JP2019095895A

JP2019095895A - 人流量予測装置、方法、及びプログラム

Info

Publication number: JP2019095895A
Application number: JP2017222734A
Authority: JP
Inventors: 佑典田中; Sukenori Tanaka; 浩之戸田; Hiroyuki Toda
Original assignee: Nippon Telegraph and Telephone Corp
Current assignee: Nippon Telegraph and Telephone Corp
Priority date: 2017-11-20
Filing date: 2017-11-20
Publication date: 2019-06-20
Anticipated expiration: 2037-11-20
Also published as: JP6807822B2

Abstract

【課題】人間の位置情報の集合データと少数のユーザに関する移動履歴データとを入力として、ユーザの性質で分類したクラスタ毎に異なる人流を推定し、それぞれのクラスタに対して、人流量を精度良く予測する。【解決手段】人流量予測装置９０は、移動履歴データから、複数のユーザを複数種類のクラスタに分類し、各クラスタについて各観測点の各時刻における人の流出量の割合及び流入量の割合を各々算出するクラスタリング部７と、流出量の集合データ、流入量の集合データ、観測人数データ、並びに、人の流出量の割合及び流入量の割合に基づいて、クラスタ毎に、目的関数を最適化するように、遷移確率のパラメータ及び潜在変数を推定するパラメータ推定部１０と、検索部５により入力を受け付けた対象観測点、対象クラスタ、及び予測時刻に対して、対象クラスタについての予測時刻における対象観測点の予測流入量を算出する予測人流量算出部１３と、を備える。【選択図】図１

Description

本発明は、人流量予測装置、方法、及びプログラムに係り、特に、人間の位置情報の履歴に基づいて、観測点間を移動する人流量の予測を行う人流量予測装置、方法、及びプログラムに関する。

センサ、Ｗｉ-Ｆｉ（登録商標）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、カメラ、レーザ等を用いて得られる人間の位置情報は、プライバシーの観点から個人を追跡できないよう集合データ（aggregated data）として提供されることがある。集合データとは、時間及び空間に対してある粒度でサンプルを集計したデータのことを指す。

具体的には、ある観測時刻ｔにおいて、ある観測点ｉから流出した人数（流出量）と、ある観測点ｉに流入した人数（流入量）とが与えられる。従来技術として、人間が移動する観測点間のつながりをグラフで表現し、グラフ上の人の流れを確率モデルにより表現することで、集合データに基づいて観測点間を移動する人数を推定し、将来の人流量の予測を行う手法（Collective Flow Diffusion Model）が提案されている（例えば、非特許文献１参照）。

また、このような従来技術では、“ある観測時刻ｔにおいて任意の観測点から流出した人の合計人数と、次の観測時刻（ｔ＋１）において任意の観測点に流入する人の合計人数は等しい”という「移動人数の保存」を表す制約を加味した最適化問題を解くことによって、観測点間の移動人数を推定しつつ確率モデルを学習可能なアルゴリズムが提案されている（例えば、非特許文献２参照）。

学習済みの確率モデルを用いることによって、観測時刻（ｔ’-１）における各観測点からの流出量を与えると、将来の時刻ｔ’における各観測点への流入量を予測することが可能である。

Kumar, D. Sheldon, and B. Srivastava, "Collective Diffusion over Networks: Models and Inference", In Proceedings of International Conference on Uncertainty in Artificial Intelligence (UAI), pp. 351-360, 2013. Sheldon, T. Sun, A. Kumar, and T. G. Dietterich, "Approximate Inference in Collective Graphical Models", In Proceedings of International Conference on Machine Learning (ICML), pp. 1004-1012, 2013.

ところで、上記の従来技術はいずれも、観測データに基づき、観測された人全体についての人流分析、及び、人流量の予測を行う技術である。そのため、ユーザの性質（例えば、訪問する場所に対する嗜好、移動手段等）で分類したクラスタ毎に人流分析や人流量の予測を行うことは困難である。

本発明は、上記の事情に鑑みてなされたものであり、人間の位置情報の集合データと少数のユーザに関する移動履歴データとを入力として、ユーザの性質で分類したクラスタ毎に異なる人流を推定し、それぞれのクラスタに対して、人流量を精度良く予測することができる人流量予測装置、方法、及びプログラムを提供することを目的とする。

上記目的を達成するために、第１の発明に係る人流量予測装置は、複数のユーザについて観測した、観測点のペア間での移動毎に、出発観測点、出発時刻、到着観測点、及び到着時刻が対応付けられた移動履歴データから得られる特徴量に基づいて、前記複数のユーザを複数種類のクラスタに分類し、各クラスタに分類された各ユーザの移動履歴データを用いて、各クラスタについて各観測点の各時刻における人の流出量の割合及び流入量の割合を各々算出するクラスタリング部と、前記観測点の各々における各時刻の人の流出量からなる集合データ、前記観測点の各々における各時刻の人の流入量からなる集合データ、前記移動履歴データ及び前記複数のユーザの分類結果からクラスタ毎に得られる、前記観測点のペアの各々についての一方から他方へ向かって移動した各時刻の移動人数を表す観測人数データ、並びに、前記クラスタリング部により各クラスタについて算出された各観測点の各時刻における人の流出量の割合及び流入量の割合に基づいて、クラスタ毎に、前記流出量の集合データ、前記流入量の集合データ、前記観測点のペアの各々についての一方から他方へ人が移動する遷移確率、及び前記観測点のペアの各々についての一方から他方へ向かって移動した各時刻の移動人数を表す潜在変数を用いて表される目的関数を最適化するように、前記遷移確率のパラメータ及び前記潜在変数を推定するパラメータ推定部と、予測の対象とする対象観測点、対象クラスタ、及び予測時刻の入力を受け付ける検索部と、前記検索部により入力を受け付けた対象観測点、対象クラスタ、及び予測時刻に対して、前記パラメータ推定部により推定された、前記対象観測点以外の観測点から前記対象観測点へ移動する前記遷移確率のパラメータと、前記パラメータ推定部により推定された、前記予測時刻より前の時刻についての、前記対象観測点以外の観測点から前記対象観測点へ向かって移動した移動人数を表す前記潜在変数と、前記対象クラスタにおける前記対象観測点からの人の流出量の割合と、前記予測時刻より前の時刻についての、前記対象観測点以外の観測点からの人の流出量とに基づいて、前記対象クラスタについての前記予測時刻における前記対象観測点の予測流入量を算出する予測人流量算出部と、を備えている。

また、第２の発明に係る人流量予測装置は、第１の発明において、前記パラメータ推定部が、前記遷移確率のパラメータを固定して前記潜在変数を算出するステップと、前記潜在変数を固定して前記遷移確率のパラメータを算出するステップとを繰り返すことにより、前記目的関数を最適化する、前記遷移確率のパラメータ及び前記潜在変数を推定することをクラスタ毎に行う。

また、第３の発明に係る人流量予測装置は、第１又は第２の発明において、前記対象クラスタについて、前記予測人流量算出部が、前記予測時刻における前記対象観測点の予測流入量に基づいて、前記予測時刻における、前記対象観測点の予測流出量を計算し、前記対象観測点の各時刻の人の流入量、各時刻の人の流出量、前記予測流入量、及び前記予測流出量に基づいて、前記対象観測点における人口の推移を算出する。

一方、上記目的を達成するために、第４の発明に係る人流量予測方法は、クラスタリング部が、複数のユーザについて観測した、観測点のペア間での移動毎に、出発観測点、出発時刻、到着観測点、及び到着時刻が対応付けられた移動履歴データから得られる特徴量に基づいて、前記複数のユーザを複数種類のクラスタに分類し、各クラスタに分類された各ユーザの移動履歴データを用いて、各クラスタについて各観測点の各時刻における人の流出量の割合及び流入量の割合を各々算出するステップと、パラメータ推定部が、前記観測点の各々における各時刻の人の流出量からなる集合データ、前記観測点の各々における各時刻の人の流入量からなる集合データ、前記移動履歴データ及び前記複数のユーザの分類結果からクラスタ毎に得られる、前記観測点のペアの各々についての一方から他方へ向かって移動した各時刻の移動人数を表す観測人数データ、並びに、前記クラスタリング部により各クラスタについて算出された各観測点の各時刻における人の流出量の割合及び流入量の割合に基づいて、クラスタ毎に、前記流出量の集合データ、前記流入量の集合データ、前記観測点のペアの各々についての一方から他方へ人が移動する遷移確率、及び前記観測点のペアの各々についての一方から他方へ向かって移動した各時刻の移動人数を表す潜在変数を用いて表される目的関数を最適化するように、前記遷移確率のパラメータ及び前記潜在変数を推定するステップと、検索部が、予測の対象とする対象観測点、対象クラスタ、及び予測時刻の入力を受け付けるステップと、予測人流量算出部が、前記検索部により入力を受け付けた対象観測点、対象クラスタ、及び予測時刻に対して、前記パラメータ推定部により推定された、前記対象観測点以外の観測点から前記対象観測点へ移動する前記遷移確率のパラメータと、前記パラメータ推定部により推定された、前記予測時刻より前の時刻についての、前記対象観測点以外の観測点から前記対象観測点へ向かって移動した移動人数を表す前記潜在変数と、前記対象クラスタにおける前記対象観測点からの人の流出量の割合と、前記予測時刻より前の時刻についての、前記対象観測点以外の観測点からの人の流出量とに基づいて、前記対象クラスタについての前記予測時刻における前記対象観測点の予測流入量を算出するステップと、を含む。

更に、上記目的を達成するために、第５の発明に係るプログラムは、コンピュータを、第１〜第３のいずれか１の発明に係る人流量予測装置が備える各部として機能させる。

以上説明したように、本発明に係る人流量予測装置、方法、及びプログラムによれば、人間の位置情報の集合データと少数のユーザに関する移動履歴データとを入力として、ユーザの性質で分類したクラスタ毎に異なる人流を推定し、それぞれのクラスタに対して、人流量を精度良く予測することができる。

実施形態に係る人流量予測装置の機能的な構成の一例を示すブロック図である。実施形態に係る流入量格納部に格納されている情報の一例を示す模式図である。実施形態に係る流出量格納部に格納されている情報の一例を示す模式図である。実施形態に係る移動履歴格納部に格納されている情報の一例を示す模式図である。実施形態に係る人流量予測装置により実行される予測人流量算出処理の流れの一例を示すフローチャートである。実施形態に係る人流量予測装置の検索部が検索を行った場合の出力部からの出力内容の一例を示す模式図である。

以下、図面を参照して、本発明を実施するための形態の一例について詳細に説明する。

本実施形態に係る人流量予測装置は、人が移動する観測点間のつながりをグラフで表現し、グラフ上の人の流れを確率モデルにより表現する。本実施形態に係る人流量予測装置は、人間の位置情報の集合データと少数のユーザに関する移動履歴データとに基づいて、ユーザの性質で分類したクラスタ毎に異なる人流を推定可能な確率モデルを学習する機能を有し、学習済みの確率モデルを用いることにより将来の時刻におけるクラスタ毎の人流量の予測を行う。

本実施形態では、「クラスタ毎の観測点間の遷移確率」と、「クラスタ毎の各時刻における観測点間の移動人数を表す潜在変数」とを未知変数とする確率モデルに基づいて、観測データから最適化アルゴリズムを用いて確率モデルの未知変数を推定する。

本実施形態では、様々な位置情報の集合データを対象とし、観測により得られた集合データに応じて柔軟に適用できる。

なお、ここでいう位置情報とは、屋内及び屋外におけるセンサや、Ｂｌｕｅｔｏｏｔｈ（登録商標）、カメラ、Ｗｉ-Ｆｉ（登録商標）等によって取得された位置情報である。また、ここでいう集合データとは、時間及び空間に対して所定の粒度でサンプルを集計したデータのことを指す。また、ここで、対象とする集合データは、個人が“どこからどこへ行ったか”という追跡を行うことができないようになっているものとする。なお、実用的な場面では、上記の集合データに加えて、少数のユーザについては詳細な追跡が可能な場合が考えられる。例えば、少数のユーザに対しては、Ｗｉ-Ｆｉ（登録商標）の識別子を用いて追跡ができるが、大多数のユーザに対しては、観測点に置かれたカメラによって集合データしか取得できない場合等が挙げられる。

以下、実施形態として、一般的な位置情報の集合データと少数のユーザに関する移動履歴データとが与えられた条件の下で、ユーザの性質を表すクラスタ毎に、観測点間の移動人数を推定しつつ確率モデルの学習を行い、将来の時刻における人流量の予測を行う場合について説明する。

図１は、本実施形態に係る人流量予測装置９０の機能的な構成の一例を示すブロック図である。
図１に示すように、本実施形態に係る人流量予測装置９０は、流入量格納部１、流出量格納部２、移動履歴格納部３、操作部４、検索部５、ユーザクラスタリング部６、人流量モデル学習部９、予測人流量算出部１３、及び出力部１４を備えている。

また、ユーザクラスタリング部６は、クラスタリング部７及び割合格納部８を含んで構成され、人流量モデル学習部９は、パラメータ推定部１０、遷移確率パラメータ格納部１１、及び移動人数格納部１２を含んで構成されている。

このうち、操作部４及びパラメータ推定部１０は、観測点における人の流入量格納部１、観測点における人の流出量格納部２、及び少数のユーザに関する移動履歴格納部３の各々と接続されている。また、クラスタリング部７は、少数のユーザに関する移動履歴格納部３と接続されている。さらに、予測人流量算出部１３は、流出量格納部２と接続されている。

本実施形態に係る流入量格納部１は、人流量予測装置９０によって解析され得る集合データであって、複数の観測点の各々における各時刻の人の流入量からなる集合データを格納している。流入量格納部１は、人流量モデル学習部９からの要求にしたがって、要求された集合データを読み出し、読み出した集合データを人流量モデル学習部９に送信する。

例えば、観測点をｉとし、観測時刻をｔとしたとき、観測点ｉにおける人の流入量をＮ_ｔｉ ^ＩＮと表す。また、流入量格納部１に格納されているデータ形式を（ｉ，ｔ，Ｎ_ｔｉ ^ＩＮ）と表す。このデータ形式は、観測点ｉから時刻ｔにＮ_ｔｉ ^ＩＮの人数の人が流入したことを意味する。なお、流入量格納部１は、Ｗｅｂサーバ及びデータベースを具備するデータベースサーバ等で構成されていても良い。

図２は、本実施形態に係る流入量格納部１に格納されている情報の一例を示す模式図である。
一例として図２に示すように、流入量格納部１には、時刻ステップ毎に、観測点を識別するための観測点ＩＤ、流入量（人数）、及び観測時刻が対応付けられて格納されている。

本実施形態に係る流出量格納部２は、人流量予測装置９０によって解析され得る集合データであって、複数の観測点の各々における各時刻の人の流出量からなる集合データを格納している。流出量格納部２は、人流量モデル学習部９からの要求にしたがって、要求された集合データを読み出し、読み出した集合データを人流量モデル学習部９に送信する。

例えば、観測点をｉとし、観測時刻をｔとしたとき、観測点ｉにおける人の流出量をＮ_ｔｉ ^ＯＵＴと表す。また、流出量格納部２に格納されているデータ形式を（ｉ，ｔ，Ｎ_ｔｉ ^ＯＵＴ）と表す。このデータ形式は、観測点ｉから時刻ｔにＮ_ｔｉ ^ＯＵＴの人数の人が流出したことを意味する。なお、流出量格納部２は、Ｗｅｂサーバ及びデータベースを具備するデータベースサーバ等で構成されていても良い。

図３は、本実施形態に係る流出量格納部２に格納されている情報の一例を示す模式図である。
一例として図３に示すように、流出量格納部２には、時刻ステップ毎に、観測点を識別するための観測点ＩＤ、流出量（人数）、及び観測時刻が対応付けられて格納されている。

本実施形態に係る移動履歴格納部３は、人流量予測装置９０によって解析され得る少数のユーザに関する移動履歴の集合データを格納している。移動履歴格納部３は、ユーザクラスタリング部６及び人流量モデル学習部９の各々からの要求にしたがって、要求された集合データを読み出し、読み出した集合データをユーザクラスタリング部６及び人流量モデル学習部９の各々に送信する。

移動履歴格納部３に格納されているデータ形式を（ｕ，ｉ，ｔ^ｏｕｔ，ｊ，ｔ^ｉｎ）と表す。このデータ形式は、ユーザｕが時刻ｔ^ｏｕｔに観測点ｉを出発し、時刻ｔ^ｉｎに観測点ｊに到着することを意味する。なお、移動履歴格納部３は、Ｗｅｂサーバ及びデータベースを具備するデータベースサーバ等で構成されていても良い。

図４は、本実施形態に係る移動履歴格納部３に格納されている情報の一例を示す模式図である。
一例として図４に示すように、移動履歴格納部３には、ユーザの移動毎に、ユーザＩＤ、出発観測点を識別するための出発観測点ＩＤ、出発時刻、到着観測点を識別するための到着観測点ＩＤ、及び到着時刻を含む移動履歴の集合データ（以下、移動履歴データともいう。）が格納されている。つまり、この移動履歴データとは、複数のユーザについて観測した、観測点のペア間での移動毎に、出発観測点、出発時刻、到着観測点、及び到着時刻が対応付けられたデータである。

本実施形態に係る操作部４は、流入量格納部１、流出量格納部２、及び移動履歴格納部３の各々に格納されている集合データに対するユーザからの各種操作を受け付ける。ここでいう各種操作とは、格納されている集合データを登録する操作、修正する操作、削除する操作等である。なお、操作部４は、入力手段として、キーボード、マウス、タッチパネル等を備えており、これらの入力手段のデバイスドライバ、メニュー画面の制御ソフトウェア等で実現される。

本実施形態に係る検索部５は、人流量の予測を行う対象とする対象観測点ｉ、対象クラスタｋ、及び予測時刻ｔ’の入力を受け付ける。検索部５で入力を受け付けられた対象観測点ｉ、対象クラスタｋ、及び予測時刻ｔ’に対して、各々後述する、観測点間の遷移確率のパラメータと、観測点間の移動人数を表す潜在変数と、対象クラスタｋにおける対象観測点ｉからの流出量の割合と、予測時刻ｔ’の１時刻ステップ前の時刻（ｔ’-１）における対象観測点ｉ以外の観測点からの流出量とに基づいて、対象観測点ｉにおける予測人流量が出力される。なお、検索部５は、入力手段として、キーボード、マウス、タッチパネル等を備えており、これらの入力手段のデバイスドライバ、メニュー画面の制御ソフトウェア等で実現される。

本実施形態に係る人流量予測装置９０は、ＣＰＵ（Central Processing Unit）、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、及びＨＤＤ（Hard Disk Drive）等を備えたコンピュータとして構成される。ＲＯＭには、本実施形態に係る人流量予測プログラムが記憶されている。なお、人流量予測プログラムは、ＨＤＤに記憶されていてもよい。

上記の人流量予測プログラムは、例えば、人流量予測装置９０に予めインストールされていてもよい。この人流量予測プログラムは、不揮発性の記憶媒体に記憶して、又は、ネットワークを介して配布して、人流量予測装置９０に適宜インストールすることで実現してもよい。なお、不揮発性の記憶媒体の例としては、ＣＤ-ＲＯＭ（Compact Disc Read Only Memory）、光磁気ディスク、ＤＶＤ-ＲＯＭ（Digital Versatile Disc Read Only Memory）、フラッシュメモリ、メモリカード等が挙げられる。

ＣＰＵは、ＲＯＭに記憶されている人流量予測プログラムを読み込んで実行することにより、上記のクラスタリング部７、パラメータ推定部１０、検索部５、予測人流量算出部１３、及び出力部１４として機能する。

本実施形態に係るクラスタリング部７は、移動履歴格納部３に格納されている少数のユーザに関する移動履歴の集合データを取得する。クラスタリング部７は、少数のユーザに関する移動履歴データから得られる特徴量に基づいて、少数のユーザを複数種類のクラスタに分類する。クラスタリング部７は、各クラスタに分類された各ユーザの移動履歴データを用いて、各クラスタについて各観測点の各時刻における人の流出量の割合及び流入量の割合（以下、単に、「流出量の割合」及び「流入量の割合」という。）を各々算出し、算出したクラスタ毎の流出量の割合及び流入量の割合を割合格納部８に格納する。

本実施形態にパラメータ推定部１０は、流入量格納部１に格納されている流入量の集合データ、流出量格納部２に格納されている流出量の集合データ、移動履歴格納部３に格納されている移動履歴の集合データ、並びに、割合格納部８に格納されているクラスタ毎の流入量の割合及び流出量の割合を取得する。パラメータ推定部１０は、移動履歴格納部３から取得した移動履歴の集合データ及び少数のユーザの分類結果に基づいて、クラスタ毎に、観測点のペアの各々についての一方から他方へ向かって移動した各時刻の移動人数を表す観測人数データを求める。パラメータ推定部１０は、これらの流入量の集合データ、流出量の集合データ、観測人数データ、流入量の割合、及び流出量の割合に基づいて、クラスタ毎に、流入量の集合データ、流出量の集合データ、遷移確率、及び潜在変数を用いて表される目的関数を最適化するように、遷移確率のパラメータ及び潜在変数を推定する。なお、遷移確率とは、観測点のペアの各々についての一方から他方へ人が移動する確率を表し、潜在変数とは、観測点のペアの各々についての一方から他方へ向かって移動した各時刻の移動人数を表す。

パラメータ推定部１０は、上記で推定した遷移確率のパラメータを、遷移確率パラメータ格納部１１に格納する。また、パラメータ推定部１０は、上記で潜在変数として推定した移動人数を、移動人数格納部１２に格納する。

本実施形態に係る予測人流量算出部１３は、検索部５により入力を受け付けた対象観測点、対象クラスタ、及び予測時刻に対して、遷移確率パラメータ格納部１１から、対象観測点以外の観測点から対象観測点へ移動する遷移確率のパラメータを取得し、移動人数格納部１２から、予測時刻より前の時刻についての、対象観測点以外の観測点から対象観測点へ向かって移動した移動人数を表す潜在変数を取得し、割合格納部８から、対象クラスタにおける対象観測点からの人の流出量の割合を取得し、流出量格納部２から、予測時刻より前の時刻についての、対象観測点以外の観測点からの人の流出量を取得する。予測人流量算出部１３は、上記で取得した遷移確率のパラメータ、潜在変数、流出量の割合、及び流出量に基づいて、対象クラスタについての予測時刻における対象観測点の予測流入量を算出する。

本実施形態に係る出力部１４は、予測人流量算出部１３により算出された予測流入量を出力する。

本実施形態では、上記のクラスタリング部７を組み込んだ上に、人間の位置情報の集合データと少数のユーザに関する移動履歴データとを入力として、クラスタ毎に、観測点間のつながりをグラフとして表現し、グラフ上において人の流れを確率モデルにより表現する。

以下、人の流れが表現された確率モデルについて具体的に説明する。

＜観測データ＞
ここでは、任意の２頂点間に枝があるグラフである完全グラフＧ＝（Ｖ，Ｅ）上を、人が移動する状況について考える。なお、Ｖはノード集合を表し、Ｅはエッジ集合を表す。

ここで、ノードｉは観測点に、エッジＥは観測点間をつなぐ通路等に対応する。時刻ｔにおいてノードｉ∈Ｖから流出する人の人数をＮ_ｔｉ ^ＯＵＴとし、時刻（ｔ+１）においてノードｉ∈Ｖに流入する人の人数をＮ_{ｔ+１，ｉ} ^ＩＮとする。観測時間ステップの数をＴとしたとき、観測点における人の流出量は、

と表され、観測点における人の流入量は、

と表される。

＜観測人数データ＞
また、移動履歴格納部３に格納されている集合データ（ｕ，ｉ，ｔ^ｏｕｔ，ｊ，ｔ^ｉｎ）を用いて算出可能な、時刻ｔにおいて観測点ｉから観測点ｊへ移動する人数をＬ_ｔｉｊとし、観測点ｉから他の観測点ｊへ移動する人数をまとめて、

と表す。ここで、

は、ノード集合Ｖからノードｉを除くことを意味する。また、

とする。

＜モデルパラメータ＞
クラスタｋに属する人々が、ノードｉから他のノードｊへと移動する遷移確率のパラメータを、

とする。

を満たす。全てのノード間の遷移確率のパラメータをまとめて、

と表す。ここで、Ｋはクラスタ数を表す。

＜潜在変数＞
クラスタｋに属する人々が、時刻ｔにおいてノードｉからノードｊへ移動する人数をＭ_ｋｔｉｊとし、ノードｉから他のノードｊへ移動する人数をまとめて、

と表す。これらの値は観測不可能であるものとし、

を潜在変数とする。

＜クラスタリング＞
まず、クラスタリング部７は、移動履歴格納部３に格納されている移動履歴データ（ｕ，ｉ，ｔ^ｏｕｔ，ｊ，ｔ^ｉｎ）を用いて、ユーザの移動傾向を分析し、ユーザのクラスタリングを行う。

まず、少数のユーザ集合をＵとして、そのユーザ集合Ｕに含まれるユーザｕの移動傾向を表す特徴ベクトルを

とする。ここで、Ｄは特徴ベクトルの次元数を表す。特徴ベクトルを表す特徴量ｘ_ｕｄには、どのようなものを用いてもよい。特徴量ｘ_ｕｄには、例えば、ユーザｕが観測点ｄに滞在した時間や、滞在した回数等が適用される。この特徴ベクトルを用いて、クラスタリング手法を適用することにより、ユーザクラスタＵ_ｋを求める。ユーザクラスタＵ_ｋは、クラスタｋに割り当てられたユーザ集合Ｕを表す。ここで、クラスタリング手法としては、特に限定されるものではないが、例えば、ｋ-ｍｅａｎｓ法等が適用される。

次に、クラスタリング部７は、各クラスタに含まれるユーザ集合Ｕ_ｋに対して、各ユーザの移動履歴データ（ｕ，ｉ，ｔ^ｏｕｔ，ｊ，ｔ^ｉｎ）を用いて、出発人数Ｒ_ｋｔｉ ^ｏｕｔ及び到着人数Ｒ_{ｋ，ｔ+１，ｉ} ^ｉｎを算出する。ここで、出発人数Ｒ_ｋｔｉ ^ｏｕｔは、クラスタｋに属するユーザが、時刻ｔにノードｉを出発した人数を表し、到着人数Ｒ_{ｋ，ｔ+１，ｉ} ^ｉｎは、クラスタｋに属するユーザが、時刻（ｔ+１）にノードｉに到着した人数を表す。これらの出発人数Ｒ_ｋｔｉ ^ｏｕｔ及び到着人数Ｒ_{ｋ，ｔ+１，ｉ} ^ｉｎを用いて、クラスタｋにおけるノードｉからの流出量の割合

と、クラスタｋにおけるノードｉへの流入量の割合

とを、以下に示す式（１）及び式（２）により算出する。

（１）

（２）

これらをまとめて、

を割合格納部８に格納する。

＜モデル＞
まず、パラメータ推定部１０は、割合格納部８に格納されているクラスタ毎の流入量の割合及び流出量の割合を用いて、観測された流入量Ｎ^ｉｎ及び流出量Ｎ^ｏｕｔをクラスタ毎に分割する。具体的には、上記移動履歴データから算出された流出量の割合

及び流入量の割合

を用いて、以下に示す式（３）及び式（４）に従って分割を行う。

（３）

（４）

クラスタｋの流入量の集合を、

クラスタｋの流出量の集合を、

とする。

次に、パラメータ推定部１０は、移動履歴格納部３に格納されている移動履歴データ（ｕ，ｉ，ｔ^ｏｕｔ，ｊ，ｔ^ｉｎ）と、クラスタリング部７により得られた出発人数Ｒ_ｋｔｉ ^ｏｕｔとを用いて、クラスタｋに属する少数のユーザに対して、時間ステップｔにおいて場所ｉから場所ｊへと移動した人数Ｌ_ｋｔｉｊを計算する。クラスタｋの移動人数をまとめて、

とする。

以下では、各クラスタｋに対して独立に、

を推定する方法について述べる。遷移確率のパラメータθ_ｋｉと、流出量の集合Ｎ_ｋｔｉ ^ｏｕｔと、出発人数Ｒ_ｋｔｉ ^ｏｕｔとが与えられた場合、Ｍ_ｋｔｉ＋Ｌ_ｋｔｉは、多項分布

（５）

から生成されるものと仮定する。このとき、移動人数を表す潜在変数Ｍ_ｋｔｉｊは、以下に示す二つの関係式を満たすものとする。

（６）

（７）

ここで、式（６）は、クラスタｋに属し、時刻ｔにおいて、観測点ｉを出発した人の移動人数の和が、実際に観測された流出量に等しいことを意味する。また、式（７）は、クラスタｋに属し、時刻（ｔ＋１）において、観測点ｉに移動してきた人数の和が、実際に観測された流入量に等しいことを意味する。

パラメータ推定部１０は、上記の確率モデルに従って、観測データが生成されたと仮定した上で、観測点間の遷移確率のパラメータΘ、観測点間の移動人数を表す潜在変数Ｍを推定する。これらの未知変数は、様々な最適化手法（例えば、勾配に基づく最適化法や、マルコフ連鎖モンテカルロサンプリング法等）によって推定可能であるが、ここでは、一例として、以下に示す非特許文献３を参照して、勾配に基づく最適化法の一つであるＬ-ＢＦＧＳ-Ｂ法に基づいて、パラメータを推定する手法について述べる。

非特許文献３．R. H. Byrd, P. Lu, J. Nocedal, and C. Zhu, “A Limited Memory Algorithm for Bound Constrained Optimization”, SIAM Journal on Scientific Computing, vol. 16, pp. 1190-1208, 1995.

＜Ｌ-ＢＦＧＳ-Ｂ法に基づくパラメータ推定手法＞
上記式（５）より、対数尤度関数は、

（８）

と表される。ここで、スターリン近似

を用いた。

上記式（６）及び式（７）の制約を加味しつつ、上記式（８）が最大になるような、潜在変数Ｍ_ｋ及び遷移確率のパラメータ

を推定することを考える。現実においては観測ノイズがあるため、上記式（６）及び式（７）を厳密に満たすことは難しい。そこで、ソフトな制約を加味した目的関数を最大化することを考える。目的関数を、

（９）

とする。ここで、σは制約を加味する程度を決めるハイパーパラメータであり、交差検定法等を用いて決定することができる。上記式（９）を、潜在変数Ｍ_ｋ及び遷移確率のパラメータθ_ｋについて交互に最大化することにより局所最適解を得ることができる。つまり、パラメータ推定部１０は、遷移確率のパラメータθ_ｋを固定して潜在変数Ｍ_ｋを算出するステップと、潜在変数Ｍ_ｋを固定して遷移確率のパラメータθ_ｋを算出するステップとを繰り返すことにより、上記式（９）により示される目的関数を最適化する、遷移確率のパラメータ及び潜在変数を推定することをクラスタ毎に行う。まず、潜在変数Ｍ_ｋについての最適化は、遷移確率のパラメータθ_ｋを固定した上で、以下の最適化問題を解く。

（１０）

この最適化問題は、潜在変数Ｍ_ｋｔｉｊの定義域を制約として考慮できるＬ-ＢＦＧＳ-Ｂ法（非特許文献３）によって解くことができる。

次に、潜在変数Ｍ_ｋを固定した場合、遷移確率のパラメータθ_ｋの最尤推定値は、閉形式で求めることができ、

（１１）

と記述される。

上記式（１０）及び式（１１）を、目的関数である上記式（９）の値が収束するまで交互に繰り返すことにより

を得る。さらに、以上の処理を各クラスタｋについて独立に行うことによって、

を得ることができる。そして、潜在変数

は、移動人数格納部１２に格納され、遷移確率のパラメータ

は、遷移確率パラメータ格納部１１に各々格納される。

なお、遷移確率パラメータ格納部１１は、上記遷移確率のパラメータを格納すると共に、復元可能な記憶装置であれば特に限定されない。例えば、遷移確率パラメータ格納部１１自体がデータベースであってもよく、遷移確率パラメータ格納部１１が人流量予測装置９０に予め設けられた汎用的な記憶装置（メモリ、ハードディスク装置等）の特定領域であってもよい。

同様に、移動人数格納部１２は、上記潜在変数を格納すると共に、復元可能な記憶装置であれば特に限定されない。例えば、移動人数格納部１２自体がデータベースであってもよく、移動人数格納部１２が人流量予測装置９０に予め設けられた汎用的な記憶装置（メモリ、ハードディスク装置等）の特定領域であってもよい。

予測人流量算出部１３は、検索部５を介して対象観測点ｉ、対象クラスタｋ、及び予測時刻ｔ’の入力を受け付けた場合、上述したように、遷移確率パラメータ格納部１１に格納された遷移確率のパラメータ

と、移動人数格納部１２に格納された潜在変数

と、割合格納部８に格納された流出量の割合

と、流出量格納部２に格納された、予測時刻ｔ’の１時刻ステップ前の時刻（ｔ’-１）における観測点ｉ以外の観測点からの流出量Ｎ_{ｔ’-１，ｊ} ^ｏｕｔとに基づいて、対象クラスタｋについての予測時刻ｔ’における観測点ｉの予測人流量（観測点ｉへの流入量）を計算する。

次に、図５を参照して、本実施形態に係る人流量予測装置９０の作用を説明する。なお、図５は、本実施形態に係る人流量予測装置９０により実行される予測人流量算出処理の流れの一例を示すフローチャートである。

本実施形態に係る予測人流量算出処理のプログラムは、操作部４を用いて予め定められた操作が行われたタイミングで開始される。

図５のステップ１００では、予測人流量算出部１３が、検索部５を介して、対象観測点ｉ、対象クラスタｋ、及び予測時刻ｔ’の入力を受け付ける。

ステップ１０２では、予測人流量算出部１３が、予測流入量Ｃ_{ｋｔ’ｊｉ}を０に初期化する。

ステップ１０４では、予測人流量算出部１３が、一時変数ｊを０に初期化する。

ステップ１０６では、予測人流量算出部１３が、観測点ｊがノード集合Ｖ_＼ｉに帰属するか否かを判定する。観測点ｊがノード集合Ｖ_＼ｉに帰属すると判定した場合（肯定判定の場合）、ステップ１０８に移行する。また、観測点ｊがノード集合Ｖ_＼ｉに帰属しないと判定した場合（否定判定の場合）、本プログラムによる一連の予測人流量算出処理を終了する。

ステップ１０８では、予測人流量算出部１３が、検索部５で指定されたクラスタｋに対して、観測点ｉ以外の観測点ｊ∈Ｖ_＼ｉから、予測時刻ｔ’の１時刻ステップ前の時刻（ｔ’-１）に流出した人数Ｎ_{ｋ，ｔ’-１，ｊ} ^ｏｕｔを、下記に示す式（１２）を用いて計算する。

（１２）

なお、

は、割合格納部８に格納された流出量の割合を示し、Ｎ_{ｔ’-１，ｊ} ^ｏｕｔは、時刻（ｔ’-１）において観測された観測点ｉ以外の観測点ｊ∈Ｖ_＼ｉからの人の流出量を示す。

ステップ１１０では、予測人流量算出部１３が、検索部５で指定されたクラスタｋに対して、観測点ｉ以外の観測点ｊ∈Ｖ_＼ｉから、予測時刻ｔ’の１時刻ステップ前の時刻（ｔ’-１）に流出し、観測点ｉへと移動する移動人数

を、下記に示す式（１３）を用いて計算する。

（１３）

なお、

は、遷移確率パラメータ格納部１１に格納された遷移確率のパラメータを示し、Ｎ_{ｋ，ｔ’-１，ｊ} ^ｏｕｔは、上記ステップ１０８で算出されたクラスタｋに対する流出人数を示している。

ステップ１１２では、予測人流量算出部１３が、予測時刻ｔ’より前の時刻（ｔ’-１）に観測点ｉ以外の観測点ｊ∈Ｖ_＼ｉから流出し、予測時刻ｔ’に観測点ｉに流入する流入量の総和Ｃ_{ｋｔ’ｊｉ}を、下記に示す式（１４）を用いて計算する。

（１４）

なお、

は、上記ステップ１１０で算出された移動人数を示し、右辺のＣ_{ｋｔ’ｊｉ}は、前回のステップ１１２で算出された流入量を示す。

ステップ１１４では、予測人流量算出部１３が、一時変数ｊに１を加算して、ステップ１０６に移行して処理を繰り返す。

出力部１４は、以上のようにして予測人流量算出部１３により算出された流入量の総和Ｃ_{ｋｔ’ｊｉ}に基づき、検索部５で指定された観測点ｉを対象として予測流入量を出力する。出力部１４は、それと同時に、観測点ｉへの予測流入量を用いることで将来の時刻ｔ’における観測点ｉの人口の予測値を出力する。このとき、人口を計算するためには、将来の時刻ｔ’における予測流入量に加えて、予測流出量が必要となる。予測流出量の計算方法としては、過去の時刻における観測点ｉからの流出量に基づき、観測点ｉにおける人口に対する流出量の割合を求めておき、この割合にしたがって将来の時刻ｔ’における予測流出量を計算する方法を用いる。このように、将来の時刻ｔ’における観測点ｉの予測流入量に基づき、将来の時刻ｔ’における、観測点ｉの予測流出量を計算し、観測点ｉの各時刻の人の流入量、各時刻の人の流出量、将来の時刻ｔ’における予測流入量、及び将来の時刻ｔ’における予測流出量に基づいて、観測点ｉにおける人口の推移を算出する。さらに、出力部１４は、遷移確率パラメータ格納部１１に格納されている遷移確率のパラメータ

を用いて観測点間の人の流れやすさを表す人流グラフを可視化した結果を出力する。ここで、出力とは、ディスプレイへの表示、プリンタへの印字、音出力、外部装置への送信等を含む概念である。また、出力部１４は、ディスプレイ、スピーカ等の出力デバイスを含むと考えても含まないと考えてもよい。出力部１４は、出力デバイスのドライバソフト、又は、出力デバイスのドライバソフト及び出力デバイス等で実現される。

以下、出力部１４により出力される出力画面３０の具体例について、図６を参照して説明する。

図６は、本実施形態に係る人流量予測装置９０の検索部５が検索を行った場合の出力部１４からの出力内容の一例を示す模式図である。

一例として図６に示すように、出力画面３０は、検索内容を表示するための検索内容表示部３１を有している。検索内容表示部３１には、例えば、クラスタ番号を示すデータ、観測点ＩＤを示すデータ、及び予測時刻を示すデータが表示される。これにより、ユーザは、クラスタｋに属する人々について、将来の時刻ｔ’における、上記観測点ＩＤに示される観測点ｉ_１の人口の予測値を知ることができる。

また、出力画面３０は、観測点ｉ_１における人口の推移を表示するための推移表示部３２を有している。推移表示部３２には、例えば、検索部５により受け付けられたクラスタ番号、観測点ＩＤ、及び予測時刻に応じて、観測点ｉ_１における人口の推移が表示される。これにより、ユーザは、クラスタｋに属する人々について、指定した観測点ｉ_１における人口がどのような推移をしているかについて分析することができる。

また、出力画面３０は、観測点間の人流グラフを表示するための人流グラフ表示部３３を有している。人流グラフ表示部３３には、例えば、各観測点から観測点ｉ_１への人の流れが示された二次元マップが表示される。これにより、ユーザは、クラスタｋに属する人々について、指定した予測時刻ｔ’における各観測点から観測点ｉ_１への流入量を知ることができる。

また、出力画面３０は、各観測点からの流入量を表示するための流入量表示部３４を有している。流入量表示部３４には、例えば、各観測点から観測点ｉ_１への流入量が人数で示された表が表示される。これにより、ユーザは、クラスタｋに属する人々について、指定した予測時刻ｔ’における各観測点から観測点ｉ_１へ流入する人数について分析することができる。

なお、本実施形態では、検索部５において未来の時刻ｔ’の入力を受け付けた場合について説明したが、これに限らない。例えば、検索部５で過去の時刻を受け付けることにより、過去の人流量についての分析を行い、過去の人流量についての分析結果を出力しても良い。

このように本実施形態によれば、推定された「クラスタ毎の観測点間の遷移確率」を用いることで、各観測点間の人の流れ方を、クラスタ毎に分析することができる。例えば、クラスタ１（ゲーム好きな人たち）は展示ブースＡ、展示ブースＢ、展示ブースＣという順に人が流れやすく、クラスタ２（スポーツ好きな人たち）は展示ブースＤ、展示ブースＢ、展示ブースＥという順に人が流れやすい、というような知識を抽出することができる。

また、推定された「クラスタ毎の各時刻における観測点間の移動人数」を用いることで、“いつ”、“どこからどこへ”、“何人の人が”移動したかを、クラスタ毎に分析することができる。例えば、観測点Ａにおいて時刻ｔに混雑が発生したとき、その原因として観測点Ｂからの流入数が多い、というような知識をクラスタ毎に抽出することができる。

また、将来の時刻ｔ’における、ある観測点Ａへの人の流入数を予測することを考える。クラスタ毎の移動人数を予測することで、ある観測点Ａへの流入量が求まるだけでなく、どのようなクラスタに含まれる人たちが移動してくるのか、というようなことを知ることができる。

以上、実施形態として人流量予測装置を例示して説明した。実施形態は、コンピュータを、人流量予測装置が備える各部として機能させるためのプログラムの形態としてもよい。実施形態は、このプログラムを記憶したコンピュータが読み取り可能な記憶媒体の形態としてもよい。

その他、上記実施形態で説明した人流量予測装置の構成は、一例であり、主旨を逸脱しない範囲内において状況に応じて変更してもよい。

また、上記実施形態で説明したプログラムの処理の流れも、一例であり、主旨を逸脱しない範囲内において不要なステップを削除したり、新たなステップを追加したり、処理順序を入れ替えたりしてもよい。

また、上記実施形態では、プログラムを実行することにより、実施形態に係る処理がコンピュータを利用してソフトウェア構成により実現される場合について説明したが、これに限らない。実施形態は、例えば、ハードウェア構成や、ハードウェア構成とソフトウェア構成との組み合わせによって実現してもよい。

１流入量格納部
２流出量格納部
３移動履歴格納部
４操作部
５検索部
６ユーザクラスタリング部
７クラスタリング部
８割合格納部
９人流量モデル学習部
１０パラメータ推定部
１１遷移確率パラメータ格納部
１２移動人数格納部
１３予測人流量算出部
１４出力部
３０出力画面
３１検索内容表示部
３２推移表示部
３３人流グラフ表示部
３４流入量表示部
９０人流量予測装置

Claims

複数のユーザについて観測した、観測点のペア間での移動毎に、出発観測点、出発時刻、到着観測点、及び到着時刻が対応付けられた移動履歴データから得られる特徴量に基づいて、前記複数のユーザを複数種類のクラスタに分類し、各クラスタに分類された各ユーザの移動履歴データを用いて、各クラスタについて各観測点の各時刻における人の流出量の割合及び流入量の割合を各々算出するクラスタリング部と、
前記観測点の各々における各時刻の人の流出量からなる集合データ、前記観測点の各々における各時刻の人の流入量からなる集合データ、前記移動履歴データ及び前記複数のユーザの分類結果からクラスタ毎に得られる、前記観測点のペアの各々についての一方から他方へ向かって移動した各時刻の移動人数を表す観測人数データ、並びに、前記クラスタリング部により各クラスタについて算出された各観測点の各時刻における人の流出量の割合及び流入量の割合に基づいて、クラスタ毎に、前記流出量の集合データ、前記流入量の集合データ、前記観測点のペアの各々についての一方から他方へ人が移動する遷移確率、及び前記観測点のペアの各々についての一方から他方へ向かって移動した各時刻の移動人数を表す潜在変数を用いて表される目的関数を最適化するように、前記遷移確率のパラメータ及び前記潜在変数を推定するパラメータ推定部と、
予測の対象とする対象観測点、対象クラスタ、及び予測時刻の入力を受け付ける検索部と、
前記検索部により入力を受け付けた対象観測点、対象クラスタ、及び予測時刻に対して、前記パラメータ推定部により推定された、前記対象観測点以外の観測点から前記対象観測点へ移動する前記遷移確率のパラメータと、前記パラメータ推定部により推定された、前記予測時刻より前の時刻についての、前記対象観測点以外の観測点から前記対象観測点へ向かって移動した移動人数を表す前記潜在変数と、前記対象クラスタにおける前記対象観測点からの人の流出量の割合と、前記予測時刻より前の時刻についての、前記対象観測点以外の観測点からの人の流出量とに基づいて、前記対象クラスタについての前記予測時刻における前記対象観測点の予測流入量を算出する予測人流量算出部と、
を備えた人流量予測装置。
前記パラメータ推定部は、前記遷移確率のパラメータを固定して前記潜在変数を算出するステップと、前記潜在変数を固定して前記遷移確率のパラメータを算出するステップとを繰り返すことにより、前記目的関数を最適化する、前記遷移確率のパラメータ及び前記潜在変数を推定することをクラスタ毎に行う請求項１に記載の人流量予測装置。
前記予測人流量算出部は、前記対象クラスタについて、前記予測時刻における前記対象観測点の予測流入量に基づいて、前記予測時刻における、前記対象観測点の予測流出量を計算し、前記対象観測点の各時刻の人の流入量、各時刻の人の流出量、前記予測流入量、及び前記予測流出量に基づいて、前記対象観測点における人口の推移を算出する請求項１又は２に記載の人流量予測装置。
クラスタリング部が、複数のユーザについて観測した、観測点のペア間での移動毎に、出発観測点、出発時刻、到着観測点、及び到着時刻が対応付けられた移動履歴データから得られる特徴量に基づいて、前記複数のユーザを複数種類のクラスタに分類し、各クラスタに分類された各ユーザの移動履歴データを用いて、各クラスタについて各観測点の各時刻における人の流出量の割合及び流入量の割合を各々算出するステップと、
パラメータ推定部が、前記観測点の各々における各時刻の人の流出量からなる集合データ、前記観測点の各々における各時刻の人の流入量からなる集合データ、前記移動履歴データ及び前記複数のユーザの分類結果からクラスタ毎に得られる、前記観測点のペアの各々についての一方から他方へ向かって移動した各時刻の移動人数を表す観測人数データ、並びに、前記クラスタリング部により各クラスタについて算出された各観測点の各時刻における人の流出量の割合及び流入量の割合に基づいて、クラスタ毎に、前記流出量の集合データ、前記流入量の集合データ、前記観測点のペアの各々についての一方から他方へ人が移動する遷移確率、及び前記観測点のペアの各々についての一方から他方へ向かって移動した各時刻の移動人数を表す潜在変数を用いて表される目的関数を最適化するように、前記遷移確率のパラメータ及び前記潜在変数を推定するステップと、
検索部が、予測の対象とする対象観測点、対象クラスタ、及び予測時刻の入力を受け付けるステップと、
予測人流量算出部が、前記検索部により入力を受け付けた対象観測点、対象クラスタ、及び予測時刻に対して、前記パラメータ推定部により推定された、前記対象観測点以外の観測点から前記対象観測点へ移動する前記遷移確率のパラメータと、前記パラメータ推定部により推定された、前記予測時刻より前の時刻についての、前記対象観測点以外の観測点から前記対象観測点へ向かって移動した移動人数を表す前記潜在変数と、前記対象クラスタにおける前記対象観測点からの人の流出量の割合と、前記予測時刻より前の時刻についての、前記対象観測点以外の観測点からの人の流出量とに基づいて、前記対象クラスタについての前記予測時刻における前記対象観測点の予測流入量を算出するステップと、
を含む人流量予測方法。
コンピュータを、請求項１〜３のいずれか１項に記載の人流量予測装置が備える各部として機能させるためのプログラム。