在需要预测装置(5)中，输入部(50)获取由利用者输入的包含配送日期时间的输入变量。热图预测部(17)使用用于预测热图(hp)的热图学习模型(md2)，来预测与输入变量对应的预测热图(php)，其中，热图(hp)按构成配送对象分区的多个区块的每个区块来表示分布于多个区块的配送目的地的户数。第2台数预测部(20)使用用于预测将包裹配送到配送目的地用的卡车的最少台数的最少台数学习模型(md3)，来预测与预测热图(php)对应的卡车的最少台数。台数决定部(21)将预测出的最少台数决定为输入变量中包含的配送日期时间下的卡车的使用台数。包含的配送日期时间下的卡车的使用台数。包含的配送日期时间下的卡车的使用台数。
【技术实现步骤摘要】
【国外来华专利技术】需要预测装置以及需要预测方法
[0001]本公开涉及预测配送车辆的台数的需要预测装置以及需要预测方法。
技术介绍
[0002]专利文献1公开有如下配送计划装置，该配送计划装置基于需要燃料的需要设备中的燃料的库存量和实际上配送的燃料的实际成绩配送量来导出需要设备的给定期间的燃料实际成绩值，基于燃料实际成绩值和预测模型来导出燃料的需要预测值，基于燃料的库存量、燃料的预定配送量、需要预测值来导出燃料的库存预测值。该配送计划装置使用燃料的库存量、需要预测值、库存预测值，求解使得以车辆的配送台数作为变量之一的目的函数最小的最佳化问题，从而来输出配送台数的解。
[0003]在先技术文献
[0004]专利文献
[0005]专利文献1：日本国特许第6205310号公报
技术实现思路
[0006]专利技术想要解决的课题
[0007]本公开鉴于上述现有技术的状况而提出，其目的在于，提供一种预测单户住宅等的配送到家所需的配送车辆的台数来辅助实现高效的配送计划的需要预测装置以及需要预测方法。
[0008]用于解决课题的手段
[0009]本公开提供一种需要预测装置，其具备：输入变量获取部，获取包含配送日期时间的输入变量；热图预测部，使用用于预测热图的热图预测模型，来预测与所述输入变量对应的热图，其中，所述热图按构成配送对象分区的多个区块当中的每个所述区块来表示分布于至少1个区块的配送目的地的分布数；最少台数预测部，使用用于预测将包裹配送到配送目的地用的配送车辆的最少台数的最少台数预测模型，来预测与所述预测出的热图对应的所述配送车辆的最少台数；以及台数决定部，将所述预测出的最少台数决定为所述输入变量中包含的配送日期时间下的配送车辆的使用台数。
[0010]此外，本公开提供一种需要预测方法，是需要预测装置中的需要预测方法，其具有如下步骤：获取包含配送日期时间的输入变量；使用用于预测热图的热图预测模型，来预测与所述输入变量对应的热图，其中，所述热图按构成配送对象分区的多个区块当中的每个所述区块来表示分布于至少1个区块的配送目的地的分布数；使用用于预测将包裹配送到配送目的地用的配送车辆的最少台数的最少台数预测模型，来预测与所述预测出的热图对应的所述配送车辆的最少台数；以及将所述预测出的最少台数决定为所述输入变量中包含的配送日期时间下的配送车辆的使用台数。
[0011]专利技术效果
[0012]根据本公开，由于能够预测单户住宅等的配送到家所需的配送车辆的台数，因此
能够辅助实现高效的配送计划。
附图说明
[0013]图1是详细表示实施方式1涉及的需要预测装置的硬件结构例的方框图。
[0014]图2是说明需要预测装置的动作概要例的图。
[0015]图3是表示基于过去的外部信息以及配送实际成绩来学习包裹量的动作次序的一例的流程图。
[0016]图4是表示对基于将来的输入变量和包裹量学习模型预测出的包裹量的配送中使用的配送车辆的台数进行预测的动作次序的一例的流程图
[0017]图5是表示对用于预测热图的热图预测引擎进行学习的动作次序的一例的流程图。
[0018]图6是表示对用于预测基于热图的最少台数的最少台数预测引擎进行学习的动作次序的一例的流程图。
[0019]图7是表示基于将来的输入变量、热图学习模型、最少台数学习模型来预测卡车的最少台数的动作次序的一例的流程图。
[0020]图8是表示决定卡车的最少台数的动作次序的一例的流程图。
[0021]图9是表示用1台卡车配送的过去的配送实际成绩的一例的说明图。
[0022]图10是表示基于图9所示的过去的配送实际成绩作成的热图及其矩阵的一例的说明图。
[0023]图11是表示使用将来的输入变量从热图学习模型输出的预测热图的一例的说明图。
[0024]图12是表示由于包裹量多而用2台卡车配送的过去的配送实际成绩的一例的说明图。
[0025]图13是表示由于距营业所的距离远而用2台卡车配送的过去的配送实际成绩的一例的说明图。
[0026]图14是表示基于图13所示的过去的配送实际成绩在学习时作成的热图及其矩阵的一例的说明图。
[0027]图15是表示使用将来的输入变量从热图学习模型输出的预测热图的一例的说明图。
[0028]图16是表示由于户数多而用2台卡车配送的过去的配送实际成绩的一例的说明图。
[0029]图17是表示基于图16所示的过去的配送实际成绩在学习时作成的热图及其矩阵的一例的说明图。
[0030]图18是表示使用将来的输入变量从热图学习模型输出的预测热图的一例的说明图。
[0031]图19是表示实施方式2涉及的需要预测系统的硬件结构例的方框图。
[0032]图20是表示实施方式2涉及的包裹区分系统的结构例的方框图。
[0033]图21是表示实施方式2涉及的投影支持装置的结构例的方框图。
[0034]图22A是表示包裹区分系统的运转例的概念图。
[0035]图22B是表示针对包裹的投影例的图。
[0036]图23是表示实施方式2涉及的投影指示装置的动作次序例的流程图。
[0037]图24是表示实施方式2涉及的库存管理系统的结构例的方框图。
[0038]图25是附加有存货标签的陈列架的示意性的主视图。
[0039]图26是图25所示的陈列架的主视图。
[0040]图27是表示货架图信息的一例的图。
[0041]图28是表示计算机的结构例的图。
[0042]图29是表示实施方式2涉及的库存监视装置的动作次序例的流程图。
[0043]图30是表示陈列架中的存货标签的检测例的图。
[0044]图31是表示监视分区的设定例的图。
具体实施方式
[0045](为了得到本公开一个方式的经过)
[0046]近年，伴随在线购物等的普及，配送到家服务的配送到家量正在增加，但是即使配送到家量多，也存在包裹必须在确定的时间之前配送到这样的惯例。因此，需要确保与配送时间以及配送到家量相当的配送车辆(例如，配送用的小型卡车)的台数以及司机的人数。
[0047]但是，在很多营业所中，卡车的台数以及司机的人数在现状下并不富余，电有很多情况需要事先进行确保。假设若为了准确地配送包裹而较多地准备卡车的台数，则成本就会增加。另一方面，若为了抑制成本而较少地准备卡车的台数，则卡车的台数就会不足，配送可能赶不上时间。
[0048]在上述专利文献1中，车辆配送燃料的配送目的地是预先确定的单个需要设备，能够根据单个的需要设备的燃料的消耗量来进行燃料的需要预测。即，可将燃料的需要预测值视为燃料的配送量。若想要将该专利文献1的结构例如应用到如配送到家那样配送目的地每次都不同的各个单户住宅的用例中，则会产生如下课题。具体来说，如配送到家那样，由于单独的每个配送目的地(即，单户住宅)的订货次数少，无法收本文档来自技高网...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种需要预测装置，具备：输入变量获取部，获取包含配送日期时间的输入变量；热图预测部，使用用于预测热图的热图预测模型来预测与所述输入变量对应的热图，其中，所述热图按构成配送对象分区的多个区块当中的每个所述区块来表示分布于至少1个区块的配送目的地的分布数；最少台数预测部，使用用于预测将包裹配送到配送目的地用的配送车辆的最少台数的最少台数预测模型，来预测与所述预测出的热图对应的所述配送车辆的最少台数；以及台数决定部，将所述预测出的最少台数决定为所述输入变量中包含的配送日期时间下的配送车辆的使用台数。2.根据权利要求1所述的需要预测装置，其中，所述需要预测装置还具备：配送实际成绩获取部，获取包含配送日期时间和多个配送目的地各自的位置信息在内的过去的配送实际成绩信息；热图作成部，使用所述多个配送目的地各自的位置信息，决定所述多个配送目的地分别分布的区块，按每个所述过去的配送实际成绩信息来作成与所述多个配送目的地分别对应的所述热图；以及热图学习部，基于所述配送实际成绩信息与按每个所述配送实际成绩信息作成的热图的关联性的学习，来生成所述热图预测模型。3.根据权利要求1所述的需要预测装置，其中，所述需要预测装置还具备：配送实际成绩获取部，获取包含配送日期时间和多个配送目的地各自的位置信息在内的过去的配送实际成绩信息；最少台数决定部，使用所述多个配送目的地各自的位置信息，来决定用于将包裹分别配送到所述多个配送目的地的配送车辆的最少台数；以及最少台数学习部，基于所述配送实际成绩信息和与所述配送实际成绩信息对应地决定的最少台数的关联性的学习，来生成所述最少台数预测模型。4.根据权利要求1所述的需要预测装置，其中，所述需要预测装置还具备：配送实际成绩...
【专利技术属性】
技术研发人员：山口晃一郎，冲本纯幸，
申请(专利权)人：松下知识产权经营株式会社，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。