JP6373462B1 - 予測装置、予測方法及び予測プログラム - Google Patents
予測装置、予測方法及び予測プログラム Download PDFInfo
- Publication number
- JP6373462B1 JP6373462B1 JP2017152005A JP2017152005A JP6373462B1 JP 6373462 B1 JP6373462 B1 JP 6373462B1 JP 2017152005 A JP2017152005 A JP 2017152005A JP 2017152005 A JP2017152005 A JP 2017152005A JP 6373462 B1 JP6373462 B1 JP 6373462B1
- Authority
- JP
- Japan
- Prior art keywords
- information
- predetermined area
- prediction
- delivery amount
- delivery
- 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
- 238000000034 method Methods 0.000 title claims abstract description 68
- 230000009471 action Effects 0.000 claims abstract description 42
- 238000003860 storage Methods 0.000 claims description 79
- 238000012552 review Methods 0.000 claims description 13
- 230000006855 networking Effects 0.000 claims description 2
- 238000009826 distribution Methods 0.000 abstract description 14
- 230000006399 behavior Effects 0.000 description 102
- 238000012545 processing Methods 0.000 description 30
- 230000008569 process Effects 0.000 description 29
- 238000004891 communication Methods 0.000 description 13
- 230000008859 change Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 8
- 230000002776 aggregation Effects 0.000 description 7
- 238000004220 aggregation Methods 0.000 description 7
- 230000010365 information processing Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【解決手段】本予測装置は、取得部と、予測部とを有する。取得部は、ユーザの行動情報であって、所定領域と対応付けられた行動情報を取得する。予測部は、取得部によって取得された行動情報に基づいて、商取引の対象となる商品の配送量であって、所定領域で発生する配送量を予測する。例えば、取得部は、行動情報として、商品を提供する提供者に対する注文であって、所定領域を発送先とする注文に関する情報を取得する。予測部は、注文に関する情報に基づいて、所定領域で発生する配送量を予測する。
【選択図】図1
Description
まず、図1を用いて、実施形態に係る予測処理の一例について説明する。図1は、実施形態に係る予測処理の一例を示す図である。図1では、実施形態に係る予測装置100によって実行される予測処理について説明する。具体的には、図1では、予測装置100によって、所定領域と対応付けられたユーザの行動情報に基づいて、商取引の対象となる商品の配送量であって、当該所定領域で発生する配送量を予測する処理が行われる一例について説明する。
図2を用いて、実施形態に係る予測装置100が含まれる予測システム1の構成について説明する。図2は、実施形態に係る予測システム1の構成例を示す図である。図2に例示するように、実施形態に係る予測システム1には、ユーザ端末10と、ウェブサーバ30と、配送業者装置50と、予測装置100とが含まれる。これらの各種装置は、ネットワークN(例えば、インターネット)を介して、有線又は無線により通信可能に接続される。なお、予測システム1が含む装置の数は図2に示した数に限られず、例えば、予測システム1には複数台のユーザ端末10等が含まれてもよい。
次に、図3を用いて、実施形態に係る予測装置100の構成について説明する。図3は、実施形態に係る予測装置100の構成例を示す図である。図3に示すように、予測装置100は、通信部110と、記憶部120と、制御部130とを有する。なお、予測装置100は、予測装置100を利用する管理者等から各種操作を受け付ける入力部(例えば、キーボードやマウス等)や、各種情報を表示するための表示部(例えば、液晶ディスプレイ等)を有してもよい。
通信部110は、例えば、NIC(Network Interface Card)等によって実現される。かかる通信部110は、通信ネットワークと有線又は無線で接続され、通信ネットワークを介して、ユーザ端末10等との間で情報の送受信を行う。
記憶部120は、例えば、RAM(Random Access Memory)、フラッシュメモリ(Flash Memory)等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。実施形態に係る記憶部120は、配送履歴記憶部121と、モデル記憶部122と、行動情報記憶部123と、提供情報記憶部124とを有する。以下、各記憶部について順に説明する。
配送履歴記憶部121は、ユーザの行動情報と物流に関する情報(例えば配送量)との関係を示す履歴情報を記憶する。例えば、予測装置100は、ネットワークNを介してウェブサーバ30や配送業者装置50から各種情報を取得し、取得した情報を継続的に配送履歴記憶部121に格納し続ける。予測装置100は、履歴情報を処理に利用する場合、適宜、配送履歴記憶部121から履歴情報を取得する。ここで、図4に、実施形態に係る配送履歴記憶部121の一例を示す。図4に示すように、配送履歴記憶部121は、「履歴情報ID」、「集計期間」、「対象領域」、「配送履歴情報」といった項目を有する。また、「配送履歴情報」の項目は、「商品ID」、「関連キーワード情報」、「検索増加率」、「キーワード出現増加率」、「配送増加率」、「配送量情報」といった小項目を含む。
モデル記憶部122は、配送量を予測するためのモデルに関する情報を記憶する。ここで、図5に、実施形態に係るモデル記憶部122の一例を示す。図5に示すように、モデル記憶部122は、「モデルID」、「学習データ」、「対象領域」といった項目を有する。
行動情報記憶部123は、ユーザの行動情報を記憶する。ここで、図6に、実施形態に係る行動情報記憶部123の一例を示す。図6に示すように、行動情報記憶部123は、「集計日」、「対象領域」、「受注情報」、「行動情報」といった項目を有する。また、「行動情報」の項目には、「検索」、「投稿」といった中項目や、「検索情報」、「キーワード」、「変化率」、「投稿情報」、「キーワード」、「変化率」といった小項目を有する。
提供情報記憶部124は、予測装置100から配送業者に提供する情報を記憶する。ここで、図7に、実施形態に係る提供情報記憶部124の一例を示す。図7に示すように、提供情報記憶部124は、「提供情報ID」、「予測日」、「予測配送量」、「増加率」といった項目を有する。
制御部130は、コントローラ(controller)であり、例えば、CPU(Central Processing Unit)やMPU(Micro Processing Unit)等によって、予測装置100内部の記憶装置に記憶されている各種プログラム(予測プログラムの一例に相当)がRAMを作業領域として実行されることにより実現される。また、制御部130は、コントローラであり、例えば、ASIC(Application Specific Integrated Circuit)やFPGA(Field Programmable Gate Array)等の集積回路により実現される。
取得部131は、各種情報を取得する。例えば、取得部131は、ユーザの行動情報であって、所定領域と対応付けられた行動情報を取得する。所定領域と対応付けられた行動情報とは、例えば、行動がどの領域で行われたかといった情報が対応付けられている行動情報をいう。また、行動が、どの領域を対象として(例えば、どの領域に所在するストア等に対して)行われたかといった情報が対応付けられている行動情報をいう。具体的には、地図上の所定領域と対応付けられた行動情報とは、当該行動情報の発信元となるユーザ端末10の所在する位置情報や、ユーザ端末10を利用するユーザの住所や居住地、あるいは、商品の配送先や在庫管理場所が所定領域と対応付けられている情報である。
生成部132は、所定領域において発生する配送量を予測するためのモデルを生成する。例えば、生成部132は、取得部131によって取得された行動情報と、当該行動情報が集計されてから所定時間後における配送量の変化(増加率)とに基づいて、行動情報が配送量に与える影響を反映させたモデルを生成する。
予測部133は、取得部131によって取得された行動情報に基づいて、商取引の対象となる商品の配送量であって、所定領域で発生する配送量を予測する。
提供部134は、予測部133によって予測された配送量を、所定領域で商品の配送を行う配送業者に提供する。
次に、図8及び図9を用いて、実施形態に係る予測装置100による予測処理の手順について説明する。図8は、実施形態に係る予測装置100による処理手順を示すフローチャート(1)である。
上述した実施形態に係る予測装置100は、上記実施形態以外にも種々の異なる形態にて実施されてよい。そこで、以下では、上記の予測装置100の他の実施形態について説明する。
予測装置100は、行動情報のみならず、種々の情報を利用して配送量を予測してもよい。例えば、任意の商品が、所定領域に発信を行うメディア等に報道された場合、かかる商品の売上が増加し、それに伴い、配送量も増加すると想定される。
キーワードや商品の流行は、例えば、所定領域から離れた別の領域で発生し、その流行が当該所定領域に伝達してくる場合がある。この場合、予測装置100は、例えば、先に当該キーワードや商品が流行した別の領域における実際の配送量の増加率等を取得し、取得した情報を利用して、当該所定領域における予測処理に利用してもよい。これにより、予測装置100は、予測の精度を向上させることができる。
上述した実施形態において、予測装置100は、生成したモデルに行動情報を入力して、配送量を予測する例を示した。ここで、予測装置100は、モデルを生成するために用いられた情報と、モデルに入力される行動情報との取得時期を対応させるようにしてもよい。
上記実施形態において、予測装置100は、ネットワーク上で取得可能な種々の情報に基づいて、モデルを生成する例を示した。ここで、予測装置100は、各種ウェブサイトを利用する一般ユーザから取得される情報が一定の閾値を超えたもののみを用いて処理を行うようにしてもよい。
上記実施形態において、予測装置100は、ショッピングモール等に投稿されるユーザレビュー等に基づいてモデルを生成する例を示した。ここで、予測装置100が扱う情報のバリエーションに関して、より詳細に説明する。
また、上記実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。
上述してきた実施形態に係る予測装置100や、ユーザ端末10や、ウェブサーバ30や、配送業者装置50等は、例えば図10に示すような構成のコンピュータ1000によって実現される。以下、予測装置100を例に挙げて説明する。図10は、予測装置100の機能を実現するコンピュータ1000の一例を示すハードウェア構成図である。コンピュータ1000は、CPU1100、RAM1200、ROM1300、HDD1400、通信インターフェイス(I/F)1500、入出力インターフェイス(I/F)1600、及びメディアインターフェイス(I/F)1700を有する。
上述してきたように、実施形態に係る予測装置100は、取得部131と、予測部133とを有する。取得部131は、ユーザの行動情報であって、所定領域と対応付けられた行動情報を取得する。予測部133は、取得部131によって取得された行動情報に基づいて、商取引の対象となる商品の配送量であって、所定領域で発生する配送量を予測する。
10 ユーザ端末
30 ウェブサーバ
50 配送業者装置
100 予測装置
110 通信部
120 記憶部
121 配送履歴記憶部
122 モデル記憶部
123 行動情報記憶部
124 提供情報記憶部
130 制御部
131 取得部
132 生成部
133 予測部
134 提供部
Claims (19)
- ユーザのネットワーク上の行動情報であって、所定領域と対応付けられた行動情報を取得し、取得した情報を記憶部に格納する取得部と、
前記記憶部に格納された行動情報を、前記所定領域における過去の配送量と過去のユーザのネットワーク上の行動情報の履歴との関係性に基づいて当該所定領域における配送量を予測するモデルに入力することにより、商取引の対象となる商品の配送量であって、当該所定領域で発生する配送量を予測する予測部と、
を備えたことを特徴とする予測装置。 - 前記取得部は、
前記行動情報として、前記商品を提供する提供者に対する注文であって、前記所定領域を発送先とする注文に関する情報を取得し、
前記予測部は、
前記注文に関する情報に基づいて、前記所定領域で発生する配送量を予測する、
ことを特徴とする請求項1に記載の予測装置。 - 前記取得部は、
前記行動情報として、前記商品に関連する検索行動であって、前記所定領域に所在するユーザが実行する検索行動に関する情報を取得し、
前記予測部は、
前記検索行動に関する情報に基づいて、前記所定領域で発生する配送量を予測する、
ことを特徴とする請求項1又は2に記載の予測装置。 - 前記取得部は、
前記検索行動に関する情報として、前記商品に関連するキーワードをクエリとする検索回数の増加率を取得し、
前記予測部は、
前記検索回数の増加率に基づいて、前記所定領域で発生する配送量を予測する、
ことを特徴とする請求項3に記載の予測装置。 - 前記取得部は、
前記行動情報として、前記商品に関連する投稿であって、前記所定領域に所在するユーザからの投稿に関する情報を取得し、
前記予測部は、
前記投稿に関する情報に基づいて、前記所定領域で発生する配送量を予測する、
ことを特徴とする請求項1〜4のいずれか一つに記載の予測装置。 - 前記取得部は、
前記投稿に関する情報として、ユーザが作成したメッセージ、ユーザがSNS(Social Networking Service)に投稿したテキスト、ユーザが作成したメール、前記商取引の場であるプラットフォーム上にユーザが投稿したレビューの少なくともいずれかを取得し、
前記予測部は、
前記取得部によって取得された情報に含まれるキーワードであって、前記商品に関連するキーワードの出現回数又は出現率に基づいて、前記所定領域で発生する配送量を予測する、
ことを特徴とする請求項5に記載の予測装置。 - 前記取得部は、
前記所定領域における前記商品に関する報道情報を取得し、
前記予測部は、
前記報道情報に基づいて、前記所定領域で発生する配送量を予測する、
ことを特徴とする請求項1〜6のいずれか一つに記載の予測装置。 - 前記予測部によって予測された配送量を、前記所定領域で前記商品の配送を行う配送業者に提供する提供部、
をさらに備えたことを特徴とする請求項1〜7のいずれか一つに記載の予測装置。 - 前記提供部は、
前記予測部によって予測された配送量に基づいて、前記配送業者が前記所定領域において備える配送リソースに関する情報を提供する、
ことを特徴とする請求項8に記載の予測装置。 - 前記取得部は、
曜日情報又は気象情報を含む行動情報を取得し、
前記予測部は、
前記取得部によって取得された曜日情報又は気象情報を含む行動情報に基づいて、前記所定領域で発生する配送量を予測する、
ことを特徴とする請求項1〜9のいずれか一つに記載の予測装置。 - 前記所定領域における過去の配送量と、過去のユーザの行動情報の履歴とに基づいて、当該所定領域における配送量を予測するための前記モデルを生成する生成部、
をさらに備え、
前記予測部は、
前記生成部によって生成されたモデルに、前記取得部によって取得された行動情報を入力することによって、前記所定領域で発生する配送量を予測する、
ことを特徴とする請求項1〜10のいずれか一つに記載の予測装置。 - コンピュータが実行する予測方法であって、
ユーザのネットワーク上の行動情報であって、所定領域と対応付けられた行動情報を取得し、取得した情報を記憶部に格納する取得工程と、
前記記憶部に格納された行動情報を、前記所定領域における過去の配送量と過去のユーザのネットワーク上の行動情報の履歴との関係性に基づいて当該所定領域における配送量を予測するモデルに入力することにより、商取引の対象となる商品の配送量であって、当該所定領域で発生する配送量を予測する予測工程と、
を含んだことを特徴とする予測方法。 - ユーザのネットワーク上の行動情報であって、所定領域と対応付けられた行動情報を取得し、取得した情報を記憶部に格納する取得手順と、
前記記憶部に格納された行動情報を、前記所定領域における過去の配送量と過去のユーザのネットワーク上の行動情報の履歴との関係性に基づいて当該所定領域における配送量を予測するモデルに入力することにより、商取引の対象となる商品の配送量であって、当該所定領域で発生する配送量を予測する予測手順と、
をコンピュータに実行させることを特徴とする予測プログラム。 - ユーザの行動情報であって、所定領域と対応付けられた行動情報を取得し、取得した情報を記憶部に格納する取得部と、
前記記憶部に格納された行動情報を、前記所定領域における過去の配送量と過去のユーザの行動情報の履歴との関係性に基づいて当該所定領域における配送量を予測するモデルに入力することにより、商取引の対象となる商品の配送量であって、当該所定領域で発生する配送量を予測する予測部と、
を備え、
前記取得部は、
前記行動情報として、前記商品に関連する検索行動であって、前記所定領域に所在するユーザが実行する検索行動に関する情報を取得し、
前記予測部は、
前記検索行動に関する情報に基づいて、前記所定領域で発生する配送量を予測する、
ことを特徴とする予測装置。 - コンピュータが実行する予測方法であって、
ユーザの行動情報であって、所定領域と対応付けられた行動情報を取得し、取得した情報を記憶部に格納する取得工程と、
前記記憶部に格納された行動情報を、前記所定領域における過去の配送量と過去のユーザの行動情報の履歴との関係性に基づいて当該所定領域における配送量を予測するモデルに入力することにより、商取引の対象となる商品の配送量であって、当該所定領域で発生する配送量を予測する予測工程と、
を含み、
前記取得工程は、
前記行動情報として、前記商品に関連する検索行動であって、前記所定領域に所在するユーザが実行する検索行動に関する情報を取得し、
前記予測工程は、
前記検索行動に関する情報に基づいて、前記所定領域で発生する配送量を予測する、
ことを特徴とする予測方法。 - ユーザの行動情報であって、所定領域と対応付けられた行動情報を取得し、取得した情報を記憶部に格納する取得手順と、
前記記憶部に格納された行動情報を、前記所定領域における過去の配送量と過去のユーザの行動情報の履歴との関係性に基づいて当該所定領域における配送量を予測するモデルに入力することにより、商取引の対象となる商品の配送量であって、当該所定領域で発生する配送量を予測する予測手順と、
をコンピュータに実行させ、
前記取得手順は、
前記行動情報として、前記商品に関連する検索行動であって、前記所定領域に所在するユーザが実行する検索行動に関する情報を取得し、
前記予測手順は、
前記検索行動に関する情報に基づいて、前記所定領域で発生する配送量を予測する、
ことを特徴とする予測プログラム。 - ユーザの行動情報であって、所定領域と対応付けられた行動情報を取得し、取得した情報を記憶部に格納する取得部と、
前記記憶部に格納された行動情報を、前記所定領域における過去の配送量と過去のユーザの行動情報の履歴との関係性に基づいて当該所定領域における配送量を予測するモデルに入力することにより、商取引の対象となる商品の配送量であって、当該所定領域で発生する配送量を予測する予測部と、
を備え、
前記取得部は、
前記行動情報として、前記商品に関連する投稿であって、前記所定領域に所在するユーザからの投稿に関する情報を取得し、
前記予測部は、
前記投稿に関する情報に基づいて、前記所定領域で発生する配送量を予測する、
ことを特徴とする予測装置。 - コンピュータが実行する予測方法であって、
ユーザの行動情報であって、所定領域と対応付けられた行動情報を取得し、取得した情報を記憶部に格納する取得工程と、
前記記憶部に格納された行動情報を、前記所定領域における過去の配送量と過去のユーザの行動情報の履歴との関係性に基づいて当該所定領域における配送量を予測するモデルに入力することにより、商取引の対象となる商品の配送量であって、当該所定領域で発生する配送量を予測する予測工程と、
を含み、
前記取得工程は、
前記行動情報として、前記商品に関連する投稿であって、前記所定領域に所在するユーザからの投稿に関する情報を取得し、
前記予測工程は、
前記投稿に関する情報に基づいて、前記所定領域で発生する配送量を予測する、
ことを特徴とする予測方法。 - ユーザの行動情報であって、所定領域と対応付けられた行動情報を取得し、取得した情報を記憶部に格納する取得手順と、
前記記憶部に格納された行動情報を、前記所定領域における過去の配送量と過去のユーザの行動情報の履歴との関係性に基づいて当該所定領域における配送量を予測するモデルに入力することにより、商取引の対象となる商品の配送量であって、当該所定領域で発生する配送量を予測する予測手順と、
をコンピュータに実行させ、
前記取得手順は、
前記行動情報として、前記商品に関連する投稿であって、前記所定領域に所在するユーザからの投稿に関する情報を取得し、
前記予測手順は、
前記投稿に関する情報に基づいて、前記所定領域で発生する配送量を予測する、
ことを特徴とする予測プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017152005A JP6373462B1 (ja) | 2017-08-04 | 2017-08-04 | 予測装置、予測方法及び予測プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017152005A JP6373462B1 (ja) | 2017-08-04 | 2017-08-04 | 予測装置、予測方法及び予測プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6373462B1 true JP6373462B1 (ja) | 2018-08-15 |
JP2019032621A JP2019032621A (ja) | 2019-02-28 |
Family
ID=63165819
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017152005A Active JP6373462B1 (ja) | 2017-08-04 | 2017-08-04 | 予測装置、予測方法及び予測プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6373462B1 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110969274A (zh) * | 2018-09-28 | 2020-04-07 | 北京三快在线科技有限公司 | 一种预测配送时间的方法、装置及计算机可读存储介质 |
CN112036788A (zh) * | 2020-07-28 | 2020-12-04 | 拉扎斯网络科技(上海)有限公司 | 数据处理方法、装置、可读存储介质和电子设备 |
CN112116292A (zh) * | 2020-08-31 | 2020-12-22 | 深圳优地科技有限公司 | 一种订单配送方法、装置、终端和存储介质 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6986529B2 (ja) * | 2019-03-25 | 2021-12-22 | 本田技研工業株式会社 | 配達手配システム、及び配達手配方法 |
CN112561562A (zh) * | 2020-11-13 | 2021-03-26 | 广汽蔚来新能源汽车科技有限公司 | 订单发布方法、装置、计算机设备和存储介质 |
JP7420773B2 (ja) * | 2021-08-20 | 2024-01-23 | Lineヤフー株式会社 | 情報処理装置、情報処理方法、およびプログラム |
KR102422182B1 (ko) * | 2021-10-22 | 2022-07-18 | 쿠팡 주식회사 | 아이템 배송 서비스를 위하여 정보를 처리하는 전자 장치 및 그 방법 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008087958A (ja) * | 2006-09-08 | 2008-04-17 | Canon System Solutions Inc | 情報処理装置、情報処理方法、プログラム、及び記録媒体 |
JP2012058771A (ja) * | 2010-09-03 | 2012-03-22 | Japan Post Service Co Ltd | 到着量予測システム、到着量予測方法及び到着量予測プログラム |
JP2016212757A (ja) * | 2015-05-12 | 2016-12-15 | 富士通株式会社 | 平準化プログラム、平準化方法、及び、平準化装置 |
-
2017
- 2017-08-04 JP JP2017152005A patent/JP6373462B1/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008087958A (ja) * | 2006-09-08 | 2008-04-17 | Canon System Solutions Inc | 情報処理装置、情報処理方法、プログラム、及び記録媒体 |
JP2012058771A (ja) * | 2010-09-03 | 2012-03-22 | Japan Post Service Co Ltd | 到着量予測システム、到着量予測方法及び到着量予測プログラム |
JP2016212757A (ja) * | 2015-05-12 | 2016-12-15 | 富士通株式会社 | 平準化プログラム、平準化方法、及び、平準化装置 |
Non-Patent Citations (1)
Title |
---|
若杉強根男: "配車計画エキスパートシステム", 日立評論, vol. 70, no. 11, JPN6018011584, November 1988 (1988-11-01), pages 107 - 110 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110969274A (zh) * | 2018-09-28 | 2020-04-07 | 北京三快在线科技有限公司 | 一种预测配送时间的方法、装置及计算机可读存储介质 |
CN112036788A (zh) * | 2020-07-28 | 2020-12-04 | 拉扎斯网络科技(上海)有限公司 | 数据处理方法、装置、可读存储介质和电子设备 |
CN112036788B (zh) * | 2020-07-28 | 2024-05-07 | 拉扎斯网络科技(上海)有限公司 | 数据处理方法、装置、可读存储介质和电子设备 |
CN112116292A (zh) * | 2020-08-31 | 2020-12-22 | 深圳优地科技有限公司 | 一种订单配送方法、装置、终端和存储介质 |
CN112116292B (zh) * | 2020-08-31 | 2024-04-02 | 深圳优地科技有限公司 | 一种订单配送方法、装置、终端和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
JP2019032621A (ja) | 2019-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6373462B1 (ja) | 予測装置、予測方法及び予測プログラム | |
US10223668B2 (en) | Contextual searching via a mobile computing device | |
JP5960887B1 (ja) | 算出装置、算出方法及び算出プログラム | |
US20200273054A1 (en) | Digital receipts economy | |
US8364662B1 (en) | System and method for improving a search engine ranking of a website | |
US11455660B2 (en) | Extraction device, extraction method, and non-transitory computer readable storage medium | |
US9384278B2 (en) | Methods and systems for assessing excessive accessory listings in search results | |
KR20220012396A (ko) | 인공 지능을 이용한 제품 통합 및 중복제거를 위한 컴퓨터 시스템 및 방법 | |
JP5852218B1 (ja) | 生成装置、生成方法及び生成プログラム | |
JP6417002B1 (ja) | 生成装置、生成方法及び生成プログラム | |
JP2009193465A (ja) | 情報処理装置、情報提供システム、情報処理方法、およびプログラム | |
JP6560323B2 (ja) | 判定装置、判定方法及び判定プログラム | |
CN115422438B (zh) | 铁路物资供应资源推荐方法、***和存储介质 | |
JP2018116694A (ja) | 算出装置、算出方法及び算出プログラム | |
US20170193539A1 (en) | Time-value estimation method and system for sharing environment | |
JP6679667B2 (ja) | 生成装置、生成方法及び生成プログラム | |
JP6267812B1 (ja) | 算出装置、算出方法及び算出プログラム | |
WO2018061297A1 (ja) | 情報処理方法、プログラム、情報処理システム、及び情報処理装置 | |
JP2020091869A (ja) | Snsシステム、コンピュータプログラム、snsを用いたマーケティングオートメーション方法及び表示方法 | |
JP2016119076A (ja) | 生成装置、生成方法及び生成プログラム | |
JP2019160142A (ja) | 情報処理装置、情報処理方法、およびプログラム | |
JP6152215B2 (ja) | 算出装置、算出方法及び算出プログラム | |
JP6067169B2 (ja) | 算出装置、算出方法及び算出プログラム | |
JP2017076376A (ja) | 算出装置、算出方法および算出プログラム | |
JP6007300B1 (ja) | 算出装置、算出方法および算出プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180529 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20180619 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180717 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6373462 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |