JP2020021618A - 公衆設備、サーバ装置、サーバプログラム及び学習モデル - Google Patents

Abstract

【課題】照明以外の用途にも利用が期待できる公衆設備、サーバ装置、サーバプログラム及び学習モデルを提供する。【解決手段】本実施の形態に係る公衆設備は、周辺の情報を検知するセンサと、前記センサの検知結果に応じた情報及び自身に付された識別情報をサーバ装置へ送信する送信部とを備える。本実施の形態に係るサーバ装置は、それぞれがセンサを有して分散配置された複数の公衆設備から、前記センサの検知結果に応じた情報及び前記公衆設備に付された識別情報を受信する受信部と、前記受信部が受信した情報を記憶する記憶部とを備える。前記センサを、周辺を撮像するカメラとし、前記公衆設備は、予め学習された学習モデルを用いて、前記カメラの撮像画像に写された対象の属性を判定する属性判定部を備え、前記送信部は、前記属性判定部の判定結果及び前記識別情報を前記サーバ装置へ送信してもよい。【選択図】図２

Description

本発明は、街中に分散配置される公衆設備、並びに、公衆設備に設けられたセンサから得られる情報を利用した処理を行うサーバ装置、サーバプログラム及び学習モデルに関する。

特許文献１においては、ユーザが近くを通過するときに街灯を点灯し、ユーザの移動速度に応じて照度を調整する街灯制御システムが提案されている。この街灯制御システムは、ユーザが携行する発信器から出力される電波を、街灯が受信してユーザＩＤを読み取り、サーバ装置へ送信する。サーバ装置は、ユーザの移動速度を算出し、ユーザが予め設定した希望の明るさ及び性別等の情報と算出した移動速度とに基づいて、エリア内の各街灯の照度を算出し、算出した照度の点灯指令を各街灯へ送信する。

特許文献２においては、歩行者に対する注意喚起を行う街灯システムが提案されている。この街灯システムは、街灯が取得した周囲の状態に基づき、所定の検出領域にて歩行者を検出し、検出した歩行者の挙動を予測する。街灯システムは、歩行者が境界を超えて車道へ侵入すると予測した場合に、レーザー光の照射及び音声メッセージの出力等により歩行者へ警告を発する。

特開２０１２−００３９３７号公報 特開２０１５−１８５０７５号公報

街灯は、道路、公共施設及び商業施設等の様々な場所に設置されている。このため街灯には、発光により周囲を照らすという特許文献１の街灯制御システムのような利用方法に留まらず、特許文献２の街灯システムのように照明以外の用途での利用が期待されている。特許文献２の街灯システムは歩行者の安全確保及び事故防止等を目的として街灯を利用するものである。

本発明は、斯かる事情に鑑みてなされたものであって、その目的とするところは、照明以外の用途にも利用が期待できる公衆設備、サーバ装置、サーバプログラム及び学習モデルを提供することにある。

本発明に係る公衆設備は、周辺の情報を検知するセンサと、前記センサの検知結果に応じた情報及び自身に付された識別情報をサーバ装置へ送信する送信部とを備える。

また、本発明に係る公衆設備は、前記センサは、周辺を撮像するカメラであり、対象が写された画像及び前記対象の属性情報に基づいて予め学習された第１学習モデルを用いて、前記カメラの撮像画像に写された対象の属性を判定する属性判定部を備え、前記送信部は、前記属性判定部の判定結果及び前記識別情報を前記サーバ装置へ送信する。

また、本発明に係る公衆設備は、サーバ装置から前記判定結果に応じた映像情報を受信する受信部と、前記受信部が受信した映像情報を表示する表示部とを備える。

また、本発明に係る公衆設備は、前記属性判定部が前記対象の属性が害動物であると判定した場合に、該害動物を排除する排除部を備える。

また、本発明に係る公衆設備は、前記排除部は、害動物の属性及び排除方法を実施した場合の結果の情報に基づいて学習された第２学習モデルを用いて排除方法を決定し、前記排除部による排除方法及び当該排除方法による排除結果を前記サーバ装置へ送信する送信部を備える。

また、本発明に係る公衆設備は、前記サーバ装置が送信する前記第２学習モデルを受信する受信部と前記排除部が用いる前記第２学習モデルを、前記受信部が受信した前記第２学習モデルに更新する更新部とを備える。

また、本発明に係る公衆設備は、ビーコン信号を周期的に送信するビーコン送信部を備える。

また、本発明に係る公衆設備は、他の装置が送信するビーコン信号を受信するビーコン受信部を備え、前記送信部は、前記ビーコン受信部が受信したビーコン信号に応じた情報及び自身に付された識別情報を前記サーバ装置へ送信する。

また、本発明に係るサーバ装置は、それぞれがセンサを有して分散配置された複数の公衆設備から、前記センサの検知結果に応じた情報及び前記公衆設備に付された識別情報を受信する受信部と、前記受信部が受信した情報を記憶する記憶部とを備える。

また、本発明に係るサーバ装置は、前記センサが、カメラであり、前記記憶部は、前記カメラの撮像画像に写された対象の属性の判定結果を記憶する。

また、本発明に係るサーバ装置は、前記判定結果に対応付けて、前記公衆設備が配置された場所の周辺で実施された催事に係る情報を記憶する。

また、本発明に係るサーバ装置は、記憶した情報に基づき、複数の前記催事に係る情報及び対象の属性に係る情報を用いて、第３学習モデルを学習させる学習処理部を備える。

また、本発明に係るサーバ装置は、催事に係る情報の入力を受け付ける入力受付部と、複数の催事に係る情報及び対象の属性に係る情報に基づいて学習された第３学習モデルと、前記入力受付部が受け付けた情報を前記第３学習モデルへ入力し、該第３学習モデルが出力する属性の情報を取得する属性情報取得部とを備える。

また、本発明に係るサーバ装置は、前記属性情報取得部が取得した情報に基づき、前記複数の公衆設備の配置に対応付けて属性の情報又は当該属性の情報の時間的な変化を画像表示する処理を行う表示処理部を備える。

また、本発明に係るサーバ装置は、前記属性の判定結果に基づいて、前記公衆設備が有する表示部に表示すべき映像情報を、前記公衆設備へ送信する映像送信部を備える。

また、本発明に係るサーバ装置は、前記公衆設備が、排除方法を変化させることが可能な、害動物を排除する排除部を有し、実施した排除方法及び該排除方法による排除結果に関する情報を前記公衆設備から受信する受信部と、前記受信部が受信した情報を記憶する記憶部とを備える。

また、本発明に係るサーバ装置は、実施した排除方法及び該排除方法による排除結果に関する情報に基づいて、排除方法の決定に用いられる第２学習モデルを学習させる学習処理部を備える。

また、本発明に係るサーバ装置は、前記学習処理部が学習させた第２学習モデルを、前記公衆設備へ送信する送信部を備える。

また、本発明に係るサーバ装置は、前記公衆設備は、ビーコン信号を周期的に送信するビーコン送信部を有し、前記ビーコン信号を受信した通信端末装置から、該ビーコン信号に含まれる識別情報及び前記通信端末装置の使用者に係る情報を受信する受信部と、前記受信部が受信した情報を記憶する記憶部とを備える。

また、本発明に係るサーバ装置は、前記公衆設備は、他の装置が送信するビーコン信号を受信するビーコン受信部を有し、前記ビーコン信号を受信した前記公衆設備から、該ビーコン信号に応じた情報及び前記公衆設備に付された識別情報を受信する受信部と、前記受信部が受信した情報を記憶する記憶部とを備える。

また、本発明に係るサーバプログラムは、サーバ装置に、それぞれがセンサを有して分散配置された複数の公衆設備から、前記センサの検知結果に応じた情報及び前記公衆設備に付された識別情報を受信し、受信した情報を記憶する処理を行わせる。

また、本発明に係る学習モデルは、複数の催事に係る情報が入力される入力層と、催事への来場者の属性に係る情報を出力する出力層と、前記入力層の情報に基づいて演算を行うためのパラメータを含み、演算結果を前記出力層に出力する中間層とを備え、任意の催事に係る情報が前記入力層に入力された場合に、前記中間層での演算結果に基づく属性に係る情報を前記出力層から出力するのに用いられる。

本発明においては、公衆設備に周辺の情報を検知するセンサを設ける。公衆設備は、センサの検知結果に応じた情報と、自身に付された識別情報とをサーバ装置へ送信する。サーバ装置は、分散配置された複数の公衆設備から送信されるセンサの検知結果に応じた情報及び公衆設備の識別情報を受信し、これらの情報を記憶する。これによりサーバ装置は、分散配置された複数の公衆設備から得られる情報を蓄積し、種々のサービスに活用することが可能となる。

また本発明においては、公衆設備には周辺を撮像するカメラをセンサとして設ける。公衆設備は、カメラの撮像画像に写された人又は物等の対象についてその属性を判定し、属性の判定結果を公衆設備の識別情報と共にサーバ装置へ送信する。また公衆設備は、予め学習された学習モデルを用いて、撮像画像から対象の属性を判定する処理を行うことにより、属性判定の精度を高めることができる。サーバ装置は、公衆設備から送信された属性の判定結果を、センサの検知結果に応じた情報として、公衆設備の識別情報と共に記憶する。これによりサーバ装置は、公衆設備周辺を通り過ぎる人又は物等の対象物の属性に関する情報を蓄積することができ、これらの情報を種々のサービスに活用することが可能となる。

また本発明においては、公衆設備のカメラの撮像画像に基づく対象の属性の判定結果と共に、サーバ装置は、公衆設備が配置された場所の周辺で実施された催事に係る情報を記憶する。これによりサーバ装置は、公衆設備が配置された場所を通り過ぎる人又は物等の対象物の属性と、公衆設備が配置された場所の周辺の催事の情報との対応関係を把握することが可能となる。

また本発明においては、サーバ装置が、公衆設備周辺の催事に係る情報と、公衆設備のカメラの撮像画像に基づく対象の属性の判定結果とに基づいて、学習モデルを学習させる処理を行う。これにより学習モデルは、催事と対象の属性との対応関係を学習し、催事に対してどのような属性の対象が訪れるかを推定することが可能となる。

また本発明においては、サーバ装置が催事に係る情報の入力を受け付ける。サーバ装置は、学習させた学習モデルを利用し、受け付けた催事に係る情報を学習モデルに入力し、学習モデルが出力する属性の情報を取得する。これによりサーバ装置は、催事に係る情報に対して訪れることが推定される対象の属性の情報を取得し、催事の実施の結果を推定することができる。

また本発明においては、学習モデルを利用して得られた催事に対する対象の属性の情報に基づき、複数の公衆設備の配置に対応付けて、推測される属性の情報又はこの属性の情報の時間的な変化を画像として表示する処理をサーバ装置が行う。これにより催事の開催の検討者は、学習モデルにより推測される属性の情報又はその変化を、表示された画像に基づいて容易に検討することができる。

また本発明においては、公衆設備のカメラの撮像画像に基づく属性の判定結果に応じて、サーバ装置が映像情報を公衆設備へ送信する。公衆設備は、例えば液晶ディスプレイなどの表示部を備え、サーバ装置から送信された映像情報を受信し、受信した映像情報を表示部に表示する。これにより公衆設備は、周囲の対象の属性に適した映像情報を表示部に表示することが可能となり、例えば属性に適した広告の映像情報を表示することができる。

また本発明においては、カメラの撮像画像に写された対象の属性が害動物であると判定した場合、この害動物を排除する排除部を公衆設備に備える。これにより公衆設備は、周囲から害動物を排除することが可能となり、カメラによる撮像を害動物により妨害されることを防止できる。

また本発明においては、公衆設備が複数の排除方法を選択的に又は組み合わせて害動物の排除を行うことができ、公衆設備は学習モデルを利用して排除方法を決定する。また公衆設備は、実施した排除方法及びこの排除方法による排除結果をサーバ装置へ送信する。サーバ装置は、公衆設備から排除方法及び排除結果を受信して記憶しておく。これによりサーバ装置は、害動物の排除に関する情報を蓄積することができる。

また本発明においては、公衆設備が排除方法の決定を行う際に用いる学習モデルを、公衆設備から得られた排除方法及び排除結果に関する情報に基づいてサーバ装置が学習させる。サーバ装置は、学習させた学習モデルを公衆設備へ送信する。サーバ装置が送信する学習モデルを受信した公衆設備は、これまでに排除方法の決定に用いていた学習モデルを、新たにサーバ装置から受信した学習モデルに更新する。これにより公衆設備は、より効果的な排除方法を採用して害動物の排除を行うことが可能となる。

また本発明においては、公衆設備がビーコン信号を周期的に送信する。公衆設備から送信されたビーコン信号は、公衆設備の周辺に存在する人が所持する通信端末装置にて受信される。ビーコン信号を受信した通信端末装置は、ビーコン信号に含まれる公衆設備又はビーコンの識別情報と、通信端末装置の使用者に係る情報とをサーバ装置へ送信する。サーバ装置は、通信端末装置から受信したビーコン信号に含まれる識別情報及び通信端末装置の使用者に係る情報を記憶する。これによりサーバ装置は、公衆設備の周辺を通り過ぎる人に関する情報を、公衆設備のセンサから得られる情報と、公衆設備のビーコン信号に基づいて通信端末装置から得られる情報との二通りの情報から蓄積することができ、これらの情報を種々のサービスに活用することが可能となる。

また本発明においては、公衆設備が他の装置からのビーコン信号を受信し、受信したビーコン信号に係る情報と自身の識別情報とをサーバ装置へ送信する。公衆設備からこれらの情報を受信したサーバ装置は、受信した情報を記憶する。これにより公衆設備は、センサから得られる情報と、ビーコン信号から得られる情報とをサーバ装置へ送信することができ、サーバ装置はこれらの情報を蓄積して種々のサービスに活用することが可能となる。

なお、本願は、このような特徴的な処理を行う装置として実現することができるだけでなく、かかる特徴的な処理をステップとする処理方法として実現したり、かかるステップをコンピュータに実行させるためのコンピュータプログラムとして実現したりすることができる。また、装置の一部又は全部を実現する半導体集積回路として実現したり、当該装置を含むその他の装置又はシステムとして実現したりすることができる。

本発明による場合は、公衆設備を照明以外の用途に利用することが期待できる。

本実施の形態に係る情報収集システムの構成を説明するための模式図である。 本実施の形態に係る情報収集システムの構成を説明するための模式的なブロック図である。 本実施の形態に係る街灯の構成を示すブロック図である。 本実施の形態に係るサーバ装置の構成を示すブロック図である。 属性ＤＢの構成例を示す模式図である。 排除ＤＢの構成例を示す模式図である。 本実施の形態に係るスマホの構成を示すブロック図である。 深層学習の学習モデルの概念を説明するための模式図である。 深層学習の学習モデルの概念を説明するための模式図である。 推測モデルの一例を示す模式図である。 サーバ装置による推測モデルを用いた推測結果の表示例を示す模式図である。 サーバ装置による推測モデルを用いた推測結果の表示例を示す模式図である。 本実施の形態に係る街灯が行う属性判定処理の手順を示すフローチャートである。 本実施の形態に係る街灯が行う排除処理の手順を示すフローチャートである。 本実施の形態に係る街灯が行うサーバ装置からの情報受信に関する処理の手順を示すフローチャートである。 本実施の形態に係るスマホが行う処理の手順を示すフローチャートである。 本実施の形態に係る推測モデルの初期学習の手順を示すフローチャートである。 本実施の形態に係るサーバ装置が行う処理の手順を示すフローチャートである。 本実施の形態に係るサーバ装置が行う処理の手順を示すフローチャートである。 変形例に係る街灯の構成を示すブロック図である。

本発明の実施形態に係る情報収集システムの具体例を、以下に図面を参照しつつ説明する。なお、本発明はこれらの例示に限定されるものではなく、特許請求の範囲によって示され、特許請求の範囲と均等の意味及び範囲内でのすべての変更が含まれることが意図される。

＜システム概要＞
図１は、本実施の形態に係る情報収集システムの構成を説明するための模式図である。本実施の形態に係る情報収集システムは、例えば街中に分散配置された複数の街灯１を利用して情報を収集するシステムである。なお本実施の形態においては、情報収集に街灯１を利用する構成を例に情報収集システムの説明を行うが、街灯１以外の種々の公衆設備を情報収集に利用することが可能である。利用可能な公衆設備には、例えば電柱、アーケードのアーチ、自動販売機、ミスト機、掲示板、信号機又は交通標識等を含み、ここで例示した設備以外の種々の設備を含み得る。公衆設備は、不特定の人を対象として所定の公共的な目的に応じて設置される設備であればよい。

図１には、本実施の形態に係る情報収集システムが設けられた街中の一部の様子として、車両が走行する車道３が交わるＴ字路、車道３の両側に設けられた歩道２、及び、複数の店舗４等が一例として示されている。歩道２には、所定の距離間隔で、複数の街灯１が配置されている。各街灯１は、例えば歩道２などの地面に立設される支柱部分と、支柱部分の上端に設けられた照明部分とを有する構成である。本実施の形態に係る情報収集システムは、このような街中を歩く歩行者に関する情報を収集し、店舗４又はこの街への出店を検討している企業等への情報提供を行うことができる。

本実施の形態に係る情報収集システムが収集する歩行者に関する情報は、例えば歩行者の性別及び年齢層等の情報であり、更には歩行者の移動速度及び移動方向等の情報を含んでもよい。なお本実施の形態においては、情報収集の対象を「歩行者」と表現するが、対象は必ずしも歩行している必要はなく、立ち止まっている人、走っている人、座っている人及び自転車に乗っている人等であってよい。情報収集の対象は、街灯１の周辺に存在する人であればよく、場合によっては人が連れているペットなどの動物も含み得る。また情報収集の対象を人ではなく、車道３を走行する車両とすることもできる。

図２は、本実施の形態に係る情報収集システムの構成を説明するための模式的なブロック図である。本実施の形態に係る情報収集システムでは、各街灯１にセンサを設け、センサにより街灯１の周辺の状況を検知する。各街灯１は、センサの検知結果に基づく情報をサーバ装置５へ送信する。サーバ装置５は、複数の街灯１からそれぞれ情報を受信し、受信した情報を記憶して蓄積する。このときにサーバ装置５は、例えば各街灯１に対して付された街灯ＩＤに対応付けて情報を記憶することにより、いずれの街灯１からのものであるかを区別して情報を記憶する。サーバ装置５が蓄積した情報は、この情報を必要とする店舗４又は企業等に対して、有償又は無償で提供される。

本実施の形態においては、街灯１に設けるセンサとして、街灯１の周囲を撮像するカメラが採用されている。街灯１は、カメラの撮像により得られた画像、又は、画像に基づいて演算された演算結果等の情報をサーバ装置５へ送信することができる。本実施の形態に係る街灯１は、カメラの撮像画像に写された歩行者の属性を判定し、判定結果である属性の情報をサーバ装置５へ送信する。このときに街灯１は、自身に付された街灯ＩＤを属性情報に付してサーバ装置５へ送信する。また街灯１には、予め機械学習又は深層学習により学習された学習モデルが備えられており、この学習モデルを用いて撮像画像から歩行者の属性を判定する処理を行う。なお本実施の形態においては、街灯１のセンサをカメラとするが、センサは例えば赤外線センサ又は超音波センサ等のセンサであってもよく、更には複数のセンサを組み合わせて用いてもよい。

また本実施の形態に係る街灯１は、周期的に無線信号を送信する機能、いわゆるビーコン信号を送信する機能を備えている。ビーコン信号には、街灯１に対して付された街灯ＩＤが情報として含まれている。ビーコン信号は街灯１から数メートルの範囲に到達し、この範囲内に存在する歩行者のスマホ（スマートフォン）７にて受信される。スマホ７は、街灯１からのビーコン信号を受信した場合、ビーコン信号に含まれる街灯ＩＤを取得し、スマホ７に予め登録された歩行者の属性情報を読み出して、街灯ＩＤ及び属性情報をサーバ装置５へ送信する。なお、ビーコン信号を受信したスマホ７は、例えば歩行者のユーザＩＤなどをサーバ装置５へ送信し、サーバ装置５は受信したユーザＩＤを基に他のサーバ装置から歩行者の属性情報を取得してもよい。サーバ装置５は、スマホ７から受信した歩行者の属性情報を、街灯１から受信したカメラの撮像画像に基づく歩行者の属性情報と共に、記憶して蓄積する。またサーバ装置５は、情報を提供したスマホ７に対して、店舗４で利用可能なクーポン券又はポイント等を付与する処理を行ってもよい。

本実施の形態に係るサーバ装置５は、街灯１及びスマホ７から収集した歩行者の属性情報を記憶すると共に、記憶した情報に基づいて、街灯１が配置された地域に対して将来的に訪れる歩行者の属性を推測する処理を行うことができる。サーバ装置５は、この地域の周辺環境情報と、上記の歩行者の属性情報とを対応付けて記憶している。周辺環境情報には、例えば年月日、曜日及び時刻等の情報、この地域の天気、気温及び湿度等の天候情報、この地域に存在する店舗４に関する情報、並びに、この地域で開催された催事に関する情報等が含まれ得る。サーバ装置５は、この地域を訪れる歩行者の属性を推測するための学習モデルに対し、記憶して蓄積した周辺環境情報及び歩行者の属性情報を用いた機械学習又は深層学習を行い、学習の結果として得られる学習モデルを用いて推測を行う。サーバ装置５による推測結果は、店舗４又は企業等に提供される。

また本実施の形態に係る街灯１は、液晶ディスプレイなどの表示部を備えている。街灯１及びスマホ７から歩行者の属性情報を受信したサーバ装置５は、受信した属性情報に応じた広告画像を街灯１へ送信する。街灯１は、サーバ装置５から受信した広告画像を表示部に表示する。

また本実施の形態に係る街灯１は、周辺に存在するカラス又はネズミ等の害動物を排除するための手段を備えている。害動物の排除手段は、例えば光又は音等を発する装置を利用することができる。また街灯１は、排除手段による排除方法を変化させることができる。例えば光を発して排除を行う場合に、街灯１は、発する光の色、輝度、発光パターン及び発光間隔等を制御する。また例えば音を発して排除を行う場合に、街灯１は、発する音の音量、周波数、発音パターン及び発音間隔等を制御する。

街灯１は、上述のようにカメラを備えており、カメラの撮像画像に写された歩行者の属性を判定すると共に、撮像画像に写された害動物の属性を判定する。害動物の属性は、例えば害動物の種類、大きさ及び年代等とすることができる。本実施の形態に係る街灯１は、害動物の属性に対して排除手段がどのような排除を実施するかを決定するための学習モデルを備えている。街灯１は、カメラの撮像画像から判定した害動物の属性に基づいて、学習モデルを利用して排除手段による排除方法を決定し、害動物の排除を実施する。排除実施後に街灯１は、例えばカメラの撮像画像から害動物が消えたか否かを判定することにより、害動物の排除が成功したか否かを判定する。街灯１は、害動物の排除を実施した場合に、害動物の属性情報、実施した排除方法及びその排除結果等の情報をサーバ装置５へ送信する。

サーバ装置５は、街灯１から害動物の排除に関する情報を受信し、受信した情報を記憶して蓄積する。サーバ装置５は、複数の街灯１から受信して記憶した情報に基づき、定期的に街灯１の学習モデルを強化学習する処理を行う。サーバ装置５は、学習した学習モデルを各街灯１へ送信する。各街灯１は、定期的にサーバ装置５から害動物の排除のための学習モデルを受信し、以前の学習モデルを新たに受信した学習モデルに置き換えることで学習モデルを更新する。以後、街灯１は、更新された学習モデルを利用して、害動物の排除を行う。

＜装置構成＞
図３は、本実施の形態に係る街灯１の構成を示すブロック図である。本実施の形態に係る街灯１は、処理部（プロセッサ）１１、記憶部（ストレージ）１２、照明部１３、カメラ１４、表示部（ディスプレイ）１５、無線通信部（トランシーバ）１６、ビーコン送信部１７、排除音発生部１８及び排除光発生部１９等を備えて構成されている。処理部１１は、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphics Processing Unit）又はＭＰＵ（Micro-Processing Unit）等の演算処理装置を用いて構成されており、記憶部１２に記憶されたプログラム１２ａを読み出して実行することにより、種々の演算処理及び制御処理等を行う。本実施の形態において処理部１１は、照明部１３の点灯／消灯の制御処理、カメラ１４の撮像画像に基づく歩行者の属性判定処理及び害動物の排除処理等を行う。

記憶部１２は、例えばフラッシュメモリ又はＥＥＰＲＯＭ（Electrically Erasable Programmable Read Only Memory）等の不揮発性のメモリ素子を用いて構成されている。記憶部１２は、処理部１１が実行するプログラム１２ａ、及び、このプログラムの実行に必要なデータ等が記憶される。本実施の形態において記憶部１２は、プログラム１２ａの他に、カメラ１４の撮像画像に基づく歩行者の属性判定処理に用いられる属性モデル１２ｂと、害動物の排除処理に用いられる排除モデル１２ｃとが記憶されている。

属性モデル１２ｂ及び排除モデル１２ｃは、例えばサーバ装置５など、街灯１以外の装置において予め学習が行われた学習モデルである。学習モデルは、入力値に対して所定の演算を行い、演算結果を出力するものであり、記憶部１２にはこの演算を規定する関数の係数及び閾値等のデータが属性モデル１２ｂ及び排除モデル１２ｃとして記憶される。プログラム１２ａを実行する処理部１１が、属性モデル１２ｂ及び排除モデル１２ｃとして記憶されたデータを読み込むことによって、属性判定のための演算及び排除方法決定のための演算を処理部１１が実行することが可能となる。属性モデル１２ｂは、カメラ１４が撮像した撮像画像を入力とし、この撮像画像に写された歩行者又は害動物等の属性の判定結果を出力する学習モデルであり、機械学習又は深層学習により学習がなされた学習モデルである。排除モデル１２ｃは、属性モデル１２ｂによる害動物の属性の判定結果を入力とし、この害動物の排除方法を出力する学習モデルであり、強化学習又は深層学習により学習がなされた学習モデルである。

プログラム１２ａ、属性モデル１２ｂ及び排除モデル１２ｃは、例えば街灯１の製造段階において記憶部１２に書き込まれてもよく、また例えば遠隔のプログラム配信装置が配信するものを街灯１が通信にて取得してもよく、また例えばメモリカード又は光ディスク等の記録媒体に記録されたものを街灯１が読み出して記憶部１２に記憶してもよい。プログラム１２ａ、属性モデル１２ｂ及び排除モデル１２ｃは、ネットワークを介した配信の態様で提供されてもよく、記録媒体に記録された態様で提供されてもよい。

照明部１３は、例えばＬＥＤ（Light Emitting Diode）又は蛍光管等の光源と、この光源を駆動する駆動回路とを有している。照明部１３は、処理部１１の制御に基づいて光源を駆動し、街灯１の周辺の歩道２及び車道３等を照らす。カメラ１４は、例えばＣＣＤ（Charge Coupled Device）などの撮像素子及びレンズ等を有し、街灯１の周辺を撮像して、撮像により得られた画像を処理部１１へ与える。表示部１５は、例えば街灯１の支柱部分に配された液晶ディスプレイなどの表示デバイスである。表示部１５は、処理部１１の処理により種々の画像を表示する。

無線通信部１６は、例えば無線ＬＡＮ（Local Area Network）又は携帯電話通信網等を介した無線通信を行う。これにより本実施の形態に係る街灯１は、サーバ装置５との間で通信を行うことができる。なお街灯１は、例えば地中に埋め込まれた通信線を介した有線通信によりサーバ装置５との通信を行う構成であってもよい。ビーコン送信部１７は、例えばBluetooth（登録商標）の通信規格に基づいて、一定の周期で無線信号を送信する。ただしビーコン送信部１７は、Bluetooth以外の通信規格に基づいて無線信号の送信を行ってもよい。ビーコン送信部１７が送信する無線信号の到達範囲は、例えば数メートル〜数十メートル程度である。またビーコン送信部１７が送信する無線信号には、街灯１に対して一意的に割り当てられた街灯ＩＤが含まれている。ビーコン送信部１７が送信した無線信号は、この無線信号の到達範囲内に存在するスマホ７にて受信され得る。

排除音発生部１８は、スピーカなどの音声出力装置を用いて構成され、害動物に対する排除音を発生する。排除音発生部１８は、処理部１１の制御に応じて排除音の音量、周波数、音パターン及び発音間隔等を調整することができる。排除光発生部１９は、照明部１３とは別に設けられたＬＥＤ又は蛍光管等の光源と、この光源を駆動する駆動回路とを有しており、害動物に対する排除光を発生する。排除光発生部１９は、処理部１１の制御に応じて排除光の色、輝度、発光パターン及び発光間隔等を調整することができる。

また処理部１１には、記憶部１２に記憶されたプログラム１２ａが実行されることによって、照明処理部１１ａ、属性判定部１１ｂ、排除処理部１１ｃ及び更新部１１ｄ等がソフトウェア的な機能ブロックとして実現される。照明処理部１１ａは、照明部１３の動作を制御することによって、街灯１の照明の点灯／消灯を行う。照明処理部１１ａは、例えば所定の点灯時刻に至った場合に照明部１３を点灯し、所定の消灯時刻に至った場合に照明部１３を消灯する。また照明部１３が、明るさ又は色等が可変である場合、照明処理部１１ａは、周囲の明るさ又は季節等に応じて照明部１３の点灯時の明るさ又は色等を制御してもよい。

属性判定部１１ｂは、カメラ１４が撮像した撮像画像に含まれる歩行者の属性を判定する処理、及び、撮像画像に含まれる害動物の属性を判定する処理を行う。属性判定部１１ｂは、記憶部１２に記憶された属性モデル１２ｂを用いて、歩行者及び害動物の属性を判定する。属性判定部１１ｂは、カメラ１４から得られた撮像画像を属性モデル１２ｂへ入力し、属性モデル１２ｂが出力する属性情報を取得する。属性判定部１１ｂは、属性モデル１２ｂにより得られた歩行者の属性情報を、自身に付された街灯ＩＤと共に、無線通信部１６を介してサーバ装置５へ送信する。また属性判定部１１ｂは、属性モデル１２ｂにより得られた害動物の属性情報を、排除処理部１１ｃへ与える。

排除処理部１１ｃは、排除音発生部１８及び排除光発生部１９を制御して、街灯１の周辺に存在する害動物を排除するための処理を行う。排除処理部１１ｃは、記憶部１２に記憶された排除モデル１２ｃを用いて、排除音発生部１８及び排除光発生部１９による害動物の排除方法を決定する。排除処理部１１ｃは、属性判定部１１ｂから与えられた害動物の属性を排除モデル１２ｃへ入力し、排除モデル１２ｃが出力する排除方法を取得する。排除モデル１２ｃから得られる排除方法は、例えば排除音の周波数の指定、又は、排除光の発光パターンの指定等の情報である。排除処理部１１ｃは、排除モデル１２ｃから得られた排除方法に従って、排除音発生部１８及び排除光発生部１９の動作を制御し、害動物の排除を行う。

また排除処理部１１ｃは、排除音発生部１８及び排除光発生部１９による害動物の排除を実施した後、害動物の排除が成功したか否かを判定する。排除処理部１１ｃは、カメラ１４の撮像画像中に害動物が存在するか否かを、属性判定部１１ｂから害動物の属性情報が与えられるか否かに応じて判断することができ、撮像画像中に害動物が存在しない場合に排除が成功したと判定する。排除の成否に関わらず、排除処理部１１ｃは、害動物の属性情報、実施した排除方法及び排除の結果等の情報を、自身に付された街灯ＩＤと共に、サーバ装置５へ送信する。

更新部１１ｄは、記憶部１２に記憶された排除モデル１２ｃを更新する処理を行う。更新部１１ｄは、無線通信部１６にてサーバ装置５から送信された新たな排除モデル１２ｃを受信し、受信した新たな排除モデル１２ｃを、記憶部１２に記憶された排除モデル１２ｃに対して上書きすることによって、排除モデル１２ｃを更新する。なお本実施の形態においては、排除モデル１２ｃは更新され、属性モデル１２ｂは更新されない構成とするが、これに限るものではなく、属性モデル１２ｂも同様にサーバ装置５から新たな属性モデル１２ｂを取得して更新する構成としてもよい。

図４は、本実施の形態に係るサーバ装置５の構成を示すブロック図である。本実施の形態に係るサーバ装置５は、処理部（プロセッサ）５１、記憶部（ストレージ）５２及び通信部（トランシーバ）５３等を備えて構成されている。処理部５１は、例えばＣＰＵ、ＧＰＵ又はＭＰＵ等の演算処理装置を用いて構成され、記憶部５２に記憶されたプログラムを実行することによって種々の演算処理を行うことができる。また処理部５１は、例えばＣＰＵ及びＧＰＵを組み合わせて構成するなど、複数の演算処理装置を用いて構成されてもよい。更には、サーバ装置５は、図示のようなノイマン型のコンピュータではなく、量子コンピュータ又はニューロコンピュータ等の非ノイマン型のコンピュータであってもよい。本実施の形態において処理部５１は、記憶部５２に記憶されたサーバプログラム５２ａを実行することにより、街灯１及びスマホ７から受信した情報を記憶する処理、及び、記憶した情報を用いて学習モデルを学習する処理等を行う。

記憶部５２は、磁気ディスク装置等の大容量の記憶装置を用いて構成され、処理部５１が実行するサーバプログラム５２ａと、このプログラムの実行に必要な種々のデータとを記憶する。本実施の形態において記憶部５２には、街灯１及びスマホ７から与えられた歩行者の属性情報を記憶する属性ＤＢ（データベース）５２ｂと、街灯１から与えられた害動物の排除に関する情報を記憶する排除ＤＢ５２ｃとが設けられる。また記憶部５２は、街灯１が配置された地域を訪れる歩行者の属性を推測するための推測モデル５２ｄと、街灯１が害動物の排除に用いる排除モデル５２ｅとが記憶されている。

サーバプログラム５２ａは、例えばサーバ装置５の製造段階において記憶部５２に書き込まれてもよく、また例えば遠隔のプログラム配信装置が配信するものをサーバ装置５が通信にて取得してもよく、また例えばメモリカード又は光ディスク等の記録媒体９９に記録されたものをサーバ装置５が読み出して記憶部５２に記憶してもよい。サーバプログラム５２ａは、ネットワークを介した配信の態様で提供されてもよく、記録媒体９９に記録された態様で提供されてもよい。

図５は、属性ＤＢ５２ｂの構成例を示す模式図である。サーバ装置５の属性ＤＢ５２ｂには、街灯１に対して付される街灯ＩＤと、歩行者の属性情報と、サーバ装置５が属性情報を受信した日時と、このときに街灯１が配置された地域で実施されていた催事に関する催事情報と、このときの天候とが対応付けて記憶されている。街灯ＩＤは、各街灯に対して一意的に付される識別情報である。属性情報は、例えば歩行者の性別及び年代等の情報が含まれ、図示は省略するがこれら以外の情報が更に含まれ得る。日時は、サーバ装置５が街灯１又はスマホ７から属性情報を受信した日時であり、サーバ装置５が受信日時を取得して記憶する。催事情報は、街灯１が配置された地域で実施されていた催事に関する情報であり、例えば特定の店舗で実施されたバーゲン、特定の施設で実施されたセミナー、この地域全体で行われた祭り又はイベント等の情報が記憶される。また図５においては催事の情報が１つだけ記憶されているが、催事情報には複数の催事についての情報が記憶される。天候は、サーバ装置５が属性情報を受信した日時における天候であり、晴、曇、雨又は雪等の情報が記憶される。サーバ装置５は、例えば気象庁などの天候情報を提供する他のサーバ装置から、当該日時の天候に関する情報を取得して記憶する。

図６は、排除ＤＢ５２ｃの構成例を示す模式図である。サーバ装置５の排除ＤＢ５２ｃには、街灯ＩＤと、害動物の属性情報と、害動物に対して行った排除方法と、この排除方法による害動物の排除の成否と、サーバ装置５が街灯１から排除に関する情報を受信した日時と、このときの天候とが対応付けて記憶されている。排除ＤＢ５２ｃに記憶される街灯ＩＤ、日時及び天候の情報については、属性ＤＢ５２ｂのものと同じであるため、説明を省略する。排除ＤＢ５２ｃの害動物の属性情報は、街灯１によりカメラ１４の撮像画像に基づいて判定された害動物の種類、例えばカラス又はネズミ等の情報である。ただし害動物はカラス又はネズミに限らず、これ以外の種々の動物であってよい。排除方法は、街灯１の排除音発生部１８にて発生させた排除音の条件及び排除光発生部１９にて発生させた排除光の条件が記憶される。図示の例では簡略化のために、排除方法として排除音の周波数及び排除光の輝度の２つのみが記載されているが、これら以外の情報が更に含まれ得る。排除成否は、この排除方法を実施した結果として、害動物の排除に成功したか又は失敗したかが記憶される。

記憶部５２に記憶される推測モデル５２ｄは、属性ＤＢ５２ｂに記憶される情報に基づいてサーバ装置５が学習処理を行った学習モデルであり、例えば街灯１毎に生成される。推測モデル５２ｄは、この地域を訪れる歩行者の属性を推測するための学習モデルであり、例えば催事情報、天候及び日時等の情報を入力として与えることにより、各街灯１が配置された場所を訪れる歩行者の属性の推測結果を出力する。本実施の形態においてサーバ装置５は、推測モデル５２ｄを深層学習の手法により学習させる。

記憶部５２に記憶される排除モデル５２ｅは、排除ＤＢ５２ｃに記憶される情報に基づいてサーバ装置５が学習処理を行った学習モデルであり、例えば複数の街灯１からの情報を利用して１つの学習モデルが生成される。サーバ装置５は、学習済の排除モデル５２ｅを複数の街灯１に対して送信する。排除モデル５２ｅは、害動物の属性情報に対して排除方法を決定するための学習モデルであり、害動物の属性情報を入力として与えることにより、排除音発生部１８にて発生させる排除音の条件及び排除光発生部１９にて発生させる排除光の条件を出力する。本実施の形態に係るサーバ装置５は、排除モデル５２ｅを強化学習の手法により学習させる。

通信部５３は、インターネット、無線ＬＡＮ及び携帯電話通信網等のネットワークＮＷを介して、街灯１、スマホ７、店舗４のコンピュータ、及び、企業のコンピュータ等との間で通信を行う。通信部５３は、処理部５１から与えられた送信用のデータを街灯１又はスマホ７等へ送信する。また通信部５３は、街灯１又はスマホ７等から送信されたデータを受信し、受信したデータを処理部５１へ与える。

また処理部５１には、記憶部５２に記憶されたサーバプログラム５２ａが実行されることによって、記憶処理部５１ａ、映像送信部５１ｂ、第１学習処理部５１ｃ、第２学習処理部５１ｄ、推測処理部５１ｅ及びモデル配信処理部５１ｆ等がソフトウェア的な機能ブロックとして実現される。記憶処理部５１ａは、街灯１又はスマホ７から受信した属性情報を、記憶部５２の属性ＤＢ５２ｂに記憶する処理を行う。また記憶処理部５１ａは、街灯１から受信した害動物の排除に係る情報を、記憶部５２の排除ＤＢ５２ｃに記憶する処理を行う。

映像送信部５１ｂは、街灯１又はスマホ７から受信した属性情報に基づいて、広告の映像を街灯１に対して送信する処理を行う。映像送信部５１ｂは、例えばある街灯１とその近隣の街灯１とから得られた属性情報を属性ＤＢ５２ｂから取得する事によって、この街灯１の周辺に存在する一又は複数の歩行者の属性情報を取得する。映像送信部５１ｂは、複数の属性情報の中から最も多い属性を選択し、この属性に対応付けられた広告映像を取得してこの街灯１へ送信する。本実施の形態において、広告映像は他のサーバ装置が記憶しているものとし、映像送信部５１ｂは、他のサーバ装置から広告映像を取得する。ただし、映像送信部５１ｂは他のサーバ装置に対して広告映像を街灯１へ送信する命令を与え、この命令に応じて他のサーバ装置が広告映像を街灯１へ送信してもよい。また、サーバ装置５が記憶部５２に広告映像を記憶していてもよい。

第１学習処理部５１ｃは、記憶部５２の属性ＤＢ５２ｂに記憶された情報に基づいて、推測モデル５２ｄを深層学習させる処理を行う。第２学習処理部５１ｄは、記憶部５２の排除ＤＢ５２ｃに記憶された情報に基づいて、排除モデル５２ｅを強化学習させる処理を行う。これらの学習モデルの学習方法については、後述する。

推測処理部５１ｅは、第１学習処理部５１ｃにより学習された推測モデル５２ｄを用いて、街灯１が配置された地域を訪れる歩行者の属性を推定する処理を行う。推測モデル５２ｄを用いた推測処理の結果は、店舗４又は企業等にサービスとして提供され得る。例えば、店舗４のコンピュータを用いて経営者がサーバ装置５にアクセスし、推測処理の実行を要求する。この要求に応じてサーバ装置５の推測処理部５１ｅは、店舗４のコンピュータを介して推測のための条件の入力を受け付ける。このときに受け付ける条件は、例えば催事の有無及び種類、天候及び日時等である。推測処理部５１ｅは、店舗４から受け付けた条件を推測モデル５２ｄへ入力し、推測モデル５２ｄが出力する属性の情報を取得する。推測処理部５１ｅは、取得した推測結果の属性情報を、要求元の店舗４のコンピュータへ送信し、推測結果を表示させる。なお、サーバ装置５及び店舗４のコンピュータとの間の情報の授受は、例えばインターネットブラウザを介して行われる。

なお本実施の形態においては、推測モデル５２ｄは街灯１毎に生成される。推測処理部５１ｅは、店舗４から受け付けた条件を各街灯１に対応する推測モデル５２ｄへ入力し、各推測モデル５２ｄから推定結果を取得する。推測処理部５１ｅは、店舗４のコンピュータに推測結果を表示させる場合、例えば街灯１が配置された地域の地図画像を表示し、この地図画像上に各街灯１の配置を示し、各街灯１に対応付けて推測結果を表示する。このような画像表示を行うことより、この地域を訪れることが推測される歩行者の属性毎の位置を店舗４又は企業等が容易に把握することができる。また更に、歩行者の属性情報として移動速度及び移動方向等の情報を収集し、推測モデル５２ｄが歩行者の移動速度及び移動方向等を推測可能な構成としてもよい。この場合に推測処理部５１ｅは、推測された属性毎の移動速度及び移動方向に応じて、属性毎の歩行者の移動を地図画像上でアニメーション表示又は矢印表示等で表現してもよい。

モデル配信処理部５１ｆは、第２学習処理部５１ｄにより強化学習された排除モデル５２ｅを、複数の街灯１に対して送信する処理を行う。モデル配信処理部５１ｆは、排除モデル５２ｅの街灯１への送信を、例えばいずれかの街灯１から排除に関する情報を受信する都度に行ってもよく、また例えば１週間又は１ヶ月等の所定の送信周期で行ってもよく、また例えば街灯１における害動物の排除の成功率が閾値を下回った場合に行ってもよく、これら以外のタイミングで行ってもよい。モデル配信処理部５１ｆが配信した排除モデル５２ｅを受信した街灯１は、自身の記憶している排除モデル１２ｃを受信した排除モデル５２ｅに置き換えることで更新を行うことができる。

図７は、本実施の形態に係るスマホ７の構成を示すブロック図である。本実施の形態に係るスマホ７は、処理部７１、記憶部７２、表示部７３、操作部７４、カメラ７５、第１通信部７６、第２通信部７７及びＧＰＳ受信部７８等を備えて構成されている。処理部７１は、ＣＰＵ又はＭＰＵ等の演算処理装置を用いて構成され、記憶部７２に記憶されたプログラムを実行することによって種々の演算処理を行うことができる。本実施の形態において処理部７１は、記憶部７２に記憶されたアプリ７２ａを実行することにより、街灯１からのビーコン信号の受信及び属性情報のサーバ装置５への送信等の処理を行う。

記憶部７２は、例えばフラッシュメモリなどの不揮発性のメモリ素子を用いて構成されており、処理部７１が実行する種々のプログラムと、このプログラムの実行に必要な種々のデータとを記憶する。本実施の形態において記憶部７２には、処理部７１が実行するアプリ７２ａが記憶されている。アプリ７２ａは、例えばスマホ７の製造段階において記憶部７２に書き込まれてもよく、また例えば種々のアプリを配信するサーバ装置からスマホ７がアプリ７２ａを通信にて取得してもよく、また例えばメモリカードなどの記録媒体に記録されたものをスマホ７が読み出して記憶部７２に記憶してもよい。アプリ７２ａは、ネットワークを介した配信の態様で提供されてもよく、記録媒体に記録された態様で提供されてもよい。また本実施の形態において記憶部７２には、アプリ７２ａが使用するデータとして属性情報７２ｂが記憶されている。属性情報７２ｂは、スマホ７を使用するユーザの性別及び年齢等の情報であり、例えばアプリ７２ａの最初の起動時などにユーザからの入力を受け付けて記憶部７２に記憶される情報である。

表示部７３は、液晶パネルなどの表示デバイスを用いて構成され、処理部７１の処理に応じて種々の画像を表示する。操作部７４は、ユーザの操作を受け付けて、受け付けた操作内容を処理部７１へ通知する。操作部７４は、例えば表示部７３の表面に設けられたタッチパネル、及び、スマホ７の筐体に設けられたプッシュスイッチ等を用いて構成される。カメラ７５は、例えばスマホ７の筐体の背面に設けられ、ユーザの操作に応じて画像を撮像し、撮像した画像を処理部７１へ与える。

第１通信部７６は、例えば携帯電話通信網又は無線ＬＡＮ等の無線通信網を利用し、インターネットなどのネットワークＮＷを介して他の装置との通信を行う。本実施の形態において第１通信部７６は、ネットワークＮＷを介してサーバ装置５との間で通信を行う。第１通信部７６は、処理部７１から与えられた送信用のデータを変調して得られた信号をアンテナへ出力することでデータを送信する。また第１通信部７６は、アンテナにて受信した信号を復調してデジタルのデータに変換し、このデータを受信データとして処理部７１へ与える。

第２通信部７７は、街灯１が周期的に送信する無線信号を受信する。本実施の形態において街灯１はBluetoothの通信規格に基づく無線送信を行い、第２通信部７７は、同じくBluetoothの通信規格に基づく無線通信を行う。第２通信部７７は、街灯１からの無線信号を受信し、受信した信号を復調してデジタルのデータに変換し、このデータを受信データとして処理部７１へ与える。

ＧＰＳ受信部７８は、ＧＰＳの人工衛星から送信される電波を受信し、受信した電波に含まれる情報を処理部７１へ与える。処理部７１は、ＧＰＳ受信部７８から与えられた情報に基づいて、スマホ７の位置（例えば緯度及び経度）を特定する処理を行うことができる。

また処理部７１には、記憶部７２に記憶されたアプリ７２ａが実行されることによって、ビーコン受信部７１ａ及び属性情報送信部７１ｂ等がソフトウェア的な機能ブロックとして実現される。ビーコン受信部７１ａは、街灯１が周期的に送信する無線信号を第２通信部７７にて受信し、受信した無線信号に含まれる街灯ＩＤを取得する処理を行う。属性情報送信部７１ｂは、街灯１からの無線信号を受信したビーコン受信部７１ａから街灯ＩＤが与えられた場合に、記憶部７２から属性情報７２ｂを読み出し、読み出した属性情報７２ｂを街灯ＩＤと共に、第１通信部７６にてサーバ装置５へ送信する処理を行う。

＜学習モデル＞
本実施の形態に係る情報収集システムでは、以下の３つの学習モデルが用いられている。
（１）街灯１が属性判定に用いる属性モデル１２ｂ
（２）サーバ装置５が属性の推測処理に用いる推測モデル５２ｄ
（３）街灯１が害動物の排除方法の決定に用いる排除モデル１２ｃ（５２ｅ）

（１）属性モデル
属性モデル１２ｂは、街灯１によるカメラ１４の撮像画像に映る歩行者の属性判定に用いられる。属性モデル１２ｂは、例えば入力された画像にフィルタ処理を施すことによって画像の特徴を示す特徴量を抽出し、抽出された複数の特徴量に対する演算処理を行うことによって、画像に含まれる歩行者の属性を判定する。このときに行われる演算処理の内容は、予め行われた学習により決定される。本実施の形態において属性モデル１２ｂは、サーバ装置５又は他の装置により予め深層学習が行われた学習モデルである。深層学習による学習がなされた属性モデル１２ｂが、街灯１の記憶部１２に予め記憶されて属性判定に用いられる。

図８及び図９は、深層学習の学習モデルの概念を説明するための模式図である。深層学習は機械学習の一種であり、学習モデルとして複数のニューロンが相互に結合したニューラルネットの構造が採用されている。１つのニューロンの構成を図８に示し、複数のニューロンが結合したニューラルネットの一構成例を図９に示している。ニューロンは、複数の入力（Ｘ１，Ｘ２，…，Ｘｎ）に対して演算を行い、演算結果として１つの値Ｚを出力する。ニューロンには、演算に用いられる重み付けの係数（Ｗ１，Ｗ２，…、Ｗｎ）と閾値Ｖとを有している。まずニューロンは、入力（Ｘ１，Ｘ２，…，Ｘｎ）及び係数（Ｗ１，Ｗ２，…、Ｗｎ）に基づいて値Ｙ＝Ｘ１×Ｗ１＋Ｘ２×Ｗ２＋…＋Ｘｎ×Ｗｎを算出する。次いでニューロンは、算出された値Ｙが閾値Ｖを超えるか否かに応じて１又は０の値Ｚを出力する。

ニューラルネットは、複数のニューロンが階層的に結合された構成である。図示のニューラルネットは、ｍ個の入力値を受け付ける入力層と、入力層にて受け付けられたデータに対して演算処理を行う中間層と、中間層の演算結果を集約してｎ個の値を出力する出力層とを備えている。図示の例では中間層が２階層とされているが、これは一例であって、中間層は１階層又は３階層以上であってよい。深層学習は、予め与えられた多数の入力データを用いて、ニューラルネットの各ニューロンの係数（Ｗ１，Ｗ２，…、Ｗｎ）及び閾値Ｖに適切な値を設定する処理である。

また画像が入力される学習モデルでは、入力画像から特徴量を抽出するための畳み込み層及びプーリング層が上記のニューラルネットの前段として設けられ、畳み込み層及びプーリング層によって入力画像から抽出された特徴量がニューラルネットへの入力となる。この構成は、ＣＮＮ（Convolution Neural Network：畳み込みニューラルネット）と呼ばれる。本実施の形態に係る属性モデル１２ｂは、このＣＮＮの構成を採用することができ、図９に示した学習モデルのニューラルネットの構成において、カメラ１４の撮像画像から抽出した特徴量が入力値として入力され、属性の判定結果が出力値として出力される。

属性モデル１２ｂは、予め撮像された人の画像と、この画像に写された人の属性とが対応付けられた教師データを用いて、深層学習がなされた学習モデルである。属性モデル１２ｂが出力する属性情報は、例えば歩行者の性別及び年代とすることができ、更に属性モデル１２ｂは、性別及び年代の組と歩行者がこの組であると推定する確率とを出力する構成とすることができる。属性モデル１２ｂは予め深層学習が行われ、学習済の属性モデル１２ｂが街灯１の製造段階などにおいて記憶部１２に記憶される。記憶部１２に記憶される属性モデル１２ｂは、具体的には、学習の結果として決定された各ニューロンの係数（Ｗ１，Ｗ２，…、Ｗｎ）及び閾値Ｖのデータであり、更にはニューラルネットの構成を規定する情報が含まれてもよい。

なお本実施の形態においては、各街灯１の属性モデル１２ｂは更新が行われないものとする。ただし、属性モデル１２ｂの再学習を行い、サーバ装置５が新たな属性モデル１２ｂを各街灯１へ送信し、これを受信した街灯１が属性モデル１２ｂを更新する構成としてもよい。この場合に、属性モデル１２ｂの学習は、サーバ装置５にて行われてもよく、サーバ装置５以外の装置にて行われてもよい。また更には、街灯１が自らの属性モデル１２ｂの学習を行う構成としてもよい。

（２）推測モデル
図１０は、推測モデル５２ｄの一例を示す模式図である。推測モデル５２ｄは、街灯１の周辺環境に関する情報に基づいて、街灯１の周辺を訪れる歩行者の属性を推測する処理に用いられる。本実施の形態において推測モデル５２ｄは、サーバ装置５が各街灯１から収集した属性情報を基に深層学習を行った学習モデルである。

推測モデル５２ｄは、ニューラルネットの入力層に対して、例えばこの地域で実施する複数の催事に関する情報、催事が実施される際の天候に関する情報、及び、催事が実施される日時に関する情報等が入力される。催事に関する情報は、バーゲン又はセミナー等の催事の種別を示す情報であり、図示の例では２つの催事に関する情報が入力されているが、１つ又は３つ以上であってもよい。日時に関する情報は、例えば催事が開催される月、季節又は曜日等の条件とすることができる。

また推測モデル５２ｄの出力層は、例えば２０代の女性、２０代の男性、３０代の女性、３０代の男性…のように、年齢及び性別の組に対して、来訪が推測される人数又は確率等の情報を出力する。また更に推測モデル５２ｄは、複数人の組み合わせに対して、カップル又は家族等の属性を推測し、これらの属性について推測される来訪数又は確率等を出力してもよい。

サーバ装置５は、街灯１及びスマホ７から受信した属性情報を記憶部５２の属性ＤＢ５２ｂに記憶して蓄積しており、サーバ装置５の第１学習処理部５１ｃは属性ＤＢ５２ｂに蓄積された情報を用いて推測モデル５２ｄの深層学習を行う。第１学習処理部５１ｃは、例えば街灯１又はスマホ７から属性情報を受信する都度に学習を行ってもよく、また例えば１週間又は１ヶ月等の所定の送信周期で学習を行ってもよく、また例えば店舗４又は企業等から推測処理を行う要求が与えられた場合に学習を行ってもよい。

また本実施の形態においては、街灯１毎に推測モデル５２ｄが生成され、街灯１毎の属性情報を用いて推測モデル５２ｄの深層学習が行われる。ただし、複数の街灯１からの属性情報を用いて１つの推測モデル５２ｄの深層学習を行い、複数の街灯１が配置された地域全体について訪れる歩行者の属性推測を１つの推測モデル５２ｄを用いて行ってもよい。推測モデル５２ｄへ入力する情報と推測モデル５２ｄが推測結果として出力する情報とは、街灯１にて取得し得る情報と、店舗４及び企業等が必要とする推測結果とに基づいて適宜に決定され得る。

サーバ装置５の推測処理部５１ｅは、店舗４又は企業等からの要求に応じて推測モデル５２ｄを用いた推測を行い、推測結果を店舗４又は企業等のコンピュータへ送信する。図１１及び図１２は、サーバ装置５による推測モデル５２ｄを用いた推測結果の表示例を示す模式図であり、店舗４又は企業等のコンピュータのディスプレイなどに表示される画面の一例である。サーバ装置５の推測処理部５１ｅは、複数の街灯１が分散配置された地域の模式的な地図画像を表示し、この地図画像上に街灯１の配置を記号又はアイコン等の画像を用いて示す。図示の例では、円形のマーク内に”灯”の文字を記入した記号を、街灯１の位置を示す記号として用いている。

推測モデル５２ｄが推測結果として出力する情報は、例えば２０代男性が１００人、２０代女性が１２０人、３０代男性が４０人、３０代女性が６０人…、のような歩行者の属性と所定時間当たりに訪れる人数との組み合わせとすることができる。推測処理部５１ｅは、各街灯１の位置が示された地図画像上に、推測モデル５２ｄによる推測結果を表示する。図１１に示す例では、街灯１毎に推測された男性及び女性の人数を、男性を示す記号と女性を示す記号の大きさで表している。また図１２に示す例では、街灯１毎に推測された男性の人数に基づいて、この地域における男性の移動量を矢印の太さで表している。図１１及び図１２の画面表示は一例であるが、このような画像を用いて推測結果を表示することによって、店舗４又は企業等でコンピュータを操作するユーザが推測結果を容易に把握することが可能となる。

なお、推測結果の表示方法は、地図画像上に表示するのではなく、例えば推測された男女の比率及び年代別の比率等を、円グラフ又は棒グラフ等のグラフを用いた表示を行ってもよい。また例えば、訪れる歩行者の時間的な変化を、折れ線グラフ又は棒グラフ等のグラフを用いて表示してもよい。推測結果の表示方法は、上記のものに限らず、種々の表示方法を採用し得る。

（３）排除モデル
排除モデル１２ｃ（５２ｅ）は、街灯１が排除音発生部１８及び排除光発生部１９にて害動物の排除を行う際に、その排除方法を決定する。本実施の形態において排除モデル１２ｃは、サーバ装置５が街灯１から収集した排除に関する情報を基に強化学習を行った学習モデルである。強化学習は、学習モデルの出力値に基づく処理を行い、その処理結果を学習モデルにフィードバックすることで学習を行う方法である。

排除モデル１２ｃへ入力する情報は害動物の属性情報であり、排除モデル１２ｃの出力は排除音発生部１８が発生する排除音の条件、及び、排除光発生部１９が発生する排除光の条件である。本実施の形態において排除モデル１２ｃは、例えば排除音発生部１８が１０段階で周波数を変化させて排除音を発生させることができる場合に、この１０種類の排除音それぞれについて発生確率を示す１０個の値（Ａ１、Ａ２、…、Ａ１０）を有し、入力された害動物の属性情報とこれらの発生確率Ａ１〜Ａ１０とに基づいて、排除音発生部１８が発生させる排除音の周波数を決定する。これらの発生確率Ａ１〜Ａ１０は、カラス又はネズミ等の害動物毎に設けられる。

排除モデル１２ｃが決定した周波数に従って排除音発生部１８が排除音を発生させ、害動物の排除に成功したか否かの判定が行われる。この判定結果が、排除音発生部１８による排除結果となり、排除モデル１２ｃの強化学習に用いられる。即ち、排除に成功した場合にはこのときの排除音の周波数に対応する発生確率を増加させ、失敗した場合には発生確率を減少させることで、排除モデル１２ｃを強化学習することができる。

なお上記の説明では、排除音発生部１８の排除音について、排除モデル１２ｃの強化学習を説明したが、排除光発生部１９の排除光についても同様の方法で強化学習を行うことができる。また、排除モデル１２ｃの学習モデルは、図８及び図９に示したニューラルネットの学習モデルを用いることも可能である。この場合、サーバ装置５は、強化学習且つ深層学習を学習モデルに対して行うこととなる。

サーバ装置５は、害動物の属性情報、実施した排除方法及び排除の結果等を含む排除に関する情報を街灯１から受信して排除ＤＢ５２ｃに記憶する。またサーバ装置５は、排除ＤＢ５２ｃに記憶された情報に基づいて、排除モデル５２ｅに対する強化学習を行う。本実施の形態においては、複数の街灯１から得られた情報を用いてサーバ装置５は１つの排除モデル５２ｅの強化学習を行う。サーバ装置５は、学習した排除モデル５２ｅを複数の街灯１へ送信する。各街灯１は、自身の記憶部１２に記憶されている排除モデル１２ｃを、サーバ装置５から受信した排除モデル５２ｅに置き換えることで排除モデル１２ｃを更新する。

即ち、本実施の形態において複数の街灯１は、サーバ装置５が強化学習した同じ排除モデル１２ｃを用いて害動物の排除を行う。ある１つの街灯１にて排除を行った結果をサーバ装置５が取得して排除モデル５２ｅを強化学習し、強化学習した排除モデル５２ｅを複数の街灯１へ送信することによって、１つの街灯１の排除結果を複数の街灯１の排除モデル１２ｃに反映させることができる。同じ地域に存在する害動物に対しては、排除に成功した方法と同じ排除方法を実施することで、この害動物の排除に成功する可能性が高い。

＜フローチャート＞
図１３は、本実施の形態に係る街灯１が行う属性判定処理の手順を示すフローチャートである。本実施の形態に係る街灯１の処理部１１の属性判定部１１ｂは、所定の周期でカメラ１４による周囲の撮像を行っている（ステップＳ１）。属性判定部１１ｂは、カメラ１４の撮像により得られた撮像画像を、記憶部１２に記憶された属性モデル１２ｂへ入力することによって、撮像画像に写された歩行者及び害動物の属性を判定する処理を行う（ステップＳ２）。

属性判定部１１ｂは、属性モデル１２ｂが出力する属性の判定結果を取得し、この判定結果に基づいて撮像画像中の歩行者の有無を判定する（ステップＳ３）。撮像画像中に歩行者が存在する場合（Ｓ３：ＹＥＳ）、属性判定部１１ｂは、この歩行者の属性情報を自身に付された街灯ＩＤと共にサーバ装置５へ送信し（ステップＳ４）、ステップＳ５へ処理を進める。また撮像画像中に歩行者が存在しない場合（Ｓ３：ＮＯ）、属性判定部１１ｂは、サーバ装置５への属性情報の送信を行わずに、ステップＳ５へ処理を進める。ただし、撮像画像中に歩行者が存在しない場合であっても、属性判定部１１ｂは歩行者が存在しない旨の属性情報をサーバ装置５へ送信する構成であってもよい。ステップＳ４にて街灯１からサーバ装置５へ送信された属性情報に応じて、サーバ装置５から属性に適した広告映像が街灯１へ送信されることとなる。

次いで属性判定部１１ｂは、属性モデル１２ｂの判定結果に基づいて、撮像画像中の害動物の有無を判定する（ステップＳ５）。撮像画像中に害動物が存在する場合（Ｓ５：ＹＥＳ）、処理部１１の排除処理部１１ｃによる害動物の排除処理を開始し（ステップＳ６）、属性判定部１１ｂはステップＳ１へ処理を戻す。撮像画像中に害動物が存在しない場合（Ｓ５：ＮＯ）、属性判定部１１ｂは、害動物の排除処理を行うことなく、ステップＳ１へ処理を戻す。

図１４は、本実施の形態に係る街灯１が行う排除処理の手順を示すフローチャートであり、図１３のステップＳ６にて行われる処理である。本実施の形態に係る街灯１の処理部１１の排除処理部１１ｃは、属性モデル１２ｂが判定した害動物の属性を取得する（ステップＳ１１）。排除処理部１１ｃは、ステップＳ１１にて取得した害動物の属性を、記憶部１２に記憶された排除モデル１２ｃへ入力することによって、害動物を排除する方法を決定する処理を行う（ステップＳ１２）。排除処理部１１ｃは、排除モデル１２ｃが出力する排除方法を取得し、この排除方法に基づいて排除音発生部１８による排除音の発生を行う（ステップＳ１３）と共に、排除光発生部１９による排除光の発生を行う（ステップＳ１４）。

排除の実施後、害動物が街灯１から去るまでの時間を考慮し、排除処理部１１ｃは、例えば数秒の所定時間を待機する（ステップＳ１５）。所定時間の経過後、排除処理部１１ｃは、ステップＳ１３及びＳ１４にて行った排除の成否判定を行う（ステップＳ１６）。排除の成否判定は、例えば所定時間経過後にカメラ１４が撮像した撮像画像に基づく属性モデル１２ｂの属性判定結果を取得し、害動物が存在するか否かを判定することで行うことができる。その後、排除処理部１１ｃは、排除を試みた害動物の属性情報、実施した排除方法及び排除の結果を含む排除情報を自身に付された街灯ＩＤと共にサーバ装置５へ送信し（ステップＳ１７）、排除処理を終了する。

図１５は、本実施の形態に係る街灯１が行うサーバ装置５からの情報受信に関する処理の手順を示すフローチャートである。本実施の形態に係る街灯１の処理部１１は、無線通信部１６にてサーバ装置５から送信される広告映像を受信したか否かを判定する（ステップＳ２１）。広告映像を受信した場合（Ｓ２１：ＹＥＳ）、処理部１１は、受信した広告映像を表示部１５に表示し（ステップＳ２２）、ステップＳ２３へ処理を進める。広告映像を受信していない場合（Ｓ２１：ＮＯ）、処理部１１は、ステップＳ２３へ処理を進める。

処理部１１の更新部１１ｄは、無線通信部１６にてサーバ装置５から送信される学習モデル（排除モデル５２ｅ）を受信したか否かを判定する（ステップＳ２３）。学習モデルを受信した場合（Ｓ２３：ＹＥＳ）、更新部１１ｄは、記憶部１２に記憶された排除モデル１２ｃを、サーバ装置５から受信した排除モデル５２ｅに置き換えることで、学習モデルを更新する処理を行い（ステップＳ２４）、ステップＳ２１へ処理を戻す。学習モデルを受信していない場合（Ｓ２３：ＮＯ）、更新部１１ｄは、ステップＳ２１へ処理を戻す。

図１６は、本実施の形態に係るスマホ７が行う処理の手順を示すフローチャートである。本実施の形態に係るスマホ７の処理部７１のビーコン受信部７１ａは、第２通信部７７にて街灯１から送信されるビーコン信号を受信したか否かを判定する（ステップＳ３１）。ビーコン信号を受信していない場合（Ｓ３１：ＮＯ）、ビーコン受信部７１ａは、ビーコン信号を受信するまで待機する。ビーコン信号を受信した場合（Ｓ３１：ＹＥＳ）、処理部７１の属性情報送信部７１ｂは、記憶部７２に記憶された属性情報７２ｂを読み出す（ステップＳ３２）。属性情報送信部７１ｂは、読み出した属性情報７２ｂを第１通信部７６にてサーバ装置５へ送信し（ステップＳ３３）、ステップＳ３１へ処理を戻す。

図１７は、本実施の形態に係る推測モデル５２ｄの初期学習の手順を示すフローチャートである。推測モデル５２ｄの初期学習は、サーバ装置５で行われてもよく、サーバ装置５以外の装置で行われてもよい。初期学習がなされた推測モデル５２ｄが、サーバ装置５の記憶部５２に記憶される。ただし本実施の形態においては、サーバ装置５が初期学習の処理を行うものとして説明する。

サーバ装置５は、図１０に示す入力層、中間層及び出力層を有する推測モデル５２ｄを生成する（ステップＳ４１）。その後、サーバ装置５は、予め用意された催事に係る情報、天候情報及び日時情報等の入力層へ入力される情報を取得する（ステップＳ４２）と共に、この入力情報に対応する出力情報として歩行者の属性情報を取得して（ステップＳ４３）、これらの情報を学習の教師データとする。サーバ装置５は、ステップＳ４２及びＳ４３にて取得した情報に基づく教師データを用いて推測モデル５２ｄの深層学習を行う（ステップＳ４４）。例えばサーバ装置５は、催事、天候及び日時等に対して、この地域を訪れる２０代女性及び２０代男性等の属性の人数などを学習させる。

サーバ装置５は、用意された全ての情報（教師データ）について学習処理を終了したか否かを判定する（ステップＳ４５）。全ての情報について学習処理を終了していない場合（Ｓ４５：ＮＯ）、サーバ装置５は、ステップＳ４２へ処理を戻し、次の情報を読み出して学習処理を行う。全ての情報について学習処理を終了した場合（Ｓ４５：ＹＥＳ）、サーバ装置５は、学習済の推測モデル５２ｄを記憶部５２に記憶して（ステップＳ４６）、処理を終了する。

図１８及び図１９は、本実施の形態に係るサーバ装置５が行う処理の手順を示すフローチャートである。本実施の形態に係るサーバ装置５の処理部５１は、通信部５３にて街灯１又はスマホ７から送信される属性情報を受信したか否かを判定する（ステップＳ５１）。属性情報を受信した場合（Ｓ５１：ＹＥＳ）、処理部５１の記憶処理部５１ａは、受信した属性情報を記憶部５２の属性ＤＢ５２ｂに記憶する（ステップＳ５２）。処理部５１の映像送信部５１ｂは、受信した属性情報に応じた広告映像を取得し、属性情報の送信元の街灯１又は属性情報の送信元のスマホ７が受信したビーコン信号の送信元の街灯１へ、広告映像を送信し（ステップＳ５３）、ステップＳ５４へ処理を進める。属性情報を受信していない場合（Ｓ５１：ＮＯ）、処理部５１は、ステップＳ５４へ処理を進める。

次いで処理部５１は、通信部５３にて街灯１から送信される害動物の排除に関する排除情報を受信したか否かを判定する（ステップＳ５４）。排除情報を受信した場合（Ｓ５４：ＹＥＳ）、処理部５１の記憶処理部５１ａは、受信した排除情報を記憶部５２の排除ＤＢ５２ｃに記憶する（ステップＳ５５）。処理部５１の第２学習処理部５１ｄは、受信した排除情報を用いて、記憶部５２に記憶された排除モデル５２ｅの強化学習を行う（ステップＳ５６）。処理部５１のモデル配信処理部５１ｆは、ステップＳ５６にて強化学習した排除モデル５２ｅを、複数の街灯１へ送信し（ステップＳ５７）、ステップＳ５８へ処理を進める。排除情報を受信していない場合（Ｓ５４：ＮＯ）、処理部５１は、ステップＳ５８へ処理を進める。

次いで処理部５１は、店舗４又は企業等のコンピュータから、この地域を訪れる歩行者の属性の推測処理を実施する要求を受信したか否かを判定する（ステップＳ５８）。推測要求を受信した場合（Ｓ５８：ＹＥＳ）、処理部５１の推測処理部５１ｅは、店舗４又は企業等のコンピュータから推測の条件の入力を受け付ける（ステップＳ５９）。推測処理部５１ｅは、受け付けた条件を推測モデル５２ｄへ入力することによって、この条件に応じた歩行者の属性を推測する処理を行う（ステップＳ６０）。推測処理部５１ｅは、推測モデル５２ｄが出力する推測結果を取得し、取得した推測結果に基づいて推測要求元のコンピュータに推測結果を表示する処理を行い（ステップＳ６１）、ステップＳ６２へ処理を進める。推測要求を受信していない場合（Ｓ５８：ＮＯ）、処理部５１は、ステップＳ６２へ処理を進める。

次いで処理部５１は、例えば推測モデル５２ｄの前回の学習から所定時間が経過した場合、又は、前回の学習後に街灯１から取得した情報が所定量を超えた場合など、推測モデル５２ｄの深層学習を行うタイミングに至ったか否かを判定する（ステップＳ６２）。深層学習を行うタイミングに至った場合（Ｓ６２：ＹＥＳ）、処理部５１の第１学習処理部５１ｃは、記憶部５２に記憶された推測モデル５２ｄを読み出す（ステップＳ６３）。第１学習処理部５１ｃは、記憶部５２の属性ＤＢ５２ｂから、前回の学習以後に蓄積された属性情報を読み出す（ステップＳ６４）。第１学習処理部５１ｃは、属性ＤＢ５２ｂから読み出した催事に係る情報、天候情報、日時情報、歩行者の属性情報及び来訪者数等を用いて、推測モデル５２ｄの深層学習を行い（ステップＳ６５）、推測モデル５２ｄのニューラルネットを構成するニューロンの係数（Ｗ１，Ｗ２，…、Ｗｎ）及び閾値Ｖを更新する。第１学習処理部５１ｃは、属性ＤＢ５２ｂに記憶された属性情報のうち、前回の学習以後に記憶された全ての属性情報について、この属性情報を用いた深層学習を終了したか否かを判定する（ステップＳ６６）。全ての属性情報について深層学習を行っていない場合（Ｓ６６：ＮＯ）、第１学習処理部５１ｃは、ステップＳ６４へ処理を戻し、次の属性情報を用いた推測モデル５２ｄの深層学習を行う。全ての属性情報について深層学習を終了した場合（Ｓ６６：ＹＥＳ）、処理部５１は、ステップＳ５１へ処理を戻す。

＜まとめ＞
以上の構成の本実施の形態に係る情報収集システムでは、街灯１は周辺の情報を検知するセンサを有し、センサの検知結果に応じた情報と、自身に付された街灯ＩＤとをサーバ装置５へ送信する。サーバ装置５は、分散配置された街灯１から送信されるセンサの検知結果に応じた情報と街灯ＩＤとを受信して記憶部５２に記憶する。これによりサーバ装置５は、分散配置された複数の街灯１から得られる情報を蓄積し、種々のサービスに活用することが可能となる。

また本実施の形態に係る情報収集システムでは、センサとして街灯１には周辺を撮像するカメラ１４を設ける。街灯１は、カメラ１４の撮像画像に写された人又は物等の対象についてその属性を判定し、属性の判定結果である属性情報を街灯ＩＤと共にサーバ装置５へ送信する。また街灯１は、予め深層学習された属性モデル１２ｂを用いて、撮像画像から対象の属性を判定する処理を行うことにより、属性判定の精度を高めることができる。サーバ装置５は、街灯１から送信された属性情報を、センサの検知結果に応じた情報として、街灯１の街灯ＩＤと共に、記憶部５２の属性ＤＢ５２ｂに記憶する。これによりサーバ装置５は、街灯１の周辺を通り過ぎる歩行者又は物等の対象物の属性情報を蓄積することができ、これらの情報を種々のサービスに活用することが可能となる。

また本実施の形態に係る情報収集システムでは、サーバ装置５は、街灯１のカメラ１４の撮像画像に基づく対象の属性情報と共に、街灯１が配置された地域で実施された催事に係る情報を記憶する。これによりサーバ装置５は、街灯１が配置された場所を通り過ぎる人又は物等の対象物の属性と、街灯１が配置された場所の周辺の催事との対応関係を把握することが可能となる。

また本実施の形態に係る情報収集システムでは、サーバ装置５が、街灯１の周辺の催事に係る情報と、街灯１のカメラ１４の撮像画像に基づく属性情報とに基づいて、推測モデル５２ｄを深層学習させる処理を行う。これにより推測モデル５２ｄは、催事と属性との対応関係を学習し、催事に対してどのような属性の対象が訪れるかを推測することが可能となる。

また本実施の形態に係る情報収集システムでは、サーバ装置５が店舗４又は企業等のコンピュータから催事に係る情報の入力を受け付ける。サーバ装置５は、深層学習した推測モデル５２ｄを利用し、受け付けた催事に係る情報を推測モデル５２ｄへ入力し、推測モデル５２ｄが出力する属性情報を取得する。これによりサーバ装置５は、催事に対して訪れることが推測される対象の属性の情報を取得し、推測結果を店舗４又は企業等のコンピュータへ提供することができる。

また本実施の形態に係る情報収集システムでは、推測モデル５２ｄを利用して得られた催事に対する対象の属性情報に基づいて、サーバ装置５は、複数の街灯１の配置に対応付けて、推測される属性情報又はこの属性情報の時間的な変化を、店舗４又は企業等のコンピュータのディスプレイなどに画像表示する処理を行う。これにより催事の開催の検討者は、推測モデル５２ｄにより推測される属性情報又はその変化を、表示された画像に基づいて容易に検討することができる。

また本実施の形態に係る情報収集システムでは、街灯１のカメラ１４の撮像画像に基づく属性の判定結果に応じて、サーバ装置５が映像情報を街灯１へ送信する。街灯１は、映像を表示する表示部１５を備え、サーバ装置５から送信された映像情報を受信し、受信した映像情報を表示部１５に表示する。これにより街灯１は、周囲の対象の属性に適して映像情報を表示部１５に表示することが可能となり、例えば属性に適した広告映像を表示することができる。

また本実施の形態に係る情報収集システムでは、カメラ１４の撮像画像に写された対象の属性が害動物である場合に、この害動物を排除するための手段、排除音発生部１８及び排除光発生部１９を街灯１が備える。これにより街灯１は、カメラ１４の撮像画像に基づいて周囲から害動物を排除することが可能となり、カメラ１４による撮像を害動物により妨害されることを防止できる。

また本実施の形態に係る情報収集システムでは、街灯１が排除音発生部１８及び排除光発生部１９による排除方法を変化させることができ、街灯１は排除モデル１２ｃを利用して排除方法を決定する。また街灯１は、実施した排除方法及びこの排除方法による排除結果をサーバ装置５へ送信する。サーバ装置５は、街灯１から受信した排除方法及び排除結果の情報を記憶部５２の排除ＤＢ５２ｃに記憶しておく。これによりサーバ装置５は、害動物の排除に関する情報を蓄積することができる。

また本実施の形態に係る情報収集システムでは、街灯１が排除方法を決定する際に用いる排除モデル１２ｃを、街灯１から得られた排除方法及び排除結果に関する情報に基づいて、サーバ装置５が強化学習させる。サーバ装置５は強化学習した排除モデル５２ｅを街灯１へ送信する。サーバ装置５から学習済の排除モデル５２ｅを受信した街灯１は、これまでに用いていた排除モデル１２ｃを、新たにサーバ装置５から受信した排除モデル５２ｅに更新する。これにより街灯１は、より効果的な排除方法を採用して害動物の排除を行うことが可能となる。

また本実施の形態に係る情報収集システムは、街灯１が周期的な無線信号の送信、いわゆるビーコン信号の送信を行う。街灯１から送信されたビーコン信号は、街灯１の周囲に存在する歩行者が所持するスマホ７にて受信される。ビーコン信号を受信したスマホ７は、ビーコン信号に含まれる街灯ＩＤとスマホ７のユーザの属性情報とをサーバ装置５へ送信する。サーバ装置５は、スマホ７から受信した情報を、記憶部５２の属性ＤＢ５２ｂに記憶する。これによりサーバ装置５は、街灯１の周辺を通り過ぎる歩行者に関する情報を、街灯１のカメラ１４から得られる情報と、街灯１のビーコン信号に基づいてスマホ７から得られる情報との二通りの情報から蓄積することができ、これらの情報を種々のサービスに活用することが可能となる。

なお本実施の形態においては、街灯１のカメラ１４の撮像画像に基づいて判定された歩行者の属性情報と、街灯１からのビーコン信号を受信したスマホ７からの属性情報とをサーバ装置５が記憶する構成としたが、これに限るものではない。街灯１によるビーコン信号の送信を行わない構成であってよく、サーバ装置５はスマホ７から属性情報を受信しない構成であってよい。また本実施の形態においては街灯１の排除モデル１２ｃの強化学習をサーバ装置５が行う構成としたが、これに限るものではなく、街灯１が強化学習を行う構成としてもよい。また更に、街灯１は属性モデル１２ｂの学習処理を行う構成としてもよい。

また本実施の形態においては、各街灯１が属性モデル１２ｂ及び排除モデル１２ｃを有する構成としたが、これに限るものではない。例えば属性モデル１２ｂをサーバ装置５が有し、街灯１はカメラ１４の撮像画像をサーバ装置５へ送信し、サーバ装置５が属性モデル１２ｂを用いた属性判定を行う構成としてもよい。同様に、サーバ装置５が排除モデル１２ｃを有し、街灯１から送信されたカメラ１４の撮像画像に基づいてサーバ装置５が排除モデル１２ｃを利用した排除方法の決定を行い、決定した排除方法を街灯１へ送信する構成としてもよい。

街灯１は、カメラ１４の撮像画像に基づく歩行者の属性判定を行い、害動物の排除を行わない構成であってよい。また街灯１は、カメラ１４の撮像画像に基づく害動物の排除を行い、歩行者の属性判定を行わない構成であってよい。この場合、属性モデル１２ｂと排除モデル１２ｃとを別の学習モデルとせず、１つの学習モデルとしてもよい。またサーバ装置５は、推測モデル５２ｄを用いた推測処理を行わない構成であってよい。また図１１及び図１２に示した画面表示は、一例であってこれに限るものではない。またサーバ装置５は、１つの装置である必要はなく、複数の装置の協働により実現されるものであってよい。例えば、街灯１から得られた情報をデータベースに蓄積する処理と、学習モデルに対する学習を行う処理とは別のサーバ装置が行う構成とすることができる。

（変形例）
変形例に係る情報収集システムは、歩行者が所持するスマホ７がビーコン信号を周期的に送信し、このビーコン信号を街灯１０１が受信することによって、歩行者に関する情報収集が行われる。図２０は、変形例に係る街灯１０１の構成を示すブロック図である。変形例に係る街灯１０１は、ビーコン受信部２１７を備えると共に、処理部１１にビーコン処理部２１１ｅが設けられている。

変形例に係るスマホ７は、例えばBluetoothの通信規格に基づいて、一定の周期で無ビーコン信号を無線送信する。スマホ７が送信するビーコン信号には、例えばスマホ７を所有する歩行者の識別情報又はスマホ７の識別情報等の情報が含まれる。また更にビーコン信号には、歩行者の性別及び年齢等の情報が含まれていてもよい。本変形例では、ビーコン信号に含まれるこれらの情報をビーコン情報と呼ぶ。なお本変形例ではビーコン信号を送信する装置をスマホ７とするが、これに限るものではなく、スマホ７以外の種々の装置がビーコン信号を送信する構成としてよい。例えばビーコン信号を送信するための専用の装置を歩行者が所持していてもよい。

変形例に係る街灯１０１は、歩行者のスマホ７から送信されるビーコン信号を、ビーコン受信部２１７にて受信する。ビーコン受信部２１７は、受信したビーコン信号をデジタル情報に変換し、変換した情報を処理部１１へ与える。

処理部１１のビーコン処理部２１１ｅは、ビーコン受信部２１７から与えられた情報から、歩行者の識別情報などのビーコン情報を取得する。ビーコン処理部２１１ｅは、取得したビーコン情報と、街灯１０１に対して付された街灯ＩＤとをサーバ装置５へ送信する。

街灯１０１から送信されるビーコン情報及び街灯ＩＤを受信したサーバ装置５は、受信した情報に基づいて、ビーコン信号の送信元のスマホ７を所有する歩行者の属性情報を、記憶部５２の属性ＤＢ５２ｂに記憶する。

なおスマホ７が歩行者の性別及び年齢等の属性情報をビーコン信号に含めて送信する構成である場合、サーバ装置５は、街灯１０１から受信した情報から属性情報を取得して属性ＤＢ５２ｂへの記憶を行うことができる。

これに対して、スマホ７が属性情報をビーコン信号に含めず、例えば歩行者の識別情報をビーコン信号に含めて送信する構成である場合、サーバ装置５は、例えば街灯１０１から受信した歩行者の識別情報に基づいて、他の装置からこの歩行者の属性情報を取得して属性ＤＢ５２ｂに記憶してもよい。

以上の変形例に係る情報収集システムは、スマホ７が送信するビーコン信号を街灯１０１が受信し、受信したビーコン信号に係るビーコン情報と自身の街灯ＩＤとを街灯１０１がサーバ装置５へ送信する。街灯１０１からの情報を受信したサーバ装置５は、受信したビーコン情報に基づく歩行者の属性情報を記憶部５２の属性ＤＢ５２ｂに記憶する。

これにより街灯１０１は、カメラ１４の撮像画像に基づく情報と、ビーコン信号から得られる情報とをサーバ装置５へ送信することが可能となる。サーバ装置５は、街灯１０１から送信されるこれらの情報をデータベースに記憶して蓄積し、蓄積した情報を種々のサービスに活用することができる。

今回開示された実施形態はすべての点で例示であって、制限的なものではないと考えられるべきである。本発明の範囲は、上記した意味ではなく、特許請求の範囲によって示され、特許請求の範囲と均等の意味及び範囲内でのすべての変更が含まれることが意図される。

１ 街灯（公衆設備）
２ 歩道
３ 車道
４ 店舗
５ サーバ装置
７ スマホ
１１ 処理部
１１ａ 照明処理部
１１ｂ 属性判定部
１１ｃ 排除処理部
１１ｄ 更新部
１２ 記憶部
１２ａ プログラム
１２ｂ 属性モデル（第１学習モデル）
１２ｃ 排除モデル（第２学習モデル）
１３ 照明部
１４ カメラ（センサ）
１５ 表示部
１６ 無線通信部（送信部、受信部）
１７ ビーコン送信部
１８ 排除音発生部（排除部）
１９ 排除光発生部（排除部）
５１ 処理部
５１ａ 記憶処理部
５１ｂ 映像送信部
５１ｃ 第１学習処理部
５１ｄ 第２学習処理部
５１ｅ 推測処理部（入力受付部、属性情報取得部、表示処理部）
５１ｆ モデル配信処理部
５２ 記憶部
５２ａ サーバプログラム
５２ｂ 属性ＤＢ
５２ｃ 排除ＤＢ
５２ｄ 推測モデル（第３学習モデル）
５２ｅ 排除モデル（第２学習モデル）
５３ 通信部（受信部）
７１ 処理部
７１ａ ビーコン受信部
７１ｂ 属性情報送信部
７２ 記憶部
７２ａ アプリ
７２ｂ 属性情報
７３ 表示部
７４ 操作部
７５ カメラ
７６ 第１通信部
７７ 第２通信部
７８ ＧＰＳ受信部
９９ 記録媒体
１０１ 街灯（公衆設備）
２１１ｅ ビーコン処理部
２１７ ビーコン受信部
ＮＷ ネットワーク

Claims (22)

1. 周辺の情報を検知するセンサと、
   前記センサの検知結果に応じた情報及び自身に付された識別情報をサーバ装置へ送信する送信部と
   を備える、公衆設備。
2. 前記センサは、周辺を撮像するカメラであり、
   対象が写された画像及び前記対象の属性情報に基づいて予め学習された第１学習モデルを用いて、前記カメラの撮像画像に写された対象の属性を判定する属性判定部を備え、
   前記送信部は、前記属性判定部の判定結果及び前記識別情報を前記サーバ装置へ送信する、請求項１に記載の公衆設備。
3. サーバ装置から前記判定結果に応じた映像情報を受信する受信部と、
   前記受信部が受信した映像情報を表示する表示部と
   を備える、請求項２に記載の公衆設備。
4. 前記属性判定部が前記対象の属性が害動物であると判定した場合に、該害動物を排除する排除部を備える、請求項２又は請求項３に記載の公衆設備。
5. 前記排除部は、害動物の属性及び排除方法を実施した場合の結果の情報に基づいて学習された第２学習モデルを用いて排除方法を決定し、
   前記排除部による排除方法及び当該排除方法による排除結果を前記サーバ装置へ送信する送信部を備える、請求項４に記載の公衆設備。
6. 前記サーバ装置が送信する前記第２学習モデルを受信する受信部と
   前記排除部が用いる前記第２学習モデルを、前記受信部が受信した前記第２学習モデルに更新する更新部と
   を備える、請求項５に記載の公衆設備。
7. ビーコン信号を周期的に送信するビーコン送信部を備える、請求項１乃至請求項６のいずれか１つに記載の公衆設備。
8. 他の装置が送信するビーコン信号を受信するビーコン受信部を備え、
   前記送信部は、前記ビーコン受信部が受信したビーコン信号に応じた情報及び自身に付された識別情報を前記サーバ装置へ送信する、請求項１乃至請求項７のいずれか１つに記載の公衆設備。
9. それぞれがセンサを有して分散配置された複数の公衆設備から、前記センサの検知結果に応じた情報及び前記公衆設備に付された識別情報を受信する受信部と、
   前記受信部が受信した情報を記憶する記憶部と
   を備える、サーバ装置。
10. 前記センサは、カメラであり、
    前記記憶部は、前記カメラの撮像画像に写された対象の属性の判定結果を記憶する、請求項９に記載のサーバ装置。
11. 前記判定結果に対応付けて、前記公衆設備が配置された場所の周辺で実施された催事に係る情報を記憶する、請求項１０に記載のサーバ装置。
12. 記憶した情報に基づき、複数の前記催事に係る情報及び対象の属性に係る情報を用いて、第３学習モデルを学習させる学習処理部を備える、請求項１１に記載のサーバ装置。
13. 催事に係る情報の入力を受け付ける入力受付部と、
    複数の催事に係る情報及び対象の属性に係る情報に基づいて学習された第３学習モデルと、
    前記入力受付部が受け付けた情報を前記第３学習モデルへ入力し、該第３学習モデルが出力する属性の情報を取得する属性情報取得部と
    を備える、請求項９乃至請求項１２のいずれか１つに記載のサーバ装置。
14. 前記属性情報取得部が取得した情報に基づき、前記複数の公衆設備の配置に対応付けて属性の情報又は当該属性の情報の時間的な変化を画像表示する処理を行う表示処理部を備える、請求項１３に記載のサーバ装置。
15. 前記属性の判定結果に基づいて、前記公衆設備が有する表示部に表示すべき映像情報を、前記公衆設備へ送信する映像送信部を備える、請求項１０乃至請求項１４のいずれか１つに記載のサーバ装置。
16. 前記公衆設備は、排除方法を変化させることが可能な、害動物を排除する排除部を有し、
    実施した排除方法及び該排除方法による排除結果に関する情報を前記公衆設備から受信する受信部と、
    前記受信部が受信した情報を記憶する記憶部と
    を備える、請求項９乃至請求項１５のいずれか１つに記載のサーバ装置。
17. 実施した排除方法及び該排除方法による排除結果に関する情報に基づいて、排除方法の決定に用いられる第２学習モデルを学習させる学習処理部を備える、請求項１６に記載のサーバ装置。
18. 前記学習処理部が学習させた第２学習モデルを、前記公衆設備へ送信する送信部を備える、請求項１７に記載のサーバ装置。
19. 前記公衆設備は、ビーコン信号を周期的に送信するビーコン送信部を有し、
    前記ビーコン信号を受信した通信端末装置から、該ビーコン信号に含まれる識別情報及び前記通信端末装置の使用者に係る情報を受信する受信部と、
    前記受信部が受信した情報を記憶する記憶部と
    を備える、請求項９乃至請求項１８のいずれか１つに記載のサーバ装置。
20. 前記公衆設備は、他の装置が送信するビーコン信号を受信するビーコン受信部を有し、
    前記ビーコン信号を受信した前記公衆設備から、該ビーコン信号に応じた情報及び前記公衆設備に付された識別情報を受信する受信部と、
    前記受信部が受信した情報を記憶する記憶部と
    を備える、請求項９乃至請求項１９のいずれか１つに記載のサーバ装置。
21. サーバ装置に、
    それぞれがセンサを有して分散配置された複数の公衆設備から、前記センサの検知結果に応じた情報及び前記公衆設備に付された識別情報を受信し、
    受信した情報を記憶する
    処理を行わせる、サーバプログラム。
22. 複数の催事に係る情報が入力される入力層と、
    催事への来場者の属性に係る情報を出力する出力層と、
    前記入力層の情報に基づいて演算を行うためのパラメータを含み、演算結果を前記出力層に出力する中間層と
    を備え、
    任意の催事に係る情報が前記入力層に入力された場合に、前記中間層での演算結果に基づく属性に係る情報を前記出力層から出力するのに用いられる学習モデル。

Images