JP5232298B2 - 移動手段需要予測支援サーバ、移動手段供給システム、及び移動手段需要予測データ作成方法 - Google Patents

移動手段需要予測支援サーバ、移動手段供給システム、及び移動手段需要予測データ作成方法 Download PDF

Info

Publication number
JP5232298B2
JP5232298B2 JP2011510366A JP2011510366A JP5232298B2 JP 5232298 B2 JP5232298 B2 JP 5232298B2 JP 2011510366 A JP2011510366 A JP 2011510366A JP 2011510366 A JP2011510366 A JP 2011510366A JP 5232298 B2 JP5232298 B2 JP 5232298B2
Authority
JP
Japan
Prior art keywords
demand
information
taxi
user
moving means
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.)
Active
Application number
JP2011510366A
Other languages
English (en)
Other versions
JPWO2010123075A1 (ja
Inventor
勇輝 大薮
一郎 岡島
博 川上
俊博 鈴木
智大 永田
晩煕 趙
大介 越智
基成 小林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NTT Docomo Inc
Original Assignee
NTT Docomo Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by NTT Docomo Inc filed Critical NTT Docomo Inc
Priority to JP2011510366A priority Critical patent/JP5232298B2/ja
Publication of JPWO2010123075A1 publication Critical patent/JPWO2010123075A1/ja
Application granted granted Critical
Publication of JP5232298B2 publication Critical patent/JP5232298B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
    • G08G1/202—Dispatching vehicles on the basis of a location, e.g. taxi dispatching
    • 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"
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)

Description

本発明は、移動手段需要予測支援サーバ、移動手段供給システム、及び移動手段需要予測データ作成方法に関する。
近年、携帯電話の普及に伴い、ユーザが携帯する携帯電話からの位置情報を収集、蓄積し、これらの情報を利用した様々なサービスが提供されている。そして、ユーザが携帯する携帯電話から収集することができる位置情報等を利用してタクシーの需要予測を行い、タクシーを効率的に配車する技術が開示されている。
例えば、特許文献１では、タクシーの営業データを処理することにより得られる統計データや車両から送信されてくる営業が発生した場所及び時刻についての営業データ（プローブデータ）に基づいて、現在のタクシー需要分布を予測する技術が開示されている。また、例えば、特許文献２では、携帯端末の位置情報を収集し、地図と重ね合わせて表示することで、タクシーの潜在的な利用者の数を表示している。これにより、タクシー需要を予測することが可能となり、タクシーの配車を決定することができる。
特開２００３−１９６７９１号公報 特開２００７−２４９９１８号公報
上記特許文献１におけるタクシー利用者の需要予測では、特定の移動手段について利用頻度の高いユーザのリアルタイムな位置については取得することができない。上記特許文献２でも、携帯端末を利用してリアルタイムの位置情報を取得しているが、その位置情報が特定の移動手段の利用度合いの高いユーザかどうかは分からない。このため、精度の高い移動手段需要分布データに基づいて需要予測することができず、効率的に移動手段を供給することができない。
本発明は、精度の高い移動手段需要分布データを生成し、移動手段を効率的に供給するにあたって効果的な情報を提供することが可能な移動手段需要予測支援サーバ、移動手段供給システム及び移動手段需要予測データ作成方法を提供することを目的とする。
上記課題を解決するため、本発明の移動手段需要予測支援サーバは、複数の携帯端末から送信されてくるリアルタイムの位置情報を受信する受信手段と、特定の移動手段の利用度合いの高いユーザに関する情報を記憶する移動手段利用情報記憶手段と、移動手段利用情報記憶手段に記憶されている特定の移動手段の利用度合いの高いユーザに関する情報を用いて、受信手段において受信した位置情報の中から、特定の移動手段の利用度合いの高いユーザが所有する携帯端末の位置情報を抽出する需要位置抽出手段と、地図情報を記憶する地図情報記憶手段と、地図情報記憶手段に格納されている地図情報と、需要位置抽出手段において抽出された特定の移動手段の利用度合いの高いユーザが所有する携帯端末の位置情報とを重ね合わせた移動手段需要分布データを出力する需要分布出力手段と、を備えることを特徴としている。
また、本発明の移動手段需要予測支援方法は、複数の携帯端末から送信されてくるリアルタイムの位置情報を用いて移動手段の需要予測データを作成する移動手段需要予測データ作成方法であって、特定の移動手段の利用度合いの高いユーザに関する情報に基づいて、送信されてくる位置情報の中から、特定の移動手段の利用度合いの高いユーザが所有する携帯端末の位置情報を抽出する需要位置抽出ステップと、需要位置抽出ステップにおいて抽出された携帯端末の位置情報を地図情報に重ね合わせて特定の移動手段の需要予測データを作成する需要予測データ作成ステップと、を備えることを特徴としている。
なお、ここでいう「特定の利用手段の利用度合いの高いユーザ」とは、例えば過去数ヶ月の特定の移動手段の利用回数が閾値回数以上であるユーザや、過去数ヶ月の特定の移動手段の利用累積時間が閾値時間以上であるユーザ等、特定の移動手段を利用する度合いの高いユーザのことをいう。また、「移動手段利用頻度の高いユーザに関する情報」（以下、「当該情報」と示す）としては、例えば移動手段利用履歴データが例示される。また、当該情報としては、携帯端末のユーザに特定の利用手段を利用する頻度が高いかどうかを直接ヒアリングした結果が例示される。また、当該情報としては、携帯端末のユーザが移動手段に乗車する際に乗車位置と共に移動手段に乗車したという情報を送信するしくみから得られる情報が例示される。また、当該情報には、携帯端末から送信される位置情報に基づいて移動手段利用分析を行った結果等が例示される。
これらの発明によれば、リアルタイムで送信されてくる携帯端末の位置情報と、入手した特定の移動手段の利用度合いの高いユーザに関する情報とを用いて、特定の移動手段の利用頻度の高いユーザのリアルタイムな分布状況を反映した移動手段需要分布データが出力される。さらに、移動手段需要分布データは、移動手段事業者等が地形の状況等を考慮しながら（例えば、駅に近い場所であり、かつバスや電車が運行している時間帯であれば、特定の移動手段を利用しないであろうと、移動手段事業者は予測できる）供給を計画できるように地図情報と共に出力される。この結果、移動手段事業者等が移動手段を効率的に供給するにあたって効果的な情報を提供することができる。
また、本発明の移動手段需要予測支援サーバでは、特定の移動手段の利用度合いの高いユーザが所有する携帯端末の位置情報と、ユーザごとの特定の移動手段に乗車する確率とに基づいて、地図情報において所定の領域ごとに、特定の移動手段の需要を算出する需要算出手段をさらに備えており、需要分布出力手段は、需要算出手段によって算出された特定の移動手段の需要を移動手段需要分布データとして出力してもよい。これにより、特定の移動手段の需要が高いと予想される領域の情報を提供することが可能となる。
また、本発明の移動手段需要予測支援サーバでは、地図情報において所定の領域ごとに特定の移動手段の利用度合いの高いユーザが所有する携帯端末の数を集計する需要集計手段をさらに備えており、需要分布出力手段は、需要集計手段により集計された結果を移動手段需要分布データとして出力してもよい。これにより、特定の移動手段の需要が高いと予想される領域の情報を提供することが可能となる。
また、本発明の移動手段需要予測支援サーバでは、携帯端末を所有するユーザに関する属性情報を記憶するユーザ属性記憶手段と、属性情報に基づいてユーザが特定の移動手段に乗車する確率を算出する乗車確率算出手段と、をさらに備えており、需要分布出力手段は、特定の移動手段の乗車確率が考慮された移動手段需要分布データを出力してもよい。なお、ここでいう「移動手段の乗車確率」とは、そのユーザが特定の移動手段を使用する際の期待値を示している。例えば、同じ「移動手段利用度合いが高い」ユーザであっても、自宅までの距離や時間帯といった要因により特定の移動手段が利用される期待値は異なり、また、年齢等によっても特定の移動手段が利用される期待値は異なると考えられる。そして、特定の移動手段の乗車確率の算出は、過去の実績に基づいた統計的手法等に基づいて算出することができる。これにより、現在の位置やユーザの特性等によって変化する特定の移動手段が利用される期待値を考慮した、さらに精度を高い需要予測データが提供される。
また、本発明の移動手段需要予測支援サーバでは、ユーザ属性記憶手段は、ユーザの自宅住所に関する情報をさらに記憶しており、乗車確率算出手段は、ユーザの現在位置と自宅住所との距離に基づいて特定の移動手段の乗車確率を算出してもよい。なお、特定の移動手段の乗車確率の算出は、過去の実績に基づいた統計的手法等に基づいて算出することができる。
また、本発明の移動手段需要予測支援サーバでは、携帯端末を所有するユーザの健康状態を示す健康管理情報を受信する健康管理情報受信手段をさらに備えており、乗車確率算出手段は、健康管理情報に基づいて特定の移動手段の乗車確率を算出してもよい。ここで、健康管理情報を示す指標としては、例えば、血圧、脈拍（心拍数）、血中アルコール等がある。また、このような情報を送信する携帯端末を用いて、健康管理情報を取得することができる。
また、本発明の移動手段需要予測支援サーバでは、特定の移動手段とはタクシーであり、利用度合いとは利用頻度であってもよい。
本発明の移動手段供給システムは、上記に記載の移動手段需要予測支援サーバと、移動手段需要予測支援サーバと通信するための送受信手段と、需要分布出力手段から出力される移動手段需要分布データを表示する需要分布表示手段と、を備えていてもよい。これによれば、例えば移動手段の運転手や移動手段の運行管理者に対して、特定の移動手段の利用度合いの高いユーザのリアルタイムな位置情報に基づいた移動手段需要分布データが出力される。この結果、特定の移動手段を効率的に供給するにあたって効果的な情報を提供することができる。
本発明の移動手段供給システムは、需要分布出力手段から出力される特定の移動手段の需要分布データに基づいて移動手段の供給候補地の優先順位を表示する優先順位表示手段をさらに備えていてもよい。これによれば、例えば特定の移動手段の運転手や移動手段の運行管理者に対して、特定の移動手段の利用度合いの高いユーザのリアルタイムな位置情報に基づいた供給候補地のリストや優先順位に関するデータが出力される。この結果、特定の移動手段を効率的に供給するにあたってさらに効果的な情報を提供することができる。
本発明によれば、精度の高い移動手段需要分布データを生成し、特定の移動手段を効率的に供給するにあたって効果的な情報を提供することが可能となる。
本発明の好適な第１実施形態にかかるタクシー需要予測支援サーバの機能構成を示すブロック図である。 図１のタクシー需要予測支援サーバのハードウェア構成を示す図である。 リアルタイム位置情報のテーブル構成の一例を示す図である。 タクシー利用情報のテーブル構成の一例を示す図である。 ユーザ属性情報のテーブル構成の一例を示す図である。 健康状態管理情報のテーブル構成の一例を示す図である。 図１の地図情報記憶部に記憶されている地図及びメッシュを説明する図である。 図１の乗車確率算出部におけるモデル導出方法を説明する図である。 図１の需要分布出力部が出力する出力データ例を説明する図である。 図１の需要分布出力部が出力するタクシー需要分布データを説明する図である。 図１のタクシー需要予測支援サーバの動作を示すフローチャートである。 図１の乗車確率算出部において算出されたモデルにおける時間に対するそれぞれの重みの一例を示した図である。 図１の乗車確率算出部において算出されたモデルにおける年齢に対するそれぞれの重みの一例を示した図である。 図１の乗車確率算出部において算出されたモデルにおける自宅までの距離に対するそれぞれの重みの一例を示した図である。 図１の乗車確率算出部において算出されたモデルにおける血中アルコール濃度に対するそれぞれの重みの一例を示した図である。 図１の乗車確率算出部における乗車確率算出方法を説明する図である。 本発明の好適な他の実施形態にかかるタクシー需要予測支援サーバを含むタクシー配車システムの機能構成を示すブロック図である。 図１２の需要分布出力部が出力するタクシー需要分布データを説明する図である。 本発明の好適な他の実施形態にかかるタクシー利用情報記憶部が記憶するタクシー利用履歴情報のテーブル構成を示す図である。 本発明の好適な他の実施形態にかかる乗車確率算出部におけるモデル導出方法を説明する図である。 本発明の好適な第２実施形態にかかるタクシー需要予測支援サーバの機能構成を示すブロック図である。 図１６の需要分布出力部が出力するタクシー需要分布データを説明する図である。 図１６のタクシー需要予測支援サーバの動作を示すフローチャートである。 図１６の乗車確率算出部が算出する乗車確率の一例を示す図である。 本発明の好適な他の実施形態にかかるタクシー需要予測支援サーバを含むタクシー配車システムの機能構成を示すブロック図である。 図２０の需要分布出力部が出力するタクシー需要分布データを説明する図である。 本発明の好適な他の実施形態にかかる需要分布出力部が出力する出力データの一例を説明する図である。 本発明の好適な他の実施形態にかかる需要分布出力部が出力するタクシー需要分布データを説明する図である。 本発明の好適な他の実施形態にかかるタクシー需要予測支援サーバを含むタクシー配車システムの機能構成を示すブロック図である。 本発明の好適な他の実施形態にかかるタクシー需要予測支援サーバを含むタクシー配車システムの機能構成を示すブロック図である。 図２４および図２５に示す優先順位表示部が表示する配車候補地の優先順位の表示の一例を説明する図である。
（第１実施形態）
本発明の好適な第１実施形態に係るタクシー需要予測支援サーバ（移動手段需要予測支援サーバ）１０について、図１〜図１１を用いて説明する。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、本発明の第１実施形態に係るタクシー需要予測支援サーバ１０のブロック図である。
タクシー需要予測支援サーバ１０は、複数の携帯端末１から一定周期で送信されてくるリアルタイムの位置情報を用いてタクシー利用者（特定の移動手段の利用者）の需要予測を行う。ここで、携帯端末１とタクシー需要予測支援サーバ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って構成される通信ネットワークＮＷを介して、データ通信可能な状態で接続されている。なお、携帯端末１から送信されるユーザ位置情報は、一定周期での送信に限られるものではなく、タクシー需要予測支援サーバ１０からの要求に応じて送信することもできる。
タクシー需要予測支援サーバ１０は、図１に示すように、受信部（受信手段）１１と、タクシー利用情報記憶部（移動手段利用情報記憶手段）１２と、地図情報記憶部（地図情報記憶手段）１３と、ユーザ属性記憶部（ユーザ属性記憶手段）１４と、健康管理情報受信部（健康管理情報受信手段）１５と、需要位置抽出部（需要位置抽出手段）１６と、需要集計部（需要集計手段）１７と、乗車確率算出部（乗車確率算出手段）１８と、需要分布出力部（需要分布出力手段）１９とを含んで構成されている。
ここで、図２は、タクシー需要予測支援サーバ１０のハードウェア構成図である。タクシー需要予測支援サーバ１０は、物理的には、同図に示すように、ＣＰＵ２１、主記憶装置であるＲＡＭ２２及びＲＯＭ２３、入力デバイスである入力キー、マイク等の入力装置２４、スピーカ、ディスプレイ等の出力装置２５、ハードディスク装置、メモリカード等の補助記憶装置２６、ＮＷとの間でのデータの送受信を司る通信モジュール２７等を含む情報処理装置として構成されている。タクシー需要予測支援サーバ１０によって実現される機能は、図２に示すＣＰＵ２１、ＲＡＭ２２等のハードウェア上に所定のプログラムを読み込ませることにより、ＣＰＵ２１の制御のもとで通信モジュール２７、入力装置２４、出力装置２５を動作させるとともに、ＲＡＭ２２や補助記憶装置２６におけるデータの読み出し及び書き込みを行うことで実現される。
以下、タクシー需要予測支援サーバ１０の機能について説明する。
図１に示す、受信部１１は、複数の携帯端末１から送信されてくるリアルタイムの位置情報を受信する部分である。そして、受信部１１は、図３Ａに示すように、識別子、タイムスタンプ、緯度（位置情報）、経度（位置情報）を主に含んで形成されるリアルタイム位置情報テーブルＴＡ１に従って携帯端末１の位置情報を記憶している。なお、ここでいう識別子とは、それぞれの携帯端末１に付与されているＩＤをいう。
図１に示す、タクシー利用情報記憶部１２は、タクシー利用頻度（利用度合い）の高いユーザに関する情報を記憶している部分である。なお、タクシー利用頻度の高いユーザに関する情報には、例えば、契約時にタクシー需要予測システム等に個人情報が使用されることについてユーザの承諾を得て入手した情報であって、自己申告によるタクシー利用頻度の高低を示す情報等を用いることができる。そして、タクシー利用情報記憶部１２は、図３Ｂに示すように、識別子、タクシー利用頻度を主に含んで形成されるタクシー利用情報テーブルＴＡ２に従ってタクシー利用頻度の高いユーザに関する情報を記憶している。なお、ここでいう識別子とは、それぞれの携帯端末１に付与されているＩＤをいう。また、項目「タクシー利用頻度」における「０」はタクシー利用頻度が低いことを示し、「１」はタクシー利用頻度が高いことを示している。
図１に示す、地図情報記憶部１３は、地図情報を記憶する部分である。地図情報記憶部１３は、例えば、図５に示すような地図データＭを記憶している。また、地図情報記憶部１３は、後段で示すように所定の領域を矩形に分割したメッシュ（所定の領域）データＭ１１〜Ｍｎｍも記憶している。
図１に示す、ユーザ属性記憶部１４は、携帯端末１を所有するユーザに関する属性情報（以下、ユーザ属性情報と示す）を記憶する部分である。ユーザ属性としては、例えば、自宅住所、勤務先住所、性別、年齢等がある。そして、ユーザ属性記憶部１４は、図４Ａに示すように、識別子、自宅住所、勤務先住所、性別、年齢を主に含んで形成されるユーザ属性テーブルＴＡ３に従ってユーザ属性情報を記憶している。なお、ここでいう識別子とは、それぞれの携帯端末１に付与されているＩＤをいう。また、項目「性別」における「０」は男性を示し、「１」は女性を示している。
図１に示す、健康管理情報受信部１５は、携帯端末１を所有するユーザの健康状態を示す健康管理情報を一定の周期で受信する部分である。なお、健康管理情報の取得は、健康管理データの測定が行なえるというコンセプトの携帯端末（例えば、ウェルネス携帯端末）が所定の周期で発信するデータを取得することで実現することができる。また、ウェルネス携帯端末等から発信される健康管理情報を使用する際には、契約者に承諾を得ることを前提とする。そして、健康管理情報受信部１５は、図４Ｂに示すように、識別子、タイムスタンプ、血圧、脈拍・心拍数、血中アルコール濃度、一日の移動歩数を主に含んで形成される健康管理情報テーブルＴＡ４に従ったデータを取得することができる。なお、ここでいう識別子とは、それぞれの携帯端末１に付与されているＩＤをいう。
図１に示すように、需要位置抽出部１６は、受信部１１において受信した複数の携帯端末１のリアルタイム位置情報の中から、タクシー利用頻度の高いユーザに絞って、その携帯端末１の位置を抽出する部分である。需要位置抽出部１６は、図３Ｂに示すように、タクシー利用情報テーブルＴＡ２に格納されているデータに基づいて、タクシー利用頻度が「１」である識別子のデータを、リアルタイム位置情報テーブルＴＡ１に従って取得したデータの中から抽出する。
需要集計部１７は、図５に示すように、地図データにおいて矩形メッシュ状に分割されたメッシュＭ１１〜Ｍｎｍごとにタクシー利用頻度の高いユーザが所有する携帯端末１の数、すなわち、タクシー利用頻度の高いユーザの数を集計する部分である。需要集計部１７は、メッシュＭ１１〜Ｍｎｍごとに集計したタクシー利用頻度の高いユーザの数を需要分布出力部１９に送出する。
乗車確率算出部１８は、ユーザ属性記憶部１４に記憶された属性情報に基づいて、時間帯ごと（例えば、０時から１時）にタクシー乗車確率を算出する部分である。乗車確率算出部１８は、例えば、ニューラルネットワークやＳＶＭ（Support Vector Machine）等を利用して、ユーザ特性とタクシー乗車との関係を表すモデルを導出する。例えば、乗車確率算出部１８は、図６に示すように、リアルタイム位置情報、ユーザ属性情報、健康管理情報の中からランダムにＲ％のサンプリングデータを抽出する。次に、乗車確率算出部１８は、例えば、ニューラルネットワークに基づいて、タクシー需要と関連性の高い各サンプリングデータの項目を抽出する。例えば、乗車確率算出部１８が、「時間」、「年齢」、「自宅からの距離」、「血中アルコール濃度」という項目を抽出した場合、乗車確率算出部１８は、これらの項目に基づいて関係式（モデル）を導出する。そして、例えば、「時間」、「年齢」、「自宅からの距離」の項目に対して設定された重み係数を掛け合わせ、計上する関数をＦ１（時間、年齢、自宅からの距離）、Ｆ２（時間、自宅からの距離、血中アルコール濃度）とした場合（Ｆ１，Ｆ２ではそれぞれの項目に対して割り当てる重み係数が異なる）の、あるユーザＸの乗車確率は以下の（式１）のように導出される。
乗車確率（ユーザＸ）＝Ｆ１×ωＦ１＋Ｆ２×ωＦ２（式１）
なお、ωＦ１とωＦ２とは、関数Ｆ１と関数Ｆ２との値を調整してタクシー乗車確率を算出するための重みである。
乗車確率算出部１８は、このようにして算出された乗車確率のモデルに、受信部１１において取得されたリアルタイム位置情報、ユーザ属性記憶部１４に記憶されているユーザ属性情報、健康管理情報受信部１５において受信した健康管理情報の値を代入することによって、タクシー利用頻度の高いユーザに対する乗車確率を得る。
また、乗車確率算出部１８は、算出された乗車確率とタクシー（移動手段）を利用したユーザの実績データとを比較して、その誤差が最小となるようにモデルの変更を試みる。乗車確率算出部１８は、モデルの算出と、誤差が最小となるようにモデルの変更を試みることとを繰り返し実行することでモデルの最適化を行う。
図１に示す、需要分布出力部１９は、図７に示すように、需要集計部１７において抽出されたメッシュＭ１１〜Ｍｎｍごとに集計されたタクシー利用頻度の高いユーザの数に乗車確率算出部１８において算出した乗車確率を加味（考慮）したタクシー需要分布データを出力する。具体的には、需要分布出力部１９は、図７に示すように、乗車確率の高い部分ほどメッシュＭ１１〜Ｍｎｍの色が濃くなるようなタクシー需要分布データを出力する。図７に示すタクシー需要分布データによれば、例えば、メッシュＭ４１に該当する領域は、メッシュＭ５３に該当する領域よりもタクシー乗車確率が高いことが分かる。
需要分布出力部１９によって出力されるタクシー需要分布データＣは、図８に示すように、需要集計部１７から送出されるメッシュＭ１１〜Ｍｎｍごとに集計したタクシー利用頻度の高いユーザの数を示すデータＡに、乗車確率算出部１８が算出するタクシー利用頻度の高いユーザの乗車確率Ｂを反映させて出力される。これにより、従来、取得することができなかったタクシー利用頻度の高いユーザのリアルタイム位置情報をメッシュＭ１１〜Ｍｎｍごとに集計したデータＡだけでなく、「現在位置」、「時間帯」等によって変化するユーザがタクシーを使用する際の期待値を示すタクシーの乗車確率Ｂを加味することができる。この結果、精度の高いタクシー需要分布データＣを出力することができる。
以下、図９を用いて、タクシー需要予測支援サーバ１０におけるタクシー需要予測の処理内容（移動手段需要予測データ作成方法）について説明する。
最初に、タクシー需要予測支援サーバ１０は、複数の携帯端末１から送信されるリアルタイムの位置情報を受信して、ユーザの位置を特定する（ステップＳ０１）。具体的には、受信部１１が、図３Ａに示すようなテーブルに従ってリアルタイム位置情報を格納する。
次に、図９に示すように、タクシー需要予測支援サーバ１０は、ステップＳ０１において取得したリアルタイム位置情報の中から、タクシー利用頻度の高いユーザの位置情報のみを抽出する（ステップＳ０２）。具体的には、需要位置抽出部１６が、ステップＳ０１において取得した情報と、タクシー利用情報記憶部１２に記憶されている図３Ｂに示すようなテーブルに従って格納されたタクシー利用情報から、利用頻度の項目（利用頻度が高いことを示す「１」）をキーにタクシー利用者を抽出する。
次に、図９に示すように、タクシー需要予測支援サーバ１０は、ステップＳ０２で抽出されたタクシー利用頻度の高いユーザの位置（携帯端末１の位置）を地図上に重ね合わせる（ステップＳ０３）。具体的には、需要位置抽出部１６が、ステップＳ０２で抽出されたタクシー利用頻度の高いユーザの位置を地図情報記憶部１３に記憶されている地図データＭ上に重ね合わせる。これにより、タクシー利用頻度の高いユーザの位置のみを地図データＭ上で把握することができる。
次に、タクシー需要予測支援サーバ１０は、あらかじめ矩形のメッシュＭ１１〜Ｍｎｍに分割された領域ごとに、タクシー利用頻度の高いユーザの数を集計する（ステップＳ０４）。具体的には、需要集計部１７が、図５に示すようなメッシュＭ１１〜Ｍｎｍごとに、ステップＳ０２で算出されたタクシー利用頻度の高いユーザの数を集計する。
次に、図９に示すように、タクシー需要予測支援サーバ１０は、例えば、自宅住所、勤務先住所、性別、年齢といったユーザ属性情報を取得する（ステップＳ０５）。具体的には、乗車確率算出部１８が、図４Ａに示すようなテーブルに従ってユーザ属性記憶部１４に格納されているデータを取得する。
次に、図９に示すように、タクシー需要予測支援サーバ１０は、例えば、血圧、血糖値、アルコール濃度といったユーザの健康管理情報を取得する（ステップＳ０６）。具体的には、健康管理情報受信部１５が、例えば、健康管理情報を取得元となる携帯端末（例えば、ウェルネス携帯端末）から、図４Ｂに示すようなテーブルに従ったデータを取得する。
次に、図９に示すように、タクシー需要予測支援サーバ１０は、リアルタイム位置情報とユーザ属性情報と健康管理情報とに基づいてタクシー乗車確率を算出する（ステップＳ０７）。具体的には、乗車確率算出部１８が、ステップＳ０１で受信したリアルタイム位置情報と、ステップＳ０５において取得したユーザ属性情報と、ステップＳ０６において取得した健康管理情報とに基づいて、ニューラルネットワーク技術等によって導出されたモデルを用いてタクシー乗車確率を算出する。
以下、ニューラルネットワーク技術によって、例えば、「時間」、「年齢」、「自宅からの距離」、「血中アルコール濃度」に関して、図１０Ａ〜図１０Ｄに示すような重みを有する以下のモデル（式２）を得ることができたと仮定して説明する。
乗車確率（ユーザＸ）＝Ｆ１×ωＦ１＋Ｆ２×ωＦ２（式２）
Ｆ１＝（時間×ωtime，年齢×ωage，自宅まで距離×ωdistance）
Ｆ２＝（時間×ωtime，自宅まで距離×ωdistance，血中アルコール濃度×ωalchol）
なお、ωＦ１及びωＦ２は、関数Ｆ１と関数Ｆ２との値を調整してタクシー乗車確率を算出するための重みである。また、図１０Ａはリアルタイム位置情報取得時の時間に対する重みωtime、図１０Ｂはユーザの年齢に対する重みωage、図１０Ｃはリアルタイム位置情報取得時における自宅までの距離に対する重みωdistance、図１０Ｄはリアルタイム位置情報取得時における血中アルコール濃度に対する重みωalcholに対する重みである。
乗車確率算出部１８は、タクシー利用頻度の高いユーザにおける諸条件、例えば、時間、年齢、自宅からの距離、血中アルコール濃度等からタクシー乗車確率を算出する（ステップＳ０７）。例えば、ユーザＸの諸条件が、例えば、図１１に示すように、時間が２３時、年齢が５０歳、自宅との距離が５ｋｍ、血中アルコール濃度が０．１５％である場合、これらの値を（式２）に入力し、それぞれの入力値に対応する図１０Ａ〜図１０Ｄの重みが加味されることによって算出される（例えば、タクシー乗車確率＝０．２３）。
次に、需要分布出力部１９は、タクシー利用頻度の高いユーザごとに乗車確率を算出し、メッシュＭ１１〜Ｍｎｍごとにその乗車確率の和を算出する。そして、乗車確率の和の値に応じた凡例（例えば、色、ハッチング）を出力する（ステップＳ０８）。例えば、１つのメッシュにタクシー利用頻度の高いユーザが３人位置し、それぞれのユーザのタクシー乗車確率が、「０．２５」、「０．２５」、「０．５」とするとき、そのメッシュの値は、それぞれの乗車確率を足して「１．０」となる。そして、そのメッシュが、タクシー乗車確率の和（１．０）に該当する凡例（例えば、色、ハッチング）が施されるような出力を行う。例えば、需要分布出力部１９は、図７に示すように、タクシー乗車確率の和が高くなるほど、濃い色の凡例が施されるように出力する。
以上、ステップＳ０１〜ステップＳ０８を実行することによって、リアルタイムで送信されてくる携帯端末１の位置情報と、あらかじめ入手したタクシー利用頻度の高いユーザに関する情報とを用いて、タクシー利用頻度の高いユーザのリアルタイムな位置情報を反映したタクシー需要分布データが出力される。さらに、タクシー事業者等が地形の状況等を考慮しながらタクシーの配車計画（供給計画）をすることができるように地図データＭと共に出力される。この結果、タクシーを効率的に配車するにあたって効果的な情報を提供することができる。
さらに、本実施形態のタクシー需要予測支援サーバ１０では、リアルタイム位置情報、ユーザ属性情報、健康管理情報等に基づいて、それぞれのユーザの「タクシー乗車確率」を算出している。これにより、タクシー利用頻度が高いユーザのリアルタイムの位置情報に、ユーザの属性や現在位置との関係から変化する「タクシー乗車確率」を加味したタクシー需要分布データを出力することができる。
（第２実施形態）
本発明の好適な第２実施形態に係るタクシー需要予測支援サーバ（移動手段需要予測支援サーバ）６０について、図１６〜図１９を用いて説明する。第２実施形態に係るタクシー需要予測支援サーバ６０は、図１に示す第１実施形態のタクシー需要予測支援サーバ１０の構成要素のうち、需要集計部１７に相違点がある。すなわち、第２実施形態に係るタクシー需要予測支援サーバ６０では、需要算出部（需要算出手段）６１を備える点に特徴がある。以下、第１実施形態と同一要素には同一符号を付して、重複する説明を省略し、第１実施形態と異なる部分について説明する。
図１６は、本発明の第２実施形態に係るタクシー需要予測支援サーバ６０のブロック図である。需要算出部（需要算出手段）６１は、需要位置抽出部１６によって抽出されたタクシー利用頻度の高いユーザが所有する携帯端末１の位置情報と、乗車確率算出部１８によって算出されたユーザのタクシー乗車確率とに基づいて、地図情報において矩形メッシュ状に分割された所定の領域ごとに、タクシーの需要を算出する部分である。具体的には、需要算出部６１は、図５に示すような地図データにおいて矩形メッシュ状に分割されたメッシュＭ１１〜Ｍｎｍごとに、タクシーの需要を算出する。
需要分布出力部１９は、図７に示すように、需要算出部６１において算出されたメッシュＭ１１〜Ｍｎｍごとのタクシーの需要をタクシー需要分布データとして出力する。具体的には、需要分布出力部１９は、図７に示すように、タクシー需要の大きな領域ほどメッシュＭ１１〜Ｍｎｍの色が濃くなるようなタクシー需要分布データを出力する。図７に示すタクシー需要分布データによれば、例えば、メッシュＭ４１に該当する領域は、メッシュＭ５３に該当する領域よりもタクシー需要が大きいことが分かる。なお、タクシーの需要を示す指標の一例については後段にて詳述する。
需要分布出力部１９によって出力されるタクシー需要分布データＣ１は、図１７に示すように、需要位置抽出部１６から送出されるタクシー利用頻度の高いユーザのリアルタイムの位置を示すデータＡ１と、乗車確率算出部１８が算出するタクシー利用頻度の高いユーザの乗車確率を示すデータテーブルＢ１とに基づいて、タクシー利用頻度の高いユーザのリアルタイム位置情報とタクシー乗車確率情報とを関連付け、メッシュＭ１１〜Ｍｎｍごとのタクシーの需要を示したタクシー需要分布データＣ１を出力する。これにより、従来、取得することができなかったタクシー利用頻度の高いユーザのリアルタイム位置情報を示したデータＡ１だけでなく、「現在位置」、「時間帯」等によって変化するユーザのタクシーを使用する際の期待値を示すタクシーの乗車確率Ｂ１が考慮された、メッシュＭ１１〜Ｍｎｍごとのタクシーの需要を取得することができる。この結果、精度の高いタクシー需要分布データＣ１を出力することができる。
以下、図１８を用いて、タクシー需要予測支援サーバ６０におけるタクシー需要予測の処理内容（移動手段需要予測データ作成方法）について説明する。
最初に、タクシー需要予測支援サーバ６０は、複数の携帯端末１から送信されるリアルタイムの位置情報を受信して、ユーザの位置を特定する（ステップＳ６１）。具体的には、受信部１１が、図３Ａに示すようなテーブルに従ってリアルタイム位置情報を格納する。
図１８に戻り、次に、タクシー需要予測支援サーバ６０は、ステップＳ６１において取得したリアルタイム位置情報の中から、タクシー利用頻度の高いユーザの位置情報のみを抽出する（ステップＳ６２）。具体的には、需要位置抽出部１６が、ステップＳ６１において取得した情報と、タクシー利用情報記憶部１２に記憶されている図３Ｂに示すようなテーブルに従って格納されたタクシー利用情報から、利用頻度の項目（利用頻度が高いことを示す「１」）をキーにタクシー利用者を抽出する。
図１８に戻り、次に、タクシー需要予測支援サーバ６０は、ステップＳ６２で抽出されたタクシー利用頻度の高いユーザの位置（携帯端末１の位置）を地図上に重ね合わせる（ステップＳ６３）。具体的には、需要位置抽出部１６が、ステップＳ６２で抽出されたタクシー利用頻度の高いユーザの位置を地図情報記憶部１３に記憶されている地図データＭ上に重ね合わせる。これにより、タクシー利用頻度の高いユーザの位置のみを地図データＭ上で把握することができる。
次に、タクシー需要予測支援サーバ６０は、例えば、自宅住所、勤務先住所、性別、年齢といったユーザ属性情報を取得する（ステップＳ６４）。具体的には、乗車確率算出部１８が、図４Ａに示すようなテーブルに従ってユーザ属性記憶部１４に格納されているデータを取得する。
図１８に戻り、タクシー需要予測支援サーバ６０は、例えば、血圧、血糖値、アルコール濃度といったユーザの健康管理情報を取得する（ステップＳ６５）。具体的には、健康管理情報受信部１５が、例えば、健康管理情報を取得元となる携帯端末（例えば、ウェルネス携帯端末）から、図４Ｂに示すようなテーブルに従ったデータを取得する。
図１８に戻り、タクシー需要予測支援サーバ６０は、リアルタイム位置情報とユーザ属性情報と健康管理情報とに基づいて、タクシー乗車確率を算出する（ステップＳ６６）。具体的には、乗車確率算出部１８が、ステップＳ６１で受信したリアルタイム位置情報と、ステップＳ６４において取得したユーザ属性情報と、ステップＳ６５において取得した健康管理情報とに基づいて、ニューラルネットワーク技術等によって導出されたモデルを用いてタクシー乗車確率を算出する。
以下、ニューラルネットワーク技術によって、例えば、「時間」、「年齢」、「自宅からの距離」、「血中アルコール濃度」に関して、図１０Ａ〜図１０Ｄに示すような重みを有する以下のモデル（式２）を得ることができたと仮定して説明する。
乗車確率（ユーザＸ）＝Ｆ１×ωＦ１＋Ｆ２×ωＦ２（式２）
Ｆ１＝（時間×ωtime，年齢×ωage，自宅まで距離×ωdistance）
Ｆ２＝（時間×ωtime，自宅まで距離×ωdistance，血中アルコール濃度×ωalchol）
なお、ωＦ１及びωＦ２は、関数Ｆ１と関数Ｆ２との値を調整してタクシー乗車確率を算出するための重みである。また、図１０Ａはリアルタイム位置情報取得時の時間に対する重みωtime、図１０Ｂはユーザの年齢に対する重みωage、図１０Ｃはリアルタイム位置情報取得時における自宅までの距離に対する重みωdistance、図１０Ｄはリアルタイム位置情報取得時における血中アルコール濃度に対する重みωalcholに対する重みである。
乗車確率算出部１８は、タクシー利用頻度の高いユーザにおける諸条件、例えば、時間、年齢、自宅からの距離、血中アルコール濃度等からタクシー乗車確率を算出する。例えば、ユーザＸの諸条件が、例えば、図１１に示すように、時間が２３時、年齢が５０歳、自宅との距離が５ｋｍ、血中アルコール濃度が０．１５％である場合、これらの値を（式２）に入力し、それぞれの入力値に対応する図１０Ａ〜図１０Ｄの重みが加味されることによって算出される。ここでは、例えば図１９に示すような、識別子「００１」〜「００４」のユーザの時間帯「０８：００」におけるタクシー乗車確率情報がそれぞれ算出されたとして以下の説明を行う。
図１８に戻り、次に、需要算出部６１は、ステップＳ６３において抽出されたタクシー利用頻度の高いユーザが所有する携帯端末１のリアルタイム位置情報と、ステップＳ６６において算出されたユーザのタクシー乗車確率とに基づいて、地図情報において矩形メッシュ状に分割された所定の領域ごとに、タクシーの需要を算出する。具体的には、需要算出部６１は、例えば図３Ａに示すようなデータテーブルに格納されているＳ６３において抽出されたタクシー利用頻度の高いユーザのリアルタイム位置情報と、例えば図１９に示すようなデータテーブルに格納されているステップＳ６６において算出されたタクシー乗車確率とを識別子をキーにして結合する。これにより、タクシー利用頻度の高いユーザのリアルタイム位置情報と、タクシー乗車確率情報とを関連付けることができる。次に、需要算出部６１は、メッシュＭ１１〜Ｍｎｍごとにタクシー需要の指標を算出する（ステップＳ６７）。タクシー需要の指標の一例としては、メッシュごとに位置する上記ユーザの乗車確率の和が挙げられる。例えば、１つのメッシュ内に図１９に示すような識別子００１〜００４のユーザが位置した場合、それぞれの乗車確率（０．２５、０．３３、０．０１、０．４１）の和（１．００）が、当該メッシュのタクシー需要の指標となる。このような指標を用いることにより、図５に示すような地図データにおいて矩形メッシュ状に分割されたメッシュＭ１１〜Ｍｎｍごとに、タクシーの需要を算出することができる。
図１８に戻り、次に、需要分布出力部１９は、需要算出部６１が算出したタクシー需要をタクシー需要分布データとして出力する（ステップＳ６８）。具体的には、需要分布出力部１９は、メッシュＭ１１〜Ｍｎｍに対して、乗車確率の和の値（タクシー需要の指標）に応じた凡例（例えば、色、ハッチング）を施したデータを出力する。例えば、需要分布出力部１９は、図７に示すように、タクシー乗車確率の和が高くなるほど、濃い色の凡例が施されるように出力する。
以上、ステップＳ６１〜ステップＳ６８を実行することによって、リアルタイムで送信されてくる携帯端末１の位置情報と、あらかじめ入手したタクシー利用頻度の高いユーザに関する情報とを用いて、タクシー利用頻度の高いユーザのリアルタイムな位置情報を反映したタクシー需要分布データが出力される。
以上、本発明を上記第１実施形態および第２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、本発明は、図１２に示すような、タクシー需要予測支援サーバ１０と、例えば、無線回線等によって通信可能な状態で接続されている車両用装置４０と、を備えたタクシー配車システム（移動手段供給システム）１００としても実現可能である。ここで、車両用装置４０について、図１２を用いて説明する。
車両用装置４０は、送受信部４１と、コントローラ４２と、表示部（表示手段、需要分布表示手段）４３とを備えている。
送受信部４１は、タクシー需要予測支援サーバ１０から送信されるタクシー需要分布データを受信する。また、タクシーがＧＰＳ受信機（図示せず）等を備えている場合には、ＧＰＳ受信機から取得した位置、営業情報をタクシー需要予測支援サーバ１０に向けて一定周期で送信してもよい。なお、これらの情報の送信は、タクシー需要予測支援サーバ１０の要求に応じて行われてもよい。
コントローラ４２は、送受信部４１及び後述する表示部４３を制御し、主に、タクシー需要予測支援サーバ１０から送信されてくるタクシー需要分布データを表示部４３に表示させる。
表示部４３は、タクシーの車内に配置されており、タクシー需要予測支援サーバ１０から送信されてくるタクシー需要分布データを表示する。
このような上記構成を含むタクシー配車システム１００によれば、例えば、タクシーの運転手に対して、表示部４３を介してタクシー需要分布データを提供することができる。この結果、タクシーの運転手は、タクシーの需要が高いと判定された領域に車を移動させることが可能となる。
また、タクシー配車システム（移動手段供給システム）１００は、図１２に示すように、プローブ情報処理システム５１と、プローブベース需要分布出力部５２とをさらに備えていてもよい。
プローブ情報処理システム５１は、複数のタクシー４５から送信される営業データを処理することにより得られる統計データやタクシー４５から送信されてくる営業が発生した場所及び時刻についての営業データ（以下、プローブデータと示す）を収集する。プローブベース需要分布出力部５２は、プローブ情報処理システム５１において収集されるプローブデータに基づいて、現在のタクシー需要分布を予測する。
プローブ情報処理システム５１とプローブベース需要分布出力部５２とを備えたタクシー配車システム１００によれば、需要分布出力部１９は、図１３に示すように、需要集計部１７から送出されるメッシュＭ１１〜Ｍｎｍごとに集計したタクシー利用頻度の高いユーザの数を示すデータＤに、乗車確率算出部１８が算出するタクシー利用頻度の高いユーザの乗車確率Ｅを加味し、さらに、プローブ情報処理システム５１から得られる需要分布予想データＦを加味したタクシー需要分布データＧを出力する。これにより、さらに精度の高いタクシー需要分布データを提供することができる。
また、例えば、本発明は、図１２に示すタクシー配車システム１００のうち、タクシー需要予測支援サーバ１０の部分を、図２０に示すような構成のタクシー需要予測支援サーバ６０とした、タクシー配車システム（移動手段供給システム）２００として構成してもよい。なお、タクシー需要予測支援サーバ６０は、上記第２実施形態で説明したものと同様であるのでここではその説明は省略する。
プローブ情報処理システム５１とプローブベース需要分布出力部５２とを備えたタクシー配車システム２００によれば、需要分布出力部１９は、図２１に示すように、需要位置抽出部１６から送出されるタクシー利用頻度の高いユーザのリアルタイムの位置を示すデータＤ１と、乗車確率算出部１８が算出するタクシー利用頻度の高いユーザの乗車確率を示すデータテーブルＥ１とに基づいて、タクシー利用頻度の高いユーザのリアルタイム位置情報と、タクシー乗車確率情報とを関連付け、さらに、プローブ情報処理システム５１から得られる需要分布予想データＦ１を考慮した、メッシュＭ１１〜Ｍｎｍごとのタクシーの需要を示したタクシー需要分布データＧ１を出力する。これにより、さらに精度の高いタクシー需要分布データを提供することができる。
また、上記タクシー需要予測支援サーバ１０では、図９に示すように、ステップＳ０１からステップＳ０８まで順番に処理をする例を挙げて説明した。しかし、これに限定されるものではなく、例えば、ステップＳ０５〜ステップＳ０７をステップＳ０１〜ステップＳ０４よりも先に処理してもよい。また、ステップＳ０１〜ステップＳ０４とステップＳ０５〜ステップＳ０７とを並行に処理してもよい。同様に、上記タクシー需要予測支援サーバ６０では、図１８に示すように、ステップＳ６１からステップＳ６８まで順番に処理をする例を挙げて説明した。しかし、これに限定されるものではなく、例えば、ステップＳ６４〜ステップＳ６６をステップＳ６１〜ステップＳ６３よりも先に処理してもよい。また、ステップＳ６１〜ステップＳ６３とステップＳ６４〜ステップＳ６６とを並行に処理してもよい。
上記タクシー需要予測支援サーバ１０においては、図１１に示すように、乗車確率算出部１８が、「時間」、「年齢」、「自宅からの距離」の組み合わせに対するタクシー乗車確率を算出する例を挙げて説明したが、これに限定されるものではない。例えば、図４Ａに示すユーザ属性情報に含まれる「勤務先住所」と、受信部１１において取得されたリアルタイムの位置情報とから算出される「勤務先からの距離」に基づいてタクシー乗車確率を算出してもよい。
上記タクシー需要予測支援サーバ１０，６０では、需要分布出力部１９が、需要集計部１７によって集計されたタクシー利用頻度の高いユーザの数を表示し、ユーザの数ごとに決められた凡例で出力するようにしてもよい。また、タクシー需要予測支援サーバ１０，６０は、例えば図２２に示すように、タクシー利用頻度の高いユーザの位置を地図データＭ上に表示してもよいし、その際、乗車確率算出部１８によって算出されたタクシー乗車確率に応じた凡例を施すように出力してもよい。例えば図２２に示すように、タクシー乗車確率に応じて当該確率が所定閾値以上のユーザの位置を「○」、所定閾値未満のユーザの位置を「●」で表示してもよい。
また、タクシー需要予測支援サーバ１０は、図２３に示すように、上記プローブ情報処理システム５１から得られる需要分布予想データＨに、需要位置抽出部１６から送出されるタクシー利用頻度の高いユーザのリアルタイムの位置を示すデータＩと、乗車確率算出部１８が算出するタクシー利用頻度の高いユーザの乗車確率を示すデータテーブルJとに基づいて、タクシー利用頻度の高いユーザのリアルタイム位置情報とタクシー乗車確率情報とを関連付け、タクシー利用ユーザの分布を示したタクシー需要分布データＫを出力してもよい。
また、需要分布出力部１９は、メッシュＭ１１〜Ｍｎｍごとに凡例を施すのではなく、タクシー利用頻度の高いユーザの数を数字として出力してもよい。
また、タクシー需要予測支援サーバ１０，６０では、天気、気温等の外部環境情報や、催し、事故等のイベント情報等を外部機関から定期的に入手して、タクシー乗車確率を算出するにあたって、その要素を加えてもよい。
また、タクシー需要予測支援サーバ１０，６０では、タクシー利用頻度の高いユーザあるいは乗車確率を算出する際に、図１４に示すように、識別子、タクシー利用開始日時、始点緯度、始点経度を主に含んで形成されるタクシー利用履歴テーブルＴＡ５に従って格納されるタクシー利用履歴情報をタクシー利用情報の一つとして使用することも可能である。なお、ここでいう識別子とは、それぞれの携帯端末１に付与されているＩＤをいう。
例えば、タクシー利用頻度の高いユーザは、タクシー利用履歴テーブルＴＡ５に従って格納されているデータの中から、例えば過去数ヶ月以内にタクシーの利用回数が閾値以上という条件や、過去数ヶ月以内にタクシーの利用累積時間が閾値以上という条件で抽出することができる。
また、タクシー利用履歴テーブルＴＡ５に従って格納されているデータを使用することによって、例えば、乗車確率算出部１８は、図１５に示すような、「時間帯別タクシー利用回数」、「年齢」、「自宅距離に関する情報」、「血中アルコール濃度」という項目に基づいて関係式（モデル）を導出することも可能となる。なお、ここでいう「自宅距離に関する情報」とは、リアルタイム位置情報から得られる自宅からの距離をＤ１−タクシー利用データから得られる自宅からの平均距離をＤ２としたときの、Ｄ１−Ｄ２をいう。
そして、例えば、「時間帯別タクシー利用回数」、「年齢」、「自宅距離に関する情報」、「血中アルコール濃度」の項目に対して設定された重み係数を掛け合わせ、計上する関数をｙ１（時間帯別タクシー利用回数、年齢、自宅距離に関する情報、血中アルコール濃度）、ｙ２（時間帯別タクシー利用回数、年齢、自宅距離に関する情報、血中アルコール濃度）とした場合（ｙ１，ｙ２ではそれぞれの項目に対して割り当てる重み係数が異なる）の、あるユーザＸの時間帯別乗車確率ＺＴは以下の（式３）のように導出される。
時間帯別乗車確率（ユーザＸ）＝ｙ１×ω’１＋ｙ２×ω’２（式３）
ｙ１＝（時間帯別タクシー利用回数×ω１１，年齢×ω２１，自宅距離に関する情報×ω３１，血中アルコール濃度×ω４１）
ｙ２＝（時間帯別タクシー利用回数×ω１２，年齢×ω２２，自宅距離に関する情報×ω３２，血中アルコール濃度×ω４２）
なお、ω’１及びω’２は、関数ｙ１と関数ｙ２との値を調整して時間帯別乗車確率ＺＴを算出するための重みである。
また、タクシー配車システム（移動手段供給システム）１００，２００における車両用装置４０では、図２４および図２５に示すように、送受信部（送受信手段）４１と、コントローラ４２と、表示部（表示手段、需要分布表示手段）４３とに加え、優先順位表示部（優先順位表示手段）４４をさらに有していてもよい。優先順位表示部４４は、需要分布出力部１９から出力されるタクシー需要分布データに基づいてタクシー４５の配車候補地（供給候補地）の優先順位を表示する部分である。配車候補地の優先順位の表示方法としては、例えば、図２６に示すような住所地名等（東京都中央区銀座１丁目１・・・等）を優先順位の高いものから順に並べる方法や、地図上に優先順位の高い配車候補地を１０箇所程度表示する方法が例示される。また、表示部４３及び優先順位表示部４４は、車両用装置４０として構成されるのではなく、例えば配車センター等（オペレータ側）に配置されてもよい。また、表示部４３及び優先順位表示部４４は、車両（タクシー）側と配車センター（オペレータ）側との両方に設けられてもよい。これによれば、タクシーの運転手やタクシーの運行管理者に対して、タクシーの利用度合いの高いユーザのリアルタイムな位置情報に基づいた配車候補地のリストや優先順位に関するデータが出力される。この結果、タクシーを効率的に配車するにあたってさらに効果的な情報を提供することができる。
また、上記実施形態においては、矩形メッシュごとに分割した所定の領域単位でタクシーの需要分布を予測する例を挙げて説明したがこれに限定されるものではなく、例えば町丁目単位など任意の領域単位で実施することが可能である。
以上の説明では、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。すなわち、「特定の移動手段の利用度合いの高いユーザに関する情報」を蓄積しておくことにより、上記例示された移動手段に適用することが可能である。この場合、例えば図３Ｂに示す「タクシー利用頻度」を示す情報を「移動手段利用頻度」を示す情報に変更し、例えばタクシー利用頻度の高いユーザを示す情報を「０１」、バス利用頻度の高いユーザを示す情報を「０２」、電車利用頻度の高いユーザを示す情報を「０３」等として管理することにより、特定の移動手段の利用頻度が高いユーザを抽出することができる。また、タクシー、バス、電車といった移動手段種別だけでなく、個々の移動手段の識別子も合わせて管理することにより、個々の移動手段の利用頻度の高いユーザを抽出することができる。このように、タクシーだけでなく、これらの移動手段に適用した場合であっても、精度の高い移動手段需要分布データを生成することができ、移動手段を効率的に供給するにあたって効果的な情報を提供することが可能となる。
なお、「移動手段利用頻度の高いユーザに関する情報」（以下、「当該情報」と示す）としては、例えば移動手段利用履歴データが例示される。また、当該情報としては、携帯端末のユーザに特定の利用手段を利用する頻度が高いかどうかを直接ヒアリングした結果が例示される。また、当該情報としては、携帯端末のユーザが移動手段に乗車する際に乗車位置と共に移動手段に乗車したという情報を送信するしくみから得られる情報が例示される。また、当該情報には、携帯端末から送信される位置情報に基づいて移動手段利用分析を行った結果等が例示される。
本発明によれば、精度の高い移動手段需要分布データを生成し、移動手段を効率的に供給するにあたって効果的な情報を提供することが可能な移動手段需要予測支援サーバ、移動手段供給システム、及び移動手段需要予測データ作成方法を提供する。
１…携帯端末、１０，６０…タクシー需要予測支援サーバ、１１…受信部、１２…タクシー利用情報記憶部、１３…地図情報記憶部、１４…ユーザ属性記憶部、１５…健康管理情報受信部、１６…需要位置抽出部、１７…需要集計部、１８…乗車確率算出部、１９…需要分布出力部、２１…ＣＰＵ、２２…ＲＡＭ、２３…ＲＯＭ、２４…入力装置、２５…出力装置、２６…補助記憶装置、２７…通信モジュール、４０…車両用装置、４１…送受信部、４２…コントローラ、４３…表示部、４４…優先順位表示部、５１…プローブ情報処理システム、５２…プローブベース需要分布出力部、６１…需要算出部、１００，２００…タクシー配車システム、Ｍ…地図データ、Ｍ１１〜Ｍｎｍ…メッシュデータ、ＮＷ…通信ネットワーク、ＴＡ１…リアルタイム位置情報テーブル、ＴＡ２…タクシー利用情報テーブル、ＴＡ３…ユーザ属性テーブル、ＴＡ４…健康管理情報テーブル、ＴＡ５…タクシー利用履歴テーブル。

Claims (9)

  1. 複数の携帯端末から送信されてくるリアルタイムの位置情報を受信する受信手段と、
    特定の移動手段の利用度合いの高いユーザに関する情報を記憶する移動手段利用情報記憶手段と、
    前記移動手段利用情報記憶手段に記憶されている前記特定の移動手段の利用度合いの高いユーザに関する情報を用いて、前記受信手段において受信した前記位置情報の中から、前記特定の移動手段の利用度合いの高いユーザが所有する携帯端末の位置情報を抽出する需要位置抽出手段と、
    地図情報を記憶する地図情報記憶手段と、
    前記地図情報記憶手段に格納されている前記地図情報と、前記需要位置抽出手段において抽出された前記特定の移動手段の利用度合いの高いユーザが所有する携帯端末の位置情報とを重ね合わせた移動手段需要分布データを出力する需要分布出力手段と、
    を備え、
    携帯端末を所有するユーザに関する属性情報を記憶するユーザ属性記憶手段と、
    前記属性情報に基づいて前記ユーザが前記特定の移動手段に乗る確率を算出する確率算出手段と、をさらに備え、
    前記需要分布出力手段は、前記特定の移動手段に乗る確率が考慮された移動手段需要分布データを出力することを特徴とする、移動手段需要予測支援サーバ。
  2. 前記特定の移動手段の利用度合いの高いユーザが所有する携帯端末の位置情報と、前記ユーザごとの前記特定の移動手段に乗る確率とに基づいて、前記地図情報において所定の領域ごとに、前記特定の移動手段の需要を算出する需要算出手段をさらに備えており、
    前記需要分布出力手段は、前記需要算出手段によって算出された前記特定の移動手段の需要を前記移動手段需要分布データとして出力する、
    請求項１に記載の移動手段需要予測支援サーバ。
  3. 前記地図情報において所定の領域ごとに前記特定の移動手段の利用度合いの高いユーザが所有する携帯端末の数を集計する需要集計手段をさらに備えており、
    前記需要分布出力手段は、前記需要集計手段により集計された結果を前記移動手段需要分布データとして出力する、
    請求項１に記載の移動手段需要予測支援サーバ。
  4. 前記ユーザ属性記憶手段は、前記ユーザの自宅住所に関する情報をさらに記憶しており、
    前記確率算出手段は、前記ユーザの現在位置と前記自宅住所との距離に基づいて前記特定の移動手段に乗る確率を算出する、
    請求項１から３のいずれか１項に記載の移動手段需要予測支援サーバ。
  5. 前記携帯端末を所有するユーザの健康状態を示す健康管理情報を受信する健康管理情報受信手段をさらに備えており、
    前記確率算出手段は、前記健康管理情報に基づいて前記特定の移動手段に乗る確率を算出する、
    請求項１から４のいずれか１項に記載の移動手段需要予測支援サーバ。
  6. 前記特定の移動手段とはタクシーであり、前記利用度合いとは利用頻度である、
    請求項１から５のいずれか１項に記載の移動手段需要予測支援サーバ。
  7. 請求項１から６のいずれか１項に記載の移動手段需要予測支援サーバと、
    前記移動手段需要予測支援サーバと通信するための送受信手段と、
    前記需要分布出力手段から出力される前記移動手段需要分布データを表示する需要分布表示手段と、
    を備えることを特徴とする移動手段供給システム。
  8. 前記需要分布出力手段から出力される前記移動手段需要分布データに基づいて前記特定の移動手段の供給候補地の優先順位を表示する優先順位表示手段をさらに備える、
    請求項７に記載の移動手段供給システム。
  9. 複数の携帯端末から送信されてくるリアルタイムの位置情報を用いて特定の移動手段の需要予測データを作成する移動手段需要予測データ作成方法であって、
    前記特定の移動手段の利用度合いの高いユーザに関する情報に基づいて、前記送信されてくる位置情報の中から、前記特定の移動手段の利用度合いの高いユーザが所有する前記携帯端末の位置情報を抽出する需要位置抽出ステップと、
    前記需要位置抽出ステップにおいて抽出された前記携帯端末の前記位置情報を地図情報に重ね合わせて前記特定の移動手段の需要予測データを作成する需要予測データ作成ステップと、
    を備え、
    携帯端末を所有するユーザに関する属性情報に基づいて前記ユーザが前記特定の移動手段に乗る確率を算出する確率算出ステップをさらに備え、
    前記需要予測データ作成ステップでは、前記特定の移動手段に乗る確率が考慮された需要予測データを作成することを特徴とする移動手段需要予測データ作成方法。
JP2011510366A 2009-04-23 2010-04-22 移動手段需要予測支援サーバ、移動手段供給システム、及び移動手段需要予測データ作成方法 Active JP5232298B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2011510366A JP5232298B2 (ja) 2009-04-23 2010-04-22 移動手段需要予測支援サーバ、移動手段供給システム、及び移動手段需要予測データ作成方法

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
JP2009105255 2009-04-23
JP2009105255 2009-04-23
JP2011510366A JP5232298B2 (ja) 2009-04-23 2010-04-22 移動手段需要予測支援サーバ、移動手段供給システム、及び移動手段需要予測データ作成方法
PCT/JP2010/057167 WO2010123075A1 (ja) 2009-04-23 2010-04-22 移動手段需要予測支援サーバ、移動手段供給システム、及び移動手段需要予測データ作成方法

Publications (2)

Publication Number Publication Date
JPWO2010123075A1 JPWO2010123075A1 (ja) 2012-10-25
JP5232298B2 true JP5232298B2 (ja) 2013-07-10

Family

ID=43011191

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2011510366A Active JP5232298B2 (ja) 2009-04-23 2010-04-22 移動手段需要予測支援サーバ、移動手段供給システム、及び移動手段需要予測データ作成方法

Country Status (2)

Country Link
JP (1) JP5232298B2 (ja)
WO (1) WO2010123075A1 (ja)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018190428A1 (ja) * 2017-04-14 2018-10-18 株式会社Ｎｔｔドコモ 需要予測装置
KR20200014977A (ko) * 2018-08-02 2020-02-12 전수황 택시수요조절을 통한 승차거부해소 방법
KR20200049563A (ko) * 2018-10-31 2020-05-08 도요타지도샤가부시키가이샤 표시 제어 방법, 표시 제어 장치, 및 기록 매체
KR20200049562A (ko) * 2018-10-31 2020-05-08 도요타지도샤가부시키가이샤 표시 제어 방법, 표시 제어 장치, 표시 제어 프로그램을 기억하는 비일시적 기록 매체, 및 표시 제어 시스템
US10740701B2 (en) 2016-03-03 2020-08-11 Beijing Didi Infinity Technology And Development Co., Ltd. Systems and methods for determining predicted distribution of future transportation service time point
US10743134B2 (en) * 2012-07-03 2020-08-11 Uber Technologies, Inc. System and method for providing dynamic supply positioning for on-demand services
KR102183610B1 (ko) * 2020-05-14 2020-11-26 이영우 택시 또는 대리운전 서비스 수요 상황 정보를 제공하는 정보 전달 시스템 및 그 구동방법

Families Citing this family (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5761745B2 (ja) * 2011-04-20 2015-08-12 日本電気通信システム株式会社 カート利用効率化装置、システム、方法及びプログラム
US20130246207A1 (en) 2012-03-19 2013-09-19 Uber Technologies, Inc. System and method for dynamically adjusting prices for services
JP6210189B2 (ja) * 2013-03-25 2017-10-11 日本電気株式会社 車両位置制御装置、プログラム及び方法
CA2942339C (en) 2014-03-13 2022-06-07 Uber Technologies, Inc. Configurable push notifications for a transport service
US9960986B2 (en) 2014-03-19 2018-05-01 Uber Technologies, Inc. Providing notifications to devices based on real-time conditions related to an on-demand service
WO2015198593A1 (ja) * 2014-06-25 2015-12-30 日本電気株式会社 情報処理装置、処理方法とそのプログラムを格納した記録媒体
US10067988B2 (en) 2015-07-21 2018-09-04 Uber Technologies, Inc. User-based content filtering and ranking to facilitate on-demand services
CN105448081B (zh) * 2015-12-10 2018-01-16 南通大学 一种实时出租车空间分布状态的预警方法
JP6337035B2 (ja) * 2016-02-18 2018-06-06 ヤフー株式会社 情報処理装置、情報処理方法及びプログラム
CN107424022B (zh) * 2016-05-23 2022-02-11 北京嘀嘀无限科技发展有限公司 一种订单的推送方法及系统
US10460411B2 (en) 2016-08-30 2019-10-29 Uber Technologies, Inc. Real-time resource management for on-demand services
JP7016696B2 (ja) * 2016-12-28 2022-02-07 本田技研工業株式会社 自律移動体の運用方法
JP6978230B2 (ja) * 2017-06-07 2021-12-08 ヤフー株式会社 提供装置、提供方法、提供プログラムおよび算出装置
WO2019077998A1 (ja) * 2017-10-19 2019-04-25 本田技研工業株式会社 車両空調管理装置、車両空調管理システムおよび車両空調管理方法
JP6490267B1 (ja) * 2018-02-27 2019-03-27 ヤフー株式会社 提供装置、提供方法および提供プログラム
US11816179B2 (en) 2018-05-09 2023-11-14 Volvo Car Corporation Mobility and transportation need generator using neural networks
US11429987B2 (en) 2018-05-09 2022-08-30 Volvo Car Corporation Data-driven method and system to forecast demand for mobility units in a predetermined area based on user group preferences
US11842644B2 (en) * 2018-06-18 2023-12-12 Nissan Motor Co., Ltd. System for operating commercial vehicles
JP7056925B2 (ja) * 2018-06-29 2022-04-19 株式会社ナビタイムジャパン 情報処理システム、情報処理プログラムおよび情報処理方法
US20200160718A1 (en) * 2018-11-21 2020-05-21 Toyota Motor North America, Inc. Ride sharing demand and pricing via automotive edge computing
US20220114609A1 (en) * 2019-01-28 2022-04-14 Grabtaxi Holdings Pte. Ltd. Transportation method and apparatus
CN115953186B (zh) * 2023-02-24 2023-05-16 北京化工大学 一种网约车需求模式识别与短时需求预测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS63163664A (ja) * 1986-12-26 1988-07-07 Chugoku Kotsu Kk タクシ−運行デ−タ収集処理装置
JP2002056078A (ja) * 2000-08-09 2002-02-20 Csk Corp サービス利用者探知システム、サービス利用者探知方法、および、記録媒体
JP2003288687A (ja) * 2002-03-28 2003-10-10 Fujitsu Ltd 配車方法、および配車プログラム
JP2003308445A (ja) * 2002-04-15 2003-10-31 Ntt Data Corp 情報配信システム、情報配信サーバ及びプログラム
JP2008052455A (ja) * 2006-08-23 2008-03-06 Fujitsu Ten Ltd 需要予測装置およびプログラム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS63163664A (ja) * 1986-12-26 1988-07-07 Chugoku Kotsu Kk タクシ−運行デ−タ収集処理装置
JP2002056078A (ja) * 2000-08-09 2002-02-20 Csk Corp サービス利用者探知システム、サービス利用者探知方法、および、記録媒体
JP2003288687A (ja) * 2002-03-28 2003-10-10 Fujitsu Ltd 配車方法、および配車プログラム
JP2003308445A (ja) * 2002-04-15 2003-10-31 Ntt Data Corp 情報配信システム、情報配信サーバ及びプログラム
JP2008052455A (ja) * 2006-08-23 2008-03-06 Fujitsu Ten Ltd 需要予測装置およびプログラム

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10743134B2 (en) * 2012-07-03 2020-08-11 Uber Technologies, Inc. System and method for providing dynamic supply positioning for on-demand services
US10740701B2 (en) 2016-03-03 2020-08-11 Beijing Didi Infinity Technology And Development Co., Ltd. Systems and methods for determining predicted distribution of future transportation service time point
US11348042B2 (en) 2016-03-03 2022-05-31 Beijing Didi Infinity Technology And Development Co., Ltd. Systems and methods for determining predicted distribution of future transportation service time point
JPWO2018190428A1 (ja) * 2017-04-14 2020-02-27 株式会社Ｎｔｔドコモ 需要予測装置
WO2018190428A1 (ja) * 2017-04-14 2018-10-18 株式会社Ｎｔｔドコモ 需要予測装置
KR102078190B1 (ko) * 2018-08-02 2020-02-17 전수황 택시수요조절을 통한 승차거부해소 방법
KR20200014977A (ko) * 2018-08-02 2020-02-12 전수황 택시수요조절을 통한 승차거부해소 방법
KR20200049563A (ko) * 2018-10-31 2020-05-08 도요타지도샤가부시키가이샤 표시 제어 방법, 표시 제어 장치, 및 기록 매체
KR20200049562A (ko) * 2018-10-31 2020-05-08 도요타지도샤가부시키가이샤 표시 제어 방법, 표시 제어 장치, 표시 제어 프로그램을 기억하는 비일시적 기록 매체, 및 표시 제어 시스템
US11107095B2 (en) 2018-10-31 2021-08-31 Toyota Jidosha Kabushiki Kaisha Method for display control, display control device, and recording medium
KR102307153B1 (ko) 2018-10-31 2021-10-01 도요타지도샤가부시키가이샤 표시 제어 방법, 표시 제어 장치, 표시 제어 프로그램을 기억하는 비일시적 기록 매체, 및 표시 제어 시스템
KR102318162B1 (ko) * 2018-10-31 2021-10-28 도요타지도샤가부시키가이샤 표시 제어 방법, 표시 제어 장치, 및 기록 매체
KR102183610B1 (ko) * 2020-05-14 2020-11-26 이영우 택시 또는 대리운전 서비스 수요 상황 정보를 제공하는 정보 전달 시스템 및 그 구동방법

Also Published As

Publication number Publication date
JPWO2010123075A1 (ja) 2012-10-25
WO2010123075A1 (ja) 2010-10-28

Similar Documents

Publication Publication Date Title
JP5232298B2 (ja) 移動手段需要予測支援サーバ、移動手段供給システム、及び移動手段需要予測データ作成方法
CN1838600B (zh) 传感器网络系统、数据的传输方法
Wang et al. Crowdsensing-based consensus incident report for road traffic acquisition
Lathia et al. The hidden image of the city: sensing community well-being from urban mobility
JP5214810B2 (ja) 位置情報分析装置および位置情報分析方法
EP3032780A1 (en) Method and apparatus for transmitting messages to users using trajectory-based clustering
CN108885723A (zh) 用于基于位置数据预测用户行为的系统和方法
US20130275160A1 (en) System and method for analyzing and controlling epidemics
JP5434783B2 (ja) 相乗り判定装置、環境負荷算出装置、相乗り判定プログラムおよび相乗り判定方法
EP3451275B1 (en) Information processing device and method
CN106296955A (zh) 基于无线终端的排队方法及装置
CN103154979A (zh) 位置信息累计装置及位置信息累计方法
EP3172708B1 (en) Ticketing method and system
JP6550288B2 (ja) サーバー装置、ライフログシステムおよび注意情報出力方法
CN106600020A (zh) 用于调度接送站服务的系统和方法
JP5155233B2 (ja) 位置情報分析装置および位置情報分析方法
CN111739329A (zh) 行驶路线生成方法、装置、存储介质及服务器
CN108765072A (zh) 车辆共享方法、装置及电子设备
JP2012073976A (ja) 情報提供装置、情報提供方法および情報提供システム
Lee et al. Taxi vacancy duration: a regression analysis
JP5356772B2 (ja) 地点評価装置、地点評価システム及び地点評価プログラム
JP2015026311A (ja) 需要予測装置、需要予測方法、および需要予測プログラム
Gerardo et al. A framework for discovering relevant patterns using aggregation and intelligent data mining agents in telematics systems
JP2022185947A (ja) 配車装置、制御方法、および、制御プログラム
JP5704210B1 (ja) 情報処理装置、システム、及びプログラム

Legal Events

Date Code Title Description
TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20130305

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20130322

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20160329

Year of fee payment: 3

R150 Certificate of patent or registration of utility model

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250