WO2017149720A1 - 混雑予測装置および混雑予測方法 - Google Patents

混雑予測装置および混雑予測方法 Download PDF

Info

Publication number
WO2017149720A1
WO2017149720A1 PCT/JP2016/056581 JP2016056581W WO2017149720A1 WO 2017149720 A1 WO2017149720 A1 WO 2017149720A1 JP 2016056581 W JP2016056581 W JP 2016056581W WO 2017149720 A1 WO2017149720 A1 WO 2017149720A1
Authority
WO
WIPO (PCT)
Prior art keywords
prediction
congestion
data
congestion prediction
measurement
Prior art date
Application number
PCT/JP2016/056581
Other languages
English (en)
French (fr)
Inventor
惇矢 宮城
Original Assignee
三菱電機株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 三菱電機株式会社 filed Critical 三菱電機株式会社
Priority to US16/069,680 priority Critical patent/US20190027029A1/en
Priority to CN201680082378.8A priority patent/CN108701334B/zh
Priority to PCT/JP2016/056581 priority patent/WO2017149720A1/ja
Priority to JP2016548399A priority patent/JP6062124B1/ja
Priority to SG11201805249RA priority patent/SG11201805249RA/en
Priority to TW105124048A priority patent/TWI611378B/zh
Publication of WO2017149720A1 publication Critical patent/WO2017149720A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/046—Forward inferencing; Production systems
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]

Definitions

  • the present invention relates to a congestion prediction device for performing congestion prediction at the time of event holding and the method thereof.
  • the event security monitoring method described in Patent Document 1 first, based on past results or data, the inflow / outflow points of transportation facilities or the like that are directly related to the traffic in the security target area such as the event venue or passage.
  • the outflow data of the outlook is prepared in advance.
  • a camera is installed at a peripheral point deeply related to the crowd in the security target area and takes an image.
  • the event security monitoring device measures the human flow at the peripheral point by performing image processing on the captured image, and uses the actual measurement value of the human flow and the inflow / outflow data of the public prepared in advance. And predict congestion in the guarded area.
  • the present invention has been made to solve the above-described problems, and eliminates the need to prepare data used for congestion prediction in advance, and enables congestion prediction at the first event or venue. With the goal.
  • the congestion prediction device uses a measurement data output from a sensor that measures the number of persons who have passed through a measurement point, and predicts a future number of people passing through the measurement point to generate prediction data. And a congestion prediction processing unit that uses the prediction data generated by the prediction data generation unit to predict the future congestion state of the measurement point and generates and outputs congestion prediction data.
  • the future passing number is predicted using the measurement data of the passing number at the measurement point, and the future congestion state at the measurement point is predicted using the prediction data. It is not necessary to prepare data in advance, and it becomes possible to predict congestion at the first event or venue.
  • FIG. 2 is a hardware configuration diagram of the congestion prediction device according to Embodiment 1.
  • FIG. It is a sequence diagram which shows the process which the congestion prediction apparatus which concerns on Embodiment 1 performs.
  • 4 is a flowchart illustrating processing performed by a measurement data storage unit of the congestion prediction device according to the first embodiment.
  • 6 is a flowchart illustrating processing performed by a prediction data generation unit of the congestion prediction device according to the first embodiment.
  • 4 is a flowchart illustrating processing performed by an expected data storage unit of the congestion prediction device according to the first embodiment.
  • 6 is a flowchart illustrating processing performed by a congestion prediction processing unit of the congestion prediction device according to the first embodiment.
  • FIG. 10 is a sequence diagram illustrating processing performed by the congestion prediction device according to Embodiment 2.
  • FIG. It is a flowchart which shows the process which the measurement data storage part of the congestion prediction apparatus which concerns on Embodiment 2 performs.
  • 10 is a flowchart illustrating a process performed by a prediction data generation unit of the congestion prediction device according to the second embodiment.
  • 10 is a flowchart illustrating a process performed by a predicted data storage unit of the congestion prediction device according to the second embodiment.
  • 10 is a flowchart illustrating processing performed by a congestion prediction processing unit of the congestion prediction device according to the second embodiment.
  • 10 is a flowchart illustrating processing performed by a difference calculation unit of the congestion prediction device according to the second embodiment.
  • FIG. 1 is a functional configuration diagram of the congestion prediction apparatus according to Embodiment 1 of the present invention.
  • This congestion prediction device predicts the congestion state of a route from a place where people occur to an event venue, such as a public transportation such as a station or a bus stop or a parking lot, at the time of an event.
  • the sensor 1 is installed on the route from the place where the person is generated to the event venue, and the sensor 1 and the congestion prediction device are connected.
  • the position where the sensor 1 is installed on the route from the place where people occur to the event venue is called a measurement point.
  • the sensor 1 measures the number of persons passing through the measurement point in the forward or backward direction, generates time series data, and outputs the time series data to the congestion prediction device.
  • the sensor 1 includes a camera, for example, and performs image processing on an image captured by the camera to measure the number of passing people.
  • the time series data generated by the sensor 1 is referred to as measurement data.
  • the congestion prediction device includes a measurement data storage unit 10, a prediction data generation unit 20, a prediction data storage unit 30, and a congestion prediction processing unit 40.
  • the measurement data storage unit 10 stores measurement data output from the sensor 1.
  • the predicted data generation unit 20 uses the measurement data stored in the measurement data storage unit 10 to generate a time-series data by predicting the number of people passing by at the measurement point, and stores the predicted data in the predicted data storage unit 30 as predicted data. Output.
  • the predicted data storage unit 30 stores the predicted data output by the predicted data generation unit 20 and outputs the stored predicted data to the congestion prediction processing unit 40 as selected predicted data.
  • the congestion prediction processing unit 40 uses the selected prediction data output from the prediction data storage unit 30 to predict the future congestion state of the measurement point, generates congestion prediction data, and outputs the data to the outside.
  • Sensor 1 may measure only one of the number of people passing the measurement point in the forward direction or the number of people passing in the return direction, or may measure both.
  • the prediction data generation unit 20 when the measurement data is obtained by measuring the number of people passing the measurement point in the outward direction, the prediction data generation unit 20 generates prediction data that predicts the number of people passing only the outward route, and the congestion prediction processing unit 40 is only for the outward route.
  • Congestion prediction data is generated by predicting the congestion state. As described above, the contents of the prediction data and the congestion prediction data also change depending on whether the measurement target is the forward path or the return path.
  • FIG. 2 is a hardware configuration diagram of the congestion prediction device.
  • the congestion prediction apparatus includes a processor 101, a memory 102, an input interface 103, and an output interface 104.
  • the input interface 103 inputs measurement data from the sensor 1 to the measurement data storage unit 10.
  • the output interface 104 outputs the congestion prediction data of the congestion prediction processing unit 40 to an external device such as a display.
  • the congestion prediction device includes a processing circuit for generating prediction data using the measurement data and generating congestion prediction data using the prediction data.
  • the processing circuit is a processor 101 that executes a program stored in the memory 102.
  • the processor 101 is also referred to as a CPU (Central Processing Unit), a processing device, an arithmetic device, a microprocessor, a microcomputer, or a DSP (Digital Signal Processor).
  • Each function of the prediction data generation unit 20 and the congestion prediction processing unit 40 is realized by software, firmware, or a combination of software and firmware.
  • Software or firmware is described as a program and stored in the memory 102.
  • the processor 101 reads out and executes the program stored in the memory 102, thereby realizing the function of each unit. That is, when the congestion prediction device is executed by the processor 101, the step of generating the prediction data using the measurement data and the step of generating the congestion prediction data using the prediction data are executed as a result.
  • the memory 102 for storing the program to become is provided. These programs can also be said to cause a computer to execute the procedures or methods of the predicted data generation unit 20 and the congestion prediction processing unit 40.
  • the memory 102 includes, for example, a RAM (Random Access Memory), a ROM (Read Only Memory), an EPROM (Erasable Programmable ROM), an EEPROM (Electrically Programmable EPROM), a flash memory, an SSD (Solid State Drive), or the like. It may be a volatile semiconductor memory, a magnetic disk such as a hard disk or a flexible disk, or an optical disk such as a CD (Compact Disc) or a DVD (Digital Versatile Disc).
  • the measurement data storage unit 10 and the prediction data storage unit 30 in the congestion prediction device are a memory 102.
  • FIG. 3 is a sequence diagram illustrating processing performed by the congestion prediction device according to the first embodiment.
  • FIG. 4 is a flowchart illustrating processing performed by the measurement data storage unit 10 of the congestion prediction apparatus according to the first embodiment. The processing in steps S101 to S104 in FIG. 4 is performed in step S100 in FIG.
  • the measurement data storage unit 10 confirms whether or not the measurement data is received from the sensor 1 via the input interface 103.
  • the measurement data storage unit 10 proceeds to step S102 when measurement data is received (step S101 “YES”), and proceeds to step S103 when there is no reception (step S101 “NO”).
  • step S102 the measurement data storage unit 10 receives and stores measurement data from the sensor 1 via the input interface 103.
  • step S103 the measurement data storage unit 10 confirms whether or not there is a notification from the predicted data generation unit 20.
  • the measurement data storage unit 10 proceeds to step S104 when there is a notification from the predicted data generation unit 20 (step S103 “YES”), and returns to step S101 when there is no notification (step S103 “NO”).
  • the measurement data storage unit 10 selects a predetermined range of measurement data from the stored measurement data, and transmits the measurement data to the prediction data generation unit 20 as prediction measurement data.
  • the predetermined range may be set in advance in the measurement data storage unit 10, or may be set from outside the congestion prediction device as necessary. For example, when the measurement data storage unit 10 receives the notification from the prediction data generation unit 20, the measurement data storage unit 10 transmits time-series data from that time point to a time point that goes back by a predetermined range to the prediction data generation unit 20 as measurement data for prediction. .
  • the measurement data storage unit 10 returns to step S101 after step S104.
  • FIG. 5 is a flowchart showing processing performed by the prediction data generation unit 20 of the congestion prediction apparatus according to the first embodiment. The processing in steps S201 to S206 in FIG. 5 is performed in step S200 in FIG.
  • step S201 in FIG. 5 the predicted data generation unit 20 transmits a notification to the measurement data storage unit 10. This notification is for transmitting the measurement data for prediction from the measurement data storage unit 10 to the prediction data generation unit 20.
  • step S202 the prediction data generation unit 20 confirms whether or not the measurement data for prediction is received from the measurement data storage unit 10.
  • the prediction data generation unit 20 proceeds to step S203 when the measurement data for prediction is received (step S202 “YES”), and repeats step S202 when there is no reception (step S202 “NO”).
  • step S203 the prediction data generation unit 20 receives and stores prediction measurement data from the measurement data storage unit 10.
  • the predicted data generation unit 20 uses linear approximation or the like to predict the number of passing people at a future measurement point according to the predicted data generation range, and generates predicted data.
  • the predicted data generation range is a parameter that determines how many people will pass from the present to the future.
  • the predicted data generation range may be set in the predicted data generation unit 20 in advance, or may be set from outside the congestion prediction device as necessary.
  • step S205 the predicted data generation unit 20 transmits the predicted data generated in step S204 to the predicted data storage unit 30.
  • step S206 the prediction data generation unit 20 checks whether there is a notification from the congestion prediction processing unit 40. When there is a notification from the congestion prediction processing unit 40 (step S206 “YES”), the prediction data generation unit 20 returns to step S201, and when there is no notification (step S206 “NO”), repeats this step S206.
  • FIG. 6 is a flowchart illustrating processing performed by the prediction data storage unit 30 of the congestion prediction apparatus according to the first embodiment. The processing in steps S301 to S303 in FIG. 6 is performed in step S300 in FIG.
  • the predicted data storage unit 30 confirms whether or not the predicted data has been received from the predicted data generation unit 20.
  • the predicted data storage unit 30 proceeds to step S302 when predicted data is received (step S301 “YES”), and repeats step S301 when no predicted data is received (step S301 “NO”).
  • step S302 the predicted data storage unit 30 receives and stores the predicted data from the predicted data generation unit 20.
  • step S303 the predicted data storage unit 30 selects the predicted data stored in step S302, and transmits the selected predicted data to the congestion prediction processing unit 40 as selected predicted data.
  • the predicted data storage unit 30 returns to step S301 after step S303.
  • FIG. 7 is a flowchart showing processing performed by the congestion prediction processing unit 40 of the congestion prediction apparatus according to the first embodiment. The processing in steps S401 to S406 in FIG. 7 is performed in step S400 in FIG.
  • the congestion prediction processing unit 40 confirms whether or not the selected predicted data is received from the predicted data storage unit 30.
  • the congestion prediction processing unit 40 proceeds to step S402 when selection prediction data is received (step S401 “YES”), and returns to step S401 when there is no reception (step S401 “NO”).
  • step S402 the congestion prediction processing unit 40 receives the selected predicted data from the predicted data storage unit 30.
  • the congestion prediction processing unit 40 uses the selected prediction data received from the prediction data storage unit 30 in step S402 to execute a congestion prediction process using a technique such as multi-agent simulation, and obtains the congestion prediction data of the measurement point. Generate.
  • the congestion prediction data is, for example, time series data of the flow rate and density of people around the measurement point.
  • step S404 the congestion prediction processing unit 40 confirms whether the congestion prediction process has reached the time point when the congestion prediction ends.
  • the congestion prediction end time is a parameter that determines how far ahead the congestion prediction is to be executed from the congestion prediction start time, and the prediction data generation range end time ⁇ congestion prediction end time.
  • the congestion prediction end point may be set in advance in the congestion prediction processing unit 40, or may be set from outside the congestion prediction device as necessary.
  • the congestion prediction processing unit 40 proceeds to step S405, and when not reached (step S404 “NO”), returns to step S403. Continue the congestion prediction process.
  • step S405 the congestion prediction processing unit 40 outputs the congestion prediction data via the output interface 104.
  • step S ⁇ b> 406 the congestion prediction processing unit 40 transmits a notification to the predicted data generation unit 20.
  • This notification is for instructing the prediction data generation unit 20 to generate new prediction data, and the prediction data generation unit 20 that has received this notification notifies the measurement data storage unit 10 of the measurement for prediction. You will be requesting data.
  • the congestion prediction processing unit 40 returns to step S401 after step S406.
  • the congestion prediction device predicts and predicts the future number of people passing through the measurement point using the measurement data output from the sensor 1 that measures the number of people passing through the measurement point.
  • a prediction data generation unit 20 that generates data
  • a congestion prediction processing unit 40 that predicts the future congestion state of the measurement point using the prediction data generated by the prediction data generation unit 20 and outputs the congestion prediction data. It is a configuration.
  • the forecast data used for the congestion prediction can be generated in real time, so that it is not necessary to prepare the forecast data in advance, and the congestion prediction at the first event or holding place is possible.
  • Embodiment 2 the measurement data newly output by the sensor 1 during the congestion state prediction process in the congestion prediction processing unit 40 is reflected in the congestion prediction data and output.
  • FIG. 8 is a functional configuration diagram of the congestion prediction apparatus according to Embodiment 2 of the present invention. 8 that are the same as or correspond to those in FIG. 1 are denoted by the same reference numerals.
  • the congestion prediction apparatus according to the second embodiment has a configuration in which a difference calculation unit 50 is added to the congestion prediction apparatus according to the first embodiment illustrated in FIG.
  • the function of the difference calculation unit 50 is realized by the processor 101 shown in FIG. 2 reading and executing a program stored in the memory 102.
  • the difference calculation unit 50 is the prediction data having the smallest difference from the measurement data newly output by the sensor 1 during the congestion prediction process of the congestion prediction processing unit 40 from among the plurality of prediction data generated by the prediction data generation unit 20. And the congestion prediction processing unit 40 is notified.
  • the predicted data having the smallest difference from the measured data is optimal predicted data that can predict the congestion state with high accuracy.
  • the congestion prediction device includes a plurality of congestion prediction processing units 40.
  • the plurality of congestion prediction processing units 40 generate a plurality of congestion prediction data using the plurality of prediction data generated by the prediction data generation unit 20. Then, among the plurality of congestion prediction processing units 40, the congestion prediction processing unit 40 that has executed the congestion prediction processing using the prediction data selected by the difference calculation unit 50 outputs the congestion prediction data generated by itself to the rest. The congestion prediction processing unit 40 discards the congestion prediction data.
  • FIG. 9 is a sequence diagram illustrating processing performed by the congestion prediction device according to the second embodiment.
  • FIG. 10 is a flowchart illustrating processing performed by the measurement data storage unit 10 of the congestion prediction device according to the second embodiment. The processing in steps S101 to S106 in FIG. 10 is performed in step S100a in FIG.
  • the measurement data storage unit 10 performs the same processing as in steps S101 to S104 in FIG.
  • step S105 the measurement data storage unit 10 confirms whether or not there is a notification from the congestion prediction processing unit 40.
  • step S105 “YES” the measurement data storage unit 10 proceeds to step S106, and when there is no notification (step S105 “NO”), the measurement data storage unit 10 returns to step S101.
  • step S ⁇ b> 106 the measurement data storage unit 10 transmits new measurement data received from the sensor 1 after the time when the measurement data for prediction is transmitted to the prediction data generation unit 20 to the difference calculation unit 50 as updated measurement data.
  • the measurement data storage unit 10 returns to step S101 after step S106.
  • FIG. 11 is a flowchart showing processing performed by the prediction data generation unit 20 of the congestion prediction apparatus according to the second embodiment. The processing in steps S201 to S206 in FIG. 11 is performed in step S200a in FIG.
  • the predicted data generation unit 20 performs the same processing as in steps S201 to S203 in FIG.
  • the predicted data generation unit 20 uses a linear approximation or the like to predict the number of passing people at a future measurement point according to the predicted data generation range, and generates a plurality of predicted data.
  • the prediction data generation unit 20 may generate a plurality of prediction data by changing the approximate expression to be used, or may generate a plurality of prediction data by changing the use range of the measurement data for prediction. Good.
  • the prediction data generation unit 20 generates one prediction data based on, for example, the latest five measurement data, and the ten most recent measurements. Another predicted data is generated based on the data.
  • steps S205 and S206 the predicted data generation unit 20 performs the same processing as steps S205 and S206 in FIG.
  • FIG. 12 is a flowchart showing processing performed by the prediction data storage unit 30 of the congestion prediction device according to the second embodiment. The processing in steps S301 to S303a in FIG. 12 is performed in step S300a in FIG.
  • the predicted data storage unit 30 performs the same processing as steps S301 and S302 in FIG.
  • step S303a the prediction data storage unit 30 assigns one of the plurality of prediction data stored in step S302 to one of the plurality of congestion prediction processing units 40 on a one-to-one basis, and assigns the prediction data to the assignment destination. It transmits to the congestion prediction processing unit 40.
  • the prediction data transmitted to the allocation destination congestion prediction processing unit 40 is referred to as selection prediction data.
  • the predicted data storage unit 30 transmits the selected predicted data to the plurality of congestion prediction processing units 40 one by one.
  • the prediction data storage unit 30 also transmits the plurality of selected prediction data transmitted to the plurality of congestion prediction processing units 40 to the difference calculation unit 50.
  • the predicted data storage unit 30 returns to step S301 after step S303a.
  • FIG. 13 is a flowchart illustrating processing performed by the congestion prediction processing unit 40 of the congestion prediction apparatus according to the second embodiment.
  • Each of the plurality of congestion prediction processing units 40 performs the processing shown in the flowchart of FIG.
  • the processing in steps S401 to S414 in FIG. 13 is performed in step S400a in FIG.
  • the congestion prediction processing unit 40 performs the same processing as in steps S401 to S403 in FIG.
  • the congestion prediction processing unit 40 confirms whether the congestion prediction processing has reached the measurement data storage unit notification time point.
  • the measurement data storage section notification time is a parameter that determines how far ahead the congestion prediction is started from when the congestion prediction is started and when the notification is transmitted to the measurement data storage section 10, and is based on the congestion prediction end time. It is the time when it is set. For example, 100 steps before the congestion prediction end point is set as the measurement data storage unit notification point.
  • the measurement data storage unit notification time point may be set in the congestion prediction processing unit 40 in advance, or may be set from outside the congestion prediction device as necessary.
  • the congestion prediction processing unit 40 proceeds to step S412 when the congestion prediction processing has reached the measurement data storage unit notification time (step S411 “YES”), and proceeds to step S403 when the congestion prediction processing has not reached (step S411 “NO”). Return to continue the congestion prediction process.
  • step S412 the congestion prediction processing unit 40 transmits a notification to the measurement data storage unit 10. This notification is for transmitting updated measurement data from the measurement data storage unit 10 to the difference calculation unit 50.
  • step S413 and step S404 following this step S413 the congestion prediction processing unit 40 performs the same processing as in step S403 and step S404 in FIG.
  • the congestion prediction processing unit 40 proceeds to step S414, and when not reached (step S404 “NO”), returns to step S413. Continue the congestion prediction process.
  • step S414 the congestion prediction processing unit 40 confirms whether or not there is a notification from the difference calculation unit 50.
  • step S414 “YES” the congestion prediction processing unit 40 proceeds to step S405, and when there is no notification (step S414 “NO”), the congestion prediction processing unit 40 returns to step S401.
  • the congestion prediction processing unit 40 performs the same processing as steps S405 and S406 of FIG.
  • FIG. 14 is a flowchart illustrating processing performed by the difference calculation unit 50 of the congestion prediction device according to the second embodiment. The processing in steps S501 to S506 in FIG. 14 is performed in step S500 in FIG.
  • step S501 of FIG. 14 the difference calculating unit 50 confirms whether or not a plurality of selected predicted data has been received from the predicted data storage unit 30.
  • the difference calculation unit 50 proceeds to step S502 when a plurality of selection prediction data is received (step S501 “YES”), and repeats step S501 when there is no reception (step S501 “NO”).
  • step S502 the difference calculating unit 50 receives a plurality of selected predicted data from the predicted data storage unit 30.
  • step S503 the difference calculation unit 50 confirms whether or not the updated measurement data is received from the measurement data storage unit 10.
  • the difference calculation unit 50 proceeds to step S504 when the update measurement data is received (step S503 “YES”), and repeats step S503 when there is no reception (step S503 “NO”).
  • step S504 the difference calculation unit 50 receives the updated measurement data from the measurement data storage unit 10.
  • step S505 the difference calculation unit 50 uses the method such as the sum of absolute differences to update each of the plurality of selected predicted data received from the predicted data storage unit 30 and the updated measurement data received from the measurement data storage unit 10. And the selected predicted data having the smallest difference from the updated measurement data is selected as the optimal predicted data.
  • step S506 the difference calculation unit 50 selects the congestion prediction processing unit 40 performing the congestion prediction process using the optimal prediction data selected in step S505 from the plurality of congestion prediction processing units 40, and the congestion A notification is transmitted to the prediction processing unit 40.
  • This notification is for causing the congestion prediction processing unit 40 to output optimal congestion prediction data from a plurality of congestion prediction data.
  • the difference calculation unit 50 returns to step S501 after step S506.
  • the plurality of congestion prediction processing units 40 perform a plurality of congestion prediction processes in parallel.
  • one congestion prediction processing unit 40 performs a plurality of congestion prediction processes in order. May be.
  • the congestion prediction device is based on the measurement data newly output by the sensor 1 during the congestion state prediction process from the plurality of prediction data generated by the prediction data generation unit 20. It is the structure provided with the difference calculation part 50 which selects the prediction data with the smallest difference.
  • the congestion prediction processing unit 40 generates a plurality of congestion prediction data using the plurality of prediction data generated by the prediction data generation unit 20, and the prediction selected by the difference calculation unit 50 among the plurality of congestion prediction data. In this configuration, congestion prediction data generated using the data is output. Thereby, the optimal congestion prediction data with high prediction accuracy can be output.
  • any combination of each embodiment, any component of each embodiment can be modified, or any component of each embodiment can be omitted.
  • the congestion prediction apparatus in the said description was the structure which estimates congestion of one measurement point using one sensor 1, even if it is the structure which predicts congestion of several measurement points using several sensors 1. Good.
  • the congestion prediction device does not require preparation of data in advance, it is particularly suitable for predicting the congestion state at the first event or venue.
  • 1 sensor 10 measurement data storage unit, 20 prediction data generation unit, 30 prediction data storage unit, 40 congestion prediction processing unit, 50 difference calculation unit, 101 processor, 102 memory, 103 input interface, 104 output interface.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

予想データ生成部（２０）は、計測地点を通過した人物の人数を計測するセンサ（１）が出力した計測データを用いて、計測地点における未来の通過人数を予想して予想データを生成する。混雑予測処理部（４０）は、予想データ生成部（２０）が生成した予想データを用いて、計測地点の未来の混雑状態を予測して混雑予測データを生成し出力する。

Description

混雑予測装置および混雑予測方法
　この発明は、イベント開催時等の混雑予測を行う混雑予測装置およびその方法に関するものである。
　例えば特許文献１に記載されたイベント警備監視方法では、まず、過去の実績またはデータ等をもとに、イベント会場または通路等の警備対象区域の人出に直接関連する交通機関等の流出入地点における人出が予想され、人出の流出入データが事前に準備される。警備実施時、カメラが、警備対象区域の人出に関連深い周辺地点に設置され、画像を撮像する。そして、イベント警備監視装置が、撮像された画像を画像処理することにより前記周辺地点における人流を計測し、人流の実測値と事前に準備された人出の流出入データとを用いて、周辺地点および警備対象区域の混雑を予測する。
特開２００４－１７８３５８号公報
　従来の混雑予測装置は、事前に人出を予想して流出入データを準備しておく必要があるが、初めてのイベントまたは開催場所では流出入データを準備するのが困難であるという課題があった。
　この発明は、上記のような課題を解決するためになされたもので、混雑予測に使用するデータを事前に準備する必要性をなくし、初めてのイベントまたは開催場所での混雑予測を可能とすることを目的とする。
　この発明に係る混雑予測装置は、計測地点を通過した人物の人数を計測するセンサが出力した計測データを用いて、計測地点における未来の通過人数を予想して予想データを生成する予想データ生成部と、予想データ生成部が生成した予想データを用いて、計測地点の未来の混雑状態を予測して混雑予測データを生成し出力する混雑予測処理部とを備えるものである。
　この発明によれば、計測地点における通過人数の計測データを用いて未来の通過人数を予想し、予想データを用いて計測地点における未来の混雑状態を予測するようにしたので、混雑予測に使用するデータを事前に準備する必要がなく、初めてのイベントまたは開催場所での混雑予測が可能となる。
この発明の実施の形態１に係る混雑予測装置の機能構成図である。 実施の形態１に係る混雑予測装置のハードウェア構成図である。 実施の形態１に係る混雑予測装置が行う処理を示すシーケンス図である。 実施の形態１に係る混雑予測装置の計測データ記憶部が行う処理を示すフローチャートである。 実施の形態１に係る混雑予測装置の予想データ生成部が行う処理を示すフローチャートである。 実施の形態１に係る混雑予測装置の予想データ記憶部が行う処理を示すフローチャートである。 実施の形態１に係る混雑予測装置の混雑予測処理部が行う処理を示すフローチャートである。 この実施の形態２に係る混雑予測装置の機能構成図である。 実施の形態２に係る混雑予測装置が行う処理を示すシーケンス図である。 実施の形態２に係る混雑予測装置の計測データ記憶部が行う処理を示すフローチャートである。 実施の形態２に係る混雑予測装置の予想データ生成部が行う処理を示すフローチャートである。 実施の形態２に係る混雑予測装置の予想データ記憶部が行う処理を示すフローチャートである。 実施の形態２に係る混雑予測装置の混雑予測処理部が行う処理を示すフローチャートである。 実施の形態２に係る混雑予測装置の差異算出部が行う処理を示すフローチャートである。
　以下、この発明をより詳細に説明するために、この発明を実施するための形態について、添付の図面に従って説明する。
実施の形態１．
　図１は、この発明の実施の形態１に係る混雑予測装置の機能構成図である。この混雑予測装置は、イベント開催時、駅もしくはバス停留所等の公共交通機関または駐車場等、人が発生する場所からイベント会場までの経路の混雑状態を予測するものである。人が発生する場所からイベント会場までの経路にはセンサ１が設置され、センサ１と混雑予測装置とが接続される。
　人が発生する場所からイベント会場までの経路上において、センサ１が設置された位置を、計測地点と呼ぶ。センサ１は、計測地点を往路方向または復路方向へ通過した人物の人数を計測し、時系列データを生成して、混雑予測装置へ出力する。このセンサ１は、例えばカメラを備え、カメラにより撮像した画像を画像処理して通過人数を計測する。以下、センサ１が生成した時系列データを、計測データと呼ぶ。
　混雑予測装置は、計測データ記憶部１０、予想データ生成部２０、予想データ記憶部３０および混雑予測処理部４０を備えている。計測データ記憶部１０は、センサ１が出力した計測データを記憶する。予想データ生成部２０は、計測データ記憶部１０が記憶している計測データを用いて、計測地点における未来の通過人数を予想して時系列データを生成し、予想データとして予想データ記憶部３０に出力する。予想データ記憶部３０は、予想データ生成部２０が出力した予想データを記憶し、記憶した予想データを選択予想データとして混雑予測処理部４０へ出力する。混雑予測処理部４０は、予想データ記憶部３０が出力した選択予想データを用いて、計測地点の未来の混雑状態を予測して混雑予測データを生成し、外部出力する。
　センサ１は、計測地点を往路方向へ通過する人数と復路方向へ通過する人数のどちらか一方のみを計測してもよいし、両方計測してもよい。例えば、計測データが計測地点を往路方向へ通過する人数を計測したものである場合、予想データ生成部２０は往路だけの通過人数を予想した予想データを生成し、混雑予測処理部４０は往路だけの混雑状態を予測した混雑予測データを生成する。このように、計測対象が往路か復路かその両方かに応じて、予想データおよび混雑予測データの内容も変わる。
　図２は、混雑予測装置のハードウェア構成図である。混雑予測装置は、プロセッサ１０１、メモリ１０２、入力インタフェース１０３および出力インタフェース１０４を備えている。入力インタフェース１０３は、センサ１からの計測データを計測データ記憶部１０へ入力する。出力インタフェース１０４は、混雑予測処理部４０の混雑予測データを、ディスプレイ等の外部装置へ出力する。
　混雑予測装置における予想データ生成部２０および混雑予測処理部４０の各機能は、処理回路により実現される。即ち、混雑予測装置は、計測データを用いて予想データを生成し、予想データを用いて混雑予測データを生成するための処理回路を備える。処理回路は、メモリ１０２に格納されたプログラムを実行するプロセッサ１０１である。プロセッサ１０１は、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）、処理装置、演算装置、マイクロプロセッサ、マイクロコンピュータ、またはＤＳＰ（Ｄｉｇｉｔａｌ　Ｓｉｇｎａｌ　Ｐｒｏｃｅｓｓｏｒ）等ともいう。
　予想データ生成部２０および混雑予測処理部４０の各機能は、ソフトウェア、ファームウェア、またはソフトウェアとファームウェアとの組み合わせにより実現される。ソフトウェアまたはファームウェアはプログラムとして記述され、メモリ１０２に格納される。プロセッサ１０１は、メモリ１０２に格納されたプログラムを読み出して実行することにより、各部の機能を実現する。即ち、混雑予測装置は、プロセッサ１０１により実行されるときに、計測データを用いて予想データを生成するステップと、予想データを用いて混雑予測データを生成するステップとが結果的に実行されることになるプログラムを格納するためのメモリ１０２を備える。また、これらのプログラムは、予想データ生成部２０および混雑予測処理部４０の手順または方法をコンピュータに実行させるものであるともいえる。
　ここで、メモリ１０２は、例えば、ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）、ＥＰＲＯＭ（Ｅｒａｓａｂｌｅ　Ｐｒｏｇｒａｍｍａｂｌｅ　ＲＯＭ）、ＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ　ＥＰＲＯＭ）、フラッシュメモリ、ＳＳＤ（Ｓｏｌｉｄ　Ｓｔａｔｅ　Ｄｒｉｖｅ）等の不揮発性または揮発性の半導体メモリであってもよいし、ハードディスク、フレキシブルディスク等の磁気ディスクであってもよいし、ＣＤ（Ｃｏｍｐａｃｔ　Ｄｉｓｃ）、ＤＶＤ（Ｄｉｇｉｔａｌ　Ｖｅｒｓａｔｉｌｅ　Ｄｉｓｃ）等の光ディスクであってもよい。
　混雑予測装置における計測データ記憶部１０および予想データ記憶部３０は、メモリ１０２である。
　次に、図３～図７を用いて、実施の形態１に係る混雑予測装置の動作を説明する。
　図３は、実施の形態１に係る混雑予測装置が行う処理を示すシーケンス図である。図４は、実施の形態１に係る混雑予測装置の計測データ記憶部１０が行う処理を示すフローチャートである。この図４のステップＳ１０１～Ｓ１０４における処理は、図３のステップＳ１００において実施される。
　図４のステップＳ１０１において、計測データ記憶部１０は、センサ１から入力インタフェース１０３を介した計測データの受信の有無を確認する。計測データ記憶部１０は、計測データの受信がある場合（ステップＳ１０１“ＹＥＳ”）、ステップＳ１０２へ進み、受信がない場合（ステップＳ１０１“ＮＯ”）、ステップＳ１０３へ進む。
　ステップＳ１０２において、計測データ記憶部１０は、センサ１から入力インタフェース１０３を介して計測データを受信し、記憶する。
　ステップＳ１０３において、計測データ記憶部１０は、予想データ生成部２０からの通知の有無を確認する。計測データ記憶部１０は、予想データ生成部２０からの通知がある場合（ステップＳ１０３“ＹＥＳ”）、ステップＳ１０４へ進み、通知がない場合（ステップＳ１０３“ＮＯ”）、ステップＳ１０１へ戻る。
　ステップＳ１０４において、計測データ記憶部１０は、記憶している計測データの中から所定範囲の計測データを選択し、予想用計測データとして予想データ生成部２０に送信する。所定範囲は、計測データ記憶部１０に予め設定されていてもよいし、必要に応じて混雑予測装置外から設定されてもよい。例えば、計測データ記憶部１０は、予想データ生成部２０からの通知を受信すると、その時点から所定範囲分さかのぼった時点までの時系列データを、予想用計測データとして予想データ生成部２０に送信する。
　計測データ記憶部１０は、ステップＳ１０４の後、ステップＳ１０１へ戻る。
　図５は、実施の形態１に係る混雑予測装置の予想データ生成部２０が行う処理を示すフローチャートである。この図５のステップＳ２０１～Ｓ２０６における処理は、図３のステップＳ２００において実施される。
　図５のステップＳ２０１において、予想データ生成部２０は、計測データ記憶部１０に通知を送信する。この通知は、計測データ記憶部１０から予想データ生成部２０へ予想用計測データを送信させるためのものである。
　ステップＳ２０２において、予想データ生成部２０は、計測データ記憶部１０から予想用計測データの受信の有無を確認する。予想データ生成部２０は、予想用計測データの受信がある場合（ステップＳ２０２“ＹＥＳ”）、ステップＳ２０３へ進み、受信がない場合（ステップＳ２０２“ＮＯ”）、このステップＳ２０２を繰り返す。
　ステップＳ２０３において、予想データ生成部２０は、計測データ記憶部１０から予想用計測データを受信し、記憶する。
　ステップＳ２０４において、予想データ生成部２０は、線形近似等を使用して、予想データ生成範囲に応じた未来の計測地点における通過人数を予想し、予想データを生成する。予想データ生成範囲は、現在からどれくらい先の未来までの通過人数を予想するかを決めるパラメータである。予想データ生成範囲は、予想データ生成部２０に予め設定されていてもよいし、必要に応じて混雑予測装置外から設定されてもよい。
　ステップＳ２０５において、予想データ生成部２０は、ステップＳ２０４で生成した予想データを予想データ記憶部３０に送信する。
　ステップＳ２０６において、予想データ生成部２０は、混雑予測処理部４０からの通知の有無を確認する。予想データ生成部２０は、混雑予測処理部４０からの通知がある場合（ステップＳ２０６“ＹＥＳ”）、ステップＳ２０１へ戻り、通知がない場合（ステップＳ２０６“ＮＯ”）、このステップＳ２０６を繰り返す。
　図６は、実施の形態１に係る混雑予測装置の予想データ記憶部３０が行う処理を示すフローチャートである。この図６のステップＳ３０１～Ｓ３０３における処理は、図３のステップＳ３００において実施される。
　図６のステップＳ３０１において、予想データ記憶部３０は、予想データ生成部２０から予想データの受信の有無を確認する。予想データ記憶部３０は、予想データの受信がある場合（ステップＳ３０１“ＹＥＳ”）、ステップＳ３０２へ進み、受信がない場合（ステップＳ３０１“ＮＯ”）、このステップＳ３０１を繰り返す。
　ステップＳ３０２において、予想データ記憶部３０は、予想データ生成部２０から予想データを受信し、記憶する。
　ステップＳ３０３において、予想データ記憶部３０は、ステップＳ３０２で記憶した予想データを選択し、選択予想データとして混雑予測処理部４０に送信する。
　予想データ記憶部３０は、ステップＳ３０３の後、ステップＳ３０１へ戻る。
　図７は、実施の形態１に係る混雑予測装置の混雑予測処理部４０が行う処理を示すフローチャートである。この図７のステップＳ４０１～Ｓ４０６における処理は、図３のステップＳ４００において実施される。
　図７のステップＳ４０１において、混雑予測処理部４０は、予想データ記憶部３０から選択予想データの受信の有無を確認する。混雑予測処理部４０は、選択予想データの受信がある場合（ステップＳ４０１“ＹＥＳ”）、ステップＳ４０２へ進み、受信がない場合（ステップＳ４０１“ＮＯ”）、ステップＳ４０１へ戻る。
　ステップＳ４０２において、混雑予測処理部４０は、予想データ記憶部３０から選択予想データを受信する。
　ステップＳ４０３において、混雑予測処理部４０は、ステップＳ４０２で予想データ記憶部３０から受信した選択予想データを用いて、マルチエージェントシミュレーション等の手法により混雑予測処理を実行し、計測地点の混雑予測データを生成する。混雑予測データは、例えば、計測地点周辺の人の流量および密度の時系列データである。
　ステップＳ４０４において、混雑予測処理部４０は、混雑予測終了時点に混雑予測処理が到達しているかを確認する。混雑予測終了時点は、混雑予測の開始時点からどれくらい先の未来まで混雑予測を実行するかを決めるパラメータであり、予想データ生成範囲終了時点≧混雑予測終了時点である。混雑予測終了時点は、混雑予測処理部４０に予め設定されていてもよいし、必要に応じて混雑予測装置外から設定されてもよい。混雑予測処理部４０は、混雑予測処理が混雑予測終了時点に到達した場合（ステップＳ４０４“ＹＥＳ”）、ステップＳ４０５へ進み、到達していない場合（ステップＳ４０４“ＮＯ”）、ステップＳ４０３へ戻って混雑予測処理を続行する。
　ステップＳ４０５において、混雑予測処理部４０は、混雑予測データを出力インタフェース１０４を介して出力する。
　ステップＳ４０６において、混雑予測処理部４０は、予想データ生成部２０に通知を送信する。この通知は、予想データ生成部２０に対して新たな予想データの生成を指示するためのものであり、この通知を受信した予想データ生成部２０は、計測データ記憶部１０に対して予想用計測データを要求することになる。
　混雑予測処理部４０は、ステップＳ４０６の後、ステップＳ４０１へ戻る。
　以上のように、実施の形態１に係る混雑予測装置は、計測地点を通過した人物の人数を計測するセンサ１が出力した計測データを用いて、計測地点における未来の通過人数を予想して予想データを生成する予想データ生成部２０と、予想データ生成部２０が生成した予想データを用いて、計測地点の未来の混雑状態を予測し、混雑予測データを出力する混雑予測処理部４０とを備える構成である。これにより、混雑予測に使用する予想データをリアルタイムに生成することができるため、予想データを事前に準備する必要がなく、初めてのイベントまたは開催場所での混雑予測が可能となる。
実施の形態２．
　実施の形態２では、混雑予測処理部４０における混雑状態の予測処理中にセンサ１が新たに出力した計測データを、混雑予測データに反映して出力するようにする。
　図８は、この発明の実施の形態２に係る混雑予測装置の機能構成図である。図８において図１と同一または相当する部分は、同一の符号を付す。
　実施の形態２に係る混雑予測装置は、図１に示した実施の形態１に係る混雑予測装置に対して差異算出部５０が追加された構成である。この差異算出部５０の機能は、図２に示されたプロセッサ１０１がメモリ１０２に格納されたプログラムを読み出して実行することにより実現される。
　差異算出部５０は、予想データ生成部２０が生成した複数の予想データの中から、混雑予測処理部４０の混雑予測処理中にセンサ１が新たに出力した計測データとの差異が最も小さい予想データを選択し、混雑予測処理部４０に通知する。計測データとの差異が最も小さい予想データは、混雑状態を高精度に予測可能な、最適な予想データである。
　また、実施の形態２に係る混雑予測装置は、混雑予測処理部４０を複数備えている。複数の混雑予測処理部４０は、予想データ生成部２０が生成した複数の予想データを用いて複数の混雑予測データを生成する。そして、複数の混雑予測処理部４０のうち、差異算出部５０が選択した予想データを用いて混雑予測処理を実行した混雑予測処理部４０が、自身が生成した混雑予測データを外部出力し、残りの混雑予測処理部４０は混雑予測データを破棄する。
　次に、図９～図１４を用いて、実施の形態２に係る混雑予測装置の動作を説明する。
　図９は、実施の形態２に係る混雑予測装置が行う処理を示すシーケンス図である。図１０は、実施の形態２に係る混雑予測装置の計測データ記憶部１０が行う処理を示すフローチャートである。この図１０のステップＳ１０１～Ｓ１０６における処理は、図９のステップＳ１００ａにおいて実施される。
　図１０のステップＳ１０１～Ｓ１０４において、計測データ記憶部１０は、図４のステップＳ１０１～Ｓ１０４と同様の処理を行う。
　ステップＳ１０５において、計測データ記憶部１０は、混雑予測処理部４０からの通知の有無を確認する。計測データ記憶部１０は、混雑予測処理部４０からの通知がある場合（ステップＳ１０５“ＹＥＳ”）、ステップＳ１０６へ進み、通知がない場合（ステップＳ１０５“ＮＯ”）、ステップＳ１０１へ戻る。
　ステップＳ１０６において、計測データ記憶部１０は、予想用計測データを予想データ生成部２０に送信した時点以降にセンサ１から受信した新たな計測データを、更新計測データとして差異算出部５０に送信する。
　計測データ記憶部１０は、ステップＳ１０６の後、ステップＳ１０１へ戻る。
　図１１は、実施の形態２に係る混雑予測装置の予想データ生成部２０が行う処理を示すフローチャートである。この図１１のステップＳ２０１～Ｓ２０６における処理は、図９のステップＳ２００ａにおいて実施される。
　図１１のステップＳ２０１～Ｓ２０３において、予想データ生成部２０は、図５のステップＳ２０１～Ｓ２０３と同様の処理を行う。
　ステップＳ２０４ａにおいて、予想データ生成部２０は、線形近似等を使用して、予想データ生成範囲に応じた未来の計測地点における通過人数を予想し、複数の予想データを生成する。その際、予想データ生成部２０は、使用する近似式を変えることで複数の予想データを生成してもよいし、予想用計測データの使用範囲を変えることで複数の予想データを生成してもよい。予想用計測データの使用範囲を変えて２つの予想データを生成する場合、予想データ生成部２０は、例えば直近５個の計測データをもとに１つの予想データを生成し、直近１０個の計測データをもとにもう１つの予想データを生成する。
　ステップＳ２０５，Ｓ２０６において、予想データ生成部２０は、図５のステップＳ２０５，Ｓ２０６と同様の処理を行う。
　図１２は、実施の形態２に係る混雑予測装置の予想データ記憶部３０が行う処理を示すフローチャートである。この図１２のステップＳ３０１～Ｓ３０３ａにおける処理は、図９のステップＳ３００ａにおいて実施される。
　図１２のステップＳ３０１，Ｓ３０２において、予想データ記憶部３０は、図６のステップＳ３０１，Ｓ３０２と同様の処理を行う。
　ステップＳ３０３ａにおいて、予想データ記憶部３０は、ステップＳ３０２で記憶した複数の予想データのうちのひとつを複数の混雑予測処理部４０のうちのひとつに対して一対一に割り当て、予想データを割り当て先の混雑予測処理部４０に送信する。割り当て先の混雑予測処理部４０に送信される予想データを、選択予想データと呼ぶ。このようにして、予想データ記憶部３０は、複数の混雑予測処理部４０に対してひとつずつ選択予想データを送信する。また、予想データ記憶部３０は、複数の混雑予測処理部４０に送信した複数の選択予想データを、差異算出部５０にも送信する。
　予想データ記憶部３０は、ステップＳ３０３ａの後、ステップＳ３０１へ戻る。
　図１３は、実施の形態２に係る混雑予測装置の混雑予測処理部４０が行う処理を示すフローチャートである。複数の混雑予測処理部４０のそれぞれが、図１３のフローチャートに示された処理を行う。この図１３のステップＳ４０１～Ｓ４１４における処理は、図９のステップＳ４００ａにおいて実施される。
　図１３のステップＳ４０１～Ｓ４０３において、混雑予測処理部４０は、図７のステップＳ４０１～Ｓ４０３と同様の処理を行う。
　ステップＳ４１１において、混雑予測処理部４０は、計測データ記憶部通知時点に混雑予測処理が到達しているかを確認する。計測データ記憶部通知時点は、混雑予測の開始時点からどれくらい先の未来まで混雑予測を実行した時点で計測データ記憶部１０に通知を送信するかを決めるパラメータであり、混雑予測終了時点を基準に設定される時点である。例えば、混雑予測終了時点の１００ステップ前を計測データ記憶部通知時点とする。計測データ記憶部通知時点は、混雑予測処理部４０に予め設定されていてもよいし、必要に応じて混雑予測装置外から設定されてもよい。混雑予測処理部４０は、混雑予測処理が計測データ記憶部通知時点に到達した場合（ステップＳ４１１“ＹＥＳ”）、ステップＳ４１２へ進み、到達していない場合（ステップＳ４１１“ＮＯ”）、ステップＳ４０３へ戻って混雑予測処理を続行する。
　ステップＳ４１２において、混雑予測処理部４０は、計測データ記憶部１０に通知を送信する。この通知は、計測データ記憶部１０から差異算出部５０へ更新計測データを送信させるためのものである。
　ステップＳ４１３およびこのステップＳ４１３に続くステップＳ４０４において、混雑予測処理部４０は、図７のステップＳ４０３およびステップＳ４０４と同様の処理を行う。混雑予測処理部４０は、混雑予測処理が混雑予測終了時点に到達した場合（ステップＳ４０４“ＹＥＳ”）、ステップＳ４１４へ進み、到達していない場合（ステップＳ４０４“ＮＯ”）、ステップＳ４１３へ戻って混雑予測処理を続行する。
　ステップＳ４１４において、混雑予測処理部４０は、差異算出部５０からの通知の有無を確認する。混雑予測処理部４０は、差異算出部５０からの通知がある場合（ステップＳ４１４“ＹＥＳ”）、ステップＳ４０５へ進み、通知がない場合（ステップＳ４１４“ＮＯ”）、ステップＳ４０１へ戻る。
　ステップＳ４１４に続くステップＳ４０５，Ｓ４０６において、混雑予測処理部４０は、図７のステップＳ４０５，Ｓ４０６と同様の処理を行う。
　図１４は、実施の形態２に係る混雑予測装置の差異算出部５０が行う処理を示すフローチャートである。この図１４のステップＳ５０１～Ｓ５０６における処理は、図９のステップＳ５００において実施される。
　図１４のステップＳ５０１において、差異算出部５０は、予想データ記憶部３０から複数の選択予想データの受信の有無を確認する。差異算出部５０は、複数の選択予想データの受信がある場合（ステップＳ５０１“ＹＥＳ”）、ステップＳ５０２へ進み、受信がない場合（ステップＳ５０１“ＮＯ”）、このステップＳ５０１を繰り返す。
　ステップＳ５０２において、差異算出部５０は、予想データ記憶部３０から複数の選択予想データを受信する。
　ステップＳ５０３において、差異算出部５０は、計測データ記憶部１０から更新計測データの受信の有無を確認する。差異算出部５０は、更新計測データの受信がある場合（ステップＳ５０３“ＹＥＳ”）、ステップＳ５０４へ進み、受信がない場合（ステップＳ５０３“ＮＯ”）、このステップＳ５０３を繰り返す。
　ステップＳ５０４において、差異算出部５０は、計測データ記憶部１０から更新計測データを受信する。
　ステップＳ５０５において、差異算出部５０は、差分絶対値和などの方法を使用して、予想データ記憶部３０から受信した複数の選択予想データのそれぞれを、計測データ記憶部１０から受信した更新計測データと比較し、更新計測データとの差異が最も小さい選択予想データを最適予想データとして選択する。
　ステップＳ５０６において、差異算出部５０は、複数の混雑予測処理部４０の中から、ステップＳ５０５で選択した最適予想データを用いて混雑予測処理を行っている混雑予測処理部４０を選択し、その混雑予測処理部４０に通知を送信する。この通知は、混雑予測処理部４０に、複数の混雑予測データの中から最適な混雑予測データを外部出力させるためのものである。
　差異算出部５０は、ステップＳ５０６の後、ステップＳ５０１へ戻る。
　なお、上記説明では、複数の混雑予測処理部４０が複数の混雑予測処理を並行して行う構成であったが、ひとつの混雑予測処理部４０が複数の混雑予測処理を順番に行う構成であってもよい。
　以上のように、実施の形態２に係る混雑予測装置は、予想データ生成部２０が生成した複数の予想データの中から、混雑状態の予測処理中にセンサ１が新たに出力した計測データとの差異が最も小さい予想データを選択する差異算出部５０を備える構成である。また、混雑予測処理部４０は、予想データ生成部２０が生成した複数の予想データを用いて複数の混雑予測データを生成し、当該複数の混雑予測データのうち、差異算出部５０が選択した予想データを用いて生成した混雑予測データを出力する構成である。これにより、予測精度が高い最適な混雑予測データを出力することができる。
　なお、本発明はその発明の範囲内において、各実施の形態の自由な組み合わせ、各実施の形態の任意の構成要素の変形、または各実施の形態の任意の構成要素の省略が可能である。
　また、上記説明における混雑予測装置はひとつのセンサ１を用いてひとつの計測地点を混雑予測する構成であったが、複数のセンサ１を用いて複数の計測地点を混雑予測する構成であってもよい。
　この発明に係る混雑予測装置は、データを事前に準備する必要がないので、特に、初めてのイベントまたは開催場所での混雑状態を予測するのに適している。
　１　センサ、１０　計測データ記憶部、２０　予想データ生成部、３０　予想データ記憶部、４０　混雑予測処理部、５０　差異算出部、１０１　プロセッサ、１０２　メモリ、１０３　入力インタフェース、１０４　出力インタフェース。

Claims (4)

  1. 　計測地点を通過した人物の人数を計測するセンサが出力した計測データを用いて、前記計測地点における未来の通過人数を予想して予想データを生成する予想データ生成部と、
    　前記予想データ生成部が生成した前記予想データを用いて、前記計測地点の未来の混雑状態を予測して混雑予測データを生成し出力する混雑予測処理部とを備える混雑予測装置。
  2. 　前記混雑予測処理部は、前記混雑状態の予測処理中に前記センサが新たに出力した計測データを、前記混雑予測データに反映して出力することを特徴とする請求項１記載の混雑予測装置。
  3. 　前記予想データ生成部が生成した複数の予想データの中から、前記混雑状態の予測処理中に前記センサが新たに出力した計測データとの差異が最も小さい予想データを選択する差異算出部を備え、
    　前記混雑予測処理部は、前記予想データ生成部が生成した前記複数の予想データを用いて複数の混雑予測データを生成し、当該複数の混雑予測データのうち、前記差異算出部が選択した前記予想データを用いて生成した混雑予測データを出力することを特徴とする請求項２記載の混雑予測装置。
  4. 　予想データ生成部が、計測地点を通過した人物の人数を計測するセンサが出力した計測データを用いて、前記計測地点における未来の通過人数を予想して予想データを生成する予想データ生成ステップと、
    　混雑予測処理部が、前記予想データ生成ステップで生成された前記予想データを用いて、前記計測地点の未来の混雑状態を予測して混雑予測データを生成し出力する混雑予測処理ステップとを備える混雑予測方法。
PCT/JP2016/056581 2016-03-03 2016-03-03 混雑予測装置および混雑予測方法 WO2017149720A1 (ja)

Priority Applications (6)

Application Number Priority Date Filing Date Title
US16/069,680 US20190027029A1 (en) 2016-03-03 2016-03-03 Congestion prediction device and congestion prediction method
CN201680082378.8A CN108701334B (zh) 2016-03-03 2016-03-03 拥挤预测装置和拥挤预测方法
PCT/JP2016/056581 WO2017149720A1 (ja) 2016-03-03 2016-03-03 混雑予測装置および混雑予測方法
JP2016548399A JP6062124B1 (ja) 2016-03-03 2016-03-03 混雑予測装置および混雑予測方法
SG11201805249RA SG11201805249RA (en) 2016-03-03 2016-03-03 Congestion prediction device and congestion prediction method
TW105124048A TWI611378B (zh) 2016-03-03 2016-07-29 混亂預測裝置以及混亂預測方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2016/056581 WO2017149720A1 (ja) 2016-03-03 2016-03-03 混雑予測装置および混雑予測方法

Publications (1)

Publication Number Publication Date
WO2017149720A1 true WO2017149720A1 (ja) 2017-09-08

Family

ID=57800029

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2016/056581 WO2017149720A1 (ja) 2016-03-03 2016-03-03 混雑予測装置および混雑予測方法

Country Status (6)

Country Link
US (1) US20190027029A1 (ja)
JP (1) JP6062124B1 (ja)
CN (1) CN108701334B (ja)
SG (1) SG11201805249RA (ja)
TW (1) TWI611378B (ja)
WO (1) WO2017149720A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022034358A (ja) * 2020-08-18 2022-03-03 東日本旅客鉄道株式会社 混雑予測装置、混雑予測システム、混雑予測方法及び混雑予測プログラム

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6905888B2 (ja) * 2017-07-25 2021-07-21 日本電信電話株式会社 流量予測装置、方法、及びプログラム
JP6933992B2 (ja) 2018-03-26 2021-09-08 株式会社日立ソリューションズ 人流予測装置および人流予測プログラム
CN111785016A (zh) * 2020-05-27 2020-10-16 诠航科技有限公司 一种闸道口机器人以及基于闸道口机器人的交通预警系统
CN111551187B (zh) * 2020-06-04 2021-09-24 福建江夏学院 一种基于捕食搜索策略的行车路线规划方法及系统
CN111724592B (zh) * 2020-06-12 2022-11-25 重庆大学 一种基于收费数据与卡口数据的高速公路交通拥堵检测方法
CN112382099B (zh) * 2021-01-15 2021-04-13 腾讯科技（深圳）有限公司 交通路况预测方法、装置、电子设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004178358A (ja) * 2002-11-28 2004-06-24 Meidensha Corp イベント警備監視方法及びイベント警備監視装置
JP2011248429A (ja) * 2010-05-24 2011-12-08 Nippon Telegr & Teleph Corp <Ntt> 情報提示システム、情報提示装置、および情報提示プログラム
JP2015207041A (ja) * 2014-04-17 2015-11-19 株式会社ニコン 混雑度推定サーバ、および混雑度推定システム

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3521637B2 (ja) * 1996-08-02 2004-04-19 オムロン株式会社 通過人数計測装置及びそれを用いた入退場者数管理システム
JP4399283B2 (ja) * 2004-01-30 2010-01-13 三菱電機株式会社 駅混雑度推定システム
JP4508840B2 (ja) * 2004-11-15 2010-07-21 三菱電機株式会社 列車運行管理システム
JP2007145210A (ja) * 2005-11-29 2007-06-14 Nippon Telegr & Teleph Corp <Ntt> 列車混雑度提供システム、混雑度算出器、およびプログラム
US20070208498A1 (en) * 2006-03-03 2007-09-06 Inrix, Inc. Displaying road traffic condition information and user controls
JP4982143B2 (ja) * 2006-09-27 2012-07-25 クラリオン株式会社 交通状況予測装置
CN100583171C (zh) * 2008-09-04 2010-01-20 上海交通大学 基于客流预测和自适应仿真的拥挤预警系统
CN102050366B (zh) * 2009-11-05 2013-02-13 上海三菱电梯有限公司 人数检测装置及方法
JP5520203B2 (ja) * 2010-12-01 2014-06-11 株式会社日立製作所 混雑度推定装置
CN102096813A (zh) * 2011-02-10 2011-06-15 北京邮电大学 单目摄像机垂直视角下基于Blob的行人计数方法
CN102142192B (zh) * 2011-04-28 2014-05-28 北京市劳动保护科学研究所 基于组合多步预测的行人交通拥堵预警方法及系统
JP5615312B2 (ja) * 2012-03-26 2014-10-29 株式会社デンソーアイティーラボラトリ 渋滞予測方法及び渋滞予測装置
CN102801775A (zh) * 2012-04-17 2012-11-28 杭州群核信息技术有限公司 一种实时处理远程监控信息的云计算平台
JP6212290B2 (ja) * 2013-06-05 2017-10-11 株式会社日立製作所 エレベーターシステムの群管理制御方法
CN103714698B (zh) * 2013-12-26 2016-09-21 苏州清研微视电子科技有限公司 基于距离图像的公交车辆客流量统计系统及方法
WO2015162670A1 (ja) * 2014-04-21 2015-10-29 三菱電機株式会社 列車走行予測装置および列車走行予測方法
CN104050809B (zh) * 2014-06-03 2016-07-20 北京航天福道高技术股份有限公司 交通状况自动分析预测方法
CN104050808B (zh) * 2014-06-03 2016-05-18 北京航天福道高技术股份有限公司 公路交通堵塞定位搜寻方法
US10136249B2 (en) * 2015-07-24 2018-11-20 Hitachi, Ltd. Information distribution apparatus and method
CN105224999A (zh) * 2015-09-10 2016-01-06 北京市交通信息中心 基于afc数据的城市轨道交通实时客流预测方法及系统
CN105279572B (zh) * 2015-09-16 2017-02-08 北京城建设计发展集团股份有限公司 城市轨道交通客流密集度指数计算与发布系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004178358A (ja) * 2002-11-28 2004-06-24 Meidensha Corp イベント警備監視方法及びイベント警備監視装置
JP2011248429A (ja) * 2010-05-24 2011-12-08 Nippon Telegr & Teleph Corp <Ntt> 情報提示システム、情報提示装置、および情報提示プログラム
JP2015207041A (ja) * 2014-04-17 2015-11-19 株式会社ニコン 混雑度推定サーバ、および混雑度推定システム

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022034358A (ja) * 2020-08-18 2022-03-03 東日本旅客鉄道株式会社 混雑予測装置、混雑予測システム、混雑予測方法及び混雑予測プログラム
JP7175072B2 (ja) 2020-08-18 2022-11-18 東日本旅客鉄道株式会社 混雑予測システム、混雑予測方法及び混雑予測プログラム

Also Published As

Publication number Publication date
CN108701334B (zh) 2022-08-26
JPWO2017149720A1 (ja) 2018-03-15
SG11201805249RA (en) 2018-09-27
US20190027029A1 (en) 2019-01-24
TW201732748A (zh) 2017-09-16
TWI611378B (zh) 2018-01-11
CN108701334A (zh) 2018-10-23
JP6062124B1 (ja) 2017-01-18

Similar Documents

Publication Publication Date Title
JP6062124B1 (ja) 混雑予測装置および混雑予測方法
JP7042905B2 (ja) 逆センサモデルを生成する方法および装置、ならびに障害物を検出するための方法
WO2009038561A1 (en) System and method for threat propagation estimation
JP2009064433A (ja) 共同体に基づく信用のための方法及び装置
JP2015172850A (ja) 駅混雑予測装置及び駅混雑情報提供システム
EP3862990A1 (en) Information processing method, and information processing system
TW201729960A (zh) 基於立體視覺的隨機地圖產生和貝氏更新
US10467888B2 (en) System and method for dynamically adjusting an emergency coordination simulation system
JP2018022413A (ja) 混雑予測装置、混雑予測方法及び混雑予測プログラム
WO2020116022A1 (ja) センサシステム、センサシステムの制御方法、及び制御装置
WO2016075931A1 (ja) 避難予測システム、避難予測方法及びコンピュータ読み取り可能記録媒体
WO2019171552A1 (ja) 光モジュールの寿命予測方法および寿命予測装置
JP5002733B2 (ja) 在室人数推定装置及び在室人数推定方法
JP4908541B2 (ja) 在室人数推定装置及び在室人数推定方法
JP2019021047A (ja) 情報処理装置、制御方法およびプログラム
CN109754115B (zh) 数据预测的方法、装置、存储介质及电子设备
JP2018095142A (ja) 車載制御装置
JP2023032184A (ja) 追尾装置
JP2008165362A (ja) 旅行時間算出装置、プログラム、および記録媒体
JP2009069080A (ja) 被測定物の将来温度推定方法、装置、及びコンピュータプログラム
JP2016211877A (ja) 下水流入量予測装置
JP2020149282A (ja) データ予測装置、データ予測方法、及びデータ予測プログラム
WO2018131311A1 (ja) センシングシステム、センサノード装置、センサ測定値処理方法及びプログラム
WO2022013928A1 (ja) エレベーターの停止予測システム
JP2023043006A (ja) 予測装置、予測方法及び予測プログラム

Legal Events

Date Code Title Description
ENP Entry into the national phase

Ref document number: 2016548399

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 11201805249R

Country of ref document: SG

NENP Non-entry into the national phase

Ref country code: DE

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 16892560

Country of ref document: EP

Kind code of ref document: A1

122 Ep: pct application non-entry in european phase

Ref document number: 16892560

Country of ref document: EP

Kind code of ref document: A1