WO2022269908A1 - 最適化提案システム、最適化提案方法、及び記録媒体 - Google Patents

最適化提案システム、最適化提案方法、及び記録媒体 Download PDF

Info

Publication number
WO2022269908A1
WO2022269908A1 PCT/JP2021/024163 JP2021024163W WO2022269908A1 WO 2022269908 A1 WO2022269908 A1 WO 2022269908A1 JP 2021024163 W JP2021024163 W JP 2021024163W WO 2022269908 A1 WO2022269908 A1 WO 2022269908A1
Authority
WO
WIPO (PCT)
Prior art keywords
optimization
individual
personal data
classification
individuals
Prior art date
Application number
PCT/JP2021/024163
Other languages
English (en)
French (fr)
Inventor
洋治 森
俊夫 小出
航 糸永
Original Assignee
日本電気株式会社
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 日本電気株式会社 filed Critical 日本電気株式会社
Priority to PCT/JP2021/024163 priority Critical patent/WO2022269908A1/ja
Priority to JP2023529412A priority patent/JPWO2022269908A5/ja
Publication of WO2022269908A1 publication Critical patent/WO2022269908A1/ja

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本開示の最適化提案装置は、都市の目標となる成果指標を達成するための最適化目標の入力を受付する最適化目標受付手段と、都市に属する複数の個人についてのパーソナルデータの入力を受付するパーソナルデータ受付手段と、受付された前記パーソナルデータに基づき、複数の個人の要求を分析するパーソナルデータ分析手段と、分析された要求に基づき個人を分類する個別分類手段と、分類に基づき、個人の各々への提案行動を特定する個別提案行動特定手段と、特定された個人の各々への提案行動を出力する出力手段と、を有する。

Description

最適化提案システム、最適化提案方法、及び記録媒体
　本開示は、最適化提案システム、最適化提案方法、及び記録媒体に関する。
　スマートシティ実現にあたり、その都市の住民や企業の個別の課題に取り組むために行動を促す技術がある。
　例えば、特許文献１には、所定地域に滞在しながら仕事に従事する滞在者をその地域以外の地域に滞在しながら仕事に従事することを「ウェルビーイング」の見地で支援する技術が開示されている。
国際公開第２０２０/２１８５００号公報
　しかしながら、特許文献１に記載された発明は、仕事に従事する滞在者である個人を支援する技術に過ぎない。スマートシティ実現にあたり、その都市の住民や企業に積極的に都市の課題を解決するような行動を促し、個人の課題を解決するだけではなく、都市課題も解決させる必要がある。
　本開示の目的の一例は、個人の課題だけではなく、都市課題も解決可能な装置を提供することにある。
　本開示の一態様における最適化提案装置は、都市の目標となる成果指標を達成するための最適化目標の入力を受付する最適化目標受付手段と、都市に属する複数の個人についてのパーソナルデータの入力を受付するパーソナルデータ受付手段と、パーソナルデータ受付手段により受付されたパーソナルデータに基づき、複数の個人の要求を分析するパーソナルデータ分析手段と、パーソナルデータ分析手段により分析された要求に基づき個人を分類する個別分類手段と、個別分類手段による分類に基づいて、個人の各々への提案行動を特定する個別提案行動特定手段と、特定された個人の各々への提案行動を出力する出力手段と、を有する。
　本開示の一態様における最適化提案方法は、都市の目標となる成果指標を達成するための最適化目標の入力を受付し、都市に属する複数の個人についてのパーソナルデータの入力を受付し、受付されたパーソナルデータに基づき、複数の個人の要求を分析し、分析された要求に基づき個人を分類し、分類に基づいて、個人の各々への提案行動を特定し、特定された個人の各々への提案行動を出力する。
　本開示の一態様における記録媒体は、都市の目標となる成果指標を達成するための最適化目標の入力を受付し、都市に属する複数の個人についてのパーソナルデータの入力を受付し、受付されたパーソナルデータに基づき、複数の個人の要求を分析し、分析された要求を抱える個人を分類し、分類に基づいて、個人の各々への提案行動を特定し、特定された個人の各々への提案行動を出力することをコンピュータに実行させるプログラムを格納する。
　本開示による効果の一例は、個人の課題だけではなく、都市課題も解決可能な装置を提供できることにある。
図１は、第一の実施形態における最適化提案装置の構成を示すブロック図である。 図２は、第一の実施形態における最適化提案装置をコンピュータ装置とその周辺装置で実現したハードウェア構成を示す図である。 図３は、第一の実施形態における最適化提案装置の動作を示すフローチャートである。 図４は、第二の実施形態における最適化提案装置の構成を示すブロック図である。 図５は、第二の実施形態における最適化提案の動作を示すフローチャートである。 図６は、第二の実施形態の変形例における委託先選択部の構成を示すブロック図である。 図７は、第二の実施形態の変形例における委託先選択の動作を示すフローチャートである。
　次に、実施形態について図面を参照して詳細に説明する。
　［第一の実施形態］
　図１は、第一の実施形態における最適化提案装置１００の構成を示すブロック図である。第一の実施形態における最適化提案装置１００は、個人の課題と都市指標の両方を改善するような行動を出力するシステムである。図１を参照すると、最適化提案装置１００は、最適化目標受付部１０１、パーソナルデータ受付部１０２、パーソナルデータ分析部１０３、個別分類部１０４、個別提案行動特定部１０５及び出力部１０６を備える。以下、本実施形態の必須構成である最適化提案装置１００について詳しく説明する。
　図２は、本開示の第一の実施形態における最適化提案装置１００を、プロセッサを含むコンピュータ装置５００で実現したハードウェア構成の一例を示す図である。図２に示されるように、最適化提案装置１００は、ＣＰＵ(Central Processing Unit)５０１、ＲＯＭ（Read　Only　Memory）５０２、ＲＡＭ（Random　Access　Memory）５０３等のメモリ、プログラム５０４を格納するハードディスク等の記憶装置５０５、ネットワーク接続用の通信Ｉ／Ｆ（Interface）５０８、データの入出力を行う入出力インターフェース５１１を含む。
　ＣＰＵ５０１は、オペレーティングシステムを動作させて本発明の第一の実施の形態に係る最適化提案装置１００の全体を制御する。また、ＣＰＵ５０１は、例えばドライブ装置５０７などに装着された記録媒体５０６からメモリにプログラムやデータを読み出す。また、ＣＰＵ５０１は、第一の実施の形態における最適化目標受付部１０１、パーソナルデータ受付部１０２、パーソナルデータ分析部１０３、個別分類部１０４、個別提案行動特定部１０５、出力部１０６及びこの一部として機能し、プログラムに基づいて後述する図３に示すフローチャートにおける処理または命令を実行する。
　記録媒体５０６は、例えば光ディスク、フレキシブルディスク、磁気光ディスク、外付けハードディスク、または半導体メモリ等である。記憶装置の一部の記録媒体は、不揮発性記憶装置であり、そこにプログラムを記録する。また、プログラムは、通信網に接続されている図示しない外部コンピュータからダウンロードされてもよい。
　入力装置５０９は、例えば、マウスやキーボード、内蔵のキーボタンなどで実現され、入力操作に用いられる。入力装置５０９は、マウスやキーボード、内蔵のキーボタンに限らず、例えばタッチパネルでもよい。出力装置５１０は、例えばディスプレイで実現され、出力を確認するために用いられる。第一の実施形態において、最適化目標受付部１０１及びパーソナルデータ受付部１０２が受付する情報は、例えば、入力装置５０９を介して最適化提案装置１００に入力される。
　以上のように、図１に示す第一の実施形態は、図２に示されるコンピュータ・ハードウェアによって実現される。ただし、図１の最適化提案装置１００が備える各部の実現手段は、以上説明した構成に限定されない。また最適化提案装置１００は、物理的に結合した一つの装置により実現されてもよいし、物理的に分離した二つ以上の装置を有線または無線で接続し、これら複数の装置により実現されてもよい。たとえば、入力装置５０９及び出力装置５１０は、コンピュータ装置５００とネットワークを経由して接続されていてもよい。また、図１に示す第一の実施形態における最適化提案装置１００は、クラウドコンピューティング等で構成することもできる。
　図１において、最適化目標受付部１０１は、都市の目標となる成果指標を達成するための最適化目標を受付する手段である。本実施形態における都市とは、例えば、特定の行政機関が統括する地域やその行政機関を指し、人口が集中している地域に限らず地方も含む。都市の目標となる成果指標とは、各都市が掲げている行政課題に対応した、事業の成果（達成度）を定量的に把握するための指標である。行政課題とは、例えば、住民の健康増進、都市の経済振興や環境問題等が挙げられる。例えば、行政課題が住民の健康増進であれば、介護保険料１０％減や医療費２０％減等といった成果指標が設定される。
　最適化目標とは、成果指標を達成するための具体的な施策であり、学習済みのAI（Artificial Intelligence）モデルに入力すると、その施策を実行するための提案行動を分析できるような情報である。最適化目標は、上述した、住民の健康増進であれば、例えば、住民に対し特定距離を歩かせること、又は、健康診断結果の特定項目の数値の改善といった内容が挙げられる。最適化目標受付部１０１は、最適化提案装置１００により提案行動を分析する際に入力装置５０９等を通じて最適化目標の入力を受付する。最適化目標受付部１０１は、操作者から最適化目標に関する情報の入力を受付すると、受付した最適化目標に関する情報をパーソナルデータ分析部１０３及び個別提案行動特定部１０５に出力する。
　パーソナルデータ受付部１０２は、都市に属する個人のパーソナルデータの入力を受付する手段である。都市に属する個人とは、都市の住民の他、都市に通勤又は通学する人の他、事業者等の法人が含まれる。パーソナルデータとは、特定の個人に関する情報であり、例えば、個人の属性情報、健康情報、幸福度（ウェルビーイング度）、行動履歴情報又はセンサから収集された個人情報を含む。
　パーソナルデータ受付部１０２は、個人のアンケートや健康診断結果又はセンシングデータを取得し、属性情報、健康情報、ウェルビーイング度、行動履歴、状況又は状態等のパーソナルデータに変換し記憶装置５０５に格納する。属性情報は、例えば、年齢又は性別である。健康情報とは、例えば、身長や体重等の体格を示す情報や健康診断を結果の情報である。ウェルビーイング度とは、例えば、アンケート結果等に基づいた、個人の生活面での要求を抽出可能な情報である。状況とは、例えば、行政機関へ届出した内容から得られる個人の近況を把握できる情報である。状態とは、センシングデータや行動履歴データから得られる情報である。これらの情報は、個人が所持しているモバイル端末や街中に備えられているセンサやカメラからネットワークを通じて所定時間毎（例えば、数分毎）に取得され、記憶装置５０５に格納される。その他の情報は、パーソナルデータ受付部１０２は、ユーザによる操作により入力装置５０９を通じて、パーソナルデータの入力を受付しても構わない。また、パーソナルデータ受付部１０２は、パーソナルデータを集中管理しているPDS（Personal Data Store）等から定期的にパーソナルデータを取得しても構わない。
　パーソナルデータ分析部１０３は、パーソナルデータ受付部１０２によって記憶装置５０５に格納されたパーソナルデータに基づき、個人の要求を分析する手段である。パーソナルデータ分析部１０３は、最適化目標受付部１０１から最適化目標に関する情報が入力されると、まず、個人の要求を分析する。要求とは、例えば、健康な生活を送りたい、就職したい、等の個人の生活に纏わる要求である。特定の要求とは、最適化目標受付部１０１で受付した最適化目標と何かしら関連している要求である。最適化目標と関連しているとは、例えば、最適化目標が、住民の健康増進であったら、個人の要求が健康生活を送ることである。ただし、要求とは、アンケートの結果から直接把握できる要求ではなく、パーソナルデータから推測できる要求も含む。パーソナルデータ分析部１０３は、各個人が抱えている要求を分析すると、分析結果を個別分類部１０４に出力する。
　個別分類部１０４は、パーソナルデータ分析部１０３により分析された要求に基づき個人を分類する手段である。個別分類部１０４は、パーソナルデータに基づき、特定の要求を抱えている個人を分類する。第一の実施形態では、記憶装置５０５に、予め、分類名と、その分類に振り分けるための基準が対応づけられたテーブルが記憶されており、個別分類部１０４は、記憶装置５０５に格納されている分類基準に従って個人を分類する。個人の分類方法としては、例えば、個人の属性や性格別に分類する方法が挙げられる。属性とは、例えば、年齢又は性別である。性格は、例えば、行動履歴により分類され、行動量が多い個人は、社交的と分類され、逆に行動量が少ない人は、内向的と分類される。また、個別分類部１０４は、アンケートの回答内容から、例えば、頑固者、効果重視、懐疑的、優等生、迎合者又は心配性等といった細かい性格別に分類することもできる。更に、健康診断の結果より、各個人に必要な一日あたりの歩行距離に分類することもできる。個別分類部１０４は、個人毎に分類した分類情報を個別提案行動特定部１０５に出力する。
　個別提案行動特定部１０５は、個別分類部１０４によって分類された分類別に、個人の提案行動の内容を特定する手段である。第一の実施形態では、記憶装置５０５に、予め分類名と、その分類への提案行動内容が対応づけられたテーブルが記憶されている。個別提案行動特定部１０５は、記憶装置５０５を参照し、個別分類部１０４から入力された分類情報に従って個人への提案行動の内容を特定する。個別提案行動特定部１０５は、特定した個人の提案行動の内容を出力部１０６に出力する。提案行動とは、各個人が要求を満たすために推奨される行動である。提案行動としては、例えば、個別分類部１０４による分類が各個人に必要な一日あたりの歩行距離であった場合、各個人に適した距離にある飲食店と特定のメニューをリコメンドしたり、そのメニューのクーポンを付与したりすることが挙げられる。
　出力部１０６は、個別提案行動特定部１０５によって特定された提案行動を操作者が閲覧できるように出力又は対象となる個人に提案行動をアプリやメールを利用して通知する手段である。
　以上のように構成された最適化提案装置１００の動作について、図３のフローチャートを参照して説明する。
　図３は、第一の実施形態における最適化提案装置１００の動作の概要を示すフローチャートである。尚、このフローチャートによる処理は、前述したプロセッサによるプログラム制御に基づいて、実行されてもよい。
　図３に示すように、まず最適化目標受付部１０１は、最適化目標の入力を受付する（ステップＳ１０１）。次に、パーソナルデータ受付部１０２は、個人についてのパーソナルデータの入力を受付する（ステップＳ１０２）。次いで、パーソナルデータ分析部１０３は、パーソナルデータに基づき、個人の要求を分析する（ステップＳ１０３）。次いで、個別分類部１０４は、パーソナルデータ分析部１０３によって分析された要求に基づき個人を分類する（ステップＳ１０４）。個別提案行動特定部１０５は、分類別に、最適化目標及び要求に基づいて最適化目標を達成するための個人の提案行動の内容を特定する（ステップＳ１０５）。最後に、特定された個人の提案行動の内容を出力する（ステップＳ１０６）。以上で、最適化提案装置１００は、最適化提案の動作を終了する。
　最適化提案装置１００において、個別提案行動特定部１０５は、個別分類部１０４によって分類された分類に応じて、最適化目標と関連する要求を持っている各個人に、要求を満たしながら最適化目標を改善するような提案行動の内容を特定する。これにより、各分類別に異なる提案行動することで、各個人が取り組みやすい行動を提案することができる。最適化提案装置１００によって、個人の要求と最適化目標の改善に繋がるような提案行動を特定できるため、個人の課題だけではなく、都市課題も解決可能となる。
［第一の実施形態の変形例］
　第一の実施形態の変形例では、個別分類部１０４及び個別提案行動特定部１０５が、学習済みモデルを用いて、分類や個人に提案行動する内容を特定する。これらの学習済みモデルも、記憶装置５０５に格納されている。個別分類部１０４及び個別提案行動特定部１０５は、記憶装置５０５に格納されたテーブルを用いることに代えて、又はテーブルを用いると共に、学習済みモデルを用いて分類や個人に提案行動する内容を特定する。
　第一の実施形態の変形例において、個別分類部１０４は、学習済みモデルにパーソナルデータを入力することにより、個人を分類する。このモデルは、個人に関するパーソナルデータと、パーソナルデータに基づいて分類された分類と、を学習データとして学習させることにより生成したモデルである。個人の分類方法としては、例えば、属性（年齢、性別）による分類、健康診断結果による摂取可能な食品別の分類、歩行量等の運動履歴による必要とされる運動量別の分類が挙げられる。
　第一の実施形態の変形例において個別提案行動特定部１０５は、学習済みモデルに分類を入力することにより、個人に対する提案行動を特定する。このモデルは、学習過程において、学習データとして取得した分類及び最適化目標の1つ以上の組合せと、学習データの正解ラベルを示す（要求及び最適化目標を達成させる）行動との関係性を示す学習済みモデルを、ニューラルネットワーク、グラフAI、他の機械学習アルゴリズムを用いて、組合せごとに生成する。学習の際、実際に個人に対し提案行動を提示した際における個人からの提案承諾率に基づいて学習済みモデルの検証を行うことで、モデルを更新して強化してもよい。
　次に、個別提案行動特定部１０５は、最適化目標受付部１０１から最適化目標の情報及び個別分類部１０４から分類情報が入力されると 、分類及び最適化目標の組合せに対応する学習済みモデルを用いて、要求及び最適化目標を満たす提案行動内容を特定する。以上のように学習データを用いてモデルを学習し、提案行動の内容を特定する。モデルは、例えば、個人の要求が健康な生活であった場合、分類情報として摂取可能な食品（例えば、一日の塩分量等）を入力すると、メニューのリコメンドリストが出力されるモデルである。また別の例のモデルとしては、モデルに必要な運動量、個人の位置情報又は飲食店の位置情報を入力すると、それぞれの飲食店のリコメンドリストが出力されるモデルである。またもう一つの別の例のモデルとしては、飲食店におけるメニューを入力すると、そのメニューの中からリコメンドされるメニューが出力されるモデルである。このモデルでは、一つの飲食店でも複数の飲食店におけるメニューを入力しても構わない。
　第一の実施形態における変形例において、個別分類部１０４及び個別提案行動特定部１０５は、学習済みモデルを用いて、分類や個人に提案行動する内容を特定する。これにより、パーソナルデータに基づいて、実態に即した提案行動を特定することができる。
［第二の実施形態］
　次に、本開示の第二の実施形態について図面を参照して詳細に説明する。以下、本実施形態の説明が不明確にならない範囲で、前述の説明と重複する内容については説明を省略する。第二の実施形態における、最適化提案装置１１０の各実施形態における各構成要素は、図２に示すコンピュータ装置と同様に、その機能をハードウェア的に実現することはもちろん、プログラム制御に基づくコンピュータ装置、ファームウェアで実現することができる。
　図４は、本開示の第二の実施形態に係る最適化提案装置１１０の構成を示すブロック図である。図４を参照して、第一の実施形態に係る最適化提案装置１００と異なる部分を中心に、第二の実施形態に係る最適化提案装置１１０を説明する。第二の実施形態に係る最適化提案装置１１０は、成果指標受付部１１１、最適化目標受付部１１２、分類別提案行動特定部１１３、パーソナルデータ受付部１１４、パーソナルデータ分析部１１５、個別分類部１１６、個別提案行動特定部１１７及び出力部１１８を備える。第二の実施形態に係る最適化提案装置１１０は、第一の実施形態に係る最適化提案装置１００と比べて、成果指標受付部１１１及び分類別提案行動特定部１１３を備える点が異なる。最適化目標受付部１１２、パーソナルデータ受付部１１４、パーソナルデータ分析部１１５及び個別分類部１１６は、第一の実施形態における、最適化目標受付部１０１、パーソナルデータ受付部１０２、パーソナルデータ分析部１０３及び個別分類部１０４と動作及び機能は同一であるため説明を割愛する。
　成果指標受付部１１１は、都市の目標となる成果指標の入力を受付し、最適化目標へ変換する手段である。成果指標及び最適化目標は、第一の実施形態と同一の概念である。成果指標受付部１１１は、例えば、予め学習済みの変換モデルを用いて、成果指標を最適化目標に自動変換する。成果指標受付部１１１は、予め記憶装置５０５に記憶された成果指標と最適化目標が対応付けられたテーブルを参照して、最適化目標を特定しても構わない。
　分類別提案行動特定部１１３は、最適化目標を達成するために個人が分類別に行うべき提案行動を特定する手段である。例えば、最適化目標が医療費２０％減であれば、分類別に医療費を削減、すなわち、個人が医療サービスを利用する機会を減らし、健康になるために行動すべき行動を特定する。例えば、分類別に行動すべき提案行動を特定するのであれば、運動が慣れている分類については、負荷が大きいルートで歩くよう提案行動し、運動が慣れていない分類については、負荷が小さいルートを歩くように提案行動する。
　個別提案行動特定部１１７は、分類別提案行動特定部１１３において特定された分類別提案行動と個別分類部１１６によって分類された分類とを紐づけることによって、個人に提案行動する内容を特定する。個別提案行動特定部１１７は、特定した提案行動の内容を出力部１１８に出力する。
　出力部１１８は、第一の実施形態における出力部１０６が備える機能に加え、個別提案行動特定部１１７によって提案された提案行動を対象の個人に対して促す機能を備える。出力部１１８は、アプリの表示画面やメッセージにより、提案行動を行う対象者に対し、提案行動を行うよう通知を行う。提案行動の内容を通知された各個人は、通知された提案行動に対して、承諾の有無を選択することができる。出力部１１８は、提案行動が対象者に承諾されなかった場合、個別提案行動特定部１１７にその情報を出力する。次いで、個別提案行動特定部１１７は、別の提案行動を特定し、出力部１１８によって別の提案行動が対象者に通知される。出力部１１８は、個人が提案行動の内容を承諾し、対象者が実施した際には、称賛するような画面を対象者が所持する端末に送信してもよい。
　以上のように構成された最適化提案装置１１０の動作について、図５のフローチャートを参照して説明する。
　図５は、第二の実施形態における最適化提案装置１１０の動作の概要を示すフローチャートである。尚、このフローチャートによる処理は、前述したプロセッサによるプログラム制御に基づいて、実行されてもよい。
　図５に示すように、まず成果指標受付部１１１は、成果指標の入力を受付し、最適化目標に変換する（ステップＳ２０１）。次に、最適化目標受付部１１２は、成果指標受付部１１１から最適化目標の入力を受付する（ステップＳ２０２）。次に、分類別提案行動特定部１１３は、最適化目標を達成するための分類別の提案行動を特定する（ステップＳ２０３）。次に、パーソナルデータ受付部１１４は、個人についてのパーソナルデータの入力を受付する（ステップＳ２０４）。次いで、パーソナルデータ分析部１１５は、パーソナルデータに基づき、個人の要求を分析する（ステップＳ２０５）。次いで、個別分類部１１６は、パーソナルデータ分析部１１５によって分析された要求を抱える個人を分類する（ステップＳ２０６）。次に、個別提案行動特定部１１７は、分類別提案行動特定部１１３において特定された分類別提案行動と個別分類部１１６によって分類された分類とを紐づけることで提案行動を特定する（ステップＳ２０７）。出力部１１８は、提案行動を対象者に通知し、対象者から承諾の有無が入力される（ステップＳ２０８）。対象者が提案行動に承諾した場合（ステップＳ２０８；YES）、出力部１１８は、提案された提案行動を対象の個人に対して促す（ステップＳ２０９）。対象者が提案行動に承諾しなかった場合（ステップＳ２０８；NO）、ステップＳ２０７に戻り、個別提案行動特定部１１７は別の提案行動を特定する。以上で、最適化提案装置１１０は、最適化提案の動作を終了する。
　本実施形態において、出力部１１８が個別提案行動特定部１１７によって提案された提案行動を対象の個人に対し促すことで、個人の要求を実現することが促進される。
［第二の実施形態の変形例］
　第二の実施形態における変形例について説明する。第二実施形態の個別提案行動特定部１１７によって特定された提案行動を個人に促す事業の委託先を選択する委託先選択部１１９を有する。第二の実施形態における変形例では、例えば、成果連動型民間委託契約方式（PFS：Pay For Success）等によって、自治体の活動を民間企業に委託する場合を想定する。すなわち、本変形例では、民間企業が、自治体が掲げる都市の目標となる成果指標を達成するための活動を実施する場合を想定している。委託先選択部１１９は、行政が委託する事業と、受託する企業とのマッチングを行う。
　図６は、第二の実施形態の変形例における委託先選択部１１９の構成を示すブロック図である。図６に示すように、委託先選択部１１９は、委託事業に関する情報の入力を受け付ける事業情報受付部１１９１と、委託事業に関連する事業の過去の実績情報から、委託先候補を抽出する委託先候補抽出部１１９２と、委託先候補抽出部１１９２により抽出された委託先候補から委託先を特定する委託先特定部１１９３とを含む。
　事業情報受付部１１９１は、入力装置５０９を通じて委託事業に関する情報の入力を受付する。委託事業に関する情報としては、例えば、委託事業期間、成果指標や成果指標の達成レベルに応じた成功報酬額である。成功報酬額は、成果指標の達成レベルによって、段階的に設定されていてもよい。成功報酬額は、例えば、医療費削減１０％であれば、成功報酬額が１０００万円、医療費削減１５％であれば、成功報酬額が１５００万円といったように、達成レベルが高くなるほど、高額であってもよい。
　委託先候補抽出部１１９２は、事業情報受付部１１９１により受付された成果指標に関連する過去実績を有する企業データ（委託先候補）の情報を、ネットワークを通じて抽出する。委託先候補抽出部１１９２は、例えば、過去の実績情報を、複数の行政機関の間におけるブロックチェーンに登録されている行政文書管理情報から抽出しても構わない。
　委託先特定部１１９３は、委託先候補抽出部１１９２により抽出された委託先候補の過去実績とその実績に対する評価情報に基づいて、委託先を特定する。評価情報とは、例えば、評価指標の達成レベル及び過去の委託時における問題点の有無等が含まれる。委託先特定部１１９３は、委託先候補の中から、過去実績の内容とその実績に対する評価情報に基づいて生成された委託先分析モデルを用いて委託先を特定する。このモデルは、例えば、委託先候補抽出部１１９２により抽出された委託先候補の情報を入力すると、委託先候補の中から最適な委託事業先を特定して出力するモデルである。このモデルは、例えば、決定木、ニューラルネットワーク、回帰モデル、又は深層学習ニューラルネットワーク等により生成されたモデルであり、記憶装置５０５に格納されている。また、本実施形態において、委託事業に関する情報を入力すると、最適な委託先を出力するモデル利用してもよい。この場合、事業情報受付部１１９１による委託事業に関する情報の入力受付、委託先候補抽出部１１９２よる委託先候補の抽出、及び委託先特定部１１９３による委託先の特定の一連の動作が自動的に実行される。委託先特定部１１９３は、このように特定した委託先に関する情報を、例えば、出力装置５１０により出力する。
　また、本実施形態の変形例において、委託業務が終了した後、成功報酬の自動算出及び成功報酬自動支払いを、スマートコントラクトによって行われても構わない。スマートコントラクトは、ブロックチェーンネットワーク上で実行され、特定の条件が満たされたことをトリガとして特定の動作を行うために実行される仕組みである。スマートコントラクトを利用した成功報酬の支払は、委託事業先が委託事業による成果指標の結果をブロックチェーン上に入力することで、成功報酬額が自動算出され、算出された成功報酬額が委託事業先に支払わられる。
　以上のように構成された委託先選択部１１９の動作について、図７のフローチャートを参照して説明する。まず、事業情報受付部１１９１が、委託事業に関する情報の入力を受付する（ステップＳ２１１）。次いで、委託先候補抽出部１１９２が、受付された成果指標に関連する過去実績を有する企業データの情報を委託先候補として抽出する（ステップＳ２１２）。最後に、委託先特定部１１９３は、抽出した委託先候補の情報をモデルに入力し、委託先を特定する（ステップＳ２１３）。以上で、委託先選択部１１９は、委託先選択の動作を終了する。
　本実施形態の変形例において、過去の実績内容とその実績に対する評価情報に基づいて作成された委託先分析のモデルを用いて委託先を特定する。これにより、最適な事業委託先を選定することができる。
　以上、各実施の形態を参照して本発明を説明したが、本発明は上記実施の形態に限定されるものではない。本発明の構成や詳細には、本発明のスコープ内で当業者が理解しえる様々な変更をすることができる。例えば、本実施形態において、最適化提案装置１１０は、成果指標受付部１１１を備えていなくても構わない。
　また、複数の動作をフローチャートの形式で順番に記載してあるが、その記載の順番は複数の動作を実行する順番を限定するものではない。このため、各実施形態を実施するときには、その複数の動作の順番は内容的に支障しない範囲で変更することができる。
　上記の実施形態の一部又は全部は、以下の付記のようにも記載されうるが、以下には限られない。
（付記１）
　都市の目標となる成果指標を達成するための最適化目標の入力を受付する最適化目標受付手段と、
　前記都市に属する複数の個人についてのパーソナルデータの入力を受付するパーソナルデータ受付手段と、
　前記パーソナルデータ受付手段により受付された前記パーソナルデータに基づき、
前記複数の前記個人の要求を分析するパーソナルデータ分析手段と、
　前記パーソナルデータ分析手段により分析された前記要求に基づき前記個人を分類する個別分類手段と、
　前記個別分類手段による前記分類に基づいて、前記個人の各々への提案行動を特定する個別提案行動特定手段と、
　前記特定された前記個人の各々への前記提案行動を出力する出力手段と、
を有する、最適化提案装置。
（付記２）
　前記個別提案行動特定手段は、前記個別分類手段により分類された前記分類及び当該分類に対して提案した提案行動を学習データとして学習させることにより生成した学習済みモデルにより、前記個人の各々への提案行動を特定する、付記１に記載の最適化提案装置。
（付記３）
　前記モデルは、前記個別提案行動特定手段において特定された前記提案行動について、前記個人の各々における承諾率に基づいて前記モデルを更新する、付記２に記載の最適化提案装置。
（付記４）
　前記最適化目標受付手段により入力された最適化目標を解決するための提案行動を、分類別に特定する分類別提案行動特定手段を更に備え、
　前記個別提案行動特定手段は、前記分類別提案行動特定手段において特定された分類別提案行動と前記個別分類手段による前記分類とを紐づけることにより、前記個人の各々への提案行動を特定する付記１に記載の最適化提案装置。
（付記５）
　前記個別分類手段は、前記パーソナルデータと、当該パーソナルデータに基づいて分類された分類と、を学習データとして学習させることにより生成した学習済みモデルにより、前記個人の分類を行う、付記１～４のいずれかに記載の最適化提案装置。
（付記６）
　前記都市の目標となる成果指標の入力を受付し、前記最適化目標へ変換する成果指標受付手段を更に備える、付記１～５のいずれかに記載の最適化提案装置。
（付記７）
　前記出力手段は、前記個別提案行動特定手段により提案された前記提案行動を促す、付記１～６のいずれかに記載の最適化提案装置。
（付記８）
　前記個別提案行動特定手段により提案された前記提案行動を促す委託先を選択する、委託先選択手段を更に備える付記１～６のいずれかに記載の最適化提案装置。
（付記９）
　前記委託先選択手段は、委託事業に関する情報の入力を受け付ける事業情報受付手段と、委託事業に関連する事業の過去の実績情報から、委託先候補を抽出する委託先候補抽出手段と当該委託先候補抽出手段により抽出された委託先候補から委託先を選択する委託先特定手段とを含む、付記８に記載の最適化提案装置。
（付記１０）
　前記委託先候補抽出手段は、過去の実績情報を、行政文書管理情報に基づいて取得する付記９に記載の最適化提案装置。
（付記１１）
　前記委託先特定手段は、前記委託先を、過去の実績と当該実績に対する評価情報に基づいて生成されたモデルを用いて特定する、付記９又は付記１０に記載の最適化提案装置。
（付記１２）
　都市の目標となる成果指標を達成するための最適化目標の入力を受付し、
　前記都市に属する複数の個人についてのパーソナルデータの入力を受付し、
　前記受付された前記パーソナルデータに基づき、前記複数の個人の要求を分析し、
　前記分析された前記要求に基づき前記個人を分類し、
　前記分類に基づいて、前記個人の各々への提案行動を特定し、
　前記特定された前記個人の各々への提案行動を出力する、最適化提案方法。
（付記１３）
　都市の目標となる成果指標を達成するための最適化目標の入力を受付し、
　前記都市に属する複数の個人についてのパーソナルデータの入力を受付し、
　前記受付された前記パーソナルデータに基づき、前記複数の個人の要求を分析し、
　前記分析された前記要求に基づき前記個人を分類し、
　前記分類により、前記個人の各々への提案行動を特定し、
　前記特定された前記個人の各々への提案行動を出力することをコンピュータに実行させるプログラムを格納する記録媒体。
　１００、１１０　　最適化提案装置
　１０１、１１２　　最適化目標受付部
　１０２、１１４　　パーソナルデータ受付部
　１０３、１１５　　パーソナルデータ分析部
　１０４、１１６　　個別分類部
　１０５、１１７　　個別提案行動特定部
　１０６、１１８　　出力部
　１１１　　成果指標受付部
　１１３　　分類別提案行動特定部
　１１９　　委託先選択部

Claims (13)

  1. 　都市の目標となる成果指標を達成するための最適化目標の入力を受付する最適化目標受付手段と、
    　前記都市に属する複数の個人についてのパーソナルデータの入力を受付するパーソナルデータ受付手段と、
    　前記パーソナルデータ受付手段により受付された前記パーソナルデータに基づき、
    前記複数の前記個人の要求を分析するパーソナルデータ分析手段と、
    　前記パーソナルデータ分析手段により分析された前記要求に基づき前記個人を分類する個別分類手段と、
    　前記個別分類手段による前記分類に基づいて、前記個人の各々への提案行動を特定する個別提案行動特定手段と、
    　前記特定された前記個人の各々への前記提案行動を出力する出力手段と、
    を有する、最適化提案装置。
  2. 　前記個別提案行動特定手段は、前記個別分類手段により分類された前記分類及び当該分類に対して提案した提案行動を学習データとして学習させることにより生成した学習済みモデルにより、前記個人の各々への提案行動を特定する、請求項１に記載の最適化提案装置。
  3. 　前記モデルは、前記個別提案行動特定手段において特定された前記提案行動について、前記個人の各々における承諾率に基づいて前記モデルを更新する、請求項２に記載の最適化提案装置。
  4. 　前記最適化目標受付手段により入力された最適化目標を解決するための提案行動を、分類別に特定する分類別提案行動特定手段を更に備え、
    　前記個別提案行動特定手段は、前記分類別提案行動特定手段において特定された分類別提案行動と前記個別分類手段による前記分類とを紐づけることにより、前記個人の各々への提案行動を特定する請求項１に記載の最適化提案装置。
  5. 　前記個別分類手段は、前記パーソナルデータと、当該パーソナルデータに基づいて分類された分類と、を学習データとして学習させることにより生成した学習済みモデルにより、前記個人の分類を行う、請求項１～４のいずれか一項に記載の最適化提案装置。
  6. 　前記都市の目標となる成果指標の入力を受付し、前記最適化目標へ変換する成果指標受付手段を更に備える、請求項１～５のいずれか一項に記載の最適化提案装置。
  7. 　前記出力手段は、前記個別提案行動特定手段により提案された前記提案行動を促す、請求項１～６のいずれか一項に記載の最適化提案装置。
  8. 　前記個別提案行動特定手段により提案された前記提案行動を促す委託先を選択する、委託先選択手段を更に備える請求項１～６のいずれか一項に記載の最適化提案装置。
  9. 　前記委託先選択手段は、委託事業に関する情報の入力を受け付ける事業情報受付手段と、委託事業に関連する事業の過去の実績情報から、委託先候補を抽出する委託先候補抽出手段と当該委託先候補抽出手段により抽出された委託先候補から委託先を選択する委託先特定手段とを含む、請求項８に記載の最適化提案装置。
  10. 　前記委託先候補抽出手段は、過去の実績情報を、行政文書管理情報に基づいて取得する請求項９に記載の最適化提案装置。
  11. 　前記委託先特定手段は、前記委託先を、過去の実績と当該実績に対する評価情報に基づいて生成されたモデルを用いて特定する、請求項９又は請求項１０に記載の最適化提案装置。
  12. 　都市の目標となる成果指標を達成するための最適化目標の入力を受付し、
    　前記都市に属する複数の個人についてのパーソナルデータの入力を受付し、
    　前記受付された前記パーソナルデータに基づき、前記複数の個人の要求を分析し、
    　前記分析された前記要求に基づき前記個人を分類し、
    　前記分類に基づいて、前記個人の各々への提案行動を特定し、
    　前記特定された前記個人の各々への提案行動を出力する、最適化提案方法。
  13. 　都市の目標となる成果指標を達成するための最適化目標の入力を受付し、
    　前記都市に属する複数の個人についてのパーソナルデータの入力を受付し、
    　前記受付された前記パーソナルデータに基づき、前記複数の個人の要求を分析し、
    　前記分析された前記要求に基づき前記個人を分類し、
    　前記分類により、前記個人の各々への提案行動を特定し、
    　前記特定された前記個人の各々への提案行動を出力することをコンピュータに実行させるプログラムを格納する記録媒体。
PCT/JP2021/024163 2021-06-25 2021-06-25 最適化提案システム、最適化提案方法、及び記録媒体 WO2022269908A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
PCT/JP2021/024163 WO2022269908A1 (ja) 2021-06-25 2021-06-25 最適化提案システム、最適化提案方法、及び記録媒体
JP2023529412A JPWO2022269908A5 (ja) 2021-06-25 最適化提案システム、最適化提案方法、及びプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2021/024163 WO2022269908A1 (ja) 2021-06-25 2021-06-25 最適化提案システム、最適化提案方法、及び記録媒体

Publications (1)

Publication Number Publication Date
WO2022269908A1 true WO2022269908A1 (ja) 2022-12-29

Family

ID=84543723

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/024163 WO2022269908A1 (ja) 2021-06-25 2021-06-25 最適化提案システム、最適化提案方法、及び記録媒体

Country Status (1)

Country Link
WO (1) WO2022269908A1 (ja)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005129023A (ja) * 2003-09-30 2005-05-19 Japan Research Institute Ltd 行政管理支援方法、その方法をコンピュータに実行させるプログラムおよび行政管理支援システム
JP2006146858A (ja) * 2004-11-23 2006-06-08 Hiroki Shima プロファイリング手段を適用した社会シミュレーション・システム
WO2010052845A1 (ja) * 2008-11-04 2010-05-14 株式会社日立製作所 情報処理システム及び情報処理装置
JP2017208005A (ja) * 2016-05-20 2017-11-24 株式会社日立製作所 センサデータ分析システム及びセンサデータ分析方法
JP2018005539A (ja) * 2016-07-01 2018-01-11 沖電気工業株式会社 情報処理装置、情報処理方法およびプログラム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005129023A (ja) * 2003-09-30 2005-05-19 Japan Research Institute Ltd 行政管理支援方法、その方法をコンピュータに実行させるプログラムおよび行政管理支援システム
JP2006146858A (ja) * 2004-11-23 2006-06-08 Hiroki Shima プロファイリング手段を適用した社会シミュレーション・システム
WO2010052845A1 (ja) * 2008-11-04 2010-05-14 株式会社日立製作所 情報処理システム及び情報処理装置
JP2017208005A (ja) * 2016-05-20 2017-11-24 株式会社日立製作所 センサデータ分析システム及びセンサデータ分析方法
JP2018005539A (ja) * 2016-07-01 2018-01-11 沖電気工業株式会社 情報処理装置、情報処理方法およびプログラム

Also Published As

Publication number Publication date
JPWO2022269908A1 (ja) 2022-12-29

Similar Documents

Publication Publication Date Title
US11600390B2 (en) Machine learning clinical decision support system for risk categorization
US20230054513A1 (en) Systems and methods for healthcare provider dashboards
Srinivas et al. Optimizing outpatient appointment system using machine learning algorithms and scheduling rules: A prescriptive analytics framework
Gul et al. An exhaustive review and analysis on applications of statistical forecasting in hospital emergency departments
Malik et al. Data mining and predictive analytics applications for the delivery of healthcare services: a systematic literature review
Marcus et al. Artificial intelligence and machine learning for HIV prevention: emerging approaches to ending the epidemic
US11120509B2 (en) Predictive model segmentation platform
CN110070391B (zh) 数据处理方法、装置、计算机可读介质及电子设备
CN112258163A (zh) 养老管理系统及方法、计算机存储介质、电子设备
Anagnostopoulos et al. A stochastic multi-agent system for Internet of Things-enabled waste management in smart cities
Zhu et al. A hybrid multi-criteria decision making model for elective admission control in a Chinese public hospital
KR102338964B1 (ko) 학습 기반의 증상 및 질환 관리 장치 및 방법
Elalouf et al. Minimizing operational costs by restructuring the blood sample collection chain
Safdar et al. Genetic algorithm based automatic out-patient experience management system (GAPEM) using RFIDs and sensors
Shehadeh et al. Equity in stochastic healthcare facility location
WO2022269908A1 (ja) 最適化提案システム、最適化提案方法、及び記録媒体
CN114693461A (zh) 基于机器学习的城市普惠保险的风险影响因子获取方法
Wang et al. Combining design science with data analytics to forecast user intention to adopt customer relationship management systems
Abdali et al. A priority queueing-inventory approach for inventory management in multi-channel service retailing using machine learning algorithms
KR102502199B1 (ko) 노인장기요양보험 통합 관리 서비스 제공 방법, 장치 및 컴퓨터프로그램
US20200219610A1 (en) System and method for providing prediction models for predicting a health determinant category contribution in savings generated by a clinical program
Theilig et al. Employing environmental data and machine learning to improve mobile health receptivity
Kumar Managing service flexibility in healthcare for improved customer experience: a data-driven approach
KR102430418B1 (ko) 반려동물을 위한 빅데이터 기반의 서비스 제공 방법 및 장치
SAI et al. Personal hygiene, dignity, and economic diversity among garbage workers in an urban slum of Indonesia

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21947190

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2023529412

Country of ref document: JP

NENP Non-entry into the national phase

Ref country code: DE