远程操作人员的推荐系统和推荐方法以及程序与流程

1.本公开涉及从能够利用的远程操作人员中对希望利用远程驾驶服务的用户推荐代替用户对车辆进行远程驾驶的远程操作人员的推荐系统及推荐方法以及程序。


背景技术：

2.正在研究提供一种代替由用户自身驾驶车辆而请求由远程操作人员对车辆进行远程驾驶的远程驾驶服务。在专利文献1中公开如下技术：比较用户的属性信息和远程操作人员的属性信息，对用户提示基于比较的结果而选择出的多个远程操作人员，供用户选择远程操作人员。
3.根据上述以往技术，对用户推荐在属性信息方面适合的远程操作人员。但是，对于用户来说，仅在属性信息方面适合的远程操作人员未必是满意度高的远程操作人员。因此，在上述以往技术中，在用户对被推荐的远程操作人员的满意度方面存在提高的余地。
4.此外，作为表示本技术所属的技术领域的技术水平的现有技术文献，除了专利文献1以外，还可以例示下述的专利文献2至专利文献4。
5.现有技术文献
6.专利文献
7.专利文献1：日本特开2019-220744号公报
8.专利文献2：国际公开第2018/087828号公报
9.专利文献3：日本特开2019-219723号公报
10.专利文献4：日本特开2019-175209号公报


技术实现要素：

11.本公开是鉴于如上述的课题而完成的。本公开的目的在于提供一种在用户利用车辆的远程驾驶服务的情况下，能够推荐有可能提高用户的满意度的远程操作人员的技术。
12.本公开提供远程操作人员的推荐系统。本公开的系统被构成为：使用匹配模型确定适合远程操作人员，该适合远程操作人员具有适合于请求车辆的远程驾驶的请求用户的用户属性的操作人员属性，对请求用户推荐所确定出的适合远程操作人员。进而，本公开的系统具备：存储装置，存储有使用大量的用户对大量的远程操作人员的评价结果制作的协调过滤模型；以及至少一个处理器，与存储装置结合。本公开的系统具备的上述至少一个处理器使用协调过滤模型，从等待中的远程操作人员中预测虽然请求用户未利用过但被期待请求用户作出高评价的期待远程操作人员。而且，上述至少一个处理器将使用协调过滤模型预测的期待远程操作人员与使用匹配模型确定的适合远程操作人员并列推荐给请求用户。
13.根据如上所述构成的本公开的系统，通过利用协调过滤预测虽然用户未利用过但被期待高评价的远程操作人员，即使在推荐用户未利用过的操作人员的情况下，也能够推荐有可能提高用户的满意度的远程操作人员。
14.在本公开的系统中，上述至少一个处理器也可以在请求用户是新用户的情况下，推荐在等待中的远程操作人员中远程驾驶次数最多的远程操作人员。由此，通过对新用户推荐在能够利用的远程操作人员中最有人气的远程操作人员，能够使得新用户满意。
15.在本公开的系统中，上述至少一个处理器也可以在由担当远程操作人员执行的远程驾驶结束之后，从请求用户受理担当远程操作人员的评价，根据其评价结果而更新协调过滤模型。由此，通过使用户评价担当的远程操作人员的评价结果反映到协调过滤模型中，能够提高协调过滤模型的精度。
16.另外，本公开提供远程操作人员的推荐方法。本公开的方法具有使用匹配模型确定适合远程操作人员，对请求用户推荐适合远程操作人员的步骤，该适合远程操作人员具有适合于请求车辆的远程驾驶的请求用户的用户属性的操作人员属性。进而，本公开的方法具有使用协调过滤模型，从等待中的远程操作人员中预测虽然请求用户未利用过但被期待由请求用户作出高评价的期待远程操作人员的步骤。进而，本公开的方法具有将使用协调过滤模型预测的期待远程操作人员与使用匹配模型确定的适合远程操作人员并列而推荐给请求用户的步骤。
17.另外，本公开提供程序。本公开的程序使计算机执行使用匹配模型确定适合远程操作人员，对请求用户推荐适合远程操作人员的处理，该适合远程操作人员具有适合于请求车辆的远程驾驶的请求用户的用户属性的操作人员属性。进而，本公开的程序使计算机执行使用协调过滤模型，从等待中的远程操作人员中预测虽然请求用户未利用过但被期待由请求用户作出高评价的期待远程操作人员的处理。进而，本公开的程序使计算机执行将使用协调过滤模型预测的期待远程操作人员与使用匹配模型确定的适合远程操作人员并列而推荐给请求用户的处理。
18.根据本公开，通过利用协调过滤预测虽然用户未利用过但被期待高评价的远程操作人员，即使在推荐用户未利用过的操作人员的情况下，也能够推荐有可能提高用户的满意度的远程操作人员。
附图说明
19.图1是示出本公开的实施方式的远程驾驶系统的结构的概略图。
20.图2是示出本公开的实施方式的远程操作人员的推荐系统的结构的框图。
21.图3是用于说明协调过滤模型的具体例的图。
22.图4是用于说明协调过滤模型的具体例的图。
23.图5是示出本公开的实施方式的远程操作人员的推荐方法的流程图。
24.(符号说明)
25.10：通信网络；20：车辆；22：用户；30：服务器；30a：处理器；30b：存储装置；40：远程驾驶席；42：远程操作人员；31：用户数据库；32：操作人员数据库；33：匹配模型；34：协调过滤模型；35：人气操作人员表格。
具体实施方式
26.以下，参照附图，说明本公开的实施方式。其中，在以下所示的实施方式中言及各要素的个数、数量、量、范围等的数值的情况下，除了特别明示的情况、原理上明确地确定为
该数量的情况以外，本公开的思想不限定于该言及的数量。另外，在以下所示的实施方式中说明的构造等除了特别明示的情况、原理上明确地确定为该结构的情况以外，在本公开的思想中未必是必须的。
27.1.远程驾驶系统的结构
28.图1是车辆的远程驾驶系统的结构图。远程驾驶系统100是对用户22提供远程驾驶服务的系统。远程驾驶服务中的用户22是被远程驾驶的车辆20的驾驶员或者搭乘者。被远程驾驶的车辆20优选为在未进行远程驾驶的情况下能够由驾驶员手动驾驶的车辆、或者具有自动驾驶功能的车辆。另外，被远程驾驶的车辆20例如既可以是家用车也可以是租赁车辆。
29.在远程驾驶中，由远程操作人员42代替用户22而进行车辆20的驾驶所需的认知、判断以及操作。以下，将远程操作人员简称为操作人员。操作人员42包括：常驻操作人员，常驻用于监视被远程驾驶的车辆20的监视中心而对车辆20进行远程驾驶；以及在外操作人员，从自家访问监视中心而进行远程驾驶。
30.操作人员42在远程驾驶席40对车辆20进行远程驾驶。在远程驾驶席40设置有输出图像的显示器和输出声音的扬声器。显示器例如显示车辆20的摄像机拍摄的车辆20的前方的图像。扬声器例如利用声音将通过麦克风收音收到的车辆20的周围的状况传送给操作人员42。
31.在远程驾驶席40设置有用于转向操作的方向盘、用于加速操作的加速器踏板以及用于减速操作的制动踏板。另外，如果车辆20具备变速器，则远程驾驶席40也可以还具备变速器的操纵杆或者开关。除此以外，在远程驾驶席40还具备用于操作车辆20的方向指示器的操作杆、使雨刷器动作的操作杆等用于进行安全的驾驶所需的操作的设备。
32.操作人员42操作的远程驾驶席40与服务器30连接。另外，被远程驾驶的车辆20经由包括4g、5g在内的通信网络10与服务器30连接。服务器30具备至少1个处理器30a和与处理器30a结合的存储装置30b。在存储装置30b中存储有能够由处理器30a执行的一个或者多个程序和与其关联的各种信息。
33.存储于存储装置30b的程序包括用于使服务器30作为对用户22推荐操作人员42的推荐系统发挥功能的程序。作为推荐系统的服务器30在从用户22有了车辆20的远程驾驶的请求的情况下，从能够利用的操作人员42中推荐1名或者多名操作人员42。由用户22选择操作人员42，被选择的操作人员42的远程驾驶席40和车辆20经由通信网络10连接，从而能够由操作人员42对车辆20进行远程驾驶。
34.2.远程操作人员的推荐系统的结构
35.以下，使用图2，说明作为推荐系统的服务器30的详细的结构。作为推荐系统的服务器30具备用户数据库31、操作人员数据库32、匹配模型33、协调过滤模型34以及人气操作人员表格35。它们存储于存储装置30b。
36.用户数据库31是针对每个用户登记有用户属性的数据库。用户属性例如包括用户的年龄、性别以及用户利用的车辆的类别。车辆的类别例如包括普通汽车、中型汽车、大型汽车、大型特殊汽车、牵引汽车等。
37.操作人员数据库32是针对每个操作人员登记有操作人员属性的数据库。操作人员属性例如包括操作人员的年龄、性别以及操作人员具有的许可证的类别。许可证的类别例
如包括普通驾照、中型驾照、大型驾照、大型特殊驾照、牵引驾照等。
38.匹配模型33是将由用户评价操作人员的评价结果作为目标函数的回归模型，以用户属性和操作人员属性为特征量，根据其共现性制作。在匹配模型33中，大量的用户满意的用户属性和操作人员属性的关系被统计性地模型化。每当新获得用户评价操作人员的评价结果时、或者在积攒一定量的评价结果时，根据评价结果更新匹配模型33。
39.使用用户数据库31确定请求远程驾驶的用户的用户属性。所确定出的用户属性输入到匹配模型33，使用匹配模型33确定适合于用户属性的操作人员属性。确定出的操作人员属性被输入到操作人员数据库32，从等待中的操作人员中选定具有确定出的操作人员属性的1名或者多名操作人员。以下，将使用用户数据库31、匹配模型33以及操作人员数据库32推荐的操作人员称为适合操作人员(适合远程操作人员)。
40.协调过滤模型34是使用协调过滤来推荐操作人员的模型。协调过滤模型34是根据从大量的用户收集的操作人员的评价结果制作的。在此，使用图3以及图4，说明协调过滤模型34的概要。
41.在协调过滤模型34的制作阶段以及更新阶段，在远程驾驶结束之后，用户以例如从最低评价的1至最高评价的5这5个等级来评价操作人员。然后，在如图3所示的表中汇总评价结果。在图3中，作为一个例子，示出用户的人数为5人、操作人员的人数为5人的情况下的评价结果。在图3所示的用户
×
操作人员的矩阵中记载为
“‑”
的单元表示用户未利用过的操作人员。例如，对于用户ii来说，操作人员a以及操作人员e未利用过，对于用户v来说，操作人员a以及操作人员c未利用过。
42.在协调过滤模型34中，关于用户未利用过的操作人员，使用交替最小二乘法(alternative least square)预测用户的评价。在图4中用圆包围的数值是利用交替最小二乘法预测的评价值。例如，对于用户ii来说，未利用过的操作人员a的评价值被预测为5，操作人员e的评价值被预测为3。在协调过滤模型34中，针对预测评价值，设定作为推荐基准的阈值。在该阈值是4的情况下，针对用户ii推荐预测评价值是5的操作人员a。另一方面，针对用户v，由于没有预测评价值是4以上的操作人员，所以不通过协调过滤模型34推荐操作人员。
43.每当新获得用户评价操作人员的评价结果时、或者在积攒一定量的评价结果时，更新协调过滤模型34。例如，在本次用户ii依照推荐而选择了操作人员a的情况下，在远程驾驶结束之后，获得由用户ii评价操作人员a的评价结果。其评价结果被输入到图3所示的矩阵，被用于预测用户未利用过的操作人员的评价值。
44.通过使用如以上的例子制作的协调过滤模型34，能够从等待中的操作人员中预测请求远程驾驶的用户未利用过但被期待由该用户作出高评价的操作人员。一般，用户在选择操作人员时存在保守的倾向，但根据协调过滤模型34，能够推荐对于用户来说存在意外性的操作人员。以下，将使用协调过滤模型34推荐的操作人员，称为期待操作人员(期待远程操作人员)。
45.接下来，说明人气操作人员表格35。人气操作人员表格35是通过针对每个操作人员合计利用次数、并按照利用次数从高到低的顺序排序而制作的表格。利用次数是表示操作人员的人气的高度的一个指标。根据人气操作人员表格35，能够选定在等待中的操作人员中远程驾驶次数最多的操作人员。在人气操作人员表格35中，反映各操作人员的最新的
利用次数。
46.仅针对无本推荐系统的利用实绩的新用户，使用人气操作人员表格35。根据是否登记于用户数据库31判断请求远程驾驶的用户是否为新用户。针对登记于用户数据库31的登记用户，使用上述匹配模型33和协调过滤模型34来推荐操作人员。针对未登记于用户数据库31的新用户，使用人气操作人员表格35来推荐在能够利用的操作人员中人气最高的1名或者多名操作人员。
47.3.远程操作人员的推荐方法
48.接下来，使用图5，说明由如上所述构成的推荐系统执行的远程操作人员的推荐方法。
49.在步骤s1中，服务器30接收来自请求远程驾驶的请求用户的远程驾驶的请求。在远程驾驶的请求中，例如包括用于识别用户的用户识别信息、出发地、目的地、远程驾驶的开始时间。
50.在步骤s2中，服务器30通过将用户识别信息与用户数据库31对照，判定请求用户是登记用户还是新用户。在请求用户是登记用户的情况下，服务器30执行步骤s3至步骤s5。在请求用户是新用户的情况下，服务器30执行步骤s6以及步骤s7。
51.在步骤s3中，服务器30利用用户数据库31、匹配模型33以及操作人员数据库32确定具有适合于请求用户的用户属性的操作人员属性的适合操作人员。在步骤s3中确定的适合操作人员的人数是1名以上。即，在远程驾驶系统100中，以至少存在1名适合操作人员的方式准备具有各种操作人员属性的大量的操作人员。
52.在步骤s4中，服务器30通过协调过滤模型34预测被预测为由请求用户作出高评价的期待操作人员。在步骤s4中预测的期待操作人员的人数为零人以上。即，根据协调过滤的结果，也可能有不存在期待操作人员的情况。
53.在步骤s5中，服务器30并列提示在步骤s3中确定的适合操作人员和在步骤s4中预测的期待操作人员，作为对请求用户的推荐操作人员。推荐操作人员的提示以显示于车辆20内的显示器或者用户的便携终端的形式进行。所显示的推荐操作人员的信息例如包括名字、年龄、性别。除此以外，如果操作人员许可公开，则也可以还能够显示驾驶历史、国籍、爱好等信息。
54.另一方面，在步骤s6中，服务器30使用人气操作人员表格35，选定在能够利用的操作人员中最有人气的1名或者多名操作人员。
55.在步骤s7中，服务器30将在步骤s6中选定的人气操作人员作为推荐操作人员，提示给请求用户22。
56.请求用户从由服务器30推荐的推荐操作人员中选择委托远程驾驶的操作人员。在步骤s8中，服务器30接收由请求用户选择操作人员的选择结果。
57.在步骤s9中，服务器30利用通信网络10连接请求用户的车辆20和请求用户所选择的操作人员的远程驾驶席40。由此，能够由操作人员对车辆20进行远程驾驶。
58.请求用户评价担当远程驾驶的操作人员。评价以例如5个等级评价进行。在步骤s10中，服务器30接收由请求用户评价操作人员的评价结果。
59.在步骤s11中，服务器30根据由请求用户评价担当操作人员(担当远程操作人员)的评价结果，更新匹配模型33。另外，在步骤s12中，服务器30根据由请求用户评价担当操作
人员的评价结果，分别更新协调过滤模型34。进而，在步骤s13中，服务器30根据由请求用户利用操作人员的利用结果，更新人气操作人员表格35。
60.根据具有上述步骤的远程操作人员的推荐方法，通过利用协调过滤预测虽然请求用户未利用过但被期待高评价的操作人员，从而即使在推荐请求用户未利用过的操作人员的情况下，也能够推荐有可能提高请求用户的满意度操作人员。
61.4.其他实施方式
62.也可以在匹配模型33的参数中加上行驶条件信息。行驶条件信息例如包括地域、天气、时间段。通过将行驶条件信息和请求远程驾驶的用户的用户属性输入到匹配模型33，能够推荐在设想的行驶条件下具有最适合的操作人员属性的操作人员。
63.也可以在人气操作人员表格35的参数中加上地域、性别、许可证等属性。而且，也可以使新用户选择希望的属性，并根据所选择的属性从人气操作人员表格35中确定推荐的人气操作人员。