WO2017169068A1 - 列車降車人数予測システム、混雑可視化・評価システム、および乗車可能人数算出システム - Google Patents

列車降車人数予測システム、混雑可視化・評価システム、および乗車可能人数算出システム Download PDF

Info

Publication number
WO2017169068A1
WO2017169068A1 PCT/JP2017/003257 JP2017003257W WO2017169068A1 WO 2017169068 A1 WO2017169068 A1 WO 2017169068A1 JP 2017003257 W JP2017003257 W JP 2017003257W WO 2017169068 A1 WO2017169068 A1 WO 2017169068A1
Authority
WO
WIPO (PCT)
Prior art keywords
train
getting
interval
unit
arrival
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.)
Ceased
Application number
PCT/JP2017/003257
Other languages
English (en)
French (fr)
Inventor
鋭 寧
加藤　学
正康 藤原
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hitachi Ltd
Original Assignee
Hitachi Ltd
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 Hitachi Ltd filed Critical Hitachi Ltd
Priority to JP2018508470A priority Critical patent/JP6640988B2/ja
Priority to EP17773617.0A priority patent/EP3437955B1/en
Publication of WO2017169068A1 publication Critical patent/WO2017169068A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
    • B61L27/60—Testing or simulation
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
    • B61L27/10—Operations, e.g. scheduling or time tables
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
    • B61L27/40—Handling position reports or trackside vehicle data
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry

Definitions

  • the present invention relates to a system that provides congestion status visualization and prediction information.
  • Patent Document 1 data including the getting-off station read by the automatic ticket checker is received from a ticket passing through the automatic ticket checker on the entrance side of each station, and the number of people getting off at each getting-off station is totaled for each getting-off station.
  • Pass through the automatic ticket gate with reference to the storage device that stores statistical data that correlates the device, the boarding station of the boarding ticket, and the boarding ratio of users who have boarding tickets that specify the boarding station.
  • a vehicle congestion rate prediction system that requires a means for predicting a vehicle on which a user rides and calculating the number of people who get on each vehicle and the number of people who get off based on the prediction is disclosed.
  • Patent Document 1 has the following problems in predicting the number of people getting off the train.
  • Patent Document 1 in order to calculate the number of people getting off the train, it is necessary to record the passage of automatic ticket gates at each station. Therefore, even when it is desired to acquire the congestion status of a single station, it is necessary to acquire information on all stations. It is difficult to obtain information on all stations in a complicated railway network due to direct operation between railway operators.
  • An object of the present invention is to make it possible to predict the number of people getting off a train using information that can be acquired at a single station.
  • a train getting-off number prediction system includes a getting-off number calculating unit for measuring or estimating the number of getting off from an arriving train, a train arrival / deletion detecting unit for detecting arrival of a train, and arrival of two trains.
  • a train interval calculation unit that calculates a train interval that is a time interval, and predicting the number of trains that will arrive in the future based on the number of people getting off and the train intervals.
  • the number of people getting off the train can be predicted using information that can be acquired at a single station.
  • FIG. 1 is a diagram showing an example of the configuration of a train getting-off person prediction apparatus according to the present invention.
  • the train getting-off number prediction device is a device that predicts the number of getting-offs from trains at a railway station in a timely manner, and includes a measurement unit 100, a calculation unit 200, a recording unit 300, and an output unit 400.
  • the measurement unit 100, the calculation unit 200, the recording unit 300, and the output unit 400 can communicate with each other, and operate on one or a plurality of interconnected computers.
  • the measuring unit 100 includes a number measuring unit 101 that measures the number of people passing through the station, and a train arrival / deletion detecting unit 102 that detects arrival and departure of a train within the station.
  • the calculation unit 200 includes a number of people getting off the train 201 for estimating the number of people getting off the train, a train interval calculating unit 202 for calculating the arrival time interval of the train that has just arrived on the same line as the target train, and a past train interval.
  • a prediction model creation unit 203 that creates a prediction model of the number of passengers getting off the train on the basis of the statistical information of the number of people getting off, a passenger prediction unit 204 that predicts the number of people getting off by inputting the train interval of the train when the train arrives, Have
  • the recording unit 300 includes the number-of-passengers measurement information 301 that is a detection result of the number of passing people, the arrival / departure time information 302 that is the arrival and departure times of trains, the getting-off number information 303 that is an estimated value of the number of people getting off and on for each train, This is a database that holds train interval information 304 that is an interval and prediction model information 305 that is a prediction model for predicting the number of people getting off the train based on the train interval.
  • the output unit 400 outputs a prediction result of the number of people getting off the train.
  • the number-of-people counting unit 101 is a sensor device that can measure the local number of people in the station according to the moving direction, and outputs the number of people passing as time-counting information 301 by time and direction.
  • the number-of-people counting unit 101 is realized by, for example, using a monitoring camera installed in a station premises as a sensor and measuring the number of people by image processing.
  • sensors are installed on stairs or escalators connecting the platform and the ticket gate floor in order to estimate the number of trains getting off in the past.
  • sensors are installed at the positions of the camera 701 and the camera 702 in FIG. 2, and the number of passing people at the points 711 and 712 is measured.
  • the train arrival / departure detection unit 102 is a sensor device that can detect the arrival and departure of a train, detects arrival or departure of a train, records the time at that time, and outputs a detection result as arrival / departure time information 302.
  • the train arrival / departure detection unit 102 is realized, for example, by using a monitoring camera installed on the platform as a camera 703 in FIG. 2 as a sensor and detecting arrival / departure of a train by image processing.
  • the getting-off number calculating unit 201 receives the past number-of-persons measurement information 301 and the past departure / arrival time information 302 as input, estimates the number of getting-off persons of each train by assigning the measured number of passing persons to the train, and outputs it as the getting-off number information 303 To do.
  • the train interval calculation unit 202 calculates the arrival interval time of trains arriving on the same line and outputs it as train interval information 304.
  • the prediction model creation unit 203 creates a model for predicting the number of train getting off passengers from the train interval based on the data that associates the past getting off passenger information 303 and the past train interval information 304, and outputs the model as prediction model information 305. To do.
  • the getting-off number predicting unit 204 uses the prediction model information 305 to predict and output the number of getting-off trains using the train interval output by the train interval calculating unit 202 as an input.
  • the number-of-persons measurement information 301 is data in which the measurement result of the number-of-people counting unit 101 is recorded. As shown in FIG. 3, the position ID for specifying the sensor installation position, the measured date, the measurement start time and the end time are measured. This is data composed of a direction ID for specifying the direction in which the pedestrian moves and the number of people measured, and is stored in the recording unit 300 as a database.
  • the arrival / departure time information 302 is data in which the detection result of the train arrival / departure detection unit is recorded. As shown in FIG. 4, the line ID that identifies the arrival number of the target train, the date and time when the train was detected, Is data that is classified according to whether it is arrival or departure, and is stored in the recording unit 300 as a database.
  • the number of passengers getting off information 303 is data in which the number of people getting off is recorded for each train.
  • the information about the number of people getting off is data including the date when the train was detected, the line ID, the arrival time, and the number of people getting off.
  • the date, line ID, and arrival time are information for uniquely identifying a train, and data that associates the train ID with the number of people getting off may be used by attaching a train ID for each train.
  • the train interval information 304 is data that records the train interval with the train just before each train, and as shown in FIG. 6, the train interval information 304 is data composed of the date the train was detected, the line ID, the arrival time, and the train interval. Yes, and stored in the recording unit 300 as a database.
  • the date, line ID, and arrival time are information for uniquely identifying a train, and data that associates the train ID with the number of people getting off may be used by attaching a train ID for each train.
  • Prediction model information 305 is data in which a model for predicting the number of people getting off the train from the train interval is recorded, and as shown in FIG.
  • the prediction model is recorded as a model formula, but the model is not limited to the formula. For example, you may hold
  • step 4001 is expressed as S4001.
  • the number of people counting unit 301 is used to measure the number of people passing through a predetermined location in the station, and the measurement result is stored in the recording unit 300 as the number of people counting information 301, thereby creating a database of the number of people counting information 301.
  • the train arrival / departure detection unit 102 is used to detect the arrival / departure time of a train that arrives and departs from the station, and the detection result is stored in the recording unit 300 as arrival / departure time information 302, thereby creating a database for the arrival / departure time information 302. .
  • the number-of-passengers calculation unit 201 divides the number of passing people recorded in the number-of-passengers measurement information 301 by the train arrival time recorded in the departure / arrival time information 302, and the arrival time of the next train that arrives from the arrival time of each train. By assigning the number of passengers to the train to the train, the number of people getting off the train is calculated, and stored in the recording unit 300 as the number of people getting off the information 303, thereby creating a database of the number of people getting off the train 303.
  • S4004 When the train detection unit 102 detects arrival of a train and the arrival / departure time information 302 is output by the train interval calculation unit 202, the same train as the train is obtained from the arrival / departure time information 302 recorded in the recording unit 300.
  • a train interval information database is created by calculating an interval from the arrival time of the train that arrived immediately before the number line as a train interval and storing it in the recording unit 300 as train interval information 304.
  • the prediction model creation unit 203 associates the information about the number of people getting off 303 recorded in the recording unit 300 with the train interval information 304, classifies the conditions according to conditions such as the number of lines, the time zone, and the like. A relational expression of the number of people getting off is calculated and stored in the recording unit 300 as prediction model information 305, thereby creating a prediction model information database.
  • the database is updated by repeating the above processing in a timely or periodic manner according to the measurement result of the measurement unit 100.
  • periodic refers to updating on a daily basis, for example.
  • the train interval calculation unit 202 calculates the arrival interval of the arrival train immediately before the same line as the train from the arrival / departure time information 302.
  • S4103 The number of passengers getting off the vehicle in the conditions is obtained by acquiring the prediction model information 305 that matches the conditions at the time of arrival of the train from the recording unit 300 and inputting the previous train interval in the prediction model. Calculate the predicted value.
  • the output unit 400 outputs a predicted value of the number of people getting off. For example, by using the number of pedestrians as an input, by estimating the congestion of a predetermined space by simulating the movement of pedestrians, and outputting the predicted value of the number of people getting off to a known pedestrian simulator device that can be visualized and evaluated Realize visualization and prediction of congestion in the station premises.
  • the number of passengers after getting off can be calculated by subtracting the predicted value of the number of people getting off from the number of passengers, By subtracting the number of passengers after getting off the train capacity, the number of people who can get on the train can be calculated. As a result, the number of people staying on the platform can be visualized and predicted more precisely.
  • the measuring unit 100 is realized using a known sensing technology
  • the recording unit 300 is realized using a known database technology
  • the output unit 400 is realized using a known data transfer technology
  • Symbols 1001 to 1006 represent the number of people passing through the target number line and direction from the person counting information 301 and representing the number of people passing in each time zone.
  • Symbols 1011 and 1012 are train arrival times of the target number line extracted from the arrival / departure time information 302.
  • the number-of-getting-off person calculating unit 201 divides the number of passing persons by the train arrival time, and assigns the number of passing persons to the immediately preceding train, thereby calculating the number of getting off the previous train.
  • symbols 1001 to 1003 are the number of people who have passed the stairs on the platform in the direction toward the ticket gate floor from the arrival of the train 1011 to the arrival of the train 1012, and can be estimated as the number of people who got off the train 1011.
  • the number measurement information 301 which is the number ID of the target number for calculating the number of people getting off and the direction ID in the direction of moving from the platform to the ticket gate floor, is extracted from the recording unit 300.
  • the arrival / departure time information 302 which is the number ID of the number of the target number for calculating the number of passengers, is extracted from the recording unit 300.
  • S5003 The extracted person counting information is divided by the train arrival time in the extracted arrival / departure time information.
  • S5004 The total value of the number of people measurement information divided by the train arrival time is set as the number of people getting off the train that arrives immediately before.
  • S5005 The number of people getting off is output as the number of people getting off 303, and recorded in the recording unit 300.
  • S5102 The difference between the train arrival time of the extracted arrival / departure time information 302 and the arrival time of the train is calculated as the train interval of the train.
  • S5103 The train interval is output as train interval information 304 and recorded in the recording unit 300.
  • FIG. 13 is a scatter diagram in which the horizontal axis represents the train interval and the vertical axis represents the number of people getting off the train.
  • Ranges 1101 to 1103 represent data distributions distinguished by attributes, line numbers, time zones, and the like.
  • Curves 1111 to 1113 are relational expressions between the train interval and the number of people getting off the train corresponding to the data in the ranges 1101 to 1103, respectively.
  • the relational expression is calculated, for example, by regression analysis using the train interval as an explanatory variable and the number of people getting off the train as an objective variable.
  • the prediction model creation unit 203 creates a relational expression for each condition as a prediction model and outputs it as prediction model information 305.
  • S5201 Corresponding train interval information 304 and disembarkation number information 303 by date, line ID, and arrival time.
  • S5202 The associated data is classified and distinguished according to conditions such as date, line ID, and arrival time zone.
  • a relational expression between the train interval and the number of people getting off the train is calculated and used as a model formula.
  • the relational expression is calculated, for example, by regression analysis using the train interval as an explanatory variable and the number of people getting off the train as an objective variable.
  • the model formula is output as prediction model information 305 and stored in the recording unit 300.
  • the prediction model creation method in the prediction model creation unit 203 is not limited to the above.
  • the difference between the input train interval and the standard train interval is delayed with the train interval and the average or average value of the train get-off number as the standard train interval and train drop-off number under the condition.
  • a model formula may be created by a relational formula between the delay time and the number of people getting off the train.
  • a model equation is obtained by a relational expression of a delay rate that is a ratio of the delay time to a standard delay time and a change rate of the number of people getting off the train that is a ratio of the number of people getting off the train to a standard number of people getting off the train. May be created.
  • the getting-off number prediction unit receives as input the train interval calculated by the train interval calculation unit 202 when the train arrives.
  • S5302 Predictive model information 305 that matches the conditions of the train is extracted from the recording unit 300.
  • S5303 The number of trains getting off is predicted by substituting the input train interval into the extracted model formula.
  • S5304 The predicted number of people getting off the train is output.
  • the processing of the getting-off person prediction unit 204 is changed according to the method of creating the prediction model. For example, when a prediction model is created using a relational expression of the delay rate and the number of people getting off the train, the delay rate is calculated from the train interval, and the rate of change in the number of people getting off the train is calculated using the relational expression. The number of people getting off the train is obtained by multiplying the number of people changing by the standard number of people getting off the train.
  • the train interval is calculated from the arrival time of the train at the stage where the arrival of the train is detected, and based on the train interval Statistically, the number of people getting off the arrival train can be predicted.
  • the train interval is calculated from the arrival time of the train at the stage where the arrival of the train is detected, and based on the train interval Statistically, the number of people getting off the arrival train can be predicted.
  • timely refers to the arrival stage of the train before the passenger gets off the train.

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Train Traffic Observation, Control, And Security (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

鉄道駅構内の混雑状況の管理において、列車の到着時に該列車の降車人数を単一の駅構内から得られる情報のみで予測可能な技術を提供する。　列車降車人数予測装置は、駅構内の通行人数を計測する人数計測部と、列車の発着時刻を検知する列車発着検知部と、で構成される検知部と、過去の通行人数から過去の列車降車人数を算出する降車人数算出部と、二つの列車の到着間隔を算出する列車間隔算出部と、列車間隔を用いて列車降車人数の予測モデルを作成する予測モデル作成部と、列車到着時に該列車の列車間隔を用いて列車降車人数を予測する降車人数予測部と、で構成される演算部と、前記計測部および演算部で用いるデータを記録する記録部と、列車降車人数の予測結果を出力する出力部と、を有する。

Description

列車降車人数予測システム、混雑可視化・評価システム、および乗車可能人数算出システム
　本発明は、混雑状況の可視化および予測情報を提供するシステムに関する。
　鉄道駅では、通勤時間帯など日常的な混雑の発生に加えて、交通機関の輸送障害などにより、混雑が増大することがしばしば発生する。混雑による列車乗降時間の増加によって列車遅延の拡大や、ホームからの転落などの群集事故が懸念されている。そのため、駅構内の混雑状況を適時把握し、適切な誘導、対策を進めることが重要である。駅構内の混雑状況を適時把握するためには、駅構内へ流入する人数を適時把握する必要がある。駅構内への流入は、駅構外からの入場客と、列車からの降車客に分けることができるが、列車からの降車客の人数は直接計測することが困難である。
　特許文献１では、各駅の入場側の自動改札機を通過する乗車券から、自動改札機が読み出した降車駅を含むデータを受信し、各降車駅で降車する人数を降車駅毎に集計する集計装置と、乗車券の降車駅と、該降車駅を指定する乗車券を持つ利用者が各車両に乗り込む乗車比率とを対応付けた統計データを記憶した記憶装置を参照し、自動改札機を通過した利用者が乗車する車両を予測し、該予測に基づいて各車両に乗車する人数及び降車する人数を演算する手段を要する車両混雑率予測システムが開示されている。
特開２００４－１７８３５８
　しかし、特許文献１で示された方法では、列車降車人数の予測において以下のような課題がある。
　特許文献１では、列車降車人数の計算を行うためには、各駅の自動改札機の通行記録が必要である。そのため、単一の駅の混雑状況を取得したい場合においても、全ての駅の情報を取得する必要がある。鉄道事業者間の直通運転などにより、複雑化した鉄道ネットワークにおいて、全ての駅の情報を入手することは困難である。
　加えて、列車降車人数を適時取得するためには、全ての駅の自動改札機の通行記録を適時取得可能とする必要があり、自動改札機やそれに付随するシステムに大幅な投資が必要である。
　本発明の目的は、単一の駅で取得可能な情報を用いて列車降車人数を予測可能とすることである。
　本発明の一つの実施形態に従う列車降車人数予測システムは、到着した列車からの降車人数を計測または推定する降車人数算出部と、列車の到着を検知する列車発着検知部と、二つの列車の到着時刻の間隔である列車間隔を算出する列車間隔算出部と、を有し、前記降車人数と前記列車間隔から、将来到着する列車の降車人数を予測することを特徴とする。
　単一の駅で取得可能な情報を用いて列車降車人数を予測できる。
本発明の降車人数予測装置の構成の一例を示した図である。 計測部のセンサの設置位置の一例を示した図である。 人数計測情報のデータ構造の一例を示した図である。 発着時刻情報のデータ構造の一例を示した図である。 降車人数情報のデータ構造の一例を示した図である。 列車間隔情報のデータ構造の一例を示した図である。 予測モデル情報のデータ構造の一例を示した図である。 データベース作成処理の一例を示したフローチャートである。 降車人数予測処理の一例を示したフローチャートである。 降車人数算出方法の一例を示した概要図である。 降車人数算出部の処理の一例を示したフローチャートである。 列車間隔算出方法の一例を示した概要図である。 列車降車人数予測モデルの一例を示した概要図である。 予測モデル作成部の処理の一例を示したフローチャートである。 遅延率を用いた列車降車人数予測モデルの一例を示した概要図である。 降車人数予測部の処理の一例を示したフローチャートである。
　本発明の列車降車人数予測装置の実施形態について、以下図面を用いて説明する。
＜発明の構成＞
　図１は本発明の列車降車人数予測装置の構成の一例を示す図である。列車降車人数予測装置は、鉄道駅における列車からの降車人数を適時予測する装置であり、計測部１００、演算部２００、記録部３００、出力部４００を有する。計測部１００、演算部２００、記録部３００、出力部４００は相互に通信可能であり、１つまたは相互接続された複数のコンピュータ上で動作する。
　計測部１００は、駅構内の通行人数を計測する人数計測部１０１と、駅構内での列車の発着を検知する列車発着検知部１０２と、を有する。
　演算部２００は、過去の列車降車人数を推定する降車人数算出部２０１と、対象列車と同一番線に直前に到着した列車の到着時刻の間隔を算出する列車間隔算出部２０２と、過去の列車間隔と降車人数の統計情報をもとに列車降車人数の予測モデルを作成する予測モデル作成部２０３と、列車到着時に該列車の列車間隔を入力として列車降車人数を予測する降車人数予測部２０４と、を有する。
　記録部３００は、通行人数の検知結果である人数計測情報３０１と、列車の発着時刻である発着時刻情報３０２と、列車毎の降車人数の推定値である降車人数情報３０３と、列車毎の到着間隔である列車間隔情報３０４と、列車間隔をもとに列車降車人数を予測する予測モデルである予測モデル情報３０５と、をデータとして保持するデータベースである。
　出力部４００は、列車降車人数の予測結果を出力する。
　＜機能の説明＞
　続いて、各構成要素の機能および使用するデータについて説明する。
　まず、計測部１００を構成する要素の機能について説明する。
　人数計測部１０１は、駅構内の局地的な通行人数を移動する方向別に計測可能なセンサ装置であり、通行人数を時間帯別、方向別に人数計測情報３０１として出力する。人数計測部１０１は、例えば、駅構内に設置された監視カメラをセンサとして利用し、画像処理によって人数の計測を行うことで実現する。本実施例では、過去の列車降車人数を推定するために、プラットホームと改札階を接続する階段やエスカレータなどにセンサを設置することを想定している。例えば、図２のカメラ７０１およびカメラ７０２の位置にセンサを設置し、地点７１１および地点７１２の通行人数を計測する。
　列車発着検知部１０２は、列車の発着を検知可能なセンサ装置であり、列車の到着または発車を検知し、そのときの時刻を記録し、検知結果を発着時刻情報３０２として出力する。列車発着検知部１０２は、例えば、図２のカメラ７０３のようにプラットホーム上に設置された監視カメラをセンサとして利用し、画像処理によって列車の発着を検知することで実現する。
　続いて、演算部２００を構成する要素の機能について説明する。
　降車人数算出部２０１は、過去の人数計測情報３０１と過去の発着時刻情報３０２を入力として、計測した通行人数を列車に割り当てることにより、各列車の降車人数を推定し、降車人数情報３０３として出力する。
　列車間隔算出部２０２は、同一番線に到着する列車の到着間隔時間を算出し、列車間隔情報３０４として出力する。
　予測モデル作成部２０３は、過去の降車人数情報３０３と過去の列車間隔情報３０４を対応付けたデータをもとに、列車間隔から列車降車人数を予測するモデルを作成し、予測モデル情報３０５として出力する。
　降車人数予測部２０４は、列車の到着が検知されたときに、列車間隔算出部２０２が出力する列車間隔を入力として、予測モデル情報３０５を用いて当該列車の降車人数を予測して出力する。
　続いて記録部３００で用いられるデータ構造について説明する。
　人数計測情報３０１は、人数計測部１０１の計測結果を記録したデータであり、図３に示すように、センサ設置位置を特定する位置ＩＤ、計測した日付、計測の開始時刻および終了時刻、計測する歩行者の移動する方向を特定する方向ＩＤ、計測された人数によって構成されるデータであり、記録部３００にデータベースとして保持される。
　発着時刻情報３０２は、列車発着検知部の検知結果を記録したデータであり、図４に示すように、対象とする列車の到着番線を特定する番線ＩＤ、列車を検知した日付および時刻、検知したのが到着か発車かを区別する種別によって構成されるデータであり、記録部３００にデータベースとして保持される。
　降車人数情報３０３は、列車毎の降車人数を記録したデータであり、図５に示すように、列車を検知した日付、番線ＩＤ、到着時刻、降車人数によって構成されるデータであり、記録部３００にデータベースとして保持される。日付、番線ＩＤ、到着時刻は、列車を一意に特定するための情報であり、列車毎に列車ＩＤをつけることにより、列車ＩＤと降車人数を対応させたデータを用いてもよい。
　列車間隔情報３０４は、列車毎の直前の列車との列車間隔を記録したデータであり、図６に示すように、列車を検知した日付、番線ＩＤ、到着時刻、列車間隔によって構成されるデータであり、記録部３００にデータベースとして保持される。日付、番線ＩＤ、到着時刻は、列車を一意に特定するための情報であり、列車毎に列車ＩＤをつけることにより、列車ＩＤと降車人数を対応させたデータを用いてもよい。
　予測モデル情報３０５は、列車間隔から列車降車人数を予測するモデルを記録したデータであり、図７に示すように、時間帯、属性、番線ＩＤ、モデル式によって構成される。本実施例では、予測モデルをモデル式として記録するが、モデルは式に限定しない。例えば、条件別に遅延時間と降車人数を対応付けたテーブルの形で保持してもよい。
　＜処理の説明＞
　続いて、列車降車人数予測装置の全体の処理フローの一例について説明し、その後、列車降車人数予測装置を構成する各部の処理フローの一例について説明をする。列車降車人数予測装置の処理は、データベース作成処理と降車人数予測処理に分けることができる。
　まず、図８のフローチャートを用いて、データベース作成処理の処理フローについて説明する。以下、ステップをＳと省略して説明する。例えば、ステップ４００１をＳ４００１と表記する。
　Ｓ４００１：人数計測部１０１を用いて、駅構内の所定の位置の通行人数を計測し、計測結果を人数計測情報３０１として記録部３００に保存することにより、人数計測情報３０１のデータベースを作成する。
　Ｓ４００２：列車発着検知部１０２を用いて、当該駅を発着する列車の発着時刻を検知し、検知結果を発着時刻情報３０２として記録部３００に保存することにより、発着時刻情報３０２のデータベースを作成する。
　Ｓ４００３：降車人数算出部２０１で、人数計測情報３０１に記録された通行人数を、発着時刻情報３０２に記録された列車到着時刻で分割し、各列車の到着時刻から次に到着する列車の到着時刻までの通行人数を該列車に割り当てることにより、該列車の降車人数を算出し、降車人数情報３０３として記録部３００に保存することにより、降車人数情報３０３のデータベースを作成する。
　Ｓ４００４：列車間隔算出部２０２で、列車検知部１０２が列車の到着を検知して、発着時刻情報３０２を出力されたときに、記録部３００に記録されている発着時刻情報３０２から前記列車と同一番線の直前に到着した列車の到着時間との間隔を列車間隔として算出し、列車間隔情報３０４として記録部３００に保存することにより、列車間隔情報データベースを作成する。
　Ｓ４００５：予測モデル作成部２０３で、記録部３００に記録された降車人数情報３０３と列車間隔情報３０４を対応付けして、番線、時間帯などの条件毎に分類した後に、条件毎に列車間隔と降車人数の関係式を算出し、予測モデル情報３０５として記録部３００に保存することにより、予測モデル情報データベースを作成する。
　以上で、記録部３００に記録されるデータベースがすべて作成できる。データベースは、計測部１００の計測結果に応じて適時あるいは周期的に上記の処理を繰り返すことにより、更新される。周期的とは、例えば日単位で更新を行うことを言う。
　続いて、図９のフローチャートを用いて、列車到着時の降車人数予測処理の処理フローについて説明する。
　Ｓ４１０１：列車発着検知部１０２が到着する列車を検知したときに、発着時刻情報３０２を出力し、降車人数予測処理を開始する。
　Ｓ４１０２：列車間隔算出部２０２は、発着時刻情報３０２から該列車と同一番線の直前の到着列車の到着間隔を算出する。
　Ｓ４１０３：降車人数予測部２０４は、該列車の到着時の条件に適合する予測モデル情報３０５を記録部３００から取得し、該予測モデルに前期列車間隔を入力することにより、該条件における降車人数の予測値を算出する。
　Ｓ４１０４：出力部４００は、降車人数の予測値を出力する。例えば、歩行者の人数を入力として、歩行者の移動を模擬することにより所定の空間の混雑状況を推定し可視化・評価可能な公知の歩行者シミュレータ装置に降車人数の予測値を出力することで、駅構内の混雑状況の可視化・予測を実現する。また、公知の方法により列車内の乗車人数を計測または推定する手段を有する場合には、前記乗車人数から降車人数の予測値を減算することにより、降車後の乗車人数を算出することができ、列車の定員から降車後の乗車人数を減算することにより、該列車への乗車可能人数を算出することができる。これにより、プラットホーム上の滞留人数をより精緻に可視化・予測することができる。
　以上で、降車人数予測処理の処理フローの説明は終わる。
　続いて、本実施例における各部の処理フローの一例を説明する。
　計測部１００は公知のセンシング技術、記録部３００は公知のデータベース技術、出力部４００は公知のデータ転送技術を用いて実現されるため、処理フローの説明を省略する。
　降車人数算出部２０１の処理フローの一例について、図１０および図１１を用いて説明する。
　まず、図１０を用いて、降車人数算出部２０１の処理の概要について説明する。記号１００１～１００６は、人数計測情報３０１から、対象とする番線および方向の通行人数を抽出し、各時間帯の通行人数を表したものである。記号１０１１と１０１２は、発着時刻情報３０２から抽出した対象の番線の列車到着時刻である。降車人数算出部２０１は、図１０のように通行人数を列車到着時間で分割し、通行人数を直前の列車に割り当てることにより、直前の列車の降車人数を算出する。例えば、記号１００１～１００３は、列車１０１１が到着してから、列車１０１２が到着するまでにプラットホーム上の階段を改札階に向かう方向に通行した人数であり、列車１０１１から降車した人数と推定できる。
　続いて、図１１のフローチャートを用いて、降車人数算出部２０１の処理フローの一例を説明する。
　Ｓ５００１：降車人数を算出する対象の番線の番線ＩＤかつプラットホームから改札階へ移動する方向の方向ＩＤである人数計測情報３０１を記録部３００から抽出する。
　Ｓ５００２：降車人数を算出する対象の番線の番線ＩＤである発着時刻情報３０２を記録部３００から抽出する。
　Ｓ５００３：抽出した人数計測情報を、抽出した発着時刻情報のうち列車到着時刻で分割する。
　Ｓ５００４：列車到着時刻で分割された人数計測情報の人数の合計値を直前に到着する列車の降車人数とする。
　Ｓ５００５：降車人数を降車人数情報３０３として出力し、記録部３００に記録する。
　続いて、列車間隔算出部２０２の処理フローの一例について、図１２のフローチャートを用いて説明する。
　Ｓ５１０１：列車発着検知部１０２が列車の到着を検知したときに、前記列車と同一番線の直前に到着した列車の到着時の発着時刻情報３０２を記録部から抽出する。
　Ｓ５１０２：抽出した発着時刻情報３０２の列車到着時刻と、前記列車の到着時刻との差分を前記列車の列車間隔として算出する。
　Ｓ５１０３：列車間隔を列車間隔情報３０４として出力し、記録部３００に記録する。
　続いて、予測モデル作成部２０３の処理フローの一例について、図１３および図１４を用いて説明する。
　まず、図１３を用いて、予測モデル作成部２０３の処理の概要について説明する。図１３は、横軸に列車間隔、縦軸に列車降車人数をとった散布図である。範囲１１０１～１１０３は、それぞれ属性、番線、時間帯などにより区別したデータの分布を表す。曲線１１１１～１１１３はそれぞれ範囲１１０１～１１０３のデータに対応する列車間隔と列車降車人数の関係式である。関係式は例えば、列車間隔を説明変数、列車降車人数を目的変数とした回帰分析によって算出する。予測モデル作成部２０３では、条件別の関係式を予測モデルとして作成し、予測モデル情報３０５として出力する。
　続いて、図１４のフローチャートを用いて、予測モデル作成部２０３の処理フローの一例について説明する。
　Ｓ５２０１：列車間隔情報３０４と降車人数情報３０３を日付、番線ＩＤ、到着時刻によって対応付ける。
　Ｓ５２０２：対応付けたデータを日付、番線ＩＤ、到着時刻の時間帯などの条件により、分類し、区別する。
　Ｓ５２０３：条件毎のデータに対して、列車間隔と列車降車人数の関係式を算出し、モデル式とする。関係式は例えば、列車間隔を説明変数、列車降車人数を目的変数とした回帰分析によって算出する。
　Ｓ５２０４：モデル式を予測モデル情報３０５として出力し、記録部３００に保存する。
　予測モデル作成部２０３における予測モデルの作成方法は上記に限定しない。例えば、条件別に集計した列車間隔と列車降車人数の最頻値や平均値を該条件での標準的な列車間隔と列車降車人数として、入力された列車間隔と標準的な列車間隔の差分を遅延時間として、遅延時間と列車降車人数の関係式によってモデル式を作成してもよい。また、図１５に示すように、標準的な遅延時間に対する前記遅延時間の比率である遅延率と標準的な列車降車人数に対する前記列車降車人数の比率である降車人数変化率の関係式によってモデル式を作成してもよい。このように比率として正規化することにより、モデル式を必ずしも全ての条件（時間帯）毎に作成する必要がなくなる。また、ある駅のモデル式を統計情報が十分ではない別の駅に利用することが可能となる。
　続いて、図１６のフローチャートを用いて降車人数予測部２０４の処理フローの一例について説明する。
　Ｓ５３０１：降車人数予測部は、列車到着時に列車間隔算出部２０２で算出した列車間隔を入力として受け取る。
　Ｓ５３０２：記録部３００から該列車の条件と適合する予測モデル情報３０５を抽出する。
　Ｓ５３０３：抽出したモデル式に入力された列車間隔を代入することにより、列車降車人数を予測する。
　Ｓ５３０４：予測した列車降車人数を出力する。
　降車人数予測部２０４の処理は、予測モデルの作成方法に応じて変更する。例えば、遅延率と列車降車人数増加率の関係式を用いて予測モデルを作成した場合には、列車間隔から遅延率を算出し、関係式を用いて列車降車人数変化率を算出し、列車降車人数変化率と標準的な列車降車人数と乗算することにより、列車降車人数を求めることとなる。
　＜効果＞
　本実施例の列車降車人数予測装置により、単一の駅から得られる情報のみを用いて、列車の到着を検知した段階で、列車の到着時間から列車間隔を算出し、列車間隔をもとに統計的に該到着列車の降車人数を予測することができる。これにより、列車到着時に降車人数を公知の歩行者シミュレータ装置に入力することで、リアルタイムに列車降車客を含む駅構内の混雑状況の可視化・予測を行うことが単一の駅情報のみで可能となる。単一の駅から得られる情報のみで混雑状況の把握を実現することも可能である。
　単一の駅で取得可能な情報を用いて列車降車人数を適時予測可能とすることで、低コストで駅構内の混雑状況の適時把握を実現できる。なお、適時とは、降車客が実際に降車を始める以前である列車の到着段階までのことを言う。
　１００計測部、２００演算部、２０１降車人数算出部、２０２列車間隔算出部、２０３予測モデル作成部、２０４列車人数予測部、３００記録部、３０１人数計測情報、３０２発着時刻情報、３０３降車人数情報、３０４列車間隔情報、３０５予測モデル情報、４００出力部、７０１カメラ、７０２，７０３カメラ、７１１地点、７１２地点

Claims (5)

  1. 　到着した列車からの降車人数を計測または推定する降車人数算出部と、
    　列車の到着を検知する列車発着検知部と、
    　二つの列車の到着時刻の間隔である列車間隔を算出する列車間隔算出部と、を有し、
    　前記降車人数と前記列車間隔から、将来到着する列車の降車人数を予測することを特徴とする列車降車人数予測システム。
  2. 　前記降車人数算出部で計測または推定された降車人数が、前記列車間隔に対応付けて記録された記録部と、
    　前記記録部に記録された降車人数の統計情報から予測モデルを作成する演算部と、を有することを特徴とする請求項１の列車降車人数予測システム。
  3. 　前記演算部が、過去の標準的な列車間隔との差分である遅延時間、または前記標準的な列車間隔に対する遅延時間の比率である遅延率を用いて予測モデルを作成することを特徴とする請求項２の列車降車人数予測システム。
  4. 　請求項１に記載の列車降車人数予測システムで予測された降車人数を入力として、歩行者の移動を模擬することにより空間の混雑状況を推定する歩行者シミュレータを有することを特徴とする混雑可視化・評価システム。
  5. 　請求項１に記載の列車降車人数予測システムと、列車内の乗車人数を計測または推定する手段を有し、前記乗車人数から前記列車降車人数予測システムが出力する降車人数を減算して算出される降車後乗車人数を、列車の定員から減算することにより列車への乗車可能人数を算出する乗車可能人数算出システム。
PCT/JP2017/003257 2016-03-30 2017-01-31 列車降車人数予測システム、混雑可視化・評価システム、および乗車可能人数算出システム Ceased WO2017169068A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2018508470A JP6640988B2 (ja) 2016-03-30 2017-01-31 列車降車人数予測システム、混雑可視化・評価システム、および乗車可能人数算出システム
EP17773617.0A EP3437955B1 (en) 2016-03-30 2017-01-31 Train disembarking passenger number prediction system, congestion visualization and evaluation system, and riding capacity calculation system

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2016-067041 2016-03-30
JP2016067041 2016-03-30

Publications (1)

Publication Number Publication Date
WO2017169068A1 true WO2017169068A1 (ja) 2017-10-05

Family

ID=59962821

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2017/003257 Ceased WO2017169068A1 (ja) 2016-03-30 2017-01-31 列車降車人数予測システム、混雑可視化・評価システム、および乗車可能人数算出システム

Country Status (3)

Country Link
EP (1) EP3437955B1 (ja)
JP (1) JP6640988B2 (ja)
WO (1) WO2017169068A1 (ja)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019171887A (ja) * 2018-03-26 2019-10-10 株式会社エヌ・ティ・ティ・データ 乗客重量均一化支援装置、及び乗客重量均一化支援方法
CN112381260A (zh) * 2020-09-03 2021-02-19 北京交通大学 基于进站比例的城市轨道交通客流管控优化方法
WO2022013922A1 (ja) 2020-07-13 2022-01-20 三菱電機株式会社 誘導システム及び誘導方法
CN115472018A (zh) * 2022-10-28 2022-12-13 广州地铁集团有限公司 一种基于行车分析及客流预测的城轨仿真推演方法

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110636210B (zh) * 2019-05-17 2020-07-28 乐清海创智能科技有限公司 无线信号触发方法
GB2585028A (en) * 2019-06-25 2020-12-30 Siemens Mobility Ltd A method and system for deriving train travel information
JP7461231B2 (ja) * 2020-06-24 2024-04-03 株式会社日立製作所 混雑推定システムおよび混雑推定方法
CN111762238B (zh) * 2020-07-03 2022-03-11 山东交通职业学院 一种列车间隔调整系统及其调整方法
US20230087643A1 (en) * 2021-09-17 2023-03-23 Korea Railroad Research Institute Method and apparatus for determining coupling section in real-time for train platooning

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
JP2005212641A (ja) * 2004-01-30 2005-08-11 Mitsubishi Electric Corp 駅混雑度推定システム
JP2015009604A (ja) * 2013-06-27 2015-01-19 株式会社日立製作所 列車混雑度予測システム、及び列車混雑度予測方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS58180375A (ja) * 1982-04-16 1983-10-21 株式会社日立製作所 列車群制御方式
JP2002037076A (ja) * 2000-07-27 2002-02-06 Kawasaki Heavy Ind Ltd 列車運行模擬方法および装置
JP5518213B2 (ja) * 2010-12-20 2014-06-11 三菱電機株式会社 車両内混雑状況表示システムおよび混雑状況案内方法
JP6178226B2 (ja) * 2013-12-04 2017-08-09 株式会社日立製作所 人流誘導システム及び人流誘導方法
JP6393531B2 (ja) * 2014-06-24 2018-09-19 株式会社日立製作所 列車選択支援システム、列車選択支援方法、及び列車選択支援プログラム

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
JP2005212641A (ja) * 2004-01-30 2005-08-11 Mitsubishi Electric Corp 駅混雑度推定システム
JP2015009604A (ja) * 2013-06-27 2015-01-19 株式会社日立製作所 列車混雑度予測システム、及び列車混雑度予測方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019171887A (ja) * 2018-03-26 2019-10-10 株式会社エヌ・ティ・ティ・データ 乗客重量均一化支援装置、及び乗客重量均一化支援方法
WO2022013922A1 (ja) 2020-07-13 2022-01-20 三菱電機株式会社 誘導システム及び誘導方法
US12175554B2 (en) 2020-07-13 2024-12-24 Mitsubishi Electric Corporation Guidance system and guidance method
CN112381260A (zh) * 2020-09-03 2021-02-19 北京交通大学 基于进站比例的城市轨道交通客流管控优化方法
CN112381260B (zh) * 2020-09-03 2023-11-17 北京交通大学 基于进站比例的城市轨道交通客流管控优化方法
CN115472018A (zh) * 2022-10-28 2022-12-13 广州地铁集团有限公司 一种基于行车分析及客流预测的城轨仿真推演方法
CN115472018B (zh) * 2022-10-28 2023-12-29 广州地铁集团有限公司 一种基于行车分析及客流预测的城轨仿真推演方法

Also Published As

Publication number Publication date
JPWO2017169068A1 (ja) 2019-01-10
JP6640988B2 (ja) 2020-02-05
EP3437955A4 (en) 2020-01-29
EP3437955B1 (en) 2021-04-28
EP3437955A1 (en) 2019-02-06

Similar Documents

Publication Publication Date Title
JP6640988B2 (ja) 列車降車人数予測システム、混雑可視化・評価システム、および乗車可能人数算出システム
CN109789885B (zh) 交通系统、调度表建议系统以及车辆运行系统
WO2018155397A1 (ja) 混雑予測システムおよび歩行者シミュレーション装置
CN112598182A (zh) 一种轨道交通智能调度方法及系统
JP6675860B2 (ja) データ処理方法およびデータ処理システム
JP6454222B2 (ja) データ処理システム、及び、データ処理方法
CN109311622B (zh) 电梯系统以及轿厢呼叫估计方法
JP2019177760A (ja) 輸送機関混雑予測システム及び混雑予測方法
JP2016168876A (ja) 混雑予測装置及び混雑予測方法
JP2018002037A (ja) 混雑率予想システム及び方法
CN112299176B (zh) 用于电梯拥挤预测的方法和系统
JP6326177B2 (ja) 交通状況推定システム及び交通状況推定方法
JP2015172850A (ja) 駅混雑予測装置及び駅混雑情報提供システム
JP2016166066A (ja) エレベータシステム
JP2018103924A (ja) 混雑予測装置
JP7461231B2 (ja) 混雑推定システムおよび混雑推定方法
JP6445175B2 (ja) 混雑予測システムおよび混雑予測方法
Morozov et al. Prototype of urban transport passenger accounting system
WO2018180030A1 (ja) 混雑対策支援システム
CN113936247B (zh) 基于流线感知的轨道交通车站客流状态辨识系统
JP7425680B2 (ja) ナビゲーション装置、及びナビゲーション方法
JP6481039B2 (ja) 混雑監視装置、混雑監視方法、および混雑監視プログラム
Khomchuk et al. Predicting passenger loading level on a train car: A Bayesian approach
Antos et al. Tapping into delay: Assessing rail transit passenger delay with data from a tap-in, tap-out fare system
CN107784385B (zh) 一种轨道交通中的清分方法、装置及系统

Legal Events

Date Code Title Description
WWE Wipo information: entry into national phase

Ref document number: 2018508470

Country of ref document: JP

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 2017773617

Country of ref document: EP

ENP Entry into the national phase

Ref document number: 2017773617

Country of ref document: EP

Effective date: 20181030

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

Ref document number: 17773617

Country of ref document: EP

Kind code of ref document: A1