JP7397663B2 - 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 - Google Patents
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 Download PDFInfo
- Publication number
- JP7397663B2 JP7397663B2 JP2019233572A JP2019233572A JP7397663B2 JP 7397663 B2 JP7397663 B2 JP 7397663B2 JP 2019233572 A JP2019233572 A JP 2019233572A JP 2019233572 A JP2019233572 A JP 2019233572A JP 7397663 B2 JP7397663 B2 JP 7397663B2
- Authority
- JP
- Japan
- Prior art keywords
- learning model
- vehicle
- input
- taxi
- outputs
- 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
Links
- 238000000034 method Methods 0.000 title claims description 32
- 238000013528 artificial neural network Methods 0.000 title claims description 12
- 238000012545 processing Methods 0.000 claims description 21
- 230000007613 environmental effect Effects 0.000 claims description 20
- 230000029305 taxis Effects 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 17
- 230000004044 response Effects 0.000 claims description 11
- 238000010586 diagram Methods 0.000 description 21
- 238000004891 communication Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 4
- 230000010365 information processing Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
Description
以下実施の形態を、図面を参照して説明する。図1はお迎え時間予測システムの構成例を示す説明図である。お迎え時間予測システム100は出力サーバ1、乗客端末2及びタクシー3を含む。乗客端末2は複数台でもよい。タクシー3は複数台が前提である。出力サーバ1、乗客端末2及びタクシー3はネットワークNを介して通信可能に接続されている。出力サーバ1は、乗客端末2から送信されたタクシー3の配車要求に関して、要求がされてからタクシー3がお迎え場所へ到着するまでの所要時間を予測し、乗客端末2へ送信する。乗客端末2はタクシー3に乗車しようとする乗客が利用する端末である。タクシー3は、運行しており、空車の車両である。タクシー3はGPS(Global Positioning System)受信機、ジャイロ、スピードメータ、加速度計等の計測装置により、位置、走行速度、走行方向が測定可能である。タクシー3は、測定した位置、走行速度、走行方向を出力サーバ1へ送信する無線通信機を備える。
本実施の形態は学習モデル14の入力に環境特徴量を追加する形態に関する。お迎え場所までの所要時間は道路の混雑状況によって変動する。そして、混雑状況には一定の傾向が認められる。日、曜日、平日か祝休日かによって、道路の混雑状況が変動することが知られている。環境特徴量はタクシー3との因果関係は薄いが道路の混雑状況に影響すると思われる項目を集めたものである。本実施の形態におけるシステム構成、ハードウェア構成、情報処理は実施の形態1と同様である。以下の説明においては、実施の形態1と異なる点を説明する。
今回開示された実施の形態はすべての点で例示であって、制限的なものではないと考えられるべきである。本発明の範囲は、上記した意味ではなく、特許請求の範囲によって示され、特許請求の範囲と均等の意味及び範囲内でのすべての変更が含まれることが意図される。
1 出力サーバ
11 制御部
12 主記憶部
13 補助記憶部
131 運行履歴DB
132 車両特徴量DB
133 配車実績DB
134 教師データDB
135 環境特徴量DB
14 学習モデル
141 第1モデル
142 第2モデル
15 通信部
16 計時部
17 読み取り部
1P 制御プログラム
1a 可搬型記憶媒体
1b 半導体メモリ
2 乗客端末
21 制御部
22 主記憶部
23 補助記憶部
24 通信部
25 位置情報取得部
26 入力部
27 表示部
2P 制御プログラム
3 タクシー
Claims (9)
- タクシーの配車要求に応じて、配車候補となる複数台のタクシー毎に対応付けられた車両特徴量を取得し、
タクシー到着までの所要時間を出力する、第1の学習モデル及び第2の学習モデルを含む学習モデルへ、取得した複数台のタクシーについての複数の車両特徴量を入力し、
前記学習モデルより得た前記所要時間を出力する
処理において、
前記第1の学習モデルは、複数の前記車両特徴量を入力とし、入力された複数の前記車両特徴量の各々に対する重みを出力し、
前記第2の学習モデルは、複数の前記車両特徴量及び前記車両特徴量の各々に対する前記重みを入力とし、前記所要時間を出力する
処理をコンピュータに行わせることを特徴とする出力プログラム。 - 前記車両特徴量は、出発地の地理座標、お迎え場所の地理座標、出発時の方向及び速度、前記出発地から前記お迎え場所への方向及び直線距離並びに該直線距離の順位を少なくとも1つ含む
ことを特徴とする請求項1に記載の出力プログラム。 - 前記学習モデルは、入力として環境特徴量を含む
ことを特徴とする請求項1又は請求項2に記載の出力プログラム。 - 前記第2の学習モデルは、前記車両特徴量及び前記重み並びに環境特徴量を入力とする
ことを特徴とする請求項1から請求項3の何れか1項に記載の出力プログラム。 - 前記環境特徴量は、月日、曜日及び時刻並びに祝休日の区別を少なくとも1つを含む
ことを特徴とする請求項3又は請求項4に記載の出力プログラム。 - タクシーの配車要求に応じて、配車候補となる複数台のタクシー毎に対応付けられた車両特徴量を取得する取得部と、
複数台のタクシーについての車両特徴量を入力した場合に、タクシー到着までの所要時間を出力する、第1の学習モデル及び第2の学習モデルを含む学習モデルへ取得した複数の車両特徴量を入力する入力部と、
前記学習モデルより得た前記所要時間を出力する出力部と
を備え、
前記第1の学習モデルは、複数の前記車両特徴量を入力とし、入力された複数の前記車両特徴量の各々に対する重みを出力し、
前記第2の学習モデルは、複数の前記車両特徴量及び前記車両特徴量の各々に対する前記重みを入力とし、前記所要時間を出力する
ことを特徴とする出力装置。 - 複数台のタクシーについての車両特徴量を入力した場合に、タクシー到着までの所要時間を出力する、第1の学習モデル及び第2の学習モデルを含む学習モデルを記憶した記憶部を有するコンピュータが、
タクシーの配車要求に応じて、配車候補となる複数台のタクシー毎に対応付けられた車両特徴量を取得し、
前記学習モデルへ取得した複数の車両特徴量を入力し、
前記学習モデルより得た前記所要時間を出力する
処理を実行するにおいて、
前記第1の学習モデルは、複数の前記車両特徴量を入力とし、入力された複数の前記車両特徴量の各々に対する重みを出力し、
前記第2の学習モデルは、複数の前記車両特徴量及び前記車両特徴量の各々に対する前記重みを入力とし、前記所要時間を出力する
ことを特徴とする出力方法。 - タクシーの配車要求に応じて、配車候補となる複数台のタクシー毎に対応付けられた車両特徴量と、タクシー到着までの所要時間とを対応付けた教師データを取得し、
取得した前記教師データに基づき、複数の前記車両特徴量を入力した場合に、前記所要時間を出力する学習モデルを生成する
処理において、
前記教師データに基づき、複数の前記車両特徴量を入力した場合に、入力された複数の前記車両特徴量の各々に対する重みを出力する第1の学習モデルを生成し、
前記教師データに基づき、複数の前記車両特徴量及び前記車両特徴量の各々に対する前記重みを入力した場合に、前記所要時間を出力する第2の学習モデルを生成し、
生成した前記第1の学習モデル及び前記第2の学習モデルに基づき、前記学習モデルを生成する
処理をコンピュータが実行することを特徴とする学習モデルの生成方法。 - タクシーの配車要求に応じて生成された複数台のタクシーについての複数の車両特徴量を入力とし、入力された複数の前記車両特徴量の各々に対する重みを出力する第1のニューラルネットワークと、
複数の前記車両特徴量及び前記第1のニューラルネットワークから得た複数の前記車両特徴量の各々に対する重みを入力とし、前記配車要求に係るお迎え場所に到着するまでの所要時間を出力する第2のニューラルネットワークとを
1つ以上のコンピュータによって実装するニューラルネットワークシステム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019233572A JP7397663B2 (ja) | 2019-12-24 | 2019-12-24 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019233572A JP7397663B2 (ja) | 2019-12-24 | 2019-12-24 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021103385A JP2021103385A (ja) | 2021-07-15 |
JP7397663B2 true JP7397663B2 (ja) | 2023-12-13 |
Family
ID=76755187
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019233572A Active JP7397663B2 (ja) | 2019-12-24 | 2019-12-24 | 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 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7397663B2 (ja) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002251433A (ja) | 2001-02-22 | 2002-09-06 | Nec Corp | タクシー配車方法並びにシステム |
JP2019020928A (ja) | 2017-07-13 | 2019-02-07 | 株式会社 ディー・エヌ・エー | 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 |
JP2019020787A (ja) | 2017-07-11 | 2019-02-07 | 株式会社 ディー・エヌ・エー | 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 |
JP2019040509A (ja) | 2017-08-28 | 2019-03-14 | 株式会社 ディー・エヌ・エー | 車両の配車を管理するためのシステム、方法、及びプログラム |
-
2019
- 2019-12-24 JP JP2019233572A patent/JP7397663B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002251433A (ja) | 2001-02-22 | 2002-09-06 | Nec Corp | タクシー配車方法並びにシステム |
JP2019020787A (ja) | 2017-07-11 | 2019-02-07 | 株式会社 ディー・エヌ・エー | 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 |
JP2019020928A (ja) | 2017-07-13 | 2019-02-07 | 株式会社 ディー・エヌ・エー | 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 |
JP2019040509A (ja) | 2017-08-28 | 2019-03-14 | 株式会社 ディー・エヌ・エー | 車両の配車を管理するためのシステム、方法、及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2021103385A (ja) | 2021-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10948301B2 (en) | Systems and methods for recommending an estimated time of arrival | |
JP6804792B2 (ja) | 到着時間を推定するためのシステムおよび方法 | |
CA3077984C (en) | Systems and methods for determining estimated time of arrival | |
TWI673659B (zh) | 用於確定預估到達時間的電子系統和方法及相關的非暫時性電腦可讀取媒體 | |
US20200011692A1 (en) | Systems and methods for recommending an estimated time of arrival | |
US9945678B2 (en) | Navigation system with arrival time mechanism and method of operation thereof | |
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 | |
CN110140135A (zh) | 信息处理方法、信息处理系统和信息处理装置 | |
CN111833600B (zh) | 通行时间预测方法、装置及数据处理设备 | |
JP6965426B2 (ja) | 到着時間を推定するためのシステムおよび方法 | |
CN111861622A (zh) | 一种确定上车点推荐模型的方法和系统 | |
US11725945B2 (en) | System and method for providing localization using inertial sensors | |
JP7397663B2 (ja) | 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 | |
US20210407031A1 (en) | Utilizing digital signals to intelligently monitor client device transit progress and generate dynamic public transit interfaces | |
JP2021009448A (ja) | 情報処理システム及び情報処理方法 | |
CN109976167A (zh) | 输送系统、信息处理装置以及信息处理方法 | |
US20210103888A1 (en) | Estimating system, estimating method, and information storage medium | |
CN112088106A (zh) | 提供车辆导航模拟环境的方法和装置 | |
US12002001B2 (en) | Integrated multi-location scheduling, routing, and task management | |
US20240183671A1 (en) | Providing Navigational Instructions Based On Contextual Data | |
US20220292434A1 (en) | Resource planning for delivery of goods | |
US20230342708A1 (en) | Integrated multi-location scheduling, routing, and task management | |
Yu et al. | Design of Intelligent Dispatching System for Logistics Distribution Vehicles Based on Transfer Learning | |
WO2023172259A1 (en) | Providing navigational instructions based on contextual data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20200121 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221111 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230829 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230905 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231018 |
|
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: 20231114 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231201 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7397663 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R360 | Written notification for declining of transfer of rights |
Free format text: JAPANESE INTERMEDIATE CODE: R360 |
|
R360 | Written notification for declining of transfer of rights |
Free format text: JAPANESE INTERMEDIATE CODE: R360 |