図面 (/)

技術 移動支援システム及び方法

出願人 株式会社日立製作所
発明者 小澤遼
出願日 2019年3月27日 (1年10ヶ月経過) 出願番号 2019-061437
公開日 2020年10月1日 (4ヶ月経過) 公開番号 2020-160960
状態 未査定
技術分野 交通制御システム 航行(Navigation)
主要キーワード 時間帯幅 待機時刻 移動交通 供給車両 マイクロプロセッサデバイス 主記憶デバイス 待機状況 人数分布
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2020年10月1日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (18)

課題

移動需要の高い予測精度を維持する移動支援システム及び方法を提供する。

解決手段

移動支援システムとしての交通予測ステム100は、経路検索結果履歴データである検索結果履歴データを取得し、移動需要に関する過去の実績データと、取得された検索結果履歴データとを基に、将来の移動需要を予測する。検索結果履歴データは、ODペア出発地目的地とのペア)と、予定時刻予定出発時刻予定到着時刻とのうちの少なくとも一つ)と、予定移動手段(徒歩及び一種類以上の乗物のうち予定される移動手段)との関係を示す。予測される移動需要は、各ODペアについて、移動手段と、交通量と、出発時刻及び到着時刻のうちの少なくとも一方が属する時間帯との関係を示す。移動需要の予測は、過去の実績データを、将来の各時間帯について特定される交通量に反映することを含む。

概要

背景

地点までの移動需要予測し当該予測された移動需要に応じた情報処理を行うことで、直接的又は間接的な移動支援を行うことが考えられる。

特許文献1は、移動需要の一例であるOD交通量を生成する技術、例えば、特許文献1は、「車両の出発地(Origin)から目的地(Destination)までの移動交通量を把握することを目的として、統計的に調査したOD交通量を基にして、実交通のOD交通量と実交通のパラメータ交通流模擬されたOD交通量で補正することにより、未来予測だけではなくて、現況を再現することができる高精度なOD交通量を生成するOD交通量修正システムを提供する。」を開示している。

また、特許文献2は、移動需要の一例である交通状況を予測する技術、例えば、「交通状況予測装置20は、現在及び過去の交通情報を取り込み、また、予測対象リンクごとに一以上の伝播元リンク対応付けされ、さらに伝播元リンクごとに伝播時間と重み係数から構成される予測パラメータを生成し、先に取り込まれた交通情報と予測パラメータとを用いた予測モデルによって未来の交通状況を予測演算し、その結果を出力する。」を開示している。

また、特許文献3は、移動需要を分析する技術、例えば、「本発明は、事前検索ログを記憶する事前検索ログ記憶手段を備えた情報処理システムであって、地点や日時等の分析指標受け付けると、前記分析指標に合致する事前検索ログを分析対象として抽出し、抽出した事前検索ログを用いて前記分析指標に基づく移動需要分析情報を生成する。」を開示している。

概要

移動需要の高い予測精度を維持する移動支援システム及び方法を提供する。移動支援システムとしての交通予測ステム100は、経路検索結果履歴データである検索結果履歴データを取得し、移動需要に関する過去の実績データと、取得された検索結果履歴データとを基に、将来の移動需要を予測する。検索結果履歴データは、ODペア(出発地と目的地とのペア)と、予定時刻予定出発時刻予定到着時刻とのうちの少なくとも一つ)と、予定移動手段(徒歩及び一種類以上の乗物のうち予定される移動手段)との関係を示す。予測される移動需要は、各ODペアについて、移動手段と、交通量と、出発時刻及び到着時刻のうちの少なくとも一方が属する時間帯との関係を示す。移動需要の予測は、過去の実績データを、将来の各時間帯について特定される交通量に反映することを含む。

目的

特許文献1は、移動需要の一例であるOD交通量を生成する技術、例えば、特許文献1は、「車両の出発地(Origin)から目的地(Destination)までの移動交通量を把握することを目的として、統計的に調査したOD交通量を基にして、実交通のOD交通量と実交通のパラメータで交通流模擬されたOD交通量で補正することにより、未来予測だけではなくて、現況を再現することができる高精度なOD交通量を生成するOD交通量修正システムを提供する

効果

実績

技術文献被引用数
0件
牽制数
0件

この技術が所属する分野

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

経路検索結果履歴データである検索結果履歴データを取得する取得部と、移動需要に関する過去の実績データと、前記取得された検索結果履歴データとを基に、将来の移動需要を予測する予測部とを備え、前記検索結果履歴データは、出発地目的地とのペアであるODペアと、予定出発時刻予定到着時刻とのうちの少なくとも一つである予定時刻と、徒歩及び一種類以上の乗物のうちの予定移動手段との関係を示し、前記予測される移動需要は、各ODペアについて、移動手段と、交通量と、出発時刻及び到着時刻のうちの少なくとも一方が属する時間帯との関係を示し、前記移動需要の予測は、前記検索結果履歴データが示す関係から各ODペア及び各移動手段について将来の各時間帯について予測される交通量を、前記過去の実績データに基づき将来の各時間帯について特定される交通量に反映することを含む、移動支援システム

請求項2

前記予測された将来の移動需要に基づいて配分交通量を算出し算出された配分交通量を示す情報である配分交通量情報を出力する交通流シミュレーション部、を更に備え、前記配分交通量は、検索結果としての経路に含まれ得る各リンクについて時間帯及び移動手段毎の交通量である、請求項1に記載の移動支援システム。

請求項3

前記配分交通量情報を基に、ユーザ端末から発行された経路検索要求応答して行われた経路検索の経路検索結果が示す出発地から目的地までの移動コストを示す情報を含んだ情報であり当該経路検索要求に応答して前記ユーザ端末に返答される提示情報の基になる情報である検索支援情報を生成し、当該検索支援情報を送信する評価部、を更に備える請求項2に記載の移動支援システム。

請求項4

前記取得部が、前記経路検索要求に応答して行われた経路検索結果を示す経路検索結果情報を、前記経路検索を行うナビゲーションシステムから受け付け、前記経路検索結果情報が、前記検索結果履歴データであり、前記評価部が、前記検索支援情報を、前記経路検索要求に応答して前記ユーザ端末に返答する提示情報を前記検索支援情報に基づき決定する前記ナビゲーションシステムに送信する、請求項3に記載の移動支援システム。

請求項5

前記検索支援情報は、目的地の最寄り駅経由する移動コストの他に、当該最寄り駅と異なるを経由する迂回経路の移動コストを示す情報を含む、請求項4に記載の移動支援システム。

請求項6

前記経路検索の結果は、一つ以上の候補経路を含み、前記予測部が、前記一つ以上の候補経路の各々について、前記一つ以上の候補経路のうち前記ユーザ端末のユーザにより当該候補経路が選択される確率である選択確率を基に、前記将来の移動需要を予測する、請求項4に記載の移動支援システム。

請求項7

前記評価部が、更に、前記各リンクについて時間帯毎商用車両需要に関する情報を示す商用車両需要情報を前記配分交通量情報を基に生成し、当該商用車両需要情報を、当該商用車両需要情報を基に商用車両の配車先を決定し当該商用車両を誘導する配車システムに送信する、請求項4に記載の移動支援システム。

請求項8

複数の商用車両の稼働に関する情報である稼働情報を前記配車システムから受け付け、当該稼働情報と前記予測された将来の移動需要とを基に、一つ以上の商用車両の配車先を予測する配車予測部を更に備え、前記交通流シミュレーション部が、前記予測された将来の移動需要の他に、前記一つ以上の商用車両の配車先の予測結果を基に、前記配分交通量を算出する、請求項7に記載の移動支援システム。

請求項9

前記配分交通量の算出は、前記ナビゲーションシステム及び前記配車システムのいずれかから受け付けられ商用車両の乗車地点及び降車地点を示し商用車両を予約することを示す情報である車両予約情報に基づいている、請求項8に記載の移動支援システム。

請求項10

前記提示情報が、少なくとも一つの候補経路について、商用車両の乗車地点及び降車地点を示している場合、当該候補経路について商用車両の予約を受け付けるユーザインターフェース情報を含んでおり、前記車両予約情報は、前記ユーザインターフェース情報を介して受け付けられた予約に基づく情報である、請求項9に記載の移動支援システム。

請求項11

前記予測部は、前記検索結果履歴データが示す目的地毎に、当該検索結果履歴データに基づき予測される交通量を考慮した交通量が、前記過去の実績データから特定された交通量を超えるか否かを判断し、当該判断の結果がの場合、当該目的地について、非日常用のODデータに関し、当該目的地までの交通量として、所定値を設定し、当該判断の結果が真の場合、当該目的地について、前記非日常用のODデータに関し、当該目的地までの交通量として、当該目的地に対応した出発地毎に、予測される交通量を設定し、前記予測された将来の移動需要が示す情報である移動需要情報は、前記非日常用のODデータが前記過去の実績データに基づく日常用のODデータに反映されたデータである、請求項1に記載の移動支援システム。

請求項12

前記予測された将来の移動需要が示す情報である移動需要情報は、前記過去の実績データを用いた統計的処理の結果として得られたデータと、前記検索結果履歴データに基づき学習モデルを用いた演繹的推理の結果として得られたデータとに基づいている、請求項1に記載の移動支援システム。

請求項13

前記ナビゲーションシステム、を更に備える請求項4に記載の移動支援システム。

請求項14

前記ナビゲーションシステム及び前記配車システムの少なくとも一つ、を更に備える請求項7に記載の移動支援システム。

請求項15

経路検索結果の履歴データである検索結果履歴データを取得し、移動需要に関する過去の実績データと、前記取得された検索結果履歴データとを基に、将来の移動需要を予測し、前記検索結果履歴データは、出発地と目的地とのペアであるODペアと、予定出発時刻と予定到着時刻とのうちの少なくとも一つである予定時刻と、徒歩及び一種類以上の乗物のうちの予定移動手段との関係を示し、前記予測される移動需要は、各ODペアについて、移動手段と、交通量と、出発時刻及び到着時刻のうちの少なくとも一方が属する時間帯との関係を示し、前記予測は、前記検索結果履歴データが示す関係から各ODペア及び各移動手段について将来の各時間帯について予測される交通量を、前記過去の実績データに基づき将来の各時間帯について特定される交通量に反映することである、移動支援方法

技術分野

0001

本発明は、概して、移動を支援する技術に関する。

背景技術

0002

地点までの移動需要予測し当該予測された移動需要に応じた情報処理を行うことで、直接的又は間接的な移動支援を行うことが考えられる。

0003

特許文献1は、移動需要の一例であるOD交通量を生成する技術、例えば、特許文献1は、「車両の出発地(Origin)から目的地(Destination)までの移動交通量を把握することを目的として、統計的に調査したOD交通量を基にして、実交通のOD交通量と実交通のパラメータ交通流模擬されたOD交通量で補正することにより、未来予測だけではなくて、現況を再現することができる高精度なOD交通量を生成するOD交通量修正システムを提供する。」を開示している。

0004

また、特許文献2は、移動需要の一例である交通状況を予測する技術、例えば、「交通状況予測装置20は、現在及び過去の交通情報を取り込み、また、予測対象リンクごとに一以上の伝播元リンク対応付けされ、さらに伝播元リンクごとに伝播時間と重み係数から構成される予測パラメータを生成し、先に取り込まれた交通情報と予測パラメータとを用いた予測モデルによって未来の交通状況を予測演算し、その結果を出力する。」を開示している。

0005

また、特許文献3は、移動需要を分析する技術、例えば、「本発明は、事前検索ログを記憶する事前検索ログ記憶手段を備えた情報処理システムであって、地点や日時等の分析指標受け付けると、前記分析指標に合致する事前検索ログを分析対象として抽出し、抽出した事前検索ログを用いて前記分析指標に基づく移動需要分析情報を生成する。」を開示している。

先行技術

0006

特開2003−272083号公報
特開2007−179348号公報
特開2014−235487号公報

発明が解決しようとする課題

0007

ところが、特許文献1及び特許文献2に開示の技術は、過去データに基づいて移動需要の予測を行っているにすぎない。このため、非日常的イベントに起因する混雑渋滞を予測するためには過去の類似イベントづいた過去データを事前に準備しておく必要がある。このような過去データの準備を各イベントに網羅的に行うことは困難である。結果として、移動需要の予測精度が大きくばらつくおそれがある。

0008

一方、特許文献3に開示の技術は、移動需要の予測を、事前検索ログをベースに行っているにすぎない。このため、事前検索ログの量に応じて移動需要の予測精度が大きくばらつくおそれがある。

課題を解決するための手段

0009

移動支援システムは、経路検索結果履歴データである検索結果履歴データを取得し、移動需要に関する過去の実績データと、取得された検索結果履歴データとを基に、将来の移動需要を予測する。検索結果履歴データは、ODペア(出発地と目的地とのペア)と、予定時刻予定出発時刻予定到着時刻とのうちの少なくとも一つ)と、予定移動手段(徒歩及び一種類以上の乗物のうち予定される移動手段)との関係を示す。予測される移動需要は、各ODペアについて、移動手段と、交通量と、出発時刻及び到着時刻のうちの少なくとも一方が属する時間帯との関係を示す。移動需要の予測は、検索結果履歴データが示す関係から各ODペア及び各移動手段について将来の各時間帯について予測される交通量を、過去の実績データに基づき将来の各時間帯について特定される交通量に反映することを含む。

発明の効果

0010

移動需要の高い予測精度を維持することが期待できる。

図面の簡単な説明

0011

本発明の第1実施形態に係るシステム全体の構成例の概略図。
経路検索結果情報の構造例の概略図。
過去実績DBの構造例の概略図。
記録DBの構造例の概略図。
統計DBの構造例の概略図。
地図DBの構造例の概略図。
移動需要予測部の処理手順の一例を示す図。
学習モデルの一例を示す図。
日常OD表と日常OD表の合算の一例を示す図。
配分交通量像法の構造例の概略図。
第1実施形態での経路提示画面の一例の概略図。
本発明の第2実施形態に係るシステム全体の構成例の概略図。
配車予測部の処理手順の一例を示す図。
第2実施形態における処理手順及び通信手順の一例を示す図。
本発明の第3実施形態に係るシステム全体の構成例の概略図。
第3実施形態における処理手順及び通信手順の一例を示す説明図。
第3実施形態での経路提示画面の一例の概略図。

実施例

0012

以下の説明では、「インターフェース装置」は、一つ以上のインターフェースデバイスでよい。当該一つ以上のインターフェースデバイスは、一つ以上の同種の通信インターフェースデバイス(例えば一つ以上のNIC(Network Interface Card))であってもよいし二つ以上の異種の通信インターフェースデバイス(例えばNICとHBA(Host Bus Adapter))であってもよい。

0013

また、以下の説明では、「メモリ」は、一つ以上のメモリデバイスであり、典型的には主記憶デバイスでよい。メモリにおける少なくとも一つのメモリデバイスは、揮発性メモリデバイスであってもよいし不揮発性メモリデバイスであってもよい。

0014

また、以下の説明では、「永続記憶装置」は、一つ以上の永続記憶デバイスである。永続記憶デバイスは、典型的には、不揮発性の記憶デバイス(例えば補助記憶デバイス)であり、具体的には、例えば、HDD(Hard Disk Drive)又はSSD(Solid State Drive)である。

0015

また、以下の説明では、「記憶装置」は、メモリと永続記憶装置の少なくともメモリでよい。

0016

また、以下の説明では、「プロセッサ」は、一つ以上のプロセッサデバイスである。少なくとも一つのプロセッサデバイスは、典型的には、CPU(Central Processing Unit)のようなマイクロプロセッサデバイスであるが、GPU(Graphics Processing Unit)のような他種のプロセッサデバイスでもよい。少なくとも一つのプロセッサデバイスは、シングルコアでもよいしマルチコアでもよい。少なくとも一つのプロセッサデバイスは、プロセッサコアでもよい。少なくとも一つのプロセッサデバイスは、処理の一部又は全部を行うハードウェア回路(例えばFPGA(Field-Programmable Gate Array)又はASIC(Application Specific IntegratedCircuit))といった広義のプロセッサデバイスでもよい。

0017

また、以下の説明では、「xxx表」や「xxxDB」といった表現にて、入力に対して出力が得られる情報を説明することがあるが、当該情報は、どのような構造のデータでもよいし、入力に対する出力を発生するニューラルネットワークのような学習モデルでもよい。従って、「xxx表」や「xxxDB」を「xxx情報」と言うことができる。また、以下の説明において、各表や各DBの構成は一例であり、一つの表や一つのDBは、二つ以上の表や二つ以上のDBに分割されてもよいし、二つ以上の表や二つ以上のDBの全部又は一部が一つの表や一つのDBであってもよい。なお、「DB」は、データベースの略である。

0018

また、以下の説明では、「kkk部」の表現にて機能を説明することがあるが、機能は、一つ以上のコンピュータプログラムがプロセッサによって実行されることで実現されてもよいし、一つ以上のハードウェア回路(例えばFPGA又はASIC)によって実現されてもよい。プログラムがプロセッサによって実行されることで機能が実現される場合、定められた処理が、適宜に記憶装置及び/又はインターフェース装置等を用いながら行われるため、機能はプロセッサの少なくとも一部とされてもよい。機能を主語として説明された処理は、プロセッサあるいはそのプロセッサを有する装置が行う処理としてもよい。プログラムは、プログラムソースからインストールされてもよい。プログラムソースは、例えば、プログラム配布計算機又は計算機が読み取り可能な記録媒体(例えば非一時的な記録媒体)であってもよい。各機能の説明は一例であり、複数の機能が一つの機能にまとめられたり、一つの機能が複数の機能に分割されたりしてもよい。

0019

また、以下の説明では、時刻の単位は、年月日時分であるが、それよりも細かくても粗くてもよい。

0020

以下、本発明の幾つかの実施形態を説明する。
[第1実施形態]

0021

本発明の第1実施形態を図1図10を用いて説明する。

0022

図1は、第1実施形態に係るシステム全体の構成例を示す。

0023

図に示すように、移動需要及び移動コストを算出する交通予測システム100と、移動者であるユーザのユーザ端末300から経路検索要求を受け付けるナビゲーションシステム400とが連動するようになっている。交通予測システム100が、移動支援システムの一例である。移動支援システムには、ナビゲーションシステム400が含まれてもよい。

0024

ナビゲーションシステム400及び交通予測システム100の各々は、物理的な計算機システム(一つ以上の物理的な計算機)でもよいし、クラウド基盤のような計算リソースプール(インターフェース装置、記憶装置及びプロセッサといった複数の計算リソース)上に実現されたシステムであってもよい。

0025

ナビゲーションシステム400は、経路検索のようなナビゲーションサービスを提供するシステムである。ナビゲーションシステム400は、交通予測システム100から検索支援情報63(例えば、出発地から目的地までの移動コストを示す情報を含んだ情報)を取り込み、経路検索部402にて、ユーザ端末300からの経路検索要求に応答して、当該要求で指定された検索条件に最適の経路を検索する。ユーザ端末300は、ユーザの情報処理端末(例えば、モバイル型又はタブレット型のパーソナルコンピュータ、或いは、スマートフォン)である。なお、図1では、一つのユーザ端末300が例示されているが、典型的には、複数のユーザの複数のユーザ端末300が存在する。

0026

ナビゲーションシステム400は、交通予測システム100及びユーザ端末300と情報をやり取りする通信部401と、交通予測システム100からの検索支援情報63(例えば移動コスト)を基にユーザの検索条件(経路検索要求で指定された検索条件)にマッチングする最適経路の検索を行う経路検索部402と、地図データや施設データのような経路検索において参照される情報を格納するナビDB403とを備えている。

0027

通信部401は、交通予測システム100に対して、経路検索部402によって算出された最適経路の提示結果を示す情報を含んだ経路検索結果情報60を送信する。経路検索結果情報60は、ユーザ端末300から受け付けた経路検索要求で指定されている検索条件を示す情報を含んでよい。

0028

交通予測システム100は、インターフェース装置10、記憶装置20及びそれらに接続されたプロセッサ30を有する。インターフェース装置10を介してナビゲーションシステム400との連携が行われる。記憶装置20が、交通DB102や一つ以上のコンピュータプログラムを格納する。プロセッサ30が当該一つ以上のコンピュータプログラムを実行することにより、移動需要予測部101、交通流シミュレーション部103及び評価部104が実現される。

0029

すなわち、交通予測システム100は、経路検索結果情報60を取り込み移動需要を予測する移動需要予想部101と、交通DB102(過去の配分交通量に関する実績データを格納する過去実績DB1021と、ユーザの過去の移動に関する検索結果の実績データを格納する記録DB1022と、1つ1つの移動(以下、「トリップ」と言うことがある)の起点と終点と移動手段とを集計した統計データを格納する統計DB1023と、地図データを格納する地図DB1024とを含むDB102)と、移動需要予測部101から移動需要情報61(予測された移動需要を示す情報)を取り込んで配分交通量を算出し配分交通量情報62(算出された配分交通量を示す情報)を出力するする交通流シミュレーション部103と、配分交通量情報62を取り込んで検索支援情報63を生成し当該情報63を出力する評価部104とを備えている。

0030

移動需要予測部101は、経路検索結果情報60を取得する取得部51と、過去実績DB1021内のデータ(及び、記録DB1022内のデータ)と取得された経路検索結果情報60とを基に将来の移動需要を予測する予測部52とを有する。移動需要予測部101は、ナビゲーションシステム400から経路検索結果情報60を取り込み交通DB102中の過去実績DB1021(及び記録DB1022)を用いた統計的処理(例えば、統計DB1023に格納される統計データの生成)と、学習モデルを用いた演繹的推理とによって、将来の移動需要(例えば、解析対象エリア解析対象時間帯における出発地と目的地と出発時刻(又は到着時刻)に対する総トリップ数)を算出し、算出された移動需要を示す移動需要情報61を交通流シミュレーション部103に送信する。例えば、「解析対象エリア」は、経路検索結果情報が示す検索条件として指定されている出発地及び目的地を含んだエリアでよい。「解析対象時間帯」は、予定出発時刻と予定到着時刻とを含んだ時間帯でよい。「総トリップ数」は、交通量の一例でよい。

0031

交通流シミュレーション部103は、移動需要予測部101から移動需要情報61を取り込み、交通DB102内の地図DB1024から地図データを取り込み、交通割当平衡状態算出処理により、リンク毎の交通量である配分交通量を算出する。ただし、算出結果には、他にも、各トリップで選択される経路、及び、リンク毎の移動コスト(例えば、所要時間や料金)を含んでもよい。なお、「リンク」とは、典型的には、交差点ノード)間の道路でよい。

0032

交通流シミュレーション部103は、ミクロ交通流シミュレータを備えていて、配分交通量情報(例えば経路データを含む)から、車両追従モデルを用いた、車両の走行状況や人の移動状況の動的なシミュレーションを行ってもよい。ミクロ交通流シミュレータは、での人の鉄道からタクシー乗換に関しては、駅のタクシーターミナルの構造を考慮した細粒度なシミュレーションを行ってよい。また、交通流シミュレーション部103は、タクシー(商用車両の一例)や乗換バス待機状況をシミュレーションで計算し、待機時間を算出してもよい。

0033

評価部104は、配分交通量情報62を基に、検索支援情報63を生成し、当該情報63をナビゲーションシステム400に送信する。検索支援情報63は、ユーザ端末300から発行された経路検索要求に応答して行われた経路検索の経路検索結果が示す出発地から目的地までの移動コストを示す情報を含んだ情報であり当該経路検索要求に応答して前記ユーザ端末300に返答される提示情報の基になる情報である。従って、検索支援情報63の生成は、移動コスト等の評価に相当する。検索支援情報63は、配分交通量情報62それ自体を含んでもよい。

0034

図1に例示のシステムによれば、将来の移動需要の予測は、過去実績DB1021(及び記録DB1022)の他に、経路検索結果情報60に基づいて行われる。経路検索結果情報60は、経路検索結果の履歴データの一例であり、そのデータは、将来の時刻に或る地点にユーザが存在する確度が或る程度高いことを意味する。このようなデータが過去実績DB1021(及び記録DB1022)に加えて将来の移動需要の予測に使用されるので、移動需要の予測精度を高く維持することが期待できる。結果として、配分交通量の精度の向上も期待できる。

0035

また、ユーザ端末300からナビゲーションシステム400が受け付けた経路検索要求に応答して返答される情報、すなわち、当該要求で指定されている検索条件に最適な経路として提示される情報は、経路検索結果情報60に基づき予測された移動需要を示す情報61を利用して得られ交通予測システム100からナビゲーションシステム400にフィードバックされた検索支援情報63に基づいている。このため、ユーザ端末300に提示される情報は、検索条件を満たす経路としてより最適な経路(例えば、目的地の最寄り駅とは異なる駅で降車するが目的地までより早く又はより安く到着する経路)を示す情報を含むことが期待される。

0036

本実施形態では、下記のうちの(A)が採用されるが、(A)に代えて(B)が採用されてもよい。
(A)経路検索結果情報60は、経路検索要求に応答して行われる経路検索とは非同期に出力される情報である。言い換えれば、移動需要の予測も、当該経路検索とは非同期に行われる。具体的には、例えば、経路検索結果情報60は、定期的に集計された経路検索結果を示す情報であり、前回の集計以降の経路検索の結果を示す情報である。例えば、ナビゲーションシステム400は、前回の集計以降に行われた経路検索結果(検索結果に紐付く検索条件を含んでよい)をナビDB403に蓄積しておく。ナビゲーションシステム400は、前回の集計以降の蓄積されている経路検索結果を集計し、集計された経路検索結果を示す経路検索結果情報60を交通予測システム100に送信する。このようにして、交通予測システム100は、例えば定期的に(又は不定期的に)経路検索結果情報60を受け付けるようになっている。交通予測システム100は、経路検索情報60を受け付ける都度に、移動需要の予測、配分交通量の算出、及び、当該配分交通量の評価を行って、検索支援情報63をナビゲーションシステム400に送信する。ナビゲーションシステム400は、検索支援情報63をナビDB403に格納しておく。このようにして、例えば、ナビDB403には、将来の期間毎に移動コスト等の情報を含んだ最新の検索支援情報ができる。ナビゲーションシステム400は、ユーザ端末300から経路検索要求を受け付けた場合、当該最新の検索支援情報を基に、当該ユーザ端末300に提示する情報(最適経路を示す情報を含んだ情報)を決定する。このケースでは、経路検索の結果の提示では、ナビゲーションシステム400に既に存在する検索支援情報が使用されるので、迅速な提示が期待される。なお、ナビDB403は、ナビゲーションシステム400が管理する記憶資源の一例である。
(B)経路検索結果情報60は、経路検索要求に応答して行われる経路検索に同期して出力される情報である。言い換えれば、経路検索要求が受け付けられる都度に、経路検索の結果としての経路検索結果情報60が出力され、当該情報60の出力に応答して検索支援情報63が交通予測システム100からナビゲーションシステム400に受け付けられた場合に、当該経路検索要求に対してユーザ端末300に検索結果の提示がされる。つまり、経路検索要求をナビゲーションシステム400が受け付ける都度に、移動需要の予測がされる。このケースでは、経路検索の結果の提示は、最新の経路検索要求の経路検索結果情報60に基づき得られた検索支援情報63を基に行われるので、最適な提示が期待される。

0037

以上が、交通予測システム100を含むシステム全体の概要の説明である。

0038

次に、以下では、交通予測システム100の構成要素間でやり取りをする、あるいは構成要素内に格納される各情報のデータ構造について説明する。移動需要予測部101が取り込む経路検索結果情報60に関しては図2で説明し、過去実績DB1021に関しては図3で説明し、記録DB1022に関しては図4で説明し、統計DB1023に関しては図5で説明し、地図DB1024に関しては図6で説明する。

0039

図2は、経路検索結果情報60の構造例を示す。

0040

経路検索結果情報60は、例えば、経路検索要求毎に(経路検索)毎にエントリを有する。各エントリは、例えば、経路検索ID(D100)、検索時刻(D101)、出発地(D102)、目的地(D103)、経由地点(D104)、希望移動手段(D105)、希望出発時刻(D106)、希望到着時刻(D107)、及び、希望提示順(D108)といった情報を保持する。各エントリは、経路検索において見つかった候補経路毎の情報を含んでもよい。図2の例は、説明を分かり易くするために、経路検索において見つかった候補経路は一つである。なお、エントリは、経路検索毎に代えて、経路検索の結果として見つかった候補経路毎に存在してもよい。以下、一つの経路検索を例に取る(図2の説明において「注目経路検索」)。

0041

経路検索ID(D100)は、注目経路検索のIDを表す。検索時刻(D101)は、注目経路検索が行われた時刻(例えば、経路検索要求を受け付けた時刻)を表す。

0042

出発地点(D102)は、注目経路検索に際してユーザから指定された出発地(例えば、地点名、出発地の最寄り駅等)を表す。目的地(D103)は、注目経路検索に際してユーザから指定された目的地(例えば、地点名、目的地の最寄り駅等)を表す。

0043

希望移動手段(D105)は、注目経路検索に際してユーザから指定された移動手段を表す。希望移動手段(D105)が表す移動手段は固定でもよい。

0044

希望出発時刻(D106)は、予定出発時刻の一例であり、注目経路検索に際してユーザから指定された出発時刻を表す。希望到着時刻(D107)、予定到着時刻の一例であり、注目経路検索に際してユーザから指定された到着時刻を表す。なお、「予定出発時刻」及び「予定到着時刻」は、ユーザが指定する時刻に代えて、経路検索要求に応答して行われた経路検索の結果として得られた出発時刻及び到着時刻でもよい。

0045

希望提示順(D108)は、注目経路検索に際してユーザから指定された並び指標、具体的には、ユーザが複数の経路選択肢(候補経路)から決定する際の指標(別の言い方をすれば、複数の経路選択肢の並び順を決定付ける指標)を表す。指標の選択肢は、移動時間の短さや、所要料金の低さや、移動距離の短さ、更に、階段や渋滞などを避ける移動のしやすさや、歩行距離の短さ、雨に濡れない経路優先、を含む。

0046

ただし、本実施形態における経路検索結果情報60は、必ずしもすべての情報項目について情報が存在する必要はない。例えば、一部の項目については欠損があってもよい。また、経路検索結果情報60は、地図データの特定の施設会場位置情報の調査結果の情報や、イベント情報事前調査する目的でのWebページへのアクセス数情報や、ソーシャルネットワークサービス(SNS)上でのイベントへの興味などを示す情報を含んでもよい。

0047

図3は、過去実績DB1021の構造例を示す。

0048

過去実績DB1021は、配分交通量に関わる実績のデータのDBに相当する。図3の例は、過去実績DB1021のうち、鉄道を主な移動手段としたDB部分の構造例を示す。このDB部分は、ユーザ(移動者)に対して駅の改札でのIC使用履歴データ集計データを示している。「IC」は、IntegratedCircuitの略であり、ここでは、駅の改札の入場退場で使用される非接触型のIC(例えば、ICカード、又は、スマートフォンのようなユーザ端末内蔵のIC)である。移動手段“鉄道”に対応したDB部分は、例えば、時間帯毎にエントリを有する。各エントリは、例えば、年月日(D200)、駅(D201)、時間帯(D202)、総乗車数(D203)、総降車数(D204)、及び、イベント有無(D205)といった情報を保持する。以下、一つの時間帯を例に取る(図3の説明において「注目時間帯」)。

0049

年月日(D200)は、注目時間帯を含む年月日(履歴データが取得された年月日)を表す。駅(D201)は、駅名を表す。時間帯(D202)は、注目時間帯を表す。総入場数(D203)は、該当年月日の注目時間帯に該当駅の各改札口において改札を通って駅の敷地へ入場したユーザの数(IC使用履歴の数)を表す。総退場数(D204)は、該当年月日の注目時間帯に該当駅の各改札口において改札を通って駅の敷地から退場したユーザの数(IC使用履歴の数)を表す。イベント有無(D205)は、注目時間帯において移動需要の増加を誘起する非日常的なイベントがあったか否かを表す(例えば、“0”が非日常的なイベント無し、“1”が非日常的なイベント有りを表す)。

0050

図3に例示のDB部分の構造は一例である。過去実績DB1021は、例えば、鉄道やバスを用いた移動者のおよその総数を記録したIC使用履歴データ、高速道路を利用した車両のおよその総数を記録したETCゲート使用履歴データ、及びその組み合わせを含んでもよい。

0051

図4は、記録DB1022の構造例を示す。

0052

記録DB1022は、経路検索結果に関わる実績のデータのDBに相当する。例えば、記録DB1022は、ユーザの過去の移動に関する検索履歴を使用する。具体的には、例えば、記録DB1022は、鉄道を利用したユーザが過去にオンラインナビゲーションを受けた実績に関するデータを含む。記録DB1022は、例えば、トリップ毎にエントリを有する。各エントリは、トリップID(D300)、出発駅(D301)、到着駅(D302)、経由時刻(D303)、滞在時間(D304)、端末移動時間(D305)、端末移動手段(D306)、移動料金(D307)、端末移動距離(D308)、利用度(D309)、及び、目的(D310)といった情報を保持する。以下、一つのトリップを例に取る(図4の説明において「注目トリップ」)。

0053

トリップID(D300)は、注目トリップのIDを表す。出発駅(D301)及び到着駅(D302)は、鉄道を用いた注目トリップでの起点と終点を表す。経由時刻(D303)は、注目トリップでの出発駅(起点)及び到着駅(終点)に到達した時刻を表す。滞在時間(D304)は、注目トリップでの出発駅及び到着駅に到着してから去るまでの時間を表す。

0054

端末移動時間(D305)は、主な移動手段として鉄道あるいはバスを用いたユーザが端末移動に係る時間を表す。ここで端末移動とは、注目トリップでの出発地点から出発駅まで及び到着駅から注目トリップでの到着地点までの移動を表す。端末移動手段(D306)及び端末移動距離(D308)は、端末移動の移動手段及び距離をそれぞれ表す。移動料金(D307)は注目トリップでの移動に関する料金を表す。利用度(D309)は、注目トリップに関しユーザがナビゲーションシステム400を利用した際にどういった利用を行ったか(例えば、検索までしたか、ナビゲーションが提示した経路を参照したか)を表す。目的(D310)は、注目トリップの目的(例えば、買い物、業務、余暇、出勤、或いは帰宅)を表す。「目的」の入力方法は、例えば、トリップの事後にWebダイアリー形式でユーザが入力するという方法でもよい。

0055

記録DB1022は、例えば、他にも過去におけるオンラインナビゲーションを通じて記録された各ユーザのトリップ情報を含んでもよい。

0056

図5は、統計DB1023の構造例を示す。

0057

統計DB1023に格納される統計データとして、例えば、パーソントリップ(PT)調査データを使用することができる。PT調査データは、各移動手段{D400, D401, …}の出発ゾーン{O1, O2, …}と目的地{D1, D2, …}と出発時刻に対する総トリップ数(交通量の一例)を表す。図では、出発時刻の時間帯幅は、10分であるが、任意の時間帯幅が採用されてよい。また、移動手段としては、図のように主な移動手段で分類されてよい。複数の移動手段を用いる場合として、主な移動手段と端末移動手段の組合せで分類がされてもよい。

0058

主な移動手段の選択肢としては、鉄道、バス、自家用車、タクシー、自動二輪車自転車、徒歩、飛行機船舶、その他、あるいはそのいずれかを含んでもよい。すなわち、本実施形態において、「移動手段」は、典型的には、徒歩、及び/又は、複数の乗物(交通機関)のうちの少なくとも一つである。移動手段は、徒歩又は乗物といった単一の要素でもよいし、徒歩とタクシー、徒歩と鉄道とバスのように複数の要素の組合せでもよい。

0059

図では、統計データは、いわゆるOD表、すなわち、起点(O)と終点(D)をそれぞれ列と行に並べて、起点と終点の組み合わせのトリップ数を表す。統計データのデータ構造は、例えば、OD表と同等の情報量を含むものであれば必ずしもこのデータ構造には限らない。また、統計データは、他にも道路交通センサスプローブパーソン調査データを含んでもよい。

0060

図6は、地図DB1024の構造例を示す。

0061

図6の例によれば、地図DB1024は、駅の位置情報や駅構内の移動に係る移動コストデータを含む。ここでは、地図DB1024は、駅に関する情報として、駅コード(D500)、駅名称(D501)、位置として緯度経度と高度(D502)、利用制限条件の有無(D503)、利用制限条件(D504)、移動時間(D505)、タクシー乗り場有無の情報が含まれていること(D506)を含む。利用制限条件有無(D503)は、駅のホーム、改札、あるいは、出入り口の利用制限条件の有無を表す(例えば、“0”は制限条件無し、“1”は、制限条件有りを表している)。利用制限条件(D504)は、乗車/降車、曜日開始時刻終了時刻に分類される。「乗車/降車」では、乗車と降車の順に利用制限条件の有無を0又は1で表している。「曜日」では、利用制限条件の日〜土の順での有無を表す。「開始時刻」は、利用制限が始まる時刻を表す。「終了時刻」は、利用制限が終わる時刻を表す。移動時間(D505)は、各乗り場から各出口までにかかる時間を表す。タクシー乗り場有無(D506)は、各出口においてタクシー乗り場の有無を表す(例えば、“0”は無し、“1”は有りを表す)。

0062

地図DB102に格納される地図データは、更に、オープンストリートマップ(OSM)から入手されたデータを含んでもよい。地図データは、OSMから入手されたデータに代えて又は加えて、道路ネットワークデータ信号機データポイントオブインタレスト(POI)データを含む他のデータでもよい。ここで、道路ネットワークデータとは、道路のトポロジーを含む情報であり、道路を示すリンクと、各リンクの端点であるノードで構成されるものを指す。各リンクには、通行可能な車両数の情報を含む道路容量が少なくとも一つの属性として割当てられている。

0063

次に、以下では、移動需要予測部101の処理手順を図7を用いて説明し、更にその内部で用いられる学習モデルの構造例について図8を用いて説明する。

0064

まず、移動需要予測部101の処理手順について、図7に従って説明する。大きくは、移動需要予測部101は、処理手順S1011〜S1019で、非日常なイベントに起因する移動需要を表す非日常OD表を作成し、処理手順S1020で、非日常OD表と統計データに基づく日常OD表とを合算する。この合算後のOD表が移動需要情報61に相当する。以下、各処理手順を詳細に説明する。

0065

移動需要予測部101は、経路検索結果情報60を読込み、情報(D106)及び(D107)を用いて目的地(D103)から得られる各目的地及び将来の各日(日に限らないでよい)でトリップ数(エントリ数)を集計し(S1011)、各目的地に対して以下のループ処理を行う(S1012)。ここで各目的地の集計は、地図データにあるD501の駅名称に紐づくD502の駅位置がPT調査データのゾーン区画{D1, D2, …}のいずれかに属するかで分類する。ただし、各目的地の集計方法は、他にも駅や駅群でもよく、交通センサスのゾーン区画でもよく、また市町村などの各自治体区画でもよく、更にプローブパーソン調査が提供する緯度経度情報に基づく位置情報でもよい。

0066

以下、S1013〜S1019の説明において、一つの目的地を例に取る(図7の説明において「注目目的地」)。

0067

次に、移動需要予測部101は、注目目的地のトリップ数(集計トリップ数)が日常データから得られるトリップ数(日常トリップ数)と比較して基準を超えるかの条件成立可否を判定する(S1013)。ここでは、例えば、集計トリップ数が日常トリップ数より大きく、且つ、集計トリップ数と日常トリップ数との差分が基準を超えていれば、(S1013)の条件が成立でよい。具体的には、例えば、移動需要予測部101は、過去実績DB102のイベント有無(D205)を総退場数(D204)のパラメータ空間で分類できるよう過去データをクラスタリングし、今回の集計値がイベント有無のクラスタのどちらかに属するかを調べる。移動需要予測部101は、それに代えて又は加えて、イベント有無(D205)で“0”(イベントなし)の場合の平均値(トリップ数の平均値)を事前に求め、また基準値を事前に規定し、平均値から基準値以上の増加が集計値として得られたかどうかで判断してもよい。また、集計値は、過去実績DB102に応じて総移動数を推定するためにスケーリングしてもよい。このスケーリング用のパラメータ推定は、過去の集計と対応する実績値データとの線形回帰等により求められてもよい。

0068

(S1013)の条件が不成立の場合には、移動需要予測部101は、非日常OD表1011(図9参照)のうち、注目目的地に対応する値(交通量)をゼロ(所定値の一例)にして(S1019)、処理手順(S1012)へ戻る。

0069

(S1013)の条件が成立の場合には、移動需要予測部101は、該当する日と注目目的地において需要フラグをONにする(S1014)。更に、移動需要予測部101は、注目目的地について、経路検索結果情報60を、希望到着時刻(D107)の到着時間帯別に集計し、該当日と注目目的地における時間帯に対する人数(交通量)分布を算出する(S1015)。ここで、「時間帯」は、統計DB1023のカラム(D400)の時間帯とあわせる。カラム(D400)は、例えば、移動手段“鉄道”の日常OD表に相当する。人数分布と過去実績DB1021の総退場数(D204)との比較から、線形回帰によるスケーリングのパラメータを推定し、該当日と注目目的地における移動の集中量を算出する(S1016)。

0070

また、移動需要予測部101は、経路検索結果情報60から注目目的地に対する出発地を選択する学習モデルとして行動モデルを用い、モデルパラメータを推定し、集中量から出発地の分布を推定することで、出発地点と到着地点が各時間帯で紐づく非日常OD表1011に設定される値(注目目的地を含むODペア毎の交通量)を算出する(S1017)。行動モデルのモデルパラメータの推定法は図8で説明する。

0071

全ての目的地に対して上記処理が終わった時点でループ処理が終了する(S1018)。この時点ですべての目的地に対する非日常のOD表の要素(交通量)が計算されており、非日常OD表1011が完成している。

0072

移動需要予測部101は、非日常OD表1011と交通DB102から得られる日常OD表1012(図9参照)を合算する(S1020)。合算により得られたOD表が、移動需要情報61としてのOD表である。

0073

処理手順(S1017)における学習モデルの構造の一例を、図8に従って説明する。ここでは、鉄道を用いてA駅に到着するトリップに対する解析を例とする。ただし、他の移動手段についても同様の解析が可能である。

0074

行動モデルの形式の一例として、参照符号81aが示すように、目的地をA駅とする各出発駅1層構造ロジットモデルが用いられる。ただし、学習モデルは行動モデルに限らず、ニューラルネットワークなどでもよい。また、行動モデルとして、例えば参照符号81bが示すように、移動の目的(D310)などを間に挟んだ多層構造に対してネスティッドロジットモデルやミックストロジットモデルが用いられてもよい。ロジットモデルでの効用関数で用いる説明変数としては、移動時間や移動料金や各項目の定数項を用いることができる。説明変数には、他にも、滞在時間(D304)相当の待機時間や年齢などが用いられてもよい。ここで、移動時間や移動料金は、記録DB1022の経由時刻(D303)や滞在時間(D304)や移動料金(307)のうち、出発駅(D301)と到着駅(D302)が行動モデルで考慮している出発駅と到着駅と一致するものを選ぶことができる。このようにして、移動需要予測部101は、記録DB1022からモデルパラメータを推定し、処理手順(S1016)で求めた集中量から、各出発から出てA駅に向かうトリップ数を予測し、予測されたトリップ数をOD表に入力する。

0075

ユーザの主な移動手段が鉄道の場合に混雑に応じて降車駅を最寄り駅からずらす選択肢をも考慮した学習モデルの一例として、参照符号81cがモデルを採用することができる。学習モデルとして行動モデルが用いられてもよい。本実施形態により、ユーザは、移動需要予測結果に基づく渋滞を回避する経路(つまり迂回経路)の提案を受けることができ、移動需要予測部101ではユーザが迂回経路を選択する割合を算出することができる。ここでは、特定の目的地に対して非日常的な混雑が予測され、目的地の最寄り駅以外に1駅手前や1駅奥での降車による迂回経路が選択肢として現れる場合を想定している。図に示す通り、各降車駅候補に対して次の選択肢である端末移動手段候補を用いて、ユーザが選択する降車駅と端末移動手段を予測できる。行動モデルの構造は、降車駅候補と端末移動手段の選択の順が逆でもよく、移動目的と組み合わせた多層構造などでもよい。また、行動モデルの要素は、降車駅候補として、最寄り駅と異なる路線における駅が採用されてもよい。

0076

図9は、処理手順(S1020)の合算の一例を示す。非日常OD表1011も日常OD表1012も同じ構成のOD表(ODデータの一例)である。

0077

図9に例示の非日常OD表1011によれば、目的地D1は、非日常的なイベント等が理由で(S1013)の条件が成立した目的地であり、故に、目的地D1に対応した出発地毎に、算出されたトリップ数(交通量)が設定される。一方、目的地D2は、(S1013)の条件が不成立の目的地であり、故に、目的地D2に対応したいずれの出発地についても、トリップ数(交通量)としてゼロが設定される。

0078

図9に例示の日常OD表1011は、統計DB1023から得られたOD表(言い換えれば、過去実績DB1021に基づく統計的処理の結果として得られたOD表)であり、各ODペアについて、トリップ数(交通量)が設定されている。

0079

(S1020)では、以上のような非日常OD表1011と日常OD表1012とが合算されることで、図9に例示のOD表が移動需要情報61として得られる。図9の例によれば、ODペア(O1−D1)によれば、非日常OD表1011における値“911”と日常OD表1012における値“66”との合計“977”が、合算されたOD表に設定される。同様に、例えば、ODペア(O1−D2)によれば、非日常OD表1011における値“0”と日常OD表1012における値“35”との合計“35”が、合算されたOD表に設定される。

0080

以上のような移動需要情報61を基に、交通流シミュレーション部103が、配分交通量を算出し、算出された配分交通量を示す配分交通量情報62を出力する。

0081

図10は、配分交通量情報62の構造例を示す。

0082

配分交通量情報62は、リンク毎に、時間帯別及び移動手段別の交通量を示す。例えば、配分交通量情報62は、日毎に存在してよく、リンク毎に、リンクID(D10)と、時間帯(D11)と、移動手段(D12)といった情報を保持する。リンクID(D10)は、リンクのIDを表す。時間帯(D11)は、該当日における時間帯を表す。各時間帯(D11)について、移動手段(D12)は、移動手段毎の当該時間帯での交通量を表す。

0083

なお、図10の例によれば、各時間帯は、10分間であるが、任意の時間が採用されてよい。また、「リンク」は、典型的には、交差点(ノード)間を結ぶ道路を表すが、それに代えて又は加えて、駅間を結ぶ線路のような道路以外のリンクが採用されてもよい。

0084

以上のような配分交通量情報62を基に、評価部104が、検索支援情報63を生成し、当該情報63をナビゲーションシステム400に送信する。ナビゲーションシステム400では、当該情報63を基に、経路検索部402が、ユーザ端末300からの経路検索要求に応答して行われた経路検索の結果として提示する情報(経路検索要求に応答して返答される情報)である提示情報を決定し、決定した提示情報をユーザ端末300に送信する。

0085

図11は、ユーザ端末300に表示された検索結果画面の一例を示す。当該画面に、候補経路1や候補経路2のような見つかった各候補経路に関する情報を含んだ提示情報が表示される。ここではユーザがA地点からB地点までの移動を検索条件としており、鉄道の選択、降車駅から目的地まではタクシーの選択、及び移動時間の短い経路を希望している場合を想定している。更に、この移動は非日常的なE地点におけるイベントに参加するために検索しており、イベントの動員数が多いため混雑が予測される場合を想定している。E地点への最寄り駅はD駅であるが、「候補経路1」の注釈に記載の通りすでに移動当日の混雑が予測されており、所要時間の比較の結果、鉄道の降車後タクシー待機時間が少ないD´駅での接続の方が所要時間の少ない迂回経路として提案されている。次最適経路として、候補経路2にD駅で接続する経路も提案されている。

0086

このような提示情報は、例えば次のようにして生成可能である。検索支援情報63が、配分交通量情報62と同じ情報を含んでいるとする。このため、経路検索部402が、リンク毎に、時間帯別且つ移動手段別の交通量がわかる。経路検索部402が、ユーザ端末300からの経路検索要求で指定されている検索条件に適合する経路をナビDB403から検索する。経路検索部402は、見つかった候補経路毎に、当該候補経路に関わる時刻や地点をキーに検索支援情報63を参照することで、当該候補経路についての交通量を特定する。経路検索部402は、特定された交通量が基準量を超えている候補経路があれば、当該候補経路の迂回経路を、検索支援情報63を基にナビDB403から検索する。このようにして見つかった迂回経路の一例が、候補経路1であり、特定された交通量が基準量を超えている候補経路の一例が、候補経路2である。

0087

なお、経路検索部402は、候補経路毎に、採用する経路としてユーザにより選択される確率である選択確率を算出し紐付けてよい。図11の例によれば、候補経路1の選択確率は60%であり、候補経路2の選択確率は30%である。選択確率の算出は、過去に選択された候補経路の統計等を基に行われてもよい。また、ナビゲーションシステム400からの経路検索結果情報60は、経路毎に、選択確率も関連付けられていてもよい。移動需要予測部101は、移動需要の予測において、各経路の選択確率を考慮できる。これにより、移動需要予測部101が行う移動需要予測の精度が一層高まることが期待できる。

0088

本実施形態によれば、ナビゲーションシステム400からの経路検索結果情報60に基づいて、移動需要予測部101でOD表形式の移動需要が予測可能となり、更に交通流シミュレーション部103は移動需要を取り込んで、すでに述べた通り、将来の配分交通量を算出することができる。

0089

なお、以上の説明において、需要フラグは、商用車両の需要の有無を表すフラグである。需要フラグ“ON”や“OFF”は、検索支援情報63に含まれ、提示情報の決定の際に、需要フラグが“ON”か否かが考慮されてよい(例えば、需要フラグ“ON”があれば、タクシーのような商用車両を移動手段として採用することが決定されてよい)。
[第2実施形態]

0090

以下、第2実施形態を、図12図14を用いて説明する。その際、第1実施形態との相違点を主に説明し、第1実施形態との共通点については説明を省略又は簡略する。

0091

図12は、第2実施形態に係るシステム全体の構成例を示す。

0092

交通予測システム100は、ナビゲーションシステム400の他に、配車システム500とも連携する。配車システム500は、交通予測システム100やナビゲーションシステム400と同様、物理的な計算機システムでもよいし、クラウド基盤のような計算リソースプール上に実現されたシステムであってもよい。

0093

ナビゲーションシステム400は、ユーザ(移動者)と商用車両600との需給マッチングのシミュレーション結果を用いた経路検索を、例えば検索支援情報63を基に行うことができる。検索支援情報63は、配車システム500から交通予測システム100に送信される稼働情報66(商用車両600の稼働情報66)又はそれに基づく情報を含む。稼働情報66は、商用車両600の位置や稼働率等を表す情報でよい。これにより、例えば、ナビゲーションシステム400の経路検索部402は、移動需要が高まるエリアにて商用車両600の供給量不足し商用車両600の利用のための待機で大幅な混雑の発生することを検索支援情報63から予測した場合には、ユーザに迂回経路を積極的に提案できる。更に、配車システム500は、ナビゲーションシステム400からの経路検索結果情報60と配車システム500からの稼働情報66とに基づき交通流シミュレーション部103により得られた配分交通量情報62に基づく商用車両需要情報65(商用車両の予測された需要を示す情報)を交通予測システム100から受けて、当該情報65に基づいた配車誘導(例えば、具体的な地点は指定されないが移動需要が高まると予測されるエリアが指定された配車誘導)が可能になる。

0094

配車システム500は、商用車両600の稼働率や交通予測システム100が算出する商用車両需要(交通予測システム100からの商用車両需要情報65)を基に各商用車両600のKPI評価値を向上させるための計画立案と誘導を行う配車計画部501と、商用車両600の稼働率や位置情報を取り込み情報を配車計画部501や交通予測システム100に送信する車両管理部502と、商用車両600毎に収集される稼働データ(位置データを含む)69が格納される配車DB503とを備える。

0095

更に、交通予測システム100は、配車予測部105を備える。配車予測部105は、配車システム500の車両管理部502から商用車両600の稼働情報66を取り込み、商用車両600の総供給量を算出(予測)し、算出された総供給量を表す配車予測情報を交通流シミュレーション部103に送信する。交通流シミュレーション部103が、移動需要予測部101からの移動需要情報60と、配車予測部からの配車予測情報とを基に、配分交通量を算出する。評価部104が、算出された配分交通量を表す配分交通量情報62を基に、商用車両の需要予測を行い、予測された需要を表す商用車両需要情報65を配車システム500に送信する。商用車両需要情報65は、例えば、目的地別に、時刻と経由地点と共に紐づけられた需要フラグを含んでよい。

0096

ナビゲーションシステム400内の通信部401から交通予測システム100内の移動需要予測部101へ送信される経路検索結果情報60は、上述したように、ユーザ端末300からナビゲーションシステム400へ送信された検索条件の情報と、当該検索条件を基にナビゲーションシステム400において見つかった最適経路提示情報とを含む。検索条件の一例は図2で示されており、最適経路提示情報の一例は図11で示されている。

0097

交通流シミュレーション部103における需給マッチングの手法は、マクロ交通流シミュレーションを用いて、予測される商用車両需要に対して、待機時間などKPIを満たすのに適切な供給車両数を推定する手法でもよく、また、ミクロ交通流シミュレーションを用いて、ユーザと商用車両600との詳細な相互作用を調べる手法でもよい。

0098

移動需要などに対して予測しきれない不確定要素誤差要因に関しては、モンテカルロ法など乱数を用いて複数回のシミュレーションを試行するという方法が用いられてもよい。

0099

次に、配車予測部105の処理手順について、図13に従って説明する。

0100

配車予測部105は、例えば交通予測システム100からの商用車両需要情報65を基に、移動需要予測部101が算出した需要フラグ“ON”の日程が本日であるかどうかの条件成立可否を判定する(S1051)。

0101

(S1051)の条件が不成立の場合には、配車予測部105は、需要フラグ“ON”の日の商用車両の予約状況及び商用車両の運転手の出勤状況などを取り込み、解析対象の時間帯において空車の車両数である空車予定車両数を算出する(S1058)。

0102

(S1051)の条件が成立の場合には、配車予測部105は、本日の商用車両の予約情報と、稼働情報とを入手する(S1052)。そして、配車予測部105は、各商用車両600に対して以下のループ処理を行う(S1053)。一つの商用車両を例に取る(図13の説明において「注目商用車両」)。

0103

まず、配車予測部105は、注目商用車両の稼働状況予約手配済又はすでに乗客がいるかどうかの条件成立可否を判定する(S1054)。

0104

(S1054)の条件が成立の場合には、配車予測部105は、すでに手配されている目的地までの予定空車時刻と、目的地から需要フラグ“ON”の地点までの移動時間を算出し、予定空車時間に足し合わせて地点への最短の到着時刻を算出する(S1055)。一方、(S1054)の条件が不成立の場合には、配車予測部105は、注目商用車両600の現在地から需要フラグ“ON”の地点までの移動時間を算出し、算出された移動時間を現在時刻に足し合わせる(S1056)。

0105

すべての商用車両600に対して上記処理が終了した時点でループ処理が終了する(S1057)。

0106

配車予測部105は、各商用車両600に対して得られた需要フラグ“ON”の地点に到達可能な時刻データを利用可能商用車両のタイムテーブルとして作成する(S1059)。

0107

なお、配車予測部105での処理では、上記に加えて、利用可能商用車両タイムテーブルと他社の商用車両との相関を計算し、対象地域で利用可能な商用車両全体を推定してもよい。この場合、商用車両全体を推定するための過去実績データが交通DB102に事前に格納されてよい。

0108

交通予測システム100の評価部104が算出する商用車両需要は、対象エリアメッシュ状に細分化し、各メッシュで予測される商用車両の利用者数予測値でもよいし、あるいは各POIで発生する商用車両の利用者数の予測値でもよい。

0109

次に、交通予測システム100とユーザ端末300とナビゲーションシステム400と配車システム500と商用車両600とが行う時系列順のデータのやり取りの一例を図14に示す。

0110

まず、ユーザ端末300は、ナビゲーションシステム400に検索条件を提示する(検索条件を指定した経路検索要求を送信する(S001)。ナビゲーションシステム400は、検索条件を必要に応じて集計し、検索条件の集計結果を含んだ経路検索結果情報60を交通予測システム100へ送信する(S002)。

0111

一方、商用車両600は、配車システム500へ稼動データ69を送信する(S003)。配車システム500は、稼動データ69を必要に応じて集計し、稼働データ69の集計結果を含む稼働情報66を交通予測システム100へ送信する(S004)。

0112

交通予測システム100では、移動需要予測部101が、ナビゲーションシステム400からの集計情報(経路検索結果情報60)を取り込み、経路検索結果情報60に基づいた移動需要の予測値(移動需要情報61)を交通流シミュレーション部103へ送信し、また、配車予測部105が配車システム500からの集計情報(稼働情報66)を取り込み、商用車両の供給量の予測値(配車予測情報)を交通流シミュレーション部103へ送信する。更に、交通予測システム100では、交通流シミュレーション部103が、移動需要情報61と配車予測情報を取り込み、配分交通量及び需給マッチングの模擬を通して、各リンクや各ノードの移動コスト、及び、商用車両600の需要予測値を算出し、算出された移動コストを表す情報を含んだ検索支援情報63をナビゲーションシステム400へ送信し、算出された需要予測値を表す情報を含んだ商用車両需要情報65を配車システム500へ送信する(S005)。

0113

配車システム500では、配車計画部501が、交通予測システム100からの商用車両需要情報65と、車両管理部502からのデータ(配車DB503内のデータ(各商用車両600の稼動データ))とを基に、任意の配車戦略に基づいた配車計画を立案し、各商用車両600へ配車誘導を行う(S006)。商用車両600は配車誘導に応じて、運転を行う(S007)。

0114

ナビゲーションシステム400では、経路検索部402が、交通予測システム100からの検索支援情報63(例えば移動コスト)とユーザ端末300からの検索条件とから、ユーザ端末300に対する最適経路を探索し、提示内容を決定する(S008)。この提示内容は、図11で示したように、ランキング形式の候補経路の情報であってもよい。

0115

ナビゲーションシステム400では、通信部401が、ユーザ端末300に探索結果を提示するために提示内容を送信し、また、交通予測システム100に、ユーザ端末300に提示した内容を通知するために提示内容を送信する(S009)。交通予測システム100では、移動需要予測部101が、ナビゲーションシステム400からの集計情報(例えば、集計された提示内容を含む経路検索結果情報60)を取り込み、当該集計情報に基づいた移動需要の予測値を交通流シミュレーション部103へ送信し、更に交通流シミュレーション部103は、移動需要の予測値を基に、配分交通量を算出する(S010)。(S010)の結果は、(S005)の結果よりも精度が高いことが期待できる。

0116

以上、図14の例によれば、経路検索結果情報60は、集計された検索条件を含んだ第1の集計情報でもあり、集計された提示内容を含んだ第2の集計情報でもよい。第1の集計情報を基に移動需要の予測が行われ、その後に、第2の集計情報を基に移動需要の予測が行われてもよい。
[第3実施形態]

0117

以下、第3実施形態を、図15図17を用いて説明する。その際、第2実施形態との相違点を主に説明し、第2実施形態との共通点については説明を省略又は簡略する。

0118

図15は、第3実施形態に係るシステム全体の構成例を示す。

0119

ナビゲーションシステム400が、ユーザ端末300から商用車両600の配車予約を受け付ける。ナビゲーションシステム400は、配車予約という、将来の移動需要の予測のために確度の高い情報を入手できる。配車予約に関する情報は、ナビゲーションシステム400から配車システム500経由又は非経由で交通予想システム100に送信される。これにより、交通予測システム100での移動需要予測の精度を向上させることができる。

0120

具体的には、ナビゲーションシステム400は、予約管理部404を備える。ここでは、図12と比較してやり取りを行うデータの相違点について述べ、具体的な時系列順での処理の流れに関しては図16を用いて後に説明する。ナビゲーションシステム400は、ユーザ端末300へ商用車両の利用に関して予約の伺いを送信する。ユーザ端末300は、ナビゲーションシステム400へ予約を希望する場合は、予約希望を送信する。ナビゲーションシステム400から交通予測システム100へ送信される経路検索結果情報60は、検索条件及び最適経路提示情報に加えてユーザからの配車予約の情報を含む。

0121

予約管理部404は、通信部401を介して配車システム500内の車両管理部502へ空き状況の確認及び予約要求を行う。配車管理部502は、配車計画部502へ、ナビゲーションシステム400を介して取得した予約要求を送信する。配車計画部501は、商用車両600に、予約要求に応じた配車命令を行う。

0122

次に、ナビゲーションシステム400がユーザ端末300に商用車両600の配車予約を行う場合の、交通予測システム100とユーザ端末300とナビゲーションシステム400と配車システム500と商用車両600とが行う時系列順のデータのやり取りを、図16に示す。ここでは、説明を簡単にするために、ユーザ端末300はナビゲーションシステム400に検索条件を与え、ナビゲーションシステム400はユーザ端末300に商用車両の手配が必要な最適経路の提案と商用車両の予約伺いを行い、ユーザ端末300がナビゲーションシステム400に予約の要求を行う、という場合を仮定している。

0123

(S101)〜(S107)は、図14の(S001)〜(S007)と同様である。ナビゲーションシステム400では、経路検索部402が、交通予測システム100の算出した移動コスト(検索支援情報63)とユーザが指定した検索条件から、ユーザ端末300に対する最適経路検索の際に商用車両の手配が必要であるかどうか条件成立可否を判定する(S108)。

0124

(S108)の条件が不成立の場合には、ナビゲーションシステム400では、経路検索部402が、ユーザ端末300に対する最適経路の探索を行う(S109)。

0125

(S108)の条件が成立の場合には、ナビゲーションシステム400では、予約管理部404が、通信部401を介して、ユーザに手配できる商用車両600の有無を確かめるため、配車システム500内の車両管理部502へ商用車両600の空車状況を確認する(S110)。配車システム500では、車両管理部502が、商用車両600の空車状況を確認し、確認結果をナビゲーションシステム内の通信部401へ送信する(S111)。ナビゲーションシステム400では、経路検索部402が、ユーザからの検索条件と、交通予測システム100の算出した移動コスト(検索支援情報63)と、配車システム500からの商用車両600の空車状態とから、最適経路を算出する。その際、経路検索部402が、ユーザの商用車両利用の必要性がある場合は予約伺い事項も合わせて算出する(S112)。

0126

(S109)又は(S112)の後、ナビゲーションシステム400では、通信部401が、経路検索部402の算出した最適経路情報と必要に応じて合わされた予約事項をユーザ端末300へ送信する。更に、ナビゲーションシステム400では、通信部401が、交通予測システム100へ、ユーザ300に提示した最適経路の情報を、必要に応じて集計して送信する(S113)。交通予測システム100における(S114)は、図16の(S010)と同様である。

0127

ユーザ端末300は、ユーザからの操作に応答して、ナビゲーションシステム400に、提示された経路検索結果に応じて商用車両600の予約要求を送信する(S115)。ナビゲーションシステム400では、通信部401が、交通予測システム100と配車システム500へ、ユーザ300からの予約要求を必要に応じて集計及び匿名化を行って送信する(S116)。交通予測システム100では、移動需要予測部101が、ナビゲーションシステム400からの集計情報を取り込み、ユーザの予約情報に基づいた移動需要に関して、移動コスト算出や車両需要予測を行う(S117)。

0128

また、配車システム500では、配車計画部501が、商用車両500に、ナビゲーションシステム400が送信したユーザの予約情報に基づいた配車命令を行う(S118)。商用車両600の運転手は、配車命令に応じて、運転を行う(S119)。

0129

図17は、ユーザ端末300に提示される候補経路の画面の一例を示す。図11で示した情報に加えて、提示情報は、商用車両が移動手段として紐付けられている候補経路について、商用車両の予約を受け付けるGUI部品のようなユーザインターフェース情報(例えば、“タクシーを予約する”)を含む。ユーザは、所望の候補経路について、当該ユーザインターフェース情報を指定することで、当該候補経路に関する情報が示す乗車地点(例えば降車駅)且つ時刻に商用車両600に乗車することの予約を行うことができる。当該ユーザインターフェース情報が指定された場合、通信部401から予約要求が配車システム500の車両管理部502に送信される。当該予約要求には、商用車両の配車先地点(例えば、候補経路に紐付いている降車駅)、待機時刻(例えば、当該降車駅での降車予定時刻)等のような、何時までにどこで待機すべきかを示す情報が関連付けられている。また、当該情報を含んだ予約情報が、ナビゲーションシステム400から配車システム500経由又は非経由で交通予測システム100に送信され、当該予約情報も、移動需要の予測と配分交通量の算出とのうちの少なくとも一つに利用される。予約情報は、商用車両の供給量の予測値に比べて確度の高い情報であるため、予約情報が移動需要の予測や配分交通量の算出に使用されることで、より精度の高い移動需要予測や配分交通量算出が期待できる。

0130

以上の第1実施形態〜第3実施形態の説明を、例えば以下のように総括することができる。

0131

移動支援システムが、経路検索結果情報60(経路検索結果の履歴データである検索結果履歴データの一例)を取得する取得部51と、過去実績DB1021(移動需要に関する過去の実績データの一例)と取得された経路検索結果情報60とを基に将来の移動需要を予測する予測部52とを備える。経路検索結果情報60は、ODペア(出発地と目的地とのペア)と、予定時刻(予定出発時刻と予定到着時刻とのうちの少なくとも一つ)と、予定移動手段(徒歩及び一種類以上の乗物のうちの予定される移動手段)との関係を示す。予測される移動需要は、各ODペアについて、移動手段と、交通量と、時間帯(出発時刻及び到着時刻のうちの少なくとも一方が属する時間帯)との関係を示す。移動需要の移動需要の予測は、経路検索結果情報60が示す関係から各ODペア及び各移動手段について将来の各時間帯について予測される交通量を、過去の実績データに基づき将来の各時間帯について特定される交通量に反映することを含む。このように、過去の実績データと経路検索結果情報60は、いずれも、地点及び時刻に関する情報を含み、故に、過去の実績データから特定された交通量と、経路検索結果情報60から予測された交通量を、地点と時間帯で対応付けることができる。過去の実績データに基づき将来の時間帯について特定される交通量が、当該時間帯で非日常的なイベントがあっても、当該非日常的なイベントに向けて行われた経路検索結果を含む経路検索結果情報60から予測される交通量を基に補正される。これにより、移動需要の予測の精度を高く維持することが期待できる。

0132

移動支援システムは、更に交通流シミュレーション部103を備えてよい。交通流シミュレーション部103は、予測された将来の移動需要に基づいて配分交通量を算出し算出された配分交通量を示す情報である配分交通量情報62を出力する。配分交通量は、検索結果としての経路に含まれ得る各リンクについて時間帯及び移動手段毎の交通量でよい。このような配分交通量から、リンク毎に移動コストの特定が可能となり、結果として、有効な迂回経路の提供を支援できる。

0133

移動支援システムは、更に評価部104を備えてよい。評価部104は、配分交通量情報62を基に、検索支援情報63(ユーザ端末300から発行された経路検索要求に応答して行われた経路検索の経路検索結果が示す出発地から目的地までの移動コストを示す情報を含んだ情報であり当該経路検索要求に応答してユーザ端末300に返答される提示情報の基になる情報)を生成し、当該検索支援情報63を送信する。このような検索支援情報63があることで、経路検索において有効な迂回経路の提供が可能である。

0134

取得部51が、経路検索要求に応答して行われた経路検索結果を示す経路検索結果情報60を、経路検索を行うナビゲーションシステム400から受け付けてよい。評価部104が、検索支援情報63を、経路検索要求に応答してユーザ端末300に返答する提示情報を検索支援情報63に基づき決定するナビゲーションシステム400に送信してよい。このように、経路検索を行うナビゲーションシステム400と連携することで、移動需要の予測精度を高めるための経路検索結果情報60を入手でき、且つ、当該情報60を基に得られた検索支援情報63をナビゲーションシステム400にフィードバックするといった経路検索支援(結果として、ユーザの移動支援)をすることができる。

0135

検索支援情報63は、目的地の最寄り駅経由する移動コストの他に、当該最寄り駅と異なる駅を経由する迂回経路の移動コストを示す情報を含んでよい。「最寄り駅と異なる駅」としては、最寄り駅と同じ路線であるが当該最寄り駅の手前の駅と当該最寄り駅より先の駅とのうちの少なくとも一つが採用されてもよいし、最寄り駅と異なる路線にある駅が採用されてもよい。これによれば、最寄り駅で混雑して利用を予定していた商用車両に乗れずに予定到着時間までに目的地へ到着できないといった可能性を低減することが期待できる。

0136

経路検索の結果は、一つ以上の候補経路を含んでよい。予測部52が、一つ以上の候補経路の各々について、一つ以上の候補経路のうちユーザ端末300のユーザにより当該候補経路が選択される確率である選択確率を基に、将来の移動需要を予測してよい。これにより、移動需要の予測精度の一層の向上が期待できる。なお、「選択確率」は、ユーザ毎にナビゲーションシステム400と交通予測システム100とのうちのいずれかで集計されてよい。

0137

評価部104が、更に、各リンクについて時間帯毎の商用車両需要に関する情報を示す商用車両需要情報65を配分交通量情報62を基に生成し、当該商用車両需要情報65を、当該商用車両需要情報65を基に商用車両の配車先を決定し当該商用車両を誘導する配車システム500に送信してよい。これにより、比較的或る時間帯で混雑することが予測されるエリアに当該時間帯よりも前に当該エリアに存在する商用車両の数が通常よりも多い状況を作ることが期待できる。

0138

移動支援システムが、更に配車予測部105を備えてよい。配車予測部105が、複数の商用車両の稼働に関する情報である稼働情報66を配車システム500から受け付け、当該稼働情報66と移動需要情報61(予測された移動需要)とを基に、一つ以上の商用車両の配車先を予測してよい。交通流シミュレーション部103が、予測された移動需要の他に、一つ以上の商用車両の配車先の予測結果を基に、配分交通量を算出してよい。これにより、予測された移動需要に基づき算出される配分交通量の精度も向上することが期待できる。

0139

配分交通量の算出は、商用車両の乗車地点及び降車地点を示し商用車両を予約することを示す情報である車両予約情報67に基づいていてよい。これにより、予測された移動需要に基づき算出される配分交通量の精度の一層の向上が期待できる。なお、車両予約情報67は、ナビゲーションシステム400及び配車システム500のいずれかから受け付けられてよい。

0140

ユーザ端末300への提示情報が、少なくとも一つの候補経路について、商用車両の乗車地点及び降車地点を示している場合、当該候補経路について商用車両の予約を受け付けるユーザインターフェース情報を含んでいてよい。車両予約情報67は、ユーザインターフェース情報を介して受け付けられた予約に基づく情報でよい。このように、経路検索結果として提示される情報を通じてユーザは商用車両を予約でき、ユーザにとっての利便性が高い。

0141

予測部52は、経路検索結果情報60が示す目的地毎に、下記、
・当該経路検索結果情報60に基づき予測される交通量を考慮した交通量が、過去実績DB1021(及び記録DB1022)から特定された交通量を超えるか否かを判断する、
・当該判断の結果がの場合、当該目的地について、非日常OD表1011に関し、当該目的地までの交通量として、ゼロ(所定値の一例)を設定する、及び、
・当該判断の結果が真の場合、当該目的地について、非日常OD表1011に関し、当該目的地までの交通量として、当該目的地に対応した出発地毎に、予測される交通量を設定する、
を行ってよい。移動需要情報61は、非日常用OD表1011が日常OD表1012(過去実績DB1021(及び記録DB1022)に基づく統計データの一例)に反映された情報でよい。これにより、移動需要情報61が示す移動需要の精度が高いことが期待される。

0142

移動需要情報61は、過去実績DB1021(及び記録DB1022)を用いた統計的処理の結果として得られたデータと、経路検索結果情報60に基づき学習モデルを用いた演繹的推理の結果として得られたデータとに基づいていてよい。これにより、移動需要情報61が示す移動需要の精度が高いことが期待される。

0143

移動支援システムは、ナビゲーションシステム400を含んでもよい。また、移動支援システムは、ナビゲーションシステム400及び配車システム500の少なくとも一つを含んでもよい。

0144

以上、幾つかの実施形態を説明したが、これらは本発明の説明のための例示であって、本発明の範囲をこれらの実施形態にのみ限定する趣旨ではない。本発明は、他の種々の形態でも実施することが可能である。

0145

例えば、ナビゲーションシステム400及び配車システム500のうちの少なくとも一つが無くてもよい。

0146

また、例えば、ナビゲーションシステム400を含んだ移動支援システムの表現の一例として、次のような表現が採用されてもよい。すなわち、移動支援システムは、ユーザ端末から経路検索要求を受け付ける受付部(例えば通信部401)と、当該経路検索要求に応答して経路検索を行い当該経路検索の結果としてユーザ端末に返答(提示)する情報である提示情報を、検索支援情報を基に決定する経路検索部と、決定された提示情報をユーザ端末に送信する送信部(例えば通信部401)とを備える。検索支援情報は、将来の期間(例えば単位時間)毎に、地点間(例えば、リンク又はODペア)毎及び移動手段毎の移動コスト(例えば、交通量、距離、料金、所要時間)を示す情報を含んでよい。このような検索支援情報は、例えば、上述したように、経路検索結果情報60に基づき移動需要の予測と配分交通量の算出とを経て生成されてよい。移動支援システムは、ナビゲーションシステム400それ自体でもよいし、交通予測システム100を含んでもよい。

0147

100…交通予測システム

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

関連する公募課題

該当するデータがありません

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

関連する挑戦したい社会課題一覧

この 技術と関連する公募課題

該当するデータがありません

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ