JP7347787B2 - 混雑状況管理装置、混雑状況管理システム、混雑状況管理方法及びプログラム - Google Patents

Description

本発明は、混雑状況管理装置、混雑状況管理システム、混雑状況管理方法及びプログラムに関する。

近年、電車の利便性を向上させるため、電車や電車を管理するシステム等の改良が進められている。しかし、大都市における通勤ラッシュ時の電車の混雑率は非常に高い状況が続いており、効果的な満員電車対策が望まれている。

関連する技術として、例えば、特許文献１～４が知られている。特許文献１には、ＩＣタグ付き乗車券を用いた乗車率算出方法が記載されている。特許文献２には、座先に配置された重量感知センサーを用いた混雑程度表示装置が記載されている。特許文献３及び４には、カメラを用いた混雑率算出方法が記載されている。

特開２００５－３４９８９８号公報 実開昭６２－１６１０７５号公報 特開２０１３－０２５５２３号公報 特開２００７－２９０５７４号公報

特許文献１～４のような関連する技術によれば、車両の混雑状況を算出し、乗客に混雑状況を表示することが可能とされている。しかしながら、特許文献１では乗客がＩＣタグ付き乗車券を持つことが前提となっているため、ＩＣタグ付き乗車券を持たない乗客を考慮することができない。また、特許文献２では、各座席に重量感知センサーが必要となり、座席以外の混雑状況を把握することができない。さらに、特許文献３及び４では、カメラが撮像した画像をもとに混雑状況を算出しているものの、算出の際に生じ得る誤差が考慮されていない。このため、関連する技術では、精度よく混雑状況を算出することが困難であるという問題がある。

本開示は、このような課題に鑑み、混雑状況の算出精度を向上することが可能な混雑状況管理装置、混雑状況管理システム、混雑状況管理方法及びプログラムを提供することを目的とする。

本開示に係る混雑状況管理装置は、車両内を撮像した画像を取得する画像取得部と、前記取得された画像に基づいて、前記車両に乗車している乗客の体重を算出する体重算出部と、前記算出された乗客の体重に基づいて、前記車両の混雑状況を算出する混雑状況算出部と、前記取得された画像の変化に基づいて、前記算出された混雑状況を補正する混雑状況補正部と、を備えるものである。

本開示に係る混雑状況管理システムは、車両内を撮像する撮像部と管理装置とを備えた混雑状況管理システムであって、前記管理装置は、前記撮像部から車両内を撮像した画像を取得する画像取得部と、前記取得された画像に基づいて、前記車両に乗車している乗客の体重を算出する体重算出部と、前記算出された乗客の体重に基づいて、前記車両の混雑状況を算出する混雑状況算出部と、前記取得された画像の変化に基づいて、前記算出された混雑状況を補正する混雑状況補正部と、を備えるものである。

本開示に係る混雑状況管理方法は、車両内を撮像した画像を取得し、前記取得された画像に基づいて、前記車両に乗車している乗客の体重を算出し、前記算出された乗客の体重に基づいて、前記車両の混雑状況を算出し、前記取得された画像の変化に基づいて、前記算出された混雑状況を補正するものである。

本開示に係る混雑状況管理プログラムは、車両内を撮像した画像を取得し、前記取得された画像に基づいて、前記車両に乗車している乗客の体重を算出し、前記算出された乗客の体重に基づいて、前記車両の混雑状況を算出し、前記取得された画像の変化に基づいて、前記算出された混雑状況を補正する、処理を、コンピュータに実行させるための混雑状況管理プログラムである。

本開示によれば、混雑状況の算出精度を向上することが可能な混雑状況管理装置、混雑状況管理システム、混雑状況管理方法及びプログラムを提供することができる。

実施の形態に係る混雑状況管理装置の概要を示す構成図である。 実施の形態１に係る車両管理システムの構成を示す構成図である。 実施の形態１に係る車両におけるカメラの配置例を示す図である。 実施の形態１に係る車両におけるカメラの配置例を示す図である。 実施の形態１に係る車両におけるカメラの配置例を示す図である。 実施の形態１に係る車両管理装置の構成を示す構成図である。 実施の形態１に係る車両管理装置の動作を示すフローチャートである。 実施の形態１に係る混雑率算出方法を示すフローチャートである。 実施の形態１に係る混雑率補正方法を示すフローチャートである。 実施の形態１に係る混雑率算出方法で使用する画像の例を示す図である。 実施の形態１に係る混雑率算出方法で使用する画像の例を示す図である。 実施の形態１に係る混雑率算出方法で使用する画像の例を示す図である。 実施の形態１に係る混雑率算出方法で使用する画像の例を示す図である。 実施の形態１に係る統計データの例を示す図である。 実施の形態１に係る統計データの例を示す図である。 実施の形態１に係る混雑率の表示例を示す図である。 実施の形態１に係る混雑率の表示例を示す図である。

（実施の形態の概要）
図１は、実施の形態に係る混雑状況管理装置の概要を示している。図１に示すように、混雑状況管理装置１０は、画像取得部１１、体重算出部１２、混雑状況算出部１３、混雑状況補正部１４を備えている。

画像取得部１１は、電車などの車両内を撮像した画像を取得する。体重算出部１２は、画像取得部１１により取得された画像に基づいて、車両に乗車している乗客の体重を算出する。混雑状況算出部１３は、体重算出部１２により算出された乗客の体重に基づいて、車両の混雑率などの混雑状況を算出する。混雑状況補正部１４は、画像取得部１１により取得された画像の変化に基づいて、混雑状況算出部１３により算出された混雑状況を補正する。

このように、実施の形態では、車両内の画像から求めた乗客の体重に基づいて車両の混雑状況を算出するとともに、車両内の画像の変化に基づいて混雑状況を補正するため、混雑状況を精度よく算出することができる。

（実施の形態１）
以下、図面を参照して実施の形態１について説明する。図２は、本実施の形態に係る車両管理システムの構成を示している。図２に示すように、車両管理システム１は、車両管理装置１００、車両２００、カメラ２０１、表示装置３００を備えている。

カメラ２０１と車両管理装置１００の間、及び、車両管理装置１００と表示装置３００の間は、有線または無線により互いに通信可能に接続されている。例えば、通信手段として、電車通信用のミリ波通信を用いてもよい。また、ここでは、車両管理装置１００を車両２００の外部に設けているが、車両２００の内部に設けてもよいし、カメラ２０１に内蔵してもよい。さらに、車両管理装置１００と表示装置３００を一つの装置としてもよい。

車両２００は、乗客を乗せて輸送する電車である。車両２００は、乗客を乗せることが可能な車両であればよく、普通列車、グリーン車等の特別列車、新幹線等でもよい。なお、ここでは、１つの車両２００のみ示しているが、複数の車両２００が連結されており、それぞれの車両２００にカメラ２０１が備えられている。

カメラ２０１は、車両２００の内部を撮像するカメラ（撮像部）であり、例えば、１００万～２００万画素程度の監視カメラである。カメラ２０１は、撮像した車両２００内の画像を車両管理装置１００へ送信する。カメラ２０１は、必要に応じて車両２００内に複数設けられており、複数のカメラ２０１により撮像した複数の画像を出力してもよいし、複数の画像を合成した合成画像を出力してもよい。

車両管理装置１００は、車両２００の混雑状況等を管理する管理装置（混雑状況管理装置）である。車両管理装置１００は、複数の車両２００のカメラ２０１から車両２００内の画像を受信し、受信した車両２００内の画像に基づいて、車両２００の混雑率（混雑状況）を算出する。車両管理装置１００は、車両２００内の画像から乗客の体重を特定することで混雑率を求めるとともに、車両２００の空車時からの画像の変化に基づいて混雑率を補正する。さらに、車両管理装置１００は、算出した混雑率を表示装置３００へ送信する。なお、車両管理装置１００は、混雑率に限らず、画像に基づいて空席を検出し、空席率を算出してもよい。

表示装置３００は、車両２００の混雑状況等を表示する装置であり、例えば、駅のプラットホーム３０１に設けられている。表示装置３００は、車両管理装置１００から車両２００の混雑率を受信し、受信した混雑率を利用者等へ表示する。例えば、表示装置３００を発車標（駅の案内表示装置）として、混雑している車両の情報を表示してもよい。また、表示装置を行先標（車両の行き先表示）として、背景色により混雑状況を表示してもよい。さらに、表示装置３００を、指令所の運行監視装置としてもよいし、携帯電話やスマートフォンなどの携帯端末装置としてもよい。

図３～図５は、本実施の形態に係る車両におけるカメラの配置例を示している。図３は、車両２００の内壁上部の複数箇所にカメラ２０１を配置する例であり、一例として、６つのカメラ２０１ａ～２０１ｆを配置している。車両２００は上面視で略長方形であり、この例では、車両２００の長方形の４つの角部（四隅）の上部にそれぞれカメラ２０１ａ～２０１ｄを配置する。例えば、カメラ２０１ａ～２０１ｄは、車両２００の各角部からそれぞれ対角線方向に向かって、車両２００の内部を撮像する。また、車両２００の前後方向（進行方向）の中央付近の左右両側上部にそれぞれカメラ２０１ｅ及び２０１ｆを配置する。例えば、カメラ２０１ｅ及び２０１ｆは、車両２００の左右両側からそれぞれ対向する方向に向かって、車両２００の内部を撮像する。カメラ２０１ａ～２０１ｆは、各カメラの画像を組み合わせて合成することができる程度の撮像範囲を有しており、各カメラの設置場所に応じた画角（視野角）を有している。例えば、カメラ２０１ａ～２０１ｄの画角は９０度程度（もしくは９０度以上）であり、カメラ２０１ｅ及び２０１ｆの画角は１２０度程度（もしくは１２０度以上）であるが、これに限られない。車両管理装置１００は、カメラ２０１ａ～２０１ｆの画像を合成し、一例として、カメラ２０１ａの画像、カメラ２０１ｅの画像、カメラｄ２０１ｃの画像、カメラ２０１ｄの画像、カメラ２０１ｆの画像、カメラ２０１ｂの画像の順に各画像を連結することで、１つの車両内の画像を生成する。

図４は、車両２００の天井の複数個所にカメラを配置する例であり、一例として、４つのカメラ２０１ａ～２０１ｄを配置している。この例では、車両２００の天井の前端部にカメラ２０１ａを配置し、天井の前後方向の中央付近にカメラ２０１ｂ及び２０１ｃを配置し、天井の後端部にカメラ２０１ｄを配置する。例えば、カメラ２０１ａ～２０１ｄの画角は、１２０度程度であるが、図３と同様、これに限られない。カメラ２０１ａ及び２０１ｂは、前側及び中央側からそれぞれ対向する方向に向かって、車両２００の内部を撮像し、カメラ２０１ｃ及び２０１ｄは、中央側及び後側からそれぞれ対向する方向に向かって、車両２００の内部を撮像する。車両管理装置１００は、カメラ２０１ａ～２０１ｄの画像を合成し、一例として、カメラ２０１ａの画像、カメラ２０１ｂの画像、カメラｄ２０１ｃの画像、カメラ２０１ｄの画像の順に各画像を連結することで、１つの車両内の画像を生成する。

図５は、車両２００の天井の１個所にカメラを配置する例であり、一例として、カメラ２０１ａを天井中央部に配置している。例えば、カメラ２０１ａは、画角が３６０度の全方位カメラであり、中央から全ての方向に向かって、車両２００の内部を撮像する。この場合、カメラ２０１ａが車両内の３６０度画像を生成してもよいし、車両管理装置１００がカメラ２０１ａにより撮像された複数方向の複数の画像を合成してもよい。

図６は、本実施の形態に係る車両管理装置の構成を示している。図６に示すように、車両管理装置１００は、画像取得部１０１、記憶部１０２、画像合成部１０３、人物認識部１０４、体重算出部１０５、混雑率算出部１０６、差分算出部１０７、混雑率補正部１０８、混雑率出力部１０９を備えている。なお、各部（ブロック）の構成は一例であり、後述する車両管理装置１００の動作が可能であれば、その他の各部で構成されてもよい。例えば、人物認識部１０４及び体重算出部１０５を１つの体重算出部としてもよいし、差分算出部１０７及び混雑率補正部１０８を１つの混雑率補正部としてもよい。

画像取得部１０１は、通信可能に接続されたカメラ２０１から、カメラ２０１が撮像した車両２００内の画像を取得する。車両２００に複数のカメラ２０１が配置されている場合、画像取得部１０１は、複数のカメラ２０１から複数の画像を取得する。また、複数の車両２００から、それぞれ車両２００内の画像を取得する。

記憶部１０２は、各部の処理に必要な情報を記憶する。ここでは、記憶部１０２は、カメラ２０１から取得された画像（合成された画像）や体重の統計データ等を記憶する。体重の統計データは、厚生労働省等が公表している平均体重のデータであり、性別ごとに各年齢の平均体重を示している。

画像合成部１０３は、複数のカメラ２０１から複数の画像を取得した場合、その複数の画像を１つの車両全体画像に合成する。車両２００の内部全体を示す画像を車両全体画像と言う。車両全体画像は、パノラマ画像（３６０度画像）であり、複数のカメラ２０１の複数の画像を合成して生成されてもよいし、１つのカメラ２０１（３６０度カメラ）から取得されてもよい。

人物認識部１０４は、合成（取得）された車両全体画像に基づき、車両２００に乗車している乗客（人物）を認識する。人物認識部１０４は、機械学習（人工知能）による顔認識技術及び属性認識技術を用いて、認識される乗客の顔（一部）の特徴に基づき乗客の性別や年齢等の属性を識別し、また、車両２００の乗客の人数をカウントする。

体重算出部１０５は、車両全体画像から識別した乗客の属性に基づき乗客の体重を算出する。体重算出部１０５は、記憶部１０２の統計データを参照し、乗客の性別及び年齢に基づき乗客の体重を特定し、さらに、乗客の体重及び人数に基づいて車両２００の乗客の総重量を算出する。

混雑率算出部１０６は、車両２００の乗客の総重量と車両２００の輸送可能な最大積載重量（許容重量）に基づき、車両２００の混雑率を算出する。混雑率算出部１０６は、車両２００の乗客の総重量を車両２００の最大積載重量で割ることで、車両２００の混雑率を求める。なお、空席率を算出する場合、車両２００の空席数を車両２００の全席数で割ることで、空席率を求めることができる。

差分算出部１０７は、乗客を乗せていない空車時の車両全体画像と現在（乗客が乗車している時）の車両全体画像との差分を算出する。差分算出部１０７は、空車時の車両全体画像の全画素と現在の車両全体画像の全画素を比較し、一致する画素と不一致の画素の割合を求める。

混雑率補正部１０８は、空車時（無人状態）の車両全体画像と現在の車両全体画像の差分（変化）に基づき混雑率を補正する。混雑率補正部１０８は、現在の車両全体画像に基づいて求めた混雑率と、空車時の車両全体画像及び現在の車両全体画像の不一致率（変化の空間比率）との誤差が大きい場合、誤差に応じて混雑率を補正する。

混雑率出力部１０９は、補正後の混雑率を表示装置３００へ出力する。混雑率出力部１０９は、通信可能に接続された表示装置３００へ、補正後の混雑率を送信し、表示装置３００に混雑率を表示する。

図７～図９は、本実施の形態に係る車両管理装置の動作を示している。図７は、車両管理装置１００における画像記憶及び画像取得から混雑率出力までの流れを示し、図８は、図７の混雑率算出処理（Ｓ１０３）の流れを示し、図９は、図７の混雑率補正処理（Ｓ１０４）の流れを示している。

図７に示すように、まず、車両管理装置１００は、空車時の車両２００内の画像を記憶する（Ｓ１０１）。図１０は、この時、記憶する空車時の車両全体画像Ｐ０の一例を示している。車両２００の混雑率を算出する前に、予め、車両２００に乗客が乗っていない空車時にカメラ２０１が車内を撮像し、画像取得部１０１が空車時の画像を取得する。画像合成部１０３は、必要に応じてカメラ２０１から取得した画像を合成して図１０のような空車時の車両全体画像Ｐ０を生成し、記憶部１０２に記憶する。画像合成部１０３は、車両全体画像Ｐ０を生成する処理の一例として、複数のカメラ２０１から取得した複数の画像の一部がそれぞれ重なっているため、複数の画像のサイズを調整するとともに重複箇所を検出し、検出した重複箇所を含む不要な部分をカットし、その重複箇所の隣接画像が連続するように複数の画像を連結して合成する。

続いて、車両管理装置１００は、現在の車両２００内の画像を取得する（Ｓ１０２）。図１１は、この時、取得（合成）する現在の車両全体画像Ｐ１の一例を示している。車両２００の混雑率を算出する際、現在の車両２００の車内をカメラ２０１が撮像し、画像取得部１０１が現在の画像を取得する。画像合成部１０３は、Ｓ１０１と同様に、必要に応じてカメラ２０１から取得した画像を合成して図１１のような現在の車両全体画像Ｐ１を生成する。現在の車両２００内の画像を取得するタイミングは、少なくとも混雑率を算出する時である。例えば、常に画像を取得して混雑率を算出してもよいし、各駅で車両２００の乗車が完了した時に画像を取得して混雑率を算出してもよい。

続いて、車両管理装置１００は、現在の車両全体画像Ｐ１に基づいて混雑率算出処理を行う（Ｓ１０３）。混雑率算出処理では、図８に示すように、車両管理装置１００は、現在の車両全体画像Ｐ１に基づいて、乗客の顔を認識する（Ｓ２０１）。図１２は、この時、現在の車両全体画像Ｐ１から顔認識処理を行う例を示している。人物認識部１０４は、図１２のように車両全体画像Ｐ１の中から抽出フレームＦ０を設定し、抽出フレームＦ０内の人物の顔を認識する。例えば、車両全体画像Ｐ１にエッジ（輪郭）検出処理を行い、検出したエッジを囲む抽出フレームＦ０を設定し、抽出フレームＦ０の画像パターンと学習済みの人物の顔パターンとのマッチング処理により人物の顔かどうかを判断する。人物認識部１０４は、この処理を繰り返すことで、車両２００の全ての乗客の顔を認識する。乗客が多いと、画像から乗客の全身を認識できない場合もあるが、少なくとも乗客の顔を認識することは可能であるため、乗客の顔を認識して混雑率を求めることで、確実に混雑率を得ることができる。なお、乗客の属性（体重）が識別できれば、顔以外の乗客の一部（耳や髪など）を認識してもよい。

次に、車両管理装置１００は、認識した乗客の顔に基づいて、乗客の属性を識別する（Ｓ２０２）。人物認識部１０４は、現在の車両全体画像Ｐ１で認識した抽出フレームＦ０の顔の特徴を検出し、その特徴に基づいて性別及び年齢を識別する。例えば、抽出フレームＦ０の顔の特徴量と学習済みの性別及び年齢ごとの顔の特徴量とを比較し、最も近い（相関の高い）顔から性別及び年齢を特定する。人物認識部１０４は、車両２００の認識した全ての乗客の属性を識別する。なお、属性として、性別や年齢のほか、人種等を識別してもよい。

次に、車両管理装置１００は、認識した乗客の顔に基づいて、乗客の人数を検出する（Ｓ２０３）。図１３は、この時、現在の車両全体画像Ｐ１で認識した顔から人数を検出する例を示している。人物認識部１０４は、図１３のように、現在の車両全体画像Ｐ１で認識した顔の抽出フレームＦ０の数をカウントし（チェックマークを付してカウントし）、車両２００の乗客の人数を算出する。

次に、車両管理装置１００は、識別した乗客の属性に基づいて、乗客の体重を特定する（Ｓ２０４）。体重算出部１０５は、記憶部１０２に記憶された体重の統計データを参照し、乗客の属性に対応する体重を特定する。体重算出部１０５は、車両２００の認識した全ての乗客の体重を特定する。図１４は、体重の統計データの例である。図１４のように、例えば、体重の統計データは、男女別にそれぞれの年齢（年代）の平均体重が示されている。一例として、統計データには、１０歳間隔で男女の平均体重が示されている。年齢（年代、年齢層）の区切りは、人物の認識可能な範囲でよく、２０歳未満（子供）と２０歳以上（大人）で分けてもよい。例えば、体重算出部１０５は、認識した乗客の属性が２０代の男性である場合、統計データを参照し、体重を６５．７ｋｇと特定する。

なお、統計データは、性別や年齢に加えて人種等の属性を含めて、それぞれの属性ごとに体重を示してもよい。すなわち、人物認識部１０４が、乗客の性別、年齢、人種を識別し、体重算出部１０５が、これらの全ての属性に基づいて体重を特定してもよい。また、統計データは、特定する体重を補正するため、他の要素のデータを含んでいてもよい。例えば、図１５のように、統計データは、平均体重に加えて平均身長を含んでもよい。すなわち、人物認識部１０４が、画像から乗客の顔とともに身長を検出可能な場合、体重算出部１０５が、乗客の身長を考慮して体重を特定してもよい。例えば、体重算出部１０５は、乗客の属性が２０代の男性で身長１６９．５ｃｍの場合、統計データを参照し、２０代の男性の平均身長は１７１．２ｃｍであることから、身長の差から平均体重の６５．７ｋｇを補正し、６５．０ｋｇと特定する。

次に、車両管理装置１００は、乗客の人数と体重に基づき、乗客の総重量を算出する（Ｓ２０５）。体重算出部１０５は、Ｓ２０３で検出した乗客の人数とＳ２０４で特定した各乗客の体重から、車両２００における乗客の総重量を算出する。体重算出部１０５は、乗客の人数分の体重を合計してもよいし、乗客の人数と体重を乗算してもよい。

次に、車両管理装置１００は、乗客の総重量と車両の最大積載重量に基づき、車両２００の混雑率を算出する（Ｓ２０６）。混雑率算出部１０６は、Ｓ２０５で求めた乗客の総重量を車両２００の輸送可能な最大積載重量で割ることで、車両２００の混雑率を求める。

続いて、車両管理装置１００は、算出した混雑率を補正する混雑率補正処理を行う（Ｓ１０４）。混雑率補正処理では、図９に示すように、車両管理装置１００は、空車時の車両全体画像Ｐ０と現在の車両全体画像Ｐ１の差分を検出する（Ｓ３０１）。混雑率補正部１０８は、Ｓ１０１で記憶部１０２に記憶した図１０のような空車時の車両全体画像Ｐ０と、Ｓ１０２で取得（合成）した図１１のような現在の車両全体画像Ｐ１とを、画素ごとに比較し、各画素の一致／不一致を判断する。

次に、車両管理装置１００は、空車時の車両全体画像Ｐ０と現在の車両全体画像Ｐ１の不一致率を算出する（Ｓ３０２）。混雑率補正部１０８は、空車時の車両全体画像Ｐ０と現在の車両全体画像Ｐ１との比較結果から、画像全体の画素数に対する不一致の画素数の割合（不一致率）を求める。

次に、車両管理装置１００は、混雑率と不一致率との誤差が閾値以上かどうか判定し（Ｓ３０３）、誤差が閾値以上である場合に混雑率を補正し（Ｓ３０４）、誤差が閾値未満である場合は混雑率を補正しない。混雑率補正部１０８は、Ｓ２０６で求めた現在の車両全体画像Ｐ１に基づく混雑率と、Ｓ３０２で求めた空車時の車両全体画像Ｐ０及び現在の車両全体画像Ｐ１に基づく不一致率との誤差と所定の閾値とを比較する。混雑率補正部１０８は、両者の誤差が閾値以上の場合、不一致率を混雑率に反映させて、混雑率を補正する。例えば、求めた混雑率が８０％で不一致率が９０％の場合、不一致率を考慮して混雑率を８５％に補正する。誤差が閾値以上の場合に混雑率を補正することで、不要な補正を抑えることができる。なお、閾値の判定を行わずに、常に不一致率を混雑率に反映させてもよい。

例えば、乗客がスーツケースや自転車、ベビーカーなど大きな荷物を車内に持ち込んでいる場合、乗客の体重のみから混雑率を求めても、正確な混雑率を得ることはできない。このため、この例では、空車時の画像と現在の画像との差分から混雑率を補正することで、混雑率の精度の向上を図る。なお、画像からスーツケースなどの乗客以外の物体が検出可能な場合、この物体の検出に基づいて混雑率を補正してもよい。物体が検出された場合に上記のように補正してもよいし、検出された物体の重量を識別し、物体の重量を考慮して混雑率を補正してもよい。

続いて、車両管理装置１００は、補正処理後の混雑率を表示装置３００へ出力する（Ｓ１０５）。混雑率出力部１０９は、補正処理後の車両ごとの混雑率を表示装置３００へ送信し、表示装置３００は混雑率を表示する。表示装置３００は、混雑率の数値のみを表示してもよいし、混雑率に応じた背景色とともに表示してもよい。

図１６は、プラットホーム上のホームドアに混雑率を表示する例である。この例では、プラットホーム３０１上のホームドア３０２に表示装置３００を配置し、各車両の混雑率（もしくは空席率）を表示する。例えば、車両２００の乗車位置（ドア）に対応してホームドア３０２の開閉部である扉が配置されており、この扉のホーム側に表示装置３００を配置する。表示装置３００は、デジタルサイネージ（電子看板）であり、混雑率のほかに広告やその他の運行状況などが表示される。

図１７は、プラットホーム上の乗車位置付近に表示する例である。この例では、プラットホーム３０１上の乗客の足元付近に表示装置３００を配置し、対応する車両の混雑率（もしくは空席率）を表示する。例えば、プラットホーム３０１上の白線３０３の外側（線路側）における、車両２００の乗車位置（ドア）に対応する位置に表示装置３００を配置する。表示装置３００は、プラットホーム３０１の表示灯であり、混雑率のほかに車両の到着等が表示される。

以上のような本実施形態の構成及び動作による効果について説明する。関連する技術では、在来線の普通列車、新幹線・特急列車等の自由席について、車内の混雑状況を把握する手段がなく、入線後、乗車する段階になって初めて混雑状況を把握することになり、乗車する利用者は、乗車場所を選ぶことが出来ず、鉄道会社側も乗車位置の誘導等による局所的な混雑発生を防ぐ事などが出来なかった。また、関連する技術で提供されている列車の混雑情報は、車両重量を元に混雑率を算出する、あるいは、特定サービスに対して、利用者が投稿した情報を元に混雑状況を表示するといった方法で行われており、必ずしも精度のよい混雑状況を提供出来ているとは限らない。

そこで、本実施の形態では、上記のように車両内に設置されたカメラにより撮像された画像をもとに混雑率を算出し、算出した混雑率を利用者へ提供することとした。車両内の画像のみから混雑率を算出するため、重量センサーやＩＣタグ等を用意することなく混雑率を求めることができる。すなわち、カメラの画像のみで実現できるため、車両の後付設備で混雑状況の判定が可能となる。また、車両内の画像から乗客の顔を認識し、認識した乗客の体重に基づいて混雑率を算出することで、乗客の一部のみから混雑率を求めることができるとともに、乗客ごとの違いを考慮し精度の良い混雑率を得ることが可能となる。さらに、空車時の画像からの変化（差分）に基づいて混雑率を補正することで、乗客の体重から求めた混雑率の誤差を補正し、混雑率の精度をさらに向上することができる。特に、大きな荷物など、乗客の体重以外の要素を考慮することができる。

また、算出した混雑率（混雑状況）をプラットホーム等の各所の表示装置に表示することで、利用者へ随時、精度のよい混雑状況を提供することができる。この情報提供により乗車する利用者は、乗車場所を選ぶことが可能となり、混雑回避による円滑な乗車が可能となる。また、通勤ラッシュ時に混雑状況に基づいて駅員を配置することにより適切な対応を可能とすることで定時運行の実施率を向上させる。特に、車両のドア毎に混雑状況を表示することで、利用者は、乗車するドアを選択することができる。

なお、本開示は上記実施の形態に限られたものではなく、趣旨を逸脱しない範囲で適宜変更することが可能である。例えば、車両内の画像に基づいて識別した乗客の性別及び年齢層をもとに、車両内のデジタルサイネージの表示コンテンツを最適な内容に適宜変更することで視認率を向上させてもよい。また、車両内のカメラで乗車及び降車した人数をカウントし、各駅のドア毎の乗降者数の情報を蓄積し、ホーム間乗り換え、ホームから改札までの導線を設計するための情報源として活用してもよい。さらに、カメラで撮像した画像に限らず、ミリ波レーダー等のセンサーの検出結果を使用してもよい。車両にミリ波レーダーを設置し、空車時の検出結果（天井から床までの距離）と乗車時の検出結果（天井から乗客までの距離）に基づいて、混雑率の算出や補正を行ってもよい。

上述の実施形態における各構成は、ハードウェア又はソフトウェア、もしくはその両方によって構成され、１つのハードウェア又はソフトウェアから構成してもよいし、複数のハードウェア又はソフトウェアから構成してもよい。各装置の機能（処理）を、ＣＰＵやメモリ等を有するコンピュータにより実現してもよい。例えば、記憶装置に実施形態における方法（混雑状況管理方法もしくは混雑状況算出方法）を行うためのプログラムを格納し、各機能を、記憶装置に格納されたプログラムをＣＰＵで実行することにより実現してもよい。

これらのプログラムは、様々なタイプの非一時的なコンピュータ可読媒体（non-transitory computer readable medium）を用いて格納され、コンピュータに供給することができる。非一時的なコンピュータ可読媒体は、様々なタイプの実体のある記録媒体（tangible storage medium）を含む。非一時的なコンピュータ可読媒体の例は、磁気記録媒体（例えばフレキシブルディスク、磁気テープ、ハードディスクドライブ）、光磁気記録媒体（例えば光磁気ディスク）、ＣＤ－ＲＯＭ（Read Only Memory）、ＣＤ－Ｒ、ＣＤ－Ｒ／Ｗ、半導体メモリ（例えば、マスクＲＯＭ、ＰＲＯＭ（Programmable ROM）、ＥＰＲＯＭ（Erasable PROM）、フラッシュＲＯＭ、ＲＡＭ（random access memory））を含む。また、プログラムは、様々なタイプの一時的なコンピュータ可読媒体（transitory computer readable medium）によってコンピュータに供給されてもよい。一時的なコンピュータ可読媒体の例は、電気信号、光信号、及び電磁波を含む。一時的なコンピュータ可読媒体は、電線及び光ファイバ等の有線通信路、又は無線通信路を介して、プログラムをコンピュータに供給できる。

上記の実施形態の一部又は全部は、以下の付記のようにも記載されうるが、以下には限られない。
（付記１）
車両内を撮像した画像を取得する画像取得部と、
前記取得された画像に基づいて、前記車両に乗車している乗客の体重を算出する体重算出部と、
前記算出された乗客の体重に基づいて、前記車両の混雑状況を算出する混雑状況算出部と、
前記取得された画像の変化に基づいて、前記算出された混雑状況を補正する混雑状況補正部と、
を備える、混雑状況管理装置。
（付記２）
前記体重算出部は、前記画像から認識される前記乗客の一部に基づいて、前記乗客の体重を算出する、
付記１に記載の混雑状況管理装置。
（付記３）
前記体重算出部は、前記画像から認識される前記乗客の顔に基づいて、前記乗客の体重を算出する、
付記２に記載の混雑状況管理装置。
（付記４）
前記体重算出部は、前記乗客の一部から前記乗客の属性を識別し、前記識別された属性に基づいて、前記乗客の体重を算出する、
付記２または３に記載の混雑状況管理装置。
（付記５）
前記体重算出部は、前記乗客の一部から前記乗客の性別または年齢を識別し、前記識別された性別または年齢に基づいて、前記乗客の体重を算出する、
付記４に記載の混雑状況管理装置。
（付記６）
前記混雑状況算出部は、前記車両内の乗客の総重量と前記車両の最大積載重量とに基づいて、前記混雑状況を算出する、
付記１乃至５のいずれかに記載の混雑状況管理装置。
（付記７）
前記混雑状況補正部は、前記乗客が乗車していない時の前記車両内の画像と前記乗客が乗車している時の前記車両内の画像との差分に基づいて、前記混雑状況を補正する、
付記１乃至６のいずれかに記載の混雑状況管理装置。
（付記８）
車両内を撮像する撮像部と管理装置とを備えた混雑状況管理システムであって、
前記管理装置は、
前記撮像部から車両内を撮像した画像を取得する画像取得部と、
前記取得された画像に基づいて、前記車両に乗車している乗客の体重を算出する体重算出部と、
前記算出された乗客の体重に基づいて、前記車両の混雑状況を算出する混雑状況算出部と、
前記取得された画像の変化に基づいて、前記算出された混雑状況を補正する混雑状況補正部と、
を備える、混雑状況管理システム。
（付記９）
前記体重算出部は、前記画像から認識される前記乗客の一部に基づいて、前記乗客の体重を算出する、
付記８に記載の混雑状況管理システム。
（付記１０）
前記混雑状況を表示する表示装置を、さらに備える、
付記８または９に記載の混雑状況管理システム。
（付記１１）
車両内を撮像した画像を取得し、
前記取得された画像に基づいて、前記車両に乗車している乗客の体重を算出し、
前記算出された乗客の体重に基づいて、前記車両の混雑状況を算出し、
前記取得された画像の変化に基づいて、前記算出された混雑状況を補正する、
混雑状況管理方法。
（付記１２）
前記体重の算出では、前記画像から認識される前記乗客の一部に基づいて、前記乗客の体重を算出する、
付記１１に記載の混雑状況管理方法。
（付記１３）
車両内を撮像した画像を取得し、
前記取得された画像に基づいて、前記車両に乗車している乗客の体重を算出し、
前記算出された乗客の体重に基づいて、前記車両の混雑状況を算出し、
前記取得された画像の変化に基づいて、前記算出された混雑状況を補正する、
処理を、コンピュータに実行させるための混雑状況管理プログラム。
（付記１４）
前記体重の算出では、前記画像から認識される前記乗客の一部に基づいて、前記乗客の体重を算出する、
付記１３に記載の混雑状況管理プログラム。

１ 車両管理システム
１０ 混雑状況管理装置
１１ 画像取得部
１２ 体重算出部
１３ 混雑状況算出部
１４ 混雑状況補正部
１００ 車両管理装置
１０１ 画像取得部
１０２ 記憶部
１０３ 画像合成部
１０４ 人物認識部
１０５ 体重算出部
１０６ 混雑率算出部
１０７ 差分算出部
１０８ 混雑率補正部
１０９ 混雑率出力部
２００ 車両
２０１、２０１ａ～２０１ｆ カメラ
３００ 表示装置
３０１ プラットホーム
３０２ ホームドア
３０３ 白線

Claims (9)

1. 車両内を撮像した画像を取得する画像取得部と、
   前記取得された画像に基づいて、前記車両に乗車している乗客の体重を算出する体重算出部と、
   前記算出された乗客の体重に基づいて、前記車両の混雑状況を算出する混雑状況算出部と、
   前記取得された画像の変化に基づいて、前記算出された混雑状況を補正する混雑状況補正部と、
   を備え、
   前記混雑状況補正部は、前記乗客が乗車していない時の前記車両内の画像と前記乗客が乗車している時の前記車両内の画像との差分に基づいて、前記混雑状況を補正する、
   混雑状況管理装置。
2. 前記体重算出部は、前記画像から認識される前記乗客の一部に基づいて、前記乗客の体重を算出する、
   請求項１に記載の混雑状況管理装置。
3. 前記体重算出部は、前記画像から認識される前記乗客の顔に基づいて、前記乗客の体重を算出する、
   請求項２に記載の混雑状況管理装置。
4. 前記体重算出部は、前記乗客の一部から前記乗客の属性を識別し、前記識別された属性に基づいて、前記乗客の体重を算出する、
   請求項２または３に記載の混雑状況管理装置。
5. 前記体重算出部は、前記乗客の一部から前記乗客の性別または年齢を識別し、前記識別された性別または年齢に基づいて、前記乗客の体重を算出する、
   請求項４に記載の混雑状況管理装置。
6. 前記混雑状況算出部は、前記車両内の乗客の総重量と前記車両の最大積載重量とに基づいて、前記混雑状況を算出する、
   請求項１乃至５のいずれか一項に記載の混雑状況管理装置。
7. 車両内を撮像する撮像部と管理装置とを備えた混雑状況管理システムであって、
   前記管理装置は、
   前記撮像部から車両内を撮像した画像を取得する画像取得部と、
   前記取得された画像に基づいて、前記車両に乗車している乗客の体重を算出する体重算出部と、
   前記算出された乗客の体重に基づいて、前記車両の混雑状況を算出する混雑状況算出部と、
   前記取得された画像の変化に基づいて、前記算出された混雑状況を補正する混雑状況補正部と、
   を備え、
   前記混雑状況補正部は、前記乗客が乗車していない時の前記車両内の画像と前記乗客が乗車している時の前記車両内の画像との差分に基づいて、前記混雑状況を補正する、
   混雑状況管理システム。
8. 車両内を撮像した画像を取得し、
   前記取得された画像に基づいて、前記車両に乗車している乗客の体重を算出し、
   前記算出された乗客の体重に基づいて、前記車両の混雑状況を算出し、
   前記取得された画像の変化に基づいて、前記算出された混雑状況を補正し、
   前記混雑状況の補正では、前記乗客が乗車していない時の前記車両内の画像と前記乗客が乗車している時の前記車両内の画像との差分に基づいて、前記混雑状況を補正する、
   混雑状況管理方法。
9. 車両内を撮像した画像を取得し、
   前記取得された画像に基づいて、前記車両に乗車している乗客の体重を算出し、
   前記算出された乗客の体重に基づいて、前記車両の混雑状況を算出し、
   前記取得された画像の変化に基づいて、前記算出された混雑状況を補正し、
   前記混雑状況の補正では、前記乗客が乗車していない時の前記車両内の画像と前記乗客が乗車している時の前記車両内の画像との差分に基づいて、前記混雑状況を補正する、
   処理を、コンピュータに実行させるための混雑状況管理プログラム。

Images