JP7032881B2 - 車両の走行スケジュールを管理するためのシステム、方法、及びプログラム - Google Patents

車両の走行スケジュールを管理するためのシステム、方法、及びプログラム Download PDF

Info

Publication number
JP7032881B2
JP7032881B2 JP2017135750A JP2017135750A JP7032881B2 JP 7032881 B2 JP7032881 B2 JP 7032881B2 JP 2017135750 A JP2017135750 A JP 2017135750A JP 2017135750 A JP2017135750 A JP 2017135750A JP 7032881 B2 JP7032881 B2 JP 7032881B2
Authority
JP
Japan
Prior art keywords
time
driver
travel
characteristic information
specific
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
JP2017135750A
Other languages
English (en)
Other versions
JP2019020787A (ja
Inventor
宏也 八代
英爾 関谷
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.)
DeNA Co Ltd
Original Assignee
DeNA Co Ltd
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 DeNA Co Ltd filed Critical DeNA Co Ltd
Priority to JP2017135750A priority Critical patent/JP7032881B2/ja
Publication of JP2019020787A publication Critical patent/JP2019020787A/ja
Application granted granted Critical
Publication of JP7032881B2 publication Critical patent/JP7032881B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Description

本発明は、複数の車両の各々の走行スケジュールを管理するためのシステム、方法、及びプログラムに関するものである。
従来、任意の場所で乗降可能なデマンド型の乗合タクシー及びバス等の運行を支援するためのシステムが提案されている(例えば、下記特許文献1を参照)。こうしたシステムにおいては、ユーザが選択した時刻に予定通りに乗降できるように、車両の移動に要する移動所要時間の正確な予測が要求される。移動所要時間は、例えば、移動距離、及び、交通状況(渋滞予測情報等)に基づいて予測される。
特開2014-135002号公報
しかしながら、移動距離及び交通状況等が同様であっても、車両を運転するドライバーによって実際の移動所要時間にバラツキが生じる場合があり、このことは、移動所要時間の正確な予測を妨げ得る。こうした移動所要時間の正確な予測は、デマンド型の乗合タクシー等に限られず、ユーザが選択した時刻に物品を配達する物品の配達サービスにおいても要求される。従って、乗合タクシーや物品配達等のサービスにおける車両の移動所要時間の予測精度の悪化を抑制することが望まれる。
本発明の実施形態は、車両の移動所要時間の予測精度の悪化を抑制することを目的の一つとする。本発明の実施形態の他の目的は、本明細書全体を参照することにより明らかとなる。
本発明の一実施形態に係るシステムは、複数の車両の各々の走行スケジュールを管理するためのシステムであって、複数のドライバーの各々の特性情報を記憶する記憶装置と、1又は複数のコンピュータプロセッサと、を備え、前記1又は複数のコンピュータプロセッサは、読取可能な命令の実行に応じて、前記複数の車両に含まれる特定の車両のドライバーの特性情報に基づいて、特定の複数の停車地点に含まれる2地点間の移動所要時間の予測値を算出する処理と、算出した移動所要時間の予測値に基づいて、前記特定の複数の停車地点を含む前記特定の車両の走行スケジュールを更新する処理と、を実行する。
本発明の一実施形態に係る方法は、複数のドライバーの各々の特性情報を記憶する記憶装置にアクセス可能な1又は複数のコンピュータによって実行され、複数の車両の各々の走行スケジュールを管理するための方法であって、前記複数の車両に含まれる特定の車両のドライバーの特性情報に基づいて、特定の複数の停車地点に含まれる2地点間の移動所要時間の予測値を算出するステップと、算出した移動所要時間の予測値に基づいて、前記特定の複数の停車地点を含む前記特定の車両の走行スケジュールを更新するステップと、を備える。
本発明の一実施形態に係るプログラムは、複数の車両の各々の走行スケジュールを管理するためのプログラムであって、複数のドライバーの各々の特性情報を記憶する記憶装置にアクセス可能な1又は複数のコンピュータ上での実行に応じて、前記1又は複数のコンピュータに、前記複数の車両に含まれる特定の車両のドライバーの特性情報に基づいて、特定の複数の停車地点に含まれる2地点間の移動所要時間の予測値を算出する処理と、算出した移動所要時間の予測値に基づいて、前記特定の複数の停車地点を含む前記特定の車両の走行スケジュールを更新する処理と、を実行させる。
本発明の様々な実施形態は、車両の移動所要時間の予測精度の悪化を抑制する。
本発明の一実施形態に係るサービス提供サーバ10を含むネットワークの構成を概略的に示す構成図。 サービス提供サーバ10の機能を概略的に示すブロック図。 配車要求情報テーブルにおいて管理される情報を例示する図。 走行スケジュール情報テーブルにおいて管理される情報を例示する図。 走行スケジュール情報テーブルにおいて管理される情報の具体例を示す図。 図5の具体例に対応する走行スケジュールを説明するための図。 ドライバー情報テーブルにおいて管理される情報を例示する図。 担当ドライバー情報テーブルにおいて管理される情報を例示する図。 サーバ10が実行する処理を例示するフロー図。 配車申込画面50を例示する図。 待機時間選択画面70を例示する図。 移動所要時間を予測するための学習済みモデルを説明するための図。 移動所要時間予測値管理表の具体例を示す図。 図6に例示した走行スケジュールに新たな乗降車地点を追加する様子を説明するための図。 図13に例示した移動所要時間予測値管理表に新たな乗降車地点を追加する様子を説明するための図。 乗車時間枠選択画面90を例示する図。 降車時間枠選択画面100を例示する図。
以下、図面を参照しながら、本発明の実施形態について説明する。
図1は、本発明の一実施形態に係るサービス提供サーバ10を含むネットワークの構成を概略的に示す構成図である。サーバ10は、図示するように、インターネット等のネットワーク20を介して車両端末32、及び、ユーザ端末34と通信可能に接続されている。図1においては、それぞれ1つの車両端末32、及び、ユーザ端末34のみが図示されているが、サーバ10は、それぞれ複数の車両端末32、及び、ユーザ端末34と通信可能に接続されている。サーバ10は、乗合タクシーや物品配達(買い物代行を含む。)等の車両を用いたサービスを提供するための機能を有する。サービス提供サーバ10は、本発明のシステムの全部又は一部を実装する装置の一例である。
サービス提供サーバ10は、一般的なコンピュータとして構成されており、図1に示すように、CPU(コンピュータプロセッサ)11と、メインメモリ12と、ユーザI/F13と、通信I/F14と、ストレージ(記憶装置)15とを備え、これらの各構成要素が図示しないバス等を介して電気的に接続されている。
CPU11は、ストレージ15等に記憶されている様々なプログラムをメインメモリ12に読み込んで、当該プログラムに含まれる各種の命令を実行する。メインメモリ12は、例えば、DRAM等によって構成される。
ユーザI/F13は、ユーザとの間で情報をやり取りするための各種の入出力装置である。ユーザI/F13は、例えば、キーボード、ポインティングデバイス(例えば、マウス、タッチパネル等)等の情報入力装置、マイクロフォン等の音声入力装置、カメラ等の画像入力装置を含む。また、ユーザI/F13は、ディスプレイ等の画像出力装置(表示装置)、スピーカー等の音声出力装置を含む。
通信I/F14は、ネットワークアダプタ等のハードウェア、各種の通信用ソフトウェア、及びこれらの組み合わせとして実装され、ネットワーク20等を介した有線又は無線の通信を実現できるように構成されている。
ストレージ15は、例えば磁気ディスク又はフラッシュメモリ等によって構成される。ストレージ15は、オペレーティングシステムを含む様々なプログラム及び各種データ等を記憶する。
本実施形態において、サーバ10は、それぞれが上述したハードウェア構成を有する複数のコンピュータを用いて構成され得る。例えば、サーバ10は、複数のサーバ装置によって構成され得る。
車両端末32及びユーザ端末34は、一般的なコンピュータとしての構成を有し、例えば、スマートフォン、タブレット端末、パーソナルコンピュータ、及びウェアラブルデバイス等として構成される。車両端末32は、車両のドライバーによって操作される。また、ユーザ端末34は、サービスの利用者であるユーザによって操作される。
本実施形態において、車両端末32は、車両のプローブ情報を取得するための様々なセンサ等を有するように構成され得る。プローブ情報は、センサ等によって得られる時系列データであり、例えば、位置(経度緯度)、方角、加速度、画像等を含み、これらの情報が時刻に関連付けられている。車両端末32が有するセンサ等は、GPS受信機、方角センサ(地磁気センサ等)、加速度センサ、照度センサ、カメラ等を含む。また、車両端末32は、車両のCANに接続するように構成することができ、この場合、プローブ情報は、CAN情報(例えば、エンジン回転数、燃料噴射量、及び、ステアリングの舵角等)を含み得る。
本実施形態において、サービス提供サーバ10は、ウェブサーバ及びアプリケーションサーバとしての機能を有するように構成することができ、この場合、車両端末32又はユーザ端末34が有するウェブブラウザ又はその他のアプリケーションからの要求に応答して各種の処理を実行し、当該処理の結果に応じた画面データ(例えば、HTMLデータ)及び制御データ等を送信する。車両端末32及びユーザ端末34では、受信したデータに基づくウェブページ又はその他の画面が表示される。
次に、本実施形態のサービス提供サーバ10が有する機能について説明する。図2は、サーバ10が有する機能を概略的に示すブロック図である。サーバ10は、図示するように、情報を記憶及び管理する情報記憶管理部40と、2地点間の移動所要時間を予測する移動所要時間予測部42と、複数の車両の各々の走行スケジュールを管理する走行スケジュール管理部44と、車両のドライバーを管理するドライバー管理部46とを有する。これらの機能は、CPU11及びメインメモリ12等のハードウェア、並びに、ストレージ15等に記憶されている各種プログラムやデータ等が協働して動作することによって実現され、例えば、メインメモリ12に読み込まれたプログラムに含まれる命令をCPU11が実行することによって実現される。また、図2に示す機能の一部又は全部は、サービス提供サーバ10と、車両端末32又はユーザ端末34とが協働することによって実現され得る。
情報記憶管理部40は、ストレージ15等によって構成され、様々な情報を記憶及び管理する。例えば、情報記憶管理部40は、複数のドライバーの各々の特性情報を記憶する。
移動所要時間予測部42は、移動所要時間の予測に関する様々な処理を実行する。本実施形態において、移動所要時間予測部42は、特定の車両のドライバーの特性情報に基づいて、特定の複数の停車地点に含まれる2地点間の移動所要時間の予測値を算出するように構成されている。
走行スケジュール管理部44は、走行スケジュールの管理に関する様々な処理を実行する。本実施形態において、走行スケジュール管理部44は、移動所要時間予測部42が算出した移動所要時間の予測値に基づいて、上記特定の複数の停車地点を含む上記特定の車両の走行スケジュールを更新するように構成されている。走行スケジュールは、例えば、ストレージ15等において管理され、車両端末32に提供され得る。走行スケジュールに含まれる各停車地点には、移動所要時間の予測値に基づいて設定された到着及び出発予定時刻が関連付けられ得る。
ドライバー管理部46は、ドライバーの管理に関する様々な処理を実行する。例えば、ドライバー管理部46は、ドライバーの特性情報の管理に関する様々な処理を実行する。
このように、本実施形態におけるサービス提供サーバ10は、特定の車両のドライバーの特性情報に基づいて、特定の複数の停車地点に含まれる2地点間の移動所要時間の予測値を算出し、当該算出した移動所要時間の予測値に基づいて、当該特定の複数の停車地点を含む特定の車両の走行スケジュールを更新する。従って、移動所要時間の予測値は、ドライバーの特性情報が考慮された値となり、この結果、ドライバー毎のバラツキに起因する移動所要時間の予測精度の悪化が抑制される。
本実施形態において、複数の車両の各々を担当するドライバーに関する情報は、ストレージ15等において管理することができる。例えば、本実施形態において、車両及び時間帯の組合せに対して担当するドライバーが割当てられている担当ドライバー情報(ドライバーのシフト情報と言うこともできる。)をストレージ15等において記憶することができ、この場合、移動所要時間予測部42は、当該担当ドライバー情報に基づいて、特定の車両の特定の時間帯におけるドライバーを特定し、特定したドライバーの特性情報に基づいて、当該特定の時間帯における移動所要時間の予測値を算出するように構成され得る。こうした構成は、時間帯毎に異なるドライバー(ドライバーの交代)に対応することを可能とする。
また、移動所要時間予測部42は、特定の車両の走行スケジュールに含まれる既存の停車地点と、ユーザからの配車要求に伴って特定される新たな停車地点と、を含む複数の停車地点に含まれる2地点間の移動所要時間の予測値を算出し、走行スケジュール管理部44は、当該2地点間の移動所要時間の予測値に基づいて、特定のタイミング(時刻又は時間帯等)における上記新たな停車地点への特定の車両の到着可否を判定するように構成され得る。
また、走行スケジュール管理部44は、特定のタイミングにおける上記新たな停車地点への到着可否の判定結果に応じたレスポンスをユーザに送信するように構成され得る。例えば、走行スケジュール管理部44は、ユーザが指定したタイミングにおける車両の到着可否をユーザ端末34に送信し、又は、到着可能と判定されたタイミングを配車可能なタイミングの候補としてユーザ端末34に送信するように構成される。
本実施形態において、2地点間の移動所要時間の予測値は、様々なアルゴリズムを適用して算出され得る。例えば、移動所要時間予測部42は、任意の地点間の移動所要時間の予測値を算出するための学習済みモデルを用いて、上記2地点間の移動所要時間の予測値を算出するように構成され得る。当該学習済みモデルは、例えば、出発地点(緯度経度)、目標地点(緯度経度)、及び、ドライバーの特性情報を少なくとも含むパラメータが入力されると、入力された出発地点から目標地点までの移動所要時間の予測値を出力するように構成される。入力されるパラメータは、さらに、月、曜日、時間帯、出発地点又は目標地点における車両の進行方向、天気、電車の運行情報、及び、前後所定日内の祝日の有無等が含まれ得る。学習済みモデルは、例えば、車両のプローブ情報等に基づく移動所要時間の実績値を教師データとする機械学習によって生成され、ニューラルネットワークを含むモデルとして構成される。
本実施形態において、ドライバーの特性情報は、ドライバーの運転の特性に関する様々な情報を含む。例えば、特性情報は、車両の運転に影響を与え得る様々な情報(例えば、運転歴(年数)、免許証の種類(ゴールド免許等)等)に基づいて判定されるドライバーの分類、及び、数値等を含む。例えば、ドライバー管理部46は、ドライバーの特性情報を算出するための学習済みモデルを用いて、ドライバーの特性情報を算出するように構成され得る。当該学習済みモデルは、例えば、車両の運転に影響を与え得る様々なパラメータが入力されると、ドライバーの特性情報を出力するように構成される。当該学習済みモデルは、例えば、車両のプローブ情報等に基づく特性情報の実績値を教師データとする機械学習によって生成され、ニューラルネットワークを含むモデルとして構成される。
また、ドライバーの特性情報は、地理的エリア、及び、天気等の他のパラメータに依存する情報として構成され得る。例えば、特性情報は、特定の地理的エリアにおける道路事情に詳しいことを示す情報、及び、雨天時に運転が慎重になる傾向であることを示す情報等を含み得る。
次に、このような機能を有する本実施形態のサービス提供サーバ10の具体例について説明する。この具体例において、サービス提供サーバ10は、任意の場所で乗降可能なデマンド型の乗合タクシーサービスを提供する。
図3-4、7-8は、この例において、サーバ10のストレージ15が有する各テーブルにおいて管理される情報を例示する。図3は、配車要求情報テーブルにおいて管理される情報を例示する。配車要求情報テーブルは、ユーザからの配車要求に関する情報を管理し、図示するように、ユーザからの個別の配車要求を識別する「要求ID」に対応付けて、配車要求を行ったユーザを識別する「ユーザID」、「配車日」、配車要求に対して割り当てられた車両を識別する「車両ID」、「乗車地点(経度緯度)」、「乗車時間枠」、「乗車予定時刻」、「乗車待機時間」、「降車地点(経度緯度)」、「降車時間枠」、「降車予定時刻」、「降車待機時間」等の情報を管理する。
図4は、走行スケジュール情報テーブルにおいて管理される情報を例示する。走行スケジュール情報テーブルは、乗合タクシーサービスにおいて利用される複数の車両の各々の走行スケジュールに関する情報を管理し、図示するように、個別の車両を識別する「車両ID」、「日付」、及び、個別のスケジュールを識別する「スケジュールID」の組合せに対応付けて、「停車地点(経度緯度)」、「到着予定時刻」、「出発予定時刻」、「要求ID」等の情報を管理する。このように、車両の走行スケジュールは、到着及び出発予定時刻が関連付けられた複数の停車地点を含む。
図5は、走行スケジュール情報テーブルにおいて管理される情報の具体例を示し、図6は、この具体例に対応する走行スケジュールを説明するための図である。図5に示すように、この具体例は、車両IDが「001」である車両の2017年6月1日における走行スケジュールを示している。例えば、スケジュールID「01」は、停車地点P0に関するスケジュールであって、その出発予定時刻が10:00である。図6に示すように、停車地点P0は、車両の営業所/車庫に対応する地点である。
また、例えば、スケジュールID「02」は、停車地点P1に関するスケジュールであって、その到着予定時刻が10:20である。上述したように、停車地点P0の出発予定時刻は10:00であるから、停車地点P0から停車地点P1までの移動所要時間は20分と予測されている。また、スケジュールID「02」において、停車地点P1の出発予定時刻は10:40であり、要求IDは「001」である。当該要求ID「001」は、図6に示すように、ユーザ1からの配車要求であって、停車地点P1は、当該配車要求におけるユーザ1の乗車地点である。
また、例えば、スケジュールID「04」は、停車地点P3に関するスケジュールであって、その到着予定時刻が11:20である。直前の停車地点P2の出発予定時刻は11:10であるから(図5のスケジュールID「03」のレコードを参照)、停車地点P2から停車地点P3までの移動所要時間は10分と予測されている。図6に示すように、停車地点P3は、ドライバーが休憩/交代するための停車地点であり、この例においては、当該停車地点P3において、ドライバーAからドライバーBへの交代が予定されている。こうした車両を担当するドライバーに関する情報は、後述する担当ドライバー情報テーブルにおいて管理される。
図7は、ドライバー情報テーブルにおいて管理される情報を例示する。ドライバー情報テーブルは、車両のドライバーに関する情報を管理し、図示するように、個別のドライバーを識別する「ドライバーID」に対応付けて、「運転レベル」等の情報を管理する。
この例において、運転レベルは、レベル1~3の3つの値の何れかが設定され、レベルの値が大きいほど、移動時間が短くなる傾向(運転水準が高い傾向)を示している。また、運転レベルは、アンケートに対するドライバーの回答内容に基づいて自動的に設定される。アンケートは、例えば、運転歴、免許証の種類等の客観的な内容の他、運転の慎重さ(速度優先/安全優先)、裏道の使用頻度等の主観的な内容を含む。この例において、運転レベルは、アンケートの回答内容が入力されると特性情報が出力される学習済みモデルを用いて判定される。当該学習済みモデルは、アンケートに対する回答内容と、車両のプローブ情報等に基づくドライバーの運転レベルの実績値(例えば、走行スケジュールにおける移動所要時間の予測値とプローブ情報における移動所要時間の実績値との間の差分)とを教師データとする機械学習によって生成される。
図8は、担当ドライバー情報テーブルにおいて管理される情報を例示する。担当ドライバー情報テーブルは、複数の車両の各々の運転を担当するドライバーに関する情報を管理し、図示するように、個別の車両を識別する「車両ID」、「日付」及び「時間帯」の組合せに対応付けて、「ドライバーID」等の情報を管理する。
図9は、ユーザからの配車要求に応じてサーバ10が実行する処理を例示するフロー図である。サーバ10は、まず、図示するように、配車日及び乗降車地点をユーザから受け付ける(ステップS100)。図10は、ユーザ端末34において表示される配車申込画面50を例示する。配車申込画面50は、図示するように、目的地(降車地点)を入力するための目的地入力領域52と、乗車場所(乗車地点)を入力するための乗車場所入力領域54と、配車日を入力するための配車日入力領域56と、「次へ」と表示された続行ボタン58とを有する。目的地入力領域52及び乗車場所入力領域54は、住所及び施設名等のキーワードを用いた検索を伴って、地図上の特定の地点(経度緯度)を入力できるように構成されている。なお、目的地及び乗車場所を入力する際に、画面上に地図を表示し、地図上の任意の地点をユーザが選択することによって、目的地及び乗車場所を特定できるようにしても良い。この際、ユーザによって地図上の道路以外の地点が選択された場合には、選択された地点に最も近接する道路上の地点が自動的に選択されるようにしても良い。また、乗車場所入力領域54等を介して乗車場所を入力する際に、当該乗車場所における車両の進行方向(つまり、道路の両側のうち何れか一方であり、例えば、道路レーンの情報を含む。)を特定できるようにしても良い。
ユーザが続行ボタン58を選択すると、配車日及び乗降車地点(乗車場所及び目的地)がサーバ10によって受け付けられる。配車日及び乗降車地点の受付に伴って、配車要求情報テーブルにレコードが生成され、要求ID、ユーザID、配車日、乗車地点、及び降車地点が設定される。
次に、サーバ10は、乗車場所における車両の待機時間のユーザによる選択を受け付ける(ステップS110)。図11は、ユーザが待機時間を選択するための待機時間選択画面70を例示する。当該画面70は、配車申込画面50の続行ボタン58の選択に応じて、当該画面50に重ねてオーバーレイ表示される。
待機時間選択画面70は、図11に示すように、「10分」と表示された第1ボタン72と、「5分」と表示された第2ボタン74と、「次へ」と表示された続行ボタン76とを有する。第1ボタン72は、待機時間として10分を設定するためのオブジェクトであり、第2ボタン74は、待機時間として5分を設定するためのオブジェクトである。ユーザは、第1ボタン72及び第2ボタン74の何れか一方を選択した上で続行ボタン76を選択することにより、乗車場所における車両の待機時間を選択することができる。
ユーザが続行ボタン76を選択すると、ユーザによって選択された待機時間がサーバ10によって受け付けられる。待機時間の受付に伴って、配車要求情報テーブルにおける乗車待機時間が設定される。なお、この例では、降車場所における待機時間は、ユーザによる選択なしに予め定められた時間(例えば、5分)となっており、当該時間が、配車要求情報テーブルの降車待機時間に設定される。
次に、サーバ10は、今回の配車要求に割当可能な車両を特定する(ステップS112)。具体的には、複数の車両のうち、配車要求における乗車地点及び/又は降車地点が含まれる地理的エリアを担当する1又は複数の車両が、今回の配車要求に割当可能な車両として特定される。車両と担当する地理的エリアとの対応関係は、例えば、ストレージ15等において管理される。
そして、サーバ10は、特定した車両の走行スケジュールに含まれる既存の停車地点と今回の配車要求における乗降車地点との間の移動所要時間の予測値を算出する(ステップS114)。この例において、2地点間の移動所要時間の予測値は、任意の地点間の移動所要時間を予測するための学習済みモデルを用いて算出される。
図12は、移動所要時間を予測するための学習済みモデルを説明するための図である。当該学習済みモデルは、図示するように、車両のプローブ情報等に基づいて生成される交通情報を教師データとする機械学習によって生成され、ニューラルネットワークを含むモデルとして構成されている。この例では、学習済みモデルは、出発地点(緯度経度)、目標地点(緯度経度)、ドライバーの運転レベル、及び、配車日時(月、曜日、及び時間帯)が入力されると、入力された出発地点から目標地点までの移動所要時間の予測値が出力される。つまり、交通情報(教師データ)は、出発地点、目標地点、ドライバーの運転レベル、配車日時、及び、出発地点から目標地点までの移動所要時間の実績値を含む。なお、学習済みモデルに入力されるパラメータは、これらに限定されず、例えば、出発地点又は目標地点における車両の進行方向、天気、電車の運行情報、及び、前後所定日内の祝日の有無等を用いることもできる。この場合、これらの情報は、交通情報の一部として、又は、別の情報として、機械学習における教師データに付加される。
この例において、2地点間の移動所要時間の予測値は、時間帯及び運転レベルの組合せ毎に算出及び管理される。図13は、2地点間の移動所要時間の予測値を管理するための移動所要時間予測値管理表の具体例を示す。図13は、時間帯が「10~12時」であって、運転レベルが「1」である場合の例であり、同様の管理表が、複数の時間帯(例えば、営業時間内の全ての時間帯)及び複数の運転レベルの組合せ毎に生成される。
移動所要時間予測値管理表は、図示するように、出発地点と目標地点との組合せに対して移動所要時間の予測値が設定されている。ステップS114においては、当該移動所要時間予測値管理表に対して、今回の配車要求における乗降車地点が追加される。図13の管理表は、図6の走行スケジュールに含まれる既存の停車地点P0-P5における2地点間の移動所要時間の予測値が管理されている状態を示している。例えば、図14に例示するように、今回の配車要求において、図6の走行スケジュールに対して乗車地点PX1及び降車地点PX2が新たに追加される場合、図15に例示するように、移動所要時間予測値管理表における出発地点及び目標地点に地点PX1、PX2が追加され、新たに発生した空白のマス目に対して、上述した学習済みモデルを用いて算出された移動所要時間の予測値が設定される。なお、移動所要時間予測値管理表において、出発地点と目標地点との組合せの一部については、予測値の算出及び設定を省略しても良い。例えば、地点間の距離が顕著に大きい(所定値より大きい)組合せについては、当該地点間を移動するような走行スケジュールは明らかに非効率であって採用されないと考えられるから、当該組合せに対応する移動所要時間の予測値の算出及び設定を省略するようにしても良い。また、走行スケジュールに含まれる既存の停車地点における到着及び出発予定時刻を考慮すると、対応する時間帯における移動が想定されない地点間もまた、移動所要時間の予測値の算出及び設定が省略され得る。
こうして2地点間の移動所要時間の予測値を算出すると、次に、サーバ10は、今回の配車要求における乗降車地点に到着可能な時間帯を特定する(ステップS116)。具体的には、走行スケジュールに含まれる既存の乗降車地点における到着予定時刻が対応するユーザ(配車要求)の乗降車予定時刻以前となり、且つ、乗降車地点における出発予定時刻が乗降車予定時刻から待機時間が経過した時刻以後となる状態を維持したまま、今回の配車要求における乗降車地点を追加可能な時間帯が特定される。この際、担当ドライバー情報テーブル、及び、ドライバー情報テーブルを参照することにより、時間帯毎のドライバーの運転レベルが特定され、各時間帯及び対応する運転レベルの組合せに対応する移動所要時間予測値管理表の値(2地点間の移動所要時間の予測値)が利用される。
次に、サーバ10は、乗車時刻の時間枠の複数の候補を提示して、当該時間枠のユーザによる選択を受け付ける(ステップS120)。図16は、ユーザが乗車時刻の時間枠を選択するための乗車時間枠選択画面90を例示する。当該画面90は、待機時間選択画面70の続行ボタン76の選択に応じて、当該画面70及び配車申込画面50に代えて表示される。
乗車時間枠選択画面90は、図16に示すように、「前の時間帯」と表示された第1ボタン92と、「次の時間帯」と表示された第2ボタン94と、複数の時間枠を選択可能に表示する時間枠選択領域96と、「次へ」と表示された続行ボタン98とを有する。また、乗車時間枠選択画面90は、配車申込画面50を介して受け付けた配車日、及び、運賃に関する情報を表示する。運賃は、例えば、乗車地点と降車地点との間の距離に基づいて算定される。
時間枠選択領域96は、特定の時間帯(図16の例では10:00~12:00)に含まれる複数の時間枠を表示する。時間枠選択領域96に時間枠を表示する時間帯は、第1ボタン92又は第2ボタン94の選択によって切り替えられる。
時間枠選択領域96は、所定の長さ(この例では、30分)の時間枠の候補が表示される。時間枠選択領域96は、ステップS116で特定された乗車地点に到着可能な時間帯に含まれる時間枠の候補のみが選択可能となり、到着可能な時間帯に含まれない時間枠の候補は選択できないように構成される。
例えば、図14に例示するように、図6に例示した既存の走行スケジュールに対して乗車地点PX1を追加する場合であって、対応する車両が、10:00-10:30の間において乗車地点PX1への到着及び待機時間の確保ができない場合、図16に示すように、10:00-10:30の時間枠に対応する候補961は、ユーザによる選択ができないように構成される。なお、図6に例示した既存の走行スケジュールに対応する車両以外の他の車両が10:00-10:30の間に地点PX1に到着して待機時間を確保できる場合には、候補961についても選択可能となる。
ユーザが続行ボタン98を選択すると、ユーザによって選択された乗車時間枠がサーバ10によって受け付けられる。乗車時間枠の受付に伴って、配車要求情報テーブルにおける車両ID及び乗車時間枠が設定される。車両IDは、選択された乗車時間枠に対応する走行スケジュールにおける車両の車両IDである。
次に、サーバ10は、降車時刻の時間枠の複数の候補を提示して、当該時間枠のユーザによる選択を受け付ける(ステップS130)。図17は、ユーザが降車時刻の時間枠を選択するための降車時間枠選択画面100を例示する。当該画面100は、乗車時間枠選択画面90の続行ボタン98の選択に応じて、当該画面90に代えて表示される。
降車時間枠選択画面100は、図17に示すように、図16に例示した乗車時間枠選択画面90と同様に、「前の時間帯」と表示された第1ボタン102と、「次の時間帯」と表示された第2ボタン104と、複数の時間枠を選択可能に表示する時間枠選択領域106と、「確定」と表示された確定ボタン108とを有し、配車日、及び、運賃に関する情報を表示する。時間枠選択領域106は、特定の時間帯(図17の例では11:00~13:00)に含まれる複数の時間枠を表示し、当該時間枠選択領域106に時間枠を表示する時間帯は、第1ボタン102又は第2ボタン104の選択によって切り替えられる。
時間枠選択領域106は、所定の長さ(この例では、30分)の時間枠の候補が表示される。時間枠選択領域106は、ステップS116で特定された降車地点に到着可能な時間帯に含まれる時間枠の候補のみが選択可能となり、到着可能な時間帯に含まれない時間枠の候補は選択できないように構成される。
例えば、図14に例示するように、図6に例示した既存の走行スケジュールに対して降車地点PX2を追加する場合であって、対応する車両が、11:00-11:30、及び、12:30-13:00の間において、降車地点PX2への到着及び待機時間の確保ができない場合、図17に示すように、11:00-11:30の時間枠に対応する候補1061、及び、12:30-13:00の時間枠に対応する候補1064は、ユーザによる選択ができないように構成される。
ユーザが確定ボタン108を選択すると、ユーザによって選択された降車時間枠がサーバ10によって受け付けられる。降車時間枠の受付に伴って、配車要求情報テーブルにおける降車時間枠が設定される。
次に、サーバ10は、乗降車予定時刻を設定すると共に走行スケジュールを更新する(ステップS140)。具体的には、乗車時間枠選択画面90を介して選択された時間枠に含まれるように乗車予定時刻を設定すると共に、降車時間枠選択画面100を介して選択された時間枠に含まれるように降車予定時刻を設定し、対応する車両の走行スケジュールに対して、今回の配車要求における乗降車地点を追加する。更新後の走行スケジュールにおいては、各乗降車地点における到着予定時刻が対応するユーザ(配車要求)の乗降車予定時刻以前となり、且つ、各乗降車地点における出発予定時刻が乗降車予定時刻から待機時間が経過した時刻以後となる状態が維持される。更新後の走行スケジュールは、車両の運転者の車両端末32に提供される。
上述したように、本実施形態のサービス提供サーバ10は、乗合タクシーサービスに限らず、物品配達サービス等の他のサービスを提供するように構成され得る。物品配達サービスに適用される本実施形態の他の具体例では、走行スケジュールは、乗降車地点に代えて、物品の集荷地点及び受取地点が停車地点として含まれる。また、物品配達サービスを、車両に搭載されたロッカーを介して物品を配達するサービスとして構成することもでき、この場合、受取地点における待機時間は、ユーザがロッカーを操作して物品を取り出すための時間と言うこともできる。
以上説明した本実施形態に係るサービス提供サーバ10は、特定の車両のドライバーの特性情報(例えば、運転レベル)に基づいて、特定の複数の停車地点に含まれる2地点間の移動所要時間の予測値を算出し、当該算出した移動所要時間の予測値に基づいて、当該特定の複数の停車地点を含む特定の車両の走行スケジュールを更新する。従って、移動所要時間の予測値は、ドライバーの特性情報が考慮された値となり、この結果、ドライバー毎のバラツキに起因する移動所要時間の予測精度の悪化が抑制される。
本発明の他の実施形態において、車両は、自動運転車両として構成され得る。この場合、自動運転車両は、サービス提供サーバ10から走行経路を含む走行スケジュールを受信し、当該走行スケジュールに従って自律的に移動及び停車するように構成される。この場合、ドライバーの特性情報は、自動運転車両における自動運転用のソフトウェアの特性情報を含む。つまり、本発明の実施形態において、車両のドライバーは、自動運転車両における自動運転用のソフトウェアを含む。
本明細書で説明された処理及び手順は、明示的に説明されたもの以外にも、ソフトウェア、ハードウェアまたはこれらの任意の組み合わせによって実現される。例えば、本明細書で説明される処理及び手順は、集積回路、揮発性メモリ、不揮発性メモリ、磁気ディスク等の媒体に、当該処理及び手順に相当するロジックを実装することによって実現される。また、本明細書で説明された処理及び手順は、当該処理・手順に相当するコンピュータプログラムとして実装し、各種のコンピュータに実行させることが可能である。
本明細書中で説明された処理及び手順が単一の装置、ソフトウェア、コンポーネント、モジュールによって実行される旨が説明されたとしても、そのような処理または手順は複数の装置、複数のソフトウェア、複数のコンポーネント、及び/又は複数のモジュールによって実行され得る。また、本明細書において説明されたソフトウェアおよびハードウェアの要素は、それらをより少ない構成要素に統合して、またはより多い構成要素に分解することによって実現することも可能である。
本明細書において、発明の構成要素が単数もしくは複数のいずれか一方として説明された場合、又は、単数もしくは複数のいずれとも限定せずに説明された場合であっても、文脈上別に解すべき場合を除き、当該構成要素は単数又は複数のいずれであってもよい。
10 サービス提供サーバ
20 ネットワーク
32 運転者端末
34 ユーザ端末
40 情報記憶管理部
42 移動所要時間予測部
44 走行スケジュール管理部
46 ドライバー管理部
50 配車申込画面
70 待機時間選択画面
90 乗車時間枠選択画面
100 降車時間枠選択画面

Claims (6)

  1. 複数の車両の各々の走行スケジュールを管理するためのシステムであって、
    複数のドライバーの各々の特性情報であって運転の特性に関する分類である前記特性情報を記憶する記憶装置と、1又は複数のコンピュータプロセッサと、を備え、
    前記1又は複数のコンピュータプロセッサは、読取可能な命令の実行に応じて、
    前記複数の車両に含まれる特定の車両のドライバーの前記特性情報に基づいて、特定の複数の停車地点に含まれる2地点間の移動所要時間の予測値を算出する処理と、
    算出した移動所要時間の予測値に基づいて、前記特定の複数の停車地点を含む前記特定の車両の走行スケジュールを更新する処理と、を実行
    前記1又は複数のコンピュータプロセッサは、更に、ドライバーの前記特性情報を算出するための学習済みモデルであって、機械学習によって生成される前記学習済みモデルを用いて、ドライバーの前記特性情報を算出する処理を実行する、
    システム。
  2. 前記記憶装置は、車両及び時間帯の組合せに対して担当するドライバーが割当てられている担当ドライバー情報を記憶し、
    前記移動所要時間の予測値を算出する処理は、前記担当ドライバー情報に基づいて前記特定の車両の特定の時間帯におけるドライバーを特定し、特定したドライバーの前記特性情報に基づいて、前記特定の時間帯における前記2地点間の移動所要時間の予測値を算出することを含む、
    請求項1のシステム。
  3. 前記特定の複数の停車地点は、前記特定の車両の走行スケジュールに含まれる既存の停車地点と、ユーザからの配車要求に伴って特定される新たな停車地点と、を含み、
    前記1又は複数のコンピュータプロセッサは、更に、前記2地点間の移動所要時間の予測値に基づいて、特定のタイミングにおける前記新たな停車地点への前記特定の車両の到着可否を判定する処理を実行する、
    請求項1又は2のシステム。
  4. 前記移動所要時間の予測値を算出する処理は、任意の地点間の移動所要時間の予測値を算出するための学習済みモデルを用いて、前記2地点間の移動所要時間の予測値を算出することを含む、
    請求項1ないし3何れかのシステム。
  5. 複数のドライバーの各々の特性情報であって運転の特性に関する分類である前記特性情報を記憶する記憶装置にアクセス可能な1又は複数のコンピュータによって実行され、複数の車両の各々の走行スケジュールを管理するための方法であって、
    前記複数の車両に含まれる特定の車両のドライバーの前記特性情報に基づいて、特定の複数の停車地点に含まれる2地点間の移動所要時間の予測値を算出するステップと、
    算出した移動所要時間の予測値に基づいて、前記特定の複数の停車地点を含む前記特定の車両の走行スケジュールを更新するステップと、を備え、
    前記方法は、更に、ドライバーの前記特性情報を算出するための学習済みモデルであって、機械学習によって生成される前記学習済みモデルを用いて、ドライバーの前記特性情報を算出するステップを備える、
    方法。
  6. 複数の車両の各々の走行スケジュールを管理するためのプログラムであって、
    複数のドライバーの各々の特性情報であって運転の特性に関する分類である前記特性情報を記憶する記憶装置にアクセス可能な1又は複数のコンピュータ上での実行に応じて、前記1又は複数のコンピュータに、
    前記複数の車両に含まれる特定の車両のドライバーの前記特性情報に基づいて、特定の複数の停車地点に含まれる2地点間の移動所要時間の予測値を算出する処理と、
    算出した移動所要時間の予測値に基づいて、前記特定の複数の停車地点を含む前記特定の車両の走行スケジュールを更新する処理と、を実行させ、
    前記1又は複数のコンピュータに、更に、ドライバーの前記特性情報を算出するための学習済みモデルであって、機械学習によって生成される前記学習済みモデルを用いて、ドライバーの前記特性情報を算出する処理を実行させる、
    プログラム。
JP2017135750A 2017-07-11 2017-07-11 車両の走行スケジュールを管理するためのシステム、方法、及びプログラム Active JP7032881B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2017135750A JP7032881B2 (ja) 2017-07-11 2017-07-11 車両の走行スケジュールを管理するためのシステム、方法、及びプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2017135750A JP7032881B2 (ja) 2017-07-11 2017-07-11 車両の走行スケジュールを管理するためのシステム、方法、及びプログラム

Publications (2)

Publication Number Publication Date
JP2019020787A JP2019020787A (ja) 2019-02-07
JP7032881B2 true JP7032881B2 (ja) 2022-03-09

Family

ID=65354759

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017135750A Active JP7032881B2 (ja) 2017-07-11 2017-07-11 車両の走行スケジュールを管理するためのシステム、方法、及びプログラム

Country Status (1)

Country Link
JP (1) JP7032881B2 (ja)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020135503A (ja) * 2019-02-21 2020-08-31 住友電気工業株式会社 旅行時間予測方法、モデル学習方法、旅行時間予測装置、モデル学習装置、コンピュータプログラム、および学習済みモデルセット
JP6770154B1 (ja) * 2019-08-28 2020-10-14 和則 藤沢 配車用ユーザ端末および配車システム並びにこれらで実行されるプログラム
JP7287244B2 (ja) * 2019-11-08 2023-06-06 トヨタ自動車株式会社 情報処理装置、プログラム、及び、情報処理方法
JP7397663B2 (ja) * 2019-12-24 2023-12-13 Go株式会社 出力プログラム、出力装置、出力方法、学習モデルの生成方法及びニューラルネットワークシステム
JP7479857B2 (ja) * 2020-01-25 2024-05-09 株式会社トヨタマップマスター ドライバー特性特定装置及びその方法
JP7369101B2 (ja) * 2020-07-13 2023-10-25 Kddi株式会社 配車管理システム、配車管理方法及びコンピュータプログラム
JP7501329B2 (ja) 2020-11-30 2024-06-18 大日本印刷株式会社 情報処理装置、情報処理方法、及びプログラム
CN113642758B (zh) * 2021-06-08 2024-06-21 上海汽车集团股份有限公司 一种共享电动汽车的供需预测及调度方法和装置
JP2022189455A (ja) * 2021-06-11 2022-12-22 MONET Technologies株式会社 情報処理装置、情報処理方法及び情報処理プログラム
EP4365696A1 (en) * 2021-06-28 2024-05-08 Panasonic Intellectual Property Management Co., Ltd. Information output method, mobile object control system, and program
WO2024090321A1 (ja) * 2022-10-27 2024-05-02 パナソニックIpマネジメント株式会社 制御方法、制御装置及びプログラム

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002324294A (ja) 2001-04-25 2002-11-08 Yazaki Corp 配車計画システム
JP2006018443A (ja) 2004-06-30 2006-01-19 Sumitomo Electric Ind Ltd 車両巡回計画立案装置、車両巡回計画立案方法、車両巡回計画立案方法をコンピュータに実行させるためのプログラムおよびそのプログラムを記録したコンピュータ読取り可能な記録媒体
US20080270019A1 (en) 2006-12-29 2008-10-30 High Regard Software, Inc. Systems and methods for enhancing private transportation
JP2009146004A (ja) 2007-12-11 2009-07-02 Hitachi Information & Control Solutions Ltd 配車計画装置及び配車計画方法
US20090248285A1 (en) 2008-01-07 2009-10-01 Harman Becker Automotive Systems Gmbh Route determining system for a vehicle with navigation system
US20150032490A1 (en) 2013-07-26 2015-01-29 Xerox Corporation Identifying driver report data based upon transportation system schedule information
US20150204684A1 (en) 2014-01-21 2015-07-23 Abtin Rostamian Methods and systems of multi-dimensional automated ride-sharing optimization

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002324294A (ja) 2001-04-25 2002-11-08 Yazaki Corp 配車計画システム
JP2006018443A (ja) 2004-06-30 2006-01-19 Sumitomo Electric Ind Ltd 車両巡回計画立案装置、車両巡回計画立案方法、車両巡回計画立案方法をコンピュータに実行させるためのプログラムおよびそのプログラムを記録したコンピュータ読取り可能な記録媒体
US20080270019A1 (en) 2006-12-29 2008-10-30 High Regard Software, Inc. Systems and methods for enhancing private transportation
JP2009146004A (ja) 2007-12-11 2009-07-02 Hitachi Information & Control Solutions Ltd 配車計画装置及び配車計画方法
US20090248285A1 (en) 2008-01-07 2009-10-01 Harman Becker Automotive Systems Gmbh Route determining system for a vehicle with navigation system
US20150032490A1 (en) 2013-07-26 2015-01-29 Xerox Corporation Identifying driver report data based upon transportation system schedule information
US20150204684A1 (en) 2014-01-21 2015-07-23 Abtin Rostamian Methods and systems of multi-dimensional automated ride-sharing optimization

Also Published As

Publication number Publication date
JP2019020787A (ja) 2019-02-07

Similar Documents

Publication Publication Date Title
JP7032881B2 (ja) 車両の走行スケジュールを管理するためのシステム、方法、及びプログラム
US11416795B2 (en) Systems and methods for vehicle resource management
US11062415B2 (en) Systems and methods for allocating networked vehicle resources in priority environments
US20200334987A1 (en) Temporarily allocating fix public transport vehicles as dynamic public transport vehicles
WO2018230676A1 (ja) ライドシェア管理装置、ライドシェア管理方法、およびプログラム
US11562300B2 (en) System and method for optimal automated booking of on-demand transportation in multi-modal journeys
US11386359B2 (en) Systems and methods for managing a vehicle sharing facility
JP7122089B2 (ja) 交通情報を管理するためのシステム、方法、及びプログラム
US20170169366A1 (en) Systems and Methods for Adjusting Ride-Sharing Schedules and Routes
US11182871B2 (en) System and apparatus for ridesharing
US9857188B1 (en) Providing alternative routing options to a rider of a transportation management system
US20220003561A1 (en) Real-time ride sharing solutions for unanticipated changes during a ride
JP2014238831A (ja) 輸送サービス予約方法、輸送サービス予約装置、及び輸送サービス予約プログラム
JP6906373B2 (ja) 車両の走行計画を管理するためのシステム、方法、及びプログラム
KR20210014694A (ko) 파라미터 간의 계산된 트레이드-오프를 고려하여 내비게이션 경로 생성 및 카풀 옵션 식별
JP7475985B2 (ja) 配車管理装置及び配車管理方法
US20220004199A1 (en) Accounting for driver reaction time when providing driving instructions
JP2018206177A (ja) 配車支援方法、配車支援装置、配車支援プログラム及び情報提示プログラム
US20170178085A1 (en) Method, apparatus, and system for managing reservations
CN110363608B (zh) 信息处理装置、提议乘坐共享的方法和非瞬态存储介质
JP6633981B2 (ja) 交通情報配信システムおよび交通情報配信方法
JP7040355B2 (ja) 情報処理装置及び情報処理方法、プログラム
US20220397408A1 (en) Content Delivery In Real-Time Guided Navigation
JP6727175B2 (ja) 提供装置、提供方法、及び提供プログラム
KR102536170B1 (ko) 폴리곤 서비스 지역 내 노선을 설정하는 장치 및 방법

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200609

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20210521

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210608

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210805

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20211102

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20211227

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: 20220201

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220225

R150 Certificate of patent or registration of utility model

Ref document number: 7032881

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150