JP2022026618A - 誘導システム、誘導方法及び計算機 - Google Patents

Abstract

【課題】効率よく人流の誘導を行うことを目的とする。【解決手段】プロセッサとメモリを有する計算機が移動体の動線データを処理する誘導システムであって、前記移動体ごとに時系列の位置情報を取得して前記移動体の動線データを抽出する動線データ抽出部と、前記動線データに基づいて、前記移動体が目的地に到着する時刻を推定する到着時刻推定部と、前記推定された到着時刻に基づいて、少なくとも１つ以上の前記移動体から構成されるグループを算出するグループ推定部と、前記グループごとに前記移動体の誘導情報を算出する誘導情報算出部と、を有する。【選択図】図１

Description

本発明は、人や車両などの移動体を誘導する計算機システムに関するものである。

空港や駅などの公共施設では、保安検査場や税関検査場や窓口の行列の混雑を緩和するため、検査台や窓口の数を適宜変更したり、旅客を適切な場所へ誘導する等、現場でのオペレーションを改善することが求められている。

これに対し、レーザーレーダやカメラ等を用いて動線データを取得することにより、現状の旅客の利用状況等を管理者が把握することができる。管理者は現場の係員に対して、人流の誘導などを指示する、等の対応がとられている。

人流の誘導を行うための機器制御に関する先行技術として、特許文献１に示すような技術が知られている。また車両を駐車場へ誘導するための先行技術として、特許文献２に示すような技術が知られている。

特許文献１では、制御ルールに基づき、計測された動線データから機器制御を実施する際、制御ルールの設定変更を容易に行う技術について開示されている。

特許文献２では、各車両の駐車場到着予定時刻から渋滞予測を行い、入場ゲートに関する案内情報を、該当車両に送信する技術について開示されている。

特開２０１９－１８６６６７号公報 特開２０１５－０６４７１９号公報

検査台や窓口などの通過時間は人の属性によって異なるため、待ち人数が一番少ない行列に人を誘導しても、必ず待ち時間が短くなるわけではない。またデジタルサイネージなどの誘導装置を用いて誘導する場合、一人ひとりに誘導の指示を出すのが困難である。

そこで本発明は、上記問題点に鑑みてなされたもので、効率よく人流の誘導を行うことを目的とする。

本発明は、プロセッサとメモリを有する計算機が移動体の動線データを処理する誘導システムであって、前記移動体の動線データを抽出する動線データ抽出部と、前記動線データに基づいて、前記移動体が目的地に到着する時刻を推定する到着時刻推定部と、前記推定された到着時刻に基づいて、少なくとも１つ以上の前記移動体から構成されるグループを算出するグループ推定部と、前記グループごとに前記移動体の誘導情報を算出する誘導情報算出部と、を有する。

本発明によると、効率的に人流の誘導を行うことができる。それにより、施設内における行列や混雑を緩和させることができる。

本明細書において開示される主題の、少なくとも一つの実施の詳細は、添付されている図面と以下の記述の中で述べられる。開示される主題のその他の特徴、態様、効果は、以下の開示、図面、請求項により明らかにされる。

本発明の実施例の人流誘導システムの基本構成を表すブロック図である。 本発明の実施例の人流誘導システムで行われる処理を表すフローチャートである。 本発明の実施例の動線ＤＢの動線テーブルのデータ構造の一例を示す図である。 本発明の実施例の地図ＤＢの壁テーブルのデータ構造の一例を示す図である。 本発明の実施例の地図ＤＢのチェックポイントテーブルのデータ構造の一例を示す図である。 本発明の実施例の行列ＤＢの行列テーブルのデータ構造の一例を示す図である。 本発明の実施例の属性ＤＢの属性テーブルのデータ構造の一例を示す図である。 本発明の実施例の属性ＤＢの属性マスタテーブルのデータ構造の一例を示す図である。 本発明の実施例の判定ルールＤＢの判定ルールテーブルのデータ構造の一例を示す図である。 本発明の実施例のグループＤＢのグループテーブルのデータ構造の一例を示す図である。 本発明の実施例の行列認識部で行われる処理のフローチャートである。 本発明の実施例の属性情報推定部で行われる処理の説明図である。 本発明の実施例のグループ推定部で行われる処理のフローチャートである。 本発明の実施例の移動判定部、目的地推定部、到着時刻推定部で行われる処理の説明図である。 本発明の実施例のクラスタリング部で行われる処理の説明図である。 本発明の実施例の誘導情報算出部で行われる処理のフローチャートである。 本発明の実施例の人流誘導装置に表示するインタフェースの説明図である。 本発明の実施例の施設管理者の管理画面に表示するインタフェースの説明図である。 本発明の実施例の人流誘導システムと人流計測システムのハードウェア構成図である。

本発明は移動中の人を誘導する人流誘導システムに関するものである。なお本人流誘導システムで誘導するのは人だけでなく、船舶や車両、航空機などの移動体であってもよい。本実施例では、人に焦点をあてて説明を行う。

本実施例の人流誘導システムは、空港等の施設内で、移動している旅客等の人に対して、施設内に設置された誘導装置を用いることで、どこの場所へ向かえばよいか誘導するシステムである。

例えば、空港内に複数の検査場が存在しており、それぞれに行列ができている場合、デジタルサイネージなどの誘導装置に、どの行列に並べば待ち時間が短くなるか等の誘導情報を表示することで、人流誘導を行う。

この際、レーザーレーダやカメラ等のセンサを用いて計測された人の動線データ（時系列的な位置情報）から誘導情報を算出する。しかし、行列の先の検査台や窓口の通過時間は行列を構成する人の属性によって異なるため、動線データから移動中の人や行列に並んでいる人の属性情報を推定し、行列の待ち人数だけでなく、その属性情報も用いることで、誘導情報を算出する。

なお、この際、誘導情報として、どの場所へ向かえばよいか等の情報ではなく、人の行動を変化させる類の情報であってもよい。例えば、電子化ゲート通過のため、スマートフォンなどでの操作を誘発するような指示であってもよいし、この先には向かわないように指示する等の内容であってもよい。

以下、本発明の実施例を、図面を参照して詳細に説明する。図１は、人流誘導システムの基本構成を表すブロック図である。

本実施例の人流誘導システム（計算機）１０は、人流計測システム１１から計測データを受信し、計測データから抽出された動線データを用いて、移動中の各人が向かう人流誘導装置１２等の目的地への到着時刻を推定する機能と、その推定到着時刻や目的地の場所等から各人をグルーピングしてグループ情報を生成する機能と、動線データから各人の属性情報を推定する機能と、グループ情報と属性情報から誘導情報を算出する機能と、を含み、算出された誘導情報は、人流誘導装置１２に送信され、誘導対象の各人に対して表示される。

上記機能を実現するために、人流誘導システム１０は動線データ抽出部１０１と、行列認識部１０２と、属性情報推定部１０３と、グループ推定部１０４と、誘導情報算出部１０５と、行列ＤＢ（ＤａｔａＢａｓｅ）１０６と、グループＤＢ１０７と、動線ＤＢ１０８と、地図ＤＢ１０９と、属性ＤＢ１１０と、判定ルールＤＢ１１１と、を含む。

動線データ抽出部１０１は、人流計測システム１１にて計測されたデータから、動線データを抽出し、動線ＤＢ１０８に格納する。この際、人流計測システム１１にて計測されるデータは、誘導対象領域の動画データでもよいし、レーザーレーダデータでもよい。

動線データ抽出部１０１が、動画データから動線データを抽出する際は、周知又は公知の画像処理技術により人を認識し、人の座標を抽出してもよい。レーザーレーダデータから動線データを抽出する際は、また、動線データ抽出部１０１は、周知又は公知の技術を用いてレーザーレーダデータから距離が変化する移動体を人として抽出し、座標情報に変換してもよい。

なお、本実施例では、人々を誘導する誘導対象領域としてひとつの領域の例を示すが、人流誘導システム１０は複数の誘導対象領域を監視して人を誘導することができる。また、人流誘導システム１０と人流計測システム１１及び人流誘導装置１２は、図示しないネットワークによって接続されている。

行列認識部１０２は、動線ＤＢ１０８に格納された動線データと、地図ＤＢ１０９に格納されたレイアウトデータと、を受信し、動線データに対する行列判定を行い、判定結果を行列ＤＢ１０６に格納する機能を含む。行列判定の具体的な処理については後述する。

属性情報推定部１０３は、動線ＤＢ１０８に格納された動線データと、地図ＤＢ１０９に格納されたレイアウトデータと、判定ルールＤＢ１１１に格納されたルールデータと、を受信し、各人の属性を推定し、属性ＤＢ１１０に推定した属性情報を格納する。上記機能を実現するために、属性情報推定部１０３は、特徴量算出部１０３１と、属性判定部１０３２と、を含む。各部の具体的な処理については後述する。

グループ推定部１０４は、動線ＤＢ１０８に格納された動線データと、地図ＤＢ１０９に格納されたレイアウトデータと、を受信し、各人から移動中の人に関して、グループを推定し、グループＤＢ１０７に格納する。

上記機能を実現するために、グループ推定部１０４は、移動判定部１０４１、目的地推定部１０４２、到着時刻推定部１０４３、クラスタリング部１０４４と、を含む。各部の具体的な処理については後述する。

誘導情報算出部１０５は、行列ＤＢ１０６に格納された行列データと、グループＤＢ１０７に格納されたグループデータと、属性ＤＢ１１０に格納された属性データと、を受信し、グループごとに誘導情報を算出し、人流誘導装置１２に送信する。

人流誘導装置１２は表示装置を有するデジタルサイネージなどで構成され、人流誘導システム１０から受信した誘導情報をディスプレイ等の表示部に出力し、近傍の人へ誘導情報を提示する。

上記機能を実現するために、誘導情報算出部１０５は、属性比率算出部１０５１、指標算出部１０５２、指標最適化部１０５３、スケジューリング部１０５４と、を含む。各部の具体的な処理については後述する。

行列ＤＢ１０６と、グループＤＢ１０７と、動線ＤＢ１０８と、地図ＤＢ１０９と、属性ＤＢ１１０と、判定ルールＤＢ１１１に格納されるデータについては後述する。

なお、人流誘導システム１０は、人流の位置情報を計測する計測部と、人流の位置情報から各人の動線データを抽出して、各人が目的地に到着する推定到着時刻を算出して、推定到着時刻に基づいて人のグループを生成し、グループごとに誘導情報を算出する演算部と、誘導情報を表示する誘導部で構成することができる。

図２は、人流誘導システム１０にて行われる処理を表すフローチャートである。以下に全体の処理について説明する。

ステップ２０１は、人流誘導システムの処理開始を表す。ステップ２０２は、動線データ抽出部１０１にて行われる処理を表す。動線データ抽出部１０１は、人流計測システム１１から受信した計測データを動線データに変換し、動線ＤＢ１０８に格納する。

ステップ２０３は、行列認識部１０２にて行われる処理を表す。行列認識部１０２は、動線ＤＢ１０８から受信した動線データと、地図ＤＢ１０９から受信したレイアウトデータを用いて、人が並んでいる箇所を検出する行列判定を行う。その後、判定結果を行列ＤＢ１０６に格納する。

ステップ２０４は、属性情報推定部１０３にて行われる処理を表す。属性情報推定部１０３は、動線ＤＢ１０８から受信した動線データと、地図ＤＢ１０９から受信したレイアウトデータと、判定ルールＤＢ１１１から受信したルールデータを用いて、人の属性情報を推定する。その後、推定結果を属性ＤＢ１１０に格納する。

ステップ２０５は、グループ推定部１０４にて行われる処理を表す。グループ推定部１０４は、動線ＤＢ１０８から受信した動線データと、地図ＤＢ１０９から受信したレイアウトデータを用いて、行列に向かっている人をグルーピングし、そのグループ情報をグループＤＢ１０７に格納する。

なおこれらのステップ２０３～２０５は、順序を変えて実施されてもよい。

ステップ２０６は、誘導情報算出部１０５にて行われる処理を表す。誘導情報算出部１０５は、ステップ２０３～２０５によってデータを格納された行列ＤＢ１０６、属性ＤＢ１１０、グループＤＢ１０７から受信した各データを用いて、誘導情報を算出する。その後、算出した誘導情報を人流誘導装置１２に送信する。

ステップ２０７は、人流誘導システムの処理終了を表す。

なおステップ２０１～２０７は一定の時間ごとに繰り返される。例えば１秒ごとにこれらの処理が繰り返されてもよい。またステップ２０３～２０６に関しては、定期的に処理をスキップしてもよい。例えば、ステップ２０２は１秒に１回行われ、ステップ２０３～２０６は１０秒に１回行われてもよい。

図３Ａ～図３Ｃは、動線ＤＢ１０８と地図ＤＢ１０９のデータ構造例である。動線ＤＢ１０８には人流計測システム１１によって取得された動線データが格納され、地図ＤＢ１０９には事前に準備されたレイアウトデータ群が格納される。

まずは動線ＤＢ１０８について説明する。図３Ａは、動線ＤＢ１０８の動線テーブル３０１の一例を示す図である。動線テーブル３０１は、動線データを格納するテーブルである。動線テーブル３０１には、人ごとに、また一定の時間ごとに、例えば１秒ごとに、動線データの座標をサンプリングしたような形で格納される。

動線テーブル３０１は、ＳＴＡＲＴ＿ＴＩＭＥ３０１１と、ＥＮＤ＿ＴＩＭＥ３０１２と、ＰＩＤ３０１３と、ＯＲＩＥＮＴ３０１４と、ＡＣＴ３０１５と、ＷＫＴ３０１６を一つのレコードに含む。

ＳＴＡＲＴ＿ＴＩＭＥ３０１１と、ＥＮＤ＿ＴＩＭＥ３０１２は動線データをサンプリングする際の開始時間と終了時間を表し、ＰＩＤ３０１３は人のＩＤ（識別子）を表す。ＷＫＴ３０１６は対応するＰＩＤ３０１３の人が、ＳＴＡＲＴ＿ＴＩＭＥ３０１１からＥＮＤ＿ＴＩＭＥ３０１２までの間に動いた際の動線（時系列的な位置情報）のラインストリングに関するジオメトリ情報（動線データ）を表す。なおこのジオメトリ情報に関する座標系は周知又は公知のものでよく、例えば平面直角座標系などでもよい。

ＯＲＩＥＮＴ３０１４は、ＥＮＤ＿ＴＩＭＥ３０１２においてＰＩＤ３０１３の人が向いている方向を角度（又は方位）で表した情報を表す。この角度情報は、レーザーレーダを用いて人を計測した場合は、３Ｄ点群データに対し、Ｐｏｓｅ Ｅｓｔｉｍａｔｉｏｎ等の周知又は公知の技術を使って向きを検出した結果を格納してもよい。カメラを用いて人を計測した場合は、周知又は公知の画像処理技術を用いて向きを検出した結果を格納してもよい。

あるいは、動線データから人の向き推定を行った結果を格納してもよい。動線データから向き推定を行う場合、ＰＩＤ３０１３の人のＳＴＡＲＴ＿ＴＩＭＥ３０１１からＥＮＤ＿ＴＩＭＥ３０１２にかけての動いた座標の差分ベクトルを算出して向き検出を行った結果を格納してもよい。

ＡＣＴ３０１５は、対応するＰＩＤ３０１３の人がＳＴＡＲＴ＿ＴＩＭＥ３０１１からＥＮＤ＿ＴＩＭＥ３０１２までの間にどういう行動をとっていたかを表す。例えば、歩いている、走っている、立ち止まっている、しゃがんでいる、座っている、などの情報を表す。またこれらの組み合わせの情報が格納されていてもよい。

ＡＣＴ３０１５は、レーザーレーダを用いて計測した場合は、３Ｄ点群データに対し、Ｐｏｓｅ Ｅｓｔｉｍａｔｉｏｎ等の周知又は公知技術を使って得られた結果を格納してもよい。

カメラを用いて計測した場合は、周知又は公知の画像処理技術を用いて得られた結果を格納してもよい。又は動線データを分析することで得られた結果を格納してもよい。例えば、動線データに対してＨｉｄｄｅｎ Ｍａｒｋｏｖ ＭｏｄｅｌやＬｏｎｇ Ｓｈｏｒｔ Ｔｅｒｍ Ｍｅｍｏｒｙ等、系列データに対応した機械学習の手法を適用することで得られてもよい。

次に、地図ＤＢ１０９について説明する。地図ＤＢ１０９には、人が通行不可である壁などの領域（障害物）を表す壁テーブル３０２と、施設内のチェックポイントに関するチェックポイントテーブル３０３が格納される。図３Ｂは、壁テーブル３０２の一例を示す図である。また、図３Ｃは、チェックポイントテーブル３０３の一例を示す図である。

チェックポイントは、誘導対象領域内で人が移動する際の立ち寄り場所や、何らかの属性が付加された通過場所を示す。例えば、誘導対象領域として空港施設の到着ロビーなどを考える場合、チェックポイントは出入口や行列、デジタルサイネージや、荷物の受け取りのベルトコンベアや検査台等の情報に相当する。

壁テーブル３０２は、壁等のオブジェクトに関するＩＤであるＷＩＤ３０２１と、オブジェクトの種別を表すＫＩＮＤ３０２２と、オブジェクトの位置情報や形状情報を表すＷＫＴ３０２３を一つのレコードに格納する。

ＷＫＴ３０２３は、オブジェクトの形状を表す座標を、ポリゴンやラインストリングといった形のジオメトリとして表したものである。ＷＫＴ３０１６と同様に、ＷＫＴ３０２３の座標系は任意のものでよい。

チェックポイントテーブル３０３は、チェックポイントのＩＤを表すＣＩＤ３０３１と、チェックポイントの種類に関するＩＤを表すＫＩＤ３０３２と、チェックポイントの名前を表すＮＡＭＥ３０３３と、チェックポイントの位置情報や形状情報（ジオメトリ情報）を表すＷＫＴ３０３４を一つのレコードに格納する。ＷＫＴ３０１６と同様に、ＷＫＴ３０３４の座標系は任意のものでよい。

図４Ａ～図４Ｅは、行列ＤＢ１０６と属性ＤＢ１１０と判定ルールＤＢ１１１とグループＤＢ１０７のデータ構造の一例を示す図である。図４Ａは、行列テーブル４０１の一例を示し、図４Ｂは、属性テーブル４０２の一例を示し、図４Ｃは、属性マスタテーブル４０３の一例を示し、図４Ｄは、判定ルールテーブル４０４の一例を示し、図４Ｅは、グループテーブル４０５の一例を示す。

行列ＤＢ１０６には、行列認識部１０２にて判定された行列データが格納され、属性ＤＢ１１０は属性情報推定部１０３にて人（ＰＩＤ３０１３）ごとに推定された属性情報や、事前に準備された属性の詳細を表す情報が格納され、判定ルールＤＢ１１１には事前に準備された判定ルールに関する情報が格納され、グループＤＢ１０７にはグループ推定部１０４にて推定されたグループ情報が格納される。

行列ＤＢ１０６について説明する。行列ＤＢ１０６は、誘導対象領域内で形成された各行列にどの人がどの順番で並んでいたかを格納する行列テーブル４０１を格納する。

図４Ａの行列テーブル４０１は、対応する行列の状態についての開始及び終了時刻を表すＳＴＡＲＴ＿ＴＩＭＥ４０１１及びＥＮＤ＿ＴＩＭＥ４０１２と、当該行列が形成された位置をチェックポイントの識別子で指定する行列のＣＩＤ４０１３と、対応する行列に並んでいる人のＰＩＤ３０１３をサービス待ちの順番通りに並べたＩＤリストであるＰＩＤ＿ＬＩＳＴ４０１４を一つのレコードに格納する。

ここでＣＩＤ４０１３は、チェックポイントテーブル３０３に含まれるＣＩＤ３０３１と対応しており、チェックポイントテーブル３０３のＫＩＤ３０３２が行列に対応するレコードのＣＩＤ３０３１のみが行列テーブル４０１に格納される。

属性ＤＢ１１０について説明する。属性情報推定部１０３にて人ごとに推定された属性テーブル４０２や事前に準備された属性マスタテーブル４０３が格納される。図４Ｂの属性テーブル４０２は、ＰＩＤ４０２１と、そのＰＩＤ４０２１に対応する人の属性のＩＤであるＡＩＤ４０２２が一つのレコードに格納される。

本実施例において、属性情報がまだ付与されていない場合や、推定しても属性ＩＤを割り当てられなかった場合は、ＡＩＤ４０２２に「－１」や「ＮＵＬＬ」などを格納してもよい。図４Ｃの属性マスタテーブル４０３は、属性ＩＤを表すＡＩＤ４０３１と、その説明を記述したＤＥＳＣＲＩＰＴＩＯＮ４０３２を一つのレコードに格納する。

判定ルールＤＢ１１１について説明する。図４Ｄの判定ルールＤＢ１１１は事前に準備された判定ルールテーブル４０４を格納する。判定ルールテーブル４０４は、属性ＩＤを表すＡＩＤ４０４１と、対応する属性を抽出する条件であるＣＯＮＤＩＴＩＯＮ４０４２を一つのレコードに格納する。ＣＯＮＤＩＴＩＯＮ４０４２は判定ルールが格納されており、動線テーブル３０１に対して人の属性を判定する際のＳＱＬ（Ｓｔｒｕｃｔｕｒｅｄ Ｑｕｅｒｙ Ｌａｎｇｕａｇｅ）の条件を格納する。

グループＤＢ１０７について説明する。図４ＥのグループＤＢ１０７は、グループテーブル４０５を格納する。

グループテーブル４０５は、グループのＩＤを表すＧＩＤ４０５１と、対応するグループの人たちが目的地に到着し始める時刻であるＡＲＲＩＶＡＬ＿ＳＴＡＲＴ＿ＴＩＭＥ４０５２と、到着が終了する時刻であるＡＲＲＩＶＡＬ＿ＥＮＤ＿ＴＩＭＥ４０５３と、目的地のＩＤであるＣＩＤ４０５４と、対応するグループに所属する人のＩＤリストであるＰＩＤ＿ＬＩＳＴ４０５５を一つのレコードに格納する。この際、ＰＩＤ＿ＬＩＳＴ４０５５は目的地に到着する人の順番にソートされて格納される。

図５は、行列認識部１０２で行われる処理の一例を示すフローチャートである。行列認識部１０２では、動線ＤＢ１０８に格納された動線テーブル３０１の動線データと、地図ＤＢ１０９に格納された行列に関するチェックポイントや壁のレイアウトデータ（壁テーブル３０２、チェックポイントテーブル３０３）から、どの人が、いつ、どの行列にて、何番目に並んでいたか、を判定する。なおステップ５０１～５０５のフローチャートは一定時間ごとに行われる。

ステップ５０１は、行列認識部１０２が処理を開始する。ステップ５０２は、行列認識部１０２が、各行列のチェックポイントにて先頭に並ぶ人を抽出する。この際、行列の先頭を示すＷＫＴ３０３４から、当該チェックポイントから一定の距離以内、かつ最近傍にいる人で移動速度が一定値以下となる人を行列の先頭として抽出する。

ステップ５０３は、行列認識部１０２が、各行列のチェックポイントにて２番目以降に並ぶ人を抽出する。この際、行列認識部１０２は直前のステップにて抽出した人から、一定の距離以内かつ最近傍にいる人で移動速度が一定値以下の人を、次に並んでいる人として抽出する。

行列認識部１０２は、直前のステップと本ステップで抽出された人達の位置情報を線分で結んだ際に、他の壁レイアウトのＷＫＴ３０２３やその他のチェックポイントのＷＫＴ３０３４のいずれとも交差しないような人を抽出する。

ステップ５０４は、行列認識部１０２が、直前のステップで抽出した人から、一定の距離以内で、移動速度が一定値以下となり、直前のステップの人とその探索対象の人を線分で結んだ際に、他の壁レイアウトのＷＫＴ３０２３やその他のチェックポイントのＷＫＴ３０３４のいずれとも交差しない人がいるか否かの判定を行う。

行列認識部１０２は、上記判定で該当する人がいない場合は終了条件を満たすとし、ステップ５０５に進む。終了条件を満たさない場合はステップ５０３に戻って上記処理を繰り返す。ステップ５０５は、行列認識部１０２が処理を終了する。

なおこの行列認識処理に、各人の向き（ＯＲＩＥＮＴ３０１４）の情報を用いてもよい。例えば、行列の先頭に並ぶ人を抽出する際に、ステップ５０２の判定条件を満たす人の中で、行列のチェックポイントの方へ向いている人のみを抽出してもよいし、２番目以降に並ぶ人を抽出する際に、ステップ５０３の判定条件を満たす人の中で、直前ステップで抽出された人の方を向いている人のみを抽出してもよい。

図６は、属性情報推定部１０３で行われる処理の説明図である。属性情報推定部１０３では、動線ＤＢ１０８に格納された動線データと、地図ＤＢ１０９に格納されたレイアウトデータと、判定ルールＤＢ１１１に格納された判定ルールから、各人の属性情報を推定し、属性ＤＢ１１０に格納する。上記を実現するために、以下に詳細を説明する。

画面６０１は動線ＤＢ１０８や地図ＤＢ１０９のデータを可視化している図である。動線データ６０２は、動線ＤＢ１０８に格納されている動線データの例である。これらのデータと判定ルールＤＢ１１１に格納されたルールから、特徴量算出部１０３１が属性の推定に必要な特徴量算出を行う。

図示のテーブル６０３は、特徴量算出部１０３１で算出された特徴量の例である。特徴量算出の際、所定の領域ごと、行動ごと、判定ルールごとのいずれか１つ以上に関する動線データの統計値をＰＩＤ６０４（＝ＰＩＤ３０１３）ごとに特徴量として算出する。ここで所定の領域は事前に定義されたジオメトリを用いてもよいし、動線データ６０２の分布から決定してもよい。

属性判定部１０３２は、所定の領域と動線データ６０２との交差判定を行い、各領域内に含まれる動線データ６０２を抽出し、特徴量算出部１０３１が特徴量の統計値を人ごとに算出する。この際、特徴量の統計値として、各人の移動速度や位置、加速度の平均値や分散、中央値、また各領域内に含まれる動線データ６０２のレコード数などを用いてもよい。

カラム６０５は予め設定した領域ごとの統計値である。行動ごとの統計値は、動線テーブル３０１に格納されたＡＣＴ３０１５の値ごとに算出する。統計値の種類は領域ごとの統計値と同様である。カラム６０６は行動ごとの統計値が格納される。

なお、属性判定部１０３２の特徴量算出部１０３１が算出する領域ごとの特徴量の統計値（６０４）は、誘導対象領域を複数の小領域に分割し、動線データ６０２が通過した領域について統計値を算出することができる。

判定ルールごとの統計値は、判定ルールテーブル４０４に格納されたＣＯＮＤＩＴＩＯＮ４０４２の条件を満たす導線データに関して統計値を算出する。統計値の種類は領域ごとの統計値と同様の方法で算出する。

カラム６０７は判定ルールごとの統計値の例である。なお、本実施例では領域ごと、行動ごと、判定ルールごとに特徴量の統計値を算出しているが、これらの統計値を算出する条件を複数にしてもよい。例えば、ある領域内かつある行動をとるときの統計値なども算出してもよい。属性情報推定部１０３は、特徴量を算出した後、その特徴量を用いて人ごとの属性を推定し、属性ＤＢ１１０に格納する。

この際、属性判定部１０３２は、特徴量に関して閾値処理を行うことで属性を推定してもよいし、Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ ＭａｃｈｉｎｅやＬｏｇｉｓｔｉｃ Ｒｅｇｒｅｓｓｉｏｎ、Ｇｒａｄｉｅｎｔ Ｂｏｏｓｔｉｎｇ、Ｄｅｅｐ Ｌｅａｒｎｉｎｇなどの機械学習を適用することで属性情報を推定してもよい。

上記処理により、属性情報推定部１０３は、動線データ６０２から算出した特徴量の統計値から、属性マスタテーブル４０３で設定された属性（ＡＩＤ４０３１）を各人ごとに推定することができる。

図７は、グループ推定部１０４で行われる処理の一例を示すフローチャートである。グループ推定部１０４では、動線ＤＢ１０８に格納された動線データと、地図ＤＢ１０９に格納されたレイアウトデータから、移動している人のグループを生成して、グループＤＢ１０７に格納する。なおステップ７０１～７０６のフローチャートは一定時間ごとに行われる。

ステップ７０１は、グループ推定部１０４が処理を開始する。ステップ７０２では、グループ推定部１０４が動線テーブル３０１の動線データから行列に向かっている人を抽出する。この際、グループ推定部１０４は、動線データの移動ベクトルを用いて、行列に向かう人の抽出処理を行う。この処理は移動判定部１０４１にて行われる。

ステップ７０３では、グループ推定部１０４が、上記ステップ７０２にて抽出した人に対して、各人が行列に至るまでの経路をシミュレーションにより予測する。ステップ７０４では、グループ推定部１０４が、上記ステップ７０３にて予測した経路から各人が途中で立ち寄る人流誘導装置１２を目的地として抽出し、抽出された人流誘導装置１２へ立ち寄る時間を到着時刻として推定する。これらの処理は、目的地推定部１０４２と到着時刻推定部１０４３にて行われる。

ステップ７０５では、グループ推定部１０４が、上記ステップ７０４にて推定した目的地と到着時刻の情報を用いて、到着時刻ごとの人数の分布に基づいて同一の人流誘導装置１２に向かう人々のグループを生成する。この処理はクラスタリング部１０４４にて行われる。

なお、ステップ７０２～７０５の具体的な処理は後述する。ステップ７０６は、グループ推定部１０４が処理を終了する。

図８は、移動判定部１０４１と目的地推定部１０４２と到着時刻推定部１０４３にて行われる処理の説明図である。

モニタに描画された画面８０１は動線ＤＢ１０８に格納された動線データと、地図ＤＢ１０９に格納されたレイアウトデータの、ある時刻の誘導対象領域の状況を表示した画面である。領域８０２と、領域８０５、領域８１０は地図ＤＢ１０９に格納されたチェックポイントテーブル３０３のジオメトリ情報（ＷＫＴ３０３４）を誘導対象領域の地図に描画した図である。

図中領域８０２－１～８０２－４は荷物受け取り場所であるベルトコンベアを示し、１２－１～１２－３は人流誘導装置を示し、領域８１０は行列の先の検査台を表す。なお、人流誘導装置を個々に特定しない場合には、「－」以降を省略した符号「１２」を用いる。他の構成要素の符号についても同様である。

線分８０９は、地図ＤＢ１０９に格納された行列に関するチェックポイントのジオメトリ情報を地図に描画した図である。人８０３、人８０４、人８０７、人８０８は動線ＤＢ１０８に格納された動線データを描画したものである。

人８０３は行列に向かっていない人を示し、人８０４は行列８１２－１に向かっている人を示し、人８０７は行列８１２－１に並んでいる人を示し、人８０８は行列８１２－１に並び終わってサービスを受けている人を示し、図示の例では検査台にて検査を受けている人である。

領域８０６－２～８０６－３は、人流誘導装置１２－２、１２－３の近傍（所定の距離内）を示す領域である。経路８１１は、行列８１２－５に向かっている人の予測経路である。

移動判定部１０４１では、行列８１２－１に向かっている人８０４を抽出する。この際、移動判定部１０４１は、各動線データの移動ベクトルから行列８１２へ向かう人を判別する。ここで移動ベクトルは、動線テーブル３０１に格納されているＷＫＴ３０１６のことである。

移動判定部１０４１は、移動ベクトルの長さが一定以上あり、行列ＤＢ１０６の行列テーブル４０１に一回も存在していないＰＩＤ（４０１４）であり、移動ベクトルの向いている方向に検査台（８１０）が存在しているような動線データを抽出する。

その後、移動判定部１０４１にて抽出された人８０４に関して、動線シミュレーション等により、今後向かうと思われる行列８１２、もしくは検査台（８１０）に至るまでの経路８１１を予測する。

この際、動線シミュレーションの方法として、Ｓｏｃｉａｌ Ｆｏｒｃｅ Ｍｏｄｅｌ等のような物理モデルに基づく周知又は公知のシミュレーション手法を用いてもよい。またＳｕｐｐｏｒｔ Ｖｅｃｔｏｒ ＲｅｇｒｅｓｓｉｏｎやＤｅｅｐ Ｌｅａｒｎｉｎｇ、Ｇｒａｄｉｅｎｔ Ｂｏｏｓｔｉｎｇ等の機械学習で学習した人の移動モデルを適用して、シミュレーションを行ってもよい。

機械学習を用いる場合、現在の速度ベクトル、様々な方向に関する周囲の障害物との距離、自分を中心とするグリッドを抽出し、グリッドに関する特徴量を算出して、１ステップ先の速度ベクトルを予測するような移動モデルを学習し、逐次的に速度を予測することで動線シミュレーションを行ってもよい。

目的地推定部１０４２では、上記で得られた予測経路を用いることで、どの目的地に立ち寄るか、すなわちどの領域８０６の人流誘導装置１２に立ち寄るかを推定する。ここで、目的地推定部１０４２は、経路８１１と領域８０６の交差判定を行うことで、目的地を決定する。

目的地推定部１０４２は、各人流誘導装置１２に関して近傍領域を示す領域８０６を定義し、経路８１１と最初に交差する領域８０６を抽出し、対応する人流誘導装置１２を目的地として推定する。この際、目的地推定部１０４２は、交差する領域８０６が存在しない場合、経路８１１と領域８０６が最も近いものを算出し、同様のことを行う。

到着時刻推定部１０４３では、目的地推定部１０４２で得られた目的地と経路８１１の情報を用いて、到着時刻を推定する。具体的には、到着時刻推定部１０４３がシミュレーション上で人が領域８０６の中に最初に入るタイミングを到着時刻として推定する。領域８０６と経路８１１が交差しない場合は、到着時刻推定部１０４３は、それらの距離が最も近くなるタイミングを人流誘導装置１２への到着時刻として推定する。

上記処理によって、グループ推定部１０４の到着時刻推定部１０４３は、領域８０２で荷物を受け取ってから、検査台（領域８１０）へ向かう途中で人流誘導装置１２に到着又は接近する時刻を推定することができる。

図９は、クラスタリング部１０４４にて行われる処理の説明図である。クラスタリング部１０４４では、移動判定部１０４１と目的地推定部１０４２、到着時刻推定部１０４３にて取得された移動中の人の到着情報を用いて、グループ情報を推定し、グループＤＢ１０７に格納する。

テーブル９０１は、移動判定部１０４１と目的地推定部１０４２、到着時刻推定部１０４３にて取得された移動中の人の到着情報である。このテーブル９０１にはＰＩＤ９１１と推定された到着時刻９１２と、目的地として推定された人流誘導装置１２のＩＤ９１３が一つのレコードに格納されている。クラスタリング部１０４４は、これらの情報から各時刻における各誘導装置に到着する人数の系列グラフ９０２を生成する。

系列グラフ９０２からどのタイミングで何人ぐらいの人が各人流誘導装置１２－１～１２－３に到着するかを知ることができる。この系列データをクラスタリングすることでグループ情報を取得する。

区間９０５は、人流誘導装置１２－１（図中人流誘導装置＃０）に到着する人をグループ化した場合の各グループの区間を表す。この系列グラフ９０２の山を公知の機械学習手法などによりクラスタリングを行い、区間９０５を生成する。

ここで機械学習を用いる場合、Ｇａｕｓｓｉａｎ Ｍｉｘｔｕｒｅ Ｍｏｄｅｌやｋ－ｍｅａｎｓクラスタリングなどの手法を用いてもよいし、シンプルに系列グラフ９０２の累積値が一定の閾値以上になるところで、グループの境界を定義し、クラスタリングを行ってもよい。

クラスタリング部１０４４は、クラスタリングを行い、各グループの時刻に関する情報を取得する。具体的には、そのグループの人たちが到着し始める時刻である時刻９０３と、到着を終了する時刻である時刻９０４を取得する。

最後に、クラスタリング部１０４４は、取得されたグループにＩＤを付与して、当該ＩＤと、時刻９０３、時刻９０４、区間９０５に入る人のＩＤのリスト（ＰＩＤ＿ＬＩＳＴ４０５５）をグループＤＢ１０７に格納する。

図１０は、誘導情報算出部１０５にて行われる処理の一例を示すフローチャートである。誘導情報算出部１０５は、行列ＤＢ１０６に格納された行列データと、グループＤＢ１０７に格納されたグループデータと、属性ＤＢ１１０に格納された属性データと、を受信し、グループごとに誘導情報を算出し、人流誘導装置１２に送信する。以下に具体的な処理について説明する。なおこれらの処理フローは一定時間ごとに行われる。

ステップ１００１は、誘導情報算出部１０５が処理を開始する。ステップ１００２では、誘導情報算出部１０５が属性ＤＢ１１０に格納された属性テーブル４０２やグループＤＢ１０７に格納されたグループテーブル４０５、行列ＤＢ１０６に格納された行列テーブル４０１の情報を用いて、属性（ＡＩＤ４０２２）の比率を算出する。

誘導情報算出部１０５は、グループに関しては、ＧＩＤ４０５１ごとに属性の比率を算出し、行列に関しては、ＣＩＤ４０１３ごとに属性（ＡＩＤ４０２２）の比率を推定する。この処理は誘導情報算出部１０５の属性比率算出部１０５１にて行われる。

ステップ１００３では、誘導情報算出部１０５が上記ステップ１００２にて算出された属性比率の情報を用いて、各行列の待ち時間に関する指標を推定する。この際、行列に並んでいる人数をｎとし、属性ｉの比率をｒ＿ｉとすると、例えば、比率ｒ＿ｉに関する重みづけ和にｎをかけた値を待ち時間として推定してもよい。

又はこれらのパラメータを特徴量として、誘導情報算出部１０５は機械学習によって得られたモデルから、待ち時間を推定してもよい。各グループに関しても同様に待ち時間に関する指標を推定する。この処理は誘導情報算出部１０５の指標算出部１０５２にて行われる。

ステップ１００４では、誘導情報算出部１０５が上記ステップ１００３にて算出されたグループごと、行列ごとの待ち時間と、各グループの到着タイミングの情報に基づき、各グループに関して、誘導先である行列８１２を決定する。この際、誘導情報算出部１０５は、各行列８１２の総待ち時間が均等になるように各グループを行列に割り当ててもよいし、グループ内に電子化ゲートの使用率が高い属性の人が多い場合であれば、電子化ゲートの行列８１２の方に割り当ててもよい。もしくは施設の管理者が人手で割り当ててもよい。この処理は誘導情報算出部１０５の指標最適化部１０５３にて行われる。

ステップ１００５では、誘導情報算出部１０５が誘導情報を表示する時刻や時間に関する情報を決定する。各誘導情報は誘導対象のグループの人が人流誘導装置１２へ到着する時刻９０３から時刻９０５のまでの間、表示を実施するように設定する。

又は、誘導情報算出部１０５が最初に人流誘導装置１２に到着する人が、人流誘導装置１２に到着する前に、人流誘導装置１２から一定の距離内に場所に来た時点から誘導情報を表示してもよい。

もしくは誘導対象のグループの人のうち、一定以上の割合の人が、人流誘導装置１２から一定の距離内にいる場合に誘導情報を表示してもよい。この処理は誘導情報算出部１０５のスケジューリング部１０５４にて行われる。

ステップ１００６では、誘導情報算出部１０５が処理を終了する。上記処理によって、誘導情報算出部１０５は、誘導先である行列８１２を誘導対象のグループごとに決定し、誘導情報を出力する人流誘導装置１２と誘導情報を表示するタイミングを設定することができる。

図１１は、人流誘導装置１２に表示するインタフェースの説明図である。人流誘導システム１０は人流誘導装置１２の画面に誘導情報を表示することで人流の誘導を行う。

画面１１０１は、人流誘導装置１２の画面全体を表す。画面１１０２は、動線ＤＢ１０８に格納されている現在の動線データや地図ＤＢ１０９に格納されているレイアウトデータを表示する画面である。図示の例では誘導対象領域を表示している。

凡例１１０３は、人のグループ情報を表す凡例である。グループＤＢ１０７に格納されたグループ情報に基づき、現在の表示されているＰＩＤ３０１３の人が所属するグループ情報の色やマーカ等に関する判例情報を表示する。この凡例１１０３に基づき、画面１１０２に、人の動線データが表示される。なお、凡例１１０３にて、現在の誘導対象であるグループに関して、太文字や下線などの強調表示がされていてもよい。

誘導表示１１０４は、現在の誘導対象であるグループに関する誘導先の情報（誘導情報）を表示したものである。具体的には誘導対象であるグループのＩＤと、誘導先である行列が並ぶ検査台のＩＤが表示されている必要がある。なおここで、指標算出部１０５２で算出された待ち時間の情報なども一緒に表示されていてもよい。

乗り継ぎ情報１１０５は、空港から他の交通機関への乗り継ぎに関する情報を表示したものである。乗り継ぎ情報１１０５には交通機関の種類やその行き先、出発時刻だけでなく、空席情報なども表示してもよい。

時刻１１０６は、現在の日時を表す。パネル１１０７は、施設の利用者が管理者や警備員などを呼ぶ際に押すパネルである。タッチパネルでもよいし、押下できるようなボタンでもよい。

画面１１０２内に表示される人１１０８は、動線ＤＢ１０８に格納されている動線データである。凡例１１０３に従い、グループにより色やマーカ等の形式が異なって表示されていてもよい。ここで画面１１０１が表示されている人流誘導装置１２に近づいている人に関して、マーカを大きくするなど強調して表示されていてもよい。

人流誘導装置１２は、画面１１０１が表示されている誘導装置である。他の人流誘導装置１２区別するために、枠を太くするなど、強調して表示されていてもよい。

検査台１１１０は、人流誘導装置１２で人１１０８を誘導している誘導先の検査台である。他の検査台と区別するために、先ほどと同様に強調して表示されていてもよい。

以上のように、誘導情報算出部１０５が算出したスケジュールで誘導情報を人流誘導装置１２に出力することで、予測された経路を移動する人１１０８に対して誘導先を報知することができる。

図１２は、施設管理者が利用する人流誘導システム１０の管理画面に表示するインタフェースの説明図である。この画面では、どのような属性の人がどのように分布しているか、今後の行列に関する待ち人数や待ち時間がどのように変化すると予測されるかなどを表示し、管理者の意思決定に繋げられるようにする。

画面１２０１は、管理画面全体を表す。画面１２０２は、動線ＤＢ１０８に格納される動線データや、地図ＤＢ１０９に格納されるレイアウトデータを表示する画面である。ここで動線データに関しては、属性ＤＢ１１０に格納される属性情報ごとに色やマーカを変えて表示してもよい。

画面１２０３は、各検査台の前に並ぶ行列内の人の属性比率に関する情報を示す画面である。コンボボックス１２０３１は現在表示されている検査台であり、円グラフ１２０３２は属性比率の情報を表示したグラフである。

画面１２０４は、動線ＤＢ１０８に格納された動線データと属性ＤＢ１１０に格納された属性データをもとに、管理者が記録した特定行動者のリストである。テーブル１２０４１は特定行動者リストを表にまとめたものであり、人のＩＤや属性、管理者が追記するメモ、強調表示のフラグなどを含んでいてもよい。

特定行動者リストは画面１２０２で対象となる動線データを選択し、追加、削除、更新できるようにしてもよい。ボタン１２０４２は特定行動者の追加ボタン、ボタン１２０４３は削除ボタン、ボタン１２０４４は更新ボタンである。

画面１２０５は、今後の行列の待ち人数の予測値を表示した画面である。コンボボックス１２０５１は、現在表示されている検査台であり、折れ線グラフ１２０５２は待ち人数予測値を系列データとして表示したグラフである。このデータは図９に示した系列グラフ９０２と同様のものである。

画面１２０６は、今後の行列の待ち時間の予測値を表示した画面である。コンボボックス１２０６１は、現在表示されている検査台であり、折れ線グラフ１２０６２は待ち時間予測値を系列データとして表示したグラフである。このデータは指標算出部１０５２にて算出された待ち時間である。

画面１２０７は、航空機の到着状況の表を示す画面である。この画面１２０７には、便名や出発地、到着時刻、荷物がベルトコンベアに到着しているか、などの情報が含まれていてもよい。時刻１２０８は現在の日時を表す。

図１３は、人流計測システム１１と人流誘導システム１０を構成する各装置のハードウェア構成を示す。

人流計測システム１１は、レーザー計測システム１３０１、カメラシステム１３０２、端末測位システム１３０３のいずれか一つ以上の人流計測システム１１から構成される。なお、人流誘導システム１０と人流計測システム１１は、ネットワーク５を介して相互に接続される。

レーザー計測システム１３０１は、レーザー光を発振するレーザー発振器１３０１１と、レーザーの反射光を読み取るレーザー受光器１３０１２と、レーザーの発振、受光にかかった時間等からレーザー計測システム１３０１の周囲の物体までの距離を算出して点群データに変換する演算装置１３０１３からなる。

カメラシステム１３０２は、周知のカメラを含むシステムであり、イメージセンサ１３０２１によって可視光を画像として取得して、周知又は公知の方法によりその画像の中から人を検知してその位置を推定することができる装置である。

端末測位システム１３０３は、演算性能を有するプロセッサ１３０３１と、高速に読み書きが可能な揮発性一時記憶領域であるＤＲＡＭ１３０３２と、ＨＤＤ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１３０３３と、人の操作を受け付ける入力装置１３０３４と、現在の端末の状況を提示するためのモニタ１３０３５と、無線通信を行うためのネットワークインタフェースカードである無線通信ボード１３０３６と、端末の位置を特定するためのＧＰＳ受信機１３０３７を含んでおり、記憶領域に記録されたプログラムをプロセッサ１３０３１が実行すると、ＧＰＳ受信機１３０３７等を用いて自己の位置を推定してＮＩＣ１３０４６を経由して配信する。

なお、端末測位システム１３０３は、車両等の移動体に搭載して、人流誘導システム１０と接続することによって移動体の誘導を実現することができる。

人流誘導システム１０は、演算性能を有するプロセッサ１３０４１と、高速に読み書きが可能な揮発性一時記憶領域であるＤＲＡＭ１３０４２と、ＨＤＤ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１３０４３と、人の操作を受け付ける入力装置１３０４４、情報を提示するためのモニタ１３０４５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ＮＩＣ１３０４６を有する計算機である。

記憶領域に記録されたプログラムをプロセッサ１３０４１が実行することによって、動線データ抽出部１０１、行列認識部１０２、属性情報推定部１０３、グループ推定部１０４、誘導情報算出部１０５を実現できる。また、行列ＤＢ１０６、グループＤＢ１０７、動線ＤＢ１０８、地図ＤＢ１０９、属性ＤＢ１１０、判定ルールＤＢ１１１は記憶装置１３０４３に記憶することによって実現できる。

なお、図１２に示した画面１２０１は、人流誘導システム１０のモニタ１３０４５に出力することができる。

上記実施例では、人流誘導システム１０が複数の目的地（人流誘導装置１２）を有する例を示したが、これに限定されるものではなく、目的地が単一の場合には、目的地への到着予測時間に基づいて人のグルーピングを行うことができる。
＜結び＞

以上のように、上記実施例の人流誘導システム１０は、以下のような構成とすることができる。

（１）プロセッサ（１３０４１）とメモリ（ＤＲＡＭ１３０４２）を有する計算機（人流誘導システム１０）が移動体（人８０４）の動線データ（ＷＫＴ３０１６）を処理する誘導システムであって、前記移動体毎に動線データ（３０１６）を抽出する動線データ抽出部（１０１）と、前記動線データ（３０１６）に基づいて、前記移動体が目的地に到着する時刻を推定する到着時刻推定部（１０４３）と、前記推定された到着時刻に基づいて、少なくとも１つ以上の前記移動体から構成されるグループ（ＧＩＤ４０５１）を算出するグループ推定部（１０４）と、前記グループ（４０５１）ごとに前記移動体の誘導情報（誘導表示１１０４）を算出する誘導情報算出部（１０５）と、を有することを特徴とする誘導システム。

上記構成により、人流誘導システム１０は、人流の動線データに基づいて、効率的に人流の誘導を行うことができる。それにより、施設内における行列や混雑を緩和させることができる。

（２）上記（１）に記載の誘導システムであって、前記動線データ（３０１６）に基づいて、前記移動体が向かう目的地を推定する目的地推定部（１０４３）を、さらに有し、前記到着時刻推定部（１０４３）は、前記推定された目的地に前記移動体が到着する時刻を推定することを特徴とする誘導システム。

上記構成により、人流誘導システム１０は、推定された目的地に前記移動体が到着する時刻を推定することにより、誘導情報を効率よく表示することができる。

（３）上記（１）に記載の誘導システムであって、前記動線データ（３０１６）から前記移動体ごとの属性情報（４０２２）を推定する属性情報推定部（１０３）を、さらに有し、前記誘導情報算出部（１０５）は、前記グループ（４０５１）ごとに算出した前記属性情報（４０２２）の比率を用いて前記誘導情報（１１０４）を算出することを特徴とする誘導システム。

上記構成により、人流誘導システム１０は、行列の先の検査台や窓口の通過時間は行列を構成する人の属性によって異なるため、動線データから移動中の人や行列に並んでいる人の属性情報を推定し、行列の待ち人数や待ち時間だけでなく、属性情報も用いることで、グループに適した誘導情報を算出することができる。

（４）上記（３）に記載の誘導システムであって、前記属性情報推定部（１０３）は、前記移動体を誘導する領域ごと、前記移動体の行動（ＡＣＴ３０１５）ごと、予め設定された判定ルール（４０４２）ごとのいずれか１つ以上に関する動線データ（３０１６）の統計値を算出し、算出した統計値から前記移動体の前記属性情報（４０２２）を推定することを特徴とする誘導システム。

上記構成により、人流誘導システム１０は、動線データ６０２から算出した特徴量の統計値から、属性マスタテーブル４０３で設定された属性（ＡＩＤ４０３１）を各人ごとに推定することができる。

（５）上記（１）に記載の誘導システムであって、前記計算機（１０）に接続されて前記誘導情報（１１０４）を表示する誘導装置（人流誘導装置１２）を、さらに有し、前記誘導情報（１１０４）算出部（１０５）は、前記グループ（４０５１）に割り当てられた前記移動体が、前記誘導装置から一定の距離以内に存在している際に、前記誘導情報（１１０４）を前記誘導装置（１２）に表示することを特徴とする誘導システム。

上記構成により、人流誘導システム１０は、グループに割り当てられた人のうち閾値以上の割合の人が、人流誘導装置１２から一定の閾値以内の距離に存在している場合に人流誘導装置１２に誘導情報を表示することで、誘導対象のグループに誘導先を報知することが可能となる。

（６）上記（２）に記載の誘導システムであって、前記計算機（１０）に接続されて前記誘導情報（１１０４）を表示する複数の誘導装置（１２）を、さらに有し、前記目的地推定部（１０４３）は、前記移動体が向かう目的地として、前記複数の誘導装置（１２）（人流誘導装置（１２）１２）のいずれかを推定し、前記誘導情報算出部（１０５）は、前記グループ（４０５１）に割り当てられた前記移動体が、前記推定された誘導装置（１２）から一定の距離以内に存在している際に、前記誘導情報（１１０４）を前記誘導装置（１２）に表示することを特徴とする誘導システム。

上記構成により、人流誘導システム１０は、グループに割り当てられた人のうち閾値以上の割合の人が、複数の人流誘導装置１２のうち前記グループが向かうと推定された人流誘導装置１２から一定の閾値以内の距離に存在している場合に当該人流誘導装置１２に誘導情報を表示することで、誘導対象のグループに誘導先を報知することが可能となる。

なお、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施例は本発明を分かりやすく説明するために詳細に記載したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、また、ある実施例の構成に他の実施例の構成を加えることも可能である。また、各実施例の構成の一部について、他の構成の追加、削除、又は置換のいずれもが、単独で、又は組み合わせても適用可能である。

また、上記の各構成、機能、処理部、及び処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等によりハードウェアで実現してもよい。また、上記の各構成、及び機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウェアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリや、ハードディスク、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等の記録装置、又は、ＩＣカード、ＳＤカード、ＤＶＤ等の記録媒体に置くことができる。

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

１０ 人流誘導システム
１１ 人流計測システム
１２ 人流誘導装置
１０１ 動線データ抽出部
１０２ 行列認識部
１０３ 属性情報推定部
１０４ グループ推定部
１０５ 誘導情報算出部
１０６ 行列ＤＢ
１０７ グループＤＢ
１０８ 動線ＤＢ
１０９ 地図ＤＢ
１１０ 属性ＤＢ
１１１ 判定ルールＤＢ
１０３１ 特徴量算出部
１０３２ 属性判定部
１０５１ 属性比率算出部
１０５２ 指標算出部
１０５３ 指標最適化部
１０５４ スケジューリング部
１０４１ 移動判定部
１０４２ 目的地推定部
１０４３ 到着時刻推定部
１０４４ クラスタリング部
１３０１ レーザー計測システム
１３０２ カメラシステム
１３０３ 端末測位システム
１３０１１ レーザー発振器
１３０１２ レーザー受光器
１３０１３ 演算装置
１３０２１ イメージセンサ
１３０２２ 演算装置
１３０３１ プロセッサ
１３０３２ ＤＲＡＭ
１３０３３ 記憶装置
１３０３４ 入力装置
１３０３５ モニタ
１３０３６ 無線通信ボード
１３０３７ ＧＰＳ受信機
１３０４１ プロセッサ
１３０４２ ＤＲＡＭ
１３０４３ 記憶装置
１３０４４ 入力装置
１３０４５ モニタ
１３０４６ ＮＩＣ

Claims (15)

1. プロセッサとメモリを有する計算機が移動体の動線データを処理する誘導システムであって、
   前記移動体の動線データを抽出する動線データ抽出部と、
   前記動線データに基づいて、前記移動体が目的地に到着する時刻を推定する到着時刻推定部と、
   前記推定された到着時刻に基づいて、少なくとも１つ以上の前記移動体から構成されるグループを算出するグループ推定部と、
   前記グループごとに前記移動体の誘導情報を算出する誘導情報算出部と、
   を有することを特徴とする誘導システム。
2. 請求項１に記載の誘導システムであって、
   前記動線データに基づいて、前記移動体が向かう目的地を推定する目的地推定部を、さらに有し、
   前記到着時刻推定部は、
   前記推定された目的地に前記移動体が到着する時刻を推定することを特徴とする誘導システム。
3. 請求項１に記載の誘導システムであって、
   前記動線データから前記移動体ごとの属性情報を推定する属性情報推定部を、さらに有し、
   前記誘導情報算出部は、
   前記グループごとに算出した前記属性情報の比率を用いて前記誘導情報を算出することを特徴とする誘導システム。
4. 請求項３に記載の誘導システムであって、
   前記属性情報推定部は、
   前記移動体を誘導する領域ごと、前記移動体の行動ごと、予め設定された判定ルールごとのいずれか１つ以上に関する動線データの統計値を算出し、算出した統計値から前記移動体の前記属性情報を推定することを特徴とする誘導システム。
5. 請求項１に記載の誘導システムであって、
   前記計算機に接続されて前記誘導情報を表示する誘導装置を、さらに有し、
   前記誘導情報算出部は、
   前記グループに割り当てられた前記移動体が、前記誘導装置から一定の距離以内に存在している際に、前記誘導装置に前記誘導情報を表示することを特徴とする誘導システム。
6. 請求項２に記載の誘導システムであって、
   前記計算機に接続されて前記誘導情報を表示する複数の誘導装置を、さらに有し、
   前記目的地推定部は、
   前記移動体が向かう目的地として、前記複数の誘導装置のいずれかを推定し、
   前記誘導情報算出部は、
   前記グループに割り当てられた前記移動体が、前記推定された誘導装置から一定の距離以内に存在している際に、前記推定された誘導装置に前記誘導情報を表示することを特徴とする誘導システム。
7. プロセッサとメモリを有する計算機が移動体の動線データを処理する誘導方法であって、
   前記計算機が、前記移動体ごとの動線データを抽出する第１のステップと、
   前記計算機が、前記動線データに基づいて、前記移動体が目的地に到着する時刻を推定する第２のステップと、
   前記計算機が、前記推定された到着時刻に基づいて、少なくとも１つ以上の前記移動体から構成されるグループを算出する第３のステップと、
   前記計算機が、前記グループごとに前記移動体の誘導情報を算出する第４のステップと、
   を含むことを特徴とする誘導方法。
8. 請求項７に記載の誘導方法であって、
   前記計算機が、前記動線データに基づいて、前記移動体が向かう目的地を推定する第５のステップを、さらに含み、
   前記第２のステップでは、
   前記推定された目的地に前記移動体が到着する時刻を推定することを特徴とする誘導方法。
9. 請求項７に記載の誘導方法であって、
   前記計算機が、前記動線データから前記移動体ごとの属性情報を推定する第６のステップを、さらに含み、
   前記第４のステップでは、
   前記グループごとに算出した前記属性情報の比率を用いて前記誘導情報を算出することを特徴とする誘導方法。
10. 請求項９に記載の誘導方法であって、
    前記第６のステップでは、
    前記移動体を誘導する領域ごと、前記移動体の行動ごと、予め設定された判定ルールごとのいずれか１つ以上に関する動線データの統計値を算出し、算出した統計値から前記移動体の前記属性情報を推定することを特徴とする誘導方法。
11. 請求項７に記載の誘導方法であって、
    前記計算機が、当該計算機に接続された誘導装置に前記誘導情報を表示する第７のステップを、さらに含み、
    前記第４のステップは、
    前記グループに割り当てられた前記移動体のうち、前記誘導装置から一定の距離以内に存在している際に、前記誘導装置に前記誘導情報を表示することを特徴とする誘導方法。
12. 請求項８に記載の誘導方法であって、
    前記計算機が、当該計算機に接続された誘導装置に前記誘導情報を表示する第７のステップを、さらに含み、
    前記第５のステップでは、
    前記移動体が向かう目的地として、前記複数の誘導装置のいずれかを推定し、
    前記第４のステップでは、
    前記グループに割り当てられた前記移動体のうち、前記推定された誘導装置から一定の距離以内に存在している際に、前記推定された誘導装置に前記誘導情報を表示することを特徴とする誘導方法。
13. プロセッサとメモリを有して移動体の動線データを処理する計算機であって、
    前記移動体ごとに前記移動体の動線データを抽出する動線データ抽出部と、
    前記動線データに基づいて、前記移動体が目的地に到着する時刻を推定する到着時刻推定部と、
    前記推定された到着時刻に基づいて、少なくとも１つ以上の前記移動体から構成されるグループを算出するグループ推定部と、
    前記グループごとに前記移動体の誘導情報を算出する誘導情報算出部と、
    を有することを特徴とする計算機。
14. 請求項１３に記載の計算機であって、
    前記動線データに基づいて、前記移動体が向かう目的地を推定する目的地推定部を、さらに有し、
    前記到着時刻推定部は、
    前記推定された目的地に前記移動体が到着する時刻を推定することを特徴とする計算機。
15. 請求項１３に記載の計算機であって、
    前記動線データから前記移動体ごとの属性情報を推定する属性情報推定部を、さらに有し、 前記誘導情報算出部は、
    前記グループごとに算出された前記属性情報の比率を用いて前記誘導情報を算出することを特徴とする計算機。

Images