JP7448509B2 - 情報処理装置、情報処理方法、および情報処理プログラム - Google Patents

Description

本開示は、バスの運行情報を処理する装置等に関し、特に、バス停留所にバスが到着する時刻を予測する装置等に関する。

バスの運行を制御することにおいて、バス停留所にバスが到着する時刻を予測する技術が知られている。

特許文献１には、バスの運行スケジュール、位置情報、および運行履歴に基づいて到着時刻を予測し、バス停留所に設置されたＩＣ（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）チップを読み取った端末に送信して表示させるバスロケーションシステムが記載されている。

特開２０１４－４９０８２号公報

しかしながら、上述した特許文献１に記載されたバスロケーションシステムは、バス停留所において、その時々で異なる人数の乗客がバスに乗り込むために停留する時間が変化することが、予想到着時刻に考慮されていない。

本開示の目的の一例は、バスの到着時刻を精度よく予測することができる情報処理装置等を提供することにある。

本開示の一態様における情報処理装置は、バス停留所の付近を撮影した停留所画像を取得する取得手段と、前記停留所画像を解析することにより、前記停留所画像に含まれる人物を、利用客、利用客候補、または通行人のいずれかに分類する分類手段と、前記利用客の人数および前記利用客候補の人数を検出する検出手段と、前記検出の結果に基づいて、前記バス停留所における乗車時間を算出する算出手段と、を備える。

本開示の一態様における情報処理システムは、情報処理装置と、前記停留所画像を撮影する撮影手段と、予想到着時刻を出力する出力手段と、を備える。情報処理装置は、バス停留所の付近を撮影した停留所画像を取得する取得手段と、前記停留所画像を解析することにより、前記停留所画像に含まれる人物を、利用客、利用客候補、または通行人のいずれかに分類する分類手段と、前記利用客の人数および前記利用客候補の人数を検出する検出手段と、前記検出の結果に基づいて、前記バス停留所における乗車時間を算出し、さらに、前記乗車時間に基づいて、停留予定のバス停留所に到着する予想到着時刻を算出する算出手段と、前記予想到着時刻を出力手段に送信する送信手段と、を備える。

本開示の一態様における情報処理方法は、バス停留所の付近を撮影した停留所画像を取得し、前記停留所画像を解析することにより、前記停留所画像に含まれる人物を、利用客、利用客候補、または通行人のいずれかに分類し、前記利用客の人数および前記利用客候補の人数を検出し、前記検出の結果に基づいて、前記バス停留所における乗車時間を算出する。

本開示の一態様における情報処理プログラムは、コンピュータに、バス停留所の付近を撮影した停留所画像を取得する取得処理と、前記停留所画像を解析することにより、前記停留所画像に含まれる人物を、利用客、利用客候補、または通行人のいずれかに分類する分類処理と、前記利用客の人数および前記利用客候補の人数を検出する検出処理と、前記検出の結果に基づいて、前記バス停留所における乗車時間を算出する算出処理と、を実行させる。

本発明による効果の一例は、バスの到着時刻を精度よく予測することができることである。

図１は、本開示における情報処理システムの利用シーンの一例を示す図である。 図２は、本開示における端末の表示画面の一例を示す図である。 図３は、本開示におけるバス内の表示画面の一例を示す図である。 図４は、第一実施形態における情報処理装置の構成を示すブロック図である。 図５は、第一実施形態における、人物の年代ごとの乗車時間を表した表の一例である。 図６は、第一実施形態における、情報処理装置の動作を示すフローチャートである。 図７は、第二実施形態における情報処理システムの構成を示すブロック図である。 図８は、第二実施形態における、情報処理システムの動作を示すフローチャートである。 図９は、変形例における、バス停留所の曜日および時間帯ごとの平均降車時間を表した表の一例である。 図１０は、本開示における情報処理装置をコンピュータ装置とその周辺装置で実現したハードウェア構成を示す図である。

まず、本開示の概略の一例を、図１、図２及び図３を用いて説明する。

図１は、本開示における情報処理システムの利用シーンの一例を示す図である。

図１において、撮影装置３００は、バス停留所６００の周辺を撮影する。撮影装置３００が撮影する領域は、例えば図１に示す撮影範囲３０１のように表される。撮影装置３００は、バス５００を利用する人物を撮影できるよう、撮影範囲３０１を調整して設置される。撮影した画像は停留所画像として情報処理装置２００に送信される。情報処理装置２００は、停留所画像の解析を行い、停留所画像に含まれる人物を、通行人、利用客候補、利用客に分類する。そして、情報処理装置２００は、利用客候補の人数と利用客の人数を検出し、検出した結果に基づいて、バス停留所６００における乗車時間を算出する。

これにより、情報処理装置２００は、バス停留所６００における利用客および利用客候補の乗車時間に基づいて、精度よくバス５００の予想到着時刻を算出することが可能となる。ここで、予想到着時刻は、例えば、バス５００が次に停留するバス停留所６００よりも後に、バス５００が停留する予定のバス停留所に到着する予想到着時刻を意味する。すなわち、次にバス５００が停留するバス停留所がバス停留所６００である場合、算出した乗車時間に基づいて、情報処理装置２００は、バス停留所６００以降に停留予定のバス停留所に到着する予想到着時刻を算出する。各バス停留所での乗車時間は、履歴情報としてメモリに記憶されてもよい。一般に、バス停留所間のバスの走行時間は、バス停留所間の距離や交通量でほぼ決まり、既知であるが、バス停留所での乗車時間は、利用者の人数で大きく変わる。したがって、乗車時間を精度良く算出できれば、バスの到着時刻を精度よく予測することができる。

予想到着時刻は、情報処理装置２００によって、バス５００内の装置やバスの乗客の持つ端末、または停留予定のバス停留所に設置された出力手段などの送信先の通信手段に送信される。これにより、バスの運転手、バスの乗客、またはバスを利用としようとする乗客が、バス停留所６００以降に停留予定のバス停留所にバス５００が到着する時刻を知ることができる。例えば、バスの乗客が持つ端末装置は、図２のように、予想到着時刻を表示する。また、バスの乗客が持つ端末装置は、予想到着時刻に加えて、または予想到着時刻に代えて、遅延時間を表示してもよい。例えば、遅延時間は、停留予定のバス停留所までの予測運行時間と、算出された乗車時間との和と、運行中のバスが停留予定のバス停留所に到着するまでの通常運行スケジュールに基づく通常到着時間との差である。あるいは、図３のように、バスの運転手に対してバス内の装置が、予想到着時刻を表示する。また、バス内の装置は、算出された乗車時間を表示してもよい。

また、バス停留所において、その時々で多様な乗客がバスに乗り込むために停留する時間が変化することが予想される。例えば、停留所画像に含まれる人物８０１が利用客として分類されているとする。人物８０１は、車いすを利用している。一般に、車いすを利用する人物は、車いすを利用しない人物に比べて、バスに乗車する時間が長くなる。この場合、情報処理装置２００は、車いすを利用する人物８０１を停留所画像から検出し、人物８０１がバスに乗車するためにかかる乗車時間を考慮して、バス停留所６００においてバス５００に利用客が乗車する乗車時間を算出する。これにより、さらに精度よくバス５００が、バス停留所６００以降のバス停留所に到着する到着時刻を予測することが可能となる。

以上説明したように、本開示によれば、バス停留所６００で乗客がバス５００に乗車する乗車時間を算出することで、バス５００がバス停留所６００以降のバス停留所に到着する到着時刻をより精度よく予測することができる。

次に、実施形態について図面を参照して詳細に説明する。

［第一実施形態］
図４は、第一実施形態における情報処理装置１００の構成を示すブロック図である。図４を参照すると、情報処理装置１００は、取得部１０１と分類部１０２と検出部１０３と算出部１０４と、を備える。

次に、第一実施形態における情報処理装置１００の構成について詳しく説明する。

図４において、取得部１０１は、バス停留所の付近を撮影した停留所画像を取得する。停留所画像は、バス停留所の付近に設置された撮影装置によって撮影される。

分類部１０２は、取得部１０１が取得した停留所画像を解析することにより、停留所画像に含まれる人物を、利用客、利用客候補、または通行人のいずれかに分類する。本実施形態において、利用客は、バス停留所からバスに乗車する可能性が高い人物である。また、通行人は、バス停留所からバスに乗車する可能性が低い人物である。利用客候補は、バス停留所からバスに乗車する可能性が、利用客より低く、通行人より高い人物であり、利用客となる可能性がある人物である。

例えば、分類部１０２は、抽出部と人物分類部を持つ。抽出部が、停留所画像から、人物と、その人物の特徴情報を画像解析によって抽出する。抽出部が抽出した人物の特徴情報に基づいて、人物分類部が、停留所画像に含まれる人物を、利用客、利用客候補、または通行人のいずれかに分類する。特徴情報とは、例えば、人物を識別するための特徴、人物がバス停留所の付近に滞留している時間、または人物の行動を示す情報である。

また、抽出部が抽出する特徴情報は、人物の属性の情報を含んでもよい。人物の属性の情報は、人物がバスに乗車するためにかかる時間が変化する要因となる属性の情報を含む。例えば、人物の属性とは、人物の年代である。例えば、人物が７０代以上であると、バスに乗車する時間が、１０代から６０代の人物と比較して長くなる傾向がある。あるいは、人物が未就学児である場合、１０代から６０代の人物と比較してスムーズに乗車せず、バスに乗車する時間が長くなることがある。このように、人物の属性によって、バスに乗車するためにかかる時間を予測することができる。他にも、乗車に介助が必要な車いす等の利用有無、杖やベビーカー、または大きな荷物の有無、バス停留所から離れて待っていることなどが、人物がバスに乗車するためにかかる時間が変化する要因となる属性の情報の例として挙げられる。

分類部１０２は、停留所画像に含まれる人がバス停留所の付近に滞留している時間と、停留所画像に含まれる人物の行動とのうち、少なくともいずれか一つに基づいて、停留所画像に含まれる人物を、前述のように分類する。

分類部１０２が行う分類の方法の一例を説明する。この例では、停留所画像に含まれる人物を、人物が滞留している時間に基づいて、分類部１０２が利用客、利用客候補、または通行人のいずれかに分類する。分類部１０２は、まず、抽出された人物を通行人に分類する。次に、通行人がバス停留所の付近に滞留している時間が、第１の閾値を超えたとき、分類部１０２は、当該通行人を利用客候補に分類する。さらに、利用客候補が、バス停留所の付近にさらに滞留し続け、滞留している時間が第２の閾値を超えたとき、分類部１０２は、当該利用客候補を利用客に分類する。このとき、第１の閾値と第２の閾値の各値は、第２の閾値が第１の閾値よりも大きいという条件内で、設定される。すなわち、分類部１０２は、停留所画像に含まれる人物がバス停留所の付近に滞留する時間が長いほど利用客である可能性が高いとして、停留所画像に含まれる人物を、利用客、利用客候補、または通行人のいずれかに分類する。

また、分類部１０２は、例えば、停留所画像に含まれていた人物が停留所画像に含まれなくなった場合に行う処理を、以下のように通行人、利用客候補、利用客によって変えてもよい。停留所画像に含まれていた人物が停留所画像に含まれなくなることは、停留所画像の撮影範囲から撮影範囲外に当該人物が移動した場合に生じる。分類部１０２は、通行人に分類されている人物が停留所画像に含まれなくなったことを検出した場合、当該人物がバス停留所を離れたと判断する。そして、分類部１０２は、当該人物の情報を削除する。また、利用客候補に分類されている人物が停留所画像に含まれなくなった状態で、一定時間経過した場合、分類部１０２は、当該人物の情報を削除する。さらに、利用客に分類されている人物が停留所画像に含まれなくなった場合は、分類部１０２は、一定時間経過するまでは当該人物の情報を削除しない。さらに、当該人物を利用客から利用客候補に分類してもよい。これにより、情報処理装置１００は、一時的にバス停留所を離れた利用客でも、バス停留所における乗車時間に加味することができる。

また、分類部１０２が行う分類の他の例を説明する。この例では、停留所画像に含まれる人物を、人物の行動を示す情報に基づいて、分類部１０２が利用客、利用客候補、または通行人のいずれかに分類する。分類部１０２は、停留所画像に含まれる人物が一定以上の速さで移動している、すなわち停留所画像に含まれる人物の移動速度が一定の値以上であることが特徴情報として抽出された場合、当該人物を通行人に分類する。また、分類部１０２は、停留所画像に含まれる人物がバス停留所の付近に滞留している場合、あるいは移動速度が一定の値未満の場合、当該人物を利用客候補に分類する。また例えば、分類部１０２は、停留所画像に含まれる人物がバス停留所の時刻表を見ている、ベンチに座る、などの行動があった場合に、当該人物を利用客候補に分類してもよい。さらに、分類部１０２は、停留所画像に含まれる人物がバス停留所の列に並んでいる場合、当該人物を利用客に分類する。なお、上述した移動速度の一定の値は、例えば人間が歩行する際の速さに基づいて定められればよい。

さらに、上記２つの分類の方法の例を組み合わせて、分類部１０２は停留所画像に含まれる人物の分類を行ってもよい。また、分類部１０２は、停留所画像に含まれる人物の特徴情報を学習モデルへの入力とし、学習モデルを用いて人物を通行人、利用客候補、または利用客に分類するようにしてもよい。この場合に、学習モデルは、ニューラルネットワークなどの機械学習により、停留所画像に含まれる人物の特徴情報と、通行人、利用客候補または利用客のいずれかとの関係性を学習することで生成される。停留所画像に含まれる人物の特徴情報は、事前に収集される。

分類部１０２は、例えば、バス停留所にバスが停留し、その後出発したタイミングで、停留所画像、停留所画像から抽出された人物の特徴情報、および停留所画像に含まれる人物を分類した情報をすべて削除することによって初期化してもよい。この場合、バス停留所にバスが停留し、その後出発したタイミングは、停留所画像の解析によって検出されてもよいし、バスの運行予定の停留および発車時刻でもよい。または、分類部１０２は、停留所画像から抽出された人物のうち、バスに乗車した人物の特徴情報、または停留所画像をデータベースに蓄積することによって、分類部１０２が行う分類を最適化してもよい。

検出部１０３は、分類部１０２によって分類された、利用客の人数および利用客候補の人数を検出する。また、例えば、検出部１０３は、特徴情報として抽出された人物の属性ごとの利用客の人数、および、特徴情報として抽出された人物の属性ごとの利用客候補の人数を検出してもよい。例えば、検出部１０３は、利用客の年代ごとの人数、および、利用客候補の年代ごとの人数を検出してもよい。

算出部１０４は、検出部１０３が行った検出の結果に基づいて、バス停留所における乗車時間を算出する。例えば、利用客の人数、および利用客候補の人数に、一人当たりにかかる乗車時間を乗算して、乗車時間を算出する。このとき、一人当たりにかかる乗車時間は、例えば、平均値である。

また、検出部１０３が、人物の属性ごとの利用客の人数および人物の属性ごとの利用客候補の人数を検出している場合、算出部１０４は、属性ごとの一人当たりの乗車時間を属性ごとの人数に乗算して属性ごとの乗車時間を算出する。そして、算出部１０４は、属性ごとの乗車時間を足し合わせることによって乗車時間を算出してもよい。乗車時間を算出するための人物の属性は、この例に限られない。また、乗車時間を算出するための人物の属性は、複数の属性を考慮することができる。

ここで、属性として人物の年代を用いた乗車時間の算出の一例について、図５を用いて説明する。図５は、人物の年代ごとの一人当たりの乗車時間を表した表の一例である。まず、検出部１０３が、バス停留所における利用客の年代ごとの人数として、１０代までが３人、２０～４０代が１人、５０～６０代が１人、７０代以上が３人と検出したとする。また、検出部１０３が、バス停留所における利用客候補の年代ごとの人数として、１０代までが１人、２０～４０代が２人、５０～６０代が０人、７０代以上が２人と検出したとする。まず、利用客の年代ごとの人数に年代ごとの一人当たりの乗車時間を乗算して、利用客の乗車時間を算出する。そして、利用客候補の年代ごとの人数に年代ごとの一人当たりの乗車時間を乗算して、利用客候補の乗車時間を算出する。そして、利用客の乗車時間と利用客候補の乗車時間を足し合わせて、バス停留所における乗車時間を算出する。この場合、バス停留所における乗車時間は、８７秒であると予測される。

ここで説明した乗車時間の算出の一例における、年代の分け方や、一人当たりの乗車時間は一例であり、これに限られない。また、この例では、算出部１０４は、利用客の乗車時間と利用客候補の乗車時間を足し合わせて乗車時間としたが、例えば、乗車時間を、利用客のみの乗車時間から、利用客の乗車時間と利用客候補の乗車時間を足し合わせた乗車時間というように、幅を持たせた予測にしてもよい。上述の例において、幅を持たせた予測を行うと、このバス停留所における乗車時間は４８秒から８７秒であると予測される。

また、図５の人物の年代ごとの一人当たりの乗車時間を表した表の一例では、利用客と利用客候補で、一人当たりの乗車時間が異なる。これは、利用客候補が、バス停留所において、列に並んでいなかったり、バス停留所から離れた場所にいたり、乗るバスを迷っていたりすることが想定されるためである。このため、利用客候補は、利用客と比較して乗車に時間がかかることが想定される。しかし、利用客候補の一人当たりの乗車時間は、この例に限られず、利用客の一人当たりの乗車時間と同様に設定されてもよい。

算出部１０４は、算出した乗車時間に基づいて、停留予定のバス停留所に到着する予想到着時刻を算出することができる。例えば、バスが搭載するＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）による位置情報、および渋滞の有無などの交通情報、運行スケジュール、バスが前に出発したバス停留所の出発時刻などに基づいて、算出部１０４は、予想到着時刻を算出する。

バスがバス停留所Ａ、バス停留所Ｂ、バス停留所Ｃの順に運行する場合の予想到着時刻の一例について説明する。バスがバス停留所Ａを１０時２３分に出発し、１０時２５分現在、バス停留所Ｂに１０時２６分に到着すると予測されている。算出部１０４が算出したバス停留所Ｂにおける乗車時間が２～３分であった場合、通常の運行スケジュールによりバス停留所Ｃまでは移動に２分かかると予測されると、バス停留所Ｃに到着する到着時刻は１０時３０分から１０時３１分であると予測される。

以上のように構成された情報処理装置１００の動作について、図６のフローチャートを参照して説明する。

図６は、第一実施形態における情報処理装置１００の動作の概要を示すフローチャートである。尚、このフローチャートによる処理は、プロセッサによるプログラム制御に基づいて、実行されてもよい。

図６に示すように、まず、取得部１０１は、撮影装置３００が撮影した停留所画像を取得する（ステップＳ１０１）。

次に、分類部１０２は、停留所画像から人物と当該人物の特徴情報を抽出する（ステップＳ１０２）。

次に、分類部１０２は、特徴情報に基づいて、人物を通行人、利用客候補、または利用客に分類する（ステップＳ１０３）。

次に、検出部１０３は、分類部１０２の分類に基づいて、利用客候補の人数および利用客の人数を検出する（ステップＳ１０４）。

次に、算出部１０４は、検出部１０３が検出した結果に基づいて、バス停留所における乗車時間を算出する（ステップＳ１０５）。

以上で、情報処理装置１００は、一連の動作を終了する。この一連の動作は、一定間隔で行われる。また、上述の人物の滞留時間によって人物を分類する場合、一定間隔は第１の閾値および第１の閾値と第２の閾値との差分よりも短い時間である。また、一定間隔が短い場合、より精度よく到着時刻を予測することができる。また、一定間隔が長い場合、情報処理装置１００の処理量や記憶領域、撮影装置３００の電力などを節約することができる。

上述した本実施形態における情報処理装置は、取得部が、バス停留所の付近を撮影した停留所画像を取得する。取得部が取得した停留所画像を解析することにより、停留所画像に含まれる人物を、利用客、利用客候補、または通行人のいずれかに分類する。そして、検出部が、利用客の人数および利用客候補の人数を検出し、算出部が、検出の結果に基づいて、バス停留所における乗車時間を算出する。

その結果、本実施形態における情報処理装置は、バスの到着時刻を精度よく予測することができる。

また、本実施形態における情報処理装置は、利用客の人数に加えて利用客候補の人数に基づいて乗車時間を算出する。その結果、利用客候補が乗車しなかった場合から利用客候補が乗車した場合まで乗車時間および到着時刻を予測することができる。あるいは、利用客に比べて利用客候補がスムーズに乗車できないと想定される場合、利用客と利用客候補で一人当たりの乗車時間に差をつけることで、より精度よく到着時刻を予測することができる。
［第二実施形態］
次に、本開示の第二実施形態について、図面を参照して詳細に説明する。以下、本実施形態の説明が不明確にならない範囲で、前述の説明と重複する内容については説明を省略する。

図７は、本開示の第二実施形態にかかる情報処理システムの構成を示すブロック図である。第二実施形態の情報処理システムは、情報処理装置２００と、撮影装置３００と、出力部４００とを含む。また、第二実施形態にかかる情報処理装置２００は、第一実施形態の構成に加えて、送信部２０５を含む。

撮影装置３００は、バス停留所の周辺の画像である、停留所画像を撮影する。撮影装置は、各バス停留所に一つ以上設置される。一つのバス停留所に複数の撮影装置を設置し、撮影装置の死角がなくなるようにしたり、撮影範囲、すなわち人物を抽出および分類する範囲が広くなるようにしたりしてもよい。また、暗視カメラや電灯を用いることによって、夜間のバス停留所でもより確実に人物を確認できるようにしてもよい。撮影装置３００が撮影した停留所画像は、情報処理装置２００の取得部１０１に送信される。

第二実施形態において、算出部１０４は、算出した乗車時間に基づいて、乗車時間を算出したバス停留所よりも後に停留予定のバス停留所に到着する予想到着時刻を算出する。

送信部２０５は、算出部１０４が算出した、乗車時間を算出したバス停留所よりも後に停留予定のバス停留所に到着する予想到着時刻を、出力部４００に対して送信する。より具体的には、送信部２０５は、送信先となる出力部４００の通信部に対して、予想到着時刻を送信する。あるいは、送信部２０５は、算出部１０４が算出した乗車時間を、出力部４００に対して送信してもよい。この場合、出力部４００は、受信した乗車時間に基づいて、乗車時間を算出したバス停留所よりも後に停留予定のバス停留所に到着する予想到着時刻を出力する。例えば、出力部４００は、受信した乗車時間と基準乗車時間との差を算出することによって、後に停留予定のバス停留所に到着する遅延時間を算出して予想到着時刻の代わりに出力してよい。基準乗車時間とは、バス停留所においてバスが停留する時間であって、運行スケジュールに加味されている時間である。

出力部４００は、予想到着時刻を送信部２０５から受信する。そして、受信した予想到着時刻を、バスを利用する人物が取得可能に出力する。出力部４００は、例えば表示を行うディスプレイや、音声出力を行うスピーカーであるが、これらに限られない。また、送信され、出力される予想到着時刻は、例えば１０時２６分などの時刻でもよいし、あるいは運行スケジュールに基づいて、２分遅れや１分早く到着するなどの運行スケジュールとの差分でもよい。

また、送信する予想到着時刻は、第一実施形態でも説明したように、例えば１０時３０分～１０時３１分などと、幅を持たせてもよい。この場合、算出部１０４は、利用客のみの乗車時間に基づいて、第１予想到着時刻を算出し、さらに、利用客と利用客候補との乗車時間に基づいて、第２予想到着時刻を算出する。そして、送信部２０５が、第１予想到着時刻および第２予想到着時刻を出力部４００に送信する。こうすることで、出力部４００は、予想到着時刻を第１予想到着時刻から第２予想到着時刻であるというように出力することができる。あるいは、予想到着時刻として第１予想到着時刻または第２予想到着時刻のみを出力することもできる。このように、幅を持たせて予想到着時刻を出力することで、予想到着時刻が外れてしまうことを防ぐことができる。これにより、予想到着時刻を確認するバスのユーザや、バスの運転手の不満を減らすことができる。

出力部４００は、例えばバスのユーザが所持する端末の一部である。出力部４００は、例えば端末のアプリケーションやウェブサイト上で、受信した予想到着時刻を出力する。出力部４００による出力は、ユーザが予想到着時刻を確認したいバスとバス停留所を選択することによって、例えば図２のように画面表示によって行われる。または、ユーザの所持する端末で、バス停留所に設置した二次元バーコードやＩＣチップなどを読み取ることにより、予想到着時刻を出力するウェブサイトなどに誘導し、当該バス停留所に停留するバスの到着時刻を出力するようにしてもよい。あるいは、ユーザが所持する端末による予想到着時刻の出力は、音声によって行われてもよい。

また、出力部４００は、例えばバス停留所の出力装置である。バス停留所に表示装置または音声出力装置を設置し、予想到着時刻を出力することにより、バス停留所においてバスを待つユーザが予想到着時刻を知ることができる。

さらに、出力部４００は、バス内の出力装置でもよい。例えば、運転席周辺に設置されるバス内の出力装置は、送信部２０５から予想到着時刻を受信し、予想到着時刻を出力する。バス内の出力装置は、予想到着時刻を、バスの運転手に対して出力してもよいし、バス内の乗客に対して出力してもよい。

また、出力部４００がバスの運転手に対して予想到着時刻を出力する場合、予想到着時刻とともに、推奨速度を出力してもよい。この場合、算出部１０４が算出した予想到着時刻に基づいて、算出部１０４が、運行スケジュールに沿ってバスが運行できるような速度を、推奨速度として算出する。推奨速度は、予想到着時刻に加えて、バスが搭載するＧＰＳによる位置情報、渋滞の有無や速度制限などの交通情報、運行スケジュール、バスが前に出発したバス停留所の出発時刻などに基づいて、算出されてもよい。算出された推奨速度は、送信部２０５から出力部４００に送信され、出力部４００によって、バスの運転手に対して出力される。

以上のように構成された情報処理システムの動作について、図８のフローチャートを参照して説明する。

図８は、第二実施形態における情報処理システムの動作の概要を示すフローチャートである。尚、このフローチャートによる処理は、プロセッサによるプログラム制御に基づいて、実行されてもよい。

図８に示すように、まず、取得部１０１は、撮影装置３００が撮影した停留所画像を取得する（ステップＳ２０１）。

次に、分類部１０２は、停留所画像から人物と当該人物の特徴情報を抽出する（ステップＳ２０２）。

次に、分類部１０２は、特徴情報に基づいて、人物を通行人、利用客候補、または利用客に分類する（ステップＳ２０３）。

次に、検出部１０３は、分類部１０２の分類に基づいて、利用客候補の人数および利用客の人数を検出する（ステップＳ２０４）。

次に、算出部１０４は、検出部１０３が検出した結果に基づいて、バス停留所における乗車時間を算出する（ステップＳ２０５）。

次に、算出部１０４は、ステップＳ２０５で算出した乗車時間に基づいて、予想到着時刻を算出する（ステップＳ２０６）。

次に、送信部２０５は、ステップＳ２０６で算出した予想到着時刻を出力部４００に送信し、出力部４００は受信した予想到着時刻を出力する（ステップＳ２０７）。

以上で、情報処理システムは、一連の動作を終了する。この一連の動作は、一定間隔で行われる。ステップＳ２０７の送信および出力の動作は、ステップＳ２０１乃至ステップＳ２０６とは別のタイミングで行われてもよい。例えば、ステップＳ２０７は、予想到着時刻に変化があったときのみ行われて、出力する情報を更新する。

上述した本実施形態における情報処理システムは、取得部が、バス停留所の付近を撮影した停留所画像を取得する。取得部が取得した停留所画像を解析することにより、停留所画像に含まれる人物を、利用客、利用客候補、または通行人のいずれかに分類する。そして、検出部が、利用客の人数および利用客候補の人数を検出し、算出部が、利用客の人数および利用客候補の人数に基づいて、バス停留所における乗車時間を算出する。算出した乗車時間に基づいて、算出部がさらに停留予定のバス停留所に到着する予想到着時刻を算出する。そして、送信部が出力部に予想到着時刻を送信し、出力部が予想到着時刻を出力する。

その結果、本実施形態における情報処理システムは、バスの到着時刻を精度よく予測することができる。

また、本実施形態における情報処理システムは、利用客の人数に加えて利用客候補の人数に基づいて乗車時間を算出する。その結果、利用客候補が乗車しなかった場合から利用客候補が乗車した場合まで乗車時間および到着時刻を予測することができる。あるいは、利用客に比べて利用客候補がスムーズに乗車できないと想定される場合、利用客と利用客候補で一人当たりの乗車時間に差をつけることで、より精度よく到着時刻を予測することができる。したがって、バスを利用する人物またはバスの運転手が、より精度の高い予想到着時刻を知ることができる。

［変形例１］
次に、本開示の各実施形態の変形例１について説明する。

変形例１において、分類部１０２は、利用客候補および利用客のうち、バス停留所の付近のあらかじめ指定された領域に含まれる人物を特定する。検出部１０３は、当該領域に含まれる利用客および利用客候補の人数を検出し、算出部１０４が、当該領域に含まれる利用客および利用客候補の人数に基づいて、バス停留所における乗車時間を算出する。

ここで、あらかじめ指定された領域は、例えば、バス停留所において、複数の路線のバスが停留する場合に、それぞれのバスに応じた並び場所である領域である。バスＡとバスＢが停留するバス停留所において、分類部１０２は、バス停留所の利用客および利用客候補のうち、バスＡの並び場所である領域に含まれる人物を特定する。検出部１０３は、バスＡの並び場所である領域に含まれる利用客の人数および利用客候補の人数を検出し、算出部１０４がバスＡの利用客の人数および利用客候補の人数に基づいて、バスＡのバス停留所における乗車時間を算出する。同様に、分類部１０２は、バス停留所の利用客および利用客候補のうち、バスＢの並び場所である領域に含まれる人物を特定する。検出部１０３は、バスＢの並び場所である領域に含まれる利用客の人数および利用客候補の人数を検出し、算出部１０４がバスＢの利用客の人数および利用客候補の人数に基づいて、バスＢのバス停留所における乗車時間を算出する。

その結果、バス停留所に複数の路線のバスが停留する場合においても、それぞれのバスの乗車時間をそれぞれ算出することができ、それぞれのバスの到着時刻を精度よく予測することができる。
［変形例２］
次に、本開示の各実施形態の変形例２について説明する。

変形例２において、分類部１０２は、停留所画像に含まれる人物のうち、利用客の情報を利用履歴情報として蓄積し、例えば、ある人物が一定回数以上バスを利用している場合、定期利用客として、当該人物を利用客に分類してもよい。その結果、例えば、通勤や通学にバスを利用している利用客の分類が簡単にできるようになる。
［変形例３］
次に、本開示の各実施形態の変形例３について説明する。

変形例３において、算出部１０４は、乗車時間を算出するだけでなく、乗車時間及び降車時間に基づいて、予想到着時刻を算出する。

算出部１０４は、各実施形態に基づいて、乗車時間を算出する。算出部は、算出した乗車時間と、降車時間を比較し、時間が長い方の値を、バス停留所においてバスが停留する停留時間として算出してもよい。そして、算出部１０４は停留時間に基づいて、予想到着時刻を算出する。この場合、予想到着時刻は、各実施形態に基づいて、乗車時間の代わりに停留時間を用いて算出される。

降車時間は、例えば平均値を用いる。降車時間の平均値は、バス停留所ごとの平均値でもよいし、時間帯ごとの平均値でもよいし、曜日ごとの平均値でもよい。または、降車時間の平均値は、バスの路線ごとの平均値でもよい。

乗車時間及び降車時間に基づいて、停留時間を算出する方法の例について説明する。算出部１０４は、図９のような、バス停留所Ａにおける曜日および時間帯ごとの平均降車時間の情報を参照して、バス停留所Ａにおける停留時間を算出する。例えば、水曜日の９時３０分に、バス停留所Ａにおける乗車時間が２０秒と算出された場合、算出部１０４は図９を参照し、平均降車時間が４６秒であることを取得する。そして、算出部１０４は、乗車時間と平均降車時間の大きい数値である４６秒を、水曜日の９時３０分のバス停留所Ａにおけるバスの停留時間として算出する。

さらに、降車時間は、バス内の降車ボタンを押した人数に基づいて算出されてもよいし、バス内を監視するカメラの画像を解析してバス内の人物の行動などに基づいて、降車しそうな人数を検出して降車時間を算出してもよい。

その結果、変形例３では、バス停留所において、バスに乗車する人物がいないが、バスから降車する人物がいる場合においても、バスの到着時刻を精度よく予測することができる。

［コンピュータによるハードウェア構成］
以上説明した、本開示の各実施形態における各構成要素は、機能的なブロックで表されており、図１０に示すコンピュータ装置と同様に、その機能をハードウェア的に実現することはもちろん、プログラム制御に基づくコンピュータ装置、ファームウェアで実現することができる。

図１０は、本開示の各実施形態における情報処理装置１００または情報処理装置２００を、プロセッサを含むコンピュータ装置１０で実現したハードウェア構成の一例を示す図である。図１０に示されるように、コンピュータ装置１０は、ＣＰＵ(Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ)１１、メモリ１２、プログラムを格納するハードディスク等の記憶装置１３、入力装置および出力装置接続用の入出力Ｉ／Ｆ（Ｉｎｔｅｒｆａｃｅ）１４、およびネットワーク接続用の通信Ｉ／Ｆ（Ｉｎｔｅｒｆａｃｅ）１５を含む。

ＣＰＵ１１は、オペレーティングシステムを動作させて本開示の情報処理装置の全体を制御する。また、ＣＰＵ１１は、例えばドライブ装置などに装着された記憶媒体からメモリ１２にプログラムやデータを読み出す。また、ＣＰＵ１１は、例えば第一実施形態における分類部１０２、検出部１０３の一部として機能し、プログラムに基づいて処理または命令を実行する。

記憶装置１３は、例えば光ディスク、フレキシブルディスク、磁気光ディスク、外付けハードディスク、または半導体メモリ等である。記憶装置の一部の記憶媒体は、不揮発性記憶装置であり、そこにプログラムを記録する。また、プログラムは、通信網に接続されている図示しない外部コンピュータからダウンロードされてもよい。

入出力Ｉ／Ｆ（Ｉｎｔｅｒｆａｃｅ）１４に接続される入力装置は、例えばマウスやキーボード、内蔵のキーボタンなどで実現され、入力操作に用いられる。入力装置は、マウスやキーボード、内蔵のキーボタンに限らず、例えば撮影装置でもよい。

同様に入出力Ｉ／Ｆ（Ｉｎｔｅｒｆａｃｅ）１４に接続される出力装置は、例えばディスプレイやスピーカーで実現され、出力を確認するために用いられる。

通信Ｉ／Ｆ（Ｉｎｔｅｒｆａｃｅ）１５は、他装置との有線通信または無線通信を行う。例えば、外部の撮影装置、端末装置、または情報処理装置などとの通信を行う。

以上のように、本開示の各実施形態および各変形例の情報処理装置は、図１０に示されるコンピュータ・ハードウェアによって実現される。ただし、情報処理装置が備える各部の実現手段は、以上説明した構成に限定されない。また、情報処理装置は、物理的に結合した一つの装置により実現されてもよいし、物理的に分離した二つ以上の装置を有線または無線で接続し、これら複数の装置により実現されてもよい。例えば、入力装置および出力装置は、コンピュータ装置１０とネットワークを経由して接続されていてもよい。

以上、各実施形態およびその変形例を参照して本発明を説明したが、本発明は上記実施の形態に限定されるものではない。本発明の構成や詳細には、本発明のスコープ内で当業者が理解しえる様々な変更をすることができる。

たとえば、複数の動作をフローチャートの形式で順番に記載してあるが、その記載の順番は複数の動作を実行する順番を限定するものではない。このため、各実施形態を実施するときには、その複数の動作の順番は内容的に支障しない範囲で変更することができる。

上記の各実施形態およびその変形例の一部又は全部は、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）
バス停留所の付近を撮影した停留所画像を取得する取得手段と、
前記停留所画像を解析することにより、前記停留所画像に含まれる人物を、利用客、利用客候補、または通行人のいずれかに分類する分類手段と、
前記利用客の人数および前記利用客候補の人数を検出する検出手段と、
前記検出の結果に基づいて、前記バス停留所における乗車時間を算出する算出手段と、
を備える情報処理装置。
（付記２）
前記算出手段は、前記乗車時間に基づいて、停留予定のバス停留所に到着する予想到着時刻を算出する
ことを特徴とする、付記１に記載の情報処理装置。
（付記３）
送信手段をさらに備え、
前記算出手段は、前記利用客の前記乗車時間に基づいて第１予想到着時刻を算出し、さらに、前記利用客と前記利用客候補の前記乗車時間に基づいて第２予想到着時刻を算出し、
前記送信手段は、前記第１予想到着時刻および前記第２予想到着時刻を前記予想到着時刻として送信する
ことを特徴とする、付記２に記載の情報処理装置。
（付記４）
前記検出手段は、前記利用客の属性ごとの人数および前記利用客候補の属性ごとの人数を検出し、
前記算出手段は、属性ごとの一人当たりの乗車時間に基づいて、乗車時間を算出する
ことを特徴とする、付記２または３に記載の情報処理装置。
（付記５）
前記分類手段は、前記停留所画像に含まれる人が前記バス停留所の付近に滞留している時間と、前記停留所画像に含まれる人の行動とのうち、少なくともいずれか一つに基づいて、前記停留所画像に含まれる人物を、前記利用客、前記利用客候補、または前記通行人のいずれかに分類する
ことを特徴とする、付記２乃至４のいずれかに記載の情報処理装置。
（付記６）
前記分類手段は、前記停留所画像に含まれる人物を前記通行人に分類し、前記通行人が前記バス停留所の付近に滞留している時間が、第１の閾値を超えたとき、前記利用客候補に分類
し、さらに、前記利用客候補が前記バス停留所の付近に滞留している時間が、第２の閾値を超えたとき、前記利用客に分類する
ことを特徴とする、付記２乃至５のいずれかに記載の情報処理装置。
（付記７）
前記分類手段は、前記通行人が前記停留所画像から検出されなくなった場合、前記通行人の情報を削除する
ことを特徴とする、付記２乃至６のいずれかに記載の情報処理装置。
（付記８）
前記分類手段は、前記利用客候補が前記停留所画像から検出されなくなった状態で一定時間経過した場合、前記利用客候補の情報を削除する
ことを特徴とする、付記２乃至７のいずれかに記載の情報処理装置。
（付記９）
前記分類手段は、前記利用客が前記停留所画像から検出されなくなった場合、前記利用客を前記利用客候補に分類する
ことを特徴とする、付記２乃至８のいずれかに記載の情報処理装置。
（付記１０）
前記分類手段は、前記停留所画像に含まれる人物が一定以上の速さで移動している場合、前記通行人に分類し、前記停留所画像に含まれる人物が止まっている場合、あるいは移動速度が一定の値未満の場合、前記利用客候補に分類し、前記停留所画像に含まれる人物が列に並んでいる場合、前記利用客に分類する
ことを特徴とする、付記２乃至９のいずれかに記載の情報処理装置。
（付記１１）
前記分類手段は、前記停留所画像に含まれる人物が、定期的にバスを利用しているか否かを利用履歴情報に基づいて判定し、定期的にバスを利用していると判定された前記停留所画像に含まれる人を、前記利用客に分類する
ことを特徴とする、付記２乃至１０のいずれかに記載の情報処理装置。
（付記１２）
前記送信手段は、前記予想到着時刻を、バスを利用する人物が取得可能な出力手段に送信する
ことを特徴とする、付記２乃至１１のいずれかに記載の情報処理装置。
（付記１３）
前記送信手段は、前記予想到着時刻を、バス内の出力手段に送信する
ことを特徴とする、付記２乃至１２のいずれかに記載の情報処理装置。
（付記１４）
前記算出手段は、前記予想到着時刻に基づいて、バスの推奨速度を算出し、
前記送信手段は、前記推奨速度をバス内の出力手段に送信する
ことを特徴とする、付記２乃至１３のいずれかに記載の情報処理装置。
（付記１５）
前記算出手段は、前記乗車時間に加え、さらに降車時間に基づいて、前記予想到着時刻を算出する
ことを特徴とする、付記２乃至１４のいずれかに記載の情報処理装置。
（付記１６）
付記２乃至１５のいずれかに記載の情報処理装置と、
前記停留所画像を撮影する撮影手段と、
前記予想到着時刻を出力する出力手段と、
を備える情報処理システム。
（付記１７）
バス停留所の付近を撮影した停留所画像を取得し、
前記停留所画像を解析することにより、前記停留所画像に含まれる人物を、利用客、利用客候補、または通行人のいずれかに分類し、
前記利用客の人数と前記利用客候補の人数を検出し、
前記検出の結果に基づいて、前記バス停留所における乗車時間を算出する
情報処理方法。
（付記１８）
バス停留所の付近を撮影した停留所画像を取得する取得処理と、
前記停留所画像を解析することにより、前記停留所画像に含まれる人物を、利用客、利用客候補、または通行人のいずれかに分類する分類処理と、
前記利用客の人数と前記利用客候補の人数を検出する検出処理と、
前記検出の結果に基づいて、前記バス停留所における乗車時間を算出する算出処理と、
をコンピュータに実行させる情報処理プログラム。

１０ コンピュータ装置
１１ ＣＰＵ
１２ メモリ
１３ 記憶装置
１４ 入出力Ｉ／Ｆ
１５ 通信Ｉ／Ｆ
１００ 情報処理装置
１０１ 取得部
１０２ 分類部
１０３ 検出部
１０４ 算出部
２００ 情報処理装置
２０５ 送信部
３００ 撮影装置
３０１ 撮影範囲
４００ 出力部
５００ バス
６００ バス停留所
７００ 端末装置
８０１ 人物
８０２ 人物

Claims (7)

1. バス停留所の付近を撮影した停留所画像を取得する取得手段と、
   前記停留所画像を解析することにより、前記停留所画像に含まれる人物を、利用客、利用客候補、または通行人のいずれかに分類する分類手段と、
   前記利用客の人数および前記利用客候補の人数を検出する検出手段と、
   前記検出の結果に基づいて、前記バス停留所における乗車時間を算出し、前記利用客の前記乗車時間に基づいて第１予想到着時刻を算出し、さらに、前記利用客と前記利用客候補の前記乗車時間に基づいて第２予想到着時刻を算出する算出手段と、
   前記第１予想到着時刻および前記第２予想到着時刻を、停留予定のバス停留所に到着する予想到着時刻として送信先の通信手段に送信する送信手段と、
   を備える情報処理装置。
2. 前記分類手段は、前記停留所画像に含まれる人が前記バス停留所の付近に滞留している時間と、前記停留所画像に含まれる人の行動とのうち、少なくともいずれか一つに基づいて、前記停留所画像に含まれる人物を、前記利用客、前記利用客候補、または前記通行人のいずれかに分類する
   ことを特徴とする、請求項１に記載の情報処理装置。
3. 前記検出手段は、前記利用客の属性ごとの人数および前記利用客候補の属性ごとの人数を検出し、
   前記算出手段は、属性ごとの一人当たりの乗車時間に基づいて、前記乗車時間を算出する
   ことを特徴とする、請求項１または２に記載の情報処理装置。
4. 前記送信手段は、前記乗車時間を送信先の通信手段に送信する
   ことを特徴とする、請求項１乃至３のいずれかに記載の情報処理装置。
5. 前記算出手段は、前記予想到着時刻に基づいて、バスの推奨速度を算出し、
   前記送信手段は、前記推奨速度をバス内の通信手段に送信する
   ことを特徴とする、請求項１乃至４のいずれかに記載の情報処理装置。
6. コンピュータが、
   バス停留所の付近を撮影した停留所画像を取得し、
   前記停留所画像を解析することにより、前記停留所画像に含まれる人物を、利用客、利用客候補、または通行人のいずれかに分類し、
   前記利用客の人数と前記利用客候補の人数を検出し、
   前記検出の結果に基づいて、前記バス停留所における乗車時間を算出し、前記利用客の前記乗車時間に基づいて第１予想到着時刻を算出し、さらに、前記利用客と前記利用客候補の前記乗車時間に基づいて第２予想到着時刻を算出し、
   前記第１予想到着時刻および前記第２予想到着時刻を、停留予定のバス停留所に到着する予想到着時刻として送信先の通信手段に送信する
   情報処理方法。
7. バス停留所の付近を撮影した停留所画像を取得する取得処理と、
   前記停留所画像を解析することにより、前記停留所画像に含まれる人物を、利用客、利用客候補、または通行人のいずれかに分類する分類処理と、
   前記利用客の人数と前記利用客候補の人数を検出する検出処理と、
   前記検出の結果に基づいて、前記バス停留所における乗車時間を算出し、前記利用客の前記乗車時間に基づいて第１予想到着時刻を算出し、さらに、前記利用客と前記利用客候補の前記乗車時間に基づいて第２予想到着時刻を算出する算出処理と、
   前記第１予想到着時刻および前記第２予想到着時刻を、停留予定のバス停留所に到着する予想到着時刻として送信先の通信手段に送信する送信処理と、
   をコンピュータに実行させる情報処理プログラム。

Images