CN112602110B - 合乘车辆用需求预测装置、合乘车辆用需求预测方法及程序 - Google Patents
合乘车辆用需求预测装置、合乘车辆用需求预测方法及程序 Download PDFInfo
- Publication number
- CN112602110B CN112602110B CN201980055439.5A CN201980055439A CN112602110B CN 112602110 B CN112602110 B CN 112602110B CN 201980055439 A CN201980055439 A CN 201980055439A CN 112602110 B CN112602110 B CN 112602110B
- Authority
- CN
- China
- Prior art keywords
- reservation
- data
- vehicle
- ride
- demand prediction
- 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
- 238000000034 method Methods 0.000 title claims description 20
- 238000013528 artificial neural network Methods 0.000 claims abstract description 14
- 238000010801 machine learning Methods 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 description 78
- 239000011159 matrix material Substances 0.000 description 29
- 238000004891 communication Methods 0.000 description 26
- 238000010586 diagram Methods 0.000 description 14
- 230000001186 cumulative effect Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 9
- 238000012790 confirmation Methods 0.000 description 8
- 230000004044 response Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 230000010365 information processing Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/02—Reservations, e.g. for tickets, services or events
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
- G08G1/202—Dispatching vehicles on the basis of a location, e.g. taxi dispatching
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/3438—Rendez-vous, i.e. searching a destination where several users can meet, and the routes to this destination for these users; Ride sharing, i.e. searching a route such that at least two users can share a vehicle for at least part of the route
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
实施方式的合乘车辆用需求预测装置具有预约预测次数取得部。预约预测次数取得部使用具有通过将预约数据、移动数据和上下车要因数据作为输入数据进行机器学习而得到的神经网络的模型,按每个规定的期间取得预约预测次数,该预约数据表示合乘车辆的预约成立时的预约状况,该移动数据表示在合乘车辆的运行当天终端用户实际上下车的区域,该上下车要因数据包含能够成为合乘车辆的运行当天的终端用户的上下车的发生要因的数据,该预约预测次数相当于规定的多个区域中的作为合乘车辆的上下车预约而在未来能够成立的预约次数。
Description
技术领域
本发明的实施方式涉及合乘车辆用需求预测装置、合乘车辆用需求预测方法及程序。
背景技术
反映终端用户的预约来设定运行调度并且基于该运行调度对合乘车辆进行调配的需求型的交通服务在近年来得到利用。
在需求型的交通服务中,需要以相对于运行调度设定时的出发/到达时刻不发生延迟的方式,设定合乘车辆的停车地点及运行路线。因此,在需求型的交通服务中渴望如下需求预测,该需求预测用于在确保预先决定的出发/到达时刻的同时有效地对合乘车辆进行调配。
但是,根据以往已知的方法,存在无法高精度地进行上述的需求预测的问题。
现有技术文献:
专利文献:
专利文献1:日本特开2011-22646号公报
专利文献2:日本特开2011-113141号公报
实施方式的目的在于,提供能够进行用于在确保预先决定的出发/到达时刻的同时有效地对合乘车辆进行调配的高精度的需求预测的合乘车辆用需求预测装置、合乘车辆用需求预测方法及程序。
发明内容
用于解决课题的手段
实施方式的合乘车辆用需求预测装置是用于进行合乘车辆的需求预测的装置,所述合乘车辆遵循反映了终端用户的预约而设定的运行调度来运行,而且在规定的多个区域中运行,所述合乘车辆用需求预测装置构成为具有预约预测次数取得部。所述预约预测次数取得部构成为:使用具有将预约数据、移动数据和上下车要因数据作为输入数据进行机器学习而得到的神经网络的模型,按每个规定的期间取得预约预测次数,所述预约数据表示所述合乘车辆的预约成立时的预约状况,所述移动数据表示在所述合乘车辆的运行当天终端用户实际上下车的区域,所述上下车要因数据包含能够成为所述合乘车辆的运行当天的终端用户的上下车的发生要因的数据,所述预约预测次数相当于所述规定的多个区域中的作为所述合乘车辆的上下车预约而在未来能够成立的预约次数。
附图说明
图1是表示包含实施方式所涉及的需求预测服务器在内的交通服务系统的构成的一例的图。
图2是表示预约数据中包含的矩阵数据的一例的图。
图3是表示累积移动数据中包含的矩阵数据的一例的图。
图4是表示实施方式所涉及的需求预测服务器的构成的一例的图。
图5是用于说明实施方式所涉及的需求预测服务器的处理中使用的合乘需求预测程序的构成的一例的图。
图6是用于说明合乘需求预测程序中包含的上下车需求数预测模型的一例的概念图。
图7是表示实施方式所涉及的需求预测服务器中进行的处理的一例的流程图。
图8是用于说明需求预测画面的具体例的图。
具体实施方式
以下,参照附图对实施方式进行说明。
交通服务系统1如图1所示,构成为具有运行调度管理系统11、Web服务器12、上下车要因数据取得装置13、需求预测服务器14和信息提示装置15。图1是表示包含实施方式所涉及的需求预测服务器在内的交通服务系统的构成的一例的图。
运行调度管理系统11例如构成为具备处理器及存储器等。另外,运行调度管理系统11构成为具有调度处理部111、运行信息DB(数据库)112和通信IF(接口)113。
调度处理部111构成为进行如下动作:响应于经由Web服务器12接收的预约查询请求,读入运行信息DB 112中存放的预约数据112A,并且使该读入的预约数据112A(后述)从通信IF 113向Web服务器12发送。
调度处理部111构成为进行如下处理:响应于经由Web服务器12接收的预约实施请求,参照运行信息DB 112中存放的预约数据112A而设定出发/到达预定信息,该出发/到达预定信息包含:与该预约实施请求中包含的合乘出租汽车21的上车希望地点及上车希望时刻相应的出发预定时刻、以及与该预约实施请求中包含的合乘出租汽车21的下车希望地点及下车希望时刻相应的到达预定时刻。另外,调度处理部111构成为进行如下动作:使如上所述设定的出发/到达预定信息从通信IF 113向Web服务器12发送。
调度处理部111构成为:在基于预约确认信息检测出该出发/到达预定信息中包含的出发预定时刻及到达预定时刻未被认可的情况下,判断为与该出发/到达预定信息相应的预约不成立,将该预约实施请求及出发/到达预定信息丢弃,所述预约确认信息是在发送了针对预约实施请求的出发/到达预定信息之后经由Web服务器12接收到的。
调度处理部111构成为进行如下处理:在基于预约确认信息检测出该出发/到达预定信息中包含的出发预定时刻及到达预定时刻被认可的情况下,判断为与该出发/到达预定信息相应的预约成立,从合乘出租汽车21的运行区域中包含的规定的多个区域之中,分别确定该预约实施请求中包含的上车希望地点所存在的上车希望区域、以及该预约实施请求中包含的下车希望地点所存在的下车希望区域,所述预约确认信息是在发送了针对预约实施请求的出发/到达预定信息之后经由Web服务器12接收到的。另外,调度处理部111构成为进行如下处理:生成预约管理信息,该预约管理信息是将预约成立时的预约实施请求中包含的上车希望地点及下车希望地点、基于该预约实施请求而确定的上车希望区域及下车希望区域、以及基于该预约实施请求而设定的出发/到达预定信息建立关联而成的信息。另外,调度处理部111构成为进行如下处理:使用如上所述生成的预约管理信息,对运行信息DB 112中存放的预约数据112A进行更新;并且进行如下动作:从通信IF 113向需求预测服务器14按每个规定的期间(例如每5分钟)发送该更新后的预约数据112A。
调度处理部111构成为进行如下处理:基于预约数据112A、从需求预测服务器14接收的合乘需求预测数据143B(后述)、以及从运行中的1辆以上的合乘出租汽车21接收的GPS数据,设定运行调度。另外,调度处理部111构成为进行如下动作:使如上所述设定的运行调度从通信IF 113向合乘出租汽车21发送。
上述的GPS数据例如由合乘出租汽车21中设置的车载装置211无线接收,并且被从车载装置211向运行调度管理系统11无线发送。
在车载装置211例如设置有无线通信单元(省略图示),该无线通信单元具备:接收从GPS卫星发送的GPS数据的功能、将该GPS数据向运行调度管理系统11发送的功能、以及接收从运行调度管理系统11发送的运行调度的功能。另外,在车载装置211例如设置有显示单元(省略图示),该显示单元具备显示从运行调度管理系统11接收的运行调度的功能。
调度处理部111构成为进行如下处理:基于合乘出租汽车21的运行区域中的地图数据、以及从合乘出租汽车21接收的GPS数据,从合乘出租汽车21的运行区域中包含的规定的多个区域之中确定在合乘出租汽车21的运行当天乘客的上下车实际发生的区域,并且生成表示该确定的区域的运行管理信息。
此外,合乘出租汽车21的运行区域中的地图数据例如既可以是运行信息DB 112中预先存放的数据,或者也可以是从互联网上的地图服务取得的数据。
调度处理部111构成为进行如下处理:根据如上所述生成的运行管理信息,对运行信息DB 112中存放的累积移动数据112B(后述)进行更新;并且进行如下动作:从通信IF113向需求预测服务器14按每个规定的期间(例如每5分钟)发送该更新后的累积移动数据112B。即,调度处理部111构成为进行如下动作:从通信IF 113向需求预测服务器14按每个规定的期间发送预约数据112A及累积移动数据112B。
在运行信息DB 112中,分别存放着预约数据112A以及累积移动数据112B。此外,在本实施方式中,运行信息DB 112也可以被设置于运行调度管理系统11的外部的文件服务器(也包含云端的服务器)。
在预约数据112A中,作为与由调度处理部111生成的预约管理信息对应的数据,例如包含如图2所示的矩阵数据MDA。图2是表示预约数据中包含的矩阵数据的一例的图。
矩阵数据MDA构成为表现根据预约成立时的预约实施请求而确定的上车希望区域EDA及下车希望区域ADA的每个组合的出现次数的数据。
图2的矩阵数据MDA构成为上车希望区域EDA及下车希望区域ADA是区域AR1至区域AR16这16个区域的情况下的数据。即,图2的矩阵数据MDA构成为表现上车希望区域EDA及下车希望区域ADA的256种组合中的每个组合的出现次数的数据。
在图2的矩阵数据MDA中例如表现出:在合乘出租汽车21的运行区域中包含的区域AR1至区域AR16这16个区域之中,上车希望区域EDA及下车希望区域ADA均为区域AR1(希望在区域AR1内上下车)的预约成立了30次。另外,在图2的矩阵数据MDA中例如表现出:在合乘出租汽车21的运行区域中包含的区域AR1至区域AR16这16个区域之中,上车希望区域EDA为AR1而且下车希望区域ADA为区域AR2(希望在区域AR1上车及在区域AR2下车)的预约成立了20次。
此外,在图2的矩阵数据MDA中,例如,在将调度处理部111最后进行了数据的更新的时刻设为时刻TN的情况下,只要包含直到从该时刻TN回溯规定的天数的时刻TP为止成立的预约次数即可。
在累积移动数据112B中,作为与由调度处理部111生成的运行管理信息对应的数据,例如包含如图3所示的矩阵数据MDB。图3是表示累积移动数据中包含的矩阵数据的一例的图。
矩阵数据MDB构成为表现上车发生区域ERA与下车发生区域ARA的每种组合的出现次数的数据,该上车发生区域ERA相当于在合乘出租汽车21的运行当天1人以上的终端用户的上车实际发生的区域,该下车发生区域ARA相当于在合乘出租汽车21的运行当天1人以上的终端用户的下车实际发生的区域。此外,矩阵数据MDB构成为表现合乘出租汽车21的运行当天的1日量的上下车实际结果的数据。因此,在本实施方式中,例如,每经过24小时,将上车发生区域ERA及下车发生区域ARA的各组合的出现次数复位为0而生成新的矩阵数据MDB。
图3的矩阵数据MDB构成为上车发生区域ERA及下车发生区域ARA是区域AR1至区域AR16这16个区域的情况下的数据。即,图3的矩阵数据MDB构成为表现上车发生区域ERA及下车发生区域ARA的256种组合中的每种组合的出现次数的数据。
在图3的矩阵数据MDB中例如表现出:在合乘出租汽车21的运行区域中包含的区域AR1至区域AR16这16个区域之中,上车发生区域ERA及下车发生区域ARA均为区域AR1(在区域AR1内发生上下车)的合乘出租汽车21的移动进行了3次。另外,在图3的矩阵数据MDB中例如表现出:在合乘出租汽车21的运行区域中包含的区域AR1至区域AR16这16个区域之中,上车发生区域ERA为AR1而且下车发生区域ARA为区域AR2(在区域AR1上车而且在区域AR2下车)的合乘出租汽车21的移动进行了2次。
通信IF 113例如构成为:具备能够与互联网等网络连接的通信单元,能够在与Web服务器12及需求预测服务器14之间进行基于有线或者无线的通信。另外,通信IF 113构成为能够在与合乘出租汽车21(车载装置211)之间进行基于无线的通信。
Web服务器12例如构成为具备处理器、存储器及通信单元等。
Web服务器12构成为进行如下动作:响应于从被终端用户操作的相当于智能电话及平板电脑终端等的便携设备22发出的访问请求,发送在合乘出租汽车的预约所涉及的Web网站(以后称为出租汽车预约网站)的GUI(图形用户界面(Graphical UserInterface))显示中使用的数据等。另外,Web服务器12构成为进行如下动作:响应于从接到了终端用户的电话联系的调配车辆接线员所操作的相当于个人计算机等的信息处理装置23发出的访问请求,发送在出租汽车预约网站的GUI显示中使用的数据等。
Web服务器12构成为进行如下动作:在检测出在便携设备22或者信息处理装置23上显示的出租汽车预约网站上进行了用于阅览合乘出租汽车的当前的预约状况的预约查询请求的情况下,将该预约查询请求向运行调度管理系统11发送。另外,Web服务器12构成为进行如下动作:基于在发送了预约查询请求之后从运行调度管理系统11接收的预约数据112A,生成在表示合乘出租汽车的当前的预约状况的信息的显示中使用的预约查询结果数据,并且向进行了该预约查询请求的便携设备22或者信息处理装置23发送该生成的预约查询结果数据。
Web服务器12构成为进行如下动作:在检测出在便携设备22或者信息处理装置23上显示的出租汽车预约网站上被输入了相当于合乘出租汽车的预约所需的信息的上车希望地点、上车希望时刻、下车希望地点及下车希望时刻的各信息的状态下进行了预约实施请求的情况下,将包含该输入的各信息的该预约实施请求向运行调度管理系统11发送。另外,Web服务器12构成为进行如下动作:基于在发送了预约实施请求之后从运行调度管理系统11接收的出发/到达预定信息,生成在用于促使选择是否认可该出发/到达预定信息中包含的出发预定时刻及到达预定时刻的信息的显示中使用的出发/到达预定确认数据,并且将该生成的出发/到达预定确认数据向进行了该预约实施请求的便携设备22或者信息处理装置23发送。另外,Web服务器12构成为进行如下动作:从便携设备22或者信息处理装置23接收能够确定在出发/到达预定确认数据的生成时使用的出发/到达预定信息中包含的出发预定时刻及到达预定时刻是否被终端用户认可的预约确认信息,并且将该接收的预约确认信息向运行调度管理系统11发送。
上下车要因数据取得装置13例如构成为具备处理器、存储器及通信单元等。另外,上下车要因数据取得装置13构成为:在任意的定时取得上下车要因数据131,并且按每个规定的期间(例如每5分钟)向需求预测服务器14发送该取得的上下车要因数据131。
在上下车要因数据131中,作为在需求预测服务器14中进行的处理中能够利用的数据,包含能够成为合乘出租汽车21的运行当天的终端用户的上下车的发生要因的数据。
具体而言,在上下车要因数据131中,例如包含天气数据,该天气数据由表示合乘出租汽车21的运行区域中的运行当天的天气是否对应于晴天的数据、以及表示合乘出租汽车21的运行区域中的运行当天的天气是否对应于雨天的数据这2个数据构成。另外,在上下车要因数据131中,例如包含气温数据,该气温数据由表示合乘出租汽车21的运行区域中的运行当天的气温是否对应于高温的数据、以及表示合乘出租汽车21的运行区域中的运行当天的气温是否对应于低温的数据这2个数据构成。另外,在上下车要因数据131中,例如包含日期数据,该日期数据表示:表示合乘出租汽车21的运行当天的日期是否属于工作日的数据、以及表示合乘出租汽车21的运行当天的日期是否属于假日的数据。
即,在上下车要因数据131中,包含表示合乘出租汽车21的运行区域中包含的规定的多个区域中的天气的数据、表示该规定的多个区域中的气温的数据、以及表示合乘出租汽车21的运行当天的日期的数据。
此外,根据本实施方式,在上下车要因数据131中也可以包含与天气数据、气温数据及日期数据不同的数据。具体而言,根据本实施方式,例如,在上下车要因数据131中也可以包含表示合乘出租汽车21的运行区域中包含的每个区域有无发生交通障碍(事故、拥堵及灾害等)的交通障碍数据。另外,根据本实施方式,例如,在上下车要因数据131中也可以包含表示合乘出租汽车21的运行区域中包含的每个区域的终端用户的平均年龄的高低的平均年龄数据。
需求预测服务器14构成为:基于从运行调度管理系统11接收的预约数据112A及累积移动数据112B、以及从上下车要因数据取得装置13接收的上下车要因数据131,进行合乘出租汽车21的需求预测所涉及的处理。即,需求预测服务器14构成为用于进行合乘出租汽车21的需求预测的合乘车辆用需求预测装置,合乘出租汽车21遵照反映了终端用户的预约而设定的运行调度来运行,并且在规定的多个区域中运行。另外,需求预测服务器14构成为:将相当于通过上述的需求预测所涉及的处理而得到的处理结果的合乘需求预测数据143B向运行调度管理系统11及信息提示装置15发送。另外,需求预测服务器14例如图4所示,构成为具有通信IF 141、运算处理单元142和存储介质143。图4是表示实施方式所涉及的需求预测服务器的构成的一例的图。
通信IF 141例如构成为:具备能够与互联网等网络连接的通信单元,能够在与运行调度管理系统11、上下车要因数据取得装置13及信息提示装置15之间进行基于有线或者无线的通信。
运算处理单元142例如构成为:具备CPU及GPU(图形处理单元(GraphicsProcessing Unit)),使用从运行调度管理系统11接收的预约数据112A及累积移动数据112B、从上下车要因数据取得装置13接收的上下车要因数据131、以及从存储介质143读入的合乘需求预测程序143A(后述),进行合乘出租汽车21的需求预测所涉及的处理。即,运算处理单元142构成为具有1个以上的处理器。另外,运算处理单元142构成为进行如下动作:使通过上述的需求预测所涉及的处理而得到的合乘需求预测数据143B存放到存储介质143中。另外,运算处理单元142构成为进行如下动作:使通过上述的需求预测所涉及的处理而得到的合乘需求预测数据143B从通信IF 141向运行调度管理系统11及信息提示装置15发送。另外,运算处理单元142构成为进行如下动作:使在得到合乘需求预测数据143B时使用的预约数据112A从通信IF 141向信息提示装置15发送。
存储介质143例如构成为具有如非易失性存储器等的非易失性的计算机可读介质。另外,在存储介质143中,存放着合乘需求预测程序143A和合乘需求预测数据143B。
合乘需求预测程序143A例如图5所示,构成为具有上下车需求数预测模型1431和下车区域预测模型1432。图5是用于说明实施方式所涉及的需求预测服务器的处理中使用的需求预测程序的构成的一例的图。
上下车需求数预测模型1431例如构成为使用了深度自动编码器的层级型的神经网络,并且构成为利用深度学习(机器学习)对该神经网络所包含的各节点的处理中使用的参数进行学习而得到的模型。另外,上下车需求数预测模型1431构成为:通过进行使用从运行调度管理系统11接收的预约数据112A及累积移动数据112B以及从上下车要因数据取得装置13接收的上下车要因数据131作为输入数据的处理,能够取得预约预测次数RFN作为输出数据,该预约预测次数RFN相当于合乘出租汽车21的运行区域中包含的规定的多个区域中的作为出租汽车21的上下车预约而在未来能够成立的预约次数。
具体而言,在上下车需求数预测模型1431中,例如图6所示,形成有输入层IL,该输入层IL具有用于个别地输入预约数据112A的矩阵数据MDA(参照图2)中包含的256个数据、累积移动数据112B的矩阵数据MDB(参照图3)中包含的256个数据、以及上下车要因数据131的天气数据、气温数据及日期数据中包含的6个数据的518个节点。另外,在上下车需求数预测模型1431中,例如图6所示,形成有:隐藏层HL1,具有用于对从输入层IL输出的数据进行并行处理的256个节点;隐藏层HL2,具有用于对从隐藏层HL1输出的数据进行并行处理的128个节点;以及输出层OL,具有用于对从隐藏层HL2输出的数据进行并行处理从而得到输出结果的256个节点。图6是用于说明需求预测程序中包含的上下车需求数预测模型的一例的概念图。
即,根据图6中例示的上下车需求数预测模型1431,通过进行使用预约数据112A的矩阵数据MDA中包含的256个数据、累积移动数据112B的矩阵数据MDB中包含的256个数据、以及上下车要因数据131的天气数据、气温数据及日期数据中包含的6个数据作为输入数据的处理,能够得到按上述的区域AR1至区域AR16这16个区域中的256种上下车区域的组合的每个组合在未来能够成立的预约预测次数RFN作为输出数据。
此外,根据本实施方式,在学习上下车需求数预测模型1431时,例如使用在合乘出租汽车21的运行前一天以前得到的过去的预约数据112A(矩阵数据MDA)、过去的累积移动数据112B(矩阵数据MDB)以及过去的上下车要因数据131作为输入数据,利用使在上下车需求数预测模型1431的神经网络中包含的各节点的处理中使用的参数变化的方法进行学习即可。然后,根据这样的学习方法,能够制作使得预约预测次数RFN接近于合乘出租汽车21的运行区域中包含的各区域中实际成立的预约次数的模型。
下车区域预测模型1432例如构成为层级型的神经网络,并且构成为利用深度学习(机器学习)对该神经网络所包含的各节点的处理中使用的参数进行学习而得到的模型。另外,在下车区域预测模型1432中,例如构成为:输入使用合乘出租汽车21的移动距离所涉及的数据、合乘出租汽车21的运行区域中包含的规定的多个区域中存在的上下车地点的种类(类型)所涉及的数据、以及利用合乘出租汽车21的终端用户的简档(profile)所涉及的数据之中的至少1种数据而按合乘出租汽车21的运行区域中包含的每个区域计算出的特征量FV,作为输入数据。
在特征量FV的计算中,例如能够使用按每个运行日对合乘出租汽车21的运行区域中的累积移动距离进行合计而得到的数据,作为合乘出租汽车21的移动距离所涉及的数据。另外,合乘出租汽车21的移动距离所涉及的数据例如包含在累积移动数据112B中即可。
在特征量FV的计算中,例如能够使用将合乘出租汽车21的运行区域中的地图数据中包含的各地点分类为“住宅街区”、“车站”及“商业设施”等多个类型之中的至少1个而得到的数据,作为合乘出租汽车21的上下车地点的种类(类型)所涉及的数据。另外,合乘出租汽车21的上下车地点的种类(类型)所涉及的数据例如与合乘出租汽车21的运行区域中的地图数据一并取得即可。
在特征量FV的计算中,能够使用出租汽车预约网站中的用户登记信息中包含的任意的数据,作为利用合乘出租汽车21的终端用户的简档所涉及的数据。具体而言,在特征量FV的计算中,例如,能够使用按合乘出租汽车21的运行区域中包含的每个区域对合乘出租汽车21的预约成立时的终端用户的最高年龄、最低年龄、平均年龄、男性的人数及女性的人数进行合计而得到的数据,作为利用合乘出租汽车21的终端用户的简档所涉及的数据。另外,利用合乘出租汽车21的终端用户的简档所涉及的数据例如包含在预约数据112A中即可。
此外,在本实施方式中,例如也可以设为运算处理单元142计算特征量FV,或者也可以设为运算处理单元142取得由调度处理部111计算的特征量FV。
下车区域预测模型1432构成为:能够响应于相当于输入数据的特征量FV的输入,取得下车似然性ELH作为输出数据,该下车似然性ELH相当于合乘出租汽车21的运行区域中包含的规定的多个区域各自中的下车的发生概率。
在此,根据本实施方式,按每1日(定期地)进行如下作业:在合乘出租汽车21的运行当天对计算特征量FV时使用的各数据的权重进行调整,将使用调整后的权重而按合乘出租汽车21的运行区域中包含的每个区域计算出的特征量FV作为输入数据,使下车区域预测模型1432反复学习。然后,根据这样的作业,例如能够使在下车区域预测模型1432的神经网络中包含的各节点的处理中使用的参数按每1日(定期地)地进行变化,因此能够取得与合乘出租汽车21的运行区域中可能发生的需求的变化对应的下车似然性ELH。
即,运算处理单元142构成为:通过使用从存储介质143读入的合乘需求预测程序143A(后述)进行合乘出租汽车21的需求预测所涉及的处理,取得相当于上下车需求数预测模型1431的输出数据的预约预测次数RFN、以及相当于下车区域预测模型1432的输出数据的下车似然性ELH,作为合乘需求预测数据143B。
另外,运算处理单元142构成为:具备作为预约预测次数取得部的功能,使用上下车需求数预测模型1431,按每个规定的期间取得预约预测次数,所述上下车需求数预测模型1431具有通过将预约数据112A、累积移动数据112B和上下车要因数据131作为输入数据进行机器学习而得到的神经网络,该预约数据112A表示合乘出租汽车21的预约成立时的预约状况,该累积移动数据112B表示在合乘出租汽车21的运行当天终端用户实际上下车的区域,该上下车要因数据131包含能够成为合乘出租汽车21的运行当天的终端用户的上下车的发生要因的数据,所述预约预测次数相当于合乘出租汽车21的运行区域中包含的规定的多个区域中的作为合乘出租汽车21的上下车预约而在未来能够成立的预约次数。
另外,运算处理单元142构成为:具备作为下车似然性取得部的功能,使用具有通过将特征量FV作为输入数据进行机器学习而得到的神经网络的下车区域预测模型1432,按每个规定的期间取得下车似然性,该特征量FV是通过使用合乘出租汽车21的移动距离所涉及的数据、合乘出租汽车21的运行区域中包含的规定的多个区域中存在的上下车地点的种类所涉及的数据、以及利用合乘出租汽车21的终端用户的简档所涉及的数据之中的至少1种数据计算出的特征量,该下车似然性相当于该规定的多个区域各自中的未来的下车的发生概率。
此外,在本实施方式中,包含上下车需求数预测模型1431及下车区域预测模型1432的合乘需求预测程序143A被存放在计算机可读取的存储介质中即可。作为计算机可读取的存储介质,可以举出CD-ROM等光盘、DVD-ROM等相变型光盘、MO(磁光(MagnetOptical))或MD(迷你盘(Mini Disk))等光磁盘、软盘(Floppy)(注册商标)或可移动硬盘等磁盘、紧凑式闪存(注册商标)、智能介质、SD存储卡、存储棒等存储卡。另外,为了本发明的目的而特别设计并构成的集成电路(IC芯片等)等硬件装置也作为存储介质而被包含在内。
信息提示装置15例如构成为具备处理器、存储器、通信单元及监视器等。
信息提示装置15例如构成为进行如下处理:在规定的软件已启动时,显示将合乘出租汽车21的运行区域中的地图数据与基于从需求预测服务器14接收的预约数据112A及合乘需求预测数据143B而得到的信息合成的需求预测画面。此外,关于上述的需求预测画面的具体例,留待后面说明。
接下来,关于本实施方式的作用,参照图7及图8进行说明。图7是表示实施方式所涉及的需求预测服务器中进行的处理的一例的流程图。图8是用于说明需求预测画面的具体例的图。
调度处理部111进行用于在每次终端用户的预约成立时生成预约管理信息的处理,进行用于使用该生成的预约管理信息对预约数据112A(矩阵数据MDA)进行更新的处理,并且进行用于从通信IF 113向需求预测服务器14按每个规定的期间(例如每5分钟)发送该更新后的预约数据112A的动作。
调度处理部111进行用于在合乘出租汽车21的运行当天在每次发生乘客的上下车时生成运行管理信息的处理,进行用于使用该生成的运行管理信息对累积移动数据112B(矩阵数据MDB)进行更新的处理,并且进行用于使该更新后的累积移动数据112B从通信IF113向需求预测服务器14按每个规定的期间(例如每5分钟)发送的动作。
上下车要因数据取得装置13在任意的定时取得上下车要因数据131,并且按每个规定的期间(例如每5分钟)向需求预测服务器14发送该取得的上下车要因数据131。
运算处理单元142通过使用从运行调度管理系统11接收的预约数据112A中包含的矩阵数据MDA、从运行调度管理系统11接收的累积移动数据112B中包含的矩阵数据MDB、以及从上下车要因数据取得装置13接收的上下车要因数据131作为上下车需求数预测模型1431的输入数据来进行处理,取得预约预测次数RFN(图7的步骤S1)。
运算处理单元142进行如下处理:使用合乘出租汽车21的移动距离所涉及的数据、合乘出租汽车21的上下车地点的种类(类型)所涉及的数据、以及利用合乘出租汽车21的终端用户的简档所涉及的数据,按合乘出租汽车21的运行区域中包含的每个区域计算特征量FV。另外,运算处理单元142通过使用按合乘出租汽车21的运行区域中包含的每个区域计算出的特征量FV作为下车区域预测模型1432的输入数据来进行处理,取得下车似然性ELH(图7的步骤S2)。
运算处理单元142进行如下动作:取得通过图7的步骤S1的处理而得到的预约预测次数RFN、以及通过图7的步骤S2的处理而得到的下车似然性ELH,作为合乘需求预测数据143B,并且使该取得的合乘需求预测数据143B从通信IF 141向运行调度管理系统11及信息提示装置15按每个规定的期间(例如每5分钟)发送(图7的步骤S3)。另外,运算处理单元142进行如下动作:从通信IF 141向信息提示装置15按每个规定的期间(例如每5分钟)发送在得到合乘需求预测数据143B时使用的预约数据112A(图7的步骤S3)。
运算处理单元142进行如下处理:判断在图7的步骤S1的处理中使用的上下车需求数预测模型1431的输入数据、以及在图7的步骤S2的处理中使用的下车区域预测模型1432的输入数据之中的至少某一方是否被更新(图7的步骤S4)。
运算处理单元142在得到了上下车需求数预测模型1431的输入数据以及下车区域预测模型1432的输入数据都没有被更新的判断结果的情况下(S4:否),反复进行图7的步骤S4的处理。
运算处理单元142在得到了上下车需求数预测模型1431的输入数据以及下车区域预测模型1432的输入数据之中的至少某一方被更新的判断结果的情况下(S4:是),再次进行图7的从步骤S1起的处理。
根据如上所述的运算处理单元142的处理,例如能够取得包含从合乘出租汽车21的运行当天直到数星期后的预约预测次数RFN及下车似然性ELH在内的合乘需求预测数据143B。另外,根据如上所述的运算处理单元142的处理,例如能够取得与按每5分钟更新的输入数据(预约数据112A、累积移动数据112B及上下车要因数据131)相应的合乘需求预测数据143B。
信息提示装置15进行如下处理:在规定的软件已启动时,显示将合乘出租汽车21的运行区域中的地图数据与基于从需求预测服务器14接收的预约数据112A及合乘需求预测数据143B而得到的信息合成的需求预测画面。并且,根据这样的处理,例如图8所示的需求预测画面DFS被显示在监视器等显示装置上。
需求预测画面DFS如图8所示,构成为包含需求预测地图DFM、需求预测图DFG和时间滑块TSL的画面。
例如通过将与合乘需求预测数据143B中包含的预约预测次数RFN相应的热图以及与合乘需求预测数据143B中包含的下车似然性ELH相应的箭头,分别重叠在合乘出租汽车21的运行区域中的地图数据内,来制作需求预测地图DFM。
在需求预测地图DFM所包含的热图中,在合乘出租汽车21的运行区域中包含的各区域之中的、取得了规定次数以上的预约预测次数RFN的区域以规定的颜色被着色。另外,在需求预测地图DFM所包含的热图中,以相应于预约预测次数RFN变多而规定的颜色的浓度变高的方式描绘。此外,在图8所例示的需求预测地图DFM所包含的热图中,将合乘出租汽车21的运行区域中包含的各区域以四边形表现。另外,在图8所例示的需求预测地图DFM所包含的热图中,为了方便图示,对预约预测次数RFN多的区域赋予浓度高的阴影图案,并且对预约预测次数RFN少的区域赋予浓度低的阴影图案。
即,根据图7的步骤S1及步骤S3,由运算处理单元142进行:用于取得用来描绘表现合乘出租汽车21的运行区域中包含的规定的多个区域各自中的预约预测次数RFN的多少的热图的数据的处理、以及用于使该取得的数据向信息提示装置15按每个规定的期间发送的动作。
需求预测地图DFM中包含的箭头,表现从合乘出租汽车21的运行区域中包含的各区域之中的至少1个上车区域向下车似然性ELH为规定值以上的下车区域的移动。另外,需求预测地图DFM中包含的箭头以具有与下车似然性ELH的高度相应的粗细的方式被描绘。
即,根据图7的步骤S2及步骤S3,由运算处理单元142进行:用于取得用来描绘表现从合乘出租汽车21的运行区域中包含的规定的多个区域之中的至少1个上车区域向下车似然性ELH为规定值以上的下车区域的移动的记号的数据的处理、以及用于使该取得的数据向信息提示装置15按每个规定的期间发送的动作。
需求预测图DFG作为条形图被描绘,该条形图将预约成立次数REN与合乘需求预测数据143B中包含的预约预测次数RFN之间的对应关系按日期表示,该预约成立次数REN相当于基于预约数据112A取得的实际成立的预约次数。此外,根据图8中例示的需求预测图DFG,能够确认8日量的预约成立次数REN与预约预测次数RFN之间的对应关系。
在时间滑块TSL中,设置有作为GUI而构成的光标CSR,该光标CSR能够沿着带刻度的时间轴移动,并且能够进行用于显示合乘出租汽车21的运行当天以后的期望的日期时刻的需求预测的指示。然后,根据这样的时间滑块TSL的构成,能够相应于带刻度的时间轴上的光标CSR的位置,使需求预测地图DFM中包含的热图及箭头的描绘状态成为与合乘出租汽车21的运行当天以后的期望的日期时刻的需求预测相应的描绘状态。此外,根据图8中例示的时间滑块TSL,能够相应于带刻度的时间轴上的光标CSR的位置,使合乘出租汽车21的运行当天以后的8日之中的期望的日期时刻的需求预测显示。
如上所述,根据本实施方式,能够取得包含预约预测次数RFN及下车似然性ELH的合乘需求预测数据143B,并且能够基于合乘需求预测数据143B制作合乘出租汽车21的运行调度。另外,如上所述,根据本实施方式,例如,所属于合乘出租汽车21的运营组织的运营者通过确认与预约数据112A及合乘需求预测数据143B相应地显示的需求预测画面DFS,能够将合乘出租汽车21的运行当天以后的期望的日期的合乘出租汽车21的运行辆数调整为恰当的辆数。因此,根据本实施方式,能够进行在确保预先决定的出发/到达时刻的同时有效地对合乘车辆进行调配的高精度的需求预测。
此外,通过适宜地对本实施方式所涉及的构成进行变形,例如也可以使其适用于在像工厂等规定的设施内运行的合乘车辆的需求预测。另外,关于反映了终端用户的预约而设定的运行调度设为也包含:如果没有终端用户的预约则不制作运行调度(按照终端用户的预约来设定)的情况、预先决定大致的运行调度并按照终端用户的预约对该运行调度进行修正的情况。另外,关于作为合乘车辆的合乘出租汽车21,设为不仅包含所谓"出租汽车"也包含被称为"公交汽车"的方式。
以上说明了本发明的实施方式,但这些实施方式作为例子示出,意图不在于对本发明的范围进行限定。这些新的实施方式能够以其他各种方式实施,在不脱离发明的主旨的范围内,能够进行各种省略、置换、变更。这些实施方式及其变形与发明的范围或主旨中包含的方式,均被包含在专利权利要求书所记载的发明及其等同的范围中。
本申请基于2018年8月24日在日本申请的特愿2018-157045号主张优先权来申请,上述申请的公开内容被引用至本申请说明书、权利要求书中。
Claims (7)
1.一种合乘车辆用需求预测装置,用于进行合乘车辆的需求预测,该合乘车辆遵循反映了终端用户的预约而设定的运行调度来运行,并且在规定的多个区域中运行,所述合乘车辆用需求预测装置的特征在于,
具有预约预测次数取得部,所述预约预测次数取得部构成为,使用具有将预约数据、移动数据和上下车要因数据作为输入数据进行机器学习而得到的神经网络的模型,按每个规定的期间取得预约预测次数,所述预约数据表示所述合乘车辆的预约成立时的预约状况,所述移动数据表示在所述合乘车辆的运行当天终端用户实际上下车的区域,所述上下车要因数据包含能够成为所述合乘车辆的运行当天的终端用户的上下车的发生要因的数据,所述预约预测次数相当于所述规定的多个区域中的作为所述合乘车辆的上下车预约而在未来能够成立的预约次数,
并且,所述预约预测次数取得部构成为显示需求预测图,所述需求预测图包括(a)热图和(b)记号或箭头,所述热图表现所述规定的多个区域各自中的所述预约预测次数的多少,所述记号或箭头表现下车似然性,并且示出从所述规定的多个区域之中的至少1个上车区域向所述下车似然性为规定值以上的下车区域的移动,所述下车似然性表示未来在所述规定的多个区域各自中的下车的发生概率,所述记号或箭头的粗细与所述下车似然性的高度相对应。
2.如权利要求1所述的合乘车辆用需求预测装置,其特征在于,
所述预约预测次数取得部构成为进行如下动作:取得用于描绘所述热图的数据,并且向信息提示装置按每个所述规定的期间发送该取得的数据。
3.如权利要求1所述的合乘车辆用需求预测装置,其特征在于,
在所述上下车要因数据中包含:表示所述规定的多个区域中的天气的数据、表示所述规定的多个区域中的气温的数据、以及表示所述合乘车辆的运行当天的日期的数据。
4.如权利要求1所述的合乘车辆用需求预测装置,其特征在于,
还具有下车似然性取得部,所述下车似然性取得部构成为,使用具有将特征量作为输入数据进行机器学习而得到的神经网络的模型,按每个所述规定的期间取得下车似然性,所述特征量是使用所述合乘车辆的移动距离所涉及的数据、所述规定的多个区域中存在的上下车地点的种类所涉及的数据、以及利用所述合乘车辆的终端用户的简档所涉及的数据之中的至少1种数据而计算出的特征量。
5.如权利要求4所述的合乘车辆用需求预测装置,其特征在于,
所述下车似然性取得部构成为进行如下动作:取得用于描绘所述记号或箭头的数据,并且向信息提示装置按每个所述规定的期间发送该取得的数据。
6.一种合乘车辆用需求预测方法,用于进行合乘车辆的需求预测,该合乘车辆遵循反映了终端用户的预约而设定的运行调度来运行,并且在规定的多个区域中运行,所述合乘车辆用需求预测方法的特征在于,包括如下步骤:
使用具有将预约数据、移动数据和上下车要因数据作为输入数据进行机器学习而得到的神经网络的模型,按每个规定的期间取得预约预测次数,所述预约数据表示所述合乘车辆的预约成立时的预约状况,所述移动数据表示在所述合乘车辆的运行当天终端用户实际上下车的区域,所述上下车要因数据包含能够成为所述合乘车辆的运行当天的终端用户的上下车的发生要因的数据,所述预约预测次数相当于所述规定的多个区域中的作为所述合乘车辆的上下车预约而在未来能够成立的预约次数,
并且,显示需求预测图,所述需求预测图包括(a)热图和(b)记号或箭头,所述热图表现所述规定的多个区域各自中的所述预约预测次数的多少,所述记号或箭头表现下车似然性,并且示出从所述规定的多个区域之中的至少1个上车区域向所述下车似然性为规定值以上的下车区域的移动,所述下车似然性表示未来在所述规定的多个区域各自中的下车的发生概率,所述记号或箭头的粗细与所述下车似然性的高度相对应。
7.一种存储有程序的存储介质,所述程序由进行合乘车辆的需求预测的计算机执行,该合乘车辆遵循反映了终端用户的预约而设定的运行调度来运行,并且在规定的多个区域中运行,该程序使如下处理被执行:
使用具有将预约数据、移动数据和上下车要因数据作为输入数据进行机器学习而得到的神经网络的模型,按每个规定的期间取得预约预测次数,所述预约数据表示所述合乘车辆的预约成立时的预约状况,所述移动数据表示在所述合乘车辆的运行当天终端用户实际上下车的区域,所述上下车要因数据包含能够成为所述合乘车辆的运行当天的终端用户的上下车的发生要因的数据,所述预约预测次数相当于所述规定的多个区域中的作为所述合乘车辆的上下车预约而在未来能够成立的预约次数,
显示需求预测图,所述需求预测图包括(a)热图和(b)记号或箭头,所述热图表现所述规定的多个区域各自中的所述预约预测次数的多少,所述记号或箭头表现下车似然性,并且示出从所述规定的多个区域之中的至少1个上车区域向所述下车似然性为规定值以上的下车区域的移动,所述下车似然性表示未来在所述规定的多个区域各自中的下车的发生概率,所述记号或箭头的粗细与所述下车似然性的高度相对应。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018157045A JP6906487B2 (ja) | 2018-08-24 | 2018-08-24 | 乗合車両用需要予測装置、乗合車両用需要予測方法及びプログラム |
JP2018-157045 | 2018-08-24 | ||
PCT/JP2019/028937 WO2020039821A1 (ja) | 2018-08-24 | 2019-07-24 | 乗合車両用需要予測装置、乗合車両用需要予測方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112602110A CN112602110A (zh) | 2021-04-02 |
CN112602110B true CN112602110B (zh) | 2024-05-28 |
Family
ID=69593038
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980055439.5A Active CN112602110B (zh) | 2018-08-24 | 2019-07-24 | 合乘车辆用需求预测装置、合乘车辆用需求预测方法及程序 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20210174270A1 (zh) |
JP (1) | JP6906487B2 (zh) |
CN (1) | CN112602110B (zh) |
WO (1) | WO2020039821A1 (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111860929B (zh) * | 2020-03-18 | 2024-04-23 | 北京嘀嘀无限科技发展有限公司 | 一种拼车订单拼成率预估方法及系统 |
JP7167958B2 (ja) * | 2020-03-26 | 2022-11-09 | 株式会社デンソー | 走行支援装置、走行支援方法、及び走行支援プログラム |
JP7276229B2 (ja) * | 2020-04-02 | 2023-05-18 | トヨタ自動車株式会社 | 情報提供装置、情報提供システム、情報提供プログラム、及び、情報提供方法 |
US20220245443A1 (en) | 2020-07-17 | 2022-08-04 | Pacaso Inc. | Utilizing a learning engine in predicting physical resource utilization |
WO2022190989A1 (ja) * | 2021-03-09 | 2022-09-15 | ソニーグループ株式会社 | 情報処理装置、情報処理システム、情報処理方法及び情報処理プログラム |
CN114067597B (zh) * | 2021-11-17 | 2023-01-31 | 哈尔滨工业大学 | 一种基于强化学习的不同合乘意愿下出租车调度方法 |
US11803924B2 (en) | 2022-01-27 | 2023-10-31 | Pacaso Inc. | Secure system utilizing a learning engine |
CN118538034B (zh) * | 2024-07-25 | 2024-09-27 | 山东科技大学 | 一种基于深度学习和客观赋权法的泊位动态调配方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003288687A (ja) * | 2002-03-28 | 2003-10-10 | Fujitsu Ltd | 配車方法、および配車プログラム |
JP2005018369A (ja) * | 2003-06-25 | 2005-01-20 | Nec Corp | 列車の座席予約システム、座席予約サーバ、プログラム、及び列車の座席予約方法 |
JP2014130552A (ja) * | 2012-12-29 | 2014-07-10 | Zmp Co Ltd | タクシーサービス支援システム |
JP6341352B1 (ja) * | 2017-11-29 | 2018-06-13 | 三菱電機株式会社 | デマンド交通運用システム |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3829751B2 (ja) * | 2002-04-12 | 2006-10-04 | 日本電気株式会社 | 乗合タクシー予約・運行システム |
CA2874200A1 (en) * | 2012-05-22 | 2013-11-28 | Mobiag, Lda. | System for making available for hire vehicles from a fleet aggregated from a plurality of vehicle fleets |
JP6235419B2 (ja) * | 2014-06-25 | 2017-11-22 | 日立オートモティブシステムズ株式会社 | 二次電池 |
US10685297B2 (en) * | 2015-11-23 | 2020-06-16 | Google Llc | Automatic booking of transportation based on context of a user of a computing device |
US10817806B2 (en) * | 2016-07-29 | 2020-10-27 | Xerox Corporation | Predictive model for supporting carpooling |
SG10201608855SA (en) * | 2016-10-21 | 2018-05-30 | Mastercard Asia Pacific Pte Ltd | A Method For Predicting A Demand For Vehicles For Hire |
JP6726605B2 (ja) * | 2016-11-21 | 2020-07-22 | 株式会社日立製作所 | 交通需給マッチングシステムおよび交通需給マッチング方法 |
US10168167B2 (en) * | 2017-01-25 | 2019-01-01 | Via Transportation, Inc. | Purposefully selecting longer routes to improve user satisfaction |
US20180314998A1 (en) * | 2017-04-26 | 2018-11-01 | Uber Technologies, Inc. | Resource Allocation in a Network System |
JP2018018533A (ja) * | 2017-09-13 | 2018-02-01 | 公立大学法人公立はこだて未来大学 | 車両運行管理システム、端末装置、制御装置、および車両運行管理方法 |
CN112219217B (zh) * | 2018-06-08 | 2024-08-13 | 索尼公司 | 信息处理装置、信息处理方法以及程序 |
US20210192410A1 (en) * | 2018-07-04 | 2021-06-24 | Sony Corporation | Information processing device, information processing method, and program |
-
2018
- 2018-08-24 JP JP2018157045A patent/JP6906487B2/ja active Active
-
2019
- 2019-07-24 WO PCT/JP2019/028937 patent/WO2020039821A1/ja active Application Filing
- 2019-07-24 CN CN201980055439.5A patent/CN112602110B/zh active Active
-
2021
- 2021-02-22 US US17/181,330 patent/US20210174270A1/en active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003288687A (ja) * | 2002-03-28 | 2003-10-10 | Fujitsu Ltd | 配車方法、および配車プログラム |
JP2005018369A (ja) * | 2003-06-25 | 2005-01-20 | Nec Corp | 列車の座席予約システム、座席予約サーバ、プログラム、及び列車の座席予約方法 |
JP2014130552A (ja) * | 2012-12-29 | 2014-07-10 | Zmp Co Ltd | タクシーサービス支援システム |
JP6341352B1 (ja) * | 2017-11-29 | 2018-06-13 | 三菱電機株式会社 | デマンド交通運用システム |
Also Published As
Publication number | Publication date |
---|---|
WO2020039821A1 (ja) | 2020-02-27 |
JP6906487B2 (ja) | 2021-07-21 |
JP2020030726A (ja) | 2020-02-27 |
US20210174270A1 (en) | 2021-06-10 |
CN112602110A (zh) | 2021-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112602110B (zh) | 合乘车辆用需求预测装置、合乘车辆用需求预测方法及程序 | |
US20220248171A1 (en) | System and Methods for Automatically Checking-In a Vehicle | |
US11062415B2 (en) | Systems and methods for allocating networked vehicle resources in priority environments | |
US10430736B2 (en) | System and method for estimating a dynamic origin-destination matrix | |
JP6675860B2 (ja) | データ処理方法およびデータ処理システム | |
US10621529B2 (en) | Goal-based travel reconstruction | |
US11132626B2 (en) | Systems and methods for vehicle resource management | |
US20130317742A1 (en) | System and method for estimating origins and destinations from identified end-point time-location stamps | |
JP2019020787A (ja) | 車両の走行スケジュールを管理するためのシステム、方法、及びプログラム | |
JPWO2018207878A1 (ja) | 需要予測装置 | |
JP2009244960A (ja) | 駐車場管理装置、駐車場情報提供システム | |
JP7551874B2 (ja) | 情報処理システム、情報処理装置、情報処理方法及び情報処理プログラム | |
JP2018206225A (ja) | 配信装置、配信方法、配信プログラムおよびモデル | |
US11113965B2 (en) | System for optimising transient kerbside access | |
CN110610284B (zh) | 信息处理方法以及信息处理装置 | |
CN113449902B (zh) | 信息处理装置、信息处理方法以及信息处理系统 | |
JP7555813B2 (ja) | データ処理方法、データ処理システム | |
Gomes | Dynamic vehicle routing for demand responsive transportation systems | |
JP6978230B2 (ja) | 提供装置、提供方法、提供プログラムおよび算出装置 | |
CN111159580A (zh) | 行程推荐装置、行程推荐方法以及存储有程序的非易失性存储介质 | |
US11803520B2 (en) | Database generation method, database generation device, non-transitory computer-readable recording medium recording database generation program, data analysis method, data analyzer, and non-transitory computer-readable recording medium recording data analysis program | |
JP2022155149A (ja) | 情報処理装置、及び、情報処理方法 | |
JP2010122957A (ja) | 車両運行管理装置及びプログラム | |
JP2019133335A (ja) | 地図情報作成装置、地図情報作成方法、プログラム及び記録媒体 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |