JP7116997B2 - 情報処理装置及び情報処理プログラム - Google Patents

Description

本発明は、情報処理装置及び情報処理プログラムに関する。

従来、物品の配送を行うための配送計画は、配送事業者が人手によって作成していた。しかしながら、適切な配送計画を作成するためには、経験豊富なベテランの作成者が必要であり、誰もが適切な配送計画を作成することはできなかった。

そこで近年、配送先や荷量を示す配送データや、配送可能時間や車両の情報を示す配送条件を与えられたコンピュータが、組み合わせ最適化等の手法を用いて配送計画を作成するという技術が存在する（例えば、特許文献１参照）。このような技術を利用することにより、コンピュータによって配送計画を作成することが可能となる。

特開２０１７－０６８５５５号公報

しかしながら、上述した特許文献１に開示の技術等の一般的な技術により、配送計画を作成したとしても、その配送計画は必ずしも適切な配送計画ではなかった。
その理由は、経験豊富なベテラン担当者であれば考慮している配送条件を全て洗い出してコンピュータに入力するための数値情報として明確化することが困難であるからである。そのため、例えば、経験豊富なベテラン担当者であれば考慮している、各配送先が属する各エリア間の関係を考慮することなく、配送計画を作成してしまっているからである。

本発明は、このような状況に鑑みてなされたものであり、より適切な配送計画の作成のために、各配送先が属する各グループ間の関係を学習することが可能な、情報処理装置及び情報処理プログラムを提供することを目的とする。

上記目的を達成するため、本発明の一態様の情報処理装置は、
配送データと、前記配送データに対応する配送計画と、からなる組を教師データとして取得する教師データ取得手段と、
前記配送データを複数のグループに区分する区分手段と、
前記区分手段が区分した各グループ同士それぞれについて、前記教師データに含まれる配送計画で同一配送ルート内に含まれているか否かを特定し、該特定結果に基づいて配送計画を作成するための学習を行なう学習手段と、
を備える。

本発明によれば、より適切な配送計画の作成のために、各配送先が属する各グループ間の関係を学習することが可能となる。

本発明の一実施形態に係る情報処理装置の構成の一例を示すブロック図である。 本発明の一実施形態における配送データ及び配送条件の概念を示す模式図である。 本発明の一実施形態に係る情報処理装置が実行する関係学習処理時の流れを示すフローチャートである。 本発明の一実施形態に係る情報処理装置が実行する関係学習処理での教師データに含まれる配送計画の一例について示す模式図である。 本発明の一実施形態に係る情報処理装置が実行する関係学習処理でのグループ間の区分について示す模式図である。 本発明の第４の変形例に一実施形態に係る情報処理装置の構成の一例を示すブロック図である。 本発明の一実施形態の第４の変形例に係る情報処理装置が実行する関係学習処理時の流れを示すフローチャートである。 本発明の一実施形態の第４の変形例に係る情報処理装置が実行する関係学習処理での学習モデルの入力及び出力の一例について示すテーブルである。

以下、添付の図面を参照して本発明の実施形態の一例について説明する。
［装置構成］
図１は、本実施形態に係る情報処理装置の構成の一例を示すブロック図である。図１に示すように、情報処理装置１０は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１１と、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）１２と、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）１３と、通信部１４と、記憶部１５と、入力部１６と、表示部１７と、を備えている。これら各部は、信号線によりバス接続されており、相互に信号を送受する。

ＣＰＵ１１は、ＲＯＭ１２に記録されているプログラム、又は、記憶部１５からＲＡＭ１３にロードされたプログラムに従って各種の処理を実行する。
ＲＡＭ１３には、ＣＰＵ１１が各種の処理を実行する上において必要なデータ等も適宜記憶される。

通信部１４は、ＣＰＵ１１が、他の装置（図示省略）との間で通信を行うための通信制御を行う。他の装置とは、例えば、情報処理装置１０において利用する各種の情報を格納している外部記憶装置等である。
記憶部１５は、ＤＲＡＭ（Ｄｙｎａｍｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）等の半導体メモリで構成され、各種データを記憶する。

入力部１６は、各種ボタン、タッチパネル、あるいはマウス及びキーボード等の外部入力装置で構成され、ユーザの指示操作に応じて各種情報を入力する。
表示部１７は、液晶ディスプレイ等で構成され、ＣＰＵ１１が出力する画像データに対応する画像を表示する。
このような構成を有する情報処理装置１０は、パーソナルコンピュータやサーバ装置等の情報処理機能を有する電子機器により実現される。この電子機器は、本実施形態特有の電子機器で実現してもよいし、汎用の電子機器に本実施形態特有のソフトウェアを組み込んで実現してもよい。

［学習の基本的な考え方］
このような構成を有する情報処理装置１０は、関係学習処理を行なう。ここで、関係学習処理は、配送先のそれぞれをグループに区分した上で、適切な配送計画の作成のために、各グループ間の関係を学習する一連の処理である。この情報処理装置１０が関係学習処理にて行なう学習の基本的な考え方について説明する。

前提として、上述したようにコンピュータによって作成された配送計画は人間のベテラン担当者から見た場合、様々な観点で不適切な計画であることが多い。特に問題になるのは、配送コースに含まれるグループの組合せの問題である。
一例として、コンピュータが、第１グループに含まれる配送先Ａを訪問した後、第２グループに含まれる配送先Ｂを訪問するというルート組みがなされた配送計画を作成したとする。コンピュータの計算上では、この組合せは積載上限の観点からも問題なく、配送先Ａ及び配送先Ｂへの予想到着時刻や、車両の帰庫時刻、稼働時間の観点からも問題がなかったとする。すなわち、コンピュータは、一般的な配送条件を満たした配送計画を作成したことになる。

その場合であっても、様々な理由によってベテラン担当者にとってはそのようなルートを不適切と判断し、自分ならそのような配送計画は作成しない、ということが起こる。例えば、第１グループから第２グループに移動する道路は渋滞が発生しやすく遅れが発生するリスクが高いという理由、あるいは、第１グループと第２グループの両方のグループの道路事情に習熟したドライバーがいないといった理由等の、各グループ間の関係に起因する様々な理由が存在するからである。

そこで、本実施形態では、関係学習処理において、配送先を示す配送データと、ベテラン担当者がこのような各グループ間の関係を踏まえて配送データから作成した配送計画とを教師データとすることにより、各グループ間の関係を学習する。

この関係学習処理では、各グループ同士それぞれについて、教師データに含まれる配送計画で同一配送ルート内に含まれた頻度（以下、「実頻度」と称する。）を算出する。これは、ベテラン担当者が、各グループ同士を、実際に同一配送ルートに組み合わせた頻度を表す値となる。

一方で、関係学習処理では、各グループ同士それぞれについて、教師データに含まれる配送計画で同一配送ルート内に含まれ得る頻度（以下、「可能頻度」と称する。）を算出する。これは、同一配送ルートに組み合わせることができた頻度を表す値となる。

このように関係学習処理では２つの頻度を算出することにより、各グループ同士を同一配送ルートに組み合わせることができた場合に、ベテラン担当者は、実際にどの程度の割合で同一配送ルートに組み合わせたのかを学習することができる。

より具体的な例として、教師データとなる配送データ及び配送計画が１００日分存在したとする。そして、その中の８０日分の配送計画に、配送先として第１グループに区分される配送先Ａと、第２グループに区分される配送先Ｂが含まれていたとする。この場合、第１グループと第２グループ同士の可能頻度の値は、「８０」となる。

また、その８０日分の配送計画の内の６０日分において、ベテラン担当者は、配送先Ａと配送先Ｂを同一配送ルートに組み合わせたとする。一方で、その８０日分の内の残り２０日分において、ベテラン担当者は、配送先Ａと配送先Ｂを同一配送ルートに組み合わせなかったとする。この場合、第１グループと第２グループ同士の実頻度の値は、「６０」となる。

従って、この場合、ベテラン担当者が、第１グループと第２グループを組み合わせる確率は、７５％（＝実頻度の値６０／可能頻度の値８０）と算出できる。すなわち、ベテラン担当者は、第１グループと第２グループを、一定の割合で同一配送ルートに組み合わせており、第１グループと第２グループを組み合わせることに問題がないことが学習できる。
なおかつ、この傾向は１００日中８０日という一定の割合で出現することから、ベテラン担当者による一定の根拠に基づいた、偶然とは呼べない傾向である、ということが学習できる。

本実施形態では、上述したような基本的な考え方に基づいて学習を行なう。そして、学習における、実頻度と可能頻度に基づいて、配送計画を作成する場合に、同一配送ルートに組み合わせるべきグループであるか、同一配送ルートに組み合わせるべきでないグループであるかを判定するための条件（以下、「作成条件」と称する。）を決定する。

この作成条件に基づいて、配送計画を作成することにより、ベテラン担当者と同様のルート組みがなされた配送計画を、コンピュータによって作成することが可能となる。すなわち、本実施形態によれば、より適切な配送計画の作成のために、各配送先が属する各グループ間の関係を学習することが可能となる。
以上が、情報処理装置１０が関係学習処理にて行なう学習の基本的な考え方である。

［機能ブロック］
次に、情報処理装置１０が、上述した関係学習処理を行なうための機能ブロックについて説明をする。
情報処理装置１０が動作する場合、図１に示すように、ＣＰＵ１１において、教師データ取得部１１１と、グループ区分部１１２と、頻度算出部１１３と、条件決定部１１４と、配送計画作成部１１５と、が機能する。
また、記憶部１５の一領域には、配送データ記憶部１５１と、配送条件記憶部１５２と、グループ記憶部１５３と、教師データ記憶部１５４と、作成条件記憶部１５５とが設定される。

配送データ記憶部１５１には、「どこから」、「どこに」、「何を」、「どれだけ」配送するかを示す情報である配送データが記憶される。
配送条件記憶部１５２には、配送計画に対して要請される配送条件が記憶される。
これら配送データと配送条件とは、過去に実際に配送を行った際の実績データに対応するものであってもよいし、教師データを作成するために用意された、実績データには対応しないものであってもよい。例えば、実績データに対応しない、これから配送が予定されているものであってもよいし、ユーザが作成したものであってもよい。これら配送データ、及び配送条件の具体的な内容については、図２を参照して後述する。

グループ記憶部１５３には、後述のグループ記憶部１５３により区分されたグループと、各グループに含まれる配送先とが記憶される。グループと、各グループに含まれる配送先の具体的な内容については、図５を参照して後述する。

教師データ記憶部１５４には、教師データが記憶される。この教師データは、上述したように、配送先を示す配送データ（すなわち、入力データ）と、ベテラン担当者がこのような各グループ間の関係を踏まえて配送データから作成した配送計画（すなわち、お手本となる正しい出力データ）とを組にしたデータである。

作成条件記憶部１５５には、後述の条件決定部１１４により、実頻度と可能頻度とに基づいて決定された作成条件が記憶される。本実施形態では、作成条件は、配送計画作成部１１５によって配送計画を作成する場合に、同一配送ルートに含ませることを禁止するグループ同士を示す条件である。

教師データ取得部１１１は、教師データを取得する。教師データ取得部１１１は、まず教師データの取得の前提となる配送データ及び配送条件を、入力部１６にて受け付けたユーザからの操作や、通信部１４を介した外部装置（図示省略）との通信により取得する。そして、教師データ取得部１１１は、取得した配送データを配送データ記憶部１５１に記憶させる。また、教師データ取得部１１１は、取得した配送条件を配送条件記憶部１５２に記憶させる。この配送データと配送条件とは、上述したように、実績データに対応するものであってもよいし、実績データとは対応しないものであってもよい。

また、教師データ取得部１１１は、これらの配送データ及び配送条件を参照したベテラン担当者が作成した配送計画を、操作や通信により取得する。この配送計画は、上述したように、ベテラン担当者が各グループ間の関係を踏まえて配送データから作成した配送計画である。

そして、教師データ取得部１１１は、この配送計画と、この配送計画に対応する配送データとを組にして、教師データとして教師データ記憶部１５４に記憶させる。なお、配送データを作成するベテラン担当者は、複数人であってもよい。すなわち、教師データ取得部１１１は、或る１つの配送データについて、或る１人のベテラン担当者が作成した１つの配送計画に基づいて１つの教師データを作成してもよいが、或る１つの配送データについて、複数のベテラン担当者それぞれが作成した複数の配送計画に基づいて複数の教師データを作成してもよい。

グループ区分部１１２は、配送データ記憶部１５１が記憶する配送データに含まれる各配送先をグループに区分する。グループへの区分は、様々な観点から行なうことができるが、本実施形態では、一例として各配送先が含まれる配送対象地域全体を複数の領域に区分し、この複数の領域それぞれを１つのグループとして取り扱う。すなわち、各配送先は、自身が存在する地域に対応するグループに含まれる。グループ区分部１１２は、区分を行なうと、区分したグループと、各グループに含まれる配送先とをグループ記憶部１５３に記憶させる。

頻度算出部１１３は、教師データに基づいて、実頻度と可能頻度とを算出する。また、頻度算出部１１３は、算出した実頻度と可能頻度とを配送計画作成部１１５に対して出力する。

条件決定部１１４は、頻度算出部１１３が算出した実頻度と可能頻度とに基づいて、作成条件を決定する。また、条件決定部１１４は、作成した作成条件を作成条件記憶部１５５に記憶させる。これら、頻度算出部１１３及び条件決定部１１４の処理の詳細については、図３のフローチャートを参照して後述する。

配送計画作成部１１５は、関係学習処理において、配送計画を作成する部分である。配送計画作成部１１５は、配送データ記憶部１５１に記憶されている配送データと、配送条件記憶部１５２に記憶されている配送条件と、作成条件記憶部１５５に記憶されている作成条件とを読み出す。

そして、配送計画作成部１１５は、読み出した配送データと配送条件とに対応した配送計画を作成する。この場合に、配送計画作成部１１５は、作成条件に基づいて、同一配送ルートに含ませることを禁止するグループ同士については、同一配送ルートに含ませないようにして配送計画を作成する。すなわち、学習した各グループ間の関係を反映して配送計画を作成する。
これにより、配送計画作成部１１５は、ベテラン担当者と同様のルート組みがなされた配送計画を作成することができる。

また、配送計画作成部１１５は作成した配送計画を、表示部１７に表示することによりユーザに提示したり、通信部１４を介した外部装置（図示省略）との通信に送信したりする。配送計画作成部１１５による配送計画の作成を行なうための具体的な手法は特に限定されない。配送計画作成部１１５は、例えば、組み合わせ最適化等の所定のアルゴリズムに基づいた、任意の手法で配送計画の作成を行なうことができる。
以上説明した、各機能ブロックが協働することにより、上述した関係学習処理が実現される。

［配送データ及び配送条件］
次に、配送計画の作成の前提となる配送データ及び配送条件について図２を参照して説明する。図２は、配送データ及び配送条件の概念について示す模式図である。
図２に示すように、配送計画を作成するためには、まず受注データ（あるいは出荷指示）といった、「どこから」、「どこに」、「何を」、「どれだけ」配送するかを示す情報である配送データが必要となる。例えば、配送先と、配送する荷物の種類と、配送する荷物の数や量とを示す情報が配送データとして必要となる。
しかしながら、配送データのみに基づいて配車計画を作成することはできず、その他の所定の配車条件も満たすようにして、配車計画を作成する必要がある。配車条件としては、種々のものが考えられるが、例えば、図示するような、配送先の制約（軒先条件とも呼ばれる。）、車両情報、及びその他の配送条件が例として挙げられる。

配送先の制約（軒先条件）とは、例えば、配送可能な時間の指定や、配送可能な車格の制限（例えば、配送先に駐車できる車格の制限）や、配送時に荷物を納品するために要する作業時間等の条件である。
車両情報とは、例えば、配車に利用可能な車両の車格及び台数や、各車両の積載量や積載数の上限や、車両の発地や着地といった位置に関するものや、車両を利用可能な時間等の条件である。
その他の配送条件とは、例えば、荷物の混載の禁止や、配送先のエリアの組み合わせの可否や、荷物の積み下ろしにかかる時間等の条件である。

また、受注データ（あるいは出荷指示）に含まれる荷物をどのような容器に格納するのかといった風袋情報や、荷物の梱包後の外形的な状態を示す荷姿情報荷物の状態を示す荷姿情報も配送条件に含まれる。
配車計画を作成するユーザ又はコンピュータ（例えば、配送計画作成部１１５）は、これらの配送条件が満たされるように、荷寄せや荷分割をした荷物情報の作成や、名寄せ等を行いながら配送計画を作成する。

このようにして、作成される配送計画には、どのような大きさの車両が何台必要かを示す車種と車両の編成や、どの顧客をどの車両が配送するかを示す荷物や配送先の割り付けや、各車両はどのような順番で配送すれば良いかを示す訪問順等の情報が含まれる。
以上、配送データ及び配送条件について説明をしたが、これは配送条件の一例である。上述した情報以外の他の情報が配送条件として更に含まれていてもよいし、上述した情報が配送条件に含まれていなくてもよい。なお、以下に説明する関係学習処理において、教師データには、配送条件が含まれていてもよいが、配送条件は含まれていなくてもよい。

［関係学習処理］
次に、情報処理装置１０が行なう関係学習処理の詳細について図３から図５までを参照して説明する。まず、図３は、情報処理装置１０が実行する関係学習処理時の流れを示すフローチャートである。ここで、関係学習処理は、例えば、定期的に、あるいは、ユーザの操作等に応じて開始される。

ステップＳ１１において、教師データ取得部１１１は、ベテラン担当者の操作受け付けや、他の装置との通信により、教師データを取得する。この教師データに含まれる配送計画の一例について、図４を参照して説明をする。図４は、情報処理装置１０が実行する関係学習処理での教師データに含まれる配送計画の一例について示す模式図である。
なお、前提として、今回教師データに含まれる配送データにおいて、図５に示した配送先Ａから配送先Ｇまでの７つの配送先の全てが、配送先として含まれていたとする。

図４に示す例では、教師データに含まれる配送計画において、２台の車両を利用した、２つの配送ルートが存在する。
第１の配送ルートでは、図示するように、第１配送ルート車両として図示する「車両Ａ」が、第１配送ルート配送先として図示する配送先を以下の＜第１配送ルート＞の順番で配送する。また、第２の配送ルートでは、図示するように、第２配送ルート車両として図示する「車両Ｂ」が、第２配送ルート配送先として図示する配送先を以下の＜第２配送ルート＞の順番で配送する。
なお、図中及び以下の説明における、カッコ内に記載のグループは、後述のステップＳ１２における区分をした場合における、各配送先に対応するグループである。

＜第１配送ルート＞
出荷基地→配送先Ａ（第１グループ）→配送先Ｂ（第２グループ）→配送先Ｃ（第２グループ）→配送先Ｄ（第３グループ）→出荷基地

＜第２配送ルート＞
出荷基地→配送先Ｅ（第４グループ）→配送先Ｆ（第４グループ）→配送先Ｇ（第５グループ）→出荷基地

図３に戻り、ステップＳ１２において、グループ区分部１１２は、配送データ記憶部１５１が記憶する配送データに含まれる各配送先をグループに区分する。この点について、図５を参照して説明をする。図５は、情報処理装置１０が実行する関係学習処理でのグループ間の区分について示す模式図である。

図５に示すように、本実施形態では、配送先Ａから配送先Ｇまでの７つの配送先が存在すると想定する。また、出荷基地を出発した車両は、配送計画に基づいた、それぞれの配送ルートに基づいてこれら各配送先に配送を行い、配送が完了すると再度出荷基地に戻る。

上述したように、グループ区分部１１２は、区分の方法の一例としてこれら各配送先が含まれる配送対象地域全体を複数の領域に区分し、この複数の領域それぞれを１つのグループとして取り扱う。グループに対応する領域の区分は、例えば、市区町村を１つの単位として行なうことができる。図５に示す例では、市区町村を１つの単位としたグループとして、第１グループから第５グループまでの５つのグループに区分される。また、第１グループには配送先Ａが含まれ、第２グループには配送先Ｂ及び配送先Ｃが含まれ、第３グループには配送先Ｄが含まれ、第４グループには配送先Ｅ及び配送先Ｆが含まれ、第１グループには配送先Ｇが含まれる。

なお、本例では、グループに対応する領域の区分を、市区町村を１つの単位として行ったが、これに限られない。例えば、国土地理院が定義する２次メッシュのように、地図を適当なサイズのメッシュに区分するようにして、このメッシュそれぞれをグループに対応する領域としてもよい。

図３に戻り、ステップＳ１３において、頻度算出部１１３は、実頻度を算出する。ここで、第１配送ルートにおいて、第１グループと第２グループ同士が含まれている。すなわち、同一配送ルートに第１グループと第２グループ同士が組み合わされている。従って、頻度算出部１１３は、第１グループと第２グループ同士について、実頻度の値を所定値（例えば、「１」の値）だけ増加させる。頻度算出部１１３は、同様にして、第１配送ルートに含まれる第１グループと第３グループ同士、第１配送ルートに含まれる第２グループと第３グループ同士、及び、第２配送ルートに含まれる第４グループと第５グループ同士、のそれぞれについて、実頻度の値を所定値（例えば、「１」の値）だけ増加させる。

次に、ステップＳ１４において、頻度算出部１１３は、可能頻度を算出する。具体的には、頻度算出部１１３は、配送計画に出現するグループについて全ての組み合わせを求め、それぞれのグループ同士の組み合わせに対して、可能頻度の値を所定値（例えば、「１」の値）だけ増加させる。図４に示した本例の場合、全ての組合せとは、第１グループと第２グループ同士、第１グループと第３グループ同士、第１グループと第４グループ同士、第１グループと第５グループ同士、第２グループと第３グループ同士、・・・、第４グループと第５グループ同士、の計１０通りのグループ同士の組み合わせになる。そこで、頻度算出部１１３は、これら１０通りのグループ同士の組み合わせそれぞれに対して、可能頻度の値を所定値（例えば、「１」の値）だけ増加させる。

なお、ステップＳ１３及びステップＳ１４において、増加させる所定値は所定の条件に基づいて適宜値を異ならせるようにしてもよい。すなわち、所定の条件に基づいて重み付けをしてもよい。例えば、最近作成された配送計画については、増加させる所定値の値を大きくする。これにより、最近の配送計画の作成の傾向をより重視して学習することができる。また、他にも、例えば、一般のベテラン担当者よりも、更に経験豊富なベテラン担当者の作成した配送計画については、増加させる所定値の値を大きくするようにしてもよい。これにより、一般のベテラン担当者よりも、更に経験豊富なベテラン担当者の作成の傾向をより重視して学習することができる。他にも、例えば、ステップＳ１３において、同じ組み合わせが複数回含まれる場合には、この複数会含まれる組み合わせについて、増加させる所定値の値を大きくするようにしてもよい。

また、何れの場合も、実頻度又は可能頻度の何れか一方に対して増加させる所定の値を大きくした場合には、これに対応して、他方に対して増加させる所定の値を大きくするような処理を行なうようにしてもよい。

ステップＳ１５において、条件決定部１１４は、作成条件を決定する。具体的に、条件決定部１１４は、各グループ同士の組み合わせそれぞれについて、ステップＳ１３において算出された実頻度の値を、ステップＳ１４において算出された可能頻度の値で除算する。そして、除算した値が一定の値以下の場合は、配送計画を作成する場合に、そのグループ同士の組み合わせについて、同一配送ルートに含ませることを禁止するという作成条件を決定する。これは、組み合わせることが可能であるにも関わらず、ベテラン担当者が何らかの理由に基づいて実際に組み合わせなかったグループ同士については、同一配送ルートに含ませることを禁止するということを意味する。このように、関係学習処理を行なうことにより、グループ同士を組み合わせなかった理由そのものまでも特定する必要なく、ベテラン担当者の作成した配送計画について学習することができる。

そして、条件決定部１１４は、このように決定した作成条件を配送条件記憶部１５２に記憶させる。なお、過去に行った関係学習処理において、すでに作成条件が記憶されている場合には、今回行った関係学習処理の結果に基づいて、作成条件の見直しを行なう。
例えば、今回決定した作成条件と同じ作成条件が、既に記憶されている場合には、この作成条件の確度を高くすることにより、この作成条件が削除されないようにする。

一方で、例えば、今回実頻度の値を可能頻度の値で除算した値が一定の値を超えたため、同一配送ルートに含ませることが禁止されなかったグループ同士の組み合わせについて、作成条件が既に記憶されている場合には、この作成条件の確度を低くすることにより、この作成条件が削除されやすいようにする。あるいは、確度に関わらず、この作成条件を配送条件記憶部１５２から削除する。

ステップＳ１６において、配送計画作成部１１５は、配送計画を作成する。この場合に、配送計画作成部１１５は、作成条件に基づいて、同一配送ルートに含ませることを禁止するグループ同士については、同一配送ルートに含ませないようにして配送計画を作成する。すなわち、学習した各グループ間の関係を反映して配送計画を作成する。
これにより、配送計画作成部１１５は、ベテラン担当者と同様のルート組みがなされた配送計画を作成することができる。すなわち、本実施形態によれば、より適切な配送計画の作成のために、各配送先が属する各グループ間の関係を学習することが可能となる。

また、本実施形態では、各グループ同士を組み合わせた理由や、各グループ同士を組み合わせなかった理由そのものまでも特定する必要なく、ベテラン担当者の作成した配送計画について学習することができる。そのため、ベテラン担当者が経験や勘に基づいて作成したような、理由を説明することが困難な場合であっても、ベテラン担当者の作成した配送計画について学習することができる。

また、ベテラン担当者は、各グループ同士を組み合わせた理由や、各グループ同士を組み合わせなかった理由を、操作等により入力する必要もないので、ベテラン担当者に煩雑な操作等を要求することもない。更には、このように理由が入力されている必要はないので、日常業務において作成したような配送計画をそのまま用いて、ベテラン担当者の作成した配送計画について学習することができる。

なお、上述の説明では、ステップＳ１１において教師データを取得する都度、即座にステップＳ１２からステップＳ１５までにて機械学習を行うというオンライン学習を行なっていた。しかし、これに限らず、教師データがある程度記憶されてから、これらの教師データを用いて、まとめて機械学習を行うというバッチ学習を行なうようにしてもよい。また、上述の説明では、ステップＳ１５の後にステップＳ１６を行なうこととしていたが、ステップＳ１２からステップＳ１５までを一度行った後であれば、任意のタイミングでステップＳ１６を行なうことができる。

以上、本発明のいくつかの実施形態について説明したが、これらの実施形態は、例示に過ぎず、本発明の技術的範囲を限定するものではない。本発明はその他の様々な実施形態を取ることが可能であり、さらに、本発明の要旨を逸脱しない範囲で、省略及び置換等種々の変更を行うことができる。これら実施形態及びその変形は、本明細書等に記載された発明の範囲及び要旨に含まれると共に、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。
例えば、本発明の実施形態を以下の変形例のように変形してもよい。なお、以下の変形例の説明においては、上述した実施形態の説明と重複する内容については、再度の説明を省略する。

＜第１変形例＞
上述の実施形態では、関係学習処理において、各グループ同士の組み合わせに基づいて処理を行った。これに限らず、他の基準に基づいて処理を行なうようにしてもよい。例えば、各グループ同士の、配送計画での配送ルートにおける時間的な前後関係（以下、「順列」と称する。）に基づいて処理を行なうようにしてもよい。なお、上述の実施形態のように組み合わせに基づいて処理を行なうか、本変形例のように順列に基づいて処理を行なうのかは、グループを訪問する順番を区別したいかに否かによって選択することができる。例えば、第１グループに訪問してから第２グループに訪問するという訪問順は問題ないが、逆の第２グループに訪問してから、第１グループに訪問するという訪問順は問題があるというような場合がある。このような場合には、上述の実施形態のように組み合わせに基づいて処理を行なうのではなく、本変形例のように順列に基づいて処理を行なうようにするとよい。

上述の実施形態と同様に、図４に示した例に基づいて、本変形例の処理について説明する。
ステップＳ１３において、頻度算出部１１３は、実頻度を算出する。ここで、第１配送ルートにおいて、第１グループから第２グループという順列が含まれている。従って、頻度算出部１１３は、第１グループから第２グループという順列について、実頻度の値を所定値（例えば、「１」の値）だけ増加させる。頻度算出部１１３は、同様にして、第１配送ルートに含まれる第１グループから第３グループという順列、第１配送ルートに含まれる第２グループから第３グループという順列、及び、第２配送ルートに含まれる第４グループから第５グループという順列、のそれぞれについて、実頻度の値を所定値（例えば、「１」の値）だけ増加させる。

この場合に、第１配送ルートに含まれる第１グループから第３グループという順列は、間に第２グループへの訪問が含まれ、訪問が直接に連続しない順列である。この場合に、第１グループから第３グループへ直接連続して訪問することが好ましくない場合も考えられる。例えば、第１グループから第２グループを介さず第３グループに訪問する道路が渋滞等している場合である。このような場合も考慮して、頻度算出部１１３は、訪問が直接に連続しない順列について、実頻度の値を増加させない、あるいは所定値よりも少ない値だけ増加させる、等の処理を行なうようにしてもよい。

ステップＳ１４において、頻度算出部１１３は、可能頻度を算出する。具体的には、頻度算出部１１３は、配送計画に出現するグループについて全ての順列を求め、それぞれのグループ同士の順列に対して、可能頻度の値を所定値（例えば、「１」の値）だけ増加させる。図４に示した本例の場合、全ての順列とは、第１グループから第２グループという順列、第１グループから第３グループという順列、第１グループから第４グループという順列、第１グループから第５グループという順列、第２グループから第１グループという順列、第２グループから第３グループという順列、・・・、第５グループから第４グループという順列、の計２０通りになる。そこで、頻度算出部１１３は、これら２０通りのグループ同士の順列それぞれに対して、可能頻度の値を所定値（例えば、「１」の値）だけ増加させる。

ステップＳ１５において、条件決定部１１４は、作成条件を決定する。具体的に、条件決定部１１４は、各グループ同士の順列それぞれについて、ステップＳ１３において算出された実頻度の値を、ステップＳ１４において算出された可能頻度の値で除算する。そして、除算した値が一定の値以下の場合は、配送計画を作成する場合に、そのグループ同士の順列について、同一配送ルートに含ませることを禁止するという作成条件を決定する。

ステップＳ１６において、配送計画作成部１１５は、配送計画を作成する。この場合に、配送計画作成部１１５は、作成条件に基づいて、同一配送ルートに含ませることを禁止するグループ同士の順列については、同一配送ルートに含ませないようにして配送計画を作成する。すなわち、学習した各グループ間の関係を反映して配送計画を作成する。

これにより、上述の実施形態と同様に、配送計画作成部１１５は、ベテラン担当者と同様のルート組みがなされた配送計画を作成することができる。すなわち、本実施形態によれば、より適切な配送計画の作成のために、各配送先が属する各グループ間の関係を学習することが可能となる。

＜第２変形例＞
上述の実施形態や第１変形例では、作成条件を、同一配送ルートに含ませることを禁止するグループ同士の組み合わせや順列についての条件として決定していた。そして、この作成条件に基づいて、配送計画を作成していた。このような手法に限らず、他の手法により配送計画を作成する場合に、上述した実施形態を適用してもよい。

具体的には、配送計画を作成するための配送計画問題(Vehicle Routing Problem)を、集合分割問題(Set Partitioning Problem)に帰着させて解く手法や、もしくは集合被覆問題(Set Covering Problem)に帰着させて解く手法に対して、上述した実施形態を適用してもよい。例えば、以下に＜参考非特許文献＞として記載の手法により配送計画を作成する場合に、上述した実施形態を適用してもよい。

＜参考非特許文献＞
村上啓介、森田浩“不確実性を考慮した配送計画問題への列生成法の適用”、［online］、平成２１年１１月２１日、大阪大学、［平成３０年９月２４日検索］、インターネット＜URL：https://www.jstage.jst.go.jp/article/jacc/52/0/52_0_136/_pdf＞

これらの手法は、１台の車両が運行するルートの候補を大量に作成し、それらの大量のルート候補の中から、何本かのルートを選抜して配送計画とするものである。このとき、全ての配送先が選抜されたルートのいずれかに含まれるようにルートは選抜する必要がある。この場合に、例えば、必要となる車両の台数や、車両の合計移動距離等の、何らかの評価基準を設け、この評価基準による評価値がなるべく好ましくなるような組合せのルートを選抜する。

これらの手法に対して、上述した実施形態（又は上述した第１変形例）に適用する場合について説明する。
ステップＳ１５において、条件決定部１１４は、作成条件を決定する。具体的に、条件決定部１１４は、各グループ同士の組み合わせ（又は順列）それぞれについて、ステップＳ１３において算出された実頻度の値を、ステップＳ１４において算出された可能頻度の値で除算する。そして、条件決定部１１４は、これらの手法においてルートの候補を作成する際に、除算した値が一定の値以下の各グループ同士の組み合わせ（又は順列）を含むものは作成の対象から除外するという条件を作成条件として決定する。

ステップＳ１６において、配送計画作成部１１５は、配送計画を作成する。この場合に、配送計画作成部１１５は、作成条件に基づいて、ルートの候補を作成する際に、除算した値が一定の値以下の各グループ同士の組み合わせ（又は順列）を含むものは作成の対象から除外する。そして、配送計画作成部１１５は、除外されなかったルートの候補の中から、評価基準による評価値がなるべく好ましくなるような組合せのルートを選抜する。これにより、配送計画作成部１１５は配送計画を作成する。すなわち、学習した各グループ間の関係を反映して配送計画を作成する。

これにより、上述の実施形態や第１変形例と同様に、配送計画作成部１１５は、ベテラン担当者と同様のルート組みがなされた配送計画を作成することができる。すなわち、本実施形態によれば、より適切な配送計画の作成のために、各配送先が属する各グループ間の関係を学習することが可能となる。

なお、本変形例を更に変形するようにしてもよい。例えば、教師データに含まれる配送計画に実際に存在するグループの順列を含んだ候補ルートのみを候補ルートとして生成する。一方で、教師データに含まれる配送計画に実際に存在するグループの順列を含まない候補ルートは、候補ルートから除外する。例えば、図４に示した例であれば、第１グループから第２グループという順列、第１グループから第３グループという順列、第２グループから第３グループという順列、及び、第４グループから第５グループといった順列が存在する。そこで、この順列を含まない候補ルートは、候補ルートから除外する。このようにしても、学習した各グループ間の関係を反映して配送計画を作成することができる。

＜第３変形例＞
上述の実施形態では、各配送先が含まれる配送対象地域全体を複数の領域に区分し、この複数の領域それぞれを１つのグループとして区分した。すなわち、地理的属性に基づいて、グループの区分をした。これに限らず、他の観点に基づいて、グループの区分を行なうようにしてもよい。
例えば、配送する荷物に対応する荷主企業や、荷物の荷姿による分類等の観点に基づいて、グループの区分を行なうようにしてもよい。例えば、同じ荷主企業から配送される配送先を１つのグループとして区分してもよい。

また、他の観点として、例えば、機械等の配送時に、設置や組み立てなど何か作業が発生するような場合、当該作業の技能を持った人員が同行する必要があるので、そのような配送先を１つのグループに区分してもよい。
あるいは、他の観点として、温度管理を要する品目を配送する配送先と、温度管理を要しない品目を配送する配送先とを、それぞれ別のグループに区分するようにしてもよい。

ただし、これらの観点においてグループの区分を行なう場合も、地理的属性を全く考慮しないことは好ましくない。そこで、複数の概念を組み合わせて区分を行なうようにしてもよい。例えば、同じ荷主企業から配送される配送先を、更に地理的属性に基づいて、複数のグループに区分してもよい。

あるいは、複数の概念それぞれにより異なるように区分されたグループそれぞれについて、別途学習を行なうようにしてもよい。例えば、地理的属性により区分されたグループについて学習を行なって、地理的属性に基づいた作成条件を決定すると共に、他の観点により区分されたグループについて学習を行なって、他の観点に基づいた作成条件も決定するようにしてもよい。そして、これら複数の観点にそれぞれに対応する全ての作成条件基づいて、配送計画を作成することにより、地理的属性及び他の観点の何れからも妥当な配送計画を作成することが可能となる。

＜第４変形例＞
上述した実施形態では、実頻度と可能頻度という２つの頻度を算出し、この算出した頻度に基づいて学習を行っていた。これに限らず、他の方法で学習を行なうようにしてもよい。例えば、頻度を算出することなく、学習を行なうようにしてもよい。このように学習を行なう場合について、以下説明する。なお、本変形例における情報処理装置については、上述した実施形態における情報処理装置１０と区別するために「情報処理装置１０Ａ」と称する。

［機能ブロック］
本変形例における情報処理装置１０Ａが、上述した関係学習処理を行なうための機能ブロックについて説明をする。
情報処理装置１０が動作する場合、図１に示すように、ＣＰＵ１１において、教師データ取得部１１１と、グループ区分部１１２と、学習モデル構築部１１６と、配送計画作成部１１７と、が機能する。
また、記憶部１５の一領域には、配送データ記憶部１５１と、配送条件記憶部１５２と、グループ記憶部１５３と、教師データ記憶部１５４と、学習モデル記憶部１５６とが設定される。

すなわち、上述した実施形態の情報処理装置１０と比較すると、情報処理装置１０Ａは、頻度算出部１１３、条件決定部１１４及び配送計画作成部１１５に代えて、学習モデル構築部１１６及び配送計画作成部１１７が機能する点で相違する。また、上述した実施形態の情報処理装置１０と比較すると、情報処理装置１０Ａは、１５５に代えて、学習モデル記憶部１５６が設定される点で相違する。これらの相違点について詳細に説明する。なお、情報処理装置１０と共通する各部については、重複する説明を省略する。

学習モデル記憶部１５６には、後述の学習モデル構築部１１６により構築された学習モデルが記憶される。

学習モデル構築部１１６は、教師データ取得部１１１が取得した教師データに基づいて、機械学習を行なうことにより、学習モデルを構築する。そして、学習モデル構築部１１６は、構築した学習モデルを学習モデル記憶部１５６に記憶させる。なお、学習モデルを構築するとは、学習モデル記憶部１５６に記憶されている学習モデルを更新することも含む。
この学習モデルは、配送データを入力とした場合に、各グループ同士それぞれについて、配送計画にて同一配送ルート内に含ませることが可能か否かを示す情報を出力する学習モデルである。
なお、学習モデル構築部１１６が学習モデルを構築するためのアルゴリズムは特に限定されず、例えば、ディープラーニング等の汎用の機械学習のアルゴリズムを用いて学習モデルを構築することができる。

配送計画作成部１１７は、配送計画を作成する。配送計画作成部１１７は、配送計画を作成する場合に、学習モデル記憶部１５６に記憶された学習モデルに、配送データを入力する。そして、配送計画作成部１１７は、その出力として、グループ同士それぞれについて、配送計画にて同一配送ルート内に含ませることが可能か否かを示す情報を取得する。そして、配送計画作成部１１７は、取得した情報に基づいて、配送計画にて同一配送ルート内に含ませることが可能なグループ同士のみが同一配送ルートに含まれ、且つ、配送条件を満たす配送計画を作成する。
これら、学習モデル構築部１１６及び配送計画作成部１１７の処理の詳細については、図７のフローチャートを参照して次に述べる。

［関係学習処理］
次に、情報処理装置１０が行なう関係学習処理の詳細について図７及び図８を参照して説明する。まず、図７は、本変形例に係る情報処理装置１０Ａが実行する関係学習処理時の流れを示すフローチャートである。
ここで、関係学習処理は、例えば、定期的に、あるいは、ユーザの操作等に応じて開始される。

図７のステップＳ１１及びステップＳ１２における処理については、上述した図３のステップＳ１１及びステップＳ１２における処理と同等の処理であるので、説明を省略する。

ステップＳ２１において、学習モデル構築部１１６は機械学習を行なうことにより学習モデルを構築する。この点について、図８を参照して説明する。図８は、本変形例に係る情報処理装置１０Ａが実行する関係学習処理での学習モデルの入力及び出力の一例について示すテーブルである。
学習モデル構築部１１６は、機械学習において、教師データに含まれる配送データを学習モデルへ入力する。そして、学習モデル構築部１１６は、教師データに含まれる配送計画において各グループ同士を同一配送ルートにて組み合わせたか否かを示す情報が出力されるように、学習モデルのパラメータを調整することによって学習モデルを構築する。すなわち、学習モデル構築部１１６は、ベテラン担当者が作成した配送計画を正解とする教師あり学習を行なう。

一例として、学習モデル構築部１１６は、図８にテーブルとして示す、第１教師データ、第２教師データ、及び第３教師データを用いて学習を行なう。ここで、図８に示す各テーブルにおいて「○」は組み合わせ可能な関係、「×」は組み合わせ不可の関係、「---はデータが存在しないこと、をそれぞれ表す。また、図８では、グループを「Ｇ」と表記する。

例えば、第１教師データにおける入力（すなわち、教師データに含まれる配送データ）では、第１グループに含まれる配送先Ａ、第２グループに含まれる配送先Ｂ、及び第３グループに含まれる配送先Ｃが配送先として含まれている。そして、配送計画において、第１の配送ルートに配送先Ａ及び配送先Ｂが含まれ、第２の配送ルートに配送先Ｃが含まれていたとした場合、第１教師データにおける出力（すなわち、教師データに含まれる配送計画において各グループ同士を同一配送ルートにて組み合わせたか否かを示す情報）は図８に図示するように、第１グループ及び第２グループ同士を同一配送ルートに含ませることが可能、第３グループ同士を同一配送ルートに含ませることが可能、第１グループと第３グループ同士を同一配送ルートに含ませることは不可能、第２グループと第３グループ同士を同一配送ルートに含ませることは不可能、他の組み合わせについてはデータが存在しない、という情報になる。学習モデル構築部１１６は、このような配送データに対応する入力がなされた場合に、このような配送計画に対応する出力がされるように、学習モデルのパラメータを調整することによって学習モデルを構築する。

また、学習モデル構築部１１６は、第２教師データ及び第３教師データを対象として、学習を繰り返すことにより、各グループ同士の組み合わせがベテラン担当者の配送計画と同様に出力されるように学習モデルを更新していく。

図７に戻り、ステップＳ２２において、配送計画作成部１１７は、配送計画を作成するために、配送計画を作成する対象とする配送データをステップＳ２１において学習モデル構築部１１６が構築した学習モデルに入力する。そして、配送計画作成部１１７は、その出力として、グループ同士それぞれについて、配送計画にて同一配送ルート内に含ませることが可能か否かを示す情報を取得する。

図８を参照すると、例えば、第１未知データにおける入力（すなわち、配送計画を作成する対象とする配送データ）では、第１グループに含まれる配送先Ａ、第２グループに含まれる配送先Ｂ、第３グループに含まれる配送先Ｃ、配送先Ｄが配送先として含まれている。この入力を受けた学習モデルは、第１未知データにおける出力（すなわち、配送計画において各グループ同士を同一配送ルートにて組み合わせたか否かを示す情報）は図８に図示するように、第１グループ及び第２グループ同士を同一配送ルートに含ませることが可能、第３グループ及び第４グループ同士を同一配送ルートに含ませることが可能、第１グループと第３グループ同士を同一配送ルートに含ませることは不可能、第１グループと第４グループ同士を同一配送ルートに含ませることは不可能、第２グループと第３グループ同士を同一配送ルートに含ませることは不可能、第２グループと第４グループ同士を同一配送ルートに含ませることは不可能、という情報になる。

図７に戻り、ステップＳ２３において、配送計画作成部１１７は、取得した情報に基づいて、配送計画にて同一配送ルート内に含ませることが可能なグループ同士のみが同一配送ルートに含まれ、且つ、配送条件を満たす配送計画を作成する。例えば、配送計画作成部１１７は、図８を参照して上述したような情報に基づいて、配送計画にて同一配送ルート内に含ませることが可能なグループ同士のみが同一配送ルートに含まれ、且つ、配送条件を満たす配送計画を作成する。

これにより、配送計画作成部１１７は、上述の実施形態と同様に、ベテラン担当者と同様のルート組みがなされた配送計画を作成することができる。すなわち、本変形例のように、頻度を利用しない方法であっても、上述の本実施形態と同等の効果を得ることができる。

また、本変形例のように、汎用の機械学習手法で組み合わせ可能なエリアを判定させた場合、配送データの特性に応じてきめ細かく組み合わせの可否を判断することが可能となる。例えば、配送データ中に第１グループと第２グループとが出現している場合は、第１グループと第２グループを組み合わせて第３グループは第２グループとは組み合わせない、一方で、第１グループが出現せずに第２グループと第３グループが出現している場合は、第２グループと第３グループは組み合わせ可能とする。というように、配送データの特性に応じてきめ細かく組み合わせの可否を判断できるようになる。
また、他にも、本変形例のように、汎用の機械学習手法で組み合わせ可能なエリアを判定させた場合、単純にグループだけ考慮するではなく、荷量（あるいは時間指定等のその他のプロパティ）を同時に考慮した組合せの可否を判断できるようになる。

なお、上述の説明では、オンライン学習おこなっていたが、バッチ学習を行ってもよい点や、任意のタイミングでステップＳ２３を行ってもよい点については、上述の実施形態と同様である。

本発明は、上述の実施形態に限定されるものではなく、本発明の目的を達成できる範囲での変形、改良等は本発明に含まれるものである。

例えば、上述した一連の処理は、ハードウェアにより実行させることもできるし、ソフトウェアにより実行させることもできる。また、上述した各機能ブロックのそれぞれは、ハードウェア単体で構成してもよいし、ソフトウェア単体で構成してもよいし、それらの組み合わせで構成してもよい。
換言すると、図に図示した機能的構成は例示に過ぎず、特に限定されない。すなわち、上述した一連の処理を全体として実行できる機能が情報処理装置１０に備えられていれば足り、この機能を実現するためにどのような機能ブロックを用いるのかは特に図１に図示した例に限定されない。この場合に、情報処理装置１０は、単体の装置により実現されてもよいが、複数の装置の組み合わせにより実現されてもよい。

例えば、本実施形態に含まれる機能的構成を、演算処理を実行するプロセッサによって実現することができ、本実施形態に用いることが可能なプロセッサには、シングルプロセッサ、マルチプロセッサ及びマルチコアプロセッサ等の各種処理装置単体によって構成されるものの他、これら各種処理装置と、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）又はＦＰＧＡ（Ｆｉｅｌｄ‐Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）等の処理回路とが組み合わせられたものを含む。

また、情報処理装置１０では、機械学習に伴う演算量が多いため、例えば、パーソナルコンピュータにＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔｓ）を搭載し、ＧＰＧＰＵ（Ｇｅｎｅｒａｌ－Ｐｕｒｐｏｓｅ ｃｏｍｐｕｔｉｎｇ ｏｎ Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔｓ）と呼ばれる技術により、ＧＰＵを機械学習に伴う演算処理に利用するようにすると高速処理できるようになるのでよい。更には、より高速な処理を行うために、このようなＧＰＵを搭載したコンピュータを複数台用いてコンピュータ・クラスターを構築し、このコンピュータ・クラスターに含まれる複数のコンピュータにて並列処理を行うようにしてもよい。

また、一連の処理をソフトウェアにより実行させる場合には、そのソフトウェアを構成するプログラムが、コンピュータ等にネットワーク又は記録媒体からインストールされる。
コンピュータは、専用のハードウェアに組み込まれているコンピュータであってもよい。また、コンピュータは、各種のプログラムをインストールすることで、各種の機能を実行することが可能なコンピュータ、例えば汎用のパーソナルコンピュータであってもよい。

このようなプログラムを含む記録媒体は、ユーザにプログラムを提供するために装置本体とは別に配布されることによりユーザに提供されてもよく、装置本体に予め組み込まれた状態でユーザに提供されてもよい。装置本体とは別に配布される記憶媒体は、例えば、磁気ディスク（フロッピディスクを含む）、光ディスク、又は光磁気ディスク等により構成される。光ディスクは、例えば、ＣＤ－ＲＯＭ（Ｃｏｍｐａｃｔ Ｄｉｓｋ－Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ），ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ），Ｂｌｕ－ｒａｙ（登録商標） Ｄｉｓｃ（ブルーレイディスク）等により構成される。光磁気ディスクは、ＭＤ（Ｍｉｎｉ－Ｄｉｓｋ）等により構成される。また、装置本体に予め組み込まれた状態でユーザに提供される記録媒体は、例えば、プログラムが記録されている図のＲＯＭ１２、又は図１の記憶部１５に含まれるハードディスク等で構成される。

なお、本明細書において、記録媒体に記録されるプログラムを記述するステップは、その順序に沿って時系列的に行われる処理はもちろん、必ずしも時系列的に処理されなくとも、並列的あるいは個別に実行される処理をも含むものである。
また、本明細書において、システムの用語は、複数の装置及び複数の手段等より構成される全体的な装置を意味するものとする。

１０ 情報処理装置
１１ ＣＰＵ
１２ ＲＯＭ
１３ ＲＡＭ
１４ 通信部
１５ 記憶部
１６ 入力部
１７ 表示部
１１１ 教師データ取得部
１１２ グループ区分部
１１３ 頻度算出部
１１４ 条件決定部
１１５ 配送計画作成部
１１６ 学習モデル構築部
１１７ 配送計画作成部
１５１ 配送データ記憶部
１５２ 配送条件記憶部
１５３ グループ記憶部
１５４ 教師データ記憶部
１５５ 作成条件記憶部
１５６ 学習モデル記憶部

Claims (9)

1. 配送データと、前記配送データに対応する配送計画と、からなる組を教師データとして取得する教師データ取得手段と、
   前記配送データを複数のグループに区分する区分手段と、
   前記区分手段が区分した各グループ同士それぞれについて、前記教師データに含まれる配送計画で同一配送ルート内に含まれているか否かを特定し、該特定結果に基づいて配送計画を作成するための学習を行なう学習手段と、
   を備える情報処理装置。
2. 前記学習手段として、
   前記区分手段が区分した各グループ同士それぞれについて、前記教師データに含まれる配送計画で同一配送ルート内に含まれた頻度である実頻度を算出する頻度算出手段と、
   少なくとも前記実頻度に基づいて、配送計画の作成に用いる条件である作成条件を決定する条件決定手段と、
   を備える請求項１に記載の情報処理装置。
3. 前記作成条件は、配送計画を作成する場合に、同一配送ルートに含ませることを禁止するグループ同士を示す条件である請求項２に記載の情報処理装置。
4. 前記作成条件は、作成配送ルートの候補の中から配送ルートを選抜することにより配送計画を作成する場合に、前記配送ルートの候補の作成対象から除外する配送ルートを示す条件である請求項２に記載の情報処理装置。
5. 前記頻度算出手段は、前記区分手段が区分した各グループ同士それぞれについて、前記教師データに含まれる配送計画で同一配送ルート内に含まれ得る頻度である可能頻度を算出し、
   前記条件決定手段は、前記実頻度と前記可能頻度との双方に基づいて、前記作成条件を決定する、
   請求項２乃至４の何れか１項に記載の情報処理装置。
6. 前記条件決定手段は、前記実頻度を前記可能頻度で除算した値が所定値未満のグループ間が、同一配送ルート内に含まれないように、前記作成条件を決定する請求項５に記載の情報処理装置。
7. 前記学習手段は、前記配送データを入力とした場合に、前記各グループ同士それぞれについて、配送計画にて同一配送ルート内に含ませることが可能か否かを示す情報を出力する学習モデルを前記学習により構築する請求項１に記載の情報処理装置。
8. 入力された配送データに基づいて、配送計画を作成する計画作成手段を更に備え、
   前記計画作成手段は、前記学習手段の学習結果に基づいて、前記配送計画を作成する請求項１乃至７の何れか１項に記載の情報処理装置。
9. 情報処理装置としてコンピュータを機能させるための情報処理プログラムであって、
   配送データと、前記配送データに対応する配送計画と、からなる組を教師データとして取得する教師データ取得手段と、
   前記配送データを複数のグループに区分する区分手段と、
   前記区分手段が区分した各グループ同士それぞれについて、前記教師データに含まれる配送計画で同一配送ルート内に含まれた頻度である実頻度を算出する頻度算出手段と、
   少なくとも前記実頻度に基づいて、配送計画の作成に用いる条件である作成条件を決定する条件決定手段と、
   を備える情報処理装置として前記コンピュータを機能させる情報処理プログラム。

Images