混雑度推定装置
【課題】現在と過去における列車の運行状況および人の動きの変化パターンを考慮して、混雑が正常か異常かといった混雑度を推定する混雑度推定装置を提供する。
【解決手段】混雑度推定装置は、移動体の到着する地点付近の映像データを取得する撮像部１０１と、移動体の到着を検知する移動体検知部１０３と、映像データを処理して人物の流れを計測する人流計測部１０５と、人流計測部１０５の計測結果から典型的な時系列の変化を表したパターンデータを抽出してパターンデータベース１１１に保存する解析部１０７と、移動体の運行予定情報と人流計測部１０５の処理結果およびパターンデータを参照して混雑度を判定し、移動体または移動体到着地付近の混雑度が正常かあるいは異常かを表示する。
【解決手段】混雑度推定装置は、移動体の到着する地点付近の映像データを取得する撮像部１０１と、移動体の到着を検知する移動体検知部１０３と、映像データを処理して人物の流れを計測する人流計測部１０５と、人流計測部１０５の計測結果から典型的な時系列の変化を表したパターンデータを抽出してパターンデータベース１１１に保存する解析部１０７と、移動体の運行予定情報と人流計測部１０５の処理結果およびパターンデータを参照して混雑度を判定し、移動体または移動体到着地付近の混雑度が正常かあるいは異常かを表示する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、混雑度推定装置に関する。
【背景技術】
【０００２】
本技術分野の背景技術として、特許文献１には混雑推定システムが記載されており、画像列から動き情報を算出する動き情報生成部と、「画像に対してフーリエ変換を用いて周波数変換処理を行って」画像のテクスチャ情報を生成するテクスチャ情報生成部と、動きがあるかどうかを判定する動き情報判定部と、人と同じテクスチャ情報があるかどうかを判定するテクスチャ情報判定部と、動き情報とテクスチャ情報判定の結果を受けて、人が存在するかしないかどうかを判定する滞留判定部とを備え、動きの有無とテクスチャを用いた類似度判定を用いて個々の領域毎の各種状態を判別して混雑度を推定し、また混雑状況の指標および異常状態かどうかの情報を提供する技術が開示されている。
【０００３】
また、特許文献２には、混雑情報通知システムが記載されており、電車あるいは列車の各車両に設けられた車両の重量を検知する応荷重装置により検知された各車両の重量から各車両の乗車率を導き出して、各車両内の混雑状況の情報を駅に伝達するとともに、ホーム上の混雑状況を監視するホーム監視装置を設け、到着する列車の乗車率情報とホーム上の混雑状況の情報との両方をホーム上にいる乗客及び駅構外の大型画像表示装置（オーロラビジョン）で駅構外にいる人にも提供する技術が開示されている。
【０００４】
また、特許文献３には、列車混雑率情報の収集及び提供システムが記載されており、駅構内に入出車する列車毎の乗降客を監視し、該乗降客の動画像から乗車客と降車客とを識別して、乗車客数と降車客数とから列車毎に車内に残留する留車客数を算出し、留車客数から列車毎の混雑率を算出して、算出された列車毎、及び駅毎の混雑率を収集し提供するシステムが開示されている。
【０００５】
また、特許文献４、５には、列車運行管理システムや運行管理装置等が記載されており、ダイヤ管理装置が、列車の遅延や運転整理入力等のダイヤ変更を検知したとき、列車の到着出発時刻の予測値を算出し、この予測値を列車運行情報提供サーバへ出力する技術、あるいは、運行管理システムシステムからの情報を在線状況モニタ画面に編集して表示し、モニタ画面上の任意の移動体を指定すると、該当の地上局を起動し、在線している移動体との通話回線を形成する技術が開示されている。
【０００６】
また、特許文献６には、列車が駅に到着したか否かを検知する車両検知装置の技術が開示されている。
【先行技術文献】
【特許文献】
【０００７】
【特許文献１】特開２００９−１１０１５２号公報
【特許文献２】特開２０００−１９０８４７号公報
【特許文献３】特開２００７−１３８１号公報
【特許文献４】特開２００７−１８１４９号公報
【特許文献５】特開２００２−５９８３６号公報
【特許文献６】特開２００７−４５３４８号公報
【発明の概要】
【発明が解決しようとする課題】
【０００８】
特許文献１には、カメラで撮影された画像データを処理して混雑度を推定し、推定された混雑度が所定の閾値以下にならない場合に異常な混雑と判定することが記載されている。
【０００９】
しかしながら、例えば大都市圏の主要なターミナル駅における朝夕のラッシュ時のように常態的に混雑している駅の場合、単に当該時刻において取得した画像データのみを利用して混雑度を推定したとしても、それが通常の朝夕のラッシュ時に平均的に見られる“正常”な混雑なのか、あるいは事故等何らかの原因によって引き起こされた通常とは異なる混雑なのかを区別するのは非常に難しい。
【００１０】
また、たとえ通常とは異なる混雑が発生したと推定されたとしても、列車がダイヤ通り正常に運行しているのであれば、列車の運行管理上問題はなく、列車の運行状況と独立して混雑度を推定して異常と判断してしまうと、列車の運行管理上支障をきたす恐れがある。
【００１１】
そこで、本発明は、現在と過去における列車の運行状況および人の動きの変化パターンを考慮して、混雑が正常か異常かといった混雑度を推定する混雑度推定装置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】
【００１２】
本発明は、上記課題を解決する手段を複数含んでいるが、その一例を挙げるならば、移動体の到着する地点付近の映像データを取得する撮像部と、前記移動体の到着を検知する移動体検知部と、前記映像データを処理して人物を検出する計測部と、前記計測部における計測結果から典型的な時系列の変化を表したパターンデータを抽出して保存する解析部と、移動体の運行予定情報と計測部の処理結果、およびパターンデータを参照して混雑度を判定し、移動体または移動体到着地付近の混雑度が正常かあるいは異常かを表示することを特徴とする。
【００１３】
本発明の混雑度推定装置は、移動体の到着する地点付近の映像データを取得する撮像部と、前記映像データを画像処理し人物の流れを計測する人流計測部と、前記人流計測部の計測結果の典型的な時系列の変化を表したパターンデータを保存するパターンデータベースと、前記移動体の運行予定情報と前記人流計測部の計測結果と前記パターンデータとを参照して混雑度を判定する人流変化判定部と、前記混雑度を表示する表示部と、を備え、前記人流変化判定部の判定結果により、前記移動体または前記移動体の到着地付近の混雑度が正常かあるいは異常かを前記表示部に表示することを特徴とする。
【００１４】
本発明の混雑度推定装置は、さらに、前記パターンデータと前記人流計測部の処理結果との差を偏差のレベルとして前記表示部に表示することを特徴とする。
【００１５】
本発明の混雑度推定装置は、さらに、前記人流計測部の計測結果から典型的な時系列の変化を表したパターンデータを抽出する解析部を備え、前記解析部で抽出した人流の計測結果の典型的な時系列の変化を表したパターンデータを前記パターンデータベースに保存することを特徴とする。
【００１６】
本発明の混雑度推定装置は、さらに、前記移動体の到着を検知する移動体検知部と、前記移動体検知部によって得られる移動体の検知結果と前記人流計測部の計測結果を履歴データベースに保存する履歴データベース作成部と、を備えていることを特徴とする。
【００１７】
本発明の混雑度推定装置は、さらに、前記解析部は、前記履歴データベースに格納された履歴データから典型的な時系列の変化を表したパターンデータを抽出して前記パターンデータベースに保存することを特徴とする。
【００１８】
本発明の混雑度推定装置は、さらに、前記解析部は、前記履歴データベースに格納された履歴データを統計的に処理して所定の分類クラス毎に典型的な時系列の変化を表したパターンデータを作成して前記パターンデータベースに保存することを特徴とする。
【００１９】
本発明の混雑度推定装置は、さらに、前記人流変化判定部は、前記移動体の運行予定情報と前記履歴データベースと前記パターンデータベースを参照し、前記移動体検知部からの検知情報と前記移動体の運行予定情報との差および前記パターンデータベースと前記履歴データベースに蓄積されている当該時刻における時系列データの類似度を計算して人の混雑度を判定することを特徴とする。
【００２０】
本発明の混雑度推定装置は、前記移動体の到着する地点付近の映像データを取得する撮像部の代わりに、前記移動体の内部の映像データを取得する撮像部を備えており、前記移動体の内部の映像データを用いて人の混雑度を推定することを特徴とする。
【００２１】
本発明の混雑度推定装置は、前記移動体の到着する地点付近の映像データを取得する撮像部および前記映像データを画像処理して人流を検出する人流計測部の代わりに、前記移動体から送信される前記移動体の重量計測結果にもとづいて前記移動体の乗車人数を計測する乗車人数計測部を備えており、前記乗車人数計測部の計測結果を用いて人の混雑度を推定することを特徴とする。
【００２２】
本発明の混雑度推定装置は、更に、前記移動体の内部の映像データを取得する撮像部、または、前記移動体から送信される前記移動体の重量計測結果にもとづいて前記移動体の乗車人数を計測する乗車人数計測部と、前記人流変化判定部における人の混雑度の判定結果、及び、前記移動体の内部の映像データを用いて推定された人の混雑度または前記乗車人数計測部の計測結果を用いて推定された人の混雑度の判定結果の両方の判定結果に基づいて、人の混雑度を判定する混雑判定部、を備えており、前記混雑判定部の判定結果により、前記移動体または前記移動体の到着地付近の混雑度が正常かあるいは異常かを前記表示部に表示することを特徴とする。
【発明の効果】
【００２３】
本発明によれば、列車の運行状況に応じて混雑度を的確に判定できる混雑度推定装置を提供することができる。
【００２４】
上記した以外の課題、構成及び効果は、以下の実施形態の説明により明らかにされる。
【図面の簡単な説明】
【００２５】
【図１】図１は本発明の混雑度推定装置の第１の実施例における構成図の例である。
【図２】図２は撮像部１０１が取得する映像の例である。
【図３】図３は人流計測部１０５の処理内容を示すフローチャートである。
【図４】図４は人流計測部１０５で使用する、背景画像を表すデータである。
【図５】図５は人流データ管理部１０９に格納される履歴データベース１１０のデータ構造を表す図である。
【図６】図６は解析部１０７の処理内容を示すフローチャートである。
【図７】図７は人流データ管理部１０９に格納されるパターンデータベース１１１のデータ構造を表す図である。
【図８】図８は解析部１０７の別の処理内容を示すフローチャートである。
【図９】図９は人流変化判定部１０８の処理内容を示すフローチャートである。
【図１０】図１０は人流変化判定部１０８において使用される、正常時の人流変化パターンを模式的に示したグラフである。
【図１１】図１１は人流変化判定部１０８において使用される、異常時の人流変化パターンを模式的に示したグラフである。
【図１２】図１２は人流変化判定部１０８における判定結果を運行管理装置１１２における表示画面１２０に表示した例を示した図である。
【図１３】図１３は情報提供装置１１４における表示例を示した図である。
【図１４】図１４は本発明の混雑度推定装置の第２の実施例における構成図の例である。
【図１５】図１５は撮像部２０６が取得する映像の例である。
【図１６】図１６は乗車人数データ管理部２０９に格納される乗車人数履歴データベース２１０のデータ構造を表す図である。
【図１７】図１７は乗車人数データ管理部２０９に格納される乗車人数パターンデータベース２１１のデータ構造を表す図である。
【図１８】図１８は混雑判定部２１７の処理内容を示すフローチャートである。
【発明を実施するための形態】
【００２６】
以下、本発明の実施の形態について図面を用いて説明する。
【実施例１】
【００２７】
本実施例では、混雑度を推定する混雑度推定装置の例を説明する。図１は、本発明の実施例１の混雑度推定装置１００の構成図の例である。混雑度推定装置１００は、撮像部１０１、画像処理部１０２、車両検知部１０３、人流情報制御部１０４、人流データ管理部１０９を有する。
【００２８】
人流情報制御部１０４は、人流計測部１０５、履歴データ作成部１０６、解析部１０７、人流変化判定部１０８から構成される。また人流データ管理部１０９は履歴データベース１１０、パターンデータベース１１１を有する。さらに、混雑度推定装置１００は、運行管理装置１１２と接続されている。
【００２９】
以下、混雑度推定装置１００内の各装置の動作について詳細に説明する。撮像部１０１は、駅のホームや階段、エスカレータ付近に複数設置される。そして、例えば、図２に示すようなホームへの人の出入りが分かるような画像データ１２１を取得する。
【００３０】
画像処理部１０２では、撮像部１０１によって取得された画像データ１２１に対してデジタル変換やエラー訂正等の処理を行い、メモリ等の一時記憶媒体に格納する。そして、人流計測部１０５からの要求に応じて、格納されたデータを読み書きする。
【００３１】
車両検知部１０３は、列車が駅に到着したか否かを検知する装置であり、例えば、特許文献６に開示された技術によって実現することができる。
【００３２】
人流計測部１０５は、画像処理部１０２に格納された画像データ１２１に対して人数計測処理を行う。計測結果は履歴データ作成部１０６において人流データ管理部１０９内の履歴データベース１１０として格納される。
【００３３】
以下、人流計測部１０５および履歴データ作成部１０６の処理について詳細に説明する。図３は、人流計測部１０５および履歴データ作成部１０６の処理手順を示すフローチャートである。
【００３４】
図３において、処理手順は、ステップ３０１の人物候補領域検出処理、ステップ３０２の特徴量抽出処理、ステップ３０３の人物判定処理、ステップ３０４の人流計測処理、ステップ３０５のデータベース格納処理から構成される。
【００３５】
ステップ３０１の人物候補領域検出処理、ステップ３０２の特徴量抽出処理、ステップ３０３の人物判定処理、ステップ３０４の人流の計測処理は人流計測部１０５において処理され、ステップ３０５のデータベース格納処理は履歴データ作成部１０６において処理される。
【００３６】
ステップ３０１の人物候補領域検出処理は、例えば、以下のようにして行われる。あらかじめ、図４に示すような、撮像範囲内に人物が存在していない時の画像を背景画像４０１として記憶しておき、入力された画像２０１に対して、この背景画像との差分処理を行うことによって、人物候補領域が検出される。
【００３７】
ステップ３０２の特徴量抽出処理は、例えば、以下のようにして行われる。入力された人物候補領域に対してソーベルフィルタやラプラスフィルタを利用して濃淡エッジを検出する。そして、検出されたエッジ情報に対してハフ変換を行うことで、円または楕円領域を検出する。
【００３８】
ステップ３０３の人物判定処理は、例えば、ステップ３０２の特徴量抽出処理によって得られた円または楕円領域に対して、所定の閾値以上の大きさを有する領域を頭部領域と判定することによって行われる。
【００３９】
ステップ３０４の人流の計測処理は、例えば、以下のようにして行われる。入力画像２０１において、検知領域１２２を設定する。この検知領域１２２は、判別したい移動方向それぞれに対して設定される。たとえば、図２における入力画像においては、人物の移動方向として上りと下りの２方向が考えられる。そのため、検知領域として上り方向と下り方向の２つの検知領域を設定する。そして、この検知領域１２２内にステップ３０３の人物判定処理において人物と判定された円または楕円処理が存在すれば、人物が通過したと判定し、通過カウントを行って人流を計測する。
【００４０】
ステップ３０５のデータベース格納処理は、以下のように動作する。ステップ３０４の人流の計測処理でカウントされた通過人数を所定の時間単位ごとに集計する。そして集計結果データを車両検知部１０３から入力される車両検知結果と合わせて、履歴データベース１１０として格納する。
【００４１】
図５は、人流データ管理部１０９に格納される履歴データベース１１０のデータ構造の例を示した図である。履歴データベース１１０は、レコードＩＤ５０１，ホームＩＤ５０２、カメラＩＤ５０３、方向５０４、日時５０５、計測人数５０６、車両検知属性５０７の各要素から構成される。
【００４２】
レコードＩＤ５０１は、各レコードにユニークに割り当てられたＩＤである。ホームＩＤ５０２は、駅内のどのホームの設置されたカメラかを識別するためのＩＤである。カメラＩＤ５０３は、設置されたカメラをユニークに識別するためのＩＤである。方向５０４は、当該カメラで検知された人物が、どの検知領域で検知されたか人物かを識別するための情報である。日時５０５は、人数を計測した時刻であり、所定の時間単位で記録される。
【００４３】
人数５０６は、日時５０５において計測された人数である。車両検知属性５０７は、車両検知部１０３から入力された車両検知結果から得られた情報である。本実施例では、車両駅内停止状態および車両入線待ち状態を記録する。この履歴データベース１１０は所定の期間分保存される。
【００４４】
図６は、解析部１０７の処理内容の一例を示すフローチャートである。解析部１０７は、履歴データベース１１０を参照して平均値および分散を計算し、パターンデータベース１１１を作成する。
【００４５】
以下、各処理について詳細に説明する。ステップ６０１では、画像処理結果格納データベース１０６に格納される履歴データベース１１０の中から、計測人数の平均値と分散を計算する元となるレコードを特定するための分類クラスを決定する。
【００４６】
この分類クラスは、人数変化のパターンが類似すると考えられる日の変化パターンが、可能な限り同じクラスに属するようにクラスを決定する。本実施例では、分類クラスは平日、休前日、休日とした。この分類クラス毎に、通過人数の平均と分散を決定する。
【００４７】
ステップ６０２では、履歴データベース５００から日時５０５に基づいてステップ６０１で決定した分類クラスに該当するレコードを取得する。
【００４８】
ステップ６０３では、当該分類クラスに属するレコード数が所定の閾値以上数存在するか否かを判定する。閾値以上存在すればステップ６０４に進む。閾値以下であればステップ６０２に戻る。
【００４９】
ステップ６０４では、該当する分類クラスに属する履歴データベース１１０中のレコードから通過人数の平均値を計算する。
【００５０】
ステップ６０５では、該当する分類クラスに属する履歴データベース１１０中のレコードから通過人数の分散値を計算する。
【００５１】
ステップ６０６では、統計データベースに格納する車両検知属性を決定する。具体的には該当する分類クラスに属する履歴データベース中のレコードに存在する車両検知属性５０６のうち、最もレコード数の多い車両検知属性を統計データベースに格納する車両検知属性とする。
【００５２】
ステップ６０７では、計算された平均値、分散および車両検知属性に基づいて、パターンデータベース１１１を更新する。
【００５３】
図７は、人流データ管理部１０９に格納される、パターンデータベース１１１のデータ構造を表した図である。パターンデータベース１１１は、レコードＩＤ７０１，ホームＩＤ７０２、カメラＩＤ７０３、方向７０４、分類クラス７０５、時刻７０６、車両検知属性７０７、平均人数７０８、分散７０９、母数７１０の各要素から構成される。
【００５４】
レコードＩＤ７０１，ホームＩＤ７０２、カメラＩＤ７０３、方向７０４は、履歴データベース５００に格納されているレコードＩＤ５０１，ホームＩＤ５０２、カメラＩＤ５０３、方向５０４と同じ意味のデータである。
【００５５】
分類クラス７０５は、ステップ６０１で決定した分類クラスである。時刻７０６は、平均値および分散値を計算した基準となる時刻であり、２４時間を所定の間隔で分割したものである。車両検知属性７０７、平均人数７０８、分散７０９は、それぞれ解析部１０７で計算された車両検知属性、平均人数、分散の値である。
【００５６】
母数７１０は平均人数７０８および分散７０９を計算する際に使用した履歴データベース１１０のレコード数である。あるいは解析部１０７は上記実施例で説明したような統計処理を行う代わりに、ある一日のデータを抽出してそれをパターンデータベースとして登録する処理を行ってもよい。
【００５７】
図８は、解析部１０７における処理内容の別例を示すフローチャートである。ステップ８０１では、分類クラスを決定する。この処理はステップ６０１における処理内容と同等である。
【００５８】
ステップ８０２では、ホームＩＤ５０２、カメラＩＤ５０３、方向５０４それぞれにつて、履歴データベース５００の中から異常データの存在しないある一日のレコードを取得する。ある一日のレコードの選び方としては、正常に列車が運行された日を人手で選択する方法が考えられる。
【００５９】
ステップ８０３において、ステップ８０２において選択されたレコードをパターンデータベース１１１に登録する。
【００６０】
図８に示した処理によって作成されるパターンデータベースは、図７において示したパターンデータベース１１１から、分散７０９および母数７１０を除いた構造になる。
【００６１】
図９は、人流変化判定部１０８の処理内容を示すフローチャートである。人流変化判定部１０８では、人流データ管理部１０９に格納されている履歴データベース１１０およびパターンデータベース１１１を参照することにより、人流の変化が正常か否かを判定する。
【００６２】
以下、人流変化判定部１０８の処理内容について詳細に説明する。ステップ９０１において、予定ダイヤ情報を参照する。予定ダイヤ情報は、運行管理装置１１２等から取得できる、何時何分に列車が当該ホームに到着する予定であるという、列車のダイヤ情報である。
【００６３】
ステップ９０２において、人流データ管理部１０９に格納されている、履歴データベース１１０を参照する。参照するレコードは例えば以下の方法に従って決定する。ステップ９０１で取得した予定ダイヤ情報を参照して、列車が到着する予定の時刻になった時に、履歴データベース１１０の参照を行う。そして履歴データベース１１０に格納されているレコードのうち、日時カラム５０５の情報が列車到着予定時刻から最も近い過去ｎ個分のレコードを抽出する。
【００６４】
ステップ９０３において、人流データ管理部１０９に格納されている、パターンデータベース１１１を参照する。具体的には、まず現時刻がパターンデータベース１１１の分類クラスのうちどのクラスに該当するかを判定する。たとえば現在の時刻が平日であれば平日クラス、休日であれば休日クラスに該当することになる。
【００６５】
そしてパターンデータベース１１１に格納されているレコードのうち、分類クラス７０５が当該クラス、かつ時刻７０６が列車到着予定時刻から最も近い過去ｎ個分のレコードを抽出する。
【００６６】
ステップ９０４において、車両検知属性の時間差Ｔｄが閾値以内であるか否かを判定する。具体的には以下の方法で行われる。ステップ９０２において取得された履歴データベース１１０の当該レコードのうち、列車到着予定時刻に最も近いレコードに格納された車両検知属性５０７と、ステップ９０３において取得されたパターンデータベース１１１の当該レコードのうち、列車到着予定時刻に最も近いレコードに格納された車両検知属性７０７とを比較する。
【００６７】
そして両者の車両検知属性の属性値が同じで、かつ時間差Ｔｄが一定の値の範囲内に存在するか否かを判定する。そしてもし時間差Ｔｄが一定の値の範囲内に存在すると判定された場合にはステップ９０５に進み、列車はダイヤ通りかつ、過去の運転パターンに合致すると判断し、人流のパターンは正常と判定する。一方、時間差Ｔｄが一定の値の範囲内に存在しないと判定された場合は、次のステップ９０６に進む。
【００６８】
ステップ９０６では、ステップ９０２において取得された履歴データベース１１０の当該レコードで構成される時系列データと、ステップ９０３において取得されたパターンデータベース１１１の当該レコードで構成される時系列データとを比較し、両者の時系列データの類似度Ｄが閾値以内であるか否かを判定する。時系列データ間の類似度Ｄは例えば以下の計算式に基づいて計算される。
【数１】
【００６９】
ただし、ｘｉはステップ９０２において取得した履歴データの時刻ｉにおける当該レコード、ｙｉはステップ９０３において取得したパターンデータの時刻ｉにおける当該レコード、ｎは時系列データ数すなわちレコード数である。このＤの値が所定の閾値以内であるか否かを判定する。
【００７０】
そして、もしＤの計算値が所定の閾値以内であれば、ステップ９０５にすすみ、過去の人流の変化パターンに合致すると判断し、現在の人流のパターンは正常と判定する。一方、もしＤの計算値が所定の閾値より大きければ、ステップ９０７に進み、過去の人流の変化パターンに合致しないと判断し、現在の人流のパターンは異常と判定する。
【００７１】
図１０は正常時の人流変化パターンを模式的に示したグラフを示したものである。折れ線１００１が履歴データベース１１０の当該レコードから構成される時系列データ、折れ線１００２はパターンデータベース１１１の当該レコードから構成される時系列データ、線１００３が列車到着予定時刻、線１００４が列車到着予定時刻に最も近い車両検知属性が停止状態の履歴データが存在する時刻、線１００５が列車到着予定時刻に最も近い車両検知属性が停止状態のパターンデータが存在する時刻、時間差１００６は車両検知属性の時間差Ｔｄ、時間差１００７は時系列データの長さｎ、領域１００８は時系列データ間の類似度の大きさをあらわす領域Ｄである。
【００７２】
図１０に示すように、正常時においては履歴データと統計データは類似性が高く、結果として領域Ｄも小さくなる。
【００７３】
一方、図１１は異常時の人流変化パターンを模式的に示したグラフを示したものである。図１１のうち、既に説明した図１０に示された同一の符号を付した構成と、同一の意味を表す部分については、説明を省略する。
【００７４】
図１１に示すように、異常時においては履歴データと統計データは類似性が低くなり、結果として領域Ｄは相対的に大きくなる。
【００７５】
人流変化判定部１０８において判定された判定結果は運行管理装置１１２に随時送信され、指令員による列車運行管理業務に利用される。図１２に人流変化判定部１０８における判定結果を運行管理装置における表示画面に表示した例を示す。
【００７６】
運行管理装置１１２における表示画面１２０１には、例えば、特許文献５に記載されているように列車の在線状況が表示される。この表示画面１２０１における駅の存在場所を示す表示１２０２の下に、例えば各駅における人流の状況を示すアイコン１２０３を表示することができる。
【００７７】
このアイコン１２０３に表示されるデータは、人流変化判定部１０８において判定された判定結果であり、正常であれば正常、異常であれば異常と表示される。図５および図７に示したように、各駅の同一路線においては複数のカメラＩＤ５０３あるいは７０３が存在する。
【００７８】
このため、アイコン１２０３に表示される判定結果は、例えばこの複数のカメラＩＤのうちひとつでも異常と判定されれば、異常と表示することができる。さらにはアイコン１２０４に示すように、図１０または図１１に示した領域Ｄ１００８の大きさを段階に分け、通常時との差をレベル表示してもよい。
【００７９】
さらに、アイコン１２０３あるいは１２０４は選択可能とすることもできる。アイコンを選択すると、例えば図１０または図１１において示した、選択した駅における代表的なカメラＩＤにおける通常時の人流の変化パターンと、現在の人流の変化パターンを表示することが可能である。あるいは異常と表示された場合には異常と判定されたカメラＩＤにおける情報が表示されてもよい。列車運行管理業務をおこなう指令員は、この表示画面１２０１に表示された情報を用いて、適切な列車の運行を指令することができる。
【００８０】
運行管理装置１１２における表示画面１２０１に表示された判定結果１２０３、あるいはレベル差１２０４は、ネットワーク１１３を介して情報提供装置１１４に表示してもよい。情報提供装置１１４の例として、例えば駅の入り口やホームに設置された情報提供装置、あるいは鉄道の利用者が所持する携帯電話，駅員が所持する端末装置などが挙げられる。
【００８１】
情報提供装置１１４における表示例を図１３に示す。表示画面１３０１には、異常混雑が発生した駅について、例えば判定結果をテキスト表示したもの１３０２、あるいは通常時との混雑の差をレベル表示したアイコン１３０３が表示される。表示内容は運行管理装置１１２における表示画面１２０１に表示された判定結果１２０３、およびレベル差１２０４と同等である。
【００８２】
本発明の実施例１の混雑度推定装置１００では、列車の運行状況に応じて駅ホームの混雑度を的確に判定し混雑が正常か異常かといった混雑度をより正確に表示することができる。
【実施例２】
【００８３】
本実施例では、混雑度推定を行う装置１００の別の装置構成例を説明する。図１４は、本発明の実施例２における混雑度推定装置２００を示す構成図の例である。
【００８４】
図１４の混雑度推定装置２００のうち、既に説明した図１に示された同一の符号を付された構成と同一の機能を有する部分については、説明を省略する。
【００８５】
実施例２における混雑度推定装置２００では、実施例１の構成に加えて、さらに通信部２０７および列車内画像処理部２０８、乗車人数データ管理部２０９、乗車人数情報制御部２１２、混雑判定部２１７が加わった構成になっている。
【００８６】
以下、混雑度推定装置２００について詳細に説明する。列車の各車両２０１には応荷重装置２０２、各応荷重装置２０２からの乗車率情報を当該列車の伝送中央局２０３に送信する伝送端末２０４が備わっており、列車には伝送中央局２０３および伝送中央局に集められた乗車率情報を乗車率計測部２０６に伝達する通信部２０５が備わっている。
【００８７】
応荷重装置２０２、伝送中央局２０３、伝送端末２０４、通信部２０５は、例えば、特許文献２に記載された方法で動作する。
【００８８】
さらに列車の各車両には撮像部２０６が設置されてもよい。撮像部２０６は、車両の上部に複数設置される。そして、例えば、図１５に示すような、車両内の混雑状況が分かるような画像データ１５０１を取得する。取得された画像データ１５０１は乗車率情報と同様に伝送中央局２０３、伝送端末２０４、通信部２０５を介して混雑度推定装置２００に伝送される。
【００８９】
混雑度推定装置２００に伝送された画像１５０１は通信部２０７を介して列車内画像処理部２０８に入力される。列車内画像処理部２０８では、画像処理部１０２と同等の処理がおこなわれ、乗車人数計測部２１３からの要求に応じて、格納されたデータを読み書きする。
【００９０】
乗車人数計測部２１３は、車両２０１から伝送された乗車率情報あるいは取得された画像データ１５０１に基づいて、人数計測処理を行う。乗車率情報が伝送されてきた場合には、乗車人数に換算する。また画像データが伝送された場合には、図３に示した人流計測部１０５の処理手順と同等の方法によって人数計測処理を行う。
【００９１】
したがって、混雑度推定装置として、図１の移動体の到着する地点付近の映像データを取得する撮像部１０１の代わりに、前記移動体の内部の映像データを取得する撮像部２０６を備えることにより、移動体の内部の映像データを用いて人の混雑度を推定することができる。
【００９２】
また、混雑度推定装置として、移動体の到着する地点付近の映像データを取得する撮像部および前記映像データを画像処理して人流を検出する人流計測部の代わりに、前記移動体から送信される前記移動体の重量計測結果にもとづいて前記移動体の乗車人数を計測する乗車人数計測部を備えることにより、前記乗車人数計測部の計測結果を用いて人の混雑度を推定することができる。
【００９３】
図１４において、計測結果は履歴データ作成部２１４において乗車人数データ管理部２０９内の乗車人数履歴データベース２１０として格納される。履歴データ作成部２１４の処理内容は履歴データ作成部１０６の処理と同等である。
【００９４】
図１６は、乗車人数データ管理部２０９に格納される乗車人数履歴データベース２１０のデータ構造の例を示した図である。乗車人数履歴データベース２１０は、レコードＩＤ１６０１，列車ＩＤ１６０２、車両ＩＤ１６０３、カメラＩＤ１６０４、日時１６０５、乗車人数１６０６、車両検知属性１６０７の各要素から構成される。
【００９５】
レコードＩＤ１６０１は、各レコードにユニークに割り当てられたＩＤである。列車ＩＤ１６０２は、列車を識別するためのＩＤである。車両ＩＤ１６０３は、車両を識別するためのＩＤである。カメラＩＤ５０４は、列車内に設置されたカメラをユニークに識別するためのＩＤである。日時１６０５は、乗車人数を計測した時刻であり、所定の時間単位で記録される。乗車人数１６０６は、日時１６０５において計測された乗車人数である。車両検知属性１６０７は、車両検知部１０３から入力された車両検知結果から得られた情報である。本実施例では、車両停止状態および車両入線状態待ち状態を記録する。この乗車人数履歴データベース２１０は所定の期間分保存される。
【００９６】
解析部２１５は乗車人数履歴データベース２１０を参照して平均値および分散を計算し、乗車人数パターンデータベース２１１を更新する。処理の方法は実施例１における解析部１０７の処理と同様である。
【００９７】
図１７は、乗車人数データ管理部２０９に格納される、乗車人数パターンデータベース２１１のデータ構造を表した図である。乗車人数パターンデータベース２１１は、レコードＩＤ１７０１，列車ＩＤ１７０２、車両ＩＤ１７０３、カメラＩＤ１７０４、分類クラス１７０５、時刻１７０６、車両検知属性１７０７、平均人数１７０８、分散１７０９、母数１７１０の各要素から構成される。
【００９８】
レコードＩＤ１７０１，列車ＩＤ１７０２、車両ＩＤ１７０３、カメラＩＤ１７０４は、乗車人数履歴データベース２１０におけるレコードＩＤ１５０１，列車ＩＤ１５０２、車両ＩＤ１５０３、カメラＩＤ１５０４と同じ意味のデータである。また分類クラス１７０５、時刻１７０６、車両検知属性１７０７、平均人数１７０８、分散１７０９、母数１７１０は、パターンデータベース１１１に存在する要素である、分類クラス７０５、時刻７０６、車両検知属性７０７、平均人数７０８、分散７０９、母数７１０と同じ意味のデータである。
【００９９】
乗車人数変化判定部２１６は乗車人数データ管理部２０９に格納されているデータベースを参照することにより、列車内の人流の変化が正常か否かを判定する。乗車人数変化判定部２１６の動作は実施例１における人流変化判定部１０８の処理と同等である。
【０１００】
混雑判定部２１７は、人流変化判定部１０８における処理結果と、乗車人数変化判定部２１６における処理結果に基づいて人流の変化パターンが正常か否かを判定して運行管理装置１１２に判定結果を送信する。
【０１０１】
図１８は混雑判定部２１７の処理内容を示すフローチャートである。ステップ１８０１において、人流変化判定部１０８における判定結果を参照する。
【０１０２】
ステップ１８０２において、乗車人数変化判定部２１６における判定結果を参照する。ステップ１８０３において、人流変化が正常か否かを判定する。そしてもし正常と判定されれば、ステップ１８０４に進む。一方、正常でないと判定されれば、ステップ１８０５に進む。
【０１０３】
ステップ１８０５において、乗車人数変化が正常か否かを判定する。そしてもし正常と判定されれば、ステップ１８０４に進み、正常混雑と判定する。一方、正常でないと判定されれば、ステップ１８０６に進み、異常混雑と判定する。
【０１０４】
混雑判定部２１７において判定された判定結果は運行管理装置１１２に随時送信され、指令員による列車運行管理業務に利用される。利用方法は実施例１で示した方法と同等である。
【０１０５】
本発明の実施例２の混雑度推定装置２００では、列車の運行状況に応じて駅ホーム及び到着する列車内の双方の混雑度を的確に判定し混雑が正常か異常かといった混雑度をより正確に表示することができる。
【０１０６】
なお、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。
【０１０７】
また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、また、ある実施例の構成に他の実施例の構成を加えることも可能である。また、各実施例の構成の一部について、他の構成の追加・削除・置換をすることが可能である。
【０１０８】
また、上記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等によりハードウェアで実現してもよい。また、上記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウェアで実現してもよい。
【０１０９】
各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリや、ハードディスク、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等の記録装置、または、ＩＣカード、ＳＤカード、ＤＶＤ等の記録媒体に置くことができる。
【０１１０】
また、制御線や情報線は説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線や情報線を示しているとは限らない。実際には殆ど全ての構成が相互に接続されていると考えてもよい。
【符号の説明】
【０１１１】
１００ 混雑度推定装置
１０１ 撮像部
１０２ 画像処理部
１０３ 車両検知部
１０４ 人流情報制御部
１０５ 人流計測部
１０６ 履歴データ作成部
１０７ 解析部
１０８ 人流変化判定部
１０９ 人流データ管理部
１１０ 履歴データベース
１１１ パターンデータベース
１１２ 運行管理装置
１１３ ネットワーク
１１４ 情報提供装置
１２０ 表示画面
１２１ 画像データ
１２２ 検知領域
２０１ 列車
２０２ 応荷重装置
２０３ 伝送中央局
２０４ 伝送端末
２０５ 通信部
２０６ 撮像部
２０７ 通信部
２０８ 列車内画像処理部
２０９ 乗車人数データ管理部
２１０ 乗車人数履歴データベース
２１１ 乗車人数パターンデータベース
２１２ 乗車人数情報制御部
２１３ 乗車人数計測部
２１４ 履歴データ作成部
２１５ 解析部
２１６ 乗車人数変化判定部
２１７ 混雑判定部
４０１ 背景画像
５００ 履歴データベース５００
５０１ レコードＩＤ５０１
５０２ ホームＩＤ５０２
５０３ カメラＩＤ５０３
５０４ 方向５０４
５０５ 日時５０５
５０６ 計測人数５０６
６０７ 車両検知属性５０７
７０１ レコードＩＤ７０１
７０２ ホームＩＤ７０２
７０３ カメラＩＤ７０３、７０４
７０４ カメラＩＤ
７０５ 分類クラス７０５
７０６ 時刻７０６
７０７ 車両検知属性７０７
７０８ 平均人数７０８
７０９ 分散７０９
７１０ 母数７１０
１００１ 履歴データベースの時系列データ折れ線
１００２ パターンデータベースの時系列データ折れ線
１００３ 列車到着予定時刻の線
１００４ 列車到着予定時刻に最も近い停止状態の履歴データが存在する時刻の線
１００５ 列車到着予定時刻に最も近い停止状態のパターンデータが存在する時刻の線
１００６ 車両検知属性の時間差Ｔｄ、
１００７ 時系列データの長さｎ、
１００８ 時系列データ間の類似度の大きさをあらわす領域Ｄ
１２０１ 表示画面
１２０１ 駅の存在場所を示す表示１２０２
１２０３ 各駅における人流の状況を示す判定結果のアイコン１２０３
１２０４ レベル差のアイコン
１３０１ 表示画面
１３０２ 判定結果のテキスト表示
１３０３ 通常時との混雑の差をレベル表示したアイコン
１５０１ 画像データ
１６０１ レコードＩＤ
１６０２ 列車ＩＤ
１６０３ 車両ＩＤ
１６０４ カメラＩＤ
１６０５ 日時
１６０６ 乗車人数
１６０７ 車両検知属性
１７０１ レコードＩＤ
１７０２ 列車ＩＤ
１７０３ 車両ＩＤ
１７０４ カメラＩＤ
１７０５ 分類クラス
１７０６ 時刻
１７０７ 車両検知属性
１７０８ 平均人数
１７０９ 分散
１７１０ 母数
【技術分野】
【０００１】
本発明は、混雑度推定装置に関する。
【背景技術】
【０００２】
本技術分野の背景技術として、特許文献１には混雑推定システムが記載されており、画像列から動き情報を算出する動き情報生成部と、「画像に対してフーリエ変換を用いて周波数変換処理を行って」画像のテクスチャ情報を生成するテクスチャ情報生成部と、動きがあるかどうかを判定する動き情報判定部と、人と同じテクスチャ情報があるかどうかを判定するテクスチャ情報判定部と、動き情報とテクスチャ情報判定の結果を受けて、人が存在するかしないかどうかを判定する滞留判定部とを備え、動きの有無とテクスチャを用いた類似度判定を用いて個々の領域毎の各種状態を判別して混雑度を推定し、また混雑状況の指標および異常状態かどうかの情報を提供する技術が開示されている。
【０００３】
また、特許文献２には、混雑情報通知システムが記載されており、電車あるいは列車の各車両に設けられた車両の重量を検知する応荷重装置により検知された各車両の重量から各車両の乗車率を導き出して、各車両内の混雑状況の情報を駅に伝達するとともに、ホーム上の混雑状況を監視するホーム監視装置を設け、到着する列車の乗車率情報とホーム上の混雑状況の情報との両方をホーム上にいる乗客及び駅構外の大型画像表示装置（オーロラビジョン）で駅構外にいる人にも提供する技術が開示されている。
【０００４】
また、特許文献３には、列車混雑率情報の収集及び提供システムが記載されており、駅構内に入出車する列車毎の乗降客を監視し、該乗降客の動画像から乗車客と降車客とを識別して、乗車客数と降車客数とから列車毎に車内に残留する留車客数を算出し、留車客数から列車毎の混雑率を算出して、算出された列車毎、及び駅毎の混雑率を収集し提供するシステムが開示されている。
【０００５】
また、特許文献４、５には、列車運行管理システムや運行管理装置等が記載されており、ダイヤ管理装置が、列車の遅延や運転整理入力等のダイヤ変更を検知したとき、列車の到着出発時刻の予測値を算出し、この予測値を列車運行情報提供サーバへ出力する技術、あるいは、運行管理システムシステムからの情報を在線状況モニタ画面に編集して表示し、モニタ画面上の任意の移動体を指定すると、該当の地上局を起動し、在線している移動体との通話回線を形成する技術が開示されている。
【０００６】
また、特許文献６には、列車が駅に到着したか否かを検知する車両検知装置の技術が開示されている。
【先行技術文献】
【特許文献】
【０００７】
【特許文献１】特開２００９−１１０１５２号公報
【特許文献２】特開２０００−１９０８４７号公報
【特許文献３】特開２００７−１３８１号公報
【特許文献４】特開２００７−１８１４９号公報
【特許文献５】特開２００２−５９８３６号公報
【特許文献６】特開２００７−４５３４８号公報
【発明の概要】
【発明が解決しようとする課題】
【０００８】
特許文献１には、カメラで撮影された画像データを処理して混雑度を推定し、推定された混雑度が所定の閾値以下にならない場合に異常な混雑と判定することが記載されている。
【０００９】
しかしながら、例えば大都市圏の主要なターミナル駅における朝夕のラッシュ時のように常態的に混雑している駅の場合、単に当該時刻において取得した画像データのみを利用して混雑度を推定したとしても、それが通常の朝夕のラッシュ時に平均的に見られる“正常”な混雑なのか、あるいは事故等何らかの原因によって引き起こされた通常とは異なる混雑なのかを区別するのは非常に難しい。
【００１０】
また、たとえ通常とは異なる混雑が発生したと推定されたとしても、列車がダイヤ通り正常に運行しているのであれば、列車の運行管理上問題はなく、列車の運行状況と独立して混雑度を推定して異常と判断してしまうと、列車の運行管理上支障をきたす恐れがある。
【００１１】
そこで、本発明は、現在と過去における列車の運行状況および人の動きの変化パターンを考慮して、混雑が正常か異常かといった混雑度を推定する混雑度推定装置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】
【００１２】
本発明は、上記課題を解決する手段を複数含んでいるが、その一例を挙げるならば、移動体の到着する地点付近の映像データを取得する撮像部と、前記移動体の到着を検知する移動体検知部と、前記映像データを処理して人物を検出する計測部と、前記計測部における計測結果から典型的な時系列の変化を表したパターンデータを抽出して保存する解析部と、移動体の運行予定情報と計測部の処理結果、およびパターンデータを参照して混雑度を判定し、移動体または移動体到着地付近の混雑度が正常かあるいは異常かを表示することを特徴とする。
【００１３】
本発明の混雑度推定装置は、移動体の到着する地点付近の映像データを取得する撮像部と、前記映像データを画像処理し人物の流れを計測する人流計測部と、前記人流計測部の計測結果の典型的な時系列の変化を表したパターンデータを保存するパターンデータベースと、前記移動体の運行予定情報と前記人流計測部の計測結果と前記パターンデータとを参照して混雑度を判定する人流変化判定部と、前記混雑度を表示する表示部と、を備え、前記人流変化判定部の判定結果により、前記移動体または前記移動体の到着地付近の混雑度が正常かあるいは異常かを前記表示部に表示することを特徴とする。
【００１４】
本発明の混雑度推定装置は、さらに、前記パターンデータと前記人流計測部の処理結果との差を偏差のレベルとして前記表示部に表示することを特徴とする。
【００１５】
本発明の混雑度推定装置は、さらに、前記人流計測部の計測結果から典型的な時系列の変化を表したパターンデータを抽出する解析部を備え、前記解析部で抽出した人流の計測結果の典型的な時系列の変化を表したパターンデータを前記パターンデータベースに保存することを特徴とする。
【００１６】
本発明の混雑度推定装置は、さらに、前記移動体の到着を検知する移動体検知部と、前記移動体検知部によって得られる移動体の検知結果と前記人流計測部の計測結果を履歴データベースに保存する履歴データベース作成部と、を備えていることを特徴とする。
【００１７】
本発明の混雑度推定装置は、さらに、前記解析部は、前記履歴データベースに格納された履歴データから典型的な時系列の変化を表したパターンデータを抽出して前記パターンデータベースに保存することを特徴とする。
【００１８】
本発明の混雑度推定装置は、さらに、前記解析部は、前記履歴データベースに格納された履歴データを統計的に処理して所定の分類クラス毎に典型的な時系列の変化を表したパターンデータを作成して前記パターンデータベースに保存することを特徴とする。
【００１９】
本発明の混雑度推定装置は、さらに、前記人流変化判定部は、前記移動体の運行予定情報と前記履歴データベースと前記パターンデータベースを参照し、前記移動体検知部からの検知情報と前記移動体の運行予定情報との差および前記パターンデータベースと前記履歴データベースに蓄積されている当該時刻における時系列データの類似度を計算して人の混雑度を判定することを特徴とする。
【００２０】
本発明の混雑度推定装置は、前記移動体の到着する地点付近の映像データを取得する撮像部の代わりに、前記移動体の内部の映像データを取得する撮像部を備えており、前記移動体の内部の映像データを用いて人の混雑度を推定することを特徴とする。
【００２１】
本発明の混雑度推定装置は、前記移動体の到着する地点付近の映像データを取得する撮像部および前記映像データを画像処理して人流を検出する人流計測部の代わりに、前記移動体から送信される前記移動体の重量計測結果にもとづいて前記移動体の乗車人数を計測する乗車人数計測部を備えており、前記乗車人数計測部の計測結果を用いて人の混雑度を推定することを特徴とする。
【００２２】
本発明の混雑度推定装置は、更に、前記移動体の内部の映像データを取得する撮像部、または、前記移動体から送信される前記移動体の重量計測結果にもとづいて前記移動体の乗車人数を計測する乗車人数計測部と、前記人流変化判定部における人の混雑度の判定結果、及び、前記移動体の内部の映像データを用いて推定された人の混雑度または前記乗車人数計測部の計測結果を用いて推定された人の混雑度の判定結果の両方の判定結果に基づいて、人の混雑度を判定する混雑判定部、を備えており、前記混雑判定部の判定結果により、前記移動体または前記移動体の到着地付近の混雑度が正常かあるいは異常かを前記表示部に表示することを特徴とする。
【発明の効果】
【００２３】
本発明によれば、列車の運行状況に応じて混雑度を的確に判定できる混雑度推定装置を提供することができる。
【００２４】
上記した以外の課題、構成及び効果は、以下の実施形態の説明により明らかにされる。
【図面の簡単な説明】
【００２５】
【図１】図１は本発明の混雑度推定装置の第１の実施例における構成図の例である。
【図２】図２は撮像部１０１が取得する映像の例である。
【図３】図３は人流計測部１０５の処理内容を示すフローチャートである。
【図４】図４は人流計測部１０５で使用する、背景画像を表すデータである。
【図５】図５は人流データ管理部１０９に格納される履歴データベース１１０のデータ構造を表す図である。
【図６】図６は解析部１０７の処理内容を示すフローチャートである。
【図７】図７は人流データ管理部１０９に格納されるパターンデータベース１１１のデータ構造を表す図である。
【図８】図８は解析部１０７の別の処理内容を示すフローチャートである。
【図９】図９は人流変化判定部１０８の処理内容を示すフローチャートである。
【図１０】図１０は人流変化判定部１０８において使用される、正常時の人流変化パターンを模式的に示したグラフである。
【図１１】図１１は人流変化判定部１０８において使用される、異常時の人流変化パターンを模式的に示したグラフである。
【図１２】図１２は人流変化判定部１０８における判定結果を運行管理装置１１２における表示画面１２０に表示した例を示した図である。
【図１３】図１３は情報提供装置１１４における表示例を示した図である。
【図１４】図１４は本発明の混雑度推定装置の第２の実施例における構成図の例である。
【図１５】図１５は撮像部２０６が取得する映像の例である。
【図１６】図１６は乗車人数データ管理部２０９に格納される乗車人数履歴データベース２１０のデータ構造を表す図である。
【図１７】図１７は乗車人数データ管理部２０９に格納される乗車人数パターンデータベース２１１のデータ構造を表す図である。
【図１８】図１８は混雑判定部２１７の処理内容を示すフローチャートである。
【発明を実施するための形態】
【００２６】
以下、本発明の実施の形態について図面を用いて説明する。
【実施例１】
【００２７】
本実施例では、混雑度を推定する混雑度推定装置の例を説明する。図１は、本発明の実施例１の混雑度推定装置１００の構成図の例である。混雑度推定装置１００は、撮像部１０１、画像処理部１０２、車両検知部１０３、人流情報制御部１０４、人流データ管理部１０９を有する。
【００２８】
人流情報制御部１０４は、人流計測部１０５、履歴データ作成部１０６、解析部１０７、人流変化判定部１０８から構成される。また人流データ管理部１０９は履歴データベース１１０、パターンデータベース１１１を有する。さらに、混雑度推定装置１００は、運行管理装置１１２と接続されている。
【００２９】
以下、混雑度推定装置１００内の各装置の動作について詳細に説明する。撮像部１０１は、駅のホームや階段、エスカレータ付近に複数設置される。そして、例えば、図２に示すようなホームへの人の出入りが分かるような画像データ１２１を取得する。
【００３０】
画像処理部１０２では、撮像部１０１によって取得された画像データ１２１に対してデジタル変換やエラー訂正等の処理を行い、メモリ等の一時記憶媒体に格納する。そして、人流計測部１０５からの要求に応じて、格納されたデータを読み書きする。
【００３１】
車両検知部１０３は、列車が駅に到着したか否かを検知する装置であり、例えば、特許文献６に開示された技術によって実現することができる。
【００３２】
人流計測部１０５は、画像処理部１０２に格納された画像データ１２１に対して人数計測処理を行う。計測結果は履歴データ作成部１０６において人流データ管理部１０９内の履歴データベース１１０として格納される。
【００３３】
以下、人流計測部１０５および履歴データ作成部１０６の処理について詳細に説明する。図３は、人流計測部１０５および履歴データ作成部１０６の処理手順を示すフローチャートである。
【００３４】
図３において、処理手順は、ステップ３０１の人物候補領域検出処理、ステップ３０２の特徴量抽出処理、ステップ３０３の人物判定処理、ステップ３０４の人流計測処理、ステップ３０５のデータベース格納処理から構成される。
【００３５】
ステップ３０１の人物候補領域検出処理、ステップ３０２の特徴量抽出処理、ステップ３０３の人物判定処理、ステップ３０４の人流の計測処理は人流計測部１０５において処理され、ステップ３０５のデータベース格納処理は履歴データ作成部１０６において処理される。
【００３６】
ステップ３０１の人物候補領域検出処理は、例えば、以下のようにして行われる。あらかじめ、図４に示すような、撮像範囲内に人物が存在していない時の画像を背景画像４０１として記憶しておき、入力された画像２０１に対して、この背景画像との差分処理を行うことによって、人物候補領域が検出される。
【００３７】
ステップ３０２の特徴量抽出処理は、例えば、以下のようにして行われる。入力された人物候補領域に対してソーベルフィルタやラプラスフィルタを利用して濃淡エッジを検出する。そして、検出されたエッジ情報に対してハフ変換を行うことで、円または楕円領域を検出する。
【００３８】
ステップ３０３の人物判定処理は、例えば、ステップ３０２の特徴量抽出処理によって得られた円または楕円領域に対して、所定の閾値以上の大きさを有する領域を頭部領域と判定することによって行われる。
【００３９】
ステップ３０４の人流の計測処理は、例えば、以下のようにして行われる。入力画像２０１において、検知領域１２２を設定する。この検知領域１２２は、判別したい移動方向それぞれに対して設定される。たとえば、図２における入力画像においては、人物の移動方向として上りと下りの２方向が考えられる。そのため、検知領域として上り方向と下り方向の２つの検知領域を設定する。そして、この検知領域１２２内にステップ３０３の人物判定処理において人物と判定された円または楕円処理が存在すれば、人物が通過したと判定し、通過カウントを行って人流を計測する。
【００４０】
ステップ３０５のデータベース格納処理は、以下のように動作する。ステップ３０４の人流の計測処理でカウントされた通過人数を所定の時間単位ごとに集計する。そして集計結果データを車両検知部１０３から入力される車両検知結果と合わせて、履歴データベース１１０として格納する。
【００４１】
図５は、人流データ管理部１０９に格納される履歴データベース１１０のデータ構造の例を示した図である。履歴データベース１１０は、レコードＩＤ５０１，ホームＩＤ５０２、カメラＩＤ５０３、方向５０４、日時５０５、計測人数５０６、車両検知属性５０７の各要素から構成される。
【００４２】
レコードＩＤ５０１は、各レコードにユニークに割り当てられたＩＤである。ホームＩＤ５０２は、駅内のどのホームの設置されたカメラかを識別するためのＩＤである。カメラＩＤ５０３は、設置されたカメラをユニークに識別するためのＩＤである。方向５０４は、当該カメラで検知された人物が、どの検知領域で検知されたか人物かを識別するための情報である。日時５０５は、人数を計測した時刻であり、所定の時間単位で記録される。
【００４３】
人数５０６は、日時５０５において計測された人数である。車両検知属性５０７は、車両検知部１０３から入力された車両検知結果から得られた情報である。本実施例では、車両駅内停止状態および車両入線待ち状態を記録する。この履歴データベース１１０は所定の期間分保存される。
【００４４】
図６は、解析部１０７の処理内容の一例を示すフローチャートである。解析部１０７は、履歴データベース１１０を参照して平均値および分散を計算し、パターンデータベース１１１を作成する。
【００４５】
以下、各処理について詳細に説明する。ステップ６０１では、画像処理結果格納データベース１０６に格納される履歴データベース１１０の中から、計測人数の平均値と分散を計算する元となるレコードを特定するための分類クラスを決定する。
【００４６】
この分類クラスは、人数変化のパターンが類似すると考えられる日の変化パターンが、可能な限り同じクラスに属するようにクラスを決定する。本実施例では、分類クラスは平日、休前日、休日とした。この分類クラス毎に、通過人数の平均と分散を決定する。
【００４７】
ステップ６０２では、履歴データベース５００から日時５０５に基づいてステップ６０１で決定した分類クラスに該当するレコードを取得する。
【００４８】
ステップ６０３では、当該分類クラスに属するレコード数が所定の閾値以上数存在するか否かを判定する。閾値以上存在すればステップ６０４に進む。閾値以下であればステップ６０２に戻る。
【００４９】
ステップ６０４では、該当する分類クラスに属する履歴データベース１１０中のレコードから通過人数の平均値を計算する。
【００５０】
ステップ６０５では、該当する分類クラスに属する履歴データベース１１０中のレコードから通過人数の分散値を計算する。
【００５１】
ステップ６０６では、統計データベースに格納する車両検知属性を決定する。具体的には該当する分類クラスに属する履歴データベース中のレコードに存在する車両検知属性５０６のうち、最もレコード数の多い車両検知属性を統計データベースに格納する車両検知属性とする。
【００５２】
ステップ６０７では、計算された平均値、分散および車両検知属性に基づいて、パターンデータベース１１１を更新する。
【００５３】
図７は、人流データ管理部１０９に格納される、パターンデータベース１１１のデータ構造を表した図である。パターンデータベース１１１は、レコードＩＤ７０１，ホームＩＤ７０２、カメラＩＤ７０３、方向７０４、分類クラス７０５、時刻７０６、車両検知属性７０７、平均人数７０８、分散７０９、母数７１０の各要素から構成される。
【００５４】
レコードＩＤ７０１，ホームＩＤ７０２、カメラＩＤ７０３、方向７０４は、履歴データベース５００に格納されているレコードＩＤ５０１，ホームＩＤ５０２、カメラＩＤ５０３、方向５０４と同じ意味のデータである。
【００５５】
分類クラス７０５は、ステップ６０１で決定した分類クラスである。時刻７０６は、平均値および分散値を計算した基準となる時刻であり、２４時間を所定の間隔で分割したものである。車両検知属性７０７、平均人数７０８、分散７０９は、それぞれ解析部１０７で計算された車両検知属性、平均人数、分散の値である。
【００５６】
母数７１０は平均人数７０８および分散７０９を計算する際に使用した履歴データベース１１０のレコード数である。あるいは解析部１０７は上記実施例で説明したような統計処理を行う代わりに、ある一日のデータを抽出してそれをパターンデータベースとして登録する処理を行ってもよい。
【００５７】
図８は、解析部１０７における処理内容の別例を示すフローチャートである。ステップ８０１では、分類クラスを決定する。この処理はステップ６０１における処理内容と同等である。
【００５８】
ステップ８０２では、ホームＩＤ５０２、カメラＩＤ５０３、方向５０４それぞれにつて、履歴データベース５００の中から異常データの存在しないある一日のレコードを取得する。ある一日のレコードの選び方としては、正常に列車が運行された日を人手で選択する方法が考えられる。
【００５９】
ステップ８０３において、ステップ８０２において選択されたレコードをパターンデータベース１１１に登録する。
【００６０】
図８に示した処理によって作成されるパターンデータベースは、図７において示したパターンデータベース１１１から、分散７０９および母数７１０を除いた構造になる。
【００６１】
図９は、人流変化判定部１０８の処理内容を示すフローチャートである。人流変化判定部１０８では、人流データ管理部１０９に格納されている履歴データベース１１０およびパターンデータベース１１１を参照することにより、人流の変化が正常か否かを判定する。
【００６２】
以下、人流変化判定部１０８の処理内容について詳細に説明する。ステップ９０１において、予定ダイヤ情報を参照する。予定ダイヤ情報は、運行管理装置１１２等から取得できる、何時何分に列車が当該ホームに到着する予定であるという、列車のダイヤ情報である。
【００６３】
ステップ９０２において、人流データ管理部１０９に格納されている、履歴データベース１１０を参照する。参照するレコードは例えば以下の方法に従って決定する。ステップ９０１で取得した予定ダイヤ情報を参照して、列車が到着する予定の時刻になった時に、履歴データベース１１０の参照を行う。そして履歴データベース１１０に格納されているレコードのうち、日時カラム５０５の情報が列車到着予定時刻から最も近い過去ｎ個分のレコードを抽出する。
【００６４】
ステップ９０３において、人流データ管理部１０９に格納されている、パターンデータベース１１１を参照する。具体的には、まず現時刻がパターンデータベース１１１の分類クラスのうちどのクラスに該当するかを判定する。たとえば現在の時刻が平日であれば平日クラス、休日であれば休日クラスに該当することになる。
【００６５】
そしてパターンデータベース１１１に格納されているレコードのうち、分類クラス７０５が当該クラス、かつ時刻７０６が列車到着予定時刻から最も近い過去ｎ個分のレコードを抽出する。
【００６６】
ステップ９０４において、車両検知属性の時間差Ｔｄが閾値以内であるか否かを判定する。具体的には以下の方法で行われる。ステップ９０２において取得された履歴データベース１１０の当該レコードのうち、列車到着予定時刻に最も近いレコードに格納された車両検知属性５０７と、ステップ９０３において取得されたパターンデータベース１１１の当該レコードのうち、列車到着予定時刻に最も近いレコードに格納された車両検知属性７０７とを比較する。
【００６７】
そして両者の車両検知属性の属性値が同じで、かつ時間差Ｔｄが一定の値の範囲内に存在するか否かを判定する。そしてもし時間差Ｔｄが一定の値の範囲内に存在すると判定された場合にはステップ９０５に進み、列車はダイヤ通りかつ、過去の運転パターンに合致すると判断し、人流のパターンは正常と判定する。一方、時間差Ｔｄが一定の値の範囲内に存在しないと判定された場合は、次のステップ９０６に進む。
【００６８】
ステップ９０６では、ステップ９０２において取得された履歴データベース１１０の当該レコードで構成される時系列データと、ステップ９０３において取得されたパターンデータベース１１１の当該レコードで構成される時系列データとを比較し、両者の時系列データの類似度Ｄが閾値以内であるか否かを判定する。時系列データ間の類似度Ｄは例えば以下の計算式に基づいて計算される。
【数１】
【００６９】
ただし、ｘｉはステップ９０２において取得した履歴データの時刻ｉにおける当該レコード、ｙｉはステップ９０３において取得したパターンデータの時刻ｉにおける当該レコード、ｎは時系列データ数すなわちレコード数である。このＤの値が所定の閾値以内であるか否かを判定する。
【００７０】
そして、もしＤの計算値が所定の閾値以内であれば、ステップ９０５にすすみ、過去の人流の変化パターンに合致すると判断し、現在の人流のパターンは正常と判定する。一方、もしＤの計算値が所定の閾値より大きければ、ステップ９０７に進み、過去の人流の変化パターンに合致しないと判断し、現在の人流のパターンは異常と判定する。
【００７１】
図１０は正常時の人流変化パターンを模式的に示したグラフを示したものである。折れ線１００１が履歴データベース１１０の当該レコードから構成される時系列データ、折れ線１００２はパターンデータベース１１１の当該レコードから構成される時系列データ、線１００３が列車到着予定時刻、線１００４が列車到着予定時刻に最も近い車両検知属性が停止状態の履歴データが存在する時刻、線１００５が列車到着予定時刻に最も近い車両検知属性が停止状態のパターンデータが存在する時刻、時間差１００６は車両検知属性の時間差Ｔｄ、時間差１００７は時系列データの長さｎ、領域１００８は時系列データ間の類似度の大きさをあらわす領域Ｄである。
【００７２】
図１０に示すように、正常時においては履歴データと統計データは類似性が高く、結果として領域Ｄも小さくなる。
【００７３】
一方、図１１は異常時の人流変化パターンを模式的に示したグラフを示したものである。図１１のうち、既に説明した図１０に示された同一の符号を付した構成と、同一の意味を表す部分については、説明を省略する。
【００７４】
図１１に示すように、異常時においては履歴データと統計データは類似性が低くなり、結果として領域Ｄは相対的に大きくなる。
【００７５】
人流変化判定部１０８において判定された判定結果は運行管理装置１１２に随時送信され、指令員による列車運行管理業務に利用される。図１２に人流変化判定部１０８における判定結果を運行管理装置における表示画面に表示した例を示す。
【００７６】
運行管理装置１１２における表示画面１２０１には、例えば、特許文献５に記載されているように列車の在線状況が表示される。この表示画面１２０１における駅の存在場所を示す表示１２０２の下に、例えば各駅における人流の状況を示すアイコン１２０３を表示することができる。
【００７７】
このアイコン１２０３に表示されるデータは、人流変化判定部１０８において判定された判定結果であり、正常であれば正常、異常であれば異常と表示される。図５および図７に示したように、各駅の同一路線においては複数のカメラＩＤ５０３あるいは７０３が存在する。
【００７８】
このため、アイコン１２０３に表示される判定結果は、例えばこの複数のカメラＩＤのうちひとつでも異常と判定されれば、異常と表示することができる。さらにはアイコン１２０４に示すように、図１０または図１１に示した領域Ｄ１００８の大きさを段階に分け、通常時との差をレベル表示してもよい。
【００７９】
さらに、アイコン１２０３あるいは１２０４は選択可能とすることもできる。アイコンを選択すると、例えば図１０または図１１において示した、選択した駅における代表的なカメラＩＤにおける通常時の人流の変化パターンと、現在の人流の変化パターンを表示することが可能である。あるいは異常と表示された場合には異常と判定されたカメラＩＤにおける情報が表示されてもよい。列車運行管理業務をおこなう指令員は、この表示画面１２０１に表示された情報を用いて、適切な列車の運行を指令することができる。
【００８０】
運行管理装置１１２における表示画面１２０１に表示された判定結果１２０３、あるいはレベル差１２０４は、ネットワーク１１３を介して情報提供装置１１４に表示してもよい。情報提供装置１１４の例として、例えば駅の入り口やホームに設置された情報提供装置、あるいは鉄道の利用者が所持する携帯電話，駅員が所持する端末装置などが挙げられる。
【００８１】
情報提供装置１１４における表示例を図１３に示す。表示画面１３０１には、異常混雑が発生した駅について、例えば判定結果をテキスト表示したもの１３０２、あるいは通常時との混雑の差をレベル表示したアイコン１３０３が表示される。表示内容は運行管理装置１１２における表示画面１２０１に表示された判定結果１２０３、およびレベル差１２０４と同等である。
【００８２】
本発明の実施例１の混雑度推定装置１００では、列車の運行状況に応じて駅ホームの混雑度を的確に判定し混雑が正常か異常かといった混雑度をより正確に表示することができる。
【実施例２】
【００８３】
本実施例では、混雑度推定を行う装置１００の別の装置構成例を説明する。図１４は、本発明の実施例２における混雑度推定装置２００を示す構成図の例である。
【００８４】
図１４の混雑度推定装置２００のうち、既に説明した図１に示された同一の符号を付された構成と同一の機能を有する部分については、説明を省略する。
【００８５】
実施例２における混雑度推定装置２００では、実施例１の構成に加えて、さらに通信部２０７および列車内画像処理部２０８、乗車人数データ管理部２０９、乗車人数情報制御部２１２、混雑判定部２１７が加わった構成になっている。
【００８６】
以下、混雑度推定装置２００について詳細に説明する。列車の各車両２０１には応荷重装置２０２、各応荷重装置２０２からの乗車率情報を当該列車の伝送中央局２０３に送信する伝送端末２０４が備わっており、列車には伝送中央局２０３および伝送中央局に集められた乗車率情報を乗車率計測部２０６に伝達する通信部２０５が備わっている。
【００８７】
応荷重装置２０２、伝送中央局２０３、伝送端末２０４、通信部２０５は、例えば、特許文献２に記載された方法で動作する。
【００８８】
さらに列車の各車両には撮像部２０６が設置されてもよい。撮像部２０６は、車両の上部に複数設置される。そして、例えば、図１５に示すような、車両内の混雑状況が分かるような画像データ１５０１を取得する。取得された画像データ１５０１は乗車率情報と同様に伝送中央局２０３、伝送端末２０４、通信部２０５を介して混雑度推定装置２００に伝送される。
【００８９】
混雑度推定装置２００に伝送された画像１５０１は通信部２０７を介して列車内画像処理部２０８に入力される。列車内画像処理部２０８では、画像処理部１０２と同等の処理がおこなわれ、乗車人数計測部２１３からの要求に応じて、格納されたデータを読み書きする。
【００９０】
乗車人数計測部２１３は、車両２０１から伝送された乗車率情報あるいは取得された画像データ１５０１に基づいて、人数計測処理を行う。乗車率情報が伝送されてきた場合には、乗車人数に換算する。また画像データが伝送された場合には、図３に示した人流計測部１０５の処理手順と同等の方法によって人数計測処理を行う。
【００９１】
したがって、混雑度推定装置として、図１の移動体の到着する地点付近の映像データを取得する撮像部１０１の代わりに、前記移動体の内部の映像データを取得する撮像部２０６を備えることにより、移動体の内部の映像データを用いて人の混雑度を推定することができる。
【００９２】
また、混雑度推定装置として、移動体の到着する地点付近の映像データを取得する撮像部および前記映像データを画像処理して人流を検出する人流計測部の代わりに、前記移動体から送信される前記移動体の重量計測結果にもとづいて前記移動体の乗車人数を計測する乗車人数計測部を備えることにより、前記乗車人数計測部の計測結果を用いて人の混雑度を推定することができる。
【００９３】
図１４において、計測結果は履歴データ作成部２１４において乗車人数データ管理部２０９内の乗車人数履歴データベース２１０として格納される。履歴データ作成部２１４の処理内容は履歴データ作成部１０６の処理と同等である。
【００９４】
図１６は、乗車人数データ管理部２０９に格納される乗車人数履歴データベース２１０のデータ構造の例を示した図である。乗車人数履歴データベース２１０は、レコードＩＤ１６０１，列車ＩＤ１６０２、車両ＩＤ１６０３、カメラＩＤ１６０４、日時１６０５、乗車人数１６０６、車両検知属性１６０７の各要素から構成される。
【００９５】
レコードＩＤ１６０１は、各レコードにユニークに割り当てられたＩＤである。列車ＩＤ１６０２は、列車を識別するためのＩＤである。車両ＩＤ１６０３は、車両を識別するためのＩＤである。カメラＩＤ５０４は、列車内に設置されたカメラをユニークに識別するためのＩＤである。日時１６０５は、乗車人数を計測した時刻であり、所定の時間単位で記録される。乗車人数１６０６は、日時１６０５において計測された乗車人数である。車両検知属性１６０７は、車両検知部１０３から入力された車両検知結果から得られた情報である。本実施例では、車両停止状態および車両入線状態待ち状態を記録する。この乗車人数履歴データベース２１０は所定の期間分保存される。
【００９６】
解析部２１５は乗車人数履歴データベース２１０を参照して平均値および分散を計算し、乗車人数パターンデータベース２１１を更新する。処理の方法は実施例１における解析部１０７の処理と同様である。
【００９７】
図１７は、乗車人数データ管理部２０９に格納される、乗車人数パターンデータベース２１１のデータ構造を表した図である。乗車人数パターンデータベース２１１は、レコードＩＤ１７０１，列車ＩＤ１７０２、車両ＩＤ１７０３、カメラＩＤ１７０４、分類クラス１７０５、時刻１７０６、車両検知属性１７０７、平均人数１７０８、分散１７０９、母数１７１０の各要素から構成される。
【００９８】
レコードＩＤ１７０１，列車ＩＤ１７０２、車両ＩＤ１７０３、カメラＩＤ１７０４は、乗車人数履歴データベース２１０におけるレコードＩＤ１５０１，列車ＩＤ１５０２、車両ＩＤ１５０３、カメラＩＤ１５０４と同じ意味のデータである。また分類クラス１７０５、時刻１７０６、車両検知属性１７０７、平均人数１７０８、分散１７０９、母数１７１０は、パターンデータベース１１１に存在する要素である、分類クラス７０５、時刻７０６、車両検知属性７０７、平均人数７０８、分散７０９、母数７１０と同じ意味のデータである。
【００９９】
乗車人数変化判定部２１６は乗車人数データ管理部２０９に格納されているデータベースを参照することにより、列車内の人流の変化が正常か否かを判定する。乗車人数変化判定部２１６の動作は実施例１における人流変化判定部１０８の処理と同等である。
【０１００】
混雑判定部２１７は、人流変化判定部１０８における処理結果と、乗車人数変化判定部２１６における処理結果に基づいて人流の変化パターンが正常か否かを判定して運行管理装置１１２に判定結果を送信する。
【０１０１】
図１８は混雑判定部２１７の処理内容を示すフローチャートである。ステップ１８０１において、人流変化判定部１０８における判定結果を参照する。
【０１０２】
ステップ１８０２において、乗車人数変化判定部２１６における判定結果を参照する。ステップ１８０３において、人流変化が正常か否かを判定する。そしてもし正常と判定されれば、ステップ１８０４に進む。一方、正常でないと判定されれば、ステップ１８０５に進む。
【０１０３】
ステップ１８０５において、乗車人数変化が正常か否かを判定する。そしてもし正常と判定されれば、ステップ１８０４に進み、正常混雑と判定する。一方、正常でないと判定されれば、ステップ１８０６に進み、異常混雑と判定する。
【０１０４】
混雑判定部２１７において判定された判定結果は運行管理装置１１２に随時送信され、指令員による列車運行管理業務に利用される。利用方法は実施例１で示した方法と同等である。
【０１０５】
本発明の実施例２の混雑度推定装置２００では、列車の運行状況に応じて駅ホーム及び到着する列車内の双方の混雑度を的確に判定し混雑が正常か異常かといった混雑度をより正確に表示することができる。
【０１０６】
なお、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。
【０１０７】
また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、また、ある実施例の構成に他の実施例の構成を加えることも可能である。また、各実施例の構成の一部について、他の構成の追加・削除・置換をすることが可能である。
【０１０８】
また、上記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等によりハードウェアで実現してもよい。また、上記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウェアで実現してもよい。
【０１０９】
各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリや、ハードディスク、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等の記録装置、または、ＩＣカード、ＳＤカード、ＤＶＤ等の記録媒体に置くことができる。
【０１１０】
また、制御線や情報線は説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線や情報線を示しているとは限らない。実際には殆ど全ての構成が相互に接続されていると考えてもよい。
【符号の説明】
【０１１１】
１００ 混雑度推定装置
１０１ 撮像部
１０２ 画像処理部
１０３ 車両検知部
１０４ 人流情報制御部
１０５ 人流計測部
１０６ 履歴データ作成部
１０７ 解析部
１０８ 人流変化判定部
１０９ 人流データ管理部
１１０ 履歴データベース
１１１ パターンデータベース
１１２ 運行管理装置
１１３ ネットワーク
１１４ 情報提供装置
１２０ 表示画面
１２１ 画像データ
１２２ 検知領域
２０１ 列車
２０２ 応荷重装置
２０３ 伝送中央局
２０４ 伝送端末
２０５ 通信部
２０６ 撮像部
２０７ 通信部
２０８ 列車内画像処理部
２０９ 乗車人数データ管理部
２１０ 乗車人数履歴データベース
２１１ 乗車人数パターンデータベース
２１２ 乗車人数情報制御部
２１３ 乗車人数計測部
２１４ 履歴データ作成部
２１５ 解析部
２１６ 乗車人数変化判定部
２１７ 混雑判定部
４０１ 背景画像
５００ 履歴データベース５００
５０１ レコードＩＤ５０１
５０２ ホームＩＤ５０２
５０３ カメラＩＤ５０３
５０４ 方向５０４
５０５ 日時５０５
５０６ 計測人数５０６
６０７ 車両検知属性５０７
７０１ レコードＩＤ７０１
７０２ ホームＩＤ７０２
７０３ カメラＩＤ７０３、７０４
７０４ カメラＩＤ
７０５ 分類クラス７０５
７０６ 時刻７０６
７０７ 車両検知属性７０７
７０８ 平均人数７０８
７０９ 分散７０９
７１０ 母数７１０
１００１ 履歴データベースの時系列データ折れ線
１００２ パターンデータベースの時系列データ折れ線
１００３ 列車到着予定時刻の線
１００４ 列車到着予定時刻に最も近い停止状態の履歴データが存在する時刻の線
１００５ 列車到着予定時刻に最も近い停止状態のパターンデータが存在する時刻の線
１００６ 車両検知属性の時間差Ｔｄ、
１００７ 時系列データの長さｎ、
１００８ 時系列データ間の類似度の大きさをあらわす領域Ｄ
１２０１ 表示画面
１２０１ 駅の存在場所を示す表示１２０２
１２０３ 各駅における人流の状況を示す判定結果のアイコン１２０３
１２０４ レベル差のアイコン
１３０１ 表示画面
１３０２ 判定結果のテキスト表示
１３０３ 通常時との混雑の差をレベル表示したアイコン
１５０１ 画像データ
１６０１ レコードＩＤ
１６０２ 列車ＩＤ
１６０３ 車両ＩＤ
１６０４ カメラＩＤ
１６０５ 日時
１６０６ 乗車人数
１６０７ 車両検知属性
１７０１ レコードＩＤ
１７０２ 列車ＩＤ
１７０３ 車両ＩＤ
１７０４ カメラＩＤ
１７０５ 分類クラス
１７０６ 時刻
１７０７ 車両検知属性
１７０８ 平均人数
１７０９ 分散
１７１０ 母数
【特許請求の範囲】
【請求項１】
移動体の到着する地点付近の映像データを取得する撮像部と、
前記映像データを画像処理し人物の流れを計測する人流計測部と、
前記人流計測部の計測結果の典型的な時系列の変化を表したパターンデータを保存するパターンデータベースと、
前記移動体の運行予定情報と前記人流計測部の計測結果と前記パターンデータとを参照して混雑度を判定する人流変化判定部と、
前記混雑度を表示する表示部と、を備え、
前記人流変化判定部の判定結果により、前記移動体または前記移動体の到着地付近の混雑度が正常かあるいは異常かを前記表示部に表示することを特徴とする混雑度推定装置。
【請求項２】
請求項１に記載の混雑度推定装置において、
さらに、前記パターンデータと前記人流計測部の処理結果との差を偏差のレベルとして前記表示部に表示することを特徴とする混雑度推定装置。
【請求項３】
請求項１に記載の混雑度推定装置において、
前記人流計測部の計測結果から典型的な時系列の変化を表したパターンデータを抽出する解析部を備え、
前記解析部で抽出した人流の計測結果の典型的な時系列の変化を表したパターンデータを前記パターンデータベースに保存することを特徴とする混雑度推定装置。
【請求項４】
請求項３に記載の混雑度推定装置において、
前記移動体の到着を検知する移動体検知部と、
前記移動体検知部によって得られる移動体の検知結果と前記人流計測部の計測結果を履歴データベースに保存する履歴データベース作成部と、を備えていることを特徴とする混雑度推定装置。
【請求項５】
請求項４に記載の混雑度推定装置において、
前記解析部は、前記履歴データベースに格納された履歴データから典型的な時系列の変化を表したパターンデータを抽出して前記パターンデータベースに保存することを特徴とする混雑度推定装置。
【請求項６】
請求項５に記載の混雑度推定装置において、
前記解析部は、前記履歴データベースに格納された履歴データを統計的に処理して所定の分類クラス毎に典型的な時系列の変化を表したパターンデータを作成して前記パターンデータベースに保存することを特徴とする混雑度推定装置。
【請求項７】
請求項６に記載の混雑度推定装置において、
前記人流変化判定部は、前記移動体の運行予定情報と前記履歴データベースと前記パターンデータベースを参照し、前記移動体検知部からの検知情報と前記移動体の運行予定情報との差および前記パターンデータベースと前記履歴データベースに蓄積されている当該時刻における時系列データの類似度を計算して人の混雑度を判定することを特徴とする混雑度推定装置。
【請求項８】
請求項１ないし７のいずれかに記載の混雑度推定装置において、
前記移動体の到着する地点付近の映像データを取得する撮像部の代わりに、前記移動体の内部の映像データを取得する撮像部を備えており、
前記移動体の内部の映像データを用いて人の混雑度を推定することを特徴とする混雑度推定装置。
【請求項９】
請求項１ないし７のいずれかに記載の混雑度推定装置において、
前記移動体の到着する地点付近の映像データを取得する撮像部および前記映像データを画像処理して人流を検出する人流計測部の代わりに、前記移動体から送信される前記移動体の重量計測結果にもとづいて前記移動体の乗車人数を計測する乗車人数計測部を備えており、
前記乗車人数計測部の計測結果を用いて人の混雑度を推定することを特徴とする混雑度推定装置。
【請求項１０】
請求項１ないし７のいずれかに記載の混雑度推定装置において、
更に、前記移動体の内部の映像データを取得する撮像部、または、前記移動体から送信される前記移動体の重量計測結果にもとづいて前記移動体の乗車人数を計測する乗車人数計測部と、
前記人流変化判定部における人の混雑度の判定結果、及び、前記移動体の内部の映像データを用いて推定された人の混雑度または前記乗車人数計測部の計測結果を用いて推定された人の混雑度の判定結果の両方の判定結果に基づいて、人の混雑度を判定する混雑判定部、を備えており、
前記混雑判定部の判定結果により、前記移動体または前記移動体の到着地付近の混雑度が正常かあるいは異常かを前記表示部に表示することを特徴とする混雑度推定装置。
【請求項１】
移動体の到着する地点付近の映像データを取得する撮像部と、
前記映像データを画像処理し人物の流れを計測する人流計測部と、
前記人流計測部の計測結果の典型的な時系列の変化を表したパターンデータを保存するパターンデータベースと、
前記移動体の運行予定情報と前記人流計測部の計測結果と前記パターンデータとを参照して混雑度を判定する人流変化判定部と、
前記混雑度を表示する表示部と、を備え、
前記人流変化判定部の判定結果により、前記移動体または前記移動体の到着地付近の混雑度が正常かあるいは異常かを前記表示部に表示することを特徴とする混雑度推定装置。
【請求項２】
請求項１に記載の混雑度推定装置において、
さらに、前記パターンデータと前記人流計測部の処理結果との差を偏差のレベルとして前記表示部に表示することを特徴とする混雑度推定装置。
【請求項３】
請求項１に記載の混雑度推定装置において、
前記人流計測部の計測結果から典型的な時系列の変化を表したパターンデータを抽出する解析部を備え、
前記解析部で抽出した人流の計測結果の典型的な時系列の変化を表したパターンデータを前記パターンデータベースに保存することを特徴とする混雑度推定装置。
【請求項４】
請求項３に記載の混雑度推定装置において、
前記移動体の到着を検知する移動体検知部と、
前記移動体検知部によって得られる移動体の検知結果と前記人流計測部の計測結果を履歴データベースに保存する履歴データベース作成部と、を備えていることを特徴とする混雑度推定装置。
【請求項５】
請求項４に記載の混雑度推定装置において、
前記解析部は、前記履歴データベースに格納された履歴データから典型的な時系列の変化を表したパターンデータを抽出して前記パターンデータベースに保存することを特徴とする混雑度推定装置。
【請求項６】
請求項５に記載の混雑度推定装置において、
前記解析部は、前記履歴データベースに格納された履歴データを統計的に処理して所定の分類クラス毎に典型的な時系列の変化を表したパターンデータを作成して前記パターンデータベースに保存することを特徴とする混雑度推定装置。
【請求項７】
請求項６に記載の混雑度推定装置において、
前記人流変化判定部は、前記移動体の運行予定情報と前記履歴データベースと前記パターンデータベースを参照し、前記移動体検知部からの検知情報と前記移動体の運行予定情報との差および前記パターンデータベースと前記履歴データベースに蓄積されている当該時刻における時系列データの類似度を計算して人の混雑度を判定することを特徴とする混雑度推定装置。
【請求項８】
請求項１ないし７のいずれかに記載の混雑度推定装置において、
前記移動体の到着する地点付近の映像データを取得する撮像部の代わりに、前記移動体の内部の映像データを取得する撮像部を備えており、
前記移動体の内部の映像データを用いて人の混雑度を推定することを特徴とする混雑度推定装置。
【請求項９】
請求項１ないし７のいずれかに記載の混雑度推定装置において、
前記移動体の到着する地点付近の映像データを取得する撮像部および前記映像データを画像処理して人流を検出する人流計測部の代わりに、前記移動体から送信される前記移動体の重量計測結果にもとづいて前記移動体の乗車人数を計測する乗車人数計測部を備えており、
前記乗車人数計測部の計測結果を用いて人の混雑度を推定することを特徴とする混雑度推定装置。
【請求項１０】
請求項１ないし７のいずれかに記載の混雑度推定装置において、
更に、前記移動体の内部の映像データを取得する撮像部、または、前記移動体から送信される前記移動体の重量計測結果にもとづいて前記移動体の乗車人数を計測する乗車人数計測部と、
前記人流変化判定部における人の混雑度の判定結果、及び、前記移動体の内部の映像データを用いて推定された人の混雑度または前記乗車人数計測部の計測結果を用いて推定された人の混雑度の判定結果の両方の判定結果に基づいて、人の混雑度を判定する混雑判定部、を備えており、
前記混雑判定部の判定結果により、前記移動体または前記移動体の到着地付近の混雑度が正常かあるいは異常かを前記表示部に表示することを特徴とする混雑度推定装置。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【公開番号】特開２０１２−１１８７９０（Ｐ２０１２−１１８７９０Ａ）
【公開日】平成２４年６月２１日（２０１２．６．２１）
【国際特許分類】
【出願番号】特願２０１０−２６８４１６（Ｐ２０１０−２６８４１６）
【出願日】平成２２年１２月１日（２０１０．１２．１）
【出願人】（０００００５１０８）株式会社日立製作所 (27,607)
【Ｆターム（参考）】
【公開日】平成２４年６月２１日（２０１２．６．２１）
【国際特許分類】
【出願日】平成２２年１２月１日（２０１０．１２．１）
【出願人】（０００００５１０８）株式会社日立製作所 (27,607)
【Ｆターム（参考）】
[ Back to top ]