共享车辆管理服务器和存储共享车辆管理程序的非暂时性存储介质的制作方法

本发明涉及共享车辆管理服务器和存储共享车辆管理程序的非暂时性存储介质。

背景技术：

作为共享车辆管理服务器的一个例子，例如有日本特开2012－215921所记载的服务器。该文献所记载的服务器在目的地的停车场的拥挤度比规定值高的情况下，将距离目的地的停车场的移动距离短的停车场作为替代停车场提示给用户。而且，通过在用户利用被提示的停车场时，应用与所需时间的增加量对应的折扣，来促使利用替代停车场。

然而，通常，车辆所要求的行驶性能根据每种车辆所行驶的地域的特性而有所不同。然而，在上述文献所记载的服务器中，不考虑地域的特性进行共享车辆的车辆调度，所以在提高共享车辆的便利性的方面还留有改善的余地。

技术实现要素：

本发明提供通过进行与地域的特性对应的共享车辆的车辆调度，而能够提高共享车辆的便利性的共享车辆管理服务器、以及存储共享车辆管理程序的非暂时性存储介质。

本发明的第一方式提供共享车辆管理服务器。共享车辆管理服务器具备：利用历史管理部，其构成为，按每种共享车辆的车型，将用户开始利用共享车辆的利用开始地点作为至少一个停车场的利用历史进行管理；需求量计算部，其构成为，根据上述至少一个停车场的利用历史，按每种共享车辆的车型计算上述至少一个停车场中的每个停车场中的共享车辆的需求量；以及车辆调度管理部，其构成为，根据上述每种共享车辆的车型的需求量，管理每种共享车辆的车型的针对上述至少一个停车场中的每个停车场的车辆调度，并构成为，按包括上述至少一个停车场的每个地域，管理停在上述至少一个停车场的共享车辆的利用和退还。

根据上述构成，根据按每种共享车辆的车型管理的停车场的利用历史，管理各个地域所包含的停车场中的每种共享车辆的车型的车辆调度。因此，迎合地域的特性的车型的共享车辆被优先配置于停车场，能够提高共享车辆的便利性。

在第一方式中，也可以是，上述利用历史管理部也可以构成为，将对于共享车辆的利用历史关联了有助于共享车辆的利用的属性信息得到的教师数据存储到存储部，上述需求量计算部也可以构成为，进行使用了上述教师数据的机器学习，并构成为，基于用户进行共享车辆的利用预约时输入的上述属性信息，预测每种共享车辆的车型的需求量。

根据上述构成，通过进行使用了对于共享车辆的利用历史关联了有助于共享车辆的利用的属性信息得到的教师数据的机器学习，能够预测每种共享车辆的车型的需求量。

在第一方式中，共享车辆管理服务器也可以具备收益模型优化部，该收益模型优化部构成为，通过将上述每种共享车辆的车型的需求量作为输入，并参照存储于上述存储部的每种共享车辆的车型的利用价格，来生成共享车辆的利用服务的收益模型，并构成为，在变更每种共享车辆的车型的利用价格的同时优化上述收益模型，上述车辆调度管理部也可以构成为根据与由上述收益模型优化部优化后的收益模型对应的共享车辆的需求量，变更每种共享车辆的车型的针对上述至少一个停车场中的每个停车场的车辆调度。

根据上述构成，以优化共享车辆的利用服务的收益的方式变更每种共享车辆的车型的针对停车场的车辆调度。因此，提高了运营商进行共享车辆的利用服务时的收益能力，并能够在运营商启动事业的方面给予激励。

本发明的第二方式提供共享车辆管理服务器。共享车辆管理服务器具备：利用历史管理部，其构成为，按每种共享车辆的车型，将用户开始利用共享车辆的利用开始地点作为至少一个停车场的利用历史进行管理；需求量计算部，其构成为，根据上述至少一个停车场的利用历史，计算上述至少一个停车场中的每个停车场中的每种共享车辆的车型的需求量；以及收益模型优化部，其构成为，通过将上述每种共享车辆的车型的需求量作为输入，并参照存储于存储部的每种共享车辆的车型的利用价格，来生成共享车辆的利用服务的收益模型，并构成为，在变更每种共享车辆的车型的利用价格的同时优化上述收益模型。

本发明的第三方式提供存储共享车辆管理程序的非暂时性存储介质，该共享车辆管理程序使计算机执行：利用历史管理处理，按每种共享车辆的车型，将用户开始利用共享车辆的利用开始地点作为至少一个停车场的利用历史进行管理；需求量计算处理，根据上述至少一个停车场的利用历史，按每种共享车辆的车型计算上述至少一个停车场中的每个停车场中的共享车辆的需求量；以及车辆调度管理处理，根据上述每种共享车辆的车型的需求量，管理每种共享车辆的车型的针对上述至少一个停车场中的每个停车场的车辆调度。

根据上述构成，能够计算优化了共享车辆的利用服务的收益这样的每种共享车辆的车型的针对停车场的需求量。

附图说明

通过以下参照附图对本发明的优选实施方式进行的详细描述，本发明的其它特征、构件、过程、步骤、特性及优点会变得更加清楚，其中，相同的附图标记表示相同的本发明的要素，其中，

图1是表示共享车辆管理服务器的一实施方式的概略结构的框图。

图2是表示共享车辆的需求量与共享车辆的利用价格间的相关关系的图表。

图3是表示加权系数与共享车辆的出租时间间的相关关系的图表。

图4是表示加权系数与共享车辆的出租次数间的相关关系的图表。

图5是表示车辆调度数据库的数据内容的一个例子的示意图。

具体实施方式

以下，参照附图对共享车辆管理服务器的一实施方式进行说明。如图1所示，本实施方式的共享车辆管理服务器由多个管理共享车辆200的行驶信息的服务器100构成。服务器100具备控制部110、通信器120、利用历史数据库130、服务信息数据库140、以及车辆调度数据库150。

在管理共享车辆200的车辆调度时，控制部110作为利用历史管理部111、需求量计算部112、收益模型优化部113、以及车辆调度管理部114发挥作用。利用历史管理部111在从便携式信息终端300通过通信器120受理了共享车辆200的利用申请时，将由利用申请指定的共享车辆200的利用开始地点作为共享车辆200的利用历史，积蓄在利用历史数据库130。另外，利用历史管理部111将利用共享车辆200时的利用价格与共享车辆200的利用历史建立关联，并积蓄在利用历史数据库130。另外，利用历史管理部111将用户利用了共享车辆200时的属性信息存储到服务信息数据库140。此外，属性信息包含有用户ID、共享车辆200的车型、出租时间、出租次数等。

需求量计算部112根据积蓄于利用历史数据库130的共享车辆200的利用历史，计算在多个地域中，一个或者多个停车场中的每种共享车辆200的车型的需求量。更详细而言，需求量计算部112根据对多个用户将该停车场设定为共享车辆200的利用开始地点的次数进行累积求和得到的值，计算各停车场中的共享车辆200的需求量。此时，用户设定为共享车辆200的利用开始地点的频度越高，则成为共享车辆200的需求量越多的停车场。

另外，需求量计算部112计算表示各停车场中的每种共享车辆200的车型的需求量与共享车辆200的利用价格间的对应关系的需要预测模型。更详细而言，如图2所示，需求量计算部112通过对于表示各停车场中的共享车辆200的需求量与共享车辆200的利用价格P间的对应关系的教师数据应用机器学习，来计算表示共享车辆200的需求量与利用价格间的对应关系的函数f(P)作为需要预测模型。该情况下，需求量计算部112按每种共享车辆200的车型计算表示共享车辆200的需求量与利用价格间的对应关系的函数f(P)。此外，一般来说，函数f(P)示出的趋势为，共享车辆200的利用价格越高，则共享车辆200的需求量越低。另外，需求量计算部112对如上述那样计算出的函数f(P)乘以加权系数α(t)和加权系数β(n)来修正共享车辆200的需要预测模型。

如图3所示，加权系数α(t)是表示共享车辆200的需求量与共享车辆200的出租时间t间的关系的函数，按每种共享车辆200的车型计算。在该图所示的例子中，加权系数α(t)示出的趋势为，共享车辆200的出租时间t越长，则共享车辆200的需求量越低。这设想了共享车辆200的车型是小型车，且在近距离的移动时共享车辆200的需求量变高。

另外，如图4所示，加权系数β(n)是表示共享车辆200的需求量与共享车辆200的出租次数n间的关系的函数，按每种共享车辆200的车型计算。在该图所示的例子中，加权系数β(n)示出的趋势为，共享车辆200的出租次数n越多，则共享车辆200的需求量越高。这设想了在共享车辆200的出租次数n多时，用户习惯共享车辆200的操作，共享车辆200的需求量变高。

收益模型优化部113通过对于需求量计算部112计算出的需要预测模型输入用户进行共享车辆200的利用预约时的属性信息，来预测共享车辆200的需求量。此外，属性信息中，将用户ID作为主键值，关联有共享车辆200的出租时间、出租次数等。然后，收益模型优化部113计算将基于需要预测模型的共享车辆200的需求量的预测值作为输入的共享车辆200的利用服务的收益模型。该情况下，作为收益模型的输入的共享车辆200的需求量的预测值根据共享车辆200的利用价格发生变化。因此，收益模型为输出值根据共享车辆200的利用价格变动的模型。因此，收益模型优化部113边在将共享车辆200的利用价格在恒定的范围内变更边求出收益模型的输出值，并优化(最大化)收益模型的输出值。而且，收益模型优化部113计算收益模型的输出值被优化时的共享车辆200的需求量的最佳值。

车辆调度管理部114将通过收益模型优化部113计算出的共享车辆200的需求量的最佳值存储到车辆调度数据库150。该情况下，如图5所示，在车辆调度数据库150中，共享车辆200的需求量的最佳值作为各停车场中的共享车辆200的停车台数，按每种共享车辆200的车型进行管理。另外，车辆调度管理部114通过通信器120接收安装于共享车辆20的GPS(全球定位系统)的检测信号，来管理共享车辆200的位置信息。而且，车辆调度管理部114参照车辆调度数据库150，来管理各停车场中的共享车辆200的车辆调度。由此，以优化共享车辆200的利用服务的收益的方式变更每种共享车辆200的车型的针对停车场的车辆调度。

如以上说明那样，根据上述实施方式，能够得到以下所示的效果。(1)车辆调度管理部114根据按每种共享车辆200的车型管理的停车场的利用历史，管理每个地域所包含的停车场中的每种共享车辆200的车型的车辆调度。由此，与地域的特性迎合的车型的共享车辆200被优先配置于停车场，能够提高共享车辆200的便利性。

(2)需求量计算部112进行使用了对于共享车辆200的利用历史关联了有助于共享车辆200的利用的属性信息得到的教师数据的机器学习，由此能够预测每种共享车辆200的车型的需求量。

(3)车辆调度管理部114以优化共享车辆200的利用服务的收益的方式变更每种共享车辆200的车型的针对停车场的车辆调度。因此，提高了运营商进行共享车辆200的利用服务时的收益能力，并能够在运营商启动事业的方面给予激励。

此外，上述实施方式也能够通过以下的方式实施。

·在上述实施方式中，举出预测共享车辆200的需求量的服务器、预测共享车辆200的利用服务的收益的服务器、管理共享车辆200的车辆调度的服务器是共用的服务器的情况为例进行了说明。但是，也可以将具有各个功能的服务器设置为分别独立的服务器，在两服务器之间实现信息处理的协作。

·在上述实施方式中，车辆调度管理部114以优化共享车辆200的利用服务的收益的方式变更每种共享车辆200的车型的针对停车场的车辆调度。但是，车辆调度管理部114在共享车辆200的车辆调度时，不一定需要考虑共享车辆200的利用服务的收益，例如，也可以根据各停车场中的每种共享车辆200的车型的需求量，管理共享车辆200的车辆调度。

·在上述实施方式中，需求量计算部112通过使用了对于共享车辆200的利用历史关联了有助于共享车辆200的利用的属性信息得到的教师数据的机器学习，预测共享车辆200的需求量。但是，需求量计算部112在预测共享车辆200的需求量时，不一定需要对于共享车辆200的利用历史关联属性信息，例如，也可以根据共享车辆200的利用历史(需求量)的时间序列数据，预测表示共享车辆200的需求量的时间变化的函数，并使用该预测出的函数预测共享车辆200的需求量。

·在上述实施方式中，需求量计算部112通过对于表示各停车场中的每种共享车辆200的车型的需求量与共享车辆200的利用价格间的对应关系的函数f(P)，乘以与共享车辆的利用价格有关的加权系数α(t)和与共享车辆200的利用次数有关的加权系数β(n)，来计算共享车辆200的需要预测模型。也可以是，取而代之，需求量计算部112通过对于具有每种共享车辆200的车型的利用价格、出租时间以及出租次数等作为数据属性的教师数据应用机器学习，来计算共享车辆200的需要预测模型。