JP6723721B2 - 旅行プランナーのための旅行再ランキング - Google Patents

旅行プランナーのための旅行再ランキング Download PDF

Info

Publication number
JP6723721B2
JP6723721B2 JP2015207777A JP2015207777A JP6723721B2 JP 6723721 B2 JP6723721 B2 JP 6723721B2 JP 2015207777 A JP2015207777 A JP 2015207777A JP 2015207777 A JP2015207777 A JP 2015207777A JP 6723721 B2 JP6723721 B2 JP 6723721B2
Authority
JP
Japan
Prior art keywords
trip
travel
trips
request
candidate
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.)
Expired - Fee Related
Application number
JP2015207777A
Other languages
English (en)
Other versions
JP2016091546A (ja
Inventor
ボリス・チドロフスキー
Original Assignee
コンデュエント ビジネス サービシーズ エルエルシー
コンデュエント ビジネス サービシーズ エルエルシー
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 コンデュエント ビジネス サービシーズ エルエルシー, コンデュエント ビジネス サービシーズ エルエルシー filed Critical コンデュエント ビジネス サービシーズ エルエルシー
Publication of JP2016091546A publication Critical patent/JP2016091546A/ja
Application granted granted Critical
Publication of JP6723721B2 publication Critical patent/JP6723721B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34Route searching; Route guidance
    • G01C21/3453Special cost functions, i.e. other than distance or default speed limit of road segments
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/02Reservations, e.g. for tickets, services or events
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34Route searching; Route guidance
    • G01C21/3453Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3484Personalized, e.g. from learned user behaviour or user-defined profiles

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Automation & Control Theory (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Navigation (AREA)
  • Traffic Control Systems (AREA)

Description

本開示は、交通機関分野、旅行計画分野、データ処理分野、データ分析分野、追跡分野、予測分野などに関する。
多くの都市及び凝集は、ウェブ又はモバイルアプリケーションの形態で様々な旅行プランナーを生み出している。ユーザの旅行要求の際に、これらのプランナーは、道路や公共交通機関ネットワーク及びサービス属性の静的ライブラリ及びデータを使用して、旅行、すなわち公共又は自家交通手段を介した交通機関システム上での旅を生成するように構成されている。
公共交通機関旅行プランナー又は旅プランナーは、公共交通機関システムに沿って、例えばウェブベースのアプリケーションを介して、利用可能な公共交通機関の旅やルートに関する情報を提供するように設計されることができる。そのようなアプリケーションは、見込み旅行者に出発地及び目的地を入力し、これらのサービスに利用可能なスケジュールに応じて、例えば、バス、トラム、電車などの指定された利用可能な公共交通機関サービス及びルートを使用して2つの入力地点間のルートを決定するために旅行計画エンジンを使用するように促すことができる。したがって、交通当局は、それらのウェブサイト上にそのような公共交通機関の旅行プランナーを含むことができる。
旅行プランナーは、出発地と目的地との間において1つ以上の推奨経路を見出すことができる。出発地及び目的地は、バス停、駅、空港又はフェリーポートなどの公共交通機関へのアクセスポイントの地理空間的座標又は名称として指定することができる。場所発見プロセスは、既知の経路、すなわちルートのそのデータセットにわたる旅行計画を計算するために、交通機関ネットワーク上の最寄りの既知のノードに出発地及び目的地を解決することができる。大規模ネットワークについての旅行プランナーは、(交通機関ネットワークへのアクセスポイントを表す)ノード及び(地点間の可能な旅行を表す)エッジのグラフを検索するために検索アルゴリズムを使用することができる。距離、コスト又はアクセス性などの異なる重み付けが各エッジに関連付けられてもよい。旅や旅行の計画を提案する際に、旅行プランナーは、公共交通機関ネットワークの抽象モデルを使用し、それらの計画は、旅行者がこれらのルートにおいて毎日行う旅行を反映していない場合がある。
すなわち、上述した旅行プランナーは、通常、ルートが旅行されることになる時間、より一般的には乗客の嗜好が提供される時間を双方とも無視する。代わりに、嗜好は、実世界の旅行者が出発地と目的地との間において要する実際のルートではなく、最短ルート又は最速ルートに与えられる。これらのプランナーは、基礎となる交通機関ネットワーク及び利用可能なサービスのそれらの知識においてますます信頼性が高く、各プランナーは、同じ静的世界の仮定を共有する。特に、各プランナーは、不変性及び普遍性、すなわち、最適な旅行が実際の旅行の日時や乗客の詳細な嗜好とは無関係であるという一般的な仮定を形成する。
しかしながら、不変性及び普遍性が悪い仮定であることが理解されるであろう。ほとんどの都市の旅行者は、深夜における仕事と家庭との間の最良の旅は、例えば午前8:00などの異なる時間に同じ場所間で行うためには必ずしも最良の選択ではないことを確認することができる。同様に、異なる乗客は、同じ出発地及び目的地の地点間を移動するための異なる方法を選択することもできる。
知識の差異は、これらの異なる選択において役割を果たすことができるが、多くの場合、乗客は、単に、彼らが利用したい旅行について異なる嗜好を有している。例えば、ある乗客は、数分だけ彼女の旅の期間を延長することにより、複数の変更(バスからバス、電車/トラムから電車/トラムへの乗り換えなど)を回避することができる一方で、他の乗客は、単にできるだけ早く目的地に到着したいだけである。
ユーザが時間sで始まる出発地oから目的地dまでの旅行に対するクエリによってプランナーに照会すると、多くの場合、クエリを満たす多数の旅行がある。プランナーは、最小乗り換え時間、最小変更数などの所定の基準のセットに応じて上位k個の推奨を提供する。旅行プランナーの操作は、情報取得システムが動作する方法に似ている。すなわち、目標は上位k個の回答のうち最も関連する文書を配置することである。したがって、実際の乗客の嗜好を反映する上位k個の旅行を提案することがインテリジェントな旅行計画において重要であることが理解されるであろう。
特に、推奨を提供したプランナーと交通機関ネットワークの旅行者によってとられる実際のルート及び/又は旅行との乖離がある。上述したように、旅行プランナーによって提案された旅行は、定期的に交通機関ネットワークを使用する実世界の旅行者によって行われた選択に必ずしも対応していない。
それゆえに、そのユーザに対する旅行プランナーによる推奨を容易とするために、交通機関ネットワークの実世界の使用に関する旅行情報を収集するための効果的なシステム及び方法を提供することが有利であろう。
例示的な実施形態の1つの態様において、関連する交通機関ネットワークについての旅行を再ランキングするための方法が提供される。本方法は、関連する交通機関ネットワーク上の出発地、目的地及び出発時間を含む旅行要求を関連するユーザから受信することと、旅行要求に関連するランキング関数を決定することとを含む。本方法は、さらに、受信した旅行要求に対応する関連する交通機関ネットワーク上の候補旅行のリストを関連する旅行プランナーから受信することと、そのリストにおける候補旅行を再ランキングするように候補旅行のリストに対してランキング関数を適用することとを含む。さらに、本方法は、旅行要求に対する応答において、候補良好の再ランキングされたリストを返送することを含み、受信、取得、決定、適用又は返送のうちの少なくとも1つは、コンピュータプロセッサによって実行される。
他の態様において、関連する交通機関ネットワークについての旅行を再ランキングするためのシステムが提供される。システムは、旅行要求を受信して関連する交通機関ネットワーク上の候補旅行のリストを返送するように構成された旅行計画エンジンを含む旅行プランナーを含む。システムはまた、旅行のリストに対してランキング関数を適用し、候補旅行の再ランキングされたリストを生成するように構成された再ランキング要素を備える。さらに、システムは、受信した旅行要求に対応する実際の旅行のセット、受信した旅行要求に対応する共通の出発地、目的地及び出発時間をそれぞれ有する実際の旅行のセットを関連するデータベースから取得するための命令を記憶するメモリを含む。実際の旅行のセットにおける各旅行について、システムは、旅行要求に対応する旅行候補のセットを旅行プランナーから受信し、実際の旅行のセットの旅行が候補旅行のいずれかに好まれているかどうかを判定するために上位の旅行候補のセットを分析するための命令を含む。実際の旅行のセットにおける各旅行について、システムはまた、候補旅行にわたる旅行の嗜好に応じて旅行要求に関連するトレーニング旅行のセットに対して実際の旅行のセットの旅行を追加し、トレーニング旅行のセットに応じて旅行要求に対応するランキング関数を学習するための命令を含む。システムは、さらに、学習したランキング関数に応じて候補旅行の再ランキングされたリストを返送するための命令を含む。さらにまた、システムは、命令を実行するメモリと通信するプロセッサを含む。
他の態様において、関連する公共交通機関ネットワークについての旅行を再ランキングするためのコンピュータ実装方法が提供される。本方法は、関連する交通機関ネットワーク上の出発地、目的地及び出発時刻を含む旅行要求を関連するユーザから受信することを含む。本方法はまた、受信した旅行要求に対応する実際の旅行のセット、受信した旅行要求に対応する共通の出発地、目的地及び出発時間をそれぞれ有する実際の旅行のセットを関連するデータベースから取得することを含む。受信した旅行要求に一致する実際の旅行のセットにおける各旅行について、本方法は、旅行要求に対応する旅行候補のセットを旅行プランナーから受信することと、実際の旅行のセットの旅行が候補旅行のいずれかに好まれているかどうかを判定するために上位の旅行候補のセットを分析することと、候補旅行にわたる旅行の嗜好に応じて旅行要求に関連するトレーニング旅行のセットに対して実際の旅行のセットの旅行を追加することとを含む。さらに、各旅行について、本方法は、そのセットにおける各旅行について、関連する交通機関ネットワーク上の旅行を特徴付ける時間変化特徴のセットを開発することと、時間変化特徴のセットに応じて、関連する交通機関ネットワークの旅行者の暗黙的な嗜好に対応する実世界の旅行者の嗜好のセットに実際の旅行のセットを変換することと、トレーニング旅行及び実世界の旅行者の嗜好のセットに応じて旅行要求に対応するランキング関数を学習することとを含む。コンピュータ実装方法は、さらに、関連する旅行プランナーから、受信した旅行要求に対応する関連する交通機関ネットワーク上の候補旅行のリストを受信することと、そのリストにおける候補旅行を再ランキングするように候補旅行のリストに対してランキング関数を適用することと、旅行要求に応じて候補旅行の再ランキングされたリストを返送することとを含む。
図1Aは、例示的な実施形態の1つの態様にかかる関連する交通機関ネットワーク上の旅行のための再ランキングシステムの機能ブロック図を図示している。 図1Bは、例示的な実施形態の1つの態様にかかる関連する交通機関ネットワーク上の旅行のための再ランキングシステムの機能ブロック図を図示している。 図2Aは、本特許出願の1つの実施形態にかかる例示的な交通機関ネットワークについての平均移動時間に対する最小の分布を図示している。 図2Bは、図2Aに示された交通機関ネットワークにおける全ての出発地−目的地の対についてのカルバック・ライブラー情報量の値を図示している。 図3Aは、例示的な実施形態の1つの態様にかかる例示的な出発地−目的地の対についての上位3つの通過旅行のグラフィカル表現である。 図3B−1は、図3Aの例についての上位5つの旅行についての旅行時間のグラフィカル表現である。 図3B−2は、図3Aの例についての上位5つの旅行についての平均旅行数のグラフィカル表現である。 図4は、例示的な実施形態の1つの態様にかかる関連する交通機関ネットワークについての旅行を再ランキングするための方法の一部を図示するフローチャートである。
1つ以上の実施形態が添付図面を参照しながらここで説明され、同様の参照番号は、全体を通して同様の要素を指すために使用される。関連する交通機関ネットワークについての旅行を再ランキングするためのシステム及び方法に関連する例示的な実施形態の態様が本願明細書に記載される。さらに、交通機関ネットワークにおける旅行計画に言及する例示的な実施形態が以下に提示されるが、記載されたシステム及び方法のアプリケーションは、「クラウド知恵」推奨を利用する他のエリアに対して行われることができる。
本願明細書に記載されたように、リスト化された旅行計画をランキングするためにネットワーク上で実際の旅行者から収集された「クラウド知恵」を利用する公共交通機関ネットワークにおける旅行計画の更新されたリストを提供するための方法が記載されている。1つの実施形態において、旅行者によってとられた実際の旅行に対応する出発地−目的地の対が収集される。これらの対は、旅行者による報告から、自動発券検証システムからなどによって得られることができる。検証情報は、旅行が行われた時間、道に沿った出発地(乗車)及び目的地(下車)停車場(複数可)、とられたルート(乗り換えなど)、並びに、交通機関ネットワーク上の旅行に関連する他の情報を含むことができる。任意の出発地−目的地の対について、検証の存在は、とられたルート、すなわち人が実際にその出発地とその目的地との間のその時点でとったそのルートの暗黙的な推奨である。都市の公共交通機関ネットワークなどの大規模な交通機関ネットワークについて収集されたとき、特定の時間における特定のルートについて、かなりの数のそのような推奨があることがある。
1つの実施形態によれば、ユーザが旅行プランナーにアクセスすると、旅行プランナーは、上位k個の結果のリスト、すなわち、ユーザによって選択された出発地と目的地との間の推奨ルートのリストを出力することができる。ランキング関数は、実世界の旅行者から得られた、すなわち、交通機関システムのユーザが経験した、受信した暗黙的な嗜好を使用して計算されることができる。その後、ランキング関数は、知識の豊富な旅行者によって「暗黙的に推奨された」ものに対応するより高くランキングされた旅行によって結果を再ランキングするように結果のリストに適用されることができる。
旅行プランナーの推奨は、旅行者によって行われた実際の選択肢から異なることが理解されるであろう。すなわち、プランナーによって提案された旅行は、定期的にネットワークを使用する実際の旅行者によって行われた選択肢に対応する必要がある。しかしながら、プランナーの提案が実際の選択肢から異なる場合、プランナーは、旅行のためにユーザの照会に応答するときにいくつかの重要な知識を見逃す。したがって、本願明細書に開示された1つの実施形態は、プランナーの推奨を検証するためにグランドトゥルースとして実際の旅行の集合を利用し、異なる場合には、現実をより良好に反映するように推奨を再ランキングするのに適した再ランキング手法を策定する。
本願明細書に開示された実施形態は、旅行計画における乗客の嗜好及び時間変化交通状況推定値を利用することができる。乗客の旅行の大規模な集合を使用して、交通機関ネットワークにおける所与の旅行を選択するための時間変化パラメータが学習されることができる。都市の選択された交通機関ネットワークについての実際の旅行者データを使用した実施例は、旅行が静的発見的問題解決法を使用するプランナーによって生み出された旅行であるよりも乗客によって実際に選択されたものに測定可能に近いことを示している。これは、特に旅行プランナーを利用する初心者の旅行者に対して交通機関ネットワークの頻繁な旅行者の知識を転送する際に、現在の旅行プランナーに対していくつかの利点を提供する。旅行プランナーの精度はまた、経験豊富な旅行者の「クラウド知恵」が選択された日時、曜日などとして選択された出発地から選択された目的地までのルートの推奨に織り込まれるのにともない増加する。
図1A〜図1Bを参照すると、クラウド知恵を使用して旅行のリストを再ランキングするためのシステム100が示されている。システム100は、関連する交通機関システム134の旅行者によってとられた実際の旅行から決定された他のルート上で1つのルートについての旅行者の暗黙的な嗜好を利用する。図1A〜図1Bに示されている様々な構成要素は、例示的なハードウェア、ソフトウェア又はそれらの組み合わせの態様を例示する目的のためであり、それに置き換えられることが可能であることが理解されるであろう。
図1A〜図1Bの再ランキングシステム100は、2つ以上の電子デバイス間におけるデータの交換を可能とすることができる任意の分散通信システムを表すコンピュータネットワークなどの分散コンピューティング環境を使用して実装することが可能であることが理解されるであろう。さらに、そのようなコンピュータネットワークは、例えば、限定されるものではないが、仮想ローカルエリアネットワーク、ワイドエリアネットワーク、パーソナルエリアネットワーク、ローカルエリアネットワーク、インターネット、イントラネット又はそれらの任意の適切な組み合わせを含むことが理解されるであろう。したがって、そのようなコンピュータネットワークは、例えば、限定されるものではないが、トークンリング、イーサネット(登録商標)又は他の無線若しくは有線ベースのデータ通信機構などの様々な従来のデータ転送機構によって図示されるように物理層及びトランスポート層を含む。さらにまた、構成要素のネットワーク化されたセットとして図1A〜図1Bに示されている一方で、システム及び方法は、本願明細書に記載された方法を実行するように適合されたスタンドアロン装置上に実装することが可能である。
図1A〜図1Bに示されるように、旅行再ランキングシステム100は、以下に記載される例示的な方法を実現することが可能なコンピュータシステム102を含む。コンピュータシステム102は、コンピュータサーバ、ワークステーション、パーソナルコンピュータ、ラップトップコンピュータ、携帯電話、タブレットコンピュータ、ページャ、それらの組み合わせ又は例示的な方法を実行するための命令を実行可能な他のコンピューティングデバイスを含むことができる。
1つの例示的な実施形態によれば、コンピュータシステム102は、関連するユーザ、ネットワークデバイス、ネットワークストレージ、遠隔装置などと相互作用するように構成されたハードウェア、ソフトウェア及び/又はそれらの任意の適切な組み合わせを含む。例示的なコンピュータシステム102は、コンピュータシステム102の全体動作を制御するとともにプロセッサ104に接続されたメモリ108に記憶されている処理命令106の実行によって例示的な方法を実行するプロセッサ104を含む。
命令106は、交通機関ネットワーク134に関連する1つ以上の自動発券検証システム136から検証情報137を受信する旅行抽出部110を含む。検証情報137は、旅行者が実際に交通機関ネットワーク134上でとった旅行111を抽出するために旅行抽出部110によって利用され、以下に説明されるように、その後、旅行111は、旅行138のセットに追加されることができる。検証情報137は、例えば、タイムスタンプ140、場所141、チケット識別子145などを含むことができる。旅行抽出部110は、特定の旅行者に関連する特定のチケット識別子145について出発地142及び目的地144を決定するために、受信した検証情報137を処理することができる。すなわち、旅行抽出部110は、検証情報137に含まれるタイムスタンプ140及び場所141、すなわち旅行者の出発地142から、その旅行者の対応する目的地144を導出し、推定し、計算し又は判定することができる。そして、旅行抽出部110は、交通機関システム134上でとられた対応する旅行者に実際の旅行(すなわち、チケット識別子145)に対応して旅行111を出力することができる。本特許出願の様々な実施形態は、自動発券検証システム136、例えば検証シーケンス(特定の期間にわたるタイムスタンプに対応する乗車及び下車検証のセット)など、旅行111が旅行抽出部110によって抽出されることができる追加情報の集合を利用することができる。
命令106は、コンピュータシステム102によってアクセス可能な旅行138のデータセットから嗜好192を暗黙的に導出する嗜好変換部112を含む。すなわち、嗜好変換部112は、以下に説明されるように、例えば、関連する交通機関ネットワーク134上の実際の旅行者の時間140、出発地142及び目的地144など、自動発券検証システム136からの検証情報137からの旅行抽出部110によって抽出された旅行111に関する情報から嗜好192のセットを判定する。1つの実施形態によれば、嗜好192は、例えば、好ましい旅行は特定の時間に選択された多数の旅行者のものであるなど、旅行138のセットから推定される。嗜好192は、例えば、データセット138から推定されるトラフィック嗜好(例えば、旅行者はバスを回避する)、時間的及び/又は空間(時間、ルートなど)を含むことができる。すなわち、嗜好192は、旅行者が特定の時間に特定のルート(旅行111)を好んだ理由(暗黙的/明示的)に対応することが理解される。
命令106はまた、関連する交通機関ネットワーク134における任意の所与の旅行111を特徴付ける設定時間変化特徴194を生成する特徴付け要素114を含むことができる。特徴付け要素114は、そのような対間において又は実際の旅行上で旅行を特徴付ける時間変化特徴194のセットを生成するために、交通機関ネットワーク134上で実際にとられた又は可能な旅行138のセットにおける各旅行111(例えば、任意の出発地/目的地の対及びその間の様々な介在停車場)を処理することができる。
さらに、命令106はまた、クエリ、すなわち関連するユーザからの旅行要求162に応じて旅行プランナー158によって出力された旅行111を再ランキングするランキング関数190を計算するランキング関数計算部116を含むことができる。ランキング関数190は、交通機関ネットワーク134の実際の旅行者の検証情報137及び対応する旅行111に基づいて決定することができる。各クエリについて又は旅行要求162について、ランキング関数190は、旅行要求162に対応する出発地168、目的地170及び出発時間172を有する全ての旅行111をランキングするために計算されることができる。ランキング関数計算部116によって計算されたランキング関数190は、さらに、以下においてより詳細に説明されるように、旅行者及び/又は交通機関ネットワーク134に関連付けられている嗜好192及び時間変化特徴194を使用して決定されることができる。1つの実施形態によれば、適切なランキング関数190を決定するのを容易とするためにサポートベクトルマシン(SVM)が使用される。例えば、入力空間X∈Rが存在すると仮定することができる。ここで、mは特徴の数を表す。ラベルY=y,y,・・・,yによって表されるランク(カテゴリ)の出力空間が存在する。ここで、qはランクの数を表す。さらにまた、ランクy>y>・・・>y間の総順序が存在すると仮定することができる。ここで、>は嗜好関係を表す。したがって、例示的な実施形態は、インスタンス間の嗜好関係を決定することができるランキング関数の集合f∈Fを考慮する。
>x≡f(x)>f(x) (1)
空間X×YからのランキングされたインスタンスS={(x,y)},i=1,・・・,nの所定のセットの場合、所定のランキングされたインスタンスに関する所定の損失関数を最小化する最良の関数f∈Fが選択されるべきである。上記特定された問題は、R. Herbrich、T. Graepel及びK. Obermayer、「Large margin rank boundaries for ordinal regression」、In Advances in Large Margin Classifiers、115〜132ページ、2000年における拡張のようにインスタンスの対に分類するための学習として定式化することができる。
まず、fが線形関数f(x)=wxであると仮定する。ここで、wは重みのベクトルを表す。インスタンス対x及びxの間の関係x>xは、新たなベクトルx−xによって表されることができる。任意のインスタンス対及びそれらの優先関係は、新たなベクトル及び新たなラベルを作成する。x及びxが第1及び第2のインスタンスを表すものとし、y及びyがそれらのランクを表すものとし、そして、新たなインスタンス(x−x,z)が得られる。ここで、y>yである場合にはz=1であり、それ以外は0である。
トレーニングデータセットSから、ラベリングされたベクトルを含む新たなトレーニングデータセットS’、
が作成される。セットS’は、任意のベクトルx−xに正ラベルz=+1又は負ラベルz=−1のいずれかを割り当てることができるSVMモデルを構築するためにトレーニングセットとして使用される。このSVWモデルの構築は、以下の最適化問題を解くことと等価である。
最適化(2)は、以下と等価であることに留意されたい。
ここで、第1項は経験的なヒンジ損失であり、第2項は正規化であり、
である。上記最適化問題は、凸又は勾配に基づく方法を使用して解くことができることが理解されるであろう。
が式(2)を解くことによって得られた重みである場合、wは、インスタンスをランキングするランキング関数fw*を形成するために使用されることができる。
本願明細書に記載された本システム及び方法の1つの実施形態によれば、ランキングSVMが旅行の再ランキングに適用されるとき、特徴ベクトルx(t)の形態のインスタンスは、1つの旅行tから作成される。各特徴は、旅行t及び回答するユーザクエリの関数として定義される。そして、全てのクエリからのインスタンスは、トレーニングに結合される。クエリ−旅行の対を説明した特徴は、以下のセクションにおいて説明される。
図1A〜図1Bを参照すると、命令106は、さらに、対応する旅行要求162に応じて旅行プランナー158によって出力された上位k個のリスト164に対してランキング関数190を適用するように構成された再ランキング要素118を含むことができる。再ランキング要素118は、旅行プランナー158によって出力された上位k個のリスト164における旅行111の再ランキングされた上位k個のリスト165を生成するためにランキング関数190を利用することができ、それにより、旅行要求162の出発地168、目的地170、出発時間172及びサービス嗜好174に適用されるように実際の旅行者の嗜好192に基づいてリスト164における旅行111をランキングする。そして、再ランキングされた上位k個のリスト165は、以下に説明されるように、関連するユーザに伝達されることができる。
システム100は、さらに、旅行計画エンジン160を搭載した旅行プランナー158を含むことができる。本願明細書において想定される1つの実施形態によれば、旅行計画エンジン160は、ユーザがとる候補旅行のセット、すなわち、選択された出発地168と選択された目的地170との間における1つ以上の経路を判定する。理解されるように、旅行プランナー158は、交通機関システム134に関連付けられたルート148、スケジュール150、所要時間154、歩行距離156、停車場143及びサービス152(例えば、バス、電車、地下鉄など)を使用して選択された出発地168及び目的地170に関連する停車場143の間における1つ以上の経路の判定を容易とすることができる。旅行プランナー158は、ユーザによって提供され且つ旅行164の上位/が出力されるのにともない選択された出発地168と目的地179との間における1つ以上の経路を決定することができる。選択された出発地168と目的地170との間の旅行を決定する際に、旅行プランナー158は、交通機関ネットワーク134、ユーザ嗜好などに関する旅行プランナー158にとって利用可能な他の情報とともに、交通機関ネットワーク134の抽象モデル、すなわちルート148及びスケジュール150に基づくモデルを使用することができることが理解されるであろう。旅行プランナー158は、コンピュータシステム102と通信するデータベース130に記憶されたデータにアクセスすることができ、それと通信する別個のデータベース(図示しない)に記憶された交通機関システム134に関連するデータ、例えば、ルート148、スケジュール150、停車場143、サービス152などを有することができる。旅行プランナー158は、さらに、特定の出発地/目的地の対に応じて以前に生成された旅行又は旅のリストを記憶する関連するデータベース(図示しない)と通信することができ、図1A〜図1Bにおける図示は、上述した旅行プランナー158の1つの例示的な実装として意図されている。
理解されるように、公共交通機関ネットワーク134に適した旅行プランナー158は、利用可能な公共交通機関の旅行又は旅に関する情報を提供するように構成されている。旅行プランナー158のための入力は、出発地o168、目的地d170及び開始時間s(出発時間172)を含み、交通機関ネットワーク134の利用可能なサービスを使用した特定のサービス(174)を使用してoからdまでのルートを見出すように旅行計画エンジン160を使用する。公共交通機関ネットワーク134上の旅行プランナー158についてのルートの選択は、道路ルートプランナーについてよりも制約的であり、さらに、ルートを選択することに関するのみならずそのルート上のサービスを選択することに関することが理解されるであろう。
旅行プランナー158は、出発地と目的地との間における1つ以上の提案旅行を見出す。1つの実施形態によれば、プランナー158は、(交通機関ネットワーク134へのアクセスポイントを表す)ノード及び(地点間の可能な旅行を表す)エッジのグラフを検索するための検索アルゴリズムを使用する。距離、コスト又はアクセス性などの異なる重み付けは、各エッジに関連付けられてもよい。
検索は、例えば、最速、最短、最小の変更、最安などの異なる基準において最適化されることができる。それらは、例えば、所定の時間に出発又は到着する、所定のウェイポイントを回避するなどを余儀なくされる。そのようなプランナー158は、通常、ユーザクエリ、すなわち旅行要求162により良好に回答するために、詳細なネットワーク記述、利用可能なルート、停止場所、サービススケジュール、歩行距離などを含む公共及び民間情報の複数のソースを配置する。
メモリ108は、ランダムアクセスメモリ(RAM)、読み取り専用メモリ(ROM)、磁気ディスク若しくはテープ、光ディスク、フラッシュメモリ又はホログラフィックメモリなどの任意の種類の持続性コンピュータ読み取り可能な媒体を表すことができる。1つの実施形態において、メモリ108は、ランダムアクセスメモリ及び読み出し専用メモリの組み合わせを含む。いくつかの実施形態において、プロセッサ104及びメモリ108は、単一チップで組み合わされてもよい。ネットワークインターフェース(複数可)120、122は、コンピュータネットワークを介してコンピュータが他の装置と通信するのを可能とし、変調器/復調器(MODEM)を備えることができる。メモリ108は、例示的な方法を実行するための命令とともに方法において処理されたデータを記憶することができる。
ディジタルプロセッサ104は、シングルコアプロセッサ、デュアルコアプロセッサ(又はより一般的にはマルチコアプロセッサ)、ディジタルプロセッサ及び協働数値演算コプロセッサ、ディジタルコントローラなどによって様々に具現化されることができる。ディジタルプロセッサ104は、コンピュータ102の動作を制御することに加えて、図4に概説された方法を実行するためにメモリ108に記憶された命令106を実行する。
本願明細書において使用される用語「ソフトウェア」は、ソフトウェアの目的であるタスクを実行するようにコンピュータ又は他のディジタルシステムを構成するようにコンピュータ又は他のディジタルシステムによって実行可能な命令の任意の集合又はセットを包含することが意図される。本願明細書において使用される用語「ソフトウェア」は、RAM、ハードディスク、光ディスクなどの記憶媒体に記憶されたそのような命令を包含することが意図され、また、ROMなどに記憶されたソフトウェアであるいわゆる「ファームウェア」を包含することが意図される。そのようなソフトウェアは、様々な方法で編成されることができ、ライブラリ、リモートサーバなどに記憶されたインターネットベースのプログラム、ソースコード、解釈コード、オブジェクトコード、直接実行可能なコードなどとして編成されたソフトウェアコンポーネントを含むことができる。ソフトウェアは、所定の機能を実行するためにサーバ又は他の場所に存在する他のソフトウェアへのシステムレベルのコード又はコールを呼び出すことができることが想定される。
コンピュータシステム102はまた、外部装置と通信するための1つ以上の入力/出力(I/O)インターフェースデバイス120及び122を含む。I/Oインターフェース120は、情報を表示するための1つ以上の表示装置124、テキストを入力するためのキーボード又はタッチ若しくは書き込み可能なスクリーンなどのユーザ入力装置126、及び/又は、プロセッサ104に対するユーザ入力情報及びコマンド選択を通信するためのマウス、トラックボールなどのカーソル制御装置と通信することができる。コンピュータシステム102の様々な要素は、データ/制御バス128によって全て接続されることができる。コンピュータシステム102のプロセッサ104は、リンク132を介して関連するデータベース130と通信する。適切な通信リンク132は、例えば、公衆交換電話網、独自通信ネットワーク、赤外線、光又は他の適切な有線若しくは無線データ伝送通信を含むことができる。データベース130は、例えばローカルメモリ108、すなわちハードドライブ、仮想ドライブなど又はコンピュータシステム102にアクセス可能な遠隔メモリに記憶されたコンピュータシステム102の要素に実装することが可能である。
関連するデータベース130は、1つ以上の目的のために使用される任意の編成されたデータの集合(例えば、検証情報、交通機関システム情報(例えば、停車場、ノード又は駅、スケジュール、ルート)、クラウドソーシング情報(例えば、可能なルート、所要時間、移動の頻度、予想される移動時間)など)に対応している。関連するデータベース130の実装は、例えば、磁気記憶ドライブ、ハードディスクドライブ、光記憶装置、フラッシュメモリ装置又はそれらの適切な組み合わせなどの任意の大容量記憶装置(複数可)において生じることが可能である。関連するデータベース130は、例えばメモリ108に存在するものなどのコンピュータシステム102の要素として実装されることができる。
1つの実施形態において、関連するデータベース130は、関連する交通機関システム134、ルート148の集合(交通機関システム134上で利用可能な旅行のコースに沿った個々の車両によって行われるべき交通機関ノードにおける停車場のシーケンス)、これらのルート148のそれぞれについてのスケジュール150、駅や停車場143などの交通機関ノード、経路(すなわち、第1の出発地と最後の目的地との間の連続的な出発地及び目的地のシーケンス、サービス152、所要時間154、歩行距離156及び検証シーケンス情報136)に対応するデータを含むことができる。例えば、公共交通機関システムの場合、関連するデータベース130は、公共交通機関ルート(例えば、個々のバス、地下鉄、電車などによってスケジューリングされた停車場の既知のシーケンス)148、これらのルート148についての交通機関システム134のバス、トラム、地下鉄などの到着/出発時間に関するスケジュール150、公共交通機関停車場(又は駅)143、すなわち、交通機関システム134によってリンクされた固定された場所又はノード、並びに、各経路が1つ以上の交通機関ルート148(例えば、経路は、第1の駅(出発地)において電車によって旅行を始め、第2の駅まで(電車のスケジューリングされたルートに沿って)電車に乗り、第2の駅においてバスに乗り換え、第3の駅(目的地)で下車するように(バスのスケジューリングされたルートに沿って)バスに乗ることを含むことができる)に関連する2つの停車場143の間の経路のセットなどの公共交通機関システム134に関連する情報を含むことができる。
データベース130は、さらに、交通機関システム134の旅行者によってとられた実際の旅行に対応する1つ以上の旅行111のセット138を含むことができる。受信した検証情報137から旅行抽出部110によって出力された旅行138のセットにおける各旅行111は、例えば、タイムスタンプ140、出発地142、目的地144などを含むことができる。特定の旅行111に関連する他の情報は、検証情報137において受信され、関連するデータベース130に記憶するために旅行抽出部110によって抽出されてもよいことが理解されるであろう。チケット検証シーケンスのセットは、例えば、様々な収集要素(例えば、交通機関システム134の駅又は車両に位置する自動発券検証システム160)から収集された検証情報137から導出されることができる。そのような例において、検証シーケンスは、例えば、乗車及び下車タイムスタンプの各シーケンスを表すタイムスタンプ、タイムスタンプに対応する出発地及び目的地を表す場所、シーケンスタグ及び各検証シーケンスに対応するチケット識別子を含むことができる。
例えば、公共交通機関システムに関連して、検証情報137は、各チケットの固有の識別情報145(例えば、チケット識別子145は、ユーザによって書き換えるか又は変更することができない(偽造防止特性)スマートカード、交通カード、交通チケットなどから導出されることができる)などの旅行者、場所141(出発地及び目的地の場所)、シーケンスタグ(最初の使用、対応使用など)、その特定の検証シーケンスについての出発地と目的地との間の移動時間に関連付けられているタイムスタンプ140に関連することができる。すなわち、各検証シーケンスは、旅行者が乗車又は下車した対応する場所141又はルート148(すなわち、ルート148における停車場143)などに沿った公共交通機関ネットワーク134における旅行者のエントリの時間を含むことができる。公共交通機関システム上の各旅行者は、一般に人であるが、他のネットワーク化された交通機関システムの旅行者は、商品や他の無生物を含むことができる。
検証情報137の各場所141は、例えばルート番号などのルート識別子、例えば停車場番号などの交通機関ノード識別子、住所、GPS座標又は場所に関連付けられた他の地理的識別情報のうちの1つ以上を含むことができる。スタンプ140の時間成分は、時刻、曜日、日付又はタイムスタンプ140に対応する他の時間情報のうちの1つ以上を含むことができる。それゆえに、本願明細書において想定される様々な実施形態において収集されて使用される検証情報137は、プリペイドカード、単回使用のトランジットチケット、リロード可能なトランジットカード又は他の発券装置の使用によって収集された発券データとすることができる。上述したシーケンスタグは、旅行者の乗車又は下車が発生した特定の検証シーケンスにおける場所又は時期を反映することができる。すなわち、「最初」タグは、チケット識別子145の最初の使用を示すことができるのに対して、「対応」タグは、指定された期間内でのチケット識別子145の2番目及び各後続使用を示すことができる。
検証情報137は、関連する交通機関システム134上の複数の場所から収集することができる。簡潔には、上述したように、これらの場所のそれぞれは、交通機関システム134によって接続された場所(例えば、駅、停車場など)又は交通機関システム134のルート148に沿って移動する車両の有限集合の1つに対応することができる。そのような情報137の集合は、スマートカードリーダ、磁気カードリーダ、入力端子、チケットディスペンサ、チケットリーダなどのそれぞれの場所における料金徴収についてのチケット検証機、すなわち自動発券検証システム136によって実行されることができることが理解されるであろう。そのような自動発券検証システムは、駅、車両などにおいて実施されてもよく、自動料金徴収サブシステムを表してもよいことが理解されるであろう。
交通機関システム134における様々な旅行者は、交通カード/チケットを使用することができる。そのようなカード/チケットは、交通機関システム134における旅行を支払うか又は可能とするために使用されることができ、それゆえに、旅行者が出発地場所142から目的地場所144まで交通機関システム134を通過するのにともない、自動発券検証システム136によってスキャンされ、読み取られ、挿入され又は検出される。そのような交通カードは、スマートカードのような機能、例えば、マイクロチップ伝送、磁気的に記憶されたデータなどを含むことができる。そのような実施形態において、自動発券検証システム136は、リンク146を介してコンピュータシステム102に検証情報136を通信する。適切な通信リンク146は、例えば、公衆交換電話網、独自通信ネットワーク、赤外線、光又は任意の他の適切な有線若しくは無線データ伝送通信を含むことができる。
追加情報は、交通機関利用データ、発券レシートデータ、渋滞データなどを含む発券操作に対応する自動発券検証システム136によって収集されてもよいことが理解されるであろう。1つの実施形態によれば、交通機関システム134の車両又はノードに対して乗車又は下車する乗客の双方の入口及び出口は、検証情報137として収集することができる。入口のみのシステムは、対照的に、交通機関システム134の車両又は出発地ノードにおける旅行者のエントリのみに関連する電子検証レコードの収集を可能とすることができる。出入システムにおける旅行者の目的地は、自動発券検証データ、すなわち、自動券売検証システム136によって収集された検証情報137から識別可能であり得るが、入口のみの自動発券検証システム136における乗客の目的地は、非検証データ(例えば、交通機関システムのルートやスケジュール、イベント発生(スポーツ、コンサートなど)など)や旅行者の仮定に基づく推論を介して識別することができる。
本願明細書に記載されたシステム及び方法は、ワントリップチケットのみならず、収集された検証情報137に含まれるチケット識別子145に反映されているプリペイドカードを使用することができる。ワントリップチケットは、固定の検証時間、すなわち、チケットが旅行者による使用のために有効のままである期間を有することができる。例えば、入口のみのシステムにおいて、チケットが有効である期間は、時間旅行者が追加料金を負担することなく交通機関ネットワーク134内の車両を変更することができる発行/購入時から1時間に限定することができる。そのようなチケットの最初の検証は、「最初」を示すシーケンスタグによって識別されることができるのに対して、この検証時間における2番目及びその後の検証は、「対応」を示すシーケンスタグによって識別されることができる。自動発券検証システム136は、要求している旅行者に対して旅行者及び長期の永久カードによって複数のエントリを提供することができる複数のエントリカードの使用を可能とすることができる。複数のエントリカードの使用は、各カード保持旅行者の旅行データの追跡を可能とするとともに、そのような旅行者の時間ベースの分析を可能とすることができることが理解されるであろう。
自動発券検証システム136は、旅行者の入口又は入口及び出口に対応する場所識別を可能とすることができる。例えば、自動発券検証システム136は、チケットID145、タイムスタンプ140及び対応タグを含むようにチケットの各検証を可能とすることができる。さらに、自動発券検証システム136は、公共交通機関ルート148、停車場識別子(例えば、停車場143)及び方向とチケット検証を関連付けるために自動車両位置サブシステムを使用することができる。検証情報137を収集するための他の方法は、代替的に又は追加的に、移動通信イベント、例えば、タイムスタンプ付きアンテナ認証シーケンス又はスケジューリングされた活動や旅行者のスケジュールの交差の他の観察を含めて使用可能である。チケット検証、すなわち、自動発券検証システム136において収集された検証情報137は、交通機関ネットワーク134における旅行者フローを理解するための情報を提供することができる。通常実装における情報は、トランジットと公共交通機関についての貴重な洞察を提供し、意思決定プロセスを支援するために分析されることができる。
図1A〜図1Bの実施に関連する検証情報137は、例示のみを目的としている。公共交通機関の例以外の他の用途も考えられる。例えば、有料道路監視及び管理システムはまた、本システム及び方法を利用することができ、それにより、関連する有料道路に対する車両の入口及び出口において検証情報137が料金ブースにおいて収集される。他の実施形態、例えば、患者/従業員の入出の病院監視、セキュア施設監視などもまた想定される。
図1A〜図1Bに示されるように、旅行再ランキングシステム100は、適切なリンク184を介してコンピュータシステム102と相互作用することができる例えば携帯スマートフォンなどの携帯通信装置として図1A〜図1Bに示される1つ以上のユーザアクセス装置176を含むか又はそれと通信することができる。装置176は、パーソナルコンピュータ、ネットブックコンピュータ、ラップトップコンピュータ、ワークステーションコンピュータ、パーソナルデータアシスタント、ウェブ対応携帯電話、タブレットコンピュータ、独自ネットワークデバイス又は他のウェブ対応電子デバイスなどの任意のパーソナルコンピューティングデバイスの代表である。コンピュータシステム102とユーザアクセス装置176との間のデータ通信リンク184は、例えば、ブルートゥース、WiMax、802.11a、802.11b、802.11g、802.11(x)、独自通信ネットワーク、赤外線、光、公衆交換電話網若しくは任意の適切な無線データ伝送システムなどの無線通信又は有線通信などのデータ通信の任意の適切なチャネルを介して達成することができる。
ユーザ装置176は、プロセッサ182、システムメモリ178、システムストレージ、システムメモリ178を含む様々なシステム要素を処理ユニット182に接続するバスなどを含むことができる。ユーザ装置176は、データベース130にアクセスするためにコンピュータシステム102と相互作用し、旅行要求162を送信し、旅行計画165の再ランキングされた上位k個のリストを受信などするように適切に構成されることができる。具体的には、ユーザ装置176は、例えば、コンピュータシステム102と相互作用するように動作可能であるメモリ178に記憶されたウェブブラウザ、専用アプリケーション又は他のシンクライアントインターフェース180を含むことができる。シンクライアント180は、関連する交通機関システム134、ルート148、スケジュール150、サービス152などのグラフィカル表現を表示するように適切に構成されることができる。プロセッサ182及びメモリ178は、コンピュータシステム102のプロセッサ104及びメモリ108に関して上述したように構成されることができる。
1つの実施形態によれば、例えば選択された出発時間172において所望の出発地168と所望の目的地170との間の適切な旅行を決定することを望む人などのシステム100のユーザは、コンピュータシステム102による処理のために旅行要求162を提出することができる。旅行要求162は、システム102に対してリンク184又は直接入力を介して提出されることができる。旅行要求162は、データベース130に記憶された任意数の介在駅143を含むことができる(システム134における停車場/駅143に対応する)選択された出発地168と(他の停車場/駅143に対応する)選択された目的地170との間の上位クラスの旅行165のリストの要求として機能する。そのような実施形態において、旅行要求162は、出発地(O)168、目的地(D)170、所望の出発時間170及び必要に応じて選択されたサービス嗜好174(例えば、バスのみ、トラムのみ、地下鉄のみなど)を含むことができる。旅行要求162は、表示装置124に表示された結果とのユーザ入力装置126によるユーザ相互作用などを介してコンピュータシステム102とのデータ通信においてユーザ装置176上で動作可能なシンクライアント180へのアクセスを介してユーザによって入力されることができる。
そして、旅行要求162は、関連する旅行計画エンジン160によって旅行164の上位k個のリストに関する決定のために旅行プランナー158に送信されることができる。そして、この旅行164の上位k個のリストは、旅行165の再ランキングされた上位k個のリストに旅行111を再ランキングするためにコンピュータシステム102の再ランキング要素118によって処理されることができる。その後、旅行165の再ランキングされた上位k個のリストは、コンピュータシステム102からユーザ装置176に対して、ディスプレイ124などに対して通信リンク184を介して通信されることができる。
図2A〜図2Bは、旅行プランナー158の出力と公共交通機関ネットワーク134の実際のユーザの旅行のセット138における旅行111との間の差異を図示している。図2A〜図2Bに示された例は、3ヶ月の期間にわたってフランスのナンシーにおいて収集された検証情報に対応している。公共交通機関ネットワーク134における場所の全ての対(o,d)について、oからdまでの全ての異なる旅行が抽出され、それらの移動時間の分布が分析される。図2Aは、ネットワーク全体134についての平均移動時間に対する最小の分布を示しており、任意の点は、1つの(o,d)の対を指している。高密度の領域は、旅行プランナー158によって従来想定されている最小時間よりも平均移動時間がはるかに長いことを示唆していることが理解されるであろう。
前の例を続けると、ナンシーのデータセットにおいて、停車場対の57%(総トラフィックの69%を占める)は、出発地から目的地までの少なくとも2つの異なる旅行を有し、観察された異なる旅行の最大数は46であり、2つの地点間の旅行の平均数は、2.71に等しい。出発地から目的地までの1つ又は他の旅行の選択の不確実性を測定するために、均一な旅行分布pからの旅行分布qのカルバック・ライブラー情報量KL(q||p)が本特許出願の1つの実施形態によれば利用可能である。より高いKL値は、他に対する1つの旅行のより高い確実性及び実証支配を示している。図2Bは、対数スケールを使用してネットワーク134における全ての(o,d)の場所対のKL情報量値をプロットしている。図2A〜図2Bに図示された例から理解されるように、高密度領域の分析は、大部分の場所対が1つではなく高頻度の2から5個の異なる旅行によって支配されることを示唆している。さらにまた、異なる旅行の嗜好は、日中に明らかに変化する。
上記観察は、図3A、図3B−1及び図3B−2においてより十分に図示されている。図3Aは、ナンシーにおける例としての(o,d)場所対についての上位3つのトランジット旅行を示している。図3B−1及び図3B−2は、この例についての上位5つの旅行についての旅行時間及び平均旅行数を示している。示されるように、5つの旅行のそれぞれは、1つの変化、すなわち乗り換えを有するトランジット旅行である。図3A、図3B−1及び図3B−2は、旅行者の嗜好が日中に変化することを図示していることが理解されるであろう。旅行プランナー158は、最速の旅行クエリについての旅行304を推奨する。示されるように、推奨された旅行302は、最速でも最も頻繁に選択されたものでもなく、さらに、旅行302は、旅行302が最も遅い旅行の1つであるにもかかわらず、ランチに一般に関連した時間帯に最も頻繁である。
ここで図4を参照すると、1つの実施形態にかかる関連する交通機関ネットワークについての旅行を再ランキングするための方法を図示するフローチャート400が示されている。図4の方法は、402で始まり、検証情報137が少なくとも1つの自動発券検証システム136から受信されると、前記検証情報は、タイムスタンプ140、場所141(例えば、停車場143)、チケット識別子145を含むことができる。404において、旅行者によって行われた各旅行111が検証情報137によって示されるように抽出される。各旅行111は、少なくともタイムスタンプ140、出発地142及び目的地144を含む。旅行111は、1つ以上の自動発券検証システム136によって収集された検証情報137から旅行抽出部110によって抽出又は決定されることができる。
408において、関連する交通機関ネットワーク134についての旅行のセット138は、関連するユーザから受信した旅行要求162に対応する関連するデータベース130から取得される。上述したように、そのセット138における各旅行111は、交通機関ネットワーク134における旅行者によってとられた実際の旅行に対応する。1つの実施形態によれば、旅行のセット138を形成する各旅行111は、受信した旅行要求162の出発地168、目的地170及び出発時間172にも対応する共通の出発地168、目的地170及び出発時間172を含む。1つの実施形態において、旅行要求162は、所望のサービス174を指定することができ、取得された旅行のセット138はまた、選択されたサービス174を使用したそれらの旅行111にさらに限定されることができる。
410において、交通機関ネットワーク134における旅行のセット138における任意の所与の旅行111を特徴付ける時間変化特徴のセット194は、コンピュータシステム102に関連する特徴付け要素114又は他の適切な要素によって開発される。412において、コンピュータシステム102に関連付けられた嗜好変換部112又は他の適切な要素は、決定された時間変化特徴のセット194に応じて旅行のセット138を嗜好のセット192に変換する。上述したように、嗜好192は、例えば、データセット138から推定されるトラフィック嗜好(例えば、旅行者はバスを回避する)、時間的及び/又は空間的(時間、ルートなど)を含むことができる。すなわち、嗜好192は、旅行者が特定の時間において特定のルート(旅行111)を好んだ理由(暗黙的/明示的)に対応することが理解されるであろう。
1つの実施形態によれば、ユーザ嗜好192は、空間−時間空間における分布として嗜好変換部112によってモデル化される。ランキング関数190を決定するために例えば上述したような学習操作中にユーザ嗜好192を学習するために、以下の414において、各旅行111は、時間依存特徴のセットによって特徴付けられる。旅行者が特定の旅行を選択すると、それは他の旅行に対してこの旅行を暗黙的に好む。乗客の選択に影響を与えることがある無限数の明示的及び暗黙的な要因がある。それらの最終的な無限の部分的観測のために、それらは明示的に識別されない場合がある。したがって、本願明細書に開示された実施形態例において、旅行111は、この選択の異なる態様を取り込むことができる特徴のセット194を介して特徴付けられる。旅行111は、ペアワイズ嗜好192のセットをインスタンス化するために処理される。トレーニング中において、本方法は、乗客によって行われた最良の旅行の選択を説明する異なる態様/特徴についての最適な重みを見出す。
1つの実施形態によれば、グローバル特徴、ローカル特徴、動的特徴など、時間変化特徴194の様々なグループが使用されることができる。グローバル特徴は、予想される移動時間、変更数、特定の種類の移動の使用(バス、電車、トラムなど)、マルチモダリティなどの全体の旅行111を記載する特性である。ローカル特徴は、旅行111を構成する要素のそれぞれを記載する。旅行111中に使用される各バス/トラムライン/サービスについて、この期間においてこのラインを使用した場合の速度の推定された手段及び分散並びにスケジュールに関する平均遅延が抽出される。各乗り換え地点について、推定された追加の特性は、歩行距離、必要に応じて商業地域や交通機関ハブとの近さなどを含むことができる。動的特徴は任意であり、それらは、交通状況、バス占有、スケジュール遅延などの旅行の環境条件に関する。嗜好モデルを学習するためにこれらの特徴を使用することは、正確な予測を行うために実時間情報にアクセスする条件下でのみ可能である。1つの例示的な実施によれば、6個のグローバル及び244個のローカル特徴の合計が旅行138の全体を特徴付けるために識別されている。
414において、上述したように、ランキング関数190は、ランキング関数計算部116又はシステム100に関連する他の適切な要素を介して時間変化特徴のセット194によって特徴付けられるような嗜好のセット192を使用して決定される。旅行者が開始時間sにおいて出発地oから目的地dまで旅行tを行うとき、旅行者は、他の旅行に対してこの旅行を暗黙的に好む。ランキング関数を学習するために、この暗黙的な嗜好は、ペアワイズ嗜好の明示的なセットに変換される。
以下に記載されるアルゴリズム1は、旅行プランナー及び実際の旅行の観察されたセットTを使用してこれらの嗜好をインスタンス化する。クエリq=(o,d,s)に一致する任意の実際の旅行tについて、アルゴリズムは、qについての上位k個の旅行候補164を取得するために旅行プランナー158を使用し、このセットにあるように起こる場合には旅行t自体を除いて、旅行tがこれらの候補のいずれかに好まれているかどうかを判定する。
アルゴリズム1。ランキング学習アルゴリズム
必要:フォーム(q,t)における乗客旅行の集合T。ここで、q=(o,d,s)
必要:上位k個の推奨を有する旅行プランナーP
1:S=φ
2:各(q,t)∈Tについて以下を行う
3:クエリqによって旅行プランナーTに照会する
4:リストLとして上位k個の旅行を取得する
5:各t’∈L,t’≠tについて
6:Sに(q,x(t)>x(t’))を追加する
7:終了
8:終了
9:時間範囲S(r),r=1・・・vにおいてSを分割する
10:S(r)によってランキングSVMモデルM(r)を学習する
11:M(r),r=1・・・vを返送する
アルゴリズム1は、実際の旅行tと推奨された旅行t’との間の一致を定義する必要がある。本願明細書に記載された実施形態において、旅行の一致の厳密な定義は、旅行t及びt’がサービスの同じシーケンスに続くもの(例えば、サービススケジュールに応じて識別されるもの)及びそれらの間の対応する変化と考えられる。そして、ランキング関数190は、旅行計画についてのユーザからのクエリに応じてその後の使用のために関連するデータベース130に記憶される。
図4を参照すると、416において、旅行要求162は、選択された出発地168、選択された目的地170、出発時間172を含む関連するユーザから受信され、必要に応じて、嗜好サービス174(例えば、バス、電車/トラム、方向など)は、計画エンジン160による処理のために旅行プランナー158に通信される。
418において、再ランキング要素118は、旅行要求162に応じて旅行プランナー158から旅行164の上位k個のリストを受信する。そして、再ランキング要素118は、受信したクエリ、すなわち旅行要求162に対応するランキング関数190を取得し、420において、再ランキングするために旅行164の取得された上位k個のリストに対してランキング関数を適用し、422において、適用されたランキング関数190に応じてリストを再ランキングする。そして、再ランキングされた上位k個のリスト165は、424において、受信した旅行要求162に応じてユーザに返送される。
以下に示されるアルゴリズム2は、ユーザからの旅行要求162の受信に応じたシステム100の動作を図示している。
アルゴリズム2。旅行再ランキングアルゴリズム
必要:上位k個の推奨を有する旅行プランナーP
必要:乗客旅行r=1・・・vについての再ランキング関数M(r)
1:1つ以上の追加制約によって最終的に拡張されたクエリq=(o,d,s)をユーザに定式化させる
2:qによってプランナーPにクエリし、リストLとして上位k個の候補旅行を検出する
3:ランキング関数M(r)、s∈rを使用してLにおける候補を再ランキングする
4:ユーザに対して旅行の再ランキングされたリストを返送する
図4に図示された方法は、コンピュータ上で実行されることができるコンピュータプログラム製品において実施されることができる。コンピュータプログラム製品は、ディスク、ハードドライブなどの制御プログラムが記録された(記憶された)持続性コンピュータ読み取り可能な記録媒体を含むことができる。持続性コンピュータ読み取り可能な媒体の一般的な形態は、例えば、フロッピー(登録商標)ディスク、フレキシブルディスク、ハードディスク、磁気テープ若しくは任意の他の磁気記憶媒体、CD−ROM、DVD若しくは任意の他の光媒体、RAM、PROM、EPROM、FLASH−EPROM若しくは他のメモリチップ若しくはカートリッジ又はコンピュータが読み取って使用することができる任意の他の有形媒体を含む。
あるいは、本方法は、電波及び赤外線データ通信中に生成されるものなど、音波又は光波などの伝送媒体を使用してデータ信号として制御プログラムが具現化される伝送可能搬送波などの一時的媒体において実施されることができる。
例示的な方法は、1つ以上の汎用コンピュータ、専用コンピュータ(複数可)、プログラミングされたマイクロプロセッサ若しくはマイクロコントローラ及び周辺集積回路素子、ASIC若しくは他の集積回路、ディジタル信号プロセッサ、ディスクリート素子回路などのハードワイヤード電子若しくは論理回路、PLD、PLA、FPGA、グラフィックカードCPU(GPU)又はPALなどのプログラマブル論理デバイスなどに実装されることができる。一般に、順次図4に示されたフローチャートを実施することが可能な有限状態機械を実装することができる任意のデバイスは、交通機関ネットワークをクラウドソーシングするための方法を実施するために使用可能である。

Claims (8)

  1. 関連する交通機関ネットワークについての旅行を再ランキングするための方法において、
    複数の自動発券検証システムから、前記交通機関ネットワークの複数の旅行者のそれぞれについての検証情報であって、タイムスタンプ、少なくとも1つの場所、及びチケット識別子を含む検証情報を受信することと、
    前記検証情報から、前記交通機関ネットワークの前記複数の旅行者のそれぞれの旅行であって、出発地と、目的地と、出発時間及びサービスのうちの少なくとも1つと、を含む旅行を抽出することと、
    関連するデータベースに前記抽出された旅行を記憶することと、
    コンピュータシステムにおいて、コンピュータネットワークを介してユーザ装置から、関連するユーザから、関連する交通機関ネットワーク上の出発地、目的地、及び出発時間を含む旅行要求を受信することと、
    前記関連するデータベースから、前記受信した旅行要求に対応する実際の旅行のセットであって、前記受信した旅行要求に対応する共通の出発地、目的地、及び出発時間をそれぞれ有する実際の旅行のセットを取得することと、
    前記取得した、前記受信した旅行要求に対応する実際の旅行のセットに従って、前記旅行要求に関連するランキング関数を決定することと、
    関連する旅行プランナーから、前記受信した旅行要求に対応する、前記関連する交通機関ネットワーク上の候補旅行のリストを受信することと、
    前記リスト内の前記候補旅行を再ランキングするように前記候補旅行のリストに対してランキング関数を適用することと、
    前記コンピュータネットワークを介して前記ユーザ装置に、前記旅行要求に応じて再ランキングされた候補旅行のリストを返送することと、
    前記ユーザ装置のディスプレイに、前記再ランキングされた候補旅行のリストを表示することと、
    を備え、
    前記受信、取得、決定、適用又は返送のうちの少なくとも1つが、前記コンピュータシステムのコンピュータプロセッサによって実行される、方法。
  2. さらに
    前記セットにおける各旅行について、前記関連する交通機関ネットワーク上で前記旅行を特徴付ける時間変化特徴のセットを開発することを含む、請求項1に記載の方法。
  3. さらに、前記時間変化特徴のセットに応じて、前記関連する交通機関ネットワークの旅行者の暗黙的な嗜好に対応する実際の世界の旅行者の嗜好のセットに前記実際の旅行のセットを変換することを備える、請求項2に記載の方法。
  4. 前記関連する交通機関ネットワークが、公共交通機関ネットワークである、請求項1に記載の方法。
  5. コンピュータによって実行されたときに前記コンピュータに請求項1の方法を実行させる命令を記憶する持続性記録媒体を備える、コンピュータプログラム製品。
  6. 請求項1の方法を実行する命令を記憶するメモリと、前記命令を実行する前記メモリと通信するプロセッサとを備える、システム。
  7. 関連する交通機関ネットワークについての旅行を再ランキングするためのシステムにおいて、
    旅行要求を受信し、前記旅行要求に応じて前記関連する交通機関ネットワーク上の候補旅行のリストを返送するように構成された旅行計画エンジンを含む旅行プランナーと、
    前記候補旅行のリストに対してランキング関数を適用して再ランキングされた候補旅行のリストを生成するように構成された再ランキング要素と、
    コンピュータネットワークを介してユーザ装置と通信するコンピュータシステムのプロセッサと、
    前記プロセッサと通信し、前記プロセッサにより実行される命令を記憶するメモリと、
    備え、前記命令が、
    複数の自動発券検証システムから、前記交通機関ネットワークの複数の旅行者のそれぞれについての検証情報であって、タイムスタンプ、少なくとも1つの場所、及びチケット識別子を含む検証情報を受信し、
    前記検証情報から、前記交通機関ネットワークの複数の旅行者のそれぞれについての旅行であって、出発地と、目的地と、出発時間及びサービスのうちの少なくとも1つと、を含む旅行を抽出し、
    前記関連するデータベースに前記抽出された旅行を記憶し、
    前記関連するデータベースから、前記受信した旅行要求に対応する実際の旅行のセットであって、前記受信した旅行要求に対応する共通の出発地、目的地、及び出発時間をそれぞれ有する実際の旅行のセットを取得し、
    前記実際の旅行のセットにおける各旅行について、
    前記旅行プランナーから、前記旅行要求に対応する候補旅行のセットを受信し、
    前記実際の旅行のセットの旅行が候補旅行のいずれかにおいて好まれているかどうかを判定するために上位の候補旅行のセットを分析し、
    前記候補旅行にわた前記旅行の嗜好に応じて前記旅行要求に関連するトレーニング旅行のセットに対して前記実際の旅行のセットの前記旅行を追加し、
    前記トレーニング旅行のセットに応じて前記旅行要求に対応するランキング関数を学習し、
    前記コンピュータネットワークを介して前記ユーザ装置に、前記学習されたランキング関数に従って再ランキングされた候補旅行のリストを返送し、
    前記ユーザ装置のディスプレイに、前記再ランキングされた候補旅行のリストを表示するシステム。
  8. 関連する公共交通機関ネットワークについての旅行を再ランキングするためのコンピュータ実装方法において、
    複数の自動発券検証システムから、前記交通機関ネットワークの複数の旅行者のそれぞれについての検証情報であって、タイムスタンプ、少なくとも1つの場所、及びチケット識別子を含む検証情報を受信し、
    前記検証情報から、前記交通機関ネットワークの複数の旅行者のそれぞれについての旅行であって、出発地と、目的地と、出発時間及びサービスのうちの少なくとも1つと、を含む旅行を抽出し、
    前記関連するデータベースに前記抽出された旅行を記憶し、
    コンピュータネットワークを介して関連するユーザ装置から、前記関連する交通機関ネットワーク上の出発地、目的地及び出発時間を含む旅行要求を受信し、
    関連するデータベースから、前記受信した旅行要求に対応する実際の旅行のセットであって、前記受信した旅行要求に対応する共通の出発地、目的地、及び出発時間をそれぞれ有する前記実際の旅行のセットを取得し、前記受信した旅行要求に対応する実際の旅行のセットは、前記関連するデータベース内の前記抽出された旅行から生成され、
    前記受信した旅行要求に一致する前記実際の旅行のセットにおける各旅行について、
    旅行プランナーから、前記旅行要求に対応する候補旅行のセットを受信し、
    前記実際の旅行のセットの旅行が候補旅行のいずれかに好まれているかどうかを判定するために上位の候補旅行のセットを分析し、
    前記候補旅行にわた前記旅行の嗜好に応じて前記旅行要求に関連するトレーニング旅行のセットに対して前記実際の旅行のセットの前記旅行を追加し、
    前記実際の旅行のセットにおける各旅行について、前記関連する交通機関ネットワーク上で前記旅行を特徴付ける時間変化特徴のセットを開発し、
    前記時間変化特徴のセットに従って、前記実際の旅行のセットを、前記関連する交通機関ネットワークの旅行者の暗黙的な嗜好に対応する実際の世界の旅行者の嗜好のセット変換し、
    前記トレーニング旅行及び前記実際の世界の旅行者の嗜好のセットに従って、前記旅行要求に対応するランキング関数を学習し、
    前記旅行プランナーから、前記受信した旅行要求に対応する前記関連する交通機関ネットワーク上の候補旅行のリストを受信し、
    前記リストにおける候補旅行を再ランキングするように前記候補旅行のリストに対して前記ランキング関数を適用し、
    前記コンピュータネットワークを介して前記ユーザ装置に、前記旅行要求に応じて再ランキングされた候補旅行のリストを返送し、
    前記ユーザ装置のディスプレイに、前記再ランキングされた候補旅行のリストを表示する、コンピュータ実装方法。

JP2015207777A 2014-11-05 2015-10-22 旅行プランナーのための旅行再ランキング Expired - Fee Related JP6723721B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US14/533,310 2014-11-05
US14/533,310 US9989372B2 (en) 2014-11-05 2014-11-05 Trip reranking for a journey planner

Publications (2)

Publication Number Publication Date
JP2016091546A JP2016091546A (ja) 2016-05-23
JP6723721B2 true JP6723721B2 (ja) 2020-07-15

Family

ID=54360068

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2015207777A Expired - Fee Related JP6723721B2 (ja) 2014-11-05 2015-10-22 旅行プランナーのための旅行再ランキング

Country Status (3)

Country Link
US (1) US9989372B2 (ja)
EP (1) EP3018616A1 (ja)
JP (1) JP6723721B2 (ja)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10248913B1 (en) * 2016-01-13 2019-04-02 Transit Labs Inc. Systems, devices, and methods for searching and booking ride-shared trips
US10817806B2 (en) 2016-07-29 2020-10-27 Xerox Corporation Predictive model for supporting carpooling
JP6757654B2 (ja) * 2016-11-28 2020-09-23 株式会社日立製作所 輸送サービス情報提供装置、及び輸送サービス情報提供方法
US10032181B1 (en) 2017-05-24 2018-07-24 Uber Technologies, Inc. Determining a topological location of a client device using received radio signatures
EP3410362B1 (en) * 2017-05-31 2022-03-30 HERE Global B.V. Method and apparatus for next token prediction based on previously observed tokens
US10859670B2 (en) 2017-08-08 2020-12-08 Uber Technologies, Inc. Geographic positioning using short-range transmissions
US20190095836A1 (en) 2017-09-22 2019-03-28 Conduent Business Services, Llc Prediction of actual loads from fare collection data
US10949751B2 (en) 2017-11-21 2021-03-16 Conduent Business Services Llc Optimization of multiple criteria in journey planning
US10955252B2 (en) 2018-04-03 2021-03-23 International Business Machines Corporation Road-condition based routing system
US10690508B2 (en) * 2018-04-03 2020-06-23 International Business Machines Corporation Navigational system utilizing local driver based route deviations
US20190340546A1 (en) * 2018-05-01 2019-11-07 GM Global Technology Operations LLC Real time personal mobility planner system
US11030890B2 (en) 2018-05-03 2021-06-08 International Business Machines Corporation Local driver pattern based notifications

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100280853A1 (en) * 2007-12-05 2010-11-04 Michael Thomas Petralia Holistic multimodal transport apparatus and method
US20120011112A1 (en) * 2010-07-06 2012-01-12 Yahoo! Inc. Ranking specialization for a search
US8510315B2 (en) 2010-12-06 2013-08-13 Microsoft Corporation Prioritizing travel itineraries
US8494771B2 (en) * 2011-09-07 2013-07-23 Microsoft Corporation Journey planning in public transportation networks
US8713045B2 (en) 2012-01-17 2014-04-29 Xerox Corporation Location-type tagging using collected traveler data
US20130246219A1 (en) 2012-03-14 2013-09-19 Google Inc. Ranking and optimizing trips
US8731835B2 (en) * 2012-05-25 2014-05-20 Xerox Corporation System and method for trip plan crowdsourcing using automatic fare collection data
US10430736B2 (en) 2012-05-25 2019-10-01 Conduent Business Services, Llc System and method for estimating a dynamic origin-destination matrix
JP2014016808A (ja) * 2012-07-09 2014-01-30 Navitime Japan Co Ltd 特定経路提示システム、サーバ装置、端末装置、特定経路提示装置、特定経路提示方法、および、プログラム
US20150286936A1 (en) * 2012-10-17 2015-10-08 Hitachi, Ltd. Transportation analysis system
JP6020150B2 (ja) * 2012-12-27 2016-11-02 日産自動車株式会社 車両用情報提供装置
US9228841B2 (en) * 2014-06-02 2016-01-05 Xerox Corporation Methods and systems for determining routes in a navigation system

Also Published As

Publication number Publication date
JP2016091546A (ja) 2016-05-23
US20160123748A1 (en) 2016-05-05
US9989372B2 (en) 2018-06-05
EP3018616A1 (en) 2016-05-11

Similar Documents

Publication Publication Date Title
JP6723721B2 (ja) 旅行プランナーのための旅行再ランキング
JP6821447B2 (ja) 公共交通機関システムにおけるユーザ旅行嗜好の平滑化動的モデリング
US10019671B2 (en) Learning mobility user choice and demand models from public transport fare collection data
Azevedo et al. Microsimulation of demand and supply of autonomous mobility on demand
Chen et al. Management of a shared autonomous electric vehicle fleet: Implications of pricing schemes
US10430736B2 (en) System and method for estimating a dynamic origin-destination matrix
US8731835B2 (en) System and method for trip plan crowdsourcing using automatic fare collection data
US10621529B2 (en) Goal-based travel reconstruction
US20130317742A1 (en) System and method for estimating origins and destinations from identified end-point time-location stamps
JP2020531939A (ja) 乗客探索ライドソーシング・ビークル・ナビゲーションを決定するためのシステムおよび方法
JP6171388B2 (ja) ナビゲーションシステム、ナビゲーション方法、及びナビゲーションプログラム
Tarantino et al. A mobile personalized tourist guide and its user evaluation
WO2020228626A1 (en) Method and system for recommending multi-modal itineraries
Xue et al. Identifying tourists from public transport commuters
Ronald et al. Simulating ad-hoc demand-responsive transportation: a comparison of three approaches
JP2014190952A (ja) ナビゲーションシステム、ナビゲーション方法、及びナビゲーションプログラム
Chen et al. A holistic data-driven framework for developing a complete profile of bus passengers
JP6048196B2 (ja) ナビゲーションシステム、ナビゲーション方法、及びナビゲーションプログラム
WO2019132700A1 (ru) Способ и система приобретения электронных билетов на транспорт
US20220034664A1 (en) Utilizing machine learning and a network of trust for crowd and traffic control and for mapping a geographical area
WO2020228607A1 (en) Method and system for multi-modal transportation
JP6978230B2 (ja) 提供装置、提供方法、提供プログラムおよび算出装置
Rahaman Context-aware mobility analytics and trip planning
Yao et al. Express bus fare optimization based on passenger choice behavior
Cevallos et al. A Synthesis on Data Mining Methods and Applications for Automated Fare Collection (AFC) Data

Legal Events

Date Code Title Description
RD03 Notification of appointment of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7423

Effective date: 20151102

RD04 Notification of resignation of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7424

Effective date: 20160125

A711 Notification of change in applicant

Free format text: JAPANESE INTERMEDIATE CODE: A711

Effective date: 20181010

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20181019

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20181120

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20181214

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20190731

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20190910

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20191204

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: 20200602

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20200624

R150 Certificate of patent or registration of utility model

Ref document number: 6723721

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

LAPS Cancellation because of no payment of annual fees