Submit Search
Upload
複数のGTFSを用いた時刻表アプリ
•
2 likes
•
3,578 views
Masaki Ito
Follow
2021年3月6日開催「公共交通オープンデータ最前線 in インターナショナルオープンデータデイ2021」における羽田野湧太氏(電気通信大学)の発表資料です。
Read less
Read more
Technology
Report
Share
Report
Share
1 of 33
Download now
Download to read offline
Recommended
公共交通データを可視化するQGIS演習
公共交通データを可視化するQGIS演習
Masaki Ito
位置データもPythonで!!!
位置データもPythonで!!!
hide ogawa
QGIS はじめてのラスタ解析
QGIS はじめてのラスタ解析
Mayumit
GTFS-JPデータを用いた乗合バス事業の電子申請に向けた基礎検討 ~帳票地獄からの脱却による働き方改革を目指して~
GTFS-JPデータを用いた乗合バス事業の電子申請に向けた基礎検討 ~帳票地獄からの脱却による働き方改革を目指して~
Kohei Ota
全体セミナー20170629
全体セミナー20170629
Jiro Nishitoba
三次元点群を取り扱うニューラルネットワークのサーベイ
三次元点群を取り扱うニューラルネットワークのサーベイ
Naoya Chiba
backbone としての timm 入門
backbone としての timm 入門
Takuji Tahara
公共交通データHUBシステム 取組と事例紹介
公共交通データHUBシステム 取組と事例紹介
Masaki Ito
Recommended
公共交通データを可視化するQGIS演習
公共交通データを可視化するQGIS演習
Masaki Ito
位置データもPythonで!!!
位置データもPythonで!!!
hide ogawa
QGIS はじめてのラスタ解析
QGIS はじめてのラスタ解析
Mayumit
GTFS-JPデータを用いた乗合バス事業の電子申請に向けた基礎検討 ~帳票地獄からの脱却による働き方改革を目指して~
GTFS-JPデータを用いた乗合バス事業の電子申請に向けた基礎検討 ~帳票地獄からの脱却による働き方改革を目指して~
Kohei Ota
全体セミナー20170629
全体セミナー20170629
Jiro Nishitoba
三次元点群を取り扱うニューラルネットワークのサーベイ
三次元点群を取り扱うニューラルネットワークのサーベイ
Naoya Chiba
backbone としての timm 入門
backbone としての timm 入門
Takuji Tahara
公共交通データHUBシステム 取組と事例紹介
公共交通データHUBシステム 取組と事例紹介
Masaki Ito
チンパンジーの姿勢推定:教師データがないときの工夫
チンパンジーの姿勢推定:教師データがないときの工夫
NgocGiang14
Pythonではじめるロケーションデータ解析
Pythonではじめるロケーションデータ解析
Hiroaki Sengoku
09遺跡分布を分析する〜カーネル密度推定〜
09遺跡分布を分析する〜カーネル密度推定〜
Junpei Ishii
分散学習のあれこれ~データパラレルからモデルパラレルまで~
分散学習のあれこれ~データパラレルからモデルパラレルまで~
Hideki Tsunashima
最適輸送の解き方
最適輸送の解き方
joisino
mcl_3dl: amcl並に軽量な3-D/6-DoFローカリゼーションパッケージ
mcl_3dl: amcl並に軽量な3-D/6-DoFローカリゼーションパッケージ
Atsushi Watanabe
ディープラーニングのフレームワークと特許戦争
ディープラーニングのフレームワークと特許戦争
Yosuke Shinya
SSII2022 [OS3-02] Federated Learningの基礎と応用
SSII2022 [OS3-02] Federated Learningの基礎と応用
SSII
自動運転におけるCNNの信頼性
自動運転におけるCNNの信頼性
Fixstars Corporation
最適輸送の計算アルゴリズムの研究動向
最適輸送の計算アルゴリズムの研究動向
ohken
GeoPackageを使ってみた(おざき様)
GeoPackageを使ってみた(おざき様)
OSgeo Japan
最適輸送入門
最適輸送入門
joisino
研究発表を準備する
研究発表を準備する
Takayuki Itoh
Qgis raster 3.16
Qgis raster 3.16
Jyun Tanaka
QGISで河川縦断図
QGISで河川縦断図
Mayumit
Data-Centric AIの紹介
Data-Centric AIの紹介
Kazuyuki Miyazawa
【メタサーベイ】基盤モデル / Foundation Models
【メタサーベイ】基盤モデル / Foundation Models
cvpaper. challenge
SLAM勉強会(3) LSD-SLAM
SLAM勉強会(3) LSD-SLAM
Iwami Kazuya
ゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement Learning
ゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement Learning
Preferred Networks
動画像を用いた経路予測手法の分類
動画像を用いた経路予測手法の分類
Tsubasa Hirakawa
Code for japan 2020 takoyaki3
Code for japan 2020 takoyaki3
yuutahatano
地域発オープンイノベーションで進化する公共交通の最前線
地域発オープンイノベーションで進化する公共交通の最前線
Masaki Ito
More Related Content
What's hot
チンパンジーの姿勢推定:教師データがないときの工夫
チンパンジーの姿勢推定:教師データがないときの工夫
NgocGiang14
Pythonではじめるロケーションデータ解析
Pythonではじめるロケーションデータ解析
Hiroaki Sengoku
09遺跡分布を分析する〜カーネル密度推定〜
09遺跡分布を分析する〜カーネル密度推定〜
Junpei Ishii
分散学習のあれこれ~データパラレルからモデルパラレルまで~
分散学習のあれこれ~データパラレルからモデルパラレルまで~
Hideki Tsunashima
最適輸送の解き方
最適輸送の解き方
joisino
mcl_3dl: amcl並に軽量な3-D/6-DoFローカリゼーションパッケージ
mcl_3dl: amcl並に軽量な3-D/6-DoFローカリゼーションパッケージ
Atsushi Watanabe
ディープラーニングのフレームワークと特許戦争
ディープラーニングのフレームワークと特許戦争
Yosuke Shinya
SSII2022 [OS3-02] Federated Learningの基礎と応用
SSII2022 [OS3-02] Federated Learningの基礎と応用
SSII
自動運転におけるCNNの信頼性
自動運転におけるCNNの信頼性
Fixstars Corporation
最適輸送の計算アルゴリズムの研究動向
最適輸送の計算アルゴリズムの研究動向
ohken
GeoPackageを使ってみた(おざき様)
GeoPackageを使ってみた(おざき様)
OSgeo Japan
最適輸送入門
最適輸送入門
joisino
研究発表を準備する
研究発表を準備する
Takayuki Itoh
Qgis raster 3.16
Qgis raster 3.16
Jyun Tanaka
QGISで河川縦断図
QGISで河川縦断図
Mayumit
Data-Centric AIの紹介
Data-Centric AIの紹介
Kazuyuki Miyazawa
【メタサーベイ】基盤モデル / Foundation Models
【メタサーベイ】基盤モデル / Foundation Models
cvpaper. challenge
SLAM勉強会(3) LSD-SLAM
SLAM勉強会(3) LSD-SLAM
Iwami Kazuya
ゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement Learning
ゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement Learning
Preferred Networks
動画像を用いた経路予測手法の分類
動画像を用いた経路予測手法の分類
Tsubasa Hirakawa
What's hot
(20)
チンパンジーの姿勢推定:教師データがないときの工夫
チンパンジーの姿勢推定:教師データがないときの工夫
Pythonではじめるロケーションデータ解析
Pythonではじめるロケーションデータ解析
09遺跡分布を分析する〜カーネル密度推定〜
09遺跡分布を分析する〜カーネル密度推定〜
分散学習のあれこれ~データパラレルからモデルパラレルまで~
分散学習のあれこれ~データパラレルからモデルパラレルまで~
最適輸送の解き方
最適輸送の解き方
mcl_3dl: amcl並に軽量な3-D/6-DoFローカリゼーションパッケージ
mcl_3dl: amcl並に軽量な3-D/6-DoFローカリゼーションパッケージ
ディープラーニングのフレームワークと特許戦争
ディープラーニングのフレームワークと特許戦争
SSII2022 [OS3-02] Federated Learningの基礎と応用
SSII2022 [OS3-02] Federated Learningの基礎と応用
自動運転におけるCNNの信頼性
自動運転におけるCNNの信頼性
最適輸送の計算アルゴリズムの研究動向
最適輸送の計算アルゴリズムの研究動向
GeoPackageを使ってみた(おざき様)
GeoPackageを使ってみた(おざき様)
最適輸送入門
最適輸送入門
研究発表を準備する
研究発表を準備する
Qgis raster 3.16
Qgis raster 3.16
QGISで河川縦断図
QGISで河川縦断図
Data-Centric AIの紹介
Data-Centric AIの紹介
【メタサーベイ】基盤モデル / Foundation Models
【メタサーベイ】基盤モデル / Foundation Models
SLAM勉強会(3) LSD-SLAM
SLAM勉強会(3) LSD-SLAM
ゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement Learning
ゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement Learning
動画像を用いた経路予測手法の分類
動画像を用いた経路予測手法の分類
Similar to 複数のGTFSを用いた時刻表アプリ
Code for japan 2020 takoyaki3
Code for japan 2020 takoyaki3
yuutahatano
地域発オープンイノベーションで進化する公共交通の最前線
地域発オープンイノベーションで進化する公共交通の最前線
Masaki Ito
OpenStreetMap and Mapbox
OpenStreetMap and Mapbox
Takao Tetsuro
IT・データが導く新しい地域公共交通の姿を考える
IT・データが導く新しい地域公共交通の姿を考える
Masaki Ito
超高速!実践MaaSアプリ開発講座
超高速!実践MaaSアプリ開発講座
Masaki Ito
20210830「新潟の移動をもっと便利に!公共交通オープンデータ利活用セミナー」講演資料
20210830「新潟の移動をもっと便利に!公共交通オープンデータ利活用セミナー」講演資料
Kenji Morohoshi
Similar to 複数のGTFSを用いた時刻表アプリ
(6)
Code for japan 2020 takoyaki3
Code for japan 2020 takoyaki3
地域発オープンイノベーションで進化する公共交通の最前線
地域発オープンイノベーションで進化する公共交通の最前線
OpenStreetMap and Mapbox
OpenStreetMap and Mapbox
IT・データが導く新しい地域公共交通の姿を考える
IT・データが導く新しい地域公共交通の姿を考える
超高速!実践MaaSアプリ開発講座
超高速!実践MaaSアプリ開発講座
20210830「新潟の移動をもっと便利に!公共交通オープンデータ利活用セミナー」講演資料
20210830「新潟の移動をもっと便利に!公共交通オープンデータ利活用セミナー」講演資料
More from Masaki Ito
公共交通のデジタル化の現状とMaaS、データ活用の可能性
公共交通のデジタル化の現状とMaaS、データ活用の可能性
Masaki Ito
公共交通オープンデータの現在地と今後の展望
公共交通オープンデータの現在地と今後の展望
Masaki Ito
行政サービスにデータ資産を活かす: 公共交通データから考える行政の現場でのデータ活用のありかた
行政サービスにデータ資産を活かす: 公共交通データから考える行政の現場でのデータ活用のありかた
Masaki Ito
サービス化に向けて進化する公共交通と沖縄のポテンシャル
サービス化に向けて進化する公共交通と沖縄のポテンシャル
Masaki Ito
データビジュアライゼーションをきっかけに沖縄の交通の「次の一手」を考えよう
データビジュアライゼーションをきっかけに沖縄の交通の「次の一手」を考えよう
Masaki Ito
公共交通オープンデータ第2幕:「静的データは出来た、次はリアルタイム」と決めつける前に考えること
公共交通オープンデータ第2幕:「静的データは出来た、次はリアルタイム」と決めつける前に考えること
Masaki Ito
わたしの考える未来の交通事業
わたしの考える未来の交通事業
Masaki Ito
MaaSを捉えなおそう・熊本の交通を見直そう
MaaSを捉えなおそう・熊本の交通を見直そう
Masaki Ito
GTFSデータ整備から始める公共交通の未来像
GTFSデータ整備から始める公共交通の未来像
Masaki Ito
What i think about when i conduct research in the society
What i think about when i conduct research in the society
Masaki Ito
公共交通オープンデータの現状と可能性 社会がデータを使いこなすために何をなすべきか
公共交通オープンデータの現状と可能性 社会がデータを使いこなすために何をなすべきか
Masaki Ito
ジョルダン「乗換案内」での鉄道・バスのリアルタイム情報活用の取り組み
ジョルダン「乗換案内」での鉄道・バスのリアルタイム情報活用の取り組み
Masaki Ito
日本バス情報協会の活動について
日本バス情報協会の活動について
Masaki Ito
公共交通のオープンデータ化とICT企業としての役割
公共交通のオープンデータ化とICT企業としての役割
Masaki Ito
GTFS-JPを活用した総合的な路線時刻表作成の取組
GTFS-JPを活用した総合的な路線時刻表作成の取組
Masaki Ito
5社のGTFSをマージして、PostgreSQLにインポートしてみた
5社のGTFSをマージして、PostgreSQLにインポートしてみた
Masaki Ito
ミャンマー国ヤンゴンにおける公共交通オープンデータ開発の取組事例
ミャンマー国ヤンゴンにおける公共交通オープンデータ開発の取組事例
Masaki Ito
西日本豪雨で止まった「広島の公共交通情報提供」のその後
西日本豪雨で止まった「広島の公共交通情報提供」のその後
Masaki Ito
バス会社からのデータ提供がオープンデータにたどり着くまで
バス会社からのデータ提供がオープンデータにたどり着くまで
Masaki Ito
低価格で高品質な苺をふんだんに使用したGTFS-RTを整備してみた話
低価格で高品質な苺をふんだんに使用したGTFS-RTを整備してみた話
Masaki Ito
More from Masaki Ito
(20)
公共交通のデジタル化の現状とMaaS、データ活用の可能性
公共交通のデジタル化の現状とMaaS、データ活用の可能性
公共交通オープンデータの現在地と今後の展望
公共交通オープンデータの現在地と今後の展望
行政サービスにデータ資産を活かす: 公共交通データから考える行政の現場でのデータ活用のありかた
行政サービスにデータ資産を活かす: 公共交通データから考える行政の現場でのデータ活用のありかた
サービス化に向けて進化する公共交通と沖縄のポテンシャル
サービス化に向けて進化する公共交通と沖縄のポテンシャル
データビジュアライゼーションをきっかけに沖縄の交通の「次の一手」を考えよう
データビジュアライゼーションをきっかけに沖縄の交通の「次の一手」を考えよう
公共交通オープンデータ第2幕:「静的データは出来た、次はリアルタイム」と決めつける前に考えること
公共交通オープンデータ第2幕:「静的データは出来た、次はリアルタイム」と決めつける前に考えること
わたしの考える未来の交通事業
わたしの考える未来の交通事業
MaaSを捉えなおそう・熊本の交通を見直そう
MaaSを捉えなおそう・熊本の交通を見直そう
GTFSデータ整備から始める公共交通の未来像
GTFSデータ整備から始める公共交通の未来像
What i think about when i conduct research in the society
What i think about when i conduct research in the society
公共交通オープンデータの現状と可能性 社会がデータを使いこなすために何をなすべきか
公共交通オープンデータの現状と可能性 社会がデータを使いこなすために何をなすべきか
ジョルダン「乗換案内」での鉄道・バスのリアルタイム情報活用の取り組み
ジョルダン「乗換案内」での鉄道・バスのリアルタイム情報活用の取り組み
日本バス情報協会の活動について
日本バス情報協会の活動について
公共交通のオープンデータ化とICT企業としての役割
公共交通のオープンデータ化とICT企業としての役割
GTFS-JPを活用した総合的な路線時刻表作成の取組
GTFS-JPを活用した総合的な路線時刻表作成の取組
5社のGTFSをマージして、PostgreSQLにインポートしてみた
5社のGTFSをマージして、PostgreSQLにインポートしてみた
ミャンマー国ヤンゴンにおける公共交通オープンデータ開発の取組事例
ミャンマー国ヤンゴンにおける公共交通オープンデータ開発の取組事例
西日本豪雨で止まった「広島の公共交通情報提供」のその後
西日本豪雨で止まった「広島の公共交通情報提供」のその後
バス会社からのデータ提供がオープンデータにたどり着くまで
バス会社からのデータ提供がオープンデータにたどり着くまで
低価格で高品質な苺をふんだんに使用したGTFS-RTを整備してみた話
低価格で高品質な苺をふんだんに使用したGTFS-RTを整備してみた話
Recently uploaded
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版) 2024年4月作成
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版) 2024年4月作成
Hiroshi Tomioka
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
FumieNakayama
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
博三 太田
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
akihisamiyanaga1
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
UEHARA, Tetsutaro
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
FumieNakayama
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
Yuki Kikuchi
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
sugiuralab
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
Hiroki Ichikura
Recently uploaded
(9)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版) 2024年4月作成
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版) 2024年4月作成
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
複数のGTFSを用いた時刻表アプリ
1.
複数のGTFSを用いた時刻表アプリ 電気通信大学 情報理工学域 学部3年 羽田野湧太 Twitter:
@takoyaki3333333 GitHub: @takoyaki-3 Qiita:@ takoyaki3 Mail:mail@takoyaki3.com 公共交通オープンデータ最前線 in インターナショナルオープンデータデイ2021 App URL:https://bus-timetable-app.web.app 2021年3月6日(土)
2.
目次 • これまでの活動 • 複数GTFSに対応したバスアプリについて •
アプリ全体のシステム構成 • 複数のGTFSを統合するにあたり • このシステムの問題点 App URL:https://bus-timetable-app.web.app
3.
これまでの活動 App URL:https://bus-timetable-app.web.app
4.
遅延を反映 2019年1月15日(火)9:23頃 @鶴見駅 © 2019
Worker Step Team WebAPP URL: https://workerstep.work
5.
混雑推定モデル 混雑状況を予測 乗客の経路選択を予測 交通センサスより ODデータ作成 © 2019 Worker
Step Team WebAPP URL: https://workerstep.work 乗車駅 下車駅 乗車時刻 赤坂見附 中野坂上 9:30 銀座 新中野 9:42 国会議事堂前 新宿御苑前 9:27 新宿三丁目 荻窪 9:40 茗荷谷 御茶ノ水 9:35 池袋 後楽園 9:29 本郷三丁目 東京 9:32 西新宿 新高円寺 9:36 四ツ谷 四ツ谷三丁目 9:28 大手町 南阿佐ヶ谷 9:31 淡路町 霞が関 9:33
6.
2019年7月11日(木)@稲田堤駅 6号車 駅到着前 17:57発
普通 川崎行き 18:04発 普通 川崎行き ※現時点では、すべての人が最短所要時間経路を利用するという仮説の基、経路を選択しているので、実際より優等列車に混雑が集中しやすくなります。
7.
バス・徒歩経路検索 バスデータ(ODPT公開GTFS) ・都営バス ・横浜市営バス ・西武バス ・京成トランジットバス 地図データ ・OpenStreetMap
8.
経路検索の活用の詳しい紹介は、昨年度 or Code for
Japan summitをご覧ください App URL:https://bus-timetable-app.web.app
9.
今回ご紹介するアプリについて App URL:https://bus-timetable-app.web.app
10.
複数GTFSとODPTを基にした バス・鉄道・船の時刻表アプリ App URL:https://bus-timetable-app.web.app
11.
デモタイム App URL:https://bus-timetable-app.web.app 宜しければ https://bus-timetable-app.web.app
よりご覧ください。 そこそこのアクセス数は裁けるはずです。 Webアプリはこちら→ ←Play Storeはこちら
12.
現時点での対応事業者(GTFS) • 横浜市営バス • 東京都交通局 •
宇野自動車株式会社 • まいどはやバス • 呉羽いきいきバス • 水橋ふれあいコミュニティバス • 八尾コミュニティバス • 大山コミュニティバス • 山田コミュニティバス • 堀川南地域コミュニティバス • 高岡市公営バス • 婦中コミュニティバス • きときとバス • おもてなし魚津直行便 • 魚津市民バス • のる my car • 黒部市内路線バス(石田・愛本) • 黒部市内路線バス(新幹線生地) • 砺波市営バス • 小矢部市営バス • 上市町営バス • 立山町営バス • のらんマイ・カー • あさひまちバス • 富山地鉄バス • 富山港線フィーダーバス • 西日本ジェイアールバス (名金線) • 永井バス(新町玉村線 下川団地線 東大室 線 荻窪公園線 嶺公園線 マイバス西循環線 マイバス東循環線) • 日本中央バス(広瀬線 総社線 西大室線 高 崎駅~大胡駅線 富士見線 川曲線 榛東線 吉岡線 シャトルバス) • 両備バス • 岡電バス • 北恵那交通 • 和歌山バス • マルエーフェリー • 斎島汽船 • 備後商船 • 名門大洋フェリー • 京成トランジットバス • 西武バス • 北海道拓殖バス • 北恵那交通株式会社 • 木曽岬町自主運行バス • 赤磐市広域路線バス • 佐賀市交通局 • 祐徳自動車株式会社 • 昭和自動車株式会社 • 嬉野市 • TransLink SEQ • Auckland Transport • 高松琴平電気鉄道株式会社 • ことでんバス株式会社(リムジンバス) • ことでんバス株式会社(一般路線) • 沖縄都市モノレール株式会社 • 網走バス • 阿寒バス • 旭川電気軌道 • あつまバス • 札幌ばんけい • 道南バス • 沿岸バス • ふらのバス • 北海道中央バス • じょうてつ • くしろバス • 名士バス • 根室交通 • 空知中央バス • 斜里バス • 十勝バス • 夕鉄バス • 北海道北見バス • 札幌市交通局 • 函館市電 App URL:https://bus-timetable-app.web.app
13.
対応事業者 ・GTFS ・・・70個 ・GTFS-RT・・・39個 ・マージすると1.26GB App URL:https://bus-timetable-app.web.app
14.
PWAなのでPlayストアにも登録できる
15.
アプリ全体のシステム構成 App URL:https://bus-timetable-app.web.app
16.
GTFS取得・統合・分割処理 分割ファイルホスティング (お金があればGCS使った方がよさそう) アプリ用 API GTFSの登録 GTFSの管理 フロントエンド App
URL:https://bus-timetable-app.web.app
17.
Google Forms でGTFSのURLや事業者名を追加
18.
Google FromsからSheetに登録される
19.
GTFS ダウンロード 補正 統合 分割 アップロード データ更新 ダウンロードからデータ更新まで1コマンド
20.
Uber H3 indexによりファイルを分割 App
URL:https://bus-timetable-app.web.app 画像元:https://eng.uber.com/h3/
21.
指定位置の周辺のデータのみ読み込み App URL:https://bus-timetable-app.web.app 画像元:https://eng.uber.com/h3/
22.
バス停データ 区画ごとにバス停リストを分割保持
23.
バス停時刻表データ バス停毎にファイルを分割して保存
24.
主なバックエンドAPI stop参照API 時刻表API バスロケAPI 緯度経度から付近の停留所 のリストを取得する stop_id
から指定日の stop_times を取得する 緯度経度から付近のバスの ロケーションを取得する クエリパラメータ: - GTFS or ODPT - 緯度 - 経度 - 半径 クエリパラメータ: - stop_id - 日付 - 開始時刻 クエリパラメータ: - 緯度 - 経度 - 半径 App URL:https://bus-timetable-app.web.app
25.
STOP参照API 緯度・経度 から 付近のバスの緯度経度や trip_id, route_id, trip_headsign,
混雑状 況, 距離などを返す App URL:https://bus-timetable-app.web.app
26.
時刻表API stop_id,開始時刻,日付 から stop_times, trips, services, routes,
calendarsなどを結合さ せた結果を返す App URL:https://bus-timetable-app.web.app
27.
バスロケAPI 緯度・経度 から 付近のバスの緯度経度や trip_id, route_id, trip_headsign,
混雑状 況を取得 App URL:https://bus-timetable-app.web.app
28.
APIはアクセスがあった時のみ起動 App URL:https://bus-timetable-app.web.app
29.
複数のGTFSをマージするにあたり App URL:https://bus-timetable-app.web.app
30.
複数GTFSをマージするにあたっての工夫 • stop_idやtrip_idなどが重複する →ランダムなuuidに変換 • 変換するとGTFS-RTとの対応付けができなくなる →uuidと変換前idとの変換テーブルを作成 •
含まれる情報量が多くなりすぎる →区域ごとにファイルを分割して必要なデータのみ利用 複数のGTFS結合コード:https://github.com/takoyaki-3/gtfs_merger App URL:https://bus-timetable-app.web.app
31.
GitHubで公開中 https://github.com/takoyaki- 3/gtfs_merger/releases GTFSフォルダに複数のGTFSを移動し、 merge_gtfs 又は merge_gtfs-jp
をダブルクリック するだけです。 問題発見時はご報告いただけると幸いです。 App URL:https://bus-timetable-app.web.app
32.
この設計の問題点 App URL:https://bus-timetable-app.web.app
33.
このシステムの問題点 • 地区ごとに分割管理している為、名称検索ができない • データ更新の都度、stop_idやtrip_idが変化してしまう •
GTFS-RTをアクセスの都度取得する為、時系列変化が追えない • GTFS-RTのファイルサイズが大きいと解析に時間を要する →Cloud Functionsだけでなく、GTFS-RTのアプリによる活用には常 にリアルタイム情報をホストしておくこのが必要そう。 App URL:https://bus-timetable-app.web.app
Download now