JP6624688B2 - ユーザの運転特性に基づいて行動を予測するプログラム、車両端末、携帯端末、推定サーバ及び方法 - Google Patents
ユーザの運転特性に基づいて行動を予測するプログラム、車両端末、携帯端末、推定サーバ及び方法 Download PDFInfo
- Publication number
- JP6624688B2 JP6624688B2 JP2017002929A JP2017002929A JP6624688B2 JP 6624688 B2 JP6624688 B2 JP 6624688B2 JP 2017002929 A JP2017002929 A JP 2017002929A JP 2017002929 A JP2017002929 A JP 2017002929A JP 6624688 B2 JP6624688 B2 JP 6624688B2
- Authority
- JP
- Japan
- Prior art keywords
- user
- vehicle
- action item
- information
- type
- 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 description 11
- 230000009471 action Effects 0.000 claims description 95
- 230000006399 behavior Effects 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 16
- 230000001133 acceleration Effects 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 11
- 238000010801 machine learning Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 5
- 238000012423 maintenance Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 3
- 235000013410 fast food Nutrition 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000000498 cooling water Substances 0.000 description 1
- 230000000994 depressogenic effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 239000010705 motor oil Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Landscapes
- Navigation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
しかしながら、商品役務の購買に関するユーザの行動特性は、プロフィール情報と必ずしも一致するとは考えにくい。
これに対し、本願の発明者らは、ユーザの行動特性は、ユーザの性格や習慣によって大きく影響を受けるのではないか?と考えた。
車両情報に基づくユーザ各自の運転特性に対して、商品役務に基づく予測行動項目の利用確率を対応付けて記憶したモデル記憶手段と、
モデル記憶手段を用いて、ユーザの運転特性から、利用確率に応じた予測行動項目を選択する予測行動項目選択手段と
して機能させ、
運転特性は、地図上の車両の位置に応じた道路種別毎及び/又は渋滞種別毎に区分されており、
モデル記憶手段は、各予測行動項目について、道路種別及び/又は渋滞種別に応じて異なる利用確率を記憶する
ようにコンピュータを機能させることを特徴とする。
モデル記憶手段は、ユーザにおける過去の予測行動項目と、当該ユーザの運転特性とを対応付けた教師データを用いて、機械学習によって構築されたモデルを記憶する
ようにコンピュータを機能させることも好ましい。
商品役務項目毎に、複数の予測行動項目と、各予測行動項目の利用確率とが対応付けられており、
モデル記憶手段は、商品役務項目の各予測行動項目について、道路種別及び/又は渋滞種別に応じて異なる利用確率を記憶する
ようにコンピュータを機能させることも好ましい。
ユーザに提示すべき商品役務項目を選択する商品役務項目選択手段と、
商品役務項目に対して予測行動項目選択手段によって選択された予測行動項目に応じた情報を、ユーザに提示する情報提示手段と
してコンピュータを更に機能させることも好ましい。
車両から車両情報を収集する車両情報収集手段と、
車両情報に応じた運転特性を抽出する運転特性抽出手段と
して更にコンピュータを機能させ、
車両情報は、走行状態情報、車両状態情報、周囲環境情報、及び、運転操作情報のいずれか又はそれらの組み合わせであり、
運転特性は、車間距離、車線変更頻度、車線逸脱頻度、速度超過頻度、速度超過度合、迂回路選択頻度、駐車時切返し回数、制動距離、制動時間、急ハンドル頻度、急加速頻度、及び、急減速頻度のいずれか又はそれらの組み合わせである
ことも好ましい。
車両情報に基づくユーザ各自の運転特性に対して、商品役務に基づく予測行動項目の利用確率を対応付けて記憶したモデル記憶手段と、
車両から車両情報を収集する車両情報収集手段と、
車両情報に応じた運転特性を抽出する運転特性抽出手段と、
モデル記憶手段を用いて、ユーザの運転特性から、利用確率に応じた予測行動項目を選択する予測行動項目選択手段と
選択された予測行動項目に応じた情報を、ユーザに提示する情報提示手段と
を有し、
運転特性は、地図上の車両の位置に応じた道路種別毎及び/又は渋滞種別毎に区分されており、
モデル記憶手段は、各予測行動項目について、道路種別及び/又は渋滞種別に応じて異なる利用確率を記憶する
ことを特徴とする。
車両情報に基づくユーザ各自の運転特性に対して、商品役務に基づく予測行動項目の利用確率を対応付けて記憶したモデル記憶手段と、
車両から車両情報を収集する車両情報収集手段と、
車両情報に応じた運転特性を抽出する運転特性抽出手段と、
モデル記憶手段を用いて、ユーザの運転特性から、利用確率に応じた予測行動項目を選択する予測行動項目選択手段と
選択された予測行動項目に応じた情報を、ユーザに提示する情報提示手段と
を有し、
運転特性は、地図上の車両の位置に応じた道路種別毎及び/又は渋滞種別毎に区分されており、
モデル記憶手段は、各予測行動項目について、道路種別及び/又は渋滞種別に応じて異なる利用確率を記憶する
ことを特徴とする。
車両情報に基づくユーザ各自の運転特性に対して、商品役務に基づく予測行動項目の利用確率を対応付けて記憶したモデル記憶手段と、
端末から車両情報を収集する車両情報収集手段と、
車両情報に応じた運転特性を抽出する運転特性抽出手段と、
モデル記憶手段を用いて、ユーザの運転特性から、利用確率に応じた予測行動項目を選択する予測行動項目選択手段と
選択された予測行動項目を、端末へ送信する情報提示手段と
を有し、
運転特性は、地図上の車両の位置に応じた道路種別毎及び/又は渋滞種別毎に区分されており、
モデル記憶手段は、各予測行動項目について、道路種別及び/又は渋滞種別に応じて異なる利用確率を記憶する
ことを特徴とする。
装置は、車両情報に基づくユーザ各自の運転特性に対して、商品役務に基づく予測行動項目の利用確率を対応付けたモデルを記憶しており、
モデルを用いて、ユーザの運転特性から、利用確率に応じた予測行動項目を選択し、
運転特性は、地図上の車両の位置に応じた道路種別毎及び/又は渋滞種別毎に区分されており、
モデルは、各予測行動項目について、道路種別及び/又は渋滞種別に応じて異なる利用確率を記憶する
ことを特徴とする。
例えば急発進・急停止・車線変更を繰り返すユーザは、車両の傷も多く、自動車メンテナンスには、板金工場やガソリンスタンドに行きやすいかもしれない。また、そのようなユーザは、外食には、自動車で訪問可能なファストフード店やファミリーレストランに行きやすいかもしれない。
一方で、例えば比較的ゆっくりした運転するユーザは、車両の傷も少なく、自動車メンテナンスには、正規ディーラやカー用品店に行きやすいかもしれない。また、そのようなユーザは、外食には、自動車にとらわれずモールやホテルのようなレストランに行きやすいかもしれない。
即ち、本願の発明者らは、結果的に、ユーザの運転特性は、商品役務に対してユーザが選択する行動に影響するのではないか?と考えた。
携帯端末1は、狭域無線通信(例えば無線LAN)又は近距離無線通信(例えばBluetooth(登録商標))を介して、車両のCAN(Controller Area Network)内で送受信される車両情報を受信する。CANとは、耐ノイズ性が強化されており、相互接続された機器間のデータ転送に使われる規格をいう。本発明によれば、車両情報としては、例えば速度、エンジンの回転数、ブレーキの状態、故障診断等を受信する。
また、携帯端末1は、測位部を有し、GPS(Global Positioning System)のような測位電波を受信することによって、現在位置を取得することができる。勿論、位置情報を、車両端末から受信するものであってもよい。
更に、携帯端末1は、地図データを保持しており、地図上の現在位置から、走行道路等の情報を取得することもできる。
更に、携帯端末1は、VICS(Vehicle Information and Communication System)(登録商標)から道路交通情報(混雑状況、交通規制等)を受信することによって、走行道路における交通情報も取得することができる。
勿論、携帯端末1に代えて、例えばナビゲーションシステムのような車両と一体的に搭載された車両端末であってもよい。
また、携帯端末1は、携帯ロボットのようなものであってもよい。
更に、本発明の特徴となるユーザの行動予測機能を、インターネットに接続された推定サーバで実行するものであってもよい。その場合、推定サーバは、車両に搭載された車両端末から車両情報を受信し、予測行動の情報をユーザ所持の携帯端末へ送信することができる。
勿論、図2における本発明の機能は、携帯端末に限られず、車両に搭載された車両端末に搭載されたものであってもよい。
車両情報収集部101は、車両から「車両情報」を収集する。車両情報は、車両から時々刻々と受信される。
(走行状態情報)操舵(横方向加速度、前輪切れ角など)、制動(停止までの制動距離、前方加速度、タイヤ回転数など)、駆動(車速、後方加速度、タイヤ回転数など)
(車両状態情報)総走行距離、前回エンジン始動からの経過時間、走行距離、エンジン回転数、エンジン冷却水温、エンジンオイル温度、バッテリ温度/充電率
(周囲環境情報)前方車との車間距離、前方/後方/側方の障害物までの距離、車線逸脱状況
(運転操作情報)アクセル/ブレーキペダル踏み込み度、ハンドル操舵角、操舵角速度、ウィンカーやワイパー、パワーウィンドウなどの各種装置の操作状況
道路種別は、地図上の現在位置から抽出される。
(渋滞種別)非渋滞時、渋滞時
渋滞種別は、運転時にVICSから受信した道路交通情報(混雑状況、交通規制等)から抽出される。勿論、例えば20km/h以下で所定時間走行している場合を、単に渋滞と判定するものであってもよい。
運転特性抽出部102は、ユーザ毎に、車両情報に応じた「運転特性」を抽出する。運転特性は、ユーザの性格や習慣に影響を受けやすい情報である。
また、運転特性抽出部102は、車両の地図上の位置に応じて、道路種別毎に及び/又は渋滞種別毎に、各ユーザの運転特性を抽出するものであってもよい。
図3(b)によれば、ユーザID(IDentifier)毎に、運転特性が記録されている。
運転特性としては、例えば以下のような情報のいずれか又はそれらの組み合わせである。
(車間距離)車両搭載の前方監視カメラの映像解析結果、又は、前方監視センサから得られたレーダ解析結果から算出する。
(車線変更頻度)方向指示器操作情報及び操舵情報から、車線変更を検知すると共に、これを一定の走行距離毎に又は走行時間毎にカウントして算出する。
(車線逸脱頻度)車両搭載の前方監視カメラの映像解析結果、方向指示器操作情報、又は、操舵情報から検知する。これを一定の走行距離毎に又は走行時間毎にカウントして算出する。
(速度超過頻度/度合)走行位置から地図上の道路の制限速度を検索し、車両速度と制限速度とを比較することによって算出する。これを、一定の走行距離毎に又は走行時間毎にカウントして算出する。
(迂回路選択頻度)走行位置から地図上の走行経路を検索し、走行経路上の任意の2点間の経路が、地図上の当該2点間の最短経路と比較して、一定程度距離が長い場合、迂回経路が選択されたものとして検知する。これを、一定の走行距離又は走行時間毎にカウントして算出する。
(駐車時切返し回数)エンジン停止に至るまでの一定時間における、ハンドル操舵角の総和を算出する。
(制動距離/時間)ブレーキペダルを踏んでから停止するまでの走行距離又は走行時間を算出する。
(急ハンドル頻度)車速が一定速度以上であって、車速とハンドル操舵角、横方向加速度の情報から、ハンドル操舵の角速度が一定速度以上で且つ横方向加速度が一定以上の場合、急ハンドルとして検知する。これを、一定の走行距離又は走行時間毎に算出する。
(急加速/減速頻度)アクセルペダル又はブレーキペダルの踏み込み度、車速、前後方向加速度の情報から、車速が一定速度以下又は以上の場合に、ペダル踏み込み度が一定以上であり、且つ、前後方向加速度が一定以上の場合、急加速又は急減速として検知する。これを、一定の走行距離毎に又は走行時間毎にカウントして算出する。
図4(b)によれば、運転特性IDと運転特性とが対応付けられている。ここでは、多様な運転特性をグループ化して、IDを付与したものである。即ち、運転特性としての各パラメータは所定範囲で表されている。
図4(c)は、図4(a)のユーザ毎に、運転特性IDを対応付けたものである。これによって、各ユーザを、運転特性IDで区分することができる。
モデル記憶部11は、車両情報に基づくユーザ各自の運転特性に対して、商品役務に基づく予測行動項目の利用確率を対応付けて記憶したものである。即ち、このモデルは、運転特性と行動項目との相関関係を構築したものである。
モデル記憶部11は、各予測行動項目について、道路種別及び/又は渋滞種別に応じて異なる利用確率を記憶するものであってもよい。
特に、商品役務項目毎に、複数の予測行動項目と、各予測行動項目の利用確率とが対応付けられている。
また、商品役務項目の各予測行動項目について、道路種別及び/又は渋滞種別に応じて異なる利用確率を記憶することも好ましい。
また、例えば商品役務項目「外食」について、運転特性ID01に属するユーザは「ファミリーレストラン」の利用確率が最も高い。一方で、運転特性ID02に属するユーザは「ファストフード店」の利用確率が最も高い。
このように、運転特性に応じて、予測行動項目の利用確率も異なる。
モデル記憶部11は、ユーザにおける過去の予測行動項目と、当該ユーザの運転特性とを対応付けた教師データを用いて、機械学習によって構築されたモデルを記憶するものであってもよい。
また、教師データは、不特定多数の第三者からに基づく利用実績であることが好ましいが、勿論、ユーザ固有のものであってもよい。
予測行動項目選択部12は、モデル記憶部11を用いて、ユーザの運転特性から、利用確率に応じた予測行動項目を選択する。
図5によれば、ID100001のユーザは、運転特性ID01であるので、例えば商品役務項目「自動車メンテナンス」について予測行動項目「正規ディーラ」を選択する。また、商品役務項目「外食」について予測行動項目「ファミリーレストラン」を選択する。
また、ID100002のユーザは、運転特性ID02であるので、例えば商品役務項目「自動車メンテナンス」について予測行動項目「カー用品店」を選択する。また、商品役務項目「外食」について予測行動項目「ファストフード店」を選択する。
商品役務項目選択部13は、ユーザに提示すべき商品役務項目を選択する。図5及び図6によれば、商品役務として「自動車メンテナンス」「外食」が対応付けられている。
例えばナビゲーションシステムに対して、近くの「外食店」を検索した際に、商品役務項目「外食」を選択するものであってもよい。
例えば車両情報に基づいて、自動車部品や消耗品が破損又は減少した場合、商品役務項目「自動車メンテナンス」を選択するものであってもよい。
例えば地図上の現在位置に基づいて、道路上で近くで立ち寄るであろう商品役務項目が選択されるものであってもよい。
情報提示部14は、商品役務項目に対して、予測行動項目選択部12によって選択された予測行動項目に応じた情報を、ユーザに提示する。携帯端末の場合、ディスプレイやスピーカによって、予測行動項目に応じた情報をユーザに明示することができる。
例えば商品役務項目「自動車メンテナンス」に対して予測行動項目「正規ディーラ」が選択された場合、ユーザに対して「正規ディーラへ誘導しましょう?」と問いかけることもできる。これに対して、ユーザがYESと指示した場合、現在位置からみて最適な「正規ディーラ」を紹介すると共に、そこへの行き先をナビゲーションすることができる。
勿論、商品役務項目「自動車メンテナンス」に対して予測行動項目「正規ディーラA店」が対応付けられている場合、その「正規ディーラA店」への行き先をナビゲーションすることもできる。
推定サーバの各機能構成部は、図2の機能構成部と全く同じである。
但し、車両情報は、車両端末からネットワークを介して受信するものであり、ユーザに提示すべき予測行動項目に基づく情報は、ネットワークを介して端末へ送信される。
特に、本発明によれば、ユーザの性格や習慣に影響を受けやすい情報として、ユーザの運転特性を用いている。運転時の運転特性には、ユーザの性格や習慣のみならず、嗜好、気分、体調といった様々な要素が反映されると考えられる。このようなユーザの運転特性を用いることによって、商品役務に対する行動を予測することが期待できる。
101 車両情報収集部
102 運転特性抽出部
11 モデル記憶部
12 予測行動項目選択部
13 商品役務項目選択部
14 情報提示部
2 推定サーバ
Claims (9)
- 車両情報に基づくユーザ各自の運転特性に対して、商品役務に基づく予測行動項目の利用確率を対応付けて記憶したモデル記憶手段と、
前記モデル記憶手段を用いて、ユーザの運転特性から、利用確率に応じた予測行動項目を選択する予測行動項目選択手段と
して機能させ、
前記運転特性は、地図上の車両の位置に応じた道路種別毎及び/又は渋滞種別毎に区分されており、
前記モデル記憶手段は、各予測行動項目について、道路種別及び/又は渋滞種別に応じて異なる利用確率を記憶する
ようにコンピュータを機能させることを特徴とするプログラム。 - 前記モデル記憶手段は、ユーザにおける過去の予測行動項目と、当該ユーザの運転特性とを対応付けた教師データを用いて、機械学習によって構築されたモデルを記憶する
ようにコンピュータを機能させることを特徴とする請求項1に記載のプログラム。 - 商品役務項目毎に、複数の予測行動項目と、各予測行動項目の利用確率とが対応付けられており、
前記モデル記憶手段は、商品役務項目の各予測行動項目について、道路種別及び/又は渋滞種別に応じて異なる利用確率を記憶する
ようにコンピュータを機能させることを特徴とする請求項1又は2に記載のプログラム。 - ユーザに提示すべき商品役務項目を選択する商品役務項目選択手段と、
前記商品役務項目に対して前記予測行動項目選択手段によって選択された予測行動項目に応じた情報を、ユーザに提示する情報提示手段と
してコンピュータを更に機能させることを特徴とする請求項3に記載のプログラム。 - 車両から車両情報を収集する車両情報収集手段と、
前記車両情報に応じて前記運転特性を抽出する運転特性抽出手段と
して更にコンピュータを機能させ、
前記車両情報は、走行状態情報、車両状態情報、周囲環境情報、及び、運転操作情報のいずれか又はそれらの組み合わせであり、
前記運転特性は、車間距離、車線変更頻度、車線逸脱頻度、速度超過頻度、速度超過度合、迂回路選択頻度、駐車時切返し回数、制動距離、制動時間、急ハンドル頻度、急加速頻度、及び、急減速頻度のいずれか又はそれらの組み合わせである
ことを特徴とする請求項1から4のいずれか1項に記載のプログラム。 - 車両に搭載された車両端末において、
車両情報に基づくユーザ各自の運転特性に対して、商品役務に基づく予測行動項目の利用確率を対応付けて記憶したモデル記憶手段と、
車両から車両情報を収集する車両情報収集手段と、
前記車両情報に応じた運転特性を抽出する運転特性抽出手段と、
前記モデル記憶手段を用いて、ユーザの運転特性から、利用確率に応じた予測行動項目を選択する予測行動項目選択手段と
選択された前記予測行動項目に応じた情報を、ユーザに提示する情報提示手段と
を有し、
前記運転特性は、地図上の車両の位置に応じた道路種別毎及び/又は渋滞種別毎に区分されており、
前記モデル記憶手段は、各予測行動項目について、道路種別及び/又は渋滞種別に応じて異なる利用確率を記憶する
ことを特徴とする車両端末。 - ユーザ所持の携帯端末において、
車両情報に基づくユーザ各自の運転特性に対して、商品役務に基づく予測行動項目の利用確率を対応付けて記憶したモデル記憶手段と、
車両から車両情報を収集する車両情報収集手段と、
前記車両情報に応じた運転特性を抽出する運転特性抽出手段と、
前記モデル記憶手段を用いて、ユーザの運転特性から、利用確率に応じた予測行動項目を選択する予測行動項目選択手段と
選択された前記予測行動項目に応じた情報を、ユーザに提示する情報提示手段と
を有し、
前記運転特性は、地図上の車両の位置に応じた道路種別毎及び/又は渋滞種別毎に区分されており、
前記モデル記憶手段は、各予測行動項目について、道路種別及び/又は渋滞種別に応じて異なる利用確率を記憶する
ことを特徴とする携帯端末。 - 端末とネットワークを介して通信可能な推定サーバにおいて、
車両情報に基づくユーザ各自の運転特性に対して、商品役務に基づく予測行動項目の利用確率を対応付けて記憶したモデル記憶手段と、
端末から車両情報を収集する車両情報収集手段と、
前記車両情報に応じた運転特性を抽出する運転特性抽出手段と、
前記モデル記憶手段を用いて、ユーザの運転特性から、利用確率に応じた予測行動項目を選択する予測行動項目選択手段と
選択された前記予測行動項目を、端末へ送信する情報提示手段と
を有し、
前記運転特性は、地図上の車両の位置に応じた道路種別毎及び/又は渋滞種別毎に区分されており、
前記モデル記憶手段は、各予測行動項目について、道路種別及び/又は渋滞種別に応じて異なる利用確率を記憶する
ことを特徴とする推定サーバ。 - 装置の予測行動選択方法であって、
前記装置は、車両情報に基づくユーザ各自の運転特性に対して、商品役務に基づく予測行動項目の利用確率を対応付けたモデルを記憶しており、
前記モデルを用いて、ユーザの運転特性から、利用確率に応じた予測行動項目を選択し、
前記運転特性は、地図上の車両の位置に応じた道路種別毎及び/又は渋滞種別毎に区分されており、
前記モデルは、各予測行動項目について、道路種別及び/又は渋滞種別に応じて異なる利用確率を記憶する
ことを特徴とする装置の予測行動選択方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017002929A JP6624688B2 (ja) | 2017-01-11 | 2017-01-11 | ユーザの運転特性に基づいて行動を予測するプログラム、車両端末、携帯端末、推定サーバ及び方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017002929A JP6624688B2 (ja) | 2017-01-11 | 2017-01-11 | ユーザの運転特性に基づいて行動を予測するプログラム、車両端末、携帯端末、推定サーバ及び方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018112900A JP2018112900A (ja) | 2018-07-19 |
JP6624688B2 true JP6624688B2 (ja) | 2019-12-25 |
Family
ID=62912323
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017002929A Active JP6624688B2 (ja) | 2017-01-11 | 2017-01-11 | ユーザの運転特性に基づいて行動を予測するプログラム、車両端末、携帯端末、推定サーバ及び方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6624688B2 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109579861B (zh) * | 2018-12-10 | 2020-05-19 | 华中科技大学 | 一种基于强化学习的路径导航方法及*** |
WO2020161854A1 (ja) * | 2019-02-07 | 2020-08-13 | 三菱電機株式会社 | 車両用機器制御システム、車両用機器制御方法及び車両用機器制御装置 |
JP7317572B2 (ja) * | 2019-05-17 | 2023-07-31 | ヤフー株式会社 | 情報処理装置、情報処理方法および情報処理プログラム |
JP2021182317A (ja) * | 2020-05-20 | 2021-11-25 | 株式会社デンソー | 情報提供システム、車両データ解析装置および情報提供方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100837361B1 (ko) * | 2006-08-22 | 2008-06-12 | 중앙대학교 산학협력단 | 퍼지 로직을 이용한 경로 서비스 제공 방법 및 장치 |
JP6224387B2 (ja) * | 2013-09-09 | 2017-11-01 | 株式会社デンソー | コンテンツ提供システム |
JP6193690B2 (ja) * | 2013-09-09 | 2017-09-06 | 株式会社デンソー | コンテンツ提供システム |
US9574890B2 (en) * | 2014-03-04 | 2017-02-21 | Qualcomm Incorporated | Reduced power consumption and improved user experience when navigating along familiar routes |
-
2017
- 2017-01-11 JP JP2017002929A patent/JP6624688B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2018112900A (ja) | 2018-07-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11443388B2 (en) | Detecting transportation company trips in a vehicle based upon on-board audio signals | |
US10571294B2 (en) | Systems and methods for trip planning | |
JP4302872B2 (ja) | ランドマーク更新システムおよびナビゲーション装置 | |
JP6624688B2 (ja) | ユーザの運転特性に基づいて行動を予測するプログラム、車両端末、携帯端末、推定サーバ及び方法 | |
US9310216B2 (en) | Method and apparatus for vehicle-based data gathering | |
US10002531B2 (en) | Method and apparatus for predicting driving behavior | |
US9165310B2 (en) | Method and apparatus for intelligent street light advertisement delivery | |
JP6027280B1 (ja) | 提供システム | |
US20140257989A1 (en) | Method and system for selecting in-vehicle advertisement | |
US10885897B2 (en) | Information providing device and information providing system | |
CN104916004A (zh) | 跟踪和预测车载app的使用趋势的方法和设备 | |
CN103218728A (zh) | 用于情景调节的消费者捕获的方法 | |
JP6261636B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
US20180025554A1 (en) | Vehicle diagnostic data | |
US8510036B2 (en) | Information providing device and information providing system | |
US20240219191A1 (en) | Method, apparatus, and system for providing context sensitive navigation routing | |
KR101574239B1 (ko) | 차량 운행 정보 제공 방법 및 장치 | |
US20140236481A1 (en) | Route guidance apparatus and method | |
JP2019016238A (ja) | 運転車両信号から個人特性を特定しやすい道路区間を推定する推定装置、車両端末、プログラム及び方法 | |
JP2012073205A (ja) | 経路探索装置及び経路探索方法 | |
JP7053440B2 (ja) | 生成装置、生成装置の制御方法及びプログラム | |
WO2019244744A1 (ja) | 特典付与装置及び特典付与方法 | |
US11580575B1 (en) | Sample-based advertising platform | |
US20220404156A1 (en) | Waypoint identification in association with route navigation | |
JP2022155312A (ja) | 広告決定システム、及びデジタルサイネージシステム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190107 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20191023 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20191031 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191111 |
|
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: 20191120 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20191122 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6624688 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |