JPH09230910A - 旅客需要予測方式 - Google Patents
旅客需要予測方式Info
- Publication number
- JPH09230910A JPH09230910A JP6199096A JP6199096A JPH09230910A JP H09230910 A JPH09230910 A JP H09230910A JP 6199096 A JP6199096 A JP 6199096A JP 6199096 A JP6199096 A JP 6199096A JP H09230910 A JPH09230910 A JP H09230910A
- Authority
- JP
- Japan
- Prior art keywords
- train
- data
- forecasting
- inputted
- factor
- 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.)
- Pending
Links
- 238000000611 regression analysis Methods 0.000 claims abstract description 11
- 238000007619 statistical method Methods 0.000 claims abstract description 4
- 238000013277 forecasting method Methods 0.000 claims description 20
- 238000000034 method Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 abstract description 16
- 238000013075 data extraction Methods 0.000 abstract description 8
- 239000000284 extract Substances 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 6
- 238000013500 data storage Methods 0.000 description 4
- 230000002354 daily effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
Landscapes
- Feedback Control In General (AREA)
- Train Traffic Observation, Control, And Security (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
(57)【要約】
【課題】入力された列車との間で所定の条件を満たす列
車の過去の実績データのみから統計的手法により旅客数
を予測することで予測式を算出する際の時間を短縮する
ことができる旅客需要予測方式を提供する。 【解決手段】入力部130により予測の対象となる列車名
を入力すると、統計処理部140のデータ抽出部141により
実績データ部120の列車データ部121からその入力された
列車との間で所定の条件を満たす列車を抽出し、要因デ
ータ部122からその抽出された列車に対応する実績デー
タを抽出する。予測式算出部142は、抽出された実績デ
ータをもとに重回帰分析を行って予測式を算出する。そ
の後、入力部130により予測の対象となる列車に該当す
る要因を入力すると、入力された要因と算出された予測
式とから予測値算出部143により予測値を算出し、その
結果を出力部150から出力する。
車の過去の実績データのみから統計的手法により旅客数
を予測することで予測式を算出する際の時間を短縮する
ことができる旅客需要予測方式を提供する。 【解決手段】入力部130により予測の対象となる列車名
を入力すると、統計処理部140のデータ抽出部141により
実績データ部120の列車データ部121からその入力された
列車との間で所定の条件を満たす列車を抽出し、要因デ
ータ部122からその抽出された列車に対応する実績デー
タを抽出する。予測式算出部142は、抽出された実績デ
ータをもとに重回帰分析を行って予測式を算出する。そ
の後、入力部130により予測の対象となる列車に該当す
る要因を入力すると、入力された要因と算出された予測
式とから予測値算出部143により予測値を算出し、その
結果を出力部150から出力する。
Description
【０００１】
【発明の属する技術分野】本発明は、需要量を予測する
ための需要予測方式に関し、特に鉄道における旅客数の
予測に好適な旅客需要予測方式に関する。
ための需要予測方式に関し、特に鉄道における旅客数の
予測に好適な旅客需要予測方式に関する。
【０００２】
【従来の技術】従来、この種の汎用的な需要予測方式と
しては、例えば特開平３−２１２７０２号公報や特開平
５−２０４４１２号公報等に記載された方式が提案され
ている。
しては、例えば特開平３−２１２７０２号公報や特開平
５−２０４４１２号公報等に記載された方式が提案され
ている。
【０００３】前記特開平３−２１２７０２号公報には、
電力等の最大需要を予測するために、知識ベースを用
い、過去の実績データをどのように利用して予測計算式
としてどの方式を用いるか、等の判断を推論機構により
行って、入力された日付や気象等のデータをもとに推論
機構で予測方式を選択し、この選択された予測方式に対
応する計算を実績データをもとに行って需要の予測値を
得、この得られた予測値に知識ベースにより補正処理を
施した上で予測結果を出力する需要予測支援システムが
提案されている。
電力等の最大需要を予測するために、知識ベースを用
い、過去の実績データをどのように利用して予測計算式
としてどの方式を用いるか、等の判断を推論機構により
行って、入力された日付や気象等のデータをもとに推論
機構で予測方式を選択し、この選択された予測方式に対
応する計算を実績データをもとに行って需要の予測値を
得、この得られた予測値に知識ベースにより補正処理を
施した上で予測結果を出力する需要予測支援システムが
提案されている。
【０００４】また、前記特開平５−２０４４１２号公報
には、需要量の実績データを影響要因を付してデータベ
ースに格納し、特性係数導出手段により、データベース
から抽出した実績データに基づいて、不連続性影響要因
ごとにその属性値を統合するための特性係数を求め、影
響要因に応じて需要実績データに天気影響係数を反映さ
せることによって、需要実績データを補正し、この補正
した需要データを用い、日最高気温、日最低気温等の連
続的影響要因と、需要量との関数関係を求め、予測時点
での不連続性影響要因をもとに前記特性係数を用い需要
量を補正し、予測需要量を決定する需要量予測方法が提
案されている。
には、需要量の実績データを影響要因を付してデータベ
ースに格納し、特性係数導出手段により、データベース
から抽出した実績データに基づいて、不連続性影響要因
ごとにその属性値を統合するための特性係数を求め、影
響要因に応じて需要実績データに天気影響係数を反映さ
せることによって、需要実績データを補正し、この補正
した需要データを用い、日最高気温、日最低気温等の連
続的影響要因と、需要量との関数関係を求め、予測時点
での不連続性影響要因をもとに前記特性係数を用い需要
量を補正し、予測需要量を決定する需要量予測方法が提
案されている。
【０００５】このように、この種の従来の汎用的な需要
予測方式としては前記各公報に記載されたような各種の
方式が提案されているが、鉄道における旅客数の予測に
限定し、その特徴に着目した需要予測方式は現在までの
ところ存在していない。
予測方式としては前記各公報に記載されたような各種の
方式が提案されているが、鉄道における旅客数の予測に
限定し、その特徴に着目した需要予測方式は現在までの
ところ存在していない。
【０００６】
【発明が解決しようとする課題】前記各公報に記載され
たような従来の汎用的な需要予測方式においては、汎用
性を確保する必要から、あらゆる説明変量の中から必要
な説明変量を選択し、重回帰分析を行って検定統計量を
算出し、検定統計量が低ければ説明変量を減らして再び
重回帰分析を行い、検定統計量の値が全て満たされてい
れば説明変量を増やして再び重回帰分析を行い、これら
を繰り返して必要とされる説明変量の選択を行うように
するため、需要量を予測するための予測式に必要とされ
る説明変量を決定するまでに相当の時間を要してしまう
という問題がある。
たような従来の汎用的な需要予測方式においては、汎用
性を確保する必要から、あらゆる説明変量の中から必要
な説明変量を選択し、重回帰分析を行って検定統計量を
算出し、検定統計量が低ければ説明変量を減らして再び
重回帰分析を行い、検定統計量の値が全て満たされてい
れば説明変量を増やして再び重回帰分析を行い、これら
を繰り返して必要とされる説明変量の選択を行うように
するため、需要量を予測するための予測式に必要とされ
る説明変量を決定するまでに相当の時間を要してしまう
という問題がある。
【０００７】従って、本発明は前記問題点に鑑みてなさ
れたものであり、鉄道における旅客数を予測するための
旅客需要予測方式において、入力された列車との間で所
定の条件を満たす列車の過去の実績データのみから統計
的手法を用いて旅客数を予測することにより、予測式を
算出する際の時間を短縮することができる旅客需要予測
方式を提供することを目的とする。
れたものであり、鉄道における旅客数を予測するための
旅客需要予測方式において、入力された列車との間で所
定の条件を満たす列車の過去の実績データのみから統計
的手法を用いて旅客数を予測することにより、予測式を
算出する際の時間を短縮することができる旅客需要予測
方式を提供することを目的とする。
【０００８】なお、本発明の該旅客需要予測方式によれ
ば、後述するように、経営資源の最適な利用を実現する
と共に、列車本数の最適性ないし妥当性を向上させて利
用者の利便性を図ることができるようになる。
ば、後述するように、経営資源の最適な利用を実現する
と共に、列車本数の最適性ないし妥当性を向上させて利
用者の利便性を図ることができるようになる。
【０００９】
【課題を解決するための手段】前記目的を達成するた
め、本発明は、鉄道における旅客数を予測するための旅
客需要予測方式において、予測の対象となる列車の識別
名を入力し、該入力された列車との間で所定の条件を満
たす一又は複数の列車の実績データをもとに統計的手法
により予測式を算出し、該算出された予測式に基づいて
前記入力された列車の旅客数を予測することを特徴とす
る旅客需要予測方式を提供する。
め、本発明は、鉄道における旅客数を予測するための旅
客需要予測方式において、予測の対象となる列車の識別
名を入力し、該入力された列車との間で所定の条件を満
たす一又は複数の列車の実績データをもとに統計的手法
により予測式を算出し、該算出された予測式に基づいて
前記入力された列車の旅客数を予測することを特徴とす
る旅客需要予測方式を提供する。
【００１０】また、本発明の旅客需要予測方式は、前記
所定の条件が、前記識別名により特定される個々の列車
ごとに変動しない運行方面や停車駅等の情報の一致度に
関するものであるとよい。
所定の条件が、前記識別名により特定される個々の列車
ごとに変動しない運行方面や停車駅等の情報の一致度に
関するものであるとよい。
【００１１】さらに、本発明の旅客需要予測方式は、前
記実績データが、前記識別名により特定される同一の列
車においても変動する発車日や該発車日の属性等の複数
の項目を含むものであるとよい。
記実績データが、前記識別名により特定される同一の列
車においても変動する発車日や該発車日の属性等の複数
の項目を含むものであるとよい。
【００１２】さらにまた、本発明の旅客需要予測方式
は、前記実績データの各項目を説明変量として重回帰分
析を行うことで前記予測式を算出するようにするとよ
い。
は、前記実績データの各項目を説明変量として重回帰分
析を行うことで前記予測式を算出するようにするとよ
い。
【００１３】前述した構成のもとで、本発明の旅客需要
予測方式によれば、入力された列車との間で所定の条件
を満たす列車の実績データを抽出し、抽出された実績デ
ータのみから旅客数の予測式を算出することにより、識
別名により特定される個々の列車ごとに変動しない運行
方面や停車駅等の要因を予測式に反映させながら、入力
された列車との間で条件を満たさない列車の実績データ
を考慮する手間を省くと共に、予測式の目的値（目的変
量）に影響を及ぼすと考えられる最初の説明変量から運
行方面や停車駅等の説明変量を取り除くことで重回帰分
析により説明変量を選択する際の時間を短縮することが
できる。
予測方式によれば、入力された列車との間で所定の条件
を満たす列車の実績データを抽出し、抽出された実績デ
ータのみから旅客数の予測式を算出することにより、識
別名により特定される個々の列車ごとに変動しない運行
方面や停車駅等の要因を予測式に反映させながら、入力
された列車との間で条件を満たさない列車の実績データ
を考慮する手間を省くと共に、予測式の目的値（目的変
量）に影響を及ぼすと考えられる最初の説明変量から運
行方面や停車駅等の説明変量を取り除くことで重回帰分
析により説明変量を選択する際の時間を短縮することが
できる。
【００１４】
【発明の実施の形態】次に、本発明の実施の形態につい
て図面を参照して詳細に説明する。
て図面を参照して詳細に説明する。
【００１５】図１は、本発明の一実施形態に係る旅客需
要予測方式の構成を示すブロック図である。
要予測方式の構成を示すブロック図である。
【００１６】図１を参照すると、本実施形態に係る旅客
需要予測方式は、実績データ部１２０にデータを蓄積す
るためのデータ蓄積部１１０と、列車データ部１２１と
要因データ部１２２とからなる実績データ部１２０と、
データや変動要因等を入力するための入力部１３０と、
データ抽出部１４１と予測式算出部１４２と予測値算出
部１４３とからなる統計処理部１４０と、算出された予
測値を出力するための出力部１５０と、から構成され
る。
需要予測方式は、実績データ部１２０にデータを蓄積す
るためのデータ蓄積部１１０と、列車データ部１２１と
要因データ部１２２とからなる実績データ部１２０と、
データや変動要因等を入力するための入力部１３０と、
データ抽出部１４１と予測式算出部１４２と予測値算出
部１４３とからなる統計処理部１４０と、算出された予
測値を出力するための出力部１５０と、から構成され
る。
【００１７】実績データ部１２０は、列車番号（例えば
「のぞみ１号」等）等の識別名により特定される列車別
の始発駅や終着駅、停車駅等の個々の列車ごとに変動し
ない情報を格納するための列車データ部１２１と、列車
番号等の識別名が同一の列車においても常に変動する列
車の発車日や曜日等の情報を格納するための要因データ
部１２２と、から構成される。
「のぞみ１号」等）等の識別名により特定される列車別
の始発駅や終着駅、停車駅等の個々の列車ごとに変動し
ない情報を格納するための列車データ部１２１と、列車
番号等の識別名が同一の列車においても常に変動する列
車の発車日や曜日等の情報を格納するための要因データ
部１２２と、から構成される。
【００１８】図２に、本発明の一実施形態に係る旅客需
要予測方式の列車データ部１２１のデータ形式を示す。
図２に示すように、列車データ部１２１には、列車番号
等の識別名により特定される「列車名」に対応する形
で、その列車の始発駅の「駅名」及び「発時刻」や終着
駅の「駅名」及び「着時刻」、停車駅（１〜Ｎ）の「駅
名」、「発時刻」及び「着時刻」の各項目に対応するデ
ータが格納されている。
要予測方式の列車データ部１２１のデータ形式を示す。
図２に示すように、列車データ部１２１には、列車番号
等の識別名により特定される「列車名」に対応する形
で、その列車の始発駅の「駅名」及び「発時刻」や終着
駅の「駅名」及び「着時刻」、停車駅（１〜Ｎ）の「駅
名」、「発時刻」及び「着時刻」の各項目に対応するデ
ータが格納されている。
【００１９】図３に、本発明の一実施形態に係る旅客需
要予測方式の要因データ部１２２におけるデータ形式を
示す。図３に示すように、要因データ部１２２には、列
車番号等の識別名により特定される「列車名」に対応す
る形で、その列車の「発車日」や「曜日」、「閑散
期」、「通常期」、「繁忙期」、「連休」、「列車本
数」、「旅客数」等の各項目に対応するデータが格納さ
れている。
要予測方式の要因データ部１２２におけるデータ形式を
示す。図３に示すように、要因データ部１２２には、列
車番号等の識別名により特定される「列車名」に対応す
る形で、その列車の「発車日」や「曜日」、「閑散
期」、「通常期」、「繁忙期」、「連休」、「列車本
数」、「旅客数」等の各項目に対応するデータが格納さ
れている。
【００２０】なお、「閑散期」、「通常期」及び「繁忙
期」のそれぞれの項目には、旅客数の多少により１年間
を３つの期間に分けておき、その列車の発車日が含まれ
る期間の欄に“１”、含まれない期間の欄に“０”を格
納するようにする。また、「連休」の項目には、例えば
連休でない場合は“０”を格納し、２連休の場合には
“２”を格納し、４連休の場合には“４”を格納すると
いうように、連休の有無と連休の日数とが併せて表され
るようにする。さらに、「列車本数」の項目には、その
列車に関連する列車でかつ同日に発車される列車の本数
を格納するようにする。例えば、対象となっている列車
の列車名が“のぞみ１号”であれば、その日に発車され
るのぞみの全本数を格納するようにする。
期」のそれぞれの項目には、旅客数の多少により１年間
を３つの期間に分けておき、その列車の発車日が含まれ
る期間の欄に“１”、含まれない期間の欄に“０”を格
納するようにする。また、「連休」の項目には、例えば
連休でない場合は“０”を格納し、２連休の場合には
“２”を格納し、４連休の場合には“４”を格納すると
いうように、連休の有無と連休の日数とが併せて表され
るようにする。さらに、「列車本数」の項目には、その
列車に関連する列車でかつ同日に発車される列車の本数
を格納するようにする。例えば、対象となっている列車
の列車名が“のぞみ１号”であれば、その日に発車され
るのぞみの全本数を格納するようにする。
【００２１】統計処理部１４０は、入力された列車のデ
ータ及び、その入力された列車名をもとにその列車との
間で所定の条件を満たす列車の実績データを列車データ
部１２１と要因データ部１２２とから抽出するデータ抽
出部１４１と、抽出されたデータをもとに重回帰分析に
より予測式を算出する予測式算出部１４２と、算出され
た予測式と入力された変動要因とから予測値を算出する
予測値算出部１４３と、から構成される。
ータ及び、その入力された列車名をもとにその列車との
間で所定の条件を満たす列車の実績データを列車データ
部１２１と要因データ部１２２とから抽出するデータ抽
出部１４１と、抽出されたデータをもとに重回帰分析に
より予測式を算出する予測式算出部１４２と、算出され
た予測式と入力された変動要因とから予測値を算出する
予測値算出部１４３と、から構成される。
【００２２】次に、本実施形態に係る旅客需要予測方式
の動作を説明する。図４は、本発明の一実施形態に係る
旅客需要予測方式の動作を説明するための図である。
の動作を説明する。図４は、本発明の一実施形態に係る
旅客需要予測方式の動作を説明するための図である。
【００２３】図４を参照すると、実際に運行された列車
の実績データを、データ蓄積部１１０により実績データ
部１２０の要因データ部１２２に毎日蓄積し、要因デー
タ部１２２のデータを常に最新のデータとすると共に、
個々の列車の停車駅等に変更があった場合には実績デー
タ部１２０の列車データ部１２１を適宜更新する（デー
タ蓄積処理２１０）。
の実績データを、データ蓄積部１１０により実績データ
部１２０の要因データ部１２２に毎日蓄積し、要因デー
タ部１２２のデータを常に最新のデータとすると共に、
個々の列車の停車駅等に変更があった場合には実績デー
タ部１２０の列車データ部１２１を適宜更新する（デー
タ蓄積処理２１０）。
【００２４】その後、ある列車の旅客数の予測値を求め
る必要が生じて統計処理を行う場合には、まず、入力部
１３０から列車名を入力し（列車名入力２２０）、統計
処理部１４０のデータ抽出部１４１により、入力された
列車名をもとに列車データ部１２１から入力された列車
のデータを読み込み、この入力された列車と列車データ
部１２１の他の列車との各項目（始発駅、終着駅、停車
駅等）を比較して、これらの各項目が所定の割合で一致
している列車を該当列車とする。そして、該当列車の列
車名を列車データ部１２１から読み込み、その列車名を
もとに要因データ部１２２の実績データを読み込み、予
測式を算出するために必要とされる実績データを抽出す
る（データ抽出処理２３０）。
る必要が生じて統計処理を行う場合には、まず、入力部
１３０から列車名を入力し（列車名入力２２０）、統計
処理部１４０のデータ抽出部１４１により、入力された
列車名をもとに列車データ部１２１から入力された列車
のデータを読み込み、この入力された列車と列車データ
部１２１の他の列車との各項目（始発駅、終着駅、停車
駅等）を比較して、これらの各項目が所定の割合で一致
している列車を該当列車とする。そして、該当列車の列
車名を列車データ部１２１から読み込み、その列車名を
もとに要因データ部１２２の実績データを読み込み、予
測式を算出するために必要とされる実績データを抽出す
る（データ抽出処理２３０）。
【００２５】次に、統計処理部１４０の予測式算出部１
４２により、データ抽出処理２３０で抽出された該当列
車の実績データをもとに要因データ部１２２の全ての項
目（発車日、曜日等）を説明変量として回帰分析を行
う。ここでは、変量減少法に従い、全ての説明変量のＦ
検定による検定統計量の値が２以上でなければ、検定統
計量の値が最小である説明変量を除いて再び回帰分析を
行い、全ての検定統計量の値が２以上になるまで繰り返
し、最終的に残った説明変量を確定した説明変量とす
る。その後、該当列車についての確定した説明変量を用
いて重回帰分析を行い、次式（１）で表される予測式の
係数ａi（ｉ＝１〜ｎ）を算出して予測式を決定する
（予測式算出処理２４０）。なお、次式（１）におい
て、Ｙは目的変量（目的値である旅客数）、Ｘi（ｉ＝
１〜ｎ）は説明変量（要因）である。
４２により、データ抽出処理２３０で抽出された該当列
車の実績データをもとに要因データ部１２２の全ての項
目（発車日、曜日等）を説明変量として回帰分析を行
う。ここでは、変量減少法に従い、全ての説明変量のＦ
検定による検定統計量の値が２以上でなければ、検定統
計量の値が最小である説明変量を除いて再び回帰分析を
行い、全ての検定統計量の値が２以上になるまで繰り返
し、最終的に残った説明変量を確定した説明変量とす
る。その後、該当列車についての確定した説明変量を用
いて重回帰分析を行い、次式（１）で表される予測式の
係数ａi（ｉ＝１〜ｎ）を算出して予測式を決定する
（予測式算出処理２４０）。なお、次式（１）におい
て、Ｙは目的変量（目的値である旅客数）、Ｘi（ｉ＝
１〜ｎ）は説明変量（要因）である。
【００２６】 Ｙ＝ａ0＋ａ1Ｘ1＋ａ2Ｘ2＋ａ3Ｘ3＋…＋ａnＸn … （１）
【００２７】最後に、入力部１３０から旅客数の予測値
を求めたい列車の変動要因を入力し（変動要因入力２５
０）、統計処理部１４０の予測値算出部１４３により、
この入力された変動要因を上式（１）に代入することに
より、その列車の旅客数の予測値を算出し（予測値算出
処理２６０）、その結果を出力部１５０から出力する
（予測値出力２７０）。
を求めたい列車の変動要因を入力し（変動要因入力２５
０）、統計処理部１４０の予測値算出部１４３により、
この入力された変動要因を上式（１）に代入することに
より、その列車の旅客数の予測値を算出し（予測値算出
処理２６０）、その結果を出力部１５０から出力する
（予測値出力２７０）。
【００２８】以上、本発明の一実施形態について説明し
てきたが、本発明はこのような実施の形態に限定される
ことなく、本発明の原理に準ずる各種の実施の形態を含
む。
てきたが、本発明はこのような実施の形態に限定される
ことなく、本発明の原理に準ずる各種の実施の形態を含
む。
【００２９】
【発明の効果】以上説明したように、本発明の旅客需要
予測方式によれば、入力された列車との間で所定の条件
を満たす実績データのみから旅客数の予測式を算出する
ようにしているため、識別名等により特定される個々の
列車ごとに変動しない要因による影響を反映させなが
ら、これらの要因を予測式の説明変量から取り除くこと
ができ、予測式を算出する際の最初の説明変量の項目数
を減らすことで重回帰分析を行う回数を減らし、説明変
量を選択する際の時間を短縮することができるようにな
る。
予測方式によれば、入力された列車との間で所定の条件
を満たす実績データのみから旅客数の予測式を算出する
ようにしているため、識別名等により特定される個々の
列車ごとに変動しない要因による影響を反映させなが
ら、これらの要因を予測式の説明変量から取り除くこと
ができ、予測式を算出する際の最初の説明変量の項目数
を減らすことで重回帰分析を行う回数を減らし、説明変
量を選択する際の時間を短縮することができるようにな
る。
【図１】本発明の一実施形態に係る旅客需要予測方式の
構成を示すブロック図である。
構成を示すブロック図である。
【図２】本発明の一実施形態に係る旅客需要予測方式の
列車データ部のデータ形式を説明するための図である。
列車データ部のデータ形式を説明するための図である。
【図３】本発明の一実施形態に係る旅客需要予測方式の
要因データ部のデータ形式を説明するための図である。
要因データ部のデータ形式を説明するための図である。
【図４】本発明の一実施形態に係る旅客需要予測方式の
動作を説明するための図である。
動作を説明するための図である。
１１０ データ蓄積部 １２０ 実績データ部 １２１ 列車データ部 １２２ 要因データ部 １３０ 入力部 １４０ 統計処理部 １４１ データ抽出部 １４２ 予測式算出部 １４３ 予測値算出部 １５０ 出力部 ２１０ データ蓄積処理 ２２０ 列車名入力（処理） ２３０ データ抽出処理 ２４０ 予測式算出処理 ２５０ 変動要因入力（処理） ２６０ 予測値算出処理 ２７０ 予測値出力（処理）
Claims (4)
- 【請求項１】鉄道における旅客数を予測するための旅客
需要予測方式において、 予測の対象となる列車の識別名を入力し、該入力された
列車との間で所定の条件を満たす一又は複数の列車の実
績データをもとに統計的手法により予測式を算出し、該
算出された予測式に基づいて前記入力された列車の旅客
数を予測することを特徴とする旅客需要予測方式。 - 【請求項２】前記所定の条件が、前記識別名により特定
される個々の列車ごとに変動しない運行方面や停車駅等
の情報の一致度に関するものであることを特徴とする請
求項１記載の旅客需要予測方式。 - 【請求項３】前記実績データが、前記識別名により特定
される同一の列車においても変動する発車日や該発車日
の属性等の複数の項目を含むものであることを特徴とす
る請求項１又は２記載の旅客需要予測方式。 - 【請求項４】前記実績データの各項目を説明変量として
重回帰分析を行うことで前記予測式を算出するようにし
たことを特徴とする請求項１ないし３のいずれか一項に
記載の旅客需要予測方式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6199096A JPH09230910A (ja) | 1996-02-23 | 1996-02-23 | 旅客需要予測方式 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6199096A JPH09230910A (ja) | 1996-02-23 | 1996-02-23 | 旅客需要予測方式 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH09230910A true JPH09230910A (ja) | 1997-09-05 |
Family
ID=13187149
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP6199096A Pending JPH09230910A (ja) | 1996-02-23 | 1996-02-23 | 旅客需要予測方式 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH09230910A (ja) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103072556A (zh) * | 2011-10-25 | 2013-05-01 | 北京新联铁科技股份有限公司 | 轨道交通车辆检修系统集成设计体系 |
| CN110246332A (zh) * | 2019-06-05 | 2019-09-17 | 北京交通大学 | 基于多源数据融合的轨道交通实时客流监察方法与系统 |
| JPWO2018143200A1 (ja) * | 2017-01-31 | 2019-11-21 | 株式会社電通 | 船着場管理システム、予約管理サーバ、船舶管理者端末および船着場管理者用端末 |
-
1996
- 1996-02-23 JP JP6199096A patent/JPH09230910A/ja active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103072556A (zh) * | 2011-10-25 | 2013-05-01 | 北京新联铁科技股份有限公司 | 轨道交通车辆检修系统集成设计体系 |
| JPWO2018143200A1 (ja) * | 2017-01-31 | 2019-11-21 | 株式会社電通 | 船着場管理システム、予約管理サーバ、船舶管理者端末および船着場管理者用端末 |
| CN110246332A (zh) * | 2019-06-05 | 2019-09-17 | 北京交通大学 | 基于多源数据融合的轨道交通实时客流监察方法与系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Huisman et al. | Running times on railway sections with heterogeneous train traffic | |
| Tong et al. | A computer model for finding the time‐dependent minimum path in a transit system with fixed schedules | |
| Hao et al. | Integrating an activity-based travel demand model with dynamic traffic assignment and emission models: Implementation in the Greater Toronto, Canada, area | |
| Liao et al. | Incorporating space–time constraints and activity-travel time profiles in a multi-state supernetwork approach to individual activity-travel scheduling | |
| US20170059331A1 (en) | Route planner for transportation systems | |
| CN104884900A (zh) | 行程时间信息提供设备和行程时间信息提供方法 | |
| JP2008052455A (ja) | 需要予測装置およびプログラム | |
| WO2020098728A1 (zh) | 集群负荷预测方法、装置及存储介质 | |
| CN108734353A (zh) | 一种公交线路行车计划生成方法及装置 | |
| Khoshniyat et al. | Improving train service reliability by applying an effective timetable robustness strategy | |
| Barabino et al. | Regularity diagnosis by automatic vehicle location raw data | |
| CN113223291B (zh) | 停车场空闲车位数量预测系统及方法 | |
| CN113919650A (zh) | 一种列车运行方案优化编制方法及系统 | |
| CN113869713A (zh) | 一种移动充电车的优化调度方法和系统 | |
| CN115953186A (zh) | 一种网约车需求模式识别与短时需求预测方法 | |
| JP3360520B2 (ja) | 日負荷曲線予測方法 | |
| Barabino et al. | Regularity analysis on bus networks and route directions by automatic vehicle location raw data | |
| JP2004023114A (ja) | 通信トラヒック予測方法およびその装置 | |
| JPH09230910A (ja) | 旅客需要予測方式 | |
| CN110689163B (zh) | 一种节假日期间货量智能预测方法和系统 | |
| KR20120129344A (ko) | 열차 운행 계획 수립 방법 및 장치 | |
| WO2020049775A1 (ja) | 旅客案内システムおよび旅客案内方法 | |
| Shen et al. | Vehicle scheduling based on variable trip times with expected on‐time performance | |
| CN114162184B (zh) | 列车运行计划创建方法、装置、设备和存储介质 | |
| WO2002059807A2 (en) | Data anlysis method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 19981222 |