CN113449903A - 信息处理装置、信息处理方法以及*** - Google Patents
信息处理装置、信息处理方法以及*** Download PDFInfo
- Publication number
- CN113449903A CN113449903A CN202110320669.9A CN202110320669A CN113449903A CN 113449903 A CN113449903 A CN 113449903A CN 202110320669 A CN202110320669 A CN 202110320669A CN 113449903 A CN113449903 A CN 113449903A
- Authority
- CN
- China
- Prior art keywords
- user
- location
- service
- information
- 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.)
- Granted
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 36
- 238000003672 processing method Methods 0.000 title claims abstract description 8
- 230000008859 change Effects 0.000 claims description 12
- 238000010801 machine learning Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims 1
- 230000009471 action Effects 0.000 description 36
- 238000004891 communication Methods 0.000 description 22
- 238000000034 method Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000012508 change request Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000010295 mobile communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 235000013305 food Nutrition 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 210000002784 stomach Anatomy 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000005401 electroluminescence Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
- H04W4/022—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences with dynamic range variability
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Computational Linguistics (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Navigation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
- Telephonic Communication Services (AREA)
Abstract
本公开提供一种对存在有多个的路径拥堵进行缓解的信息处理装置、信息处理方法以及***。该信息处理装置具备控制部,所述控制部执行如下处理,即:对预定区域中的第一用户的分布进行预测;基于预测出的第一用户的分布,来对作为将来在预定区域中所述第一用户的密度会超过预定的上限值的地点的第一地点进行预测;向作为服务的提供者的第二用户的终端发送与促使实施在预定区域中的第一地点以外的第二地点处的服务的提供相关的信息。
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***。
背景技术
已知一种通过在拥堵的路径上收集与各个用户的兴趣相关的信息,并在路径上提供用户感兴趣的服务以让用户驻足,从而缓解拥堵的技术(例如,参照专利文献1)。
在先技术文献
专利文献
专利文献1:日本特开2016-042275号公报
发明内容
发明所要解决的课题
本公开的目的在于,对存在有多个的路径的拥堵进行缓解。
用于解决课题的方法
本公开的一个方式为一种信息处理装置,该信息处理装置具备控制部,所述控制部执行如下处理,即:对预定区域中的第一用户的分布进行预测;基于所述预测出的第一用户的分布,来对作为将来在所述预定区域所述第一用户的密度会超过预定的上限值的地点的第一地点进行预测;向作为服务的提供者的第二用户的终端发送与促使实施在所述预定区域中的所述第一地点以外的第二地点处的所述服务的提供相关的信息。
本公开的一个方式为一种信息处理方法,该信息处理方法由计算机执行如下处理,即:对预定区域中的第一用户的分布进行预测;基于所述预测出的第一用户的分布,来对作为将来在所述预定区域中所述第一用户的密度会超过预定的上限值的地点的第一地点进行预测;向作为服务的提供者的第二用户的终端发送与促使实施在所述预定区域中的所述第一地点以外的第二地点处的所述服务的提供相关的信息。
本公开的一个方式为一种***,该***具备:第一终端,其被输入与预定区域中的第一用户相关的信息;第二用户的终端,所述第二用户为在所述预定区域中提供服务的用户;信息处理装置,其具备控制部,所述控制部执行如下处理,即:基于被输入至所述第一终端中的与所述第一用户相关的信息,来对将来的所述第一用户的移动路径进行预测;基于所述预测出的第一用户的移动路径,来对作为将来在所述预定区域中所述第一用户的密度会超过预定的上限值的地点的第一地点进行预测;向所述第二用户的终端发送与促使实施在所述预定区域中的所述第一地点以外的第二地点处的服务的提供相关的信息。
此外,本公开的其它的方式为,使计算机执行上述的信息处理方法的程序、或者非临时性地存储有该程序的计算机可读存储介质。此外,本公开的其它的方式为,计算机执行上述***的处理的方法、使计算机执行该方法的程序、或者非临时性地存储有该程序的计算机可读存储介质。
发明效果
根据本公开,能够对存在有多个的路径的拥堵进行缓解。
附图说明
图1为表示实施方式所涉及的***的概要结构的图。
图2为示出预定区域的一个示例的图。
图3为示意性地表示构成实施方式所涉及的***的第一用户终端、第二用户终端以及服务器的各自的结构的一个示例的框图。
图4为例示出服务器的功能结构的图。
图5为服务器生成(或者更新)行动模型的处理的流程图。
图6为服务器缓解预定区域中的拥堵的处理的流程图。
图7为服务器缓解预定区域中的拥堵的处理的流程图。
具体实施方式
本实施方式所涉及的信息处理装置具备的控制部对在预定区域的第一用户的分布进行预测。预定区域例如为,会在进行活动等时因向该活动移动的用户而发生拥堵的区域。例如,也可以将从活动会场起至预定的距离为止设为预定区域。此外,也可以通过信息处理装置而将预定区域设定为缓解拥堵的区域。此外,预定区域例如也可以基于行政划分等来确定。此外,也可以将户外庆典的会场内设为预定区域。在这种情况下,也可以具有多个舞台,以缓解舞台间的第一用户的移动时的拥堵。此外,例如也可以将球场内设为预定区域。第一用户的分布的预测例如通过对第一用户的移动路径进行预测来实施。例如,能够基于第一用户的目的地或者过往的第一用户的移动路径,来对将来的第一用户的分布进行预测。例如,在以往具有相同的活动的情况下,也可以假设为在将来相同的活动的举办时第一用户会以相同的方式来移动,从而对第一用户的分布进行预测。此时,也可以考虑第一用户的特性来对移动路径进行预测。例如,也可以假设为相同的特性的第一用户会选择相同的移动路径,从而基于相同的特性的第一用户的过往的移动历史来对将来的第一用户的移动路径进行预测。此外,也可以从例如各个第一用户的所持有的终端取得各个第一用户的目的地,并设为各个第一用户会前往其目的地,从而对第一用户的分布进行预测。各个第一用户的目的地既可以设为使用了终端进行的路径搜索的目的地,也可以设为在社交网络服务(SNS)上所投稿的消息中所包括的活动实施的地点。此外,也可以取得当前时间点的第一用户的位置信息,并基于当前时间点的第一用户的位置信息,来对上述的第一用户的分布进行预测。
此外,控制部基于预测出的第一用户的分布,来对将来在预定区域第一用户的密度会超过预定的上限值的地点的第一地点进行预测。第一用户的密度例如也可以设为每单位面积的第一用户的数量。第一地点可以包括第一用户进行移动时的途经地、目的地或者移动路径。预定的上限值例如也可以设为容许范围的上限值。第一地点也可以存在有多个。控制部基于预测出的第一用户的分布,来对例如每预定的时间的第一用户的密度进行预测,并对预测出的每预定时间的第一用户的密度是否超过预定的上限值进行判断。
此外,控制部向作为服务的提供者的第二用户的终端发送与促使实施在预定区域内的第一地点以外的第二地点处的服务的提供相关的信息。第二地点为,通过使第二用户进行移动而使得在第一地点的第一用户的密度成为预定的上限值以下的地点。第二用户既可以为在第一地点处提供服务的用户,也可以为在第一地点以及第二地点以外的其它的地点处提供服务的用户。在此,通过第二用户实施服务的提供,从而使得欲接受该服务的第一用户聚集。因此,通过对第二用户提供服务的地点进行变更,能够改变第一用户的移动路径。而且,通过对提供服务的位置进行变更,以使第一用户从第一用户的密度超过预定的上限值的地点向第一用户的密度为预定的上限值以下的地点进行移动,从而能够对在预定区域内的各个地点处第一用户的密度超过预定的上限值的情况进行抑制。由此,能够缓解预定区域内的拥堵。
以下,基于附图来对本公开的实施的方式进行说明。以下的实施方式的结构为例示,本公开并不限定于实施方式的结构。此外,以下的实施方式能够在可能的范围内进行组合。
第一实施方式
图1为表示实施方式所涉及的***1的概要结构的图。***1例如包括第一用户终端10、第二用户终端20以及服务器30。
图1中的第一用户为操作第一用户终端10的用户,第二用户为操作第二用户终端20的用户。第二用户为向第一用户提供服务的用户。在服务中,例如包括活动的举办或者饮料食物的提供等。活动例如也可以为演出、学会、集会、现场活动、户外庆典、电影的上映、聚会或者公演等。第一用户以及第二用户能够各自存在多个,且第一用户终端10以及第二用户终端20也根据第一用户以及第二用户的数量而存在多个。
第一用户终端10、第二用户终端20以及服务器30通过网络N1而相互被连接在一起。网络N1例如为互联网等的世界规模的公共通信网络,也可以采用WAN(Wide AreaNetwork:广域网)或其它的通信网络。此外,网络N1也可以包括移动电话等电话通信网络、Wi-Fi等无线通信网络。
服务器30向第二用户委托服务的提供地点的变更。并且,服务器30通过向第一用户通知服务的提供地点的变更,来使第一用户的移动路径变更,或者使目的地变更。由此,来实现拥堵的缓解。因此,服务器30对预定区域中的第一用户的分布进行预测。图2为示出预定区域的一个示例的图。在图2所示的预定区域中,包括有标注了编号的节点和连结节点的链接。节点相当于第一用户的目的地或者途经地,且也为第二用户可提供服务的地点。链接相当于第一用户或者第二用户进行移动的道路。另外,在下文中,将标注了n的编号的节点称为节点(n)。此外,将连结节点(n)和节点(m)的链接称为链接(n-m)。另外,在图2中,在节点(1)、节点(6)、节点(16)以及节点(18)处例如配置有供演出进行的建筑物,在节点(3)、节点(9)以及节点(14)处例如配置有提供饮料食品的移动店铺。供演出进行的建筑物被配置在第一用户可设为目的地的节点处。此外,移动店铺被配置在第一用户可设为途经地的节点处。
服务器30取得与第二用户的服务相关的信息、与第一用户的特性相关的信息以及第一用户的位置信息等,并基于这些信息来对各个第一用户的移动路径进行预测。另外,在下文中,也将这些信息称为“区域信息”。在与第二用户的服务相关的信息中,包括有服务的内容、提供服务的位置、与服务的提供时间等相关的信息。这些信息经由第二用户终端20而取得。在第二用户的服务中,包括有在第一用户的目的地所提供的服务以及在第一用户的途经地所提供的服务。在与在第一用户的目的地所提供的服务相关的信息中,例如包括有与演出的举办时间、供演出进行的位置或者演出的内容等相关的信息。在与在第一用户的途经地所提供的服务相关的信息中,例如包括有与移动店铺的营业时间、移动店铺的位置或者移动店铺提供的服务的内容等相关的信息。
此外,与第一用户的特性相关的信息例如基于向第一用户终端10的输入、或者从第一用户终端10所获得的过往的第一用户的行动等而取得。在与第一用户的特性相关的信息中,包括有与第一用户的过往的移动历史(例如,包括目的地或者途经地等)、对第一用户所进行的与移动相关的问卷的结果(例如,包括目的地或者途经地等)、第一用户希望参加的演出、第一用户的兴趣和爱好、过往推荐移动路径时的结果(是否回应了推荐)、第一用户的身体的状态(例如,是否精力充沛或者是否空腹等)、性别、年龄、同伴者的性别、同伴者的年龄或者同伴者的数量等相关的信息。与第一用户的特性相关的信息既可以为由第一用户直接输入至第一用户终端10中的信息,也可以根据由第一用户输入至第一用户终端10中的内容来进行推断,还可以基于第一用户过往所利用的服务来进行推断,还可以基于向SNS所投稿的内容来进行推断。此外,例如也可以从与第一用户相对应的SNS的资料栏取得与第一用户的特性相关的信息。例如,当在第一用户向SNS实施了表示要前往节点(18)观看演出的意思的投稿的情况下,能够推断为,第一用户将以按照节点(18)的演出时间而进行移动。此外,在向SNS实施了表示要与朋友前往节点(18)的意思的投稿的情况下,能够对同伴者的数量进行预测。此外,第一用户的当前所在地从第一用户终端10所具备的位置信息传感器17而取得。
服务器30基于区域信息从而对各个第一用户的移动路径进行预测。例如,移动路径的预测可以基于第一用户的特性以及目的地而实施。此外,移动路径的预测例如还可以利用机器学习。而且,服务器30对将来的每预定的时间的各个节点以及各个链接处的第一用户的人数进行计数,以计算出各个节点以及各个链接处的第一用户的密度。而且,在预测到将产生第一用户的密度超过预定的上限值的地点(第一地点)的情况下,向第二用户终端20发送用于促使第二用户在第一地点以外的第二地点处提供服务的信息。此时,例如也可以使演出地点或者移动店铺的地点移动,以使将来的每预定时间的各个节点以及各个链接处的第一用户的密度不超过预定的上限值。
在图2中,对例如被预测为第一用户的密度将在预定的时刻的链接(12-14)处超过预定的上限值的情况进行说明。例如,假设为,即使空腹的第一用户聚集在被配置在节点(9)以及节点(14)处的两个移动店铺(设为餐饮店。)处,也能够通过这两个移动店铺来应对第一用户的需要。另一方面,假设为,在移动店铺被配置在节点(9)以及节点(14)处的情况下,使空腹的第一用户分散较为困难,从而使得第一用户的密度在链接(12-14)处超过预定的上限值。在这种情况下,服务器30例如向与移动店铺相对应的第二用户终端20发送指示,以使被配置在节点(14)处的移动店铺移动至节点(15)处,且使被配置在节点(9)处的移动店铺移动至节点(12)处。并且,对于空腹的第一用户所持有的第一用户终端10而通知与移动店铺的位置相关的信息。此时,也可以通过发送移动店铺的优惠券、或发送移动店铺的广告来使第一用户对移动店铺产生兴趣。由此,由于第一用户对直至供演出进行的目的地为止会通过的节点以及链接进行变更,因此能够将预定的时刻的链接(12-14)处的第一用户的密度抑制为预定的上限值以下。因此,能够缓解拥堵。
如上文所述,通过对于第二用户而使提供服务的地点进行变更,以使第一用户对途经地进行变更,从而能够缓解拥堵。另外,在上述图2的示例中,第二用户在途经地处提供服务。这种情况下的第二用户例如为移动店铺的经营者。另一方面,即使第二用户在目的地处提供服务的情况下,也同样地能够缓解拥堵。这种情况下的第二用户例如为演出的主办者。在例如演出在节点(1)以及节点(6)处进行的情况下,也可以对将来的每预定时间的各个节点以及各个链接处的第一用户的密度进行预测,并以拥堵的缓解为目的而例如在节点(1)和节点(6)处对演出的内容进行交换。如此,由于通过对供演出进行的位置进行变更从而能够对希望参加演出的各个第一用户的移动路径进行变更,因此能够缓解拥堵。
硬件结构
接下来,基于图3来对第一用户终端10、第二用户终端20以及服务器30的硬件结构进行说明。图3为示意性地表示构成本实施方式所涉及的***1的第一用户终端10、第二用户终端20以及服务器30的各自的结构的一个示例的框图。
服务器30具有一般的计算机的结构。服务器30具有处理器31、主存储部32、辅助存储部33、通信部34。它们通过总线而相互被连接。服务器30为“信息处理装置”的一个示例。
处理器31为CPU(Central Processing Unit:中央处理器)或DSP(Digital SignalProcessor:数字信号处理器)等。处理器31对服务器30进行控制,从而实施各种各样的信息处理的运算。处理器31为“控制部”的一个示例。主存储部32为RAM(Random Access Memory:随机存取存储器)、ROM(Read Only Memory:只读存储器)等。辅助存储部33为EPROM(Erasable Programmable ROM:可擦除可编程只读存储器)、硬盘驱动器(HDD,Hard DiskDrive)、可移动介质等。在辅助存储部33中,存储有操作***(Operating System:OS)、各种程序、各种表格等。处理器31将被存储在辅助存储部33中的程序载入至主存储部32的工作区域中并执行,且通过该程序的执行而对各结构部分等进行控制。由此,服务器30实现与预定的目的相符合的功能。主存储部32以及辅助存储部33为可由计算机读取的存储介质。另外,服务器30既可以为单一的计算机,也可以由多台计算机来协同工作。此外,被存储在辅助存储部33中的信息也可以被存储在主存储部32中。此外,被存储在主存储部32中的信息也可以被存储在辅助存储部33中。
通信部34为,经由网络N1而与第一用户终端10以及第二用户终端20实施通信的单元。通信部34例如为LAN(Local Area Network:局域网)接口板、用于无线通信的无线通信电路。LAN接口板和无线通信电路与网络N1被连接在一起。
另外,由服务器30所执行的一系列的处理虽然也能够通过硬件来执行,但也可以通过软件来执行。服务器30的硬件结构并不被限定于图3所示的结构。
接下来,对第一用户终端10进行说明。第一用户终端10例如为智能手机、移动电话、平板终端、个人信息终端、可穿戴计算机(智能手表等)、个人计算机(PersonalComputer,PC)这样的小型的计算机。第一用户终端10具有处理器11、主存储部12、辅助存储部13、输入部14、显示器15、通信部16以及位置信息传感器17。它们通过总线而被相互连接。由于处理器11、主存储部12、辅助存储部13与服务器30的处理器31、主存储部32、辅助存储部33同样,因此省略说明。
输入部14为受理第一用户所实施的输入操作的单元,例如为触摸面板、鼠标、键盘或者按钮等。显示器15为向用户提示信息的单元,例如为LCD(Liquid Crystal Display:液晶显示器)或者EL(Electroluminescence:电致发光)面板等。输入部14以及显示器15也可以作为一个触摸面板显示器来构成。通信部16为用于将第一用户终端10与网络N1进行连接的通信单元。通信部26例如为,用于利用移动体通信服务(例如,5G(5th Generation:第五代移动通信技术)、4G(4th Generation:***移动通信技术)、3G(3rd Generation:第三代移动通信技术)、LTE(Long Term Evolution:长期演进技术)等电话通信网络)、Wi-Fi(注册商标)、Bluetooth(注册商标)等无线通信网络,经由网络N1而与其它的装置(例如服务器30等)实施通信的电路。
位置信息传感器17取得第一用户终端10的位置信息(例如纬度、经度)。位置信息传感器17例如为GPS(Global Positioning System:全球定位***)接收部、无线LAN通信部等。
接下来,对第二用户终端20进行说明。第二用户终端20例如为智能手机、移动电话、平板终端、个人信息终端、可穿戴计算机(智能手表等),个人计算机(PersonalComputer,PC)这样的小型的计算机。第二用户终端20具有处理器21、主存储部22、辅助存储部23、输入部24、显示器25、通信部26以及位置信息传感器27。它们通过总线而被相互连接。由于处理器21、主存储部22、辅助存储部23、输入部24、显示器25、通信部26以及位置信息传感器27与第一用户终端10的处理器11、主存储部12、辅助存储部13、输入部14、显示器15、通信部16以及位置信息传感器17同样,因此省略说明。
功能结构:服务器
接下来,对服务器30的功能进行说明。图4为例示出服务器30的功能结构的图。服务器30作为功能结构要素而具备数据取得部301、模型管理部302、预测部303以及委托部304。服务器30的处理器31通过主存储部32上的计算机程序来执行各功能结构要素的处理。但是,也可以通过硬件电路来执行各功能结构要素中的任意一个、或者其处理的一部分。此外,服务器30对表示第一用户在预定区域内采取的典型的行动的模型(以下为行动模型)进行存储,并基于从第一用户终端10以及第二用户终端20所取得的信息和行动模型,来对将来的每预定时间的第一用户的位置进行预测,并基于该位置而使移动店铺进行移动。
行动模型被存储在辅助存储部33中。行动模型是指,表示当第一用户在预定区域内进行移动时采取的典型的行动模式(以下为预定行动模式)的模型。行动模型例如通过基于上述的区域信息来实施机器学习而被生成。在区域信息中,包含有与第一用户的过往的移动历史相关的信息,且在该移动历史中例如能够包含在上一次(例如,去年)的同一活动的举办时第一用户进行了移动的历史。此外,在区域信息中包含有与第一用户的特性相关的信息,在与第一用户的特性相关的信息中例如包含有第一用户是否喜欢新事物、是否进行规律的行动或者是否喜欢购物这样的信息。这些信息例如既可以通过请第一用户事先对问卷进行回答来取得,也可以根据第一用户的行动进行推断。例如,对于即使绕远也要到访新开业的店铺的情况较多的第一用户,也可以判断为喜欢新事物。此外,例如对于即使路过有名店铺的附近也不去该店铺的用户而也可以判断为采取规律的行动。这些信息例如基于第一用户的移动历史来进行判断。此外,在区域信息中包含有实时通过传感器等所取得的信息。在该信息中,例如包含有从第一用户终端10所发送的位置信息或者被输入至由第一用户终端10所利用的应用程序中的信息等。此外,在区域信息中例如也可以包含有与第一用户的空腹程度相关的信息。空腹程度例如为表示第一用户是否欲进食的指标。另外,行动模型例如也可以为,表示“喜欢新事物、喜欢购物、且当前所在地为预定的节点的第一用户经由新开业的小卖铺”、“外出就餐较多且空腹的第一用户经由餐饮店”、“与移动店铺的位置无关地,采取规律的行动的第一用户在相同的路径上进行移动”、或者“将供预定的演出进行的位置作为目的地的第一用户经由销售与预定的演出相关联的商品的移动店铺”这样的情况的模型。另外,行动模型也可以基于对第一用户进行检测的结果而自动地生成。
在如果存在区域信息相似的那样的第一用户的情况下,应当能够基于通过行动模型所表示的预定行动模式,来对从当前所在地起的第一用户的移动路径进行预测。即,通过将通过行动模型所表示的预定行动模式应用于各个第一用户,从而能够对预定区域内的将来的每预定时间的第一用户的位置进行预测。由此,能够对在将来的每预定时间的各个节点以及各个链接处的第一用户的数量进行预测。
数据取得部301取得上述区域信息。此外,数据取得部301从第二用户终端20取得与服务相关的信息。在与服务相关的信息中,从第二用户终端20而接收提供的服务的内容、是否能够进行移动、提供服务的时间、是否能够变更提供服务的时间、或者可提供服务的数量(例如,商品的数量或者演出的观众席的数量、提供服务的空间的宽阔程度等)等信息。这些信息例如由第二用户预先被输入至第二用户终端20中。
此外,数据取得部301从第一用户终端10取得与第一用户的特性相关的信息。数据取得部301例如基于从被安装在第一用户终端10中的预定的应用程序(例如,提供换乘信息的应用程序、提供路径信息的应用程序或者SNS应用程序等)被发送的信息,而取得第一用户的特性。此外,数据取得部301也可以为了收集第一用户的特性,而向第一用户终端10发送能够取得第一用户的特性的问卷(例如,“现在是空腹状态吗?”等)。此外,例如也可以基于第一用户向SNS所投稿的内容(例如,“肚子饿了”等),而取得第一用户的身体的状态。此外,例如也可以在第一用户利用第一用户终端10实施了路径搜索的情况下,取得被输入至第一用户终端10中的目的地以作为第一用户的目的地。此外,数据取得部301例如取得在第一用户终端10中被检测的位置信息。以上的信息也可以每当预定时间而从第一用户终端10向服务器30被发送。数据取得部301将时刻与周期性地(例如,每一分钟)所取得的区域信息分别建立关联,并依次向模型管理部302发送。
模型管理部302基于通过数据取得部301所取得的区域信息,而对第一用户的行动模型进行生成以及更新。在模型管理部302中,积存有从数据取得部301所发送的区域信息。模型管理部302例如既可以每当接收到区域信息时实施行动模型的更新,也可以每当用户到达目的地时实施行动模型的更新。
例如,使用当第一用户在预定区域内进行了移动时所取得的移动路径来对行动模型进行更新。另外,行动模型既可以为机器学习模型,也可以为统计性地示出了区域信息和第一用户的移动路径的关系的模型。当为表示第一用户的预定行动模式的模型时,行动模型可以为任意的形式。在行动模型为机器学习模型的情况下,也可以在将区域信息转换为特征量之后,将该特征量作为输入数据、将移动路径作为示教数据来进行学习。此外,模型管理部302还能够实施迁移学习。
预测部303使用所存储的行动模型,并根据当前时间点的第一用户的位置等,而对预定区域中的将来的每预定时间的各个地点(也可以为各个节点以及各个链接。)处的第一用户的密度进行预测。第一用户的密度例如为各个节点以及各个链接的各自的每单位面积的第一用户的数量。各个节点以及各个链接的面积能够预先进行求取。当从第一用户终端10接收到区域信息时,预测部303通过将该区域信息转换为特征量并输入至行动模型中,来对将该第一用户的当前所在地设为起点的将来的每预定时间的位置进行预测。该预定时间被预先设定为可以缓解拥堵的时间。预测部303例如通过对预定区域的将来的每预定时间的各个节点以及各个链接处的第一用户的数量进行计数,并将之除以各个节点以及各个链接的面积而进行计算,来对在各个节点以及各个链接处的第一用户的密度进行预测。
委托部304对作为预定区域的将来的每预定时间的各个地点(也可以设为各个节点以及各个链接。)的第一用户的密度超过预定的上限值的地点的第一地点进行提取。该预定的上限值例如既可以在各个节点以及各个链接处为相同的值,也可以为不同的值。而且,生成向第二用户委托服务的提供地点的变更的请求(以下,也称为移动委托。),并将之发送至相对应的第二用户终端20,以使得从提取出的第一地点通过的第一用户的数量减少。在移动委托中,例如包含有表示委托移动的含义的信息、和与进行移动的时刻以及进行移动的位置相关的信息。委托部304利用行动模型,例如以使在假设为第二用户的服务的提供地点发生了变更的情况下的、预定区域的将来的每预定时间的各个节点以及各个链接的第一用户的密度成为预定的上限值以下的方式,来选定使第二用户移动的服务以及使之移动的位置。第一用户是否会根据服务进行了移动的情况来对移动路径进行变更,会依据第一用户的特性而有所变化。因此,也可以说,委托部304是基于各个第一用户各自的特性来选定促使实施第二地点处的服务提供的第二用户的。
例如,在被预测为会经由第一地点的第一用户较多且喜欢新事物且为空腹的状态的情况下,可以通过使新开店且销售食品的移动店铺进行移动来改变第一用户的流向。例如,如果将假设为移动店铺进行了移动时的区域信息转换为特征量并输入至行动模型中,则能够对移动店铺进行了移动后的预定区域的将来的每预定时间的各个地点的第一用户的密度进行预测。
图5为服务器30生成(或者更新)行动模型的处理的流程图。图5所示的进程由服务器30以预定的运算间隔来执行。
首先,在步骤S101中,数据取得部301从第一用户终端10接收区域信息。在步骤S102中,每当从数据取得部301向模型管理部302发送了区域信息时,模型管理部302将区域信息转换为特征量。然后,模型管理部302将特征量作为输入数据、并将移动路径作为示教数据,来对行动模型进行更新(步骤S103)。
图6为服务器30缓解预定区域中的拥堵的处理的流程图。图6所示的处理由服务器30以预定的运算间隔来执行。另外,作为在辅助存储部33中存储有行动模型的情况而进行说明。
在步骤S201中,预测部303对预定区域中的将来的每预定时间的各个地点的第一用户的密度进行计算。预测部303基于行动模型以及在当前时间点所取得的区域信息,来对各个第一用户的每预定时间的位置进行预测,并计算出各个地点的第一用户的密度。预测部303在对第一用户的将来的位置进行预测时,基于从第一用户终端10所发送的当前时间点的位置信息,以将从该位置起至目的地为止的用户的移动路径与时间建立关联的方式来进行预测。另外,由于第一用户并不一定会依据由预测部303所预测出的移动路径来进行移动,因此通过利用从第一用户终端10所发送的当前时间点的位置信息,从而能够提高预测将来的第一用户的位置的精度。此外,由于能够根据对当前时间点的、例如第一用户的在当前时间点的身体的状态(例如,空腹程度)来对移动路径进行预测,因此能够提高移动路径的预测精度。
在步骤S202中,预测部303对是否具有第一用户的密度超过预定的上限值的地点(第一地点)进行判断。预测部303将预定区域中的将来的每预定时间的各个地点的第一用户的密度与预定的上限值进行比较。在步骤S202中被做出肯定判断的情况下,进入步骤S203,在被做出否定判断的情况下,使本例程结束。
在步骤S203中,委托部304对能够使在第一地点的第一用户的密度减少至预定的上限值以下的移动店铺进行选定。另外,在通过移动店铺的移动来使第一用户的密度减少至预定的上限值以下较为困难的情况下,也可以选定能够尽可能地使第一用户的密度减小的移动店铺。并且,在步骤S204中,委托部304生成用于向与所选定的移动店铺被附加了关联的第二用户终端20发送的移动委托。然后,在步骤S205中,委托部304向对应的第二用户终端20发送移动委托。
此外,在步骤S206中,委托部304向第一用户终端10发送表示移动店铺进行了移动的信息、以及与移动店铺进行了移动的位置相关的信息。该信息既可以向被预测为会在第一用户的密度超过预定的上限值的时间位于第一地点的第一用户发送,也可以向预定区域内的第一用户的全员发送。
如以上所说明的那样,通过由服务器30而对将来会因第一用户而引发拥堵的地点进行预测,并为了缓解拥堵而使第二用户进行移动,从而能够实现拥堵的缓解。即使第一用户自己并不查找路径,但当第一用户基于来自服务器30的信息而进行移动时,也能够避开拥堵。而且,由于进行移动的服务是基于第一用户的特性来选定的,因此会使得第一用户根据该服务的移动来对移动路径进行变更的概率变高。因此,能够更切实地缓解拥堵。此外,由于除了使用过往的数据之外,还使用在当前时间点被检测到的数据来对第一用户的分布进行预测,因此能够提高会发生拥堵的地点的预测精度。
另外,虽然在上述实施方式中,通过使移动店铺进行移动来缓解拥堵,但是也可以通过使在作为第一用户的目的地的地点所进行的例如演出的地点进行移动来缓解拥堵。例如,由于能够通过变更进行演出的地点来使第一用户的移动路径变更,因此能够缓解至第一用户到达演出地点为止在途经地的拥堵。此外,如果能够通过变更进行演出的地点来增加在演出地点可容纳的第一用户的数量,则能够缓解演出会场处的拥堵。演出会场的移动包括对两个演出会场的地点进行交换。此外,在本实施方式中,也可以通过变更在相同的建筑物内提供服务的房间来缓解拥堵。例如,在作为目的地的房间中第一用户的密度超过预定的上限值的情况下,也可以向第二用户委托,以将该房间变更为容纳人数更多的房间、或者具有更加宽阔的空间的房间。即使在这样的对成为用户的目的地的位置进行变更的情况下,也能够应用上述的行动模型。
第二实施方式
在第一实施方式中以使第一用户的密度成为预定的上限值以下为目的来使提供服务的位置进行移动,但在本实施方式中,以使第一用户的密度成为预定的下限值以上且成为预定的上限值以下为目的,来使提供服务的位置进行移动。在此,能够通过提供服务的位置的移动而使第一地点处的第一用户的密度降低,但是当第一用户的密度变得过低时,第一地点会成为冷清的状态。如此,会由于让第一用户感受到活动没有人气而导致缺少热情,从而有可能会使得该活动的人气降低。与此相对,由于通过使提供服务的位置进行移动以使第一用户的密度成为预定的下限值以上,从而能够对第一用户的密度过低的情况进行抑制,因此,能够抑制气氛变得冷清的情况。由此,能够进一步使活动气氛高涨。预定的下限值例如也可以设为所容许的第一用户的密度的下限值。
在这种情况下,在图6所示的例程的步骤S203中,委托部304对使得在第一地点的第一用户的密度成为预定的下限值以上且成为预定的上限值以下的移动店铺进行选定。通过采用这种方式来适度地保持第一用户的密度,从而能够使活动气氛高涨。
第三实施方式
在第一实施方式中,通过使移动店铺进行移动来缓解拥堵,但在本第三实施方式中,还通过错开在作为第一用户的目的地的地点所实施的服务的提供时间(例如演出的时间)来缓解拥堵。例如,在仅通过移动店铺的移动来使第一用户的密度成为预定的上限值以下较为困难的情况下,既可以将在目的地的服务的提供时间错开,也可以一并进行移动店铺的移动和目的地处的服务的提供时间的变更,从而使第一用户的密度成为预定的上限值以下。
数据取得部301从各个第二用户终端20取得可变更的服务的提供时间。例如,第二用户向第二用户终端20输入与服务的内容、服务的提供时间和在假定为要对服务的提供时间进行变更的情况下可提供服务的时间(以下,也称为可变更时间。)等有关的信息。这些信息自第二用户终端20被发送至服务器30。
此外,数据取得部301从第一用户终端10取得与第一用户希望观看的演出的内容、时间、位置等有关的信息,以作为区域信息。该信息例如既可以由第一用户输入至第一用户终端10中,也可以基于第一用户的向SNS的投稿内容来进行推断。在例如具有表示在预定的时刻前往预定的演出的含义的投稿的情况下,将在预定的时刻实施预定的演出的地点设为第一用户的目的地。
模型管理部302基于通过数据取得部301所取得的区域信息,而对第一用户的行动模型进行生成以及更新。在模型管理部302中,积存有从数据取得部301被发送的区域信息。
预测部303使用所存储的行动模型,并根据当前时间点的第一用户的位置,来对预定区域的将来的每预定时间的各个地点(也可以设为各个节点以及各个链接。)处的第一用户的密度进行预测。当从第一用户终端10接收到区域信息时,预测部303通过将该区域信息转换为特征量并输入至行动模型中,来对该第一用户的将来的每预定时间的位置进行预测。
委托部304对作为预定区域的将来的每预定时间的各个地点(也可以设为各个节点以及各个链接。)的第一用户的密度超过预定的上限值的地点的第一地点进行提取。该预定的上限值例如既可以在各个节点以及各个链接处为相同的值,也可以为不同的值。而且,为使通过提取出的第一地点的第一用户的数量减少,而生成向第二用户委托服务的提供时间的变更的请求(以下,也称为变更委托。),并将之发送至相对应的第二用户终端20。在变更委托中,例如包含有表示委托服务的提供时间的变更的含义的信息、和与变更后的服务的提供时间相关的信息。委托部304例如以使在假设为第二用户的服务的提供时间发生了变更的情况下的、预定区域的将来的每预定时间的各个节点以及各个链接的第一用户的密度成为预定的上限值以下的方式,来选定使服务的提供时间变更的服务以及变更后的时间。
图7为服务器30缓解预定区域中的拥堵的处理的流程图。图7所示的处理例如既可以在仅通过移动店铺的移动来使第一用户的密度成为预定的上限值以下较为困难的情况下由服务器30来执行,也可以与移动店铺的移动无关而独立地由服务器30来执行。另外,作为行动模型已被存储在辅助存储部33中的情况而进行说明。对于与在图6所示的例程中执行相同的处理的步骤,标注相同的符号并省略说明。
在图7所示的例程中,当在步骤S202中被做出肯定判断时,进入步骤S301。在步骤S301中,委托部304选定与能够使在第一地点的第一用户的数量减少的服务相对应的第二用户。委托部304使预测部303对在变更了各个服务的提供时间的状态下每预定时间的各个地点的第一用户的密度进行预测,并选定第一用户的密度成为预定的上限值以下的服务以及该服务的提供时间。
在步骤S302中,委托部304生成用于向与所选定的服务附加了关联的第二用户终端20发送的变更委托。变更委托为用于向第二用户委托服务的提供时间的变更的信息。然后,在步骤S303中,委托部304向相对应的第二用户终端20发送变更委托。
此外,在步骤S304中,委托部304向第一用户终端10发送表示服务的提供时间发生了变更的信息、以及与变更后的服务的提供时间相关的信息。该信息既可以向被预测为会在第一用户的密度超过预定的上限值的时间位于第一地点的第一用户发送,也可以向预定区域内的第一用户的全员发送。
如以上所说明的那样,通过由服务器30对将来会因第一用户而引发拥堵的地点进行预测,并为了缓解拥堵而使服务的提供时间变更,从而能够实现拥堵的缓解。另外,虽然在本实施方式中对在第一用户的目的地的服务的提供时间进行变更,但也可以替代该方式,而对在途经地的服务的提供时间(例如,移动店铺的营业时间)进行变更。
其它的实施方式
上述的实施方式只不过为一个示例,本公开能够在不脱离其主旨的范围内适当进行变更而实施。
在本公开中所说明的处理或单元只要不产生技术上的矛盾,则能够自由地进行组合来实施。
此外,作为一个装置所实施的情况而进行了说明的处理也可以通过多个装置来分担并被执行。或者,作为不同的装置所实施的情况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,以何种硬件结构(服务器结构)来实现各功能是能够灵活地变更的。
虽然在上述实施方式中,使用第一用户终端10的位置信息而取得第一用户的当前所在地,并基于该第一用户的当前所在地来对将来的拥堵进行预测,但是也可以替代该方式而基于由摄像机等的传感器所检测到的第一用户的数量来对将来的拥堵进行预测。
虽然在上述实施方式中,作为第二用户根据移动委托而使移动店铺进行移动的情况进行了说明,但第二用户也能够拒绝移动店铺的移动。在这种情况下,也可以由服务器30向第二用户终端20询问是否能够对店铺进行移动,并仅在从第二用户终端20得到了为能够移动的回答的情况下,向该第二用户终端20发送移动委托。另一方面,在得到了为不能移动的回答的情况下,也可以搜索其它的能够移动的第二用户。
上述实施方式例如也能够应用于汽车共享服务中。例如,也可以根据来自第一用户的预约信息以及询问而对需求较高的地点进行预测,并向第二用户通知在该地点处配置更多的车辆。
本公开也能够向计算机提供安装有上述实施方式中所说明的功能的计算机程序,并使该计算机所具有的一个以上的处理器读取并执行程序来实现。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来提供给计算机,也可以经由网络来提供给计算机。非临时性的计算机可读存储介质例如包括磁盘(Floopy(注册商标)、硬盘驱动器(HDD)等)、光盘(CD-ROM、DVD盘、蓝光光盘等)等任意类型的盘片、只读存储器(ROM)、随机存取存储器(RAM)、EPROM、EEPROM、磁卡、闪存、光学式卡、为了存储电子命令而适用的任意类型的介质。
符号说明
1…***;
10…第一用户终端;
17…位置信息传感器;
20…第二用户终端;
30…服务器;
31…处理器;
32…主存储部;
33…辅助存储部;
34…通信部;
301…数据取得部;
302…模型管理部;
303…预测部;
304…委托部。
Claims (20)
1.一种信息处理装置,其具备控制部,所述控制部执行如下处理,即:
对预定区域中的第一用户的分布进行预测;
基于所述预测出的第一用户的分布,来对作为将来在所述预定区域中所述第一用户的密度会超过预定的上限值的地点的第一地点进行预测;
向作为服务的提供者的第二用户的终端发送与促使实施在所述预定区域中的所述第一地点以外的第二地点处的所述服务的提供相关的信息。
2.如权利要求1所述的信息处理装置,其中,
所述控制部在所述第二用户将提供所述服务的地点从所述第一地点向所述第二地点进行了变更的情况下,以使所述第一地点处的所述第一用户的密度成为所述预定的上限值以下的方式,来对所述第二地点进行选定。
3.如权利要求1所述的信息处理装置,其中,
所述控制部在所述第二用户将提供所述服务的地点从所述第一地点向所述第二地点进行了变更的情况下,以使所述第一地点处的所述第一用户的密度成为与所述预定的上限值相比而较小的预定的下限值以上且所述预定的上限值以下的方式,来对所述第二地点进行选定。
4.如权利要求1至3的任意一项所述的信息处理装置,其中,
所述控制部基于对所述第一用户的当前所在地进行检测的传感器的检测值,来对所述第一用户的分布进行预测。
5.如权利要求1至4的任意一项所述的信息处理装置,其中,
所述控制部执行如下处理,即:
取得所述第一用户的各自的特性以及所述第一用户的各自的目的地;
基于所述第一用户的各自的特性以及所述第一用户的各自的目的地,来对所述第一用户的各自的移动路径进行预测,
所述控制部基于所述第一用户的各自的移动路径,来对所述预定区域中的第一用户的分布进行预测。
6.如权利要求1至5的任意一项所述的信息处理装置,其中,
所述控制部基于区域信息来对所述第一用户的各自的移动路径进行预测,所述区域信息为,包括与所述第二用户的服务相关的信息、与所述第一用户的特性相关的信息、以及所述第一用户的位置信息在内的信息。
7.如权利要求6所述的信息处理装置,其中,
所述控制部将所述区域信息作为输入数据、并将所述第一用户的移动路径作为示教数据来对机器学习模型进行学习,并通过向已学习的所述机器学习模型中输入从所述第一用户分别取得的所述区域信息,来对所述第一用户的各自的移动路径进行预测。
8.如权利要求5至7的任意一项所述的信息处理装置,其中,
所述控制部基于所述第一用户的过往的移动历史,来取得与所述第一用户的特性相关的信息。
9.如权利要求5至8的任意一项所述的信息处理装置,其中,
所述控制部基于所述第一用户的各自的特性,来选定要发送与促使实施所述第二地点处的服务的提供相关的信息的所述第二用户。
10.如权利要求5至9的任意一项所述的信息处理装置,其中,
所述第一用户的特性包括所述第一用户的兴趣或者爱好。
11.如权利要求5至10的任意一项所述的信息处理装置,其中,
所述第一用户的特性包括第一用户的性别、年龄、同伴者的性别、同伴者的年龄、或者同伴者的数量。
12.如权利要求1至11的任意一项所述的信息处理装置,其中,
所述控制部向在所述第一地点处提供所述服务的所述第二用户的终端,发送与促使对提供所述服务的时间进行变更相关的信息。
13.如权利要求1至12的任意一项所述的信息处理装置,其中,
所述控制部向在所述第一地点处提供所述服务的所述第二用户的终端,发送与促使实施基于所述第一用户的密度来对提供所述服务的空间的大小进行变更相关的信息。
14.如权利要求1至13的任意一项所述的信息处理装置,其中,
所述第二用户为所述第一用户的目的地处的服务的提供者。
15.如权利要求1至13的任意一项所述的信息处理装置,其中,
所述第二用户为所述第一用户的途经地处的服务的提供者。
16.如权利要求1至15的任意一项所述的信息处理装置,其中,
所述控制部向所述第一用户的终端发送与促使在所述第二地点处接受服务的提供相关的信息。
17.一种信息处理方法,其由计算机执行如下处理,即:
对预定区域中的第一用户的分布进行预测;
基于所述预测出的第一用户的分布,来对作为将来在所述预定区域中所述第一用户的密度会超过预定的上限值的地点的第一地点进行预测;
向作为服务的提供者的第二用户的终端发送与促使实施在所述预定区域中的所述第一地点以外的第二地点处的所述服务的提供相关的信息。
18.如权利要求17所述的信息处理方法,其中,
计算机在所述第二用户将提供所述服务的地点从所述第一地点向所述第二地点进行了变更的情况下,以使所述第一地点处的所述第一用户的密度成为所述预定的上限值以下的方式来对所述第二地点进行选定。
19.一种***,其具备:
第一用户的终端,其被输入与预定区域中的第一用户相关的信息;
第二用户的终端,所述第二用户为在所述预定区域内提供服务的用户;
信息处理装置,其具备控制部,所述控制部执行如下处理,即:
基于被输入至所述第一用户的终端中的与所述第一用户相关的信息,来对将来的所述第一用户的移动路径进行预测;
基于所述预测出的第一用户的移动路径,来对作为将来在所述预定区域中所述第一用户的密度会超过预定的上限值的地点的第一地点进行预测;
向所述第二用户的终端发送与促使实施在所述预定区域中的所述第一地点以外的第二地点处的服务的提供相关的信息。
20.如权利要求19所述的***,其中,
所述控制部在所述第二用户将提供所述服务的地点从所述第一地点向所述第二地点进行了变更的情况下,以使所述第一地点处的所述第一用户的密度成为所述预定的上限值以下的方式,来对所述第二地点进行选定。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020-057638 | 2020-03-27 | ||
JP2020057638A JP7272988B2 (ja) | 2020-03-27 | 2020-03-27 | 情報処理装置、情報処理方法、及び、システム |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113449903A true CN113449903A (zh) | 2021-09-28 |
CN113449903B CN113449903B (zh) | 2024-03-08 |
Family
ID=77809331
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110320669.9A Active CN113449903B (zh) | 2020-03-27 | 2021-03-25 | 信息处理装置、信息处理方法以及*** |
Country Status (3)
Country | Link |
---|---|
US (1) | US11902854B2 (zh) |
JP (1) | JP7272988B2 (zh) |
CN (1) | CN113449903B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003248713A (ja) * | 2002-02-25 | 2003-09-05 | Mazda Motor Corp | 旅行ルート作成支援装置、旅行ルート作成支援方法、旅行ルート作成支援プログラム、及び該旅行ルート作成支援プログラムを記録したコンピュータ読み取り可能な記録媒体 |
US20100169343A1 (en) * | 2008-12-30 | 2010-07-01 | Expanse Networks, Inc. | Pangenetic Web User Behavior Prediction System |
CN104123398A (zh) * | 2014-08-15 | 2014-10-29 | 百度在线网络技术(北京)有限公司 | 一种信息推送方法及装置 |
US20150032505A1 (en) * | 2012-11-30 | 2015-01-29 | Panasonic Intellectual Property Corporation Of America | Information providing method |
CN105246033A (zh) * | 2015-09-14 | 2016-01-13 | 百度在线网络技术(北京)有限公司 | 一种基于终端定位的人群状态监测方法和监测装置 |
JP2016035412A (ja) * | 2014-08-01 | 2016-03-17 | 富士通株式会社 | 分布予測プログラム、分布予測方法、分布予測装置、およびシステム |
KR20170005969A (ko) * | 2015-07-06 | 2017-01-17 | 에스케이플래닛 주식회사 | 사용자 장치, 서비스 제공 장치, 그를 포함하는 설문 조사 시스템, 그의 제어 방법 및 컴퓨터 프로그램이 기록된 기록매체 |
JP2017157241A (ja) * | 2017-06-15 | 2017-09-07 | 株式会社Jvcケンウッド | 情報選択装置、情報選択方法、端末装置およびコンピュータプログラム |
US20180028162A1 (en) * | 2015-02-20 | 2018-02-01 | Rakuten, Inc. | Information processing device, information processing method, and information processing program |
US20180039920A1 (en) * | 2016-03-03 | 2018-02-08 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for determining predicted distribution of future transportation service time point |
JP2018025910A (ja) * | 2016-08-09 | 2018-02-15 | 富士通株式会社 | 情報処理装置及びグループ化プログラム |
KR20180068828A (ko) * | 2016-12-14 | 2018-06-22 | 삼성전자주식회사 | 주행 정보 추정 방법 및 장치 |
US20190057353A1 (en) * | 2017-08-15 | 2019-02-21 | Yahoo Holdings, Inc. | Method and system for detecting gaps in data buckets for a/b experimentation |
US20190146974A1 (en) * | 2016-04-19 | 2019-05-16 | Skyscanner Limited | Browsing methods, computer program products, servers and systems |
CN109919622A (zh) * | 2019-02-22 | 2019-06-21 | 杭州复杂美科技有限公司 | 交易替换方法、设备和存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015121828A (ja) * | 2012-03-08 | 2015-07-02 | 日本電気株式会社 | 情報処理システム、情報処理方法、情報処理装置およびその制御方法と制御プログラム |
JP6215796B2 (ja) * | 2014-08-18 | 2017-10-18 | 日本電信電話株式会社 | 経路混雑緩和装置、その動作方法および経路混雑緩和プログラム |
JP6196193B2 (ja) * | 2014-08-18 | 2017-09-13 | 日本電信電話株式会社 | 混雑緩和装置及び混雑緩和方法 |
JP6539869B2 (ja) * | 2015-02-26 | 2019-07-10 | 三菱重工機械システム株式会社 | 交通流制御装置、交通流制御システム、携帯型記録装置、交通流制御方法及びプログラム |
JP5956035B1 (ja) * | 2015-08-10 | 2016-07-20 | 株式会社リクルートホールディングス | 待ち時間推定システムおよび待ち時間推定方法 |
JP6589499B2 (ja) * | 2015-09-18 | 2019-10-16 | オムロン株式会社 | 行動制御システム及び行動制御方法 |
-
2020
- 2020-03-27 JP JP2020057638A patent/JP7272988B2/ja active Active
-
2021
- 2021-03-17 US US17/203,983 patent/US11902854B2/en active Active
- 2021-03-25 CN CN202110320669.9A patent/CN113449903B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003248713A (ja) * | 2002-02-25 | 2003-09-05 | Mazda Motor Corp | 旅行ルート作成支援装置、旅行ルート作成支援方法、旅行ルート作成支援プログラム、及び該旅行ルート作成支援プログラムを記録したコンピュータ読み取り可能な記録媒体 |
US20100169343A1 (en) * | 2008-12-30 | 2010-07-01 | Expanse Networks, Inc. | Pangenetic Web User Behavior Prediction System |
US20150032505A1 (en) * | 2012-11-30 | 2015-01-29 | Panasonic Intellectual Property Corporation Of America | Information providing method |
JP2016035412A (ja) * | 2014-08-01 | 2016-03-17 | 富士通株式会社 | 分布予測プログラム、分布予測方法、分布予測装置、およびシステム |
CN104123398A (zh) * | 2014-08-15 | 2014-10-29 | 百度在线网络技术(北京)有限公司 | 一种信息推送方法及装置 |
US20180028162A1 (en) * | 2015-02-20 | 2018-02-01 | Rakuten, Inc. | Information processing device, information processing method, and information processing program |
KR20170005969A (ko) * | 2015-07-06 | 2017-01-17 | 에스케이플래닛 주식회사 | 사용자 장치, 서비스 제공 장치, 그를 포함하는 설문 조사 시스템, 그의 제어 방법 및 컴퓨터 프로그램이 기록된 기록매체 |
CN105246033A (zh) * | 2015-09-14 | 2016-01-13 | 百度在线网络技术(北京)有限公司 | 一种基于终端定位的人群状态监测方法和监测装置 |
US20180039920A1 (en) * | 2016-03-03 | 2018-02-08 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for determining predicted distribution of future transportation service time point |
US20190146974A1 (en) * | 2016-04-19 | 2019-05-16 | Skyscanner Limited | Browsing methods, computer program products, servers and systems |
JP2018025910A (ja) * | 2016-08-09 | 2018-02-15 | 富士通株式会社 | 情報処理装置及びグループ化プログラム |
KR20180068828A (ko) * | 2016-12-14 | 2018-06-22 | 삼성전자주식회사 | 주행 정보 추정 방법 및 장치 |
JP2017157241A (ja) * | 2017-06-15 | 2017-09-07 | 株式会社Jvcケンウッド | 情報選択装置、情報選択方法、端末装置およびコンピュータプログラム |
US20190057353A1 (en) * | 2017-08-15 | 2019-02-21 | Yahoo Holdings, Inc. | Method and system for detecting gaps in data buckets for a/b experimentation |
CN109919622A (zh) * | 2019-02-22 | 2019-06-21 | 杭州复杂美科技有限公司 | 交易替换方法、设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
JP2021157542A (ja) | 2021-10-07 |
CN113449903B (zh) | 2024-03-08 |
US20210306796A1 (en) | 2021-09-30 |
US11902854B2 (en) | 2024-02-13 |
JP7272988B2 (ja) | 2023-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11259265B2 (en) | System and method for matching using location information | |
JP6530092B2 (ja) | サーバー制御のゾーン内でのユーザー機器へのホットスポットの提供 | |
US20100127921A1 (en) | Granularity Control In Publishing Information | |
KR20120087287A (ko) | 증강현실 히스토리 정보를 이용하여 소셜 네트워킹 서비스를 제공하는 단말기, 서버 및 이를 이용한 증강현실 제공 시스템 | |
CN113449903B (zh) | 信息处理装置、信息处理方法以及*** | |
CN115399000B (zh) | 使用位置信息进行匹配的***和方法 | |
US11843669B2 (en) | Posting location ordinariness/extraordinariness determination system | |
US11252690B2 (en) | System and method for matching using location information | |
JP2022164472A (ja) | 情報提供装置、システム及び方法 | |
Kontogianni et al. | Mobile Applications in Smart Tourism and Smart Cities Based on Crowdsourcing | |
KR20120043465A (ko) | 장소 팔로잉 서비스를 위한 소셜 네트워크 서비스 시스템 및 그 방법 | |
KR20120065284A (ko) | 정보처리 시스템 |
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 |