JP7230793B2 - 情報処理装置、情報処理方法、及び、システム - Google Patents

情報処理装置、情報処理方法、及び、システム Download PDF

Info

Publication number
JP7230793B2
JP7230793B2 JP2019232940A JP2019232940A JP7230793B2 JP 7230793 B2 JP7230793 B2 JP 7230793B2 JP 2019232940 A JP2019232940 A JP 2019232940A JP 2019232940 A JP2019232940 A JP 2019232940A JP 7230793 B2 JP7230793 B2 JP 7230793B2
Authority
JP
Japan
Prior art keywords
user
information
transportation
accuracy
information processing
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
JP2019232940A
Other languages
English (en)
Other versions
JP2021101297A (ja
Inventor
由里香 田中
大輝 兼市
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.)
Toyota Motor Corp
Original Assignee
Toyota Motor Corp
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 Toyota Motor Corp filed Critical Toyota Motor Corp
Priority to JP2019232940A priority Critical patent/JP7230793B2/ja
Priority to CN202011441379.1A priority patent/CN113033940B/zh
Priority to US17/132,441 priority patent/US11461708B2/en
Publication of JP2021101297A publication Critical patent/JP2021101297A/ja
Application granted granted Critical
Publication of JP7230793B2 publication Critical patent/JP7230793B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION 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
    • G06Q10/00—Administration; Management
    • G06Q10/02—Reservations, e.g. for tickets, services or events
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
    • G08G1/202—Dispatching vehicles on the basis of a location, e.g. taxi dispatching
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Game Theory and Decision Science (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Educational Administration (AREA)
  • Traffic Control Systems (AREA)
  • User Interface Of Digital Computer (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Description

本発明は、情報処理装置、情報処理方法、及び、システムに関する。
ユーザの予定表及び乗車履歴のデータを蓄積して行動パターンを把握しておき、ユーザが外出する可能性がある場合に、利用可能な車両を配車する技術が知られている（例えば、特許文献１参照。）。
特表２０１９－５０５８９９号公報
ユーザが予定表に予定を入力していない場合には、ユーザの予定を把握することが困難になるため、ユーザに予定の入力を強いることになる。したがって、ユーザにとっては面倒である。本発明の目的は、移動の際のユーザの利便性を向上させることにある。
本開示の態様の一つは、
ユーザの行為に関する情報に基づいて、将来の前記ユーザの移動に関する確度を算出することと、
算出した前記確度に基づいて、前記ユーザの移動のためのサービスに関する情報を出力することと、
を実行する制御部を備える情報処理装置である。
本開示の態様の一つは、
コンピュータが、
ユーザの行為に関する情報に基づいて、将来の前記ユーザの移動に関する確度を算出することと、
算出した前記確度に基づいて、前記ユーザの移動のためのサービスに関する情報を出力することと、
を実行する情報処理方法である。
本開示の態様の一つは、
ユーザの行為を検出する入力装置と、
前記入力装置に検出された前記ユーザの行為に基づいて、将来の前記ユーザの移動に関する確度を算出することと、算出された前記確度に基づいて、前記ユーザの移動のためのサービスに関する情報を出力することと、を実行する制御部を備える情報処理装置と、
前記制御部によって出力された前記サービスに関する情報に基づいた通知を前記ユーザに対して出力する出力装置と、
を備えるシステムである。
また、本開示の他の態様は、上記の情報処理方法をコンピュータに実行させるプログラム、または、このプログラムを記憶した非一時的記憶媒体である。
本開示によれば、移動の際のユーザの利便性を向上させることができる。
実施形態に係る配車システムの概略構成を示す図である。 実施形態に係る配車システムを構成するサーバ、ユーザ端末、及びスマートスピーカのそれぞれの構成の一例を概略的に示すブロック図である。 機械学習の概要を示した図である。 機械学習の概要を示した図である。 サーバの機能構成の一例を示す図である。 実績データの一例である。 取得データの一例である。 発話データの一例である。 確度算出モデルの構築処理（学習フェーズ）の概要を説明する図である。 確度算出モデルの構築処理（学習フェーズ）のフローチャートである。 確度を算出する処理（確度算出フェーズ）の概要を説明する図である。 確度を算出する処理（確度算出フェーズ）のフローチャートである。 サービスを提供する処理のフローチャートである。 実施形態に係る配車システムの処理のシーケンス図である。 サービスを提供する処理のフローチャートである。
実施形態では、ユーザが外出するときに、ユーザに対して、移動に関するサービスを提供する。例えば、ユーザに車両を手配するシステム（以下、配車システムともいう。）において、移動前のユーザの行為に基づいて、将来のユーザの移動に関する確度を算出し、算出した確度に基づいて配車を行うことが考えられる。車両は、例えば、有人のタクシー、無人のタクシー、有人のライドシェア車両、または、無人のライドシェア車両としてもよい。無人のタクシーまたは無人のライドシェア車両には、自立走行が可能な車両を利用できる。例えば、ユーザが、自宅から外出するときに車両を利用する場合に、当該サービスを利用することが考えられる。なお、自宅からの外出の他に、商業施設またはオフィスビル等の自宅以外の建物からの移動についても同様に考えることができる。ユーザは、目的地に到着するまでの過程の少なくとも一部において車両を利用すればよい。例えば、自宅から駅までは車両で移動し、駅から目的地までは電車で移動してもよい。なお、ユーザは、自宅から車両以外の乗り物（例えば、自転車）に乗って外出してもよい。
車両がユーザを自宅まで迎えに行く時刻は、ユーザの行為に基づいて決定することができる。ユーザの行為には、例えば、ユーザが端末へ文字を入力すること、ユーザがマイクに向かって発話すること、または、ユーザ同士が会話すること等が含まれる。ユーザの会話は、例えば、建物に配置されているマイクによって取得してもよい。
しかし、ユーザが外出する前に行う行為と、ユーザの外出との関連性が低い場合もある。そこで、ユーザの外出の確からしさ（以下、確度ともいう。）に基づいた判定が行われる。ここで、ユーザの行為に対して、例えば機械学習を行うことで、ユーザの行為に対応する確度を算出することができる。なお、ユーザの行為に基づいた確度の算出は、機械学習によるものに限らない。例えば、ユーザが実際に外出した回数に対する、外出前のユーザの行為の回数の比を確度として算出してもよい。確度は、いつ、何処へ、どのような手段で移動するのかについての確からしさとしてもよい。また、確度は、ユーザが外出する確率としてもよい。
そして、ユーザが外出する確度がある程度高い場合には、ユーザが実際に外出する可能性が高いと考えることができる。そこで、例えば、確度が閾値以上の場合に、制御部は、
ユーザの移動のためのサービスに関する情報を出力する。例えば、ユーザの外出時刻にタクシーが到着するように、タクシー事業者に対して、ユーザの住所や外出時刻に関する情報を送信してもよい。さらに、例えば、ユーザに対して、タクシーが到着する時刻などを通知してもよい。
なお、以下の実施形態では、自律走行可能なタクシーをユーザの自宅に手配するサービスについて説明するが、これに限らず、例えば、ユーザに自転車を貸し出す場合に、自転車をユーザの自宅まで届けるサービスなどについても利用することができる。
以下、図面に基づいて、本開示の実施の形態を説明する。以下の実施形態の構成は例示であり、本開示は実施形態の構成に限定されない。
＜第１実施形態＞
図１は、実施形態に係る配車システム１の概略構成を示す図である。配車システム１は、例えば、サーバ１０、ユーザ端末２０、スマートスピーカ３０を含む。サーバ１０は、情報処理装置の一例である。図１におけるユーザは、ユーザ端末２０を操作するユーザであり、配車システム１により手配される車両（タクシー）を利用するユーザである。ユーザがユーザ端末２０に入力した内容に応じた情報が、ユーザ端末２０からサーバ１０に送信される。ユーザは複数存在することができ、ユーザの数に応じてユーザ端末２０も複数存在する。また、ユーザの発話に応じた情報が、スマートスピーカ３０からサーバ１０に送信される。スマートスピーカ３０は、ユーザの自宅に複数設けられていてもよい。なお、ユーザ端末２０にマイクが設けられ、ユーザの発話をサーバ１０に送信してもよい。
図１に示す配車システム１は、例えば、ユーザがユーザ端末２０に入力した内容、または、ユーザの発話をスマートスピーカ３０が取得した内容に応じて配車が行われるシステムである。サーバ１０は、ユーザ端末２０への入力またはスマートスピーカ３０への入力に基づいて、ユーザが外出する確度を算出する。そして、確度が閾値以上の場合に、サーバ１０は、ユーザに対して車両を手配する。この閾値は、第一閾値及び第二閾値の一例である。閾値は、ユーザの利便性及びタクシー事業者のコストを考慮して決定してもよい。
サーバ１０、ユーザ端末２０、及びスマートスピーカ３０は、ネットワークＮ１によって相互に接続されている。ネットワークＮ１は、例えば、インターネット等の世界規模の公衆通信網でありＷＡＮ（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）やその他の通信網が採用されてもよい。また、ネットワークＮ１は、携帯電話等の電話通信網、Ｗｉ－Ｆｉ（登録商標）等の無線通信網を含んでもよい。
（ハードウェア構成）
図２に基づいて、サーバ１０、ユーザ端末２０、及びスマートスピーカ３０のハードウェア構成について説明する。図２は、本実施形態に係る配車システム１を構成するサーバ１０、ユーザ端末２０、及びスマートスピーカ３０のそれぞれの構成の一例を概略的に示すブロック図である。なお、ユーザ端末２０及びスマートスピーカは、入力装置及び出力装置の一例である。また、ユーザ端末２０およびスマートスピーカ３０は、いずれもユーザの端末の一例である。
サーバ１０は、一般的なコンピュータの構成を有している。サーバ１０は、プロセッサ１１、主記憶部１２、補助記憶部１３、通信部１４を有する。これらは、バスにより相互に接続される。
プロセッサ１１は、ＣＰＵ（Central Processing Unit）やＤＳＰ（Digital Signal Processor）等である。プロセッサ１１は、サーバ１０を制御し、様々な情報処理の演算を
行う。主記憶部１２は、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）等である。補助記憶部１３は、ＥＰＲＯＭ（Erasable Programmable ROM）、ハードディ
スクドライブ（ＨＤＤ、Hard Disk Drive）、リムーバブルメディア等である。補助記憶
部１３には、オペレーティングシステム（Operating System :ＯＳ）、各種プログラム、各種テーブル等が格納される。補助記憶部１３に格納されたプログラムをプロセッサ１１が主記憶部１２の作業領域にロードして実行し、このプログラムの実行を通じて各構成部等が制御される。これにより、所定の目的に合致した機能をサーバ１０が実現する。主記憶部１２および補助記憶部１３は、コンピュータで読み取り可能な記録媒体である。なお、サーバ１０は、単一のコンピュータであってもよいし、複数台のコンピュータが連携したものであってもよい。また、補助記憶部１３に格納される情報は、主記憶部１２に格納されてもよい。また、主記憶部１２に格納される情報は、補助記憶部１３に格納されてもよい。
通信部１４は、ネットワークＮ１経由でユーザ端末２０及びスマートスピーカ３０と通信を行う手段である。通信部１４は、例えば、ＬＡＮ（Local Area Network）インターフェースボード、無線通信のための無線通信回路である。ＬＡＮインターフェースボードや無線通信回路は、ネットワークＮ１に接続される。
なお、サーバ１０で実行される一連の処理は、ハードウェアにより実行させることもできるが、ソフトウェアにより実行させることもできる。サーバ１０のハードウェア構成は、図２に示されるものに限定されない。
次に、ユーザ端末２０について説明する。ユーザ端末２０は、例えば、スマートフォン、携帯電話、タブレット端末、個人情報端末、ウェアラブルコンピュータ（スマートウォッチ等）、パーソナルコンピュータ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ、ＰＣ）といった小型のコンピュータである。ユーザ端末２０は、プロセッサ２１、主記憶部２２、補助記憶部２３、入力部２４、出力部２５、通信部２６、及び、位置情報センサ２７を有する。これらは、バスにより相互に接続される。ユーザ端末２０のプロセッサ２１、主記憶部２２、及び補助記憶部２３は、サーバ１０のプロセッサ１１、主記憶部１２、及び補助記憶部１３と同様であるため、説明を省略する。
入力部２４は、ユーザが行った入力操作を受け付ける手段であり、例えば、タッチパネル、押しボタン、マウス、キーボート、またはマイク等である。出力部２５は、ユーザに対して情報を提示する手段であり、例えば、ＬＣＤ（Liquid Crystal Display）、ＥＬ（Electroluminescence）パネル、スピーカ、またはランプ等である。入力部２４及び出力
部２５は、１つのタッチパネルディスプレイとして構成してもよい。
通信部２６は、ユーザ端末２０をネットワークＮ１に接続するための通信手段である。通信部２６は、例えば、移動体通信サービス（例えば、５Ｇ（5th Generation）、４Ｇ（4th Generation）、３Ｇ（3rd Generation）、ＬＴＥ（Long Term Evolution）等の電話
通信網）、または、Ｗｉ－Ｆｉ（登録商標）等の無線通信網を利用して、ネットワークＮ１経由で他の装置（例えばサーバ１０等）と通信を行うための回路である。
位置情報センサ２７は、所定の周期で、ユーザ端末２０の位置情報（例えば緯度、経度）を取得する。位置情報センサ２７は、例えば、ＧＰＳ（Global Positioning System）
受信部、無線通信部等である。位置情報センサ２７で取得された情報は、例えば、補助記憶部２３等に記録され、サーバ１０に送信される。
次に、スマートスピーカ３０について説明する。スマートスピーカ３０は、プロセッサ３１、主記憶部３２、補助記憶部３３、マイク３４、スピーカ３５、及び通信部３６を有
する。これらは、バスにより相互に接続される。スマートスピーカ３０のプロセッサ３１、主記憶部３２、補助記憶部３３、及び通信部３６については、ユーザ端末２０のプロセッサ２１、主記憶部２２、補助記憶部２３及び、通信部２６と同様であるため、説明を省略する。
マイク３４は、ユーザの発話を電気信号に変換する機器である。スピーカ３５は、サーバ１０から取得する電気信号を音に変換する機器である。マイク３４及びスピーカ３５の構成は限定しない。マイク３４によって電気信号に変換されたユーザの発話は、通信部３６を介してサーバ１０に送信される。
（サーバの概要）
次に、本実施形態に係るサーバ１０の概要について、図３及び図４を参照しながら説明する。図３及び図４は、機械学習の概要を示した図である。本実施形態に係るサーバ１０は、サービスの提供を行った実績を表すデータ（以下、実績データともいう。）を教師データとして機械学習モデル（以下、確度算出モデルともいう。）を構築し、当該確度算出モデルを用いて、ユーザの外出の確度を算出する。実績データとは、ユーザが外出した実績を表すデータであり、例えば、出発時刻、目的地、移動ルート、及び、利用した交通手段などを含む。
確度算出モデルは、確度の算出を行うためのデータとして、ユーザの意思で入力されたデータと、ユーザの意思によらずに入力されたデータとを利用する。なお、天候や時間帯などの一般的なデータをさらに利用してもよい。ユーザの意思で入力されたデータとは、例えば、端末などをユーザが利用したときに入力されたデータである。このデータを以下では、検索データともいう。一方、ユーザの意思によらずに入力されたデータとは、例えば、マイクによって取得されるユーザの発話に関するデータである。このデータを以下では、発話データともいう。
検索データは、例えば、ユーザがユーザ端末２０に文字または音声などを入力したときの特徴を表したものである。なお、検索データには、ユーザがユーザ端末２０に文字または音声などを入力した結果として得た情報を含めることができる。この特徴には、例えば、ルート検索において入力された目的地、出発時刻、移動ルート、または、利用する交通手段の中の１つ以上が含まれる。また、この特徴は、ユーザが飲食店を検索したときの飲食店の場所、利用する時間、及び、店の対応可能人数であってもよい。また、この特徴は、ユーザが天気を調べるために入力された場所及び時間であってもよい。これらの特徴は、例えば、ユーザ端末２０にインストールされている所定のアプリをユーザが使用したときに取得される。例えば、ユーザがアプリに出発地、目的地、及び時刻を入力し、その検索結果として、移動ルート及び利用可能な交通手段の情報を得た場合には、その移動ルート及び交通手段に関する情報も検索データに含む。
発話データは、例えば、ユーザの発話をスマートスピーカ３０が取得したときの特徴を表したものである。この特徴には、例えば、移動するときの目的地、出発時刻、移動ルート、または、利用する交通手段の中の１つ以上であってもよく、飲食店の場所、営業時間、及び、対応可能人数などであってもよく、天気を検索したときの場所及び時間などであってもよい。発話データは、例えば、ユーザ同士で会話しているときにスマートスピーカ３０に入力される音声に含まれる情報である。例えば、所定の時間（例えば、３０秒、１分、３分、５分、または１０分など）内に「外出することに関する発話」、「場所に関する発話」、「時刻に関する発話」、「移動ルートに関する発話」及び「交通手段に関する発話」があった場合に、ユーザが外出すると考える。この場合、「外出することに関する発話」によってユーザが外出すると推定することができ、「場所に関する発話」によってユーザの目的地を推定することができ、「時刻に関する発話」によってユーザが出発する
時刻を推定することができ、「移動ルートに関する発話」によってユーザの移動ルートを推定することができ、「交通手段に関する発話」によってユーザが利用する交通手段を推定することができる。
なお、ユーザの発話に、ユーザが外出することに関連するキーワードが含まれている場合に、「外出することに関する発話」があったと考える。この場合のキーワードは、例えば、「家を出る」、「出発する」、「外出する」、「行く」または「車に乗る」などである。また、ユーザの発話に、場所に関連するキーワードが含まれている場合に、「場所に関する発話」があったと考える。この場合のキーワードは、例えば、施設名、地域名、駅名、観光名所、または市町村名などである。また、ユーザの発話に、時刻に関連するキーワードが含まれている場合に、「時刻に関する発話」があったと考える。この場合のキーワードは、例えば、「朝の７時」などである。また、ユーザの発話に、移動ルートに関連するキーワードが含まれている場合に、「移動ルートに関する発話」があったと考える。この場合のキーワードは、例えば、サービスエリア名、駅名、または、バス停名などである。また、ユーザの発話に、交通手段に関連するキーワードが含まれている場合に、「交通手段に関する発話」があったと考える。この場合のキーワードは、例えば、「車」、「電車」、「バス」、「飛行機」、「タクシー」、「自転車」または「船」などである。これらキーワードは、予め定められていてもよく、ユーザ毎に機械学習を行うことによって得てもよい。また、上記の発話をすべて含む必要はない。例えば、外出することに関する発話、及び、時刻に関する発話があれば、その時刻に外出すると判定可能である。以上の検索データ及び発話データは、特徴量に変換され、説明変数として利用される。
サーバ１０は、機械学習アルゴリズムを用いて、ユーザの外出の確度を算出するためのモデルを構築し、当該モデルを用いて確度の算出を行う。例えば、夫々のユーザにおいて得られた実績データを用いて機械学習モデルを構築し、夫々のユーザにおける確度を算出する。ユーザが異なる場合には、ユーザ端末２０及びスマートスピーカ３０への入力の内容及び発話の内容に対して、外出する確度が異なる場合があるので、学習はユーザ毎に行ってもよい。発話データを取得する際には、例えば、音声に基づいてユーザを識別してもよい。検索データを取得する際には、例えば、ユーザ端末２０の所有者が入力しているものとして、ユーザを識別してもよい。
（機能構成：サーバ）
図５は、サーバ１０の機能構成の一例を示す図である。サーバ１０は、機能構成要素として、記憶部１０１、制御部１０２、及び入出力部１０３を含む。
記憶部１０１は、確度の算出を行うために必要なデータを記憶する手段である。具体的には、機械学習モデルを記憶するモデル記憶部１０１Ａと、機械学習を行うためのデータを記憶するデータ記憶部１０１Ｂとを含んで構成される。なお、記憶部１０１には、後述する制御部１０２によって実行されるプログラム、当該プログラムが利用するデータ等も記憶可能である。
モデル記憶部１０１Ａは、機械学習モデル（確度算出モデル）を記憶する。確度算出モデルは、確度算出のバックグラウンドとなる特徴量を入力データとし、実績データを変換して得られた特徴量を教師データとして構築されたモデルである。サーバ１０は、確度算出モデルの学習を行うフェーズと、当該確度算出モデルを利用して確度算出を行うフェーズとを実行することができる。確度算出モデルは、各ユーザにおいて発生した実績データによって学習を行ったモデルである。確度は、０から１までの数とし、０はユーザが確実に外出しない場合に対応し、１はユーザが確実に外出する場合に対応する。
データ記憶部１０１Ｂは、実績データ、検索データ、及び発話データを記憶するデータ
ベースである。これらのデータベースは、プロセッサ１１によって実行されるデータベース管理システム（ＤＢＭＳ）のプログラムが、補助記憶部１３に記憶されるデータを管理することで構築される。本実施形態において利用されるデータベースは、例えばリレーショナルデータベースである。データ記憶部１０１Ｂも、対象とするユーザごとに異なるデータのセットを記憶することができる。
機械学習を行うためのデータとして、前述したような、実績データ、検索データ、発話データがある。これらのデータは、サーバ１０の外部から記憶媒体やネットワークを介して取得してもよい。
実績データは、ユーザが車両（タクシー）を利用して外出した実績を表すデータである。図６は、実績データの一例である。実績データは、例えば、ユーザが実際に外出したときの、出発時刻、目的地、移動ルート、利用した交通手段を数値によって表したものである。利用した交通手段は、例えば、ユーザが、自宅からタクシーで移動した後に利用した交通手段である。これらのデータは、ユーザがユーザ端末２０またはスマートスピーカ３０に入力した情報、及び、ユーザ端末２０の位置情報などに基づいて生成される。
検索データは、ユーザ端末２０の入力についての特徴を表したデータである。図７は、検索データの一例である。検索データは、例えば、ユーザがユーザ端末２０を用いてルート検索を実施したときに、ユーザがユーザ端末２０に入力した出発時刻及び目的地と、検索の結果得られる移動ルート及び交通手段とを数値によって表したものである。
発話データは、スマートスピーカ３０が取得したユーザの発話についての特徴を表したデータである。図８は、発話データの一例である。発話データは、例えば、スマートスピーカ３０によって取得されたユーザの会話に外出に関連するキーワードが含まれていた場合に、これらを数値によって表したものである。
なお、以降の説明においては、実績データを変換して得られた特徴量を実績特徴量、検索データを変換して得られた特徴量を検索特徴量、発話データを変換して得られた特徴量を発話特徴量と称する。
制御部１０２及び入出力部１０３は、サーバ１０が有する機能を司る演算装置である。制御部１０２は、例えば、サーバ１０のプロセッサ１１が、補助記憶部１３に記憶された各種プログラムを実行することで提供される機能構成要素である。制御部１０２は、学習部１０２１、算出部１０２２、提供部１０２３の三つの機能モジュールを有して構成される。
学習部１０２１は、データ記憶部１０１Ｂに記憶されたデータセットを用いて、各ユーザに対応する確度算出モデルを構築する。例えば、特定のユーザに対応する実績データ、検索データ、発話データを特徴量に変換し、特定のユーザに対応する確度算出モデルを構築する。特定のユーザは、切り替えが可能である。
算出部１０２２は、構築された確度算出モデルを用いて、ユーザが外出する確度の算出を行う。具体的には、確度の算出を行うユーザに対応する確度算出モデルを選択し、当該確度算出モデルに、確度の算出の前提となる特徴量（例えば、検索特徴量または発話特徴量）を入力し、得られた結果に基づいて、対応する状況下における確度の大小を判定する。
提供部１０２３は、確度に応じたサービスを提供する。例えば、確度が閾値以上の場合には、対応する出発時刻にタクシーが到着するようにタクシーの手配を行う。タクシーの
手配は、例えば、タクシーを管理する事業者のサーバを介して行われる。そのために提供部１０２３は、ユーザの氏名、住所及び迎車時刻などの情報を、入出力部１０３を介して事業者のサーバに送信する。また、例えば、タクシーを手配した場合には、その旨を示す信号を入出力部１０３からユーザ端末２０またはスマートスピーカ３０に送信することで、タクシーを手配したことをユーザに通知する。なお、ユーザへの通知は必須ではない。また、例えば、出発時刻になってもユーザが出発しない場合（例えば、ユーザ端末２０の位置情報に変化がない場合）には、ユーザに手配したタクシーの予約をキャンセルしてもよい。
次に、各機能モジュールが行う処理の具体的な内容について説明する。まず、学習部１０２１が行う、モデルの構築方法について説明する。図９は、確度算出モデルの構築処理（学習フェーズ）の概要を説明する図であり、図１０は、当該処理のフローチャートである。
学習フェーズでは、学習部１０２１は、実績特徴量と、当該実績特徴量に対応する検索特徴量および発話特徴量を用いて確度算出モデルの学習を行う。ここでは、配車サービスについての提供実績があり、関連するデータ（実績データ、検索データ、及び発話データ）がデータ記憶部１０１Ｂに記憶されているものとする。
まず、学習部１０２１は、記憶されている実績データのうち、学習に用いられていないデータがあるか否かを判定する（ステップＳ１１）。ここで、全ての実績データが処理済みであった場合、処理は終了し、それ以外の場合、処理はステップＳ１２へ遷移する。
ステップＳ１２では、実績データのうち、処理対象であるレコードを実績特徴量に変換するとともに、当該実績に対応する検索データのレコードを検索特徴量に、当該実績に対応する発話データのレコードを発話特徴量に変換する。
そして、ステップＳ１３で、これらの特徴量を用いて確度算出モデルの学習を行う。検索特徴量および発話特徴量は説明変数となり、実績特徴量は目的変数となる。これを、全ての実績データのレコードに対して繰り返すことにより、説明変数の、目的変数に対する重みが更新される。
次に、算出部１０２２が行う確度の算出の方法について説明する。図１１は、確度を算出する処理（確度算出フェーズ）の概要を説明する図であり、図１２は、当該処理のフローチャートである。確度算出フェーズでは、算出部１０２２は、確度の算出を行う条件（算出条件）に対応する検索特徴量および発話特徴量を用いて確度の算出を行う。ここでは、算出条件に対応する検索特徴量と発話特徴量が予め準備されているものとする。
まず、算出部１０２２は、算出条件に対応する検索特徴量と発話特徴量を取得する（ステップＳ２１）。特徴量への変換は、学習時と同じ方法を用いることができる。そして、取得した特徴量を確度算出モデルに入力し、得られた出力を、確度に関するデータとして取得する（ステップＳ２２）。
次に、提供部１０２３が行う処理について説明する。図１３は、サービスを提供する処理のフローチャートである。ここでは、ユーザの実績データがデータ記憶部１０１Ｂに蓄積されており、かつ、当該実績データを用いて構築された確度算出モデルがモデル記憶部１０１Ａに記憶されているものとする。本ルーチンは、各ユーザについて確度が算出されるごとに実行される。
まず、提供部１０２３は、算出された確度を取得し（ステップＳ３１の処理）、確度が
閾値以上であるか否か判定する（ステップＳ３２）。閾値は、ユーザが外出する閾値として設定される。閾値は、予め設定された固定値であってもよい。また、閾値は、ユーザ毎に異なっていてもよい。ステップＳ３２において肯定判定された場合にはステップＳ３３へ進み、否定判定された場合には本ルーチンが終了される。
ステップＳ３３では、ユーザの出発時刻及び住所などの迎車に必要となる情報が、例えば、事業者のサーバへ送信される。なお、この情報は、事業者のサーバを介さずにタクシーに直接送信してもよい。また、自律走行可能な車両に対して、迎車のための運行指令を生成してその運行指令を送信してもよい。次に、ステップＳ３４では、ユーザへの通知が送信される。ここでは、ユーザ端末２０に対して、タクシーを配車したことを示す情報が送信される。この情報によりユーザ端末２０には、例えば、タクシーが配車されたことを示す画面が表示される。また、例えば、配車したことを示す情報を受信したスマートスピーカ３０が音声で通知を行う。
図１４は、本実施形態に係る配車システム１の処理のシーケンス図である。図１４に係るシーケンス図は、ユーザに配車される場合を想定している。また、ユーザに配車したことを示す通知は、ユーザ端末２０に送信されるものとする。また、モデル記憶部１０１Ａに機械学習モデルが記憶されているものとする。
ユーザ端末２０において検索データが入力されると（Ｓ１０１）、検索データがユーザ端末２０からサーバ１０に送信される。また、スマートスピーカ３０において発話データが入力されると（Ｓ１０３）、発話データがスマートスピーカ３０からサーバ１０に送信される（Ｓ１０４）。検索データ及び発話データを受信したサーバ１０では、モデル記憶部１０１Ａに記憶されている機械学習モデルに基づいて、確度が算出される（Ｓ１０５）。確度が算出されると、図１３に示したルーチンが実行され、ユーザに配車が行われる（Ｓ１０６）。このときには、配車に関する情報を生成し、タクシー事業者のサーバに対して送信してもよい。また、配車したことを示す通知がユーザ端末２０に送信され（Ｓ１０７）、当該通知がユーザ端末２０の出力部２５に表示される。
以上に説明した処理を提供部１０２３が実行することで、ユーザが自身でタクシーを手配しなくても、提供部１０２３によってタクシーが手配される。すなわち、ユーザは、外出時にタクシーを手配せずともタクシーに乗ることができるため、ユーザにとっては移動が簡単になる。また、確度が閾値未満の場合には、タクシーが手配されないので、必要もないのにタクシーが手配されることを抑制できる。また、複数の機器（例えば、ユーザ端末２０及びスマートスピーカ３０）から情報を集めることにより、ユーザが外出する確度をより正確に算出することができる。
（変形例）
上記実施形態では、機械学習を利用してユーザの外出の確度を算出しているが、機械学習によらずにユーザの外出の確度を算出してもよい。例えば、ユーザの行為と、確度との関係を予め関連付けておいてもよい。例えば、ユーザがユーザ端末２０を用いてルートを検索したときに、出発地、目的地、出発時刻などを入力した場合には、閾値以上の所定の確度でその時刻にその目的地へユーザが外出するものとして扱ってもよい。また、ルート検索を実施した日時と、ルート検索時に入力した移動日時とが近いほど、確度が高くなるように確度を算出してもよい。例えば、次の日を指定してルート検索をした場合には、次の日にユーザが外出する確度が閾値以上の所定の確度であると考えてもよい。
また、確度を算出する際に、スマートスピーカ３０によって取得されたユーザの発話の内容から得られる情報よりも、ユーザ端末２０にユーザが自身で入力した内容から得られる情報のほうが、確度がより大きくなるように重み付けを行ってもよい。ユーザ同士の会
話には、冗談または願望なども含まれるため、会話の中に外出に関する情報が含まれていても、ユーザが外出しない場合もある。一方、ユーザが自身で移動ルートを検索した場合には、ユーザが実際に外出する準備として検索していることが多いため、ユーザが外出する可能性が高い。したがって、ユーザがユーザ端末２０を用いてルート検索したときに得られる情報は、スマートスピーカ３０のマイク３４で得られるユーザの発話に含まれる情報よりも、ユーザの外出に対する関連性が高いといえる。したがって、ユーザが自身で検索した内容に関する情報の重みがより大きくなるようにしてもよい。例えば、機械学習によらずに確度を算出する場合に、検索データと発話データとで目的地、出発時刻、移動ルート、及び交通手段が同じであっても、検索データのほうが発話データよりも確度に対する寄与率を高くしてもよい。
また、例えば、複数のユーザに対応する確度を予め定めておき、その確度を各ユーザに適用するときに、各ユーザの属性に応じて補正してもよい。複数のユーザに対応する確度は、過去の複数のユーザの行為に対する平均的な確度としてもよい。ユーザの属性は、ユーザの嗜好、性別、人種、年齢、居住地域、または、家族構成などに関連していてもよい。また、ユーザの属性は、ユーザ自身がユーザ端末２０に入力したものであってもよく、過去の検索データ及び発話データから学習した値であってもよい。
また、例えば、ユーザ端末２０またはスマートスピーカ３０から飲食店の検索をした場合に、ユーザが週末にその飲食店に行くために外出する確度が所定の確度であると判定してもよい。この場合、ユーザが週末に外出する傾向にあることを予めユーザ端末２０の位置情報などにより検出しておいてもよい。
また、例えば、ユーザがユーザ端末２０またはスマートスピーカ３０から飲食店、ホテル、または交通手段を予約した場合には、その予約に対応してユーザが外出する確度が、閾値以上の所定の確度であると判定してもよい。すなわち、ユーザによって飲食店などが予約されていれば、ユーザが外出する確率が非常に高いと考えられるため、車両が手配されるように確度を算出する。
また、例えば、ユーザが、ある日時の天気を検索した場合には、その日時に外出する確度が閾値以上の所定の確度であると判定してもよい。また、ある日時のある場所の天気を検索した場合には、その日時にその場所に外出する確度が閾値以上の所定の確度であると判定してもよい。
また、算出された確度が閾値未満の場合には、ユーザに対して外出するか否かの問い合わせをしてもよい。例えば、提供部１０２３は、確度が閾値未満の場合に、ユーザに対して外出するか否か問い合わせる画面をユーザ端末２０に表示させたり、問い合わせるための音声をスマートスピーカ３０から流したりして、ユーザから回答を得てもよい。問い合わせは、外出するか否かの問い合わせの他に、タクシー等の車両の手配をしてもよいか否かの問い合わせであってもよい。また、確度に応じて問い合わせを出力する装置を変更してもよい。例えば、ユーザの発話により得た情報は、単なる冗談または願望である場合もあるため、問い合わせる必要性が低いものと考えて、ユーザ端末２０に表示させるだけでもよい。この場合、ユーザが問い合わせを見落とす場合があっても、ユーザが外出する可能性が低いために、問題がないことが多い。一方、ユーザがユーザ端末２０へ文字などを入力したことにより得た情報は、ユーザが外出の準備のためにルート検索などをしている可能性が高い。そのため、より確実にユーザに問い合わせるために、スマートスピーカ３０から音声による問い合わせを行ってもよい。
また、算出された確度が閾値以上の場合であっても、ユーザに対して外出するか否かの問い合わせをしてもよい。確度が大きい場合であっても、ユーザが外出しないことも考え
られるので、ユーザに外出するか否か問い合わせることにより、例えばタクシーが無駄に配車されることを抑制できる。
図１５は、配車前にユーザへの問い合わせを行う場合のサービスを提供する処理のフローチャートである。図１５に示す処理は、提供部１０２３によって実行される。図１５において、図１３に示したフローチャートと同じ処理が実行されるステップについては、同じ符号を付して説明を省略する。
図１５に示すフローチャートでは、ステップＳ３２で肯定判定されると、ステップＳ４１へ進み、ユーザ端末２０またはスマートスピーカ３０に対して、配車予定の日時に配車してもよいか否かを問い合わせるための情報を送信する。このときに、さらに、配車する日時があっているか否かを問い合わせるための情報を送信してもよい。一方、ステップＳ３２で否定判定されると、ステップＳ４２へ進み、配車が必要であるか否か問い合わせるための情報を送信する。そして、ステップＳ４３において、ユーザ端末２０またはスマートスピーカ３０から問い合わせに対する回答を受信したか否か判定し、回答があった場合にステップＳ４４に進む。そして、ステップＳ４４では、配車が必要であるとの回答であればステップＳ３３へ進んで、迎車に必要となる情報が、例えば、事業者のサーバへ送信される。一方、ステップＳ４４で否定判定された場合には、本ルーチンを終了させる。
なお、複数のスマートスピーカ３０が自宅に配置されているユーザに対して、配車についての問い合わせを行う場合に、確度に応じて、問い合わせを行うスマートスピーカ３０を変更してもよい。例えば、確度が高い場合には、ユーザに認知される可能性が高い場所に配置されているスマートスピーカ３０に対して問い合わせを送信し、確度が低い場合には、ユーザに認知される可能性が低い場所に配置されているスマートスピーカ３０対して問い合わせを送信してもよい。この処理は上記のステップＳ４２において実行される。問い合わせを送信する対象となるスマートスピーカ３０と確度との関係は、ユーザが設定してもよい。一方、ユーザが認知する可能性が高いスマートスピーカ３０または認知する可能性が低いスマートスピーカ３０を、サーバ１０が機械学習を行うことにより把握してもよい。また、ユーザが、配車または問い合わせを行う確度の閾値を設定してもよい。
また、Ｓ４１またはＳ４２において、ユーザの属性に応じて問い合わせを行うスマートスピーカ３０を決定してもよい。また、ユーザの属性に応じて、ユーザ端末２０またはスマートスピーカ３０の何れか一方に問い合わせを行ってもよい。このときには、ユーザの好む端末に問い合わせを行ってもよい。また、Ｓ３４において通知を送信する相手の端末を、ユーザの属性に応じて決定してもよい。このときには、ユーザが好む端末に通知を送信してもよい。
また、上記実施形態では、閾値を用いてユーザに対して配車するか否か判断している。すなわち、確度を二段階に分類した判断を行っている。一方、確度を三段階以上に分類してもよい。例えば、確度が最も高い高確度、高確度よりも確度の低い中確度、中確度よりも確度の低い低確度の三段階に分類し、算出された確度が高確度の場合には、ユーザに問い合わせることなく配車を行い、中確度の場合には、ユーザに配車についての問い合わせを行い、低確度の場合には、配車も問い合わせも行わないようにしてもよい。
また、上記実施形態では、タクシーの配車について主に説明したが、例えば、ユーザが自転車を借りる際に自宅まで自転車を運んでくれるサービスなどであっても適用可能である。また、ユーザの発話に応じてユーザに提供するサービスを変更することもできる。例えば、健康についての発話があったユーザには、タクシーではなく、自転車を手配してもよい。
また、自家用車を利用する場合であってもサービスを提供可能である。例えば、自家用車が電気自動車の場合には、ユーザの出発時刻に充電が完了しているか否か判定し、充電が完了していないと予測される場合に、ユーザにその旨を通知してもよい。また、例えば、ユーザの出発時刻に、他のユーザが自家用車を使用する予定がある場合には、ユーザにその旨を通知してもよい。
また、例えば、冷蔵庫内に設けられるセンサによって食材が不足していることが検知された場合には、次の日にユーザが近くのスーパーマーケットの開店時間に合わせて出発するように配車し、その旨をユーザに通知してもよい。
＜その他の実施形態＞
上記の実施形態はあくまでも一例であって、本開示はその要旨を逸脱しない範囲内で適宜変更して実施し得る。
本開示において説明した処理や手段は、技術的な矛盾が生じない限りにおいて、自由に組み合わせて実施することができる。
また、１つの装置が行うものとして説明した処理が、複数の装置によって分担して実行されてもよい。あるいは、異なる装置が行うものとして説明した処理が、１つの装置によって実行されても構わない。コンピュータシステムにおいて、各機能をどのようなハードウェア構成（サーバ構成）によって実現するかは柔軟に変更可能である。
本開示は、上記の実施形態で説明した機能を実装したコンピュータプログラムをコンピュータに供給し、当該コンピュータが有する１つ以上のプロセッサがプログラムを読み出して実行することによっても実現可能である。このようなコンピュータプログラムは、コンピュータのシステムバスに接続可能な非一時的なコンピュータ可読記憶媒体によってコンピュータに提供されてもよいし、ネットワークを介してコンピュータに提供されてもよい。非一時的なコンピュータ可読記憶媒体は、例えば、磁気ディスク（フロッピー（登録商標）ディスク、ハードディスクドライブ（ＨＤＤ）等）、光ディスク（ＣＤ－ＲＯＭ、ＤＶＤディスク、ブルーレイディスク等）など任意のタイプのディスク、読み込み専用メモリ（ＲＯＭ）、ランダムアクセスメモリ（ＲＡＭ）、ＥＰＲＯＭ、ＥＥＰＲＯＭ、磁気カード、フラッシュメモリ、光学式カード、電子的命令を格納するために適した任意のタイプの媒体を含む。
１ 配車システム
１０ サーバ
１１ プロセッサ
１２ 主記憶部
１３ 補助記憶部
１４ 通信部
２０ ユーザ端末
３０ スマートスピーカ
１０１ 記憶部
１０１Ａ モデル記憶部
１０１Ｂ データ記憶部
１０２ 制御部
１０３ 入出力部
１０２１ 学習部
１０２２ 算出部
１０２３ 提供部

Claims (18)

  1. ユーザの行為に関する情報に基づいて、将来の前記ユーザの移動に関する確度を算出することと、
    算出した前記確度に基づいて、前記ユーザの移動のためのサービスに関する情報を出力することと、
    を実行する制御部を備え、
    前記制御部は、
    前記サービスに関する情報の出力において、算出した前記確度に応じて、交通手段の手配に関する情報を出力し、
    算出した前記確度に応じて、前記交通手段の手配に関する情報を出力させる前記ユーザの端末を決定する、
    情報処理装置。
  2. 前記制御部は、前記確度の算出において、目的地、出発時刻、目的地までの交通手段、または、目的地までのルートの１つ以上に関する確度を算出する、
    請求項１に記載の情報処理装置。
  3. 前記ユーザの行為に関する情報は、複数の手段により取得される情報を含む、
    請求項１または２に記載の情報処理装置。
  4. 前記複数の手段により取得される情報は、前記ユーザが端末を用いて検索した履歴に関する情報、または、マイクにより取得される前記ユーザの発話に関する情報を含む、
    請求項３に記載の情報処理装置。
  5. 前記ユーザが端末を用いて検索した履歴に関する情報は、前記ユーザの発話に関する情報よりも確度に対する重みが大きい、
    請求項４に記載の情報処理装置。
  6. 前記複数の手段により取得される情報は、目的地、出発時刻、目的地までの交通手段、または、目的地までのルートの１つ以上に関する情報を含む、
    請求項３から５の何れか１項に記載の情報処理装置。
  7. 前記制御部は、前記ユーザの属性に応じて前記確度を算出する、
    請求項１から６の何れか１項に記載の情報処理装置。
  8. 前記制御部は、前記ユーザの属性に応じて、前記交通手段の手配に関する情報を出力させる前記ユーザの端末を決定する、
    請求項１から７の何れか１項に記載の情報処理装置。
  9. 前記制御部は、前記交通手段の手配に関する情報の出力において、車両の手配に関する情報を出力する、
    請求項１から８の何れか１項に記載の情報処理装置。
  10. 前記制御部は、前記交通手段の手配に関する情報の出力において、算出した前記確度が第一閾値以上の場合に、前記交通手段を手配するための情報を出力する、及び、前記交通手段を手配したことを前記ユーザに通知するための情報を出力する、
    請求項１から９の何れか１項に記載の情報処理装置。
  11. 前記制御部は、前記交通手段の手配に関する情報の出力において、前記交通手段の手配を行うか否かを確認するための情報を前記ユーザの端末に出力する、
    請求項１から９の何れか１項に記載の情報処理装置。
  12. 前記制御部は、前記交通手段の手配に関する情報の出力において、算出した前記確度が第二閾値未満の場合に、前記交通手段の手配を行うか否かを確認するための情報を前記ユーザの端末に出力する、
    請求項１から９の何れか１項に記載の情報処理装置。
  13. 前記制御部は、算出した前記確度に応じて、前記交通手段の手配を行うか否かを確認するための情報を出力する前記ユーザの端末を決定する、
    請求項１１または１２に記載の情報処理装置。
  14. 前記制御部は、前記ユーザの属性に応じて、前記交通手段の手配を行うか否かを確認するための情報を出力する前記ユーザの端末を決定する、
    請求項１１または１２に記載の情報処理装置。
  15. コンピュータが、
    ユーザの行為に関する情報に基づいて、将来の前記ユーザの移動に関する確度を算出することと、
    算出した前記確度に基づいて、前記ユーザの移動のためのサービスに関する情報を出力することと、
    を実行し、
    前記コンピュータは、
    前記サービスに関する情報の出力において、算出した前記確度に応じて、交通手段の手配に関する情報を出力し、
    算出した前記確度に応じて、前記交通手段の手配に関する情報を出力させる前記ユーザの端末を決定する、
    情報処理方法。
  16. 前記ユーザの行為に関する情報は、複数の手段により取得される情報を含む、
    請求項１５に記載の情報処理方法。
  17. ユーザの行為を検出する入力装置と、
    前記入力装置に検出された前記ユーザの行為に基づいて、将来の前記ユーザの移動に関する確度を算出することと、算出された前記確度に基づいて、前記ユーザの移動のためのサービスに関する情報を出力することと、を実行する制御部を備える情報処理装置と、
    前記制御部によって出力された前記サービスに関する情報に基づいた通知を前記ユーザに対して出力する出力装置と、
    を備え、
    前記制御部は、
    前記サービスに関する情報の出力において、算出した前記確度に応じて、交通手段の手配に関する情報を出力し、
    算出した前記確度に応じて、前記交通手段の手配に関する情報を出力させる前記ユーザの端末を決定する、
    システム。
  18. 前記入力装置を複数備える、
    請求項１７に記載のシステム。
JP2019232940A 2019-12-24 2019-12-24 情報処理装置、情報処理方法、及び、システム Active JP7230793B2 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2019232940A JP7230793B2 (ja) 2019-12-24 2019-12-24 情報処理装置、情報処理方法、及び、システム
CN202011441379.1A CN113033940B (zh) 2019-12-24 2020-12-11 信息处理装置、信息处理方法以及系统
US17/132,441 US11461708B2 (en) 2019-12-24 2020-12-23 Information processing apparatus, method, and system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2019232940A JP7230793B2 (ja) 2019-12-24 2019-12-24 情報処理装置、情報処理方法、及び、システム

Publications (2)

Publication Number Publication Date
JP2021101297A JP2021101297A (ja) 2021-07-08
JP7230793B2 true JP7230793B2 (ja) 2023-03-01

Family

ID=76438923

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019232940A Active JP7230793B2 (ja) 2019-12-24 2019-12-24 情報処理装置、情報処理方法、及び、システム

Country Status (3)

Country Link
US (1) US11461708B2 (ja)
JP (1) JP7230793B2 (ja)
CN (1) CN113033940B (ja)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018206225A (ja) 2017-06-07 2018-12-27 ヤフー株式会社 配信装置、配信方法、配信プログラムおよびモデル
JP2019505899A (ja) 2015-12-30 2019-02-28 ウェイモ エルエルシー 自律走行車サービス

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004334517A (ja) * 2003-05-07 2004-11-25 Nec Fielding Ltd 通信端末を利用した移動支援システム
US8219406B2 (en) * 2007-03-15 2012-07-10 Microsoft Corporation Speech-centric multimodal user interface design in mobile technology
EP2211336B1 (en) * 2009-01-23 2014-10-08 Harman Becker Automotive Systems GmbH Improved speech input using navigation information
US9172747B2 (en) * 2013-02-25 2015-10-27 Artificial Solutions Iberia SL System and methods for virtual assistant networks
US9286801B2 (en) * 2013-03-06 2016-03-15 International Business Machines Corporation Leveraging information for use in a traffic prediction scenario
US20150081348A1 (en) * 2013-09-13 2015-03-19 Scott C. Avera Systems and methods using crowd sourced wait time information
US10685297B2 (en) * 2015-11-23 2020-06-16 Google Llc Automatic booking of transportation based on context of a user of a computing device
CN107331183A (zh) * 2017-07-14 2017-11-07 广州大正新材料科技有限公司 基于共享安全的智能交通服务方法和系统
JP7172070B2 (ja) * 2018-03-14 2022-11-16 トヨタ自動車株式会社 情報処理システム及びサーバ
US11010436B1 (en) * 2018-04-20 2021-05-18 Facebook, Inc. Engaging users by personalized composing-content recommendation
US11094317B2 (en) * 2018-07-31 2021-08-17 Samsung Electronics Co., Ltd. System and method for personalized natural language understanding
US11200807B2 (en) * 2018-09-24 2021-12-14 Here Global B.V. Method and apparatus for detecting an availability of a vehicle based on parking search behaviors
US11537953B2 (en) * 2018-11-29 2022-12-27 Here Global B.V. Method and apparatus for proactive booking of a shared vehicle
CN110288849B (zh) * 2019-07-29 2020-05-29 电子科技大学 一种基于混合交通模式的出行路线推荐方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019505899A (ja) 2015-12-30 2019-02-28 ウェイモ エルエルシー 自律走行車サービス
JP2018206225A (ja) 2017-06-07 2018-12-27 ヤフー株式会社 配信装置、配信方法、配信プログラムおよびモデル

Also Published As

Publication number Publication date
US11461708B2 (en) 2022-10-04
CN113033940A (zh) 2021-06-25
US20210192398A1 (en) 2021-06-24
CN113033940B (zh) 2024-08-02
JP2021101297A (ja) 2021-07-08

Similar Documents

Publication Publication Date Title
US12073249B2 (en) Provision of computer resources based on location history
AU2019101806A4 (en) Methods and systems for providing information for an on-demand service
US9488487B2 (en) Route detection in a trip-oriented message data communications system
US9377319B2 (en) Estimating times to leave and to travel
JP5904021B2 (ja) 情報処理装置、電子機器、情報処理方法、及びプログラム
KR101577607B1 (ko) 상황 및 의도인지 기반의 언어 표현 장치 및 그 방법
CN110088833A (zh) 语音识别方法和装置
KR20190087675A (ko) 루트 제안들의 제공
JP2012003494A (ja) 情報処理装置、情報処理方法及びプログラム
KR20140031192A (ko) 구조화된 통신을 이용하기 위한 관측 플랫폼
US20200193338A1 (en) Information processing apparatus and information processing method
JPWO2014112124A1 (ja) 目的地予測装置、目的地予測方法、目的地表示方法
US20190108559A1 (en) Evaluation-information generation system and vehicle-mounted device
JP7139904B2 (ja) 情報処理装置及び情報処理プログラム
CN104156897A (zh) 基于情景感知的室内导览系统
JP2016024600A (ja) 質疑応答装置および質疑応答装置の制御方法
JP6563451B2 (ja) 移動支援装置、移動支援システム、移動支援方法及び移動支援プログラム
JP7230793B2 (ja) 情報処理装置、情報処理方法、及び、システム
JP6687648B2 (ja) 推定装置、推定方法及び推定プログラム
US11694554B2 (en) Information processing apparatus, information processing method, and information processing system
US20220198600A1 (en) Information processing apparatus, information processing method, and system
JP2010282577A (ja) 情報配信方法、情報配信装置および情報配信プログラム
JP7123581B2 (ja) 情報処理方法及び情報処理装置
JP2017037540A (ja) 電子機器、プログラム、及び方法
JP6421087B2 (ja) 周辺状況推定支援装置、方法およびプログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220125

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20221031

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20221122

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20221226

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: 20230117

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230130

R151 Written notification of patent or utility model registration

Ref document number: 7230793

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151