CN112700022A - 信息处理设备及信息处理方法 - Google Patents
信息处理设备及信息处理方法 Download PDFInfo
- Publication number
- CN112700022A CN112700022A CN202010697263.8A CN202010697263A CN112700022A CN 112700022 A CN112700022 A CN 112700022A CN 202010697263 A CN202010697263 A CN 202010697263A CN 112700022 A CN112700022 A CN 112700022A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- information processing
- day
- rental
- processing apparatus
- 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.)
- Pending
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 49
- 238000003672 processing method Methods 0.000 title claims abstract description 14
- 238000011156 evaluation Methods 0.000 claims description 16
- 238000010801 machine learning Methods 0.000 claims description 7
- 238000000034 method Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 13
- 238000013500 data storage Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
Images
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
-
- 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
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06314—Calendaring for a resource
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
-
- 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
- G06Q10/20—Administration of product repair or maintenance
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0645—Rental transactions; Leasing transactions
-
- G06Q50/40—
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07B—TICKET-ISSUING APPARATUS; FARE-REGISTERING APPARATUS; FRANKING APPARATUS
- G07B15/00—Arrangements or apparatus for collecting fares, tolls or entrance fees at one or more control points
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/02—Registering or indicating driving, working, idle, or waiting time only
Abstract
公开了一种信息处理设备及信息处理方法。一种信息处理设备,其生成能够通过多个不同的租用模式中的租用而进行运用的车辆的运用计划,包括:存储部,其按租用模式存储关于所述车辆的使用记录数据;以及控制部,其基于所存储的使用记录数据,估计在所述多个租用模式中的每一个租用模式下且在一天的多个时间段中的每个时间段中所述车辆被租出时的所述车辆的利用率和销售额,并且基于估计出的利用率和销售额,生成针对所述一天的多个时间段中的每个时间段的所述车辆的所述运用计划。
Description
技术领域
本发明涉及一种生成车辆的运用计划的技术。
背景技术
通过在多个用户之间共享一辆车辆,可以提高车辆利用效率。这些模式中的一种是汽车共享模式,其中车辆可以在短时间段内(例如,每15分钟)租出(日本专利申请公开第2019-164453号)。汽车共享模式的特征是尽管每时间单位的收益性相对较高,但在需求较低的时间内,车辆的利用率会降低。
另一方面,主要在欧洲和美国,开发了一种商业模式,其中通过在一定期间内向进行客运的用户租出车辆来产生收益。这种模式被称为共乘模式。在共乘模式中,尽管车辆的利用率高,但是与汽车共享模式相比,每单位时间的收益性低。
发明内容
取决于车辆是在短时间段内被租出给多个用户,还是车辆在一定期间内被租出给进行客运的一个用户,车辆的利用率和收益改变。为了使车辆的利用率和收益最佳化,优选的是可以适当地改变车辆的租用模式。
鉴于该问题而做出本发明,并且本发明的目的是适当地确定车辆向用户的租用模式。
本公开的方案是一种信息处理设备,该信息处理设备生成能够通过多个不同的租用模式中的租用而进行运用的车辆的运用计划。
具体地,信息处理设备包括:存储部,其按租用模式存储关于所述车辆的使用记录数据;以及控制部,其基于所存储的使用记录数据,估计在所述多个租用模式中的每一个租用模式下且在一天的多个时间段中的每个时间段中所述车辆被租用时的所述车辆的利用率和销售额,并且基于估计的利用率和销售额二者,生成针对所述一天的多个时间段中的每个时间段的所述车辆的所述运用计划。
本公开的另一方案是由信息处理设备执行的信息处理方法,所述信息处理设备生成能够通过多个不同的租用模式中的租用而进行运用的车辆的运用计划。
具体地,该信息处理方法包括:获取步骤,按租用模式获取关于车辆的使用记录数据;估计步骤,基于获取的使用记录数据,估计在所述多个租用模式中的每个租用模式下且在一天的多个时间段中的每个时间段中所述车辆被租用时的所述车辆的利用率和销售额;以及生成步骤,基于估计出的利用率和销售额二者,生成针对所述一天的多个时间段中的每个时间段的所述车辆的所述运用计划。
本公开的又一个方案是一种非暂时性计算机可读存储介质,其存储用于使计算机执行由信息处理设备执行的信息处理方法的程序。
根据本发明,可以适当地确定车辆向用户的出租模式。
附图说明
下面将参照附图描述本发明的示例性实施例的特征、优点以及技术和工业意义,其中,相同的标号表示相同的元件,并且其中:
图1示出了按租用模式的需求变化;
图2是根据第一实施例的信息处理设备的配置的示意图;
图3是用于描述学习预测模型的方法的图;
图4A是用于描述存储在数据存储部中的数据的图;
图4B是用于描述存储在数据存储部中的数据的图;
图5A是用于描述存储在数据存储部中的数据的图;
图5B是用于描述存储在数据存储部中的数据的图;
图5C是用于描述存储在数据存储部中的数据的图;
图6是用于使预测模型被学习的处理的流程图;
图7是用于生成运用计划的处理的流程图;
图8是用于描述使用预测模型的需求估计方法的图;以及
图9示出了所生成的运用计划的示例。
具体实施方式
存在一种通过将车辆出租给用户来提供移动服务的模式。例如,近年来,在很多情况下使用能够基于短时间段(例如,每15分钟)进行预约的汽车共享模式。
另一方面,在欧洲和美国,开发了一种商业模式,其中通过将车辆出租给进行客运的用户来产生收益。这种模式被称为共乘模式。
出租车辆的商业经营者期望提高车辆的利用率和收益。例如,可以通过运用车辆以在汽车共享模式和共乘模式二者下出租来彼此弥补汽车共享模式和共乘模式的缺点。
然而,由于其根据一天中的时间段和需求汽车共享模式和共乘模式的区域而变化,因此存在不能始终以最佳模式运用车辆的问题。
为了解决这样的问题,在一个实施例中,提供了一种信息处理设备,该信息处理设备生成可以通过以多个不同的租用模式中的租用来运用的车辆的运用计划。多个不同的租用模式例如是上述的汽车共享模式和共乘模式,但是可以是其他模式,只要这些模式是在车辆被租出时使用的模式即可。
具体地,信息处理设备包括:存储部,其按租用模式存储关于车辆的使用记录数据;以及控制部,其基于所存储的使用记录数据,估计在所述多个租用模式中的每一个租用模式下以及在一天中的多个时间段中的每个时间段中车辆被租出时的车辆的利用率和销售额,并基于估计出的利用率和销售额二者,生成针对一天中的多个时间段中的每个时间段的车辆的运用计划。
存储部按租用模式存储关于车辆的使用记录数据。使用记录数据例如是包括车辆被租出时的日期和时间、销售额、路线信息,乘员数量等的数据。
控制部估计在一天的每个时间段中,在特定租用模式下运用车辆时车辆的利用率和销售额。此外,基于估计出的利用率和销售额,控制部确定在一天的每个时间段中车辆以哪种租用模式运用。利用这种配置,能够进行在利用率和销售额之间取得平衡的车辆运用。
注意,运用计划可以是其中在一天的每个时间段中分配车辆的租用模式的计划。这样调度的结果可以被发送到车辆、车辆的管理者、管理车辆的设备等。
多个租用模式可以包括通过使用车辆进行运输业务的共乘模式以及基于按时间付费将车辆租出给驾驶员的汽车共享模式中的任何一个。
通过在共乘模式和汽车共享模式之间适当地切换,可以使车辆的利用率和销售额最佳化。
控制部可以针对一天的多个时间段中的每个时间段计算基于估计出的利用率和销售额的评估值,并且基于评估值,生成针对一天的多个时间段中的每个时间段的车辆的运用计划。
控制部可以确定使一天中的多个时间段中的评估值的总和最大化的运用计划。
例如,可以通过将利用率和销售额的各个加权值相加来获取评估值。可以适当地确定加权方法,以反映用户的偏好。
控制部可以通过使用与布置有车辆的单位区域相关联的区域信息来执行估计。
在某些情况下,车辆的使用趋势根据布置有车辆的区域的特征而大大改变。例如,在存在火车站的区域中,可以想到与居住区域相比,更多人使用共乘车辆,而在存在许多房屋的区域中,可以想到与商业区相比,更多的人使用汽车共享车辆。因此,通过使用表示区域的特征的信息(区域信息),可以提高估计结果的精度。
例如,可以通过使用机器学习模型来执行估计,机器学习模型通过使用使用记录数据和与车辆相对应的区域信息来学习。
区域信息可以包括与单位区域中包括的设施或建筑物相关联的多个要素。
例如,以特征量的形式表示该区域中包括的建筑物的使用目的和属性、建筑物的数量、建筑物的容量等的信息可以用作区域信息。
一天中的多个时间段可以包括一天中的通勤时间段和一天中的非通勤时间段,并且一天中的多个时间段可以包括工作日的时间段和假日的时间段。
如上所述,通过包括人移动模式改变的一天中的各时间段,可以生成有效的运用计划。
控制部可以将生成的运用计划发送到管理车辆的预约的设备,并且可以将生成的运用计划发送到与车辆的管理者相关联的设备。
通过将所生成的运用计划发送到管理车辆的预约的设备,能够根据计划接受预约。通过向车辆的管理者通知所生成的运用计划,更容易制定车辆的维护计划等。
第一实施例
图1是用于描述对汽车共享模式和共乘模式的需求的图。在本示例中,示出了对于汽车共享的需求在每天的早上和晚上的通勤时间段上升,并且在每天的其他时间段下降。此外,示出了对共乘的需求在整个白天没有很大变化。当预期到这样的需求时,对于出租车辆的商业经营者而言,优选的是在一天的通勤时间段内运用更多的汽车共享的车辆,在白天时运用更多的共乘车辆。
根据第一实施例的信息处理设备是确定车辆在一天的每个时间段中的这种租用模式的设备。
根据第一实施例的信息处理设备基于表示运用车辆的过去记录的数据(过去记录数据)来预测对每种租用模式的需求,并且基于预测结果生成使车辆的利用率和销售额最佳化的运用计划。
图2是示意性示出根据第一实施例的信息处理设备100的配置的示例的框图。
信息处理设备100包括存储部101、控制部102和输入输出部103。信息处理设备100通过使用包括处理器和存储器的通用计算机来配置。
存储部101是用于存储生成运用计划所需的数据的装置。具体地,存储部101包括:模型存储部101A,其存储用于预测需求的机器学习模型;以及数据存储部101B,其存储用于执行机器学习的数据。注意,存储部101还可以存储将由控制部102(其将在后面描述)执行的程序、将由该程序使用的数据等。通过使用诸如RAM、磁盘或闪存等的存储介质来配置存储部101。
模型存储部101A存储机器学习模型(下文中,预测模型)。图3是用于描述预测模型要使用的数据的图。
本实施例中的预测模型是通过使用由车辆提供的表示过去记录的信息(以下称为过去记录数据)作为教师数据,并且使用表示需求预测的背景的信息作为输入数据而构建的机器学习模型。信息处理设备100可以执行学习预测模型的阶段和通过使用预测模型来预测需求的阶段。
预测模型使用与用作车辆的运用据点的区域有关的数据以及诸如天气和一天中的时间段的一般数据作为表示需求预测的背景的信息。在本实施例中,前者数据被称为区域数据,而后者数据被称为一般数据。
例如,将目标区域划分为网格,并且区域数据表示每个网格的特征(例如,每个网格中存在的设施和建筑物的数量、设施和建筑物的类型、在设施和建筑物中可以容纳的人数等)。例如,一般数据包括目标区域的天气和温度、一天中的时间段等。数据被转换为特征量并用作解释变量。
如图4A所示,模型存储部101A可以针对每个租用模式存储不同的预测模型。在该实施例中,使用对共乘模式预测需求的第一预测模型和对汽车共享模式预测需求的第二预测模型。分别基于共乘模式下的过去记录数据和汽车共享模式下的过去记录数据而单独构建每个预测模型。
数据存储部101B包括存储过去记录数据、区域数据和一般数据的数据库。以使得要由处理器执行的数据库管理系统(DBMS)的程序管理存储装置中存储的数据的方式来构建数据库。在本实施例中使用的数据库例如是关系数据库。
如图4B所示,数据存储部101B还可以针对每个租用模式存储不同的数据集。
接下来,将描述过去记录数据、区域数据和一般数据的细节。可以经由存储介质或网络从设备的外部获取这些数据。
过去记录数据是表示提供服务的过去记录的数据。图5A是过去记录数据的示例。过去记录数据例如是其中以数值表示车辆租用类型、租用开始时刻、租用结束时刻、销售金额等的数据。另外,过去记录数据还可以包括在租用期间的乘员数、行李的件数、移动路线等。
区域数据是表示布置有车辆的区域(称为单位区域;在下文中,称为网格)的特征的数据。图5B是区域数据的示例。区域数据是其中以数值表示例如存在于网格中的设施和建筑物的数量、设施和建筑物的类型(例如,学校、商业设施、医院、车站等)、设施和建筑物中可以容纳的人数(例如,在医院情况下的床位数、在学校情况下的学生数、在娱乐设施情况下的容量)等的数据。在本实施例中,假定目标区域被预先划分为多个网格。
一般数据是其中以数值表示日期、星期几、一天中的时间段、天气、温度等的数据。图5C是一般数据的示例。一般数据是与车辆或服务不直接相关的数据。
根据实施例的信息处理设备100通过基于这些数据对多个解释变量进行加权来构建第一预测模型和第二预测模型。
注意,在下面的描述中,通过转换过去记录数据获得的特征量将被称为过去记录特征量,通过转换区域数据而获得的特征量将被称为区域特征量,并且通过转换一般数据所获得的特征量将被称为一般特征量。
控制部102是控制信息处理设备100中包括的功能的计算单元。控制部102可以通过使用诸如CPU(中央处理单元)的处理单元来实现。
控制部102包括三个功能模块,即,学习部1021、需求预测部1022和计划生成部1023。可以以CPU执行存储在存储部101中的程序的方式来实现每个功能模块。
学习部1021通过使用存储在数据存储部101B中的数据集来构建第一预测模型和第二预测模型。
需求预测部1022通过使用每个所构建的预测模型来预测在一天的每个时间段中对于每种租用模式的需求。
基于预测的需求,计划生成部1023生成车辆的运用计划,即,表示在一天的每个时间段内目标车辆是作为汽车共享车辆被运用还是作为共乘车辆被运用的计划。
将描述由每个功能模块执行的处理的具体内容。
首先,将描述由学习部1021执行的构建预测模型的方法。图6是用于描述构建预测模型的处理(学习阶段)的流程图。
在学习阶段,学习部1021通过使用过去记录特征量以及与感兴趣的过去记录相对应的区域特征量和一般特征量来学习预测模型。这里,假定存在车辆的过去租用记录,并且相关数据(过去记录数据、区域数据、一般数据)存储在数据存储部101B中。
首先,在步骤S11中,从所存储的过去记录数据中提取与共乘模式相对应的数据,并将其转换为过去记录特征量。将与感兴趣的过去记录相对应的区域数据中的记录转换为区域特征量,并且将与感兴趣的过去记录相对应的一般数据中的记录转换为一般特征量。
在步骤S12中,通过使用这些特征量来执行第一预测模型的学习。区域特征量和一般特征量用作解释变量,并且过去记录特征量用作目的变量。
随后,在步骤S13中,学习部1021从存储的过去记录数据中提取与汽车共享模式相对应的数据,并将提取的数据转换成过去记录特征量。将与感兴趣的过去记录相对应的区域数据中的记录转换为区域特征量,并且将与感兴趣的过去记录相对应的一般数据中的记录转换为一般特征量。
在步骤S14中,通过使用这些特征量来执行第二预测模型的学习。
通过这里描述的处理,更新解释变量用于产生目的变量的权重。
接下来,将给出需求预测部1022预测需求并且计划生成部1023基于预测的结果来生成车辆的运用计划的方法的描述。图7是用于描述该处理的流程图。注意,这里假定预先准备了与执行需求预测的条件相对应的区域特征量和一般特征量。
首先,在步骤S21中,计划生成部1023将进行预测的目标时间段划分为多个时隙。例如,当期望生成以每30分钟为基础的运用计划时,将一天按30分钟的期间分成48个时隙。当预测的目标时间段是一周时,获得336个时隙。
时隙可以包括一天中的通勤时间段和一天中的非通勤时间段,并且可以包括工作日的时间段和假日的时间段。通过包括需求在其间极大变化的一天中的各时间段,可以增强通过改变租用模式所带来的效果。
随后,在步骤S22中,计划生成部1023判定是否存在任何未处理的时隙。这里,当存在未处理的时隙时,则在步骤S23中,依次选择对其执行预测的目标未处理时隙。
随后,在步骤S24中,需求预测部1022通过使用第一预测模型来预测目标时隙中的需求。在步骤S25中,需求预测部1022通过使用第二预测模型来预测目标时隙中的需求。
注意,当预测需求时,如图8所示,将与预测的条件相对应的区域数据和一般数据用作输入到模型中的数据。例如,区域数据可以是与布置有对其执行预测的目标车辆的网格有关的数据。一般数据是指定对其执行预测的时隙的数据,但是可以包括其他要素。例如,一般数据可以包括与对其执行预测的期间内的估计天气、温度等有关的数据。
通过步骤S24和S25中的处理,可以获得在车辆以共乘模式和汽车共享模式运用时估计的需求。
随后,在步骤S26中,计划生成部1023基于针对每种租用模式估计的需求来计算车辆的利用率和销售额。车辆的利用率是车辆的租用时间段与时隙的比例。例如,当在30分钟的时隙中估计出15分钟的租用时,该时隙中的车辆的利用率为50%。
销售额是在感兴趣的时隙中被计费的金额。例如,在返还车辆时被收取费用的情况下,当估计出车辆在处理目标时隙内被返还时销售额被记录。销售额是由已租用车辆的用户支付的、作为使用车辆费用的金额。注意,在共乘模式中,可以想到根据租用车辆的时间段支付费用的情况和根据客运的销售额支付费用的情况。在后一种情况下,销售额可以是从客运的总销售额中扣除费用(例如,给驾驶员的报酬等)后获得的金额。
重复上述处理,从而可针对每个时隙获得“关于在共乘模式下运用目标车辆时的利用率和销售额的预测”和“关于在汽车共享模式下运用目标车辆时的利用率和销售额的预测”。
当完成关于所有时隙的处理时,处理进入步骤S27。
在步骤S27中,计划生成部1023例如通过以下表达式来计算每个时隙中的每个租用模式的评估值:
评估值=利用率×系数1+销售额×系数2...表达式(1)
其中系数1和系数2分别是各要素的权重。这些系数可以由用户预先指定,或者可以是固定值。可以根据是利用率更重要还是销售额更重要来适当地确定系数。
随后,在步骤S28中,基于所计算的评估值来确定每个时隙中的租用模式。通过选择所有时隙中的租用模式来确定目标车辆的运用计划。在本步骤中,例如,在每个时隙中分配获得更大评估值的租用模式。图9是所确定的运用计划的示例。
如上所述,对于可以采取多个不同的租用模式的车辆,根据本实施例的信息处理设备预测每个时隙中的需求,并且基于利用率和销售额二者来确定每个时隙中的租用模式。利用这样的配置,可以遵循对每种租用模式的需求的增减,从而可以提高车辆的利用率和销售额二者。
变型例1
在第一实施例中,信息处理设备100生成车辆的运用计划。所生成的运用计划可以被发送到管理车辆的外部设备。例如,在执行步骤S28之后,可以将所生成的运用计划发送到管理多个车辆的租用/预约等的设备。当信息处理设备100本身是管理车辆的租用/预约等的设备时,可以将运用计划发送到管理预约的模块。
当拥有或管理车辆的商业经营者或所有者单独存在时,可以将所生成的运用计划发送到与商业经营者或所有者相关联的设备。商业经营者或所有者可以通过了解如何使用车辆来适当地制定维护计划等。
变型例2
在第一实施例中,确定每个时隙中的租用模式。但是,在某些情况下,如果频繁改变租用模式,可能对用户不利。例如,当租用模式每30分钟就改变时,某些想要使用汽车共享超过30分钟的用户可能会放弃使用汽车共享。为了防止这种情况,可以提供相同租用模式连续的最小时间段。例如,当存在平均使用汽车共享60分钟的一天的时间段时,可以进行配置以使得在一天的时间段中连续使用汽车共享模式至少60分钟。
变型例3
尽管在第一实施例中依次地确定每个时隙中的租用模式,但是可以生成租用模式的所有组合方案,然后分别对其进行评估,并且可以选择最佳方案。在这种情况下,可以针对每个方案计算评估值的总和,并且可以采用获得评估值的总和最大的方案作为最佳方案。
其他变型例
上面描述的实施例在每个方面都是示例,并且可以通过在不脱离本公开的要旨的情况下进行适当的改变来使本公开起作用。例如,本公开中描述的处理和装置可以自由地组合以在不发生技术上的不一致的程度执行或实施。
尽管在本实施例的描述中示出了共乘模式和汽车共享模式,但是可以使用其他租用模式。
尽管在实施例的描述中使用了术语“共乘模式”,但是在共乘模式中不一定需要多个乘员。换句话说,共乘模式可以是这样一种模式:在该模式中,向进行客运的用户出租车辆允许该用户进行所有者驾驶的出租车的商业经营。
尽管在实施例的描述中,如图9所示按星期几和按一天中的时间段来执行估计,但是执行估计的每个时隙也可以是除了所示的时隙之外的其他时隙。
被描述为由单个设备执行的处理可以由多个设备以划分的方式执行。可替代地,被描述为由不同设备执行的处理可以由单个设备执行。在计算机系统中,可以灵活地更改使用哪个硬件部件或哪些硬件部件(一个或多个服务器部件)来实现每个功能。
还可以以这样的方式来实现本公开:将实施例中描述的功能打包的计算机程序提供给计算机,并且计算机中包括的一个或多个处理器读取并执行该程序。可以通过使用可以连接到计算机的系统总线的非暂时性计算机可读存储介质将这样的计算机程序提供给计算机,或者可以经由网络将其提供给计算机。非暂时性计算机可读存储介质包括例如任何类型的盘,诸如磁盘(floppy(注册商标)盘、硬盘驱动器(HDD)等)和光盘(CD-ROM、DVD盘、蓝光光盘等)、只读存储器(ROM)、随机存取存储器(RAM)、EPROM、EEPROM、磁卡、闪存、光卡以及适用于存储电子指令的任何类型的介质。
Claims (20)
1.一种信息处理设备,其生成能够通过多个不同的租用模式中的租用而进行运用的车辆的运用计划,包括:
存储部,其按租用模式存储关于所述车辆的使用记录数据;以及
控制部,其基于所存储的所述使用记录数据,估计在所述多个租用模式中的每一个租用模式下且在一天的多个时间段中的每个时间段中所述车辆被租出时的所述车辆的利用率和销售额,并且基于估计出的所述利用率和销售额二者,生成针对所述一天的多个时间段中的每个时间段的所述车辆的所述运用计划。
2.根据权利要求1所述的信息处理设备,其中,所述运用计划是其中在一天的每个时间段中分配所述车辆的租用模式的计划。
3.根据权利要求1或2所述的信息处理设备,其中,所述多个租用模式包括通过使用所述车辆进行运输业务的共乘模式以及基于按时间付费将所述车辆出租给驾驶员的汽车共享模式中的任一个。
4.根据权利要求1至3中的任一项所述的信息处理设备,其中,所述控制部针对所述一天的多个时间段中的每个时间段计算基于估计出的所述利用率和销售额的评估值,并且基于所述评估值,生成针对所述一天的多个时间段中的每个时间段的所述车辆的所述运用计划。
5.根据权利要求4所述的信息处理设备,其中,所述控制部确定使所述一天的多个时间段中的所述评估值的总和最大化的所述运用计划。
6.根据权利要求1至5中的任一项所述的信息处理设备,其中,所述控制部通过使用与布置有所述车辆的单位区域相关联的区域信息来执行所述估计。
7.根据权利要求6所述的信息处理设备,其中,所述控制部通过使用机器学习模型来执行所述估计,所述机器学习模型通过使用所述使用记录数据和与所述车辆相对应的所述区域信息来学习。
8.根据权利要求6或7所述的信息处理设备,其中,所述区域信息包括与所述单位区域中包括的设施或建筑物相关联的多个要素。
9.根据权利要求1至8中的任一项所述的信息处理设备,其中,所述使用记录数据包括关于使用所述车辆的时间和销售额的数据。
10.根据权利要求1至9中的任一项所述的信息处理设备,其中,所述一天的多个时间段包括一天中的通勤时间段和一天中的非通勤时间段。
11.根据权利要求1至10中的任一项所述的信息处理设备,其中,所述一天的多个时间段包括工作日的时间段和假日的时间段。
12.根据权利要求1至11中的任一项所述的信息处理设备,其中,所述控制部将生成的所述运用计划发送到管理所述车辆的预约的设备。
13.根据权利要求1至12中的任一项所述的信息处理设备,其中,所述控制部将生成的所述运用计划发送到与所述车辆的管理者相关联的设备。
14.一种由信息处理设备执行的信息处理方法,所述信息处理设备生成能够通过多个不同的租用模式中的租用而进行运用的车辆的运用计划,所述信息处理方法包括:
获取步骤,按租用模式获取关于所述车辆的使用记录数据;
估计步骤,基于获取的所述使用记录数据,估计在所述多个租用模式中的每一个租用模式下且在一天的多个时间段中的每个时间段中所述车辆被租出时的所述车辆的利用率和销售额;以及
生成步骤,基于估计出的所述利用率和销售额二者,生成针对所述一天的多个时间段中的每个时间段的所述车辆的所述运用计划。
15.根据权利要求14所述的信息处理方法,其中,在所述生成步骤中,针对所述一天的多个时间段中的每个时间段计算基于估计出的所述利用率和销售额的评估值,并且基于所述评估值,生成针对所述一天的多个时间段中的每个时间段的所述车辆的所述运用计划。
16.根据权利要求15所述的信息处理方法,其中,在所述生成步骤中,确定使所述一天的多个时间段中的所述评估值的总和最大化的所述运用计划。
17.根据权利要求14至16中的任一项所述的信息处理方法,其中,在所述估计步骤中,通过使用与布置有所述车辆的单位区域相关联的区域信息来执行所述估计。
18.根据权利要求17所述的信息处理方法,其中,在所述估计步骤中,通过使用机器学习模型来执行所述估计,所述机器学习模型通过使用所述使用记录数据和与所述车辆相对应的所述区域信息来学习。
19.根据权利要求17或18所述的信息处理方法,其中,所述区域信息包括与所述单位区域中包括的设施或建筑物相关联的多个要素。
20.一种非暂时性计算机可读存储介质,其存储用于使计算机执行根据权利要求14至19中的任一项所述的信息处理方法的程序。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019-190379 | 2019-10-17 | ||
JP2019190379A JP7243564B2 (ja) | 2019-10-17 | 2019-10-17 | 情報処理装置および情報処理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112700022A true CN112700022A (zh) | 2021-04-23 |
Family
ID=75492115
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010697263.8A Pending CN112700022A (zh) | 2019-10-17 | 2020-07-20 | 信息处理设备及信息处理方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11657446B2 (zh) |
JP (1) | JP7243564B2 (zh) |
CN (1) | CN112700022A (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20230091629A (ko) * | 2021-12-16 | 2023-06-23 | 주식회사 캐플릭스 | 빅데이터를 이용한 가격 결정이 가능한 렌터카운영시스템 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060259353A1 (en) * | 2005-05-31 | 2006-11-16 | Gutmann Steven P | Shared vehicle transportation systems and methods for individuals and entities |
JP2009237832A (ja) * | 2008-03-26 | 2009-10-15 | Tokyo Gas Co Ltd | 可変的予測モデル構築方法、及び、可変的予測モデル構築システム |
CN106537430A (zh) * | 2014-04-14 | 2017-03-22 | 热布卡公司 | 用于车队共享的系统和方法 |
CN107077133A (zh) * | 2014-09-29 | 2017-08-18 | 安飞士巴吉租车公司 | 用于车队中的车辆和车队管理系统之间的双向数据通信的远程信息处理系统、方法和装置 |
CN109416811A (zh) * | 2016-07-05 | 2019-03-01 | 华为技术有限公司 | 管理车辆的方法和装置 |
CN110197290A (zh) * | 2018-02-26 | 2019-09-03 | 丰田自动车株式会社 | 车辆管理设备、车辆管理方法和非瞬态计算机可读介质 |
CN110264023A (zh) * | 2018-03-12 | 2019-09-20 | 丰田自动车株式会社 | 共享车辆管理服务器和存储共享车辆管理程序的非暂时性存储介质 |
CN110298530A (zh) * | 2018-03-22 | 2019-10-01 | 丰田自动车株式会社 | 信息处理装置和非瞬态计算机可读记录介质 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3206803B2 (ja) * | 1997-03-18 | 2001-09-10 | 本田技研工業株式会社 | 共用車両管理システム |
US6789011B2 (en) * | 1999-04-16 | 2004-09-07 | R. Michael Baiada | Method and system for allocating aircraft arrival/departure slot times |
JP3632588B2 (ja) * | 2000-11-01 | 2005-03-23 | コベルコ建機株式会社 | 建設機械のレンタルサービス装置及びシステム |
US7814061B2 (en) * | 2008-01-24 | 2010-10-12 | Eastman Kodak Company | Method for preserving privacy with image capture |
US20150142494A1 (en) * | 2013-11-21 | 2015-05-21 | Descisys Ltd. | System and method for scheduling temporary resources |
CN104617591B (zh) * | 2015-01-28 | 2017-01-25 | 西安交通大学 | 基于多场景新能源发电模拟的日运行方式安排和调峰方法 |
KR101756599B1 (ko) * | 2016-06-07 | 2017-07-11 | 공승배 | 부동산 거래 서비스 제공 방법 및 서버 |
KR101767957B1 (ko) * | 2016-06-07 | 2017-08-30 | 공승배 | 임대관리업자 신용정보 제공 방법 및 서버 |
CN106507315B (zh) * | 2016-11-24 | 2019-06-28 | 西安交通大学 | 基于网络社交媒体数据的城市交通事故预测方法和系统 |
US11614751B2 (en) * | 2017-01-23 | 2023-03-28 | Massachusetts Institute Of Technology | System for on-demand high-capacity ride-sharing via dynamic trip-vehicle assignment and related techniques |
JP7064306B2 (ja) * | 2017-01-27 | 2022-05-10 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 車両制御装置及び車両制御方法 |
JP6778152B2 (ja) * | 2017-06-27 | 2020-10-28 | 本田技研工業株式会社 | カーシェアリング管理システム |
US11195245B2 (en) * | 2017-12-29 | 2021-12-07 | ANI Technologies Private Limited | System and method for allocating vehicles in ride-sharing systems |
JP6979158B2 (ja) | 2018-03-19 | 2021-12-08 | トヨタ自動車株式会社 | 情報処理装置、相乗りユーザ選択方法及びプログラム |
CN108520451A (zh) * | 2018-03-27 | 2018-09-11 | 何永安 | 一种车辆租赁的方法、装置、服务器及存储介质 |
-
2019
- 2019-10-17 JP JP2019190379A patent/JP7243564B2/ja active Active
-
2020
- 2020-07-17 US US16/931,601 patent/US11657446B2/en active Active
- 2020-07-20 CN CN202010697263.8A patent/CN112700022A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060259353A1 (en) * | 2005-05-31 | 2006-11-16 | Gutmann Steven P | Shared vehicle transportation systems and methods for individuals and entities |
JP2009237832A (ja) * | 2008-03-26 | 2009-10-15 | Tokyo Gas Co Ltd | 可変的予測モデル構築方法、及び、可変的予測モデル構築システム |
CN106537430A (zh) * | 2014-04-14 | 2017-03-22 | 热布卡公司 | 用于车队共享的系统和方法 |
CN107077133A (zh) * | 2014-09-29 | 2017-08-18 | 安飞士巴吉租车公司 | 用于车队中的车辆和车队管理系统之间的双向数据通信的远程信息处理系统、方法和装置 |
CN109416811A (zh) * | 2016-07-05 | 2019-03-01 | 华为技术有限公司 | 管理车辆的方法和装置 |
CN110197290A (zh) * | 2018-02-26 | 2019-09-03 | 丰田自动车株式会社 | 车辆管理设备、车辆管理方法和非瞬态计算机可读介质 |
CN110264023A (zh) * | 2018-03-12 | 2019-09-20 | 丰田自动车株式会社 | 共享车辆管理服务器和存储共享车辆管理程序的非暂时性存储介质 |
CN110298530A (zh) * | 2018-03-22 | 2019-10-01 | 丰田自动车株式会社 | 信息处理装置和非瞬态计算机可读记录介质 |
Also Published As
Publication number | Publication date |
---|---|
US11657446B2 (en) | 2023-05-23 |
JP2021067970A (ja) | 2021-04-30 |
US20210118043A1 (en) | 2021-04-22 |
JP7243564B2 (ja) | 2023-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Boyacı et al. | An integrated optimization-simulation framework for vehicle and personnel relocations of electric carsharing systems with reservations | |
Hörl et al. | Fleet operational policies for automated mobility: A simulation assessment for Zurich | |
Nourinejad et al. | Vehicle relocation and staff rebalancing in one-way carsharing systems | |
Huang et al. | Vehicle relocation in one-way station-based electric carsharing systems: A comparative study of operator-based and user-based methods | |
Hörl et al. | Fleet control algorithms for automated mobility: A simulation assessment for Zurich | |
Spieser et al. | Shared-vehicle mobility-on-demand systems: A fleet operator’s guide to rebalancing empty vehicles | |
Nourinejad et al. | A dynamic carsharing decision support system | |
Brandstätter et al. | Overview of optimization problems in electric car-sharing system design and management | |
CN111612358B (zh) | 共享汽车车辆调度及调度员路径优化方法 | |
Liu et al. | Optimizing fleet size and scheduling of feeder transit services considering the influence of bike-sharing systems | |
Mo et al. | Competition between shared autonomous vehicles and public transit: A case study in Singapore | |
Stokkink et al. | Predictive user-based relocation through incentives in one-way car-sharing systems | |
Riley et al. | Real-time dispatching of large-scale ride-sharing systems: Integrating optimization, machine learning, and model predictive control | |
Hamadneh et al. | Impacts of shared autonomous vehicles on the travelers’ mobility | |
Yang et al. | Double-balanced relocation optimization of one-way car-sharing system with real-time requests | |
Holly et al. | Flexibility management and provision of balancing services with battery-electric automated guided vehicles in the Hamburg container terminal Altenwerder | |
Tang et al. | Integrated optimization of bus line fare and operational strategies using elastic demand | |
CN113672846A (zh) | 网约车调度方法、装置、电子设备及存储介质 | |
CN116324838A (zh) | 用于通过叫车平台调度共享乘车的系统和方法 | |
CN111709562A (zh) | 一种公交车辆的排班时刻表的生成方法及装置 | |
Yu et al. | Optimal operations planning of electric autonomous vehicles via asynchronous learning in ride-hailing systems | |
Tian et al. | A long-term shared autonomous vehicle system design problem considering relocation and pricing | |
CN112700022A (zh) | 信息处理设备及信息处理方法 | |
Huo et al. | A mixed-integer program (MIP) for one-way multiple-type shared electric vehicles allocation with uncertain demand | |
Ahadi et al. | Cooperative learning for smart charging of shared autonomous vehicle fleets |
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 |