと、
   （ｉ）前記停留所で乗車する乗客のために前記公共輸送車両の前記予測収容能力を示す前記情報を前記停留所の前記少なくとも１つの据置型表示装置に表示することと、（ｉｉ）この収容能力を示すデータを前記少なくとも１つの遠隔コンピュータ装置に伝送可能にすることと
   のうちの少なくとも１つを含み、
   前記収容能力を示す情報は、乗客のための収容能力と旅行用又は移動性アクセサリのための空きスペースとを含み、
   前記予測プロセスのための前記停留所前の前記公共輸送車両の混雑レベルは、前記公共輸送車両が前記停留所に接近しているときに測定されるものであり、前記混雑レベルの測定は前記公共輸送車両の同じ走行に基づくものであり、前記停留所で乗車する乗客のための前記公共輸送車両の前記予測された収容能力を示す情報が表示され、及び／又はこの収容能力を示すデータの伝送がなされ、
   前記公共輸送車両が乗客スペースを有し、
   前記公共輸送車両の前記混雑レベルを測定することが、乗客の存在を感知する少なくとも１つの測定装置で前記乗客スペースをスキャンすることを含み、
   前記混雑率を測定することが閉回路テレビカメラを使用して混雑レベルを直接決定することを含み、
   前記停留所で前記公共輸送車両から降車すると予想される乗客の人数の前記記憶された
   指標が、前記データ入手プロセスの少なくとも１つの事前実行の結果であり、そして、
   前記データ入手プロセスが、
   前記車両が前記停留所にいるとき、前記停留所で前記公共輸送車両から降車した乗客の人数を決定することと、
   前記停留所で前記公共輸送車両から降車すると予想される乗客の前記人数の前記記憶された指標を、将来の使用のために、更新することと
   を含む、方法。
2. 前記停留所で乗車する乗客のための前記公共輸送車両の前記収容能力が、
   （ｉ）前記停留所での最小混雑レベルを測定し、前記最小混雑レベルを前記公共輸送車両の最大収容能力から減算することと、
   （ｉｉ）記憶された測定された最小混雑レベルから得られる予想最小混雑レベルを前記公共輸送車両の前記最大収容能力から減算することと
   のうちの少なくとも１つによって、決定される、
   請求項１に記載の方法。
3. 乗車する乗客のための前記公共輸送車両の前記収容能力が、降車すると予想される乗客の前記人数を前記測定された混雑レベルから減算することによって決定される、
   請求項１に記載の方法。
4. （ｉ）前記予測プロセス及び（ｉｉ）前記データ入手プロセスのうちの少なくとも１つが、少なくとも１つの収容能力予想修正パラメータを使用することによって、気象状況、交通関連イベント、及び祝日のうちの少なくとも１つを考慮するように適合される、
   請求項１〜３のいずれか一項に記載の方法。
5. 前記予測プロセスが、前記停留所で乗車する乗客に対する前の公共輸送車両の所定数のそれぞれの前記収容能力を考慮するように適合される、
   請求項１〜４のいずれか一項に記載の方法。
6. 前記公共輸送車両が複数の区画に細分化され、前記公共輸送車両の前記混雑レベルが、前記公共輸送車両の前記区画に対する混雑レベルを備える、
   請求項１〜５のいずれか一項に記載の方法。
7. 前記公共輸送車両が荷物スペースを有し、前記公共輸送車両の前記混雑レベルを測定することが、荷物の存在を感知する少なくとも１つの測定装置で前記荷物スペースをスキャンすることを含み、
   前記予測プロセス及び前記データ入手プロセスが、前記荷物スペースに格納できる荷物の量を予測して、表示するために実行される、
   請求項１〜６のいずれか一項に記載の方法。
8. 前記停留所より前での（ｉ）乗客及び（ｉｉ）荷物のうちの少なくとも１つを有する前記公共輸送車両のスキャンの結果が（ｉ）乗客及び（ｉｉ）荷物がないスキャンの結果によって修正されるバックグラウンド減算法によって、前記混雑レベルが測定される、
   請求項７に記載の方法。
9. 前記公共輸送車両の（ｉ）前記乗客スペース及び（ｉｉ）荷物スペースのうちの少なくとも１つが、
   （ｉ）（ｉ）乗客及び（ｉｉ）荷物のうちの少なくとも１つがない状況での前記公共輸送車両の前記スキャンの間、前記少なくとも１つの測定装置によって検出可能である前記公共輸送車両の物理的マーカと、
   （ｉｉ）（ｉ）乗客及び（ｉｉ）荷物のうちの少なくとも１つがない状況での前記公共輸送車両の前記スキャンを後編集することと
   のうちの少なくとも１つによって定義される、
   請求項８に記載の方法。
10. 複数の測定装置に（ｉ）赤外線ポイントクラウド及び（ｉｉ）構造化赤外線パターンのうちの少なくとも１つを作成する少なくとも１つの赤外線エミッタが装備され、
    前記測定装置に（ｉ）赤外線ポイントクラウド及び（ｉｉ）構造化赤外線パターンのうちの少なくとも１つを受ける少なくとも１つの赤外線検出器も装備され、
    前記（ｉ）赤外線ポイントクラウド及び（ｉｉ）構造化赤外線パターンのうちの少なくとも１つが（ｉ）前記公共輸送車両の乗客スペースのさまざまな区画及び（ｉｉ）荷物スペースのうちの少なくとも１つの３Ｄデプスマップを作成するために使用され、それが前記公共輸送車両の３Ｄデプスマップに一緒に縫合される、
    請求項６〜９のいずれか一項に記載の方法。
11. 停留所で乗車する乗客に対する公共輸送車両の収容能力を予測することのため、ならびに、（ｉ）この収容能力を示す情報を前記停留所の少なくとも１つの据置型表示装置に表示すること及び（ｉｉ）前記停留所で乗車する乗客に対する前記公共輸送車両の前記収容能力を示すデータを少なくとも１つの遠隔コンピュータ装置に伝送可能にすることのうちの少なくとも１つのための、コンピュータ化システムであって、
    前記コンピュータ化システムは、少なくとも１つのプロセッサと少なくとも１つのメモリとを備え、前記少なくとも１つのメモリが、前記プロセッサによって実行されるとき、前記少なくとも１つのプロセッサに、２つの自動プロセスである、予測プロセスとデータ入手プロセスとを実行させる実行可能命令を備え、
    前記予測プロセスが、
    前記停留所より前での前記公共輸送車両の混雑レベルと、前記測定された混雑レベルを前記停留所で前記公共輸送車両から降車すると予想される乗客の人数の記憶された指標と組み合わせることとによって、前記停留所で乗車する乗客に対する前記公共輸送車両の前記収容能力を予測することと、
    （ｉ）前記停留所で乗車する乗客に対する前記公共輸送車両の前記予測収容能力を示す前記情報を前記停留所の前記少なくとも１つの据置型表示装置に表示することと、（ｉｉ）この収容能力を示すデータを前記少なくとも１つの遠隔コンピュータ装置に伝送可能にすることと
    のうちの少なくとも１つを含み、
    前記収容能力を示す情報は、乗客のための収容能力と旅行用又は移動性アクセサリのための空きスペースとを含み、
    前記公共輸送車両が前記停留所に接近しているときに前記停留所より前での前記公共輸送車両の混雑レベルを測定すること、すなわち、混雑レベルの測定は、前記停留所で乗車する乗客に対する前記公共輸送車両の前記予測された収容能力を示す情報を表示するため、及び／又はこの収容能力を示すデータの伝送をもたらすために、前記公共輸送車両の同じ走行に基づき、
    前記公共輸送車両が乗客スペースを有し、
    前記公共輸送車両の前記混雑レベルを測定することが、乗客の存在を感知する少なくとも１つの測定装置で前記乗客スペースをスキャンすることを含み、
    前記混雑率を測定することが閉回路テレビカメラを使用して混雑レベルを直接決定することを含み、
    前記停留所で前記公共輸送車両から降車すると予想される乗客の前記人数の前記記憶された指標が、前記データ入手プロセスの少なくとも１つの事前実行の結果であり、そして、
    前記データ入手プロセスが、
    前記車両が前記停留所にいるとき、前記停留所で前記公共輸送車両から降車した乗客の前記人数を決定することと、
    前記停留所で前記公共輸送車両から降車すると予想される乗客の前記人数の前記記憶された指標を、将来の使用のために、更新することと
    を含む、コンピュータ化システム。
12. 請求項１〜１０のいずれか一項に記載の方法を実行するように配置される、
    請求項１１に記載のコンピュータ化システム。

Images