JP2014182713A - 動線予測装置、動線予測方法、及び、プログラム - Google Patents

Abstract

【課題】施設レイアウト情報から算出した進行予測方程式を用いて新たな施設レイアウトの動線を予測する動線予測装置等を提供する。
【解決手段】施設内の通路の座標（ｘ、ｙ）の分岐点における各進行方向ｊに向かう確率Ｐ_ｊｘｙと、施設面積、通路幅、棚の数等の施設条件、及び、分岐点の座標、分岐点の特性等の通路条件からなる施設レイアウト情報との関係を表す進行方向予測式を作成し、各条件の重み係数を、施設レイアウト情報と予め計測した分岐点における各進行方向ｊに向かう確率Ｐ_ｊｘｙを代入して重回帰分析や機械学習により予め求める。求めた係数による進行方向予測式に、動線を予測したい施設の施設レイアウト情報を代入して各分岐点における各進行方向ｊに向かう確率Ｐ_ｊｘｙを求め、各分岐点の確率Ｐ_ｊｘｙの高い方向の分岐点を順に繋ぐことにより動線を予測する。
【選択図】図６

Description

本発明は、動線を予測する技術に関し、更に詳しくは施設レイアウト情報から算出した進行予測方程式を用いて新たな施設レイアウトの動線を予測する技術に関する。

従来、店舗や公共施設等の施設内外の人の流れ（動線）を調査する方法として、（１）調査員が追跡調査を行う方法、（２）カメラやセンサを設置してデータから分析する方法等が使用されている。

また、テーマパークや、特定の地区の人の動線を予測するシステムが提案されている（例えば、特許文献１、特許文献２）。

特許文献１は、テーマパーク等の複数の施設を含む敷地内の人口密度を推定する方法を提案しており、入場者数の入場時間推移、各施設の人気度と経路長、執着度を元に移動目標の施設を決定し、敷地内を区切ったメッシュ毎の人口密度の推移を予測するものである。

また、特許文献２は、駅等の特定の地区の人の流動を、特定の地区を発生・吸収・分岐ノードとリンクで表わし、発生ノードの発生量と吸収ノードの吸収量、各リンクの距離を入力とし、分岐ノードから吸収ノードへの経路長を元に求めた「行きにくさ」の数値と吸収ノードの吸収量を元に各分岐ノードの遷移確率を求め、各リンクの流動量と分岐ノードの滞留量をシミュレーションするものである。

特開平６−１７６００４号公報 特開平１０−２５４８４９号公報

しかしながら、（１）の方法は、コストと時間がかかること、来場者に不快感を与えたり迷惑をかける可能性があること、多数の来場者の動線把握が困難であること等の問題がある。
また、（２）の方法は、カメラやセンサの設置に手間がかかること、機器の設置場所が限定され死角が発生し、必要なデータが取れない可能性があること等の問題がある。
また、（１）、（２）に共通して、既存の施設でしか調査できないこと、天気などの外的影響を受ける可能性があること、調査計画−計測−分析に時間がかかること等の問題がある。

また、特許文献１の方法は、施設のレイアウトに加えて、人気度や来場者の執着度のデータを利用して敷地内の人の流動を求めるものであり、施設のレイアウトのみで動線を求めることはできないという問題がある。
また、特許文献２の方法は、発生・吸収・分岐ノードとリンクからなるネットワークを形成するが、このようなネットワークは駅等の特定の地域の表現には適するが、店舗等の施設には適さないという問題がある。

本発明は、前述した問題点に鑑みてなされたものであり、その目的とするところは、施設レイアウト情報から算出した進行予測方程式を用いて新たな施設レイアウトの動線を予測する動線予測装置等を提供することである。

前述した目的を達成するために、第１の発明は、施設のレイアウト情報から求められる施設条件及び通路条件と、前記施設の通路上の分岐点における各進行方向に向かう確率との関係を記述する進行方向予測式を用いて、施設のレイアウト情報から当該施設の来場者の動線を予測する動線予測装置であって、複数の施設の前記施設条件及び前記通路条件と、当該複数の施設において予め計測した前記通路上の分岐点における各進行方向に向かう確率とを、前記進行方向予測式に代入して、前記施設条件及び前記通路条件に係る重み係数を算出する重み係数算出手段と、新たな施設のレイアウト情報から求められる前記施設条件及び前記通路条件を、算出した前記重み係数によって重み付けた前記進行方向予測式に代入し、当該新たな施設の前記通路上の分岐点における各進行方向に向かう確率を算出する確率算出手段と、前記分岐点の前記各進行方向に向かう確率のうちで最も高い確率の方向を辿って前記分岐点を結ぶことにより動線を求める動線予測手段と、を備えることを特徴とする動線予測装置である。

前記施設条件は、少なくとも、施設面積、施設に設けられる棚の数、主要通路の幅、及び、非主要通路の幅を含むことが好ましい。
また、前記通路条件は、少なくとも、前記分岐点の位置座標、及び、前記分岐点の特性を含み、前記位置座標は、前記施設の出入口の位置を座標原点とすることが好ましい。

また、前記分岐点の特性は、前記分岐点のある通路が主要通路か否かを示す情報であることが望ましい。
また、前記施設の出入口が複数存在する場合には、前記分岐点に最も近い出入口の位置を前記座標原点とすることが望ましい。
また、前記進行方向予測式算出手段は、前記進行方向予測式の前記重み係数を重回帰分析により求めてもよいし、機械学習により求めてもよい。

第１の発明によって、重み係数算出手段により、予め複数の施設について、通路上の分岐点にについて計測した各進行方向の確率と、施設条件と通路条件とともに進行方向予測式に代入し、重回帰分析や機械学習によって、施設条件と通路条件に係る重み係数を求め、確率算出手段により、新たな施設について、施設条件と通路条件を進行方向予測式に代入することにより各分岐点における各進行方向の確率を算出し、動線予測手段により、各分岐点において最大の確率の方向を辿って分岐点を結ぶことにより動線を求めることが可能になる。

第１の発明によって、予め求められた進行方向予測式により、新たな施設のレイアウト情報から来場者の動線を予測することが可能になり、新規店舗等のレイアウトを計画する際の材料として使用することが可能である。また、天気等の外的影響や、キャンペーンや販売促進等による影響を受けない動線を予測することが可能である。

第２の発明は、施設のレイアウト情報から求められる施設条件及び通路条件と、前記施設の通路上の分岐点における各進行方向に向かう確率との関係を記述する進行方向予測式を用いて、施設のレイアウト情報から当該施設の来場者の動線を予測する動線予測方法であって、複数の施設の前記施設条件及び前記通路条件と、当該複数の施設において予め計測した前記通路上の分岐点における各進行方向に向かう確率とを、前記進行方向予測式に代入して、前記施設条件及び前記通路条件に係る重み係数を算出する重み係数算出ステップと、新たな施設のレイアウト情報から求められる前記施設条件及び前記通路条件を、算出した前記重み係数によって重み付けた前記進行方向予測式に代入し、当該新たな施設の前記通路上の分岐点における各進行方向に向かう確率を算出する確率算出ステップと、前記分岐点の前記各進行方向に向かう確率のうちで最も高い確率の方向を辿って前記分岐点を結ぶことにより動線を求める動線予測ステップと、を含むことを特徴とする動線予測方法である。
第２の発明によって、重み係数算出ステップにより、予め複数の施設について、通路上の分岐点にについて計測した各進行方向の確率と、施設条件と通路条件とともに進行方向予測式に代入し、重回帰分析や機械学習によって、施設条件と通路条件に係る重み係数を求め、確率算出ステップにより、新たな施設について、施設条件と通路条件を進行方向予測式に代入することにより各分岐点における各進行方向の確率を算出し、動線予測ステップにより、各分岐点において最大の確率の方向を辿って分岐点を結ぶことにより動線を求めることが可能になる。

第３の発明は、コンピュータを、施設のレイアウト情報から求められる施設条件及び通路条件と、前記施設の通路上の分岐点における各進行方向に向かう確率との関係を記述する進行方向予測式を用いて、施設のレイアウト情報から当該施設の来場者の動線を予測する動線予測装置として機能させるためのプログラムであって、コンピュータを、複数の施設の前記施設条件及び前記通路条件と、当該複数の施設において予め計測した前記通路上の分岐点における各進行方向に向かう確率とを、前記進行方向予測式に代入して、前記施設条件及び前記通路条件に係る重み係数を算出する重み係数算出手段、新たな施設のレイアウト情報から求められる前記施設条件及び前記通路条件を、算出した前記重み係数によって重み付けた前記進行方向予測式に代入し、当該新たな施設の前記通路上の分岐点における各進行方向に向かう確率を算出する確率算出手段、前記分岐点の前記各進行方向に向かう確率のうちで最も高い確率の方向を辿って前記分岐点を結ぶことにより動線を求める動線予測手段、として機能させるためのプログラムである。
第３の発明を汎用コンピュータにインストールすることによって、第１の発明を得て、第２の発明の方法を実行することができる。

本発明により、施設レイアウト情報から算出した進行予測方程式を用いて新たな施設レイアウトの動線を予測する動線予測装置等を提供することが可能になる。

本発明の実施の形態に係る動線予測装置１のハードウエア構成例を示す図 動線予測装置１の処理の流れを示すフローチャート 施設例２０のレイアウト情報を説明する図 進行方向予測式算出処理（図２のステップ１）の流れを示すフローチャート 動線の予測処理（図２のステップ２）の流れを示すフローチャート 重回帰分析を用いて求める進行方向予測式を説明する図 進行方向予測式を算出するためのデータ例を示す図 動線予測対象の施設例６０を説明する図 動線の予測処理を説明する図 機械学習を用いて求める進行方向予測式を説明する図

以下、添付図面に基づいて、本発明の実施の形態に係る動線予測装置１の好適な実施形態について詳細に説明する。

図１は、本発明の実施形態に係る動線予測装置１のハードウエア構成図である。尚、図１のハードウエア構成は一例であり、用途、目的に応じて様々な構成を採ることが可能である。

動線予測装置１は、制御部１１、記憶部１２、メディア入出力部１３、通信制御部１４、入力部１５、表示部１６、周辺機器Ｉ／Ｆ部１７等が、バス１８を介して接続される。

制御部１１は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）等で構成される。

ＣＰＵは、記憶部１２、ＲＯＭ、記録媒体等に格納されるプログラムをＲＡＭ上のワークメモリ領域に呼び出して実行し、バス１８を介して接続された各装置を駆動制御し、動線予測装置１が行う後述する処理を実行する。ＲＯＭは、不揮発性メモリであり、動線予測装置１のブートプログラムやＢＩＯＳ等のプログラム、データ等を恒久的に保持している。ＲＡＭは、揮発性メモリであり、記憶部１２、ＲＯＭ、記録媒体等からロードしたプログラム、データ等を一時的に保持するとともに、制御部１１が各種処理を行う為に使用するワークエリアを備える。

記憶部１２は、ＨＤＤ（ハードディスクドライブ）等であり、制御部１１が実行するプログラム、プログラム実行に必要なデータ、ＯＳ（オペレーティングシステム）等が格納される。プログラムに関しては、ＯＳ（オペレーティングシステム）に相当する制御プログラムや、後述する処理を動線予測装置１に実行させるためのアプリケーションプログラムが格納されている。これらの各プログラムコードは、制御部１１により必要に応じて読み出されてＲＡＭに移され、ＣＰＵに読み出されて各種の手段として実行される。

メディア入出力部１３（ドライブ装置）は、データの入出力を行い、例えば、ＣＤドライブ（−ＲＯＭ、−Ｒ、−ＲＷ等）、ＤＶＤドライブ（−ＲＯＭ、−Ｒ、−ＲＷ等）等のメディア入出力装置を有する。

通信制御部１４は、通信制御装置、通信ポート等を有し、動線予測装置１とネットワーク間の通信を媒介する通信インタフェースであり、ネットワークを介して、他の装置間との通信制御を行う。ネットワークは、有線、無線を問わない。

入力部１５は、データの入力を行い、例えば、キーボード、マウス等のポインティングデバイス、テンキー等の入力装置を有する。入力部１５を介して、動線予測装置１に対して、操作指示、動作指示、データ入力等を行うことができる。

表示部１６は、ＣＲＴモニタ、液晶パネル等のディスプレイ装置、ディスプレイ装置と連携して動線予測装置１のビデオ機能を実現するための論理回路等（ビデオアダプタ等）を有する。

周辺機器Ｉ／Ｆ（インタフェース）部１７は、動線予測装置１に周辺機器を接続させるためのポートであり、周辺機器Ｉ／Ｆ部１７を介して動線予測装置１は周辺機器とのデータの送受信を行う。周辺機器Ｉ／Ｆ部１７は、ＵＳＢやＩＥＥＥ１３９４やＲＳ−２３２Ｃ等で構成されており、通常複数の周辺機器Ｉ／Ｆを有する。周辺機器との接続携帯は有線、無線を問わない。

バス１８は、各装置間の制御信号、データ信号等の授受を媒介する経路である。

図２は、動線予測装置１の処理の流れを示すフローチャートである。
まず、動線予測装置１の制御部１１は、進行方向予測式を算出する処理を実行する（ステップ１）。

進行方向予測式は、動線を予測したい施設のレイアウト情報から動線を予測するための情報を得るための式である。詳細は後述するが、予め多数の施設について、それらの施設の通路上にある分岐点において各進行方向に進む確率を計測し、この値とそれらの施設のレイアウト情報とから進行方向予測式を求める。

次に、制御部１１は、ステップ１で求めた進行方向予測式を使用して、新たな施設について動線を予測する（ステップ２）。詳細は後述するが、ステップ１で求めた進行方向予測式にレイアウト情報を代入して、当該施設の通路上にある分岐点における各進行方向に進む確率を算出し、動線を予測する。

図３は、施設例２０のレイアウト情報を説明する図である。
店舗等の施設２０には、例えば、出入口２２、レジ２３、商品棚２４、来場者が施設内を移動する通路が設けられる。通路は、例えば、主要な通路であるメイン通路２５と、メイン通路２５間に設けられるサブ通路２６等にその特性を分類する。また、複数の通路の交点を分岐点Ｃ_ｉ２７とする。

図３の施設例２０の場合、出入口２２から施設内に入る通路と外周通路をメイン通路２５、それ以外の縦横の通路をサブ通路２６としている。
分岐点Ｃ_ｉ２７は、図３の施設例２０の場合、１６箇所ある。

本実施の形態に係る動線予測装置１は、動線を求める施設の、各分岐点Ｃ_ｉ２７について、どの進行方向に来場者が進むかを示す確率を予測し、各分岐点Ｃ_ｉ２７におけるこの確率から動線を求める。詳細は後述する。

図４は、各分岐点Ｃ_ｉ２７について、どの進行方向に来場者が進むかを示す確率を予測するための進行方向予測式算出処理（図２のステップ１）の処理の流れを示すフローチャートである。
また、図６に、重回帰分析を用いた進行方向予測式の算出方法を説明する図、図７に、進行方向予測式を算出するためのデータ例を示す図を示す。

まず、動線予測装置１の制御部１１は、進行方向予測式の算出に用いる複数の施設２０について施設条件を入力させる（ステップ１１）。入力された施設条件は記憶部１２に格納される。
施設条件は、例えば、図６（ａ）に示すように、施設面積Ｓ、商品棚の数ｑ、メイン通路幅ｎ_ｍ、サブ通路幅ｎ_ｓ等である。この施設条件は例であって、これに限ることはなく、例えば、レジの位置情報等を加えてもよい。

図７（ａ）は、施設条件データ例３０を示す図である。
施設条件データ３０は、施設Ｎｏ３１と施設条件３２から成る。施設Ｎｏ３１は、進行方向予測式の算出に用いる施設２０の識別番号である。
施設条件３２は、施設面積３３、棚の数ｑ３４、メイン通路幅ｎ_ｍ、サブ通路幅ｎ_ｓ等で構成され、入力された各値は記憶部１２に格納される。

次に、制御部１１は、進行方向予測式の算出に用いる複数の施設２０について通路条件を入力させる（ステップ１２）。入力された通路条件は記憶部１２に格納される。
通路条件は、例えば、図６（ａ）に示すように、分岐点Ｃ_ｉ２７の位置情報（ｘ、ｙ）と、分岐点Ｃ_ｉ２７の特性ｔ等である。

分岐点Ｃ_ｉ２７の位置情報（ｘ、ｙ）は、最も近い出入口２２を原点とする位置座標で表せばよい。図６（ａ）の例では、出入口２２が１箇所なので、どの分岐点Ｃ_ｉ２７も、この出入口の位置を原点とした位置情報（ｘ、ｙ）をレイアウト図等から求めて入力する。

分岐点Ｃ_ｉ２７の特性ｔは、分岐点Ｃ_ｉ２７がメイン通路２５上にあるかサブ通路２６上にあるかを示し、メイン通路２５上の場合はｔ＝１、サブ通路２６上にある場合はｔ＝０とする。

図７（ｂ）は、通路条件データ例４０を示す図である。
通路条件データ４０は、施設Ｎｏ３１と通路条件４３で構成され、通路条件４３は、分岐点、位置座標（ｘ、ｙ）４３、特性ｔ４４で構成される。
分岐点Ｃ_ｉ２７は、施設内の複数の分岐点を識別するための識別番号であり、各分岐点Ｃ_ｉ２７の位置座標（ｘ、ｙ）４３と特性ｔ４４の値が入力され、記憶部１２に格納される。

次に、制御部１１は、進行方向予測式の算出に用いる複数の施設２０について、来場者数Ｋ５１と、各分岐点Ｃ_ｉ２７の通行人数Ｎ５２、各分岐点Ｃ_ｉ２７について各方向ｊに向かう確率ｐ_ｉｊ５３を予め計測した計測データを入力させ、記憶部１２に格納する（ステップ１３）。

図７（ｃ）は、計測データ例５０を示す図である。
計測データ５０は、施設Ｎｏ３１、来場者数Ｋ５１、分岐点Ｃ_ｉ２７、通行人数Ｎ５２、各方向ｊに向かう確率ｐ_ｉｊ５３で構成される。
図７（ｃ）の例では、例えば、施設Ｎｏ３１が「１」の施設への来場者数Ｋ５１は「３５６」人であり、更に、その分岐点Ｃ_ｉ２７が「１」の通行者数Ｎ５２は「４５」人である。

各方向ｊに向かう確率ｐ_ｉｊ５３の各方向ｊは、分岐点Ｃ_ｉ２７からレイアウト図上のどの方向へ進むかを示し、例えば、ｊ＝１は左方向、ｊ＝２は上方向、ｊ＝３は右方向、ｊ＝４は下方向とする。
各方向ｊに向かう確率ｐ_ｉｊ５３は、分岐点Ｃ_ｉ２７の通行人数Ｎ５２に対する各方向ｊに進んだ人数の比であり、通行人数Ｎ５２が２０人のとき、５人がある方向ｊに進んだとすると、ｐ_ｉｊ５３は５／２０＝０．２５となる。

進行方向予測式を算出する際には、進行方向予測式の算出に用いる複数の施設２０の来場者数Ｋ５１が異なるので、各方向ｊに向かう確率ｐ_ｉｊ５３を来場者数Ｋ５１と通行人数Ｎ５２の比で正規化した確率Ｐ_ｊｘｙを各分岐点Ｃ_ｉ２７における各方向ｊに向かう確率として用いる。

図７（ｄ）に示すように、位置座標（ｘ、ｙ）にある分岐点Ｃ_ｉ２７において進行方向ｊに向かう確率Ｐ_ｊｘｙは、各方向ｊに向かう確率ｐ_ｉｊ５３及び来場者数Ｋ５１と通行人数Ｎ５２から式（５）で求められる。

次に、制御部１１は、重回帰式を形成し、重回帰分析により係数を求め、進行予測式を作成し、記憶部１２に格納する（ステップ１４）。

図６（ｂ）は、重回帰式の目的変数となる分岐点Ｃ_ｉ２７において進行方向ｊに向かう確率Ｐ_ｊｘｙを説明する図である。
同図に示すように、位置座標（ｘ、ｙ）に位置する分岐点Ｃ_ｉ２７から左に向かう確率はｊ＝１のＰ_１ｘｙ、上に向かう確率はｊ＝２の、右に向かう確率はｊ＝３のＰ_３ｘｙ、下に向かう確率はｊ＝４のＰ_４ｘｙと表わす。

図６（ｃ）は、位置座標（ｘ、ｙ）に位置する分岐点Ｃ_ｉ２７に関する進行方向予測式を示す図である。進行方向予測式は、一つの分岐点Ｃ_ｉ２７について、ｊ＝１〜４の進行方向に向かう各確率Ｐ_ｊｘｙを求める４つの式（１）〜（４）で構成される。

各式（１）〜（４）は、各方向へ向かう確率Ｐ_ｊｘｙを目的変数、各施設条件及び各通路条件を説明変数とする重回帰式である。
すなわち、分岐点Ｃ_ｉ２７から各方向へ向かう確率Ｐ_ｊｘｙは、各施設条件（施設面積Ｓ、商品棚の数ｑ、メイン通路幅ｎ_ｍ、サブ通路幅ｎ_ｓ）とそれぞれの係数ａ_ｊ２〜ａ_ｊ５の積の和、及び、各通路条件（分岐点Ｃ_ｉ２７の位置座標であるｘ、ｙ、分岐点Ｃ_ｉ２７の特性ｔ）とそれぞれの係数ａ_ｊ６〜ａ_ｊ８の積の和、及び、定数項ａ_ｊ１の総和で表わされる。

これらの式（１）〜（４）に、ステップ１１〜１３により入力され、記憶部１２に格納されている各施設条件のデータ３０及び各通路条件のデータ４０と、計測データ５０として記憶部１２に格納されている各方向ｊに向かう確率ｐ_ｉｊ５３から式（５）により求めた位置座標（ｘ、ｙ）にある分岐点Ｃ_ｉ２７において進行方向ｊに向かう確率Ｐ_ｊｘｙを代入する。

上記の代入を行うことにより、複数の施設の通路の全分岐点Ｃ_ｉ２７について、各方向ｊに進む確率Ｐ_ｊｘｙが代入された係数ａ_ｊ１〜ａ_ｊ８を変数とする式が多数生成されることになる。
これらの式を周知の重回帰分析手法により解くことにより係数ａ_ｊ１〜ａ_ｊ８の値が求まる。

以上のように、重回帰分析により算出された係数ａ_ｊ１〜ａ_ｊ８（ｊ＝１〜４）の値を計数とする式（１）〜（４）が進行方向予測式であり、求まった進行方向予測式は、記憶部１２に格納される。

以上の処理により、複数の施設２０について計測された計測データ５０と複数の施設２０の施設条件３２及び通路条件４２から、位置座標（ｘ、ｙ）に位置する分岐点Ｃ_ｉ２７における各進行方向ｊに向かう確率Ｐ_ｊｘｙを求める進行方向予測式が予め求められる。

次に、制御部１１は、新たな施設６０に対する動線の予測処理（Ｓ２）を実行する。
図５は、動線の予測処理（図２のステップ２）の流れを示すフローチャートである。また、図８は、動線予測対象の施設例６０を説明する図、図９は、動線の予測処理を説明する図である。

まず、制御部１１は、動線予測を行う施設６０のレイアウト図を入力させ、周知の画像処理技術を用いて求められる施設条件及び通路条件の一部を検出する（ステップ２１）。
図８（ａ）は、動線予測対象の施設例６０のレイアウト図の例である。

同図に示すように、動線予測対象の施設６０は、出入口２２、レジ２３、商品棚２４、メイン通路２５、サブ通路２６等で構成され、１４個の分岐点Ｃ_１〜Ｃ_１４２７を持つ。このレイアウト図から、制御部１１は、周知の画像処理技術によって求められる出入口２２の位置座標（ｘ、ｙ）と、出入口２２の位置座標を原点とする各分岐点Ｃ_１〜Ｃ_１４２７の位置座標を通路条件４３として検出し、記憶部１２に格納する。また、制御部１１は、各通路の幅を検出することも可能である。当該通路がメイン通路２５かサブ通路２６かを入力させることにより、メイン通路幅３５及びサブ通路幅３６の施設条件６１とし、記憶部１２に格納することが可能である。

次に、制御部１１は、レイアウト図から周知の画像処理技術により求められない施設条件及び通路条件を入力させ、記憶部１２に格納する（ステップ２２）。
施設面積Ｓ３３、棚の数ｑ３４や、各分岐点Ｃ_１〜Ｃ_１４２７の特性ｔの値を入力させるようにすればよい。

図８（ｂ）は、ステップ２１、２２により記憶部１２に格納される動線予測対象の施設６０の施設条件例６１を示す図、図８（ｃ）は、同通路条件例６２を示す図である。

図８（ａ）に示す施設６０の場合、出入口２２、２２’が２箇所あるので、例えば、分岐点Ｃ_１２７の位置座標（ｘ、ｙ）は近い出入口である上部の出入口２２’の位置を原点とし、分岐点Ｃ_４２７の位置座標（ｘ、ｙ）は下部の出入口２２の位置を原点とする。

次に、制御部１１は、ステップ２１、２２により記憶部１２に格納された動線予測対象の施設６０の各施設条件６１と各通路条件６２を、図４のステップ１４により求め、記憶部１２に格納されている進行方向予測式に代入し、各分岐点Ｃ_１〜Ｃ_１４２７についての各進行方向ｊ（ｊ＝１〜４）へ向かう確率Ｐ_ｊ１〜Ｐｊ_１４（ｊ＝１〜４）を算出し、記憶部１２に格納する（ステップ２３）。

図９（ａ）は、進行方向予測式の計算データ例７０を示す図である。
ステップ２３の処理により、各分岐点Ｃ_１〜Ｃ_１４２７について、各方向ｊ（ｊ＝１〜４）に向かう確率Ｐ_ｊｘｙ７１が算出され、記憶部１２に格納される。

同図に示すように、例えば、分岐点Ｃ_１２７では、左方向に向かう（ｊ＝１）確率は０．２５、上方向へ向かう（ｊ＝２）確率は０．０、右方向へ向かう（ｊ＝３）確率は０．５０、下方向へ向かう（ｊ＝４）確率は０．２５というように求められる。

次に、制御部１１は、ステップ２３により記憶部１２に格納された進行方向予測式の計算データ７０を元に出入口２２、２２’に近い分岐点Ｃ_１及び分岐点Ｃ_４始点とした動線を求める（ステップ２４）。
始点を分岐点Ｃ_１とする場合、分岐点Ｃ_１についての各方向ｊに向かう確率Ｐ_ｊｘｙ７１のなかで最も高い確率の方向（例えば、ｊ＝３）に進み、当該方向の次の分岐点（例えば、分岐点Ｃ_５）について同様に最も高い確率Ｐ_ｊｘｙ７１の方向を求め、順次、確率の高い方向にある分岐点Ｃ_ｉを繋ぐことにより動線を求める。

図９（ｂ）は、ステップ２４により求めた施設６０の動線予測結果例を示す図である。出入口２２’に近い分岐点Ｃ_１から順に確率Ｐ_ｊｘｙ７１の高い進行方向にある分岐点Ｃ_ｉを繋ぐことにより予測動線７５が得られる。

以上のように、予め複数の施設２０について、各分岐点Ｃ_ｉ２７における各進行方向へ進む確率の計測データと、施設条件３２、通路条件４２から、図６（ｃ）に示した進行方向予測式（１）〜（４）の係数を重回帰分析により算出し（図２のステップ１）、算出した係数を用いた進行方向予測式（１）〜（４）により、新たな施設６０の各分岐点Ｃ_ｉ２７における各進行方向へ向かう確率Ｐ_ｊｘｙを求め、出入口に近い分岐点Ｃ_ｉ２７から順に、確率Ｐ_ｊｘｙの高い方向の分岐点
Ｃ_ｉ２７を繋ぐことにより予測動線７５を得ることが可能になる。

精度の高い予測動線７５を得るためには、できる限り多くの施設２０について予め分岐点Ｃ_ｉ２７における各進行方向へ向かう確率Ｐ_ｊｘｙを計測して、重回帰分析の精度を高くする必要がある。例えば１００単位の施設２０について計測することが望ましい。

以上に説明した本実施の形態では、進行方向予測式の算出に重回帰分析を用いる方法を示したが、進行方向予測式は機械学習等の他の方法で求めることも可能である。

図１０は、進行方向予測式を機械学習により求める方法を説明する図である。
図１０（ａ）は、施設２０の施設条件３２（施設面積Ｓ３３、商品棚の数ｑ３４、メイン通路幅３５、サブ通路幅３６）と通路条件４２（分岐点の位置座標（ｘ、ｙ）４３、分岐点の特性ｔ４４）を入力とする多層パーセプトロンのネットワーク構成図である。

この多層パーセプトロンは、例えば、７個の各入力層ニューロンＬ_１〜Ｌ_７と、７個の中間層ニューロンＭ_１〜Ｍ_７、１個の出力層ニューロンＮから成る３層構造であり、７個の各入力層ニューロンＬ_１〜Ｌ_７に、それぞれ入力として施設２０の施設条件３２及び通路条件４２が入力される。

出力層ニューロンＮの出力ｚが分岐点Ｃ_ｉ特定の進行方向へ向かう確率となるよう、分岐点Ｃ２７について計測した特定の方向に向かう確率Ｐ_ｊｘｙを教師信号として学習を行うことにより、ニューロン間の重み係数（ｗ_１１〜ｗ_７７及びα_１〜α_７）が求まり、分岐点Ｃ２７についての特定の方向に向かう確率Ｐ_ｊｘｙを求める進行方向予測式を算出することが可能である。

図１０（ｂ）に、入力層ニューロンＬ_１〜Ｌ_７と中間層ニューロンＭ_１〜Ｍ_７、の関係を示す式（６）〜（１２）、及び、中間層ニューロンＭ_１〜Ｍ_７と出力層ニューロンＮの関係を示す式（１３）を示す。
ここで、各式（６）〜（１２）の構成要素であるｆ（ａ、ｂ）はシグモイド関数であり、式（１４）で表わされる。

ニューロン間の重み係数（ｗ_１１〜ｗ_７７及びα_１〜α_７）は、周知のバックプロパゲーション法（誤差逆伝播法）により求めることができる。すなわち、教師信号として予め計測された分岐点Ｃ２７の特定の進行方向へ向かう確率Ｐ_ｊｘｙを用い、これと式（１３）により求まる出力層ニューロンＮの出力ｚの誤差を最小化するよう重み係数α_１〜α_７を修正し（処理［１］）、重み係数α_１〜α_７の修正量に応じて入力層ニューロンＬ−中間層ニューロンＭ間の重み係数ｗ_１１〜ｗ_７７を修正し（処理［２］）、処理［１］と処理［２］を繰り返すことにより、全重み係数α_１〜α_７及びｗ_１１〜ｗ_７７を導出する。

以上の方法により、各進行方向（ｊ＝１〜４の４方向）に向かう確率Ｐ_ｊｘｙを式（１３）のｚとして求める進行方向予測式の組が求まる。各進行方向（ｊ＝１〜４の４方向）についての進行方向予測式は、それぞれ、式（６）〜式（１３）の８つの式で構成される。

動線の予測処理は、図２のステップ２及び図５に示した処理の流れと同様に行うことができる。
多層パーセプトロンを用いる場合の相違点は、図５のステップ２３における進行方向予測式として、図１０（ｂ）に示した式（６）〜式（１３）の８つの式を用いる点であり、それ以外は、前述の重回帰分析により求めた進行方向予測式の場合と同様である。

以上に説明した重回帰分析又は機械学習等により求めた進行方向予測式を用いる動線予測装置１は、来場者が施設のレイアウトを把握していない施設、施設内を回遊するような施設の動線予測に適しているので、アウトレットや大型アパレル店舗等の動線予測を行うことが可能である。

また、予測動線７５と実際の動線を比較することにより、商品陳列や、キャンペーン、販促ツール等の施策の効果検証も可能である。

以上、添付図を参照しながら、本発明の実施の形態を説明したが、本発明の技術的範囲は、前述した実施の形態に左右されない。当業者であれば、特許請求の範囲に記載された技術的思想の範疇内において各種の変更例または修正例に想到し得ることは明らかであり、それらについても当然に本発明の技術的範囲に属するものと了解される。

１………動線予測装置
２０、６０………施設
２２………出入口
２４………商品棚
２５………メイン通路
２６………サブ通路
２７………分岐点Ｃ_ｉ
３０………施設条件データ
３１………施設Ｎｏ
３２………施設条件
３３………施設面積Ｓ
３４………棚の数ｑ
３５………メイン通路幅ｎ_ｍ
３６………サブ通路幅ｎ_ｓ
４０………通路条件データ
４２………通路条件
４３………位置座標（ｘ、ｙ）
４４………特性ｔ
５０………計測データ
５１………来場者数Ｋ
５２………通行人数Ｎ
５３………各方向ｊに向かう確率p_ij
７５………予測動線

Claims (9)

1. 施設のレイアウト情報から求められる施設条件及び通路条件と、前記施設の通路上の分岐点における各進行方向に向かう確率との関係を記述する進行方向予測式を用いて、施設のレイアウト情報から当該施設の来場者の動線を予測する動線予測装置であって、
   複数の施設の前記施設条件及び前記通路条件と、当該複数の施設において予め計測した前記通路上の分岐点における各進行方向に向かう確率とを、前記進行方向予測式に代入して、前記施設条件及び前記通路条件に係る重み係数を算出する重み係数算出手段と、
   新たな施設のレイアウト情報から求められる前記施設条件及び前記通路条件を、算出した前記重み係数によって重み付けた前記進行方向予測式に代入し、当該新たな施設の前記通路上の分岐点における各進行方向に向かう確率を算出する確率算出手段と、
   前記分岐点の前記各進行方向に向かう確率のうちで最も高い確率の方向を辿って前記分岐点を結ぶことにより動線を求める動線予測手段と、
   を備えることを特徴とする動線予測装置。
2. 前記施設条件は、少なくとも、施設面積、施設に設けられる棚の数、主要通路の幅、及び、非主要通路の幅を含む
   ことを特徴とする請求項１に記載の動線予測装置。
3. 前記通路条件は、少なくとも、前記分岐点の位置座標、及び、前記分岐点の特性を含み、前記位置座標は、前記施設の出入口の位置を座標原点とする
   ことを特徴とすることを特徴とする請求項１又は請求項２に記載の動線予測装置。
4. 前記分岐点の特性は、前記分岐点のある通路が主要通路か否かを示す情報である
   ことを特徴とする請求項３に記載の動線予測装置。
5. 前記施設の出入口が複数存在する場合には、前記分岐点に最も近い出入口の位置を前記座標原点とする
   ことを特徴とすることを特徴とする請求項３又は請求項４に記載の動線予測装置。
6. 前記重み係数算出手段は、前記進行方向予測式の前記重み係数を重回帰分析により求める
   ことを特徴とする請求項１乃至請求項５のいずれかに記載の動線予測装置。
7. 前記重み係数算出手段は、前記進行方向予測式の前記重み係数を機械学習により求める
   ことを特徴とする請求項１乃至請求項５のいずれかに記載の動線予測装置。
8. 施設のレイアウト情報から求められる施設条件及び通路条件と、前記施設の通路上の分岐点における各進行方向に向かう確率との関係を記述する進行方向予測式を用いて、施設のレイアウト情報から当該施設の来場者の動線を予測する動線予測方法であって、
   複数の施設の前記施設条件及び前記通路条件と、当該複数の施設において予め計測した前記通路上の分岐点における各進行方向に向かう確率とを、前記進行方向予測式に代入して、前記施設条件及び前記通路条件に係る重み係数を算出する重み係数算出ステップと、
   新たな施設のレイアウト情報から求められる前記施設条件及び前記通路条件を、算出した前記重み係数によって重み付けた前記進行方向予測式に代入し、当該新たな施設の前記通路上の分岐点における各進行方向に向かう確率を算出する確率算出ステップと、
   前記分岐点の前記各進行方向に向かう確率のうちで最も高い確率の方向を辿って前記分岐点を結ぶことにより動線を求める動線予測ステップと、
   を含むことを特徴とする動線予測方法。
9. コンピュータを、施設のレイアウト情報から求められる施設条件及び通路条件と、前記施設の通路上の分岐点における各進行方向に向かう確率との関係を記述する進行方向予測式を用いて、施設のレイアウト情報から当該施設の来場者の動線を予測する動線予測装置として機能させるためのプログラムであって、
   コンピュータを、
   複数の施設の前記施設条件及び前記通路条件と、当該複数の施設において予め計測した前記通路上の分岐点における各進行方向に向かう確率とを、前記進行方向予測式に代入して、前記施設条件及び前記通路条件に係る重み係数を算出する重み係数算出手段、
   新たな施設のレイアウト情報から求められる前記施設条件及び前記通路条件を、算出した前記重み係数によって重み付けた前記進行方向予測式に代入し、当該新たな施設の前記通路上の分岐点における各進行方向に向かう確率を算出する確率算出手段、
   前記分岐点の前記各進行方向に向かう確率のうちで最も高い確率の方向を辿って前記分岐点を結ぶことにより動線を求める動線予測手段、
   として機能させるためのプログラム。
   
   

Images