JP7272988B2 - 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
JP7272988B2
JP7272988B2 JP2020057638A JP2020057638A JP7272988B2 JP 7272988 B2 JP7272988 B2 JP 7272988B2 JP 2020057638 A JP2020057638 A JP 2020057638A JP 2020057638 A JP2020057638 A JP 2020057638A JP 7272988 B2 JP7272988 B2 JP 7272988B2
Authority
JP
Japan
Prior art keywords
user
users
information
point
service
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
JP2020057638A
Other languages
English (en)
Other versions
JP2021157542A (ja
Inventor
啓介 大滝
綾乃 大社
智樹 西
良尚 石井
貴克 吉村
敬一郎 早川
孝広 志賀
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
Toyota Central R&D Labs Inc
Original Assignee
Toyota Motor Corp
Toyota Central R&D Labs Inc
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, Toyota Central R&D Labs Inc filed Critical Toyota Motor Corp
Priority to JP2020057638A priority Critical patent/JP7272988B2/ja
Priority to US17/203,983 priority patent/US11902854B2/en
Priority to CN202110320669.9A priority patent/CN113449903B/zh
Publication of JP2021157542A publication Critical patent/JP2021157542A/ja
Application granted granted Critical
Publication of JP7272988B2 publication Critical patent/JP7272988B2/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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
    • H04W4/022—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences with dynamic range variability
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models

Description

本開示は、情報処理装置、情報処理方法、及び、システムに関する。
混雑している経路上で夫々のユーザの興味に関する情報を収集し、ユーザが興味を示すサービスを経路上で提供して、ユーザを足止めすることで、混雑を緩和する技術が知られている（例えば、特許文献１参照。）。
特開２０１６－０４２２７５号公報
本開示の目的は、複数存在する経路の混雑を緩和することにある。
本開示の態様の一つは、
所定エリアにおける第一ユーザの分布を予測することと、
前記予測した第一ユーザの分布に基づいて、将来に前記所定エリアにおいて前記第一ユーザの密度が所定の上限値を超える地点である第一の地点を予測することと、
前記所定エリアにおける前記第一の地点以外の第二の地点でのサービスの提供を促すことに関する情報を、前記サービスの提供者である第二ユーザの端末に送信することと、
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、
所定エリアにおける第一ユーザの分布を予測することと、
前記予測した第一ユーザの分布に基づいて、将来に前記所定エリアにおいて前記第一ユーザの密度が所定の上限値を超える地点である第一の地点を予測することと、
前記所定エリアにおける前記第一の地点以外の第二の地点でのサービスの提供を促すことに関する情報を、前記サービスの提供者である第二ユーザの端末に送信することと、
を実行する情報処理方法である。
本開示の態様の一つは、
所定エリアにおける第一ユーザに関する情報が入力される端末である第一の端末と、
前記所定エリア内でサービスを提供する第二ユーザの端末と、
前記第一の端末に入力された前記第一ユーザに関する情報に基づいて、将来の前記第一ユーザの移動経路を予測することと、
前記予測した第一ユーザの移動経路に基づいて、将来の前記所定エリアにおいて前記第一ユーザの密度が所定の上限値を超える地点である第一の地点を予測することと、
前記所定エリアにおいて、前記第一の地点以外の第二の地点でのサービスの提供を促すことに関する情報を前記第二ユーザの端末に送信することと、
を実行する制御部を備える情報処理装置と、
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、そのプログラムを非一時的に記憶したコンピュータ可読記憶媒体である。また、本開示の他の態様は、上記システムの処理をコンピュータが実行する方法、その方法をコンピュータに実行させるプログラム、または、そのプログラムを非一時的に記憶したコンピュータ可読記憶媒体である。
本開示によれば、複数存在する経路の混雑を緩和することができる。
実施形態に係るシステムの概略構成を示す図である。 所定エリアの一例を示した図である。 実施形態に係るシステムを構成する第一ユーザ端末、第二ユーザ端末、及び、サーバ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。 サーバの機能構成を例示した図である。 サーバが行動モデルを生成（または更新）する処理のフローチャートである。 サーバが所定エリアにおける混雑を緩和する処理のフローチャートである。 サーバが所定エリアにおける混雑を緩和する処理のフローチャートである。
本実施形態に係る情報処理装置が備える制御部は、所定エリアにおける第一ユーザの分布を予測する。所定エリアは、例えば、イベント等が行われるときにそのイベントへ移動するユーザによって混雑が発生し得るエリアである。例えば、イベント会場から所定の距離までを所定エリアとしてもよい。また、情報処理装置によって混雑を緩和する領域として所定エリアを設定することもできる。また、所定エリアは、例えば、行政区画などに基づいて定めてもよい。また、野外フェスティバルの会場内を所定エリアとしてもよい。この場合、ステージが複数あって、ステージ間の第一ユーザの移動時の混雑を緩和してもよい。また、例えば、スタジアム内を所定エリアとしてもよい。第一ユーザの分布の予測は、例えば、第一ユーザの移動経路を予測することにより行われる。例えば、第一ユーザの目的地、または、過去の第一ユーザの移動経路に基づいて、将来の第一ユーザの分布を予測することができる。例えば、同じようなイベントが過去にあった場合に、将来の同じようなイベントの開催時に第一ユーザが同じように移動すると仮定して第一ユーザの分布を予測してもよい。このときに、第一ユーザの特性を考慮して移動経路を予測してもよい。例えば、同じ特性の第一ユーザは、同じ移動経路を選択すると仮定して、同じ特性の第一ユーザの過去の移動履歴に基づいて、将来の第一ユーザの移動経路を予測してもよい。また、各第一ユーザの目的地を例えば各第一ユーザの所持する端末から取得し、各第一ユーザがその目的地に向かうものとして、第一ユーザの分布を予測してもよい。各第一ユーザの目的地は、端末を用いたルート検索の目的地としてもよく、ＳＮＳで投稿したメッセージに含まれるイベントが行われる場所としてもよい。また、現時点での第一ユーザの位置情報を取得して、現時点での第一ユーザの位置情報に基づいて、上記の第一ユーザの分布を予測してもよい。
また、制御部は、予測した第一ユーザの分布に基づいて、将来に所定エリアにおいて第一ユーザの密度が所定の上限値を超える地点である第一の地点を予測する。第一ユーザの密度は、例えば、単位面積当たりの第一ユーザの数としてもよい。第一の地点は、第一ユーザが移動するときの経由地、目的地、または、移動経路を含むことができる。所定の上限値は、例えば、許容範囲の上限値としてもよい。第一の地点は、複数存在していてもよい。制御部は、予測した第一ユーザの分布に基づいて、例えば、所定の時間毎の第一ユーザの密度を予測し、予測した所定時間毎の第一ユーザの密度が所定の上限値を超えるか否か判定する。
また、制御部は、所定エリアにおける第一の地点以外の第二の地点でのサービスの提供を促すことに関する情報を、サービスの提供者である第二ユーザの端末に送信する。第二の地点は、第二ユーザが移動することにより、第一の地点における第一ユーザの密度が所定の上限値以下になる地点である。第二ユーザは、第一の地点でサービスを提供しているユーザであってもよく、第一の地点及び第二の地点以外の他の地点でサービスを提供しているユーザであってもよい。ここで、第二ユーザがサービスの提供を行うことにより、そのサービスを受けようとする第一ユーザが集まる。したがって、第二ユーザがサービスを提供する場所を変更することにより、第一ユーザの移動経路を変えることができる。そして、第一ユーザの密度が所定の上限値を超える地点から、第一ユーザの密度が所定の上限値以下の地点へ第一ユーザが移動するように、サービスを提供する位置を変更することにより、所定エリア内の各地点において第一ユーザの密度が所定の上限値を超えることを抑制できる。これにより、所定エリア内の混雑を緩和することができる。
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。また、以下の実施形態は可能な限り組み合わせることができる。
＜第１実施形態＞
図１は、実施形態に係るシステム１の概略構成を示す図である。システム１は、例えば、第一ユーザ端末１０、第二ユーザ端末２０、及び、サーバ３０を含む。
図１における第一ユーザは、第一ユーザ端末１０を操作するユーザであり、第二ユーザは、第二ユーザ端末２０を操作するユーザである。第二ユーザは、第一ユーザにサービスを提供するユーザである。サービスには、例えば、イベントの開催、または、飲食物の提供などを含む。イベントは、例えば、公演、学会、集会、ライブイベント、野外フェスティバル、映画の上映、会合、または、興行等であってもよい。第一ユーザ及び第二ユーザは夫々複数存在することができ、第一ユーザ及び第二ユーザの数に応じて第一ユーザ端末１０及び第二ユーザ端末２０も複数存在する。
第一ユーザ端末１０、第二ユーザ端末２０、及び、サーバ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、ＷｉＦｉ等の無線通信網を含んでもよい。
サーバ３０は、第二ユーザに対して、サービスの提供場所の変更を依頼する。さらに、サーバ３０は、サービスの提供場所の変更を第一ユーザに対して通知することで、第一ユーザの移動経路を変更させたり、目的地を変更させたりする。これにより、混雑の緩和をはかる。そのため、サーバ３０は、所定エリアにおける第一ユーザの分布を予測する。図２は、所定エリアの一例を示した図である。図２に示した所定エリアには、番号を付したノードと、ノードを結ぶリンクとが含まれる。ノードは、第一ユーザの目的地または経由地に相当し、第二ユーザがサービスを提供し得る場所でもある。リンクは、第一ユーザまたは第二ユーザが移動する通路に相当する。なお、以下では、ｎの番号を付したノードを、ノード（ｎ）と称する。また、ノード（ｎ）とノード（ｍ）とを結ぶリンクを、リンク（ｎ－ｍ）と称する。なお、図２では、ノード（１）、ノード（６）、ノード（１６）、及び、ノード（１８）に、例えば、公演が行われる建造物が配置されており、ノード（３）、ノード（９）及びノード（１４）に、例えば、飲食物を提供する移動店舗が配置されている。公演が行われる建造物は、第一ユーザが目的地とし得るノードに配置されている。また、移動店舗は、第一ユーザが経由地とし得るノードに配置されている。
サーバ３０は、第二ユーザのサービスに関する情報、第一ユーザの特性に関する情報、及び、第一ユーザの位置情報などを取得し、これらの情報に基づいて、各第一ユーザの移動経路を予測する。なお、これらの情報を以下では、「エリア情報」ともいう。第二ユーザのサービスに関する情報には、サービスの内容、サービスを提供している位置、サービスの提供時間などに関する情報が含まれる。これらの情報は、第二ユーザ端末２０を介して取得する。第二ユーザのサービスには、第一ユーザの目的地において提供されるサービス、及び、第一ユーザの経由地において提供されるサービスが含まれる。第一ユーザの目的地において提供されるサービスに関する情報には、例えば、公演の開催時間、公演が行われる位置、または、公演の内容などに関する情報が含まれる。第一ユーザの経由地において提供されるサービスに関する情報には、例えば、移動店舗の営業時間、移動店舗の位置、または、移動店舗が提供するサービスの内容などに関する情報が含まれる。
また、第一ユーザの特性に関する情報は、例えば、第一ユーザ端末１０への入力、または、第一ユーザ端末１０から得られる過去の第一ユーザの行動などに基づいて取得する。第一ユーザの特性に関する情報には、第一ユーザの過去の移動履歴（例えば、目的地または経由地等を含む）、第一ユーザに対して行った移動に関するアンケートの結果（例えば、目的地または経由地等を含む）、第一ユーザが参加を希望する公演、第一ユーザの趣味・嗜好、過去に移動経路を推薦したときの結果（推薦に応じたか否か）、第一ユーザの体の状態（例えば、元気か否か、または、空腹か否か等）、性別、年齢、同伴者の性別、同伴者の年齢、または、同伴者の数などに関する情報が含まれる。第一ユーザの特性に関する情報は、第一ユーザが第一ユーザ端末１０に直接入力した情報であってもよく、第一ユーザが第一ユーザ端末１０に入力した内容から推定してもよく、第一ユーザが過去に利用したサービスに基づいて推定してもよく、ＳＮＳへ投稿した内容に基づいて推定してもよい。また、例えば、第一ユーザに対応するＳＮＳのプロフィール欄から第一ユーザの特性に関する情報を取得してもよい。例えば、第一ユーザがＳＮＳに、ノード（１８）に公演を観覧しに行くことを意味する投稿を行った場合には、ノード（１８）の公演時間に合わせて第一ユーザが移動すると推定することができる。また、ＳＮＳに友達とノード（１８）に行くことを意味する投稿を行った場合には、同伴者の数を予測することができる。また、第一ユーザの現在地は、第一ユーザ端末１０に備わる位置情報センサ１７から取得する。
サーバ３０は、エリア情報に基づいて、各第一ユーザの移動経路を予測する。例えば、移動経路の予測は、第一ユーザの特性および目的地に基づいて行ってもよい。また、例えば、移動経路の予測は、機械学習を利用してもよい。そして、サーバ３０は、将来の所定の時間毎の各ノード及び各リンクにおける第一ユーザの人数を計数し、各ノード及び各リンクにおける第一ユーザの密度を算出する。そして、第一ユーザの密度が所定の上限値を超える地点（第一の地点）が発生することを予測した場合に、第二ユーザに対して、第一の地点以外の第二の地点においてサービスを提供するように促すための情報を、第二ユーザ端末２０に送信する。このときに、将来の所定時間毎の各ノード及び各リンクにおける第一ユーザの密度が、所定の上限値を超えないように、例えば、公演場所または移動店舗の場所を移動させてもよい。
図２において、例えば、所定の時刻のリンク（１２－１４）において、第一ユーザの密度が所定の上限値を超えると予測される場合について説明する。例えば、ノード（９）及びノード（１４）に配置されている２つの移動店舗（飲食店とする。）に、空腹の第一ユーザが集まったとしても、この２つの移動店舗によって第一ユーザの需要に対応可能であると仮定する。一方で、移動店舗がノード（９）及びノード（１４）に配置されている場合には、空腹の第一ユーザを分散させることが困難であり、リンク（１２－１４）で第一ユーザの密度が所定の上限値を超えると仮定する。この場合、サーバ３０は、例えば、ノ
ード（１４）に配置されている移動店舗をノード（１５）に移動させ、ノード（９）に配置されている移動店舗をノード（１２）に移動させるように、移動店舗に対応する第二ユーザ端末２０へ指示を送信する。さらに、空腹の第一ユーザが所持する第一ユーザ端末１０に対して、移動店舗の位置に関する情報を通知する。このときに、移動店舗のクーポン券を送信したり、移動店舗の広告を送信したりすることで、第一ユーザが移動店舗に興味を持つようにしてもよい。これにより、第一ユーザは、公演が行われる目的地に至るまでに通過するノード及びリンクを変更するため、所定の時刻のリンク（１２－１４）における第一ユーザの密度を所定の上限値以下に抑制することができる。したがって、混雑を緩和することができる。
以上のように、第一ユーザに経由地を変更させるように、第二ユーザに対してサービスを提供する地点を変更させることにより、混雑を緩和することができる。なお、上記図２の例では、第二ユーザが経由地においてサービスを提供している。この場合の第二ユーザは、例えば、移動店舗の経営者である。一方、第二ユーザが目的地においてサービスを提供している場合であっても、同様にして混雑を緩和することができる。この場合の第二ユーザは、例えば公演の主催者である。例えば、ノード（１）及びノード（６）において公演が行われる場合に、将来の所定時間ごとの各ノード及び各リンクにおける第一ユーザの密度を予測し、混雑の緩和を目的として、例えばノード（１）とノード（６）とで公演の内容を入れ替えてもよい。このように、公演が行われる位置を変更することにより、夫々の公演に参加を希望する第一ユーザの移動経路を変更させることができるので、混雑を緩和し得る。
（ハードウェア構成）
次に、図３に基づいて、第一ユーザ端末１０、第二ユーザ端末２０、及び、サーバ３０のハードウェア構成について説明する。図３は、本実施形態に係るシステム１を構成する第一ユーザ端末１０、第二ユーザ端末２０、及び、サーバ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。
サーバ３０は、一般的なコンピュータの構成を有している。サーバ３０は、プロセッサ３１、主記憶部３２、補助記憶部３３、通信部３４を有する。これらは、バスにより相互に接続される。サーバ３０は、「情報処理装置」の一例である。
プロセッサ３１は、ＣＰＵ（Central Processing Unit）やＤＳＰ（Digital Signal Processor）等である。プロセッサ３１は、サーバ３０を制御し、様々な情報処理の演算を行う。プロセッサ３１は、「制御部」の一例である。主記憶部３２は、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）等である。補助記憶部３３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３３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３３に格納されたプログラムをプロセッサ３１が主記憶部３２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３０が実現する。主記憶部３２および補助記憶部３３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３０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３３に格納される情報は、主記憶部３２に格納されてもよい。また、主記憶部３２に格納される情報は、補助記憶部３３に格納されてもよい。
通信部３４は、ネットワークＮ１経由で、第一ユーザ端末１０、及び、第二ユーザ端末２０と通信を行う手段である。通信部３４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３０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３０のハードウェア構成は、図３に示されるものに限定されない。
次に、第一ユーザ端末１０について説明する。第一ユーザ端末１０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。第一ユーザ端末１０は、プロセッサ１１、主記憶部１２、補助記憶部１３、入力部１４、ディスプレイ１５、通信部１６、及び、位置情報センサ１７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、主記憶部１２、補助記憶部１３については、サーバ３０のプロセッサ３１、主記憶部３２、補助記憶部３３と同様であるため、説明を省略する。
入力部１４は、第一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、マウス、キーボード、または、押しボタン等である。ディスプレイ１５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）、または、ＥＬ（Electroluminescence）パネル等である。入力部１４及びディスプレイ１５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１６は、第一ユーザ端末１０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）、Ｗｉ－Ｆｉ（登録商標）、Ｂｌｕｅｔｏｏｔｈ（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３０等）と通信を行うための回路である。
位置情報センサ１７は、第一ユーザ端末１０の位置情報（例えば緯度、経度）を取得する。位置情報センサ１７は、例えば、ＧＰＳ（Global Positioning System）受信部、無線ＬＡＮ通信部等である。
次に、第二ユーザ端末２０について説明する。第二ユーザ端末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。第二ユーザ端末２０は、プロセッサ２１、主記憶部２２、補助記憶部２３、入力部２４、ディスプレイ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。プロセッサ２１、主記憶部２２、補助記憶部２３、入力部２４、ディスプレイ２５、通信部２６、及び、位置情報センサ２７については、第一ユーザ端末１０のプロセッサ１１、主記憶部１２、補助記憶部１３、入力部１４、ディスプレイ１５、通信部１６、及び、位置情報センサ１７と同様であるため、説明を省略する。
（機能構成：サーバ）
次に、サーバ３０の機能について説明する。図４は、サーバ３０の機能構成を例示した図である。サーバ３０は、機能構成要素として、データ取得部３０１、モデル管理部３０２、予測部３０３、及び、依頼部３０４を備える。サーバ３０のプロセッサ３１は、主記憶部３２上のコンピュータプログラムにより、各機能構成要素の処理を実行する。ただし、各機能構成素のいずれか、またはその処理の一部がハードウェア回路により実行されてもよい。また、サーバ３０は、第一ユーザが所定エリア内で取る典型的な行動を表すモデル（以下、行動モデル）を記憶し、第一ユーザ端末１０及び第二ユーザ端末２０から取得した情報と行動モデルとに基づいて、将来の所定時間ごとの第一ユーザの位置を予測し、
その位置に基づいて移動店舗を移動させる。
行動モデルは、補助記憶部３３に記憶されている。行動モデルとは、第一ユーザが所定エリア内を移動するときに取る典型的な行動パターン（以下、所定行動パターン）を表したモデルである。行動モデルは、例えば、上記のエリア情報に基づいて機械学習を行うことにより生成される。エリア情報には、第一ユーザの過去の移動履歴に関する情報が含まれており、この移動履歴には、例えば、前回（例えば、去年）の同一のイベントの開催時に第一ユーザが移動した履歴を含むことができる。また、エリア情報には、第一ユーザの特性に関する情報が含まれており、第一ユーザの特性に関する情報には、例えば、第一ユーザが、新しいもの好きであるか否か、規則的な行動をするか否か、または、買い物好きであるかいなか、といった情報が含まれる。これらの情報は、例えば、第一ユーザに事前にアンケートに回答してもらうことにより取得してもよいし、第一ユーザの行動から推定してもよい。例えば、遠回りしてまで新規開店の店舗を訪れることが多い第一ユーザは、新しいもの好きであると判断してもよい。また、例えば、有名店の近くを通っても、その店舗に行かないユーザは、規則的な行動をとると判断してもよい。これらは、例えば、第一ユーザの移動履歴に基づいて判断する。また、エリア情報には、リアルタイムでセンサ等により取得される情報が含まれる。この情報には、例えば、第一ユーザ端末１０から送信される位置情報、または、第一ユーザ端末１０で利用されるアプリケーションに入力される情報等である。また、エリア情報には、例えば、第一ユーザの空腹度に関する情報が含まれていてもよい。空腹度は、例えば、第一ユーザが食事をしたいか否かを表す指標である。なお、行動モデルは、例えば、「新しいもの好き、買い物好き、且つ、現在地が所定のノードの第一ユーザは、新規開店の小売店を経由する」、「外食が多く、且つ、空腹の第一ユーザは、飲食店を経由する」、「規則的な行動をとる第一ユーザは、移動店舗の位置にかかわらず同じ経路を移動する」、または、「所定の公演が行われている位置を目的地としている第一ユーザは、所定の公演に関連した商品を販売する移動店舗を経由する」といったものを表すものであってもよい。なお、行動モデルは、第一ユーザをセンシングした結果に基づいて自動で生成されてもよい。
もし、エリア情報が似たような第一ユーザがいた場合、行動モデルによって表された所定行動パターンに基づいて、現在地からの第一ユーザの移動経路を予測できるはずである。すなわち、行動モデルによって表された所定行動パターンを各第一ユーザに適用することで、所定エリア内の将来の所定時間毎の第一ユーザの位置を予測することができる。これにより、将来の所定時間毎の各ノード及び各リンクにおける第一ユーザの数を予測することができる。
データ取得部３０１は、上記エリア情報を取得する。また、データ取得部３０１は、第二ユーザ端末２０からサービスに関する情報を取得する。サービスに関する情報には、提供するサービスの内容、移動可能か否か、サービスを提供する時間、サービスを提供する時間を変更可能か否か、または、サービスを提供可能な数（例えば、商品の数、または、公演の客席の数、サービスを提供する空間の広さなどを含む）などの情報を第二ユーザ端末２０から受信する。これらの情報は、例えば、第二ユーザによって第二ユーザ端末２０に予め入力される。
また、データ取得部３０１は、第一ユーザ端末１０から第一ユーザの特性に関する情報を取得する。データ取得部３０１は、例えば、第一ユーザ端末１０にインストールされている所定のアプリケーション（例えば、乗り換え情報を提供するアプリケーション、ルート情報を提供するアプリケーション、または、ＳＮＳアプリケーションなど）から送信される情報に基づいて、第一ユーザの特性を取得する。また、データ取得部３０１は、第一ユーザの特性を収集するために、第一ユーザ端末１０に対して、第一ユーザの特性を取得可能なアンケート（例えば、「今、空腹ですか？」など）を送信してもよい。また、例え
ば、ＳＮＳに第一ユーザが投稿した内容（例えば、「お腹すいた」など）に基づいて、第一ユーザの体の状態を取得してもよい。また、例えば、第一ユーザが第一ユーザ端末１０でルート検索を行った場合に、第一ユーザ端末１０に入力された目的地を、第一ユーザの目的地として取得してもよい。また、データ取得部３０１は、例えば、第一ユーザ端末１０においてセンシングされる位置情報を取得する。以上の情報は、第一ユーザ端末１０からサーバ３０へ所定時間ごとに送信されてもよい。データ取得部３０１は、周期的に（例えば、１分ごとに）取得したエリア情報にそれぞれ時刻を関連付け、モデル管理部３０２へ順次送信する。
モデル管理部３０２は、データ取得部３０１により取得されたエリア情報に基づいて、第一ユーザの行動モデルを生成および更新する。モデル管理部３０２には、データ取得部３０１から送信されたエリア情報が蓄積される。モデル管理部３０２は、例えば、エリア情報を受信するごとに行動モデルの更新を行ってもよいし、ユーザが目的地に到着するごとに行動モデルの更新を行ってもよい。
例えば、第一ユーザが所定エリア内で移動したときに取得された移動経路を用いて行動モデルを更新する。なお、行動モデルは、機械学習モデルであってもよいし、エリア情報と第一ユーザの移動経路との関係を統計的に表したモデルであってもよい。第一ユーザの所定行動パターンを表すものであれば、行動モデルはどのような形式であってもよい。行動モデルが機械学習モデルである場合、エリア情報を特徴量に変換したうえで、当該特徴量を入力データ、移動経路を教師データとして学習を行ってもよい。また、モデル管理部３０２は、転移学習を行うこともできる。
予測部３０３は、記憶された行動モデルを用いて、現時点の第一ユーザの位置等から、所定エリアの将来の所定時間毎の各地点（各ノード及び各リンクとしてもよい。）における、第一ユーザの密度を予測する。第一ユーザの密度は、例えば、各ノード及び各リンクごとの単位面積当たりの第一ユーザの数である。各ノード及び各リンクの面積は、予め求めておくことができる。予測部３０３は、第一ユーザ端末１０からエリア情報を受信すると、そのエリア情報を特徴量に変換し、行動モデルに入力することで、その第一ユーザの現在地を起点とする将来の所定時間毎の位置を予測する。この所定時間は、混雑を緩和し得る時間として予め設定される。予測部３０３は、例えば、所定エリアの将来の所定時間ごとの各ノード及び各リンクにおける第一ユーザの数を計数し、各ノード及び各リンクの面積で除算することで、各ノード及び各リンクにおける第一ユーザの密度を予測する。
依頼部３０４は、所定エリアの将来の所定時間毎の各地点（各ノード及び各リンクとしてもよい。）の第一ユーザの密度が、所定の上限値を超える地点である第一の地点を抽出する。この所定の上限値は、例えば、各ノード及び各リンクで同じ値であってもよく、異なる値であってもよい。そして、抽出した第一の地点を通過する第一ユーザの数を減少させるように、第二ユーザに対してサービスの提供場所の変更を依頼するリクエスト（以下、移動依頼ともいう。）を生成し、対応する第二ユーザ端末２０に送信する。移動依頼には、例えば、移動を依頼する旨の情報と、移動する時刻及び移動する位置に関する情報とが含まれる。依頼部３０４は、行動モデルを利用して、例えば、第二ユーザのサービスの提供場所が変更になったと仮定した場合の、所定エリアの将来の所定時間毎の各ノード及び各リンクの第一ユーザの密度が、所定の上限値以下となるように、移動させるサービス及び移動させる位置を選定する。サービスが移動したことに応じて第一ユーザが移動経路を変更するか否かは、第一ユーザの特性によって変わる。そのため、依頼部３０４は、夫々の第一ユーザの特性に基づいて、第二の地点でのサービスの提供を促す第二ユーザを選定しているともいえる。
例えば、第一の地点を経由すると予測される第一のユーザの多くが、新しいもの好きで
且つ空腹の状態である場合には、新規に開店し且つ食品を販売する移動店舗を移動させることにより、第一ユーザの流れを変えることができる。例えば、移動店舗が移動したと仮定したときのエリア情報を特徴量に変換して行動モデルに入力すれば、移動店舗が移動した後の所定エリアの将来の所定時間毎の各地点の第一ユーザの密度を予測することができる。
図５は、サーバ３０が行動モデルを生成（または更新）する処理のフローチャートである。図５に示したルーチンは、サーバ３０によって所定の演算間隔で実行される。
まず、ステップＳ１０１で、データ取得部３０１が第一ユーザ端末１０からエリア情報を受信する。ステップＳ１０２において、モデル管理部３０２は、エリア情報がデータ取得部３０１からモデル管理部３０２へ送信されるごとに、エリア情報を特徴量に変換する。そして、モデル管理部３０２は、特徴量を入力データ、移動経路を教師データとして行動モデルを更新する（ステップＳ１０３）。
図６は、サーバ３０が所定エリアにおける混雑を緩和する処理のフローチャートである。図６に示した処理は、サーバ３０により所定の演算間隔で実行される。なお、補助記憶部３３に行動モデルが記憶されているものとして説明する。
ステップＳ２０１では、予測部３０３が、所定エリアにおける将来の所定時間毎の各地点の第一ユーザの密度を算出する。予測部３０３は、行動モデルおよび現時点に取得されるエリア情報に基づいて、各第一ユーザの所定時間毎の位置を予測して、各地点における第一ユーザの密度を算出する。予測部３０３は、第一ユーザの将来の位置を予測する際に、第一ユーザ端末１０から送信される現時点での位置情報に基づいて、その位置から目的地までのユーザの移動経路を時間と関連付けて予測する。なお、予測部３０３によって予測される移動経路にしたがって第一ユーザが移動するとは限らないため、第一ユーザ端末１０から送信される現時点での位置情報を利用することで、将来の第一ユーザの位置の予測の精度を高めることができる。また、現時点での例えば、第一ユーザの現時点での体の状態（例えば、空腹度合い）によって移動経路を予測可能なため、移動経路の予測精度を高めることができる。
ステップＳ２０２では、予測部３０３が、第一ユーザの密度が所定の上限値を超える地点（第一の地点）があるか否か判定する。予測部３０３は、所定エリアにおける将来の所定時間毎の各地点における第一ユーザの密度と、所定の上限値とを比較する。ステップＳ２０２で肯定判定された場合にはステップＳ２０３へ進み、否定判定された場合には本ルーチンを終了させる。
ステップＳ２０３では、依頼部３０４が、第一の地点における第一ユーザの密度を所定の上限値以下に減少させることができる移動店舗を選定する。なお、移動店舗の移動によって第一ユーザの密度を所定の上限値以下に減少させることが困難な場合には、第一ユーザの密度を可及的に低下し得る移動店舗を選定してもよい。さらに、ステップＳ２０４において、依頼部３０４は、選定した移動店舗に紐付けされた第二ユーザ端末２０へ送信するための移動依頼を生成する。そして、ステップＳ２０５では、依頼部３０４が、移動依頼を対応する第二ユーザ端末２０へ送信する。
また、ステップＳ２０６において、依頼部３０４は、第一ユーザ端末１０に対して、移動店舗が移動したことを示す情報、及び、移動店舗が移動した位置に関する情報を送信する。この情報は、第一ユーザの密度が所定の上限値を超える時間に第一の地点にいると予測される第一ユーザに対して送信してもよいし、所定エリア内の第一ユーザの全員に送信してもよい。
以上説明したように、サーバ３０が将来に第一ユーザで混雑する地点を予測し、混雑を緩和するように第二ユーザを移動させることにより、混雑の緩和をはかることができる。第一ユーザが自分で経路を調べなくても、サーバ３０からの情報に基づいて第一ユーザ移動すれば、混雑を回避可能である。そして、移動するサービスは、第一ユーザの特性に基づいて選定されているため、第一ユーザがそのサービスの移動に応じて移動経路を変更する確率が高くなる。そのため、混雑をより確実に緩和することができる。また、過去のデータに加えて、現時点でセンシングされるデータを用いて第一ユーザの分布を予測するため、混雑する地点の予測精度を高めることができる。
なお、上記実施形態では、移動店舗を移動させることにより混雑を緩和しているが、第一ユーザの目的地である地点で行われる例えば公演の場所を移動させることにより、混雑を緩和することも可能である。例えば、公演を行う場所を変更することにより、第一ユーザの移動経路を変更させることができるため、第一ユーザが公演場所に到着するまで経由地における混雑を緩和することができる。また、公演を行う場所を変更することにより、公演場所に収容可能な第一ユーザの数を増加することが可能であれば、公演会場における混雑を緩和することができる。公演会場の移動は、２つの公演会場の場所を入れ替えることを含む。また、本実施形態では、同じ建造物内においてサービスを提供する部屋を変更することにより混雑を緩和してもよい。例えば、目的地である部屋において第一ユーザの密度が所定の上限値を超える場合には、収容人数がより多い部屋、または、より広い空間を有する部屋に変更するように第二ユーザに依頼してもよい。このような、ユーザの目的地となる位置を変更する場合においても、上記の行動モデルを適用することができる。
＜第２実施形態＞
第１実施形態では、第一ユーザの密度を所定の上限値以下にすることを目的としているが、本実施形態では、第一ユーザの密度が所定の下限値以上且つ所定の上限値以下となることを目的として、サービスを提供する位置を移動させる。ここで、サービスを提供する位置の移動によって、第一の地点における第一ユーザの密度を低下させることができるが、第一ユーザの密度が低くなりすぎると、第一の地点が閑散とした状態となり得る。そうすると、イベントの人気がないものと第一ユーザが感じることによって、盛り上がりに欠けることとなり、そのイベントの人気が低下する虞がある。これに対して、第一ユーザの密度が所定の下限値以上になるようにサービスを提供する位置を移動させることにより、第一ユーザの密度が過剰に低下することを抑制できるため、閑散とした雰囲気となることを抑制できる。これにより、イベントをさらに盛り上げることができる。所定の下限値は、例えば、許容される第一ユーザの密度の下限値としてもよい。
この場合、図６に示したルーチンのステップＳ２０３において、依頼部３０４は、第一の地点における第一ユーザの密度が、所定の下限値以上且つ所定の上限値以下となる移動店舗を選定する。このようにして、第一ユーザの密度を適度に保つことにより、イベントを盛り上げることができる。
＜第３実施形態＞
第１実施形態では、移動店舗を移動させることにより混雑を緩和しているが、本第３実施形態では、さらに、第一ユーザの目的地である地点で行われるサービスの提供時間（例えば公演の時間）をずらすことにより、混雑を緩和する。例えば、移動店舗の移動だけでは第一ユーザの密度を所定の上限値以下にすることが困難な場合に、目的地におけるサービスの提供時間をずらしてもよいし、移動店舗の移動と目的地におけるサービスの提供時間の変更とを併せて、第一ユーザの密度が所定の上限値以下になるようにしてもよい。
データ取得部３０１は、各第二ユーザ端末２０から変更可能なサービスの提供時間を取
得する。例えば、第二ユーザは、第二ユーザ端末２０に、サービスの内容、サービスの提供時間、サービスの提供時間を変更すると仮定した場合にサービスを提供可能な時間（以下、変更可能時間ともいう。）、などについての情報を入力する。これらの情報が、第二ユーザ端末２０からサーバ３０に送信される。
また、データ取得部３０１は、エリア情報として、第一ユーザ端末１０から、第一ユーザが観覧を希望する公演の内容、時間、位置、などについての情報を取得する。この情報は、例えば、第一ユーザが第一ユーザ端末１０に入力してもよいし、第一ユーザのＳＮＳへの投稿内容に基づいて推定してよい。例えば、所定の時刻に所定の公演に行く旨の投稿があった場合には、所定の時刻に所定の公演が行われる地点を第一ユーザの目的地とする。
モデル管理部３０２は、データ取得部３０１により取得されたエリア情報に基づいて、第一ユーザの行動モデルを生成および更新する。モデル管理部３０２には、データ取得部３０１から送信されたエリア情報が蓄積される。
予測部３０３は、記憶された行動モデルを用いて、現時点の第一ユーザの位置から、所定エリアの将来の所定時間毎の各地点（各ノード及び各リンクとしてもよい。）における、第一ユーザの密度を予測する。予測部３０３は、第一ユーザ端末１０からエリア情報を受信すると、そのエリア情報を特徴量に変換し、行動モデルに入力することで、その第一ユーザの将来の所定時間毎の位置を予測する。
依頼部３０４は、所定エリアの将来の所定時間毎の各地点（各ノード及び各リンクとしてもよい。）の第一ユーザの密度が、所定の上限値を超える地点である第一の地点を抽出する。この所定の上限値は、例えば、各ノード及び各リンクで同じ値であってもよく、異なる値であってもよい。そして、抽出した第一の地点を通過する第一ユーザの数を減少させるように、第二ユーザに対してサービスの提供時間の変更を依頼するリクエスト（以下、変更依頼ともいう。）を生成し、対応する第二ユーザ端末２０に送信する。変更依頼には、例えば、サービスの提供時間の変更を依頼する旨の情報と、変更後のサービスの提供時間に関する情報とが含まれる。依頼部３０４は、例えば、第二ユーザのサービスの提供時間が変更になったと仮定した場合の、所定エリアの将来の所定時間毎の各ノード及び各リンクの第一ユーザの密度が、所定の上限値以下となるように、サービスの提供時間を変更させるサービス及び変更後の時間を選定する。
図７は、サーバ３０が所定エリアにおける混雑を緩和する処理のフローチャートである。図７に示した処理は、例えば、移動店舗の移動だけでは第一ユーザの密度を所定の上限値以下にすることが困難な場合にサーバ３０により実行されてもよいし、移動店舗の移動にかかわらず独立してサーバ３０により実行されてもよい。なお、行動モデルはすでに補助記憶部３３に記憶されているものとして説明する。図６に示したルーチンを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７に示したルーチンでは、ステップＳ２０２で肯定判定されると、ステップＳ３０１へ進む。ステップＳ３０１では、依頼部３０４が、第一の地点における第一ユーザの数を減少させることができるサービスに対応する第二ユーザを選定する。依頼部３０４は、各サービスの提供時間を変更した状態で所定時間毎の各地点の第一ユーザの密度を予測部３０３に予測させ、第一ユーザの密度が所定の上限値以下となるサービス及びそのサービスの提供時間を選定する。
ステップＳ３０２において、依頼部３０４は、選定したサービスに紐付けされた第二ユーザ端末２０へ送信するための変更依頼を生成する。変更依頼は、第二ユーザにサービス
の提供時間の変更を依頼するための情報である。そして、ステップＳ３０３では、依頼部３０４が、変更依頼を対応する第二ユーザ端末２０へ送信する。
また、ステップＳ３０４において、依頼部３０４は、第一ユーザ端末１０に対して、サービスの提供時間が変更になったことを示す情報、及び、変更後のサービスの提供時間に関する情報を送信する。この情報は、第一ユーザの密度が所定の上限値を超える時間に第一の地点にいると予測される第一ユーザに対して送信してもよいし、所定エリア内の第一ユーザの全員に送信してもよい。
以上説明したように、サーバ３０が将来に第一ユーザで混雑する地点を予測し、混雑を緩和するようにサービスの提供時間を変更させることにより、混雑の緩和をはかることもできる。なお、本実施形態では、第一ユーザの目的地におけるサービスの提供時間を変更しているが、これに代えて、経由地におけるサービスの提供時間（例えば、移動店舗の営業時間）を変更してもよい。
＜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。
上記実施形態では、第一ユーザ端末１０の位置情報を用いて第一ユーザの現在地を取得し、この第一ユーザの現在地に基づいて将来の混雑を予測しているが、これに代えて、カメラ等のセンサによって検出される第一ユーザの数に基づいて将来の混雑を予測してもよい。
上記実施形態では、第二ユーザが移動依頼に応じて移動店舗を移動させるものとして説明したが、第二ユーザは、移動店舗の移動を断ることもできる。この場合、サーバ３０が第二ユーザ端末２０に店舗を移動可能であるか否かを問い合わせ、第二ユーザ端末２０から移動可能であるとの回答を得られた場合に限り、その第二ユーザ端末２０に対して移動依頼を送信してもよい。一方、移動可能でないとの回答を得た場合には、他の移動可能な第二ユーザを探してもよい。
上記実施形態は、例えば、カーシェアリングサービスにも適用可能である。例えば、第一ユーザからの予約情報および問い合わせに応じて、需要が高い地点を予測し、その地点により多くの車両が配置されるように、第二ユーザに対して通知してもよい。
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 システム
１０ 第一ユーザ端末
１７ 位置情報センサ
２０ 第二ユーザ端末
３０ サーバ
３１ プロセッサ
３２ 主記憶部
３３ 補助記憶部
３４ 通信部
３０１ データ取得部
３０２ モデル管理部
３０３ 予測部
３０４ 依頼部

Claims (20)

  1. 所定エリアにおける第一ユーザの分布を予測することと、
    前記予測した第一ユーザの分布に基づいて、将来に前記所定エリアにおいて前記第一ユーザの密度が所定の上限値を超える地点である第一の地点を予測することと、
    前記所定エリアにおける前記第一の地点以外の第二の地点でのサービスの提供を促すことに関する情報を、前記サービスの提供者である第二ユーザの端末に送信することと、
    を実行する制御部を備え、
    前記制御部は、
    夫々の前記第一ユーザの特性および夫々の前記第一ユーザの目的地を取得することと、
    夫々の前記第一ユーザの特性および夫々の前記第一ユーザの目的地に基づいて、夫々の前記第一ユーザの移動経路を予測することと、
    を実行し、
    夫々の前記第一ユーザの移動経路に基づいて、前記所定エリアにおける第一ユーザの分布を予測する、
    情報処理装置。
  2. 前記制御部は、前記第二ユーザが、前記サービスを提供する地点を前記第一の地点から前記第二の地点へ変更した場合に、前記第一の地点における前記第一ユーザの密度が前記所定の上限値以下となるように、前記第二の地点を選定する、
    請求項１に記載の情報処理装置。
  3. 前記制御部は、前記第二ユーザが、前記サービスを提供する地点を前記第一の地点から前記第二の地点へ変更した場合に、前記第一の地点における前記第一ユーザの密度が、前記所定の上限値よりも小さい所定の下限値以上、且つ、前記所定の上限値以下となるように、前記第二の地点を選定する、
    請求項１に記載の情報処理装置。
  4. 前記制御部は、前記第一ユーザの分布を、前記第一ユーザの現在地を検出するセンサの
    検出値に基づいて予測する、請求項１から３の何れか１項に記載の情報処理装置。
  5. 前記制御部は、前記第二ユーザのサービスに関する情報と、前記第一ユーザの特性に関する情報と、前記第一ユーザの位置情報と、を含む情報であるエリア情報に基づいて、夫々の前記第一ユーザの移動経路を予測する、
    請求項１から４の何れか１項に記載の情報処理装置。
  6. 前記制御部は、前記エリア情報を入力データ、前記第一ユーザの移動経路を教師データとして機械学習モデルを学習し、学習済みの前記機械学習モデルに夫々の前記第一ユーザから取得する前記エリア情報を入力することで夫々の前記第一ユーザの移動経路を予測する、
    請求項５に記載の情報処理装置。
  7. 前記制御部は、前記第一ユーザの特性に関する情報を、前記第一ユーザの過去の移動履歴に基づいて取得する、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、夫々の前記第一ユーザの特性に基づいて、前記第二の地点でのサービスの提供を促すことに関する情報を送信する前記第二ユーザを選定する、
    請求項１から７の何れか１項に記載の情報処理装置。
  9. 前記第一ユーザの特性は、前記第一ユーザの趣味または嗜好を含む、
    請求項１から８の何れか１項に記載の情報処理装置。
  10. 前記第一ユーザの特性は、第一ユーザの性別、年齢、同伴者の性別、同伴者の年齢、または、同伴者の数を含む、
    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、前記第一の地点において前記サービスを提供する前記第二ユーザの端末に対して、前記サービスを提供する時間を変更することを促すことに関する情報を送信する、
    請求項１から１０の何れか１項に記載の情報処理装置。
  12. 前記制御部は、前記第一の地点において前記サービスを提供する前記第二ユーザの端末に対して、前記サービスを提供する空間の大きさを、前記第一ユーザの密度に基づいて変更することを促すことに関する情報を送信する、
    請求項１から１１の何れか１項に記載の情報処理装置。
  13. 前記第二ユーザは、前記第一ユーザの目的地におけるサービスの提供者である、
    請求項１から１２の何れか１項に記載の情報処理装置。
  14. 前記第二ユーザは、前記第一ユーザの経由地におけるサービスの提供者である、
    請求項１から１２の何れか１項に記載の情報処理装置。
  15. 前記制御部は、前記第一ユーザの端末に、前記第二の地点でサービスの提供を受けることを促すことに関する情報を送信する、
    請求項１から１４の何れか１項に記載の情報処理装置。
  16. コンピュータが、
    所定エリアにおける第一ユーザの分布を予測することと、
    前記予測した第一ユーザの分布に基づいて、将来に前記所定エリアにおいて前記第一ユ
    ーザの密度が所定の上限値を超える地点である第一の地点を予測することと、
    前記所定エリアにおける前記第一の地点以外の第二の地点でのサービスの提供を促すことに関する情報を、前記サービスの提供者である第二ユーザの端末に送信することと、
    夫々の前記第一ユーザの特性および夫々の前記第一ユーザの目的地を取得することと、
    夫々の前記第一ユーザの特性および夫々の前記第一ユーザの目的地に基づいて、夫々の前記第一ユーザの移動経路を予測することと、
    を実行し、
    夫々の前記第一ユーザの移動経路に基づいて、前記所定エリアにおける第一ユーザの分布を予測する、
    情報処理方法。
  17. 前記コンピュータは、前記第二ユーザのサービスに関する情報と、前記第一ユーザの特性に関する情報と、前記第一ユーザの位置情報と、を含む情報であるエリア情報に基づいて、夫々の前記第一ユーザの移動経路を予測する、
    請求項１６に記載の情報処理方法。
  18. 前記コンピュータは、前記エリア情報を入力データ、前記第一ユーザの移動経路を教師データとして機械学習モデルを学習し、学習済みの前記機械学習モデルに夫々の前記第一ユーザから取得する前記エリア情報を入力することで夫々の前記第一ユーザの移動経路を予測する、
    請求項１７に記載の情報処理方法。
  19. 所定エリアにおける第一ユーザに関する情報が入力される第一ユーザの端末と、
    前記所定エリア内でサービスを提供する第二ユーザの端末と、
    前記第一ユーザの端末に入力された前記第一ユーザに関する情報に基づいて、前記所定エリアにおける前記第一ユーザの分布を予測することと、
    前記予測した第一ユーザの分布に基づいて、将来の前記所定エリアにおいて前記第一ユーザの密度が所定の上限値を超える地点である第一の地点を予測することと、
    前記所定エリアにおいて、前記第一の地点以外の第二の地点でのサービスの提供を促すことに関する情報を前記第二ユーザの端末に送信することと、
    を実行する制御部を備える情報処理装置と、
    を備え、
    前記制御部は、
    夫々の前記第一ユーザの特性および夫々の前記第一ユーザの目的地を取得することと、
    夫々の前記第一ユーザの特性および夫々の前記第一ユーザの目的地に基づいて、夫々の前記第一ユーザの移動経路を予測することと、
    を実行し、
    夫々の前記第一ユーザの移動経路に基づいて、前記所定エリアにおける第一ユーザの分布を予測する、
    システム。
  20. 前記制御部は、前記第二ユーザのサービスに関する情報と、前記第一ユーザの特性に関する情報と、前記第一ユーザの位置情報と、を含む情報であるエリア情報に基づいて、夫々の前記第一ユーザの移動経路を予測する、
    請求項１９に記載のシステム。
JP2020057638A 2020-03-27 2020-03-27 情報処理装置、情報処理方法、及び、システム Active JP7272988B2 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2020057638A JP7272988B2 (ja) 2020-03-27 2020-03-27 情報処理装置、情報処理方法、及び、システム
US17/203,983 US11902854B2 (en) 2020-03-27 2021-03-17 Information processing apparatus, information processing method, and system
CN202110320669.9A CN113449903B (zh) 2020-03-27 2021-03-25 信息处理装置、信息处理方法以及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2020057638A JP7272988B2 (ja) 2020-03-27 2020-03-27 情報処理装置、情報処理方法、及び、システム

Publications (2)

Publication Number Publication Date
JP2021157542A JP2021157542A (ja) 2021-10-07
JP7272988B2 true JP7272988B2 (ja) 2023-05-12

Family

ID=77809331

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020057638A Active JP7272988B2 (ja) 2020-03-27 2020-03-27 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) US11902854B2 (ja)
JP (1) JP7272988B2 (ja)
CN (1) CN113449903B (ja)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013132778A1 (ja) 2012-03-08 2013-09-12 日本電気株式会社 情報処理システム、情報処理方法、情報処理装置およびその制御方法と制御プログラム
JP2016042276A (ja) 2014-08-18 2016-03-31 日本電信電話株式会社 経路混雑緩和装置およびその動作方法
JP2016042275A (ja) 2014-08-18 2016-03-31 日本電信電話株式会社 混雑緩和装置及び混雑緩和方法
JP2016157372A (ja) 2015-02-26 2016-09-01 三菱重工メカトロシステムズ株式会社 交通流制御装置、交通流制御システム、携帯型記録装置、交通流制御方法及びプログラム
JP2017059099A (ja) 2015-09-18 2017-03-23 オムロン株式会社 行動制御システム及び行動制御方法

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003248713A (ja) * 2002-02-25 2003-09-05 Mazda Motor Corp 旅行ルート作成支援装置、旅行ルート作成支援方法、旅行ルート作成支援プログラム、及び該旅行ルート作成支援プログラムを記録したコンピュータ読み取り可能な記録媒体
US8108406B2 (en) * 2008-12-30 2012-01-31 Expanse Networks, Inc. Pangenetic web user behavior prediction system
WO2014083779A1 (ja) * 2012-11-30 2014-06-05 パナソニック株式会社 情報提供方法
JP2016035412A (ja) * 2014-08-01 2016-03-17 富士通株式会社 分布予測プログラム、分布予測方法、分布予測装置、およびシステム
CN104123398B (zh) * 2014-08-15 2018-01-05 百度在线网络技术（北京）有限公司 一种信息推送方法及装置
JP5775243B1 (ja) * 2015-02-20 2015-09-09 楽天株式会社 情報処理装置、情報処理方法及び情報処理プログラム
KR20170005969A (ko) * 2015-07-06 2017-01-17 에스케이플래닛 주식회사 사용자 장치, 서비스 제공 장치, 그를 포함하는 설문 조사 시스템, 그의 제어 방법 및 컴퓨터 프로그램이 기록된 기록매체
JP5956035B1 (ja) * 2015-08-10 2016-07-20 株式会社リクルートホールディングス 待ち時間推定システムおよび待ち時間推定方法
CN105246033B (zh) * 2015-09-14 2019-07-23 百度在线网络技术（北京）有限公司 一种基于终端定位的人群状态监测方法和监测装置
CN107153882B (zh) * 2016-03-03 2021-10-15 北京嘀嘀无限科技发展有限公司 乘客打车时刻分布区间的预测方法和系统
WO2017182803A1 (en) * 2016-04-19 2017-10-26 Skyscanner Limited Browsing methods, computer program products, servers and systems
JP6738017B2 (ja) * 2016-08-09 2020-08-12 富士通クライアントコンピューティング株式会社 情報処理装置及びグループ化プログラム
KR20180068828A (ko) * 2016-12-14 2018-06-22 삼성전자주식회사 주행 정보 추정 방법 및 장치
JP6477786B2 (ja) * 2017-06-15 2019-03-06 株式会社Ｊｖｃケンウッド 情報選択装置、及びコンピュータプログラム
US11227256B2 (en) * 2017-08-15 2022-01-18 Verizon Media Inc. Method and system for detecting gaps in data buckets for A/B experimentation
CN109919622B (zh) * 2019-02-22 2020-10-23 杭州复杂美科技有限公司 交易替换方法、设备和存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013132778A1 (ja) 2012-03-08 2013-09-12 日本電気株式会社 情報処理システム、情報処理方法、情報処理装置およびその制御方法と制御プログラム
JP2016042276A (ja) 2014-08-18 2016-03-31 日本電信電話株式会社 経路混雑緩和装置およびその動作方法
JP2016042275A (ja) 2014-08-18 2016-03-31 日本電信電話株式会社 混雑緩和装置及び混雑緩和方法
JP2016157372A (ja) 2015-02-26 2016-09-01 三菱重工メカトロシステムズ株式会社 交通流制御装置、交通流制御システム、携帯型記録装置、交通流制御方法及びプログラム
JP2017059099A (ja) 2015-09-18 2017-03-23 オムロン株式会社 行動制御システム及び行動制御方法

Also Published As

Publication number Publication date
US20210306796A1 (en) 2021-09-30
CN113449903A (zh) 2021-09-28
US11902854B2 (en) 2024-02-13
CN113449903B (zh) 2024-03-08
JP2021157542A (ja) 2021-10-07

Similar Documents

Publication Publication Date Title
JP6530092B2 (ja) サーバー制御のゾーン内でのユーザー機器へのホットスポットの提供
US11392413B2 (en) Provision of computer resources based on location history
Lim et al. Personalized trip recommendation for tourists based on user interests, points of interest visit durations and visit recency
US10371541B2 (en) Using geographic familiarity to generate navigation directions
RU2721176C2 (ru) Системы и способы для предсказания поведения пользователя на основе данных о местоположении
US20070005419A1 (en) Recommending location and services via geospatial collaborative filtering
US10976172B2 (en) Recommending destinations of map-related requests using categorization
KR20120032251A (ko) 소셜 그룹 생성 및 연결 방법, 그 방법을 수행할 수 있는 유저 디바이스, 서버 및 저장 매체
US9817907B1 (en) Using place of accommodation as a signal for ranking reviews and point of interest search results
JP2019070530A (ja) 情報処理装置、情報処理方法、及びプログラム
Liu et al. Research on efficient online planning of emergency logistics path based on double-layer ant colony optimization algorithm
Zhuang et al. Location-based big data analytics for guessing the next Foursquare check-ins
JP7272988B2 (ja) 情報処理装置、情報処理方法、及び、システム
JP5615777B2 (ja) 経路案内装置及び経路案内方法
JP7071940B2 (ja) 提供装置、提供方法および提供プログラム
Kitayama et al. A route recommender system based on the user’s visit duration at sightseeing locations
JP5900487B2 (ja) 移動体管理システム、移動体管理サーバ、移動体管理方法および移動体管理プログラム
JP2020030456A (ja) 情報処理装置、情報処理方法および情報処理プログラム
KR102655723B1 (ko) 장소 추천 방법 및 시스템
KR102346817B1 (ko) 사용자의 위치에 기반하여 도서를 추천하는 방법 및 이를 위한 장치
JP6902009B2 (ja) 生成装置、生成方法及び生成プログラム
JP6381715B1 (ja) 提供装置、提供方法、提供プログラム、決定装置、決定方法、及び決定プログラム
JP2020030493A (ja) 決定装置、決定方法、決定プログラム
KR20220109249A (ko) 장소 추천 방법 및 시스템
JP2022190967A (ja) 提供装置、提供方法及び提供プログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220303

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20230125

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230131

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230313

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: 20230404

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230427

R151 Written notification of patent or utility model registration

Ref document number: 7272988

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151