CN113449902B - 信息处理装置、信息处理方法以及信息处理*** - Google Patents
信息处理装置、信息处理方法以及信息处理*** Download PDFInfo
- Publication number
- CN113449902B CN113449902B CN202110319407.0A CN202110319407A CN113449902B CN 113449902 B CN113449902 B CN 113449902B CN 202110319407 A CN202110319407 A CN 202110319407A CN 113449902 B CN113449902 B CN 113449902B
- Authority
- CN
- China
- Prior art keywords
- user
- destination
- movement
- predetermined facility
- candidate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 40
- 238000003672 processing method Methods 0.000 title claims abstract description 11
- 230000033001 locomotion Effects 0.000 claims abstract description 246
- 230000029305 taxis Effects 0.000 claims description 31
- 238000000034 method Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 7
- 238000013500 data storage Methods 0.000 description 25
- 238000004891 communication Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000007792 addition Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
- G08G1/202—Dispatching vehicles on the basis of a location, e.g. taxi dispatching
-
- 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
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
- G08G1/205—Indicating the location of the monitored vehicles as destination, e.g. accidents, stolen, rental
Landscapes
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Entrepreneurship & Innovation (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)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种能够准确地预测用户的移动需求的信息处理装置、信息处理方法以及信息处理***。在本公开所涉及的信息处理装置中,控制部取得与停留在预定的设施中的用户的移动倾向相关的信息即第一信息。控制部基于第一信息而对用户从预定的设施进行移动时的移动目的地即计划移动目的地和用户开始从预定的设施向计划移动目的地移动的时间段即计划移动时间段进行预测。然后,控制部按照计划移动时间段而对计划从预定的设施向计划移动目的地移动的用户数量进行计算。
Description
技术领域
本公开涉及一种信息处理装置、信息处理方法以及信息处理***。
背景技术
提出了一种考虑因天气或者时期等而形成的预定的地域内的人口变动来预测该地域的出租车需求(乘客数)的技术(例如,参照专利文献1)。
在先技术文献
专利文献
专利文献1:国际公开第2018/207878号公报
发明内容
发明所要解决的课题
本公开的目的在于,提供一种能够准确地预测用户的移动需求的技术。
用于解决课题的手段
本公开能够获得一种信息处理装置。这种情况下的信息处理装置例如可以采用如下方式,即,具备控制部,所述控制部执行如下操作:
取得与停留在预定的设施中的用户的移动倾向相关的信息即第一信息;
基于所述第一信息,而对与计划从所述预定的设施进行移动的用户数量相关的信息即第二信息进行预测。
本公开能够获得一种信息处理方法。这种情况的信息处理方法例如可以采用如下方式,即,使计算机执行以下步骤:
取得与停留在预定的设施中的用户的移动倾向相关的信息即第一信息的步骤;
基于所述第一信息,而对与计划从所述预定的设施移动的用户数量相关的信息即第二信息进行预测的步骤。
本公开还能够获得一种信息处理***,所述信息处理***具备信息处理装置和设施终端,所述信息处理装置用于对与计划从预定的设施移动的用户数量相关的信息进行预测,所述设施终端被设置在所述预定的设施内,用于实施出租车的调配。
在这种情况下,可以采用如下方式,即,信息处理装置执行如下处理:
对停留在所述预定的设施中的用户从该预定的设施移动时的移动目的地即计划移动目的地进行预测;
对停留在所述预定的设施中的用户开始从该预定的设施向所述计划移动目的地移动的时间段即计划移动时间段进行预测;
按照计划移动时间段而对计划从所述预定的设施向所述计划移动目的地移动的用户数量进行计算;
将所述计算的结果向所述设施终端发送。
并且,可以采用如下方式,即,设施终端执行基于所述计算的结果来实施出租车的调配的处理。
此外,本公开也能够提供一种用于使计算机执行上述的信息处理方法的信息处理程序或者对该信息处理程序进行储存的非暂时性的存储介质。
发明效果
根据本公开,能够提供一种能够准确地预测用户的移动需求的技术。
附图说明
图1为表示车辆调配***的一个结构例的图。
图2为示意性地表示服务器装置的结构的一个示例的框图。
图3为表示被存储在候选数据存储部中的数据的表格结构例的图。
图4为表示被存储在用户数据存储部中的数据的表格结构例的图。
图5为用于对实施方式中的用户模型的一个示例进行说明的图。
图6为表示在服务器装置中执行的处理流程的流程图。
具体实施方式
本公开的特征在于,在如出租车或者公交车等那样实施以响应需求的情况下的旅客运送为目的的车辆(以下,有时也统称为“出租车”)的车辆调配的服务中,更准确地预测从预定的设施出发的移动需求。
在提供车辆调配服务的***(以下,有时也记载为“车辆调配***”)中,期望将与从位于观光地等处的旅馆等停留设施(预定的设施)出发的移动需求相对应的台数或者类型的出租车调配至预定的设施处。
相对于此,在本公开所涉及的信息处理装置中,控制部取得与停留在预定的设施的用户的移动倾向相关的信息(第一信息)。在此所说的“第一信息”,例如,可以包括与用户易选择的移动目的地的属性(选择属性)相关的信息、和与用户易开始向移动目的地移动的时间段(移动开始时间段)相关的信息。选择属性是基于用户在过去作为移动目的地而实际被选择了的移动目的地(用户在过去实际到访过的移动目的地)的属性来决定的。此时,例如,可以按照属性来分别统计用户在过去实际到访过的移动目的地的访问次数,并将访问次数最多的属性决定为选择属性。另外,用户在过去实际到访过的移动目的地并不限定于用户将预定的设施作为据点而到访的移动目的地(在预定的设施的停留期间中用户到访过的移动目的地)。也就是说,用户在过去实际到访过的移动目的地也包括用户将预定的设施之外的场所(例如,其他的停留用设施或者自家等)作为据点而到访的移动目的地。此外,移动开始时间段是基于用户在过去开始向移动目的地移动的时间段来决定的。此时,例如,可以将用户在过去开始向移动目的地移动的时间段的平均值或者这些时间段中出现最多的时间段等决定为移动开始时间段。控制部基于上述那样的第一信息,而对与计划从预定的设施移动的用户数量相关的信息即第二信息进行预测。由此,能够准确地预测出计划从预定的设施移动的用户数量。其结果为,也能够预测应该向预定的设施调配的出租车的台数或者类型(例如,乘车人数的类型、福祉车的类型等)。
每当对上述第二信息进行预测时,控制部就可以对停留在预定的设施中的用户从该预定的设施进行移动时的移动目的地(计划移动目的地)以及开始从预定的设施向计划移动目的地移动的时间段(计划移动时间段)进行预测。然后,控制部可以按照计划移动时间段来对计划从预定的设施向计划移动目的地移动的用户数量进行计算。由此,能够按照计划移动目的地而分别预测出在各个时间段内计划从预定的设施进行移动的用户数量。其结果为,也能够按照计划移动目的地而分别预测出在各个时间段内应该向预定的设施调配的出租车的台数或者类型。
在此,也可以设为信息处理装置还具备对候选移动目的地数据和用户模型进行存储的存储部。而且,控制部可以基于候选移动目的地数据和用户模型来对停留在预定的设施中的用户的计划移动目的地进行预测。在此所称的“候选移动目的地数据”为,包含与能够作为从预定的设施出发的移动目的地而选择的场所(候选移动目的地)相关的信息的数据。“用户模型”为,使候选移动目的地数据中包含的候选移动目的地和停留在预定的设施中的用户的移动倾向相关联而形成的模型。根据上述的结构,能够基于停留在预定的设施中的用户的移动倾向来对该用户的计划移动目的地进行预测。
上述用户模型也可以被构建为,例如,按照候选移动目的地而使停留在预定的设施中的用户的选择属性与具有该选择属性的用户选择为移动目的地的似然度相关联而形成的模型。此时,用户模型也可以被构建为,在输入了停留于预定的设施中的用户的选择属性的情况下,输出每个候选移动目的地的被选择的似然度。由此,能够按照候选移动目的地而求出易于将具有特定的选择属性的场所选择为移动目的地的用户的似然度。此时,似然度最高的候选移动目的地被推断为,由具有特定的选择属性的用户选择的可能性最大。因此,控制部也可以将从用户模型输出的似然度最高的候选移动目的地预测为停留在预定的设施中的用户的计划移动目的地。由此,能够更准确地预测停留在预定的设施中的用户的移动目的地。
另外,上述的用户模型也可以被构建为,离预定的设施的距离较小的候选移动目的地的似然度大于离预定的设施的距离较大的候选移动目的地的似然度。这是由于,与离该设施的距离较大的场所相比,停留在旅馆等设施中的用户易于选择离该设施的距离较小的场所为移动目的地。
此外,也可以设为,上述存储部还对与停留在预定的设施中的用户在该预定的设施的停留期间中已经到访过的候选移动目的地(以下,也有记载为“访问完毕候选”的情况)相关的信息(移动履历信息)进行存储。然后,控制部可以将除了移动履历信息中包含的访问完毕候选以外的候选移动目的地中的、从用户模型输出的似然度最高的候选移动目的地,预测为停留在预定的设施中的用户的计划移动目的地。这是由于,在存在多处候选移动目的地的设施中,用户在该设施的停留期间中多次到访相同的移动目的地候选的似然度被推断为较低。
此外,控制部也可以在取得了与计划结束在预定的设施中的停留的用户相关的信息的情况下,将交通工具的乘坐地点中的、离预定的设施最近的乘坐地点,预测为该用户的计划移动目的地。由此,能够准确地预测出计划结束在预定的设施中的停留的用户的移动目的地。
在此,信息处理装置的控制部也可以基于第二信息来决定应该向预定的设施调配的出租车的台数。由此,能够调配与计划从预定的设施移动的用户数量相符的台数的出租车。另外,在按照计划移动时间段而计算出计划从预定的设施移动的用户数量的结构中,控制部也可以按照计划移动时间段来决定应该向预定的设施调配的出租车的台数。由此,能够按照时间段来调配与计划从预定的设施移动的用户数量相符的台数的出租车。
以下,基于附图,对本公开的具体的实施方式进行说明。在本实施方式中记载的结构部件的尺寸、材质、形状、其相对配置等只要没有特别记载,则公开的技术性范围并不仅限定于这些内容。
<实施方式>
在本实施方式中,对将本公开应用于车辆调配***的示例进行记述。
(车辆调配***的概要)
图1为表示向旅馆等停留设施(预定的设施)调配出租车的车辆调配***的一个结构例的图。在图1所示的示例中,车辆调配***被构成为,包括多辆出租车10和服务器装置200。
出租车10为用于实施旅客运送的车辆。在本示例中的出租车10中包括与能够乘车的人数、或者作为福祉车(老年人残疾人专用车)的设备的有无等相对应的各种类型的车辆。
服务器装置200相当于本公开所涉及的“信息处理装置”。服务器装置200基于事先生成的用户模型和候选移动目的地数据而对从预定的设施进行移动的用户数量进行预测。此外,本示例中的服务器装置200也具有基于所预测出的用户数量而向该预定的设施调配出租车10的功能。
(服务器装置的结构)
图2为示意性地示出了服务器装置200的结构的一个示例的框图。服务器装置200被构成为,包括存储部201、控制部202以及通信部203。另外,服务器装置200由具有处理器以及存储器的普通的计算机构成。
存储部201为,对为了预测从预定的设施进行移动的用户数量而需要的数据进行存储的装置。存储部201例如被构成为,包括ROM(Read-Only Memory:只读存储器)、RAM(Random Access Memory:随机存取存储器)或者非临时性存储介质(例如,磁盘或者闪存等)。存储部201包括对与候选移动目的地相关的数据进行存储的候选数据存储部201A和对与用户的移动倾向相关的数据进行存储的用户数据存储部201B。另外,在存储部201中也存储有由后述的控制部202执行的程序(例如,操作***或者用户模型等)以及该程序所使用的数据等。
候选数据存储部201A为,对与能够作为从预定的设施出发的移动目的地而被选择的场所(候选移动目的地)相关的数据(候选移动目的地数据)进行存储的数据库。在此所称的“候选移动目的地”例如为,存在于预定的设施的周边的观光景点等。这样的候选数据存储部201A通过由处理器执行的数据库管理***(Database Management System:DBMS)的程序对被存储于存储器中的数据进行管理而被构建。本示例中的候选数据存储部201A例如为关系数据库。另外,被存储在候选数据存储部201A中的数据也可以由与服务器装置200独立的外部的装置生成,并经由网络或者存储介质取得。在此所称的外部的装置为,例如,用于对预定的设施进行管理的服务器装置、或者对预定的设施所处的地域整体的观光进行管理的服务器装置等。
在此,将被存储于候选数据存储部201A中的候选移动目的地数据的示例在图3中示出。图3为表示被存储于候选数据存储部201A中的数据的表格结构的图。在候选数据存储部201A中,实施候选移动目的地与属性的关联。另外,被存储于候选数据存储部201A中的表格(以下,有时也记载为“候选移动目的地信息表”)的结构并不限定于图3所示的示例,能够适当地实施字段的追加、变更或者删除。
图3所示的候选移动目的地信息表具有候选移动目的地和属性的各个字段。在候选移动目的地字段中,登记有用于对各个候选移动目的地进行识别的信息(例如,候选移动目的地的名称或者候选移动目的地的识别编号等)。在属性字段中登记有表示各个候选移动目的地的属性的信息。例如,在候选移动目的地为用于对有形文化财产、无形文化财产、民族文化财产或者纪念品等文化遗产进行鉴赏的场所的情况下,在属性字段中登记为“文化遗产”。在候选移动目的地为用于对神社庙宇或者城址等历史遗产进行鉴赏的场所的情况下,在属性字段中登记为“历史遗产”。在候选移动目的地为如购物商场等那样享受购物的场所的情况下,在属性字段中登记为“购物”。在候选移动目的地为用于享受户外体验或者文化体验等活动的场所的情况下,在属性字段中登记为“活动”。在候选移动目的地为用于鉴赏自然景观的场所的情况下,在属性字段中登记为“风景名胜地”。在候选移动目的地为用于享受美食的场所的情况下,在属性字段中登记为“美食”。
用户数据存储部201B为,对停留在预定的设施中的用户(以下,有时也记载为“停留用户”)的移动倾向相关的信息(以下,有时也记载为“移动倾向数据”)进行存储的数据库。这样的用户数据存储部201B通过由处理器执行的DBMS的程序对被存储于存储器中的数据进行管理而被构建。本示例中的用户数据存储部201B例如为关系数据库。另外,被存储于用户数据存储部201B中的数据也可以由与服务器装置200独立的外部装置(例如,对存在于国内的用户的移动倾向进行管理的服务器装置等)生成,并经由网络或者存储介质取得。
在此,将被存储在用户数据存储部201B中的移动倾向数据的示例在图4中示出。图4为表示被存储在用户数据存储部201B中的数据的表格结构的图。在用户数据存储部201B部中,实施停留用户与移动倾向的关联。另外,被存储在用户数据存储部201B中的表格(以下,有时也记载为“移动倾向信息表”)的结构并不限定于图4所示的示例,能够适当地实施字段的追加、变更或者删除。
图4所示的移动倾向信息表具有用户ID、选择属性、时间段和移动履历的各个字段。在用户ID字段中登记有用于对停留用户进行识别的信息(用户ID)。本示例中的用户ID为,在确保匿名性的同时用于与停留在预定的设施的其他用户进行区分的信息。也就是说,在此所说的用户ID不包括能够确定特定的个人的信息(例如,姓名、住所、出生年月日、生物体信息等)。
在选择属性字段中登记有,与停留用户易作为移动目的地而选择的场所的属性(选择属性)相关的信息。例如,对于具有易选择用于鉴赏自然景观的场所作为移动目的地的倾向的停留用户,在选择属性字段中登记为“风景名胜地”。对于具有易选择用于鉴赏历史遗产的场所作为移动目的地的倾向的停留用户,在选择属性字段中登记为“历史遗产”。对于具有易选择用于鉴赏文化遗产的场所作为移动目的地的倾向的停留用户,在选择属性字段中登记为“文化遗产”。对于具有易选择用于享受活动的场所作为移动目的地的倾向的停留用户,在选择属性字段中登记为“活动”。对于具有易选择享受购物的场所作为移动目的地的倾向的停留用户,在选择属性字段中登记为“购物”。对于具有易选择享受美食的场所作为移动目的地的倾向的停留用户,在选择属性字段中登记为“美食”。
在此,被登记到选择属性字段中的信息是基于停留用户的移动实绩来决定的。例如,可以按照属性来统计停留用户在过去实际到访过的移动目的地的访问次数,并将该统计结果最多的属性登记在选择属性字段中。成为这样的统计的对象的移动目的地并不限定于停留用户将预定的设施作为据点而到访过的移动目的地(停留用户在预定的设施的停留期间中到访过的移动目的地)。也就是说,成为上述统计的对象的移动目的地也包括将预定的设施以外的场所(例如,预定的设施以外的停留用设施或者自家等)作为据点而停留用户在过去实际到访过的移动目的地。此外,停留用户的移动实绩例如能够基于用户终端的位置信息来取得。用户终端例如为智能手机、便携电话、平板终端或者穿戴式计算机(智能手表等)等那样用户能够携带的小型的计算机。作为这样的用户终端的位置信息,例如,能够使用通过该用户终端的GPS(Global Positioning System:全球定位***)接收机计算出的位置信息。也就是说,通过经由网络而周期性地取得用户终端的GPS接收机所计算出的位置信息,从而能够求出停留用户的移动实绩。另外,停留用户的移动实绩也可以利用外部服务来取得,所述外部服务为,用于对还包括了停留用户以外的用户在内的非特定多个用户的移动实绩进行收集的服务。此时,作为对预定的设施的停留用户进行确定的方法,例如,能够使用将具有从远方向预定的设施进行了移动的移动实绩的用户确定为停留用户的方法。作为其他的方法,也能够使用将实施了预定的设施的入住手续的用户确定为停留用户的方法。
在时间段字段中,登记有与停留用户易开始向移动目的地移动的时间段(以下,有时也记载为“移动开始时间段”)相关的信息。移动开始时间段是基于停留用户的移动实绩来决定的。例如,各个停留用户在过去开始向移动目的地移动的时间段的平均值或者这些时间段中的出现最多的时间段被决定为移动开始时间段。
在移动履历字段中,登记有与能够作为从预定的设施出发的移动目的地而被选择的候选移动目的地中的、停留用户在预定的设施的停留期间中已经到访过的候选移动目的地(访问完毕候选)相关的信息(移动履历信息)。访问完毕候选能够基于预定的设施的停留期间中的停留用户的移动实绩来确定。
接下来,控制部202为发挥服务器装置200所具有的功能的运算装置。控制部202被构成为,例如包括CPU(Central Processing Unit:中央处理单元)或者DSP(DigitalSignal Processor:数字信号处理器)等运算处理装置。本示例中的控制部202作为其功能模块而具有取得部202A、预测部202B和车辆调配部202C。这些功能模块通过CPU或者DSP执行被存储于存储部201中的程序从而被实现。
取得部202A取得与停留用户的移动倾向相关的信息(相当于本公开所涉及的“第一信息”)。具体而言,取得部202A访问用户数据存储部201B的移动倾向信息表,并取得被登记在选择属性字段、时间段字段以及移动履历字段中的信息(与选择属性、移动开始时间段以及访问完毕候选相关的信息)。由取得部202A取得的信息被传递至预测部202B。
预测部202B基于从取得部202A传递来的信息(与选择属性、移动开始时间段以及访问完毕候选相关的信息),对计划从预定的设施移动的用户数量(以下,有时也记载为“计划移动用户数量”)进行预测。计划移动用户数量按照计划移动目的地来预测。另外,向各个计划移动目的地进行移动的计划移动用户数量按照计划移动时间段来预测。这样的预测在预测对象日的前一天被实施。即,预测部202B按照计划移动目的地而分别对第二天的各个计划移动时间段内的计划移动用户数量进行预测。另外,预测部202B也可以仅对第二天的上午的计划移动用户数量进行预测,并且对第二天下午的计划移动用户数量在当天的上午进行预测。
在此,每当对计划移动用户数量进行预测时,预测部202B首先对停留用户的计划移动目的地进行预测。计划移动目的地的预测基于用户模型和被储存于候选数据存储部201A中的候选移动目的地数据来实施。用户模型为,使候选移动目的地数据中包含的候选移动目的地与停留用户的移动倾向相关联而形成的模型,且被储存在上述的存储部201中。在本示例中,作为上述用户模型,例如,如图5所示,使用将停留用户的选择属性作为输入数据并且将每个候选移动目的地的被选择的似然度作为输出数据的计算模型。此时的计算模型例如可以被构建为,离预定的设施的距离较小的候选移动目的地的似然度大于离预定的设施的距离较大的候选移动目的地的似然度。这样的用户模型为,将实绩数据作为教师数据而进行了学习的机器学习模型。在此所称的“实绩数据”为,例如,相对于停留用户的选择属性,该用户实际选择的移动目的地的属性的易选择程度所相关的信息。在如上述那样的机器学习模型被用作用户模型的情况下,也可以使用上述那样的实绩数据来实施该用户模型的再学习。由此,能够提高计划移动目的地的预测精度。另外,用户模型也可以通过将停留用户的选择属性和具有该选择属性的停留用户作为移动目的地进行选择的似然度按照候选移动目的地进行关联而成的数据库来形成。
预测部202B将从上述用户模型输出的似然度最高的候选移动目的地预测为停留用户的计划移动目的地。另外,也假设如下情况,即,从上述用户模型输出的似然度最高的候选移动目的地为访问完毕候选的情况。也就是说,也假设如下情况,即,从上述用户模型输出的似然度最高的候选移动目的地为,停留用户在预定的设施的停留期间中已经到访过的场所的情况。在这样的情况下,预测部202B将从上述用户模型输出的似然度第二高的候选移动目的地预测为停留用户的计划移动目的地。此外,在停留用户结束了在预定的设施中的停留的情况下,即,在停留用户从预定的设施退房了的情况下,该停留用户不去旅游景点等而朝向交通工具的乘坐地点的似然度较高。因此,在成为计划移动用户数量的预测对象的日期(第二天)为停留用户的计划退房日的情况下,预测部202B也可以将交通工具的乘坐地点中的离预定的设施最近的乘坐地点预测为该停留用户的计划移动目的地。此时,与停留用户的计划退房日相关的信息既可以由预定的设施提供,或者也可以基于被登记在停留用户的用户终端上的日程信息等而取得。
当预测到停留用户的移动计划目的时,预测部202B对停留用户开始从预定的设施向计划移动目的地移动的时间段(计划移动时间段)进行预测。这样的预测是基于停留用户的移动开始时间段、能够进入计划移动目的地的时间段(参观时间段、入园时间段、开门时间段或者营业时间段等)来实施的。例如,在计划移动目的地为没有规定能够入场时间段的场所的情况下,预测部202B将停留用户的移动开始时间段预测为计划移动时间段。此外,在计划移动目的地为规定了能够入场时间段的场所的情况下,预测部202B将能够在可入场时间段内到达计划移动目的地的出发时间段(从预定的设施出发的时间段)中的、最接近停留用户的移动开始时间段的出发时间段,预测为计划移动时间段。例如,在计划移动目的地的可入场时间段为从10点至18点并且能够在该可入场时间段到达计划移动目的地的出发时间段为从9点至17点的情况下,如果停留用户的移动开始时间段为从8点至9点,则预测出计划移动时间段为从9点至10点的时间段。另外,对计划移动时间段进行预测的方法并不限定于上述的方法,也可以基于在过去从预定的设施朝向计划移动目的地出发的用户的实绩等而进行预测。例如,预测部202B也可以将在过去从预定的设施朝向计划移动目的地出发的用户数量最多的时间段,预测为计划移动时间段。
当对于正停留在预定的设施中的全部用户完成了计划移动目的地以及计划移动时间段的预测时,预测部202B按照计划移动目的地分别对各个计划移动时间段内的计划移动用户数量进行统计。由此,按照计划移动目的地而分别求出各个计划移动时间段内的计划移动用户数量。
车辆调配部202C基于由预测部202B得到的预测结果,来决定第二天的车辆调配计划(应该在第二天向预定的设施调配的出租车10的台数以及/或者类型)。此时,例如,对于计划移动用户数量较多的计划移动时间段,与计划移动用户数量较少的预定时间段相比,可以增加出租车10的调配车辆台数。此外,在某个计划移动时间段内,如果存在计划移动用户数量较多的计划移动目的地,则可以将在该计划移动时间段内被调配的出租车10中的至少一台定为能够乘坐的人数较多的类型的出租车10。
通信部203为用于将服务器装置200与网络连接的装置。典型而言,通信部203被构成为,包括LAN(Local Area Network:局域网)接口板。网络为,例如因特网等世界规模的公共通信网即WAN(Wide Area Network:广域网)或者其他的通信网等。另外,通信部203也可以利用无线通信与网络连接。无线通信为,例如5G(5th-generation:第五代)或者LTE(LongTerm Evolution:长期演进)等移动体通信。无线通信也可以为DSRC(Dedicated ShortRange Communications:专用短程通信)等窄带通信或者Wi-Fi(注册商标)等。服务器装置200通过通信部203与网络进行连接,从而与外部的装置(例如,被搭载于出租车10上的通信装置、被设置于预定的设施内的终端或者用于提供上述的各种外部服务的终端等)实施数据通信。
(处理的流程)
在此,基于图6,对在本公开中的服务器装置200中执行的处理流程进行说明。图6为表示在决定应该于第二天向预定的设施调配的出租车10的台数以及/或者类型时在服务器装置200中执行的处理流程的流程图。
在图6中,控制部202的取得部202A取得与停留用户的移动倾向相关的信息(步骤S101)。具体而言,如上文所述,取得部202A访问用户数据存储部201B的移动倾向信息表,从而取得与选择属性、移动开始时间段和访问完毕候选各自相关的信息。通过取得部202A取得的信息被传递给预测部202B。
预测部202B基于从取得部202A传递来的信息,对停留用户的计划移动目的地进行预测(步骤S102)。具体而言,如上文所述,预测部202B通过将停留用户的选择属性作为输入数据而赋予给用户模型,从而取得每个候选移动目的地的被选择的似然度。然后,预测部202B提取出从用户模型输出的似然度最高的候选移动目的地。如此被提取出的候选移动目的地如果没有被包括在移动履历信息之中的访问完毕候选中,则预测部202B将该候选移动目的地预测为计划移动目的地。另一方面,如此被提取的候选移动目的地如果被包括在移动履历信息之中的访问完毕候选中,则预测部202B将从用户模型输出的似然度第二高的移动目的地候选预测为计划移动目的地。此外,对于第二天为从预定的设施退房的计划退房日的停留用户,预测部202B将交通工具的乘坐地点中的离预定的设施最近的乘坐地点预测为计划移动目的地。
此外,预测部202B基于从取得部202A传递来的信息,对停留用户的计划移动时间段进行预测(步骤S103)。具体而言,如上文所述,预测部202B基于停留用户的移动开始时间段和在步骤S102中预测出的计划移动目的地的可入场时间段,对计划移动时间段进行预测。此时,如果在步骤S102中预测出的计划移动目的地为没有规定可入场时间段的场所,则预测部202B将停留用户的移动开始时间段预测为计划移动时间段进行。另一方面,如果在步骤S102中预测出的计划移动目的地为规定了可入场时间段的场所,则预测部202B将能够在可入场时间段内到达该计划移动目的地的出发时间段中的、离停留用户的移动开始时间段最近的出发时间段,预测为计划移动时间段。此外,对于第二天为从预定的设施退房的计划退房日的停留用户,预测部202B将包括由预定的设施规定的退房时间的前后在内的时间段预测为该停留用户的计划移动时间段。
预测部202B对停留用户中是否存在还未实施计划移动目的地以及计划移动时间段的预测的停留用户(未处理的停留用户)进行判断(步骤S104)。在存在还未实施计划移动目的地以及计划移动时间段的预测的停留用户的情况下(在步骤S104中肯定判断),处理流程返回步骤S101。在这种情况下,对于未处理的停留用户,实施从步骤S101至S103的处理。另一方面,在不存在未处理的停留用户的情况下(在步骤S104中否定判断),处理流程向步骤S105前进。
在步骤S105中,预测部202B按照计划移动目的地而分别计算出各个计划移动时间段内的计划移动用户数量。这样的计算的结果(预测结果)从预测部202B向车辆调配部202C传递。
车辆调配部202C基于从预测部202B传递来的预测结果来决定第二天的车辆调配计划(步骤S106)。即,车辆调配部202C基于上述预测结果,来决定在第二天应该向预定的设施调配的出租车10的台数以及/或者类型。例如,车辆调配部202C基于每个计划移动时间段内的计划移动用户数量,来决定在各个计划移动时间段内应该向预定的设施调配的出租车10的台数。此时,在某个计划移动时间段内,如果具有计划移动用户数量比较多的计划移动目的地,则决定在该计划移动时间段内被调配的出租车10中的至少1台为可乘坐较多人数的类型的出租车10。
根据以上所述的实施方式,能够基于停留用户的移动倾向,按照计划移动目的地而分别对在各个计划移动时间段内计划从预定的设施移动的用户数量进行预测。即,根据本实施方式,能够更加准确地预测从预定的设施出发的移动需求。由此,能够将与从预定的设施出发的移动需求相对应的台数以及/或者类型的出租车10派遣至预定的设施。其结果为,能够缩短计划移动的停留用户等待出租车10的时间。此外,通过使停留用户共同乘坐可乘坐的人数较多的类型的出租车10中,从而能够降低停留用户的人均车费。
<变形例>
在上述的实施方式中,对于除了计划移动用户数量的预测处理以外出租车10的车辆调配处理也在服务器装置200中实施的示例进行了记述。与此相对,出租车10的车辆调配处理也可以在与服务器装置200独立的外部的装置中被实施。也就是说,通过上述的车辆调配部202C实施的处理也可以在外部的装置中实施。该情况下的外部的装置为,例如,被设置在对出租车10进行管理的公司中的服务器装置、或者被设置在预定的设施内的车辆调配用的终端(设施终端)等。在这种情况下,如上述那样的外部的装置与服务器装置的组合相当于本公开所涉及的“信息处理***”。
<其他>
上述的实施方式以及变形例只不过为一个示例,本公开可以在不脱离其主旨的范围内适当地进行变更并实施。例如,上述的实施方式和变形例也能够尽可能地组合来实施。
此外,在本公开中所说明的处理或者手段只要不发生技术性的矛盾,就能够自由地组合实施。另外,作为一个装置所实施的内容而进行了说明的处理也可以通过多个装置来分担执行。或者,作为不同的装置所实施的内容而进行了说明的处理也可以通过一个装置来执行。在计算机***中,能够灵活地变更通过何种硬件结构来实现各功能。
此外,本公开也能够通过如下方式实现,即,将安装了上述的各个实施方式中所说明的功能的计算机程序(信息处理程序)供给至计算机,且由该计算机所具有的一个以上的处理器读出并执行程序的方式。这样的计算机程序既可以通过能够与计算机的***总线连接的非临时性的计算机可读存储介质提供给计算机,也可以经由网络提供给计算机。非临时性的计算机可读存储介质为,通过电、磁、光学、机械或者化学的作用而对数据以及程序等信息进行储存的记录介质,并且能够从计算机等读取的记录介质。这样的非临时性的计算机可读存储介质为,例如,磁盘(软盘(注册商标)、硬盘驱动器(HDD)等)或者光盘(CD-ROM、DVD盘、蓝光光盘等)等任意类型的盘。非临时性的计算机可读存储介质也可以为,只读存储器(ROM)、随机存取存储器(RAM)、EPROM(Erasable Programmable Read Only Memory,可擦可编程只读存储器)、EEPROM(Electrically Erasable Programmable Read OnlyMemory:电可擦可编程只读存储器)、磁卡、闪存、光学卡或者SSD(Solid State Drive:固态硬盘)等介质。
符号说明
10 出租车
200 服务器装置
201 存储部
201A 候选数据存储部
201B 用户数据存储部
202 控制部
202A 取得部
202B 预测部
202C 车辆调配部
203 通信部。
Claims (8)
1.一种信息处理装置,其具备存储部和控制部,
所述存储部对候选移动目的地数据和用户模型进行存储,
所述候选移动目的地数据包括与候选移动目的地相关的信息,所述候选移动目的地为能够作为从预定的设施出发的移动目的地而选择的场所,
所述用户模型为,使所述候选移动目的地数据中包含的候选移动目的地与停留在所述预定的设施中的用户的移动倾向相关联,并且,在输入了停留在所述预定的设施中的用户易选择的移动目的地的属性即选择属性的情况下,针对每个候选移动目的地而输出具有该选择属性的用户选择为移动目的地的似然度,并且按照所述候选移动目的地而将所述选择属性和所述似然度相关联而成的模型,
所述控制部执行如下操作:
取得第一信息,所述第一信息包括与所述选择属性相关的信息和与移动开始时间段相关的信息,所述移动开始时间段为,停留在所述预定的设施中的用户在过去开始向移动目的地移动的时间段的平均值,或者停留在所述预定的设施中的用户在过去开始向移动目的地移动的时间段中出现最多的时间段;
基于所述第一信息,而对与计划从所述预定的设施进行移动的用户数量相关的信息即第二信息进行预测;
基于所述第二信息而决定应该向所述预定的设施调配的出租车的台数,
在对所述第二信息进行预测时,所述控制部执行如下操作:
对于停留在所述预定的设施中的各个用户,基于所述各个用户的选择属性和所述用户模型,将从所述用户模型输出的似然度最高的候选移动目的地预测为停留在所述预定的设施中的用户从该预定的设施进行移动时的移动目的地即计划移动目的地;
对于所述各个用户,对停留在所述预定的设施中的用户开始从该预定的设施向所述计划移动目的地移动的时间段即计划移动时间段进行预测;
按照所述计划移动时间段而对计划从所述预定的设施向所述计划移动目的地移动的用户数量进行计算。
2.如权利要求1所述的信息处理装置,其中,
所述用户模型被构建为,离所述预定的设施的距离较小的候选移动目的地的似然度大于离所述预定的设施的距离较大的候选移动目的地的似然度。
3.如权利要求1或2所述的信息处理装置,其中,
所述存储部还对移动履历信息进行存储,所述移动履历信息为与停留在所述预定的设施中的用户在该预定的设施的停留期间中已经到访过的候选移动目的地相关的信息,
所述控制部将除了所述移动履历信息中包含的候选移动目的地以外的所述候选移动目的地中的从所述用户模型输出的似然度最高的候选移动目的地,预测为停留在所述预定的设施中的用户的计划移动目的地。
4.如权利要求1或2所述的信息处理装置,其中,
所述控制部在取得了与计划结束在所述预定的设施中的停留的用户相关的信息的情况下,将交通工具的乘坐地点中的离所述预定的设施最近的乘坐地点,预测为该用户的计划移动目的地。
5.一种信息处理方法,其中,
该信息处理方法由计算机执行,
所述计算机具备对候选移动目的地数据和用户模型进行存储的存储部,
所述候选移动目的地数据包括与候选移动目的地相关的信息,所述候选移动目的地为能够作为从预定的设施出发的移动目的地而选择的场所,
所述用户模型为,使所述候选移动目的地数据中包含的候选移动目的地与停留在所述预定的设施中的用户的移动倾向相关联,并且,在输入了停留在所述预定的设施中的用户易选择的移动目的地的属性即选择属性的情况下,针对每个候选移动目的地而输出具有该选择属性的用户选择为移动目的地的似然度,并且按照所述候选移动目的地而将所述选择属性和所述似然度相关联而成的模型,
所述计算机执行如下步骤:
取得第一信息的步骤,所述第一信息包括与所述选择属性相关的信息和与移动开始时间段相关的信息,所述移动开始时间段为,停留在所述预定的设施中的用户在过去开始向移动目的地移动的时间段的平均值,或者停留在所述预定的设施中的用户在过去开始向移动目的地移动的时间段中出现最多的时间段;
基于所述第一信息,而对与计划从所述预定的设施进行移动的用户数量相关的信息即第二信息进行预测的步骤;
基于所述第二信息而决定应该向所述预定的设施调配的出租车的台数的步骤,
对所述第二信息进行预测的步骤包括:
第一步骤,对于停留在所述预定的设施中的各个用户,基于所述各个用户的选择属性和所述用户模型,将从所述用户模型输出的似然度最高的候选移动目的地预测为停留在所述预定的设施中的用户从该预定的设施进行移动时的移动目的地即计划移动目的地;
第二步骤,对于所述各个用户,对停留在所述预定的设施中的用户开始从该预定的设施向所述计划移动目的地移动的时间段即计划移动时间段进行预测;
第三步骤,按照所述计划移动时间段而对计划从所述预定的设施向所述计划移动目的地移动的用户数量进行计算。
6.如权利要求5所述的信息处理方法,其中,
所述存储部还对移动履历信息进行存储,所述移动履历信息为与停留在所述预定的设施中的用户在该预定的设施的停留期间中已经到访过的候选移动目的地相关的信息,
在所述第一步骤中,将除了所述移动履历信息中包含的候选移动目的地以外的所述候选移动目的地中的从所述用户模型输出的似然度最高的候选移动目的地,预测为停留在所述预定的设施中的用户的计划移动目的地。
7.如权利要求5或6所述的信息处理方法,其中,
在所述计算机取得了与计划结束在所述预定的设施中的停留的用户相关的信息的情况下,在所述第一步骤中,将交通工具的乘坐地点中的距所述预定的设施最近的乘坐地点预测为该用户的计划移动目的地。
8.一种信息处理***,具备:
信息处理装置,其用于对与计划从预定的设施移动的用户数量相关的信息进行预测;
设施终端,其被设置在所述预定的设施内,并用于实施出租车的调配,
所述信息处理装置具备存储部和控制部,
所述存储部对候选移动目的地数据和用户模型进行存储,
所述候选移动目的地数据包括与候选移动目的地相关的信息,所述候选移动目的地为能够作为从所述预定的设施出发的移动目的地而选择的场所,
所述用户模型为,使所述候选移动目的地数据中包含的候选移动目的地与停留在所述预定的设施中的用户的移动倾向相关联,并且,在输入了停留在所述预定的设施中的用户易选择的移动目的地的属性即选择属性的情况下,针对每个候选移动目的地而输出具有该选择属性的用户选择为移动目的地的似然度,并且按照所述候选移动目的地而将所述选择属性和所述似然度相关联而成的模型,
所述控制部执行如下处理:
取得第一信息,所述第一信息包括与所述选择属性相关的信息和与移动开始时间段相关的信息,所述移动开始时间段为,停留在所述预定的设施中的用户在过去开始向移动目的地移动的时间段的平均值,或者停留在所述预定的设施中的用户在过去开始向移动目的地移动的时间段中出现最多的时间段;
基于所述第一信息,而对与计划从所述预定的设施进行移动的用户数量相关的信息即第二信息进行预测;
基于所述第二信息而决定应该向所述预定的设施调配的出租车的台数;
将所决定的出租车的台数向所述设施终端发送,
在对所述第二信息进行预测时,所述控制部执行如下处理:
对于停留在所述预定的设施中的各个用户,基于所述各个用户的选择属性和所述用户模型,将从所述用户模型输出的似然度最高的候选移动目的地预测为停留在所述预定的设施中的用户从该预定的设施移动时的移动目的地即计划移动目的地;
对于所述各个用户,对停留在所述预定的设施中的用户开始从该预定的设施向所述计划移动目的地移动的时间段即计划移动时间段进行预测;
按照计划移动时间段而对计划从所述预定的设施向所述计划移动目的地移动的用户数量进行计算,
所述设施终端执行如下处理,即,基于所决定的出租车的台数而实施出租车的调配。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020-057771 | 2020-03-27 | ||
JP2020057771A JP7295057B2 (ja) | 2020-03-27 | 2020-03-27 | 情報処理装置、情報処理方法、及び情報処理システム |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113449902A CN113449902A (zh) | 2021-09-28 |
CN113449902B true CN113449902B (zh) | 2024-02-13 |
Family
ID=77809301
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110319407.0A Active CN113449902B (zh) | 2020-03-27 | 2021-03-25 | 信息处理装置、信息处理方法以及信息处理*** |
Country Status (3)
Country | Link |
---|---|
US (1) | US11694554B2 (zh) |
JP (1) | JP7295057B2 (zh) |
CN (1) | CN113449902B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11904906B2 (en) * | 2021-08-05 | 2024-02-20 | Argo AI, LLC | Systems and methods for prediction of a jaywalker trajectory through an intersection |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103854472A (zh) * | 2012-12-05 | 2014-06-11 | 深圳先进技术研究院 | 出租车云智能调度方法及*** |
CN104077915A (zh) * | 2014-03-27 | 2014-10-01 | 中华电信股份有限公司 | 乘车趋势预测装置及其方法 |
CN108255997A (zh) * | 2017-12-29 | 2018-07-06 | 武汉斑马快跑科技有限公司 | 一种打车目的地的预测方法及*** |
CN110444008A (zh) * | 2019-08-22 | 2019-11-12 | 欧拉信息服务有限公司 | 一种车辆调度方法及装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003108743A (ja) * | 2001-09-27 | 2003-04-11 | Toshiba Corp | 需要発生量を予測する方法及びプログラム |
US8170960B1 (en) * | 2006-11-22 | 2012-05-01 | Aol Inc. | User behavior-based remotely-triggered automated actions |
EP2687998B1 (en) * | 2011-03-14 | 2015-12-09 | Nikon Corporation | Information terminal, information providing server, and control program |
JP6322048B2 (ja) | 2014-05-16 | 2018-05-09 | 株式会社日立製作所 | 混雑予測装置及び混雑予測方法 |
JP6842533B2 (ja) * | 2017-04-14 | 2021-03-17 | 株式会社Nttドコモ | 需要予測装置 |
US20190332977A1 (en) | 2017-05-11 | 2019-10-31 | Ntt Docomo, Inc. | Demand forecast device |
JP7103016B2 (ja) * | 2018-07-24 | 2022-07-20 | トヨタ自動車株式会社 | 情報処理装置、情報処理方法及びプログラム |
-
2020
- 2020-03-27 JP JP2020057771A patent/JP7295057B2/ja active Active
-
2021
- 2021-03-22 US US17/208,527 patent/US11694554B2/en active Active
- 2021-03-25 CN CN202110319407.0A patent/CN113449902B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103854472A (zh) * | 2012-12-05 | 2014-06-11 | 深圳先进技术研究院 | 出租车云智能调度方法及*** |
CN104077915A (zh) * | 2014-03-27 | 2014-10-01 | 中华电信股份有限公司 | 乘车趋势预测装置及其方法 |
CN108255997A (zh) * | 2017-12-29 | 2018-07-06 | 武汉斑马快跑科技有限公司 | 一种打车目的地的预测方法及*** |
CN110444008A (zh) * | 2019-08-22 | 2019-11-12 | 欧拉信息服务有限公司 | 一种车辆调度方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2021157560A (ja) | 2021-10-07 |
US20210304615A1 (en) | 2021-09-30 |
CN113449902A (zh) | 2021-09-28 |
US11694554B2 (en) | 2023-07-04 |
JP7295057B2 (ja) | 2023-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gurumurthy et al. | Analyzing the dynamic ride-sharing potential for shared autonomous vehicle fleets using cellphone data from Orlando, Florida | |
US11475490B2 (en) | Method and system for vehicle allocation to customers for ride-sharing | |
US9776512B2 (en) | Methods, circuits, devices, systems and associated computer executable code for driver decision support | |
US11562300B2 (en) | System and method for optimal automated booking of on-demand transportation in multi-modal journeys | |
US20140365250A1 (en) | Transportation service reservation method and apparatus | |
CN110869953A (zh) | 推荐交通出行服务的***和方法 | |
CN107533734B (zh) | 用于帮助自动安排用户行程的方法和装置 | |
US20170200249A1 (en) | Systems and methods for intelligent, demand-responsive transit recommendations | |
RU2595551C1 (ru) | Навигатор для общественного транспорта | |
US20150278712A1 (en) | Method, apparatus, and program | |
JP2016085734A (ja) | 輸送サービス予約方法、輸送サービス予約装置、及び輸送サービス予約プログラム | |
JP6906487B2 (ja) | 乗合車両用需要予測装置、乗合車両用需要予測方法及びプログラム | |
KR20140023541A (ko) | 일정 관리 방법, 일정 관리 서버 및 그를 위한 이동 단말 | |
JP6515649B2 (ja) | 共用車両管理装置 | |
US20210125498A1 (en) | System and method for management of parking spaces | |
US20210150418A1 (en) | System and Method for Managing Parking Queries | |
JP2020086945A (ja) | 配車管理装置、配車管理方法及び配車管理用コンピュータプログラム | |
CN113449902B (zh) | 信息处理装置、信息处理方法以及信息处理*** | |
JP2014190952A (ja) | ナビゲーションシステム、ナビゲーション方法、及びナビゲーションプログラム | |
JP2012048308A (ja) | カーシェアリングシステム、車載機の目的地登録方法、車載機及び車両予約サーバ | |
US11263716B2 (en) | Rendering digitized services in a smart environment | |
JP2012226503A (ja) | 移動分析方法および移動分析装置 | |
CN118209119A (zh) | 规划导航路线的方法、电子设备和可读存储介质 | |
CN117689089A (zh) | 信息处理方法 | |
JP2022123534A (ja) | 情報処理装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |