JP2022003353A - ソース場所からターゲット場所への移動に対しルートまたはルート所要時間を提供する方法およびコンピュータシステム - Google Patents
ソース場所からターゲット場所への移動に対しルートまたはルート所要時間を提供する方法およびコンピュータシステム Download PDFInfo
- Publication number
- JP2022003353A JP2022003353A JP2021169879A JP2021169879A JP2022003353A JP 2022003353 A JP2022003353 A JP 2022003353A JP 2021169879 A JP2021169879 A JP 2021169879A JP 2021169879 A JP2021169879 A JP 2021169879A JP 2022003353 A JP2022003353 A JP 2022003353A
- Authority
- JP
- Japan
- Prior art keywords
- bus
- route
- time
- graph
- subway
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000033001 locomotion Effects 0.000 claims description 24
- 230000003466 anti-cipated effect Effects 0.000 abstract 1
- 238000004519 manufacturing process Methods 0.000 abstract 1
- 238000009826 distribution Methods 0.000 description 19
- 238000004422 calculation algorithm Methods 0.000 description 12
- 230000001143 conditioned effect Effects 0.000 description 10
- 230000004044 response Effects 0.000 description 10
- 238000003860 storage Methods 0.000 description 10
- 230000004048 modification Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000006872 improvement Effects 0.000 description 5
- 238000012546 transfer Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 241000282693 Cercopithecidae Species 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 238000004904 shortening Methods 0.000 description 2
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/3423—Multimodal routing, i.e. combining two or more modes of transportation, where the modes can be any of, e.g. driving, walking, cycling, public transport
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3667—Display of a road map
- G01C21/367—Details, e.g. road map scale, orientation, zooming, illumination, level of detail, scrolling of road map or positioning of current position marker
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3667—Display of a road map
- G01C21/3673—Labelling using text of road map data items, e.g. road names, POI names
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
Abstract
Description
本出願は、下記の出願に基づくものであり、下記出願の優先日を主張する。
米国、出願番号62/608586、提出日2017年12月21日
米国、出願番号62/613779、提出日2018年01月05日
米国、出願番号62/659157、提出日2018年04月18日
韓国、出願番号10−2018−0045558、提出日2018年4月19日
米国、出願番号16/180050、提出日2018年11月05日
これらは参照により本明細書に組み込まれる。
首都圏交通システムは、地下鉄(subway)やバス(bus)などの車両で構成されている。乗客の一般的な目的は、特定の場所から首都圏内の他の場所への最速ルートを決定することである。ルートは、オンラインのマッピングサービスの主要提供者で見られるように、車両の時刻表、および希望する出発時刻または到着期限を用いて計算できる。ただし、実際には、一部の車両は、例えば交通事情により、時刻表に正確に従っていない。従来技術とは対照的に、本発明は、時刻表に追従する車両と追従しない車両とを混ぜて用いて、ルートを計算する方法を示す。本発明は、ルートの類似性と待ち所要時間を用いて、ルート決定結果を改善する。
ルートまたはルート所要時間(route duration)を計算するための輸送システムのモデルを導入する。
G0と呼ばれるグラフは、バス停と地下鉄駅と間のルート決めを表す。その構造の詳細な説明は次のとおりである。グラフG0の説明は図1にあり、その構造の処理流れの説明は図2にある。
頂点とエッジの1番目のグループは、固定時刻表に従う車両によるルート決めを表す。時刻表が固定されているので、既知のアルゴリズムを用いて、2つの場所間の最速ルートを計算でき、それは間に徒歩を有する複数車両の連続を含み得る。そこで、ソースからターゲットへのこの複数車両の移動を抽象化するため、単一のエッジを用いる。
SUBWAY_FROM_s、
SUBWAY_STATION_s。
任意の2つの異なる駅s,s’は、次のエッジを有する。
SUBWAY_FROM_s→SUBWAY_STATION_s’
これは、sからs’への乗車所要時間を表し、地下鉄の乗り換えと徒歩を含むことができ(例えば、駅sから、まず地下鉄Aに乗って駅Bに行き、次に駅Cに歩いてから、地下鉄Dに乗って駅s’に行く)、このエッジは、RideManyGetOff(多乗車下車)とラベル付けされる。一実施形態において、エッジの重みは、平日の朝のラッシュ時の最小乗車所要時間である。他の実施形態において、多くの時間窓のそれぞれにランダム変数を用いる。他の実施形態において、ランダム変数は、sの場所への乗客の到着時間、またはsの場所からの出発時間を条件とする。
SUBWAY_FROM_TO_s’_s”。
次のエッジがあり、WaitGetOn(乗車待ち)とラベル付けされ、s’からs”への移動に地下鉄に乗るための待ち所要時間を表す。
SUBWAY_STATION_s’
→SUBWAY_FROM_TO_s’_s”。
一実施形態において、エッジの重みは、平日の朝のラッシュ時のランダムな時間にs’に到着する乗客に対し、乗客を最も早くs”に輸送する地下鉄の平均待ち時間に設定される。他の実施形態において、重みは、s’からs”までの地下鉄の平均到着時間の半分に設定される。他の実施形態において、多くの時間窓のそれぞれにランダム変数を用いる。他の実施形態において、そのランダム変数は、s’の場所における乗客の到着時間または出発時間の分布を条件とする。
SUBWAY_FROM_TO_s’_s”
→SUBWAY_STATION_s”、
RideManyGetOff(多乗車下車)とラベル付けされ、s’からs”への乗車所要時間を表し、地下鉄の乗り換えと徒歩を含むことができる、一実施形態において、エッジの重みは、平日の朝のラッシュ時の平均最短乗車所要時間に設定される。他の実施形態において、ランダム変数を用いる。他の実施形態において、そのランダム変数は、s’の場所における乗客の到着時間、またはs’の場所からの出発時間を条件とする。
頂点とエッジの2番目のグループは、固定時刻表に従わない車両によるルート決めを表す。
BUS_STOP_bk
および
BUS_AT_BUS_STOP_bk_k_e。
2つのバス路線は、バス停を共有できる。次のエッジがあり、このバス停でバスを降りることを示すGetOff(下車)とラベル付けされ、このエッジの重みはゼロである、
BUS_AT_BUS_STOP_bk_k_e→BUS_STOP_bk。
逆向きのエッジがあり、乗車する前にバス停bkでバス路線eのバスを待っている所要時間を表すWaitGetOn(乗車待ち)とラベル付けられている、
BUS_STOP_bk→BUS_AT_BUS_STOP_bk_k_e。
一実施形態において、エッジの重みは、平日の朝のラッシュ時のバス路線eのバスの平均到着時間の半分に設定され、これはそのバス路線の全てのバス停で同じである。他の実施形態において、多くの時間窓およびバス停のそれぞれにランダム変数を用いる。他の実施形態において、ランダム変数は、bkの場所への乗客の到着時間、または到着時間の分布を条件とする。
BUS_AT_BUS_STOP_bk_k_e
→BUS_AT_BUS_STOP_bk+1_k+l_e。
一実施形態において、エッジの重みは、平日の朝のラッシュ時のこれらのバス停の間の平均乗車所要時間に設定される。他の実施形態において、多くの時間窓およびバス停のそれぞれにランダム変数を用いる。他の実施形態において、ランダム変数は、bkの場所へのバスの到着時間、またはbkの場所からの出発時間を条件とする。
徒歩を用いて、バス停と地下鉄駅の頂点を接続する。
BUS_STOP_b
→BUS_STOP_b’,
BUS_STOP_b
→SUBWAY_STATION_s,
SUBWAY_STATION_s
→BUS_STOP_b、および
SUBWAY_STATION_s
→SUBWAY_STATION_s’。
各エッジは、Walk(徒歩)とラベルが付けされ、その重みは徒歩の所要時間を表す。
次に、ルートに沿った最初の待ちでの制約のモデリングを可能にする補助頂点を追加する。一実施形態において、待ちはゼロであり、これは、出発するバス/地下鉄に乗るのに十分に早いが、早すぎることなく、停留所/駅まで歩く乗客をモデル化する。他の実施形態において、待ちは移動の開始時間に依存し、特定の時間に、例えば午前8時に家を出て、移動を開始する乗客をモデル化する。
STOPSTATION_CLUSTER_SOURCE_c
そして、bkまたはsがクラスタcにある場合に、クラスタをバスと地下鉄に接続する次のエッジが追加される、
STOPSTATION_CLUSTER_SOURCE_c
→BUS_AT_BUS_STOP_bk_k_e、および
STOPSTATION_CLUSTER_SOURCE_c
→SUBWAY_FR0M_s。
エッジは、FirstWaitGetOn(第1乗車待ち)とラベル付けされる。一実施形態において、エッジの重みは0である。他の実施形態において、エッジの重みは、頂点の場所(バス停bk、または地下鉄駅s)における乗客の到着時間を条件とする、車両(バスe、または地下鉄)の待ち所要時間を示すランダム変数である。他の実施形態において、例えばクラスタ半径が大きい場合、cとbkまたはsとの間の徒歩所要時間だけ重みが増加する。
STOPSTATION_CLUSTER_SOURCE_c
からの任意の自明でない経路は、FirstWaitGetOn(第1乗車待ち)エッジを丁度1回だけ通る。
STOPSTATION_CLUSTER_TARGET_c
を追加し、そして、クラスタc内の各bとsに、次のエッジが追加される。
BUS_STOP_b
→STOPSTATION_CLUSTER_TARGET_c、および
SUBWAY_STATION_s
→STOPSTATION_CLUSTER_TARGET_c。
エッジは、Zero(ゼロ)とラベル付けされ、重み0を有する。他の実施形態において、例えばクラスタ半径が大きい場合、徒歩所要時間によって重みが増加する。
STOPSTATION_CLUSTER_TARGET_c
の導入は、ルー決めターゲット場所が多数ある場合、グラフのサイズを小さくするのに役立つ。他の実施形態において、必要に応じて、これらの頂点を、
BUS_STOP_b、および
SUBWAY_STATION_s
からターゲットへの、直接エッジに置き換えることができる。
STOPSTATION_CLUSTER_SOURCE_c
STOPSTATION_CLUSTER_TARGET_c’、
から、移動の所要時間をモデル化するものであり、最初のバスまたは地下鉄に待たずにまたは所定の待ち時間で乗車し、乗客がバスまたは地下鉄のシーケンスから降りた後、後続の車両乗車には、乗車待ちが必要である。
次に、いくつかの車両のいずれかを使用することによる移動所要時間の改善を示す補助の頂点とエッジを追加する。改善は、車両の待ち時間の短縮または車両の乗車時間の短縮によってなされ得る。
BUS_STOP_b、
に向かう徒歩、そこから、WaitGetOn(乗車待ち)、RideSame(同様乗車)、GetOff(下車)のエッジを持つバス路線eを含んで次の頂点
BUS_STOP_b’、
で終わるグラフ経路、を通って、
BUS_STOP_b’
からc’に至る例を示している。ここで、Tをcからc’への移動の所要時間を表すランダム変数とし、徒歩によってcからb、b’からc’へと移動し、グラフ経路によってモデル化されたバス乗車でbからb’へと移動するものとする。この変数は、経路に沿ったグラフエッジのランダム変数に、前段と後段の2つの徒歩のランダム変数を加えた合計である。その分布は、構成要素の分布から構築できる。一実施形態において、ランダム変数を、cからの出発時間によって条件付ける。
x=(cからbまでの、最小徒歩所要時間)
+(経路エッジに沿った予想RideSame(同様乗車)所要時間の合計)
+(b’からc’までの、最小徒歩所要時間)、および
y=x+2・(予想WaitGetOn(乗車待ち)所要時間)、である。
他の実施形態において、両端は、ランダム変数の多数の標準偏差によって調整される。他の実施形態において、cからb、およびb’からc’への徒歩所要時間が多くともある固定時間、例えば1時間である場合にのみ、c,b,b’,c’を考慮する。他の実施形態において、徒歩のいずれもゼロ長さ(オプションの徒歩)であってもよい。他の実施形態において、cからb、またはb’からc’への最短所要時間徒歩を要求する。他の実施形態において、徒歩はセクション4.2.3におけるような実施形態を有してもよい。他の実施形態において、ランダム変数Tは不均一である。他の実施形態において、ランダム変数Tはcの場所への乗客の到着時間を条件とする。
BUS_STOP_b”
における別の乗車によって、合計乗車所要時間は増加するが、合計徒歩所要時間が減少する。一実施形態において、これらの選択肢の中から、最小の期待値を持つランダム変数Tを用いる。これを変数Tcc’eで示す。これは、バス路線eおよび開始と終了のクラスタc,c’についての固定ランダム変数である。この変数は、バス路線eによって確率的にcからc’に到達するための、最速移動所要時間を示す。一実施形態において、Tcc’eの候補が間隔で均一に分布している場合、最小期待候補は、その区間の最小中央値を有する候補にすぎない。他の実施形態において、例えば、ピーク時間中にバスをより高い頻度で、そしてより高い道路交通量で確保するために、多くの時間窓のそれぞれに対して1つの変数を用いる。他の実施形態において、ランダム変数は、cの場所への乗客の到着時間を条件とする。
SUBWAY_STATION_s
→SUBWAY_FROM_TO_s_s’
→SUBWAY_STATION_s’、
および、s’からc’までの徒歩がある。この変数の分布は、構成要素の分布から構成できる。一実施形態において、ランダム変数を、cからの出発時間に条件付ける。
x=(cからsまでの、最小徒歩所要時間)
+(グラフ経路での予想RideManyGetOff(多乗車下車)所要時間)
+(s’からc’までの、最小徒歩所要時間)、および
y=x+2・(グラフ経路での予想WaitGetOn(乗車待ち)所要時間)である。
他の実施形態において、両端は、ランダム変数の多数の標準偏差によって調整される。他の実施形態において、cからs、およびs’からc’への徒歩所要時間を、多くともある固定時間、例えば1時間に制限する。他の実施形態において、徒歩のいずれも長さがゼロ(オプションの徒歩)であってもよい。他の実施形態において、cからsへ、またはs’からc’への最短所要時間徒歩を要求する。他の実施形態において、徒歩はセクション4.2.3におけるような実施形態を有してもよい。他の実施形態において、Tcc’ss’は不均一である。他の実施形態において、Tcc’ss’は、cの場所への乗客の到着時間を条件とする。他の実施形態において、多くの時間窓のそれぞれに対して1つの変数を用いる。
P(c,c’)=
min E[min(Tcc’sjs’j,Tcc’e1,..,Tcc’en]、 (1)
1≦j≦m
P(c,c’)は見込移動(prospect travel)と呼ばれ、都合の良い複数の交通手段の選択肢を含むcからc’への移動を表す。ここに、(m+n)個の構成ランダム変数Tcc’sjs’j,Tcc’eiは、選択肢(choices)と呼ばれる。
・区間[0,900]で均一な待ちと徒歩&乗車1700を有するバス路線e’、
・区間[0,3600]で均一な待ちと徒歩&乗車1000を有するバス路線e”、
・区間[0,300]で均一な待ちと徒歩&乗車2200を有する地下鉄。
この場合、最小の予想される移動所要時間は2150=min{2150,2800,2350}であり、「どちらか速い方」による移動の改善を反映していない。ただし、予想される最小値は低くなる:P(c、d)=1933。
PROSPECT_CLUSTER_SOURCE_c、および
PROSPECT_CLUSTER_TARGET_c’、
そして、重みP(c,c’)を有して、AvgMinWalkWaitRideWalk(平均最小徒歩待ち乗車徒歩)とラベル付けられる、次のエッジと、を追加する、
PROSPECT_CLUSTER_SOURCE_c
→PROSPECT_CLUSTER_TARGET_c’。
また、クラスタcのバスと地下鉄の駅からのエッジを、次の頂点、
PROSPECT_CLUSTER_SOURCE_c、
に追加し、次の頂点、
PROSPECT_CLUSTER_TARGET_c’
から、クラスタc’のバスと地下鉄駅にエッジを追加し、これらのエッジはZero(ゼロ)とラベル付けられ、重みゼロを有する。一実施形態において、その重みP(c,c’)が、例えば少なくとも10秒のしきい値を超えるゲインをもたらす場合にのみ、見込エッジを追加する。
一実施形態において、見込移動は、以下によって定義される:
・任意の2つの場所c,c’、
・それぞれcからc’への移動所要時間を表す任意の個数k≧2のランダム変数T1,..,Tk、
・そのk個の変数は互いに独立、依存、または任意に相関、
・そのk個の変数のいずれも、乗客が場所cに到着する時間Aを条件としてもよく、その時間Aはランダム変数であってもよい。
見込移動の所要時間は、最小値min(T1,..,Tk)であり、それ自体がランダム変数である。見込エッジの重みは、この最小値の期待値である、P(c,c’)=E[min(T1,..,Tk)]。
PROSPECT_CLUSTER_SOURCE_c、
から、徒歩−バス/地下鉄−徒歩によって到達可能な全ての頂点、
PROSPECT_CLUSTER_TARGET_c’
まで、前方向きに「前方」トラバーサルを用いる。このトラバーサル中に、各c’に対ついて、
PROSPECT_CLUSTER_TARGET_c’、
に至るグラフ経路を特定する。特定のc’について、全てのそのような経路を特定したら、
PROSPECT_CLUSTER_SOURCE_c、と
PROSPECT_CLUSTER_TARGET_c’
の間の、全ての選択肢を計算し、これらの選択肢の予想される最小値を計算できる(さらなる例については図9参照)。グラフの到達可能な部分のみに探索を制限するので、多くの場合、見込エッジをより効率的に計算できる。一実施形態において、各c’について、頂点、
PROSPECT_CLUSTER_TARGET_c’、
から、「逆転された」経路の徒歩−バス/地下鉄−徒歩によって到達可能な全ての頂点、
PROSPECT_CLUSTER_SOURCE_c
まで、後方向きに「後方」トラバーサルという対称的方法を用いる。
グラフG0の拡張について説明する。各拡張は、特定の種類のルート決めクエリに役立つ。
いくつかの実施形態において、ルート決めクエリのソース場所は事前に知られている。例えば、首都圏の全てのレストランからの最短ルートを見つけることに興味があり、レストランの場所がわかっているとする。これは、拡張グラフG0を用いて実現できる。
SOURCE_s。
図1参照。一実施形態において、
SOURCE_s
から、任意のバス停と地下鉄駅のクラスタ
STOPSTATION_CLUSTER_SOURCE_c
に向かうエッジを、グラフG0に追加する。エッジはWalkとラベル付けされ、その重みは徒歩の所要時間を表す。他の実施形態において、大きくともしきい値までの所要時間を有する最短徒歩、またはセクション4.2.3のような他の実施形態、を用いる。
SOURCE_s
から、任意の
STOPSTATION_CLUSTER_TARGET_c
への最短経路を計算するために用いることができる。一実施形態において、クエリが提示されると、いくつかの経路が事前計算され、保存され、ストレージから取得される。
TARGET_t、
任意の
STOPSTATION_CLUSTER_TARGET_c
から任意の
TARGET_t
への、Walk(徒歩)とラベル付けされるエッジを追加する。得られるグラフは、G1’で表示される。
いくつかの実施形態において、ルート決めクエリのターゲット場所は事前に知られており、ターゲットまでの見込エッジを有するG0を拡張する。
TARGET_t。
図1参照。一実施形態において、グラフG0におけるバス停および地下鉄駅クラスタ
STOPSTATION_CLUSTER_TARGET_c
から、
TARGET_t、
へのエッジを追加する。エッジにはWalkというラベル付けられ、その重みは徒歩の所要時間を表す。他の実施形態において、大きくともしきい値までの所要時間を有する最短徒歩、またはセクション4.2.3のような他の実施形態、を用いる。
PROSPECT_CLUSTER_SOURCE_c
および
TARGET_t、
について、cからtまでの全ての経路を、下記の2種類について、決定する。
(1)徒歩でバスに乗車するグラフ経路:cからbまで徒歩、
BUS_STOP_b
→BUS_AT_BUS_STOP_b_i_e
→BUS_AT_BUS_STOP_b’_j_e
→BUS_STOP_b’
→STOPSTATION_CLUSTER_TARGET_c”
→TARGET_t、
(2)徒歩で地下鉄に乗車するグラフ経路:cからs’まで徒歩
SUBWAY_STATION_s’
→SUBWAY_FROM_TO_s’_s”
→SUBWAY_STATION_s”
→STOPSTATION_CLUSTER_TARGET_c’
→TARGET_t。
他の実施形態において、大きくともしきい値までの所要時間を有する最短徒歩、またはセクション4.2.3のような他の実施形態、を用いる。セクション4.2.5のように、各経路に沿った移動所要時間のランダム変数を定義する。
PROSPECT_CLUSTER_SOURCE_c
から、
TARGET_t
までのエッジを加え、このエッジは重みP(c,t)を有してAvgMinWalkWaitRideWalkとラベル付けられる。また、
PROSPECT_CLUSTER_SOURCE_cから、
PROSPECT_CLUSTER_TARGET_c’
までの、以前に定義したエッジに用いたものと同様の実施形態を、これらに用いる。
PROSPECT_CLUSTER_SOURCE_c、と
TARGET_t、との間の見込エッジの計算を高速化する。他の実施形態において、このトラバーサルは、G0で見込エッジを計算するときのトラバーサルにマージすることができる。
STOPSTATION_CLUSTER_SOURCE_c
から、任意の
TARGET_t
への最短経路を計算するために用いることができる。一実施形態において、クエリが提示されると、いくつかの経路が事前計算され、保存され、ストレージから取得される。
SOURCE_s、
任意の、
SOURCE_s
から任意の
PROSPECT_CLUSTER_TARGET_c
への、見込エッジを計算する。得られるグラフは、G2’で表示される。
いくつかの実施形態において、ルート決めクエリのターゲット場所は事前に知られているが、ソースはクエリが提示されたときにのみ明らかになる。
STOPSTATION_CLUSTER_SOURCE_c。
一実施形態において、大きくともしきい値までの所要時間を有する最短徒歩であって、それによりソース場所付近の車両停留所のリストを生成する最短徒歩、またはセクション4.2.3のような他の実施形態、を用いる。また、グラフG2において、
STOPSTATION_CLUSTER_SOURCE_c
から、
TARGET_t
への、最短移動の継続を決定する。一実施形態において、
STOPSTATION_CLUSTER_SOURCE_c
のそれぞれから、
TARGET_t、
までの最短経路所要時間を、事前計算し、その結果を保存する。クエリが提示されると、ストレージからこれらの結果を検索する。他の実施形態において、クエリが提示されたとき、所要時間を計算するため、G2において、最短経路アルゴリズムグラフを用いる。
一部の実施形態において、ルート決めクエリのソース場所は事前に知られているが、ターゲットはクエリが提示されたときにのみ明らかになる。
PROSPECT_CLUSTER_SOURCE_c
から、
PROSPECT_CLUSTER_TARGET_c’
へのエッジのP(c,c’)を計算するために用いる選択肢とする。選択肢(c,c’)は、選択肢を1つだけ(例:バス1つ、地下鉄1つなど)持つことがあり得る。選択肢(c,c’)は、十分な利得がないため見込エッジがG0に追加されなかった場合であっても、定義される。
SOURCE_s
およびグラフに表されてなくともよい任意のターゲット場所t、に対して提示されたクエリを(s,t)とする。
TARGET_t、
と、任意のcについて、
STOPSTATION_CLUSTER_TARGET_c、
から、
TARGET_t。
へのエッジを追加する。これらの各エッジは、Walkとラベル付けられ、その重みは徒歩所要時間である。一実施形態において、任意のエッジは、大きくともしきい値までの持続時間を有する最短徒歩所要時間、またはセクション4.2.3のような他の実施形態を表す。得られたグラフにおいて、
SOURCE_s
から
TARGET_t
までの、最短経路を計算し、経路の長さをA(s,t)で表す。この長さは、sからtまでの最短移動所要時間の候補である。
SOURCE_s
から、各cについて、
PROSPECT_CLUSTER_SOURCE_c、
までの最短移動所要時間を決定する。この所要時間を、最短(s→c)で表す。例えば、図12において、
SOURCE_s
から
SUBWAY_STATION_sl
へのエッジに付された値900は、
SOURCE_s
から、
PROSPECT_CLUSTER_SOURCE_s1
への最短移動所要時間を示す。この移動は、グラフG1における見込エッジに沿って通過する場合があることに注意。一実施形態において、この所要時間は、クエリが提示される前に、事前計算および格納され、クエリ時にストレージから検索され得る。
PROSPECT_CLUSTER_SOURCE_c、
について、最初に、選択肢(c,c’)と呼ばれる中間体、
PROSPECT_CLUSTER_TARGET_c’
に移動してc’からtへの徒歩を続けることにより、cからtに移動する選択肢を決定する。一実施形態において、大きくともしきい値までの所要時間を有する最短徒歩c’からtのみ、またはセクション4.2.3にあるような他の実施形態、を考慮する。例えば、図12において、選択肢(b1,b0)は、
BUS_STOP_b1
から
BUS_STOP_b0
へのエッジに付されて示されており、2つの選択肢があり、1つは、バス路線e”であり、[0,900]において待ち所要時間が均一、移動所要時間1600、他の1つは、バス線e’”であり、[0,3600]において待ち所要時間が均一、所要所要時間1000である。続いて、
BUS_STOP_b0
から
TARGET_t
まで、徒歩240を要する。
BUS_STOP_b1
からの他のエッジがあり、そのエッジは、
BUS_STOP_b2
に行く。そのエッジに付された選択肢(b1,b2)には、ただ1つの選択肢を持ち、それはバス路線e’であり、[0,300]において待ち所要時間が均一、所要時間900である。続いて、
BUS_STOP_b2
から
TARGET_t
まで、徒歩500を要する。選択肢(b1,b0)と選択肢(b1,b2)の組み合わせにより、3つの選択肢(バス路線e’,e”,e’”)が生成される。これらは、
BUS_STOP_b1
から
TARGET_t
への選択肢である。これらの選択肢を用いた場合の予想される最小移動時間は、2636である。
SUBWAY_STATION_s1
から出発できるが、2つの異なる場所、
BUS_STOP_b2
と、
SUBWAY_STATION_s0
に行く。cにおけるバス路線については、cからtまでの予想される移動所要時間が最も短いこのバス路線の選択肢のみを保持する(cにおけるこのバス路線の他の選択肢を排除する)。例えば、図12における、
SUBWAY_STATION_s0
の選択は、より高い期待を有しているので、排除する。セクション4.2.5においてP(c,c’)を計算した方法と同様に、残りの選択肢の中から予想される最小移動所要時間P(c,t)を計算する。
B(s,t)=minc{最短(s→c)+P(c,t)}。
例えば、図12において、最小値B(SOURCE_s,TARGET_t)=2445、つまり、min{2636,2445}であり、これは、乗客が最後から2番目の
SUBWAY_STATION_s1
に移動する方が、同じく最後から二番目の
BUS_STOP_b1
に移動するよりも有利だからである。
SOURCE_s
から、
BUS_STOP_b0
を通して、
TARGET_t
まで移動する1台の車両のみを用いては移動を短縮できず、この移動所要時間がA(SOURCE_s,TARGET_t)=3000+240となるからである。
クエリのソースとターゲットの両方が事前に不明な場合、前セクションの方法を選択して組み合わせる。一実施形態において、ソースsの場所から、各cについて、
STOPSTATION_CLUSTER_SOURCE_c、
までの徒歩を決定し、
STOPSTATION_CLUSTER_SOURCE_c
からターゲットt(最後から2番目の選択肢を含むか、または含まない)まで移動する。cで選択された最小合計で応答する。一実施形態において、大きくともしきい値までの所要時間を有する最短徒歩、またはセクション4.2.3のような他の実施形態を用いる。
実施形態の範囲および精神から逸脱することなく、多くの修正および変形が当業者には明らかであろう。説明のため、いくつかの変形例を紹介する。
STOPSTATION_CLUSTER_SOURCE_s、
であり、ターゲットは、
STOPSTATION_CLUSTER_TARGET_t
である。グラフG0、図1参照、を変更する。ここでは最初の乗車でも待ちが必要な場合があるので、FirstWaitGetOnエッジ、および
SUBWAY_FROM_s
頂点とを取り除き、クラスタc内の任意のbおよびsについて、
STOPSTATION_CLUSTER_SOURCE_c
から、
BUS_STOP_b
と
SUBWAY_STATION_s、
へのそれぞれに、エッジを追加する。一実施形態において、見込エッジを用いるために、ダイクストラの最短経路アルゴリズムを採用する。各頂点、
PROSPECT_CLUSTER_SOURCE_c
について、頂点での乗客の既知の最低予想到着時間を維持し、この時間を用いて待ち、徒歩、および乗車所要時間ランダム変数を調整し、それぞれの
PROSPECT_CLUSTER_TARGET_c’
に対する見込エッジを計算する。このように計算されたエッジの重みを用いて、
PROSPECT_CLUSTER_SOURCE_c’
における既知の最低予想到着時間を更新する。他の実施形態において、各既知の最低予想到着時間を、
PROSPECT_CLUSTER_SOURCE_c
または、
PROSPECT_CLUSTER_TARGET_c
のそれぞれにおいて維持または更新する代わりに、到着時間の確率分布を維持または更新する。他の実施形態において、他の最短経路アルゴリズム、例えば同様の方法におけるA*(Aスター)探索アルゴリズムを採用する。他の実施形態において、例えば、出発時間が「今/まもなく」である場合、条件付きランダム変数は、クエリの時点での輸送システムの状態を用いて計算され、待ち時間および乗車所要時間のより正確な分布を提供する。
SUBWAY_AVG_FROM_TO_s’_s”
は、入エッジと出エッジとを融合させることにより、削除する。
PROSPECT_CLUSTER_SOURCE_c
のそれぞれから見込エッジを計算する代わりに、任意の2つのc1とc2を考え、
PROSPECT_CLUSTER_SOURCE_c1
からの見込エッジを計算する際に、次の
PROSPECT_CLUSTER_SOURCE_c2
からの見込エッジの計算と並行して行う。
本発明の実施形態の1つは、ルート決めクエリに応答するコンピュータシステムである。
本発明の実施形態の1つは、ユーザ対面デバイスを介してユーザが利用可能な、スマートフォンアプリケーションまたはウェブページなどのサービス製品である。本発明がこれらの装置に限定されないことは、当業者には明らかであろう。また、図面によるサービスの表示は、本発明の範囲から逸脱することなく修正(再配置、サイズ変更、色、形状の変更、コンポーネントの追加または削除を含む)できることも明らかである。
1.マップに示されたソース場所。
2.マップに示されたターゲット場所。
3.ルートに沿ってマップに示された任意の停留所の場所。
4.ルートに沿ってマップに示された一連の停留所の場所。
5.ソースの場所、ターゲットの場所、またはルート沿いの停留所のいずれかの、名前、住所、または識別子。
6.出発時刻。
7.出発時刻範囲。
8.到着時刻。
9.到着時刻範囲。
10.期限前に到着する確率。
11.マップに示された2つの場所の間の複数の選択肢に沿う一連の場所。
12.任意の選択における徒歩コンポーネントのための指示。
13.任意の選択における待ちコンポーネントの場所または所要時間。
14.任意の選択における乗車コンポーネントのための指示。
15.少なくとも2つの選択肢における予想される最小待ち所要時間。
16.少なくとも2つの選択肢における現在の最小待ち所要時間。
17.選択肢の任意のコンポーネントまたは選択肢について、予想される移動所要時間、または、少なくとも2つの選択肢の中で予想される最小移動所要時間。
18.選択肢の任意のコンポーネントまたは選択肢について、現在の移動所要時間。または、少なくとも2つの選択肢の中の最小移動所要時間。
19.選択肢内の任意のコンポーネント、選択肢、または少なくとも2つの選択肢のうちの最小値について、予想される出発時刻または予想される到着時刻。
20.選択肢内の任意のコンポーネント、選択肢、または少なくとも2つの選択肢のうちの最小値について、現在の出発時刻または現在の到着時刻。
21.任意の選択肢における任意の車両の名前または識別子。
22.任意の選択肢における任意の車両の名前、住所、または停留所の識別子。
23.任意の選択肢における任意の車両の現在の場所。
24.車両の現在の場所が与えられたとき、2つ以上の選択肢の中から、どの選択肢が最も速く示されるかについての提示。
当業者は、本発明の範囲から逸脱することなく、様々な修正を行うことができ、本質的に等価なもので置換を行うことができることに気付くであろう。さらに、特定の状況は、その範囲から逸脱することなく、本発明の教示に適合させることができる。従って、開示された実施形態を参照して本発明を説明したという事実にもかかわらず、本発明はこれらの実施形態に限定されるものではない。むしろ、本発明は、添付の特許請求の範囲内に入る全ての実施形態を含む。
Claims (1)
- ソース場所からターゲット場所までの移動のルートを示す情報を提供する方法、
前記方法は以下の事を含む:
(a)前記ソース場所と前記ターゲット場所とを含むクエリを受け取り、
(b)前記情報を生成し、および
(c)前記情報によって前記クエリに応答する、
前記方法は以下の事によって特徴付けられる:
(d)グラフ経路を決定する、ここにおいて、前記グラフ経路は前記ソース場所からの第1距離しきい値内のグラフ頂点と、前記ターゲット場所からの第2距離しきい値内のグラフ頂点と、の間の経路であり、
ここにおいて、前記グラフ経路は以下を備えるグラフに含まれる:
(i) 場所を表す少なくとも2つのグラフ頂点を含む複数のグラフ頂点、および
(ii) 移動所要時間を表す少なくとも2つのグラフエッジを含む複数のグラフエッジ、
ここにおいて、前記グラフ経路は少なくとも2つの見込エッジ(prospect edge)を含み、
ここにおいて、各見込エッジは、
(iii)前記複数のグラフエッジに含まれ、
(iv) 前記見込エッジの始頂点から前記見込エッジの着頂点に通じ、前記始頂点と前記着頂点の両方が前記複数のグラフ頂点に含まれ、および
(v) 2つ以上の見込ルート(prospect routes)を決定して計算され、
ここにおいて、各見込ルートは:
(A)前記始頂点の場所から前記着頂点の場所までの前記移動を表す、および
(B)前記ルートに含まれる移動の選択肢である、および
(e)前記情報を生成するとき、前記2つ以上の見込ルートを使用する。
Applications Claiming Priority (11)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201762608586P | 2017-12-21 | 2017-12-21 | |
US62/608,586 | 2017-12-21 | ||
US201862613779P | 2018-01-05 | 2018-01-05 | |
US62/613,779 | 2018-01-05 | ||
US201862659157P | 2018-04-18 | 2018-04-18 | |
US62/659,157 | 2018-04-18 | ||
KR10-2018-0045558 | 2018-04-19 | ||
KR1020180045558A KR101974109B1 (ko) | 2017-12-21 | 2018-04-19 | 출발지 위치로부터 목적지 위치로의 여정에 대한 루트 또는 루트 소요 시간을 제공하기 위한 방법 및 컴퓨터 시스템 |
US16/180,050 US10712162B2 (en) | 2017-12-21 | 2018-11-05 | Method and a computer system for providing a route or a route duration for a journey from a source location to a target location |
US16/180,050 | 2018-11-05 | ||
JP2020524268A JP2021500580A (ja) | 2017-12-21 | 2018-11-07 | ソース場所からターゲット場所への移動に対しルートまたはルート所要時間を提供する方法およびコンピュータシステム |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020524268A Division JP2021500580A (ja) | 2017-12-21 | 2018-11-07 | ソース場所からターゲット場所への移動に対しルートまたはルート所要時間を提供する方法およびコンピュータシステム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022003353A true JP2022003353A (ja) | 2022-01-11 |
Family
ID=66285578
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020524268A Pending JP2021500580A (ja) | 2017-12-21 | 2018-11-07 | ソース場所からターゲット場所への移動に対しルートまたはルート所要時間を提供する方法およびコンピュータシステム |
JP2021169879A Pending JP2022003353A (ja) | 2017-12-21 | 2021-10-15 | ソース場所からターゲット場所への移動に対しルートまたはルート所要時間を提供する方法およびコンピュータシステム |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020524268A Pending JP2021500580A (ja) | 2017-12-21 | 2018-11-07 | ソース場所からターゲット場所への移動に対しルートまたはルート所要時間を提供する方法およびコンピュータシステム |
Country Status (17)
Country | Link |
---|---|
US (2) | US10712162B2 (ja) |
EP (1) | EP3593091A1 (ja) |
JP (2) | JP2021500580A (ja) |
KR (2) | KR101974109B1 (ja) |
CN (2) | CN111065894A (ja) |
AU (1) | AU2018388686B2 (ja) |
BR (1) | BR112020005864B1 (ja) |
CA (1) | CA3060360A1 (ja) |
CL (1) | CL2019002484A1 (ja) |
EA (1) | EA202090999A1 (ja) |
IL (2) | IL271698B (ja) |
MA (1) | MA47748A (ja) |
PH (1) | PH12019502919A1 (ja) |
SG (1) | SG11202005476YA (ja) |
TW (2) | TWI704522B (ja) |
WO (1) | WO2019125625A1 (ja) |
ZA (1) | ZA202002926B (ja) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018217640A1 (en) * | 2017-05-22 | 2018-11-29 | Via Transporation, Inc. | Systems and methods for managing ridesharing vehicles |
US11361361B2 (en) * | 2018-02-20 | 2022-06-14 | Grzegorz Malewicz | Method and an apparatus for searching or comparing sites using routes or route lengths between sites and places within a transportation system |
US11346681B2 (en) * | 2019-02-13 | 2022-05-31 | Grzegorz Malewicz | Method and an apparatus for searching or comparing sites using routes or route lengths between sites and places within a transportation system |
CN110793535A (zh) * | 2019-08-22 | 2020-02-14 | 腾讯科技(深圳)有限公司 | 一种通勤线路规划方法、装置 |
JP7238714B2 (ja) * | 2019-09-18 | 2023-03-14 | トヨタ自動車株式会社 | 情報処理装置、情報処理方法、およびプログラム |
CN110975288B (zh) * | 2019-11-20 | 2023-08-29 | 中国人民解放军国防科技大学 | 基于跳点路径搜索的几何容器数据压缩方法及系统 |
CN111461287A (zh) * | 2020-02-25 | 2020-07-28 | 上海大学 | 一种基于残差图卷积的共享单车空闲车桩预测方法 |
US11550827B2 (en) * | 2020-09-22 | 2023-01-10 | International Business Machines Corporation | Graph enabled location optimization |
CN112562378B (zh) * | 2020-12-01 | 2023-04-18 | 平安科技(深圳)有限公司 | 公交车调度方法、装置、计算机设备及介质 |
TWI789876B (zh) * | 2021-08-19 | 2023-01-11 | 奇點無限有限公司 | 最低風險路線的產生方法 |
KR102529163B1 (ko) * | 2022-12-21 | 2023-05-08 | (주)와이오엘 | 경로탐색 알고리즘 기반의 수출입화물 운송 경로 최적화 시스템 및 방법 |
Family Cites Families (53)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0987665A3 (en) * | 1998-07-30 | 2000-10-25 | Visteon Technologies, LLC | Vehicle navigation system, method and apparatus |
JP2000230838A (ja) * | 1999-02-10 | 2000-08-22 | Kenwood Corp | カーナビゲーションシステム |
WO2004059254A1 (ja) * | 2002-12-24 | 2004-07-15 | Navitime Japan Co., Ltd | 道路情報提供サーバ、道路情報提供システム、道路情報提供方法、経路検索サーバ、経路検索システム及び経路検索方法 |
JP4400104B2 (ja) * | 2003-06-18 | 2010-01-20 | 株式会社エクォス・リサーチ | 最短時間経路探索方法 |
US20060161337A1 (en) * | 2005-01-19 | 2006-07-20 | Ping-Chung Ng | Route planning process |
US7957871B1 (en) * | 2005-09-29 | 2011-06-07 | Hopstop.com, Inc. | Methods and apparatuses for navigation in urban environments |
US7573866B2 (en) * | 2006-08-30 | 2009-08-11 | Mitsubishi Electric Research Laboratories, Inc. | Method for finding optimal paths using a stochastic network model |
KR20090000417A (ko) * | 2007-06-28 | 2009-01-07 | 엘지전자 주식회사 | 정보 단말기를 이용한 경로와 교통 수단을 제공하는 방법과시스템 |
RU2377658C1 (ru) * | 2008-11-14 | 2009-12-27 | Андрей Валентинович Сабайдаш | Способ определения оптимального маршрута движения транспортного средства |
US8417409B2 (en) * | 2009-11-11 | 2013-04-09 | Google Inc. | Transit routing system for public transportation trip planning |
US8681635B2 (en) * | 2009-12-31 | 2014-03-25 | Mapquest, Inc. | Computer-implemented systems and methods for planning a route |
JP5216034B2 (ja) * | 2010-02-22 | 2013-06-19 | セイコープレシジョン株式会社 | フォーカルプレーンシャッタ及び光学機器 |
JP5562691B2 (ja) * | 2010-03-18 | 2014-07-30 | 株式会社豊田中央研究所 | 渋滞時間算出装置、出発時刻算出装置、渋滞なし時間算出装置、及びプログラム |
JP2011232167A (ja) * | 2010-04-27 | 2011-11-17 | Clarion Co Ltd | ナビゲーション装置 |
US8185302B2 (en) * | 2010-08-26 | 2012-05-22 | Ford Global Technologies, Llc | Conservational vehicle routing |
JP5789268B2 (ja) * | 2010-11-26 | 2015-10-07 | インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation | 経路選択システム、方法及びプログラム |
DE102011015775A1 (de) * | 2011-04-01 | 2012-10-04 | Volkswagen Aktiengesellschaft | Verfahren und Vorrichtung zum Durchführen einer Reiseroutenplanung für ein Fahrzeug |
KR101255029B1 (ko) * | 2011-07-26 | 2013-04-17 | 한국철도기술연구원 | 대중교통 스케줄을 고려한 복합 대중교통수단의 경로 정보 제공 시스템 |
US9594772B2 (en) * | 2011-07-27 | 2017-03-14 | International Business Machines Corporation | Multi-modal journey planner |
JP2013053987A (ja) * | 2011-09-06 | 2013-03-21 | Internatl Business Mach Corp <Ibm> | 運転者にとって好ましい経路を選択して表示する方法、装置及びコンピュータプログラム |
JP5824695B2 (ja) * | 2011-10-12 | 2015-11-25 | 新潟市 | 経路算出方法及び経路算出装置 |
GB2499795A (en) * | 2012-02-28 | 2013-09-04 | Ibm | Routing in a network, based on travel and waiting time |
US9255809B2 (en) * | 2012-03-30 | 2016-02-09 | Global Eagle Entertainment Inc. | System and method for integrated trip planning based on fixed and flexible itinerary components |
US9097535B2 (en) * | 2012-05-09 | 2015-08-04 | Google Inc. | Public transportation journey planning |
US10521473B2 (en) * | 2012-05-21 | 2019-12-31 | Kent State University | Shortest path computation in large networks |
JP5974716B2 (ja) * | 2012-08-03 | 2016-08-23 | トヨタ自動車株式会社 | カーシェアリングシステムの運用計画システム、運用計画方法 |
US9459108B2 (en) * | 2012-08-31 | 2016-10-04 | International Business Machines Corporation | Hedging risk in journey planning |
JP5902607B2 (ja) * | 2012-12-27 | 2016-04-13 | トヨタ自動車株式会社 | 旅行時間情報提供装置、旅行時間情報提供方法 |
US8909475B2 (en) * | 2013-03-08 | 2014-12-09 | Zzzoom, LLC | Generating transport routes using public and private modes |
DE102013207895A1 (de) * | 2013-04-30 | 2014-10-30 | Kuka Laboratories Gmbh | Fahrerloses Transportfahrzeug, System mit einem Rechner und einem fahrerlosen Transportfahrzeug, Verfahren zum Betreiben eines fahrerlosen Transportfahrzeugs |
US9110464B2 (en) * | 2013-11-21 | 2015-08-18 | Intelligrated Headquarters Llc | Route builder |
US8949028B1 (en) * | 2013-12-02 | 2015-02-03 | Ford Global Technologies, Llc | Multi-modal route planning |
JP6366296B2 (ja) * | 2014-02-21 | 2018-08-01 | 株式会社ゼンリン | 経路探索装置および経路探索方法 |
US9482542B2 (en) * | 2014-03-24 | 2016-11-01 | International Business Machines Corporation | Stochastic route planning in public transport |
KR20150144958A (ko) * | 2014-06-18 | 2015-12-29 | 하인크코리아(주) | 사용자용 경로 안내 장치 및 방법 |
KR101597772B1 (ko) * | 2014-07-03 | 2016-02-25 | 조형민 | 실시간 대중교통 도착예정시간 산출방법 |
US9404760B2 (en) * | 2014-08-04 | 2016-08-02 | Xerox Corporation | Efficient route planning in public transportation networks |
US10175054B2 (en) * | 2015-01-11 | 2019-01-08 | Microsoft Technology Licensing, Llc | Predicting and utilizing variability of travel times in mapping services |
US10620010B2 (en) * | 2015-02-05 | 2020-04-14 | Moovit App Global Ltd | Public and ordered transportation trip planning |
GB201503227D0 (en) * | 2015-02-26 | 2015-04-15 | Tomtom Int Bv | Methods and systems for generating routing policies and routes |
DE102015205901A1 (de) * | 2015-04-01 | 2016-10-06 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zur Berechnung einer Route für ein Landfahrzeug |
CN105023426B (zh) * | 2015-05-18 | 2017-06-30 | 南京邮电大学 | 一种城市公交路线选择方法 |
US9726502B2 (en) * | 2015-08-31 | 2017-08-08 | Sap Se | Route planner for transportation systems |
US20170132544A1 (en) * | 2015-11-10 | 2017-05-11 | Xerox Corporation | Method and system for stochastic optimization of public transport schedules |
CN107024217B (zh) * | 2016-02-01 | 2019-06-11 | 北京迈维出行科技有限公司 | 城际交通的路线规划的方法、装置及系统 |
WO2017160276A1 (en) * | 2016-03-15 | 2017-09-21 | Ford Global Technologies Llc | Multi-day, multi-person, and multi-modal trip planning system |
CN107238391A (zh) * | 2016-03-28 | 2017-10-10 | 高德软件有限公司 | 一种公交出行路线的推荐方法及装置 |
US11562300B2 (en) * | 2016-06-10 | 2023-01-24 | Conduent Business Services, Llc | System and method for optimal automated booking of on-demand transportation in multi-modal journeys |
CN106781468B (zh) * | 2016-12-09 | 2018-06-15 | 大连理工大学 | 基于建成环境和低频浮动车数据的路段行程时间估计方法 |
CN106898142B (zh) * | 2017-03-07 | 2019-07-02 | 北京航空航天大学 | 一种考虑路段相关性的路径行程时间可靠度计算方法 |
US10274329B2 (en) * | 2017-04-04 | 2019-04-30 | Here Global B.V. | Method and apparatus for providing a minimum overlapping alternative path |
US10546255B2 (en) * | 2017-05-05 | 2020-01-28 | Conduent Business Services, Llc | Efficient optimization of schedules in a public transportation system |
AU2017423439A1 (en) * | 2017-07-12 | 2019-12-05 | Deutsche Post Ag | Improved routing system |
-
2018
- 2018-04-19 KR KR1020180045558A patent/KR101974109B1/ko active IP Right Grant
- 2018-11-05 US US16/180,050 patent/US10712162B2/en active Active
- 2018-11-07 AU AU2018388686A patent/AU2018388686B2/en active Active
- 2018-11-07 EP EP18814732.6A patent/EP3593091A1/en active Pending
- 2018-11-07 JP JP2020524268A patent/JP2021500580A/ja active Pending
- 2018-11-07 CN CN201880039978.5A patent/CN111065894A/zh active Pending
- 2018-11-07 SG SG11202005476YA patent/SG11202005476YA/en unknown
- 2018-11-07 WO PCT/US2018/059517 patent/WO2019125625A1/en unknown
- 2018-11-07 EA EA202090999A patent/EA202090999A1/ru unknown
- 2018-11-07 CN CN202111011536.XA patent/CN114076606A/zh active Pending
- 2018-11-07 BR BR112020005864-5A patent/BR112020005864B1/pt not_active IP Right Cessation
- 2018-11-07 CA CA3060360A patent/CA3060360A1/en active Pending
- 2018-11-07 MA MA047748A patent/MA47748A/fr unknown
-
2019
- 2019-04-08 TW TW108112149A patent/TWI704522B/zh active
- 2019-04-08 TW TW109124923A patent/TWI735292B/zh active
- 2019-04-18 KR KR1020190045438A patent/KR102514131B1/ko active IP Right Grant
- 2019-08-28 CL CL2019002484A patent/CL2019002484A1/es unknown
- 2019-11-18 PH PH12019502919A patent/PH12019502919A1/en unknown
- 2019-12-24 IL IL271698A patent/IL271698B/en active IP Right Grant
-
2020
- 2020-05-19 ZA ZA2020/02926A patent/ZA202002926B/en unknown
- 2020-06-03 US US16/891,104 patent/US11204252B2/en active Active
- 2020-11-26 IL IL279023A patent/IL279023B/en unknown
-
2021
- 2021-10-15 JP JP2021169879A patent/JP2022003353A/ja active Pending
Also Published As
Publication number | Publication date |
---|---|
TWI735292B (zh) | 2021-08-01 |
MA47748A (fr) | 2021-03-31 |
TW202044192A (zh) | 2020-12-01 |
TWI704522B (zh) | 2020-09-11 |
TW201946025A (zh) | 2019-12-01 |
CN114076606A (zh) | 2022-02-22 |
CA3060360A1 (en) | 2019-06-27 |
US20200348141A1 (en) | 2020-11-05 |
KR101974109B1 (ko) | 2019-04-30 |
AU2018388686A1 (en) | 2020-04-02 |
KR102514131B1 (ko) | 2023-03-23 |
EA202090999A1 (ru) | 2020-08-05 |
US20190195639A1 (en) | 2019-06-27 |
US10712162B2 (en) | 2020-07-14 |
US11204252B2 (en) | 2021-12-21 |
BR112020005864B1 (pt) | 2020-12-01 |
IL271698A (en) | 2020-02-27 |
ZA202002926B (en) | 2021-07-28 |
IL271698B (en) | 2021-01-31 |
SG11202005476YA (en) | 2020-07-29 |
CL2019002484A1 (es) | 2020-01-17 |
CN111065894A (zh) | 2020-04-24 |
EP3593091A1 (en) | 2020-01-15 |
PH12019502919A1 (en) | 2020-11-09 |
IL279023B (en) | 2021-08-31 |
KR20190075866A (ko) | 2019-07-01 |
WO2019125625A1 (en) | 2019-06-27 |
BR112020005864A2 (pt) | 2020-05-26 |
AU2018388686B2 (en) | 2021-07-01 |
JP2021500580A (ja) | 2021-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2022003353A (ja) | ソース場所からターゲット場所への移動に対しルートまたはルート所要時間を提供する方法およびコンピュータシステム | |
Comi et al. | Smart urban freight transport: tools for planning and optimising delivery operations | |
JP5666613B2 (ja) | 公共交通機関トリップ計画のためのトランジットルート決定システム | |
Agatz et al. | Optimization for dynamic ride-sharing: A review | |
US9116007B2 (en) | System and method for journey planning, finding K shortest paths through a time/space network | |
US11182871B2 (en) | System and apparatus for ridesharing | |
US20170167882A1 (en) | System and method for generating available ride-share paths in a transportation network | |
JP2013545078A (ja) | ルート設計デジタル地図を最適化するための方法、システム、およびコンピュータ・プログラム製品 | |
Varone et al. | Multi-modal transportation with public transport and ride-sharing-multi-modal transportation using a path-based method | |
JP6633981B2 (ja) | 交通情報配信システムおよび交通情報配信方法 | |
de Palma et al. | Ride-sharing with inflexible drivers in the Paris metropolitan area | |
Etgar et al. | Personal rapid transit capacity evaluation for inner-city: A detailed micro-simulation study | |
JP2022006482A (ja) | ナビゲーション装置、及びナビゲーション方法 | |
Ehsani et al. | The merits of sharing a ride | |
Sarma et al. | On-Demand Ride-Pooling with Walking Legs: Decomposition Approach for Dynamic Matching and Virtual Stops Selection | |
EA040136B1 (ru) | Способ построения маршрута или продолжительности маршрута для поездки от начального пункта до конечного пункта (варианты) | |
US20220351319A1 (en) | Method, apparatus, and computer program product for quantifying public transport coverage | |
Subramanya | Adaptive Bus Routing Heuristics for Improving Vehicle Utilization and Reducing Commuter Waiting Times | |
Zhang et al. | Urban Air Mobility Network Distribution in Chicago Metropolitan Area | |
上原和樹 | Study on a Hierarchical Cooperative Transport System Using Demand Responsive Buses |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221129 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20230203 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230425 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230808 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231208 |