WO2025249233A1 - 情報処理装置、情報処理方法及びプログラム - Google Patents

情報処理装置、情報処理方法及びプログラム

Info

Publication number
WO2025249233A1
WO2025249233A1 PCT/JP2025/018019 JP2025018019W WO2025249233A1 WO 2025249233 A1 WO2025249233 A1 WO 2025249233A1 JP 2025018019 W JP2025018019 W JP 2025018019W WO 2025249233 A1 WO2025249233 A1 WO 2025249233A1
Authority
WO
WIPO (PCT)
Prior art keywords
constraints
constraint
electronic data
crew
information processing
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
PCT/JP2025/018019
Other languages
English (en)
French (fr)
Inventor
直人 福田
大地 佐藤
敬通 馬野
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NEC Corp
Original Assignee
NEC Corp
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 NEC Corp filed Critical NEC Corp
Publication of WO2025249233A1 publication Critical patent/WO2025249233A1/ja
Pending legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry

Definitions

  • This disclosure relates to an information processing device, an information processing method, and a program.
  • Patent Document 1 discloses an allocation determination device that determines the optimal journey for crew members based on a timetable.
  • the creator of an operation plan inputs conditions such as upper limits on crew working hours into a deployment determination device by operating an input device.
  • the creator of an operation plan must find the conditions to be input into the deployment determination device from documents such as work regulations that include descriptions of working conditions, and input them as constraints into the device that creates the route.
  • the task of finding and extracting constraints from paper or electronic documents that also contain information other than constraints requires a lot of effort. For this reason, there is a need for technology that can easily output constraints for crew work schedules.
  • one of the objectives that the embodiments disclosed in this specification aim to achieve is to provide an information processing device, information processing method, and program that can easily output constraints on crew work schedules.
  • An information processing device includes: a data acquisition means for acquiring electronic data including information regarding crew work schedules; a constraint generation means for generating constraints from the electronic data by inputting the electronic data into a machine learning model and obtaining constraints that crew work schedules should satisfy from the machine learning model; and a constraint condition output means for outputting the constraint condition.
  • An information processing method includes: Obtain electronic data including information about crew work schedules; generating constraints from the electronic data by inputting the electronic data into a machine learning model and obtaining constraints that crew work schedules must satisfy from the machine learning model; The constraints are output.
  • a program includes: a data acquisition step of acquiring electronic data including information about crew work schedules; a constraint generation step of generating constraints from the electronic data by inputting the electronic data into a machine learning model and obtaining constraints that crew work schedules should satisfy from the machine learning model; and a constraint condition output step of outputting the constraint condition.
  • This disclosure provides an information processing device, information processing method, and program that can easily output constraints on crew work schedules.
  • FIG. 1 is a block diagram illustrating an example of a configuration of an information processing device according to the present disclosure.
  • 1 is a block diagram illustrating an example of a configuration of an information processing device according to the present disclosure.
  • FIG. 10 is a diagram showing an example of a document in which work regulations for crew members are described.
  • FIG. 10 is a diagram showing an example of a document in which work regulations for crew members are described.
  • 10A and 10B are diagrams illustrating specific examples of constraints generated by a constraint generating unit.
  • 10A and 10B are diagrams illustrating specific examples of constraints generated by a constraint generating unit.
  • FIG. 1 is a diagram showing a specific example of a train schedule.
  • FIG. 10 is a diagram showing a specific example of a generated route.
  • FIG. 1 is a block diagram illustrating an example of a hardware configuration of an information processing device according to the present disclosure.
  • 10 is a flowchart illustrating an example of an operation of an information processing device according to the present disclosure
  • Fig. 1 is a block diagram showing an example of the configuration of the information processing device 10.
  • the information processing device 10 has a data acquisition unit 11, a constraint condition generation unit 12, and a constraint condition output unit 13.
  • the information processing device 10 is, for example, any device equipped with computer resources.
  • the data acquisition unit 11 acquires electronic data including information related to crew work schedules.
  • the electronic data acquired by the data acquisition unit 11 may be electronic document data created using document creation software, or electronic data obtained by performing OCR (Optical Character Recognition) processing on a paper document.
  • OCR Optical Character Recognition
  • the constraint generation unit 12 generates constraints that must be satisfied by the crew work schedule from the electronic data acquired by the data acquisition unit 11.
  • the constraint generation unit 12 generates constraints by inputting the electronic data acquired by the data acquisition unit 11 into a machine learning model and acquiring the constraints output from the machine learning model.
  • the machine learning model used here has been trained in advance to, for example, extract and output only the constraints that must be satisfied by the crew work schedule from the input information.
  • the constraint condition output unit 13 outputs the constraint conditions generated by the constraint condition generation unit 12.
  • the constraint condition output unit 13 can output the constraint conditions to any device or processing unit.
  • the constraint condition output unit 13 may output information about the constraint conditions generated by the constraint condition generation unit 12 to a device equipped with a display in order to display the constraint conditions to a user.
  • the constraint condition output unit 13 may also output to a device that executes a predetermined process using the constraint conditions, such as a device that generates a crew work schedule in accordance with the constraint conditions.
  • the information processing device 10 automatically generates and outputs constraints that must be satisfied by crew work schedules from electronic data containing information about the crew work schedules. This makes it easy to output constraints for crew work schedules. This eliminates the need for manual work to find and extract constraints from paper or electronic documents that contain information other than constraints. Note that this effect can also be achieved in an information processing method that includes the above-described processing of the information processing device 10, a program that performs the above-described processing of the information processing device 10, or a non-transitory computer-readable medium on which the program is stored.
  • Fig. 2 is a block diagram showing an example of the configuration of the information processing device 100.
  • the information processing device 100 is a device corresponding to the information processing device 10 described above.
  • the information processing device 100 has a data acquisition unit 101, a constraint condition generation unit 102, a constraint condition output unit 103, a diagram acquisition unit 104, a business schedule generation unit 105, and a business schedule output unit 106.
  • the information processing device 100 is, for example, a server, but is not limited to a server and may be any device that has computer functions.
  • the information processing device 100 may be realized as a device connected via a communication network, such as a client-server system or a cloud computing system.
  • the work schedule specifically refers to the route of the crew who works on a vehicle.
  • the vehicle on which the crew works is specifically a train, but it is not limited to trains and may also be a bus, etc.
  • the route corresponds to the crew's work pattern, and is a series of schedules from when a crew member arrives at work until when they leave work.
  • Routes must be determined taking into consideration not only working conditions such as crew working hours and rest periods, but also environmental conditions such as which stations have various facilities such as dining facilities, accommodation, and depots. In other words, these conditions are constraints that must be met when determining a route. If there is no document or electronic file that summarizes only the constraints, it is necessary to find the conditions that should be used as constraints. Therefore, in this embodiment, the data acquisition unit 101 first acquires electronic data that includes information about the crew's work schedules. Note that the data acquisition unit 101 corresponds to the data acquisition unit 11 described above.
  • the data acquisition unit 101 can acquire any electronic data including information about the crew's work schedule.
  • the electronic data acquired by the data acquisition unit 11 may be data of an electronic document created using document creation software, or electronic data obtained by performing OCR processing on a paper document.
  • the data acquisition unit 101 may acquire electronic data composed of text data by performing OCR processing on the paper medium.
  • the data acquisition unit 101 accepts a scanned image of the paper document and performs OCR processing on the scanned image to extract the text written in the document and acquire electronic data of the document. This processing makes it easy to acquire information about the crew's work schedule, even if it is written on a paper medium.
  • the OCR processing performed by the data acquisition unit 101 may be known AI-OCR processing, which is OCR incorporating AI (Artificial Intelligence) technology, on the paper document.
  • the data acquisition unit 101 acquires, for example, electronic data of a document such as that shown in Figures 3A and 3B.
  • Figures 3A and 3B show, as an example, a document that describes work regulations for crew members.
  • document 40 includes not only text 41 related to constraints, but also text unrelated to constraints.
  • the descriptions of conditions that should be used as constraints may not be contained in a single document, but may be scattered across various documents. For this reason, when a person creating a work schedule extracts constraints from a document, it requires a great deal of effort.
  • the descriptions related to constraints are all text, but the descriptions related to constraints may also be in tabular format. In this way, the data acquisition unit 101 acquires, for example, electronic data of a document that specifies the work of crew members.
  • the constraint condition generation unit 102 corresponds to the constraint condition generation unit 12 described above, and generates constraint conditions that must be satisfied by the crew work schedule from the electronic data acquired by the data acquisition unit 101. Specifically, the constraint condition generation unit 102 inputs the electronic data acquired by the data acquisition unit 101 into a machine learning model. The constraint condition generation unit 102 then acquires the constraint conditions output from this machine learning model. As a result, the constraint condition generation unit 102 generates constraint conditions from the electronic data acquired by the data acquisition unit 101.
  • the constraint generation unit 102 may use any machine learning model that uses known machine learning techniques.
  • the machine learning model used by the constraint generation unit 102 may be a machine learning model that provides generative artificial intelligence (AI) services, such as large-scale language models (LLMs).
  • AI generative artificial intelligence
  • LLMs large-scale language models
  • the constraint generation unit 102 inputs a prompt to the LLM, instructing it to extract constraints that the crew work schedules must satisfy from the text contained in the electronic data acquired by the data acquisition unit 101, along with the electronic data.
  • the machine learning model used by the constraint generation unit 102 may also be a machine learning model trained as follows.
  • the machine learning model used may be a model generated by machine learning using a large amount of training data that is a combination of text data containing descriptions of constraints and constraints to be output from the text data.
  • the text data containing descriptions of constraints that is used as training data may be text data containing only descriptions of constraints, or may be data containing text containing descriptions of constraints and other text.
  • Constraints may also be acquired through a two-stage process. For example, the constraint generation unit 102 first uses a first machine learning model to acquire only the sentences describing constraints from text data (e.g., text data of the entire document) that includes sentences describing constraints and other sentences. Next, the constraint generation unit 102 may use a second machine learning model to extract constraints from the sentences describing constraints output from the first machine learning model.
  • the data acquisition unit 101 may acquire electronic data representing the work schedule actually performed by the crew as electronic data containing information about the crew's work schedule. That is, the data acquisition unit 101 may acquire electronic data of the crew's work performance. In this case, the data acquisition unit 101 acquires electronic data of multiple work schedules as samples to discover constraints from the work performance. That is, the data acquisition unit 101 acquires a dataset of the work schedules actually performed. The dataset of the work schedules actually performed may include data indicating whether each work schedule is a schedule rule that satisfies the constraints.
  • the constraint generation unit 102 generates constraints, for example, using a known machine learning model that uses rule discovery inference technology.
  • the constraint generation unit 102 inputs the electronic data representing the work schedule actually performed by the crew into such a machine learning model and acquires the constraints output from the model (in other words, discovered by the model). This allows constraint conditions to be generated from the work schedule actually performed by the crew, so that constraint conditions can be acquired even when electronic data containing explicit descriptions of the conditions cannot be acquired. In this way, the electronic data containing information about the crew work schedule acquired by the data acquisition unit 101 does not necessarily have to include explicit descriptions of the conditions.
  • the constraint condition generation unit 102 may generate constraint conditions expressed in natural language.
  • Figure 4 is a diagram showing a specific example of constraint conditions generated by the constraint condition generation unit 102.
  • Figure 4 shows a specific example of constraint conditions expressed in natural language, generated based on the electronic data of the document shown in Figures 3A and 3B.
  • the constraint conditions are listed in bullet points using natural language.
  • the constraint condition generation unit 102 may generate a list of constraint conditions expressed in natural language. In this way, the constraint condition generation unit 102 may generate text data of constraint conditions expressed in natural language.
  • the constraint condition generation unit 102 may generate text data of constraint conditions by classifying them by type.
  • constraint condition group 50a is constraint conditions related to the start or end of work
  • constraint condition group 50b is constraint conditions related to breaks
  • constraint condition group 50c is constraint conditions related to working hours
  • constraint condition group 50d is constraint conditions related to facilities.
  • constraint conditions may be listed by type. It should be noted that the constraints shown in Figure 4 are merely examples, and it goes without saying that other constraints may be generated based on the electronic data acquired by the data acquisition unit 101.
  • the variables of each constraint condition are as follows:
  • the variable "S_early” indicates the earliest time that can be set as the start time of work on the first day of a two-day work shift.
  • the variable “E_late” indicates the latest time that can be set as the end time of work on the second day of a two-day work shift.
  • the variable "T1_early” indicates the earliest time that can be set as the breakfast time slot.
  • the variable “T1_late” indicates the latest time that can be set as the breakfast time slot.
  • the variable “T1” is a variable that indicates the length of time (minutes) of the breakfast break.
  • the variable "T2_early” indicates the earliest time that can be set as the lunch time slot.
  • the variable "T2_late” indicates the latest time that can be set as the lunch time slot.
  • the variable "T2” is a variable that indicates the length of the lunch break (minutes).
  • the variable “T3_early” indicates the earliest time that can be set as the dinner time slot.
  • the variable “T3_late” indicates the latest time that can be set as the dinner time slot.
  • the variable “T3” is a variable that indicates the length (in minutes) of the break time for dinner.
  • the variable “ST” indicates the length of time (in minutes) of rest time for sleeping, that is, the length of time spent overnight.
  • the variable "AT” indicates the maximum length of time (minutes) that a driver can continuously work on a train.
  • the variable "W1" is a variable that indicates the length of time (minutes) that should be set as the work time when a train leaves the depot.
  • the variable “W2” is a variable that indicates the length of time (minutes) that should be set as the work time when the train does not leave the depot.
  • the variable "S1” is a variable that indicates a set of identifiers of stations where depots are installed.
  • the variable “S2” is a variable that indicates a set of identifiers of stations where base offices are located.
  • the variable “S3” is a variable that indicates a set of identifiers of stations where accommodation facilities are located.
  • the variable "S4" is a variable that indicates a set of identifiers of stations where dining facilities are installed.
  • the constraint condition output unit 103 corresponds to the constraint condition output unit 13 described above, and performs processing to output the constraint conditions generated by the constraint condition generation unit 102.
  • the constraint condition output unit 13 can output the constraint conditions to any device or processing unit.
  • the constraint condition output unit 103 outputs the constraint conditions to the work schedule generation unit 105 described later.
  • the constraint condition output unit 103 outputs the constraint conditions generated by the constraint condition generation unit 102 to a device equipped with a display in order to display the constraint conditions to the user.
  • the device equipped with a display may be a terminal device such as a smartphone, tablet, or personal computer that is communicatively connected to the information processing device 100 via a network, or may be a display device directly connected to the information processing device 100.
  • the constraint condition output unit 103 may output the constraint conditions generated by the constraint condition generation unit 102 to a device that generates a crew work schedule in accordance with the constraint conditions, i.e., another device that performs processing equivalent to the work schedule generation unit 105 described later.
  • This other device may be a device communicably connected to the information processing device 100 via a network or the like. By performing this type of output processing, the information necessary for the business schedule generation process can be easily provided to the device.
  • the constraint output unit 103 When constraints are output to display them to a user, it is preferable that the constraint output unit 103 outputs a list of constraints expressed in the above-mentioned natural language to a device equipped with a display. This allows the user to understand the constraints more easily than when the constraints are expressed in mathematical expressions, etc. Furthermore, when constraints are output to a device that performs predetermined processing, such as generating a business schedule, it is preferable that the constraint output unit 103 outputs a list of constraints expressed in the above-mentioned mathematical expressions. This allows the device to use the input information more easily than when the constraints are expressed in natural language, etc.
  • the timetable acquisition unit 104 acquires timetable data that indicates the travel schedule of vehicles.
  • the timetable acquisition unit 104 specifically acquires data that indicates train operation timetables as the timetable data.
  • the work schedule generation unit 105 generates work schedules for crew members who work on vehicles that move according to travel schedules indicated in the timetable data, and the work schedules are based on constraints.
  • the work schedule generation unit 105 generates work schedules for crew members who work on trains.
  • the work schedule generation unit 105 generates a work schedule using the constraints generated by the constraint condition generation unit 102 and the timetable data acquired by the timetable acquisition unit 104.
  • the work schedule specifically refers to the route of the crew members who work on vehicles.
  • the work schedule i.e., the route, includes, for example, a work schedule that specifies the vehicle for which the crew member is responsible, the travel section for which they are responsible, and work time information, and a rest schedule that specifies rest locations and rest time information.
  • a work schedule that specifies the vehicle for which the crew member is responsible, the travel section for which they are responsible, and work time information
  • a rest schedule that specifies rest locations and rest time information.
  • Each crew member works according to the route assigned to them.
  • the route may indicate a schedule spanning multiple days (for example, two days).
  • the work schedule generation unit 105 may generate a work schedule according to any known algorithm for generating a work schedule.
  • the work schedule generation unit 105 may generate a route using the technology disclosed in Patent Document 1, may generate a route using a mixed integer programming solver, or may generate a route using any machine learning model.
  • the work schedule generation unit 105 may generate a work schedule using a predetermined algorithm, and the specific generation method is not limited to any one method.
  • the timetable acquisition unit 104 acquires timetable data showing train timetables such as that shown in Figure 6.
  • train timetables such as that shown in Figure 6.
  • circles indicate vehicles leaving the depot
  • triangles indicate vehicles entering the depot.
  • Timetable 60 shows the following movement schedule for a certain vehicle. The vehicle leaves the depot at Station A and travels from Station A to Station C as a train identified by train number 3M. After waiting for a while at Station C, the vehicle travels from Station C to Station A as a train identified by train number 4M. The vehicle is then brought into the depot at Station A.
  • the work schedule generation unit 105 generates data indicating routes, such as those shown in FIG. 7, using the acquired timetable data, the constraints generated by the constraint generation unit 102, and a predetermined algorithm.
  • routes such as those shown in FIG. 7, using the acquired timetable data, the constraints generated by the constraint generation unit 102, and a predetermined algorithm.
  • five routes are generated to operate each train according to the timetable shown in FIG. 6.
  • these routes are assigned to five crew members.
  • the work schedule generation unit 105 generates routes such that the crew's working hours and rest times satisfy the constraints, and the locations where the crew members' actions (e.g., accommodation, meals, work) are carried out satisfy the facility-related constraints.
  • the work schedule generation unit 105 generates routes that satisfy the working conditions, environmental conditions, etc. expressed as constraints.
  • the work schedule output unit 106 outputs the work schedule generated by the work schedule generation unit 105.
  • the work schedule output unit 106 may output information indicating the work schedule to any device or processing unit.
  • the work schedule output unit 106 may output the generated work schedule to a device equipped with a display in order to display the work schedule to a user.
  • a device equipped with a display refers to any device equipped with a display, and may be, for example, a tablet terminal or smartphone, or a display device using XR (Cross Reality) technology such as VR (Virtual Reality), AR (Augmented Reality), or MR (Mixed Reality).
  • the work schedule may also be output as audio on a device equipped with a speaker.
  • the device may interact with the user via audio when outputting information to the user or inputting information from the user.
  • the device to which the work schedule is output may be a terminal device used by the crew.
  • the work schedule output unit 106 may also output to a device that executes predetermined processing using the work schedule.
  • Figure 8 is a block diagram showing an example of the hardware configuration of the information processing device 100.
  • the information processing device 100 includes an input/output interface 151, a memory 152, and a processor 153.
  • the input/output interface 151 is an interface for connecting to other devices or networks as needed.
  • the input/output interface 151 may also include a network interface.
  • Memory 152 is composed of, for example, a combination of volatile memory and non-volatile memory. Memory 152 is used to store software (computer programs) including one or more instructions executed by processor 153, as well as data used for various processes.
  • the processor 153 reads and executes software (computer programs) from the memory 152 to perform processing of each component shown in Fig. 2.
  • the processor 153 may be, for example, a microprocessor, an MPU (Micro Processor Unit), or a CPU (Central Processing Unit).
  • the processor 153 may include multiple processors. In this way, the information processing device 100 has the functions of a computer.
  • the program includes instructions (or software code) that, when loaded into a computer, cause the computer to perform one or more functions described in the embodiments.
  • the program may be stored on a non-transitory computer-readable medium or a tangible storage medium.
  • computer-readable medium or tangible storage medium includes random-access memory (RAM), read-only memory (ROM), flash memory, solid-state drive (SSD) or other memory technology, CD-ROM, digital versatile disc (DVD), Blu-ray (registered trademark) disc or other optical disk storage, magnetic cassette, magnetic tape, magnetic disk storage or other magnetic storage device.
  • the program may also be transmitted on a transitory computer-readable medium or communication medium.
  • transitory computer-readable medium or communication medium includes electrical, optical, acoustic, or other forms of propagated signals.
  • Figure 9 is a flowchart showing an example of the operation of the information processing device 100.
  • step S100 the data acquisition unit 101 acquires electronic data including information about the crew's work schedule.
  • step S101 the constraint generating unit 102 generates constraints that the crew work schedule must satisfy from the electronic data acquired in step S100.
  • step S102 the constraint condition output unit 103 performs processing to output the constraint conditions generated in step S101.
  • the constraint conditions are output to the business schedule generation unit 105, but instead of outputting to the business schedule generation unit 105, they may also be output to another device that generates business schedules.
  • the constraint conditions may be output to a device equipped with a display so that the user can see the constraint conditions.
  • this device equipped with a display may be a terminal device used by the crew.
  • constraints that must be satisfied by the crew work schedules are automatically generated from electronic data containing information about the crew work schedules, and output. This makes it easy to obtain constraints for the crew work schedules.
  • a work schedule is automatically generated based on the obtained constraints. This makes it easy to obtain the crew work schedules.
  • the information processing device 100 in order for the information processing device 100 to generate and output the work schedules, the information processing device 100 includes a timetable acquisition unit 104, a work schedule generation unit 105, and a work schedule output unit 106. However, if the information processing device 100 does not need to perform such processing, these components may be omitted from the information processing device 100.
  • Some or all of the above embodiments may also be described as, but are not limited to, the following appendices.
  • Some or all of the elements (e.g., configurations and functions) described in appendices 2 to 9, which are dependent on appendices 1, may also be dependent on appendices 10 and 11 in the same dependent relationship as appendices 2 to 9.
  • some or all of the elements described in any appendice may be applied to various hardware, software, recording means for recording software, systems, and methods.
  • (Appendix 1) a data acquisition means for acquiring electronic data including information regarding crew work schedules; a constraint generation means for generating constraints from the electronic data by inputting the electronic data into a machine learning model and obtaining constraints that crew work schedules should satisfy from the machine learning model; and a constraint condition output means for outputting the constraint condition.
  • Appendix 2 The information processing device according to claim 1, wherein the electronic data is electronic data of a document specifying the duties of a crew member.
  • (Appendix 3) The information processing device according to claim 1, wherein the electronic data is electronic data representing a work schedule actually carried out by a crew member.
  • the constraint generating means generates a list of the constraints expressed in mathematical expressions;
  • the information processing device wherein the constraint output means outputs the list of constraints to the device.
  • (Appendix 8) a timetable acquisition means for acquiring timetable data indicating a travel schedule of a vehicle; a work schedule generating means for generating a work schedule according to the constraints for crew members who work on the vehicles that move according to the travel schedule, using the constraints and the timetable data;
  • the information processing apparatus according to any one of claims 1 to 7, further comprising: a business schedule output unit that outputs the business schedule.
  • (Appendix 11) a data acquisition step of acquiring electronic data including information about crew work schedules; a constraint generation step of generating constraints from the electronic data by inputting the electronic data into a machine learning model and obtaining constraints that crew work schedules should satisfy from the machine learning model; a constraint condition output step of outputting the constraint condition; and a program for causing a computer to execute the steps.
  • Information processing device 11 Data acquisition unit 12 Constraint condition generation unit 13 Constraint condition output unit 100 Information processing device 101 Data acquisition unit 102 Constraint condition generation unit 103 Constraint condition output unit 104 Diagram acquisition unit 105 Business schedule generation unit 106 Business schedule output unit 151 Input/output interface 152 Memory 153 Processor

Landscapes

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

Abstract

乗務員の業務スケジュールについての制約条件を容易に出力することができる情報処理装置、情報処理方法及びプログラムを提供する。本開示にかかる情報処理装置は、乗務員の業務スケジュールに関する情報を含む電子データを取得するデータ取得手段と、前記電子データを機械学習モデルに入力し前記機械学習モデルから乗務員の業務スケジュールが満たすべき制約条件を取得することにより、前記電子データから前記制約条件を生成する制約条件生成手段と、前記制約条件を出力する制約条件出力手段とを有する。

Description

情報処理装置、情報処理方法及びプログラム
　本開示は、情報処理装置、情報処理方法及びプログラムに関する。
　鉄道事業者は、列車の運行スケジュールであるダイヤに合わせて、乗務員の業務スケジュールを作成する必要がある。例えば、鉄道事業者は、行路と呼ばれる乗務員の業務スケジュールを作成する必要がある。行路の作成には、業務の効率性だけでなく、乗務員の労働条件なども考慮する必要がある。したがって、行路の作成を手作業で行うことは容易ではない。このため、行路の作成を自動化する様々な技術が提案されている。例えば、特許文献１は、ダイヤに基づいて乗務員の最適な行路を決定する配置決定装置を開示している。
特開２０１１-３４４９９号公報
　特許文献１に開示された技術では、運用計画の作成者は、乗務員の勤務時間の上限値などの条件を、入力装置を操作することにより、配置決定装置に入力する。これを実現するためには、運用計画の作成者は、労働条件などの記載を含む業務規程書などの文書から、配置決定装置に入力すべき条件を見つけ出し、制約条件として、行路を作成する装置に入力する必要がある。しかしながら、制約条件以外の情報も記載された、紙媒体もしくは電子データの文書などから、制約条件を見つけ出して抽出する作業は、多くの労力を必要とする。このため、乗務員の業務スケジュールについての制約条件を容易に出力することができる技術の提供が求められている。
　そこで、この明細書に開示される実施形態が達成しようとする目的の１つは、乗務員の業務スケジュールについての制約条件を容易に出力することができる情報処理装置、情報処理方法及びプログラムを提供することである。
　本開示の第１の態様にかかる情報処理装置は、
　乗務員の業務スケジュールに関する情報を含む電子データを取得するデータ取得手段と、
　前記電子データを機械学習モデルに入力し前記機械学習モデルから乗務員の業務スケジュールが満たすべき制約条件を取得することにより、前記電子データから前記制約条件を生成する制約条件生成手段と、
　前記制約条件を出力する制約条件出力手段と
　を有する。
　本開示の第２の態様にかかる情報処理方法は、コンピュータが、
　乗務員の業務スケジュールに関する情報を含む電子データを取得し、
　前記電子データを機械学習モデルに入力し前記機械学習モデルから乗務員の業務スケジュールが満たすべき制約条件を取得することにより、前記電子データから前記制約条件を生成し、
　前記制約条件を出力する。
　本開示の第３の態様にかかるプログラムは、
　乗務員の業務スケジュールに関する情報を含む電子データを取得するデータ取得ステップと、
　前記電子データを機械学習モデルに入力し前記機械学習モデルから乗務員の業務スケジュールが満たすべき制約条件を取得することにより、前記電子データから前記制約条件を生成する制約条件生成ステップと、
　前記制約条件を出力する制約条件出力ステップと
　をコンピュータに実行させる。
　本開示によれば、乗務員の業務スケジュールについての制約条件を容易に出力することができる情報処理装置、情報処理方法及びプログラムを提供できる。
本開示にかかる情報処理装置の構成の一例を示すブロック図である。 本開示にかかる情報処理装置の構成の一例を示すブロック図である。 乗務員の業務規程が記載された文書の一例を示す図である。 乗務員の業務規程が記載された文書の一例を示す図である。 制約条件生成部が生成する制約条件の具体例を示す図である。 制約条件生成部が生成する制約条件の具体例を示す図である。 列車のダイヤの具体例を示す図である。 生成される行路の具体例を示す図である。 本開示にかかる情報処理装置のハードウェア構成の一例を示すブロック図である。 本開示にかかる情報処理装置の動作の一例を示すフローチャートである。
　説明の明確化のため、以下の記載及び図面は、適宜、省略、及び簡略化がなされている。各図面において、同一又は対応する要素には同一の符号が付されており、説明の明確化のため、必要に応じて重複説明は省略される。また、各図面は、１又はそれ以上の実施形態を説明するための単なる例示である。各図面は、１つの特定の実施形態のみに関連付けられるのではなく、１又はそれ以上の他の実施形態に関連付けられてもよい。当業者であれば理解できるように、いずれか１つの図面を参照して説明される様々な特徴又はステップは、例えば明示的に図示または説明されていない実施形態を作り出すために、１又はそれ以上の他の図に示された特徴又はステップと組み合わせることができる。例示的な実施形態を説明するためにいずれか１つの図に示された特徴またはステップのすべてが必ずしも必須ではなく、一部の特徴またはステップが省略されてもよい。いずれかの図に記載されたステップの順序は、適宜変更されてもよい。
＜実施の形態１＞
　以下、情報処理装置１０の構成例を、図１を用いて説明する。図１は、情報処理装置１０の構成の一例を示すブロック図である。情報処理装置１０は、データ取得部１１と、制約条件生成部１２と、制約条件出力部１３とを有する。情報処理装置１０は、例えばコンピュータリソースを備えた任意の装置である。
　データ取得部１１は、乗務員の業務スケジュールに関する情報を含む電子データを取得する。データ取得部１１が取得する電子データは、ドキュメント作成ソフトウェアで作成された電子文書のデータであってもよいし、紙媒体の文書に対してＯＣＲ（Optical Character Recognition：光学文字認識）処理を行うことで得られた電子データであってもよい。
　制約条件生成部１２は、データ取得部１１が取得した電子データから、乗務員の業務スケジュールが満たすべき制約条件を生成する。制約条件生成部１２は、データ取得部１１が取得した電子データを機械学習モデルに入力し機械学習モデルから出力された制約条件を取得することにより、制約条件を生成する。ここで用いられる機械学習モデルは、例えば、入力された情報から、乗務員の業務スケジュールが満たすべき制約条件だけを抽出して出力するよう予め機械学習されている。
　制約条件出力部１３は、制約条件生成部１２が生成した制約条件を出力する。制約条件出力部１３は、任意の装置又は処理部に制約条件を出力しうる。例えば、制約条件出力部１３は、制約条件をユーザに対して表示するために、制約条件生成部１２が生成した制約条件の情報を、ディスプレイを備えた装置に出力してもよい。また、制約条件出力部１３は、制約条件にしたがった乗務員の業務スケジュールを生成する装置などといった、制約条件を用いた所定の処理を実行する装置に出力してもよい。
　情報処理装置１０によれば、乗務員の業務スケジュールが満たすべき制約条件が、乗務員の業務スケジュールに関する情報を含む電子データから自動的に生成され、出力される。このため、乗務員の業務スケジュールについての制約条件を容易に出力することができる。したがって、制約条件以外の情報も含む、紙媒体もしくは電子データの文書などから、制約条件を見つけ出して抽出する人手による作業を省略することができる。なお、このような効果は、情報処理装置１０の上述した処理を含む情報処理方法や、情報処理装置１０の上述した処理を行うプログラムもしくは当該プログラムが格納された非一時的なコンピュータ可読媒体などにおいても、得ることができる。
　以下、実施の形態１をより具体的にした実施の形態について説明する。
＜実施の形態２＞
　以下、情報処理装置１００の構成例を、図２を用いて説明する。図２は、情報処理装置１００の構成の一例を示すブロック図である。情報処理装置１００は、上述した情報処理装置１０に対応する装置である。
　情報処理装置１００は、データ取得部１０１と、制約条件生成部１０２と、制約条件出力部１０３と、ダイヤ取得部１０４と、業務スケジュール生成部１０５と、業務スケジュール出力部１０６とを有する。情報処理装置１００は、例えば、サーバであるが、サーバに限らず、コンピュータとしての機能を備えた装置であればよい。例えば、情報処理装置１００は、クライアントサーバシステム、クラウドコンピューティングシステム等の通信ネットワークを介した装置として実現されてもよい。
　情報処理装置１００は、情報処理装置１０と同様、乗務員の業務スケジュールが満たすべき制約条件を自動的に生成する。本実施の形態では、業務スケジュールは、具体的には、乗り物に乗務する乗務員の行路をいう。なお、本実施の形態では、乗務員が乗務する乗り物は、具体的には列車であるが、列車に限らず、バスなどであってもよい。また、行路とは、乗務員の勤務パターンに相当し、ある乗務員が出勤してから退勤するまでの一連のスケジュールである。
　乗務員の勤務時間や休憩時間などの労働条件に加え、食事施設、宿泊施設、車庫などの様々な施設がどの駅に設けられているかといった環境条件なども考慮して、行路は決定されなければならない。すなわち、これらの条件は、行路を決定する上で満たすべき制約条件である。制約条件だけをまとめた資料又は電子ファイルが存在しない場合には、制約条件とすべき条件を見つけ出す必要がある。そこで、本実施の形態では、まず、データ取得部１０１が、乗務員の業務スケジュールに関する情報を含む電子データを取得する。なお、データ取得部１０１は、上述したデータ取得部１１に対応している。
　データ取得部１０１は、乗務員の業務スケジュールに関する情報を含む任意の電子データを取得しうる。データ取得部１１が取得する電子データは、ドキュメント作成ソフトウェアで作成された電子文書のデータであってもよいし、紙媒体の文書に対してＯＣＲ処理を行うことで得られた電子データであってもよい。すなわち、データ取得部１０１は、乗務員の業務スケジュールに関する情報が記載された媒体が紙媒体である場合、当該紙媒体に対してＯＣＲ処理を行うことで、テキストデータにより構成された電子データを取得してもよい。この場合、具体的には、データ取得部１０１は、紙媒体の文書のスキャン画像を受付け、当該スキャン画像に対してＯＣＲ処理を行なうことにより、当該文書に記載されたテキストを抽出し、当該文書の電子データを取得する。このような処理によれば、紙媒体に乗務員の業務スケジュールに関する情報が記載されている場合であっても、当該情報を容易に取得することができる。なお、ＯＣＲ処理は、データ取得部１０１は、ＡＩ（Artificial Intelligence）技術を組み込んだＯＣＲである公知のＡＩ－ＯＣＲ処理を紙媒体の文書に対して実行してもよい。
　データ取得部１０１は、例えば、図３Ａ及び図３Ｂに示すような文書の電子データを取得する。図３Ａ及び図３Ｂでは一例として、乗務員の業務規程が記載された文書が示されている。図３Ａ及び図３Ｂに示すように、文書４０は、制約条件に関する文章４１だけでなく、制約条件には関係のない文章も含んでいる。また、制約条件とすべき条件の記載は、一つの文書だけでなく、様々な文書に分散している場合もある。このため、文書から制約条件を抽出する作業を業務スケジュールの作成者が行う場合には、多くの労力を要してしまう。なお、図３Ａ及び図３Ｂに示した例では、制約条件に関する記載は、いずれも文章であるが、制約条件に関する記載が表形式で記載されていてもよい。このように、データ取得部１０１は、例えば、乗務員の業務に関して規定した文書の電子データを取得する。
　制約条件生成部１０２は、上述した制約条件生成部１２に対応しており、データ取得部１０１が取得した電子データから、乗務員の業務スケジュールが満たすべき制約条件を生成する。具体的には、制約条件生成部１０２は、データ取得部１０１が取得した電子データを機械学習モデルに入力する。そして、制約条件生成部１０２は、この機械学習モデルから出力された制約条件を取得する。これにより、制約条件生成部１０２は、データ取得部１０１が取得した電子データから制約条件を生成する。
　制約条件生成部１０２は、公知の機械学習技術を用いた任意の機械学習モデルを利用しうる。例えば、制約条件生成部１０２が用いる機械学習モデルは、大規模言語モデル（ＬＬＭ（Large language Models））などの生成ＡＩ（Generative Artificial Intelligence）のサービスを提供する機械学習モデルであってもよい。この場合、制約条件生成部１０２は、データ取得部１０１が取得した電子データとともに、当該電子データに含まれるテキストから、乗務員の業務スケジュールが満たすべき制約条件を抽出することを指示するプロンプトを、ＬＬＭに入力する。また、制約条件生成部１０２が用いる機械学習モデルは、次のようにして学習された機械学習モデルであってもよい。例えば、用いられる機械学習モデルは、制約条件に関する記載がある文章データと、当該文章データから出力すべき制約条件との組み合わせからなる多数の教師データを用いた機械学習を行うことで生成されたモデルであってもよい。この場合、教師データとして用いられる、制約条件に関する記載がある文章データは、制約条件に関する記載だけを含む文章のデータであってもよいし、制約条件に関する記載の文章とそれ以外の記載の文章とを含むデータであってもよい。また、二段階の処理により、制約条件が取得されてもよい。例えば、制約条件生成部１０２は、まず、第１の機械学習モデルを用いて、制約条件に関する記載の文章とそれ以外の記載の文章とを含む文章データ（例えば、文書全体のテキストデータ）から制約条件に関する記載の文章だけを取得する。そして、次に、制約条件生成部１０２は、第２の機械学習モデルを用いて、第１の機械学習モデルから出力された制約条件に関する記載の文章から制約条件を抽出してもよい。
　なお、データ取得部１０１は、乗務員の業務スケジュールに関する情報を含む電子データとして、乗務員が実際に遂行した業務スケジュールを表す電子データを取得してもよい。すなわち、データ取得部１０１は、乗務員の業務実績の電子データを取得してもよい。この場合、データ取得部１０１は、業務実績から制約条件を発見するために、サンプルとして複数の業務スケジュールの電子データを取得する。すなわち、データ取得部１０１は、実際に遂行された業務スケジュールのデータセットを取得する。実際に遂行された業務スケジュールのデータセットは、各業務スケジュールが制約条件を満たすスケジュルールであるか否かを示すデータを含んでもよい。データ取得部１０１が、乗務員が実際に遂行した業務スケジュールを表す電子データを取得した場合、制約条件生成部１０２は、例えば、ルール発見型推論技術を用いた公知の機械学習モデルを用いて、制約条件を生成する。すなわち、制約条件生成部１０２は、そのような機械学習モデルに、乗務員が実際に遂行した業務スケジュールを表す電子データを入力し、当該モデルから出力された（換言すると、当該モデルによって発見された）制約条件を取得する。これにより、乗務員が実際に遂行した業務スケジュールから制約条件を生成することができるため、条件についての明示的な記載を含む電子データが取得できない場合であっても、制約条件を取得することができる。このように、データ取得部１０１が取得する、乗務員の業務スケジュールに関する情報を含む電子データは、必ずしも条件についての明示的な記載を含まなくてもよい。
　制約条件生成部１０２は、自然言語で表された制約条件を生成してもよい。図４は、制約条件生成部１０２が生成する制約条件の具体例を示す図である。図４は、図３Ａ及び図３Ｂに示した文書の電子データに基づいて生成される、自然言語で表された制約条件の具体例を示している。図４では、制約条件が自然言語を用いて箇条書きで記載されている。図４に示すように、制約条件生成部１０２は、自然言語で表された制約条件のリストを生成してもよい。このように、制約条件生成部１０２は、自然言語で表された制約条件のテキストデータを生成してもよい。また、図４に示すように、制約条件生成部１０２は、制約条件の種類ごとに分類して、制約条件のテキストデータを生成してもよい。図４に示した例では、制約条件群５０ａは、勤務の開始又は終了に関する制約条件であり、制約条件群５０ｂは休憩に関する制約条件であり、制約条件群５０ｃは業務時間に関する制約条件であり、制約条件群５０ｄは施設に関する制約条件である。このように種類ごとに分類されて、制約条件がリストアップされてもよい。なお、図４に示した制約条件は例に過ぎず、データ取得部１０１が取得した電子データに基づいて、これら以外の制約条件が生成されてもよいことは言うまでもない。
　また、制約条件生成部１０２は、数式で表された制約条件を生成してもよい。制約条件生成部１０２は、上述した自然言語で表された制約条件の生成に代えて、数式で表された制約条件を生成してもよいし、自然言語で表された制約条件の生成に加え、数式で表された制約条件を生成してもよい。図５は、制約条件生成部１０２が生成する制約条件の具体例を示す図である。図５は、図３Ａ及び図３Ｂに示した文書の電子データに基づいて生成される、数式で表された制約条件の具体例を示している。図５に示すように、制約条件生成部１０２は、変数と、不等号や等号などいった数学記号とを用いて表された制約条件のリストを生成してもよい。
　なお、図５において、各制約条件の変数は次のような変数である。
　変数「S_early」は、二日間を単位とする勤務の一日目の業務の開始時刻として設定可能な最も早い時刻を示す変数である。
　変数「E_late」は、二日間を単位とする勤務の二日目の業務の終了時刻として設定可能な最も遅い時刻を示す変数である。
　変数「T1_early」は、朝食の時間帯として設定可能な最も早い時刻を示す変数である。
　変数「T1_late」は、朝食の時間帯として設定可能な最も遅い時刻を示す変数である。
　変数「T1」は、朝食のための休憩時間の時間長（分）を示す変数である。
　変数「T2_early」は、昼食の時間帯として設定可能な最も早い時刻を示す変数である。
　変数「T2_late」は、昼食の時間帯として設定可能な最も遅い時刻を示す変数である。
　変数「T2」は、昼食のための休憩時間の時間長（分）を示す変数である。
　変数「T3_early」は、夕食の時間帯として設定可能な最も早い時刻を示す変数である。
　変数「T3_late」は、夕食の時間帯として設定可能な最も遅い時刻を示す変数である。
　変数「T3」は、夕食のための休憩時間の時間長（分）を示す変数である。
　変数「ST」は、睡眠のための休憩時間、すなわち宿泊時間の時間長（分）を示す変数である。
　変数「AT」は、継続して列車に乗務する時間の最大時間長（分）を示す変数である。
　変数「W1」は、車庫から列車を出庫する場合の作業時間として設定すべき時間長（分）を示す変数である。
　変数「W2」は、車庫から列車を出庫しない場合の作業時間として設定すべき時間長（分）を示す変数である。
　変数「S1」は、車庫が設置されている駅の識別子の集合を示す変数である。
　変数「S2」は、拠点事務所が設置されている駅の識別子の集合を示す変数である。
　変数「S3」は、宿泊施設が設置されている駅の識別子の集合を示す変数である。
　変数「S4」は、食事施設が設置されている駅の識別子の集合を示す変数である。
　以上、図５に示した変数について説明したが、図５に示した変数は例に過ぎず、データ取得部１０１が取得した電子データに基づいて、これら以外の制約条件が生成されてもよいことは言うまでもない。
　制約条件の数式での表現は、上述したいずれかの機械学習モデルによって実現されてもよい。すなわち、データ取得部１０１が取得した電子データが入力された機械学習モデルが、数式で表現された制約条件を出力してもよい。この場合、制約条件生成部１０２は、変数を用いて制約条件を出力するよう機械学習モデルに指示してもよい。例えば、制約条件生成部１０２は、データ取得部１０１が取得した電子データとともに、当該電子データに含まれるテキストから制約条件を抽出して数式で出力することを指示するプロンプトを、ＬＬＭに入力してもよい。また、制約条件生成部１０２が、機械学習モデルから出力された自然言語で表された制約条件を取得し、当該自然言語で表された制約条件を数式で表現された制約条件に変換する処理を行ってもよい。例えば、制約条件生成部１０２は、所定の文字列を所定の変数に変換するとともに数値についての記載を数学記号を使った記載に変換する処理を所定の変換ルールにしたがって行うことにより、表現の変換を行ってもよい。
　制約条件出力部１０３は、上述した制約条件出力部１３に対応しており、制約条件生成部１０２が生成した制約条件を出力する処理を行う。制約条件出力部１３は、任意の装置又は処理部に制約条件を出力しうる。本実施の形態では、制約条件出力部１０３は、後述する業務スケジュール生成部１０５に対して制約条件を出力する。また、制約条件出力部１０３は、制約条件をユーザに対して表示するために、制約条件生成部１０２が生成した制約条件を、ディスプレイを備えた装置に出力する。ディスプレイを備えた装置は、情報処理装置１００とネットワークなどを介して通信可能に接続されたスマートフォン、タブレット、パーソナルコンピュータなどの端末装置であってもよいし、情報処理装置１００と直接接続されたディスプレイ装置であってもよい。このような出力処理が行われることにより、ユーザが制約条件を容易に把握することができる。また、制約条件出力部１０３は、制約条件にしたがった乗務員の業務スケジュールを生成する装置、すなわち後述する業務スケジュール生成部１０５に相当する処理を行う他の装置に、制約条件生成部１０２が生成した制約条件を出力してもよい。この他の装置は、情報処理装置１００とネットワークなどを介して通信可能に接続された装置であってもよい。このような出力処理が行われることにより、業務スケジュールの生成処理に必要な情報を容易に装置に提供することができる。
　なお、制約条件をユーザに対して表示するために制約条件の出力が行われる場合には、制約条件出力部１０３は、上述した自然言語で表された制約条件のリストを、ディスプレイを備えた装置に出力することが好ましい。これにより、数式などで制約条件が表現されている場合に比較し、ユーザは制約条件を容易に理解することができる。また、業務スケジュールの生成などの所定の処理を行う装置に対して制約条件の出力が行われる場合には、制約条件出力部１０３は、上述した数式で表された制約条件のリストを出力することが好ましい。これにより、自然言語などで制約条件が表現されている場合に比較し、装置は、入力された情報を容易に利用することができる。
　ダイヤ取得部１０４は、乗り物の移動スケジュールを示すダイヤデータを取得する。本実施の形態では、ダイヤ取得部１０４は、具体的には、ダイヤデータとして、列車の運行ダイヤを表すデータを取得する。
　業務スケジュール生成部１０５は、ダイヤデータに示される移動スケジュールにしたがって移動する乗り物に乗務する乗務員の業務スケジュールであって、制約条件にしたがった業務スケジュールを生成する。本実施の形態では、一例として、業務スケジュール生成部１０５は、列車に乗務する乗務員の業務スケジュールを生成する。業務スケジュール生成部１０５は、制約条件生成部１０２が生成した制約条件と、ダイヤ取得部１０４が取得したダイヤデータとを用いて、業務スケジュールを生成する。ここで、業務スケジュールは、具体的には、乗り物に乗務する乗務員の行路をいう。業務スケジュール、すなわち行路は、例えば、乗務員が担当する乗り物と担当する移動区間と乗務の時間情報とを特定する担当乗務スケジュールと、休憩場所と休憩の時間情報とを特定する休憩スケジュールとを含む。各乗務員は、自分に割り当てられた行路にしたがって勤務を行う。なお、行路は、複数日（例えば２日間）にわたったスケジュールを示しうる。
　業務スケジュール生成部１０５は、業務スケジュールを生成するための公知の任意のアルゴリズムにしたがって、業務スケジュールを生成すればよい。業務スケジュール生成部１０５は、例えば、特許文献１に開示された技術を用いて行路を生成してもよいし、混合整数計画法のソルバーを用いて行路を生成してもよいし、任意の機械学習モデルを用いて行路を生成してもよい。このように、業務スケジュール生成部１０５は、所定のアルゴリズムを用いて業務スケジュールを生成すればよく、具体的な生成方法はいずれかの方法に限定されない。業務スケジュール生成部１０５により、業務スケジュールが生成されることにより、ユーザは、制約条件にしたがった業務スケジュールを容易に得ることができる。
　ダイヤ取得部１０４は、例えば図６に示されるような列車のダイヤを示すダイヤデータを取得する。なお、図６に示されるダイヤの図では、丸印は車庫からの車両の出庫を示し、三角印は、車庫への車両の入庫を示している。一例として、ダイヤ６０を例に、図６に示されるダイヤの図の見方を説明する。ダイヤ６０によって、ある車両の次のような移動スケジュールが示されている。当該車両は、駅Ａの車庫から出庫され、３Ｍという列車番号で識別される列車として、駅Ａから駅Ｃに移動する。当該車両は、駅Ｃでしばらく待機した後、４Ｍという列車番号で識別される列車として、駅Ｃから駅Ａへと移動する。そして、当該車両は駅Ａで車庫に入庫される。
　業務スケジュール生成部１０５は、取得されたダイヤデータと制約条件生成部１０２が生成した制約条件と所定のアルゴリズムとを用いて、例えば図７に示されるような行路を示すデータを生成する。ここで示した例では、図６に示したダイヤにしたがって各列車を運行するために、５つの行路が生成されている。この場合、これらの行路は、５人の乗務員に割り当てられることとなる。このように、例えば、業務スケジュール生成部１０５は、乗務員の勤務時間及び休憩時間が制約条件を満たし、乗務員の行動（例えば宿泊、食事、作業）の実施場所が施設に関する制約条件を満たすような行路を生成する。すなわち、業務スケジュール生成部１０５は、制約条件として表される労働条件及び環境条件などを満たす行路を生成する。
　業務スケジュール出力部１０６は、業務スケジュール生成部１０５が生成した業務スケジュールを出力する。業務スケジュール出力部１０６は、任意の装置又は処理部に業務スケジュールを示す情報を出力しうる。例えば、業務スケジュール出力部１０６は、業務スケジュールをユーザに対して表示するために、生成された業務スケジュールを、ディスプレイを備えた装置に出力してもよい。なお、本開示において、ディスプレイを備えた装置は、ディスプレイを備えた任意の装置を言い、例えば、タブレット端末又はスマートフォンであってもよいし、ＶＲ（Virtual Reality）、ＡＲ（Augmented Reality）、ＭＲ（Mixed Reality）などのＸＲ（Cross Reality）技術を用いた表示装置であってもよい。また、業務スケジュールは、スピーカを備えた装置において音声で出力されてもよい。この場合、当該装置は、ユーザに対する情報の出力又はユーザからの情報の入力について、音声によりユーザとのインタラクションを行ってもよい。業務スケジュールが出力される装置は、乗務員が使用する端末装置であってもよい。また、業務スケジュール出力部１０６は、業務スケジュールを用いた所定の処理を実行する装置に出力してもよい。
　次に、情報処理装置１００のハードウェア構成の一例について説明する。図８は、情報処理装置１００のハードウェア構成の一例を示すブロック図である。図８に示すように、情報処理装置１００は、入出力インタフェース１５１、メモリ１５２、及びプロセッサ１５３を含む。
　入出力インタフェース１５１は、必要に応じて他の装置又はネットワークと接続するためのインタフェースである。入出力インタフェース１５１は、ネットワークインタフェースを含んでもよい。
　メモリ１５２は、例えば、揮発性メモリ及び不揮発性メモリの組み合わせによって構成される。メモリ１５２は、プロセッサ１５３により実行される、１以上の命令を含むソフトウェア（コンピュータプログラム）、及び各種処理に用いるデータなどを格納するために使用される。
　プロセッサ１５３は、メモリ１５２からソフトウェア（コンピュータプログラム）を読み出して実行することで、図２に示した各構成要素の処理を行う。プロセッサ１５３は、例えば、マイクロプロセッサ、ＭＰＵ(Micro Processor Unit)、又はＣＰＵ(Central Processing Unit)などであってもよい。プロセッサ１５３は、複数のプロセッサを含んでもよい。
　このように、情報処理装置１００は、コンピュータとしての機能を備えている。
　プログラムは、コンピュータに読み込まれた場合に、実施形態で説明された１又はそれ以上の機能をコンピュータに行わせるための命令群（又はソフトウェアコード）を含む。プログラムは、非一時的なコンピュータ可読媒体又は実体のある記憶媒体に格納されてもよい。限定ではなく例として、コンピュータ可読媒体又は実体のある記憶媒体は、random-access memory（RAM）、read-only memory（ROM）、フラッシュメモリ、solid-state drive（SSD）又はその他のメモリ技術、CD-ROM、digital versatile disc（DVD）、Blu-ray（登録商標）ディスク又はその他の光ディスクストレージ、磁気カセット、磁気テープ、磁気ディスクストレージ又はその他の磁気ストレージデバイスを含む。プログラムは、一時的なコンピュータ可読媒体又は通信媒体上で送信されてもよい。限定ではなく例として、一時的なコンピュータ可読媒体又は通信媒体は、電気的、光学的、音響的、またはその他の形式の伝搬信号を含む。
　次に、図２に示した各構成要素の処理の流れについて、図９のフローチャートを参照しつつ説明する。図９は、情報処理装置１００の動作の一例を示すフローチャートである。
　ステップＳ１００において、データ取得部１０１が、乗務員の業務スケジュールに関する情報を含む電子データを取得する。
　次に、ステップＳ１０１において、制約条件生成部１０２が、ステップＳ１００で取得した電子データから、乗務員の業務スケジュールが満たすべき制約条件を生成する。
　次に、ステップＳ１０２において、制約条件出力部１０３が、ステップＳ１０１で生成された制約条件を出力する処理を行う。本実施の形態では、制約条件は、業務スケジュール生成部１０５に出力されるが、業務スケジュール生成部１０５への出力に代えて、業務スケジュールを生成する他の装置などに出力されてもよい。また、ユーザに制約条件を見せるために、ディスプレイを備えた装置に制約条件が出力されてもよい。また、このディスプレイを備えた装置は、乗務員が使用する端末装置であってもよい。
　次に、ステップＳ１０３において、ダイヤ取得部１０４が、乗り物の移動スケジュールを示すダイヤデータを取得する。
　次に、ステップＳ１０４において、業務スケジュール生成部１０５が、制約条件と、ダイヤデータとを用いて、乗務員の業務スケジュールを生成する。
　そして、ステップＳ１０５において、業務スケジュール出力部１０６が、ステップＳ１０４で生成した業務スケジュールを出力する。
　以上、実施の形態２について説明した。情報処理装置１００によれば、乗務員の業務スケジュールが満たすべき制約条件が、乗務員の業務スケジュールに関する情報を含む電子データから自動的に生成され、出力される。このため、乗務員の業務スケジュールについての制約条件を容易に得ることができる。また、情報処理装置１００によれば、得られた制約条件に基づいて、業務スケジュールが自動的に生成される。このため、乗務員の業務スケジュールを容易に得ることができる。なお、本実施の形態では、情報処理装置１００が業務スケジュールを生成して出力するために、情報処理装置１００は、ダイヤ取得部１０４と、業務スケジュール生成部１０５と、業務スケジュール出力部１０６とを有した。しかしながら、情報処理装置１００がそのような処理を行う必要がない場合には、情報処理装置１００において、これらの構成要素が省略されてもよい。
　以上、実施の形態を参照して本開示を説明したが、本開示は上述の実施の形態に限定されるものではない。本開示の構成や詳細には、本開示のスコープ内で当業者が理解し得る様々な変更をすることができる。そして、各実施の形態は、適宜他の実施の形態と組み合わせることができる。
　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に従属する付記２～付記９に記載した要素（例えば構成及び機能）の一部または全ては、付記１０～１１に対しても付記２～付記９と同様の従属関係により従属し得る。また、任意の付記に記載された要素の一部または全ては、様々なハードウェア、ソフトウェア、ソフトウェアを記録するための記録手段、システム、及び方法に適用され得る。
（付記１）
　乗務員の業務スケジュールに関する情報を含む電子データを取得するデータ取得手段と、
　前記電子データを機械学習モデルに入力し前記機械学習モデルから乗務員の業務スケジュールが満たすべき制約条件を取得することにより、前記電子データから前記制約条件を生成する制約条件生成手段と、
　前記制約条件を出力する制約条件出力手段と
　を有する、情報処理装置。
（付記２）
　前記電子データは、乗務員の業務に関して規定した文書の電子データである
　付記１に記載の情報処理装置。
（付記３）
　前記電子データは、乗務員が実際に遂行した業務スケジュールを表す電子データである
　付記１に記載の情報処理装置。
（付記４）
　前記制約条件出力手段は、前記制約条件をユーザに対して表示するために、前記制約条件を、ディスプレイを備えた装置に出力する
　付記１から３のいずれか一項に記載の情報処理装置。
（付記５）
　前記制約条件生成手段は、自然言語で表された前記制約条件のリストを生成し、
　前記制約条件出力手段は、前記制約条件のリストを、前記装置に出力する
　付記４に記載の情報処理装置。
（付記６）
　前記制約条件出力手段は、前記制約条件にしたがった乗務員の業務スケジュールを生成する装置に出力する
　付記１から５のいずれか一項に記載の情報処理装置。
（付記７）
　前記制約条件生成手段は、数式で表された前記制約条件のリストを生成し、
　前記制約条件出力手段は、前記制約条件のリストを、前記装置に出力する
　付記６に記載の情報処理装置。
（付記８）
　乗り物の移動スケジュールを示すダイヤデータを取得するダイヤ取得手段と、
　前記制約条件と前記ダイヤデータとを用いて、前記移動スケジュールにしたがって移動する前記乗り物に乗務する乗務員の前記制約条件にしたがった業務スケジュールを生成する業務スケジュール生成手段と、
　前記業務スケジュールを出力する業務スケジュール出力手段と
　をさらに有する付記１から７のいずれか一項に記載の情報処理装置。
（付記９）
　前記データ取得手段は、乗務員の業務スケジュールに関する前記情報が記載された紙媒体に対してＯＣＲ処理を行うことで、テキストデータにより構成された前記電子データを取得する
　付記１から８のいずれか一項に記載の情報処理装置。
（付記１０）
　コンピュータが、
　乗務員の業務スケジュールに関する情報を含む電子データを取得し、
　前記電子データを機械学習モデルに入力し前記機械学習モデルから乗務員の業務スケジュールが満たすべき制約条件を取得することにより、前記電子データから前記制約条件を生成し、
　前記制約条件を出力する
　情報処理方法。
（付記１１）
　乗務員の業務スケジュールに関する情報を含む電子データを取得するデータ取得ステップと、
　前記電子データを機械学習モデルに入力し前記機械学習モデルから乗務員の業務スケジュールが満たすべき制約条件を取得することにより、前記電子データから前記制約条件を生成する制約条件生成ステップと、
　前記制約条件を出力する制約条件出力ステップと
　をコンピュータに実行させるプログラム。
　この出願は、２０２４年５月３０日に出願された日本出願特願２０２４－０８７６１８を基礎とする優先権を主張し、その開示の全てをここに取り込む。
１０　　情報処理装置
１１　　データ取得部
１２　　制約条件生成部
１３　　制約条件出力部
１００　　情報処理装置
１０１　　データ取得部
１０２　　制約条件生成部
１０３　　制約条件出力部
１０４　　ダイヤ取得部
１０５　　業務スケジュール生成部
１０６　　業務スケジュール出力部
１５１　　入出力インタフェース
１５２　　メモリ
１５３　　プロセッサ

Claims (11)

  1. 　乗務員の業務スケジュールに関する情報を含む電子データを取得するデータ取得手段と、
    　前記電子データを機械学習モデルに入力し前記機械学習モデルから乗務員の業務スケジュールが満たすべき制約条件を取得することにより、前記電子データから前記制約条件を生成する制約条件生成手段と、
    　前記制約条件を出力する制約条件出力手段と
    　を有する、情報処理装置。
  2. 　前記電子データは、乗務員の業務に関して規定した文書の電子データである
    　請求項１に記載の情報処理装置。
  3. 　前記電子データは、乗務員が実際に遂行した業務スケジュールを表す電子データである
    　請求項１に記載の情報処理装置。
  4. 　前記制約条件出力手段は、前記制約条件をユーザに対して表示するために、前記制約条件を、ディスプレイを備えた装置に出力する
    　請求項１から３のいずれか一項に記載の情報処理装置。
  5. 　前記制約条件生成手段は、自然言語で表された前記制約条件のリストを生成し、
    　前記制約条件出力手段は、前記制約条件のリストを、前記装置に出力する
    　請求項４に記載の情報処理装置。
  6. 　前記制約条件出力手段は、前記制約条件にしたがった乗務員の業務スケジュールを生成する装置に出力する
    　請求項１から５のいずれか一項に記載の情報処理装置。
  7. 　前記制約条件生成手段は、数式で表された前記制約条件のリストを生成し、
    　前記制約条件出力手段は、前記制約条件のリストを、前記装置に出力する
    　請求項６に記載の情報処理装置。
  8. 　乗り物の移動スケジュールを示すダイヤデータを取得するダイヤ取得手段と、
    　前記制約条件と前記ダイヤデータとを用いて、前記移動スケジュールにしたがって移動する前記乗り物に乗務する乗務員の前記制約条件にしたがった業務スケジュールを生成する業務スケジュール生成手段と、
    　前記業務スケジュールを出力する業務スケジュール出力手段と
    　をさらに有する請求項１から７のいずれか一項に記載の情報処理装置。
  9. 　前記データ取得手段は、乗務員の業務スケジュールに関する前記情報が記載された紙媒体に対してＯＣＲ処理を行うことで、テキストデータにより構成された前記電子データを取得する
    　請求項１から８のいずれか一項に記載の情報処理装置。
  10. 　コンピュータが、
    　乗務員の業務スケジュールに関する情報を含む電子データを取得し、
    　前記電子データを機械学習モデルに入力し前記機械学習モデルから乗務員の業務スケジュールが満たすべき制約条件を取得することにより、前記電子データから前記制約条件を生成し、
    　前記制約条件を出力する
    　情報処理方法。
  11. 　乗務員の業務スケジュールに関する情報を含む電子データを取得するデータ取得ステップと、
    　前記電子データを機械学習モデルに入力し前記機械学習モデルから乗務員の業務スケジュールが満たすべき制約条件を取得することにより、前記電子データから前記制約条件を生成する制約条件生成ステップと、
    　前記制約条件を出力する制約条件出力ステップと
    　をコンピュータに実行させるプログラム。
PCT/JP2025/018019 2024-05-30 2025-05-19 情報処理装置、情報処理方法及びプログラム Pending WO2025249233A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2024087618 2024-05-30
JP2024-087618 2024-05-30

Publications (1)

Publication Number Publication Date
WO2025249233A1 true WO2025249233A1 (ja) 2025-12-04

Family

ID=97870547

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2025/018019 Pending WO2025249233A1 (ja) 2024-05-30 2025-05-19 情報処理装置、情報処理方法及びプログラム

Country Status (1)

Country Link
WO (1) WO2025249233A1 (ja)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018185639A (ja) * 2017-04-25 2018-11-22 株式会社構造計画研究所 スケジューリングシステム、スケジューリング方法及びプログラム
JP2023039757A (ja) * 2021-09-09 2023-03-22 株式会社東芝 情報処理装置、情報処理方法及びコンピュータプログラム
JP2024035331A (ja) * 2022-09-02 2024-03-14 国立大学法人 鹿児島大学 スケジュール生成システム、スケジュール生成方法及びプログラム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018185639A (ja) * 2017-04-25 2018-11-22 株式会社構造計画研究所 スケジューリングシステム、スケジューリング方法及びプログラム
JP2023039757A (ja) * 2021-09-09 2023-03-22 株式会社東芝 情報処理装置、情報処理方法及びコンピュータプログラム
JP2024035331A (ja) * 2022-09-02 2024-03-14 国立大学法人 鹿児島大学 スケジュール生成システム、スケジュール生成方法及びプログラム

Similar Documents

Publication Publication Date Title
HUP0202171A2 (hu) Eljárás munkafolyamat-modell kialakítására, folyamatmodell-készítő, programozható eszköz, számítógépprogram és számítógéppel olvasható eszköz
US9418241B2 (en) Unified platform for big data processing
CN112612904A (zh) 基于知识图谱的轨道交通应急方法及装置
CN114237587A (zh) 一种基于IDEA技术服务SmartFlow的管控方法及系统
WO2021259073A1 (en) System for voice-to-text tagging for rich transcription of human speech
US12475302B2 (en) Custom display post processing in speech recognition
US20130226670A1 (en) Method and system for automatically partitioning and processing a business process
EP3608773A9 (en) Method for providing an automatic software development/generation and deployment functionality in at least one vehicle and corresponding backend server system
CN118657132A (zh) 一种文档内容生成方法、系统、设备及介质
Hanke Computer supported collaborative language documentation.
CN118396263A (zh) 一种工业化微短剧数字资产生产系统及方法
JP2017059077A (ja) 情報提供装置、情報提供方法および情報提供プログラム
CN112346736B (zh) 一种数据处理方法和系统
CN113791747A (zh) 智能打印方法、装置、服务器及计算机存储介质
Ibrahim Trends and Challenges in Requirement Analysis for; Modern Web Applications, Web Services, and Web of Things
Ferrogalini et al. How to boost the extended enterprise approach in engineering using mbse–a case study from the railway business
CN117539603B (zh) 工作流调度方法和装置、计算机可读存储介质
Suleykin et al. HR-TECH AUTOMATION: ACase STUDY OF RESUME DESIGN USING GENAI TECHNOLOGIES
US20250356558A1 (en) Computing Systems and Methods for Generating Media Content Using a Multi-Agent Architecture
US20220300714A1 (en) Information processing apparatus, information processing method, and information processing program
JP2026056077A (ja) 乗務員行路提案装置、乗務員行路提案方法およびコンピュータプログラム
Friedenberger et al. A Train Dispatcher in the Cloud generated from RDF Models
Pseiridis Pseiras et al. Improving the customizability of interfaces that communicate with different systems
JP2026079489A (ja) 設計支援装置及び設計支援方法
JP2022094851A (ja) 情報生成プログラム、情報生成方法及び情報処理装置

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: 25815654

Country of ref document: EP

Kind code of ref document: A1