CN113553497A - 信息处理装置、非暂时性计算机可读记录介质和信息处理方法 - Google Patents
信息处理装置、非暂时性计算机可读记录介质和信息处理方法 Download PDFInfo
- Publication number
- CN113553497A CN113553497A CN202110429657.XA CN202110429657A CN113553497A CN 113553497 A CN113553497 A CN 113553497A CN 202110429657 A CN202110429657 A CN 202110429657A CN 113553497 A CN113553497 A CN 113553497A
- Authority
- CN
- China
- Prior art keywords
- information
- driving
- user
- vehicle
- controller
- 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 101
- 238000003672 processing method Methods 0.000 title claims abstract description 9
- 238000004891 communication Methods 0.000 claims abstract description 62
- 230000001133 acceleration Effects 0.000 claims description 16
- 238000010801 machine learning Methods 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 description 20
- 230000006870 function Effects 0.000 description 19
- 230000015654 memory Effects 0.000 description 18
- 238000000034 method Methods 0.000 description 13
- 230000005540 biological transmission Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 230000036772 blood pressure Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000029058 respiratory gaseous exchange Effects 0.000 description 4
- 239000004065 semiconductor Substances 0.000 description 4
- 241000270295 Serpentes Species 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/174—Facial expression recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
- B60W40/09—Driving style or behaviour
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D15/00—Steering not otherwise provided for
- B62D15/02—Steering position indicators ; Steering position determination; Steering aids
- B62D15/021—Determination of steering angle
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0282—Rating or review of business operators or products
-
- G06Q50/40—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
- G06V10/95—Hardware or software architectures specially adapted for image or video understanding structured as a network, e.g. client-server architectures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
- G06V20/597—Recognising the driver's state or behaviour, e.g. attention or drowsiness
-
- 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
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3484—Personalized, e.g. from learned user behaviour or user-defined profiles
Abstract
本公开涉及一种信息处理装置、非暂时性计算机可读记录介质和信息处理方法。信息处理装置包括通信单元和控制器。所述控制器基于通信单元接收到的用于申请共乘的申请信息来指定申请共乘的用户。所述控制器基于表示用户对驾驶习惯的偏好度的偏好信息和表示多个驾驶员中的每一个的驾驶习惯的驾驶信息,从多个驾驶员中决定要推荐给用户的驾驶员。
Description
技术领域
本公开涉及一种信息处理装置、非暂时性计算机可读记录介质和信息处理方法。
背景技术
传统上,已知一种用于将车辆的驾驶员与想要搭乘车辆的用户匹配的技术(例如,日本未审查专利申请公开第2004-54444号(JP 2004-54444A))。JP 2004-54444A公开了一种操作服务信息中介系统。JP 2004-54444A中描述的系统包括乘客组和出租车组中的每一个拥有的用户终端组以及在乘客组与出租车组之间对操作服务信息进行中介的信息中介方的信息中介装置。
发明内容
在传统技术中,需要提高用户便利性。
本公开提高了用户便利性。
本公开的第一方案涉及一种信息处理装置。所述信息处理装置包括通信单元和控制器,并且所述控制器被配置为:基于所述通信单元接收到的用于申请共乘的申请信息,指定申请所述共乘的用户,并且基于表示所述用户对驾驶习惯的偏好度的偏好信息和表示多个驾驶员中的每一个驾驶习惯的驾驶信息,从所述多个驾驶员中决定要推荐给所述用户的驾驶员。
本公开的第二方案涉及一种非暂时性计算机可读记录介质,其存储有程序,所述程序使计算机执行操作。所述操作包括:接收用于申请共乘的申请信息;基于所述申请信息指定申请所述共乘的用户;以及基于表示所述用户对驾驶习惯的偏好度的偏好信息和表示多个驾驶员中的每一个的驾驶习惯的驾驶信息,从所述多个驾驶员中决定要推荐给所述用户的驾驶员。
本公开的第三方案涉及一种信息处理方法。所述信息处理方法包括:由信息处理装置接收用于申请共乘的申请信息;由所述信息处理装置基于所述申请信息指定申请所述共乘的用户;以及由所述信息处理装置基于表示所述用户对驾驶习惯的偏好度的偏好信息和表示多个驾驶员中的每一个的驾驶习惯的驾驶信息,从多个驾驶员中决定要推荐给所述用户的驾驶员。
根据本公开的方案,可以提高用户的便利性。
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,相同的标号示出相同的元件,并且其中:
图1是示出根据本公开的第一实施例的信息处理系统的配置的图;
图2是示出图1所示的信息处理系统的详细配置的框图;
图3是示出根据本公开的第一实施例的偏好信息的示例的图;
图4是示出根据本公开的第一实施例的驾驶信息的示例的图;
图5是示出根据本公开的第一实施例的信息处理系统的操作的流程图;
图6是示出根据本公开的第二实施例的模型的概念的图;以及
图7是示出根据本公开的第二实施例的信息处理系统的操作的流程图。
具体实施方式
在下文中,将参考附图描述本公开的实施例。在以下附图所示的部件中,相同的部件由相同的附图标记指定。
第一实施例
如图1所示,根据本公开的第一实施例的信息处理系统1包括终端装置10、车辆20A、车辆20B、车辆20C和信息处理装置30。
在下文中,在不特别区分车辆20A、车辆20B、车辆20C的情况下,将这些车辆统称为“车辆20”。图1示出了包括三个车辆20的信息处理系统1。在信息处理系统1中包括的车辆20的数量不限于三个。信息处理系统1可以包括至少一个车辆20。
终端装置10、车辆20和信息处理装置30可以经由网络40彼此通信。网络40可以是包括移动通信网络、互联网等的任何网络。
信息处理系统1可以提供共乘服务。共乘服务是一种将想要共乘的用户与预先登记的驾驶员相匹配的服务。用户的示例包括用户X。预先登记的驾驶员的示例包括驾驶员A、驾驶员B、驾驶员C。当建立匹配时,用户可以搭乘由匹配的驾驶员驾驶的车辆20。
终端装置10可以由用户使用。例如,终端装置10可以由用户X使用。可以在终端装置10中安装提供共乘服务的专用应用。用户可以经由终端装置10申请共乘服务的使用。
终端装置10可以是任何装置,只要可以使用提供共乘服务的专用应用等。例如,终端装置10是移动电话、智能手机、平板电脑或个人计算机(PC)。
车辆20可由驾驶员驾驶。驾驶车辆20的驾驶员可以是在共乘服务中预先登记的驾驶员。例如,车辆20A、20B、20C的驾驶员可以分别是驾驶员A、B、C。注意,不同的驾驶员可以例如在不同的时段驾驶相同的车辆20。例如,驾驶员A和驾驶员B可以在不同的时段驾驶车辆20A。
车辆20可以是任何类型的汽车。例如,车辆20是汽油车辆、柴油车辆、混合动力车辆(HV)、插电式混合动力车辆(PHV)、电动车辆(EV)或燃料电池车辆(FCV)。车辆20可以由驾驶员驾驶。车辆20的驾驶可以在任何等级上自动化。例如,自动化等级是汽车工程师协会(Society of Automotive Engineers,简称SAE)等级中从等级1到5的任何一级。车辆20可以是专用于移动即服务(MaaS)的车辆。
车辆20可以由驾驶员和由共享服务匹配的用户共享。这里,由于驾驶员的驾驶技能、个性等,驾驶员的驾驶习惯可能根据驾驶员而不同。驾驶习惯是当驾驶员操作车辆20的操作设备来驾驶车辆20时在车辆20的行驶状态等中出现的习惯。例如,驾驶习惯是蛇形驾驶(meandering driving)的习惯、安全驾驶的习惯以及危险驾驶的习惯。另外,用户对驾驶员的驾驶习惯的偏好可以根据用户而不同。例如,在用户容易晕车且驾驶员倾向于蛇形地驾驶的情况下,用户可能对驾驶员的驾驶感到不舒服。例如,在用户更喜欢安全驾驶且驾驶员倾向于安全地驾驶的情况下,用户可能会对驾驶员的驾驶感觉良好。
信息处理装置30可以提供共乘服务。信息处理装置30将申请使用共乘服务的用户与预先登记的驾驶员进行匹配。当将用户与驾驶员匹配时,信息处理装置30可以通过稍后描述的处理从多个驾驶员中推荐具有适合用户的偏好的驾驶习惯的驾驶员。利用这种配置,可以降低在用户共享车辆20时用户对驾驶员的驾驶感到不舒服的可能性。另外,可以增加在用户共享车辆20时用户对驾驶员的驾驶感觉良好的可能性。
信息处理装置30可以是被配置为用作服务器的专用计算机、通用个人计算机、云计算系统等。
如图2所示,终端装置10包括通信单元11、输入单元12、输出单元13、存储单元14和控制器15。
通信单元11可以被配置为包括可以连接至网络40的至少一个通信模块。例如,通信模块是与诸如长期演进(LTE)、第四代(4G)或第五代(5G)的移动通信标准兼容的模块。
输入单元12可以接收来自用户的输入。输入单元12可以被配置为包括可以接收来自用户的输入的至少一个输入接口。输入接口可以是物理键、电容键、点击装置、与显示器一体设置的触摸屏、麦克风等。输入单元12可以设置在终端装置10中,或者可以作为外部输入设备连接至终端装置10。在输入单元12作为外部输入设备连接至终端装置10的情况下,输入单元12与终端装置10之间的连接方法可以是任何连接方法。例如,连接方法是通用串行总线(USB)、高清晰度多媒体接口(HDMI,注册商标)、蓝牙(Bluetooth,注册商标)等。
输出单元13可以输出数据。输出单元13可以被配置为包括可以输出数据的至少一个输出接口。输出接口可以是显示器、扬声器等。显示器可以是液晶显示器(LCD)、有机电致发光(EL)显示器等。输出单元13可以设置在终端装置10中,或者可以作为外部输出设备连接至终端装置10。在输出单元13作为外部输出设备连接至终端装置10的情况下,输出单元13与终端装置10之间的连接方法可以是任何连接方法。例如,连接方法是USB、HDMI(注册商标)、蓝牙(注册商标)等。
存储单元14可以被配置为包括至少一个半导体存储器、至少一个磁存储器、至少一个光学存储器或者这些存储器中的至少两种的组合。半导体存储器例如是随机存取存储器(RAM)或只读存储器(ROM)。RAM例如是静态随机存取存储器(SRAM)或动态随机存取存储器(DRAM)。ROM例如是电可擦除可编程只读存储器(EEPROM)。存储单元14可以用作主存储装置、辅助存储装置或高速缓冲存储器。存储单元14存储用于终端装置10的操作的数据和通过终端装置10的操作获得的数据。
控制器15可以被配置为包括至少一个处理器、至少一个专用电路或其组合。处理器是诸如中央处理单元(CPU)或图形处理单元(GPU)的通用处理器,或者专用于特定处理的专用处理器。专用电路例如是现场可编程门阵列(FPGA)或专用集成电路(ASIC)。控制器15可以在控制终端装置10的各个单元的同时执行与终端装置10的操作相关的处理。
终端装置10的功能可以通过由与控制器15相对应的处理器执行根据本实施例的终端控制程序来实现。也就是说,终端装置10的功能可以通过软件实现。通过使计算机执行终端装置10的操作,终端控制程序可以使计算机用作终端装置10。也就是说,通过根据终端控制程序执行终端装置10的操作,计算机可以用作终端装置10。
在本公开中,“程序”可以记录在计算机可读非暂时性记录介质上。计算机可读非暂时性记录介质例如是磁记录装置、光盘、光磁记录介质或ROM。例如,可以通过出售、转移或租赁便携式记录介质(例如记录有程序的数字多功能盘(DVD)或光盘只读存储器(CD-ROM))来执行程序的分发。程序可以存储在服务器的存储器中。存储在服务器的存储器中的程序可以通过传送到其他计算机来分发。该程序可以作为程序产品提供。
在本公开中,例如,“计算机”可以将记录在便携式记录介质上的程序或从服务器传送的程序临时存储在主存储装置中。此外,计算机可以通过处理器读取存储在主存储装置中的程序,并根据处理器读取的程序执行处理。计算机可以直接从便携式记录介质读取程序,并根据程序执行处理。每当程序从服务器传送到计算机时,计算机可以根据接收到的程序顺序地执行处理。计算机可以通过应用服务提供商(所谓的ASP)类型的服务执行处理,该服务仅通过执行指令和结果获取来实现功能,而无需将程序从服务器传送到计算机。该程序可以包括被提供用于由电子计算机处理的信息,该信息等同于程序。例如,不是对计算机的直接命令而具有定义计算机的处理的属性的数据对应于“等同于程序”。
终端装置10的部分或全部功能可以由与控制器15相对应的专用电路来实现。也就是说,终端装置10的部分或全部功能可以由硬件实现。
控制器15可以通过输入单元12接收用户申请共乘的输入。用户输入由想要使用共乘服务的用户从输入单元12输入。用户输入可以包括用于识别用户的信息的输入、用户期望的乘车位置的输入、用户期望的下车位置的输入等。用于识别用户的信息可以是用户在共乘服务中的会员号、用户使用的终端装置10的电子邮件地址和电话号码中的至少任何一个。当控制器15接收到输入时,控制器15生成申请信息。申请信息可以包括用于识别用户的信息、关于用户期望的乘车位置的信息、关于用户期望的下车位置的信息等。控制器15通过通信单元11经由网络40向信息处理装置30发送生成的申请信息。
在控制器15发送申请信息之后,控制器15可以通过通信单元11经由网络40从信息处理装置30接收推荐信息。如稍后所述,推荐信息可以包括关于要推荐给用户的驾驶员的信息。控制器15使输出单元13输出接收到的推荐信息。推荐信息从输出单元13输出,使得用户可以掌握推荐信息的内容。在用户决定共享由推荐的驾驶员驾驶的车辆20的情况下,用户从输入单元12输入表示共乘决定的输入。当控制器15通过输入单元12接收到表示共乘决定的输入时,控制器15可以通过通信单元11经由网络40向信息处理装置30发送表示共乘决定的通知。在控制器15发送表示共乘决定的通知之后,控制器15可以通过通信单元11经由网络40从信息处理装置30接收预约信息。如稍后所述,预约信息可以包括表示预约完成的通知等。控制器15使输出单元13输出预约信息。此后,用户可以搭乘由决定共享的驾驶员驾驶的车辆20。
控制器15可以通过输入单元12接收表示对驾驶员的驾驶的评价的输入。该输入由用户在车辆20的共乘期间或在车辆20的共乘之后从输入单元12输入。当控制器15接收到输入单元12的输入时,控制器15可以通过通信单元11经由网络40向信息处理装置30发送表示对驾驶员的驾驶的评价的输入信息。
如图2所示,车辆20包括电子控制单元(ECU)21和控制装置22。ECU21和控制装置22彼此可通信地连接。控制装置22包括通信单元23、定位单元24、生物传感器25、照相机26、存储单元27和控制器28。存储单元27和控制器28可以是ECU 21的一部分。
ECU 21可以控制安装在车辆20中的各种设备。ECU 21向控制器28输出稍后描述的驾驶操作信息。
作为通信单元11的配置,通信单元23可以被配置为包括可以连接至网络40的至少一个通信模块。
定位单元24可以获取车辆20的位置信息。定位单元24向控制器28输出车辆20的位置信息。定位单元24可以被配置为包括全球定位系统(GPS)接收模块。
生物传感器25可以检测正在共享车辆20的用户的生物特征信息。生物传感器25向控制器28输出检测结果。生物特征信息可以是脉搏率、血压和呼吸率中的至少任何一种。生物传感器25可以是能够检测脉搏率的脉搏传感器、能够检测血压的血压传感器和能够检测呼吸率的呼吸传感器中的至少任一种。生物传感器25可以布置在可以检测到正在共享车辆20的用户的生物特征信息的任意位置。例如,在生物传感器是脉搏传感器的情况下,如图1所示,生物传感器25可以布置在车辆20的后座和乘客座椅中的至少任何一种。正在共享车辆20的用户可以坐在车辆20的后座和乘客座椅中的至少任何一种。
照相机26可以对正在共享车辆20的用户的面部图像进行成像。照相机26向控制器28输出用户的面部图像。照相机26可以布置在正在共享车辆20的用户的面部图像可以被成像的任何位置。照相机26可以如图1所示布置在车辆20的仪表板处,使得可以对坐在车辆20的乘客座椅上的用户的面部图像进行成像。照相机26可以如图1所示布置在车辆20的支柱上,使得可以对坐在车辆20的后座上的用户的面部图像进行成像。
如同存储单元14的配置,存储单元27可以被配置为包括至少一个半导体存储器、至少一个磁存储器、至少一个光学存储器或这些存储器中的至少两种的组合。存储单元27存储用于车辆20的操作的数据和通过车辆20的操作获得的数据。
如同控制器15的配置,控制器28可以被配置为包括至少一个处理器、至少一个专用电路或其组合。控制器28可以在控制车辆20的各个单元的同时执行与车辆20的操作相关的处理。
通过由在控制器28中包括的处理器执行根据本实施例的车辆控制程序来实现控制装置22的功能。也就是说,通过软件实现控制装置22的功能。车辆控制程序是用于使计算机执行在控制装置22的操作中包括的步骤的处理的程序,使得计算机可以实现与步骤的处理相对应的功能。也就是说,车辆控制程序是用于使计算机用作控制装置22的程序。
控制装置22的部分或全部功能可以由控制器28中包括的专用电路来实现。也就是说,控制装置22的部分或全部功能可以由硬件实现。
控制器28可以通过定位单元24以预设的时间间隔获取车辆20的位置信息。可以基于车辆20的平均速度等适当地设定时间间隔。控制器28可以通过通信单元23经由网络40向信息处理装置30发送获取的车辆20的位置信息。控制器28可以将获取的车辆20的位置信息与用于识别车辆20的驾驶员的信息一起发送到信息处理装置30。用于识别车辆20的驾驶员的信息可以是共乘服务等中的驾驶员的登记号。
控制器28可以从ECU 21获取驾驶操作信息。控制器28可以在驾驶员正在驾驶车辆20时获取驾驶操作信息。驾驶操作信息可以是能够通过分析驾驶操作信息来区分驾驶员的驾驶习惯的信息。
驾驶操作信息可以包括表示驾驶员对车辆20的操作设备的操作的信息。车辆20的操作设备例如是加速器、制动器和转向装置。在这种情况下,驾驶操作信息可以是表示驾驶员对加速器的操作、驾驶员对制动器的操作和驾驶员对转向装置的操作中的至少任一种的历史的信息。
驾驶操作信息可以包括表示在驾驶员操作车辆20的操作设备时车辆20行驶等时的车辆20的状态等的信息。在这种情况下,驾驶操作信息可以包括车辆20的速度信息、车辆20的加速度信息和车辆20的车轮转向角信息中的至少任何一种。车辆20的速度信息可以是表示车辆20的速度的历史的信息。车辆20的加速度信息可以是表示车辆20的加速度的历史的信息。车辆20的加速度可以包括车辆20的行驶方向上的加速度和与车辆20的行驶方向相反的方向上的加速度。车辆20的车轮转向角信息可以是表示车轮转向角的历史的信息。
在下文中,将驾驶操作信息描述为包括车辆20的速度信息、车辆20的加速度信息和车辆20的车轮转向角信息。
控制器28可以通过通信单元23经由网络40向信息处理装置30发送获取的驾驶操作信息。控制器28可以将驾驶操作信息与用于识别车辆20的驾驶员的信息一起发送到信息处理装置30。控制器28可以以预设的时间间隔向信息处理装置30发送驾驶操作信息。可以基于驾驶员驾驶车辆20的时间等来适当地设定时间间隔。另外,控制器28可以通过通信单元23经由网络40从信息处理装置30接收请求发送驾驶操作信息的通知。当控制器28接收到请求发送驾驶操作信息的通知时,控制器28可以向信息处理装置30发送驾驶操作信息。
控制器28可以从生物传感器25获取用户的生物特征信息。控制器28可以通过通信单元23经由网络40向信息处理装置30发送用户的生物特征信息。控制器28可以通过通信单元23经由网络40从信息处理装置30接收表示用户的生物特征信息的发送请求的通知。当控制器28接收到表示发送请求的通知时,控制器28可以发送用户的生物特征信息。
控制器28可以从照相机26获取用户的面部图像。控制器28可以通过通信单元23经由网络40向信息处理装置30发送用户的面部图像。控制器28可以通过通信单元23经由网络40从信息处理装置30接收表示用户的面部图像的发送请求的通知。当控制器28接收到表示发送请求的通知时,控制器28可以发送用户的面部图像。
如图2所示,信息处理装置30包括通信单元31、存储单元32和控制器33。
通信单元31可被配置为包括可连接至网络40的至少一个通信模块。例如,通信模块是与诸如有线局域网(LAN)或无线LAN的标准兼容的模块。通信单元31可以通过通信模块经由有线LAN或无线LAN连接至网络40。
如同存储单元14的配置,存储单元32可以被配置为包括至少一个半导体存储器、至少一个磁存储器、至少一个光学存储器或者这些存储器中的至少两种的组合。存储单元32存储用于信息处理装置30的操作的数据和通过信息处理装置30的操作获得的数据。
如同控制器15的配置,控制器33可以被配置为包括至少一个处理器、至少一个专用电路或其组合。控制器33可以在控制信息处理装置30的各个单元的同时执行与信息处理装置30的操作相关的处理。
可以通过由与信息处理装置30相对应的处理器执行根据本实施例的信息处理程序来实现信息处理装置30的功能。也就是说,信息处理装置30的功能可以通过软件实现。通过使计算机执行信息处理装置30的操作,信息处理程序可以使计算机用作信息处理装置30。也就是说,通过根据信息处理程序执行信息处理装置30的操作,计算机可以用作信息处理装置30。
信息处理装置30的部分或全部功能可以由与控制器33相对应的专用电路来实现。也就是说,信息处理装置30的部分或全部功能可以由硬件实现。
控制器33可以通过通信单元31经由网络40从终端装置10接收申请信息。如上所述,申请信息可以包括用于识别用户的信息、关于用户期望的乘车位置的信息、关于用户期望的下车位置的信息等。控制器33基于用于识别用户的信息来指定申请共乘的用户。另外,控制器33可以从多个预先登记的驾驶员中选择能够与指定的用户共乘的驾驶员。例如,控制器33通过通信单元31经由网络40从多个车辆20中的至少一个车辆20中获取至少一个车辆20的位置信息。控制器33基于所获取的车辆20的位置信息,提取距用户期望的乘车位置预设范围内的车辆20。可根据区域适当地设定用于提取车辆20的范围。控制器33选择提取的车辆20的驾驶员作为能够与指定的用户共乘的驾驶员。
推荐驾驶员的决定处理
例如,在选择了多个驾驶员的情况下,控制器33基于偏好信息和驾驶信息,从多个驾驶员中决定要推荐给申请共乘的用户的驾驶员。偏好信息是表示用户对驾驶习惯的偏好度的信息。在本实施例中,偏好度是表示用户的偏好度的指标。注意,偏好度可以是表示用户的满意程度或用户的放松程度的指标。在本实施例中,与高偏好度相对应的驾驶习惯比与低偏好度相对应的驾驶习惯更适合用户的偏好。此外,驾驶信息是表示各个驾驶员的驾驶习惯的信息。基于这样的偏好信息和驾驶信息,控制器33可以将具有适合用户的偏好的驾驶习惯的驾驶员推荐给申请共乘的用户。
在第一实施例中,控制器33通过将如图3所示的偏好信息与如图4所示的驾驶信息进行核对,从多个驾驶员中决定要推荐给申请共乘的用户的驾驶员。
如图3和图4所示,可通过预设的分类来区分驾驶习惯。分类50、51、52、53是驾驶习惯的分类的示例。可以基于可能影响一般用户的偏好的驾驶习惯来适当地设定驾驶习惯的分类。驾驶习惯的分类可以由车辆20的速度、车辆20的加速度、车辆20的车轮转向角的运动等来限定。
分类50是车辆20的平均速度低于法定速度的分类。分类50是车辆20的平均加速度低于预设的设定值的分类。设定值可以基于加速度施加到人体的负荷来适当地设定。分类50是其中车辆20的车轮转向角的移动比一般的车轮转向角的运动慢的分类。分类50可以表示所谓的安全驾驶的习惯。
分类51是车辆20的平均速度低于一般的车辆的平均速度的分类。分类51是车辆20的平均加速度低于预设的设定值的分类。设定值可以与分类50中的上述设定值相同。在分类51中,车辆20的车轮转向角的运动趋向于与一般的车轮转向角的运动大致相同。分类51可以表示所谓的低速驾驶的习惯。
分类52是车辆20的平均速度和平均加速度与一般的车辆的平均速度和平均加速度大致相同的分类。分类52是车辆20的车轮转向角比一般的车辆的车轮转向角变化更频繁的分类。分类52是车辆20的车轮转向角的变化量大于一般的车辆的车轮转向角的变化量的分类。分类52可以表示所谓的蛇形驾驶的习惯。
分类53是车辆20的平均速度高于法定速度的分类。分类53是车辆20的平均加速度高于一般的车辆的平均加速度的分类。分类53是车辆20的车轮转向角比一般的车辆的车轮转向角变化更频繁的分类。分类53可以表示所谓的危险驾驶的习惯。
如图3所示,偏好信息中的偏好度可以是分数。注意,偏好度不限于分数。例如,偏好度可以是表示用户的偏好度的标志等。在偏好度是分数的情况下,与高分数相对应的驾驶习惯比与低分数相对应的驾驶习惯更适合用户的偏好。在通过如图3所示的分类来区分驾驶习惯的情况下,与高分数相对应的驾驶习惯的分类比与低分数相对应的驾驶习惯的分类更适合用户的偏好。
在如图3所示的偏好信息中,用户X对于分类50的分数是“3”。用户X对于分类51的分数是“2”。用户X对于分类52、53中的每一个的分数是“0”。
在如图4所示的驾驶信息中,驾驶员A的驾驶习惯的分类是分类50。驾驶员B的驾驶习惯的分类是分类53。驾驶员C的驾驶习惯的分类是分类51。
当将偏好信息与驾驶信息进行核对时,控制器33可以参照如图3所示的偏好信息,为申请共乘的用户指定与最高分数相对应的驾驶习惯的分类。控制器33可以参照如图4所示的驾驶信息,判定在如上所述选择的驾驶员中是否存在属于与对应于最高分数的驾驶习惯的指定分类相同的驾驶习惯的分类的驾驶员。在控制器33判定存在属于与对应于最高分数的驾驶习惯的指定分类相同的驾驶习惯的分类的驾驶员的情况下,控制器33可以决定向用户推荐该驾驶员。在控制器33判定不存在属于相同的驾驶习惯的分类的驾驶员的情况下,控制器33可以从多个驾驶员中决定将属于与对应于最高分数的驾驶习惯的指定分类类似的驾驶习惯的分类的驾驶员推荐给用户。可根据诸如定义驾驶习惯的分类的车辆20的速度的因素来适当地决定驾驶习惯的类似分类。
例如,假设控制器33将用户X指定为申请共乘的用户。此外,假设控制器33选择所有驾驶员A到C作为能够与用户X共乘的驾驶员。在这种情况下,控制器33参照如图3所示的偏好信息,指定与用户X的最高分数相对应的驾驶习惯的分类为分类50。控制器33参照图4所示的驾驶信息,判定在驾驶员A到C中存在属于与分类50相同的驾驶习惯的分类的驾驶员A。控制器33决定将驾驶员A推荐给用户X。
例如,假设控制器33将用户X指定为申请共乘的用户。此外,假设控制器33选择驾驶员B和驾驶员C作为能够与用户X共乘的驾驶员。在这种情况下,控制器33参照如图4所示的驾驶信息判定不存在属于分类50的驾驶员。这里,假设分类50和分类51是类似的驾驶习惯的分类,因为车辆20的平均加速度低于预设的设定值。在这种情况下,控制器33从驾驶员B和驾驶员C中决定将属于分类51的驾驶员C推荐给用户X。
预约信息的发送处理
当控制器33决定了推荐的驾驶员时,控制器33生成推荐信息。推荐信息可以包括要推荐给用户的驾驶员的信息。推荐的驾驶员的信息可以包括驾驶员的联系号码等。推荐的驾驶员的信息可以包括表示驾驶员的驾驶习惯的信息。表示驾驶员的驾驶习惯的信息可以是表示驾驶员的驾驶习惯的分类的信息。控制器33通过通信单元31经由网络40向终端装置10发送生成的推荐信息。在控制器33发送推荐信息之后,控制器33可以通过通信单元31经由网络40从终端装置10接收表示共乘决定的通知。当控制器33接收到表示共乘决定的通知时,控制器33生成预约信息。预约信息包括表示预约完成的通知、驾驶员信息、驾驶员驾驶的车辆20的信息、乘车位置的信息、下车位置的信息等。控制器33通过通信单元31经由网络40向终端装置10发送生成的预约信息。控制器33可以通过通信单元31经由网络40向决定共乘的驾驶员的终端装置发送生成的预约信息。
驾驶信息的生成或更新处理
控制器33可以通过通信单元31经由网络40从车辆20接收在至少一个驾驶员正在驾驶时在车辆20中获取的驾驶操作信息。控制器33可以经由网络40从车辆20接收驾驶操作信息以及用于识别驾驶员的信息。控制器33可以通过分析接收到的驾驶操作信息来获取各个驾驶员的驾驶习惯。在如上所述通过预设的分类来区分驾驶习惯的情况下,控制器33可以通过分析接收到的驾驶操作信息来决定各个驾驶员的驾驶习惯的分类。控制器33可以通过将所决定的驾驶习惯的分类与从车辆20接收的用于识别驾驶员的信息相关联来生成表示驾驶员的驾驶习惯的信息。例如,在控制器33决定驾驶员A的驾驶习惯的分类是分类50的情况下,控制器33通过将从车辆20A接收的用于识别驾驶员A的信息与分类50相关联来生成表示驾驶员A的驾驶习惯的信息。
控制器33可以利用所生成的表示驾驶员的驾驶习惯的信息来生成或更新驾驶信息的至少一些。在驾驶信息中不存在从车辆20接收的用于识别驾驶员的信息的情况下,控制器33可以通过将所生成的表示驾驶员的驾驶习惯的信息包括在驾驶信息中来生成驾驶信息的至少一些。在驾驶信息中已经存在从车辆20接收的用于识别驾驶员的信息的情况下,控制器33可以在驾驶信息中将与已经存在的用于识别驾驶员的信息相关联的驾驶习惯的分类替换为新决定的驾驶习惯的分类。控制器33可以通过在驾驶信息中替换驾驶习惯的分类来更新驾驶信息的至少一些。
控制器33可以通过在上述推荐驾驶员的决定处理中将更新后的驾驶信息与偏好信息进行核对来决定推荐的驾驶员。这里,驾驶员的驾驶习惯可能根据各种因素而改变,例如驾驶员的驾驶技能的提高和退步以及驾驶员的心理状况。也就是说,驾驶员的驾驶习惯可能在大约几天的较短时间段内改变。通过更新驾驶信息,驾驶信息可以是表示驾驶员的最新驾驶习惯的信息。由于驾驶信息是表示驾驶员的最新驾驶习惯的信息,因此控制器33可以更准确地推荐具有适合用户的偏好的驾驶习惯的驾驶员。控制器33可以通过以预设的时间间隔从车辆20接收上述驾驶操作信息来生成或更新驾驶信息的至少一些。如上所述,车辆20可以以预设的时间间隔向信息处理装置30发送车辆20的驾驶操作信息。
当控制器33在上述推荐驾驶员的决定处理中通过通信单元31接收到申请信息时,控制器33可以生成或更新驾驶信息的至少一些。利用这种配置,可以紧接在信息处理装置30接收到申请信息之后更新驾驶信息。由于紧接在信息处理装置30接收到申请信息之后更新驾驶信息,因此控制器33可以更准确地推荐具有适合用户的偏好的驾驶习惯的驾驶员。这里,当控制器33接收到上述申请信息时,控制器33可以通过通信单元31经由网络40向车辆20发送请求发送驾驶操作信息的通知。控制器33可以通过向车辆20发送请求发送驾驶操作信息的通知,从车辆20接收上述驾驶操作信息。
偏好信息的生成或更新处理
在下文中,驾驶员和用户共享车辆20的时间段也被称为“共乘时间段”。控制器33可以以预设的时间间隔经由网络40获取用户共享的车辆20的位置信息。控制器33可以将从车辆20的位置与预约信息的乘车位置匹配时起到车辆20的位置与预约信息的下车位置匹配时为止的时间段作为共乘时间段。
控制器33可以利用在用户共享的车辆20中获取的驾驶操作信息和由反应信息来估计用户对用户共享的车辆20的驾驶员的驾驶习惯的偏好度的结果来生成或更新偏好信息的至少一些。反应信息是由用户在共乘期间或共乘之后示出的、表示对用户共享的车辆20的驾驶员的驾驶的反应的信息。这里,控制器33可以通过通信单元31经由网络40接收在用户共享的车辆20中获取的驾驶操作信息。控制器33可以基于接收到的驾驶操作信息来决定由用户共享的车辆20的驾驶员的驾驶习惯的分类。控制器33可以利用所决定的驾驶员的驾驶习惯的分类和反应信息来生成或更新偏好信息的至少一些。在下文中,将描述反应信息的示例。
示例1
反应信息可以包括表示对用户共享的车辆20的驾驶员的驾驶的评价的输入信息。输入信息可以是用户在共乘期间或共乘之后从终端装置10输入的信息。在控制器33在共乘期间接收到表示对驾驶员的驾驶的评价的输入信息的情况下,控制器33可以认为输入信息是在用户共乘时输入的信息。此外,在控制器33紧接在车辆20的位置与预约信息的下车位置不匹配之后接收到表示对驾驶员的驾驶的评价的输入信息的情况下,控制器33可以认为输入信息是在用户共乘之后输入的信息。
控制器33可以通过分析对车辆20的驾驶员的驾驶的评价来估计偏好度。在偏好度是分数的情况下,对偏好度的估计可以是分数决定。例如,在偏好度是分数的情况下,与当车辆20的驾驶员的驾驶在评价中被评为低时相比,当车辆20的驾驶员的驾驶在评价中被评为高时,控制器33决定更高的分数。
控制器33可以将估计的偏好度赋予所决定的驾驶员的驾驶习惯的分类。控制器33可以利用被新赋予了偏好度的驾驶员的驾驶习惯的分类来生成或更新偏好信息的至少一些。在偏好信息中不存在被新赋予了偏好度的驾驶员的驾驶习惯的分类的情况下,控制器33可以通过将被新赋予了偏好度的驾驶习惯的分类包括在偏好信息中来生成一些偏好信息。在偏好信息中已经存在被新赋予了偏好度的驾驶员的驾驶习惯的分类的情况下,控制器33可以在偏好信息中用新的偏好度替换被赋予已经存在的驾驶习惯的分类的偏好度。控制器33可以通过在偏好信息中替换分类的偏好度来更新偏好信息的至少一些。
示例2
反应信息可以包括用户的生物特征信息。控制器33可以通过通信单元31经由网络40从车辆20接收用户的生物特征信息。控制器33可以通过通信单元31经由网络40向用户正在共享的车辆20发送表示用户的生物特征信息的发送请求的通知。在共乘时间段期间,控制器33可以以预设的时间间隔向用户正在共享的车辆20发送表示用户的生物特征信息的发送请求的通知。可以基于用户的生物特征信息可以以其改变的时间间隔来适当地设定时间间隔。如上所述,用户的生物特征信息可以是脉搏率、血压和呼吸率中的至少任一种。
控制器33可以由作为反应信息的用户的生物特征信息来估计用户对由用户共享的车辆20的驾驶员的驾驶习惯的偏好度。在偏好度是分数的情况下,对偏好度的估计可以是分数决定。例如,在偏好度是分数的情况下,控制器33分析用户的生物特征信息,并且与当用户被估计为紧张时相比,当用户被估计为放松时决定更高的分数。
控制器33将估计的偏好度赋予所决定的驾驶员的驾驶习惯的分类。以与示例1中相同的方式,控制器33可以利用被新赋予了偏好度的驾驶员的驾驶习惯的分类来生成或更新偏好信息的至少一些。
示例3
反应信息可以包括用户的面部图像。控制器33可以通过通信单元31经由网络40从车辆20接收用户的面部图像。控制器33可以通过通信单元31经由网络40向用户正在共享的车辆20发送表示用户的面部图像的发送请求的通知。在共乘时间段期间,控制器33可以以预设的时间段向用户正在共享的车辆20发送表示用户的面部图像的发送请求的通知。可以基于用户的面部图像可以以其改变的时间间隔来适当地设定时间间隔。
控制器33可以由作为反应信息的用户的面部图像估计用户对由用户共享的车辆20的驾驶员的驾驶习惯的偏好度。在偏好度是分数的情况下,对偏好度的估计可以是分数决定。例如,在偏好度是分数的情况下,控制器33分析用户的面部图像,并且与当估计用户晕车时相比,当估计用户不晕车时决定更高的分数。
控制器33将估计的偏好度赋予所决定的驾驶员的驾驶习惯的分类。以与示例1中相同的方式,控制器33可以利用被新赋予了偏好度的驾驶员的驾驶习惯的分类来生成或更新偏好信息的至少一些。
信息处理系统的操作
将参照图5描述图1所示的信息处理系统1的操作的示例。该操作与根据本实施例的信息处理方法的示例相对应。
控制器33通过通信单元31经由网络40从终端装置10接收申请信息(步骤S10)。控制器33生成或更新驾驶信息的至少一些(步骤S11)。控制器33通过将偏好信息与驾驶信息进行核对来决定要推荐给申请共乘的用户的驾驶员(步骤S12)。控制器33通过通信单元31经由网络40向终端装置10发送推荐信息(步骤S13)。控制器33通过通信单元31经由网络40从终端装置10接收表示共乘决定的通知(步骤S14)。控制器33通过通信单元31经由网络40向终端装置10发送预约信息(步骤S15)。之后,用户可以搭乘车辆20。控制器33生成或更新偏好信息的至少一些(步骤S16)。
如上所述,在根据第一实施例的信息处理系统1中,信息处理装置30基于驾驶信息和偏好信息从多个驾驶员中决定要推荐给申请共乘的用户的驾驶员。利用这种配置,信息处理装置30可以向申请共乘的用户推荐具有适合用户的偏好的驾驶习惯的驾驶员。因此,根据本实施例,可以提高用户的便利性。
另外,由于信息处理装置30可以推荐具有适合用户的偏好的驾驶习惯的驾驶员,因此可以促进共乘服务的使用。
第二实施例
在第二实施例中,例如,在选择多个驾驶员的情况下,控制器33通过机器学习模型获取偏好信息。该模型以用于识别用户的信息和驾驶信息为输入,且被机器学习以输出偏好信息。从模型输出的偏好信息示出了申请共乘的用户对多个驾驶员中的每一个的驾驶习惯的偏好度。
图6表示示出了根据本公开的第二实施例的模型的概念的图。在图6中,控制器33将用户X指定为申请共乘的用户。在这种情况下,控制器33将作为用于识别用户X的信息的用户X的会员号和驾驶信息输入到模型中。在图6中,驾驶信息与图4中所示的驾驶信息相同。模型以用户X的会员号和驾驶信息为输入,且输出表示用户X对驾驶员A到C中的每一个的驾驶习惯的偏好度的偏好信息。也就是说,模型输出表示用户X对分类50、51、53的偏好度的偏好信息。
控制器33基于所获取的偏好信息来从多个驾驶员中决定要推荐给申请共乘的用户的驾驶员。在通过预设的分类区分驾驶习惯的情况下,控制器33可以基于获取的偏好信息来指定与申请共乘的用户的最高偏好度相对应的驾驶习惯的分类。控制器33可以从多个驾驶员中决定推荐属于与最高偏好度相对应的驾驶习惯的指定分类的驾驶员。在如图6所示的模型输出的偏好信息中,假设分类50的偏好度最高。在这种情况下,控制器33决定将属于分类50的驾驶员A推荐给用户X。
该模型可以将分数赋予多个驾驶员中的每一个的驾驶习惯,作为偏好信息的输出。在通过预设的分类来区分驾驶习惯的情况下,如图6所示,模型可以将分数赋予多个驾驶员中的每一个的驾驶习惯的分类。被赋予高分数的驾驶习惯的分类比被赋予低分数的驾驶习惯的分类更适合用户的偏好。控制器33可以从多个驾驶员中优先地将具有被赋予高分数的驾驶习惯的驾驶员决定作为要推荐给申请共乘的用户的驾驶员。例如,如图6所示,控制器33优选地将具有被赋予分数“3”的驾驶习惯的驾驶员A决定为要推荐给用户X的驾驶员。
如在第一实施例中,控制器33可以通过通信单元31经由网络40从车辆20接收在至少一个驾驶员正在驾驶时在车辆20中获取的驾驶操作信息。控制器33可以利用接收到的驾驶操作信息生成或更新驾驶信息的至少一些。此外,如在第一实施例中,当控制器33通过通信单元31接收上述申请信息时,控制器33可以通过通信单元31经由网络40从车辆20接收驾驶操作信息。也就是说,如在第一实施例中,当控制器33通过通信单元31接收到上述申请信息时,控制器33可以生成或更新驾驶信息的至少一些。在第二实施例中,控制器33可以在决定推荐的驾驶员时将更新后的驾驶信息输入到模型中。
控制器33可以使用驾驶信息、反应信息和标记在反应信息上的分数作为学习数据来训练模型。这种学习数据可以是监督学习数据。反应信息可以如第一实施例中所述。如上所述,在第一实施例中,控制器33可以通过通信单元31经由网络40从车辆20接收反应信息。可以根据反应信息的类型适当地进行标记。例如,在用户的生物特征信息被用作反应信息的情况下,可以用比表示用户紧张的生物特征信息更高的分数来标记表示用户放松的生物特征信息。每当控制器33接收到反应信息时,控制器33可以用分数标记反应信息,并将标记有分数的反应信息存储在存储单元32中。当存储在存储单元32中的学习数据的量达到预设量时,控制器33可以利用学习数据训练模型。可以根据模型中采用的机器学习算法适当地设定预设量。
信息处理系统的操作
将参照图7描述根据第二实施例的信息处理系统1的操作的示例。该操作与根据本实施例的信息处理方法的示例相对应。
控制器33以与图5所示的步骤S10、S11的处理相同的方式执行步骤S20、S21的处理。控制器33基于机器学习模型决定推荐的驾驶员(步骤S22)。控制器33以与图5所示的步骤S13、S14、S15的处理相同的方式执行步骤S23、S24、S25的处理。之后,用户可以搭乘车辆20。控制器33使用驾驶信息、反应信息和标记在反应信息上的分数作为学习数据来训练模型(步骤S26)。
根据第二实施例的信息处理系统1的其他配置和效果与根据第一实施例的信息处理系统1的配置和效果相同。
本公开不限于上述实施例。例如,可以将框图中描述的多个框集成,或者可以将一个框进行分割。代替根据描述按时间顺序执行流程图中描述的多个步骤,可以根据需要并行地或以不同的顺序执行这些步骤,这取决于执行各个步骤的装置的处理能力。在不脱离本公开的精神的情况下,可以进行其他修改。
Claims (20)
1.一种信息处理装置,包括:
通信单元;以及
控制器,所述控制器被配置为:
基于所述通信单元接收到的用于申请共乘的申请信息,指定申请所述共乘的用户,并且
基于表示所述用户对驾驶习惯的偏好度的偏好信息和表示多个驾驶员中的每一个的驾驶习惯的驾驶信息,从所述多个驾驶员中决定要推荐给所述用户的驾驶员。
2.根据权利要求1所述的信息处理装置,其中,所述控制器通过将所述偏好信息与所述驾驶信息进行核对,从所述多个驾驶员中决定要推荐给所述用户的所述驾驶员。
3.根据权利要求2所述的信息处理装置,其中,所述控制器
当所述通信单元从车辆接收到在所述多个驾驶员中的至少一个驾驶员正在驾驶时在所述车辆中获取的驾驶操作信息时,更新所述驾驶信息,并且
通过将所述偏好信息与更新后的驾驶信息进行核对,从所述多个驾驶员中决定要推荐给所述用户的所述驾驶员。
4.根据权利要求3所述的信息处理装置,其中,当所述通信单元接收到所述申请信息时,所述控制器通过所述通信单元从所述车辆接收在所述至少一个驾驶员正在驾驶时在所述车辆中获取的所述驾驶操作信息。
5.根据权利要求3或4所述的信息处理装置,其中,在所述至少一个驾驶员正在驾驶时在所述车辆中获取的所述驾驶操作信息包括所述车辆的速度信息、所述车辆的加速度信息和所述车辆的车轮转向角信息中的至少任何一种。
6.根据权利要求2至5中任一项所述的信息处理装置,其中:
所述偏好度是分数;并且
与高分数对应的驾驶习惯比与低分数对应的驾驶习惯更适合用户的偏好。
7.根据权利要求3至6中任一项所述的信息处理装置,其中,所述控制器通过分析所述驾驶操作信息来获取所述驾驶信息中的所述多个驾驶员中的每一个的所述驾驶习惯。
8.根据权利要求2至7中任一项所述的信息处理装置,其中,所述控制器利用在所述用户共享的车辆中获取的驾驶操作信息以及由反应信息来估计所述用户对所述用户共享的所述车辆的驾驶员的驾驶习惯的偏好度的结果,来生成或更新所述偏好信息的至少一些,所述反应信息表示对所述用户共享的所述车辆的所述驾驶员的驾驶的反应且由所述用户在所述共乘的期间或所述共乘之后示出。
9.根据权利要求8所述的信息处理装置,其中,所述反应信息包括所述用户在所述共乘的期间或所述共乘之后输入的输入信息,所述输入信息表示对所述用户共享的所述车辆的所述驾驶员的所述驾驶的评价。
10.根据权利要求8所述的信息处理装置,其中,所述反应信息包括所述用户的生物特征信息。
11.根据权利要求8所述的信息处理装置,其中,所述反应信息包括所述用户的面部图像。
12.根据权利要求10或11所述的信息处理装置,其中,所述控制器通过所述通信单元从所述用户共享的所述车辆接收在所述用户共享的所述车辆中获取的所述驾驶操作信息和所述反应信息,并且由所述反应信息估计所述用户对所述用户共享的所述车辆的所述驾驶员的所述驾驶习惯的所述偏好度。
13.根据权利要求1所述的信息处理装置,其中:
所述控制器通过机器学习模型获取所述偏好信息,所述机器学习模型以用于识别所述用户的信息和所述驾驶信息为输入,且输出所述偏好信息;并且
从所述机器学习模型输出的所述偏好信息表示所述用户对所述多个驾驶员中的每一个的所述驾驶习惯的所述偏好度。
14.根据权利要求13所述的信息处理装置,其中,所述控制器
当所述通信单元从车辆接收在所述多个驾驶员中至少一个驾驶员正在驾驶时在所述车辆中获取的驾驶操作信息时,更新所述驾驶信息,并且
将更新后的驾驶信息输入到所述机器学习模型。
15.根据权利要求14所述的信息处理装置,其中,当所述通信单元接收到所述申请信息时,所述控制器通过所述通信单元从所述车辆接收在所述至少一个驾驶员正在驾驶时在所述车辆中获取的所述驾驶操作信息。
16.根据权利要求13至15中任一项所述的信息处理装置,其中:
所述机器学习模型将分数赋予所述多个驾驶员中的每一个的所述驾驶习惯作为所述偏好信息的输出,并且被赋予高分数的驾驶习惯比被赋予低分数的驾驶习惯更适合用户的偏好;并且
所述控制器从所述多个驾驶员中优先将具有被赋予高分数的所述驾驶习惯的驾驶员决定作为要推荐给所述用户的所述驾驶员。
17.根据权利要求13至16中任一项所述的信息处理装置,其中,所述控制器使用所述驾驶信息、表示对所述用户共享的车辆的驾驶员的驾驶的反应的反应信息以及标记在所述反应信息上的分数作为学习数据来训练所述机器学习模型。
18.根据权利要求1至16中任一项所述的信息处理装置,其中,所述多个驾驶员是在共乘服务中预先登记的驾驶员。
19.一种非暂时性计算机可读记录介质,其存储有程序,所述程序使计算机执行操作,所述操作包括:
接收用于申请共乘的申请信息;
基于所述申请信息指定申请所述共乘的用户;以及
基于表示所述用户对驾驶习惯的偏好度的偏好信息和表示多个驾驶员中的每一个的驾驶习惯的驾驶信息,从所述多个驾驶员中决定要推荐给所述用户的驾驶员。
20.一种信息处理方法,包括:
由信息处理装置接收用于申请共乘的申请信息;
由所述信息处理装置基于所述申请信息指定申请所述共乘的用户;以及
由所述信息处理装置基于表示所述用户对驾驶习惯的偏好度的偏好信息和表示多个驾驶员中的每一个的驾驶习惯的驾驶信息,从所述多个驾驶员中决定要推荐给所述用户的驾驶员。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020-077695 | 2020-04-24 | ||
JP2020077695A JP7331767B2 (ja) | 2020-04-24 | 2020-04-24 | 情報処理装置、プログラム、及び情報処理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113553497A true CN113553497A (zh) | 2021-10-26 |
Family
ID=78130128
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110429657.XA Pending CN113553497A (zh) | 2020-04-24 | 2021-04-21 | 信息处理装置、非暂时性计算机可读记录介质和信息处理方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20210333116A1 (zh) |
JP (1) | JP7331767B2 (zh) |
CN (1) | CN113553497A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017088161A1 (en) * | 2015-11-27 | 2017-06-01 | Bayerische Motoren Werke Aktiengesellschaft | Recommending car/passenger resources for user according to mobility habits |
US20180170392A1 (en) * | 2016-12-20 | 2018-06-21 | Baidu Usa Llc | Method and System to Recognize Individual Driving Preference for Autonomous Vehicles |
JP2018195168A (ja) * | 2017-05-19 | 2018-12-06 | 株式会社デンソーテン | 乗車支援装置、および、乗車支援方法 |
CN109636216A (zh) * | 2018-12-19 | 2019-04-16 | 义乌市腾飞汽车代驾服务有限公司 | 一种乘客订单的生成方法和装置 |
US20200079385A1 (en) * | 2018-09-10 | 2020-03-12 | Here Global B.V. | Method and apparatus for using a passenger-based driving profile |
WO2020054517A1 (ja) * | 2018-09-10 | 2020-03-19 | オムロン株式会社 | 適合度判定装置および適合度判定方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2016389440A1 (en) * | 2016-01-27 | 2018-02-08 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for matching and displaying service request and available vehicles |
US10035519B2 (en) * | 2016-03-15 | 2018-07-31 | GM Global Technology Operations LLC | System and method for autonomous vehicle driving behavior modification |
US20180315088A1 (en) * | 2017-04-28 | 2018-11-01 | Uber Technologies, Inc. | Recommendation engine for generating context-specific recommendations |
US11590981B2 (en) * | 2017-07-14 | 2023-02-28 | Allstate Insurance Company | Shared mobility service passenger matching based on passenger attributes |
US11300416B2 (en) * | 2017-11-22 | 2022-04-12 | Uber Technologies, Inc. | Dynamic route recommendation and progress monitoring for service providers |
-
2020
- 2020-04-24 JP JP2020077695A patent/JP7331767B2/ja active Active
-
2021
- 2021-03-09 US US17/196,517 patent/US20210333116A1/en not_active Abandoned
- 2021-04-21 CN CN202110429657.XA patent/CN113553497A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017088161A1 (en) * | 2015-11-27 | 2017-06-01 | Bayerische Motoren Werke Aktiengesellschaft | Recommending car/passenger resources for user according to mobility habits |
CN108292308A (zh) * | 2015-11-27 | 2018-07-17 | 宝马股份公司 | 根据移动习惯为用户推荐车辆/乘客资源 |
US20180170392A1 (en) * | 2016-12-20 | 2018-06-21 | Baidu Usa Llc | Method and System to Recognize Individual Driving Preference for Autonomous Vehicles |
CN108205830A (zh) * | 2016-12-20 | 2018-06-26 | 百度(美国)有限责任公司 | 识别对于无人驾驶车辆的个人驾驶偏好的方法和系统 |
JP2018195168A (ja) * | 2017-05-19 | 2018-12-06 | 株式会社デンソーテン | 乗車支援装置、および、乗車支援方法 |
US20200079385A1 (en) * | 2018-09-10 | 2020-03-12 | Here Global B.V. | Method and apparatus for using a passenger-based driving profile |
WO2020054517A1 (ja) * | 2018-09-10 | 2020-03-19 | オムロン株式会社 | 適合度判定装置および適合度判定方法 |
CN109636216A (zh) * | 2018-12-19 | 2019-04-16 | 义乌市腾飞汽车代驾服务有限公司 | 一种乘客订单的生成方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
JP7331767B2 (ja) | 2023-08-23 |
US20210333116A1 (en) | 2021-10-28 |
JP2021174250A (ja) | 2021-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI626615B (zh) | 資訊提供裝置及儲存提供程式的資訊之非暫態電腦可讀媒體 | |
US11040712B2 (en) | Information processing apparatus and information processing method | |
JP2022009112A (ja) | 情報処理装置、端末装置、情報処理方法、プログラム、および情報処理システム | |
EP2942012A1 (en) | Driver assistance system | |
US11840246B2 (en) | Selectively enable or disable vehicle features based on driver classification | |
US10989554B2 (en) | System and method for emotion navigation routing | |
JP2018073374A (ja) | ドライバーを認識できる車両制御方法、およびシステム | |
US11741510B2 (en) | Dynamic rideshare service behavior based on past passenger experience data | |
US20240153284A1 (en) | Control device, control method and program | |
CN110329183B (zh) | 车辆控制装置 | |
CN113516332B (zh) | 信息处理装置,非暂时性存储介质和评估方法 | |
CN114420293A (zh) | 用于高效检索人格数据的技术 | |
US20210333116A1 (en) | Information processing device, program, and information processing method | |
JP7226284B2 (ja) | 情報処理装置、情報処理方法、プログラム | |
US11383640B2 (en) | Techniques for automatically reducing annoyance levels of drivers when using driver monitoring systems | |
US20210383287A1 (en) | Information processing device, program, and information processing method | |
CN110015309B (zh) | 车辆驾驶辅助系统和方法 | |
US20230401907A1 (en) | Information processing device, information processing method, and storage medium | |
US20240135398A1 (en) | Information processing apparatus | |
US20220281485A1 (en) | Control apparatus, system, vehicle, and control method | |
US20220405421A1 (en) | Information processing device, information processing method and storage medium | |
US20220343246A1 (en) | Information processing apparatus, non-transitory computer readable medium, and information processing method | |
KR101951209B1 (ko) | 주변 차량 정보 표시 시스템 및 이를 이용한 정보 표시 방법 | |
JP2024061499A (ja) | 情報処理装置 | |
CN114942813A (zh) | 汽车目标显示方案的生成方法、装置、电子设备及介质 |
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 |