JP7032881B2 - 車両の走行スケジュールを管理するためのシステム、方法、及びプログラム - Google Patents

Description

本発明は、複数の車両の各々の走行スケジュールを管理するためのシステム、方法、及びプログラムに関するものである。

従来、任意の場所で乗降可能なデマンド型の乗合タクシー及びバス等の運行を支援するためのシステムが提案されている（例えば、下記特許文献１を参照）。こうしたシステムにおいては、ユーザが選択した時刻に予定通りに乗降できるように、車両の移動に要する移動所要時間の正確な予測が要求される。移動所要時間は、例えば、移動距離、及び、交通状況（渋滞予測情報等）に基づいて予測される。

特開２０１４－１３５００２号公報

しかしながら、移動距離及び交通状況等が同様であっても、車両を運転するドライバーによって実際の移動所要時間にバラツキが生じる場合があり、このことは、移動所要時間の正確な予測を妨げ得る。こうした移動所要時間の正確な予測は、デマンド型の乗合タクシー等に限られず、ユーザが選択した時刻に物品を配達する物品の配達サービスにおいても要求される。従って、乗合タクシーや物品配達等のサービスにおける車両の移動所要時間の予測精度の悪化を抑制することが望まれる。

本発明の実施形態は、車両の移動所要時間の予測精度の悪化を抑制することを目的の一つとする。本発明の実施形態の他の目的は、本明細書全体を参照することにより明らかとなる。

本発明の一実施形態に係るシステムは、複数の車両の各々の走行スケジュールを管理するためのシステムであって、複数のドライバーの各々の特性情報を記憶する記憶装置と、１又は複数のコンピュータプロセッサと、を備え、前記１又は複数のコンピュータプロセッサは、読取可能な命令の実行に応じて、前記複数の車両に含まれる特定の車両のドライバーの特性情報に基づいて、特定の複数の停車地点に含まれる２地点間の移動所要時間の予測値を算出する処理と、算出した移動所要時間の予測値に基づいて、前記特定の複数の停車地点を含む前記特定の車両の走行スケジュールを更新する処理と、を実行する。

本発明の一実施形態に係る方法は、複数のドライバーの各々の特性情報を記憶する記憶装置にアクセス可能な１又は複数のコンピュータによって実行され、複数の車両の各々の走行スケジュールを管理するための方法であって、前記複数の車両に含まれる特定の車両のドライバーの特性情報に基づいて、特定の複数の停車地点に含まれる２地点間の移動所要時間の予測値を算出するステップと、算出した移動所要時間の予測値に基づいて、前記特定の複数の停車地点を含む前記特定の車両の走行スケジュールを更新するステップと、を備える。

本発明の一実施形態に係るプログラムは、複数の車両の各々の走行スケジュールを管理するためのプログラムであって、複数のドライバーの各々の特性情報を記憶する記憶装置にアクセス可能な１又は複数のコンピュータ上での実行に応じて、前記１又は複数のコンピュータに、前記複数の車両に含まれる特定の車両のドライバーの特性情報に基づいて、特定の複数の停車地点に含まれる２地点間の移動所要時間の予測値を算出する処理と、算出した移動所要時間の予測値に基づいて、前記特定の複数の停車地点を含む前記特定の車両の走行スケジュールを更新する処理と、を実行させる。

本発明の様々な実施形態は、車両の移動所要時間の予測精度の悪化を抑制する。

本発明の一実施形態に係るサービス提供サーバ１０を含むネットワークの構成を概略的に示す構成図。 サービス提供サーバ１０の機能を概略的に示すブロック図。 配車要求情報テーブルにおいて管理される情報を例示する図。 走行スケジュール情報テーブルにおいて管理される情報を例示する図。 走行スケジュール情報テーブルにおいて管理される情報の具体例を示す図。 図５の具体例に対応する走行スケジュールを説明するための図。 ドライバー情報テーブルにおいて管理される情報を例示する図。 担当ドライバー情報テーブルにおいて管理される情報を例示する図。 サーバ１０が実行する処理を例示するフロー図。 配車申込画面５０を例示する図。 待機時間選択画面７０を例示する図。 移動所要時間を予測するための学習済みモデルを説明するための図。 移動所要時間予測値管理表の具体例を示す図。 図６に例示した走行スケジュールに新たな乗降車地点を追加する様子を説明するための図。 図１３に例示した移動所要時間予測値管理表に新たな乗降車地点を追加する様子を説明するための図。 乗車時間枠選択画面９０を例示する図。 降車時間枠選択画面１００を例示する図。

以下、図面を参照しながら、本発明の実施形態について説明する。

図１は、本発明の一実施形態に係るサービス提供サーバ１０を含むネットワークの構成を概略的に示す構成図である。サーバ１０は、図示するように、インターネット等のネットワーク２０を介して車両端末３２、及び、ユーザ端末３４と通信可能に接続されている。図１においては、それぞれ１つの車両端末３２、及び、ユーザ端末３４のみが図示されているが、サーバ１０は、それぞれ複数の車両端末３２、及び、ユーザ端末３４と通信可能に接続されている。サーバ１０は、乗合タクシーや物品配達（買い物代行を含む。）等の車両を用いたサービスを提供するための機能を有する。サービス提供サーバ１０は、本発明のシステムの全部又は一部を実装する装置の一例である。

サービス提供サーバ１０は、一般的なコンピュータとして構成されており、図１に示すように、ＣＰＵ（コンピュータプロセッサ）１１と、メインメモリ１２と、ユーザＩ／Ｆ１３と、通信Ｉ／Ｆ１４と、ストレージ（記憶装置）１５とを備え、これらの各構成要素が図示しないバス等を介して電気的に接続されている。

ＣＰＵ１１は、ストレージ１５等に記憶されている様々なプログラムをメインメモリ１２に読み込んで、当該プログラムに含まれる各種の命令を実行する。メインメモリ１２は、例えば、ＤＲＡＭ等によって構成される。

ユーザＩ／Ｆ１３は、ユーザとの間で情報をやり取りするための各種の入出力装置である。ユーザＩ／Ｆ１３は、例えば、キーボード、ポインティングデバイス（例えば、マウス、タッチパネル等）等の情報入力装置、マイクロフォン等の音声入力装置、カメラ等の画像入力装置を含む。また、ユーザＩ／Ｆ１３は、ディスプレイ等の画像出力装置（表示装置）、スピーカー等の音声出力装置を含む。

通信Ｉ／Ｆ１４は、ネットワークアダプタ等のハードウェア、各種の通信用ソフトウェア、及びこれらの組み合わせとして実装され、ネットワーク２０等を介した有線又は無線の通信を実現できるように構成されている。

ストレージ１５は、例えば磁気ディスク又はフラッシュメモリ等によって構成される。ストレージ１５は、オペレーティングシステムを含む様々なプログラム及び各種データ等を記憶する。

本実施形態において、サーバ１０は、それぞれが上述したハードウェア構成を有する複数のコンピュータを用いて構成され得る。例えば、サーバ１０は、複数のサーバ装置によって構成され得る。

車両端末３２及びユーザ端末３４は、一般的なコンピュータとしての構成を有し、例えば、スマートフォン、タブレット端末、パーソナルコンピュータ、及びウェアラブルデバイス等として構成される。車両端末３２は、車両のドライバーによって操作される。また、ユーザ端末３４は、サービスの利用者であるユーザによって操作される。

本実施形態において、車両端末３２は、車両のプローブ情報を取得するための様々なセンサ等を有するように構成され得る。プローブ情報は、センサ等によって得られる時系列データであり、例えば、位置（経度緯度）、方角、加速度、画像等を含み、これらの情報が時刻に関連付けられている。車両端末３２が有するセンサ等は、ＧＰＳ受信機、方角センサ（地磁気センサ等）、加速度センサ、照度センサ、カメラ等を含む。また、車両端末３２は、車両のＣＡＮに接続するように構成することができ、この場合、プローブ情報は、ＣＡＮ情報（例えば、エンジン回転数、燃料噴射量、及び、ステアリングの舵角等）を含み得る。

本実施形態において、サービス提供サーバ１０は、ウェブサーバ及びアプリケーションサーバとしての機能を有するように構成することができ、この場合、車両端末３２又はユーザ端末３４が有するウェブブラウザ又はその他のアプリケーションからの要求に応答して各種の処理を実行し、当該処理の結果に応じた画面データ（例えば、ＨＴＭＬデータ）及び制御データ等を送信する。車両端末３２及びユーザ端末３４では、受信したデータに基づくウェブページ又はその他の画面が表示される。

次に、本実施形態のサービス提供サーバ１０が有する機能について説明する。図２は、サーバ１０が有する機能を概略的に示すブロック図である。サーバ１０は、図示するように、情報を記憶及び管理する情報記憶管理部４０と、２地点間の移動所要時間を予測する移動所要時間予測部４２と、複数の車両の各々の走行スケジュールを管理する走行スケジュール管理部４４と、車両のドライバーを管理するドライバー管理部４６とを有する。これらの機能は、ＣＰＵ１１及びメインメモリ１２等のハードウェア、並びに、ストレージ１５等に記憶されている各種プログラムやデータ等が協働して動作することによって実現され、例えば、メインメモリ１２に読み込まれたプログラムに含まれる命令をＣＰＵ１１が実行することによって実現される。また、図２に示す機能の一部又は全部は、サービス提供サーバ１０と、車両端末３２又はユーザ端末３４とが協働することによって実現され得る。

情報記憶管理部４０は、ストレージ１５等によって構成され、様々な情報を記憶及び管理する。例えば、情報記憶管理部４０は、複数のドライバーの各々の特性情報を記憶する。

移動所要時間予測部４２は、移動所要時間の予測に関する様々な処理を実行する。本実施形態において、移動所要時間予測部４２は、特定の車両のドライバーの特性情報に基づいて、特定の複数の停車地点に含まれる２地点間の移動所要時間の予測値を算出するように構成されている。

走行スケジュール管理部４４は、走行スケジュールの管理に関する様々な処理を実行する。本実施形態において、走行スケジュール管理部４４は、移動所要時間予測部４２が算出した移動所要時間の予測値に基づいて、上記特定の複数の停車地点を含む上記特定の車両の走行スケジュールを更新するように構成されている。走行スケジュールは、例えば、ストレージ１５等において管理され、車両端末３２に提供され得る。走行スケジュールに含まれる各停車地点には、移動所要時間の予測値に基づいて設定された到着及び出発予定時刻が関連付けられ得る。

ドライバー管理部４６は、ドライバーの管理に関する様々な処理を実行する。例えば、ドライバー管理部４６は、ドライバーの特性情報の管理に関する様々な処理を実行する。

このように、本実施形態におけるサービス提供サーバ１０は、特定の車両のドライバーの特性情報に基づいて、特定の複数の停車地点に含まれる２地点間の移動所要時間の予測値を算出し、当該算出した移動所要時間の予測値に基づいて、当該特定の複数の停車地点を含む特定の車両の走行スケジュールを更新する。従って、移動所要時間の予測値は、ドライバーの特性情報が考慮された値となり、この結果、ドライバー毎のバラツキに起因する移動所要時間の予測精度の悪化が抑制される。

本実施形態において、複数の車両の各々を担当するドライバーに関する情報は、ストレージ１５等において管理することができる。例えば、本実施形態において、車両及び時間帯の組合せに対して担当するドライバーが割当てられている担当ドライバー情報（ドライバーのシフト情報と言うこともできる。）をストレージ１５等において記憶することができ、この場合、移動所要時間予測部４２は、当該担当ドライバー情報に基づいて、特定の車両の特定の時間帯におけるドライバーを特定し、特定したドライバーの特性情報に基づいて、当該特定の時間帯における移動所要時間の予測値を算出するように構成され得る。こうした構成は、時間帯毎に異なるドライバー（ドライバーの交代）に対応することを可能とする。

また、移動所要時間予測部４２は、特定の車両の走行スケジュールに含まれる既存の停車地点と、ユーザからの配車要求に伴って特定される新たな停車地点と、を含む複数の停車地点に含まれる２地点間の移動所要時間の予測値を算出し、走行スケジュール管理部４４は、当該２地点間の移動所要時間の予測値に基づいて、特定のタイミング（時刻又は時間帯等）における上記新たな停車地点への特定の車両の到着可否を判定するように構成され得る。

また、走行スケジュール管理部４４は、特定のタイミングにおける上記新たな停車地点への到着可否の判定結果に応じたレスポンスをユーザに送信するように構成され得る。例えば、走行スケジュール管理部４４は、ユーザが指定したタイミングにおける車両の到着可否をユーザ端末３４に送信し、又は、到着可能と判定されたタイミングを配車可能なタイミングの候補としてユーザ端末３４に送信するように構成される。

本実施形態において、２地点間の移動所要時間の予測値は、様々なアルゴリズムを適用して算出され得る。例えば、移動所要時間予測部４２は、任意の地点間の移動所要時間の予測値を算出するための学習済みモデルを用いて、上記２地点間の移動所要時間の予測値を算出するように構成され得る。当該学習済みモデルは、例えば、出発地点（緯度経度）、目標地点（緯度経度）、及び、ドライバーの特性情報を少なくとも含むパラメータが入力されると、入力された出発地点から目標地点までの移動所要時間の予測値を出力するように構成される。入力されるパラメータは、さらに、月、曜日、時間帯、出発地点又は目標地点における車両の進行方向、天気、電車の運行情報、及び、前後所定日内の祝日の有無等が含まれ得る。学習済みモデルは、例えば、車両のプローブ情報等に基づく移動所要時間の実績値を教師データとする機械学習によって生成され、ニューラルネットワークを含むモデルとして構成される。

本実施形態において、ドライバーの特性情報は、ドライバーの運転の特性に関する様々な情報を含む。例えば、特性情報は、車両の運転に影響を与え得る様々な情報（例えば、運転歴（年数）、免許証の種類（ゴールド免許等）等）に基づいて判定されるドライバーの分類、及び、数値等を含む。例えば、ドライバー管理部４６は、ドライバーの特性情報を算出するための学習済みモデルを用いて、ドライバーの特性情報を算出するように構成され得る。当該学習済みモデルは、例えば、車両の運転に影響を与え得る様々なパラメータが入力されると、ドライバーの特性情報を出力するように構成される。当該学習済みモデルは、例えば、車両のプローブ情報等に基づく特性情報の実績値を教師データとする機械学習によって生成され、ニューラルネットワークを含むモデルとして構成される。

また、ドライバーの特性情報は、地理的エリア、及び、天気等の他のパラメータに依存する情報として構成され得る。例えば、特性情報は、特定の地理的エリアにおける道路事情に詳しいことを示す情報、及び、雨天時に運転が慎重になる傾向であることを示す情報等を含み得る。

次に、このような機能を有する本実施形態のサービス提供サーバ１０の具体例について説明する。この具体例において、サービス提供サーバ１０は、任意の場所で乗降可能なデマンド型の乗合タクシーサービスを提供する。

図３－４、７－８は、この例において、サーバ１０のストレージ１５が有する各テーブルにおいて管理される情報を例示する。図３は、配車要求情報テーブルにおいて管理される情報を例示する。配車要求情報テーブルは、ユーザからの配車要求に関する情報を管理し、図示するように、ユーザからの個別の配車要求を識別する「要求ＩＤ」に対応付けて、配車要求を行ったユーザを識別する「ユーザＩＤ」、「配車日」、配車要求に対して割り当てられた車両を識別する「車両ＩＤ」、「乗車地点（経度緯度）」、「乗車時間枠」、「乗車予定時刻」、「乗車待機時間」、「降車地点（経度緯度）」、「降車時間枠」、「降車予定時刻」、「降車待機時間」等の情報を管理する。

図４は、走行スケジュール情報テーブルにおいて管理される情報を例示する。走行スケジュール情報テーブルは、乗合タクシーサービスにおいて利用される複数の車両の各々の走行スケジュールに関する情報を管理し、図示するように、個別の車両を識別する「車両ＩＤ」、「日付」、及び、個別のスケジュールを識別する「スケジュールＩＤ」の組合せに対応付けて、「停車地点（経度緯度）」、「到着予定時刻」、「出発予定時刻」、「要求ＩＤ」等の情報を管理する。このように、車両の走行スケジュールは、到着及び出発予定時刻が関連付けられた複数の停車地点を含む。

図５は、走行スケジュール情報テーブルにおいて管理される情報の具体例を示し、図６は、この具体例に対応する走行スケジュールを説明するための図である。図５に示すように、この具体例は、車両ＩＤが「００１」である車両の２０１７年６月１日における走行スケジュールを示している。例えば、スケジュールＩＤ「０１」は、停車地点Ｐ０に関するスケジュールであって、その出発予定時刻が１０：００である。図６に示すように、停車地点Ｐ０は、車両の営業所／車庫に対応する地点である。

また、例えば、スケジュールＩＤ「０２」は、停車地点Ｐ１に関するスケジュールであって、その到着予定時刻が１０：２０である。上述したように、停車地点Ｐ０の出発予定時刻は１０：００であるから、停車地点Ｐ０から停車地点Ｐ１までの移動所要時間は２０分と予測されている。また、スケジュールＩＤ「０２」において、停車地点Ｐ１の出発予定時刻は１０：４０であり、要求ＩＤは「００１」である。当該要求ＩＤ「００１」は、図６に示すように、ユーザ１からの配車要求であって、停車地点Ｐ１は、当該配車要求におけるユーザ１の乗車地点である。

また、例えば、スケジュールＩＤ「０４」は、停車地点Ｐ３に関するスケジュールであって、その到着予定時刻が１１：２０である。直前の停車地点Ｐ２の出発予定時刻は１１：１０であるから（図５のスケジュールＩＤ「０３」のレコードを参照）、停車地点Ｐ２から停車地点Ｐ３までの移動所要時間は１０分と予測されている。図６に示すように、停車地点Ｐ３は、ドライバーが休憩／交代するための停車地点であり、この例においては、当該停車地点Ｐ３において、ドライバーＡからドライバーＢへの交代が予定されている。こうした車両を担当するドライバーに関する情報は、後述する担当ドライバー情報テーブルにおいて管理される。

図７は、ドライバー情報テーブルにおいて管理される情報を例示する。ドライバー情報テーブルは、車両のドライバーに関する情報を管理し、図示するように、個別のドライバーを識別する「ドライバーＩＤ」に対応付けて、「運転レベル」等の情報を管理する。

この例において、運転レベルは、レベル１～３の３つの値の何れかが設定され、レベルの値が大きいほど、移動時間が短くなる傾向（運転水準が高い傾向）を示している。また、運転レベルは、アンケートに対するドライバーの回答内容に基づいて自動的に設定される。アンケートは、例えば、運転歴、免許証の種類等の客観的な内容の他、運転の慎重さ（速度優先／安全優先）、裏道の使用頻度等の主観的な内容を含む。この例において、運転レベルは、アンケートの回答内容が入力されると特性情報が出力される学習済みモデルを用いて判定される。当該学習済みモデルは、アンケートに対する回答内容と、車両のプローブ情報等に基づくドライバーの運転レベルの実績値（例えば、走行スケジュールにおける移動所要時間の予測値とプローブ情報における移動所要時間の実績値との間の差分）とを教師データとする機械学習によって生成される。

図８は、担当ドライバー情報テーブルにおいて管理される情報を例示する。担当ドライバー情報テーブルは、複数の車両の各々の運転を担当するドライバーに関する情報を管理し、図示するように、個別の車両を識別する「車両ＩＤ」、「日付」及び「時間帯」の組合せに対応付けて、「ドライバーＩＤ」等の情報を管理する。

図９は、ユーザからの配車要求に応じてサーバ１０が実行する処理を例示するフロー図である。サーバ１０は、まず、図示するように、配車日及び乗降車地点をユーザから受け付ける（ステップＳ１００）。図１０は、ユーザ端末３４において表示される配車申込画面５０を例示する。配車申込画面５０は、図示するように、目的地（降車地点）を入力するための目的地入力領域５２と、乗車場所（乗車地点）を入力するための乗車場所入力領域５４と、配車日を入力するための配車日入力領域５６と、「次へ」と表示された続行ボタン５８とを有する。目的地入力領域５２及び乗車場所入力領域５４は、住所及び施設名等のキーワードを用いた検索を伴って、地図上の特定の地点（経度緯度）を入力できるように構成されている。なお、目的地及び乗車場所を入力する際に、画面上に地図を表示し、地図上の任意の地点をユーザが選択することによって、目的地及び乗車場所を特定できるようにしても良い。この際、ユーザによって地図上の道路以外の地点が選択された場合には、選択された地点に最も近接する道路上の地点が自動的に選択されるようにしても良い。また、乗車場所入力領域５４等を介して乗車場所を入力する際に、当該乗車場所における車両の進行方向（つまり、道路の両側のうち何れか一方であり、例えば、道路レーンの情報を含む。）を特定できるようにしても良い。

ユーザが続行ボタン５８を選択すると、配車日及び乗降車地点（乗車場所及び目的地）がサーバ１０によって受け付けられる。配車日及び乗降車地点の受付に伴って、配車要求情報テーブルにレコードが生成され、要求ＩＤ、ユーザＩＤ、配車日、乗車地点、及び降車地点が設定される。

次に、サーバ１０は、乗車場所における車両の待機時間のユーザによる選択を受け付ける（ステップＳ１１０）。図１１は、ユーザが待機時間を選択するための待機時間選択画面７０を例示する。当該画面７０は、配車申込画面５０の続行ボタン５８の選択に応じて、当該画面５０に重ねてオーバーレイ表示される。

待機時間選択画面７０は、図１１に示すように、「１０分」と表示された第１ボタン７２と、「５分」と表示された第２ボタン７４と、「次へ」と表示された続行ボタン７６とを有する。第１ボタン７２は、待機時間として１０分を設定するためのオブジェクトであり、第２ボタン７４は、待機時間として５分を設定するためのオブジェクトである。ユーザは、第１ボタン７２及び第２ボタン７４の何れか一方を選択した上で続行ボタン７６を選択することにより、乗車場所における車両の待機時間を選択することができる。

ユーザが続行ボタン７６を選択すると、ユーザによって選択された待機時間がサーバ１０によって受け付けられる。待機時間の受付に伴って、配車要求情報テーブルにおける乗車待機時間が設定される。なお、この例では、降車場所における待機時間は、ユーザによる選択なしに予め定められた時間（例えば、５分）となっており、当該時間が、配車要求情報テーブルの降車待機時間に設定される。

次に、サーバ１０は、今回の配車要求に割当可能な車両を特定する（ステップＳ１１２）。具体的には、複数の車両のうち、配車要求における乗車地点及び／又は降車地点が含まれる地理的エリアを担当する１又は複数の車両が、今回の配車要求に割当可能な車両として特定される。車両と担当する地理的エリアとの対応関係は、例えば、ストレージ１５等において管理される。

そして、サーバ１０は、特定した車両の走行スケジュールに含まれる既存の停車地点と今回の配車要求における乗降車地点との間の移動所要時間の予測値を算出する（ステップＳ１１４）。この例において、２地点間の移動所要時間の予測値は、任意の地点間の移動所要時間を予測するための学習済みモデルを用いて算出される。

図１２は、移動所要時間を予測するための学習済みモデルを説明するための図である。当該学習済みモデルは、図示するように、車両のプローブ情報等に基づいて生成される交通情報を教師データとする機械学習によって生成され、ニューラルネットワークを含むモデルとして構成されている。この例では、学習済みモデルは、出発地点（緯度経度）、目標地点（緯度経度）、ドライバーの運転レベル、及び、配車日時（月、曜日、及び時間帯）が入力されると、入力された出発地点から目標地点までの移動所要時間の予測値が出力される。つまり、交通情報（教師データ）は、出発地点、目標地点、ドライバーの運転レベル、配車日時、及び、出発地点から目標地点までの移動所要時間の実績値を含む。なお、学習済みモデルに入力されるパラメータは、これらに限定されず、例えば、出発地点又は目標地点における車両の進行方向、天気、電車の運行情報、及び、前後所定日内の祝日の有無等を用いることもできる。この場合、これらの情報は、交通情報の一部として、又は、別の情報として、機械学習における教師データに付加される。

この例において、２地点間の移動所要時間の予測値は、時間帯及び運転レベルの組合せ毎に算出及び管理される。図１３は、２地点間の移動所要時間の予測値を管理するための移動所要時間予測値管理表の具体例を示す。図１３は、時間帯が「１０～１２時」であって、運転レベルが「１」である場合の例であり、同様の管理表が、複数の時間帯（例えば、営業時間内の全ての時間帯）及び複数の運転レベルの組合せ毎に生成される。

移動所要時間予測値管理表は、図示するように、出発地点と目標地点との組合せに対して移動所要時間の予測値が設定されている。ステップＳ１１４においては、当該移動所要時間予測値管理表に対して、今回の配車要求における乗降車地点が追加される。図１３の管理表は、図６の走行スケジュールに含まれる既存の停車地点Ｐ０－Ｐ５における２地点間の移動所要時間の予測値が管理されている状態を示している。例えば、図１４に例示するように、今回の配車要求において、図６の走行スケジュールに対して乗車地点ＰＸ１及び降車地点ＰＸ２が新たに追加される場合、図１５に例示するように、移動所要時間予測値管理表における出発地点及び目標地点に地点ＰＸ１、ＰＸ２が追加され、新たに発生した空白のマス目に対して、上述した学習済みモデルを用いて算出された移動所要時間の予測値が設定される。なお、移動所要時間予測値管理表において、出発地点と目標地点との組合せの一部については、予測値の算出及び設定を省略しても良い。例えば、地点間の距離が顕著に大きい（所定値より大きい）組合せについては、当該地点間を移動するような走行スケジュールは明らかに非効率であって採用されないと考えられるから、当該組合せに対応する移動所要時間の予測値の算出及び設定を省略するようにしても良い。また、走行スケジュールに含まれる既存の停車地点における到着及び出発予定時刻を考慮すると、対応する時間帯における移動が想定されない地点間もまた、移動所要時間の予測値の算出及び設定が省略され得る。

こうして２地点間の移動所要時間の予測値を算出すると、次に、サーバ１０は、今回の配車要求における乗降車地点に到着可能な時間帯を特定する（ステップＳ１１６）。具体的には、走行スケジュールに含まれる既存の乗降車地点における到着予定時刻が対応するユーザ（配車要求）の乗降車予定時刻以前となり、且つ、乗降車地点における出発予定時刻が乗降車予定時刻から待機時間が経過した時刻以後となる状態を維持したまま、今回の配車要求における乗降車地点を追加可能な時間帯が特定される。この際、担当ドライバー情報テーブル、及び、ドライバー情報テーブルを参照することにより、時間帯毎のドライバーの運転レベルが特定され、各時間帯及び対応する運転レベルの組合せに対応する移動所要時間予測値管理表の値（２地点間の移動所要時間の予測値）が利用される。

次に、サーバ１０は、乗車時刻の時間枠の複数の候補を提示して、当該時間枠のユーザによる選択を受け付ける（ステップＳ１２０）。図１６は、ユーザが乗車時刻の時間枠を選択するための乗車時間枠選択画面９０を例示する。当該画面９０は、待機時間選択画面７０の続行ボタン７６の選択に応じて、当該画面７０及び配車申込画面５０に代えて表示される。

乗車時間枠選択画面９０は、図１６に示すように、「前の時間帯」と表示された第１ボタン９２と、「次の時間帯」と表示された第２ボタン９４と、複数の時間枠を選択可能に表示する時間枠選択領域９６と、「次へ」と表示された続行ボタン９８とを有する。また、乗車時間枠選択画面９０は、配車申込画面５０を介して受け付けた配車日、及び、運賃に関する情報を表示する。運賃は、例えば、乗車地点と降車地点との間の距離に基づいて算定される。

時間枠選択領域９６は、特定の時間帯（図１６の例では１０：００～１２：００）に含まれる複数の時間枠を表示する。時間枠選択領域９６に時間枠を表示する時間帯は、第１ボタン９２又は第２ボタン９４の選択によって切り替えられる。

時間枠選択領域９６は、所定の長さ（この例では、３０分）の時間枠の候補が表示される。時間枠選択領域９６は、ステップＳ１１６で特定された乗車地点に到着可能な時間帯に含まれる時間枠の候補のみが選択可能となり、到着可能な時間帯に含まれない時間枠の候補は選択できないように構成される。

例えば、図１４に例示するように、図６に例示した既存の走行スケジュールに対して乗車地点ＰＸ１を追加する場合であって、対応する車両が、１０：００－１０：３０の間において乗車地点ＰＸ１への到着及び待機時間の確保ができない場合、図１６に示すように、１０：００－１０：３０の時間枠に対応する候補９６１は、ユーザによる選択ができないように構成される。なお、図６に例示した既存の走行スケジュールに対応する車両以外の他の車両が１０：００－１０：３０の間に地点ＰＸ１に到着して待機時間を確保できる場合には、候補９６１についても選択可能となる。

ユーザが続行ボタン９８を選択すると、ユーザによって選択された乗車時間枠がサーバ１０によって受け付けられる。乗車時間枠の受付に伴って、配車要求情報テーブルにおける車両ＩＤ及び乗車時間枠が設定される。車両ＩＤは、選択された乗車時間枠に対応する走行スケジュールにおける車両の車両ＩＤである。

次に、サーバ１０は、降車時刻の時間枠の複数の候補を提示して、当該時間枠のユーザによる選択を受け付ける（ステップＳ１３０）。図１７は、ユーザが降車時刻の時間枠を選択するための降車時間枠選択画面１００を例示する。当該画面１００は、乗車時間枠選択画面９０の続行ボタン９８の選択に応じて、当該画面９０に代えて表示される。

降車時間枠選択画面１００は、図１７に示すように、図１６に例示した乗車時間枠選択画面９０と同様に、「前の時間帯」と表示された第１ボタン１０２と、「次の時間帯」と表示された第２ボタン１０４と、複数の時間枠を選択可能に表示する時間枠選択領域１０６と、「確定」と表示された確定ボタン１０８とを有し、配車日、及び、運賃に関する情報を表示する。時間枠選択領域１０６は、特定の時間帯（図１７の例では１１：００～１３：００）に含まれる複数の時間枠を表示し、当該時間枠選択領域１０６に時間枠を表示する時間帯は、第１ボタン１０２又は第２ボタン１０４の選択によって切り替えられる。

時間枠選択領域１０６は、所定の長さ（この例では、３０分）の時間枠の候補が表示される。時間枠選択領域１０６は、ステップＳ１１６で特定された降車地点に到着可能な時間帯に含まれる時間枠の候補のみが選択可能となり、到着可能な時間帯に含まれない時間枠の候補は選択できないように構成される。

例えば、図１４に例示するように、図６に例示した既存の走行スケジュールに対して降車地点ＰＸ２を追加する場合であって、対応する車両が、１１：００－１１：３０、及び、１２：３０－１３：００の間において、降車地点ＰＸ２への到着及び待機時間の確保ができない場合、図１７に示すように、１１：００－１１：３０の時間枠に対応する候補１０６１、及び、１２：３０－１３：００の時間枠に対応する候補１０６４は、ユーザによる選択ができないように構成される。

ユーザが確定ボタン１０８を選択すると、ユーザによって選択された降車時間枠がサーバ１０によって受け付けられる。降車時間枠の受付に伴って、配車要求情報テーブルにおける降車時間枠が設定される。

次に、サーバ１０は、乗降車予定時刻を設定すると共に走行スケジュールを更新する（ステップＳ１４０）。具体的には、乗車時間枠選択画面９０を介して選択された時間枠に含まれるように乗車予定時刻を設定すると共に、降車時間枠選択画面１００を介して選択された時間枠に含まれるように降車予定時刻を設定し、対応する車両の走行スケジュールに対して、今回の配車要求における乗降車地点を追加する。更新後の走行スケジュールにおいては、各乗降車地点における到着予定時刻が対応するユーザ（配車要求）の乗降車予定時刻以前となり、且つ、各乗降車地点における出発予定時刻が乗降車予定時刻から待機時間が経過した時刻以後となる状態が維持される。更新後の走行スケジュールは、車両の運転者の車両端末３２に提供される。

上述したように、本実施形態のサービス提供サーバ１０は、乗合タクシーサービスに限らず、物品配達サービス等の他のサービスを提供するように構成され得る。物品配達サービスに適用される本実施形態の他の具体例では、走行スケジュールは、乗降車地点に代えて、物品の集荷地点及び受取地点が停車地点として含まれる。また、物品配達サービスを、車両に搭載されたロッカーを介して物品を配達するサービスとして構成することもでき、この場合、受取地点における待機時間は、ユーザがロッカーを操作して物品を取り出すための時間と言うこともできる。

以上説明した本実施形態に係るサービス提供サーバ１０は、特定の車両のドライバーの特性情報（例えば、運転レベル）に基づいて、特定の複数の停車地点に含まれる２地点間の移動所要時間の予測値を算出し、当該算出した移動所要時間の予測値に基づいて、当該特定の複数の停車地点を含む特定の車両の走行スケジュールを更新する。従って、移動所要時間の予測値は、ドライバーの特性情報が考慮された値となり、この結果、ドライバー毎のバラツキに起因する移動所要時間の予測精度の悪化が抑制される。

本発明の他の実施形態において、車両は、自動運転車両として構成され得る。この場合、自動運転車両は、サービス提供サーバ１０から走行経路を含む走行スケジュールを受信し、当該走行スケジュールに従って自律的に移動及び停車するように構成される。この場合、ドライバーの特性情報は、自動運転車両における自動運転用のソフトウェアの特性情報を含む。つまり、本発明の実施形態において、車両のドライバーは、自動運転車両における自動運転用のソフトウェアを含む。

本明細書で説明された処理及び手順は、明示的に説明されたもの以外にも、ソフトウェア、ハードウェアまたはこれらの任意の組み合わせによって実現される。例えば、本明細書で説明される処理及び手順は、集積回路、揮発性メモリ、不揮発性メモリ、磁気ディスク等の媒体に、当該処理及び手順に相当するロジックを実装することによって実現される。また、本明細書で説明された処理及び手順は、当該処理・手順に相当するコンピュータプログラムとして実装し、各種のコンピュータに実行させることが可能である。

本明細書中で説明された処理及び手順が単一の装置、ソフトウェア、コンポーネント、モジュールによって実行される旨が説明されたとしても、そのような処理または手順は複数の装置、複数のソフトウェア、複数のコンポーネント、及び／又は複数のモジュールによって実行され得る。また、本明細書において説明されたソフトウェアおよびハードウェアの要素は、それらをより少ない構成要素に統合して、またはより多い構成要素に分解することによって実現することも可能である。

本明細書において、発明の構成要素が単数もしくは複数のいずれか一方として説明された場合、又は、単数もしくは複数のいずれとも限定せずに説明された場合であっても、文脈上別に解すべき場合を除き、当該構成要素は単数又は複数のいずれであってもよい。

１０ サービス提供サーバ
２０ ネットワーク
３２ 運転者端末
３４ ユーザ端末
４０ 情報記憶管理部
４２ 移動所要時間予測部
４４ 走行スケジュール管理部
４６ ドライバー管理部
５０ 配車申込画面
７０ 待機時間選択画面
９０ 乗車時間枠選択画面
１００ 降車時間枠選択画面

Claims (6)

1. 複数の車両の各々の走行スケジュールを管理するためのシステムであって、
   複数のドライバーの各々の特性情報であって運転の特性に関する分類である前記特性情報を記憶する記憶装置と、１又は複数のコンピュータプロセッサと、を備え、
   前記１又は複数のコンピュータプロセッサは、読取可能な命令の実行に応じて、
   前記複数の車両に含まれる特定の車両のドライバーの前記特性情報に基づいて、特定の複数の停車地点に含まれる２地点間の移動所要時間の予測値を算出する処理と、
   算出した移動所要時間の予測値に基づいて、前記特定の複数の停車地点を含む前記特定の車両の走行スケジュールを更新する処理と、を実行し、
   前記１又は複数のコンピュータプロセッサは、更に、ドライバーの前記特性情報を算出するための学習済みモデルであって、機械学習によって生成される前記学習済みモデルを用いて、ドライバーの前記特性情報を算出する処理を実行する、
   システム。
2. 前記記憶装置は、車両及び時間帯の組合せに対して担当するドライバーが割当てられている担当ドライバー情報を記憶し、
   前記移動所要時間の予測値を算出する処理は、前記担当ドライバー情報に基づいて前記特定の車両の特定の時間帯におけるドライバーを特定し、特定したドライバーの前記特性情報に基づいて、前記特定の時間帯における前記２地点間の移動所要時間の予測値を算出することを含む、
   請求項１のシステム。
3. 前記特定の複数の停車地点は、前記特定の車両の走行スケジュールに含まれる既存の停車地点と、ユーザからの配車要求に伴って特定される新たな停車地点と、を含み、
   前記１又は複数のコンピュータプロセッサは、更に、前記２地点間の移動所要時間の予測値に基づいて、特定のタイミングにおける前記新たな停車地点への前記特定の車両の到着可否を判定する処理を実行する、
   請求項１又は２のシステム。
4. 前記移動所要時間の予測値を算出する処理は、任意の地点間の移動所要時間の予測値を算出するための学習済みモデルを用いて、前記２地点間の移動所要時間の予測値を算出することを含む、
   請求項１ないし３何れかのシステム。
5. 複数のドライバーの各々の特性情報であって運転の特性に関する分類である前記特性情報を記憶する記憶装置にアクセス可能な１又は複数のコンピュータによって実行され、複数の車両の各々の走行スケジュールを管理するための方法であって、
   前記複数の車両に含まれる特定の車両のドライバーの前記特性情報に基づいて、特定の複数の停車地点に含まれる２地点間の移動所要時間の予測値を算出するステップと、
   算出した移動所要時間の予測値に基づいて、前記特定の複数の停車地点を含む前記特定の車両の走行スケジュールを更新するステップと、を備え、
   前記方法は、更に、ドライバーの前記特性情報を算出するための学習済みモデルであって、機械学習によって生成される前記学習済みモデルを用いて、ドライバーの前記特性情報を算出するステップを備える、
   方法。
6. 複数の車両の各々の走行スケジュールを管理するためのプログラムであって、
   複数のドライバーの各々の特性情報であって運転の特性に関する分類である前記特性情報を記憶する記憶装置にアクセス可能な１又は複数のコンピュータ上での実行に応じて、前記１又は複数のコンピュータに、
   前記複数の車両に含まれる特定の車両のドライバーの前記特性情報に基づいて、特定の複数の停車地点に含まれる２地点間の移動所要時間の予測値を算出する処理と、
   算出した移動所要時間の予測値に基づいて、前記特定の複数の停車地点を含む前記特定の車両の走行スケジュールを更新する処理と、を実行させ、
   前記１又は複数のコンピュータに、更に、ドライバーの前記特性情報を算出するための学習済みモデルであって、機械学習によって生成される前記学習済みモデルを用いて、ドライバーの前記特性情報を算出する処理を実行させる、
   プログラム。

Images