JP2018106640A - 特徴分析装置および特徴分析方法 - Google Patents

Abstract

【課題】エリアおよび人の特徴を分析する。【解決手段】プログラムを実行するプロセッサと、プロセッサに接続されるメモリと、を備える特徴分析装置であって、メモリは、複数の地点データおよび複数の人流データを保持し、各地点データは、各地点の位置情報と、各地点の特徴を示す情報と、を含み、各人流データは、各人物の時刻ごとの位置情報を含み、プロセッサは、複数の地点データに基づいて、各々が一つ以上の地点を含む複数の領域を生成し、各領域に含まれる一つ以上の地点の特徴に基づいて、各領域の特徴を特定し、複数の領域および人流データに基づいて、各人物が滞在した領域を識別し、各人物が滞在した領域の特徴を各人物の特徴として特定する。【選択図】図１

Description

本発明は、エリアおよび個人の特徴を分析する特徴分析装置および特徴分析方法に関する。

近年、スマートフォンが汎用的に利用され、ＢＬＥ（Ｂｌｕｅｔｏｏｔｈ Ｌｏｗ Ｅｎｅｒｇｙ（Ｂｌｕｅｔｏｏｔｈは登録商標））、ＰＤＲ（Ｐｅｄｅｓｔｒｉａｎ Ｄｅａｄ−Ｒｅｃｋｏｎｉｎｇ）、Ｗｉ−Ｆｉ、ＩＭＥＳ（Ｉｎｄｏｏｒ ＭＥｓｓａｇｉｎｇ Ｓｙｓｔｅｍ）などを用いることで屋内に人の位置や動きを簡単に把握できるになった。また、準天頂衛星（ＱＺＳＳ）などを用いることで、屋外でも人の位置や動きを取得することが可能になった。

また、電話帳やドローンなどを用いて人が興味の特定場所（Ｐｏｉｎｔ ｏｆ ｉｎｔｅｒｅｓｔ，ＰＯＩ）の情報（以降、ＰＯＩデータとする。）を収集することが可能である。

そこで、屋内外収集された人の位置や動きなどの情報（以降、人流データとする）およびＰＯＩデータをそれぞれ独立または、連携してマーケティング活動が増えてきた。

例えば、時間帯や曜日ごとに検索頻度が高いＰＯＩ業種別の統計情報を用いてユーザ側の携帯などの端末にユーザが興味の場所（ＰＯＩ）の情報を発信する技術（たとえば、下記特許文献１を参照）や、地域を分けて人流データおよびＰＯＩデータを用いて似た特徴がある地域を発見する技術（たとえば、下記特許文献２を参照）などがある。

特開２００６−３２３７９０号公報 米国特許出願公開第２０１５／０３６３７００号明細書

マーケティング活動では人流データだけではなく、人々の興味や嗜好などの特徴を加えれば、より効果的である。例えば、顧客向けに商品レコメンドをしようとする場合、ただ人気商品を全ての顧客にレコメンドするよりも、それぞれの人に興味がある商品をレコメンドする方が売り上げ向上につながる。また、商社側が出店計画や販売戦略を提案する場合、地域に高頻度で滞在する人の特徴に合わせた店や販売戦略を提案すればより商品販売に効果的である。人流データからは人の現在の位置および過去どんな動きをしたかが分かるが、その人の特徴が分からない。上述した特許文献１，２の従来技術でも人の特徴を分析していない。

本発明は、エリアの特徴を最初に分析し、エリア特徴から人の特徴を分析し、また人の特徴からエリアの特徴を分析するという処理を繰り替えしてエリアおよび人の特徴を分析することを目的とする。

本願において開示される発明の一側面となる特徴分析装置および特徴分析方法では、メモリは、複数の地点データおよび複数の人流データを保持し、各地点データは、各地点の位置情報と、各地点の特徴を示す情報と、を含み、各人流データは、各人物の時刻ごとの位置情報を含み、プロセッサは、複数の地点データに基づいて、各々が一つ以上の前記地点を含む複数の領域を生成する領域生成処理と、各領域に含まれる一つ以上の地点の特徴に基づいて、各領域の特徴を特定する領域特徴分析処理と、複数の領域および人流データに基づいて、各人物が滞在した領域を識別する滞在領域識別処理と、各人物が滞在した領域の特徴を各人物の特徴として特定する個人特徴分析処理と、を実行することを特徴とする。

本発明の代表的な実施の形態によれば、エリアの特徴に基づいて人の特徴を分析することができる。前述した以外の課題、構成及び効果は、以下の実施例の説明により明らかにされる。

本発明の実施例の特徴分析装置の構成例を示すブロック図である。 本発明の実施例のデータメモリに含まれるＰＯＩデータのデータ構造例を示す説明図である。 本発明の実施例のデータメモリに含まれる人流データのデータ構造例を示す説明図である。 本発明の実施例のデータメモリに含まれるエリアデータのデータ構造例を示す説明図である。 本発明の実施例のデータメモリに含まれる個人滞在エリアデータのデータ構造例を示す説明図である。 本発明の実施例のデータメモリに含まれる個人特徴データのデータ構造例を示す説明図である。 本発明の実施例の特徴分析装置によるエリアおよび個人の特徴分析処理例を示すフローチャートである。 本発明の実施例の特徴分析装置のＰＯＩデータ補完処理部によるＰＯＩデータ補完処理の詳細な処理手順を示すフローチャートである。 本発明の実施例の特徴分析装置が扱う二つのＰＯＩデータの関係のうち、実世界に存在する関係および存在しない関係の例を示す説明図である。 本発明の実施例の特徴分析装置の人流データ補完処理部による人流データ補完処理の詳細な処理手順を示すフローチャートである。 本発明の実施例の特徴分析装置のエリア作成処理部によるエリア作成処理の詳細な処理手順を示すフローチャートである。 本発明の実施例における二つの大業種名におけるＰＯＩデータを基づいたエリアデータの作成例を示す説明図である。 本発明の実施例における二つの大業種名におけるＰＯＩデータを基づいたエリアデータの作成例を示す説明図である。 本発明の実施例において異なる大業種名によって生成されたエリアデータの関係例を示す説明図である。 本発明の実施例の特徴分析装置のエリア特徴分析処理部によるエリア特徴分析処理の詳細な処理手順を示すフローチャートである。 本発明の実施例の特徴分析装置のエリア特徴分析処理部によるエリア特徴分析処理の詳細な処理手順を示すフローチャートである。 本発明の実施例の特徴分析装置のエリア特徴分析処理部によるエリア特徴データ生成処理の詳細な処理手順を示すフローチャートである。 本発明の実施例の特徴分析装置の滞在エリア識別処理部による滞在エリア識別処理の詳細な処理手順を示すフローチャートである。 本発明の実施例の滞在エリア識別処理において、個人がエリアに滞在したか通過したかを判断し、滞在したときの時系列データを識別する処理の例を示す説明図である。 本発明の実施例の特徴分析装置による個人滞在エリアデータ生成処理の詳細な処理手順を示すフローチャートである。 本発明の実施例の特徴分析装置の個人特徴分析処理部による個人特徴分析処理の詳細な処理手順を示すフローチャートである。

以下、添付図面を参照しながら、本発明の特徴分析装置を実施するための最良の実施形態を詳細に説明する。図１〜図２１は、本発明の実施例を示す説明図である。これらの図において、同一の符号を付した部分は同一物を表し、基本的な構成および動作は同様であるものとする。尚、本発明の実施形態において、使用される機器、手法等は一例であり、本発明はこれらに限定されるものではないことは勿論である。

更に、本発明の実施形態は、後述されるように、汎用コンピュータ上で稼動するソフトウェアで実装しても良いし専用ハードウェア又はソフトウェアとハードウェアの組み合わせで実装しても良い。

なお、以後の説明では「テーブル」形式によって本発明の各情報について説明するが、これら情報は必ずしもテーブルによるデータ構造で表現されていなくても良く、リスト、データベース（ＤＢ）、キュー等のデータ構造やそれ以外で表現されていても良い。そのため、データ構造に依存しないことを示すために「テーブル」、「リスト」、「ＤＢ」、「キュー」等について単に「情報」と呼ぶことがある。

また、各情報の内容を説明する際に、「識別情報」、「識別子」、「名」、「名前」、「ＩＤ」という表現を用いることが可能であり、これらについてはお互いに置換が可能である。

以下では「プログラム」を主語（動作主体）として本発明の実施形態における各処理について説明を行うが、プログラムはプロセッサによって実行されることで定められた処理をメモリおよび通信ポート（通信制御装置）を用いながら行うため、プロセッサを主語とした説明としてもよい。また、プログラムを主語として開示された処理は管理サーバ等の計算機、情報処理装置が行う処理としてもよい。プログラムの一部またはすべては専用ハードウェアで実現してもよく、また、モジュール化されていても良い。各種プログラムはプログラム配布サーバや記憶メディアによって各計算機にインストールされてもよい。

＜特徴分析装置の構成例＞
図１は、本発明の実施例の特徴分析装置の構成例を示すブロック図である。

特徴分析装置は、ＰＯＩデータＤＢ１００と、人流データＤＢ１０１と、エリアデータＤＢ１０２と、個人滞在エリアデータＤＢ１０３と、個人特徴データＤＢ１０４と、中央処理装置１０５と、入力装置１０６と、表示装置１０７と、プログラムメモリ１０８と、中央処理装置１０５の処理に必要なデータを格納するデータメモリ１０９と、を有する。

中央処理装置１０５は、たとえば、汎用のプロセッサである。中央処理装置１０５は、本実施例のプログラムを読み込むことによって、特徴分析処理部１１０及び表示処理部１１１として機能する。すなわち、特徴分析処理部１１０および表示処理部１１１は、具体的には、たとえば、プログラムメモリ１０８に格納されたプログラムを中央処理装置１０５が実行することによって、その機能を実現する。

また、特徴分析処理部１１０は、ＰＯＩデータ補完処理部１１２と、人流データ補完処理部１１３と、エリア作成処理部１１４と、エリア特徴分析処理部１１５と、滞在エリア識別処理部１１６と、個人特徴分析処理部１１７と、を有する。また、表示処理部１１１は、エリア特徴表示処理部１１８と、滞在エリア表示処理部１１９と、個人特徴表示処理部１２０と、を有する。

データメモリ１０９は、ＰＯＩデータＤＢ１００から読み込まれたＰＯＩデータ１２１と、人流データＤＢ１０１から読み込まれた人流データ１２２と、特徴分析処理部１１０によって生成されたエリアデータ１２３と、個人滞在エリアデータと１２４と、個人特徴データ１２５と、を格納する。

＜データ構造例＞
（ＰＯＩデータ１２１）
図２は、本発明の実施例のデータメモリ１０９に含まれるＰＯＩデータ１２１のデータ構造例を示す説明図である。

ＰＯＩデータ１２１は、ＰＯＩデータＤＢ１００に記憶されており、中央処理装置１０５によって読み出されてデータメモリ１０９に格納される。各ＰＯＩデータ１２１は、例えば店舗のような興味の地点（Ｐｏｉｎｔ ｏｆ ｉｎｔｅｒｅｓｔ）の位置及び特徴に関する情報を含む。具体的には、ＰＯＩデータ１２１は、ＰＯＩ管理番号２００と、掲載名称２０１と、電話番号２０２と、住所２０３と、経度２０４と、緯度２０５と、大業種番号２０６と、大業種名２０７と、中業種番号２０８と、中業種名２０９と、登録年月２１０と、土地利用分類２１１と、営業時間２１２と、定休日２１３と、親ＰＯＩ管理番号２１４と、補完状態２１５と、を含み、例えば配列の形式で保存される。

ＰＯＩ管理番号２００には、ＰＯＩデータ１２１に対して一意に振られた値が保持される。掲載名称２０１には、値として、該当ＰＯＩデータに対して登録された名前が保持される。電話番号２０２には、値として、該当ＰＯＩデータに対して登録された電話番号が保持される。住所２０３には、値として、該当ＰＯＩデータに対して登録された住所情報が保持される。経度２０４および緯度２０５には、値として、該当ＰＯＩデータにおいて登録された住所の座標値が保持される。

大業種番号２０６には、値として、業種データに対して一意に振られた値が保持される。大業種名２０７には、値として、該当業種データの名称が保持される。中業種番号２０８には、値として、業種データに対して一意に振られた値が保持される。中業種名２０９には、値として、該当業種データの名称が保持される。なお、大業種とは、それぞれのＰＯＩの業種の分類であり、例えば「買い物」または「飲食店」のような比較的大まかな分類を示す。一方、中業種とは、ＰＯＩの業種の分類であるが、例えば「買い物−化粧品」のような、大業種よりは細かい分類を示す。本実施例では省略されているが、ＰＯＩデータはさらに細かい業種の分類を示す情報を含んでもよい。また、以下の説明では主に大業種を用いてエリアの特徴等が分析されるが、中業種又はさらに細かい分類を用いてもよい。

登録年月２１０には、値として、該当ＰＯＩデータを登録または更新する時の年月が保持される。土地利用分類２１１には、値として、該当ＰＯＩデータの住所２０３又は経度２０４および緯度２０５が示す位置が商用用地であるかを示す識別情報が保持される。なお、デフォルトの場合、土地利用分類２１１には「ＮＵＬＬ」が保持される。営業時間２１２には、値として、土地利用分類２１１が「商用用地」である該当ＰＯＩデータの営業時間が保持される。なお、デフォルトの場合、営業時間２１２には「ＮＵＬＬ」が保持される。定休日２１３には、値として、該当ＰＯＩデータにおいて定期的に休業する日付が保持される。なお、デフォルトの場合、定休日２１３には「なし」が保持される。親ＰＯＩ管理番号２１４には、値として、該当ＰＯＩデータが属する上層のＰＯＩデータのＰＯＩ管理番号２００が保持される。なお、デフォルトの場合、親ＰＯＩ管理番号２１４には「ＮＵＬＬ」が保持される。補完状態２１５には、値として、該当ＰＯＩデータの土地利用分類２１１と、営業時間２１２と、定休日２１３と、親ＰＯＩ管理番号２１４と、における補完処理が完了したかを示す状態が保持される。なお、デフォルトの場合、補完状態２１５には「Ｆａｌｓｅ」が保持される。

（人流データ１２２）
図３は、本発明の実施例のデータメモリ１０９に含まれる人流データ１２２のデータ構造例を示す説明図である。

人流データ１２２は、人流データＤＢ１０１に記憶されており、中央処理装置１０５によって読み出されてデータメモリ１０９に格納される。図３（Ａ）に示すように、人流データ１２２は、個人識別番号３００と、国３０１と、時系列データ３０２と、を含み、例えば配列の形式で保存される。

個人識別番号３００には、人流データ１２２に対して一意に振られた値が保持される。国３０１には、値として、人が属する国（例えば国籍又は居住国等）を示す国情報が保持される。時系列データ３０２には、時刻ごとの人の位置及び速度などの情報が保持される。

（時系列データ３０２）
図３（Ｂ）に示すように、時系列データ３０２は、時系列番号３０３と、受信時刻３０４と、経度３０５と、緯度３０６と、速度３０７と、速度補完状態３０８と、を含み、例えば配列の形式で保存される。時系列番号３０３には、値として、時系列データ３０２に対して一意に振られた値が保持される。図３（Ａ）の例では、一つの人流データ１２２が時系列番号３０３の値ｔ１、ｔ２等で識別される複数の時系列データ３０２を含み、図３（Ｂ）にはそれらのうちｔ１で識別される時系列データ３０２を例示する。

受信時刻３０４には、値として、該当時系列データが受信された時刻が保持される。経度３０５および緯度３０６には、値として、該当時系列データが発信されたときの人の座標情報が保持される。速度３０７には、該当時系列データが発信されたときの人の速度情報が保持される。なお、デフォルトの場合、速度３０７には「Ｆａｌｓｅ」が保持される。速度補完状態３０８には、値として、該当時系列データの速度３０７における補完処理が完了したかを示す状態が保持される。なお、デフォルトの場合、速度補完状態３０８には「Ｆａｌｓｅ」が保持される。

（エリアデータ１２３）
図４は、本発明の実施例のデータメモリ１０９に含まれるエリアデータ１２３のデータ構造例を示す説明図である。

エリアデータ１２３は、エリアデータＤＢ１０２に記憶されており、中央処理装置１０５によって読み出されて（または算出されて）データメモリ１０９に格納される。図４（Ａ）に示すように、エリアデータ１２３は、エリア番号４００と、エリア名称４０１と、選定大業種番号４０２と、選定大業種名４０３と、Ｇｅｏ範囲４０４と、状態４０５と、エリア特徴データ４０６と、を含み、例えば配列の形式で保存される。

エリア番号４００には、値として、エリアデータ１２３に対して一意に振られた値が保持される。エリアデータ１２３を生成する際に、エリア番号４００が自動的に振られる。エリア名称４０１には、値として、該当エリアに対して与えられた名称が保持される。選定大業種番号４０２には、１個以上の大業種番号２０６が保持される。選定大業種名４０３には、１個以上の大業種名２０７が保持される。Ｇｅｏ範囲４０４には、該当エリアデータによって特定される領域の範囲を示す図形情報が保持される。状態４０５には、値として、該当エリアデータとそれ以外のエリアデータにおいてＧｅｏ範囲の交差がある（すなわち複数のＧｅｏ範囲の共通範囲がある）かを示す状態が保持される。交差がない場合、状態４０５には「Ｔｒｕｅ」が保持される。なお、デフォルトの場合、状態４０５には「Ｆａｌｓｅ」が保持される。エリア特徴データ４０６には、時間帯及び曜日ごとに該当エリアの特徴情報が保持される。なお、デフォルトの場合、エリア特徴データ４０６には「ＮＵＬＬ」が保持される。

（エリア特徴データ４０６）
図４（Ｂ）に示すように、エリア特徴データ４０６は、エリア特徴番号４０７と、時間帯４０８と、曜日４０９と、平休日４１０と、ＰＯＩ種類４１１と、集計数４１２と、重み付け係数４１３と、時間帯特徴４１４と、分析大業種番号４１５と、分析大業種名４１６と、更新時刻４１７と、を含み、例えば配列の形式で保存される。エリア特徴番号４０７には、値として、エリア特徴データ４０６に対して一意に振られた値が保持される。図４（Ａ）の例では、一つのエリアデータ１２３がエリア特徴番号４０７の値ＥＢＳ００００１Ｔ００００１、ＥＢＳ００００１Ｔ００００２等で識別される複数のエリア特徴データ４０６を含み、図４（Ｂ）にはそれらのうちＥＢＳ００００１Ｔ００００１で識別されるエリア特徴データ４０６を例示する。

時間帯４０８、曜日４０９、および平休日４１０には、値として、該当エリアデータにおいて特定時間帯（例えば、ＡＭ０７：００〜０９：００）、特定曜日（例えば、月曜日）、および特定平休日（すなわち平日・休日の区別、例えば、平日）にエリアの特徴を分析するための時間情報が保持される。ＰＯＩ種類４１１には、該当エリアデータにおいて特定時間帯、特定曜日、および特定平休日に営業する全てのＰＯＩデータ１２１について、それぞれが属する業種情報が保持される。なお、業種情報は、ＰＯＩデータ１２１の大業種番号２０６または大業種名２０７でもよいし、中業種番号２０８または中業種名２０９でもよい。集計数４１２には、ＰＯＩ４１１の業種ごとに集計したＰＯＩデータの数が保持される。重み付け係数４１３には、ＰＯＩ４１１の業種ごとに定められた重み付け係数が保持される。時間帯特徴４１４には、時間帯ごとのＰＯＩの特徴が保持される。例えばＰＯＩが店舗であり、当該店舗で提供される商品又はサービスが時間帯によって異なる場合に、その時間帯ごとの提供内容に応じた特徴（例えば中業種名など）が保持される。分析大業種番号４１５には、１個以上の大業種番号２０６が保持される。分析大業種名４１６には、１個以上の大業種名２０７が保持される。更新時刻４１７には、値として、該当エリア特徴データが生成された時刻が保持される。

（個人滞在エリアデータ１２４）
図５は、本発明の実施例のデータメモリ１０９に含まれる個人滞在エリアデータ１２４のデータ構造例を示す説明図である。

個人滞在エリアデータ１２４は、個人滞在エリアデータＤＢ１０３に記憶されており、中央処理装置１０５によって読み出されて（または算出されて）データメモリ１０９に格納される。個人滞在エリアデータ１２４は、識別番号５００と、個人識別番号５０１と、エリア番号５０２と、エリア特徴番号５０３と、到着時刻５０５と、出発時刻５０６と、滞在期間５０７と、を含み、例えば配列の形式で保存される。人が一つのエリアに１回滞在するごとに当該滞在に関する一つの個人滞在エリアデータ１２４が生成される。

識別番号５００には、値として、個人滞在エリアデータ１２４に対して一意に振られた値が保持される。個人滞在エリアデータ１２４を生成する際に、識別番号５００が自動的に振られる。個人識別番号５０１には、該当人流データの個人識別番号３００が保持される。エリア番号５０２には、該当エリアデータのエリア番号４００が保持される。エリア特徴番号５０３には、値として、人が指定エリアに滞在するとき、１個の該当エリア特徴データ４０６のエリア特徴番号４０７が保持される。エリア特徴５０４には、人が指定エリアに滞在するとき、該当エリアデータにおける１個の該当エリア特徴データ４０６の分析大業種名４１６が保持される。到着時刻５０５には、値として、人が特定エリアへの滞在を開始した時に、その人の人流データにおける時系列データの受信時刻３０４が保持される。出発時刻５０６には、値として、人が特定エリアへの滞在を終了した時に、その人の人流データにおける時系列データの受信時刻３０４が保持される。滞在期間５０７には、値として、該当個人滞在エリアデータの到着時刻５０５と出発時刻５０６との時間差が保持される。

（個人特徴データ１２５）
図６は、本発明の実施例のデータメモリ１０９に含まれる個人特徴データ１２５のデータ構造例を示す説明図である。

個人特徴データ１２５は、個人特徴データＤＢ１０４に記憶されており、中央処理装置１０５によって読み出されて（または算出されて）データメモリ１０９に格納される。個人特徴データ１２５は、識別番号６００と、個人識別番号６０１と、対象期間６０２と、時間帯６０３と、曜日６０４と、平休日６０５と、個人特徴６０６と、を含み、例えば配列の形式で保存される。

識別番号６００には、値として、個人特徴データ１２５に対して一意に振られた値が保持される。個人特徴データ１２５を生成する際に、識別番号６００が自動的に振られる。個人識別番号６０１には、該当人流データの個人識別番号３００が保持される。対象期間６０２には、特定期間に該当個人滞在エリアデータを抽出するための期間情報が保持される。

時間帯６０３、曜日６０４、および平休日６０５には、値として、特定時間帯（例えば、ＡＭ０７：００〜０９：００）、特定曜日（例えば、月曜日）、および特定平休日（例えば、平日）に該当個人滞在エリアデータを抽出および分析するための時間情報が保持される。個人特徴６０６には、人が最も多く滞在した個人滞在エリアデータのエリア特徴５０４が保持される。

＜特徴分析処理例＞
図７は、本発明の実施例の特徴分析装置によるエリアおよび個人の特徴分析処理例を示すフローチャートである。

このフローチャートは、特徴分析装置が、収集されたＰＯＩデータ１２１および人流データ１２２に基づいて、自動的に生成されたエリアデータ１２３にエリア特徴を与え、エリア特徴から該当エリアに滞在する人に個人特徴を与え、さらにエリアに滞在する人の個人特徴から当該エリアのエリアデータ１２３にエリア特徴を与える処理を繰り返すことによって分析し、分析結果を表示する処理例を示す。

まず、特徴分析装置は、ＰＯＩデータ１２１および人流データ１２２に不足の情報を補完し、エリアデータ１２３を自動的に作成する。つぎに、特徴分析装置は、ＰＯＩデータのＷＥＢ知名度（例えば、インターネット検索を行った場合のヒット件数）を基にＰＯＩデータの業種別に重み付け係数を算出し、各エリアにおいて時間帯や曜日や平休日の区別ごとにエリアの特徴を分析する。そして、特徴分析装置は、人が多く滞在したエリアの特徴を個人の特徴とし、分析結果を表示する。さらに、一定期間が経過すると、特徴分析装置は、特徴を与えた個人が新しく滞在したエリアの履歴を基にＰＯＩデータの業種別の重み付け係数を更新し、各エリアにおいて時間帯や曜日や平休日ごとにエリアの特徴を更新し、新しく更新したエリアの特徴を基に個人の特徴を更新する。これによって、時間が経つほどより正確なエリア特徴および個人特徴を推測でき、例えば、個人にレコメンドをするとき、より個人が興味を持つ商品などを推薦できる。

図７において、まず、特徴分析装置は、ＰＯＩデータＤＢ１００から読み出したＰＯＩデータ１２１をデータメモリ１０９に格納し（ステップＳ７００）、ＰＯＩデータ補完処理部１１２によってＰＯＩデータ補完処理を実行する（ステップＳ７０１）。ＰＯＩデータ補完処理（ステップＳ７０１）は、役所またはＷＥＢ情報等から得られた情報によって土地利用分類２１１、営業時間２１２、定休日２１３、および親ＰＯＩ管理番号２１４を補完する処理である。なお、ＰＯＩデータ補完処理（ステップＳ７０１）は、図８と図９を用いて詳細を後述する。そして、特徴分析装置は、ステップＳ７０１で補完されたデータメモリ１０９上のＰＯＩデータ１２１をＰＯＩデータＤＢ１００に書き込む（ステップＳ７０２）。

つぎに、特徴分析装置は、人流データＤＢ１０１から読み出した人流データ１２２をデータメモリ１０９に格納し（ステップＳ７０３）、人流データ補完処理部１１３によって人流データ補完処理を実行する（ステップＳ７０４）。人流データ補完処理（ステップＳ７０４）は該当人流データの国３０１および時系列データが受信されたとき人の速度３０７の情報を補完する処理である。なお、人流データ補完処理（ステップＳ７０４）は、図１０を用いて詳細を後述する。そして、特徴分析装置は、ステップＳ７０４で補完されたデータメモリ１０９上の人流データ１２２を人流データＤＢ１０１に書き込む（ステップＳ７０５）。

つぎに、特徴分析装置は、エリア作成処理部１１４によってエリア作成処理を実行する（ステップＳ７０６）。エリア作成処理（ステップＳ７０６）は、同一業種のＰＯＩデータにおいて既存の凸包生成アルゴリズムを用いて自動的にエリア生成し、エリア相互の共通Ｇｅｏ範囲があるか否かに基づいてエリア分割する処理である。なお、エリア作成処理（ステップＳ７０６）は、図１１〜図１４を用いて詳細を後述する。

そして、特徴分析装置は、エリア特徴分析処理部１１５によってエリア特徴分析処理を実行する（ステップＳ７０７）。エリア特徴分析処理（ステップＳ７０７）は、各エリアにおいて時間帯や曜日や平休日ごとにＰＯＩデータの業種に重み付けし、エリアの特徴を分析する処理である。なお、エリア特徴分析処理（ステップＳ７０７）は、図１５〜図１７を用いて詳細を後述する。

つぎに、特徴分析装置は、滞在エリア識別処理部１１６によって滞在エリア識別処理を実行する（ステップＳ７０８）。滞在エリア識別処理（ステップＳ７０８）は、人が特定エリアに滞在するとき、該当エリアの特徴および人の滞在時刻を識別する処理である。なお、識別処理（ステップＳ７０８）は、図１８〜図２０を用いて詳細を後述する。

そして、特徴分析装置は、個人特徴分析処理部１１７によって個人特徴分析処理を実行する（ステップＳ７０９）。個人特徴分析処理（ステップＳ７０９）は、一定期間の個人滞在エリアデータ１２４に基づいて、各人に時間帯や曜日や平休日ごとに最も多く滞在したエリアの特徴を分析する処理である。なお、エリア特徴分析処理（ステップＳ７０９）は、図２１を用いて詳細を後述する。

つぎに、特徴分析装置は、表示処理部１１１によって表示処理を実施する（ステップＳ７１０）。表示処理（ステップＳ７１０）はデータメモリ１０９に格納したデータを表示する処理である。

＜ＰＯＩデータ補完処理（ステップＳ７０１）＞
図８は、図７に示した本発明の実施例の特徴分析装置のＰＯＩデータ補完処理部１１２によるＰＯＩデータ補完処理（ステップＳ７０１）の詳細な処理手順を示すフローチャートである。

このフローチャートは、各ＰＯＩデータ１２１において、役所から土地利用分類２１１および、ＷＥＢ検索結果より営業時間２１２と定休日２１３と親ＰＯＩ管理番号２１４と、の不足情報をあらかじめ補完する処理を示す。

図８において、まず、特徴分析装置は、データメモリ１０９から１件のＰＯＩデータｐｏｉを取得し（ステップＳ８００）、ｐｏｉの補完状態２１５が「Ｔｒｕｅ」であるか否かを判断する（ステップＳ８０１）。補完状態２１５が「Ｔｒｕｅ」の場合（ステップＳ８０１：Ｙｅｓ）、ｐｏｉデータの不足情報が補完されたため、ステップＳ８１３に移行する。一方、補完状態２１５が「Ｆａｌｓｅ」の場合（ステップＳ８０１：Ｎｏ）、ｐｏｉデータの不足情報が補完されていないため、特徴分析装置は、役所の情報システムからｐｏｉの住所の土地利用分類ｌｕＴｙｐｅを取得する（ステップＳ８０２）。

つぎに、特徴分析装置は、ｐｏｉの経度２０４および緯度２０５と一致する全てのＰＯＩデータをリストｐｏｉＬｉｓｔに保存する（ステップＳ８０２）。そして、特徴分析装置は、ｐｏｉＬｉｓｔから１件のＰＯＩデータｎｅｗｐｏｉを取得し（ステップＳ８０４）、ｎｅｗｐｏｉの掲載名称２０１を基にＷＥＢ検索し（ステップＳ８０５）、ＷＥＢ検索結果からｎｅｗｐｏｉの掲載名称２０１に関する営業時間および定休日の情報を抽出し、ｎｅｗｐｏｉの営業時間２１２および定休日２１３を更新する（ステップＳ８０６）。なお、ＷＥＢ検索結果に営業時間または定休日の情報が存在しない場合、ｎｅｗｐｏｉデータの営業時間２１２または定休日２１３は「ＮＵＬＬ」に更新される。

つぎに、特徴分析装置は、ＷＥＢ検索結果にｎｅｗｐｏｉの子ＰＯＩデータがｐｏｉＬｉｓｔに存在するか否かを判断する（ステップＳ８０８）。ｎｅｗｐｏｉの子ＰＯＩデータがｐｏｉＬｉｓｔに存在しない場合（ステップＳ８０７：Ｎｏ）、例えば、ｎｅｗｐｏｉがうどん店であり、その中にさらにラーメン店が存在しない場合、ステップＳ８０９に移行する。一方、ｎｅｗｐｏｉの子ＰＯＩデータがｐｏｉＬｉｓｔに存在する場合（ステップＳ８０７：Ｙｅｓ）、例えば、ｎｅｗｐｏｉがショピングモールであり、その中にうどん店が存在する場合、特徴分析装置は、ｎｅｗｐｏｉの管理番号をｔｅｍｐＩＤに保存する（ステップＳ８０８）。

つぎに、特徴分析装置は、ｐｏｉＬｉｓｔに未処理のＰＯＩデータ１２１が存在するか否かを判断する（ステップＳ８０９）。ｐｏｉＬｉｓｔに未処理のＰＯＩデータ１２１が有る場合（ステップＳ８０８：Ｙｅｓ）、特徴分析装置は、ステップＳ８０４に戻り、ｐｏｉＬｉｓｔから次の１件のＰＯＩデータｎｅｗｐｏｉを取得する。一方、ｐｏｉＬｉｓｔの全てのＰＯＩデータ１２１を処理した場合（ステップＳ８０８：Ｎｏ）、特徴分析装置は、ｐｏｉＬｉｓｔにある全てのＰＯＩデータの土地利用分類２１１をｌｕＴｙｐｅ、親ＰＯＩ管理番号２１４をｔｅｍｐＩＤ、補完状態２１５を「Ｔｒｕｅ」に更新する（ステップＳ８１１）。

つぎに、特徴分析装置は、ｐｏｉＬｉｓｔを基にデータメモリ１０９のＰＯＩデータ１２１を更新し（ステップＳ８１１）、ｐｏｉＬｉｓｔを削除する（ステップＳ８１２）。つぎに、特徴分析装置は、データメモリ１０９に未取得のＰＯＩデータ１２１が存在するか否かを判断する（ステップＳ８１３）。データメモリ１０９に未取得のＰＯＩデータ１２１が有る場合（ステップＳ８１３：Ｙｅｓ）、特徴分析装置は、ステップＳ８００に戻り、データメモリ１０９から次の１件のＰＯＩデータｐｏｉを取得する。一方、データメモリ１０９に全てのＰＯＩデータ１２１を処理した場合（ステップＳ８１３：Ｎｏ）、特徴分析装置は、全てのＰＯＩデータ１２１を補完済みのため、ＰＯＩデータ補完処理部１１２によるＰＯＩデータ補完処理（ステップＳ７０１）を終了し、ステップＳ７０２に移行する。

図９は、本発明の実施例の特徴分析装置が扱う二つのＰＯＩデータの関係のうち、実世界に存在する関係および存在しない関係の例を示す説明図である。

図９（Ａ）および（Ｂ）は実世界に存在するＰＯＩデータの関係を示す。図９（Ａ）では、２件のＰＯＩデータ（ＰＯＩ１およびＰＯＩ２）において、ＰＯＩ１の中にさらにＰＯＩ２が含まれ、ＰＯＩ１とＰＯＩ２は親子関係を示す。例えば、ＰＯＩ１はショピングモールであり、ＰＯＩ２はうどん店であり、ショピングモールの中にうどん店があるのは可能であるため、ＰＯＩデータの親子関係が存在する。図９（Ｂ）では、２件のＰＯＩデータ（ＰＯＩ３およびＰＯＩ４）において、ＰＯＩ３とＰＯＩ４はお互いに独立し、ＰＯＩ３とＰＯＩ４は兄弟関係を示す。例えば、ＰＯＩ３はうどん店であり、ＰＯＩ４はラーメン店であり、うどん店とラーメン店が独立の二つの店であるため、ＰＯＩデータの兄弟関係が存在する。

図９（Ｃ）および（Ｄ）は実世界のＰＯＩデータの間に存在しない関係を示す。図９（Ｃ）では、３件のＰＯＩデータ（ＰＯＩ５、ＰＯＩ６、およびＰＯＩ７）において、ＰＯＩ５の子ＰＯＩデータＰＯＩ６にさらに子ＰＯＩデータＰＯＩ７が存在することを示す。図９（Ｄ）では、２件のＰＯＩデータ（ＰＯＩ８およびＰＯＩ９）において、ＰＯＩ８とＰＯＩ９の一部の空間に交差があること（すなわちそれらの一部が重複していること）を示す。

＜人流データ補完処理（ステップＳ７０４）＞
図１０は、図７に示した本発明の実施例の特徴分析装置の人流データ補完処理部１１３による人流データ補完処理（ステップＳ７０４）の詳細な処理手順を示すフローチャートである。

このフローチャートは、各人流データ１２２において、あらかじめ、使用端末から人の国情報を補完し、さらに、近隣の２件の時系列データ３０２から先に受信された時系列データ３０２の速度３０７を補完する処理を示す。

図１０において、まず、特徴分析装置は、データメモリ１０９から１件の人流データｐｆを取得し（ステップＳ１０００）、ｐｆの使用端末がＷＩ−ＦＩに接続しているか否かを判断する（ステップＳ１００１）。ｐｆの使用端末がＷＩ−ＦＩに接続していない場合（ステップＳ１００１：Ｎｏ）、ｐｆの使用端末から国情報を取得できないため、ステップＳ１００３に移行する。一方、ｐｆの使用端末がＷＩ−ＦＩに接続している場合（ステップＳ１００１：Ｙｅｓ）、特徴分析装置は、ｐｆの使用端末の国情報を取得し、ｐｆの国３０１を更新する（ステップＳ１００２）。

つぎに、特徴分析装置は、ｐｆの時系列データ３０２を受信時刻３０４の昇順でソートする（ステップＳ１００３）。そして、ｐｆのｉ件目の時系列データａを取得する（ステップＳ１００４）。なお、インデックスｉは、１から始まる正の整数である。先頭の時系列データのインデックスｉはｉ＝１である。次回ステップＳ１００４を行う際にインデックスｉはインクリメントされる。

つぎに、特徴分析装置は、時系列データａの速度補完状態３０８が「Ｔｒｕｅ」であるか否かを判断する（ステップＳ１００５）。時系列データａの速度補完状態３０８が「Ｔｒｕｅ」である場合（ステップＳ１００５：Ｙｅｓ）、時系列データａの速度情報が補完されたため、ステップＳ１０１１に移行する。一方、時系列データａの速度補完状態３０８が「Ｆａｌｓｅ」である場合（ステップＳ１００５：Ｎｏ）、時系列データａの次の時系列データｂを取得し（ステップＳ１００６）、時系列データａからｂまでの空間距離ｄｉｓｔを算出し（ステップＳ１００７）、時系列データａとｂの受信時刻差Δｔ（＝｜ｂ．受信時刻−ａ．受信時刻｜）を算出する（ステップＳ１００８）。そして、特徴分析装置は、時系列データａの速度３０７を（ｄｉｓｔ／Δｔ）に更新し（ステップＳ１００９）、時系列データａの補完状態３０８を「Ｔｒｕｅ」に更新する（ステップＳ１０１０）。

つぎに、特徴分析装置は、ｐｆの中に未処理の時系列データ３０２が２件以上存在するか否かを判断する（ステップＳ１０１１）。ｐｆの中に未処理の時系列データ３０２が２件以上存在する場合（ステップＳ１０１１：Ｙｅｓ）、ステップＳ１００４に戻り、特徴分析装置は、ｐｆから（ｉ＋１）件目の時系列データａを取得する（ステップＳ１００４）。一方、ｐｆの中に未処理の時系列データ３０２が１件以下の場合（ステップＳ１０１１：Ｎｏ）、特徴分析装置は、データメモリ１０９の中に未取得の人流データ１２２が存在するか否かを判断する（ステップＳ１０１２）。データメモリ１０９の中に未取得の人流データ１２２が存在する場合（ステップＳ１０１２：Ｙｅｓ）、ステップＳ１０００に戻り、特徴分析装置は、データメモリ１０９から新しい１件の人流データｐｆを取得する（ステップＳ１０００）。一方、データメモリ１０９の中の全ての人流データ１２２を処理した場合（ステップＳ１０１２：Ｎｏ）、データメモリの全ての人流データ１２２を補完したため、人流データ補完処理部１１３による人流データ補完処理（ステップＳ７０４）を終了し、ステップＳ７０５に移行する。

＜エリア作成処理（ステップＳ７０６）＞
図１１は、図７に示した本発明の実施例の特徴分析装置のエリア作成処理部１１４によるエリア作成処理（ステップＳ７０６）の詳細な処理手順を示すフローチャートである。

このフローチャートは、ＰＯＩデータを基づいて、ＰＯＩデータの大業種別に既存の凸包生成アルゴリズムを用いて、それぞれが一つ以上のＰＯＩを含むエリアを自動的に作成し、更にエリア相互の間に共通のＧｅｏ範囲があるか否かに基づいてエリア分割する処理を示す。

図１１において、特徴分析装置は、まず、データメモリ１０９上の全てのＰＯＩデータ１２１において、土地利用分類２１１が「商業用地」ではないＰＯＩデータ１２１を除外し（ステップＳ１１００）、残りのＰＯＩデータ１２１からユニークな大業種名２０７を抽出してＢｓＴｙｐｅＬｉｓｔに保存する（ステップＳ１１０１）。

つぎに、特徴分析装置は、ＢｓＴｙｐｅＬｉｓｔから１件の大業種名ｂｓｔｙｐｅを取得し（ステップＳ１１０２）、大業種名２０７がｂｓｔｙｐｅと一致する全ての全てのＰＯＩデータ１２１をｐｏｉＬｉｓｔに保存する（ステップＳ１１０３）。特徴分析装置は、ｐｏｉＬｉｓｔのＰＯＩデータに基づいて、既存の凸包生成アルゴリズムを用いて自動的に生成された複数のエリアデータ１２３をＡｒｅａＬｉｓｔに追加する（ステップＳ１１０４）。

つぎに、特徴分析装置は、ＢｓＴｙｐｅＬｉｓｔに未処理の大業種名が存在するか否かを判断する（ステップＳ１１０５）。ＢｓＴｙｐｅＬｉｓｔに未処理の大業種名が存在する場合（ステップＳ１１０５：Ｙｅｓ）、ステップＳ１１０２に戻り、特徴分析装置は、ＢｓＴｙｐｅＬｉｓｔから次の１件の大業種名ｂｓｔｙｐｅを取得する（ステップＳ１１０２）。一方、ＢｓＴｙｐｅＬｉｓｔの全ての大業種名を処理した場合（ステップＳ１１０５：Ｎｏ）、特徴分析装置は、ＡｒｅａＬｉｓｔからｉ件目のエリアデータａｉを取得する（ステップＳ１１０６）。なお、インデックスｉは、１から始まる正の整数である。先頭の時系列データのインデックスｉはｉ＝１である。次回ステップＳ１１０６を行う際にインデックスｉはインクリメントされる。

つぎに、特徴分析装置は、ＡｒｅａＬｉｓｔからｊ件目のエリアデータａｊを取得する（ステップＳ１１０７）。なお、インデックスｊは、１から始まる正の整数である。先頭の時系列データのインデックスｊはｊ＝ｉ＋１である。次回ステップＳ１１０７を行う際にインデックスｊはインクリメントされる。つぎに、特徴分析装置は、ａｉとａｊのＧｅｏ範囲４０４に共通範囲があるか否かを判断する（ステップＳ１１０８）。ａｉとａｊのＧｅｏ範囲４０４に共通範囲がない場合（ステップＳ１１０８：Ｎｏ）、ａｉとａｊは独立な二つのエリアで、更に分割する必要がないため、ステップＳ１１１１へ移行する。一方、ａｉとａｊのＧｅｏ範囲４０４に共通範囲がある場合（ステップＳ１１０８：Ｙｅｓ）、特徴分析装置は、新しいエリアデータａｋを生成して、ＡｒｅａＬｉｓｔの最後に追加する（ステップＳ１１０９）。そして、ａｉとａｊのＧｅｏ範囲４０４を更新する（ステップＳ１１１０）。

つぎに、特徴分析装置は、ＡｒｅａＬｉｓｔにａｉとの間に共通範囲があるか否かを未確認のエリアデータが存在するか否かを判断する（ステップＳ１１１１）。ＡｒｅａＬｉｓｔにａｉとの間に共通範囲があるか否かを未確認のエリアデータが存在する場合（ステップＳ１１１１：Ｙｅｓ）、ステップＳ１１０７に戻り、ＡｒｅａＬｉｓｔから（ｊ＋１）件目のエリアデータａｊを取得する（ステップＳ１１０６）。一方、ＡｒｅａＬｉｓｔにａｉとの間に共通範囲があるか否かを未確認のエリアデータが存在しない場合（ステップＳ１１０６：Ｎｏ）、更新されたａｉのＧｅｏ範囲４０４と交差するＧｅｏ範囲４０４を有するエリアデータが存在しないため、特徴分析装置は、ａｉの状態４０５を「Ｔｒｕｅ」に更新する（ステップＳ１１１２）。

つぎに、特徴分析装置は、ＡｒｅａＬｉｓｔに状態４０５が「Ｆａｌｓｅ」であるエリアデータが存在するか否かを判断する（ステップＳ１１１３）。ＡｒｅａＬｉｓｔに状態４０５が「Ｆａｌｓｅ」であるエリアデータが存在する場合（ステップＳ１１１３：Ｙｅｓ）、ステップＳ１１０６に戻り、特徴分析装置は、ＡｒｅａＬｉｓｔから（ｉ＋１）件目のエリアデータａｉを取得する（ステップＳ１１０６）。一方、ＡｒｅａＬｉｓｔに状態４０５が「Ｆａｌｓｅ」のエリアデータが存在しない場合（ステップＳ１１１３：Ｎｏ）、生成された任意の二つのエリアデータにおいてＧｅｏ範囲４０４の交差がないため、特徴分析装置は、Ｇｅｏ範囲４０４が「ＮＵＬＬ」のエリアデータ１２３を削除し（ステップＳ１１１４）、エリア作成処理部１１４によるエリア作成処理（ステップＳ７０６）を終了し、ステップＳ７０７に移行する。

図１２および図１３は、本発明の実施例における二つの大業種名（買い物および飲食店）におけるＰＯＩデータを基づいたエリアデータの作成例を示す説明図である。

図１２では、大業種別に既存の凸包生成アルゴリズムを用いたエリアデータの生成例を示す説明図である。図１２（Ａ）では、大業種名が「買い物」であるＰＯＩデータ｛ｐ１，ｐ２，…，ｐ１０｝から、既存の凸包生成アルゴリズムを用いて自動的に生成されたエリアデータを示す。なお、図１２（Ａ）において、星型及び丸型の図形はそれぞれ大業種名が「買い物」および「飲食店」である一つのＰＯＩデータ１２１に相当し、それぞれの図形の位置がそれぞれのＰＯＩデータ１２１の経度２０４及び緯度２０５が示す座標値に対応する。図１２（Ｂ）、図１３（Ａ）及び図１３（Ｂ）についても同様である。図１２（Ａ）の例では、ｐ１〜ｐ８を含むようにエリアデータＡｒｅａ１が生成され、ｐ９およびｐ１０を含むようにエリアデータＡｒｅａ２が生成される。なお、ｐ９およびｐ１０がそれ以外のＰＯＩデータから離れているため、Ａｒｅａ１から独立するエリアデータＡｒｅａ２が生成される。

図１２（Ｂ）では、大業種名が「飲食店」であるＰＯＩデータ｛ｑ１，ｑ２，．．．，ｑ１３｝から、既存の凸包生成アルゴリズムを用いて自動的に生成されたエリアデータ（Ａｒｅａ３）を示す。

図１２（Ｃ）では、既存の凸包生成アルゴリズムを用いて自動的に生成されたエリアデータ（Ａｒｅａ１、Ａｒｅａ２およびＡｒｅａ３）の詳細情報を示す。エリアデータ１２３のエリア番号４００には、エリアデータを生成する際に自動的に振られた一意の値が保持される。エリア名称４０１には、ユーザが事前に設定した命名規則を基に振られた名称が保持される。選定大業種番号４０２には、選定された１個以上の大業種名２０７と対応する大業種番号２０６が保持される。選定大業種名４０３には、選定された１個以上の大業種名２０７が保持される。Ｇｅｏ範囲４０４には、既存の凸包生成アルゴリズム用いて生成された領域の範囲を示す図形情報が保持される。状態４０５には、デフォルトの値（「Ｆａｌｓｅ」）が保持される。エリア特徴データ４０６には、デフォルトの値（「ＮＵＬＬ」）が保持される。エリアデータ１２３のレコード１２００、１２０１および１２０２にはそれぞれエリアデータＡｒｅａ１、Ａｒｅａ２およびＡｒｅａ３の詳細情報を示す。

図１３では、図１２に自動的に生成されたエリアデータ１２３の任意の二つにおいて、Ｇｅｏ範囲４０４の共通範囲があるか否かを判定し、共通範囲があるエリアを抽出し、エリアを更新することを示す。図１３（Ａ）では、Ａｒｅａ１およびＡｒｅａ３のＧｅｏ範囲４０４に共通範囲があるため、特徴分析装置は共通範囲に相当するＡｒｅａ４を新しく生成する例を示す。図１３（Ｂ）では、Ｇｅｏ範囲４０４の交差があるＡｒｅａ１およびＡｒｅａ３から、それぞれのＧｅｏ範囲４０４の交差範囲（Ａｒｅａ４のＧｅｏ範囲４０４）を除き、状態４０５を更新した（Ａｒｅａ１’およびＡｒｅａ３’）例を示す。なお、Ａｒｅａ２は他のエリアデータとの交差範囲がないため、更新する必要がない。

図１３（Ｃ）では、エリアデータ相互の交差があるかを全て判断した後に生成されたエリアデータ（Ａｒｅａ１’、Ａｒｅａ２、Ａｒｅａ３’およびＡｒｅａ４）の詳細情報を示す。エリアデータ１２３のレコード１３００、１３０１、１３０２および１３０３にはそれぞれエリアデータＡｒｅａ１’、Ａｒｅａ２、Ａｒｅａ３’およびＡｒｅａ４の詳細情報を示す。なお、Ａｒｅａ１’はＡｒｅａ１のＧｅｏ範囲４０４からＡｒｅａ４のＧｅｏ範囲４０４を除き、状態４０５を「Ｔｒｕｅ」に更新したエリアデータである。Ａｒｅａ３’はＡｒｅａ３のＧｅｏ範囲４０４からＡｒｅａ４のＧｅｏ範囲４０４を除き、状態４０５を「Ｔｒｕｅ」に更新したエリアデータである。Ａｒｅａ４の選定大業種番号４０２は、Ａｒｅａ１およびＡｒｅａ３の選定大業種番号４０２の和集合である。Ａｒｅａ４は、選定大業種番号４０２、選定大業種名４０３、およびＧｅｏ範囲４０４として、それぞれＡｒｅａ１とＡｒｅａ３の選定大業種番号４０２の和集合、選定大業種名４０３の和集合、およびＧｅｏ範囲４０４の共通範囲を保持し、状態４０５が「Ｔｒｕｅ」であるエリアデータである。

図１４は、本発明の実施例において異なる大業種名によって生成されたエリアデータの関係例を示す説明図である。

図１４（Ａ）は、ある大業種名によって生成されたＡＲＥＡ１の中に別の大業種名によって生成されたＡＲＥＡ２が含まれる例を示す。これは、例えば、観光地のエリア中にお土産を購入するエリアがある例に相当する。図１４（Ａ）の例では、エリア作成処理部１１４がエリア作成処理（ステップＳ７０６）を行うとき、新しいエリアデータ１２３を生成し、当該新しいエリアデータ１２３の選定大業種番号４０２をＡＲＥＡ１およびＡＲＥＡ２の大業種番号４０２の和集合に、選定大業種名４０３をＡＲＥＡ１およびＡＲＥＡ２の大業種名４０３の和集合に、Ｇｅｏ範囲４０４をＡＲＥＡ２のＧｅｏ範囲４０４に、それぞれ更新する。さらに、エリア作成処理部１１４は、ＡＲＥＡ１のＧｅｏ範囲４０４からＡＲＥＡ２のＧｅｏ範囲４０４を除き、ＡＲＥＡ２を削除する処理を行う。

図１４（Ｂ）は、ある大業種名によって生成されたＡＲＥＡ３と別の大業種名によって生成されたＡＲＥＡ４の一部が交差している例を示す。これは、例えば、商店街ではショッピングエリアと食事エリアの交差範囲がある例に相当する。図１４（Ｂ）の例では、エリア作成処理部１１４がエリア作成処理（ステップＳ７０６）を行うとき、新しいエリアデータ１２３を生成し、当該新しいエリアデータ１２３の選定大業種番号４０２をＡＲＥＡ３およびＡＲＥＡ４の大業種番号４０２和集合に、選定大業種名４０３をＡＲＥＡ３およびＡＲＥＡ４の大業種名４０３の和集合に、Ｇｅｏ範囲４０４をＡＲＥＡ３とＡＲＥＡ４の交差したＧｅｏ範囲４０４（Ｘ）に、それぞれ更新する。さらに、エリア作成処理部１１４は、ＡＲＥＡ３のＧｅｏ範囲４０４からＸを除き、ＡＲＥＡ４のＧｅｏ範囲４０４からＸを除く処理を行う。

図１４（Ｃ）は、ある大業種名によって生成されたＡＲＥＡ５と別の大業種名によって生成されたＡＲＥＡ６が独立している例を示す。これは、例えば、ゴルフをするエリアとスキーをするエリアが独立している例に相当する。図１４（Ｃ）の例では、エリア作成処理部１１４がエリア作成処理（ステップＳ７０６）を行うとき、上記のような新しいエリアデータ１２３の生成および既存のエリアデータ１２３の更新等は何も行わない。

＜エリア特徴分析処理（ステップＳ７０７）＞
図１５および図１６は、図７に示した本発明の実施例の特徴分析装置のエリア特徴分析処理部１１５によるエリア特徴分析処理（ステップＳ７０７）の詳細な処理手順を示すフローチャートである。

これらのフローチャートは、図１１に示した手順で自動的に生成された各エリアにおいて、指定された時間帯、曜日および平休日にＰＯＩデータの業種別に重み付けの係数を与え、エリアの特徴を分析する処理を示す。図１５は、初回にエリア特徴を分析するとき、ＰＯＩデータのＷＥＢ知名度からＰＯＩデータの業種における重み付けの係数を与え、各エリアの特徴を分析する処理を示す。図１６は、初回にエリア特徴を分析した後、定期的にエリア特徴を更新するとき、特徴を持つ人がエリアに滞在した履歴からＰＯＩデータの業種における重み付けの係数を与え、エリアの特徴を分析する処理を示す。

図１５において、まず、特徴分析装置は、データメモリ１０９から１件のエリアデータａを取得し（ステップＳ１５００）、取得したａのエリア特徴データ４０６が「ＮＵＬＬ」であるか否かを判断する（ステップＳ１５０１）。ａのエリア特徴データ４０６が「ＮＵＬＬ」ではない場合（ステップＳ１５０１：Ｎｏ）、特徴分析装置は、図１６のステップＳ１６００〜Ｓ１６１３を実行し、ステップＳ１５１５に移行する。図１６のＳ１６００〜Ｓ１６１３は、エリアデータ１２３に対して、エリアごとの特徴を更新するための分析処理である。

一方、ａのエリア特徴データ４０６が「ＮＵＬＬ」である場合（ステップＳ１５０１：Ｙｅｓ）、エリアごとの特徴を初期設定するため、特徴分析装置は図１６のＳ１６００〜Ｓ１６１３を実行せずに、ステップＳ１５０２に移行する。ステップＳ１５０２では、特徴分析装置は、データメモリ１０９からａのＧｅｏ範囲４０４中の全てのＰＯＩデータ１２１（すなわち、経度２０４および緯度２０５によって特定される位置がａのＧｅｏ範囲４０４内に含まれる全てのＰＯＩデータ１２１）を抽出してリストＬｉｓｔ１＝｛ｐｏｉ１，ｐｏｉ２，…，ｐｏｉＮ｝に保存する。

つぎに、特徴分析装置は、時間帯Ｔｚｏｎｅ、曜日Ｄｗｅｅｋ、および平休日ＤＨｄａｙを指定し（ステップＳ１５０３）、Ｌｉｓｔ１の中から、指定したＴｚｏｎｅ、ＤｗｅｅｋおよびＤＨｄａｙに営業するＰＯＩデータ１２１を抽出してＬｉｓｔ２＝｛ｐｏｉ１，ｐｏｉ２，…，ｐｏｉＭ｝に保存する（ステップＳ１５０４）。つぎに、特徴分析装置は、中間結果を保存するために新しいマップＣＭａｐ、ＷＭａｐ、およびＰＭａｐを生成する（ステップＳ１５０５）。そして、特徴分析装置は、Ｌｉｓｔ２中のＰＯＩデータ１２１において、業種ｍｔｉごとにＰＯＩデータ１２１の数を集計し（ステップＳ１５０６）、集計した結果＜ｍｔｉ，ｃｉ＞をマップＣＭａｐ＝｛＜ｍｔ１，ｃ１＞，＜ｍｔ２，ｃ２＞，…，＜ｍｔｎ，ｃｎ＞｝に保存する（ステップＳ１５０７）。なお、業種ｍｔｉはＰＯＩデータ１２１の大業種番号２０６または大業種名２０７でもよいし、中業種番号２０８または中業種名２０９でもよい。

つぎに、特徴分析装置は、Ｌｉｓｔ２中の全てのＰＯＩデータ１２１におけるＷＥＢ知名度に基づいて業種ｍｔｉごとの重み付け係数αｉを計算する（ステップＳ１５０８）。なお、ＰＯＩデータ１２１のＷＥＢ知名度は、例えば掲載名称２０１を検索キーワードとして検索した結果の件数であってもよい。特徴分析装置は、業種ｍｔｉについて、下記の式（１）を用いて、重み付け係数αｉを計算する。これによって、エリアに含まれる全ＰＯＩのうち業種ｍｔｉのＰＯＩの知名度の高さを合計した値に応じた値が、当該エリアにおける当該業種ｍｔｉの重み付け係数αｉとして得られる。

つぎに、特徴分析装置は、業種ｍｔｉごとの重み付け係数αｉ（＜ｍｔｉ，αｉ＞）をマップＷＭａｐ＝｛＜ｍｔ１，α１＞，＜ｍｔ２，α２＞，…，＜ｍｔｎ，αｎ＞｝に保存する（ステップＳ１５０９）。そして、特徴分析装置は、下記の式（２）を用いて、ｉ件目の業種ｍｔｉの地域重要度Ｐｉを計算し（ステップＳ１５１０）、＜ｍｔｉ，Ｐｉ＞をＰＭａｐに追加する（ステップＳ１５１１）。これによって、エリア内のＰＯＩの数ｃｉに重み付け係数αｉを乗じた値に応じた地域重要度Ｐｉが計算される。

なお、インデックスｉは、１から始まる正の整数である。先頭の時系列データのインデックスｉはｉ＝１である。次回ステップＳ１５１０を行う際にインデックスｉはインクリメントされる。

また、上記の説明では例えばインターネットを利用した検索ヒット件数などのＷＥＢ知名度に基づいて重み付け係数が計算されているが、知名度を示す情報である限り、上記以外の情報を利用することができる。

つぎに、特徴分析装置は、ＣＭａｐ中に未処理の業種があるか否かを判断する（ステップＳ１５１２）。未処理の業種が存在する場合（ステップＳ１５１２：Ｙｅｓ）、ステップＳ１５１０に戻り、特徴分析装置は、ＣＭａｐ中の（ｉ＋１）件目の業種ｍｔｉについて地域重要度Ｐｉを算出する（ステップＳ１５１０）。一方、ＣＭａｐ中の全ての業種を処理した場合（ステップＳ１５１２：Ｎｏ）、特徴分析装置は、エリア特徴データ生成処理を行う（ステップＳ１５１３）。なお、エリア特徴データ生成処理（ステップＳ１５１３）は、図１７を用いて詳細を後述する。

つぎに、特徴分析装置は、未処理の時間帯、曜日、および平休日の値があるか否かを判断する（ステップＳ１５１４）。未処理の時間帯、曜日、および平休日の値がある場合（ステップＳ１５１４：Ｙｅｓ）、Ｓ１５０３に戻り、特徴分析装置は、時間帯Ｔｚｏｎｅ、曜日Ｄｗｅｅｋ、平休日ＤＨｄａｙを指定する（ステップＳ１５０３）。一方、全ての時間帯、曜日、および平休日の値を処理した場合（ステップＳ１５１４：Ｎｏ）、特徴分析装置は、未取得のエリアデータ１２３がある可否かを判断する（ステップＳ１５１５）。データメモリ１０９に未取得のエリアデータ１２３が存在する場合（ステップＳ１５１５：Ｙｅｓ）、ステップＳ１５００に戻り、特徴分析装置は、データメモリ１０９から１件のエリアデータａを取得する（ステップＳ１５００）。一方、全てのエリアデータ１２３が取得された場合（ステップＳ１５１５：Ｎｏ）、特徴分析装置は、データメモリ１０９のエリアデータ１２３をエリアデータＤＢ１０２に格納し（ステップＳ１５１６）、エリア特徴分析処理部１１５によるエリア特徴分析処理（ステップＳ７０７）を終了し、ステップＳ７０８に移行する。

つぎに、図１６について説明する。図１６は、図１５のステップＳ１５０１で、ａのエリア特徴データ４０６は「ＮＵＬＬ」ではない場合（ステップＳ１５０１：Ｎｏ）に実行される処理を示す。

ステップＳ１５０１：Ｎｏの場合は、特徴分析装置のエリア特徴分析処理部１１５は、エリアデータａのエリア特徴データ４０６をＮＵＬＬに設定し（ステップＳ１６００）、データメモリ１０９からａのＧｅｏ範囲４０４中の全てのＰＯＩデータ１２１を抽出してリストＬｉｓｔ１＝｛ｐｏｉ１，ｐｏｉ２，…，ｐｏｉＮ｝に保存する（ステップＳ１６０１）。つぎに、特徴分析装置は、時間帯Ｔｚｏｎｅ、曜日Ｄｗｅｅｋ、および平休日ＤＨｄａｙを指定し（ステップＳ１６０２）、Ｌｉｓｔ１の中から、指定したＴｚｏｎｅ、ＤｗｅｅｋおよびＤＨｄａｙに営業するＰＯＩデータ１２１を抽出してＬｉｓｔ２＝｛ｐｏｉ１，ｐｏｉ２，…，ｐｏｉＭ｝に保存する（ステップＳ１６０３）。つぎに、特徴分析装置は、中間結果を保存するために新しいマップＣＭａｐ、ＷＭａｐ、およびＰＭａｐを生成する（ステップＳ１６０４）。そして、特徴分析装置は、Ｌｉｓｔ２中のＰＯＩデータ１２１において、業種ｍｔｉごとにＰＯＩデータ１２１の数を集計し（ステップＳ１６０５）、集計した結果＜ｍｔｉ，ｃｉ＞をマップＣＭａｐ＝｛＜ｍｔ１，ｃ１＞，＜ｍｔ２，ｃ２＞，…，＜ｍｔｎ，ｃｎ＞｝に保存する（ステップＳ１６０６）。なお、業種ｍｔｉはＰＯＩデータ１２１の大業種番号２０６または大業種名２０７でもよいし、中業種番号２０８または中業種名２０９でもよい。

つぎに、特徴分析装置は、個人滞在エリアデータ１２４に基づいて業種ｍｔｉごとの重み付け係数αｉを再計算する（ステップＳ１６０７）。具体的には、特徴分析装置は、下記の式（３）を用いて、重み付け係数αｉを再計算する。これによって、業種ｍｔｉが特徴として与えられた人物がエリア内の各ＰＯＩに滞在した回数の合計に応じた値が、当該エリアにおける当該業種ｍｔｉの重み付け係数αｉとして得られる。

つぎに、特徴分析装置は、業種ｍｔｉごとの重み付け係数αｉ（＜ｍｔｉ，αｉ＞）をマップＷＭａｐ＝｛＜ｍｔ１，α１＞，＜ｍｔ２，α２＞，…，＜ｍｔｎ，αｎ＞｝に保存する（ステップＳ１６０８）。そして、特徴分析装置は、式（２）を用いてｉ件目の業種ｍｔｉの地域重要度Ｐｉを計算し（ステップＳ１６０９）、＜ｍｔｉ，Ｐｉ＞をＰＭａｐに追加する（ステップＳ１６１０）。なお、インデックスｉは、１から始まる正の整数である。先頭の時系列データのインデックスｉはｉ＝１である。次回ステップＳ１６０９を行う際にインデックスｉはインクリメントされる。

つぎに、特徴分析装置は、ＣＭａｐ中に未処理の業種があるか否かを判断する（ステップＳ１６１１）。未処理の業種が存在する場合（ステップＳ１６１１：Ｙｅｓ）、ステップＳ１６０９に戻り、特徴分析装置は、ＣＭａｐ中の（ｉ＋１）件目の業種ｍｔｉについて地域重要度Ｐｉを算出する（ステップＳ１６０９）。一方、ＣＭａｐ中の全ての業種を処理した場合（ステップＳ１６１１：Ｎｏ）、特徴分析装置は、エリア特徴データ生成処理を行う（ステップＳ１６１２）。なお、エリア特徴データ生成処理（ステップＳ１６１２）は、図１７を用いて詳細を後述する。

つぎに、特徴分析装置は、未処理の時間帯、曜日、および平休日の値があるか否かを判断する（ステップＳ１６１３）。未処理の時間帯、曜日、および平休日の値がある場合（ステップＳ１６１３：Ｙｅｓ）、Ｓ１６０２に戻り、特徴分析装置は、時間帯Ｔｚｏｎｅ、曜日Ｄｗｅｅｋ、平休日ＤＨｄａｙを指定する（ステップＳ１６０２）。一方、全ての時間帯、曜日、および平休日の値を処理した場合（ステップＳ１６１３：Ｎｏ）、図１５のステップＳ１５１５に移行する。

図１７は、図１５および図１６に示した本発明の実施例の特徴分析装置のエリア特徴分析処理部１１５によるエリア特徴データ生成処理（ステップＳ１５１３およびステップＳ１６１２）の詳細な処理手順を示すフローチャートである。

図１７において、特徴分析装置は、まずエリアデータａのエリア特徴データｎｅｗＤａｔａを１件新しく生成する（ステップＳ１７００）。つぎに、特徴分析装置は、ｎｅｗＤａｔａの時間帯４０８をＴｚｏｎｅに（ステップＳ１７０１）、ｎｅｗＤａｔａの曜日４０９をＤｗｅｅｋに（ステップＳ１７０２）、ｎｅｗＤａｔａの平休日４１０をＤＨｄａｙに、それぞれ設定する（ステップＳ１７０３）。つぎに、特徴分析装置は、ＣＭａｐから業種ｍｔｉを取得し、Ｌｉｓｔ１＝｛ｍｔ１，ｍｔ２，…，ｍｔｎ｝に保存する（ステップＳ１７０４）。

つぎに、特徴分析装置は、ｎｅｗＤａｔａのＰＯＩ種類４１１をＬｉｓｔ１に設定する（ステップＳ１７０５）。つぎに、特徴分析装置は、ＣＭａｐから業種ｍｔｉ別のＰＯＩデータの件数ｃｉを読み出してリストＬｉｓｔ２＝｛ｃ１，ｃ２，…，ｃｎ｝に保存し（ステップＳ１７０６）、ｎｅｗＤａｔａの集計数４１２をＬｉｓｔ２に設定する（ステップＳ１７０７）。つぎに、特徴分析装置は、ＷＭａｐから業種ｍｔｉごとの重み付け係数αｉを読み出してリストＬｉｓｔ３＝｛α１，α２，…，αｎ｝に保存し（ステップＳ１７０８）、ｎｅｗＤａｔａの重み付け係数４１３Ｌｉｓｔ３に設定する（ステップＳ１７０９）。

つぎに、特徴分析装置は、地域重要度Ｐｉの大きい順でマップＰＭａｐをソートし（ステップＳ１７１０）、ｎｅｗＤａｔａの時間帯特徴４１４をＰＭａｐの先頭ｋ個の業種に更新する（ステップＳ１７１１）。つぎに、特徴分析装置は、先頭ｋ個の業種が属する大業種番号２０６および大業種名２０７を抽出し（ステップＳ１７１２）、ｎｅｗＤａｔａの分析大業種番号４１５および分析大業種名４１６を地域重要度が最も高い大業種番号２０６および大業種名２０７に設定する（ステップＳ１７１３）。つぎに、特徴分析装置は、ｎｅｗＤａｔａをａのエリア特徴データ４０６に追加する（ステップＳ１７１４）。以上でエリア特徴データ生成処理（ステップＳ１５１２またはステップＳ１６１３）が終了し、ステップＳ１５１４またはＳ１６１３に移行する。

＜滞在エリア識別処理（ステップＳ７０８）＞
図１８は、図７に示した本発明の実施例の特徴分析装置の滞在エリア識別処理部１１６による滞在エリア識別処理（ステップＳ７０８）の詳細な処理手順を示すフローチャートである。

このフローチャートは、人流データ１２２およびエリアデータ１２３に基づいて人がどのエリアに滞在したかを識別し、人がいずれかのエリアに滞在したときにそのエリアの特徴およびそのエリアへの滞在期間を記録する処理を示す。

図１８において、特徴分析装置は、まず、対象期間Ｔを設定する（ステップＳ１８００）。つぎに、特徴分析装置は、データメモリ１０９から１件の人流データｐｆを取得し（ステップＳ１８０１）、対象期間Ｔに受信されたｐｆの時系列データ３０２をＬｉｓｔ１＝｛ｔ１，ｔ２，…，ｔＮ｝に保存する（ステップＳ１８０２）。つぎに、特徴分析装置は、Ｌｉｓｔ１の時系列データに基づいて個人が滞在したエリアを識別し、リストＬｉｓｔ２＝｛｝に保存する（ステップＳ１８０３）。なお、個人が滞在したエリアの識別方法は、図１９を用いて詳細を後述する。

つぎに、特徴分析装置は、Ｌｉｓｔ１中の時系列データ３０２について、個人がエリアａｉに滞在したときの時系列データをグループに分割し、ＧＲＯＵＰ＝｛ｇ１，ｇ２，…，ｇｎ｝に保存する（ステップＳ１８０４）。なお、グループに分割する方法は、図１９を用いて詳細を後述する。

つぎに、特徴分析装置は、１個のグループｇｉにおける時系列データ｛ｔ１，ｔ２，…，ｔｍ｝を取得し（ステップＳ１８０５）、個人滞在エリアデータ生成処理を行う（ステップＳ１８０６）。なお、個人滞在エリアデータ生成処理（ステップＳ１８０６）は、図２０を用いて詳細を後述する。

つぎに、特徴分析装置は、分割されたグループにおいて未処理のグループが存在するか否かを判断する（ステップＳ１８０７）。未処理のグループがある場合（ステップＳ１８０７：Ｙｅｓ）、ステップＳ１８０５に戻り、特徴分析装置は、１個のグループｇｉにおける時系列データ｛ｔ１，ｔ２，…，ｔｍ｝を取得する（ステップＳ１８０５）。一方、全てのグループを処理した場合、特徴分析装置は、人流データｐｆが滞在したエリアにおいて未処理のエリアデータ１２３があるか否かを判断する（ステップＳ１８０８）。未処理のエリアデータがある場合（ステップＳ１８０８：Ｙｅｓ）、ステップＳ１８０４に戻り、特徴分析装置は、個人がエリアａｉに滞在したときの時系列データをグループに分割し、それぞれのグループの時系列データをＧＲＯＵＰ＝｛ｇ１，ｇ２，…，ｇｎ｝に保存する（ステップＳ１８０４）。

一方、ｐｆが滞在した全てのエリアが処理された場合（ステップＳ１８０８：Ｎｏ）、特徴分析装置は、データメモリ１０９に未取得の人流データ１２２があるか否かを判断する（ステップＳ１８０９）。未取得の人流データ１２２がある場合（ステップＳ１８０９：Ｙｅｓ）、ステップＳ１８０１に戻り、特徴分析装置は、データメモリ１０９から１件の人流データｐｆを取得する（ステップＳ１８０１）。一方、全ての人流データ１２２が取得された場合（ステップＳ１８０９：Ｎｏ）、特徴分析装置は、データメモリ１０９の個人滞在エリアデータ１２４を個人滞在エリアデータＤＢ１０３に格納し、滞在エリア識別処理部１１６による滞在エリア識別処理（ステップＳ７０８）を終了し、ステップＳ７０９に移行する。

図１９は、本発明の実施例の滞在エリア識別処理（ステップＳ７０８）において、個人がエリアに滞在したか通過したかを判断し、滞在したときの時系列データを識別する処理の例を示す説明図である。

図１９（Ａ）には、人流データ１２２の時系列データ３０２の軌跡ｐｆから人がどのエリアに滞在したかを判定する例を示す。この例では、図１３（Ｂ）と同様のエリアが生成されている場合において、人がＡｒｅａ４内のＰＯＩに滞在し、続いてＡｒｅａ１内のＰＯＩに滞在し、その後、一旦Ａｒｅａ１から出て再びＡｒｅａ１内の別のＰＯＩに滞在している。この場合、時系列データ３０２が、それぞれの滞在に対応するグループｇ１〜ｇ３に分割される。

図１９（Ｂ）には、ある人が異なる日に同じエリアに滞在した場合、２件の時系列データ３０２の受信時刻３０４の時間差が一定期間ΔＴ（例えば、ΔＴ＝１日）以上であるか否かに基づいてそれらの時系列データ３０２を異なる二つの時系列グループに分割する例を示す。図１９（Ｃ）には、図１９（Ｂ）で分割された一つのグループの時系列データ３０２において、対応エリアに滞在するときの開始時刻および終了時刻を探し、開始時刻から終了時刻まで受信された時系列データ３０２をグループに更新する例を示す。

例えば、ある人のある時刻の時系列データ３０２と、それより後の時刻の時系列データ３０２とに着目し、前者を前時系列データ、後者を後時系列データと記載する。前時系列データ（例えばｔ１）の速度３０７が指定された閾値速度ｍｉｎＶより大きく、後時系列データ（例えばｔ２）の速度３０７がｍｉｎＶ以下であり、かつ、ｔ２の位置から一定範囲以内に位置するＰＯＩデータが存在した場合、特徴分析装置は、ｔ２の受信時刻３０４を対応エリアへの滞在の開始時刻とする。また、前時系列データ（例えばｔ５）の速度３０７が指定された閾値速度ｍｉｎＶ以下であり、後時系列データ（例えばｔ６）の速度３０７がｍｉｎＶより大きく、かつ、ｔ５の位置から一定範囲以内に位置するＰＯＩデータが存在した場合、特徴分析装置は、ｔ５の受信時刻３０４を対応エリアへの滞在の終了時刻とする。この場合、ｔ２〜ｔ５は対応エリアに滞在するときに受信された時系列グループとなる。

図２０は、図１８に示した本発明の実施例の特徴分析装置による個人滞在エリアデータ生成処理（ステップＳ１８０６）の詳細な処理手順を示すフローチャートである。

図２０において、特徴分析装置は、まず、新しい１件の個人滞在エリアデータｎｅｗ１を生成し（ステップＳ２０００）、ｎｅｗ１の個人識別番号５０１をｐｆの個人識別番号３００に設定し（ステップＳ２００１）、ｎｅｗ１のエリア番号５０２をａｉのエリア番号４００に設定する（ステップＳ２００２）。つぎに、特徴分析装置は、ｔ１の受信時刻３０４が属する時間帯４０８、曜日４０９、および平休日４１０の値に対応するａｉのエリア特徴データｘを取得する（ステップＳ２００３）。そして、特徴分析装置は、ｎｅｗ１のエリア特徴番号５０３をｘのエリア特徴番号４０７（ステップＳ２００４）に、ｎｅｗ１のエリア特徴５０４をｘの分析大業種名４１６にそれぞれ設定する（ステップＳ２００５）。つぎに、ｎｅｗ１の到着時刻５０５をｔ１の受信時刻３０４、出発時刻５０６をｔｍの受信時刻３０４に設定する（ステップＳ２００６）。つぎに、特徴分析装置は、ｎｅｗ１の滞在期間５０７を「ｔｍとｔ１の受信時刻差」に設定し（ステップＳ２００７）、個人滞在エリアデータ生成処理（ステップＳ１８０６）を終了し、ステップＳ１８０７に移行する。

＜個人特徴分析処理（ステップＳ７０９）＞
図２１は、図７に示した本発明の実施例の特徴分析装置の個人特徴分析処理部１１７による個人特徴分析処理（ステップＳ７０９）の詳細な処理手順を示すフローチャートである。

このフローチャートは、時間帯、曜日および平日または休日の区別といった条件が指定され、その条件下における個人特徴の分析が実行される場合に、個人滞在エリアデータ１２４に基づいて、指定された時間帯、曜日および平休日に人が主にどんな特徴があるエリアに滞在したかを分析し、それらの特徴を当該条件下における人の特徴として与える処理を示す。

図２１において、まず、特徴分析装置は、対象期間Ｔを指定する（ステップＳ２１００）。つぎに、特徴分析装置は、データメモリ１０９から１件の人流データ１２２の個人識別番号ｉｄを取得し（ステップＳ２１０１）、データメモリ１０９から個人識別番号５０１がｉｄと等しい個人滞在エリアデータ１２４を取得し、リストＬｉｓｔ１＝｛ｐａ１，ｐａ２，…，ｐａＮ｝に保存する（ステップＳ２１０２）。つぎに、特徴分析装置は、Ｌｉｓｔ１から、到着時刻５０５が対象期間Ｔ以外の個人滞在エリアデータ１２４を除外する（ステップＳ２１０３）。つぎに、特徴分析装置は、時間帯Ｔｚｏｎｅ、曜日Ｄｗｅｅｋ、および平休日ＤＨｄａｙを指定し（ステップＳ２１０４）、Ｌｉｓｔ１から時間帯、曜日および平休日の値がそれぞれＴｚｏｎｅ、ＤｗｅｅｋおよびＤＨｄａｙに含まれる個人滞在エリアデータ１２４を取得し、Ｌｉｓｔ２＝｛ｐａ１，ｐａ２，…，ｐａｎ｝に保存する（ステップＳ２１０５）。

つぎに、特徴分析装置は、エリア特徴ｃｈｔｉごとに個人滞在エリアデータ１２４の数ｃｉを集計し、Ｍａｐ＝｛＜ｃｈｔ１，ｃ１＞，＜ｃｈｔ２，ｃ２＞，…，＜ｃｈｔｋ，ｃｋ＞｝に保存する（ステップＳ２１０６）。つぎに、特徴分析装置は、新しい個人特徴データｄａｔａを生成し（ステップＳ２１０７）、ｄａｔａの個人識別番号６０１をｉｄに設定する（ステップＳ２１０８）。つぎに、特徴分析装置は、ｄａｔａの対象期間６０２をＴ（ステップＳ２１０９）、ｄａｔａの時間帯６０３をＴｚｏｎｅ、曜日６０４をＤｗｅｅｋ、および平休日６０５をＤＨｄａｙに設定する（ステップＳ２１１０）。つぎに、特徴分析装置は、ｄａｔａの個人特徴６０６を件数ｃｉが最も大きいエリア特徴ｃｈｔｉに設定する（ステップＳ２１１１）。これによって、人が対象期間に各領域へ滞在した回数が、各領域の特徴ごとに集計され、その回数が最も多い特徴が当該人物の個人特徴として設定される。

そして、特徴分析装置は、未指定の時間帯、曜日、および平休日の値があるか否かを判断する（ステップＳ２１１２）。未指定の時間帯、曜日、および平休日の値がある場合（ステップＳ２１１２：Ｙｅｓ）、ステップＳ２１０４に戻り、特徴分析装置は、時間帯Ｔｚｏｎｅ、曜日Ｄｗｅｅｋ、および平休日ＤＨｄａｙを指定する（ステップＳ２１０４）。一方、全ての時間帯、曜日、および平休日を指定した場合（ステップＳ２１１２：Ｎｏ）、特徴分析装置は、データメモリ１０９に未処理の人流データ１２２が存在する可否かを判断する（ステップＳ２１１３）。未処理の人流データ１２２が存在する場合（ステップＳ２１１３：Ｙｅｓ）、ステップＳ２１０１に戻り、特徴分析装置は、データメモリ１０９から１件の人流データ１２２の個人識別番号ｉｄを取得する（ステップＳ２１０１）。一方、全ての人流データを処理した場合（ステップＳ２１１３：Ｎｏ）、特徴分析装置は、データメモリ１０９の個人特徴データ１２５を個人特徴データＤＢ１０４に格納し（ステップＳ２１１４）、個人特徴分析処理部１１７による個人特徴分析処理（ステップＳ７０９）を終了し、ステップＳ７１０に移行する。

以上の本発明の実施例によれば、ＰＯＩデータに基づいてエリアが生成され、ＰＯＩデータに含まれる業種等の特徴によってエリアの特徴が特定され、人流データに基づいて人物の各エリアへの滞在が判定され、エリアの特徴がそこに滞在した人物に与えられる。例えば、各人物のエリアへの滞在回数がエリアの特徴ごとに集計され、集計した滞在回数が最も多い特徴が各人物の特徴として与えられてもよい。これによって、エリアの特徴に基づいて人の特徴を分析することができる。

各エリアは、ＰＯＩデータの位置情報及び特徴に基づいて、例えば凸包生成アルゴリズム等を用いて生成されてもよい。これによって、自動的に適切なエリアを生成することができる。

また、エリアの特徴は、各エリアに含まれる特徴ごとのＰＯＩの数に、例えば検索ヒット数などの知名度に基づく重み付けをすることによって決定されてもよい。これによって、エリア内に種々の特徴を有するＰＯＩが含まれる場合にも適切にそのエリアの特徴を特定することができる。

上記のような処理は、例えば定期的に繰り返し実行されてもよい。その場合、２回目以降の実行においては、知名度の代わりに、それぞれのエリア内のＰＯＩへの人物の滞在回数を人物の特徴ごとに集計した値に基づく重み付けが行われてもよい。すなわち、エリアの特徴から人物の特徴が与えられ、人物の特徴からさらにエリアの特徴が与えられ、それが繰り返されてもよい。これによって、人物の特徴の分析精度が向上するとともに、例えば年月の経過等による実際のエリアの特徴の変化および人物の嗜好の変化等に応じて人物の特徴を分析することができる。

また、人流データに速度の情報が含まれていない場合には、時刻情報および位置情報に基づいて速度を計算してもよい。さらに、そのように計算された速度を用いて各ＰＯＩへの滞在を判定してもよい。これによって、ＰＯＩを単に通過した場合とそこに滞在した場合とを的確に区別して分析の精度を上げることができる。

また、土地利用分類に関する情報を取得して、所望の分類（例えば商業用地）に属するＰＯＩのみを対象として分析を行ってもよい。これによって、目的に適合した分析を行うことができる。さらに、各ＰＯＩの営業時間、定休日等の情報を取得して、時間帯ごとに各人物の特徴を分析してもよい。これによって、分析の精度を上げることができる。

なお、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施例は本発明のより良い理解のために詳細に説明したのであり、必ずしも説明の全ての構成を備えるものに限定されものではない。

また、上記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等によってハードウェアで実現してもよい。また、上記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによってソフトウェアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、不揮発性半導体メモリ、ハードディスクドライブ、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等の記憶デバイス、または、ＩＣカード、ＳＤカード、ＤＶＤ等の計算機読み取り可能な非一時的データ記憶媒体に格納することができる。

また、制御線及び情報線は説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線及び情報線を示しているとは限らない。実際にはほとんど全ての構成が相互に接続されていると考えてもよい。

１１２ ＰＯＩデータ補完処理部
１１３ 人流データ補完処理部
１１４ エリア作成処理部
１１５ エリア特徴分析処理部
１１６ 滞在エリア識別処理部
１１７ 個人特徴分析処理部

Claims (10)

1. プログラムを実行するプロセッサと、前記プロセッサに接続されるメモリと、を備える特徴分析装置であって、
   前記メモリは、複数の地点データおよび複数の人流データを保持し、
   前記各地点データは、各地点の位置情報と、前記各地点の特徴を示す情報と、を含み、
   前記各人流データは、各人物の時刻ごとの位置情報を含み、
   前記プロセッサは、
   前記複数の地点データに基づいて、各々が一つ以上の前記地点を含む複数の領域を生成する領域生成処理と、
   前記各領域に含まれる前記一つ以上の地点の特徴に基づいて、前記各領域の特徴を特定する領域特徴分析処理と、
   前記複数の領域および前記人流データに基づいて、各人物が滞在した領域を識別する滞在領域識別処理と、
   前記各人物が滞在した領域の特徴を前記各人物の特徴として特定する個人特徴分析処理と、を実行することを特徴とする特徴分析装置。
2. 請求項１に記載の特徴分析装置であって、
   前記個人特徴分析処理において、前記プロセッサは、
   所定の期間内の前記各人物の前記各領域への滞在回数を、前記各領域の特徴ごとに集計し、
   前記集計した滞在回数が最も多い前記特徴を前記各人物の特徴として特定することを特徴とする特徴分析装置。
3. 請求項１に記載の特徴分析装置であって、
   前記各地点の特徴を示す情報は、業種の情報を含み、
   前記領域生成処理において、前記プロセッサは、
   前記業種ごとの前記各地点の位置に基づいて、各領域が同一業種の一つ以上の地点を含むように前記複数の領域を生成し、
   前記複数の領域の少なくとも二つに共通範囲がある場合、前記少なくとも二つの領域の各々から前記共通範囲を除外し、前記共通範囲を新たな前記領域として生成することを特徴とする特徴分析装置。
4. 請求項３に記載の特徴分析装置であって、
   前記領域生成処理において、前記プロセッサは、凸包生成アルゴリズムによって前記複数の領域を生成することを特徴とする特徴分析装置。
5. 請求項３に記載の特徴分析装置であって、
   前記メモリは、前記各地点の知名度を保持し、
   前記領域特徴分析処理において、前記プロセッサは、
   前記各領域に含まれる前記各地点の知名度の高さを前記業種ごとに合計した値に応じて前記各業種の重み係数を計算し、
   前記各領域に含まれる前記各業種の地点の数に前記各業種の重み係数を乗じた値を前記各業種の重要度として計算し、
   前記重要度が最も大きい業種を前記各領域の特徴として特定することを特徴とする特徴分析装置。
6. 請求項５に記載の特徴分析装置であって、
   前記各地点の知名度は、前記各地点をインターネット上で検索した場合のヒット数であることを特徴とする特徴分析装置。
7. 請求項５に記載の特徴分析装置であって、
   前記プロセッサは、
   前記領域特徴分析処理、前記滞在領域識別処理および前記個人特徴分析処理を繰り返し実行し、
   ２回目以降の前記領域特徴分析処理において、前記人物の特徴として与えられた前記業種ごとに、前記各領域に含まれる前記各地点への人物の滞在回数を合計した値に応じて前記各業種の重み係数を計算することを特徴とする特徴分析装置。
8. 請求項１に記載の特徴分析装置であって、
   前記プロセッサは、
   前記人流データに含まれる前記各人物の時刻ごとの位置情報に基づいて、前記各人物の時刻ごとの移動速度を計算する人流データ補完処理を実行し、
   前記滞在領域識別処理において、いずれかの前記地点を含む所定の範囲においていずれかの人物の移動速度が所定の値より小さくなった場合に、当該人物が当該地点に滞在したと判定することを特徴とする特徴分析装置。
9. 請求項１に記載の特徴分析装置であって、
   前記プロセッサは、
   前記各地点の土地利用分類、営業時間および定休日を取得するＰＯＩデータ補完処理を実行し、
   前記土地利用分類が商業用地であるＰＯＩデータに基づいて前記領域生成処理を実行し、
   前記営業時間および定休日に基づいて、時間帯、曜日および平日・休日の区別ごとに前記領域特徴分析処理を実行することによって、時間帯、曜日および平日・休日の区別ごとの前記各領域の特徴を特定し、
   指定された時間帯、曜日および平日・休日の区別に対応する前記各領域の特徴と、前記指定された時間帯、曜日および平日・休日の区別に対応する前記人流データと、に基づいて、前記滞在領域識別処理および前記個人特徴分析処理を実行することによって、前記指定された時間帯、曜日および平日・休日の区別に対応する前記各人物の特徴を特定することを特徴とする特徴分析装置。
10. プログラムを実行するプロセッサと、前記プロセッサに接続されるメモリと、を備える計算機システムが実行する特徴分析方法であって、
    前記メモリは、複数の地点データおよび複数の人流データを保持し、
    前記各地点データは、各地点の位置情報と、前記各地点の特徴を示す情報と、を含み、
    前記各人流データは、各人物の時刻ごとの位置情報を含み、
    前記特徴分析方法は、
    前記プロセッサが、前記複数の地点データに基づいて、各々が一つ以上の前記地点を含む複数の領域を生成する領域生成処理と、
    前記プロセッサが、前記各領域に含まれる前記一つ以上の地点の特徴に基づいて、前記各領域の特徴を特定する領域特徴分析処理と、
    前記プロセッサが、前記複数の領域および前記人流データに基づいて、各人物が滞在した領域を識別する滞在領域識別処理と、
    前記プロセッサが、前記各人物が滞在した領域の特徴を前記各人物の特徴として特定する個人特徴分析処理と、を含むことを特徴とする特徴分析方法。