データの種類 |
テキスト
数値
時系列
|
データの変数(パラメーター)の変数名 |
A群_移動距離(station to station)|A群_速度|A群_輸送量(/車両)|A群_利用者数(/時間帯)|A群_ダイヤとの誤差|A群_搭乗場所までの距離・時間(door to station)|A群_搭乗場所での待ち時間|A群_他交通機関との接続距離・時間|B群_事故率|B群_故障率|B群_製造コスト(車両あたり)|B群_燃費|B群_人件費|B群_メンテナンス費|B群_雑費|C群_騒音(db)|C群_騒音評価(*客観)|C群_照度|C群_照度評価(*客観)|C群_空気汚染度|C群_空気汚染度(*客観)|D群_車両の予備率|D群_車両の代替速度|D群_他経路/交通手段への代替可能数 |
データの概要説明 |
2021Aセメスター,月曜4限開講:システム設計科学 の課題
交通システムの設計・シミュレーションを考える |
想定しているデータの分析・シミュレーションプロセス |
◯A群のデータから, 複数の利用者エージェントが複数交通機関を含めたエリア内で移動する際の人流をシミュレーションし, 人流の点で最適な運行頻度・交通機関の接続状態等を検討する. またごく僅かな誤差による伝搬の様子を分析する.
◯A,B群のデータから上記と同様のシミュレーションを行い, 経済的に最適な運行頻度・交通機関の接続状態等を検討する.
◯A,D群のデータから, 複数交通機関を含めたエリア内において, 何らかの大きなトラブル発生時のシミュレーションを行い, レジリエンスを検討する.
◯以上の分析結果から, 現実的(経済的)に実現・持続可能かつ最もレジリエンスが高い交通状態を検討する.
◯さらに以上のデータにC群の変数を掛け合わせ, 環境影響まで加味した最適な交通状態を検討する. |
想定しているデータの分析・シミュレーションプロセスの結果 (データ分析結果/ツールの出力/典型例など) |
乗客数・その移動距離が主要な入力変数となる. 例えば都市中心部(乗客数:多, 移動距離:短)では,大型輸送手段(電車等)・中型輸送手段(バス等)の運行頻度を上げると共にその接続を容易にし, 小型輸送手段の利用を減らすことがレジリエンス・環境影響両面から望ましいだろうとわかる(パークアンドライド) |
上記の分析・シミュレーションプロセス以外に期待する分析 |
以上は既存の交通経路(路線)を前提とした分析になっているが, 新路線の検討に活用されることを期待する.
またB群_搭乗場所までの距離・時間(door to station)に注目し, 最適な搭乗場所の配置・デマンド方式/ゾーン制の導入検討等に繋がることも期待したい. |
コメントフォーム