JP7559150B1 - Demand forecast support system, demand forecast support program, and recording medium having the demand forecast support program recorded thereon - Google Patents
Demand forecast support system, demand forecast support program, and recording medium having the demand forecast support program recorded thereonDownload PDFInfo
- Publication number
- JP7559150B1 JP7559150B1JP2023107230AJP2023107230AJP7559150B1JP 7559150 B1JP7559150 B1JP 7559150B1JP 2023107230 AJP2023107230 AJP 2023107230AJP 2023107230 AJP2023107230 AJP 2023107230AJP 7559150 B1JP7559150 B1JP 7559150B1
- Authority
- JP
- Japan
- Prior art keywords
- event
- period
- influence
- specific
- information
- 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.)
- Active
Links
- 230000002776aggregationEffects0.000claimsdescription49
- 238000004220aggregationMethods0.000claimsdescription49
- 238000012545processingMethods0.000claimsdescription26
- 238000004891communicationMethods0.000description35
- 230000008859changeEffects0.000description17
- 230000006870functionEffects0.000description16
- 238000000034methodMethods0.000description13
- 230000000694effectsEffects0.000description12
- 238000010586diagramMethods0.000description11
- 239000000284extractSubstances0.000description5
- 230000010365information processingEffects0.000description4
- 230000008569processEffects0.000description4
- 230000004931aggregating effectEffects0.000description2
- 230000003466anti-cipated effectEffects0.000description2
- 230000004308accommodationEffects0.000description1
- 230000007423decreaseEffects0.000description1
- 238000013461designMethods0.000description1
- 239000004973liquid crystal related substanceSubstances0.000description1
- 230000014759maintenance of locationEffects0.000description1
- 238000012986modificationMethods0.000description1
- 230000004048modificationEffects0.000description1
- 230000003287optical effectEffects0.000description1
- 230000004044responseEffects0.000description1
- 238000007790scrapingMethods0.000description1
- 239000007787solidSubstances0.000description1
- 230000009182swimmingEffects0.000description1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Translated fromJapaneseDescription
Translated fromJapanese本発明は、輸送手段の需要予測を補正するための需要予測支援システム、需要予測支援プログラム、及び、需要予測支援プログラムが記録された記録媒体に関する。The present invention relates to a demand forecasting support system for correcting demand forecasts for transportation means, a demand forecasting support program, and a recording medium on which the demand forecasting support program is recorded.
近年、鉄道やバス、航空機等の輸送手段の収益管理においては、予測された需要予測に合わせて、運行（運航）計画や運賃を自動的に算出するイールド管理システムが用いられている。イールド管理システムは、例えば、輸送手段の需要の増減に合わせて最適化された量の輸送手段を供給するために、予測された需要予測に基づいて自動的に運行（運航）計画を算出する。また、例えば、輸送手段あたりの収益を最大化するために、予測された需要予測に基づいて自動的に運賃を算出する。In recent years, yield management systems have been used in revenue management for transportation means such as trains, buses, and airplanes, which automatically calculate operation plans and fares in accordance with predicted demand forecasts. Yield management systems, for example, automatically calculate operation plans based on predicted demand forecasts in order to supply an optimized amount of transportation means in accordance with increases and decreases in demand for the transportation means. They also automatically calculate fares based on predicted demand forecasts in order to maximize revenue per transportation means.
ここで、例えば、特許文献１には、過去の需要実績値に基づいてイベントの影響を受けた需要実績値を自動で抽出し、このイベントの影響を受けた需要実績値に基づいて需要予測を行う需要予測システムが記載されている。この需要予測システムでは、例えば、過去の需要実績値を基にした基準値との差分がしきい値を超える需要実績値を探し出し、見つけられた需要実績値をイベントの影響を受けた需要実績値とする。そして、このイベントの影響を受けた需要実績値を基にして、イベントの発生の有無や、イベントが需要実績値に与える影響であるイベント効果の予測が行われ、イベントが発生する場合には、このイベント効果に基づいて需要予測が行われる。For example,
特許文献１に記載された需要予測システムでは、過去の需要実績値に基づく基準値からイベントの影響を受けた需要実績値を特定し、このイベントの影響を受けた需要実績値と基準値との比較から、イベントの発生の有無や、イベントが需要予測に与える影響を予測する。そのため、例えば、毎年の特定の日に発生するイベントのように、周期的に発生するイベントについては、そのイベントの影響を需要予測に反映させることができる。しかし、不定期に開催されるイベントや新規のイベントに関しては、イベントの発生すら予測が困難である。そこで、この需要予測システムでは、上述したように自動での抽出が難しいイベントについては、イベントの予定や規模等の情報を入力して事前登録することで、それらのイベントの影響を需要予測に反映させることができる。しかし、例えば、不定期に開催されるイベントや新規のイベントが確認される度に、当該システムの管理者や利用者がそれらのイベントの情報を入力しなければならないとすると、相当な労力が必要となる上に、イベントの影響を正確に把握することも困難で、イベントの影響を正確に需要予測に反映させることが困難であった。In the demand forecasting system described in
そこで、本発明は、輸送手段の需要予測をより正確に行うために、イベントの開催による影響を需要予測に反映して補正するための予測値を算出する需要予測支援システム、需要予測支援プログラム、及び、需要予測支援プログラムが記録された記録媒体の提供を目的とする。The present invention aims to provide a demand forecasting support system, a demand forecasting support program, and a recording medium on which the demand forecasting support program is recorded, which calculates predicted values to correct the demand forecast by reflecting the impact of an event being held, in order to more accurately forecast demand for transportation means.
前記課題を解決するために、本発明に係る需要予測支援システムは、輸送手段の需要予測を補正するためのものであって、イベントの開催予定日時を含む前記イベントに関する情報であるイベント情報を記憶するイベント情報記憶部と、前記イベントの開催の影響による前記輸送手段の需要の増加割合を示したイベント影響割合及び前記イベント影響割合を反映させるための所定の期間を示したイベント影響期間を含む前記イベントの属性に関する情報であるイベント属性情報を前記属性ごとに保持するイベント属性保持部と、前記イベント情報及び前記イベント属性情報に基づいて、前記イベントの前記属性に対応する前記イベント影響割合である特定影響割合、及び、前記イベントの前記属性に対応し、かつ、前記開催予定日時に対応する前記イベント影響期間である特定影響期間を特定するイベント影響集約部と、前記特定影響期間に所定の停車場で発着する前記輸送手段であるイベント対象輸送手段を特定する輸送手段特定部と、前記特定影響割合から前記イベント対象輸送手段の前記需要予測を補正するための予測値を算出する予測値処理部と、を備えることを特徴とする。In order to solve the above problem, the demand forecast support system according to the present invention is for correcting the demand forecast for transportation means, and is characterized by comprising: an event information storage unit that stores event information, which is information about the event, including the scheduled date and time of the event; an event attribute storage unit that stores, for each attribute, event attribute information, which is information about the attributes of the event, including an event influence ratio that indicates the increase ratio of the demand for the transportation means due to the influence of the event and an event influence period that indicates a predetermined period for reflecting the event influence ratio; an event influence aggregation unit that identifies, based on the event information and the event attribute information, a specific influence ratio that is the event influence ratio corresponding to the attribute of the event, and a specific influence period that is the event influence period that corresponds to the attribute of the event and corresponds to the scheduled date and time; a transportation means identification unit that identifies an event target transportation means that is the transportation means that departs and arrives at a predetermined station during the specific influence period; and a prediction value processing unit that calculates a prediction value for correcting the demand forecast for the event target transportation means from the specific influence ratio.
前記発明において、前記イベント情報が、前記イベントの種類及び集客規模を含み、前記イベント影響期間が、前記種類及び前記集客規模に対応して設定されていてもよい。In the above invention, the event information may include the type and scale of the event, and the event impact period may be set according to the type and scale of the event.
前記発明において、前記イベント影響割合が、前記種類及び前記集客規模に対応して設定されていてもよい。In the above invention, the event influence ratio may be set according to the type and the scale of the attendance.
前記発明において、前記イベント影響期間が、前記開催予定日時の前の所定の期間である第１影響期間と、前記開催予定日時の後の所定の期間である第２影響期間とからなり、前記イベント対象輸送手段が、前記第１影響期間に対応する前記特定影響期間に前記停車場に到着する前記輸送手段である第１イベント対象輸送手段と、前記第２影響期間に対応する前記特定影響期間に前記停車場から出発する前記輸送手段である第２イベント対象輸送手段とからなるものでもよい。In the above invention, the event influence period may be comprised of a first influence period, which is a predetermined period before the scheduled date and time of the event, and a second influence period, which is a predetermined period after the scheduled date and time of the event, and the event target transport means may be comprised of a first event target transport means, which is the transport means that arrives at the stop during the specific influence period corresponding to the first influence period, and a second event target transport means, which is the transport means that departs from the stop during the specific influence period corresponding to the second influence period.
前記発明において、前記イベント属性情報が、前記イベントで想定される想定開催期間を含み、前記第２影響期間が、前記開催予定日時から前記想定開催期間が経過した後の所定の期間であってもよい。In the above invention, the event attribute information may include an expected event duration for the event, and the second influence period may be a predetermined period of time after the expected event duration has elapsed from the scheduled event date and time.
前記発明において、前記イベント情報記憶部が、複数の前記イベントの前記イベント情報を記憶し、前記イベント影響集約部が、複数の前記イベントについて前記特定影響割合及び前記特定影響期間を特定すると共に、複数の前記イベントの前記第１影響期間に対応する前記特定影響期間において、重複する期間である第１重複期間がある場合、前記第１重複期間における前記特定影響割合を、前記特定影響期間に前記第１重複期間を有する前記イベントごとの前記属性に対応する前記特定影響割合を合算した合計値である第１合計値とし、複数の前記イベントの前記第２影響期間に対応する前記特定影響期間において、重複する期間である第２重複期間がある場合、前記第２重複期間における前記特定影響割合を、前記特定影響期間に前記第２重複期間を有する前記イベントごとの前記属性に対応する前記特定影響割合を合算した合計値である第２合計値とする特定影響割合合算機能を有していてもよい。In the invention, the event information storage unit stores the event information of the multiple events, and the event influence aggregation unit identifies the specific influence ratio and the specific influence period for the multiple events, and may have a specific influence ratio summing function that, when there is a first overlapping period in the specific influence period corresponding to the first influence period of the multiple events, sets the specific influence ratio in the first overlapping period to a first total value that is a total value obtained by adding up the specific influence ratios corresponding to the attributes of the events having the first overlapping period in the specific influence period, and when there is a second overlapping period in the specific influence period corresponding to the second influence period of the multiple events, sets the specific influence ratio in the second overlapping period to a second total value that is a total value obtained by adding up the specific influence ratios corresponding to the attributes of the events having the second overlapping period in the specific influence period.
前記発明において、前記第１合計値及び前記第２合計値それぞれの上限が２００パーセントでもよい。In the above invention, the upper limit of each of the first total value and the second total value may be 200 percent.
前記課題を解決するために、本発明に係る需要予測支援プログラムは、輸送手段の需要予測を補正するための予測値を算出するものであって、イベントの開催予定日時を含む前記イベントに関する情報であるイベント情報を記憶すると共に、前記イベントの開催の影響による前記輸送手段の需要の増加割合を示したイベント影響割合及び前記イベント影響割合を反映させるための所定の期間を示したイベント影響期間を含む前記イベントの属性に関する情報であるイベント属性情報を前記属性ごとに保持して、前記イベント情報及び前記イベント属性情報に基づいて、前記イベントの前記属性に対応する前記イベント影響割合である特定影響割合、及び、前記イベントの前記属性に対応し、かつ、前記開催予定日時に対応する前記イベント影響期間である特定影響期間を特定すると共に、前記特定影響期間に所定の停車場で発着する前記輸送手段であるイベント対象輸送手段を特定し、前記特定影響割合から前記イベント対象輸送手段の前記需要予測を補正するための予測値を算出する、ことを特徴とする。In order to solve the above problem, the demand forecasting support program of the present invention calculates a forecast value for correcting the demand forecast of a transportation means, and is characterized in that it stores event information, which is information about the event including the scheduled date and time of the event, and holds, for each attribute, event attribute information, which is information about the attributes of the event, including an event influence ratio indicating the increase ratio of the demand for the transportation means due to the influence of the event and an event influence period indicating a predetermined period for reflecting the event influence ratio, and identifies a specific influence ratio, which is the event influence ratio corresponding to the attribute of the event, and a specific influence period, which is the event influence period corresponding to the attribute of the event and corresponds to the scheduled date and time, based on the event information and the event attribute information, and identifies an event target transportation means, which is the transportation means that departs and arrives at a predetermined stop during the specific influence period, and calculates a forecast value for correcting the demand forecast of the event target transportation means from the specific influence ratio.
前記需要予測支援プログラムは、コンピュータで読み取り可能な記録媒体に記録されていてもよい。The demand forecasting support program may be recorded on a computer-readable recording medium.
本発明の需要予測支援システムによれば、イベント情報及びイベント属性情報に基づいて、開催予定のイベントの属性に対応するイベント影響割合と、当該イベントの属性及び開催予定日時に対応するイベント影響期間とが特定される。そして、この特定されたイベント影響期間において、所定の停車場で発着する輸送手段であるイベント対象輸送手段が特定され、さらに、このイベント対象輸送手段の需要予測を補正するための予測値が、特定されたイベント影響割合から算出される。言い換えれば、本発明の需要予測支援システムでは、イベントごとに特定されるイベントの属性に基づいてイベント影響割合が特定され、また、イベントごとに特定されるイベントの属性と開催予定日時とに基づいてイベント影響期間が特定される。そして、所定の停車場で発着する輸送手段のうち、特定されたイベント影響期間に発着する輸送手段がイベント対象輸送手段として特定され、また、このイベント対象輸送手段の需要予測を補正するための予測値が、特定されたイベント影響割合に基づいて算出される。
そのため、予測値の算出の基準となるイベント影響割合を、イベントの属性に合わせて変動させ、イベント影響割合を反映させるためのイベント影響期間を、イベントの属性及び開催予定日時に合わせて変動させることができる。また、これらの変動に伴って、イベントの開催の影響による輸送手段の需要の増加に関する予測値や、この予測値を反映させる輸送手段も変動させることができる。そうすると、需要予測支援システムによって算出された予測値を需要予測に適用することで、イベントの属性に合わせたより正確な需要予測ができる。 According to the demand forecasting support system of the present invention, an event influence ratio corresponding to the attribute of a scheduled event and an event influence period corresponding to the attribute of the event and the scheduled date and time are specified based on the event information and the event attribute information. Then, in the specified event influence period, an event target transportation means, which is a transportation means departing and arriving at a specified station, is specified, and a predicted value for correcting the demand forecast of the event target transportation means is calculated from the specified event influence ratio. In other words, in the demand forecasting support system of the present invention, an event influence ratio is specified based on the attribute of the event specified for each event, and an event influence period is specified based on the attribute of the event specified for each event and the scheduled date and time. Then, among the transportation means departing and arriving at a specified station, a transportation means departing and arriving during the specified event influence period is specified as the event target transportation means, and a predicted value for correcting the demand forecast of the event target transportation means is calculated based on the specified event influence ratio.
Therefore, the event influence ratio, which is the basis for calculating the predicted value, can be varied according to the attributes of the event, and the event influence period for reflecting the event influence ratio can be varied according to the attributes and scheduled date and time of the event. In addition, in accordance with these variations, the predicted value regarding the increase in demand for transportation means due to the influence of the event and the transportation means that reflects this predicted value can also be varied. In this way, by applying the predicted value calculated by the demand forecasting support system to the demand forecast, a more accurate demand forecast tailored to the attributes of the event can be achieved.
また、本発明の需要予測支援システムによれば、イベントの種類及び集客規模に対応してイベント影響期間が設定されている。したがって、イベント影響割合を反映させるための所定の期間であるイベント影響期間を、イベントの種類（ジャンル）や、そのイベントの集客規模によって変動させることができる。例えば、イベントのジャンルがライブイベントである場合、一般に、ライブイベントの公演時間の前後の数時間に輸送手段の需要が増加する。一方で、例えば、イベントのジャンルがマラソン大会である場合、当日に会場に移動するマラソン大会の参加者や観客に加えて、前日に会場付近の宿泊施設に泊まる参加者や観客も多い。そのため、マラソン大会の開催期間の前後数時間に加えて、前日や翌日にも輸送手段の需要が増加することがある。また、このようなことは、開催されるイベントの集客規模によっても起こり得る。そのため、本発明の需要予測支援システムによれば、イベントの種類及び集客規模に対応してイベント影響期間が設定されるので、上述したような特殊な需要の増加にも対応することができる。In addition, according to the demand forecasting support system of the present invention, the event influence period is set according to the type of event and the scale of the audience. Therefore, the event influence period, which is a predetermined period for reflecting the event influence ratio, can be varied according to the type (genre) of the event and the scale of the audience of the event. For example, if the event genre is a live event, the demand for transportation means generally increases in the several hours before and after the performance time of the live event. On the other hand, for example, if the event genre is a marathon, in addition to the participants and spectators of the marathon who move to the venue on the day, there are many participants and spectators who stay at accommodations near the venue the day before. Therefore, in addition to the several hours before and after the marathon event period, the demand for transportation means may also increase on the day before and the day after. This can also occur depending on the scale of the audience of the event being held. Therefore, according to the demand forecasting support system of the present invention, the event influence period is set according to the type of event and the scale of the audience, so it is possible to respond to the special increase in demand as described above.
さらに、本発明の需要予測支援システムによれば、イベント影響割合が種類及び集客規模に対応して設定されている。そのため、上述したように、イベントの種類及び集客規模に対応して、イベント影響期間を変動させることに加えて、イベント影響割合も変動させることができる。したがって、よりイベントの属性に適した予測値を算出することができる。Furthermore, according to the demand forecasting support system of the present invention, the event influence ratio is set according to the type and scale of the event. Therefore, as described above, in addition to varying the event influence period according to the type and scale of the event, the event influence ratio can also be varied. Therefore, it is possible to calculate a forecast value that is more suitable for the attributes of the event.
また、本発明の需要予測支援システムによれば、イベント影響期間が、開催予定日時の前の所定の期間である第１影響期間と、開催予定日時の後の所定の期間である第２影響期間とからなり、また、イベント対象輸送手段が、第１影響期間に対応する特定影響期間に停車場に到着する輸送手段である第１イベント対象輸送手段と、第２影響期間に対応する特定影響期間に停車場から出発する輸送手段である第２イベント対象輸送手段とからなる。そのため、輸送手段特定部によって特定されるイベント対象輸送手段を、開催予定日時の前の所定の期間に停車場に到着する輸送手段と、開催予定日時の後の所定の期間に停車場から出発する輸送手段とに限定できる。したがって、イベント影響割合を反映させる対象であるイベント対象輸送手段から、イベントの開催予定日時の前に停車場から出発する輸送手段や、イベントの開催予定日時の後に停車場に到着する輸送手段を除外できる。According to the demand forecasting support system of the present invention, the event influence period is composed of a first influence period, which is a predetermined period before the scheduled date and time of the event, and a second influence period, which is a predetermined period after the scheduled date and time of the event, and the event target transportation means is composed of a first event target transportation means, which is a transportation means that arrives at the station during a specific influence period corresponding to the first influence period, and a second event target transportation means, which is a transportation means that departs from the station during a specific influence period corresponding to the second influence period. Therefore, the event target transportation means identified by the transportation means identification unit can be limited to transportation means that arrive at the station during a predetermined period before the scheduled date and time of the event, and transportation means that depart from the station during a predetermined period after the scheduled date and time of the event. Therefore, transportation means that depart from the station before the scheduled date and time of the event and transportation means that arrive at the station after the scheduled date and time of the event can be excluded from the event target transportation means that are the targets for reflecting the event influence ratio.
また、本発明の需要予測支援システムによれば、イベント属性情報がイベントで想定される想定開催期間を含み、第２影響期間が開催予定日時から想定開催期間が経過した後の所定の期間である。そのため、イベントの開催予定日時から想定開催期間が経過するまでの間に停車場から出発する輸送手段を、イベント影響割合を反映させる対象から除外することができる。したがって、イベントの開催の影響による需要の増加割合を反映させる必要のない輸送手段を除外して、より正確な需要予測を支援することができる。Furthermore, according to the demand forecasting support system of the present invention, the event attribute information includes an expected event duration anticipated for the event, and the second impact period is a predetermined period of time after the expected event duration has elapsed from the scheduled event date and time. Therefore, transportation means departing from a station between the scheduled event date and time and the expected event duration can be excluded from the targets for which the event impact rate is reflected. Therefore, by excluding transportation means that do not need to reflect the demand increase rate due to the impact of the event, more accurate demand forecasting can be supported.
また、本発明の需要予測支援システムによれば、イベント影響集約部の特定影響割合合算機能が、複数のイベントの特定影響期間に第１重複期間がある場合、第１重複期間における特定影響割合を第１合計値とし、複数のイベントの特定影響期間に第２重複期間がある場合、第２重複期間における特定影響割合を第２合計値とする。そのため、複数のイベントが開催されるときに、それらのイベントの間で第１重複期間又は第２重複期間がある場合には、第１重複期間における特定影響割合を第１合計値とし、第２重複期間における特定影響割合を第２合計値として、複数のイベントごとの属性に対応する特定影響割合を合算した合計値から、需要予測を補正するための予測値を算出することができる。したがって、例えば、複数のイベントが、近しい開催予定日時及び近しい開催予定地で開催されるときには、それらのイベントの属性に対応する特定影響割合の合計値から予測値を算出できるので、より正確な需要予測を支援することができる。In addition, according to the demand forecast support system of the present invention, the specific impact ratio summing function of the event impact aggregation unit sets the specific impact ratio in the first overlapping period as the first total value when the specific impact periods of multiple events include a first overlapping period, and sets the specific impact ratio in the second overlapping period as the second total value when the specific impact periods of multiple events include a second overlapping period. Therefore, when multiple events are held and there is a first or second overlapping period between those events, the specific impact ratio in the first overlapping period is set as the first total value, and the specific impact ratio in the second overlapping period is set as the second total value, and a forecast value for correcting the demand forecast can be calculated from the total value obtained by adding up the specific impact ratios corresponding to the attributes of each of the multiple events. Therefore, for example, when multiple events are held at similar scheduled dates and locations, a forecast value can be calculated from the total value of the specific impact ratios corresponding to the attributes of those events, thereby supporting more accurate demand forecasting.
また、本発明の需要予測支援システムによれば、第１合計値及び第２合計値それぞれの上限が２００パーセントである。そのため、多数のイベントが同時期に開催予定であるときに、これらの多数のイベントごとの属性に対応する特定影響割合を合算して、その合計値を第１合計値又は第２合計値とする場合にも、第１合計値又は第２合計値が必要以上に高い数値となることがなく、予測値処理部によって算出される予測値が、イベントの開催の影響による実際の列車の需要の増加割合から掛け離れたものとなることを防止できる。Furthermore, according to the demand forecasting support system of the present invention, the upper limit of each of the first total value and the second total value is 200 percent. Therefore, when many events are scheduled to be held at the same time, even if the specific impact percentages corresponding to the attributes of each of these many events are added up and the total value is set as the first total value or the second total value, the first total value or the second total value will not become a numerical value higher than necessary, and it is possible to prevent the forecast value calculated by the forecast value processing unit from becoming far removed from the actual increase rate of train demand due to the impact of the holding of the events.
また、本発明の需要予測支援プログラム及び需要予測支援プログラムが記録された記録媒体によれば、上述した需要予測支援システムと同様の効果を奏することができる。In addition, the demand forecasting support program of the present invention and the recording medium on which the demand forecasting support program is recorded can achieve the same effects as the demand forecasting support system described above.
次に、添付図面に基づいて、本発明に係る需要予測支援システムの実施形態を詳細に説明する。Next, an embodiment of the demand forecasting support system according to the present invention will be described in detail with reference to the attached drawings.
本発明に係る需要予測支援システムの実施形態として、図１に示す需要予測支援システム１、及び、需要予測支援システム１が組み込まれたイールド管理システム１００の概略構成を説明する。また、本実施形態では、輸送手段が列車のうちの新幹線であり、停車場が新幹線の停車駅である場合を例に説明する。なお、需要予測支援システム１は、輸送手段が新幹線ではない在来線の列車で、停車場が在来線の列車の停車駅であるものでもよいし、また、輸送手段が、停車場が停留所であるバス等のその他の輸送手段であるものでもよい。As an embodiment of the demand forecasting support system according to the present invention, the demand
需要予測支援システム１は、図１に示すように、例えば、イールド管理システム１００の一部として組み込まれたシステムとして構成される。
イールド管理システム１００は、例えば、プログラムに従って各種処理を行うＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等のプロセッサや、ＣＰＵを動作させるためのプログラムなどの電子情報を記録して、この記録された電子情報の読み出しが可能な記録装置であるＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、電子情報の読み書きが可能な記録装置であるＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、及び、その他の種々の電子情報の読み書きが可能な記憶装置であるＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）を備える。また、イールド管理システム１００は、必要な場合には、例えば、キーボード、マウス又はタッチパネル等の入力装置や、液晶ディスプレイ又はプリンター等の出力装置を備えていてもよい。なお、ＣＰＵは、ＭＰＵ（Ｍｉｃｒｏ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）又はＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）等の他のプロセッサで構成されてもよいし、ＨＤＤは、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等の他の記憶装置でもよい。 As shown in FIG. 1 , the demand
The
イールド管理システム１００は、少なくとも、列車の需要を予測して管理する需要処理部１０１と、イールド管理システム１００から独立した他のシステムとの通信を行う管理システム通信部１０２を備える。
需要処理部１０１は、列車の需要予測を行い、予測された需要予測に基づいて、列車の運行計画や運賃の変更を行う。需要処理部１０１は、例えば、列車の定員や予測乗車人数に基づいて需要予測を行うと共に、予測された需要予測に基づいて、列車の運行計画の最適化を行う。具体的には、例えば、列車ごとの乗車率が１００パーセント前後となるように列車の運行本数が調整された運行計画を作成する。また、需要処理部１０１は、例えば、列車の運転本数や定員、予測乗車人数に基づいて需要予測を行うと共に、予測された需要予測に基づいて、列車の運賃の変更を行う。具体的には、例えば、特定の列車の需要が高いと見込まれる場合には、その特定の列車の座席の販売価格を需要に合わせて変更する。
また、需要処理部１０１は、需要予測値補正機能を有している。そのため、例えば、算出された需要予測に、さらに需要予測支援システム１によって算出された予測値を適用して、より正確な需要予測を行うことができる。 The
The
In addition, the
管理システム通信部１０２は、インターネット等の通信ネットワークに接続され、イールド管理システム１００から独立したシステムであるイベント情報収集システム２００、予約販売システム３００及びその他の機器との通信が可能に構成されている。管理システム通信部１０２は、通信ネットワークを介して、各種情報の送受信を行う。なお、通信ネットワークには、インターネットの他、例えば、専用線により接続されたネットワーク、企業内ＬＡＮ、企業間ＬＡＮ又はＷＡＮ等のあらゆるネットワークが含まれ、また、通信回線の形態には、例えば、有線通信又は無線通信等のあらゆる通信形態が含まれる。The management
需要予測支援システム１は、イールド管理システム１００の一部に組み込まれ、イールド管理システム１００が備えるＣＰＵ等のプロセッサ、ＲＯＭ、ＲＡＭ及びＨＤＤ等のハードウェアを共用して構成される。需要予測支援システム１は、需要予測支援システム１によって行われる各種処理を制御する制御部１０と、イベント情報を記憶するイベント情報記憶部２０、イベント属性情報を保持するイベント属性保持部３０と、イベントの特定影響割合及び特定影響期間を特定するイベント影響集約部４０と、イベント対象輸送手段を特定する輸送手段特定部５０と、特定影響割合から需要予測を補正するための予測値を算出する予測値処理部６０と、他のシステムやその他の機器との通信を行う支援システム通信部７０とを備える。The demand
なお、需要予測支援システム１は、上述したように、イールド管理システム１００の一部に組み込まれて、イールド管理システム１００が備えるＣＰＵ等のプロセッサ、ＲＯＭ、ＲＡＭ及びＨＤＤ等のハードウェアを共用して構成される以外に、例えば、別途でこれらのハードウェアを備えて独立したシステムとして構成されてもよいし、ハードウェアによる構成の他、ソフトウェアとして実現されるように構成されてよい。ソフトウェアとして実現される場合には、例えば、ＣＰＵ等のプロセッサ、ＲＯＭ、ＲＡＭ及びＨＤＤ等のハードウェアを備えるコンピュータにおいて、ＲＯＭ及びＲＡＭに記憶されて動作する需要予測支援プログラムとして構成される。この需要予測支援プログラムでは、例えば、イベント情報記憶部２０、イベント属性保持部３０、イベント影響集約部４０、輸送手段特定部５０、予測値処理部６０、及び、支援システム通信部７０の各機能を、イベント情報記憶手順、イベント属性保持手順、イベント影響集約手順、輸送手段特定手順、予測値処理手順、及び、通信手順としてコンピュータが果たすように動作する。したがって、例えば、需要予測支援システム１は、需要予測支援プログラムをＣＤ－ＲＯＭ等の記録媒体に記録して、この記録媒体をコンピュータに読み込ませることによって実現することもできる。なお、記録媒体には、例えば、ＣＤ－ＲＯＭ、フレキシブルディスク又は光ディスクの他、ＨＤＤ又はＳＳＤ等のあらゆる記憶装置を用いることもできる。As described above, the demand
さらに、需要予測支援システム１は、記録媒体から需要予測支援プログラムを読み込ませるもの以外に、需要予測支援プログラムをインターネット等の通信ネットワークを介してコンピュータにダウンロードさせることによっても実現できる。さらに、需要予測支援プログラムをコンピュータにダウンロードさせることなく、ＡＳＰ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｅｒｖｉｃｅ Ｐｒｏｖｉｄｅｒ）によるＳａａＳ（Ｓｏｆｔｗａｒｅ ａｓ ａ Ｓｅｒｖｉｃｅ）として実現されるように構成されてもよい。この場合には、通信ネットワークを介して、上述したハードウェア構成又はソフトウェアにアクセス可能に構成されたクラウドサービスとして提供される。Furthermore, the demand
制御部１０は、イールド管理システム１００が備えるＣＰＵ等のプロセッサによって実現され、例えば、ＲＯＭに格納されたプログラムに従って、一部がＲＡＭに格納されたＣＰＵに実行させるためのＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）プログラム又はアプリケーションプログラムを用いて、イベント情報記憶部２０、イベント属性保持部３０、イベント影響集約部４０、輸送手段特定部５０、予測値処理部６０、及び、支援システム通信部７０を制御する。The
イベント情報記憶部２０は、イベントに関する情報であるイベント情報を記憶する。具体的には、図２に示すイベント情報テーブル２１において、将来開催される予定のイベントの開催予定に関する情報をイベント情報として記憶する。イベント情報記憶部がイベント情報テーブル２１で記憶するイベント情報は、イベント情報収集システム２００によって収集されたものが取り込まれる。なお、イベント情報は、イベント情報収集システム２００によって収集されたものでもよいし、需要予測支援システム１の管理者や利用者によって登録されるものでもよい。また、需要予測支援システム１が、独自にイベント情報を収集するイベント情報収集部（図示省略）を備え、このイベント情報収集部によって収集されるものでもよい。
イベント情報テーブル２１では、特定の一のイベントに関するイベント情報が１レコードに格納されている。したがって、イベント情報テーブル２１では、複数のレコードにおいて、複数のイベントに関するイベント情報が集約されている。また、イベント情報テーブル２１を構成する各レコードには、例えば、開催日欄２２、駅コード欄２３、イベント名欄２４、ジャンル名欄２５、集客規模欄２６、開催時刻欄２７、及び、会場名欄２８がある。 The event
In the event information table 21, event information relating to one specific event is stored in one record. Therefore, event information relating to multiple events is aggregated in multiple records in the event information table 21. Each record constituting the event information table 21 has, for example, an
イベント情報テーブル２１のレコードの説明として、例えば、特定のイベントである「ライブＡ」のイベント情報を示すレコード２１Ａを例に説明すると、開催日欄２２には、「ライブＡ」の開催予定日である２０２２年７月２０日を示す「２０２２－０７－２０」が格納され、駅コード欄２３には、「ライブＡ」の開催予定地である「長居スタジアム」に対応する停車駅が新大阪駅であるとして、停車駅ごとに予め設定された識別子である駅コードのうち、新大阪駅であることを示す駅コードの「００００００１」が格納されている。イベント名欄２４には、当該イベントの名称である「ライブＡ」が格納されている。ジャンル名欄２５には、「ライブＡ」の種類（ジャンル）を示す「ライブイベント」が格納され、集客規模欄２６には、イベントの集客規模を示す「大」、「中」又は「小」の指標のうち、「ライブＡ」の集客規模を示す「中」が格納されている。開催時刻欄２７には、「ライブＡ」の開催予定時刻である１７時を示す「１７：００」が格納され、会場名欄２８には、「ライブＡ」の開催予定地である会場の名称を示す「長居スタジアム」が格納されている。なお、「ライブＡ」の開催予定日時は、開催日欄２２に格納された開催予定日（「２０２２－０７－２０」）と、開催時刻欄２７に格納された開催予定時刻（「１７：００」）とから、２０２２年７月２０日の１７：００となる。As an explanation of the records in the event information table 21, for example,
また、例えば、別の特定のイベントである「野球Ｂ」のイベント情報を示すレコード２１Ｂを例に説明すると、開催日欄２２には、「野球Ｂ」の開催予定日である２０２２年７月２０日を示す「２０２２－０７－２０」が格納され、駅コード欄２３には、「野球Ｂ」の開催予定地である「京セラドーム」に対応する停車駅が新大阪駅であるとして、新大阪駅であることを示す駅コードの「００００００１」が格納され、イベント名欄２４には、当該イベントの名称である「野球Ｂ」が格納されている。また、ジャンル名欄２５には、「野球Ｂ」の種類（ジャンル）を示す「野球」が格納され、集客規模欄２６には、「野球Ｂ」の集客規模を示す指標である「大」が格納されている。開催時刻欄２７には、「野球Ｂ」の開催予定時刻である１５時を示す「１５：００」が格納され、会場名欄２８には、「野球Ｂ」の開催予定地である会場の名称を示す「京セラドーム」が格納されている。なお、「野球Ｂ」の開催予定日時は、開催日欄２２に格納された開催予定日（「２０２２－０７－２０」）と、開催時刻欄２７に格納された開催予定時刻（「１５：００」）とから、２０２２年７月２０日の１５：００となる。For example, taking
なお、イベント情報テーブル２１のジャンル名欄２５に格納されるイベントの種類（ジャンル）には、上述した「ライブイベント」や「野球」以外に、例えば、アイドルによるコンサートを示す「アイドル」や、演歌歌手によるライブイベントを示す「演歌」、アーティストによる歌謡曲のライブイベントを示す「歌謡曲」、クラシックコンサートを示す「クラシック」、海外アーティストによるライブイベントを示す「洋楽」、種々のスポーツに関するそれぞれの大会を示す「マラソン」、「サッカー」、「テニス」、「ラグビー」、「バレーボール」、「バスケットボール」、「バドミントン」、「自転車」、「卓球」、「水泳」又は「フィギュアスケート」等の種類がある。また、例えば、「ミュージカル」、「展示会」、「学会」又は「文化祭」などのライブイベントやスポーツ大会の以外のイベントの種類も含まれている。そのため、ジャンル名欄２５に格納されるイベントの種類には、そのイベントの開催の影響によって列車の需要が増加すると考えられるあらゆるイベントの種類が含まれる。また、同様に、イベント情報記憶部２０によって記憶されるイベント情報、言い換えれば、イベント情報テーブル２１に集約されるイベント情報もあらゆるイベントに関するものが集約される。The types of events (genres) stored in the
イベント属性保持部３０は、イベントの属性に関する情報であるイベント属性情報を保持する。具体的には、図３に示すイベント属性テーブル３１において、例えば、イベントの開催の影響による輸送手段の需要の増加割合を示したイベント影響割合や、イベント影響割合を反映させるための所定の期間を示したイベント影響期間を、イベント属性情報として保持している。イベント属性テーブル３１では、イベントの種類（ジャンル）及び集客規模に対応して設定されたイベント属性情報が属性ごとに１レコードずつ格納され、複数のイベント属性情報が集約されている。また、イベント属性テーブル３１を構成する各レコードには、例えば、ジャンル名欄３２、集客規模欄３３、イベント影響割合欄３４、想定開催期間欄３５、及び、イベント影響期間欄３６がある。また、イベント影響期間欄３６には、第１影響期間欄３６Ａ及び第２影響期間欄３６Ｂがあり、さらに、第１影響期間欄３６Ａには、前泊欄３６Ｃがある。なお、イベント属性情報は、需要予測支援システム１やイールド管理システム１００の管理者や利用者によって予め設定されたものでもよいし、需要予測支援システム１が利用される際にその都度設定されるものでもよい。また、需要予測支援システム１やイールド管理システム１００の管理者や利用者によるイベント属性情報の変更も任意で行うことができる。The event
イベント属性テーブル３１のレコードの説明として、例えば、特定のイベントの属性を示すレコード３１Ａを例に説明すると、ジャンル名欄３２には、イベントの種類（ジャンル）を示す「ライブイベント」が格納され、集客規模欄３３には、当該イベントの集客規模を示す「大」、「中」又は「小」の指標から選択された一の指標である「大」が格納されている。したがって、レコード３１Ａは、複数のイベントの属性のうち、イベントの種類（ジャンル）が「ライブイベント」で、かつ、イベントの集客規模が「大」であるイベントの属性に関するイベント属性情報であることがわかる。なお、ジャンル名欄３２に格納されるイベントの種類（ジャンル）は、イベント情報テーブル２１のジャンル名欄２５に格納されるものと同一であり、また、集客規模欄３３に格納されるイベントの集客規模を示す指標は、イベント情報テーブル２１の集客規模欄２６に格納されるものと同一である。そのため、イベント情報テーブル２１とイベント属性テーブル３１とは、イベントの種類（ジャンル）、及び、イベントの集客規模のそれぞれをセットで突き合わせることで、お互いに対応するレコードの特定ができる。As an explanation of the records in the event attribute table 31, for example,
イベント影響割合欄３４には、イベントの開催の影響による列車の需要の増加割合を示すイベント影響割合が格納されている。イベント影響割合は、イベントの種類（ジャンル）及び集客規模に対応して設定されている。レコード３１Ａでは、イベントの種類（ジャンル）が「ライブイベント」で、かつ、イベントの集客規模が「大」である場合のイベント影響割合として「１００」が格納されている。このレコード３１Ａのイベント影響割合欄３４の「１００」は、通常の需要予測からさらに１００パーセントの割合で列車の需要の増加が見込まれることを示している。想定開催期間欄３５には、イベントの種類（ジャンル）及び集客規模から想定されるイベントの想定開催期間（時間）が格納される。レコード３１Ａでは、種類（ジャンル）が「ライブイベント」で、かつ、集客規模が「大」であるイベントにおいて想定される想定開催期間（時間）が３時間であることを示す「３」が格納されている。The event
イベント影響期間欄３６には、イベント影響割合を反映させるための所定の期間を示すイベント影響期間が格納されている。このイベント影響期間も、イベントの種類（ジャンル）及び集客規模に対応して設定されている。イベント影響期間欄３６には、第１影響期間欄３６Ａと、第２影響期間欄３６Ｂとがあり、第１影響期間欄３６Ａに、イベント影響期間のうち、イベントの開催予定日時の前の所定の期間である第１影響期間が格納され、第２影響期間欄３６Ｂに、イベント影響期間のうち、イベントの開催予定日時の後の期間であって、イベントの開催予定日時から想定開催期間が経過した後の所定の期間である第２影響期間が格納されている。レコード３１Ａでは、イベントの種類（ジャンル）が「ライブイベント」で、かつ、イベントの集客規模が「大」である場合のイベント影響期間として、第１影響期間欄３６Ａには、第１影響期間（時間）が５時間であることを示す「５」が格納され、第２影響期間欄３６Ｂには、第２影響期間（時間）が２時間であることを示す「２」が格納されている。The event
以上のことから、レコード３１Ａでは、イベントの種類（ジャンル）が「ライブイベント」で、かつ、イベントの集客規模が「大」である場合には、ライブイベントの開催予定日時の前に５時間の第１影響期間があり、その後にライブイベントが３時間開催され、ライブイベントの終了後に２時間の第２影響期間があることが示されている。そして、この場合には、この第１影響期間及び第２影響期間がイベント影響割合を反映させるための所定の期間となり、通常の需要予測からさらに１００パーセントの割合で列車の需要の増加が見込まれることになる。From the above,
また、イベント影響期間欄３６には前泊欄３６Ｃがある。前泊欄３６Ｃには、イベントの開催予定日の前日以前からの前泊が想定される場合に、前泊の日数が格納される。この前泊欄３６Ｃに格納される日数は、イベントの開催予定日時の前の所定の期間であるため、イベント影響期間のうちの第１影響期間に含まれる。具体的には、例えば、開催予定日の前日からの前泊が想定される場合には、前泊の日数が１日であることを示す「１」が格納され、第１影響期間には、開催予定日の前日の０時から２４時までが含まれることになる。
なお、レコード３１Ａでは、イベントの種類（ジャンル）が「ライブイベント」で、かつ、イベントの集客規模が「大」である場合には、前泊が想定されないとして空欄になっている。 The event
In
イベント属性テーブル３１のレコードの説明として、例えば、特定のイベントの属性を示すレコード３１Ｄを例に説明すると、ジャンル名欄３２には「マラソン」が格納され、集客規模欄３３には「大」が格納されている。したがって、レコード３１Ｄは、複数のイベントの属性のうち、イベントの種類（ジャンル）が「マラソン」で、かつ、イベントの集客規模が「大」であるイベントの属性に関するイベント属性情報であることがわかる。そして、イベント影響割合欄３４には、イベントの種類（ジャンル）が「マラソン」で、かつ、イベントの集客規模が「大」である場合のイベント影響割合として「２００」が格納されている。このレコード３１Ｄのイベント影響割合欄３４の「２００」は、通常の需要予測からさらに２００パーセントの割合で列車の需要の増加が見込まれることを示している。想定開催期間欄３５には、イベントの種類（ジャンル）及び集客規模から想定される想定開催期間（時間）が１０時間であることを示す「１０」が格納されている。また、イベントの種類（ジャンル）が「マラソン」で、かつ、イベントの集客規模が「大」である場合のイベント影響期間として、第１影響期間欄３６Ａには、第１影響期間（時間）が２時間であることを示す「２」が格納され、第２影響期間欄３６Ｂには、第２影響期間（時間）が２時間であることを示す「２」が格納されている。さらに、前泊欄３６Ｃには、イベントの種類（ジャンル）が「マラソン」で、かつ、イベントの集客規模が「大」である場合には、開催予定日の前日からの前泊が想定されるとして、前泊の日数が１日であることを示す「１」が格納されている。As an explanation of the records in the event attribute table 31, for example,
以上のことから、レコード３１Ｄでは、イベントの種類（ジャンル）が「マラソン」で、かつ、イベントの集客規模が「大」である場合には、マラソン大会の開催予定日時の前に２時間の第１影響期間があり、その後にマラソン大会が１０時間開催され、マラソン大会の終了後には２時間の第２影響期間があることが示されている。また、前泊の日数が１日であるため、第１影響期間には、さらに開催予定日の前日の０時から２４時までが含まれる。そして、この場合には、これらの第１影響期間及び第２影響期間がイベント影響割合を反映させるための所定の期間となり、通常の需要予測からさらに２００パーセントの割合で列車の需要の増加が見込まれることになる。From the above,
イベント影響集約部４０は、イベント情報記憶部２０が記憶するイベント情報と、イベント属性保持部３０が保持するイベント属性情報とに基づいて、特定影響割合及び特定影響期間を特定する。特定影響割合とは、特定のイベントの属性に対応するイベント影響割合のことであり、特定影響期間とは、特定のイベントの属性及び開催予定日時に対応するイベント影響期間でのことである。また、イベント影響集約部４０は、イベント情報とイベント属性情報とから、イベント情報にイベント属性情報を反映させた一時テーブルであるイベント影響集約テーブル４１を作成する（図４）。
イベント影響集約部４０は、例えば、イベント情報テーブル２１のレコード２１Ａの「ライブＡ」を例に説明すると、「ライブＡ」の種類（ジャンル）が「ライブイベント」であり、「ライブＡ」の集客規模が「中」であるため、イベント属性テーブル３１において、イベントの種類（ジャンル）が「ライブイベント」であり、集客規模が「中」であるレコードを特定する。そうすると、イベント属性テーブル３１では、レコード３１Ｂが該当する。これにより、まずレコード３１Ｂのイベント影響割合がイベント影響割合欄３４に格納された「７０」であることから、「ライブＡ」の属性に対応する特定影響割合が７０パーセントであることが特定できる。 The
For example, taking "Live A" in
また、「ライブＡ」の属性及び開催予定日時に対応する特定影響期間について、レコード３１Ｂの第１影響期間欄３６Ａの「３」から、第１影響期間が３時間であり、第２影響期間欄３６Ｂの「１」から、第２影響期間が１時間であることを特定する。さらに、イベント情報テーブル２１のレコード２１Ａの開催時刻欄２７の「１７：００」から、「ライブＡ」の開催予定時刻が１７時であること、そして、イベント属性テーブル３１のレコード３１Ｂの想定開催期間欄３５の「２」から、「ライブＡ」で想定される想定開催期間（時間）が２時間であることを特定する。さらに、上述した第１影響期間及び開催予定時刻から、「ライブＡ」の特定影響期間のうち、第１影響期間に対応する特定影響期間が、「ライブＡ」の開催予定時刻である１７時の前の３時間、すなわち、１４時から１７時まであることが特定できる（図５）。また、上述した第２影響期間、開催予定時刻及び想定開催期間（時間）から、「ライブＡ」の特定影響期間のうち、第２影響期間に対応する特定影響期間が、「ライブＡ」の開催予定時刻から想定開催期間（時間）が経過した後（１７時から想定開催期間（時間）の２時間が経過した後）である１９時の後の２時間、すなわち、１９時から２１時まであることが特定できる。
このようにして、「ライブＡ」の属性に対応するイベント影響割合である特定影響割合と、「ライブＡ」の属性及び開催予定日時に対応するイベント影響期間である特定影響期間が特定される。 In addition, for the specific influence period corresponding to the attribute and scheduled date and time of "Live A", it is specified that the first influence period is 3 hours from "3" in the first
In this manner, a specific impact ratio, which is an event impact ratio corresponding to the attributes of "Live A", and a specific impact period, which is an event impact period corresponding to the attributes and scheduled date and time of "Live A", are identified.
また、レコード２１Ｂの「野球Ｂ」を例に説明すると、その種類（ジャンル）が「野球」で、集客規模が「大」であるため、イベント属性テーブル３１では、レコード３１Ｅが該当する。そこで、「野球Ｂ」について、上述した「ライブＡ」と同様に特定影響割合及び特定影響期間を特定すると、特定影響割合が３０パーセントであり、第１影響期間に対応する特定影響期間が、「野球Ｂ」の開催予定時刻である１５時の前の２時間、すなわち、１３時から１５時まであり、さらに、第２影響期間に対応する特定影響期間が、「野球Ｂ」の開催予定時刻である１５時から想定開催期間（時間）である３時間が経過した後の２時間、すなわち、１８時から２０時まであることが特定できる。
このようにして、「野球Ｂ」の属性に対応するイベント影響割合である特定影響割合と、「野球Ｂ」の属性及び開催予定日時に対応するイベント影響期間である特定影響期間が特定される。
なお、「ライブＡ」及び「野球Ｂ」では、前泊欄３６Ｃが空欄であるために特定していないが、例えば、レコード３１Ｄでは、上述したように、イベントの種類（ジャンル）が「マラソン」で、かつ、イベントの集客規模が「大」である場合に、前泊が想定されるとして、前泊欄３６Ｃに前泊の日数を示す「１」が格納されている。この場合には、上述した第１影響期間に対応する特定影響期間に加えて、さらに、そのイベントの開催予定日の前日の０時から２４時までが第１影響期間に対応する特定影響期間として特定される。 In addition, taking "Baseball B" of
In this manner, a specific impact ratio, which is the event impact ratio corresponding to the attribute of "Baseball B", and a specific impact period, which is the event impact period corresponding to the attribute of "Baseball B" and the scheduled date and time of the event, are identified.
For "Live A" and "Baseball B," the
また、イベント影響集約部４０は、特定影響割合合算機能を有している。この特定影響割合合算機能は、例えば、複数のイベントの第１影響期間に対応する特定影響期間において、重複する期間である第１重複期間がある場合、第１重複期間における特定影響割合を、特定影響期間に第１重複期間を有するイベントごとの属性に対応する特定影響割合を合算した合計値である第１合計値とする。
具体的には、例えば、上述した「ライブＡ」及び「野球Ｂ」は、それぞれ開催予定日が２０２２年７月２０日であるため、それぞれの特定影響期間（第１影響期間及び第２影響期間）を図に示すと、図５（Ａ）のようになる。そうすると、「ライブＡ」と「野球Ｂ」とでは、お互いの第１影響期間に対応する特定影響期間において、１４：００から１５：００の１時間が重複している。この１時間が、複数のイベントの第１影響期間に対応する特定影響期間において重複する期間である第１重複期間４７である。そして、第１重複期間４７がある場合、イベント影響集約部４０の特定影響割合合算機能は、第１重複期間４７における特定影響割合を、特定影響期間に第１重複期間４７を有する「ライブＡ」の属性に対応する特定影響割合である７０パーセントと、特定影響期間に第１重複期間４７を有する「野球Ｂ」の属性に対応する特定影響割合である３０パーセントとを合算した合計値である１００パーセントとする。したがって、この場合の第１合計値は１００パーセントであり、これが第１重複期間４７における特定影響割合となる。 The
Specifically, for example, the above-mentioned "Live A" and "Baseball B" are scheduled to be held on July 20, 2022, and the respective specific influence periods (first influence period and second influence period) are shown in FIG. 5 (A). In this case, "Live A" and "Baseball B" overlap for one hour from 14:00 to 15:00 in the specific influence periods corresponding to each other's first influence periods. This one hour is the
また、イベント影響集約部４０の特定影響割合合算機能は、例えば、複数のイベントの第２影響期間に対応する特定影響期間において、重複する期間である第２重複期間がある場合、第２重複期間における特定影響割合を、特定影響期間に第２重複期間を有するイベントごとの属性に対応する特定影響割合を合算した合計値である第２合計値とする。
例えば、上述した「ライブＡ」及び「野球Ｂ」の例で説明すると、お互いの第２影響期間に対応する特定影響期間において、１９：００から２０：００の１時間が重複している。この１時間が、複数のイベントの第２影響期間に対応する特定影響期間において重複する期間である第２重複期間４８である。そして、第２重複期間４８がある場合、イベント影響集約部４０の特定影響割合合算機能は、第２重複期間４８における特定影響割合を、特定影響期間に第２重複期間４８を有する「ライブＡ」の属性に対応する特定影響割合である７０パーセントと、特定影響期間に第２重複期間４８を有する「野球Ｂ」の属性に対応する特定影響割合である３０パーセントとを合算した合計値である１００パーセントとする。したがって、この場合の第２合計値は１００パーセントであり、これが第２重複期間４８における特定影響割合となる。
なお、第１合計値及び第２合計値のそれぞれの上限は、任意で定めることができる。例えば、運行される列車同士の間には一定の時間的な間隔が必要となるため、第１合計値及び第２合計値のそれぞれの上限は２００パーセントであることが好ましい。また、多数のイベントが同時期に開催予定であるときに、これらの多数のイベントごとの属性に対応する特定影響割合を合算した合計値を第１合計値又は第２合計値とする場合に、第１合計値又は第２合計値が必要以上に高い数値となることがないように、第１合計値及び第２合計値のそれぞれの上限は２００パーセントであることが好ましい。この２００パーセントは、通常の需要予測からさらに２００パーセントの割合で列車の需要の増加が見込まれることを示しており、言い換えれば、通常の需要予測の３倍の需要があることを示している。 In addition, the specific impact ratio summation function of the event
For example, in the above-mentioned example of "Live A" and "Baseball B", one hour from 19:00 to 20:00 overlaps in the specific influence periods corresponding to the second influence periods of each event. This one hour is the
The upper limits of the first total value and the second total value can be arbitrarily determined. For example, since a certain time interval is required between trains that are operated, it is preferable that the upper limits of the first total value and the second total value are 200 percent. In addition, when many events are scheduled to be held at the same time, if the total value obtained by adding up the specific influence ratios corresponding to the attributes of each of these many events is set as the first total value or the second total value, it is preferable that the upper limits of the first total value and the second total value are 200 percent so that the first total value or the second total value does not become an unnecessarily high value. This 200 percent indicates that the demand for trains is expected to increase by an additional 200 percent from the normal demand forecast, in other words, that there is three times the demand of the normal demand forecast.
さらに、例えば、イベント情報テーブル２１のレコード２１Ｃの「ライブＣ」と、レコード２１Ｄの「マラソンＤ」との例で説明すると、レコード２１Ｃの「ライブＣ」は、開催予定日が２０２２年７月２２日であり、レコード２１Ｄの「マラソンＤ」は、開催予定日が２０２２年７月２３日である。「マラソンＤ」は、イベントの種類（ジャンル）が「マラソン」で、かつ、イベントの集客規模が「大」であるため、イベント属性情報はイベント属性テーブル３１のレコード３１Ｄに該当する。ここで、レコード３１Ｄの前泊欄３６Ｃには、前泊が想定されるとして前泊の日数を示す「１」が格納されている。そのため、「マラソンＤ」の第１影響期間に対応する特定影響期間には、「マラソンＤ」の開催予定日（２０２２年７月２３日）の第１影響期間に加えて、「マラソンＤ」の開催予定日（２０２２年７月２３日）の前日である２０２２年７月２２日の０時から２４時までの第１影響期間が、第１影響期間に対応する特定影響期間として特定される。一方、「ライブＣ」の第１影響期間に対応する特定影響期間は、イベント情報及びイベント属性情報から、２０２２年７月２２日の１５時から２０時までが特定される。そうすると、図５（Ｂ）に示すように、「ライブＣ」と「マラソンＤ」とでは、お互いの第１影響期間に対応する特定影響期間において、１５：００から２０：００の５時間が重複し、この５時間が第１重複期間４９となる。そして、この場合には、イベント影響集約部４０の特定影響割合合算機能は、特定影響期間に第１重複期間４９を有する「ライブＣ」の属性に対応する特定影響割合である１００パーセントと、特定影響期間に第１重複期間４９を有する「マラソンＤ」の属性に対応する特定影響割合である２００パーセントとの合計値である３００パーセントを特定する。ここで、この３００パーセントは、第１合計値の上限である２００パーセントを超えているため、第１重複期間４９における特定影響割合は、上限の２００パーセントとなる。したがって、この場合の第１合計値は２００パーセントであり、これが第１重複期間４９における特定影響割合となる。
以上のようにして、イベント影響集約部４０は、特定影響割合及び特定影響期間を特定する。 Further, for example, taking the example of "Live C" in
In this manner, the
また、イベント影響集約部４０は、イベント情報とイベント属性情報とから、イベント情報にイベント属性情報を反映させた一時テーブルであるイベント影響集約テーブル４１を作成する（図４）。このとき、イベント影響集約テーブル４１では、イベント影響集約情報として、「開催予定日」、「駅コード」、「特定影響割合」、及び、「特定影響期間」が集約される。そのため、イベント影響集約テーブル４１を構成する各レコードには、例えば、開催日欄４２、駅コード欄４３、特定影響割合欄４４、特定影響期間欄４５、及び、発着フラグ欄４６がある。また、特定影響期間欄４５には、特定影響期間を所定の時刻で区切ったときの始まりの時刻を示す時刻Ｆｒｏｍ欄４５Ａと、特定影響期間を所定の時刻で区切ったときの終わりの時刻を示す時刻Ｔｏ欄４５Ｂとがある。なお、所定の時刻は、図４に示すように特定影響割合が変動する時間に合わせて区切られた時間でもよいし、１時間単位で区切られてもよく、任意で定めることができる。The event
イベント影響集約テーブル４１のレコードの説明として、例えば、レコード４１Ａを例に説明すると、開催日欄４２には、２０２２年７月２０日であることを示す「２０２２－０７－２０」が格納され、駅コード欄４３には、停車駅である新大阪駅を示す駅コードの「００００００１」が格納されている。また、特定影響割合欄４４には、「野球Ｂ」の属性に対応する特定影響割合が３０パーセントであるとして、３０パーセントを示す「３０」が格納されている。さらに、時刻Ｆｒｏｍ欄４５Ａには、「野球Ｂ」の特定影響期間のうち、第１影響期間の一部に対応する特定影響期間が２０２２年７月２０日の１３時から始まるとして、２０２２年７月２０日の１３時０分０秒を示す「２０２２－０７－２０ １３：００：００」が格納されている。また、時刻Ｔｏ欄４５Ｂには、「野球Ｂ」の特定影響期間のうち、第１影響期間の一部に対応する特定影響期間が２０２２年７月２０日の１３時５９分５９秒に終わるとして、２０２２年７月２０日の１３時５９分５９秒を示す「２０２２－０７－２０ １３：５９：５９」が格納されている。As an explanation of the records of the event influence aggregation table 41, for example, taking
また、例えば、レコード４１Ｂを例に説明すると、開催日欄４２には、２０２２年７月２０日であることを示す「２０２２－０７－２０」が格納され、駅コード欄４３には、停車駅である新大阪駅を示す駅コードの「００００００１」が格納されている。また、特定影響割合欄４４には、「ライブＡ」の属性に対応する特定影響割合と「野球Ｂ」の属性に対応する特定影響割合との合計値である第１合計値が１００パーセントであるとして、１００パーセントを示す「１００」が格納されている。さらに、時刻Ｆｒｏｍ欄４５Ａには、「ライブＡ」の特定影響期間及び「野球Ｂ」の特定影響期間のうち、第１重複期間４７に対応する特定影響期間が２０２２年７月２０日の１４時から始まるとして、２０２２年７月２０日の１４時０分０秒を示す「２０２２－０７－２０ １４：００：００」が格納されている。また、時刻Ｔｏ欄４５Ｂには、「ライブＡ」の特定影響期間及び「野球Ｂ」の特定影響期間のうち、第１重複期間４７に対応する特定影響期間が２０２２年７月２０日の１４時５９分５９秒に終わるとして、２０２２年７月２０日の１４時５９分５９秒を示す「２０２２－０７－２０ １４：５９：５９」が格納されている。For example, taking
また、例えば、レコード４１Ｃを例に説明すると、開催日欄４２には、２０２２年７月２０日であることを示す「２０２２－０７－２０」が格納され、駅コード欄４３には、停車駅である新大阪駅を示す駅コードの「００００００１」が格納されている。また、特定影響割合欄４４には、「ライブＡ」の属性に対応する特定影響割合が７０パーセントであるとして、７０パーセントを示す「７０」が格納され、さらに、時刻Ｆｒｏｍ欄４５Ａには、「ライブＡ」の特定影響期間のうち、第１影響期間の一部に対応する特定影響期間が２０２２年７月２０日の１５時から始まるとして、２０２２年７月２０日の１５時０分０秒を示す「２０２２－０７－２０ １５：００：００」が格納されている。また、時刻Ｔｏ欄４５Ｂには、「ライブＡ」の特定影響期間のうち、第１影響期間の一部に対応する特定影響期間が２０２２年７月２０日の１６時５９分５９秒に終わるとして、２０２２年７月２０日の１６時５９分５９秒を示す「２０２２－０７－２０ １６：５９：５９」が格納されている。For example, in
また、イベント影響集約テーブル４１では、上述したレコード４１Ａ、レコード４１Ｂ、及び、レコード４３Ｃのように、第１影響期間に対応するレコード以外にも、例えば、レコード４１Ｄやレコード４１Ｅのように、第２影響期間に対応するレコードについても同様に集約されている。そのため、イベント影響集約部４０は、イベント影響集約テーブル４１の各レコードに対して、そのレコードが第１影響期間に対応するものか、又は、第２影響期間に対応するものかを識別するための識別子を付与する識別子付与機能を有している。このイベント影響集約部４０の識別子付与機能では、識別子として「発着フラグ」を付与する。発着フラグには、第１影響期間に対応するレコードに付与される「着」フラグと、第２影響期間に対応するレコードに付与される「発」フラグとがあり、それらがイベント影響集約テーブル４１に設けられた発着フラグ欄４６に格納される。具体的には、例えば、第１影響期間に対応するレコード４１Ａの発着フラグ欄４６には「着」フラグが格納され、また、第２影響期間に対応するレコード４１Ｄの発着フラグ欄４６には「発」フラグが格納されている。In addition, in the event influence aggregation table 41, in addition to the records corresponding to the first influence period such as the above-mentioned
なお、レコード４１Ｆ及びレコード４１Ｈは、「マラソンＤ」の第１影響期間（開催予定日の前日の第１影響期間）の一部に対応するレコードであり、レコード４１Ｇは、「ライブＣ」と「マラソンＤ」との第１重複期間４９に対応するレコードであり、レコード４１Ｊは、「マラソンＤ」の第１影響期間（開催予定日の第１影響期間）に対応するレコードである。したがって、これらのレコード４１Ｆ、レコード４１Ｇ、レコード４１Ｈ、及び、レコード４１Ｊでは、発着フラグ欄４６に「着」フラグが格納されている。
一方、レコード４１Ｉは、「ライブＣ」の第２影響期間に対応するレコードであり、レコード４１Ｋは、「マラソンＤ」の第２影響期間に対応するレコードである。したがって、これらのレコード４１Ｉ、及び、レコード４１Ｋでは、発着フラグ欄４６に「発」フラグが格納されている。
以上のようにして、イベント影響集約テーブル４１が作成される。
On the other hand,
In this manner, the event effect aggregation table 41 is created.
輸送手段特定部５０は、イベント影響集約テーブル４１で集約された情報であるイベント影響集約情報と、列車の運行計画に関する情報である運行計画情報とから、所定の条件に該当する列車を特定する。所定の条件とは、例えば、「特定影響期間に所定の停車駅で発着する列車」であり、より具体的には、「第１影響期間に対応する特定影響期間に所定の停車駅に到着する列車」及び「第２影響期間に対応する特定影響期間に所定の停車駅から出発する列車」である。なお、所定の停車駅とは、イベント影響集約情報のうち、イベント影響集約テーブル４１の駅コード欄４３に格納された駅コードで特定される停車駅のことであり、イベントの開催予定地に対応した停車駅、より具体的には、イベントの開催予定地の最寄りの停車駅のことである。
また、特定影響期間に所定の停車駅で発着する列車は、イベント対象輸送手段であり、このイベント対象輸送手段のうち、第１影響期間に対応する特定影響期間に所定の停車駅に到着する列車が第１イベント対象輸送手段であり、また、第２影響期間に対応する特定影響期間に所定の停車駅から出発する列車が第２イベント対象輸送手段である。
なお、本実施形態では、輸送手段が列車（新幹線）である場合を例に説明するため、以下では、イベント対象輸送手段を「イベント対象列車」とし、第１イベント対象輸送手段を「第１イベント対象列車」とし、第２イベント対象輸送手段を「第２イベント対象列車」として説明する。 The transportation means
In addition, trains that depart and arrive at specified stations during a specific impact period are event-targeted transportation means, and among these event-targeted transportation means, trains that arrive at specified stations during a specific impact period corresponding to a first impact period are first event-targeted transportation means, and trains that depart from specified stations during a specific impact period corresponding to a second impact period are second event-targeted transportation means.
In this embodiment, since the example will be described where the means of transportation is a train (Shinkansen), the event target means of transportation will be referred to as the "event target train", the first event target means of transportation will be referred to as the "first event target train", and the second event target means of transportation will be referred to as the "second event target train".
輸送手段特定部５０で用いられる運行計画情報は、例えば、図６に示す運行計画テーブル５１に集約された情報である。運行計画テーブル５１には、運行計画情報として、例えば、列車の「運行日」、列車番号の「号便」、列車の停車駅を示す「駅コード」、当該停車駅における列車の「到着時刻」、当該停車駅における列車の「出発時刻」が集約されている。そのため、運行計画テーブル５１を構成する各レコードには、例えば、運行日欄５２、号便欄５３、駅コード欄５４、着時刻欄５５、及び、発時刻欄５６がある。
なお、駅コード欄５４に格納される駅コードは、イベント情報テーブル２１における駅コード欄２３の駅コードや、イベント影響集約テーブル４１における駅コード欄４３の駅コードと同一である。
なお、輸送手段特定部５０で用いられる運行計画情報は、イールド管理システム１００に記憶されたものでよいし、例えば、輸送手段特定部５０が情報記憶機能を有し、この情報記憶機能によって記憶されたものでもよい。また、例えば、輸送手段特定部５０が運行計画情報作成機能を有し、この運行計画情報作成機能によって運行計画情報が作成されてもよい。この場合には、例えば、輸送手段特定部５０が、鉄道会社が保有する列車情報や停車駅情報等の列車の運行に関する情報から、必要な情報を抽出又は集約して、運行計画情報として運行計画テーブル５１を作成する。 The operation plan information used by the transport means
The station code stored in the
The operation plan information used by the transport means
運行計画テーブル５１のレコードの説明として、例えば、レコード５１Ａを例に説明すると、運行日欄５２には、列車の運行日が２０２２年７月２０日であることを示す「２０２２－０７－２０」が格納され、号便欄５３には、当該列車の列車番号を示す「１」が格納されている。また、駅コード欄５４には、当該列車の停車駅である新大阪駅を示す駅コードの「００００００１」が格納されている。さらに、着時刻欄５５には、当該列車の新大阪駅への到着時刻が２０２２年７月２０日の１３時５０分０秒であるとして、２０２２年７月２０日の１３時５０分０秒を示す「２０２２－０７－２０ １３：５０：００」が格納され、発時刻欄５６には、当該列車の新大阪駅からの出発時刻が２０２２年７月２０日の１４時５分０秒であるとして、２０２２年７月２０日の１４時５分０秒を示す「２０２２－０７－２０ １４：０５：００」が格納されている。To explain the records of operation plan table 51, for example,
また、運行計画テーブル５１のレコードの説明として、例えば、レコード５１Ｂを例に説明すると、運行日欄５２には、列車の運行日が２０２２年７月２０日であることを示す「２０２２－０７－２０」が格納され、号便欄５３には、当該列車の列車番号を示す「１」が格納されている。また、駅コード欄５４には、当該列車の停車駅である金沢駅を示す駅コードの「００００００２」が格納されている。さらに、着時刻欄５５には、当該列車の金沢駅への到着時刻が２０２２年７月２０日の１４時２５分０秒であるとして、２０２２年７月２０日の１４時２５分０秒を示す「２０２２－０７－２０ １４：２５：００」が格納されている。なお、発時刻欄５６には、ブランクを示す「（ｎｕｌｌ）」が格納されている。この場合の「（ｎｕｌｌ）」は、例えば、当該列車が金沢駅からは乗客を乗せて出発しないなど、金沢駅からは利用できない列車であることを示している。As an explanation of the records of the operation plan table 51, for example, taking
続けて、輸送手段特定部５０によるイベント対象列車の特定方法について説明する。
輸送手段特定部５０は、運行計画テーブル５１からイベント対象列車に該当するレコードを特定して、イベント対象列車に関する情報である対象輸送手段情報を集約した一時テーブルであるイベント対象輸送手段テーブル５７を作成する（図７）。
輸送手段特定部５０は、始めに、イベント影響集約テーブル４１における開催日欄４２の開催予定日と、運行計画テーブル５１における運行日欄５２の運行日とを照合して、お互いの日付が一致する列車を運行計画テーブル５１のレコードの中から特定する。具体的には、例えば、イベント影響集約テーブル４１における開催日欄４２の開催予定日のうち、２０２２年７月２０日を示す「２０２２－０７－２０」を例にすると、運行計画テーブル５１のレコード中から運行日欄５２が「２０２２－０７－２０」であるものが特定される。図７の運行計画テーブル５１は、運行日欄５２が「２０２２－０７－２０」であるものが特定された状態を示している。 Next, a method for identifying an event target train by the transportation means
The transport means
The transportation means
次に、日付が一致する列車として特定されたレコードの中から、イベント影響集約テーブル４１における駅コード欄４３の駅コードと、運行計画テーブル５１における駅コード欄５４の駅コードとを照合して、所定の停車駅に停車する列車を特定する。
具体的には、例えば、イベント影響集約テーブル４１を例にすると、駅コード欄４３は全てのレコードで「００００００１」であるため、運行計画テーブル５１のレコード中から、駅コード欄５４が「００００００１」であるものが特定される。図７に示す運行計画テーブル５１では、例えば、レコード５１Ａ、レコード５１Ｃ、レコード５１Ｄ及びレコード５１Ｆが該当する。 Next, from among the records identified as trains with matching dates, the station code in the
Specifically, in the case of the event influence aggregation table 41, for example, the
次に、所定の停車駅に停車する列車として特定されたレコードの中から、イベント影響集約テーブル４１の特定影響期間欄４５の時刻Ｆｒｏｍ欄４５Ａ及び時刻Ｔｏ欄４５Ｂのそれぞれに格納された時刻によって示される特定影響期間と、イベント影響集約テーブル４１の発着フラグ欄４６に格納された発着フラグと、運行計画テーブル５１の着時刻欄５５及び発時刻欄５６のそれぞれに格納された到着時刻及び出発時刻とに基づいて、特定影響期間に到着時刻及び出発時刻が含まれる列車を特定する。より具体的には、イベント影響集約テーブル４１における発着フラグ欄４６に「着」フラグが付与された特定影響期間に到着時刻が含まれる列車、及び、イベント影響集約テーブル４１における発着フラグ欄４６に「発」フラグが付与された特定影響期間に出発時刻が含まれる列車を特定する。このときに特定される列車が、イベント対象列車である。
なお、このイベント対象列車のうち、「着」フラグが付与された特定影響期間に到着時刻が含まれる列車が、第１影響期間に対応する特定影響期間に所定の停車駅に到着する列車であり、第１イベント対象列車である。また、イベント対象列車のうち、「発」フラグが付与された特定影響期間に出発時刻が含まれる列車は、第２影響期間に対応する特定影響期間に所定の停車駅から出発する列車であり、第２イベント対象列車となる。 Next, from among the records identified as trains stopping at a predetermined stop station, trains whose arrival time and departure time fall within the specific impact period are identified based on the specific impact period indicated by the times stored in the time From
Among these event target trains, trains whose arrival time falls within the specific impact period to which an "arrival" flag has been assigned are trains that arrive at a specified stop station during the specific impact period corresponding to the first impact period, and are first event target trains. Also, among the event target trains, trains whose departure time falls within the specific impact period to which a "departure" flag has been assigned are trains that depart from a specified stop station during the specific impact period corresponding to the second impact period, and are second event target trains.
具体的には、例えば、イベント影響集約テーブル４１のレコード４１Ａを例にすると、レコード４１Ａでは、時刻Ｆｒｏｍ欄４５Ａが「２０２２－０７－２０ １３：００：００」であり、時刻Ｔｏ欄４５Ｂが「２０２２－０７－２０ １３：５９：５９」であるため、特定影響期間は２０２２年７月２０日の１３時０分０秒から１３時５９分５９秒までである。また、レコード４１Ａでは、発着フラグ欄４６に「着」が格納されている。そこで、運行計画テーブル５１のレコード中から、当該特定影響期間である２０２２年７月２０日の１３時０分０秒から１３時５９分５９秒までの間に到着時刻が含まれる列車を特定する。図６に示す運行計画テーブル５１では、例えば、レコード５１Ａの列車が該当する。したがって、レコード５１Ａの列車が、第１イベント対象列車である。Specifically, for example, in
また、例えば、イベント影響集約テーブル４１のレコード４１Ｂを例にすると、レコード４１Ｂでは、時刻Ｆｒｏｍ欄４５Ａが「２０２２－０７－２０ １４：００：００」であり、時刻Ｔｏ欄４５Ｂが「２０２２－０７－２０ １４：５９：５９」であるため、特定影響期間は２０２２年７月２０日の１４時０分０秒から１４時５９分５９秒までである。また、レコード４１Ｂでは、発着フラグ欄４６に「着」が格納されている。そこで、運行計画テーブル５１のレコード中から、当該特定影響期間である２０２２年７月２０日の１４時０分０秒から１４時５９分５９秒までの間に到着時刻が含まれる列車を特定する。図６に示す運行計画テーブル５１では、例えば、レコード５１Ｃの列車が該当する。したがって、レコード５１Ｃの列車も、第１イベント対象列車である。
以上のようにして、第１イベント対象列車が特定され、同様に、第２イベント対象列車が特定される。これにより、イベント対象列車の特定ができる。 Also, for example, taking
In this manner, the first event target train is identified, and similarly, the second event target train is identified, thereby making it possible to identify the event target trains.
そして、輸送手段特定部５０は、特定された第１イベント対象列車及び第２イベント対象列車に該当するレコードを運行計画テーブル５１から抽出して、必要な情報を集約してイベント対象輸送手段テーブル５７を作成する（図７）。イベント対象輸送手段テーブル５７では、例えば、運行計画テーブル５１における運行計画情報から、列車の「運行日」、列車番号の「号便」、列車の停車駅を示す「駅コード」、当該停車駅における列車の「到着時刻」、及び、当該停車駅における列車の「出発時刻」が、第１イベント対象列車及び第２イベント対象列車に関する対象輸送手段情報として集約される。そのため、イベント対象輸送手段テーブル５７を構成する各レコードには、運行計画テーブル５１と同様に、運行日欄５２、号便欄５３、駅コード欄５４、着時刻欄５５、及び、発時刻欄５６がある。また、輸送手段特定部５０は、イベント対象輸送手段テーブル５７を作成する際に、イベント影響集約テーブル４１のイベント影響集約情報から特定影響割合を参照して、イベント対象輸送手段テーブル５７の各レコードに対応する特定影響割合を集約する。そのため、イベント対象輸送手段テーブル５７では、特定影響割合欄５８が設けられ、この特定影響割合欄５８に各レコードに対応する特定影響割合が格納される。Then, the transport means
イベント対象輸送手段テーブル５７のレコードの説明として、例えば、レコード５７Ａを例に説明すると、レコード５７Ａは、イベント影響集約テーブル４１のレコード４１Ａ、及び、運行計画テーブル５１のレコード５１Ａに対応するものである。より具体的には、レコード５７Ａに示された列車は、「野球Ｂ」の第１影響期間の一部に対応する特定影響期間（２０２２年７月２０日の１３時０分０秒から１３時５９分５９秒）に、「野球Ｂ」の開催予定地（京セラドーム）の最寄りの新幹線の停車駅である新大阪駅に到着する。そこで、レコード５７Ａには、運行日欄５２に列車の運行日が２０２２年７月２０日であることを示す「２０２２－０７－２０」が格納され、号便欄５３に当該列車の列車番号を示す「１」が格納され、駅コード欄５４には停車駅である新大阪駅を示す駅コードの「００００００１」が格納され、着時刻欄５５には新大阪駅への到着時刻である２０２２年７月２０日の１３時５０分０秒を示す「２０２２－０７－２０ １３：５０：００」が格納されている。
一方で、発時刻欄５６には、「（ｎｕｌｌ）」が格納されている。これは、当該列車の新大阪駅からの出発時刻が１４時５分０秒であるが（図６）、この出発時刻が「発」フラグが付与された特定影響期間に含まれていないことを示している。そのため、レコード５７Ａでは、当該列車の出発時刻は不要な情報であるとして抽出されていない。また、レコード５７Ａでは、着時刻欄５５又は発時刻欄５６のうち、着時刻欄５５のみに到着時刻が格納されている。そのため、レコード５７Ａの列車が、新大阪駅に到着する第１イベント対象列車であることがわかる。
また、レコード５７Ａでは、このレコードがイベント影響集約テーブル４１のレコード４１Ａに対応するものであるため、特定影響割合欄５８には特定影響割合が３０パーセントであることを示す「３０」が格納される。 As an explanation of the records in the event target transportation means table 57, for example,
On the other hand, "(null)" is stored in the
Furthermore, in
また、イベント対象輸送手段テーブル５７のレコードの説明として、例えば、レコード５７Ｂを例に説明すると、レコード５７Ｂは、イベント影響集約テーブル４１のレコード４１Ｂ、及び、運行計画テーブル５１のレコード５１Ｃに対応するものである。より具体的には、レコード５７Ｂに示された列車は、「ライブＡ」及び「野球Ｂ」の第１重複期間４７に対応する特定影響期間（２０２２年７月２０日の１４時０分０秒から１４時５９分５９秒）に、「ライブＡ」の開催予定地（長居スタジアム）及び「野球Ｂ」の開催予定地（京セラドーム）のそれぞれの最寄りの新幹線の停車駅である新大阪駅に到着する。そこで、レコード５７Ｂには、運行日欄５２に列車の運行日が２０２２年７月２０日であることを示す「２０２２－０７－２０」が格納され、号便欄５３に当該列車の列車番号を示す「２」が格納され、駅コード欄５４には停車駅である新大阪駅を示す駅コードの「００００００１」が格納され、着時刻欄５５には、新大阪駅への到着時刻である２０２２年７月２０日の１４時１０分０秒を示す「２０２２－０７－２０ １４：１０：００」が格納されている。
一方で、発時刻欄５６には、「（ｎｕｌｌ）」が格納されている。これは、当該列車の新大阪駅からの出発時刻が１４時２０分０秒であるが（図６）、この出発時刻が「発」フラグが付与された特定影響期間に含まれていないことを示している。そのため、レコード５７Ｂでも、当該列車の出発時刻は不要な情報であるとして抽出されていない。また、レコード５７Ｂでも、着時刻欄５５又は発時刻欄５６のうち、着時刻欄５５のみに到着時刻が格納されているため、レコード５７Ｂの列車が、新大阪駅に到着する第１イベント対象列車であることがわかる。
また、レコード５７Ｂは、このレコードがイベント影響集約テーブル４１のレコード４１Ｂに対応するものであるため、特定影響割合欄５８には特定影響割合が１００パーセントであることを示す「１００」が格納されている。
以上のようにして、図７に示すイベント対象輸送手段テーブル５７が作成される。 In addition, as an explanation of the records of the event target transportation means table 57, for example,
On the other hand, "(null)" is stored in the
Furthermore, since
In this manner, the event target transport means table 57 shown in FIG. 7 is created.
予測値処理部６０は、特定影響割合からイベント対象列車の需要予測を補正するための予測値を算出する。具体的には、予測値処理部６０は、輸送手段特定部５０によって作成されたイベント対象輸送手段テーブル５７から、必要な情報を抽出すると共に、特定影響割合に基づいてイベント対象列車ごとの予測値を算出して、図８に示す予測値テーブル６１に集約する。予測値テーブル６１では、例えば、予測値変更列車情報として、予測値変更列車ＩＤ欄６２に格納されるレコード（列車）ごとの通し番号や、号便欄６４に格納される列車番号の「号便」、駅コード欄６５に格納される列車の停車駅を示す「駅コード」、そして、予測比率欄６６に格納される需要予測を補正するための予測値を示す「予測比率」等の情報が集約される。そのため、予測値テーブル６１を構成する各レコードには、例えば、予測値変更列車ＩＤ欄６２、予測値変更ＩＤ欄６３、号便欄６４、駅コード欄６５、及び、予測比率欄６６がある。
また、駅コード欄６５には、出発駅コード欄６５Ａと、到着駅コード欄６５Ｂとがあり、列車が所定の停車駅から出発する列車である場合には、出発駅コード欄６５Ａに「駅コード」が格納され、列車が所定の停車駅に到着する列車である場合には到着駅コード欄６５Ｂに「駅コード」が格納される。そのため、出発駅コード欄６５Ａに「駅コード」が格納されている場合には、所定の停車駅が出発駅であることが示されており、また、到着駅コード欄６５Ｂに「駅コード」が格納されている場合には、所定の停車駅が到着駅であることが示されている。 The forecast
The
予測値テーブル６１のレコードの説明として、例えば、レコード６１Ａを例に説明すると、予測値変更列車ＩＤ欄６２には、予測値テーブル６１における通し番号のうち、レコード６１Ａの通し番号を示す「１」が格納され、出発駅コード欄６５Ａにはブランクを示す「ｎｕｌｌ」が格納され、到着駅コード欄６５Ｂには、停車駅である新大阪駅を示す駅コードの「００００００１」が格納されている。そのため、この列車は、新大阪駅に到着する列車であることがわかる。
また、予測比率欄６６には、需要予測を補正するための予測値として、「予測比率」が１３０パーセントであることを示す「１３０」が格納されている。この「予測比率」は、予測値処理部６０によって算出されたものであり、予測値処理部６０は、例えば、イベント対象輸送手段テーブル５７の各レコードの特定影響割合を参照して、この特定影響割合に１００パーセントを加算した数値を「予測比率」として算出する。具体的には、例えば、レコード６１Ａは、イベント対象輸送手段テーブル５７のレコード５７Ａに対応しているため、レコード５７Ａの特定影響割合が参照され、レコード５７Ａの特定影響割合欄５８に格納された「３０」に「１００」が加算され、「１３０」が算出される。このようにして、予測値処理部６０によって予測比率欄６６の「予測比率」が算出される。 As an explanation of the records in the forecast value table 61, for example, taking
In addition, in the
予測値テーブル６１のレコードの説明として、例えば、レコード６１Ｂを例に説明すると、予測値変更列車ＩＤ欄６２には、予測値テーブル６１におけるレコード６１Ｂの通し番号を示す「２」が格納され、出発駅コード欄６５Ａにはブランクを示す「ｎｕｌｌ」が格納され、到着駅コード欄６５Ｂには、停車駅である新大阪駅を示す駅コードの「００００００１」が格納されている。そのため、この列車も、新大阪駅に到着する列車であることがわかる。
また、予測比率欄６６には、「予測比率」が２００パーセントであることを示す「２００」が格納されている。この「２００」は、レコード６１Ｂがイベント対象輸送手段テーブル５７のレコード５７Ｂに対応しているため、レコード５７Ｂの特定影響割合が参照されて、レコード５７Ｂの特定影響割合欄５８に格納された「１００」に「１００」が加算されて算出されたものである。
以上のようにして算出された「予測比率」は、イールド管理システム１００によって予測される通常の需要予測を１００パーセントとしている。そのため、この「予測比率」をイールド管理システム１００によって予測される需要予測に乗算することで、イベントの開催の影響による列車の需要の増加を反映して、需要予測を補正することができる。 As an example of the records in the forecast value table 61,
Furthermore, the predicted
The "prediction ratio" calculated as described above is set to 100 percent of the normal demand forecast predicted by the
なお、予測値変更ＩＤ欄６３には、例えば、予測値テーブル６１における各レコードに示された列車を管理する管理会社ごとの固有の識別番号が格納される。予測値テーブル６１のレコード６１Ａ、レコード６１Ｂ及びレコード６１Ｃのそれぞれでは、予測値変更ＩＤ欄６３に「１」が格納され、レコード６１Ｄでは、予測値変更ＩＤ欄６３に「２」が格納されている。これはレコード６１Ａ、レコード６１Ｂ及びレコード６１Ｃで示された列車はすべて同じ管理会社で管理されていることを示しており、レコード６１Ｄで示された列車は別の管理会社で管理されていることを示している。そのため、例えば、管理会社ごとに需要予測を補正するための予測値を提供する必要がある場合には、予測値変更ＩＤ欄６３の識別番号に基づいて予測値変更列車情報を集約して、管理会社ごとに提供することもできる。
また、予測値処理部６０は、予測値テーブル６１に集約された予測値変更列車情報をイールド管理システム１００に向けて送信する。 In addition, the forecast value
In addition, the forecast
支援システム通信部７０は、イールド管理システム１００から独立したシステムであるイベント情報収集システム２００及び予約販売システム３００との通信が可能に構成され、通信ネットワークを介して各種情報の送受信を行う。本実施形態では、需要予測支援システム１は、イールド管理システム１００の一部として構成されているため、支援システム通信部７０は、イールド管理システム１００の管理システム通信部１０２と共用で構成される。なお、需要予測支援システム１が、イールド管理システム１００から独立したシステムとして構成される場合には、支援システム通信部７０自体が、イールド管理システム１００、イベント情報収集システム２００及び予約販売システム３００との通信が可能に構成され、通信ネットワークを介して各種情報の送受信を行う。The support
＜イベント情報収集システム２００の構成＞
イベント情報収集システム２００は、ＣＰＵ等のプロセッサやＲＯＭ、ＲＡＭ及びＨＤＤ等の記憶装置を備えて構成され、少なくとも、イベント情報を収集する情報収集部２０１と、収集されたイベント情報をファイルとして出力する情報処理部２０２と、イベント情報収集システム２００から独立した他のシステムとの通信を行う収集システム通信部２０３を備えている。情報収集部２０１は、インターネット上に公開されたウェブページから、イベントの開催予定に関する情報を収集するウェブスクレイピングを行い、収集された情報をイベント情報として記憶する。また、情報処理部２０２は、情報収集部２０１によって収集された情報を、需要予測支援システム１が取り込むことができる形式、例えば、ＣＳＶ（Ｃｏｍｍａ Ｓｅｐａｒａｔｅｄ Ｖａｌｕｅｓ）等の形式のファイルに変換して出力する。収集システム通信部２０３は、情報処理部２０２によって出力されたイベント情報に関するファイルを、通信ネットワークを介して需要予測支援システム１（イールド管理システム１００）に送信する。<Configuration of event
The event
＜予約販売システム３００の構成＞
予約販売システム３００は、ＣＰＵ等のプロセッサやＲＯＭ、ＲＡＭ及びＨＤＤ等の記憶装置を備えて構成され、少なくとも、列車の座席の予約販売に関する情報を管理する予約販売管理部３０１と、イールド管理システム１００によって予測された需要予測に基づいて、列車の座席の商品情報を生成する商品情報生成部３０２と、予約販売システム３００から独立した他のシステムや、列車の座席の予約購入を希望する購入希望者の携帯端末等の通信端末との通信を行う予約販売システム通信部３０３を備えている。予約販売管理部３０１は、購入希望者からの予約購入要求に応じて、列車の座席の予約販売を行うと共に、予約販売に関する情報を管理する。商品情報生成部３０２は、イールド管理システム１００によって予測された需要予測を受信して、受信された需要予測に基づいて列車の座席を販売するための商品情報、例えば、列車の運行日程や座席の種別、座席の販売価格等の商品情報を生成する。予約販売システム通信部３０３は、例えば、通信ネットワークを介して、イールド管理システム１００によって予測された需要予測の受信や、購入希望者の通信端末との間で列車の座席の予約購入に必要な情報の送受信を行う。<Configuration of
The
次に、図９に示すフロー図に基づいて、需要予測支援システム１が予測値を算出して、ファイルとして出力するまでの算出処理について説明する。Next, based on the flow diagram shown in FIG. 9, we will explain the calculation process in which the demand
始めに、イベント情報収集システム２００によって収集されたイベント情報が、需要予測支援システム１の支援システム通信部７０を介して受信され、イベント情報記憶部２０に取り込まれる（Ｓ４００）。そして、イベント情報がイベント情報記憶部２０によって記憶される（Ｓ４０１）。
次に、イベント情報記憶部２０によって記憶されたイベント情報と、イベント属性保持部３０によって保持されるイベント属性情報とに基づいて、イベント影響集約部４０が特定影響割合及び特定影響期間を特定する（Ｓ４０２）。続けて、イベント影響集約部４０は、イベント情報にイベント属性情報を反映させ、特定影響割合及び特定影響期間を含むイベント影響集約情報の集合であるイベント影響集約テーブル４１を作成する（Ｓ４０３）。 First, the event information collected by the event
Next, the
次に、輸送手段特定部５０が、イベント影響集約テーブル４１に集約されたイベント影響集約情報と、列車の運行計画情報とから、特定影響期間に所定の停車駅で発着する列車であるイベント対象列車（イベント対象輸送手段）を特定する（Ｓ４０４）。このとき、輸送手段特定部５０は、特定影響期間のうちの第１影響期間に対応する特定影響期間に、所定の停車駅に到着する列車である第１イベント対象列車（第１イベント対象輸送手段）と、特定影響期間のうちの第２影響期間に対応する特定影響期間に、所定の停車駅から出発する列車である第２イベント対象列車（第２イベント対象輸送手段）とを特定する。続けて、輸送手段特定部５０は、特定された第１イベント対象列車及び第２イベント対象列車に関する情報である対象輸送手段情報の集合であるイベント対象輸送手段テーブル５７を作成する（Ｓ４０５）。Next, the transport means
次に、予測値処理部６０が、特定影響割合からイベント対象列車（イベント対象輸送手段）の需要予測を補正するための予測値を算出する（Ｓ４０６）。このとき、予測値処理部６０は、輸送手段特定部５０によって作成されたイベント対象輸送手段テーブル５７の特定影響割合に基づいて予測値を算出する。続けて、予測値処理部６０は、イベント対象輸送手段テーブル５７から必要な情報を抽出すると共に、特定影響割合に基づいて算出されたイベント対象列車ごとの「予測比率」を含む予測値変更列車情報の集合である予測値テーブル６１を作成する（Ｓ４０７）。この予測値テーブル６１に含まれる「予測比率」は、イールド管理システム１００によって予測された需要予測を補正するための予測値である。そして、予測値処理部６０は、作成された予測値テーブル６１に集約された予測値変更列車情報を、イールド管理システム１００が取り込むことができる形式のファイルに変換して、イールド管理システム１００に向けて出力する（Ｓ４０８）。
以上のようにして、需要予測支援システム１によって、イールド管理システム１００が予測した需要予測を補正するための予測値が算出されて出力される。
なお、イールド管理システム１００は、この需要予測支援システム１から出力された予測値を需要予測に反映して、より正確な需要予測値を算出すると共に、予測値が反映された新たな需要予測値に基づいて、列車の運行計画や運賃の変更を行う。そして、イールド管理システム１００は、新たな需要予測に基づく列車の運行計画や運賃を予約販売システム３００に送信する。 Next, the forecast
In this manner, the demand
The
以上の通り、本発明の実施形態を詳述したが、本発明は上述した実施形態に限定されるものではない。そして、本発明は、特許請求の範囲に記載された事項を逸脱することがなければ、種々の設計変更を行うことが可能である。Although the embodiments of the present invention have been described in detail above, the present invention is not limited to the above-mentioned embodiments. Furthermore, various design modifications can be made to the present invention without departing from the scope of the claims.
例えば、本発明の実施形態では、イベント影響期間及びイベント影響割合が、イベントの種類（ジャンル）及び集客規模に対応して設定されている例を示したが、イベント影響期間及びイベント影響割合は、種類（ジャンル）及び集客規模に対応して設定されていなくてもよく、例えば、イベントの開催予定地である会場等、他の情報に対応して設定されてもよい。For example, in the embodiment of the present invention, an example has been shown in which the event impact period and event impact ratio are set in accordance with the type (genre) of the event and the scale of the audience, but the event impact period and event impact ratio do not have to be set in accordance with the type (genre) and the scale of the audience, and may be set in accordance with other information, such as the venue where the event is scheduled to be held.
また、例えば、本発明の実施形態では、イベント影響期間が第１影響期間と第２影響期間とからなる例を示したが、イベント影響期間は第１影響期間と第２影響期間とに分けられていなくてもよい。また、同様に、本発明の実施形態では、イベント対象列車（イベント対象輸送手段）が第１イベント対象列車（第１イベント対象輸送手段）と第２イベント対象列車（第２イベント対象輸送手段）とからなる例を示したが、イベント対象列車は第１イベント対象列車と第２イベント対象列車と分けられていなくてもよいし、その場合には、輸送手段特定部５０によって、特定影響期間に所定の停車駅で発着する全ての列車、言い換えれば、特定影響期間に所定の停車駅における到着時刻又は出発時刻が含まれる全ての列車がイベント対象列車として特定される。For example, in the embodiment of the present invention, an example is shown in which the event influence period consists of a first influence period and a second influence period, but the event influence period does not have to be divided into a first influence period and a second influence period. Similarly, in the embodiment of the present invention, an example is shown in which the event target train (event target transportation means) consists of a first event target train (first event target transportation means) and a second event target train (second event target transportation means), but the event target train does not have to be divided into a first event target train and a second event target train, and in that case, the transportation means
さらに、例えば、本発明の実施形態では、開催予定日の前日以前からの前泊が想定される場合に、前泊の日数に合わせて、開催予定日の前日以前の日付の０時から２４時までが第１影響期間に含まれる例を示したが、開催予定日以降の後泊が想定される場合には、後泊の日数に合わせて、開催予定日の翌日以降の日付の０時から２４時までが第２影響期間に含まれるように構成されてもよい。この場合には、例えば、イベント影響期間欄３６に後泊欄が設けられ、この後泊欄に後泊の日数が格納される。また、前泊又は後泊が想定される場合に、第１影響期間又は第２影響期間に含まれる時間は、０時から２４時に限定されず、任意の時間を設定することができる。
また、本発明の実施形態では、第２影響期間が開催予定日時から想定開催期間が経過した後の所定の期間である例を示したが、第２影響期間は開催予定日時の後であれば、想定開催期間が経過した後でなくてもよい。 Furthermore, for example, in the embodiment of the present invention, when an overnight stay from the day before the scheduled event date is expected, an example was shown in which the first influence period includes the period from 0:00 to 24:00 on the date before the scheduled event date, in accordance with the number of days of the overnight stay before the event, but when an overnight stay after the scheduled event is expected, the second influence period may be configured to include the period from 0:00 to 24:00 on the date after the scheduled event date, in accordance with the number of days of the overnight stay. In this case, for example, a later stay column is provided in the event
In addition, in an embodiment of the present invention, an example is shown in which the second impact period is a specified period after the expected event period has passed from the scheduled event date and time, but the second impact period does not have to be after the expected event period has passed as long as it is after the scheduled event date and time.
また、例えば、本発明の実施形態では、同時期に開催が予定される複数のイベントに対応して予測値を算出する需要予測支援システム１を例に説明したが、需要予測支援システム１は、１つの特定のイベントについて、イベント情報記憶部２０がイベント情報を記憶して、イベント影響集約部４０が特定影響割合及び特定影響期間を特定すると共に、この特定された特定影響割合及び特定影響期間に基づいて、イベント対象列車の予測値を算出するものでもよい。In addition, for example, in the embodiment of the present invention, the demand
１ 需要予測支援システム
１０ 制御部
２０ イベント情報記憶部
２１ イベント情報テーブル
２１Ａ～２１Ｅ レコード（イベント情報テーブル）
２２ 開催日欄
２３ 駅コード欄
２４ イベント名欄
２５ ジャンル名欄
２６ 集客規模欄
２７ 開催時刻欄
２８ 会場名欄
３０ イベント属性保持部
３１ イベント属性テーブル
３１Ａ～３１Ｅ レコード（イベント属性テーブル）
３２ ジャンル名欄
３３ 集客規模欄
３４ イベント影響割合欄
３５ 想定開催期間欄
３６ イベント影響期間欄
３６Ａ 第１影響期間欄
３６Ｂ 第２影響期間欄
３６Ｃ 前泊欄
４０ イベント影響集約部
４１ イベント影響集約テーブル
４１Ａ～４１Ｋ レコード（イベント影響集約テーブル）
４２ 開催日欄
４３ 駅コード欄
４４ 特定影響割合欄
４５ 特定影響期間欄
４５Ａ 時刻Ｆｒｏｍ欄
４５Ｂ 時刻Ｔｏ欄
４６ 発着フラグ欄
４７ 第１重複期間
４８ 第２重複期間
４９ 第１重複期間
５０ 輸送手段特定部
５１ 運行計画テーブル
５１Ａ～５１Ｆ レコード（運行計画テーブル）
５２ 運行日欄
５３ 号便欄
５４ 駅コード欄
５５ 着時刻欄
５６ 発時刻欄
５７ イベント対象輸送手段テーブル
５７Ａ～５７Ｄ レコード（イベント対象輸送手段テーブル）
５８ 特定影響割合欄
６０ 予測値処理部
６１ 予測値テーブル
６１Ａ～６１Ｄ レコード（予測値テーブル）
６２ 予測値変更列車ＩＤ欄
６３ 予測値変更ＩＤ欄
６４ 号便欄
６５ 駅コード欄
６５Ａ 出発駅コード欄
６５Ｂ 到着駅コード欄
６６ 予測比率欄
７０ 支援システム通信部
１００ イールド管理システム
１０１ 需要処理部
１０２ 管理システム通信部
２００ イベント情報収集システム
２０１ 情報収集部
２０２ 情報処理部
２０３ 収集システム通信部
３００ 予約販売システム
３０１ 予約販売管理部
３０２ 商品情報生成部
３０３ 予約販売システム通信部 1 Demand
22
32
42
52
58 Specific
62 Forecast value change
Claims (9)
Translated fromJapaneseイベントの開催予定日時を含む前記イベントに関する情報であるイベント情報を記憶するイベント情報記憶部と、
前記イベントの開催の影響による前記輸送手段の需要の増加割合を示したイベント影響割合及び前記イベント影響割合を反映させるための所定の期間を示したイベント影響期間を含む前記イベントの属性に関する情報であるイベント属性情報を前記属性ごとに保持するイベント属性保持部と、
前記イベント情報及び前記イベント属性情報に基づいて、前記イベントの前記属性に対応する前記イベント影響割合である特定影響割合、及び、前記イベントの前記属性に対応し、かつ、前記開催予定日時に対応する前記イベント影響期間である特定影響期間を特定するイベント影響集約部と、
前記特定影響期間に所定の停車場で発着する前記輸送手段であるイベント対象輸送手段を特定する輸送手段特定部と、
前記特定影響割合から前記イベント対象輸送手段の前記需要予測を補正するための予測値を算出する予測値処理部と、を備える需要予測支援システム。 A demand forecast support system for correcting a demand forecast for a transportation means, comprising:
an event information storage unit that stores event information that is information about the event including a scheduled date and time of the event;
an event attribute storage unit that stores, for each attribute, event attribute information that is information on attributes of the event, including an event influence ratio that indicates an increase ratio of demand for the transportation means due to the influence of the event and an event influence period that indicates a predetermined period for reflecting the event influence ratio;
an event influence aggregator that identifies a specific influence ratio, which is the event influence ratio corresponding to the attribute of the event, and a specific influence period, which is the event influence period corresponding to the attribute of the event and the scheduled event date and time, based on the event information and the event attribute information;
A transportation means identification unit that identifies an event target transportation means that departs from and arrives at a predetermined station during the specific impact period;
a prediction value processing unit that calculates a prediction value for correcting the demand prediction for the event target transportation means from the specific influence ratio.
前記イベント影響期間が、前記種類及び前記集客規模に対応して設定された、
ことを特徴とする請求項１に記載の需要予測支援システム。 The event information includes a type and a scale of attendance of the event,
The event influence period is set according to the type and the scale of the event.
2. The demand forecast support system according to claim 1 .
ことを特徴とする請求項２に記載の需要予測支援システム。 The event influence ratio is set corresponding to the type and the scale of the customer gathering,
3. The demand forecast support system according to claim 2.
前記イベント対象輸送手段が、前記第１影響期間に対応する前記特定影響期間に前記停車場に到着する前記輸送手段である第１イベント対象輸送手段と、前記第２影響期間に対応する前記特定影響期間に前記停車場から出発する前記輸送手段である第２イベント対象輸送手段とからなる、
ことを特徴とする請求項１又は請求項２に記載の需要予測支援システム。 the event influence period is comprised of a first influence period which is a predetermined period before the scheduled event date and time, and a second influence period which is a predetermined period after the scheduled event date and time,
The event-target transportation means includes a first event-target transportation means that is the transportation means that arrives at the stop during the specific impact period corresponding to the first impact period, and a second event-target transportation means that is the transportation means that departs from the stop during the specific impact period corresponding to the second impact period.
3. The demand forecast support system according to claim 1 or 2.
前記第２影響期間が、前記開催予定日時から前記想定開催期間が経過した後の所定の期間である、
ことを特徴とする請求項４に記載の需要予測支援システム。 The event attribute information includes an expected period of the event,
The second influence period is a predetermined period after the expected event period has elapsed from the scheduled event date and time.
5. The demand forecast support system according to claim 4.
前記イベント影響集約部が、複数の前記イベントについて前記特定影響割合及び前記特定影響期間を特定すると共に、複数の前記イベントの前記第１影響期間に対応する前記特定影響期間において、重複する期間である第１重複期間がある場合、前記第１重複期間における前記特定影響割合を、前記特定影響期間に前記第１重複期間を有する前記イベントごとの前記属性に対応する前記特定影響割合を合算した合計値である第１合計値とし、複数の前記イベントの前記第２影響期間に対応する前記特定影響期間において、重複する期間である第２重複期間がある場合、前記第２重複期間における前記特定影響割合を、前記特定影響期間に前記第２重複期間を有する前記イベントごとの前記属性に対応する前記特定影響割合を合算した合計値である第２合計値とする特定影響割合合算機能を有する、
ことを特徴とする請求項５に記載の需要予測支援システム。 the event information storage unit stores the event information of a plurality of the events;
the event influence aggregator has a specific influence proportion summing function for identifying the specific influence proportion and the specific influence period for the plurality of events, and when there is a first overlapping period in the specific influence period corresponding to the first influence period of the plurality of events that is an overlapping period, setting the specific influence proportion in the first overlapping period to a first sum which is a sum of the specific influence proportions corresponding to the attributes of the events having the first overlapping period in the specific influence period, and when there is a second overlapping period in the specific influence period corresponding to the second influence period of the plurality of events that is an overlapping period, setting the specific influence proportion in the second overlapping period to a second sum which is a sum of the specific influence proportions corresponding to the attributes of the events having the second overlapping period in the specific influence period.
6. The demand forecast support system according to claim 5.
ことを特徴とする請求項６に記載の需要予測支援システム。 The upper limit of each of the first total value and the second total value is 200%.
7. The demand forecast support system according to claim 6.
イベントの開催予定日時を含む前記イベントに関する情報であるイベント情報を記憶するイベント情報記憶手順と、
前記イベントの開催の影響による前記輸送手段の需要の増加割合を示したイベント影響割合及び前記イベント影響割合を反映させるための所定の期間を示したイベント影響期間を含む前記イベントの属性に関する情報であるイベント属性情報を前記属性ごとに保持するイベント属性保持手順と、
前記イベント情報及び前記イベント属性情報に基づいて、前記イベントの前記属性に対応する前記イベント影響割合である特定影響割合、及び、前記イベントの前記属性に対応し、かつ、前記開催予定日時に対応する前記イベント影響期間である特定影響期間を特定するイベント影響集約手順と、
前記特定影響期間に所定の停車場で発着する前記輸送手段であるイベント対象輸送手段を特定する輸送手段特定手順と、
前記特定影響割合から前記イベント対象輸送手段の前記需要予測を補正するための予測値を算出する予測値処理手順と、をコンピュータに実行させる、
ことを特徴とする需要予測支援プログラム。 A demand forecasting support program for correcting a demand forecast for a transportation means, comprising:
an event information storage step of storing event information, which is information about the event including a scheduled date and time of the event;
an event attribute retaining step of retaining, for each attribute, event attribute information that is information on an attribute of the event, the event attribute information including an event influence ratio indicating an increase ratio of demand for the transportation means due to an influence of the eventand an event influence period indicating a predetermined period for reflecting the event influence ratio;
an event influence aggregation step of identifying a specific influence ratio, which is the event influence ratio corresponding to the attribute of the event, and a specificinfluence period, which is the event influence period corresponding to the attribute of the event and the scheduled event date and time, based on the event information and the event attribute information;
A transportation meansidentification step of identifying an event target transportation means which is the transportation means departing and arriving at a predetermined station during the specific impact period;
a prediction value processing step of calculating a prediction value for correcting the demand forecast of the event target transportation means from the specific influence ratio;
A demand forecasting support program characterized by:
ことを特徴とするコンピュータで読み取り可能な記録媒体。 A system in which the demand forecasting support program according to claim 8 is recorded.
A computer-readable recording medium comprising:
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2023107230AJP7559150B1 (en) | 2023-06-29 | 2023-06-29 | Demand forecast support system, demand forecast support program, and recording medium having the demand forecast support program recorded thereon |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2023107230AJP7559150B1 (en) | 2023-06-29 | 2023-06-29 | Demand forecast support system, demand forecast support program, and recording medium having the demand forecast support program recorded thereon |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP7559150B1true JP7559150B1 (en) | 2024-10-01 |
| JP2025006438A JP2025006438A (en) | 2025-01-17 |
Family
ID=92900419
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2023107230AActiveJP7559150B1 (en) | 2023-06-29 | 2023-06-29 | Demand forecast support system, demand forecast support program, and recording medium having the demand forecast support program recorded thereon |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7559150B1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN119813206A (en)* | 2025-03-14 | 2025-04-11 | 国网吉林省电力有限公司经济技术研究院 | A method and system for predicting industrial electricity demand considering energy consumption characteristics |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2019168868A (en) | 2018-03-22 | 2019-10-03 | 株式会社日立製作所 | Demand prediction system and method |
| JP2020196278A (en) | 2019-05-31 | 2020-12-10 | 公益財団法人鉄道総合技術研究所 | Diamond information generator, diamond information generation method and diamond information generation program |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09123913A (en)* | 1995-10-27 | 1997-05-13 | Toshiba Corp | Transportation management system |
- 2023
- 2023-06-29JPJP2023107230Apatent/JP7559150B1/enactiveActive
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2019168868A (en) | 2018-03-22 | 2019-10-03 | 株式会社日立製作所 | Demand prediction system and method |
| JP2020196278A (en) | 2019-05-31 | 2020-12-10 | 公益財団法人鉄道総合技術研究所 | Diamond information generator, diamond information generation method and diamond information generation program |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN119813206A (en)* | 2025-03-14 | 2025-04-11 | 国网吉林省电力有限公司经济技术研究院 | A method and system for predicting industrial electricity demand considering energy consumption characteristics |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2025006438A (en) | 2025-01-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6850757B2 (en) | Demand forecasting system and method | |
| US20190095233A1 (en) | Apparatus and method to predict a time interval taken for a live migration of a virtual machine | |
| JPWO2018087811A1 (en) | Transportation system, timetable proposal system and vehicle operation system | |
| US20160232468A1 (en) | System and method for queue management | |
| US20130339070A1 (en) | Dynamic price-monitor scheduling systems and methods | |
| US20100185516A1 (en) | Allocation of internet advertising inventory | |
| EP2423862A1 (en) | Method and system for a floating inventory | |
| MX2007011675A (en) | Apparatus and methods for providing queue messaging over a network. | |
| TW201618016A (en) | Revenue management system and revenue management method | |
| JP7025302B2 (en) | Information processing system and information processing method | |
| JP7559150B1 (en) | Demand forecast support system, demand forecast support program, and recording medium having the demand forecast support program recorded thereon | |
| JP6735875B1 (en) | Reservation number prediction device | |
| JP6987703B2 (en) | Policy decision system and policy decision method | |
| CN113379084A (en) | Air ticket time-changing method and air ticket time-changing device | |
| CN107527103B (en) | Data warehouse for mining search query logs | |
| US20100185515A1 (en) | Allocation of internet advertising inventory | |
| US20120123812A1 (en) | Evaluating customers | |
| JP2017191428A (en) | Quotation optimization device and method for accommodation commodity | |
| JP2020030604A (en) | Plan presenting program, plan presenting method, and information processing device | |
| JP2017041971A (en) | Electric power consumer evaluation method, electric power consumer evaluation program, and electric power consumer evaluation apparatus | |
| US20170364932A1 (en) | Data warehouse for mining search query logs | |
| JP7295723B2 (en) | MAINTENANCE WORK PLANNING SUPPORT DEVICE AND MAINTENANCE WORK PLANNING SUPPORT METHOD | |
| US20170103437A1 (en) | Yield determinations for a remaining inventory of a product | |
| JP5320771B2 (en) | Billing amount determination device, billing amount determination program, and computer-readable recording medium recording the program | |
| JP2008165597A (en) | Business parameter determination system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination | Free format text:JAPANESE INTERMEDIATE CODE: A621 Effective date:20230629 | |
| A131 | Notification of reasons for refusal | Free format text:JAPANESE INTERMEDIATE CODE: A131 Effective date:20240730 | |
| A521 | Request for written amendment filed | Free format text:JAPANESE INTERMEDIATE CODE: A523 Effective date:20240819 | |
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) | Free format text:JAPANESE INTERMEDIATE CODE: A01 Effective date:20240903 | |
| A61 | First payment of annual fees (during grant procedure) | Free format text:JAPANESE INTERMEDIATE CODE: A61 Effective date:20240918 | |
| R150 | Certificate of patent or registration of utility model | Ref document number:7559150 Country of ref document:JP Free format text:JAPANESE INTERMEDIATE CODE: R150 |