JP2022133563A - 情報処理装置、情報処理方法、情報処理プログラム - Google Patents
情報処理装置、情報処理方法、情報処理プログラム Download PDFInfo
- Publication number
- JP2022133563A JP2022133563A JP2021032309A JP2021032309A JP2022133563A JP 2022133563 A JP2022133563 A JP 2022133563A JP 2021032309 A JP2021032309 A JP 2021032309A JP 2021032309 A JP2021032309 A JP 2021032309A JP 2022133563 A JP2022133563 A JP 2022133563A
- Authority
- JP
- Japan
- Prior art keywords
- information
- workers
- building
- information processing
- construction
- 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
- 230000010365 information processing Effects 0.000 title claims abstract description 141
- 238000003672 processing method Methods 0.000 title claims abstract description 7
- 238000010276 construction Methods 0.000 claims abstract description 107
- 238000012937 correction Methods 0.000 claims description 20
- 238000000034 method Methods 0.000 claims description 20
- 230000007423 decrease Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000009434 installation Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 239000011150 reinforced concrete Substances 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 238000000611 regression analysis Methods 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 235000012054 meals Nutrition 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000009435 building construction Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000009408 flooring Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【課題】建築情報に基づいてより正確に就労人数を予測する情報処理装置、情報処理方法及び情報処理プログラムを提供する。【解決手段】情報処理サーバ(情報処理装置)と、情報処理サーバとネットワークを介して接続された1以上のユーザ端末とを備える情報処理システムにおいて、建築現場の就労人数を予測するための情報処理サーバのCPU200Cは、建築現場の建築情報を取得する建築情報取得部と、建築情報取得部で取得された建築情報に基づき就労人数を予測する就労人数予測部と、を備える。【選択図】図5
Description
本発明は、情報処理装置、情報処理方法及び情報処理プログラムに関する。
建設現場、特に中高層階の建物の建築現場には、多数の関係者が出入りするため近隣の飲食店や小売店など商行為を行うものにとっては大きなビジネスチャンスとなる。しかしながら、建築現場の規模や工法など、建築特有の事情により建築現場の就労人数が変動するため外部からはいつどの程度の人数が建築現場に出入りするのかわかりにくいという問題がある。
いつどの程度の人数が出入りするかがわかると、近隣の飲食店や小売店などは、いつどの程度の需要があるかを見積もることができ機会利益が生じる。また、近年では社会的にフードロスを減らす取り組みが行われているが、該観点からも需要を予測できることが好ましい。さらに、一時的な需要に対してはキッチンカーなどを用いて食事等を提供するなど柔軟に対応できるため、土地や人的リソース等の有効利用あるいは最適配分にもつながる。
いつどの程度の人数が出入りするかがわかると、近隣の飲食店や小売店などは、いつどの程度の需要があるかを見積もることができ機会利益が生じる。また、近年では社会的にフードロスを減らす取り組みが行われているが、該観点からも需要を予測できることが好ましい。さらに、一時的な需要に対してはキッチンカーなどを用いて食事等を提供するなど柔軟に対応できるため、土地や人的リソース等の有効利用あるいは最適配分にもつながる。
なお、従来には、建設の工事計画において天候の影響を考慮するスケジューリング方法が提供されている。具体的には、建設工事の作業に関する作業データ及び建設工事の資材に関する資材データに基づいて、工事全体のスケジュールを算出及び工事進捗を管理する建設工事スケジューリングシステムにおいて、工事現場における天候に関する天候データを使用し、該天候データにより影響を受ける作業に関しては、効率変化を反映してその作業に従事する作業人数ないし消化仕事量を増減することが提案されている。
しかしながら、従来の発明では、天候に応じて作業に従事する作業人数ないし消化仕事量を増減するだけであり、建築特有の情報、例えば建築計画などが考慮されておらず、いつどの程度の人数が建築現場に出入りするのかを正確に予測することは難しい。
本発明は、上記課題を鑑みてなされたものであり、建築情報に基づいてより正確に就労人数を予測することができる情報処理装置、情報処理方法及び情報処理プログラムを提供することを目的とする。
上記の課題を解決すべく、本発明に係る情報処理装置は、建築現場の就労人数を予測するための情報処理装置であって、前記建築現場の建築情報を取得する建築情報取得部と、前記建築情報取得部で取得された建築情報に基づき前記就労人数を予測する就労人数予測部と、を備える。
本発明によれば、建築情報に基づいてより正確に就労人数を予測することができる情報処理装置、情報処理方法及び情報処理プログラムを提供することができる。
以下、図面を参照して本発明の実施形態を説明する。
[実施形態]
初めに、図1を参照して情報処理システム1の構成について説明する。図1に示すように、情報処理システム1は、情報処理サーバ2(情報処理装置)と、この情報処理サーバ2とネットワーク5を介して接続された1以上のユーザ端末3とを備える。なお、情報処理システム1には、ネットワーク5を介して、建築情報が記憶されたサーバ4が接続されていてもよい。サーバ4には、建築情報として、例えば自治体の条例により公開されている「建築計画のお知らせ」を集約した情報が記憶されており、情報処理サーバ2は、サーバ4から建築情報を取得する。
[実施形態]
初めに、図1を参照して情報処理システム1の構成について説明する。図1に示すように、情報処理システム1は、情報処理サーバ2(情報処理装置)と、この情報処理サーバ2とネットワーク5を介して接続された1以上のユーザ端末3とを備える。なお、情報処理システム1には、ネットワーク5を介して、建築情報が記憶されたサーバ4が接続されていてもよい。サーバ4には、建築情報として、例えば自治体の条例により公開されている「建築計画のお知らせ」を集約した情報が記憶されており、情報処理サーバ2は、サーバ4から建築情報を取得する。
ここで、建築情報には、例えば、建築物の延べ面積、用途、工期、階数、構造、敷地面積、建築面積、敷地面積と建築面積との比率、工法、位置の少なくとも1以上に関する情報が含まれる。なお、図1に示す例では、情報処理システム1は、情報処理サーバ2及びユーザ端末3を各々1つずつ備える構成となっているが、情報処理システム1が備える情報処理サーバ2、ユーザ端末3の数はそれぞれ任意である。なお、ユーザ端末3は、デスクトップ型PC(Personal Computer)、タブレット型PC、スマートフォンなどであってよい。
(情報処理サーバ2)
次に、図2を参照して情報処理サーバ2のハード構成について説明する。図2に示すように、情報処理サーバ2は、通信IF200A、記憶装置200B、CPU200Cがバス200Dを介して接続された構成を有する。なお、図2では図示していないが、情報処理サーバ2は、入力装置(例えば、マウス、キーボード、タッチパネルなど)や表示装置(CRT(Cathode Ray Tube)、液晶ディスプレイ、有機ELディスプレイなど)などを備えていてもよい。
次に、図2を参照して情報処理サーバ2のハード構成について説明する。図2に示すように、情報処理サーバ2は、通信IF200A、記憶装置200B、CPU200Cがバス200Dを介して接続された構成を有する。なお、図2では図示していないが、情報処理サーバ2は、入力装置(例えば、マウス、キーボード、タッチパネルなど)や表示装置(CRT(Cathode Ray Tube)、液晶ディスプレイ、有機ELディスプレイなど)などを備えていてもよい。
通信IF200Aは、他の装置(例えば、ユーザ端末3やサーバ4)と通信するためのインターフェースである。
記憶装置200Bは、例えば、HDD(Hard Disk Drive)や半導体記憶装置(SSD(Solid State Drive))である。記憶装置200Bには、各種情報や情報処理プログラムが記憶されている。
次に、図3を参照して情報処理サーバ2の記憶装置200Bに記憶されている各種情報について説明する。情報処理サーバ2の記憶装置200Bには、ユーザDB1、実績情報DB2、予測モデルDB3などが格納されている。
(ユーザDB1)
ユーザDB1には、実施形態に係る情報処理システム1のユーザ、例えば、情報処理サーバ2が予測した就労人数の情報を利用するユーザの情報が記憶されている。ユーザの情報は、例えば、企業名、屋号、担当者名、連絡先などの情報である。また、ユーザは、建築関係者の需要を見込むことができる全ての業種が対象となるが、例えば、飲食店(レストラン、定食屋、弁当屋、移動屋台(キッチンカー)など)、小売店(コンビニエンスストア、スーパー、ホームセンター、建築現場向け用品の専門店など)、駐車場などの他、飲食店や小売店のポータルサイト運営者(例えば、プラットフォーマー)などである。
また、ユーザDB1には、情報処理システム1のユーザが設定した条件が記憶されている。ここで条件とは、情報処理サーバ2が予測した就労人数(予測した就労人数の推移)及び就労人数を予測した建築物の位置などの情報を送信(出力)する条件のことである。例えば、ユーザは、予測情報を出力する位置の範囲を条件として設定することができる。ここで、位置の範囲は、都道府県の他、市町村単位で範囲を設定できるようにしてもよいし、地図上に円や多角形を描くことで範囲を設定できるようにしてもよい。情報処理サーバ2は、予測情報に含まれる建築物の位置情報が設定された範囲内にある場合に、該設定を行ったユーザのユーザ端末3へ予測情報を送信(出力)する。
また、例えば、ユーザは、就労人数が所定値以上であることを条件として設定することができる。情報処理サーバ2は、予測される就労者数が設定した値以上である場合に、情報処理サーバ2の送信部202は、該設定を行ったユーザのユーザ端末3へ予測情報を送信(出力)する。
このように条件を設定することで、例えば、予測される就労人数が100人/日以上である場合にユーザ端末3へ予測情報を送信(出力)するように設定することができ、ある程度の需要が見込める場合にユーザ端末3へ予測情報を送信(出力)することができ利便性が向上する。
なお、位置の範囲と就労人数の値とを組み合わせて設定できるようにしてもよい。この場合、予測情報を送信(出力)する条件をより詳細に設定することができ、利便性が向上する。
ユーザDB1には、実施形態に係る情報処理システム1のユーザ、例えば、情報処理サーバ2が予測した就労人数の情報を利用するユーザの情報が記憶されている。ユーザの情報は、例えば、企業名、屋号、担当者名、連絡先などの情報である。また、ユーザは、建築関係者の需要を見込むことができる全ての業種が対象となるが、例えば、飲食店(レストラン、定食屋、弁当屋、移動屋台(キッチンカー)など)、小売店(コンビニエンスストア、スーパー、ホームセンター、建築現場向け用品の専門店など)、駐車場などの他、飲食店や小売店のポータルサイト運営者(例えば、プラットフォーマー)などである。
また、ユーザDB1には、情報処理システム1のユーザが設定した条件が記憶されている。ここで条件とは、情報処理サーバ2が予測した就労人数(予測した就労人数の推移)及び就労人数を予測した建築物の位置などの情報を送信(出力)する条件のことである。例えば、ユーザは、予測情報を出力する位置の範囲を条件として設定することができる。ここで、位置の範囲は、都道府県の他、市町村単位で範囲を設定できるようにしてもよいし、地図上に円や多角形を描くことで範囲を設定できるようにしてもよい。情報処理サーバ2は、予測情報に含まれる建築物の位置情報が設定された範囲内にある場合に、該設定を行ったユーザのユーザ端末3へ予測情報を送信(出力)する。
また、例えば、ユーザは、就労人数が所定値以上であることを条件として設定することができる。情報処理サーバ2は、予測される就労者数が設定した値以上である場合に、情報処理サーバ2の送信部202は、該設定を行ったユーザのユーザ端末3へ予測情報を送信(出力)する。
このように条件を設定することで、例えば、予測される就労人数が100人/日以上である場合にユーザ端末3へ予測情報を送信(出力)するように設定することができ、ある程度の需要が見込める場合にユーザ端末3へ予測情報を送信(出力)することができ利便性が向上する。
なお、位置の範囲と就労人数の値とを組み合わせて設定できるようにしてもよい。この場合、予測情報を送信(出力)する条件をより詳細に設定することができ、利便性が向上する。
(実績情報DB2)
実績情報DB2には、過去の建築現場の実績情報が記憶されている。実績情報DB2に記憶された情報は、予測モデルDB3に記憶されている予測モデルの教師データとして利用される。ここで、実績情報は、過去の建築現場での就労人数の情報に、建築情報である建築物の延べ面積、用途、工期、階数、構造、敷地面積、建築面積、敷地面積と建築面積との比率、工法、位置の少なくとも1以上に関する情報がタグ付けなどにより付与された情報となっている。過去の建築現場での就労人数の情報に建築情報である建築物の延べ面積、用途、工期、階数、構造、敷地面積、建築面積、敷地面積と建築面積との比率、工法、位置の少なくとも1以上に関する情報を付与することにより、後述の予測モデルにおいて、建築物の延べ面積、用途、工期、階数、構造、敷地面積、建築面積、敷地面積と建築面積との比率、工法、位置の少なくとも1以上に関する情報に応じて就労人数の推移を予測することができる。
ここで、延べ面積は、建築計画に記載される建築物の延べ面積に関する情報であり、建築物の各階(地下階及び地上階を含む)の床面積の合計である。例えば、建築物が2階建てであれば、1階の床面積と2階の床面積を足した数字が、該建築物の延べ面積となる。なお、各階の床面積は、柱又は壁の中心線を基準として測定される。また、通常、吹き抜け、ロフトなどは、延べ面積には算入されない。
また、用途は、建築計画に記載される建築物の用途に関する情報であり、例えば、建築物の主要用途一覧に記載される用途(例えば、各種学校、共同住宅、病院など)である。
また、工期は、建築計画に記載される着工予定日から完了予定日(竣工予定)までの期間に関する情報である。
また、階数は、建築計画に記載される建築物の階数に関する情報であり、地上階数及び地下階数の情報が含まれる。
また、構造は、建築計画に記載される建築物の構造に関する情報であり、例えば、鉄筋コンクリート造(RC造)、壁式鉄筋コンクリート造(WRC造)、鉄骨造(S造)、鉄骨鉄筋コンクリート造(SRC造)、木造などである。
また、敷地面積は、建築計画に記載される建築物の敷地面積に関する情報であり、建築物が建っている敷地(土地)全体の面積である。
また、建築面積は、建築計画に記載される建築物の建築面積に関する情報であり、建築物が建っている部分の面積である。
また、敷地面積と建築面積との比率は、敷地面積に対する建築面積の割合である。比率の値が小さいと敷地面積に対して建築面積が狭く、比率の値が大きいと、敷地面積に対して建築面積が広いことを意味する。なお、本実施形態では、敷地面積と建築面積との比率は、敷地面積に対する建築面積の割合であるが、建築面積に対する敷地面積の割合としてもよい。
また、工法は、建築計画に記載される基礎工法に関する情報であり、例えば、現場造成杭などである。なお、工法には、基礎工法以外の工法(例えば、建築物の工法など)を含めるようにしてもよい。
また、位置は、建築計画に記載される地名地番の情報である。なお、位置情報として地名地番以外の情報(例えば、緯度・経度など)を用いてもよい。
なお、建築物の延べ面積、用途、工期、階数、構造、敷地面積、建築面積、工法、位置の情報は、例えば、それぞれ建築基準法施行規則により規定される情報であってもよい。また、どのような項目を実績情報に付与するかは任意であり、上述した項目だけに限られない。例えば、他の項目として、高さ、建築主、施工者などの項目を実績情報に付与するようにしてもよい。
実績情報DB2には、過去の建築現場の実績情報が記憶されている。実績情報DB2に記憶された情報は、予測モデルDB3に記憶されている予測モデルの教師データとして利用される。ここで、実績情報は、過去の建築現場での就労人数の情報に、建築情報である建築物の延べ面積、用途、工期、階数、構造、敷地面積、建築面積、敷地面積と建築面積との比率、工法、位置の少なくとも1以上に関する情報がタグ付けなどにより付与された情報となっている。過去の建築現場での就労人数の情報に建築情報である建築物の延べ面積、用途、工期、階数、構造、敷地面積、建築面積、敷地面積と建築面積との比率、工法、位置の少なくとも1以上に関する情報を付与することにより、後述の予測モデルにおいて、建築物の延べ面積、用途、工期、階数、構造、敷地面積、建築面積、敷地面積と建築面積との比率、工法、位置の少なくとも1以上に関する情報に応じて就労人数の推移を予測することができる。
ここで、延べ面積は、建築計画に記載される建築物の延べ面積に関する情報であり、建築物の各階(地下階及び地上階を含む)の床面積の合計である。例えば、建築物が2階建てであれば、1階の床面積と2階の床面積を足した数字が、該建築物の延べ面積となる。なお、各階の床面積は、柱又は壁の中心線を基準として測定される。また、通常、吹き抜け、ロフトなどは、延べ面積には算入されない。
また、用途は、建築計画に記載される建築物の用途に関する情報であり、例えば、建築物の主要用途一覧に記載される用途(例えば、各種学校、共同住宅、病院など)である。
また、工期は、建築計画に記載される着工予定日から完了予定日(竣工予定)までの期間に関する情報である。
また、階数は、建築計画に記載される建築物の階数に関する情報であり、地上階数及び地下階数の情報が含まれる。
また、構造は、建築計画に記載される建築物の構造に関する情報であり、例えば、鉄筋コンクリート造(RC造)、壁式鉄筋コンクリート造(WRC造)、鉄骨造(S造)、鉄骨鉄筋コンクリート造(SRC造)、木造などである。
また、敷地面積は、建築計画に記載される建築物の敷地面積に関する情報であり、建築物が建っている敷地(土地)全体の面積である。
また、建築面積は、建築計画に記載される建築物の建築面積に関する情報であり、建築物が建っている部分の面積である。
また、敷地面積と建築面積との比率は、敷地面積に対する建築面積の割合である。比率の値が小さいと敷地面積に対して建築面積が狭く、比率の値が大きいと、敷地面積に対して建築面積が広いことを意味する。なお、本実施形態では、敷地面積と建築面積との比率は、敷地面積に対する建築面積の割合であるが、建築面積に対する敷地面積の割合としてもよい。
また、工法は、建築計画に記載される基礎工法に関する情報であり、例えば、現場造成杭などである。なお、工法には、基礎工法以外の工法(例えば、建築物の工法など)を含めるようにしてもよい。
また、位置は、建築計画に記載される地名地番の情報である。なお、位置情報として地名地番以外の情報(例えば、緯度・経度など)を用いてもよい。
なお、建築物の延べ面積、用途、工期、階数、構造、敷地面積、建築面積、工法、位置の情報は、例えば、それぞれ建築基準法施行規則により規定される情報であってもよい。また、どのような項目を実績情報に付与するかは任意であり、上述した項目だけに限られない。例えば、他の項目として、高さ、建築主、施工者などの項目を実績情報に付与するようにしてもよい。
また、実績情報に含まれる就労人数には、日付、工程に関する情報が付与されている。実績情報に含まれる就労人数に日付、工程に関する情報を付与することにより、後述の予測モデルにおいて、就労人数を所定期間(例えば、1日、3日、1週間、1カ月など)や、所定工程(例えば、基礎工事、躯体工事、内装工事、外装工事、その他の工事など)ごとに就労人数を予測することができる。
ここで、基礎工事は、例えば、地面と建物を繋ぐ土台(基礎)を作る工事である。
また、躯体工事は、例えば、建築物の構造部材(躯体)をつくる工事である。
また、内装工事は、建築物の内装、例えば、給配水配管の敷設、壁や天井の施工、ボード貼り、クロス貼り、フローリング貼りといった工事である。
また、外装工事は、建築物の外装、例えば、タイル貼り、タイル目地詰め、拭き上げ塗装、手すり取り付けといった工事である。
また、その他の工事は、上記以外の工事、例えば、電気設備やキッチン、トイレなどの給排水設備を設置する設備工事、整地、舗装、樹木の植栽、景石のすえ付けなどの外構工事や建築に使用した機材の撤去工事などである。
なお、所定期間を何日、何週間又は何カ月とするかは任意であり、例えば、情報処理システム1の管理者やユーザが設定できるようにしてもよい。
また、所定工程をどのように区分して設定するかは任意であり、例えば、情報処理システム1の管理者が設定できるようにしてもよい。
ここで、基礎工事は、例えば、地面と建物を繋ぐ土台(基礎)を作る工事である。
また、躯体工事は、例えば、建築物の構造部材(躯体)をつくる工事である。
また、内装工事は、建築物の内装、例えば、給配水配管の敷設、壁や天井の施工、ボード貼り、クロス貼り、フローリング貼りといった工事である。
また、外装工事は、建築物の外装、例えば、タイル貼り、タイル目地詰め、拭き上げ塗装、手すり取り付けといった工事である。
また、その他の工事は、上記以外の工事、例えば、電気設備やキッチン、トイレなどの給排水設備を設置する設備工事、整地、舗装、樹木の植栽、景石のすえ付けなどの外構工事や建築に使用した機材の撤去工事などである。
なお、所定期間を何日、何週間又は何カ月とするかは任意であり、例えば、情報処理システム1の管理者やユーザが設定できるようにしてもよい。
また、所定工程をどのように区分して設定するかは任意であり、例えば、情報処理システム1の管理者が設定できるようにしてもよい。
(予測モデルDB3)
予測モデルDB3には、実績情報DB2に記憶された実績情報に基づいて生成された予測モデルが記憶される。予測モデルは、例えば、(1)クラスター分析、(2)ランダムフォレスト、(3)ロジスティック曲線を利用したモデル、(4)重回帰分析など、既知の統計的手法や機械学習のアルゴリズムを利用して予測モデルを生成することができる。なお、これらの統計的手法や機械学習のアルゴリズムは、あくまで一例であり、建築物の就労者数の予測モデルを生成できれば、他の統計的手法や機械学習のアルゴリズムを利用してもよい。なお、複数の統計的手法や機械学習のアルゴリズムを組み合わせて予測モデルを生成してもよい。
予測モデルDB3には、実績情報DB2に記憶された実績情報に基づいて生成された予測モデルが記憶される。予測モデルは、例えば、(1)クラスター分析、(2)ランダムフォレスト、(3)ロジスティック曲線を利用したモデル、(4)重回帰分析など、既知の統計的手法や機械学習のアルゴリズムを利用して予測モデルを生成することができる。なお、これらの統計的手法や機械学習のアルゴリズムは、あくまで一例であり、建築物の就労者数の予測モデルを生成できれば、他の統計的手法や機械学習のアルゴリズムを利用してもよい。なお、複数の統計的手法や機械学習のアルゴリズムを組み合わせて予測モデルを生成してもよい。
ここで、クラスター分析は、教師なしデータ分類手法で、与えられたデータを外的基準なしに自動的に分類する手法である。ランダムフォレストは機械学習アルゴリズムの1つで、複数の決定木の結果から多数決をとり最終予測値を決定する手法である。ロジスティック曲線は、数理モデルのひとつであるロジスティック方程式に基づく曲線のことをいう。 重回帰分析とは、多変量解析の一つで、回帰分析において独立変数が2つ以上(2次元以上)のものをいう。
図4は、予測モデルにより予測される就労人数の推移の一例である。図4に示すように、建築物の就労者数は、重機による作業が主な基礎工事から人手による作業が主な内装工事、外装工事、機材の撤去工事などへと進むため、図4に示すように、一般的には、時間もしくは行程が進むに従い就労者数が増加し、最後に就労者数が減少するが、建築物の延べ面積、用途、工期、階数、構造、敷地面積、建築面積、敷地面積と建築面積との比率、工法、位置などに応じて、就労者数の増減の推移が異なることが考えられる。情報処理システム1では、上述したように、過去の建築現場の就労人数に、建築情報である建築物の延べ面積、用途、工期、階数、構造、敷地面積、建築面積、敷地面積と建築面積との比率(該比率は、敷地面積及び建築面積から算出される)、工法、位置、日付、工程などに関する情報を付与しているため、建築物の延べ面積、用途、工期、階数、構造、敷地面積、建築面積、敷地面積と建築面積との比率、工法、位置などによる就労者数の増減の推移の違いを反映した予測モデルを生成することができ、より詳細な予測を行うことができる。
なお、予測モデルは上記例のうち一つだけを利用して就労人数を予測してもよいし、複数の予測モデルを組み合わせても就労人数を予測してもよい。また、どの予測モデルを利用して就労人数を予測するかを情報処理システム1の管理者やユーザが設定できるようにしてもよい。
なお、記憶装置200Bの実績情報DB2には、予測モデルの教師データとなる実績情報が記憶されているが、就労人数は予測モデルに基づいて予測するため、教師データが記憶されている実績情報DB2は、必ずしも記憶装置200Bに記憶されている必要はない。また、記憶装置200Bに記憶された各種情報の一部又は全部は、USB(Universal Serial Bus)メモリや外付けHDDなどの外部記憶装置やネットワーク5を介して接続された他の情報処理装置の記憶装置に記憶されてもよい。この場合、情報処理サーバ2は、外部記憶装置や他の情報処理装置の記憶装置に記憶された各種情報を参照又は取得する。
CPU200Cは、本実施形態に係る情報処理サーバ2を制御するものであり、図示しないROM及びRAMなどを備える。
(情報処理サーバ2の機能)
次に、図5を参照して情報処理サーバ2の機能について説明する。図5に示すように、情報処理サーバ2は、受信部201、送信部202(出力部)、記憶装置制御部203、建築情報取得部204、就労人数予測部205、判定部206、実測値取得部207、補正部208などの機能を有する。なお、図5に示す機能は、CPU200Cが、記憶装置200Bに記憶されている情報処理プログラムなどを実行することで実現される。
次に、図5を参照して情報処理サーバ2の機能について説明する。図5に示すように、情報処理サーバ2は、受信部201、送信部202(出力部)、記憶装置制御部203、建築情報取得部204、就労人数予測部205、判定部206、実測値取得部207、補正部208などの機能を有する。なお、図5に示す機能は、CPU200Cが、記憶装置200Bに記憶されている情報処理プログラムなどを実行することで実現される。
受信部201は、ネットワーク5を介してユーザ端末3やサーバ4からの情報を受信する。
送信部202(出力部)は、ネットワーク5を介してユーザ端末3へ情報を送信(出力)する。
記憶装置制御部203は、記憶装置200Bを制御する。例えば、記憶装置制御部203は、記憶装置200Bへの情報の書き込みや読み出しを行う。
建築情報取得部204は、建築現場の建築情報を取得する。建築情報取得部204は、例えば、サーバ4から建築情報を取得してもよいし、情報処理システム1の管理者などが入力した建築情報を取得してもよい。
就労人数予測部205は、建築情報取得部204で取得された建築情報に基づき就労人数を予測する。具体的には、就労人数予測部205は、記憶装置200Bに記憶された予測モデルを参照し、建築情報取得部204で取得された建築情報及び参照した予測モデルに基づいて就労人数を予測する。
判定部206は、ユーザDB1を参照し、就労人数予測部205が予測した就労者数や建築物の位置などの情報が、ユーザが設定した条件を満たしているか否かを判定する。
実測値取得部207は、就労人数予測部205が就労人数を予測した建築現場の実測値の情報を取得する。ここで実測値の情報は、就労人数予測部205が就労人数を予測した建築現場での実際の就労人数の情報である。例えば、実測値取得部207は、情報処理システム1の管理者などにより入力された実測値の情報を取得する構成でもよいし、ネットワーク5を介して接続された他のサーバから実測値の情報を取得する構成でもよい。なお、実測値の情報には、就労人数に日付など時間の情報が関連付けられていることが好ましい。
補正部208は、就労人数予測部205が予測した就労人数と実測値取得部207で取得された実測値の情報との比較から予測モデルを補正する。例えば、補正部208は、就労人数予測部205が予測した就労人数と、実測値取得部207で取得された実際の就労人数の実測値の情報とを比較し、就労人数予測部205が予測した就労人数と実測値取得部207で取得された就労人数の実測値とのずれ(差)が所定値を超えているかを判定する。そして、就労人数予測部205が予測した就労人数と実測値取得部207で取得された就労人数の実測値とのずれ(差)が所定値を超えている場合に予測モデルを補正する。この際、補正部208は、予測した就労人数と就労人数の実測値とのずれ(差)が所定値以下となるように予測モデルを補正する。
なお、補正部208は、例えば、情報処理システム1の管理者やユーザが指定した就労人数予測部205が予測した就労人数と、実測値取得部207で取得された実測値の情報とを比較するようにしてもよいし、タグ付けなどにより付与された情報(例えば、建築物の延べ面積、用途、工期、階数、構造、敷地面積、建築面積、敷地面積と建築面積との比率、工法、位置など)が一致する就労人数予測部205が予測した就労人数と、実測値取得部207で取得された実測値の情報とを比較するようにしてもよい。
なお、補正部208は、例えば、情報処理システム1の管理者やユーザが指定した就労人数予測部205が予測した就労人数と、実測値取得部207で取得された実測値の情報とを比較するようにしてもよいし、タグ付けなどにより付与された情報(例えば、建築物の延べ面積、用途、工期、階数、構造、敷地面積、建築面積、敷地面積と建築面積との比率、工法、位置など)が一致する就労人数予測部205が予測した就労人数と、実測値取得部207で取得された実測値の情報とを比較するようにしてもよい。
また、上記説明では、補正部208は、就労人数予測部205が予測した就労人数と実測値取得部207で取得された実測値の情報との比較から予測モデルを補正しているが、補正部208は、就労人数予測部205が予測した就労人数と実測値取得部207で取得された実測値の情報との比較から就労人数予測部205が予測した就労人数を補正してもよい。この場合、補正部208は、就労人数予測部205が予測した就労人数と実測値取得部207で取得された実測値の情報との比較から、就労人数予測部205が予測した就労人数を補正する構成としてもよいし、予測モデル及び就労人数予測部205が予測した就労人数の両方を補正する構成としてもよい。
(ユーザ端末3)
図6は、ユーザ端末3の構成図である。なお、図6(a)は、ユーザ端末3の主なハード構成を示しており、ユーザ端末3は、それぞれ通信IF300A、記憶装置300B、入力装置300C、表示装置300D、CPU300Eがバス300Fを介して接続された構成を有する。
図6は、ユーザ端末3の構成図である。なお、図6(a)は、ユーザ端末3の主なハード構成を示しており、ユーザ端末3は、それぞれ通信IF300A、記憶装置300B、入力装置300C、表示装置300D、CPU300Eがバス300Fを介して接続された構成を有する。
通信IF300Aは、他の装置(本実施形態では、情報処理サーバ2)と通信するためのインターフェースである。
記憶装置300Bは、例えば、HDD(Hard Disk Drive)や半導体記憶装置(SSD(Solid State Drive))である。記憶装置300Bには、端末の識別子や情報処理プログラムなどが記憶される。端末の識別子は、ユーザ端末3を識別するための識別子である。ユーザ端末3から送信する情報に端末の識別子を付与することで、情報処理サーバ2は、受信した情報がどのユーザ端末3から送信されたものであるかを判定することができる。なお、端末の識別子は、IP(Internet Protocol)アドレス、MAC(Media Access Control)アドレスなどを利用してもよく、情報処理サーバ2がユーザ端末3に対して付与するようにしてもよい。
入力装置300Cは、例えば、キーボード、マウス、タッチパネルなどの入力デバイスであるが、入力可能であれば、他の装置や機器であってもよい。また、音声入力装置であってもよい。
表示装置300Dは、例えば、液晶ディスプレイ、プラズマディスプレイ、有機ELディスプレイなどであるが、表示可能であれば他の装置や機器(例えば、CRT:Cathode Ray Tube)であってもよい。
CPU300Eは、本実施形態に係るユーザ端末3を制御するものであり、図示しないROM及びRAMを備える。
図6(b)は、ユーザ端末3の機能ブロック図である。図6(b)に示すように、ユーザ端末3は、それぞれ受信部301、送信部302、記憶装置制御部303、入力受付部304、表示装置制御部305などの機能を有する。なお、図6(b)に示す機能は、それぞれCPU300Eが、記憶装置300Bに記憶されている情報処理プログラムなどを実行することで実現される。
受信部301は、例えば、情報処理サーバ2から送信される情報を受信する。
送信部302は、例えば、入力受付部304で受け付けた入力操作に応じた情報を情報処理サーバ2へ送信する。
記憶装置制御部303は、例えば、記憶装置300Bを制御して情報の書き込みや読み出しを行う。
入力受付部304は、例えば、入力装置300Cからの入力操作を受け付ける。
表示装置制御部305は、例えば、表示装置300Dを制御し、受信部301で受信した情報を表示装置300Dに表示する。なお、表示装置300Dに表示される画面の一例は後述する(図8参照)。
(情報処理)
図7及び図9は、情報処理システム1の情報処理の一例を示すフローチャートである。図8は、ユーザ端末3の表示装置300Dに表示される画面の一例である。以下、図7~図9を参照して、情報処理システム1の情報処理について説明する。なお、以下の説明では、図1~図6を参照して説明した構成と同一の構成には同一の符号を付して重複する説明を省略する。
図7及び図9は、情報処理システム1の情報処理の一例を示すフローチャートである。図8は、ユーザ端末3の表示装置300Dに表示される画面の一例である。以下、図7~図9を参照して、情報処理システム1の情報処理について説明する。なお、以下の説明では、図1~図6を参照して説明した構成と同一の構成には同一の符号を付して重複する説明を省略する。
(就労人数予測処理)
図7は、情報処理システム1の処理の一例を示すフローチャートである。以下、図7を参照して、情報処理システム1の就労人数予測処理の一例について説明する。
図7は、情報処理システム1の処理の一例を示すフローチャートである。以下、図7を参照して、情報処理システム1の就労人数予測処理の一例について説明する。
(ステップS101)
情報処理サーバ2の建築情報取得部204は、建築現場の建築情報を取得する。上述したように、建築情報取得部204は、例えば、サーバ4から建築情報を取得してもよいし、情報処理システム1の管理者などが入力した建築情報を取得してもよい。
情報処理サーバ2の建築情報取得部204は、建築現場の建築情報を取得する。上述したように、建築情報取得部204は、例えば、サーバ4から建築情報を取得してもよいし、情報処理システム1の管理者などが入力した建築情報を取得してもよい。
(ステップS102)
情報処理サーバ2の就労人数予測部205は、記憶装置200Bの予測モデルDB3に記憶された予測モデルを参照し、建築情報取得部204で取得された建築情報及び参照した予測モデルに基づいて就労人数を予測する。
情報処理サーバ2の就労人数予測部205は、記憶装置200Bの予測モデルDB3に記憶された予測モデルを参照し、建築情報取得部204で取得された建築情報及び参照した予測モデルに基づいて就労人数を予測する。
(ステップS103)
情報処理サーバ2の判定部206は、記憶装置200BのユーザDB1に記憶されているユーザが設定した条件を参照する。
情報処理サーバ2の判定部206は、記憶装置200BのユーザDB1に記憶されているユーザが設定した条件を参照する。
(ステップS104)
情報処理サーバ2の判定部206は、就労人数予測部205が予測した就労者数や建築物の位置などの情報が、ユーザが設定した条件を満たしているか否かを判定する。条件を満たしている場合(YES)、情報処理サーバ2は、ステップS105の処理へ移行する。条件を満たしていない場合(NO)、情報処理サーバ2は、ステップS107の処理へ移行する。
情報処理サーバ2の判定部206は、就労人数予測部205が予測した就労者数や建築物の位置などの情報が、ユーザが設定した条件を満たしているか否かを判定する。条件を満たしている場合(YES)、情報処理サーバ2は、ステップS105の処理へ移行する。条件を満たしていない場合(NO)、情報処理サーバ2は、ステップS107の処理へ移行する。
(ステップS105)
情報処理サーバ2の送信部202(出力部)は、設定した条件を満たすユーザのユーザ端末3に対して、就労人数予測部205が予測した就労人数(予測した就労人数の推移)及び就労人数を予測した建築物の位置などの情報(以下、予測情報ともいう)を送信(出力)する。
情報処理サーバ2の送信部202(出力部)は、設定した条件を満たすユーザのユーザ端末3に対して、就労人数予測部205が予測した就労人数(予測した就労人数の推移)及び就労人数を予測した建築物の位置などの情報(以下、予測情報ともいう)を送信(出力)する。
(ステップS106)
ユーザ端末3の受信部301は、情報処理サーバ2から送信(出力)された予測情報を受信する。ユーザ端末3の表示装置制御部305は、受信部301が受信した予測情報に基づいて図8に示す画面を表示装置300Dに表示させる。
ユーザ端末3の受信部301は、情報処理サーバ2から送信(出力)された予測情報を受信する。ユーザ端末3の表示装置制御部305は、受信部301が受信した予測情報に基づいて図8に示す画面を表示装置300Dに表示させる。
(ステップS107)
情報処理サーバ2は、判定部206が全ての条件を判定している場合(YES)、就労人数予測処理を終了する。また、情報処理サーバ2は、判定部206が全て条件を判定していない場合(NO)、換言すると判定していない条件がある場合、ステップS104の処理へ戻り、判定部206は、残りのユーザについて設定した条件の判定を行う。
情報処理サーバ2は、判定部206が全ての条件を判定している場合(YES)、就労人数予測処理を終了する。また、情報処理サーバ2は、判定部206が全て条件を判定していない場合(NO)、換言すると判定していない条件がある場合、ステップS104の処理へ戻り、判定部206は、残りのユーザについて設定した条件の判定を行う。
情報処理システム1では、図8(a)に示すように、予測情報に含まれる位置情報に基づいて地図上に円X1,X2として表示される。情報処理システム1では、就労人数は、円X1,X2の大きさ(広さ)で示される。なお、円X1,X2の大きい(広い)ほど就労人数が多くなっているが、必ずしも就労人数の多少を円の大きさで表現する必要はなく、他の態様、例えば、円X1,X2の色や線の太さを変化させることで就労人数の多少を表現しても良い。
また、表示装置300Dには、タイムスケールTSが表示される(図8では、画面右下に表示されているが、必ずしも画面右下である必要はない)。タイムスケールTSは、任意の所定日P1からP2までの期間上でポインタP3をスライドさせることで、ポインタP3の位置(日付もしくは工程)に対応する就労人数に応じて円X1,X2の大きさが変化する。このようにポインタP3をP1からP2までの間で移動させることで就労人数の推移(就労人数の増減)を確認することができるため利便性に優れる。
また、表示装置300Dには、タイムスケールTSが表示される(図8では、画面右下に表示されているが、必ずしも画面右下である必要はない)。タイムスケールTSは、任意の所定日P1からP2までの期間上でポインタP3をスライドさせることで、ポインタP3の位置(日付もしくは工程)に対応する就労人数に応じて円X1,X2の大きさが変化する。このようにポインタP3をP1からP2までの間で移動させることで就労人数の推移(就労人数の増減)を確認することができるため利便性に優れる。
なお上記説明では、図8に例示する画面は、ユーザ端末3の表示装置300Dに表示される構成となっているが、本実施形態に係る情報処理システム1のユーザが飲食店や小売店のポータルサイト運営者(例えば、プラットフォーマー)などである場合、該ポータルサイト運営者(例えば、プラットフォーマー)のユーザの端末の表示装置に図8に例示する画面が表示される。
(予測モデル補正処理)
図9は、情報処理システム1の処理の一例を示すフローチャートである。以下、図9を参照して、情報処理システム1の予測モデル補正処理の一例について説明する。
図9は、情報処理システム1の処理の一例を示すフローチャートである。以下、図9を参照して、情報処理システム1の予測モデル補正処理の一例について説明する。
(ステップS201)
情報処理サーバ2の実測値取得部207は、就労人数の実測値の情報を取得する。なお、上述したように、就労人数の実測値の情報は、情報処理システム1の管理者などにより入力された実測値の情報を取得する構成でもよいし、ネットワーク5を介して接続された他のサーバ4から実測値の情報を取得する構成でもよい。
情報処理サーバ2の実測値取得部207は、就労人数の実測値の情報を取得する。なお、上述したように、就労人数の実測値の情報は、情報処理システム1の管理者などにより入力された実測値の情報を取得する構成でもよいし、ネットワーク5を介して接続された他のサーバ4から実測値の情報を取得する構成でもよい。
(ステップS202)
情報処理サーバ2の補正部208は、就労人数予測部205が予測した就労人数と、実測値取得部207で取得された実測値の情報とを比較する。具体的には、補正部208は、就労人数予測部205が予測した就労人数と、実測値取得部207で取得された実測値の情報(就労人数予測部205が就労人数を予測した建築現場での実際の就労人数)とを比較する。
情報処理サーバ2の補正部208は、就労人数予測部205が予測した就労人数と、実測値取得部207で取得された実測値の情報とを比較する。具体的には、補正部208は、就労人数予測部205が予測した就労人数と、実測値取得部207で取得された実測値の情報(就労人数予測部205が就労人数を予測した建築現場での実際の就労人数)とを比較する。
(ステップS203)
情報処理サーバ2の補正部208は、ステップS202での比較結果に基づいて予測モデルを補正する。なお、補正部208による補正手法については既に述べたため重複する説明を省略する。
情報処理サーバ2の補正部208は、ステップS202での比較結果に基づいて予測モデルを補正する。なお、補正部208による補正手法については既に述べたため重複する説明を省略する。
以上のように、本実施形態に係る情報処理サーバ2は、建築現場の就労人数を予測するための情報処理装置である。情報処理サーバ2は、建築現場の建築情報を取得する建築情報取得部204と、建築情報取得部204で取得された建築情報に基づき就労人数を予測する就労人数予測部205とを備える。このため、建築情報に関する情報に基づき就労人数を予測できるのでより正確に就労人数を予測することができる。
また、本実施形態の建築情報には、建築物の延べ面積に関する情報が含まれる。そして、本実施形態に係る情報処理サーバ2の就労人数予測部205は、延べ面積に関する情報に基づき就労人数を予測する。
通常、建築物の延べ面積に応じて、必要な就労人数が変化するが(例えば、延べ面積が広いと必要な就労人数が多くなり、延べ面積が狭いと必要な就労人数が少なくなることが考えられる)、本実施形態に係る情報処理サーバ2は、建築物の延べ面積に関する情報に基づいてより正確に就労人数を予測することができる。
通常、建築物の延べ面積に応じて、必要な就労人数が変化するが(例えば、延べ面積が広いと必要な就労人数が多くなり、延べ面積が狭いと必要な就労人数が少なくなることが考えられる)、本実施形態に係る情報処理サーバ2は、建築物の延べ面積に関する情報に基づいてより正確に就労人数を予測することができる。
また、本実施形態の建築情報には、建築物の用途に関する情報が含まれる。そして、本実施形態に係る情報処理サーバ2の就労人数予測部205は、用途に関する情報に基づき就労人数を予測する。
通常、建築物の用途に応じて、工事内容や作業内容が変わる為、必要な就労人数が変化するが、本実施形態に係る情報処理サーバ2は、建築物の用途に関する情報に基づいてより正確に就労人数を予測することができる。
通常、建築物の用途に応じて、工事内容や作業内容が変わる為、必要な就労人数が変化するが、本実施形態に係る情報処理サーバ2は、建築物の用途に関する情報に基づいてより正確に就労人数を予測することができる。
また、本実施形態の建築情報には、建築現場の工期に関する情報が含まれる。そして、本実施形態に係る情報処理サーバ2の就労人数予測部205は、工期に関する情報に基づき就労人数を予測する。
通常、建築現場の工期に応じて、必要な就労人数が変化するが(例えば、同じ建築物の場合、工期が短いと単位期間に必要な就労人数が多くなり、工期が長いと単位期間に必要な就労人数が少なくなることが考えられる)、本実施形態に係る情報処理サーバ2は、工期に関する情報に基づいてより正確に就労人数を予測することができる。
通常、建築現場の工期に応じて、必要な就労人数が変化するが(例えば、同じ建築物の場合、工期が短いと単位期間に必要な就労人数が多くなり、工期が長いと単位期間に必要な就労人数が少なくなることが考えられる)、本実施形態に係る情報処理サーバ2は、工期に関する情報に基づいてより正確に就労人数を予測することができる。
また、本実施形態の建築情報には、建築物の階数に関する情報が含まれる。そして、本実施形態に係る情報処理サーバ2の就労人数予測部205は、階数に関する情報に基づき就労人数を予測する。
通常、建築物の階数に応じて、必要な就労人数が変化するが(例えば、建築物の階数が多い必要な就労人数が多くなり、建築物の階数が少ないと必要な就労人数が少なくなることが考えられる)、本実施形態に係る情報処理サーバ2は、建築物の階数に関する情報に基づいてより正確に就労人数を予測することができる。
通常、建築物の階数に応じて、必要な就労人数が変化するが(例えば、建築物の階数が多い必要な就労人数が多くなり、建築物の階数が少ないと必要な就労人数が少なくなることが考えられる)、本実施形態に係る情報処理サーバ2は、建築物の階数に関する情報に基づいてより正確に就労人数を予測することができる。
また、本実施形態の建築情報には、建築物の構造に関する情報が含まれる。そして、本実施形態に係る情報処理サーバ2の就労人数予測部205は、構造に関する情報に基づき就労人数を予測する。
通常、建築物の構造に応じて、工事内容や作業内容が変わる為、必要な就労人数が変化するが、本実施形態に係る情報処理サーバ2は、建築物の構造に関する情報に基づいてより正確に就労人数を予測することができる。
通常、建築物の構造に応じて、工事内容や作業内容が変わる為、必要な就労人数が変化するが、本実施形態に係る情報処理サーバ2は、建築物の構造に関する情報に基づいてより正確に就労人数を予測することができる。
また、本実施形態の建築情報には、建築物の敷地面積及び建築面積の少なくとも一方に関する情報が含まれる。そして、本実施形態に係る情報処理サーバ2の就労人数予測部205は、敷地面積、建築面積、又は敷地面積と建築面積との比率に関する情報に基づき就労人数を予測する。
通常、敷地面積、建築面積又は敷地面積と建築面積との比率に応じて、必要な就労人数が変化するが(例えば、建築面積に対して敷地面積が広いと搬入や揚重の効率が向上し一度に作業できる人数が多くなるため単位期間での就労人数が多くなり、建築面積に対して敷地面積が狭いと搬入や揚重の効率が低下し一度に作業できる人数が少なくなるため単位期間での就労人数が少なくなることが考えられる)、本実施形態に係る情報処理サーバ2は、敷地面積、建築面積又は敷地面積と建築面積との比率に関する情報に基づいてより正確に就労人数を予測することができる。
通常、敷地面積、建築面積又は敷地面積と建築面積との比率に応じて、必要な就労人数が変化するが(例えば、建築面積に対して敷地面積が広いと搬入や揚重の効率が向上し一度に作業できる人数が多くなるため単位期間での就労人数が多くなり、建築面積に対して敷地面積が狭いと搬入や揚重の効率が低下し一度に作業できる人数が少なくなるため単位期間での就労人数が少なくなることが考えられる)、本実施形態に係る情報処理サーバ2は、敷地面積、建築面積又は敷地面積と建築面積との比率に関する情報に基づいてより正確に就労人数を予測することができる。
また、本実施形態の建築情報には、建築物の工法に関する情報が含まれる。そして、本実施形態に係る情報処理サーバ2の就労人数予測部205は、工法に関する情報に基づき就労人数を予測する。
通常、建築物の工法に応じて、工事内容や作業内容が変わる為、必要な就労人数が変化するが、本実施形態に係る情報処理サーバ2は、建築物の工法に関する情報に基づいてより正確に就労人数を予測することができる。
通常、建築物の工法に応じて、工事内容や作業内容が変わる為、必要な就労人数が変化するが、本実施形態に係る情報処理サーバ2は、建築物の工法に関する情報に基づいてより正確に就労人数を予測することができる。
また、本実施形態の建築情報には、建築現場の位置に関する情報が含まれる。そして、本実施形態に係る情報処理サーバ2の就労人数予測部205は、位置に関する情報に基づき就労人数を予測する。
本実施形態に係る情報処理サーバ2の就労人数予測部205は、過去の建築現場の建築情報と就労人数とを含む実績情報に基づいて生成された予測モデルを参照し、予測モデルに基づき就労人数を予測する。このため、過去実績から生成された予測モデルに基づいて正確に就労人数を予測することができる。
本実施形態に係る情報処理サーバ2は、就労人数の実測値を取得する実測値取得部207と、予測した就労人数と実測値取得部207で取得された実測値との比較から、予測モデルを補正する補正部208とを備える。
このように、本実施形態に係る情報処理サーバ2は、予測した就労人数と実測値取得部207で取得された実測値との比較から予測モデルを補正するのでより正確に就労人数を予測することが期待できる。
なお、上記したように、補正部208は、就労人数予測部205が予測した就労人数と実測値取得部207で取得された実測値の情報との比較から、就労人数予測部205が予測した就労人数を補正する構成としてもよいし、予測モデル及び就労人数予測部205が予測した就労人数の両方を補正する構成としてもよい。
このように、本実施形態に係る情報処理サーバ2は、予測した就労人数と実測値取得部207で取得された実測値との比較から予測モデルを補正するのでより正確に就労人数を予測することが期待できる。
なお、上記したように、補正部208は、就労人数予測部205が予測した就労人数と実測値取得部207で取得された実測値の情報との比較から、就労人数予測部205が予測した就労人数を補正する構成としてもよいし、予測モデル及び就労人数予測部205が予測した就労人数の両方を補正する構成としてもよい。
本実施形態に係る情報処理サーバ2の就労人数予測部205は、建築情報取得部204で取得された建築情報に基づき就労人数を所定期間又は所定工程ごとに予測する。
このように、本実施形態に係る情報処理サーバ2の就労人数予測部205は、就労人数を所定期間又は所定工程ごとに予測するので、利便性に優れる。
このように、本実施形態に係る情報処理サーバ2の就労人数予測部205は、就労人数を所定期間又は所定工程ごとに予測するので、利便性に優れる。
1 情報処理システム
2 情報処理サーバ(情報処理装置)
200A 通信IF
200B 記憶装置
200C CPU
200D バス(BUS)
201 受信部
202 送信部(出力部)
203 記憶装置制御部
204 建築情報取得部
205 就労人数予測部
206 判定部
207 実測値取得部
208 補正部
3 ユーザ端末
300A 通信IF
300B 記憶装置
300C 入力装置
300D 表示装置
300E CPU
300F バス(BUS)
301 受信部
302 送信部
303 記憶装置制御部
304 入力受付部
305 表示装置制御部
4 サーバ
5 ネットワーク
DB1 ユーザデータベース
DB2 実績情報データベース
DB3 予測モデルデータベース
2 情報処理サーバ(情報処理装置)
200A 通信IF
200B 記憶装置
200C CPU
200D バス(BUS)
201 受信部
202 送信部(出力部)
203 記憶装置制御部
204 建築情報取得部
205 就労人数予測部
206 判定部
207 実測値取得部
208 補正部
3 ユーザ端末
300A 通信IF
300B 記憶装置
300C 入力装置
300D 表示装置
300E CPU
300F バス(BUS)
301 受信部
302 送信部
303 記憶装置制御部
304 入力受付部
305 表示装置制御部
4 サーバ
5 ネットワーク
DB1 ユーザデータベース
DB2 実績情報データベース
DB3 予測モデルデータベース
Claims (14)
- 建築現場の就労人数を予測するための情報処理装置であって、
前記建築現場の建築情報を取得する建築情報取得部と、
前記建築情報取得部で取得された建築情報に基づき前記就労人数を予測する就労人数予測部と、
を備えることを特徴とする情報処理装置。 - 前記建築情報には、建築物の延べ面積に関する情報が含まれ、
前記就労人数予測部は、
前記延べ面積に関する情報に基づき前記就労人数を予測する、
ことを特徴とする請求項1に記載の情報処理装置。 - 前記建築情報には、建築物の用途に関する情報が含まれ、
前記就労人数予測部は、
前記用途に関する情報に基づき前記就労人数を予測する、
ことを特徴とする請求項1又は請求項2に記載の情報処理装置。 - 前記建築情報には、前記建築現場の工期に関する情報が含まれ、
前記就労人数予測部は、
前記工期に関する情報に基づき前記就労人数を予測する、
ことを特徴とする請求項1乃至請求項3のいずれかに記載の情報処理装置。 - 前記建築情報には、建築物の階数に関する情報が含まれ、
前記就労人数予測部は、
前記階数に関する情報に基づき前記就労人数を予測する、
ことを特徴とする請求項1乃至請求項4のいずれかに記載の情報処理装置。 - 前記建築情報には、建築物の構造に関する情報が含まれ、
前記就労人数予測部は、
前記構造に関する情報に基づき前記就労人数を予測する、
ことを特徴とする請求項1乃至請求項5のいずれかに記載の情報処理装置。 - 前記建築情報には、建築物の敷地面積及び建築面積の少なくとも一方に関する情報が含まれ、
前記就労人数予測部は、
前記敷地面積、前記建築面積、又は前記敷地面積と前記建築面積との比率に関する情報に基づき前記就労人数を予測する、
ことを特徴とする請求項1乃至請求項6のいずれかに記載の情報処理装置。 - 前記建築情報には、建築物の工法に関する情報が含まれ、
前記就労人数予測部は、
前記工法に関する情報に基づき前記就労人数を予測する、
ことを特徴とする請求項1乃至請求項7のいずれかに記載の情報処理装置。 - 前記建築情報には、前記建築現場の位置に関する情報が含まれ、
前記就労人数予測部は、
前記位置に関する情報に基づき前記就労人数を予測する、
ことを特徴とする請求項1乃至請求項8のいずれかに記載の情報処理装置。 - 前記就労人数予測部は、
過去の建築現場の建築情報と就労人数とを含む実績情報に基づいて生成された予測モデルを参照し、前記予測モデルに基づき前記就労人数を予測する、
ことを特徴とする請求項1乃至請求項9のいずれかに記載の情報処理装置。 - 前記就労人数の実測値を取得する実測値取得部と、
予測した前記就労人数と前記実測値取得部で取得された前記実測値との比較から、前記予測モデル及び前記就労人数予測部が予測した就労人数の少なくとも一方を補正する補正部と、
を備えることを特徴とする請求項1乃至請求項10のいずれかに記載の情報処理装置。 - 前記就労人数予測部は、
前記建築情報取得部で取得された建築情報に基づき前記就労人数を所定期間又は所定工程ごとに予測する、
ことを特徴とする請求項1乃至請求項11のいずれかに記載の情報処理装置。 - 建築現場の就労人数を予測するための情報処理方法であって、
建築情報取得部が、前記建築現場の建築情報を取得する工程と、
就労人数予測部が、前記建築情報取得部で取得された建築情報に基づき前記就労人数を予測する工程と、
を有することを特徴とする情報処理方法。 - 建築現場の就労人数を予測するための情報処理プログラムであって、
コンピュータを、
前記建築現場の建築情報を取得する建築情報取得部、
前記建築情報取得部で取得された建築情報に基づき前記就労人数を予測する就労人数予測部、
として機能させることを特徴とする情報処理プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021032309A JP2022133563A (ja) | 2021-03-02 | 2021-03-02 | 情報処理装置、情報処理方法、情報処理プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021032309A JP2022133563A (ja) | 2021-03-02 | 2021-03-02 | 情報処理装置、情報処理方法、情報処理プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022133563A true JP2022133563A (ja) | 2022-09-14 |
Family
ID=83230065
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021032309A Pending JP2022133563A (ja) | 2021-03-02 | 2021-03-02 | 情報処理装置、情報処理方法、情報処理プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2022133563A (ja) |
-
2021
- 2021-03-02 JP JP2021032309A patent/JP2022133563A/ja active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mastrucci et al. | Geospatial characterization of building material stocks for the life cycle assessment of end-of-life scenarios at the urban scale | |
Jaillon et al. | Sustainable construction aspects of using prefabrication in dense urban environment: a Hong Kong case study | |
Ekanayake et al. | Building waste assessment score: design-based tool | |
Goodrum et al. | Model to predict the impact of a technology on construction productivity | |
Shehata et al. | Towards improving construction labor productivity and projects’ performance | |
Gangolells et al. | Assessing concerns of interested parties when predicting the significance of environmental impacts related to the construction process of residential buildings | |
Schandl et al. | A spatiotemporal urban metabolism model for the Canberra suburb of Braddon in Australia | |
Silva et al. | Do we need a buildings’ inspection, diagnosis and service life prediction software? | |
Arceo et al. | Capturing variability in material intensity of single-family dwellings: A case study of Toronto, Canada | |
Islam et al. | Impacts of design deficiencies on maintenance cost of high-rise residential buildings and mitigation measures | |
Gonzalez-Drigo et al. | Modernist unreinforced masonry (URM) buildings of barcelona: Seismic vulnerability and risk assessment | |
Hung et al. | Professionals views on material wastage level and causes of construction waste generation in Malaysia | |
Lederer et al. | Determining the material intensities of buildings selected by random sampling: A case study from Vienna | |
Arceo et al. | Material intensity in single-family dwellings: Variability between locations, functional unit and drivers of material use in Toronto, Perth, and Luzon | |
Li et al. | Spatiotemporally explicit mapping of built environment stocks reveals two centuries of urban development in a Fairytale City, Odense, Denmark | |
Dowdell et al. | New Zealand whole-building whole-of-life framework: An overview | |
Mucedero et al. | Generalised storey loss functions for seismic loss assessment of Italian residential buildings | |
Warrier et al. | Classification of sources of uncertainties in building LCA | |
Liao et al. | Designing of dynamic labor inspection system for construction industry | |
JP2022133563A (ja) | 情報処理装置、情報処理方法、情報処理プログラム | |
JP2003173384A (ja) | 災害復旧システム | |
Allende et al. | The life cycle embodied energy and greenhouse gas emissions of an Australian housing development: Comparing 1997 and 2019 hybrid life cycle inventory data | |
Blyth et al. | Developing a framework for a standardized works programme for building projects | |
KR100951368B1 (ko) | 건축물 설계연동 비용예측 방법 및 이를 저장한 컴퓨터가판독 가능한 기록매체와, 이를 수행하기 위한 시스템 | |
Anderson et al. | Innovation, advanced technologies and practices in the construction and related industries: National estimates |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20231208 |