JP7449192B2 - Timetable information management system, timetable information management method, and operation guidance system - Google Patents
Timetable information management system, timetable information management method, and operation guidance system Download PDFInfo
- Publication number
- JP7449192B2 JP7449192B2 JP2020128179A JP2020128179A JP7449192B2 JP 7449192 B2 JP7449192 B2 JP 7449192B2 JP 2020128179 A JP2020128179 A JP 2020128179A JP 2020128179 A JP2020128179 A JP 2020128179A JP 7449192 B2 JP7449192 B2 JP 7449192B2
- Authority
- JP
- Japan
- Prior art keywords
- timetable
- predicted
- dynamic
- prediction
- prediction error
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000007726 management method Methods 0.000 title claims description 51
- 238000000034 method Methods 0.000 claims description 55
- 230000008569 process Effects 0.000 claims description 45
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 12
- 238000012545 processing Methods 0.000 description 22
- 230000003068 static effect Effects 0.000 description 14
- 238000004891 communication Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 230000001934 delay Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Description
本発明は、交通機関、特に鉄道、バスといった公共交通機関において、実際の運行状況に応じた運行情報、すなわち、ダイヤ情報を提供するための技術に関する。 The present invention relates to a technology for providing operation information, that is, timetable information, according to actual operating conditions in transportation systems, particularly public transportation systems such as trains and buses.
交通機関においては、天候不順や事故などにより早着発、遅延や運行見合わせ、さらに、行先変更、列車種別の変更などのいわゆる「ダイヤ乱れ・運行変更」が生じることがある。このような場合、現在の一般的な経路案内サービスでは、前もって計画された時刻表に連動して運行情報を生成し、提供している。このため、ユーザは現実の運行状況とは異なる運行情報を入手してしまうことがある。そこで、ユーザに対して、現実の運行状況に基づいて、予測された時刻表に連動した案内が求められる。 In transportation, unfavorable weather or accidents can cause so-called ``schedule disruptions and service changes,'' such as early arrivals and departures, delays, and service cancellations, as well as changes in destinations and train types. In such cases, current general route guidance services generate and provide operation information in conjunction with a pre-planned timetable. Therefore, the user may obtain operation information that differs from the actual operation situation. Therefore, the user is required to receive guidance linked to the predicted timetable based on the actual operating conditions.
例えば、特許文献1には、公共交通機関の遅延により利用者が当初予定していた経路や時刻での利用ができなくなった場合に、遅延閾値を超えると、各路線の停車駅とそれぞれの駅での着発予定時刻が登録された予定ダイヤデータベースを参照して、該当者に対して経路の再検索、再配信をする技術が開示されている。
For example,
特許文献1に記載の技術では、遅延閾値は各駅の遅延時間で定義されるが、実際に遅延や運行見合わせが生じた場合、遅延の原因、支障発生場所、天候、事業者ごとの遅延立て直しルールなどさまざまな要因が働く。さらに、遅延は拡大も縮小も停滞もしうるため、未来の着発予定時刻を確実に予測することは難しい。このため、遅延時間という一時刻の状態値のみを閾値とすると誤った案内をするおそれがある。また、そもそも遅延時間を即時に正確に取得できる保証はなく、事業者によって取得できるタイミングや正確さが異なるため、事業者ごとに個別に閾値を定義する必要があり、運用コストを要する。このように、特許文献1を含む従来技術では、運行状況が不安定で着発予定時刻を確実に予測できないことが多々存在した。
In the technology described in
そこで、本発明の目的は、交通機関の運行状況が不安定な場合でも、運行状況に応じたダイヤ情報の生成を可能とすることである。 SUMMARY OF THE INVENTION Therefore, an object of the present invention is to make it possible to generate timetable information according to the operating conditions even when the operating conditions of transportation facilities are unstable.
上記の目的を達成するための本発明の一態様は、交通機関での運行予定が変更される場合における運行状況を示す動的ダイヤ情報を生成するダイヤ情報管理システムであって、前記交通機関の運行データの入力を受け付ける入力手段と、入力された前記運行データに基づき、交通機関を構成する所定単位ごとに、運行状況に対する予測処理を実行して、前記運行予定の変更による影響の度合いを示す予測値を生成する予測値生成手段と、前記予測処理の正確性に関する予測誤差を算出する予測誤差算出手段と、予め定められた予測値閾値を記憶する予測値閾値記憶手段と、前記予測誤差と前記予測値閾値を比較して、前記予測処理の正確性として、前記予測誤差の正確性を特定する開示判定手段と、前記特定される予測値を含む前記所定単位ごとの予測時刻表を複数生成する予定時刻表生成手段と、前記動的ダイヤ情報として、前記交通機関における運転時刻をまとめた動的時刻表を生成する動的時刻表生成手段とを有し、前記動的時刻表生成手段は、予め定められた所定条件に従って、前記開示判定手段で特定された正確性に従って特定される予測時刻表を用いて、前記動的時刻表を生成するダイヤ情報管理システムである。 One aspect of the present invention for achieving the above object is a timetable information management system that generates dynamic timetable information indicating the operation status when the operation schedule of the transportation facility is changed, the system comprising: an input means that accepts input of operation data; and based on the input operation data, performs prediction processing on the operation status for each predetermined unit constituting the transportation facility, and indicates the degree of influence of the change in the operation schedule. a predicted value generation means for generating a predicted value; a prediction error calculation means for calculating a prediction error regarding the accuracy of the prediction process ; a predicted value threshold storage means for storing a predetermined predicted value threshold; disclosure determining means for comparing the predicted value thresholds and identifying the accuracy of the prediction error as the accuracy of the prediction process; and generating a plurality of prediction timetables for each of the predetermined units including the specified predicted values. and a dynamic timetable generating means that generates a dynamic timetable that summarizes operating times of the transportation facility as the dynamic timetable information, the dynamic timetable generating means , a timetable information management system that generates the dynamic timetable using a predicted timetable specified according to accuracy specified by the disclosure determination means according to predetermined conditions.
本発明には、ダイヤ情報管理システムを用いたダイヤ情報管理方法やこれを実行するためのコンピュータプラグラムも本発明の一態様である。さらに、本発明には、ダイヤ情報管理システムを有し、動的時刻表の作成やこれに応じた案内情報を出力する運行案内システムやこれを用いた方法やこのためのコンピュータプログラムも含まれる。 The present invention also includes a timetable information management method using a timetable information management system and a computer program for executing the method. Furthermore, the present invention also includes a travel guidance system that has a timetable information management system and that creates a dynamic timetable and outputs guidance information in accordance with the creation of a dynamic timetable, a method using the same, and a computer program therefor.
運行状況が不安定な場合でも、その状況に応じたダイヤ情報を生成でき、適度な品質を保った案内を実現できる。その他の課題と新規な特徴は、本明細書の記述及び添付図面を用いて明らかにする。 Even when operating conditions are unstable, timetable information can be generated according to the situation, and guidance can be provided with appropriate quality. Other objects and novel features will become apparent from the description of this specification and the accompanying drawings.
以下、図面に基づいて、本発明の一実施例を説明する。本実施例では、公共交通機関として、鉄道を例に説明する。このため、本実施例では、列車の運行において、遅延等のダイヤ乱れが発生した場合、ユーザ(旅客)等へ運行状況に応じた推奨経路を提示する。ここで、ダイヤ乱れとは、予定されていた運行予定(例えば、後述する静的時刻表)に対して、何らかの変更が発生した運行状況を示す。なお、公共交通機関には、鉄道の他、路線バス(高速バス、乗り合いバスを含む)、船舶、航空路線などが含まれる。 Hereinafter, one embodiment of the present invention will be described based on the drawings. In this embodiment, a railway will be used as an example of public transportation. Therefore, in this embodiment, when a timetable disruption such as a delay occurs in train operation, a recommended route is presented to the user (passenger) etc. according to the operating situation. Here, the term "disruption of the timetable" refers to an operating situation in which some kind of change has occurred in the scheduled operating schedule (for example, a static timetable, which will be described later). In addition to railways, public transportation includes route buses (including express buses and shared buses), ships, and airline routes.
<図1:全体のシステム構成図>
まず、図1に、上述した処理を実行するための本実施例全体のシステム構成図の一例を示す。図1には、推奨経路を作成する運行案内システム1と、通信ネットワーク53a、53bを介して、推奨経路を出力するユーザ端末40a~40dを示す。ここで、運行案内システム1は、時刻表管理システム10、動的運行データ配信システム20a、20bおよびサービスシステム30a、30bを有する。
<Figure 1: Overall system configuration diagram>
First, FIG. 1 shows an example of a system configuration diagram of the entire embodiment for executing the above-described processing. FIG. 1 shows an
時刻表管理システム10は、通信ネットワーク51を介して動的運行データ配信システム20と、通信ネットワーク52を介してサービスシステム30a、30bと接続される。なお、動的運行データ配信システム20a、20bは、以下、動的運行データ配信システム20と記載する。また、サービスシステム30a、30bは、サービスシステム30と記載する。さらに、ユーザ端末40a~40dは、ユーザ端末40と記載する。
The
また、サービスシステム30は、当該システムを利用するユーザが利用するユーザ端末40と通信ネットワーク53a、53bを介して接続される。この時刻表管理システム10の詳細については、後述する。
Further, the
なお、通信ネットワーク51、52、53a、53bは、共通の通信ネットワークであってもよいし、それぞれ異なるプロトコルを用いるネットワークであってもよい。また、通信ネットワーク51、52、53は、有線ネットワークまたは無線ネットワークのいずれであってもよい。これらのネットワークを介して、それぞれのシステム、端末間でデータを送受信する。
Note that the
動的運行データ配信システム20は、鉄道やバスなどの公共交通機関の最新の運行に関するデータを随時外部に配信するシステムである。動的運行データ配信システム20は、例えば、公共交通機関を提供する事業者が保有ないし利用するシステムである。動的運行データ配信システム20は、該当の事業者が営業する路線について、運行に関するデータである運行データを数秒あるいは数分おきに、あるいはイベントに応じて配信する。ここで、上述のイベントには、車両の遅延等のダイヤ乱れを、動的運行データ配信システム20が検知したことを含む。
The dynamic operation
この運行データには、例えば、列車の走行位置データを含むものとする。走行位置データとは、ある時刻において車両が路線のどの位置にいるかを示すデータである。走行位置データは各車両の位置のほか、定刻に対する誤差時間(遅延時間あるいは早着発時間)など、ダイヤ乱れに関する情報を含んでもよい。なお、動的運行データ配信システム20は、事業者ごとに、1台ないし複数台用意されることが想定される。但し、複数の事業者で共同して、動的運行データ配信システム20を運用ないし利用してもよい。
This operation data includes, for example, train travel position data. Traveling position data is data indicating where a vehicle is on a route at a certain time. In addition to the location of each vehicle, the traveling position data may also include information regarding timetable disruptions, such as error time (delay time or early arrival/departure time) with respect to the scheduled time. Note that it is assumed that one or more dynamic operation
また、動的運行データ配信システム20は、いわゆるコンピュータで実現できる。また、図示しないが、動的運行データ配信システム20に、入力部と表示部を有する端末装置を接続してもよい。また、動的運行データ配信システム20自身が出力装置を有するか、出力装置と接続されてもよい。
Moreover, the dynamic operation
サービスシステム30は、例えば、経路検索サービスを提供するサービスプロバイダが保有ないし利用するシステムである。このサービスシステム30は、ユーザ端末40のいずれから受信した経路検索条件(例えば、出発地や目的地、利用日時など)に基づき、推奨経路や運行時刻などの案内情報を生成し、これを提示する。サービスシステム30は、事業者ごとに1台ないし複数台用意されることが想定される。但し、複数の事業者で共同して、サービスシステム30を運用ないし利用してもよい。
The
また、図示しないが、サービスシステム30に、入力部と表示部を有する端末装置を接続してもよい。また、サービスシステム30自身が出力装置を有するか、出力装置と接続されてもよい。
Although not shown, a terminal device having an input section and a display section may be connected to the
ここで、一般に、公共交通機関の経路検索サービスでは、公共交通機関の事業者が1年に数回程度の頻度で策定する時刻表(以下、「静的時刻表」と呼ぶ)に基づいて案内を生成する。これに対して、本実施例においては、後述するように時刻表管理システム10が動的運行データ配信システム20から取得する運行データを用いて、数秒から数分おきといった周期的に時刻表(以下、「動的時刻表」と呼ぶ)を生成及び配信する。このことで、サービスシステム30は動的時刻表に基づいて案内情報を生成することができる。
Generally, public transportation route search services provide guidance based on timetables (hereinafter referred to as "static timetables") that are established several times a year by public transportation operators. generate. In contrast, in this embodiment, as will be described later, the
なお、時刻表管理システム10は、動的時刻表の生成に限定されず、運行に関する何らかの情報である動的ダイヤ情報を作成することができる。このため、時刻表管理システム10は、ダイヤ情報管理システムとして実現することも可能である。
Note that the
ここで、「動的」とは、何かの条件に従って変化させることを意味する。このため、動的時刻表は、非周期的な生成、配信がなされてもよい。また、動的時刻表の生成には、静的時刻表に対して、運行データを用いて修正することが含まれる。さらに、動的時刻表の生成は、運行データがダイヤ乱れを示す場合に限定的に実行してもよい。この場合、配信される動的時刻表は、それ以前に生成されたものとなる。なお、静的時刻表、動的時刻表として、いわゆる時刻表に限定されず、運航時刻を含む運行状況を示すダイヤ情報を用いることが可能である。 Here, "dynamic" means changing according to some conditions. Therefore, the dynamic timetable may be generated and distributed aperiodically. Furthermore, generation of the dynamic timetable includes modifying the static timetable using operation data. Furthermore, generation of a dynamic timetable may be executed only when operation data indicates a timetable disruption. In this case, the dynamic timetable to be distributed will be one that was generated previously. Note that the static timetable and the dynamic timetable are not limited to so-called timetables, and it is possible to use timetable information indicating the operation status including flight times.
本実施例では、サービスシステム30は、ユーザ端末40のいずれかから任意のタイミングで送信される要求に応答して、案内サービスを提供することを想定している。但し、サービスシステム30から、定期的、周期的あるいは任意のタイミングで自動的に、各ユーザ端末40の案内情報を更新する態様であってもよい。
In this embodiment, the
また、ユーザ端末40は、一般の旅客が個人で所有ないし利用する端末に限定されるものではなく、公共交通機関を提供する事業者が旅客案内業務で使用する端末であってもよい。ここで、ユーザ端末40は、例えば、携帯電話(いわゆるスマートフォンを含む)、携帯情報端末、眼鏡型や腕時計型のいわゆるウェアラブル型端末、ノート型やタブレット型やデスクトップ型のパーソナルコンピュータなどを挙げることができる。あるいは、ユーザ端末40は、駅に設置された案内ディスプレイや発車標であってもよい。サービスシステム30は、複数台のユーザ端末40と接続可能である。
Further, the user terminal 40 is not limited to a terminal owned or used by a general passenger, but may be a terminal used by a business providing public transportation in passenger guidance services. Here, the user terminal 40 may include, for example, a mobile phone (including a so-called smartphone), a personal digital assistant, a so-called wearable terminal such as an eyeglass type or a wristwatch type, a notebook type, a tablet type, or a desktop type personal computer. can. Alternatively, the user terminal 40 may be a guide display or a departure sign installed at a station. The
<図2:時刻表管理システム10のハードウェア構成図>
図2に、時刻表管理システム10のハードウェア構成図の一例を示す。時刻表管理システム10は、記憶装置61、メモリ62、マイクロプロセッサ63、ユーザインタフェース装置(UI装置)64、通信装置65を有するコンピュータ装置(情報処理装置)で実現できる。そして、これらの各構成は、バス66で通信可能に接続される。なお、マイクロプロセッサ63は、CPU(Central Processing Unit)を用いて実現される。なお、例えば仮想マシンで設計し、クラウドシステムで実現してもよい。
<Figure 2: Hardware configuration diagram of
FIG. 2 shows an example of a hardware configuration diagram of the
記憶装置61は、SSD(Solid State Drive)やハードディスクドライブなどの不揮発性記憶装置で実現できる。ここで、記憶装置61は、時刻表管理システム10が実行する機能モジュール101~105(図1参照)を実現するためのコンピュータプログラム67を保持する。なお、各機能モジュール101~105については、後述する。
The storage device 61 can be realized by a nonvolatile storage device such as an SSD (Solid State Drive) or a hard disk drive. Here, the storage device 61 holds a
また、記憶装置61は、機能モジュールの実行に必要なデータあるいは機能モジュールによって生成される各種データ(予測時刻表107~動的時刻表110(図1参照))などをデータ68として保持する。なお、データ(予測時刻表107~動的時刻表110)については、後述する。
Furthermore, the storage device 61 holds, as
メモリ62は、RAM(Random Access Memory)などの揮発性メモリである。CPU63は、記憶装置61に保持されるコンピュータプログラム67とデータ68をメモリ62に読み出して実行する。UI装置64は、図示しないキーボードやマウス等の入力装置やディスプレイ等の出力装置に接続され、GUI(Graphical User Interface)を実現する。ここで、入力装置や出力装置は、入力部と表示部を有する端末装置として実現してもよい。さらに、端末装置の他に、時刻表管理システム10自身が出力装置を有するか、出力装置と接続されてもよい。
The
通信装置65は、通信ネットワーク51、52を介して外部システム(動的運行データ配信システム20、サービスシステム30)との通信処理を行う。なお、関連システムとして図1に示した動的運行データ配信システム20、サービスシステム30も、時刻表管理システム10と同様のハードウェア構成を有している。つまり、これらは、いわゆるコンピュータで実現可能である。
The
<図1の機能モジュールの説明>
以下、図1に示した時刻表管理システム10の機能モジュール101~105及びデータ(予測時刻表107~動的時刻表110)について、詳細に説明する。ここでは、公共交通機関として鉄道を例にとって説明する。なお鉄道における静的時刻表は、一般的に公共交通機関における所定単位である各路線、各列車、各駅における到着時刻及び出発時刻の情報が格納されるものとして、以降説明する。
<Description of functional modules in Figure 1>
The
ここで、本実施形態では、ダイヤ乱れに応じた運行状況についての予測処理を実行し、この予測処理の正確性に基づく動的時刻表を生成する。このために、正確性に関する予測誤差を用いるが、これは予測時刻表生成部101もしくは動的時刻表生成部103のいずれで算出してもよい。
Here, in this embodiment, a prediction process is performed regarding the operating status according to the timetable disruption, and a dynamic timetable is generated based on the accuracy of this prediction process. For this purpose, a prediction error regarding accuracy is used, but this may be calculated by either the predicted
以下、予測時刻表生成部101、動的時刻表生成部103での処理の概要を説明する。次に、予測時刻表生成部101で扱われる予測値1077~1079の説明を行う。そして、図4~図11を用いて、動的時刻表生成部103で予測誤差を算出する第1の例の詳細を説明する。その後、図12を用いて、予測時刻表生成部101で予測誤差を算出する第2の例を説明する。
An overview of the processing in the predicted
まず、予測時刻表生成部101が、予測誤差を算出する処理の概要を説明する。予測時刻表生成部101は、動的運行データ配信システム20から運行データを受信する。そして、予測時刻表生成部101は、受信した運行データに基づき、各路線、各列車、各駅等といった所定単位における未来の到着時刻及び出発時刻の値である予測値1077~1079を予測する予測処理を実行する。そして、予測時刻表生成部101は、予測処理の正確性に関する予測誤差に基づいて、予測時刻表107を生成する。この例では、予測時刻表生成部101の予測処理の正確性に応じて特定される予測値に応じて、動的時刻表生成部103が、動的時刻表の生成が可能になる。
First, an overview of the process by which the prediction
また、予測時刻表生成部101は、運行データがダイヤ乱れを示す場合に、予測時刻表107を生成する構成としてもよい。この場合、ダイヤ乱れを示さない場合、過去に生成された予測時刻表107を流用してもよいし、静的時刻表や過去に生成された動的時刻表を用いてもよい。
Further, the predicted
なお、本実施例の予測値1077は、予測される到着時刻及び出発時刻であるが、ダイヤ乱れに伴う運行変更による影響の度合い、程度を示す情報であればよい。つまり、予測値1078が示すような予定の到着時刻や出発時刻に対する予測遅延時間や予測早着発時間といった変更時間であってもよい。さらに、予測値1079が示すような予測所要時間であってもよい。また、後述するように、動的時刻表生成部103で、予測誤差を算出する場合には、予測時刻表生成部101では予測誤差の算出を省略して、予測時刻表107を生成することが望ましい。
Note that the predicted
ここで、運行データの送受信は、時刻表管理システム10が起点となるPULL型でもよいし、動的運行データ配信システム20が起点となるPUSH型でもよい。このとき、時刻表管理システム10は、受信した運行データをチェックし、運行データの重複、誤記などがあれば、クレンジングを行うことが望ましい。また、異なる事業者や路線の運行データを取得する場合には、運行データのフォーマットや項目の違いがあっても以降の処理が可能となるように、所定のフォーマットにデータを変換することが望ましい。なお、このクレンジングは、予測時刻表生成部101が行ってもよいし、図示しない入力部ないしクレンジング部で行ってもよい。
Here, the transmission and reception of operation data may be a PULL type starting from the
また、予測時刻表生成部101は、予測時刻表107を、運行状況の不安定さを考慮して、複数のパターンを生成してもよい。例えば、最も確率の高い予測値を採用する予測時刻表107の他に、余裕を持たせて乗り逃しや降り遅れの可能性が低くなる予測値を採用する予測時刻表107を生成してもよい。余裕の持たせ方や大小によって更にパターン数を増やしてもよい。また、定刻に対する誤差時間(遅延時間あるいは早着発時間)や、各駅間の所要時間のみを持つ予測時刻表107があってもよい。なお、予測時刻表107のデータ構成例の詳細は、図3を用いて後述する。
Further, the predicted
次に、動的時刻表生成部103が、予測時刻表生成部101での予測処理の正確性に基づいて、動的時刻表110を生成する例の概要を説明する。例えば、動的時刻表生成部103が、予測時刻表の正確性として、予測時刻表107の予測誤差に基づいて、動的時刻表110を生成する。この例を含む動的時刻表生成部103の実行する処理の詳細は、図4を用いて後述する。なお、この例以外にも、特定された予測値そのものから動的時刻表を生成してもよい。また、予測時刻表生成部101および動的時刻表生成部103の各機能は、いずれで実行してもよいし、これらを1つの機能モジュールとして構成してもよい。また、前述のように、予測時刻表生成部101で、予測誤差を算出する場合には、動的時刻表生成部103では予測誤差の算出を省略して、動的時刻表110を生成することが望ましい。
Next, an outline of an example in which the dynamic
次に、配信部105は、動的時刻表生成部103にて生成された動的時刻表110を、サービスシステム30に配信する。配信方法はサービスシステム30のサービス形態に応じて異なってよく、PUSH型でもPULL型でもよいし、手動でも自動でもよいし、メールでもファイル共有サービスでもWeb APIでもよい。PUSH型で自動配信する場合の配信タイミングは、例えば、動的時刻表が更新されたとき、遅延時間が閾値を超えたとき、などが想定できる。配信部105は動的時刻表110を配信すると述べたが、予測時刻表107やその他のデータを配信してもよい。この場合、動的時刻表110や予測時刻表107を、サービスシステム30が生成してもよい。
Next, the
<図3:予測時刻表107のデータ構成>
図3は、予測時刻表107のデータ構成図である。ここで、図3(a)~(c)全体をまとめて1つの予測時刻表107として扱いそれぞれを、予測時刻表107を構成する一部として扱ってもよいし、これらのうち少なくとも1つを予測時刻表107として扱ってもよい。本実施例では、図3(a)~(c)のそれぞれを単位に予測時刻表107として扱う例を説明する。
<Figure 3: Data structure of predicted
FIG. 3 is a data configuration diagram of the predicted
図3(a)は、一般的な静的時刻表が持つような各路線、各列車、各駅の到着時刻や出発時刻に関する情報が格納される例であり、路線1070、列車1071、駅1073、区分1075、予測値(予測時刻)1077の各値を格納するフィールドを含む。路線1070は、路線を特定する名称あるいは識別コードである。列車1071は、列車を特定する名称あるいは識別コードである。駅1073は、駅を特定する名称あるいは識別コードである。なお、路線1070、列車1071および駅1073は、もしくは列車1071および駅1073を交通機関における所定単位として扱うことが可能である。このことは、図3(b)(c)でも同様である。
FIG. 3(a) is an example in which information about the arrival time and departure time of each route, each train, and each station, which is included in a general static timetable, is stored. It includes fields for storing each value of a
区分1075は、当該レコードが列車の到着に関する情報を持つか、あるいは出発に関する情報を持つかを特定する名称あるいは識別コードである。予測値(予測時刻)1077は、予測時刻表生成部101によって予測された当該路線、当該列車、当該駅における到着時刻あるいは出発時刻の値である。予測値(予測時刻)1077の値をサービスシステム30に配信すれば、サービスシステム30は予測時刻表107を既存の静的時刻表の到着時刻あるいは出発時刻に置き換えて扱うことができる。
図3(b)は、各路線、各列車、各駅の到着時刻あるいは出発時刻の定刻に対する誤差時間(遅延時間あるいは早着発時間)が格納される例である。そして、図3(b)では、路線1070、列車1071、駅1073、区分1075、予測値(予測遅延時間)1078の各値を格納するフィールドを含む。路線1070~区分1075は、図3(a)にて説明したものと同じである。
FIG. 3(b) is an example in which the error time (delay time or early arrival/departure time) of each route, each train, and each station with respect to the scheduled arrival time or departure time is stored. FIG. 3B includes fields for storing values of a
予測値(予測遅延時間)1078は、予測時刻表生成部101によって予測された当該路線、当該列車、当該駅における遅延時間の値である。値の正負で遅延あるいは早着発を区別できる。予測値(予測遅延時間)1078の値をサービスシステム30に配信すれば、サービスシステム30はその値を静的時刻表の到着時刻あるいは出発時刻を加減算することで扱うことができる。
The predicted value (predicted delay time) 1078 is the value of the delay time for the route, train, and station predicted by the predicted
図3(c)は、各路線、各列車、各駅間の所要時間が格納される例であり、路線1070、列車1071、発駅1074、着駅1076、予測値(予測所要時間)1079の各値を格納するフィールドを含む。路線1070~列車1071は、図3(a)にて説明したものと同じである。発駅1074は、出発駅を特定する名称あるいは識別コードである。着駅1076は、到着駅を特定する名称あるいは識別コードである。
FIG. 3(c) is an example in which the required time between each route, each train, and each station is stored. Contains fields that store values. The
予測値(予測所要時間)1079は、予測時刻表生成部101によって予測された当該路線、当該列車、当該出発駅から当該到着駅の間の所要時間の値である。予測値(予測所要時間)1079の値をサービスシステム30に配信すれば、サービスシステム30はその値に基づき既存の静的時刻表の到着時刻あるいは出発時刻を加減算することで扱うことができる。あるいは、所要時間そのものを案内するサービスを提供する場合には、予測所要時間1079の値をそのまま用いてもよい。
The predicted value (predicted travel time) 1079 is the value of the route, the train, and the required time from the departure station to the arrival station predicted by the prediction
なお、動的運行データ配信システム20から受信したデータに基づき予測時刻表107の各値を予測する手法には、任意の手法を用いることができる。例えば、過去の実績の統計に基づき遅延時間を予測してもよい。また、当該列車や前後列車の走行位置の関係性から走行位置の変化を予測してもよい。また、当該列車の遅延時間の傾向に基づき遅延の拡大や縮小を予測してもよい。また、先行列車の遅れ時間の傾向に基づき当該列車の遅延の拡大や縮小を予測してもよい。さらに、路線の運行情報から当該列車への影響を予測してもよい。
Note that any method can be used to predict each value of the predicted
またさらに、鉄道事業者が列車運行を管理する制御系システムから高精度に予測された情報を取得できるのであれば、その情報を用いて予測処理を実行してもよい。台風や大雪などの気象情報などの外部情報を活用して遅延の拡大や縮小するかを予測してもよい。さらに、駅構内や列車内の混雑情報、駅設備の稼働情報などを用いて乗り換え所要時間やプラットフォームでの待ち時間の変化も予測して列車の遅延情報に加えてもよい。ソーシャルデータから現地のユーザの声を収集して活用してもよい。これらの手法を複数組み合わせてもよい。 Furthermore, if the railway operator can obtain highly accurate predicted information from a control system that manages train operation, the prediction process may be performed using that information. External information such as weather information on typhoons, heavy snow, etc. may be used to predict whether the delay will increase or decrease. Furthermore, changes in transfer time and platform waiting time may be predicted using information on congestion inside the station, on trains, operating information on station equipment, etc., and added to the train delay information. It is also possible to collect and utilize the voices of local users from social data. You may combine two or more of these methods.
予測時刻表107は、一般的な静的時刻表がそうであるように、路線ごとにパターンを生成する。日付ごとや曜日ごとで異なるパターンを生成してもよい。なお、直通運転により、複数の路線・区間や事業者にまたがって列車が運転されるケースも多く存在し、遅延や運行見合わせが発生すると接続駅で折り返し運転をするなど、状況に応じて運行や運用の区切りが変わる場合もある。このような路線においては、予測時刻表107はひとつの路線を複数に分割してそれぞれのパターンについて生成してもよいし、状況に応じて都度パターンの分け方を変えてもよい。
The predicted
なお、上述のように、本発明では、図3に示す予測時刻表107の生成は必須でなく、予測値やその他の情報を用いてもよい。
Note that, as described above, in the present invention, generation of the predicted
以下、動的時刻表生成部103で予測誤差を算出する第1の例の詳細を説明する。
The details of the first example in which the dynamic
<図4:動的時刻表生成部103の実行する処理のフローチャート>
図4は、動的時刻表生成部103の実行する処理フローである。つまり、図4は、動的時刻表生成部103で予測誤差を算出し、動的時刻表110を生成するフローを示す。
<Figure 4: Flowchart of processing executed by the dynamic
FIG. 4 is a processing flow executed by the dynamic
まず、動的時刻表生成部103の図示しない予測誤差算出手段は、予測時刻表生成部101にて生成された予測時刻表107の予測誤差を算出する(ステップS1031)。予測誤差とは、予測時刻表107の予測値(予測時刻あるいは予測遅延時間あるいは予測所要時間)、つまり、予測処理の正確性に関する指標であり、所定単位(各路線、各列車、各駅)について算出される。予測誤差が小さいほど予測時刻表107の予測値は確からしく、予測誤差が大きいほど予測値は不確かであることを示す。予測誤差の算出方法は、図5を用いて後述する。
First, the prediction error calculation means (not shown) of the dynamic
次に、動的時刻表生成部103の図示しない開示判定手段は、ステップS1031にて算出した予測誤差に基づき、開示判定結果109を生成する(ステップS1033)。つまり、開示判定手段は、予測時刻表107のうち、動的時刻表110の生成に利用する予測時刻表を特定する。このために、開示判定手段は、予測誤差と開示閾値108に格納される条件や閾値を比較する。そして、開示判定手段は、その条件を満たすか否か、もしくは閾値と所定関係にあるか、に応じて開示判定結果109を生成する。開示閾値108のデータ構成例の詳細は、図6を用いて後述する。開示判定結果109のデータ構成例及び生成方法の詳細は、図7を用いて後述する。なお、開示判定結果109については、予測時刻表107に対する、動的時刻表110の生成に利用するか否かを示す情報でもよい。
Next, the disclosure determination unit (not shown) of the dynamic
次に、動的時刻表生成部103の図示しない動的時刻表生成手段は、ステップS1033にて生成した開示判定結果109に基づき、動的時刻表110を生成する(ステップS1035)。ステップS1035の詳細は、図8Bを用いて後述する。また、動的時刻表110のデータ構成例の詳細は、図9を用いて後述する。
Next, the dynamic timetable generation means (not shown) of the dynamic
なお、図4の説明においては、動的時刻表生成部103の各手段を主体として記載したが、動的時刻表生成部103自身が実行してもよいし、手段の組合せで実行してもよい。
In the explanation of FIG. 4, each means of the dynamic
<図5:予測誤差の算出方法の説明>
次に、図5を用いて、予測誤差の算出方法を説明する。ここでは、予測誤差の算出の考え方も含め説明する。
<Figure 5: Explanation of calculation method of prediction error>
Next, a method for calculating a prediction error will be explained using FIG. 5. Here, we will also explain the concept of calculating the prediction error.
図5(a)は、縦軸71に予測時刻表107の予測値(予測時刻あるいは予測遅延時間あるいは予測所要時間)を、横軸72に時間経過をとった座標に、任意の時刻における予測値をプロット73a~73eとして描画したグラフである。横軸72の時間経過は、時刻そのものであってもよい。
In FIG. 5(a), the
また、他にも例えば、任意の列車において停車順に並べられた駅の一覧、任意の駅において停車順に並べられた列車の一覧であってもよい。横軸72に用いられる指標に応じて、縦軸71の指標も変わる。例えば、縦軸71に列車Aの予測遅延時間、横軸72に列車Aの停車駅である駅a、駅b、駅c、をとったグラフの場合は、以下のとおりとなる。つまり、プロット73aは列車Aの駅aにおける予測遅延時間、プロット73bは駅bにおける予測遅延時間、プロット73cは駅cにおける予測遅延時間となる。つまり、横軸は、時間の他、位置、交通機関の設備などであってもよい。
In addition, for example, it may be a list of stations arranged in the order of stops at an arbitrary train, or a list of trains arranged in the order of stops at an arbitrary station. Depending on the index used on the
図5(b)は、図5(a)のグラフに直線74を引き、プロット73a~73eと直線74との垂直方向の距離を点線75a~75eとして図示したグラフである。直線74は、各プロットから求められる近似直線である。点線75の距離を予測誤差と呼ぶこととし、予測誤差が小さいほど予測値が確からしく、予測誤差が大きいほど予測値が不確かであることを示すものとする。横軸72の時刻が現在に近いほど予測値は確からしいことが推定されるので、例えば重みづけ近似により、時刻が現在に近いほど距離が短く、時刻が現在から遠いほど点線75の距離が長く設定されるようにしてもよい(点線75e距離の方が点線75cより短い)。
FIG. 5(b) is a graph in which a
重みには、例えば、駅間距離や駅間所要時間の逆数などを用いてもよいし、異なる列車種別(特急列車と普通列車など)が混在するような路線においては、列車種別に応じて重みを定義してもよい。また、直線74は必ずしも近似直線でなくてもよく、近似曲線として求めてもよい。予測誤差は、各路線、各列車、各駅において算出する。
For example, the weight may be the reciprocal of the distance between stations or the time required between stations, or on routes where different train types (limited express trains and local trains, etc.) coexist, weights may be used depending on the train type. may be defined. Further, the
つまり、上述の予測誤差算出手段は、近似線とプロットを比較する。具体的には、近似線の示す値である近似値と予測時刻表107を構成する値(プロットされた点)を比較して、その差分を予測誤差として算出する。なお、本実施例では、近似線を用いるが、他の情報を用いてもよい。例えば、別アルゴリズムで生成した予測値を用いてもよい。
That is, the above-mentioned prediction error calculation means compares the approximate line and the plot. Specifically, the approximation value indicated by the approximation line is compared with the values (plotted points) forming the
<図6:開示閾値のデータ構造例>
次に、図6に、開示閾値108のデータ構成例を示す。開示閾値108は、優先順位1081、開示時刻表1083、予測時刻表1085、予測値項目1087、閾値1089の各値を格納するフィールドを含む。開示閾値108の各レコードに閾値や比較条件が格納される。
<Figure 6: Example data structure of disclosure threshold>
Next, FIG. 6 shows an example of the data structure of the
優先順位1081は、開示閾値108の各レコードについて、閾値比較に用いる順位を指定する値である。開示時刻表1083は、各レコードの閾値比較の条件を満たした場合にユーザに開示可能な予測時刻表107を特定する名称あるいは識別コードである。
The
予測時刻表1085は、ステップS1031(図4参照)で予測誤差を算出するうえで対象とする予測時刻表107を特定する名称あるいは識別コードである。予測値項目1087は、ステップS1031で予測誤差を算出する際に対象とする予測値の項目(予測時刻あるいは予測遅延時間あるいは予測所要時間)を特定する名称あるいは識別コードである。
The
近似値項目1088は、図5で説明した近似線もしくはこれを構成する近似値を識別する項目である。なお、本実施例では、予測値項目1087と近似値項目1088を設けたが、これらの差分である予測誤差項目、を設けてもよい。これは、図6(b)(c)でも同様である。
The
閾値1089は、比較の基準となる閾値である。つまり、予測時刻表1085における予測値項目1087が閾値1089の条件を満たせば、開示時刻表1083を開示可能となる。優先順位1081の値が小さいレコードから順に条件を満たすか確認し、条件を満たさない場合には次のレコードの条件を満たすか確認する。条件を満たすレコードが無ければ、開示できる予測時刻表107は無いものと判定する。
The
具体的には、開示判定手段が、予測値項目1087の予測遅延時間と近似値項目1088の近似値の差分である予測誤差と、閾値1089と比較する。この結果、開示判定手段は、予測誤差が閾値1089以下若しくは未満であれば、正確性が確保されたと判定、つまり、該当予測時刻表107を、動的時刻表110の生成に用いることができる、と判定する。上述のように、予測値項目1087と近似値項目1088の代わりに予測誤差項目を設けた場合は、開示判定手段は、この予測誤差項目の示す予測誤差を比較に用いる。なお、このことは、図6(b)(c)でも同様である。以下、この処理の内容を具体的に説明する。
Specifically, the disclosure determination means compares the prediction error, which is the difference between the predicted delay time of the predicted
図6(a)は、条件、つまり、レコードが1つの例である。この場合、予測時刻表1085「予測時刻表パターン1」における予測値項目1087「予測遅延時間」の予測誤差が閾値1089「5分以下」の場合に、開示時刻表1083「予測時刻表パターン1」を開示可能であることを示す。
FIG. 6A shows an example of one condition, that is, one record. In this case, when the prediction error of the predicted
図6(b)は、条件(レコード)が複数存在する開示閾値108の例である。この場合、優先順位1081に格納された値の順に、各レコードの条件を満たすか確認する。この例では、予測時刻表1085「予測時刻表パターン1」における予測値項目1087「予測遅延時間」の予測誤差が閾値1089「5分以下」の場合に、開示時刻表1083「予測時刻表パターン1」を開示可能である。そして、その条件は満たさないうえで予測時刻表1085「予測時刻表パターン2」における予測値項目1087「予測所要時間」の予測誤差が閾値1089「10分以下」の場合に、開示時刻表1083「予測時刻表パターン2」を開示可能であることを示す。
FIG. 6(b) is an example of the
図6(c)は、優先順位1081に同じ値が格納されたレコードが複数存在する例である。この場合、優先順位1081に同じ値が格納された複数のレコードの条件全てを満たす場合のみ、該当する開示時刻表1083を開示可能となる。この例では、以下の2つの条件を満たす場合に、両レコードの開示時刻表1083にて示される「予測時刻表パターン1」を開示可能であることを示す。
FIG. 6C is an example in which there are multiple records in which the same value is stored in the
条件1:予測時刻表1085「予測時刻表パターン1」における予測値項目1087「予測遅延時間」の予測誤差が閾値1089「5分以下」
条件2:予測時刻表1085「予測時刻表パターン2」における予測値項目1087「予測所要時間」の予測誤差が閾値1089「5分以下」
複数のレコードの条件全てを満たすのではなく、どちらかを満たせばよいものとしてもよい。図6の例では、路線や列車や駅は指定していないが、路線や列車や駅ごとに条件や閾値を変えてもよい。
Condition 1: The prediction error of the predicted
Condition 2: The prediction error of the predicted
Instead of satisfying all of the conditions for multiple records, it may be sufficient to satisfy either one of the conditions. Although routes, trains, and stations are not specified in the example of FIG. 6, conditions and threshold values may be changed for each route, train, or station.
以上のように、上述の開示判定手段は、開示閾値108を用いて、予測処理の正確性を判定する。つまり、開示判定手段は、予測誤差と閾値1089を比較し、その結果に応じて、該当の予測時刻表107が、動的時刻表110の生成に利用するかを判定する。ここで、これまで説明した例では、予測処理の正確性を、予測誤差と閾値の比較結果を用いて説明したが、各予測誤差同士の比較結果を用いてもよい。この場合、隣接(駅、時刻等で)の予測誤差を比較して、その差分に応じて判定することも可能である。
As described above, the above-described disclosure determining means uses the
<図7:開示判定結果109のデータ構成例>
次に、開示判定手段で判定された結果生成される開示判定結果109について、説明する。図7に、開示判定結果109のデータ構成例を示す。
<Figure 7: Example of data structure of
Next, the
図7(a)は、各路線、各列車、各駅の到着、出発それぞれについてユーザに開示可能な予測時刻表107が設定されるものである。このため、ステップS1031(図4参照)で算出された予測誤差が予測時刻あるいは予測遅延時間に対応するものであった場合に、このデータ構造で生成する。この例では、開示判定結果109は、路線1090、列車1091、駅1093、区分1095、開示時刻表1097の各値を格納するフィールドを含む。
In FIG. 7A, a predicted
路線1090~区分1095は、図3(a)あるいは図3(b)に示した予測時刻表107の路線1070~区分1075と同じものである。開示時刻表1097は、ステップS1033(図4参照)にて算出した予測誤差と開示閾値108の比較によって、開示可能と判定された予測時刻表107の名称あるいは識別コードである。この例では、路線1090「路線1」の列車1091「列車A」が駅1093「駅a」に区分1095「到着」するときの予測値(予測時刻あるいは予測遅延時間)について、開示可能と判定されたことを示す。これは、開示閾値108に格納される条件、閾値を比較した結果、開示時刻表1097「予測時刻表パターン1」が開示可能と判定されたことを意味する。
図7(b)は、各路線各列車における各駅間の組合せについてユーザに開示可能な予測時刻表107が設定されるものであり、ステップS1031で算出された予測誤差が予測所要時間に対応するものであった場合に、このデータ構造で生成する。この例では、開示判定結果109は、路線1090、列車1091、発駅1094、着駅1096、開示時刻表1097の各値を格納するフィールドを含む。路線1090~着駅1096は、図3(c)に示した予測時刻表107の路線1070~着駅1076と同じものであり、開示時刻表1097は図3(a)にて説明したものと同じである。この例では、路線1090「路線1」の列車1091「列車A」が発駅1094「駅a」から着駅1096「駅b」における予測値(予測所要時間)について、開示可能と判定されたことを示す。これは、開示閾値108に格納される条件、閾値を比較した結果、開示時刻表1097「予測時刻表パターン1」が開示可能と判定されたことを意味する。
In FIG. 7(b), a predicted
なお、上述のように、開示判定結果109は、予測時刻表107を、動的時刻表110の生成に利用するか否かを示す情報でもよい。
Note that, as described above, the
<図8A:開示判定結果109を作成する処理のフローチャート>
ここで、図8Aを用いて、開示判定手段での予測処理の正確性の判定処理、つまり、図4のステップS1033の詳細を説明する。図8Aは、開示判定結果109を作成する処理のフローチャートである。なお、このフローでは、開示閾値108を用いることになるが、以下、図6の例とは別の開示閾値を用いる例で説明する。別の例とは、閾値1089を複数(本例では2個)用意する例である。このように、複数の閾値1089を用意することで、動的時刻表110の作成に利用する予測時刻表107の特定を、より実態に即して、きめ細かく実現できる。
<Figure 8A: Flowchart of processing for creating
Here, details of the accuracy determination process of the prediction process by the disclosure determination means, that is, step S1033 in FIG. 4 will be described using FIG. 8A. FIG. 8A is a flowchart of processing for creating the
まず、上述の開示判定手段は、予測誤差(ここではeとする)を算出する(ステップS10331)。この内容は、前述のとおりである。 First, the above-mentioned disclosure determination means calculates a prediction error (here, referred to as e) (step S10331). The contents are as described above.
次に、開示判定手段は、予測誤差eと、2つの閾値a、bとそれぞれ比較する(ステップS10332)。ここで、閾値a、bは、図6に示す開示閾値108と同様に格納されているものとする。また、本例では、閾値a<閾値bである。
Next, the disclosure determining means compares the prediction error e with two thresholds a and b (step S10332). Here, it is assumed that the threshold values a and b are stored in the same way as the
この結果、予測誤差e<閾値aであれば、ステップS10333へ遷移する。また、閾値a<予測誤差e≦閾値bであれば、ステップS10334へ遷移する。さらに、予測誤差≧閾値bであれば、ステップS10335へ遷移する。 As a result, if the prediction error e<threshold a, the process moves to step S10333. Further, if threshold a<prediction error e≦threshold b, the process moves to step S10334. Further, if the prediction error≧threshold b, the process moves to step S10335.
次に、開示判定手段は、予測誤差の正確性を高と判定する(ステップS10333)。ここでは、開示判定手段は、予め記憶されている正確性と予測時刻表107の対応関係を用いて、「正確性が高」の予測時刻表107を、動的時刻表110の作成に利用する予測時刻表107として特定する。
Next, the disclosure determining means determines that the accuracy of the prediction error is high (step S10333). Here, the disclosure determination means utilizes the predicted
同様に、開示判定手段は、予測誤差の正確性を中と判定すると、「正確性が中」の予測時刻表107を、動的時刻表110の作成に利用する予測時刻表107として特定する。(ステップS10334)。さらに、開示判定手段は、予測誤差の正確性を低と判定すると、「正確性が低」の予測時刻表107を、動的時刻表110の作成に利用する予測時刻表107として特定する。(ステップS10335)。なお、ステップS10335では、開示判定手段は、動的時刻表110の作成に利用する予測時刻表107は無し、と判定してもよい。
Similarly, when the disclosure determining means determines that the accuracy of the prediction error is medium, it specifies the
以上で、図8Aの説明を終わり、次に、図8Bを用いて、動的時刻表110の作成について説明する。
This concludes the explanation of FIG. 8A, and next, the creation of the
<図8B:動的時刻表110を生成する処理のフローチャート>
次に、図8Aの処理結果を受けて、動的時刻表生成部103の動的時刻表生成手段が動的時刻表110を生成する処理の詳細を説明する。つまり、図4のステップS1035の詳細を説明する。図8Bは、動的時刻表生成部103の実行する処理におけるステップS1035(図4参照)の詳細フローである。
<Figure 8B: Flowchart of processing for generating
Next, details of the process in which the dynamic timetable generation means of the dynamic
ここで、開示判定結果109は、図7にて示した通り各路線、各列車、各駅(あるいは各駅間)において開示時刻表が設定される。つまり、それぞれ開示可能な予測値(予測時刻あるいは予測遅延時間あるいは予測所要時間)は、それぞれ異なる予測時刻表107を参照して取得することになる。しかしながら前述の通り、一般的な静的時刻表は路線ごとにパターンが生成されているため、外部システムが活用するためには動的時刻表110も路線ごとにパターンを生成することが望ましい。そこで、列車ごと、駅ごとに設定される値をひとつのパターンデータに統合するための処理が、図8Bにその詳細を示すステップS1035である。
Here, in the
以下、図8Bを参照して、その内容を説明する。上述の動的時刻表作成手段は、予め設定されている条件に従って、フロー10351a~10351cのいずれを実行するかを判定する(ステップS10351)。 The contents will be explained below with reference to FIG. 8B. The above-described dynamic timetable creation means determines which of the flows 10351a to 10351c is to be executed according to preset conditions (step S10351).
ここで、フロー10351aは、より確からしい動的時刻表110を生成でき、その分処理量が膨大になる。逆にフロー10351cは動的時刻表110の確からしさは軽減するが、処理量が少なく済む。また、フロー10351bは、フロー10351aと1035cの中間的な処理である。
Here, the flow 10351a can generate a more reliable
このため、ステップS10351では、動的時刻表作成手段は、時刻表管理システム10の負荷状態に従って、いずれのフローを用いるかを判定する。つまり、動的時刻表作成手段は、負荷状態が所定基準より低い場合は、フロー10351aを採用する。動的時刻表作成手段は、負荷状態が所定基準より高い場合は、フロー10351cを採用する。また、所定基準と同水準など中間の負荷状態であれば、動的時刻表作成手段はフロー10351bを採用する。
Therefore, in step S10351, the dynamic timetable creation means determines which flow to use according to the load state of the
また、予め設定されている条件として、時間帯を用いてもよい。例えば、時間帯ごとにフローを変えることで、ニーズの高いラッシュ時間帯をフロー10351aとし、空いている時間帯をフロー10351cなどとすることも可能である。 Furthermore, a time zone may be used as a preset condition. For example, by changing the flow for each time slot, it is possible to set the rush time slot with high demand as the flow 10351a, and the free time slot as the flow 10351c.
さらに、条件として、ダイヤ乱れが発生した路線、駅、列車などの施設を用いてもよい。この場合、利用するユーザ(旅客)の多少に応じて、フローを変えることが望ましい。 Furthermore, as a condition, facilities such as lines, stations, trains, etc. where the timetable disruption has occurred may be used. In this case, it is desirable to change the flow depending on the number of users (passengers) using the service.
ここで、フロー10351aにおいて、動的時刻表作成手段は、列車ごとかつ駅(あるいは駅間)ごとに、それぞれ開示判定結果109の開示時刻表1097に格納された予測時刻表107を特定する(ステップS10353)。
Here, in flow 10351a, the dynamic timetable creation means specifies the predicted
そして、動的時刻表作成手段は、各列車及び駅(あるいは駅間)について、特定した各予測時刻表を統合して、動的時刻表110を生成する。つまり、動的時刻表作成手段は、特定された予測時刻表107を、ひとつのパターンデータとしてそれぞれを統合する(ステップS10357)。
Then, the dynamic timetable generation means generates the
また、フロー10351bにおいて、動的時刻表作成手段は、列車ごとあるいは駅(あるいは駅間)ごとに、予測時刻表107を特定する(S10355)。例えば、列車ごとに1つの予測時刻表107を参照する場合は、該当列車について各駅それぞれの開示判定結果109の開示時刻表1097に格納された予測時刻表107のうち最も格納された数の多いパターンの予測時刻表107を特定する。なお、必ずしも数の多い予測時刻表107のパターンを選ばなくてもよく、尤もらしいパターンを選ぶような基準を設け、これに従って特定されればよい。
Further, in flow 10351b, the dynamic timetable creation means specifies the predicted
また、必ずしも列車ごとあるいは駅(あるいは駅間)ごとに1つの予測時刻表107のパターンを選ばなくてもよく、駅に並びに合わせていくつかの区間に区切って、選ぶ予測時刻表107のパターンを変えてもよい。このようにして、各列車あるいは駅(あるいは駅間)について予測時刻表を特定したら、ひとつのパターンデータとして時刻表を統合する(ステップS10357)。
Furthermore, it is not necessary to select one pattern of the predicted
また、フロー10351cにおいて、動的時刻表生成手段は、各列車、各駅(あるいは駅間)、つまり、対象路線全体において1つの予測時刻表107である路線予測時刻表を特定する(ステップS10359)。例えば、各列車各駅(あるいは駅間)それぞれの開示判定結果109の開示時刻表1097に格納された予測時刻表107を取得し、そのうち最も格納された数の多いパターンの予測時刻表107を特定する。この場合にも、必ずしも数の多い予測時刻表107のパターンを選ばなくてもよく、尤もらしいパターンを選べればよい。また、路線予測時刻表は、予め定めた「運行状況が不明」や「大幅なダイヤ乱れ」といった運行状況の概要を示す情報であってもよい。
In addition, in flow 10351c, the dynamic timetable generation means specifies a predicted route timetable that is one predicted
<図9:動的時刻表110のデータ構成例>
次に、ステップSS1035で作成される動的時刻表110について、説明する。図9に、動的時刻表110のデータ構成例を示す。なお、本実施例では、動的時刻表110として、図9(a)と(b)の2つを例示したが、これらを併せて1つの動的時刻表110として扱ってもよい。
<Figure 9: Example of data structure of
Next, the
図9(a)は、各路線、各列車、各駅の到着、出発それぞれについて、当該動的時刻表110を生成するために参照した予測時刻表107及びその予測値が設定されるものである。そして、その予測値が予測時刻あるいは予測遅延時間であった場合に、図9(a)に示すデータ構造で生成される。この例では、動的時刻表110は、路線1100、列車1101、駅1103、区分1105、動的時刻表パターン1107、予測値(予測遅延時間)1108の各値を格納するフィールドを含む。
In FIG. 9A, the predicted
路線1100~区分1105は、図7(a)に示した開示判定結果109の路線1090~区分1095と同じものである。動的時刻表パターン1107には、図8BのステップS10353あるいはS10355あるいはS10359にて参照した予測時刻表107の名称あるいは識別コードを格納する。予測値(予測遅延時間)1108には、該当する動的時刻表パターン1107において、該当する路線1100、列車1101、駅1103、区分1105で格納される予測値(この例では予測遅延時間)を格納する。この例では、路線1100「路線1」の列車1101「列車A」が駅1093「駅a」に区分1105「到着」するとき、動的時刻表パターン1107「予測時刻表パターン1」が開示可能であって、その予測値(予測遅延時間)1108の値が「1分」である。
図9(b)は、各路線各列車における各駅間の組合せについて、当該動的時刻表110を生成するために参照した予測時刻表107及びその予測値が設定されるものであり、その予測値が予測所要時間であった場合に、このデータ構造で生成する。この例では、動的時刻表110は、路線1100、列車1101、発駅1104、着駅1106、動的時刻表パターン1107、予測値(予測所要時間)1109の各値を格納するフィールドを含む。路線1090~着駅1106は、図7(b)に示した開示判定結果109の路線1090~着駅1096と同じものである。
In FIG. 9(b), the predicted
動的時刻表パターン1107には、図8BのステップS10353あるいはS10355あるいはS10359にて参照した予測時刻表107の名称あるいは識別コードを格納する。予測値(予測所要時間)1109には、該当する動的時刻表パターン1107において、該当する路線1100、列車1101、発駅1104、着駅1106で格納される予測値(予測所要時間)の値を格納する。この例では、路線1100「路線1」の列車1101「列車A」が発駅1104「駅a」から着駅1106「駅b」までかかる所要時間について、動的時刻表パターン1107「予測時刻表パターン1」が開示可能である。そして、その予測値(予測所要時間)1109の値が「10分」である。
The
図9(a)、(b)の例では、各レコードで動的時刻表パターン1107が異なる例を示した。但し、図8Bに示した通り、ステップS1035では配信する予測時刻表107を列車ごとあるいは駅ごとに決定したり、各列車各駅(あるいは駅間)において1つの予測時刻表107を配信したりしてもよい。このため、各レコードの動的時刻表パターン1107が同じであってもよい。
In the examples shown in FIGS. 9A and 9B, each record has a different
<図10:サービスシステム30a、30bの管理者画面の例>
図10に、サービスシステム30の管理者画面の例を示す。この画面は、上述したサービスシステム30に接続される端末装置に表示される。サービスシステム30の管理者は、時刻表管理システム10が配信する動的時刻表110をもとにサービスの表示を設定するために、本画面を操作するものとする。つまり、端末装置が管理者からの入力、指示を受け付ける。ここでは、サービスシステム30は、経路検索サービスを提供するサービスプロバイダが保有するシステムである。このため、サービスシステム30は、ユーザ端末40から受信した経路検索条件(例えば、出発地や目的地、利用日時など)に基づき、推奨する経路や時刻を生成し、ユーザ端末40の画面に案内を表示するものとする。特に断らない限り、以下で説明する処理は、管理端末、サービスシステム30もしくはこれらの連携処理として実現される。
<Figure 10: Example of administrator screen of
FIG. 10 shows an example of the administrator screen of the
管理者画面300は、動的時刻表パターン設定部301と表示設定部303とを備える。動的時刻表パターン設定部301には、時刻表管理システム10から受信する動的時刻表のパターンを表す名称あるいは識別コードを格納する。動的時刻表パターン設定部301に格納される値は、時刻表管理システム10が配信する動的時刻表110の動的時刻表パターン1107に格納される各値と対応する。
The
表示設定部303では、該当する動的時刻表パターン設定部301における、ユーザ端末40の案内画面の表示内容を設定する。図10に示す例では、表示設定部303の3031~3037の各部にて、路線、駅、時刻、所要時間、テキスト文といった各パラメータが設定される。
The
3031~3036に示される実線四角で囲われたパラメータには、時刻表管理システム10が配信する動的時刻表110に格納される各値が代入される。例えば、3031に示される「路線」には、動的時刻表110の路線1100の値が代入される。3032に示される「駅」には、動的時刻表110の駅1103の値が代入される。
Each value stored in the
3033に示される「発駅」、「着駅」には、動的時刻表110の発駅1104、着駅1106の値が代入される。3034に示される「駅(あるいは)発駅、着駅」には、動的時刻表110の駅1103あるいは発駅1104、着駅1106の値が代入される。3035に示される「時刻」には、動的時刻表110の予測値(予測遅延時間)1108の値を静的時刻表の到着時刻あるいは出発時刻を加減算した値、あるいは予測値として予測時刻が格納されていればその値が代入される。
The values of the
3036に示される「所要時間」には、動的時刻表110の予測値(予測所要時間)1109の値が代入される。また、3037に示される下線が引かれたパラメータには、テキスト文が格納され、他のパラメータの各値と合わせてユーザ端末40の案内画面に表示される。ユーザ端末40の案内画面の具体的な例は図11を用いて後述する。なお、図10の例では動的時刻表110が保持する列車1101や動的時刻表パターン1107の値はユーザ端末40の案内画面に表示しないものとして説明したが表示してもよいし、その他の情報を表示してもよい。
The value of the predicted value (predicted required time) 1109 of the
サービスシステム30の管理者が図10に例示する画面を用いて事前に案内画面を設計しておくことで、ユーザ端末40に現実の交通状況を反映した案内を提供できるようになる。なお、このことで、サービスシステム30自身が交通状況の監視や遅延の検知を省略することも可能になる。
By designing the guidance screen in advance by the administrator of the
<図11:ユーザ端末40a~40dの案内画面の例>
図11に、ユーザ端末40がサービスシステム30から提供されるサービスを利用した際に表示される案内画面の例を示す。ここでは、図10の例に合わせて、サービスシステム30が経路検索サービスを提供するサービスプロバイダが保有するシステムであるものとする。このため、この案内画面には、推奨経路が表示されることになる。つまり、図11は、ユーザ端末40から経路検索条件(例えば、出発地や目的地、利用日時など)をサービスシステム30に送信し、その結果として表示される画面の例であるものとする。なお、以下で説明する各処理は、ユーザ端末40の処理として実現される。
<Figure 11: Example of guidance screen of
FIG. 11 shows an example of a guide screen displayed when the user terminal 40 uses a service provided by the
図11に示す例では、案内画面400は、409にて「乗車」あるいは「降車」が指定され、それに続けて401~407の各部にて、路線、駅、時刻、所要時間、テキスト文といった各パラメータの値が表示される。例えば、401には、図10の3031にて設定された各値が表示される。また、402には、図10の3032あるいは3034にて設定された各値が表示される。
In the example shown in FIG. 11, on the
また、403には、図10の3033あるいは3034にて設定された各値が表示される。404には、図10の3034にて設定された各値が表示され、405には、図10の3035にて設定された各値が表示され、407には、図10の3037にて設定された各値が表示される。その他にも、静的時刻表で定められた各駅の出発時刻、到着時刻を表示してもよいし、一般的な経路検索サービスで表示される項目(例えば、運賃、所要時間、乗車位置、経路のサマリ、他経路の候補など)を表示してもよい。なお、路線のないエリアについて、自家用車、タクシー、徒歩といった他の交通機関による情報を表示可能としてもよい。 Further, in 403, each value set in 3033 or 3034 in FIG. 10 is displayed. 404 displays each value set at 3034 in FIG. 10, 405 displays each value set at 3035 in FIG. 10, and 407 displays each value set at 3037 in FIG. Each value is displayed. In addition, the departure time and arrival time of each station determined by a static timetable may be displayed, or items displayed in general route search services (for example, fare, required time, boarding position, route summary, other route candidates, etc.) may also be displayed. Note that for areas without routes, it may be possible to display information on other modes of transportation such as private cars, taxis, and walking.
図11に例示する画面により、現実の交通状況に合った案内を受けられるようになる。このため、ユーザは自分で交通状況を判断して用いるサービスの選択を省略することが可能である。 The screen illustrated in FIG. 11 allows the user to receive guidance that matches the actual traffic situation. Therefore, the user can judge the traffic situation by himself and can omit the selection of the service to be used.
<図12:予測時刻表生成部101の実行する処理のフローチャート>
次に、予測誤差の算出の第2の例、つまり、これを予測時刻表生成部101が実行する処理について説明する。図12に、予測時刻表生成部101の実行する処理のフローチャートを示す。
<Figure 12: Flowchart of processing executed by the predicted
Next, a second example of calculation of a prediction error, that is, a process performed by the prediction
まず、予測時刻表生成部101は、動的運行データ配信システム20から運行データを受信する(ステップS1011)。次に、予測時刻表生成部101の図示しない予測値生成手段が、運行状況の予測処理を実行して予測値1077~1079を算出する(ステップS1012)。この予測値1077~1079は、これらのうち少なくとも1つを生成すればよく、その内容は図3を用いて説明したとおりである。
First, the predicted
次に、予測時刻表生成部101の図示しない予測誤差算出手段が、予測処理の正確性に関する予測誤差を算出する。この処理は、動的時刻表生成部103の予測誤差算出手段と基本的には同様の処理により実行できる(ステップS1031と同様)。但し、本例では予測時刻表107の生成前であるため、ステップS1012で算出された予測値を用いることになる。
Next, a prediction error calculation unit (not shown) of the prediction
次に、予測時刻表生成部101の図示しない開示判定手段が、ステップS1013にて算出した予測誤差に基づき、開示判定結果109を生成する(ステップS1014)。これは、動的時刻表生成部103の開示判定手段の処理(ステップS1033)と同様の処理を実行することになる。つまり、ここでは、予測誤差に基づいて、予測処理の正確性示す情報を特定する。このために、開示判定手段は、例えば予め記憶した閾値と比較処理を実行する。
Next, a disclosure determination unit (not shown) of the predicted
次に、予測時刻表生成部101の図示しない予測時刻表生成手段は、正確性を示す情報に基づき、予測時刻表107ひいては動的時刻表110の作成に用いられる予測値を特定する。そして、この予測時刻表生成手段は、これを用いて所定単位ごと、つまり、これらの少なくともその一部の予測時刻表107を生成する(ステップS1015)。この結果、ここで作成された予測時刻表107を用いて、動的時刻表生成部103で動的時刻表110の生成が可能になる。
Next, a predicted timetable generation unit (not shown) of the predicted
<まとめ>
以上、本発明を実施例に沿って説明した。本発明は上記実施例に限定されるものではなく、様々な変形例が含まれる。上記実施例は本発明を分かりやすく説明するために詳細に記載したものであり、説明した全ての構成を備えるものに限定されるものではない。
<Summary>
The present invention has been described above along with examples. The present invention is not limited to the above embodiments, but includes various modifications. The above embodiments are described in detail to explain the present invention in an easy-to-understand manner, and the present invention is not limited to those having all the configurations described.
例えば、時刻表管理システム10は、時刻表以外の情報、例えば、運行間隔の情報なども配信してもよい。運行の状況に合わせて配信頻度を変えてもよい。また、サービスシステム30は、ユーザ端末40からの経路検索条件に応じて案内を表示するのではなく、運行の状況が変化した際にサービスシステム30からユーザ端末40に対して通知してもよい。
For example, the
また、サービスシステム30では定期券区間を事前に検索条件として登録したり、あるいは前回の検索での経路を保存して次回以降の検索に利用したりしてもよい。また、サービスシステム30は必ずしも経路を案内するシステムでなくてもよく、駅に設置される発車標のような発車時刻を案内するシステムなどであってもよい。また、時刻表管理システム10は複数パターンの動的時刻表110を配信して、サービスシステム30がその複数パターンのうちどれを使うかを判断してもよい。
Further, in the
動的時刻表110のパターンが複数存在する場合、参照する予測時刻表107のパターンが変わることで急に案内される時刻が変わるとユーザに混乱を与える可能性がある。それを回避するためには、開示閾値108の条件を複数回満たしてから参照するパターンを切り替えたり、徐々に(つまり、複数回に分けて)時刻が変わるようにしたりしてもよい。
If a plurality of patterns of the
また、事業者の観点では、予測が正確すぎると、列車に旅客が殺到して遅れが拡大する可能性がある。それを回避するために、後発の列車の予測を案内して、一本列車を見送ることを誘導したり、あえて旅客ごとに異なる案内をしたりすることも考えられる。そのような観点で開示閾値108を決めてもよい。一方、旅客の観点では、時刻表そのものよりも、遅れが発生している列車に乗車するときに、その後の予定に間に合うか否かの方が気になる人もいる。そういった旅客を考慮して開示閾値108を決めてもよい。あるいは、サービスシステム30やユーザ端末40に閾値を設定させてもよい。
Also, from an operator's perspective, if the forecasts are too accurate, trains could be flooded with passengers and delays could increase. In order to avoid this, it is possible to provide information on the prediction of later trains and guide passengers to skip one train, or to intentionally provide different guidance to each passenger. The
このように本実施例によれば、各路線、各列車、各駅などの交通機関を構成する所定単位において算出する予測誤差に応じて予測時刻表の開示判定を行いユーザに開示可能な動的時刻表を生成する。このことで、運行状況が不安定で着発予定時刻を確実に予測できない場合でも、予測値の確からしさに応じて適度な品質を保ったサービス提供が可能となる。つまり、ユーザに対する誤案内を防ぐため、運行状況が不安定で着発予定時刻を確実に予測できない場合でも、適度な品質を保ったサービス提供を可能となる。 As described above, according to the present embodiment, the disclosure of the predicted timetable is determined according to the prediction error calculated in a predetermined unit that constitutes a transportation system such as each route, each train, each station, etc., and the dynamic time that can be disclosed to the user is determined. Generate a table. As a result, even if the scheduled arrival and departure times cannot be reliably predicted due to unstable operating conditions, it is possible to provide services that maintain appropriate quality depending on the reliability of the predicted values. In other words, in order to prevent erroneous guidance to the user, it is possible to provide services that maintain appropriate quality even when the operating conditions are unstable and the scheduled arrival and departure times cannot be reliably predicted.
さらに、本実施例では、動的運行データ配信システム20、時刻表管理システム10およびサービスシステム30それぞれ独立した装置として説明した。但し、これらの少なくとも一部を組み合わせてシステムを構築してもよい。
Furthermore, in this embodiment, the dynamic operation
さらに、本実施例では、動的運行データ配信システム20、時刻表管理システム10およびサービスシステム30は、それぞれ別の事業者が運用、利用する枠組みとして記載した。但し、これらを複数の事業者が共同で運用、利用するようにしてもよいし、まとめて事業者が運用、管理してもよい。
Furthermore, in this embodiment, the dynamic operation
さらに、本実施例の処理について、運行状況に応じた動的ダイヤ情報の一種である動的時刻表を生成し、これに基づく推奨経路をユーザ端末に出力する構成で説明した。但し、本実施例では、交通機関の運行データから動的ダイヤ情報を生成して、これらもしくはこれらから生成される案内情報を配信する構成を生成してもよい。 Furthermore, the processing of this embodiment has been described with a configuration in which a dynamic timetable, which is a type of dynamic timetable information according to the operating conditions, is generated and a recommended route based on this is output to the user terminal. However, in this embodiment, a configuration may be created in which dynamic timetable information is generated from operation data of transportation facilities, and guidance information generated from the dynamic timetable information is distributed.
ここで、本実施例の動的ダイヤ情報とは、遅延など運行予定が変更される場合における運行状況を示す情報であり、動的時刻表を含む。そして、動的ダイヤ情報には、交通機関における運転時刻をまとめた動的時刻表の他、駅などの交通機関を構成する所定単位における運行状況、予定や遅延時間等の運行予定の変更内容などが含まれる。なお、動的ダイヤ情報は、動的運行情報などその表現は問わない。 Here, the dynamic timetable information of this embodiment is information indicating the operating status when the operating schedule is changed such as a delay, and includes a dynamic timetable. The dynamic timetable information includes dynamic timetables that summarize the operating times of transportation facilities, as well as the operation status of predetermined units such as stations that make up transportation facilities, and details of changes to the operation schedule such as schedules and delay times. is included. Note that the dynamic timetable information may be expressed in any way, such as dynamic operation information.
また、案内情報は、交通機関のユーザに対する乗車案内を示し、乗り換え案内などのいわゆる推奨経路といった経路情報が含まれる。 Further, the guidance information indicates boarding guidance for users of transportation facilities, and includes route information such as so-called recommended routes such as transfer guidance.
また、本実施例で生成する動的時刻表は、推奨経路の案内だけではなく、乗車券、指定席券のようなチケットの販売に用いてもよい。この場合、さらに、運賃や指定料金にダイナミックプライシングを導入し、例えば混雑による遅延を回避するように値段を変動させたりするために、動的時刻表を用いてもよい。一方、動的時刻表を制御系のシステムに提供することも考えられる。また、駅間の移動経路だけでなく、買い物などの寄り道を含めた経路を案内し、移動以外の時間の使い方を提案してもよい。 Furthermore, the dynamic timetable generated in this embodiment may be used not only for guiding recommended routes but also for selling tickets such as train tickets and reserved seat tickets. In this case, a dynamic timetable may also be used to introduce dynamic pricing to fares and designated charges, and to vary prices to avoid delays due to congestion, for example. On the other hand, it is also conceivable to provide a dynamic timetable to a control system. Furthermore, the user may be provided with not only travel routes between stations, but also routes that include detours such as shopping, and suggestions for how to use time other than traveling.
1:運行案内システム、10:時刻表管理システム、20a、20b:動的運行データ配信システム、30a、30b:サービスシステム、40a~40d:ユーザ端末、51,52,53:通信ネットワーク、101:予測時刻表生成部、103:動的時刻表生成部、105:配信部、107:予測時刻表、108:開示閾値、109:開示判定結果、110:動的時刻表 1: Operation guidance system, 10: Timetable management system, 20a, 20b: Dynamic operation data distribution system, 30a, 30b: Service system, 40a to 40d: User terminal, 51, 52, 53: Communication network, 101: Prediction Timetable generation unit, 103: Dynamic timetable generation unit, 105: Distribution unit, 107: Prediction timetable, 108: Disclosure threshold, 109: Disclosure determination result, 110: Dynamic timetable
Claims (9)
前記交通機関の運行データの入力を受け付ける入力手段と、
入力された前記運行データに基づき、交通機関を構成する所定単位ごとに、運行状況に対する予測処理を実行して、前記運行予定の変更による影響の度合いを示す予測値を生成する予測値生成手段と、
前記予測処理の正確性に関する予測誤差を算出する予測誤差算出手段と、
予め定められた予測値閾値を記憶する予測値閾値記憶手段と、
前記予測誤差と前記予測値閾値を比較して、前記予測処理の正確性として、前記予測誤差の正確性を特定する開示判定手段と、
前記特定される予測値を含む前記所定単位ごとの予測時刻表を複数生成する予定時刻表生成手段と、
前記動的ダイヤ情報として、前記交通機関における運転時刻をまとめた動的時刻表を生成する動的時刻表生成手段とを有し、
前記動的時刻表生成手段は、予め定められた所定条件に従って、前記開示判定手段で特定された正確性に従って特定される予測時刻表を用いて、前記動的時刻表を生成するダイヤ情報管理システム。 A timetable information management system that generates dynamic timetable information indicating the operation status when the operation schedule of a transportation facility is changed,
an input means for accepting input of operation data of the transportation facility;
Predicted value generation means for generating a predicted value indicating the degree of influence of the change in the operation schedule by executing a prediction process on the operation status for each predetermined unit constituting the transportation facility based on the input operation data; ,
Prediction error calculation means for calculating a prediction error regarding the accuracy of the prediction process ;
Predicted value threshold storage means for storing a predetermined predicted value threshold;
disclosure determining means for comparing the prediction error with the prediction value threshold and identifying the accuracy of the prediction error as the accuracy of the prediction process;
Schedule timetable generation means for generating a plurality of predicted timetables for each of the predetermined units including the specified predicted values;
as the dynamic timetable information, a dynamic timetable generating means for generating a dynamic timetable that summarizes operating times in the transportation facility;
The dynamic timetable generation means is a timetable information management system that generates the dynamic timetable using a predicted timetable specified according to the accuracy specified by the disclosure determination means according to predetermined conditions. .
前記交通機関は鉄道であり、前記所定単位は、前記交通機関の列車および駅であり、
前記動的時刻表生成手段は、前記所定条件に従って、
(1)前記列車および前記駅ごとの予測時刻表を用いて、前記動的時刻表を生成し、
(2)前記列車もしくは前記駅ごとの予測時刻表を用いて、前記動的時刻表を生成し、
(3)前記所定単位を含む対象路線全体に対する路線予測時刻表を、前記動的時刻表として用いるダイヤ情報管理システム。 The timetable information management system according to claim 1 ,
The means of transportation is a railway, the predetermined unit is a train and a station of the means of transportation,
The dynamic timetable generation means, according to the predetermined conditions,
(1) generating the dynamic timetable using the predicted timetable for each train and the station;
(2) generating the dynamic timetable using a predicted timetable for each train or station;
(3) A timetable information management system that uses a route prediction timetable for the entire target route including the predetermined unit as the dynamic timetable.
前記動的時刻表生成手段は、前記路線予測時刻表を、前記所定単位における各予測誤差の正確性のうち、最も多い予測誤差の正確性に応じた予測値を用いて生成するダイヤ情報管理システム。 In the timetable information management system according to claim 2 ,
The dynamic timetable generation means is a timetable information management system that generates the route prediction timetable using a predicted value corresponding to the accuracy of the most frequent prediction error among the accuracy of each prediction error in the predetermined unit. .
前記予測値生成手段は、前記予測値を時系列に従った複数の予測値を生成し、
前記予測誤差算出手段は、前記複数の予測値に基づく近似線を特定し、特定された前記近似線と前記複数の予測値の差分を前記予測誤差として算出するダイヤ情報管理システム。 The timetable information management system according to any one of claims 1 to 3 ,
The predicted value generation means generates a plurality of predicted values based on the predicted value in chronological order,
The prediction error calculation means specifies an approximate line based on the plurality of predicted values, and calculates a difference between the specified approximate line and the plurality of predicted values as the prediction error.
前記交通機関の運行データの入力を受け付け、
入力された前記運行データに基づき、交通機関を構成する所定単位ごとに、運行状況に対する予測処理を実行して、前記運行予定の変更による影響の度合いを示す予測値を生成し、
前記予測処理の正確性に関する予測誤差を算出することで、
前記予測誤差に応じて、生成された予測値から特定される予測値に基づいて、前記動的ダイヤ情報を生成し、
予め定められた予測値閾値を記憶し、
前記予測誤差と前記予測値閾値を比較して、前記予測処理の正確性として、前記予測誤差の正確性を特定し、
前記特定される予測値を含む前記所定単位ごとの予測時刻表を複数生成し、
前記動的ダイヤ情報として、前記交通機関における運転時刻をまとめた動的時刻表であって、予め定められた所定条件に従って、前記正確性に従って特定される予測時刻表を用いて、前記動的時刻表を生成するダイヤ情報管理方法。 A timetable information management method using a timetable information management system that generates dynamic timetable information indicating operation status when the operation schedule of a transportation facility is changed, the method comprising:
Accepting input of operation data of the transportation facility,
Based on the input operation data, perform a prediction process on the operation status for each predetermined unit constituting the transportation facility, and generate a predicted value indicating the degree of influence due to the change in the operation schedule,
By calculating the prediction error regarding the accuracy of the prediction process,
Generating the dynamic timetable information based on a predicted value identified from the generated predicted values according to the prediction error,
storing a predetermined predicted value threshold;
Comparing the prediction error with the prediction value threshold and identifying the accuracy of the prediction error as the accuracy of the prediction process,
generating a plurality of prediction timetables for each of the predetermined units including the specified predicted values;
The dynamic timetable information is a dynamic timetable that summarizes the operating times of the transportation facility, and the dynamic timetable is specified using a predicted timetable that is specified according to the accuracy according to predetermined conditions. A timetable information management method that generates a table .
前記交通機関は鉄道であり、前記所定単位は、前記交通機関の列車および駅であり、
前記所定条件に従って、
(1)前記列車および前記駅ごとの予測時刻表を用いて、前記動的時刻表を生成し、
(2)前記列車もしくは前記駅ごとの予測時刻表を用いて、前記動的時刻表を生成し、
(3)前記所定単位を含む対象路線全体に対する路線予測時刻表を、前記動的時刻表として用いるダイヤ情報管理方法。 In the timetable information management method according to claim 5 ,
The means of transportation is a railway, the predetermined unit is a train and a station of the means of transportation,
According to the predetermined conditions,
(1) generating the dynamic timetable using the predicted timetable for each train and the station;
(2) generating the dynamic timetable using a predicted timetable for each train or station;
(3) A timetable information management method using a route prediction timetable for the entire target route including the predetermined unit as the dynamic timetable.
前記路線予測時刻表を、前記所定単位における各予測誤差の正確性のうち、最も多い予測誤差の正確性に応じた予測値を用いて生成するダイヤ情報管理方法。 In the timetable information management method according to claim 6 ,
A timetable information management method in which the route prediction timetable is generated using a predicted value according to the accuracy of the most frequent prediction error among the accuracy of each prediction error in the predetermined unit.
前記予測値を時系列に従った複数の予測値を生成し、
前記複数の予測値に基づく近似線を特定し、特定された前記近似線と前記複数の予測値の差分を前記予測誤差として算出するダイヤ情報管理方法。 The timetable information management method according to any one of claims 5 to 7 ,
Generate a plurality of predicted values according to the predicted value in time series,
A timetable information management method that identifies an approximation line based on the plurality of predicted values, and calculates a difference between the specified approximation line and the plurality of predicted values as the prediction error.
前記交通機関の運行データの入力を受け付ける入力手段と、
入力された前記運行データに基づき、交通機関を構成する所定単位ごとに、運行状況に対する予測処理を実行して、前記運行予定の変更による影響の度合いを示す予測値を生成する予測値生成手段と、
前記予測処理の正確性に関する予測誤差を算出する予測誤差算出手段と、
前記予測誤差に応じて、生成された予測値から特定される予測値に基づいて、前記動的ダイヤ情報を生成する動的ダイヤ情報生成手段と、
予め定められた予測値閾値を記憶する予測値閾値記憶手段と、
前記予測誤差と前記予測値閾値を比較して、前記予測処理の正確性として、前記予測誤差の正確性を特定する開示判定手段と、
前記特定される予測値を含む前記所定単位ごとの予測時刻表を複数生成する予定時刻表生成手段を有し、
前記動的ダイヤ情報生成手段は、予め定められた所定条件に従って、前記開示判定手段で特定された正確性に従って特定される予測時刻表を用いて、前記動的ダイヤ情報として、動的時刻表を生成する動的時刻表生成手段である運行案内システム。 An operation guidance system that generates dynamic timetable information indicating operation status when the operation schedule of a transportation facility is changed,
an input means for accepting input of operation data of the transportation facility;
Predicted value generation means for generating a predicted value indicating the degree of influence of the change in the operation schedule by executing a prediction process on the operation status for each predetermined unit constituting the transportation facility based on the input operation data; ,
Prediction error calculation means for calculating a prediction error regarding the accuracy of the prediction process;
Dynamic timetable information generation means for generating the dynamic timetable information based on a predicted value specified from the generated predicted values according to the prediction error ;
Predicted value threshold storage means for storing a predetermined predicted value threshold;
disclosure determining means for comparing the prediction error with the prediction value threshold and identifying the accuracy of the prediction error as the accuracy of the prediction process;
comprising a schedule timetable generating means for generating a plurality of predicted timetables for each of the predetermined units including the specified predicted values;
The dynamic timetable information generating means generates a dynamic timetable as the dynamic timetable information using a predicted timetable specified according to the accuracy specified by the disclosure determining means according to predetermined conditions. A traffic guidance system that is a means of generating dynamic timetables .
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020128179A JP7449192B2 (en) | 2020-07-29 | 2020-07-29 | Timetable information management system, timetable information management method, and operation guidance system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020128179A JP7449192B2 (en) | 2020-07-29 | 2020-07-29 | Timetable information management system, timetable information management method, and operation guidance system |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022025391A JP2022025391A (en) | 2022-02-10 |
JP7449192B2 true JP7449192B2 (en) | 2024-03-13 |
Family
ID=80264887
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020128179A Active JP7449192B2 (en) | 2020-07-29 | 2020-07-29 | Timetable information management system, timetable information management method, and operation guidance system |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7449192B2 (en) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016190619A (en) | 2015-03-31 | 2016-11-10 | 株式会社日立製作所 | Operation information distribution device |
JP2019059348A (en) | 2017-09-27 | 2019-04-18 | 株式会社日立製作所 | Operation information processing device and processing method for the same |
WO2020049775A1 (en) | 2018-09-05 | 2020-03-12 | 株式会社日立製作所 | Passenger guiding system and passenger guiding method |
-
2020
- 2020-07-29 JP JP2020128179A patent/JP7449192B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016190619A (en) | 2015-03-31 | 2016-11-10 | 株式会社日立製作所 | Operation information distribution device |
JP2019059348A (en) | 2017-09-27 | 2019-04-18 | 株式会社日立製作所 | Operation information processing device and processing method for the same |
WO2020049775A1 (en) | 2018-09-05 | 2020-03-12 | 株式会社日立製作所 | Passenger guiding system and passenger guiding method |
Also Published As
Publication number | Publication date |
---|---|
JP2022025391A (en) | 2022-02-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6895325B2 (en) | Traffic demand forecasting device, traffic demand forecasting method, and traffic demand forecasting program | |
JP5986641B2 (en) | Traffic analysis system | |
JP5902607B2 (en) | Travel time information providing apparatus and travel time information providing method | |
JP6058139B2 (en) | Public transport navigator | |
JP6068634B2 (en) | Route operation result prediction time generation system, route operation result prediction time generation method, and route operation result prediction time generation program | |
JPWO2006061885A1 (en) | Vacant seat route search system, vacant seat route search device, and terminal device | |
WO2015049801A1 (en) | Passenger guidance system and passenger guidance method | |
JP7520706B2 (en) | Operation support system and operation support method | |
JP7280791B2 (en) | Timetable management system and timetable management method | |
JP2016222114A (en) | Data processing system and data processing method | |
Li et al. | The value of prepositioning in smartphone-based vanpool services under stochastic requests and time-dependent travel times | |
JP5986300B1 (en) | Route information providing system, route information providing method, and route information providing program | |
JP7157812B2 (en) | Passenger guidance system and passenger guidance method | |
US10402755B2 (en) | Transportation service information providing apparatus, and transportation service information providing method | |
KR102696587B1 (en) | Communication server device, method, and communication system for managing requests for transportation-related services | |
Shalaby et al. | Rail transit disruption management: a comprehensive review of strategies and approaches | |
JP5969957B2 (en) | Train congestion degree prediction system and train congestion degree prediction method | |
JP7449192B2 (en) | Timetable information management system, timetable information management method, and operation guidance system | |
JP2017154536A (en) | Crew operation management system and crew operation management method | |
JP7425680B2 (en) | Navigation device and navigation method | |
JP7146203B1 (en) | Traffic vehicle operation status analysis device, information terminal, computer program | |
WO2023175852A1 (en) | Transportation service cooperation assistance device, transportation service cooperation assistance method, and transportation service cooperation assistance system | |
US11798108B2 (en) | Transportation service planning system and transportation service planning method | |
KR102224587B1 (en) | Method for providing service of generation and management trip plan and system for providing service of generation and management trip plan | |
WO2023175853A1 (en) | Operation plan creation system, transportation service cooperation system, operation plan creation method, and operation plan creation program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230217 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230929 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231003 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231113 |
|
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: 20240213 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240301 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7449192 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |