JP2007299023A - 広告の認識評価システム及び方法 - Google Patents

Abstract

【課題】駅や店舗、道路周辺に掲げられている広告の付近を通過する人々の目的や人々の相互作用による混雑を考慮した上で、広告の認識効果を評価すること。
【解決手段】広告周辺の人の行動特性101と、構造物のモデル102とを入力とし、行動モデル化部11とシミュレーション実行部12とによって広告の認識評価を行い、広告の認識効果110を出力する。シミュレーションとは、駅や道路を計算機上で仮想的に表現し、時間の流れを離散的に表現した仮想空間に、計算機上で人を仮想的に表現し、各種行動を仮想空間内で行うことである。行動モデル化部11は、行動モデル構築部103が、入力される人の行動特性101のセグメント毎に内容を集計し、結果をエージェント行動モデル104に記録する。シミュレーション実行部12は、構造物のモデル102が入力として与えられ、処理の結果として、広告認識結果110を出力する。
【選択図】図１

Description

本発明は、広告の認識評価システム及び方法に係り、特に、建造物に掲げられた掲示板やディスプレイ等で表示される広告の周辺の人々の行動特性、建造物や道路形状等の構造特性を考慮して広告の認識評価を行う広告の評価システム及び方法に関する。

一般に、駅や道路上に見られる掲示板やディスプレイで表示される広告は、周辺を通る人々に認識されることが多く、効果の高い宣伝方法の１つとして知られている。そのため、駅を管轄する鉄道会社や、道路周辺のビル管理会社は、掲示板やディスプレイに対し広告料金を設定し、広告ビジネスを展開している。

広告に対する料金設定に関する方法は、従来より様々な方法が提案されている。例えば、特許文献１及び２には、広告が掲載されている場所や季節に基づいて広告料金を設定する方法が提案されている。また、特許文献３には、改札口を使い駅入場者の分布を計測し、さらに、その入場者がどこを通るかを確率で求めて広告の認識を評価し、広告料金を算出する方法が提案されている。
特開２００２−７４１９７号公報 特開２００３−２２３１３０号公報 特開２００６−１１７６７号公報

しかし、前記した従来技術による方法は、実際にその付近を通過する人々がどういう状況にあり、その状況が広告の認識にどの様な影響を与えるかについて考慮していない。例えば、駅の利用者について見ると、乗り換えを急ぐ利用者は広告に対し注意を払うことが少なく、逆に、列車待ちで並んでいる利用者には目に入り易い。また、混雑している場合には、視界が遮られ見えなくなることや、混雑を回避しようと迂回し広告の前を通らないことも考えられる。

本発明の目的は、前述したような点に鑑み、広告の付近を通過する人々の目的や人々の相互作用による混雑を考慮した上で、広告の認識効果を評価することを可能にした広告の認識評価システム及び方法を提供することにある。

また、本発明の目的は、広告の付近を通過する人々に関して、場所や時間帯によって登場する人のセグメントが異なることをも考慮して、広告の認識効果を評価することを可能にした広告の認識評価システム及び方法を提供することにある。

本発明によれば前記目的は、建造物に掲げられた掲示板やディスプレイ等で表示される広告の認識を評価する広告の認識評価システムにおいて、計算機システム内に、入力される人の行動特性のセグメント毎の行動内容を集計してエージェント行動モデルを生成して格納しておく行動モデル化手段と、構造物のモデルの情報を入力すると共に、前記行動モデル化手段により生成されたエージェント行動モデルを入力して、前記入力されたエージェント行動モデルの行動、及び、その行動の過程で広告を認識したか否かをシミュレーションするエージェント処理手段とを構築し、前記エージェント処理手段は、エージェント行動モデルにより規定された人々の行動特性と、前記構造物のモデルにより規定された建造物や道路形状等の構造特性とに基づいて、構造特性による影響、人の行動作用、人々の相互作用に基づく影響を考慮して、人の行動のシミュレーションを行い、シミュレーションした行動の中でその人が広告を認識したか否かにより認識を評価することにより達成される。

本発明によれば、例えば、駅においては朝のラッシュ時間帯や昼の閑散期等で変化する広告の認識具合について、その時間帯の人々の目的や混雑時の影響を加味してより正しく広告の認識効果を評価を下すことができ、また、構造物内の任意の場所について、広告が表示された場合の広告の認識効果を評価することができるため、よりよい広告の掲載場所を知ることができる。

以下、広告の認識評価システム及び方法を図面により詳細に説明する。なお、以下に説明する実施形態は、鉄道の駅構内で表示されている広告を例としたものである。

図１は広告の認識評価システムの機能構成を示すブロック図である。図１において、１１は行動モデル化部、１２はシミュレーション実行部、１３はエージェント処理部、１０１は人の行動特性、１０２は構造物のモデル、１０３は行動モデル構築部、１０４はエージェント行動モデル、１０５は行動結果、１０６は登場制御部、１０７は行動判断部、１０８は行動処理部、１０９は広告認識判定部、１１０は広告認識結果である。

広告の認識評価システムは、広告周辺の人の行動特性１０１と、構造物のモデル１０２とを入力とし、行動モデル化部１１とシミュレーション実行部１２とによって広告の認識評価を行い、広告の認識効果１１０を出力するものである。以下、本発明の実施形態での個々の処理を詳細に説明する。なお、本説明の実施形態におけるシミュレーションとは、駅や道路を計算機上で仮想的に表現し、かつ、時間の流れを離散的に表現した仮想空間において、人もまた計算機上で仮想的に表現し、各種行動を仮想空間内で行うことであり、また、エージェントとは、あるセグメントにおける人に関して計算機上で行動を模擬したものである。

行動モデル化部１１は、行動モデル構築部１０３とエージェント行動モデル１０４とにより構成され、人の行動特性１０１が行動モデル構築部１０３に入力される。人の行動特性１０１は、多数の人のデータを持ち、各データは後述するように、セグメント部と行動記述部とにより構成される。エージェントの行動モデル構築手段１０３は、入力される人の行動特性１０１のセグメント毎に行動記述部の内容を集計し、結果をエージェント行動モデル１０４に記録する。

シミュレーション実行部１２は、エージェントの判断・行動処理を行うエージェント処理部１３と、各エージェントの行動結果を記録するエージェントの行動結果１０５とから構成され、構造物のモデル１０２が入力として与えられ、処理の結果として、広告認識結果１１０を出力する。エージェント処理部１３は、登場制御部１０６と、行動判断部１０７と、行動処理部１０８と、広告認識判定部１０９とにより構成され、シミュレーションの中で登場するエージェント毎に処理を実行する。次に、エージェント処理部１３の処理内容の概要を説明するが、各処理の詳細については、図８以降で後述する。

まず最初に、エージェント登場制御部１０６が、エージェント行動モデル１０４の中からあるセグメントのエージェント行動モデルを選択し、そのエージェントの登場の可否を判断する。次に、行動判断部１０７は、登場したエージェントの行動を、エージェントの目的（後述）と構造物のモデル１０２と他のエージェントの行動結果とを示す行動結果１０５を参照しながら選択する。この処理によって、混雑時の迂回判断等を模擬することができる。その後、行動処理部１０８は、行動の実処理を行い、その行動結果を行動結果１０５に記録する。また、広告認識判定部１０９は、行動結果が得られた時点でエージェントが広告を認識したか否かを評価し、評価結果を広告認識結果１１０に出力する。このとき、エージェントと広告との間に、他のエージェントが存在した場合、広告が見えないという影響を評価することができる。

前述したように、ある広告の周辺を通る人々について、エージェント行動モデルを構築し、構造物や他のエージェントを考慮しながら行動していくシミュレーションを行うことにより、ある広告に対する認識の効果を定量的に求めることができる。

図２は人の行動特性１０１の具体的データ構造例及びデータ例を示す個々の人の行動に関するデータ構造を説明する図、図３は人の行動特性１０１の具体的データ構造例及びデータ例を示す人の身体能力のデータ構造を説明する図である。これらのデータ構造に基づいて行動特性１０１には多数のデータが保存されている。

図２に示す人の行動に関するデータ構造は、セグメント部２１と行動記述部２２とにより規定されている。セグメント部２１は、人の属性の例を示している。ここでは、消費者マーケティングで用いられる年齢・職業・性別２０１や身長・体型２０２の他に、本発明の実施形態の特徴である構造物周辺という状況を加味するため、その人の行動の目的を表す目的２０３や、その人の登場時間帯や場所を示す時間・場所２０４も加えている。目的２０３の具体例としては、例えば、電車の乗り換えによる番線の移動、改札に行く、駅中の売店に移動する等を挙げることができる。時間・場所２０４のように、時間や場所を記録しておくことにより、朝夕のラッシュ時間帯や昼の閑散期のデータとして取り扱うことができる。さらに、年齢・職業・性別２０１を組み合わせることにより、朝のラッシュ時には会社員が多い、夕方には学生・ＯＬが多く、夜には会社員が多いといった表現が可能になる。一方、行動記述部２２は、混雑によって移動経路を変えるのか、広告を目にするのかを表す周囲の影響と認識２０５が記述されている。そして、行２０６は混雑状況を表し、行２０７はその混雑時にとる行動、行２０８はその混雑時に広告の認識有無を表している。図２に示す例では、混雑状況を、「待つほど込んでいる」、「ゆっくり進める程度」、「追い越せる程度」、「空いている」の４段階に分けているが、４段階でなくてもよい。

図３に示す人の身体能力のデータ構造は、図３（ａ）に示す場所の影響３１、図３（ｂ）に示す視界の広さ３２を規定している。場所の影響３１では、例えば、年齢・職業・性別３０１に関して階段上り３０２の場合、階段下り３０３の場合、ホーム・通路３０４の場合の移動速度を規定している。また、視界の広さ３２では、例えば、年齢・職業・性別３０５に関して正面〜３０度３０６の場合、３０度〜６０度３０７の場合、６０度〜９０度３０８の場合での広告の認識可能距離を規定している。図３に示す例では、年齢・職業・性別３０１、３０５をキーとして図２により説明した行動に関する特徴とリンク付けがされているが、キーとする項目は、セグメント部２１に掲げる項目であればどれであってもよい。

図２、図３に示して説明したデータは、基本的には数万のオーダ（ある駅を利用する１日の総人数）で用意する必要がある。しかし、大量のデータを用意することが現実的でない場合、異なるセグメント部を有する実現可能な多数のデータを用意して利用することが可能である。

図４はエージェント行動モデル１０４の具体的なデータ構造例及びデータ例を示す図である。図４に示す例は、図２に示して説明した人の行動のデータ例を元にしているため、データ構造も図２の場合と同様となり、セグメント部４１、行動記述部４２のそれぞれが持つ項目は、図２の場合と同一のものとなっている。但し、エージェント行動モデル１０４は、図２に示した人の行動に関するデータを多数集め、それをセグメント毎に集計したものになっているため、行動記述部４２の行４０１、行４０２、行４０３のうち、行動の行４０２や広告認識の行４０３はそのセグメント全体に占める割合で表されている。このため、エージェント行動モデル１０４は、図２及び図３のデータ構造に基づいて、異なるセグメント部毎に多数作成されてデータとして保存される。

図５は構造物のモデル１０２の具体的なデータ構造例及びデータ例を示す図である。駅のような複雑な構造物を表現するためには、単純な構造物の組合せで表現する必要がある。そこで、図５に示すデータ構造は、その単純な構造物の表現法及びその構造物の組合せを規定している。

個々の構造物は、図５に示すように、構造物ＩＤ５０１を設定し、大きさを示す縦、横、高さ５０２、シミュレーションを行う中で設定されている座標系での位置座標５０３を規定して表されている。また、詳細な形状については、タイプ５０４、オブジェクト５０５により規定される。オブジェクト５０５は、ＣＡＤ等で用いられる構造物表現形式で表されているものとする。また、タイプ５０４は、駅の場合、ホーム、階段、渡り廊下、改札口といった構造物と、評価対象の掲示板やディスプレイとが相当する。さらに、２つの構造物間におけるエージェントの通行の可否を示す情報である通行可能構造物情報（通行可能構造物のＩＤ）５０６も規定される。具体的には、連接する構造物ＩＤ５０７と、線分あるいは領域で示す通行可能部５０８とを規定することによって通行可能部分が規定される。また、通行可能な構造物が２つ以上存在する場合、通行可能構造物情報５０６が複数設定されていてよい。

図６は広告認識結果１１０の具体的なデータ構造例及びデータ例を示す図である。広告認識結果１１０は、評価対象６０１となる広告を特定するＩＤと、シミュレーションを行う時間幅内で広告を認識した認識エージェント数６０２、広告がエージェントの目に入った時間の総計である視界のべ時間６０３、エージェントの分布６０４からなる。広告認識結果１１０は、このように、評価対象６０１に関する認識の度合いを、認識エージェント数６０２、視界の延べ時間６０３、エージェント分布６０４で表現する。このような認識結果を出力することにより、評価対象が設置者の思惑通りに認識効果をあげているかを評価することができる。

図７は広告の認識評価システムを実現するハードウェア構成の例を示すブロック図である。図７において、７１、７２は外部記憶装置、７０１は入力装置、７０２は演算装置、７０３は一次記憶装置、７０４は出力装置、７１０は行動モデル構築モジュール、７１１はシミュレーション実行制御モジュール、７１２は登場制御モジュール、７１３は行動判断モジュール、７１４は行動処理モジュール、７１５は広告認識判定モジュールであり、他の符号は図１の場合と同一である。

認識評価システムは、よく知られている計算機システムとしての情報処理装置内に構築され、そのハードウェアは、入力装置７０１、演算装置７０２、一次記憶装置７０３、出力装置７０４、外部記憶装置７１及び７２から構成される。なお、外部記憶装置７１及び７２は、ハードディスク装置等により構成されるもので、同一の記憶装置であってもよい。入力装置７０１は、例えば、キーボード、通過センサ等であってよく、出力装置７０４は、シミュレーションの過程や結果が分かるものであればよく、例えば、モニタ装置、プリンタ装置等であってよい。

外部記憶装置７１には、図１により説明した表示との行動特性１０１、構造物のモデル１０２、エージェント行動モデル１０４、行動結果１０５、広告認識結果１１０の各データ群が格納される。また、外部記憶装置７３には、行動モデル構築モジュール７１０、シミュレーション実行制御モジュール７１１、登場制御モジュール７１２、行動判断モジュール７１３、行動処理モジュール７１４、広告認識判定モジュール７１５の各プログラムモジュールが格納される。そして、行動モデル構築モジュール７１０は、図１により説明した行動モデル構築部１０３の機能を構築するモジュールである。また、登場制御モジュール７１２、行動判断モジュール７１３、行動処理モジュール７１４、広告認識判定モジュール７１５のそれぞれは、図１により説明した登場制御部１０６、行動判断部１０７、行動処理部１０８、広告認識判定部１０９の機能を構築し、シミュレーション実行制御モジュール７１１は、モジュール７１２〜７１５の４つのモジュールを制御するモジュールである。

前述において、エージェント行動モデル１０４を構築する場合、最初に行動モデル構築モジュール７１０を外部記憶７２より読み出し、一次記憶装置７０３に保存する。次に、一次記憶装置７０３から行動モデル構築モジュール７１０のコードを演算装置７０２に読み込んで実行する。その際、コードの実行内容に従って外部記憶装置７１から人の行動特性７０５を一時記憶装置７０３に読み出して処理を行う。または、入力装置７０１で直接入力した人の行動特性を一次記憶装置７０３に読み出して処理を行う。そして、処理結果を外部記憶装置７１にエージェント行動モデル１０４として保存する。

また、シミュレーション実行部１２でのシミュレーション実行の場合、最初に、シミュレーション実行制御モジュール７１１を一次記憶装置７０３に保存し、さらに、演算装置７０２が、一次記憶装置７０３からシミュレーション実行制御モジュール７１１のコードを読み込んで実行する。シミュレーション実行制御モジュール７１１は、エージェント毎に図１のエージェント処理部１３の処理を行わせる。

シミュレーション実行制御モジュール７１１の実行中に、登場制御部１０６があるセグメントのエージェントを新たに登場させる場合、登場制御モジュール７１２を一次記憶装置７０３に保存し、演算装置７０２がそのコードを読み込むことにより、登場制御を実施する。このとき、演算装置７０２は、コードの実行内容により構造物のモデル１０２、エージェント行動モデル１０４を一次記憶７０３に保存して処理を実施する。登場したエージェントは、一次記憶装置７０３に保存され、また、その内容が出力装置７０４に出力される。

また、行動判断部１０７がエージェントの行動判断を実施する場合、行動判断モジュール７１３、構造物のモデル１０２、エージェント行動モデル１０４、他のエージェントの行動結果を表す行動結果１０５を一次記憶装置７０３に保存する。そして、演算装置７０２が、行動判断モジュール７１３のコードを読み出し、一次記憶装置７０３の情報を参考にしながら行動判断を行う。行動判断の結果は、一次記憶装置７０３に保存される。

また、行動処理部１０８がエージェントの行動処理を実施する場合、行動処理モジュール７１４、構造物のモデル１０２、エージェント行動モデル１０４を一次記憶装置７０３に保存する。そして、演算装置７０２が、行動処理モジュール２１４のコードを読み出し、一次記憶装置７０３の情報を参考にしながら行動処理を行う。行動処理の結果は、一次記憶装置７０３に保存され、また、出力装置７０４に結果が出力される。

また、広告認識判定部１０９が広告認識判定を実施する場合、広告認識判定モジュール７１５、構造物のモデル１０２、エージェント行動モデル１０４を一次記憶装置７０３に保存する。そして、演算装置７０２が、広告認識判定モジュール７１５のコードを読み出し、一次記憶装置７０３の情報を参考にしながら広告認識判定を行う。結果は、外部記憶装置７１の広告認識結果１１０に保存され、また、出力装置７０４に結果が出力される。

シミュレーション実行制御モジュール７１１は、最後に、全てのエージェントの目的が果たされた場合か、一定時間の経過を判断した場合、処理の終了を判断し、出力装置７０４に広告認識結果１１０を出力する。

図８はシミュレーション実行制御モジュール７１１の処理の概要を説明するフローチャートであり、次に、これについて説明する。

（１）シミュレーション実行制御モジュール７１１は、最初に、シミュレーションの実施時間として、シミュレーションの開始時刻と予め設定した一定の実施時間とを設定する（ステップ８０１）。

（２）次に、シミュレーションの各時刻において、あるセグメントを持つエージェントを登場させるか否かを判断する。この判断は、駅等を利用する利用者の時間帯毎、セグメント毎の利用割合、その数等が実際に調べられて求められているので、その情報に従って、シミュレーションを実施しようとしている時間帯の中で各エージェントをどのような割合で登場させればよいかにより行うことができる（ステップ８０２）。

（３）ステップ８０２の判断で、エージェントを登場させるとした場合、エージェント登場処理を実施する。具体的には、後述するエージェントの登場制御モジュール７１２を起動させるためのフラグを設定する（ステップ８０３）。

（４）ステップ８０３の処理の後、または、ステップ８０２でエージェントを登場させないとした場合、各エージェントについての処理を実施する。具体的には、図１のエージェント処理部１３で規定された登場制御部、行動判断部、行動処理部、広告認識判定部での処理をエージェント毎に実施する。これら処理の内容については後述する（ステップ８０４）。

（５）次に、シミュレーション実行制御モジュール７１１は、全てのエージェントの目的が完了したか否かを判定し、目的が完了していなかった場合、ステップ８０１で設定した一定時間が経過したか否かを判定する（ステップ８０５、８０６）。

（６）ステップ８０６の判定で一定時間が経過していた場合、または、ステップ８０５の判定で目的が完了していた場合、最終的な広告の認識結果を出力し、また、ステップ８０６の判定で、一定時間が経過していなかった場合、時刻の更新を行い、ステップ８０２からの処理に戻って、同様の処理を繰り返す（ステップ８０７、８０８）。

図９はエージェントの登場制御部１０６での具体的な処理動作を説明するフローチャートであり、次に、これについて説明する。この段階ではエージェントを特徴付けるセグメントの一部は、すでに図８により説明したシミュレーション実行制御の処理により規定されている。そのため、ここでの処理は、残りの登場位置、目的、目的地を決定し（ステップ９０１）、最後に、移動経路を計算し（ステップ９０２）て、登場制御を終了させる。移動経路計算の処理は、例えば、ダイクストラ法等を使用することにより行うことができる。

図１０はエージェントの行動判断部１０７での具体的な処理動作を説明するフローチャートであり、次に、これについて説明する。

（１）最初に、エージェントの行動判断部１０７は、各エージェントに設定された目的が果たされたか否（移動先に行ったか否か）を判断し、達成されていれば、目的達成としてここでの処理を終了する（ステップ１００１、１００２）。

（２）ステップ１００１の判断で、目的が果たされていなかった場合、移動経路上の混雑を計算する。この計算は、例えば、単位面積当りのエージェント数により混雑を評価することにより行うことができる。そして、計算した混雑さを元に、エージェントがそのまま移動するか、待つか、迂回するかを判断する。この判断の際に用いられるのが図４により説明したエージェント行動モデルの行動記述部４２である（ステップ１００３、１００４）。

（３）ステップ１００４の判断が「迂回する」であった場合、移動経路の代替案を計算し新しい移動経路とし、また、「待つ」であった場合、エージェントに待つと記憶させて待ち、また、「そのまま移動する」であった場合、特別な処理を行うことなくここでの処理を終了する（ステップ１００５、１００６）。

図１１はエージェントの行動処理部１０８での具体的な処理動作を説明するフローチャートであり、次に、これについて説明する。

（１）行動処理部１０８は、まず、図１０により説明した行動判断部１０７での判断結果が移動であるか否かを判定し、移動でなかった場合、移動処理を行わずに行動結果のみを記録して、ここでの処理を終了する（ステップ１１０１、１１０５）。

（２）ステップ１１０１の判定で、移動であった場合、図３に示して説明した場所の影響３１に基づいて移動量を決定し、その移動量を用いて次の移動位置を求め、移動先に他のエージェントが存在するか否かを判定する（ステップ１１０２、１１０３）。

（３）ステップ１１０３の判定で、移動先に他のエージェントが存在しなかった場合、移動を行い、結果を行動結果１０５に記録し、ステップ１１０３の判定で、移動先に他のエージェントが存在した場合、移動せずに移動しなかった結果を行動結果１０５に記録する（ステップ１１０４、１１０５）。

図１２はエージェントの広告認識判定部１０９での具体的な処理動作を説明するフローチャートであり、次に、これについて説明する。

（１）広告認識判定部１０９は、最初に、図３により説明した視界の広さ３１とエージェントの進行方向から現在見えている視界を計算し、計算した視界の中に広告が含まれているか否かを判断し、視界の中に広告が含まれていなかった場合、そのまま何もせずに処理を終了する（ステップ１２０１、１２０２）。

（２）ステップ１２０２ま判断で、視界の中に広告が含まれていた場合、その広告について広告の認識を評価して処理を終了する。具体的には、エージェントと対象の広告の右左両端付近を結んだ三角形上に、他のエージェントが何人含まれているかをカウントし、その密度を算出する。そして、エージェント行動モデル１０４にある、行動記述部４２を参照して広告を見たか否かの認識具合を確率で決定する（ステップ１２０３）。

図１３は人の行動特性１０１を入力するインタフェースの具体例を示す図である。図示のインタフェースは、出力装置７０４としてのモニタに表示される表示画面でよく、この表示画面に入力装置７０１としてのキーボードから必要なデータが入力される。図１３（ａ）に示す行動特性入力インタフェース１３１は、人の行動特性のうち、人の行動の特徴について入力するためのものであり、図１３（ｂ）に示す行動特性入力インタフェース１３２は人の身体能力を入力するためのものである。

人の行動の特徴にを入力する図１３（ａ）に示す行動特性入力インタフェース１３１は、図２のセグメント部２１を規定するための情報入力部１３０１〜１３０４と、行動記述部２２を規定するために行動の入力項目１３０５や広告認識の入力項目１３０６とを備えて構成される。行動の入力項目１３０５の入力方法は、例えば、事前に入力候補群（迂回、待つ、移動）を決めておき、そのいずれかを選択するリストインタフェースとすることができる。また、広告認識の入力項目１３０６の入力方法は、例えば、広告が目に入る／入らないといった２択入力インタフェースとすることができる。

人の身体能力を入力する図１３（ｂ）に示す行動特性入力インタフェース１３２は、どんな人に対する規定なのかを指定するセグメントキー入力部１３０７と、移動速度入力部１３０８と、認識入力部１３０９と、視界入力部１３１０とを備えて構成される。そして、最初にどんな人に対する規定なのかをセグメントキー入力部１３０７で指定する。ここで指定するセグメントキーとは、図２に示したセグメント部２１にある項目のいずれかを指したものである（図２に示す例では、２０１〜２０４のいずれかである。また、これらが複数集まったものによりセグメントキーを構成してもよい（例：２０代女性会社員かつ乗り換えの客））。このセグメントキーにより指定したセグメントについて、移動速度入力部１３０８と認識入力部１３０９とに、移動速度と認識とをそれぞれ指定していく。また、視界についても視界入力部１３１０の項目で規定していく。

図１４は構造物特性（構造物のモデル）を入力するインタフェースの具体例を示す図である。図示のインタフェースは、図１３で説明したと同様に、出力装置７０４としてのモニタに表示される表示画面でよく、この表示画面に入力装置７０１としてのキーボードから必要なデータが入力される。

図１４（ａ）に示す構造特性入力インタフェース１４１は、図５により説明した構造物を規定する情報入力部１４０１〜１４０５を備える。そして、構造物ＩＤ１４０１を指定し、該当する構造物の特性を設定することができる。具体的には、構造物のタイプ１４０４、オブジェクト（構造物の詳細な形状）１４０５を指定し、図１のシミュレーション実行部１２で構築される仮想空間での座標１４０２、及び、縦・横・高さ１４０３を指定する。また、隣接構造物も規定する追加・削除ボタン１４０６を用意する。追加・削除ボタン１４０６を押した場合、図１４（ｂ）に示す追加・削除ウィンド１４２が立ち上がり、連接構造物の指定を行うことができる。このウィンド１４２では、最初に、連接する構造物ＩＤを一覧インタフェースから選択入力し（１４１３）、通行可能部１４１４を規定する。そして、追加・削除ボタンに従ってウィンドを閉じ、隣接構造物を定義することができる。

また、構造特性入力インタフェース１４１内には、隣接の様子を視覚的に表示したプレビュー１４０７を設けることができる。図示例では、階段１４０８に対しホーム１４０９の隣接の様子を表示しており、追加・削除ウィンド１４２で定義した通行可能部１４１４が、通行可能部分１４１０として表示されている。また、この表示部分に対し、改めて通行可能か通行不可能かマウスポインタ１４１１で指し示し、サブウィンド１４１２を表示させて指定することができる。このように、構造特性入力インタフェースを設けることにより、評価対象の広告の周辺に関する構造物を適切に入力することができる。

図１５はシミュレーションの実行中及び実行結果を示す表示インタフェースの例を示す図である。

図１５（ａ）に示すシミュレーションの実行中の画面例１５１には、構造物としてホーム１５０１と、階段１５０２と、陸橋１５０３と、陸橋１５０３の階段に対向する壁面に設けられた評価対象の広告であるディスプレイ１５０４とが表示されている。また、多数のエージェントの動作の様子を表示している。ここに示されるエージェントは、登場させられた各種のセグメントを持つエージェントであってよい。そして、図示例では、エージェント１５０５について、そのエージェントの視界１５０６を表示しており、エージェント１５０５が見ている方向を把握することができる。

また、図１５（ｂ）に示す広告としてのディスプレイの認識効果１５２は、ディスプレイ１５０４に対する認識効果の表示例である。認識効果１５２には、対象のディスプレイのＩＤと、図８により説明したシミュレーション処理のステップ８０１の処理で設定した一定の時間の間に対象のディスプレイを認識したエージェント数１５０５、視界に入った延べ時間数１５０６、さらに、ディスプレイを見たエージェント分布１５０７とが表示されている。このように、認識効果を表示することにより、個々の掲示板やディスプレイに表示された広告の認識効果を定量的に見ることができる。また、実行中の画面１５１を見ながら評価することにより対象とする広告の認識効果の時間変動を知ることができる。

図１６はシミュレーションに登場する各エージェントの登場割合の例をセグメント毎、及び、時間毎に示す図である。図１６において、１６０１は時間帯を、１６０２は各セグメント、１６０３はある時間帯での登場割合を示している。なお、時間帯毎（列毎）に和をとると１になるものとする。また、時間帯毎に全体の登場人数１６０４を規定している。

図１６に示すようにセグメントの登場割合を表すことにより、会社員が多い、学生が多いといった場所や時間帯の影響をも考慮することが、広告認識に対する評価をより正確に行うことができる。また、時間帯毎に全体の登場人数や登場割合を変えることにより、朝夕のラッシュ、昼の閑散期等を表現することができる。

図１７は図１６で示した各セグメントの登場割合を入力するインタフェースの例を説明する図である。図示のインタフェースは、出力装置７０４としてのモニタに表示される表示画面でよい。図１７に示す一番上の線１７０１は、全体の登場数１６０４を表しており、複数の線の線間の幅１７０２は、あるセグメントのその時間帯における登場者数を示している。このインタフェースでは、マウスのポインタ１７０３を使用して線分の頂点１７０４を上下させることにより、あるセグメントの登場者数を変化させることができる。このようなインタフェースを提供することにより、セグメントの登場割合の入力を容易にするだけでなく、設定したデータの正確性を視覚的に見ることが可能になる。

本発明は、駅や店舗、道路等に掲げられる掲示板やディスプレイの広告に対し、その認識効果を評価するために利用することができる。

広告の認識評価システムの機能構成を示すブロック図である。 人の行動特性の具体的データ構造例及びデータ例を示す個々の人の行動に関するデータ構造を説明する図である。 人の行動特性の具体的データ構造例及びデータ例を示す人の身体能力のデータ構造を説明する図である。 エージェント行動モデルの具体的なデータ構造例及びデータ例を示す図である。 構造物のモデルの具体的なデータ構造例及びデータ例を示す図である。 広告認識結果の具体的なデータ構造例及びデータ例を示す図である。 広告の認識評価システムを実現するハードウェア構成の例を示すブロック図である。 シミュレーション実行制御モジュールの処理の概要を説明するフローチャートである。 エージェントの登場制御部での具体的な処理動作を説明するフローチャートである。 エージェントの行動判断部での具体的な処理動作を説明するフローチャートである。 エージェントの行動処理部での具体的な処理動作を説明するフローチャートである。 エージェントの広告認識判定部での具体的な処理動作を説明するフローチャートである。 人の行動特性を入力するインタフェースの具体例を示す図である。 構造物特性（構造物のモデル）を入力するインタフェースの具体例を示す図である。 シミュレーションの実行中及び実行結果を示す表示インタフェースの例を示す図である。 シミュレーションに登場する各エージェントの登場割合をセグメント毎、及び時間毎に示したものである。 図１６で示した登場割合を入力するインタフェースの一例である。

符号の説明

１１ 行動モデル化部
１２ シミュレーション実行部
１３ エージェント処理部
１０１ 人の行動特性
１０２ 構造物のモデル
１０３ 行動モデル構築部
１０４ エージェント行動モデル
１０５ 行動結果
１０６ 登場制御部
１０７ 行動判断部
１０８ 行動処理部
１０９ 広告認識判定部
１１０ 広告認識結果
７１、７２ 外部記憶装置
７０１ 入力装置
７０２ 演算装置
７０３ 一次記憶装置
７０４ 出力装置
７１０ 行動モデル構築モジュール
７１１ シミュレーション実行制御モジュール
７１２ 登場制御モジュール
７１３ 行動判断モジュール
７１４ 行動処理モジュール
７１５ 広告認識判定モジュール

Claims (8)

1. 建造物に掲げられた掲示板やディスプレイ等で表示される広告の認識を評価する広告の認識評価システムにおいて、
   計算機システム内に、入力される人の行動特性のセグメント毎の行動内容を集計してエージェント行動モデルを生成して格納しておく行動モデル化手段と、構造物のモデルの情報を入力すると共に、前記行動モデル化手段により生成されたエージェント行動モデルを入力して、前記入力されたエージェント行動モデルの行動、及び、その行動の過程で広告を認識したか否かをシミュレーションするエージェント処理手段とを構築し、
   前記エージェント処理手段は、エージェント行動モデルにより規定された人々の行動特性と、前記構造物のモデルにより規定された建造物や道路形状等の構造特性とに基づいて、構造特性による影響、人の行動作用、人々の相互作用に基づく影響を考慮して、人の行動のシミュレーションを行い、シミュレーションした行動の中でその人が広告を認識したか否かにより認識を評価することを特徴とする広告の認識評価システム。
2. 前記行動モデル化手段は、セグメント部と行動記述部とにより構成される多数の人の行動特性のデータを入力とし、セグメント毎に行動記述部の内容を集計してエージェント行動モデルを生成することを特徴とする請求項１記載の広告の認識評価システム。
3. 前記エージェント処理手段は、エージェント行動モデルの中からあるセグメントのエージェント行動モデルを選択し、そのエージェントの登場の可否を判断するエージェント登場制御手段と、登場したエージェントの行動を、エージェントの目的と構造物のモデルと他のエージェントの行動結果とを示す行動結果を参照して選択するエージェントの行動判断手段と、選択した行動の実処理を行い、その行動結果を行動結果として記録する行動処理手段と、行動結果が得られた時点でエージェントが広告を認識したか否かを評価し、評価結果を広告認識結果として出力する広告認識判定手段とを備えていることを特徴とする請求項１記載の広告の認識評価システム。
4. 前記エージェント登場制御手段は、シミュレーションを行う時間帯における前記エージェント行動モデルのセグメント毎の利用割合、その数に従ってエージェント行動モデルを選択して登場させることを特徴とする請求項３記載の広告の認識評価システム。
5. 前記エージェントの行動判断部は、エージェントの移動経路上の混雑を、移動径路上の単位面積当りのエージェント数により評価し、評価結果からエージェントがそのまま移動するか、待つか、迂回するかを判断することを特徴とする請求項４記載の広告の認識評価システム。
6. 行動処理手段は、前記エージェントの行動判断部での判断がエージェントの移動であった場合、移動量を決定し、その移動量を用いて次の移動位置を求め、移動先に他のエージェントが存在するか否かにより移動するか否かを決定して、この決定結果を行動結果として記録することを特徴とする請求項５記載の広告の認識評価システム。
7. 前記広告認識判定手段は、エージェントの視界の広さとエージェントの進行方向とから現在見えている視界を計算し、計算した視界の中に広告が含まれているか否かを判断して、エージェントが広告を認識したか否かを評価することを特徴とする請求項６記載の広告の認識評価システム。
8. 建造物に掲げられた掲示板やディスプレイ等で表示される広告の認識を評価する広告の認識評価方法において、
   計算機システム内に、入力される人の行動特性のセグメント毎の行動内容を集計してエージェント行動モデルを生成して格納しておく行動モデル化手段と、構造物のモデルの情報を入力すると共に、前記行動モデル化手段により生成されたエージェント行動モデルを入力して、前記入力されたエージェント行動モデルの行動、及び、その行動の過程で広告を認識したか否かをシミュレーションするエージェント処理手段とを構築し、
   前記エージェント処理手段は、エージェント行動モデルにより規定された人々の行動特性と、前記構造物のモデルにより規定された建造物や道路形状等の構造特性とに基づいて、構造特性による影響、人の行動作用、人々の相互作用に基づく影響を考慮して、人の行動のシミュレーションを行い、シミュレーションした行動の中でその人が広告を認識したか否かにより認識を評価することを特徴とする広告の認識評価方法。

Images