JP2017194863A - 需要予測装置 - Google Patents

Abstract

【課題】より高い精度で営業用車両の需要の予測を可能とする。【解決手段】予測対象日の予測対象時間帯における予測対象地区での営業用車両の需要を予測する需要予測装置１０は、複数のユーザ端末３０からの位置情報に基づいて、地区毎及び時間帯毎のユーザ数に係るユーザ数情報を記憶するユーザ数情報記憶部１２と、地区毎及び時間帯毎のタクシーの利用実績に係る利用実績情報を記憶するタクシー利用情報記憶部１４と、ユーザ数情報から、予測対象時間帯のユーザ数と、比較対象の時間帯のユーザ数との関係性を示す混雑比を日毎に算出し、予測対象地区での利用実績情報と組み合わせて、混雑比と利用実績情報との関係を示す感度関数を作成する感度関数作成部１７と、ユーザ数情報から予測対象日の混雑比を予測する混雑比予測部１６と、予測対象日の混雑比を感度関数と組み合わせることで、営業用車両の需要を予測する需要予測部１８と、を有する。【選択図】図１

Description

本発明は、需要予測装置に関する。

近年、人口の増減の情報等を利用して、タクシー等の営業用車両の需要を予測することが検討されている。例えば、特許文献１では、地区毎の人口の増減に基づいて、営業用車両の需要を予測することが示されている。

特開２００８−５２４５５号公報

しかしながら、人口の増減に基づく営業用車両の地区毎の予測精度については改善の余地があり、より高い精度での需要予測が求められている。

本発明は上記を鑑みてなされたものであり、より高い精度で営業用車両の需要の予測が可能な需要予測装置の提供を目的とする。

上記目的を達成するため、本発明の一形態に係る需要予測装置は、予測対象日の予測対象時間帯における予測対象地区での営業用車両の需要を予測する需要予測装置であって、複数のユーザ端末からの位置情報に基づいて、地区毎及び時間帯毎のユーザ数に係るユーザ数情報を記憶するユーザ数情報記憶部と、地区毎及び時間帯毎の営業用車両の利用実績に係る利用実績情報を記憶する営業用車両利用情報記憶部と、前記ユーザ数情報記憶部で記憶されているユーザ数情報から、前記予測対象地区での前記予測対象時間帯のユーザ数と、前記予測対象時間帯とは異なる比較対象の時間帯のユーザ数との関係性を示す混雑比を日毎に算出し、前記利用実績情報のうち、前記予測対象地区での前記予測対象時間帯を含む時間帯に係る利用実績情報と組み合わせることで、前記混雑比と前記利用実績情報との関係を示す感度関数を作成する感度関数作成部と、前記ユーザ数情報記憶部で記憶されているユーザ数情報から、前記予測対象地区での前記予測対象日の混雑比を予測する混雑比予測部と、前記混雑比予測部により予測された前記予測対象日の混雑比を前記感度関数と組み合わせることで、前記予測対象地区での前記予測対象日の前記予測対象時間帯における前記営業用車両の需要を予測する需要予測部と、を有することを特徴とする。

上記の需要予測装置によれば、予測対象地区での予測対象日の予測対象時間帯における営業用車両の需要を予測する際に、ユーザ数情報記憶部で記憶される過去のユーザ数情報から、予測対象地区における予測対象時間帯と比較対象の時間帯とのユーザ数との関係性を示す混雑比を日毎に算出し、営業用車両利用情報記憶部で記憶される予測対象地区での予測対象時間帯を含む時間帯に係る利用実績情報と組み合わせることで、混雑比と利用実績情報との関係を示す感度関数が作成される。そして、予測対象地区での予測対象日の混雑比を予測した上で、上記の感度関数と組み合わせることで、予測対象日の予測対象時間帯における営業用車両の需要が予測される。このように、需要予測装置では、予測対象地区における予測対象時間帯と比較対象の時間帯とのユーザ数との関係性を示す混雑比と営業用車両の需要との関係性に着目して、この関係性を用いて需要予測を行う。したがって、より高い精度で営業用車両の需要の予測が可能となる。

ここで、前記ユーザ数情報記憶部で記憶されているユーザ数情報から、前記予測対象地区での前記予測対象日の前記予測対象時間帯のユーザ数を予測するユーザ数予測部をさらに有し、前記需要予測部は、前記ユーザ数予測部により予測された前記予測対象日のユーザ数と、前記混雑比予測部により予測された前記予測対象日の混雑比と、を前記感度関数と組み合わせることで、前記予測対象地区での前記予測対象日の前記予測対象時間帯における前記営業用車両の需要を予測する態様とすることができる。

上記のように、予測対象日における予測対象時間帯のユーザ数を別途予測し、需要予測部による営業用車両の需要の予測の際には、予測対象日の混雑比と共に感度関数と組み合わせて需要の予測が行われる。このように、予測対象地区での予測対象日における予測対象時間帯のユーザ数の予測を行った上で、これに基づいて需要の予測を行う構成とすることで、より高い精度で営業用車両の需要の予測が可能となる。

また、前記需要予測部により予測された前記営業用車両の需要の予測結果を記憶する予測結果記憶部をさらに有し、前記感度関数作成部は、前記予測結果記憶部に記憶された過去の予測対象日の予測対象時間帯に係る予測結果と、前記営業用車両利用情報記憶部に記憶された前記予測対象地区における前記過去の予測対象日の予測対象時間帯に係る前記営業用車両の利用実績に係る利用実績情報と、に基づいて、感度関数として両者の差分を補正するための関数を作成する態様とすることができる。

上記のように、過去の予測対象日の予測対象時間帯に係る予測結果と、予測対象地区での過去の予測対象日の予測対象時間帯に係る営業用車両の利用実績に係る利用実績情報と、から、感度関数として両者の差分を補正するための関数を作成し、これを用いて営業用車両の需要予測を行う構成とすることで、過去の予測結果と実績との差分を考慮した需要の予測が可能となる。したがって、より高い精度で営業用車両の需要の予測が可能となる。

また、前記感度関数作成部は、前記利用実績情報のうち、前記予測対象地区での前記予測対象時間帯に係る利用実績情報を前記混雑比と組み合わせることで、前記混雑比と前記利用実績情報との関係を示す感度関数を作成する態様と吸うことができる。

前記利用実績情報として、前記特定の時間帯に対応した情報を利用することで、需要予測の精度がさらに向上する。

本発明によれば、より高い精度で営業用車両の需要の予測が可能な需要予測装置が提供される。

本発明の一実施形態に係る需要予測装置を含む通信システムの概略構成図である。 需要予測装置のハードウェア構成を説明するブロック図である。 ユーザ数情報記憶部で記憶される情報の例である。 タクシー利用情報記憶部で記憶される情報の例である。 混雑比γの算出例である。 関数ｆ（γ）について説明する図である。 予測値と実績値との差分について説明する図である。 需要予測装置による需要予測方法を説明するフロー図である。

以下、添付図面を参照して、本発明を実施するための形態を詳細に説明する。なお、図面の説明においては同一要素には同一符号を付し、重複する説明を省略する。

図１は、本発明の一実施形態に係る需要予測装置１０を含む通信システム１の概略構成及び需要予測装置１０の機能ブロックについて説明する図である。通信システム１には、需要予測装置１０と、複数のユーザ端末３０と、タクシー運行管理サーバ４０と、が含まれる。

図１に示す通信システム１に含まれる需要予測装置１０は、特定の地区（予測対象地区）における特定の日（予測対象日）の特定の時間帯（予測対象時間帯）における営業用車両の需要予測を行う装置である。本実施形態では、営業用車両がタクシーである場合について説明する。すなわち、需要予測装置１０は、特定の地区及び特定の日時におけるタクシーの需要予測を行う装置である。需要予測装置１０は、自装置の使用者による指示や他の装置からの指示を取得することを契機に、特定の地区及び特定の日時におけるタクシーの需要予測を行い、その結果を出力する機能を有する。

また、ユーザ端末３０は、ネットワークに対して接続して通信が可能な端末装置であり、例えば、スマートフォン、タブレット端末等により実現される。ユーザ端末３０と需要予測装置１０とは、移動体通信網、インターネット及びイントラネット等により構成される通信ネットワークを介してデータ通信可能とされている。

また、タクシー運行管理サーバ４０は、予測対象地区に関するタクシーの運行情報を保持している装置である。タクシー運行管理サーバ４０と需要予測装置１０とは、移動体通信網、インターネット及びイントラネット等により構成される通信ネットワークを介してデータ通信可能とされている。

需要予測装置１０は、予測対象地区におけるタクシーの需要予測を行う際に、過去の予測対象地区におけるユーザ端末３０のユーザ数に係る情報であるユーザ数情報と、当該予測対象地区におけるタクシー利用実績と、を利用する。需要予測装置１０は、ユーザが所有するユーザ端末３０の位置情報及び当該位置情報の取得時刻をユーザ数情報として利用する。ユーザ端末３０は、需要予測装置１０又はユーザからの指示に基づいてＧＰＳ測位が可能な端末であるか、もしくは、ユーザからの個別の指示がなくてもＧＰＳ測位を定期に実施することが可能な機能を有している端末である。

需要予測装置１０では、複数のユーザ端末３０から位置情報を取得することで、予測対象地区に滞在するユーザ数を推測する。また、タクシー利用実績として、タクシー運行管理サーバ４０において管理される特定の地区におけるタクシーの利用実績に係る情報である利用実績情報を利用する。需要予測装置１０では、需要予測対象を行う地区に滞在するユーザ数に係るユーザ数情報と、当該地区におけるタクシーの利用実績情報とを組み合わせて、需要予測を行うためのモデルを作成し、需要の予測を行う。

なお、需要予測装置１０では、ユーザ数の変動からタクシーの需要を予測するため、位置情報を送信する端末の総数はある程度一定であることが好ましい。したがって、位置情報を送信するユーザ端末３０は、当該需要予測装置１０に対して定期的に位置情報を提供することが可能な端末であることが好ましい。したがって、定期的にＧＰＳ測位を実施することが可能な機能を有している端末が本実施形態に係るユーザ端末３０として好適である。

上記の需要予測装置１０は、位置情報受信部１１と、ユーザ数情報記憶部１２と、タクシー利用情報受信部１３（営業用車両利用情報受信部）と、タクシー利用情報記憶部１４（営業用車両利用情報記憶部）と、ユーザ数予測部１５と、混雑比予測部１６と、感度関数作成部１７と、需要予測部１８と、予測結果出力部１９と、予測結果記憶部２０と、を有する。

需要予測装置１０は、物理的には、図２に示すように、ＣＰＵ１０１、主記憶装置であるＲＡＭ１０２及びＲＯＭ１０３、データ送受信デバイスである通信モジュール１０４、ハードディスク、フラッシュメモリ等に例示される補助記憶装置１０５、入力デバイスであるタッチパネル及びキーボード等に例示される入力装置１０６、ディスプレイ等の出力装置１０７などを含むコンピュータシステムとして構成されている。需要予測装置１０では、図２に示すＣＰＵ１０１、ＲＡＭ１０２等のハードウェア上に所定のコンピュータソフトウェアを読み込ませることにより、ＣＰＵ１０１の制御のもとで通信モジュール１０４、入力装置１０６、出力装置１０７を動作させるとともに、ＲＡＭ１０２や補助記憶装置１０５におけるデータの読み出し及び書き込みを行うことで、各装置における一連の機能が実現される。

図１に戻り、需要予測装置１０の各部について説明する。

位置情報受信部１１は、ユーザ端末３０の位置情報を取得する機能を有する。位置情報受信部１１は、ユーザ端末３０から直接位置情報を取得してもよいし、ユーザ端末３０に対して通信サービスを提供する通信事業者等を経由して取得してもよい。ユーザ端末３０に係る位置情報には、位置を特定する情報と、当該情報を取得した日時を特定する情報と、が含まれる。位置情報受信部１１により取得されたユーザ端末３０に関する位置情報は、ユーザ数情報記憶部１２に記憶される。

ユーザ数情報記憶部１２は、ユーザ端末３０の位置情報を整理して記憶する機能を有する。需要予測装置１０では、予め区画された地区毎にタクシーの需要予測を行う際に、地区毎及び時間毎のユーザ端末３０の数の変動を利用する。したがって、ユーザ数情報記憶部１２では、位置情報受信部１１で受信されたユーザ端末３０からの情報に基づいて、地区毎及び時間帯毎のユーザ数の変動をユーザ数情報として記憶する。地区の区分等は需要予測装置１０の使用者等によって予め定義される。

図３は、ユーザ数情報記憶部１２において記憶される情報の例を指名している。図３の例では、特定の地区（例えば、特定の駅の周辺）における１時間単位でのユーザ数の変動として、当該地区に滞在していることを示す位置情報が取得されたユーザ端末３０の数を示している。図３では、１時間単位としているが、集計する時間帯の単位は適宜変更することができる。

ユーザ数情報記憶部１２では、上記のユーザ数情報を所定の期間（例えば、１ヶ月〜数年程度）保持しておく。ユーザ数情報記憶部１２で保持される情報に基づいて、後述のユーザ数予測部１５、混雑比予測部１６、及び、感度関数作成部１７において、それぞれ、予測対象日及び予測対象時間帯でのユーザ数の予測、予測対象日における混雑比の予測、及び、需要予測に用いられる感度関数の作成が行われる。

タクシー利用情報受信部１３は、タクシー運行管理サーバ４０からタクシーの利用実績に係る利用実績情報を取得する機能を有する。タクシーの利用実績情報には、タクシーの利用地域（乗車位置）を特定する情報と、タクシーの利用を開始した日時を特定する情報と、が含まれる。タクシー利用情報受信部１３により取得されたタクシーの利用実績情報は、タクシー利用情報記憶部１４に記憶される。

タクシー利用情報記憶部１４は、タクシー利用情報受信部１３により取得されたタクシーの利用実績情報を整理して記憶する機能を有する。需要予測装置１０では、予め区画された地区毎にタクシーの需要予測を行う際に、地区毎及び時間毎のタクシーの利用実績に係る情報を利用する。したがって、タクシー利用情報記憶部１４では、タクシー利用情報受信部１３で受信された情報に基づいて、地区毎及び時間毎のタクシーの利用実績の変動（利用台数の変動）を記憶する。

図４は、タクシー利用情報記憶部１４において記憶される情報の例を指名している。図４の例では、特定の地区（例えば、特定の駅の周辺）におけるタクシー利用実績情報として、当該地区で利用された（乗車された）タクシーの台数を１時間単位で示している。図４では、１時間単位としているが、集計する時間帯の単位は適宜変更することができる。

なお、ユーザ数情報を集計する際に利用する地区の単位及び時間帯の単位と、タクシー利用情報を集計する際に利用する地区の単位及び時間帯の単位と、は共通としていることが好ましい。なお、ユーザ数情報を集計する際に利用する時間帯の単位と、タクシー利用情報を集計する際に利用する時間帯の単位とは異なっていてもよく、ユーザ数情報を集計する際に利用する時間帯の単位に比べてタクシー利用情報を集計する際に利用する時間帯の単位を大きくしてもよい。ただし、両者が一致している場合のほうが、精度よく需要の予測ができると考えられる。

また、ユーザ数情報を集計する際に利用する時間帯の単位は、需要予測を行う時間の単位と一致させることが好ましい。なお、需要予測の対象の時間帯の単位は、数十分〜数時間単位とされるが、集計する際の時間帯の単位の上限は１日程度であることが好ましい。また、需要予測装置１０では需要予測を地区毎に行うため、少なくとも、ユーザ数情報を集計する際に利用する地区の単位とタクシー利用情報を集計する際に利用する地区の単位とは一致させる必要がある。

タクシー利用情報記憶部１４では、上記のタクシー利用実績に係る情報を所定の期間（例えば、１ヶ月〜数年程度）保持しておく。そして、当該情報に基づいて、需要予測に用いられる感度関数の作成が行われる。これについては後述する。

需要予測装置１０のユーザ数予測部１５、混雑比予測部１６、及び、感度関数作成部１７は、ユーザ数情報記憶部１２及びタクシー利用情報記憶部１４において記憶されている情報に基づいて、需要予測に必要な情報を作成する機能を有する。

ユーザ数予測部１５は、ユーザ数情報記憶部１２に記憶されている情報に基づいて、予測対象地区、予測対象日及び予測対象時間帯でのユーザ数の予測を行う機能を有する。特定の地区におけるユーザ数の変動は、地区の特徴（住宅地か、繁華街か、等）との関係性が強いと考えられる。そのため、当該地区に存在するユーザ数は、地区の特徴に応じて、曜日や時間帯に基づいて概ね周期的に変動すると考えられる。したがって、将来のユーザ数の変動についても、過去の実績等に基づいてある程度予測することができる。この手法を利用して、ユーザ数予測部１５は、ユーザ数情報記憶部１２に記憶されている過去の情報を利用して、予測対象地区、予測対象日及び予測対象時間帯でのユーザ数を予測する。

なお、数時間後の需要予測を行う場合のように、予測対象日及び予測対象時間帯と、需要予測自体を実施する日時との間隔が短い場合には、需要予測を実施する日時の直近のユーザ数を利用してユーザ数を予測する構成としてもよい。例えば、需要予測対象の地区に飲食店街が含まれ、需要予測対象となる時間帯が早朝である場合、前夜に当該地区に滞在しているユーザ数が早朝の時間帯に滞在するユーザ数に影響すると考えられる。したがって、前夜のユーザ数の情報を利用して早朝の時間帯のユーザ数を予測すると、ユーザ数の予測精度が高まると考えられる。このように、ユーザ数の予測の手法は適宜変更することができる。

混雑比予測部１６は、ユーザ数情報記憶部１２に記憶されている情報に基づいて、予測対象日における予測対象の時間帯（予測対象時間帯）と他の時間帯（比較対象の時間帯）とのユーザ数の関係性を示す情報である混雑比を予測する機能を有する。需要予測装置１０では、予測対象時間帯と比較対象の時間帯とのユーザ数の関係性（混雑比）と、タクシーの需要と、に相関があることに基づき、需要予測を行う装置である。したがって、需要予測を行う場合には、予測対象日における「混雑比」を予測する必要がある。以下、γを用いて混雑比γとして示す場合がある。

図５は、ユーザ数情報記憶部１２に記憶されている情報に基づいて、各日の混雑比γを算出した例を示している。図５に示す例では、日毎に、時間帯Ｂのユーザ数に対する時間帯Ａのユーザ数の割合（Ｂ／Ａ）を混雑比γとして算出している。このように、混雑比γは、ユーザ数情報記憶部１２に記憶されている地区毎の時間帯別のユーザ数の情報から算出することができるため、過去に取得された情報から過去の日毎の混雑比γを算出することができる。そして、過去の混雑比γの実績から需要予測対象日の混雑比γが予測される。

なお、混雑比γの算出に用いられる２つの時間帯のうち、時間帯Ａ（混雑比γを算出する際の分母側のユーザ数に利用される時間帯）は、需要予測対象の時間帯と同じである。したがって、例えば、特定の地区における０時台（００：００〜００：５９）のタクシーの需要予測を行う場合には、０時台のユーザ数が時間帯Ａのユーザ数として用いられる。一方、時間帯Ｂ（混雑比γを算出する際の分子側のユーザ数に利用される時間帯：比較対象の時間帯）としては、時間帯Ａにおけるタクシーの需要との関係性が高いと考えられる時間帯が選ばれる。時間帯Ｂとしてどのような時間帯を選択するかによって、日毎の混雑比γが異なることから、日毎の混雑比γの変動傾向も異なる。したがって、時間帯Ａに応じて、混雑比γの算出に用いる時間帯Ｂは適宜設定される。

時間帯Ｂをどのように選択するかは、過去の実績に基づいて決定することが好ましい。すなわち、ある時間帯Ａの需要予測を行う際に、時間帯Ｂを任意に選択して混雑比γを算出した場合に、混雑比γとタクシー利用実績（利用台数）との相関が高くなる時間帯を時間帯Ｂとして選択することが好ましい。例えば、特定の地区における０時台（００：００〜００：５９）のタクシーの需要予測を行う場合、時間帯Ａが０時台とした場合に、同日の６時台（００：００〜００：５９）のユーザ数を時間帯Ｂのユーザ数として用いると、タクシー利用実績との相関が高いことが確認された。したがって、時間帯Ｂとして「６時台」を選択すると、予測対象日の混雑比γの予測精度が高い場合に、より精度の高い需要予測が可能となると考えられる。

なお、本実施形態における「日毎」とは、日付に対応したものではなく、２４時間毎ということを意図している。したがって、予測対象時間帯（時間帯Ａ）を例えば０時台（００：００〜００：５９）とした場合に、比較対象の時間帯（時間帯Ｂ）を前日の２２時台（２２：００〜２２：５９）として設定してもよい。すなわち、時間帯Ａと時間帯Ｂとの間で日付が異なっていてもよい。また、混雑比γは日毎に算出することから、時間帯Ａと時間帯Ｂとの間隔は、最大２３時間とすることができる。

なお、比較対象の時間帯は複数選択されてもよい。例えば、比較対象の時間帯を２つ選択し、予測対象時間帯と、２つの比較対象時間帯とのユーザ数の関係性を示す指標を設定し、これを混雑比として用いてもよい。このように、混雑比を算出する際には、予測対象時間帯のユーザ数と、１以上の比較対象の時間帯のユーザ数とが必ず用いられるが、混雑比を算出するための数式等は、適宜変更することができる。

予測対象日の混雑比γを予測する方法は種々考えられる。上述したように、特定の地区におけるユーザ数の変動は、地区の特徴（住宅地か、繁華街か、等）との関係性が強いと考えられ、曜日や時間帯に基づいて概ね周期的に変動すると考えられる。したがって、ある時間帯と他の時間帯との混雑比γについても、曜日や時期的要因等によって、概ね予測が可能であると考えられる。上述したように、ユーザ数情報記憶部１２に記憶されている情報から過去の日毎の混雑比γを算出することができるため、混雑比予測部１６では、その情報を利用して予測対象日における混雑比γを予測する。混雑比予測部１６による混雑比の予測の方法は特に限定されない。予測の方法の一例としては、例えば、予測対象日が特定月の第３週目の金曜日である場合には、過去数ヶ月のそれぞれにおける第３週目の金曜日の混雑比γの実績の平均もしくは過去数年の特定月の第３週目の金曜日の混雑比γの実績の平均を需要予測対象の日における混雑比の予測結果として利用する方法が挙げられる。また、混雑比γと混雑比γに影響を与えると考えられる要因（曜日、季節等）との関係性を示すモデルを予め作成しておき、当該モデルを利用して混雑比γを予測してもよい。

ユーザ数情報記憶部１２に記憶されている情報に基づく過去の各日の混雑比γの算出は、混雑比予測部１６で行ってもよいし、後述の感度関数作成部１７で行ってもよい。過去の各日の混雑比γは、混雑比予測部１６及び感度関数作成部１７の両方で利用されるので、いずれかにおいて算出に係る処理が行わればよい。混雑比予測部１６において、混雑比γを算出する場合には、後述の感度関数作成部１７の機能の一部を混雑比予測部１６が担うことになる。

感度関数作成部１７は、ユーザ数情報記憶部１２に記憶されている情報と、タクシー利用情報記憶部１４に記憶されている情報に基づいて、需要予測に必要な感度関数を作成する機能を有する。感度関数とは、需要予測に必要な関数であり、予測対象時間帯と比較対象の時間帯とのユーザ数の比（混雑比）とタクシーの需要との相関を示す関数ｆ（γ）、及び、タクシーの需要予測と実績との差分を補正するための関数ｇ（γ）の２つの関数が含まれる。関数ｆ（γ）及び関数ｇ（γ）のいずれも、混雑比γを変数とする関数である。

関数ｆ（γ）は、過去の実績に基づいて算出される混雑比γとタクシー利用実績（利用台数）との関係を示す関数である。図６は、関数ｆ（γ）の算出方法のイメージ図である。図６では、横軸を混雑比γとして、縦軸を予測対象の時間帯（時間帯Ａに相当する）のタクシー利用実績として、各日のタクシー利用台数をプロットしている。混雑比γは、ユーザ数情報記憶部１２に記憶されている情報から日毎に算出することができる。また、日毎の予測対象の時間帯のタクシー利用実績（利用台数）は、タクシー利用情報記憶部１４に記憶されている情報から抽出することができる。これらを日毎に対応させてプロットすることで、混雑比γとタクシー利用実績との関係性を示すことができる。関数ｆ（γ）は、この混雑比γとタクシー利用実績との関係性を多項式近似して数式として記述したものである。

関数ｆ（γ）を１次式で求める場合、図６に示す各日の実績プロットをそれぞれ（ｘ_ｋ、ｙ_ｋ）（ｋ＝１，…ｎ）とすると、以下の数式（１）に基づいて算出することができる。

なお、関数ｆ（γ）は、２次式以上の多項式でもよい。このように、関数ｆ（γ）は、混雑比とのタクシー利用実績との対応関係から、混雑比γが所定の値である場合のタクシー需要を予測する関係式である。

もう一つの関数ｇ（γ）は、関数ｆ（γ）により算出されるタクシー需要の予測を補正するための関数である。上記の関数ｆ（γ）を用いると、混雑比γの予測結果に基づいて、タクシー需要を予測することができる。しかしながら、関数ｆ（γ）はあくまで予測された混雑比γに基づくタクシーの需要の予測であり、実際に利用されたタクシーの台数は予測結果とは異なることが考えられ、実際に大きく差が生じることも考えられる。例えば、図７は、日毎の特定の時間帯に関するタクシー需要の予測値と、実績値（実際に利用されたタクシーの台数）とをそれぞれ折れ線グラフで示したものであるが、予測値が大きな日（2016-05-09及び2016-05-15）は予測値に対して実績値が小さくなっていて、その差分が大きくなっている。関数ｇ（γ）は、予測値と実績値との差分と、混雑比γとの関係を評価し、その差分が小さくなるように補正するために用いられる関数である。

関数ｇ（γ）は、例えば、ｇ（γ）＝ｐγ＋ｑとして記述することができ、ｐ及びｑは、過去の所定の期間での予測値Ｔ_ｉ’と実測値Ｔ_ｉとの差分が軽減されるように、すなわち、以下の数式（２）が小さくなるように選択される。

なお、関数ｇ（γ）は、上記の一次式の形式に限定されず、ｎ次の多項式として記述することができる。また、関数ｇ（γ）の係数の算出方法は、上記の数式（２）を利用して求める方法に限定されず、過去の所定の期間での予測値Ｔ_ｉ’と実測値Ｔ_ｉとの差を軽減することが可能な範囲で適宜変更することができる。

なお、上述したように、関数ｇ（γ）の作成には、過去の需要予測結果と、過去のタクシー台数実績が利用される。過去の需要予測は、後述の予測結果記憶部２０に記憶される。また、過去のタクシー台数実績は、タクシー利用情報記憶部１４に記憶される。

需要予測部１８は、ユーザ数予測部１５によるユーザ数の予測結果、混雑比予測部１６による混雑比の予測結果、及び、感度関数作成部１７により作成された感度関数を用いて、特定の地区及び特定の時間帯におけるタクシーの需要を予測する機能を有する。

具体的には、特定の地区における特定の時間帯のタクシー需要台数Ｔ_{ｅｖｅｎｔｓ}は、以下の数式（３）によって算出することができる。

上記の数式（３）のうち、Ｕは、ユーザ数予測部１５によるユーザ数の予測結果である。また、ｆ（γ）及びｇ（γ）は、感度関数作成部１７により作成された感度関数である。そして、γとして、混雑比予測部１６による混雑比γの予測結果を代入することで、タクシー需要台数Ｔ_{ｅｖｅｎｔｓ}が算出される。なお、タクシー需要台数Ｔ_{ｅｖｅｎｔｓ}の算出に用いる上記の数式は一例であり、適宜変更することができる。また、必要に応じて、補正係数等を追加してもよい。

予測結果出力部１９は、需要予測部１８によるタクシーの需要の予測結果を出力する機能を有する。出力方法は特に限定されず、例えば、モニタ等に表示する方法や、外部の装置に対して送信する方法が挙げられる。出力する際には、予測対象の地区及び日時と対応付けて出力することが好ましい。

予測結果記憶部２０は、需要予測部１８によるタクシー需要の予測結果を記憶する機能を有する。記憶された情報は、上述したように、感度関数作成部１７における関数ｇ（γ）の作成に利用される。

次に、上記の需要予測装置１０による需要予測方法について、図８を参照しながら説明する。

まず、需要予測装置１０では、位置情報受信部１１においてユーザ端末３０から位置情報を取得する（Ｓ０１）。このユーザ端末３０からの位置情報は、地区毎及び時間帯毎に整理した後、ユーザ数情報記憶部１２にユーザ数として記憶される（Ｓ０２）。また、後述の混雑比γを算出する際にモデルを使用する場合には、ユーザ数情報記憶部１２に記憶されたユーザ数の情報から、時間帯Ａ及び時間帯Ｂに相当するユーザ数を抽出して、日毎の混雑比γを算出すると共に、混雑比γを予測する際に用いるモデルを作成しておく（Ｓ０３）。混雑比γの予測の際にモデルを利用しない場合には、このステップは不要である。

一方、タクシーの利用実績に係る情報も需要予測装置１０により取得される。まず、タクシー利用情報受信部１３において、タクシー運行管理サーバ４０から、タクシーの利用実績情報を受信する（Ｓ０４）。このタクシー運行管理サーバ４０からのタクシー利用実績情報は、地区毎及び時間帯毎に整理した後、タクシー利用情報記憶部１４にタクシー利用実績情報として記憶される（Ｓ０５）。

ユーザ数の記憶（Ｓ０１，Ｓ０２）及びタクシー利用実績の記憶（Ｓ０４，Ｓ０５）に係る処理については、ユーザ端末３０及びタクシー運行管理サーバ４０からの情報の取得毎に行われる。すなわち、ユーザ数情報記憶部１２及びタクシー利用情報記憶部１４に記憶される情報の更新は、情報の取得毎に行われ、タクシーの需要予測を行うタイミングとは別に行われる。また、混雑比γのモデル化（Ｓ０３）についても、タクシーの需要予測を行うタイミングとは別に予め行っておく構成とすることができる。

次に、感度関数作成部１７においてユーザ数情報記憶部１２及びタクシー利用情報記憶部１４に記憶される情報に基づいて、感度関数である関数ｆ（γ）の作成が行われる（Ｓ０６）。同時に、タクシー利用情報記憶部１４及び予測結果記憶部２０に記憶される情報に基づいて、感度関数である関数ｇ（γ）の作成も行われる（Ｓ０６）。関数ｆ（γ）及び関数ｇ（γ）の作成についても、タクシーの需要予測を行うタイミングとは別に予め行っておく構成とすることができる。すなわち、感度関数の作成までの一連の処理（Ｓ０１〜Ｓ０６）は、タクシーの需要予測を行うタイミングよりも前に行っておく構成とすることができる。なお、混雑比γのモデル化（Ｓ０３）及び感度関数の作成（Ｓ０６）は、タクシーの需要予測を行うタイミングに行ってもよい。感度関数の作成（Ｓ０６）には、タクシーの利用実績が用いられるため、ユーザ数情報記憶部１２及びタクシー利用情報記憶部１４に記憶される情報が更新されると再度作成することが好ましい。したがって、感度関数の作成（Ｓ０６）は、所定の期間（例えば、１ヶ月）毎に行う構成としていることが好ましい。

以降の処理は、需要予測の対象となる地区及び日時（時間帯）に関する情報に基づいて行われる。すなわち、需要予測の対象となる地区及び日時（時間帯）が指定されると、需要予測装置１０では、ユーザ数予測部１５において、需要予測の対象となる地区において、需要予測対象日及び予測対象の時間帯に滞在するユーザ数を予測する（Ｓ０７）。また、需要予測装置１０の混雑比予測部１６において、需要予測の対象となる地区における需要予測を行う日の混雑比γを予測する（Ｓ０８）。ユーザ数の予測（Ｓ０７）と混雑比γの予測（Ｓ０８）を行う際には、上述のように、ユーザ数情報記憶部１２に記憶された情報を利用する。なお、ユーザ数の予測（Ｓ０７）と混雑比γの予測（Ｓ０８）とを行う順序は図８に示す順序に限定されず、逆であってもよく、同時に行われていてもよい。また、感度関数の作成（Ｓ０６）についても、同様であり、ユーザ数の予測（Ｓ０７）と混雑比γの予測（Ｓ０８）よりも後に行ってもよい。感度関数の作成（Ｓ０６）、ユーザ数の予測（Ｓ０７）、及び、混雑比γの予測（Ｓ０８）が終わった後に、次のステップに進むことができる。

その後、需要予測部１８において、ユーザ数予測部１５において予測されたユーザ数Ｕ、混雑比予測部１６において予測された混雑比γ、感度関数ｆ（γ），ｇ（γ）を組み合わせる（数式（３）に対して適用する）ことで、需要予測の対象となる地区及び日時（時間帯）におけるタクシーの需要を予測する（Ｓ０９）。この結果、上述したタクシー需要台数Ｔ_{ｅｖｅｎｔｓ}が算出される。

需要予測部１８において求められた予測結果は、予測結果出力部１９から出力すると共に、予測結果記憶部２０に記憶される（Ｓ１０）。予測結果出力部１９から予測結果を出力することで、需要予測装置１０に対してタクシーの需要予測を指示した者又は装置に対して、結果が通知される。また、予測結果記憶部２０に記憶された予測結果は、感度関数のうちの関数ｇ（γ）の作成（Ｓ０６）に利用される。

以上により、需要予測装置１０による需要予測に関する一連の処理が終了する。

このように、本発明の実施形態に係る需要予測装置１０では、予測対象地区での予測対象日の予測対象時間帯における営業用車両の需要を予測する際に、ユーザ数情報記憶部１２で記憶される過去のユーザ数情報から、予測対象地区における予測対象時間帯と比較対象の時間帯とのユーザ数との関係性を示す混雑比を日毎に算出し、タクシー利用情報記憶部１４で記憶される予測対象地区での予測対象時間帯を含む時間帯に係る利用実績情報と組み合わせることで、混雑比と利用実績情報との関係を示す感度関数が感度関数作成部１７において作成される。そして、混雑比予測部１６において予測対象日の混雑比を予測した上で、需要予測部１８において、上記の感度関数と組み合わせることで、予測対象日の予測対象時間帯における営業用車両の需要が予測される。このように、需要予測装置１０では、予測対象時間帯と比較対象の時間帯とのユーザ数との関係性を示す混雑比と営業用車両の需要との関係性に着目して、この関係性を用いて需要予測を行う。

従来から、営業用車両の営業効率を向上させるためには、営業用車両の需要を把握することが必要であると考えられていた。しかしながら、従来用いられていた需要の予測の手法とは、人口が多い地区では営業用車両の需要が高まるという程度であり、より詳細には経験に基づき営業用車両の運転手が予測をしていた。そのため、運転手の経験により需要予測の精度は大きく異なっていた。

これに対して、出願人は、鋭意検討の結果、予測対象時間帯と比較対象の時間帯とのユーザ数との比、すなわち混雑比が営業用車両の需要と相関が高いことを発見した。本実施形態に係る需要予測装置１０は、この混雑比と営業用車両の需要との関係性を利用して、将来の営業用車両の需要を予測する装置であり、過去の混雑比と営業用車両の利用実績との関係を示す感度関数（ｆ（γ））を作成し、この感度関数を利用して営業用車両の需要を予測するという特徴を有する。このように、本実施形態に係る需要予測装置１０は、混雑比を利用して営業用車両の需要を予測することにより、より高い精度で営業用車両の需要を予測することが可能となる。

また、上記の需要予測装置１０では、ユーザ数予測部１５において予測対象日における予測対象時間帯のユーザ数を別途予測し、需要予測部１８による営業用車両の需要の予測の際には、予測対象日の混雑比と共に感度関数と組み合わせて需要の予測が行われる。このように、予測対象日における予測対象時間帯のユーザ数の予測を行った上で、これに基づいて需要の予測を行う構成とすることで、より高い精度で営業用車両の需要の予測が可能となる。

さらに、上記の需要予測装置１０では、予測結果記憶部２０に記憶される過去の予測対象日の予測対象時間帯に係る予測結果と、過去の予測対象日の予測対象時間帯に係る営業用車両の利用実績に係る利用実績情報と、から、感度関数として両者の差分を補正するための関数（ｇ（γ））を作成し、これを用いて営業用車両の需要予測を行う構成とすることで、過去の予測結果と実績との差分を考慮した需要の予測が可能となる。したがって、より高い精度で営業用車両の需要の予測が可能となる。

また、上記の需要予測装置１０において、利用実績情報として、前記特定の時間帯に対応した情報を利用した場合（他の時間帯に係る情報を利用しない場合）には、需要予測の精度がさらに向上する。ただし、利用実績情報には少なくとも予測対象時間帯を含む時間帯の情報が用いられていればよい。したがって、例えば、利用実績情報として、予測対象時間帯を含む日毎の利用実績情報を用いることもできる。

以上、本発明をその実施形態に基づいて詳細に説明した。しかし、本発明は上記実施形態に限定されるものではない。本発明は、その要旨を逸脱しない範囲で以下のような様々な変形が可能である。

例えば、上記実施形態で説明した需要予測装置１０は複数台の装置を組み合わせて構成されていてもよい。また、通信システム１に含まれる複数台の装置が１台の装置によって実現されていてもよい。すなわち、需要予測装置１０は、他の機能を有する装置と一体型の装置であってもよい。

また、上記実施形態では、需要予測装置１０がタクシーの需要予測に特化した実施形態について説明したが、これに限定されるものではなく、例えばバス、電車、飛行機、船、ヘリコプター等で例示される移動手段に適用することが可能である。営業用車両の種類が変わった場合でも、地区の設定や利用実績の設定を営業用車両の種類に応じて適切に変更することで、好適に需要を予測することが可能となる。

また、上記実施形態の需要予測装置１０では、感度関数として２つの関数ｆ（γ）、関数ｇ（γ）を作成する場合について説明したが、関数ｆ（γ）のみを感度関数として作成して需要予測に用いる構成としてもよい。関数ｆ（γ）のみを需要予測に用いる場合であっても、関数ｆ（γ）は、混雑比γとタクシーの利用実績との関係を示す関数であるので、精度よくタクシーの需要予測をすることができる。関数ｆ（γ）のみを感度関数として作成した場合には、タクシー需要台数Ｔ_{ｅｖｅｎｔｓ}の算出に用いる数式は変更される。

また、上記実施形態の需要予測装置１０では、ユーザ数予測部１５において予測対象日及び予測対象時間帯における予測対象地区のユーザ数の予測を行った上で、これを利用して需要予測を行う構成について説明したが、ユーザ数を考慮することなく、需要予測を行う構成としてもよい。この場合でも、過去の実績から予測された予測対象日の混雑比と、感度関数とを組み合わせて需要を精度よく予測することが可能である。ただし、ユーザ数を考慮した構成とするほうが、精度は向上すると考えられる。

１…通信システム、１０…需要予測装置、１１…位置情報受信部、１２…ユーザ数情報記憶部、１３…タクシー利用情報受信部、１４…タクシー利用情報記憶部、１５…ユーザ数予測部、１６…混雑比予測部、１７…感度関数作成部、１８…需要予測部、１９…予測結果出力部、２０…予測結果記憶部。

Claims (4)

1. 予測対象日の予測対象時間帯における予測対象地区での営業用車両の需要を予測する需要予測装置であって、
   複数のユーザ端末からの位置情報に基づいて、地区毎及び時間帯毎のユーザ数に係るユーザ数情報を記憶するユーザ数情報記憶部と、
   地区毎及び時間帯毎の営業用車両の利用実績に係る利用実績情報を記憶する営業用車両利用情報記憶部と、
   前記ユーザ数情報記憶部で記憶されているユーザ数情報から、前記予測対象地区での前記予測対象時間帯のユーザ数と、前記予測対象時間帯とは異なる比較対象の時間帯のユーザ数との関係性を示す混雑比を日毎に算出し、前記利用実績情報のうち、前記予測対象地区での前記予測対象時間帯を含む時間帯に係る利用実績情報と組み合わせることで、前記混雑比と前記利用実績情報との関係を示す感度関数を作成する感度関数作成部と、
   前記ユーザ数情報記憶部で記憶されているユーザ数情報から、前記予測対象地区での前記予測対象日の混雑比を予測する混雑比予測部と、
   前記混雑比予測部により予測された前記予測対象日の混雑比を前記感度関数と組み合わせることで、前記予測対象地区での前記予測対象日の前記予測対象時間帯における前記営業用車両の需要を予測する需要予測部と、
   を有する需要予測装置。
2. 前記ユーザ数情報記憶部で記憶されているユーザ数情報から、前記予測対象地区での前記予測対象日の前記予測対象時間帯のユーザ数を予測するユーザ数予測部をさらに有し、
   前記需要予測部は、前記ユーザ数予測部により予測された前記予測対象日のユーザ数と、前記混雑比予測部により予測された前記予測対象日の混雑比と、を前記感度関数と組み合わせることで、前記予測対象地区での前記予測対象日の前記予測対象時間帯における前記営業用車両の需要を予測する請求項１に記載の需要予測装置。
3. 前記需要予測部により予測された前記営業用車両の需要の予測結果を記憶する予測結果記憶部をさらに有し、
   前記感度関数作成部は、前記予測結果記憶部に記憶された過去の予測対象日の予測対象時間帯に係る予測結果と、前記営業用車両利用情報記憶部に記憶された前記予測対象地区における前記過去の予測対象日の予測対象時間帯に係る前記営業用車両の利用実績に係る利用実績情報と、に基づいて、感度関数として両者の差分を補正するための関数を作成する請求項１又は２に記載の需要予測装置。
4. 前記感度関数作成部は、前記利用実績情報のうち、前記予測対象地区での前記予測対象時間帯に係る利用実績情報を前記混雑比と組み合わせることで、前記混雑比と前記利用実績情報との関係を示す感度関数を作成する請求項１〜３のいずれか一項に記載の需要予測装置。

Images