図面 (/)

技術 バス乗降停車時間予測装置

出願人 トヨタ自動車株式会社
発明者 大栄義博神丸博文
出願日 2018年5月7日 (2年7ヶ月経過) 出願番号 2018-089373
公開日 2019年11月14日 (1年1ヶ月経過) 公開番号 2019-197268
状態 未査定
技術分野 交通制御システム
主要キーワード 蓄積データ数 予測残り SSモジュール 閉扉信号 停留所付近 乗客乗降 開扉信号 一部区間
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2019年11月14日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (6)

課題

停留所停車したバスがいつ発車するのかを予測可能な技術を提供する。

解決手段

バスの現在の乗客数と、停留所における過去の降車乗客数に関する情報に基づき、停留所でバスから降車する乗客数を予測する降車乗客数予測部と、降車乗客数予測部の予測結果に基づき、停留所で降車すべき乗客が全てバスから降車するのに要する時間を予測する降車時間予測部と、停留所でバスに乗車する乗客数を予測する乗車乗客数予測部と、乗車乗客数予測部の予測結果に基づき、停留所でバスを待っている人が全てバスに乗車するのに要する時間を予測する乗車時間予測部と、降車時間予測部及び乗車時間予測部のそれぞれの予測結果に基づき、停留所における乗客の乗降のためのバスの停車時間を予測する乗降停車時間予測部と、を備える。

概要

背景

車両の前方のバス停留所停車した場合に、対向車線走行する対向車両の有無に基づき、当該車両がバスを追い抜き可能かを判断する技術が知られている(例えば、特許文献1等参照)。

概要

停留所で停車したバスがいつ発車するのかを予測可能な技術を提供する。バスの現在の乗客数と、停留所における過去の降車乗客数に関する情報に基づき、停留所でバスから降車する乗客数を予測する降車乗客数予測部と、降車乗客数予測部の予測結果に基づき、停留所で降車すべき乗客が全てバスから降車するのに要する時間を予測する降車時間予測部と、停留所でバスに乗車する乗客数を予測する乗車乗客数予測部と、乗車乗客数予測部の予測結果に基づき、停留所でバスを待っている人が全てバスに乗車するのに要する時間を予測する乗車時間予測部と、降車時間予測部及び乗車時間予測部のそれぞれの予測結果に基づき、停留所における乗客の乗降のためのバスの停車時間を予測する乗降停車時間予測部と、を備える。

目的

よって、停留所で停車したバスがいつ発車するのかを予測可能な技術が望まれている

効果

実績

技術文献被引用数
0件
牽制数
0件

この技術が所属する分野

(分野番号表示ON)※整理標準化データをもとに当社作成

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

バスの現在の乗客数と、停留所における過去の降車乗客数に関する情報に基づき、前記停留所で前記バスから降車する乗客数を予測する降車乗客数予測部と、前記降車乗客数予測部の予測結果に基づき、前記停留所で降車すべき乗客が全て前記バスから降車するのに要する時間を予測する降車時間予測部と、前記停留所で前記バスに乗車する乗客数を予測する乗車乗客数予測部と、前記乗車乗客数予測部の予測結果に基づき、前記停留所で前記バスを待っている人が全て前記バスに乗車するのに要する時間を予測する乗車時間予測部と、前記降車時間予測部及び前記乗車時間予測部のそれぞれの予測結果に基づき、前記停留所における乗客の乗降のための前記バスの停車時間を予測する乗降停車時間予測部と、前記乗降停車時間予測部により予測される前記停車時間を外部に出力する出力部と、を備える、バス乗降停車時間予測装置。

技術分野

0001

本発明は、バス乗降停車時間予測装置に関する。

背景技術

0002

車両の前方のバスが停留所で停車した場合に、対向車線走行する対向車両の有無に基づき、当該車両がバスを追い抜き可能かを判断する技術が知られている(例えば、特許文献1等参照)。

先行技術

0003

特開2016−189074号公報

発明が解決しようとする課題

0004

しかしながら、特許文献1では、停留所で停車したバスがいつ停留所から発車するかが考慮されていない。そのため、対向車両がいない場合に、停留所で停車したバスの後続車両が追い抜きしようとしても、バスが発車するタイミングによっては、適切な追い抜きができない可能性がある。よって、停留所で停車したバスがいつ発車するのかを予測可能な技術が望まれている。

0005

そこで、上記課題に鑑み、停留所で停車したバスがいつ発車するのかを予測可能な技術を提供することを目的とする。

課題を解決するための手段

0006

上記目的を達成するため、本発明の一実施形態では、
バスの現在の乗客数と、停留所における過去の降車乗客数に関する情報に基づき、前記停留所で前記バスから降車する乗客数を予測する降車乗客数予測部と、
前記降車乗客数予測部の予測結果に基づき、前記停留所で降車すべき乗客が全て前記バスから降車するのに要する時間を予測する降車時間予測部と、
前記停留所で前記バスに乗車する乗客数を予測する乗車乗客数予測部と、
前記乗車乗客数予測部の予測結果に基づき、前記停留所で前記バスを待っている人が全て前記バスに乗車するのに要する時間を予測する乗車時間予測部と、
前記降車時間予測部及び前記乗車時間予測部のそれぞれの予測結果に基づき、前記停留所における乗客の乗降のための前記バスの停車時間を予測する乗降停車時間予測部と、を備える、
バス乗降停車時間予測装置が提供される。

0007

本実施形態によれば、バス乗降停車時間予測装置は、停留所でバスからの降車乗客数及びバスへの乗車乗客数を予測すると共に、これらの予測結果から降車時間及び乗車時間を予測し、最終的に、乗客の乗降のためのバスの停車時間を予測することができる。従って、バス乗降停車時間予測装置は、乗客の乗降のためのバスの停車時間から停留所で停車したバスがいつ発車するのかを予測することができる。

発明の効果

0008

上述の実施形態によれば、停留所で停車したバスがいつ発車するのかを予測可能な技術を提供することができる。

図面の簡単な説明

0009

バス乗降停車時間予測システムの構成の一例を示す図である。
バス乗降停車時間通知処理の一例を概略的に示すフローチャートである。
バス乗降停車検出処理の一例を概略的に示すフローチャートである。
バス乗降停車時間予測処理の一例を概略的に示すフローチャートである。
バス乗降停車時間予測システム(バス乗降停車時間予測装置)の作用を説明する図である。

実施例

0010

以下、図面を参照して発明を実施するための形態について説明する。

0011

[バス乗降停車時間予測システムの構成]
図1を参照して、本実施形態に係るバス乗降停車時間予測システム1の構成について説明する。

0012

図1は、本実施形態に係るバス乗降停車時間予測システム1の構成の一例を示す図である。

0013

バス乗降停車時間予測システム1は、複数のバス車両5と、所定の通信ネットワークNWを通じて、それぞれのバス車両5と通信可能に接続されるセンタサーバ100を含む。バス乗降停車時間予測システム1は、バス車両5が乗客の乗降のために停留所に停車する時間(以下、「乗降停車時間」)を予測する。

0014

尚、一のバス車両5は、他のバス車両5とバス乗降停車時間予測システム1に関して同じ構成を有する。そのため、図1には、一のバス車両5に搭載される詳細構成のみが代表的に示される。

0015

<バス車両の構成>
バス車両5は、乗客の乗降可能な複数の停留所が配置される所定の路線時刻表に従って、運行される。つまり、バス車両5は、いわゆる路線バスである。所定の路線には、例えば、比較的短い距離の短距離路線だけでなく、一部区間高速道路等の有料道路が用いられる比較的長い距離の長距離路線が含まれてもよい。

0016

バス車両5には、バス乗降停車時間予測装置10が搭載される。

0017

バス乗降停車時間予測装置10は、ECU(Electronic Control Unit)20と、通信機器30と、車速センサ40と、ドア開閉スイッチ45と、GNSS(Global Navigation Satellite System)モジュール50と、ICカードリーダライタ55と、前方カメラ60と、車室内カメラ65と、レインセンサ70と、照度センサ75と、後部表示装置80を含む。

0018

ECU20は、バス車両5に関する各種制御を行う電子制御ユニットである。ECU20は、その機能が任意のハードウェアソフトウェア、或いは、これらの組み合わせにより実現されてよい。例えば、ECU20は、CPU(Central Processing Unit)と、RAM(Random Access Memory)と、ROM(Read Only Memory)と、不揮発性補助記憶装置と、RTC(Real Time Clock)と、通信用の各種インターフェースを含むマイクロコンピュータを中心として構成される。ECU20は、ROMや補助記憶装置に保存される一以上のプログラムをCPU上で実行することにより実現される機能部として、通信制御部201と、情報取得部202と、乗降停車時間予測部203と、通知部204を含む。

0019

尚、ECU20の機能は、複数のECUにより分担される態様で実現されてもよい。

0020

通信機器30は、例えば、多数の基地局を末端とする携帯電話網上空通信衛星を利用する通信衛星網、インターネット網等を含む所定の通信ネットワークNWを通じて、センタサーバ100と双方向で通信を行う通信デバイスである。通信機器30は、CAN(Controller Area Network)等の車載ネットワークを通じて、ECU20を含む各種ECUと相互に通信可能に接続される。

0021

車速センサ40は、バス車両5の車速を検出する既知の検出手段である。車速センサ40は、一対一通信線やCAN等の車載ネットワークを通じてECU20等と通信可能に接続され、検出された車速に対応する検出情報は、ECU20に取り込まれる。

0022

ドア開閉スイッチ45は、バス車両5の運転席の近傍に設けられ、バス車両5の乗降用のドア(例えば、バス車両の前端部の側面のドア、及び、バス車両の前後方向の中央部の側面のドア)を運転者開閉するための操作部である。ドア開閉スイッチ45は、一対一の通信線やCAN等の車載ネットワークを通じてECU20と通信可能に接続され、その操作状態に関する信号(開扉信号閉扉信号)は、ECU20に取り込まれる。

0023

GNSSモジュール50は、バス車両5の上空の三以上、好ましくは、四以上の衛星から送信される信号を受信し、既知の方法で、バス車両5の位置を測位する。GNSSモジュール50は、一対一の通信線やCAN等の車載ネットワークを通じてECU20と通信可能に接続され、測位されたバス車両5の位置情報は、ECU20に取り込まれる。

0024

ICカードリーダライタ55は、バス車両5の車室内ドア付近に設置され、乗客が乗車の際に所定のICカード或いは当該ICカードに相当するICチップが内蔵される端末を近づける(かざす)ことにより、所定方式近接通信を用いて、ICカード或いは対応する端末の情報(例えば、ICカード及びICチップごとに固有に規定されるID(Identifier))を読み取り、乗客の乗車或いは降車を認識する端末である。また、ICカードリーダライタ55は、併せて、乗車或いは降車した停留所の情報等の乗降車記録をICカード或いは端末に内蔵されるICチップに書き込む。ICカードリーダライタ55は、一対一の通信線やCAN等の車載ネットワークを通じてECU20等と通信可能に接続され、ICカードリーダライタ55の読み取り情報は、ECU20に取り込まれる。

0025

前方カメラ60は、バス車両5の前方の所定の撮像範囲、具体的には、バス車両5の前方の歩道部分を含む撮像範囲を撮像する。これにより、バス車両5が停留所の直前まで到達した場合、前方カメラ60の撮像画像には、停留所の付近の様子が含まれうる。前方カメラ60は、例えば、バス車両5のフロントウィンドウの室内側の中央上端部、即ち、バス車両5の室内側のフロントヘッダの左右中央部に取り付けられる。前方カメラ60は、例えば、バス車両5のアクセサリ電源オン(以下、「ACC−ON」)により起動し、起動後、バス車両5のアクセサリ電源のオフ(以下、「ACC−OFF」)までの間で、所定周期(例えば、1/30秒)ごとに、バス車両5の前方の上述の撮像範囲を撮像する。また、前方カメラ60は、バス車両5が停留所と所定距離内(例えば、前方カメラ60の撮像画像から停留所の乗客を認識可能な程度の距離)に近づいた場合に、停留所で停車するまでの間で、所定期間ごとに、バス車両5の前方の様子を撮像してもよい。前方カメラ60は、一対一の通信線やCAN等の車載ネットワークを通じてECU20等と通信可能に接続され、前方カメラ60の撮像画像は、ECU20に取り込まれる。

0026

車室内カメラ65は、車室内の様子を撮像する。具体的には、車室内カメラ65は、車室内の乗客が存在しうる範囲全体を撮像範囲に含むように、バス車両5の車室内に設置される。例えば、車室内カメラ65は、バス車両5の車室内の前端部において、そのレンズが後方に向けて設置される。車室内カメラ65は、例えば、バス車両5のACC−ONにより起動し、起動後、バス車両5のACC−OFFまでの間で、所定周期(例えば、1/30秒)ごとに、バス車両5の車室内の様子を撮像する。また、車室内カメラ65は、バス車両5が停留所で停車した後に発車した場合に、所定時間(例えば、1分間)の間で、所定期間ごとに、バス車両5の車室内の様子を撮像してもよい。車室内カメラ65は、一対一の通信線やCAN等の車載ネットワークを通じてECU20等と通信可能に接続され、車室内カメラ65の撮像画像は、ECU20に取り込まれる。

0027

レインセンサ70は、バス車両5のフロントウィンドウに設けられ、降雨を検知する既知の検知手段である。レインセンサ70は、一対一の通信線やCAN等の車載ネットワークを通じてECU20等と通信可能に接続され、レインセンサ70による降雨に関する検出情報は、ECU20に取り込まれる。

0028

照度センサ75は、車室内の外部からの日射が当たる位置に設けられ、照度を検出する。照度センサ75は、一対一の通信線やCAN等の車載ネットワークを通じてECU20等と通信可能に接続され、照度センサ75の検出情報は、ECU20に取り込まれる。

0029

後部表示装置80は、バス車両5の後部の側面に取り付けられ、ECU20による制御下で、バス車両5の後続の車両を含むバス車両5の周辺に通知する各種情報を表示する。後部表示装置80は、例えば、電光掲示板液晶ディスプレイ等である。

0030

通信制御部201は、通信機器30を制御し、センタサーバ100との間の双方向での各種信号(例えば、情報信号制御信号等)の通信を行う。情報取得部202、乗降停車時間予測部203は、通信制御部201を通じて、センタサーバ100との間の情報の送受信を行う。

0031

情報取得部202は、乗降停車時間予測部203により当該バス車両5の乗降停車時間を予測するための情報を取得する。例えば、情報取得部202は、車速センサ40から入力される、バス車両5の車速に対応する検出情報を取得する。また、例えば、情報取得部202は、ドア開閉スイッチ45から入力される、その操作状態に対応する検出情報(開扉信号/閉扉信号)を取得する。また、例えば、情報取得部202は、GNSSモジュール50から入力される、バス車両5の位置情報を取得する。また、例えば、情報取得部202は、ICカードリーダライタ55から入力される、停留所でバス車両5が停止している際に乗車或いは降車する乗客のICカード或いは端末に内蔵されるICチップから読み取られる読み取り情報を取得する。また、例えば、情報取得部202は、前方カメラ60から入力される、バス車両5の前方の撮像画像を取得する。また、例えば、情報取得部202は、車室内カメラ65から入力される、バス車両5の車室内の撮像画像を取得する。また、例えば、情報取得部202は、レインセンサ70から入力される、降雨に関する検出情報を取得する。また、例えば、情報取得部202は、照度センサ75から入力される、バス車両5の外部の照度に関する検出情報を取得する。

0032

また、情報取得部202は、取得した各種情報をECU20の内部メモリに保持する。このとき、内部メモリに保持される各種情報には、取得された日時に対応するタイムスタンプが付与される。タイムスタンプは、例えば、ECU20に内蔵される時計(例えば、RTC)の日時情報に基づき生成される。そして、情報取得部202は、所定のタイミング(例えば、バス車両5のACC−OFF時)において、内部メモリに保持される各種情報をセンタサーバ100に送信(アップロード)する。これにより、センタサーバ100は、複数のバス車両5がそれぞれの路線上で運行された際の各種情報を取得することができる。

0033

乗降停車時間予測部203は、情報取得部202により取得される情報やセンタサーバ100から予め配信される情報に基づき、バス車両5が停留所に停車する場合に、当該停留所における乗降停車時間を予測する。詳細は、後述する(図2図4参照)。

0034

通知部204は、乗降停車時間予測部203の予測結果である乗降停車時間の予測値(以下、「予測乗降停車時間」)をバス車両5の外部に通知するために、当該予測乗降停車時間を外部に出力する。例えば、通知部204は、後部表示装置80に予測乗降停車時間を出力し、予測乗降停車時間に基づく当該バス車両5が発車するタイミングに関する情報(例えば、発車までの残り時間)を後部表示装置80に表示させる。また、通知部204は、音声によって、後続車両の運転者を含むバス車両5の周辺の人々に対して、予測乗降停車時間に基づく当該バス車両5が発車するタイミングに関する情報を通知してもよい。また、通知部204は、車車間通信を通じて、バス車両5の後続車両を含む周辺車両に予測乗降停車時間を送信し、後続車両の表示装置(例えば、ナビゲーション装置ディスプレイ)に予測乗降停車時間に基づく当該バス車両5が発車するタイミングに関する情報を表示させる等により運転者に通知させてもよい。また、通知部204は、センタサーバ100に予測乗降停車時間を送信し、センタサーバ100経由で、当該バス車両5の後続車両を含む周辺車両や当該周辺車両の運転者が所持する携帯端末等に予測乗降停車時間を送信し、予測乗降停車時間に基づく当該バス車両5が発車するタイミングに関する情報を運転者に通知させてもよい。

0035

<センタサーバの構成>
センタサーバ100は、複数のバス車両5から運行時に取得される各種情報(以下、「運行履歴情報」)を収集し、蓄積すると共に、運行履歴情報を分析し、各種統計情報(以下、「運行統計情報」)を生成する。

0036

尚、センタサーバ100の機能は、複数のサーバ(例えば、運行履歴情報を蓄積するサーバと、運行履歴情報を分析するサーバ等)により分担して実現されてもよい。

0037

通信機器110は、通信ネットワークNWを通じて、それぞれのバス車両5と双方向で通信を行う。

0038

制御装置120は、センタサーバ100における各種制御を行う。制御装置120は、その機能が任意のハードウェア、ソフトウェア、或いは、これらの組み合わせにより実現されてよく、例えば、CPUと、RAMと、ROMと、不揮発性の補助記憶装置と、RTCと、通信インターフェース等を含む一又は複数のサーバコンピュータを中心に構成される。制御装置120は、例えば、ROMや補助記憶装置に保存される一以上のプログラムをCPU上で実行することにより実現される機能部として、通信制御部1201と、情報蓄積部1202と、運行統計情報配信部1204を含む。また、制御装置120は、例えば、サーバコンピュータの補助記憶装置やサーバコンピュータに接続される外部記憶装置等に規定される記憶領域に構築される運行履歴情報DB(Data Base)1203を含む。

0039

通信制御部1201は、通信機器110を制御し、それぞれのバス車両5との間での制御信号や情報信号等の各種信号のやり取りを行う。情報蓄積部1202及び運行統計情報配信部1204は、通信制御部1201を通じて、バス車両5との間の情報のやり取りを行う。

0040

情報蓄積部1202は、バス車両5からアップロードされる各種情報を運行履歴情報DB1203に蓄積させる。この際、情報蓄積部1202は、バス車両5からアップロードされる各種情報をそのまま運行履歴情報として運行履歴情報DB1203に蓄積させてもよいし、各種情報に代えて、或いは、加えて、各種情報を運行統計情報を生成し易い態様に加工した加工情報を運行履歴情報として蓄積させてもよい。例えば、情報蓄積部1202は、バス車両5からアップロードされる各種情報に基づき、停留所ごとの停車時間、乗車乗客数、及び降車乗客数や、停留所間の乗客数等の加工情報を生成してよい。

0041

尚、上述の加工情報は、アップロード前にバス車両5のECU20により生成されてもよい。

0042

運行履歴情報DB1203は、所定の条件(例えば、特定のバス車両5に限定する条件や、特定の時間帯に限定する条件)に応じて、当該条件に対応する運行履歴情報を抽出可能な態様で整理される。

0043

運行統計情報配信部1204は、運行履歴情報DB1203に蓄積される運行履歴情報を分析し、適宜、運行統計情報を生成する。そして、運行統計情報配信部1204は、生成した運行統計情報をそれぞれのバス車両5に配信する。

0044

運行統計情報には、例えば、路線別に生成される、停留所ごとの停車時間の平均値(以下、「停留所平均停車時間」)が含まれうる。また、運行統計情報には、停留所ごとの全ての乗車すべき乗客が乗車するのに要する時間(以下、「乗車時間」)の平均値(以下、「停留所平均乗車時間」)が含まれうる。このとき、乗車時間は、車速センサ40の検出情報、ドア開閉スイッチ45の操作状態に関する情報、及び、車室内カメラ65の撮像画像に基づき、バス車両5が停留所で停車してから最後の降車すべき乗客が降車するまでの時間として特定されうる。具体的には、後述の如く(図3参照)、車速センサ40の検出情報、及び、ドア開閉スイッチ45の操作状態に関する情報に基づき、バス車両5の停車タイミングが特定される。そして、車室内カメラ65の撮像画像に基づき、乗車すべき最後の乗客が乗車した(撮像画像に写っている乗車口から当該乗客が入ってきた)タイミングが特定されうる。また、運行統計情報には、全ての降車すべき乗客が降車するのに要する時間(以下、「降車時間」)の平均値(以下、「停留所平均降車時間」)が含まれうる。このとき、降車時間は、車速センサ40の検出情報、ドア開閉スイッチ45の操作状態に関する情報、及び、車室内カメラ65の撮像画像に基づき、バス車両5が停留所で停車してから最後の降車すべき乗客が降車するまでの時間として特定されうる。具体的には、車室内カメラ65の撮像画像に基づき、降車すべき最後の乗客が降車した(撮像画像に写っている降車口から当該乗客が出て行った)タイミングが特定されうる。また、運行統計情報には、路線別に生成される、停留所ごとの乗車乗客数及び降車乗客数の平均値(以下、「停留所平均乗車乗客数」及び「停留所平均降車乗客数」)が含まれうる。また、運行統計情報には、路線別に生成される、停留所ごとの停車前に乗っていた乗客数と降車乗客数との間の相関関係(例えば、停車前に乗っていた乗客数に対する降車乗客数の比率の平均値(以下、「平均降車率」)に関する情報(以下、「降車乗客数相関情報」)が含まれうる。このとき、各停留所におけるバス車両5の乗車乗客数や降車乗客数は、ICカードリーダライタ55の読み取り情報や車室内カメラ65の撮像画像に基づき特定されうる。また、運行統計情報には、時間帯別の停留所平均停車時間、停留所平均乗車時間、停留所平均降車時間、停留所平均乗車乗客数、停留所平均降車乗客数、降車乗客数相関情報等が含まれうる。また、運行統計情報には、天候別(例えば、晴れ曇り、雨、等の別)の停留所平均停車時間、停留所平均乗車時間、停留所平均降車時間、停留所平均乗車乗客数、停留所平均降車乗客数、降車乗客数相関情報等が含まれうる。このとき、バス車両5の運行時(対象の停留所に停車したとき)の天候は、例えば、レインセンサ70及び照度センサ75の検出情報から特定されうる。また、バス車両5の運行時の天候は、前方カメラ60の撮像画像に対して、人工知能AI:Artificial Intelligence)、特に、深層学習等の機械学習に関する既知の技術を適用した画像認識処理が実行されることにより特定されてもよい。また、バス車両5の運行時の天候は、例えば、センタサーバ100の外部の天候情報に関するウェブサーバ等から取得されてもよい。

0045

また、運行統計情報配信部1204は、停留所ごとの運行統計情報が生成する際、蓄積データ数によっては、有意な運行統計情報を生成できない場合がありうる。そのため、運行統計情報配信部1204は、停留所ごとに、乗降車する乗客数や年齢層が類似すると推定される停留所(類似停留所)を規定した停留所リストをそれぞれのバス車両5に配信する。これにより、バス車両5のECU20(具体的には、乗降停車時間予測部203)は、ある停留所に関して、運行統計情報が存在しない場合であっても、類似停留所に関する運行統計情報を利用して、後述の如く、乗降停車時間を予測できる。

0046

[乗降停車時間をバス車両の外部に通知する処理]
次に、図2を参照して、ECU20による乗降停車時間をバス車両5の外部に通知する処理(以下、「バス乗降停車時間通知処理」)について説明する。

0047

図2は、ECU20によるバス乗降停車時間通知処理の一例を概略的に示すフローチャートである。本フローチャートによる処理は、バス車両5が所定の路線で運行されている間で、所定の処理周期ごとに実行される。

0048

テップS102にて、乗降停車時間予測部203は、乗客の乗降のためのバス車両5の停車(以下、「乗客乗降停車」)を検出したか否かを判定する。乗降停車時間予測部203によるバス車両5の乗客乗降停車の検出処理の詳細については、後述する(図3参照)。乗降停車時間予測部203は、当該バス車両5の乗客乗降停車を検出した場合、ステップS104に進み、検出していない場合、今回の処理を終了する。

0049

ステップS104にて、乗降停車時間予測部203は、乗降停車時間を予測し、予測乗降停車時間を出力する。当該処理の詳細は、後述する(図4参照)。

0050

ステップS106にて、通知部204は、予測乗降停車時間に基づき、後部表示装置80に、当該バス車両5が発車するタイミングに関する情報を表示させる。例えば、通知部204は、予測乗降停車時間に基づき、発車までの残り時間を後部表示装置80にカウントダウン形式で表示させる。これにより、バス車両5の後続車両の運転者等は、バス車両5がいつ発車するかを認識することができる。

0051

[乗客の乗降のためのバス車両の停車を検出する処理]
次に、図3を参照して、ECU20による乗客乗降停車を検出する処理(以下、「バス乗客乗降停車検出処理」)について説明する。

0052

図3は、ECU20によるバス乗客乗降停車検出処理の一例を概略的に示すフローチャートである。具体的には、図3は、図2のステップS102の詳細を示すサブフローチャートである。

0053

ステップS1022にて、乗降停車時間予測部203は、情報取得部202により取得される、バス車両5の車速に対応する検出情報(検出値)に基づき、バス車両5の車速がゼロであるか否かを判定する。具体的には、乗降停車時間予測部203は、バス車両5の検出値が、車速ゼロに相当する所定の閾値以下であるか否かを判定してよい。乗降停車時間予測部203は、バス車両5の車速がゼロである場合、ステップS1024に進み、それ以外の場合、今回の処理を終了する。

0054

ステップS1024にて、乗降停車時間予測部203は、情報取得部202により取得される、ドア開閉スイッチ45の操作状態に対応する信号に基づき、乗降用のドアが開扉されたか否かを判定する。乗降停車時間予測部203は、乗降用のドアが開扉された場合、ステップS1026に進み、それ以外の場合、今回の処理を終了する。

0055

ステップS1026にて、乗降停車時間予測部203は、バス車両5が乗客の乗降のために停車したと判断する、つまり、バス車両5の乗客乗降停車を検出し、今回の処理を終了する。

0056

[乗降停車時間を予測する処理]
次に、図4を参照して、ECU20によるバス車両5の乗降停車時間を予測する処理(以下、「バス乗降停車時間予測処理」について説明する。

0057

図4は、ECU20によるバス乗降停車時間予測処理の一例を概略的に示すフローチャートである。具体的には、図4は、図2のステップS104の詳細を示すサブフローチャートである。

0058

ステップS1042にて、乗降停車時間予測部203は、情報取得部202により取得される、バス車両5の現在の位置情報に基づき、現在のバス車両5が停車している停留所を特定する。例えば、乗降停車時間予測部203は、ECU20の内部メモリ等に予め格納される、バス車両5が運行されている路線の全ての停留所に対応する識別情報(例えば、停留所ID)とそれぞれの停留所ごとの位置情報を含む停留所リストと、バス車両5の現在の位置情報とを比較することにより、停留所を特定する。また、乗降停車時間予測部203は、路線内の各停留所に所定方式の近距離無線通信(例えば、ブルートゥース登録商標)通信やWi−Fi(登録商標)通信等)を行う通信機器が設置されている前提の下、停留所との間の近距離無線通信による情報のやり取りに基づき、停留所を特定してもよい。

0059

ステップS1044にて、乗降停車時間予測部203は、予めセンタサーバ100から配信されECU20の内部メモリ等に格納される運行統計情報の中から、特定した停留所に関する運行統計情報を取得する。

0060

尚、運行統計情報は、予めセンタサーバ100から配信される態様でなくてもよい。この場合、乗降停車時間予測部203は、センタサーバ100に、特定した停留所の識別情報(例えば、停留所ID)を含むリクエスト信号を送信することにより、特定した停留所に関する運行統計情報を取得してよい。

0061

ステップS1046にて、乗降停車時間予測部203は、バス車両5が停車してから最後の降車する乗客がバス車両5を降りるまでの時間、つまり、当該停留所で降車すべき乗客が全て当該停留所で降車するのに要する時間(降車時間)を予測する。具体的には、乗降停車時間予測部203(降車時間予測部の一例)は、以下の式(1)を用いて、特定した停留所における降車時間を予測する、つまり、降車時間の予測値(以下、「予測降車時間」)を演算する。

0062

(予測降車時間)=(予測降車乗客数)×(一人あたりの降車時間)・・・(1)
尚、予測降車乗客数は、当該停留所で降車する乗客数の予測値である。また、一人あたりの降車時間は、一人の乗客がバス車両5から降車するのに要する時間である。

0063

乗降停車時間予測部203(降車乗客数予測部の一例)は、現在のバス車両5の乗客数(以下、「現乗客数」)と、特定した停留所の運行統計情報に基づき、予測降車乗客数を算出する。このとき、乗降停車時間予測部203は、停留所ごとに、ICカードリーダライタ55で読み取られるICカード及びICチップの数を乗車及び降車の別でカウントしていくことにより、以下の式(2)を用いて、現乗客数を算出する。

0064

(現乗客数)=(停車前の乗客数)+(乗車乗客数)−(降車乗客数)・・・(2)
そして、乗降停車時間予測部203は、運行統計情報に含まれる、停留所で停車する前にバス車両5に乗車していた乗客数と当該停留所での降車乗客数との間の相関関係に関する情報(つまり、降車乗客数相関情報)を用いて、当該相関関係を現乗客数に当てはめることにより、予測降車乗客数を算出する。より具体的には、乗降停車時間予測部203は、現在の乗客数に対して、当該相関関係に対応する特定した停留所における平均降車率を乗算することにより、予測降車乗客数を算出してよい。

0065

また、乗降停車時間予測部203は、運行統計情報に含まれる、特定した停留所に対応する停留所平均降車時間及び停留所平均降車乗客数に基づき、一人あたりの乗車時間の平均値を算出し、当該平均値を式(1)の"一人あたりの降車時間"に適用してよい。

0066

また、乗降停車時間予測部203は、現在の時間帯を考慮してもよい。具体的には、乗降停車時間予測部203は、運行統計情報に含まれる、特定した停留所に対応する時間帯別の停留所平均降車時間及び停留所平均降車乗客数のうちの現在の時刻に対応する時間帯の停留所平均降車時間及び停留所平均降車乗客数に基づき、現在の時刻に対応する時間帯の一人あたりの降車時間の平均値を算出し、当該平均値を式(1)の"一人あたりの降車時間"に適用してもよい。

0067

また、乗降停車時間予測部203は、降車する乗客の性別、年齢層等の属性を考慮してもよい。このとき、乗降停車時間予測部203は、車室内カメラ65の撮像画像に対して、深層学習等の機械学習に関する既知の技術を適用した画像認識処理を施すことにより、降車する乗客の属性を判断してよい。また、乗降停車時間予測部203は、予めICカードリーダライタ55により読み取られたICカード及びICチップに書き込まれた属性情報から降車する乗客の属性を推測してもよい。例えば、乗降停車時間予測部203は、降車すべき乗客に占める高齢者(例えば、65以上)の割合に応じて、割合が高くなるほど、式(1)の"一人あたりの降車時間"が長くなるように、上述の平均値を補正して式(1)に適用してもよい。また、降車すべき乗客に占める子供(例えば、12歳以下)の割合についても同様の対応が可能である。

0068

また、乗降停車時間予測部203は、現在の天候を考慮してもよい。天候が雨や雪の場合、晴れや曇り等の場合よりも、乗客がバス車両5の乗降に要する時間が相対的に長くなる傾向があると考えられるからである。このとき、乗降停車時間予測部203は、上述の如く、レインセンサ70及び照度センサ75の検出情報や、前方カメラ60の撮像画像に基づき、現在の天候を認識してよい。具体的には、乗降停車時間予測部203は、特定した停留所に対応する天候別の停留所平均降車時間及び停留所平均降車乗客数のうちの現在の天候に対応する停留所平均降車時間及び停留所平均降車乗客数に基づき、現在の天候に対応する一人あたりの降車時間の平均値を算出し、当該平均値を式(1)の"一人あたりの降車時間"に適用してもよい。

0069

このようにして、乗降停車時間予測部203は、予測降車時間を算出することができる。

0070

ステップS1048にて、乗降停車時間予測部203は、バス車両5が停車してから最後の乗車する乗客がバス車両5に乗るまでの時間、つまり、当該停留所で乗車すべき乗客が全て乗車するのに要する時間(乗車時間)を予測する。具体的には、乗降停車時間予測部203(乗車時間予測部の一例)は、以下の式(3)を用いて、特定した停留所における乗車時間を予測する、つまり、乗車時間の予測値(以下、「予測乗車時間」)を演算する。

0071

(予測乗車時間)=(予測乗車乗客数)×(一人あたりの乗車時間)・・・(3)
尚、予測乗車乗客数は、当該停留所で乗車する乗客数の予測値である。また、一人あたりの乗車時間は、一人の乗客がバス車両5から乗車するのに要する時間である。

0072

乗降停車時間予測部203(乗車乗客数予測部の一例)は、予測乗車乗客数として、例えば、運行統計情報に含まれる時間帯別の停留所平均乗車乗客数のうち、現在の時刻に対応する時間帯の停留所平均乗車乗客数を用いる。

0073

また、乗降停車時間予測部203は、前方カメラ60の撮像画像に対して、上述と同様の画像認識処理を施すことにより、停留所付近の人を認識すると共に、認識した人の数をカウントすることにより予測乗車乗客数を導出してもよい。

0074

また、上述の如く、路線内の各停留所に所定方式の近距離無線通信を行う通信機器が設置されている前提の下、停留所の通信機器と停留所で待っている乗客の携帯端末(例えば、スマートフォンタブレット端末等)との間での双方向通信に基づき、停留所に設置される制御装置が待ち人数を把握する。そして、乗降停車時間予測部203は、停留所(制御装置)との間の近距離無線通信による情報のやり取りに基づき、待ち人数を取得し、取得した待ち人数から予測乗車乗客数を導出してもよい。

0075

また、乗降停車時間予測部203は、運行統計情報に含まれる、特定した停留所に対応する停留所平均乗車時間及び停留所平均乗車乗客数に基づき、一人あたりの乗車時間の平均値を算出し、当該平均値を式(1)の"一人あたりの降車時間"に適用してよい。

0076

また、乗降停車時間予測部203は、上述した降車時間の場合と同様、時間帯を考慮してもよい。

0077

また、乗降停車時間予測部203は、上述した降車時間の場合と同様、乗車する乗客の性別、年齢層等の属性を考慮してもよい。このとき、乗降停車時間予測部203は、前方カメラ60の撮像画像に対して、上述の画像認識処理を施すことにより、乗車する乗客の属性を判断してよい。

0078

また、乗降停車時間予測部203は、上述した降車時間の場合と同様、現在の天候を考慮してもよい。

0079

このようにして、乗降停車時間予測部203は、予測乗車時間を算出することができる。

0080

ステップS1050にて、乗降停車時間予測部203は、導出した予測降車時間及び予測乗車時間に基づき、特定したバス停における乗降停車時間を予測する、つまり、予測乗降停車時間を導出し、今回の処理を終了する。例えば、乗降停車時間予測部203は、予測降車時間と予測乗車時間のうちの長い方を予測乗降停車時間とする。

0081

[本実施形態の作用]
次に、図5を参照して、本実施形態に係るバス乗降停車時間予測システム1(バス乗降停車時間予測装置10)の作用について説明する。

0082

図5は、本実施形態に係るバス乗降停車時間予測システム1(バス乗降停車時間予測装置10)の作用を説明する図である。

0083

本実施形態では、乗降停車時間予測部203は、バス車両5の現在の乗客数と、停留所における過去の降車乗客数に関する情報に基づき、当該停留所で当該バス車両5から降車する乗客数を予測する。また、乗降停車時間予測部203は、当該停留所で当該バス車両5から降車する乗客数の予測結果(予測降車乗客数)に基づき、当該停留所で降車すべき乗客が全て当該バス車両5から降車するのに要する時間(降車時間)を予測する。また、乗降停車時間予測部203は、当該停留所で当該バス車両5に乗車する乗客数を予測する。また、乗降停車時間予測部203は、当該停留所で当該バス車両5に乗車する乗客数の予測結果(予測乗車乗客数)に基づき、当該停留所で当該バス車両5を待っている人が全てバス車両5に乗車するのに要する時間(乗車時間)を予測する。そして、乗降停車時間予測部203は、降車時間及び乗車時間のそれぞれの予測結果(予測降車時間及び予測乗車時間)に基づき、当該停留所における乗客の乗降のためのバス車両5の停車時間(乗降停車時間)を予測する。

0084

これにより、バス乗降停車時間予測システム1(バス乗降停車時間予測装置10)は、停留所でバス車両5からの降車乗客数及びバス車両5への乗車乗客数を予測すると共に、これらの予測結果から降車時間及び乗車時間を予測し、最終的に、乗客の乗降のためのバスの停車時間(乗降停車時間)を予測することができる。従って、バス乗降停車時間予測システム1(バス乗降停車時間予測装置10)は、乗客の乗降のためのバス車両5の停車時間から停留所で停車したバス車両5がいつ発車するのかを予測することができる。

0085

具体的には、図5に示すように、通知部204は、乗降停車時間予測部203により予測された乗降停車時間(予測乗降停車時間)に基づき、当該バス車両5が発車するタイミングに関する情報を後部表示装置80に表示させる。

0086

これにより、バス車両5の後続車両の運転者等は、バス車両5がいつ発車するかを認識することができる。そのため、バス車両5の後続車両の運転者等は、バス車両5の追い抜きが可能か否かを適切に判断できる。よって、当該バス車両5が発車するタイミングが不明な場合、後続車両の運転者がバス車両5に対する無理な追い抜きを試みてしまう可能性がありうるところ、バス車両5が発車するタイミングを認識できるため、このような事態を抑制できる。

0087

[変形・改良]
以上、本発明を実施するための形態について詳述したが、本発明はかかる特定の実施形態に限定されるものではなく、特許請求の範囲に記載された本発明の要旨の範囲内において、種々の変形・改良が可能である。

0088

例えば、上述した実施形態(図4)では、乗降停車時間予測部203は、バス車両5が停留所で停車したときに一回だけ降車時間及び乗車時間を予測し、これらに基づき一回だけ乗降停車時間を予測するが、当該態様には、限定されない。具体的には、乗降停車時間予測部203は、乗客の降車状況をモニタリングながら、残りの降車すべき乗客の降車時間(以下、「予測残り降車時間」)を再計算してもよい。例えば、乗降停車時間予測部203は、バス車両5の乗降のための停車からの経過時間と降車済乗客数を測定しながら、以下の式(4)〜(7)を用いて、一人あたりの降車時間を補正する。

0089

(残りの降車乗客数)=(予測降車乗客数)−(降車済乗客数)・・・(4)
(残りの降車乗客比率)=(残り降車乗客数)/(予測降車乗客数)・・・(5)
(降車済乗客比率)=(降車済乗客数)/(予測降車乗客数)・・・(6)
(補正した一人あたり降車時間)=
(残りの降車乗客比率)×(過去の一人あたりの降車時間)
+(降車済乗客比率)×(今回の一人あたりの降車時間)・・・(7)
尚、式(7)の"過去の一人あたりの降車時間"は、上述の如く、運行統計情報に基づき導出される一人あたりの降車時間であり、"今回の一人あたりの降車時間"は、今回のバス車両5の乗降のための停車からの経過時間と降車済乗客数の測定結果に基づき算出される一人あたりの降車時間である。

0090

そして、乗降停車時間予測部203は、補正した一人あたりの降車時間に基づき、以下の式(8)用いて、予測残り降車時間を算出する。

0091

(予測残り降車時間)=
(残りの降車乗客数)×(補正した一人あたりの降車時間)・・・(8)
また、乗降停車時間予測部203は、乗客の乗車状況をモニタリングながら、同様の方法で、残りの乗車すべき乗客の乗車時間(以下、「予測残り乗車時間」)を再計算してもよい。

0092

これにより、バス乗降停車時間予測システム1(バス乗降停車時間予測装置10)は、今回の乗降状況に応じて、バス車両5の発車タイミングをより精度よく把握することができる。そのため、バス乗降停車時間予測装置10は、上述の如く、適宜、上記補正を繰り返すことで、より精度の良いバス車両5の発車までの残り時間を後部表示装置80等を通じて後続車両の運転者等に通知することができる。

0093

また、上述した実施形態及び変形例では、乗降停車時間を予測する機能(つまり、乗降停車時間予測部203の機能)は、それぞれのバス車両5に搭載されるが、当該態様には限定されない。具体的には、乗降停車時間予測部203の機能は、センタサーバ100に移管されてもよい。この場合、センタサーバ100は、それぞれのバス車両5からアップロードされる各種情報に基づき、上述と同様の方法で、それぞれのバス車両5の乗降停車時間を予測してよい。そして、センタサーバ100は、対象のバス車両5に予測結果としての予測乗降停車時間を送信し、後部表示装置80等を通じて、当該バス車両5の後続車両の運転者を含む当該バス車両5の周辺の人々に対して、予測乗降停車時間に基づく当該バス車両5が発車するタイミングに関する情報を通知してよい。また、センタサーバ100は、当該バス車両5の後続車両を含む周辺車両や当該周辺車両の運転者が所持する携帯端末等に予測乗降停車時間を送信し、予測乗降停車時間に基づく当該バス車両5が発車するタイミングに関する情報を運転者に通知させてもよい。これにより、上述した実施形態及び変形例と同様の作用・効果を奏する。

0094

1バス乗降停車時間予測システム
5バス車両(バス)
10 バス乗降停車時間予測装置
20 ECU
30通信機器
40車速センサ
45ドア開閉スイッチ
50 GNSSモジュール
55ICカードリーダライタ
60前方カメラ
65車室内カメラ
70レインセンサ
75照度センサ
80後部表示装置
100センタサーバ
110 通信機器
120制御装置
201通信制御部
202情報取得部
203 乗降停車時間予測部(降車乗客数予測部、降車時間予測部、乗車乗客数予測部、乗車時間予測部)
204通知部
1201 通信制御部
1202情報蓄積部
1203運行履歴情報DB
1204運行統計情報配信部

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

関連する公募課題

該当するデータがありません

ページトップへ

技術視点だけで見ていませんか?

この技術の活用可能性がある分野

分野別動向を把握したい方- 事業化視点で見る -

(分野番号表示ON)※整理標準化データをもとに当社作成

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

この 技術と関連性が強い技術

関連性が強い 技術一覧

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

関連する挑戦したい社会課題一覧

この 技術と関連する公募課題

該当するデータがありません

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ