JP2013061698A - 資産評価システム、及び、住民活動予測システム - Google Patents

Abstract

【課題】 住民情報を用いて、住民向けサービスの計画立案，都市計画立案，公共投資を行った際の効果予測を行う。
【解決手段】 住民情報と住民活動情報を用いた，自治体，行政における住民に対する業務を支援するシステムであって，住民性向クラスタリング処理と，前記住民クラスタを用いて，住民の活動モデルを用いて活動を予測する住民シミュレーション処理と，未来の住民情報を求める住民動向予測処理とを備え，前記住民クラスタと前記住民活動予測と前記予測住民情報の一部もしくは全部を用いて，自治体若しくは行政が行うサービスの計画を生成する住民サービス支援処理，または，公共施設の配置計画を生成する都市計画立案処理，または，最適な予算配分を求める公共投資シミュレーション処理のいずれかを備えることを特徴とする自治体・行政マネジメント支援システム，および支援方法。
【選択図】 図１

Description

本発明は，自治体，行政における住民に対する業務を支援するシステム，及び方法に関し，例えば，効果的な公共施設の配置・営業時間計画を出力するシステム，及び方法に関する。

国民ＩＤ制度により，様々な国民の情報が連携して取得できるようになると，それらの情報を用いて様々な行政サービスが実現できるようになる。

様々な国民の情報を用いた行政サービスの例として，特許文献１には，住民情報から公共施設の配置計画を生成する方法が開示されている。

また，特許文献２には，利用者の情報を用いて公共資産の評価を行う方法が開示されている。

特開平０８−１１０９１６号公報 特開２００５−２３５１６４号公報

特許文献１に記載の施設配置方法では，住民の住所・年齢（住民情報）から施設までの所要時間を予測し，施設の配置計画を生成することができる。

しかし，例えば昼間は勤め先にいる住民に向けても住所に近接した位置に施設を配置しようとしてしまうという問題があった。また，配置計画が生成されてから配置計画に基づいて実際に施設が建造されるまでには、相当の期間を要する。そのため、実際に施設を建造した時点での住民の居住地が反映されていない配置計画に基づいて、施設を建造してしまうことになる。

また，特許文献２に記載の施設評価データ処理方法では，施設利用状況，利用者満足度等を施設評価データとして出力することができる。しかし，施設評価の際に重要な資産価値を求めていないという問題があった。また，施設評価の際に重要な多施設との比較を行っていないという問題もあった。また，住民に向けたサービスを行う際に，住民情報を有効に用いることができないという問題もあった。

本願において開示される発明の代表的な一例を示せば以下の通りである。すなわち、施設を示す施設情報が入力される入力部と、住民に関する住民情報と、住民の活動に関する住民活動情報と、施設を示す情報と該施設の資産評価を示す情報とが関連付けられた資産評価情報と、を記憶する記憶部と、住民情報又は／及び住民活動情報に基づいて、住民のクラスタリング処理を行う住民性向クラスタリング処理部と、住民のクラスタリング処理によって生成される住民クラスタの時間的な変化を予測し、該予測の結果として予測住民情報を生成する住民動向予測処理部と、資産評価情報から入力部により入力された施設情報に類似する施設情報に関連付けられた資産評価を示す情報を検索する検索処理部と、予測住民情報と、検索された資産評価を示す情報とに基づいて、入力部により入力された施設情報が示す施設の資産評価を求める予測効果算定処理部と、を有する。

本発明の別の観点によれば、住民に関する住民情報と、住民の活動に関する住民活動情報と、施設に関する施設情報とを記憶する記憶部と、住民情報又は／及び住民活動情報に基づいて、住民のクラスタリング処理を行う住民性向クラスタリング処理部と、住民のクラスタリング処理によって生成される住民クラスタと住民活動情報に基づいて、住民クラスタを時空間でクラスタリングする時空間クラスタリング処理部と、住民クラスタの時空間クラスタリング処理によって生成される時空間クラスタから施設までの距離を、施設情報に含まる位置情報に基づいて算出し、住民活動情報に含まれる施設の利用率を示す情報と距離とに基づいて、時空間クラスタから施設までの距離と施設の利用率との相関を示す住民活動モデル情報を抽出する住民活動予測処理部と、を有する。

更に、本発明の別の観点によれば、住民に関する住民情報と、住民の活動に関する住民活動情報と、施設に関する施設情報とを記憶する記憶部と、住民情報又は／及び住民活動情報に基づいて、住民のクラスタリング処理を行う住民性向クラスタリング処理部と、住民のクラスタリング処理によって生成される住民クラスタと住民活動情報に基づいて、住民クラスタを時空間でクラスタリングする時空間クラスタリング処理部と、施設情報に含まる位置情報に基づいて、時空間クラスタリング処理部によるクラスタリングにより生成される時空間クラスタから所定の距離範囲に含まれる施設を抽出する施設抽出処理部と、住民性向クラスタリング処理部によるクラスタリングにより生成される住民クラスタの時間的な変化を予測し、該予測の結果として予測住民情報を生成する住民動向予測処理部と、予測住民情報と住民活動情報に含まれる施設の利用率を示す情報とに基づいて、予測される施設の利用者数を算出する予測利用者数算出処理部と、予測される施設の利用者数と施設抽出処理部により抽出された施設の収容人数との差分を求める収容人数過不足算出処理部と、を有する。

本発明の代表的な実施の形態によれば，住民情報及び活動状況を含む複数の情報を用いることにより，住民向けサービスの計画立案，都市計画立案，公共投資を行った際の効果予測等を行うことができる。

自治体・行政マネジメント支援方法の一例を示す図である。 自治体・行政マネジメント支援システムの構成の一例を示す図である。 住民性向モデルクラスタリング方法の一例を示す図である。 住民クラスタの一例を示す図である。 時空間クラスタのデータ構造の一例を示す図である。 住民シミュレーションの一例を示す図である。 地理情報のデータ構造の一例を示す図である。 住民活動情報の統計情報のデータ構造の一例を示す図である。 過去の住民クラスタと予測住民情報を示すイメージ図である。 予測住民情報のデータ構造の一例を示す図である。 住民サービス支援の一例を示す図である。 時空間クラスタのデータ構造の一例を示す図である。 都市計画立案の一例を示す図である。 地理情報のデータ構造の一例を示す図である。 公共投資シミュレーションの一例を示す図である。 政策ＤＢに記録されるデータのデータ構造の一例を示す図である。 予算配分のデータ構造の例を示す図である。 資産価値評価の一例を示す図である。

以下，本発明の実施形態を，図面を参照して説明する。

まず，図１と図２を用いて，本発明の実施形態の処理とシステム構成例を示す。本発明の実施形態のシステムは，処理（１１１〜１１６）を行う処理部（２１０）及び記憶部（２００）を含むシステムである。記憶部（２００）は，入力データ記録部（２０１），生成データ記録部（２０２）及びプログラム記録部（２０３）を有する。また，処理部（２１０），記憶部（２００），及び入力データ（２０１）の入力や生成データ（２０２）の出力を行う入出力部（２２０）は，通信経路（２３０）によって接続されている。各々の記録部は，磁気ディスク装置（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）等のストレージ装置により実現されている。また，通信経路（２３０）は他のストレージ装置を接続するネットワークでもよい。その場合，各々の記録部はネットワークに接続された装置となるようにしてもよい。

ここで，入力データ記録部（２０１）に記録されるデータは，住民の住所，年齢，家族構成，収入，資産等の一部若しくは全部を含む住民情報（１０１）と，市役所，図書館，コミュニティーセンター等の公共施設の利用履歴、病院の利用履歴，介護サービス等の利用履歴，公共交通機関の利用履歴，店舗における購買履歴の一部若しくは全部を含む住民活動情報（１０２）と，公共施設の位置や，図書館の蔵書数，病院の受入可能入院者数や対応科（内科，外科等）等の属性を含む地理情報とを含む。また，生成データ（２０２）に記録されるデータは，予測住民活動情報（１０４），予測住民情報（１０５），サービス計画（１０６），都市計画（１０７），最適予算配分（１０８）を含む。また，プログラム（２０３）は住民性向モデルクラスタリング（１１１）プログラム，住民シミュレーション（１１２）プログラム，住民動向予測（１１３）プログラム，住民サービス支援（１１４）プログラム，都市計画立案（１１５）プログラム，公共投資シミュレーション（１１６）プログラムを含む。

まず，処理部（２１０）はプログラム（２０３）を読み込むことにより，入力データ（２０１）に含まれる住民情報（１０１）と住民活動情報（１０２）を用いて，住民性向モデルクラスタリング（１１１）を行い，住民性向クラスタ（１０３）を生成し，生成データ（２０２）として記憶する。次に，処理部（２１０）はプログラム（２０３）を読み込むことにより，入力データ（２０１）に含まれる住民活動情報（１０２）と生成データ（２０２）に含まれる住民性向クラスタ（１０３）を用いて，住民シミュレーション（１１２）を行い，予測住民活動情報（１０４）を生成し，生成データ（２０２）として記憶する。次に，処理部（２１０）はプログラム（２０３）を読み込むことにより，生成データ（２０２）に含まれる住民性向クラスタ（１０３）を用いて，住民動向予測（１１３）を行い，予測住民情報（１０５）を生成し，生成データ（２０２）として記憶する。次に，処理部（２１０）はプログラム（２０３）を読み込むことにより，生成データ（２０２）に含まれる予測住民活動情報（１０４），住民性向クラスタ（１０３），予測住民情報（１０５）を用いて，住民サービス支援処理（１１４）を行い，サービス計画（１０６）を生成し，生成データ（２０２）として記憶する。次に，処理部（２１０）はプログラム（２０３）を読み込むことにより，生成データ（２０２）に含まれる予測住民活動情報（１０４），住民性向クラスタ（１０３），予測住民情報（１０５）を用いて，都市計画立案（１１５）を行い，都市計画（１０７）を生成し，生成データ（２０２）として記憶する。次に，処理部（２１０）はプログラム（２０３）を読み込むことにより，生成データ（２０２）に含まれる予測住民情報（１０５）を用いて，公共投資シミュレーション（１１６）を行い，最適予算配分（１０８）を生成し，生成データ（２０２）として記憶する。

次に，図３を用いて住民性向モデルクラスタリング処理（１１１）を説明する。まず，住民情報（３０１）や住民情報と住民活動情報（３０２）の履歴統計情報（公共施設の利用頻度等）を用いて住民のクラスタリングを行い（３１０），住民クラスタ（３０３）を求める。クラスタリングには，例えば「Ｃ．Ｍ．ビショップ：パターン認識と機械学習，シュプリンガー・ジャパン，２００６年」記載のｋ−ｍｅａｎｓ法を用いることができる。一般にクラスタリング結果はクラスタリングに用いた情報の種類の数と等しい多次元空間上の塊として表わされるが，簡単に２種類の情報のみを用いた住民クラスタの例を図４に示す。ここで，縦軸（４０１）は年齢を，横軸（４０２）は図書館の利用頻度を表す。高齢者クラスタ（４１１）は年齢が高いが，図書館利用頻度は様々であり，専業主婦子有クラスタ（４１２）は図書館の利用頻度が高く，年齢は高齢者ほど高くはないが様々であることを示している。次に，生成された住民クラスタ（３０３）毎に，該クラスタに含まれる住民の活動情報（３０２）を用いて時空間クラスタリング（３１１）を行い，住民クラスタ毎の時空間クラスタ（３０４）を求める。時空間クラスタリングの方法並びに時空間クラスタのデータ形式は特開２０１１−００８６３５号公報に記載されている。例えば，図書館の日毎の利用頻度情報を用い，各住民クラスタに属する住民がどのような曜日にどの辺りの図書館を用いるかがクラスタリングされる。住民性向クラスタ（３００）とは、住民性向モデルクラスタリング処理（１１１）により求められる住民クラスタ（３０３）と時空間クラスタ（３０４）とを含むクラスタ情報である。

次に，時空間クラスタのデータ例を図５に示す。該図に示したクラスタは，共働き子無しクラスタの移動を表す２つの時空間クラスタで，５０１がクラスタ番号，５０２が時刻，５０３が座標である。ここでは、時空間クラスタの座標を該クラスタの重心位置座標として表しているが、クラスタの範囲を表すように複数の座標で表しても構わない。７：１０から７：４０にかけて（４０００，２０００）から（１０００，２０００）へ左に移動するクラスタ１（５１０〜５１３）と，７：００から７：５０にかけて（３０００，４０００）から（７０００，４０００）へ右に移動するクラスタ２が存在することを示している。ここでクラスタ番号は，求められたクラスタ毎にユニークに付与された番号である。

次に，図６を用いて住民シミュレーション（１１２）を説明する。まず，住民活動情報（６０１）の履歴統計情報，時空間クラスタ（６０２），地理情報（６０３）を用いて住民活動モデル（６０４）を求める（６１０）。次に，ユーザにより地理情報（６０３）が変更される（６１１）。次に，６１０で求められた住民活動モデル（６０４）を用いて変更後のデータに基づき活動シミュレーションを行い（６１２），住民活動予測（６０５）を求める。以下に具体的な処理の一例を示す。まず，地理情報（６０３）と住民活動情報（６０１）の履歴統計情報の例を図７，８に示す。図７は図書館の位置を示す地理情報である。７０１が図書館ＩＤ，７０２が座標で，該図には２つの図書館（７１０，７１１）の位置が記憶されている。図８は図書館の利用頻度を示す住民活動情報の統計情報である。８０１が住民クラスタＩＤで，ここでは「共働き子有」クラスタを表し，８０２が図書館ＩＤ，８０３が該住民クラスタに含まれる住民の月毎平均利用回数である。本実施例における活動モデル生成（６１０）では，利用回数の，時空間クラスタまでの距離に対する一次近似を行う。すなわち，図５，７，８の情報を用いると，図書館１（７１０）とそれに最も近い時空間クラスタ１（５１０〜５１２）の距離が１０００で，図書館２（７１１）とそれに最も近い時空間クラスタ２（５１３〜５１５）の距離が２０００であることから，図８の値を用いて連立一次方程式を解くと，利用頻度＝−０．００１×距離＋２．５と表すことができる。従って，図書館の利用頻度に関する住民活動モデルは（−０．００１，２．５）という２つの実数値で表わされる。次に，地理情報変更（６１１）において，座標（４０００，５０００）に図書館３が追加されると，活動シミュレーション（６１２）において，最も近い時空間クラスタ５１３〜５１５までの距離が１０００となるため，住民活動予測として，図８の各列に対応して（５，３，１．５）が求められる。このようにして，住民活動情報と時空間クラスタを用いることにより，新たに公共施設を建設した場合の利用頻度をシミュレーションにより予測することができる。

次に，図１，３，９，１０を用いて住民動向予測（１１３）を説明する。住民動向予測は，住民性向クラスタ（１０３，３００）の中の過去に求めた複数の住民クラスタ（３０３）を用いて予測住民情報（１０５）を求める。例えば，ある地域（９０１，９０２）の住民クラスタの過去の住民クラスタ情報（９１１，９１２，９２１，９２２）から同地域（９０３）の予測住民情報（９１３，９２２）を求める。本実施例では，住民クラスタは，２００５年並びに２０１０年におけるクラスタ「共働き子有」（９１１，９１２）とクラスタ「高齢者」（９２１）の住所座標情報であり，各年において各々のクラスタに含まれる住民が地域（９０１，９０２）の特定の場所に固まって存在することを示している。ここで，クラスタの色の濃さはクラスタに含まれる住民の人数を表しており，本実施例では２００５年の「共働き子有」（９１１）は１２０人であり，２０１０年の「共働き子有」（９１２）は２４０人であり，２００５年の「高齢者」（９２１）は４００人，２０１０年の「高齢者」（９２２）は３００人である。この時，住民動向予測では外挿を行う。例えば「共働き子有」は人数が５年間で１２０人増加していると共に，分布地域も右方向に増大しているので，２０１５年の同地域（９０３）における「共働き子有」クラスタに含まれる住民は３６０人で，地域も更に右方向に増大している（９１３）。また，「高齢者」は地域としては不変で人数が１００人減少しているので，２０１５年の同地域（９０３）における「高齢者」クラスタに含まれる住民は２００人で，地域は２００５，２０１０年と同じである（９２３）。予測住民情報（１０５）の例を図１０に示す。各列はそれぞれ，住民クラスタＩＤ（１０００），人数（１００１），クラスタＸ座標（１００２），クラスタＹ座標（１００３），クラスタ横幅（１００４），クラスタ高さ（１００５）を表し，各行はそれぞれ「共働き子有」の予測住民情報（ＩＤ＝５，１０１０），「高齢者」の予測住民情報（ＩＤ＝７，１０１１）を表す。

次に，サービス計画（１１２０）を出力する住民サービス支援（１１４）を二例説明する。

まず，図１１を用いて，高齢者訪問計画生成の例を説明する。住民性向モデルクラスタリング（１１１）により求められた住民性向クラスタ（１０３）の中の高齢者クラスタ（１１０１）に含まれる住民の活動状況，例えば公共施設の利用頻度の分布を求め，分布平均からの偏差の標準偏差に対する割合を求め，頻度が標準偏差の２倍以上小さい住民を偏りデータとして抽出し，要訪問高齢者リスト（１１０３）として名前と住所を出力する（１１０２）。抽出された住民は，他の高齢者に比べ，公共施設の利用頻度が異常に低いため，訪問して状況の確認が必要である。

次に，図１１，１２を用いて，子育て支援活動計画生成の例を説明する。まず，住民動向予測（１１３）により求められた予測住民情報（１１１１）から活動候補地を決定する（１１１２）。例えば図１０に示す予測住民情報が得られた場合，２０１５年の子育て支援活動は住民クラスタ「共働き子有」の人数が３００人以上の予測住民情報（１０１０）の座標値（１０００，５０００）が候補地（１１１３）となる。次に，住民シミュレーション（１１２）で求められた予測住民活動情報（６００）の中の住民活動モデル（１１１４）と，住民性向モデルクラスタリング（１１１）により求められた住民性向クラスタ（１０３）の中の「共働き子有」クラスタの時空間クラスタ（１１１５）を用いて集客予測を行う（１１１６）。例えば，過去の子育て支援活動集客人数に関する住民活動モデル（６０４）が（−０．０１，６０），時空間クラスタが１２１１〜１２１３の場合，開催地候補から時空間クラスタまでの距離が１０００となるので，１０：３０頃に子育て支援活動を開催した場合の集客予測人数は５０人となる。

次に，図１３，５，９，１０，１４を用いて，都市計画立案（１１５）を説明する。本実施例では，保育園の配置計画を求める。まず，住民動向予測（１１３）により求められた予測住民情報（１３０１）から２０１５年における「共働き子有」クラスタ（ＩＤ＝５）の住民分布を抽出する（１３０２）。例えば，図９，図１０の予測住民情報では９１３，１０１０の情報が求められる。次に，住民性向モデルクラスタリング（１１１）により求められた住民性向クラスタ（１０３）の中の「共働き子有」クラスタ（１３０３）から予測住民情報に対応する時空間クラスタを抽出する（１３０４）。例えば図５に示す「共働き子有」クラスタの時空間クラスタに対し，抽出された住民分布に対応する時空間クラスタ２（５１３〜５１５）が抽出される。次に，抽出された住民分布の人数（１００１）と住民シミュレーション（１１２）により求められた予測住民活動情報（１０４）や住民活動情報から予測利用者を算出する（１３０６）。例えば，住民クラスタＩＤ＝５に対応するクラスタに所属する住民の保育園利用率が０．２の場合，図１０の１０１０における予測人数が３６０人であるため，７２人と求められる。次に，既存保育園の収容人数を含む地理情報（１３０７）から１３０４にて抽出された時空間クラスタ近隣の保育園を抽出する（１３０８）。保育園の地理情報（１３０７）の例を図１４に示す。ここで，各列はそれぞれ保育園ＩＤ（１４００），収容人数（１４０１），Ｘ座標（１４０２），Ｙ座標（１４０３）であり，３つの保育園情報が記録されている。距離の最大値を５００とすると，該時空間クラスタ（５１３〜５１５）から距離５００以内の保育園は１４１１と１４１２である。次に，１３０６にて予測された利用者数と１３０８にて抽出された保育園の収容人数の差より収容人数の過不足を算出する（１３０９）。本データ例の場合，予測される利用者数は７２人であるのに対し，抽出された保育園１４１１，１４１２の収容人数（１４０１）の和は５０人であるので，２２人不足していることが分かる。次に，保育園計画を生成する（１３０１）。本データ例の場合，抽出された時空間クラスタ（５１３〜５１５）の重心（５０００，４０００）に収容人数２２人の保育園を配置する計画（１３１０）が生成される。

ここで，住民全体の予測住民情報（１３０１）と住民全体の時空間クラスタ（１３０３）を用い，災害時避難施設の地理情報（１３０７）を用いると，災害時避難施設配置計画を求めることもできる。

次に，図１５，１６，１７を用いて公共投資シミュレーション（１１６）を説明する。まず，他自治体含めた既設の公共施設に関して，資産評価を行い，政策ＤＢ（１５００）へ記録する（１５０１）。政策ＤＢのデータ例を図１６に示す。各列はそれぞれ，公共施設の種類（１６０１），便益を受ける住民クラスタＩＤ（１６０２），住民１人当たりの効果（１６０３）を表す。但し，住民クラスタＩＤ＝０はすべての住民への便益を示す。従って図１６は，保育園は「共働き子有」の住民にとって一人当たり１５０の便益があり（１６１１），図書館は全住民にとって一人当たり１の便益がある（１６１２）ことを示す。次に，予算案の予算配分（１５０２）に含まれる新規着工予定公共施設に関し，同種の公共施設の資産価値データを政策ＤＢから検索する（１５０３）。予算配分のデータ例を図１７に示す。各列はそれぞれ，公共施設の種類（１７０１），予算額（１７０３），収容人数（１７０４），Ｘ座標（１７０４），Ｙ座標（１７０５）である。公共施設の種類が保育園と図書館であるから，類似政策検索（１５０３）では１６１１，１６１２が検索される。次に，検索された資産価値データと住民動向予測（１１３）により求められた予測住民情報（１５０４）から，予算配分により建設される公共施設の効果を算定する（１５０５）。例えば予測住民情報として図１０，政策ＤＢデータとして図１６，予算配分として図１７が与えられた場合，まず，建設予定の保育園１７１１の位置（１０００，５０００）は，政策ＤＢの保育園に関するデータ１６１１の住民クラスタＩＤ＝５と同じＩＤの予測住民情報のクラスタ１０１０に含まれる位置にあるので，該予測住民情報の人数３６０人が利用可能で，予算配分データにおける収容人数３０人分使用されることが期待でき，政策ＤＢデータ１６１１の一人あたりの効果１５０から，全体で４５００の効果がある。次に，建設予定の図書館１７１２の位置（８０００，３０００）は，政策ＤＢの図書館に関するデータ１６１２の住民クラスタＩＤは０なので，任意のＩＤの住民に利用されることが期待でき，予測住民情報のクラスタ１０１１に含まれる位置にあるので，該予測住民情報の人数１００人が利用可能で，予算配分データにおける収容人数の２００人中１００人が使用することが期待でき，政策ＤＢデータ１６１１の一人あたりの効果１から，全体で１００の効果がある。従って，該予算配分の効果は４５００＋１００＝４６００ということになる。次に，予算配分の変更を行う（１５０６）。例えば，１７１１，１７１２の総予算額４００，０００，０００円を変えずに，保育園の収容員数を２倍にすると共に，図書館の規模を縮小する（１７２１，１７２２）。変更後の予測効果を再び計算し（１５０５），この場合には６０＊１５０＋１００＊１＝９１００となる。同様に予算配分変更（１５０６）と予算効果算定（１５０５）を繰り返し，最も効果が高い予算配分を最適予算配分（１５０７）として求める。例えば１７１１，１７１２と１７２１，１７２２の配分では，予算効果が高い１７２１，１７２２が出力される。

次に，図１８，１６を用いて資産価値評価（１５０１）を説明する。まず，施設毎の利用者の住民情報（１８０１）と住民活動情報（１８０２）の統計量を説明変数，アンケート等で得られた住民満足度の施設毎の総和（１８０３）を従属変数として重回帰分析を行い，住民満足度と住民情報との相関を求める（１８０６）。例えば，住民活動情報の中の公共施設利用情報の一定期間におけるデータ数（実際にはアンケート回答者数）を説明変数とした場合の重回帰分析結果の重回帰係数が図１６における一人あたりの満足度（１６０３）になる。次に，入力された施設毎の属性（１８０５）を付与して政策ＤＢデータ（１８０７）が生成される（１８０６）。ここで，図１６における施設属性は，利用者のクラスタＩＤ（１６０２）である。

２００・・・記憶部
２１０・・・処理部
２２０・・・入出力部
２３０・・・通信経路
１０１，３０１，１８０１・・・住民情報
１０５，９１３，９２２，１１１１，１０１０，１３０１，１５０４・・・予測住民情報
１０２，３０２，６０１，１８０２・・・住民活動情報
１０４，６００・・・予測住民活動情報
３０３，４１１，４１２，１１０１・・・住民クラスタ
３０４，６０２，１１１５・・・時空間クラスタ

Claims (12)

1. 施設を示す施設情報が入力される入力部と、
   住民に関する住民情報と、住民の活動に関する住民活動情報と、施設を示す情報と該施設の資産評価を示す情報とが関連付けられた資産評価情報と、を記憶する記憶部と、
   前記住民情報又は／及び前記住民活動情報に基づいて、住民のクラスタリング処理を行う住民性向クラスタリング処理部と、
   住民のクラスタリング処理によって生成される住民クラスタの時間的な変化を予測し、該予測の結果として予測住民情報を生成する住民動向予測処理部と、
   前記資産評価情報から前記入力部により入力された施設情報に類似する施設情報に関連付けられた資産評価を示す情報を検索する検索処理部と、
   前記予測住民情報と、前記検索された資産評価を示す情報とに基づいて、前記入力部により入力された施設情報が示す施設の資産評価を求める予測効果算定処理部と、を有することを特徴とする資産評価システム。
2. 請求項１に記載の資産評価システムであって、
   前記住民情報は、住民の住所、年齢、家族構成、収入、資産の一部又は全てを含む情報であり、
   前記住民活動情報は、公共施設の利用履歴、病院の利用履歴、介護サービスの利用履歴、公共交通機関の利用履歴、購買履歴の一部又は全てを含む情報であることを特徴とする資産評価システム。
3. 請求項１に記載の資産評価システムであって、
   前記資産評価情報における資産評価を示す情報は、住民クラスタと該住民クラスタに属する住民の満足度とが関連付けられた情報を含むことを特徴とする資産評価システム。
4. 請求項１に記載の資産評価システムであって、
   前記住民動向予測処理部は，前記住民クラスタ毎の過去の前記住民情報から前記住民クラスタの時間的な変化を予測することを特徴とする資産評価システム。
5. 住民に関する住民情報と、住民の活動に関する住民活動情報と、施設に関する施設情報とを記憶する記憶部と、
   前記住民情報又は／及び前記住民活動情報に基づいて、住民のクラスタリング処理を行う住民性向クラスタリング処理部と、
   住民のクラスタリング処理によって生成される住民クラスタと前記住民活動情報に基づいて、前記住民クラスタを時空間でクラスタリングする時空間クラスタリング処理部と、
   前記住民クラスタの時空間クラスタリング処理によって生成される時空間クラスタから前記施設までの距離を、前記施設情報に含まる位置情報に基づいて算出し、前記住民活動情報に含まれる前記施設の利用率を示す情報と前記距離とに基づいて、時空間クラスタから前記施設までの距離と前記施設の利用率との相関を示す住民活動モデル情報を抽出する住民活動予測処理部と、を有することを特徴とする住民活動予測システム。
6. 請求項５に記載の住民活動予測システムであって、
   施設の配置変更又は追加を示す情報が入力される入力部を更に有し、
   前記住民活動予測処理部は、前記配置変更又は追加される施設の位置情報から、前記時空間クラスタリングから該施設までの距離を算出し、前記算出された距離と前記住民活動モデル情報とに基づいて、前記配置変更又は追加される施設に対する利用率を算出すること、を特徴とする住民活動予測システム。
7. 請求項５に記載の住民活動予測システムであって、
   前記住民情報は、住民の住所、年齢、家族構成、収入、資産の一部又は全てを含む情報であり、
   前記住民活動情報は、公共施設の利用履歴、病院の利用履歴、介護サービスの利用履歴、公共交通機関の利用履歴、購買履歴の一部又は全てを含む情報であることを特徴とする住民活動予測システム。
8. 請求項５に記載の住民活動予測システムであって、
   前記住民クラスタ毎の前記住民活動情報の分布から偏りのある住民活動情報に対応する住民を抽出する住民抽出処理部と、を有することを特徴とする住民活動予測システム。
9. 請求項５に記載の住民活動予測システムであって、
   前記住民クラスタと、前記住民クラスタと前記予測活動情報とに基づいて地域活動の予測参加者数を求めることを特徴とする住民活動予測システム。
10. 請求項５に記載の住民活動予測システムであって、
    住民のクラスタリング処理によって生成される住民クラスタの時間的な変化の予測を示す予測住民情報を生成する住民動向予測処理部を更に有し、
    前記予測住民情報を用いて施設の配置計画を求めることを特徴とする住民活動予測システム。
11. 請求項１０に記載の住民活動予測システムであって、
    前記時空間クラスタと前記予測住民情報とを用いて施設の配置計画を求めることを特徴とする住民活動予測システム。
12. 住民に関する住民情報と、住民の活動に関する住民活動情報と、施設に関する施設情報とを記憶する記憶部と、
    前記住民情報又は／及び前記住民活動情報に基づいて、住民のクラスタリング処理を行う住民性向クラスタリング処理部と、
    住民のクラスタリング処理によって生成される住民クラスタと前記住民活動情報に基づいて、前記住民クラスタを時空間でクラスタリングする時空間クラスタリング処理部と、
    前記施設情報に含まる位置情報に基づいて、前記時空間クラスタリング処理部によるクラスタリングにより生成される時空間クラスタから所定の距離範囲に含まれる施設を抽出する施設抽出処理部と、
    前記住民性向クラスタリング処理部によるクラスタリングにより生成される住民クラスタの時間的な変化を予測し、該予測の結果として予測住民情報を生成する住民動向予測処理部と、
    前記予測住民情報と前記住民活動情報に含まれる施設の利用率を示す情報とに基づいて、予測される施設の利用者数を算出する予測利用者数算出処理部と、
    前記予測される施設の利用者数と前記施設抽出処理部により抽出された施設の収容人数との差分を求める収容人数過不足算出処理部と、を有することを特徴とする住民活動予測システム。