CN115148045B - 计划建议装置、系统、车辆以及计划建议方法 - Google Patents

计划建议装置、系统、车辆以及计划建议方法 Download PDF

Info

Publication number
CN115148045B
CN115148045B CN202210312541.2A CN202210312541A CN115148045B CN 115148045 B CN115148045 B CN 115148045B CN 202210312541 A CN202210312541 A CN 202210312541A CN 115148045 B CN115148045 B CN 115148045B
Authority
CN
China
Prior art keywords
user
action
parking lot
vehicle
parking
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
Application number
CN202210312541.2A
Other languages
English (en)
Other versions
CN115148045A (zh
Inventor
鹰箸广大
大久保谆
橘勇次
百岛彰吾
加藤孝昭
兼市大辉
中通实
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toyota Motor Corp
Original Assignee
Toyota Motor Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Toyota Motor Corp filed Critical Toyota Motor Corp
Publication of CN115148045A publication Critical patent/CN115148045A/zh
Application granted granted Critical
Publication of CN115148045B publication Critical patent/CN115148045B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
    • G08G1/148—Management of a network of parking areas
    • 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
    • G06N3/08—Learning methods
    • 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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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
    • G06Q10/067—Enterprise or organisation modelling
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/0969—Systems involving transmission of navigation instructions to the vehicle having a display in the form of a map
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
    • G08G1/143—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces inside the vehicles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
    • G08G1/144—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces on portable or mobile units, e.g. personal digital assistant [PDA]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
    • G08G1/146—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas where the parking area is a limited parking space, e.g. parking garage, restricted space
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Software Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Navigation (AREA)

Abstract

提供一种计划建议装置、系统、车辆以及计划建议方法，计划建议装置具备控制部，所述控制部构成为：针对第1用户，预测包括将车辆停放在停车场这一行动的某期间中的行动来作为用户行动，基于所得到的预测结果和该某期间中的停车场的信息，生成对该某期间中的行动计划进行建议的建议数据，输出所生成的建议数据，所述停车场由包括所述第1用户的多个用户共用。

Description

计划建议装置、系统、车辆以及计划建议方法
技术领域
本公开涉及计划建议装置、系统、车辆以及计划建议方法。
背景技术
日本特开2019－061651公开了如下装置：通过着眼于多名用户各自的时间序列的行动模式，从而预测将来停车场处于满车状态、空车状态以及拥挤状态中的哪个状态。
发明内容
只是对用户通知停车场处于拥挤状态，几乎无法消除用户的不满。
本公开的技术使用户的满意度提高。
本公开涉及的计划建议装置具备控制部，所述控制部构成为：针对第1用户，预测包括将车辆停放在停车场这一行动的某期间中的行动来作为用户行动，基于所得到的预测结果和所述某期间中的所述停车场的信息，生成对所述某期间中的行动计划进行建议的建议数据，输出所生成的建议数据，所述停车场由包括所述第1用户和第2用户的多个用户共用。
本公开涉及的计划建议方法包括：通过控制部，针对第1用户预测某期间中的行动来作为用户行动，所述某期间中的行动包括将车辆停放在由包括所述第1用户的多个用户共用的停车场这一行动；通过所述控制部，基于所得到的预测结果和所述某期间中的所述停车场的信息，生成对所述某期间中的行动计划进行建议的建议数据；以及从所述控制部输出所生成的建议数据。
根据本公开，用户的满意度提高。
附图说明
下文将参照附图说明本发明示例性实施例的特征、优点以及技术和产业的意义，其中相同的标号表示同样的要素，并且，其中：
图1是表示本公开的实施方式涉及的系统的构成的图。
图2是表示停车场的例子的图。
图3是表示多个停车位的例子的图。
图4是表示本公开的实施方式涉及的计划建议装置的构成的框图。
图5是表示本公开的实施方式涉及的终端装置的构成的框图。
图6是表示本公开的实施方式涉及的计划建议装置的动作的流程图。
图7是表示本公开的实施方式涉及的计划建议装置的动作的第1例的流程图。
图8是表示本公开的实施方式涉及的计划建议装置的动作的第2例的流程图。
图9是表示本公开的实施方式涉及的计划建议装置的动作的第3例的流程图。
图10是表示本公开的实施方式涉及的计划建议装置的动作的第4例的流程图。
图11是表示本公开的实施方式涉及的计划建议装置的动作的第5例的流程图。
图12是表示本公开的实施方式涉及的计划建议装置的动作的流程图。
图13是表示本公开的实施方式的一个变形例涉及的计划建议装置的动作的流程图。
图14是表示本公开的实施方式涉及的计划建议装置的动作的流程图。
具体实施方式
以下，参照附图对本公开的几个实施方式进行说明。
在各附图中，对相同或者相当的部分赋予同一标号。在各实施方式的说明中，关于相应或者相当的部分，适当省略或者简化说明。
对本公开的一实施方式进行说明。
参照图1对本实施方式涉及的系统10的构成进行说明。
本实施方式涉及的系统10具备至少1台计划建议装置20和至少1台终端装置30。计划建议装置20能够经由网络40与终端装置30进行通信。计划建议装置20也可以能够经由网络40与其他1台以上的终端装置进行通信。
计划建议装置20设置于数据中心等的设施。计划建议装置20是属于云计算系统或者其他计算系统的服务器等的计算机。
终端装置30搭载于车辆12，由驾驶车辆12的用户U1利用。终端装置30例如为车辆导航设备等的车载设备。或者，终端装置30也可以作为外部设备来连接于车辆12，或者由用户U1保持。终端装置30例如也可以是移动电话机、智能手机或者平板电脑等的移动设备。
在计划建议装置20能够与其他1台以上的终端装置进行通信的情况下，那样的终端装置搭载于车辆，由驾驶车辆的用户U2、……、Un进行利用。那样的终端装置例如为车辆导航设备等的车载设备。或者，那样的终端装置也可以作为外部设备来连接于车辆连接，或者由用户U2、……、Un进行保持。那样的终端装置例如也可以是移动电话机、智能手机或者平板电脑等的移动设备。用户11的人数n是2以上的任意整数。
车辆12例如为汽油车、柴油车、HV、PHV、EV或者FCV等的任意种类的汽车。“HV”是hybrid vehicle(混合动力车)的简写。“PHV”是plug-in hybrid vehicle(插电式混合动力车)的简写。“EV”是electric vehicle(电动车)的简写。“FCV”是fuel cell vehicle(燃料电池车)的简写。车辆12在本实施方式中由驾驶员驾驶，但驾驶也可以以任意的等级进行自动化。自动化的等级例如为SAE的等级区分中的等级1～等级5中的任一等级。“SAE”是Society of Automotive Engineers(汽车工程师协会)的简写。车辆12也可以是MaaS专用车辆。“MaaS”是Mobility as a Service(出行即服务)的简写。
网络40包括互联网、至少一个WAN、至少一个MAN或者这些的任意组合。“WAN”是wide area network(广域网)的简写。“MAN”是metropolitan area network(城域网)的简写。网络40也可以包括至少一个无线网络、至少一个光网络或者这些的任意组合。无线网络例如为自组织网络、蜂窝网络、无线LAN、卫星通信网络或者地上微波网络。“LAN”是localarea network(局域网)的简写。
参照图1、图2以及图3对本实施方式的概要进行说明。
计划建议装置20对于用户U1预测期间P中的行动来作为用户行动。用户行动包括将车辆12停放在由多个用户11共用的停车场51。计划建议装置20基于所得到的预测结果和期间P中的停车场51的信息，生成建议数据D1。建议数据D1是对期间P中的行动计划进行建议的数据。计划建议装置20输出所生成的建议数据D1。在本实施方式中，计划建议装置20向网络40输出建议数据D1。即，计划建议装置20向终端装置30发送建议数据D1。
终端装置30从计划建议装置20接收建议数据D1。终端装置30对用户U1提示所接收到的建议数据D1。
根据本实施方式，不是仅向用户U1通知停车场51的状况，也能够对用户U1建议与停车场51的状况相应的行动计划。其结果，用户U1的满意度提高。
期间P可以是将来的任意期间，但在本实施方式中，若当前时刻为上午，则期间P为当日，若当前时刻为下午，则期间P为次日。期间P的长度在本实施方式中为1天以下，但也可以为数天、1周期间或者数周期间等的比1天长。
停车场51可以处于任意场所，但在图2的例子中处于街区50的用地内。各用户11为街区50的居民、工作人员或者来访者。
停车场51可以被分为多个停车区域。在图2的例子中，停车场51被分为沿着道路R1的停车区域A1和沿着道路R2的停车区域A2。停车区域A1和停车区域A2分别包括平面停车场、地下停车场、多层建筑的立体停车场或者这些的任意组合。
在街区50具有位于与停车区域A1隔着一条街道的地方的第1建筑物群52、位于远离停车区域A1的地方的第2建筑物群53以及位于相比于第2建筑物群53而距停车区域A1更远的地方的第3建筑物群54。对从停车区域A1向这些建筑物群的移动可以利用各种最后一英里交通(last one mile mobility)。最后一英里交通包括货物搬运用的AGV或者配送机器人、电动滑板车或电动踏板车等的步行区域用的交通工具、乘坐共享或车辆共享用的共用车辆、能够在停靠站乘车的巡回巴士或按需利用巴士或者这些的任意组合。“AGV”是automated guided vehicle(自动引导车)的简写。共用车辆停在停车区域A1内的专用停车位。停靠站配置在停车区域A1中或者附近。
例如设为用户U1是住在第1建筑物群52所包括的住宅的居民，为了购物而利用车辆12去了街区50外。设为用户U1在回家时将车辆12停放在了停车区域A1。在该情况下，用户U1既可以从停车区域A1以徒步的方式向住宅移动，或者也可以用步行区域用的交通工具进行移动。用户U1也可以用AGV或者配送机器人将所购买的物品从停车区域A1搬运到住宅。
或者设为用户U1是在第2建筑物群53所包括的办公室工作的工作人员，利用车辆12从街区50外的自家进行通勤。设为用户U1在上班时将车辆12停放在了停车区域A1。在该情况下，用户U1既可以从停车区域A1以徒步的方式向办公室移动，也可以用步行区域用的交通工具进行移动，或者也可以用巡回巴士或按需利用巴士进行移动。
或者设为用户U1是来自街区50外的来访者，利用车辆12前来与居住在第3建筑物群54所包含的住宅的友人进行会面。设为用户U1在来访时将车辆12停放在了停车区域A1。在该情况下，用户U1既可以用共用车辆从停车区域A1向住宅移动，或者也可以用巡回巴士或按需利用巴士进行移动。
在停车场51具有一个以上的入口，在图2的例子中具有三个入口N1、N2、N3。在停车场51具有一个以上的出口，在图2的例子具有三个出口X1、X2、X3。
入口N1和出口X1面向道路R1。入口N1由从道路R1、特别是道路R1上的交叉路口62进入停车区域A1的车辆利用。出口X1由从停车区域A1出到道路R1的车辆利用。
入口N2和出口X2面向街区50中的街道。入口N2由从街道进入停车区域A1的车辆利用。出口X2由从停车区域A1进入街道的车辆利用。
入口N3和出口X3面向道路R2。入口N3由从道路R2进入停车区域A2的车辆利用。入口N3比停车场51的其他入口更靠近沿着道路R2的便利店61。因此，入口N3对于顺便去便利店61后进入停车场51的车辆来说是便利的。出口X3由从停车区域A2出到道路R2的车辆利用。出口X3比停车场51的其他出口更靠近便利店61。因此，出口X3对于从停车场51出来之后顺便去便利店61的车辆来说是便利的。
在本实施方式中，计划建议装置20进行使得到停车为止的时间成为最短的路径引导。例如，设为用户U1用作为终端装置30的车辆导航设备、或者作为终端装置30的智能手机的应用将街区50设定为目的地。在该情况下，在车辆12从交叉路口62接近到了1公里圈内的时间点，根据表示街区50的各门或者各停车区域内的拥挤状况的数据，AI判断到停车为止的时间成为最短的路径63。“AI”是artificial intelligence(人工智能)的简写。在图2的例子中，判断为当沿着路径63而从入口N1进入停车区域A1时，到停车为止的时间成为最短。在车辆导航设备或者智能手机的应用上显示路径63。在用户U1未设定目的地的情况下，在车辆导航设备或者智能手机的应用上显示有询问是否需要引导的弹出式窗口。在用户U1同意了的情况下进行与上述同样的路径引导。
计划建议装置20也可以进行随时能够确认的路径引导。例如若在车辆导航设备或者智能手机的应用上总是显示有路径63，则用户U1能够随时确认路径引导。
也可以是能够在终端装置30中确认停车场51的基本信息。例如若能够在智能手机的应用或者网络(web)上确认停车场51的地点、访问方法、附带设备、容纳数量或者费用等的基本信息，则用户U1能够毫不犹豫地对停车场51的希望去的位置进行访问。
在本实施方式中，计划建议装置20进一步进行使得用户满意度成为最高的停车位引导。例如在车辆12从交叉路口62进入了街区50的用地时，在停车场51内的空着的停车位55中，根据过去的停车倾向，AI判断对于用户U1来说满意度最高的停车位56。在车辆导航设备或者智能手机的应用上显示到该停车位56为止的路径64。在图3的例子中，在停车区域A1的地图上与路径64一起显示有到停车位56为止的距离和走法。
计划建议装置20也可以临时保留停车位56。例如，若在停车场51内的标识上、车辆导航设备或者智能手机的应用上，表示停车位56的空闲状况的显示被切换为“已预约”，则其他车辆无法向停车位56停车。计划建议装置20也可以仅在用户U1事先对问卷调查内的“停车位引导希望”输入了勾选的情况下，临时保留停车位56。计划建议装置20可以即使是在用户U1未设定目的地的情况下，也临时保留停车位56。
计划建议装置20也可以进行能够随时确认的空闲状况引导。例如若在车辆12从交叉路口62进入了用地的时间点，在车辆导航设备或者智能手机的应用上显示有停车位的空闲状况，则用户U1不需要自己寻找空着的停车位55。空闲状况也可以被实时地进行更新。
在停车场51中也可以并存手动驾驶车辆和AV。“AV”是autonomous vehicle(自动驾驶车辆)的简写。
参照图4对本实施方式涉及的计划建议装置20的构成进行说明。
计划建议装置20具备控制部21、存储部22以及通信部23。
控制部21包括至少一个处理器、至少一个可编程电路、至少一个专用电路或者这些的任意组合。处理器是CPU或GPU等的通用处理器、或者专用于特定处理的专用处理器。“CPU”是central processing unit(中央处理单元)的简写。“GPU”是graphics processingunit(图形处理单元)的简写。可编程电路例如为FPGA。“FPGA”是field-programmable gatearray(现场可编程门阵列)的简写。专用电路例如为ASIC。“ASIC”是application specificintegrated circuit(专用集成电路)的简写。控制部21一边对计划建议装置20的各部进行控制，一边执行与计划建议装置20的动作有关的处理。
存储部22包括至少一个半导体存储器、至少一个磁存储器、至少一个光存储器或者这些的任意组合。半导体存储器例如为RAM或者ROM。“RAM”是random access memory(随机访问存储器)的简写。“ROM”是read only memory(只读存储器)的简写。RAM例如为SRAM或者DRAM。“SRAM”是static random access memory(静态随机访问存储器)的简写。“DRAM”是dynamic random access memory(动态随机访问存储器)的简写。ROM例如为EEPROM。“EEPROM”是electrically erasable programmable read only memory(电可擦除可编程只读存储器)的简写。存储部22例如作为主存储装置、辅助存储装置或者高速缓冲(cache)存储器发挥功能。在存储部22中存储有在计划建议装置20的动作中使用的数据和通过计划建议装置20的动作得到的数据。
通信部23包括至少一个通信用接口。通信用接口例如为LAN接口。通信部23接收在计划建议装置20的动作中使用的数据，另外，发送通过计划建议装置20的动作得到的数据。
计划建议装置20的功能通过用作为控制部21的处理器执行本实施方式涉及的计划建议程序来实现。即，计划建议装置20的功能由软件来实现。计划建议程序通过使计算机执行计划建议装置20的动作，从而使计算机作为计划建议装置20发挥功能。即，计算机通过按照计划建议程序执行计划建议装置20的动作，从而作为计划建议装置20发挥功能。
程序可以存储于非瞬时性的计算机能够读取的介质。非瞬时性的计算机能够读取的介质例如是闪速存储器、磁记录装置、光盘、光磁记录介质或者ROM。程序的流通例如通过销售、转让或者出借存储了程序的SD卡、DVD或者CD－ROM等的可移动介质来进行。“SD”是Secure Digital(安全数字)的简写。“DVD”是digital versatile disc(数字多功能光盘)的简写。“CD－ROM”是compact disc read only memory(只读光盘存储器)的简写。也可以通过将程序保存于服务器的储存器，从服务器向其他计算机传送程序，从而使程序流通。也可以将程序作为程序产品进行提供。
计算机例如将存储于可移动型介质的程序或者从服务器传送来的程序暂时保存于主存储装置。并且，计算机通过处理器读取保存于主存储装置的程序，通过处理器执行按照了所读取到的程序的处理。计算机也可以从可移动型介质直接读取程序，执行按照了程序的处理。计算机也可以每当被从服务器向计算机传送程序时，逐次执行按照了所接受到的程序的处理。也可以不进行从服务器向计算机的程序的传送，通过所谓的ASP型的服务执行处理，该ASP型的服务仅通过执行指示以及结果取得来实现功能。“ASP”是applicationservice provider(应用服务提供商)的简写。程序包括用于通过电子计算机实现的处理的、看待为程序的信息。例如，不是对于计算机的直接的指令、但具有规定计算机的处理的性质的数据属于“看待为程序的信息”。
计划建议装置20的一部分或者全部功能也可以通过作为控制部21的可编程电路或者专用电路来实现。即，计划建议装置20的一部分或者全部功能也可以由硬件实现。
参照图5对本实施方式涉及的终端装置30的构成进行说明。
终端装置30具备控制部31、存储部32、通信部33、输入部34、输出部35以及测位部36。
控制部31包括至少一个处理器、至少一个可编程电路、至少一个专用电路或者这些的任意组合。处理器是CPU或GPU等的通用处理器或者专用于了特定处理的专用处理器。可编程电路例如为FPGA。专用电路例如为ASIC。控制部31一边对终端装置30的各部进行控制，一边执行与终端装置30的动作有关的处理。
存储部32包括至少一个半导体存储器、至少一个磁存储器、至少一个光存储器或者这些的任意组合。半导体存储器例如为RAM或者ROM。RAM例如为SRAM或者DRAM。ROM例如为EEPROM。存储部32例如作为主存储装置、辅助存储装置或者高速缓冲存储器发挥功能。在存储部32存储有在终端装置30的动作中使用的数据和由终端装置30的动作得到的数据。
通信部33包括至少一个通信用接口。通信用接口例如是支持LTE、4G标准或5G标准等的移动通信标准的接口、支持蓝牙(Bluetooth(注册商标))等的近距离无线通信标准的接口或者LAN接口。“LTE”是Long Term Evolution(长期演进技术)的简写。“4G”是4thgeneration(第四代移动通信技术)的简写。“5G”是5th generation(第五代移动通信技术)的简写。通信部33接收在终端装置30的动作中使用的数据，另外，发送由终端装置30的动作得到的数据。
输入部34包括至少一个输入用接口。输入用接口例如是物理按键、静电电容按键、指点(pointing)设备、与显示器一体地设置的触摸屏、摄像头、LiDAR或者麦克风。输入部34受理对在终端装置30的动作中所使用的数据进行输入的操作。“LiDAR”是light detectionand ranging(光探测和测距)的简写。输入部34也可以代替设置于终端装置30，而作为外部的输入设备连接于终端装置30。作为连接用接口，例如可以使用支持USB、HDMI(注册商标)或者Bluetooth(注册商标)等的标准的接口。“USB”是Universal Serial Bus(通用串行总线)的简写。“HDMI(注册商标)”是High-Definition Multimedia Interface(高清多媒体接口)的简写。
输出部35包括至少一个输出用接口。输出用接口例如为显示器或者扬声器。显示器例如为LCD或者有机EL显示器。“LCD”是liquid crystal display(液晶显示器)的简写。“EL”是electro luminescence(电致发光)的简写。输出部35输出通过终端装置30的动作得到的数据。输出部35也可以代替设置于终端装置30，而作为外部的输出设备连接于终端装置30。作为连接用接口，例如可以使用支持USB、HDMI(注册商标)或者Bluetooth(注册商标)等的标准的接口。
测位部36包括至少一个GNSS接收机。“GNSS”是global navigation satellitesystem(全球导航卫星系统)的简写。GNSS例如为GPS、QZSS、BDS、GLONASS或者Galileo(伽利略导航卫星系统)。“GPS”是Global Positioning System(全球定位系统)的简写。“QZSS”是Quasi-Zenith Satellite System(准天顶卫星系统)的简写。QZSS的卫星被称为准天顶卫星。“BDS”是BeiDou Navigation Satellite System(北斗导航卫星系统)的简写。“GLONASS”是Global Navigation Satellite System(格洛纳斯全球导航卫星系统)的简写。测位部36测定终端装置30的位置。
终端装置30的功能通过由作为控制部31的处理器执行本实施方式涉及的终端程序来实现。即，终端装置30的功能由软件实现。终端程序通过使计算机执行终端装置30的动作，使计算机作为终端装置30发挥功能。即，计算机通过按照终端程序执行终端装置30的动作，作为终端装置30发挥功能。
终端装置30的一部分或者全部功能也可以通过作为控制部31的可编程电路或者专用电路实现。即，终端装置30的一部分或者全部功能也可以由硬件实现。
参照图6对本实施方式涉及的系统10的动作进行说明。该动作相当于本实施方式涉及的计划建议方法。图6表示计划建议装置20的动作。
在步骤S101中，计划建议装置20的控制部21针对用户U1预测期间P中的行动来作为用户行动。用户行动包括将车辆12停放在停车场51这一行动。步骤S101的处理可以按任意的过程来执行，但在本实施方式中，按以下的过程来执行。
计划建议装置20的控制部21取得属性数据D2。属性数据D2是表示用户U1的属性的数据。属性例如包括分类、居住地、家庭构成、年龄、性别、车辆12的种类、兴趣、爱好、有无生理缺陷或者这些的任意组合。分类例如是居民、工作人员或者来访者。属性数据D2可以通过任意的方法来取得，但在本实施方式中，通过对用户U1提示用于确定属性的问卷调查，分析对于所提示的问卷调查得到的回答，从而取得属性数据D2。作为回答分析的方法，可以使用已知的方法。也可以使用深度学习等的机器学习。
计划建议装置20的控制部21基于所取得的属性数据D2，预测用户行动。用户行动也可以通过任意的方法来预测，但在本实施方式中，通过向用于预测行动的预测模型输入属性数据D2，从预测模型取得预测结果，从而预测用户行动。控制部21通过将表示多个用户11的行动历史记录的数据关联于表示多个用户11的属性的数据来进行机器学习，从而生成或者更新预测模型。多个用户11的行动历史记录包括用户U2、……、Un分别在过去将车辆停放在了停车场51的日期时间。多个用户11的行动历史记录也可以包括在用户U2、……、Un分别在过去将车辆停放在停车场51之前或者停放在了停车场51之后所去往了的地点。多个用户11的行动历史记录也可以包括用户U2、……、Un分别在过去将车辆停放在了停车场51之后所采取了的行动。例如通过对用户U2、……、Un的属性关联用户U2、……、Un的过去行动来作为标签，能够制作机器学习用的教师数据。并且，通过使用该教师数据进行基于已知算法的机器学习，能够生成作为预测模型的已学习模型。
也可以代替属性数据D2或者与属性数据D2一起基于对用户U1的行动倾向进行分析而得到的分析结果来预测用户行动。在那样的变形例中，计划建议装置20的控制部21取得历史记录数据D3。历史记录数据D3是表示用户U1的行动历史记录的数据。用户U1的行动历史记录包括用户U1过去将车辆12停放在了停车场51的日期时间。用户U1的行动历史记录也可以包括用户U1过去将车辆12停放在停车场51之前或者停放在了停车场51之后所去往了的地点。用户U1的行动历史记录也可以包括用户U1过去将车辆12停放在了停车场51之后所采取了的行动。历史记录数据D3可以通过任意的方法来取得，但在该变形例中，通过从终端装置30取得由终端装置30的测位部36测定的位置的时间序列数据，根据由所取得的时间序列数据表示的用户U1的移动轨迹，确定用户U1的一系列行动，从而取得历史记录数据D3。作为确定行动的方法，可以使用已知方法。也可以使用深度学习等的机器学习。
计划建议装置20的控制部21基于所取得的历史记录数据D3，对用户U1的行动倾向进行分析。用户U1的行动倾向例如包括便利店61或街区50外的自家等的用户U1利用车辆12离开了停车场51之后利用车辆12去往的地点、或者住宅或办公室等的用户U1将车辆12停放在了停车场51之后前往的目的地。用户U1的行动倾向也可以包括用户U1是以徒步的方式从停车场51移动到目的地、还是利用最后一英里交通进行移动，若是利用最后一英里交通进行移动，则还包括最后一英里交通的种类等的最后一英里倾向。用户U1的行动倾向也可以包括入口附近、出口附近、楼梯附近、电梯附近或者楼层等的停车位置、是否遵循停车指示、乘车人数、有无利用充电设备、或者朝前还是朝后等的停车方法等的停车倾向。行动倾向被通过任意的方法进行分析即可，但在该变形例中，通过向已学习模型输入历史记录数据D3，从已学习模型取得分析结果，从而分析行动倾向。
计划建议装置20的控制部21基于所得到的分析结果，对用户行动进行预测。即，在该变形例中，通过根据用户U1的行动倾向来确定用户U1容易采取的行动，从而预测用户行动。
也可以代替属性数据D2或者与属性数据D2一起基于日程安排数据D4来预测用户行动。在那样的变形例中，计划建议装置20的控制部21取得日程安排数据D4。日程安排数据D4是表示用户U1的日程安排的数据。日程安排包括用户U1将来将车辆12停放在停车场51的日期时间。日程安排也可以包括用户U1将来将车辆12停放在停车场51之前或者停放在了停车场51之后所去往的地点。日程安排也可以包括用户U1将来将车辆12停放在了停车场51之后所采取的行动。日程安排数据D4可以通过任意的方法来取得，但在该变形例中，通过从终端装置30取得登记于用户U1的日历应用的数据来作为日程安排数据D4，从而取得日程安排数据D4。
计划建议装置20的控制部21基于所取得的日程安排数据D4，对用户行动进行预测。即，在该变形例中，通过根据用户U1的日程安排来确定用户U1预定采取的行动，从而预测用户行动。
在步骤S102中，计划建议装置20的控制部21取得期间P中的停车场51的信息。
在步骤S103中，计划建议装置20的控制部21基于在步骤S101中得到的预测结果和在步骤S102中取得的停车场51的信息，生成建议数据D1。建议数据D1是对期间P中的行动计划进行建议的数据。控制部21向通信部23输出所生成的建议数据D1。通信部23向终端装置30发送建议数据D1。
终端装置30的通信部33从计划建议装置20接收在步骤S103中发送了的建议数据D1。终端装置30的控制部31取得通过通信部33接收到的建议数据D1。控制部31对用户U1提示所取得的建议数据D1。作为对用户U1提示建议数据D1的方法，可以使用任意的方法，但在本实施方式中，使用在作为输出部35的显示器显示建议数据D1的内容的方法、从作为输出部35的扬声器语音输出建议数据D1的内容的方法或者这些两方。
对计划建议装置20的动作的具体例进行说明。
参照图7，对计划建议装置20的动作的第1例进行说明。
步骤S111和步骤S112的处理分别是图6所示的步骤S101和步骤S102的处理的具体例。步骤S113和步骤S114的处理是图6所示的步骤S103的处理的具体例。
在步骤S111中，计划建议装置20的控制部21推定在期间P中用户U1利用车辆12进入停车场51的时刻。即，在步骤S111中得到的预测结果包含用户U1利用车辆12进入停车场51的推定时刻T1。
在步骤S112中，计划建议装置20的控制部21对推定时刻T1的停车场51或者停车场51的入口的拥挤状况进行推定。即，在步骤S112中取得的停车场51的信息包含推定时刻T1的停车场51或者停车场51的入口的推定拥挤状况C1。
具体而言，计划建议装置20的控制部21对于用户U2、……、Un，预测期间P中的行动来作为第三者行动。第三者行动包括向停车场51停车。作为预测第三者行动的方法，可以使用任意的方法，但在该例子中使用与预测用户行动的方法同样的方法。即，通过向用于预测行动的预测模型输入表示用户U2、……、Un的属性的数据，从预测模型取得预测结果，从而预测第三者行动。作为该例子的变形例，也可以通过根据用户U2、……、Un的行动倾向来确定用户U2、……、Un容易采取的行动，从而预测第三者行动。或者，也可以通过根据用户U2、……、Un的日程安排来确定用户U2、……、Un预定采取的行动，从而预测第三者行动。
控制部21基于所得到的预测结果，算出推定拥挤状况C1。推定拥挤状况C1可以通过任意的方法算出，但在该例子中，通过对用户U2、……、Un中的预测为会在从推定时刻T1的数分钟前到推定时刻T1为止的期间利用车辆进入停车场51的用户的数量进行计数，从而算出推定拥挤状况C1。也可以与关于第三者行动得到的预测结果一起基于交通量供求或者天气或气温等的外部因素等的信息，算出推定拥挤状况C1。
在步骤S113中，计划建议装置20的控制部21判定推定拥挤状况C1是否超过基准的拥挤程度。在推定拥挤状况C1超过基准的拥挤程度的情况下，执行步骤S114的处理。在推定拥挤状况C1未超过基准的拥挤程度的情况下，图7的流程结束。
在步骤S114中，计划建议装置20的控制部21建议在与推定时刻T1不同的时刻利用车辆12进入停车场51。即，控制部21将在与推定时刻T1不同的时刻利用车辆12进入停车场51这一行动包含于用建议数据D1进行建议的行动计划。控制部21也可以将通知数据D5与建议数据D1一起通知给通信部23。通知数据D5是通知推定拥挤状况C1的数据。通信部23也可以将通知数据D5与建议数据D1一起发送给终端装置30。
终端装置30的通信部33也可以与建议数据D1一起从计划建议装置20接收通知数据D5。终端装置30的控制部31也可以将通知数据D5与建议数据D1一起提示给用户U1。
根据该例子，能够在预测为停车场51或者停车场51的入口在推定时刻T1拥挤的情况下，对用户U1建议在其他时刻利用车辆12进入停车场51。其结果，用户U1的满意度提高。也能够消除停车场51或者停车场51的入口的拥挤。停车场51附近的拥堵也能够缓解。
参照图8对计划建议装置20的动作的第2例进行说明。
步骤S121和步骤S122的处理分别是图6所示的步骤S101和步骤S102的处理的具体例。步骤S123和步骤S124的处理是图6所示的步骤S103的处理的具体例。
在步骤S121中，计划建议装置20的控制部21推定在期间P中用户U1利用车辆12离开停车场51的时刻。即，在步骤S121中得到的预测结果包含用户U1利用车辆12离开停车场51的推定时刻T2。
在步骤S122中，计划建议装置20的控制部21对推定时刻T2的停车场51的出口或者周边道路的拥挤状况进行推定。即，在步骤S122中取得的停车场51的信息包含推定时刻T2的停车场51的出口或者周边道路的推定拥挤状况C2。
具体而言，计划建议装置20的控制部21对于用户U2、……、Un，预测期间P中的行动来作为第三者行动。第三者行动包括向停车场51停车。关于预测第三者行动的方法，与在第1例中使用的方法相同，因此，省略说明。
控制部21基于所得到的预测结果，算出推定拥挤状况C2。推定拥挤状况C2可以通过任意的方法来算出，但在该例子中，通过对用户U2、……、Un中的预测为会在从推定时刻T2的数分钟前到推定时刻T2为止的期间利用车辆离开停车场51的用户的数量进行计数，从而算出推定拥挤状况C2。也可以与关于第三者行动得到的预测结果一起基于交通量供求或者天气或气温等的外部因素等的信息，算出推定拥挤状况C2。
在步骤S123中，计划建议装置20的控制部21判定推定拥挤状况C2是否超过基准的拥挤程度。在推定拥挤状况C2超过基准的拥挤程度的情况下，执行步骤S124的处理。在推定拥挤状况C2未超过基准的拥挤程度的情况下，图8的流程结束。
在步骤S124中，计划建议装置20的控制部21建议在与推定时刻T2不同的时刻利用车辆12离开停车场51。即，控制部21将在与推定时刻T2不同的时刻利用车辆12离开停车场51这一行动包含于用建议数据D1进行建议的行动计划。控制部21也可以将通知数据D6与建议数据D1一起输出给通信部23。通知数据D6是通知推定拥挤状况C2的数据。通信部23也可以将通知数据D6与建议数据D1一起发送给终端装置30。
终端装置30的通信部33也可以与建议数据D1一起从计划建议装置20接收通知数据D6。终端装置30的控制部31也可以将通知数据D6与建议数据D1一起提示给用户U1。
根据该例子，能够预测为停车场51的出口或者周边道路在推定时刻T2拥挤的情况下，向用户U1建议在其他时刻利用车辆12离开停车场51。其结果，用户U1的满意度提高。也能够消除停车场51的出口的拥挤。停车场51附近的拥堵也能够缓解。
参照图9对计划建议装置20的动作的第3例进行说明。
步骤S131和步骤S132的处理分别是图6所示的步骤S101和步骤S102的处理的具体例。步骤S133和步骤S134的处理是图6所示的步骤S103的处理的具体例。
在步骤S131中，计划建议装置20的控制部21对在期间P中用户U1利用车辆12进入停车场51之前利用车辆12去往的地点进行推定。即，在步骤S131中得到的预测结果包含用户U1利用车辆12进入停车场51之前利用车辆12去往的推定地点L1。
在步骤S132中，计划建议装置20的控制部21确定推定地点L1和停车场51的多个入口的位置关系。即。在步骤S132中取得的停车场51的信息包含推定地点L1与停车场51的多个入口的位置关系。位置关系可以通过任意的方法来特定，但在该例子中，通过参照地图数据D7，算出推定地点L1与图2所示的入口N1、N2、N3各自之间的距离，从而确定位置关系。地图数据D7既可以预先存储于计划建议装置20的存储部22，或者也可以储存于互联网上的GIS等的外部系统。“GIS”是geographic information system(地理信息系统)的简写。
在步骤S133中，计划建议装置20的控制部21根据在步骤S132中确定的位置关系，从停车场51的多个入口中选择一个入口。例如，当设为推定地点L1为图2所示的便利店61时，入口N3最靠近便利店61，因此，选择入口N3。
在步骤S134中，计划建议装置20的控制部21建议利用车辆12从在步骤S133中选择出的入口进入。即，控制部21将利用车辆12从所选择的入口进入这一行动包含于用建议数据D1进行建议的行动计划。
根据该例子，能够在预测为用户U1利用车辆12去了推定地点L1后利用车辆12进入停车场51的情况下，对用户U1建议使用便于从推定地点L1进入停车场51的入口。其结果，用户U1的满意度提高。
参照图10对计划建议装置20的动作的第4例进行说明。
步骤S141和步骤S142的处理分别是图6所示的步骤S101和步骤S102的处理的具体例。步骤S143和步骤S144的处理是图6所示的步骤S103的处理的具体例。
在步骤S141中，计划建议装置20的控制部21对在期间P中用户U1在利用车辆12离开了停车场51之后利用车辆12去往的地点进行推定。即，在步骤S141中得到的预测结果包含用户U1在利用车辆12离开了停车场51之后利用车辆12去往的推定地点L2。
在步骤S142中，计划建议装置20的控制部21确定推定地点L2与停车场51的多个出口的位置关系。即，在步骤S142中取得的停车场51的信息包含推定地点L2与停车场51的多个出口的位置关系。位置关系可以通过任意的方法来确定，但在该例子中，通过参照地图数据D7，算出推定地点L2与图2所示的出口X1、X2、X3各自之间的距离，从而确定位置关系。
在步骤S143中，计划建议装置20的控制部21根据在步骤S142中确定的位置关系，从停车场51的多个出口中选择一个出口。例如，当设为推定地点L2为图2所示的便利店61时，出口X3最靠近便利店61，因此，选择出口X3。
在步骤S144中，计划建议装置20的控制部21建议利用车辆12从在步骤S143中选择出的出口出来。即，控制部21将利用车辆12从所选择的出口出来这一行动包含于用建议数据D1进行建议的行动计划。
根据该例子，能够在预测为用户U1在利用车辆12离开停车场51后利用车辆12去往推定地点L2的情况下，对用户U1建议使用便于从停车场51去往推定地点L2的出口。其结果，用户U1的满意度提高。
参照图11对计划建议装置20的动作的第5例进行说明。
步骤S151和步骤S152的处理分别是图6所示的步骤S101和步骤S102的处理的具体例。步骤S153和步骤S154的处理是图6所示的步骤S103的处理的具体例。
在步骤S151中，计划建议装置20的控制部21预测在期间P中用户U1在将车辆12停放在了停车场51之后所采取的行动。即，在步骤S151中得到的预测结果包含用户U1在将车辆12停放在了停车场51之后采取的预测行动。
在步骤S152中，计划建议装置20的控制部21取得停车场51的多个停车位的信息。即，在步骤S152中取得的停车场51的信息包含停车场51的多个停车位的信息。多个停车位的信息被预先存储于计划建议装置20的存储部22或者外部的储存器。各停车位的信息例如包括入口附近、出口附近、楼梯附近、电梯附近或者楼层等的位置、空闲状况、有无设置充电设备或者是否能够访问AGV或配送机器人。
在步骤S153中，计划建议装置20的控制部21根据预测行动，从停车场51的多个停车位中选择一个停车位。例如当设为预测行动是街区50中的购物、且购买多到需要用AGV或者配送机器人进行搬运的物品时，从停车场51内的空着的停车位中选择能够访问AGV或者配送机器人的停车位。
在步骤S154中，计划建议装置20的控制部21建议将车辆12停放在通过步骤S153选择出的停车位。即，控制部21将向所选择的停车位停放车辆12这一行动包含于用建议数据D1进行建议的行动计划。控制部21也可以基于对用户U1的行动倾向进行分析而得到的分析结果，判断是否建议将车辆12停放在所选择的停车位。例如，控制部21也可以仅在用户U1具有遵循停车指示的倾向的情况下，将向所选择的停车位停放车辆12包含于行动计划。
根据该例子，能够对用户U1建议向适于用户U1将车辆12停放在了停车场51之后所采取的行动的停车位进行停车。其结果，用户U1的满意度提高。
参照图12进一步对本实施方式涉及的系统10的动作进行说明。图12表示计划建议装置20的动作。
在步骤S211中，计划建议装置20的控制部21确定车辆12的位置。该处理可以按任意的过程来执行，但在本实施方式中，按以下的过程来执行。
终端装置30的测位部36测定终端装置30的位置。终端装置30的控制部31使通信部33发送位置数据D8。位置数据D8是表示由测位部36测定的位置来作为车辆12的位置的数据。通信部33向计划建议装置20发送位置数据D8。
计划建议装置20的通信部23从终端装置30接收位置数据D8。计划建议装置20的控制部21通过取得由通信部23接收到的位置数据D8，从而确定车辆12的位置。
在步骤S212中，计划建议装置20的控制部21参照地图数据D7，判定在步骤S211中确定的车辆12的位置是否包含于基准的地理范围G1。地理范围G1可以是设置在停车场51的周边的任意范围，在图2的例子中为距交叉路口62为1公里的范围。在车辆12的位置包含于地理范围G1的情况下，执行步骤S213的处理。在车辆12的位置不包含于地理范围G1的情况下，再次执行步骤S211的处理。
在步骤S213中，计划建议装置20的控制部21确定停车场51的多个入口的拥挤状况。拥挤状况可以通过任意的方法来确定，但在本实施方式中，通过对由设置于各入口的摄像头或者LiDAR等的拍摄设备得到的图像进行解析，从而确定各入口的拥挤状况。作为图像解析的方法，可以使用已知的方法。也可以使用深度学习等的机器学习。
在步骤S214中，计划建议装置20的控制部21根据在步骤S213中确定的拥挤状况，从停车场51的多个入口中选择一个入口。例如，当设为图2所示的入口N1、N2、N3中的、从车辆12的位置起的所需时间和由入口的拥挤状况引起的延迟的合计最短的入口为入口N1时，选择入口N1。
在步骤S215中，计划建议装置20的控制部21生成引导数据D9。引导数据D9是对从在步骤S211中确定的车辆12的位置到在步骤S214中所选择的入口为止的路径进行引导的数据。例如当设为在步骤S214中选择了入口N1时，进行图2所示的路径63的引导。控制部21向通信部23输出所生成的引导数据D9。通信部23向终端装置30发送引导数据D9。
终端装置30的通信部33从计划建议装置20接收在步骤S215中发送了的引导数据D9。终端装置30的控制部31取得由通信部33接收到的引导数据D9。控制部31对用户U1提示所取得的引导数据D9。作为对用户U1提示引导数据D9的方法，可以使用任意的方法，但在本实施方式中，使用在作为输出部35的显示器显示引导数据D9的内容的方法、从作为输出部35的扬声器语音输出引导数据D9的内容的方法或者这些两方。
也可以代替停车场51的多个入口的拥挤状况，而根据停车场51的多个停车区域的拥挤状况来选择所引导的路径。参照图13对那样的变形例涉及的系统10的动作进行说明。图13表示计划建议装置20的动作。
关于步骤S221和步骤S222的处理，分别与步骤S211和步骤S212的处理相同，因此省略说明。在步骤S221中确定的车辆12的位置包含于地理范围G1的情况下，执行步骤S223的处理。在车辆12的位置不包含于地理范围G1的情况下，再次执行步骤S221的处理。
在步骤S223中，计划建议装置20的控制部21确定停车场51的多个停车区域的拥挤状况。拥挤状况可以通过任意的方法来确定，但在本实施方式中，通过对由设置于各停车区域的摄像头或者LiDAR等的拍摄设备得到的图像进行解析，从而确定各停车区域的拥挤状况。作为图像解析的方法，可以使用已知的方法。也可以使用深度学习等的机器学习。
在步骤S224中，计划建议装置20的控制部21根据在步骤S223中确定的拥挤状况，从停车场51的多个停车区域中选择一个停车区域。例如，当设为图2所示的停车区域A1、A2中的、从车辆12的位置起的所需时间和由停车区域的拥挤状况引起的延迟的合计最短的停车区域为停车区域A1时，选择停车区域A1。
在步骤S225中，计划建议装置20的控制部21生成引导数据D10。引导数据D10是对从在步骤S221中确定的车辆12的位置到在步骤S224中所选择的停车区域为止的路径进行引导的数据。例如当设为在步骤S224中选择了停车区域A1时，进行图2所示的路径63的引导。控制部21向通信部23输出所生成的引导数据D10。通信部23向终端装置30发送引导数据D10。
终端装置30的通信部33从计划建议装置20接收在步骤S225中发送了的引导数据D10。终端装置30的控制部31取得由通信部33接收到的引导数据D10。控制部31对用户U1提示所取得的引导数据D10。作为对用户U1提示引导数据D10的方法，可以使用任意的方法，但在本实施方式中，使用在作为输出部35的显示器显示引导数据D10的内容的方法、从作为输出部35的扬声器语音输出引导数据D10的内容的方法或者这些两方。
参照图14进一步对本实施方式涉及的系统10的动作进行说明。图14表示计划建议装置20的动作。
关于步骤S231的处理，与步骤S211的处理相同，因此省略说明。
在步骤S232中，计划建议装置20的控制部21参照地图数据D7，判定在步骤S231中确定的车辆12的位置是否包含于基准的地理范围G2。地理范围G2可以是停车场51、或者包含停车场51和停车场51的附近的任意范围，在图3的例子中为街区50的用地。在车辆12的位置包含于地理范围G2的情况下，执行步骤S233的处理。在车辆12的位置不包含于地理范围G2的情况下，再次执行步骤S231的处理。
在步骤S233中，计划建议装置20的控制部21对用户U1的停车倾向进行分析。停车倾向可以通过任意的方法进行分析，但在本实施方式中，通过将对用户U1过去将车辆12停放在了停车场51时的停车位置、是否遵循停车指示、乘车人数、有无利用充电设备或者朝前还是朝后等的停车方法进行表示的数据输入到已学习模型，从已学习模型取得分析结果，从而对停车倾向进行分析。
在步骤S234中，计划建议装置20的控制部21根据用户U1的停车倾向，从停车场51的多个停车位中选择一个停车位。在图3的例子中，停车场51内的空着的停车位55中的、AI根据用户U1的停车倾向判断为对于用户U1来说满意度最高的停车位为停车位56，因此，选择停车位56。
在步骤S235中，计划建议装置20的控制部21生成引导数据D11。引导数据D11是对从在步骤S231中确定的车辆12的位置到在步骤S234中所选择的停车位为止的路径进行引导的数据。例如当设为在步骤S234中选择了停车位56时，进行图3所示的路径64的引导。控制部21向通信部23输出所生成的引导数据D11。通信部23向终端装置30发送引导数据D11。
终端装置30的通信部33从计划建议装置20接收在步骤S235中发送了的引导数据D11。终端装置30的控制部31取得由通信部33接收到的引导数据D11。控制部31对用户U1提示所取得的引导数据D11。作为对用户U1提示引导数据D11的方法，可以使用任意的方法，但在本实施方式中，使用在作为输出部35的显示器显示引导数据D11的内容的方法、从作为输出部35的扬声器语音输出引导数据D11的内容的方法或者这些两方。
如上述的那样，在本实施方式中，计划建议装置20的控制部21针对用户U1，预测包括向由多个用户11共用的停车场51停放车辆12这一行动的期间P中的行动来作为用户行动。控制部21基于所得到的预测结果和期间P中的停车场51的信息，生成对期间P中的行动计划进行建议的建议数据D1。控制部21输出所生成的建议数据D1。
根据本实施方式，能够在预测到了停车场51的拥挤超过基准的时间段中的停车场51的利用的情况下，建议替代计划等的对用户U1建议与停车场51的利用关联的行动计划。其结果，用户U1的满意度提高。
本公开并不限定于上述的实施方式。例如，既可以对框图所记载的两个以上的功能块进行合并，或者也可以对一个功能块进行分割。也可以代替按照记述以时间顺序执行流程图所记载的两个以上的步骤，而根据执行各步骤的装置的处理能力或者根据需要，并行地或者按不同的顺序进行执行。此外，可以在不脱离本公开的宗旨的范围内进行变更。
例如，计划建议装置20也可以设置于车辆12。在该情况下，终端装置30的动作的一部分也可以由计划建议装置20进行。终端装置30也可以被合并于计划建议装置20。计划建议装置20也可以代替向网络40输出建议数据D1或者引导数据D9、D10、D11，而向用户U1输出建议数据D1或者引导数据D9、D10、D11。即，计划建议装置20也可以代替向终端装置30发送建议数据D1或者引导数据D9、D10、D11来对用户U1进行提示，而直接对用户U1提示建议数据D1或者引导数据D9、D10、D11。

Claims (22)

1.一种计划建议装置，其特征在于，
具备控制部，所述控制部构成为：针对第1用户，分析所述第1用户的包括最后一英里倾向以及停车倾向的行动倾向，基于所得到的分析结果，预测包括将车辆停放在停车场这一行动的某期间中的行动来作为用户行动，基于所得到的预测结果和所述某期间中的所述停车场的信息，生成对所述某期间中的行动计划进行建议的建议数据，输出所生成的建议数据，所述停车场由包括所述第1用户和第2用户的多个用户共用，所述最后一英里倾向包括所述第1用户是以徒步的方式从所述停车场移动到目的地、还是利用最后一英里交通进行移动，若是利用最后一英里交通进行移动，则还包括最后一英里交通的种类。
2.根据权利要求1所述的计划建议装置，其特征在于，
所述控制部构成为：取得表示所述第1用户的属性的属性数据，基于所取得的属性数据，预测所述用户行动。
3.根据权利要求2所述的计划建议装置，其特征在于，
所述控制部构成为：通过对所述第1用户提示用于确定所述属性的问卷调查，分析对于所提示的问卷调查得到的回答，从而取得所述属性数据。
4.根据权利要求2所述的计划建议装置，其特征在于，
所述控制部构成为：通过将所述属性数据输入到用于预测行动的预测模型，从所述预测模型取得所述预测结果，从而预测所述用户行动。
5.根据权利要求3所述的计划建议装置，其特征在于，
所述控制部构成为：通过将所述属性数据输入到用于预测行动的预测模型，从所述预测模型取得所述预测结果，从而预测所述用户行动。
6.根据权利要求4所述的计划建议装置，其特征在于，
所述控制部构成为：通过将表示所述多个用户的行动历史记录的数据关联于表示所述多个用户的属性的数据来进行机器学习，从而生成或者更新所述预测模型。
7.根据权利要求5所述的计划建议装置，其特征在于，
所述控制部构成为：通过将表示所述多个用户的行动历史记录的数据关联于表示所述多个用户的属性的数据来进行机器学习，从而生成或者更新所述预测模型。
8.根据权利要求1所述的计划建议装置，其特征在于，
所述控制部构成为：基于表示所述第1用户的行动历史记录的历史记录数据，分析所述第1用户的所述行动倾向。
9.根据权利要求1所述的计划建议装置，其特征在于，
所述控制部构成为：基于表示所述第1用户的日程安排的日程安排数据，预测所述用户行动。
10.根据权利要求1～9中任一项所述的计划建议装置，其特征在于，
所述预测结果包括所述第1用户利用所述车辆进入所述停车场的推定时刻，
所述停车场的信息包括所述推定时刻的所述停车场或者所述停车场的入口的推定拥挤状况，
所述控制部构成为：在所述推定拥挤状况超过基准的拥挤程度的情况下，将在与所述推定时刻不同的时刻利用所述车辆进入所述停车场这一行动包含于所述行动计划。
11.根据权利要求10所述的计划建议装置，其特征在于，
所述控制部构成为：针对第2用户，预测包括在所述停车场进行停放这一行动的所述某期间中的行动，基于所述预测到的第2用户的行动，算出所述推定拥挤状况。
12.根据权利要求1～9中任一项所述的计划建议装置，其特征在于，
所述预测结果包括所述第1用户利用所述车辆离开所述停车场的推定时刻，
所述停车场的信息包括所述推定时刻的所述停车场的出口或者周边道路的推定拥挤状况，
所述控制部构成为：在所述推定拥挤状况超过基准的拥挤程度的情况下，将在与所述推定时刻不同的时刻利用所述车辆离开所述停车场这一行动包含于所述行动计划。
13.根据权利要求12所述的计划建议装置，其特征在于，
所述控制部构成为：针对第2用户，预测包括在所述停车场进行停放这一行动的所述某期间中的行动，基于所述预测到的第2用户的行动，算出所述推定拥挤状况。
14.根据权利要求1～9中任一项所述的计划建议装置，其特征在于，
所述预测结果包括所述第1用户在利用所述车辆进入所述停车场之前利用所述车辆所前往的推定地点，
所述停车场的信息包括所述推定地点与所述停车场的多个入口的位置关系，
所述控制部构成为：根据所述位置关系，从所述多个入口中选择一个入口，将利用所述车辆从所选择出的入口进入这一行动包含于所述行动计划。
15.根据权利要求1～9中任一项所述的计划建议装置，其特征在于，
所述预测结果包括所述第1用户在利用所述车辆从所述停车场离开之后利用所述车辆所前往的推定地点，
所述停车场的信息包括所述推定地点与所述停车场的多个出口的位置关系，
所述控制部构成为：根据所述位置关系，从所述多个出口中选择一个出口，将利用车辆从所选择出的出口离开这一行动包含于所述行动计划。
16.根据权利要求1～9中任一项所述的计划建议装置，其特征在于，
所述预测结果包括所述第1用户在将所述车辆停放在了所述停车场之后所采取的预测行动，
所述停车场的信息包括所述停车场的多个停车位的信息，
所述控制部构成为：根据所述预测行动，从所述多个停车位中选择一个停车位，使所述行动计划包含将所述车辆停放在所选择出的停车位这一行动。
17.根据权利要求1～9中任一项所述的计划建议装置，其特征在于，
所述控制部构成为：在所述车辆的位置包含于基准的地理范围的情况下，根据所述停车场的多个入口的拥挤状况，从所述多个入口中选择一个入口，生成对从所述车辆的位置到所选择出的入口为止的路径进行引导的引导数据，输出所生成的引导数据。
18.根据权利要求1～9中任一项所述的计划建议装置，其特征在于，
所述控制部构成为：在所述车辆的位置包含于基准的地理范围的情况下，根据所述停车场的多个停车区域的拥挤状况，从所述多个停车区域中选择一个停车区域，生成对从所述车辆的位置到所选择出的停车区域为止的路径进行引导的引导数据，输出所生成的引导数据。
19.根据权利要求1～9中任一项所述的计划建议装置，其特征在于，
所述控制部构成为：在所述车辆的位置包含于基准的地理范围的情况下，根据所述第1用户的停车倾向，从所述停车场的多个停车位中选择一个停车位，生成对从所述车辆的位置到所选择出的停车位为止的路径进行引导的引导数据，输出所生成的引导数据。
20.一种系统，具备：
权利要求1～19中任一项所述的计划建议装置；和
终端装置，其特征在于构成为从所述计划建议装置接收所述建议数据，对所述第1用户提示所述建议数据。
21.一种车辆，其特征在于，具备权利要求1～19中任一项所述的计划建议装置。
22.一种计划建议方法，其特征在于，包括：
通过控制部，针对第1用户，分析所述第1用户的包括最后一英里倾向以及停车倾向的行动倾向，基于所得到的分析结果，预测某期间中的行动来作为用户行动，所述某期间中的行动包括将车辆停放在由包括所述第1用户的多个用户共用的停车场这一行动，所述最后一英里倾向包括所述第1用户是以徒步的方式从所述停车场移动到目的地、还是利用最后一英里交通进行移动，若是利用最后一英里交通进行移动，则还包括最后一英里交通的种类；
通过所述控制部，基于所得到的预测结果和所述某期间中的所述停车场的信息，生成对所述某期间中的行动计划进行建议的建议数据；以及
从所述控制部输出所生成的建议数据。
CN202210312541.2A 2021-03-31 2022-03-28 计划建议装置、系统、车辆以及计划建议方法 Active CN115148045B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2021-061873 2021-03-31
JP2021061873A JP2022157578A (ja) 2021-03-31 2021-03-31 計画提案装置、システム、車両、及び計画提案方法

Publications (2)

Publication Number Publication Date
CN115148045A CN115148045A (zh) 2022-10-04
CN115148045B true CN115148045B (zh) 2024-02-02

Family

ID=83407291

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210312541.2A Active CN115148045B (zh) 2021-03-31 2022-03-28 计划建议装置、系统、车辆以及计划建议方法

Country Status (4)

Country Link
US (1) US20220319321A1 (zh)
JP (1) JP2022157578A (zh)
KR (1) KR20220136095A (zh)
CN (1) CN115148045B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000193473A (ja) * 1998-12-25 2000-07-14 Aisin Aw Co Ltd ナビゲ―ション装置及び記憶媒体
JP2001307277A (ja) * 2000-04-17 2001-11-02 Sumitomo Electric Ind Ltd 交通渋滞緩和システム
CN105185115A (zh) * 2015-09-07 2015-12-23 华迪计算机集团有限公司 一种交通预测方法和预测系统
CN105913342A (zh) * 2016-04-08 2016-08-31 上海旭薇物联网科技有限公司 一种基于大数据挖掘算法的智慧社区系统
CN107305573A (zh) * 2016-04-25 2017-10-31 北京搜狗科技发展有限公司 一种导航控制方法、装置及电子设备
DE102017011023A1 (de) * 2017-11-29 2018-05-09 Daimler Ag Verfahren zum Erlernen des Nutzerverhaltens
JP2020166631A (ja) * 2019-03-29 2020-10-08 本田技研工業株式会社 課金装置、課金方法、およびプログラム

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4072853B2 (ja) * 2003-06-06 2008-04-09 アルパイン株式会社 ナビゲーション装置
US20070138347A1 (en) * 2004-12-16 2007-06-21 Ehlers Gregory A System and method for providing information to an operator of a vehicle
US20150187224A1 (en) * 2013-10-15 2015-07-02 Mbfarr, Llc Driving assessment and training method and apparatus
GB201414778D0 (en) * 2014-08-20 2014-10-01 Jaguar Land Rover Ltd Route planning device and method
US9789779B2 (en) * 2014-08-25 2017-10-17 Toyota Jidosha Kabushiki Kaisha Regional charging control service
US11162806B2 (en) * 2015-01-05 2021-11-02 Harman International Industries, Incorporated Learning and predictive navigation system
TWI645388B (zh) * 2016-11-30 2018-12-21 財團法人資訊工業策進會 停車位預測與停車場導引規劃系統及方法
US10527433B2 (en) * 2017-02-06 2020-01-07 International Business Machines Corporation Automated vehicle parking space recommendation
WO2020082089A1 (en) * 2018-10-19 2020-04-23 Neutron Holdings, Inc. Detecting types of travel corridors on which personal mobility vehicles travel
US11287280B2 (en) * 2019-01-29 2022-03-29 Here Global B.V. Method and apparatus for providing a recommended vehicle parking or stopping location based on a next destination

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000193473A (ja) * 1998-12-25 2000-07-14 Aisin Aw Co Ltd ナビゲ―ション装置及び記憶媒体
JP2001307277A (ja) * 2000-04-17 2001-11-02 Sumitomo Electric Ind Ltd 交通渋滞緩和システム
CN105185115A (zh) * 2015-09-07 2015-12-23 华迪计算机集团有限公司 一种交通预测方法和预测系统
CN105913342A (zh) * 2016-04-08 2016-08-31 上海旭薇物联网科技有限公司 一种基于大数据挖掘算法的智慧社区系统
CN107305573A (zh) * 2016-04-25 2017-10-31 北京搜狗科技发展有限公司 一种导航控制方法、装置及电子设备
DE102017011023A1 (de) * 2017-11-29 2018-05-09 Daimler Ag Verfahren zum Erlernen des Nutzerverhaltens
JP2020166631A (ja) * 2019-03-29 2020-10-08 本田技研工業株式会社 課金装置、課金方法、およびプログラム

Also Published As

Publication number Publication date
US20220319321A1 (en) 2022-10-06
JP2022157578A (ja) 2022-10-14
KR20220136095A (ko) 2022-10-07
CN115148045A (zh) 2022-10-04

Similar Documents

Publication Publication Date Title
US11107352B2 (en) Routing both autonomous and non-autonomous vehicles
US10160321B2 (en) Methods, circuits, devices, systems and associated computer executable code for driver decision support
US11313688B2 (en) Advanced trip planning for autonomous vehicle services
US20190072398A1 (en) Navigation using multiple user trip plan integration
CN112262418B (zh) 车辆管理系统和车辆管理方法
US20220044344A1 (en) Systems and methods for using ridesharing vehicles and personal transportation vehicles
CN112078431B (zh) 一种车辆能耗预测和能源补充方法及相关设备
CN105095339A (zh) 共享车辆系统和方法
CN113748446A (zh) 用于比较机动车辆行程的技术
US20220316892A1 (en) Control apparatus, system, vehicle, and control method
CN115148045B (zh) 计划建议装置、系统、车辆以及计划建议方法
CN114330786A (zh) 基于自动驾驶的车辆预约方法、装置、设备及存储介质
CN114944079B (zh) 运行管理装置和运行管理方法
KR20220117806A (ko) 운행 관리 장치, 운행 관리 시스템, 및 운행 관리 방법
US11927454B2 (en) Information processing device, information processing system, program, and information processing method
JP2022141458A (ja) インセンティブ設定装置
JP2022149985A (ja) 経路探索装置
JP2023093243A (ja) 制御装置及び誘導方法
CN115271779A (zh) 信息处理装置、方法以及程序

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