JP2021055498A - 機械式駐車装置の運転計画システム、及びその運転計画方法、並びに運転計画プログラム、機械式駐車装置 - Google Patents

Abstract

【課題】利用状況に合わせて運転を行うことのできる機械式駐車装置の運転計画システム、及びその運転計画方法、並びに運転計画プログラム、機械式駐車装置を提供することを目的とする。【解決手段】車両の入出庫が可能な機械式駐車装置に適用される運転計画システムであって、過去所定期間において入出庫した車両の実績データに基づいて、車両の搬送に関する複数の運転モードのそれぞれに対応して、将来の所定時間帯における平均入庫待ち時間、平均出庫待ち時間、機械式駐車装置における複数の所定機器の使用回数、及び格納領域における在車率の少なくともいずれか１つの指標に対する推定値を出力する推定部３１と、各運転モードに対する指標の推定値に基づいて、所定時間帯における運転モードを決定する決定部３２とを備える。【選択図】図５

Description

本開示は、機械式駐車装置の運転計画システム、及びその運転計画方法、並びに運転計画プログラム、機械式駐車装置に関するものである。

機械式駐車装置においては、車両を搬送して格納領域へ格納している。例えばバース式（ＩＰＳ）では、入庫バースに駐車された車両を、入庫リフトやコンベア等の搬送手段によって格納領域へ搬送して格納し、車両の入庫を行っている（例えば、特許文献１）。

特開２０１８−１１５５０１号公報

機械式駐車装置は、オフィスビルや住居施設、商業施設、病院、道路下など様々な場所で利用されている。このため、機械式駐車装置の利用状況は、さまざまな要素によって変化する。

予め予想した利用状況に基づいて機械式駐車装置の動作設定を行った場合、その後利用状況が変化すると、最適とは言えない設定のまま運転が継続されることとなる可能性がある。例えば、近隣に大型商業施設ができる等によって、機械式駐車装置の利用状況は変化すると考えられる。適した動作設定で運転がされない場合には、機械式駐車装置の能力を十分に発揮できない可能性がある。

本開示は、このような事情に鑑みてなされたものであって、利用状況に合わせて運転を行うことのできる機械式駐車装置の運転計画システム、及びその運転計画方法、並びに運転計画プログラム、機械式駐車装置を提供することを目的とする。

本開示の第１態様は、車両の入出庫が可能な機械式駐車装置に適用される運転計画システムであって、過去所定期間において入出庫した車両の実績データに基づいて、車両の搬送に関する複数の運転モードのそれぞれに対応して、将来の所定時間帯における平均入庫待ち時間、平均出庫待ち時間、機械式駐車装置における複数の所定機器の使用回数、及び格納領域における在車率の少なくともいずれか１つの指標に対する推定値を出力する推定部と、各前記運転モードに対する前記指標の推定値に基づいて、前記所定時間帯における前記運転モードを決定する決定部と、を備える機械式駐車装置の運転計画システムである。

本開示の第２態様は、車両の入出庫が可能な機械式駐車装置に適用される運転計画方法であって、過去所定期間において入出庫した車両の実績データに基づいて、車両の搬送に関する複数の運転モードのそれぞれに対応して、将来の所定時間帯における平均入庫待ち時間、平均出庫待ち時間、機械式駐車装置における複数の所定機器の使用回数、及び格納領域における在車率の少なくともいずれか１つの指標に対する推定値を出力する工程と、各前記運転モードに対する前記指標の推定値に基づいて、前記所定時間帯における前記運転モードを決定する工程と、を有する機械式駐車装置の運転計画方法である。

本開示の第３態様は、車両の入出庫が可能な機械式駐車装置に適用される運転計画プログラムであって、過去所定期間において入出庫した車両の実績データに基づいて、車両の搬送に関する複数の運転モードのそれぞれに対応して、将来の所定時間帯における平均入庫待ち時間、平均出庫待ち時間、機械式駐車装置における複数の所定機器の使用回数、及び格納領域における在車率の少なくともいずれか１つの指標に対する推定値を出力する処理と、各前記運転モードに対する前記指標の推定値に基づいて、前記所定時間帯における前記運転モードを決定する処理と、をコンピュータに実行させるための機械式駐車装置の運転計画プログラムである。

本開示によれば、利用状況に合わせて運転を行うことができるという効果を奏する。

本開示の一実施形態に係る機械式駐車装置の概略構成を示す図である。 本開示の一実施形態に係る機械式駐車装置の入庫領域の概略構成図である。 本開示の一実施形態に係る機械式駐車装置の出庫領域の概略構成図である。 本開示の一実施形態に係る制御装置のハードウェア構成図である。 本開示の一実施形態に係る制御装置が備える機能を示した機能ブロック図である。 本開示の一実施形態に係る機械式駐車装置の概略断面構成図の例を示す図である。 本開示の一実施形態に係るスケジューリングの例を示す図である。 ニューロンのモデルの一例を示す模式図である。 ニューラルネットワークの一例を示す模式図である。 本開示の一実施形態に係るレーダーチャートの一例を示す図である。 本開示の一実施形態に係るレーダーチャートの一例を示す図である。 本開示の一実施形態に係る制御装置におけるスケジューリング処理のフローチャートを示した図である。 本開示の一実施形態に係る走行台車の配置例を示す図である。 本開示の一実施形態に係る実績データの一例を示すイメージ図である。

以下に、本開示に係る機械式駐車装置の運転計画システム、及びその運転計画方法、並びに運転計画プログラム、機械式駐車装置の一実施形態について、図面を参照して説明する。
図１は、本開示の一実施形態に係る機械式駐車装置６０の概略構成を示す図である。本実施形態における機械式駐車装置６０は、バース式（平面往復コンベア方式）であり、例えば地上に設けた乗入階から車両を入出庫させる。なお、本実施形態では、バース式の機械式駐車装置６０を例として説明するが、運転計画システムは、車両の入出庫が可能な機械式駐車装置であれば、他の方式の機械式駐車装置についても同様に適用することができる。

図１に示すように、乗入階には、乗降室（乗降領域）７０が設けられており、乗降室７０には、入庫領域（入庫バース）７０ａと出庫領域（出庫バース）７０ｂとが設けられている。入庫バース７０ａに駐車された（運転者等によって乗り入れされた）車両が格納階６６における格納領域へ格納される。格納領域に格納された車両は、出庫バース７０ｂへ搬送され出庫が行われる。格納領域は、複数段の格納棚（例えば、１段目、２段目、３段目）により構成される。各格納棚には、格納棚内で車両を搬送する走行台車６３が設けられている。

図２は、入庫バース７０ａの概略構成図である。図２に示すように、入庫バース７０ａには、入庫リフト６２が接続可能な構成となっている。入庫リフト６２が乗入階へ配置されると（入庫リフト６２が入庫バース７０ａにおける床面と略同じ高さへ配置されると）、横送りコンベア６１ａ〜６１ｄによって、車両が入庫バース７０ａから入庫リフト６２へ横送りされる。入庫バース７０ａの外側には、操作盤２２が設けられている。操作盤２２は、機械式駐車装置６０における各種動作を実行させるための入力装置である。例えば、操作盤２２は、入庫バース７０ａ内に駐車した車両の搬送を開始する場合等に操作が行われる。

車両を入庫させる場合、入庫のために入庫バース７０ａに駐車された車両は、横送りコンベア６１ａ〜６１ｄによって入庫リフト６２へ移される。そして入庫リフト６２によって車両が格納階６６における所定の格納棚まで搬送（降下）され、横送りコンベア６１ｃ〜６１ｆによって入庫リフト６２から走行台車６３へ車両が移動される。そして、入庫車両を載置した走行台車６３は台車走行路６４を走行して所定の格納区画まで移動する。その後、横送りコンベア６１ｅ〜６１ｈによって、走行台車６３上の入庫車両が所定の格納区画へ格納される。

図３は、出庫バース７０ｂの概略構成図である。図３に示すように、出庫バース７０ｂには、出庫リフト６５が接続可能な構成となっている。出庫リフト６５が乗入階へ配置されると（出庫リフト６５が出庫バース７０ｂにおける床面と略同じ高さへ配置されると）、横送りコンベア６１ｉ〜６１ｌによって、車両が出庫バース７０ｂから出庫リフト６５へ横送りされる。出庫バース７０ｂの外側には、操作盤２２が設けられている。操作盤２２は、機械式駐車装置６０における各種動作を実行させるための入力装置である。

車両を出庫させる場合、出庫車両は、横送りコンベア６１ｅ〜６１ｈによって格納区画から走行台車６３へ移され、また、横送りコンベア６１ｅ、６１ｆ、６１ｉ、６１ｊによって走行台車６３から出庫リフト６５に移される。そして、出庫車両は、出庫リフト６５によって出庫バース７０ｂまで搬送（上昇）され、横送りコンベア６１ｉ〜６１ｌによって出庫バース７０ｂに移される。

なお、入庫リフト６２、及び出庫リフト６５は、乗入階（入庫領域）と格納階（格納領域）６６との間で車両を搬送する搬送手段である。なお、横送りコンベア６１ａ〜６１ｌや走行台車６３についても車両を搬送するための搬送手段である。

制御装置（運転計画システム）３０は、機械式駐車装置６０の運転モードをスケジューリングする。具体的には、制御装置３０は、機械式駐車装置６０の複数の運転モードの中から、利用状況に合わせた運転モードを決定し、決定した運転モードによって運転を行う。このため、機械式駐車装置６０の近隣の環境変化等に起因する利用状況の変化にも対応して、適切な運転モードによって運転を行うことが可能となる。

図４は、本実施形態に係る制御装置３０のハードウェア構成の一例を示した図である。
図４に示すように、制御装置３０は、コンピュータシステム（計算機システム）であり、例えば、ＣＰＵ１１と、ＣＰＵ１１が実行するプログラム等を記憶するためのＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）１２と、各プログラム実行時のワーク領域として機能するＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）１３と、大容量記憶装置としてのハードディスクドライブ（ＨＤＤ）１４と、ネットワーク等に接続するための通信部１５とを備えている。これら各部は、バス１８を介して接続されている。

また、制御装置３０は、キーボードやマウス等からなる入力部や、データを表示する液晶表示装置等からなる表示部などを備えていてもよい。

なお、ＣＰＵ１１が実行するプログラム等を記憶するための記憶媒体は、ＲＯＭ１２に限られない。例えば、磁気ディスク、光磁気ディスク、半導体メモリ等の他の補助記憶装置であってもよい。

後述の各種機能を実現するための一連の処理の過程は、プログラムの形式でハードディスクドライブ１４等に記録されており、このプログラムをＣＰＵ１１がＲＡＭ１３等に読み出して、情報の加工・演算処理を実行することにより、後述の各種機能が実現される。なお、プログラムは、ＲＯＭ１２やその他の記憶媒体に予めインストールしておく形態や、コンピュータ読み取り可能な記憶媒体に記憶された状態で提供される形態、有線又は無線による通信手段を介して配信される形態等が適用されてもよい。コンピュータ読み取り可能な記憶媒体とは、磁気ディスク、光磁気ディスク、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、半導体メモリ等である。

図５は、制御装置３０が備える機能を示した機能ブロック図である。図５に示されるように、制御装置３０は、推定部３１と、決定部３２と、修正部３３とを主な構成として備えている。なお、図５における各部の機能は、運転計画システムとしての機能であり、他の機能を有することとしてもよい。

推定部３１は、過去所定期間において入出庫した車両の実績データに基づいて、車両の搬送に関する複数の運転モードのそれぞれに対応して、将来の所定時間帯における平均入庫待ち時間、平均出庫待ち時間、機械式駐車装置６０における複数の所定機器の使用回数（以下、「使用回数」という。）、及び格納領域における在車率（以下、「在車率」という。）の少なくともいずれか１つの指標に対する推定値を出力する。

実績データとは、過去所定期間における車両の入出庫実績に関するデータである。過去所定期間とは、例えば、現在（推定を行う時など）から、過去所定期間（例えば数年）である。図１４は、実績データの一例を示すイメージ図である。なお、実績データは図１４のような構成に限定されない。

実績データには、車両情報と、日時と、入庫時間と、出庫時間と、運転モードと、格納位置とが対応づけられて、格納されている。なお、後述するように、機械学習を適用して実績データを教師データとして使用する場合には、実績データには、車両情報と、日時と、入庫時間と、出庫時間と、運転モードと、格納位置と、指標とが対応づけられた情報を含んでいる。車両情報と、日時と、入庫時間と、出庫時間と、運転モードと、格納位置とにおける各パラメータは、機械式駐車装置６０の利用状況が反映された値となる。このため、各パラメータは、各指標（平均入庫待ち時間、平均出庫待ち時間、使用回数、及び在車率であり利用状況によって変化するパラメータ）と相関関係を有している。

車両情報とは、格納した車両に関する情報であり車種情報（軽自動車、普通車、またはハイルーフ車等）である。車種情報としては、タイプ情報（セダン、ワゴン、またはスポーツ）、メーカ国情報（国産車または外車）、及び動力源情報（ガソリン車、ハイブリッド車、または電気自動車）の少なくともいずれか１つを含むこととしてもよい。なお、入庫した際の発券番号や、契約内容（定期か時間貸しか）を含むこととしてもよい。車両情報には、機械式駐車装置６０の利用状況が反映されることなるため、各指標（平均入庫待ち時間、平均出庫待ち時間、使用回数、及び在車率）と相関関係を有している。

実績データには、上記の各パラメータ（車両情報、日時、入庫時間、出庫時間、運転モード、及び格納位置）が含まれるが、他のパラメータ（補完パラメータ）を追加して対応づけることとしてもよい。利用状況が反映された補完パラメータを用いることにより、推定精度を向上させることができる。

例えば、実績データは、車両の運転者に関する情報を含むこととしてもよい。車両の運転者に係る情報とは、例えば、性別、年齢、身体的特徴、同乗者数、及び子供の有無である。車両の運転者に係る情報には、各パラメータのうち少なくともいずれか１つを含めることができる。車両の運転者に係る情報は、機械式駐車装置６０の利用状況が反映されることなるため、各指標（平均入庫待ち時間、平均出庫待ち時間、使用回数、及び在車率）と相関関係を有している。

また、実績データは、車両に搭載されたカーナビゲーションシステムの設定情報を含むこととしてもよい。車両に搭載されたカーナビゲーションシステムの設定情報とは、例えば、運転者の住所、目的地、及びナビにおける機械式駐車装置６０の位置設定の有無である。ナビにおける機械式駐車装置６０の位置設定の有無とは、ナビに機械式駐車装置６０の位置情報が設定されているか否かであり、設定されている場合には利用者は常連であり利用に慣れていることが推定される。車両に搭載されたカーナビゲーションシステムの設定情報には、各パラメータのうち少なくともいずれか１つを含めることができる。車両に搭載されたカーナビゲーションシステムの設定情報は、機械式駐車装置６０の利用状況が反映されることなるため、各指標（平均入庫待ち時間、平均出庫待ち時間、使用回数、及び在車率）と相関関係を有している。

また、実績データは、格納した車両の駐車時間、及び利用回数情報の少なくともいずれか１つを含むこととしてもよい。駐車時間とは、車両の入庫から出庫まで格納していた時間（格納時間）である。利用回数情報とは、利用者が今までに機械式駐車装置６０を利用した総回数である。なお、統計情報を含めることとしてもよい。上記のパラメータは、機械式駐車装置６０の利用状況が反映されることなるため、各指標（平均入庫待ち時間、平均出庫待ち時間、使用回数、及び在車率）と相関関係を有している。

また、実績データは、カレンダー情報、気象情報、及び災害情報の少なくともいずれか１つを含むこととしてもよい。カレンダー情報とは、例えば、日時や、曜日、六曜、祝日、記念日等に関する情報である。気象情報とは、例えば、天気や、気温、湿度等に関する情報である。災害情報とは、例えば、事故情報や災害情報、交通機関の運行情報等に関する情報である。上記のパラメータは、機械式駐車装置６０の利用状況が反映されることなるため、各指標（平均入庫待ち時間、平均出庫待ち時間、使用回数、及び在車率）と相関関係を有している。

実績データには、上記パラメータ以外であっても、機械式駐車装置６０の利用状況が反映される情報であれば含めることが可能である。例えば、入庫ができなかった車両の情報を用いることとしてもよい。

上記のような実績データに基づいて、推定部３１は、各運転モードに対応して推定を行う。

運転モードとは、機械式駐車装置６０において、車両の搬送に関する運転モードであり、複数種類のモードが予め用意されている。本実施形態では、入庫に係る運転モードを用いる場合について説明するが、他の運転モードを適用することも可能である。なお、他の運転モードについては後述する。

複数の運転モードには、入庫優先モード、出庫優先モード、均一入庫モード、車種優先モードの少なくともいずれか１つを含むことができる。本実施形態では、入庫優先モード、出庫優先モード、均一入庫モード、及び車種優先モードを用いる場合について説明する。

入庫優先モードとは、優先的に入庫を行う運転モードである。具体的には、入庫バース７０ａに駐車された車両を搬送して格納する際に、入庫車両の搬送に対応できるように搬送手段を運転するモードである。例えば、格納領域における複数の走行台車６３を、少なくとも１台は入庫する車両用に空けて運転を行う。他の走行台車６３は出庫する車両に使用できるため、出庫も行うことができる。また、入庫車両を、入庫リフト６２の周辺に格納することとし（入庫に係る搬送距離を短くし）、入庫に要する時間の短縮化を図ってもよい。このように、入庫優先モードとは、車両の入庫を優先して運転を行う運転モードである。このため、入庫優先モードでは、効率的に入庫を行うことができる。

出庫優先モードとは、出庫を優先して入庫を行う運転モードである。具体的には、格納領域に格納された車両を搬送して出庫する際に、出庫車両の搬送に対応できるように搬送手段を運転するモードである。例えば、格納領域における複数の台車を、出庫する車両に対して優先的に使用する。走行台車６３は、出庫に使用されない場合に入庫に使用することができる。また、出庫車両を、出庫リフト６５の周辺に格納することとし（出庫に係る搬送距離を短くし）、出庫に要する時間の短縮化を図ってもよい。このように、出庫優先モードとは、車両の出庫を優先しつつ車両の入庫も行う運転モードである。このため、出庫優先モードでは、効率的に出庫を行いつつ、入庫を実行することができる。

均一入庫モードとは、格納領域において空間的に均一に車両を格納するように入庫を行う運転モードである。具体的には、格納領域に複数の段がある場合に、各段において在車数が等しくなるように、各段へ車両を入庫する。なお、各段においても、空間的に均一になるように格納することとしてもよい。このように、均一入庫モードとは、格納領域における在車位置の偏在化を抑制する運転モードである。均一入庫モードでは、在車の偏在化を抑制し、例えば各機器の使用頻度の均一化を図ることができる。

車種優先モードとは、格納領域における所定の領域に対して特定の車種を優先的に格納する運転モードである。具体的には、格納領域における所定の領域が、特定の車種を格納できるように仕様設計されている場合には、該所定の領域へは、該特定の車種の車両を優先的に格納する。例えば、図６の３段目のように、ハイルーフ車両が格納可能なように仕様設計されている場合（普通車も格納可能）には、３段目にはハイルーフ車両を優先的に格納する。このように、車種優先モードとは、格納領域の仕様に応じて、対応する車種を対応する領域へ優先的に格納する運転モードである。このため、車種優先モードでは、格納領域としては空きがあるのに特定の車種が入庫できないという状況を抑制することができる。

なお、上記運転モードの他に、サイクル入庫モードを用いることとしてもよい。サイクル入庫モードとは、格納領域における各段（各層）に対して順番に車両を格納していく運転モードである。例えば、第１段へ格納後、次の車両を第２段へ格納し、第２段へ格納後、次の車両を第３段へ格納し、第３段へ格納後、次の車両を第１段へ格納しというサイクルによって入庫を行うモードである。

そして、推定部３１は、上記のような各運転モードに対応して、将来の所定時間帯における指標に対する推定値を出力する。

将来の所定時間帯とは、図７のように、一日のうちに等間隔に設定された時間帯（例えば２時間ごと）である。なお、時間帯ついては、運転モードが設定される単位となるため、図７のように設定される場合に限定されない。また、所定時間帯については、機械式駐車装置６０の利用状況に応じて設定することとしてもよい。具体的には、所定時間帯を、入庫台数の時間変動に基づいて設定されることとしてもよい。例えば、時間変動が大きいタイミング（変動値が閾値よりも大きい場合）に時間帯を切り替えることで（すなわち、時間帯内では、変動が閾値よりも小さい）、入庫台数が大きく変動しない時間帯ごとに、運転モードを決定することができる。また、後述する機械学習を用いて、実績データに基づいて所定時間帯を設定することとしてもよい。

本実施形態では、推定を行う指標として、平均入庫待ち時間、平均出庫待ち時間、機械式駐車装置６０における複数の所定機器の使用回数、及び格納領域における在車率を用いる場合について説明する。指標としては、平均入庫待ち時間、平均出庫待ち時間、機械式駐車装置６０における複数の所定機器の使用回数、及び格納領域における在車率の少なくともいずれか１つを用いることとしてもよい。

平均入庫待ち時間とは、入庫に要する時間の平均値である。具体的には、平均入庫待ち時間は、入庫領域への車両の乗り入れが開始（許可）されてから車両の入庫（搬送）が完了するまでの時間の平均値である。平均値は、所定時間帯に対する入庫待ち時間の平均値として算出される。なお、平均入庫待ち時間については、入庫に関する時間であれば、上記具体例に限定されない。

平均出庫待ち時間とは、出庫に要する時間の平均値である。具体的には、平均出庫待ち時間は、格納されている車両の搬送が開始されてから出庫領域へ搬送された車両の乗り出しが開始（許可）されるまでの時間の平均値である。平均値は、所定時間帯に対する出庫待ち時間の平均値として算出される。なお、平均出庫待ち時間については、出庫に関する時間であれば、上記具体例に限定されない。

機械式駐車装置６０における複数の所定機器の使用回数とは、車両の搬送に使用される各機器の使用回数である。所定機器とは、運転員や保守員等によって予め指定された機器である。所定機器とは、種類に限定せず設定することとしてもよいが、同種の機器とされることが好ましい。例えば、複数の走行台車６３（各段に設けれた走行台車６３）では、使用回数が異なり偏りが生じると、消耗に偏りが生じてしまう。このような場合には、個別にメンテナンスを行う必要や、最も消耗している走行台車６３に合わせてメンテナンス時期を計画する必要等がある場合がある。このため、各機器では、等しく消耗が進むことが好ましい。このため、図６のような３段構成の場合には、３台の走行台車６３を所定機器とすることで、各走行台車６３の使用回数（各走行台車６３の使用回数の偏り）を評価することができる。使用回数は、所定時間帯における各機器の使用回数である。なお、所定機器については、異なる種類の機器を設定することとしてもよいし、上記のように走行台車６３とする場合に限定されない。

格納領域における在車率とは、格納領域において格納可能な車両の台数（最大駐車台数）に対する格納されている車両の台数の比率である。在車率は、所定時間帯における最大の在車率としてもよいし、最小値や所定時間当たりの平均値としてもよい。在車率が高いほど、機械式駐車装置６０が車両を効率的に受け入れられている。

推定部３１は、実績データに基づいて、上記の指標の推定値を出力する。推定方法については、実績データに基づくものであれば適宜選択することができる。本実施形態では、機械学習（教師あり学習）を適応して、各指標の推定値を出力する場合について説明するが、他の機械学習の方式（例えば強化学習など）を利用してもよいし、ルールベースで指標に対応した値を推定することとしてもよく、推定方法については限定されない。以下に機械学習を適応して推定を行う場合の具体例を説明する。教師あり学習とは、教師データ（正解情報が結びついているデータセット）によってデータの特徴をモデル化する学習方法である。

機械学習は、機械式駐車装置６０において収集された実績データに基づいて行われる。なお、隣接する他の機械式駐車装置や、利用状況が類似すると推定される他の機械式駐車装置において収集した実績データを統合して用いることとしてもよい。実績データについては、制御装置３０に記憶部を設けて格納しておくこととしてもよいし、他の情報処理装置（サーバ）に収集し、推定時にダウンロード等により用いることとしてもよい。収集した実績データに基づいて教師あり学習を行う。

教師あり学習では、入力と結果（ラベル）のデータの組を機械学習装置に与えることで、データセットにおける特徴を学習し、入力から結果を推定する予測モデルを生成する。すなわち、予測モデルによって、学習させたデータセットにおける関係性を帰納的に獲得することができる。機械学習は、後述のニューラルネットワークやＳＶＭなどのアルゴリズムを用いて実現することができる。教師あり学習は、実績データを、あらかじめ定めた所定の単位時間毎に分割し、分割した単位を１入力として繰り返し実施される。所定の単位時間とは、例えば推定対象である将来の所定時間帯である。

ニューラルネットワークは、たとえば図８に示すようなニューロンのモデルを模したニューラルネットワークで構成される。図８は、ニューロンのモデルの一例を示す模式図である。図８に示すように、ニューロンは、複数の入力ｘ（入力ｘ１、ｘ２、ｘ３）に対する出力ｙを出力するものである。各入力ｘ１〜ｘ３には、各入力ｘに対応する重みｗ（ｗ１、ｗ２、ｗ３）が掛けられる。これにより、ニューロンは、以下の式（１）により表現される出力ｙを出力する。なお、式（１）において、入力ｘｉ（ｉ＝１、２、３）、出力ｙ及び重みｗｉ（ｉ＝１、２、３）は、すべてベクトルである。また、θはバイアスであり、ｆｋは活性化関数である。

図８のようなニューロンを組み合わせると、例えば図９のニューラルネットワークとなる。図９は、ニューロンを組み合わせた３層の重みを有するニューラルネットワークの例を示している。図９は、Ｄ１〜Ｄ３の３層の重みを有するニューラルネットワークを示す模式図である。図９に示すように、ニューラルネットワークの左側から複数の入力ｘ（入力ｘ１〜ｘ３）が入力され、右側から結果（ｙ１〜ｙ３）が出力される。

具体的には、入力ｘ１〜入力ｘ３は、３つのニューロンＮ１１〜Ｎ１３の各々に対して対応する重みが掛けられて入力される。図９では、入力に掛けられる重みを、まとめてｗ１と標記している。ニューロンＮ１１〜Ｎ１３は、それぞれ、ｚ１１〜ｚ１３を出力する。ｚ１１〜ｚ１３は、まとめて特徴ベクトルｚ１と標記され、入力ベクトルの特徴量を抽出したベクトルとみなすことができる。この特徴ベクトルｚ１は、重みｗ１と重みｗ２との間の特徴ベクトルである。

ｚ１１〜ｚ１３は、２つのニューロンＮ２１、Ｎ２２の各々に対して対応する重みが掛けられて入力される。図９では、特徴ベクトルに掛けられる重みは、まとめてｗ２と標記している。ニューロンＮ２１、Ｎ２２は、それぞれ、ｚ２１、ｚ２２を出力する。図９では、ｚ２１及びｚ２２をまとめて特徴ベクトルｚ２と標記している。この特徴ベクトルｚ２は、重みｗ２と重みｗ３との間の特徴ベクトルである。

特徴ベクトルｚ２１、ｚ２２は、３つのニューロンＮ３１〜Ｎ３３の各々に対して対応する重みが掛けられて入力される。図９では、特徴ベクトルに掛けられるそれぞれの重みは、まとめてｗ３と標記している。そして、ニューロンＮ３１〜Ｎ３３は、それぞれ、結果ｙ１〜結果ｙ３を出力する。

ニューラルネットワークの動作には、学習モードと予測モードとがある。学習モードでは、学習データセット（教師データ）を用いて重みｗを学習する。予測モードでは、学習した重みｗを用いて、出力（学習した正解情報に対応する値の出力）を行う。

学習については、教師データ（実績データ）が収集される度に、またはある程度データが溜まる度に学習を行うこと（オンライン学習）ことが好ましいが、バッチ学習を行うことも可能である。

重みｗ１〜ｗ３は、誤差逆伝搬法（バックプロパゲーション）により学習可能なものである。誤差の情報は、右側（出力側）から入り左側（入力側）に流れる。誤差逆伝搬法は、各ニューロンについて、入力ｘが入力されたときの出力ｙと真の出力ｙ（教師）との差分を小さくするように、それぞれの重みを調整（学習）する手法である。このように、教師データに基づいて入力に対応した出力（正解値）が出力されるように、重みが調整されて予測モデルが生成される。このため、予測モデルに対して入力を入れることで、出力（正解値に対応した推定値）を得ることができる。

ニューラルネットワークは、３層以上にさらに層を増やすことも可能である（ディープラーニング）。また、オートエンコーダにより次元圧縮を行うこととしてもよい。

推定部３１では、教師あり学習により生成された予測モデルを用いて、所定の指標の推定値を出力する。本実施形態では、教師データは実績データであり、車両情報と、日時と、入庫時間と、出庫時間と、運転モードと、格納位置と、指標とが対応づけられた情報となる。このうち、入力は、車両情報と、日時と、入庫時間と、出庫時間と、運転モードと、格納位置である。そして、出力は、指標（平均入庫待ち時間、平均出庫待ち時間、使用回数、及び在車率の少なくともいずれか１つ）となる。

なお、上述のように、実績データにおいて、車両の運転者に関する情報や、車両に搭載されたカーナビゲーションシステムの設定情報、格納した車両の駐車時間、利用回数情報、カレンダー情報、気象情報、災害情報などの情報（補完パラメータ）を含めた場合には、各補完パラメータのうち少なくともいずれか１つを入力データに追加することとしてもよい。

本実施形態では、教師データとして、車両情報と、日時と、入庫時間と、出庫時間と、運転モードと、格納位置と、指標とが対応づけられた情報を用いる場合について説明する。教師データにおいて、入力に対応するデータ（車両情報、日時、入庫時間、出庫時間、運転モード、及び格納位置）と、出力に対応するデータ（指標であり、平均入庫待ち時間、平均出庫待ち時間、使用回数、及び在車率の少なくともいずれか１つ）とは相関関係を有している。具体的には、指標は、機械式駐車装置６０の利用状況に従って変動する値であり、入力に対応するデータ（上記の補完パラメータを含む）は、利用状況を示すデータである。このように、教師データにおける入力に対応するデータと出力に対応するデータとは相関関係を有しているため、該教師データに基づいて教師あり学習を行うことで、各ニューロンの重みを適切に調整して機械学習を行うことができる。予測モデルは、制御装置３０に記憶部を設けて格納しておくこととしてもよいし、他の情報処理装置（サーバ）に格納することとしてもよい。

そして、推定部３１は、教師データにより機械学習された予測モデルを用いて、車両情報と、日付と、入庫時間と、出庫時間と、運転モードと、格納位置とを入力データとして、所定時間帯に対応した指標の推定値を出力する。予測モデルが生成されると、入力に従って出力が得られる状態となっている。このため、教師データの入力に対応するデータとして用いたパラメータと同様のパラメータを入力データ（車両情報、日付、入庫時間、出庫時間、運転モード、及び格納位置）を予測モデルに入力して、出力（指標の推定値）を得る。予測モデルには、運転モード毎にデータセットを入力することによって、該運転モードに対応した出力を得ることができる。具体的には、入庫優先モードに対応したデータセット（運転モードとして入庫優先モードが含まれる入力データ）を予測モデルへ入力することによって、入庫優先モードに対応した指標の推定値を出力することができる。他の運転モードについても同様に、対応する指標の推定値を出力することができる。

予測モードにおける入力データについては、実績データにおいて、推定対象の所定時間帯に対応した前日の各入力データ（車種情報等）としてもよいし、推定対象の所定時間帯に対応した先月の対応する日の各入力データ（車種情報等）としてもよい。すなわち、予測モードにおける入力データについては、推定対象の所定時間帯と利用状況が等しいと推定されるデータとすることができる。例えば、推定対象の所定時間帯が祝日にあたる場合には、該祝日に対応したデータとすることが好ましい。実績データから入力データを抽出して用いる場合であっても、過去実績が反映された予測モデルを用いることによって、現在の利用状況がより反映された出力を得ることが可能となる。

本実施形態では、学習モードでは所定の単位時間を１入力として実績データを区切って教師データとしている。そして、該単位時間を推定対象の所定時間帯としている。このため、予測モードにおいても、入力データを所定時間帯（単位時間）に対応させることで、所定時間帯における指標の推定値を得ることができる。しかしながら、学習モードにおける単位時間と、予測モードにおける推定対象の所定時間帯が異なる場合には、該単位時間に対応する入力により該単位時間に対応する出力を得て、該出力に基づいて所定時間帯における指標の推定値を算出することとしてもよい。

なお、学習モードにおいて、教師データの入力データとして補完パラメータを追加した場合には、予測モードにおいて、入力に該補完パラメータを追加することとしてもよい。

このように予測モデルに対して入力を行うことで、出力として、指標の推定値（平均入庫待ち時間、平均出庫待ち時間、使用回数、及び在車率の少なくともいずれか１つであり、教師データにおいて用いたパラメータ）を得ることができる。

推定部３１では、各運転モード毎（入力パラメータの１つ）に出力を得る。出力である各運転モードに対応した指標の推定値については、後述する決定部３２において使用される。

決定部３２は、各運転モードに対する指標の推定値に基づいて、所定時間帯における運転モードを決定する。具体的には、決定部３２は、運転モード毎に推定された指標の推定値を比較し、最も適した指標となっている運転モードを決定する。適しているか否かは、機械式駐車装置６０に応じて保守員等によって設定される。例えば、入庫待ち時間が最も低く評価された運転モードを選択することとした場合には、指標（平均入庫待ち時間）の推定値が最も低く推定された運転モードが選択される。

また、複数種類の指標を用いる場合には、各指標を項目としたレーダーチャートで評価を行うこととしてもよい。このような場合には、例えば各指標の推定値に対して点数付け（重み付け）を行い、チャート化する。点数付けについては、重視したい所定の指標が高得点となるように重み付け調整をしてもよい。例えば、平均入庫待ち時間、在車率、使用回数の偏りを指標とすると、図１０及び図１１のようなレーダーチャートが作成される。使用回数の偏りとは、推定された各機器の使用回数のばらつき度合（偏り度合）であり、例えば標準偏差である。図１０は、入庫優先モードに対応しており、図１１は、出庫優先モードに対応しているものとする。レーダーチャートの各項目の評価点をそれぞれ結んだ形状の面積によって複数の指標の総合評価をすることができる。図１０におけるチャートの面積は、図１１におけるチャートの面積と比較して大きい。このため、入庫優先モードの方がより適した運転モードと推定することができる。

このようにして、決定部３２は、各時間帯における運転モードを決定する。各運転モードを決定すると、例えば図７のようにスケジューリングされる。各時間帯及び曜日に応じて適切に運転モードが選択される。

修正部３３は、出力された指標の推定値と、実際に入庫を実行することにより得た指標に対応する値とに基づいて、予測モデルを修正する。予測モデルによって指標の推定は可能であるが、推定された指標（出力値）と、実際に入庫を実行することにより得た指標に対応する値（正解値）とが異なる場合がある。このような場合には、予測モデルを修正することによってより正確な出力値を得ることができる。

修正は、例えばバックプロパゲーション（誤差逆伝搬法）により行う。予測モデルでは、図９のように、重みが設定（学習）されており、該重みによって入力から出力を行っている。バックプロパゲーションでは、出力値と正解値との誤差に基づいて、各重みを修正する。具体的には、誤差を出力側から逆方向に返して、各ニューロンの誤りを正す（重みを修正する）。なお、出力値と正解値とに基づいてモデルを修正することができれば、バックプロパゲーションに限定されず適用することができる。

このように、予測モデルを修正して学習の精度を向上させることができるため、より正確な出力を得ることがかのうとなる。

次に、上述の制御装置３０によるスケジューリング処理の一例について図１２を参照して説明する。図１２は、本実施形態に係るスケジューリング処理の手順の一例を示すフローチャートである。図１２に示すフローは、所定の制御周期で繰り返し実行される。

まず、実績データに基づいて、各運転モードに対応して指標の推定値を算出する（Ｓ１０１）。指標とは、平均入庫待ち時間、平均出庫待ち時間、機械式駐車装置６０における複数の所定機器の使用回数、及び格納領域における在車率である。Ｓ１０１において、機械学習を適用して推定を行う場合には、実績データに基づいて機械学習された予測モデルに基づいて指標の推定値を出力する。

次に、各運転モードに対する指標の推定値に基づいて、所定時間帯における運転モードを決定する（Ｓ１０２）。Ｓ１０２では、例えば、図７のように、曜日及び時間に対して運転モードのスケジューリングが行われる。

そして、決定された運転モードの情報（運転モードのスケジューリング情報）を出力し（Ｓ１０３）、運用を行う。Ｓ１０３では、既に設定されているスケジューリング情報（例えば前の週に対応するスケジューリング情報）を新たに設定したスケジューリング情報で更新し、更新されたスケジューリング情報に基づいて運用が行われる。なお、Ｓ１０２で設定されたスケジューリング情報が、運用を行う際に参照されることとしてもよい。

図１２のフローでは、１週間単位でスケジューリングを行うこととしているが（例えば図１４）、スケジューリングを行うタイミングについては週間単位に限定されない。

上記では、入庫優先モード等の複数の運転モードを用いる場合について説明したが、他の運転モードを用いることとしてもよい。具体的には、搬送手段の配置位置に係る運転モードを用いてもよい。搬送手段の配置位置に係る運転モードとは、入庫車両が乗り入れられる入庫領域に基づいて車両を搬送する搬送手段を配置する入庫配置モード、出庫車両が乗り出される出庫領域に基づいて搬送手段を配置する出庫配置モード、入庫領域と出庫領域との中間位置に搬送手段を配置する中間配置モード、及び格納領域に格納されている車両位置に基づいて搬送手段を配置する在車配置モードである。入庫配置モード、出庫配置モード、中間配置モード、及び在車配置モードの少なくともいずれか一つを用いることとしてもよい。搬送手段とは、具体的には、走行台車６３である。すなわち、各運転モードは走行台車６３の配置位置（待機位置）に関する運転モードとなる。

入庫配置モードでは、入庫リフト６２の近辺（例えば入庫リフト６２に接続可能な位置）に走行台車６３を待機させるモードである。入庫配置モードによれば、より早く入庫を完了させることができる。出庫配置モードは、出庫リフト６５の近辺（例えば出庫リフト６５に接続可能な位置）に走行台車６３を待機させるモードである。出庫配置モードによれば、出庫リフト６５の周囲の車両をより早く出庫させることことができる。中間配置モードは、図１３のように、入庫リフト６２と出庫リフト６５との中間位置（すなわち、格納棚（台車走行路６４）の中間位置）に走行台車６３を待機させるモードである。中間配置モードによれば、入庫及び出庫のどちらでも効率的に対応することができる。在車配置モードは、格納領域に格納されている車両位置（在車位置）の付近に走行台車６３を待機させるモードである。在車配置モードでは、より多くの車両が格納されている領域付近に走行台車６３を待機させることが好ましい。在車配置モードによれば、待機位置周囲の車両をより効率的に出庫することができる。

入庫配置モード、出庫配置モード、中間配置モード、及び在車配置モードについては、前述の入庫優先モード等に代えて運転モードとして使用してもよいし、入庫優先モード等と組み合わせて運転モードを設定することとしてもよい。組み合わせる場合とは、例えば、入庫優先モードでかつ入庫配置モードとなる運転モード等である。

以上説明したように、本実施形態に係る機械式駐車装置の運転計画システム、及びその運転計画方法、並びに運転計画プログラム、機械式駐車装置によれば、過去所定期間において入出庫した車両の実績データに基づいて、各運転モードのそれぞれに対応した指標の推定値を出力するため、機械式駐車装置６０の利用状況を反映して、各運転モードに対応する指標を推定することが可能となる。そして、推定した指標に基づいて将来の所定時間帯における機械式駐車装置６０の運転モードを決定するため、機械式駐車装置６０の利用状況を反映して、適切な運転モードを決定することが可能となる。すなわち、利用状況の変化にも対応して、複数の運転モードのうち適切な運転モードを決定することができるため、機械式駐車装置６０の能力をより効果的に発揮させることが可能となる。

また、推定する指標として、将来の所定時間帯における平均入庫待ち時間、平均出庫待ち時間、機械式駐車装置６０における複数の所定機器の使用回数、及び格納領域における在車率の少なくともいずれか１つを用いることで、利用状況の変化を反映して、効果的に評価を行うことが可能となる。

実績データにおいて、車両情報と、日時と、入庫時間と、出庫時間と、運転モードと、格納位置とが含まれることによって、利用状況の変化を適切に反映することが可能となる。

実績データに含まれる情報（車両情報と、日時と、入庫時間と、出庫時間と、運転モードと、格納位置と、指標とが対応づけられた情報）を教師データとして機械学習された予測モデルを用いることで、機械学習を利用して、効果的に指標の推定値を出力することができる。推定を行う場合には、車両情報と、日付と、入庫時間と、出庫時間と、運転モードと、格納位置とを入力データとして、所定時間帯に対応した指標の推定値を出力するため、教師データで学習された予測モデルから出力を得ることができる。

指標の推定値と、実際に入庫を実行することにより得た指標に対応する値（すなわち正解値）とによって予測モデルを修正することによって、より正確な推定値を出力することが可能となる。

つまり、利用状況に合わせて運転を行うことができ、機械式駐車装置６０の能力をより効果的に発揮させることが可能となる。

本開示は、上述の実施形態のみに限定されるものではなく、発明の要旨を逸脱しない範囲において、種々変形実施が可能である。

以上説明した各実施形態に記載の機械式駐車装置の運転計画システム、及びその運転計画方法、並びに運転計画プログラム、機械式駐車装置は例えば以下のように把握される。
本開示に係る機械式駐車装置（６０）の運転計画システムは、車両の入出庫が可能な機械式駐車装置（６０）に適用される運転計画システムであって、過去所定期間において入出庫した車両の実績データに基づいて、車両の搬送に関する複数の運転モードのそれぞれに対応して、将来の所定時間帯における平均入庫待ち時間、平均出庫待ち時間、機械式駐車装置（６０）における複数の所定機器の使用回数、及び格納領域における在車率の少なくともいずれか１つの指標に対する推定値を出力する推定部（３１）と、各前記運転モードに対する前記指標の推定値に基づいて、前記所定時間帯における前記運転モードを決定する決定部（３２）と、を備える。

本開示に係る運転計画システムによれば、過去所定期間において入出庫した車両の実績データに基づいて、各運転モードのそれぞれに対応した指標の推定値を出力するため、機械式駐車装置（６０）の利用状況を反映して、各運転モードに対応する指標を推定することが可能となる。そして、推定した指標に基づいて将来の所定時間帯における機械式駐車装置（６０）の運転モードを決定するため、機械式駐車装置（６０）の利用状況を反映して、適切な運転モードを決定することが可能となる。すなわち、利用状況の変化にも対応して、複数の運転モードのうち適切な運転モードを決定することができるため、機械式駐車装置（６０）の能力をより効果的に発揮させることが可能となる。

また、推定する指標として、将来の所定時間帯における平均入庫待ち時間、平均出庫待ち時間、機械式駐車装置（６０）における複数の所定機器の使用回数、及び格納領域における在車率の少なくともいずれか１つを用いることで、利用状況の変化を反映して、効果的に評価を行うことが可能となる。

本開示に係る運転計画システムにおいて、前記実績データは、車両情報と、日時と、入庫時間と、出庫時間と、前記運転モードと、格納位置とが含まれていることとしてもよい。

本開示に係る運転計画システムによれば、実績データにおいて、車両情報と、日時と、入庫時間と、出庫時間と、運転モードと、格納位置とが含まれることによって、利用状況の変化を適切に反映することが可能となる。

本開示に係る運転計画システムにおいて、前記実績データは、車両情報と、日時と、入庫時間と、出庫時間と、前記運転モードと、格納位置と、前記指標とが対応づけられた情報を含んでおり、前記推定部（３１）は、前記情報を教師データとして機械学習された予測モデルを用いて、車両情報と、日付と、入庫時間と、出庫時間と、前記運転モードと、格納位置とを入力データとして、前記所定時間帯に対応した前記指標の推定値を出力することとしてもよい。

本開示に係る運転計画システムによれば、実績データに含まれる情報（車両情報と、日時と、入庫時間と、出庫時間と、運転モードと、格納位置と、指標とが対応づけられた情報）を教師データとして機械学習された予測モデルを用いることで、機械学習を利用して、効果的に指標の推定値を出力することができる。推定を行う場合には、車両情報と、日付と、入庫時間と、出庫時間と、運転モードと、格納位置とを入力データとして、所定時間帯に対応した指標の推定値を出力するため、教師データで学習された予測モデルから出力を得ることができる。

本開示に係る運転計画システムにおいて、前記実績データは、車両の運転者に関する情報を含むこととしてもよい。

本開示に係る運転計画システムによれば、実績データにおいて、車両の運転者に関する情報が含まれることによって、利用状況の変化を適切に反映することが可能となる。車両の運転者に関する情報とは、例えば、性別、年齢、身体的特徴、同乗者数、及び子供の有無の少なくともいずれか１つを含めることができる。

本開示に係る運転計画システムにおいて、前記実績データは、車両に搭載されたカーナビゲーションシステムの設定情報を含むこととしてもよい。

本開示に係る運転計画システムによれば、実績データにおいて、車両に搭載されたカーナビゲーションシステムの設定情報が含まれることによって、利用状況の変化を適切に反映することが可能となる。車両に搭載されたカーナビゲーションシステムの設定情報とは、例えば、運転者の住所、目的地、及びナビにおける機械式駐車装置（６０）の位置設定の有無の少なくともいずれか１つを含めることができる。

本開示に係る運転計画システムにおいて、前記実績データは、格納した車両の駐車時間、及び利用回数情報の少なくともいずれか１つを含むこととしてもよい。

本開示に係る運転計画システムによれば、実績データにおいて、格納した車両の駐車時間、及び利用回数情報の少なくともいずれか１つが含まれることによって、利用状況の変化を適切に反映することが可能となる。

本開示に係る運転計画システムにおいて、前記実績データは、カレンダー情報、気象情報、及び災害情報の少なくともいずれか１つを含むこととしてもよい。

本開示に係る運転計画システムによれば、実績データにおいて、カレンダー情報、気象情報、及び災害情報の少なくともいずれか１つが含まれることによって、利用状況の変化を適切に反映することが可能となる。

本開示に係る運転計画システムにおいて、前記運転モードは、優先的に入庫を行う入庫優先モード、出庫を優先して入庫を行う出庫優先モード、格納領域において空間的に均一に車両を格納するように入庫を行う均一入庫モード、及び格納領域における所定の領域に対して特定の車種を優先的に格納する車種優先モードの少なくともいずれか１つを含むこととしてもよい。

本開示に係る運転計画システムによれば、機械式駐車装置（６０）の運転モードを入庫に合わせて適切に設定することができる。

本開示に係る運転計画システムにおいて、前記運転モードは、入庫車両が乗り入れられる入庫領域に基づいて車両を搬送する搬送手段を配置する入庫配置モード、出庫車両が乗り出される出庫領域に基づいて前記搬送手段を配置する出庫配置モード、前記入庫領域と前記出庫領域との中間位置に前記搬送手段を配置する中間配置モード、及び前記格納領域に格納されている車両位置に基づいて前記搬送手段を配置する在車配置モードの少なくともいずれか１つであることとしてもよい。

本開示に係る運転計画システムによれば、機械式駐車装置（６０）の運転モードを搬送手段の配置位置により適切に設定することができる。

本開示に係る運転計画システムにおいて、前記所定時間帯は、入庫台数の時間変動に基づいて設定されることとしてもよい。

本開示に係る運転計画システムによれば、運転モードの決定を行う所定時間帯が入庫台数の時間変動によって設定されるため、より適切に時間帯を設定することが可能となる。例えば、時間変動が大きいタイミング（変動値が閾値よりも大きい場合）に時間帯を切り替えることで（すなわち、時間帯内では、変動が閾値よりも小さい）、入庫台数が大きく変動しない時間帯ごとに、運転モードを決定することができる。

本開示に係る運転計画システムにおいて、出力された前記指標の推定値と、実際に入庫を実行することにより得た前記指標に対応する値とに基づいて、前記予測モデルを修正する修正部（３３）を備えることとしてもよい。

本開示に係る運転計画システムによれば、指標の推定値と、実際に入庫を実行することにより得た指標に対応する値（すなわち正解値）とによって予測モデルを修正することによって、より正確な推定値を出力することが可能となる。

本開示に係る機械式駐車装置（６０）は、入庫領域と、車両を格納する格納領域と、前記入庫領域と前記格納領域とで車両を搬送する搬送手段と、上記の機械式駐車装置（６０）に運転計画システムと、を備える。

本開示に係る機械式駐車装置（６０）の運転計画方法は、車両の入出庫が可能な機械式駐車装置（６０）に適用される運転計画方法であって、過去所定期間において入出庫した車両の実績データに基づいて、車両の搬送に関する複数の運転モードのそれぞれに対応して、将来の所定時間帯における平均入庫待ち時間、平均出庫待ち時間、機械式駐車装置（６０）における複数の所定機器の使用回数、及び格納領域における在車率の少なくともいずれか１つの指標に対する推定値を出力する工程と、各前記運転モードに対する前記指標の推定値に基づいて、前記所定時間帯における前記運転モードを決定する工程と、を有する。

本開示に係る機械式駐車装置（６０）の運転計画プログラムは、車両の入出庫が可能な機械式駐車装置（６０）に適用される運転計画プログラムであって、過去所定期間において入出庫した車両の実績データに基づいて、車両の搬送に関する複数の運転モードのそれぞれに対応して、将来の所定時間帯における平均入庫待ち時間、平均出庫待ち時間、機械式駐車装置（６０）における複数の所定機器の使用回数、及び格納領域における在車率の少なくともいずれか１つの指標に対する推定値を出力する処理と、各前記運転モードに対する前記指標の推定値に基づいて、前記所定時間帯における前記運転モードを決定する処理と、をコンピュータに実行させる。

１１ ：ＣＰＵ
１２ ：ＲＯＭ
１３ ：ＲＡＭ
１４ ：ハードディスクドライブ
１５ ：通信部
１８ ：バス
２２ ：操作盤
３０ ：制御装置
３１ ：推定部
３２ ：決定部
３３ ：修正部
６０ ：機械式駐車装置
６１ａ〜６１ｌ：横送りコンベア
６２ ：入庫リフト
６３ ：走行台車
６４ ：台車走行路
６５ ：出庫リフト
６６ ：格納階
７０ ：乗降室
７０ａ ：入庫バース
７０ｂ ：出庫バース
Ｎ１１〜Ｎ１３、Ｎ２１〜Ｎ２３、Ｎ３１〜Ｎ３３：ニューロン

Claims (14)

1. 車両の入出庫が可能な機械式駐車装置に適用される運転計画システムであって、
   過去所定期間において入出庫した車両の実績データに基づいて、車両の搬送に関する複数の運転モードのそれぞれに対応して、将来の所定時間帯における平均入庫待ち時間、平均出庫待ち時間、機械式駐車装置における複数の所定機器の使用回数、及び格納領域における在車率の少なくともいずれか１つの指標に対する推定値を出力する推定部と、
   各前記運転モードに対する前記指標の推定値に基づいて、前記所定時間帯における前記運転モードを決定する決定部と、
   を備える機械式駐車装置の運転計画システム。
2. 前記実績データは、車両情報と、日時と、入庫時間と、出庫時間と、前記運転モードと、格納位置とが含まれている請求項１に記載の機械式駐車装置の運転計画システム。
3. 前記実績データは、車両情報と、日時と、入庫時間と、出庫時間と、前記運転モードと、格納位置と、前記指標とが対応づけられた情報を含んでおり、
   前記推定部は、前記情報を教師データとして機械学習された予測モデルを用いて、車両情報と、日付と、入庫時間と、出庫時間と、前記運転モードと、格納位置とを入力データとして、前記所定時間帯に対応した前記指標の推定値を出力する請求項１に記載の機械式駐車装置の運転計画システム。
4. 前記実績データは、車両の運転者に関する情報を含む請求項２または３に記載の機械式駐車装置の運転計画システム。
5. 前記実績データは、車両に搭載されたカーナビゲーションシステムの設定情報を含む請求項２から４のいずれか１項に記載の機械式駐車装置の運転計画システム。
6. 前記実績データは、格納した車両の駐車時間、及び利用回数情報の少なくともいずれか１つを含む請求項２から５のいずれか１項に記載の機械式駐車装置の運転計画システム。
7. 前記実績データは、カレンダー情報、気象情報、及び災害情報の少なくともいずれか１つを含む請求項２から６のいずれか１項に記載の機械式駐車装置の運転計画システム。
8. 前記運転モードは、優先的に入庫を行う入庫優先モード、出庫を優先して入庫を行う出庫優先モード、格納領域において空間的に均一に車両を格納するように入庫を行う均一入庫モード、及び格納領域における所定の領域に対して特定の車種を優先的に格納する車種優先モードの少なくともいずれか１つを含む請求項１から７のいずれか１項に記載の機械式駐車装置の運転計画システム。
9. 前記運転モードは、入庫車両が乗り入れられる入庫領域に基づいて車両を搬送する搬送手段を配置する入庫配置モード、出庫車両が乗り出される出庫領域に基づいて前記搬送手段を配置する出庫配置モード、前記入庫領域と前記出庫領域との中間位置に前記搬送手段を配置する中間配置モード、及び前記格納領域に格納されている車両位置に基づいて前記搬送手段を配置する在車配置モードの少なくともいずれか１つである請求項１から８のいずれか１項に記載の機械式駐車装置の運転計画システム。
10. 前記所定時間帯は、入庫台数の時間変動に基づいて設定される請求項１から９のいずれか１項に記載の機械式駐車装置の運転計画システム。
11. 出力された前記指標の推定値と、実際に入庫を実行することにより得た前記指標に対応する値とに基づいて、前記予測モデルを修正する修正部を備える請求項３に記載の機械式駐車装置の運転計画システム。
12. 入庫領域と、
    車両を格納する格納領域と、
    前記入庫領域と前記格納領域とで車両を搬送する搬送手段と、
    請求項１から１１のいずれか１項に記載の機械式駐車装置に運転計画システムと、
    を備える機械式駐車装置。
13. 車両の入出庫が可能な機械式駐車装置に適用される運転計画方法であって、
    過去所定期間において入出庫した車両の実績データに基づいて、車両の搬送に関する複数の運転モードのそれぞれに対応して、将来の所定時間帯における平均入庫待ち時間、平均出庫待ち時間、機械式駐車装置における複数の所定機器の使用回数、及び格納領域における在車率の少なくともいずれか１つの指標に対する推定値を出力する工程と、
    各前記運転モードに対する前記指標の推定値に基づいて、前記所定時間帯における前記運転モードを決定する工程と、
    を有する機械式駐車装置の運転計画方法。
14. 車両の入出庫が可能な機械式駐車装置に適用される運転計画プログラムであって、
    過去所定期間において入出庫した車両の実績データに基づいて、車両の搬送に関する複数の運転モードのそれぞれに対応して、将来の所定時間帯における平均入庫待ち時間、平均出庫待ち時間、機械式駐車装置における複数の所定機器の使用回数、及び格納領域における在車率の少なくともいずれか１つの指標に対する推定値を出力する処理と、
    各前記運転モードに対する前記指標の推定値に基づいて、前記所定時間帯における前記運転モードを決定する処理と、
    をコンピュータに実行させるための機械式駐車装置の運転計画プログラム。
    

Images