JPWO2019167685A1 - 訪問時刻決定装置 - Google Patents
訪問時刻決定装置 Download PDFInfo
- Publication number
- JPWO2019167685A1 JPWO2019167685A1 JP2020503401A JP2020503401A JPWO2019167685A1 JP WO2019167685 A1 JPWO2019167685 A1 JP WO2019167685A1 JP 2020503401 A JP2020503401 A JP 2020503401A JP 2020503401 A JP2020503401 A JP 2020503401A JP WO2019167685 A1 JPWO2019167685 A1 JP WO2019167685A1
- Authority
- JP
- Japan
- Prior art keywords
- visit
- destination
- time
- visit time
- time determination
- 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.)
- Pending
Links
- 238000012384 transportation and delivery Methods 0.000 description 28
- 238000000034 method Methods 0.000 description 25
- 230000006870 function Effects 0.000 description 13
- 238000004891 communication Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 5
- 230000005484 gravity Effects 0.000 description 5
- 238000010295 mobile communication Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000013145 classification model Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 239000006249 magnetic particle Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
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"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- 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
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
-
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0835—Relationships between shipper or supplier and carriers
- G06Q10/08355—Routing methods
-
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0838—Historical data
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Telephonic Communication Services (AREA)
Abstract
訪問先への効率的な訪問を可能にする。訪問時刻決定装置10は、複数の訪問先に対して訪問時刻を決定する装置である。訪問時刻決定装置10は、訪問先毎の訪問時刻を決定する訪問時刻決定部11と、決定された訪問時刻毎に、訪問先の地理的な位置に基づいて訪問先をクラスタリングするクラスタリング部12と、クラスタリングの結果に基づいて、複数の訪問先から訪問時刻を再決定する訪問先を選択する再決定訪問先選択部13とを備える。訪問時刻決定部11は、再決定訪問先選択部13によって選択された訪問先について、決定した訪問時刻以外の時刻から、訪問先の訪問時刻を再決定する。
Description
本発明は、複数の訪問先に対して訪問時刻を決定する訪問時刻決定装置に関する。
従来から、効率的に荷物の配送が行える配送経路を生成することが提案されている(例えば、特許文献1参照)。
荷物を個人に配送する場合には、配送先の世帯が不在であると配送を行うことができず、再配達等が必要となる。従って、例えば、移動距離(走行距離)が最小となるように配送先を訪問したとしても、必ずしも居住者が在宅しているとは限らず、効率的な配送が行えない場合がある。一方で在宅可能性を考慮して、例えば、在宅可能性が最も高い時間だけに訪問しようとすると、時間帯によっては配送数が多くなって配送者に過剰な負荷を強いる可能性が生じたり、移動距離が多くなってしまう可能性が生じたりする。
本発明の一実施形態は、上記に鑑みてなされたものであり、訪問先への効率的な訪問を可能にする訪問時刻決定装置を提供することを目的とする。
上記の目的を達成するために、本発明の一実施形態に係る訪問時刻決定装置は、複数の訪問先に対して訪問時刻を決定する訪問時刻決定装置であって、訪問先毎の訪問時刻を決定する訪問時刻決定部と、訪問時刻決定部によって決定された訪問時刻毎に、訪問先の地理的な位置に基づいて訪問先をクラスタリングするクラスタリング部と、クラスタリング部によるクラスタリングの結果に基づいて、複数の訪問先から訪問時刻を再決定する訪問先を選択する再決定訪問先選択部と、を備え、訪問時刻決定部は、再決定訪問先選択部によって選択された訪問先について、決定した訪問時刻以外の時刻から、訪問先の訪問時刻を再決定する。
本発明の一実施形態に係る訪問時刻決定装置では、訪問先の訪問時刻を決定した後、訪問先の地理的な位置に基づくクラスタリングの結果に応じて訪問時間の再決定が行われる。例えば、在宅可能性を考慮した訪問時刻の決定が行われた後、訪問先の位置を考慮した訪問時刻の再決定が行われる。従って、本発明の一実施形態に係る訪問時刻決定装置によれば訪問先への効率的な訪問を可能にすることができる。
本発明の一実施形態によれば、訪問時間の再決定によって、訪問先への効率的な訪問を可能にすることができる。
以下、図面と共に本発明に係る訪問時刻決定装置の実施形態について詳細に説明する。なお、図面の説明においては同一要素には同一符号を付し、重複する説明を省略する。
図1に本実施形態に係る訪問時刻決定装置10を示す。訪問時刻決定装置10は、複数の訪問先に対して訪問時刻(訪問タイミング)を決定する装置(システム)である。具体的には、訪問時刻決定装置10は、訪問時刻として、配送業者が荷物を訪問先(配送先)に配送(配達)する訪問時刻(配送時刻、配送タイミング)を決定する。荷物の配送を行う際には、訪問先の居住者が在宅している必要がある。そのため、訪問時刻決定装置10は、訪問先の居住者の在宅を予測して訪問時刻を決定する。訪問時刻決定装置10は、例えば、荷物毎に1時間単位の何れの時間帯で当該荷物を配送するかを1日(配送を行う日)単位で決定する。また、訪問時刻決定装置10は、当該1時間単位で訪問先をどのような順番で訪問するかを決定してもよい。
訪問時刻決定装置10は、例えば、訪問時刻の決定を営業所単位等で行うこととしてもよい。即ち、訪問時刻の決定対象となる訪問先の集合は、例えば、一つの営業所が受け持つ配送(訪問)エリアに含まれるものであってもよい。配送エリアは、予め設定された地理的なエリアであり、具体的には、丁目、区画、標準地域メッシュ等である。
引き続いて、本実施形態に係る訪問時刻決定装置10の機能を説明する。図1に示すように訪問時刻決定装置10は、訪問時刻決定部11と、クラスタリング部12と、再決定訪問先選択部13と、出力部14とを備えて構成される。
訪問時刻決定部11は、訪問先毎に訪問時刻を決定する機能部である。訪問時刻決定部11は、訪問先及び時刻毎に当該訪問先における在宅の予測を行って、当該予測の結果に基づいて訪問先毎に訪問時刻を決定する。
訪問時刻決定装置10では、訪問先毎の訪問時刻は再決定される(段階的に決定される)場合がある。具体的には、訪問時刻決定部11によって、一旦、全ての訪問先について訪問時刻が決定される。その後、クラスタリング部12及び再決定訪問先選択部13によって、訪問時刻が再決定される訪問先が選択される(但し、当該訪問先が選択されない場合もある)。選択された訪問先については、訪問時刻決定部11によって改めて訪問時刻が決定される。その後、訪問時刻が再決定される訪問先の選択と当該訪問先についての訪問時刻の決定が、選択される訪問先がなくなるまで繰り返される。
訪問時刻決定部11は、まず、以下のように全ての訪問先について訪問時刻を決定する。決定される訪問時刻は、配送を行う時間帯における1時間単位の時刻(8時台、9時台…)とする。但し、必ずしも1時間単位でなくてもよく、分単位等の任意の単位(例えば、5分単位、10分単位)としてもよい。訪問時刻決定部11は、訪問時刻の決定対象となる(配送する荷物がある)複数の訪問先それぞれについて、訪問先の在宅の予測に用いる訪問先に係る情報を取得する。訪問時刻決定部11は、予め記憶した予測モデル(分類モデル、分類器)を用いて取得した情報を用いて訪問先の在宅の予測を行う。例えば、訪問時刻決定部11は、予測モデルを用いて、決定される訪問時刻と同様に1時間毎(例えば、8時台、9時台…)に訪問先の在宅の可能性を示す値である在宅スコアを算出する。
上記の訪問先に係る情報(予測モデルに入力される情報)は、訪問先毎の情報を含む。例えば、訪問先における過去に訪問した際の在宅率を当該情報としてもよい。また、当該情報は、時刻毎の情報であってもよく、予測対象の時刻と1日のうちの同時刻(8時台、9時台…)の過去の情報が、予測に用いる情報として取得される。
また、上記の訪問先に係る情報は、訪問先毎の情報に加えて、訪問先が位置する地理的なエリアの情報を含んでいてもよい。当該地理的なエリアは、予め設定されている。例えば、予測対象となる地域を、一辺が数百m程度の矩形に区切ったメッシュ(例えば、標準地域メッシュ)のそれぞれを上記のエリアとする。以降の説明では、エリアをメッシュとして説明する。但し、エリアは、必ずしもメッシュである必要はない。メッシュの情報を用いることで、訪問先毎の情報がない訪問先についても、在宅を予測することができる。
メッシュの情報として、メッシュの居住者が所持している移動通信端末の在圏状態を示す情報を用いることとしてもよい。当該在圏状態を示す情報は、例えば、当該メッシュの居住者が所持している移動通信端末のうち、当該メッシュに位置している基地局(携帯電話基地局)の配下にある移動通信端末(当該基地局と無線通信を行っている移動通信端末)の数の割合(例えば、パーセントの値)である。当該割合は、当該メッシュの居住者が当該メッシュにいる割合、即ち、居住者が在宅している(可能性が高い)割合である。また、当該割合は、世代(年代)及び性別毎の値であってもよい。また、当該割合は、時刻(時間帯)毎(例えば、1時間毎)の値であってもよく、予測対象の時刻の情報が取得される。また、当該情報は、予測対象の時刻そのものの情報であっても、1日のうちの同時刻(8時台、9時台…)の過去の情報であってもよい(時刻に応じた情報については、以下も同様)。
また、メッシュの情報として、メッシュの居住者の年齢毎の在宅率を示す情報を用いることとしてもよい。当該在圏状態を示す情報は、例えば、10歳刻みの世代毎の当該メッシュの居住者の在宅率(例えば、パーセントの値)である。また、当該在宅率は、性別毎の値であってもよい。また、当該在宅率は、時刻毎の値であってもよい。上記の在宅率は、例えば、過去の配送時の訪問履歴、及び訪問先の居住者の情報に基づいて算出され得る。上記のように、メッシュの情報は、各種のサービス(上記の例では配送のサービス)毎の情報であるドメインログ(上記の例では訪問履歴)に基づくものであってもよい。
なお、訪問先の在宅の予測に用いる情報は、上記のものに限られない。例えば、メッシュにおける時刻毎の天候を示す情報を、訪問先の在宅の予測に用いる情報として用いてもよい。また、当該情報には、時刻毎の情報に加えて、時刻毎ではない情報を含んでいてもよい。
上記の情報は、例えば、メッシュ毎の統計の情報又はメッシュ毎に測定された情報等に基づいて訪問時刻決定装置10の管理者によって予め用意され訪問時刻決定装置10に入力されてもよい。あるいは、個別のドメインで管理されているデータベースから上記の情報が予め取得されていてもよい。訪問時刻決定部11は、例えば、上記の時刻毎の各情報を訪問先又はメッシュに対応付けて記憶しておく。
訪問時刻決定部11は、訪問時刻決定装置10の管理者等の入力によって、訪問時刻の決定対象である訪問先(即ち、配送する荷物がある訪問先)を示す情報を取得する。訪問時刻決定部11は、予め訪問先毎に訪問先が位置するメッシュを記憶しておき、入力した情報によって示される訪問先が位置するメッシュを特定する。訪問時刻決定部11は、配送を行う全ての時刻(8時台、9時台…)について、時刻毎に上記の訪問先又はメッシュに対応付けて記憶した情報を取得する。即ち、図2に示すように訪問先、訪問時刻及びメッシュの情報(条件部分)Cから、予測に用いる情報(説明変数)Xを取得する。
訪問時刻決定部11は、図2に示すように訪問先毎に全ての時刻について、時刻毎に予測に用いる情報(説明変数)Xを予測モデルに入力して、予測結果(予測変数)Yを得る。予測結果Yは、在宅スコアである。在宅スコアは、例えば、0〜1の数値であり、数値が大きいほど、訪問先が在宅である可能性が高いことを示している。
予測モデルは、例えば、上記の時刻毎に予測に用いる情報(説明変数)X、及び予測結果(予測変数)Yに対応する機械学習用情報(教師データ、正解データ)から機械学習(教師あり学習)によって生成される。予測結果(予測変数)Yに対応する機械学習用情報は、訪問先(居住者)が在宅であれば「1」、訪問先(居住者)が在宅でなければ「0」というような情報である。
予測モデルとしては、従来の任意のモデルを用いることができる。例えば、ロジスティック回帰モデル、決定木モデル、ランダムフォレスト、勾配ブースティング決定木又はニューラルネットワークによるモデルを用いることができる。また、予測に用いる情報(説明変数)を次元圧縮して予測モデルに入力してもよい。更に、それ以外の方法で訪問先の時刻毎の在宅を予測してもよい。
訪問時刻決定部11は、訪問先及び時刻毎の在宅スコアから、訪問先毎の訪問時刻を決定する。即ち、訪問時刻決定部11は、訪問先毎に何時台に訪問するかを決定する。訪問時刻決定部11は、例えば、最適化手法によって訪問先毎の訪問時刻を決定する。具体的には、以下のような整数計画問題を解くことで訪問先毎の訪問時刻を決定する。訪問先及び時刻毎の0又は1の値を取る変数を設定する。変数が1であれば、当該変数に対応する訪問先について当該変数に対応する時刻に訪問することを示す。変数が0であれば、当該変数に対応する訪問先について当該変数に対応する時刻に訪問しないことを示す。
変数と当該変数に対応する訪問先及び時刻の在宅スコアとの積を全ての訪問先及び時刻について足し合わせたものを目的関数として、当該目的関数の値を最大化する。目的関数の最大化は、訪問先へ訪問する際(時刻)の在宅スコアを最大化することに相当するものである。
目的関数の最大化を行う際の条件は、以下である。各訪問先について、全ての時刻の変数の和を1とする。当該条件は、各訪問先について何れか1つの時刻についてのみ訪問することを示している。また、各時刻について、全ての訪問先の変数の和を予め設定された閾値以下とする。当該閾値は、訪問時刻の時間帯の時間(単位時間)当たりに訪問可能な訪問先の上限を規定するものであり、例えば、訪問者(配送担当者)のスキルに応じたものである。当該閾値は、例えば、過去の訪問時の単位時間当たりの訪問数から統計的に決定されてもよい。当該閾値は、時刻にかかわらず一律に設定されてもよいし、時刻に応じて変更されてもよい。また、訪問者が訪問日及び配送時刻によって変わる場合には、訪問日及び配送時刻毎に訪問者に応じた値としてもよい。例えば、当該訪問者について、過去の単位時間当たりの訪問数の分布を算出して、第3四分位数+1.5×(四分位範囲)を閾値としてもよい。
訪問時刻決定部11は、決定した訪問先毎の訪問時刻をクラスタリング部12に通知する。なお、訪問時刻の決定は、上記の方法以外で行われてもよい。
クラスタリング部12は、訪問時刻決定部11によって決定された訪問時刻毎に、訪問先の地理的な位置に基づいて訪問先をクラスタリングする機能部である。
クラスタリング部12は、予め訪問先毎の地理的な位置を記憶しておく。地理的な位置は、例えば、緯度及び経度といった座標を示す情報である。クラスタリング部12は、訪問時刻決定部11から訪問先毎の訪問時刻の通知を受ける。クラスタリング部12は、訪問時刻毎(例えば、上述した8時台、9時台…)に訪問先の地理的な位置に基づいて訪問先をクラスタリング(空間クラスタリング)する。クラスタリングは、従来の任意の方法、例えば、k−means法によって行うことができる。当該クラスタリングによって、訪問時刻毎の訪問先のクラスタができる。当該クラスタリングによって、例えば、図3に示すように、配送エリアDA中の同じ訪問時刻に決定された訪問先Dが、複数のクラスタCの何れかに属する。クラスタリング部12は、クラスタリングの結果を再決定訪問先選択部13に通知する。
再決定訪問先選択部13は、クラスタリング部12によるクラスタリングの結果に基づいて、複数の訪問先から訪問時刻を再決定する訪問先を選択する機能部である。再決定訪問先選択部13は、クラスタリングされたクラスタに属する訪問先の数、及びクラスタの空間的なサイズの少なくとも何れかに基づいて、訪問時刻を再決定する訪問先を選択する。
訪問時刻決定部11によって上記のように決定された訪問時刻は、訪問先の地理的な位置が考慮されたものではない。そのため、同一の訪問時刻(時間帯)が割り当てられた訪問先は、必ずしも地理的に密集しない。そのため、それらの訪問先に同じ訪問時刻に訪問しようとすると移動距離が多くなってしまうおそれがある。再決定訪問先選択部13は、その点を考慮して同一の訪問時刻とするのが適切ではない訪問先を、訪問時刻を再決定する訪問先として選択するものである。即ち、再決定訪問先選択部13は、遠隔の訪問先を除外する。
再決定訪問先選択部13は、訪問時刻毎に以下のように訪問時刻を再決定する訪問先を選択する。再決定訪問先選択部13は、訪問先が属する数が最も多いクラスタの訪問先の数と予め設定された閾値とを比較して、当該訪問先の数が閾値以下であるか否かを判断する。この閾値は、再決定する訪問先を選択するためのものであり、訪問時刻決定部11による訪問先の決定の際の閾値よりも少し小さい値とされる。また、この閾値は、訪問時刻決定部11による訪問先の決定の際の閾値の1未満の所定割合であってもよい。なお、この閾値を、単位時間当たりに訪問可能な訪問先の上限とし、訪問時刻決定部11による訪問先の決定の際の閾値をそれよりも大きな値としてもよい。また、この閾値は、上記と同様に時刻及び訪問者に応じた値としてもよい。
当該訪問先の数が閾値以下でない(当該訪問先の数が閾値を超えている)と判断した場合、再決定訪問先選択部13は、訪問先が属する数が最も多いクラスタの訪問先以外の訪問先を、訪問時刻を再決定する訪問先として選択する。一方で、当該訪問先の数が閾値以下であると判断した場合、再決定訪問先選択部13は、訪問先が属する数が最も多いクラスタと、当該クラスタに最も近い位置のクラスタとを統合して新たなクラスタを作る。クラスタ間の距離は、例えば、クラスタに属する訪問先の重心であるクラスタ重心の位置の間の距離である。
再決定訪問先選択部13は、統合したクラスタの訪問先の数と上記の閾値とを比較して、当該訪問先の数が閾値以下であるか否かを判断する。当該訪問先の数が閾値以下でない(当該訪問先の数が閾値を超えている)と判断した場合、再決定訪問先選択部13は、統合前の訪問先が属する数が最も多いクラスタの訪問先以外の訪問先を、訪問時刻を再決定する訪問先として選択する。一方で、当該訪問先の数が閾値以下であると判断した場合、再決定訪問先選択部13は、統合したクラスタを、訪問先が属する数が最も多いクラスタとして、上記のクラスタの統合と閾値による判断とを繰り返す。
また、再決定訪問先選択部13は、上記の方法に加えて、あるいは上記の方法に替えて以下のように訪問時刻を再決定する訪問先を選択することとしてもよい。再決定訪問先選択部13は、例えば、図3に示すように配送エリアDAに外接する最小の長方形Rを生成する。なお、長方形Rの各辺は、予め設定された方向(例えば、緯度及び経度)と平行になるようにする。その長方形の対角線の1/2をdmaxとする。なお、dmaxは予め配送エリアDA毎に算出されていてもよい。再決定訪問先選択部13は、訪問先が属する数が最も多いクラスタのクラスタ重心と当該クラスタに属する訪問先の位置との間の距離の平方二乗和dを算出する。再決定訪問先選択部13は、当該クラスタの空間的なサイズを示す値として、d/dmaxを算出する。
再決定訪問先選択部13は、d/dmaxと予め設定された閾値とを比較して、d/dmaxが閾値以下であるか否かを判断する。この閾値は、単位時間当たりに配送すべき配送範囲の上限であり、例えば、訪問者(配送担当者)のスキルに応じたものである。当該閾値は、例えば、過去の訪問時の単位時間当たりの訪問範囲から統計的に決定されてもよい。この閾値は、1以下の値であり、例えば、0.5である。また、この閾値は、上記と同様に時刻及び訪問者に応じた値としてもよい。また、この閾値は、クラスタに含まれる訪問先の数に応じた値としてもよい。訪問先の数が少ない場合、移動コストに費やす(広い範囲の訪問先を訪問できる)余力があると見なせる。従って、クラスタに含まれる訪問先が少ないほど、閾値を大きな値とすることとしてもよい。
d/dmaxが閾値以下でない(d/dmaxが閾値を超えている)と判断した場合、再決定訪問先選択部13は、訪問先が属する数が最も多いクラスタの訪問先以外の訪問先を、訪問時刻を再決定する訪問先として選択する。一方で、d/dmaxが閾値以下であると判断した場合、再決定訪問先選択部13は、訪問先が属する数が最も多いクラスタと、当該クラスタに最も近い位置のクラスタとを統合して新たなクラスタを作る。
再決定訪問先選択部13は、統合したクラスタについてd/dmaxを算出し、算出したd/dmaxと上記の閾値とを比較して、d/dmaxが閾値以下であるか否かを判断する。d/dmaxが閾値以下でない(d/dmaxが閾値を超えている)と判断した場合、再決定訪問先選択部13は、統合前の訪問先が属する数が最も多いクラスタの訪問先以外の訪問先を、訪問時刻を再決定する訪問先として選択する。一方で、d/dmaxが閾値以下であると判断した場合、再決定訪問先選択部13は、統合したクラスタを、訪問先が属する数が最も多いクラスタとして、上記のクラスタの統合と閾値による判断とを繰り返す。
また、d/dmaxが閾値以下でない(d/dmaxが閾値を超えている)と判断した場合、再決定訪問先選択部13は、d/dmaxが閾値以下になるまで、訪問先が属する数が最も多いクラスタの訪問先を、クラスタ重心から遠い順に訪問時刻を再決定する訪問先として選択すると共に当該クラスタから除外することとしてもよい。
再決定訪問先選択部13は、選択した訪問先を訪問時刻決定部11に通知する。なお、訪問先の選択は、クラスタリングの結果を用いるものであれば、上記の方法以外で行われてもよい。
訪問時刻決定部11は、再決定訪問先選択部13によって選択された訪問先について、決定した訪問時刻以外の時刻から、訪問先の訪問時刻を再決定する。訪問時刻決定部11は、再決定訪問先選択部13から選択された訪問先の通知を受ける。訪問時刻決定部11は、例えば、上述した整数計画問題を解くことで選択された訪問先について訪問時刻を決定する。この場合、選択されていない訪問先(訪問時刻を再決定しない訪問先)の変数については、既に決定した値とする。選択された訪問先(訪問時刻を再決定する訪問先)の変数については、既に決定した値のうち1とされた変数を0とし、それ以外の変数を決定対象とする。この設定による整数計画問題を解くことで、選択された訪問先については、新たな時刻の変数が1となり、新たな訪問時刻を決定することができる。
決定された訪問先毎の訪問時刻に基づいて、再度、上記と同様に訪問時刻を再決定する訪問先が選択される。訪問時刻決定部11、クラスタリング部12及び再決定訪問先選択部13は、訪問時刻を再決定する訪問先が選択されなくなるまで訪問時刻の決定、及び訪問時刻を再決定する訪問先の選択を繰り返す。訪問時刻を再決定する訪問先が選択されなければ、訪問時刻決定部11は、決定した訪問時刻を示す情報を出力部14に出力する。
訪問時刻決定部11は、同一の時刻(時間帯)を訪問時刻とした複数の訪問先について、訪問順序を決定することとしてもよい。例えば、訪問時刻決定部11は、各訪問先の地理的な位置に基づいて、巡回セールスマン問題(組合せ最適化問題)を解くことによって、移動距離を考慮した訪問順序を決定することとしてもよい。巡回セールスマン問題の求解は、従来の任意の方法、例えば、厳密解法、近似解法又はメタヒューリスティックによって行うことができる。
また、訪問時刻の再決定は、上記以外の方法で行われてもよい。例えば、再決定前の訪問時刻とは異なる各訪問時刻におけるクラスタのエリア(例えば、クラスタ重心から所定の距離)内に、選択された訪問先の位置が収まる訪問時刻を新たな訪問時刻として採用してもよい。また、訪問時刻の再決定の際には、対象となる訪問先についての訪問履歴がない訪問時刻を優先してもよい。訪問履歴がない訪問時刻を割り付けることで、予測モデルを機械学習によって生成するための学習データを収集することができるため、予測モデルの高精度化に資することができる。
出力部14は、訪問時刻決定部11によって決定された複数の訪問先それぞれに対する訪問時刻を示す情報を出力する機能部である。出力部14は、訪問時刻決定部11から訪問先それぞれに対する訪問時刻を示す情報を入力する。出力部14は、例えば、当該情報を訪問時刻決定装置10が備える表示装置に表示して出力する。この出力によって当該情報が、訪問時刻決定装置10の管理者等によって参照されて、配送に用いられる。あるいは、出力部14は、表示以外の出力を行ってもよく、他の装置又は他のモジュール等に送信して出力してもよい。以上が、本実施形態に係る訪問時刻決定装置10の機能である。
引き続いて、図4のフローチャートを用いて、本実施形態に係る訪問時刻決定装置10で実行される処理(訪問時刻決定装置10が行う動作方法)を説明する。本処理では、まず、訪問時刻決定部11によって、訪問時刻の決定対象である複数の訪問先を示す情報が入力されて、当該訪問先の在宅の予測に用いる訪問先に係る情報が取得される(S01)。続いて、訪問時刻決定部11によって、全ての訪問先について、当該情報から時刻毎の在宅スコアが算出される(S02)。続いて、訪問時刻決定部11によって、訪問先及び時刻毎の在宅スコアから訪問先毎の訪問時刻が決定される(S03)。
続いて、クラスタリング部12によって、訪問時刻毎に、訪問先の地理的な位置に基づいて訪問先がクラスタリングされる(S04)。続いて、再決定訪問先選択部13によって、クラスタリングの結果に基づいて、複数の訪問先から訪問時刻を再決定する訪問先が選択される(S05)。選択された訪問先がある場合(S06のYES)、訪問時刻決定部11によって、選択された訪問先毎の訪問時刻が再決定され(S03)、以降の処理(S04〜S06)が繰り返される。
選択された訪問先がない場合(S06のNO)、出力部15によって、決定された訪問先それぞれに対する訪問時刻を示す情報が出力される(S07)。以上が、本実施形態に係る訪問時刻決定装置10で実行される処理である。
上述したように本実施形態では、訪問先の訪問時刻を決定した後、訪問先の地理的な位置に基づくクラスタリングの結果に応じて訪問時間の再決定が行われる。具体的には、在宅可能性を考慮した訪問時刻の決定が行われた後、訪問先の位置を考慮した訪問時刻の再決定が行われる。従って、本実施形態によれば訪問先への効率的な訪問を可能にすることができる。具体的には、訪問におけるコスト(移動距離)と訪問完了率(タスク完了率)とを同時に考慮した訪問先への訪問を可能にすることができる。なお、一度に訪問におけるコストと訪問完了率とを考慮した訪問時間を決定することは困難であり、本実施形態のように訪問時間を再決定することで確実かつ適切に訪問時間を決定することができる。
また、本実施形態のように在宅の予測を行って、訪問時刻を決定することとしてもよい。この構成によれば、確実かつ適切に訪問完了率を考慮した訪問時間を決定することができる。但し、在宅の予測結果以外に基づいて、訪問時刻を決定することとしてもよい。
また、本実施形態のようにクラスタリングされたクラスタに属する訪問先の数、及びクラスタの空間的なサイズの少なくとも何れかに基づいて、訪問時刻を再決定する訪問先を選択することとしてもよい。この構成によれば、訪問先の選択を適切に行うことができ、その結果、適切に訪問時間を決定することができる。但し、クラスタリングの結果に基づく選択であれば、上記以外の選択が行われてもよい。
なお、本実施形態では、決定する訪問時刻として、配送時刻を決定していた。しかしながら、本発明の一実施形態において決定される訪問時刻は、必ずしも配送時刻である必要はない。即ち、本発明の一実施形態は、必ずしも荷物の配送を前提とするものではなく、複数の訪問先に対して訪問時刻を決定するものであれば、どのような状況を前提とするものであってもよい。
なお、上記実施形態の説明に用いたブロック図は、機能単位のブロックを示している。これらの機能ブロック(構成部)は、ハードウェア及びソフトウェアの少なくとも一方の任意の組み合わせによって実現される。また、各機能ブロックの実現方法は特に限定されない。すなわち、各機能ブロックは、物理的又は論理的に結合した1つの装置を用いて実現されてもよいし、物理的又は論理的に分離した2つ以上の装置を直接的又は間接的に(例えば、有線、無線などを用いて)接続し、これら複数の装置を用いて実現されてもよい。機能ブロックは、上記1つの装置又は上記複数の装置にソフトウェアを組み合わせて実現されてもよい。
機能には、判断、決定、判定、計算、算出、処理、導出、調査、探索、確認、受信、送信、出力、アクセス、解決、選択、選定、確立、比較、想定、期待、見做し、報知(broadcasting)、通知(notifying)、通信(communicating)、転送(forwarding)、構成(configuring)、再構成(reconfiguring)、割り当て(allocating、mapping)、割り振り(assigning)などがあるが、これらに限られない。たとえば、送信を機能させる機能ブロック(構成部)は、送信部(transmitting unit)又は送信機(transmitter)と呼称される。いずれも、上述したとおり、実現方法は特に限定されない。
例えば、本開示の一実施の形態における訪問時刻決定装置10は、本開示の方法の処理を行うコンピュータとして機能してもよい。図5は、本開示の一実施の形態に係る訪問時刻決定装置10のハードウェア構成の一例を示す図である。上述の訪問時刻決定装置10は、物理的には、プロセッサ1001、メモリ1002、ストレージ1003、通信装置1004、入力装置1005、出力装置1006、バス1007などを含むコンピュータ装置として構成されてもよい。
なお、以下の説明では、「装置」という文言は、回路、デバイス、ユニットなどに読み替えることができる。訪問時刻決定装置10のハードウェア構成は、図に示した各装置を1つ又は複数含むように構成されてもよいし、一部の装置を含まずに構成されてもよい。
訪問時刻決定装置10における各機能は、プロセッサ1001、メモリ1002などのハードウェア上に所定のソフトウェア(プログラム)を読み込ませることによって、プロセッサ1001が演算を行い、通信装置1004による通信を制御したり、メモリ1002及びストレージ1003におけるデータの読み出し及び書き込みの少なくとも一方を制御したりすることによって実現される。
プロセッサ1001は、例えば、オペレーティングシステムを動作させてコンピュータ全体を制御する。プロセッサ1001は、周辺装置とのインターフェース、制御装置、演算装置、レジスタなどを含む中央処理装置(CPU:Central Processing Unit)によって構成されてもよい。例えば、上述の訪問時刻決定装置10における各機能は、プロセッサ1001によって実現されてもよい。
また、プロセッサ1001は、プログラム(プログラムコード)、ソフトウェアモジュール、データなどを、ストレージ1003及び通信装置1004の少なくとも一方からメモリ1002に読み出し、これらに従って各種の処理を実行する。プログラムとしては、上述の実施の形態において説明した動作の少なくとも一部をコンピュータに実行させるプログラムが用いられる。例えば、訪問時刻決定装置10における各機能は、メモリ1002に格納され、プロセッサ1001において動作する制御プログラムによって実現されてもよい。上述の各種処理は、1つのプロセッサ1001によって実行される旨を説明してきたが、2以上のプロセッサ1001により同時又は逐次に実行されてもよい。プロセッサ1001は、1以上のチップによって実装されてもよい。なお、プログラムは、電気通信回線を介してネットワークから送信されても良い。
メモリ1002は、コンピュータ読み取り可能な記録媒体であり、例えば、ROM(Read Only Memory)、EPROM(Erasable Programmable ROM)、EEPROM(Electrically Erasable Programmable ROM)、RAM(Random Access Memory)などの少なくとも1つによって構成されてもよい。メモリ1002は、レジスタ、キャッシュ、メインメモリ(主記憶装置)などと呼ばれてもよい。メモリ1002は、本開示の一実施の形態に係る方法を実施するために実行可能なプログラム(プログラムコード)、ソフトウェアモジュールなどを保存することができる。
ストレージ1003は、コンピュータ読み取り可能な記録媒体であり、例えば、CD−ROM(Compact Disc ROM)などの光ディスク、ハードディスクドライブ、フレキシブルディスク、光磁気ディスク(例えば、コンパクトディスク、デジタル多用途ディスク、Blu−ray(登録商標)ディスク)、スマートカード、フラッシュメモリ(例えば、カード、スティック、キードライブ)、フロッピー(登録商標)ディスク、磁気ストリップなどの少なくとも1つによって構成されてもよい。ストレージ1003は、補助記憶装置と呼ばれてもよい。上述の記憶媒体は、例えば、メモリ1002及びストレージ1003の少なくとも一方を含むデータベース、サーバその他の適切な媒体であってもよい。
通信装置1004は、有線ネットワーク及び無線ネットワークの少なくとも一方を介してコンピュータ間の通信を行うためのハードウェア(送受信デバイス)であり、例えばネットワークデバイス、ネットワークコントローラ、ネットワークカード、通信モジュールなどともいう。例えば、上述の訪問時刻決定装置10における各機能は、通信装置1004によって実現されてもよい。
入力装置1005は、外部からの入力を受け付ける入力デバイス(例えば、キーボード、マウス、マイクロフォン、スイッチ、ボタン、センサなど)である。出力装置1006は、外部への出力を実施する出力デバイス(例えば、ディスプレイ、スピーカー、LEDランプなど)である。なお、入力装置1005及び出力装置1006は、一体となった構成(例えば、タッチパネル)であってもよい。
また、プロセッサ1001、メモリ1002などの各装置は、情報を通信するためのバス1007によって接続される。バス1007は、単一のバスを用いて構成されてもよいし、装置間ごとに異なるバスを用いて構成されてもよい。
また、訪問時刻決定装置10は、マイクロプロセッサ、デジタル信号プロセッサ(DSP:Digital Signal Processor)、ASIC(Application Specific Integrated Circuit)、PLD(Programmable Logic Device)、FPGA(Field Programmable Gate Array)などのハードウェアを含んで構成されてもよく、当該ハードウェアにより、各機能ブロックの一部又は全てが実現されてもよい。例えば、プロセッサ1001は、これらのハードウェアの少なくとも1つを用いて実装されてもよい。
情報の通知は、本開示において説明した態様/実施形態に限られず、他の方法を用いて行われてもよい。
本開示において説明した各態様/実施形態の処理手順、シーケンス、フローチャートなどは、矛盾の無い限り、順序を入れ替えてもよい。例えば、本開示において説明した方法については、例示的な順序を用いて様々なステップの要素を提示しており、提示した特定の順序に限定されない。
入出力された情報等は特定の場所(例えば、メモリ)に保存されてもよいし、管理テーブルを用いて管理してもよい。入出力される情報等は、上書き、更新、又は追記され得る。出力された情報等は削除されてもよい。入力された情報等は他の装置へ送信されてもよい。
判定は、1ビットで表される値(0か1か)によって行われてもよいし、真偽値(Boolean:true又はfalse)によって行われてもよいし、数値の比較(例えば、所定の値との比較)によって行われてもよい。
本開示において説明した各態様/実施形態は単独で用いてもよいし、組み合わせて用いてもよいし、実行に伴って切り替えて用いてもよい。また、所定の情報の通知(例えば、「Xであること」の通知)は、明示的に行うものに限られず、暗黙的(例えば、当該所定の情報の通知を行わない)ことによって行われてもよい。
以上、本開示について詳細に説明したが、当業者にとっては、本開示が本開示中に説明した実施形態に限定されるものではないということは明らかである。本開示は、請求の範囲の記載により定まる本開示の趣旨及び範囲を逸脱することなく修正及び変更態様として実施することができる。したがって、本開示の記載は、例示説明を目的とするものであり、本開示に対して何ら制限的な意味を有するものではない。
ソフトウェアは、ソフトウェア、ファームウェア、ミドルウェア、マイクロコード、ハードウェア記述言語と呼ばれるか、他の名称で呼ばれるかを問わず、命令、命令セット、コード、コードセグメント、プログラムコード、プログラム、サブプログラム、ソフトウェアモジュール、アプリケーション、ソフトウェアアプリケーション、ソフトウェアパッケージ、ルーチン、サブルーチン、オブジェクト、実行可能ファイル、実行スレッド、手順、機能などを意味するよう広く解釈されるべきである。
また、ソフトウェア、命令、情報などは、伝送媒体を介して送受信されてもよい。例えば、ソフトウェアが、有線技術(同軸ケーブル、光ファイバケーブル、ツイストペア、デジタル加入者回線(DSL:Digital Subscriber Line)など)及び無線技術(赤外線、マイクロ波など)の少なくとも一方を使用してウェブサイト、サーバ、又は他のリモートソースから送信される場合、これらの有線技術及び無線技術の少なくとも一方は、伝送媒体の定義内に含まれる。
本開示において説明した情報、信号などは、様々な異なる技術のいずれかを使用して表されてもよい。例えば、上記の説明全体に渡って言及され得るデータ、命令、コマンド、情報、信号、ビット、シンボル、チップなどは、電圧、電流、電磁波、磁界若しくは磁性粒子、光場若しくは光子、又はこれらの任意の組み合わせによって表されてもよい。
なお、本開示において説明した用語及び本開示の理解に必要な用語については、同一の又は類似する意味を有する用語と置き換えてもよい。
また、本開示において説明した情報、パラメータなどは、絶対値を用いて表されてもよいし、所定の値からの相対値を用いて表されてもよいし、対応する別の情報を用いて表されてもよい。例えば、無線リソースはインデックスによって指示されるものであってもよい。
上述したパラメータに使用する名称はいかなる点においても限定的な名称ではない。さらに、これらのパラメータを使用する数式等は、本開示で明示的に開示したものと異なる場合もある。
本開示で使用する「判断(determining)」、「決定(determining)」という用語は、多種多様な動作を包含する場合がある。「判断」、「決定」は、例えば、判定(judging)、計算(calculating)、算出(computing)、処理(processing)、導出(deriving)、調査(investigating)、探索(looking up、search、inquiry)(例えば、テーブル、データベース又は別のデータ構造での探索)、確認(ascertaining)した事を「判断」「決定」したとみなす事などを含み得る。また、「判断」、「決定」は、受信(receiving)(例えば、情報を受信すること)、送信(transmitting)(例えば、情報を送信すること)、入力(input)、出力(output)、アクセス(accessing)(例えば、メモリ中のデータにアクセスすること)した事を「判断」「決定」したとみなす事などを含み得る。また、「判断」、「決定」は、解決(resolving)、選択(selecting)、選定(choosing)、確立(establishing)、比較(comparing)などした事を「判断」「決定」したとみなす事を含み得る。つまり、「判断」「決定」は、何らかの動作を「判断」「決定」したとみなす事を含み得る。また、「判断(決定)」は、「想定する(assuming)」、「期待する(expecting)」、「みなす(considering)」などで読み替えられてもよい。
「接続された(connected)」、「結合された(coupled)」という用語、又はこれらのあらゆる変形は、2又はそれ以上の要素間の直接的又は間接的なあらゆる接続又は結合を意味し、互いに「接続」又は「結合」された2つの要素間に1又はそれ以上の中間要素が存在することを含むことができる。要素間の結合又は接続は、物理的なものであっても、論理的なものであっても、或いはこれらの組み合わせであってもよい。例えば、「接続」は「アクセス」で読み替えられてもよい。本開示で使用する場合、2つの要素は、1又はそれ以上の電線、ケーブル及びプリント電気接続の少なくとも一つを用いて、並びにいくつかの非限定的かつ非包括的な例として、無線周波数領域、マイクロ波領域及び光(可視及び不可視の両方)領域の波長を有する電磁エネルギーなどを用いて、互いに「接続」又は「結合」されると考えることができる。
本開示において使用する「に基づいて」という記載は、別段に明記されていない限り、「のみに基づいて」を意味しない。言い換えれば、「に基づいて」という記載は、「のみに基づいて」と「に少なくとも基づいて」の両方を意味する。
本開示において、「含む(include)」、「含んでいる(including)」及びそれらの変形が使用されている場合、これらの用語は、用語「備える(comprising)」と同様に、包括的であることが意図される。さらに、本開示において使用されている用語「又は(or)」は、排他的論理和ではないことが意図される。
本開示において、例えば、英語でのa, an及びtheのように、翻訳により冠詞が追加された場合、本開示は、これらの冠詞の後に続く名詞が複数形であることを含んでもよい。
本開示において、「AとBが異なる」という用語は、「AとBが互いに異なる」ことを意味してもよい。なお、当該用語は、「AとBがそれぞれCと異なる」ことを意味してもよい。「離れる」、「結合される」などの用語も、「異なる」と同様に解釈されてもよい。
10…訪問時刻決定装置、11…訪問時刻決定部、12…クラスタリング部、13…再決定訪問先選択部、14…出力部、1001…プロセッサ、1002…メモリ、1003…ストレージ、1004…通信装置、1005…入力装置、1006…出力装置、1007…バス。
Claims (3)
- 複数の訪問先に対して訪問時刻を決定する訪問時刻決定装置であって、
前記訪問先毎の訪問時刻を決定する訪問時刻決定部と、
前記訪問時刻決定部によって決定された訪問時刻毎に、前記訪問先の地理的な位置に基づいて訪問先をクラスタリングするクラスタリング部と、
前記クラスタリング部によるクラスタリングの結果に基づいて、前記複数の訪問先から訪問時刻を再決定する訪問先を選択する再決定訪問先選択部と、を備え、
前記訪問時刻決定部は、前記再決定訪問先選択部によって選択された訪問先について、決定した訪問時刻以外の時刻から、訪問先の訪問時刻を再決定する訪問時刻決定装置。 - 前記訪問時刻決定部は、訪問先及び時刻毎に当該訪問先における在宅の予測を行って、当該予測の結果に基づいて前記訪問先毎に訪問時刻を決定する請求項1に記載の訪問時刻決定装置。
- 前記再決定訪問先選択部は、クラスタリングされたクラスタに属する訪問先の数、及びクラスタの空間的なサイズの少なくとも何れかに基づいて、訪問時刻を再決定する訪問先を選択する請求項1又は2に記載の訪問時刻決定装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018033401 | 2018-02-27 | ||
JP2018033401 | 2018-02-27 | ||
PCT/JP2019/005664 WO2019167685A1 (ja) | 2018-02-27 | 2019-02-15 | 訪問時刻決定装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JPWO2019167685A1 true JPWO2019167685A1 (ja) | 2021-02-04 |
Family
ID=67806196
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020503401A Pending JPWO2019167685A1 (ja) | 2018-02-27 | 2019-02-15 | 訪問時刻決定装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20200402004A1 (ja) |
JP (1) | JPWO2019167685A1 (ja) |
WO (1) | WO2019167685A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7188805B2 (ja) * | 2021-04-30 | 2022-12-13 | CBcloud株式会社 | プログラム、方法、情報処理装置 |
WO2023058244A1 (ja) * | 2021-10-08 | 2023-04-13 | コグニビジョン株式会社 | 情報処理装置、情報処理システム、情報処理方法及び情報処理プログラム |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010224660A (ja) * | 2009-03-19 | 2010-10-07 | Hitachi Ltd | 訪問計画作成支援装置及びプログラム |
JP2016218728A (ja) * | 2015-05-20 | 2016-12-22 | キヤノン株式会社 | 情報処理装置、訪問計画作成方法及びプログラム |
JP2017219975A (ja) * | 2016-06-06 | 2017-12-14 | 大日本印刷株式会社 | 訪問計画策定システムおよび訪問計画策定装置 |
-
2019
- 2019-02-15 JP JP2020503401A patent/JPWO2019167685A1/ja active Pending
- 2019-02-15 US US16/975,553 patent/US20200402004A1/en not_active Abandoned
- 2019-02-15 WO PCT/JP2019/005664 patent/WO2019167685A1/ja active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010224660A (ja) * | 2009-03-19 | 2010-10-07 | Hitachi Ltd | 訪問計画作成支援装置及びプログラム |
JP2016218728A (ja) * | 2015-05-20 | 2016-12-22 | キヤノン株式会社 | 情報処理装置、訪問計画作成方法及びプログラム |
JP2017219975A (ja) * | 2016-06-06 | 2017-12-14 | 大日本印刷株式会社 | 訪問計画策定システムおよび訪問計画策定装置 |
Also Published As
Publication number | Publication date |
---|---|
US20200402004A1 (en) | 2020-12-24 |
WO2019167685A1 (ja) | 2019-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2018207878A1 (ja) | 需要予測装置 | |
JPWO2019167685A1 (ja) | 訪問時刻決定装置 | |
US20220292533A1 (en) | Demand prediction device | |
JP7019375B2 (ja) | 訪問時刻決定装置 | |
US11202175B2 (en) | At-home prediction device | |
JP6946542B2 (ja) | 学習システム、推定システム及び学習済モデル | |
US20220245939A1 (en) | Systems and methods for identifying a service qualification of a multi-unit building based on exterior access | |
US11669363B2 (en) | Task allocations based on color-coded representations | |
WO2020230736A1 (ja) | 需要分散装置 | |
JP7397738B2 (ja) | 集計装置 | |
US11948472B2 (en) | Popularity evaluation system and geographical feature generation model | |
JP7323370B2 (ja) | 審査装置 | |
JP7423405B2 (ja) | 情報処理装置 | |
WO2020230524A1 (ja) | 通行量推計システム | |
WO2023203841A1 (ja) | 変更率探索システム | |
US20220215411A1 (en) | Demand prediction device | |
WO2020213425A1 (ja) | 状況推定装置、状況推定プログラム、推定モデル及び状況推定方法 | |
WO2022044811A1 (ja) | レコメンド装置 | |
US20210049629A1 (en) | User extraction device | |
CN116679758B (zh) | 一种无人机调度方法、系统、计算机及可读存储介质 | |
WO2021038952A1 (ja) | オーソリゼーション装置 | |
US20240089757A1 (en) | Systems and methods for selecting a machine learning model that predicts a subscriber network experience in a geographic area | |
JP2021152716A (ja) | 計算機及び誘導方法 | |
JP2021165884A (ja) | トラブル解決装置 | |
JP2021113794A (ja) | 情報提供装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211215 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230221 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230711 |