JP6773211B2 - 乗合支援システム、乗合支援方法及び乗合支援プログラム - Google Patents

Description

本発明は、乗合支援システム、乗合支援方法及び乗合支援プログラムに関する。

乗合タクシーの成立は、その地域の性格によって大きく左右される。例えば、都市の駅においてはタクシー利用者が多く、駅から住宅地へ移動する人々のルートは限られているので乗合が成立しやすい。しかし、地方都市においてはタクシー利用者が少ないため、乗合タクシーが成立するケースは観光地を除いて少ないと考えられる。

従来技術では、乗合を成立させるために、過去の利用履歴に基づくものが検討されている。例えば、利用履歴のある利用者の希望予約情報（乗車地、降車地、出発時刻）や連絡先を予約システムに格納しておき、希望予約情報をキーとして連絡先を検索し、過去に希望予約情報と同一の希望予約情報を送信したことのある第１の乗車パターンの利用者、又は過去に乗車地Ａから降車地Ｂへのルートに含まれる区間を希望予約情報としたことのある第２の乗車パターンの利用者の連絡先へ電子メールなどで通知し、相乗りを勧誘する技術が検討されている（例えば、特許文献１）。

特開２００３−３０８５９６号公報 特開２００５−１５６３０号公報 特開２０１０−７３１８４号公報

しかしながら、従来技術では、或るユーザからのリクエストに応じた乗合タクシーについて時間帯等において、他のユーザの過去の利用履歴に対してずれが有る場合に、乗合を成立させることが困難である。

そこで、一側面では、乗合交通において乗合が成立する可能性を高めることを目的とする。

一つの案では、乗合支援システムは、乗合交通に対する乗車要求を受信する受信部と、前記乗車要求に応じた乗合交通への乗合の候補者ごとの、前記乗合交通の条件を構成する複数の項目のそれぞれに関する特性を示すパラメータに基づいて、前記乗合交通について、前記候補者によって受け入れられる確率が最大となる条件を、前記候補者ごとに生成する生成部と、を有する。

一態様によれば、乗合交通において乗合が成立する可能性を高めることができる。

本発明の実施の形態におけるネットワーク構成例を示す図である。 本発明の実施の形態における乗合支援システム１０のハードウェア構成例を示す図である。 本発明の実施の形態における乗合支援システム１０の機能構成例を示す図である。 乗合支援システム１０が実行する処理手順の一例を説明するためのフローチャートである。 リクエスト履歴ＤＢ１２２の構成例を示す図である。 移動パターンＤＢ１２１の構成例を示す図である。 提案受理履歴ＤＢ１２３の構成例を示す図である。 インセンティブＤＢ１２５の構成例を示す図である。 施設ＤＢ１２６の構成例を示す図である。 提案画面の表示例を示す図である。

以下、図面に基づいて本発明の実施の形態を説明する。本実施の形態では、乗合の成立の可能性が高まるように、最初の乗合希望者と共に乗合タクシーに同乗してくれる同乗者を、インセンティブを絡めて探し出す乗合支援システムについて説明する。まず、乗合支援システムによって実現される乗合の具体例について説明する。

［具体例１］
例えば、Ａさんが１３時に自宅を出発してａ駅を目的地とする乗合タクシーをリクエストしたとする。乗合支援システムは、１４時００分にａ駅の途中になる病院に、タクシーで旅行時間２０分を要して習慣的に通っている老人Ｂさんに目をつける。老人Ｂさんの自宅は、Ａさんの自宅とａ駅との間にあり、病院もＡさんの自宅とａ駅との間にあるとする。Ｂさんは、普段は１４時００分のタクシーで病院に通っているが、料金の安い乗合タクシーであれば、Ａさんの出発時刻に合わせて３０分融通してもらい、１３時３０分に病院に到着するように行動を変えてもらえる可能性が有る。そこで、乗合支援システムは、１３時１０分にＢさんを迎えにいき、１３時３０分に病院に到着する乗合タクシーをスマホ経由でＢさんに提案する。提案がＢさんに受け入れられた場合は、乗合タクシーは、１３時にＡさんを迎えに行き、１３時１０分にＢさんを迎えに行って、病院、ａ駅に向かって出発する。

［具体例２］
同様に、Ａさんが１３時に自宅を出発してａ駅を目的地とする乗合タクシーをリクエストしたとする。乗合支援システムは、Ａさん宅とａ駅との途中にある△デパートに１２時のバスで自宅から通うＣさんに目をつける。乗合支援システムは、Ｃさんが△デパートのハンバーガーが大好物であることを知っている。そこで、乗合支援システムは、ハンバーガーの割引クーポンを発行し、お昼を食べてもらうために、１２時３０分にＣさんを迎えに行く乗合タクシーを提案する。Ａさんにあわせてもう少し遅い時間を提案するとＣさんに拒否される可能性がある。そこで、乗合支援システムは、Ａさんに対しても時間を融通してもらい、Ａさんに対して１２時４５分に迎えに行く乗合タクシーを提案する。Ａさん及びＣさんの双方が提案を受け入れた場合、乗合タクシーは、１２時３０分にＣさんを迎えに行き、１２時４５分にＡさんを迎えに行って、それぞれの目的地に向けて出発する。

以上の具体例のように、乗合支援システムは、Ａさんのような乗合希望者、及びＢさん又はＣさんのような乗合候補者の普段の移動パターンだけではなく、それぞれの特性又は性格（どれだけ時間の融通が可能か等）、インセンティブ等の特典への影響度（クーポンなどを提供すると提案を受け入れる確率が高まるか）を管理して、どのようなインセンティブを絡めて、どのような提案を行えば乗合が成立する確率が高くなるのか計算し、当該確率が最高となる提案をすることで、乗合成立の可能性を高める。

図１は、本発明の実施の形態のネットワーク構成例を示す図である。図１において、乗合支援システム１０と複数のユーザ端末２０とは、例えば、インターネット等のネットワーク（無線区間を含んでも良よい）を介して接続される。

ユーザ端末２０は、乗合タクシーの利用者が、乗車のリクエスト（要求）の入力や、乗合タクシーの提案の受信等に利用する端末である。すなわち、本実施の形態では、乗合タクシーのリクエストが発生すると、リクエスト者以外の人に、乗合タクシーの提案が配信される。なお、例えば、ＰＣ（Personal Computer）、携帯電話、スマートフォン、タブレット端末等がユーザ端末２０として利用されてもよい。

乗合支援システム１０は、乗合タクシーのリクエストに応じた乗合タクシーについて、乗合が成立する確率が高まるように、インセンティブを活用して提案（乗合タクシーの条）を生成する１以上のコンピュータである。

図２は、本発明の実施の形態における乗合支援システム１０のハードウェア構成例を示す図である。図２の乗合支援システム１０は、それぞれバスＢで相互に接続されているドライブ装置１００、補助記憶装置１０２、メモリ装置１０３、ＣＰＵ１０４、及びインタフェース装置１０５等を有する。

乗合支援システム１０での処理を実現するプログラムは、記録媒体１０１によって提供される。プログラムを記録した記録媒体１０１がドライブ装置１００にセットされると、プログラムが記録媒体１０１からドライブ装置１００を介して補助記憶装置１０２にインストールされる。但し、プログラムのインストールは必ずしも記録媒体１０１より行う必要はなく、ネットワークを介して他のコンピュータよりダウンロードするようにしてもよい。補助記憶装置１０２は、インストールされたプログラムを格納すると共に、必要なファイルやデータ等を格納する。

メモリ装置１０３は、プログラムの起動指示があった場合に、補助記憶装置１０２からプログラムを読み出して格納する。ＣＰＵ１０４は、メモリ装置１０３に格納されたプログラムに従って乗合支援システム１０に係る機能を実行する。インタフェース装置１０５は、ネットワークに接続するためのインタフェースとして用いられる。

なお、記録媒体１０１の一例としては、ＣＤ−ＲＯＭ、ＤＶＤディスク、又はＵＳＢメモリ等の可搬型の記録媒体が挙げられる。また、補助記憶装置１０２の一例としては、ＨＤＤ（Hard Disk Drive）又はフラッシュメモリ等が挙げられる。記録媒体１０１及び補助記憶装置１０２のいずれについても、コンピュータ読み取り可能な記録媒体に相当する。

図３は、本発明の実施の形態における乗合支援システム１０の機能構成例を示す図である。図３において、乗合支援システム１０は、リクエスト受信部１１、移動パターンマッチング部１２、ユーザ特性学習部１３及び提案最適化部１４等を有する。これら各部は、乗合支援システム１０にインストールされた１以上のプログラムが、ＣＰＵ１０４に実行させる処理により実現される。乗合支援システム１０は、また、移動パターンＤＢ１２１、リクエスト履歴ＤＢ１２２、提案受理履歴ＤＢ１２３、学習結果ＤＢ１２４、インセンティブＤＢ１２５及び施設ＤＢ１２６等のデータベース（記憶部）を利用する。これら各データベースは、例えば、補助記憶装置１０２、又は乗合支援システム１０にネットワークを介して接続可能な記憶装置等を用いて実現可能である。

リクエスト受信部１１は、ユーザ端末２０から乗合タクシーの乗車要求（以下、「乗合リクエスト」という。）を受信する。乗合リクエストには、乗車時刻、到着時刻、出発地及び目的地等を示す情報が含まれる。

移動パターンマッチング部１２は、各ユーザの過去の乗合タクシーの利用履歴から、乗合リクエストに応じた乗合タクシー（以下、「対象タクシー」という。）へ乗合を行う可能性の有るユーザの抽出を行う。なお、乗合リクエストの発信者（以下、「リクエスト者」という。）と、移動パターンマッチング部１２によって抽出されたユーザとを、以下「乗合候補者」という。

ユーザ特性学習部１３は、過去の提案の受理履歴に基づいて、乗合タクシーの提案（条件）を構成する複数の項目のそれぞれに関する各ユーザの特性（影響度）を表すモデル（パラメータ）の学習を行う。学習結果は、学習結果ＤＢ１２４に記憶される。なお、提案の受理履歴とは、他者の乗合リクエストに応じた乗合タクシーに関して生成された乗合タクシーの提案（条件）についての受理状況の履歴をいい、ユーザごとに提案受理履歴ＤＢ１２３に記憶されている。

ユーザの特性とは、乗合タクシーの条件の構成要素のうちのいずれの構成要素を当該ユーザが重視するのか、又はいずれの構成要素に当該ユーザが影響される度合いが高いのかを示す情報である。乗合タクシーの提案の構成要素としては、出発時刻、出発希望時刻に対する出発時刻の誤差、到着希望時刻に対する到着時刻の誤差、旅行時間（乗車時間）、料金、インセンティブ（特典）等が有る。なお、インセンティブは、乗合タクシーの条件に関して必然的なパラメータではないが、本実施の形態において、乗合が成立する可能性を高めるために導入されるパラメータである。

提案最適化部１４は、ユーザ特性学習部１３が学習したモデルを用いて、乗合候補者に対して、学習結果ＤＢ１２４、インセンティブＤＢ１２５及び施設ＤＢ１２６等を参照して、どのような提案をすれば乗合の成立が高まるのかを確率で計算する。提案最適化部１４は、計算された確率に基づいて、乗合候補者を絞りこみつつ、提案内容を調整する。提案最適化部１４は、絞り込まれた各乗合候補者のユーザ端末２０に、それぞれに対して生成された提案内容を送信して、乗合の勧誘を行う。

提案最適化部１４について更に詳しく説明する。

例として、或るユーザＡさんがＸ時に自宅を出発し、最寄り駅まで乗合タクシーで移動する乗合リクエストを出したとする。乗合タクシーがドライバーを含めて４人乗りの場合、乗合候補者として、ユーザＡさんの他に２名を探す必要がある（すなわち、募集人数は２名である）。提案最適化部１４は、インセンティブＩを絡めながら、各乗合候補者ｎへの提案を生成し、当該提案に対して乗合候補者ｎが提案を受け入れる確率を計算する。

出発希望時刻Ｘからの誤差をΔｔｌ、到着時刻からの誤差をΔｔａ、旅行時間をＴ、料金をＣとすると、乗合候補者ｎが提案（Ｘ_ｎ，Δｔｌ_ｎ，Δｔａ_ｎ，Ｔ_ｎ，Ｃ_ｎ，Ｉ_ｎ）を受け入れる確率は式（１）、（２）となる。

Ｚ_ｎは、分配関数である。式（１）の右辺にＸが含まれていないのは、乗合の成立確率は予定からの時間のずれ（Δｔｌ_ｎ，Δｔａ_ｎ）の大小に依存し、出発時刻には依存しないとの想定に基づく。

各βは、ユーザ特性を構成するパラメータ（重み）である。すなわち、β_１は、出発希望時刻Ｘからの誤差Δｔｌに対する特性（影響度又は許容度）である。β_２は、到着時刻からの誤差Δｔａに対する特性（影響度又は許容度）である。β_３は、旅行時間Ｔに対する特性（影響度又は許容度）である。β_４は、料金に対する特性（影響度又は許容度）である。β_５は、インセンティブＩに対する特性（影響度）である。各ユーザの各βの値は、ユーザ特性学習部１３によって学習される。

インセンティブＩ_ｎは、例えば、１又は−１の値をとるとしてもよい。乗合候補者ｎが過去に受け入れたインセンティブであれば１とし、受け入れたことがなければ−１とし、β_５の大きさでインセンティブの受け入れ度合いを表すことができる。インセンティブは、クーポンでもプレゼント引き換え券でもよい。

乗合候補者による乗合確率が最も高くなる提案、すなわち、各乗合候補者全員の提案受け入れ確率が最大になる最良の提案ＯＰＴ｛Ｘ_ｎ，Δｔｌ_ｎ，Δｔａ_ｎ，Ｔ_ｎ，Ｃ_ｎ，Ｉ_ｎ｝は、以下の式（３）で求めることができる。

提案最適化部１４は、式（３）を用いて、各乗合候補者ｎの提案の受け入れ確率Ｐ_ｎが最大になる提案を乗合候補者ごとに生成する。

以下、乗合支援システム１０が実行する処理手順について説明する。図４は、乗合支援システム１０が実行する処理手順の一例を説明するためのフローチャートである。

ステップＳ１０１において、リクエスト受信部１１は、リクエスト者のユーザ端末２０から送信された乗合リクエストを受信する。乗合リクエストには、出発希望時刻Ｘ又は到着希望時刻Ｙ、出発地Ｏ及び目的地Ｄを示す情報が含まれている。リクエスト受信部１１は、当該乗合リクエストをリクエスト履歴ＤＢ１２２に記憶する。

図５は、リクエスト履歴ＤＢ１２２の構成例を示す図である。図５に示されるように、リクエスト履歴ＤＢ１２２には、過去の乗車リクエストの出発地、目的地、希望出発時刻Ｘ、希望到着時刻Ｙ等がユーザごとに記憶される。図５には、或るユーザのリクエスト履歴が示されている。

続いて、移動パターンマッチング部１２は、乗車リクエストに応じた移動経路（乗車経路）を探索する（Ｓ１０２）。経路の探索には、公知の技術が利用されればよい。なお、移動経路の探索に応じて、出発予定時刻、到着予定時刻等も決まる。

続いて、移動パターンマッチング部１２は、探索した移動経路に近い経路の移動経験が有るユーザを、移動パターンＤＢ１２１を参照して抽出する（Ｓ１０３）。

図６は、移動パターンＤＢ１２１の構成例を示す図である。移動パターンＤＢ１２１には、ユーザごとに、出発地、目的地、移動回数、最頻度移動時間帯等が記憶されている。移動パターンＤＢ１２１の各レコードの内容は、例えば、リクエスト履歴ＤＢ１２２に基づいて生成されてもよい。

ステップＳ１０３では、例えば、移動経路上に出発地及び目的地が含まれ、当該移動経路によって移動した場合の当該出発地又は目的地の到着予定時刻が、最頻度移動時間帯に含まれるレコードが登録されているユーザが、乗合候補者として抽出される。但し、抽出対象は、移動回数が所定値以上であるレコードに限定されてもよい。すなわち、移動頻度が高い移動パターンに基づいて、乗合候補者が抽出されてもよい。なお、或る乗合候補者について抽出の原因となった移動パターンＤＢ１２１のレコードを、以下「対象移動パターン」という。また、抽出された各乗合候補者及びリクエスト者を、乗合候補者ｎとする。すなわち、以降では、リクエスト者も一人の乗合候補者ｎとして扱われる。

続いて、ユーザ特性学習部１３は、式（４）を用いて、提案受理履歴ＤＢ１２３に記憶されている情報に基づいて各ユーザのβの値を学習（算出）し、学習結果（算出結果）を学習結果ＤＢ１２４に記憶する（Ｓ１０４）。

図７は、提案受理履歴ＤＢ１２３の構成例を示す図である。提案受理履歴ＤＢ１２３には、乗合成立のために他の乗合候補者との調整のため、出発時刻もしくは到着時刻の誤差をどれだけ許容したのかを示す情報がユーザごとに記憶される。

具体的には、提案受理履歴ＤＢ１２３には、過去の各提案について、出発時刻誤差、到着時刻誤差、旅行時間、料金、インセンティブ、提案受理結果等がユーザごとに記憶されている。これにより、各ユーザについて、時間にきっちりしているのか、ルーズなのか、どのようなインセンティブに弱いか等を把握することができ、今後どのような提案をすれば提案の受理の可能性が高くなるのかを知ることができる。

例えば、各乗合候補者ｎ（但し、リクエスト者は除く）について、当該乗合候補者ｎに対する提案であって、提案受理結果が「受理」である提案の番号（提案を古いものから新しいものに順番に並べたときの番号）をｓとすると、学習は、式（２）の各βを推定することによって行われる。学習のための式は、以下の式（４）で与えられる。

すなわち、ユーザ特性学習部１３は、特性βの学習を式（４）を用いて行う。学習されたβは、ユーザごとに学習結果ＤＢ１２４に記憶される。提案が受け入れられれば受け入れられるほど、ユーザの特性βが精度良く学習されていく。

なお、ユーザ特性学習部１３による学習は、このタイミングで実行されなくてもよい。例えば、提案に対する応答が受信されるたびに、学習が行われてもよい。

続いて、提案最適化部１４は、式（３）を用いて、各乗合候補者ｎに対して提案Ｏｐｔを生成する（Ｓ１０５）。この際、提案最適化部１４は、リクエスト者の他に、募集人数分の他の乗合候補者ｎを選択した場合の全ての組み合わせごとに、当該組み合わせに係るリクエスト者及び乗合候補者ｎのそれぞれのＰ_ｎの総乗が最大となるような移動経路の探索を行う。

例えば、募集人数が二人であれば、リクエスト者と、二人の乗合候補者ｎとを選択した場合の３人組の移動経路が探索される。その結果、当該移動経路について、リクエスト者を含む３人の乗合候補者ｎのそれぞれに対して、Δｔｌ_ｎ、Δｔａ_ｎ、Ｔ_ｎ、Ｃ_ｎが決まる。なお、リクエスト者のΔｔｌ、Δｔａは、乗合リクエストにおける出発希望時刻Ｘ、到着希望時刻Ｙに対する、当該移動経路の出発時刻、当該移動経路の到着時刻の誤差である。一方、リクエスト者以外の乗合候補者ｎのΔｔｌ、Δｔａは、当該乗合候補者に対する対象移動パターンの最頻度移動時間帯に対する誤差である。

また、提案最適化部１４は、各乗合候補者ｎについて、それぞれの目的地又は目的地周辺において利用可能なインセンティブ（特典）をＩ_ｎに当てはめつつ提案Ｏｐｔを生成する。斯かるインセンティブは、インセンティブＤＢ１２５を参照して特定可能である。

図８は、インセンティブＤＢ１２５の構成例を示す図である。図８に示されるように、インセンティブＤＢ１２５には、現在利用可能な特典（クーポン又はプレゼント等）ごとに、施設名、店舗、特典内容及び特典条件等が記憶されている。

施設名は、当該特典が利用可能な店舗を含む施設の名称である。店舗名は、当該店舗の名称である。特典内容は、当該特典の内容である。特典条件は、特典の期限等、特典が利用可能であるための条件である。

なお、特典を利用可能な店舗を含む各施設の位置情報（緯度経度）は、施設ＤＢ１２６を参照して特定可能である。

図９は、施設ＤＢ１２６の構成例を示す図である。図９に示されるように、施設ＤＢ１２６には、各施設の施設名、緯度経度、店舗名、及びロケーション等が記憶されている。緯度経度は、施設の位置の緯度及び経度である。店舗名は、当該施設の含まれる店舗の店舗名である。ロケーションは、当該施設における店舗の位置を示す情報である。

したがって、提案最適化部１４は、各乗合候補者ｎの目的地又は目的地周辺における施設を施設ＤＢ１２６を参照して特定することができ、当該施設において利用可能な特典をインセンティブＤＢ１２５を参照して特定することができる。

提案最適化部１４は、３人組に含まれる各乗合候補者ｎに対するインセンティブを入れ替えつつ、また、移動経路を変化させつつ、確率Ｐ_ｎの総乗が最大となる提案を当該３人組について生成する。提案最適化部１４は、このような処理を、全ての３人組のパターン（但し、３人組のうちの一人は常にリクエスト者である）について実行する。その結果、３人組のパターンごとに、最適な提案Ｏｐｔが生成される。

続いて、提案最適化部１４は、乗合候補者ｎの組み合わせごと（上記の例では３人組のパターンごと）の最適な提案Ｏｐｔと、最適な提案Ｏｐｔにおける各乗合候補者ｎの受け入れ確率Ｐｎとに基づいて、提案の送信先とする（すなわち、乗合の勧誘対象とする）乗合候補者ｎを選択する（Ｓ１０６）。具体的には、提案最適化部１４は、３人組のパターンごとに、リクエスト者を除く二人の乗合候補者ｎのそれぞれについて、提案Ｏｐｔに関して式（１）に基づいて求まる確率Ｐ_ｎの合計を計算する。提案最適化部１４は、３人組のパターンごとの当該合計の中で、期待値（募集人数の２．０）以下であって、当該期待値に最も近い合計に係る３人組の乗合候補者ｎを選択する。なお、乗合候補者ｎの選択と共に、選択された各乗合候補者に対する提案Ｏｐｔも決まる。

続いて、提案最適化部１４は、リクエスト者と、選択した各乗合候補者ｎとのそれぞれのユーザ端末２０へ、当該組み合わせ（当該３人組）に対する最適な提案Ｏｐｔにおけるそれぞれの提案Ｏｐｔを送信する（Ｓ１０７）。その結果、当該各ユーザ端末２０において、それぞれに対する提案Ｏｐｔを含む画面（以下、「提案画面」とい。）が表示される。なお、提案の送信には、例えば、電子メールが利用されてもよい。この場合、各ユーザのメールアドレスは、補助記憶装置１０２等に予め記憶されていればよい。

図１０は、提案画面の表示例を示す図である。図１０において、提案画面５１０は、地図領域５１１、運行情報領域５１２、インセンティブ表示領域５１３、キャンセルボタン５１４及び予約確定ボタン５１５等を含む。

地図領域５１１には、当該ユーザの提案Ｏｐｔにおける出発地と目的地とが示された地図が表示される。運行情報領域５１２には、提案Ｏｐｔを構成するパラメータのうち、インセンティブを除くパラメータが表示される。インセンティブ表示領域５１３には、インセンティブが表示される。なお、インセンティブが選択されると、吹き出しに示されるように、当該インセンティブの内容が表示されるようにしてもよい。

キャンセルボタン５１４は、提案の拒否を受け付けるためのボタンである。予約確定ボタン５１５は、提案の受理を受け付けるためのボタンである。

したがって、ユーザが、キャンセルボタン５１４を選択すると、ユーザ端末２０は、提案の拒否を示す情報を乗合支援システム１０へ送信する。一方、ユーザが、予約確定ボタン５１５を選択すると、ユーザ端末２０は、提案の受理を示す情報を乗合支援システム１０へ送信する。

提案最適化部１４は、提案の送信先の各ユーザ端末２０からの応答を受信すると、当該応答に含まれる受理結果（受理又は拒否）と、当該送信先に対する提案とを関連付けて、提案受理履歴ＤＢ１２３に記憶する（Ｓ１０８）。

なお、乗合を受理したユーザが、募集人数以上である場合、適宜、調整が行われればよい。

なお、移動パターンマッチング部１２は、例えば、過去の乗合交通の利用者の全てを乗合候補者として抽出してもよい。この場合、移動経路とは無関係の乗合候補者も抽出されるが、提案最適化部１４による最適な提案の生成において、このような乗合候補者の受け入れ確率は低くなるため、このような乗合候補者が選択される可能性は低い。したがって、移動パターンマッチング部１２が全ての利用者を抽出したとしても、本実施の形態の実現は可能である。但し、移動パターンマッチング部１２が、乗合の可能性が認められる乗合候補者を抽出することで、提案最適化部１４による計算量を削減することができる。

上述したように、本実施の形態によれば、乗合候補者による提案の受け入れ確率に基づいて、提案が選択され、受け入れ確率の高い乗合候補者が提案先として選択される。したがって、乗合交通において乗合が成立する可能性を高めることができる。

また、提案にインセンティブ（特典）が含められることにより、乗合候補者の希望に対して多少の誤差が有る提案であっても、乗合候補者によって提案が受け入れられる確率を高めることができる。

上記の結果、例えば、乗合交通のユーザが増加することで、交通事業者の利益の向上を期待することができる。また、乗合交通を起爆剤に、商業施設がクーポンを発行して集客をはかることができる。

なお、本実施の形態では、乗合タクシーを乗合交通の一例として説明したが、乗合バス等、他の乗合交通について、本実施の形態が適用されてもよい。

なお、本実施の形態において、リクエスト受信部１１は、受信部の一例である。提案最適化部１４は、生成部の一例である。

以上、本発明の実施例について詳述したが、本発明は斯かる特定の実施形態に限定されるものではなく、請求の範囲に記載された本発明の要旨の範囲内において、種々の変形・変更が可能である。

１０ 乗合支援システム
１１ リクエスト受信部
１２ 移動パターンマッチング部
１３ ユーザ特性学習部
１４ 提案最適化部
２０ ユーザ端末
１００ ドライブ装置
１０１ 記録媒体
１０２ 補助記憶装置
１０３ メモリ装置
１０４ ＣＰＵ
１０５ インタフェース装置
１２１ 移動パターンＤＢ
１２２ リクエスト履歴ＤＢ
１２３ 提案受理履歴ＤＢ
１２４ 学習結果ＤＢ
１２５ インセンティブＤＢ
１２６ 施設ＤＢ
Ｂ バス

Claims (7)

1. 経路情報を有する乗合交通に対する乗車要求を受信する受信部と、
   前記乗合交通のユーザごとの経路履歴と、前記乗合交通のユーザごとの前記乗合交通を構成する複数の項目のそれぞれに関する特性を示すパラメータと、前記乗合交通のユーザごとの前記乗合交通の乗車要求受理履歴とを記憶する記憶部と、
   前記経路情報に近い前記経路履歴が存在するユーザを候補者として抽出する抽出部と、
   前記候補者ごとの、前記パラメータと前記乗車要求受理履歴とに基づいて学習し、前記候補者が前記乗車要求を受け入れる確率が最大となるよう前記複数の項目を設定した提案条件を、前記候補者ごとに生成する生成部と、
   を有することを特徴とする乗合支援システム。
2. 前記乗合交通を構成する複数の項目には、前記乗合交通を利用した場合の特典が含まれる、
   ことを特徴とする請求項１記載の乗合支援システム。
3. 前記乗合交通を構成する複数の項目には、前記乗合交通の出発時刻及び到着時刻の少なくともいずれか一方について、希望時刻に対する誤差を含む、
   ことを特徴とする請求項２記載の乗合支援システム。
4. 前記乗合交通を構成する複数の項目には、前記乗合交通での旅行時間を含む、
   ことを特徴とする請求項３記載の乗合支援システム。
5. 前記生成部は、複数の候補者のうちの所定数の候補者の組み合わせごとに、当該組み合わせに係る候補者の全員が前記乗車要求を受け入れる確率が最大となるよう前記複数の項目を設定した前記提案条件を生成し、前記組み合わせごとに生成された前記提案条件における、前記受け入れる確率の合計に基づいて、前記乗合交通の提案先とする前記所定数の候補者を選択する、
   ことを特徴とする請求項１乃至４いずれか一項記載の乗合支援システム。
6. 経路情報を有する乗合交通に対する乗車要求を受信し、
   前記乗合交通のユーザごとの経路履歴と、前記乗合交通のユーザごとの前記乗合交通を構成する複数の項目のそれぞれに関する特性を示すパラメータと、前記乗合交通のユーザごとの前記乗合交通の乗車要求受理履歴とを記憶部に記憶し、
   前記経路情報に近い前記経路履歴が存在するユーザを候補者として抽出し、
   前記候補者ごとの、前記パラメータと前記乗車要求受理履歴とに基づいて学習し、前記候補者が前記乗車要求を受け入れる確率が最大となるよう前記複数の項目を設定した提案条件を、前記候補者ごとに生成する、
   処理をコンピュータが実行することを特徴とする乗合支援方法。
7. 経路情報を有する乗合交通に対する乗車要求を受信し、
   前記乗合交通のユーザごとの経路履歴と、前記乗合交通のユーザごとの前記乗合交通を構成する複数の項目のそれぞれに関する特性を示すパラメータと、前記乗合交通のユーザごとの前記乗合交通の乗車要求受理履歴とを記憶部に記憶し、
   前記経路情報に近い前記経路履歴が存在するユーザを候補者として抽出し、
   前記候補者ごとの、前記パラメータと前記乗車要求受理履歴とに基づいて学習し、前記候補者が前記乗車要求を受け入れる確率が最大となるよう前記複数の項目を設定した提案条件を、前記候補者ごとに生成する、
   処理をコンピュータに実行させることを特徴とする乗合支援プログラム。

Images