专利名称：配车系统的制作方法
技术领域：
本发明涉及一种配车系统，特别涉及一种可以在包含多个站点的一定的区域内按照在各站点中的乘车需求以在系统中已设定的所希望的等待时间从而稳定地提供(配车)车辆的配车系统。
在按照在多个站点中发生的乘车需求调配配备在区域内的一定台数的车辆的系统中，有时对于在区域内地各站点发生的乘车需求车辆不能满足。这种情况下，可以考虑采用从其他有富余的车辆的站点调出车辆(以下称为再次配车)以满足乘车需求的配车系统。
但是，在这种配车系统中，一旦产生车辆不足的情况，因为是事后对应的系统，所以车辆从其他站点到达需要车辆的站点需要一定时间。另外，由于在再次配车中发生新的车辆需求和在再次配车前从另一站点发出的车辆的还车，在各站点中有时产生新的车辆的剩余不足，不能针对乘车需求稳定地设定所希望的等待时间。
为了消除上述问题，可以考虑根据预测乘车需求数据进行再次配车。例如，可以根据各站点的现有车辆数和在各站点中现在出现的乘车需求以及过去的乘车需求统计数据预测出乘车需求，按照预测出的乘车需求数据调配车辆。作为根据乘车需求预测调配车辆的例子，有记载在日本专利公报9-153098号公报上的车辆需求预测系统。
在上述车辆需求预测系统中，当车辆需求统计数据和实际的乘车需求之间发生偏差时，可以考虑改变在系统中设定的所希望的等待时间。在用上述统计数据一边预测乘车需求一边进行再次配车的系统中，即使在实际的乘车需求偏离上述统计数据的情况下，也希望在系统中被设定的等待时间处于所希望的范围内。这在配车系统具有多大的一富余度的问题上以及在确定该系统的有用性上是非常重要的因素。
本发明的目的就是鉴于上述认识，提供一种在根据过去的乘车需求统计数据的配车系统中对于实际的乘车需求和上述统计数据之间的偏差可以使等待时间的变动减小的配车系统。
用于解决上述问题、实现上述目的的本发明是一种在使用根据在被设置于区域内的多个站点中发生的乘车需求和全部站点的乘车需求统计数据的预测乘车需求数据预测出乘车需求、再从具有富余车辆的站点向车辆不足的站点再次配车的配车系统，其特征在于当根据上述乘车需求统计数据给出了每天的全部预测乘车需求数据的数的情况下，将整个区域内的车辆的配备台数设置为按照下面的公式1算出的数值以上配备台数＝区域内的全部站点数×(相当于各站点间的平均移动时间的预测乘车需求数据的数)…(公式1)这里的“相当于各站点间的平均移动时间的预测乘车需求数据的数”可从上述每天的全部预测乘车需求数据的数值中换算出来。
如果采用上述特征，则只需按照相当于在车辆移动于各站点之间所需要的时间的平均值(平均移动时间)中预测发生的乘车需求数在各站点中配备车辆。因而，理论上在发生乘车需求时通过从其用车需求的目的地站点向发生用车需要的站点进行再次配车，就可以设置成在从乘车需求发生时到经过上述平均移动时间后和上述乘车需求发生时同样的车辆配备状态。
因而，即使过去的乘车需求统计数据和实际的乘车需求有偏差，也可以在系统中实现有富余车辆配备，可以提供在系统中被设定的所希望的等待时间的变动极少的配车系统。换句话说，可以设定在区域中的等待时间的变动少的配车系统的最适宜车辆配备数。
图1是表示本发明的实施例的配车系统的构成的系统图。
图2是表示被配置在站点中的终端和主计算机中的主要功能的方框图。
图3是表示再次配车指示前的各站点的乘车需求以及车辆数的示意图。
图4是表示再次配车指示后的各站点的乘车需求以及车辆数的示意图。
图5是车辆剩余不足计算的流程图。
图6根据车辆剩余不足计算结果的再次配车设定的流程图。
图7是表示各站点之间的车辆的移动时间的一个例子的示意图。
图8是表示配备台数和再次配车数的关系的示意图。
图9是表示配备台数和平均等待时间的关系的示意图。
图10是表示各站点之间的车辆的移动时间的模拟结果的示意图。
图11是表示1天的乘车需求的推移的示意图。
图12是表示每个配车台数的等待时间的偏差的示意图。
图13是表示每个配车台数的等待时间的偏差的示意图。
以下，参照图面详细说明本发明。图1是表示本发明的一个实施例的配车系统的概要系统图。在此，假定在区域内设置了5个站点。站点P1、P2、P3、P4、P5(以下，在没有图示特定的站点的情况下，仅统称为“站点P”)是被设置在高尔夫场、机场、饭店等处的一定的停车场地，在区域内配备多台车辆4。关于在区域内配备的最佳的车辆台数将在以后叙述。在站点P中分别设置终端2。另外，在各终端2中分别连接检测站点P中的车辆出入的传感器3。
传感器3具有识别用于特指特定车辆4的车辆号码功能，这里所说的车辆号码可以是被安装在车辆前后上的车牌上的号码，也可以是在车辆的侧部和上部等适宜检出的位置上的被特别记录的车辆号码。另外，车辆号码不限于数字，也可以是使用条形码和文字/记号等符号的识别信息。传感器3可以使用用于采用光学方法读取被记录在车辆上的上述车辆号码的光学传感器。
终端2具有识别车辆用车者的识别装置(未图示)，该识别装置从用车者输入的ID号码等判断用车者是不是已登记的签约者。ID号码等最好是被记载在IC卡中的信息。上述识别装置在用车开始时读取用车者出示的IC卡的信息，另外，在用车结束之后为了识别车辆的使用结束而读取用车者拿出的IC卡的信息。终端2具有用于用车者输入目的地的输入装置(未图示)。该输入装置可以用(比方说)与站点名对应的开关构成。
车辆4可以是比方说自动行走的电动汽车，其构成是当允许用车者使用车辆的情况下，门锁会打开，用户可以开始驾驶。本发明并不限于自动打开门锁，也可以由用车者使用上述IC卡解除门锁。无论是哪种情况，都希望以在乘车的站点P的终端2中识别出IC卡的用车者的识别信息(ID号码等)被识别为前提。
终端2通过通信线路和主计算机(以下，成为“主机”)1连接，在终端2和主机1之间相互进行数据的收发。用车者乘车的站点P的终端2向主机1发送该站点P的现有车辆号码以及车辆数、签约者ID号码、乘车需求(用车请求)等。用车请求在用车者输入了ID号码时发生。用车请求中包含目的地信息。主机1根据上述ID号码并参照签约者的个人信息判断是否应该允许使用车辆后，指示终端2允许借出及借出车辆。通过借出许可以及借出车辆的指示就可以实现乘车。在完成借出许可以及借出车辆的指示时产生“发车事件”。
另一方面，用车者已到达的站点P的终端2向主机1发送该站点P的现有车辆号码以及车辆数以签约者ID号码、到达确认信息(还车事件)、以及签约者行驶数据等。还车事件在传感器3检测出与上述发车事件对应的车辆4进入了站点P时输出。
主机1在具有运算装置(CPU)10和存储装置(存储器)11的同时，具有用于向各车辆4传递指示的通信装置12。其中，运算装置(CPU)10是用于根据从终端2输入的信息进行用于指示终端2允许借出以及借出车辆的运算的运算装置。在存储装置11中存储着作为全部站点的乘车需求统计数据的1种的各个站点P的预测乘车需求数据(以下，称为“预测发车事件”)，另外，还存储着签约者信息和签约者行驶数据等的数据。预测发车事件是以过去的实际用车请求为基础设定的1天的用车请求预测。签约者信息是与上述ID信息号码对应的签约者的姓名等的个人信息。签约者行驶数据指行驶距离和行驶时间，是用于向签约者收取租金的信息。
图2是表示上述终端2以及主机1的主要功能的方框图。终端2具有用于向主机1通知用车请求、还车事件、签约者ID以及现有车辆数的用车请求通知装置20，还车事件通知装置21，签约者ID通知装置22以及现有车辆数通知装置23。用车请求通知装置20在使用者输入了ID号码时通知用车请求发生，还车事件通知装置21通知由传感器3检测出的车辆入场检出结果。签约者ID通知装置22通知从IC卡等读出的ID号码。现有车辆数通知装置23通知根据上述传感器23检测出的车辆号码以及车辆的出入的检出结果计数出的现有车辆数。
进而，终端2还具有用于向用车者指示或者介绍乘车车辆的显示装置24。该显示装置24根据从主机1输入的借出许可等进行显示，可以用图形信息通知，也可以用声音通知。终端2具有用于和主机1进行数据通信的通信接口25。进而，显示装置24也可以在在站点P中有可乘坐的车辆4、在ID卡输入后可以直接发出乘车车辆指示的情况下，进行车辆号码等的通知，当车辆4不足的情况下通知预测等待时间。
主机1的存储器11具有预测发车事件存储部分110和签约者信息存储部分111。预测发车事件存储部分110将1天的乘车实际需要在各个站点P中作为时间系列的数据积累，作为预测发车事件提供给CPU10。预测发车事件对天气、日期和时刻、星期几等积累过去的乘车实际需要，可以将与此日期和时间、天气、星期几等对应的预测发车事件提供给CPU 10。在签约者信息存储部分111中存储着上述签约者信息和签约者行驶数据。签约者信息是预先登记的，签约者的行驶数据被从终端2中输入。
CPU 10通过通信接口107和终端2的通信接口25连接。CPU 10的需要数判别部分101，根据存储器11的预测发车事件，判别每1小时发生被预测用车请求。SD设定部分102可以根据上述被预测的用车请求是否超过基准台数，检索在预测发车事件中从现在时刻至几小时(或者几分钟后)的数据，也就是确定检索区域(以下也称为“检索程度时间”或者“SD时间”)。关于SD时间的确定算法将在下面叙述。
预测乘车需求检出部分103从预测发车事件存储部分110读出在SD设定部分102中被确定的SD时间内的预测发车事件，输出到剩余不足数算出部分104。剩余不足算出部分104根据从终端2输入的每个站点P的用车请求及现有车辆数以及上述预测发车事件，算出车辆的剩余不足。车辆的剩余不足数可以考虑在根据被包含在上述用车请求中的目的地信息预测的目的地站点中的还车事件后算出。
再次配车设定部分105根据各站点P的车辆4的剩余不足数，输出用于使剩余的车辆4移动到其他的站点P也就是再次配车的指示。该再次配车指示通过通信装置12通知车辆4。在车辆4中设置有通信装置和自动行驶装置使其可以适应再次配车的要求。自动行驶装置可以采用利用地图数据、GPS的位置检测系统以及利用信号机和障碍物监视系统等已有系统。
配车设定部分106在有可以乘坐的车辆时，直接通知终端2可以出借以及借出车辆。另外，当车辆不足的情况下，根据还车事件和由上述再次配车设定部分105指示的再次配车的到达预定时刻等算出等待时间，并通知终端2。这样，用车者可以知道等待时间。
下面说明具体的配车例子。如果只用各站点P的现有车辆和现在时刻的用车请求进行车辆的再次配车，则由于产生因用车请求的变动和车辆的移动引起的新的车辆剩余不足而不能进行高效率的配车。因此，在本实施例中，调查在预先设定的SD时间内的用车请求和还车事件后再计算出车辆的剩余不足，进行再次配车。图3是表示因各站点P中的发车事件和还车事件的发生引起的车辆数变化的示意图。在此图中，虽然预计了在现在SD时间内可以预料的出行的发生，但再次配车部分没有考虑。
在图3中，在站点P1中用车请求是“3”。因为现有车辆数是“0”，所以现在缺3辆车。在该站点P1中，有在此时刻之前因在另一站点发生的发车事件引起的还车事件Ta1，和由在站点P3中发生的在现SD时间内之初的发车事件Td3引起的还车事件Ta11。另一方面，因为已预测到预测发车事件Tf1，所以合计用车请求变为“4”。因而，因为相对在现SD时间内可以使用的车辆数用车请求是“4”，所以其结果是缺2辆车。
在站点P2中因为用车请求是“0”，现有车辆数是“5”，所以现在车辆富余5辆。在该站点P2中，因为已预测到预测发车事件Tf2、Tf21发生，所以合计用车请求变为“2”。因而，因为相对现SD时间内可以使用的车辆数“5”来说用车请求是“2”，所以其结果富余3辆车。
因为在站点P3中用车请求是“5”，现有车辆数是“2”，所以现在缺3辆车。在该站点P3中，因为现有车辆2辆，所以直接答应2个用车请求，发车事件Td3、Td31发生。另外，有在此前的SD时间中在其他的站点中产生的发车事件的还车事件Ta3、Ta31。因为没有预测发车事件，所以合计用车请求为“5”不变。其结果，因为相对在现SD时间内可以使用的车辆数“4”来说用车请求数是“5”，所以车辆缺1辆。
因为在站点P4中用车请求是“1”现有车辆数也是“1”，所以目前时刻没有车辆的过剩或者不足。在该站点P4中，因为现有车辆是1辆，所以直接答应用车请求发车事件Td4。另外，在该站点P4中，因为已预测到有预测发车事件Tf4，所以合计用车请求变为“2”。另外，预测到在站点P3中发生的发车事件引起的还车事件Ta4。因而，因为相当于在现SD时间内可以使用的车辆数“2”来说用车请求是“2”，所以没有车辆的剩余不足。
在站点P5中因为用车请求是“0”，现有车辆数是“1”，所以目前时刻富余1辆车。在该站点P5中，有在站点P4中发车事件Td4的还车事件Ta5，并且，在此前的SD时间中有在其他的站点中发生的发车事件的还车事件Ta51。另外，因为预测到有预测发车事件Tf5，所以合计用车请求变为“1”。其结果，因为相对在现SD时间内可以使用的车辆数“3”来说用车请求是“1”，所以车辆富余2辆。
以上述SD时间内的车辆数和用车请求的变动为前提设定再次配车。以下，分阶段说明再次配车的算法。首先作为第1阶段，检测在SD时间内可以再次配车的站点和车辆数。在上述情况下，在站点P2和站点P5中因为车辆富余所以可以进行再次配车。作为第2阶段，求再次配车富余车辆之后的剩余车辆数。而后，作为第3阶段判断用该剩余车辆数是否可以满足下次发生的用车请求。即，在再次配车所有的车辆之后，至通过还车事件等该站点P的车辆数恢复之前发生用车请求的情况下，不能直接答应该用车请求。因此，如果预定剩余车辆数可以作为下次发生的用车请求的车辆使用，就可以进行再次配车。
在上述的情况下，在站点P2中，因为即使再次配车剩余的3辆车还剩下2辆车，所以即使应允下次发生的预测发车事件Tf2也还剩下1辆车。因而，在站点P2中有进行3辆车的再次配车后的富余，可以进行再次配车。另一方面，在站点P5中，如果再次配车剩余的2辆则剩余车辆数就变为1辆，如果答应下次发生的预测发车事件Tf5则没有剩余车辆。这样，因为如果在站点P5中再次配车则剩余车辆数没有富余，所以不能实行再次配车。
进而，最好从距离车辆不足的站点P最近的站点P进行再次配车。例如，当假设在站点P5中没有下次的用车请求的情况下，可以从站点P2和站点P5的双方进行再次配车，对于车辆不足的站点从最近到达站点进行再次配车。在此，在假设距离车辆不足的站点P1和站点P3最近的站点中P2比站点P5还近的情况下，从站点P2向站点P1再次配车1台，从站点P2向站点P3再次配车1台。
在根据上面的研究结果进行再次配车的情况下，在SD时间内在各站点P中的车辆数的变化表示在图4中。在图4中，在站点P1中，目前用车请求的1个用车者可以乘坐还车事件Ta1的车辆，第2、3个用车者可以乘坐被从站点P2再次配车来的2辆车(Dv1、Dv2)。而后，预测发车事件Tf1的用车者可以乘坐到达用车请求Ta11的车辆。
在站点P2中向站点P1再次配车2辆(d1、d2)，向站点P3再次配车1辆(d3)。而后，预测发车事件Tf2的用车者可以乘坐现有车辆(V1)，预测发车事件Tf21的用车者可以乘坐现有车辆(V2)。
在站点P3中因为现有车辆2辆，所以可以直接答应5个用车请求中的2个，2个用车者可以乘坐发车事件Td3、Td31的车辆。另外，第3和第4个用车者可以乘坐还车事件Ta3、Ta31的车辆，第5个用车者可以乘坐从站点P2再次配车来的车辆(Dv3)。
在站点P4中因为现有车辆1辆所以可以直接答应1个用车请求，用车者可以乘坐发车事件Td4的车辆。另外，与预测发车事件对应的用车者可以乘坐还车事件Ta4的车辆。进而，虽然在站点P4中有还车事件Ta41，但这根据在站点P5中的预测发车事件Tf5的车辆不能预测，在研究再次配车时不与考虑。
在站点P5中虽然现有车辆1辆，但因为没有用车请求，所以没有马上发车事件。预测发车事件Tf5的用车者可以乘坐现有车辆V5。其后发生的还车事件Ta5、Ta51的车辆，因未被再次配车而富余。在站点P5中，虽然有根据在站点P4中发生的预测发车事件Tf4的还车事件Ta52，但这是不能预测的，在研究再次配车时不与考虑，也可以根据统计数据，考虑该还车事件Ta52进行计算。
这样的结果，在站点P1～站点P3中在SD时间内因没有车辆剩余不足而可以适应需要，进而在站点P4中剩余车辆1辆，在站点P5中剩余车辆3辆。
在上述例子中，在现在SD时间内可以适应用车请求。但是，当在该SD时间内不能适应用车请求的情况下，不够的车辆留待下次的SD时间的再次配车研究时解决。另外，在预先设定最大等待时间并且在该现在SD时间中超过设定最大等待时间的情况下，还包含确定为先前没有再次配车的站点P进行可以再次配车的车辆的调配，以满足用车请求。
以下，参照流程图进一步说明上述的再次配车的处理。图5是车辆剩余不足计算处理的流程图。在步骤S1中，在表示站点P的参数P中置“0”，在步骤S2中使该参数P增加(+1)。总之，以下的处理涉及用参数P代表的站点。在步骤S3中将等待还车事件也就是根据在前一次计算中产生的发车事件的还车事件作为参数NTA置位。在步骤S4中将现有车辆数作为参数NPV置位。在步骤S5中将现有用车请求数置位为参数DP。在步骤S6中将预测发车事件数设置为参数DT。
在步骤S7中判断还车事件是否在现SD时间发生。该判断是通过其他全部站点有无发车事件，以及在有发车事件时包含于该用车请求中的目的地信息中包含本站点，通过是否在该SD时间内到达的计算进行判别。该计算根据站点之间的已知的距离以及车辆的预定行驶速度进行。如果步骤S7是肯定的，则进入步骤S8，将该还车事件(NTA)加在上述还车事件数NTA以及现有车辆数NPV上作为可以使用的车辆数NP。
在步骤S9中进行剩余不足的运算。也就是从车辆数NP中减去现有用车请求数DP以及预测发车事件数DT求车辆剩余不足数VNP。在步骤S10中判断再次配车后的车辆数是否充分。该判断是通过在再次配车通过剩余不足的计算而判断为有富余的车辆后的情况下有剩余车辆而且是否可以满足下次发生用车请求进行判断。如果该判断是肯定的，则进入步骤S11，建立起表示可以实行再次配车的标志PF。另一方面，如果不可以进行再次配车，则进入S12，清除标志PF。
在步骤S13中，判断参数是否变为“5”，也就是判断是否对全部的站点计算了车辆的剩余不足。至该判断变为肯定之前进入步骤S2继续计算，求站点P1～P5的车辆剩余不足数。
下面说明根据上述车辆的剩余不足计算结果进行的再次配车设定处理。在该再次配车设定处理中，将各站点可停车辆数即停车场的大小考虑在内进行再次配车。这是因为当在各站点中的可停车辆数(以下，称为“容纳台数”)小而在区域中的车辆的总配备台数多的情况下，在车辆出入时发生堵塞，车辆多等待时间比较长的缘故。
图9是将容纳台数作为参数表示等待时间和车辆数的关系的图。从该图可知，等待时间表现为极小值的车辆数同样存在，即使车辆数增多，也不一定可以缩短等待时间。例如，在将总配备台数设定为75台的情况下，容纳台数(CAP)在30台时约为4分钟，40台时为2分钟，50台时为1分钟，但容纳台数在20台时变为未图示的长等待时间。因此，如下一流程图所示，要根据站点的容纳台数进行再次配车。
图6的流程图中，在步骤S20中，在表示站点P的参数P中置“0”，在步骤S21中使该参数P增加(+1)。在步骤S22中通过是否建立起上述标志PF判断在站点P中是否有可配车的车辆。如果判断为可以再次配车就进入步骤S23，判断在距该站点P预定距离的站点中车辆是否不足。这是为了向尽可能近的站点优先再次配车，而判断预先规定的最小距离内的站点的车辆是否不足。
如果在步骤S23中是肯定的，则进入步骤S24，从该站点P向车辆不足的其他站点再次配车。但是，即使在计算出在SD时间内车辆有剩余的情况下，也可以认为是没有现有车辆。因而，可以在现有车辆的区域内进行再次配车。如果进行了再次配车则进入步骤S25，以再次配车引起的变动为基础变更各站点的车辆剩余不足数。
另一方面，当步骤S22以及步骤S23的某一个判断为“否定”的情况下，也就是在该站点中没有可以再次配车的车辆的情况下或者没有距该站点规定距离的车辆不足的站点的情况下，进入步骤S41。
在步骤S41中，判断容纳台数CAP是否在估计为在SD时间内可以使用的车辆数NP以下。在该判断是肯定的，也就是在SD时间内超过在该站点中可以容纳的台数的车辆进入该站点这一预测成立的情况下，进入步骤S42。在步骤S42中，判断是否有其他车辆不足的站点。当有车辆不足的站点的情况下，进入步骤S24，向该站点再次配车。
当没有车辆不足的站点的情况下，从步骤S42进入步骤S43，检测出现有车辆最少的站点。如果确定了现有车辆最少的站点，则进入步骤S24，向该站点再次配车。如果再次配车结束，则进入步骤S25，以最新值更新各站点的车辆剩余不足数。
在步骤S26中通过判断参数P判断是否对所有的站点P进行了处理。如果该判断是肯定的，就进入步骤S27，判断车辆不足的站点是否依然存在。如果该判断为否定就结束处理，如果是肯定的，就进入步骤S28，判断是否超过预先设定为在该SD时间中不能进行再次配车的最大等待时间。如果该判断是否定，就进入步骤S29，不足车辆在下次的SD时间的用车请求中解决。即，留作下次车辆剩余不足计算时的现有用车请求。
另外，当超过最大等待时间的情况下，为了在现在SD时间中消除不足，检索在更远的站点中是否有剩余车辆。因此，为了扩大在步骤S30中检索的站点而增大距离设定。
增大距离的结果是，例如即使存在有剩余车辆的站点，从那里再次配车其结果有时超过最大等待时间。因此，在步骤S31中，判断在从重新设定了距离的站点进行的再次配车是否在最大等待时间内解除车辆的不足。如果该判断是肯定的，则不进行从远处站点的再次配车而进入步骤S29，在下次的SD时间补充不足车辆。
如果步骤S31的判断是否定的，则返回步骤S20。而后，在处理步骤S30之后的步骤S23中，判断在比上次还远的站点中是否有车辆不足。
通过上述步骤S41～S43的处理，当判断为合计现有车辆数以及预测到达车辆数的数不能全部容纳在本站点中的情况下，即使车辆不足的站点不是临近的站点的情况下也可以向该车辆不足站点再次配车，从而防止本站点的阻塞。另外，当完全没有车辆不足的站点的情况下，通过向现有车辆最少的站点再次配车使得在本站点中没有阻塞。进而，当现有车辆少的站点有多个的情况下，可以变为向距离最近的站点再次配车等。
以下，说明用于SD时间设定的计算方法。图7是表示各站点之间的再次配车所需要时间的示意图。如图所示，最远的站点之间所需要的时间是30分钟，最近的站点之间也需要5分钟。从该图可知，即便确定在不足5分钟的SD时间中可以再次配车的车辆数，在该SD时间中被再次配车的车辆也不能到达预定的站点。另外，在5分钟以上7分钟以下的SD时间中只能在站点P1以及站点P2之间再次配车。进而，在7分钟以上9分钟以下的SD时间中只能在站点P1以及站点P2之间，以及站点P2以及站点P3之间再次配车。以下，如果进行同样的研究。则在30分钟以上的SD时间内可以在全部站点之间进行再次配车。这样，为了可以再次配车就需要设定各站点P之间的最小所需要时间以上的SD时间。在图7中是5分钟以上。
另外，在和最大等待时间的关系中，需要设定比最大等待时间短的SD时间。例如将最大等待时间设定为15分钟的情况下，SD时间需要设定为不足15分钟，这种情况下，可以在站点P1以及P2之间，站点P2以及站点P3之间，站点P3之间以及站点P4之间，站点P4以及站点P5之间进行再次配车。进而，在使汽车自动行驶再次配车的情况下，各站点之间的所需要时间当然要根据自动行驶时的行驶速度确定。
以下说明用来根据与被配备的车辆台数的联系确定SD时间的算法。如果配备和站点P中的总用车请求数同样数量的车辆，则可知在该站点中不需要再次配车，配备在站点P中的车辆数越少，则再次配车数越多。因而，当车辆的配备台数多，再次配车的必要性低的情况下，可以设定SD时间短，在站点P中的等待时间也有缩短的倾向。
但是，因为配备台数无限增多是不经济的，所以希望通过延长SD时间，积极地灵活运用再次配车来减少配车台数。另一方面，如果减少配备台数使SD时间过分延长，则有等待时间延长的倾向。另外，如果SD时间增长则等待时间增加，但因为可以期待很多来自其他站点的还车事件所以再次配车数比较少。因而，可以通过综合研究配车台数、再次配车台数、以及等待时间确定SD时间。
图8是以SD时间为参数表示车辆的配备台数和再次配车数的关系图，图9是以SD时间为参数表示车辆的配备台数和平均等待时间的关系图。在图8中，在配备台数在a台以下，再次配车台数在A以下这一设定条件中，如果配备台数减少，则在同样的SD时间中再次配车数减少(假设SD时间为SD1＞SD1＞SD3＞SD4)。另一方面，从图9中看出，如果减少配备台数少则平均等待时间延长。即，因为如果配备台数减少则再次配车数减少，所以其结果是等待时间延长。
因而，当配备台数减少时，需要增加再次配车数，使得平均等待时间不超过其上限值B，因此必须缩短SD时间。换句话说，如果要减少再次配车数则需要增加SD时间，如果要减少平均等待时间则需要缩短SD时间。
举例来说，如果设定点L、M、H，则无论哪一点都要共同满足平均等待时间的上限B以及再次配车数A台的设定。因而，使配车台数、再次配车数、以及平均等待时间的哪一个优先，可以根据各个时期的必要性(例如，业务判断)确定。
下面，说明对理想的车辆配备台数的研究结果。为了在在各站点中实际发生的用车请求和由乘车需求统计数据的预测发车事件预测的用车请求之间有差别时也将等待时间设置为“0”，理论上，在发生1个用车请求时通常应该在全部站点中各有一辆车。另一方面，当在某一站点中发生了用车请求的情况下，如果配备有可以从该用车请求的目的地向上述发生用车请求的站点再次配车的车辆，则在车辆移动于这2个站点之间的时间后，由于这2个站点中必然有车辆，所以全部站点的车辆配备台数成为和初始状态相同。
假定，当在全部的站点之间的移动时间一定的情况下，在某个站点中发生了用车请求时，即使从其中的某个站点向该站点再次配车，如上所述如果在各车辆出入的站点之间通过再次配车补充车辆，则在移动时间后可以使全部的站点中都有车辆。而后，如果用车请求的发生频度在上述各站点之间的每一移动时间中是1次，则如果在各站点中配备1辆车，理论上等待时间为“0”。
因而，实际上，应该根据每1天的全部预测发车事件的次数换算在全部区域中预测的预测发车事件在上述每一移动时间中有几次，由此确定配备台数。
以下以具体的数值为基础说明一个模拟例子。图10是表示用于特定区域大小的各站点P1～P5相互间的行驶时间的示意图。图10(a)是有人驾驶车辆的情况下的行驶时间(时速48公里/小时)，图10(b)是无人自动行驶时的行驶时间(时速16公里/小时)。
图11是表示1天的乘车需求的实测值的一个例子的示意图。如图所示，乘车需求在1天中不是稳定的，有相当的变化。在此例子中1天的全部预测发车事件数是约1800次。
以上述模拟条件为基础计算最适宜的配备台数。各站点之间的移动时间以无人自动行驶时的时间为基准。再次配车时，因为比有人时的行驶速度慢，所以移动时间增长。假定平均如图10(b)所示的车辆行驶时间则为14.46分(约15分钟)。如果以1天的全部预测发车事件数1800为基准进行计算，则每15分钟的发车事件数约为18次。这就意味着有人车辆和再次配车的车辆为了相互补充而往来于各站点之间约发生了18次的出行。因而，在各个站点中，应该配备相当于各站点之间的车辆的平均移动时间的预测发车事件数量的车辆。具体地说，如果在5个站点的各自中分别配备18辆车也就是在区域内配备90辆车，则可以答应发车事件从任何一个站点再次配车。理论上，在用车请求发生时在各站点中总是存在1辆车。
但是，实际上因为除了在各站点之间的移动时间是离散的之外，1天的总发车事件数也是变化的，而且用车需求有时集中发生在某一时间，有不确定因素，所以等待时间不一定为“0”。但是，如上所述，在根据统计数据预测发车事件和还车事件进行再次配车的系统中，即使实际的用车需求偏离了预测值时也可以使等待时间的变动很小。
图12、图13是表示包含实际的用车需求(用车请求)偏离了乘车需求统计数据的预测发车事件的情况的区域内的车辆的每一配备台数的等待时间偏差的示意图。在该图中，横轴取出行数/站点数。进而，图13是将在图12中的等待时间偏差放大后的示意图。
如这两个示意图所示，如果配备台数是90台，则可知即使实际的用车需求偏离了上述统计数据，不管该偏差的大小都可以将等待时间的偏差稳定在很小。另一方面，在配备台数是72台以及54台中可知，当实际的用车需求偏离了统计数据的情况下等待时间的偏差极大变化剧烈。当出行数和站点数的比变小时，也就是对于站点数出行数很少时偏差增大，但如果对于出行数“1800”站点数在“10个以下”，则在出行数和站点数中的等待时间的偏差小。总之，在出行数和站点数中等待时间难于受到影响。
如上所述，如果根据相当于各站点之间的平均移动时间的预测发车事件的次数确定车辆配备台数，就可以对于实际的用车需求的变动设置稳定的配车系统。
进而，从图11也可以理解，用车需求并不是在1天(24小时)的所有时间发生，存在完全没有用车需求的时间带(4小时)。因而，1天的全部预测发车事件的总乘车需求1800次出行可以考虑为20小时中的出行，可以换算相当于各站点之间的平均移动时间的预测发车事件数。
在这种情况下，最好还考虑在各站点之间的出行的发生频度不均等有偏差。例如，可以考虑在站点P1～P2之间往来的车辆数，比在站点P1～P5之间往来的车辆数多的情况。
此例子表示在图10(c)中。该图是表示站点之间出行的发生频度也就是对于上述出行的比例的图。这种情况下，希望各站点之间的平均移动时间代替上述单纯平均进行加权平均。从图10(b)和(c)可知，平均移动时间变为11.91分钟(约12分钟)。因而，每20小时1800出行变为约每12分钟18出行，应该在5个站点配备90辆车。
在这样的各站点之间的出行的发生频度因为是区域固有的频度，所以在设定了区域时可以从该区域的特征推测发生频度或者采取数据进行确定。
因而，希望考虑在上述各站点之间的发车事件的频度和1天的用车需求分布，并考虑上述各站点之间的移动时间和该移动时间内的预测发车事件的次数。即，各站点之间移动时间并不是单纯平均值而是可以作为加入了发车事件的频度的加权平均值处理，这种情况下1天也不必作为24小时处理。
进而，在上述实施例中，虽然假设是使车辆自动行驶进行再次配车的系统，但本发明并不限于此，再次配车也可以是由人来驾驶，也可以用拖车等、其他的车辆牵引车辆4。另外，本发明也不限于用车者驾驶，也可以适用于出租车和包租车的配车系统。
从上述说明可知，如果采用本发明，当根据预测乘车需求数据进行再次配车的情况下，即使实际乘车需求偏离了预测乘车需求数据，也可以实现在各站点中的车辆的等待时间的变动小的富余度高的配车系统。
权利要求
1.一种配车系统，该系统利用根据在被设置在区域内的多个站点中发生的乘车需求和全部站点的乘车需求统计数据的预测乘车需求数据预测乘车需求，从有剩余车辆的站点向车辆不足的站点再次配车，其特征在于当根据上述乘车需求统计数据给出相当于1天的全部预测乘车需求数据的数的情况下，将全部区域内的车辆的配备台数设置成按照下面的公式1算出的台数以上配备台数＝区域内的全部站点数×(相当于各站点之间的平均移动时间的预测乘车需求的数)…(公式1)这里的“相当于各站点之间的平均移动实际的预测乘车需求数据的数”从相当于上述1天的全部预测乘车需求数据的数换算出。
2.如权利要求1所述的配车系统，其特征在于各站点之间的平均移动时间设置成再次配车时的站点之间移动时间的平均值。
3.如权利要求1或者2所述的配车系统，其特征在于各站点之间的平均移动时间按照基于乘车需求统计数据的各站点之间出行的发生频度进行加权平均。
全文摘要
本发明提供一种即使相对于统计数据实际的乘车需求(用车需求)偏离时等待时间的离散少的配车系统。当给出了全部站点中的总出行数的统计数据时,为了减少车辆等待时间的离散,根据下面的公式确定区域内的车辆配备台数。配备台数=站点数×(相当于站点之间的平均移动时间的预测出行数)。
文档编号G08G1/127GK1242555SQ9911040
公开日2000年1月26日 申请日期1999年7月7日 优先权日1999年7月7日
发明者村上洋, 矢野俊二, 上原裕二, 中村和宏 申请人:本田技研工业株式会社