JP6906487B2

JP6906487B2 - 乗合車両用需要予測装置、乗合車両用需要予測方法及びプログラム

Info

Publication number: JP6906487B2
Application number: JP2018157045A
Authority: JP
Inventors: 勇宇次入本; 弘樹上田; 弘幸板倉; 秀将伊藤; 晋一樫本
Original assignee: Toshiba Corp; Toshiba Digital Solutions Corp
Current assignee: Toshiba Corp; Toshiba Digital Solutions Corp
Priority date: 2018-08-24
Filing date: 2018-08-24
Publication date: 2021-07-21
Anticipated expiration: 2038-08-24
Also published as: CN112602110A; JP2020030726A; US20210174270A1; WO2020039821A1

Description

本発明の実施形態は、乗合車両用需要予測装置、乗合車両用需要予測方法及びプログラムに関する。

エンドユーザによる予約を反映して運行スケジュールを設定するとともに、当該運行スケジュールに基づいて乗合車両を配車するデマンド型の交通サービスが近年利用されている。

デマンド型の交通サービスにおいては、運行スケジュール設定時の発着時刻に遅延が発生しないように、乗合車両の停車地点及び運行ルートを設定する必要がある。そのため、デマンド型の交通サービスにおいては、予め決められた発着時刻を守りつつ乗合車両を効率的に配車するための需要予測が希求されている。

しかし、従来から知られている手法によれば、前述の需要予測を高精度に行うことができない、という問題点がある。

日本国特開２０１１−２２６４６号公報日本国特開２０１１−１１３１４１号公報

実施形態は、予め決められた発着時刻を守りつつ乗合車両を効率的に配車するための高精度な需要予測を行うことが可能な乗合車両用需要予測装置、乗合車両用需要予測方法及びプログラムを提供することを目的とする。

実施形態の乗合車両用需要予測装置は、エンドユーザによる予約を反映して設定された運行スケジュールに沿って運行されるとともに所定の複数のエリアにおいて運行される乗合車両の需要予測を行うための装置であって、予約予測回数取得部と、降車尤度取得部とを有して構成されている。前記予約予測回数取得部は、前記乗合車両の予約が成立した際の予約状況を示す予約データと、前記乗合車両の運行当日にエンドユーザが実際に乗降したエリアを示す移動データと、前記乗合車両の運行当日におけるエンドユーザの乗降の発生要因になり得るデータを含む乗降要因データと、を入力データとして機械学習させたニューラルネットワークを有するモデルを用い、前記所定の複数のエリアにおける前記乗合車両の乗降予約として将来成立し得る予約回数に相当する予約予測回数を所定の期間毎に取得するように構成されている。前記降車尤度取得部は、前記乗合車両の移動距離に係るデータと、前記所定の複数のエリアに存在する乗降地点の種類に係るデータと、前記乗合車両を利用するエンドユーザのプロファイルに係るデータと、のうちの少なくとも１つを用いて算出した特徴量を入力データとして機械学習させたニューラルネットワークを有するモデルを用い、前記所定の複数のエリア各々における将来の降車の発生確率に相当する降車尤度を前記所定の期間毎に取得するように構成されている。

実施形態に係る需要予測サーバを含む交通サービスシステムの構成の一例を示す図。予約データに含まれるマトリクスデータの一例を示す図。累積移動データに含まれるマトリクスデータの一例を示す図。実施形態に係る需要予測サーバの構成の一例を示す図。実施形態に係る需要予測サーバの処理に用いられる乗合需要予測プログラムの構成の一例を説明するための図。乗合需要予測プログラムに含まれる乗降需要数予測モデルの一例を説明するための概念図。実施形態に係る需要予測サーバにおいて行われる処理の一例を示すフローチャート。需要予測画面の具体例を説明するための図。

以下、実施形態について、図面を参照しつつ説明を行う。

交通サービスシステム１は、図１に示すように、運行スケジュール管理システム１１と、Ｗｅｂサーバ１２と、乗降要因データ取得装置１３と、需要予測サーバ１４と、情報提示装置１５と、を有して構成されている。図１は、実施形態に係る需要予測サーバを含む交通サービスシステムの構成の一例を示す図である。

運行スケジュール管理システム１１は、例えば、プロセッサ及びメモリ等を具備して構成されている。また、運行スケジュール管理システム１１は、スケジュール処理部１１１と、運行情報ＤＢ（データベース）１１２と、通信ＩＦ（インターフェース）１１３と、を有して構成されている。

スケジュール処理部１１１は、Ｗｅｂサーバ１２を介して受信した予約照会要求に応じ、運行情報ＤＢ１１２に格納されている予約データ１１２Ａを読み込むとともに、当該読み込んだ予約データ１１２Ａ（後述）を通信ＩＦ１１３からＷｅｂサーバ１２へ送信させるための動作を行うように構成されている。

スケジュール処理部１１１は、Ｗｅｂサーバ１２を介して受信した予約実施要求に応じ、運行情報ＤＢ１１２に格納されている予約データ１１２Ａを参照しつつ、当該予約実施要求に含まれる乗合タクシー２１の乗車希望地点及び乗車希望時刻に応じた出発予定時刻と、当該予約実施要求に含まれる乗合タクシー２１の降車希望地点及び降車希望時刻に応じた到着予定時刻と、を含む発着予定情報を設定するための処理を行うように構成されている。また、スケジュール処理部１１１は、前述のように設定した発着予定情報を通信ＩＦ１１３からＷｅｂサーバ１２へ送信させるための動作を行うように構成されている。

スケジュール処理部１１１は、予約実施要求に対する発着予定情報を送信した後にＷｅｂサーバ１２を介して受信した予約確認情報に基づき、当該発着予定情報に含まれる出発予定時刻及び到着予定時刻が承認されなかったことを検知した場合に、当該発着予定情報に応じた予約が成立しなかったものと判断し、当該予約実施要求及び発着予定情報を破棄するように構成されている。

スケジュール処理部１１１は、予約実施要求に対する発着予定情報を送信した後にＷｅｂサーバ１２を介して受信した予約確認情報に基づき、当該発着予定情報に含まれる出発予定時刻及び到着予定時刻が承認されたことを検知した場合に、当該発着予定情報に応じた予約が成立したものと判断し、当該予約実施要求に含まれる乗車希望地点が存在する乗車希望エリアと、当該予約実施要求に含まれる降車希望地点が存在する降車希望エリアと、を乗合タクシー２１の運行エリアに含まれる所定の複数のエリアの中からそれぞれ特定するための処理を行うように構成されている。また、スケジュール処理部１１１は、予約成立時の予約実施要求に含まれる乗車希望地点及び降車希望地点と、当該予約実施要求に基づいて特定した乗車希望エリア及び降車希望エリアと、当該予約実施要求に基づいて設定した発着予定情報と、を関連付けた予約管理情報を生成するための処理を行うように構成されている。また、スケジュール処理部１１１は、前述のように生成した予約管理情報を用いて運行情報ＤＢ１１２に格納されている予約データ１１２Ａを更新するための処理を行うとともに、当該更新した予約データ１１２Ａを通信ＩＦ１１３から需要予測サーバ１４へ所定の期間毎に（例えば５分間毎に）送信させるための動作を行うように構成されている。

スケジュール処理部１１１は、予約データ１１２Ａと、需要予測サーバ１４から受信した乗合需要予測データ１４３Ｂ（後述）と、運行中の１台以上の乗合タクシー２１から受信したＧＰＳデータと、に基づいて運行スケジュールを設定するための処理を行うように構成されている。また、スケジュール処理部１１１は、前述のように設定した運行スケジュールを通信ＩＦ１１３から乗合タクシー２１へ送信させるための動作を行うように構成されている。

前述のＧＰＳデータは、例えば、乗合タクシー２１に設けられた車載装置２１１により無線受信されるとともに、車載装置２１１から運行スケジュール管理システム１１へ無線送信される。

車載装置２１１には、例えば、ＧＰＳ衛星から送信されるＧＰＳデータを受信する機能、当該ＧＰＳデータを運行スケジュール管理システム１１へ送信する機能、及び、運行スケジュール管理システム１１から送信される運行スケジュールを受信する機能を備えた無線通信ユニット（図示省略）が設けられている。また、車載装置２１１には、例えば、運行スケジュール管理システム１１から受信した運行スケジュールを表示する機能を備えた表示ユニット（図示省略）が設けられている。

スケジュール処理部１１１は、乗合タクシー２１の運行エリアにおける地図データと、乗合タクシー２１から受信したＧＰＳデータと、に基づき、乗合タクシー２１の運行当日において実際に乗客の乗降が発生したエリアを乗合タクシー２１の運行エリアに含まれる所定の複数のエリアの中から特定するとともに、当該特定したエリアを示す運行管理情報を生成するための処理を行うように構成されている。

なお、乗合タクシー２１の運行エリアにおける地図データは、例えば、運行情報ＤＢ１１２に予め格納されたデータであってもよく、または、インターネット上の地図サービスから取得したデータであってもよい。

スケジュール処理部１１１は、前述のように生成した運行管理情報により運行情報ＤＢ１１２に格納されている累積移動データ１１２Ｂ（後述）を更新するための処理を行うとともに、当該更新した累積移動データ１１２Ｂを通信ＩＦ１１３から需要予測サーバ１４へ所定の期間毎に（例えば５分間毎に）送信させるための動作を行うように構成されている。すなわち、スケジュール処理部１１１は、予約データ１１２Ａ及び累積移動データ１１２Ｂを通信ＩＦ１１３から需要予測サーバ１４へ所定の期間毎に送信させるための動作を行うように構成されている。

運行情報ＤＢ１１２には、予約データ１１２Ａと、累積移動データ１１２Ｂと、がそれぞれ格納されている。なお、本実施形態においては、運行情報ＤＢ１１２が、運行スケジュール管理システム１１の外部のファイルサーバ（クラウド上のものも含む）に設けられていてもよい。

予約データ１１２Ａには、スケジュール処理部１１１により生成された予約管理情報に対応するデータとして、例えば、図２のように表されるマトリクスデータＭＤＡが含まれている。図２は、予約データに含まれるマトリクスデータの一例を示す図である。

マトリクスデータＭＤＡは、予約成立時の予約実施要求から特定した乗車希望エリアＥＤＡ及び降車希望エリアＡＤＡの組合せ毎の出現回数を表すデータとして構成されている。

図２のマトリクスデータＭＤＡは、乗車希望エリアＥＤＡ及び降車希望エリアＡＤＡがエリアＡＲ１からエリアＡＲ１６までの１６個のエリアである場合のデータとして構成されている。すなわち、図２のマトリクスデータＭＤＡは、乗車希望エリアＥＤＡ及び降車希望エリアＡＤＡの２５６通りの組合せ毎の出現回数を表すデータとして構成されている。

図２のマトリクスデータＭＤＡにおいては、例えば、乗合タクシー２１の運行エリアに含まれるエリアＡＲ１からエリアＡＲ１６までの１６個のエリアのうち、乗車希望エリアＥＤＡ及び降車希望エリアＡＤＡがいずれもエリアＡＲ１であるような（エリアＡＲ１内での乗降を希望するような）予約が３０回成立したことが表されている。また、図２のマトリクスデータＭＤＡにおいては、例えば、乗合タクシー２１の運行エリアに含まれるエリアＡＲ１からエリアＡＲ１６までの１６個のエリアのうち、乗車希望エリアＥＤＡがＡＲ１でありかつ降車希望エリアＡＤＡがエリアＡＲ２であるような（エリアＡＲ１での乗車及びエリアＡＲ２での降車を希望するような）予約が２０回成立したことが表されている。

なお、図２のマトリクスデータＭＤＡには、例えば、スケジュール処理部１１１によるデータの更新が最後に行われた時刻を時刻ＴＮとした場合、当該時刻ＴＮから所定の日数だけ遡った時刻ＴＰまでに成立した予約回数が含まれていればよい。

累積移動データ１１２Ｂには、スケジュール処理部１１１により生成された運行管理情報に対応するデータとして、例えば、図３のように表されるマトリクスデータＭＤＢが含まれている。図３は、累積移動データに含まれるマトリクスデータの一例を示す図である。

マトリクスデータＭＤＢは、乗合タクシー２１の運行当日に１人以上のエンドユーザの乗車が実際に発生したエリアに相当する乗車発生エリアＥＲＡと、乗合タクシー２１の運行当日に１人以上のエンドユーザの降車が実際に発生したエリアに相当する降車発生エリアＡＲＡと、の組合せ毎の出現回数を表すデータとして構成されている。なお、マトリクスデータＭＤＢは、乗合タクシー２１の運行当日における１日分の乗降実績を表すデータとして構成されている。そのため、本実施形態においては、例えば、２４時間経過毎に、乗車発生エリアＥＲＡ及び降車発生エリアＡＲＡの各組合せの出現回数を０にリセットした新たなマトリクスデータＭＤＢが生成される。

図３のマトリクスデータＭＤＢは、乗車発生エリアＥＲＡ及び降車発生エリアＡＲＡがエリアＡＲ１からエリアＡＲ１６までの１６個のエリアである場合のデータとして構成されている。すなわち、図３のマトリクスデータＭＤＢは、乗車発生エリアＥＲＡ及び降車発生エリアＡＲＡの２５６通りの組合せ毎の出現回数を表すデータとして構成されている。

図３のマトリクスデータＭＤＢにおいては、例えば、乗合タクシー２１の運行エリアに含まれるエリアＡＲ１からエリアＡＲ１６までの１６個のエリアのうち、乗車発生エリアＥＲＡ及び降車発生エリアＡＲＡがいずれもエリアＡＲ１であるような（エリアＡＲ１内での乗降が発生するような）乗合タクシー２１の移動が３回行われたことが表されている。また、図３のマトリクスデータＭＤＢにおいては、例えば、乗合タクシー２１の運行エリアに含まれるエリアＡＲ１からエリアＡＲ１６までの１６個のエリアのうち、乗車発生エリアＥＲＡがＡＲ１でありかつ降車発生エリアＡＲＡがエリアＡＲ２であるような（エリアＡＲ１で乗車しかつエリアＡＲ２で降車するような）乗合タクシー２１の移動が２回行われたことが表されている。

通信ＩＦ１１３は、例えば、インターネット等のネットワークに接続可能な通信ユニットを具備し、Ｗｅｂサーバ１２及び需要予測サーバ１４との間で有線または無線による通信を行うことができるように構成されている。また、通信ＩＦ１１３は、乗合タクシー２１（車載装置２１１）との間で無線による通信を行うことができるように構成されている。

Ｗｅｂサーバ１２は、例えば、プロセッサ、メモリ及び通信ユニット等を具備して構成されている。

Ｗｅｂサーバ１２は、エンドユーザにより操作されるスマートフォン及びタブレット端末等に相当する携帯機器２２からのアクセス要求に応じ、乗合タクシーの予約に係るＷｅｂサイト（以降、タクシー予約サイトと称する）のＧＵＩ（ＧｒａｐｈｉｃａｌＵｓｅｒＩｎｔｅｒｆａｃｅ）表示に用いられるデータ等を送信するための動作を行うように構成されている。また、Ｗｅｂサーバ１２は、エンドユーザからの電話連絡を受けた配車オペレータにより操作されるパーソナルコンピュータ等に相当する情報処理装置２３からのアクセス要求に応じ、タクシー予約サイトのＧＵＩ表示に用いられるデータ等を送信するための動作を行うように構成されている。

Ｗｅｂサーバ１２は、携帯機器２２または情報処理装置２３に表示されているタクシー予約サイトにおいて、乗合タクシーの現在の予約状況を閲覧するための予約照会要求が行われたことを検知した場合に、当該予約照会要求を運行スケジュール管理システム１１へ送信するための動作を行うように構成されている。また、Ｗｅｂサーバ１２は、予約照会要求を送信した後に運行スケジュール管理システム１１から受信した予約データ１１２Ａに基づき、乗合タクシーの現在の予約状況を示す情報の表示に用いられる予約照会結果データを生成するとともに、当該生成した予約照会結果データを当該予約照会要求が行われた携帯機器２２または情報処理装置２３へ送信するための動作を行うように構成されている。

Ｗｅｂサーバ１２は、携帯機器２２または情報処理装置２３に表示されているタクシー予約サイトにおいて、乗合タクシーの予約に必要な情報に相当する乗車希望地点、乗車希望時刻、降車希望地点及び降車希望時刻の各情報が入力された状態で予約実施要求が行われたことを検知した場合に、当該入力された各情報を含む当該予約実施要求を運行スケジュール管理システム１１へ送信するための動作を行うように構成されている。また、Ｗｅｂサーバ１２は、予約実施要求を送信した後に運行スケジュール管理システム１１から受信した発着予定情報に基づき、当該発着予定情報に含まれる出発予定時刻及び到着予定時刻を承認するか否かに係る選択を促すための情報の表示に用いられる発着予定確認データを生成するとともに、当該生成した発着予定確認データを当該予約実施要求が行われた携帯機器２２または情報処理装置２３へ送信するための動作を行うように構成されている。また、Ｗｅｂサーバ１２は、発着予定確認データの生成時に用いた発着予定情報に含まれる出発予定時刻及び到着予定時刻がエンドユーザにより承認されたか否かを特定可能な予約確認情報を携帯機器２２または情報処理装置２３から受信するとともに、当該受信した予約確認情報を運行スケジュール管理システム１１へ送信するための動作を行うように構成されている。

乗降要因データ取得装置１３は、例えば、プロセッサ、メモリ及び通信ユニット等を具備して構成されている。また、乗降要因データ取得装置１３は、乗降要因データ１３１を任意のタイミングで取得するとともに、当該取得した乗降要因データ１３１を所定の期間毎に（例えば５分間毎に）需要予測サーバ１４へ送信するように構成されている。

乗降要因データ１３１には、需要予測サーバ１４において行われる処理に利用可能なデータとして、乗合タクシー２１の運行当日におけるエンドユーザの乗降の発生要因になり得るデータが含まれている。

具体的には、乗降要因データ１３１には、例えば、乗合タクシー２１の運行エリアにおける運行当日の天候が晴天に該当するか否かを示すデータ、及び、乗合タクシー２１の運行エリアにおける運行当日の天候が雨天に該当するか否かを示すデータの２個のデータにより構成された天候データが含まれている。また、乗降要因データ１３１には、例えば、乗合タクシー２１の運行エリアにおける運行当日の気温が高温に該当するか否かを示すデータ、及び、乗合タクシー２１の運行エリアにおける運行当日の気温が低温に該当するか否かを示すデータの２個のデータにより構成された気温データが含まれている。また、乗降要因データ１３１には、例えば、乗合タクシー２１の運行当日の日付が平日に属するか否かを示すデータ、及び、乗合タクシー２１の運行当日の日付が休日に属するか否かを示すデータを示す日付データが含まれている。

すなわち、乗降要因データ１３１には、乗合タクシー２１の運行エリアに含まれる所定の複数のエリアにおける天候を示すデータと、当該所定の複数のエリアにおける気温を示すデータと、乗合タクシー２１の運行当日の日付を示すデータと、が含まれている。

なお、本実施形態によれば、天候データ、気温データ及び日付データとは異なるデータが乗降要因データ１３１に含まれていてもよい。具体的には、本実施形態によれば、例えば、乗合タクシー２１の運行エリアに含まれるエリア毎の交通障害（事故、渋滞及び災害等）の発生の有無を示す交通障害データが乗降要因データ１３１に含まれていてもよい。また、本実施形態によれば、例えば、乗合タクシー２１の運行エリアに含まれるエリア毎のエンドユーザの平均年齢の高さを示す平均年齢データが乗降要因データ１３１に含まれていてもよい。

需要予測サーバ１４は、運行スケジュール管理システム１１から受信した予約データ１１２Ａ及び累積移動データ１１２Ｂと、乗降要因データ取得装置１３から受信した乗降要因データ１３１と、に基づき、乗合タクシー２１の需要予測に係る処理を行うように構成されている。すなわち、需要予測サーバ１４は、エンドユーザによる予約を反映して設定された運行スケジュールに沿って運行されるとともに所定の複数のエリアにおいて運行される乗合タクシー２１の需要予測を行うための乗合車両用需要予測装置として構成されている。また、需要予測サーバ１４は、前述の需要予測に係る処理により得られた処理結果に相当する乗合需要予測データ１４３Ｂを運行スケジュール管理システム１１及び情報提示装置１５に対して送信するように構成されている。また、需要予測サーバ１４は、例えば、図４に示すように、通信ＩＦ１４１と、演算処理ユニット１４２と、記憶媒体１４３と、を有して構成されている。図４は、実施形態に係る需要予測サーバの構成の一例を示す図である。

通信ＩＦ１４１は、例えば、インターネット等のネットワークに接続可能な通信ユニットを具備し、運行スケジュール管理システム１１、乗降要因データ取得装置１３及び情報提示装置１５との間で有線または無線による通信を行うことができるように構成されている。

演算処理ユニット１４２は、例えば、ＣＰＵ及びＧＰＵ（ＧｒａｐｈｉｃｓＰｒｏｃｅｓｓｉｎｇＵｎｉｔ）を具備し、運行スケジュール管理システム１１から受信した予約データ１１２Ａ及び累積移動データ１１２Ｂと、乗降要因データ取得装置１３から受信した乗降要因データ１３１と、記憶媒体１４３から読み込んだ乗合需要予測プログラム１４３Ａ（後述）と、を用いて乗合タクシー２１の需要予測に係る処理を行うように構成されている。すなわち、演算処理ユニット１４２は、１つ以上のプロセッサを有して構成されている。また、演算処理ユニット１４２は、前述の需要予測に係る処理により得られた乗合需要予測データ１４３Ｂを記憶媒体１４３に格納させるための動作を行うように構成されている。また、演算処理ユニット１４２は、前述の需要予測に係る処理により得られた乗合需要予測データ１４３Ｂを通信ＩＦ１４１から運行スケジュール管理システム１１及び情報提示装置１５へ送信させるための動作を行うように構成されている。また、演算処理ユニット１４２は、乗合需要予測データ１４３Ｂを得る際に用いた予約データ１１２Ａを通信ＩＦ１４１から情報提示装置１５へ送信させるための動作を行うように構成されている。

記憶媒体１４３は、例えば、不揮発性メモリ等のような、非一時的なコンピュータ可読媒体を有して構成されている。また、記憶媒体１４３には、乗合需要予測プログラム１４３Ａと、乗合需要予測データ１４３Ｂと、が格納されている。

乗合需要予測プログラム１４３Ａは、例えば、図５に示すように、乗降需要数予測モデル１４３１と、降車エリア予測モデル１４３２と、を有して構成されている。図５は、実施形態に係る需要予測サーバの処理に用いられる需要予測プログラムの構成の一例を説明するための図である。

乗降需要数予測モデル１４３１は、例えば、ディープオートエンコーダを用いた階層型のニューラルネットワークとして構成されているとともに、当該ニューラルネットワークに含まれる各ノードの処理に用いられるパラメータをディープラーニング（機械学習）で学習させたモデルとして構成されている。また、乗降需要数予測モデル１４３１は、運行スケジュール管理システム１１から受信した予約データ１１２Ａ及び累積移動データ１１２Ｂと、乗降要因データ取得装置１３から受信した乗降要因データ１３１と、を入力データとして用いた処理を行うことにより、乗合タクシー２１の運行エリアに含まれる所定の複数のエリアにおけるタクシー２１の乗降予約として将来成立し得る予約回数に相当する予約予測回数ＲＦＮを出力データとして取得することができるように構成されている。

具体的には、乗降需要数予測モデル１４３１には、例えば、図６に示すように、予約データ１１２ＡのマトリクスデータＭＤＡ（図２参照）に含まれる２５６個のデータと、累積移動データ１１２ＢのマトリクスデータＭＤＢ（図３参照）に含まれる２５６個のデータと、乗降要因データ１３１の天候データ、気温データ及び日付データに含まれる６個のデータと、を個別に入力するための５１８個のノードを有する入力層ＩＬが形成されている。また、乗降需要数予測モデル１４３１には、例えば、図６に示すように、入力層ＩＬから出力されるデータを並列処理するための２５６個のノードを有する隠れ層ＨＬ１と、隠れ層ＨＬ１から出力されるデータを並列処理するための１２８個のノードを有する隠れ層ＨＬ２と、隠れ層ＨＬ２から出力されるデータを並列処理することにより出力結果を得るための２５６個のノードを有する出力層ＯＬと、が形成されている。図６は、需要予測プログラムに含まれる乗降需要数予測モデルの一例を説明するための概念図である。

すなわち、図６に例示した乗降需要数予測モデル１４３１によれば、予約データ１１２ＡのマトリクスデータＭＤＡに含まれる２５６個のデータと、累積移動データ１１２ＢのマトリクスデータＭＤＢに含まれる２５６個のデータと、乗降要因データ１３１の天候データ、気温データ及び日付データに含まれる６個のデータと、を入力データとして用いた処理を行うことにより、前述のエリアＡＲ１からエリアＡＲ１６までの１６個のエリアにおける２５６通りの乗降エリアの組合せ毎に将来成立し得る予約予測回数ＲＦＮを出力データとして得ることができる。

なお、本実施形態によれば、乗降需要数予測モデル１４３１の学習時において、例えば、乗合タクシー２１の運行前日以前に得られた過去の予約データ１１２Ａ（マトリクスデータＭＤＡ）、過去の累積移動データ１１２Ｂ（マトリクスデータＭＤＢ）、及び、過去の乗降要因データ１３１を入力データとして用い、乗降需要数予測モデル１４３１のニューラルネットワークに含まれる各ノードの処理に用いられるパラメータを変化させるような方法で学習を行えばよい。そして、このような学習方法によれば、予約予測回数ＲＦＮが乗合タクシー２１の運行エリアに含まれる各エリアにおいて実際に成立する予約回数に近づくようなモデルを作成することができる。

降車エリア予測モデル１４３２は、例えば、階層型のニューラルネットワークとして構成されているとともに、当該ニューラルネットワークに含まれる各ノードの処理に用いられるパラメータをディープラーニング（機械学習）で学習させたモデルとして構成されている。また、降車エリア予測モデル１４３２には、例えば、乗合タクシー２１の移動距離に係るデータと、乗合タクシー２１の運行エリアに含まれる所定の複数のエリアに存在する乗降地点の種類（カテゴリ）に係るデータと、乗合タクシー２１を利用するエンドユーザのプロファイルに係るデータと、のうちの少なくとも１つを用いて乗合タクシー２１の運行エリアに含まれるエリア毎に算出した特徴量ＦＶが入力データとして入力されるように構成されている。

特徴量ＦＶの算出においては、例えば、乗合タクシー２１の運行エリアにおける累積移動距離を運行日毎に集計したデータを、乗合タクシー２１の移動距離に係るデータとして用いることができる。また、乗合タクシー２１の移動距離に係るデータは、例えば、累積移動データ１１２Ｂに含まれていればよい。

特徴量ＦＶの算出においては、例えば、乗合タクシー２１の運行エリアにおける地図データに含まれる各地点を「住宅街」、「駅」及び「商業施設」等の複数のカテゴリのうちの少なくとも１つに分類したデータを、乗合タクシー２１の乗降地点の種類（カテゴリ）に係るデータとして用いることができる。また、乗合タクシー２１の乗降地点の種類（カテゴリ）に係るデータは、例えば、乗合タクシー２１の運行エリアにおける地図データと併せて取得されるようにすればよい。

特徴量ＦＶの算出においては、タクシー予約サイトにおけるユーザ登録情報に含まれる任意のデータを、乗合タクシー２１を利用するエンドユーザのプロファイルに係るデータとして用いることができる。具体的には、特徴量ＦＶの算出においては、例えば、乗合タクシー２１の予約が成立した際のエンドユーザの最高年齢、最低年齢、平均年齢、男性の人数及び女性の人数を乗合タクシー２１の運行エリアに含まれるエリア毎に集計したデータを、乗合タクシー２１を利用するエンドユーザのプロファイルに係るデータとして用いることができる。また、乗合タクシー２１を利用するエンドユーザのプロファイルに係るデータは、例えば、予約データ１１２Ａに含まれていればよい。

なお、本実施形態においては、例えば、演算処理ユニット１４２が特徴量ＦＶを算出するようにしてもよく、または、演算処理ユニット１４２がスケジュール処理部１１１により算出された特徴量ＦＶを取得するようにしてもよい。

降車エリア予測モデル１４３２は、入力データに相当する特徴量ＦＶの入力に応じ、乗合タクシー２１の運行エリアに含まれる所定の複数のエリア各々における降車の発生確率に相当する降車尤度ＥＬＨを出力データとして取得することができるように構成されている。

ここで、本実施形態によれば、乗合タクシー２１の運行当日において特徴量ＦＶを算出する際に用いられた各データの重みを調整し、調整後の重みを用いて乗合タクシー２１の運行エリアに含まれるエリア毎に算出した特徴量ＦＶを入力データとして降車エリア予測モデル１４３２を繰り返し学習させるような作業が１日毎に（定期的に）行われる。そして、このような作業によれば、例えば、降車エリア予測モデル１４３２のニューラルネットワークに含まれる各ノードの処理に用いられるパラメータを１日毎に（定期的に）変化させることができるため、乗合タクシー２１の運行エリアにおいて生じ得る需要の変化に対応した降車尤度ＥＬＨを取得することができる。

すなわち、演算処理ユニット１４２は、記憶媒体１４３から読み込んだ乗合需要予測プログラム１４３Ａ（後述）を用いて乗合タクシー２１の需要予測に係る処理を行うことにより、乗降需要数予測モデル１４３１の出力データに相当する予約予測回数ＲＦＮと、降車エリア予測モデル１４３２の出力データに相当する降車尤度ＥＬＨと、を乗合需要予測データ１４３Ｂとして取得するように構成されている。

また、演算処理ユニット１４２は、予約予測回数取得部としての機能を具備し、乗合タクシー２１の予約が成立した際の予約状況を示す予約データ１１２Ａと、乗合タクシー２１の運行当日にエンドユーザが実際に乗降したエリアを示す累積移動データ１１２Ｂと、乗合タクシー２１の運行当日におけるエンドユーザの乗降の発生要因になり得るデータを含む乗降要因データ１３１と、を入力データとして機械学習させたニューラルネットワークを有する乗降需要数予測モデル１４３１を用い、乗合タクシー２１の運行エリアに含まれる所定の複数のエリアにおける乗合タクシー２１の乗降予約として将来成立し得る予約回数に相当する予約予測回数を所定の期間毎に取得するように構成されている。

また、演算処理ユニット１４２は、降車尤度取得部としての機能を具備し、乗合タクシー２１の移動距離に係るデータと、乗合タクシー２１の運行エリアに含まれる所定の複数のエリアに存在する乗降地点の種類に係るデータと、乗合タクシー２１を利用するエンドユーザのプロファイルに係るデータと、のうちの少なくとも１つを用いて算出した特徴量ＦＶを入力データとして機械学習させたニューラルネットワークを有する降車エリア予測モデル１４３２を用い、当該所定の複数のエリア各々における将来の降車の発生確率に相当する降車尤度を所定の期間毎に取得するように構成されている。

なお、本実施形態においては、乗降需要数予測モデル１４３１及び降車エリア予測モデル１４３２を含む乗合需要予測プログラム１４３Ａが、コンピュータ読取可能な記憶媒体に格納されていればよい。コンピュータ読取可能な記憶媒体としては、ＣＤ−ＲＯＭ等の光ディスク、ＤＶＤ−ＲＯＭ等の相変化型光ディスク、ＭＯ（ＭａｇｎｅｔＯｐｔｉｃａｌ）やＭＤ（ＭｉｎｉＤｉｓｋ）などの光磁気ディスク、フロッピー（登録商標）ディスクやリムーバブルハードディスクなどの磁気ディスク、コンパクトフラッシュ（登録商標）、スマートメディア、ＳＤメモリカード、メモリスティック等のメモリカードが挙げられる。また、本発明の目的のために特別に設計されて構成された集積回路（ＩＣチップ等）等のハードウェア装置も記憶媒体として含まれる。

情報提示装置１５は、例えば、プロセッサ、メモリ、通信ユニット及びモニタ等を具備して構成されている。

情報提示装置１５は、例えば、所定のソフトウェアが起動している際に、乗合タクシー２１の運行エリアにおける地図データと、需要予測サーバ１４から受信した予約データ１１２Ａ及び乗合需要予測データ１４３Ｂに基づいて得られる情報と、を合成した需要予測画面を表示するための処理を行うように構成されている。なお、前述の需要予測画面の具体例については、後程説明する。

続いて、本実施形態の作用について、図７及び図８を参照しつつ説明する。図７は、実施形態に係る需要予測サーバにおいて行われる処理の一例を示すフローチャートである。図８は、需要予測画面の具体例を説明するための図である。

スケジュール処理部１１１は、エンドユーザによる予約が成立する毎に予約管理情報を生成するための処理を行い、当該生成した予約管理情報を用いて予約データ１１２Ａ（マトリクスデータＭＤＡ）を更新するための処理を行うとともに、当該更新した予約データ１１２Ａを通信ＩＦ１１３から需要予測サーバ１４へ所定の期間毎に（例えば５分間毎に）送信させるための動作を行う。

スケジュール処理部１１１は、乗合タクシー２１の運行当日において、乗客の乗降が発生する毎に運行管理情報を生成するための処理を行い、当該生成した運行管理情報を用いて累積移動データ１１２Ｂ（マトリクスデータＭＤＢ）を更新するための処理を行うとともに、当該更新した累積移動データ１１２Ｂを通信ＩＦ１１３から需要予測サーバ１４へ所定の期間毎に（例えば５分間毎に）送信させるための動作を行う。

乗降要因データ取得装置１３は、乗降要因データ１３１を任意のタイミングで取得するとともに、当該取得した乗降要因データ１３１を所定の期間毎に（例えば５分間毎に）需要予測サーバ１４へ送信する。

演算処理ユニット１４２は、運行スケジュール管理システム１１から受信した予約データ１１２Ａに含まれるマトリクスデータＭＤＡと、運行スケジュール管理システム１１から受信した累積移動データ１１２Ｂに含まれるマトリクスデータＭＤＢと、乗降要因データ取得装置１３から受信した乗降要因データ１３１と、を乗降需要数予測モデル１４３１の入力データとして用いて処理を行うことにより予約予測回数ＲＦＮを取得する（図７のステップＳ１）。

演算処理ユニット１４２は、乗合タクシー２１の移動距離に係るデータ、乗合タクシー２１の乗降地点の種類（カテゴリ）に係るデータ、及び、乗合タクシー２１を利用するエンドユーザのプロファイルに係るデータを用い、乗合タクシー２１の運行エリアに含まれるエリア毎に特徴量ＦＶを算出するための処理を行う。また、演算処理ユニット１４２は、乗合タクシー２１の運行エリアに含まれるエリア毎に算出した特徴量ＦＶを降車エリア予測モデル１４３２の入力データとして用いて処理を行うことにより降車尤度ＥＬＨを取得する（図７のステップＳ２）。

演算処理ユニット１４２は、図７のステップＳ１の処理により得られた予約予測回数ＲＦＮと、図７のステップＳ２の処理により得られた降車尤度ＥＬＨと、を乗合需要予測データ１４３Ｂとして取得するとともに、当該取得した乗合需要予測データ１４３Ｂを通信ＩＦ１４１から運行スケジュール管理システム１１及び情報提示装置１５へ所定の期間毎に（例えば５分間毎に）送信させるための動作を行う（図７のステップＳ３）。また、演算処理ユニット１４２は、乗合需要予測データ１４３Ｂを得る際に用いた予約データ１１２Ａを通信ＩＦ１４１から情報提示装置１５へ所定の期間毎に（例えば５分間毎に）送信させるための動作を行う（図７のステップＳ３）。

演算処理ユニット１４２は、図７のステップＳ１の処理において用いる乗降需要数予測モデル１４３１の入力データ、及び、図７のステップＳ２の処理において用いる降車エリア予測モデル１４３２の入力データのうちの少なくともいずれか一方が更新されたか否かを判定するための処理を行う（図７のステップＳ４）。

演算処理ユニット１４２は、乗降需要数予測モデル１４３１の入力データ、及び、降車エリア予測モデル１４３２の入力データのいずれも更新されていないとの判定結果を得た場合（Ｓ４：ＮＯ）には、図７のステップＳ４の処理を繰り返し行う。

演算処理ユニット１４２は、乗降需要数予測モデル１４３１の入力データ、及び、降車エリア予測モデル１４３２の入力データのうちの少なくともいずれか一方が更新されたとの判定結果を得た場合（Ｓ４：ＹＥＳ）には、図７のステップＳ１からの処理を再度行う。

以上に述べたような演算処理ユニット１４２の処理によれば、例えば、乗合タクシー２１の運行当日から数週間後までの予約予測回数ＲＦＮ及び降車尤度ＥＬＨを含む乗合需要予測データ１４３Ｂを取得することができる。また、以上に述べたような演算処理ユニット１４２の処理によれば、例えば、５分間毎に更新される入力データ（予約データ１１２Ａ、累積移動データ１１２Ｂ、及び、乗降要因データ１３１）に応じた乗合需要予測データ１４３Ｂを取得することができる。

情報提示装置１５は、所定のソフトウェアが起動している際に、乗合タクシー２１の運行エリアにおける地図データと、需要予測サーバ１４から受信した予約データ１１２Ａ及び乗合需要予測データ１４３Ｂに基づいて得られる情報と、を合成した需要予測画面を表示するための処理を行う。そして、このような処理によれば、例えば、図８に示すような需要予測画面ＤＦＳがモニタ等の表示装置に表示される。

需要予測画面ＤＦＳは、図８に示すように、需要予測マップＤＦＭと、需要予測グラフＤＦＧと、タイムスライダーＴＳＬと、を含む画面として構成されている。

需要予測マップＤＦＭは、例えば、乗合需要予測データ１４３Ｂに含まれる予約予測回数ＲＦＮに応じたヒートマップと、乗合需要予測データ１４３Ｂに含まれる降車尤度ＥＬＨに応じた矢印と、を乗合タクシー２１の運行エリアにおける地図データ内にそれぞれ重畳することにより作成されている。

需要予測マップＤＦＭに含まれるヒートマップにおいては、乗合タクシー２１の運行エリアに含まれる各エリアのうち、所定回数以上の予約予測回数ＲＦＮが取得されたエリアが所定の色で着色される。また、需要予測マップＤＦＭに含まれるヒートマップにおいては、予約予測回数ＲＦＮの多さに応じて所定の色の濃度が高くなるように描画される。なお、図８に例示した需要予測マップＤＦＭに含まれるヒートマップにおいては、乗合タクシー２１の運行エリアに含まれる各エリアを四角形で表している。また、図８に例示した需要予測マップＤＦＭに含まれるヒートマップにおいては、図示の便宜上、予約予測回数ＲＦＮが多いエリアに濃度の高いハッチングパターンを付与しているとともに、予約予測回数ＲＦＮが少ないエリアに濃度の低いハッチングパターンを付与している。

すなわち、図７のステップＳ１及びステップＳ３によれば、乗合タクシー２１の運行エリアに含まれる所定の複数のエリア各々における予約予測回数ＲＦＮの多寡を表すヒートマップを描画させるためのデータを取得するための処理と、当該取得したデータを情報提示装置１５へ所定の期間毎に送信させるための動作と、が演算処理ユニット１４２により行われる。

需要予測マップＤＦＭに含まれる矢印は、乗合タクシー２１の運行エリアに含まれる各エリアのうちの少なくとも１つの乗車エリアから降車尤度ＥＬＨが所定値以上となる降車エリアへの移動を表している。また、需要予測マップＤＦＭに含まれる矢印は、降車尤度ＥＬＨの高さに応じた太さを有するように描画される。

すなわち、図７のステップＳ２及びステップＳ３によれば、乗合タクシー２１の運行エリアに含まれる所定の複数のエリアのうちの少なくとも１つの乗車エリアから降車尤度ＥＬＨが所定値以上となる降車エリアへの移動を表す記号を描画させるためのデータを取得するための処理と、当該取得したデータを情報提示装置１５へ所定の期間毎に送信させるための動作と、が演算処理ユニット１４２により行われる。

需要予測グラフＤＦＧは、予約データ１１２Ａに基づいて取得される実際に成立した予約回数に相当する予約成立回数ＲＥＮと、乗合需要予測データ１４３Ｂに含まれる予約予測回数ＲＦＮと、の間の対応関係を日付毎に示す棒グラフとして描画される。なお、図８に例示した需要予測グラフＤＦＧによれば、予約成立回数ＲＥＮと、予約予測回数ＲＦＮと、の間の対応関係を８日間分確認することができる。

タイムスライダーＴＳＬには、目盛り付きの時間軸に沿って移動させることが可能であるとともに、乗合タクシー２１の運行当日以降の所望の日付時刻における需要予測を表示させるための指示を行うことが可能なＧＵＩとして構成されたカーソルＣＳＲが設けられている。そして、このようなタイムスライダーＴＳＬの構成によれば、目盛り付きの時間軸上におけるカーソルＣＳＲの位置に応じ、需要予測マップＤＦＭに含まれるヒートマップ及び矢印の描画状態を、乗合タクシー２１の運行当日以降の所望の日付時刻における需要予測に応じた描画状態にすることができる。なお、図８に例示したタイムスライダーＴＳＬによれば、目盛り付きの時間軸上におけるカーソルＣＳＲの位置に応じ、乗合タクシー２１の運行当日以降の８日間のうちの所望の日付時刻における需要予測を表示させることができる。

以上に述べたように、本実施形態によれば、予約予測回数ＲＦＮ及び降車尤度ＥＬＨを含む乗合需要予測データ１４３Ｂを取得することができるとともに、乗合需要予測データ１４３Ｂに基づいて乗合タクシー２１の運行スケジュールを作成することができる。また、以上に述べたように、本実施形態によれば、例えば、乗合タクシー２１の運営組織に所属する運営者が、予約データ１１２Ａ及び乗合需要予測データ１４３Ｂに応じて表示される需要予測画面ＤＦＳを確認することにより、乗合タクシー２１の運行当日以降の所望の日付における乗合タクシー２１の運行台数を適切な台数に調整することができる。そのため、本実施形態によれば、予め決められた発着時刻を守りつつ乗合車両を効率的に配車するための高精度な需要予測を行うことができる。

なお、本実施形態に係る構成を適宜変形することにより、例えば、工場等のような所定の施設内で運行される乗合車両の需要予測に適用させるようにしてもよい。また、エンドユーザによる予約を反映して設定された運行スケジュールについては、エンドユーザによる予約がないと運行スケジュールも作成されない（エンドユーザによる予約に応じて設定される）場合も、大まかな運行スケジュールは予め決められていて、その運行スケジュールをエンドユーザによる予約に応じて修正するという場合も含むものとする。そして、乗合車両としての乗合タクシー２１についても、いわゆる“タクシー”だけではなく“バス”と称されている形態をも含むものとする。

本発明の実施形態を説明したが、これらの実施形態は、例として示したものであり、本発明の範囲を限定することは意図していない。これら新規の実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

１交通サービスシステム
１１運行スケジュール管理システム
１２Ｗｅｂサーバ
１３乗降要因データ取得装置
１４需要予測サーバ
１５情報提示装置
２１乗合タクシー
１１１スケジュール処理部
１１２運行情報データベース
１４２演算処理ユニット
１４３記憶媒体

Claims

エンドユーザによる予約を反映して設定された運行スケジュールに沿って運行されるとともに所定の複数のエリアにおいて運行される乗合車両の需要予測を行うための乗合車両用需要予測装置であって、
前記乗合車両の予約が成立した際の予約状況を示す予約データと、前記乗合車両の運行当日にエンドユーザが実際に乗降したエリアを示す移動データと、前記乗合車両の運行当日におけるエンドユーザの乗降の発生要因になり得るデータを含む乗降要因データと、を入力データとして機械学習させたニューラルネットワークを有するモデルを用い、前記所定の複数のエリアにおける前記乗合車両の乗降予約として将来成立し得る予約回数に相当する予約予測回数を所定の期間毎に取得するように構成された予約予測回数取得部と、
前記乗合車両の移動距離に係るデータと、前記所定の複数のエリアに存在する乗降地点の種類に係るデータと、前記乗合車両を利用するエンドユーザのプロファイルに係るデータと、のうちの少なくとも１つを用いて算出した特徴量を入力データとして機械学習させたニューラルネットワークを有するモデルを用い、前記所定の複数のエリア各々における将来の降車の発生確率に相当する降車尤度を前記所定の期間毎に取得するように構成された降車尤度取得部と、を有する
ことを特徴とする乗合車両用需要予測装置。
前記予約予測回数取得部は、前記所定の複数のエリア各々における前記予約予測回数の多寡を表すヒートマップを描画させるためのデータを取得するとともに、当該取得したデータを情報提示装置へ前記所定の期間毎に送信させるための動作を行うように構成されている
ことを特徴とする請求項１に記載の乗合車両用需要予測装置。
前記乗降要因データには、前記所定の複数のエリアにおける天候を示すデータと、前記所定の複数のエリアにおける気温を示すデータと、前記乗合車両の運行当日の日付を示すデータと、が含まれている
ことを特徴とする請求項１に記載の乗合車両用需要予測装置。
前記降車尤度取得部は、前記所定の複数のエリアのうちの少なくとも１つの乗車エリアから前記降車尤度が所定値以上となる降車エリアへの移動を表す記号を描画させるためのデータを取得するとともに、当該取得したデータを情報提示装置へ前記所定の期間毎に送信させるための動作を行うように構成されている
ことを特徴とする請求項１に記載の乗合車両用需要予測装置。
エンドユーザによる予約を反映して設定された運行スケジュールに沿って運行されるとともに所定の複数のエリアにおいて運行される乗合車両の需要予測を行うための乗合車両用需要予測方法であって、
予測回数取得部が、前記乗合車両の予約が成立した際の予約状況を示す予約データと、前記乗合車両の運行当日にエンドユーザが実際に乗降したエリアを示す移動データと、前記乗合車両の運行当日におけるエンドユーザの乗降の発生要因になり得るデータを含む乗降要因データと、を入力データとして機械学習させたニューラルネットワークを有するモデルを用い、前記所定の複数のエリアにおける前記乗合車両の乗降予約として将来成立し得る予約回数に相当する予約予測回数を所定の期間毎に取得し、
降車尤度取得部が、前記乗合車両の移動距離に係るデータと、前記所定の複数のエリアに存在する乗降地点の種類に係るデータと、前記乗合車両を利用するエンドユーザのプロファイルに係るデータと、のうちの少なくとも１つを用いて算出した特徴量を入力データとして機械学習させたニューラルネットワークを有するモデルを用い、前記所定の複数のエリア各々における将来の降車の発生確率に相当する降車尤度を前記所定の期間毎に取得する
ことを特徴とする乗合車両用需要予測方法。
エンドユーザによる予約を反映して設定された運行スケジュールに沿って運行されるとともに所定の複数のエリアにおいて運行される乗合車両の需要予測を行うコンピュータにより実行されるプログラムであって、
前記乗合車両の予約が成立した際の予約状況を示す予約データと、前記乗合車両の運行当日にエンドユーザが実際に乗降したエリアを示す移動データと、前記乗合車両の運行当日におけるエンドユーザの乗降の発生要因になり得るデータを含む乗降要因データと、を入力データとして機械学習させたニューラルネットワークを有するモデルを用い、前記所定の複数のエリアにおける前記乗合車両の乗降予約として将来成立し得る予約回数に相当する予約予測回数を所定の期間毎に取得するための処理と、
前記乗合車両の移動距離に係るデータと、前記所定の複数のエリアに存在する乗降地点の種類に係るデータと、前記乗合車両を利用するエンドユーザのプロファイルに係るデータと、のうちの少なくとも１つを用いて算出した特徴量を入力データとして機械学習させたニューラルネットワークを有するモデルを用い、前記所定の複数のエリア各々における将来の降車の発生確率に相当する降車尤度を前記所定の期間毎に取得するための処理と、
を実行させるプログラム。