工学院大学 オープンカレッジ 鉄道講座...

84
乗換検索サービスと ビッグデータがもたらす 公共交通の変革 (C) NAVITIME JAPAN 1 株式会社ナビタイムジャパン 太田恒平 2016 9 13 工学院大学オープンカレッジ鉄道講座

Upload: kohei-ota

Post on 15-Apr-2017

999 views

Category:

Data & Analytics


5 download

TRANSCRIPT

Page 1: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

乗換検索サービスとビッグデータがもたらす

公共交通の変革

(C) NAVITIME JAPAN1

株式会社ナビタイムジャパン

太田恒平

2016年9月13日

工学院大学オープンカレッジ鉄道講座

Page 2: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

はじめに

(C) NAVITIME JAPAN 2

ナビタイムのナビゲーションサービス

NAVITIMEは世界初のナビゲーション技術「トータルナビ」をコアに、

移動手段ごとに最適化されたサービスを提供しています。

有料課金ユーザー数 約450万人月間ユニークユーザー数 約3000万UU

(2016年3月時点)

NAVITIME

ドライブサポーター

乗換NAVITIME

自転車NAVITIME

こみれぽバスNAVITIME

カーナビタイム

NAVITIME Transit

NAVITIME forJapan Travel

ALKOOツーリングサポーター

Plat by NAVITIME

迷わニャいと!

トラックカーナビ

公共交通

ドライブ

ツーリング トラベル&フィットネス外国人&海外

Page 3: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

自己紹介はじめに

(C) NAVITIME JAPAN 3

太田 恒平(おおた こうへい)

ナビタイムジャパンでの職務

• 経路探索開発

• 2010~2012 車・自転車の経路探索エンジン開発

• 2015~2016 公共交通を含む経路探索の開発責任者

• 交通コンサルティング事業

• 2012 立ち上げ

• 2016年現在 13人の事業に成長

• メディア事業

• 2016~ 交通マーケティング・交通制御の企画・研究

出自

• 鉄道マニア → 大学:交通の研究 → 大学院:地図の研究

• ITで交通をよくすること がライフワークに

Page 4: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

乗換検索/情報提供 プロモーション コンサルティング

はじめに

(C) NAVITIME JAPAN 4

鉄道とナビタイム

鉄道インフラの一部として普及してきている

日本人向け 事業者様向け

阪神高速JR

南海

訪日客向け サイネージ

広告

予約連携 訪日客行動分析

70 5377

53 53 60 53

5985

143

65 50 38 17

0分

60分

120分

180分

240分

09:50 11:10 11:25 14:05 16:50 16:55 19:00

出発時刻

乗換時間

乗車船時間

広島空港→大崎上島町木江支所の最適経路の所要時間(土曜9~21時)

乗換時間平均65分

利便性分析

Page 5: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

学会とナビタイムはじめに

(C) NAVITIME JAPAN 5

交通系学会

• 土木計画学

• 交通工学研究会

• JCOMM

• J-Rail

他分野学会

• 観光情報学会

• オペレーションズ・リサーチ学会

• 情報処理学会

交通系専門誌

• 運輸と経済

• 建設コンサル協会誌

オペレーションズ・リサーチ 情報処理学会誌

JCOMMデザイン賞受賞

観光情報学会全国大会

土木計画学研究発表会

自社発表年間10回以上、研究機関へのデータ提供も

Page 6: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

6

はじめに 本日のテーマ

(C) NAVITIME JAPAN

1. 混雑2. 実態の見える化3. 乗換検索マーケティング4. まとめと今後の展開

乗換検索が鉄道の魅力・収益向上に貢献できないか?

問題意識

テーマ

乗換検索サービスとビッグデータがもたらす公共交通の変革

Page 7: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

混雑

(C) NAVITIME JAPAN 7

Page 8: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

(C) NAVITIME JAPAN 8

デザイン賞

Page 9: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

電車混雑予測

9

混雑状況 首都圏

電車混雑動画 ~首都圏の朝~

Youtube: https://youtu.be/JzU6diMuExUこの動画は、次のソフトウェアを使用して作成しています【Mobmap】http://shiba.iis.u-tokyo.ac.jp/member/ueyama/mm/

Page 10: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

コンセプト

(C) NAVITIME JAPAN 10

解決したい課題

乗換アプリで

電車の混雑を

解消できないか?

Page 11: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

11

コンセプト 解決のアプローチ

電車混雑シミュレーション

ユーザが空いている経路を選べるように

乗換アプリに表示

停車駅ごとの混雑度

移動需要データ+

現地調査データ+

乗換エンジン▼

首都圏800万人の移動を推定

まずは、首都圏54路線、朝6:30-10:00、ラッシュ方向、平常値

Page 12: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

12

サービス紹介 経路選択

Page 13: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

13

サービス紹介 時刻表

Page 14: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

14

サービス紹介 途中駅リスト

Page 15: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

15

技術 処理プロセス

Page 16: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

技術

16

現地調査

混雑度 編成長調査風景

駅に張り付き、地道な調査を行った

8両 10両

Page 17: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

17

技術 交通工学の理解

基礎学習 混雑不効用 先行研究

東京大学 羽藤研究グループ行動モデル夏の学校2015http://bin.t.u-tokyo.ac.jp/model15/reportindex.html

運輸政策研究機構鉄道分野におけるITの積極的活用方策に関する検討http://www.jterc.or.jp/kenkyusyo/product/tpsr/bn/pdf/no43-11.pdf

中央大学理工学部 田口 東東日本大震災後,節電時の首都圏電車ネットワーク混雑シミュレーションhttp://www.ise.chuo-u.ac.jp/ise-labs/taguchi-lab/taguchi120904_slide.pdf

交通工学を基礎から学び、取り入れた

Page 18: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

18

ビジュアライズ 電車混雑ダイヤグラム

(C) NAVITIME JAPAN

小田急小田原線

東武東上線

西武池袋線

東急田園都市線

準急の時間は平準化

急行が走りだすと間引かれ混雑

各停は快適通勤

複々線化による混雑緩和に期待

Page 19: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

19

ビジュアライズ 時間帯・種別毎の平均混雑度

(C) NAVITIME JAPAN

東急田園都市線

あざ

み野

たま

プラ

ーザ

鷺沼

宮前

宮崎

梶が

溝の

高津

二子

新地

二子

玉川

用賀

桜新

駒沢

大学

三軒

茶屋

池尻

大橋

代表 630 7.0 8.3 8.3 4.3 5.0 5.2 7.7 4.7 4.7 8.0 4.8 5.3 5.3 8.3 5.7種別 700 8.0 9.0 9.0 5.7 6.6 7.0 9.0 6.2 6.5 9.0 9.0 7.1 7.7 10.0 7.8混雑度 730 8.0 8.4 9.3 6.1 7.7 7.9 9.0 7.1 7.7 9.1 9.7 10.1 10.3 11.0 11.0(時間帯別) 800 8.2 9.0 9.0 6.0 7.3 8.0 8.9 7.7 8.0 9.3 9.9 10.4 10.9 11.0 11.2

830 8.5 9.5 10.0 5.7 6.5 7.3 10.0 6.8 7.2 10.0 9.2 9.6 10.0 10.3 10.6900 8.0 9.0 9.7 4.8 5.5 6.2 9.0 6.0 6.1 9.7 7.0 7.6 8.0 10.7 10.0930 7.0 7.7 8.3 4.0 4.8 5.4 8.3 5.0 5.4 8.7 6.2 6.3 7.0 10.3 7.5

800-830 各停 5.0 5.6 5.7 6.0 7.3 8.0 7.3 7.7 8.0 8.0 8.7 9.1 9.8 10.0 10.0混雑度 準急 8.2 9.0 9.0 8.9 9.3 9.9 10.4 10.9 11.0 11.2(種別毎) 急行

小田急小田原線

成城

学園

祖師

ヶ谷

大蔵

千歳

船橋

経堂

豪徳

梅ヶ

世田

谷代

下北

東北

代々

木上

代々

木八

参宮

南新

宿

代表 630 9.5 5.2 5.8 6.6 6.4 6.0 6.0 9.3 5.8 7.0 3.5 3.8 4.0種別 700 10.8 6.5 7.4 8.0 8.3 8.2 8.2 10.2 8.0 8.0 5.3 5.3 4.8混雑度 730 11.7 8.0 8.8 9.6 9.8 9.8 10.0 11.2 9.5 8.8 6.0 5.8 6.0(時間帯別) 800 11.5 8.0 8.8 9.0 10.0 10.0 10.3 11.7 9.6 10.0 8.5 8.2 8.2

830 10.4 6.8 8.0 7.8 8.5 8.5 9.0 11.0 8.5 9.0 6.8 7.0 7.0900 9.8 5.3 6.5 9.0 6.8 6.8 6.7 9.5 6.8 8.5 5.3 5.8 5.5930 10.0 4.5 5.3 8.0 5.7 5.7 6.0 9.0 5.8 7.3 4.3 4.3 4.3

800-830 各停 7.8 8.0 8.8 9.0 10.0 10.0 10.3 9.8 9.6 8.4 8.5 8.2 8.2混雑度 準急 11.5 11.7 10.0(種別毎) 急行 11.4 11.1 10.0

快速急行

出勤時刻・住む場所の検討に有用

Page 20: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

20

ビジュアライズ 時間帯・種別毎の平均混雑度

(C) NAVITIME JAPAN

東武東上線

志木

朝霞

朝霞

和光

成増

下赤

東武

練馬

上板

とき

わ台

中板

大山

下板

北池

代表 630 11.0 11.0 10.0 8.0 9.0 3.6 4.3 4.8 5.8 5.5 6.0 6.3 6.3種別 700 12.0 11.5 10.0 10.3 11.0 4.4 5.2 5.8 6.6 6.8 7.8 7.7 7.8混雑度 730 12.0 12.0 10.8 11.5 11.5 5.0 5.8 7.0 7.7 8.2 9.0 9.2 9.0(時間帯別) 800 11.5 12.0 11.3 11.0 12.0 4.3 5.2 6.6 7.3 8.0 8.8 9.0 9.0

830 11.5 11.5 11.0 10.5 11.3 4.8 4.8 5.8 6.4 7.0 7.8 7.8 8.0900 10.5 10.5 8.3 9.0 9.0 3.8 3.8 4.8 6.0 6.5 7.3 7.5 7.8930 11.0 9.0 6.0 10.0 8.0 3.5 4.0 4.8 4.8 5.8 6.2 6.3 6.3

800-830 各停 7.9 8.3 8.0 5.3 4.6 4.3 5.2 6.6 7.3 8.0 8.8 9.0 9.0混雑度 準急 10.7 11.3 11.3 9.7 11.0(種別毎) 急行 11.5 12.0 11.0 12.0

西武池袋線

ひば

りヶ

保谷

大泉

学園

石神

井公

練馬

高野

富士

見台

中村

練馬

桜台

江古

東長

椎名

代表 630 9.7 7.5 9.0 11.0 5.5 6.0 6.8 10.0 4.6 4.4 4.6 5.0種別 700 10.5 10.0 11.0 11.0 6.0 6.3 7.0 11.0 4.8 4.6 5.2 5.6混雑度 730 12.0 11.0 12.0 12.0 5.9 6.4 7.0 9.5 7.0 7.3 7.3 7.2(時間帯別) 800 12.0 10.5 11.5 12.0 6.1 7.1 7.6 10.0 6.8 7.3 7.5 7.8

830 10.0 9.0 10.0 12.0 6.8 7.8 8.4 11.0 5.6 6.0 6.3 7.0900 8.0 6.7 8.5 9.5 4.8 5.4 5.8 9.0 4.6 4.8 5.2 5.6930 7.0 5.0 6.5 9.0 4.3 4.4 4.5 8.0 3.4 3.8 4.3 4.5

800-830 各停 5.3 5.2 6.6 5.9 6.1 7.1 7.6 6.5 6.8 7.3 7.5 7.8混雑度 準急 7.0 9.0 9.0 11.0(種別毎) 通勤準急 10.0 10.5 11.5 10.0

快速 9.0 12.0通勤急行 10.5 11.0 12.0急行 10.0 11.0快速急行 12.0 12.0

千鳥停車で混雑分散

Page 21: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

アプローチの違いサービスの特長

21

行政・事業者主体の分析、ローカルなMMと違うアプローチ

技術

• 鮮度 : 最新のダイヤに合わせて

• 解像度 : 列車・停車駅ごと

• 伝え方 : 利用者の移動の意思決定に沿ったタイミング・内容

規模

• 予測路線 : 鉄道事業者を横断

• ユーザ : 1日500万回検索される大規模サービス

• 期間 : 事業として運用、発展中

プレーヤー

• 利用者 : 一般乗客

• 開発者 : ITサービス企業の、交通非専門家がほとんどのチーム

Page 22: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

混雑予報

(C) NAVITIME JAPAN 22

Page 23: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

混雑予報

(C) NAVITIME JAPAN 23

経路検索条件データとは

経路検索条件データとは、発着地や日時等の条件を蓄積したデータです。

公共交通 15億件/年

自動車 1.3億件/年(2014年度)

観光分析

移動需要ビッグデータ

交通分析

項目 備考

出発地情報 駅等の公共交通拠点,施設,座標等

到着地情報 同上

交通手段 公共交通, 自動車, 自転車, 徒歩

検索実施日時

発着指定日時

発着日時指定方法 出発日時,到着日時,始発,終電

ユーザID データの外部提供の際には削除

主な記録項目PC-NAVITIME 経路検索画面

Page 24: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

混雑予報

(C) NAVITIME JAPAN 24

ヒートマップによる可視化

ヒートマップにより移動が集中する場所を見つけることができます。

2013年4月13日

描画条件:1時間に600回以上発着地に指定されている駅を描画。多いほど赤い。

データ元:NAVITIME, 乗換NAVITIME, PC-NAVITIME

2013年4月13日16時台

「ももいろクローバーZ」のライブ(開演17時)が西武ドームで始まる1時間前

西武球場前が首都圏で7位

Page 25: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

混雑予報

(C) NAVITIME JAPAN 25

具体例(西武球場前)

経路検索の際には数時間~数日先の日時を指定されることが多いため、近未来の移動需要を検出することができます。

0

500

1000

1500

2000

2500

5 6 7 8 9 1011121314151617181920212223

累積

経路

検索

数[件

]

検索対象時刻

リアルタイム

10分前

2時間前

15時間前

4日前

定常検索数

輸送力調整、混雑回避の誘導、駅付近店舗の供給調整に活用可能

2013年4月13日に西武球場前を到着指定した検索数

グッズ販売前

開演前

4日前から普段の8倍

分類 小分類 検出数

レジャー

コンサート 62

スポーツ 17

その他イベント 12

行楽地・施設 28

業務・教育

オフィス街 36

教育イベント 47

交通ダイヤ改正 15

空港 2

不明 - 48

合計 267

予測対象期間:2013年3月18日~4月14日(4週間)突発的移動需要発生回数:全12,268回

(4日前検出率2.2%)

他に検出されたイベント

Page 26: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

26

混雑予報 テレビ放映実績

(C) NAVITIME JAPAN

「明日、日本のどこが混む?」を検索ログから明らかに

『データなび』他2015年度

当日0時までの検索結果を毎日集計し、NHK様に混雑予報を提供中!

月イチのビッグデータ解析番組にレギュラー登場

『ニュースチェック11』2016年度

4月改変のニュース新番組、目玉はビッグデータ!?

天気予報に続く新たな定番ニュースを目指して発展中

Page 27: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

27

混雑予報 社外での研究開発

発表先:第35回交通工学研究発表会

著者:日本大学 川崎 轟 八野

深夜バスの需要予測

経路検索条件データを用いた深夜急行バスの短期的需要予測

発表先:第47回阪神高速技術研究発表会【優秀論文】

著者:阪神高速 萩原武司、阪高技研 鈴木・瀬川

高速ICの渋滞予測

局所的な渋滞予測手法の開発

国際興業の深夜バスの必要台数の予測が、経路

検索条件データを用いることで予測精度が向上

した。

USJを目的地とした前日までの経路検索条件デー

タを用いることで、USJ出口の渋滞を8割程度推

定可能。

交通事業者による活用に向けて進展中

Page 28: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

混雑予報

(C) NAVITIME JAPAN 28

一般向け情報提供

乗客→混雑回避

商店→需要予測

Page 29: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

混雑予測のこれから

(C) NAVITIME JAPAN 29

Page 30: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

混雑予測のこれから

(C) NAVITIME JAPAN 30

分析技術の発展

両技術が融合すれば未来の列車混雑が読める???

電車混雑予測 駅混雑予報

対象 箇所 列車 駅

解像度 1本・1駅 時間帯・発着

期間 過去の統計 現在・未来

時間帯 平常時 異常時(イベント・障害)

地域 首都圏朝ラッシュ 全国

技術 データ 輸送実績の統計 経路検索のログ

経路推定 シミュレーション なし

Page 31: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

混雑予測のこれから

31

ナビタイムマイレージとの連携

混雑緩和にインセンティブを

Page 32: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

実態の見える化

(C) NAVITIME JAPAN 32

Page 33: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

公共交通網

(C) NAVITIME JAPAN 33

Page 34: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

公共交通網

(C) NAVITIME JAPAN 34

バスデータ整備の取組

情報提供と交通分析の両面で公共交通の発展に貢献しています。

統合的にデータを整備

乗換案内サービス

公共交通データとして電子化・変換・統合

交通分析

個人向け 事業者・自治体向け

那比交通バス

路線バス停

運賃時刻表

運行頻度 アクセシビリティ 乗換利便性

全国 240事業者

93,242停留所

380,069便

1,712回/年のダイヤ改正

Page 35: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

公共交通網

(C) NAVITIME JAPAN 35

運行頻度路線図(広島県のバス網)

平成24年度 「広島県公共交通乗換課題箇所抽出等業務」を実施。

鉄道(在来線)高速バス路線バス

線幅が1日の運行頻度を表す

バスは鉄道に乗換えず中心部に直通

バスに比べ鉄道が低頻度

JRが低頻度

高速バスと鉄道の結節点

バス路線重複による極端な高頻度

(2,060本/日)

中心部の交差点に集中

Page 36: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

36

公共交通網 乗換利便性評価

(C) NAVITIME JAPAN

時刻表データを用いることで、課題が便単位で見えてきます。

70 5377

53 53 60 53

5985

143

65 50 38 17

0分

60分

120分

180分

240分

09:50 11:10 11:25 14:05 16:50 16:55 19:00

出発時刻

乗換時間

乗車船時間

11:25発 広島空港

↓空港連絡バス

11:30着 河内インター

乗換 74分

12:44発 河内インター

↓高速バス

13:16着 竹原フェリー港内

乗換 14分

13:30発 竹原港<北崎港>

↓航路

13:55着 大崎上島垂水港

乗換 55分

14:50発 垂水フェリー前

↓路線バス

15:05着 木江支所

広島空港→大崎上島町木江支所の最適経路の所要時間(土曜9~21時)

高速ICバス停での乗換

フェリーからの乗換

乗換時間平均65分

「経路検索エンジンを用いた公共交通のサービス水準評価」( 2013.06土木計画学研究発表会)より

• 「平成24年度 広島県公共交通移動活発化検討会」の分析業務の成果

• 広島県内のほぼ全てのバス・フェリーの時刻表を整備した

• 79地点間往復の、1日分の最適経路3,832本のサービス水準を評価した

Page 37: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

日本人の需要

(C) NAVITIME JAPAN 37

Page 38: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

日本人の需要

(C) NAVITIME JAPAN 38

年末年始の終電検索

0

20,000

40,000

60,000

80,000

100,000

11/1 11/8 11/15 11/22 11/29 12/6 12/13 12/20 12/27 1/3 1/10 1/17 1/24 1/31

年末年始の日別終電検索数

金・土曜は

月~木曜の1.9倍

年末に向けて増加 年始に減少

ダイヤは固定的なので、混雑の変動に直結

2014年← →2015年

Page 39: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

日本人の需要

(C) NAVITIME JAPAN 39

六本木発の終電検索

順 着駅期間中の検索数

1池袋 456

2新宿 385

3渋谷 342

4横浜 331

5蒲田 245

合計 29,033

対象期間:2014年12月

終電検索のデータから、昨今話題の終夜・深夜バスの潜在需要が分かります。

渋谷より多い

全体の1.2%程度に留まる

六本木発終電の到着駅ランキング

渋谷~六本木間の深夜需要は実は乏しい

(数値)は六本木発終電検索の目的地指定回数

首都圏各方面に分散

Page 40: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

40

日本人の需要 QUIZ

(C) NAVITIME JAPAN

北陸新幹線開通後

GWに訪れる人が増えたのはどちら?

金沢富山

Page 41: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

41

日本人の需要 GW期間中の北陸新幹線開通効果

(C) NAVITIME JAPAN

対象期間:各年4月29日~5月5日

金沢駅着の経路検索の出発駅

~0.8倍

~1.2倍

~2.0倍

~3.0倍

~5.0倍

5.0倍~

凡例色で前年比率を表す

円の大きさで2015年の検索数を表す

関東各駅から231%

北陸新幹線沿線から急増

東北新幹線系列沿線からも増加

仙台317%

東京290%

長野713%

近畿・中京からも増加

新幹線開通に伴う集客圏の広がりが見える

大阪152%

富山214%

0

5000

2014 2015

富山駅着

2014 2015

金沢駅着

金沢は富山の

2.4倍検索

前年比

1.7倍前年比

2.3倍

関東各駅発の検索数

開通区間内も増加

Page 42: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

日本人の需要

(C) NAVITIME JAPAN 42

1週間前時点での需要検出

金沢/ 富山の2.4倍差は1週間前には判明していた

0

1000

2000

3000

4000

5000

3月

14日

3月

15日

3月

16日

3月

17日

3月

18日

3月

19日

3月

20日

3月

21日

3月

22日

3月

23日

3月

24日

3月

25日

3月

26日

3月

27日

3月

28日

3月

29日

3月

30日

3月

31日

発着指定日 2015年3月14~31日 経路検索日 2015年2月1日~3月7日

金沢駅着 23,258回

富山駅着 9,886回

2.4倍的中

開業1週間前(3/7)までの累積検索数

検索

数[回

]

発着指定日開業日

Page 43: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

43

日本人の需要 第三者データの存在意義

(C) NAVITIME JAPAN

JR西日本は、北陸新幹線の各駅ごとの利用者数は

「経営上の理由や、地元に与える影響から数字を出せない」

(広報担当者)と明らかにしていない。

しかし、観光業者の話や周辺観光地の人出からは、

金沢が好調な一方で、

富山がやや伸び悩んでいる様子がうかがえる。

朝日新聞DIGITAL 2015年6月19日

~北陸新幹線、3カ月で246万人 金沢と富山は明暗?~

第三者だからリアルに出せる

検索だから 事前 に出せる

Page 44: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

日本人の需要 目的地ランキング(自動車・北陸3件)

(C) NAVITIME JAPAN 44

数値は自動車の経路検索条件の月間目的地設定数 集計期間:2014年度

施設 県 検索数

1 東尋坊 福井 33,797

2 恐竜博物館 福井 32,833

3 兼六園 石川 25,973

4 黒部ダム 富山 16,287

5 芝政ワールド 福井 15,826

地域内の人気観光地がわかる

Page 45: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

45

日本人の需要 季節変動(自動車・北陸3件)

(C) NAVITIME JAPAN

0

100

200

300

400

500

4月 5月 6月 7月 8月 9月 10月 11月 12月 1月 2月 3月

黒部ダム 兼六園 福井県立恐竜博物館

(回)

人気観光施設の目的地設定数

恐竜博物館

GW・夏休み・週末に人気

黒部ダム

休業中の冬季は僅少

兼六園

平日・冬季も安定

集計期間:2014年度

人気トレンドや季節変動がわかる

Page 46: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

日本人の需要 回遊行動分析 ~石川県・自動車~

福井のハブ東尋坊

金沢のハブ兼六園

能登のハブ輪島朝市

恐竜博物館と永平寺は近いが別客層

単独黒部ダム

富山県東部はハブとなる人気スポットなし

能登⇔氷見・富山は近いが相関なし

同じ人に設定されることが多い目的地の組み合わせ。線の太さが頻度を表す。確信度(もう片方に訪れる確率)が0.3以上を表示

アソシエーション分析とは「観光地Aを目的地にしている人の多くが

観光地Bも目的地にしている」といった、

同じ人に表れることが多い組み合わせを割り出す手法。

ネット通販などで多用されている。

21世紀美術館 兼六園 加賀屋

3000人10000人3000人 1500人600人

兼六園&加賀屋21美&兼六園

確信度0.5

確信度0.2

対象期間:2014年度

(C) NAVITIME JAPAN 46

Page 47: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

外国人の移動実績

(C) NAVITIME JAPAN 47

Page 48: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

外国人の移動実績

(C) NAVITIME JAPAN 48

NAVITIME for Japan Travel のご紹介

NAVITIME for Japan Travel は、日本最大級の訪日観光客向け観光案内アプリです。

訪日個人旅行客 を中心に

2年間で48万人 以上が利用

●対応機種:Android , iPhone

●対象言語:英語・中国語(繁体字・簡体字)・韓国語

●アプリ利用料金:無料(※一部有料)※電車の運行情報閲覧、徒歩ルート地図閲覧

① 多言語乗換案内

② ドアtoドアルート案内

③ 無料Wi-Fi提供・案内

主な機能

Page 49: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

外国人の移動実績

(C) NAVITIME JAPAN 49

データ取得方法

日本全国で2分間隔のGPS測位データを取得・蓄積しています。

© NAVITIME JAPAN対象期間:2015年1月~12月赤:滞在(※3) 黒:移動中

利用者同意画面(初回起動時) 位置情報取得イメージ インバウンドGPSデータ蓄積イメージ

• アプリ利用者から、データ取得の同意を取得

• GPS測位データを定期的(※1)に取得

データ取得期間:

2014年11月~現在

把握可能なユーザ属性(※2):

国籍・性別・訪日回数・訪日目的

サンプル数(実績):

全国年間 55,199 UU

(2015年1月~12月)

全国月間 10,122 UU

(2015年12月)

※1 バックグラウンドを含むアプリ起動時約2分間隔

※2 初回起動時のアンケート回答による

※3 同一1kmメッシュ内にて30分以上連続してデータを取得

Page 50: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

外国人の移動実績

(C) NAVITIME JAPAN 50

提供実績

まち・ひと・しごと創生本部

H27年度訪日外国人動向調査事業

地域経済分析システム外国人メッシュ分析

H26年度訪日外国人動向調査事業

ゴールデンルートにおける移動の分析および各都市間での移動を分析しています。

メッシュ間の相関関係やメッシュ内の滞在人数を把握することが可能です。

近畿地方整備局とともに訪日外国人の滞在先に関する正確かつ詳細な調査を初めて実施しました。

行政:運輸局(北陸信越)、地方整備局(北陸)、自治体(三重県、名古屋市)民間:鉄道会社(3社)、コンサルタント(3社)、大学(3学)、広告代理店(2社)など

その他主要実績

Page 51: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

外国人の移動実績

(C) NAVITIME JAPAN 51

滞在分析 ~人気エリア~

訪日客ならではのホットスポットを発見することができます。

①京都駅

京都1kmメッシュの滞在者数

②清水寺

③祇園

④金閣寺

対象期間:2014年11月~2015年4月

伏見稲荷※ 同一1kmメッシュ内にて30分以上連続してデータを取得

凡例(面)

1kmメッシュ内の数字:メッシュ別 滞在者数※

30 以下

31 以上 100 以下

101 以上 300 以下

301 以上 1000 以下

1001 以上

Page 52: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

隣接自治体間の移動を方向別に分析し、主要な流入・周遊ルートを把握します。

市町村内の数字: 市町村別 滞在者数

線上の数字: 市町村間 移動者数

(左側通行 ※)

凡例

対象期間:2015年1月~2015年12月

中央道・鉄道

東名・鉄道

外国人の移動実績

(C) NAVITIME JAPAN 52

流動分析(隣接自治体間の移動者数)@富士・箱根

東京+3県にまたがる富士・箱根回遊ルート

Page 53: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

外国人の移動実績

(C) NAVITIME JAPAN 53

流動分析(隣接自治体間の移動者数)@飛騨

回遊のハブとなっている都市からの流動を把握できます市町村内の数字: 市町村別 滞在者数 線上の数字: 市区町村間 移動者数(左側通行)

赤点:滞在(同一1kmメッシュ内にて30分以上連続してデータを取得) 黒:移動中凡例

2015年1月~2015年12月(1年間)対象期間

中部のハブ高山

安房トンネル

高山本線

東海北陸道

東海北陸道

高山本線

Page 54: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

外国人の移動実績

(C) NAVITIME JAPAN 54

交通分析 ~通過パターンによる交通手段分析~

ゾーン間の通過パターンから、移動経路の判別を行います。

赤囲み線: 移動パターンの判定区間凡例2015年2月~2015年4月(3ヶ月間)対象期間

交通手段空港発

空港行

総計

阪神高速4号湾岸線

35 45 80

JR阪和線 76 51 127

南海本線 65 70 135

総計 176 166 342

表中の数字の単位:ユーザ数

行き(空港発)はJR優位

帰り(空港行)は南海優位

関空⇔神戸はほとんど阪神高速

京都へ「はるか」で直行?

なんばで買物して「ラピート」で帰国?

Page 55: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

乗換検索マーケティング

(C) NAVITIME JAPAN 55

Page 56: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

経路選択分析

(C) NAVITIME JAPAN 56

Page 57: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

57

経路選択分析 鉄道事業者の認識

(C) NAVITIME JAPAN

鉄道に乗る際に利用者はスマホの乗り換えサイトを利用します。

いくら沿線の良さをアピールしても大半の方はサイトの上に表示された時間が早いほうに乗ってしまう。先に表示されないと選ばれない。鉄道を選ぶ最大のポイントはサイトで上位に表示されることになりつつある。

これは無視できない。だから1分でも2分でも早くしようと努力しています

日経MJ 10/19京阪電気鉄道社長インタビュー

Page 58: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

58

経路選択分析 乗換経路選択

(C) NAVITIME JAPAN

73%

16%

7%

4%

第1経路の選択率は73%表示順別の経路選択率

メール送信・カレンダー登録により判定

3週間・16万件の経路選択データを基に多項ロジットモデルにて推定

※経路表示順:1.時刻順(デフォルト)73%、2.運賃順 13%、3.乗換回数順 10%

第1経路に表示 運賃198円安相当

最安経路 運賃306円安相当

に選ばれやすい

Page 59: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

59

経路選択分析 旅客収入へのインパクト

(C) NAVITIME JAPAN

会社名 検索数 運賃 料金 総額

全国 4929万回 197億円 83億円 280億円

JR東日本 1537万回 64.2億円 40.9億円 105.1億円

JR東海 171万回 27.4億円 25.0億円 52.3億円

JR西日本 395万回 26.3億円 10.6億円 36.9億円

東京メトロ 505万回 7.3億円 0.0億円 7.3億円

JR九州 53万回 4.0億円 1.7億円 5.8億円

近鉄 129万回 3.8億円 1.2億円 5.0億円

東武 165万回 4.1億円 0.6億円 4.7億円

小田急 180万回 3.5億円 0.4億円 3.9億円

東急 224万回 3.4億円 0.0億円 3.4億円

年換算1.46兆円

乗換検索第1経路週間表示額(2015/11/02~08)

乗換検索上の経路選択が旅客収入を左右する?

Page 60: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

60

経路選択分析 検索頻度路線図(全国)

(C) NAVITIME JAPAN

集計期間:2016年1月第1経路出現回数を駅間で集計

凡例━ 航空━ 新幹線━ 有料列車━ 無料列車

線幅が第一経路としての検索出現数を表す

Page 61: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

61

経路選択分析 検索頻度路線図(首都圏)

(C) NAVITIME JAPAN

集計期間:2016年1月第1経路出現回数を駅間で集計

Page 62: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

62

経路選択分析 第2位以下の経路表示額

(C) NAVITIME JAPAN

会社名表示順

表示回数 表示額推計選択率

推計選択額

[千円]

最上位表示回数

最上位表示額[千円]

小田急電鉄 1 5,862,715 1,801,240 73% 9,034 5,862,715 1,801,240小田急電鉄 2 5,847,759 1,779,684 16% 1,044 558,095 194,210小田急電鉄 3 5,458,570 1,703,334 7% 214 593,325 215,556小田急電鉄 4 3,829,389 1,287,164 4% 68 351,229 152,651東京急行電鉄 1 7,916,908 1,576,333 73% 8,730 7,916,908 1,576,333東京急行電鉄 2 8,010,389 1,621,204 16% 979 851,141 193,285東京急行電鉄 3 7,707,810 1,592,585 7% 195 846,410 193,885東京急行電鉄 4 5,343,539 1,148,594 4% 57 496,446 121,777東武鉄道 1 6,578,405 2,455,457 73% 14,045 6,578,405 2,455,457東武鉄道 2 6,478,142 2,401,928 16% 1,680 501,345 184,709東武鉄道 3 6,017,346 2,261,013 7% 405 564,184 206,527東武鉄道 4 4,194,395 1,668,155 4% 132 320,580 125,865西武鉄道 1 4,310,181 1,154,856 73% 6,241 4,310,181 1,154,856西武鉄道 2 4,240,108 1,125,520 16% 679 171,590 43,997西武鉄道 3 3,976,080 1,064,190 7% 131 210,087 55,281西武鉄道 4 2,798,881 779,030 4% 40 119,930 33,781

新宿→藤沢 11時発

1.湘南新宿ライン2.東海道線4.湘南新宿ライン

上位になれば増収に経路選択データの集計結果を適用

乗換検索結果から増収ポテンシャルが見えてくる

表示順別 月間経路表示状況(2016年1月)

小田急の急行は第3経路

10%が第2経路から第1経路に上がれば選択率が73-16=56%UPして2億×0.10×0.56 = 1120万円/月の増収

Page 63: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

発-着駅第1経路表示回数

第2-4経路表示回数

第1経路表示総額

第2-4経路表示総額

新宿 250,281 78,578 129,788,401 47,831,413箱根湯本 5,346 5,036 9,459,487 7,995,736小田原 3,286 3,762 4,817,402 5,764,434藤沢 2,920 4,297 2,416,207 3,150,951熱海 382 1,171 556,552 1,877,280御殿場 797 1,217 1,020,179 1,151,408

小田原 42,384 22,040 27,818,876 23,211,104新宿 2,658 4,715 3,843,769 7,581,225横浜 107 1,350 60,595 680,573渋谷 205 502 243,123 530,645池袋 179 406 227,827 491,604東京 32 286 36,079 351,245

町田 244,457 68,083 91,435,648 22,853,757横浜 590 5,461 149,530 1,275,843東京 1,134 1,584 509,184 754,482八王子 48 2,344 13,947 632,022橋本(神奈川県) 34 2,165 14,912 574,361立川 203 2,083 55,365 572,009

藤沢 69,461 22,226 26,521,165 11,019,177東京 23,562 14,596 8,497,825 10,894,069箱根湯本 6,762 7,732 8,411,855 9,571,397

新宿 1,588 1,342 2,833,202 2,252,638東京 8 290 7,778 358,696横浜 17 374 17,217 228,581池袋 91 121 143,914 197,804北千住 50 83 91,329 127,934

湘南台 70,155 24,385 23,602,505 7,863,793渋谷 42,180 20,002 14,505,273 7,308,984中央林間 48,992 19,786 14,380,612 7,095,966淵野辺 23,133 19,403 8,851,380 7,089,970

総計 821,367 296,831 353,813,540 154,739,630 63

経路選択分析 惜しいODランキング(小田急)

(C) NAVITIME JAPAN

対象期間:2016年1月

新幹線・湘南新宿・東海道線と競合

JRの拠点駅~箱根も競合

Page 64: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

PR経路

(C) NAVITIME JAPAN 64

Page 65: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

65

PR経路 概要

(C) NAVITIME JAPAN

「 PR経路」は、ユーザーが『PC-NAVITIME』にて乗換検索を行った場合に、通常の

乗換案内結果とともに、広告主の指定した特定の路線(飛行機・特急・高速バス等)

を使用した経路が表示されるものです。

■通常の乗換検索結果

バニラ エア様の掲載イメージになります

「PR経路」の乗換検索結果

乗換検索上の経路型広告「PR経路」日本初※!!※2016年7月5日時点 ナビタイムジャパン調べ

潜在需要の獲得

新たな経路枠に表示されるため、

経路の存在に気づいていなかった新たな乗客を獲得できます

経路選択率UP

色や画像で経路を

目立たせて表示するため、

経路選択率の向上が見込めます

出稿効率UP

発着エリアを限定した上で、

所要時間等が大きく伸びない場合にターゲティングして表示するため、

無駄な広告表示を防ぐことができます

予約連携

御社の予約サイトに連携し、

スムーズに集客することができます

特徴ある経路を新たに表示し潜在需要を喚起!

Page 66: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

66

PR経路 特急サマーキャンペーン

(C) NAVITIME JAPAN

有料特急経路を追加表示し利用を促進

対象路線:小田急 ロマンスカー、京成 スカイライナー、西武 レッドアロー、南海 ラピート

Page 67: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

67

PR経路 速報概要

(C) NAVITIME JAPAN

路線 都心側エリア 郊外側エリア

スカイライナー 東京都・神奈川県・埼玉県 成田空港

小江戸東京23区・三鷹市・武蔵野市・調布市・狛江市・神奈川県

東村山市・所沢市・狭山市・川越市

ちちぶ/むさし東京23区・三鷹市・武蔵野市・調布市・狛江市・神奈川県

所沢市・入間市・飯能市・日高市・横瀬町・秩父市・皆野町・長瀞町

ラピート 京阪神各市 関西空港

各ロマンスカー 東京23区・埼玉県・狛江市川崎市・町田市・相模原市・座間市・海老名市・厚木市・伊勢原市・秦野市・松田町・開成町・小田原市・箱根町

表示数 表示率 表示数 表示率南海 ラピート 5152 1403 27% 3295 64% 235%小田急 各ロマンスカー 37882 2340 6% 6260 17% 268%西武 小江戸 8806 1266 14% 2123 24% 168%西武 ちちぶ/むさし 7326 1556 21% 2542 35% 163%京成 スカイライナー 15200 5557 37% 8926 59% 161%

路線会社 検索数従来経路 従来+PR経路 PR経路による

表示倍率

表示数が1.6~2.7倍に

集計期間:2016/8/10~8/13(4日間)

Page 68: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

列ラベル

北千住

大手町

ヶ関

表参道

新宿

成城学園前

ヶ丘遊園

新百合

ヶ丘

町田

行ラベル 従来 追加 倍率 従来 追加 倍率 従来 追加 倍率 従来 追加 倍率 従来 追加 倍率 従来 追加 倍率 従来 追加 倍率 従来 追加 倍率 従来 追加 倍率 北千住 0 1 2.0 4 4 2.0大手町 2 1 1.5 20 12 1.6霞ヶ関 0 4 5.0 0 2 3.0表参道 0 1 2.0 1 7 8.0 1 3 4.0 2 0 1.0 1 0 1.0 9 5 1.6新宿 0 2 3.0 5 8 2.6 100 127 2.3 258 368 2.4成城学園前 0 3 4.0 4 1 1.3 1 0 1.0 13 8 1.6向ヶ丘遊園 25 20 1.8新百合ヶ丘 3 2 1.7 2 2 2.0 1 9 10.0 169 178 2.1 1 2 3.0町田 6 7 2.2 4 9 3.3 9 8 1.9 18 29 2.6 359 587 2.6 2 1 1.5 1 2 3.0相模大野 150 256 2.7海老名 80 186 3.3 1 6 7.0本厚木 0 2 3.0 0 2 3.0 0 7 8.0 2 6 4.0 69 129 2.9伊勢原 11 22 3.0秦野 73 77 2.1 4 9 3.3新松田 10 13 2.3 1 0 1.0 1 0 1.0小田原 0 2 3.0 0 5 6.0 0 4 5.0 2 5 3.5 218 391 2.8 1 3 4.0 3 7 3.3 23 18 1.8箱根湯本 71 41 1.6 2 0 1.0 8 0 1.0総計 6 12 10 . 2 8 28 25 . 9 12 24 20 . 9 27 50 21 . 4 1235 1902 30 . 1 4 2 4 . 5 8 13 10 . 6 113 148 18 . 4 338 425 26 . 0

相模大野

海老名

本厚木

伊勢原

秦野

新松田

小田原

箱根湯本

全体の

従来

全体の

追加

全体の

倍率

行ラベル 従来 追加 倍率 従来 追加 倍率 従来 追加 倍率 従来 追加 倍率 従来 追加 倍率 従来 追加 倍率 従来 追加 倍率 従来 追加 倍率 北千住 4 6 2.5 4 8 3.0 12 19 2.6大手町 0 1 2.0 5 1 1.2 7 0 1.0 34 15 1.4霞ヶ関 1 0 1.0 1 6 7.0表参道 0 2 3.0 3 1 1.3 17 19 2.1新宿 89 168 2.9 89 105 2.2 45 109 3.4 9 10 2.1 67 127 2.9 18 13 1.7 186 411 3.2 312 292 1.9 1178 1740 2.5成城学園前 1 2 3.0 13 4 1.3 5 0 1.0 37 18 1.5向ヶ丘遊園 1 0 1.0 1 2 3.0 11 0 1.0 38 22 1.6新百合ヶ丘 1 0 1.0 8 11 2.4 9 5 1.6 2 1 1.5 196 210 2.1町田 6 0 1.0 0 1 2.0 3 4 2.3 4 0 1.0 11 9 1.8 34 0 1.0 457 657 2.4相模大野 1 1 2.0 151 257 2.7海老名 10 0 1.0 11 2 1.2 102 194 2.9本厚木 4 0 1.0 2 0 1.0 6 5 1.8 83 151 2.8伊勢原 11 22 3.0秦野 2 2 2.0 5 0 1.0 84 88 2.0新松田 0 2 3.0 3 0 1.0 15 15 2.0小田原 11 0 1.0 3 0 1.0 1 0 1.0 3 0 1.0 1 0 1.0 356 308 1.9 622 743 2.2箱根湯本 5 0 1.0 2 0 1.0 88 41 1.5総計 90 168 3 . 9 105 105 4 . 2 59 118 19 . 4 10 11 5 . 1 86 143 11 . 6 24 13 4 . 7 253 439 20 . 9 748 616 15 . 3 3126 4217 2.3 68

PR経路 利用区間別(ロマンスカー)

特急乗車駅

特急乗車駅

特急下車駅 集計期間:2016/8/10~8/13(4日間)

町田前後➔新宿

小田原➔新宿

新宿→小田原・湯本

Page 69: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

69

PR経路 表示シェアマップ

(C) NAVITIME JAPAN

ロマンスカー(小田原・箱根湯本着) スカイライナー(成田空港着)

赤:PR経路で新たに表示、青:従来から表示、白:非表示

東京 激増

羽田空港激増

新宿 微増

品川

武蔵小杉横浜

東京南部・神奈川で増加

Page 70: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

そもそも経路の表示基準は?• 表示順:73%は時刻順(デフォルト)

• 運賃順13%、乗換回数順10%

• 経路表示:ニーズを満たすため多様に

• 時刻順であっても、バランスが取れている、安い、乗換回数が少ない、など特長のある経路が出るようにしている。

広告が混じると不公平ではないか?• キーワード検索と同様、広告と自然検索結果を分離

• PR経路 = リスティング広告、ネイティブ広告

• 広告費はかかるが短期策

• 自然検索結果の最適化 = SEO

• ダイヤ改善、値下げなど鉄道会社にとっては長期策

• 特定路線の優遇はしない

余計な経路が出て邪魔では?• 潜在需要を喚起する特長のある経路に限定

• 快適、予約、割引、ダイヤ改正など

• 一定の優位性がある場合のみ表示

• 無料サービス維持のために広告は必要

経路検索結果の公平性Q&APR経路

70

Google検索の例

リスティング広告

自然検索結果

Page 71: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

まとめと今後の展開

(C) NAVITIME JAPAN 71

Page 72: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

鉄道事業者との連携

(C) NAVITIME JAPAN 72

Page 73: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

混雑鉄道事業者との連携

73

電車混雑への関心の高まり

• 小池都知事、阿部等さん

• オリンピック

着席通勤流行の兆し

• 有料列車の新設・増発

• グリーン車の新設

• オフピーク通勤の定着

• 1000人以上の企業の22%がフレックスタイム制

鉄道事業者の取組

• 鉄道事業者からの情報発信

• 交通政策審議会 東京圏における今後の都市鉄道のあり方 について(答申)

Page 74: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

鉄道事業者との連携

74

鉄道事業者の混雑情報公開への期待

鉄道事業者による混雑情報の公開が進んでいる

東急(田園都市線と東横線の最混雑駅のみ)

京急(本線の主要駅)

JR東日本(山手線のみ)

これらが利用できれば予測精度は飛躍的に向上する

車両ごと!リアルタイム!

Page 75: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

混雑情報は鉄道に何をもたらすのか?鉄道事業者との連携

75

輸送改善

• 混雑分散(列車、時間帯) → 遅延防止、車両・人員効率化

利用促進

• 混雑路線からの快適路線への転換

• 着席列車への誘導

• 混雑回避 → 交通弱者への安心感

• 混雑緩和 → 公共交通全体の利用促進

沿線価値向上

• 輸送サービス品質が沿線価値になる

• 閑散路線、逆方向、始発駅への立地

Page 76: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

鉄道事業者との連携

(C) NAVITIME JAPAN 76

経路選択分析

73%

16%

7%

4%

表示順別の経路選択率

第1経路に表示 運賃198円安相当に選ばれやすい

メール送信・カレンダー登録により判定

混雑アイコンの選択効果は?

時間順ではなく総合評価順になったら?

3週間・16万件の経路選択データを基に多項ロジットモデルにて推定

Page 77: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

鉄道事業者との連携

(C) NAVITIME JAPAN 77

不動産検索への応用

ユーザ投稿による混雑情報を不動産検索サイトに提供

混雑投稿アプリ「こみれぽ」のデータを提供

HOME’S(ネクスト社)の住宅検索ページ 検索結果

千代田線都心方面の赤坂を勧められる

Page 78: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

鉄道事業者との連携(混雑)鉄道事業者との連携

78

鉄道事業者から• 対象

• 結果:混雑実績データ(調査、応荷重、満空席など)

• 需要:輸送実績データ(自動改札機など)

• 供給:編成長

• 時間軸

• 過去

• リアルタイム

ナビタイムから• 対象

• 自社路線

• 他社路線

• 乗降/乗換

• 時間軸

• 現状

• 予報

• ダイヤ改正シミュレーション

Page 79: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

まとめ

(C) NAVITIME JAPAN 79

Page 80: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

ナビタイムの交通マーケティングまとめ

80

各ステップで利用促進に貢献します

乗客行動 ナビタイムの取組

出かける Plat(おでかけ情報アプリ)

調べる 乗換検索

気づく PR経路・バナー広告

選ぶ経路選択分析・混雑情報

予約する 予約連携

移動する 経路案内

移動した 各種ビッグデータ

Page 81: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

まとめ

(C) NAVITIME JAPAN 81

経路検索の重要性

需要抑制抑制

分散

移動前

経路検索ならではのサービス・

データ

移動中 プローブ・常時測位・ICカード…

ハード整備からマーケティング・マネジメントに課題が移った今

経路検索こそ解決のカギ

経路検索

経路選択

移動実績 分析

需要促進喚起

奪取

効果検証

経路選択情報

の制御

Page 82: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

まとめ

(C) NAVITIME JAPAN 82

2020オリンピック・パラリンピック交通制御への貢献

ビッグデータで移動解析

ナビゲーションで案内・交通制御

有料道選択率50%UP

首都高各方面に流入出左折が132秒

都内バスはほぼカバー

イベント公式ナビアプリ

交通管理 道路管理

鉄道混雑予報 訪日外国人

公共交通データ 多言語ナビ

乗換経路 カーナビ経路

0

500

1000

1500

2000

2500

5 6 7 8 9 1011121314151617181920212223

累積

経路

検索

数[件

]

検索対象時刻

リアルタイム

10分前

2時間前

15時間前

4日前

定常検索数

グッズ販売前

開演前

4日前から普段の8倍

第1経路が73%

伏見稲荷がホットスポット

Page 83: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

まとめ

(C) NAVITIME JAPAN 83

交通ビッグデータがもたらす変革

パラダイムシフトの真っ最中

従来 これから

課題 交通網の整備移動需要のマーケティング

関係者 交通関係者事業者・行政・専門家

IT・異分野・市民も

データ交通関係者が取得した

移動実績データ第三者が取得した様々なデータ

重要点 プロセス・信頼性 結果・有用性

実態の見える化 ➔ 喚起・競争・改善 ➔ 利用促進

Page 84: 工学院大学 オープンカレッジ 鉄道講座 「乗換検索サービスとビッグデータがもたらす公共交通の変革」

84

まとめ ナビタイムがめざすもの

ユーザへのサービス提供だけでなく、交通インフラ・地域とユーザとの間をつなぐ情報の架け橋として交通全体の最適化に貢献していきます。