WO2023054165A1 - 需要予測装置、需要予測方法、および記憶媒体 - Google Patents

需要予測装置、需要予測方法、および記憶媒体 Download PDF

Info

Publication number
WO2023054165A1
WO2023054165A1 PCT/JP2022/035368 JP2022035368W WO2023054165A1 WO 2023054165 A1 WO2023054165 A1 WO 2023054165A1 JP 2022035368 W JP2022035368 W JP 2022035368W WO 2023054165 A1 WO2023054165 A1 WO 2023054165A1
Authority
WO
WIPO (PCT)
Prior art keywords
demand
information
vehicle
location
unit
Prior art date
Application number
PCT/JP2022/035368
Other languages
English (en)
French (fr)
Inventor
智 吉丸
康平 向原
Original Assignee
本田技研工業株式会社
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 本田技研工業株式会社 filed Critical 本田技研工業株式会社
Publication of WO2023054165A1 publication Critical patent/WO2023054165A1/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
    • G06Q10/04—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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities

Definitions

  • the present invention relates to a demand forecasting device, a demand forecasting method, and a storage medium.
  • This application claims priority based on Japanese Patent Application No. 2021-158343 filed in Japan on September 28, 2021, the content of which is incorporated herein.
  • Patent Document 1 Conventionally, there is known a technique for predicting future demand for parts based on past demand records for vehicle parts (see Patent Document 1, for example).
  • a demand forecasting device is a demand forecasting device that forecasts future demand for parts in preparation for replacement or repair of parts of a vehicle, and A location acquisition unit that acquires location information at the time of termination, an estimation unit that estimates the location of the vehicle based on the location information acquired by the location acquisition unit, and a predetermined area including the location estimated by the estimation unit. and a prediction unit that predicts the future demand for the component in the demand prediction device.
  • the estimation unit estimates the location of the vehicle based on the time and number of acquisitions of the location information acquired by the location acquisition unit.
  • the estimation unit estimates the home or place of work of the user of the vehicle based on the time zone associated with the position information.
  • the estimating unit in a predetermined period, when the location information is acquired by the location acquiring unit a predetermined number of times or more in a first time period, based on the location information The home is estimated, and if the location information is obtained a predetermined number of times or more during a second time period later than the first time period, the work place is estimated based on the position information.
  • the position acquiring unit acquires the position information from each of the plurality of vehicles, and the estimating unit, based on the position information of the plurality of vehicles, The location distribution of the plurality of vehicles is estimated, and the prediction unit predicts future demand for the parts for each predetermined area based on the location distribution estimated by the estimation unit.
  • a demand record acquisition unit that acquires the demand record information of the parts for each of the predetermined areas
  • an operation information acquisition unit that acquires vehicle operation information from vehicles belonging to the predetermined area. and further comprising, the prediction unit for each of the predetermined areas based on the trend of increase/decrease and amplitude of values based on the operating information in time series and the trend of increase/decrease and amplitude of actual values based on the It forecasts future demand for parts.
  • the prediction unit calculates the operating value at a first point in time based on the actual value based on the actual demand information and the operating value based on the operating information for each predetermined cycle in time series. and the operating value at a second time prior to the first time, the demand at a third time later than the first time is predicted.
  • Another aspect of the present invention is that the computer of a demand forecasting device for forecasting future demand for parts in preparation for replacement or repair of parts of a vehicle predicts the position of the vehicle at the start or end of operation of the vehicle.
  • Another aspect of the present invention is to provide a computer of a demand forecasting device for forecasting future demand for said part in preparation for replacement or repair of said part of the vehicle, the position at the start of operation or at the end of operation of said vehicle.
  • a storage medium storing a program for acquiring information, estimating the location of the vehicle based on the acquired location information, and predicting future demand for the parts in a predetermined area including the estimated location. be.
  • FIG. 1 is a diagram showing an example of a functional configuration of a vehicle system 10 mounted on a vehicle M;
  • FIG. 2 is a diagram showing an example of a functional configuration of a demand prediction device 100;
  • FIG. 4 is a diagram showing an example of contents of operation information 181.
  • FIG. 10 is a diagram showing an example of the content of actual demand information 182.
  • FIG. 3 is a diagram for explaining estimation of the location of a vehicle M;
  • FIG. FIG. 4 is a diagram for explaining estimation of an area to which the location of a vehicle M belongs;
  • FIG. 10 is a diagram for explaining divided areas based on latitude and longitude; It is a figure which shows the result of having aggregated a part of operation information for every combination of a vehicle model and an area. It is a figure for demonstrating driving
  • FIG. 11 is a diagram (part 1) for explaining processing for generating prediction information
  • FIG. 12 is a diagram (part 2) for explaining processing for generating prediction information
  • 4 is a flow chart showing an example of the flow of processing executed by the demand prediction device 100.
  • FIG. 4 is a flow chart showing an example of the flow of processing executed by a prediction unit 160.
  • FIG. 11 is a diagram (part 1) for explaining processing for generating prediction information
  • FIG. 12 is a diagram (part 2) for explaining processing for generating prediction information
  • 4 is a flow chart showing an example of the flow of processing executed by the demand prediction device 100.
  • FIG. 1 is a diagram showing an example of the configuration of a demand forecasting system 1 including the demand forecasting device of the embodiment.
  • the demand forecasting system 1 includes, for example, one or more vehicles M1 to Mn and a demand forecasting device 100.
  • the vehicles M1 to Mn will be collectively referred to as "vehicles M" except when they are separately described.
  • the vehicle M is, for example, a two-wheeled, three-wheeled, or four-wheeled vehicle, and its drive source is an internal combustion engine such as a diesel engine or a gasoline engine, an electric motor, or a combination thereof.
  • the electric motor operates using electric power generated by a generator connected to the internal combustion engine, or electric power discharged from a secondary battery or a fuel cell.
  • vehicle M is a four-wheeled vehicle.
  • Vehicle M and demand prediction device 100 can communicate with each other via network NW.
  • the network NW includes the Internet, WAN (Wide Area Network), LAN (Local Area Network), public lines, provider devices, leased lines, wireless base stations, and the like.
  • the demand prediction device 100 predicts future demand for parts in preparation for replacement or repair of parts of the vehicle M based on information acquired from the vehicle M via the network NW.
  • Parts include, for example, not only parts such as engines, bodies, drive trains (transmissions, drive shafts), chassis (suspensions, steering, tires, wheels), but also car navigation devices, drive recorders, audio equipment, various sensors, etc.
  • In-vehicle equipment seats in the cabin, interior parts such as lighting, brake pads, various products related to vehicles such as engine oil.
  • each of the vehicle M and the demand prediction device 100 will be specifically described.
  • the vehicle M is, for example, a vehicle used in the predetermined area AR.
  • the predetermined area AR may be an area divided by country, region, district, or an area divided based on map coordinates such as latitude and longitude.
  • the predetermined area AR includes, for example, an area where the vehicle M is mainly used and an area corresponding to the parking space of the vehicle M.
  • a vehicle system 10 is installed that acquires various types of information about the vehicle M from various sensors and in-vehicle equipment installed in the vehicle M, and communicates with the demand prediction device 100 and the like.
  • FIG. 2 is a diagram showing an example of the functional configuration of the vehicle system 10 mounted on the vehicle M.
  • the vehicle system 10 includes, for example, a vehicle sensor 20, a navigation device 30, a communication device 40, a processing device 50, a storage section 60, and the like.
  • the vehicle system 10 includes, in addition to the functional configuration described above, actuators, electronic devices, operators, and the like for controlling the vehicle (not shown).
  • the vehicle sensor 20 includes, for example, an ignition sensor 22, a door sensor 24, and a position sensor 26.
  • the ignition sensor 22 detects the ON state and OFF state of an ignition switch for starting or ending the operation of the vehicle M (for example, driving the engine). In addition, the ignition sensor 22 may detect that the ignition switch has been switched from the off state to the on state, or that the ignition switch has been switched from the on state to the off state.
  • the door sensor 24 detects opening and closing of the door of the vehicle M when the user gets into the vehicle M or gets off the vehicle M. When the vehicle M is provided with a plurality of doors, the door sensor 24 may detect opening and closing of a specific door such as a door for getting into (or getting off from) the driver's seat of the vehicle M.
  • the position sensor 26 is, for example, a sensor that acquires position information (for example, longitude/latitude information) of the vehicle M from a GPS (Global Positioning System) device. Also, the position sensor 26 may be a sensor that acquires position information using a GNSS (Global Navigation Satellite System) receiver 34 of the navigation device 30 . Further, the vehicle sensor 20 may include a sensor that detects a signal (radio signal) from a smart key system (not shown) that enables operation of a key switch of the vehicle M in a keyless state.
  • a signal radio signal
  • the vehicle sensor 20 includes a vehicle speed sensor that detects the speed of the vehicle M, an acceleration sensor that detects acceleration, a yaw rate sensor that detects a yaw rate (for example, a rotational angular velocity about a vertical axis passing through the center of gravity of the vehicle M), a vehicle M may include an orientation sensor or the like that detects the orientation of the Further, the vehicle sensor 20 may include, for example, a brake pedal sensor that detects an operation performed on the brake pedal, a steering sensor that detects the steering amount (eg, steering angle) of the own vehicle M, and the like. . A result detected by the vehicle sensor 20 is output to the processing device 50 .
  • the navigation device 30 includes, for example, an HMI (Human Machine Interface) 32, a GNSS receiver 34, a navigation control section 36, and map information 38.
  • the HMI 32 includes, for example, a touch panel display device, a speaker, a microphone, and the like.
  • the GNSS receiver 34 measures its own position (the position of the vehicle M) based on radio waves arriving from GNSS satellites (eg, GPS satellites).
  • the navigation device 30 may have a function of acquiring the position of the vehicle M from the position sensor 26 instead of the GNSS receiver 34 .
  • the navigation control unit 36 includes, for example, a CPU (Central Processing Unit) and various storage devices, and controls the navigation device 30 as a whole. Map information (navigation map) 38 is stored in the storage device.
  • the map information 38 is, for example, a map representing roads with nodes and links.
  • the map information 38 may also include various types of road information such as road curvature, number of lanes, road width, legal speed, traffic regulation information, POI (Point Of Interest) information, and the like.
  • the POI information includes, for example, information such as regional information (country, region, district, etc.), address information (postal address/postal code), facility information, and telephone number associated with position information (latitude and longitude).
  • the facility information includes, for example, not only buildings and parking lots, but also predetermined facilities for managing parts inventory, shipping, production, and the like.
  • the predetermined facilities include, for example, a maintenance shop that replaces and repairs parts of the vehicle M, a warehouse that stores the parts of the vehicle M, and a business entity such as an automobile manufacturer that manufactures or sells the vehicle M (for example, a dealer). may be included.
  • the map information 38 may be updated at any time by the communication device 40 communicating with other devices.
  • the navigation control unit 36 refers to the map information 38 based on the destination set by the passenger and the position information obtained from the position sensor 26 and the GNSS receiver 34, and determines the current position of the vehicle M (position information point) to the destination and outputs it to the HMI 32 .
  • the communication device 40 is, for example, a communication interface for communicating with the demand prediction device 100 and other external devices via the network NW.
  • the communication device 40 performs wireless communication based on Wi-Fi, DSRC (Dedicated Short Range Communications), Bluetooth (registered trademark), and other communication standards.
  • the processing device 50 is implemented by a hardware processor such as a CPU executing a program (software) stored in a storage device.
  • the processing device 50 is implemented, for example, by a hardware processor such as a CPU executing a program (software).
  • Some or all of these functional configurations are LSI (Large Scale Integration), ASIC (Application Specific Integrated Circuit), FPGA (Field-Programmable Gate Array), GPU (Graphics Processing Unit), etc. circuitry) or by cooperation of software and hardware.
  • the program may be stored in advance in a storage device such as the HDD or flash memory of the vehicle system 10 (a storage device having a non-transitory storage medium), or may be a removable storage medium such as a DVD or CD-ROM.
  • the storage unit 60 may be realized by, for example, the above-described various storage devices, SSD (Solid State Drive), RAM (Random Access Memory), HDD (Hard Disc Drive), or the like.
  • the storage unit 60 stores, for example, information output by the vehicle sensor 20 and information provided by the navigation device 30 .
  • the processing device 50 provides the demand prediction device 100 with operation information related to the operation of the vehicle M, including information detected by the vehicle sensor 20 and information provided by the navigation device 30, for example.
  • the operation information includes, for example, positional information of the vehicle M and information indicating the actual state of travel.
  • the information indicating the running state of the vehicle M includes, for example, the running time of the vehicle M, the running distance of the vehicle M, the number of times of braking, the degree of braking, the degree of sudden acceleration of the vehicle M (number of times), the degree of sudden deceleration (number of times), Alternatively, at least one of the number of times the lateral acceleration of the vehicle M changes by a predetermined degree or more (the number of sharp turns) is included.
  • the operation information may include an operation start time, an operation start point, an operation end time, and an operation end point.
  • the processing device 50 sets the time when the ignition sensor 22 detects that the ignition switch of the vehicle M is turned on as the operation start time, and sets the position information of the vehicle M at that time as the operation start point.
  • the operation start time may be, for example, the time when the door sensor 24 opens the door for the user of the vehicle M to get into the driver's seat, or the time when a signal for starting the engine is detected from the smart key system.
  • the processing device for example, sets the time when the ignition sensor 22 detects that the ignition switch of the vehicle M is turned off as the operation end time, and sets the position information of the vehicle M at that time as the operation end point.
  • the operation end time may be, for example, the time when the door sensor 24 opens the door for the user of the vehicle M to get off the driver's seat, or the time when the smart key system detects a signal to stop the engine.
  • the processing device 50 receives data (connected data) that is the basis for generating operation information (operation information 181 described later) on the demand prediction device 100 side. It may be provided to the prediction device 100 .
  • FIG. 3 is a diagram showing an example of the functional configuration of the demand prediction device 100.
  • the demand prediction device 100 includes, for example, a communication unit 110, an input unit 120, an output unit 130, an acquisition unit 140, an estimation unit 150, a prediction unit 160, an information provision unit 170, and a storage unit 180.
  • the acquiring unit 140, the estimating unit 150, the predicting unit 160, and the information providing unit 170 are implemented by, for example, a hardware processor such as a CPU executing a program (software).
  • Some or all of these functional configurations may be realized by hardware (including circuitry) such as LSI, ASIC, FPGA, GPU, etc., or by cooperation of software and hardware. good too.
  • the program may be stored in advance in a storage device such as the HDD or flash memory of the demand forecasting device 100 (a storage device having a non-transitory storage medium), or may be a removable storage such as a DVD or CD-ROM. It is stored in a medium, and may be installed in the HDD or flash memory of the demand prediction device 100 by loading the storage medium (non-transitory storage medium) into the drive device.
  • a storage device such as the HDD or flash memory of the demand forecasting device 100 (a storage device having a non-transitory storage medium)
  • a storage device having a non-transitory storage medium a storage device having a non-transitory storage medium
  • It is stored in a medium, and may be installed in the HDD or flash memory of the demand prediction device 100 by loading the storage medium (non-transitory storage medium) into the drive device.
  • the storage unit 180 is realized by, for example, the various storage devices described above, SSD, RAM, HDD, or the like.
  • the storage unit 180 stores, for example, operation information 181, actual demand information 182, forecast information 183, map information 184, and the like.
  • the storage unit 180 may store a program executed by the processor of the demand prediction device 100 and various other information.
  • the operating information 181 is operating information obtained from each vehicle via the network NW.
  • the actual demand information 182 is information regarding the actual demand for parts in a predetermined area.
  • the actual demand information 182 is obtained, for example, from a predetermined facility (for example, a dealer) or a management device (an example of an external device, not shown) that manages the actual demand via the network NW.
  • the prediction information 183 is the future demand prediction result of the parts of the vehicle M predicted by the prediction unit 160, which will be described later.
  • the map information 184 is information similar to the map information 38, for example. Further, the map information 184 may store map information of an area wider than the map information 38 . The map information 184 may be updated at any time by the communication unit 110 communicating with other devices.
  • the communication unit 110 includes, for example, a communication interface such as a NIC (Network Interface Card), an antenna for wireless communication, and the like.
  • the communication unit 110 communicates with the vehicle M via the network NW according to control by another configuration.
  • the input unit 120 includes, for example, some or all of various keys, buttons, switches, mice, etc., and receives input from the user of the demand prediction device 100 or the like.
  • the output unit 130 is, for example, various display devices such as an LCD (Liquid Crystal Display) or an organic EL (Electro Luminescence) display, a speaker, or a projector.
  • the display device of the output unit 130 may be configured integrally with the input unit 120, such as a touch panel.
  • the acquisition unit 140 includes, for example, an operation information acquisition unit 142 and a demand performance acquisition unit 144.
  • the operating information acquisition unit 142 acquires operating information from the vehicle M via the network NW.
  • the operation information acquisition unit 142 collects the operation information acquired from each of the vehicles M1 to Mn for each vehicle M and stores the operation information 181 in the storage unit 180 .
  • FIG. 4 is a diagram showing an example of the contents of the operation information 181.
  • the operation information 181 is information in which a date (or date and time) and information indicating the operation status of the vehicle M are associated with each other for each vehicle M.
  • the information indicating the operating status is, for example, information indicating the operating status and traveling status of the vehicle M, such as travel time, travel distance, number of times of braking, operation start time, operation start point, operation end time, and operation end point.
  • the running time may be, for example, the time from when the ignition switch of the vehicle M is turned on until it is turned off, or the time during which the vehicle M is actually running at a predetermined speed or higher.
  • the number of times of braking is the number of times braking has been performed, or the number of times braking operation has been performed at a predetermined degree or more.
  • the operating status includes the number of times the acceleration or deceleration changes by a predetermined degree or more (the number of sudden accelerations or sudden decelerations), the number of times the lateral acceleration of the vehicle M changes by a predetermined degree or more (the number of sharp turns), and the like. It may be
  • Each piece of information included in the operation information 181 may be generated by the processing device 50 of the vehicle M, and the information for generating the operation information 181 acquired from the vehicle M by the operation information acquisition unit 142 (original connected data ) may be generated using
  • the actual demand acquisition unit 144 obtains the past actual demand for parts of the vehicle M from, for example, one or more predetermined facilities that manage parts inventory, shipment, production, etc., or a management device that manages actual demand, etc., via the network NW. to get The actual demand acquisition unit 144 stores the acquired actual demand information 182 in the storage unit 180 .
  • FIG. 5 is a diagram showing an example of the contents of the actual demand information 182.
  • the actual demand information 182 is information in which a period and shipping/sales information are associated with each area including a predetermined facility. Note that the actual demand information 182 may be grouped by vehicle type in addition to (or instead of) the area.
  • the period is a predetermined period such as two weeks, one month, or three months.
  • the shipment/sales information stores, for example, the number of shipments or sales for each part of the vehicle M. FIG. Note that the actual demand information 182 may store the number of times parts have been replaced or repaired instead of (or in addition to) the shipping/sales information.
  • the position acquisition unit 146 Based on the operation information 181 acquired by the operation information acquisition unit 142, the position acquisition unit 146 obtains position information of the vehicle M when the ignition switch is switched from off to on, or when the ignition switch is switched from on to off. , the position information of the vehicle M is acquired.
  • the estimation unit 150 estimates the location of each vehicle M based on the location information acquired by the location acquisition unit 146 .
  • the location is, for example, the center (base) of the activity of the vehicle M, and more specifically the home or place of work of the user of the vehicle M.
  • FIG. 6 is a diagram for explaining estimating the location of the vehicle M.
  • the estimating unit 150 obtains the position information (operation start point) when the ignition switch included in the operation information 181 for a predetermined period is turned on (at the time of operation start), Alternatively, the position information (operation end point) when the ignition switch is turned off (at the time of operation end) is acquired. Then, the estimation unit 150 estimates, as the location of the vehicle M, the center point of each point (the motion start point and the motion end point) obtained in a predetermined period. In the example of FIG.
  • the center point thereof is estimated to be the location value LO1.
  • the central point is derived, for example, from the average latitude and average longitude of the points P1 to P4.
  • the estimation unit 150 for example, when at least one of the points P1 to P4 (for example, the point P1) is separated from the other points (for example, P2 to P4) by a predetermined distance or more, excludes that point. You can estimate the location by The estimating unit 150 may also estimate the location of the vehicle M based on the time when the position information was acquired (operation start time, operation end time) and the number of acquisition times. In this case, the estimating unit 150 estimates the location value of the vehicle M when position information is detected when the ignition switch is turned on five times or more in one month, for example.
  • the estimation unit 150 may estimate a vehicle M that has acquired position information (operation start point) a predetermined number of times or more in a predetermined period as an operating vehicle, and may estimate a vehicle M that has acquired position information (operation start point) less than the predetermined number of times as a non-operating vehicle. As a result, it is possible to perform demand forecasting with higher accuracy using the operating information of vehicles with high operating rates.
  • the estimation unit 150 may estimate the location for each vehicle type based on the vehicle type information of the vehicle M included in the operation information. This makes it possible to perform demand prediction based on the location of each vehicle type. In addition, even for different vehicles M, position information can be acquired more than a predetermined number of times within a predetermined period based on the position information of the same type of vehicle, so more locations of the vehicle M can be estimated.
  • the estimation unit 150 may estimate whether the location is the user's home or place of work based on the time zone in which the location information was acquired. For example, if the time at which the position information was acquired (for example, operation start time) is a first time period corresponding to morning (for example, 7:00 to 9:00), the user leaves the vehicle M from home. is likely to leave (go to work) at , and if it is the second time period (for example, 18:00 to 20:00) corresponding to night, the user leaves the work place (company) by vehicle M more likely to go home.
  • the time at which the position information was acquired for example, operation start time
  • the time at which the position information was acquired is a first time period corresponding to morning (for example, 7:00 to 9:00)
  • the user leaves the vehicle M from home. is likely to leave (go to work) at
  • the second time period for example, 18:00 to 20:00
  • the estimation unit 150 estimates the location estimated based on the position information acquired in the first time period as the home of the user of the vehicle M, ), the location estimated based on the position information obtained in step 1) is estimated as the work location of the user of the vehicle M. This makes it possible to grasp the location more specifically, and it is possible to make different demand forecasts for home, work place, and other places, etc., so more detailed demand forecasts are possible. It becomes possible.
  • the estimation unit 150 estimates which area on the map the location of the vehicle M belongs to based on the estimated location value of the vehicle M and the map information 184 stored in the storage unit 180 .
  • FIG. 7 is a diagram for explaining estimation of the area to which the location of the vehicle M belongs.
  • two subdivided areas AR1 and AR2, which are subdivided into a predetermined area AR on the map are set.
  • the area AR is a country
  • the sectional areas AR1 and AR2 indicate different regions
  • the sectional areas AR1 and AR2 indicate different maps.
  • the divided areas AR1 and AR2 may be set, for example, based on the positions of predetermined facilities existing within the area AR.
  • the segmented areas AR1 and AR2 are set corresponding to areas grouped by the actual demand information 182, for example.
  • the division areas AR1 and AR2 may be arbitrarily set by the user or the like in the input unit 120.
  • an area AR1 including DLR1 and DLR2 and an area AR2 including DLR3 to DLR5 are set based on the position information of five dealers (an example of a predetermined facility) DLR1 to DLR5 in the area AR. ing.
  • the segmented area may be an area that is set based on the map information 184 with reference to the latitude and longitude of the area AR.
  • FIG. 8 is a diagram for explaining divided areas based on latitude and longitude.
  • a plurality of segmented areas ARAR11 to AR22 are set based on latitude and longitude, and each segmented area is arranged so as to cover the entire area AR.
  • the estimation unit 150 estimates which division area each vehicle belongs to with respect to the set division area.
  • Location LO1 shown in FIGS. 7 and 8 indicates a point estimated to be the location of vehicle M1 (for example, home).
  • locations LO2 to LO5 indicate points estimated to be the locations of vehicles M2 to M5 (for example, homes).
  • the estimating unit 150 determines that the vehicle M1 and the vehicle M2 belong to the segmented area AR1 based on the locations LO1 to LO5 of the vehicles M1 to M5 and the positions of the segmented areas AR1 and AR2. Assume that M5 belongs to the partitioned area AR2.
  • FIG. 7 indicates a point estimated to be the location of vehicle M1 (for example, home).
  • locations LO2 to LO5 indicate points estimated to be the locations of vehicles M2 to M5 (for example, homes).
  • the estimating unit 150 determines that the vehicle M1 and the vehicle M2 belong to the segmented area AR1 based on the locations LO1 to LO5
  • the estimating unit 150 determines that the vehicle M1 belongs to the segmented area AR11 and the vehicle M2 belongs to the segmented area AR11 based on the locations LO1 to LO5 of the vehicles M1 to M5 and the positions of the segmented areas AR11 to AR22. Assume that it belongs to area AR12 and that vehicles M3 to M5 belong to partitioned area AR18. Accordingly, it is possible to grasp the location distribution of the vehicles M, which indicates which of the plurality of vehicles is located in which sectioned area, for each sectioned area.
  • the prediction unit 160 predicts the future of the parts of the vehicle M in a predetermined area (divided area) including the location specified by the estimation unit 150 (for example, after a predetermined time such as 2 weeks, 1 month, or 3 months). ) demand. Also, the prediction unit 160 causes the storage unit 180 to store the predicted content as the prediction information 183 .
  • the prediction information 183 may include past prediction results. Details of the function of the prediction unit 160 will be described later.
  • the information providing unit 170 generates provision information to be provided to an external device (for example, a predetermined facility) based on the prediction information 183, and provides the generated provision information to the outside via the network NW.
  • the external device is, for example, a terminal device of a company or department that manages parts, a terminal device of a predetermined facility of a company or department that manufactures parts, or the like.
  • the information providing unit 170 may output the provided information to the output unit 130 and provide the user of the demand prediction device 100 with the provided information.
  • the prediction unit 160 predicts parts demand for each sectioned area based on the operation information 181 and the actual demand information 182 . Furthermore, in addition to (or instead of) each classification area, the prediction unit 160 may perform Forecast future demand. In this case, the prediction unit 160 may aggregate (re-aggregate) the operation information 181 and the actual demand information 182 according to the prediction target.
  • FIG. 9 is a diagram showing the results of summing up part of the operating information for each combination of vehicle type and area.
  • part of the total operation information 181 for each predetermined period is shown for each combination of vehicles of the same vehicle type and vehicles belonging to the same classification area.
  • the predetermined period is an arbitrarily determined period such as a month or a week.
  • the classified area to which the vehicle M belongs is an area to which the vehicle M estimated by the estimation unit 150 based on the location of the vehicle M belongs.
  • the aggregated result shown in FIG. 9 is information including, for example, the travel time, travel distance, number of times of braking, etc. of vehicle M of vehicle type a belonging to region A for each month.
  • the prediction unit 160 generates actual driving information based on the above-described tallied results.
  • the aggregated result or the actual traveling information is an example of "information indicating the actual traveling of the vehicle associated with the predetermined area".
  • FIG. 10 is a diagram for explaining the actual running information.
  • the actual driving information is, for example, information indicating the actual driving conditions of the vehicle M for each area and vehicle type obtained from the above-described aggregated result.
  • the actual traveling information is information that indicates an increase or decrease in a predetermined item (travel time, travel distance, number of times of braking, etc.) of the aggregated information for each predetermined period.
  • the actual driving information may be information generated by focusing on any item among the items of the total information (driving time, distance traveled, number of times of braking, etc.), or may be generated by focusing on all items. It may be information that has been The actual driving information may be information obtained by scoring arbitrary items.
  • the example in FIG. 10 shows the actual traveling information generated by focusing on the traveling time (actual value) among the aggregated results.
  • the travel status information in FIG. 10 indicates the degree of increase and the degree of decrease in the travel time of the vehicle M for each month. As shown in FIG. 10, the traveling time of the vehicle M tends to alternately increase and decrease, and the amplitude of the increase and decrease tends to fall within a predetermined range.
  • FIG. 11 is a diagram showing how the actual driving information and the actual demand information 182 are compared.
  • actual demand information actual value
  • the actual values are normalized and scored to other numerical values so as to facilitate comparison with the actual driving information.
  • the comparison items between the actual travel information and the actual demand information are items that are associated with each other according to the travel and usage conditions of the vehicle M.
  • the item of the actual driving information is the number of times of braking
  • the item (part) of the actual demand information is the brake pad.
  • the trend of increase/decrease in the track record information (actual value) indicating the number of parts actually shipped in time series and the trend of increase/decrease in the actual traveling information are the same or similar.
  • the tendency of the swing width of performance information (actual value) indicating the number of parts actually shipped is the same or similar to the tendency of the swing width of the actual traveling information.
  • the prediction unit 160 more accurately predicts the demand for parts by using the trends in actual driving conditions (features 1 and 2) indicated by the performance information and the actual driving information.
  • the prediction unit 160 also generates prediction information (information indicating an existing prediction value) indicating a demand prediction for parts predicted based on various indexes based on the actual driving information and the actual demand information.
  • the prediction unit 160 generates prediction information based on trends in demand, such as the number of shipments of parts (or the number of replacements/repairs) to date, which are included in the actual demand information 182, and various economic indicators.
  • the various economic indicators are, for example, GDP (Gross Domestic Product), mining and manufacturing index, and the number of machine orders.
  • the prediction unit 160 may also generate prediction information for each predetermined area based on variations in the number of vehicles in each area based on location distribution, seasonal variations, trend variations, travel time variations, and braking variations. By generating prediction information for each area in this way, for example, a more accurate demand prediction can be performed in response to changes in demand due to changes in the user of the vehicle M, changes in the driving environment, and changes in the location value distribution. It can be carried out.
  • FIG. 12 is a diagram (part 1) for explaining the process of generating prediction information.
  • the prediction unit 160 predicts the demand for parts using the performance values and the indicators of the actual driving condition information for each predetermined period, which are at least three points in time. For example, the prediction unit 160 predicts the demand for parts at T+1 using the indicators of the actual traveling information at timings T ⁇ 1 and T, and predicts the demand for parts at T+2 using the indicators of the actual traveling information at timings T and T+1. Predict.
  • the prediction unit 160 predicts the actual driving condition at timing T-1 (an example of a “second time point” before (past) the first time point) relative to the indicator of the actual driving condition information at timing T (an example of a “first time point”).
  • Demand at timing T+1 (an example of a "third time point” that is later than the first time point) is predicted based on the displacement of the information index. For example, when the index of the actual driving information at timing T is on an increasing trend with respect to the index of the actual driving information at timing T ⁇ 1, the prediction unit 160 reduces the prediction of the demand at timing T+1 below the existing prediction value. When the index of the actual driving information at timing T is on a decreasing trend with respect to the index of the actual driving information at timing T ⁇ 1, the prediction unit 160 increases the prediction of the demand at timing T+1 more than the existing prediction value.
  • the prediction unit 160 calculates the index of the actual driving information at timing T from the existing predicted value at timing T+1 and the timing The demand at timing T+1 is predicted based on the value obtained by subtracting the magnitude of the difference from the index of the T-1 traveling actual state information. For example, when the indicator of the actual driving information at timing T is in a decreasing trend with respect to the indicator of the actual driving information at timing T ⁇ 1, the prediction unit 160 calculates the index of the actual driving information at timing T from the existing prediction value at timing T+1. Demand at timing T+1 is predicted based on the value obtained by adding the magnitude of the difference between the index of the actual traveling condition information at timing T ⁇ 1 and the index of the actual traveling condition information at timing T ⁇ 1.
  • the prediction unit 160 predicts that the actual driving value of the actual driving information at timing T (V1 in FIG. 12) is +4% to the actual driving value of the actual driving information at timing T ⁇ 1. Prediction information is generated in which a new prediction value (FIG. 12, V3) is obtained by subtracting 4% from the existing prediction value (FIG. 12, V2). In addition, the prediction unit 160 uses feature 1 described above to predict that demand tends to decrease after an increase, and using feature 2 described above, the amplitude has the same trend, so the amount of increase We expect demand to decline.
  • a value calculated using a coefficient may be used as the new predicted value.
  • a tendency such as an increasing tendency or a decreasing tendency compared to the existing predicted value may be obtained in the above process.
  • the prediction unit 160 corrects the existing predicted value based on the actual driving value showing an increasing tendency to generate a new predicted value. to predict. As a result, the demand prediction device 100 can more accurately predict the demand for parts for each area.
  • the prediction unit 160 predicts a new predicted value obtained by correcting the existing predicted value based on the actual driving value showing a decreasing trend. may As a result, the demand prediction device 100 can more accurately predict the demand for parts.
  • the prediction unit 160 predicts that the actual driving value at the next timing has a characteristic (the operating value at the first point in time and the operating value at the second point in time) that is opposite to the trend of increase or decrease in the past actual driving value. , and the existing predicted value for the next timing, the new predicted value obtained by correcting the existing predicted value for the next timing is obtained, thereby making it possible to predict the demand for parts more accurately.
  • FIG. 13 is a diagram (part 2) for explaining the process of generating prediction information.
  • the prediction unit 160 predicts future demand for parts based on the actual demand information, actual driving values, and existing predicted values.
  • the prediction unit 160 predicts demand based on the relative relationship between the index obtained from the actual driving value, the existing predicted value, and the index obtained from the actual value.
  • the prediction unit 160 adopts the existing predicted value as the predicted value or uses the existing predicted value based on the relative relationship between the index obtained from the actual driving value, the existing predicted value, and the index obtained from the actual value. Decide whether to use the corrected value as the predicted value.
  • the prediction unit 160 predicts the predicted value at the next timing T+2. is temporarily added to the new predicted value (FIG. 13, V6) by adding 3% to the existing predicted value (FIG. 13, V5) of the prediction information.
  • the temporarily placed new predicted value is an example of an "indicator obtained from the actual driving value”.
  • a market value which will be described later, is an example of an "index obtained from an actual value” or an “index based on an actual value.”
  • the prediction unit 160 obtains the market value of the actual value at timing T+2 (Fig. 13, V7).
  • a market value is a value obtained from the trend of past actual values.
  • the market value is, for example, a value obtained by linearly extending a line connecting the results at timing T and the results at timing T+1.
  • the prediction unit 160 compares the trend value of the actual value at timing T+2 (FIG. 13, V7) with the existing predicted value at timing T+2 (FIG. 13, V5) to determine whether the existing predicted value is the result of the actual value. If the upside forecast is possible for the going price (when the sign is positive when the market value is subtracted from the existing forecast value), the existing forecast value is used without correcting the temporary new forecast value. The new predicted value (Fig. 13, V5).
  • a value based on the existing predicted value may be used as the new predicted value instead of the existing predicted value.
  • a value based on the existing predicted value is, for example, a value corrected to increase (or decrease) the existing predicted value.
  • the prediction unit 160 calculates based on the temporarily placed new predicted value (value obtained by increasing the existing predicted value) and the existing predicted value (existing predicted value at the third point in time) (for example, based on the value based on the difference) ), a new predicted value may be determined.
  • the temporarily placed new forecast value (Fig. 13, V6) may be used as the normal new forecast value, or the existing forecast value may be It may be a normal new predicted value.
  • the prediction unit 160 uses the actual driving value, the market value, and the existing predicted value to adopt the existing predicted value as the new predicted value, or to obtain a value corrected based on the actual driving value. Decide whether to adopt it as a new predicted value. As a result, the demand prediction device 100 can more accurately predict the demand for parts. Note that in the embodiment, the processing described using FIG. 13 may be omitted, and the processing described using FIG. 12 may be executed.
  • the prediction unit 160 may derive the number and types of parts that will be required in the future for each area based on the above-described prediction information.
  • the number of orders for parts for each area, etc. may be derived based on the numbers. Thereby, in the demand forecasting device 100, appropriate inventory management can be performed for each area.
  • FIG. 14 is a flow chart showing an example of the flow of processing executed by the demand prediction device 100.
  • the acquisition unit 140 acquires operation information from the vehicle M (step S100).
  • the acquisition unit 140 acquires the actual demand information from a predetermined facility connected to the network NW or from a management device that manages the actual demand (Step S102). Note that the process of step S102 may be performed before the process of step S100.
  • the estimation unit 150 acquires the position information of the vehicle M included in the operation information, and estimates the location of the vehicle M based on the acquired position information (step S104).
  • the estimation unit 150 estimates an area (for example, a section area) to which the vehicle M belongs based on the location of the vehicle M (step S106).
  • the prediction unit 160 generates information indicating the actual driving conditions for each area (step S108), and generates prediction information based on the generated information indicating the actual driving conditions (step S110).
  • the information providing unit 170 provides the generated prediction information (step S112).
  • FIG. 15 is a flowchart showing an example of the flow of processing executed by the prediction unit 160.
  • the prediction unit 160 can predict that the actual driving value at the next prediction timing will tend to decrease with respect to the actual driving value at the current timing, based on the trend of the actual driving value in the past. It is determined whether or not (step S200).
  • the second prediction unit 230 acquires the degree of increase of the current actual driving value with respect to the previous actual driving value (step S202).
  • the prediction unit 160 decreases the existing prediction value by the absolute value of the degree of increase (step S204).
  • the second prediction unit 230 uses the reduced existing prediction value as a new prediction value (step S206).
  • prediction unit 160 determines the current actual driving value relative to the previous actual driving value.
  • the degree of decrease is acquired (step S208).
  • the prediction unit 160 temporarily stores a new prediction value obtained by increasing the existing prediction value by the absolute value of the degree of decrease (step S210).
  • the prediction unit 160 obtains market values based on the actual values (step S212).
  • the prediction unit 160 determines whether the existing prediction value is higher than the market value (step S214). When it is determined that the existing predicted value is higher than the market value, the prediction unit 160 sets the existing predicted value as the regular new predicted value without correcting the temporarily placed new predicted value (step S216). If it is determined that the existing predicted value does not exceed the market value, the prediction unit 160 sets the temporary new predicted value as the normal new predicted value (step S218). As a result, the processing of one routine in this flowchart ends.
  • the order of the above processes may be changed, and some processes may be omitted. For example, if the existing predicted value is higher than the market value, the process of temporarily placing the new predicted value may be omitted. Further, in the above process, when the existing predicted value is lower than the market value, the same process as the above concept may be performed. For example, if the temporarily placed new predicted value is smaller than the existing predicted value and the existing predicted value is smaller than the market value, the prediction unit 160 does not use the temporarily placed new predicted value as the normal new predicted value. An existing predicted value may be used as a regular new predicted value.
  • the demand prediction device 100 may perform the above processing when predicting demand for a specific area, specific car model, or specific parts.
  • the demand prediction device 100 may perform the above processing when predicting the demand for a vehicle with a vehicle class below a predetermined level, parts in front of the vehicle, or parts with a demand scale above a predetermined level.
  • the prediction accuracy of a vehicle with a vehicle rating below a certain level is higher than the prediction accuracy of a vehicle with a vehicle rating above a certain level, and the prediction accuracy of front parts is higher than that of other parts (for example, rear parts). This is because the prediction accuracy of parts whose demand scale is greater than or equal to a predetermined degree tends to be higher than the prediction accuracy of parts whose demand scale is less than the predetermined degree.
  • the demand prediction device 100 for predicting the future demand for parts in preparation for the replacement or repair of parts of the vehicle M, the position information at the start or end of the operation of the vehicle M is An estimating unit 150 for estimating the location of the vehicle M based on the acquired position acquiring unit 146, the position information acquired by the position acquiring unit 146, and the future of parts in a predetermined area including the location estimated by the estimating unit 150. and the prediction unit 160 for predicting the demand of the vehicle, it is possible to predict the future demand for vehicle parts with higher accuracy.
  • the embodiment by focusing on the fact that the demand ratio of vehicle parts in each area and the vehicle location ratio are highly interlocking and correlating, information on the location of the vehicle is obtained. By utilizing it for demand forecasting, more accurate future demand forecasting can be achieved. In addition, according to the embodiment, it is possible to perform demand forecasting by reflecting changes in demand target scale due to user's move, etc., and actual vehicle usage status based on vehicle operation/non-operation.
  • each average of the operation start point or the operation end point (latitude, longitude) in the target period is set as the location of the vehicle in the target period, and the demand forecast is performed based on the variation of the vehicle location distribution in the area. By doing so, it is possible to grasp the fluctuations of vehicles in each area more accurately and in detail, and to improve the prediction accuracy for each area.
  • by estimating whether the location is the home or the place of work different demand forecasts can be made for the case of the home, the place of work, and other places. Therefore, it is possible to make more detailed demand forecasts.
  • the embodiment by providing the generated prediction information, it is possible to support parts ordering and inventory management for each area at dealers and the like. For example, it is possible to identify the consumption influence factor for each part based on the operation status of the vehicle M for each area, the history of parts replacement, etc., and predict the next replacement timing for each vehicle (or each model). , more appropriate inventory can be managed. Moreover, according to the embodiment, it is possible to shorten the delivery time until the dealer or the like purchases the parts based on the prediction result, and it is possible to provide better service to the user.
  • the embodiment it is possible to grasp more real-time market trends and make predictions based on a short period of time, such as the last three months, using connected data such as operation information obtained from vehicles M. Further, according to the embodiment, by appropriately correcting the predicted value based on the upper limit change ratio and the like derived from the vehicle travel displacement, it is possible to maintain a higher overall level of prediction accuracy. In addition, according to the embodiment, more accurate future demand forecast can be achieved by focusing on the high interlocking and correlation between the demand ratio and the vehicle location ratio in each area and utilizing it for demand forecasting. .

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Accounting & Taxation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Finance (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Data Mining & Analysis (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)

Abstract

実施形態の需要予測装置は、車両の部品の交換または修理に備えた前記部品の将来の需要を予測する需要予測装置であって、前記車両の動作開始時または動作終了時の位置情報を取得する位置取得部と、前記位置取得部により取得された位置情報に基づいて、前記車両の所在地を推定する推定部と、前記推定部により推定された所在地を含む所定エリアにおける前記部品の将来の需要を予測する予測部と、を備える。

Description

需要予測装置、需要予測方法、および記憶媒体
　本発明は、需要予測装置、需要予測方法、および記憶媒体に関する。
　本願は、２０２１年９月２８日に、日本に出願された特願２０２１－１５８３４３号に基づき優先権を主張し、その内容をここに援用する。
　従来、車両の部品等の過去の需要実績に基づいて、将来の部品需要を予測する技術が知られている（例えば、特許文献１参照）。
特開２００７－１９９８４４号公報
　しかしながら、従来の技術では、車両の部品の需要予測においては、車両を利用するエリアや車両の稼働状況については考慮されていなかった。そのため、車両のユーザの転居等による需要の変化に応じた精度の高い需要予測ができない場合があった。
　本発明の態様は、このような事情を考慮してなされたものであり、車両の部品の将来の需要をより精度よく予測することができる需要予測装置、需要予測方法、および記憶媒体を提供することを目的の一つとする。
　この発明に係る需要予測装置、需要予測方法、および記憶媒体は、以下の構成を採用した。
　（１）：この発明の一態様に係る需要予測装置は、車両の部品の交換または修理に備えた前記部品の将来の需要を予測する需要予測装置であって、前記車両の動作開始時または動作終了時の位置情報を取得する位置取得部と、前記位置取得部により取得された位置情報に基づいて、前記車両の所在地を推定する推定部と、前記推定部により推定された所在地を含む所定エリアにおける前記部品の将来の需要を予測する予測部と、を備える需要予測装置である。
　（２）：上記（１）の態様において、前記推定部は、前記位置取得部により前記位置情報が取得された時間および取得回数に基づいて前記車両の所在地を推定するものである。
　（３）：上記（２）の態様において、前記推定部は、前記位置情報に対応付けられた時間帯に基づいて、前記車両のユーザの自宅または勤務地を推定するものである。
　（４）：上記（３）の態様において、前記推定部は、所定期間において、前記位置取得部により第１の時間帯に前記位置情報が所定回数以上取得された場合に前記位置情報に基づいて自宅を推定し、前記第１の時間帯よりも遅い第２の時間帯に前記位置情報が所定回数以上取得された場合に前記位置情報に基づいて勤務地を推定するものである。
　（５）：上記（１）の態様において、前記位置取得部は、複数の車両のそれぞれから前記位置情報を取得し、前記推定部は、前記複数の車両の位置情報に基づいて、所定期間における前記複数の車両の所在地分布を推定し、前記予測部は、前記推定部により推定された所在地分布に基づいて、所定エリアごとに前記部品の将来の需要を予測するものである。
　（６）：上記（５）の態様において、前記所定エリアごとに前記部品の需要実績情報を取得する需要実績取得部と、前記所定エリアに属する車両から車両の稼働情報を取得する稼働情報取得部と、を更に備え、前記予測部は、時系列における前記稼働情報に基づく値の増減および振り幅の傾向と、前記実績値の増減および振り幅の傾向とに基づいて、前記所定エリアごとの前記部品の将来の需要を予測するものである。
　（７）：上記（６）の態様において、前記予測部は、時系列における所定周期ごとの前記需要実績情報に基づく実績値および前記稼働情報に基づく稼働値に基づいて、第１時点の稼働値と、前記第１時点よりも前の第２時点の稼働値との変位に基づいて、前記第１時点よりも未来の第３時点の前記需要を予測するものである。
　（８）：上記（７）の態様において、前記予測部は、前記第１時点の稼働値が前記第２時点の稼働値に対して増加傾向である場合には前記第３時点の前記需要の予測値を、予め求められた既存予測値よりも低下させ、前記第１時点の稼働値が前記第２時点の稼働値に対して減少傾向である場合、前記第３時点の前記需要の予測値を、予め求められた既存予測値よりも増加させるものである。
　（９）：本発明の他の態様は、車両の部品の交換または修理に備えた前記部品の将来の需要を予測する需要予測装置のコンピュータが、前記車両の動作開始時または動作終了時の位置情報を取得し、取得した前記位置情報に基づいて、前記車両の所在地を推定し、推定した前記所在地を含む所定エリアにおける前記部品の将来の需要を予測する、需要予測方法である。
　（１０）：本発明の他の態様は、車両の部品の交換または修理に備えた前記部品の将来の需要を予測する需要予測装置のコンピュータに、前記車両の動作開始時または動作終了時の位置情報を取得させ、取得された前記位置情報に基づいて、前記車両の所在地を推定させ、推定された前記所在地を含む所定エリアにおける前記部品の将来の需要を予測させる、プログラムを記憶した記憶媒体である。
　上記（１）～（１０）の態様によれば、車両の部品の将来の需要をより精度よく予測することができる。
実施形態の需要予測装置を含む需要予測システム１の構成の一例を示す図である。 車両Ｍに搭載された車両システム１０の機能構成の一例を示す図である。 需要予測装置１００の機能構成の一例を示す図である。 稼働情報１８１の内容の一例を示す図である。 需要実績情報１８２の内容の一例を示す図である。 車両Ｍの所在地を推定することについて説明するための図である。 車両Ｍの所在地が属するエリアを推定することについて説明するための図である。 緯度経度を基準とした区分エリアについて説明するための図である。 稼働情報の一部を車種とエリアとの組み合わせごとに集計した結果を示す図である。 走行実態情報について説明するため図である。 走行実態情報と、需要実績情報１８２とを比較した様子を示す図である。 予測情報を生成する処理について説明するための図（その１）である。 予測情報を生成する処理について説明するための図（その２）である。 需要予測装置１００により実行される処理の流れの一例を示すフローチャートである。 予測部１６０によって実行される処理の流れの一例を示すフローチャートである。
　以下、図面を参照し、本発明の需要予測装置、需要予測方法、および記憶媒体の実施形態について説明する。
　［全体構成］
　図１は、実施形態の需要予測装置を含む需要予測システム１の構成の一例を示す図である。需要予測システム１は、例えば、一以上の車両Ｍ１～Ｍｎと、需要予測装置１００とを備える。以下、車両Ｍ１～Ｍｎのそれぞれを特に区別して説明する場合を除き「車両Ｍ」と称してまとめて説明する。車両Ｍは、例えば、二輪や三輪、四輪等の車両であり、その駆動源は、ディーゼルエンジンやガソリンエンジン等の内燃機関、電動機、或いはこれらの組み合わせである。電動機は、内燃機関に連結された発電機による発電電力、或いは二次電池や燃料電池の放電電力を使用して動作する。以下では、車両Ｍが四輪車両であるものとして説明する。車両Ｍと、需要予測装置１００とは、ネットワークＮＷを介して互いに通信可能である。ネットワークＮＷは、インターネット、ＷＡＮ（Wide Area Network）、ＬＡＮ（Local Area Network）、公衆回線、プロバイダ装置、専用回線、無線基地局等を含む。需要予測装置１００は、車両ＭからネットワークＮＷを介して取得した情報に基づいて、車両Ｍの部品の交換または修理に備えた部品の将来の需要を予測する。部品には、例えば、エンジン、ボディ、ドライブトレイン（トランスミッション、ドライブシャフト）、シャーシ（サスペンション、ステアリング、タイヤ、ホイール）等の各部品だけでなく、カーナビゲーション装置、ドライブレコーダ、音響設備、各種センサ等の車載機器、車室内のシート、照明等のインテリア部品、ブレーキパッド、エンジンオイル等の車両に関する各種製品が含まれる。以下、車両Ｍおよび需要予測装置１００のそれぞれについて具体的に説明する。
　［車両］
　車両Ｍは、例えば、所定エリアＡＲで利用される車両である。所定エリアＡＲとは、国や地域、地区ごとに区切られた地域でもよく、緯度経度等の地図座標等に基づいて区画されるエリアであってもよい。所定エリアＡＲには、例えば、車両Ｍが主に利用されている地域や、車両Ｍの駐車スペースに対応する地域が含まれる。車両Ｍが搭載された各種センサや車載機器から車両Ｍに関する各種情報を取得したり、需要予測装置１００等との通信を行う車両システム１０が搭載されている。
　図２は、車両Ｍに搭載された車両システム１０の機能構成の一例を示す図である。車両システム１０は、例えば、車両センサ２０や、ナビゲーション装置３０、通信装置４０、処理装置５０、記憶部６０等を含む。車両システム１０は、上記の機能構成の他に不図示の車両を制御するためのアクチュエータや電子機器、操作子等を含む。
　車両センサ２０は、例えば、イグニッションセンサ２２と、ドアセンサ２４と、位置センサ２６とを備える。イグニッションセンサ２２は、車両Ｍの動作（例えばエンジンの駆動）を開始または終了させるためのイグニッションスイッチのオン状態、オフ状態を検出する。また、イグニッションセンサ２２は、イグニッションスイッチがオフ状態からオン状態に切り替わったこと、またはオン状態からオフ状態に切り替わったことを検出してもよい。ドアセンサ２４は、ユーザが車両Ｍに乗車したり、車両Ｍから降車する際の車両Ｍのドアの開閉を検知する。車両Ｍに複数のドアが設けられている場合、ドアセンサ２４は、車両Ｍの運転席に乗車する（または運転席から降車する）ドア等、特定のドアの開閉を検出してもよい。位置センサ２６は、例えば、ＧＰＳ（Global Positioning System）装置から車両Ｍの位置情報（例えば、経度・緯度情報）を取得するセンサである。また、位置センサ２６は、ナビゲーション装置３０のＧＮＳＳ（Global Navigation Satellite System）受信機３４を用いて位置情報を取得するセンサであってもよい。また、車両センサ２０には、キーレス状態で車両Ｍのキースイッチを操作可能にするスマートキーシステム（不図示）からの信号（電波信号）を検知するセンサを含んでもよい。
　また、車両センサ２０は、車両Ｍの速度を検出する車速センサ、加速度を検出する加速度センサ、ヨーレート（例えば、車両Ｍの重心点を通る鉛直軸回りの回転角速度）を検出するヨーレートセンサ、車両Ｍの向きを検出する方位センサ等を含んでもよい。また、車両センサ２０は、例えば、ブレーキペダルに対して行われた操作を検出するブレーキペダルセンサや、自車両Ｍの操舵量（例えば、操舵角）を検出する操舵センサ等を含んでいてもよい。車両センサ２０により検出した結果は、処理装置５０に出力される。
　ナビゲーション装置３０は、例えば、ＨＭＩ（Human machine Interface）３２と、ＧＮＳＳ受信機３４と、ナビ制御部３６と、地図情報３８とを備える。ＨＭＩ３２は、例えば、タッチパネル式ディスプレイ装置やスピーカ、マイク等を含む。ＧＮＳＳ受信機３４は、ＧＮＳＳ衛星（例えばＧＰＳ衛星）から到来する電波に基づいて自機の位置（車両Ｍの位置）を測位する。なお、ナビゲーション装置３０は、ＧＮＳＳ受信機３４に代えて、位置センサ２６から車両Ｍの位置を取得する機能を備えていてもよい。ナビ制御部３６は、例えば、ＣＰＵ（Central Processing Unit）や各種記憶装置を備え、ナビゲーション装置３０全体を制御する。記憶装置には、地図情報（ナビ地図）３８が格納されている。地図情報３８は、例えば、ノードとリンクで道路を表現した地図である。また、地図情報３８は、道路の曲率や車線数、道路幅、法定速度、交通規制情報等の各種道路情報、ＰＯＩ（Point Of Interest）情報等を含んでもよい。ＰＯＩ情報には、例えば、位置情報（緯度経度）に対応付けられ地域情報（国、地域、地区等）、住所情報（住所・郵便番号）、施設情報、電話番号等の情報が含まれる。施設情報には、例えば、建物、駐車場だけでなく、部品の在庫や出荷、生産等を管理する所定施設が含まれる。また、所定施設には、例えば、車両Ｍの部品の交換や修理を行う整備工場や、車両Ｍの部品を格納する倉庫、車両Ｍを製造または販売する自動車メーカ等の事業体（例えば、ディーラー）が含まれてよい。地図情報３８は、通信装置４０が他装置と通信することにより、随時、アップデートされてよい。ナビ制御部３６は、例えば、乗員によって設定された目的地と、位置センサ２６やＧＮＳＳ受信機３４から得られた位置情報とに基づいて地図情報３８を参照し、車両Ｍの現在地（位置情報の地点）から目的地までの経路を抽出してＨＭＩ３２に出力する。
　通信装置４０は、例えば、ネットワークＮＷを介して需要予測装置１００や他の外部装置と通信するための通信インターフェースである。通信装置４０は、Ｗｉ－Ｆｉ、ＤＳＲＣ（Dedicated Short Range Communications）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、その他の通信規格に基づいて無線通信を行う。
　処理装置５０は、ＣＰＵ等のハードウェアプロセッサが記憶装置に記憶されたプログラム（ソフトウェア）を実行することにより実現される。処理装置５０は、例えば、ＣＰＵ等のハードウェアプロセッサがプログラム（ソフトウェア）を実行することにより実現される。これらの機能構成のうち一部または全部は、ＬＳＩ（Large Scale Integration）やＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）、ＧＰＵ（Graphics Processing Unit）等のハードウェア（回路部；circuitryを含む）によって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。プログラムは、予め車両システム１０のＨＤＤやフラッシュメモリ等の記憶装置（非一過性の記憶媒体を備える記憶装置）に格納されていてもよいし、ＤＶＤやＣＤ－ＲＯＭ等の着脱可能な記憶媒体に格納されており、記憶媒体（非一過性の記憶媒体）がドライブ装置に装着されることで車両システム１０のＨＤＤやフラッシュメモリにインストールされてもよい。記憶部６０は、例えば、上記の各種記憶装置、或いはＳＳＤ（Solid State Drive）や、ＲＡＭ（Random Access Memory）、ＨＤＤ（Hard Disc Drive）等により実現されてもよい。記憶部６０には、例えば、車両センサ２０により出力された情報や、ナビゲーション装置３０により提供された情報が記憶される。
　処理装置５０は、例えば、車両センサ２０により検出された情報や、ナビゲーション装置３０により提供された情報等を含む車両Ｍの稼働に関する稼働情報を需要予測装置１００に提供する。稼働情報には、例えば、車両Ｍの位置情報や走行実態を示す情報が含まれる。車両Ｍの走行実態を示す情報には、例えば、車両Ｍの走行時間、車両Ｍの走行距離、制動回数、制動度合、車両Ｍの急加速の度合（回数）、急減速の度合（回数）、または車両Ｍの横方向の加速度が所定度合以上変化した回数（急旋回した回数）のうち少なくとも一つが含まれる。また、稼働情報には、動作開始時刻、動作開始地点、動作終了時刻、動作終了地点が含まれてよい。例えば、処理装置５０は、イグニッションセンサ２２により車両Ｍのイグニッションスイッチがオン状態となったことが検知された時刻を動作開始時刻とし、そのときの車両Ｍの位置情報を動作開始地点とする。なお、動作開始時刻は、例えば、ドアセンサ２４により車両Ｍのユーザが運転席に乗車するためのドアが開いた時刻でもよく、スマートキーシステムからエンジンを始動させる信号を検知した時刻でもよい。また、処理装置は、例えば、イグニッションセンサ２２により車両Ｍのイグニッションスイッチがオフ状態となったことが検知された時刻を動作終了時刻とし、そのときの車両Ｍの位置情報を動作終了地点とする。なお、動作終了時刻は、例えば、ドアセンサ２４により車両Ｍのユーザが運転席から降車するためのドアが開いた時刻でもよく、スマートキーシステムからエンジンを停止させる信号を検知した時刻でもよい。また、処理装置５０は、稼働情報を生成して送付するのに代えて、需要予測装置１００側で稼働情報（後述する稼働情報１８１）を生成させるための元となるデータ（コネクテッドデータ）を需要予測装置１００に提供してもよい。
　［需要予測装置］
　図３は、需要予測装置１００の機能構成の一例を示す図である。需要予測装置１００は、例えば、通信部１１０と、入力部１２０と、出力部１３０と、取得部１４０と、推定部１５０と、予測部１６０と、情報提供部１７０と、記憶部１８０とを備える。取得部１４０と、推定部１５０と、予測部１６０と、情報提供部１７０とは、例えば、ＣＰＵ等のハードウェアプロセッサがプログラム（ソフトウェア）を実行することにより実現される。これらの機能構成のうち一部または全部は、ＬＳＩやＡＳＩＣ、ＦＰＧＡ、ＧＰＵ等のハードウェア（回路部；circuitryを含む）によって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。プログラムは、予め需要予測装置１００のＨＤＤやフラッシュメモリ等の記憶装置（非一過性の記憶媒体を備える記憶装置）に格納されていてもよいし、ＤＶＤやＣＤ－ＲＯＭ等の着脱可能な記憶媒体に格納されており、記憶媒体（非一過性の記憶媒体）がドライブ装置に装着されることで需要予測装置１００のＨＤＤやフラッシュメモリにインストールされてもよい。
　記憶部１８０は、例えば、上記の各種記憶装置、或いはＳＳＤや、ＲＡＭ、ＨＤＤ等により実現される。記憶部１８０には、例えば、稼働情報１８１、需要実績情報１８２、予測情報１８３、および地図情報１８４等が格納される。また、記憶部１８０には、需要予測装置１００のプロセッサが実行するプログラムや、他の各種情報が格納されてもよい。稼働情報１８１は、ネットワークＮＷを介して各車両から得られる稼働情報である。需要実績情報１８２は、所定エリアに対する部品の需要実績に関する情報である。需要実績情報１８２は、例えば、ネットワークＮＷを介して所定施設（例えば、ディーラー）や、需要実績を管理する管理装置（外部装置の一例、不図示）等から取得される。予測情報１８３は、後述する予測部１６０によって予測される車両Ｍの部品の将来の需要予測結果である。地図情報１８４は、例えば、地図情報３８と同様の情報である。また、地図情報１８４は、地図情報３８よりも広いエリアの地図情報が格納されていてもよい。地図情報１８４は、通信部１１０が他装置と通信することにより、随時、アップデートされてよい。
　通信部１１０は、例えば、ＮＩＣ（Network Interface Card）等の通信インターフェースや無線通信用のアンテナ等を備える。通信部１１０は、他の構成による制御に従い、ネットワークＮＷを介して、車両Ｍと通信を行う。
　入力部１２０は、例えば、各種キー、ボタン、スイッチ、マウス等のうち一部または全部を含み、需要予測装置１００のユーザ等からの入力を受け付ける。出力部１３０は、例えば、ＬＣＤ（Liquid Crystal Display）や有機ＥＬ（Electro Luminescence）ディスプレイ等の各種表示装置や、スピーカ、プロジェクタである。出力部１３０の表示装置は、例えばタッチパネルのように入力部１２０と一体に構成されていてもよい。
　取得部１４０は、例えば、稼働情報取得部１４２と、需要実績取得部１４４とを備える。稼働情報取得部１４２は、ネットワークＮＷを介して車両Ｍから稼働情報を取得する。稼働情報取得部１４２は、各車両Ｍ１～Ｍｎから取得した稼働情報を、車両Ｍごとにまとめて稼働情報１８１として記憶部１８０に格納する。
　図４は、稼働情報１８１の内容の一例を示す図である。稼働情報１８１は、車両Ｍごとに、日付（または日時）と、車両Ｍの稼働状況を示す情報とが互いに対応付けられた情報である。稼働状況を示す情報とは、例えば、走行時間や、走行距離、制動回数、動作開始時刻、動作開始地点、動作終了時刻、動作終了地点等の車両Ｍの稼働状態や走行状態を示す情報である。走行時間とは、例えば、車両Ｍのイグニッションスイッチがオン状態にされてからオフ状態にされるまでの時間であってもよいし、実際に車両Ｍが所定速度以上で走行している時間であってもよい。制動回数とは、制動が行われた回数や、所定度合以上の制動動作が行われた回数である。稼働状況には、加速度または減速度が所定度合以上変化した回数（急加速または急減速した回数）や、車両Ｍの横方向の加速度が所定度合以上変化した回数（急旋回した回数）等が含まれていてもよい。　
　稼働情報１８１に含まれる各情報は、車両Ｍの処理装置５０が生成してもよく、稼働情報取得部１４２が、車両Ｍから取得した稼働情報１８１を生成するための情報（元となるコネクテッドデータ）を用いて生成してもよい。
　需要実績取得部１４４は、ネットワークＮＷを介して、例えば、部品の在庫や出荷、生産等を管理する一以上の所定施設または需要実績を管理する管理装置等から車両Ｍの部品の過去の需要実績を取得する。需要実績取得部１４４は、取得した需要実績情報１８２を記憶部１８０に格納する。図５は、需要実績情報１８２の内容の一例を示す図である。需要実績情報１８２は、所定施設を含むエリアごとに、期間と出荷・販売情報とが対応付けられた情報である。なお、需要実績情報１８２は、エリアに加えて（または代えて）、車種ごとにまとめられていてもよい。期間は、２週間、１か月、３か月等の所定期間である。出荷・販売情報は、例えば、車両Ｍの部品ごとの出荷または販売個数が格納される。なお、需要実績情報１８２には、出荷・販売情報に代えて（または加えて）、部品を交換または修理した回数が格納されていてもよい。
　位置取得部１４６は、稼働情報取得部１４２により取得される稼働情報１８１に基づいて、イグニッションスイッチをオフからオンに切り替えたときの車両Ｍの位置情報、またはイグニッションスイッチをオンからオフに切り替えたときの車両Ｍの位置情報を取得する。
　推定部１５０は、位置取得部１４６により取得された位置情報に基づいて、車両Ｍごとの所在地を推定する。所在地とは、例えば、車両Ｍの活動の中心地（拠点）であり、より具体的には車両Ｍのユーザの自宅や勤務地である。
　図６は、車両Ｍの所在地を推定することについて説明するための図である。例えば、ある車両Ｍ１の所在地ＬＯ１を推定する場合、推定部１５０は、所定期間における稼働情報１８１に含まれるイグニッションスイッチをオン状態にしたときの（動作開始時）における位置情報（動作開始地点）、またはイグニッションスイッチをオフ状態にしたときの（動作終了時）における位置情報（動作終了地点）を取得する。そして、推定部１５０は、所定期間に得られるそれぞれの地点（動作開始地点、動作終了地点）の中心地点を車両Ｍの所在地として推定する。図４の例では、車両Ｍ１のイグニッションオン時の位置情報が地点Ｐ１～Ｐ４であった場合に、それらの中心地点が所在値ＬＯ１と推定されている。なお、中心地点は、例えば、地点Ｐ１～Ｐ４のそれぞれの緯度の平均および経度の平均によって導出される。
　また、推定部１５０は、例えば、地点Ｐ１～Ｐ４のうち少なくとも一つの地点（例えば、地点Ｐ１）が他の地点（例えば、Ｐ２～Ｐ４）から所定距離以上離れている場合に、その地点を除外して所在地を推定してもよい。また、推定部１５０は、位置情報が取得された時間（動作開始時刻、動作終了時刻）および取得回数に基づいて車両Ｍの所在地を推定してもよい。この場合、推定部１５０は、例えば、１か月間に５回以上、イグニッションスイッチをオン状態にしたときの位置情報が検出された場合に、その車両Ｍの所在値を推定する。また、推定部１５０は、所定期間に位置情報（動作開始地点）を所定回数以上取得した車両Ｍを稼働車両と推定し、所定回数未満の車両Ｍを非稼働車両と推定してもよい。これにより、稼働率が高い車両の稼働情報を用いて、より高精度や需要予測を行うことができる。
　また、推定部１５０は、上述の推定手法に代えて（または加えて）、稼働情報に含まれる車両Ｍの車種情報に基づいて、車種ごとに所在地を推定してもよい。これにより、車種ごとの所在地に基づく需要予測を行うことができる。また、異なる車両Ｍであっても同一車種の位置情報に基づいて、所定期間内に位置情報を所定回数以上取得することができるため、車両Ｍの所在地をより多く推定することができる。
　また、推定部１５０は、位置情報が取得された時間帯に基づいて、所在地が車両Ｍのユーザの自宅であるか、または勤務地であるかを推定してもよい。例えば、位置情報が取得された時間（例えば、動作開始時刻）が、朝に相当する第１の時間帯（例えば、７：００～９：００）である場合には、ユーザが自宅から車両Ｍで出発（出勤）している可能性が高く、夜に相当する第２の時間帯（例えば、１８：００～２０：００）である場合には、ユーザが勤務地（会社）から車両Ｍで帰宅する可能性が高い。したがって、推定部１５０は、第１の時間帯で取得した位置情報に基づいて推定された所在地を車両Ｍのユーザの自宅として推定し、第２の時間帯（第１の時間帯より遅い時間帯）で取得した位置情報に基づいて推定された所在地を車両Ｍのユーザの勤務地として推定する。これにより、所在地をより具体的に把握することができ、自宅の場合、勤務地である場合、それ以外の場所である場合等で異なる需要予測を行うことができるため、より詳細な需要予測が可能となる。
　また、推定部１５０は、推定した車両Ｍの所在値と、記憶部１８０に記憶された地図情報１８４とに基づいて、車両Ｍの所在地が地図上のどのエリアに属するかを推定する。図７は、車両Ｍの所在地が属するエリアを推定することについて説明するための図である。図７の例では、地図上の所定エリアＡＲに更に細分化して区分した２つの区分エリアＡＲ１、ＡＲ２が設定されているものとする。例えば、エリアＡＲが国である場合、区分エリアＡＲ１、ＡＲ２は異なる地域を示し、エリアＡＲが地域である場合、区分エリアＡＲ１、ＡＲ２は異なる地図を示す。また、区分エリアＡＲ１、ＡＲ２は、例えば、エリアＡＲ内に存在する所定施設の位置に基づいて設定されてもよい。また、区分エリアＡＲ１、ＡＲ２は、例えば需要実績情報１８２でまとめられたエリアに対応して設定される。また、区分エリアＡＲ１、ＡＲ２は、入力部１２０において、ユーザ等により任意に設定されてよい。
　図７の例では、エリアＡＲ内に５つのディーラー（所定施設の一例）ＤＬＲ１～ＤＬＲ５の位置情報に基づいて、ＤＬＲ１、ＤＬＲ２を含む区分エリアＡＲ１と、ＤＬＲ３～ＤＬＲ５を含む区分エリアＡＲ２が設定されている。
　また、区分エリアは、地図情報１８４に基づいてエリアＡＲの緯度経度を基準として設定される領域であってもよい。図８は、緯度経度を基準とした区分エリアについて説明するための図である。図８の例では、緯度経度を基準に複数の区分エリアＡＲＡＲ１１～ＡＲ２２が設定され、それぞれの区分エリアでエリアＡＲの全領域を覆うように配置されている。
　推定部１５０は、設定された区分エリアに対して、各車両がどの区分エリアに属するかを推定する。図７、図８に示す所在地ＬＯ１は車両Ｍ１の所在地（例えば、自宅）と推定された地点を示す。また同様に、所在地ＬＯ２～ＬＯ５は、それぞれ車両Ｍ２～５の所在地（例えば、自宅）と推定された地点を示す。図７の例において、推定部１５０は、各車両Ｍ１～Ｍ５の所在地ＬＯ１～ＬＯ５と、区分エリアＡＲ１、ＡＲ２の位置とに基づいて、車両Ｍ１、車両Ｍ２が区分エリアＡＲ１に属し、車両Ｍ３～Ｍ５が区分エリアＡＲ２に属すると推定する。また、図８の例では、推定部１５０は、各車両Ｍ１～Ｍ５の所在地ＬＯ１～ＬＯ５と、区分エリアＡＲ１１～ＡＲ２２の位置とに基づいて、車両Ｍ１が区分エリアＡＲ１１に属し、車両Ｍ２が区分エリアＡＲ１２に属し、車両Ｍ３～Ｍ５が区分エリアＡＲ１８に属していると推定する。これにより、複数の車両のうち、どの車両が、どの区分エリアに所在しているかを示す車両Ｍの所在地分布を区分エリアごとに把握することができる。
　予測部１６０は、推定部１５０により特定された所在地を含む所定エリア（区分エリア）における車両Ｍの部品の将来（例えば、２週間先、１か月先、３か月先等の所定時間経過後）の需要を予測する。また、予測部１６０は、予測した内容を予測情報１８３として記憶部１８０に記憶させる。予測情報１８３は、過去に予測した結果が含まれてよい。予測部１６０の機能の詳細については後述する。
　情報提供部１７０は、予測情報１８３に基づいて外部装置（例えば、所定施設）等に提供するための提供情報を生成し、生成した提供情報を、ネットワークＮＷを介して外部に提供する。ここでの外部装置とは、例えば、部品を管理している事業者または部署の端末装置や、部品を製造している事業者または部署の所定施設の端末装置等である。また、情報提供部１７０は、提供情報を出力部１３０に出力させて需要予測装置１００のユーザに提供してもよい。これにより、区分エリアごとの需要予測に基づいて、より適切な部品の在庫管理を行うことができ、区分エリアに属する各施設における在庫切れや作業員不足等を抑制して、車両Ｍのユーザを待たせることなく、よりよいサービスを提供することができる。
　［予測部の機能］
　以下、予測部１６０の機能の詳細について説明する。予測部１６０は、稼働情報１８１と、需要実績情報１８２とに基づいて、区分エリアごとの部品需要を予測する。また、予測部１６０は、区分エリアごとに加えて（または代えて）、車両Ｍの車種ごと（または特定の車種をグループ化したグループごと）、部品ごと、或いは車種と部品との組み合わせごとに、将来の需要を予測してもよい。この場合、予測部１６０は、稼働情報１８１や需要実績情報１８２を、予測対象に応じて集計（再集計）してもよい。
　図９は、稼働情報の一部を車種とエリアとの組み合わせごとに集計した結果を示す図である。図９の例では、同じ車種の車両と属する区分エリアが同じ車両との組み合わせごとに、所定期間ごとの稼働情報１８１の一部の集計結果が示されている。所定期間とは、月や週等任意に定められた期間である。属する区分エリアとは、車両Ｍの所在地に基づいて推定部１５０により推定された車両Ｍが属するエリアである。図９に示す集計結果は、例えば、月ごとの地域Ａに属する車種ａの車両Ｍの走行時間や、走行距離、制動回数等を含む情報である。
　予測部１６０は、上述の集計結果に基づいて、走行実態情報を生成する。集計結果または走行実態情報は、「所定のエリアに対応付けられた車両の走行実態を示す情報」の一例である。図１０は、走行実態情報について説明するため図である。走行実態情報とは、例えば、上述した集計結果から得られたエリアおよび車種ごとの車両Ｍの走行実態を示す情報である。例えば、走行実態情報は、所定期間ごとの集計情報の所定の項目（走行時間や走行距離、制動回数等）の増減を示す情報である。走行実態情報は、集計情報の各項目（走行時間や、走行距離、制動回数等）のうち任意の項目に着目して生成された情報であってもよいし、全ての項目に着目して生成された情報であってもよい。走行実態情報は、任意の項目をスコア化して得られた情報であってもよい。
　図１０の例では、集計結果のうち走行時間（実態値）に着目して生成された走行実態情報を示している。図１０の走行実態情報では、月ごとの車両Ｍの走行時間の増加度合および減少度合を示している。図１０に示すように、車両Ｍの走行時間は、増減を交互に繰り返す傾向であり、更に、増減の振り幅は所定の範囲内に収まる傾向である。
　次に、予測部１６０は、上述した走行実態情報と、需要実績情報１８２とを比較する。図１１は、走行実態情報と、需要実績情報１８２とを比較した様子を示す図である。図１１の例では、走行実態情報を生成したときのエリアと同一エリアの需要実績情報の所定部品の交換・修理回数に関する需要実績情報（実績値）が月ごとに示されている。図１１の例において、実績値は、走行実態情報と比較が容易になるように実績値の数値を正規化して他の数値にスコア化されている。また、走行実態情報と、需要実績情報とにおける比較項目は、車両Ｍの走行や利用状況に応じて対応付けられる項目である。例えば、図１１の例において、走行実態情報の項目が制動回数である場合、需要実績情報の項目（部品）はブレーキパッドである。
　図１１に示すように、時系列における部品を実際に出荷した数を示す実績情報（実績値）の増減の傾向と走行実態情報の増減の傾向とは同一または類似の傾向である。また、部品を実際に出荷した数を示す実績情報（実績値）の振り幅の傾向と、走行実態情報の振り幅の傾向とは同一または類似の傾向である。月ごとの車両Ｍの走行時間の増減と、月ごとの部品の出荷数の増減とは連動し（特徴１）、月ごとの車両Ｍの走行時間の振り幅と、月ごとの部品の出荷数の振り幅とは連動している（特徴２）。
　予測部１６０は、実績情報および走行実態情報が示す走行実態の傾向（特徴１および特徴２）を利用して、より精度よく部品の需要予測を行う。また、予測部１６０は、走行実態情報や需要実績情報に基づいて、各種指標に基づいて予測した部品の需要予測を示す予測情報（既存予測値を示す情報）を生成する。例えば、予測部１６０は、需要実績情報１８２に含まれる現在までの部品の出荷数（または交換・修理回数）等の需要等の傾向と、各種経済指標とに基づいて予測情報を生成する。各種経済指標とは、例えば、ＧＤＰ（Gross Domestic Product）や、鉱工業指数、機械受注数である。また、予測部１６０は、所在地分布に基づくエリアごとの車両台数の変動や、季節変動、トレンド変動、走行時間変動、制動変動に基づいて所定エリアごとの予測情報を生成してもよい。このように、エリアごとに予測情報を生成することで、例えば、車両Ｍのユーザの転居等による需要の変化や走行環境の変化、所在値分布の変化に応じて、より精度の高い需要予測を行うことができる。
　図１２は、予測情報を生成する処理について説明するための図（その１）である。予測部１６０は、所定周期ごとの実績値および走行実態情報の指標であって、少なくとも３つの時点の実績値および指標を用いて、部品の需要を予測する。予測部１６０は、例えば、タイミングＴ－１およびＴの走行実態情報の指標を用いてＴ＋１における部品の需要を予測し、タイミングＴおよびＴ＋１の走行実態情報の指標を用いてＴ＋２における部品の需要を予測する。
　予測部１６０は、タイミングＴ（「第１時点」の一例）の走行実態情報の指標に対するとタイミングＴ－１（第１時点よりも前（過去）の「第２時点」の一例）の走行実態情報の指標の変位に基づいて、タイミングＴ＋１（第１時点よりも未来の「第３時点」の一例）の需要を予測する。例えば、予測部１６０は、タイミングＴの走行実態情報の指標がタイミングＴ－１の走行実態情報の指標に対して増加傾向である場合、タイミングＴ＋１の需要の予測を既存予測値よりも低下させる。予測部１６０は、タイミングＴの走行実態情報の指標がタイミングＴ－１の走行実態情報の指標に対して減少傾向である場合、タイミングＴ＋１の需要の予測を既存予測値よりも増加させる。
　予測部１６０は、タイミングＴの走行実態情報の指標がタイミングＴ－１の走行実態情報の指標に対して増加傾向である場合、タイミングＴ＋１の既存予測値からタイミングＴの走行実態情報の指標とタイミングＴ－１走行実態情報の指標との差分の大きさを減算した値に基づいて、タイミングＴ＋１における需要を予測する。例えば、予測部１６０は、タイミングＴの走行実態情報の指標がタイミングＴ－１の走行実態情報の指標に対して減少傾向である場合、タイミングＴ＋１の既存予測値からタイミングＴの走行実態情報の指標とタイミングＴ－１の走行実態情報の指標との差分の大きさを加算した値に基づいて、タイミングＴ＋１における需要を予測する。
　ここで、現在がタイミングＴであり、将来のタイミングＴ＋１における予測情報を求める処理について具体的に説明する。予測部１６０は、タイミングＴ－１の走行実態情報の走行実態値に対して、タイミングＴの走行実態情報の走行実態値（図１２、Ｖ１）はプラス４％であるため、次のタイミングＴ＋１の既存予測値（図１２、Ｖ２）をマイナス４％した値を新予測値（図１２、Ｖ３）とした予測情報を生成する。また、予測部１６０は、上述した特徴１を用いて需要の増加の後は減少が生じる傾向であると予測し、上述した特徴２を用いて振り幅は同じ傾向であるため、増加した分だけ需要は減少すると予測する。
　なお、既存予測値をマイナス４％した値を新予測値とすることに代えて、タイミングＴの走行実態値とタイミングＴ－１の走行実態値との差分を関数に適用して得られた値や、係数を用いて演算した値を新予測値としてもよい。また、値に代えて、既存予測値に比べて増加傾向や減少傾向等の傾向が上記の処理において求められてもよい。
　上記のように、予測部１６０は、前回のタイミングに対して着目するタイミングの走行実態値が増加傾向である場合、増加傾向である走行実態値に基づいて、既存予測値を補正した新予測値を予測する。これにより、需要予測装置１００は、エリアごとに、より精度よく部品の需要を予測することができる。
　なお、予測部１６０は、前回のタイミングに対して着目するタイミングの走行実態値が減少傾向である場合、減少傾向である走行実態値に基づいて、既存予測値を補正した新予測値を予測してもよい。これにより、需要予測装置１００は、より精度よく部品の需要を予測することができる。
　このように、予測部１６０は、次のタイミングの走行実態値が過去の走行実態値の増減の傾向とは反対の傾向である特性（第１時点の稼働値と第２時点の稼働値）と、次のタイミングの既存予測値とに基づいて、次のタイミングの既存予測値を補正した新予測値を求めることで、より精度よく部品の需要を予測することができる。
　図１３は、予測情報を生成する処理について説明するための図（その２）である。予測部１６０は、需要実績情報と走行実態値と既存予測値とに基づいて、部品の将来の需要を予測する。予測部１６０は、走行実態値から得た指標と、既存予測値と、実績値から求めた指標との相対関係に基づいて、需要を予測する。例えば、予測部１６０は、走行実態値から得た指標と、既存予測値と、実績値から求めた指標との相対関係に基づいて、既存予測値を予測値として採用するか、既存予測値を補正した値を予測値として採用するかを決定する。
　ここで、現在がタイミングＴ＋１であり、将来のタイミングＴ＋２における予測情報を求める処理について説明する。予測部１６０は、タイミングＴの走行実態情報の走行実態値に対して、タイミングＴ＋１の走行実態情報の走行実態値（図１３、Ｖ４）はマイナス３％であるため、次のタイミングＴ＋２の予測値を、予測情報の既存予測値（図１３、Ｖ５）をプラス３％した値を新予測値（図１３、Ｖ６）に仮置きする。仮置きした新予測値は「走行実態値から得た指標」の一例である。後述する成行き値は「実績値から求めた指標」または「実績値に基づく指標」の一例である。
　次に、予測部１６０は、タイミングＴ＋２における実績値の成行き値（図１３、Ｖ７）を求める。成行き値は、過去の実績値の傾向から求めた値である。成行き値は、例えば、タイミングＴの実績と、タイミングＴ＋１の実績とを結んだ線を線形に延在させた値である。
　また、予測部１６０は、タイミングＴ＋２における実績値の成行き値（図１３、Ｖ７）と、タイミングＴ＋２における既存予測値（図１３、Ｖ５）とを比較して、既存予測値が実績値の成行き値に対して上振れ予測できている場合（既存予測値から成行き値を減算した場合に符号がプラスになる場合）、仮置きした新予測値に補正をせずに、既存予測値を新予測値（図１３、Ｖ５）とする。
　なお、既存予測値が実績値に対して上振れできている場合において、既存予測値に代えて、既存予測値に基づく値を新予測値としてもよい。既存予測値に基づく値とは、例えば、既存予測値を増加（または低下）させるように補正した値である。例えば、予測部１６０は、仮置きした新予測値（既存予測値を増加させた値）と、既存予測値（第３時点の既存予測値）とに基づいて（例えば差分に基づく値に基づいて）、新予測値が決定されてもよい。
　また、成行き値のほうが既存予測値よりも大きい場合（または同一或いは近似する場合）、仮置きした新予測値（図１３、Ｖ６）を正規の新予測値としてもよいし、既存予測値を正規の新予測値としてもよい。
　上記のように、予測部１６０は、走行実態値と、成行き値と、既存予測値とを用いて、既存予測値を新予測値として採用するか、走行実態値に基づいて補正した値を新予測値として採用するか決定する。これにより、需要予測装置１００は、より精度よく部品の需要を予測することができる。なお、実施形態では、上述した図１３を用いて説明した処理は省略され、図１２を用いて説明した処理が実行されてもよい。
　また、予測部１６０は、上述した予測情報に基づいて、エリアごとに、将来必要となる部品の数種類および数を導出してもよく、導出した部品の数と所定施設（例えば、ディーラー）における在庫数とに基づいて、エリアごとの部品の発注数等を導出してもよい。これにより、需要予測装置１００において、エリアごとに適切な在庫管理を行うことができる。
　［フローチャート］
　次に、需要予測装置１００により実行される一連の処理の流れについて説明する。図１４は、需要予測装置１００により実行される処理の流れの一例を示すフローチャートである。図１４の例において、取得部１４０は、車両Ｍから稼働情報と取得する（ステップＳ１００）。次に、取得部１４０は、ネットワークＮＷに接続された所定施設または需要実績を管理する管理装置等から需要実績情報を取得する（ステップＳ１０２）。なお、ステップＳ１０２の処理は、ステップＳ１００の処理の前に実行されてもよい。次に、推定部１５０は、稼働情報に含まれる車両Ｍの位置情報を取得し、取得した位置情報に基づいて車両Ｍの所在地を推定する（ステップＳ１０４）。次に、推定部１５０は、車両Ｍの所在地に基づいて車両Ｍが属するエリア（例えば、区分エリア）を推定する（ステップＳ１０６）。次に、予測部１６０は、エリアごとに、走行実態を示す情報を生成し（ステップＳ１０８）、生成した走行実態を示す情報に基づいて、予測情報を生成する（ステップＳ１１０）。次に、情報提供部１７０は、生成された予測情報を提供する（ステップＳ１１２）。これにより、本フローチャートの処理は、終了する。
　次に、予測部１６０によるステップＳ１１０の処理の流れについて具体的に説明する。図１５は、予測部１６０によって実行される処理の流れの一例を示すフローチャートである。図１５の例において、まず、予測部１６０は、過去の走行実態値の傾向に基づいて、次の予測タイミングの走行実態値が現在のタイミングの走行実態値に対して減少傾向であると予測できるか否かを判定する（ステップＳ２００）。
　減少傾向であると予測できると判定した場合（ステップＳ２００において、ＹＥＳ）、第２予測部２３０は、前回の走行実態値に対する今回の走行実態値の増加度合を取得する（ステップＳ２０２）。次に、予測部１６０は、は、既存予測値を増加度合の絶対値分減少させる（ステップＳ２０４）。次に、第２予測部２３０は、減少させた既存予測値を新予測値とする（ステップＳ２０６）。これにより、本フローチャートの１ルーチンの処理が終了する。
　また、減少傾向であると予測できないと判定した場合（増加傾向であると予測できる場合（ステップＳ２００において、ＮＯ））、予測部１６０は、は、前回の走行実態値に対する今回の走行実態値の減少度合を取得する（ステップＳ２０８）。次に、予測部１６０は、既存予測値を減少度合の絶対値分増加させた新予測値を仮置きする（ステップＳ２１０）。次に、予測部１６０は、実績値に基づいて、成行き値を求める（ステップＳ２１２）。
　次に、予測部１６０は、既存予測値が成行き値に対して上振れしているか否かを判定する（ステップＳ２１４）。既存予測値が成行き値に対して上振れしていると判定した場合、予測部１６０は、仮置きした新予測値に補正を行わずに既存予測値を正規の新予測値とする（ステップＳ２１６）。また、既存予測値が成行き値に対して上振れしていないと判定した場合、予測部１６０は、仮置きした新予測値を正規の新予測値とする（ステップＳ２１８）。これにより、本フローチャートの１ルーチンの処理が終了する。
　なお、上記の処理の順番は変更されてもよいし、一部の処理は省略されてもよい。例えば、既存予測値が成行き値に対して上振れしている場合、新予測値を仮置きする処理は省略されてもよい。また、上記の処理において、既存予測値が成行き値に対して下振れしている場合、上記の考え方と同様の処理が行われてもよい。例えば、仮置きした新予測値が既存予測値よりも小さく、成行き値に対して既存予測値が小さい場合、予測部１６０は、仮置きした新予測値を正規の新予測値とせずに、既存予測値を正規の新予測値としてもよい。
　需要予測装置１００は、特定のエリアや、特定の車種、特定の部品の需要を予測する場合に、上記の処理を行ってよい。例えば、需要予測装置１００は、車格が所定以下の車両や、前方の部品、需要規模が所定度合以上の部品の需要を予測する場合に、上記の処理を行ってもよい。車格が所定以下の車両の予測精度は、車格が所定よりも大きい車両の予測精度よりも高く、前方の部品の予測精度は、他の部品（例えば後方の部品）の予測精度よりも高く、需要規模が所定度合以上の部品の予測精度は、需要規模が所定度合未満の部品の予測精度よりも高い傾向であるためである。
　以上説明した実施形態によれば、車両Ｍの部品の交換または修理に備えた部品の将来の需要を予測する需要予測装置１００であって、車両Ｍの動作開始時または動作終了時の位置情報を取得する位置取得部１４６と、位置取得部１４６により取得された位置情報に基づいて、車両Ｍの所在地を推定する推定部１５０と、推定部１５０により推定された所在地を含む所定エリアにおける部品の将来の需要を予測する予測部１６０と、を備えることにより、車両の部品の将来の需要をより精度よく予測することができる。
　具体的には、実施形態によれば、実施形態によれば、各エリアにおける車両部品の需要比と車両所在比との連動性や相関性が高い点に着目して、車両の所在地に関する情報を需要予測に活用することで、より正確な将来の需要予測が実現できる。また、実施形態によれば、ユーザの転居等による需要対象規模の変化や、車両の稼働／非稼働に基づく実際の車両の利用状況を反映して需要予測を行うことができる。
　また、実施形態によれば、エリアごとの車両Ｍの稼働情報を所定期間（例えば、月別）に取得することで、よりタイムリーで詳細な稼働状況の変化を把握することができる。また、実施形態によれば、対象期間の動作開始地点または動作終了地点（緯度、経度）の各平均を対象期間における車両の所在地とし、エリア内における車両の所在地分布の変動に基づく需要予測を行うことで、各エリア内の車両の変動をより正確かつ詳細に把握でき、予測精度をエリア別に向上させることができる。また、実施形態によれば、所在地が自宅であるか勤務地であるかを推定することで、自宅の場合、勤務地である場合、それ以外の場所である場合等で異なる需要予測を行うことができるため、より詳細な需要予測が可能となる。
　また、実施形態によれば、生成した予測情報を提供することで、ディーラー等におけるエリアごとの部品発注や在庫管理等を支援することができる。例えば、エリアごとの車両Ｍの稼働状況や部品の交換履歴等に基づいて部品ごとに消耗影響要素を特定することができ、車両ごと（または車種ごと）に、次回の交換タイミングを予測することで、より適切な在庫量を管理することができる。また、実施形態によれば、予測結果に基づいて、ディーラー等が部品を仕入れるまでの納期を短くすることができ、ユーザによりよいサービスを提供することができる。
　また、実施形態によれば、車両Ｍから得られる稼働情報等のコネクテッドデータにより、よりリアルタイムな市場動向の把握や、直近３か月等の短期間に基づく予測を行うことができる。また、実施形態によれば、車両走行変位から導出した上限変化比等を踏まえて予測値を適切に補正することで、予測精度の全体水準をより高く維持することができる。また、実施形態によれば、各エリアにおける需要比と車両所在比との連動性や相関性が高い点に着目して、需要予測に活用することで、より正確な将来の需要予測が実現できる。
　以上、本発明を実施するための形態について実施形態を用いて説明したが、本発明はこうした実施形態に何等限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々の変形及び置換を加えることができる。

Claims (10)

  1. 　車両の部品の交換または修理に備えた前記部品の将来の需要を予測する需要予測装置であって、
    　前記車両の動作開始時または動作終了時の位置情報を取得する位置取得部と、
    　前記位置取得部により取得された位置情報に基づいて、前記車両の所在地を推定する推定部と、
    　前記推定部により推定された所在地を含む所定エリアにおける前記部品の将来の需要を予測する予測部と、
    　を備える需要予測装置。
  2. 　前記推定部は、前記位置取得部により前記位置情報が取得された時間および取得回数に基づいて前記車両の所在地を推定する、
    　請求項１に記載の需要予測装置。
  3. 　前記推定部は、前記位置情報に対応付けられた時間帯に基づいて、前記車両のユーザの自宅または勤務地を推定する、
    　請求項２に記載の需要予測装置。
  4. 　前記推定部は、所定期間において、前記位置取得部により第１の時間帯に前記位置情報が所定回数以上取得された場合に前記位置情報に基づいて自宅を推定し、前記第１の時間帯よりも遅い第２の時間帯に前記位置情報が所定回数以上取得された場合に前記位置情報に基づいて勤務地を推定する、
    　請求項３に記載の需要予測装置。
  5. 　前記位置取得部は、複数の車両のそれぞれから前記位置情報を取得し、
    　前記推定部は、前記複数の車両の位置情報に基づいて、所定期間における前記複数の車両の所在地分布を推定し、
    　前記予測部は、前記推定部により推定された所在地分布に基づいて、所定エリアごとに前記部品の将来の需要を予測する、
    　請求項１に記載の需要予測装置。
  6. 　前記所定エリアごとに前記部品の需要実績情報を取得する需要実績取得部と、
    　前記所定エリアに属する車両から車両の稼働情報を取得する稼働情報取得部と、を更に備え、
    　前記予測部は、時系列における前記稼働情報に基づく値の増減および振り幅の傾向と、前記需要実績情報に基づく実績値の増減および振り幅の傾向とに基づいて、前記所定エリアごとの前記部品の将来の需要を予測する、
    　請求項５に記載の需要予測装置。
  7. 　前記予測部は、時系列における所定周期ごとの前記需要実績情報に基づく実績値および前記稼働情報に基づく稼働値に基づいて、第１時点の稼働値と、前記第１時点よりも前の第２時点の稼働値との変位に基づいて、前記第１時点よりも未来の第３時点の前記需要を予測する、
    　請求項６に記載の需要予測装置。
  8. 　前記予測部は、前記第１時点の稼働値が前記第２時点の稼働値に対して増加傾向である場合には前記第３時点の前記需要の予測値を、予め求められた既存予測値よりも低下させ、前記第１時点の稼働値が前記第２時点の稼働値に対して減少傾向である場合、前記第３時点の前記需要の予測値を、予め求められた既存予測値よりも増加させる、
    　請求項７に記載の需要予測装置。
  9. 　車両の部品の交換または修理に備えた前記部品の将来の需要を予測する需要予測装置のコンピュータが、
    　前記車両の動作開始時または動作終了時の位置情報を取得し、
    　取得した前記位置情報に基づいて、前記車両の所在地を推定し、
    　推定した前記所在地を含む所定エリアにおける前記部品の将来の需要を予測する、
    　需要予測方法。
  10. 　車両の部品の交換または修理に備えた前記部品の将来の需要を予測する需要予測装置のコンピュータに、
    　前記車両の動作開始時または動作終了時の位置情報を取得させ、
    　取得された前記位置情報に基づいて、前記車両の所在地を推定させ、
    　推定された前記所在地を含む所定エリアにおける前記部品の将来の需要を予測させる、
    　プログラムを記憶した記憶媒体。
PCT/JP2022/035368 2021-09-28 2022-09-22 需要予測装置、需要予測方法、および記憶媒体 WO2023054165A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2021-158343 2021-09-28
JP2021158343A JP2023048816A (ja) 2021-09-28 2021-09-28 需要予測装置、需要予測方法、およびプログラム

Publications (1)

Publication Number Publication Date
WO2023054165A1 true WO2023054165A1 (ja) 2023-04-06

Family

ID=85779814

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2022/035368 WO2023054165A1 (ja) 2021-09-28 2022-09-22 需要予測装置、需要予測方法、および記憶媒体

Country Status (2)

Country Link
JP (1) JP2023048816A (ja)
WO (1) WO2023054165A1 (ja)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003337905A (ja) * 2002-05-20 2003-11-28 Nissan Motor Co Ltd 広告配信処理システム、広告配信処理装置及び方法、通信端末及び広告提示方法
JP2016038743A (ja) * 2014-08-07 2016-03-22 株式会社インテック ナビゲーションシステムにおけるエリア属性推定装置及びエリア属性推定方法
WO2016071993A1 (ja) * 2014-11-06 2016-05-12 株式会社日立システムズ 車両消耗品需要予測システムおよび車両消耗品需要予測プログラム
JP2018146293A (ja) * 2017-03-02 2018-09-20 本田技研工業株式会社 施設評価装置及び施設評価方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003337905A (ja) * 2002-05-20 2003-11-28 Nissan Motor Co Ltd 広告配信処理システム、広告配信処理装置及び方法、通信端末及び広告提示方法
JP2016038743A (ja) * 2014-08-07 2016-03-22 株式会社インテック ナビゲーションシステムにおけるエリア属性推定装置及びエリア属性推定方法
WO2016071993A1 (ja) * 2014-11-06 2016-05-12 株式会社日立システムズ 車両消耗品需要予測システムおよび車両消耗品需要予測プログラム
JP2018146293A (ja) * 2017-03-02 2018-09-20 本田技研工業株式会社 施設評価装置及び施設評価方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
斎藤 尋彦, 製品稼動情報に基づくサービスパーツの需要予測, 経営の科学 オペレーションズ•リサーチ, 01 September 2011, vol. 56, no. 9, pp. 524-529, ISSN: 0030-3674, non-official translation (SAITO, Hirohiko. Demand forecast for service parts based on product operation information. Science of Management Operations Research.) *

Also Published As

Publication number Publication date
JP2023048816A (ja) 2023-04-07

Similar Documents

Publication Publication Date Title
US11650066B2 (en) Systems and methods for variable energy routing and tracking
US10755566B2 (en) Method and apparatus for determining location-based vehicle behavior
US11657074B2 (en) Systems and methods for database geocoding
US8755993B2 (en) Energy consumption profiling
US20110307166A1 (en) Method for computing an energy efficient route
TW201534513A (zh) 車輛預防性維護系統
JP2011162181A (ja) 加速度を決定するための自動車用システムおよび方法
JP6898714B2 (ja) 電気トラックの走行ルート選定システム、電気トラックの走行ルート選定方法
Kraschl-Hirschmann et al. Estimating energy consumption for routing algorithms
WO2023012229A1 (en) Methods and systems for predicting an energy consumption of a vehicle for its travel along a defined route and for routing
CN102132130B (zh) 导航服务器
US11151807B2 (en) Method and system for trailer tracking and inventory management
WO2023054165A1 (ja) 需要予測装置、需要予測方法、および記憶媒体
US11461674B2 (en) Vehicle recommendations based on driving habits
US11926328B2 (en) Tire selection methods and systems utilizing driving data relating to the driving of an associated vehicle
WO2023053804A1 (ja) 情報提供装置、需要予測装置、および情報提供方法
WO2023053806A1 (ja) 需要予測装置、需要予測方法、および記憶媒体
Ahmed ICT Integration for Electric Vehicles as Data Collector and Distributor of Data Services
WO2024038672A1 (ja) エネルギー消費量推定装置、モデル生成装置、プログラム及びモデルの生成方法
WO2022196484A1 (ja) 発注数算出装置および発注数算出システム
Zhang et al. Understanding freight drivers' behavior and the impact on vehicles' fuel consumption and CO2e emissions
JP2024067825A (ja) 情報処理装置、情報処理方法及びプログラム
WO2023139647A1 (ja) 処理装置、処理方法及びプログラム
US20240174032A1 (en) Apparatus and methods for predicting tire temperature levels
Zhang et al. Usage based insurance model with point of interest data

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: 22876032

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE