CN109983495A - 需求预测系统、需求预测方法以及程序 - Google Patents

Abstract

需求预测系统的收集部收集具有当前或者将来的事件和表示事件的位置的位置信息的多个事件信息。提取部按照位置信息，从由收集部收集的多个事件信息提取表示包含店铺的位置的规定范围中的事件的事件信息。预测部根据由提取部提取的事件信息所示的事件所对应的过去的事件的实际情况信息，预测由于由提取部提取出的事件信息所示的事件而在店铺中变动的商品需求。输出部对表示由预测部预测的商品需求的需求预测信息进行输出。

Description

需求预测系统、需求预测方法以及程序

技术领域

本公开涉及对店铺中的商品需求进行预测的需求预测系统等。

背景技术

专利文献1所述的系统基于根据外部环境的信息而创建的数据库，按照不同目标而确定当前时刻的外部环境中的特卖品。由此，该系统实时地对应于外部环境而确定畅销商品，将该商品设为特卖的对象，因此能够便宜地提供购入者希望的商品，能够自动地实现销售促进。

在先技术文献

专利文献

专利文献1：JP特开2002-7875号公报

发明内容

本公开的需求预测系统具有收集部、提取部、预测部、输出部。

收集部经由通信网络来收集包含事件信息的多个事件信息，所述事件信息具有当前或者将来的事件和表示事件的位置的位置信息。

提取部根据位置信息，从由收集部收集的多个事件信息提取表示包含店铺的位置的规定范围中的事件的事件信息。

预测部根据由提取部提取出的事件信息表示的事件所对应的过去的事件的实际情况信息，预测由于由提取部提取出的事件信息表示的事件而在店铺中变动的商品需求。

输出部对表示由预测部预测的商品需求的需求预测信息进行输出。

本公开的需求预测方法具有收集步骤、提取步骤、预测步骤、输出步骤。

收集步骤中，经由通信网络，收集包含事件信息的多个事件信息，所述事件信息具有当前或者将来的事件和表示事件的位置的位置信息。

提取步骤中，根据位置信息，从由收集步骤收集的多个事件信息，提取表示包含店铺的位置的规定范围中的事件的事件信息。

预测步骤中，根据提取步骤中提取的事件信息表示的事件所对应的过去的事件的实际情况信息，预测由于提取步骤中提取的事件信息所示的事件而在店铺中变动的商品需求。

输出步骤中，对表示预测步骤中预测的商品需求的需求预测信息进行输出。

本公开的程序使计算机执行上述的需求预测方法。

附图说明

图1是表示实施方式中的需求预测系统的结构的框图。

图2是表示实施方式中的需求预测系统的动作的流程图。

图3是表示实施方式中的需求预测系统的处理的概念图。

图4是表示实施方式中的需求预测系统的应用例的概念图。

图5是表示实施方式中的事件的例子的相关图。

图6是表示实施方式中的场所的例子的相关图。

图7是表示实施方式中的需求预测的第1例的概念图。

图8是表示实施方式中的需求预测的第2例的概念图。

图9是表示实施方式中的需求预测的第3例的概念图。

图10是表示实施方式中的需求预测的第4例的概念图。

具体实施方式

专利文献1所述的系统被应用于在线商店。但是，在实际的店铺中，可能由于该店铺的附近的事件，导致商品需求较大变动。由此，可能商品需求未被适当地预测，未适当地进行商品的提供。

本公开的一方式所涉及的需求预测系统具有收集部、提取部、预测部和输出部。收集部经由通信网络来收集分别是表示当前或者将来的事件的信息且是包含表示该事件的位置的位置信息的信息的多个事件信息。

提取部按照位置信息，从由收集部收集的多个事件信息提取表示包含店铺的位置的规定范围中的事件的事件信息。预测部按照由提取部提取的事件信息所示的事件所对应的过去的事件的实际情况信息，来预测由于由提取部提取的事件信息所示的事件导致店铺中变动的商品需求。输出部对表示由预测部预测的商品需求的需求预测信息进行输出。

由此，需求预测系统能够适当地预测由于当前或者将来的事件导致店铺中变动的商品需求，并能够提供表示被预测的商品需求的信息。因此，需求预测系统能够辅助商品的适当的提供。

例如，规定范围也可以是被设定为对店铺中的商品需求有影响的范围的范围。

由此，需求预测系统基于对店铺中的商品需求有影响的范围的事件，能够适当地预测店铺中的商品需求。

此外，例如，由提取部提取的事件信息所示的事件也可以是规定范围中的路线相关事件、道路相关事件、特别活动或者流行。

由此，需求预测系统能够基于规定范围中的路线相关事件、道路相关事件、特别活动或者流行，适当地预测店铺中的商品需求。

此外，例如，预测部也可以按照过去的事件的实际情况信息来预测由提取部提取的事件信息所示的事件所导致变动的人流(人的流动)，按照被预测的人流来预测商品需求。

由此，需求预测系统能够适当地预测由于当前或者将来的事件而变动的人流，并能够适当地预测由于人流的变动而变动的商品需求。

此外，例如，预测部也可以将由提取部提取的事件信息所示的事件所导致变动的通行路径、通行量以及来店数之中的至少一个预测为人流。

由此，需求预测系统能够适当地预测由于当前或者将来的事件而变动的通行路径、通行量或者来店数，能够适当地预测由于通行路径、通行量或者来店数的变动而变动的商品需求。

此外，例如，输出部也可以进一步输出表示由预测部预测的人流的人流预测信息。

由此，需求预测系统能够适当提供表示被预测的人流的信息。因此，需求预测系统能够辅助商品的适当的提供。

此外，例如，预测部也可以按照过去的事件的实际情况信息来预测人流以及人流中包含的人的属性，按照被预测的人流以及属性来预测商品需求。

由此，需求预测系统能够基于被事件影响的人的属性，来适当地预测商品需求。

此外，例如，预测部也可以将人流中包含的人的性别、年龄以及嗜好的至少一个预测为属性。

由此，需求预测系统能够基于被事件影响的性别或者年龄等，来适当地预测商品需求。

此外，例如，输出部也可以进一步输出表示由预测部预测的所述属性的属性预测信息。

由此，需求预测系统能够提供表示被事件影响的人的属性的信息。因此，需求预测系统能够辅助商品的适当的提供。

进一步地，这些概括性或者具体性的方式也可以实现为系统、方法、集成电路、计算机程序或者计算机可读取的CD-ROM等非暂时性的记录介质，也可以实现为系统、装置、方法、集成电路、计算机程序以及记录介质的任意的组合。

以下，参照附图来对实施方式具体进行说明。另外，以下说明的实施方式均表示概括性或者具体性的例子。以下的实施方式所示的数值、形状、材料、结构要素、结构要素的配置位置以及连接形态、步骤、步骤的顺序等是一个例子，并不是限定本发明的主旨。此外，以下的实施方式中的结构要素之中，未记载于表示最上位概念的独立权利要求的结构要素被说明为任意的结构要素。

(实施方式)

图1是表示本实施方式中的需求预测系统的结构的框图。如图1所示，需求预测系统100具备收集部101、提取部102、预测部103、输出部104、存储部105以及存储控制部106。并且，需求预测系统100对店铺中的商品需求进行预测。例如，需求预测系统100是计算机。需求预测系统100可以由一个装置构成，也可以由多个装置构成。

此外，需求预测系统100可以配置于店铺内，也可以配置于店铺外。例如，需求预测系统100之中的一部分或者全部也可以被配置于针对多个店铺的总公司。

收集部101是经由通信网络来收集多个事件信息的收集器。收集部101也可以由专用电路构成，也可以由通用处理器那样的通用电路构成。此外，收集部101也可以具有用于有线通信的端子，也可以具有用于无线通信的天线。通信网络例如是互联网。

此外，收集部101所收集的事件信息是表示当前或者将来的事件的信息，是包含表示该事件的位置的位置信息的信息。可以多个事件信息表示一个事件，也可以一个事件信息表示多个事件。事件例如是电车延迟、运转停止、交通阻塞、施工、特别活动以及流行等。事件的位置具体而言，是事件的产生位置。事件的位置也可以是事件的产生场所，也可以是事件的产生地区。

例如，收集部101访问互联网上的各种Web页，收集各种Web页中登载的事件信息。各种Web页中，可以包含自治团体首页，也可以包含活动首页。进一步地，可以包含FACEBOOK(注册商标)的页面，也可以包含TWITTER(注册商标)的页面，也可以包含其他的社交网络服务(SNS)的页面。

提取部102是按照位置信息，从由收集部101收集的多个事件信息提取表示包含店铺的位置的规定范围中的事件的事件信息的提取器。提取部102可以由专用电路构成，也可以由通用处理器那样的通用电路构成。此外，包含店铺的位置的规定范围例如是被设定为对店铺中的商品需求有影响的范围的范围。

即，提取部102通过按照位置信息来进行由收集部101收集的多个事件信息的过滤，从而提取表示对店铺的商品需求有影响的范围中的事件的事件信息。由提取部102提取的事件信息所示的事件例如是规定范围中的路线相关事件、道路相关事件、特别活动或者流行。以下，可能将由提取部102提取的事件信息所示的事件、换句话说包含店铺的位置的规定范围中的当前或者将来的事件称为对象事件。

另外，包含店铺的位置的规定范围也可以按照事件产生时的商品需求的变化的结果而更新。例如，在事件产生时的商品需求的变化没有或者较小的情况下，规定范围也可以较小变更，在事件产生时的商品需求的变化较大的情况下，规定范围也可以较大变更。

此外，提取部102也可以提取由收集部101收集的多个事件信息之中的一个事件信息，也可以提取由收集部101收集的多个事件信息之中的2个以上的事件信息。此外，提取部102也可以从由收集部101收集的多个事件信息，提取通过将2个以上的事件信息统一而得到的一个事件信息。

此外，提取部102也可以进一步具有对被收集的事件信息、或者被提取的事件信息进行分析的分析部(分析器)。

预测部103是按照对象事件所对应的过去的事件的实际情况信息，来预测由于对象事件导致店铺中变动的商品需求的预测器。预测部103可以由专用电路构成，也可以由通用处理器这样的通用电路构成。对象事件所对应的过去的事件是与对象事件相同种类的过去的事件，是与对象事件相同或者类似的过去的事件。

例如，在过去存在与对象事件相同的事件的情况下，可应用与对象事件相同的过去的事件。并且，在过去不存在与对象事件相同的事件的情况下，可应用与对象事件类似的过去的事件。更具体而言，在对象事件是反复召开的活动的情况下，也可以应用与对象事件相同的过去的事件。并且，在对象事件是单次或者初次的活动的情况下，也可以应用与对象事件类似的过去的事件。

此外，预测部103也可以按照过去的事件的实际情况信息来预测由于对象事件而变动的人流，按照被预测的人流来预测商品需求。此时，预测部103也可以将由于对象事件而变动的通行路径、通行量以及来店数之中的至少一个预测为人流。

此外，预测部103也可以按照过去的事件的实际情况信息来预测由于对象事件而变动的人流、以及人流中包含的人的属性，按照被预测的人流以及属性来预测商品需求。此时，预测部103也可以将人流中包含的人的性别、年龄以及嗜好的至少一个预测为人流中包含的人的属性。

例如，过去的事件的实际情况信息也可以表示过去的事件产生时的商品需求，也可以表示此时的人流，也可以表示该人流中包含的人的属性。

另外，人流意味着人的流动，但并不局限于徒步的行人。人流也可以是包含人的车等的交通工具的流动。此外，人流中包含的人的属性也可以是人流中包含的多个人之中的多数派的属性。或者，作为人流中包含的人的属性，也可以使用人流中包含的多个人的比率。例如，人流中包含的多个人的性别比以及年龄比等也可以被用作为人流中包含的人的属性。

此外，人流中包含的人的嗜好例如也可以是每个人的商品嗜好(喜欢的商品)、伴随着性别或者年龄等的商品嗜好、或者对新商品的嗜好等。此外，人流中包含的人的嗜好也可以对应于人流中包含的多个人的主要嗜好。预测部103也可以将这样的嗜好预测为人流中包含的人的属性。

输出部104是对表示由预测部103预测的商品需求的需求预测信息进行输出的输出器。输出部104也可以由专用电路构成，也可以由通用处理器这样的通用电路构成。

此外，输出部104也可以具有用于有线通信的端子，也可以具有用于无线通信的天线。并且，输出部104也可以通过信息通信来发送需求预测信息，从而输出需求预测信息。例如，输出部104也可以对通信网络发送需求预测信息。在该情况下，收集部101和输出部104电可以是用于经由通信网络而进行通信的共用的通信器，也可以包含共用的通信器。

此外，输出部104也可以具有将需求预测信息输出为图像的显示器。或者，输出部104也可以将需求预测信息输出到外部的显示器。此外，输出部104也可以具有将需求预测信息输出为声音的扬声器。或者，输出部104也可以将需求预测信息输出到外部的扬声器。此外，输出部104也可以具有通过需求预测信息的打印来进行输出的打印机。或者，输出部104也可以将需求预测信息输出到外部的打印机。

存储部105是存储过去的事件的实际情况信息等的存储部。存储部105也可以由专用存储器这样的专用电路构成，也可以由通用存储器这样的通用电路构成。存储部105也可以是易失性存储器，也可以是非易失性存储器。

例如，预测部103参照存储于存储部105的实际情况信息，预测商品需求。另外，存储部105也可以不是需求预测系统100的结构要素。预测部103也可以参照存储于外部的存储装置的实际情况信息，预测商品需求。

存储控制部106是获取对象事件的实际情况信息并将获取的实际情况信息存储于存储部105的存储控制器。存储控制部106也可以由专用电路构成，也可以由通用处理器这样的通用电路构成。存储部105也可以具有存储控制部106。

例如，对象事件的实际情况信息也可以表示产生对象事件时的商品需求，也可以表示此时的人流，也可以表示该人流中包含的人的属性。存储控制部106也可以从传感器或者POS(Point Of Sales)系统等获取对象事件的实际情况信息。

另外，存储控制部106是任意的结构要素，需求预测系统100也可以不具备存储控制部106。

图2是表示图1所示的需求预测系统100的动作的流程图。需求预测系统100通过进行图2所示的动作，来预测店铺中的商品需求。

首先，收集部101经由通信网络，收集多个事件信息(S101)。接下来，提取部102从由收集部101收集的多个事件信息，提取表示包含店铺的位置的规定范围中的对象事件的事件信息(S102)。接下来，预测部103按照与对象事件对应的过去的事件的实际情况信息，预测由于对象事件而在店铺中变动的商品需求(S103)。

接下来，输出部104对表示由预测部103预测的商品需求的需求预测信息进行输出(S104)。并且，存储控制部106获取对象事件的实际情况信息，将获取的实际情况信息存储于存储部105(S105)。

图3是表示图1所示的需求预测系统100的处理的概念图。在图3中，示意性地表示图2所示的动作。

在本例中，通过自治团体首页、活动首页以及社交网络服务(SNS)的页面等，发送表示当前或者将来的各地的事件的事件信息。收集部101经由通信网络，从这些页面收集多个事件信息(S201)。多个事件信息中也可以包含每次新产生的事件信息，也可以包含从过去积蓄并登载的事件信息。

接下来，提取部102按照收集的事件信息中包含的位置信息，通过进行所收集的事件信息的过滤，来提取表示包含店铺的规定范围的事件的事件信息(S202)。

提取部102也可以进一步分析所收集的事件信息、或者所提取的事件信息。例如，提取部102也可以将事件信息分类为多个种类的任意一个。提取部102也可以作为不定期的事件，判定是否与活动、施工或者灾害等相应，也可以作为定期的事件，判定是否与交通阻塞等相应。

此外，提取部102也可以获取由事件信息表示的事件的属性。事件的属性中，例如也可以包含事件的产生时期、产生时刻、产生场所以及规模等。

接下来，预测部103对由于所提取的事件信息所示的对象事件而变动的人流进行预测(S203)。具体而言，预测部103按照对象事件所对应的过去的事件的实际情况信息，对由于对象事件而变动的人流进行预测。更具体而言，预测部103按照种类以及属性等与对象事件一致或者类似的过去的事件的实际情况信息，对由于对象事件而变动的人流进行预测。

此外，例如，过去的事件的实际情况信息表示由于过去的事件而变动的人流。并且，预测部103按照与对象事件对应的过去的事件的实际情况信息所示的人流，对由于对象事件而变动的人流进行预测。

此外，过去的事件的实际情况信息也可以将由于过去的事件而变动的通行路径、通行量或者来店数等表示为人流。并且，预测部103也可以按照过去的事件的实际情况信息，将由于对象事件而变动的通行路径、通行量或者来店数等预测为人流。例如，预测部103对店铺的附近的通行路径的变动、店铺前的通行人数的时间变化以及来店数的时间变化进行预测。

进一步地，预测部103也可以按照与对象事件对应的过去的事件的实际情况信息，来预测由于对象事件而变动的人流中的人的属性。具体而言，由于对象事件而变动的人流中的人的属性是事件的相关者的属性。例如，过去的事件的实际情况信息表示由于过去的事件而变动的人流中的人的属性。并且，预测部103按照与对象事件对应的过去的事件的实际情况信息所示的属性，对由于对象事件而变动的人流中的人的属性进行预测。

此外，过去的事件的实际情况信息也可以将由于过去的事件而变动的人流中包含的人的性别、年龄、嗜好以及通行目的等表示为人的属性。并且，预测部103也可以按照过去的事件的实际情况信息，将由于对象事件而变动的人流中包含的人的性别、年龄、嗜好以及通行目的等预测为人的属性。

接下来，预测部103按照所预测的人流以及属性等，对由于对象事件而在店铺中变动的商品需求进行预测(S204)。例如，预测部103将购入商品、购入时刻以及购入数量等预测为商品需求。商品需求的预测中，也可以反映对象事件的种类以及属性。

例如，预测部103按照对象事件的属性以及由于对象事件而变动的人流中的人的属性等，按照每个商品进行商品需求的加权，来预测商品需求。具体而言，预测部103按照所预测的人流等，如饮品的需求为通常的1.5倍、食物的需求为通常的1.2倍等那样，按照每个商品进行商品需求的加权，来预测商品需求。此外，时刻以及星期等的因果数据也可以被反映于加权。

例如，预测部103在基于所预测的人流以及属性，预测为男性的来店数变多的情况下，预测为男性用商品的商品需求变大。此外，预测部103在基于所预测的人流以及属性，预测为年轻人的来店数变多的情况下，预测为面向年轻人的商品的商品需求变大。

此外，预测部103也可以按照所预测的商品需求，决定推荐的采购商品、采购时刻以及采购数量等。此外，预测部103也可以按照预测的商品需求，决定店员的推荐轮班(店员的推荐出勤时间)。

此外，预测部103也可以按照预测的商品需求，决定推荐的商品配送计划。例如，可能存在由于人流的变动而商品需求增加的店铺和商品需求减少的店铺。因此，预测部103也可以在商品配送计划的决定中，从商品需求减少的店铺向商品需求增加的店铺变更商品的配送。

另外，需求预测系统100也可以具备决定部，不是预测部103，而是决定部决定所推荐的采购、店员的推荐轮班、以及所推荐的商品配送计划等。

此外，在本例中，预测部103按照过去的事件的实际情况信息来预测人流，按照所预测的人流来预测商品需求。但是，预测部103也可以不预测人流，而按照过去的事件的实际情况信息来预测商品需求。在该情况下，过去的事件的实际情况信息也可以表示由于过去的事件而变动的商品需求。

接下来，输出部104输出表示所预测的商品需求的需求预测信息(S205)。例如，输出部104对表示所预测的购入商品、购入时刻以及购入数量等的需求预测信息进行输出。输出部104也可以输出需求预测信息，将所预测的商品需求通知给店铺的运营者。

进一步地，输出部104也可以与对象事件的种类以及属性等一起地，输出表示对象事件的信息，并将这些通知给店铺的运营者。此外，输出部104也可以输出表示所预测的人流的人流预测信息，将所预测的人流通知给店铺的运营者，也可以将所预测的人流通知给保安公司以及警察等。进一步地，输出部104也可以输出表示所预测的人流中的人的属性的属性预测信息，将所预测的人流中的人的属性通知给店铺的运营者等。

此外，输出部104也可以输出表示所推荐的采购商品、采购时刻以及采购数量等的采购推荐信息，将这些通知给店铺的运营者。此外，输出部104也可以输出表示店员的推荐轮班的推荐轮班信息，向店铺的运营者通知店员的推荐轮班。此外，输出部104也可以输出表示所推荐的商品配送计划的配送推荐信息，向统一多个店铺的运营者通知商品配送计划。

此外，输出部104也可以按照所预测的人流、以及所预测的人流中的人的属性等，输出表示店铺以及商品的引导信息，对预测的人流中的人引导店铺中的商品。这样的引导信息例如也可以登载于通信网络中的店铺的首页，也可以通过直接邮件等而被独立地发送。

此外，输出部104也可以通过输出需求预测信息，向采购系统、出勤管理系统以及配送系统等输入需求预测信息，从而进行基于需求预测的自动采购、出勤管理以及配送的辅助。此外，输出部104也可以输出采购推荐信息、推荐轮班信息以及配送推荐信息等，向采购系统、出勤管理系统以及配送系统等输入这些。

对象事件的产生后，存储控制部106将对象事件的实际情况信息存储于存储部105。对象事件的实际情况信息也可以表示由于对象事件而在店铺中变动的商品需求的结果，也可以表示由于对象事件而变动的人流的结果。存储于存储部105的实际情况信息被利用为过去的事件的实际情况信息。

图4是表示图1所示的需求预测系统100的应用例的概念图。在图3中，表示了一个店铺，但也可以如图4那样，对多个店铺应用需求预测系统100。换句话说，需求预测系统100也可以预测多个店铺的各个中的商品需求。

具体而言，需求预测系统100对表示当前或者将来的各地的事件的事件信息进行收集。并且，需求预测系统100针对多个店铺(第1店铺、第2店铺、第3店铺)的各个店铺，提取表示包含该店铺的规定范围(第1范围、第2范围、第3范围)中的事件的事件信息。

并且，需求预测系统100针对多个店铺的各个店铺，按照所提取的事件信息，预测商品需求。需求预测系统100针对多个店铺的各个店铺的，输出表示所预测的商品需求的需求预测信息。

由此，需求预测系统100能够充分地活用多个事件信息。此外，需求预测系统100在各店铺的商品需求等的预测中，能够更加容易地利用其他店铺的商品需求等的实际情况信息。

图5是表示本实施方式中的事件的例子的相关图。事件中，包含路线相关事件、道路相关事件、特别活动以及流行等。此外，路线相关事件中，包含电车延迟以及运转停止等。此外，道路相关事件中，包含日常的交通阻塞、施工、路面结冻以及事故等。此外，道路相关事件中，也可以包含对交通有影响的大雨、雪以及雾等。

此外，特别活动中，包含运动会、参观日、俱乐部练习比赛、盂兰盆舞、跳蚤市场(flea market)、商店协会活动、公园活动、行走、音乐会、运动、展示会、考试、研讨会、演讲会、公开赛、城镇活动、烟花、节日、旅游以及海开节等。此外，流行中，包含肯定的评价的增加等。

例如，这些事件被分类为定期的事件和不定期的事件。此外，这些事件被分类为容易预测的事件和难以预测的事件。此外，这些事件根据预测时期而被分类。

收集部101对表示图5所示的事件的事件信息进行收集。此外，收集部101也可以基于图5所示的分类，来收集事件信息。例如，收集部101也可以针对容易预测的特别活动，收集表示将来的事件的事件信息，针对难以预测的路线相关事件，收集表示当前的事件的事件信息。由此，可适当地收集可靠性高的事件信息。

或者，提取部102也可以基于图5所示的分类，提取事件信息。例如，提取部102也可以针对容易预测的特别活动，提取表示将来的事件的事件信息，针对难以预测的路线相关事件，提取表示当前的事件的事件信息。由此，可适当地提取可靠性高的事件信息。

图6是表示产生图5所示的事件的场所的例子的相关图。根据场所的特性(种类)，产生事件以及产生事件的特性可能不同。

因此，提取部102也可以基于场所的特性，提取事件信息。例如，提取部102也可以针对主要车站周边的店铺，优先提取表示路线相关事件的事件信息，针对乡村的店铺，优先提取表示道路相关事件的事件信息。由此，可适当地提取事件信息。

此外，例如，预测部103也可以将过去的事件的产生场所的特性与对象事件的产生场所的特性一致或者类似用作为条件，来参照过去的事件的实际情况信息。由此，可参照适当的实际情况信息。

接下来，使用图7～图10，对由需求预测系统100进行的需求预测的多个例子进行说明。

图7是表示由图1所示的需求预测系统100进行的需求预测的第1例的概念图。该例对应于路线相关事件，更具体而言，对应于运转停止的事件。

在该例中，A线以及B线分别是电车的路线。此外，A线以及B线是相互相邻的大致平行的路线。A线包含C车站、D车站、E车站以及F车站。B线包含G车站、H车站、I车站以及J车站。并且，当前，在B线产生运转停止。另一方面，在A线进行通常运转。

在该例中，通过需求预测系统100(提取部102)，作为表示对象事件的事件信息，提取运行信息网站的信息以及SNS的信息等。特别地，根据运行信息网站的信息，识别事件的基本信息，根据SNS的信息，识别事件的实时的信息。例如，根据SNS的信息，识别“停止”、“虽然动着但停车时间较长且几乎不动”、“虽然动着但过于混乱且不能进入检票口”或者“非常正常化”等具体的信息。

并且，通过需求预测系统100(预测部103)，按照过去的相同的事件的实际情况信息，作为人流，预测为在A线与B线之间徒步中的移动增加。具体而言，预测为在距离较近的2个车站之间，即，C车站与G车站之间、D车站与H车站之间、E车站与I车站之间、以及F车站与J车站之间，徒步中的移动增加。此外，按照实际情况信息，预测到正常化为止的时间(例如，1～3小时等)。

此外，需求预测系统100也可以按照实际情况信息，预测具体的迂回路径。并且，需求预测系统100也可以按照实际情况信息，按每单位时间预测通行量。并且，需求预测系统100也可以按每单位时间，按照所预测的人流，预测A线以及B线之间的多个店铺各自的商品需求。需求预测系统100也可以将A线的运行量、B线的通常运行量、B线的当前的运行量以及SNS的信息的变化反映到预测。

此外，需求预测系统100也可以按照所预测的商品需求，决定推荐的采购以及商品配送计划，向A线以及B线之间的多个店铺通知所决定的信息。

图8是表示通过图1所示的需求预测系统100而进行的需求预测的第2例的概念图。该例对应于活动的事件，更具体而言，对应于音乐会的事件。

在该例中，在第1店铺的附近，存在第1会场以及第2会场。此外，在第2店铺的附近，存在第3会场。并且，在第1会场召开第1次音乐会(对象音乐会)。

在该例中，通过需求预测系统100(提取部102)，告知网站的信息、新闻网站的信息以及SNS的信息等被提取为表示对象事件的事件信息。例如，在告知网站，几周前就告知音乐会，通过告知网站的信息，可识别音乐会的召开、音乐会的时间以及音乐会的内容等。

并且，通过需求预测系统100(预测部103)，可按照过去的相同的事件的实际情况信息，预测音乐会的观众数(上座率)等。例如，在过去与对象音乐会类似的音乐会在第2会场召开的情况下，可按照类似的音乐会的实际情况信息，预测对象音乐会的观众数等。

例如，需求预测系统100也可以将与类似的音乐会有关的新闻网站的过去的报道用作为实际情况信息，来预测对象音乐会的观众数等。此外，需求预测系统100也可以通过类似的音乐会时收集的人的位置信息，预测人的分布。

此外，需求预测系统100也可以按照过去的相同的事件的实际情况信息，预测对象音乐会的观众的嗜好等属性。例如，需求预测系统100也可以将与类似的音乐会有关的SNS的过去的信息用作为实际情况信息，来预测想要啤酒、想要茶以及想吃冰淇淋等观众的需求。

如上述那样，需求预测系统100按照过去的事件的实际情况信息，预测人的分布以及属性。此外，需求预测系统100基于预测的观众数等，按照每单位时间来预测店铺附近的通行量。并且，需求预测系统100按照每单位时间来预测店铺中的商品需求。

进一步地，需求预测系统100也可以按照预测的商品需求，决定推荐的采购商品、采购时刻以及采购数量等。此外，需求预测系统100也可以按照预测的商品需求，决定店员的推荐轮班。

此外，在上述的例子中，在第1次音乐会在第1店铺的附近的第1会场召开时，需求预测系统100按照类似的音乐会的实际情况信息来预测由于第1次音乐会而在第1店铺中变动的商品需求。在内容与第1次音乐会相同的第2次音乐会在第2店铺的附近的第3会场召开时，需求预测系统100也可以按照第1次音乐会的实际情况信息来预测由于第2次音乐会而在第2店铺中变动的商品需求。

例如，需求预测系统100也可以按照第1次音乐会的召开时的第1店铺附近的人流以及第1店铺的商品需求，预测由于第2次音乐会而在第2店铺中变动的商品需求。

图9是表示通过图1所示的需求预测系统100而进行的需求预测的第3例的概念图。该例对应于道路相关事件，更具体而言，对应于施工的事件。

在该例中，多数人开车越过河流去工作场所上班。在该用于通勤的通常的路径进行施工的情况下，多数人必须绕道其它的路径。

在该例中，通过需求预测系统100(提取部102)，告知网站的信息以及SNS的信息等被提取为表示对象事件的事件信息。例如，在告知网站，几周前或者几个月前告知施工。并且，通过告知网站的信息，可识别施工的产生、施工的时间以及施工的影响范围等。此外，通过SNS的信息，可识别迂回路径、以及由于天气等而变化的混乱状况的时间变化等。

需求预测系统100(预测部103)按照与对象事件相同的过去的事件的实际情况信息，预先预测迂回路径以及通行量。过去进行相同的施工时的SNS的信息也可以被用作为过去的事件的实际情况信息。此外，当前的SNS的信息也可以被反映于迂回路径以及通行量的预测，预测将来的迂回路径以及通行量。并且，需求预测系统100按照每单位时间，基于预测的迂回路径以及通行量，预测商品需求。

进一步地，需求预测系统100也可以按照所预测的商品需求，决定推荐的采购商品、采购时刻以及采购数量等。此外，需求预测系统100也可以按照预测的商品需求，决定店员的推荐轮班。

图10是表示通过图1所示的需求预测系统100而进行的需求预测的第4例的概念图。该例对应于流行，更具体而言对应于评价增加的事件。

例如，根据当地广播台的电视商业广告或者电视节目，可能在特定的地域，特定的商品成为好评。在这样的情况下，在特定的地域，与特定的商品有关的肯定的评价增加。图10的例子对应于这样的事件。

在该例中，需求预测系统100(收集部101)通过收集SNS中的多个评价，来收集多个评价中包含的多个事件信息。例如，若特定的商品成为好评，则在收集的多个评价中，与特定的商品有关的肯定的评价增加。需求预测系统100通过收集多个评价，来收集包含将这样的评价增加视为事件的事件信息的多个事件信息。

需求预测系统100(提取部102)基于收集的多个评价，提取表示上述的评价增加的事件信息。此外，表示评价增加的事件信息的位置信息基于随附于评价的发信源信息等，将评价增加的地域视为位置。事件信息的提取中，利用这样的位置信息。

即，具体而言，需求预测系统100(提取部102)基于收集的多个评价以及其发信源信息等，提取表示包含店铺的地域中的评价增加的事件信息。由此，从收集的多个事件信息提取表示对象事件的事件信息。

需求预测系统100(预测部103)按照提取的事件信息所示的对象事件所对应的过去的事件的实际情况信息，预测店铺中由于对象事件而变动的商品需求。对象事件所对应的过去的事件例如是与类似的商品有关的过去的评价增加的事件。即，需求预测系统100按照过去评价增加时的实际情况信息，预测商品需求。

此外，需求预测系统100也可以按照过去的事件的实际情况信息，预测人流(来店数)。并且，需求预测系统100也可以按照人流(来店数)，预测评价增加的特定的商品，以及针对特定的商品以外的商品，预测商品需求。

并且，需求预测系统100也可以按照预测的商品需求，决定推荐的采购商品以及采购数量等。

如上述的实施方式那样，需求预测系统100经由通信网络，收集分别是表示当前或者将来的事件的信息且包含表示事件的位置的位置信息的信息的多个事件信息。并且，需求预测系统100按照位置信息，从收集的多个事件信息提取表示包含店铺的位置的规定范围中的事件的事件信息。

并且，需求预测系统100按照提取的事件信息所示的事件所对应的过去的事件的实际情况信息，预测由于所提取的事件信息所示的事件而在店铺中变动的商品需求。并且，需求预测系统100输出表示所预测的商品需求的需求预测信息。

由此，需求预测系统100能够适当地预测由于当前或者将来的事件而在店铺中变动的商品需求，能够提供表示所预测的商品需求的信息。因此，需求预测系统100能够辅助商品的适当的提供。

以上，针对本公开所涉及的需求预测系统，基于实施方式等来进行了说明，但本发明并不限定于实施方式。对实施方式等实施本领域技术人员想到的变形而得到的形态、以及将实施方式等中的多个结构要素任意地组合而实现的另外形态也包含于本发明。

例如，也可以另外的处理部执行特定的处理部所执行的处理。此外，也可以变更执行处理的顺序，也可以并行执行多个处理。

此外，本发明不仅能够实现为需求预测系统，也能够时限为将构成需求预测系统的处理单元设为步骤的方法。例如，这些步骤通过计算机来执行。并且，本发明能够将这些方法中包含的步骤实现为用于使计算机执行的程序。进一步地，本发明能够实现为记录该程序的CD-ROM等非暂时性计算机可读取的记录介质。

例如，在本发明通过程序(软件)来实现的情况下，可通过利用计算机的CPU、存储器以及输入输出电路等的硬件资源来执行程序，从而实现本发明的各功能要素。换句话说，通过CPU从存储器或者输入输出电路等获取处理对象的数据来运算数据，或者将运算结果输出到存储器或者输入输出电路等，可实现各功能要素。

此外，需求预测系统中包含的多个结构要素也可以被实现为作为集成电路的LSI(Large Scale Integration)。这些结构要素也可以被独立地1芯片化，也可以被1芯片化为包含一部分或者全部。这里，设为LSI，但也可能根据集成度的不同，被称为IC(IntegratedCircuit)、系统LSI、超级LSI或者特别LSI。

此外，集成电路化的手法并不局限于LSI，也可以通过专用电路或者通用处理器来实现。也可以利用能够程序化的FPGA(Field Programmable Gate Array)、或者可重建LSI内部的电路单元的连接以及设定的可重新配置·处理器。

进一步地，若通过半导体技术的进步或者派生的其他技术而置换为LSI的集成电路化的技术登场，则当然也可以使用该技术，进行需求预测系统中包含的结构要素的集成电路化。

如上述那样，本公开的需求预测系统等能够适当地预测店铺中的商品需求。

产业上的可利用性

本公开的需求预测系统等能够利用于店铺中的商品需求的预测，能够应用于用于商品的采购的采购系统以及用于商品的配送的配送系统等。

-符号说明-

100 需求预测系统

101 收集部

102 提取部

103 预测部

104 输出部

105 存储部

106 存储控制部。

Claims (11)

1.一种需求预测系统，具备：

收集部，经由通信网络来收集包含事件信息的多个事件信息，所述事件信息具有当前或者将来的事件和表示所述事件的位置的位置信息；

提取部，根据所述位置信息，从由所述收集部收集的所述多个事件信息，提取表示包含店铺的位置的规定范围中的事件的事件信息；

预测部，根据由所述提取部提取的所述事件信息表示的事件所对应的过去的事件的实际情况信息，预测由于由所述提取部提取的所述事件信息表示的事件而在所述店铺中变动的商品需求；和

输出部，对表示由所述预测部预测出的所述商品需求的需求预测信息进行输出。

2.根据权利要求1所述的需求预测系统，其中，

所述规定范围是被设定为对所述店铺中的所述商品需求带来影响的范围而得到的范围。

3.根据权利要求1或者2所述的需求预测系统，其中，

由所述提取部提取出的所述事件信息表示的事件是所述规定范围中的路线相关事件、道路相关事件、特别活动或者流行。

4.根据权利要求1～3的任意一项所述的需求预测系统，其中，

所述预测部根据所述过去的事件的实际情况信息来预测由于由所述提取部提取出的所述事件信息表示的事件而变动的人流，根据所预测的所述人流来预测所述商品需求。

5.根据权利要求4所述的需求预测系统，其中，

所述预测部将由于由所述提取部提取出的所述事件信息表示的事件而变动的通行路径、通行量以及来店数之中的至少一者作为所述人流来进行预测。

6.根据权利要求4或者5所述的需求预测系统，其中，

所述输出部进一步对表示由所述预测部预测出的所述人流的人流预测信息进行输出。

7.根据权利要求4～6的任意一项所述的需求预测系统，其中，

所述预测部根据所述过去的事件的实际情况信息来预测所述人流、以及所述人流中包含的人的属性，根据所预测的所述人流以及所述属性来预测所述商品需求。

8.根据权利要求7所述的需求预测系统，其中，

所述预测部将所述人流中包含的人的性别、年龄以及嗜好的至少一者作为所述属性来进行预测。

9.根据权利要求7或者8所述的需求预测系统，其中，

所述输出部进一步对表示由所述预测部预测出的所述属性的属性预测信息进行输出。

10.一种需求预测方法，具备：

收集步骤，经由通信网络，收集包含事件信息的多个事件信息，所述事件信息具有当前或者将来的事件和表示所述事件的位置的位置信息；

提取步骤，根据所述位置信息，从所述收集步骤中收集的所述多个事件信息提取表示包含店铺的位置的规定范围中的事件的事件信息；

预测步骤，根据所述提取步骤中提取出的所述事件信息表示的事件所对应的过去的事件的实际情况信息，预测由于所述提取步骤中提取出的所述事件信息表示的事件而在所述店铺中变动的商品需求；和

输出步骤，对表示所述预测步骤中预测出的所述商品需求的需求预测信息进行输出。

11.一种程序，用于使计算机执行权利要求10所述的需求预测方法。