JP2004185539A - Trading area analyzing system, method, program, and record medium - Google Patents

Abstract

<P>PROBLEM TO BE SOLVED: To improve sales forecasting of a new store and forecasting accuracy of a trading area spatial structure by estimating a trading area spatial structure of an existing store of a business type and category with a competitive relationship by using a GIS. <P>SOLUTION: The trading area analysis system 10 has a DB editing part 11, a simulation part 12, a display/analyzing part 13, a regional statistics DB 14 storing statistical information regarding consumers per each area of precedently prepared map data divided by specified conditions, and a store DB 15 storing pieces of store information including at least several of store names, salesroom areas, coordinates indicating locations, and sales performance values per business category. In the trading area analysis system 10, by specifying a target area for trading area analysis on the map data and carrying out simulation with respect to each store included in the specified target area, a parameter of a predetermined probability model is determined so that it is approximate to a sales performance value stored in the store DB 15, and the sales forecasting and the trading area spatial structure of the new store are forecasted by using the probability model with the determined parameter. <P>COPYRIGHT: (C)2004,JPO&NCIPI

Description

【００１７】
上記式（１６）において、ｋは確率の規格化定数であり、Ｐｉｊをすべてのｊで加えれば１になるという式（１７）から、上記のように表わされる。Ｒｉｊについてハフは時間距離としているが、距離としても同じことである。距離のべき乗αは買物の種類によって経験的に計測されるとしている。上記式（１６）により場所ｉからセンタｊに行く消費者数Ｅｉｊは以下に示す式により求められる。
客数 Ｅｉｊ＝Ｐｉｊ×Ｎｉ ・・・式（１８）
Ｎｉはｉ地点の消費者数または当該カテゴリの総買い物トリップ数（または世帯数）である。また、ｊ店の売上（消費額）は次式で計算される。
【００１８】
【数２】

【００１９】
上記式（１９）におけるＣｉｍは、ｉにおける消費者のｍカテゴリ商品の買い物１回当たりの購入単価（または期間支出額）である。
【００２０】
以上はハフが非特許文献１及び非特許文献２において定式化した原型であり、問題を抱えながらも、今日まで引き継がれてきたものである。上記式中には変数として現実面積と距離しかなく、パラメータはべき乗αだけということが最大の問題点である。形式上これらの式から売上を計算することはできるが、そのままではどのような地域でも、小売店舗の現実の売上を精度よく計算するのは不可能である。実際ハフは売上を計算できる可能性を示唆しただけで、実証したわけではない。実証したのは、家具と衣服小売店の選択に関して距離のべき乗αをサンプリング調査によって推計しただけである。
【００２１】
ここで、下記に示す（１）〜（３）の問題がハフもそれ以後も未解決で残されたままである。
（１）集客確率を売場面積に比例するとしたが、第１の問題点として、売場面積を使った確率では、地域の複数店の現実の売上に近似的にでも一致させることはできない。第２の問題点として、同一業態の中で、売場面積対売上に関する限界効用逓減則、すなわち売場面積が増加するとともにｍ^２当たり売上（増分に対して、従って全体の平均も）が減少することは、当時から知られていたが、未解決のままである。（例えば、スーパーマーケット名鑑によれば１００〜４４９ｍ^２のスーパーのｍ^２効率は平成１２年でおよそ１６２，０００円（月商）、４５０〜９９９ｍ^２のスーパーで１２６，０００円、１０００〜１９９９ｍ^２のスーパーで８，９００円、２０００ｍ^２以上のスーパーで６，６００円、ＧＭＳで５，４００円である。）
【００２２】
（２）確率を基本的にはトリップ（出向）確率としていた（この場合にはトリップ１回当たりの平均購入単価をかけて売上を計算する。）が、その応用では店選択消費確率（この場合には期間平均消費予算額をかけて売上を計算する。）のように用いる場合もあり、その区別はあいまいである。しかし、その確率という趣旨から言えばどちらの確率と解釈してもよいのである。問題は距離のべき乗αを計測するときに表れる。
【００２３】
ハフは売場面積をそのままにしておいて、距離のべき乗αの計測を試みた。べき乗αが大きいということは、移動の距離抵抗が大きいということであり、小さいということは移動の距離抵抗が小さく遠くから吸引するということであり、それは商品カテゴリにより異なるであろうとハフは考えた（ハフ以降では、商品カテゴリよりもワンストップショッピング効果から売場総面積のほうが適切な変数であるということになった）。そしてロサンゼルス郊外で所得水準の似通った特定の居住地域を選び、それを取り巻く半径２０マイル内のショッピングセンタについて出向回数を郵送法で調査し、逐次近似法でべき乗αを計算した。その結果、衣服で３．１９１、家具で２．７２３を得た。
【００２４】
ここで何が問題かというと、ハフは等質母集団を仮定し（事実意識的にそのような地域を選んでいる）、その結果少数サンプルで済ませている。このような手法はハフ以後も引き継がれている。しかしながら、現実の消費者は店舗選択においても極めて多様な価値観を持っている。例えば、大都市圏内にあり、スーパーという同業態の中で多様な店舗選択が可能な地域にある大型スーパーの足元徒歩圏の消費者でさえ、１ヶ月間に当該店に来店する回数は次の図５０に示すように幅広く分布し（この場合正規分布に近似している）、その来店回数は個人に固有な傾向があるのである。
【００２５】
図５０は、消費者の来店回数の分布状態の一例を示した図である。このような多様性を前提とすれば、トリップ確率とそのパラメータは分布平均に対応するものとなり、それらを計算するには大サンプル調査を広範な地域で行わなければならないのである。それはコスト的にほとんど不可能であるし、仮に行ったとしても他地域に適用できるという普遍性の保証はないのである。
【００２６】
確率を店選択消費確率と解釈する場合は、そのパラメータを別の方法で計算できる。すなわち特定店舗の来店客調査を使う方法である。消費者から見て、店選択消費確率が消費者と店舗との距離のα乗に反比例するなら、逆に店舗から見て、店舗を取り巻く各ゾーンからの来店確率も同じ関数形になる。店への来店確率は、スーパーのように日常的慣習的買い物行動ではこの調査は重複を避けるために適切な休日１日で行わなければならない。こうして当該店を取り巻く地域を店からの距離に沿ってゾーニングし、各ゾーンからの来店確率をＲｉｊ⁻αの形で回帰分析すると、非常に多くの場合に０．９以上という高い決定係数でべき乗αが求まる。
【００２７】
図５１は、距離のべき乗αと距離との関係を示した図で、図中、１４０は距離のべき乗αを表す特性曲線である。本例に示すように、ハフモデルが統計的な見方をすれば、現実に当てはまるという傍証になるし、べき乗αの推計値として使える可能性がある。しかし、パラメータαを求めるという観点からは、この方法にも問題がある。地域ゾーニングの方法はかなり恣意的にならざるを得ず、一般性を主張できないし、また既存店の存在によるバイアスを取り除くことも困難である。またひとつの店のデータが、店舗配置や空間密度の異なる他の地域でも当てはまるということを主張できる根拠がない。したがってこのように求めたべき乗αもどこまで普遍性があるか言うことができない。すなわち前者のハフのような発地調査にしろ、後者の着地調査にしろ従来の実証的手段には限界があるのである。
【００２８】
（３）上記（１）、（２）に示したような困難さは消費者店舗選択消費行動が複雑なシステムをなしているということから生じる。店舗側から見ればその商圏構造を示す店舗選択消費確率等高線は隣接する店舗のそれと重なりあっており、ひとつの店の要因の変化はその重なりを通して遠くにまで及ぶ。大都市圏でもＧＭＳや大型ＳＭの商圏距離は５〜７ｋｍ程度になるので、ひとつの店の商圏解析をするにも、その店を中央に置いて３０ｋｍ四方くらいの領域の相互作用を計算に入れなければならない。一つ一つの店を個別に取り上げることはできない。システムの全体は部分の和ではない。全体としてひとつなのである。
【００２９】
前述の式（１９）において、ｊ＝１，２，３，・・・，ｎとおいて、各理論売上Ｕｊに、解析領域の同業態の全店の現実売上Ｕｊ′を置き、こうしてｎ個の非線形確率方程式を解かねばならないのである。スーパーの競争モデルではこの店舗数ｎは１００を超えることも珍しくない。そしてこのとき、現実の売場面積や上記（２）で述べたいずれのパラメータαの計測値を用いても理論売上が現実売上に一致することはほとんどないのである。ハフ以降のその応用に当たっては、こうした視点が抜けていた。各店があたかも独立して存在しているように扱ってきたのである。つまり、ハフモデルが広域の消費者店舗選択行動あるいは店舗間相互作用の結果、各店が現在の売上になり、現在の空間商圏構造になる、というシステム実証性、予測性の検証がなされてこなかったのである。その理由はハフモデルが示す店舗間相互作用は、非線形であり、コンピュータシミュレーションという形でしか扱うことができないということがまず挙げられる。
【００３０】
上記コンピュータシミュレーション自体は１９６０年代から行われてきたが、８０年代に複雑系における構成的方法という研究方法が進む中で、新たな認識方法として認知されるようになった。そして１９９５年以降パーソナルコンピュータの急速な進歩で、膨大な計算量をこなせるようになったということと、電子地図がこれも急速に普及したということ、またこれらに伴って各種データベースの整備が進んできたこと、などがある。こうしたことを背景に複雑系ハフシミュレーションの実現の可能性がでてきたのである。しかしながら、そのためには、ハフモデルに既存の統計ファイルとデータベースファイルを接続し、シミュレーション化するためにファイル構成を工夫し、それにいくつかの制御パラメータを組み込む必要がある。
【００３１】
このように、現実の売上を計算によって実証し、新店の売上を高い精度で予測するには、複雑系シミュレーションという視点の転換が必要であり、かつ、多くの制御パラメータの導入が必要なのである。このハフモデルにおいて、現実をシミュレートするには、業態ないしサブ業態という概念を導入し、変数として顧客吸引力（個店吸引力）を導入した上、パラメータαの値を任意に指定できるようにし、更に売場面積底上げ係数、顧客吸引係数（個店吸引係数）、消費シェア、限界距離、消費確率等高線間隔、などの本質的に重要な概念と変数とパラメータを追加しなければならず、さらに、それらの概念と変数とパラメータに沿ったモジュール構成にしなければならない。またこのような非線形の膨大な計算は、従来のパーソナルコンピュータでは実行が困難だったのである。
【００３２】
【非特許文献１】
Ｄ．Ｌ．Ｈｕｆｆ“Ｄｅｔｅｒｍｉｎａｔｉｏｎ ｏｆ Ｉｎｔｒａ−Ｕｒｂａｎ Ｒｅｔａｉｌ Ｔｒａｄｅ Ａｒｅａｓ．”（ＬｏｓＡｎｇｅｌｅｓ； Ｕｎｉｖ． ｏｆ Ｃａｌｉｆｏｒｎｉａ； Ｒｅａｌ Ｅｓｔａｔｅ Ｒｅｓｅａｒｃｈ Ｐｒｏｇｒａｍ，１９６２）
【非特許文献２】
Ｄ．Ｌ．Ｈｕｆｆ“Ｄｅｆｉｎｉｎｇ ａｎｄ Ｅｓｔｉｍａｔｉｎｇ ａ Ｔｒａｄｉｎｇ Ａｒｅａ” Ｊｏｕｒｎａｌ ｏｆ Ｍａｒｋｅｔｉｎｇ， Ｖｏｌ．２８， Ｊｕｌｙ １９６４
【００３３】
【発明が解決しようとする課題】
本発明は、上述のごとき実情に鑑みてなされたものであり、ＧＩＳを利用して競争関係にある業態における各店舗の商圏を分析する際、特に店舗間において激しい競争がある場合に、新規店舗の売上予測や、商圏空間構造の予測の精度を向上させるとともに、高度なマーケティング分析を実現することができる商圏分析システム、方法、プログラム、及び記録媒体を提供すること、を目的としてなされたものである。
【００３４】
より具体的には、第１に、競争関係にある業態の各店舗の売上と商圏空間構造とを推計するために、消費者の店舗選択消費行動に関する確率モデルに対し新たな概念と変数を付加し、それらを用いてコンピュータを動作させ、現実のデータに合うまで繰り返し自動計算して実証的な検証を行うためのモジュール構成と、さらに、その検証処理後に新規出店投資に対する売上予測と、商圏空間構造の予測とを行うためのモジュール構成とを有する商圏分析システムを提供すること、をその目的とする。このためにハフモデルを、その確率を通して地域におけるすべての店が相互に連結した非線形確率連立方程式と見なし、現実の諸統計に接続できるように多くの制御パラメータを組み込んで複雑系拡張ハフモデルを構成した上で、シミュレーションによって全体の消費者行動を計算し、結果の現実妥当性を吟味し、モデルのパラメータを自動又は手動で変更しつつ、現象全体が満足のいく水準で説明されるまでこれを繰り返すという、複雑系における構成的手法を提供できるようにする。
【００３５】
また、第２に、地図として安価で完成度の高いラスタ地図を背景として用いることを可能とし、別途一定の地図領域に一致する解析平面を作成して、その中でシミュレーション、統計解析、その他任意のデータ解析を行い、それらを選択的に、かつ、一度に地図領域にレイヤできるようにすること、をその目的とする。
【００３６】
【課題を解決するための手段】
請求項１の発明は、地図データ上で商圏を設定し、該設定した商圏を分析するための商圏分析システムにおいて、任意の領域毎に住民に関する統計情報を格納した地域統計データベースと、予め準備した地図データ上で商圏分析の対象領域を指定する対象領域指定手段と、店舗それぞれの店舗名、売場面積、所在地を示す緯度経度、売上実績値のいずれか複数を少なくとも含む店舗情報を業態別に格納した店舗データベースと、前記対象領域指定手段により指定された対象領域に含まれる店舗それぞれに対し商圏空間構造と理論売上を推計するためのシミュレーション計算を行うことにより、所定の確率モデルのパラメータを、前記店舗データベースに格納された売上実績値に近づくように決定するシミュレーション手段とを有することを特徴としたものである。
【００３７】
請求項２の発明は、請求項１に記載の商圏分析システムにおいて、前記対象領域に含まれる店舗の中からシミュレーション対象とする店舗を指定する店舗指定手段を有し、前記シミュレーション手段は、該店舗指定手段により指定された店舗それぞれに対しシミュレーションを行うことにより、前記確率モデルのパラメータを、前記店舗データベースに格納された売上実績値に近づくように決定することを特徴としたものである。
【００３８】
請求項３の発明は、請求項１または２に記載の商圏分析システムにおいて、前記シミュレーション手段は、前記確率モデルを用いてシミュレーションした結果に基づいて算出された売上推計値と、前記店舗データベースに格納された売上実績値との差異が、該売上実績値に対し予め設定された許容範囲内に収まるまで繰り返しシミュレーションを行うことにより、前記確率モデルのパラメータを決定することを特徴としたものである。
【００３９】
請求項４の発明は、請求項１ないし３のいずれか１に記載の商圏分析システムにおいて、前記確率モデルは、店舗において顧客を引きつける吸引力の大きさを表す顧客吸引力と、該顧客吸引力の大きさを調整するための顧客吸引係数と、店舗の売場面積を予め底上げするために業態別又は個店別に指定される底上げ係数と、店舗の顧客吸引力のべき乗βと、顧客居住地点から店舗までの距離のべき乗αと、前記対象領域に含まれるシミュレーション対象とする店舗から最も遠方に位置する顧客の居住地域までの距離を表す限界距離と、該限界距離内で顧客が選択し得る、業態別に選択可能な最大店舗数と、各業態の店舗が取引対象とする家計調査上の全消費カテゴリにおいて、１世帯当たり又は１人当たりの全対象カテゴリ消費額に対して、集団的消費者が１世帯平均又は１人平均として各業態の店舗で現実に消費し得る割合を表す消費シェアとのいずれか複数をパラメータとして定義され、前記顧客吸引力は、店舗の売場面積に対し、前記顧客吸引係数と底上げ係数とを乗じて算出されることを特徴としたものである。
【００４０】
請求項５の発明は、請求項１ないし４のいずれか１に記載の商圏分析システムにおいて、前記確率モデルに含まれる確率関数の形式を、距離のべき乗型又は距離にかかる指数関数型のいずれかに指定する確率関数形式指定手段と、前記確率モデルの対象とする消費者主体を前記地域統計データベースに格納された統計情報に関する項目の中から任意に指定する消費者主体指定手段とを有することを特徴としたものである。
【００４１】
請求項６の発明は、請求項４または５に記載の商圏分析システムにおいて、前記確率モデルは、前記確率関数形式指定手段により距離にかかる指数関数型が指定された場合、前記距離のべき乗αの代わりに、顧客居住地点から各店舗までの距離にかかる係数δを設定できるようにしたことを特徴としたものである。
【００４２】
請求項７の発明は、請求項１ないし６のいずれか１に記載の商圏分析システムにおいて、業態別及び／又は個店別の制御パラメータを格納した制御パラメータデータベースを有し、前記シミュレーション手段は、前記対象領域指定手段により指定された対象領域に含まれる店舗それぞれに対し、前記シミュレーション計算を前記制御パラメータデータベースに格納した業態別又は個店別の制御パラメータに基づいて行うことにより、前記確率モデルのパラメータを、前記店舗データベースに格納された売上実績値に近づくように決定することを特徴としたものである。
【００４３】
請求項８の発明は、請求項７に記載の商圏分析システムにおいて、前記制御パラメータデータベースに格納した制御パラメータは、個店別の場合、業態記号、底上げ係数、消費シェア、限界距離、顧客吸引力のべき乗β、距離のべき乗α又は距離にかかる係数δのいずれかを含み、業態別平均の場合、底上げ係数、消費シェア、限界距離、顧客吸引力のべき乗β、距離のべき乗α又は距離にかかる係数δのいずれかを含むことを特徴としたものである。
【００４４】
請求項９の発明は、請求項１ないし８のいずれか１に記載の商圏分析システムにおいて、前記シミュレーション手段は、前記対象領域に含まれる店舗に対し、顧客吸引力のべき乗β、距離のべき乗α又は距離にかかる係数δと、限界距離、消費シェア、底上げ係数、最大店舗数とを予め指定し、該指定した顧客吸引力のべき乗β、距離のべき乗α又は距離にかかる係数δ、限界距離、消費シェア、底上げ係数、最大店舗数を前記確率モデルに設定するとともに、前記店舗それぞれに対し直前のシミュレーション結果に応じて顧客吸引係数及び顧客吸引力を修正しながら、繰り返しシミュレーションを行うことにより、該顧客吸引係数及び顧客吸引力を決定することを特徴としたものである。
【００４５】
請求項１０の発明は、請求項９に記載の商圏分析システムにおいて、前記シミュレーション手段は、さらに、１世帯当たり又は１人当たりの平均消費額を業態毎に予め指定し、該指定した平均消費額を前記確率モデルに設定することを特徴としたものである。
【００４６】
請求項１１の発明は、請求項１ないし１０のいずれか１に記載の商圏分析システムにおいて、前記シミュレーション手段は、前記対象領域に含まれる店舗に対し、シミュレーション回数を指定し、該指定した回数のシミュレーションを実行した後に、該シミュレーション結果に基づいて算出された売上推計値と、前記店舗データベースに格納された売上実績値との差異が予め定めた閾値以上の場合、該差異を示した店舗を抽出し、該抽出した店舗に応じた顧客吸引力又は顧客吸引係数を前記シミュレーションが終了した時点で決定するとともに、限界距離を指定範囲内で変化させながら、さらに繰り返しシミュレーションを行うことにより、該限界距離を決定することを特徴としたものである。
【００４７】
請求項１２の発明は、請求項１ないし１１のいずれか１に記載の商圏分析システムにおいて、前記シミュレーション手段は、前記対象領域に含まれる店舗に対し、シミュレーション回数を指定し、該指定した回数のシミュレーションを実行した後に、該シミュレーション結果に基づいて算出された売上推計値と、前記店舗データベースに格納された売上実績値との差異が予め定めた閾値以上の場合、該差異を示した店舗を抽出し、該抽出した店舗に応じた顧客吸引力又は顧客吸引係数を前記シミュレーションが終了した時点で決定するとともに、距離のべき乗α又は距離にかかる係数δを指定範囲内で変化させながら、さらに繰り返しシミュレーションを行うことにより、該距離のべき乗α又は距離にかかる係数δを決定することを特徴としたものである。
【００４８】
請求項１３の発明は、請求項１ないし１２のいずれか１に記載の商圏分析システムにおいて、前記シミュレーション手段は、前記対象領域に含まれる店舗に対し、シミュレーション回数を指定し、該指定した回数のシミュレーションを実行した後に、該シミュレーション結果に基づいて算出された売上推計値と、前記店舗データベースに格納された売上実績値との差異が予め定めた閾値以上の場合、該差異を示した店舗を抽出し、該抽出した店舗に応じた顧客吸引力又は顧客吸引係数を前記シミュレーションが終了した時点で決定するとともに、消費シェアを指定範囲内で変化させながら、さらに繰り返しシミュレーションを行うことにより、該消費シェアを決定することを特徴としたものである。
【００４９】
請求項１４の発明は、請求項１ないし１３のいずれか１に記載の商圏分析システムにおいて、前記シミュレーション手段は、前記対象領域に含まれる店舗に対し、顧客吸引力のべき乗β、距離のべき乗α又は距離にかかる係数δと、顧客吸引力、消費シェア、最大店舗数とを予め指定し、該指定した顧客吸引力のべき乗β、距離のべき乗α又は距離にかかる係数δ、顧客吸引力、消費シェア、最大店舗数を前記確率モデルに設定するとともに、前記店舗それぞれに対し直前のシミュレーション結果に応じて限界距離を指定範囲内で変化させながら、繰り返しシミュレーションを行うことにより、該限界距離を決定することを特徴としたものである。
【００５０】
請求項１５の発明は、請求項１ないし１４のいずれか１に記載の商圏分析システムにおいて、前記シミュレーション手段は、前記対象領域に含まれる店舗に対し、顧客吸引力のべき乗βと、限界距離、顧客吸引力、消費シェア、最大店舗数とを予め指定し、該指定した顧客吸引力のべき乗β、限界距離、顧客吸引力、消費シェア、最大店舗数を前記確率モデルに設定するとともに、前記店舗それぞれに対し直前のシミュレーション結果に応じて距離のべき乗α又は距離にかかる係数δを指定範囲内で変化させながら、繰り返しシミュレーションを行うことにより、該距離のべき乗α又は距離にかかる係数δを決定することを特徴としたものである。
【００５１】
請求項１６の発明は、請求項１ないし１５のいずれか１に記載の商圏分析システムにおいて、前記シミュレーション手段は、前記対象領域に含まれる店舗に対し、顧客吸引力のべき乗β、距離のべき乗α又は距離にかかる係数δと、顧客吸引力、限界距離、最大店舗数とを予め指定し、該指定した顧客吸引力のべき乗β、距離のべき乗α又は距離にかかる係数δ、顧客吸引力、限界距離、最大店舗数を前記確率モデルに設定するとともに、前記店舗それぞれに対し直前のシミュレーション結果に応じて消費シェアを指定範囲内で変化させながら、繰り返しシミュレーションを行うことにより、該消費シェアを決定することを特徴としたものである。
【００５２】
請求項１７の発明は、請求項１ないし１６のいずれか１に記載の商圏分析システムにおいて、前記シミュレーション手段は、前記対象領域に含まれる店舗に対し、前記確率モデルを用いてシミュレーションした結果に基づき算出された売上推計値と、前記店舗データベースに格納された売上実績値との差異が、予め設定された最大値又は前記売上実績値に対して予め設定された最大相対誤差以下になるまで繰り返しシミュレーションを行うことにより、前記確率モデルのパラメータを決定することを特徴としたものである。
【００５３】
請求項１８の発明は、請求項１ないし１７のいずれか１に記載の商圏分析システムにおいて、前記シミュレーション手段は、前記店舗データベースに業態別に格納された店舗情報に基づいて、売場面積、売場効率、取り扱い商品カテゴリ、販売形態、店舗設備、立地条件、立地地域の人口又は資本集中度のいずれか１又は複数を少なくとも含む観点から店舗を予め抽出し、該抽出した店舗を別業態として異なる業態ファイルに分類し、該分類した業態ファイル毎に前記確率モデルのパラメータを設定又は決定することを特徴としたものである。
【００５４】
請求項１９の発明は、請求項１ないし１８のいずれか１に記載の商圏分析システムにおいて、前記シミュレーション手段は、前記対象領域に含まれる店舗に対する１回目のシミュレーション結果に基づいて算出される売上推計値と、前記店舗データベースに格納された売上実績値との差異が予め定めた閾値以上の場合、該差異を示した店舗を抽出し、該抽出した店舗を別業態として異なる業態ファイルに分類し、該分類した業態ファイル毎に前記確率モデルのパラメータを設定又は決定することを特徴としたものである。
【００５５】
請求項２０の発明は、請求項１８または１９に記載の商圏分析システムにおいて、前記シミュレーション手段は、前記対象領域に含まれる店舗に対してシミュレーションを実行する前に、前記店舗の売場面積又は単位面積あたりの売上の相対的大きさを基準に分類された業態ファイルにおいて、該業態ファイルに属する店舗の売場面積に対し、底上げ係数を予め乗じておくことを特徴としたものである。
【００５６】
請求項２１の発明は、請求項１ないし２０のいずれか１に記載の商圏分析システムにおいて、前記シミュレーション手段は、前記対象領域に含まれる店舗に対する１回目のシミュレーション結果に基づいて算出される売上推計値と、前記店舗データベースに格納された売上実績値との差異が予め定めた閾値以上の場合、該差異を示した店舗を抽出し、該抽出した店舗の底上げ係数又は消費シェアを前記差異が閾値以下になるように予め設定することを特徴としたものである。
【００５７】
請求項２２の発明は、請求項１ないし２１のいずれか１に記載の商圏分析システムにおいて、前記シミュレーション手段は、前記対象領域指定手段により指定された対象領域における新規店舗の売上予測を行う場合、前記対象領域に含まれる既存店舗それぞれに対しシミュレーションを行うことにより、前記確率モデルのパラメータを、前記店舗データベースに格納された売上実績値に近づくように決定した後に、前記売上予測を行う対象とする新規店舗の店舗名、売場面積、所在地を示す緯度経度の各データを設定するとともに、前記新規店舗において、該新規店舗と同じ業態に属する既存店舗の前記シミュレーション結果に基づき推定される顧客吸引力又は顧客吸引係数と、該既存店舗の前記決定したパラメータのうち顧客吸引力及び顧客吸引係数以外のパラメータとを前記確率モデルに設定し、該パラメータを設定した確率モデルを用いてシミュレーションを実行して新規店舗の売上予測を行うことを特徴としたものである。
【００５８】
請求項２３の発明は、請求項１ないし２２のいずれか１に記載の商圏分析システムにおいて、前記シミュレーション手段は、前記対象領域に含まれる既存店舗又は新規店舗に対して実行されたシミュレーション結果に基づいて、該既存店舗又は新規店舗それぞれの売上推計または予測値、売上実績値、売上推計値と売上実績値との差異、顧客吸引係数、顧客吸引力、底上げ係数、消費シェア、顧客吸引力のべき乗β、限界距離、距離のべき乗α又は距離にかかる係数δ、距離の関数としての店舗選択消費確率帯別理論売上のいずれか複数を少なくとも含む解析結果一覧表を生成することを特徴としたものである。
【００５９】
請求項２４の発明は、請求項２３に記載の商圏分析システムにおいて、前記シミュレーション手段は、前記対象領域に含まれる既存店舗又は新規店舗に対して実行されたシミュレーション結果と、前記地域統計データベースに格納された統計情報とに基づいて、前記既存店舗又は新規店舗それぞれに対する家計調査上の消費カテゴリ別売上推計もしくは予測値、又は、任意に定義した消費カテゴリ別売上推計もしくは予測値を生成することを特徴としたものである。
【００６０】
請求項２５の発明は、請求項１ないし２４のいずれか１に記載の商圏分析システムにおいて、前記シミュレーション手段は、前記対象領域に含まれる店舗それぞれに対するシミュレーションを同時に実行することを特徴としたものである。
【００６１】
請求項２６の発明は、請求項１ないし２５のいずれか１に記載の商圏分析システムにおいて、前記シミュレーション手段は、ハフモデルに制御パラメータを加えて拡張し、個店の売上を被説明変数とする確率を含む連立非線形計算アルゴリズムにより、距離の関数としての店舗選択消費確率を求め、該求めた店舗選択消費確率に基づいて既存店舗又は新規店舗の理論売上を推計又は予測できるようにしたことを特徴としたものである。
【００６２】
請求項２７の発明は、請求項１ないし２６のいずれか１に記載の商圏分析システムにおいて、前記対象領域指定手段により指定された対象領域に応じた統計情報及び店舗情報を前記地域統計データベースと店舗データベースそれぞれから読み込み、該読み込んだ統計情報及び店舗情報に基づいて、前記シミュレーション手段は、繰り返しシミュレーションを実行し、前記読み込んだ統計情報、店舗情報、及び前記実行されたシミュレーションの解析結果のうち、いずれか１又は複数を地図データ上に直接レイヤ表示できるように加工編集されたデータ群としての解析平面を作成する解析平面作成手段を有することを特徴としたものである。
【００６３】
請求項２８の発明は、請求項１ないし２７のいずれか１に記載の商圏分析システムにおいて、前記地域統計データベースは、メッシュ毎及び／又は町丁字毎に住民に関する統計情報を格納するとともに、世帯における消費、購買の実態を調査した家計消費に関するデータを含む消費データファイルを格納して有し、前記解析平面作成手段は、前記地域統計データベースから統計情報を読み込む際に、該読み込む統計情報に応じた消費データを読み込み、該読み込んだ消費データを前記統計情報に組み合わせて編集し、該編集した統計情報に基づいて解析平面を作成することを特徴としたものである。
【００６４】
請求項２９の発明は、請求項１ないし２８のいずれか１に記載の商圏分析システムにおいて、前記解析平面作成手段により作成された解析平面上で、前記地域統計データベースに格納された統計情報に関する解析と、前記店舗データベースに格納された店舗情報に関する解析とを行う解析手段を有し、前記統計情報、店舗情報、及び前記解析手段により解析された結果のいずれか１又は複数を、前記対象領域指定手段により指定された対象領域を有する地図データ上にレイヤ表示することを特徴としたものである。
【００６５】
請求項３０の発明は、請求項１ないし２９のいずれか１に記載の商圏分析システムにおいて、前記シミュレーション手段は、前記解析平面作成手段により作成された解析平面上で、前記対象領域に含まれる既存店舗又は新規店舗に対して実行されたシミュレーション結果に基づいて、集団的消費者の店舗選択消費確率を距離の関数として店舗別に表示するための消費確率等高線を生成し、前記解析手段は、前記シミュレーション手段により生成された消費確率等高線を前記地図データ上にレイヤ表示し、該レイヤ表示した消費確率等高線に基づき前記既存店舗又は新規店舗の商圏構造に関する解析を行うことを特徴としたものである。
【００６６】
請求項３１の発明は、請求項３０に記載の商圏分析システムにおいて、前記シミュレーション手段は、前記シミュレーション結果に基づいて消費確率等高線を生成する際に、消費確率等高線の確率の値と間隔とを業態に応じて任意に指定できるようにしたことを特徴としたものである。
【００６７】
請求項３２の発明は、請求項３０または３１に記載の商圏分析システムにおいて、前記解析手段は、前記消費確率等高線を消費確率別に色分け表示できるようにしたことを特徴としたものである。
【００６８】
請求項３３の発明は、請求項２９ないし３２のいずれか１に記載の商圏分析システムにおいて、前記解析手段は、地図データ上のメッシュ内に所望の統計情報を表示し、該表示した統計情報を任意の階層区分別に色分け表示できるようにしたことを特徴としたものである。
【００６９】
請求項３４の発明は、請求項１ないし３３のいずれか１に記載の商圏分析システムにおいて、前記対象領域指定手段により指定された対象領域を有する地図データ上でユーザにより定義された任意のポリゴン領域を生成するポリゴン領域生成手段と、該生成されたポリゴン領域に応じた統計情報、店舗情報を含む属性情報を格納したポリゴンデータベースとを有し、前記解析手段は、前記解析平面作成手段により作成された解析平面上で、前記ポリゴンデータベースに格納された属性情報に関する解析を行い、その解析結果を前記地図データ上にレイヤ表示することを特徴としたものである。
【００７０】
請求項３５の発明は、請求項１ないし３４のいずれか１に記載の商圏分析システムにおいて、前記地図データは、ラスタ形式またはベクタ形式であることを特徴としたものである。
【００７１】
請求項３６の発明は、請求項１ないし３５のいずれか１に記載の商圏分析システムにおいて、前記地図データ上で分割された領域に応じた統計情報及び／又は店舗情報の解析結果を当該地図データの全域又は一部地域に渡って表示し、前記解析結果が表示された地図データにおける所望の部分を拡大表示する際に、該地図データとは別枠の部分図として、前記解析結果とともに任意の大きさで拡大表示し、かつ、前記部分図上で各種統計計算を実行できるようにしたことを特徴としたものである。
【００７２】
請求項３７の発明は、地図データ上で商圏を設定し、該設定した商圏を分析するための商圏分析システムにおいて、地図データを格納した地図データベースと、任意の領域毎に住民に関する統計情報を格納した地域統計データベースと、前記地図データベースに格納された地図データの中から所望の地図データを選択し、該選択した地図データ上で商圏分析の対象領域を指定する対象領域指定手段と、店舗それぞれの店舗名、売場面積、所在地を示す緯度経度、売上実績値のいずれか複数を少なくとも含む店舗情報を業態別に格納した店舗データベースと、前記対象領域指定手段により指定された対象領域に含まれる店舗それぞれに対し商圏空間構造と理論売上を推計するためのシミュレーション計算を行うことにより、所定の確率モデルのパラメータを、前記店舗データベースに格納された売上実績値に近づくように決定するシミュレーション手段とを有することを特徴としたものである。
【００７３】
請求項３８の発明は、地図データ上で商圏を設定し、該設定した商圏を分析するための商圏分析方法において、任意の領域毎に住民に関する統計情報を格納した地域統計データベースと、店舗それぞれの店舗名、売場面積、所在地を示す緯度経度、売上実績値のいずれか複数を少なくとも含む店舗情報を業態別に格納した店舗データベースとを予め準備し、予め準備した地図データ上で商圏分析の対象領域を指定する対象領域指定ステップと、該指定された対象領域に含まれる店舗それぞれに対し商圏空間構造と理論売上を推計するためのシミュレーション計算を行うことにより、所定の確率モデルのパラメータを、前記店舗データベースに格納された売上実績値に近づくように決定するシミュレーションステップとを有することを特徴としたものである。
【００７４】
請求項３９の発明は、請求項３８に記載の商圏分析方法において、前記対象領域に含まれる店舗の中からシミュレーション対象とする店舗を指定し、該指定された店舗それぞれに対しシミュレーションを行うことにより、前記確率モデルのパラメータを、前記店舗データベースに格納された売上実績値に近づくように決定することを特徴としたものである。
【００７５】
請求項４０の発明は、請求項３８または３９に記載の商圏分析方法において、前記確率モデルを用いてシミュレーションした結果に基づいて算出された売上推計値と、前記店舗データベースに格納された売上実績値との差異が、該売上実績値に対し予め設定された許容範囲内に収まるまで繰り返しシミュレーションを行うことにより、前記確率モデルのパラメータを決定することを特徴としたものである。
【００７６】
請求項４１の発明は、請求項３８ないし４０のいずれか１に記載の商圏分析方法において、前記確率モデルは、店舗において顧客を引きつける吸引力の大きさを表す顧客吸引力と、該顧客吸引力の大きさを調整するための顧客吸引係数と、店舗の売場面積を予め底上げするために業態別又は個店別に指定される底上げ係数と、店舗の顧客吸引力のべき乗βと、顧客居住地点から店舗までの距離のべき乗αと、前記対象領域に含まれるシミュレーション対象とする店舗から最も遠方に位置する顧客の居住地域までの距離を表す限界距離と、該限界距離内で顧客が選択し得る、業態別に選択可能な最大店舗数と、各業態の店舗が取引対象とする家計調査上の全消費カテゴリにおいて、１世帯当たり又は１人当たりの全対象カテゴリ消費額に対して、集団的消費者が１世帯平均又は１人平均として各業態の店舗で現実に消費し得る割合を表す消費シェアとのいずれか複数をパラメータとして定義され、前記顧客吸引力は、店舗の売場面積に対し、前記顧客吸引係数と底上げ係数とを乗じて算出されることを特徴としたものである。
【００７７】
請求項４２の発明は、請求項３８ないし４１のいずれか１に記載の商圏分析方法において、前記確率モデルに含まれる確率関数の形式を、距離のべき乗型又は距離にかかる指数関数型のいずれかに指定する確率関数形式指定ステップと、前記確率モデルの対象とする消費者主体を前記地域統計データベースに格納された統計情報に関する項目の中から任意に指定する消費者主体指定ステップとを有することを特徴としたものである。
【００７８】
請求項４３の発明は、請求項４１または４２に記載の商圏分析方法において、前記確率モデルは、前記確率関数形式指定ステップにて距離にかかる指数関数型が指定された場合、前記距離のべき乗αの代わりに、顧客居住地点から各店舗までの距離にかかる係数δを設定できるようにしたことを特徴としたものである。
【００７９】
請求項４４の発明は、請求項３８ないし４３のいずれか１に記載の商圏分析方法において、業態別及び／又は個店別の制御パラメータを格納した制御パラメータデータベースを予め準備し、前記対象領域に含まれる店舗それぞれに対し、前記シミュレーション計算を前記制御パラメータデータベースに格納した業態別又は個店別の制御パラメータに基づいて行うことにより、前記確率モデルのパラメータを、前記店舗データベースに格納された売上実績値に近づくように決定することを特徴としたものである。
【００８０】
請求項４５の発明は、請求項４４に記載の商圏分析方法において、前記制御パラメータデータベースに格納した制御パラメータは、個店別の場合、業態記号、底上げ係数、消費シェア、限界距離、顧客吸引力のべき乗β、距離のべき乗α又は距離にかかる係数δのいずれかを含み、業態別平均の場合、底上げ係数、消費シェア、限界距離、顧客吸引力のべき乗β、距離のべき乗α又は距離にかかる係数δのいずれかを含むことを特徴としたものである。
【００８１】
請求項４６の発明は、請求項３８ないし４５のいずれか１に記載の商圏分析方法において、前記対象領域に含まれる店舗に対し、顧客吸引力のべき乗β、距離のべき乗α又は距離にかかる係数δと、限界距離、消費シェア、底上げ係数、最大店舗数とを予め指定し、該指定した顧客吸引力のべき乗β、距離のべき乗α又は距離にかかる係数δ、限界距離、消費シェア、底上げ係数、最大店舗数を前記確率モデルに設定するとともに、前記店舗それぞれに対し直前のシミュレーション結果に応じて顧客吸引係数及び顧客吸引力を修正しながら、繰り返しシミュレーションを行うことにより、該顧客吸引係数及び顧客吸引力を決定することを特徴としたものである。
【００８２】
請求項４７の発明は、請求項４６に記載の商圏分析方法において、さらに、１世帯当たり又は１人当たりの平均消費額を業態毎に予め指定し、該指定した平均消費額を前記確率モデルに設定することを特徴としたものである。
【００８３】
請求項４８の発明は、請求項３８ないし４７のいずれか１に記載の商圏分析方法において、前記対象領域に含まれる店舗に対し、シミュレーション回数を指定し、該指定した回数のシミュレーションを実行した後に、該シミュレーション結果に基づいて算出された売上推計値と、前記店舗データベースに格納された売上実績値との差異が予め定めた閾値以上の場合、該差異を示した店舗を抽出し、該抽出した店舗に応じた顧客吸引力又は顧客吸引係数を前記シミュレーションが終了した時点で決定するとともに、限界距離を指定範囲内で変化させながら、さらに繰り返しシミュレーションを行うことにより、該限界距離を決定することを特徴としたものである。
【００８４】
請求項４９の発明は、請求項３８ないし４８のいずれか１に記載の商圏分析方法において、前記対象領域に含まれる店舗に対し、シミュレーション回数を指定し、該指定した回数のシミュレーションを実行した後に、該シミュレーション結果に基づいて算出された売上推計値と、前記店舗データベースに格納された売上実績値との差異が予め定めた閾値以上の場合、該差異を示した店舗を抽出し、該抽出した店舗に応じた顧客吸引力又は顧客吸引係数を前記シミュレーションが終了した時点で決定するとともに、距離のべき乗α又は距離にかかる係数δを指定範囲内で変化させながら、さらに繰り返しシミュレーションを行うことにより、該距離のべき乗α又は距離にかかる係数δを決定することを特徴としたものである。
【００８５】
請求項５０の発明は、請求項３８ないし４９のいずれか１に記載の商圏分析方法において、前記対象領域に含まれる店舗に対し、シミュレーション回数を指定し、該指定した回数のシミュレーションを実行した後に、該シミュレーション結果に基づいて算出された売上推計値と、前記店舗データベースに格納された売上実績値との差異が予め定めた閾値以上の場合、該差異を示した店舗を抽出し、該抽出した店舗に応じた顧客吸引力又は顧客吸引係数を前記シミュレーションが終了した時点で決定するとともに、消費シェアを指定範囲内で変化させながら、さらに繰り返しシミュレーションを行うことにより、該消費シェアを決定することを特徴としたものである。
【００８６】
請求項５１の発明は、請求項３８ないし５０のいずれか１に記載の商圏分析方法において、前記対象領域に含まれる店舗に対し、顧客吸引力のべき乗β、距離のべき乗α又は距離にかかる係数δと、顧客吸引力、消費シェア、最大店舗数とを予め指定し、該指定した顧客吸引力のべき乗β、距離のべき乗α又は距離にかかる係数δ、顧客吸引力、消費シェア、最大店舗数を前記確率モデルに設定するとともに、前記店舗それぞれに対し直前のシミュレーション結果に応じて限界距離を指定範囲内で変化させながら、繰り返しシミュレーションを行うことにより、該限界距離を決定することを特徴としたものである。
【００８７】
請求項５２の発明は、請求項３８ないし５１のいずれか１に記載の商圏分析方法において、前記対象領域に含まれる店舗に対し、顧客吸引力のべき乗βと、限界距離、顧客吸引力、消費シェア、最大店舗数とを予め指定し、該指定した顧客吸引力のべき乗β、限界距離、顧客吸引力、消費シェア、最大店舗数を前記確率モデルに設定するとともに、前記店舗それぞれに対し直前のシミュレーション結果に応じて距離のべき乗α又は距離にかかる係数δを指定範囲内で変化させながら、繰り返しシミュレーションを行うことにより、該距離のべき乗α又は距離にかかる係数δを決定することを特徴としたものである。
【００８８】
請求項５３の発明は、請求項３８ないし５２のいずれか１に記載の商圏分析方法において、前記対象領域に含まれる店舗に対し、顧客吸引力のべき乗β、距離のべき乗α又は距離にかかる係数δと、顧客吸引力、限界距離、最大店舗数とを予め指定し、該指定した顧客吸引力のべき乗β、距離のべき乗α又は距離にかかる係数δ、顧客吸引力、限界距離、最大店舗数を前記確率モデルに設定するとともに、前記店舗それぞれに対し直前のシミュレーション結果に応じて消費シェアを指定範囲内で変化させながら、繰り返しシミュレーションを行うことにより、該消費シェアを決定することを特徴としたものである。
【００８９】
請求項５４の発明は、請求項３８ないし５３のいずれか１に記載の商圏分析方法において、前記対象領域に含まれる店舗に対し、前記確率モデルを用いてシミュレーションした結果に基づき算出された売上推計値と、前記店舗データベースに格納された売上実績値との差異が、予め設定された最大値又は前記売上実績値に対して予め設定された最大相対誤差以下になるまで繰り返しシミュレーションを行うことにより、前記確率モデルのパラメータを決定することを特徴としたものである。
【００９０】
請求項５５の発明は、請求項３８ないし５４のいずれか１に記載の商圏分析方法において、前記店舗データベースに業態別に格納された店舗情報に基づいて、売場面積、売場効率、取り扱い商品カテゴリ、販売形態、店舗設備、立地条件、立地地域の人口又は資本集中度のいずれか１又は複数を少なくとも含む観点から店舗を予め抽出し、該抽出した店舗を別業態として異なる業態ファイルに分類し、該分類した業態ファイル毎に前記確率モデルのパラメータを設定又は決定することを特徴としたものである。
【００９１】
請求項５６の発明は、請求項３８ないし５５のいずれか１に記載の商圏分析方法において、前記対象領域に含まれる店舗に対する１回目のシミュレーション結果に基づいて算出される売上推計値と、前記店舗データベースに格納された売上実績値との差異が予め定めた閾値以上の場合、該差異を示した店舗を抽出し、該抽出した店舗を別業態として異なる業態ファイルに分類し、該分類した業態ファイル毎に前記確率モデルのパラメータを設定又は決定することを特徴としたものである。
【００９２】
請求項５７の発明は、請求項５５または５６に記載の商圏分析方法において、前記対象領域に含まれる店舗に対してシミュレーションを実行する前に、前記店舗の売場面積又は単位面積あたりの売上の相対的大きさを基準に分類された業態ファイルにおいて、該業態ファイルに属する店舗の売場面積に対し、底上げ係数を予め乗じておくことを特徴としたものである。
【００９３】
請求項５８の発明は、請求項３８ないし５７のいずれか１に記載の商圏分析方法において、前記対象領域に含まれる店舗に対する１回目のシミュレーション結果に基づいて算出される売上推計値と、前記店舗データベースに格納された売上実績値との差異が予め定めた閾値以上の場合、該差異を示した店舗を抽出し、該抽出した店舗の底上げ係数又は消費シェアを前記差異が閾値以下になるように予め設定することを特徴としたものである。
【００９４】
請求項５９の発明は、請求項３８ないし５８のいずれか１に記載の商圏分析方法において、前記対象領域における新規店舗の売上予測を行う場合、該対象領域に含まれる既存店舗それぞれに対しシミュレーションを行うことにより、前記確率モデルのパラメータを、前記店舗データベースに格納された売上実績値に近づくように決定した後に、前記売上予測を行う対象とする新規店舗の店舗名、売場面積、所在地を示す緯度経度の各データを設定するとともに、前記新規店舗において、該新規店舗と同じ業態に属する既存店舗の前記シミュレーション結果に基づき推定される顧客吸引力又は顧客吸引係数と、該既存店舗の前記決定したパラメータのうち顧客吸引力及び顧客吸引係数以外のパラメータとを前記確率モデルに設定し、該パラメータを設定した確率モデルを用いてシミュレーションを実行して新規店舗の売上予測を行うことを特徴としたものである。
【００９５】
請求項６０の発明は、請求項３８ないし５９のいずれか１に記載の商圏分析方法において、前記対象領域に含まれる既存店舗又は新規店舗に対して実行されたシミュレーション結果に基づいて、該既存店舗又は新規店舗それぞれの売上推計または予測値、売上実績値、売上推計値と売上実績値との差異、顧客吸引係数、顧客吸引力、底上げ係数、消費シェア、顧客吸引力のべき乗β、限界距離、距離のべき乗α又は距離にかかる係数δ、距離の関数としての店舗選択消費確率帯別理論売上のいずれか複数を少なくとも含む解析結果一覧表を生成することを特徴としたものである。
【００９６】
請求項６１の発明は、請求項６０に記載の商圏分析方法において、前記対象領域に含まれる既存店舗又は新規店舗に対して実行されたシミュレーション結果と、前記地域統計データベースに格納された統計情報とに基づいて、前記既存店舗又は新規店舗それぞれに対する家計調査上の消費カテゴリ別売上推計もしくは予測値、又は、任意に定義した消費カテゴリ別売上推計もしくは予測値を生成することを特徴としたものである。
【００９７】
請求項６２の発明は、請求項３８ないし６１のいずれか１に記載の商圏分析方法において、前記対象領域に含まれる店舗それぞれに対するシミュレーションを同時に実行することを特徴としたものである。
【００９８】
請求項６３の発明は、請求項３８ないし６２のいずれか１に記載の商圏分析方法において、ハフモデルに制御パラメータを加えて拡張し、個店の売上を被説明変数とする確率を含む連立非線形計算アルゴリズムにより、距離の関数としての店舗選択消費確率を求め、該求めた店舗選択消費確率に基づいて既存店舗又は新規店舗の理論売上を推計又は予測できるようにしたことを特徴としたものである。
【００９９】
請求項６４の発明は、請求項３８ないし６３のいずれか１に記載の商圏分析方法において、前記対象領域に応じた統計情報及び店舗情報を前記地域統計データベースと店舗データベースそれぞれから読み込み、該読み込んだ統計情報及び店舗情報に基づいて、繰り返しシミュレーションを実行し、前記読み込んだ統計情報、店舗情報、及び前記実行されたシミュレーションの解析結果のうち、いずれか１又は複数を地図データ上に直接レイヤ表示できるように加工編集されたデータ群としての解析平面を作成することを特徴としたものである。
【０１００】
請求項６５の発明は、請求項３８ないし６４のいずれか１に記載の商圏分析方法において、前記地域統計データベースは、メッシュ毎及び／又は町丁字毎に住民に関する統計情報を格納するとともに、世帯における消費、購買の実態を調査した家計消費に関するデータを含む消費データファイルを格納して有し、前記地域統計データベースから統計情報を読み込む際に、該読み込む統計情報に応じた消費データを読み込み、該読み込んだ消費データを前記統計情報に組み合わせて編集し、該編集した統計情報に基づいて解析平面を作成することを特徴としたものである。
【０１０１】
請求項６６の発明は、請求項３８ないし６５のいずれか１に記載の商圏分析方法において、前記解析平面上で、前記地域統計データベースに格納された統計情報に関する解析と、前記店舗データベースに格納された店舗情報に関する解析とを実行し、前記統計情報、店舗情報、及び前記解析実行された結果のいずれか１又は複数を、前記地図データ上にレイヤ表示することを特徴としたものである。
【０１０２】
請求項６７の発明は、請求項３８ないし６６のいずれか１に記載の商圏分析方法において、前記解析平面上で、前記対象領域に含まれる既存店舗又は新規店舗に対して実行されたシミュレーション結果に基づいて、集団的消費者の店舗選択消費確率を距離の関数として店舗別に表示するための消費確率等高線を生成し、該生成された消費確率等高線を前記地図データ上にレイヤ表示し、該レイヤ表示した消費確率等高線に基づき前記既存店舗又は新規店舗の商圏構造に関する解析を行うことを特徴としたものである。
【０１０３】
請求項６８の発明は、請求項６６または６７に記載の商圏分析方法において、前記シミュレーション結果に基づいて消費確率等高線を生成する際に、消費確率等高線の確率の値と間隔とを業態に応じて任意に指定できるようにしたことを特徴としたものである。
【０１０４】
請求項６９の発明は、請求項６７または６８に記載の商圏分析方法において、前記消費確率等高線を消費確率別に色分けして表示できるようにしたことを特徴としたものである。
【０１０５】
請求項７０の発明は、請求項６６ないし６９のいずれか１に記載の商圏分析方法において、地図データ上のメッシュ内に所望の統計情報を表示し、該表示した統計情報を任意の階層区分別に色分け表示できるようにしたことを特徴としたものである。
【０１０６】
請求項７１の発明は、請求項３８ないし７０のいずれか１に記載の商圏分析方法において、前記対象領域を有する地図データ上でユーザにより定義された任意のポリゴン領域に応じた統計情報、店舗情報を含む属性情報をポリゴンデータベースに格納して有し、前記解析平面上で、前記ポリゴンデータベースに格納された属性情報に関する解析を行い、その解析結果を前記地図データ上にレイヤ表示することを特徴としたものである。
【０１０７】
請求項７２の発明は、請求項３８ないし７１のいずれか１に記載の商圏分析方法において、前記地図データは、ラスタ形式またはベクタ形式であることを特徴としたものである。
【０１０８】
請求項７３の発明は、請求項３８ないし７２のいずれか１に記載の商圏分析方法において、前記地図データ上で分割された領域に応じた統計情報及び／又は店舗情報の解析結果を当該地図データの全域又は一部地域に渡って表示し、前記解析結果が表示された地図データにおける所望の部分を拡大表示する際に、該地図データとは別枠の部分図として、前記解析結果とともに任意の大きさで拡大表示し、かつ、前記部分図上で各種統計計算を実行できるようにしたことを特徴としたものである。
【０１０９】
請求項７４の発明は、地図データ上で商圏を設定し、該設定した商圏を分析するための商圏分析方法において、地図データを格納した地図データベースと、任意の領域毎に住民に関する統計情報を格納した地域統計データベースと、店舗それぞれの店舗名、売場面積、所在地を示す緯度経度、売上実績値のいずれか複数を少なくとも含む店舗情報を業態別に格納した店舗データベースとを予め準備し、前記地図データベースに格納された地図データの中から所望の地図データを選択し、該選択した地図データ上で商圏分析の対象領域を指定する対象領域指定ステップと、該指定された対象領域に含まれる店舗それぞれに対し商圏空間構造と理論売上を推計するためのシミュレーション計算を行うことにより、所定の確率モデルのパラメータを、前記店舗データベースに格納された売上実績値に近づくように決定するシミュレーションステップとを有することを特徴としたものである。
【０１１０】
請求項７５の発明は、請求項１ないし３７のいずれか１に記載の商圏分析システムとしての機能をコンピュータに実行させるための、もしくは、請求項３８ないし７４のいずれか１に記載の商圏分析方法をコンピュータに実行させるためのプログラムである。
【０１１１】
請求項７６の発明は、請求項７５に記載のプログラムを記録したコンピュータ読み取り可能な記録媒体である。
【０１１２】
【発明の実施の形態】
図１は、本発明の一実施形態である商圏分析システムの構成例を説明するための図で、図中、１はパーソナルコンピュータ（ＰＣ）、１０は商圏分析システムで、該商圏分析システム１０は、ＤＢ編集部１１、シミュレーション部１２、表示・解析部１３とを有し、これら各部は、データファイルの作成と、受け渡しを通じて相互に連携されている。また、商圏分析システム１０は、データベースとして、国勢調査メッシュ統計や町丁字統計等の地域統計情報１４ａ及び世帯における消費購買の実態を調査した家計消費調査データ等のリンクデータ１４ｂを格納した地域統計ＤＢ１４、業種業態に応じた店舗情報１５ａを格納した店舗ＤＢ１５、ユーザが定義したポリゴン領域の属性情報１６ａを格納したユーザポリゴンＤＢ１６、ラスタ形式またはベクタ形式の地図データ１７ａを予め格納した地図ＤＢ１７を有している。この地図ＤＢ１７を本システム構成に含まないようにしてもよく、この場合、ラスタ形式またはベクタ形式の任意の地図データを予め必要枚数準備してＰＣ１の任意のフォルダに格納しておく。この商圏分析システム１０は、ＰＣ１が有する内部又は外部の記憶装置にインストールされ、該ＰＣ１により実行される。ユーザは、商圏分析を行う際に、地図ＤＢ１７から所望の地図データを適宜選択して利用することができる。また、ＰＣ１は、サーバ装置等であってもよく、商圏分析システム１０を実施する形態に応じた形態であればよい。また、上記各種ＤＢは必要に応じて適宜組み合わせて本システムを構成することが可能である。
【０１１３】
上記ＤＢ編集部１１は、商圏分析の対象領域（以下、解析領域という）定義，各種ＤＢ読み込み，解析平面作成用入力インタフェイス（Ｉ／Ｆ）の機能を提供するための解析領域定義モジュール１１ａ、ＤＢ読み込み編集，解析平面ファイル作成の機能を提供するための解析平面ファイル作成モジュール１１ｂを有し、シミュレーション部１２は、シミュレーション計算用入力Ｉ／Ｆの機能を提供するための入力Ｉ／Ｆモジュール１２ａ、解析平面ファイル読み込み，既存店舗のシミュレーション計算実行，既存店舗の消費確率等高線計算，数値表結果書き出し，解析平面描画用ファイル書き出し（既存店舗、新規店舗とも）の機能を提供するためのシミュレーション計算実行モジュール１２ｂ、新店売上予測，新店の消費確率等高線計算用Ｉ／Ｆの機能を提供するための新店売上予測モジュール１２ｃを有し、表示・解析部１３は、ソフトウェア起動及び描画・解析用ファイル読み込みの機能を提供する起動モジュール１３ａ、描画面における解析条件指示，同解析実行，同結果画面表示操作の機能を提供するための表示・解析モジュール１３ｂ、印刷及びＣＳＶファイル等への出力機能を提供するため出力モジュール１３ｃを有する。
【０１１４】
本実施形態において取り扱う地図以外のファイル形式は、例えば、ＣＳＶ形式、ＴＸＴ形式のいずれも扱える。ここで、地域統計ＤＢ１４に格納しておく統計情報は、ＤＢ編集部１１で予め解析領域内のデータだけ、読み込んで編集しておくので、表示・解析部１３における解析動作をきわめて俊敏に実行することができる。また、ＤＢ編集部１１、シミュレーション部１２、表示・解析部１３における各モジュール構成は、上記構成に限定されず、商圏分析システム１０としての機能が実行できれば、どのようなモジュール構成でもよい。
【０１１５】
ここで、地域統計ＤＢ１４には、例えば、国勢調査町丁字統計、国勢調査メッシュ統計（例えば５００ｍメッシュ、１ｋｍメッシュ等）、事業所統計メッシュデータ、工業統計メッシュデータ、商業統計メッシュデータ等があり、店舗ＤＢ１５には、様々なものがあるが、例えば、スーパーマーケット名鑑全国版ＣＤＲＯＭ版（（株）商業界）、ＮＴＴ業種別タウンページデータ（住所―緯度経度変換が必要）、ユーザ所有の顧客ＤＢや店舗ＤＢなど（位置緯度経度付）があり、このようにシミュレーション部１２で用いる店舗ＤＢ１５は、目的に応じて様々な業種業態の店舗データを用いることが可能である。このデータ項目には店舗名、売場面積の大きさ、売上高、位置を示す緯度経度を必要とするが、このうち売上高はすべての店舗について存在する必要はなく、ある程度の店舗についてわかっていればシミュレーションすることが可能である。また、上記地域統計情報にリンクするリンクデータ１４ｂには、例えば、家計調査年報ＦＤ版、単身世帯収支調査年報（印刷物なのでスキャニングする必要あり）、全国消費実態調査報告ＣＤＲＯＭ版等がある。また、背景に利用するラスタ地図は、ユーザの好みによって任意に選択することが可能であるが、基本的には、例えば、インクリメントＰ社の最新版ＭＡＰＤＫ全国編、または東日本編、または西日本編等を使用する。これは１台のＰＣごとにひとつ必要で、同一社内等に配布する限りでのみ部分プリント許諾がついている。
【０１１６】
ＤＢ編集部１１は、メッシュ統計データまたは町丁字統計データを地域統計ＤＢ１４から読み込む際、予め定義した解析領域の範囲のデータを読み込み、また家計調査データ等のリンクファイルを読み込み編集計算し、解析平面を作成し、また予め切り取っておいたラスタ地図（各縮尺複数枚）の上に、上記解析平面をレイヤするファイルを作成する。
【０１１７】
シミュレーション部１２は、上記ＤＢ編集部１１が作成した解析平面のなかで、各種業種業態に応じた店舗ＤＢ１５から店舗情報を読み込み、現実を説明できるようにするために、またそのようにすることによって予測精度を向上させるために、本発明においては、後述するごとくの概念と変数を導入してシミュレーションを実行する。その結果は、表示・解析部１３を用いて、背景図としてのラスタ地図上にレイヤ描画され、自在に地理情報等の演算解析操作され、ＰＣ１の画面上に表現される。
【０１１８】
表示・解析部１３は、ＤＢ編集部１１において作成した、ラスタ地図にレイヤするための解析平面の中で、自在に地理情報等の演算解析操作し、その結果をＰＣ１の画面上に表示する。同時にシミュレーション部１２が計算した店舗別消費確率等高線も分析表示することができる。この表示・解析部１３は、ＤＢ編集部１１またはシミュレーション部１２による計算を、商圏分析システム１０の提供者側で予め実行しておけば、解析平面上で表示・解析する独立のソフトウェアとして、ユーザ側において利用可能である。この場合、国のメッシュ統計データまたは町丁字統計データはその時点で利用可能なものに限定されるが、店舗データと、顧客ＤＢと、ユーザが定義したポリゴンデータに関しては、常に最新のものをＰＣ１の画面上でインポートして利用することができる。
【０１１９】
本発明において、上記解析平面は、ベクタ型データとして定義されるが、それ自体を生成するために、他の地図エンジンまたは開発キットはまったく使用していない。背景地図はラスタ地図であり、解析領域が比較的狭い場合は、ユーザの好みの電子地図から、例えばＢＭＰファイルとして切り取って使用してもよい。ユーザが、多くの領域に渡って解析する場合は、所定の地図ＤＢ（例えばインクリメントＰ社のＭＡＰＤＫ等）から解析領域に相当する地図データを随時ＢＭＰファイルとして切り取って使用する。商圏分析システム１０は、そのための地図データ切り取り機能と、任意地点の緯度経度を示す機能とを有している。この際、一つの解析領域が広域になるときは、上記所定の地図ＤＢとそのラスタエンジンを使用し、最大領域だけ（個々の最大領域は、分析目的と見た目上から判断するが実用上１００ｋｍ四方が限界）ＤＢ編集部１１にインプットとして入力しておく。
【０１２０】
また、表示・解析部１３は、エリアマーケティング問題の観点から、例えば、記述統計、指標統計、特化係数などの地理情報分析を行い、また各種ユーザ店舗データを展開し、店舗―メッシュ関連分析を行い、またポリゴン生成機能を用いてゾーン分析を行い、これらからマーチャンダイジング政策、販売政策、あるいは都市計画などを市場適合的に立案することができる。一般に、デモグラフィック要因（例えば、年齢、性別、家族構成、所得、資産状況、職業産業等）で購入する商品が異なる傾向が強いから、市場の特性をメッシュまたは町丁字統計を用いて地図上で分析表示し、その市場特性に見合った商品、サービスを販売することで政策の市場適合性は飛躍的に高まる。また商品はライフサイクルにしたがって、市場導入期、成長期、飽和期、と段階的に市場に浸透していくが、浸透の度合いは地域の特性によって異なる。メッシュまたは町丁字単位で商品の市場浸透率を把握すれば、より適切な地域販売政策を立てられる。
【０１２１】
また、ＧＩＳマーケティング分析の別の方法では、地域・ゾーンタイプで市場を細分化してもよい。まず、国勢調査の項目から適切なものを選んで、メッシュ地域分類を行い、いくつかの大分類地域と、それより多い小分類ゾーンにタイプ分けする。次に各種識別店舗データを展開して、より性格付けのはっきりしたゾーニングを行う。次に各地域・ゾーンタイプに関し、過去にどのような商品やサ−ビスを購入したかに関する調査データがあると仮定した場合に、それを識別指標として地域・ゾーンタイプを、浸透度とその可能性とから指数化することができる。企業等が顧客のプロフィールから、どのようなタイプの地域・ゾーンで、浸透率が高く、どのタイプで低いかが明らかになれば、今後の目標となる地域・ゾーンが見えてくる。
【０１２２】
また、表示・解析部１３は、立地問題の観点から、「弱い競争的立地問題」を解決することができる。これは、すなわち施設の利用があまり競争的でなく、利用者は近隣のものを利用する傾向が強い施設の立地問題（例えば、ファストフード，コンビニ，銀行や損保会社の支店やディスペンサの配置問題、公共的なものでは病院，救急医療センタ，郵便局，郵便ポスト，学校，図書館，公民館などのコミュニティセンタ，警察署，交番，消防署，役所の支所，出張所などの配置問題）を速やかに解決することができる。このような立地問題は、単純に立地候補点の点バッファ（円形）内、またはボロノイ分割（施設間の中間線で市場分割する方法）等における、需要者数（または額）が条件を満たしているか否かで解決される場合が多い。
【０１２３】
本発明におけるシミュレーション部１２は、従来型の確率モデルによる現実説明プロセスを欠く売上予測計算の欠点を大幅に修正し、広範囲に渡って施設間に激しい競争がある「強い競争的立地問題」を解決することを目的としている。
【０１２４】
ここで、商圏分析システム１０の取り得るシステム構成例は、その利用目的に応じて次のようになる。
（１）地理統計データに関してはメッシュ統計または町丁字統計データを用い、リンクファイルとして家計調査データなどを組み合わせ、これらをベースに地理情報分析と店舗情報分析とユーザ作成のポリゴン情報分析を電子地図上で行なう場合は、ＤＢ編集部１１、表示・解析部１３の組み合わせとなる。
（２）地理統計データに関してはメッシュ統計または町丁字統計データを用い、リンクファイルとして家計調査データなどを組み合わせ、これらをベースにした解析平面上で、後述するごとくの確率モデルに新しい概念を導入して、店舗別売上と消費確率等高線による商圏空間構造推定計算と魅力度（個店顧客吸引力）推定計算を、それらが解析平面内の現実の各店舗の売上に一致するまで繰り返し実行し、また、さらにその後、解析平面内における新店舗に関して同様の予測計算を行ない、それらの結果の消費確率等高線を地図上に表示し、あわせて地理情報分析と店舗情報分析を電子地図上で行なう場合は、ＤＢ編集部１１、シミュレーション部１２、表示・解析部１３の組み合わせとなる。
【０１２５】
また、商圏分析システム１０の実際の利用形態としては、例えば、ユーザ側が、商圏分析システム１０を一定の期間レンタルするか、あるいは、予めシステム提供者側においてユーザ側が分析したい解析領域に関して現状説明のシミュレーション解析を行い、さらにユーザ側が関心のある立地点に任意の規模で立地する場合の売上予測と商圏構造分析を行った上で、その結果のファイルと、該ファイルを分析するための表示・解析部１３をセットにして販売する、という利用形態が考えられる。前者の場合は、ユーザ側は全国を広域に渡って精査でき、後者の場合は、ユーザ側は特定の店舗投資に関する一定の結論とともに、納品当日から直ちにマーケティング分析に掛かれるというメリットがある。
【０１２６】
ここで、本発明における商圏分析システム１０は、例えば、ＳＭや、ディスカウントストアや、ＧＭＳのような食品中心の業態を取り上げて例示しているが、店舗名、営業面積、住所等の店舗データと、その中の何割かの店舗についての売上データがあれば、以下に説明するシミュレーションは、どのような競争的業態でも実施することが可能である。また、商圏分析システム１０は、競争的立地問題に関する確率モデルに形式上ハフモデルを代表例として用いて、現実説明能力を示しつつ、新店の売上予測と、商圏空間構造予測とを行うために、従来型ハフモデルの解釈の変更と、新たな概念と変数を導入し、その概念と変数に沿ったモジュール構成を提供するものである。
【０１２７】
上述したごとくのモジュール構成により計算を実行するために、それ専用の解析平面をＰＣ１の中に作成し、その解析平面上で、全メッシュ格子点上またはメッシュをさらに細分化し、メッシュデータも細分化した全細分格子点上で、確率モデルを計算し、現実のデータ（例えば個店の売上実績や商圏構造）に合うまでそれを繰り返すという方法をとる。その上、このようにして作られた解析平面を今度はラスタ地図上に重ねて表示し、さらに、ＰＣ１の表示画面において地理情報分析操作して表示できるようにする。
【０１２８】
まず、確率モデルを実用化するために、観測事実に基づく、「限界距離」という概念を導入する。これはどのような店舗でも、その来店客の分布には、必ず消失ラインというべき限界距離が伴うという事実による。実証的事実が示すところでは、この限界距離は業態と店舗の大きさによって異なり、同時に都市空間密度によっても異なる。ＧＭＳ等の大型店でも、大都市の内部では、限界距離は短く、中・小型店でも郊外に行けば限界距離は伸びる。この限界距離は、距離のべき乗αとともに業態ファイル別にインプット項目として設定する。しかし当初シミュレーションの後、解析領域内に特別強力な店舗があることが判明すれば、その店舗を別の業態ファイルに分類するか、またはその店舗だけ限界距離を次第に拡大するシミュレーションに移るかを、選択することができる。この限界距離としては、例えば、時間距離、直線距離、道路距離、心理距離などを適用することができる。
【０１２９】
次に、顧客を引きつける魅力度ないし吸引力の大きさをあらわす指標とされている売場面積であるが、確かに同じ業態なら、売場面積が大きいほうが品揃えはいいはずだし、消費者の認知度も高くなるといえよう。そうだとすると、同じような立地空間、つまり同じ様な解析領域なら、同業態同売場面積の店舗の売上は、同じような値になるはずであり、また同じくｍ^２効率は同じような値になるはずである。ところが、例えばＳＭの店舗データベースを調べてみると、それぞれ大変なばらつきがあることがわかる。一般にｍ^２効率は売場面積が小さなＳＭほど高く、売場面積が増加するにしたがって次第に小さくなる。食品雑貨に、衣料品と家庭用品を加えたＧＭＳも、この流れの延長上にあり、一般にＧＭＳのｍ^２効率はＳＭのそれよりもずっと小さい。
【０１３０】
これに対してさらに、上述した限界距離は、同じ業態なら売場面積は小さいほど短く、大きいほど長いという経験的な事実が加わる。これらの一見すると矛盾する現実を同一のハフモデルで扱うにはどうすべきか、を考える。これは、消費者の立場からは、限界距離内にあるすべての小型ＳＭやＧＭＳは、選択の対象になるのであって、現実をシミュレートするには同一モデル内で扱わざるを得ないのである。同様のことは、例えば、ドラッグストアやＤＩＹ用品やカジュアルウェアなどについても言え、問題の立て方しだいでは、異業種異業態間の競争を同一モデルで扱わなければならない。
【０１３１】
そこでシミュレーション部１２では、予め店舗ＤＢ１５でデータの構造を調べ、売場面積やｍ^２効率（売場効率）、取り扱い商品構成、販売方法（販売形態）、店舗設備（例えば駐車場の有無、収容台数など）、立地条件（例えば、立地が都心部か郊外か、幹線道路沿いかなど）、立地地域の人口・資本集中度だけでなく、その中でも、例えば売場面積やｍ^２効率などが類似の店をカテゴライズしてそれぞれ別業態として任意に定義でき、あるいは、シミュレーションランで初めの１回の計算結果を見て、同一ファイル中でも、推計値と実績値のかけ離れた異常な値を示す店舗を別業態として任意に定義できる「業態ファイル」という概念を取り入れた。そして、例えば、コンパクトな売場面積で高いｍ^２効率を示したり、売場面積が大きくても低いｍ^２効率を示すような業態ファイルに属する店の売場面積（顧客吸引力）を予め定数倍底上げしておけるように、「底上げ係数」をインプットでセットできるようにした。この際、底上げ係数をセットする店舗の抽出基準は、売場面積又は単位面積あたりの売上（ｍ^２効率）の相対的大きさを基準にしてもよく、売場面積又は単位面積あたりの売上（ｍ^２効率）が所定範囲以下又は以上となるような店舗を抽出するようにしてもよい。
【０１３２】
このような業態ファイルの店舗において、モデルにおける距離のべき乗αは、業態ごとに異なる可能性を考慮して、これを業態ファイルごとに指定できるようにした。
【０１３３】
次に、このようにして定義した同じ業態ファイル中の店舗でも、当然ながらその個々の店舗の顧客吸引力には、売場面積Ｍ、または底上げ売場面積ｄ×Ｍが示す以上の差異があるので、「個店顧客吸引係数」（以下、γ係数という）という概念を導入し、次に示す式（１）のように定義した。
顧客吸引力＝売場面積（Ｍ又はｄ×Ｍ）×個店顧客吸引係数（＝γ係数）・・・式（１）
【０１３４】
したがって、ハフモデル式で書けば次に示す式（２）、式（３）のようになる。
【０１３５】
【数３】

【０１３６】
ここで上記式（２）における指数βは、顧客吸引力にかかるべき乗指数で、これも業態ファイルごとにインプットでセットする。ただし、ほとんどの場合β＝１．０で、シミュレーションは成功裏に終了する。
【０１３７】
さらに、現実をシミュレートするために、なおいくつかの概念と変数を導入する必要がある。まず解析平面内の各地点に住む消費者が限界距離内で選択しうる居住地点から数えた「業態別選択可能最大店舗数」を、表示・解析部１３で、店舗ポイントフラッグを表示させて画面で確認して決定する。これはインプット項目である。
【０１３８】
次に、「消費シェア」（本実施形態では、消費者業態シェアという）を導入する。これは取り上げている各業態ファイルの店舗が取引対象としている家計調査データ上の全カテゴリにおいて、その業態の店で集団的消費者が消費する期間消費額の１世帯当たり又は１人当たりの平均値が、１世帯当たり又は１人当たりの全カテゴリ消費額の何％に相当するかを示すものである。これは解析領域によって、つまり店舗の張り付き状況によって、あるいはまた競争モデルの組み立て上どのような店舗を無視したかによって、あるいはまた単身世帯を考慮に加えたか、無視したかなどによって、ある幅の中で変化する。この際、適切な値は、１回計算で各店舗の推計売上と実績売上とを比較することで見当をつけることができる。これはインプット項目で、業態ファイルごとに設定する。また、シミュレーションの途中結果から、理論から推計されるよりも特別強力な売上実績を示す店が見つかれば、これを別の業態ファイルにした上で、消費者業態シェアを変更することができる。
【０１３９】
このように顧客吸引力のべき乗β、距離のべき乗α、限界距離、底上げ係数、消費者業態シェア、選択可能最大店数などのパラメータを、業態ファイルＤＢごとに設定できるようにし、顧客吸引力、あるいは同じことだが顧客吸引係数γ（ここで、γ係数の初期値は自動的に所定の値に設定されるが、デフォルトでは１．０にセットされる。）を変数化したことによって、はじめて、小型ＳＭからＧＭＳまでの、スケールの異なる店舗間競争を、あるいはまた同消費カテゴリ異業種間競争を、同じモデルの下において計算することが可能となるのである。また、より複雑な状況に対応できるようにするため、選択肢として、限界距離を変数にするプロセス、あるいは距離のべき乗αを変数にするプロセス、あるいは消費者業態シェアを変数にするプロセスなどを、組み込んである。更にまた、業態ファイルごとに定義するこれらのパラメータは、データベースファイルの個々の店舗ごとに設定できる選択肢も用意されている。この際、シミュレーションに必要な各種パラメータ（例えば、顧客吸引力のべき乗β、距離のべき乗α、限界距離、底上げ係数、消費者業態シェアなど）は、店舗ＤＢ１５や、これらパラメータ用ＤＢ等に予め格納しておいてもよく、また、マニュアル操作によりその都度インプットでセットするようにしてもよい。
【０１４０】
ここで計算式を示すと次の式（４）のようになる。解析領域のどの地点でも、集団的消費者は業態別限界距離内の選択可能なすべての店舗を選択し、形式上ハフモデルの示す確率で店舗選択消費する。このとき選択された全店舗の選択消費確率の和は、１になるように規格化される。これによって全消費額が保存されるので、新店の売上予測の整合性が保証される。
【０１４１】
ここでは、簡単のためにＳＭとＧＭＳの２業態ファイルがあるとし（実際にはこれらがさらにいくつかのファイルに分かれる）、それぞれの業態の着目店からの距離が、Ｒ１、Ｒ２である一人の消費者は、それぞれ業態ごとに、限界距離内の最大店舗数を選択し、全選択消費確率の和は、各地点ごとに１になる。
【０１４２】
【数４】

【０１４３】
次に、各業態の消費者業態シェアを、Φｓｍ、Φｇｍｓとし、そのＳＭ、ＧＭＳの品揃えは、それぞれ１世帯あたり又は１人あたりの期間カテゴリ消費額（家計調査データ上の）Ｃｓｍ、Ｃｇｍｓのカテゴリに対応しており、消費者はそれぞれの業態で、最大Φｓｍ×Ｃｓｍ、Φｇｍｓ×Ｃｇｍｓだけ消費するものとする。着目するＳＭの店舗ｉからの距離Ｒ１地点の消費者がもたらす売上Ｕｉ（Ｒ１）は下記の式（５）で表される。
【０１４４】
【数５】

【０１４５】
上記式（５）におけるａは規格化定数で、各地点で下記に示す式（６）により求められる。
【０１４６】
【数６】

【０１４７】
従って、店舗における理論上の全売上推計ないし予測は下記に示す式（７）により表される。
【０１４８】
【数７】

【０１４９】
ここで、上記式（７）におけるＰｉ（Ｒ１）は、Ｒ１の位置と値によって０．００から１．００までのさまざまな確率の値をとる。また、ｎ（Ｒ１）はＲ１地点で代表され、かつ確率Ｐを持つ小地域の世帯数密度であり、ΔＲ１は小地域の面積であり、ｎ（Ｒ１）ΔＲ１＝Ｎ（Ｒ１）はＲ１地点で代表され、かつ確率Ｐを持つ小地域の世帯数である。
【０１５０】
具体的な計算は、積分ではなく、帯状の等確率等高線の巾に沿って、例えば１．００〜０．０２まで（但し、この幅の間隔と最低確率は変更することができる）のすべての帯について行なわれる。このＵｉが、ｉ店の理論上の推計ないし予測売上であり、ｉ店の実績売上と比較される。
【０１５１】
上記計算をソフトウェアでは次のように行っている。まず、解析領域内の全メッシュ格子点またはそれをさらにｎ等分した細分格子点上で、各店の確率を計算し、等確率等高線を計算する。この消費吸引確率０．０２〜１．００までの任意本数の確率等高線の帯ごとに吸引売上を計算する。例えば、確率０．１については、０．０５〜０．１５の帯が囲む領域の確率を０．１としてこの領域内の全世帯数について計算する。この帯内売上を０．１から０．９まで加えると当該店舗のそのカテゴリの全売上となる。（但し、この確率帯の区切り方は任意に変更することができる。）
【０１５２】
さらにシミュレーション部１２では、シミュレーションを下記に示す５通りで行えるように設計されている。
（１）シミュレーション計算により顧客吸引力およびγ係数を決定する。すなわち解析平面内に存在するすべての店舗、または収束計算に指定したすべての店舗の、それぞれの実績売上と、モデルによって計算される店舗の推計売上との差異の実績売上に対する相対誤差が、予め指定した許容誤差％以内になるまで顧客吸引力およびγ係数を一定の方法で修正しつつ繰り返し計算される。顧客吸引力およびγ係数は計算で決定される変数であり、インプット項目ではない。この場合、限界距離は業態ファイルごとに指定しておく。
（２）最初に顧客吸引力およびγ係数を決定するためのシミュレーション回数を指定して顧客吸引力およびγ係数をある程度計算し、該顧客吸引力およびγ係数が相対的に大きくまたは小さくなっているにもかかわらず、推計値と実績値の差が、なお大きな差異を示している店舗に対して、それらの店舗に関しては、顧客吸引力およびγ係数はそこで固定し、今度はそれらの店舗の限界距離を、指定した増減分で変化させて、推計売上と実績売上との差異を指定の相対誤差範囲まで近づけるシミュレーションを繰り返し行う。すなわちシミュレーションは、前半は顧客吸引力およびγ係数を決定するために行われ、後半は新たに指定した店舗に関しては限界距離を決定するために、その他の店舗に関してはγ係数を決定するために行なわれる。
（３）顧客吸引力およびγ係数は最初から、またはシミュレーションの途中から固定し、指定した業態ファイルに関しては、限界距離を変数化することを指定し、それを決定するためにシミュレーションを行う。
（４）顧客吸引力およびγ係数は最初から、またはシミュレーションの途中から固定し、指定した業態ファイルに関しては、距離のべき乗αを変数化することを指定し、それを決定するためにシミュレーションを行う。
（５）顧客吸引力およびγ係数は最初から、またはシミュレーションの途中から固定し、指定した業態ファイルに関しては、消費者業態シェアを変数化することを指定し、それを決定するためにシミュレーションを行う。
【０１５３】
以下では、顧客吸引力およびγ係数を決定するために実行する上記（１）の場合を中心に説明する。店舗売上の理論値と実績値の誤差の実績売上に対する相対誤差（％）の最大許容値（％）（それ以下になったらその店舗に関しては収束計算を終える）はインプット項目で、「店舗に関する収束条件」として指定する。また、１回前に計算された顧客吸引力（したがってγ係数）を何％づつ修正して顧客吸引力およびγ係数を計算するかを指定する「顧客吸引力修正比率又は定数」をインプットで指定する。シミュレーションは顧客吸引力を修正する必要のある店舗がなくなった時点で終了する。また、これとは別にインプット項目で、シミュレーションを打ち切る計算回数を指定することができる。
【０１５４】
ここで、ＳＭとＧＭＳをめぐる競争における顧客吸引係数（γ係数）の、シミュレーションによる経験値は、ＧＭＳの場合は各店の強弱を反映して、ほとんどのケースで０．５０〜１．５０の範囲で収束する。解析領域が決まれば、その範囲では、顧客吸引力は相対的に決まるから、γ係数はどのような基準値をとってもよいはずだが、現実の売場面積から出発するため、上述のような範囲で収束することになる。
【０１５５】
シミュレーションの出力結果は、既存店舗の理論売上対実績売上比較表、顧客吸引力、顧客吸引係数（γ係数）、新店の売上予測値だけではない。収束計算した既存各店舗の商圏構造を「消費確率等高線」（確率の数値と本数は任意に指定可能）の形で、ラスタ地図の上にレイヤ描画した解析平面図上に示すことも可能である。これは表示・解析部１３にファイルを受け渡して行なわれる。この解析平面描画図上で、メッシュ内に各種メッシュＤＢのデータを表示し、それを「加減算モジュール」を用いて加えることにより、各店舗の消費確率別属性別消費者数を把握することができる。また「乗除算モジュール」を用いて指標等の計算を行い、各メッシュの居住者等の属性特徴等を把握することができる。これにより、各店舗はターゲット別営業政策を立てることができるようになる。
【０１５６】
また、各種地理情報分析を併用すれば、既存各店舗の商圏の特徴を別の角度から把握することができる。これは推計売上をカテゴリ別品目別売上推計に展開し、また同確率帯別消費カテゴリ別品目別可能売上額、などを表示する窓を利用すれば、これと自店カテゴリ別売上実績とを比較することにより、自店舗営業のカテゴリ別強弱を分析でき、また新店のフロアプランに活用することが可能となる。
【０１５７】
なお、地図上の表示のほか、例えばＣＳＶ形式の別表で、次に示す項目からなる表が作成される。
（１）店舗別に業態、理論売上、実績売上、その差異の割合（％）、売場面積、底上げ係数、顧客吸引係数（γ係数）、顧客吸引力、限界距離、カテゴリ消費額、消費者業態シェア、距離のべき乗（α）、顧客吸引力のべき乗（β）
（２）店舗別消費確率帯別に人口，２人以上世帯数，単身世帯数、理論売上額，該理論売上額の割合（％）
（３）店舗別確率帯別に、年齢層別男女別人口、該人口に確率をかけた数値、世帯主年齢層別２人以上世帯数推計値、該世帯数推計値に確率をかけた数値、年齢層別単身世帯数、該単身世帯数に確率をかけた数値
（４）店舗別確率帯別に、職種別人口、該人口に確率をかけた数値
（５）店舗別確率帯別に、住居形態別世帯数、住居の広さ別世帯数
【０１５８】
図２は、本発明に係わる理論総売上一覧表の一例を示す図で、図中、２０は理論（推計）総売上一覧表で、該理論総売上一覧表２０は、店名２１、業態２２、理論月商２３、全部門月商２４、月商相対誤差２５、直営売面２６、顧客吸引係数２７、顧客吸引力２８、限界距離２９、店舗番号３０を項目として有し、全部門月商２４は、各店舗が取り扱う商品の部門別に食品月商、衣類月商、其他月商それぞれの売上実績に細分して表示することもできる。この理論総売上一覧表２０は、前述したごとくのシミュレーションを実行した結果として算出されたものである。
【０１５９】
ここで、業態２２は、直営売面２６の大きさに応じて、ｇｍｓ（売場面積６０００ｍ^２以上）、ｓｍ１（売場面積１０００〜１９９９ｍ^２）、ｓｍ２（売場面積２０００〜５９９９ｍ^２）、ｓｍ３（売場面積４５０〜９９９ｍ^２）等に分類される。限界距離２９は、この業態２２に応じて決定され、本実施形態の場合、ｇｍｓに７０００ｍ、ｓｍ１に３５００ｍ、ｓｍ２に５０００ｍがそれぞれ指定されている。顧客吸引係数２７は、シミュレーション部１２において実行されたシミュレーションにより、決定され、この顧客吸引係数２７に基づき顧客吸引力２８を決定する。さらに、理論月商２３は、前述した式（７）により算出され、全部門月商２４と比較される。
【０１６０】
ここで、月商相対誤差２５は、全部門月商２４に対する、理論月商２３と全部門月商２４との差異の割合を示したもので、この割合が所定の許容範囲内に入るように、顧客吸引力および顧客吸引係数等のパラメータを修正しながら、繰り返しシミュレーションが実行される。このようにして、理論総売上一覧表２０における理論月商２３を精度よく算出するための確率モデルのパラメータが決定され、該パラメータを決定した確率モデルを用いて新店の売上予測や、商圏構造の分析を行うことにより、より精度の高いマーケティング分析が可能となる。
【０１６１】
図３は、本発明に係わる商圏解析―地域地図一覧表の一例を示す図で、図中、４０は地域地図一覧表で、該地域地図一覧表４０は、数値表示画面選択４１、全体図の画面表示法選択４２、部分図表示格子数４３、地域全体図一覧表４４とを入力項目として有している。ここで、数値表示画面選択４１は、地域統計ＤＢ１４等から取得した数値データを全体図に表示するか、部分図に表示するかを選択する項目である。全体図の画面表示法選択４２は、地図表示を全体図に合わせるか、スクロール画面にするかを選択する項目である。このように本発明の商圏分析システム１０は、表示させる地図データを全体図に合わせるだけでなく、スクロール画面上でスクロール可能に表示させることもできる。部分図表示格子数４３は、部分図を別枠に表示させる際、経度及び緯度それぞれの格子数を指定する項目である。地域全体図一覧表４４には、現在利用可能なラスタ地図データ（ｂｍｐ形式）の一覧が表示されており、ユーザはこの中から所望の地図データを選択して利用する。本例では、「￥ｂｍｐ￥調布３ｋｍ．ｂｍｐ」が選択された状態を示している。
【０１６２】
図４は、本発明に係わる商圏解析―全商店および特性表の一例を示す図で、図中、５０は全商店および特性表で、該全商店および特性表５０は、店舗をＧＭＳ、ＳＭといった売場面積等に応じた業態毎に分類したグループを選択するためのグループ選択欄５１、その選択されたグループに属する店舗を表示する店舗表示欄５２、グループ選択欄５１で選択されたグループに属する各店舗に関する特性情報を一覧表示する特性表５３を有している。まずユーザは、グループ選択欄５１で所望のグループを選択し、選択したグループに属する店舗の中で地図データ上に表示させたい店舗を、店舗表示欄５２のチェックボックスにチェックすることで選択する。また、特性表５３は、例えば、店舗番号、店名、店舗所在地、直営吸引売面（顧客吸引力）、直営吸引係数（顧客吸引係数）、直営売面、業態、月平均売上高、食品売上構成比、衣類売上構成比、其他売上構成比、ｍ^２売上高（月毎）、駐車台数や建物に関するデータ、従業員数、緯度経度等の店舗に関する各種データを一覧表として表示したものである。
【０１６３】
図５は、本発明に係わる商圏解析―等高線一覧表の一例を示す図で、図中、６０は等高線一覧表で、該等高線一覧表６０は、帯状の確率等高線において、１．００〜０．０５の範囲で地図データ上に表示させる等高線の帯を選択する確率等高線選択欄６１、確率等高線を地図データ上に表示させる店舗を選択する店舗選択欄６２、確率等高線を表示させる画面（全体図、又は部分図）を指定する画面指定６３を有している。この際、地図データ上に表示させる確率等高線に対して、線色の指定や、線の太さの指定をすることができ、また、店舗毎に確率等高線の色を指定することも可能である。
【０１６４】
図６は、本発明に係わる商圏解析―項目一覧表の一例を示す図で、図中、７０は項目一覧表で、該項目一覧表７０は、線形結合指定７１、指標作製７２、項目一覧７３を項目として有している。ここで、項目一覧７３は、地域統計ＤＢ１４に格納された統計情報の項目を一覧表示したもので、ユーザはチェックボックスをチェックすることにより地図データ上に表示させる統計情報（数値データ）を選択する。本例では、Ｎｏ．２７「２人以上一般世帯数」が選択されており、この項目に応じた数値データが、指定されたメッシュ単位又は町丁字単位で地図データ上に表示される。線形結合指定７１は、チェックボックスにチェックされた項目の格子単位の線形結合（和）又は積を作製する。また、指標作製７２は、チェックボックスにチェックされた項目を格子単位で割算を行って指標を作製する。
【０１６５】
図７は、本発明に係わる商圏解析―項目一覧表の他の例を示す図である。本例では、図６に示した項目に加えて、Ｎｏ．２５「３０―６４歳１人世帯数」、Ｎｏ．２６「６５歳以上高齢者単身世帯数」が選択されており、これら複数の項目に応じた数値データが、指定されたメッシュ単位又は町丁字単位で地図データ上に表示される。このように、項目一覧表７０に登録されている項目であれば、全指定でも、一部指定でもよく、ユーザの分析目的に応じて任意の項目を適宜設定すればよい。
【０１６６】
図８は、本発明に係わる商圏解析―等高線間面積の設定画面の一例を示す図で、図中、８０は等高線間面積設定画面で、該等高線間面積設定画面８０は、等高線間面積表示選択欄８１、地図データ上に表示させる等高線の値（消費吸引確率）を０．１〜０．９の９本からなる等高線から指定する等高線値指定欄８２、地図データ上に表示させる店舗名一覧表８３を有している。ここで、等高線間面積表示選択欄８１がチェックされると、等高線間面積を地図データ上に表示するが、この表示方法として、等高線値指定欄８２で指定された等高線内部の割合（％）を算出して表示する、又は表示項目に面積比を乗じて表示する、又は表示項目に面積比と確率を乗じて表示することができる。さらに、前述の図６に示した項目一覧表７０に登録された統計情報、例えば、Ｎｏ．２７「２人以上一般世帯数」という条件と、店舗毎の消費確率等高線による分析結果とに基づいて、店舗名一覧表８３で選択した店舗における消費カテゴリ別消費額計算を実行して消費カテゴリ別の売上推計または予測を行うことができる。
【０１６７】
図９は、図３に示した地域地図一覧表４０により選択された地図データの一例を示す図で、図中、９０は地図データで、該地図データ９０は、格子状にメッシュ分割され、９１は経度方向の格子番号、９２は緯度方向の格子番号を示している。
【０１６８】
図１０は、図４、図５に示した店舗選択欄で選択された店舗それぞれの確率等高線を地図データ９０上に表示させた場合の一例を示す図で、図中、９３は確率等高線である。地図データ９０において、図４に示した全商店および特性表５０において選択された店舗番号３７００，４２６７，４９１９の各店舗は、地図データ９０上に表示され、図５において同じ店舗番号の店舗を選択することにより、店舗番号３７００，４２６７，４９１９の店舗それぞれに応じた確率等高線が表示されている。この際、店舗番号とともに、店舗名を同時に表示させることもできる。ここで、説明を簡単にするために、図５に示した確率等高線の表示対象とする店舗を、図４と同じ店舗に指定したが、図４における店舗選択と図５における店舗選択とは必ずしも一致する必要はない。
【０１６９】
図１１は、図６に示した項目一覧表で選択された項目に応じた数値データを地図データ９０上に表示させた場合の一例を示す図で、図中、９４は数値データである。この数値データ９４は、図６に示した項目一覧表７０において選択されたＮｏ．２７「２人以上一般世帯数」に応じた数値データであって、メッシュ単位で表示される。
【０１７０】
図１２は、図７に示した項目一覧表で選択された項目に応じた数値データを地図データ９０上に表示させた場合の一例を示す図で、図中、９５は数値データ、９６は数値データ９５に関する詳細データ一覧である。この数値データ９５は、図７に示した項目一覧表７０において選択された、Ｎｏ．２５「３０―６４歳１人世帯数」、Ｎｏ．２６「６５歳以上高齢者単身世帯数」、Ｎｏ．２７「２人以上一般世帯数」それぞれに応じた数値データであって、メッシュ単位で表示される。この際、所望のメッシュデータをクリックすることで詳細データ９６が別枠で表示される。
【０１７１】
図１３は、図１２に示した地図データ９０を部分図として拡大表示させた場合の一例を示す図で、図中、９７は部分図である。本例においては、店舗番号４９１９の店舗周辺を部分図として地図データ９０とは別枠に拡大表示した場合について示しており、部分図９７は、地図データ９０とは別枠のウインドウ（４×４メッシュ）に拡大表示され、その部分図９７の中に数値データ９５が書き込まれている。
【０１７２】
本発明の商圏分析システム１０における表示・解析部１３は、画面の全域に渡って、メッシュ単位や町丁字単位等のポリゴン領域に直接統計データ等を書き込む機能を有する。一度に書き込むデータ項目数は選択式で、表示の都度ユーザが視認判別できる範囲でいくらでも選択できる。ちなみに既存ＧＩＳエンジンにはこの機能は見られない。既存ＧＩＳエンジンでは、例えば、データが各ポリゴンにリンクしており、ポリゴンをクリックすると、そのポリゴンのデータ内容がカード式で別窓で開くようになっている。この方式は、ワンポリゴンカード表示式と呼ばれている。全体を俯瞰的に見るときは、特定の１ないし２項に関して階層別にポリゴンを色分けしてみるという方式が取られている。本発明では、選択された複数データはすべて直接ポリゴン内に書き込み表示され、かつその文字のフォントの形と色を選択することができる。かつそのデータは表示画面上で演算式を定義して計算できる。したがって生データまたは任意の演算加工したデータで解析領域の全体を俯瞰的に分析することができる。
【０１７３】
しかしながら、例えば、５０ｋｍ四方や１００ｋｍ四方など広域を分析対象とする場合、ポリゴン領域が小さくなりすぎて書き込んだデータを直接確認することができなくなる。図１３に示す部分図９７は、このような場合にデータを確認できるようにするための機能である。本例において、地図データ９０上で数値データ等を確認したい地点をクリックすると、デフォルトとして指定した画面サイズ、メッシュ数（本例では４×４）で、その地点を中心とした部分図９７が全体図とは別枠で開く。この部分図９７は、全体図からその部分を部分図枠にコピーしたもので、この部分図９７に対し数値データ９５を書き込む。全体図に数値データ等が入っている場合でも、部分図９７に対してもう一度書き込みを行う。こうすることで、部分図９７上でも加減算等の各種演算処理を行うことができる。この操作は、見た目上瞬時に実行されるので、部分図９７が開いたときには、数値データ９５が入っている。
【０１７４】
また、部分図の範囲指定の別の方法として、全体図の中の数値データを見たい領域を、例えば、左上から右下にドラッグすると、その範囲の地図データが拡大された部分図枠にコピーされ、それが全体図とは別枠で開き、次にその部分図の中に数値データが書き込まれて、演算の対象となる。また、店舗データもこの部分図機能を用いて拡大表示することができる。
【０１７５】
また、部分図機能が、通常のズームイン、ズームアウトと異なるメリットは、全体図を前におきながら見たい地点を拡大でき、データ演算が出来る点である。ズームイン、ズームアウトの場合、全体図の中の位置関係が分からなくなり、全体における部分分析が思うように行えない。この部分図機能もまた、既存ＧＩＳエンジンには見られない。
【０１７６】
図１４は、図８に示した等高線間面積設定に基づいて算出された商圏解析―カテゴリ別消費額の計算結果の一例を示す図で、図中、１００はカテゴリ別消費額の計算結果である。このカテゴリは、例えば、総務庁統計局が毎年実施する「家計調査年報」に基づく家計調査データ上で分類された消費カテゴリをベースとして決められる。この「家計調査年報」とは、全国の平均的世帯（農林漁業世帯・単身世帯を除く）を対象とした家計消費のサンプル調査である。このカテゴリ別消費額の計算結果１００は、店舗毎に算出される。本例の場合、図６に示した項目一覧表７０に登録された統計情報として、Ｎｏ．２５「３０―６４歳１人世帯数」という条件と、店舗毎の消費確率等高線による分析結果とに基づいて、等高線間面積設定画面８０の店舗名一覧表８３で選択した店舗における消費カテゴリ別消費額計算を実行して消費カテゴリ別の売上推計または予測を行った結果を示している。
【０１７７】
図１５は、本発明が適用される解析領域指定、地図データ及び地域統計データ読み込み、加工編集、解析平面データ作成における処理手順の一例を説明するためのフローチャートである。まず、予め用意した地図データファイルを設定し（ステップＳ１）、各地図データの位置情報とその位置での１ｋｍあたりの緯度経度を設定する（ステップＳ２）。次に、一番大きな地図データを包み込む、より大きな解析領域（計算領域）を指定し（ステップＳ３）、解析対象とする地域統計ＤＢを指定し（ステップＳ４）、指定した地域統計ＤＢに関してどのような解析を実行するか選択する（ステップＳ５）。次に、地図データファイルを読み込み（ステップＳ６）、地域統計ＤＢから解析領域内の地域統計データを読み込む（ステップＳ７）。さらに、シミュレーション用解析平面データを作成するかどうか判断し（ステップＳ８）、解析平面データを作成する場合（ＹＥＳの場合）、シミュレーション計算用解析平面データを作成し（ステップＳ９）、ラスタ地図上にレイヤするファイルとしての解析平面を作成する（ステップＳ１０）。上記ステップＳ８において、解析平面データを作成しない場合（ＮＯの場合）、ラスタ地図上にレイヤするファイルとしての解析平面を作成する（ステップＳ１１）。
【０１７８】
図１６は、本発明が適用されるシミュレーションのための各種設定における処理手順の一例を説明するためのフローチャートである。まず、シミュレーションの目的（既存店売上計算を初めから計算するか、途中結果を引き継いで始めるか、新店売上予測を行うか、など）を指定し（ステップＳ２１）、シミュレーションの繰り返し計算回数を指定する（ステップＳ２２）。次に、メッシュ分割数Ｎを指定し（ステップＳ２３）、業態ファイルＤＢを指定し（ステップＳ２４）、指定した業態ファイル毎に底上げ係数を設定する（ステップＳ２５）。次に、業態ファイル毎に選択可能最大店数、限界距離、距離のべき乗α、顧客吸引力のべき乗βを設定する（ステップＳ２６）。さらに、業態ファイル毎にカテゴリ消費額と、消費者業態シェアとを設定する（ステップＳ２７）。
【０１７９】
次に、このシミュレーションが既存店収束計算なのか、新店売上予測なのかを指定し（ステップＳ２８）、新店売上予測の場合、既存店の固有ナンバに加えて、予測する新店の固有ナンバを設定する（ステップＳ２９）。既存店収束計算の場合、収束計算する既存店の固有ナンバを業態毎に設定する（ステップＳ３０）。
【０１８０】
図１７は、本発明が適用されるシミュレーションのための各種設定における処理手順を説明するためのフローチャートで、図１６に示したフローチャートの続きである。まず、図１６に示したステップＳ３０にて収束計算する既存店の固有ナンバを業態毎に設定した後に、何を変数とするのか、終始顧客吸引力およびγ係数か、最初からまたは途中から限界距離か、距離のべき乗αか、消費者業態シェアか、などを指定し（ステップＳ３１）、次に、収束判定条件として、店別理論―実績売上差異の実績売上に対する相対誤差の許容限界％を設定し（ステップＳ３２）、パラメータ修正店舗抽出条件として、店別理論―実績売上差異の実績売上に対する相対誤差の許容限界％を設定する（ステップＳ３３）。ここで、上記ステップＳ３１において顧客吸引力およびγ係数を変数とする場合、許容限界外の店における顧客吸引力の１回毎の修正量（％または定数）を指定する（ステップＳ３４）。また、限界距離を変数とする場合、許容限界外の店における限界距離の１回毎の修正距離（メートルなど）を指定し（ステップＳ３５）、距離のべき乗αを変数とする場合、許容限界外の店における距離のべき乗αの１回毎の修正値を指定し（ステップＳ３６）、消費者業態シェアを変数とする場合、許容限界外の店における業態シェアの１回毎の修正値（％又は定数）を指定する（ステップＳ３７）。
【０１８１】
図１８は、本発明が適用される既存店シミュレーションの処理手順の一例を説明するためのフローチャートである。まず、シミュレーション用解析平面データを読み込み（ステップＳ４１）、業態ファイルを読み込み（ステップＳ４２）、シミュレーション用に入力された各データを読み込む（ステップＳ４３）。次に、顧客吸引力およびγ係数、又は限界距離、又は距離のべき乗α、又は消費者業態シェア、について初回は設定値を、２回目以降は修正値を用いてシミュレーションを実行し（ステップＳ４４）、既存店消費確率等高線を生成し（ステップＳ４５）、既存店理論売上計算を行う（ステップＳ４６）。次に、既存店全店差異平均による収束履歴を記録し（ステップＳ４７）、既存店個別収束判定を行って（ステップＳ４８）、指定したすべての店において顧客吸引力を修正する必要がなくなった場合、収束したものと判断し（収束の場合）、各種数値結果をファイルに書き込む（ステップＳ４９）。上記ステップＳ４８において、収束しなかった場合（未収束の場合）、上記ステップＳ４４に戻り、処理を繰り返す。
【０１８２】
次に、上記ステップＳ４９で各種数値結果を書き込んだ収束結果解析平面データファイルを保存し（ステップＳ５０）、新店売上予測用店舗ＤＢファイルを作成し（ステップＳ５１）、描画レイヤ用解析平面ファイルを作成する（ステップＳ５２）。
【０１８３】
ここで、上記数値結果ファイルには次の項目が一覧表として書き込まれる。
（１）店舗別に業態、理論売上、実績売上、その差異の割合（％）、売場面積、底上げ係数、顧客吸引係数（γ係数）、顧客吸引力、限界距離、カテゴリ消費額、消費者業態シェア、距離のべき乗（α）、顧客吸引力のべき乗（β）
（２）店舗別消費確率帯別に人口，２人以上世帯数，単身世帯数、理論売上額、該消費確率別理論売上額の割合（％）
（３）店舗別確率帯別に、年齢層別男女別人口、該人口に確率をかけた数値、世帯主年齢層別２人以上世帯数推計値、該世帯数推計値に確率をかけた数値、年齢層別単身世帯数、該単身世帯数に確率をかけた数値
（４）店舗別確率帯別に、職種別人口、該人口に確率をかけた数値
（５）店舗別確率帯別に、住居形態別世帯数、住居の広さ別世帯数
ここで、確率等高線は、場所によっては５００ｍメッシュの中に複数本入るが、この場合等高線とメッシュ線が囲む面積を計算して、メッシュ世帯数を面積按分して売上を計算する。上記推計シミュレーション用店舗ＤＢファイルでは、既存店舗の売場面積は顧客吸引力に置き換えられる。
【０１８４】
図１９は、本発明が適用される新店売上予測シミュレーションの処理手順の一例を説明するためのフローチャートである。まず、図１８に示したステップＳ５１で作成された新店売上予測用店舗ＤＢファイルに新店に関する情報を入力する（ステップＳ６１）。特に新店の顧客吸引力およびγ係数は商圏内の既存競争店のγ係数に対してどの程度の優位性があるか、主観的判断を加えて設定する。前述のステップＳ２１、ステップＳ２９で設定した新店売上予測用設定パラメータを読み込み（ステップＳ６２）、図１８に示したステップＳ５０で保存された既存店の収束結果解析平面データファイルを読み込み（ステップＳ６３）、上記ステップＳ６１で新店情報が入力された新店売上予測用店舗ＤＢファイルを読み込む（ステップＳ６４）。次に、既存店と新店との売上予測計算を行い（ステップＳ６５）、既存店と新店との消費確率等高線データを生成し（ステップＳ６６）、既存店と新店とに関する各種数値結果をファイルに書き込む（ステップＳ６７）。さらに、描画レイヤ用解析平面ファイルを作成する（ステップＳ６８）。
【０１８５】
図２０は、本発明が適用される解析平面描画、解析操作の処理手順の一例を説明するためのフローチャートである。ここで、表示・解析部１３は、地理情報解析を行なうための機能を有し、ＤＢ編集部１１又はシミュレーション部１２においてデータを作成しておけば、独立のソフトウェアとして扱うことができる。この表示・解析部１３は、後述する複数のモジュールから構成される。
【０１８６】
図２０において、まず、表示・解析部１３を起動し（ステップＳ７１）、描画用解析平面ファイルを読み込み（ステップＳ７２）、店別消費確率等高線データを読み込み（ステップＳ７３）、消費カテゴリ別売上計算をするためのカテゴリ別消費データを読み込む（ステップＳ７４）。次に、背景図としてのラスタ地図ファイルを選択し（ステップＳ７５）、解析平面ファイルをレイヤし、店別消費確率等高線を表示させる（ステップＳ７６）。次に、目標店（既存店又は新店）の消費確率等高線の形が経験則から見て妥当かどうか判断し（ステップＳ７７）、妥当と判断した場合（ＹＥＳの場合）、各種モジュールに応じた表示・解析操作を行う（ステップＳ７８）。また、上記ステップＳ７７で妥当でないと判断した場合（ＮＯの場合）、前述のステップＳ２１又はステップＳ６１に戻り、設定を変更して処理をやり直す。
【０１８７】
次に、上記ステップＳ７８で実行した各種モジュールにおける解析結果を、例えば、印刷出力や、ＣＳＶファイル等へ出力する（ステップＳ７９）。また、マイクロソフトエクセル（登録商標）等への画像貼り付けを行うこともできる。この際、すべての分析、データ追加、加工結果は、ファイル保存のほか、全体図や部分図を含むどのような画像についても所定のアプリケーションから提供される表に貼り付けて保存することができる。
【０１８８】
ここで、本発明における商圏分析システム１０の表示・解析部１３が有するさまざまな機能について詳細に説明する。尚、本発明の表示・解析部１３は、下記モジュール１からモジュール４５までの構成、機能に限らず、これら機能の全部又は一部を提供できるモジュール構成であれば、どのようなモジュール構成をとってもよい。
（計算実行モジュール）
・モジュール１：様々な選択条件と計算条件と表示条件で計算し、その結果を表示する解析平面を背景地図とともに書き出す機能を有し、このモジュールは条件選択決定とともに絶えず起動され、ごく短時間で結果を出力する。様々な計算サブルーチンと結果表示サブルーチンとからなるモジュールである。
【０１８９】
（地域統計ＤＢ１４に関する解析モジュール）
・モジュール２：メッシュ内書き込み、統計値計算対象項目を選択する機能を有し、個々のメッシュ内に直接数値を書き込むメッシュ統計項目を、メッシュ統計項目一欄窓内のチェックボックスにチェックを入れることで選択（複数選択可能）する。最大選択数は、見易さによってその都度分析者が結果を見て判断する。
・モジュール３：縮尺と範囲で分かれた解析領域の背景地図（全体図）を選択する機能を有する。
・モジュール４：メッシュ統計値を選択された全体図全域で表示するか、部分図に拡大して表示するかを選択する機能を有する。メッシュ内データ書き込み表示は、選択された全体図全域同時表示と、部分的に拡大して別図として表示する部分図表示を選択できる。部分図はドラッグして範囲指定する場合と、詳しく見たい地点をクリックして表示する場合とが選択可能である。また、後者の場合は表示するメッシュ数をデフォルトとして指定できる。全域表示も部分図表示も表示寸法は好みの大きさに指定できる。
【０１９０】
・モジュール５：全体図と部分図の画面サイズを指定する機能を有する。
・モジュール６：メッシュ内書き込みデータのフォント（例えば、形、大きさ、太さ、色等）を指定する機能を有する。
・モジュール７：メッシュ内に書き込まれたデータに関して（複数項目の指定可能）、メッシュをクリックするとそれらのメッシュに関して加算し、もう一度クリックすると減算する加減算機能を有する。
・モジュール８：地点ごとにクリックして表示する部分図の縦横各メッシュ数を指定する機能を有する。
・モジュール９：メッシュデータの指標作成のための定義式、四則演算加工関数値の定義式を与え、表示を指示する機能を有する。ここで、国勢調査結果から作成する指標の一例として、管理職的職業従事者比率、専門的技術的職業従事者比率、ブルーカラー比率、１次産業就業者率、公的職業就業者率、第一ライフステージ世帯比率、１０代人口比率、老年人口比率、労働力率、単身世帯率、持ち家比率、マンション比率、大型住宅比率、現地市町村での通勤通学者の割合、５年間流入人口比率等がある。
【０１９１】
・モジュール１０：全体図または部分図の、選択されたメッシュ統計値、定義された指標や関数値の合計、平均、標準偏差等を別枠窓で表示するように指示する機能を有する。これは、地域統計ＤＢ１４上の各項目について、あるいは作成した指標について、全体図または部分図における各範囲の数値の全メッシュ合計値、平均値、標準偏差等を計算し、別窓で表示する。指標の場合、合計値は出さず、平均値は、分母、分子別々に合計した値を用いる。
・モジュール１１：メッシュ統計値の偏差値、及び２分の１偏差値の計算、表示を指示する機能を有する。標準偏差を使った通常の偏差値、あるいは２分の１標準偏差（標準偏差が平均値に比べて大きいケースが多い場合等）を使った偏差値を下記に示す式（８）により計算し、各メッシュ内に表示し、結果を保存する。
メッシュ偏差値＝［１０×（メッシュ統計値−全体図または部分図の平均値／標準偏差（または０．５×標準偏差）］＋５０ ・・・式（８）
【０１９２】
・モジュール１２：メッシュ統計値を、全体図または部分図の範囲の平均値を１００として指数化し、また表示を指示する機能を有する。地域統計ＤＢ１４上の各項目について、あるいは作成した指標について、全体図または部分図の範囲のメッシュ合計値と平均値を計算し、それを１００として、各メッシュの値を指数化し各メッシュ内に表示する。指標の場合、合計値は出さず、平均値は、分母、分子別々に合計した値を用いる。
・モジュール１３：メッシュ統計値から作成した各種シェア指標の特化係数を計算し、表示を指示する機能を有する。地域統計ＤＢ１４上の各項目について、あるいは作成したシェア指標について、画面上で任意にマウス等の入力手段により領域をドラッグ指定し、その指定された範囲の、全域の値を１とする特化係数を下記に示す式（９）により計算し、各メッシュ内に表示する。
項目ａの項目ｂに対するメッシュ特化係数＝（項目ａのメッシュ値／項目ｂのメッシュ値）／（項目ａの全体図または部分図トータル値／項目ｂの全体図または部分図トータル値） ・・・式（９）
【０１９３】
・モジュール１４：クリックして表示する任意地点の点バッファの半径を指定し、円内の統計値と演算値を計算して表示することを指示する機能を有する。
・モジュール１５：選択したデータや指標に関して、同レベルを結ぶ等高線を自動的に作図する機能を有する。
・モジュール１６：ボロノイ分割（施設間の中間線で市場分割する方法）を指示する機能を有する。これを指定すると、ボロノイ分割線内にその統計値を表示する。
・モジュール１７：年度別のメッシュ年齢層別閉鎖人口推計値を表示することを指示する機能を有する。なお、これらの推計値は、出生率、死亡率、有配偶者率などを用いて商圏分析システム１０内で計算している。
【０１９４】
・モジュール１８：選択したメッシュ統計値、または定義した指標や関数値の階層別に、メッシュ内に書き込まれた文字や数字等を色分け表示することを指示する機能を有する。本例では、階層は７〜２０段階まで指定可能である。
・モジュール１９：メッシュ統計値ないし指標値の、例えば上位１０％、下位１０％（この％は指定可能）のメッシュを検索して、メッシュ内に書き込まれた文字や数字等を色分け表示することを指示する機能を有する。
・モジュール２０：メッシュ統計値間２項の散布図を計算し、別枠窓で表示することを指示する機能を有する。
・モジュール２１：メッシュ統計値間２項の散布図に基づいて階層別に色分けした表を別枠で表示し、それに基づいてメッシュ内に書き込まれた文字や数字等を色分け表示することを指示する機能を有する。
・モジュール２２：メッシュ属性データの追加記入、保存、エクスポートする機能を有する。例えば、町丁字別人口、単身世帯数、２人以上世帯数に関しては常に直近のデータを取れるので、この項に関して、画面上からメッシュ統計ＤＢファイルに書き込めるようにしている。該当メッシュをクリックし、入力カードを立ち上げて、画面上から、例えば、平成１５年人口、平成１５年単身世帯数、平成１５年２人以上世帯数というように任意の項目名で入力することができ、それらは同じメッシュ統計ＤＢの中に出力される。例えば平成１５年２人以上世帯数などと指定すれば、ハフ現実売上収斂シミュレーションにおいても使用できる。
【０１９５】
（家計消費等のリンクデータ、地域統計ＤＢ１４に関する解析モジュール）
・モジュール２３：品目別カテゴリ別メッシュ消費額推計値を、どの属性の世帯（例えば、単身か、２人以上普通世帯か、世帯主年齢層別か、など）で計算するかを指示する機能を有する。なお、世帯主年齢層別世帯数は、オリジナルの国勢調査項目にはなく、商圏分析システム１０内で計算して求めている。
・モジュール２４：メッシュ消費額を、例えばカテゴリ別か、品目別か、年齢層別か、地域別かを指定する機能を有する。なお、カテゴリは、予めユーザサイドで任意に定義し、インプットできる。またリンクするデータは、例えば、家計調査年報のほか、全国消費実態調査報告を用いることもできる。
・モジュール２５：メッシュ消費額を計算するカテゴリまたはどの品目かを指定する機能を有する。なお、各種計算、表示機能は、前述したメッシュ統計値に関するモジュールと共通である。
【０１９６】
（店舗ＤＢ１５に関する解析モジュール）
・モジュール２６：店舗ＤＢ１５からデータをインポートする機能を有する。表示・解析部１３上で、店舗ＤＢ１５を参照し、該当する店舗ＤＢファイル名をクリックすると、表示・解析部１３上に該当データのインポートが始まり、その結果、画面上に店舗データ一覧表（例えば、ポイント名とその属性一覧）を表示し、かつ、どのファイルの、どのポイントをマップ上にフラッグ表示するかを選択する窓が開く。インポートするファイル名は一度に複数選択することが可能である。
・モジュール２７：フラッグと名称を表示するデータが格納されているポイントファイルとフラッグを立てる個別ポイント名称を選択し、属性一覧を参照する機能を有する。これは、窓内でファイル名をクリックして選択すると、ファイルを構成するポイント名称とその属性一欄表がポイントファイル用窓内に表示される。これによってポイントのすべての属性を参照できる。窓内のポイント名称一覧表のチェックボックスにチェックを入れることでフラッグを立てるポイントを選択する。複数選択または全選択が可能である。最大選択数は、見易さと目的によってその都度分析者が結果を見て判断する。
【０１９７】
・モジュール２８：画面上に立てるフラッグの形と色をＤＢファイルごとに選び、フラッグには、ポイント名称を添えるか、フラッグマークだけかを選択する機能を有する。
・モジュール２９：フラッグのポイント名称の隣に選択したひとつのポイント属性を表示することを指示する機能を有する。ポイント名とその属性一覧窓内の属性一覧表のチェックボックスにチェックを入れることで選択する。前述したモジュール１で実行すると、選択された属性が、フラッグ名称の隣に表示される。
・モジュール３０：ポイントデータをメッシュ合計する計算とメッシュシェア計算を指定する機能を有する。選択された属性に関し、各メッシュ合計値と、全体図または部分図における合計値に対する各メッシュシェアをメッシュ内に書き込む。
【０１９８】
・モジュール３１：全体図または部分図のポイント属性値の合計、平均、標準偏差を別枠で表示することを指定する機能を有する。
・モジュール３２：ポイント検索条件を指示する機能を有する。ポイントの属性に関して、数値の大きさで検索条件を指示し、前述したモジュール１で実行すると条件にあったポイントのフラッグが指定された色に変わる。
・モジュール３３：ポイントフラッグの緯度経度を表示し、修正する機能を有する。所望のポイントをクリックすることによりポイントのフラッグ位置の緯度経度が表示される。フラッグ位置修正チェックを選び、フラッグを画面上で動かしてその位置を修正すると、その正しい緯度経度が表示され、ＤＢ一覧表の中の緯度経度データも、正しい緯度経度に変更される。
・モジュール３４：新ポイントデータを画面上にフラッグを立てて作成することを指示する機能を有する。新フラッグ設定チェックを選んで、画面上でマウス等を用いて新しくフラッグを立てると、該当するＤＢ一覧表の中に直接データを書き込め、緯度経度は自動的に書き込まれる。
【０１９９】
（ポイント属性値―メッシュ統計値間の関数に関する解析モジュール）
・モジュール３５：各メッシュ内に、選択されたメッシュ統計値と選択されたポイント属性値間の任意に定義した四則演算統計―ポイント関数値（例えば、メッシュ品目消費額におけるメッシュ内顧客の購入額）を表示することを指示する機能を有する。
・モジュール３６：全体図または部分図内で選択されたメッシュ統計値―ポイント属性値間の２項散布図（例えば、世帯数―顧客数、あるいは世帯数―顧客獲得率、あるいはチラシ配布数―来店客数）を別枠で表示を指示する機能を有する。
・モジュール３７：全体図または部分図内のメッシュにおいて、選択されたメッシュ統計値―ポイント属性値間の２項散布図に基づいて階層別色分け表を別枠で表示し、それに基づいてメッシュ内に書き込まれた文字や数字等を色分け表示することを指示する機能を有する。
【０２００】
（ポリゴン生成ゾーンに関する解析モジュール）
・モジュール３８：ポリゴン生成、ゾーンコンテンツファイルを作成する機能を有する。ポリゴン生成を選択すると、街区地図などラスタ地図を下敷きにマウス等で任意の多角形ポリゴン（ゾーン）を生成できる。ポリゴンの特徴と識別は、例えば、メッシュ統計値、街区地図のほか、現地調査などを用いる集落識別のほか、タウンページ業種別ＤＢのポイントフラッグや数値地図、都市計画図などを用いる業種立地識別などを参照してもできる。ゾーン名称と識別指標とその記述（例えば２５６文字まで）を、生成したゾーンポリゴンファイル窓の中で、データファイルの該当行に画面から直接書き込める。それらはゾーン位置情報、ゾーンコードとともにＣＳＶファイル等に出力できる。また別ファイルでゾーンコード別に現地写真を画面上で張り込み、また開くことができる。
【０２０１】
上述したごとくのゾーニングは、地図としての完成度の高いラスタ地図を背景として用いることではじめて実行可能となる。ゾーンポリゴンはエクスポートされ、保存されるが、保存されたポリゴンデータは、同じ解析平面の中でのみ読み出し、再現することができる。このゾーニングの一例として、例えば、農業地域及び農業集落、工業地帯、流通施設地帯、町の中心地と商店街、借家のアパート地区、古い低所得者用住宅地、低質の古い住宅地、高齢者世帯の住宅地、暮し向きの良い退職者の住宅地、高所得世帯の新しい住宅地、高所得世帯の古い住宅地、安価な新しい民間住宅地、熟練労働者の住む個人住宅地、管理職又は専門職の住む個人住宅地、中間層の住む個人住宅地、古いマンション、新しいマンション、単身者の多いマンション、管理職又は専門職の住む暮し向きの良いマンション、中間層の住むマンション、暮し向きの余り良くないマンション、最も貧しいマンションなどがある。
【０２０２】
・モジュール３９：ポリゴン面積計算を指示する機能を有する。面積計算をチェックし、前述したモジュール１を実行すると、ポリゴン内に面積を記入表示し、またポリゴンファイル内に面積データとして書き込まれる。
・モジュール４０：ポリゴン統計値の計算を指示する機能を有する。作成したポリゴンについて、メッシュデータをもとに、面積按分計算方式により指定した各種メッシュ統計値のポリゴン値を計算することを指示する。前述したモジュール１を実行すると、ポリゴン内に指定された統計値を記入表示し、またポリゴンファイル内に統計値データとして書き込まれる。
【０２０３】
（シミュレーション部１２で作成した店舗別等高線に関する解析モジュール）
・モジュール４１：画面上にフラッグと名称を表示するデータが格納されている店舗ファイルとフラッグを立てる店舗名称を選択し、属性一覧を参照する機能を有する。窓内でファイル名をクリックして選択すると、ファイルを構成する店舗名称とその属性一欄表が店舗ファイル用窓内に表示される。これによって店舗のすべての属性を参照できる。窓内の店舗名称一覧表のチェックボックスにチェックを入れることでフラッグを立てる店舗を選択する。複数選択または全選択が可能である。最大選択数は、見易さと目的によってその都度分析者が結果を見て判断する。
【０２０４】
また、上記モジュール４１において、画面上に立てるフラッグの形と色をＤＢファイルごとに選び、フラッグには、店舗名称を添えるか、フラッグマークだけにするかを選択できる。
・モジュール４２：画面上に確率等高線を表示する店舗名が格納されている窓を開き、等高線を表示する店舗名称を選択する機能を有する。
・モジュール４３：確率等高線を確率別に色分けすることを選択する機能を有する。
・モジュール４４：例えば０．０５〜１．００の等高線を３本づつ表示することを指示する機能を有する。
・モジュール４５：店舗名を選んで店舗別消費カテゴリ別可能理論売上額を表の形式で表示することを選択する機能を有する。
【０２０５】
図２１は、本発明の他の実施形態である商圏分析システムの構成例を説明するための図で、図中、１０１はＰＣ、１１０は商圏分析システムで、該商圏分析システム１１０は、ＤＢ編集部１１１、シミュレーション部１１２、表示・解析部１１３とを有し、これら各部は、データファイルの作成と、受け渡しを通じて相互に連携されている。また、商圏分析システム１１０は、データベースとして、国勢調査メッシュ統計や町丁字統計等の地域統計情報１１４ａを格納した地域統計ＤＢ１１４、世帯における消費、購買の実態を調査した家計消費に関するデータ等の消費リンクデータ１１５ａを格納した家計消費データファイル（以下、家計消費ＤＦ）１１５、業種業態に応じた店舗情報１１６ａ及び店舗情報１１６ａに応じた各種制御パラメータ１１６ｂを格納した店舗ＤＢ１１６、店舗に応じたポイント情報１１７ａを格納したポイントＤＢ１１７、ラスタ形式またはベクタ形式の地図データ１１８ａを予め格納した地図ＤＢ１１８を有している。この地図ＤＢ１１８を本システム構成に含まないようにしてもよく、この場合、ラスタ形式またはベクタ形式の任意の地図データを予め必要枚数準備してＰＣ１０１の任意のフォルダに格納しておく。また、上記各種のＤＢは必要に応じて適宜組み合わせて本システムを構成することが可能である。
【０２０６】
この商圏分析システム１１０は、ＰＣ１０１が有する内部又は外部の記憶装置にインストールされ、該ＰＣ１０１により実行される。ユーザは、商圏分析を行う際に、地図ＤＢ１１８から所望の地図データを適宜選択して利用することができる。また、ＰＣ１０１は、サーバ装置等であってもよく、商圏分析システム１１０を実施する形態に応じた形態であればよい。尚、本実施形態では説明のため、家計調査等消費リンクデータ１１５ａを地域統計ＤＢ１１４と異なる家計消費ＤＦ１１５に格納した状態として図示しているが、家計調査等消費リンクデータ１１５ａを地域統計ＤＢ１１４に含めた構成としてもよい。また、制御パラメータ１１６ｂを店舗ＤＢ１１６に含めた状態として図示しているが、制御パラメータ１１６ｂを店舗ＤＢ１１６とは独立した他のＤＢ（制御パラメータ用ＤＢ）に格納するようにしてもよい。
【０２０７】
上記ＤＢ編集部１１１は、解析領域定義モジュール１１１ａ、メッシュ分析及びポイント分析計算モジュール１１１ｂ、解析平面ファイル作成モジュール１１１ｃを有し、シミュレーション部１１２は、入力Ｉ／Ｆモジュール１１２ａ、シミュレーション計算実行モジュール１１２ｂ、新店売上予測モジュール１１２ｃ、シミュレーション結果出力モジュール１１２ｄを有し、表示・解析部１１３は、起動モジュール１１３ａ、表示・解析モジュール１１３ｂ、出力モジュール１１３ｃを有する。本実施形態は、前述の図１に示した商圏分析システム１０が有するシミュレーション部１２においてシミュレーションを実施するための確率モデルを、複雑系ハフシミュレーションモデルとしてさらに発展させたもので、商圏分析システム１０が有するシミュレーション部１２の現実解析能力をさらに向上させたものである。尚、本実施形態の説明に際し、業態をサブ業態、顧客吸引係数又は個店顧客吸引係数（γ係数）を個店吸引係数、顧客吸引力を個店吸引力として言い換えるものとする。
【０２０８】
ここで、本発明に係わる複雑系ハフシミュレーションモデルの構成方法に関連して複雑性について略述しておく。
複雑系科学は、もともと物理学と化学から発展し、現在生物学、生態学、経済学などに波及しつつある。ここで言う複雑系ハフシミュレーションモデルは、分野としては人文地理学に入る。複雑系とは、システムが極めて多数の要素から成り立っており、しかも要素間の相互作用が重要なため、個々の要素ないし部分の性質がわかっても全体の振る舞いが容易には予測できないことを特徴とする。同時に複雑系における相互作用は非線形であることが特徴である。非線形とは、一般的には入力と出力、原因と結果が比例関係にないことを意味し、具体的には、系の相互作用を記述する方程式（それがある場合は）が非線形方程式で表される、ということである。
【０２０９】
非線形方程式は、「方程式を解く」という従来のやり方では手に負えず、解くことはできない。相互作用が非線形であるときは、要素のごく小さな変化でも系全体が大きく反応したり、全体が協同的に働いて質的転化が起きたりする。あるいは初期条件や制御パラメータのある条件の範囲でしか安定したシステムにならない。時間経過の中では、時間とともに不確実性が増し、突然まったく別の状態が現れたりする。線形理論のように因果分析的思考では理解も予測もできない現象のことである。物理学や化学では、システムが孤立系であるか、開放系であるかを区別する。孤立系では外部環境とのエネルギーやエントロピーのやり取りがない。開放系ではそれらがある、という違いがある。
【０２１０】
複雑な現象を扱う複雑系理論には三つの流派が認められる。一つ目は孤立系の複雑現象を扱うボルツマン理論とそこからヒントを得た理論である。ボルツマンは、孤立系が非平衡状態から始まって熱平衡状態に至るまでのプロセスを理解するために、個々の分子の振る舞いを記述する代わりに、体系を統計的に扱う方法を創案し、そのプロセスを衝突という分子間相互作用によって生成されるエントロピーの増大現象として説明することができた。二つ目は開放系の中である条件を満たすと出現する散逸構造または自己組織化プロセスに関して、イリア・プリゴジンによって創められた散逸構造理論に属するか、そこからヒントを得た理論である。外部（環境）に対して開いており、エネルギーやエントロピーのやり取りがあるという開放系では、均衡状態から遠く離れているところで、ある条件が揃うと散逸構造または自己組織化の過程といわれる、一見安定しているように見える多様な機構が一時的に出現することがある。この散逸構造は、物理や化学だけでなく生物や経済の世界でも見られることが知られている。
【０２１１】
Ｅ．モランはこのような散逸構造の例として、ろうそくの炎の恒常性や、細胞のような有機体の内部環境の恒常性を挙げる。これらには外部からエネルギーを供給され、それによって非平衡状態におかれており、しかもそれによって構造的安定性を保っている。構造の構成要素は変化しているにもかかわらず構造そのものは同一なままである。そしてこの供給の流れがなくなると構造は急速に衰退する。散逸構造は、平衡から遠く離れた開放系において、ゆらぎが生じることによって不安定化し、ある閾値を越えると次々と協同現象によって自己組織化が起こるという一般的な特徴を持つ。そして散逸構造では、生産されるエントロピーはシステム内に蓄積されず、環境との持続的なエネルギー交換の一部としてシステムの外に放出されてしまう。このことによって構造的安定性が保たれている。散逸構造理論は株式市場における暴落の生じる機構の理解や、経済理論における非均衡理論の構築に視点を提供している。
【０２１２】
上記二つの理論はいずれも物理学から出てきたものであるが、三つ目は、構成的方法といわれているもので、コンピュータシミュレーションを用いて、複雑な現象を理解しようとする試みである。それは思考自体を言語と数学だけでなく、コンピュータを用いて遂行しようとする新たな進化段階を示すものともいえる。複雑現象に関して重要だと思われることを抽出して、コンピュータ上にモデルを構築し、この際、系が非線形方程式で記述できる場合はそれを用いて、コンピュータシミュレーションを走らせてモデルの振る舞いを観察し、その結果によってモデルを修正ないし再構築してまた走らせるという繰り返しを経て、複雑な現象を理解していこうという研究方法である。言い換えれば自然や社会や経済を調べるのではなくて、それらをコンピュータのヴァーチャル空間に造りだすことによって自然や社会や経済を理解しようとするものである。
【０２１３】
上記方法にも２種類あり、シミュレーションはあくまでも閉じた仮想的な世界であり、その結果の現実妥当性は、似ているということ以外は問わないというやり方と、もうひとつは、あくまでも現実世界との整合性と実証性を追及していくやり方である。
【０２１４】
それでは、本発明に係わる複雑系ハフシミュレーションモデルは、上記複雑系理論のどこに位置づけられるであろうか。まずそれは外部というものを持たないことから一種の孤立系であり、散逸構造ではない。また多様な価値観と志向性を持つ消費者ではあるが、その店舗選択行動を空間のゾーニングを通して粗視化して自由度を減少し、統計的に見ると、そのゾーンごとの分布の平均値と集客装置との間には、統計的決定論とも言うべき非線形な相互作用がみられる、ということに注目してモデル化しているので、その論法はボルツマンの方法に類似する。しかしその解法は、任意に切り取った電子地図の領域の上に張った解析平面上で、コンピュータシミュレーションを走らせて、それを解釈しつつ現実に近い解を見出すという点では、３番目の方法の後者に当る。しかしまた、その相互作用は非線形なので、ある条件下でのみ安定的な構造が現れるという点では、散逸構造に似ていると言える。この場合要素の多さではなく、相互作用が非線形であるということが、自己組織的秩序が出現する必要条件となっている。すなわち、本発明に係わる複雑系ハフシミュレーションモデルは、上記３つの流派のいずれの特徴も併せ持ち、かつ現実との一致という実証を目指す方法なのである。
【０２１５】
これまでのハフモデルにおいて、ｊ店から距離Ｒｉｊだけ離れた場所ｉ（ゾーン）の住民がｊ店で消費する額（理論売上）は、前述した式（１９）、すなわち、
【０２１６】
【数８】

【０２１７】
この場合、理論売上Ｕｊは、１店だけを取り上げる場合は別だが、地域の複数店を同時に問題にした場合には、現実の売場面積と何らかの方法で推計された距離のべき乗α（以下、しばしば距離抵抗係数という）を用いるだけでは各店の理論売上は決して現実売上Ｕｊ′には一致しない。そこで本実施形態においては、いくつかの業態別平均及び／又は個店別の制御パラメータ１１６ｂと、いくつかの変数とを導入して、上記式（１９）を、次式（１０）のように記述する。尚、確率はトリップ確率としても、ある期間の店舗選択消費確率としても、それらに必要なデータさえあればどちらでもかまわないが、ここでは、説明を簡単にするために確率を店舗選択消費確率としておく。また、上記制御パラメータ１１６ｂは、店舗ＤＢ１１６又は店舗ＤＢ１１６とは独立した制御パラメータ用ＤＢ（図示せず）に予め格納しておく。また、この制御パラメータ１１６ｂは、シミュレーションを行う際、マニュアル操作によりインプットでセットするようにしてもよい。
【０２１８】
【数９】

【０２１９】
ｉは、解析領域内で任意に指定した間隔の格子点の位置を示す。また、ｊは、１，２，３，・・・，ｎ（解析領域内に存在する競争関係にある店舗の番号）である。
【０２２０】
上記式（１０）、式（１１）から、ｊ店から距離Ｒにある店に近いほうからｍ番目の確率帯（例えば、消費確率５〜１０％の間の帯；帯の分割定義は指定可能）Ｐｊｍ（Ｒ）が求まる。
【０２２１】
ここからｊ店の理論売上Ｕｊは次式で計算される。
【０２２２】
【数１０】

【０２２３】
Ｎ（ｍ；Ｒ）は、ｍ番目の確率帯で、距離Ｒで代表される小地域の世帯数であり、ｇはｊ店が属するサブ業態（このサブ業態については後述する）を表す。尚、下記の収束条件は、どちらを適用しても構わないが、本実施形態では、収束条件１を用いて判定を行うものとする。
【０２２４】
【数１１】

【０２２５】
尚、上記式に含まれる記号の意味は次の通りである。
Ｒｉｊ：ｉ地点からｊ店までの距離、Ｎ（Ｒｉｊ）：ｉ地点の世帯数，メッシュ世帯数から計算する。Ｕｊ：ｊ店の理論売上（計算結果）、Ｕｊ′：ｊ店の現実売上（元データ）、Ｍｊ：ｊ店の売場面積（元データ）、この元データにはこの他に個店の位置情報（緯度、経度）と、下記に示すサブ業態世帯消費額Ｃｇ（Ｃｇ：サブ業態記号）を設定可能とする。
【０２２６】
上記サブ業態世帯消費額Ｃｇとは、サブ業態ｇが扱う任意の商品カテゴリの全国平均（または地方平均）世帯消費額（元データ）のことをいう。本実施形態では、消費者が購入目的の商品カテゴリの買い物に行く時点で選択肢に考慮に入れる店、言い換えれば小売店側から見て互いに競争関係にあると考えられる店舗をここでは同一の業態とし、例えば、購入目的が食品なら、数百ｍ^２クラスのスーパーから１万数千ｍ^２クラスのＧＭＳまでひとつの業態であるとみなす。しかしながら、競争関係にあるとはいっても売場面積が違い、取り扱う品目数が違うので、これらの店を売場面積によってクラス分けし（以下、クラス分けした各々の業態をサブ業態という）、上記サブ業態世帯消費額Ｃｇは、サブ業態ごとの品揃えが対象とする家計消費額（全国平均または地方平均）のことをいうものとする。
【０２２７】
上記サブ業態世帯消費額Ｃｇと、後述する消費シェアという制御パラメータを導入することによって、規模の異なる店舗間の競争を同時に扱えるようになる。このように、一群のサブ業態ファイルと制御パラメータにより食品競争モデルを構成する。同様の考え方に基づいて、例えばＧＭＳ競争モデル、ドラッグ競争モデル等々、さまざまな競争モデルを構成することができる。
【０２２８】
以下、いくつかの個店別制御パラメータと、求められる計算結果について示す。
α（ｊ）：個店ごとに指定する距離のべき乗で、本実施形態では個店距離抵抗係数（制御パラメータ）という。
Ｄｊ：個店売場面積底上げ係数（制御パラメータ）で、この係数Ｄｊは、店舗の売場面積に掛ける定数で、売場面積が大きいほどｍ^２効率（ｍ^２当たり売上）が小さくなるという限界効用逓減傾向は、小さな店ほど、大型店に対して相対的に個店吸引力（客をひきつける集客力）が大きいことを示している。これを表現するために小型店の売場面積をあらかじめ選んだ基準店（または基準サブ業態平均値）のｍ^２効率を１として、各店のｍ^２効率をそれに相対化し、それを制御パラメータＤｊとして各店の売場面積に掛けてあらかじめ底上げしておく。すなわち、個店売場面積底上げ係数Ｄｊはシミュレーションの初期値では、相対化したｍ^２効率（相対的ｍ^２効率）を表す。またシミュレーションを１回だけ走らせて、店別に理論売上と現実売上の乖離状況を見て、現実売上に対して目安としてその誤差が、例えば３０％を越す店について、１回計算で誤差数％以内になるようにこれを調整する。この底上げ係数をセットする店舗の抽出基準は、売場面積又は単位面積あたりの売上（ｍ^２効率）の相対的大きさを基準にしてもよく、売場面積又は単位面積あたりの売上（ｍ^２効率）が所定範囲以下又は以上となるような店舗を抽出するようにしてもよい。
【０２２９】
この制御パラメータＤｊはシミュレーションの収束回数を減らす効果を持ち、例えば、シミュレーションがＰＣに導入されたＯＳ（オペレーティングシステム）上の能力限界に突き当たって停止するといった現象を防ぐために極めて有効である。これは、多くのパラメータを導入する複雑系シミュレーションの場合、そのシミュレーションの実施の如何はＰＣの処理能力、特にＷｉｎｄｏｗｓ（登録商標）などのＯＳによる制約を受けることがある。しかしながら、この制御パラメータＤｊの調整によってほとんど１０回以内で収束するようになるため、上記のようなＯＳによる制約を受けることなくシミュレーションを終了させることができる。この際、売上登録のない店はＤｊ＝１か、またはその営業力に見合った数値をおくようにする。
【０２３０】
Ａｊ：個店吸引係数（計算結果として決定される）で、この個店吸引係数Ａｊは、売場面積Ｍｊ×個店売場面積底上げ係数Ｄｊを、個店吸引力に変換するためのウェイト係数であり、シミュレーションは主にこのパラメータをめぐって行われる。
【０２３１】
Ｍｊ（売場面積）×Ｄｊ（個店売場面積底上げ係数）×Ａｊ（個店吸引係数）：個店吸引力（計算結果として決定される）で、この値が大きいほど来店客数ないし利用世帯数が増える。ここで、本発明の別の実施形態として売場面積Ｍｊを直接変数として扱うことも可能であるが、このように段階を踏むほうがシミュレーションを短時間で成功させやすく、かつ個店の営業力を数値評価しやすい。
【０２３２】
また、Ｄｊ×Ａｊ＝個店吸引力／売場面積Ｍｊを真の個店吸引係数として、区別する。シミュレーションは、真の個店吸引係数と相対的ｍ^２効率を比較することで、その操作と最適解か否かの判断を行うことができる。もともと相対的ｍ^２効率とは、各立地点に於ける相対的な個店営業力を表す指数である。シミュレーションにおいても、多くの店でこの指数が真の個店吸引係数に近似する。またはそのように制御パラメータを操作しなければならない。しかし、シミュレーション結果においては、そうでない店も存在する。真の個店吸引係数が相対的ｍ^２効率よりもかなり大きな店は、人口配置と店舗配置から見て、不利な立地にもかかわらず大きな個店吸引力を発揮していることを意味する。逆に真の個店吸引係数が相対的ｍ^２効率よりもかなり小さな店は、有利な立地と店舗規模にもかかわらず、小さな個店吸引力しか発揮していないことを意味する。尚、真の個店吸引係数は、他のパラメータ（個店吸引力、個店吸引係数等）と同様に自動計算されるものであるが、事後的に、例えば表計算等のアプリケーションを用いてマニュアル操作で計算するようにしてもよい。
【０２３３】
Ｓｇｊ：サブ業態ｇに属するｊ店が品揃え対象消費額Ｃｇの中で吸引できる個店消費シェア（制御パラメータ）で、基本的な意味は定義どおりだが、個店消費シェアＳｇｊおよび業態平均消費シェアＳｇは、実際には次のような多様な意味を担い、これらを分離することはできない。尚、この業態平均消費シェアＳｇは、前述した「消費者業態シェア」と同義とする。
・ｊ店の平均客単価が相対的に高ければ消費シェアＳｇｊは大きくなる。
・ｊ店の商圏内の世帯の所得額が高ければ消費シェアＳｇｊは大きくなる。
・実際上競争関係にあるが、競争業態の中に含めなかった店舗（例えば、スーパーの競争を取り上げているときの生鮮食品を扱う一般小売店）の数が多いとき、消費シェアＳｇｊは相対的に小さくなる。
・大型店は利用率の低い広大な周辺部分をその商圏に持つので、小型店よりも相対的にその業態平均消費シェアは小さくなる。これは平均客単価は高いが平均期間消費額が下がる傾向となり、両項で相殺するため。
・２人以上一般世帯のみを消費主体としてシミュレーションする場合、ｊ店の商圏内に単身世帯が多いとき、消費シェアＳｇｊは大きくなる。
・限界距離が小さいサブ業態ほど、消費シェアＳｇｊは相対的に大きくなる。シミュレーションでは個店別ではなく、サブ業態平均消費シェアからスタートするが、以上すべての効果が相殺された結果としてこの数値が求まる。これらの事情は解析領域ごとに異なるので、シミュレーションの結果を見て何度か修正する。特異な店については店ごとに与えることができるが、スーパーのデータベースにディスカウントストアが混在するような場合を除けばほとんどその必要はない。
【０２３４】
Ｒｇｊ：ｊ店の個店限界距離（制御パラメータ）で、関数形Ｒｉｊ⁻αは非収束関数で漸近的にゼロに近づきつつ無限遠まで伸びていくが、現実の確率Ｐｒは、およそ２〜３％くらいで突然終わるという事実に基づき、指定するものである。これは消費者サイドから見れば、店舗選択するときのサブ業態ごとの最大距離を意味する。これは、シミュレーション結果の確率等高線を見て修正することができる。この限界距離Ｒｇｊとしては、例えば、時間距離、直線距離、道路距離、心理距離などを適用することができる。
【０２３５】
β（ｊ）：個店ベータ（制御パラメータ）で、個店の個店吸引力にかかる個店ごとのべき乗指数（通常は１で運用）を表す。
【０２３６】
上記した個店別の制御パラメータの他に、次に示すサブ業態別の制御パラメータを用意する。
α（ｇ）：サブ業態平均アルファ（制御パラメータ）。
Ｄｇ：サブ業態平均売場面積底上げ係数（制御パラメータ）。
Ｓｇ：サブ業態平均消費シェア（制御パラメータ）で、このサブ業態平均消費シェアＳｇは、領域内にかなり異なる所得格差を示す地域があれば、それぞれを商圏とする店グループごとに平均消費シェアを変えることができる。
Ｒｇ：サブ業態平均限界距離（制御パラメータ）。この限界距離Ｒｇとしては、例えば、時間距離、直線距離、道路距離などを適用することができる。
β（ｇ）：サブ業態平均ベータ（制御パラメータ）で、個店吸引力にかかるサブ業態平均のべき乗指数（通常は１で運用）を表す。
【０２３７】
また、次のシステム制御パラメータを指定する。
第１に、「消費確率等高線の数と、その間隔（本例では％値）」を指定する。これによって決まる２つの確率等高線で挟まれた確率帯の番号ｍも決まってくる。１００％〜０％までの間の確率等高線の数とその間隔（％値）は任意に指定することができる。べき乗αが小さい業態では数％という小さい確率が重要になってくるし、べき乗αが大きい業態では一ケタ台の確率は重要でなくなるというように、解析対象となる業態によって指定する。業態の商圏空間構造の形に関する実証的経験を参考に、それに合わせることができる。また、これはシミュレーションの結果を見て修正することができる。第２に、消費者が店舗選択する際の、サブ業態ごとの「最大選択店舗数」を指定する。この際、選択は距離の短い店からなされる。
【０２３８】
最後に、次のシミュレーション収束条件を指定する。
収束条件ｅ１：各個店の〔理論売上−現実売上〕の与えられた許容誤差％を表す。領域内で売上が分かっている同業態の任意の数の店を指定し、その全店に関して適用される（通常の場合、およそ５０〜１００店程度になる）。実績売上登録がない店舗に関しては、“理論値＝実績値”として計算される。
シミュレーションは、指定したすべての店舗に関して、各店の誤差が許容誤差範囲内になったとき収束する。この際、他の収束条件として、前述の収束条件ｅ２を適用してもよく、この場合、収束条件ｅ２は、収束計算を指定した全店の売上誤差の平均値に対する許容誤差（％又は定数）を表すもので、全店の誤差平均が許容誤差範囲内になったときに収束する。
【０２３９】
ここで、以上に説明したような各種制御パラメータや、元データ等を複雑系ハフシミュレーションモデルに導入してシミュレーションを実行するが、この際、上記複雑系ハフシミュレーションモデルの変形例として、前述した各種制御パラメータにいくつかの補正係数を設定したり、モデルに設定する制御パラメータをシミュレーションの内容に応じて適宜追加、削除するなどによって種種考えられ、本発明は、これら変形したモデル全てを対象としてシミュレーションを実行することができるものとする。
【０２４０】
本実施形態における商圏分析システム１１０は、以下に示す機能を提供することができる。
・売場面積、売上実績（およそ５０〜６０％程度未登録でも実施可能）、業態情報、店舗位置情報（地域によっては住所だけでも可能）からなるすべての店舗データベースファイルを直接扱うことができる。
・任意の品目別消費額ファイルを扱えるほか、例えば、国勢調査、家計調査、マーケティングデータなどを論理的に組み合わせて使用することができる。
・背景地図として、例えば民間地図会社の任意のラスタ地図を扱えるほか、国土地理院の数値地図なども扱うことができる。
・確率の関数形に関して、前述した関数Ｒｉｊ⁻αの代わりに指数関数ｅｘｐ（⁻δＲｉｊ）型の関数を選択することができる。この場合、距離Ｒｉｊのべき乗αを指定する代わりに、距離Ｒｉｊにかかる係数δを指定する。
・距離Ｒｉｊは、直線距離、道路距離、時間距離、心理距離等のいずれをも使用することができる。
・対象とする消費者主体として、例えば「２人以上一般世帯」を計算単位にする、「２人以上一般世帯」と「単身世帯」を計算単位にする、「単身世帯」のみを計算単位にする、などを選択することができる。さらに、「単身世帯」については、例えば「若年単身世帯」、「中年単身世帯」、「高齢単身世帯」等に分けて計算単位にする、などを選択することができる。このように地域統計ＤＢ１１４に格納された統計情報に関する項目から、対象とする消費者主体を選択することができる。
・消費者主体を世帯ではなく、「年齢層別男女人口」を計算単位に指定することができる。
・国勢調査上あるいは事業所統計上の任意の項目またはそこから四則計算で計算され得る任意のカテゴリを計算単位に指定することができる。
【０２４１】
ここで、上述した複雑系ハフシミュレーションモデルを用いた商圏分析システム１１０の処理手順の一例について詳細に説明する。
（１）ＳＭを中心とした食品競争か（この場合、サブ業態は小型ＳＭからＧＭＳまで、約４〜５つ程度のサブ業態になる）、ＧＭＳを中心とした大型店競争か（この場合、サブ業態は大型ＳＭとＧＭＳの２つのサブ業態になる）、ドラッグ競争か、ホームセンタ競争か、等々競争業態を決め（消費者サイドから言えば買い物目的を決めるということ）を決め、次に、その競争を構成するサブ業態を決め、サブ業態店舗データベースを用意する。
（２）サブ業態に対応した制御パラメータデータベースを用意する。この際、制御パラメータデータベースとサブ業態店舗データベースとを統合するようにしてもよい。
（３）消費者主体は何かを決める。一般世帯か、単身世帯か、その両者か、それ以外のものか、など。
（４）電子地図は背景図としてのみ使用し、実際の計算はすべてＰＣ１０１内の解析平面上で行うので、電子地図の領域の緯度経度を解析平面上に定義する（通常の場合、大都市圏で３５ｋｍ四方、田園地域で５０ｋｍ〜１００ｋｍ四方）。
（５）解析平面内に上記（４）で定義した最大領域を包み込み、それよりも一回り大きい解析領域を緯度経度で定義する。
（６）解析平面の解析領域に、地域メッシュ統計ファイル（地域統計ＤＢ１１４）、サブ業態店舗データベース（店舗ＤＢ１１６）、家計消費データファイル（家計消費ＤＦ１１５）等、必要なデータを読み込む。
（７）プログラム上は、全メッシュ格子点またはメッシュを任意等分した全格子点上の消費者による店舗選択確率を計算し、領域内全店の消費確率等高線を決める。その後、実績売上が登録されており、かつ収束計算するようにピックアップされた店について、消費確率等高線に基づいて理論売上を計算し、実績売上と比較する、という手順をとる。
【０２４２】
制御パラメータの操作基準に関して、シミュレーションは個店売場面積と個店売場面積底上げ係数（初期値は相対的ｍ^２効率）のほかはサブ業態平均の制御パラメータを初期条件にする。距離のべき乗αはひとまず経験値（来店客調査結果などから得られるもの）を参考にする。まず１回計算を行い、（理論売上−現実売上）／実績売上で計算される差異％が、サブ業態ごとに最小に近くなるように（この場合、差異は、＋−両サイドで同じような店数となることが目安となる）、サブ業態平均消費シェアを調節する。次に改めて１回計算を行い、理論売上−現実売上差異％が目安として、例えば３０％を越えている店について、その差異が数％になるように、個店売場面積底上げ係数を修正する。こうすることで収束計算回数が著しく減少し、ほとんどの場合１０回以内で収束させることができる。
【０２４３】
シミュレーションの最適解基準に関して、収束は距離のべき乗αと消費シェアのいろいろな組み合わせで実現するが、その中で個店吸引力／売場面積で計算される真の個店吸引係数の全業態平均（すべてのサブ業態を足して平均したもの）が、（現実売上／売場面積）／基準ｍ^２効率で計算される個店相対的ｍ^２効率の全業態平均に最も近似する組み合わせが最も現実説明的な解、すなわち最適解となる。これはユニーク解という意味ではないが、以下に述べるように距離のべき乗αのある狭い範囲でのみ実現することが、シミュレーションから判明する。新店売上予測は、この最適解をもたらすフォルダで行い、表示・解析もこのフォルダのデータファイルを用いる。
【０２４４】
まず、距離抵抗係数α（距離のべき乗α）はすべての店舗で共通としなければ安定解は存在しないということがシミュレーション結果からわかる。確率は距離抵抗係数αの小さな変動で大きく変化するからである。また、距離抵抗係数αの基準に関して、シミュレーション自体は、距離抵抗係数αのある範囲内で安定的に収束する。つまり安定解を有する。上述の食品スーパー競争モデルでは、距離抵抗係数αは１．０から３．０くらいまで安定解がある。しかしながら上述の最適解は、距離抵抗係数αのある狭い範囲の値でなければ成立しないことがシミュレーションの結果判明する。そしてまたこのような条件のときにのみ、各個店の商圏の空間構造を示す消費確率等高線の形が現実の経験とよく一致することが確かめられる。
【０２４５】
この距離抵抗係数αが小さいということは、消費者の移動性が高く、大型店が有利となり、小型店の吸引力はｍ^２効率が示すよりもずっと大きくならなければ、現実売上を達成できなくなる。距離抵抗係数αが大きいと逆に大型店が不利になり、大型店は現実の売場面積よりもずっと大きな吸引力を持たなければ現実売上を達成できない。この最適解をもたらす係数αからはなれて、両端に行くほど小型店または大型店の吸引力が肥大化し、各個店の商圏の空間構造を示す消費確率等高線の形がいびつになり、経験から離れてくる。首都圏のいくつかの領域では、スーパー競争モデルで最適解をもたらす係数αは１．８前後、ＧＭＳ競争モデルでは１．４前後である。こうしてハフが問題とした距離抵抗係数αの値は、いかなる従来型の実証手段よりもこのシミュレーションにおいて整合的に推計し得るのである。
【０２４６】
本商圏分析システム１１０におけるシミュレーションの主な出力項目は、例えば、個店別理論売上、個店別消費者主体別理論売上、個店別消費カテゴリ別理論売上、個店吸引力、個店吸引係数、真の個店吸引係数、消費確率帯別国勢調査項目数値及びそれらの任意の演算値などである。また、表示・解析部１１３への主な出力は、例えば、消費確率等高線、全国勢調査項目数値、それらの線形結合結果や指標計算結果、店別カテゴリ別売上予測値などである。
【０２４７】
既存店競争力評価基準に関して、前述したように制御パラメータの設定を変えて、領域内の多数の既存店の真の個店吸引係数が、相対的ｍ^２効率にほぼ一致するようにシミュレーションを収束させる。多くの場合相対的ｍ^２効率がそのまま競争店に対する吸引力の指数となる。それでもいくつかの店は、真の個店吸引係数が、相対的ｍ^２効率よりもかなり大きくなることがある。この店は、その立地においてそのｍ^２効率を実現させるために高い吸引力を発揮している。これはその商圏内における競争店に対して、その相対的ｍ^２効率にもかかわらず、相対的に単位面積あたりの集客力が高いということを意味している。このとき相対的ｍ^２効率が他店のそれに対して大きくないとすれば、商圏内人口が少ないか、商品力が足りないか、を意味している。逆に、真の個店吸引係数が、相対的ｍ^２効率よりもかなり小さくなる店もある。この場合、その店は、その立地において、そのｍ^２効率にもかかわらず小さな吸引力しか持たない。このとき相対的ｍ^２効率が相対的に小さくないとすれば、商圏内人口が相対的に多いか、商圏内競争が厳しくないかである。
【０２４８】
業態平均消費シェアによる解析領域の状況評価に関して、サブ業態平均消費シェアの領域間比較により、領域の所得−消費水準、競争業態に含めなかった店舗群の消費シェア、などについて洞察の手がかりを得ることができる。
【０２４９】
新店売上予測のための新店吸引力の設定基準に関して、新店が立地する商圏内の既存店、例えば同規模他店の真の個店吸引係数と相対的ｍ^２効率と、それら他店の実際の営業力、商品力を比較して、それらに対する相対的な力として新店の個店吸引係数又は個店吸引力を、上記同規模他店のシミュレーション結果に基づいて推定し、推定した個店吸引係数又は個店吸引力と、予定売場面積と、位置情報（経度緯度）とともに予測ファイルに設定する。この予測ファイルは店舗ＤＢ１１６に格納される。新店売上予測を行う場合には、店舗ＤＢ１１６から予測ファイルを読み込んで、他の制御パラメータ（個店吸引係数、個店吸引力以外のパラメータ）は、上記同規模他店の収束計算終了時点のものを設定する。この際、既存店におけるそれらパラメータはシミュレーション収束時のものがそのまま使われる。新店売上予測値は、この設定の後、シミュレーションを１回走らせることによって得られる。こうして得られた理論売上は、地域の買い物行動が習慣化する開店後１年後あたりの予測値となる。これと同時に周辺の他店へ与える影響も計算される。また、退出した店の他店への影響を計算する仕方も同様で、シミュレーションが収束した状態で、店舗データベースの中の退出した店のデータをはずし、その後シミュレーションを１回走らせることによって得ることができる。
【０２５０】
この際、新店の消費確率等高線が電子地図上に示され、地域メッシュ統計およびそこから加工編集される全データが選択的にメッシュ内に表示される。また家計調査項目およびそこから加工編集されたカテゴリに関する新店の売上が表示される。
【０２５１】
本発明の複雑系ハフシミュレーションモデルによると、シミュレーションは食品スーパー競争モデルの場合を代表例とすれば、一般に３０〜５０ｋｍ四方の領域で（地方の田園地域では１００ｋｍ四方）行うが、そこに存在する競争モデルに含めたすべての店舗の売上を任意の精度で推計することができる。
【０２５２】
また、領域内のすべての店舗は、消費確率を通して互いにリンクしているが、その相互関係の中で、個別店舗の営業力、集客力を、個店吸引力、個店吸引係数、真の個店吸引係数などの形で、数値で推計することができ、真の個店吸引係数と、個店の相対的ｍ^２効率を比較することで、その店が立地と規模に見合った商いをしているか、それ以上か、以下かなどの判断もすることができる。
【０２５３】
また、領域の所得−消費水準や競争モデルを組むときに取り上げなかった業態の消費シェアの隠れた影響などを複合的にあらわす業態平均消費シェアと、領域の当該買い物目的の消費者の平均的な距離移動抵抗の大きさを表すサブ業態平均αなどの領域内買い物移動特性値をシミュレーションによって推計することができる。
【０２５４】
また、消費確率を通して互いにリンクしているすべての店舗は、点として存在しているのではなく、店舗の周りに商圏を張るが、その商圏空間構造を、消費確率等高線の形で推計し、電子地図上で表現することができる。また、市販の表計算ソフト等を用いて、消費確率帯別理論売上、消費確率帯別国勢調査項目数値およびそれらの任意の演算値などが出力されるので、ＧＩＳ地理分析を経なくても直ちに分析判断することができる。
【０２５５】
また、このような相互関係の中で、新店が立地すると、既存各店との位置関係と力関係の中で、新店は自らの商圏を獲得し、売上を得るが、その売上予測と商圏空間構造計算を高い精度で行える。同時に、他店の売上と商圏構造に与える影響とを計算でき、他店が退出する場合の自店への影響も計算することができる。この結果小売事業者は立地適正と適切な投資規模を判断できるため、長期経営計画のリスクを減らすことが可能となる。
【０２５６】
また、シミュレーション結果および統計データベース上のデータを地図データ上に直接レイヤ表示できるように加工編集されたデータ群としての解析平面を作成することにより、電子地図上で高度な地域特性分析を行うことができる。例えば、指標計算によって商圏内の民度評価を行え、背景図として地形図すなわち数値地図を用いれば、立地環境評価を行え、また事業所統計や、例えばＮＴＴ情報開発（株）等から提供されるデータベース等を読み込めば、任意の産業の立地状況を分析することができる。これによって立地適正判断や商圏内住民の諸特徴分析、競争関係の判断などをより正確かつ容易に行うことが可能となる。この結果新規事業の成立条件や、立地条件を検討でき、また個店ごとの商品品揃え計画や、販売促進政策、競争政策などの立案の目標と手がかりを得ることができる。
【０２５７】
また、上記のような分析とシミュレーションは、ＧＭＳやスーパーのほか、例えば、ホームセンタ、家具店、家電量販店、ドラッグストア、コンビニエンスストア、各種病院、外食産業などデータベースが存在するか、もしくはＮＴＴデータ等をもとにデータベースを構築可能なすべての立地型業種業態に適用することができる。また、あらゆる地域において実施が可能である。
【０２５８】
また、このシミュレーションにおいて、ＧＭＳと食品スーパー競争モデルを代表例として、例えば、首都圏、中部圏、近畿圏、をはじめ、北関東、東北、北陸、などの田園地方においてもテストした結果、すべてリーズナブルな安定解が得られ、またデータベース上の新店の売上予測も誤差プラスマイナス７％以内で収まっていることが実証されている。但し、予測の精度を高めるためには、個店別の主要競争他店に対する相対的な商品力，営業力と、新店の売場面積規模に対する限界効用逓減率を見極めて、予測用ファイルの新店の売場面積、個店売場面積底上げ係数、個店吸引係数及び個店吸引力をセットする必要がある。
【０２５９】
また、これまで理論的な問題点であった、距離のべき乗αの推計と、個店吸引力とを従来型実証法に頼らずに、地域整合的に決定できるようになった上に、さらには、このような複雑系シミュレーションにおいて、従来、現実との接合は似ている（アナロジー）ということだけのものであったが、本発明の複雑系シミュレーションは、実証を可能にした点で新しく、これにより精度の高い商圏分析を行うことができる。
【０２６０】
図２２は、本発明が適用される解析領域指定、地図データ及び地域統計データ読み込み、加工編集、解析平面データ作成における処理手順の他の例を説明するためのフローチャートである。まず、地域統計データベース及びリンクする消費データ等を用意し（ステップＳ８１）、いろいろな縮尺と種類の地図データファイルを用意し、各地図データの位置情報（緯度、経度）を設定する（ステップＳ８２）。次に、一番大きな地図データを包み込む、より大きな解析領域（計算領域）を指定し（ステップＳ８３）、用意したすべてのファイルと設定値を読み込み（ステップＳ８４）、各種メッシュ指標計算、メッシュマーケット分析計算用解析平面を作成し、その計算を行う（ステップＳ８５）。次に、ラスタ地図上にレイヤするメッシュ元データファイル用及びメッシュ分析データファイル用解析平面を作成する（ステップＳ８６）。さらに、複雑系ハフシミュレーション用解析平面データを作成するかどうか判断し（ステップＳ８７）、解析平面データを作成する場合（ＹＥＳの場合）、シミュレーション計算用解析平面データを作成し（ステップＳ８８）、ラスタ地図上にレイヤするファイルとしての解析平面を作成する（ステップＳ８９）。上記ステップＳ８７において解析平面データを作成しない場合（ＮＯの場合）、そのまま終了する。
【０２６１】
図２３は、本発明が適用されるメッシュ分析及びポイント分析用データの準備手順の一例を説明するためのフローチャートである。まず、商圏分析標準フォルダをＰＣ１０１の任意の記憶装置（例えば、ＨＤなど）に導入する（ステップＳ９１）。次に、いろいろな縮尺と種類の地図データファイルを用意し、位置情報とともに地図ＤＢ１１８に格納し（ステップＳ９２）、地域統計データベースを用意し、地域統計ＤＢ１１４に格納し（ステップＳ９３）、ポイントデータベースを用意し、ポイントＤＢ１１７に格納し（ステップＳ９４）、家計消費データを用意し、家計消費ＤＦ１１５に格納する（ステップＳ９５）。ここで、ステップＳ９２からＳ９５までの各ステップの処理順序は前後しても構わないものとする。
【０２６２】
図２４は、本発明が適用される複雑系ハフシミュレーション分析用データの準備手順の一例を説明するためのフローチャートである。まず、買い物目的と競争業態を決め、それを構成するサブ業態別店舗データベースを用意する（ステップＳ１０１）。次に、サブ業態に対応した全国平均期間消費額と、制御パラメータデータベースを用意し、用意した制御パラメータデータベースをサブ業態店舗データベースと結合する（ステップＳ１０２）。この際、用意する個店別及び業態平均別制御パラメータは、売場面積底上げ係数（初期値は相対的ｍ^２効率）、消費シェア、限界距離、距離のべき乗α、個店吸引力のべき乗βである。次に、結合したサブ業態別店舗データベースを店舗ＤＢ１１６に格納する（ステップＳ１０３）。さらに、売上カテゴリ別消費データを用意し、家計消費ＤＦ１１５に格納する（ステップＳ１０４）。
【０２６３】
図２５は、本発明が適用されるメッシュ分析、ポイントデータ分析及びシミュレーション用メッシュ入力設定手順の一例を説明するためのフローチャートである。まず、ユーザ（操作者）は、ＰＣ１０１上でメッシュ分析入力設定を開き（ステップＳ１１１）、各種縮尺の電子地図の左上と右下の位置の緯度，経度を設定し（ステップＳ１１２）、メッシュ分析の種類を選択し（ステップＳ１１３）、地図中心部の１ｋｍあたりの緯度，経度を設定する（ステップＳ１１４）。
【０２６４】
上記ステップＳ１１１のメッシュ分析入力設定において、計算開始（プログラムの実行開始）、地域地図（結果表示に使用する地図ファイル名の入力）、解析領域（メッシュ分析の種類と分析領域の指定）、地域データ（地域メッシュデータよりデータの抜き取り）、メッシュ編集（地域メッシュデータの編集）、補正計算（補正処理）、２人以上世帯数出力（商圏解析のための２人以上世帯数の出力）、１人世帯数出力（商圏解析のための１人世帯数の出力）、家計品目別消費額（メッシュ家計品目別消費金額の分析）、売上カテゴリ別消費金額（業態別又はサブ業態別に個店のカテゴリ別売上の予測）などがプログラム上で処理される。また、ステップＳ１１３で選択可能なメッシュ分析の種類は、例えば商圏解析、国勢調査、家計調査、事業所統計、商業統計産業編、商業統計業態編、商業統計５００ｍメッシュ統計などである。
【０２６５】
次に、ユーザは、一番大きな地図を包み込む、より大きな解析領域（計算領域）を緯度，経度で指定し（ステップＳ１１５）、読み込むメッシュ地域統計データのフォルダ名とファイル名を設定し（ステップＳ１１６）、対象領域を包含する１次メッシュコードを設定し（ステップＳ１１７）、ＧＩＳ分析で用いる国勢調査項目を指定し、項目名を付与する（ステップＳ１１８）。この際、必要な場合に項目演算式を定義する。さらに、必要な場合は、ＧＩＳ分析で用いる各種メッシュ指標計算、メッシュマーケットボリューム計算の定義式を設定する（ステップＳ１１９）。この際、設定可能な特殊な演算定義式としては、例えばコンビニエンスストアの需要額計算などがある。
【０２６６】
図２６は、本発明が適用されるメッシュ分析、ポイントデータ分析及びシミュレーション用メッシュ入力設定手順の一例を説明するためのフローチャートで、図２５に示したフローチャートの続きである。まず、図２５に示したステップＳ１１９にてＧＩＳ分析で用いる各種メッシュ指標計算、メッシュマーケットボリューム計算の定義式を設定した後に、論理的に必要な場合、ＧＩＳ分析で用いる各種メッシュ演算項目が他のメッシュ項目に一致するように補正計算を実行し（ステップＳ１２０）、ユーザは、ポイントデータ分析を行うかどうか判断し（ステップＳ１２１）、ポイントデータ分析を行う場合（ＹＥＳの場合）、読み込むポイントデータファイル名を設定する（ステップＳ１２２）。上記ステップＳ１２１において、ポイントデータ分析を行わない場合（ＮＯの場合）、ステップＳ１２３に移行する。次に、ユーザは、家計消費分析を組み合わせるかどうか判断し（ステップＳ１２３）、家計消費分析を組み合わせる場合（ＹＥＳの場合）、読み込む家計消費データファイル名を設定する（ステップＳ１２４）。この際、読み込み設定可能な家計消費データファイルは、例えば、品目別年間金額と購入回数、年齢階級別消費金額、収入階級別消費金額、地方別消費金額、月別消費金額などがある。
【０２６７】
上記ステップＳ１２３において家計消費分析を組み合わせない場合（ＮＯの場合）、ステップＳ１２５に移行する。さらに、ユーザは、競争シミュレーション用メッシュ分析にするかどうか判断し（ステップＳ１２５）、競争シミュレーション用メッシュ分析の場合（ＹＥＳの場合）、複雑系ハフシミュレーションで用いる売上カテゴリ別消費ファイル名を設定する（ステップＳ１２６）。上記ステップＳ１２５において競争シミュレーション用メッシュ分析でない場合（ＮＯの場合）、ステップＳ１２７に移行する。次に、ユーザは、メッシュ分析計算開始ボタンをクリックすると（ステップＳ１２７）、メッシュ分析計算が開始される。
【０２６８】
図２７は、本発明が適用されるシミュレーションのための各種設定における処理手順の他の例を説明するためのフローチャートである。尚、本例では個店吸引係数又は個店消費シェアを変数として説明しているが、設定可能な変数はこれらに限定されず、距離のべき乗α又は距離にかかる係数δ、限界距離などを変数としてもよい。まず、ユーザは、買い物目的と、競争業態を決め、それを構成するサブ業態店舗データベースを用意し（ステップＳ１３１）、用意したサブ業態に対応した制御パラメータデータベースを用意し、それをサブ業態店舗データベースと結合し（ステップＳ１３２）、消費者主体を決める（ステップＳ１３３）。
次に、ユーザは、シミュレーションの目的（既存店売上計算を計算するか、新店売上予測を行うか、など）を指定し（ステップＳ１３４）、シミュレーションの繰り返し計算回数を指定する（ステップＳ１３５）。次に、ユーザは、メッシュ分割数Ｎを指定し（ステップＳ１３６）、用意したすべてのデータベースと、制御パラメータと、設定値とを読み込み（ステップＳ１３７）、領域内のすべての店舗の消費確率等高線を計算する（ステップＳ１３８）。
【０２６９】
次に、ユーザは、このシミュレーションが既存店収束計算なのか、新店売上予測なのかを判断し（ステップＳ１３９）、新店売上予測の場合、既存店の固有ナンバに加えて、予測する新店の固有ナンバを設定する（ステップＳ１４０）。上記ステップＳ１３９において既存店収束計算の場合、収束計算する既存店の固有ナンバを業態毎に設定する（ステップＳ１４１）。
【０２７０】
図２８は、本発明が適用されるシミュレーションのための各種設定における他の処理手順を説明するためのフローチャートで、図２７に示したフローチャートの続きである。まず、図２７に示したステップＳ１４１にて収束計算する既存店の固有ナンバを業態毎に設定した後に、何を変数とするか（個店吸引力および個店吸引係数か、個店消費シェアか、など）を指定し（ステップＳ１４２）、収束判定条件として、店別理論売上−実績売上差異の実績売上に対する相対誤差の許容限界％を設定し（ステップＳ１４３）、パラメータ修正店舗抽出条件として、店別理論売上−実績売上差異の実績売上に対する相対誤差の許容限界％を設定する（ステップ１４４）。ここで、上記ステップＳ１４２において個店吸引力および個店吸引係数を指定した場合、許容限界外の店の個店吸引力の１回毎の修正量（％又は定数）を指定する（ステップＳ１４５）。また、上記ステップＳ１４２において個店消費シェアを指定した場合、許容限界外の店の消費シェアの１回毎の修正値（％又は定数）を指定する（ステップＳ１４６）。
【０２７１】
図２９は、本発明が適用される複雑系ハフシミュレーションの入力設定手順の一例を説明するためのフローチャートである。まず、ユーザは、ＰＣ１０１上でシミュレーション入力設定を開き（ステップＳ１５１）、シミュレーションの目的（既存店理論売上計算をするか、新店売上予測か、など）を指定し（ステップＳ１５２）、シミュレーション繰り返し計算回数を指定し（ステップＳ１５３）、計算時のメッシュ分割数を設定する（ステップＳ１５４）。尚、本例では、既存店理論売上計算を指定した場合を代表例として説明する。次に、ユーザは、制御パラメータ（個店吸引力のべき乗β、売場面積底上げ係数）についてサブ業態平均を用いるか、個店別データを用いるかを指定し（ステップＳ１５５）、読み込むサブ業態別店舗データベースファイル名を設定する（ステップＳ１５６）。
【０２７２】
次に、ユーザは、制御パラメータ（距離のべき乗α、限界距離）についてサブ業態平均を用いるか、個店別データを用いるかを指定し（ステップＳ１５７）、収束計算する既存店の固有ナンバをサブ業態ごとに設定し（ステップＳ１５８）、消費者が店舗選択するときの最大店舗数をサブ業態ごとに設定し（ステップＳ１５９）、計算する消費確率等高線の値（％）を本数分設定する（ステップＳ１６０）。次に、ユーザは、制御パラメータ（消費シェア）についてサブ業態平均を用いるか、個店別データを用いるかを指定し（ステップＳ１６１）、計算に用いる消費者主体を決め、相対的消費額に見合った倍率を設定し（ステップＳ１６２）、店別確率帯別国勢調査データ集計計算を行う項目Ｎｏ．と項目名を設定する（ステップＳ１６３）。
【０２７３】
次に、収束判定条件として店別の（理論売上−実績売上）／実績値売上の相対誤差の許容限界％を設定する（ステップＳ１６４）。次に、ユーザは、例えば、個店吸引力を修正する店を抽出するための相対誤差限界を設定し、限界外の店の個店吸引力の１回ごとの修正量（％又は定数）を設定する（ステップＳ１６５）。この際、相対誤差限界は任意に設定可能であるが、収束判定条件と同一としたほうが好ましい。さらに、シミュレーション計算開始ボタンをクリックすると（ステップＳ１６６）、既存店売上と個店吸引係数、個店吸引力、消費確率等高線、確率帯別諸データなどの繰り返し計算を開始し、収束後結果表を「シミュレーション結果ＤＦ」フォルダに出力するとともに、同時に、店舗ＤＢフォルダの中に新店売上予測用“商圏”データベースファイルを自動作成する（ステップＳ１６７）。
【０２７４】
図３０は、本発明が適用される既存店シミュレーションの処理手順の他の例を説明するためのフローチャートである。まず、シミュレーション用解析平面データを読み込み（ステップＳ１７１）、シミュレーション用に入力された各データを読み込む（ステップＳ１７２）。次に、個店吸引力、又は個店消費シェア、について初回は設定値を、２回目以降は修正値を用いてシミュレーションを実行し（ステップＳ１７３）、既存店消費確率等高線を計算し（ステップＳ１７４）、既存店理論売上計算を行う（ステップＳ１７５）。次に、既存店全店売上差異平均による収束履歴を記録し（ステップＳ１７６）、既存店個別収束判定を行って（ステップＳ１７７）、収束した場合、各種数値結果をファイルに書き込む（ステップＳ１７８）。また、上記ステップＳ１７７において、収束しなかった場合（未収束の場合）、ステップＳ１７３に戻り、処理を繰り返す。
【０２７５】
次に、上記ステップＳ１７８で各種数値結果を書き込んだ収束結果解析平面データファイルを保存し（ステップＳ１７９）、新店売上予測用店舗ＤＢファイルを作成し（ステップＳ１８０）、描画レイヤ用解析平面ファイルを作成する（ステップＳ１８１）。
【０２７６】
図３１は、本発明が適用される新店売上予測シミュレーションの処理手順の他の例を説明するためのフローチャートである。まず、図３０に示したステップＳ１８０で作成された新店売上予測用店舗ＤＢファイルに新店に関する情報を入力する（ステップＳ１９１）。新店の個店吸引係数と個店吸引力は、商圏内の既存競争店の個店吸引係数と個店吸引力に対してどの程度の優位性があるか、比較考慮して設定する。上記ステップＳ１７９で保存した既存店収束結果解析平面データファイルと、ステップＳ１８０で設定した新店売上予測用店舗ＤＢファイルとを読み込む（ステップＳ１９２）。次に、既存店と新店との売上予測計算を行い（ステップＳ１９３）、既存店と新店との消費確率等高線データを計算し（ステップＳ１９４）、既存店と新店とに関する各種数値結果をファイルに書き込む（ステップＳ１９５）。さらに、描画レイヤ用解析平面ファイルを作成する（ステップＳ１９６）。
【０２７７】
図３２は、本発明が適用される新店予測計算のためのデータの準備手順の一例を説明するためのフローチャートである。まず、ユーザは、店舗ＤＢフォルダ内に作成された新店売上予測用“商圏”データベースファイルを開き（ステップＳ２０１）、既存店シミュレーションで作成された新店予測計算用“商圏”データベースファイルに新店の番号、売場面積、位置情報、個店売上面積底上げ係数、個店吸引係数、個店吸引力を設定し、他の制御パラメータの値は収束計算時の他店と同じに設定する（ステップＳ２０２）。
【０２７８】
図３３は、本発明が適用される新店売上予測の入力手順の一例を説明するためのフローチャートである。まず、ユーザは、ＰＣ１０１上でシミュレーション入力設定を開き（ステップＳ２１１）、計算が新店売上予測であることを指定し（ステップＳ２１２）、収束計算する既存店の固有ナンバ設定行の下に、予測する新店の固有ナンバをサブ業態ごとに設定する（ステップＳ２１３）。次に、ユーザは、他の設定はそのままにして、シミュレーション計算開始ボタンをクリックすると（ステップＳ２１４）、新店売上予測計算を開始する。
【０２７９】
図３４は、本発明が適用される解析平面描画、解析操作の処理手順の他の例を説明するためのフローチャートである。ここで、表示・解析部１１３は、地理情報解析を行なうための機能を有し、ＤＢ編集部１１１又はシミュレーション部１１２においてデータを作成しておけば、独立のソフトウェアとして扱うことができる。
【０２８０】
図３４において、まず、表示・解析部１１３を起動し（ステップＳ２２１）、描画用解析平面ファイルを読み込み（ステップＳ２２２）、店別消費確率等高線データを読み込み（ステップＳ２２３）、売上カテゴリ別売上計算をするためのカテゴリ別消費データを読み込む（ステップＳ２２４）。次に、背景図としてのラスタ地図ファイルを選択し（ステップＳ２２５）、解析平面ファイルをレイヤし、店別消費確率等高線を表示させる（ステップＳ２２６）。次に、目標店（既存店又は新店）の消費確率等高線の形が経験則から見て妥当かどうか判断し（ステップＳ２２７）、妥当と判断した場合（ＹＥＳの場合）、各種モジュールに応じた表示・解析操作を行う（ステップＳ２２８）。また、上記ステップＳ２２７で妥当でないと判断した場合（ＮＯの場合）、前述のステップＳ１３１又はステップＳ１９１に戻り、設定を変更して処理をやり直す。
【０２８１】
次に、上記ステップＳ２２８で実行した各種モジュールにおける解析結果を、例えば、印刷出力や、ＣＳＶファイル等へ出力する（ステップＳ２２９）。また、マイクロソフトエクセル（登録商標）等への画像貼り付けを行うこともできる。この際、すべての分析、データ追加、加工結果は、ファイル保存のほか、全体図や部分図を含むどのような画像についても所定のアプリケーションから提供される表に貼り付けて保存することができる。
【０２８２】
図３５は、本発明のシミュレーション計算結果表リストと内容項目の構成例について示した図である。項目Ａにおいて、メッシュ分析及びポイント分析結果は、解析・表示部１１３で開かれる。項目Ｂにおいて、複雑系競争モデルシミュレーション計算結果表は、シミュレーション結果フォルダに出力され、また、表示・解析部１１３で開かれる。
【０２８３】
図３６は、本発明のシミュレーション結果フォルダのファイル構成例について示した図である。シミュレーション結果フォルダの内容は、収束履歴ファイル、店別全結果ファイル、店別確率帯別理論売上結果ファイル、店別確率帯別国勢調査項目結果ファイルの４つのファイルからなる。さらに、収束履歴ファイルには、シミュレーション計算回数ごとの理論売上−実績売上差異平均誤差％が記録される。店別全結果ファイルには、店舗毎に、理論売上、実績売上、理論売上−実績売上差異％、売場面積、個店吸引係数、個店吸引力、真の個店吸引係数、サブ業態平均売場面積底上げ係数、個店売場面積底上げ係数、全国平均サブ業態消費額、サブ業態平均消費シェア、個店消費シェア、サブ業態別最大選択店舗数、サブ業態平均限界距離、個店限界距離、業態平均α、個店α、業態平均β、個店β、などが記録される。
【０２８４】
また、店別確率帯別理論売上結果ファイルには、店別消費確率帯別に、理論売上、２人以上一般世帯数、２人以上一般世帯による理論売上、単身世帯数、単身世帯による理論売上等とともに、当該項目それぞれに対し各消費確率帯における構成比％が記録される。店別確率帯別国勢調査項目結果ファイルには、店別に、予め指定した国勢調査項目の消費確率帯別データが記録される。
【０２８５】
図３７は、図３６に示したシミュレーション結果フォルダに出力された収束履歴ファイルの一例を示す図である。この収束履歴ファイルは、店舗毎にシミュレーションを行った結果、シミュレーション計算回数ごとの理論売上−実績売上差異平均誤差％を記録したもので、所定の収束判定条件に基づいて何回で収束したかがわかるように収束履歴としてシミュレーション結果フォルダに格納される。本例の場合、８回のシミュレーション計算で収束したことを示している。
【０２８６】
図３８は、図３６に示したシミュレーション結果フォルダに出力された店別全結果ファイルの一例を示す図である。この店別全結果ファイルは、理論総売上一覧表としてシミュレーション結果を記録したもので、図３６に示した項目に応じて結果（数値結果）が記録される。この際、番号１３０（ｇｍｓ）の店舗，番号２１（ｓｍ２）の店舗（図中の網掛けされた店舗）は、実績売上が未登録の状態であるが、既存店舗のシミュレーション結果に基づいて最適なパラメータの値を設定することができるため、精度の高い理論売上（予測値）をシミュレーション計算により求めることができる。このように、本発明の商圏分析システム１１０は、既存店の理論売上や、新店の売上予測等を行う場合に極めて有効に活用することができる。
【０２８７】
図３９は、図３６に示したシミュレーション結果フォルダに出力された店別確率帯別理論売上結果ファイルの一例を示す図である。この店別確率帯別理論売上結果ファイルは、図３８に示した店舗番号１の店舗について、消費確率帯別の合計理論売上や、その合計理論売上の消費確率帯別の構成比、さらに、２人以上世帯数及びその消費確率帯別の構成比、２人以上世帯による理論売上及びその消費確率帯別の構成比、単身世帯数及びその消費確率帯別の構成比、単身世帯による理論売上及びその消費確率帯別の構成比などが記録された状態を示し、各店舗についてその結果が記録される。
【０２８８】
図４０は、図３６に示したシミュレーション結果フォルダに出力された店別確率帯別国勢調査項目結果ファイルの一例を示す図である。この店別確率帯別国勢調査項目結果ファイルは、図３８に示した店舗番号１の店舗について、予め指定した国勢調査項目に応じた消費確率帯別のデータが記録された状態を示し、各店舗についてその結果が記録される。尚、本例においては各項目が商圏と来店とに分類されているが、商圏のほうは、店舗が含まれる商圏全体の住民（消費者）を調査対象としたものであり、来店のほうは、当該店舗を利用する消費者を調査対象としたものである。
【０２８９】
図４１は、本発明における表示分析画面の一例を示す図で、図中、１２０は表示分析画面で、該表示分析画面１２０は、地図データ１２１、統計項目１２２、商圏等高線一覧表１２３、データ入力１２４を含む。尚、図中の四角で囲まれた数字は、店舗に割り当てられた固有の店舗番号を示し、以下、この店舗番号が店舗を示すものとして説明する。この店舗番号とともに、店舗名を同時に表示させることもできる。ユーザはデータ入力１２４において、「画面配置の保存と復元」、「各ウィンドウの最小化と標準化」を指定することができる。ＰＣ１０１の画面上に表示可能なウィンドウには、地域地図選択画面、統計項目一覧表、階層表示設定、経度／緯度格子番号対応表、全商店および特性表１、全商店および特性表２、商圏等高線一覧表、等高線間面積、カテゴリ別消費額などがあり、これらのウィンドウの最小化と標準化を個々に指定することができる。また、ユーザは、統計項目１２２及び商圏等高線一覧表１２３から地図データ１２１上に表示させたい店舗や、等高線、統計情報などを指定することにより、それらに応じたデータを地図データ１２１上に適宜表示させることができる。
【０２９０】
図４２は、図４１に示した地図データ１２１上に統計情報を表示させた状態を示す図である。本例における地図データ１２５は、地図データ１２１上に含まれる各メッシュに応じた地域の一般世帯数を表示した状態を示している。このように地図データ１２１上に表示可能な統計情報は、図４１に示した統計項目１２２の中からユーザにより任意に指定することができる。商圏分析システム１１０は、指定した統計情報を地図データ１２５のメッシュ内に表示し、表示した統計情報を任意の階層区分毎に色分け表示することができる。この色分けは、地図データ１２５と別枠で表示される階層別色分け表（図示せず）によって指定することができる。また、商圏分析システム１１０は、消費確率等高線についても消費確率別に色分けして表示させることができる。
【０２９１】
図４３は、図４２に示した地図データ１２５の一部分を拡大表示させた状態を示す部分図である。本例における部分図１２６は、地図データ１２５とは別枠で開くことができ、各種統計情報を表示し、かつ、部分図１２６上で各種統計計算を行うことができる。表示・解析部１１３は、地図データ上で分割した領域に応じた統計情報や、店舗情報などの解析結果を当該地図データの全域又は一部地域に渡って表示する。これは、任意に選択した１又は複数の統計情報や、店舗情報などを地図データ１２１上で分割した領域に含まれるメッシュ内に表示し（地図データ１２５は統計情報が表示された状態を示す。）、その解析結果が表示された地図データ１２５における所望の部分を地図データ１２５とは別枠の部分図１２６として任意の大きさで表示するようにしたもので、ユーザは部分図１２６上で各種統計計算を実行することができる。
【０２９２】
図４４は、地図データ１２１の代わりに地形図データを用いた場合の表示画面の一例を示す図である。この地形図データ１２７は、ラスタ地図データである。
本商圏分析システム１１０は、高価なベクタ地図エンジンのみならず、地図として安価で完成度の高いラスタ地図エンジンを背景として利用できるようにした上で、地図領域に一致する解析平面を作成し、その中でシミュレーション、統計解析、その他任意のデータ解析を行い、それらを選択的に、かつ、一度に地図領域にレイヤ表示することができる。
【０２９３】
図４５は、地形図データ１２７を用いて一般世帯に占める１人世帯（単身者）の割合を表示させた場合の一例を示す図で、図中、１３０は表示分析画面で、該表示分析画面１３０は、統計項目１３１、データ入力１３２、商圏等高線一覧表１３３、地形図データ１３４などを含む。統計項目１３１においてＮｏ．３５３の「一般世帯に占める１人世帯の割合」がチェックされており、地形図データ１３４の各メッシュには、一般世帯に占める単身者の割合を示す数値が表示される。このようにさまざまな統計情報を広域に渡ってメッシュ単位で表示させることができるため、消費者属性を容易に把握可能となり、新規の出店計画や、商品政策、販売政策などを立案することができる。
【０２９４】
図４６は、本発明に係わる各種フォルダ内容の一例を示す図である。図４６（Ａ）は、図２３に示したステップＳ９１の商圏分析標準フォルダの一例を示す図である。図４６（Ｂ）は、図４６（Ａ）に示す商圏分析標準フォルダの内容を示す図で、例えば地図ＤＦ、地域メッシュ統計ＤＢ、ポイントＤＢ、家計消費ＤＦ、店舗ＤＢ、シミュレーション結果などの商圏分析に必要な標準的なデータ群などがＰＣ１０１に導入される。図４６（Ｃ）は、図２３に示したステップＳ９２の地図ＤＢフォルダの内容を示す図で、この地図ＤＢフォルダにはいろいろな縮尺と種類の地図データファイルが、位置情報とともに格納されている。
【０２９５】
図４７は、本発明に係わる各種フォルダ内容の他の例を示す図である。図４７は、図２３に示したステップＳ９３の地域メッシュ統計ＤＢフォルダの内容を示す図で、この地域メッシュ統計ＤＢフォルダには国勢調査統計ＤＢ，事業所統計ＤＢ、国勢調査―事業所統計リンク結果ＤＢ、商業統計ＤＢ、工業統計ＤＢなどが格納されている。
【０２９６】
図４８は、本発明に係わる各種フォルダ内容の他の例を示す図である。図４８（Ａ）は、図２３に示したステップＳ９５の家計消費ＤＦフォルダの内容を示す図で、この家計消費ＤＦフォルダには家計調査ＤＦ、全国消費実態調査ＤＦ、単身世帯収支調査ＤＦ、売上カテゴリ消費ＤＦなどが格納されている。図４８（Ｂ）は、図４８（Ａ）に示す家計調査ＤＦフォルダの内容を示す図で、年度別に、月別消費、収入階級別消費、全国全世帯消費、地方別消費、年齢層別消費などに関するデータが格納されている。図４８（Ｃ）は、図２４に示したステップＳ１０３の店舗ＤＢフォルダの内容を示す図で、地域に応じた店舗が、例えばＧＭＳやＳＭといった業態別に格納されている。図４８（Ｄ）は、図２４に示したステップＳ１０４の売上カテゴリ消費ＤＢフォルダの内容を示す図で、この売上カテゴリ消費ＤＢフォルダには、業態に応じた売上カテゴリ別消費データが格納されている。
【０２９７】
図４９は、本発明に係わる各種フォルダ内容の他の例を示す図である。図４９（Ａ）は、図２９に示したステップＳ１６７のシミュレーション結果ＤＦフォルダの内容を示す図で、このシミュレーション結果ＤＦフォルダには、前述の図３７，図３８，図３９，図４０にそれぞれ示したデータが格納されている。本例では、商圏解析―収束履歴、商圏解析―全結果１，２，３，４、商圏解析―店別確率帯別理論売上結果、商圏解析―店別確率帯別国勢項目結果が格納された状態を示している。図４９（Ｂ）は、図３２に示したステップＳ２０１の新店売上予測用“商圏”データベースファイルの内容を示す図で、この新店売上予測用“商圏”データベースファイルは、新店の売上予測を行う際に、新店に関するデータ（店舗名、売場面積、所在地を示す緯度経度、推定個店吸引力又は個店吸引係数など）を格納するためのもので、店舗ＤＢフォルダ（店舗ＤＢ１１６）内に自動的に作成される。
【０２９８】
以上、本発明の商圏分析システムにおける各実施形態における各機能を中心に説明してきたが、本発明は、方法としても説明したように商圏分析方法としての形態をとることも可能である。また、この各機能を有する商圏分析システムと同様に、コンピュータに商圏分析システムとして機能させるための、もしくは、コンピュータに商圏分析方法を実行させるためのプログラムとしての形態も、あるいは、そのプログラムを記録したコンピュータ読み取り可能な記録媒体としての形態も可能である。
【０２９９】
本発明による商圏分析の機能を実現するためのプログラムやデータを記憶した記録媒体の実施形態を説明する。記録媒体としては、具体的には、ＣＤ−ＲＯＭ（−Ｒ／−ＲＷ）、光磁気ディスク、ＤＶＤ−ＲＯＭ、ＦＤ、フラッシュメモリ、メモリカードや、メモリスティック及びその他各種ＲＯＭやＲＡＭ等が想定でき、これら記録媒体に上述した本発明の各実施形態のシステムの機能をコンピュータに実行させ、商圏分析の機能を実現するためのプログラムを記録して流通させることにより、当該機能の実現を容易にする。そしてコンピュータ等の情報処理装置に上記のごとくの記録媒体を装着して情報処理装置によりプログラムを読み出すか、若しくは情報処理装置が備えている記憶媒体に当該プログラムを記憶させておき、必要に応じて読み出すことにより、本発明に関わる商圏分析機能を実行することができる。
【０３００】
【発明の効果】
本発明によると、ＧＩＳを利用して競争関係にある業態における各店舗の商圏を分析する際、特に店舗間において激しい競争がある場合に、既存店の競争関係と商圏空間構造を分析することができるとともに、消費者属性と、消費カテゴリ別可能売上の分析を行うことができる。
【０３０１】
また、上記分析結果より、ユーザは適切な顧客政策と、競争政策と、商品政策と、販売政策等を立案できるとともに、また新店においては、計画規模をさまざまに変化させた場合の精度の高い売上予測が可能となり、その結果（コストを加味すれば）適切な投資規模を決定することができる。
【０３０２】
また、推計または予測された商圏空間構造から、消費者属性を把握でき、そこから各種消費階層別カテゴリ別可能消費吸引額（売上）を推計できるため、ユーザはフロアプラン、商品政策、販売政策等を立案することができる。
【０３０３】
また、新規店舗の売上予測や、商圏空間構造の予測の精度を向上させるとともに、新店、既存店を問わず、高度なマーケティング分析を実現することができる商圏分析システム、方法、プログラム、及び記録媒体を提供することができる。
【図面の簡単な説明】
【図１】本発明の一実施形態である商圏分析システムの構成例を説明するための図である。
【図２】本発明に係わる理論総売上一覧表の一例を示す図である。
【図３】本発明に係わる商圏解析―地域地図一覧表の一例を示す図である。
【図４】本発明に係わる商圏解析―全商店および特性表の一例を示す図である。
【図５】本発明に係わる商圏解析―等高線一覧表の一例を示す図である。
【図６】本発明に係わる商圏解析―項目一覧表の一例を示す図である。
【図７】本発明に係わる商圏解析―項目一覧表の他の例を示す図である。
【図８】本発明に係わる商圏解析―等高線間面積の設定画面の一例を示す図である。
【図９】図３に示した地域地図一覧表により選択された地図データの一例を示す図である。
【図１０】図４、図５に示した店舗選択欄で選択された店舗それぞれの確率等高線を地図データ上に表示させた場合の一例を示す図である。
【図１１】図６に示した項目一覧表で選択された項目に応じた数値データを地図データ上に表示させた場合の一例を示す図である。
【図１２】図７に示した項目一覧表で選択された項目に応じた数値データを地図データ上に表示させた場合の一例を示す図である。
【図１３】図１２に示した地図データを部分図として拡大表示させた場合の一例を示す図である。
【図１４】図８に示した等高線間面積設定に基づいて算出された商圏解析―カテゴリ別消費額の計算結果の一例を示す図である。
【図１５】本発明が適用される解析領域指定、地図データ及び地域統計データ読み込み、加工編集、解析平面データ作成における処理手順の一例を説明するためのフローチャートである。
【図１６】本発明が適用されるシミュレーションのための各種設定における処理手順の一例を説明するためのフローチャートである。
【図１７】本発明が適用されるシミュレーションのための各種設定における処理手順を説明するためのフローチャートで、図１６に示したフローチャートの続きである。
【図１８】本発明が適用される既存店シミュレーションの処理手順の一例を説明するためのフローチャートである。
【図１９】本発明が適用される新店売上予測シミュレーションの処理手順の一例を説明するためのフローチャートである。
【図２０】本発明が適用される解析平面描画、解析操作の処理手順の一例を説明するためのフローチャートである。
【図２１】本発明の他の実施形態である商圏分析システムの構成例を説明するための図である。
【図２２】本発明が適用される解析領域指定、地図データ及び地域統計データ読み込み、加工編集、解析平面データ作成における処理手順の他の例を説明するためのフローチャートである。
【図２３】本発明が適用されるメッシュ分析及びポイント分析用データの準備手順の一例を説明するためのフローチャートである。
【図２４】本発明が適用される複雑系ハフシミュレーション分析用データの準備手順の一例を説明するためのフローチャートである。
【図２５】本発明が適用されるメッシュ分析、ポイントデータ分析及びシミュレーション用メッシュ入力設定手順の一例を説明するためのフローチャートである。
【図２６】本発明が適用されるメッシュ分析、ポイントデータ分析及びシミュレーション用メッシュ入力設定手順の一例を説明するためのフローチャートで、図２５に示したフローチャートの続きである。
【図２７】本発明が適用されるシミュレーションのための各種設定における処理手順の他の例を説明するためのフローチャートである。
【図２８】本発明が適用されるシミュレーションのための各種設定における他の処理手順を説明するためのフローチャートで、図２７に示したフローチャートの続きである。
【図２９】本発明が適用される複雑系ハフシミュレーションの入力設定手順の一例を説明するためのフローチャートである。
【図３０】本発明が適用される既存店シミュレーションの処理手順の他の例を説明するためのフローチャートである。
【図３１】本発明が適用される新店売上予測シミュレーションの処理手順の他の例を説明するためのフローチャートである。
【図３２】本発明が適用される新店予測計算のためのデータの準備手順の一例を説明するためのフローチャートである。
【図３３】本発明が適用される新店売上予測の入力手順の一例を説明するためのフローチャートである。
【図３４】本発明が適用される解析平面描画、解析操作の処理手順の他の例を説明するためのフローチャートである。
【図３５】本発明のシミュレーション計算結果表リストと内容項目の構成例について示した図である。
【図３６】本発明のシミュレーション結果フォルダのファイル構成例について示した図である。
【図３７】図３６に示したシミュレーション結果フォルダに出力された収束履歴ファイルの一例を示す図である。
【図３８】図３６に示したシミュレーション結果フォルダに出力された店別全結果ファイルの一例を示す図である。
【図３９】図３６に示したシミュレーション結果フォルダに出力された店別確率帯別理論売上結果ファイルの一例を示す図である。
【図４０】図３６に示したシミュレーション結果フォルダに出力された店別確率帯別国勢調査項目結果ファイルの一例を示す図である。
【図４１】本発明における表示分析画面の一例を示す図である。
【図４２】図４１に示した地図データ上に統計情報を表示させた状態を示す図である。
【図４３】図４２に示した地図データの一部分を拡大表示させた状態を示す部分図である。
【図４４】地図データの代わりに地形図データを用いた場合の表示画面の一例を示す図である。
【図４５】地形図データを用いて一般世帯に占める１人世帯（単身者）の割合を表示させた場合の一例を示す図である。
【図４６】本発明に係わる各種フォルダ内容の一例を示す図である。
【図４７】本発明に係わる各種フォルダ内容の他の例を示す図である。
【図４８】本発明に係わる各種フォルダ内容の他の例を示す図である。
【図４９】本発明に係わる各種フォルダ内容の他の例を示す図である。
【図５０】消費者の来店回数の分布状態の一例を示した図である。
【図５１】距離のべき乗αと距離との関係を示した図である。
【符号の説明】
１，１０１…ＰＣ、１０，１１０…商圏分析システム、１１，１１１…ＤＢ編集部、１１ａ，１１１ａ…解析領域定義モジュール、１１ｂ，１１１ｃ…解析平面ファイル作成モジュール、１２，１１２…シミュレーション部、１２ａ，１１２ａ…入力Ｉ／Ｆモジュール、１２ｂ，１１２ｂ…シミュレーション計算実行モジュール、１２ｃ，１１２ｃ…新店売上予測モジュール、１３，１１３…表示・解析部、１３ａ，１１３ａ…起動モジュール、１３ｂ，１１３ｂ…表示・解析モジュール、１３ｃ，１１３ｃ…出力モジュール、１４，１１４…地域統計ＤＢ、１４ａ，１１４ａ…地域統計情報、１４ｂ…リンクデータ、１５，１１６…店舗ＤＢ、１５ａ，１１６ａ…店舗情報、１６…ユーザポリゴンＤＢ、１６ａ…属性情報、１７，１１８…地図ＤＢ、１７ａ，１１８ａ…地図データ、２０…理論総売上一覧表、２１…店名、２２…業態、２３…理論月商、２４…全部門月商、２５…月商相対誤差、２６…直営売面、２７…顧客吸引係数、２８…顧客吸引力、２９…限界距離、３０…店舗番号、４０…地域地図一覧表、４１…数値表示画面選択、４２…全体図の画面表示法選択、４３…部分図表示格子数、４４…地域全体図一覧表、５０…全商店および特性表、５１…グループ選択欄、５２…店舗表示欄、５３…特性表、６０…等高線一覧表、６１…確率等高線選択欄、６２…店舗選択欄、６３…画面指定、７０…項目一覧表、７１…線形結合指定、７２…指標作製、７３…項目一覧、８０…等高線間面積設定画面、８１…等高線間面積表示選択欄、８２…等高線値指定欄、８３…店舗名一覧表、９０…地図データ、９１…経度方向の格子番号、９２…緯度方向の格子番号、９３…確率等高線、９４，９５…数値データ、９６…数値データに関する詳細データ一覧、９７…部分図、１００…カテゴリ別消費額の計算結果、１１１ｂ…メッシュ分析及びポイント分析計算モジュール、１１２ｄ…シミュレーション結果出力モジュール、１１５…家計消費ＤＦ、１１５ａ…家計調査等消費リンクデータ、１１６ｂ…制御パラメータ、１１７…ポイントＤＢ、１１７ａ…ポイント情報、１２０，１３０…表示分析画面、１２１，１２５…地図データ、１２２，１３１…統計項目、１２３，１３３…商圏等高線一覧表、１２４，１３２…データ入力、１２６…部分図、１２７，１３４…地形図データ。[0001]
TECHNICAL FIELD OF THE INVENTION
The present invention relates to a trade area analysis system, method, program, and recording medium, and more particularly, to a trade area analysis system, method, and program for analyzing a trade area between competitive stores using a raster engine or the like as a background map. , And a recording medium.
[0002]
[Prior art]
In retail and other location industries, it is important to predict with as high a precision as possible what type of business, where and how large a new store will be opened, and how much sales can be expected. This is crucial in deciding on an investment in a facility. Investing in a new store, whether successful or unsuccessful, has a significant impact on management over the long term, so it is a very important management issue. Estimating the commercial structure of the new store and evaluating the customer attributes of the new store based on the structure is important in determining business suitability at the location. In addition, estimating the spatial structure of new stores and existing stores, and estimating the customer attributes of each store from them, and simultaneously estimating the competitors' commercial regions and their sales potential in each market, can lead to various competition policies for each store. It is an important basis for doing so. Conventionally, a trade area analysis using a GIS (Geographic Information System) map engine has been performed in order to estimate such a trade area space structure.
[0003]
Generally, there are two types of map software called a GIS map engine: a vector engine and a raster engine. In the case of a vector engine, vector map element data composed of vector format map elements can be arbitrarily layered according to the purpose, and attribute data can be linked to the vector map element. In addition, map elements in a vector format can be processed, and physical topographical calculations can be performed. Vector map data is point sequence data that can be treated as data that links individual points to position coordinates. Figures include points (isolated points), nodes (intersections of lines), lines (lines), and polygons. (Area, surface defined by a closed curve). The vector engine is map software that can handle such map data and has a basic function of map operation. The basic map data of the vector type include administrative boundaries such as coastlines, lakeshore lines, and town junctions, and place names, roads, railways, rivers, and contour lines. Using a vector engine, these can be easily layered, element attributes can be referenced, map elements can be processed, and topographic and physical calculations such as area calculation and distance calculation can be performed.
[0004]
Here, the vector engine is important when the user has his / her own vector map database, particularly in the administrative field. Governments can effectively use the GIS vector engine in various fields depending on its purpose. Examples of application fields of the GIS vector engine include a city planning information system (land use status, building status, etc.), a road information management system (road status, road ledger plan, road ledger, etc.), a fixed asset information management system (land map) , House map + land tax book + house tax book → fixed asset survey / evaluation business, fixed asset management business, etc.), water and sewage management information system (water supply / drainage facility, sewer facility, etc.), disaster prevention information management system (fire, earthquake, flood damage) Display of disaster information, damage calculation, evacuation measures, etc.), environmental assessment, landscaping / park planning, waste disposal planning, etc.
[0005]
However, the biggest obstacles for a general company to introduce a vector engine for marketing purposes are constraints such as high cost of creating a vector map and difficulty in marketing analysis. Even just to prepare the map as a minimum, it is necessary to purchase expensive basic vector data such as roads, railways, rivers, and place names. The same applies to the case of local governments.In addition to the basic data, the latest topographic maps, lot numbers, and house maps must be converted to vector data by each local government to create a blank map from aerial photographs and aerial laser surveys. If you are not a local government, it is difficult to budget. Census mesh data and town-by-chome data are linked to these polygons by codes, but in the case of a vector engine, data is displayed by clicking on each polygon and the attribute data of that polygon is displayed in a separate window. The attribute data is displayed in a card format, and the attribute data cannot be directly layered on the displayed all-polygon map. The analysis display that gives a bird's-eye view of the entire area has no other method than color coding by hierarchy. This is a drawback of vector engines in marketing analysis.
[0006]
In addition, the raster format engine is an engine that handles map data where the smallest surface is treated as pixels and the whole is treated as drawing, and it can perform scaling or switching and scrolling, point display, point management, road distance calculation, etc. There is no layer function and processing function for vector type map elements. The greatest advantage of this raster type map is that it is completed as a picture from the beginning. Although it is not a processing object, much more map information is drawn than a vector type, so it is extremely cheap as a map is there. Instead, the purpose of analysis is limited, and it is mainly used for logistics delivery planning, route search, salesman management and user point database management.
[0007]
Here, in the case of the above-described vector engine, in addition to the basic map, if the user has his own vector map database, the user-owned vector map database is superimposed on each occasion according to the purpose, and the map according to the purpose is overlapped. Can be processed and topographically calculated, but the marketing-like analytics are limited and very poor for these reasons. Geographic information is defined as attributes of map elements (which are internally coded), meshes and census statistics are also associated with these polygon elements, and user generated data is also associated with the elements. . The attribute data of the element is treated as a separate frame, and the attribute data itself is not layered.
[0008]
In the case of a vector engine, many of the marketing analysis functions described above use the expression of data itself through individual map elements (specifically, by clicking points, nodes, lines, polygons, etc.), It is limited to the card type that can refer only to information. Polygon numerical data (for example, population and the number of households according to town order) that gives a bird's-eye view of the entire polygon and how to display each polygon can be displayed, for example, by color-coded display of numerical data by hierarchy, by graph display, or by Microsoft. Whether a list using spreadsheet software such as Excel (registered trademark) is displayed as a separate table. Also, the geographic information calculation functions that can be performed on them are extremely limited. The mesh is defined by dividing the latitude and longitude equally, so it is a polygon.However, unlike the town sign boundary, it can be handled without depending on the universal coordinate system. At present, the same restriction is applied to the mesh display, probably because the same module is used for the same element attribute concept.
[0009]
As described above, the problems in marketing analysis are common in many systems. Therefore, even if a company or the like introduces the GIS vector engine only for the purpose of marketing analysis, it is expensive and cannot be analyzed as desired. The same can be said of marketing analysis conducted by the government.
[0010]
In addition, when users come to selectively use various facilities beyond distance resistance from the viewpoint of competitive location issues, in other words, there is intense competition between facilities, and Consider the location problem where the trade areas overlap with each other, are unstable, and can only be expressed in a probabilistic sense. Such stochastic trade area models include, for example, David. L. Although there is a so-called Huff model proposed by Huff (1962, 1964), if this is to be solved as an electronic GIS problem, all stores in the business type in question and all consumption in the entire selected spatial area are considered. Must be calculated for the person. It is not possible to calculate with just a few specific stores. This is because the trade areas of each store overlap each other, and the effect of any change at any point extends far through the overlapped trade areas. In addition, actual sales are known for existing stores, and for consumers, household consumption surveys and the like show that the average consumption per category is known. First of all, it is necessary to verify by calculation that the actual data itself is explained by the above-mentioned trade area model by combining all of them.
[0011]
Here, the Huff model is incorporated in most GIS engine-based applications. However, they can only be calculated once along the model (probability or regression analysis), including what is called a simulation. How much you can explain the actual sales of stores that are scattered in the area and compete in the same business type or different business type with the model that you set yourself, and at the same time how the commercial area space structure depends on distance and probability Empirical process is not built in. Therefore, nothing can be said about the degree of certainty of the calculation. To solve this problem, the Huff model must be viewed as forming, via its probabilities, all the stores in the region interconnected nonlinear stochastic equations. That is, this problem is essentially nonlinear, and is a so-called complex system phenomenon. Therefore, in order to solve this problem, after constructing a model that matches the reality, the overall behavior (consumer behavior) is generated by simulation, the validity of the result is examined, and the model parameters are automatically and manually adjusted. We have to take a constitutive approach in complex systems, changing and repeating this until the whole phenomenon is explained to a satisfactory level. Only then can the new store's sales and commercial space structure be predicted in a competitive manner. At the same time, since this phenomenon is a geospatial phenomenon, all results must be structured so that they can be analyzed and layered on an electronic map.
[0012]
In any region, as a result of the interaction between stores and consumer groups, each store shows stable sales trends. It is clear that is working. This consumer shopping behavior problem has been and has been a central issue in human geography and marketing geography since the early 20th century. There are two ways to express this rule as a functional relationship. One is "deterministic theory", which is what is called a gravity model in human geography. The spatial interaction between two regions (movement and trip of people and goods) is proportional to the accumulation of capital and population in the region and inversely proportional to the power of distance. Trips are determined when the values of the macro variables such as the amount of accumulation and the distance are determined, and thus the market area of accumulation is also determined. On the other hand, the rules for consumer store selection-movement or consumption behavior do not hold for individual consumers, but only for group averages, in other words, only for stochastic purposes. Become. Therefore, it is "probabilistic theory" that the variable only determines the trip probability or the selection consumption probability as a statistical average.
[0013]
According to the aforementioned Huff, a consumer survey of small lots at the place of departure suggests that the probability of secondment (trip) for store selection is proportional to the floor space of the store and inversely proportional to the power of the distance from the place of residence to the store. Was presented. (For example, see Non-Patent Document 1 and Non-Patent Document 2)
[0014]
This means that if there are n shopping centers within a certain distance that handle certain goods from the viewpoint of the consumer, instead of deterministically selecting and going to a store, all n stores are selected and the probability It will state that they will trip to Specifically, it is assumed that consumer groups living in small areas at the same distance form a homogeneous population in terms of trip probability (this is the reason why the survey sample was small). Is calculated as follows.
[0015]
Assuming that the probability that one consumer who lives in the place i goes to the shopping center j is Pij, the probability is proportional to the center size (sale area) Mj, and inversely proportional to the distance to the power of α.
[0016]
(Equation 1)

[0017]
In the above equation (16), k is a normalization constant of probability, and is expressed as above from equation (17), where Pij becomes 1 when all j are added. Huff is a time distance for Rij, but the same applies to distance. The power of the distance α is empirically measured according to the type of shopping. According to the above equation (16), the number of consumers Eij going from the place i to the center j is obtained by the following equation.
Number of customers Eij = Pij × Ni Equation (18)
Ni is the number of consumers at point i or the total number of shopping trips (or households) in the category. The sales (consumption amount) of the j stores are calculated by the following formula.
[0018]
(Equation 2)

[0019]
Cim in the above equation (19) is a purchase unit price (or period expenditure amount) per shopping of the m category product of the consumer in i.
[0020]
The above is the prototype that Huff formulated in Non-Patent Documents 1 and 2, which has been taken over to date even though it has problems. The biggest problem in the above equation is that there are only the real area and the distance as variables, and the only parameter is the power α. Formally, sales can be calculated from these formulas, but it is impossible to accurately calculate the actual sales of retail stores in any region as it is. In fact, Huff suggested, but not proved, that sales could be calculated. We have only demonstrated by sampling surveys the power of distance α for furniture and clothing retailer choices.
[0021]
Here, the following problems (1) to (3) remain unsolved even after Huff.
(1) Although the probability of attracting customers is proportional to the sales floor area, the first problem is that the probability using the sales floor area cannot approximately match the actual sales of a plurality of stores in the area. The second problem is that, within the same business format, as the sales floor area increases, m ² It has been known since then that the per-sales (for incrementals, and thus the overall average) decreases, but remains unresolved. (For example, according to the supermarket directory, 100-449m ² Supermarket m ² Efficiency is about 162,000 yen (monthly sales) in 2000, 450-999m ² 126,000 yen at the supermarket, 1000-1999m ² At a supermarket of 8,900 yen, 2000m ² The above supermarket costs 6,600 yen, and GMS costs 5,400 yen. )
[0022]
(2) Basically, the probability is assumed to be the trip (temporary transfer) probability (in this case, sales are calculated by multiplying the average purchase unit price per trip). Is calculated by multiplying the average consumption budget by the period.), And the distinction is ambiguous. However, the probability may be interpreted as either probability. The problem appears when measuring the power of the distance α.
[0023]
Huff tried to measure the power of distance α while leaving the sales floor area as it was. Huff thought that a large exponentiation α means that the distance resistance of the movement is large, and that a small power means that the distance resistance of the movement is small and suction from a distance, which will differ depending on the product category. (Because of the one-stop shopping effect, the total sales floor area is a more appropriate variable than the product category after Huff). Then, we selected a specific residential area with similar income levels in the suburbs of Los Angeles, surveyed the number of dispatches for shopping centers within a 20-mile radius surrounding it by the mail method, and calculated the power α using the successive approximation method. As a result, 3.191 was obtained for clothes and 2.723 for furniture.
[0024]
What matters here is that Huff assumes a homogeneous population (they are consciously choosing such an area) and, as a result, uses only a small sample. Such techniques have been carried over since Huff. However, real consumers have very diverse values in selecting a store. For example, even within a metropolitan area, even a consumer who is within walking distance of a supermarket in an area where various stores can be selected within the same business category of supermarkets, the number of visits to the store in one month is as follows: As shown in FIG. 50, the distribution is wide (approximate to the normal distribution in this case), and the number of visits to the store tends to be unique to an individual.
[0025]
FIG. 50 is a diagram illustrating an example of a distribution state of the number of visits by consumers. Given this diversity, trip probabilities and their parameters correspond to distribution means, and large-sample surveys must be performed in a wide area to calculate them. It is almost impossible in terms of cost, and there is no universality guarantee that even if done, it can be applied to other regions.
[0026]
If the probability is interpreted as the store selection consumption probability, the parameter can be calculated in another way. That is, it is a method of using a visitor survey of a specific store. From the viewpoint of the consumer, if the store selection consumption probability is inversely proportional to the distance between the consumer and the store to the power of α, the store visit probability from each zone surrounding the store also has the same function form as viewed from the store. The probability of coming to the store is that in a daily customary shopping behavior like a supermarket, this survey must be conducted on a suitable holiday one day to avoid duplication. In this way, the area surrounding the store is zoned along the distance from the store, and the probability of visiting from each zone is Rij. ⁻ When the regression analysis is performed in the form of α, in many cases, the power α is obtained with a high determination coefficient of 0.9 or more.
[0027]
FIG. 51 is a diagram showing the relationship between the power of the distance α and the distance. In the drawing, reference numeral 140 denotes a characteristic curve representing the power of the distance α. As shown in this example, if the Huff model is viewed from a statistical point of view, it proves that it is actually applicable, and may be used as an estimated value of the power α. However, this method also has a problem from the viewpoint of obtaining the parameter α. Regional zoning methods have to be quite arbitrary, cannot assert generality, and it is difficult to remove the bias of existing stores. There is no evidence that one store's data applies to other locations with different store locations and spatial densities. Therefore, it cannot be said to what extent the power α obtained in this way has universality. In other words, the former empirical method has its limitations whether it is the former Huff-like origin investigation or the latter landing investigation.
[0028]
(3) The difficulty as described in the above (1) and (2) arises from the fact that the consumer store selection and consumption behavior forms a complicated system. From the point of view of the store, the store selection consumption probability contour line indicating the trade area structure overlaps with that of the adjacent store, and the change in the factor of one store extends far through the overlap. Even in the metropolitan area, the trade area of GMS and large SM is about 5 to 7 km. Therefore, even when analyzing the trade area of one store, the interaction in the area of about 30 km square with the store in the center is calculated. There must be. You can't take each store individually. The whole system is not a sum of parts. It is one as a whole.
[0029]
In the above equation (19), assuming that j = 1, 2, 3,..., N, the actual sales Uj ′ of all stores of the same business type in the analysis area are placed in each theoretical sales Uj. We have to solve the probability equation. It is not unusual for the number of stores n to exceed 100 in a supermarket competition model. At this time, even if the actual sales floor area or the measured value of any of the parameters α described in the above (2) is used, the theoretical sales hardly coincide with the actual sales. This perspective was missing in its application after Huff. Each store has been treated as if it existed independently. In other words, as a result of the Huff Model's wide-ranging consumer store selection behavior or store-to-store interaction, each store has become the current sales and the current spatial trading area structure has not been verified for system proof and predictability. is there. The first reason is that the interaction between stores indicated by the Huff model is nonlinear and can be handled only in the form of computer simulation.
[0030]
Although the computer simulation itself has been performed since the 1960's, it has been recognized as a new recognition method in the 1980's as research methods of constructive methods in complex systems have advanced. The rapid progress of personal computers since 1995 has made it possible to handle a huge amount of calculations, the rapid spread of electronic maps, and the development of various databases along with these. There are things. Against this background, the possibility of realizing complex Huff simulation has emerged. However, to do so, it is necessary to connect the existing statistical file and database file to the Huff model, devise a file configuration for simulation, and incorporate some control parameters into it.
[0031]
As described above, in order to verify the actual sales by calculation and predict the sales of the new store with high accuracy, it is necessary to change the viewpoint of a complex system simulation and to introduce many control parameters. In this Huff model, in order to simulate the reality, the concept of business type or sub-business type was introduced, and customer attraction (individual store suction) was introduced as a variable, and the value of parameter α could be specified arbitrarily. In addition, essentially important concepts, variables and parameters such as sales floor area increase coefficient, customer suction coefficient (individual store suction coefficient), consumption share, marginal distance, consumption probability contour line interval, etc. must be added. Must be modularized according to the concept, variables and parameters. In addition, such a huge amount of nonlinear calculations has been difficult to execute with a conventional personal computer.
[0032]
[Non-patent document 1]
D. L. Huff "Determination of Intra-Urban Retail Trade Area."(LosAngeles; Univ. Of California; Real Estate Research Program, 1962).
[Non-patent document 2]
D. L. Huff, "Defining and Estimating a Trading Area," Journal of Marketing, Vol. 28, July 1964
[0033]
[Problems to be solved by the invention]
The present invention has been made in view of the above situation, and when analyzing the business area of each store in a competitive business using GIS, especially when there is intense competition between stores, a new store The purpose of the present invention is to provide a sales area analysis system, a method, a program, and a recording medium capable of improving the accuracy of sales forecasting of the sales area and the prediction of the space structure of the business area, and realizing advanced marketing analysis. is there.
[0034]
More specifically, first, in order to estimate the sales of each store in a competitive business format and the structure of the trade area, new concepts and variables are added to the probabilistic model of the consumer's store selection consumption behavior. A module configuration for operating a computer using them and automatically calculating it repeatedly until it matches the actual data and performing empirical verification, furthermore, after the verification processing, sales forecast for new store opening investment, trade area space It is an object of the present invention to provide a commercial area analysis system having a module configuration for performing structure prediction. To this end, we consider the Huff model as a system of nonlinear stochastic equations in which all stores in the region are interconnected through their probabilities, and construct a complex extended Huff model by incorporating many control parameters so that they can be connected to actual statistics. Calculate the overall consumer behavior by simulation, examine the validity of the results, repeat the process automatically or manually changing the model parameters until the whole phenomenon is explained to a satisfactory level To provide a constructive approach in complex systems.
[0035]
Secondly, it is possible to use an inexpensive and highly-completed raster map as a background, and to separately create an analysis plane corresponding to a certain map area, in which simulation, statistical analysis, and other arbitrary It is an object of the present invention to perform data analysis and to selectively and simultaneously layer them on a map area.
[0036]
[Means for Solving the Problems]
According to a first aspect of the present invention, in a commercial area analysis system for setting a commercial area on map data and analyzing the set commercial area, a regional statistical database storing statistical information on residents for each arbitrary area is prepared in advance. Target area specifying means for specifying the target area of the trade area analysis on the map data, and store information including at least one of the store name, sales floor area, latitude and longitude indicating the location, and actual sales value of each store are stored for each business type A store database and a simulation calculation for estimating a commercial area space structure and theoretical sales for each of the stores included in the target area specified by the target area specifying means, thereby setting a predetermined probability model parameter to the store. Simulation means for deciding to approach the actual sales value stored in the database. It is obtained by the.
[0037]
According to a second aspect of the present invention, in the commercial area analysis system according to the first aspect, there is provided a store designating unit for designating a store to be simulated from stores included in the target area, wherein the simulation unit comprises By performing simulation for each of the stores specified by the specifying means, the parameters of the probability model are determined so as to approach the actual sales values stored in the store database.
[0038]
According to a third aspect of the present invention, in the commercial area analysis system according to the first or second aspect, the simulation means stores the estimated sales value calculated based on the result of simulation using the probability model and the store database. The simulation is repeated until the difference between the actual sales value and the actual sales value falls within a predetermined allowable range, thereby determining the parameters of the probability model.
[0039]
According to a fourth aspect of the present invention, in the commercial area analysis system according to any one of the first to third aspects, the probability model includes a customer attraction representing a magnitude of a suction attraction to attract a customer in a store, and the customer attraction. From the customer suction coefficient for adjusting the size of the shop, the floor lift coefficient specified for each business type or individual store to raise the store floor area of the store in advance, the power β of the customer suction power of the store, and the customer residence point The power of the distance α to the store, the limit distance representing the distance to the residence of the customer located farthest from the store to be simulated included in the target area, the customer can be selected within the limit distance, The maximum number of stores that can be selected for each business category and the total consumption category per household or per person in all consumption categories in the household survey that the stores of each business type deal with Any one of a plurality of consumers and a consumption share representing a ratio that a collective consumer can actually consume in a store of each business type as an average of one household or an average of one person is defined as a parameter. On the other hand, it is characterized by being calculated by multiplying the customer attraction coefficient and the bottom-up coefficient.
[0040]
According to a fifth aspect of the present invention, in the commercial area analysis system according to any one of the first to fourth aspects, the form of the probability function included in the probability model is any one of a power-of-distance type and an exponential function type relating to the distance. A probability function format designating means, and a consumer subject designating means for arbitrarily designating a consumer subject to be a target of the probability model from among items relating to statistical information stored in the regional statistical database. It is a characteristic.
[0041]
According to a sixth aspect of the present invention, in the commercial area analysis system according to the fourth or fifth aspect, when the exponential function type concerning the distance is designated by the probability function form designating means, Instead, a coefficient δ relating to the distance from the customer residence point to each store can be set.
[0042]
According to a seventh aspect of the present invention, in the commercial area analysis system according to any one of the first to sixth aspects, the system further includes a control parameter database storing control parameters for each business type and / or each store, and wherein the simulation means includes: For each of the stores included in the target area specified by the target area specifying means, by performing the simulation calculation based on control parameters for each business type or individual store stored in the control parameter database, the probability model of the The parameter is determined so as to approach the actual sales value stored in the store database.
[0043]
According to an eighth aspect of the present invention, in the commercial area analysis system according to the seventh aspect, when the control parameters stored in the control parameter database are individual stores, a business type symbol, a bottom-up coefficient, a consumption share, a limit distance, and a customer attraction force. Power factor β, distance power α or distance factor δ.In the case of business-specific averages, increase factor, consumption share, marginal distance, customer attraction power β, distance power α or distance It is characterized by including one of the coefficients δ.
[0044]
According to a ninth aspect of the present invention, in the commercial area analysis system according to any one of the first to eighth aspects, the simulation means performs a power β of a customer attraction and a power α of a distance for a store included in the target area. Or the coefficient δ concerning the distance, the limit distance, the consumption share, the bottom-up coefficient, the maximum number of stores are specified in advance, and the power β of the designated customer suction power, the power α of the distance or the coefficient δ concerning the distance or the limit distance, By setting the consumption share, the increase factor, and the maximum number of stores in the probability model, and performing the simulation repeatedly while correcting the customer attraction coefficient and the customer attraction force according to the immediately preceding simulation result for each of the stores, It is characterized in that a customer suction coefficient and a customer suction force are determined.
[0045]
According to a tenth aspect of the present invention, in the commercial area analysis system according to the ninth aspect, the simulation means further specifies an average consumption per household or per person in advance for each business category, and It is characterized in that it is set in the probability model.
[0046]
According to an eleventh aspect of the present invention, in the commercial area analysis system according to any one of the first to tenth aspects, the simulation means designates the number of simulations for a store included in the target area, and specifies the number of simulations. After executing the simulation, if the difference between the estimated sales value calculated based on the simulation result and the actual sales value stored in the store database is equal to or greater than a predetermined threshold, the store indicating the difference is extracted. Then, the customer attraction force or customer attraction coefficient according to the extracted store is determined at the time when the simulation is completed, and the limit distance is changed by changing the limit distance within a specified range, and further performing the simulation repeatedly. Is determined.
[0047]
According to a twelfth aspect of the present invention, in the commercial area analysis system according to any one of the first to eleventh aspects, the simulation means designates the number of simulations for a store included in the target area, and specifies the number of simulations. After executing the simulation, if the difference between the estimated sales value calculated based on the simulation result and the actual sales value stored in the store database is equal to or greater than a predetermined threshold, the store indicating the difference is extracted. Then, the customer suction force or customer suction coefficient according to the extracted store is determined at the time when the simulation is completed, and the simulation is further repeated while changing the power of the distance α or the coefficient δ of the distance within the specified range. By determining a power α of the distance or a coefficient δ of the distance. Than it is.
[0048]
According to a thirteenth aspect of the present invention, in the commercial area analysis system according to any one of the first to twelfth aspects, the simulation means designates the number of simulations for a store included in the target area, and specifies the number of simulations. After executing the simulation, if the difference between the estimated sales value calculated based on the simulation result and the actual sales value stored in the store database is equal to or greater than a predetermined threshold, the store indicating the difference is extracted. Then, the customer attraction force or customer attraction coefficient according to the extracted store is determined at the time when the simulation is completed, and the simulation is further repeated while changing the consumption share within a specified range, thereby obtaining the consumption share. Is determined.
[0049]
According to a fourteenth aspect of the present invention, in the commercial area analysis system according to any one of the first to thirteenth aspects, the simulation means includes a power β of a customer attraction and a power α of a distance for a store included in the target area. Or, the coefficient δ concerning the distance, the customer suction power, the consumption share, and the maximum number of stores are specified in advance, and the power β of the specified customer suction power, the power α of the distance or the coefficient δ concerning the distance, the customer suction power, consumption The share and the maximum number of stores are set in the probability model, and the limit distance is determined by repeatedly performing the simulation while changing the limit distance within the specified range according to the simulation result immediately before for each of the stores. It is characterized by the following.
[0050]
According to a fifteenth aspect of the present invention, in the commercial area analysis system according to any one of the first to fourteenth aspects, the simulation means includes a power β of a customer attraction, a limit distance, The customer attraction, consumption share, and maximum number of stores are specified in advance, and the power β of the specified customer attraction, the limit distance, the customer attraction, consumption share, and the maximum number of stores are set in the probability model, and the store is set. The power of the distance α or the coefficient δ of the distance is determined by repeatedly performing the simulation while changing the power of the distance α or the coefficient δ of the distance according to the immediately preceding simulation result within the specified range. It is characterized by the following.
[0051]
According to a sixteenth aspect of the present invention, in the commercial area analysis system according to any one of the first to fifteenth aspects, the simulation means includes a power β of a customer attraction and a power α of a distance for a store included in the target area. Or, the coefficient δ concerning the distance, the customer suction power, the limit distance, and the maximum number of stores are designated in advance, and the power β of the specified customer suction power, the power α of the distance or the coefficient δ concerning the distance, the customer suction power, the limit The distance and the maximum number of stores are set in the probability model, and the consumption share is determined by repeatedly performing the simulation while changing the consumption share within the specified range according to the immediately preceding simulation result for each of the stores. It is characterized by the following.
[0052]
According to a seventeenth aspect of the present invention, in the commercial area analysis system according to any one of the first to sixteenth aspects, the simulation means performs a simulation on a store included in the target area using the probability model. Repeated simulation until the difference between the calculated estimated sales value and the actual sales value stored in the store database becomes equal to or less than a preset maximum value or a maximum relative error set in advance with respect to the actual sales value. Is performed to determine the parameters of the probability model.
[0053]
According to an eighteenth aspect of the present invention, in the commercial area analysis system according to any one of the first to seventeenth aspects, the simulation means includes a sales area, a sales efficiency, and a sales floor based on store information stored in the store database for each business type. Stores are extracted in advance from the viewpoint of at least one or more of the handling product category, sales form, store equipment, location conditions, population or capital concentration of the location area, and the extracted stores are stored in different business format files as different business formats. It is characterized by classifying and setting or determining the parameters of the probability model for each classified business category file.
[0054]
According to a nineteenth aspect of the present invention, in the commercial area analysis system according to any one of the first to eighteenth aspects, the simulation means calculates a sales estimate calculated based on a first simulation result for a store included in the target area. Value, if the difference between the actual sales value stored in the store database is greater than or equal to a predetermined threshold, extract the store showing the difference, classify the extracted store as a different business type into different business format files, It is characterized in that the parameters of the probability model are set or determined for each of the classified business category files.
[0055]
According to a twentieth aspect of the present invention, in the commercial area analysis system according to the eighteenth or nineteenth aspect, the simulation means performs a sales area or a unit area of the store before executing a simulation for a store included in the target area. In a business category file classified on the basis of the relative magnitude of sales per unit, a sales floor area of a store belonging to the business category file is multiplied in advance by a bottom-up factor.
[0056]
According to a twenty-first aspect of the present invention, in the commercial area analysis system according to any one of the first to twentieth aspects, the simulation means calculates a sales estimate calculated based on a first simulation result for a store included in the target area. Value and the difference between the actual sales value stored in the store database is equal to or greater than a predetermined threshold, the store that indicates the difference is extracted, and the difference between the extracted store increase coefficient or consumption share is determined as the threshold. It is characterized in that it is set in advance as follows.
[0057]
According to a twenty-second aspect of the present invention, in the commercial area analysis system according to any one of the first to twenty-first aspects, when the simulation means performs sales prediction of a new store in the target area designated by the target area designation means, By performing a simulation for each of the existing stores included in the target area, the parameters of the probability model are determined so as to approach the actual sales values stored in the store database, and then the sales prediction is performed. The store name of the new store, the sales floor area, and the latitude and longitude data indicating the location are set, and in the new store, the customer attraction estimated based on the simulation result of the existing store belonging to the same business category as the new store or The customer attraction coefficient and the customer attraction and customer And a parameter other than the suction coefficient is set to the probability model, in which was characterized in that the forecast of new stores running simulation using the probability model set the parameters.
[0058]
According to a twenty-third aspect of the present invention, in the commercial area analysis system according to any one of the first to twenty-second aspects, the simulation means is based on a simulation result executed for an existing store or a new store included in the target area. The estimated or predicted value of the existing store or the new store, the actual sales value, the difference between the estimated sales value and the actual sales value, the customer attraction coefficient, the customer attraction, the floor-up factor, the consumption share, and the power of the customer attraction β, the limit distance, the power of the distance α or the coefficient δ concerning the distance, the shop selection consumption probability band as a function of the distance The generation of an analysis result table including at least any one or more of the theoretical sales is there.
[0059]
According to a twenty-fourth aspect of the present invention, in the commercial area analysis system according to the twenty-third aspect, the simulation means stores a simulation result executed for an existing store or a new store included in the target area and the regional statistical database. Based on the statistical information obtained, the sales estimate or forecast value by consumption category in the household survey for the existing store or the new store, respectively, or sales estimate or forecast value by consumption category arbitrarily defined, characterized in that It is what it was.
[0060]
According to a twenty-fifth aspect of the present invention, in the commercial area analysis system according to any one of the first to twenty-fourth aspects, the simulation means simultaneously executes a simulation for each of the stores included in the target area. is there.
[0061]
According to a twenty-sixth aspect of the present invention, in the commercial area analysis system according to any one of the first to twenty-fifth aspects, the simulation means expands the Huff model by adding a control parameter, and sets the probability that the sales of the individual store is the explained variable. By the simultaneous nonlinear calculation algorithm including, the store selection consumption probability as a function of the distance is determined, the theoretical sales of existing stores or new stores can be estimated or predicted based on the determined store selection consumption probability. It was done.
[0062]
According to a twenty-seventh aspect of the present invention, in the commercial area analysis system according to any one of the first to twenty-sixth aspects, the statistical information and store information corresponding to the target area specified by the target area specifying means are stored in the local statistical database and the store. Based on the read statistical information and the shop information, the simulation unit repeatedly executes the simulation, and reads any one of the read statistical information, the shop information, and the analysis result of the executed simulation. An analysis plane creating means for creating an analysis plane as a data group processed and edited so that one or a plurality of layers can be directly displayed on the map data is provided.
[0063]
According to a twenty-eighth aspect of the present invention, in the commercial area analysis system according to any one of the first to twenty-seventh aspects, the regional statistical database stores statistical information on inhabitants for each mesh and / or for each town and at a household. Consumption, storing a consumption data file containing data on household consumption surveyed on the actual state of purchase, the analysis plane creating means, when reading statistical information from the regional statistical database, according to the read statistical information The consumption data is read, the read consumption data is combined with the statistical information and edited, and an analysis plane is created based on the edited statistical information.
[0064]
According to a twenty-ninth aspect of the present invention, in the commercial area analysis system according to any one of the first to twenty-eighth aspects, analysis on statistical information stored in the regional statistical database is performed on the analysis plane created by the analysis plane creating means. And analysis means for analyzing the store information stored in the store database, and any one or more of the statistical information, the store information, and the result analyzed by the analysis means may be used as the target area designation. It is characterized in that layers are displayed on map data having a target area specified by means.
[0065]
According to a thirtieth aspect of the present invention, in the commercial area analysis system according to any one of the first to twenty-ninth aspects, the simulation unit includes an existing plane included in the target area on the analysis plane created by the analysis plane creation unit. Based on the simulation result executed for the store or the new store, a consumption probability contour line for displaying the store selection consumption probability of the collective consumer for each store as a function of the distance is generated, and the analysis unit performs the simulation. The consumption probability contour lines generated by the means are displayed in layers on the map data, and the analysis on the commercial area structure of the existing store or the new store is performed based on the consumption probability contour lines displayed on the layer.
[0066]
According to a thirty-first aspect of the present invention, in the commercial area analysis system according to the thirty-seventh aspect, when the simulation means generates the consumption probability contour based on the simulation result, the simulation means converts the probability value and the interval of the consumption probability contour into a business type. It is characterized in that it can be arbitrarily specified in accordance with.
[0067]
According to a thirty-second aspect of the present invention, in the commercial area analysis system according to the thirty-first or thirty-first aspect, the analysis means can display the consumption probability contours in different colors according to consumption probability.
[0068]
According to a thirty-third aspect of the present invention, in the commercial area analysis system according to any one of the twenty-ninth to thirty-second aspects, the analysis means displays desired statistical information in a mesh on map data, and displays the displayed statistical information. It is characterized in that it can be displayed in different colors by arbitrary hierarchical divisions.
[0069]
According to a thirty-fourth aspect, in the commercial area analysis system according to any one of the first to thirty-fourth aspects, an arbitrary polygon area defined by a user on map data having a target area specified by the target area specifying means. And a polygon database storing attribute information including statistical information and store information according to the generated polygon area. The analysis means is created by the analysis plane creation means. The analysis on the attribute information stored in the polygon database is performed on the analysis plane, and the analysis result is displayed as a layer on the map data.
[0070]
According to a thirty-fifth aspect, in the commercial area analysis system according to any one of the first to thirty-fourth aspects, the map data is in a raster format or a vector format.
[0071]
According to a thirty-sixth aspect of the present invention, in the commercial area analysis system according to any one of the first to thirty-fifth, the analysis result of the statistical information and / or the store information according to the area divided on the map data is converted into the map data. When the desired portion of the map data on which the analysis result is displayed is displayed in an enlarged manner over the entire area or a partial area of the map data, the map data is displayed as a partial frame in a frame separate from the map data, and the arbitrary size of the map data is displayed together with the analysis result. Thus, it is characterized in that it is enlarged and displayed and various statistical calculations can be executed on the partial diagram.
[0072]
According to a thirty-seventh aspect of the present invention, in a trade area analysis system for setting a trade area on map data and analyzing the set trade area, a map database storing the map data and statistical information about residents for each arbitrary area are stored. A target area specifying means for selecting desired map data from the regional statistical database and the map data stored in the map database, and specifying a target area for trade area analysis on the selected map data; Store name, sales floor area, latitude and longitude indicating the location, store database containing store information including at least one of the plurality of sales results for each business type, and stores included in the target area specified by the target area specifying means for each store On the other hand, by performing simulation calculations for estimating the trade area space structure and theoretical sales, Parameter a, it is obtained by; and a simulation means for determining to approach the actual sales value stored in the shop database.
[0073]
According to a thirty-eighth aspect of the present invention, in the trade area analysis method for setting a trade area on map data and analyzing the set trade area, a regional statistical database storing statistical information on residents for each arbitrary area, Store name, sales floor area, latitude and longitude indicating the location, store information including at least one of the plurality of actual sales value and store database that stores by business type is prepared in advance, the target area of trade area analysis on the previously prepared map data By performing a target area specifying step to specify and performing simulation calculation for estimating a commercial area space structure and theoretical sales for each of the stores included in the specified target area, parameters of a predetermined probability model are stored in the store database. And a simulation step of deciding to approach the actual sales value stored in the storage device. It is intended.
[0074]
According to a thirty-ninth aspect, in the commercial area analysis method according to the thirty-eighth aspect, a store to be simulated is specified from stores included in the target area, and a simulation is performed for each of the specified stores. , The parameters of the probability model are determined so as to approach the actual sales value stored in the store database.
[0075]
The invention according to claim 40 is the commercial area analysis method according to claim 38 or 39, wherein a sales estimated value calculated based on a result of simulation using the probability model and a sales actual value stored in the store database. The simulation is repeated until the difference from the actual sales value falls within a predetermined allowable range, thereby determining the parameters of the probability model.
[0076]
According to a 41st aspect of the present invention, in the commercial area analysis method according to any one of the 38th to 40th aspects, the probability model includes a customer attraction force indicating a magnitude of an attraction force for attracting a customer in a store, and the customer attraction force. From the customer suction coefficient for adjusting the size of the shop, the floor lift coefficient specified for each business type or individual store to raise the store floor area of the store in advance, the power β of the customer suction power of the store, and the customer residence point The power of the distance α to the store, the limit distance representing the distance to the residence of the customer located farthest from the store to be simulated included in the target area, the customer can be selected within the limit distance, For the maximum number of stores that can be selected by business type and the total consumption category per household or per person in all consumption categories in the household survey that stores of each business type deal with, A collective consumer is defined as a plurality of parameters, one of which is a household average or the average of one person, and a consumption share representing a ratio that can be actually consumed in a store of each business type, and the customer attraction is defined as a sales floor area of the store. On the other hand, it is characterized by being calculated by multiplying the customer attraction coefficient and the bottom-up coefficient.
[0077]
The invention according to claim 42 is the trade area analysis method according to any one of claims 38 to 41, wherein the form of the probability function included in the probability model is any one of a power of distance type and an exponential function type relating to distance. A probability function format designating step, and a consumer subject designation step of arbitrarily designating a consumer subject to be targeted by the probability model from among items related to statistical information stored in the regional statistical database. It is a characteristic.
[0078]
The invention of claim 43 is the trade area analysis method according to claim 41 or 42, wherein the exponential function type relating to the distance is specified in the probability function type specifying step in the probability function type specifying step. , A coefficient δ relating to the distance from the customer's residence to each store can be set.
[0079]
According to a forty-fourth aspect, in the commercial area analysis method according to any one of the thirty-eighth to thirty-fourth aspects, a control parameter database storing control parameters for each business type and / or individual store is prepared in advance, and the control area is stored in the target area. For each of the included stores, the simulation calculation is performed based on the control parameters for each business type or individual store stored in the control parameter database, whereby the parameters of the probability model are converted to the sales results stored in the store database. The value is determined so as to approach the value.
[0080]
According to a forty-fifth aspect of the present invention, in the commercial area analysis method according to the forty-fourth aspect, when the control parameters stored in the control parameter database are individual stores, a business type symbol, a bottom-up coefficient, a consumption share, a limit distance, and a customer attraction force. Power factor β, distance power α or distance factor δ.In the case of business-specific averages, increase factor, consumption share, marginal distance, customer attraction power β, distance power α or distance It is characterized by including one of the coefficients δ.
[0081]
The invention according to claim 46 is the trade area analysis method according to any one of claims 38 to 45, wherein a power factor β of the customer suction force, a power factor α of the distance, or a coefficient relating to the distance is applied to the store included in the target area. δ, the limit distance, the consumption share, the increase factor, and the maximum number of stores are designated in advance, and the specified customer suction power exponent β, the distance exponent α or the coefficient δ on the distance, the limit distance, the consumption share, the increase factor By repeating the simulation while setting the maximum number of stores in the probability model and correcting the customer suction coefficient and the customer suction force for each of the stores in accordance with the immediately preceding simulation result, the customer suction coefficient and the customer It is characterized in that the suction force is determined.
[0082]
The invention according to claim 47 is the trade area analysis method according to claim 46, further comprising specifying an average consumption amount per household or per person in advance for each business type, and setting the specified average consumption amount in the probability model. It is characterized by doing.
[0083]
The invention of claim 48 is the trade area analysis method according to any one of claims 38 to 47, wherein a simulation number is specified for a store included in the target area, and after the specified number of simulations have been executed. If the difference between the estimated sales value calculated based on the simulation result and the actual sales value stored in the store database is equal to or greater than a predetermined threshold value, the store indicating the difference is extracted and extracted. Determine the customer attraction force or customer attraction coefficient according to the store at the time when the simulation is finished, and determine the limit distance by further repeating the simulation while changing the limit distance within the specified range. It is a characteristic.
[0084]
The invention of claim 49 is the trade area analysis method according to any one of claims 38 to 48, wherein the number of simulations is specified for the store included in the target area, and after the specified number of simulations has been executed. If the difference between the estimated sales value calculated based on the simulation result and the actual sales value stored in the store database is equal to or greater than a predetermined threshold value, the store indicating the difference is extracted and extracted. By determining the customer suction force or customer suction coefficient according to the store at the time when the simulation is finished, and further changing the power exponent α of the distance or the coefficient δ related to the distance within the specified range, further performing the simulation repeatedly, The power of the distance α or the coefficient δ of the distance is determined.
[0085]
The invention according to claim 50 is the trade area analysis method according to any one of claims 38 to 49, wherein the number of simulations is specified for a store included in the target area, and after the specified number of simulations is performed. If the difference between the estimated sales value calculated based on the simulation result and the actual sales value stored in the store database is equal to or greater than a predetermined threshold value, the store indicating the difference is extracted and extracted. Determine the customer attraction force or customer attraction coefficient according to the store at the time when the simulation is completed, and further determine the consumption share by repeating the simulation while changing the consumption share within the specified range. It is a characteristic.
[0086]
According to a fifty-first aspect of the present invention, in the commercial area analysis method according to any one of the thirty-sixth to thirty-fifth aspects, a power β of a customer suction power, a power α of a distance, or a coefficient related to a distance to a store included in the target area. δ, customer suction power, consumption share, maximum number of stores are specified in advance, and the specified power of customer suction power β, power of distance α or coefficient δ concerning distance, customer suction power, consumption share, maximum number of stores Is set in the probability model, and the limit distance is determined by repeatedly performing the simulation while changing the limit distance within the specified range according to the immediately preceding simulation result for each of the stores. Things.
[0087]
The invention of claim 52 is the trade area analysis method according to any one of claims 38 to 51, wherein a power β of a customer suction force, a limit distance, a customer suction force, and a consumption of a store included in the target area are provided. The share and the maximum number of stores are specified in advance, and the power β of the specified customer suction power, the limit distance, the customer suction power, the consumption share, and the maximum number of stores are set in the probability model, and the immediately preceding number is set for each of the stores. It is characterized in that the power of the distance α or the coefficient δ of the distance is determined by repeatedly performing the simulation while changing the power of the distance α or the coefficient δ of the distance according to the simulation result within a specified range. Things.
[0088]
The invention according to claim 53 is the trade area analysis method according to any one of claims 38 to 52, wherein a power factor β of a customer suction force, a power factor α of a distance, or a coefficient relating to a distance is applied to a store included in the target area. δ, the customer suction power, the limit distance, and the maximum number of stores are specified in advance, and the specified power of the customer suction power β, the power of the distance α or the coefficient δ concerning the distance, the customer suction power, the limit distance, the maximum number of stores Is set in the probability model, and the consumption share is determined by repeatedly performing the simulation while changing the consumption share within the specified range according to the simulation result immediately before for each of the stores. Things.
[0089]
The invention according to claim 54 is a method of analyzing a trade area according to any one of claims 38 to 53, wherein sales estimation is performed based on a result of a simulation using the probability model for a store included in the target area. By repeating the simulation until the difference between the value and the actual sales value stored in the store database is equal to or less than a preset maximum value or a predetermined maximum relative error with respect to the actual sales value, It is characterized in that parameters of the probability model are determined.
[0090]
The invention of claim 55 is the commercial area analysis method according to any one of claims 38 to 54, wherein a sales floor area, a sales floor efficiency, a handled product category, and sales are based on store information stored in the store database for each business type. Stores are preliminarily extracted from the viewpoint including at least one or more of form, store facilities, location conditions, population or capital concentration of the location area, and the extracted stores are classified as different business categories into different business format files, and the classification is performed. It is characterized in that the parameters of the probability model are set or determined for each business category file.
[0091]
The invention according to claim 56 is the trade area analysis method according to any one of claims 38 to 55, wherein the sales estimation value calculated based on a first simulation result for a store included in the target area; If the difference from the actual sales value stored in the database is equal to or greater than a predetermined threshold, the store showing the difference is extracted, and the extracted store is classified as a different business format into different business format files. The method is characterized in that parameters of the probability model are set or determined every time.
[0092]
The invention of claim 57 is the commercial area analysis method according to claim 55 or 56, wherein before executing a simulation for a store included in the target area, the relative sales area or sales per unit area of the store is calculated. In a business format file classified on the basis of the target size, a sales floor area of a store belonging to the business format file is multiplied by a floor-lifting coefficient in advance.
[0093]
The invention according to claim 58 is the trade area analysis method according to any one of claims 38 to 57, wherein the sales estimation value calculated based on a first simulation result for a store included in the target area; If the difference between the actual sales value stored in the database is equal to or greater than a predetermined threshold, the store that indicates the difference is extracted, and the raised coefficient or consumption share of the extracted store is set such that the difference is equal to or less than the threshold. It is characterized in that it is set in advance.
[0094]
According to a fifty-seventh aspect of the present invention, in the commercial area analysis method according to any one of the thirty-sixth to thirty-eighth aspects, when performing sales prediction of a new store in the target area, a simulation is performed for each existing store included in the target area. By doing so, after determining the parameters of the probability model to approach the actual sales value stored in the store database, the store name, sales floor area, and latitude indicating the location of the new store for which the sales forecast is to be performed While setting each data of the longitude, in the new store, the customer suction force or the customer suction coefficient estimated based on the simulation result of the existing store belonging to the same business type as the new store, and the determined parameter of the existing store Parameters other than the customer attraction force and customer attraction coefficient are set in the probability model, and Run the simulation by using a probability model that set the one in which was characterized by performing the sales forecasts of new stores.
[0095]
The invention according to claim 60 is the trade area analysis method according to any one of claims 38 to 59, wherein the existing store or the new store included in the target area is based on a simulation result executed for the new store. Or sales estimates or forecasts for each new store, sales results, differences between sales estimates and sales results, customer attraction coefficient, customer attraction, bottom up factor, consumption share, power of customer attraction β, marginal distance, It is characterized in that an analysis result list including at least any one of a power of the distance α, a coefficient δ relating to the distance, and theoretical sales per store selection consumption probability band as a function of the distance is generated.
[0096]
The invention of claim 61 is the trade area analysis method according to claim 60, wherein a simulation result executed for an existing store or a new store included in the target area, and statistical information stored in the regional statistical database. A sales estimate or a predicted value for each consumption category or a sales estimate or a predicted value for each arbitrarily defined consumption category in a household survey for the existing store or the new store, respectively, based on .
[0097]
The invention of claim 62 is characterized in that in the trade area analysis method according to any one of claims 38 to 61, a simulation is simultaneously executed for each of the stores included in the target area.
[0098]
The invention of claim 63 is based on the trade area analysis method according to any one of claims 38 to 62, wherein the Huff model is extended by adding a control parameter to the Huff model, and the non-linear calculation includes a probability that the sales of the individual store is the explained variable. The present invention is characterized in that a store selection consumption probability as a function of distance is obtained by an algorithm, and theoretical sales of an existing store or a new store can be estimated or predicted based on the obtained store selection consumption probability.
[0099]
The invention of claim 64 is the trade area analysis method according to any one of claims 38 to 63, wherein statistical information and store information corresponding to the target area are read from the regional statistical database and the store database, respectively. A simulation is repeatedly executed based on the statistical information and the store information, and one or more of the read statistical information, the store information, and the analysis result of the executed simulation can be directly displayed on the map data as a layer. An analysis plane as a data group processed and edited as described above is created.
[0100]
The invention of claim 65 is the commercial area analysis method according to any one of claims 38 to 64, wherein the regional statistical database stores statistical information on inhabitants for each mesh and / or for each town character, and in the household. It stores a consumption data file containing data on household consumption, which has been surveyed on consumption and purchasing, and when reading statistical information from the regional statistical database, reads consumption data corresponding to the read statistical information, and reads the data. The consumption data is edited in combination with the statistical information, and an analysis plane is created based on the edited statistical information.
[0101]
The invention of claim 66 is the trade area analysis method according to any one of claims 38 to 65, wherein analysis on the statistical information stored in the regional statistical database is performed on the analysis plane and stored in the store database. And analyzing one or more of the statistical information, the shop information, and the result of the analysis performed on the map data in a layered manner.
[0102]
According to a 67th aspect of the present invention, in the commercial area analysis method according to any one of the 38th to 66th aspects, a simulation result executed on an existing store or a new store included in the target area on the analysis plane is obtained. Generating a consumption probability contour for displaying the store selection consumption probability of the collective consumers as a function of the distance for each store based on the store, displaying the generated consumption probability contours in a layer on the map data, An analysis relating to a commercial area structure of the existing store or the new store is performed based on the consumption probability contours thus obtained.
[0103]
According to a 68th aspect of the present invention, in the commercial area analysis method according to the 66th or 67th aspect, when generating the consumption probability contour based on the simulation result, the value and interval of the probability of the consumption probability contour are set according to the business type. It is characterized in that it can be arbitrarily specified.
[0104]
The invention of claim 69 is characterized in that, in the trade area analysis method according to claim 67 or 68, the consumption probability contours can be displayed in different colors according to consumption probability.
[0105]
The invention of claim 70 is the trade area analysis method according to any one of claims 66 to 69, wherein desired statistical information is displayed in a mesh on the map data, and the displayed statistical information is classified into arbitrary hierarchical sections. It is characterized in that it can be displayed in different colors.
[0106]
The invention of claim 71 is the commercial area analysis method according to any one of claims 38 to 70, wherein statistical information and store information corresponding to an arbitrary polygon area defined by a user on the map data having the target area. Having attribute information stored in a polygon database, performing analysis on the attribute information stored in the polygon database on the analysis plane, and displaying the analysis result as a layer on the map data. It was done.
[0107]
The invention of claim 72 is the trade area analysis method according to any one of claims 38 to 71, wherein the map data is in a raster format or a vector format.
[0108]
The invention according to claim 73 is the trade area analysis method according to any one of claims 38 to 72, wherein the analysis result of the statistical information and / or the store information according to the area divided on the map data is stored in the map data. When the desired portion of the map data on which the analysis result is displayed is displayed in an enlarged manner over the entire area or a partial area of the map data, the map data is displayed as a partial frame in a frame separate from the map data, and the arbitrary size of the map data is displayed together with the analysis result. Thus, it is characterized in that it is enlarged and displayed and various statistical calculations can be executed on the partial diagram.
[0109]
The invention of claim 74 is a trade area analysis method for setting a trade area on map data and analyzing the set trade area, wherein a map database storing the map data and statistical information about residents are stored for each arbitrary area. The regional statistics database and store name of each store, store floor area, latitude and longitude indicating the location, store database that stores store information including at least any one of the plurality of sales performance value by business type is prepared in advance, the map database Selecting a desired map data from the stored map data, a target area specifying step of specifying a target area of the trade area analysis on the selected map data, and a store included in the specified target area. By performing simulation calculations for estimating the trade area space structure and theoretical sales, the parameters of a given probability model It is obtained by; and a simulation step of determining to approach the actual sales value stored in the shop database.
[0110]
An invention according to claim 75 is a method for causing a computer to execute a function as the trade area analysis system according to any one of claims 1 to 37, or a trade area analysis method according to any one of claims 38 to 74. Is a program for causing a computer to execute.
[0111]
The invention according to claim 76 is a computer-readable recording medium on which the program according to claim 75 is recorded.
[0112]
BEST MODE FOR CARRYING OUT THE INVENTION
FIG. 1 is a diagram for explaining a configuration example of a trade area analysis system according to an embodiment of the present invention. In the figure, 1 is a personal computer (PC), 10 is a trade area analysis system, and the trade area analysis system 10 is , A DB editing unit 11, a simulation unit 12, and a display / analysis unit 13. These units are mutually linked through the creation and delivery of data files. The trade area analysis system 10 also stores, as a database, a regional statistics DB 14 storing regional statistical information 14a such as census mesh statistics and town crest character statistics, and link data 14b such as household consumption survey data obtained by investigating the actual state of consumer purchasing in households. A store DB 15 storing store information 15a according to the type of business, a user polygon DB 16 storing attribute information 16a of a polygon area defined by a user, and a map DB 17 storing map data 17a in raster format or vector format in advance. ing. This map DB 17 may not be included in the system configuration. In this case, a required number of raster data or vector data is prepared in advance and stored in an arbitrary folder of the PC 1. The trade area analysis system 10 is installed in an internal or external storage device of the PC 1 and executed by the PC 1. The user can appropriately select and use desired map data from the map DB 17 when performing the trade area analysis. Further, the PC 1 may be a server device or the like, and may be in any form as long as it corresponds to the embodiment in which the trade area analysis system 10 is implemented. The system can be configured by appropriately combining the various DBs as needed.
[0113]
The DB editing unit 11 includes an analysis area definition module 11a for providing a function of defining a target area (hereinafter, referred to as an analysis area) of a trade area analysis, reading various DBs, and providing an input interface (I / F) for creating an analysis plane. The simulation unit 12 includes an analysis plane file creation module 11b for providing functions of DB reading and editing and analysis plane file creation. The simulation unit 12 includes an input I / F module 12a for providing a simulation calculation input I / F function. , Analysis plane file reading, simulation calculation of existing store, calculation of consumption probability contour of existing store, numerical table result writing, file writing for analysis plane drawing (both existing store and new store) simulation calculation for providing functions Module 12b for new store sales forecast, new store consumption probability contour line calculation / F has a new-store sales prediction module 12c for providing a function, and a display / analysis unit 13 includes a start-up module 13a for providing a function of starting software and reading a drawing / analysis file; It has a display / analysis module 13b for providing the function of performing the analysis and displaying the result screen, and an output module 13c for providing a function of printing and outputting to a CSV file or the like.
[0114]
As a file format other than the map handled in the present embodiment, for example, any of a CSV format and a TXT format can be handled. Here, the statistical information stored in the regional statistical DB 14 is read and edited by the DB editing unit 11 only for the data in the analysis area in advance, so that the analysis operation in the display / analysis unit 13 is executed very quickly. be able to. The module configurations of the DB editing unit 11, the simulation unit 12, and the display / analysis unit 13 are not limited to the above configurations, and may be any module configuration as long as the function as the business area analysis system 10 can be executed.
[0115]
Here, the regional statistics DB 14 includes, for example, census statues, census mesh statistics (for example, 500 m mesh, 1 km mesh, etc.), establishment statistical mesh data, industrial statistical mesh data, commercial statistical mesh data, and the like. There are various types of store DBs, for example, supermarket directory nationwide CDROM version (trade company), NTT industry-specific town page data (address-latitude / longitude conversion is required), user-owned customer DB and store There is a DB (with position, latitude, and longitude), and the store DB 15 used in the simulation unit 12 can use store data of various business types according to purposes. This data item requires the name of the store, the size of the sales floor area, the sales, and the latitude and longitude indicating the location, but the sales do not need to exist for all stores, but can be known for some stores. It is possible to simulate. The link data 14b linked to the above-mentioned regional statistical information includes, for example, a household survey annual report FD version, a single-person household income and expenditure annual report (which must be scanned because it is a printed matter), and a national consumption actual status report CDROM version. The raster map used for the background can be arbitrarily selected according to the user's preference. Basically, for example, the latest version of MAPDK, Inc., East Japan, West Japan, etc. Use This is required for each PC, and partial print permission is granted only as long as it is distributed within the same office.
[0116]
When reading the mesh statistical data or the town-stitch character statistical data from the regional statistical DB 14, the DB editing unit 11 reads data in a range of the analysis area defined in advance, reads a link file of household survey data and the like, edits and calculates, and calculates the analysis plane. Is created, and a file for layering the analysis plane is created on a raster map (a plurality of scales) cut out in advance.
[0117]
The simulation unit 12 reads the store information from the store DB 15 corresponding to various types of business types in the analysis plane created by the DB editing unit 11 so as to be able to explain the reality, and by doing so. In order to improve the prediction accuracy, in the present invention, a simulation is executed by introducing concepts and variables as described later. The result is drawn as a layer on a raster map as a background map using the display / analyzer 13, and is freely subjected to arithmetic analysis operation of geographic information and the like, and is displayed on the screen of the PC 1.
[0118]
The display / analysis unit 13 freely performs an operation of analyzing geographic information and the like in an analysis plane created by the DB editing unit 11 for layering on a raster map, and displays the result on the screen of the PC 1. At the same time, the store-specific consumption probability contours calculated by the simulation unit 12 can also be analyzed and displayed. The display / analysis unit 13 can be used as independent software to display and analyze on an analysis plane if the calculation by the DB editing unit 11 or the simulation unit 12 is executed in advance by the provider of the business area analysis system 10. Available on the side. In this case, the national mesh statistical data or the town-shaped character statistical data is limited to those available at the time, but the store data, the customer DB, and the polygon data defined by the user are always updated to the PC1. You can import and use it on the screen of.
[0119]
In the present invention, the analysis plane is defined as vector-type data, but no other map engine or development kit is used to generate itself. The background map is a raster map. If the analysis area is relatively small, the background map may be cut out from a user's favorite electronic map, for example, as a BMP file and used. When the user analyzes over many areas, map data corresponding to the analysis area is cut from a predetermined map DB (for example, MAPDK of Incremental P) as a BMP file and used at any time. The trade area analysis system 10 has a map data cutting function for that purpose and a function of indicating the latitude and longitude of an arbitrary point. At this time, when one analysis area becomes a wide area, the above-mentioned predetermined map DB and its raster engine are used, and only the maximum area (each individual maximum area is determined from the analysis purpose and the appearance, but practically 100 km square) The limit is input to the DB editing unit 11 as an input.
[0120]
Further, the display / analysis unit 13 performs geographic information analysis such as descriptive statistics, index statistics, specialization coefficients, and the like, and develops various user store data from the viewpoint of an area marketing problem, and performs store-mesh related analysis. In addition, a zone analysis is performed using the polygon generation function, and a merchandising policy, a sales policy, a city plan, or the like can be drafted based on the analysis. In general, products purchased by demographic factors (eg, age, gender, family composition, income, wealth status, occupational industry, etc.) tend to be different, so the characteristics of the market can be represented on a map using a mesh or town statistic. By analyzing and displaying and selling products and services that match the characteristics of the market, the relevance of the policy to the market is dramatically increased. In addition, products penetrate the market in stages according to their life cycle, from the market introduction period, the growth period, to the saturation period, but the degree of penetration varies depending on the characteristics of the region. By understanding the market penetration rate of products on a mesh or town street level basis, a more appropriate regional sales policy can be established.
[0121]
In another method of GIS marketing analysis, markets may be segmented by region / zone type. First, select the appropriate census items and perform mesh area classification to classify them into several large classification areas and more subdivision zones. Next, zoning with more distinctive characteristics is performed by developing various identification store data. Next, assuming that there is research data on what products and services were purchased in the past for each region / zone type, using that as an identification index, the region / zone type is used as It can be indexed from gender. If a company or the like clarifies what type of region / zone has a high penetration rate and which type has a low penetration rate from a customer profile, a region / zone as a future target can be seen.
[0122]
Further, the display / analysis unit 13 can solve the “weak competitive location problem” from the viewpoint of the location problem. This means that the use of facilities is not very competitive, and users are more likely to use nearby facilities (eg, fast food, convenience stores, banks and non-life insurance companies' branches and dispensers, In the case of public services, promptly resolve hospitals, emergency medical centers, post offices, post offices, schools, libraries, community centers such as public halls, police stations, police boxes, fire departments, branch offices, branch offices, etc.) Can be. Such a location problem can be solved simply by satisfying the number of consumers (or amount) in the point buffer (circle) of the location candidate points or in Voronoi division (method of dividing the market at the intermediate line between facilities). In most cases.
[0123]
The simulation unit 12 in the present invention significantly corrects the shortcomings of the sales forecast calculation lacking the reality explanation process by the conventional stochastic model, and solves the "strong competitive location problem" in which there is intense competition between facilities over a wide range. It is intended to be.
[0124]
Here, examples of possible system configurations of the trade area analysis system 10 are as follows according to the purpose of use.
(1) For the geographical statistical data, mesh statistics or town-shaped character statistical data are used, and household survey data and the like are combined as a link file. Based on these, geographical information analysis, store information analysis, and polygon information analysis created by a user are analyzed on an electronic map. , The combination of the DB editing unit 11 and the display / analysis unit 13 is performed.
(2) Regarding geographical statistical data, using mesh statistics or town-shaped character statistical data, combining household survey data, etc. as a link file, and introducing a new concept into a probability model as described later on an analysis plane based on these. The calculation of the commercial area space structure and the attractiveness (individual store customer attraction force) estimation calculation based on the sales and consumption probability contours for each store are repeatedly executed until they match the actual sales of each store in the analysis plane. Then, after that, when the same prediction calculation is performed for the new store in the analysis plane, the resulting consumption probability contours are displayed on the map, and the geographic information analysis and the store information analysis are also performed on the electronic map, This is a combination of the DB editing unit 11, the simulation unit 12, and the display / analysis unit 13.
[0125]
As an actual use form of the trade area analysis system 10, for example, the user rents the trade area analysis system 10 for a certain period, or a simulation of a current state of the analysis area that the user wants to analyze in advance by the system provider. Analyze, further perform sales forecast and commercial area structure analysis when the user side is located at a location of interest at an arbitrary scale, and then view the resulting file and a display / analysis unit for analyzing the file. There is a conceivable usage form in which 13 is sold as a set. In the former case, the user side can scrutinize the whole country over a wide area, and in the latter case, there is an advantage that the user side can start a marketing analysis immediately from the day of delivery with a certain conclusion regarding a specific store investment.
[0126]
Here, the trade area analysis system 10 according to the present invention is described by taking as an example a business centering on food, such as SM, a discount store, and GMS, but stores data such as a store name, a business area, and an address. If there is sales data for some of the stores, the simulation described below can be performed in any competitive business format. In addition, the trade area analysis system 10 uses a Hough model as a representative example of a probabilistic model relating to a competitive location problem, and uses a conventional Huff model as a representative example, in order to perform sales prediction of a new store and prediction of a space structure of a trade area while showing actual explanatory ability. It changes the interpretation of the type Huff model, introduces new concepts and variables, and provides a module configuration that conforms to the concepts and variables.
[0127]
In order to execute the calculation with the module configuration as described above, a dedicated analysis plane is created in the PC1, and on the analysis plane, all the mesh points or meshes are further subdivided, and the mesh data is subdivided. A probabilistic model is calculated on all the subdivided grid points, and the process is repeated until the probabilistic model matches actual data (for example, the sales performance of individual stores or the structure of the trade area). In addition, the analysis plane created in this way is superimposed on the raster map and displayed, and further, can be displayed on the display screen of the PC 1 by performing geographic information analysis operation.
[0128]
First, in order to put the probability model into practical use, we introduce the concept of "critical distance" based on observation facts. This is due to the fact that the distribution of customers in any store always has a marginal distance that should be called a vanishing line. Empirical facts show that this critical distance depends on the type of business and the size of the store, but also on the density of urban space. Even in large stores such as GMS, the limit distance is short inside a large city, and even in small and medium-sized stores, the limit distance increases when going to the suburbs. The limit distance is set as an input item for each business type file together with the power of the distance α. However, after the initial simulation, if it turns out that there is a special powerful store in the analysis area, whether to classify the store into another business format file or move on to a simulation that gradually increases the limit distance only for that store, You can choose. As the limit distance, for example, a time distance, a straight line distance, a road distance, a psychological distance, or the like can be applied.
[0129]
Next, the sales floor area is an index that indicates the degree of attractiveness or suction power that attracts customers, but in the same business type, the larger the sales floor area should be better in the product lineup, and the awareness of consumers Can also be said to be higher. If so, if the location space is the same, that is, if the analysis area is the same, the sales of stores in the same business type and same sales floor area should have the same value, and m ² The efficiency should be similar. However, when examining the SM store database, for example, it can be seen that there is a great variation in each. Generally m ² Efficiency is higher for a SM with a smaller sales floor area, and gradually decreases as the sales floor area increases. GMS, which adds clothing and household goods to food miscellaneous goods, is also an extension of this trend. ² The efficiency is much smaller than that of SM.
[0130]
On the other hand, the empirical fact that the above-mentioned limit distance is shorter as the sales floor area is smaller and longer as the sales floor area is larger in the same business type is added. Consider how to deal with these seemingly contradictory realities with the same Huff model. This is because, from the consumer's point of view, all small SMs and GMSs within the limit distance are to be selected and must be treated in the same model to simulate reality. . The same applies to, for example, drug stores, DIY goods, casual wear, and the like. Depending on how the problem is raised, competition between different types of business and different business types must be handled with the same model.
[0131]
Therefore, the simulation unit 12 checks the structure of the data in the store DB 15 in advance, and ² Efficiency (sales floor efficiency), product mix, sales method (sales form), store facilities (eg, parking lots, number of cars accommodated, etc.), location conditions (eg, whether the location is in a city center or suburb, along a main road, etc.) , Not only the population and capital concentration of the location area, but also ² Stores with similar efficiencies can be categorized and defined arbitrarily as separate business categories. Or, by looking at the results of the first run in a simulation run, even in the same file, abnormal values far apart from the estimated values and the actual values The concept of a "business format file" that can arbitrarily define a store indicating a business format as a different business format has been introduced. And, for example, high m with a compact sales floor area ² It shows efficiency and is low even if the sales floor area is large. ² The "rise factor" can be set by input so that the sales floor area (customer suction power) of stores belonging to a business format file indicating efficiency can be raised by a constant multiple in advance. At this time, the extraction criterion of the store for which the floor raising coefficient is set is based on the sales area or sales per unit area (m ² Efficiency) may be based on the relative size of sales floor area or sales per unit area (m ² A store whose efficiency is less than or equal to a predetermined range may be extracted.
[0132]
In a store having such a business format file, the power of the distance α in the model can be designated for each business format file in consideration of the possibility of being different for each business format.
[0133]
Next, even in the stores in the same business format file defined in this way, the customer attraction of each store naturally has a difference larger than the sales floor area M or the floor raising sales floor area d × M. The concept of “individual store customer attraction coefficient” (hereinafter referred to as γ coefficient) was introduced and defined as in the following equation (1).
Customer suction force = sales floor area (M or d x M) x individual store customer suction coefficient (= gamma coefficient) ... Equation (1)
[0134]
Therefore, if the Huff model formula is used, the following formulas (2) and (3) are obtained.
[0135]
[Equation 3]

[0136]
Here, the index β in the above equation (2) is a power exponent applied to the customer attraction, which is also set by input for each business format file. However, in most cases β = 1.0 and the simulation ends successfully.
[0137]
Moreover, some concepts and variables still need to be introduced to simulate reality. First, the display / analysis unit 13 displays a store point flag by displaying the “maximum number of stores that can be selected by business type” counted from the residential locations that can be selected within the limit distance by consumers living at each point in the analysis plane. Confirm with and decide. This is an input item.
[0138]
Next, a “consumption share” (in this embodiment, referred to as a consumer business type share) is introduced. This means that, for all categories in the household survey data covered by the stores in each business format file covered, the average value per household or person for the period of consumption by the collective consumers in stores of that business format is It indicates what percentage of the total category consumption per household or per person. This depends on the domain of analysis, i.e. the situation of the store stuck, or also on what stores were ignored in the construction of the competition model, or on whether single households were taken into account or ignored. To change. At this time, an appropriate value can be estimated by comparing the estimated sales and the actual sales of each store by one calculation. This is an input item and is set for each business category file. In addition, if a store showing a particularly strong sales performance than that estimated from the theory is found from the results of the simulation, it is possible to change this to another business format file and then change the consumer business format share.
[0139]
In this manner, parameters such as the power β of the customer suction power, the power α of the distance, the limit distance, the floor-up coefficient, the consumer business type share, and the maximum number of selectable stores can be set for each business type file DB. Alternatively, the same is true for the customer attraction coefficient γ (where the initial value of the γ coefficient is automatically set to a predetermined value, but is set to 1.0 by default). It is possible to calculate competition between stores of different scales from small SM to GMS, or competition between different industries in the same consumption category under the same model. Also, in order to cope with more complicated situations, as options, a process to make the limit distance a variable, a process to make the power of the distance α a variable, or a process to make the share of the consumer business type a variable are incorporated. It is. Further, there are provided options which can be set for each store in the database file for these parameters defined for each business type file. At this time, various parameters required for the simulation (for example, the power of the customer suction power β, the power of the distance α, the limit distance, the floor-up coefficient, the share of the consumer business type, etc.) are stored in the store DB 15 or the DB for these parameters in advance. Alternatively, it may be set by inputting each time by manual operation.
[0140]
Here, the calculation formula is as shown in the following formula (4). At any point in the analysis area, the collective consumer selects all selectable stores within the business-specific limit distance, and selects and consumes the stores with the probability indicated by the Huff model. At this time, the sum of the selected consumption probabilities of all the selected stores is standardized to be 1. As a result, the entire consumption amount is saved, so that the consistency of the sales forecast of the new store is guaranteed.
[0141]
Here, for the sake of simplicity, it is assumed that there are two business format files of SM and GMS (actually, these files are further divided into several files), and that each business format has a distance of R1 and R2 from the shop of interest. The consumer selects the maximum number of stores within the limit distance for each business type, and the sum of all selected consumption probabilities is 1 for each point.
[0142]
(Equation 4)

[0143]
Next, the consumer business type share of each business type is Φsm and Φgms, and the product lineup of SM and GMS is the period category consumption amount (on household survey data) Csm and Cgms per household or per person, respectively. It corresponds to the category, and it is assumed that the consumer consumes at most Φsm × Csm and Φgms × Cgms in each business type. The sales Ui (R1) brought by the consumer at the distance R1 from the store i of the SM of interest is represented by the following equation (5).
[0144]
(Equation 5)

[0145]
A in the above equation (5) is a normalized constant, which is obtained at each point by the following equation (6).
[0146]
(Equation 6)

[0147]
Therefore, the theoretical total sales estimation or forecast at the store is represented by the following equation (7).
[0148]
(Equation 7)

[0149]
Here, Pi (R1) in the above equation (7) takes various values of the probability from 0.00 to 1.00 depending on the position and value of R1. Also, n (R1) is the number of households in a small area represented by the R1 point and has a probability P, ΔR1 is the area of the small area, and n (R1) ΔR1 = N (R1) is the R1 point. This is the number of households in the small area represented and having the probability P.
[0150]
The specific calculation is not the integration, but all along the width of the strip-like equiprobability contour, for example, from 1.00 to 0.02 (however, the interval of this width and the minimum probability can be changed). Performed on obi. This Ui is the theoretical estimated or predicted sales of the i store, and is compared with the actual sales of the i store.
[0151]
The above calculation is performed by the software as follows. First, the probability of each store is calculated on all the mesh grid points in the analysis area or on the subdivided grid points obtained by dividing the mesh grid points into n equal parts, and the equal probability contour lines are calculated. The suction sales are calculated for each of the arbitrary number of probability contour lines from the consumption suction probability of 0.02 to 1.00. For example, with respect to the probability of 0.1, the probability of a region surrounded by a band of 0.05 to 0.15 is set to 0.1, and the calculation is performed for the total number of households in this region. If this in-band sales is added from 0.1 to 0.9, it becomes the total sales of that category of the store. (However, the way of dividing the probability band can be arbitrarily changed.)
[0152]
Further, the simulation unit 12 is designed so that simulation can be performed in the following five ways.
(1) Determine customer attraction and γ coefficient by simulation calculation. That is, the relative error of the difference between the actual sales of all the stores existing in the analysis plane or all the stores specified in the convergence calculation and the estimated sales of the stores calculated by the model with respect to the actual sales is specified in advance. The calculation is repeatedly performed while correcting the customer suction force and the γ coefficient by a certain method until the allowable error% is obtained. The customer attraction and the γ coefficient are variables determined by calculation, and are not input items. In this case, the limit distance is specified for each business type file.
(2) First, the number of simulations for determining the customer attraction force and the γ coefficient is designated to calculate the customer attraction force and the γ coefficient to some extent, and the customer attraction force and the γ coefficient are relatively large or small. Nevertheless, for stores where the difference between the estimated value and the actual value still shows a large difference, for those stores, the customer attraction and the γ coefficient are fixed there, and then the limits of those stores A simulation is repeatedly performed in which the distance is changed by a designated increase or decrease to bring the difference between the estimated sales and the actual sales closer to a specified relative error range. That is, the simulation is performed in the first half to determine the customer suction force and the γ coefficient, in the second half to determine the limit distance for the newly designated store, and to determine the γ coefficient for the other stores. It is.
(3) The customer attraction force and the γ coefficient are fixed from the beginning or in the middle of the simulation, and with respect to the specified business condition file, the limit distance is designated as a variable, and a simulation is performed to determine it.
(4) The customer attraction and the γ coefficient are fixed from the beginning or during the simulation, and for the specified business format file, the power of the distance α is designated as a variable, and a simulation is performed to determine it. .
(5) The customer attraction and the γ coefficient are fixed from the beginning or in the middle of the simulation, and for the specified business format file, it is specified that the consumer business format share is to be converted into a variable, and a simulation is performed to determine it. .
[0153]
The following mainly describes the case (1) that is executed to determine the customer suction force and the γ coefficient. The maximum allowable value (%) of the relative error (%) of the error between the theoretical value and the actual value of the store sales with the actual sales (when the value is less than that, the convergence calculation is finished for that store) is an input item. Condition. " In addition, "customer attractive force correction ratio or constant" which specifies how many percent to modify the customer attractive force (and therefore the γ coefficient) calculated one time ago to calculate the customer attractive force and the γ coefficient is input. I do. The simulation ends when there are no more stores that need to correct customer attraction. Separately, the number of calculations to terminate the simulation can be designated by an input item.
[0154]
Here, the empirical value by simulation of the customer attraction coefficient (γ coefficient) in the competition between SM and GMS is in the range of 0.50 to 1.50 in most cases, reflecting the strength of each store in the case of GMS. Converges. Once the analysis area is determined, the customer attraction force is relatively determined within that range, so the γ coefficient should take any reference value, but since it starts from the actual sales floor area, it converges within the above range Will do.
[0155]
The output result of the simulation is not limited to the theoretical sales vs. actual sales comparison table of the existing stores, the customer attraction, the customer attraction coefficient (γ coefficient), and the predicted sales value of the new store. It is also possible to show the commercial area structure of each existing store for which convergence has been calculated on an analysis plan drawing layer-drawn on a raster map in the form of "consumption probability contours" (the probability value and number can be arbitrarily specified). . This is performed by passing the file to the display / analysis unit 13. By displaying data of various mesh DBs in a mesh on the analysis plane drawing and adding the data using an "addition / subtraction module", it is possible to grasp the number of consumers by attribute of each store by consumption probability. . In addition, it is possible to calculate an index or the like by using the “multiplication / division module”, and to grasp an attribute characteristic or the like of a resident of each mesh. As a result, each store can establish a target-specific business policy.
[0156]
In addition, if various types of geographic information analysis are used together, the characteristics of the commercial area of each existing store can be grasped from a different angle. This is to expand the estimated sales into sales forecasts for each category and item, and if you use a window that displays the possible sales amount for each item in the same probability band and consumption category, you can compare this with the actual sales in your own store category By doing so, it is possible to analyze the strength of each store's business by category, and to utilize the floor plan of a new store.
[0157]
In addition to the display on the map, for example, a table including the following items is created as a separate table in the CSV format.
(1) Store type, theoretical sales, actual sales, ratio of difference (%), sales floor area, bottom-up coefficient, customer attraction coefficient (γ coefficient), customer attraction, marginal distance, category consumption value, consumer business share , Distance power (α), customer suction power (β)
(2) Population, number of households of 2 or more, number of single households, theoretical sales, ratio of theoretical sales (%)
(3) For each probability band by store, the population by gender by age group, a numerical value obtained by multiplying the population by the probability, an estimated value of the number of households by two or more households by head age group, a numerical value obtained by multiplying the estimated value by the number of households, Number of single-person households by age group, numerical value obtained by multiplying the number of single-person households by probability
(4) Population by occupation by probability band by store and numerical value obtained by multiplying the population by probability
(5) Number of households by type of residence, number of households by size of residence, by probability band by store
[0158]
FIG. 2 is a diagram showing an example of a theoretical total sales list according to the present invention. In the figure, reference numeral 20 denotes a theoretical (estimated) total sales list, and the theoretical total sales list 20 includes a store name 21, a business type 22, It has a theoretical monthly quotient 23, a total department monthly quotient 24, a monthly quotient relative error 25, a directly managed sales surface 26, a customer suction coefficient 27, a customer attractive force 28, a limit distance 29, and a store number 30 as items. Can be subdivided into the sales results of the food sales, clothing sales, and other sales for each department of the product handled by each store. The theoretical total sales list 20 is calculated as a result of executing the simulation as described above.
[0159]
Here, the business type 22 is gms (the sales area 6000 m) according to the size of the directly managed sales surface 26. ² Above), sm1 (sales floor area 1000-1999m ² ), Sm2 (sales floor area 2000-5999m ² ), Sm3 (sales area 450-999m ² ) Etc. The limit distance 29 is determined according to the business category 22, and in the case of the present embodiment, 7000m is specified for gms, 3500m for sm1, and 5000m for sm2. The customer attraction coefficient 27 is determined by a simulation executed by the simulation unit 12, and the customer attraction force 28 is determined based on the customer attraction coefficient 27. Further, the theoretical monthly quotient 23 is calculated by the above-described equation (7), and is compared with the total monthly quotient 24.
[0160]
Here, the monthly quotient relative error 25 indicates the ratio of the difference between the theoretical monthly quotient 23 and the total monthly quotient 24 to the total monthly quotient 24, and is set so that this ratio falls within a predetermined allowable range. The simulation is repeatedly executed while correcting parameters such as the customer suction force and the customer suction coefficient. In this way, the parameters of the probability model for accurately calculating the theoretical monthly quotient 23 in the theoretical total sales list 20 are determined, and the sales model of the new store is estimated using the probability model with the determined parameters, By performing the analysis, a more accurate marketing analysis can be performed.
[0161]
FIG. 3 is a diagram showing an example of a trade area analysis-area map list according to the present invention. In the figure, reference numeral 40 denotes an area map list, and the area map list 40 is a numerical display screen selection 41, and the entire map is shown. It has a screen display method selection 42, a partial diagram display grid number 43, and a whole area map list 44 as input items. Here, the numerical value display screen selection 41 is an item for selecting whether to display numerical value data obtained from the regional statistics DB 14 or the like on the overall view or on a partial view. The screen display method selection 42 for the whole view is an item for selecting whether to match the map display to the whole view or to use a scroll screen. As described above, the trade area analysis system 10 of the present invention can not only match the map data to be displayed with the entire map but also display the map data in a scrollable manner on the scroll screen. The partial diagram display grid number 43 is an item that specifies the number of grids for longitude and latitude when displaying the partial diagram in a separate frame. A list of currently available raster map data (bmp format) is displayed in the whole area map list 44, and the user selects and uses desired map data from the list. In this example, “{bmp} Chofu 3km.bmp” is selected.
[0162]
FIG. 4 is a diagram showing an example of a trade area analysis-all stores and characteristic table according to the present invention. In the figure, reference numeral 50 denotes all stores and characteristic tables, and all stores and characteristic tables 50 represent stores such as GMS and SM. A group selection column 51 for selecting a group classified for each business type according to the sales floor area, etc., a store display column 52 for displaying stores belonging to the selected group, and each of the groups belonging to the group selected in the group selection column 51. There is a characteristic table 53 for displaying a list of characteristic information on the store. First, the user selects a desired group in the group selection column 51, and selects a store desired to be displayed on the map data among stores belonging to the selected group by checking a check box in the store display column 52. In addition, the characteristic table 53 includes, for example, a store number, a store name, a store location, a directly managed suction sales surface (customer suction force), a directly operated suction coefficient (customer suction coefficient), a directly managed sales surface, a business format, a monthly average sales, and a food sales composition. Ratio, clothing sales composition ratio, other sales composition ratio, m ² The table displays various data related to stores such as sales (monthly), the number of parked cars and buildings, the number of employees, latitude and longitude, and the like.
[0163]
FIG. 5 is a diagram illustrating an example of a trade area analysis-contour list according to the present invention. In the figure, reference numeral 60 denotes a contour list, and the contour list 60 is a band-like probability contour having a range of 1.00-0. 05, a probability contour line selection column 61 for selecting a contour band to be displayed on the map data, a store selection column 62 for selecting a store for displaying the probability contour line on the map data, and a screen for displaying the probability contour lines. Or a partial view). At this time, for the probability contours to be displayed on the map data, it is possible to designate the line color and the thickness of the lines, and it is also possible to designate the color of the probability contours for each store. .
[0164]
FIG. 6 is a diagram showing an example of a trade area analysis-item list according to the present invention. In the figure, reference numeral 70 denotes an item list, and the item list 70 includes a linear combination designation 71, an index generation 72, and an item list 73. As items. Here, the item list 73 is a list of items of statistical information stored in the regional statistical DB 14, and the user selects statistical information (numerical data) to be displayed on map data by checking a check box. . In this example, No. 27 "The number of households of two or more persons" is selected, and numerical data corresponding to this item is displayed on the map data in units of designated meshes or in town streets. The linear combination designation 71 creates a linear combination (sum) or a product in lattice units of the items checked in the check boxes. The index creation 72 creates an index by dividing the items checked in the check boxes on a grid basis.
[0165]
FIG. 7 is a diagram showing another example of the trade area analysis-item list according to the present invention. In this example, in addition to the items shown in FIG. No. 25, “The number of households aged 30-64”, No. 26 "The number of single households aged 65 or older" is selected, and numerical data corresponding to the plurality of items is displayed on the map data in designated mesh units or in town-chome units. As described above, as long as the item is registered in the item list 70, all or part of the item may be specified, and an arbitrary item may be appropriately set according to the analysis purpose of the user.
[0166]
FIG. 8 is a view showing an example of a screen for setting a trade area analysis-area between contour lines according to the present invention. In the figure, reference numeral 80 denotes a screen for setting the area between contour lines. Column 81, contour line value designation column 82 for designating contour line values (consumption suction probability) to be displayed on map data from nine contour lines of 0.1 to 0.9, list of store names to be displayed on map data 83. If the contour line area display selection column 81 is checked, the contour line area is displayed on the map data. As a display method, the ratio (%) inside the contour line specified in the contour value specification column 82 is displayed. It can be calculated and displayed, displayed by multiplying the display item by the area ratio, or displayed by multiplying the display item by the area ratio and the probability. Furthermore, the statistical information registered in the item list 70 shown in FIG. 27 Based on the condition of “two or more general households” and the analysis result by the consumption probability contour line for each store, the calculation of the consumption amount by the consumption category in the store selected in the store name table 83 is performed, and Sales estimates or forecasts.
[0167]
FIG. 9 is a diagram showing an example of map data selected from the area map list 40 shown in FIG. 3. In the figure, reference numeral 90 denotes map data, and the map data 90 is mesh-divided into a grid pattern. Indicates a grid number in the longitude direction, and 92 indicates a grid number in the latitude direction.
[0168]
FIG. 10 is a diagram showing an example of a case where the probability contours of each of the stores selected in the store selection columns shown in FIGS. 4 and 5 are displayed on the map data 90. In the drawings, 93 is a probability contour. . In the map data 90, all the stores shown in FIG. 4 and the stores with the store numbers 3700, 4267, and 4919 selected in the characteristic table 50 are displayed on the map data 90, and the store having the same store number is selected in FIG. By doing so, the probability contour lines corresponding to the stores of the store numbers 3700, 4267, and 4919 are displayed. At this time, the store name can be displayed together with the store number. Here, for the sake of simplicity, the store for which the probability contour shown in FIG. 5 is to be displayed is designated as the same store as in FIG. 4, but the store selection in FIG. 4 and the store selection in FIG. No need to match.
[0169]
FIG. 11 is a diagram showing an example of a case where numerical data corresponding to the item selected in the item list shown in FIG. 6 is displayed on the map data 90. In the figure, reference numeral 94 denotes numerical data. The numerical data 94 corresponds to the No. selected in the item list 70 shown in FIG. 27 Numerical data corresponding to “2 or more general households” and are displayed in mesh units.
[0170]
FIG. 12 is a diagram showing an example of a case where numerical data corresponding to the item selected in the item list shown in FIG. 7 is displayed on the map data 90. In the drawing, 95 is numerical data, and 96 is numerical value. 9 is a detailed data list regarding data 95. This numerical data 95 corresponds to the item No. selected in the item list 70 shown in FIG. No. 25, “The number of households aged 30-64”, No. 26, "The number of single-person households aged 65 and over" 27 is numerical data corresponding to each of "2 or more general households" and is displayed in mesh units. At this time, by clicking the desired mesh data, the detailed data 96 is displayed in another frame.
[0171]
FIG. 13 is a diagram showing an example of a case where the map data 90 shown in FIG. 12 is enlarged and displayed as a partial view, in which 97 is a partial view. In this example, a case where the periphery of the store with the store number 4919 is displayed as a partial view and enlarged and displayed in a separate frame from the map data 90 is shown. The partial diagram 97 is a window (4 × 4 mesh) in a separate frame from the map data 90. The numerical data 95 is written in the partial view 97 of FIG.
[0172]
The display / analysis unit 13 in the business area analysis system 10 according to the present invention has a function of directly writing statistical data and the like in a polygon area such as a mesh unit or a town character unit over the entire area of the screen. The number of data items to be written at one time is of a selectable type, and any number of data items can be selected as long as the user can visually recognize each time of display. By the way, the existing GIS engine does not have this function. In the existing GIS engine, for example, data is linked to each polygon, and when a polygon is clicked, the data content of the polygon is opened in a separate window in a card format. This method is called a one-polygon card display method. When the whole is viewed from a bird's-eye view, a method is employed in which polygons are classified by hierarchy for specific one or two items. In the present invention, all of the selected plural data are directly written and displayed in the polygon, and the font shape and color of the character can be selected. And the data can be calculated by defining an arithmetic expression on the display screen. Therefore, the entire analysis area can be analyzed in a bird's-eye view with the raw data or the data obtained by arbitrary processing.
[0173]
However, for example, when a wide area such as 50 km square or 100 km square is to be analyzed, the polygon area becomes too small to directly check the written data. The partial diagram 97 shown in FIG. 13 is a function for confirming data in such a case. In this example, when a point on the map data 90 where the user wants to check numerical data or the like is clicked, a partial view 97 centering on the point is displayed with the screen size and the number of meshes (4 × 4 in this example) designated as default. Open in a separate frame from the figure. The partial diagram 97 is a copy of the portion from the entire diagram into a partial diagram frame, and numerical data 95 is written in the partial diagram 97. Even when numerical data or the like is included in the entire view, writing is performed again on the partial view 97. In this way, various arithmetic processes such as addition and subtraction can be performed even on the partial diagram 97. This operation is executed instantaneously in appearance, so that when the partial diagram 97 is opened, the numerical data 95 is stored.
[0174]
Also, as another method of specifying the range of the partial map, drag the area where you want to see the numerical data in the whole map from the upper left to the lower right, for example, and the map data in that range is copied to the enlarged partial map frame Then, it is opened in a frame different from that of the whole figure, and then numerical data is written in the partial figure and becomes an object of calculation. The store data can also be enlarged and displayed by using this partial view function.
[0175]
The merit that the partial diagram function is different from the usual zoom-in and zoom-out is that a point to be viewed can be enlarged and the data calculation can be performed while keeping the whole diagram in front. In the case of zooming in or zooming out, the positional relationship in the entire figure cannot be understood, and partial analysis of the entire image cannot be performed as desired. This partial view function is also not found in existing GIS engines.
[0176]
FIG. 14 is a diagram illustrating an example of a calculation result of a trade area analysis-consumption amount by category calculated based on the area setting between contour lines illustrated in FIG. 8, in which 100 is a calculation result of a consumption amount by category. . This category is determined, for example, on the basis of consumption categories classified on household survey data based on the “Household Survey Annual Report” conducted annually by the Statistics Bureau, General Affairs Agency. The "Household Survey Annual Report" is a sample survey of household consumption for average households (excluding agriculture, forestry and fishery households and single households) across the country. The calculation result 100 of the consumption amount by category is calculated for each store. In this example, the statistical information registered in the item list 70 shown in FIG. 25 Consumption by consumption category in the store selected in the store name list 83 on the contour line area setting screen 80 based on the condition of “the number of households aged 30 to 64” and the analysis result by the consumption probability contour for each store. The figure shows the result of executing the amount calculation and estimating or forecasting the sales for each consumption category.
[0177]
FIG. 15 is a flowchart for explaining an example of a processing procedure in analysis area designation, map data and regional statistical data reading, processing editing, and analysis plane data creation to which the present invention is applied. First, a map data file prepared in advance is set (step S1), and position information of each map data and latitude / longitude per km at the position are set (step S2). Next, a larger analysis area (computation area) enclosing the largest map data is specified (step S3), and a regional statistics DB to be analyzed is specified (step S4). The user selects whether to perform a proper analysis (step S5). Next, a map data file is read (step S6), and regional statistical data in the analysis area is read from the regional statistical DB (step S7). Further, it is determined whether or not to create the analysis plane data for simulation (step S8). If the analysis plane data is to be created (in the case of YES), the analysis plane data for simulation calculation is created (step S9). An analysis plane is created as a file to be layered (step S10). If the analysis plane data is not created in step S8 (NO), an analysis plane is created as a file to be layered on the raster map (step S11).
[0178]
FIG. 16 is a flowchart illustrating an example of a processing procedure in various settings for a simulation to which the present invention is applied. First, the purpose of the simulation (whether to calculate the existing store sales from the beginning, start by taking over the intermediate results, perform the new store sales prediction, etc.) is specified (step S21), and the number of times of the simulation repetition calculation is specified. (Step S22). Next, the number of mesh divisions N is specified (step S23), the business type file DB is specified (step S24), and the increase factor is set for each specified business type file (step S25). Next, the maximum number of shops that can be selected, the limit distance, the power of distance α, and the power of customer suction power β are set for each business type file (step S26). Further, a category consumption amount and a consumer business type share are set for each business type file (step S27).
[0179]
Next, it is specified whether this simulation is an existing store convergence calculation or a new store sales forecast (step S28). In the case of a new store sales forecast, the unique number of the new store to be predicted is set in addition to the unique number of the existing store. (Step S29). In the case of the existing store convergence calculation, the unique number of the existing store to be subjected to the convergence calculation is set for each business type (step S30).
[0180]
FIG. 17 is a flowchart for explaining processing procedures in various settings for simulation to which the present invention is applied, and is a continuation of the flowchart shown in FIG. First, after setting the unique number of the existing store for convergence calculation in step S30 shown in FIG. 16 for each business type, what is to be a variable, the customer attraction force and the γ coefficient from beginning to end, the limit distance from the beginning or from the middle , Power of distance α, share of consumer business type, and the like are specified (step S31). Next, as a convergence determination condition, an allowable limit% of a relative error of the store-based theory-actual sales difference with respect to the actual sales is set. Then, a permissible limit% of the relative error of the store-based theory-actual sales difference with respect to the actual sales is set as the parameter corrected store extraction condition (step S33). Here, when the customer suction force and the γ coefficient are used as variables in step S31, a correction amount (% or a constant) of the customer suction force at each store outside the permissible limit is designated (step S34). When the limit distance is used as a variable, a correction distance (meter or the like) for each time of the limit distance in a store outside the allowable limit is specified (step S35). When the correction value of the power of the distance α in each store is specified at each time (step S36), and the consumer business type share is used as a variable, the correction value (% or (A constant) (step S37).
[0181]
FIG. 18 is a flowchart illustrating an example of a processing procedure of an existing store simulation to which the present invention is applied. First, the analysis plane data for simulation is read (step S41), the business format file is read (step S42), and each data input for simulation is read (step S43). Next, a simulation is performed using the set value for the customer attraction force and the γ coefficient, the limit distance, or the power of the distance α, or the share of the consumer business type, and the corrected value for the second and subsequent times using the corrected value (step S44). Then, an existing store consumption probability contour is generated (step S45), and an existing store theoretical sales calculation is performed (step S46). Next, the convergence history based on the average difference between all the existing stores is recorded (step S47), and the convergence history of the existing stores is determined (step S48). When it is no longer necessary to correct the customer attraction at all the designated stores, It is determined that convergence has occurred (in the case of convergence), and various numerical results are written to a file (step S49). If convergence has not been achieved (if not converged) in step S48, the process returns to step S44 and the process is repeated.
[0182]
Next, the convergence result analysis plane data file in which various numerical results are written in step S49 is stored (step S50), a store DB file for new store sales prediction is created (step S51), and an analysis plane file for a drawing layer is created. (Step S52).
[0183]
Here, the following items are written in the numerical result file as a list.
(1) Store type, theoretical sales, actual sales, ratio of difference (%), sales floor area, bottom-up coefficient, customer attraction coefficient (γ coefficient), customer attraction, marginal distance, category consumption value, consumer business share , Distance power (α), customer suction power (β)
(2) Population, number of households of 2 or more, number of single households, theoretical sales, ratio of theoretical sales by consumption probability (%)
(3) For each probability band by store, the population by gender by age group, a numerical value obtained by multiplying the population by the probability, an estimated value of the number of households by two or more households by head age group, a numerical value obtained by multiplying the estimated value by the number of households, Number of single-person households by age group, numerical value obtained by multiplying the number of single-person households by probability
(4) Population by occupation by probability band by store and numerical value obtained by multiplying the population by probability
(5) Number of households by type of residence, number of households by size of residence, by probability band by store
Here, a plurality of probability contour lines are included in a 500-m mesh depending on the location. In this case, the area surrounded by the contour lines and the mesh lines is calculated, and the number of mesh households is proportionally divided into area to calculate sales. In the store database file for estimation simulation, the sales floor area of the existing store is replaced with the customer attraction.
[0184]
FIG. 19 is a flowchart illustrating an example of a processing procedure of a new store sales prediction simulation to which the present invention is applied. First, information about the new store is input to the store DB file for new store sales forecast created in step S51 shown in FIG. 18 (step S61). In particular, the customer attraction and the γ coefficient of the new store are set by adding a subjective judgment to what degree the γ coefficient of the existing store in the commercial area has an advantage. The new store sales prediction setting parameters set in steps S21 and S29 described above are read (step S62), and the convergence result analysis plane data file of the existing store stored in step S50 shown in FIG. 18 is read (step S63). The store DB file for new store sales prediction to which the new store information has been input in step S61 is read (step S64). Next, the sales prediction calculation of the existing store and the new store is performed (step S65), the consumption probability contour data of the existing store and the new store is generated (step S66), and various numerical results regarding the existing store and the new store are written to a file. (Step S67). Further, a drawing layer analysis plane file is created (step S68).
[0185]
FIG. 20 is a flowchart for explaining an example of a processing procedure of analysis plane drawing and analysis operation to which the present invention is applied. Here, the display / analysis unit 13 has a function for performing geographic information analysis, and if data is created in the DB editing unit 11 or the simulation unit 12, it can be handled as independent software. The display / analysis unit 13 includes a plurality of modules described later.
[0186]
20, first, the display / analysis unit 13 is started (step S71), an analysis plane file for drawing is read (step S72), consumption probability contour data for each store is read (step S73), and sales calculation for each consumption category is performed. The consumption data for each category for reading is read (step S74). Next, a raster map file as a background map is selected (step S75), the analysis plane file is layered, and a shop-specific consumption probability contour is displayed (step S76). Next, it is determined whether or not the shape of the consumption probability contour of the target store (existing store or new store) is appropriate from an empirical rule (step S77), and if determined to be appropriate (in the case of YES), display according to various modules is performed. Perform an analysis operation (step S78). If it is determined in step S77 that it is not appropriate (NO), the process returns to step S21 or step S61, changes the settings, and repeats the process.
[0187]
Next, the analysis results of the various modules executed in step S78 are output to, for example, a printout or a CSV file (step S79). It is also possible to paste an image to Microsoft Excel (registered trademark) or the like. At this time, all the analysis, data addition, and processing results can be stored in a file, or any image including an entire view or a partial view can be pasted and stored in a table provided from a predetermined application.
[0188]
Here, various functions of the display / analysis unit 13 of the business area analysis system 10 according to the present invention will be described in detail. The display / analysis unit 13 of the present invention is not limited to the configurations and functions of the following modules 1 to 45, and may have any module configuration as long as it can provide all or a part of these functions. Good.
(Calculation execution module)
Module 1: A function to calculate under various selection conditions, calculation conditions, and display conditions, and to write out an analysis plane for displaying the result together with the background map. This module is constantly activated when the condition selection is determined, and is performed in a very short time. Output the result. This is a module composed of various calculation subroutines and result display subroutines.
[0189]
(Analysis module for regional statistics DB14)
Module 2: Checking the check boxes in the mesh statistics item column window for the mesh statistics items that have the function of writing in the mesh and selecting the statistical value calculation target items, and writing the numerical values directly into each mesh. To select (multiple selections are possible). The maximum number of selections is determined by the analyst by looking at the result each time depending on the visibility.
Module 3 has a function of selecting a background map (overall view) of the analysis area divided by scale and range.
Module 4: a function of selecting whether to display the mesh statistics over the entire selected whole map or to enlarge and display the partial map. In the mesh data writing display, it is possible to select the simultaneous display of the whole area of the selected whole view or the partial view display in which a partial view is enlarged and displayed as another view. The partial view can be selected from a case where the range is designated by dragging and a case where the point to be viewed in detail is clicked and displayed. In the latter case, the number of meshes to be displayed can be specified as a default. The display size can be specified to a desired size in both the whole area display and the partial view display.
[0190]
Module 5: has a function of designating the screen size of the entire view and the partial view.
Module 6 has a function of designating a font (for example, shape, size, thickness, color, etc.) of the writing data in the mesh.
Module 7: With respect to data written in the mesh (a plurality of items can be specified), a function is added to the mesh when the mesh is clicked and subtracted when the mesh is clicked again.
Module 8: has a function of designating the number of vertical and horizontal meshes of a partial view to be displayed by clicking for each point.
Module 9: has a function of giving a definition formula for creating an index of mesh data and a definition formula of an arithmetic operation processing function value, and instructing display. Here, as examples of indices created from the results of the census, the ratio of managerial occupational workers, the ratio of specialized and technical occupational workers, the ratio of blue-collar workers, the ratio of primary industrial workers, the ratio of public employment, One-life stage household ratio, teenage population ratio, old-age population ratio, labor force ratio, single-person household ratio, owner-occupied ratio, condominium ratio, large-scale housing ratio, commuting to local municipalities ratio, 5-year inflow population ratio, etc. is there.
[0191]
Module 10 has a function of instructing to display the selected mesh statistics, the sum of the defined indices and function values, the average, the standard deviation, and the like of the whole view or the partial view in a separate window. For this, for each item on the regional statistics DB 14 or for the created index, the total mesh value, average value, standard deviation, and the like of the numerical values in each range in the general view or partial view are calculated and displayed in another window. In the case of the index, a total value is not output, and the average value is a value obtained by summing up the denominator and the numerator separately.
Module 11 has a function of instructing calculation and display of a deviation value of a mesh statistical value and a half deviation value. A normal deviation value using the standard deviation or a deviation value using a half standard deviation (in many cases, the standard deviation is larger than the average value) is calculated by the following equation (8). Display in each mesh and save the results.
Mesh deviation value = [10 × (mesh statistic value−average value of whole view or partial view) / standard deviation (or 0.5 × standard deviation)] + 50 Expression (8)
[0192]
Module 12: has a function of converting the mesh statistic into an index with the average value of the range of the whole view or partial view as 100 and instructing display. For each item on the regional statistics DB 14 or for the created index, the mesh total value and the average value in the range of the whole map or partial view are calculated, and the value of each mesh is indexed and displayed in each mesh as 100. I do. In the case of the index, a total value is not output, and the average value is a value obtained by summing up the denominator and the numerator separately.
Module 13: a function of calculating specialization coefficients of various share indices created from mesh statistics and instructing display. For each item on the regional statistics DB 14 or for the created share index, an area is arbitrarily drag-designated on the screen by using an input means such as a mouse, and a specialization coefficient for which the value of the entire area in the specified range is 1 is set. Is calculated by the following equation (9), and is displayed in each mesh.
Mesh specialization coefficient for item b of item a = (mesh value of item a / mesh value of item b) / (total value of total view or partial view of item a / total value of total view or partial view of item b)・ Equation (9)
[0193]
Module 14: has a function of designating the radius of a point buffer at an arbitrary point to be displayed by clicking, and instructing calculation and display of a statistical value and a calculated value in a circle.
Module 15 has a function of automatically drawing contour lines connecting the same levels with respect to the selected data or index.
Module 16: has a function of instructing Voronoi division (method of dividing the market at an intermediate line between facilities). If specified, the statistics will be displayed inside the Voronoi dividing line.
Module 17: A function to instruct to display the estimated value of the closed population by mesh age group by year. Note that these estimates are calculated in the trade area analysis system 10 using the birth rate, the mortality rate, the spouse rate, and the like.
[0194]
Module 18 has a function of instructing the display of characters, numbers, and the like written in the mesh by color for each selected mesh statistical value or for each defined index or function value hierarchy. In this example, the hierarchy can be specified from 7 to 20 levels.
Module 19: Search for meshes, for example, the upper 10% and lower 10% (this percentage can be specified) of the mesh statistical values or index values, and display characters and numbers written in the meshes in different colors. It has a function to instruct.
Module 20: has a function of calculating a scatter diagram of two terms between mesh statistical values and instructing the scatter diagram to be displayed in a separate frame window.
Module 21: A function to display a table color-coded by hierarchy based on two scatter plots between mesh statistical values in a separate frame, and to instruct color-coded display of letters, numbers, and the like written in the mesh based on the table. Have.
Module 22: a function to additionally enter, save, and export mesh attribute data. For example, since the latest data can always be obtained for the population by town, the number of single households, and the number of households of two or more people, this section can be written to the mesh statistics DB file from the screen. Click on the relevant mesh, launch an input card, and enter any item name from the screen, for example, 2003 population, 2003 single households, 2003 two or more households And they are output in the same mesh statistics DB. For example, if the number of households is specified as two or more in 2003, it can be used in a Huff real sales convergence simulation.
[0195]
(Link data on household consumption, analysis module for regional statistics DB14)
Module 23: A function for instructing which attribute (for example, single household, two or more ordinary household, household head age group, etc.) is used to calculate the estimated mesh consumption value by item and category. Have. Note that the number of households by household age group is not included in the original census item, but is calculated and calculated in the business area analysis system 10.
Module 24: has a function of designating the mesh consumption amount, for example, by category, by item, by age group, or by region. The category can be arbitrarily defined in advance on the user side and input. The data to be linked can be, for example, a household consumption survey report as well as an annual household survey report.
Module 25: has a function of designating a category or an item for calculating a mesh consumption amount. Note that various calculation and display functions are common to the above-described module relating to the mesh statistics.
[0196]
(Analysis module for store DB15)
Module 26: has a function of importing data from the store DB 15. When the store DB 15 is clicked on the display / analysis unit 13 and the corresponding store DB file name is clicked, the import of the corresponding data is started on the display / analysis unit 13, and as a result, the store data list (for example, , A list of point names and their attributes) and a window for selecting which file and which point of the file is to be flagged on the map is opened. A plurality of file names to be imported can be selected at a time.
Module 27: has a function of selecting a point file storing data indicating a flag and a name and an individual point name for setting a flag, and referring to an attribute list. When a file name is clicked and selected in the window, a list of point names and attributes of the file is displayed in the point file window. This allows you to see all the attributes of the point. Check the check box of the point name list in the window to select the point to flag. Multiple selections or full selections are possible. The maximum number of selections is determined by the analyst by checking the result each time depending on the visibility and the purpose.
[0197]
Module 28: A function to select the shape and color of a flag to be set on the screen for each DB file, and to select whether to add a point name or only a flag mark to the flag.
Module 29: has a function to instruct to display one selected point attribute next to the flag point name. Select by checking the check box of the attribute list in the point name and its attribute list window. When executed in module 1 described above, the selected attribute is displayed next to the flag name.
Module 30: has a function of designating calculation for summing point data and calculation of mesh share. With respect to the selected attribute, each mesh total value and each mesh share with respect to the total value in the whole view or the partial view are written in the mesh.
[0198]
Module 31 has a function of designating that the sum, average, and standard deviation of the point attribute values of the entire view or the partial view are displayed in a separate frame.
Module 32: has a function of designating a point search condition. Regarding the attribute of the point, a search condition is indicated by the size of a numerical value, and when executed by the above-described module 1, the flag of the point meeting the condition changes to the designated color.
Module 33: a function of displaying and correcting the latitude and longitude of the point flag. Clicking on a desired point displays the latitude and longitude of the flag position of the point. When the flag position correction check is selected and the position is corrected by moving the flag on the screen, the correct latitude / longitude is displayed, and the latitude / longitude data in the DB list is also changed to the correct latitude / longitude.
Module 34: has a function of instructing creation of new point data by setting a flag on the screen. When the new flag setting check is selected and a new flag is set on the screen using a mouse or the like, data can be directly written into the corresponding DB list, and the latitude and longitude are automatically written.
[0199]
(Analysis module for functions between point attribute values and mesh statistics)
Module 35: Within each mesh, arbitrarily defined four arithmetic statistics between the selected mesh statistic and the selected point attribute value-point function value (eg, purchase amount of customer in mesh in mesh item consumption amount) Is displayed.
Module 36: Binary scatter plot between mesh statistics-point attribute values selected in the whole or partial view (eg, households-customers, or households-customer acquisition rate, or flyer distribution-flyers) Has a function of instructing the display of the number of customers) in a separate frame.
Module 37: In a mesh in the whole view or a partial view, a hierarchical color classification table is displayed in a separate frame based on the binomial scatter diagram between the selected mesh statistical value and the point attribute value, and written in the mesh based on the table. It has a function of instructing that characters, numbers, and the like are displayed in different colors.
[0200]
(Analysis module for polygon generation zone)
Module 38: A function for generating a polygon and creating a zone content file. When polygon generation is selected, an arbitrary polygon (zone) can be generated with a mouse or the like under a raster map such as a block map. The features and identification of polygons include, for example, mesh statistics, block maps, village identification using field surveys, and business location identification using point flags, numerical maps, city planning maps, etc. in the town page industry DB. You can also refer to it. The zone name, the identification index and its description (for example, up to 256 characters) can be written directly from the screen to the corresponding line of the data file in the generated zone polygon file window. These can be output to a CSV file or the like together with the zone position information and the zone code. In addition, local photos can be pasted on the screen for each zone code in a separate file and opened again.
[0201]
The zoning as described above can be performed only by using a highly completed raster map as a background. The zone polygons are exported and stored, but the stored polygon data can be read out and reproduced only in the same analysis plane. Examples of this zoning include, for example, agricultural areas and agricultural settlements, industrial areas, distribution facilities areas, town centers and shopping streets, rental apartments, old low-income housing, low-quality old housing, and the elderly. Residential areas for households, living areas for retired people with good living conditions, new residential areas for high-income households, old residential areas for high-income households, inexpensive new private residential areas, private residential areas for skilled workers, managers or Private residential area where professionals live, private residential areas where middle class lives, old apartments, new apartments, apartments with many singles, comfortable apartments where managers or professionals live, apartments where middle class lives, apartments for living Some apartments are not very good, some are the poorest.
[0202]
Module 39: has a function to instruct polygon area calculation. When the area calculation is checked and the above-described module 1 is executed, the area is written and displayed in the polygon and written as area data in the polygon file.
Module 40: has a function of instructing calculation of a polygon statistical value. For the created polygons, it instructs to calculate polygon values of various mesh statistical values specified by the area proportional calculation method based on the mesh data. When the above-described module 1 is executed, the designated statistical value is written and displayed in the polygon, and is written as statistical value data in the polygon file.
[0203]
(Analysis module for contour line by store created by simulation unit 12)
Module 41: a function of selecting a store file storing data for displaying a flag and a name on a screen and a store name setting a flag, and referencing an attribute list. When a file name is clicked and selected in the window, a list of store names constituting the file and their attributes is displayed in the store file window. This allows you to see all the attributes of the store. Check the check box of the store name list in the window to select the store to flag. Multiple selections or full selections are possible. The maximum number of selections is determined by the analyst by checking the result each time depending on the visibility and the purpose.
[0204]
In the module 41, the shape and color of the flag to be set on the screen are selected for each DB file, and it is possible to select whether to add the store name to the flag or only the flag mark.
Module 42: has a function of opening a window in which a store name for displaying probability contour lines is displayed on the screen and selecting a store name for displaying contour lines.
Module 43: a function of selecting to color the probability contours by probability.
Module 44: has a function of instructing display of, for example, three contour lines of 0.05 to 1.00 each.
Module 45: a function of selecting a store name and selecting to display possible theoretical sales amounts by store and by consumption category in a table format.
[0205]
FIG. 21 is a diagram for explaining a configuration example of a trade area analysis system according to another embodiment of the present invention. In the figure, 101 is a PC, 110 is a trade area analysis system, and the trade area analysis system 110 is a DB editor. It has a unit 111, a simulation unit 112, and a display / analysis unit 113, and these units are mutually linked through data file creation and delivery. In addition, the trade area analysis system 110 includes, as a database, a regional statistics DB 114 that stores regional statistical information 114a such as a census mesh statistic and a town-chome character statistic, and consumption links such as data on household consumption, which is a survey of household consumption and actual purchasing. Household consumption data file (hereinafter, household consumption DF) 115 storing data 115a, store DB 116 storing various control parameters 116b corresponding to store information 116a and store information 116a, and point information 117a corresponding to store. , And a map DB 118 in which map data 118a in raster format or vector format is stored in advance. The map DB 118 may not be included in the present system configuration. In this case, a required number of map data in raster format or vector format is prepared in advance and stored in an arbitrary folder of the PC 101. The system can be configured by appropriately combining the various DBs as needed.
[0206]
The trade area analysis system 110 is installed in an internal or external storage device of the PC 101 and is executed by the PC 101. The user can appropriately select and use desired map data from the map DB 118 when performing the trade area analysis. Further, the PC 101 may be a server device or the like, and may be in any form as long as it corresponds to the embodiment in which the trade area analysis system 110 is implemented. In this embodiment, for the sake of explanation, the consumption link data 115a such as a household survey is shown as being stored in a household consumption DF 115 different from the regional statistics DB 114. However, the consumption link data 115a such as a household survey is included in the regional statistics DB 114. May be adopted. Although the control parameter 116b is illustrated as being included in the store DB 116, the control parameter 116b may be stored in another DB (control parameter DB) independent of the store DB 116.
[0207]
The DB editing unit 111 includes an analysis area definition module 111a, a mesh analysis and point analysis calculation module 111b, and an analysis plane file creation module 111c. The simulation unit 112 includes an input I / F module 112a, a simulation calculation execution module 112b, It has a new store sales prediction module 112c and a simulation result output module 112d, and the display / analysis unit 113 has a start-up module 113a, a display / analysis module 113b, and an output module 113c. In the present embodiment, a probabilistic model for performing a simulation in the simulation unit 12 of the commercial area analysis system 10 shown in FIG. 1 described above is further developed as a complex Huff simulation model. This further improves the reality analysis capability of the simulation unit 12 provided. In the description of the present embodiment, the business category will be referred to as the sub-business category, the customer suction coefficient or the individual store customer suction coefficient (γ coefficient) as the individual store suction coefficient, and the customer suction force as the individual store suction force.
[0208]
Here, the complexity is briefly described in relation to the method of constructing the complex Huff simulation model according to the present invention.
Complex systems science originally evolved from physics and chemistry and is now spreading to biology, ecology and economics. The complex Huff simulation model mentioned here falls into the human geography as a field. A complex system is characterized by the fact that the system consists of a very large number of elements, and the interaction between the elements is important, so that the behavior of the entire element cannot be easily predicted even if the properties of the individual elements or parts are known. And At the same time, the interaction in complex systems is characterized by non-linearity. Non-linear means that the input and output, the cause and the result are not in a proportional relationship, and the equation that describes the interaction of the system (if any) is represented by a nonlinear equation. That is, it is.
[0209]
Non-linear equations are intractable and cannot be solved by the traditional way of solving equations. When the interaction is non-linear, even the smallest change in an element causes the entire system to react greatly, or the whole system works cooperatively to cause qualitative conversion. Alternatively, a stable system can be obtained only within a certain range of initial conditions and control parameters. Over time, the uncertainty increases with time, and suddenly another situation emerges. It is a phenomenon that cannot be understood or predicted by causal thinking like linear theory. In physics and chemistry, we distinguish whether a system is an isolated system or an open system. In an isolated system, there is no exchange of energy or entropy with the external environment. The difference is that there are them in open systems.
[0210]
There are three schools in complex systems theory dealing with complex phenomena. The first is Boltzmann's theory, which deals with the complex phenomena of isolated systems, and theories inspired by it. Instead of describing the behavior of individual molecules, Boltzmann created a method of statistically treating the system in order to understand the process of an isolated system starting from a non-equilibrium state and reaching a thermal equilibrium state. It could be explained as the phenomenon of entropy increase generated by molecular interaction called collision. The second is a theory that belongs to, or is inspired by, the dissipative structure theory created by Iria Prigozin regarding the dissipative structure or self-organization process that appears when certain conditions are satisfied in an open system. In an open system that is open to the outside (environment) and exchanges energy and entropy, at a distance far from equilibrium, if certain conditions are met, it is said to be a dissipative structure or self-organizing process. A variety of mechanisms that appear to be running may appear temporarily. This dissipative structure is known to be found not only in physics and chemistry but also in the biological and economic worlds.
[0211]
E. FIG. Moran cites the homeostasis of a candle flame and the internal environment of an organism, such as a cell, as examples of such dissipative structures. They are supplied with energy from the outside and are thereby placed in a non-equilibrium state, thereby preserving their structural stability. Although the components of the structure have changed, the structure itself remains the same. And when this supply flow disappears, the structure rapidly declines. The dissipative structure has the general feature that in an open system far from equilibrium, it becomes unstable due to fluctuations, and self-organization occurs one after another by a cooperative phenomenon when a certain threshold is exceeded. And in a dissipative configuration, the entropy produced is not stored in the system, but is released outside the system as part of a sustained energy exchange with the environment. This maintains structural stability. Dissipative structure theory provides a perspective for understanding the mechanism by which the stock market crashes, and for constructing imbalance theory in economic theory.
[0212]
Both of the above two theories have emerged from physics, but the third is what is called a constitutive method, an attempt to understand complex phenomena using computer simulation. . It can be said that it represents a new evolutionary stage in which thinking itself is performed not only in language and mathematics but also using computers. By extracting what seems to be important for complex phenomena, build a model on a computer, and if the system can be described by nonlinear equations, run a computer simulation and observe the behavior of the model. This is a research method to understand complex phenomena through repeated iterations of correcting or reconstructing the model according to the results and running again. In other words, instead of examining nature, society, and the economy, it seeks to understand nature, society, and the economy by creating them in the virtual space of a computer.
[0213]
There are also two types of the above methods, the simulation is a closed virtual world, and the actual validity of the result does not matter except that it is similar. It is a way to pursue consistency and proof.
[0214]
Then, where is the complex system Huff simulation model according to the present invention positioned in the complex system theory? First of all, it is a kind of isolated system because it has no outside, it is not a dissipative structure. Although consumers have diverse values and intentions, their store selection behavior is coarse-grained through spatial zoning to reduce the degree of freedom, and statistically, the average value of the distribution for each zone and The model is focused on the fact that there is a non-linear interaction that can be called statistical determinism with the customer attracting device, so the reasoning is similar to Boltzmann's method. However, the latter method is the latter of the third method in that a computer simulation is run on an analysis plane stretched over an arbitrarily cut electronic map area, and a solution close to reality is found while interpreting it. Hit. However, since the interaction is nonlinear, it can be said that it is similar to the dissipative structure in that a stable structure appears only under certain conditions. In this case, not the number of elements but the non-linear interaction is a necessary condition for self-organized order to appear. In other words, the complex Huff simulation model according to the present invention is a method that has the characteristics of any of the above three schools and aims to prove that it matches the reality.
[0215]
In the conventional Huff model, the amount (theoretical sales) consumed by the inhabitants of the place i (zone) at a distance Rij from the j store at the j store is calculated by the aforementioned equation (19), that is,
[0216]
(Equation 8)

[0219]
In this case, the theoretical sales Uj is different from the case where only one store is taken up. However, if a plurality of stores in the region are taken into consideration at the same time, the power of the actual sales floor area and the distance estimated in some way (hereinafter often referred to as “α”) By simply using the distance resistance coefficient), the theoretical sales of each store never coincide with the actual sales Uj '. Therefore, in the present embodiment, the above-mentioned equation (19) is changed to the following equation (10) by introducing some control parameters 116b for each business type and / or individual shop and some variables. Describe. Note that the probability may be either the trip probability or the store selection consumption probability for a certain period, as long as there is data necessary for them, but in order to simplify the explanation, the probability is set as the store selection consumption probability. deep. The control parameter 116b is stored in advance in the store DB 116 or a control parameter DB (not shown) independent of the store DB 116. Further, the control parameter 116b may be set as an input by manual operation when performing a simulation.
[0218]
(Equation 9)

[0219]
i indicates the position of a lattice point at an arbitrarily specified interval in the analysis area. J is 1, 2, 3,..., N (the number of a competitive store existing in the analysis area).
[0220]
From the above formulas (10) and (11), the m-th probability band (for example, a band having a consumption probability of 5 to 10% from the closest store to the store located at a distance R from the j store; the band division definition can be specified) ) Pjm (R) is obtained.
[0221]
From this, the theoretical sales Uj of j stores is calculated by the following equation.
[0222]
(Equation 10)

[0223]
N (m; R) is the m-th probability band, the number of households in a small area represented by the distance R, and g represents the sub-business category to which j stores belong (this sub-business category will be described later). In addition, although any of the following convergence conditions may be applied, in the present embodiment, the determination is performed using the convergence condition 1.
[0224]
[Equation 11]

[0225]
The meanings of the symbols included in the above formula are as follows.
Rij: Calculated from the distance from point i to j stores, N (Rij): the number of households at point i, and the number of mesh households. Uj: theoretical sales of j stores (calculation result), Uj ': actual sales of j stores (original data), Mj: sales floor area of j stores (original data), and the original data additionally includes location information of individual stores (Latitude, longitude) and the following sub-business household consumption Cg (Cg: sub-business symbol) can be set.
[0226]
The sub-business type household consumption amount Cg refers to a national average (or local average) household consumption value (original data) of an arbitrary product category handled by the sub-business type g. In this embodiment, a store that is considered as an option when a consumer goes shopping for a product category intended for purchase, in other words, stores that are considered to be in a competitive relationship with each other from the viewpoint of the retail store are assumed to be the same business type here. For example, if the purpose of purchase is food, several hundred meters ² 10,000 m from class supermarket ² It is regarded as one business type up to GMS of the class. However, although there is a competitive relationship, the sales floor area is different and the number of items handled is different, so these stores are classified according to the sales floor area (hereinafter, each of the classified business formats is referred to as a sub business format). The household consumption amount Cg refers to the household consumption amount (national average or local average) targeted for the product lineup for each sub-business type.
[0227]
By introducing the above-mentioned sub-business household consumption amount Cg and a control parameter called consumption share described later, competition between stores of different scales can be handled simultaneously. Thus, a food competition model is constituted by a group of sub-business type files and control parameters. Based on the same concept, various competition models such as a GMS competition model, a drug competition model, and the like can be configured.
[0228]
Hereinafter, some individual store-specific control parameters and the calculation results obtained will be described.
α (j): a power of the distance specified for each individual store, and in this embodiment, is referred to as the individual store distance resistance coefficient (control parameter).
Dj: Individual store sales floor area bottom-up coefficient (control parameter), and this coefficient Dj is a constant to be multiplied by the store sales floor area. ² Efficiency (m ² The smaller the store, the smaller the marginal utility, which indicates that the smaller the store, the greater the attractiveness of the individual store (the ability to attract customers) to the larger store. To express this, m of the standard store (or standard sub-business type average value) in which the sales floor area of the small store is selected in advance ² Assuming efficiency as 1, m ² The efficiency is made relative to the efficiency, and is multiplied by the sales floor area of each store as a control parameter Dj to raise the efficiency in advance. That is, in the initial value of the simulation, the individual store sales floor area increase coefficient Dj is relative m ² Efficiency (relative m ² Efficiency). In addition, the simulation is run only once, and the difference between the theoretical sales and the actual sales is checked for each store. As a guide to the actual sales, for a store whose error exceeds, for example, 30%, the error is within a few% within one calculation. Adjust this to be The store extraction standard for setting the bottom-up factor is sales floor area or sales per unit area (m ² Efficiency) may be based on the relative size of sales floor area or sales per unit area (m ² A store whose efficiency is less than or equal to a predetermined range may be extracted.
[0229]
The control parameter Dj has an effect of reducing the number of times of simulation convergence. For example, the control parameter Dj is extremely effective in preventing a phenomenon in which the simulation hits a performance limit on an OS (operating system) installed in a PC and stops. This is because, in the case of a complex system simulation in which many parameters are introduced, the execution of the simulation may be limited by the processing capability of the PC, particularly by the OS such as Windows (registered trademark). However, by adjusting the control parameter Dj, the simulation converges within almost 10 times, so that the simulation can be ended without being restricted by the OS as described above. At this time, Dj = 1 or a numerical value commensurate with the sales ability is set for a store without sales registration.
[0230]
Aj: Individual store suction coefficient (determined as a calculation result), and the individual store suction coefficient Aj is a weight coefficient for converting the sales floor area Mj × the individual store sales floor area bottom-up coefficient Dj into the individual store suction force. The simulation is mainly performed around this parameter.
[0231]
Mj (store floor area) × Dj (individual store sales floor area bottom-up coefficient) × Aj (individual store suction coefficient): Individual store suction power (determined as a calculation result). Increase. Here, as another embodiment of the present invention, it is possible to directly treat the sales floor area Mj as a variable, but it is easier to succeed in the simulation in a short time and to calculate the sales power of the individual store numerically by taking steps in this way. Easy to evaluate.
[0232]
Also, Dj × Aj = attracting force of individual store / area of store Mj is distinguished as a true individual store suction coefficient. The simulation shows the true store suction coefficient and the relative m ² By comparing the efficiencies, it is possible to determine whether the operation is an optimal solution. Originally relative m ² Efficiency is an index that indicates the relative individual store operating power at each location point. In many simulations, this index approximates the true store suction coefficient in many stores. Or the control parameters must be manipulated as such. However, in the simulation results, some stores do not. True individual store suction coefficient is relative m ² A store that is significantly larger than efficiency means that it has a large individual store attraction despite disadvantaged locations in terms of population and store locations. Conversely, the true individual store suction coefficient is relative m ² Stores that are significantly smaller than efficiency mean that, despite their favorable location and store size, they exhibit only a small individual store attraction. Note that the true individual store suction coefficient is automatically calculated in the same manner as the other parameters (the individual store suction force, the individual store suction coefficient, and the like). The calculation may be performed manually.
[0233]
Sgj: Individual store consumption share (control parameter) that j stores belonging to sub-business type g can draw in the assortment target consumption amount Cg, and the basic meaning is as defined, but individual store consumption share Sgj and business type average consumption share Sg actually has various meanings as follows, and these cannot be separated. The business type average consumption share Sg is synonymous with the “consumer business type share” described above.
-If the average customer unit price of the j stores is relatively high, the consumption share Sgj increases.
-If the income of households in the business area of j stores is high, the consumption share Sgj increases.
-When there is a large number of stores that are actually in a competitive relationship but are not included in the competitive business format (for example, general retail stores that handle fresh food when taking up supermarket competition), the consumption share Sgj is relative. Become smaller.
・ Large-sized stores have a vast surrounding area with low utilization in their commercial area, so their average market share is relatively smaller than that of small-sized stores. This is because the average customer unit price is high but the average period spending tends to decrease, which is offset by both terms.
In the case where the simulation is performed using only two or more general households as the main consumer, when there are many single households in the business area of j stores, the consumption share Sgj increases.
-The smaller the subdivision is, the larger the consumption share Sgj becomes. In the simulation, instead of individual stores, we start with the average consumption share of sub-business categories, but this figure is obtained as a result of all effects being offset. Since these circumstances are different for each analysis area, corrections are made several times based on the results of the simulation. Unique stores can be given for each store, but there is hardly any need except for the case where discount stores are mixed in the supermarket database.
[0234]
Rgj: the limit distance of individual stores (control parameters) of j stores, and the function form Rij ⁻ α is a non-convergent function, which asymptotically approaches zero and extends to infinity, but the actual probability Pr is specified based on the fact that it ends suddenly at about 2-3%. From the consumer's perspective, this means the maximum distance for each sub-business type when selecting a store. This can be corrected by looking at the probability contours of the simulation result. As the limit distance Rgj, for example, a time distance, a straight line distance, a road distance, a psychological distance, or the like can be applied.
[0235]
β (j): Individual store beta (control parameter), which represents a power exponent (normally operated at 1) applied to individual store suction power for individual stores.
[0236]
In addition to the above-described individual store-specific control parameters, the following sub-business type-specific control parameters are prepared.
α (g): Sub-business average alpha (control parameter).
Dg: Sub-business type average sales floor area bottom-up coefficient (control parameter).
Sg: Sub-business type average consumption share (control parameter). The sub-business type average consumption share Sg changes the average consumption share for each store group having a trade area, if there are regions showing considerably different income disparities in the area. be able to.
Rg: sub-business type average limit distance (control parameter). As the limit distance Rg, for example, a time distance, a straight line distance, a road distance, or the like can be applied.
β (g): Sub-business type average beta (control parameter), which represents a power index of the sub-business type average applied to individual store suction power (usually operated at 1).
[0237]
In addition, the following system control parameters are specified.
First, "the number of consumption probability contours and their intervals (% value in this example)" is specified. The number m of the probability band sandwiched between the two probability contour lines determined by this is also determined. The number of probability contour lines between 100% and 0% and their intervals (% value) can be arbitrarily specified. In a business type with a small exponentiation α, a small probability of several percent becomes important, and in a business type with a large exponentiation α, the probability of single digits becomes insignificant. It can be adapted with reference to empirical experience on the shape of the business area spatial structure of the business format. This can also be corrected by looking at the results of the simulation. Second, the consumer specifies the "maximum number of selected stores" for each sub-business type when selecting a store. At this time, the selection is made from a store having a short distance.
[0238]
Finally, the following simulation convergence conditions are specified.
Convergence condition e1: A given permissible error percentage of [theoretical sales−actual sales] of each individual store. An arbitrary number of stores of the same business type whose sales are known in the area are designated, and are applied to all the stores (usually, about 50 to 100 stores). For a store that has no actual sales registration, it is calculated as “theoretical value = actual value”.
The simulation converges when the error of each store is within the allowable error range for all the specified stores. At this time, the above-mentioned convergence condition e2 may be applied as another convergence condition. In this case, the convergence condition e2 is an allowable error (% or a constant) with respect to the average value of the sales errors of all stores for which convergence calculation is specified. It converges when the error average of all stores falls within the allowable error range.
[0239]
Here, various control parameters as described above, original data, and the like are introduced into a complex Huff simulation model to execute a simulation. At this time, as a modified example of the complex Huff simulation model, Various correction factors may be set for the control parameters, and control parameters to be set for the model may be appropriately added or deleted according to the contents of the simulation. Can be executed.
[0240]
The trade area analysis system 110 according to the present embodiment can provide the following functions.
-All store database files consisting of sales floor area, sales performance (approximately 50 to 60% can be executed even if unregistered), business type information, and store location information (only an address is possible in some areas) can be directly handled.
-In addition to being able to handle any item-specific consumption file, it can be used in a logical combination of, for example, a census, a household survey, and marketing data.
-As a background map, for example, an arbitrary raster map of a private mapping company can be handled, and a numerical map of the Geographical Survey Institute can also be handled.
The function Rij described above for the function form of probability ⁻ Exponential function exp ( ⁻ δRij) type functions can be selected. In this case, instead of specifying the power α of the distance Rij, a coefficient δ related to the distance Rij is specified.
As the distance Rij, any of a straight line distance, a road distance, a time distance, a psychological distance, and the like can be used.
・ As a target consumer entity, for example, "two or more general households" are used as calculation units, "two or more general households" and "single-person households" are used as calculation units, and only "single-person households" are used as calculation units. And so on. Further, as for the "single-person household", for example, it is possible to select, for example, "the young single-person household", "middle-age single-person household", "elder-single-person household", and the like, and the calculation unit is used. As described above, the target consumer subject can be selected from the items related to the statistical information stored in the regional statistical DB 114.
-Consumers can be specified not as a household but as a unit of calculation for "male and female population by age group".
-Arbitrary items on the census or establishment statistics or arbitrary categories that can be calculated from them by the four arithmetic calculations can be designated as the unit of calculation.
[0241]
Here, an example of a processing procedure of the commercial area analysis system 110 using the above-described complex Huff simulation model will be described in detail.
(1) Food competition centered on SM (in this case, the sub-sector is about 4 to 5 sub-sectors from small SM to GMS) or large store competition centered on GMS (in this case, The sub-sectors will be two sub-sectors, large SM and GMS), drug competitions, home center competitions, etc., and the competition type will be determined (in terms of consumers, shopping objectives will be decided). Determine the sub-business categories that make up the competition and prepare a sub-business store database.
(2) Prepare a control parameter database corresponding to the sub-business category. At this time, the control parameter database and the sub-business type store database may be integrated.
(3) The consumer decides something. General household, single household, both, or something else.
(4) Since the electronic map is used only as a background map and all the actual calculations are performed on the analysis plane in the PC 101, the latitude and longitude of the area of the electronic map are defined on the analysis plane (normally, in a metropolitan area). 35km square in the countryside, 50km to 100km square in the rural area).
(5) The maximum area defined in (4) above is wrapped in the analysis plane, and an analysis area one size larger than that is defined by latitude and longitude.
(6) The necessary data such as a local mesh statistical file (local statistical DB 114), a sub-business type store database (store DB 116), and a household consumption data file (household consumption DF 115) are read into the analysis area of the analysis plane.
(7) The program calculates the store selection probabilities by consumers on all mesh grid points or on all grid points obtained by arbitrarily dividing the mesh, and determines the consumption probability contours of all stores in the area. Thereafter, for a store for which actual sales have been registered and picked up for convergence calculation, theoretical sales are calculated based on the consumption probability contours, and the calculated sales are compared with actual sales.
[0242]
With respect to the operation criteria of the control parameters, the simulation is based on the individual store sales area area and the individual store sales area flooring factor (the initial value is ² Other than Efficiency), the control parameters of the sub-business type average are used as initial conditions. The power of the distance α is based on experience values (obtained from visitor survey results). First, calculation is performed once so that the difference% calculated by (theoretical sales-actual sales) / actual sales is close to the minimum for each sub-business type (in this case, the difference is the same on both sides +- The number of stores is a guideline), and adjust the average consumption share of sub-businesses. Next, the calculation is performed once again, and the store sales floor area raising coefficient is corrected so that the difference between theoretical sales and actual sales exceeds 30% as a guide, for example, so that the difference becomes several%. By doing so, the number of convergence calculations is significantly reduced, and in most cases, convergence can be achieved within 10 times.
[0243]
Concerning the optimal solution criterion of the simulation, convergence is realized by various combinations of the power of the distance α and the consumption share. Among them, the average of all business conditions of the true store suction coefficient calculated by the store suction force / store area ( (Average of all sub-business types) is (actual sales / sales floor area) / standard m ² Individual store relative m calculated by efficiency ² The combination that most closely approximates the average of all business categories of efficiency is the most realistic solution, that is, the optimal solution. This does not mean a unique solution, but it is evident from simulation that it is realized only in a narrow range with a power of distance α as described below. The new store sales forecast is performed in the folder that provides the optimal solution, and the display and analysis also use the data file in this folder.
[0244]
First, it can be seen from the simulation result that a stable solution does not exist unless the distance resistance coefficient α (power of distance α) is common to all stores. This is because the probability greatly changes with a small change in the distance resistance coefficient α. Further, with respect to the reference of the distance resistance coefficient α, the simulation itself converges stably within a certain range of the distance resistance coefficient α. That is, it has a stable solution. In the food supermarket competition model described above, the distance resistance coefficient α has a stable solution from about 1.0 to about 3.0. However, the simulation reveals that the above-mentioned optimal solution is not valid unless the distance resistance coefficient α is within a certain narrow range. Also, only under such conditions, it can be confirmed that the shape of the consumption probability contour line indicating the spatial structure of the commercial area of each individual store matches well with actual experience.
[0245]
The small distance resistance coefficient α means that the mobility of the consumer is high, the large store is advantageous, and the suction power of the small store is m ² If the efficiency isn't much higher than it shows, you won't be able to achieve real sales. Conversely, if the distance resistance coefficient α is large, a large store is disadvantageous, and a large store cannot achieve actual sales unless it has a suction power much larger than the actual sales floor area. Deviating from the coefficient α that produces this optimal solution, the suction power of small stores or large stores becomes larger as going to both ends, the shape of the consumption probability contour indicating the spatial structure of the commercial area of each store becomes distorted, and apart from experience come. In some areas of the metropolitan area, the coefficient α that provides the optimal solution in the super competitive model is around 1.8, and in the GMS competitive model is around 1.4. Thus, the value of the distance resistance coefficient α, which Hough was concerned with, can be more consistently estimated in this simulation than with any conventional demonstration means.
[0246]
The main output items of the simulation in the present trade area analysis system 110 are, for example, theoretical sales by individual store, theoretical sales by individual consumer by individual store, theoretical sales by consumption category by individual store, individual store suction power, individual store suction coefficient. , The true individual store suction coefficient, the numerical value of the national census item by consumption probability zone, and any calculated value thereof. The main output to the display / analysis unit 113 is, for example, a consumption probability contour, a nationwide survey item numerical value, a linear combination result thereof, an index calculation result, a store-by-category sales forecast value, and the like.
[0247]
Regarding the existing store competitiveness evaluation criteria, by changing the control parameter settings as described above, the true individual store suction coefficients of a large number of existing stores in the area are calculated as relative m. ² Let the simulation converge to approximately match the efficiency. Often relative m ² Efficiency is directly an index of attractiveness to competitors. Still, some stores have a true individual store attraction coefficient ² Can be much larger than efficiency. This store is located at ² High suction power is used to achieve efficiency. This is the relative m ² In spite of efficiency, it means that the ability to attract customers per unit area is relatively high. Then the relative m ² If the efficiency is not as high as that of other stores, it means that the population in the commercial area is small or the product strength is insufficient. Conversely, the true store suction coefficient is relative m ² Some stores are much smaller than their efficiency. In this case, the store, at its location, ² Despite its efficiency, it has only a small suction power. Then the relative m ² If the efficiency is not relatively small, then the trade area population is relatively large or the trade area competition is not severe.
[0248]
For analysis of the status of analysis areas based on average business type consumption share, gain insight into the income-consumption level of the area, and the consumption share of stores not included in the competitive business type, by comparing the sub-type average consumption shares among the areas. Can be.
[0249]
Regarding the criteria for setting the new store suction power for forecasting new store sales, existing stores in the commercial area where the new store is located, for example, relative to the true individual store suction coefficient of other stores of the same size ² Efficiency and the actual sales power and product power of those other stores are compared, and the individual store suction coefficient or the individual store suction force of the new store is calculated as a relative force based on the simulation results of the other stores of the same size. The estimated individual store suction coefficient or the individual store suction force, the estimated sales floor area, and the position information (longitude / latitude) are set in the prediction file. This prediction file is stored in the store DB 116. When performing new store sales prediction, the prediction file is read from the store DB 116, and the other control parameters (parameters other than the individual store suction coefficient and the individual store suction force) are those at the time when the convergence calculation of the other store of the same size is completed. Set. At this time, those parameters in the existing store at the time of the simulation convergence are used as they are. The new store sales prediction value is obtained by running the simulation once after this setting. The theoretical sales thus obtained is a predicted value around one year after the store opens, where local shopping behaviors become habitual. At the same time, the influence on other nearby stores is calculated. In addition, the method of calculating the effect of the exited store on other stores is the same. When the simulation has converged, the data of the exited store in the store database is removed, and then the simulation is run once. Can be.
[0250]
At this time, the consumption probability contours of the new store are shown on the electronic map, and the regional mesh statistics and all data processed and edited therefrom are selectively displayed in the mesh. Also, the sales of the new store relating to the household survey item and the category edited and edited therefrom are displayed.
[0251]
According to the complex Huff simulation model of the present invention, the simulation is generally performed in an area of 30 to 50 km square (100 km square in a rural countryside area) when a supermarket competition model is a representative example, but exists there. Sales of all stores included in the competition model can be estimated with arbitrary accuracy.
[0252]
In addition, all stores in the area are linked to each other through the consumption probability, but in that relationship, the sales power and the customer attraction of individual stores are calculated as the individual store suction power, the individual store suction coefficient, and the true individual It can be estimated numerically in the form of store suction coefficient, etc., and the true store suction coefficient and the relative m ² By comparing the efficiencies, it is possible to determine whether the store is doing business commensurate with location and scale, whether it is more or less, and so on.
[0253]
In addition, the average consumption share of the business category, which expresses the hidden effects of the income-consumption level of the domain and the consumption share of the business category that was not taken up when forming the competition model, and the average An in-area shopping movement characteristic value such as a sub-business average α representing the magnitude of distance movement resistance can be estimated by simulation.
[0254]
In addition, all stores linked to each other through consumption probabilities do not exist as points, but establish a trade area around the store.The trade area space structure is estimated in the form of consumption probability contours, and Can be represented on a map. In addition, using commercially available spreadsheet software and the like, theoretical sales by consumption probability band, census items by consumption probability band, and their calculated values are output. Analytical judgment can be made.
[0255]
In addition, when a new store is located in such a mutual relationship, the new store acquires its own trade area and gains sales in the position and power relationship with each existing store. Calculation can be performed with high accuracy. At the same time, it is possible to calculate the sales of the other store and the effect on the trade area structure, and also calculate the effect on the own store when the other store leaves. As a result, the retailer can judge the appropriateness of the location and the appropriate investment scale, and can reduce the risk of the long-term business plan.
[0256]
In addition, by creating an analysis plane as a data group processed and edited so that simulation results and data on the statistical database can be directly displayed as layers on the map data, advanced regional characteristic analysis can be performed on the electronic map. it can. For example, it is possible to evaluate the degree of citizenship in a commercial area by calculating an index, to evaluate the location environment by using a topographic map, that is, a numerical map, as a background map, and to conduct business site statistics and a database provided by, for example, NTT Information Development Co., Ltd. By reading such information, it is possible to analyze the location of any industry. This makes it possible to more accurately and easily determine the appropriateness of the location, analyze the characteristics of the residents in the business area, and determine the competitive relationship. As a result, it is possible to examine the conditions for establishing a new business and the location conditions, and to obtain targets and clues for planning product lineups for individual stores, sales promotion policies, competition policies, and the like.
[0257]
In addition, the analysis and simulation as described above may be performed by using a database such as a home center, a furniture store, a home appliance mass merchandise store, a drug store, a convenience store, various hospitals, a restaurant industry, or the like, in addition to a GMS or a supermarket. It can be applied to all location-based business types that can build a database based on. It can be implemented in any region.
[0258]
In this simulation, GMS and a supermarket competition model were used as representative examples. Tests were conducted in rural areas such as the Tokyo metropolitan area, the Chubu area, the Kinki area, and the northern Kanto area, the Tohoku area, and the Hokuriku area. It has been proved that a stable solution was obtained and the sales forecast of the new store on the database was within the error plus or minus 7%. However, in order to improve the accuracy of the forecast, the relative merchandise and sales power of each store relative to other major competitors and the marginal utility diminishing rate with respect to the sales floor area of the new store should be determined. It is necessary to set the sales floor area, the coefficient for raising the sales floor area for individual stores, the suction coefficient for individual stores, and the suction power for individual stores.
[0259]
In addition, the estimation of the power of the distance α, which has been a theoretical problem, and the suction power at individual stores can be determined in a consistent manner without relying on the conventional demonstration method. In such a complex system simulation, in the past, the connection with the reality was only similar (analog), but the complex system simulation of the present invention is new in that it enables demonstration, As a result, a highly accurate trade area analysis can be performed.
[0260]
FIG. 22 is a flowchart for explaining another example of the processing procedure in analysis area designation, map data and regional statistical data reading, processing editing, and analysis plane data creation to which the present invention is applied. First, a regional statistical database and linked consumption data are prepared (step S81), map data files of various scales and types are prepared, and position information (latitude, longitude) of each map data is set (step S82). . Next, a larger analysis area (calculation area) enclosing the largest map data is designated (step S83), all prepared files and set values are read (step S84), various mesh index calculations, mesh market analysis An analysis plane for calculation is created, and the calculation is performed (step S85). Next, analysis planes for the mesh original data file and the mesh analysis data file to be layered on the raster map are created (step S86). Further, it is determined whether or not to create analysis plane data for complex Hough simulation (step S87). If analysis plane data is to be created (in the case of YES), analysis plane data for simulation calculation is created (step S88). An analysis plane is created as a file to be layered on the map (step S89). If the analysis plane data is not created in step S87 (NO), the process ends.
[0261]
FIG. 23 is a flowchart for explaining an example of a procedure for preparing data for mesh analysis and point analysis to which the present invention is applied. First, the trade area analysis standard folder is introduced into an arbitrary storage device (for example, HD) of the PC 101 (step S91). Next, map data files of various scales and types are prepared, stored in the map DB 118 together with the position information (step S92), a regional statistical database is prepared, and stored in the regional statistical DB 114 (step S93). It is prepared and stored in the point DB 117 (step S94), and the household consumption data is prepared and stored in the household consumption DF 115 (step S95). Here, the processing order of each step from step S92 to S95 may be changed.
[0262]
FIG. 24 is a flowchart illustrating an example of a procedure for preparing data for analyzing a complex Huff simulation to which the present invention is applied. First, a shopping purpose and a competitive business category are determined, and a store database for each sub-business category is prepared (step S101). Next, a national average period consumption amount corresponding to the sub-business type and a control parameter database are prepared, and the prepared control parameter database is combined with the sub-business store database (step S102). At this time, the control parameters prepared for each individual store and each business type average are the sales floor area raising coefficient (the initial value is relative m ² Efficiency), consumption share, marginal distance, distance power α, and individual store suction power β. Next, the combined sub-business type store database is stored in the store DB 116 (step S103). Further, consumption data for each sales category is prepared and stored in the household consumption DF 115 (step S104).
[0263]
FIG. 25 is a flowchart illustrating an example of a mesh analysis, point data analysis, and simulation mesh input setting procedure to which the present invention is applied. First, the user (operator) opens the mesh analysis input setting on the PC 101 (step S111), sets the latitude and longitude of the upper left and lower right positions of the electronic map of various scales (step S112), and executes the mesh analysis. The type is selected (step S113), and the latitude and longitude per 1 km of the center of the map are set (step S114).
[0264]
In the mesh analysis input setting in step S111, calculation start (program execution start), area map (input of map file name used for displaying results), analysis area (designation of mesh analysis type and analysis area), area data (Data extraction from regional mesh data), mesh editing (editing of regional mesh data), correction calculation (correction processing), output of two or more households (output of the number of households for two or more households for trade area analysis), one person Household number output (output of one-person household for trade area analysis), consumption by household item (analysis of consumption by mesh household item), consumption by sales category (individual store category by business category or sub-business category) Sales forecast) is processed on the program. The types of mesh analysis that can be selected in step S113 include, for example, trade area analysis, national census, household survey, establishment statistics, commercial statistics industry edition, commercial statistics business type edition, commercial statistics 500m mesh statistics, and the like.
[0265]
Next, the user specifies a larger analysis area (calculation area) that wraps the largest map by latitude and longitude (step S115), and sets a folder name and a file name of the mesh area statistical data to be read (step S116). ), A primary mesh code including the target area is set (step S117), a census item to be used in the GIS analysis is specified, and an item name is given (step S118). At this time, an item operation expression is defined if necessary. Further, if necessary, a definition formula for various mesh index calculations and mesh market volume calculations used in the GIS analysis is set (step S119). At this time, a special calculation definition formula that can be set includes, for example, calculation of a demand amount of a convenience store.
[0266]
26 is a flowchart for explaining an example of a mesh analysis, point data analysis, and simulation mesh input setting procedure to which the present invention is applied, and is a continuation of the flowchart shown in FIG. 25. First, in step S119 shown in FIG. 25, after defining various mesh index calculations and mesh market volume calculation defining formulas used in the GIS analysis, if it is logically necessary, the various mesh calculation items used in the GIS analysis are changed to other mesh calculation items. The correction calculation is performed so as to match the mesh item (step S120). The user determines whether or not to perform the point data analysis (step S121). If the point data analysis is to be performed (YES), the point data file to be read is read. A name is set (step S122). If the point data analysis is not performed in step S121 (NO), the process proceeds to step S123. Next, the user determines whether or not to combine the household consumption analysis (step S123), and if the household consumption analysis is combined (YES), sets the name of the household consumption data file to be read (step S124). At this time, the household consumption data files that can be read and set include, for example, annual amount and number of purchases by item, consumption amount by age class, consumption amount by income class, consumption amount by region, consumption amount by month, and the like.
[0267]
If the household consumption analysis is not combined in step S123 (NO), the process proceeds to step S125. Further, the user determines whether or not to use the mesh analysis for competition simulation (step S125), and in the case of the mesh analysis for competition simulation (in the case of YES), sets the consumption file name for each sales category used in the complex Huff simulation ( Step S126). If it is not the mesh analysis for competition simulation in step S125 (NO), the process proceeds to step S127. Next, when the user clicks the mesh analysis calculation start button (step S127), the mesh analysis calculation is started.
[0268]
FIG. 27 is a flowchart for explaining another example of the processing procedure in various settings for simulation to which the present invention is applied. In this example, the individual store suction coefficient or the individual store consumption share is described as a variable, but the variables that can be set are not limited to these, and the power of the distance α or the coefficient δ of the distance, the limit distance, etc. It may be. First, the user determines the purpose of shopping and the competitive business category, prepares a sub-business database that composes it (step S131), prepares a control parameter database corresponding to the prepared sub-business, and stores it in the sub-business database. (Step S132), and a consumer entity is determined (step S133).
Next, the user specifies the purpose of the simulation (whether to calculate the existing store sales or to perform the new store sales prediction, etc.) (step S134), and specifies the number of simulation repetitions (step S135). Next, the user specifies the mesh division number N (step S136), reads all prepared databases, control parameters, and set values (step S137), and sets the consumption probability contours of all the stores in the area. The calculation is performed (step S138).
[0269]
Next, the user determines whether the simulation is an existing store convergence calculation or a new store sales forecast (step S139). In the case of a new store sales forecast, the user adds the unique number of the new store to be predicted in addition to the unique number of the existing store. Is set (step S140). In the case of the existing store convergence calculation in step S139, the unique number of the existing store to be subjected to the convergence calculation is set for each business type (step S141).
[0270]
FIG. 28 is a flowchart for explaining another processing procedure in various settings for simulation to which the present invention is applied, and is a continuation of the flowchart shown in FIG. First, after setting the unique number of the existing store to be calculated for convergence in step S141 shown in FIG. 27 for each business type, what is used as a variable (whether the individual store suction force and the individual store suction coefficient or the individual store consumption share) is used. , Etc.) (step S142), the permissible limit% of the relative error of the theoretical sales-actual sales difference by store with respect to the actual sales is set as the convergence determination condition (step S143), and the store is set as the parameter corrected store extraction condition. The allowable limit% of the relative error of the different theoretical sales-actual sales difference with respect to the actual sales is set (step 144). Here, when the individual store suction force and the individual store suction coefficient are specified in step S142, the correction amount (% or constant) for each time of the individual store suction force of the store outside the allowable limit is specified (step S145). . When the individual store consumption share is specified in step S142, a correction value (% or constant) for each time of the consumption share of the store outside the allowable limit is specified (step S146).
[0271]
FIG. 29 is a flowchart for explaining an example of an input setting procedure of a complex Huff simulation to which the present invention is applied. First, the user opens the simulation input setting on the PC 101 (step S151), specifies the purpose of the simulation (whether to calculate the theoretical sales of an existing store or predict the sales of a new store, etc.) (step S152), Is specified (step S153), and the number of mesh divisions at the time of calculation is set (step S154). In this example, a case where the existing store theoretical sales calculation is designated will be described as a representative example. Next, the user specifies whether to use the sub-business type average or the individual store data for the control parameters (the power β of the individual store suction power, the sales floor area raising coefficient) (step S155), and reads the sub-business type store. A database file name is set (step S156).
[0272]
Next, the user designates whether to use the sub-business type average or the individual store data for the control parameters (power of the distance α, the limit distance) (step S157), and to specify the unique number of the existing store to be subjected to the convergence calculation. It is set for each business type (step S158), the maximum number of stores when the consumer selects a store is set for each sub business type (step S159), and the value (%) of the consumption probability contour to be calculated is set for the number (step S159). S160). Next, the user specifies whether to use the sub-business type average or the individual store data for the control parameter (consumption share) (step S161), decides the consumer entity to be used in the calculation, and matches the relative consumption amount. Is set (step S162), and item No. for which total calculation of census data by store probability band is performed. And an item name are set (step S163).
[0273]
Next, the permissible limit% of the relative error of (theoretical sales-actual sales) / actual value sales for each store is set as a convergence determination condition (step S164). Next, the user sets, for example, a relative error limit for extracting a store for which the individual store suction force is to be corrected, and calculates a correction amount (% or a constant) of the individual store suction force for each store outside the limit. It is set (step S165). At this time, the relative error limit can be arbitrarily set, but it is preferable to set the same as the convergence determination condition. Further, when the simulation calculation start button is clicked (step S166), the repetitive calculation of the existing store sales and the individual store suction coefficient, the individual store suction force, the consumption probability contour, various data by probability band, etc. is started, and the result table after convergence is displayed. The "simulation result DF" folder is output, and at the same time, a "store area" database file for new store sales prediction is automatically created in the store DB folder (step S167).
[0274]
FIG. 30 is a flowchart for explaining another example of the processing procedure of the existing store simulation to which the present invention is applied. First, the analysis plane data for simulation is read (step S171), and each data input for simulation is read (step S172). Next, the simulation is executed using the set value for the individual store suction power or the individual store consumption share in the first time and the corrected value in the second and subsequent times (step S173), and the existing store consumption probability contour is calculated (step S174). ), An existing store theoretical sales calculation is performed (step S175). Next, a convergence history based on the average sales difference of all existing stores is recorded (step S176), and an individual store convergence determination is performed (step S177). When the convergence is achieved, various numerical results are written to a file (step S178). If the convergence has not been achieved (if not converged) in step S177, the process returns to step S173 to repeat the processing.
[0275]
Next, the convergence result analysis plane data file in which various numerical results are written in step S178 is stored (step S179), a store DB file for new store sales prediction is created (step S180), and an analysis plane file for a drawing layer is created. (Step S181).
[0276]
FIG. 31 is a flowchart for explaining another example of the processing procedure of the new store sales prediction simulation to which the present invention is applied. First, information about the new store is input to the store DB file for new store sales forecast created in step S180 shown in FIG. 30 (step S191). The individual store suction coefficient and the individual store suction power of the new store are set by comparing and considering the superiority of the individual store suction coefficient and the individual store suction force of the existing competitors in the commercial area. The existing store convergence result analysis plane data file stored in step S179 and the store DB file for new store sales prediction set in step S180 are read (step S192). Next, the sales prediction of the existing store and the new store is calculated (step S193), the consumption probability contour data of the existing store and the new store is calculated (step S194), and various numerical results regarding the existing store and the new store are written to a file. (Step S195). Further, a drawing layer analysis plane file is created (step S196).
[0277]
FIG. 32 is a flowchart illustrating an example of a data preparation procedure for a new store prediction calculation to which the present invention is applied. First, the user opens the "store area" database file for new store sales forecast created in the store DB folder (step S201), and stores the new store number in the "store area" database file for new store forecast calculation created by the existing store simulation. The sales floor area, position information, individual store sales area bottom-up coefficient, individual store suction coefficient, and individual store suction force are set, and the values of other control parameters are set to be the same as those of other stores at the time of convergence calculation (step S202).
[0278]
FIG. 33 is a flowchart illustrating an example of an input procedure of a new store sales prediction to which the present invention is applied. First, the user opens the simulation input setting on the PC 101 (step S211), specifies that the calculation is a new store sales prediction (step S212), and makes a prediction under the unique number setting line of the existing store to be converged. The unique number of the new store is set for each sub-business type (step S213). Next, the user clicks the simulation calculation start button while leaving the other settings as it is (step S214), and starts the new store sales prediction calculation.
[0279]
FIG. 34 is a flowchart for explaining another example of the processing procedure of analysis plane drawing and analysis operation to which the present invention is applied. Here, the display / analysis unit 113 has a function for performing geographic information analysis, and if data is created in the DB editing unit 111 or the simulation unit 112, it can be handled as independent software.
[0280]
In FIG. 34, first, the display / analysis unit 113 is activated (step S221), an analysis plane file for drawing is read (step S222), consumption probability contour data for each store is read (step S223), and sales calculation for each sales category is performed. The consumption data for each category for reading is read (step S224). Next, a raster map file as a background map is selected (step S225), the analysis plane file is layered, and a shop-specific consumption probability contour is displayed (step S226). Next, it is determined whether or not the shape of the consumption probability contour of the target store (existing store or new store) is appropriate from an empirical rule (step S227), and if it is determined to be appropriate (in the case of YES), display according to various modules is performed. Perform an analysis operation (step S228). If it is determined in step S227 that it is not appropriate (NO), the process returns to step S131 or step S191, changes the setting, and performs the process again.
[0281]
Next, the analysis results of the various modules executed in step S228 are output to, for example, a printout or a CSV file (step S229). It is also possible to paste an image to Microsoft Excel (registered trademark) or the like. At this time, all the analysis, data addition, and processing results can be stored in a file, or any image including an entire view or a partial view can be pasted and stored in a table provided from a predetermined application.
[0282]
FIG. 35 is a diagram showing a configuration example of a simulation calculation result table list and content items according to the present invention. In item A, the results of the mesh analysis and the point analysis are opened in the analysis / display unit 113. In item B, the complex competition model simulation calculation result table is output to the simulation result folder and is opened by the display / analysis unit 113.
[0283]
FIG. 36 is a diagram showing an example of a file configuration of a simulation result folder according to the present invention. The contents of the simulation result folder include four files: a convergence history file, a store-by-store total result file, a store-specific probability band-based theoretical sales result file, and a store-specific probability band-based census item result file. Furthermore, the convergence history file records the average error% of theoretical sales-actual sales difference for each number of simulation calculations. All result files by store include theoretical sales, actual sales, theoretical sales-actual sales difference%, sales floor area, individual store suction coefficient, individual store suction power, true individual store suction coefficient, Area increase coefficient, individual store sales area area increase coefficient, national average sub-business consumption, sub-business average consumption share, individual store consumption share, maximum number of selected stores by sub-business, average sub-business average limit distance, individual store limit distance, average business format α, individual store α, business type average β, individual store β, etc. are recorded.
[0284]
In addition, the theoretical sales result file by probability band for each store contains theoretical sales, the number of households with two or more households, the theoretical sales of two or more households, the number of single households, the theoretical sales of single households, etc. At the same time, the composition ratio% in each consumption probability band is recorded for each item. In the census item result file by store probability band, data by consumption probability band of a pre-designated census item is recorded for each store.
[0285]
FIG. 37 is a diagram showing an example of the convergence history file output to the simulation result folder shown in FIG. This convergence history file is a file in which a simulation is performed for each store and a theoretical sales-actual sales difference average error% for each number of simulation calculations is recorded, and the number of times of convergence based on a predetermined convergence determination condition is determined. As can be seen, the convergence history is stored in the simulation result folder. In the case of this example, the convergence is shown by eight simulation calculations.
[0286]
FIG. 38 is a diagram showing an example of all the store-specific result files output to the simulation result folder shown in FIG. This store-by-store total result file is a file in which simulation results are recorded as a theoretical total sales list, and results (numerical results) are recorded according to the items shown in FIG. At this time, the store with the number 130 (gms) and the store with the number 21 (sm2) (the shaded store in the figure) are in a state where the actual sales are not registered, but are optimal based on the simulation result of the existing store. Since it is possible to set values of various parameters, highly accurate theoretical sales (predicted values) can be obtained by simulation calculation. As described above, the trade area analysis system 110 of the present invention can be used very effectively when predicting the theoretical sales of an existing store, the sales prediction of a new store, and the like.
[0287]
FIG. 39 is a diagram illustrating an example of a theoretical sales result file by store probability band output to the simulation result folder illustrated in FIG. 36. This theoretical sales result file by store probability band includes the total theoretical sales of the store of store number 1 shown in FIG. 38 by consumption probability band, the composition ratio of the total theoretical sales by consumption probability band, and 2 Number of households or more and their composition ratio by consumption probability band Theoretical sales by two or more households and composition ratio by their consumption probability band, Number of single households and composition ratio by their consumption probability band, Theoretical sales by single household and This shows a state where the composition ratio and the like for each consumption probability band are recorded, and the result is recorded for each store.
[0288]
FIG. 40 is a diagram illustrating an example of a census item result file by store probability band output to the simulation result folder illustrated in FIG. 36. The census item result file by store probability band shows a state in which the data of the consumption probability band corresponding to the census item specified in advance for the store of store number 1 shown in FIG. 38 is recorded. The result is recorded for. In this example, each item is classified into a trade area and a store visit. The trade area is a survey of residents (consumers) of the entire trade area including the store, and the visit visit is , The consumers who use the store.
[0289]
FIG. 41 is a diagram showing an example of a display analysis screen according to the present invention. In the figure, reference numeral 120 denotes a display analysis screen. The display analysis screen 120 has map data 121, statistical items 122, trade area contour line list 123, and data input. 124. It should be noted that the numbers surrounded by squares in the figure indicate the unique store numbers assigned to the stores, and hereinafter, the store numbers will be described as indicating the stores. The store name can be displayed together with the store number. The user can specify “save and restore screen layout” and “minimize and standardize each window” in the data input 124. The windows that can be displayed on the screen of the PC 101 include a region map selection screen, a statistical item list, a hierarchical display setting, a longitude / latitude grid number correspondence table, all stores and characteristics table 1, all stores and characteristics table 2, trade area contour lines. There is a list, an area between contour lines, a consumption amount by category, and the like, and minimization and standardization of these windows can be individually specified. In addition, the user specifies a store to be displayed on the map data 121, contour lines, statistical information, and the like from the statistical item 122 and the trade area contour list 123, and accordingly displays data corresponding thereto on the map data 121 as appropriate. Can be done.
[0290]
FIG. 42 is a diagram illustrating a state where statistical information is displayed on the map data 121 illustrated in FIG. 41. The map data 125 in this example shows a state in which the number of general households in an area corresponding to each mesh included in the map data 121 is displayed. As described above, the statistical information that can be displayed on the map data 121 can be arbitrarily specified by the user from the statistical items 122 shown in FIG. The trade area analysis system 110 can display the designated statistical information in the mesh of the map data 125, and can display the displayed statistical information by color for each arbitrary hierarchical division. This color coding can be designated by a hierarchical color coding table (not shown) displayed in a separate frame from the map data 125. The trade area analysis system 110 can also display the consumption probability contours in different colors depending on the consumption probabilities.
[0291]
FIG. 43 is a partial view showing a state where a part of the map data 125 shown in FIG. 42 is enlarged and displayed. The partial diagram 126 in this example can be opened in a separate frame from the map data 125, can display various statistical information, and can perform various statistical calculations on the partial diagram 126. The display / analysis unit 113 displays an analysis result such as statistical information or store information according to the divided area on the map data over the entire area or a part of the map data. In this case, one or a plurality of arbitrarily selected statistical information, store information, and the like are displayed in a mesh included in a region divided on the map data 121 (the map data 125 indicates a state where the statistical information is displayed. ), A desired portion of the map data 125 on which the analysis result is displayed is displayed in an arbitrary size as a partial frame 126 separate from the map data 125. Calculations can be performed.
[0292]
FIG. 44 is a diagram illustrating an example of a display screen when the topographic map data is used instead of the map data 121. The topographic map data 127 is raster map data.
The trading area analysis system 110 makes it possible to use not only an expensive vector map engine but also an inexpensive and highly-completed raster map engine as a map as a background, and then creates an analysis plane corresponding to the map area. Simulation, statistical analysis, and other arbitrary data analysis can be performed in them, and they can be selectively and simultaneously displayed as layers on the map area.
[0293]
FIG. 45 is a diagram showing an example of a case where the ratio of a single household (single person) to a general household is displayed using the topographic map data 127. In the figure, 130 is a display analysis screen, and 130 is a display analysis screen. 130 includes statistical items 131, data input 132, trade area contour list 133, topographic map data 134, and the like. In the statistical item 131, No. 353 "the ratio of single households to general households" is checked, and a numerical value indicating the ratio of single persons to general households is displayed on each mesh of topographic map data 134. Since various kinds of statistical information can be displayed in mesh units over a wide area, it is possible to easily grasp consumer attributes and to plan new store openings, product policies, sales policies, etc. .
[0294]
FIG. 46 is a diagram showing an example of the contents of various folders according to the present invention. FIG. 46A is a diagram showing an example of the trade area analysis standard folder of step S91 shown in FIG. FIG. 46B is a diagram showing the contents of the trade area analysis standard folder shown in FIG. 46A. For example, trade area analysis such as a map DF, a regional mesh statistical DB, a point DB, a household consumption DF, a store DB, and simulation results. Are introduced into the PC 101. FIG. 46C shows the contents of the map DB folder in step S92 shown in FIG. 23. In this map DB folder, map data files of various scales and types are stored together with position information.
[0295]
FIG. 47 is a diagram showing another example of the contents of various folders according to the present invention. FIG. 47 is a diagram showing the contents of the regional mesh statistical DB folder in step S93 shown in FIG. 23. The regional mesh statistical DB folder includes a census statistical DB, a business establishment statistical DB, and a census-business statistical link result. DB, commercial statistics DB, industrial statistics DB, and the like are stored.
[0296]
FIG. 48 is a diagram showing another example of the contents of various folders according to the present invention. FIG. 48 (A) is a diagram showing the contents of the household consumption DF folder in step S95 shown in FIG. 23. The household consumption DF folder includes a household survey DF, a national consumption fact survey DF, a single household income and expenditure survey DF, and sales. The category consumption DF and the like are stored. FIG. 48 (B) shows the contents of the household survey DF folder shown in FIG. 48 (A). Monthly consumption, income class consumption, nationwide household consumption, regional consumption, age group consumption, etc., by year. The data about is stored. FIG. 48C is a diagram showing the contents of the store DB folder in step S103 shown in FIG. 24. Stores corresponding to regions are stored by business type, for example, GMS or SM. FIG. 48D is a diagram showing the contents of the sales category consumption DB folder in step S104 shown in FIG. 24. In this sales category consumption DB folder, consumption data for each sales category according to the business category is stored. .
[0297]
FIG. 49 is a diagram showing another example of the contents of various folders according to the present invention. FIG. 49A shows the contents of the simulation result DF folder in step S167 shown in FIG. 29. The simulation result DF folder contains the contents shown in FIGS. 37, 38, 39, and 40, respectively. Data is stored. In this example, trade area analysis-convergence history, trade area analysis-all results 1, 2, 3, 4; trade area analysis-theoretical sales results by probability band by store; trade area analysis-national census results by probability band by store are stored. The state is shown. FIG. 49 (B) is a diagram showing the contents of the “store area” database file for new store sales prediction in step S201 shown in FIG. 32. This “store area” database file for new store sales prediction is used when predicting sales of a new store. For storing new stores (store name, sales floor area, latitude and longitude indicating the location, estimated individual store suction power or individual store suction coefficient), and is automatically stored in the store DB folder (store DB 116). Created.
[0298]
As described above, each function in each embodiment of the trade area analysis system of the present invention has been mainly described. However, the present invention can also take a form as a trade area analysis method as described above. In addition, similarly to the trade area analysis system having each function, a form as a program for causing a computer to function as a trade area analysis system, or a program for causing a computer to execute a trade area analysis method, or the program is recorded. A form as a computer-readable recording medium is also possible.
[0299]
An embodiment of a recording medium that stores a program and data for realizing a trade area analysis function according to the present invention will be described. Specific examples of the recording medium include a CD-ROM (-R / -RW), a magneto-optical disk, a DVD-ROM, an FD, a flash memory, a memory card, a memory stick, and various other ROMs and RAMs. By causing a computer to execute the functions of the above-described system of each embodiment of the present invention on these recording media and recording and distributing a program for realizing the function of the trade area analysis, the functions can be easily realized. . Then, the program is read by the information processing apparatus by mounting the recording medium as described above on an information processing apparatus such as a computer, or the program is stored in a storage medium provided in the information processing apparatus, and if necessary, By reading, the trade area analysis function according to the present invention can be executed.
[0300]
【The invention's effect】
According to the present invention, when analyzing the business area of each store in a competitive business format using GIS, especially when there is intense competition between stores, it is possible to analyze the competitive relationship of existing stores and the spatial structure of the business area. It is possible to analyze consumer attributes and possible sales by consumption category.
[0301]
In addition, from the above analysis results, the user can formulate appropriate customer policies, competition policies, product policies, sales policies, etc., and at a new store, sales with high accuracy when the plan scale is variously changed. Prediction becomes possible, and as a result, the appropriate investment size can be determined (if the cost is added).
[0302]
In addition, since the consumer attributes can be grasped from the estimated or predicted commercial area space structure and the possible consumption attraction (sales) per category according to various consumption tiers can be estimated therefrom, the user can use floor plans, product policies, sales policies, etc. Can be drafted.
[0303]
In addition, a trade area analysis system, method, program, and recording medium capable of improving the accuracy of sales prediction of a new store and prediction of a space structure of a trade area, and realizing advanced marketing analysis regardless of whether the store is a new store or an existing store. Can be provided.
[Brief description of the drawings]
FIG. 1 is a diagram illustrating a configuration example of a commercial area analysis system according to an embodiment of the present invention.
FIG. 2 is a diagram showing an example of a theoretical total sales list according to the present invention.
FIG. 3 is a diagram showing an example of a trade area analysis-region map list according to the present invention.
FIG. 4 is a diagram showing an example of a trade area analysis-all stores and a characteristic table according to the present invention.
FIG. 5 is a diagram showing an example of a trade area analysis-contour line list according to the present invention.
FIG. 6 is a diagram showing an example of a trade area analysis-item list according to the present invention.
FIG. 7 is a diagram showing another example of a trade area analysis-item list according to the present invention.
FIG. 8 is a diagram showing an example of a setting screen of a trade area analysis-area between contour lines according to the present invention.
FIG. 9 is a diagram showing an example of map data selected from the regional map list shown in FIG. 3;
FIG. 10 is a diagram illustrating an example of a case where probability contours of respective stores selected in the store selection columns illustrated in FIGS. 4 and 5 are displayed on map data.
11 is a diagram showing an example of a case where numerical data corresponding to an item selected in the item list shown in FIG. 6 is displayed on map data.
FIG. 12 is a diagram showing an example of a case where numerical data corresponding to an item selected in the item list shown in FIG. 7 is displayed on map data.
13 is a diagram showing an example of a case where the map data shown in FIG. 12 is enlarged and displayed as a partial view.
14 is a diagram illustrating an example of a calculation result of a trade area analysis-consumption amount by category calculated based on the area setting between contour lines illustrated in FIG. 8;
FIG. 15 is a flowchart illustrating an example of a processing procedure in analysis area designation, map data and regional statistical data reading, processing editing, and analysis plane data creation to which the present invention is applied.
FIG. 16 is a flowchart illustrating an example of a processing procedure in various settings for a simulation to which the present invention is applied.
FIG. 17 is a flowchart for explaining a processing procedure in various settings for simulation to which the present invention is applied, and is a continuation of the flowchart shown in FIG. 16;
FIG. 18 is a flowchart illustrating an example of a processing procedure of an existing store simulation to which the present invention is applied.
FIG. 19 is a flowchart illustrating an example of a processing procedure of a new store sales prediction simulation to which the present invention is applied.
FIG. 20 is a flowchart illustrating an example of a processing procedure of analysis plane drawing and analysis operation to which the present invention is applied.
FIG. 21 is a diagram illustrating a configuration example of a commercial area analysis system according to another embodiment of the present invention.
FIG. 22 is a flowchart for explaining another example of a processing procedure in analysis area designation, map data and regional statistical data reading, processing editing, and analysis plane data creation to which the present invention is applied.
FIG. 23 is a flowchart for explaining an example of a procedure for preparing data for mesh analysis and point analysis to which the present invention is applied.
FIG. 24 is a flowchart illustrating an example of a procedure for preparing data for analyzing a complex Hough simulation to which the present invention is applied.
FIG. 25 is a flowchart illustrating an example of a mesh analysis, point data analysis, and simulation mesh input setting procedure to which the present invention is applied.
26 is a flowchart for explaining an example of a mesh analysis, point data analysis and simulation mesh input setting procedure to which the present invention is applied, and is a continuation of the flowchart shown in FIG. 25.
FIG. 27 is a flowchart for explaining another example of a processing procedure in various settings for simulation to which the present invention is applied.
28 is a flowchart for explaining another processing procedure in various settings for simulation to which the present invention is applied, and is a continuation of the flowchart shown in FIG. 27.
FIG. 29 is a flowchart for explaining an example of an input setting procedure of a complex Huff simulation to which the present invention is applied.
FIG. 30 is a flowchart for explaining another example of the processing procedure of the existing store simulation to which the present invention is applied.
FIG. 31 is a flowchart illustrating another example of a processing procedure of a new store sales prediction simulation to which the present invention is applied.
FIG. 32 is a flowchart illustrating an example of a data preparation procedure for a new store prediction calculation to which the present invention is applied.
FIG. 33 is a flowchart for explaining an example of an input procedure of a new store sales forecast to which the present invention is applied.
FIG. 34 is a flowchart for explaining another example of the processing procedure of analysis plane drawing and analysis operation to which the present invention is applied.
FIG. 35 is a diagram showing a configuration example of a simulation calculation result table list and content items according to the present invention.
FIG. 36 is a diagram showing an example of a file configuration of a simulation result folder according to the present invention.
FIG. 37 is a diagram illustrating an example of a convergence history file output to the simulation result folder illustrated in FIG. 36;
38 is a diagram showing an example of an all-by-store result file output to the simulation result folder shown in FIG. 36.
39 is a diagram showing an example of a theoretical sales result file by probability band for each store output to the simulation result folder shown in FIG. 36.
FIG. 40 is a diagram showing an example of a census item result file by store probability band output to the simulation result folder shown in FIG. 36;
FIG. 41 is a diagram showing an example of a display analysis screen according to the present invention.
42 is a diagram showing a state where statistical information is displayed on the map data shown in FIG. 41.
FIG. 43 is a partial view showing a state where a part of the map data shown in FIG. 42 is enlarged and displayed.
FIG. 44 is a diagram showing an example of a display screen when topographic map data is used instead of map data.
FIG. 45 is a diagram showing an example of a case where the ratio of a single household (single person) to a general household is displayed using topographic map data.
FIG. 46 is a diagram showing an example of the contents of various folders according to the present invention.
FIG. 47 is a diagram showing another example of the contents of various folders according to the present invention.
FIG. 48 is a diagram showing another example of the contents of various folders according to the present invention.
FIG. 49 is a diagram showing another example of the contents of various folders according to the present invention.
FIG. 50 is a diagram showing an example of a distribution state of the number of visits by a consumer.
FIG. 51 is a diagram showing a relationship between a power of distance α and a distance.
[Explanation of symbols]
1,101 PC, 10, 110 Trade area analysis system, 11, 111 DB editing unit, 11a, 111a Analysis area definition module, 11b, 111c Analysis plane file creation module, 12, 112 Simulation unit, 12a, 112a: input I / F module, 12b, 112b: simulation calculation execution module, 12c, 112c: new store sales prediction module, 13, 113: display / analysis unit, 13a, 113a: startup module, 13b, 113b: display / analysis module , 13c, 113c: output module, 14, 114: regional statistical DB, 14a, 114a: regional statistical information, 14b: link data, 15, 116: store DB, 15a, 116a: store information, 16: user polygon DB, 16a ... Attribute information, 17, 118 ... Figure DB, 17a, 118a: Map data, 20: Total theoretical sales list, 21: Store name, 22: Business type, 23: Theoretical monthly sales, 24: All departments monthly sales, 25: Monthly sales relative error, 26: Direct sales Surface, 27: Customer suction coefficient, 28: Customer suction power, 29: Limit distance, 30: Store number, 40: Regional map list, 41: Numerical display screen selection, 42: General view screen display method selection, 43 ... Number of grids for partial view display, 44: List of whole area maps, 50: List of all stores and characteristics, 51: Group selection column, 52: Store display column, 53: Characteristics table, 60: List of contour lines, 61: Selection of probability contour lines Column, 62: store selection column, 63: screen designation, 70: item list, 71: linear combination designation, 72: index creation, 73: item list, 80: contour line area setting screen, 81: contour line area selection Column, 82 ... contour line value designation column, 83 ... Pave name list, 90: Map data, 91: Grid number in the longitude direction, 92: Grid number in the latitude direction, 93: Probability contour lines, 94, 95: Numeric data, 96: Detailed data list for numerical data, 97: Part FIG. 100: Calculation result of consumption amount by category, 111b: Mesh analysis and point analysis calculation module, 112d: Simulation result output module, 115: Household consumption DF, 115a: Household survey and other consumption link data, 116b: Control parameters, 117 ... Point DB, 117a ... Point information, 120,130 ... Display analysis screen, 121,125 ... Map data, 122,131 ... Statistical items, 123,133 ... Trade area contour line list, 124,132 ... Data input, 126 ... Part Figures 127 and 134: Topographic map data.

Claims (76)

In a trade area analysis system for setting a trade area on map data and analyzing the set trade area, a regional statistics database storing statistical information on residents for each arbitrary area and a trade area analysis on map data prepared in advance A target area specifying means for specifying a target area, a store database storing store information including at least any one of a store name, a sales floor area, a latitude / longitude indicating a location, and a sales performance value of each store for each business type; By performing a simulation calculation for estimating the commercial area space structure and the theoretical sales for each of the stores included in the target area specified by the specifying means, the parameters of the predetermined probability model are converted to the sales results stored in the store database. Simulation means for deciding to approach the value. Temu. 2. The trade area analysis system according to claim 1, further comprising a store designation unit for designating a store to be simulated from stores included in the target area, wherein the simulation unit comprises a store designated by the store designation unit. A trade area analysis system, wherein the parameters of the probability model are determined so as to approach the actual sales value stored in the store database by performing a simulation on each of the simulation models. 3. The commercial area analysis system according to claim 1, wherein the simulation means calculates a sales estimated value calculated based on a result of a simulation using the probability model and a sales actual value stored in the store database. A trade area analysis system, wherein a parameter of the probability model is determined by repeatedly performing a simulation until the difference falls within a predetermined allowable range with respect to the actual sales value. 4. The commercial area analysis system according to claim 1, wherein the probability model is configured to adjust a customer suction force representing a magnitude of a suction force that attracts a customer in a store and a magnitude of the customer suction force. 5. The customer suction coefficient, the floor-lifting coefficient specified for each business type or individual store in order to raise the store floor area in advance, the power β of the customer suction power of the store, and the power α of the distance from the customer residence point to the store α And a limit distance indicating the distance from the store to be simulated included in the target area to the residence area of the customer located farthest, and the maximum store selectable by business type that can be selected by the customer within the limit distance. Number of households in total consumption categories per household or per person in all consumption categories in the household survey covered by stores of each business type Any one of a plurality of consumption shares representing a ratio that can be actually consumed in a store of each business type as an average or an average per person is defined as a parameter, and the customer suction power is based on the customer suction coefficient and the sales floor area of the store. A trade area analysis system characterized by being calculated by multiplying by a raising factor. 5. The trade area analysis system according to claim 1, wherein the probability function form included in the probability model is specified as a power of distance type or an exponential function type of distance. Means for specifying a consumer subject to be a target of the probability model from among items related to statistical information stored in the regional statistical database. The trade area analysis system according to claim 4, wherein, when an exponential function type relating to a distance is designated by the probability function form designation unit, the probability model is calculated from a customer residence point instead of the distance power α. A trade area analysis system characterized in that a coefficient δ according to a distance to each store can be set. 7. The commercial area analysis system according to claim 1, further comprising a control parameter database storing control parameters for each business type and / or individual store, wherein said simulation means is specified by said target area specifying means. By performing the simulation calculation based on the control parameters for each business type or individual store stored in the control parameter database for each of the stores included in the target area, the parameters of the probability model are stored in the store database. A trade area analysis system characterized in that a decision is made so as to approach the stored actual sales value. 8. The trade area analysis system according to claim 7, wherein the control parameters stored in the control parameter database are, for each individual store, a business type symbol, a bottom-up coefficient, a consumption share, a limit distance, a power β of a customer suction force, and a power of a distance. Includes either α or the coefficient δ related to the distance, and in the case of the average by business category, includes any of the coefficient of raising the base, consumption share, limit distance, the power β of the customer attraction, the power of the distance α or the coefficient δ related to the distance A trade area analysis system characterized by the following. 9. The commercial area analysis system according to claim 1, wherein the simulation unit includes a power β of a customer suction force, a power α of a distance, or a coefficient δ of a distance for a store included in the target area. , Limit distance, consumption share, flooring factor, maximum number of stores, and specify the power of customer suction power β, power of distance α or coefficient δ on distance, limit distance, consumption share, flooring factor, maximum The number of stores is set in the probability model, and the customer attraction coefficient and the customer attraction force are repeatedly calculated by repeating the simulation while correcting the customer attraction coefficient and the customer attraction force for each of the stores according to the immediately preceding simulation result. A trade area analysis system characterized by determining the following. 10. The business area analysis system according to claim 9, wherein the simulation means further specifies in advance an average consumption amount per household or per person for each business type, and sets the specified average consumption amount in the probability model. A trade area analysis system characterized by the following. 11. The commercial area analysis system according to claim 1, wherein the simulation unit specifies a number of simulations for a store included in the target area, and executes the specified number of simulations. If the difference between the estimated sales value calculated based on the simulation result and the actual sales value stored in the store database is equal to or greater than a predetermined threshold, the store that indicates the difference is extracted, and the extracted store Determining the corresponding customer suction force or customer suction coefficient at the time when the simulation is completed, and further performing the simulation repeatedly while changing the limit distance within the specified range, thereby determining the limit distance. Business area analysis system. 12. The commercial area analysis system according to claim 1, wherein the simulation unit specifies a number of simulations for a store included in the target area, and executes the specified number of simulations. If the difference between the estimated sales value calculated based on the simulation result and the actual sales value stored in the store database is equal to or greater than a predetermined threshold, the store that indicates the difference is extracted, and the extracted store The determined customer attraction force or customer attraction coefficient is determined at the end of the simulation, and the distance is increased by repeatedly performing the simulation while changing the power of the distance α or the coefficient δ of the distance within the specified range. A trade area analysis system for determining a power α or a coefficient δ concerning a distance. 13. The commercial area analysis system according to claim 1, wherein the simulation means specifies a simulation number for a store included in the target area, and executes the specified number of simulations. If the difference between the estimated sales value calculated based on the simulation result and the actual sales value stored in the store database is equal to or greater than a predetermined threshold, the store that indicates the difference is extracted, and the extracted store Determining the corresponding customer suction force or customer suction coefficient at the time when the simulation is completed, and further performing the simulation repeatedly while changing the consumption share within a specified range, thereby determining the consumption share. Business area analysis system. 14. The commercial area analysis system according to claim 1, wherein the simulation means includes a power β of a customer suction force, a power α of a distance, or a coefficient δ concerning a distance for a store included in the target area. , Customer suction power, consumption share, the maximum number of stores are specified in advance, and the specified customer suction power exponentiation β, distance power α or distance-dependent coefficient δ, customer suction power, consumption share, and the maximum number of stores are described above. A trade area analysis wherein the limit distance is determined by repeatedly performing simulation while setting the probability model and changing the limit distance within a specified range in accordance with the immediately preceding simulation result for each of the stores. system. 15. The commercial area analysis system according to claim 1, wherein the simulation unit is configured to calculate a power β of a customer suction force, a limit distance, a customer suction force, a consumption share, and a power of a customer included in the target area. The maximum number of stores is specified in advance, and the power β of the specified customer suction force, the limit distance, the customer suction force, the consumption share, the maximum number of stores are set in the probability model, and the simulation results obtained immediately before for each of the stores A trade area analysis wherein the power of the distance α or the coefficient δ of the distance is determined by repeatedly performing a simulation while changing the power of the distance α or the coefficient δ of the distance within a specified range according to system. 16. The commercial area analysis system according to claim 1, wherein the simulation means includes a power β of a customer suction force, a power α of a distance, or a coefficient δ concerning a distance for a store included in the target area. , Customer suction power, limit distance, the maximum number of stores are specified in advance, and the specified customer suction power exponent β, distance power α or coefficient δ pertaining to the distance, customer suction power, limit distance, maximum store number are described above. A trade area analysis wherein the consumption share is determined by repeating the simulation while setting the probability model and changing the consumption share within a specified range according to the immediately preceding simulation result for each of the stores. system. 17. The commercial area analysis system according to claim 1, wherein the simulation unit calculates a sales estimation value calculated based on a result of simulation using the probability model for a store included in the target area. By repeatedly performing the simulation until the difference between the actual sales value stored in the store database and the difference becomes equal to or less than a predetermined maximum value or a predetermined maximum relative error with respect to the actual sales value, the probability is calculated. A trade area analysis system characterized by determining model parameters. 18. The commercial area analysis system according to claim 1, wherein the simulation unit is configured to calculate a sales floor area, a sales floor efficiency, a product category, a sales form, and the like based on store information stored in the store database for each business type. Stores are extracted in advance from at least one or more of store facilities, location conditions, population or capital concentration in the location area, and the extracted stores are classified into different business format files as separate business formats, and the classified business formats A trade area analysis system, wherein parameters of the probability model are set or determined for each file. 19. The commercial area analysis system according to claim 1, wherein the simulation means includes: a sales estimation value calculated based on a first simulation result for a store included in the target area; If the difference from the stored sales performance value is equal to or greater than a predetermined threshold, the store showing the difference is extracted, the extracted store is classified as a different business format into different business format files, and for each of the classified business format files, A trade area analysis system, wherein parameters of the probability model are set or determined. 20. The trade area analysis system according to claim 18, wherein the simulation unit executes a simulation for a store included in the target area, and calculates a relative size of sales per unit area of the store or a unit area. A business area analysis system characterized by multiplying a sales area of a store belonging to the business format file by a floor-lifting coefficient in advance in a business format file classified on the basis of the size. 21. The trade area analysis system according to claim 1, wherein the simulation means includes a sales estimation value calculated based on a first simulation result for a store included in the target area, and the sales database. If the difference from the stored sales performance value is equal to or greater than a predetermined threshold, a store indicating the difference is extracted, and a floor-lift factor or consumption share of the extracted store is set in advance so that the difference is equal to or less than the threshold. A trade area analysis system characterized by: 22. In the commercial area analysis system according to any one of claims 1 to 21, when the simulation means predicts sales of a new store in the target area specified by the target area specifying means, the simulation means includes the existing area included in the target area. After performing a simulation for each store, the parameters of the probability model are determined so as to approach the actual sales value stored in the store database, and then the store name and sales floor of the new store for which the sales forecast is to be performed. The area and the latitude and longitude data indicating the location are set, and in the new store, a customer suction force or a customer suction coefficient estimated based on the simulation result of an existing store belonging to the same business type as the new store; Among the determined parameters of the store, parameters other than the customer suction force and the customer suction coefficient Trade area analysis system set the over data to the probability model, and performs sales forecasts new stores running simulation using the probability model set the parameters. 23. The commercial area analysis system according to claim 1, wherein the simulation unit is configured to execute the simulation on the existing store or the new store based on a simulation result performed on the existing store or the new store included in the target area. Sales estimates or forecasts for each store, actual sales values, differences between sales estimates and actual sales values, customer attraction coefficient, customer attraction, bottom up factor, consumption share, power of customer attraction β, marginal distance, distance A trade area analysis system that generates an analysis result list including at least one of a power exponent α, a coefficient δ related to a distance, and theoretical sales per store selection probability band as a function of the distance. 24. The trade area analysis system according to claim 23, wherein the simulation means is based on a simulation result executed for an existing store or a new store included in the target area, and statistical information stored in the regional statistical database. A sales category-based sales estimate or forecast value for the existing store or the new store, or a sales category-based sales estimate or forecast value arbitrarily defined. 25. The trade area analysis system according to claim 1, wherein the simulation means simultaneously executes a simulation for each of the stores included in the target area. 26. The trade area analysis system according to any one of claims 1 to 25, wherein the simulation means is extended by adding a control parameter to the Huff model, and a simultaneous non-linear calculation algorithm including a probability that sales of individual stores are used as explained variables. A store selection consumption probability as a function of distance, and a theoretical sales of an existing store or a new store can be estimated or predicted based on the obtained store selection consumption probability. 27. The commercial area analysis system according to claim 1, wherein statistical information and store information corresponding to the target area specified by the target area specifying means are read from the regional statistical database and the store database, respectively. The simulation means repeatedly executes a simulation based on the statistical information and the store information, and maps one or more of the read statistical information, the store information, and the analysis result of the executed simulation to map data. A trade area analysis system comprising an analysis plane creating means for creating an analysis plane as a data group processed and edited so as to be directly displayed on a layer. 28. In the commercial area analysis system according to any one of claims 1 to 27, the regional statistical database stores statistical information on inhabitants for each mesh and / or for each town, and investigates the actual situation of consumption and purchase in households. Has stored therein a consumption data file including data on household consumption, and the analysis plane creating means reads consumption data corresponding to the read statistical information when reading statistical information from the regional statistical database, and reads the consumption data. A trade area analysis system, comprising: editing consumption data in combination with the statistical information; and creating an analysis plane based on the edited statistical information. 29. The commercial area analysis system according to claim 1, wherein analysis on the statistical information stored in the regional statistical database is performed on the analysis plane created by the analysis plane creating means, and the analysis is stored in the store database. And an analysis unit for performing an analysis on the analyzed store information, and any one or more of the statistical information, the store information, and the result analyzed by the analysis unit are set in a target area designated by the target area designation unit. A trade area analysis system characterized in that layers are displayed on map data having the following. 30. In the commercial area analysis system according to any one of claims 1 to 29, the simulation unit performs an analysis on an existing store or a new store included in the target area on the analysis plane created by the analysis plane creation unit. Based on the executed simulation result, a consumption probability contour line for displaying the store selection consumption probability of the collective consumer for each store as a function of the distance is generated, and the analysis unit includes the consumption probability generated by the simulation unit. A trade area analysis system, wherein contour lines are displayed in layers on the map data, and analysis is performed on the trade area structure of the existing store or the new store based on the consumption probability contour lines displayed in the layer. 31. In the trade area analysis system according to claim 30, the simulation means can arbitrarily designate a value and an interval of the probability of the consumption probability contour line when generating the consumption probability contour line based on the simulation result. A trade area analysis system characterized in that: 32. The trade area analysis system according to claim 30, wherein the analysis means is capable of displaying the consumption probability contours in different colors according to consumption probability. 33. The commercial area analysis system according to claim 29, wherein the analysis means displays desired statistical information in a mesh on the map data, and displays the displayed statistical information in a color-coded manner for any hierarchical division. A trade area analysis system characterized by being made possible. 34. In the commercial area analysis system according to any one of claims 1 to 33, a polygon area generating means for generating an arbitrary polygon area defined by a user on map data having a target area specified by the target area specifying means. And a polygon database storing attribute information including statistical information and store information according to the generated polygon area, wherein the analyzing means is configured to execute the analysis on the analysis plane created by the analysis plane creating means. A trade area analysis system for analyzing attribute information stored in a polygon database and displaying the analysis result as a layer on the map data. 35. The trade area analysis system according to claim 1, wherein the map data is in a raster format or a vector format. 36. The commercial area analysis system according to claim 1, wherein the analysis result of the statistical information and / or the store information according to the area divided on the map data is stored in the entire area or a partial area of the map data. When the desired portion of the map data on which the analysis result is displayed is enlarged and displayed, the map data is enlarged and displayed at an arbitrary size together with the analysis result as a partial view in a frame separate from the map data, and A trade area analysis system capable of executing various statistical calculations on the partial diagram. In a trade area analysis system for setting a trade area on map data and analyzing the set trade area, a map database storing map data, a regional statistics database storing statistical information on residents for each arbitrary area, Target area designating means for selecting desired map data from the map data stored in the map database and designating a target area for trade area analysis on the selected map data, and store name, sales floor area, and location of each store A store database storing at least store information including at least any one of a plurality of latitude and longitude indicating the actual sales value, and a store area structure and theoretical sales for each of the stores included in the target area specified by the target area specifying means. By performing a simulation calculation for estimating the Trade area analysis system; and a simulation means for determining to approach the actual sales value stored in the database. In a trade area analysis method for setting a trade area on map data and analyzing the set trade area, a regional statistical database storing inhabitants statistical information for each arbitrary area, a store name, a sales floor area, and a location of each store A latitude / longitude indicating, a store database storing at least store information including at least one of the plurality of sales performance values for each business type, and a target region specifying step of specifying a target region for a trade area analysis on map data prepared in advance. By performing a simulation calculation for estimating the commercial area space structure and theoretical sales for each of the stores included in the specified target area, the parameters of a predetermined probability model are converted to the sales performance values stored in the store database. And a simulation step of deciding to approach the trade area. 39. The trade area analysis method according to claim 38, wherein a store to be simulated is specified from stores included in the target area, and a simulation is performed for each of the specified stores, thereby setting parameters of the probability model. A trade area analysis method, wherein the determination is made so as to approach the actual sales value stored in the store database. 40. The trade area analysis method according to claim 38, wherein a difference between an estimated sales value calculated based on a result simulated using the probability model and an actual sales value stored in the store database is the sales amount. A trade area analysis method, wherein a parameter of the probability model is determined by repeatedly performing a simulation until an actual value falls within a preset allowable range. 41. The commercial area analysis method according to any one of claims 38 to 40, wherein the probability model is for adjusting a customer suction force representing a magnitude of a suction force for attracting a customer in a store and a magnitude of the customer suction force. The customer suction coefficient, the floor-lifting coefficient specified for each business type or individual store in order to raise the store floor area in advance, the power β of the customer suction power of the store, and the power α of the distance from the customer residence point to the store α And a limit distance indicating the distance from the store to be simulated included in the target area to the residence area of the customer located farthest, and the maximum store selectable by business type that can be selected by the customer within the limit distance. Number of households in total consumption categories per household or per person in all consumption categories in the household survey covered by stores of each business type Any one of a plurality of consumption shares representing a ratio that can be actually consumed in a store of each business type as an average or an average per person is defined as a parameter, and the customer suction power is based on the customer suction coefficient and the sales floor area of the store. A trade area analysis method characterized by being calculated by multiplying by a raising factor. 42. The method of claim 38, wherein the form of the probability function included in the probability model is specified to be either a power of distance type or an exponential type of distance. A trade area analysis method, comprising: a step; and a consumer subject designation step of arbitrarily designating a consumer subject to be a target of the probability model from items related to statistical information stored in the regional statistical database. 43. The trade area analysis method according to claim 41, wherein, when an exponential function type related to a distance is specified in the probability function format specifying step, the probability model is replaced with a customer residence point instead of the power of distance α. Characterized in that a coefficient δ relating to a distance from a store to each store can be set. The commercial area analysis method according to any one of claims 38 to 43, wherein a control parameter database storing control parameters for each business type and / or individual store is prepared in advance, and for each store included in the target area, By performing the simulation calculation based on the control parameters for each business type or individual store stored in the control parameter database, the parameters of the probability model are determined so as to approach the actual sales values stored in the store database. A trade area analysis method characterized by the following. 45. The trade area analysis method according to claim 44, wherein the control parameters stored in the control parameter database are, for each individual store, a business form symbol, a bottom-up coefficient, a consumption share, a limit distance, a power β of a customer attraction, and a power of a distance. Includes either α or the coefficient δ related to the distance, and in the case of the average by business category, includes any of the coefficient of raising the base, consumption share, limit distance, the power β of the customer attraction, the power of the distance α or the coefficient δ related to the distance A trade area analysis method characterized by the following. 46. The trade area analysis method according to claim 38, wherein the store included in the target area has a power β of the customer suction power, a power α of the distance or a coefficient δ concerning the distance, a limit distance, and consumption. The share, raising coefficient, and the maximum number of stores are specified in advance, and the specified customer power of power β, the power of distance α or the coefficient δ of the distance, the limit distance, the consumption share, the raising coefficient, and the maximum number of stores are the probability. It is possible to determine the customer attraction coefficient and the customer attraction force by repeating the simulation while setting the model and at the same time correcting the customer attraction coefficient and the customer attraction force for each of the stores according to the immediately preceding simulation result. Characteristic trade area analysis method. 47. The business area analysis method according to claim 46, further comprising specifying an average consumption amount per household or per person in advance for each business type, and setting the specified average consumption amount in the probability model. Analysis method. 48. The commercial area analysis method according to claim 38, wherein the number of simulations is specified for a store included in the target area, the specified number of simulations is performed, and then the simulation is performed based on the simulation result. If the difference between the calculated estimated sales value and the actual sales value stored in the store database is equal to or greater than a predetermined threshold value, the store indicating the difference is extracted, and the customer attraction according to the extracted store is extracted. Alternatively, a customer attraction coefficient is determined when the simulation is completed, and the limit distance is determined by repeatedly performing a simulation while changing the limit distance within a specified range. 49. The commercial area analysis method according to claim 38, wherein the number of simulations is specified for a store included in the target area, and the specified number of simulations is executed. If the difference between the calculated estimated sales value and the actual sales value stored in the store database is equal to or greater than a predetermined threshold value, the store indicating the difference is extracted, and the customer attraction according to the extracted store is extracted. Or, while determining the customer attraction coefficient at the time of completion of the simulation, and further changing the power of the distance α or the coefficient δ of the distance within the specified range, and further performing the simulation, the power of the distance α or the distance Determining a coefficient δ according to (1). 50. The trade area analysis method according to claim 38, wherein the number of simulations is specified for a store included in the target area, and the specified number of simulations is performed. If the difference between the calculated estimated sales value and the actual sales value stored in the store database is equal to or greater than a predetermined threshold value, the store indicating the difference is extracted, and the customer attraction according to the extracted store is extracted. Alternatively, the consumption area is determined by determining the customer attraction coefficient when the simulation is completed, and further performing the simulation repeatedly while changing the consumption share within a specified range, thereby determining the consumption area. The trade area analysis method according to any one of claims 38 to 50, wherein for a store included in the target area, a power β of the customer suction power, a power α of the distance or a coefficient δ applied to the distance, and a customer suction power, The consumption share and the maximum number of stores are specified in advance, and the specified power of customer suction power β, the power of distance α or the coefficient δ concerning the distance, the customer suction power, consumption share, and the maximum number of stores are set in the probability model. And a method of analyzing the trade area, wherein the limit distance is determined by repeatedly performing a simulation while changing the limit distance within a specified range in accordance with the immediately preceding simulation result for each of the stores. The trade area analysis method according to any one of claims 38 to 51, wherein a power β of a customer suction power, a limit distance, a customer suction power, a consumption share, and a maximum number of stores are determined for the stores included in the target area. In advance, the power β of the specified customer suction power, the limit distance, the customer suction power, the consumption share, and the maximum number of stores are set in the probability model, and the distance of each store is determined in accordance with the immediately preceding simulation result. A trade area analysis method characterized by determining a power exponent α of a distance or a coefficient δ of a distance by repeatedly performing a simulation while changing a power α or a coefficient δ of a distance within a specified range. 53. The commercial area analysis method according to any one of claims 38 to 52, wherein for a store included in the target area, a power β of a customer suction force, a power α of a distance or a coefficient δ on a distance, and a customer suction force, The limit distance and the maximum number of stores are specified in advance, and the specified power of customer suction β, the power of distance α or the coefficient δ concerning the distance, the customer suction power, the limit distance, and the maximum number of stores are set in the probability model. A trade area analysis method for determining the consumption share by repeatedly performing a simulation while changing the consumption share within a specified range for each of the stores according to the immediately preceding simulation result. 54. The commercial area analysis method according to any one of claims 38 to 53, wherein a sales estimation value calculated based on a result of simulation using the probability model for a store included in the target area and the store database. Determine the parameters of the probability model by repeatedly performing a simulation until the difference from the stored sales performance value becomes equal to or less than a predetermined maximum value or a predetermined maximum relative error with respect to the sales performance value. A trade area analysis method characterized by: 55. The commercial area analysis method according to any one of claims 38 to 54, wherein a sales floor area, a sales floor efficiency, a handled product category, a sales form, a store facility, and a location condition are based on store information stored in the store database for each business type. A store is extracted in advance from a viewpoint including at least one or more of the population or the concentration of capital in the location area, and the extracted stores are classified into different business format files as different business formats, and the probability is calculated for each of the classified business format files. A trade area analysis method characterized by setting or determining model parameters. The sales area analysis method according to any one of claims 38 to 55, wherein a sales estimation value calculated based on a first simulation result for a store included in the target area, and a sales result stored in the store database. If the difference from the value is equal to or greater than a predetermined threshold value, a store showing the difference is extracted, the extracted store is classified into different business format files as different business formats, and the parameters of the probability model are classified for each of the classified business format files. Is set or determined. 57. In the business area analysis method according to claim 55 or 56, before executing the simulation on the store included in the target area, before executing the simulation on the store included in the target area, A trade area analysis method characterized by multiplying a sales floor area of a store belonging to the business format file by a floor-lifting coefficient in advance in a business format file classified based on a relative size of a sales floor area or a unit area. . The sales area analysis method according to any one of claims 38 to 57, wherein a sales estimation value calculated based on a first simulation result for a store included in the target area, and a sales result stored in the store database. When the difference from the value is equal to or greater than a predetermined threshold, the store that indicates the difference is extracted, and the floor-lifting coefficient or consumption share of the extracted store is set in advance such that the difference is equal to or less than the threshold. Trade area analysis method. 59. In the trade area analysis method according to any one of claims 38 to 58, when predicting sales of a new store in the target region, performing a simulation for each of the existing stores included in the target region, thereby obtaining the probability model. Is determined so as to approach the actual sales value stored in the store database, and then the data of the store name, sales floor area, and latitude / longitude indicating the location of the new store for which the sales forecast is to be performed are set. At the same time, in the new store, a customer suction force or a customer suction coefficient estimated based on the simulation result of an existing store belonging to the same business type as the new store, and a customer suction force and a customer among the determined parameters of the existing store. Parameters other than the suction coefficient are set in the probability model, and the probability model in which the parameters are set is set. Trade area analysis method and performing forecast new stores running simulation using the. 60. The sales area analysis method according to any one of claims 38 to 59, wherein the sales estimation of each of the existing store or the new store is performed based on a simulation result executed for the existing store or the new store included in the target area. Or forecast value, actual sales value, difference between estimated sales value and actual sales value, customer attraction coefficient, customer attraction force, bottom up factor, consumption share, customer attraction power power β, limit distance, distance power α or distance A trade area analysis method characterized by generating an analysis result list including at least one of the theoretical sales by store selection consumption probability band as a function of the coefficient δ and the distance. 61. The trade area analysis method according to claim 60, wherein the existing store based on a simulation result executed for an existing store or a new store included in the target area, and statistical information stored in the regional statistical database. Alternatively, a business area analysis method characterized by generating a sales estimate or a predicted value for each consumption category in a household survey for each new store, or a sales estimate or a predicted value for each arbitrarily defined consumption category. 63. The commercial area analysis method according to any one of claims 38 to 61, wherein a simulation is simultaneously executed for each of the stores included in the target area. 63. The trade area analysis method according to any one of claims 38 to 62, further comprising adding a control parameter to the Huff model and expanding the Huff model as a function of distance by a simultaneous non-linear calculation algorithm including a probability that the sales of the individual store is the explained variable. A store selection consumption probability, and theoretical sales of an existing store or a new store can be estimated or predicted based on the obtained store selection consumption probability. 64. The commercial area analysis method according to claim 38, wherein statistical information and store information corresponding to the target area are read from the regional statistical database and the store database, respectively, and based on the read statistical information and store information. Data that has been processed and edited so that a simulation is repeatedly executed, and one or more of the read statistical information, store information, and analysis results of the executed simulation can be directly displayed on the map data as a layer. A trade area analysis method comprising creating an analysis plane as a group. 65. In the commercial area analysis method according to any one of claims 38 to 64, the regional statistical database stores statistical information on residents for each mesh and / or for each town and checks actual consumption and purchases in households. Storing the consumption data file including the data on the household consumption, and when reading the statistical information from the regional statistical database, reading the consumption data according to the read statistical information, and reading the read consumption data into the statistical information. A trade area analysis method, comprising editing in combination with the above and creating an analysis plane based on the edited statistical information. 66. The commercial area analysis method according to claim 38, wherein, on the analysis plane, analysis on statistical information stored in the regional statistical database and analysis on store information stored in the store database are performed. A trade area analysis method, wherein one or more of the statistical information, the shop information, and the result of the analysis and execution are displayed as layers on the map data. 67. The business area analysis method according to any one of claims 38 to 66, wherein the collective consumers are based on a simulation result executed on the analysis plane for an existing store or a new store included in the target area. Generate a consumption probability contour for displaying the store selection consumption probability for each store as a function of the distance, display the generated consumption probability contour on a layer on the map data, and execute the layer based on the consumption probability contour displayed on the layer. A trade area analysis method characterized by analyzing a trade area structure of an existing store or a new store. 67. The commercial area analysis method according to claim 66, wherein, when generating the consumption probability contour based on the simulation result, the value and interval of the probability of the consumption probability contour can be arbitrarily specified according to the business type. A trade area analysis method characterized by the following. 69. The trade area analysis method according to claim 67, wherein said consumption probability contours can be displayed in different colors according to consumption probability. 70. The commercial area analysis method according to any one of claims 66 to 69, wherein desired statistical information is displayed in a mesh on the map data, and the displayed statistical information can be color-coded and displayed according to an arbitrary hierarchical division. A trade area analysis method characterized by the following. 71. The commercial area analysis method according to any one of claims 38 to 70, wherein attribute information including store information and statistical information according to an arbitrary polygon area defined by a user on the map data having the target area is stored in a polygon database. And analyzing the attribute information stored in the polygon database on the analysis plane, and displaying the analysis result as a layer on the map data. 72. The trade area analysis method according to any one of claims 38 to 71, wherein the map data is in a raster format or a vector format. 73. The commercial area analysis method according to any one of claims 38 to 72, wherein the analysis result of the statistical information and / or the store information according to the area divided on the map data is stored in the entire area or a partial area of the map data. When the desired portion of the map data on which the analysis result is displayed is enlarged and displayed, the map data is enlarged and displayed at an arbitrary size together with the analysis result as a partial view in a frame separate from the map data, and And a method for performing various statistical calculations on the partial diagram. In a trade area analysis method for setting a trade area on map data and analyzing the set trade area, a map database storing map data, a regional statistics database storing statistical information on residents for each arbitrary area, and a store Each store name, sales floor area, latitude and longitude indicating the location, a store database storing at least store information including at least any one of the actual sales value for each business type is prepared in advance, the map data stored in the map database A desired map data from the selected map data, a target area specifying step of specifying a target area of the trade area analysis on the selected map data, and a trade area space structure and theoretical sales for each of the stores included in the specified target area. By performing a simulation calculation for estimating, the parameters of a predetermined probability model are stored in the store database. Trade area analysis method characterized by having a simulation determining to approach the stored actual sales value. A program for causing a computer to execute the function as the trade area analysis system according to any one of claims 1 to 37, or for causing a computer to execute the trade area analysis method according to any one of claims 38 to 74. program. A computer-readable recording medium on which the program according to claim 75 is recorded.

Images