JP2007316758A - 来店客数予測サーバ及び来店客数予測プログラム - Google Patents

Abstract

【課題】店舗において、降水量が与える影響を所定の時間単位に考慮して時間帯毎の来店客数の予測を行うことを目的とする。
【解決手段】各日付の営業時間内の時間帯毎の降水量の実績値を示す実績降水量情報、各日付の時間帯毎の来店客数の実績値を示す実績来店客数情報が格納された来店客数テーブルを備え、予測日の時間帯毎の降水量の予測値を示す予測降水量情報を取得し（Ｓ２０１）、前記予測降水量情報と実績降水量情報と実績来店客数情報とに基づいて予測日の時間帯毎の来店客数の予測値を示す予測来店客数を計算する（Ｓ２０８）。
【選択図】 図６

Description

本発明は、降水量から来店客数を予測する来店客数予測サーバ及び来店客数予測プログラムに関する。

店舗における商品の販売量は、来店客数に大きく影響される。そこで、店舗において商品の仕入れや店員のスケジュール管理を行う際に、来店客数を予測する必要があった。

例えば、特許文献１に示されるように、店舗にて来店客数を予測する際に、営業月、曜日、広告の有無、天候等が用いて重回帰分析を行う手法が提案されてきた。
特開平４−５９６号公報

天候等のデータを用いて来店客数の予測を行った場合には、天候が「雨」であっても、小降りであるか大雨であるかによって来店客数が変動するのに対し、雨が降ったか降らなかったかによる分析しか行えず、具体的な降水量が来店客数に与える影響を所定の時間単位に分析できないという問題があった。

すなわち、営業月、曜日、広告の有無、天候等を用いて来店客数の予測を行った場合には、１日単位での来店客数の予測はできても、所定時間帯毎の来店客数の予測はできないという問題があった。

本発明は、上記課題を鑑みなされたもので、店舗において、降水量が与える影響を所定の時間単位に考慮して時間帯毎の来店客数の予測を行うことを目的とする。

上記課題を解決するために、本発明に係る来店客数予測サーバは、各日付の営業時間内の時間帯毎の降水量の実績値を示す実績降水量情報、各日付の時間帯毎の来店客数の実績値を示す実績来店客数情報が格納された来店客数テーブルと、予測日の時間帯毎の降水量の予測値を示す予測降水量情報を取得する予測降水量取得手段と、前記予測降水量情報と実績降水量情報と実績来店客数情報とに基づいて予測日の時間帯毎の来店客数の予測値を示す予測来店客数を計算する予測来店客数計算手段とを備えたことを特徴とする。

本発明に係る来店客数予測サーバ及び来店客数予測プログラムによると、店舗において、降水量による影響を所定の時間単位に考慮した時間帯毎の来店客数の予測が可能となる。

本発明に係る来店客数予測サーバの実施形態について、添付図面に基づいて説明する。

図１は、本発明に係る来店客数予測サーバ１が適用される来店客数予測システム２のシステム構成図である。

来店客数予測システム２は、図１に示すように、店舗に設置されて販売実績情報を収集するＰＯＳ（Ｐｏｉｎｔ ｏｆ Ｓａｌｅｓ）レジ３と、ＰＯＳレジ３が収集した販売実績情報に基づいて来店客数の予測を行う来店客数予測サーバ１と、来店客数予測サーバ１及びＰＯＳレジ３を通信可能に接続するＷＡＮ（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）、インターネット、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）等のネットワーク４とから構成される。

来店客数予測サーバ１は、図２に示すように、データ制御や演算等を行うＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）５と、ＣＰＵの処理に必要なデータを一時的に記憶するＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）６と、ＣＰＵ５の処理に必要な処理プログラム等のデータを長期的に記録するＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）７と、ネットワーク４を介したデータの送受信を制御する通信制御部８と、ＣＰＵ５の処理に用いるデータを記録するハードディスク等の記憶部９と、ディスプレイ等の表示装置への表示制御を行う表示部１０と、マウスやキーボード等の入力装置からの入力制御を行う入力部１１と、時刻を計時し日時情報を生成する時計部１２とを備える。

なお、来店客数予測サーバ１の記憶部９は、図３に示すような来店客数テーブルＴ１を保持する。来店客数テーブルＴ１には、営業日の日付情報Ｔ２、営業日の曜日情報Ｔ３、営業日が特異日であるか否かを示す特異日情報Ｔ４、各日付の営業時間内の時間帯毎の降水量の実績値を示す実績降水量情報Ｔ５、各日付の時間帯毎の来店客数の実績値を示す実績来店客数情報Ｔ６、各日付の時間帯毎の来店客数の予測値を示す予測来店客数情報Ｔ７、実績来店客数と予測来店客数との誤差を示す誤差情報Ｔ８が格納されている。

特異日とは、連続休暇等の通常の日とは来店客数の傾向が異なる日であり、祭日や正月休み、ゴールデンウィーク、お盆、クリスマス、大晦日、その他の三日以上連続する休暇等に加え、台風、大雪等の異常気象の日が含まれる。

特異日を含む週は、週全体の来店客数の傾向が変わるため、通常の週とは分けて考える必要がある。そこで、来店客数予測サーバ１の記憶部９に、例えば特異日でない通常の日を０として正月休みを１、ゴールデンウィークを２、・・・とした特異日データが、予め各日付毎に対応付けられて記録されている。

なお、特異日データの割り当て方はこれに限らず、来店客数の増減を投影するものであれば良く、特異日でない通常の日を０とし、正月休み等の連続休暇を全て１、台風などの異常気象の日を全て２とする等、任意に設定して良い。

ＰＯＳレジ３は、図４に示すように、データ制御や演算等を行うＣＰＵ１３と、ＣＰＵ１３の処理に必要なデータを一時的に記憶するＲＡＭ１４と、ＣＰＵ１３の処理に必要な処理プログラム等のデータを長期的に記録するＲＯＭ１５と、ネットワーク４を介したデータの送受信を制御する通信制御部１６と、販売実績情報等を記録するハードディスク等の記憶部１７と、ディスプレイ等の表示装置への表示制御を行う表示部１８と、キーボード等の入力装置からの入力制御を行う入力部１９と、外部接続された図示しないバーコードリーダからの入力制御を行うバーコード接続部２０とを備える。

ＰＯＳレジ３において入力部１９やバーコードリーダ接続部２０により入力された情報は、販売実績情報としてＰＯＳレジ３の記憶部１７に記録されるとともに、来店客数予測サーバ１からの指示により、あるいは定期的に、来店客数予測サーバ１に送信される。販売実績情報を受信した来店客数予測サーバ１は、販売実績情報を来店客数情報として記憶部１７に記録する。

来店客数予測サーバ１がＰＯＳレジ３から販売実績情報を受信して来店客数情報として記録する手順を、図５のフローチャートに基づいて説明する。

始めに、来店客数予測サーバ１がＰＯＳレジ３に対して販売実績情報を要求する（Ｓ１０１）と、ＰＯＳレジ３は来店客数予測サーバ１に対して、その日にＰＯＳレジ３を通過した人数である来店客数データを含んだ販売実績情報を送信する（Ｓ１０２）。

また、来店客数予測サーバ１は、時計部１２からその日の日付情報、曜日情報を取得する（Ｓ１０３）。

来店客数予測サーバ１は、販売実績情報の来店客数データと、日付情報及び曜日情報とを集計して時間帯毎の来店客数を計算し、実績来店客数情報とする（Ｓ１０４）。

次に、来店客数予測サーバ１は、店員に時間帯毎の降水量の入力を促す画面を表示して、入力されたデータをその日の時間帯毎の降水量データとして取得する（Ｓ１０５）。

来店客数予測サーバ１は、入力された降水量を例えば「０：０ｍｍ／時間」、「１：１〜５ｍｍ／時間」、「２：６〜１０ｍｍ／時間」、「３：１１ｍｍ／時間〜」のような複数の不均一に離散化された値に分類して、実績降水量情報とする（Ｓ１０６）。

来店客数予測サーバ１は、Ｓ１０３で取得した日付情報、曜日情報と、Ｓ１０４で作成した時間帯毎の実績来店客数情報と、Ｓ１０６で作成した時間帯毎の実績降水量情報とをそれぞれ対応付けて、来店客数予測サーバ１の記憶部９の来店客数テーブルＴ１に来店客数情報として記録する（Ｓ１０７）。

なお、降水量を記録する際に、店員に実際の降水量を入力させて来店客数予告サーバ１がその値を離散化する方法を示したが、これに限らず、予め離散化された値である「０」、「１」、「２」、「３」を店員に入力させてもよく、その際には「降らない」、「小雨」、「弱い雨」、「強い雨」等の選択肢を提示すると良い。

また、降水量の取得方法は、店員に入力させる方法に限定されず、降水量を提供する任意のサーバからネットワーク４を介して取得しても良い。

来店客数予測サーバ１は、ネットワーク４を介して接続されるＰＯＳレジ３が複数存在する場合は、全てのＰＯＳレジの販売実績情報を集計して来店客数情報を作成し、記憶部９に保存する。

なお、実績来店客数において、予測に反して突発的な大きな変動が起こった場合に、この変動を含んだ実績来店客数を予測に用いてしまうと、来店客数の予測に大きな狂いが生じる可能性がある。

そこで、突発的な変動を含んだ来店客数データを予測の際に除外するために、来店客数予測サーバ１の記憶部９の来店客数テーブルＴ１には、各日付毎に予測来店客数と実績来店客数との誤差が記録される。この際、例えば、時間帯毎の誤差に閾値ｒ（例えばｒ＝３０％）以上のものが一つでも存在する場合は「１」、そうでない場合は「０」として記録する。

そして、例えば実績来店客数から平均来店客数を求める際に、実績来店客数と予測来店客数との誤差が予め指定された閾値ｒ以上の時間帯があった場合は、来店客数予測サーバ１は、その来店客数データを計算に用いるデータから除外するようにする。

このように実績来店客数と予測来店客数との誤差を来店客数情報に加えることで、例えば来店客数予測サーバ１は、記憶部９から客数データを取得する際に、誤差項目が「０」、すなわち実績来店客数と予測来店客数との誤差が閾値ｒ以下の来店客数情報だけを取得することができる。

また、来店客数予測サーバ１が来店客数データを週単位で取得する場合は、週内の誤差情報にて誤差項目の値に１つでも「０」がある場合は、その週の全ての来店客数情報が除外された来店客数情報を取得する。

または、来店客数予測サーバ１は、誤差項目の値が「１」であった場合は、実績来店客数の代わりに予測来店客数を取得しても良い。この場合は、来店客数予測サーバ１が来店客数情報を週単位で取得する際に、週内の誤差項目の値に１つでも「１」がある場合は、その週全ての来店客数情報に対して予測来店客数情報を取得する。

なお、誤差の閾値ｒを複数設定して、誤差が多く十分なデータ数が得られなかった場合に、閾値ｒを変更してもよい。

予測来店客数が実績来店客数と大きく異なる要因としては、予測降水量と実績降水量とが大きく異なったこと、特異日として設定されている以外の地域行事が行われたこと、猛暑であったこと等が考えられる。

来店客数に影響を与える要因がその日限りのものである場合は、その要因をその後の予測に影響させない必要がある。その日限りの要因に影響を受けたと考えられる実績来店客数情報、すなわち予測来店客数と実績来店客数との誤差が閾値ｒ以上の実績来店客数を予測に用いないことで、予測精度が向上するものと考えられる。

一方で、予測来店客数が実績来店客数と大きく異なった要因が競合他店等であり、その日限りでなく継続する場合は、継続的な要因に影響を受けた実績来店客数情報をその後の予測に加える必要があるため、誤差が閾値ｒ以上であっても、予測にその実績来店客数を用いる。

第１実施形態では、予測来店客数が実績来店客数と大きく異なる要因がその日限りかその後も継続するかは、来店客数情報の誤差項目で「１」の値がｍ（例えばｍ＝７）日以上続くか否かで判断する。

来店客数予測サーバ１が、予測来店客数を算出する方法を、図６に示すフローチャートに基づいて説明する。

来店客数予測サーバ１は、重回帰分析を用いて来店客数の予測を行う。重回帰分析とは、基準となる変数である目的変数と、変数相互の関連性を説明するための変数である説明変数との関係から予測モデル（重回帰式）を作成し、目的変数の変動が説明変数の変動によってどの程度影響されるかを分析する手法であり、一般に良く知られた統計的手法である。

ここでは重回帰分析に際する目的変数を予測日の予測来店客数とする。また、来店客数の変動を説明するものとして様々な要因が考えられるが、重回帰分析に際する説明変数として（１）曜日、（２）時間帯、（３）天候（降水量）の３つの変数を用いる。

（１）来店客は決まった曜日に周期的に訪れる傾向にあり、一般には来店客数は平日よりも休日の方が多い。しかし駅前の店舗では、仕事帰りの買い物客が多いので、逆に平日の方が休日よりも来店客数が多くなることがある。また、毎週特定の曜日にセールをやる店舗は曜日毎に特定の来客パターンができる。

そこで説明変数として「曜日」を採用する。「曜日」は重回帰分析の際のダミー変数とする。ダミー変数とは、ある変数に対して、その変数が取りうる種類分だけ新たに設けられた変数であり、各曜日が「０」、「１」・・・等で表される。

（２）来店客数は、時間経過に沿って一定のパターンで変動する。食品スーパーを例にとって説明する。来店客数を一時間ごとに集計して時系列順に並べると、昼の１２時頃に一度目のピークがあり、その後減少し、夕方の５時、６時頃に二度目のピークがある。

一度目のピークでは、主に主婦が昼食や夕食の買出しに来ており、二度目のピークでは、夕食の買出しに来た主婦に加えて仕事帰りの人が多く来ている。これにより、一度目のピークより二度目のピークの方が来店客数が多くなる。

このパターンを捉えるために、時間帯を説明変数とする。

時間帯とは、店舗の開店時刻から閉店時刻までを一定間隔に区切られた区間である。時間帯の幅はユーザが任意に設定できるが、第１実施形態では一時間毎に区切る例を説明する。

なお、時間帯はダミー変数で表す。例えば営業時間が１０時から２１時までであった場合に、これを所定時間である１時間毎に「１０時〜」、「１１時〜」、…、「２０時〜」の１１個の時間帯に区切る。これらの時間帯は１０個のダミー変数を用いて表される。

（３）天候は、来店客数の変動の重要な要因であり、特に降水量が来店客数に大きく影響する。営業時間内に雨が降ると来店客数は一般に減少し、降水量が多ければ多いほど、来店客数の変動も大きくなる。

ただし、降水量の変化がそのまま客数に影響するわけではない。例えば、降水量が２ｍｍ／時間から４ｍｍ／時間に倍増しても来店客が半減するわけではない。

そこで、降水量は適当な範囲に区切られ離散化された降水量情報を説明変数とする。降水量を離散化することで、降水量が客の来店に与える影響を適正に考慮した予測が可能となる。離散化の際の区分けは、状況に応じて任意に設定されて良い。

なお、来店客数変動の要因として、他にも運動会などの地域行事や、チラシやＴＶコマーシャルなどの広告、マンションの建築、競合他店の動向等が考えられ、これらを考慮した重回帰式に拡張しても良い。

始めに来店客数予測サーバ１は、図６に示すように、入力部１１を介して入力された予測日とその予測日の時間帯毎の予測降水量との情報を取得する（Ｓ２０１）。

この際、図５のＳ１０５と同様に、予測降水量を数値として入力するようにしても、離散化後の値「０」、「１」、「２」、「３」等を入力するようにしても良い。

また、予測降水量を、天気予報のサーバ等の予測降水量を提供するサーバからネットワーク４を介して取得しても良い。

次に来店客数予測サーバ１は、Ｓ２０１で入力さた予測日から遡ってｎ日間（例えばｎ＝３６５）の来店客数情報を記憶部９から取得する（Ｓ２０２）。このＳ２０２の詳細は後述する。

来店客数予測サーバ１は、Ｓ２０１で取得した予測日が特異日か否か、または予測日が含まれる週に特異日があるか否かを判断する（Ｓ２０３）。

図７に示すように予測日が特異日でなく、かつ予測日の週に特異日がない場合（Ｓ２０３Ｎｏ）は、特異日を含む週の来店客数情報を除いた来店客数情報を用いて重回帰式を求める。

まず、来店客数予測サーバ１は、Ｓ２０２で取得した来店客数情報から特異日を含まない週の来店客数情報を、予測実行日から遡ってｄ日間分（例えばｄ＝９１）取得する（Ｓ２０４）。すなわち、特異日項目が全て「０」の値である週の来店客数情報を取得する。

また、来店客数予測サーバ１は、ｄ個の来店客数情報について、７日間毎に時間帯毎平均来店客数を計算して説明変数とする。

来店客数予測サーバ１は、ｄ個の来店客数情報の曜日、時間帯毎予測降水量、７日間の時間帯毎平均来店客数を説明変数として重回帰分析を行い、通常の日用の重回帰式を作成する（Ｓ２０５）。

次に、予測日が特異日である場合または予測日が特異日を含む週にある場合（Ｓ２０３Ｙｅｓ）は、来店客数予測サーバ１は、Ｓ２０２で取得した来店客数情報から、その特異日と同じ種類の特異日を含んだ週の来店客数情報を取得する（Ｓ２０６）。

来店客数予測サーバ１は、取得した来店客数情報について７日間毎の時間帯毎平均来店客数を計算する。また、来店客数予測サーバ１は、Ｓ２１０で取得した来店客数情報の曜日、時間帯毎予測降水量、７日間分の時間帯毎平均来店客数を説明変数として重回帰分析を行い、特異日用の重回帰式を作成する（Ｓ２０７）。

来店客数予測サーバ１は、Ｓ２０５またはＳ２０７で作成された重回帰式に時間帯毎予測降水量を代入することにより、予測日の時間帯毎の予測来店客数を計算する（Ｓ２０８）。

時間帯毎予測来店客数が求められると、来店客数予測サーバ１は、時間帯毎予測来店客数の計算値を予測来店客数情報として記憶部９に記録するとともに、表示部１０に予測結果画面２１の表示を行う指示を出す。

予測結果画面２１には、図７に示すように、予測日の時間帯毎の予測来店客数の数値２１Ａと予測来店客数のグラフ２１Ｂとが表示される。

以上のようにして、来店客数予測サーバ１は予測来店客数を算出する。

次に、来店客数予測サーバ１が、予測来店客数と実績来店客数との誤差を考慮して来店客数情報を取得する方法について、図８に示すフローチャートに基づいて説明する。この処理は、図６にフローチャートのＳ２０２に相当する処理である。

最初に来店客数予測サーバ１は、来店客数情報を予測実行日から遡って７日間分読み込み（Ｓ３０１）、読み込んだ来店客数情報の誤差情報の値が「１」の日が含まれているか否かを判断する（Ｓ３０２）。

取得した７日間分の来店客数情報に誤差情報の値が「１」のものが存在しなかった場合（Ｓ３０２Ｎｏ）は、読み込んだ７日間分の来店客数情報を取得データに加える（Ｓ３０３）。

そして、取得データ数が閾値ｎ（例えばｎ＝３６５）以上であるか否かを判断し（Ｓ３０４）、閾値ｎに満たない場合（Ｓ３０４Ｎｏ）は、Ｓ３０１に戻って更に遡った７日間分の来店客数情報を取得する。

読み込んだ週に誤差情報の値が「１」のものが存在した場合（Ｓ３０２Ｙｅｓ）は、誤差情報の値が「１」のものがｍ個以上（ｍ日以上）連続しているか否かを判断する（Ｓ３０５）。

誤差情報の値が「１」のものがｍ個以上連続していた場合（Ｓ３０５Ｙｅｓ）は、この７日間分の来店客数情報を取得データに追加する（Ｓ３０３）。

また、誤差情報の値が「１」のものがｍ個以上連続していなかった場合（Ｓ３０５Ｎｏ）は、取得した来店客数情報の週の前後の週につながる日、すなわち週の初日と最終日の一方または双方の誤差情報の値が「１」であるか否かを判断する（Ｓ３０６）。

取得した来店客数情報の週の前後の週につながる日の誤差情報の値が「１」でなかった場合（Ｓ３０６Ｎｏ）は、読み込んだ７日間分の来店客数情報は取得せず、Ｓ３０１に戻って更に遡った７日間分の来店客数情報を読み込む。

取得した来店客数情報の週の前後の週につながる日の誤差情報の値が「１」であった場合（Ｓ３０６Ｙｅｓ）は、誤差情報の値が「１」のものが前後の週をまたいでｍ個以上連続しているかを判定する（Ｓ３０７）。

誤差情報の値が「１」のものがｍ個以上連続していなかった場合（Ｓ３０７Ｎｏ）は、この１週間分の来店客数情報を取得せず、Ｓ３０１に戻って更に遡って７日間分の来店客数を読み込む。

誤差情報の値が「１」のものがｍ個以上連続していた場合（Ｓ３０７Ｙｅｓ）は、この１週間分の来店客数情報の取得データとして追加利用する（Ｓ３０３）。Ｓ３０５〜Ｓ３０７とＳ３０３から実績来店客数利用手段を構成する。

Ｓ３０１からＳ３０７の過程を繰り返し、取得データ数が予測実行日から遡ってｎ個に達した場合（Ｓ３０４Ｙｅｓ）は、この予測実行日から遡ったｎ個の来店客数情報を取得データとする（Ｓ３０８）。

図９に、予測実行日以前の誤差項目の値を時系列順に並べた例を示す。例えばｍ＝７として、どのような週を取得するかを図９に基づいて説明する。

予測実行日を含む最初の週（ａ）は、誤差を含まないので、そのまま取得する。週（ｂ）は週内に７個以上の誤差はないが、週（ｃ）にまたがって誤差が７個以上連続しているので、この週は取得する。週（ｃ）は週内に誤差のある日が７個以上あるので、取得する。週（ｄ）は、誤差はあるが７個以上連続せず、前後の週にも連続していないので、この週は取得しない。

第１実施形態では、来店客数予測サーバ１とＰＯＳレジ３とを別個に設けているが、ＰＯＳレジ３に来店客数予測サーバ１の機能を持たせても良い。

また、第１実施形態では、来店客数の予測式を重回帰分析により作成しているが、これに限定されず、ニューラルネットワークやＡＲＩＭＡモデル等の時系列モデルを用いても良い。

第１実施形態の来店客数予測サーバ１によると、降水量、曜日、及び特異日等の情報に基づいて時間帯毎の来店客数を予測することにより、この予測結果に基づいて、仕入れる商品の発注数量を決定したり、パート・アルバイト等のスタッフのシフト管理を行ったりすることが可能となった。

すなわち、食品スーパーでは、惣菜、弁当、精肉等の生鮮商品の適切な需要を図りたい。生鮮商品は作り過ぎによる廃棄ロスや、売り切れによるチャンスロスを起こしやすく、適切な加工計画を必要とする。従って、時間帯毎の来店客数を予測することで、ユーザは過去の売上数と経験に基づいて時間帯毎の売上を予測し、加工数を計画することが可能となった。

予測結果は、惣菜などの店舗で加工する商品だけでなく、他の商品需要に利用することももちろん可能である。例えば、各商品について予めＰＩ値を求めておけば、ＰＩ値に来店客数予測値を乗ずることで大まかな商品需要を知ることができる。なお、ＰＩ値とは販売個数を来店客数で割った値である。

なお、商品需要予測は食品スーパーだけでの利用に限らず、様々な業種・業態で活用される。

また、店舗において、スタッフの適切な出勤計画をすることで、配置の効率化と人件費の最適化を行いたい。事前に時間帯毎の来店客数を予測しておくことにより、時間帯毎に稼動させるＰＯＳレジの台数と配置する人数が予測するとともに、パート・アルバイトの出勤計画を細かく設定することで、人件費の最適化が可能となった。

本実施の形態では装置内部に発明を実施する機能が予め記録されている場合で説明をしたが、これに限らず同様の機能をネットワークから装置にダウンロードしても良いし、同様の機能を記録媒体に記憶させたものを装置にインストールしてもよい。記録媒体としては、ＣＤ−ＲＯＭ等プログラムを記憶でき、かつ装置が読み取り可能な記録媒体であれば、その形態は何れの形態であっても良い。またこのように予めインストールやダウンロードにより得る機能は装置内部のＯＳ（オペレーティング・システム）等と協働してその機能を実現させるものであってもよい。

来店客数予測システムのシステム構成図。 来店客数予測サーバのシステム構成図。 来店客数予測サーバの記憶部に記憶されるデータの保存形式を示す図。 ＰＯＳレジのシステム構成図。 来店客数予測サーバが販売実績情報を受信して来店客数情報として記録する手順を示すフローチャート。 来店客数予測サーバが予測来店客数を算出する手順を示すフローチャート。 来店客数予測システムによる予測結果を示すグラフ。 来店客数予測サーバが来店客数の予測値と実績値との誤差を考慮して来店客数情報を取得する手順を示すフローチャート。 予測実行日以前の誤差項目の値を時系列順に並べた例を示す図。

符号の説明

１ 来店客数予測サーバ
２ 来店客数予測システム
３ ＰＯＳレジ
４ ネットワーク
Ｔ１ 来店客数テーブル
Ｓ２０１ 予測降水量取得手段
Ｓ２０８ 予測来店客数計算手段

Claims (5)

1. 各日付の営業時間内の時間帯毎の降水量の実績値を示す実績降水量情報、各日付の時間帯毎の来店客数の実績値を示す実績来店客数情報が格納された来店客数テーブルと、
   予測日の時間帯毎の降水量の予測値を示す予測降水量情報を取得する予測降水量取得手段と、
   前記予測降水量情報と実績降水量情報と実績来店客数情報とに基づいて予測日の時間帯毎の来店客数の予測値を示す予測来店客数を計算する予測来店客数計算手段とを備えたことを特徴とする来店客数予測サーバ。
2. 前記実績降水量情報及び予測降水量情報が、複数区分に不均一に離散化されて表された請求項１記載の来店客数予測サーバ。
3. 前記来店客数テーブルには、 前記実績来店客数と予測来店客数との誤差を示す誤差情報が格納され、
   予測来店客数を算出する際に、所定値以上の誤差が所定時間単位数以上連続している場合には実績来店客数情報として利用する実績来店客数利用手段をさらに備えたことを特徴とする請求項１記載の来店客数予測サーバ。
4. 各日付の営業時間内の時間帯毎の降水量の実績値を示す実績降水量情報、各日付の時間帯毎の来店客数の実績値を示す実績来店客数情報を記録する実績来店客数情報記録ステップと、
   予測日の時間帯毎の降水量の予測値を示す予測降水量情報を取得する予測降水量取得ステップと、
   前記予測降水量情報と実績降水量情報と実績来店客数情報とに基づいて予測日の時間帯毎の来店客数の予測値を示す予測来店客数を計算する予測来店客数計算ステップとをコンピュータに行わせるための来店客数予測プログラム。
5. 前記実績降水量情報及び予測降水量情報を複数区分に不均一に離散化して表す請求項４記載の来店客数予測プログラム。
   
   

Images