JP2021185448A - 予測システム、予測方法、および予測プログラム - Google Patents
予測システム、予測方法、および予測プログラム Download PDFInfo
- Publication number
- JP2021185448A JP2021185448A JP2020090217A JP2020090217A JP2021185448A JP 2021185448 A JP2021185448 A JP 2021185448A JP 2020090217 A JP2020090217 A JP 2020090217A JP 2020090217 A JP2020090217 A JP 2020090217A JP 2021185448 A JP2021185448 A JP 2021185448A
- Authority
- JP
- Japan
- Prior art keywords
- flow line
- guidance device
- data
- line data
- flow
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
Abstract
【課題】誘導装置による影響を的確に反映して移動体の動線を予測することを可能にする予測システム、予測方法、および予測プログラムを提供すること。【解決手段】予測システム10は、誘導装置により誘導された移動体の動線を記録した第1計測動線データと、誘導装置により誘導されなかった移動体の動線を記録した第2計測動線データとをそれぞれ学習することにより、誘導装置により誘導された移動体の動線を予測するための第1動線予測モデルと誘導装置により誘導されなかった移動体の動線を予測するための第2動線予測モデルとを生成する施策検証用モデル生成部113と、第1動線予測モデルと第2動線予測モデルとを用いて移動体の動線を予測する施策効果検証部114とを有する。【選択図】図1
Description
本発明は、人等の移動体の移動を予測するシステムに関する。
駅や空港等、人が利用する施設において、デジタルサイネージ等の人流誘導装置により特定のコンテンツを提示して人の移動(人流)を変化させ、施設を利用する人の安全性や利便性を向上させる施策が検討されている。一般に何らかの施策を実行するには時間やコストがかかることから、施策を実際に実行する前にその施策の効果を検証できることが望ましい。そのため、人流誘導装置の影響を反映した人流をシミュレーションする技術が求められている。
人の移動先を予測する技術が特許文献1および特許文献2に開示されている。また、人流誘導装置が提示するコンテンツに反応した人の割合を分析する技術が特許文献3に開示されている。
特許文献1の技術は、クーポン券に関する情報など、人の行動を誘発する情報が人の行動へ影響する度合いに応じて、人が特定の施設に向かう確率を計算し、施設内での人の移動をシミュレーションするものである。
特許文献2の技術は、デジタルサイネージを含む所定範囲に侵入した人が所定の確率に応じて目的地を選択し、目的地まで移動するという人の移動をシミュレーションするものである。
特許文献3の技術は、人流誘導装置を含む所定範囲に滞留する人の割合、天気、およびイベント開催情報を用いて、人流誘導装置により人に提示されるコンテンツが人流に与える影響の程度を算出し、算出した割合に応じて人流誘導装置のコンテンツの出力を制御するものである。
通常、人流誘導装置により影響を受けうる状況では、人流誘導装置により提示されるコンテンツの内容に影響されて移動先を変更する人と、影響されず移動先を変更しない人とがいる。そのため複数の人について人流を計測した動線データには、移動先を変更した人の動線データと、移動先を変更しなかった人の動線データが混在する。
特許文献1、2の技術のようにそれらの動線データを分類しないまま用いて、人の動線を予測するための動線予測モデルを学習した場合、高い予測精度が得られない可能性がある。
これに対して、特許文献3の技術では、人の所定範囲での滞留により人流誘導装置による影響の程度を算出している。
しかしながら、人流誘導装置の影響を受ける人が必ずしも所定範囲で滞留するとは限らない。例えば、人流誘導装置に表示されたコンテンツを視聴しながら立ち止まらずに移動先を変更する人もいる。
本発明の目的は、誘導装置による影響を的確に反映して移動体の動線を予測することを可能にする技術を提供することである。
予測システムは、誘導装置により誘導された移動体の動線を記録した第1計測動線データと、誘導装置により誘導されなかった移動体の動線を記録した第2計測動線データとをそれぞれ学習することにより、誘導装置により誘導された移動体の動線を予測するための第1動線予測モデルと誘導装置により誘導されなかった移動体の動線を予測するための第2動線予測モデルとを生成する施策検証用モデル生成部と、第1動線予測モデルと第2動線予測モデルとを用いて移動体の動線を予測する施策効果検証部とを有する。
本発明によると、誘導装置による影響を的確に反映して移動体の動線を予測することができる。
以下、本発明の一実施形態を添付図面に基づいて説明するが、本発明は、各図面に記載の実施形態に限定されるものではない。本発明は、移動体の移動先を予測する予測システムに関するものである。なお、予測システムによって移動先を予測する移動体には、人だけでなく、船舶や車などが含まれてもよい。以下、移動体の一例としての人に焦点をあてて説明する。
駅または空港等の施設内では、施設内の人の移動先を変化させたり、特定の行動を誘発させるためのコンテンツを提示する人流誘導装置が用いられる。人流誘導装置によって、施設利用の安全性や利便性を向上させるための施策が検討されている。
ここで、人流誘導装置とは、人の移動先を変更させたり、特定の行動を誘発させるような画像および/または音声によるコンテンツを出力する装置を示す。人流誘導装置は、例えば、デジタルサイネージや案内板のようにコンテンツを視覚的に表示する装置や、パラメトリックスピーカのように音声情報を発する装置などでもよい。なお、人流誘導装置は、上述の各装置に限られない。
施設内の複数の人の動線は、レーザーレーダやカメラ等のセンサによって計測される。計測される動線データには、人流誘導装置の影響を受けて移動先を変更した人(人流誘導装置により誘導された人)の動線データと、移動先を変更しなかった人(誘導されなかった人)の動線データとが混在する。
なお、移動先を変更する(誘導装置により誘導される)には、移動軌跡が変化すること又は移動速度が低下すること等が含まれてもよい。すなわち、移動先を変更するとは、例えば、誘導装置の影響によって、人が所定時間後に到達すると予測できる位置に到達することができず、他の位置に到達することを示す。
これにより、移動先の変更があるものとないものとが混在した動線データで人の動線を予測する動線予測モデルを学習する場合には、シミュレーションの精度が落ちる問題が生じる。さらに、人流誘導装置が人の進行方向を誘導できるかを示す影響率を調整する施策を検討したい場合に、影響率を調整してシミュレーションをすることができないという問題も生じる。
本実施形態の予測システムは、人流誘導装置の影響を受けて移動先を変更したかどうかを判定することにより、センサによって人の動線が計測される基礎計測動線データを、人流誘導装置により誘導された人の動線を記録した第1計測動線データと、人流誘導装置により誘導されなかった人の動線を記録した第2計測動線データとに分類する。予測システムは、第1計測動線データと第2計測動線データとをそれぞれ学習することにより、人流誘導装置により誘導された人の動線を予測するための第1動線予測モデルと人流誘導装置により誘導されなかった人の動線を予測するための第2動線予測モデルとを生成する。
予測システムは、第1動線予測モデルおよび第2動線予測モデルを用いて人の動線を予測する。以下、動線予測モデルに基づいて人の動線をシミュレーションすることを人流シミュレーションと示す場合がある。
第1動線予測モデルおよび第2動線予測モデルは、ユーザによって入力される特徴量に基づいて、人の動線を予測する。第1動線予測モデルおよび第2動線予測モデルは、例えば、所定の人(以下「対象人物」ともいう)の次の時刻の速度を目的変数として出力する。特徴量は、対象人物の移動を決める要素となる情報であり、例えば、対象人物の識別情報、対象人物の周囲に位置する他の人の情報、壁の形状の情報または人流誘導装置の情報等に関する設定値である。
図1は、予測システム10の基本構成を表すブロック図である。本実施形態の予測システム10は、移動体毎の動線が記録される基礎計測動線データを第1計測動線データと第2計測動線データとに分類する機能と、施策検証用モデル(第1動線予測モデルと第2動線予測モデルとを示す)を生成する機能と、人流シミュレーションを行う機能とを備える。
基礎計測動線データを第1計測動線データと第2計測動線データとに分類する機能は、基礎計測動線データを取得し、複数の人それぞれの基礎計測動線データを人流誘導装置21(図15参照)の影響の有無で分類する。施策検証用モデルを生成する機能は、分類された第1計測動線データと第2計測動線データのそれぞれを用いて学習し、第1動線予測モデルと第2動線予測モデルを生成する。
人流シミュレーションを行う機能は、施設内等の人が移動する領域(以下、対象領域と示す場合がある)における人が通過できない壁や障害物の位置または形状の少なくともいずれか一方を表すデータ(以下、レイアウトデータと示す場合がある)と、人流誘導装置21に関するデータ(以下、人流誘導装置データと示す場合がある)と、人流誘導装置21の動作シナリオに関するデータと、人流シミュレーションの初期条件に関するデータ(以下、施策検証用初期値と示す場合がある)とをユーザ11から取得する。人流シミュレーションを行う機能は、ユーザ11から取得した各データと、施策検証用モデルとを用いて人流シミュレーションをする。
人流誘導装置21の動作シナリオとは、人流誘導装置21が、いつ、どのコンテンツを提示するかに関する情報を示す。以下、基礎計測動線データを第1計測動線データと第2計測動線データとに分類する機能によって使用される動作シナリオを実績動作シナリオと示し、人流シミュレーションを行う機能によって使用される動作シナリオを施策検証用動作シナリオと示す場合がある。
なお、動作シナリオに関するデータを、シナリオデータと示す場合がある。以下、後述する人流誘導装置DB(DataBase)106に格納されるシナリオデータ(実績動作シナリオに関するデータ)を実績シナリオデータと示す場合がある。ユーザ11によって後述するシナリオデータ入力部103に入力され、人流シミュレーション対象の環境における各人流誘導装置21がいつ、どのコンテンツを提示するかを示すシナリオデータ(施策検証用動作シナリオに関するデータ)を施策検証用シナリオデータと示す場合がある。
施策検証用初期値は、人流シミュレーションする際の初期の人流である初期人流に関する情報を示す。施策検証用初期値は、対象領域に出現する人の数と、対象領域に出現する人の位置と、対象領域に出現する人の移動速度と、対象領域に人が出現する時刻と、対象領域に出現する人の移動先に影響を与えている人流誘導装置21に関する情報とを示す。
なお、施策検証用初期値には、さらに施設の設計図データ、人流誘導装置等の施設の配置情報、対象領域に出現させる人の数、対象領域の内外を移動する人の数、対象領域の内外の移動を管理する装置(入退装置)に関する情報、想定する動線の情報又は人の行動の情報等が含まれてもよい。施設の設計図データは、レイアウトDB105に保存される施設のレイアウトデータに限らず、他の施設の設計図データでもよい。入退装置に関する情報には、単位時間における、対象領域の内外を移動する人の数が含まれてもよい。
ユーザは、例えば、これから建築予定の施設の人流シミュレーションをしたい場合には、建築予定の施設の設計図データ及び人流誘導装置等の建築予定の施設内における配置情報等を施策検証用初期値として人流シミュレーションを行う機能に入力してもよい。人流シミュレーションを行う機能は、建築予定の施設の設計図データ及び人流誘導装置等の建築予定の施設内における配置情報等と、施策検証用モデルとを用いて人流シミュレーションをしてもよい。
上記機能を実現するために、予測システム10は、レイアウトデータ入力部101と、人流誘導装置データ入力部102と、シナリオデータ入力部103と、施策検証用初期値入力部104と、レイアウトDB105と、人流誘導装置DB106と、動線DB107と、影響DB108と、状態DB109と、動線予測モデルDB110と、シミュレーションDB111と、計測動線データ分類部112と、施策検証用モデル生成部113と、施策効果検証部114とを備える。
レイアウトデータ入力部101は、レイアウトデータをユーザ11から受信し、レイアウトDB105にレイアウトデータを格納する。人流誘導装置データ入力部102は、人流誘導装置データをユーザ11から取得し、人流誘導装置DB106に人流誘導装置データを格納する。
人流誘導装置データは、例えば、人流誘導装置21の位置または形状の少なくともいずれか一方を表すデータと、人流誘導装置21が提示するコンテンツ内容を視聴できる範囲を示すデータとを含む。なお、人流誘導装置DB106には、コンテンツ内容を示すコンテンツデータが記録されてもよい。
シナリオデータ入力部103は、施策検証用シナリオデータがユーザ11によって入力される。シナリオデータ入力部103は、施策検証用シナリオデータを影響DB108に格納する。施策検証用初期値入力部104は、ユーザ11から施策検証用初期値が入力され、施策検証用初期値を施策効果検証部114に送る機能を備える。
計測動線データ分類部112は、基礎計測動線データの人を人流誘導装置の影響を受け得るものであったか否かを判定する。計測動線データ分類部112は、レイアウトDB105に格納されたレイアウトデータと、人流誘導装置DB106に格納された人流誘導装置データ、コンテンツデータおよび実績シナリオデータと、動線DB107に格納された計測動線データとを取得する。
計測動線データ分類部112は、取得した各データに基づいて、影響を受け得ないものであった人の計測動線データを第3計測動線データとして抽出する。計測動線データ分類部112は、第3計測動線データを学習して移動体の動線を予測するための第3動線予測モデルを生成する。計測動線データ分類部112は、第3動線予測モデルを利用して、基礎計測動線データを第1計測動線データと第2計測動線データに分類する。
計測動線データ分類部112は、基礎計測動線データに対して移動先の変更の有無を判定(以下、状態判定と示す場合がある)する機能と、状態判定の結果を状態DB109に格納した後、状態判定の結果に基づいて人流誘導装置21の分類用動作シナリオごとの影響率を算出する機能と、算出した影響率を影響DB108に格納する機能とを備える。
状態判定の結果は、人が人流誘導装置21の影響を受けて移動先を変更しているかどうかを示す。すなわち、状態判定をする機能は、対象領域内を移動する人が、人流誘導装置21の影響を受けて移動先を変更しているか、もしくは人流誘導装置21に影響されず移動しているかを判定する。
また、ここでいう状態判定の結果には、どの人流誘導装置21の影響を受けて人が移動先を変更しているかという情報が含まれてもよい。もしくは、状態判定の結果には、どのコンテンツの影響を受けて人が移動先を変更しているかという情報が含まれてもよい。
影響率を算出する機能によって算出される影響率とは、人流誘導装置21の影響を受けて移動先を変更している人の割合を示す。影響率は、例えば、人流誘導装置21が提示するコンテンツを視聴できる範囲に位置する人で、なおかつコンテンツを視聴できる方向を向いている人のうち、該当する人流誘導装置21に影響されて移動先を変更した人の割合を示す。
以下、影響率を算出する機能によって算出される影響率を、「第1の影響率」の一例としての実績影響率と示す場合がある。なお、人流シミュレーションに使用するためにユーザ11によって入力される影響率を「第2の影響率」の一例としての施策検証用影響率と示す場合がある。施策検証用影響率は、施策検証用初期値入力部104によって入力され影響DB108に保存される。
計測動線データ分類部112は、上記各機能を実現するために、視聴可否判定部1121と、動線分類用モデル生成部1122と、動線分類検証部1123と、影響判定部1124と、実績影響率算出部1125とを備える。各部の具体的な処理内容については図13に後述する。
施策検証用モデル生成部113は、レイアウトDB105に格納されたレイアウトデータと、人流誘導装置DB106に格納された人流誘導装置データ、コンテンツデータおよび実績シナリオデータと、動線DB107に格納された基礎計測動線データと、状態DB109に格納された状態判定の結果とを取得する。施策検証用モデル生成部113は、取得した各データに基づいて、第1動線予測モデルと第2動線予測モデルとを生成し、動線予測モデルDB110に格納する。具体的な処理内容については図18に後述する。
施策効果検証部114は、レイアウトDB105に格納されたレイアウトデータと、人流誘導装置DB106に格納された人流誘導装置データおよびコンテンツデータと、影響DB108に格納された施策検証用シナリオデータと、動線予測モデルDB110に格納された第1動線予測モデルおよび第2動線予測モデルと、施策検証用初期値入力部104から送られた人流シミュレーションの施策検証用初期動線データと、を取得する。施策検証用初期動線データは、人流シミュレーションの初期人流の動線データを示す。
施策検証用初期動線データは、施策検証用初期値入力部104によって生成される動線データである。施策検証用初期動線データには、人流シミュレーション開始時における、人の位置、速度、時間または移動先に影響を与えている人流誘導装置21の情報(施策検証用初期値)等が含まれる。
施策効果検証部114は、人流シミュレーションを実行することによって、人が人流誘導装置21の影響を受けてどのように移動するかを人流シミュレーションした結果を示す検証結果動線データを生成する。施策効果検証部114は、生成された検証結果動線データをシミュレーションDB111に格納する。
施策効果検証部114は、上記機能を実現するために、動線予測部1141と、状態判定部1142とを備える。各部の具体的な処理内容については図19に後述する。レイアウトDB105、人流誘導装置DB106、動線DB107、影響DB108、状態DB109、動線予測モデルDB110およびシミュレーションDB111に格納されるデータについては図3〜図12に後述する。
図2は、予測システム10で行われる処理の流れを表すフローチャートである。ステップ201は、予測システム10の処理を開始する。
ステップ202において計測動線データ分類部112は、各人が、いつ、どの人流誘導装置21の影響を受けて移動先を変更しているかを判定する。具体的には、計測動線データ分類部112は、レイアウトDB105に格納されたレイアウトデータと、人流誘導装置DB106に格納された人流誘導装置データ、コンテンツデータおよび実績シナリオデータと、動線DB107に格納された基礎計測動線データとを用いて、基礎計測動線データに対する状態判定を行う。
計測動線データ分類部112は、状態判定の判定結果を状態DB109に格納する。ここで、計測動線データ分類部112は、レイアウトDB105、人流誘導装置DB106および動線DB107に格納されたデータについては、ステップ202が行われるよりも前(以下、事前と示す場合がある)に準備されたデータを用いる。
その後、計測動線データ分類部112は、状態判定の判定結果に基づいて人流誘導装置21の実績動作シナリオごとの実績影響率を算出し、算出した実績影響率を影響DB108に格納する。なお、計測動線データ分類部112のステップ202の処理については図13に後述する。
ステップ203において施策検証用モデル生成部113は、基礎計測動線データを、人流誘導装置21の影響の有無ごとに、第1計測動線データと第2計測動線データに分類する。施策検証用モデル生成部113は、第1計測動線データと第2計測動線データとを用いて施策検証用モデルを生成する。
具体的には、まず施策検証用モデル生成部113は、状態DB109に格納された状態判定の結果を用いて、動線DB107に格納された基礎計測動線データを第1計測動線データと第2計測動線データとに分類する。その後、施策検証用モデル生成部113は、第1計測動線データと、レイアウトDB105に格納されたレイアウトデータと、人流誘導装置DB106に格納された人流誘導装置データ、コンテンツデータおよび実績シナリオデータとを用いて、第1動線予測モデルを生成する。さらに、施策検証用モデル生成部113は、第2計測動線データと、レイアウトDB105に格納されたレイアウトデータと、人流誘導装置DB106に格納された人流誘導装置データ、コンテンツデータおよび実績シナリオデータとを用いて、第2動線予測モデルを生成する。
施策検証用モデル生成部113は、第1動線予測モデルと第2動線予測モデルとを動線予測モデルDB110に格納する。なお、施策検証用モデル生成部113のステップ203の処理については図18に後述する。
ステップ204において施策検証用初期値入力部104は、人流シミュレーションをする前に、人流シミュレーションに用いるデータを施策効果検証部114に送る。具体的には、まず施策検証用初期値入力部104は、ユーザ11が施策検証用初期値入力部104に入力した施策検証用初期値に基づいて、施策検証用初期動線データを生成する。施策検証用初期値入力部104は、生成した施策検証用初期動線データを施策効果検証部114に送る。
施策検証用初期値は、統計値という形式で施策効果検証部114に入力されてもよい。なお、施策検証用初期値入力部104には、人流シミュレーション開始時における人の位置、速度、時間または移動先に影響を与えている人流誘導装置21の情報等が施策検証用初期値として一人ひとり詳細に入力されてもよい。
ユーザ11は、条件ごとに統計値という形式で施策検証用初期値を入力してもよい。この場合において、施策検証用初期値は、例えば、初期人流が出現する領域の位置または形状の少なくともいずれか一方に関する情報や、対象となる時間帯、1秒当たり、もしくは1分あたりなど単位時間あたりに出現する人の数、初期速度、移動先に影響を与えている人流誘導装置21の情報でもよい。
ここで、初期人流出現領域の位置または形状に関する情報は、POLYGONやLINESTRINGといった形のジオメトリデータとして表したものまたは座標値でもよい。また、座標系は任意のものでよく、例えばデカルト座標系などでもよい。
ユーザ11によって施策検証用初期値入力部104へ条件が入力された後、まず、施策検証用初期値入力部104は、ポアソン分布などを用いたサンプリング処理により人流シミュレーションの開始時刻を、一人ひとりに設定する。その後、施策検証用初期値入力部104は、初期位置に関する情報を付加する。初期位置は、該当する初期人流出現領域に含まれる位置を選択する。
この際、初期位置は、初期人流出現領域のジオメトリ情報から算出した初期人流出現領域の重心座標でもよい。あるいは、施策検証用初期値入力部104は、初期人流出現領域内からランダムに抽出した位置を初期位置として用いてもよいし、動線DB107に格納されている第1計測動線データと第2計測動線データとを分析し、該当の初期人流出現領域から出発する際の人の位置を抽出して初期位置として用いてもよい。
なお、初期速度に関しては、ユーザ11が入力しなくてもよく、その場合、初期速度はランダムにサンプリングされてもよい。施策検証用初期値入力部104は、動線DB107に格納されている基礎計測動線データを分析し、該当領域から出発する際の速度ベクトルを抽出して用いてもよい。また、影響を受けている人流誘導装置21の情報については、ユーザ11が初期人流出現条件として人流誘導装置21ごとに割合を設定し、設定された割合を基にサンプリング処理して決定してもよい。
初期速度が入力されない場合には、施策検証用初期値入力部104は、初期人流として設定された初期位置と速度、時刻を基に、後述する図14に示すステップ1002〜1004と同様の手法を用いて、該当する初期人流が、人流誘導装置21ごとに、提示するコンテンツを視聴可能であるか判定し、視聴可能であると判定された人流誘導装置21の中からランダムにサンプリングしてもよい。施策効果検証部114は、動線DB107に格納されている基礎計測動線データを分析し、該当領域から出発する際に影響を受けている人流誘導装置21の情報を抽出して用いてもよい。
また、人流シミュレーションを行う際、施策実行などのため、施策検証用モデル学習時と異なるレイアウトデータや人流誘導装置データ、シナリオデータを用いて人流シミュレーションをする場合は、必要なデータが入力されることが求められる。具体的には、ユーザ11がレイアウト入力部101、人流誘導装置データ入力部102、シナリオデータ入力部103によって施策実行時のレイアウトデータ、人流誘導装置データ、施策検証用シナリオデータをそれぞれ入力する。その後、レイアウト入力部101、人流誘導装置データ入力部102、シナリオデータ入力部103は、入力されたレイアウトデータ、人流誘導装置データ、施策検証用シナリオデータをレイアウトDB105、人流誘導装置DB106、影響DB108にそれぞれ格納する。
ステップ205において施策効果検証部114は、第1動線予測モデルと第2動線予測モデルとを用いて、人流シミュレーションを実行し、検証結果動線データを生成する。具体的には、レイアウトDB105に格納されたレイアウトデータと、人流誘導装置DB106に格納された人流誘導装置データおよびコンテンツデータと、影響DB108に格納された施策検証用シナリオデータと、動線予測モデルDB110に格納された第1動線予測モデルおよび第2動線予測モデルと、施策検証用初期値入力部104から取得した施策検証用初期動線データとを用いて、人流シミュレーションを実行し、検証結果動線データを生成する。
その後、施策効果検証部114は、生成された検証結果動線データをシミュレーションDB111に格納する。施策効果検証部114のステップ205の詳細については、図19に後述する。ステップ206は、予測システム10の処理を終了する。
図3は、動線DB107のデータ構造例を示す図である。動線DB107には、事前にセンサによって取得された対象領域内の基礎計測動線データが格納される。
計測計測動線テーブル301は、基礎計測動線データを格納するテーブルである。人ごとに、また一定の時間ごとに、基礎計測動線データからサンプリングした座標が格納される。なお、計測動線テーブル301には、例えば、1秒ごとに、計測動線データからサンプリングした座標が格納されてもよい。
開始時刻3011および終了時刻3012は、基礎計測動線データのサンプリングを開始した時刻と終了した時刻を表す。PID3013は人を指定する番号を表す。LINE3014はサンプリングされた基礎計測動線データを示すデータを表す。
なお、LINE3014に格納されるデータは、LINESTRINGなどのジオメトリデータでもよいし、サンプリングの開始時刻と終了時刻における座標値でもよい。また、座標系は任意のものでよく、例えばデカルト座標系などでもよい。
図4はレイアウトDB105のデータ構造例を示す図である。レイアウトDB105には、事前に準備された、あるいはユーザ11によって入力された、対象領域のレイアウトデータが格納される。
レイアウトテーブル302は、人が通過できない壁や障害物などのオブジェクトの、位置または形状の少なくともいずれか一方を表すデータを格納するテーブルである。WID3021は、オブジェクトを指定する番号を表す。
WKT3022は、オブジェクトの位置または形状の少なくともいずれか一方の情報を表す。WKT3022は、オブジェクト形状を表す座標を、POLYGONやLINESTRINGといった形のジオメトリデータとして表したものである。計測動線テーブル301のLINE3014と同様に、座標系は任意のものでよい。
図5は、人流誘導装置DB106の人流誘導装置テーブル401のデータ構造例を示す図である。人流誘導装置DB106には、事前に準備された、あるいはユーザ11によって入力されたデータが格納される。
人流誘導装置DB106には、人流誘導装置21の筐体やコンテンツの提示部の位置または形状の少なくともいずれか一方を表すデータや、提示されるコンテンツの視聴可能な範囲を表すデータを格納する人流誘導装置テーブル401と、人流誘導装置21が提示するコンテンツの種別や保存ファイルに関するデータを格納するコンテンツテーブル402(図6参照)と、各人流誘導装置21が、いつ、どのコンテンツを提示するかに関する実績動作シナリオを格納する実績動作シナリオテーブル501(図7参照)とを格納する。
まず、人流誘導装置テーブル401について説明する。AID4011は、人流誘導装置21を指定する番号を表す。NAME4012は、人流誘導装置21の名称を表す。A_WKT4013、S_WKT4014はそれぞれ、人流誘導装置21の筐体、コンテンツの提示部分22(図15参照)の位置または形状の少なくともいずれか一方を表す座標を、POLYGONやLINESTRINGといった形のジオメトリデータとして表したものである。
コンテンツの提示部分22(図15参照)とは、例えばデジタルサイネージの場合であれば、画像や映像を表示するディスプレイ部分に相当し、パラメトリックスピーカの場合であれば、音を発するスピーカ部分に相当する。計測動線テーブル301のLINE3014と同様に、A_WKT4013、S_WKT4014の座標系は任意のものでよい。
I_radius4015、I_theta4016は、人流誘導装置21が提示するコンテンツの視聴可能な範囲を表すパラメータである。I_radius4015は、コンテンツの視聴可能な範囲に関して、コンテンツの提示部からの距離を表すパラメータである。I_theta4016は、コンテンツの視聴可能な範囲に関して、コンテンツの提示部からの角度を表すパラメータである。
例えばパラメトリックスピーカの場合であれば、コンテンツの提示部から発せられる可聴音の放射角度θがI_theta4016に相当する。なお、コンテンツの視聴可能な範囲の情報に関して、該当範囲の位置または形状の少なくともいずれか一方を表す座標を、POLYGONやLINESTRINGといった形のジオメトリデータとして持っていてもよい。
図6は、人流誘導装置DB106のコンテンツテーブル402のデータ構造例を示す図である。CID4021は、コンテンツを指定する番号を表す。KIND4022は、コンテンツの提示形態(映像、音声、照明など)を表す。
KIND4022は、コンテンツを視聴できる人の向きの範囲と対応付けられる。例えば、映像や照明の場合、視覚情報を提示するコンテンツであるから、視聴可能な人の向きの範囲は、視野角に相当する。また、音声の場合、音声情報を提示するコンテンツであるから、視聴可能な人の向きの範囲は、音が聞こえる範囲、すなわち全方位となる。
FILE4023は、コンテンツのデータが収録されたファイルを表す。KIND4022が照明の場合など、コンテンツのデータファイルが存在しない場合には、NULLが格納される。
図7は、人流誘導装置DB106の実績動作シナリオテーブル501のデータ構造例を示す図である。SID5011は、実績動作シナリオを指定する番号を表す。開始時刻5012と終了時刻5013は、対応する実績動作シナリオの発生条件についての開始・終了時刻を表す。
AID5014は、対応する実績動作シナリオの人流誘導装置21を指定する番号を表す。CID5015は、開始時刻5012と終了時刻5013の間、AID5014で指定される人流誘導装置21が提示するコンテンツを指定する番号を表す。
開始時刻5012と終了時刻5013の間、AID5014で指定される人流誘導装置21が、いずれのコンテンツも提示しない場合は、CID5015に−1やNULLが格納される。なお、ここでは、実績動作シナリオの発生条件として、開始時刻5012と終了時刻5013の組のように、時刻に関する条件を指定したが、別の条件で代替または、時刻に関する条件と別の条件とをを組み合わせて指定してもよい。
例えば、人流誘導装置21の提示するコンテンツの視聴可能な範囲や、別途人流誘導装置21ごとに設定される範囲における、人の数により、実績動作シナリオの発生条件を設定してもよい。その場合、実績動作シナリオの発生条件を示す人の数の最大値と最小値を設定してもよい。また、人流誘導装置21のコンテンツ提示部分とそれにもっとも近い人との距離により、実績動作シナリオの発生条件を設定してもよい。
その場合、実績動作シナリオの発生条件を満たす距離の最大値と最小値を設定してもよい。また、各条件は必ずしも二つの値で設定されなくてもよく、一つの値だけで指定されてもよい。例えば、時刻に関する条件が設定されている場合、開始時刻または終了時刻のいずれか一方のみが指定されていてもよい。
図8は、影響DB108の実績データテーブル601のデータ構造例を示す図である。影響DB108には、事前に準備された基礎計測動線データを用いて算出された、人流誘導装置21の実績動作シナリオごとの実績影響率を格納する実績データテーブル601と、施策検証用シナリオデータおよび施策検証用影響率を格納する施策検証用動作シナリオテーブル602(図9参照)とを格納する。
実績データテーブル601には、計測動線データ分類部112によって算出される、人流誘導装置21の実績動作シナリオごとの実績影響率が格納される。SID6011は実績動作シナリオを指定する番号を表す。RATE6012は、対応する実績動作シナリオにおける人流誘導装置21の実績影響率を表す。
図9は、影響DB108の施策検証用動作シナリオテーブル602のデータ構造例を示す図である。施策検証用動作シナリオテーブル602には、施策効果検証部114によってシミュレーションが行われる前に、ステップ204において、ユーザ11がシナリオデータ入力部103によって入力されたデータが格納される。
SID6021は施策検証用動作シナリオを指定する番号を表す。開始時刻6022と終了時刻6023とは、対応する施策検証用動作シナリオについての開始・終了時刻を表す。AID6024は、対応する施策検証用動作シナリオの人流誘導装置21を指定する番号を表す。CID6025は、開始時刻6022と終了時刻6023の間、AID6024で表される人流誘導装置21により提示されるコンテンツを指定する番号を表す。
CID5015と同様に、開始時刻6022と終了時刻6023の間、AID6024で指定される人流誘導装置21が、いずれのコンテンツも提示しない場合は、CID6025に−1やNULLが格納される。RATE6026は、対応する施策検証用動作シナリオにおける人流誘導装置21の施策検証用影響率を表す。
なお、実績動作シナリオテーブル501の場合と同様に、施策検証用動作シナリオの発生条件として、時刻以外の条件が指定されてもよい。施策検証用動作シナリオの発生条件は、指定された条件を組み合わせてもよい。また、各条件は必ずしも二つの値で設定されなくてもよく、一つの値だけで指定されてもよい。
なお、シナリオデータ入力部103によって、RATE6026を入力する際、ユーザ11により任意に設定されてもよい。シナリオデータ入力部103によって、RATE6026を入力する際、実績データテーブル601に格納されている実績影響率が設定されてもよい。もしくは、状態DB109に格納されているデータと動線DB107に格納されている基礎計測動線データ、人流誘導装置DB106に格納されている人流誘導装置データやコンテンツデータを紐づけして分析し、該当する人流誘導装置21、コンテンツ、コンテンツの視聴可能な範囲にいる人の密度、時間帯(6時〜9時の朝の時間帯など)、コンテンツの視聴可能な範囲にいる人のうちの人流誘導装置21に最も近い人と人流誘導装置21との距離などの状況を表すデータと、その状況における影響率の平均値などを求め、状況毎の施策検証用影響率として設定してもよい。ユーザは、計測中の動線データをもとに、誘導装置の表示方法、表示内容を変更することによって、施策検証用影響率を設定してもよい。ユーザは、計測中の動線データをもとに、パラメトリックスピーカの指向方向等を変更することによって、施策検証用影響率を設定してもよい。
図10は、状態DB109のデータ構造例を示す図である。状態テーブル701には、事前に準備された基礎計測動線データにおいて、各人が移動先を変更する際に影響を受ける人流誘導装置21の識別情報と、各人が移動先を変更する時刻とに関するデータが格納される。
開始時刻7011と終了時刻7012は、対応する人が、移動先の変更を開始する時刻と終了する時刻をそれぞれ表す。PID7013は、対応する人を指定する番号を表す。AID7014は、開始時刻7011と終了時刻7012の間、対応する人の移動先に影響を与えていると判定された人流誘導装置21を指定する番号を表す。なお、計測動線データ分類部112によって、いずれの人流誘導装置21にも影響されず移動先を変更していないと判定された場合は、AID7014に−1が格納される。
図11は、動線予測モデル110のデータ構造例を示す図である。施策検証用モデル生成部113によって生成された施策検証用モデルは、人流誘導装置21の影響の有無ごとに生成される。そのため、動線予測モデルテーブル702には、第1動線予測モデルと第2動線予測モデルとのパラメータが格納される。
AID7021は、人の移動先に影響を与えた人流誘導装置21を指定する番号を表す。なお、いずれの人流誘導装置21にも影響されず、移動先を変更していない人の第2動線予測モデルのレコードには、AID7021に−1が格納される。Param1_7022〜ParamN_7023には、対応する状態の施策検証用モデルパラメータが格納される。
ここで、このパラメータ群はN次元ベクトルの各成分を表す。このパラメータ群は、例えば、「Social Force Model」のようなパラメトリックなモデルを表現するパラメータでもよい。あるいは、「Gradient Boosting Regression Tree」や「Suppport Vector Regression」、「Recurrent Neural Network」、「Long Short Term Memory、Convolutional Neural Network」などのノンパラメトリックなモデルを表現するパラメータでもよい。
なお、ここでは、施策検証用モデルは人の移動先に影響を与える人流誘導装置21の種類ごとに異なるモデルパラメータを定めたものであるが、これに限られるものではない。他の例として、施策検証用モデルは、人流誘導装置21が提示するコンテンツごと、すなわちCID4021ごとにモデルパラメータを定めたものであってもよい。
図12は、シミュレーションDB111のデータ構造例を示す図である。シミュレーションDB111には、施策効果検証部114によって生成された検証結果動線データが格納される。
検証結果動線テーブル801には、計測動線テーブル301(図3参照)と同様に、人ごとに、また一定の時間ごとに、検証結果動線データからサンプリングした座標が格納される。検証結果動線テーブル801には、例えば、1秒ごとに検証結果動線データからサンプリングした座標が格納されてもよい。開始時刻8011、終了時刻8012は検証用動線データの開始時刻と終了時刻を表す。
PID8013は対応する人を指定する番号を表す。LINE8014はシミュレートされた動線に関するジオメトリ情報を表す。なお、LINE8014に格納されるデータはLINE3014と同様に、LINESTRINGなどのジオメトリデータでもよいし、サンプリングの開始時刻と終了時刻における座標値でもよい。
また、座標系は任意のものでよく、例えばデカルト座標系などでもよい。AID8015は、開始時刻8011と終了時刻8012の間、対応する人の移動先に影響を与えているとシミュレーション上で設定された人流誘導装置21を指定する番号を表す。なお、いずれの人流誘導装置21にも影響されず、移動先を変更しないと設定された場合には、−1が格納される。
図13は、計測動線データ分類部112で行われる処理の流れを表すフローチャートである。以下の説明では、「いずれかのコンテンツを視聴可能であると判定された基礎計測動線データ」を、「判定対象の基礎計測動線データ」と示す場合がある。ステップ901は、計測動線データ分類部112の処理開始を表す。
図13は、計測動線データ分類部112で行われる処理の流れを表すフローチャートである。以下の説明では、「いずれかのコンテンツを視聴可能であると判定された基礎計測動線データ」を、「判定対象の基礎計測動線データ」と示す場合がある。ステップ901は、計測動線データ分類部112の処理開始を表す。
ステップ902において視聴可否判定部1121は、動線DB107に格納された基礎計測動線データと、レイアウトDB105に格納されたレイアウトデータと、人流誘導装置DB106に格納された人流誘導装置データ、コンテンツデータおよび実績シナリオデータとを用いて、各人が、いつ、どの人流誘導装置21が提示するコンテンツを視聴可能であったかを判定する。ステップ902において視聴可否判定部1121は、基礎計測動線データの各人が人流誘導装置21を視聴可能かを判定することにより、いずれのコンテンツも視聴可能でない人の動線を表す第3計測動線データを検出する。
視聴可否判定部1121は、人流誘導装置21の位置および/または方向と人の位置および/または方向とに基づいて、人が人流誘導装置21の影響を受け得るものであったか否か判定する。視聴可否判定部1121の処理の詳細については、図14に後述する(ステップ1001〜1005)。
ステップ903において動線分類用モデル生成部1122は、第3計測動線データに基づいて、移動先に関して人流誘導装置21の影響を受け得ない人の第3動線予測モデルを生成する。具体的には、動線分類用モデル生成部1122は、ステップ902で分類された第3計測動線データと、レイアウトDB105に格納されたレイアウトデータと、人流誘導装置DB106に格納された人流誘導装置データとを用いて、目的変数、移動体自身、移動体の周囲の人またはオブジェクトなどに関する特徴量を算出する。
その後、動線分類用モデル生成部1122は、機械学習などにより、第3動線予測モデルを生成する。動線分類用モデル生成部1122のステップ903の処理については、図16に後述する(ステップ1101〜1104)。
ステップ904、905、906は、ステップ902によって判定された基礎計測動線データのうち、判定対象の基礎計測動線データが、該当する人流誘導装置21の影響を受けて移動先を変更するかどうかを判定する処理である。なお、ステップ904,905は動線分類検証部1123によって実行される。ステップ906は影響判定部1124によって実行される。
本実施例における影響判定部1124は、判定対象の基礎計測動線データを学習することによって生成される判定対象動線予測モデルと、移動先に関して人流誘導装置21の影響を受けていない人の第3動線予測モデルとの差異を調べて判定する。すなわち、影響判定部1124は、人流誘導装置21の影響の有無が混在する判定対象動線予測モデルと、人流誘導装置21の影響を受け得ない第3動線予測モデルとの差異を検出する。
動線分類検証部1123は、人流シミュレーションによって、移動先に関して人流誘導装置21の影響を受けていない人の第3動線予測モデルにしたがう比較用動線データを生成する。影響判定部1124は、生成した比較用動線データと、判定対象の基礎計測動線データとを比較する手法をとることにより、判定対象動線予測モデルと第3動線予測モデルとの差異を調べる。
判定対象の基礎計測動線データと比較用動線データとに差異がある場合には、当該判定対象の基礎計測動線データは、人流誘導装置21の影響を受けて移動先を変更している人の動線データであると判定される。このように第3動線予測モデルと判定対象動線予測モデルとの差異に基づいて人流誘導装置21の影響を判定することによって、コンテンツに対する様々な反応パターンを混同することなく影響判定をすることができる。
ステップ904において動線分類検証部1123は、ステップ902によって分類された第1計測動線データおよび第2計測動線データと、ステップ903によって生成された第3動線予測モデルと、レイアウトDB105に格納されたレイアウトデータと、人流誘導装置DB106に格納された人流誘導装置データを用いて、人が人流誘導装置21の影響を受けて移動先を変更しているかどうか、判定するために必要な、比較対象の比較用動線データを、人流シミュレーションにより生成する。動線分類検証部1123のステップ904の処理は、図17に後述する(ステップ1201〜1208)。
ステップ905において影響判定部1124は、ステップ902によって判定された基礎計測動線データと、ステップ904によって生成された比較用動線データとを用いて、各人が、いつ、どの人流誘導装置21の影響を受けて移動先を変更したかを判定する。すなわち、影響判定部1124は、比較用動線データに基づいて、判定対象の基礎計測動線データから人流誘導装置の影響を受けてない人の動線データを分離する。影響判定部1124は、判定対象の基礎計測動線データから分離される人流誘導装置の影響を受けてない人の動線データと、第3計測動線データとを第2計測動線データとする。
具体的には、影響判定部1124は、まず、判定対象の基礎計測動線データと、対応する比較用動線データとを比較し、差異があるかどうかを調べる。この際、判定対象の基礎計測動線データと比較用動線データとの差異の評価指標として、各時刻の座標値の誤差の時間平均を用いてもよいし、最も遅い時刻における座標値の誤差(最終到達地点における、判定対象の基礎計測動線データと比較用動線データとの座標値の誤差)を用いてもよいし、フレシェ距離やハウスドルフ距離を用いてもよい。
なお、判定対象の基礎計測動線データと比較用動線データとの間における差異の評価指標としては、判定対象の基礎計測動線データに対応する人が、人流誘導装置21によって提示されるコンテンツの視聴可能な範囲を、抜けるまでにかかった時間の差を用いてもよい。判定対象の基礎計測動線データと比較用動線データとの間で差異があったと判定される場合には、影響判定部1124は、判定対象の基礎計測動線データが人流誘導装置21の影響を受けて移動先を変更している第1計測動線データであると判定する。
ここで、差異があったと判定される場合について説明する。影響判定部1124は、例えば、評価指標として、各時刻のユークリッド距離の平均値や、最も遅い時刻におけるユークリッド距離、フレシェ距離、ハウスドルフ距離などを用いる場合は、その距離が一定の閾値よりも大きい場合に判定対象の基礎計測動線データと比較用動線データとの間において差異があったと判定する。また、影響判定部1124は、例えば、評価指標として、該当する人流誘導装置21が提示するコンテンツの視聴可能な範囲を、抜けるまでにかかった時間の差を用いる場合には、その時間の差が、一定の閾値よりも大きい場合に基礎計測動線データと比較用動線データとの間において差異があったと判定する。
なお、ステップ902によって、複数のコンテンツが視聴可能であると判定された基礎計測動線データに対応する人の場合、ステップ905を一度実行しただけでは、移動先に影響を与えていた人流誘導装置21を1つに絞れない。この場合において、複数の人流誘導装置21をすべて、影響を与えていた人流誘導装置21として判定してもよい。
もしくは、移動先に影響を与えていた人流誘導装置21を1つに絞るため、ステップ903、904、905を再度実行してもよい。この際、ステップ903によって、人流誘導装置21の影響を受けて移動先を変更しているかに関してすでに判定された基礎計測動線データを用いて、人流誘導装置21の影響を受けて移動先を変更している人の第4動線予測モデルを生成してもよい。
この時の第4動線予測モデルの生成方法は、後述するステップ1102、1103(図16参照)と同様の手法を用いてもよい。さらに、ステップ904によって、ステップ903によって生成された第4動線予測モデルを用いて、人流誘導装置21の影響を受けて移動先を変更する人の誘導型比較用動線データを生成し、ステップ905によって、判定対象の計測動線データと、生成されたすべての誘導型比較用動線データとの差異を比較し、判定してもよい。この時、判定対象の計測動線データと、差異が最も小さい誘導型比較用動線データが影響を受けている人流誘導装置21と、同じ人流誘導装置21の影響を受けているものと判定してもよい。
ステップ906における影響判定部1124は、ステップ902によって判定された基礎計測動線データと、ステップ904によって生成された比較用動線データを用いて得られた、各人が、いつ、どの人流誘導装置21の影響を受けて移動先を変更したかの判定結果を、状態DB108に格納する。
ステップ907において実績影響率算出部1125は、ステップ902によって分類される基礎計測動線データと、ステップ905で得られた状態判定結果とを用いて、人流誘導装置21の動作シナリオごとに、実績影響率を算出する。実績影響率は、人流誘導装置21が提示するコンテンツを視聴可能な人のうち、その人流誘導装置21に影響されて移動先を変更した人の割合である。すなわち、実績影響率算出部1125は、第1計測動線データと第2計測動線データとの割合に基づき、実績影響率を算出する。
なお、実績影響率算出部1125は、人流誘導装置21が提示するコンテンツを視聴可能な基礎計測動線データのレコードのうち、その人流誘導装置21に影響されて移動先を変更した第1計測動線データのレコードの割合を実績影響率として算出してもよい。実績影響率算出部1125は、上述した実績影響率の算出方法に限らず、他の算出方法によって実績影響率を算出してもよい。
ステップ908における実績影響率算出部1125は、ステップ902によって判定される基礎計測動線データと、ステップ905で得られた状態判定結果とを用いて得られた、人流誘導装置21の動作シナリオごとの実績影響率を、影響DB108の実績データテーブル601に格納する。ステップ909は、計測動線データ分類部112の処理終了を表す。
図14は、視聴可否判定部1121で行われる処理のフローチャートである。図15は、視聴可否判定部1121で行われる処理の説明図である。以下で、図14に示すステップ1001〜1005を、図15に示す説明図20を適宜参照しながら説明する。ステップ1001は、視聴可否判定部1121の処理開始を表す。
ステップ1002における視聴可否判定部1121は、人流誘導装置DB106に格納された人流誘導装置データと、動線DB107に格納された基礎計測動線データとを用いて、人流誘導装置21の提示部分22が提示するコンテンツの視聴可能な領域23と、基礎計測動線データの空間的な交差判定を行う。視聴可否判定部1121は、交差判定の判定結果に基づいて、各人が、いつ、どの人流誘導装置21が提示するコンテンツの視聴可能な領域23に位置するかを判定する。
視聴可否判定部1121は、人流誘導装置21が提示するコンテンツの視聴可能な領域について、図5に示す人流誘導装置テーブル401のS_WKT4014とI_radius4015とI_radius4016とを用いて算出する。ここで、S_WKT4014は、コンテンツ提示部分22のジオメトリデータを表す。コンテンツの視聴可能な範囲は、視聴可能な領域23に対応する。I_radius4015は、視聴可能領域の動径rに相当し、I_radius4016は、コンテンツの放射角θに相当する。
ステップ1003において視聴可否判定部1121は、ステップ1002でコンテンツを視聴可能な範囲に位置すると判定された人が、コンテンツを視聴できる方向を向いているかどうかを判定する。具体的には視聴可否判定部1121は、まず、動線DB107に格納された基礎計測動線データと、レイアウトDB105に格納されたレイアウトデータと、人流誘導装置DB106に格納された、人流誘導装置21の筐体の位置または形状の少なくともいずれか一方を表すジオメトリデータを用いて、Isovist分析等の手法により、移動体の可視領域を求める。
ここでいう可視領域とは、移動体の視線がオブジェクトなどに遮られていない領域を示す。可視領域は、移動体の現在位置を中心として、全方位に広がる領域として設定されてもよいし、移動体の進行方向を基準として、ある角度の範囲内に存在する領域として設定されてもよい。
次に、視聴可否判定部1121は、算出された可視領域と、人流誘導装置DB106に格納されたコンテンツ提示部分22の位置または形状の少なくともいずれか一方を表すジオメトリデータとの空間的な交差判定をする。なお、レイアウトDB105に格納されたレイアウトデータは、各オブジェクトが、視界を遮るオブジェクトであるか、視界を遮らないオブジェクトであるか、といったオブジェクトの種別情報が格納されてもよい。視聴可否判定部1121は、オブジェクトの種別情報に基づいて、視界を遮るオブジェクトのみを用いて可視領域を求めてもよい。
また、可視角度(コンテンツを視聴可能な角度)には、人流誘導装置21の提示するコンテンツのCID4021(図6参照)ごと、もしくはKIND4022ごとに異なる値が設定されてもよい。例えば、コンテンツのKIND4022が音声である場合、音の発生源の方角によらず、聞きとることができるため、可視角度は360°、すなわち全方位としてもよい。
コンテンツのKIND4022が映像や照明の場合、人の視野角度を左右200度程度に設定し、それに合わせて可視角度を設定してもよい。また、この場合、人流誘導装置DB106に格納されている実績シナリオデータを用いて、該当の状況において人流誘導装置21がどのコンテンツを提示しているか求め、そのコンテンツの種別を、可視領域の算出の際に用いてもよい。
ステップ1004における視聴可否判定部1121は、ステップ1002、1003の結果を統合し、各人が、いつ、どの人流誘導装置21が提示するコンテンツの視聴可能な範囲に存在し、なおかつコンテンツを視聴できる方向を向いているか、を判定する。その後、判定された人流誘導装置21のAIDを基礎計測動線データに紐づけて出力する。ステップ1005は、視聴可否判定部1121の処理終了を表す。
図16は、動線分類用モデル生成部1122で行われる処理の流れを表すフローチャートである。動線分類用モデル生成部1122では、レイアウトDB105に格納されたレイアウトデータと、人流誘導装置DB106に格納された人流誘導装置データと、視聴可否判定部1121により人流誘導装置21を指定するAIDと紐づけられた基礎計測動線データのうち、いずれのコンテンツも視聴可能でないと判定された第3計測動線データとを用いて、移動先に関して人流誘導装置21の影響を受けていない人の第3動線予測モデルを生成する。以下で処理の流れを説明する。
ステップ1101は、動線分類用モデル生成部1122の処理の開始を表す。ステップ1102において動線分類用モデル生成部1122は、第3動線予測モデルを生成するのに必要な、目的変数および特徴量の値を算出する。
具体的には、動線分類用モデル生成部1122は、レイアウトDB105に格納されたレイアウトデータと、人流誘導装置DB106に格納された人流誘導装置データを用いて、視聴可否判定部1121により分類された第3計測動線データについて、目的変数である次の瞬間の注目人流の速度と、注目人流、周囲の人、オブジェクト、人流誘導装置21の筐体およびコンテンツ提示部分などに関する特徴量とを算出する。
その際、動線分類用モデル生成部1122は、注目人流の位置を基準として、その位置から、各方向に存在する周囲の人、オブジェクト、人流誘導装置21の筐体およびコンテンツ提示部分までの距離を特徴量として算出してもよい。また、動線分類用モデル生成部1122は、注目した人の周囲の人の速度情報を特徴量に加えてもよい。動線分類用モデル生成部1122は、注目人流に関して、現在より前の1秒毎の少なくとも1つの時点の位置ベクトルや速度ベクトルを特徴量として算出してもよい。
なお、動線分類用モデル生成部1122によって使用される座標系は、絶対座標系でもよいし、算出される位置ベクトルや速度ベクトルの1秒前の速度方向を基準とした相対的な座標系でもよい。さらに各方向に対して、人やオブジェクト、人流誘導装置21の筐体やコンテンツ提示部分などが存在しない場合は、それらを示す情報として適当な値を代入してもよい。
また距離を特徴量とするのではなく、注目人流の現在位置を中心とした適当なサイズのグリッドを生成し、各グリッド内のオブジェクト、人流誘導装置21の筐体およびコンテンツ提示部分の占有面積あるいは占有率、および各グリッド内の人の数などを特徴量としてもよい。この際、座標系は、絶対座標系でもよいし、注目人流の前ステップの速度方向を基準とした相対的な座標系でもよい。
ステップ1103において動線分類用モデル生成部1122は、ステップ1102によって算出された目的変数と特徴量を用いて、第3動線予測モデルを生成する。その際、算出されるモデルパラメータは、「Social Force Model」のようなパラメトリックなモデルのパラメータでもよいし、「Gradient Boosting Regression Tree」や「Suppport Vector Regression、Recurrent Neural Network、Long Short Term Memory」、「Convolutional Neural Network」などのノンパラメトリックなモデルを表現するパラメータでもよい。ステップ1104は、動線分類用モデル生成部1122の処理の終了を表す。
図17は、動線分類検証部1123で行われる処理の流れを表すフローチャートである。動線分類検証部1123では、視聴可否判定部1121によって、いずれかのコンテンツが視聴可能であると判定された基礎計測動線データについて、人流誘導装置21の影響を受けて移動先を変更しているかどうか判定するために必要な、比較対象の比較用動線データを、人流シミュレーションにより生成する。
ステップ1201は、動線分類検証部1123の処理の開始を表す。ステップ1202において動線分類検証部1123は、判定対象の基礎計測動線データから、人流シミュレーション開始時の初期位置や速度、時刻の情報をもった分類用初期動線データを生成する。
具体的には、まず、判定対象の基礎計測動線データを、人ごとに、また、該当する人流誘導装置21ごとに分割する。次に、分割された基礎計測動線データごとに、時刻が最も早いレコードを、分類用初期動線データとして抽出する。
ステップ1203において動線分類検証部1123は、分類用初期動線データの開始時刻を、人流シミュレーションの開始時刻(t=t_start)として設定する。動線分類検証部1123は、ステップ1202によって生成した分類用初期動線データを人流シミュレーション対象に加え、人流シミュレーションを実際に開始する。
ステップ1204において動線分類検証部1123は、動線DB107に格納されている基礎計測動線データのうち、開始時刻3011(図3参照)が人流シミュレーション上の時刻tと一致するものを抽出し、LINE3014に基づいて位置座標を算出し、人流シミュレーション空間に追加する。ここで追加された基礎計測動線データは、人流シミュレーション対象の人流に対して、周囲の人に関する特徴量を算出するためだけに利用されるデータであって、人流シミュレーション対象には加えない。
ステップ1205において動線分類検証部1123は、レイアウトDB105に格納されたレイアウトデータと、人流誘導装置DB106に格納された人流誘導装置データを用いて、人流シミュレーション対象の人流に対して、注目人流、周囲の人・オブジェクト・人流誘導装置21の筐体やコンテンツ提示部などに関する特徴量を算出する。なお、動線分類検証部1123は、ステップ1102と同様の手法を用いて特徴量を算出してもよい。
その後、動線分類検証部1123は、算出された特徴量を用いて、動線分類用モデル生成部1122が生成した第3動線予測モデルを用いて、時刻t+1における速度や位置の予測値を算出する。なお、動線分類検証部1123は、周囲の人に関する特徴量を算出する際、注目人流と同じ人を表す基礎計測動線データは含めなくてもよい。
ステップ1206において動線分類検証部1123は、人流シミュレーションの時刻tを一つ進める。ステップ1207において動線分類検証部1123は、人流シミュレーションの終了条件を満たすかどうか判定する。
終了条件を満たす場合には、動線分類検証部1123は、ステップ1204に戻り、満たさない場合にはステップ1208へ進む。終了条件は、例えば、ステップ902と同様に、視聴可否判定部1121によって、人流シミュレーション対象人流が、注目している人流誘導装置21の提示するコンテンツを、視聴可能でないと判定されたかどうかで決定してもよいし、ステップ1202で、分割された基礎計測動線データごとに、時刻が最も遅いレコードを抽出し、その時刻を過ぎたかどうかで決定してもよい。ステップ1208は、動線分類検証部1123の処理の終了を表す。
図18は、施策検証用モデル生成部113で行われる処理のフローチャートである。ステップ1301は、施策検証用モデル生成部113の処理の開始を表す。
ステップ1302における施策検証用モデル生成部113は、動線DB107に格納された基礎計測動線データと、状態DB109に格納された状態テーブル701とを紐づける。施策検証用モデル生成部113は、人が移動先を変更しているかどうかを表すAIDごとに基礎計測動線データを第1計測動線データと第2計測動線データとに分類する。
すなわち、施策検証用モデル生成部113は、AIDごとに基礎計測動線データを分割する。分割される基礎計測動線データに対応するAIDに基づいて、施策検証用モデル生成部113は、分割される基礎計測動線データを第1計測動線データと第2計測動線データとに分類する。
なお、施策検証用モデル生成部113は、所定の時間範囲ごとに基礎計測動線データを第1計測動線データと第2計測動線データとに分類してもよい。施策検証用モデル生成部113は、所定の時間範囲内に人が人流誘導装置から影響を受ける場合には、その基礎計測動線データを第1計測動線データに分類してもよい。施策検証用モデル生成部113は、所定の時間範囲内に人が人流誘導装置から影響を受けない場合には、その基礎計測動線データを第2計測動線データに分類してもよい。
状態テーブル701には、どの人流誘導装置21の影響を受けて移動先を変更しているか、またはいずれの人流誘導装置21にも影響されず移動先を変更しないでいるかの情報が含まれる。もしくは、状態テーブル701には、どのコンテンツの影響を受けて移動先を変更しているという情報が含まれてもよい。
ステップ1303における施策検証用モデル生成部113は、ステップ1302によって分類された第1計測動線データおよび第2計測動線データと、レイアウトDB105に格納されたレイアウトデータと、人流誘導装置DB106に格納された人流誘導装置データとを用いて、目的変数である次の瞬間の注目人流の速度と、注目人流、周囲の人、オブジェクト、人流誘導装置21の筐体およびコンテンツ提示部分などに関する特徴量とを算出する。なお、施策検証用モデル生成部113は、ステップ1102(図16参照)と同様の手法により特徴量を算出してもよい。
ステップ1304における施策検証用モデル生成部113は、ステップ1302でAIDごとに分類された第1計測動線データおよび第2計測動線データと、ステップ1303によって算出された目的変数と、特徴量とを用いて、AIDごとに施策検証用モデルを生成する。すなわち、施策検証用モデル生成部113は、第1計測動線データと第2計測動線データとをそれぞれ学習することにより、第1動線予測モデルと第2動線予測モデルとを生成する。
その際、算出されるモデルパラメータは、Social Force Modelのようなパラメトリックなモデルのパラメータでもよいし、Gradient Boosting Regression TreeやSuppport Vector Regression、Recurrent Neural Network、Long Short Term Memory、Convolutional Neural Networkなどのノンパラメトリックなモデルを表現するパラメータでもよい。
ステップ1305における施策検証用モデル生成部113は、ステップ1304によって算出された、施策検証用モデルのパラメータを、動線予測モデルDB110に格納する。なお、いずれの人流誘導装置21にも影響されず、移動先を変更していない人の施策検証用モデルパラメータを格納するレコードには、AID7021に−1が格納される。ステップ1306は、施策検証用モデル生成部113の処理の終了を表す。
なお、ステップ1302における施策検証用モデル生成部113は、AIDとCIDを人流誘導装置テーブル401により対応づけ、CIDごとに基礎計測動線データを分割してもよい。この場合において、ステップ1304における施策検証用モデル生成部113は、CIDごとに施策検証用モデルを生成してもよい。ステップ1305における施策検証用モデル生成部113は、いずれの人流誘導装置21にも影響されず、移動先を変更していない人の施策検証用モデルパラメータを格納するレコードには、CID=−1を格納してもよい。
図19は、施策効果検証部114で行われる処理のフローチャートである。ステップ1401は、施策効果検証部114の処理の開始を表す。ステップ1402における施策効果検証部114は、施策検証用初期値入力部104から、施策検証用初期動線データを取得する。
ステップ1403における施策効果検証部114は、開始時刻(t=t_start)を設定し、人流シミュレーションを実際に開始する。ステップ1404における施策効果検証部114は、初期人流として、人流シミュレーション上の時刻tにおける人だけを抽出し、人流シミュレーション対象に加える。
ステップ1405における動線予測部1141は、人流シミュレーション対象の人流について、注目人流および周囲の環境に関する特徴量を算出する。動線予測部1141は、算出した特徴量と、移動先の変更の有無ごとの施策検証用モデルとを用いて、時刻t+1における速度や位置の予測値を算出する。どちらの施策検証用モデルを用いるかは、シミュレーションの目的に応じて適宜決定すればよい。例えば、計測動線データ分類部112により算出された実績影響率に基づいて決めてもよいし、予め設定された施策検証用影響率に基づいて決めてもよい。
具体的には、施策効果検証部114は、まず、レイアウトDB105に格納されたレイアウトデータと、人流誘導装置DB106に格納された人流誘導装置データとを用いて、人流シミュレーション対象の人流に対して、注目人流、周囲の人、オブジェクト、人流誘導装置21の筐体およびコンテンツ提示部などに関する特徴量を算出する。なお、施策効果検証部114は、処理1102(図16参照)と同様の手法で特徴量を算出してもよい。その後、動線予測部1141は、算出した特徴量と動線予測モデルDB110に格納されている移動先の変更の有無ごとの施策検証用モデルを用いて、時刻t+1における速度や位置の予測値を算出する。
ステップ1406における施策効果検証部114は、予測した人流の位置や速度から、人流に対して状態判定し、次の状態に遷移させる処理を状態判定部1142によって行う。この処理の詳細については図20に後述する。ステップ1407は、人流シミュレーションの時刻tを一つ進める処理を表す。
ステップ1408における施策効果検証部114は、人流シミュレーションの終了条件を満たすかどうか判定する。終了条件を満たさない場合には、ステップ1403に戻り、満たす場合は、生成された検証結果動線データを、シミュレーションDB111に格納した後、ステップ1409へ進む。
終了条件は、例えば人流シミュレーションを開始して一定時間過ぎたかどうかで決定してもよいし、人流シミュレーション対象である人流がすべて対象領域に到達したかどうかで決定してもよい。ステップ1409は、施策効果検証部114の処理の終了を表す。
図20は、状態判定部1142で行われる処理のフローチャートである。ステップ1501は、状態判定部1142の処理の開始を表す。ステップ1502における状態判定部1142は、人流シミュレーション対象の各人流について、ステップ1405によって算出された速度や位置の予測値に基づいて、どの人流誘導装置21が提示するコンテンツを視聴可能であるかを判定する。
具体的には、状態判定部1142は、レイアウトDB105に格納されたレイアウトデータと、人流誘導装置DB106に格納された人流誘導装置データおよびコンテンツデータと、影響DB108に格納された施策検証用シナリオデータ(仮想環境内シナリオデータ)とを用いて、各人が、どの人流誘導装置21の提示するコンテンツを視聴可能であるかを、ステップ1405によって算出された速度や位置の予測値と、人流シミュレーションの時刻と、動作シナリオの発生条件によっては他の人流シミュレーションの位置も用いて、判定する。なお、状態判定部1142は、図10で説明したのと同様の手法で各人が、どの人流誘導装置21の提示するコンテンツを視聴可能であるかを判定してもよい。状態判定部1142は、判定結果に基づいて、該当する人流誘導装置21ごとに分類する。
ステップ1503における状態判定部1142は、施策検証用影響率の入力を受け、第1動線予測モデルと第2動線予測モデルと施策検証用影響率とに基づいて人の動線を予測する。なお、施策検証用影響率は、人流シミュレーションが行われるごとに、後述するテキストボックス17016(図22参照)をユーザ11が編集することによって更新されてもよい。
状態判定部1142は、施策検証用影響率に基づいて人の動線を予測することに限らず、実績影響率に基づいて人の動線を予測してもよい。状態判定部1142は、施策検証用影響率と実績影響率とを人流シミュレーションごとに切り替えてもよい。
状態判定部1142は、ステップ1502によって分類された人流シミュレーション対象の各人流について、影響DB108の施策検証用動作シナリオテーブル602(図9参照)に格納された、人流誘導装置21の施策検証用動作シナリオごとの施策検証用影響率に応じた遷移確率mで、該当する人流誘導装置21のIDに状態を遷移させる。この遷移確率mは、施策検証用影響率と正の相関を持つように選択される。
例えば、施策検証用影響率に比例するように確率が決定されてもよいし、該当する人流誘導装置21の提示するコンテンツの視聴可能な領域23を、注目人流が侵入してから脱出するまでの時間の長さ、もしくは該当する人流誘導装置21の提示するコンテンツの視聴可能な領域23にいて、なおかつコンテンツを視聴可能な向きを向いている状態にある時間の長さをN、該当する人流誘導装置21の動作シナリオの施策検証用影響率をrとしたとき、遷移確率mは、下記に示す式1または式2によって求められてもよい。
m=r/N・・・(式1)
m=1−r1/N・・・(式2)
m=r/N・・・(式1)
m=1−r1/N・・・(式2)
このとき、Nは、人流誘導装置21の動作シナリオごとに任意に設定されていてもよいし、該当する人流誘導装置21の提示するコンテンツの視聴可能な領域23と対応付けて求めてもよい。例えば、動線DB107に格納されている基礎計測動線データと、状態DB109に格納されている状態データと、人流誘導装置DB106に格納されている人流誘導装置データおよびコンテンツデータと、レイアウトDB105に格納されているレイアウトデータを紐づけて分析し、該当する人流誘導装置21の提示するコンテンツの視聴可能な領域23を脱出するまでにかかる時間を求め、視聴可能な領域23を表す情報と対応付けておき、その分析結果を用いて、Nを決定してもよい。
ここで、視聴可能な領域23を表すデータとして、視聴可能な領域23の面積を用いてもよい。ステップ1504は、状態判定部1142の処理の終了を表す。
図21は、予測システム10のインターフェース画面の例である。画面1601は、動線DB107に格納された基礎計測動線データやレイアウトDB105に格納されたレイアウトデータ、人流誘導装置DB106に格納された人流誘導装置データ、シミュレーションDB111に格納された検証結果動線データを表示する画面である。ここで、各計測動線データや検証結果動線データは、各レコードのLINESTRINGが描画されるが、LINESTRINGの終点にマーカーをつけて描画してもよいし、移動先の変更の有無ごとに色を変えて描画されてもよい。
画面1601中の詳細情報表示画面16011は、ボタン1608が押下され、選択された動線や疑似動線、オブジェクト、人流誘導装置21に関する情報が表示される。画面の例では、ボタン1608が押下された後、人流誘導装置21が選択されたため、詳細情報表示画面16011には人流誘導装置21の情報が表示されている。この情報には、影響DB108の実績データテーブル601に格納された実績影響率のデータや、人流誘導装置DB106のコンテンツテーブル402に格納されたコンテンツファイルのデータも含まれる。
ボタン1602は、レイアウトデータを入力するためのボタンである。このボタンが押下されると、ダイアログが立ち上がり、ユーザー11がレイアウトデータテーブル302に関する情報を入力することができる。入力された情報は、レイアウトデータ入力部101により、レイアウトDB105に格納される。
ボタン1603は、人流誘導装置データを入力するためのボタンである。このボタンが押下されると、ダイアログが立ち上がり、ユーザー11が人流誘導装置テーブル401に関する情報を入力することができる。入力された情報が、人流誘導装置データ入力部102により人流誘導装置DB106に格納される。
ボタン1604は、施策検証用シナリオデータを入力するためのボタンである。このボタンが押下されると、図22で説明される編集画面1701が立ち上がり、ユーザー11が施策検証用動作シナリオテーブル602に関する情報を入力することができる。入力された情報が、シナリオデータ入力部103により影響DB108に格納される。
ボタン1605は、施策検証用初期動線データを入力するためのボタンである。このボタンが押下されると、図23で説明される編集画面1801が立ち上がり、ユーザ11が施策検証用初期値を入力することができる。入力された情報が、施策検証用初期値入力部104により施策効果検証部114に送られる。
ボタン1606は、動線DB107に格納されている基礎計測動線データを第1計測動線データと第2計測動線データとに分類するためのボタンである。このボタンが押下されると、計測動線データ分類部112の処理が実行される。
ボタン1607は、動線DB107に格納された基礎計測動線データと、状態DB109に格納された状態データから、第1動線予測モデルと第2動線予測モデルとを生成するためのボタンである。このボタンが押下されると、施策検証用モデル生成部113の処理が実行される。
ボタン1608は、施策検証用モデルを用いて、人流シミュレーションを実施するためのボタンである。このボタンが押下されると、施策効果検証部114の処理が実行される。
ボタン1609は、画面1601上で選択されているデータの詳細情報を表示することができるボタンである。具体的には、選択されているデータに対応する動線DB107、シミュレーションDB111、状態DB109、レイアウトDB105、人流誘導装置DB106または影響DB108の少なくとも一つ以上のデータベースが呼び出され、選択しているデータが表示される。
ボタン1610は、画面1601上に表示されるデータの時刻を自動で進めるためのボタンである。ボタン1611は、画面1601上に表示されるデータの時刻を巻き戻すためのボタンである。このボタンが押下されると、表示時刻をそれより前の時刻に戻すことができる。
ボタン1612は、画面1601上に表示されるデータの時刻を早送りさせるためのボタンである。このボタンが押下されると、表示時刻が自動で進んでいる際に、その進み具合を早くすることができる。ボタン1613は、画面1601上に表示されるデータの時刻が自動で進むのを停止させるためのボタンである。このボタンが押下されると、表示時刻が自動で進んでいる際に、停止することができる。
バー1614は、画面1601上に表示されるデータの時刻の進み具合を示すバーである。ユーザ11は、バー1614を選択し左右に移動させることで、時刻を任意に変更することができる。
表示時刻1615は、画面1601上に表示されるデータの時刻を表す文字列である。ユーザ11は、この文字列を編集し、時刻を任意に変更することができる。ボタン1616は、計測動線データの表示を切り替えるためのボタンである。計測動線データは、シミュレーションDB111に格納された検証結果動線データと、動線DB107に格納された基礎計測動線データとの2種類を切り替えることができる。
図22は、シナリオデータ入力部103における編集画面のインタフェースの例である。編集画面1701は、ボタン1604を押下すると、画面1601中に表示される画面を表したものである。この編集用ダイアログでは、影響DB108に格納された施策検証用動作シナリオテーブル602(図9参照)の情報6021〜6026を編集する。
テキストボックス17011は、施策検証用動作シナリオテーブル602のSID6011の情報を表す。テキストボックス17012は、施策検証用動作シナリオテーブル602の開始時刻6012の情報を表す。テキストボックス17013は、施策検証用動作シナリオテーブル602の終了時刻6013の情報を表す。
テキストボックス17014は、施策検証用動作シナリオテーブル602のAID6014の情報を表す。テキストボックス17015は、施策検証用動作シナリオテーブル602のCID6015の情報を表す。テキストボックス17016は、施策検証用動作シナリオテーブル602のRATE6016の情報を表す。
ボタン17017は、新たな施策検証用動作シナリオの編集を開始するためのボタンである。このボタンが押下されると、施策検証用動作シナリオテーブル602に格納されているSID6011の最大値よりも1だけ大きな値が、17011に設定され、ユーザ11は、新たな施策検証用動作シナリオを設定することができる。
ボタン17018は、現在の編集内容を保存するためのボタンである。このボタンが押下されると、施策検証用動作シナリオテーブル602内の、対応するSID6011のレコードに、テキストボックス17012〜テキストボックス17016に入力された値が格納される。
ボタン17019は、現在編集中の施策検証用動作シナリオとは異なる施策検証用動作シナリオの編集を開始するためのボタンである。このボタンが押下した後、テキストボックス17011に編集対象のSID6011を入力すると、テキストボックス17012〜テキストボックス17016に、対応するSID6011が格納されたレコードの各カラムの値が書き込まれ、そのあとにテキストボックス17012〜テキストボックス17016上で値を変更し、ボタン17017を押下することで、施策検証用動作シナリオテーブル602の各レコードの値を変更することができる。
ボタン17020は、指定された施策検証用動作シナリオを削除するためのボタンである。このボタンが押下されると、テキストボックス17011に入力されている値と対応するSID6011のレコードが施策検証用動作シナリオテーブル602から削除される。
図23は、施策検証用初期動線データ入力部104における編集画面のインタフェースの例である。編集画面1801は、ボタン1605を押下すると、画面1601中に表示される画面を表したものである。この編集用ダイアログでは、人流シミュレーション開始時の初期条件に関する情報を編集する。
テキストボックス18010は、初期条件を指定する番号ICIDの情報を表す。テキストボックス18011は、初期条件に指定される時間帯の開始時刻の情報を表す。テキストボックス18012は、初期条件に指定される時間帯の終了時刻の情報を表す。
テキストボックス18013は、初期条件に指定される単位時間当たりの人数の情報を表す。テキストボックス18014は、初期条件に指定される初期速度のX方向の値を表す。テキストボックス18015は、初期条件に指定される初期速度のY方向の値を表す。
テキストボックス18016は、初期条件に指定される初期人流が影響を受けている人流誘導装置21の割合の情報を表す。ユーザは、テキストボックスの左部分に表示されるAIDをもつ人流誘導装置21に影響を受けている初期人流の割合を編集することができる。
テキストボックス18017は、初期条件に指定される初期人流出現領域のX座標の値を表す。テキストボックス18018は、初期条件に指定される初期人流出現領域のY座標の値を表す。
ボタン18019は、新たな初期条件の編集を開始するためのボタンである。このボタンが押下されると、現在記録されている初期条件を指定する番号ICIDの最大値よりも1だけ大きな値が、18010に設定され、ユーザ11は、新たな初期条件を編集することができる。
ボタン18020は、現在編集している初期人流に関する条件を保存するためのボタンである。このボタンが押下されると、現在編集している初期人流に関する条件が保存される。
ボタン18021は、現在編集中の初期人流に関する条件とは異なる条件の編集を開始するためのボタンである。このボタンが押下した後、テキストボックス18010に編集対象の初期条件を指定する番号ICIDを入力すると、テキストボックス18011〜テキストボックス18018に、対応するICIDに記録された値が書き込まれ、そのあとにテキストボックス18011〜テキストボックス18018上で値を変更し、ボタン18020を押下することで、現在編集している初期人流に関する条件に更新することができる。
ボタン18022は、指定された初期条件を削除するためのボタンである。このボタンが押下されると、テキストボックス18010に入力されている値のICIDで指定される初期条件が現在記録されている初期条件群の中から削除される。
図24は、予測システム10を構成する各装置のハードウェア構成を示す。予測システム10は、演算性能を持ったプロセッサ115と、HDD(Hard Disk Drive)やフラッシュメモリなどを利用した永続的な記憶領域である記憶装置116と、情報を提示するためのモニタ117と、高速に読み書きが可能な揮発性一時記憶領域であるDRAM(Dynamic Random Access Memory)118と、人の操作を受け付ける入力装置119と、通信を行うためのネットワークインタフェースカード(NIC)120とを備える。
記憶領域に記録されたプログラムをプロセッサ115が実行することによって、予測システム10は、レイアウトデータ入力部101と、人流誘導装置データ入力部102と、シナリオデータ入力部103と、施策検証用初期値入力部104と、計測動線データ分類部112と、施策検証用モデル生成部113と、施策効果検証部114とを実現することができる。また、レイアウトDB105と、人流誘導装置DB106と、動線DB107と、影響DB108と、状態DB109と、動線予測モデルDB110と、シミュレーションDB111とは、記憶装置116に記憶されることによって実現される。
以上に示す予測システム10は、施策検証用モデル生成部113と施策効果検証部114とを備えることにより、人流誘導装置の影響を受けた人と人流誘導装置の影響を受けない人とのそれぞれの動線を予測することができる。これにより、予測システム10は、人流誘導装置による影響を的確に反映して人の動線を予測することができる。
予測システム10は、計測動線データ分類部112を備えることによって、基礎計測動線データを、影響の有無により第1計測動線データと第2計測動線データに分類することができる。これにより、予測システム10は、人流誘導装置21の影響の有無ごとに分類された動線予測モデルを用いて人流シミュレーションすることができる。その結果、予測システム10は、人流誘導装置による影響を的確に反映した人の動線を予測することができる。
計測動線データ分類部112は、動線分類用モデル生成部1122を備えることにより、第3計測動線データに基づいて第3動線予測モデルを生成することができる。計測動線データ分類部112は、第3動線予測モデルを利用することにより、基礎計測動線データを的確に分類することができる。
計測動線データ分類部112は、視聴可否判定部1121を備えることにより、人流誘導装置の位置および/または方向と移動体の位置および/または方向とに基づいて人が誘導装置を視聴し得るかどうかを判定する。これにより、計測動線データ分類部112は、人が人流誘導装置の影響を受け得るものであったか否かを的確に判定することができる。
計測動線データ分類部112は、実績影響率算出部1125を備えることにより、第1計測動線データと第2計測動線データとの割合に基づく実績影響率を算出することができる。これにより、施策効果検証部114は、実態に合った影響度で動線の予測をすることができる。
施策効果検証部114は、ユーザ11によって入力される施策検証用影響率を用いて人流シミュレーションすることができる。これにより、施策効果検証部114は、影響率によって人の動線がどのように変化するかをシミュレーションすることができる。
視聴可否判定部1121は、人が人流誘導装置の画像や音声を視聴可能か否かによって人流誘導装置からの影響を受け得るか否かを的確に判断することができる。視聴可否判定部1121は、デジタルサイネージによる人の誘導を的確に予測することができる。
なお、以上の説明はあくまでも一例であり、発明を解釈する際、上記実施の形態の記載事項と特許請求の範囲の記載事項の対応関係に何ら限定も拘束もされない。本発明の各構成要素は、任意に取捨選択することができ、取捨選択した構成を具備する発明も本発明に含まれる。さらに特許請求の範囲に記載された構成は、特許請求の範囲で明示している組合せ以外にも組み合わせることができる。
10・・・予測システム,11・・・ユーザ,101・・・レイアウトデータ入力部,102・・・人流誘導装置データ入力部,103・・・シナリオデータ入力部,104・・・施策検証用初期値入力部,105・・・レイアウトDB,106・・・人流誘導装置DB,107・・・動線DB,108・・・影響DB,109・・・状態DB,110・・・動線予測モデルDB,111・・・シミュレーションDB,112・・・計測動線データ分類部,113・・・施策検証用モデル生成部,114・・・施策効果検証部,115・・・プロセッサ,116・・・記憶装置,117・・・モニタ,118・・・DRAM,119・・・入力装置,120・・・NIC,1121・・・視聴可否判定部,1122・・・動線分類用モデル生成部,1123・・・動線分類検証部,1124・・・影響判定部,1125・・・実績影響率算出部,1141・・・動線予測部,1142・・・状態判定部
Claims (10)
- 誘導装置により誘導された移動体の動線を記録した第1計測動線データと、前記誘導装置により誘導されなかった移動体の動線を記録した第2計測動線データとをそれぞれ学習することにより、前記誘導装置により誘導された移動体の動線を予測するための第1動線予測モデルと前記誘導装置により誘導されなかった移動体の動線を予測するための第2動線予測モデルとを生成する施策検証用モデル生成部と、
前記第1動線予測モデルと前記第2動線予測モデルとを用いて移動体の動線を予測する施策効果検証部と、
を有する予測システム。 - 移動体毎の動線を記録した基礎計測動線データを前記第1計測動線データと前記第2計測動線データとに分類する計測動線データ分類部を更に有する、
請求項1に記載の予測システム。 - 前記計測動線データ分類部は、前記基礎計測動線データの移動体を前記誘導装置の影響を受け得るものであったか否かを判定し、前記影響を受け得ないものであった移動体の計測動線データを第3計測動線データとして抽出し、前記第3計測動線データを学習して移動体の動線を予測するための第3動線予測モデルを生成し、前記第3動線予測モデルを利用して、前記基礎計測動線データを前記第1計測動線データと前記第2計測動線データに分類する、
請求項2に記載の予測システム。 - 前記計測動線データ分類部は、前記誘導装置の位置および/または方向と移動体の位置および/または方向とに基づいて、前記移動体が前記誘導装置の影響を受け得るものであったか否か判定する、
請求項3に記載の予測システム。 - 前記計測動線データ分類部は、前記第1計測動線データと前記第2計測動線データの割合に基づき、前記誘導装置により移動体が誘導される確率である第1影響率を算出し、
前記施策効果検証部は、前記第1動線予測モデルと前記第2動線予測モデルと前記第1影響率とに基づいて移動体の動線を予測する、
請求項2に記載の予測システム。 - 前記施策効果検証部は、前記誘導装置により移動体が誘導される確率である第2影響率の入力を受け、前記第1動線予測モデルと前記第2動線予測モデルと前記第2影響率とに基づいて移動体の動線を予測する、
請求項2に記載の予測システム。 - 前記移動体が人であり、
前記誘導装置が画像および/または音声によるコンテンツを出力する装置であり、
前記計測動線データ分類部は、前記移動体が前記誘導装置のコンテンツを視聴可能であったか否か判定し、前記コンテンツを視聴可能でなかった人の動線を前記第3計測動線データとする、
請求項4に記載の予測システム。 - 前記誘導装置がディスプレイ画面を備えたデジタルサイネージであり、
前記計測動線データ分類部は、前記デジタルサイネージの設置位置および設置方向と、前記人の位置とに基づいて、前記移動体が前記コンテンツを視聴可能であったか否か判定する、
請求項7に記載の予測システム。 - 誘導装置により誘導された移動体の動線を記録した第1計測動線データと、前記誘導装置により誘導されなかった移動体の動線を記録した第2計測動線データとをそれぞれ学習して移動体の動線を予測するための第1動線予測モデルと第2動線予測モデルとを生成し、
前記第1動線予測モデルと前記第2動線予測モデルとを用いて移動体の動線を予測する、ことをコンピュータが実行する予測方法。 - 誘導装置により誘導された移動体の動線を記録した第1計測動線データと、前記誘導装置により誘導されなかった移動体の動線を記録した第2計測動線データとをそれぞれ学習して移動体の動線を予測するための第1動線予測モデルと第2動線予測モデルとを生成し、
前記第1動線予測モデルと前記第2動線予測モデルとを用いて移動体の動線を予測する、ことをコンピュータに実行させるための予測プログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020090217A JP2021185448A (ja) | 2020-05-25 | 2020-05-25 | 予測システム、予測方法、および予測プログラム |
PCT/JP2021/018115 WO2021241239A1 (ja) | 2020-05-25 | 2021-05-12 | 予測システム、予測方法、および予測プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020090217A JP2021185448A (ja) | 2020-05-25 | 2020-05-25 | 予測システム、予測方法、および予測プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2021185448A true JP2021185448A (ja) | 2021-12-09 |
Family
ID=78745250
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020090217A Pending JP2021185448A (ja) | 2020-05-25 | 2020-05-25 | 予測システム、予測方法、および予測プログラム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP2021185448A (ja) |
WO (1) | WO2021241239A1 (ja) |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6898165B2 (ja) * | 2017-07-18 | 2021-07-07 | パナソニック株式会社 | 人流分析方法、人流分析装置及び人流分析システム |
JP2019197372A (ja) * | 2018-05-09 | 2019-11-14 | 株式会社日立製作所 | 人流推定装置、および、人流推定方法 |
-
2020
- 2020-05-25 JP JP2020090217A patent/JP2021185448A/ja active Pending
-
2021
- 2021-05-12 WO PCT/JP2021/018115 patent/WO2021241239A1/ja active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2021241239A1 (ja) | 2021-12-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200247432A1 (en) | Symbolic modeling and simulation of non-stationary traffic objects for testing and development of autonomous vehicle systems | |
US10249095B2 (en) | Context-based discovery of applications | |
JP6684883B2 (ja) | カメラエフェクトを提供する方法およびシステム | |
CN109598066A (zh) | 预测模块的效果评估方法、装置、设备和存储介质 | |
MX2015004843A (es) | Dispositivo de despliegue, metodo de control del dispositivo de despliegue, y procesador de informacion para controlar el dispositivo de despliegue. | |
US10900802B2 (en) | Map based navigation method, apparatus, storage medium and equipment | |
EP3748495A1 (en) | Audio playing method and device, terminal and computer-readable storage medium | |
US11461980B2 (en) | Methods and systems for providing a tutorial for graphic manipulation of objects including real-time scanning in an augmented reality | |
JP6999588B2 (ja) | 移動経路予測システム、移動経路予測方法、コンピュータプログラム | |
JP4411393B2 (ja) | 解析システム | |
JP5263748B2 (ja) | ビューイングフラスタムを用いて客体に関する情報を提供するための方法、システム及びコンピュータ読み取り可能な記録媒体 | |
US20220365588A1 (en) | Information processing apparatus, information processing method, and program | |
JP2003101999A (ja) | 監視カメラシステム | |
WO2021241239A1 (ja) | 予測システム、予測方法、および予測プログラム | |
KR102364766B1 (ko) | 리마인더 | |
US20230079940A1 (en) | Guidance device, non-transitory computer-readable recording medium, and guidance method | |
Szymanezyk et al. | Agent-based crowd simulation in airports using games technology | |
Freitag et al. | Efficient approximate computation of scene visibility based on navigation meshes and applications for navigation and scene analysis | |
Gokl et al. | Towards urban environment familiarity prediction | |
US20220189200A1 (en) | Information processing system and information processing method | |
US20230259817A1 (en) | Machine learning pipeline | |
KR102087076B1 (ko) | 무인기 항공 측량시 폐색 영역 발생에 대한 예측 시스템 및 이를 이용한 무인기의 최적 항공 경로 결정 방법 | |
US20130064456A1 (en) | Object control device, computer readable storage medium storing object control program, and object control method | |
O'Connor et al. | A perceptual study into the behaviour of autonomous agents within a virtual urban environment | |
WO2021235296A1 (ja) | 移動体移動予測システム及び移動体移動予測方法 |