列車運行実績データと自動改札データを用いた旅客個人ごとの不効用の推定 (指導教員富井規雄教授) 富井研究室 1131010 飯村彩希子 1 はじめに都市圏の鉄道では，ラッシュ時に慢性的に発生する小規模の遅延が問題となっている。そのため，鉄道会社は遅延を防ぐために鉄道ダイヤの改善に努めている。ダイヤ改善には，列車の運行状況，乗換客の数など，旅客流動を詳細に把握した上で分析を実施する必要がある。列車の運行状況は日々異なるため、その日の旅客流動を反映したデータが必要となる。そこで本研究では，同日の旅客の発駅や着駅、到着時刻などの利用状況を記録した自動改札機データと列車の運行実績データを用いて，旅客の乗車した列車を推定し、旅客個人の不効用を推定する。 2 解決すべき課題自動改札データからの旅客流動の予測自動改札データは 30 分毎の各出発駅から到着駅で退場した人数を記したデータであり，旅客がどの列車に乗車したかは分からない。そのため，旅客個人の不効用を推定するには、旅客個人の経路を予測する必要がある。 2.1 2.2 旅客個人の不効用を一目で把握できるような表示方遅延が生じた時の旅客への影響を旅客個人ごとに定量的に明らかにする。不効用は以下の式で計算する。 Disutil = T ime + 2 × W ait + 600 × T rans+ ∑ (1) (InterT ime × CongF ormula) 総所要時間と乗換による列車の待ち時間、乗換回数、混雑による不効用をすべて時間 (秒) に換算する。 4 実行例以下の旅客を対象にプログラムを実行した。 • 2012 年 10 月 01 日と 2012 年 10 月 05 日 • 東京メトロ東西線 (B 線) 区間で発着した旅客 • 始発から 10 時までに着駅に到着した旅客以上の条件を満たす旅客の中から上位 6 万人を総不効用の高い順に並べたグラフを以下に示す。色が濃い方が 10 月 1 日で色が薄いほうが 10 月 5 日である。10 月 1 日よりも 10 月 5 日のほうが列車が遅延している。(オレンジ：混雑による不効用, 青：総所要時間) 法の考案旅客個人の不効用を算出し、旅客の不効用を項目別に一目で把握できるような表示方法を考案する。 3 アプローチ 3.1 経路探索ネットワークを用いた旅客流動の予測図 1 10 月 01 日の旅客の不効用 3.1.1 経路探索ネットワークの構築日ごとの列車の運行を記した列車運行実績データより経路探索ネットワークを構築する。ノードは各路線の各駅の各方向の数だけ用意する。アークは走行アーク、停車アーク、乗換アークの 3 種類である。乗換アークを引くとき、乗換駅だけを見るようにして、時間短縮を行う。 3.1.2 旅客の乗車列車の推定旅客の乗車列車を以下のように推定する。図 2 10 月 05 日の旅客の不効用 1. 登録されている到着時間の 30 分前に存在する到着駅ノードを候補として抽出 2. 乱数を用いて旅客をノードに割り当てる 3. 着駅からダイクストラ法で最短経路を求める 3.1.3 旅客の到着駅での路線方向の決定ノードを抽出する際、旅客が到着駅で降り立った方向がその後経路探索をする上で重要な鍵となる。そこで、どちらの方向から到着したのかを知るためのテーブルを駅の対ごとに用意しておく。それを手掛かりとしてノードを抽出する。旅客の不効用の可視化経路探索ネットワークに実績データの遅延情報を加えて算出した旅客個人の不効用の内訳をファイルに出力し、 3.2 図 1 と図 2 を比較すると、10 月 1 日よりも 10 月 5 日のほうが混雑による不効用が増加していることがわかる。この結果から，列車が遅延すると，混雑不効用が大きくなることがわかる。 5 終わりに自動改札機データと列車運行実績データから，旅客の乗車した列車とその混雑度を推定し，個々の旅客がこうむった不効用を推定するアルゴリズムを構築した。また，このアルゴリズムを現実のデータに適用して遅延の影響に関する分析を行なった。今後の課題として，乗車列車推定アルゴリズムの高速化が挙げられる。