JP2008052455A - 需要予測装置およびプログラム - Google Patents

需要予測装置およびプログラム Download PDF

Info

Publication number
JP2008052455A
JP2008052455A JP2006227172A JP2006227172A JP2008052455A JP 2008052455 A JP2008052455 A JP 2008052455A JP 2006227172 A JP2006227172 A JP 2006227172A JP 2006227172 A JP2006227172 A JP 2006227172A JP 2008052455 A JP2008052455 A JP 2008052455A
Authority
JP
Japan
Prior art keywords
demand
vehicle
demand prediction
district
actual
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.)
Withdrawn
Application number
JP2006227172A
Other languages
English (en)
Inventor
Kohei Ono
紘平 小野
Takashi Sasa
隆司 笹
Tetsuya Kamiya
哲也 上谷
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.)
Denso Ten Ltd
Original Assignee
Denso Ten Ltd
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 Denso Ten Ltd filed Critical Denso Ten Ltd
Priority to JP2006227172A priority Critical patent/JP2008052455A/ja
Publication of JP2008052455A publication Critical patent/JP2008052455A/ja
Withdrawn legal-status Critical Current

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)

Abstract


【課題】 営業用車両の需要予測を実績データが少ない場合でも精度良く行うことができる需要予測装置およびプログラムを提供する。
【解決手段】 時間帯と該時間帯における地区毎の人口の増減を記憶する過去実績データベース6と、車両配車時の時間帯における地区毎の人口の増減に基づいて車両配車の需要を予測する需要予測手段2とを備える。
【選択図】 図1

Description

本発明は、需要予測装置およびプログラムに関し、たとえばタクシーの空車時間を極力少なくし、従来より正確な需要予測を行うことが可能な需要予測装置およびプログラムに関する。
本発明において、「動態情報」とは、営業用車両が実車中であるか空車中であるかを認識する情報と同義である。
タクシー、バスなどの営業用車両の需要を予測する技術が種々提案され、実用に供されている(たとえば特許文献1参照)。従来の需要予測システムでは、タクシーの需要を予測するための入力パラメータとして、過去の乗車実績つまり乗車位置、乗車日付および乗車時刻などを用いていた。これらの情報から統計的に過去の乗車実績の多い地区は、今後も需要が見込めるとして需要を予測していた。すなわち、これらは過去の実績データに基づいて予測がなされていた。
特開2004−70481号公報
従来技術では、実績データが少ない場合に精度良く需要を予測することができなかった。
本発明の目的は、営業用車両の需要予測を実績データが少ない場合でも精度良く行うことができる需要予測装置およびプログラムを提供することである。
本発明(1)に従えば、記憶手段は、時間帯における地区毎の人口の増減を記憶する。需要予測手段は、特に人の移動傾向を表す、時間帯における地区毎の人口の増減に基づいて車両配車の需要を予測する。これによって、より実情に近い需要予測を行うことが可能となる。
本発明(1)によれば、需要予測手段は、記憶手段に記憶される地区毎の人口の増減に基づく需要予測を行うので、同一地区において、夜間人口、昼間人口の違いなどに起因する車両配車の需要の違いを正確に予測することができる。より実情に近い車両配車の需要予測を行うことが可能となる。したがって車両の空車時間を極力少なくし、車両の稼動率を高めることが可能となる。営業用車両の需要予測を、実績データが少ない場合でも精度よく行うことができる。
以下、図面を参照しながら本発明を実施するための形態を、複数の形態について説明する。以下の説明においては、各形態で先行する形態で説明している事項に対応している部分には同一の参照符を付し、重複する説明を略する場合がある。構成の一部のみを説明している場合、構成の他の部分は、先行して説明している形態と同様とする。実施の各形態で具体的に説明している部分の組合せばかりではなく、特に組合せに支障が生じなければ、実施の形態同士を部分的に組合せることも可能である。本実施形態は、営業用車両であるタクシーの需要予測装置に適用される。以下の説明は、タクシーの需要予測方法の説明をも含む。前記「タクシー」を、「タクシー車両」、または単に「車両」という場合がある。
図1は、本発明の実施形態に係る需要予測装置1の電気的構成を表すブロック図である。需要予測装置1は、需要計算装置である需要予測手段2、通信手段としての通信装置3、車両情報処理装置4、現在の車両情報データベース5、記憶手段としての過去実績データベース6、地区割情報記憶部7、地理的情報データベース8、イベント情報データベース9、イベント情報自動検索装置10、イベント情報入力編集装置11および需要予測結果表示装置12を含んで構成される。需要予測手段2は、たとえば中央演算処理装置(略称CPU:Central Processing Unit)によって実現される。
前記通信装置3により、車両13に取り付けられた端末から現在の車両の位置情報および動態情報などの車両情報を、随時収集する。基本的に車両13から任意に発信される信号を受信し、収集する。また需要予測装置1つまりセンタ側からの指令によって、車両需要を収集することも可能である。収集した車両情報を、車両情報処理装置4を介して現在の車両情報としてデータベース5へ登録する。乗客の乗車、下車時には、その乗車位置、下車位置、乗車日時および下車日時などを実績情報として過去実績データベース6へ登録する。メッシュ状に分割、またはタクシー会社の営業エリアを一定の範囲で任意に分割した地区を特定するための情報である地区割情報は、地区割情報記憶部7に予め記憶しておく。
後述する地理的情報は、地理的情報データベース8へ予め登録しておく。イベント情報を、たとえばキーボードであるイベント情報入力編集装置11によってイベント情報データベース9へ登録する。イベント情報は、たとえばインターネットINにアクセス可能なイベント情報自動検索装置10によるキーワード検索によって、イベント情報データベース9へ登録する。前記イベント情報入力編集装置11およびイベント情報自動検索装置10の少なくともいずれか一方によって、イベント情報をイベント情報データベース9へ登録可能に構成されている。
図2は、本発明の第1の実施形態に係り、需要予測結果表示装置12に出力される、メッシュ状に分割された営業エリアおよび地理的情報を表す図である。図1も参照しつつ説明する。地理的情報データベース8には、営業エリア内に鉄道路線14、バス路線15などの情報が登録されている。鉄道路線14上には、A駅〜E駅が適当間隔おきに配設され、バス路線15上には、バス停留所Ba,Bb,Bc,Bdが適当間隔おきに配設されている。各駅、各バス停留所において、営業エリアの地区が特定される。
地理的情報データベース8には、前記営業エリアおよび鉄道路線情報の他に、地区毎に、夜間人口が低いか高いか、昼間人口が低いか高いかの情報が登録されている。たとえば、図2において付された丸数字の数字の小さい地区順に夜間人口が高く、昼間人口が低い。つまり丸数字の数字が小さい地区程、夜間人口が高く、かつ昼間人口が低い情報が、地理的情報データベース8に登録されている。逆に、丸数字の数字が大きい地区程、昼間人口が高く、夜間人口が低い情報が、地理的情報データベース8に登録されている。本実施形態では、営業エリアを分割した地区の番号と、昼間、夜間人口の分布情報を表すいわゆる人口分布情報の数字とを、同一の丸数字を用いて表記している。これによって管理者は、表示装置に出力された内容を簡単化し、必要な人口分布情報をより見易くできる。ただし、営業エリアを分割した地区の番号と、人口分布情報の数字とを合わせない場合もあり得る。前記番号を合わせる合わせないだけでなく、地区の分割のやり方を合わせる合わせないもある。
第1の実施形態では、需要予測装置として、需要予測時刻における一の場所から他の場所への人の移動傾向を表す地理的情報(いわゆる人の流れ)を考慮する。本実施形態では、一例として次のような分類を行っている。平日午前における住宅街からビジネス街への人の移動傾向を一分類、平日午後におけるビジネス街から住宅街への人の移動傾向を一分類、休日午前における住宅街から商業街への人の移動傾向を一分類、休日午後における商業街から住宅街への人の移動傾向を一分類とする。
たとえば平日午前の場合、全体的に(1)〜(6)地区から(10)〜(15)地区への人の移動傾向がある。本実施形態のように鉄道路線14がある場合、E,D駅に対し離隔した(1),(3),(4),(6)地区からE,D駅を含む(2),(5)地区への人の移動傾向がある。しかもA,B駅を含む(11),(14)地区からA,B駅に対し離隔した(10),(12),(13),(15)地区への人の移動傾向がある。当該エリアで平日午前において、タクシーの需要予測をする場合、全体的な人の移動傾向の上流側の地区{(1)〜(6)地区}でかつE,D駅に対し離隔した(1),(3),(4),(6)地区で需要が高くなる。しかも、全体的な人の移動傾向の下流側の地区{(10)〜(15)地区}でかつA,B駅を含む(11),(14)地区で需要が高くなると予測できる。
これらの需要の予測は、実績データを積み重ねることによって、徐々に精度よく需要を予測することができる。実績データだけで需要予測の精度を高めるためには、数ヶ月〜数年といった実績データが必要になってくる。しかし、本実施形態のように、人の移動傾向を考慮することによって、過去実績データベース6に登録された営業実車実績データが少ない場合であっても、精度よく需要を予測することが可能となる。したがって、過去実績データベース6の記憶容量を、実績データだけに依存する従来技術のものより、小さくすることができる。たとえば数ヶ月未満の実績データしか過去実績データベース6に登録されていない場合であっても、需要予測手段2は、需要予測時刻における一の場所から他の場所への人の移動傾向を表す地理的情報を、地理的情報データベース8から読み出して演算に供することができる。したがって迅速にかつ精度よくタクシーの需要予測を行うことが可能となる。本第1の実施形態では、時間帯と該時間帯における地区毎の人口の増減を記憶する過去実績データベース6と、車両配車時の時間帯における地区毎の人口の増減に基づいて車両配車の需要を予測する需要予測手段2とを備えたので、同一地区において、夜間人口、昼間人口の違いなどに起因する車両配車の需要の違いを正確に予測することができる。営業用車両の需要予測を、実績データが少ない場合でも精度よく行うことができる。
図3は、本発明の第2の実施形態に係り、需要予測結果表示装置12に出力される、メッシュ状に分割された営業エリアおよび地理的情報を表す図である。図4は、時間帯とタクシー利用実績との関係を表す図であり、図4(a)は一定以上データ量が蓄積されたタクシー利用実績を表す図、図4(b)は住宅街における平日のタクシー利用実績を表す図、図4(c)はビジネス街における平日のタクシー利用実績を表す図、図4(d)は繁華街における平日のタクシー利用実績を表す図である。図1も参照しつつ説明する。
前記イベント情報データベース9に、イベント(事象)として「ショッピングモールの開店」の日時、位置および店舗規模を登録することで、需要予測手段2は、ショッピングモール周辺地区である(7)地区の需要が増加すると予測する。同時に、需要予測手段2は、ショッピングモールに最も近いC駅周辺地区である(8)地区の需要も増加すると予測する。さらに需要予測手段2は、バス停留所がショッピングモール16の直ぐ近くにあるので、ショッピングモール16周辺の需要の伸びは少ないと予測する。
ニュータウン17に関しては、ショッピングモール16と同様にイベント(事象)として、イベント情報データベース9に登録することで、人の移動傾向つまり人の流れを予測することもできるが、ニュータウン17ができたからと言って直ぐにタクシー需要が伸びるわけではない。そのため、ニュータウン17の扱いとして、別の以下の手法が考えられる。
1.ニュータウン17は、イベントとしてイベント情報データベース9に登録しない場合、最初は地区の利用状況(住宅街または商業街)が分類されていないので、人の流れの考慮対象からは除外され、実績データだけ蓄積される。
2.需要予測手段2は、過去実績データベース6に営業実車実績であるタクシー利用実績が一定以上蓄積された段階で、図4(a)に示すように、たとえば平日において時間帯毎のタクシー利用実績からグラフ化する。該グラフの横軸は時間帯tを表し、縦軸はタクシー利用実績を表す。前記横軸の一端部(左端部)は0時を表し、他端部(右端部)は23時59分を表している。ただしこのような時間帯表記に限定されるものではない。
3.需要予測手段2は、図4(b),図4(c),図4(d)に示すように、地区の利用状況別にパターン化されたグラフと比較する。
4.需要予測手段2は、比較の結果、対象の地区がたとえば住宅街のパターンに近く、他のパターンとはかけ離れていると判断すると、前記対象の地区を住宅街として新たに地区の利用状況を地理的情報データベース8に登録する。
5.需要予測手段2は、地区の利用状況が登録されたことで、人の移動傾向を考慮対象とし、需要予測へ反映する。
以上説明したように、第2の実施形態において、過去実績データベース6に記憶されるタクシー利用実績と、地理的情報データベース8に登録される、人の移動傾向を表す地理的情報とに基づく需要予測を行うことができるので、次のような効果を奏する。同一地区において、人の流れに起因するタクシーの需要の違いを正確に予測することができ、より実情に近いタクシーの需要予測を行うことが可能となる。したがってタクシーの空車時間を極力少なくし、タクシーの稼働率を高めることが可能となる。
図5は、本発明の第3の実施形態に係り、需要予測結果表示装置12に出力される、メッシュ状に分割された営業エリアおよび地理的情報を表す図である。第3の実施形態において、イベント情報として、突発的事象として鉄道事故が発生した場合の例を表1に示す。以下の情報を、イベント情報データベース9に入力する入力値とする。該入力値は、イベント情報入力編集装置11で手動により入力可能、またはインターネットにアクセス可能なイベント情報自動検索装置10により自動取得可能になっている。イベント情報とは、催し物の情報だけではなく、催し、突発的な事故などを含めた広義の事象と同義である。
Figure 2008052455
前記規模は、「脱線」などのキーワードに合致する規模を自動的に「大」と判断してもよいし、手動によりイベント情報入力編集装置11を介して入力してもよい。規模の区分けは「大」、「小」であってもよいし、「大」、「中」、「小」としてもよい。ただし、これらの区分けに限定されるものではない。地理的情報データベース8には、図5に示す営業エリアおよび鉄道路線情報の他に、たとえば丸数字の数字が小さい程夜間人口が高く、昼間人口が低い情報(逆に丸数字の数字が大きい程昼間人口が高く、夜間人口が低い情報)が登録されている。本実施形態では、営業エリアを分割した地区の番号と、前述の人口分布情報の数字とを、同一の丸数字を用いて表記している。ただし、営業エリアを分割した地区の番号と、人口分布情報の数字とを合わせない場合もあり得る。前記番号を合わせる合わせないだけでなく、地区の分割のやり方を合わせる合わせないもある。
第3の実施形態に係る需要予測手段2は、前述のイベント情報がイベント情報データベース9へ登録された段階で、以下の動作を行う。
(ai)イベント種類が「鉄道事故」なので、事故が発生した鉄道路線14を地理的情報データベース8からロードする。
(aii)鉄道事故の発生箇所がB駅〜C駅間なので、C駅を含む(8)地区およびB駅を含む(11)地区のタクシー需要が非常に高くなると予測する。
(aiii)鉄道事故の発生時刻が平日の午前7時35分(通勤通学の朝のラッシュ時間帯)なので、事故発生現場18から夜間人口が高い側つまり(2)地区および(5)地区でもタクシー需要が相当高くなると予測する。
(aiv)規模が「大」のため、(2)および(5)地区の周辺地区である(1)、(3)、(4)および(6)地区でも、タクシー需要が高くなると予測する。
(av)タクシー需要予測の結果を地区毎の予測値、または地図上への表示などによって、出力する。
前記(aii)、(aiii)、(aiv)の予測は、必ずしもこの順番に従う必要はなく、任意の順番に従ってもよい。
イベント情報が編集(削除)されずに、夕方の時間帯を迎えた場合、需要予測手段2は以下の動作を行う。
(bi)事故発生現場から昼間人口が高い側の地区である(11)地区、(14)地区でタクシー需要が相当高くなると予測する。
(bii)規模が「大」のため、さらに周辺地区である(10)、(12)、(13)、(15)地区でも需要が高くなると予測する。
(biii)タクシー需要予測の結果を地区毎の予測値および、地図上への表示などにより出力する。最後に、突発イベントである突発的事象の需要実績は、今後の需要予測の過去実績データベース6から除外するものとする。
以上説明したように、第3の実施形態において、過去の乗車下車の実績だけでなく、イベント情報を需要予測のパラメータとして用いることによって、鉄道事故などの突発的事象によるタクシー需要の急増にも即時に対応することが可能となる。換言すれば、イベント情報として、催し物など人が移動する直接的原因そのものだけでなく、鉄道事故など人が移動する間接的原因をイベント情報データベース9に登録することで、タクシーの需要予測の適用範囲を広げることが可能となる。より実情に近いタクシーの需要予測を行うことが可能となる。したがってタクシーの空車時間を極力少なくし、タクシーの稼動率を高めることが可能となる。突発イベントである突発的事象の需要実績は、今後の需要予測の過去実績データベース6から除外するので、今後のタクシー需要予測の精度を向上させることができる。
図6は、営業実車実績が予め定める閾値を超えたか否かを判断する図表である。図7は、タクシーの需要予測方法を段階的に表すフローチャートである。本実施形態では、需要予測手段2にたとえばROM(ROM:Read Only Memory)が格納され、前記ROMに、車両配車の需要を予測するためのプログラムが格納されている。該プログラムは前記CPUによって実行可能である。前記プログラムは記録媒体に書き込まれ(または通信回線を介して)コンピュータにインストール可能に構成されてもよい。この場合には、前記プログラムをたとえば汎用のパーソナルコンピュータなどにインストールすることができ、ユーザの利便性を高めることができる。
図8は、図7のステップa5のサブルーチンを表すフローチャートである。図1も参照しつつ説明する。需要計算手段である需要予測手段2は、営業エリアの予め定める地区における営業実車実績が予め定める閾値{たとえばその地区における実車の回数(=実車実績)=1000回、その他その地区の1日の平均実車回数=10}を超えたか否かを判断する。需要予測手段2は、前記営業実車実績が前記閾値L1を超えていないと判断すると、地理的情報を前記営業実車実績より重視する補正を施す。
具体的には、図7に示すように、当該需要予測手段2の図示外の主電源をオンする条件で本処理が開始する。本処理開始後ステップa1に移行し、需要予測手段2は、現在のタクシーの位置情報、動態情報などいわゆる車両情報データベースを取得する。次にステップa2に移行し、需要予測手段2は、前記動態情報から、演算対象となる現在のタクシー13が空車タクシーか否かを判断する。「否」との判断つまり現在のタクシー13は実車であるとの判断でステップa3に移行し、需要予測手段2は、車両データベース5を更新する。その後本処理を終了する。
ステップa2で空車であるとの判断で、ステップa4に移行し、需要予測手段2は、現在のタクシー13の現在位置に基づく、過去実績データベース6があるか否かを判断する。「否」との判断でステップa6に移行し、需要予測手段2は、地理的情報データベース8だけに基づくタクシーの需要予測を行う。その後本処理を終了する。ステップa4において、過去実績データベース6があるとの判断でステップa5に移行する。ステップa5において、需要予測手段2は、過去実績データベース6および地理的情報データベース8に基づいてタクシーの需要予測を行う。
詳細には、ステップa4:YESの条件で図8に示す処理が開始する。本処理開始後、ステップa51に移行し、需要予測手段2は、過去実績データベース6が前記閾値L1を超えたか否かを判断する。超えたとの判断で(ステップa51:YES)、ステップa52に移行する。本ステップで需要予測手段2は、過去実績データベース6に基づく予測値に、係数α(α=1.0)を乗じる。また地理的情報データベース8に基づく予測値に、係数β(β=1.0)を乗じる。これらの値から需要予測手段2は、タクシーの需要予測を行う。その後本処理を終了する。
ステップa51において、過去実績データベース6に登録されている営業実車実績が前記閾値L1を超えていないとの判断で、ステップa53に移行する。本ステップa53では、需要予測手段2は、過去実績データベース6に基づく予測値に、係数α(α=0.1以上9.9以下)を乗じる。また地理的情報データベース8に基づく予測値に、係数β(β=1.0以上9.9以下)を乗じる。これらの値から需要予測手段2は、タクシーの需要予測を行う。その後本処理を終了する。ステップa53における係数α、βは自由に設定可能であり、過去実績データベース6、地理的情報データベース8どちらの予測結果を重視するかを指定することも可能である。この場合には、営業エリアの実情に即したタクシー需要予測を行うことが可能となり、タクシーの空車時間の短縮を図ることができる。その他閾値を設定せずに、係数α=実車回数/1000,係数β=1.0(固定)として、実車回数が増えるに従って、過去実績を重視するようにしてもよい。また係数α≦2.0のように上限を設けてもよい。これらの場合には、実車回数の大小に拘わらず、タクシーの需要予測を極力正確に行うことができる。
以上説明したように、需要予測手段2は、営業実車実績が予め定める閾値L1を超えたか否かを判断し、前記営業実車実績が前記閾値L1を超えていないと判断すると(ステップa51:NO)、地理的情報を前記営業実車実績より重視する補正を施している(ステップa53)。つまり営業実車実績が閾値L1を超えていないような状態では、人の移動傾向を表す地理的情報データベース8に基づく予測値に係数βを乗じ、地理的情報を営業実車実績より重視する補正を施している。これによって、営業実車実績の情報の積上げがないシステム稼動当初の段階であっても、より正確なタクシーの需要予測が可能となる。
本需要予測装置1において、システム稼動当初は地理的情報を営業実車実績より重視するような係数α、βに設定しておき、営業実車実績が過去実績データベース6に溜まるに従って、営業実車実績を徐々に重視するような係数α、βに自動的に変化させるシステムにすることも可能である。この場合には、システム稼動当初から過去実績データベースが溜まる段階まで、より正確なタクシーの需要予測を安定して行うことができる。
本発明の実施の他の形態として、ある地区の営業実車実績を予め与えられた地理的情報であるサンプルパターン(たとえば住宅街は早朝から午前中にかけてタクシー需要が多い、ビジネス街は昼間タクシー需要が多いなど)と比較することで、地区の利用状況を自動的に地理的情報の地区の利用状況を更新するシステムにしてもよい。地理的情報の地区の利用状況を更新すればする程、実情に即した正確なタクシーの需要予測を行うことができる。
地理的情報データベース8に、前述のサンプルパターンを予め与えるのではなく、システム内の地区の利用状況が登録されている地区の利用実績を平均し、該平均値をサンプルとすることも可能である。サンプルパターンを地理的情報データベース8に予め与える必要がないので、サンプルパターンを備える地理的情報データベース8より当該地理的情報データベース8の記憶容量を少なくすることができる。
本実施形態にかかる需要予測装置1において、一定の営業実車実績が過去実績データベースに溜まった時点で営業エリアの地区の利用状況を自動的に更新するようにしてもよい。この場合には、需要予測装置1を管理する管理者の手間を軽減するとともに、正確なタクシーの需要予測を行うことができる。本実施形態にかかる需要予測装置1において、一定期間の営業実車実績数が安定してきた(たとえば先月の営業実車実績が過去半年の営業実車実績と比較して5%以内のばらつきなど)と判断できれば、営業エリアの地区の利用状況を自動的に更新するようにしてもよい。この場合には、正確でかつ安定したタクシーの需要予測を行うことができる。この実績数を観察する観察期間を任意に指定できるようにしてもよい。前記営業実車実績数の安定の判断指数は、5%以内に限定されるものではなく、たとえば10%以内など任意の指数に指定できる。
イベント情報としてショッピングモール開店、大規模マンション(建築物等と称す)の建設など、地区の一部分にタクシー需要の変動要因が発生する場合に、その建築物等の位置、集客力予測値、継続期間を入力することができ、その近辺のタクシー需要が高くなるよう予測するようにしてもよい。イベント地点(地区)へ向かう人の流れの上流として、前記イベント地点近くの主要な公共交通機関(駅、バス停留所など)のタクシー需要が高くなるように需要予測してもよい。
需要予測装置は、イベント地点と主要な公共交通機関(駅、バス停留所など)との直線距離を計算し、駅、バス停留所などがたとえば徒歩15分以内の距離にあると判断した場合、タクシー需要は高くならないと予測してもよい。つまりイベント地点と公共交通機関との距離に応じて係数βを設定し(距離が長くなればなる程、係数βを大きくし)、タクシーの需要予測を行うことも可能である。このように直線距離に基づき係数βを設定する簡単な手法でタクシーの需要予測をより正確に行うことができる。
需要予測装置は、地勢情報から坂道の傾斜を考慮し、イベント地点と対象となる公共交通機関との標高差がある場合には、イベント地点と公共交通機関との距離に係数β(標高差があればある程、係数βを大きくする)を乗じ、タクシーの需要予測を行うことも可能である。その他、公共交通機関の時刻表を加味したタクシーの需要予測を行ってもよい。現在時刻と次にバスまたは電車が出る時刻とを比較して、その時間が大きければ大きい程、タクシー需要が高くなるように需要予測してもよい。公共交通機関の時刻表は、たとえばイベント情報自動検索装置またはイベント情報入力編集装置からイベント情報データベースに入力して登録することができる。その他、本発明の趣旨を逸脱しない範囲において種々の変更を付加した形態で実施することも可能である。
本発明の実施形態に係る需要予測装置1の電気的構成を表すブロック図である。 本発明の第1の実施形態に係り、需要予測結果表示装置12に出力される、メッシュ状に分割された営業エリアおよび地理的情報を表す図である。 本発明の第2の実施形態に係り、需要予測結果表示装置12に出力される、メッシュ状に分割された営業エリアおよび地理的情報を表す図である。 時間帯とタクシー利用実績との関係を表す図であり、図4(a)は一定以上データ量が蓄積されたタクシー利用実績を表す図、図4(b)は住宅街における平日のタクシー利用実績を表す図、図4(c)はビジネス街における平日のタクシー利用実績を表す図、図4(d)は繁華街における平日のタクシー利用実績を表す図である。 本発明の第3の実施形態に係り、需要予測結果表示装置12に出力される、メッシュ状に分割された営業エリアおよび地理的情報を表す図である。 営業実車実績が予め定める閾値を超えたか否かを判断する図表である。 タクシーの需要予測方法を段階的に表すフローチャートである。 図7のステップa5のサブルーチンを表すフローチャートである。
符号の説明
1 需要予測装置
2 需要予測手段
3 通信装置
6 過去実績データベース
8 地理的情報データベース
9 イベント情報データベース

Claims (4)

  1. 時間帯と該時間帯における地区毎の人口の増減を記憶する記憶手段と、
    車両配車時の時間帯における地区毎の人口の増減に基づいて車両配車の需要を予測する需要予測手段と、を備えたことを特徴とする需要予測装置。
  2. 前記記憶手段には、乗車位置、乗車日および乗車時刻を含む営業実車実績が記憶され、
    前記需要予測手段は、営業実車実績が予め定める閾値を超えたか否かを判断し、前記営業実車実績が前記閾値を超えていないと判断すると、車両配車時の時間帯における地区毎の人口の増減に基づく情報を前記営業実車実績より重視する補正を施すことを特徴とする請求項1記載の需要予測装置。
  3. 突発的事象の発生位置および発生時刻を入力する入力手段を、さらに備え、
    前記需要予測手段は、前記入力手段によって入力される突発的事象の発生位置および発生時刻をさらに加味して車両配車の需要を予測することを特徴とする請求項1または2に記載の需要予測装置。
  4. 車両配車の需要を予測するためのプログラムであって、
    コンピュータに
    車両配車時の時間帯における地区毎の人口の増減に基づいて車両配車の需要を予測させる機能、
    該予測された車両配車の需要予測結果を出力させる機能、を実現するためのプログラム。
JP2006227172A 2006-08-23 2006-08-23 需要予測装置およびプログラム Withdrawn JP2008052455A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2006227172A JP2008052455A (ja) 2006-08-23 2006-08-23 需要予測装置およびプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2006227172A JP2008052455A (ja) 2006-08-23 2006-08-23 需要予測装置およびプログラム

Publications (1)

Publication Number Publication Date
JP2008052455A true JP2008052455A (ja) 2008-03-06

Family

ID=39236461

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2006227172A Withdrawn JP2008052455A (ja) 2006-08-23 2006-08-23 需要予測装置およびプログラム

Country Status (1)

Country Link
JP (1) JP2008052455A (ja)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010123075A1 (ja) * 2009-04-23 2010-10-28 株式会社エヌ・ティ・ティ・ドコモ 移動手段需要予測支援サーバ、移動手段供給システム、及び移動手段需要予測データ作成方法
JP2011095995A (ja) * 2009-10-29 2011-05-12 Ntt Docomo Inc 地域分類装置、地域分類システム及び地域分類方法
WO2011065256A1 (ja) * 2009-11-24 2011-06-03 株式会社エヌ・ティ・ティ・ドコモ 需要予測装置及び需要予測方法
JP2011164889A (ja) * 2010-02-09 2011-08-25 Kozo Keikaku Engineering Inc バス路線評価支援システム、バス路線評価支援方法、バス路線評価支援プログラム、及び記録媒体
JP2012073979A (ja) * 2010-09-30 2012-04-12 Hitachi Automotive Systems Ltd Ev車の配車・運行管理システム
JP2017204168A (ja) * 2016-05-12 2017-11-16 株式会社Nttドコモ タクシー需要推定システム
CN108357461A (zh) * 2017-01-27 2018-08-03 松下电器(美国)知识产权公司 车辆控制装置以及车辆控制方法
JP2018124974A (ja) * 2017-01-27 2018-08-09 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Panasonic Intellectual Property Corporation of America 車両制御装置及び車両制御方法
WO2018154958A1 (ja) * 2017-02-27 2018-08-30 株式会社Nttドコモ 需要予測装置
KR101993551B1 (ko) * 2018-01-22 2019-06-26 성균관대학교산학협력단 택시 승객의 수요 예측 방법 및 장치
CN111126746A (zh) * 2018-10-31 2020-05-08 丰田自动车株式会社 信息递送方法、信息递送装置和存储信息递送程序的存储介质
JP2020119245A (ja) * 2019-01-23 2020-08-06 トヨタ自動車株式会社 情報処理装置、車両管理システム、および情報処理方法
US10740701B2 (en) 2016-03-03 2020-08-11 Beijing Didi Infinity Technology And Development Co., Ltd. Systems and methods for determining predicted distribution of future transportation service time point
CN112352250A (zh) * 2018-07-04 2021-02-09 索尼公司 信息处理装置、信息处理方法和程序
JP2021039547A (ja) * 2019-09-03 2021-03-11 トヨタ自動車株式会社 情報処理方法および情報処理装置
JP2021064250A (ja) * 2019-10-16 2021-04-22 トヨタ自動車株式会社 情報処理装置、非一時的記憶媒体、及び、システム

Cited By (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5232298B2 (ja) * 2009-04-23 2013-07-10 株式会社エヌ・ティ・ティ・ドコモ 移動手段需要予測支援サーバ、移動手段供給システム、及び移動手段需要予測データ作成方法
WO2010123075A1 (ja) * 2009-04-23 2010-10-28 株式会社エヌ・ティ・ティ・ドコモ 移動手段需要予測支援サーバ、移動手段供給システム、及び移動手段需要予測データ作成方法
JP2011095995A (ja) * 2009-10-29 2011-05-12 Ntt Docomo Inc 地域分類装置、地域分類システム及び地域分類方法
WO2011065256A1 (ja) * 2009-11-24 2011-06-03 株式会社エヌ・ティ・ティ・ドコモ 需要予測装置及び需要予測方法
JP2011113141A (ja) * 2009-11-24 2011-06-09 Ntt Docomo Inc 需要予測装置及び需要予測方法
EP2506193A1 (en) * 2009-11-24 2012-10-03 Ntt Docomo, Inc. Demand prediction device and demand prediction method
EP2506193A4 (en) * 2009-11-24 2013-11-20 Ntt Docomo Inc DEMAND PREDICTION DEVICE AND APPLICATION PREDICTION METHOD
JP2011164889A (ja) * 2010-02-09 2011-08-25 Kozo Keikaku Engineering Inc バス路線評価支援システム、バス路線評価支援方法、バス路線評価支援プログラム、及び記録媒体
JP2012073979A (ja) * 2010-09-30 2012-04-12 Hitachi Automotive Systems Ltd Ev車の配車・運行管理システム
US10740701B2 (en) 2016-03-03 2020-08-11 Beijing Didi Infinity Technology And Development Co., Ltd. Systems and methods for determining predicted distribution of future transportation service time point
US11348042B2 (en) 2016-03-03 2022-05-31 Beijing Didi Infinity Technology And Development Co., Ltd. Systems and methods for determining predicted distribution of future transportation service time point
JP2017204168A (ja) * 2016-05-12 2017-11-16 株式会社Nttドコモ タクシー需要推定システム
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
US11441910B2 (en) 2017-01-27 2022-09-13 Panasonic Intellectual Property Corporation Of America Vehicle control apparatus and vehicle control method
CN108357461A (zh) * 2017-01-27 2018-08-03 松下电器(美国)知识产权公司 车辆控制装置以及车辆控制方法
JP2018124974A (ja) * 2017-01-27 2018-08-09 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Panasonic Intellectual Property Corporation of America 車両制御装置及び車両制御方法
JPWO2018154958A1 (ja) * 2017-02-27 2019-11-21 株式会社Nttドコモ 需要予測装置
WO2018154958A1 (ja) * 2017-02-27 2018-08-30 株式会社Nttドコモ 需要予測装置
KR101993551B1 (ko) * 2018-01-22 2019-06-26 성균관대학교산학협력단 택시 승객의 수요 예측 방법 및 장치
JP7501601B2 (ja) 2018-07-04 2024-06-18 ソニーグループ株式会社 情報処理装置、情報処理方法及びプログラム
CN112352250A (zh) * 2018-07-04 2021-02-09 索尼公司 信息处理装置、信息处理方法和程序
CN111126746A (zh) * 2018-10-31 2020-05-08 丰田自动车株式会社 信息递送方法、信息递送装置和存储信息递送程序的存储介质
JP7067497B2 (ja) 2019-01-23 2022-05-16 トヨタ自動車株式会社 情報処理装置、車両管理システム、および情報処理方法
JP2020119245A (ja) * 2019-01-23 2020-08-06 トヨタ自動車株式会社 情報処理装置、車両管理システム、および情報処理方法
JP2021039547A (ja) * 2019-09-03 2021-03-11 トヨタ自動車株式会社 情報処理方法および情報処理装置
JP7310459B2 (ja) 2019-09-03 2023-07-19 トヨタ自動車株式会社 情報処理方法および情報処理装置
JP2021064250A (ja) * 2019-10-16 2021-04-22 トヨタ自動車株式会社 情報処理装置、非一時的記憶媒体、及び、システム
JP7347104B2 (ja) 2019-10-16 2023-09-20 トヨタ自動車株式会社 情報処理装置、非一時的記憶媒体、及び、システム

Similar Documents

Publication Publication Date Title
JP2008052455A (ja) 需要予測装置およびプログラム
Bischoff et al. City-wide shared taxis: A simulation study in Berlin
Amirgholy et al. Optimal design of sustainable transit systems in congested urban networks: A macroscopic approach
Bates History of demand modelling
Chrobok et al. Different methods of traffic forecast based on real data
US7487918B2 (en) Information acquisition method, information presenting method, and information acquisition system
Austin et al. Taxicabs as public transportation in Boston, Massachusetts
US20210174270A1 (en) Rideshare vehicle demand forecasting device, method for forecasting rideshare vehicle demand, and storage medium
EP3572991A1 (en) Transit demand forecasting device and transit demand forecasting method
Hamadneh et al. Impacts of shared autonomous vehicles on the travelers’ mobility
CN107103383A (zh) 一种基于打车热点的动态拼车调度方法
CN103366224B (zh) 一种基于公交网络的乘客需求预测系统和方法
CN110796323A (zh) 车辆的调度方法、装置、终端及计算机可读存储介质
JP2009009282A (ja) 需要情報送信装置
Jäger et al. Analyzing and modeling a City’s spatiotemporal taxi supply and demand: A case study for Munich
Ma et al. Dynamic vehicle routing problem for flexible buses considering stochastic requests
Chandakas On demand forecasting of demand-responsive paratransit services with prior reservations
CN115271550A (zh) 电动汽车公共充电站选址定容方法、计算设备及存储介质
EP3327660A1 (en) Transportation service information providing apparatus, and transportation service information providing method
JPH08106492A (ja) 旅行計画支援システム
CN113449902B (zh) 信息处理装置、信息处理方法以及信息处理系统
JP7163105B2 (ja) 需要予測システムおよび需要予測方法
CN111833595B (zh) 共享汽车辅助车辆配置方法、电子设备及存储介质
CN112926796A (zh) 一种基于特定场景的下车点推荐方法及装置
Paul et al. Public Transportation Demand Analysis: A Case Study of Metropolitan Lagos

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20090721

A761 Written withdrawal of application

Free format text: JAPANESE INTERMEDIATE CODE: A761

Effective date: 20100329