JP2021185448A - 予測システム、予測方法、および予測プログラム - Google Patents

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。

特開２０１９−２１１４３号公報 ＷＯ２０１７／１７５５５１号明細書 ＷＯ２０１７／１１９０２０号明細書

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。

本発明の実施形態の人流予測システムの基本構成を表すブロック図である。 本発明の実施形態の人流予測システムで行われる処理を表すフローチャートである。 本発明の実施形態の動線ＤＢのデータ構造例を示す図である。 本発明の実施形態のレイアウトＤＢのデータ構造例を示す図である。 本発明の実施形態の人流誘導装置ＤＢの人流誘導装置テーブルのデータ構造例を示す図である。 本発明の実施形態の人流誘導装置ＤＢのコンテンツテーブルのデータ構造例を示す図である。 本発明の実施形態の人流誘導装置ＤＢの動作シナリオテーブルのデータ構造例を示す図である。 本発明の実施形態の影響ＤＢの実績データテーブルのデータ構造例を示す図である。 本発明の実施形態の影響ＤＢの施策検証用動作シナリオテーブルのデータ構造例を示す図である。 本発明の実施形態の状態ＤＢのデータ構造例を示す図である。 本発明の実施形態の動線予測モデルＤＢのデータ構造例を示す図である。 本発明の実施形態のシミュレーションＤＢのデータ構造例を示す図である。 本発明の実施形態の動線データ分類部で行われる処理のフローチャートである。 本発明の実施形態の視聴可否判定部で行われる処理のフローチャートである。 本発明の実施形態の視聴可否判定部で行われる処理の説明図である。 本発明の実施形態の人流モデル生成部で行われる処理のフローチャートである。 本発明の実施形態のシミュレーション部で行われる処理のフローチャートである。 本発明の実施形態の施策検証用モデル生成部で行われる処理のフローチャートである。 本発明の実施形態の施策効果検証部で行われる処理のフローチャートである。 本発明の実施形態の状態判定部で行われる処理のフローチャートである。 本発明の実施形態のインターフェースの説明図である。 本発明の実施形態のシナリオデータ入力部の施策検証用シナリオデータ編集画面である。 本発明の実施形態の施策検証用初期値入力部の初期人流に関する情報の編集画面である。 本発明の実施形態の予測システムのハードウェア構成図である。

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。

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−ｒ^１／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)

1. 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。
2. 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。
3. 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。
4. 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。
5. 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。
6. 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。
7. 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。
8. 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。
9. 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。
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。
    
    

Images