JP2015026311A - 需要予測装置、需要予測方法、および需要予測プログラム - Google Patents

Abstract

【課題】 所定のサービスに対する需要の高まりを即時的且つ局所的に把握することを可能とする。【解決手段】 需要予測装置は、社会的ネットワーク上で交わされている対話情報に基づいて、所定のサービスに対する需要の予測を行う。【選択図】 図１

Description

本発明は、所定のサービス、たとえばタクシーサービスに対する需要を予測するための需要予測装置、需要予測方法、および需要予測プログラムに関する。

所定のサービス、たとえばタクシーサービスにおいて、実際の需要と供給されるタクシーの数とが大きく乖離していると、空車状態で走行するタクシーの増加（稼働率の低下）、および、待ち時間の長期化（客の利便性の低下）が懸念される。

そこで、タクシーの需要を把握し、効率的にタクシーを配車する方法が様々に提案されている。

たとえば、特許文献１には、人口密集度情報と気象情報とに基づいて車両を配車することについての記載がある。

また、特許文献２には、あるエリアについて、利用頻度が高まる週末、月初め／月末、夜間時間帯の曜日、日時別の設定条件からフィジイルールによる需要度合いを求め、さらに天候変動データと、イベントデータを加味して最終の予測需要量を求める車両需要予測システムが記載されている。

特開２００３−２８８６８７号公報（ページＮｏ．３−４） 特開平０９−１５３０９８号公報（ページＮｏ．４）

天候状況、交通機関の運行状況、およびイベントの開催状況等に関する情報は、専門の情報提供機関（営利／非営利、公共／民間を問わない）から提供されるのが一般的である。

しかしながら、上記機関から最終的に提供される情報は、個別の測定結果（モニタからの通報、センサ機器の測定結果、カメラ映像等）の解析および集約工程を経るため、少なからず遅延した情報である。さらに、上記情報は、空間的な検出単位が広く、局所的なニーズを反映する情報ではない。

たとえば、イベント情報提供機関では、実際のイベント終了時刻についての情報を提供することができない場合がある。あるいは、天候情報提供機関は、局所的に発生する天候不順についての情報を提供することができない場合がある。

すなわち、上記情報提供機関からの情報に基づく需要予測では、所定のサービスに対する需要の高まりを即時的且つ局所的に把握することは困難である。

本発明は上記課題を解決するためになされたものであり、所定のサービスに対する需要の高まりを即時的且つ局所的に把握することが可能な需要予測装置、需要予測方法、および需要予測プログラムを提供することにある。

本発明の需要予測装置は、社会的ネットワーク上で交わされている対話情報に基づいて、所定のサービスに対する需要の予測を行う装置である。

本発明の需要予測方法は、社会的ネットワーク上で交わされている対話情報に基づいて、所定のサービスに対する需要の予測を行うことを特徴とする。

本発明の需要予測プログラムは、需要予測装置のコンピュータに、社会的ネットワーク上で交わされている対話情報に基づいて、所定のサービスに対する需要の予測を行う処理を実行させるためのプログラムである。

本発明によれば、所定のサービスに対する需要の高まりを即時的且つ局所的に把握することが可能となる。

本発明の第１の実施形態に係るサービス提供システムの構成例を示すブロック図である。 図１に示すサービス提供システムを構成する需要予測装置の構成例を示すブロック図である。 第１判定キーワードの一例を示す一覧表である。 第２判定キーワードの一例を示す一覧表である。 高需要情報の構成図である。 需要予測装置を構成する対話情報選別部の動作例を説明するためのフローチャートである。 需要予測装置を構成する高需要情報作成部の動作例を説明するためのフローチャートである。 高需要情報を、所定の送信周期毎に送信する動作を説明するためのタイミングチャートである。 図８の場合における高需要情報の空間的イメージ図である。 本発明の第２の実施形態に係る需要予測装置の構成例を示すブロック図である。 図１０のメモリに記憶される需要予測プログラムの構成例を示すブロック図である。

［第１の実施形態］
［構成の説明］
図１は、本発明の第１の実施形態に係るサービス提供システム１０の構成例を示すブロック図である。サービス提供システム１０は、需要予測に応じた所定のサービスを提供するシステムである。本実施形態では、サービス提供システム１０がタクシーを配車するシステムである場合を例に挙げる。サービス提供システム１０は、需要予測装置２０と、配車制御装置３０と、を備える。

需要予測装置２０は、インターネット５０上のＳＮＳ（Social Network System、Social Network Service、Social Network Site等の略である）４０と接続されている。ＳＮＳ４０は、社会的ネットワークとも呼ばれ、インターネット５０上でコミュニティを形成し、ユーザ同士が様々な形でコミュニケーションすることが可能な会員制ウェブサイトのことである。ＳＮＳの例としては、たとえば、Twitter（登録商標）、Facebook（登録商標）、mixi（登録商標）等を挙げることができる。

需要予測装置２０は、ＳＮＳ４０上で交わされている「対話情報Ａ」を解析し、最終的に、高需要情報Ｄを生成する。対話情報Ａは、所定のデータ構造（たとえば、ＩＤ＋本文＋タイムスタンプ）を有する１通のメッセージのことを指す。ＩＤは、Identificationの略である。本文は、たとえば、Twitter情報の場合、１４０文字以内である。タイムスタンプは、対話情報Ａの投稿日時を示す。

配車制御装置３０は、高需要情報Ｄに基づいて、タクシーの配車を制御する。

図２は、需要予測装置２０の構成例を示すブロック図である。需要予測装置２０は、対話情報選別部２２と、高需要情報作成部２４と、を備える。

対話情報選別部２２は、ＳＮＳ４０上で交わされている複数の対話情報Ａの中から、所定のサービス（本実施形態の場合は、タクシーサービス）に対する需要の高まりを示唆する対話情報である「高需要対話情報Ｂ」を選別する。具体的には、対話情報選別部２２は、本文内に第１判定キーワード（図３参照）を有する対話情報を、高需要対話情報Ｂとして選別する。この場合、高需要対話情報Ｂのデータ構造は、対話情報Ａと何ら変わりなく、たとえば、ＩＤと本文とタイムスタンプとを含む。

なお、図３はあくまで一例であって、第１判定キーワードは、既にサービスに対する需要が高まっていることを示すキーワード、および今後需要が高まることを示すキーワードのうちの少なくとも一方であればいかなるキーワードであってもよい。

また、第１判定キーワードの数は、単数でも複数でもよい。第１判定キーワードを複数設定した場合、ＯＲ判定（いずれか１つの第１判定キーワードを有する対話情報Ａを高需要対話情報Ｂとして選別）でもよく、ＡＮＤ判定（複数の第１判定キーワードを同時に有する対話情報Ａを高需要対話情報Ｂとして選別）でもよい。

第１判定キーワードは、対話情報選別部２２または需要予測装置２０の所定の記憶部（図２において不図示）に、上記処理に先立って予め登録されているものとする。

高需要対話情報Ｂは、検出される度に、対話情報選別部２２から高需要情報作成部２４へと送信される。

高需要情報作成部２４は、受信した高需要対話情報Ｂを更に解析し、最終的に「高需要情報Ｄ」を作成する。まず、高需要情報作成部２４は、受信した高需要対話情報Ｂのタイムスタンプを確認し、その高需要対話情報Ｂが「直近」に投稿されたものか否かを判定する。ここで、直近とは、即時性が失われない程度の時間範囲（たとえば、１５分以内）のことを意味する。

次いで、高需要情報作成部２４は、直近に投稿された高需要対話情報Ｂの中から、「場所」に関する情報を抽出する。具体的には、高需要情報作成部２４は、直近に投稿された高需要対話情報Ｂの本文内に、場所を特定するキーワードである第２判定キーワード（図４参照）が存在するか否かを判定する。第２判定キーワードが存在する場合、高需要情報作成部２４は、その第２判定キーワードを含む名詞（すなわち、場所を特定する名詞、通常、固有名詞）を抽出する。たとえば、第２判定キーワードが“駅”である場合、抽出される名詞は、例えば、“新宿駅”である。以降、抽出された名詞を「高需要ポイント情報Ｃ」と呼ぶ。

すなわち、本実施形態では、所定のサービス（たとえば、タクシーサービス）に対する需要の高まりを示唆する対話情報として選別された高需要対話情報Ｂから抽出された「場所」は、事実上、既に需要が高まっている、または、今後需要が高まる蓋然性が高い場所であると判断している。

なお、図４はあくまで一例であって、第２判定キーワードは、場所を特定できるキーワードであればいかなるキーワードであってもよい。たとえば、第２判定キーワードは、地名、駅名、施設名、店舗名、交差点名とすることができる。

また、第２判定キーワードの数は、単数でも複数でもよい。そして、第２判定キーワードが複数設定され、且つ各第２判定キーワードについての高需要ポイント情報Ｃがそれぞれに抽出された場合（たとえば、“新宿駅”と“霞ヶ関ビル”）、それらの各高需要ポイント情報Ｃをそのまま高需要情報Ｄに含めてもよく、あるいは、所定の基準に基づいていずれか一方を選択して高需要情報Ｄに含めてもよい。第２判定キーワードは、高需要情報作成部２４または需要予測装置２０の所定の記憶部（図２において不図示）に、上記処理に先立って予め登録されているものとする。

高需要情報作成部２４は、高需要ポイント情報Ｃを少なくとも１つ含む高需要情報Ｄ（図５参照）を作成する。作成された高需要情報Ｄは、配車制御装置３０に送信される。

配車制御装置３０は、受信した高需要情報Ｄに基づいてタクシーの配車を制御する。具体的には、たとえば、配車制御装置３０は、高需要情報Ｄに含まれる高需要ポイント情報Ｃで示される地点にタクシーを配車する。あるいは、配車制御装置３０は、上記地点に他の地点よりもより多くのタクシーを集結させる。なお、需要予測結果に基づく配車制御自体は周知の技術であるため、より詳細な説明は省略する。
［動作の説明］
図６は、対話情報選別部２２の動作例を説明するためのフローチャートである。

対話情報選別部２２は、ＳＮＳ４０上で交わされている複数の対話情報Ａに対して、第１判定キーワードとの一致判定を実行する（ステップＳ１）。一致した場合（ステップＳ１においてＹｅｓ判定）、対話情報選別部２２は、当該対話情報Ａを高需要対話情報Ｂとして選別する（ステップＳ２）。対話情報選別部２２は、高需要対話情報Ｂを、高需要情報作成部２４へ送信する（ステップＳ３）。一致しない場合（ステップＳ１においてＮｏ判定）、およびステップＳ３の処理が終了した場合、次の対話情報Ａに対しての上記一致判定処理（ステップＳ１の処理）以降が実行される。

図７は、高需要情報作成部２４の動作例を説明するためのフローチャートである。

高需要情報作成部２４は、対話情報選別部２２から高需要対話情報Ｂを受信する（ステップＳ１０）。高需要情報作成部２４は、受信した高需要対話情報Ｂのタイムスタンプを確認し、その高需要対話情報Ｂが直近に投稿されたものか否かを判定する（ステップＳ１１）。

高需要対話情報Ｂが直近に投稿されたものである場合（ステップＳ１１においてＹｅｓ判定）、高需要情報作成部２４は、その高需要対話情報Ｂの本文から高需要ポイント情報Ｃを抽出する（ステップＳ１２）。高需要ポイント情報Ｃの抽出方法は上述したとおり、第２判定キーワードを用いて行われる。高需要情報作成部２４は、抽出された高需要ポイント情報Ｃを含む高需要情報Ｄを作成する（ステッＳ１３）。作成された高需要情報Ｄは、配車制御装置３０に送信される（ステップＳ１４）。ステップＳ１４の処理が終了したら、別の高需要対話情報Ｂの受信処理（ステップＳ１０の処理）以降が実行される。

高需要対話情報Ｂが直近に投稿されたものでない場合（ステップＳ１１においてＮｏ判定）、その高需要対話情報Ｂは破棄され、別の高需要対話情報Ｂの受信処理（ステップＳ１０の処理）以降が実行される。
［効果の説明］
以上説明した第１の実施形態において、需要予測装置２０は、ＳＮＳ４０上で交わされている対話情報（たとえば、Twitter情報）に基づいて、所定のサービスに対する需要の予測を行う。

ＳＮＳ４０は、メールや電話と比較して、相手とのコミュニケーション（近況報告や情報伝達等）を簡単に行うことができる。そのため、ＳＮＳ４０上の対話情報には、実際の状況（“実際のイベント終了時刻”や“土砂降りの発生”等）や、本人の気持ち（混雑、帰宅困難等）が即時的に反映される。さらに、上述したように、ＳＮＳ４０上ではより局所的な情報（たとえば、“新宿駅で事故発生”や“霞ヶ関ビル付近でゲリラ豪雨発生中”等）がやり取りされる。

すなわち、本実施形態の需要予測装置２０は、所定のサービスに対する需要の高まりを即時的且つ局所的に把握することができる。サービスに対する需要の高まりが即時的且つ局所的に把握できるようになると、稼働率（サービス提供者にとってのメリット）、および利便性（客にとってのメリット）をより一層向上させることができる。
［変形例等についての説明］
なお、以上の説明では、高需要ポイント情報Ｃが抽出される度に高需要情報Ｄが配車制御装置３０に送信される場合を例に挙げた。しかしながら、高需要情報Ｄの送信タイミングは上記に限定されない。たとえば、高需要情報Ｄは、所定の送信周期Ｔ毎に送信されてもよい。この場合、高需要情報Ｄは、送信周期Ｔ内において抽出された全ての高需要ポイント情報Ｃを含む。

図８は、送信周期Ｔ毎に高需要情報Ｄを送信する場合の動作を説明するためのタイミングチャートである。図８は、第１期間Ｔ１において、１つの高需要ポイント情報Ｃ１が抽出され、第２期間Ｔ２において、３つの高需要ポイント情報Ｃ２、Ｃ３、Ｃ４が抽出された場合を示している。図９は、図８の場合における高需要情報Ｄの空間的イメージ図である。

図８において、第１期間Ｔ１の場合、高需要情報Ｄ１は高需要ポイント情報Ｃ１のみを含む。この場合の高需要情報Ｄ１の空間的イメージは、図９（ａ）のようになる。

図８において、第２期間Ｔ２の場合、高需要情報Ｄ２は高需要ポイント情報Ｃ２、Ｃ３、Ｃ４を含む。この場合の高需要情報Ｄ２の空間的イメージは、図９（ｂ）のようになる。

上記において、送信周期Ｔは、即時性が失われない程度の周期（たとえば、１５分）とすればよい。また、送信周期Ｔ内において高需要ポイント情報Ｃが一つも抽出されない場合は、高需要情報Ｄを送信する必要はない。

需要が同時多発的に発生して供給能力（タクシーの数）を上回った場合、どの需要に対してタクシーを優先的に配車すればよいかの判断が難しい場合がある。しかしながら、以上のようなタイミングにて高需要情報Ｄを送信することにより、配車制御装置３０は、たとえば、図９（ｂ）のように、需要が集中しているポイントを容易に把握することができる。従って、上記のような状況でもより効率的なタクシー配車が可能となる。しかもこの場合、送信周期Ｔが上記のような時間範囲に設定されているので、即時性が失われることもない（すなわち、ビジネスチャンスを逃すこともない）。

また、以上の説明では、高需要情報作成部２４において、高需要ポイント情報Ｃが抽出されたら自動的に高需要情報Ｄが作成される場合を例に挙げた。しかしながら、これに限定されず、たとえば、高需要情報作成部２４は、抽出した高需要ポイント情報Ｃが所定のエリア内（たとえば、タクシー会社の営業エリア内）である場合に限り高需要情報Ｄを作成するようにしてもよい。このようにすることにより、配車制御装置３０側の負担を軽減させることができる。

また、高需要情報作成部２４において、全ての高需要対話情報Ｂを所定の記憶装置（図２において不図示）に蓄積して需要情報データベースを構築することもできる。需要情報データベースを解析することにより、未来の需要を推定することも可能である。

なお、以上の説明では、タクシーの需要予測を行う場合を例に挙げているが、需要予測装置２０の需要予測は、上記に限定されることなく、他のサービス（臨時バス、宅配サービス等）の需要予測にも適用することができる。その場合、必要に応じて、第１判定キーワードを設定すればよい。

また、以上の説明では、需要予測装置２０の需要予測結果（高需要情報Ｄ）の出力先（利用先）をタクシー会社の装置である配車制御装置３０とする場合を例に挙げた。しかしながら、上記結果の出力先は、上記に限定されず、提供するサービスに合わせて、たとえば、高需要ポイント情報Ｃで示される場所近辺の店舗（販売店、飲食店、遊戯場等）とすることもできる。

また、以上説明した需要予測（すなわち、ＳＮＳ４０上で交わされている対話情報に基づいた需要予測）を行う際、所定の情報提供機関（イベント情報提供機関、天候情報提供機関、交通情報提供機関等）から提供される情報を参考にすることもできる。ＳＮＳ４０上で交わされている対話情報は、即時性および局所性には優れるものの、タイプミスやユーザの勘違い等が発生する懸念がある。一方、上記情報提供機関から提供される情報は、即時性および局所性は劣るものの、一定の信頼性を有している。従って、両者を組み合わせることにより、即時性および局所性を維持しつつより正確な需要予測を行うことが可能となる。たとえば、抽出された高需要ポイント情報Ｃが正当であるか否かを上記情報に基づいて最終的に判断することもできる。ただし、その場合、上記情報は遅延している場合があるので、即時性に悪影響が出ないよう配慮する必要がある。
［第２の実施形態］
図１０は、本発明の第２の実施形態に係る需要予測装置１００の構成例を示すブロック図である。需要予測装置１００は、ＣＰＵ（Central Processing Unit）１０２と、メモリ１０４と、を備える。

メモリ１０４は、需要予測プログラム２００を記憶する。需要予測プログラム２００は、ＣＰＵ１０２によって実行される。メモリ１０４の例としては、非一時的な記憶手段、たとえば、ＲＯＭ（Read Only Memory）、ハードディスク、リムーバブルメディア、あるいはリムーバブルディスク等を挙げることができる。

図１１は、需要予測プログラム２００の構成例を示すブロック図である。需要予測プログラム２００は、第１プログラム２０２と、第２プログラム２０４と、を備える。

第１プログラム２０２は、複数の対話情報Ａから、所定のサービスに対する需要の高まりを示唆する対話情報である高需要対話情報Ｂを選別するためのプログラムである。第１プログラム２０２は、図６のステップＳ１〜Ｓ３の処理に対応する。

第２プログラム２０４は、高需要対話情報Ｂから、場所についての情報である高需要ポイント情報Ｃを抽出し、抽出した高需要ポイント情報Ｃを含む高需要情報Ｄを作成するためのプログラムである。第２プログラム２０４は、図７のステップＳ１０〜Ｓ１４の処理に対応する。

以上説明した第２の実施形態によれば、第１の実施形態と同様に、所定のサービスに対する需要の高まりを即時的且つ局所的に把握することができる。

１０ サービス提供システム
２０ 需要予測装置
２２ 対話情報選別部
２４ 高需要情報作成部
３０ 配車制御装置
４０ ＳＮＳ
５０ インターネット
１００ 需要予測装置
１０２ ＣＰＵ
１０４ メモリ
２００ 需要予測プログラム
２０２ 第１プログラム
２０４ 第２プログラム
Ａ 対話情報
Ｂ 高需要対話情報
Ｃ、Ｃ１〜Ｃ４ 高需要ポイント情報
Ｄ、Ｄ１、Ｄ２ 高需要情報
Ｔ１ 第１期間
Ｔ２ 第２期間

Claims (9)

1. 社会的ネットワーク上で交わされている対話情報に基づいて、所定のサービスに対する需要の予測を行うことを特徴とする需要予測装置。
2. 複数の前記対話情報から、前記需要の高まりを示唆する対話情報である高需要対話情報を選別する対話情報選別部と、
   前記高需要対話情報から、場所についての情報である高需要ポイント情報を抽出し、抽出した前記高需要ポイント情報を含む高需要情報を作成する高需要情報作成部と、
   を備えることを特徴とする請求項１記載の需要予測装置。
3. 前記対話情報選別部は、複数の前記対話情報から、前記需要の高まりを示すキーワードである第１判定キーワードを含む対話情報を、前記高需要対話情報として選別することを特徴とする請求項２記載の需要予測装置。
4. 前記第１判定キーワードは、既に前記需要が高まっていることを示すキーワード、および今後前記需要が高まることを示すキーワードのうちの少なくとも一方であることを特徴とする請求項３記載の需要予測装置。
5. 前記高需要情報作成部は、前記高需要対話情報内に、前記場所を特定するキーワードである第２判定キーワードが存在するか否かを判定し、前記第２判定キーワードが存在する場合、前記第２判定キーワードを含む名詞を抽出し、抽出した前記名詞を前記高需要ポイント情報とすることを特徴とする請求項２−４のいずれか１項に記載の需要予測装置。
6. 社会的ネットワーク上で交わされている対話情報に基づいて、所定のサービスに対する需要の予測を行うことを特徴とする需要予測方法。
7. 複数の前記対話情報から、前記需要の高まりを示唆する対話情報である高需要対話情報を選別する第１ステップと、
   前記高需要対話情報から、場所についての情報である高需要ポイント情報を抽出し、抽出した前記高需要ポイント情報を含む高需要情報を作成する第２ステップと、
   を備えることを特徴とする請求項６記載の需要予測方法。
8. 需要予測装置のコンピュータに、社会的ネットワーク上で交わされている対話情報に基づいて、所定のサービスに対する需要の予測を行う処理を実行させるための需要予測プログラム。
9. 複数の前記対話情報から、前記需要の高まりを示唆する対話情報である高需要対話情報を選別する第１プログラムと、
   前記高需要対話情報から、場所についての情報である高需要ポイント情報を抽出し、抽出した前記高需要ポイント情報を含む高需要情報を作成する第２プログラムと、
   を備えることを特徴とする請求項８記載の需要予測プログラム。

Images