JP2017194863A - 需要予測装置 - Google Patents
需要予測装置 Download PDFInfo
- Publication number
- JP2017194863A JP2017194863A JP2016085438A JP2016085438A JP2017194863A JP 2017194863 A JP2017194863 A JP 2017194863A JP 2016085438 A JP2016085438 A JP 2016085438A JP 2016085438 A JP2016085438 A JP 2016085438A JP 2017194863 A JP2017194863 A JP 2017194863A
- Authority
- JP
- Japan
- Prior art keywords
- prediction
- demand
- time zone
- prediction target
- users
- 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
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
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。
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。
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。
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Ti’と実測値Ti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Ti’と実測値Ti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。
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Teventsが算出される。なお、タクシー需要台数Tevents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Tevents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Tevents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)
- 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。 - 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。 - 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。 - 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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016085438A JP2017194863A (ja) | 2016-04-21 | 2016-04-21 | 需要予測装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016085438A JP2017194863A (ja) | 2016-04-21 | 2016-04-21 | 需要予測装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2017194863A true JP2017194863A (ja) | 2017-10-26 |
Family
ID=60156427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016085438A Pending JP2017194863A (ja) | 2016-04-21 | 2016-04-21 | 需要予測装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2017194863A (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020113211A (ja) * | 2019-01-16 | 2020-07-27 | Kddi株式会社 | 情報処理装置、利用状況通知方法、及びプログラム |
JPWO2020008749A1 (ja) * | 2018-07-04 | 2021-07-08 | 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 |
US11946754B2 (en) | 2018-06-08 | 2024-04-02 | Sony Corporation | Information processing apparatus, information processing method, and program |
-
2016
- 2016-04-21 JP JP2016085438A patent/JP2017194863A/ja active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11946754B2 (en) | 2018-06-08 | 2024-04-02 | Sony Corporation | Information processing apparatus, information processing method, and program |
JPWO2020008749A1 (ja) * | 2018-07-04 | 2021-07-08 | 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 |
JP7188444B2 (ja) | 2018-07-04 | 2022-12-13 | 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 |
JP2020113211A (ja) * | 2019-01-16 | 2020-07-27 | Kddi株式会社 | 情報処理装置、利用状況通知方法、及びプログラム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101982159B1 (ko) | 카테고리별로 구분된 유동인구 정보를 이용한 유동인구 측정 방법 | |
KR101699918B1 (ko) | 방문 가능성에 기초한 부근의 목적지들의 정렬 및 위치 히스토리로부터의 장소들에 대한 미래의 방문들의 예측 | |
CN109492894B (zh) | 监控车辆投放的方法、装置及服务器 | |
CN110400024B (zh) | 订单预测的方法、装置、设备和计算机可读存储介质 | |
RU2540824C2 (ru) | Устройство агрегации информации о местоположении и способ агрегации информации о местоположении | |
US20180314998A1 (en) | Resource Allocation in a Network System | |
JP6298917B1 (ja) | ガス容器の交換システム、その交換プログラム、その交換装置およびその交換方法 | |
US20210174270A1 (en) | Rideshare vehicle demand forecasting device, method for forecasting rideshare vehicle demand, and storage medium | |
US20150339595A1 (en) | Method and system for balancing rental fleet of movable asset | |
JP2010039833A (ja) | 需要発生予測システム、需要発生予測装置、および需要発生予測方法 | |
CN105683716A (zh) | 场境交通或通行警示 | |
CN104471573A (zh) | 更新高速缓存的数据库查询结果 | |
WO2014186248A1 (en) | Guidebook transit routing | |
US20150302340A1 (en) | Methods and systems for recommending crowdsourcing tasks | |
US20200211043A1 (en) | Information processing device, information processing method, and non-transitory storage medium in which program is stored | |
JP2017194863A (ja) | 需要予測装置 | |
US20240046164A1 (en) | Active notification using transportation service prediction | |
AU2018217973A1 (en) | Dynamic selection of geo-based service options in a network system | |
JP2019053737A (ja) | 予測装置、予測方法、及び予測プログラム | |
JP2019148888A (ja) | 車両管理装置、車両管理方法及び車両管理プログラム | |
US20220083950A1 (en) | System and method for skilled marketplace scheduling | |
JPWO2020049775A1 (ja) | 旅客案内システムおよび旅客案内方法 | |
US20130124248A1 (en) | Active Device for Providing Real Time Parolee Information | |
JP6810483B1 (ja) | プログラム及び情報処理装置 | |
JP2022189386A (ja) | 情報処理装置、情報処理方法及びプログラム |