JP2022189376A - 推定装置 - Google Patents

Abstract

【課題】 ユーザが利用する利用ルートの推定精度を向上させること。【解決手段】 推定装置１０は、ユーザが降車する降車駅を推定する推定部１４と、乗車駅から降車駅に移動するために利用可能な複数のルートのうち、ユーザの性格に基づいて、ユーザが利用する利用ルートを推定する推定部１５と、を備える。【選択図】 図４

Description

本開示は、推定装置に関する。

バス及び列車等の車両の混雑率を予測する技術がある。例えば、特許文献１には、カメラの画像から得られた乗客数に降車駅割合を乗算することにより、降車駅ごとの推定人数を算出し、降車駅に行くための合理的な移動ルートから列車ごとの乗客数を算出し、列車の乗客数を列車のキャパシティで演算して混雑率を算出する混雑率予想システムが記載されている。

特開２０１８－２０３７号公報

乗車駅と降車駅との間には、利用可能な複数のルートが存在することがある。特許文献１に記載の混雑率予想システムでは、複数のルートのうち、合理的なルートが選択される。しかしながら、乗客（ユーザ）は、料金、所要時間、及び混雑率といったルートの特徴に応じて利用するルート（利用ルート）を選択するので、必ずしも合理的なルートを選択するとは限らない。本技術分野では、ユーザが利用する利用ルートの推定精度を向上させることが望まれている。

本開示は、ユーザが利用する利用ルートの推定精度を向上可能な推定装置を説明する。

本開示の一側面に係る推定装置は、ユーザが降車する降車駅を推定する第１推定部と、乗車駅から降車駅に移動するために利用可能な複数のルートのうち、ユーザの性格に基づいて、ユーザが利用する利用ルートを推定する第２推定部と、を備える。

この推定装置においては、ユーザが降車する降車駅が推定され、乗車駅から降車駅に移動するために利用可能な複数のルートのうち、ユーザの性格に基づいて、ユーザが利用する利用ルートが推定される。この構成によれば、ユーザの性格が考慮されて、利用ルートが推定される。したがって、ユーザの性格から見て、選択される可能性の高い利用ルートを推定することができる。その結果、利用ルートの推定精度を向上させることが可能となる。

本開示によれば、ユーザが利用する利用ルートの推定精度を向上させることができる。

図１は、一実施形態に係る推定装置を含む推定システムの概略構成図である。 図２の（ａ）は、図１に示されるユーザ情報ＤＢ（database）に格納されているユーザ基礎情報の一例を示す図である。図２の（ｂ）は、図１に示されるユーザ情報ＤＢに格納されている移動履歴の一例を示す図である。 図３の（ａ）は、図１に示されるユーザ情報ＤＢに格納されている決済履歴の一例を示す図である。図３の（ｂ）は、図１に示されるユーザ情報ＤＢに格納されているアプリ使用履歴の一例を示す図である。 図４は、図１に示される推定装置の機能構成を示すブロック図である。 図５は、図１に示される推定装置が行う推定方法の一連の処理を示すフローチャートである。 図６は、図５に示される推定方法を説明するための図である。 図７は、混雑情報の一例を示す図である。 図８は、図１に示される推定装置のハードウェア構成の一例を示す図である。

以下、添付図面を参照しながら本開示の実施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～図３の（ｂ）を参照しながら、一実施形態に係る推定装置を含む推定システムの構成を説明する。図１は、一実施形態に係る推定装置を含む推定システムの概略構成図である。図２の（ａ）は、図１に示されるユーザ情報ＤＢ（database）に格納されているユーザ基礎情報の一例を示す図である。図２の（ｂ）は、図１に示されるユーザ情報ＤＢに格納されている移動履歴の一例を示す図である。図３の（ａ）は、図１に示されるユーザ情報ＤＢに格納されている決済履歴の一例を示す図である。図３の（ｂ）は、図１に示されるユーザ情報ＤＢに格納されているアプリ使用履歴の一例を示す図である。

図１に示される推定システム１は、交通機関における車両の混雑率を推定するためのシステムである。車両の例としては、列車、及びバスが挙げられる。車両が列車である場合、車両は１両ではなく列車全体を意味する。推定システム１は、複数の端末装置２と、ユーザ情報ＤＢ３と、運行情報ＤＢ５と、推定装置１０と、を含む。複数の端末装置２、ユーザ情報ＤＢ３、運行情報ＤＢ５、及び推定装置１０は、ネットワークＮＷを介して互いに通信可能に構成されている。ネットワークＮＷは、有線及び無線のいずれで構成されてもよい。ネットワークＮＷの例としては、移動体通信網、インターネット、及びＷＡＮ（Wide Area Network）が挙げられる。

端末装置２は、ユーザによって用いられ、ユーザが携帯可能な装置である。端末装置２の例としては、スマートフォン及びタブレット端末を含む携帯端末が挙げられる。端末装置２は、端末装置２のユーザに関するユーザ情報（後述）を保持している。端末装置２は、ユーザ情報をユーザ情報ＤＢ３に送信する。

端末装置２は、ＧＰＳ（Global Positioning System）等を用いて端末装置２の位置情報（緯度及び経度）を取得する。端末装置２は、接続されている無線ネットワークの親局の設置位置の情報を位置情報として取得してもよい。親局の設置位置の例としては、モバイルネットワークの基地局、及びＷｉ－Ｆｉのアクセスポイント等が挙げられる。端末装置２は、端末装置２の近傍に存在する端末の位置情報を端末装置２の位置情報として取得してもよい。このような端末としては、例えば、Ｂｌｕｅｔｏｏｔｈ（登録商標）のビーコン端末等が挙げられる。端末装置２は、定期的に位置情報を推定装置１０に送信する。

端末装置２は、ユーザが端末装置２を用いて行った決済に関する決済情報を生成する。例えば、端末装置２にインストールされている決済アプリケーションを用いてユーザが商品を購入した場合、端末装置２は、決済情報を生成する。決済情報の詳細については後述する。端末装置２は、例えば、決済情報を生成するごとに、決済情報をユーザ情報ＤＢ３に送信する。端末装置２は、ユーザが端末装置２において使用したアプリケーションに関するアプリ使用情報を生成する。例えば、端末装置２にインストールされているアプリケーションが使用された場合、端末装置２は、アプリ使用情報を生成する。アプリ使用情報の詳細については後述する。端末装置２は、例えば、アプリ使用情報を生成するごとに、アプリ使用情報をユーザ情報ＤＢ３に送信する。

ユーザ情報ＤＢ３は、各ユーザのユーザ情報を格納するデータベースである。ユーザ情報は、ユーザに関する情報であって、ユーザ基礎情報、移動履歴、決済履歴、及びアプリ使用履歴を含む。ユーザ情報は、更に他の情報を含んでもよい。ユーザ基礎情報は、ユーザの基礎的な情報である。図２の（ａ）に示されるように、ユーザ基礎情報は、ユーザＩＤ（identifier）、端末ＩＤ、及び属性情報を含む。ユーザＩＤは、ユーザを一意に識別可能な情報である。端末ＩＤは、端末装置２を一意に識別可能な情報である。ここでは、端末ＩＤは、ユーザＩＤによって識別されるユーザが所持している端末装置２を示す。属性情報は、性別、年齢、年収、居住地、及び勤務地を含む。属性情報は、更に他の情報を含んでもよい。属性情報は、例えば、ユーザによって予め設定されている。

移動履歴は、ユーザが過去に交通機関を利用した移動に関する履歴である。図２の（ｂ）に示されるように、移動履歴の各レコードは、端末ＩＤと、乗車駅ＩＤと、入場時刻と、降車駅ＩＤと、退場時刻と、を含む。乗車駅ＩＤは、ユーザが交通機関の車両に乗車した駅（乗車駅）を一意に識別可能な情報である。入場時刻は、端末ＩＤによって識別される端末装置２を所持するユーザが乗車駅に入場した時刻である。降車駅ＩＤは、ユーザが交通機関の車両から降りた駅（降車駅）を一意に識別可能な情報である。退場時刻は、端末ＩＤによって識別される端末装置２を所持するユーザが降車駅から退場した時刻である。なお、乗車駅は、例えば、ユーザが改札を通過して入場した駅である。降車駅は、例えば、ユーザが改札を通過して退場した駅である。

移動履歴のレコードは、改札通過データに基づいて生成される。改札通過データは、各駅に設けられた改札をユーザが通過したことを示すデータである。改札通過データは、駅ＩＤと、入退場情報と、通過時刻と、を含む。駅ＩＤは、ユーザが通過した改札が設けられている駅を一意に識別可能な情報である。入退場情報は、入場又は退場のいずれかを示す情報である。通過時刻は、ユーザが改札を通過した時刻である。通過時刻としては、例えば、改札に端末装置２がかざされた時刻が用いられる。

決済履歴は、端末装置２を用いて行われた決済に関する履歴である。図３の（ａ）に示されるように、決済履歴の各レコードは、端末ＩＤ、決済が行われた時刻、決済が行われた場所、金額、及び商品名を含む。ユーザ情報ＤＢ３は、各端末装置２から決済情報を受信すると、受信した決済情報を決済履歴のレコードとして格納する。

アプリ使用履歴は、端末装置２において使用されたアプリケーションに関する履歴である。図３の（ｂ）に示されるように、アプリ使用履歴の各レコードは、端末ＩＤ、使用開始時刻、使用終了時刻、及びアプリケーション名を含む。使用開始時刻は、アプリケーションの使用が開始された時刻である。使用終了時刻は、アプリケーションの使用が終了された時刻である。ユーザ情報ＤＢ３は、各端末装置２からアプリ使用情報を受信すると、受信したアプリ使用情報をアプリ使用履歴のレコードとして格納する。

運行情報ＤＢ５は、運行情報を格納するデータベースである。運行情報は、ダイヤ情報、及びルート情報を含む。ダイヤ情報は、車両ＩＤ、車両種別、定員、始発駅、終着駅、停車駅、各駅に到着する時刻、及び各駅から出発する時刻等が対応付けられた情報である。ルート情報は、推定システム１がカバーするエリア内の乗車駅と降車駅とのすべての組み合わせについて、乗車駅から降車駅に移動するために利用可能な複数のルートに関する情報である。ルート情報は、各ルートの特徴を示す情報であって、各ルートについて、ルートにおいて利用されるすべての車両の車両ＩＤ、乗換駅、料金、所要時間、及び統計的な混雑率等を含む。

推定装置１０は、各ユーザの利用ルートを推定し、各ユーザの利用ルートに基づいて交通機関における車両の混雑率を推定する装置である。利用ルートは、乗車駅から降車駅に移動するために利用可能なルートであって、ユーザによって利用されるルートである。推定装置１０の例としては、サーバ装置等の情報処理装置が挙げられる。

図４を参照しながら、推定装置１０の機能構成を説明する。図４は、図１に示される推定装置の機能構成を示すブロック図である。図４に示されるように、推定装置１０は、機能的には、特定部１１と、推定部１２（第３推定部）と、推定部１３（第４推定部）と、推定部１４（第１推定部）と、推定部１５（第２推定部）と、算出部１６と、出力部１７と、を備えている。後述の推定方法の説明において、各機能部の機能（動作）を詳細に説明するので、ここでは各機能部の機能を簡単に説明する。なお、推定装置１０によって推定される対象となるユーザは、既存ユーザと、予測ユーザと、を含む。既存ユーザは、既に駅（乗車駅）に入場しているユーザであって、降車駅から退場していないユーザである。言い換えると、既存ユーザは、乗車駅から降車駅に移動中のユーザである。予測ユーザは、これから駅（乗車駅）に入場すると予測されるユーザである。

特定部１１は、駅ごとに既存ユーザを特定する機能部である。特定部１１は、例えば、改札通過データに基づいて、既存ユーザを特定する。特定部１１は、ユーザの位置情報に基づいて、既存ユーザを特定してもよい。

推定部１２は、既存ユーザの性格を推定する機能部である。推定部１２は、既存ユーザに関するユーザ情報に基づいて、既存ユーザの性格を推定する。

推定部１３は、駅ごとに予測ユーザの人数及び性格を推定する機能部である。推定部１３は、過去の入場履歴に基づいて予測ユーザの人数及び性格を推定する。入場履歴は、駅に入場したユーザに関する履歴である。入場履歴は、乗車駅ごとに各時間帯における入場者数と各入場者の属性情報とを含む。本実施形態では、入場履歴は、移動履歴とユーザ基礎情報とから生成される。

推定部１４は、各ユーザが降車する降車駅を推定する機能部である。推定部１４は、過去の移動履歴に基づいて、各ユーザの降車駅を推定する。

推定部１５は、ユーザが利用する利用ルートを推定する機能部である。推定部１５は、乗車駅から降車駅に移動するために利用可能な複数のルートのうち、ユーザの性格に基づいて、ユーザが利用する利用ルートを推定する。

算出部１６は、車両の混雑率を算出する機能部である。算出部１６は、各ユーザの利用ルートに基づいて、車両の走行区間ごとに混雑率を算出する。走行区間は、互いに隣り合う２つの停車駅によって規定される。そして、算出部１６は、混雑情報を生成する。混雑情報の詳細については後述する。

出力部１７は、混雑情報を出力する機能部である。出力部１７は、例えば、混雑情報を運行情報ＤＢ５に出力（送信）する。

次に、図５～図７を参照しながら、推定装置１０が行う推定方法を説明する。図５は、図１に示される推定装置が行う推定方法の一連の処理を示すフローチャートである。図６は、図５に示される推定方法を説明するための図である。図７は、混雑情報の一例を示す図である。図５に示される一連の処理は、例えば、推定装置１０のユーザからの推定指令を受け付けたことによって開始される。これらの処理は、予め定められた時刻に開始されてもよい。

図５に示されるように、まず、特定部１１が駅ごとに当該駅に入場した既存ユーザを特定する（ステップＳ１１）。特定部１１は、例えば、改札通過データに基づいて、既存ユーザを特定する。具体的には、特定部１１は、改札通過データに含まれる端末ＩＤによって識別される端末装置２を所持するユーザが、改札通過データに含まれる入場時刻に、改札通過データに含まれる乗車駅ＩＤによって識別される乗車駅に入場したと判定し、当該ユーザを既存ユーザとして特定する。そして、特定部１１は、乗車駅ごとに、各時間帯において入場した既存ユーザの人数を集計する。

特定部１１は、端末装置２の位置情報に基づいて、既存ユーザを特定してもよい。例えば、特定部１１は、端末装置２の時間的に連続する位置情報を参照し、これらの位置情報が駅の外から駅の内部に移動したことを示す場合に、端末装置２を所持するユーザが、その駅に入場したと判定する。そして、特定部１１は、当該駅を乗車駅とし、当該ユーザを既存ユーザとして特定する。さらに、特定部１１は、乗車駅の外から乗車駅の内部に移動したことを示す２つの位置情報が取得された時刻の間（例えば、平均時刻）を入場時刻として特定してもよい。

例えば、図６の例では、駅ＳＴａに８時００分から８時１０分までの間に１００人の既存ユーザが入場したことが特定される。

続いて、推定部１２は、特定部１１によって特定された既存ユーザの性格を推定する（ステップＳ１２）。ステップＳ１２では、推定部１２は、ユーザ情報ＤＢ３から既存ユーザに関するユーザ情報を取得し、ユーザ情報に基づいて既存ユーザの性格を推定する。具体的には、推定部１２は、既存ユーザのユーザＩＤに対応付けられた端末ＩＤを含むユーザ基礎情報のレコード、当該端末ＩＤを含む移動履歴のレコード、当該端末ＩＤを含む決済履歴のレコード、及び当該端末ＩＤを含むアプリ使用履歴のレコードを、ユーザ情報ＤＢ３から抽出する。そして、推定部１２は、抽出したレコードに基づいて、既存ユーザの性格を推定する。

推定部１２は、例えば、機械学習を用いて性格を推定する。具体的には、推定部１２は、ユーザ情報から生成した特徴量を性格予測モデルに入力し、性格予測モデルから出力される性格情報を得る。性格予測モデルは、ユーザ情報から生成した特徴量を説明変数とし、性格情報を目的変数とした機械学習モデルであり、例えば、ニューラルネットワークによって構成されている。性格情報は、性格を示す情報である。本実施形態では、性格情報は、ビッグファイブ理論における主要５因子を数値化したベクトルとして表される。性格予測モデルに入力されるユーザ情報は、移動履歴のレコード、決済履歴のレコード、アプリ使用履歴のレコード、及びユーザ基礎情報のレコード（年齢、性別、年収、居住地、及び勤務地等）を含む。

なお、性格予測モデルは、例えば、既知の性格を有するユーザのユーザ情報から生成された特徴量と当該性格を示す性格情報との組を正解データとして用いた機械学習によって予め生成されている。そして、推定部１２は、乗車駅ごとに、各時間帯における既存ユーザの総数及び各既存ユーザの性格情報を推定部１４に出力する。

続いて、推定部１３は、駅ごとに、各時間帯の予測ユーザの人数及び性格を推定する（ステップＳ１３）。ステップＳ１３では、推定部１３は、例えば、機械学習を用いて予測ユーザの人数及び性格を推定する。具体的には、推定部１３は、ユーザ情報ＤＢ３に格納されている移動履歴から１つの乗車駅に関するレコードを抽出し、抽出したレコードの入場時刻を用いて時間帯ごとに分類する。そして、推定部１３は、分類された移動履歴に含まれる端末ＩＤを用いて、ユーザ情報ＤＢ３に格納されているユーザ基礎情報から、過去にその乗車駅に入場したユーザの属性情報を抽出する。推定部１３は、すべての乗車駅にについて、同様の手順を繰り返す。この構成により、推定部１３は、過去の入場履歴として、各乗車駅に過去に入場したユーザの人数及び属性情報を時間帯ごとに得る。

そして、推定部１３は、過去の入場履歴から生成した特徴量を入場者予測モデルに入力し、入場者予測モデルから出力される入場者の人数及び各性格の割合を得る。性格の割合とは、全入場者のうちのその性格を有する入場者の割合である。入場者予測モデルは、過去の入場履歴から生成した特徴量を説明変数とし、入場者の人数及び各性格の割合を目的変数とした機械学習モデルであり、例えば、ニューラルネットワークによって構成されている。

なお、入場者予測モデルは、例えば、過去の入場履歴から生成された特徴量と当該入場履歴によって示される入場者数、及び入場者の性格の割合との組を正解データとして用いた機械学習によって予め生成されている。推定部１３は、イベントの開催が予定されている場合には、公知の手法を用いて、イベントを考慮して駅ごとに各時間帯の予測ユーザの人数及び性格を推定する。例えば、図６の例では、駅ＳＴａに８時３０分から８時４０分までの間に２００人の予測ユーザが入場すると推定される。

そして、推定部１３は、乗車駅ごとに、各時間帯における予測ユーザの総数及び各予測ユーザの性格情報を推定部１４に出力する。

続いて、推定部１４は、各ユーザが降車する降車駅を推定する（ステップＳ１４）。ステップＳ１４では、推定部１４は、既存ユーザと予測ユーザとで互いに異なる処理を行う。推定部１４は、既存ユーザの移動履歴（のレコード）に基づいて、当該既存ユーザが降車する降車駅を推定する。本実施形態では、推定部１４は、既存ユーザの移動履歴を含むユーザ情報に基づいて、当該既存ユーザが降車する降車駅を推定する。

具体的には、推定部１４は、既存ユーザのユーザ情報から生成した特徴量を降車駅予測モデルに入力し、降車駅予測モデルから出力される各降車駅の尤度を得る。降車駅の尤度とは、降車駅の尤もらしさを示す値である。降車駅予測モデルは、既存ユーザのユーザ情報から生成した特徴量を説明変数とし、各降車駅の尤度を目的変数とした機械学習モデルであり、例えば、ニューラルネットワークによって構成されている。降車駅予測モデルに入力されるユーザ情報は、移動履歴のレコード、決済履歴のレコード、アプリ使用履歴のレコード、及びユーザ基礎情報のレコード（年齢、性別、年収、居住地、及び勤務地等）を含む。なお、降車駅予測モデルは、例えば、ユーザ情報から生成された特徴量とユーザの降車駅との組を正解データとして用いた機械学習によって予め生成されている。

推定部１４は、過去に乗車駅から乗車したユーザの移動履歴（のレコード）に基づいて、予測ユーザが降車する降車駅を推定する。具体的には、推定部１４は、予測ユーザが乗車駅に入場すると予測される時間帯と同じ時間帯に乗車駅に入場したユーザの降車駅を抽出し、降車駅ごとにユーザの人数を集計する。そして、推定部１４は、過去の同じ時間帯に乗車駅に入場したユーザの総数で、降車駅ごとのユーザの人数を除算することによって、降車駅の降車確率を算出する。そして、推定部１４は、降車確率の分布（多項分布）に従い、いずれかの降車駅を当該予測ユーザが降車する降車駅として決定する。推定部１４は、同様の手順により、すべての予測ユーザの降車駅を決定する。なお、推定部１４は、同一の乗車駅に同一時間帯に入場すると予測される予測ユーザの人数に、降車確率を乗算することによって、各降車駅で降車する予測ユーザの人数を算出してもよい。

続いて、推定部１５は、各ユーザが利用する利用ルートを推定する（ステップＳ１５）。ステップＳ１５では、推定部１５は、乗車駅から降車駅に移動するために利用可能な複数のルートのうち、ユーザの性格に基づいてユーザが利用する利用ルートを推定する。具体的には、式（１）に示されるように、推定部１５は、利用可能な複数のルートのそれぞれについて、性格情報ｃ_ｉとルート情報ｒ_ｊとに基づいて利用確率Ｐ_ｉ，ｊを算出する。性格情報ｃ_ｉは、ｉ番目のユーザのユーザ情報である。ルート情報ｒ_ｊは、ｊ番目のルートのルート情報である。利用確率Ｐ_ｉ，ｊは、ｉ番目のユーザがｊ番目のルートを選択する確率を示す。ｉは、１以上Ｎ以下の整数である。Ｎは、推定装置１０によって推定される対象となるユーザの総数である。ｊは、１以上Ｍ_ｉ以下の整数である。Ｍ_ｉは、ｉ番目のユーザが利用可能なルートの数である。

関数ｆは、性格情報ｃ_ｉとルート情報ｒ_ｊとから、ｉ番目のユーザがｊ番目のルートを選択する可能性を示す値を出力する。関数ｆは、機械学習等によって予め作成されている。ｓｏｆｔｍａｘ関数は、式（２）に示されるように、ｉ番目のユーザが利用可能な１番目のルートからＭ_ｉ番目のルートまでの利用確率Ｐ_ｉ，ｊの合計が１になるように正規化する関数である。

そして、推定部１５は、利用確率Ｐ_ｉ，ｊに基づいてｉ番目のユーザが利用する利用ルートを推定する。例えば、推定部１５は、利用確率Ｐ_ｉ，ｊの分布（多項分布）に従い、Ｍ_ｉ個のルートのうちのいずれかのルートをｉ番目のユーザが利用する利用ルートとして決定する。推定部１５は、同様の手順により、すべてのユーザについて利用ルートを決定する。

続いて、算出部１６は、混雑率を算出する（ステップＳ１６）。ステップＳ１６では、算出部１６は、各ユーザの利用ルートから、各車両の走行区間ごとの混雑率を算出する。具体的には、算出部１６は、各車両の走行区間において当該車両に乗車しているユーザの人数（乗車人数）を算出する。そして、算出部１６は、乗車人数を車両の定員で除算することによって、車両の走行区間における混雑率を算出する。そして、算出部１６は、混雑情報を生成する。図７に示されるように、混雑情報の各レコードは、例えば、車両ＩＤと、走行区間を示す情報と、混雑率と、を含む。混雑率は、車両ＩＤによって識別される車両が走行区間を走行している際の当該車両の混雑率である。

続いて、出力部１７は、算出部１６から混雑情報を受け取ると、混雑情報を出力する（ステップＳ１７）。ステップＳ１７では、出力部１７は、例えば、運行情報ＤＢ５に混雑情報を出力し、統計的な混雑率を更新する。出力部１７は、端末装置２に混雑情報を出力し、端末装置２に混雑情報を表示させてもよい。

以上により、推定方法の一連の処理が終了する。なお、ステップＳ１３は、ステップＳ１１，Ｓ１２よりも前に行われてもよく、ステップＳ１１，Ｓ１２と並行して行われてもよい。

以上説明した推定装置１０においては、各ユーザが降車する降車駅が推定され、各ユーザについて、乗車駅から降車駅に移動するために利用可能な複数のルートのうち、ユーザの性格に基づいて、ユーザが利用する利用ルートが推定される。この構成によれば、ユーザの性格が考慮されて、利用ルートが推定される。例えば、せっかちなユーザは、料金が掛かっても降車駅に早く到着するルートを選択する可能性が高い。節約志向が強いユーザは、時間が掛かっても料金が安いルートを選択する可能性が高い。これらの例のように、ユーザの性格から見て、選択される可能性の高い利用ルートを推定することができる。その結果、利用ルートの推定精度を向上させることが可能となる。

推定装置１０によれば、既存ユーザ及び予測ユーザの利用ルートが推定される。例えば、車両の混雑率及び人の流れを予測するためには、乗車駅に既に入場している既存ユーザだけでなく、乗車駅にこれから入場すると予測される予測ユーザについても、利用ルートを推定する必要がある。したがって、混雑率及び人の流れ等の予測精度を向上させることが可能となる。

推定部１２は、既存ユーザに関するユーザ情報に基づいて既存ユーザの性格を推定する。類似のユーザ情報を有するユーザは、類似の性格を有する可能性が高い。したがって、ユーザ情報を用いることによって、既存ユーザの性格を推定することが可能となる。

推定部１３は、乗車駅に入場したユーザに関する過去の入場履歴に基づいて予測ユーザの人数及び性格を推定する。同一の乗車駅の同じ時間帯には、同様のユーザが入場する可能性が高い。したがって、過去の入場履歴を用いることによって、予測ユーザの人数及び性格を推定することが可能となる。

推定部１４は、ユーザが乗車駅から乗車した過去の移動履歴に基づいて、ユーザの降車駅を推定する。既存ユーザであれば、過去に自身が乗車駅から乗車したときに降車した駅に降車する可能性が高い。したがって、既存ユーザについては、過去の自身の移動履歴から降車駅が推定される。この構成によれば、降車駅の推定精度を向上させることが可能となる。また、予測ユーザと同一の乗車駅から乗車したユーザが降車した降車駅の降車確率の分布に、予測ユーザの降車駅は従うと考えられる。したがって、予測ユーザについては、同一の乗車駅から乗車したユーザの移動履歴が考慮されて降車駅が推定されるので、降車駅の推定精度を向上させることが可能となる。

上述のように、ルートの特徴とユーザの性格とによって、ユーザがルートを利用する利用確率が変わり得る。推定部１５は、複数のルートのそれぞれについて、ルート情報とユーザの性格情報とに基づいてユーザがルートを利用する利用確率を算出し、利用確率に基づいて利用ルートを推定する。したがって、ルートの特徴及びユーザの性格が考慮されて利用ルートが推定されるので、利用ルートの推定精度を向上させることが可能となる。

算出部１６は、各ユーザの利用ルートに基づいて、車両の走行区間ごとに混雑率を算出する。利用ルートが精度良く推定されているので、混雑率の予測精度を向上させることが可能となる。

以上、本開示の実施形態について説明したが、本開示は上記実施形態に限定されない。

推定装置１０は、物理的又は論理的に結合した１つの装置によって構成されていてもよく、互いに物理的又は論理的に分離している複数の装置によって構成されてもよい。例えば、推定装置１０は、クラウドコンピューティングのようにネットワーク上に分散された複数のコンピュータによって実現されてもよい。以上のように、推定装置１０の構成は、推定装置１０の機能を実現し得るいかなる構成をも含み得る。

推定装置１０は、既存ユーザの利用ルートを推定しなくてもよい。あるいは、推定装置１０は、外部から各乗車駅の各時間帯における既存ユーザの人数及び性格情報を取得してもよい。これらの場合、推定装置１０は、特定部１１及び推定部１２を備えていなくてもよい。

推定装置１０は、予測ユーザの利用ルートを推定しなくてもよい。あるいは、推定装置１０は、外部から各乗車駅の各時間帯における予測ユーザの人数及び性格情報を取得してもよい。これらの場合、推定装置１０は、推定部１３を備えていなくてもよい。

推定装置１０は、混雑率を算出しなくてもよい。この場合、推定装置１０は、算出部１６及び出力部１７を備えていなくてもよい。

なお、上記実施形態の説明に用いられたブロック図は、機能単位のブロックを示している。これらの機能ブロック（構成部）は、ハードウェア及びソフトウェアの少なくとも一方の任意の組み合わせによって実現される。各機能ブロックの実現方法は特に限定されない。すなわち、各機能ブロックは、物理的又は論理的に結合した１つの装置を用いて実現されてもよいし、物理的又は論理的に分離した２つ以上の装置を直接的又は間接的に（例えば、有線、無線などを用いて）接続し、これら複数の装置を用いて実現されてもよい。機能ブロックは、上記１つの装置又は上記複数の装置にソフトウェアを組み合わせて実現されてもよい。

機能には、判断、決定、判定、計算、算出、処理、導出、調査、探索、確認、受信、送信、出力、アクセス、解決、選択、選定、確立、比較、想定、期待、見做し、報知（broadcasting）、通知（notifying）、通信（communicating）、転送（forwarding）、構成（configuring）、再構成（reconfiguring）、割り当て（allocating、mapping）、及び割り振り（assigning）などがあるが、これらの機能に限られない。例えば、送信を機能させる機能ブロック（構成部）は、送信部（transmitting unit）又は送信機（transmitter）と呼称される。いずれも、上述したとおり、実現方法は特に限定されない。

例えば、本開示の一実施形態における推定装置１０は、本開示の処理を行うコンピュータとして機能してもよい。図８は、本開示の一実施形態に係る推定装置のハードウェア構成の一例を示す図である。上述の推定装置１０は、物理的には、プロセッサ１００１、メモリ１００２、ストレージ１００３、通信装置１００４、入力装置１００５、出力装置１００６、及びバス１００７などを含むコンピュータ装置として構成されてもよい。

なお、以下の説明では、「装置」という文言は、回路、デバイス、及びユニットなどに読み替えることができる。推定装置１０のハードウェア構成は、図に示された各装置を１つ又は複数含むように構成されてもよいし、一部の装置を含まずに構成されてもよい。

推定装置１０における各機能は、プロセッサ１００１及びメモリ１００２などのハードウェア上に所定のソフトウェア（プログラム）を読み込ませることによって、プロセッサ１００１が演算を行い、通信装置１００４による通信を制御したり、メモリ１００２及びストレージ１００３におけるデータの読み出し及び書き込みの少なくとも一方を制御したりすることによって実現される。

プロセッサ１００１は、例えば、オペレーティングシステムを動作させてコンピュータ全体を制御する。プロセッサ１００１は、周辺装置とのインターフェース、制御装置、演算装置、及びレジスタなどを含む中央処理装置（ＣＰＵ：Central Processing Unit）によって構成されてもよい。例えば、上述の推定装置１０の各機能は、プロセッサ１００１によって実現されてもよい。

プロセッサ１００１は、プログラム（プログラムコード）、ソフトウェアモジュール、及びデータなどを、ストレージ１００３及び通信装置１００４の少なくとも一方からメモリ１００２に読み出し、これらに従って各種の処理を実行する。プログラムとしては、上述の実施形態において説明された動作の少なくとも一部をコンピュータに実行させるプログラムが用いられる。例えば、推定装置１０の各機能は、メモリ１００２に格納され、プロセッサ１００１において動作する制御プログラムによって実現されてもよい。上述の各種処理は、１つのプロセッサ１００１によって実行される旨を説明してきたが、２以上のプロセッサ１００１により同時又は逐次に実行されてもよい。プロセッサ１００１は、１以上のチップによって実装されてもよい。なお、プログラムは、電気通信回線を介してネットワークから送信されてもよい。

メモリ１００２は、コンピュータ読み取り可能な記録媒体であり、例えば、ＲＯＭ（Read Only Memory）、ＥＰＲＯＭ（Erasable Programmable ＲＯＭ）、ＥＥＰＲＯＭ（Electrically Erasable Programmable ＲＯＭ）、及びＲＡＭ（Random Access Memory）などの少なくとも１つによって構成されてもよい。メモリ１００２は、レジスタ、キャッシュ、又はメインメモリ（主記憶装置）などと呼ばれてもよい。メモリ１００２は、本開示の一実施形態に係る推定方法を実施するために実行可能なプログラム（プログラムコード）、ソフトウェアモジュールなどを保存することができる。

ストレージ１００３は、コンピュータ読み取り可能な記録媒体であり、例えば、ＣＤ－ＲＯＭ（Compact Disc ＲＯＭ）などの光ディスク、ハードディスクドライブ、フレキシブルディスク、光磁気ディスク（例えば、コンパクトディスク、デジタル多用途ディスク、Ｂｌｕ－ｒａｙ（登録商標）ディスク）、スマートカード、フラッシュメモリ（例えば、カード、スティック、キードライブ）、フロッピー（登録商標）ディスク、及び磁気ストリップなどの少なくとも１つによって構成されてもよい。ストレージ１００３は、補助記憶装置と呼ばれてもよい。上述の記憶媒体は、例えば、メモリ１００２及びストレージ１００３の少なくとも一方を含むデータベース、サーバ、その他の適切な媒体であってもよい。

通信装置１００４は、有線ネットワーク及び無線ネットワークの少なくとも一方を介してコンピュータ間の通信を行うためのハードウェア（送受信デバイス）であり、例えばネットワークデバイス、ネットワークコントローラ、ネットワークカード、又は通信モジュールなどともいう。通信装置１００４は、例えば周波数分割複信（ＦＤＤ：Frequency Division Duplex）及び時分割複信（ＴＤＤ：Time Division Duplex）の少なくとも一方を実現するために、高周波スイッチ、デュプレクサ、フィルタ、及び周波数シンセサイザなどを含んで構成されてもよい。例えば、上述の出力部１７などは、通信装置１００４によって実現されてもよい。

入力装置１００５は、外部からの入力を受け付ける入力デバイス（例えば、キーボード、マウス、マイクロフォン、スイッチ、ボタン、及びセンサなど）である。出力装置１００６は、外部への出力を実施する出力デバイス（例えば、ディスプレイ、スピーカー、及びＬＥＤランプなど）である。なお、入力装置１００５及び出力装置１００６は、一体となった構成（例えば、タッチパネル）であってもよい。

プロセッサ１００１及びメモリ１００２などの各装置は、情報を通信するためのバス１００７によって接続される。バス１００７は、単一のバスを用いて構成されてもよいし、装置間ごとに異なるバスを用いて構成されてもよい。

推定装置１０は、マイクロプロセッサ、デジタル信号プロセッサ（ＤＳＰ：Digital Signal Processor）、ＡＳＩＣ（Application Specific Integrated Circuit）、ＰＬＤ（Programmable Logic Device）、ＦＰＧＡ（Field Programmable Gate Array）などのハードウェアを含んで構成されてもよく、当該ハードウェアにより、各機能ブロックの一部又は全てが実現されてもよい。例えば、プロセッサ１００１は、これらのハードウェアの少なくとも１つを用いて実装されてもよい。

情報の通知は、本開示において説明された態様／実施形態に限られず、他の方法を用いて行われてもよい。

本開示において説明された各態様／実施形態の処理手順、シーケンス、及びフローチャートなどにおいては、矛盾の無い限り、順序が入れ替えられてもよい。例えば、本開示において説明された方法については、例示的な順序を用いて様々なステップの要素を提示しており、提示された特定の順序に限定されない。

情報等は、上位レイヤから下位レイヤへ出力されてもよく、又は下位レイヤから上位レイヤへ出力されてもよい。情報等は、複数のネットワークノードを介して入出力されてもよい。

入出力された情報等は特定の場所（例えば、メモリ）に保存されてもよいし、管理テーブルを用いて管理されてもよい。入出力される情報等は、上書き、更新、又は追記され得る。出力された情報等は削除されてもよい。入力された情報等は他の装置へ送信されてもよい。

判定は、１ビットで表される値（０か１か）によって行われてもよいし、真偽値（Boolean：true又はfalse）によって行われてもよいし、数値の比較（例えば、所定の値との比較）によって行われてもよい。

本開示において説明された各態様／実施形態は単独で用いられてもよいし、組み合わせて用いられてもよいし、実行に伴って切り替えて用いられてもよい。所定の情報の通知（例えば、「Ｘであること」の通知）は、明示的な通知に限られず、暗黙的に（例えば、当該所定の情報の通知を行わないことによって）行われてもよい。

以上、本開示について詳細に説明したが、当業者にとっては、本開示が本開示中に説明された実施形態に限定されないということは明らかである。本開示は、請求の範囲の記載により定まる本開示の趣旨及び範囲を逸脱することなく修正及び変更態様として実施することができる。したがって、本開示の記載は、例示説明を目的とし、本開示に対して何ら制限的な意味を有しない。

ソフトウェアは、ソフトウェア、ファームウェア、ミドルウェア、マイクロコード、ハードウェア記述言語と呼ばれるか、他の名称で呼ばれるかを問わず、命令、命令セット、コード、コードセグメント、プログラムコード、プログラム、サブプログラム、ソフトウェアモジュール、アプリケーション、ソフトウェアアプリケーション、ソフトウェアパッケージ、ルーチン、サブルーチン、オブジェクト、実行可能ファイル、実行スレッド、手順、機能などを意味するよう広く解釈されるべきである。

ソフトウェア、命令、及び情報などは、伝送媒体を介して送受信されてもよい。例えば、ソフトウェアが、有線技術（同軸ケーブル、光ファイバケーブル、ツイストペア、デジタル加入者回線（ＤＳＬ：Digital Subscriber Line）など）及び無線技術（赤外線、マイクロ波など）の少なくとも一方を使用してウェブサイト、サーバ、又は他のリモートソースから送信される場合、これらの有線技術及び無線技術の少なくとも一方は、伝送媒体の定義内に含まれる。

本開示において説明された情報、及び信号などは、様々な異なる技術のいずれかを使用して表されてもよい。例えば、上記の説明全体に渡って言及され得るデータ、命令、コマンド、情報、信号、ビット、シンボル、及びチップなどは、電圧、電流、電磁波、磁界若しくは磁性粒子、光場若しくは光子、又はこれらの任意の組み合わせによって表されてもよい。

なお、本開示において説明された用語及び本開示の理解に必要な用語については、同一の又は類似する意味を有する用語と置き換えられてもよい。

本開示において使用される「システム」及び「ネットワーク」という用語は、互換的に使用される。

本開示において説明された情報、及びパラメータなどは、絶対値を用いて表されてもよいし、所定の値からの相対値を用いて表されてもよいし、対応する別の情報を用いて表されてもよい。

上述したパラメータに使用される名称はいかなる点においても限定的な名称ではない。さらに、これらのパラメータを使用する数式等は、本開示で明示的に開示された数式等と異なる場合もある。

本開示で使用される「判断（determining）」、及び「決定（determining）」という用語は、多種多様な動作を包含する場合がある。「判断」、「決定」は、例えば、判定（judging）、計算（calculating）、算出（computing）、処理（processing）、導出（deriving）、調査（investigating）、探索（looking up、search、inquiry）（例えば、テーブル、データベース又は別のデータ構造での探索）、確認（ascertaining）した事を「判断」「決定」したとみなす事などを含み得る。「判断」、「決定」は、受信（receiving）（例えば、情報を受信すること）、送信（transmitting）（例えば、情報を送信すること）、入力（input）、出力（output）、アクセス（accessing）（例えば、メモリ中のデータにアクセスすること）した事を「判断」「決定」したとみなす事などを含み得る。「判断」、「決定」は、解決（resolving）、選択（selecting）、選定（choosing）、確立（establishing）、比較（comparing）などした事を「判断」「決定」したとみなす事を含み得る。つまり、「判断」「決定」は、何らかの動作を「判断」「決定」したとみなす事を含み得る。「判断（決定）」は、「想定する（assuming）」、「期待する（expecting）」、又は「みなす（considering）」などで読み替えられてもよい。

「接続された（connected）」、「結合された（coupled）」という用語、又はこれらのあらゆる変形は、２又はそれ以上の要素間の直接的又は間接的なあらゆる接続又は結合を意味し、互いに「接続」又は「結合」された２つの要素間に１又はそれ以上の中間要素が存在することを含むことができる。要素間の結合又は接続は、物理的に行われてもよく、論理的に行われてもよく、或いはこれらの組み合わせで実現されてもよい。例えば、「接続」は「アクセス」で読み替えられてもよい。本開示で使用される場合、２つの要素は、１又はそれ以上の電線、ケーブル及びプリント電気接続の少なくとも一つを用いて、並びにいくつかの非限定的かつ非包括的な例として、無線周波数領域、マイクロ波領域及び光（可視及び不可視の両方）領域の波長を有する電磁エネルギーなどを用いて、互いに「接続」又は「結合」されると考えることができる。

本開示において使用される「に基づいて」という記載は、別段に明記されていない限り、「のみに基づいて」を意味しない。言い換えれば、「に基づいて」という記載は、「のみに基づいて」と「に少なくとも基づいて」の両方を意味する。

本開示において使用される「第１の」、及び「第２の」などの呼称を使用した要素へのいかなる参照も、それらの要素の量又は順序を全般的に限定しない。これらの呼称は、２つ以上の要素間を区別する便利な方法として本開示において使用され得る。したがって、第１及び第２の要素への参照は、２つの要素のみが採用され得ること、及び何らかの形で第１の要素が第２の要素に先行しなければならないことのいずれも意味しない。

上記の各装置の構成における「部」は、「回路」、又は「デバイス」等に置き換えられてもよい。

本開示において、「含む（include）」、「含んでいる（including）」及びそれらの変形が使用されている場合、これらの用語は、用語「備える（comprising）」と同様に、包括的であることが意図される。さらに、本開示において使用されている用語「又は（or）」は、排他的論理和ではないことが意図される。

本開示において、例えば、英語での「a」,「an」及び「the」のように、翻訳により冠詞が追加された場合、本開示は、これらの冠詞の後に続く名詞が複数形であることを含んでもよい。

本開示において、「ＡとＢが異なる」という用語は、「ＡとＢが互いに異なる」ことを意味してもよい。なお、当該用語は、「ＡとＢがそれぞれＣと異なる」ことを意味してもよい。「離れる」、及び「結合される」などの用語も、「異なる」と同様に解釈されてもよい。

１…推定システム、１０…推定装置、１１…特定部、１２…推定部（第３推定部）、１３…推定部（第４推定部）、１４…推定部（第１推定部）、１５…推定部（第２推定部）、１６…算出部、１７…出力部。

Claims (7)

1. ユーザが降車する降車駅を推定する第１推定部と、
   乗車駅から前記降車駅に移動するために利用可能な複数のルートのうち、前記ユーザの性格に基づいて、前記ユーザが利用する利用ルートを推定する第２推定部と、
   を備える、推定装置。
2. 前記ユーザは、前記乗車駅に既に入場している既存ユーザと、前記乗車駅に入場すると予測される予測ユーザと、を含む、請求項１に記載の推定装置。
3. 前記既存ユーザに関するユーザ情報に基づいて前記既存ユーザの性格を推定する第３推定部を更に備える、請求項２に記載の推定装置。
4. 前記乗車駅に入場したユーザに関する過去の入場履歴に基づいて前記予測ユーザの人数及び性格を推定する第４推定部を更に備える、請求項２又は請求項３に記載の推定装置。
5. 前記第１推定部は、前記ユーザが前記乗車駅から乗車した過去の移動履歴に基づいて、前記ユーザの前記降車駅を推定する、請求項１～請求項４のいずれか一項に記載の推定装置。
6. 前記第２推定部は、前記複数のルートのそれぞれについて、ルートの特徴を示すルート情報と前記性格を示す性格情報とに基づいて利用確率を算出し、前記利用確率に基づいて前記利用ルートを推定する、請求項１～請求項５のいずれか一項に記載の推定装置。
7. 前記ユーザの前記利用ルートに基づいて、車両ごとに混雑率を算出する算出部を更に備える、請求項１～請求項６のいずれか一項に記載の推定装置。

Images