特許ウォッチ

公開番号2025024595
公報種別公開特許公報(A)
公開日2025-02-20
出願番号2023128811
出願日2023-08-07
発明の名称配送マッチングシステム、配送マッチング方法
出願人株式会社日立製作所
代理人青稜弁理士法人
主分類G06Q 10/0834 20230101AFI20250213BHJP(計算;計数)
要約【課題】複数の指標がある場合の最適化計算において、複数の最適解の中から、指標値の分布状況に応じて、ユーザが重視する指標を考慮したユーザ選好解を選択可能な技術を提供する。
【解決手段】配送ルートと追加の配送オーダとの組み合わせを含む過去の入力データから得られた、所定の指標に基づくパレート解のうち、ユーザが選択した前記パレート解である選択解についての指標値を教師データとして、所定の学習モデルを学習し、前記組み合わせを含む現在の入力データを、前記学習した所定の学習モデルに入力し、前記パレート解の各指標についての予測指標重みベクトルを算出し、前記パレート解のうち、前記予測指標重みベクトルとの類似度が所定の条件を満たすパレート解を特定し、前記特定したパレート解を出力する。
【選択図】図1
特許請求の範囲【請求項１】
プロセッサとメモリとを有したコンピュータにより、既存の配送ルートに荷物を配送する追加オーダを割り付ける配送マッチングシステムであって、
前記プロセッサは、
配送ルートと追加の配送オーダとの組み合わせを含む過去の入力データから得られた、所定の指標に基づくパレート解のうち、ユーザが選択した前記パレート解である選択解についての指標値を教師データとして、所定の学習モデルを学習し、
前記組み合わせを含む現在の入力データを、前記学習した所定の学習モデルに入力し、前記パレート解の各指標についての予測指標重みベクトルを算出し、
前記パレート解のうち、前記予測指標重みベクトルとの類似度が所定の条件を満たすパレート解を特定し、
前記特定したパレート解を出力する、
ことを特徴とする配送マッチングシステム。
続きを表示（約 1,200 文字）【請求項２】
前記プロセッサは、
前記過去の入力データに含まれる複数の配送業者についての前記パレート解のうち、前記複数の配送業者のそれぞれについての前記選択解の指標値を教師データとして、前記所定の学習モデルを学習し、
前記複数の配送業者を含む前記入力データを前記学習モデルに入力し、前記配送業者のそれぞれについて前記予測指標重みベクトルを算出する、
ことを特徴とする請求項１に記載の配送マッチングシステム。
【請求項３】
前記プロセッサは、
前記所定の学習モデルによる学習として、ニューラルネットワークによる機械学習を行う、
ことを特徴とする請求項１に記載の配送マッチングシステム。
【請求項４】
前記プロセッサは、
前記特定したパレート解を、前記類似度が大きい順に並べ替えて出力する、
ことを特徴とする請求項１に記載の配送マッチングシステム。
【請求項５】
前記プロセッサは、
前記所定の指標として、前記荷物を配送する車両の移動距離、前記配送ルートにおいてどの程度均等に荷物を運んでいるかを示す収益の分散、荷物を配送している車両の割合を示す実車率、配送業者全体に対して荷主がある特定の配送業者に依頼する割合を示す配送業者との相性、車両が追加オーダによって配送ルートの運行計画を変更した箇所の数を示す運行計画の変更箇所数、に基づくパレート解を算出する、
ことを特徴とする請求項１に記載の配送マッチングシステム。
【請求項６】
前記プロセッサは、
本システムを利用するユーザごとに、過去および現在の前記入力データと前記パレート解とを蓄積し、
前記所定の学習モデルの学習、および前記予測指標重みベクトルの算出を、前記ユーザごとに切り替えて行う、
ことを特徴とする請求項１に記載の配送マッチングシステム。
【請求項７】
前記プロセッサは、
前記特定したパレート解の指標値の優劣関係に応じて、前記パレート解の前記指標値の出力位置を変える、
ことを特徴とする請求項４に記載の配送マッチングシステム。
【請求項８】
前記プロセッサは、
前記特定したパレート解の指標値の優先度に応じて、前記パレート解を並べ替える、
ことを特徴とする請求項４に記載の配送マッチングシステム。
【請求項９】
前記プロセッサは、
前記特定したパレート解の各指標値の分布を画面に表示する、
ことを特徴とする請求項４に記載の配送マッチングシステム。
【請求項１０】
前記プロセッサは、
前記特定したパレート解に対応する配送ルートを画面に表示する、
ことを特徴とする請求項４に記載の配送マッチングシステム。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本発明は、配送マッチングシステム、配送マッチング方法に関する。
続きを表示（約 3,100 文字）【背景技術】
【０００２】
従来から、配送業界では、ドライバ不足や省エネ化に対応する為、複数の配送業者・荷主の共同配送による効率向上の必要性が高まっている。そのために、トラック等の車両の総移動距離や、配送業者の収益の公平性といった、複数の指標を考慮した多目的最適化手法により求貨と求車をマッチングさせる技術が知られている。
【０００３】
例えば、特許文献１には、「（ａ）ニューラルネットワーク２０を提供するステップと、（ｂ）前記ニューラルネットワークに、多目的最適化問題に関する複数の入力データｘ１、ｘ２を与えるステップと、（ｃ）前記（ｂ）の結果として前記ニューラルネットワークが学習するステップと、（ｄ）前記（ｃ）の結果として、前記多目的最適化問題における選好関数を近似した前記ニューラルネットワークを得るステップとを備えている」ことが記載されている。
【先行技術文献】
【特許文献】
【０００４】
特開２００２－２８８６２５号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
複数指標の最適化では、指標間のトレードオフ関係が生じやすい。そのため、重み付けによる単一指標化の他、遺伝アルゴリズムなどを用いた多目的最適化手法により、複数指標のバランスの異なるパレート解を導出した後、ユーザが、指標間のバランスを考慮して、パレート解の中から解を選択する。特許文献１では、多目的最適化で選択した解の評価指標値xiを入力し、解に対するユーザの主観評価値（良いか悪いかの数値）を教師データとしてニューラルネットで学習する。しかし、ユーザは、解集合全体の指標値分布形状から解同士の相対的な関係を判断して解を選択すると考えられ、当該技術では、単一の解を入力して学習する為、解間の相対関係を考慮することができない。
【０００６】
その結果、多目的最適化の評価指標が多い場合、他の解に優越される（つまり、全ての指標で劣る）解の割合が少なくなるため、パレート解が多くなり（例えば、５つの指標で１００個程度）、ユーザが解を選択する作業が煩雑となる。また、ユーザは、解を選択する際に、指標のバランス（重み）を考慮して暗黙的に解を決めることが多く、そのため、重みはユーザによって変わる。さらに、指標間の重みは、パレート解全体の指標値の分布状況によって変化する。例えば、基本的にはコストを優先するユーザが、解間でコスト指標の差が一定程度小さい場合、ユーザが許容する範囲でコストが悪い場合でも、公平性の良い解を選択することが考えられる。あるいは、配送までの時間が短いほど、ドライバ負担指標を優先することが考えられるため、固定的な指標間の重みによりパレート解を決定することはできない。したがって、複数の指標がある場合の最適化計算において、複数の最適解の中から、指標値の分布状況に応じて、ユーザが重視する指標を考慮したユーザ選好解を選択可能な技術が求められていた。
【０００７】
本発明は、複数の指標がある場合の最適化計算において、複数の最適解の中から、指標値の分布状況に応じて、ユーザが重視する指標を考慮したユーザ選好解を選択可能な技術を提供することを目的とする。
【課題を解決するための手段】
【０００８】
本発明にかかる配送マッチングシステムは、プロセッサとメモリとを有したコンピュータにより、既存の配送ルートに荷物を配送する追加オーダを割り付ける配送マッチングシステムであって、前記プロセッサは、配送ルートと追加の配送オーダとの組み合わせを含む過去の入力データから得られた、所定の指標に基づくパレート解のうち、ユーザが選択した前記パレート解である選択解についての指標値を教師データとして、所定の学習モデルを学習し、前記組み合わせを含む現在の入力データを、前記学習した所定の学習モデルに入力し、前記パレート解の各指標についての予測指標重みベクトルを算出し、前記パレート解のうち、前記予測指標重みベクトルとの類似度が所定の条件を満たすパレート解を特定し、前記特定したパレート解を出力する、ことを特徴とする配送マッチングシステムとして構成される。
【発明の効果】
【０００９】
本発明によれば、複数の指標がある場合の最適化計算において、複数の最適解の中から、指標値の分布状況に応じて、ユーザが重視する指標を考慮したユーザ選好解を選択できる。その結果、ユーザが複数の最適解の中からユーザ選好解を選択する作業にかかるコストを低減できる。上記した以外の課題、構成および効果は、以下の発明を実施するための形態の説明により明らかにされる。
【図面の簡単な説明】
【００１０】
本実施例における配送マッチングシステムの構成の一例を示す図である。
コンピュータの概略の一例を示す図である。
本システムが受け付ける入力データの一例を示す図である。
多目的最適化部が出力する各指標間のパレート解の一例を説明するための図である。
指標重み学習部が学習した学習モデルを用いて、指標重み予測部が出力する予測指標重みベクトルを説明するための図である。
荷主マスタテーブルの一例を示す図である。
配送業者マスタテーブルの一例を示す図である。
拠点マスタテーブルの一例を示す図である。
追加オーダデータの一例を示す図である。
既存ルートデータの一例を示す図である。
マッチング後ルートデータの一例を示す図である。
解集合指標データの一例を示す図である。
学習データの一例を示す図である。
教師データの一例を示す図である。
本システムで行われる配送マッチング処理の処理手順の一例を示すフローチャートである。
本システムで行われる配送マッチング処理の処理手順の他の一例を示すフローチャートである。
指標値正規化処理の処理手順の一例を示すフローチャートである。
指標重み予測処理の処理手順の一例を示すフローチャートである。
指標重み予測処理の処理手順の他の一例を示すフローチャートである。
解推奨処理の処理手順の一例を示すフローチャートである。
コサイン類似度の算出方法を説明するための図である。
総合指標データの一例を示す図である。
ユーザが指標を選択する画面の一例を示す図である。
解選択処理の処理手順の一例を示すフローチャートである。
ステップ１９０５で出力される、選択されたパレート解（ユーザ選好解）の各指標値の分布の一例を示す図である。
ステップ１９０６で出力される、選択されたパレート解（ユーザ選好解）に対応する配送ルートの一例を示す図である（全体ルート）。
ステップ１９０６で出力される、選択されたパレート解（ユーザ選好解）に対応する配送ルートの一例を示す図である（個別ルート）。
配送マッチング処理の全体のプロセスフローの一例を示す図である。
配送業者の選好にマッチするパレート解の選択に関する説明図である。
各配送業者における予測指標重みベクトルのフィッティングに関する説明図である。
【発明を実施するための形態】
（【００１１】以降は省略されています）

関連特許