JP2016122373A - 情報処理装置、情報処理システム、端末装置、情報処理方法、及びプログラム - Google Patents
情報処理装置、情報処理システム、端末装置、情報処理方法、及びプログラム Download PDFInfo
- Publication number
- JP2016122373A JP2016122373A JP2014262722A JP2014262722A JP2016122373A JP 2016122373 A JP2016122373 A JP 2016122373A JP 2014262722 A JP2014262722 A JP 2014262722A JP 2014262722 A JP2014262722 A JP 2014262722A JP 2016122373 A JP2016122373 A JP 2016122373A
- Authority
- JP
- Japan
- Prior art keywords
- unit
- data
- information
- information processing
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 139
- 238000003672 processing method Methods 0.000 title claims abstract description 8
- 238000005259 measurement Methods 0.000 claims abstract description 57
- 230000007613 environmental effect Effects 0.000 claims abstract description 22
- 238000000034 method Methods 0.000 claims description 60
- 230000008569 process Effects 0.000 claims description 47
- 230000005540 biological transmission Effects 0.000 claims description 14
- 238000013523 data management Methods 0.000 description 32
- 238000006243 chemical reaction Methods 0.000 description 29
- 238000013500 data storage Methods 0.000 description 25
- 238000010586 diagram Methods 0.000 description 25
- 238000004891 communication Methods 0.000 description 24
- 238000012545 processing Methods 0.000 description 19
- 238000004458 analytical method Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 18
- 230000008859 change Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000007423 decrease Effects 0.000 description 5
- 238000009499 grossing Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000000611 regression analysis Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005401 electroluminescence Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【課題】ユーザに対してイベントの発生をより容易に気付かせることができる情報処理装置、情報処理システム、端末装置、情報処理方法、及びプログラムを提供する。【解決手段】計測部は各領域における人数を計測して当該人数の実測値を取得し、データ取得部は前記各領域における環境情報を示す環境データを取得し、推定部は前記各領域における環境情報から所定のモデルを用いて当該領域における人数の推定値を算出し、データ生成部は前記各領域における実測値と推定値との差分値に基づく出力データを生成する。【選択図】図2
Description
本発明は、情報処理装置、情報処理システム、端末装置、情報処理方法、及びプログラムに関する。
従来から、展示会、演芸会、演奏会、品評会、キャラクターショー等のイベントの開催や発生に関する情報が、新聞広告、テレビジョン放送やラジオ放送の広告番組、街宣車、様々なメディア(情報伝達媒体)を通じて提供されている。一般人は、メディアが提供する情報に接することによりイベントの開催を認識していた。これらの情報は、インターネットを介して提供されることもある。
例えば、特許文献1には、所定の地点への到来者の人数の時系列データを生成し、所定の地点で過去にイベントがあった際の到来者の人数の第1の時系列データと、イベントがなかった際の到来者の人数の第2の時系列データとを取得し、生成された時系列データのパターンを第1の時系列データ及び第2の時系列データそれぞれのパターンと比較し、生成された時系列データが第1の時系列データのパターンに相当又は近似する場合に、所定の地点においてイベントが開催されると判断するイベント判断装置について記載されている。
しかしながら、情報の提供形態やユーザによるメディアへの接し方により、ユーザはイベントの開催に気付かないことがあった。例えば、特許文献1に記載のイベント判断装置では、所定の時点における過去の時系列データと、取得された人数の時系列データを比較することによってイベントの開催を判定する。当該イベント判断装置は、当該イベントが過去に発生したイベントと同一のイベントでなければイベントの開催を判定することができないので、ユーザは新たなイベントの開催を知得することができなかった。
本発明は上記の点に鑑みてなされたものであり、ユーザに対してイベントの発生をより容易に気付かせることができる情報処理装置、情報処理システム、端末装置、情報処理方法、及びプログラムを提供する。
本発明の一態様は、各領域における人数を計測して当該人数の実測値を取得する計測部と、前記各領域における環境情報を示す環境データを取得するデータ取得部と、前記各領域における環境情報から所定のモデルを用いて当該領域における人数の推定値を算出する推定部と、前記各領域における実測値と推定値との差分値に基づく出力データを生成するデータ生成部と、を備える情報処理装置である。
本発明によれば、ユーザに対してイベントの発生をより容易に気付かせることができる。
以下、図面を参照しながら本発明の実施形態について説明する。
(第1の実施形態)
まず、本発明の第1の実施形態について説明する。
図1は、本実施形態に係る情報処理システム1を示す概略ブロック図である。
情報処理システム1は、情報処理装置10、端末装置20、気象データ管理装置30、及び地図データ管理装置40を含んで構成される。情報処理装置10、端末装置20、気象データ管理装置30、及び地図データ管理装置40は、ネットワーク61に接続され、各種のデータを相互に送信及び受信することが可能である。図1に示す例では、端末装置20の個数は1個であるが、2個以上の任意の数であってもよい。以下の説明では、一連の端末装置20を個数に関わらず、端末装置20と呼ぶ。
(第1の実施形態)
まず、本発明の第1の実施形態について説明する。
図1は、本実施形態に係る情報処理システム1を示す概略ブロック図である。
情報処理システム1は、情報処理装置10、端末装置20、気象データ管理装置30、及び地図データ管理装置40を含んで構成される。情報処理装置10、端末装置20、気象データ管理装置30、及び地図データ管理装置40は、ネットワーク61に接続され、各種のデータを相互に送信及び受信することが可能である。図1に示す例では、端末装置20の個数は1個であるが、2個以上の任意の数であってもよい。以下の説明では、一連の端末装置20を個数に関わらず、端末装置20と呼ぶ。
情報処理装置10は、端末装置20のそれぞれの位置を示す位置情報を受信する。情報処理装置10は、受信した位置情報に基づいて地理的に予め定めた大きさに区分された単位領域のそれぞれにおける人数を計測し、単位領域毎の人数の実測値を取得する。後述するように、単位領域における人数として端末装置20の個数が計測される。情報処理装置10は、各単位領域における環境情報を示す環境データを取得し、当該各単位領域における環境情報から所定の演算モデルを用いて当該単位領域における人数の推定値を算出する。情報処理装置10は、当該環境データとして、例えば、各単位領域における気象情報を表す気象データを気象データ管理装置30から取得する。また、情報処理装置10は、当該各単位領域の地図を示す地図データを地図データ管理装置40から取得する。情報処理装置10は、各単位領域における人数の実測値と人数の推定値との差分値に基づく情報を示す出力データを生成する。情報処理装置10は、生成した出力データと取得した地図データとを対応付けて端末装置20に送信する。
情報処理装置10は、例えば、サーバ装置等の電子機器である。
情報処理装置10は、例えば、サーバ装置等の電子機器である。
端末装置20は、自装置(端末装置20自体)の位置を示す位置情報を取得し、取得した位置情報を情報処理装置10に送信する。端末装置20は、情報処理装置10から各単位領域における人数の実測値と推定値との差分値に基づく情報を示す出力データを受信する。端末装置20は、受信した出力データが示す情報と当該単位領域における地図を示す地図データを対応付けて表示部21に出力する。出力データが示す情報として、例えば、その周囲よりも人数の実測値と推定値との差分値が大きい単位領域を指示するマークが、地図上のその単位領域に重ね合わせて表示される。
端末装置20は、例えば、携帯電話機(いわゆるスマートフォンを含む)、タブレット端末装置、ウェアラブル端末装置、可搬型パーソナルコンピュータ(ポータブルPC:Personal Computer)等、人が携帯可能又は人に装着可能な電子機器である。
端末装置20は、例えば、携帯電話機(いわゆるスマートフォンを含む)、タブレット端末装置、ウェアラブル端末装置、可搬型パーソナルコンピュータ(ポータブルPC:Personal Computer)等、人が携帯可能又は人に装着可能な電子機器である。
気象データ管理装置30は、所定の大きさの各単位領域における気象情報を示す気象データを記憶する気象データ記憶部31を備える。気象データ記憶部31に記憶される気象データは、操作者による入力や、観測機関からの提供により時間経過に応じて更新されることがある。気象データ管理装置30は、情報処理装置10から気象データ要求信号を受信したことに応じて、気象データ記憶部31から気象データを読み取る。気象データ要求信号は、時刻、地域などの個々の気象データを特定するための情報を表す信号である。当該情報により、情報処理装置10において単位領域毎の人数を推定するための処理に要する気象データが特定される。気象データ管理装置30は、読み取った気象データを情報処理装置10に送信する。気象データ管理装置30は、例えば、サーバ装置などの電子機器である。なお、気象データ管理装置30は、自律的に所定時間(例えば、1時間)毎に所定の地域に係る気象データを情報処理装置10に送信してもよい。
地図データ管理装置40は、各単位領域の地図を示す地図データを記憶する地図データ記憶部41を備える。地図データ管理装置40は、情報処理装置10から地図データ要求信号を受信したことに応じて地図データ記憶部41から地図データを読み取る。地図データ要求信号は、地域などの個々の地図データを特定するための情報を表す信号である。当該情報により、情報処理装置10において各単位領域における実測値と推定値との差分値に基づく情報を示す出力データと対応付けるための地図データが特定される。地図データ管理装置40は、読み取った地図データを情報処理装置10に送信する。なお、地図データ管理装置40は、自律的に所定時間毎に所定の地域に係る地図データを情報処理装置10に送信してもよい。地図データ管理装置40は、例えば、サーバ装置などの電子機器である。
ネットワーク61は、インターネット、公衆無線通信網、等の広域通信網(WAN:Wide Area Network)を含んで構成される情報通信網である。ネットワーク61には、その一部に有線又は無線の構内通信網(LAN:Local Area Network)、専用通信網、仮想専用通信網(VPN:Virtual Private Network)等が一部に含まれてもよい。
情報処理システム1によれば、以下に説明するように、端末装置20の画面に人数の実測値と推定値との差分値が顕著な単位領域を、地図に重ね合わせて表示させることができる。そのため、予想よりも人が多く集まった領域又は人が少ない単位領域の位置をユーザに対して直感的に把握させることができるので、それらの領域において発生した各種のイベントを気付かせることができる。かかる機能は、一般ユーザに対する広告宣伝等の情報提供の他、情報取材、警備、交通予測、等の業務にも応用可能である。
なお、以下の説明では、「領域」とは、地理的に区分された所定の大きさを有する範囲を意味する。「単位領域」とは、人数の計測単位、推定単位となる範囲である。「領域」又は「単位領域」は、以下の説明では「エリア」と呼ぶことがある。「単位領域」は、例えば、所定の緯度及び経度の間隔(例えば、0.01°四方)で区分された範囲である。「人数」とは、ある範囲内に所在する各人が携帯又は装着する端末装置20の個数を意味する。「環境」とは、「人数」の変化の要因となりうる事象や状態を意味する。「環境」には、例えば、気象情報、各種のイベントの発生、時間帯、曜日、等がある。「所在状態」とは、ある「単位領域」内における所在態様を意味する。例えば、「所在状態」は、端末装置20がある「単位領域」において移動しているか否か、所在を開始したか、終了したか、等の区別を意味する。「モデル」とは、「人数」の推定値を算出するための諸要素、つまり、数理モデル又は統計モデル(例えば、「環境」との関係を定式化して表された情報)を意味する。モデルは、1個又は複数のモデル変数を含んで構成される。モデル変数には、例えば、重み係数や、バイアス値、等の変数がある。
「施設」とは、不特定多数の人が用いる構造物、建造物、設備を意味し、必ずしも、劇場、展示場、演奏会場、博物館、公園、体育館、等の公共設備に限られない。「施設」には、例えば、遊園地、映画館、市場、百貨店、ショッピングモール等の複合商業施設、等も含まれる。「イベント」とは、不特定多数の人が来訪又はその可能性がある催し物、行事の他、不特定多数の人が来訪している状況下で発生する出来事を意味する。
「施設」とは、不特定多数の人が用いる構造物、建造物、設備を意味し、必ずしも、劇場、展示場、演奏会場、博物館、公園、体育館、等の公共設備に限られない。「施設」には、例えば、遊園地、映画館、市場、百貨店、ショッピングモール等の複合商業施設、等も含まれる。「イベント」とは、不特定多数の人が来訪又はその可能性がある催し物、行事の他、不特定多数の人が来訪している状況下で発生する出来事を意味する。
(情報処理装置の構成)
次に、本実施形態に係る情報処理装置10の構成について説明する。
図2は、本実施形態に係る情報処理装置10の構成を示す概略ブロック図である。
情報処理装置10は、通信部11、記憶部12及び制御部13を含んで構成される。
通信部11は、ネットワーク61に接続し、ネットワーク61に接続されている他の装置との間で通信を行う。通信部11は、各種のデータを受信する受信部111及び各種のデータを送信する送信部112として機能する。通信部11は、例えば、通信インタフェースを含んで構成される。
次に、本実施形態に係る情報処理装置10の構成について説明する。
図2は、本実施形態に係る情報処理装置10の構成を示す概略ブロック図である。
情報処理装置10は、通信部11、記憶部12及び制御部13を含んで構成される。
通信部11は、ネットワーク61に接続し、ネットワーク61に接続されている他の装置との間で通信を行う。通信部11は、各種のデータを受信する受信部111及び各種のデータを送信する送信部112として機能する。通信部11は、例えば、通信インタフェースを含んで構成される。
記憶部12は、制御部13において実行される制御プログラム、用いられるデータ、生成されたデータ、入力されたデータ、等を記憶する。記憶部12は、パラメータ変換データ(後述)を記憶するパラメータ変換データ記憶部121、モデル(後述)を記憶するモデル記憶部122及び地図データ(後述)を記憶する地図データ記憶部123として機能することができる。記憶部12は、例えば、ROM(Read Only Memory)、RAM(Random Access Memory)等の記憶媒体を含んで構成される。
制御部13は、モデル更新部131、人数推定部132、人数計測部133、出力データ生成部134及びデータ取得部14として機能する。制御部13が有する機能の一部又は全ては、例えば、情報処理装置10が備えるCPU(Central Processing Unit)が記憶部12に記憶されている制御プログラムを実行することにより実現される。
データ取得部14は、通信部11を介してネットワーク61に接続されている他の装置から各種のデータを取得する。データ取得部14は、位置データ取得部141、気象データ取得部142、操作データ取得部143、及び地図データ取得部144として機能する。
データ取得部14は、通信部11を介してネットワーク61に接続されている他の装置から各種のデータを取得する。データ取得部14は、位置データ取得部141、気象データ取得部142、操作データ取得部143、及び地図データ取得部144として機能する。
位置データ取得部141は、受信部111を介して個々の端末装置20から位置通知を受信する。位置通知は、個々の端末装置20を特定する機器情報と、当該端末装置20の位置を示す位置情報とを含み、これらが対応付けて形成されたデータである。位置データ取得部141は、所定時間(例えば、1時間)毎に送信部112を介して位置通知要求信号を個々の端末装置20に送信する。位置データ取得部141は、その応答として位置通知を個々の端末装置20から受信部111を介して受信する。位置データ取得部141は、端末装置20毎の位置通知を集約して、端末装置20毎に機器情報と位置情報とが対応付けられた位置データを生成し、生成した位置データをモデル更新部131及び人数計測部133に出力する。なお、位置データ取得部141は、端末装置20が自律的に所定時間間隔で送信した位置通知を受信してもよい。
気象データ取得部142は、所定時間毎にその時点の分析対象地域における気象データを要求するための気象データ要求信号を生成する。気象データ取得部142は、送信部112を介して生成した気象データ要求信号を気象データ管理装置30に送信する。気象データ取得部142は、その応答として受信部111を介して気象データを受信する。気象データ取得部142は、受信した気象データをモデル更新部131及び人数推定部132に出力する。
地図データ取得部144は分析対象地域における地図を示す地図データを要求するための地図データ要求信号を生成する。地図データ取得部144は、送信部112を介して生成した地図データ要求信号を地図データ管理装置40に送信する。地図データ取得部144は、その応答として受信部111を介して地図データを受信する。地図データ取得部144は、受信した地図データを地図データ記憶部123に記憶する。
操作データ取得部143は、端末装置20から受信部111を介して各種の操作データを受信する。受信される操作データには、例えば、出力データ要求信号がある。出力データ要求信号は、端末装置20において人数の分布を表示するための出力領域を指定する信号である。操作データ取得部143は、受信した出力データ要求信号を出力データ生成部134に出力する。
モデル更新部131は、人数計測部133から入力された実測分布データと、環境情報から、各単位領域における人数を推定するためのモデルを更新する。実測分布データは、各単位領域における人数の実測値を示すデータである。環境情報として、気象データ取得部142から入力された気象データが示す単位領域毎の気象情報とその時点における曜日、時間帯が用いられる。以下の説明では、各単位領域における人数を推定するためのモデルを分布推定モデルと呼ぶ。モデル更新部131は、各単位領域における気象情報、その時点における曜日、時間帯を示す入力値を説明変数として用い、当該単位領域における人数の実測値を目的変数として用いることにより各単位領域のモデル変数を算出する。モデル更新部131は、算出した各モデル変数を含む分布推定モデルを構成し、既存の分布推定モデルを構成した分布推定モデルに更新する。モデル更新部131は、更新した分布推定モデルを記憶部12のモデル記憶部122に記憶する。分布推定モデルの更新に係る処理(モデル更新処理)の具体例については、後述する。
人数推定部132は、モデル記憶部122に記憶した分布推定モデルを読み取り、読み取った分布推定モデルが示す各単位領域におけるモデル変数と、その時点における環境情報とに基づいて、当該単位領域における人数の推定値を算出する。人数推定部132は、環境情報として、気象データ取得部142から入力された気象データが示す当該単位領域における気象情報と、その時点の曜日ならびに時間帯を用いる。人数推定部132は、算出した各単位領域における人数の推定値を示す推定分布データを生成する。人数推定部132は、生成した推定分布データをモデル更新部131及び出力データ生成部134に出力する。人数の推定に係る処理(人数推定処理)の具体例については、後述する。
人数計測部133は、位置データ取得部141から入力された位置データが示す端末装置20毎の位置情報に基づいて各単位領域に所在する端末装置20の個数を人数の実測値として計数することにより計測する。人数計測部133は、計数した各単位領域における人数の実測値を示す実測分布データを生成し、生成した実測分布データをモデル更新部131及び出力データ生成部134に出力する。
出力データ生成部134は、人数計測部133から実測分布データが入力され、人数推定部132から推定分布データが入力される。出力データ生成部134は、実測分布データが示す各単位領域における人数の実測値から推定分布データが示す当該単位領域における人数の推定値を減算して、当該単位領域における人数の差分値を算出する。出力データ生成部134は、算出された各単位領域における人数の差分値を示す差分分布データを生成する。
出力データ生成部134は、算出した人数の差分値が所定の空間変化特性を有する単位領域を特徴領域として検出する。出力データ生成部134は、特徴領域として、例えば、差分値が極大であって、所定の差分値の閾値よりも大きい単位領域を検出する。出力データ生成部134は、ある注目単位領域における差分値が、当該注目単位領域に隣接する単位領域の全てにおける人数の差分値よりも大きい単位領域を、差分値が極大である単位領域として検出することができる。
出力データ生成部134は、算出した人数の差分値が所定の空間変化特性を有する単位領域を特徴領域として検出する。出力データ生成部134は、特徴領域として、例えば、差分値が極大であって、所定の差分値の閾値よりも大きい単位領域を検出する。出力データ生成部134は、ある注目単位領域における差分値が、当該注目単位領域に隣接する単位領域の全てにおける人数の差分値よりも大きい単位領域を、差分値が極大である単位領域として検出することができる。
操作データ取得部143から出力データ要求信号が入力されるとき、出力データ生成部134は、地図データ記憶部123に記憶された地図データから、出力データ要求信号が指示する出力領域内の地図を示す出力地図データを抽出する。出力データ生成部134は、出力領域に含まれる各単位領域の差分値を示す部分差分分布データと、出力領域内において検出された特徴領域を示す特徴領域データと、出力地図データとを対応付けて出力データを生成する。
なお、出力データ生成部134は、当該出力データとして、出力領域内の各単位領域の差分値を色信号値で表した差分分布と、地図上に特徴領域に相当する位置に記号を重ね合わせた表示情報を示す表示データを生成してもよい。
なお、出力データ生成部134は、当該出力データとして、出力領域内の各単位領域の差分値を色信号値で表した差分分布と、地図上に特徴領域に相当する位置に記号を重ね合わせた表示情報を示す表示データを生成してもよい。
(人数推定処理)
次に、人数推定処理の例について説明する。人数推定部132は、気象データ取得部142から入力された気象データが示す各単位領域における気象情報、その時点における曜日ならびに時間帯を、パラメータ変換データ記憶部121に記憶されているパラメータ変換データを参照して分布推定モデル用の入力値に変換する。人数推定部132は、変換した入力値xnと、モデル記憶部122に記憶した分布推定モデルとして一次モデルを用いて当該単位領域における人数の推定値yを算出する。分布推定モデルが一次モデルである場合には、各単位領域に対するモデル変数は、例えば、次の重み係数Anと、バイアス値αである。
次に、人数推定処理の例について説明する。人数推定部132は、気象データ取得部142から入力された気象データが示す各単位領域における気象情報、その時点における曜日ならびに時間帯を、パラメータ変換データ記憶部121に記憶されているパラメータ変換データを参照して分布推定モデル用の入力値に変換する。人数推定部132は、変換した入力値xnと、モデル記憶部122に記憶した分布推定モデルとして一次モデルを用いて当該単位領域における人数の推定値yを算出する。分布推定モデルが一次モデルである場合には、各単位領域に対するモデル変数は、例えば、次の重み係数Anと、バイアス値αである。
人数推定部132は、例えば、式(1)に示すように変換した入力値xnと重み係数Anとを線形結合して推定値yを算出する。
式(1)において、N、nは、要素数、それぞれの値の要素を示すインデックスである。nは、1からNまでの間の整数である。式(1)は、入力値xnと重み係数Anとを要素毎に乗算して得られた積の総和に、バイアス値αを加算して得られた値を推定値yとして算出することを示す。
人数推定部132は、単位領域毎の人数の推定値を示す推定分布データをモデル更新部131及び出力データ生成部134に出力する。
人数推定部132は、単位領域毎の人数の推定値を示す推定分布データをモデル更新部131及び出力データ生成部134に出力する。
なお、人数推定部132は、推定値yを算出する際、分布推定モデルとしてニューラルネットを用いてもよい。ニューラルネットは、N個のノードを有する入力層と、M個のノードを有する中間層と、1個のノードを有する出力層とを備える。入力層の各ノードnには、入力値の各要素xnが入力される。中間層の各ノードm(mは、1からMまでの間の整数)は、入力層の各ノードnに接続され、当該ノードに入力された入力値の各要素xnが、中間層の各ノードmにおける演算に用いられる。中間層の各ノードmは、例えば、式(2)に示すように入力層の各ノードから入力された入力値xnと重み係数Wmnならびにバイアス値βmとを用いて演算値zmを算出する。
式(2)において、f(…)は、…のシグモイド関数を示す。シグモイド関数は…の増加によって単調に増加する連続関数である。f(…)の、最小値、最大値がそれぞれ0、1であり、…が無限小に近づくとf(…)は0に漸近し、…が無限大に近づくとf(…)は1に漸近する。式(2)は、入力値xnとノードm、nの組について定められた重み係数Wmnとを要素毎に乗算して得られた積の総和に、ノードmについて定められたバイアス値βmを加算して得られた値についてのシグモイド関数を推定値zmとして算出することを示す。
中間層の各ノードmは、それぞれ出力層に接続され、演算値zmを出力層のノードに出力する。出力層のノードは、中間層の各ノードmから演算値zmが入力される。
出力層のノードは、例えば、式(3)に示すように中間層の各ノードから入力された演算値zmと重み係数Wmならびにバイアス値γとを用いて推定値yを算出する。
中間層の各ノードmは、それぞれ出力層に接続され、演算値zmを出力層のノードに出力する。出力層のノードは、中間層の各ノードmから演算値zmが入力される。
出力層のノードは、例えば、式(3)に示すように中間層の各ノードから入力された演算値zmと重み係数Wmならびにバイアス値γとを用いて推定値yを算出する。
式(3)は、演算値zmとノードmについて定められた重み係数Wmとを要素毎に乗算して得られた積の総和に、出力値について定められたバイアス値γを加算して得られた値を推定値yとして算出することを示す。
分布推定モデルが1層の中間層を有するニューラルネットである場合には、重み係数Wmn、Wm及びバイアス値βm、γが各単位領域に対するモデル変数が該当する。
分布推定モデルが1層の中間層を有するニューラルネットである場合には、重み係数Wmn、Wm及びバイアス値βm、γが各単位領域に対するモデル変数が該当する。
(モデル更新処理)
次に、モデル更新処理の例について説明する。モデル更新部131には、人数計測部133から実測分布データが入力され、人数推定部132から推定分布データが入力される。
モデル更新部131は、気象データ取得部142から入力された気象データ、各時点における曜日、時間帯、人数推定部132から入力された推定分布データ、人数計測部133から入力された実測分布データのそれぞれが示す情報の範囲を指定する。以下の説明では、指定される情報の範囲を「演算範囲」と呼ぶことがある。演算範囲は、例えば、個々の単位領域における、その時点(現在)を基準時とする所定の参照期間内における当該単位領域に係る情報、つまり気象情報、曜日、時間帯、人数の実測値、推定値である。参照期間は、例えば、その時点までの1箇月間の期間である。参照期間は、任意に設定可能である。演算範囲には、その時点、及び過去の気象情報の他、その時点よりも所定期間(例えば、1日)後までの予測された気象情報が含まれてもよい。
次に、モデル更新処理の例について説明する。モデル更新部131には、人数計測部133から実測分布データが入力され、人数推定部132から推定分布データが入力される。
モデル更新部131は、気象データ取得部142から入力された気象データ、各時点における曜日、時間帯、人数推定部132から入力された推定分布データ、人数計測部133から入力された実測分布データのそれぞれが示す情報の範囲を指定する。以下の説明では、指定される情報の範囲を「演算範囲」と呼ぶことがある。演算範囲は、例えば、個々の単位領域における、その時点(現在)を基準時とする所定の参照期間内における当該単位領域に係る情報、つまり気象情報、曜日、時間帯、人数の実測値、推定値である。参照期間は、例えば、その時点までの1箇月間の期間である。参照期間は、任意に設定可能である。演算範囲には、その時点、及び過去の気象情報の他、その時点よりも所定期間(例えば、1日)後までの予測された気象情報が含まれてもよい。
モデル更新部131は、実測分布データが示す各単位領域における人数の実測値と、推定分布データが示す当該単位領域における人数の推定値との差分値の絶対値が減少するように、分布推定モデルが示すモデル変数を算出する。モデル更新部131は、モデル変数を算出する際、上述した演算範囲内における各単位領域における気象情報を説明変数、当該単位領域における人数の実測値を目的変数として、例えば、公知の最小二乗法による重回帰分析を行う。
モデル更新部131は、各単位領域における差分値として、出力データ生成部134が生成した差分分布データが示す差分値を用いてもよい。
モデル更新部131は、各単位領域における差分値として、出力データ生成部134が生成した差分分布データが示す差分値を用いてもよい。
次に、気象データ取得部142が取得する気象データについて説明する。気象データには、処理対象となる各単位領域における過去、現在の気象についての実績データと、未来の気象についての予測データとがある。即ち、気象データは、日時や時間を示す時間情報と、各単位領域における気象情報とを含み、これらが対応付けられて構成される。気象情報には、天気を示す天気情報、気温を示す気温情報、降水量を示す降水量情報、降雪量を示す降雪量情報、風速を示す風速情報、等がある。
(パラメータ変換データ)
次に、人数推定部132で用いられるパラメータ変換データについて説明する。パラメータ変換データは、気象データが含む情報、各時点の曜日、時間帯、等の環境情報のうち、文字列などにより表現される情報を、上述した人数推定処理に適した数値として入力値に変換するための規則を示すデータである。パラメータ変換データには、時間帯変換データ、曜日変換データ、及び天気変換データがある。
次に、人数推定部132で用いられるパラメータ変換データについて説明する。パラメータ変換データは、気象データが含む情報、各時点の曜日、時間帯、等の環境情報のうち、文字列などにより表現される情報を、上述した人数推定処理に適した数値として入力値に変換するための規則を示すデータである。パラメータ変換データには、時間帯変換データ、曜日変換データ、及び天気変換データがある。
図3は、時間帯変換データの例を示す図である。時間帯変換データは、その時点における時刻が属する時間帯を示す値に変換するための規則を示すデータである。
図3(a)は、時刻を1日において1時間単位で区分した24の時間帯のいずれかを示す値に変換するための時間帯変換データの例を示す。図3(a)の各行、各列は、それぞれ時刻の区分、当該時刻が分類される時間帯を示す。時刻は、時間帯毎に該当することを表す「1」、又は、該当しないことを表す「0」のいずれかの値により表される。これらの変数は、それぞれ排他的な値である。つまり、時刻は「0時台」、「1時台」、…、「23時台」のいずれかに分類され、分類された時間帯を示す値が「1」となり、分類されなかった時間帯を示す値が「0」となる。変換により得られる値は、各時間帯を示す値を要素として有する24次元のベクトルである。
図3(a)は、時刻を1日において1時間単位で区分した24の時間帯のいずれかを示す値に変換するための時間帯変換データの例を示す。図3(a)の各行、各列は、それぞれ時刻の区分、当該時刻が分類される時間帯を示す。時刻は、時間帯毎に該当することを表す「1」、又は、該当しないことを表す「0」のいずれかの値により表される。これらの変数は、それぞれ排他的な値である。つまり、時刻は「0時台」、「1時台」、…、「23時台」のいずれかに分類され、分類された時間帯を示す値が「1」となり、分類されなかった時間帯を示す値が「0」となる。変換により得られる値は、各時間帯を示す値を要素として有する24次元のベクトルである。
図3(b)は、時刻を1日において早朝、朝、昼、夜、深夜という時間帯のいずれかを示す値に変換するための時間帯変換データの例を示す。図3(b)の各行、各列は、それぞれ時刻の区分、当該時刻が分類される時間帯を示す。時刻は、時間帯毎に該当することを表す「1」、又は、該当しないことを表す「0」のいずれかの値により表される。これらの変数は、それぞれ排他的な値である。「早朝」、「朝」、「昼」、「夜」、「深夜」は、それぞれ4時以降8時より前、8時以降12時より前、12時以降17時より前、17時以降24時より前、0時以降4時より前の期間に対応する。例えば、時刻が「2015/01/10 13:24」である場合には、この時刻は「昼」である12時以降17時より前の期間に属す。従って、この時刻は、「早朝」、「朝」、「昼」、「夜」、「深夜」のそれぞれについて、「0」、「0」、「1」、「0」、「0」との値に変換される。変換により得られる値は、各時間帯を示す値を要素として有する5次元のベクトルである。
図4は、曜日変換データの例を示す図である。曜日変換データは、その時点における時刻における日時の曜日を示す値に変換するための規則を示すデータである。
図4の各行、各列は、いずれも曜日を示す。日時は、曜日毎に該当することを表す「1」、又は、該当しないことを表す「0」のいずれかの値により表される。これらの変数は、排他的な値である。各列の「月」、「火」、「水」、「木」、「金」、「土」、「日」は、曜日が月曜日、火曜日、水曜日、木曜日、金曜日、土曜日、日曜日であるか否かを示す。例えば、時刻が「2015/01/10 13:24」である場合には、その曜日が土曜日であるため、「土」に係る値が「1」となり、その他の曜日に係る値が「0」となる。変換により得られる値は、各曜日を示す値を要素として有する7次元のベクトルである。
図4の各行、各列は、いずれも曜日を示す。日時は、曜日毎に該当することを表す「1」、又は、該当しないことを表す「0」のいずれかの値により表される。これらの変数は、排他的な値である。各列の「月」、「火」、「水」、「木」、「金」、「土」、「日」は、曜日が月曜日、火曜日、水曜日、木曜日、金曜日、土曜日、日曜日であるか否かを示す。例えば、時刻が「2015/01/10 13:24」である場合には、その曜日が土曜日であるため、「土」に係る値が「1」となり、その他の曜日に係る値が「0」となる。変換により得られる値は、各曜日を示す値を要素として有する7次元のベクトルである。
図5は、天気変換データの例を示す図である。天気変換データは、気象データが示す気象情報の天気情報を、対応する天気に関する値に変換するための規則を定めるデータである。 図5の各行、各列は、いずれも天気を示す。天気情報は、天気毎に該当することを表す「1」、又は、該当しないことを表す「0」のいずれかの値により表される。各列の「晴」、「曇」、「雨」、「雪」、「雷」は、天気情報が示す天気が、それぞれ晴れ、曇り、雨、雪、雷であるか否かを示す。例えば、天気情報が示す天気が晴れである場合には、「晴」に係る値が「1」となり、その他の天気に係る値が「0」となる。なお、天気に関する値は、天気間で排他的でなくてもよい。例えば、天気情報が雷雨を示す場合には、「雨」、「雷」に係る値がそれぞれ「1」となり、その他の天気に係る値が「0」としてもよい。変換により得られる値は、それぞれの天気を示す値を要素として有する5次元のベクトルである。
(位置データ)
次に、位置データ取得部141により取得される位置データについて説明する。
図6は、位置データの例を示す図である。図6に示す例では、位置データは、機器情報(機器ID)と、時刻情報(日時)と、位置情報(緯度、経度)とを含み、これらが対応付けて形成されたデータである。第2行に示す例では、機器情報「090−1234−5678」と、日時「2015/01/04 13:25:34」と、位置情報を構成する緯度「35.3454」と、位置情報を構成する経度「139.2343」とが対応付けられている。時刻情報は、例えば、端末装置20が位置情報を取得した時刻を示す情報であって、位置通知に含めて伝送される。また、時刻情報は、位置データ取得部141が端末装置20から位置通知を受信した時刻を示す情報であってもよい。
次に、位置データ取得部141により取得される位置データについて説明する。
図6は、位置データの例を示す図である。図6に示す例では、位置データは、機器情報(機器ID)と、時刻情報(日時)と、位置情報(緯度、経度)とを含み、これらが対応付けて形成されたデータである。第2行に示す例では、機器情報「090−1234−5678」と、日時「2015/01/04 13:25:34」と、位置情報を構成する緯度「35.3454」と、位置情報を構成する経度「139.2343」とが対応付けられている。時刻情報は、例えば、端末装置20が位置情報を取得した時刻を示す情報であって、位置通知に含めて伝送される。また、時刻情報は、位置データ取得部141が端末装置20から位置通知を受信した時刻を示す情報であってもよい。
なお、上述では、位置情報が端末装置20の緯度、経度である場合を例にしたが、これには限られない。端末装置20が位置通知に含めて伝送する位置情報は、例えば、当該端末装置20が在圏している無線基地局装置を示すセルIDであってもよい。その場合には、記憶部12にセルID毎に、その無線基地局装置の位置を示す緯度、経度と、を対応付けて形成された基地局データを予め記憶させておく。位置データ取得部141は、基地局データから端末装置20から受信した位置通知に含まれる位置情報が示すセルIDに対応する緯度、経度を読み取る。位置データ取得部141は、読み取った緯度、経度を位置情報として、機器情報と時刻情報と対応付けて位置データを生成する。
(単位領域、人数の例)
次に、人数の測定、推定単位である単位領域の例について説明する。
図7は、単位領域の例を示す図である。単位領域ARは、所定の分析対象地域WRを一定の緯度、経度の間隔で区分された個々の範囲である。図7では、各単位領域ARの境界は、一定の緯度、経度を示す格子GRで表されている。人数計測部133は、各単位領域AR内に所在する各端末装置20からの位置情報に基づいて、当該各単位領域AR内における端末装置20の個数を人数の実測値として計数する。
次に、人数の測定、推定単位である単位領域の例について説明する。
図7は、単位領域の例を示す図である。単位領域ARは、所定の分析対象地域WRを一定の緯度、経度の間隔で区分された個々の範囲である。図7では、各単位領域ARの境界は、一定の緯度、経度を示す格子GRで表されている。人数計測部133は、各単位領域AR内に所在する各端末装置20からの位置情報に基づいて、当該各単位領域AR内における端末装置20の個数を人数の実測値として計数する。
分析対象地域WR、各単位領域ARの範囲は、例えば、予め制御部13に設定されてもよいし、端末装置20から操作データの一部として取得されてもよい。また、分析対象地域WR、各単位領域ARは、必ずしも緯度、経度で指定された範囲でなくてもよい。複数の単位領域ARを含んでいれば、分析対象地域WRは、いかなる形状の範囲でもよい。例えば、分析対象地域WRは、市区町村等の行政区分であってもよい。また、単位領域ARは、無線通信システムを形成する個々の無線基地局装置から通信可能な範囲であるセルであってもよい。この場合には、人数計測部133は、各単位領域ARの人数の実測値として無線基地局装置に在圏している端末装置20の数を示す在圏情報を当該無線基地局装置から受信してもよい。
図8は、実測分布データの例を示す図である。図8には、実測分布データを形成する一定の緯度、経度で区分された各単位領域ARの人数の実測値がその高さで示されている。
図9は、推定分布データの例を示す図である。図9には、推定分布データを形成する一定の緯度、経度で区分された各単位領域ARの人数の推定値がその高さで示されている。
図10は、差分分布データの例を示す図である。図10には、差分分布データを形成する一定の緯度、経度で区分された各単位領域ARの人数の差分値がその高さで示されている。円で囲まれている部分は、出力データ生成部134が検出した特徴領域M1、M2、M3である。特徴領域M1、M2、M3は、出力データ生成部134によって差分値が空間的に極大となり、所定の差分値の閾値nthよりも大きいと判定された単位領域である。かかる単位領域は、人数の実測値が推定値よりも顕著に多い単位領域であるので、人数推定処理において考慮されなかった要因としてイベントの発生が推認される単位領域である。
図9は、推定分布データの例を示す図である。図9には、推定分布データを形成する一定の緯度、経度で区分された各単位領域ARの人数の推定値がその高さで示されている。
図10は、差分分布データの例を示す図である。図10には、差分分布データを形成する一定の緯度、経度で区分された各単位領域ARの人数の差分値がその高さで示されている。円で囲まれている部分は、出力データ生成部134が検出した特徴領域M1、M2、M3である。特徴領域M1、M2、M3は、出力データ生成部134によって差分値が空間的に極大となり、所定の差分値の閾値nthよりも大きいと判定された単位領域である。かかる単位領域は、人数の実測値が推定値よりも顕著に多い単位領域であるので、人数推定処理において考慮されなかった要因としてイベントの発生が推認される単位領域である。
図11は、出力データが示す表示情報の例を示す。図11に示す例では、端末装置20からの出力データ要求信号で指示された出力領域OR内の各単位領域における差分値を示す差分分布と、特徴領域M1、M2、M3を指示する記号(マーカ)が出力領域ORの地図上に重ね合わされている。差分分布は、濃淡で表され、明るい部分ほど人数が多いことを示し、暗い部分ほど人数が少ないことを示す。
地図上に差分分布と特徴領域M1、M2、M3が地図上に重ね合わされることで、本データに接したユーザは出力領域OR内における差分分布の全体と特徴領域M1、M2、M3の位置関係を直感的に把握することができる。
地図上に差分分布と特徴領域M1、M2、M3が地図上に重ね合わされることで、本データに接したユーザは出力領域OR内における差分分布の全体と特徴領域M1、M2、M3の位置関係を直感的に把握することができる。
(情報処理装置の処理)
次に、本実施形態に係る情報処理装置10が実行する処理について説明する。
図12は、本実施形態に係る情報処理装置10が実行する処理を示すフローチャートである。情報処理装置10は、以下に説明する処理を所定時間毎に実行する。
(ステップS101)位置データ取得部141は、分析対象地域内における個々の端末装置20から人の位置として当該端末装置の位置を示す位置情報を含む位置通知を取得する。気象データ取得部142は、分析対象地域内における環境情報として気象情報を示す気象データを気象データ管理装置30から取得する。その後、ステップS102に進む。
(ステップS102)人数計測部133は、取得された位置データが示す端末装置20毎の位置情報に基づいて各単位領域における人数の実測値を計数する。その後、ステップS103に進む。
(ステップS103)人数計測部133は、計数した各単位領域における人数の実測値を示す実測分布データを生成する。その後、ステップS104に進む。
次に、本実施形態に係る情報処理装置10が実行する処理について説明する。
図12は、本実施形態に係る情報処理装置10が実行する処理を示すフローチャートである。情報処理装置10は、以下に説明する処理を所定時間毎に実行する。
(ステップS101)位置データ取得部141は、分析対象地域内における個々の端末装置20から人の位置として当該端末装置の位置を示す位置情報を含む位置通知を取得する。気象データ取得部142は、分析対象地域内における環境情報として気象情報を示す気象データを気象データ管理装置30から取得する。その後、ステップS102に進む。
(ステップS102)人数計測部133は、取得された位置データが示す端末装置20毎の位置情報に基づいて各単位領域における人数の実測値を計数する。その後、ステップS103に進む。
(ステップS103)人数計測部133は、計数した各単位領域における人数の実測値を示す実測分布データを生成する。その後、ステップS104に進む。
(ステップS104)モデル更新部131は、各単位領域における環境情報を説明変数、当該単位領域における人数の実測値を目的変数として各単位領域のモデル変数を算出(学習)することにより、分布推定モデルを更新する。モデル更新部131は、気象情報、その時点における曜日、時間帯を示す入力値を環境情報として用いる。その後、ステップS105に進む。
(ステップS105)人数推定部132は、環境情報と分布推定モデルとを用いて各単位領域における人数の推定値を算出することにより、分析対象地域内の人の分布を推定する。その後、ステップS106に進む。
(ステップS105)人数推定部132は、環境情報と分布推定モデルとを用いて各単位領域における人数の推定値を算出することにより、分析対象地域内の人の分布を推定する。その後、ステップS106に進む。
(ステップS106)出力データ生成部134は、各単位領域における人数の実測値から推定値の差分値を算出する。その後、ステップS107に進む。
(ステップS107)出力データ生成部134は、各単位領域における差分値を示す差分分布を、端末装置20からの出力データ要求信号が示す出力領域内の地図に重ね合わせる。その後、ステップS108に進む。
(ステップS108)出力データ生成部134は、各単位領域における差分値が所定の空間変化特性を有する特徴領域を検出し、検出した特徴領域の位置に所定の記号を、差分分布を重ね合わせた地図に付加する。出力データ生成部134は、記号を付加した地図を示す出力データを生成する。図12に示す処理を終了する。
(ステップS107)出力データ生成部134は、各単位領域における差分値を示す差分分布を、端末装置20からの出力データ要求信号が示す出力領域内の地図に重ね合わせる。その後、ステップS108に進む。
(ステップS108)出力データ生成部134は、各単位領域における差分値が所定の空間変化特性を有する特徴領域を検出し、検出した特徴領域の位置に所定の記号を、差分分布を重ね合わせた地図に付加する。出力データ生成部134は、記号を付加した地図を示す出力データを生成する。図12に示す処理を終了する。
(端末装置の構成)
次に、本実施形態に係る端末装置20の構成について説明する。
図13は、本実施形態に係る端末装置20の構成を示す概略ブロック図である。
端末装置20は、表示部21、入力部22、位置情報取得部23、通信部24、記憶部25及び制御部26を含んで構成される。
表示部21は、制御部26から入力された画像データに基づく画像を表示する。表示部21は、例えば、液晶ディスプレイ(LCD:Liquid Crystal Display)、有機EL(Electroluminesce)ディスプレイ等、の表示デバイスを含んで構成される。
入力部22は、ユーザの操作入力を受け付け、受け付けた操作入力に基づく操作信号を制御部26に出力する。入力部22は、例えば、マウス、キーボード、タッチセンサ、等の入力デバイスを含んで構成される。
次に、本実施形態に係る端末装置20の構成について説明する。
図13は、本実施形態に係る端末装置20の構成を示す概略ブロック図である。
端末装置20は、表示部21、入力部22、位置情報取得部23、通信部24、記憶部25及び制御部26を含んで構成される。
表示部21は、制御部26から入力された画像データに基づく画像を表示する。表示部21は、例えば、液晶ディスプレイ(LCD:Liquid Crystal Display)、有機EL(Electroluminesce)ディスプレイ等、の表示デバイスを含んで構成される。
入力部22は、ユーザの操作入力を受け付け、受け付けた操作入力に基づく操作信号を制御部26に出力する。入力部22は、例えば、マウス、キーボード、タッチセンサ、等の入力デバイスを含んで構成される。
位置情報取得部23は、端末装置20の位置を示す位置情報を取得する。位置情報取得部23は、例えば、GPS(Global Positioning System)衛星から受信した電波に基づいて位置を検出するGPSセンサを含んで構成される。位置情報取得部23は、取得した位置情報を制御部26に出力する。制御部26は、位置情報取得部23から入力された位置情報と、自装置を識別する機器情報と、当該位置情報を取得した時刻を示す位置情報とを含む位置通知を生成し、生成した位置通知を、例えば、所定時間間隔で情報処理装置10に送信部242を介して送信する。
前述したように、位置情報取得部23は、端末装置20が在圏する無線基地局装置から通信部24が受信したセルIDを位置情報として取得してもよい。
前述したように、位置情報取得部23は、端末装置20が在圏する無線基地局装置から通信部24が受信したセルIDを位置情報として取得してもよい。
通信部24は、ネットワーク61に接続し、ネットワーク61に接続されている他の装置との間で通信を行う。通信部24は、各種のデータを受信する受信部241及び各種のデータを送信する送信部242として機能する。通信部24は、例えば、通信インタフェースを含んで構成される。
記憶部25は、制御部26において実行される制御プログラム、制御部26で用いられるデータ、制御部26が生成したデータ、制御部26に入力されたデータ、等を記憶する。記憶部25は、例えば、ROM(Read Only Memory)、RAM(Random Access Memory)等の記憶媒体を含んで構成される。
記憶部25は、制御部26において実行される制御プログラム、制御部26で用いられるデータ、制御部26が生成したデータ、制御部26に入力されたデータ、等を記憶する。記憶部25は、例えば、ROM(Read Only Memory)、RAM(Random Access Memory)等の記憶媒体を含んで構成される。
制御部26は、操作処理部261及び表示制御部262として機能する。制御部26が有する機能の一部又は全ては、例えば、端末装置20が備えるCPUが記憶部25に記憶されている制御プログラムを実行することにより実現される。
操作処理部261は、入力部22から入力された操作信号に基づいて、操作データを生成する。例えば、操作処理部261は、操作データとして、操作信号によって指定された出力地域に係る出力データを要求するための出力データ要求信号を生成する。操作処理部261は、生成した操作データを情報処理装置10に送信部242を介して送信する。
なお、出力地域は、緯度、経度それぞれの範囲を示す値で指定されてもよいし、操作処理部261が取得された位置情報が示す位置から所定範囲内の地図を表示部21に表示させ、表示させた地図上で操作信号により範囲が指定されてもよい。
操作処理部261は、入力部22から入力された操作信号に基づいて、操作データを生成する。例えば、操作処理部261は、操作データとして、操作信号によって指定された出力地域に係る出力データを要求するための出力データ要求信号を生成する。操作処理部261は、生成した操作データを情報処理装置10に送信部242を介して送信する。
なお、出力地域は、緯度、経度それぞれの範囲を示す値で指定されてもよいし、操作処理部261が取得された位置情報が示す位置から所定範囲内の地図を表示部21に表示させ、表示させた地図上で操作信号により範囲が指定されてもよい。
表示制御部262は、受信部241を介して情報処理装置10から出力データを受信する。出力データが、上述した出力領域に含まれる各単位領域の差分値を示す部分差分分布データと、出力領域内において検出された特徴領域を示す特徴領域データと、出力地図データとを含んで構成される場合がある。その場合には、表示制御部262は、出力領域内の各単位領域の差分値を色信号値で表した差分分布と、特徴領域の地図上の位置に所定の記号とを地図に重ね合わせた表示情報を示す表示データを生成する。表示制御部262は、生成した表示データを表示部21に出力する。表示部21は、表示制御部262から入力された表示データが示す表示情報(図11)を表示する。
なお、情報処理装置10から受信する出力データが当該表示情報を示す場合には、表示制御部262は、当該出力データを表示データとして表示部21に出力する。
なお、情報処理装置10から受信する出力データが当該表示情報を示す場合には、表示制御部262は、当該出力データを表示データとして表示部21に出力する。
(情報処理システムの処理)
次に、本実施形態に係る情報処理システム1が実行する処理について説明する。
図14は、本実施形態に係る情報処理システム1が実行する処理を示すシーケンス図である。図14に示す例では、ステップS201〜S203の処理は所定時間毎に繰り返され、ステップS204〜S209の処理は、ステップS201〜S203の処理とは非同期である。
次に、本実施形態に係る情報処理システム1が実行する処理について説明する。
図14は、本実施形態に係る情報処理システム1が実行する処理を示すシーケンス図である。図14に示す例では、ステップS201〜S203の処理は所定時間毎に繰り返され、ステップS204〜S209の処理は、ステップS201〜S203の処理とは非同期である。
(ステップS201)端末装置20の制御部26は、位置情報取得部23が取得した位置情報を含む位置通知を生成し、生成した位置情報を情報処理装置10に送信する。制御部26は、ステップS201の処理を所定時間毎に繰り返す。
(ステップS202)情報処理装置10の気象データ取得部142は、所定時間毎に気象データ要求信号を生成し、気象データ管理装置30に送信する。気象データ管理装置30は、情報処理装置10から気象データ要求信号を受信する。その後、ステップS203に進む。
(ステップS203)気象データ管理装置30は、受信した気象データ要求信号により指定される分析対象地域内の気象情報を示す気象データを情報処理装置10に送信する。情報処理装置10の気象データ取得部142は、気象データ管理装置30から気象データを受信し、受信した気象データをモデル更新部131及び人数推定部132に出力する。
(ステップS202)情報処理装置10の気象データ取得部142は、所定時間毎に気象データ要求信号を生成し、気象データ管理装置30に送信する。気象データ管理装置30は、情報処理装置10から気象データ要求信号を受信する。その後、ステップS203に進む。
(ステップS203)気象データ管理装置30は、受信した気象データ要求信号により指定される分析対象地域内の気象情報を示す気象データを情報処理装置10に送信する。情報処理装置10の気象データ取得部142は、気象データ管理装置30から気象データを受信し、受信した気象データをモデル更新部131及び人数推定部132に出力する。
(ステップS204)情報処理装置10の地図データ取得部144は、地図データ要求信号を生成し、地図データ管理装置40に送信する。地図データ管理装置40は、情報処理装置10から地図データ要求信号を受信する。その後、ステップS205に進む。
(ステップS205)地図データ管理装置40は、受信した地図データ要求信号により指定される分析対象地域内の地図を示す地図データを情報処理装置10に送信する。情報処理装置10の地図データ取得部144は、地図データ管理装置40から地図データを受信し、受信した地図データを地図データ記憶部123に記憶する。なお、地図データ取得部144が当該分析対象地域に係る地図データを受信したことがある場合には、ステップS204、S205の処理を繰り返さなくてもよい。
(ステップS206)情報処理装置10は、出力データ生成処理として、図12に示す処理を行う。この段階では、分析対象地域の全体について出力データが生成される。
(ステップS205)地図データ管理装置40は、受信した地図データ要求信号により指定される分析対象地域内の地図を示す地図データを情報処理装置10に送信する。情報処理装置10の地図データ取得部144は、地図データ管理装置40から地図データを受信し、受信した地図データを地図データ記憶部123に記憶する。なお、地図データ取得部144が当該分析対象地域に係る地図データを受信したことがある場合には、ステップS204、S205の処理を繰り返さなくてもよい。
(ステップS206)情報処理装置10は、出力データ生成処理として、図12に示す処理を行う。この段階では、分析対象地域の全体について出力データが生成される。
(ステップS207)端末装置20の操作処理部261は、操作信号によって指定された出力地域に係る出力データ要求信号を生成し、生成した出力データ要求信号を情報処理装置10に送信する。情報処理装置10の操作データ取得部143は、端末装置20から出力データ要求信号を受信する。その後、ステップS208に進む。
(ステップS208)情報処理装置10の出力データ生成部134は、生成した分析対象地域に係る出力データから、出力データ要求信号により指定される出力地域に係る出力データを抽出する。出力データ生成部134は、抽出した出力データを出力データ要求信号の送信元である端末装置20に送信する。端末装置20の表示制御部262は、情報処理装置10から出力データを受信する。その後、ステップS209に進む。
(ステップS209)情報処理装置10の表示制御部262は、出力データに基づいて出力領域内の各単位領域の差分値を色信号値で表した差分分布と、特徴領域の地図上の位置に記号(記号)とを地図に重ね合わせた表示情報を取得する。表示制御部262は、取得した表示情報を示す表示データを表示部21に出力し、当該表示情報を表示させる。その後、図14に示す処理を終了する。
(ステップS208)情報処理装置10の出力データ生成部134は、生成した分析対象地域に係る出力データから、出力データ要求信号により指定される出力地域に係る出力データを抽出する。出力データ生成部134は、抽出した出力データを出力データ要求信号の送信元である端末装置20に送信する。端末装置20の表示制御部262は、情報処理装置10から出力データを受信する。その後、ステップS209に進む。
(ステップS209)情報処理装置10の表示制御部262は、出力データに基づいて出力領域内の各単位領域の差分値を色信号値で表した差分分布と、特徴領域の地図上の位置に記号(記号)とを地図に重ね合わせた表示情報を取得する。表示制御部262は、取得した表示情報を示す表示データを表示部21に出力し、当該表示情報を表示させる。その後、図14に示す処理を終了する。
以上に説明したように、本実施形態に係る情報処理装置10は、各単位領域における人数を計測して当該人数の実測値を取得する人数計測部133と、各単位領域における環境情報を示す環境データを取得するデータ取得部14を備える。また、情報処理装置10は、各単位領域における環境情報から所定のモデルを用いて当該単位領域における人数の推定値を算出する人数推定部132と、各単位領域における実測値と推定値との差分値に基づく出力データを生成する出力データ生成部134とを備える。
この構成により、人数の実測値と推定値との差分値の分布に基づく出力データが出力され、当該出力データは与えられた環境情報だけでは説明できない差分値が著しい単位領域を示す。そのため、当該出力データに接したユーザは、差分値が著しい単位領域におけるイベントの発生を推認することができる。従って、本実施形態によれば過去のイベントの発生の有無に関わらず、ユーザに対してイベントの発生をより容易に気付かせることができる。
この構成により、人数の実測値と推定値との差分値の分布に基づく出力データが出力され、当該出力データは与えられた環境情報だけでは説明できない差分値が著しい単位領域を示す。そのため、当該出力データに接したユーザは、差分値が著しい単位領域におけるイベントの発生を推認することができる。従って、本実施形態によれば過去のイベントの発生の有無に関わらず、ユーザに対してイベントの発生をより容易に気付かせることができる。
また、情報処理装置10の出力データ生成部134は、出力データとして、各単位領域における人数の実測値と推定値との差分値と、当該各単位領域における地図を表す地図データとを対応付けたデータを生成する。
この構成により、人数の差分値の分布と地図とが対応付けられるので、ユーザは差分値が著しい単位領域の位置を容易に把握することができる。
この構成により、人数の差分値の分布と地図とが対応付けられるので、ユーザは差分値が著しい単位領域の位置を容易に把握することができる。
また、情報処理装置10の出力データ生成部134は、差分値の絶対値が所定の閾値よりも大きい極値となる特徴領域を判定する。
この構成により、差分値が著しい特徴領域が定量的に定められる。そのため、ユーザは経験や勘に頼らず、イベントの発生の可能性がある場所を確実に認識することができる。
この構成により、差分値が著しい特徴領域が定量的に定められる。そのため、ユーザは経験や勘に頼らず、イベントの発生の可能性がある場所を確実に認識することができる。
また、本実施形態に係る端末装置20は、自装置の位置を示す位置情報を取得する位置情報取得部23と、位置情報を情報処理装置10に送信する送信部242を備える。また、端末装置20は、情報処理装置10から受信した各単位領域における人数の実測値と推定値との差分値に基づく出力データと当該単位領域における地図を示す地図データを対応付けて出力する出力部(例えば、表示制御部262)と、を備える。
この構成により、情報処理装置10に対して単位領域毎の人数の測定の手がかりとして位置情報を提供し、情報処理装置10から人数の実測値と推定値との差分値の分布が、地図と対応付けて出力される。そのため、ユーザは与えられた環境情報だけでは説明できない差分値が著しい単位領域を容易に識別することができる。また、ユーザは、当該単位領域とその位置をイベントの発生の可能性がある領域として認識することにより、過去のイベントの発生の有無に関わらず、イベントの発生により容易に気付くことができる。
この構成により、情報処理装置10に対して単位領域毎の人数の測定の手がかりとして位置情報を提供し、情報処理装置10から人数の実測値と推定値との差分値の分布が、地図と対応付けて出力される。そのため、ユーザは与えられた環境情報だけでは説明できない差分値が著しい単位領域を容易に識別することができる。また、ユーザは、当該単位領域とその位置をイベントの発生の可能性がある領域として認識することにより、過去のイベントの発生の有無に関わらず、イベントの発生により容易に気付くことができる。
(第2の実施形態)
次に、本実施形態の第2の実施形態について説明する。第1の実施形態と同一の構成については同一の符号を付して説明を援用する。
図15は、本実施形態に係る情報処理装置10の構成を示す概略ブロック図である。
本実施形態に係る情報処理装置10は、人数計測部133(図2)に代えて人数計測部133aを備える。人数計測部133aは、人数計測部133と同様に計測した人数の実測値を、空間的に平滑化する(図16)。人数計測部133aは、各単位領域において平滑化された人数を示すデータを実測分布データとしてモデル更新部131及び出力データ生成部134に出力する。
次に、本実施形態の第2の実施形態について説明する。第1の実施形態と同一の構成については同一の符号を付して説明を援用する。
図15は、本実施形態に係る情報処理装置10の構成を示す概略ブロック図である。
本実施形態に係る情報処理装置10は、人数計測部133(図2)に代えて人数計測部133aを備える。人数計測部133aは、人数計測部133と同様に計測した人数の実測値を、空間的に平滑化する(図16)。人数計測部133aは、各単位領域において平滑化された人数を示すデータを実測分布データとしてモデル更新部131及び出力データ生成部134に出力する。
他方、第1の実施形態に係る人数計測部133では、各単位領域における人数の実測値を単純に計数する。各単位領域ARが狭い場合(例えば、1辺の大きさが1m)、又は森林、原野、農地などの人口密度が低い地域では、図17に示すように主に人数が0である単位領域が分析対象地域内を占め、人数が1以上である単位領域EPが離散的に分布している。各単位領域EPに隣接する単位領域における人数は0となり、人数の分布全体として特異的な空間変化特性を有する。また、このような空間変化特性を有する単位領域EPの分布は、時間経過に伴って変化する。そのため、人数推定部132により推定された各単位領域における人数の推定精度を低下する。また、上述したGPSによる位置の測定誤差により、端末装置20が実在する単位領域とは異なる単位領域(例えば、隣接または近接する単位領域)において、その台数が計数されることがある。このことは、単位領域ARの細分化が人数の分布の測定精度の向上に寄与するとは限らないことを意味する。
これに対し、人数計測部133aは、かかる単位領域における人数を空間的に平滑化するので、モデル更新部131は、分布推定モデルの更新において各単位領域において平滑化された人数を目的変数として用いる。そのため、推定精度の低下が抑制される。
これに対し、人数計測部133aは、かかる単位領域における人数を空間的に平滑化するので、モデル更新部131は、分布推定モデルの更新において各単位領域において平滑化された人数を目的変数として用いる。そのため、推定精度の低下が抑制される。
人数の実測値の平滑化において、人数計測部133aは、例えば、各単位領域の人数の測定について低域通過フィルタリング処理を行う。人数計測部133aは、低域通過フィルタリング処理において、例えば、2次元ガウシアンフィルタを用いる。2次元ガウシアンフィルタは、注目単位領域を基準とした単位領域毎の重み係数が、2次元の正規分布で与えられるディジタルフィルタである。2次元ガウシアンフィルタの特性を与える当該正規分布の幅(以下、フィルタ幅と呼ぶ)は、少なくとも各単位領域の水平方向、垂直方向の1辺の幅よりもそれぞれ大きい。また、水平方向のフィルタ幅は、垂直方向のフィルタ幅と等しくてもよいし、異なってもよい。
フィルタ幅は、分析対象地域内において一定でもよいし、異なっていてもよい。人数計測部133aが平滑化に用いるフィルタ幅は、各単位領域の人数が多いほど狭く、各単位領域の人数が少ないほど広くてもよい。よって、人数の多い単位領域ほど人数の分布を空間的に詳細に予測できるとともに、人数の少ない単位領域において生じがちな人数の推定精度の低下を抑制することができる。
また、人数計測部133aは、操作データ取得部143から入力された関心領域信号が指示する関心領域内に含まれるフィルタ幅を、当該関心領域外よりも狭いフィルタ幅を定めてよい。関心領域とは、ユーザが関心を有する範囲である。本実施形態では、端末装置20の操作処理部261は、操作信号によって指定された関心領域を示す関心領域信号を生成し、生成した関心領域信号を情報処理装置10に送信する。情報処理装置10の操作データ取得部143は、端末装置20から関心領域信号を受信する。これにより、人数の分布を詳細に計測ならびに予測すべき単位領域をユーザが任意に選択することができる。
以上に説明したように、本実施形態に係る情報処理装置10において、人数計測部133aは、各単位領域における人数の実測値を空間的に平滑化する。
この構成により、各単位領域の人数の分布が特異的な場合であっても、その分布が平滑化される。そのため、人数の推定精度の低下を抑制することができる。また、領域に応じて平滑化の要否、程度を定めることにより、人数の分布を空間的に詳細に予測するか、人数の推定精度の低下を抑制するかを調整することができる。
この構成により、各単位領域の人数の分布が特異的な場合であっても、その分布が平滑化される。そのため、人数の推定精度の低下を抑制することができる。また、領域に応じて平滑化の要否、程度を定めることにより、人数の分布を空間的に詳細に予測するか、人数の推定精度の低下を抑制するかを調整することができる。
(第3の実施形態)
次に、本実施形態の第3の実施形態について説明する。第1の実施形態と同一の構成については同一の符号を付して説明を援用する。
図18は、本実施形態に係る情報処理装置10の構成を示す概略ブロック図である。
本実施形態に係る情報処理装置10は、モデル記憶部122、モデル更新部131、人数推定部132、人数計測部133及び出力データ生成部134(図2)に代えてモデル記憶部122b、モデル更新部131b、人数推定部132b、人数計測部133b及び出力データ生成部134bを備える。
次に、本実施形態の第3の実施形態について説明する。第1の実施形態と同一の構成については同一の符号を付して説明を援用する。
図18は、本実施形態に係る情報処理装置10の構成を示す概略ブロック図である。
本実施形態に係る情報処理装置10は、モデル記憶部122、モデル更新部131、人数推定部132、人数計測部133及び出力データ生成部134(図2)に代えてモデル記憶部122b、モデル更新部131b、人数推定部132b、人数計測部133b及び出力データ生成部134bを備える。
モデル記憶部122bには、各単位領域におけるモデル変数と、その時点における環境情報を各所在状態について含んでいる分布推定モデルが記憶される。所在状態の例については後述する。モデル記憶部122bに記憶される分布推定モデルの種別は、上述したモデル記憶部122に記憶される分布推定モデルの種別と同一であってよい。
人数計測部133bは、位置データ取得部141から入力された位置データが示す端末装置20毎の位置情報に基づいて、各単位領域に所在する端末装置20毎の所在状態を判定する。人数計測部133bは、各単位領域について所在状態毎の端末装置20の個数を人数の実測値として計数し、計数した所在状態毎の人数の実測値を示す実測分布データを生成する。人数計測部133bは、生成した実測分布データをモデル更新部131b及び出力データ生成部134bに出力する。
人数推定部132bは、モデル記憶部122bに記憶した分布推定モデルを読み取り、読み取った分布推定モデルが示す各単位領域における所在状態毎のモデル変数と、その時点における環境情報とに基づいて、当該単位領域における所在状態毎の人数の推定値を算出する。人数推定部132bは、各単位領域における所在状態毎の人数の推定値を示す推定分布データを生成し、生成した推定分布データをモデル更新部131b及び出力データ生成部134bに出力する。人数推定部132bが所在状態毎に行う人数推定処理は、上述した人数推定部132bが行う人数推定処理と同一であってよい。例えば、人数推定処理が一次モデルに基づく処理(式(1))であり、所在状態として2通りの状態1、2を仮定する。その場合、人数推定部132bは、式(1)に重み係数An、バイアス値αに状態1に係る重み係数A[1]n、バイアス値α[1]を代入して状態1に係る人数の推定値y[1]を算出することができる。また、人数推定部132bは、式(1)に重み係数An、バイアス値αに状態2に係る重み係数A[2]n、バイアス値α[2]を代入して状態2に係る人数の推定値y[2]を算出する。なお、状態1、2ともに式(1)の入力値xnは共通である。
モデル更新部131bは、人数計測部133bから入力された実測分布データと、環境情報から、各単位領域における人数を推定するためのモデルを更新する。モデル更新部131bは、各単位領域における気象情報、その時点における曜日、時間帯を示す入力値を説明変数、当該単位領域における所在状態毎の人数の実測値を目的変数として各単位領域の所在状態毎のモデル変数を算出する。モデル更新部131bは、各単位領域について所在状態毎に算出した各モデル変数を含む分布推定モデルを構成し、既存の所在状態毎の分布推定モデルを構成した分布推定モデルに更新する。分布推定モデルの更新において、モデル更新部131bは、例えば、公知の最小二乗法による重回帰分析を行う。モデル更新部131bは、更新した分布推定モデルをモデル記憶部122bに記憶する。モデル更新部131bが所在状態毎に行うモデル更新処理は、上述したモデル更新部131bが行うモデル更新処理と同一であってよい。例えば、人数推定処理が式(1)と同様に線形結合であり所在状態として2通りの状態1、2を仮定する。その場合、モデル更新部131bは、状態1に係るモデル変数として重み係数A[1]n、バイアス値α[1]、状態2に係るモデル変数として重み係数A[2]n、バイアス値α[2]をそれぞれ更新する。
出力データ生成部134bには、人数計測部133bから実測分布データが入力され、人数推定部132bから推定分布データが入力される。出力データ生成部134bは、実測分布データが示す各単位領域における所在状態毎の人数の実測値から、推定分布データが示す当該単位領域における当該所在状態に係る人数の推定値を減算して、当該単位領域における所在状態毎の人数の差分値を算出する。出力データ生成部134bは、算出された各単位領域における所在状態毎の人数の差分値について、所在状態間の総和をとることにより各単位領域における人数の差分値を示す差分分布データを生成する。例えば、所在状態として2通りの状態1、2を仮定する場合、出力データ生成部134bは、状態1に係る人数の差分値Δy[1]と状態2に係る人数の差分値Δy[2]を加算して各単位領域における人数の差分値Δyを算出する。出力データ生成部134bは、出力データ生成部134と同様に生成した差分分布データに基づいて出力データを生成し、生成した出力データを端末装置20に送信部112を介して送信する。
(所在状態の例)
所在状態には、例えば、端末装置20が移動している移動状態、移動していない静止状態がある。例えば、各端末装置20の位置情報が緯度経度を表している場合、人数計測部133bは、その時点における位置情報が示す位置と所定時間前における位置との間の距離を算出する。人数計測部133bは、算出した距離が所定の距離の閾値よりも大きい端末装置20の所在状態を移動状態と判定し、算出した距離が所定の距離の閾値以下である端末装置20の所在状態を静止状態と判定する。
所在状態には、例えば、端末装置20が移動している移動状態、移動していない静止状態がある。例えば、各端末装置20の位置情報が緯度経度を表している場合、人数計測部133bは、その時点における位置情報が示す位置と所定時間前における位置との間の距離を算出する。人数計測部133bは、算出した距離が所定の距離の閾値よりも大きい端末装置20の所在状態を移動状態と判定し、算出した距離が所定の距離の閾値以下である端末装置20の所在状態を静止状態と判定する。
また、人数計測部133bは、その時点における位置を含む単位領域が、所定時間前における位置を含む単位領域と異なる端末装置20の所在状態を移動状態と判定してもよい。人数計測部133bは、その時点における位置を含む単位領域が、所定時間前における位置を含む単位領域と同一である端末装置20の所在状態を静止状態と判定してもよい。
また、各端末装置20の位置情報が、当該端末装置20が在圏する無線基地局装置のセルIDで表されている場合がある。その場合には、人数計測部133bは、その時点における位置情報が示すセルIDと所定時間前における位置情報が示すセルIDとが異なる端末装置の所在状態を移動状態と判定してもよい。人数計測部133bは、その時点における位置情報が示すセルIDと所定時間前における位置情報が示すセルIDとが同一である端末装置の所在状態を静止状態と判定してもよい。
なお、人数計測部133bが判定する各端末装置20の所在状態は、移動状態、静止状態の2通りに限らず、3通り以上であってもよい。例えば、人数計測部133bは、移動状態、静止状態の他、開始状態、終了状態を判定してもよい。開始状態とは、動作している端末装置20が情報処理システム1への接続を開始した状態である。例えば、人数計測部133bは、所定時間前における位置情報が存在せず、その時点における位置情報が示す位置を含む単位領域に存在する端末装置20の所在状態を、開始状態と判定する。終了状態とは、動作している端末装置20がその動作を停止した状態、又は動作している端末装置20が情報処理システム1への接続を終了した状態である。人数計測部133bは、所定時間前における位置情報が存在し、その時点における位置情報が存在しない端末装置20の所在情報を、所定時間前に所在していた単位領域について終了状態と判定してもよい。それぞれの時点における各単位領域の人数は、その時点において静止状態、移動状態、開始状態と判定された端末装置の個数の総数となる。これにより、所定時間毎の動作中の端末装置20の個数の変化を考慮して、分布推定モデルが更新されるので各単位領域における人数の推定精度が向上する。
以上に説明したように、本実施形態に係る情報処理装置10において、人数計測部133bは、各単位領域における所在状態毎の人数の実測値を計測する。また、人数推定部132bは、各単位領域における所在状態毎の所定の分布推定モデルを用いて当該単位領域における所在状態毎の人数の推定値を算出する。また、情報処理装置10は、人数計測部133bが計測した人数と人数推定部132bが算出した推定値に基づいて所在状態毎に分布推定モデルを更新するモデル更新部131bを備える。
この構成により、所在状態毎の人数の実測値と推定値を用いて分布推定モデルが更新され、更新された分布推定モデルを用いて推定値を算出する。そのため、所在状態に関わらず共通の分布推定モデルを用いる場合よりも、各単位領域における人数の推定精度を高くすることができる。そのため、人数分布の実測値と推定値との差分値が著しい単位領域の判定をより的確に行うことができる。
この構成により、所在状態毎の人数の実測値と推定値を用いて分布推定モデルが更新され、更新された分布推定モデルを用いて推定値を算出する。そのため、所在状態に関わらず共通の分布推定モデルを用いる場合よりも、各単位領域における人数の推定精度を高くすることができる。そのため、人数分布の実測値と推定値との差分値が著しい単位領域の判定をより的確に行うことができる。
(第4の実施形態)
次に、本実施形態の第4の実施形態について説明する。第1の実施形態と同一の構成については同一の符号を付して説明を援用する。
図19は、本実施形態に係る情報処理装置10の構成を示す概略ブロック図である。
本実施形態に係る情報処理装置10は、出力データ生成部134(図2)に代えて出力データ生成部134cを備え、記憶部12において施設データ記憶部124c及びイベントデータ記憶部125cを備え、データ取得部14においてイベントデータ取得部145cを備える。
次に、本実施形態の第4の実施形態について説明する。第1の実施形態と同一の構成については同一の符号を付して説明を援用する。
図19は、本実施形態に係る情報処理装置10の構成を示す概略ブロック図である。
本実施形態に係る情報処理装置10は、出力データ生成部134(図2)に代えて出力データ生成部134cを備え、記憶部12において施設データ記憶部124c及びイベントデータ記憶部125cを備え、データ取得部14においてイベントデータ取得部145cを備える。
施設データ記憶部124cには、個々の施設の位置を示す施設情報を含んで構成される施設データが予め記憶させておく。
イベントデータ取得部145cは、分析対象地域内に所在する施設を示す施設情報と、当該施設におけるイベントを示すイベントデータを情報処理装置10の外部から取得する。イベントデータ取得部145cには、例えば、イベントデータが直接入力されてもよい。イベントデータ取得部145cは、ネットワーク61に接続されたイベントデータ管理装置(図示せず)からイベントデータを受信してもよい。イベントデータ取得部145cは、取得したイベントデータをイベントデータ記憶部125cに記憶する。イベントデータは、個々のイベントを示すイベント情報と、イベントが行われる施設を示す施設情報とを含み、それらが対応付けられたデータである。施設データとイベントデータの例については、後述する。
イベントデータ取得部145cは、分析対象地域内に所在する施設を示す施設情報と、当該施設におけるイベントを示すイベントデータを情報処理装置10の外部から取得する。イベントデータ取得部145cには、例えば、イベントデータが直接入力されてもよい。イベントデータ取得部145cは、ネットワーク61に接続されたイベントデータ管理装置(図示せず)からイベントデータを受信してもよい。イベントデータ取得部145cは、取得したイベントデータをイベントデータ記憶部125cに記憶する。イベントデータは、個々のイベントを示すイベント情報と、イベントが行われる施設を示す施設情報とを含み、それらが対応付けられたデータである。施設データとイベントデータの例については、後述する。
出力データ生成部134cは、出力データ生成部134と同様に差分分布データを生成し、生成した差分分布データに基づいて特徴領域を検出する。出力データ生成部134cは、施設データ記憶部124cから読み取った施設データを参照し、検出した各特徴領域から所定範囲内に所在する施設を特定する。
出力データ生成部134cは、出力データ生成部134と同様に、出力データ要求信号が指示する出力領域内の地図を示す出力地図データを抽出する。出力データ生成部134cは、当該出力領域内において検出された特徴領域について特定した施設を示す施設情報に対応するイベント情報をイベントデータ記憶部125cに記憶されたイベントデータから抽出する。出力データ生成部134cは、出力領域に含まれる各単位領域の差分値を示す部分差分分布データと、検出された特徴領域を示す特徴領域データ、出力地図データを含み、さらに特徴領域毎に特定した施設を示す施設情報、施設情報に対応するイベント情報を対応付けて出力データを生成する。即ち、出力データ生成部134cが生成する出力データには、上述した出力データ生成部134が生成する出力データに対し、さらに特徴領域毎に特定した施設を示す施設情報、施設情報に対応するイベント情報が対応付けられる。
なお、出力データ生成部134cは、図11に示す表示データに対し、さらに、特徴領域を示す記号との対応関係を示す図形とイベント情報と施設情報の一方又は両方を重ね合わせた表示データを出力データとして生成してもよい(図22)。
出力データ生成部134cは、出力データ生成部134と同様に、出力データ要求信号が指示する出力領域内の地図を示す出力地図データを抽出する。出力データ生成部134cは、当該出力領域内において検出された特徴領域について特定した施設を示す施設情報に対応するイベント情報をイベントデータ記憶部125cに記憶されたイベントデータから抽出する。出力データ生成部134cは、出力領域に含まれる各単位領域の差分値を示す部分差分分布データと、検出された特徴領域を示す特徴領域データ、出力地図データを含み、さらに特徴領域毎に特定した施設を示す施設情報、施設情報に対応するイベント情報を対応付けて出力データを生成する。即ち、出力データ生成部134cが生成する出力データには、上述した出力データ生成部134が生成する出力データに対し、さらに特徴領域毎に特定した施設を示す施設情報、施設情報に対応するイベント情報が対応付けられる。
なお、出力データ生成部134cは、図11に示す表示データに対し、さらに、特徴領域を示す記号との対応関係を示す図形とイベント情報と施設情報の一方又は両方を重ね合わせた表示データを出力データとして生成してもよい(図22)。
(施設データの例)
次に、施設データの例について説明する。図20は、施設データの一例を示す図である。施設データは、施設情報として施設識別情報(施設ID:Identifier)、施設名情報(施設名)及び位置情報(緯度、経度)を含み、これらが対応付けられたデータである。第2行に示す例では、施設識別情報「0001」に、施設名情報「明日ホール」、位置情報として緯度「35.385」度、経度「139.363」度が対応付けられている。
次に、施設データの例について説明する。図20は、施設データの一例を示す図である。施設データは、施設情報として施設識別情報(施設ID:Identifier)、施設名情報(施設名)及び位置情報(緯度、経度)を含み、これらが対応付けられたデータである。第2行に示す例では、施設識別情報「0001」に、施設名情報「明日ホール」、位置情報として緯度「35.385」度、経度「139.363」度が対応付けられている。
(イベントデータの例)
次に、イベントデータの例について説明する。図21は、イベントデータの一例を示す図である。イベントデータは、イベント情報としてイベント識別情報(イベントID)、イベント名情報(イベント名)、期間情報(開始日時、終了日時)と、施設情報として施設識別情報(施設ID)と施設名情報(施設名)とを含み、これらが対応付けられたデータである。第2行に示す例では、イベント識別情報「1001」に、イベント名情報「記念コンサート」、期間情報として開始日時「2015/01/12 16:00」、終了日時「2015/01/12 18:30」、施設識別情報「0001」、施設名情報「明日ホール」が対応付けられている。
次に、イベントデータの例について説明する。図21は、イベントデータの一例を示す図である。イベントデータは、イベント情報としてイベント識別情報(イベントID)、イベント名情報(イベント名)、期間情報(開始日時、終了日時)と、施設情報として施設識別情報(施設ID)と施設名情報(施設名)とを含み、これらが対応付けられたデータである。第2行に示す例では、イベント識別情報「1001」に、イベント名情報「記念コンサート」、期間情報として開始日時「2015/01/12 16:00」、終了日時「2015/01/12 18:30」、施設識別情報「0001」、施設名情報「明日ホール」が対応付けられている。
(出力データの例)
次に、出力データの例について説明する。図22は、出力データが示す表示情報の例を示す図である。図22に示す出力データは、図11に示す表示情報に対して、さらに記号LM21、LM22、テキストEV21、EV22が付加されている。記号LM21、LM22は、それぞれ記号M1、M2で表される特徴領域からそれぞれ所定範囲内にある施設を示す記号である。テキストEV21は、施設名情報「イベント市場」、イベント名情報「新モデル即売会」及び期間情報「15:50−17:00」の各文字列とこれらを囲む四角形とからなる。テキストEV22は、施設名情報「明日ホール」、イベント名情報「記念コンサート」及び期間情報「16:00−18:30」の各文字列とこれらを囲む四角形とからなる。テキストEV21、EV22は、それぞれのイベントが行われる施設「イベント市場」、「明日ホール」の位置を示す記号LM21、LM22との間を線分で結ばれている。これらの線分により、テキストEV21、EV22がそれぞれ示すイベントが行われる施設の場所が指示される。
次に、出力データの例について説明する。図22は、出力データが示す表示情報の例を示す図である。図22に示す出力データは、図11に示す表示情報に対して、さらに記号LM21、LM22、テキストEV21、EV22が付加されている。記号LM21、LM22は、それぞれ記号M1、M2で表される特徴領域からそれぞれ所定範囲内にある施設を示す記号である。テキストEV21は、施設名情報「イベント市場」、イベント名情報「新モデル即売会」及び期間情報「15:50−17:00」の各文字列とこれらを囲む四角形とからなる。テキストEV22は、施設名情報「明日ホール」、イベント名情報「記念コンサート」及び期間情報「16:00−18:30」の各文字列とこれらを囲む四角形とからなる。テキストEV21、EV22は、それぞれのイベントが行われる施設「イベント市場」、「明日ホール」の位置を示す記号LM21、LM22との間を線分で結ばれている。これらの線分により、テキストEV21、EV22がそれぞれ示すイベントが行われる施設の場所が指示される。
なお、本実施形態に係る表示制御部262は、情報処理装置10から部分差分分布データと、出力領域内において検出された特徴領域を示す特徴領域データと、出力地図データに、さらに特徴領域毎に特定した施設を示す施設情報、施設情報に対応するイベント情報が対応付けられている出力データを受信する場合がある。その場合には、表示制御部262は、部分差分分布データが示す差分分布に、出力地図データが示す地図と、特徴領域データが示す特徴領域の地図上の位置に所定の記号と、さらに当該記号との対応関係を示す図形とイベント情報と施設情報の一方又は両方を重ね合わせた表示データを生成してもよい。表示制御部262は、生成した表示データを表示部21に出力することにより、図22に例示される表示情報を表示させてもよい。
上述したように、本実施形態に係る情報処理装置10は、各施設の位置を示す施設情報を含む施設データを記憶する施設データ記憶部124cを備える。また、出力データ生成部134cは、判定した特徴領域から所定の範囲内に所在する施設に係る施設情報を特定する。
この構成により、特定した施設情報と判定した特徴領域とを出力データに対応づけることで、出力データに接したユーザに対して人数分布の差分値が著しい特徴領域に近接した施設を認識させることができる。そのため、ユーザは当該施設におけるイベントの発生に容易に気付くことができる。
また、情報処理装置10は、施設情報とイベント情報とを対応付けたイベントデータを記憶するイベントデータ記憶部125cを備え、出力データ生成部134cは、特定した施設情報に対応するイベント情報を特定する。
この構成により、さらに特定したイベント情報を出力データに対応付けることで、出力データに接したユーザに対して特徴領域に近接した施設において行われるイベントに係るイベント情報が提示される。そのため、ユーザは当該イベントの情報に係るイベントの発生にさらに容易に気付くことができる。
この構成により、特定した施設情報と判定した特徴領域とを出力データに対応づけることで、出力データに接したユーザに対して人数分布の差分値が著しい特徴領域に近接した施設を認識させることができる。そのため、ユーザは当該施設におけるイベントの発生に容易に気付くことができる。
また、情報処理装置10は、施設情報とイベント情報とを対応付けたイベントデータを記憶するイベントデータ記憶部125cを備え、出力データ生成部134cは、特定した施設情報に対応するイベント情報を特定する。
この構成により、さらに特定したイベント情報を出力データに対応付けることで、出力データに接したユーザに対して特徴領域に近接した施設において行われるイベントに係るイベント情報が提示される。そのため、ユーザは当該イベントの情報に係るイベントの発生にさらに容易に気付くことができる。
なお、本発明は上述した各実施形態に限定されるものではなく、特許請求の範囲に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的構成を適宜組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。
また、本発明の各構成要素は、任意に取捨選択することができ、取捨選択した構成を具備する発明も本発明に含まれるものである。
また、本発明の各構成要素は、任意に取捨選択することができ、取捨選択した構成を具備する発明も本発明に含まれるものである。
例えば、人数計測部133、133bは、人数計測部133aと同様に、各単位領域における人数の実測値の平滑化を行ってもよい。また、モデル更新部131は、人数推定部132bと同様に、各単位領域における所在状態毎に分布推定モデルを更新してもよい。人数計測部133は、人数計測部133bと同様に各単位領域における所在状態毎の人数を計測してもよい。また、人数推定部132は、人数推定部132bと同様に各単位領域における所在状態毎の人数を推定してもよい。
また、上述では、平滑化において主に2次元ガウシアンフィルタを用いるフィルタリング処理を例にしたが、これには限られない。平滑化において人数計測部133、133a、133bが用いるフィルタは、空間周波数が高い高域成分よりも空間周波数が低い低域成分をより多く通過させる低域通過フィルタであればよい。
また、上述では、平滑化において主に2次元ガウシアンフィルタを用いるフィルタリング処理を例にしたが、これには限られない。平滑化において人数計測部133、133a、133bが用いるフィルタは、空間周波数が高い高域成分よりも空間周波数が低い低域成分をより多く通過させる低域通過フィルタであればよい。
また、上述では、モデル更新部131、131b、人数推定部132、132bが分布推定モデルとして一次モデル、ニューラルネットワークを用いる場合を例にしたが、これには限られない。分布推定モデルとして、その他のモデル、例えば、二次モデル、隠れマルコフモデル、等を用いてもよい。
また、上述では、モデル更新部131、131b、人数推定部132、132bが、環境情報として主に天気情報、曜日情報、時間帯、曜日を用いる場合を例にしたが、これには限られない。モデル更新部131、131b、人数推定部132、132bは、環境情報として、これらに代えて、又はこれらとともに各単位領域における人数の変動要因となりうる情報を用いてもよい。そのような情報には、例えば、単位領域内におけるイベントの予定、種別、規模、等を示すイベント予定情報、気温情報がある。また、気温情報については、季節によって異なるモデル変数からなる分布推定モデルが用いられてもよい。
また、モデル更新部131、131bが、分布推定モデルの更新において最小二乗法による重回帰分析を行う場合について言及したが、これには限られない。各単位領域における人数の差分値の大きさを減少する手法であれば、いかなる手法でも利用することができる。モデル更新部131、131bは、例えば、最尤推定法を利用することができる。
また、上述では、モデル更新部131、131b、人数推定部132、132bが、環境情報として主に天気情報、曜日情報、時間帯、曜日を用いる場合を例にしたが、これには限られない。モデル更新部131、131b、人数推定部132、132bは、環境情報として、これらに代えて、又はこれらとともに各単位領域における人数の変動要因となりうる情報を用いてもよい。そのような情報には、例えば、単位領域内におけるイベントの予定、種別、規模、等を示すイベント予定情報、気温情報がある。また、気温情報については、季節によって異なるモデル変数からなる分布推定モデルが用いられてもよい。
また、モデル更新部131、131bが、分布推定モデルの更新において最小二乗法による重回帰分析を行う場合について言及したが、これには限られない。各単位領域における人数の差分値の大きさを減少する手法であれば、いかなる手法でも利用することができる。モデル更新部131、131bは、例えば、最尤推定法を利用することができる。
また、上述した情報処理装置10は、気象データ管理装置30と地図データ管理装置40の一方又は他方と一体化した単一の情報処理装置10として構成されてもよい。
なお、上述した情報処理装置10の各種機能の一部は、端末装置20が有してもよい。端末装置20は、例えば、地図データを取得してもよい。表示制御部262は、取得した地図データを、表示データを生成する際に用いてもよい。その場合には、情報処理装置10において、地図データ取得部144が省略されてもよい。
また、上述した表示部21と入力部22のいずれか又は両方は、端末装置20のその他の部分と別体であってもよい。
なお、上述した情報処理装置10の各種機能の一部は、端末装置20が有してもよい。端末装置20は、例えば、地図データを取得してもよい。表示制御部262は、取得した地図データを、表示データを生成する際に用いてもよい。その場合には、情報処理装置10において、地図データ取得部144が省略されてもよい。
また、上述した表示部21と入力部22のいずれか又は両方は、端末装置20のその他の部分と別体であってもよい。
なお、上述した各実施形態における情報処理装置10及び端末装置20の一部、例えば、制御部13、制御部26等、をコンピュータで実現するようにしてもよい。その場合、この機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することによって実現してもよい。なお、ここでいう「コンピュータシステム」とは、情報処理装置10又は端末装置20に内蔵されたコンピュータシステムであって、OS(Operating System)や周辺機器などのハードウェアを含むものとする。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ROM、CD−ROMなどの可搬媒体、コンピュータシステムに内蔵されるハードディスクなどの記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネットなどのネットワークや電話回線などの通信回線を介してプログラムを送信する場合の通信線のように、短時間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含んでもよい。また上記プログラムは、前述した機能の一部を実現するためのものであってもよく、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであってもよい。
また、上述した実施形態における情報処理装置10、端末装置20の一部、又は全部を、LSI(Large Scale Integration)などの集積回路として実現してもよい。情報処理装置10、端末装置20の各機能部は個別にプロセッサ化してもよいし、一部、又は全部を集積してプロセッサ化してもよい。また、集積回路化の手法はLSIに限らず専用回路、又は汎用プロセッサで実現してもよい。また、半導体技術の進歩によりLSIに代替する集積回路化の技術が出現した場合、当該技術による集積回路を用いてもよい。
また、本発明は以下の実施形態でも実施することができる。
(1)各領域における人数を計測して当該人数の実測値を取得する計測部と、前記各領域における環境情報を示す環境データを取得するデータ取得部と、前記各領域における環境情報から所定のモデルを用いて当該領域における人数の推定値を算出する推定部と、前記各領域における実測値と推定値との差分値に基づく出力データを生成するデータ生成部と、を備える情報処理装置。
(1)各領域における人数を計測して当該人数の実測値を取得する計測部と、前記各領域における環境情報を示す環境データを取得するデータ取得部と、前記各領域における環境情報から所定のモデルを用いて当該領域における人数の推定値を算出する推定部と、前記各領域における実測値と推定値との差分値に基づく出力データを生成するデータ生成部と、を備える情報処理装置。
(2)前記計測部は、前記各領域における所在状態毎の人数を計測し、前記推定部は、前記各領域における所在状態毎の所定のモデルを用いて当該領域における所在状態毎の人数の推定値を算出し、前記計測部が計測した人数と前記推定部が算出した推定値に基づいて所在状態毎に前記モデルを更新する更新部を備える(1)の情報処理装置。
(3)前記データ生成部は、前記出力データとして、前記差分値と前記各領域における地図を表す地図データとを対応付けたデータを生成する(1)又は(2)の情報処理装置。
(4)前記データ生成部は、前記差分値の絶対値が所定の閾値よりも大きい極値となる特徴領域を判定する(1)から(3)のいずれかの情報処理装置。
(5)各施設の位置を示す施設情報を記憶する記憶部を備え、前記データ生成部は、前記特徴領域から所定の範囲内に所在する施設に係る施設情報を前記出力データに対応づける(4)の情報処理装置。
(6)前記計測部は、前記各領域における人数の実測値を空間的に平滑化する(1)から(5)のいずれかの情報処理装置。
(7)端末装置と情報処理装置とを備える情報処理システムであって、前記情報処理装置は、前記端末装置から受信した位置情報に基づいて、各領域における人数を計測して当該人数の実測値を取得する計測部と、前記各領域における環境情報を示す環境データを取得するデータ取得部と、前記各領域における環境情報から所定のモデルを用いて当該領域における人数の推定値を算出する推定部と、前記各領域における実測値と推定値との差分値に基づく出力データを生成するデータ生成部と、を備える情報処理システム。
(8)自装置の位置を示す位置情報を取得する位置情報取得部と、前記位置情報を情報処理装置に送信する送信部と、前記情報処理装置から受信した各領域における人数の実測値と推定値との差分値に基づく出力データと当該領域における地図を示す地図データを対応付けて出力する出力部と、を備える端末装置。
(9)情報処理装置における情報処理方法であって、各領域における人数を計測して当該人数の実測値を取得する計測過程と、前記各領域における環境情報を示す環境データを取得するデータ取得過程と、前記各領域における環境情報から所定のモデルを用いて当該領域における人数の推定値を算出する推定過程と、前記各領域における実測値と推定値との差分値に基づく出力データを生成するデータ生成過程と、を有する情報処理方法。
(10)情報処理装置のコンピュータに、各領域における人数を計測して当該人数の実測値を取得する計測手順、前記各領域における環境情報を示す環境データを取得するデータ取得手順、前記各領域における環境情報から所定のモデルを用いて当該領域における人数の推定値を算出する推定手順、前記各領域における実測値と推定値との差分値に基づく出力データを生成するデータ生成手順、を実行させるためのプログラム。
以上、図面を参照してこの発明の実施形態について詳しく説明してきたが、具体的な構成は上述のものに限られることはなく、この発明の要旨を逸脱しない範囲内において様々な設計変更などをすることが可能である。
1…情報処理システム、10…情報処理装置、11…通信部、111…受信部、112…送信部、12…記憶部、121…パラメータ変換データ記憶部、122、122b…モデル記憶部、123…地図データ記憶部、124c…施設データ記憶部、125c…イベントデータ記憶部、13…制御部、131、131b…モデル更新部、132、132b…人数推定部、133、133a、133b…人数計測部、134、134b、134c…出力データ生成部、14…データ取得部、141…位置データ取得部、142…気象データ取得部、143…操作データ取得部、144…地図データ取得部、145c…イベントデータ取得部、20…端末装置、21…表示部、22…入力部、23…位置情報取得部、24…通信部、241…受信部、242…送信部、25…記憶部、26…制御部、261…操作処理部、262…表示制御部、30…気象データ管理装置、31…気象データ記憶部、40…地図データ管理装置、41…地図データ記憶部
Claims (10)
- 各領域における人数を計測して当該人数の実測値を取得する計測部と、
前記各領域における環境情報を示す環境データを取得するデータ取得部と、
前記各領域における環境情報から所定のモデルを用いて当該領域における人数の推定値を算出する推定部と、
前記各領域における実測値と推定値との差分値に基づく出力データを生成するデータ生成部と、
を備える情報処理装置。 - 前記計測部は、前記各領域における所在状態毎の人数を計測し、
前記推定部は、前記各領域における所在状態毎の所定のモデルを用いて当該領域における所在状態毎の人数の推定値を算出し、
前記計測部が計測した人数と前記推定部が算出した推定値に基づいて所在状態毎に前記モデルを更新する更新部を、備える請求項1に記載の情報処理装置。 - 前記データ生成部は、前記出力データとして、前記差分値と前記各領域における地図を表す地図データとを対応付けたデータを生成する請求項1又は請求項2に記載の情報処理装置。
- 前記データ生成部は、前記差分値の絶対値が所定の閾値よりも大きい極値となる特徴領域を判定する請求項1から請求項3のいずれか一項に記載の情報処理装置。
- 各施設の位置を示す施設情報を記憶する記憶部を備え、
前記データ生成部は、前記特徴領域から所定の範囲内に所在する施設に係る施設情報を特定する請求項4に記載の情報処理装置。 - 前記計測部は、前記各領域における人数の実測値を空間的に平滑化する請求項1から請求項5のいずれか一項に記載の情報処理装置。
- 端末装置と情報処理装置とを備える情報処理システムであって、
前記情報処理装置は、
前記端末装置から受信した位置情報に基づいて、各領域における人数を計測して当該人数の実測値を取得する計測部と、
前記各領域における環境情報を示す環境データを取得するデータ取得部と、
前記各領域における環境情報から所定のモデルを用いて当該領域における人数の推定値を算出する推定部と、
前記各領域における実測値と推定値との差分値に基づく出力データを生成するデータ生成部と、
を備える情報処理システム。 - 自装置の位置を示す位置情報を取得する位置情報取得部と、
前記位置情報を情報処理装置に送信する送信部と、
前記情報処理装置から受信した各領域における人数の実測値と推定値との差分値に基づく出力データと当該領域における地図を示す地図データを対応付けて出力する出力部と、
を備える端末装置。 - 情報処理装置における情報処理方法であって、
各領域における人数を計測して当該人数の実測値を取得する計測過程と、
前記各領域における環境情報を示す環境データを取得するデータ取得過程と、
前記各領域における環境情報から所定のモデルを用いて当該領域における人数の推定値を算出する推定過程と、
前記各領域における実測値と推定値との差分値に基づく出力データを生成するデータ生成過程と、
を有する情報処理方法。 - 情報処理装置のコンピュータに、
各領域における人数を計測して当該人数の実測値を取得する計測手順、
前記各領域における環境情報を示す環境データを取得するデータ取得手順、
前記各領域における環境情報から所定のモデルを用いて当該領域における人数の推定値を算出する推定手順、
前記各領域における実測値と推定値との差分値に基づく出力データを生成するデータ生成手順、
を実行させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014262722A JP2016122373A (ja) | 2014-12-25 | 2014-12-25 | 情報処理装置、情報処理システム、端末装置、情報処理方法、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014262722A JP2016122373A (ja) | 2014-12-25 | 2014-12-25 | 情報処理装置、情報処理システム、端末装置、情報処理方法、及びプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2016122373A true JP2016122373A (ja) | 2016-07-07 |
Family
ID=56326660
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014262722A Pending JP2016122373A (ja) | 2014-12-25 | 2014-12-25 | 情報処理装置、情報処理システム、端末装置、情報処理方法、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2016122373A (ja) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018026028A (ja) * | 2016-08-12 | 2018-02-15 | 三菱電機ビルテクノサービス株式会社 | 所在人数予測装置、設備管理システム、所在人数予測方法及びプログラム |
CN109791638A (zh) * | 2016-09-30 | 2019-05-21 | 三菱电机大楼技术服务株式会社 | 所在人数预测装置、设备管理系统以及程序 |
WO2021065927A1 (ja) * | 2019-10-02 | 2021-04-08 | 株式会社Nttドコモ | データ補正装置 |
JP2021513171A (ja) * | 2018-03-02 | 2021-05-20 | シグニファイ ホールディング ビー ヴィSignify Holding B.V. | 占有感知のために複数のモダリティを使用するシステム及び方法 |
JP6902152B1 (ja) * | 2020-11-27 | 2021-07-14 | Kddi株式会社 | 情報処理装置及び情報処理方法 |
JP2023000609A (ja) * | 2021-06-18 | 2023-01-04 | ヤフー株式会社 | 情報処理装置、情報処理方法および情報処理プログラム |
JP7342195B1 (ja) | 2022-05-19 | 2023-09-11 | ヤフー株式会社 | 情報処理装置、情報処理方法及び情報処理プログラム |
-
2014
- 2014-12-25 JP JP2014262722A patent/JP2016122373A/ja active Pending
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018026028A (ja) * | 2016-08-12 | 2018-02-15 | 三菱電機ビルテクノサービス株式会社 | 所在人数予測装置、設備管理システム、所在人数予測方法及びプログラム |
CN109791638B (zh) * | 2016-09-30 | 2023-09-15 | 三菱电机楼宇解决方案株式会社 | 所在人数预测装置、设备管理系统以及记录介质 |
CN109791638A (zh) * | 2016-09-30 | 2019-05-21 | 三菱电机大楼技术服务株式会社 | 所在人数预测装置、设备管理系统以及程序 |
JP2021513171A (ja) * | 2018-03-02 | 2021-05-20 | シグニファイ ホールディング ビー ヴィSignify Holding B.V. | 占有感知のために複数のモダリティを使用するシステム及び方法 |
US11860268B2 (en) | 2018-03-02 | 2024-01-02 | Signify Holding B.V. | Systems and methods using multiple modalities for occupancy sensing |
WO2021065927A1 (ja) * | 2019-10-02 | 2021-04-08 | 株式会社Nttドコモ | データ補正装置 |
JPWO2021065927A1 (ja) * | 2019-10-02 | 2021-04-08 | ||
US20220322275A1 (en) * | 2019-10-02 | 2022-10-06 | Ntt Docomo, Inc. | Data correction device |
JP2022085485A (ja) * | 2020-11-27 | 2022-06-08 | Kddi株式会社 | 情報処理装置及び情報処理方法 |
JP6902152B1 (ja) * | 2020-11-27 | 2021-07-14 | Kddi株式会社 | 情報処理装置及び情報処理方法 |
JP7299946B2 (ja) | 2021-06-18 | 2023-06-28 | ヤフー株式会社 | 情報処理装置、情報処理方法および情報処理プログラム |
JP2023000609A (ja) * | 2021-06-18 | 2023-01-04 | ヤフー株式会社 | 情報処理装置、情報処理方法および情報処理プログラム |
JP7342195B1 (ja) | 2022-05-19 | 2023-09-11 | ヤフー株式会社 | 情報処理装置、情報処理方法及び情報処理プログラム |
JP2023170590A (ja) * | 2022-05-19 | 2023-12-01 | ヤフー株式会社 | 情報処理装置、情報処理方法及び情報処理プログラム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2016122373A (ja) | 情報処理装置、情報処理システム、端末装置、情報処理方法、及びプログラム | |
Yu et al. | Integration of nighttime light remote sensing images and taxi GPS tracking data for population surface enhancement | |
Pham et al. | Urban growth and change analysis using remote sensing and spatial metrics from 1975 to 2003 for Hanoi, Vietnam | |
García et al. | A comparative analysis of cellular automata models for simulation of small urban areas in Galicia, NW Spain | |
JP5129799B2 (ja) | 需要予測装置及び需要予測方法 | |
US8224768B1 (en) | Tropical cyclone prediction system and method | |
US7421344B1 (en) | System and method for presenting personalized weather information and the like | |
Keramitsoglou et al. | Heat wave hazard classification and risk assessment using artificial intelligence fuzzy logic | |
KR101573190B1 (ko) | 실시간 유동 인구 측정 시스템 및 방법 | |
WO2015182142A1 (ja) | 気象予報システム | |
US20130203377A1 (en) | Terminal quantity estimation device and terminal quantity estimation method | |
CN109633785A (zh) | 基于预期位置的天气预报 | |
CN110008414B (zh) | 地理信息点的确定方法和装置 | |
US8204846B1 (en) | Tropical cyclone prediction system and method | |
Engstrom et al. | Defining neighborhood boundaries for urban health research in developing countries: A case study of Accra, Ghana | |
JP2017208952A (ja) | 需給運用支援装置および需給運用支援方法 | |
US20170351833A1 (en) | Personal travel health vulnerability navigator | |
JP5963356B2 (ja) | ユーザ属性を考慮した電力消費関連支援装置、携帯端末、プログラム及び方法 | |
JP6396686B2 (ja) | 行動判定装置、行動判定方法及びプログラム | |
JP2012079005A (ja) | エリアマーケティングデータ提供システム | |
JP2016075981A (ja) | 情報処理装置、端末装置、情報処理方法、及びプログラム | |
Roy et al. | GWPCA-based spatial analysis of urban vitality: a comparative assessment of three high-altitude Himalayan towns in India | |
Wang et al. | Mapping snow cover variations using a MODIS daily cloud-free snow cover product in northeast China | |
Sharma et al. | Bayesian network for monthly rainfall forecast: a comparison of K2 and MCMC algorithm | |
JP6771529B2 (ja) | 情報処理装置及び情報処理方法 |