WO2018167839A1 - 乗合支援システム、乗合支援方法及び乗合支援プログラム - Google Patents

乗合支援システム、乗合支援方法及び乗合支援プログラム Download PDF

Info

Publication number
WO2018167839A1
WO2018167839A1 PCT/JP2017/010163 JP2017010163W WO2018167839A1 WO 2018167839 A1 WO2018167839 A1 WO 2018167839A1 JP 2017010163 W JP2017010163 W JP 2017010163W WO 2018167839 A1 WO2018167839 A1 WO 2018167839A1
Authority
WO
WIPO (PCT)
Prior art keywords
shared traffic
candidate
riding
candidates
conditions
Prior art date
Application number
PCT/JP2017/010163
Other languages
English (en)
French (fr)
Inventor
阿南　泰三
拓郎 池田
Original Assignee
富士通株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 富士通株式会社 filed Critical 富士通株式会社
Priority to JP2019505557A priority Critical patent/JP6773211B2/ja
Priority to PCT/JP2017/010163 priority patent/WO2018167839A1/ja
Publication of WO2018167839A1 publication Critical patent/WO2018167839A1/ja

Links

Images

Classifications

    • 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
    • G06Q50/10—Services

Definitions

  • the present invention relates to a riding assistance system, a riding assistance method, and a riding assistance program.
  • the establishment of a shared taxi depends greatly on the nature of the area. For example, in a city station, there are many taxi users, and the routes of people moving from the station to a residential area are limited. However, there are few taxi users in local cities, so there are few cases where shared taxis are established except in tourist areas.
  • desired reservation information boarding location, getting-off location, departure time
  • contact information of users with usage history are stored in the reservation system
  • the contact information is searched using the desired reservation information as a key
  • the desired reservation in the past A user of the first boarding pattern who has transmitted the same desired reservation information as the information, or a section included in the route from the boarding place A to the getting-off place B in the past may be used as the desired reservation information.
  • a technique for informing the contact information of the user of the boarding pattern by e-mail or the like and soliciting carpooling has been studied (for example, Patent Document 1).
  • the purpose is to increase the possibility that a ride will be established in shared traffic.
  • the riding support system includes a receiving unit that receives a boarding request for the boarding traffic, and a plurality of items constituting the conditions of the boarding traffic for each candidate for boarding the boarding traffic according to the boarding request.
  • a generating unit that generates, for each of the candidates, a condition that maximizes the probability of being accepted by the candidate for the shared traffic based on a parameter indicating characteristics relating to each of the candidates.
  • FIG. 5 is a flowchart for explaining an example of a processing procedure executed by the riding assistance system 10. It is a figure which shows the structural example of request history DB122. It is a figure which shows the structural example of movement pattern DB121. It is a figure which shows the structural example of proposal acceptance log
  • the riding support system is not limited to the usual movement patterns of the rider who wants to ride, such as A, and the rider candidate, such as B or C. Manage the impact on benefits such as incentives (whether providing coupons increases the probability of accepting proposals), and what incentives are involved and what proposals If this is done, it is calculated whether the probability that the multiplication will be established is high, and the proposal that maximizes the probability is raised, thereby increasing the possibility of multiplication and synthesis.
  • benefits such as incentives (whether providing coupons increases the probability of accepting proposals), and what incentives are involved and what proposals If this is done, it is calculated whether the probability that the multiplication will be established is high, and the proposal that maximizes the probability is raised, thereby increasing the possibility of multiplication and synthesis.
  • FIG. 1 is a diagram illustrating a network configuration example according to an embodiment of the present invention.
  • the passenger support system 10 and the plurality of user terminals 20 are connected via a network such as the Internet (which may include a wireless section), for example.
  • a network such as the Internet (which may include a wireless section), for example.
  • the user terminal 20 is a terminal used by a shared taxi user to input a request for a ride or to receive a shared taxi proposal.
  • a shared taxi proposal is distributed to a person other than the requester.
  • a PC Personal Computer
  • a mobile phone a smartphone, a tablet terminal, or the like may be used as the user terminal 20.
  • the riding support system 10 is one or more computers that generate proposals (sharing taxi terms) using incentives so as to increase the probability that the riding will be established for the riding taxi according to the request for the riding taxi.
  • FIG. 2 is a diagram illustrating a hardware configuration example of the riding support system 10 according to the embodiment of the present invention.
  • 2 includes a drive device 100, an auxiliary storage device 102, a memory device 103, a CPU 104, an interface device 105, and the like that are mutually connected by a bus B.
  • a program that realizes processing in the riding support system 10 is provided by the recording medium 101.
  • the recording medium 101 on which the program is recorded is set in the drive device 100, the program is installed from the recording medium 101 to the auxiliary storage device 102 via the drive device 100.
  • the program need not be installed from the recording medium 101 and may be downloaded from another computer via a network.
  • the auxiliary storage device 102 stores the installed program and also stores necessary files and data.
  • the memory device 103 reads the program from the auxiliary storage device 102 and stores it when there is an instruction to start the program.
  • the CPU 104 executes functions related to the riding support system 10 according to a program stored in the memory device 103.
  • the interface device 105 is used as an interface for connecting to a network.
  • An example of the recording medium 101 is a portable recording medium such as a CD-ROM, a DVD disk, or a USB memory.
  • a portable recording medium such as a CD-ROM, a DVD disk, or a USB memory.
  • an HDD Hard Disk Disk Drive
  • flash memory or the like can be given. Both the recording medium 101 and the auxiliary storage device 102 correspond to computer-readable recording media.
  • FIG. 3 is a diagram illustrating a functional configuration example of the riding assistance system 10 according to the embodiment of the present invention.
  • the riding support system 10 includes a request receiving unit 11, a movement pattern matching unit 12, a user characteristic learning unit 13, a proposal optimization unit 14, and the like. Each of these units is realized by processing that one or more programs installed in the riding support system 10 cause the CPU 104 to execute.
  • the riding support system 10 also uses databases (storage units) such as a movement pattern DB 121, a request history DB 122, a proposal acceptance history DB 123, a learning result DB 124, an incentive DB 125, and a facility DB 126.
  • Each of these databases can be realized using, for example, the auxiliary storage device 102 or a storage device that can be connected to the sharing support system 10 via a network.
  • the request receiving unit 11 receives a ride request for a shared taxi (hereinafter referred to as “ride request”) from the user terminal 20.
  • the boarding request includes information indicating the boarding time, arrival time, departure place, destination, and the like.
  • the movement pattern matching unit 12 extracts users who have a possibility of sharing a shared taxi (hereinafter referred to as “target taxi”) according to the shared request from the past usage history of the shared taxi of each user.
  • target taxi a shared taxi
  • the originator of the sharing request hereinafter referred to as “requester”
  • the user extracted by the movement pattern matching unit 12 are hereinafter referred to as “combining candidates”.
  • the user characteristic learning unit 13 learns a model (parameter) representing each user's characteristic (influence degree) related to each of a plurality of items constituting the shared taxi proposal (condition) based on the past proposal acceptance history. Do.
  • the learning result is stored in the learning result DB 124.
  • the proposal acceptance history is a history of acceptance status regarding a shared taxi proposal (condition) generated for a shared taxi in response to another person's ride request, and is stored in the proposal acceptance history DB 123 for each user. Yes.
  • the characteristic of the user is information indicating which component among the components of the shared taxi condition is emphasized by the user, or which component is highly influenced by the user.
  • the components of the proposal for a shared taxi include departure time, departure time error relative to desired departure time, arrival time error relative to desired arrival time, travel time (ride time), fee, incentive (privilege), and the like.
  • the incentive is not an indispensable parameter regarding the conditions of shared taxi, but is a parameter introduced in this embodiment in order to increase the possibility of establishment of shared taxi.
  • the proposal optimizing unit 14 refers to the learning result DB 124, the incentive DB 125, the facility DB 126, and the like for the riding candidate using the model learned by the user characteristic learning unit 13, and what kind of suggestion should be made.
  • the probability that the establishment of will increase will be calculated with probability.
  • the proposal optimizing unit 14 adjusts the contents of the proposal while narrowing down the candidates for riding based on the calculated probability.
  • the proposal optimizing unit 14 transmits the proposal content generated for each narrowed-down candidate user terminal 20 to solicit the ride.
  • the proposed optimization unit 14 will be described in more detail.
  • the proposal optimizing unit 14 generates a proposal for each riding candidate n while involving the incentive I, and calculates the probability that the riding candidate n accepts the proposal for the proposal.
  • the riding candidate n proposes (X n , ⁇ tl n , ⁇ ta n , T n , C n , I n ) are accepted as equations (1) and (2).
  • Z n is a partition function. The does not include the X in the right-hand side of equation (1), the lag time ( ⁇ tl n, ⁇ ta n) from the planned establishment probability of riding together to the assumption that depends on the magnitude of, does not depend on the departure time Based.
  • Each ⁇ is a parameter (weight) constituting user characteristics. That is, ⁇ 1 is a characteristic (influence or tolerance) with respect to the error ⁇ tl from the desired departure time X. ⁇ 2 is a characteristic (influence or tolerance) with respect to the error ⁇ ta from the arrival time. ⁇ 3 is a characteristic (influence or tolerance) with respect to the travel time T. ⁇ 4 is a characteristic (influence or tolerance) for the fee. ⁇ 5 is a characteristic (influence degree) with respect to the incentive I. The value of each ⁇ of each user is learned by the user characteristic learning unit 13.
  • Incentives I n may be, for example, take values of 1 or -1. If incentive vans candidates n is accepted in the past and then, a -1 if there be accepted, it is possible to represent the acceptance degree of incentives size of beta 5.
  • the incentive may be a coupon or a gift voucher.
  • Proposed vans probability by vans candidates is highest, i.e., the riding together all candidates best suggestion OPT proposed acceptance probability is maximum of ⁇ X n, ⁇ tl n, ⁇ ta n, T n, C n, I n ⁇ Can be obtained by the following equation (3).
  • the proposal optimizing unit 14 uses Formula (3) to generate a proposal that maximizes the acceptance probability P n of the proposal of each riding candidate n for each riding candidate.
  • FIG. 4 is a flowchart for explaining an example of a processing procedure executed by the riding assistance system 10.
  • step S101 the request receiving unit 11 receives the multiplication request transmitted from the user terminal 20 of the requester.
  • the boarding request includes information indicating the desired departure time X or the desired arrival time Y, the departure place O, and the destination D.
  • the request receiving unit 11 stores the sharing request in the request history DB 122.
  • FIG. 5 is a diagram illustrating a configuration example of the request history DB 122.
  • the request history DB 122 stores the departure place, destination, desired departure time X, desired arrival time Y, and the like of past boarding requests for each user.
  • FIG. 5 shows a request history of a certain user.
  • the movement pattern matching unit 12 searches for a movement route (boarding route) according to the boarding request (S102).
  • a known technique may be used for the route search. Note that the scheduled departure time, the estimated arrival time, and the like are determined according to the search for the travel route.
  • the movement pattern matching unit 12 extracts a user who has a movement experience of a route close to the searched movement route with reference to the movement pattern DB 121 (S103).
  • FIG. 6 is a diagram illustrating a configuration example of the movement pattern DB 121.
  • the movement pattern DB 121 stores a departure place, a destination, the number of movements, a most frequent movement time zone, and the like for each user.
  • the contents of each record in the movement pattern DB 121 may be generated based on the request history DB 122, for example.
  • step S103 for example, a record in which the departure point and the destination are included on the movement route, and the estimated arrival time of the departure point or the destination when moving along the movement route is included in the most frequent movement time zone is registered.
  • the user who has been selected is extracted as a riding candidate.
  • the extraction target may be limited to a record in which the number of movements is a predetermined value or more. That is, a riding candidate may be extracted based on a movement pattern with a high movement frequency.
  • a record in the movement pattern DB 121 that causes extraction for a certain riding candidate is hereinafter referred to as a “target movement pattern”.
  • each extracted candidate and requester are set as a candidate n. That is, hereinafter, the requester is also treated as one passenger candidate n.
  • the user characteristic learning unit 13 learns (calculates) the value of ⁇ of each user based on the information stored in the proposal acceptance history DB 123 using Expression (4), and learns the results (calculation results). Is stored in the learning result DB 124 (S104).
  • FIG. 7 is a diagram showing a configuration example of the proposal acceptance history DB 123.
  • the suggestion acceptance history DB 123 stores, for each user, information indicating how much error of departure time or arrival time is allowed for adjustment with other riding candidates for multiplication / combination.
  • the proposal acceptance history DB 123 departure time error, arrival time error, travel time, fee, incentive, proposal acceptance result, etc. are stored for each user for each past proposal. As a result, it is possible to grasp for each user whether the time is exactly, whether it is loose, what kind of incentive is weak, and what kind of proposal will be accepted in the future is highly likely to be accepted. You can know what will be.
  • the proposal number for the riding candidate n and the proposal acceptance result is “accepted” (in order from oldest to newest) Learning is performed by estimating each ⁇ in Expression (2), where s is the number when the two are arranged.
  • the equation for learning is given by the following equation (4).
  • the user characteristic learning unit 13 learns the characteristic ⁇ using the equation (4).
  • the learned ⁇ is stored in the learning result DB 124 for each user. The more the proposal is accepted, the more accurately the user characteristic ⁇ is learned.
  • the learning by the user characteristic learning unit 13 may not be executed at this timing. For example, learning may be performed each time a response to a proposal is received.
  • the proposal optimizing unit 14 generates a proposal Opt for each multiplication candidate n using Expression (3) (S105).
  • the proposal optimizing unit 14 for each combination of the candidate candidates n for the number of recruited persons, for each combination of the requester and the candidate candidate n for the combination.
  • the travel route is searched so that the total power of Pn becomes the maximum.
  • a travel route of a triplet is searched when a requester and two riding candidates n are selected.
  • a travel route of a triplet is searched when a requester and two riding candidates n are selected.
  • a travel route of a triplet is searched when a requester and two riding candidates n are selected.
  • ⁇ tl and ⁇ ta of the requester are errors in the departure time of the travel route and the arrival time of the travel route with respect to the desired departure time X and the desired arrival time Y in the ride request.
  • ⁇ tl and ⁇ ta of the riding candidate n other than the requester are errors with respect to the most frequent movement time zone of the target movement pattern for the riding candidate.
  • the proposed optimization unit 14 for each vans candidates n, available incentives (benefits) to generate a proposed Opt while fitted to I n at each destination or destination peripheral.
  • incentives can be specified with reference to the incentive DB 125.
  • FIG. 8 is a diagram illustrating a configuration example of the incentive DB 125.
  • the incentive DB 125 stores facility names, stores, privilege details, privilege conditions, and the like for each currently available privilege (coupon or present).
  • the facility name is the name of the facility including the store where the privilege can be used.
  • the store name is the name of the store.
  • the privilege content is the content of the privilege.
  • the privilege condition is a condition for the privilege to be usable, such as a time limit of the privilege.
  • the location information (latitude and longitude) of each facility including a store where the privilege can be used can be specified with reference to the facility DB 126.
  • FIG. 9 is a diagram illustrating a configuration example of the facility DB 126.
  • the facility DB 126 stores the facility name, latitude / longitude, store name, location, and the like of each facility.
  • the latitude and longitude are the latitude and longitude of the location of the facility.
  • the store name is the store name of the store in which the facility is included.
  • the location is information indicating the position of the store in the facility.
  • the proposal optimizing unit 14 can specify the facility of each passenger candidate n or the facility in the vicinity of the destination with reference to the facility DB 126, and refer to the incentive DB 125 for the benefits available at the facility. Can be identified.
  • the proposal optimizing unit 14 generates a proposal for the triplet that maximizes the total power of the probability Pn while changing the incentive for each of the multiplicative candidates n included in the triplet and changing the movement route. .
  • the proposal optimizing unit 14 executes such processing for all three-person patterns (however, one of the three-person groups is always a requester). As a result, an optimal proposal Opt is generated for each pattern of three people.
  • the proposal optimizing unit 14 determines the optimal proposal Opt for each combination candidate n (in the above example, each pattern of a triplet), and the acceptance probability Pn of each candidate n in the optimal proposal Opt, Based on the above, a candidate n for sharing is selected as a proposal destination (that is, a solicitation target for sharing) (S106). Specifically, the proposal optimizing unit 14 sums the probabilities P n obtained from the formula (1) with respect to the proposal Opt for each of the two riding candidates n excluding the requester for each pattern of the triplet. Calculate The proposal optimizing unit 14 has the expected value (2.0 of the recruitment number) within the total for each pattern of the triplet, and the triple candidate n for the total closest to the expected value Select. In addition, with the selection of the riding candidate n, the proposal Opt for each selected riding candidate is also determined.
  • the proposal optimizing unit 14 transmits each proposal Opt in the optimum proposal Opt for the combination (the triplet) to each user terminal 20 of the requester and each selected combination candidate n. (S107).
  • a screen including a proposal Opt for each (hereinafter referred to as “suggest screen”) is displayed.
  • e-mail may be used for sending the proposal.
  • the mail address of each user may be stored in advance in the auxiliary storage device 102 or the like.
  • FIG. 10 is a diagram showing a display example of the proposal screen.
  • the proposal screen 510 includes a map area 511, an operation information area 512, an incentive display area 513, a cancel button 514, a reservation confirmation button 515, and the like.
  • the map area 511 a map showing the starting point and the destination in the proposal Opt of the user is displayed.
  • the operation information area 512 parameters excluding incentives are displayed among the parameters constituting the proposal Opt. Incentives are displayed in the incentive display area 513. When an incentive is selected, the contents of the incentive may be displayed as shown in a balloon.
  • Cancel button 514 is a button for accepting rejection of a proposal.
  • the reservation confirmation button 515 is a button for accepting proposal acceptance.
  • the user terminal 20 transmits information indicating rejection of the proposal to the riding assistance system 10.
  • the user terminal 20 transmits information indicating acceptance of the proposal to the riding assistance system 10.
  • the proposal optimization unit 14 When the proposal optimization unit 14 receives a response from each user terminal 20 of the transmission destination of the proposal, the proposal optimization unit 14 associates the acceptance result (acceptance or rejection) included in the response with the proposal for the transmission destination, and proposes acceptance history Store in the DB 123 (S108).
  • the movement pattern matching part 12 may extract all the users of the past joint traffic as a joint candidate, for example. In this case, a multiplication candidate unrelated to the movement route is also extracted. However, in the generation of the optimum proposal by the proposal optimization unit 14, the acceptance probability of such a multiplication candidate is low. It is unlikely that a person will be selected. Therefore, even if the movement pattern matching unit 12 extracts all users, this embodiment can be realized. However, the movement pattern matching unit 12 can extract the number of candidates that can be combined, thereby reducing the amount of calculation performed by the proposed optimization unit 14.
  • the proposal is selected based on the acceptance probability of the proposal by the common candidate, and the common candidate having a high acceptance probability is selected as the proposal destination. Therefore, it is possible to increase the possibility that the ride is established in the ride traffic.
  • the shared taxi has been described as an example of the shared traffic.
  • the present embodiment may be applied to other shared traffic such as a shared bus.
  • the request receiving unit 11 is an example of a receiving unit.
  • the proposal optimizing unit 14 is an example of a generating unit.

Landscapes

  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

乗合支援システムは、乗合交通に対する乗車要求を受信する受信部と、前記乗車要求に応じた乗合交通への乗合の候補者ごとの、前記乗合交通の条件を構成する複数の項目のそれぞれに関する特性を示すパラメータに基づいて、前記乗合交通について、前記候補者によって受け入れられる確率が最大となる条件を、前記候補者ごとに生成する生成部と、を有することで、乗合交通において乗合が成立する可能性を高める。

Description

乗合支援システム、乗合支援方法及び乗合支援プログラム
　本発明は、乗合支援システム、乗合支援方法及び乗合支援プログラムに関する。
　乗合タクシーの成立は、その地域の性格によって大きく左右される。例えば、都市の駅においてはタクシー利用者が多く、駅から住宅地へ移動する人々のルートは限られているので乗合が成立しやすい。しかし、地方都市においてはタクシー利用者が少ないため、乗合タクシーが成立するケースは観光地を除いて少ないと考えられる。
　従来技術では、乗合を成立させるために、過去の利用履歴に基づくものが検討されている。例えば、利用履歴のある利用者の希望予約情報（乗車地、降車地、出発時刻）や連絡先を予約システムに格納しておき、希望予約情報をキーとして連絡先を検索し、過去に希望予約情報と同一の希望予約情報を送信したことのある第１の乗車パターンの利用者、又は過去に乗車地Ａから降車地Ｂへのルートに含まれる区間を希望予約情報としたことのある第２の乗車パターンの利用者の連絡先へ電子メールなどで通知し、相乗りを勧誘する技術が検討されている（例えば、特許文献１）。
特開２００３－３０８５９６号公報 特開２００５－１５６３０号公報 特開２０１０－７３１８４号公報
　しかしながら、従来技術では、或るユーザからのリクエストに応じた乗合タクシーについて時間帯等において、他のユーザの過去の利用履歴に対してずれが有る場合に、乗合を成立させることが困難である。
　そこで、一側面では、乗合交通において乗合が成立する可能性を高めることを目的とする。
　一つの案では、乗合支援システムは、乗合交通に対する乗車要求を受信する受信部と、前記乗車要求に応じた乗合交通への乗合の候補者ごとの、前記乗合交通の条件を構成する複数の項目のそれぞれに関する特性を示すパラメータに基づいて、前記乗合交通について、前記候補者によって受け入れられる確率が最大となる条件を、前記候補者ごとに生成する生成部と、を有する。
　一態様によれば、乗合交通において乗合が成立する可能性を高めることができる。
本発明の実施の形態におけるネットワーク構成例を示す図である。 本発明の実施の形態における乗合支援システム１０のハードウェア構成例を示す図である。 本発明の実施の形態における乗合支援システム１０の機能構成例を示す図である。 乗合支援システム１０が実行する処理手順の一例を説明するためのフローチャートである。 リクエスト履歴ＤＢ１２２の構成例を示す図である。 移動パターンＤＢ１２１の構成例を示す図である。 提案受理履歴ＤＢ１２３の構成例を示す図である。 インセンティブＤＢ１２５の構成例を示す図である。 施設ＤＢ１２６の構成例を示す図である。 提案画面の表示例を示す図である。
　以下、図面に基づいて本発明の実施の形態を説明する。本実施の形態では、乗合の成立の可能性が高まるように、最初の乗合希望者と共に乗合タクシーに同乗してくれる同乗者を、インセンティブを絡めて探し出す乗合支援システムについて説明する。まず、乗合支援システムによって実現される乗合の具体例について説明する。
　［具体例１］
　例えば、Ａさんが１３時に自宅を出発してａ駅を目的地とする乗合タクシーをリクエストしたとする。乗合支援システムは、１４時００分にａ駅の途中になる病院に、タクシーで旅行時間２０分を要して習慣的に通っている老人Ｂさんに目をつける。老人Ｂさんの自宅は、Ａさんの自宅とａ駅との間にあり、病院もＡさんの自宅とａ駅との間にあるとする。Ｂさんは、普段は１４時００分のタクシーで病院に通っているが、料金の安い乗合タクシーであれば、Ａさんの出発時刻に合わせて３０分融通してもらい、１３時３０分に病院に到着するように行動を変えてもらえる可能性が有る。そこで、乗合支援システムは、１３時１０分にＢさんを迎えにいき、１３時３０分に病院に到着する乗合タクシーをスマホ経由でＢさんに提案する。提案がＢさんに受け入れられた場合は、乗合タクシーは、１３時にＡさんを迎えに行き、１３時１０分にＢさんを迎えに行って、病院、ａ駅に向かって出発する。
　［具体例２］
　同様に、Ａさんが１３時に自宅を出発してａ駅を目的地とする乗合タクシーをリクエストしたとする。乗合支援システムは、Ａさん宅とａ駅との途中にある△デパートに１２時のバスで自宅から通うＣさんに目をつける。乗合支援システムは、Ｃさんが△デパートのハンバーガーが大好物であることを知っている。そこで、乗合支援システムは、ハンバーガーの割引クーポンを発行し、お昼を食べてもらうために、１２時３０分にＣさんを迎えに行く乗合タクシーを提案する。Ａさんにあわせてもう少し遅い時間を提案するとＣさんに拒否される可能性がある。そこで、乗合支援システムは、Ａさんに対しても時間を融通してもらい、Ａさんに対して１２時４５分に迎えに行く乗合タクシーを提案する。Ａさん及びＣさんの双方が提案を受け入れた場合、乗合タクシーは、１２時３０分にＣさんを迎えに行き、１２時４５分にＡさんを迎えに行って、それぞれの目的地に向けて出発する。
　以上の具体例のように、乗合支援システムは、Ａさんのような乗合希望者、及びＢさん又はＣさんのような乗合候補者の普段の移動パターンだけではなく、それぞれの特性又は性格（どれだけ時間の融通が可能か等）、インセンティブ等の特典への影響度（クーポンなどを提供すると提案を受け入れる確率が高まるか）を管理して、どのようなインセンティブを絡めて、どのような提案を行えば乗合が成立する確率が高くなるのか計算し、当該確率が最高となる提案をすることで、乗合成立の可能性を高める。
　図１は、本発明の実施の形態のネットワーク構成例を示す図である。図１において、乗合支援システム１０と複数のユーザ端末２０とは、例えば、インターネット等のネットワーク（無線区間を含んでも良よい）を介して接続される。
　ユーザ端末２０は、乗合タクシーの利用者が、乗車のリクエスト（要求）の入力や、乗合タクシーの提案の受信等に利用する端末である。すなわち、本実施の形態では、乗合タクシーのリクエストが発生すると、リクエスト者以外の人に、乗合タクシーの提案が配信される。なお、例えば、ＰＣ（Personal Computer）、携帯電話、スマートフォン、タブレット端末等がユーザ端末２０として利用されてもよい。
　乗合支援システム１０は、乗合タクシーのリクエストに応じた乗合タクシーについて、乗合が成立する確率が高まるように、インセンティブを活用して提案（乗合タクシーの条）を生成する１以上のコンピュータである。
　図２は、本発明の実施の形態における乗合支援システム１０のハードウェア構成例を示す図である。図２の乗合支援システム１０は、それぞれバスＢで相互に接続されているドライブ装置１００、補助記憶装置１０２、メモリ装置１０３、ＣＰＵ１０４、及びインタフェース装置１０５等を有する。
　乗合支援システム１０での処理を実現するプログラムは、記録媒体１０１によって提供される。プログラムを記録した記録媒体１０１がドライブ装置１００にセットされると、プログラムが記録媒体１０１からドライブ装置１００を介して補助記憶装置１０２にインストールされる。但し、プログラムのインストールは必ずしも記録媒体１０１より行う必要はなく、ネットワークを介して他のコンピュータよりダウンロードするようにしてもよい。補助記憶装置１０２は、インストールされたプログラムを格納すると共に、必要なファイルやデータ等を格納する。
　メモリ装置１０３は、プログラムの起動指示があった場合に、補助記憶装置１０２からプログラムを読み出して格納する。ＣＰＵ１０４は、メモリ装置１０３に格納されたプログラムに従って乗合支援システム１０に係る機能を実行する。インタフェース装置１０５は、ネットワークに接続するためのインタフェースとして用いられる。
　なお、記録媒体１０１の一例としては、ＣＤ－ＲＯＭ、ＤＶＤディスク、又はＵＳＢメモリ等の可搬型の記録媒体が挙げられる。また、補助記憶装置１０２の一例としては、ＨＤＤ（Hard Disk Drive）又はフラッシュメモリ等が挙げられる。記録媒体１０１及び補助記憶装置１０２のいずれについても、コンピュータ読み取り可能な記録媒体に相当する。
　図３は、本発明の実施の形態における乗合支援システム１０の機能構成例を示す図である。図３において、乗合支援システム１０は、リクエスト受信部１１、移動パターンマッチング部１２、ユーザ特性学習部１３及び提案最適化部１４等を有する。これら各部は、乗合支援システム１０にインストールされた１以上のプログラムが、ＣＰＵ１０４に実行させる処理により実現される。乗合支援システム１０は、また、移動パターンＤＢ１２１、リクエスト履歴ＤＢ１２２、提案受理履歴ＤＢ１２３、学習結果ＤＢ１２４、インセンティブＤＢ１２５及び施設ＤＢ１２６等のデータベース（記憶部）を利用する。これら各データベースは、例えば、補助記憶装置１０２、又は乗合支援システム１０にネットワークを介して接続可能な記憶装置等を用いて実現可能である。
　リクエスト受信部１１は、ユーザ端末２０から乗合タクシーの乗車要求（以下、「乗合リクエスト」という。）を受信する。乗合リクエストには、乗車時刻、到着時刻、出発地及び目的地等を示す情報が含まれる。
　移動パターンマッチング部１２は、各ユーザの過去の乗合タクシーの利用履歴から、乗合リクエストに応じた乗合タクシー（以下、「対象タクシー」という。）へ乗合を行う可能性の有るユーザの抽出を行う。なお、乗合リクエストの発信者（以下、「リクエスト者」という。）と、移動パターンマッチング部１２によって抽出されたユーザとを、以下「乗合候補者」という。
　ユーザ特性学習部１３は、過去の提案の受理履歴に基づいて、乗合タクシーの提案（条件）を構成する複数の項目のそれぞれに関する各ユーザの特性（影響度）を表すモデル（パラメータ）の学習を行う。学習結果は、学習結果ＤＢ１２４に記憶される。なお、提案の受理履歴とは、他者の乗合リクエストに応じた乗合タクシーに関して生成された乗合タクシーの提案（条件）についての受理状況の履歴をいい、ユーザごとに提案受理履歴ＤＢ１２３に記憶されている。
　ユーザの特性とは、乗合タクシーの条件の構成要素のうちのいずれの構成要素を当該ユーザが重視するのか、又はいずれの構成要素に当該ユーザが影響される度合いが高いのかを示す情報である。乗合タクシーの提案の構成要素としては、出発時刻、出発希望時刻に対する出発時刻の誤差、到着希望時刻に対する到着時刻の誤差、旅行時間（乗車時間）、料金、インセンティブ（特典）等が有る。なお、インセンティブは、乗合タクシーの条件に関して必然的なパラメータではないが、本実施の形態において、乗合が成立する可能性を高めるために導入されるパラメータである。
　提案最適化部１４は、ユーザ特性学習部１３が学習したモデルを用いて、乗合候補者に対して、学習結果ＤＢ１２４、インセンティブＤＢ１２５及び施設ＤＢ１２６等を参照して、どのような提案をすれば乗合の成立が高まるのかを確率で計算する。提案最適化部１４は、計算された確率に基づいて、乗合候補者を絞りこみつつ、提案内容を調整する。提案最適化部１４は、絞り込まれた各乗合候補者のユーザ端末２０に、それぞれに対して生成された提案内容を送信して、乗合の勧誘を行う。
　提案最適化部１４について更に詳しく説明する。
　例として、或るユーザＡさんがＸ時に自宅を出発し、最寄り駅まで乗合タクシーで移動する乗合リクエストを出したとする。乗合タクシーがドライバーを含めて４人乗りの場合、乗合候補者として、ユーザＡさんの他に２名を探す必要がある（すなわち、募集人数は２名である）。提案最適化部１４は、インセンティブＩを絡めながら、各乗合候補者ｎへの提案を生成し、当該提案に対して乗合候補者ｎが提案を受け入れる確率を計算する。
　出発希望時刻Ｘからの誤差をΔｔｌ、到着時刻からの誤差をΔｔａ、旅行時間をＴ、料金をＣとすると、乗合候補者ｎが提案（Ｘｎ，Δｔｌｎ，Δｔａｎ，Ｔｎ，Ｃｎ，Ｉｎ）を受け入れる確率は式（１）、（２）となる。
Figure JPOXMLDOC01-appb-M000001
 　Ｚｎは、分配関数である。式（１）の右辺にＸが含まれていないのは、乗合の成立確率は予定からの時間のずれ（Δｔｌｎ，Δｔａｎ）の大小に依存し、出発時刻には依存しないとの想定に基づく。
　各βは、ユーザ特性を構成するパラメータ（重み）である。すなわち、β１は、出発希望時刻Ｘからの誤差Δｔｌに対する特性（影響度又は許容度）である。β２は、到着時刻からの誤差Δｔａに対する特性（影響度又は許容度）である。β３は、旅行時間Ｔに対する特性（影響度又は許容度）である。β４は、料金に対する特性（影響度又は許容度）である。β５は、インセンティブＩに対する特性（影響度）である。各ユーザの各βの値は、ユーザ特性学習部１３によって学習される。
　インセンティブＩｎは、例えば、１又は－１の値をとるとしてもよい。乗合候補者ｎが過去に受け入れたインセンティブであれば１とし、受け入れたことがなければ－１とし、β５の大きさでインセンティブの受け入れ度合いを表すことができる。インセンティブは、クーポンでもプレゼント引き換え券でもよい。
　乗合候補者による乗合確率が最も高くなる提案、すなわち、各乗合候補者全員の提案受け入れ確率が最大になる最良の提案ＯＰＴ｛Ｘｎ，Δｔｌｎ，Δｔａｎ，Ｔｎ，Ｃｎ，Ｉｎ｝は、以下の式（３）で求めることができる。
Figure JPOXMLDOC01-appb-M000002
 　提案最適化部１４は、式（３）を用いて、各乗合候補者ｎの提案の受け入れ確率Ｐｎが最大になる提案を乗合候補者ごとに生成する。
　以下、乗合支援システム１０が実行する処理手順について説明する。図４は、乗合支援システム１０が実行する処理手順の一例を説明するためのフローチャートである。
　ステップＳ１０１において、リクエスト受信部１１は、リクエスト者のユーザ端末２０から送信された乗合リクエストを受信する。乗合リクエストには、出発希望時刻Ｘ又は到着希望時刻Ｙ、出発地Ｏ及び目的地Ｄを示す情報が含まれている。リクエスト受信部１１は、当該乗合リクエストをリクエスト履歴ＤＢ１２２に記憶する。
　図５は、リクエスト履歴ＤＢ１２２の構成例を示す図である。図５に示されるように、リクエスト履歴ＤＢ１２２には、過去の乗車リクエストの出発地、目的地、希望出発時刻Ｘ、希望到着時刻Ｙ等がユーザごとに記憶される。図５には、或るユーザのリクエスト履歴が示されている。
　続いて、移動パターンマッチング部１２は、乗車リクエストに応じた移動経路（乗車経路）を探索する（Ｓ１０２）。経路の探索には、公知の技術が利用されればよい。なお、移動経路の探索に応じて、出発予定時刻、到着予定時刻等も決まる。
　続いて、移動パターンマッチング部１２は、探索した移動経路に近い経路の移動経験が有るユーザを、移動パターンＤＢ１２１を参照して抽出する（Ｓ１０３）。
　図６は、移動パターンＤＢ１２１の構成例を示す図である。移動パターンＤＢ１２１には、ユーザごとに、出発地、目的地、移動回数、最頻度移動時間帯等が記憶されている。移動パターンＤＢ１２１の各レコードの内容は、例えば、リクエスト履歴ＤＢ１２２に基づいて生成されてもよい。
　ステップＳ１０３では、例えば、移動経路上に出発地及び目的地が含まれ、当該移動経路によって移動した場合の当該出発地又は目的地の到着予定時刻が、最頻度移動時間帯に含まれるレコードが登録されているユーザが、乗合候補者として抽出される。但し、抽出対象は、移動回数が所定値以上であるレコードに限定されてもよい。すなわち、移動頻度が高い移動パターンに基づいて、乗合候補者が抽出されてもよい。なお、或る乗合候補者について抽出の原因となった移動パターンＤＢ１２１のレコードを、以下「対象移動パターン」という。また、抽出された各乗合候補者及びリクエスト者を、乗合候補者ｎとする。すなわち、以降では、リクエスト者も一人の乗合候補者ｎとして扱われる。
　続いて、ユーザ特性学習部１３は、式（４）を用いて、提案受理履歴ＤＢ１２３に記憶されている情報に基づいて各ユーザのβの値を学習（算出）し、学習結果（算出結果）を学習結果ＤＢ１２４に記憶する（Ｓ１０４）。
　図７は、提案受理履歴ＤＢ１２３の構成例を示す図である。提案受理履歴ＤＢ１２３には、乗合成立のために他の乗合候補者との調整のため、出発時刻もしくは到着時刻の誤差をどれだけ許容したのかを示す情報がユーザごとに記憶される。
　具体的には、提案受理履歴ＤＢ１２３には、過去の各提案について、出発時刻誤差、到着時刻誤差、旅行時間、料金、インセンティブ、提案受理結果等がユーザごとに記憶されている。これにより、各ユーザについて、時間にきっちりしているのか、ルーズなのか、どのようなインセンティブに弱いか等を把握することができ、今後どのような提案をすれば提案の受理の可能性が高くなるのかを知ることができる。
　例えば、各乗合候補者ｎ（但し、リクエスト者は除く）について、当該乗合候補者ｎに対する提案であって、提案受理結果が「受理」である提案の番号（提案を古いものから新しいものに順番に並べたときの番号）をｓとすると、学習は、式（２）の各βを推定することによって行われる。学習のための式は、以下の式（４）で与えられる。
Figure JPOXMLDOC01-appb-M000003
 　すなわち、ユーザ特性学習部１３は、特性βの学習を式（４）を用いて行う。学習されたβは、ユーザごとに学習結果ＤＢ１２４に記憶される。提案が受け入れられれば受け入れられるほど、ユーザの特性βが精度良く学習されていく。
　なお、ユーザ特性学習部１３による学習は、このタイミングで実行されなくてもよい。例えば、提案に対する応答が受信されるたびに、学習が行われてもよい。
　続いて、提案最適化部１４は、式（３）を用いて、各乗合候補者ｎに対して提案Ｏｐｔを生成する（Ｓ１０５）。この際、提案最適化部１４は、リクエスト者の他に、募集人数分の他の乗合候補者ｎを選択した場合の全ての組み合わせごとに、当該組み合わせに係るリクエスト者及び乗合候補者ｎのそれぞれのＰｎの総乗が最大となるような移動経路の探索を行う。
　例えば、募集人数が二人であれば、リクエスト者と、二人の乗合候補者ｎとを選択した場合の３人組の移動経路が探索される。その結果、当該移動経路について、リクエスト者を含む３人の乗合候補者ｎのそれぞれに対して、Δｔｌｎ、Δｔａｎ、Ｔｎ、Ｃｎが決まる。なお、リクエスト者のΔｔｌ、Δｔａは、乗合リクエストにおける出発希望時刻Ｘ、到着希望時刻Ｙに対する、当該移動経路の出発時刻、当該移動経路の到着時刻の誤差である。一方、リクエスト者以外の乗合候補者ｎのΔｔｌ、Δｔａは、当該乗合候補者に対する対象移動パターンの最頻度移動時間帯に対する誤差である。
　また、提案最適化部１４は、各乗合候補者ｎについて、それぞれの目的地又は目的地周辺において利用可能なインセンティブ（特典）をＩｎに当てはめつつ提案Ｏｐｔを生成する。斯かるインセンティブは、インセンティブＤＢ１２５を参照して特定可能である。
　図８は、インセンティブＤＢ１２５の構成例を示す図である。図８に示されるように、インセンティブＤＢ１２５には、現在利用可能な特典（クーポン又はプレゼント等）ごとに、施設名、店舗、特典内容及び特典条件等が記憶されている。
　施設名は、当該特典が利用可能な店舗を含む施設の名称である。店舗名は、当該店舗の名称である。特典内容は、当該特典の内容である。特典条件は、特典の期限等、特典が利用可能であるための条件である。
　なお、特典を利用可能な店舗を含む各施設の位置情報（緯度経度）は、施設ＤＢ１２６を参照して特定可能である。
　図９は、施設ＤＢ１２６の構成例を示す図である。図９に示されるように、施設ＤＢ１２６には、各施設の施設名、緯度経度、店舗名、及びロケーション等が記憶されている。緯度経度は、施設の位置の緯度及び経度である。店舗名は、当該施設の含まれる店舗の店舗名である。ロケーションは、当該施設における店舗の位置を示す情報である。
　したがって、提案最適化部１４は、各乗合候補者ｎの目的地又は目的地周辺における施設を施設ＤＢ１２６を参照して特定することができ、当該施設において利用可能な特典をインセンティブＤＢ１２５を参照して特定することができる。
　提案最適化部１４は、３人組に含まれる各乗合候補者ｎに対するインセンティブを入れ替えつつ、また、移動経路を変化させつつ、確率Ｐｎの総乗が最大となる提案を当該３人組について生成する。提案最適化部１４は、このような処理を、全ての３人組のパターン（但し、３人組のうちの一人は常にリクエスト者である）について実行する。その結果、３人組のパターンごとに、最適な提案Ｏｐｔが生成される。
　続いて、提案最適化部１４は、乗合候補者ｎの組み合わせごと（上記の例では３人組のパターンごと）の最適な提案Ｏｐｔと、最適な提案Ｏｐｔにおける各乗合候補者ｎの受け入れ確率Ｐｎとに基づいて、提案の送信先とする（すなわち、乗合の勧誘対象とする）乗合候補者ｎを選択する（Ｓ１０６）。具体的には、提案最適化部１４は、３人組のパターンごとに、リクエスト者を除く二人の乗合候補者ｎのそれぞれについて、提案Ｏｐｔに関して式（１）に基づいて求まる確率Ｐｎの合計を計算する。提案最適化部１４は、３人組のパターンごとの当該合計の中で、期待値（募集人数の２．０）以下であって、当該期待値に最も近い合計に係る３人組の乗合候補者ｎを選択する。なお、乗合候補者ｎの選択と共に、選択された各乗合候補者に対する提案Ｏｐｔも決まる。
　続いて、提案最適化部１４は、リクエスト者と、選択した各乗合候補者ｎとのそれぞれのユーザ端末２０へ、当該組み合わせ（当該３人組）に対する最適な提案Ｏｐｔにおけるそれぞれの提案Ｏｐｔを送信する（Ｓ１０７）。その結果、当該各ユーザ端末２０において、それぞれに対する提案Ｏｐｔを含む画面（以下、「提案画面」とい。）が表示される。なお、提案の送信には、例えば、電子メールが利用されてもよい。この場合、各ユーザのメールアドレスは、補助記憶装置１０２等に予め記憶されていればよい。
　図１０は、提案画面の表示例を示す図である。図１０において、提案画面５１０は、地図領域５１１、運行情報領域５１２、インセンティブ表示領域５１３、キャンセルボタン５１４及び予約確定ボタン５１５等を含む。
　地図領域５１１には、当該ユーザの提案Ｏｐｔにおける出発地と目的地とが示された地図が表示される。運行情報領域５１２には、提案Ｏｐｔを構成するパラメータのうち、インセンティブを除くパラメータが表示される。インセンティブ表示領域５１３には、インセンティブが表示される。なお、インセンティブが選択されると、吹き出しに示されるように、当該インセンティブの内容が表示されるようにしてもよい。
　キャンセルボタン５１４は、提案の拒否を受け付けるためのボタンである。予約確定ボタン５１５は、提案の受理を受け付けるためのボタンである。
　したがって、ユーザが、キャンセルボタン５１４を選択すると、ユーザ端末２０は、提案の拒否を示す情報を乗合支援システム１０へ送信する。一方、ユーザが、予約確定ボタン５１５を選択すると、ユーザ端末２０は、提案の受理を示す情報を乗合支援システム１０へ送信する。
　提案最適化部１４は、提案の送信先の各ユーザ端末２０からの応答を受信すると、当該応答に含まれる受理結果（受理又は拒否）と、当該送信先に対する提案とを関連付けて、提案受理履歴ＤＢ１２３に記憶する（Ｓ１０８）。
　なお、乗合を受理したユーザが、募集人数以上である場合、適宜、調整が行われればよい。
　なお、移動パターンマッチング部１２は、例えば、過去の乗合交通の利用者の全てを乗合候補者として抽出してもよい。この場合、移動経路とは無関係の乗合候補者も抽出されるが、提案最適化部１４による最適な提案の生成において、このような乗合候補者の受け入れ確率は低くなるため、このような乗合候補者が選択される可能性は低い。したがって、移動パターンマッチング部１２が全ての利用者を抽出したとしても、本実施の形態の実現は可能である。但し、移動パターンマッチング部１２が、乗合の可能性が認められる乗合候補者を抽出することで、提案最適化部１４による計算量を削減することができる。
　上述したように、本実施の形態によれば、乗合候補者による提案の受け入れ確率に基づいて、提案が選択され、受け入れ確率の高い乗合候補者が提案先として選択される。したがって、乗合交通において乗合が成立する可能性を高めることができる。
　また、提案にインセンティブ（特典）が含められることにより、乗合候補者の希望に対して多少の誤差が有る提案であっても、乗合候補者によって提案が受け入れられる確率を高めることができる。
　上記の結果、例えば、乗合交通のユーザが増加することで、交通事業者の利益の向上を期待することができる。また、乗合交通を起爆剤に、商業施設がクーポンを発行して集客をはかることができる。
　なお、本実施の形態では、乗合タクシーを乗合交通の一例として説明したが、乗合バス等、他の乗合交通について、本実施の形態が適用されてもよい。
　なお、本実施の形態において、リクエスト受信部１１は、受信部の一例である。提案最適化部１４は、生成部の一例である。
　以上、本発明の実施例について詳述したが、本発明は斯かる特定の実施形態に限定されるものではなく、請求の範囲に記載された本発明の要旨の範囲内において、種々の変形・変更が可能である。
１０　　　　　乗合支援システム
１１　　　　　リクエスト受信部
１２　　　　　移動パターンマッチング部
１３　　　　　ユーザ特性学習部
１４　　　　　提案最適化部
２０　　　　　ユーザ端末
１００　　　　ドライブ装置
１０１　　　　記録媒体
１０２　　　　補助記憶装置
１０３　　　　メモリ装置
１０４　　　　ＣＰＵ
１０５　　　　インタフェース装置
１２１　　　　移動パターンＤＢ
１２２　　　　リクエスト履歴ＤＢ
１２３　　　　提案受理履歴ＤＢ
１２４　　　　学習結果ＤＢ
１２５　　　　インセンティブＤＢ
１２６　　　　施設ＤＢ
Ｂ　　　　　　バス

Claims (15)

  1. 　乗合交通に対する乗車要求を受信する受信部と、
    　前記乗車要求に応じた乗合交通への乗合の候補者ごとの、前記乗合交通の条件を構成する複数の項目のそれぞれに関する特性を示すパラメータに基づいて、前記乗合交通について、前記候補者によって受け入れられる確率が最大となる条件を、前記候補者ごとに生成する生成部と、
    を有することを特徴とする乗合支援システム。
  2. 　前記乗合交通の条件を構成する複数の項目には、前記乗合交通を利用した場合の特典が含まれる、
    ことを特徴とする請求項１記載の乗合支援システム。
  3. 　前記乗合交通の条件を構成する複数の項目には、前記乗合交通の出発時刻及び到着時刻の少なくともいずれか一方について、希望時刻に対する誤差を含む、
    ことを特徴とする請求項２記載の乗合支援システム。
  4. 　前記乗合交通の条件を構成する複数の項目には、前記乗合交通での旅行時間を含む、
    ことを特徴とする請求項３記載の乗合支援システム。
  5. 　前記生成部は、複数の候補者のうちの所定数の候補者の組み合わせごとに、当該組み合わせに係る候補者の全員の受け入れ確率が最大となる条件を、前記候補者ごとに生成し、前記組み合わせごとに生成された条件における、受け入れ確率の合計に基づいて、前記乗合交通の提案先とする前記所定数の候補者を選択する、
    ことを特徴とする請求項１乃至４いずれか一項記載の乗合支援システム。
  6. 　乗合交通に対する乗車要求を受信し、
    　前記乗車要求に応じた乗合交通への乗合の候補者ごとの、前記乗合交通の条件を構成する複数の項目のそれぞれに関する特性を示すパラメータに基づいて、前記乗合交通について、前記候補者によって受け入れられる確率が最大となる条件を、前記候補者ごとに生成する、
    処理をコンピュータが実行することを特徴とする乗合支援方法。
  7. 　前記乗合交通の条件を構成する複数の項目には、前記乗合交通を利用した場合の特典が含まれる、
    ことを特徴とする請求項６記載の乗合支援方法。
  8. 　前記乗合交通の条件を構成する複数の項目には、前記乗合交通の出発時刻及び到着時刻の少なくともいずれか一方について、希望時刻に対する誤差を含む、
    ことを特徴とする請求項７記載の乗合支援方法。
  9. 　前記乗合交通の条件を構成する複数の項目には、前記乗合交通での旅行時間を含む、
    ことを特徴とする請求項８記載の乗合支援方法。
  10. 　複数の候補者のうちの所定数の候補者の組み合わせごとに、当該組み合わせに係る候補者の全員の受け入れ確率が最大となる条件を、前記候補者ごとに生成し、前記組み合わせごとに生成された条件における、受け入れ確率の合計に基づいて、前記乗合交通の提案先とする前記所定数の候補者を選択する、
    処理をコンピュータが実行ことを特徴とする請求項６乃至９いずれか一項記載の乗合支援方法。
  11. 　乗合交通に対する乗車要求を受信し、
    　前記乗車要求に応じた乗合交通への乗合の候補者ごとの、前記乗合交通の条件を構成する複数の項目のそれぞれに関する特性を示すパラメータに基づいて、前記乗合交通について、前記候補者によって受け入れられる確率が最大となる条件を、前記候補者ごとに生成する、
    処理をコンピュータに実行させることを特徴とする乗合支援プログラム。
  12. 　前記乗合交通の条件を構成する複数の項目には、前記乗合交通を利用した場合の特典が含まれる、
    ことを特徴とする請求項１１記載の乗合支援プログラム。
  13. 　前記乗合交通の条件を構成する複数の項目には、前記乗合交通の出発時刻及び到着時刻の少なくともいずれか一方について、希望時刻に対する誤差を含む、
    ことを特徴とする請求項１２記載の乗合支援プログラム。
  14. 　前記乗合交通の条件を構成する複数の項目には、前記乗合交通での旅行時間を含む、
    ことを特徴とする請求項１３記載の乗合支援プログラム。
  15. 　複数の候補者のうちの所定数の候補者の組み合わせごとに、当該組み合わせに係る候補者の全員の受け入れ確率が最大となる条件を、前記候補者ごとに生成し、前記組み合わせごとに生成された条件における、受け入れ確率の合計に基づいて、前記乗合交通の提案先とする前記所定数の候補者を選択する、
    処理をコンピュータに実行させることを特徴とする請求項１１乃至１４いずれか一項記載の乗合支援プログラム。
PCT/JP2017/010163 2017-03-14 2017-03-14 乗合支援システム、乗合支援方法及び乗合支援プログラム WO2018167839A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2019505557A JP6773211B2 (ja) 2017-03-14 2017-03-14 乗合支援システム、乗合支援方法及び乗合支援プログラム
PCT/JP2017/010163 WO2018167839A1 (ja) 2017-03-14 2017-03-14 乗合支援システム、乗合支援方法及び乗合支援プログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2017/010163 WO2018167839A1 (ja) 2017-03-14 2017-03-14 乗合支援システム、乗合支援方法及び乗合支援プログラム

Publications (1)

Publication Number Publication Date
WO2018167839A1 true WO2018167839A1 (ja) 2018-09-20

Family

ID=63523453

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2017/010163 WO2018167839A1 (ja) 2017-03-14 2017-03-14 乗合支援システム、乗合支援方法及び乗合支援プログラム

Country Status (2)

Country Link
JP (1) JP6773211B2 (ja)
WO (1) WO2018167839A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020140608A (ja) * 2019-03-01 2020-09-03 本田技研工業株式会社 車両乗合支援システムおよびユーザ端末装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003044702A (ja) * 2001-07-30 2003-02-14 Casio Comput Co Ltd 相乗り仲介システムおよび相乗り仲介方法
JP2015191364A (ja) * 2014-03-27 2015-11-02 富士通株式会社 相乗り依頼方法、相乗り依頼装置およびプログラム
JP2016042251A (ja) * 2014-08-15 2016-03-31 富士通株式会社 予約管理方法、予約管理プログラムおよび予約管理装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003271706A (ja) * 2002-03-14 2003-09-26 Fujitsu Ltd タクシー相乗り管理方法、タクシー相乗り管理プログラムおよびタクシー相乗り管理装置
JP2004062490A (ja) * 2002-07-29 2004-02-26 Matsushita Electric Ind Co Ltd 相乗り代理交渉システムおよび相乗り代理交渉方法
JP6318536B2 (ja) * 2013-10-11 2018-05-09 日産自動車株式会社 車両の相乗り者検索システム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003044702A (ja) * 2001-07-30 2003-02-14 Casio Comput Co Ltd 相乗り仲介システムおよび相乗り仲介方法
JP2015191364A (ja) * 2014-03-27 2015-11-02 富士通株式会社 相乗り依頼方法、相乗り依頼装置およびプログラム
JP2016042251A (ja) * 2014-08-15 2016-03-31 富士通株式会社 予約管理方法、予約管理プログラムおよび予約管理装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020140608A (ja) * 2019-03-01 2020-09-03 本田技研工業株式会社 車両乗合支援システムおよびユーザ端末装置

Also Published As

Publication number Publication date
JPWO2018167839A1 (ja) 2019-11-21
JP6773211B2 (ja) 2020-10-21

Similar Documents

Publication Publication Date Title
JP6792977B2 (ja) 旅行の複数要因ベースのランク付けのためのシステム及び方法
US8306921B2 (en) Mobile recommendation and reservation system
JP6340866B2 (ja) 相乗り依頼方法、相乗り依頼装置およびプログラム
US20170169366A1 (en) Systems and Methods for Adjusting Ride-Sharing Schedules and Routes
JP5434783B2 (ja) 相乗り判定装置、環境負荷算出装置、相乗り判定プログラムおよび相乗り判定方法
US20110313880A1 (en) System and method for selecting transportation resources
KR20140110728A (ko) 컨텍스트적 상호작용 메커니즘을 갖춘 컴퓨팅 시스템 및 그 작동 방법
US20140074895A1 (en) Geographic location coding system
JP7139904B2 (ja) 情報処理装置及び情報処理プログラム
CN111882112B (zh) 一种预测到达时间的方法和***
JP4916340B2 (ja) ルート提示装置、ルート提示方法、およびコンピュータプログラム
JPWO2004061392A1 (ja) 行動支援方法及び装置
JP2021077296A (ja) 情報提供装置
WO2018167839A1 (ja) 乗合支援システム、乗合支援方法及び乗合支援プログラム
US20210390479A1 (en) Vehicle allocation plan device, vehicle allocation plan system, and vehicle allocation plan program
KR102362369B1 (ko) 여행스케줄링 기반의 쇼퍼서비스 방법 및 시스템
US20220090925A1 (en) Transportation Dating System and Method
US20210182999A1 (en) Control device, program for control device, and program for terminal device
JP2006163670A (ja) 巡訪ルート探索システム、プログラム
Sonet et al. SharY: a dynamic ridesharing and carpooling solution using advanced optimised algorithm
JP2004192264A (ja) 相乗り提供システム、相乗り提供方法、相乗り提供プログラム、及びコンピュータ読取可能な記録媒体
JP5156473B2 (ja) 情報集約配信方法
KR20200077288A (ko) 여행 플랜 자동생성 시스템
US20240152949A1 (en) Navigation Groups with Dynamic Destination Changes
JP4381829B2 (ja) ナビゲーション装置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17901041

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2019505557

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 17901041

Country of ref document: EP

Kind code of ref document: A1