JP4525318B2 - 分析装置及び分析プログラム - Google Patents

Description

本発明は、分析装置及び分析プログラムに関する。

人や自動車等の移動体の現在位置を示すことで、遠隔地にある対象の動きを把握することには様々な要求および応用範囲がある。例えば、ＰＨＳ等を利用した端末の現在位置の特定や自動車の追跡などが実用化されている。また、天気予報や自動車の渋滞情報のように、その場において重要な価値を持つ情報を配信したり、また、博物館における展示のガイドのように、操作対象の機器等の利用者環境を一時的に個人化したりする試みもある。このような従来技術として以下のようなものが提案されている。

特許文献１記載の個人化情報提示方法は、博物館等の展示ガイドを目的とする個人化情報の提示方法であり、見学者の携帯端末に個人情報を蓄積しておき、その情報をディスプレイに無線で転送することにより表示内容を見学者向けに変更するとともに、見学履歴や見学者の興味に基づいて次に何を見学すべきかの情報を提供するというものである。

特許文献２記載のシステムは、携帯装置間で各々の識別子や状態標識を表示しあうことで、互いの位置や状態を確認することができるというものである。

特許文献３記載の装置は、時間と位置情報に加えてスケジュール情報を利用することにより、利用者が具体的に何をすべきかを提案する機能を提供するというものである。

特許文献４記載の装置は、行動をノード、行動の遷移をアークとしてグラフで表現し、かつマルコフモデルによりグラフの規模が大きくなった際に、特徴的な部分を発見できるようにするというものである。

特開２０００−１７２２３８号公報 特開２０００−３２２３６１号公報 特開２００１−９２８７８号公報 特開２００４−１０２６８１号公報 特開２００２−３４２７６４号公報

しかしながら、位置情報を利用したサービスは各種提案されている一方で、個人の現在位置の公開はプライバシーや危機管理の問題を含んでおり、安易に自分や他者の現在位置が特定されてしまうことに対する懸念は強い。従って、一定のプライバシーを確保した上で、位置情報を用いたサービスを提供する必要がある。

また、ユーザの行動履歴を表示する方法としては、個人に着目しその個人の行動を様々なメディアから集め表示する方法や、複数ユーザ行動からそのパターンを算出し表現する方法が提案されていたが、対話の場のような集団がどのように形成されたり変化したりするのかを把握することができないという問題がある。また、従来技術ではプライバシーが保護されていないという問題があった。

また、特許文献１記載の方法では、見学者の個人情報を携帯端末に蓄積することでプライバシー保護を実現できるが、位置情報に基づいた見学者の支援は想定されていない。また、特許文献２記載のシステムでは、他者の位置情報の確認は容易になるが、プライバシーに関する配慮がない。

また、特許文献３記載の装置では、積極的に利用者を支援しようとしているが、スケジュール情報やそれに対応するインストラクションを事前に記述しておく必要があるため煩雑であるばかりでなく、事前に想定されない状況には対応できない。また、利用者への提案には他者の情報は使われない。特許文献４記載の装置では、ユーザの行動の遷移確率を利用して、行動パターンをある程度束ねて抽出しようとするものであり、対話の場などには目的としていない。また、特許文献５記載の装置では、ユーザ個人の行動履歴を表現することを目的としており、組織としての行動の履歴を表現することはできない。

そこで、本発明は上記問題点に鑑みてなされたものであり、集団の形成や集団の変化を把握することができる分析装置及び分析方法を提供することを目的とする。

上記課題を解決するために、本発明は、検出手段を特定する検出手段識別子と前記検出手段が設置されたエリアとを関連付けた対応表、及び人が携帯するタグを一意に識別するタグＩＤと、前記タグＩＤに対応するタグを携帯する人の属性情報とを関連付けた属性データテーブルとを記憶する記憶手段と、各エリアに設置された前記検出手段から、前記検出手段の前記検出手段識別子と、前記人が携帯するタグを検出することによって前記各エリア内に存在する人をそれぞれ検知した結果を受付ける受付手段と、前記受付手段で受付けた結果に基づいて、前記対応表において前記検出手段識別子と対応付けられたエリア毎に、前記エリア内の人数を集計する集計手段と、前記エリア毎に予め定義されたエリア図形を用いて、前記エリア内に人が存在する前記各エリアを集団として視覚化するために、表示装置に描画命令を出力する視覚化手段と、特定の属性を指定する指定手段と、を備え、前記集計手段は、前記属性データテーブルを用いて、前記エリア毎に、前記指定手段で指定された属性を備える人の人数を集計し、前記視覚化手段は、前記エリア内に存在する人の人数と、前記エリア内において前記指定された属性を備える人の人数との比率に基づいて、前記エリア図形内の塗り領域サイズを変更する分析装置である。本発明によれば、各エリア内の人数を、各エリアに対応するエリア図形によって視覚化することによって、個人の現在位置や一緒にいる人を完全に公開することなく、集団の形成や集団の変化を把握することができる。このため、位置情報を用いて集団の形成や動きに対するアウェアネスを提供することができる。よって、例えば組織内で日常的に行われている対面コミュニケーションを支援するために、そのきっかけとなり得る人の現在位置や動きを示すことによって、円滑な組織活動が支援される。

前記視覚化手段は、前記集計手段によって集計した前記エリア内の人数が変化した場合、該エリアの人数の変化を前記エリア図形の動きによって視覚化するよう、前記表示装置に描画命令を出力するのが好ましい。本発明によれば、エリア図形の動きによりエリアの人数が変化を知ることができる。

前記視覚化手段は、前記エリア図形を前記センサが設置されるエリア及び前記集団が形成されてからの経過時間で表現された軸上に表示するよう、前記表示装置に描画命令を出力するのが好ましい。本発明によれば、エリア図形をセンサが配置されるエリア及び集団が形成された時刻からの経過時間で表現された軸上に表示することで、集団の形成及び変化を把握することができる。

前記集団が形成されてからの経過時刻は、対数スケールで表現されていることが好ましい。本発明によれば、集団が形成された時刻からの経過時刻を対数スケールでとることで、集団が形成された時ほど動きを大きくすることができ、エリア図形を目立つようにすることができる。

前記視覚化手段は、前記集団が形成されてからの経過時間に応じて前記エリア図形を移動して表示するよう、前記表示装置に描画命令を出力するのが好ましい。本発明によれば、エリア図形の移動によって、集団形成後の変化を知ることができる。

本発明は、コンピュータに、各エリアに設置された検出手段から、前記検出手段を特定するための検出手段識別子と、人が携帯するタグを検出することによって前記各エリア内に存在する人をそれぞれ検知した結果を受付ける第１の受付ステップと、前記第１の受付ステップで受付けた結果に基づいて、記憶手段に記憶された、前記検出手段識別子と前記検出手段が設置されたエリアとを関連付けた対応表を用いて前記検出手段識別子と対応付けられたエリア毎に、前記エリア内の人数を集計する集計ステップと、前記エリア毎に予め定義されたエリア図形を用いて、前記エリア内に人が存在する前記各エリアを集団として視覚化するために、表示装置に描画命令を出力する視覚化ステップと、特定の属性の指定を受付ける第２の受付ステップと、を実行させ、前記集計ステップでは、前記記憶手段に記憶され、人が携帯するタグを一意に識別するタグＩＤと前記タグＩＤに対応するタグを携帯する人の属性情報とを関連付けた属性データテーブルを用いて、前記エリア毎に、前記第２の受付ステップで受付けた属性を備える人の人数を集計し、前記視覚化ステップでは、前記エリア内に存在する人の人数と、前記エリア内において前記指定された属性を備える人の人数との比率に基づいて、前記エリア図形内の塗り領域サイズを変更する分析プログラムである。

本発明によれば、集団の形成や集団の変化を把握することができる分析装置及び分析プログラムを提供できる。

以下、本発明を実施するための最良の形態について説明する。

［第１実施形態］図１は、本実施形態におけるシステムのブロック図である。図１に示すように、分析システム１は、センサＳ、サーバー２、３、クライアント４および表示装置５を備える。これらはネットワーク６を介して接続されている。この分析システム１は、主に企業組織を対象としており、目的や情報を比較的共有している人々の間で利用される。

具体的には、システム１は、集団の分布に対するアウェアネスを支援するために、事前に定義したエリア毎に現在そこにいる人数を集計して、エリアに対応する既定の図形（「エリア図形」と呼ぶ）によって表示する。また、システム１は、状況変化に対するアウェアネスを支援するために、エリアの人数が変化した場合、それをエリア図形の動きによって表示する。さらに、システム１は、プライバシー確保と特性の把握を両立するために、役職や所属名などの属性を指定し、そのエリアにいる人の中で、当該属性を持つ人の割合を図形の表現を変更することで表示する。これにより円滑な組織活動が支援されることが期待できる。以下、具体的に説明する。

センサＳは、各エリアに設置されたものであり、例えば、６階建の建物の各階のラウンジ、食堂、会議室、居室、図書室等に設置されている。このセンサＳは、例えば各ユーザが保持するカード内に埋め込まれたタグを検出し、各ユーザの位置を特定する。図２は、位置情報データを示す図であり、（ａ）はセンサＳからサーバー２へのセンサ情報、（ｂ）はサーバー２上の集計データをそれぞれ示す。設置されたセンタＳは、利用者が携帯するタグを検知した場合、図２（ａ）に示す入力データをサーバー２に送る。

サーバー２は、センサ情報取得手段２１を備える。センサ情報取得手段２１は、センサＳから送信されるセンサ情報を蓄積し、適当なタイミングで図２（ｂ）に示す集計データをサーバー３に送信する。図２（ａ）に示すように、センサ情報は、各個人に対応するタグＩＤ、センサＳを特定するセンサＩＤ、センサＳによってタグＩＤが検出された開始時刻及び終了時刻とからなるタイムスタンプを含む。図２（ｂ）に示すように、集計データは、センサＩＤ別にタイムスタンプ及びタグＩＤをリスト形式にしたタグＩＤリストを含む。

サーバー３は、集計手段３１、属性ＤＢ３２及び送信手段３３を備える。属性ＤＢ３２は、各自の属性（所属や役職）情報を管理するために属性データテーブルを格納する。この属性情報は、位置情報データと比較され、エリア毎にどの属性を持つ人が何人いるかを集計するために利用される。属性データテーブルは、グループ−メンバ表、タグＩＤ−ユーザ名の対応表及びセンサＩＤ−エリア（場所）の対応表を含む。

図３はグループ−メンバ表及び役職−メンバ表を示す図である。図３に示すように、各グループに属するタグＩＤがリスト形式で格納されている。また、例えばリーダ（Leader）等の役職に属するタグＩＤがリスト形式で格納されている。集計手段３１は、センサ情報取得手段２１が取得したセンサ情報及びデータベース３２内の属性情報（人の位置情報）に基づいて、エリア毎にそこにいる個人を特定し、各エリアの人数を集計する。集計手段３１は、属性ＤＢ３２内の属性情報を参照して、エリア内の所定の属性を持つ人の人数を集計する。この段階では個人情報が含まれる。集計手段３１は、エリアの人数が変化した時点を、集団の形成時刻として記録する。

送信手段３３は、図４に示すような集計手段３１が集計した集計情報を送信データとしてネットワーク６を介してクライアント４へ送信する。図４は、クライアントへの送信データを示す図であり、（ａ）はデータ構造、（ｂ）は送信フォーマット（ＸＭＬ：eXtensible Markup Language）を示す図である。図４に示すように、送信データは、タイムスタンプ、属性情報及びエリア情報を含む。

エリア情報は、センサＩＤ毎に、各エリア内の人数、その中で属性がリーダの人数を含む。図４に示す例では、エリアＩＤ「Ｓ００１」のエリアでは、各エリア内の人数が「３人」、その中で属性がリーダの人数が「２人」であり、エリアＩＤ「Ｓ００２」のエリアでは、各エリア内の人数が「１人」、その中で属性がリーダの人数が「０人」であり、エリアＩＤ「Ｓ００２」のエリアでは、各エリア内の人数が「２人」、その中で属性がリーダの人数が「１人」である。このようにして、サーバー３の処理によって、一定時間にすべてのセンサＳにおいて検出されたタグを一度に扱うことが容易となる。

クライアント４は、受信手段４１、テーブル更新手段４２及び視覚化手段４３を備える。受信手段４１は、送信手段３３が送信した集計情報を受信する。テーブル更新手段４２は、受信手段４１が受信した集計情報に基づいて、テーブルを更新する。詳細には、テーブル更新手段４２は、受信したデータを元に図５のような表を管理する。図５（ａ）の状態において図４に示したデータがサーバー３から送られてきた場合、図５（ｂ）のように更新される。全体人数（ｎ）が変化したエントリは基準時刻（Time Stamp）を更新する。

図５は、クライアント４が管理するデータのデータ構造を示す図であり、（ａ）は新規データ受信前、（ｂ）は新規データ受信後をそれぞれ示す。図５（ａ）に示すように、新規データ受信前の管理データは、各エリアＩＤ、タイムスタンプ、エリア内の人数Ｎ、エリア内のある属性情報を持つ人の人数Ｐを含む。図５（ｂ）に示すように、新規データ受信後の管理データも、各エリアＩＤ、タイムスタンプ、エリア内の人数Ｎ、エリア内のある属性情報を持つ人の人数Ｐを含む。図５に示す例では、新規データ受信後は、エリアＩＤ「Ｓ００３」及び「Ｓ００５」のエリアには、人が検出されないことを示し、エリアＩＤ「Ｓ００１」のエリアでは、ある属性情報を持つ人が１人増え、エリアＩＤ「Ｓ００４」のエリアもある属性情報を持つ人が１人増えたことが分かる。

視覚化手段４３は、エリア毎にエリア図形を事前に定義しておき、テーブル更新手段４２が更新したエリア内の人数等の情報に基づいて、エリア図形の選択、サイズの決定及び経過時間の算出等を行い、各エリアに対応するエリア図形を用いてエリア内に形成された集団を視覚化するために、表示装置５に描画命令を送る。視覚化手段４３は、人数に応じてその図形サイズを変更する。視覚化手段４３は、集団形成時刻からの経過時間に応じてエリア図形を移動させる。視覚化手段４３は、属性（職制や所属など）を利用者が指定した場合、エリア毎に全体人数と指定属性を持つ人の比率を計算して、エリア図形を変化させる（塗り領域サイズを変える）。これにより、属性に応じた分析が可能となる。個人位置の特定については既存の方法を利用することができる。表示装置５は、図５に示したデータに基づいて画面を構成する。

図６はエリア図形の表示例を示す図である。図６において、横軸（Ｘ軸）にはセンサＳが設置されるエリア、縦軸（Ｙ軸）には集団が形成されてからの経過時間をとっている。視覚化手段４３は、エリア図形をセンサＳが設置されるエリア及び集団が形成されてからの経過時間で表現された軸上に表示する。エリア図形は、それぞれに対応づけられた特定のＸ座標を持つ。図７は図６の横軸を拡大して示したものであり、Ｘ軸にエリアが配置されている。センサＳが設置されるエリアは、数階建の建物で表現されており、図７に示す例では、Ｘ軸を６等分して６階建の建物を表現している。なお、すべてのエリアに固定的にＸ座標を割り当てても良いし、階数の範囲内で無作為にＸ座標を定義しても良い。また、階数の区切りをなくして、Ｘ座標はすべてランダムに配置するようにしてもよい。

また、Ｙ軸は経過時間を表現する。ここで経過時間とは、エリアの人数が変化した時点を基準としたものである。Ｙ座標はこの経過時間の対数に基づいて算出される。例えばＹ座標は以下に示す式（１）によって求めることができる。

ここでｔは経過時間、Ｃは定数である。図８は、Ｙ軸の画面表示の例を示す図である。このように、横軸は空間的な広がりを表現し、縦軸は経過時間を対数スケールでとることで集団形成時ほど動きが大きくエリア図形が目立つように工夫している。

図９は、エリア図形の例であり、（ａ）はオープンスペース、（ｂ）クローズドスペース、及び（ｃ）はパーソナルスペースをそれぞれ示す。オープンスペース、クローズドスペース、及びパーソナルスペースはエリアの特性を示している。オープンスペースとは、ラウンジや食堂など、インフォーマルな会話が起こりやすいエリアを示している。クローズドスペースとは、会議室のような、フォーマルな議論に向いたエリアである。パーソナルスペースとは、居室や図書室のような、個人の集中作業のためのエリアを意味する。エリアの特性に応じてそれぞれ異なる図形を使用することで、どのようなエリアに人が分布しているのかを把握することが容易となる。エリアの特性は既知であり、どのエリア図形を表示するかは、エリアＩＤから一意に特定できる。エリア図形の大きさはそのエリアにいる人数によって決定する。

人数はサーバーから送られるデータに含まれており、クライアントでは図５に示すデータ構造で管理される。例えば、幅および高さを同一とし、実際の人数に一定の定数を乗じることでその値を決定すればよい。あるいは対数をとるなどして、人数が非常に多い場合でも、エリア図形が極端に大きくならないようにしても良い。

再度図６に戻り、視覚化手段４３は、エリア内の人数が変化した場合、エリアの人数の変化をエリア図形の動きによって視覚化する。また、視覚化手段４３は、集団が形成されてからの経過時間に応じてエリア図形を移動して視覚化する。

図１０は属性選択画面を示す図である。メニューで属性を指定することにより、各エリアにおけるその属性を持つ人数の比率が表示される。エリア図形の外枠は全体の人数、塗りつぶされた領域は指定属性を持つ人数の比率を表現している。図１１は特定の属性を指定した場合のエリア図形の変化を示す図であり（属性の指定方法は何でも良い）、（ａ）は通常表示、（ｂ）は塗り潰し領域ありの例をそれぞれ示す図である。外枠はエリアの全人数であり、通常表示（ａ）と同様である。内側の塗り潰された領域は、全人数に対する指定された属性を持つ人数の割合を示しており、塗り潰し領域の大きさ（幅と高さ）に対応する。塗り潰し領域の大きさも、外枠の大きさと同様の計算によって求めるものとする。

このように、視覚化手段４３は、エリア内のある属性を持つ人の比率に応じてエリア図形を視覚化するので、ある属性を持つ人がどのくらいそのエリアに存在するのかを一目で知ることができる。

図１２は、位置情報データ作成時のフローチャートである。ステップＳ１１で、テーブルの初期化を行う。ステップＳ１２で、センサ情報取得手段２１は、次のデータが存在するかどうかを判断し、次のデータが存在する場合には、ステップＳ１３で、データを入力する。ステップＳ１４で、センサ情報取得手段２１は、エントリがない場合、ステップＳ１５に進み、エントリを作成し、ステップＳ１６に進む。ステップＳ１４で、センサ情報取得手段２１は、エントリがある場合、ステップＳ１６で、エントリにデータを追加して、ステップＳ１２に戻り、次のデータが無くなるまでループし、次のデータが無くなった場合、位置情報データ作成時の処理が終了する。

図１３は、クライアントへの送信データ作成時の処理フローチャートである。ステップＳ２１で、テーブルを初期化する。ステップＳ２２で、集計手段３１は、次のエントリがあれば、ステップＳ２３で人数をカウントしてステップＳ２４に進む。ステップＳ２４で、集計手段３１は、属性指定があるかどうかを判断し、属性指定がなければステップＳ２２に戻り、属性指定があればステップＳ２５に進み、指定属性人数をカウントして、ステップＳ２２に戻る。集計手段３１は、次のエントリが無くなるまでステップＳ２２〜Ｓ２５をループして、ステップＳ２２で、次のエントリが無くなった場合、送信データ作成時の処理を終了する。

図１４はクライアント管理データの更新時の処理フローチャートである。ステップＳ３１で、テーブル更新手段４２は、次のエントリがあるかどうかを判断し、次のエントリがある場合、ステップＳ３２に進み、全人数が変化したかどうかを調べ、全人数が変化している場合には、ステップＳ３１に戻る。ステップＳ３２で、テーブル更新手段４２は、全人数が変化していない場合には、ステップＳ３３で、基準時刻を更新する。ステップＳ３４で、テーブル更新手段４２は、全人数、指定属性人数を更新してステップＳ３１に戻る。テーブル更新手段４２は、次のエントリが無くなるまで、ステップＳ３１〜Ｓ３４をループして、次のエントリが無くなった場合、クライアント管理データ更新時の処理を終了する。

第１実施形態によれば、個人のプライバシーの確保と集団の特性の把握という、相反する問題を解決することができる。

［第２実施形態］次に、第２実施形態について説明する。図１５は、第２実施形態におけるシステムのブロック図である。図１５に示すように、分析システム１００は、センサＳ、サーバー２、３０、クライアント４及び表示装置５を備える。これらはネットワーク６を介して接続されている。分析システム１００は、グループの行動を抽出して対話場を推定するものである。サーバー２は、センサ情報取得手段２１を備える。サーバー３０は、集計手段３１、属性ＤＢ３２、送信手段３３、行動ログＤＢ３４及推定手段３５を備える。なお、第１実施形態と同一箇所については同一符号を付して説明する。

集計手段３１は、センサ情報取得手段２１が取得したセンサ情報に基づいて、人の位置情報を集計し、全ユーザの行動ログを行動ログＤＢ３４に格納する。
属性ＤＢ３２は、各自の属性（所属や役職）情報を管理するために属性データテーブルを格納する。各ユーザのエリアでの検出時刻と消失時刻（or他エリアでの検出時刻）によって、だれがどこにどれくらい滞在していたかを抽出する。

推定手段３５は、各エリアに設置されたセンサＳから取得した人の位置情報に基づいて、エリア内に発生した対話場を推定するものである。詳細には、推定手段３５は、行動ログＤＢ３４と属性ＤＢ３２を参照して、各ユーザの位置情報、共有時間、共有メンバ及びメンバの属性情報から対話場の発生を推定し、結果をグループ行動中間ファイルとして出力する。推定手段３５は、エリア内に発生した対話場を所定のグループ毎に推定すると良い。共有時間とは同じ場に居た時間のことを言い、例えば、ユーザａとユーザｂがある場所にいた場合、ユーザａとユーザｂの重なっている時間のことを言う。共有メンバとは同じ時間軸で同じ場に居たメンバのことを言う。グループ行動中間ファイルは、各ユーザが形成した対話場を整理した表である。対話の場の発生の推定には、対話の場の推定には複数のユーザが同じ空間を共有している時間、構成ユーザ、ユーザ属性、エリア、エリア属性の情報を利用し、ユーザ全体の行動データのマッチングを取ることで行う。

また、推定手段３５は、同時に同一空間でＸ以上の時間を共有していた場合に、そこに対話場が発生したとして扱う。ここでＸは可変としても良い。これによって、例えば一瞬しかその場に居ないユーザの存在を排除することができる。また、推定手段３５は、構成ユーザがＹ以上変化した場合、対話場が変化したとして扱う。ここで、Ｙは全体に対する割合で、人数及び属性などによって可変にしても良い。

推定手段３５は、グループ行動中間ファイルの「対話場ＩＤ」を参照して、発生していた場の場所が変化した場合、対話場が変化したとして扱う。推定手段３５は、発生していた対話場の属性が変化した場合、対話場が変化したとして扱う。例えば、発生していた対話場が変化しても構成ユーザに変化がない場合、対話場の変化はないとして扱う。反対に発生していた対話場が変化した場合でも、その対話場を構成ユーザに変化がない場合は場が変化したとして扱ってもよい。ここでの対話場の属性とは、エリア属性と同義である。つまり、場所は変わったがエリアの属性が変わらない（オープンスペースからオープンスペースへの移動）といったケースの扱いも可能である。

推定手段３５は、エリア属性ごとにルールを設定する。例えば、ラウンジは短い時間でも対話するため、継続時間が短くても対話場が発生するようにする。また、会議室は通常長い時間で対話する場所であるため、継続時間が短い場合には対話場が発生しないようにする。

図１６は、グループ行動中間ファイルを示す図である。図１６に示すように、グループ行動中間ファイルは、推定手段３５によって推定された対話場に振られる対話場ＩＤ、各対話場ＩＤに対応する場所、各対話場に居るユーザ、対話場の形成時刻、対話場の消失時刻及び対話場の維持時間を含む。

送信手段３３は、グループ行動中間ファイルをクライアント４へ出力する。受信手段４１は、送信手段３３が送信したグループ行動中間ファイルを受信する。テーブル更新手段４２は、受信手段４１が受信したグループ行動中間ファイルに基づいて、テーブルを更新する。

視覚化手段４３は、推定手段３５によって推定された対話場を、図形を用いて視覚化する。詳細には、視覚化手段４３は、テーブル更新手段４２が更新した情報に基づいて、空間／時間を含めて一つの対話場とし、推定した対話場をノードとして表し、対話場の変化やユーザの移動を表すための描画命令を表示装置５に送る。また、視覚化手段４３は、二つの場の間に共通するメンバがいる場合にはそれらの対話場（ノード）間をアークで結び、ノードは時系列に並べ、対話場に他のグループのユーザがいることを表現してもよいし、他のグループと重ね合わせて対話場を表してもよいし、また、対話場が形成されたエリアの特性に応じて、形、色及び動きを変えて対話場を視覚化するようにしてもよい。

図１７は、対話場の表示例を示す図である。縦軸を時間軸ｔで表現している。図１７に示すように、推定手段３５は、対話場Ｆ１乃至Ｆ７をノードとして視覚化する。また、視覚化手段４３は、過去の対話場と現在の対話場との間に共通のメンバが存在する場合、それらの対話場をアークＡで結んで視覚化する。視覚化手段４３は、対話場が形成されたエリアの特性に応じて、形、色及び動きの少なくとも一つを変えて対話場を視覚化し、ここでは、ひし形の図形でパーソナルスペースでの対話場、丸形の図形でオープンスペースの対話場、四角形の図形はクローズドスペースでの対話場によって対話場が形成されたエリアの特性を表現している。対話場は発生順に並んでおり、対話場の人数に応じて図形の大きさを変えて視覚化される。アークＡが多く出ているところは、ハブのような存在となる。

各対話場であるノードをクリックすることによって、視覚化手段４３は、選択された対話場の発生時刻「１１：００」、維持時間「３０ｍｉｎ」、メンバ「ａ，ｂ，ｃ，ｄ」などの詳細を視覚化する。また、視覚化手段４３は、対話場内の特定の属性を持つメンバを強調表示するために、星印で管理者がいることが分かるように視覚化している。視覚化手段４３は、過去の対話場と現在の対話場との間に共通のメンバが存在する場合、それらの対話場を、共有のメンバの人数に応じて決定される太さのアークによって結んで視覚化する。図１７に示す例では、対話場Ｆ３及びＦ７は、共通している人が多く存在するため、アークＡ１が太く表示されている。また、推定手段３５は、所定時間経過毎にエリア内に発生した対話場を推定するため、視覚化手段３５は、対話場を時系列に並べて視覚化することができる。この時系列は下向き、上向き、左向き、右向きのどれであっても良い。

このように複数人で時間／空間を共有する時に対話場と定義し、グループでの場の共有、変遷をネットワークグラフのような形態で表現することで、プライバシーを保護しつつグループの行動履歴のログを視覚化できる。なお、メンバ属性の割合で対話場の図形を変化させても良い。例えば、他グループのユーザが対話場内にたくさんいる場合、メンバ属性の割合で対話場を表す図形を変化させる。

図１８は、対話場の他の表示例を示す図である。視覚化手段４３が第１のグループが形成する対話場と第２のグループが形成する対話場を重ねて視覚化する例である。ここでは、第１のグループの対話場Ｆ１１乃至Ｆ１７を実線で示し、第２のグループの対話場Ｆ２１乃至Ｆ２８を破線で示している。このように、第１のグループと第２のグループを同一画面上に表示することによって、対話場Ｆ１４と対話場Ｆ２３の重なりによって、第１のグループと第２のグループによる対話場が発生していることが分かる。

図１９は、対話場の他の表示例を示す図である。図１９では、図１８において、第２のグループの丸形の図形であるオープンスペースの対話場Ｆ２２、Ｆ２３、Ｆ２５、Ｆ２７及び四角形の図形であるクローズドスペースでの対話場Ｆ２６だけを示し、ひし形の図形のパーソナルスペースでの対話場Ｆ２１、Ｆ２４及びＦ２８を表示しないようにした例である。

図２０は、対話場の他の表示例を示す図である。図２０では、図１８において、第１のグループの丸形の図形であるオープンスペースでの対話場Ｆ１２、Ｆ１４、Ｆ１６、第１のグループの四角形の図形であるクローズドスペースでの対話場Ｆ１５、第２のグループの丸形の図形であるオープンスペースでの対話場Ｆ２２、Ｆ２３、Ｆ２５、Ｆ２７、第２のグループの四角形の図形であるクローズドスペースでの対話場Ｆ２６を示し、ひし形の図形のパーソナルスペースでの対話場を表示しないようにした例である。

図２１は、対話場の他の表示例を示す図である。図２１に示すように、対話場Ｆ３１乃至Ｆ３８はノードで表示されている。対話場Ｆ３２及びＦ３４では、メンバの属性割合に応じて領域が塗り潰されている。また、対話場Ｆ３７のように、メンバの属性割合を透明度で表現してもよい。このように、視覚化手段３５は、対話場内のメンバの属性の割合に応じて対話場を視覚化することで、対話場にある属性を持つ人がどれくらいの割合で存在するのかを一目で知ることができる。

次に動作について説明する。図２２は対話場の描画時の処理フローチャートである。ステップＳ４１で、推定手段３５は、ステップＳ４１で、対象グループのユーザ行動を行動ログＤＢ３４から抽出し、各ユーザが形成した対話場を算出し、グループ行動中間ファイルを生成する。視覚化手段４３は、ステップＳ４２で、推定手段３５が生成したグループ行動中間ファイルを読み込み、各対話場の情報に基づいて描画を行う。

図２３は推定手段３５での処理の流れを示す図である。ここでは、推定手段３５が、エリア内の人の共有時間からエリア内に発生した対話場を推定する例を示す。エリアＡにユーザＸがＴ１ｓ〜Ｔ１ｅまで滞在しており（ステップＳ５１）、エリアＡにユーザＹがＴ２ｓ〜Ｔ２ｅまで滞在していたとすると（ステップＳ５２）、ステップＳ５３で、推定手段３５は、ユーザＸとユーザＹの共有時間Ｔを、ｍｉｎ（Ｔ１ｅ−Ｔ２ｅ）−ｍａｘ（Ｔ１ｓ−Ｔ２ｓ）により算出する。

図２６は、ユーザの共有時間を説明するための図である。ｍａｘ（Ｔ１s，Ｔ２ｓ）は、それぞれのユーザがその場所で検知された時刻の後の方を表す。すなわち、２人のユーザが同じ場所の共有を開始した時刻を表す。図２６のケースでは、ｍａｘ（Ｔ１ｓ，Ｔ２ｓ）はＴ２ｓを表す。ｍｉｎ（Ｔ１ｅ，Ｔ２ｅ）は、それぞれがユーザその場所を去った時刻の早い方を表します。すなわち、２人のユーザが同じ場所の共有を終了した時刻を表す。図２６のケースでは、ｍｉｎ（Ｔ１ｅ，Ｔ２ｅ）はＴ２ｅを表します。以上のような方法によって、ユーザの共有時間（対話時間）の推定をするという処理を行う。ユーザが増えた場合は、同様に時間軸の重なりにより共有時間を算出する。なお、図２２では、この共有時間の大きさによって対話場の生成の判別を行うという処理を行っている。

ステップＳ５４で、推定手段３５は、算出した共有時間Ｔが閾値Ｃより大きいかどうかを判断する。ここで、Ｃは設定した閾値であり、例えばラウンジは閾値を小さくし、会議室は閾値を大きく、またマネージャは閾値を小さくし、その他は閾値を大きくするなどのように、場所や人に合わせて閾値を定義する。ステップＳ５４で、推定手段３５は、共有時間が閾値Ｃより大きいと判断した場合、ステップＳ５５で、ユーザＸとユーザＹによる対話場が発生したことを推定する。一方、ステップＳ５４で、推定手段３５は、共有時間が閾値Ｃより小さいと判断した場合、ユーザＸ及びユーザＹによる対話場は発生していないと判断して処理を終了する。

図２４は推定手段３５での他の処理の流れを示す図である。時刻Ｔ１にエリアＡでユーザＸ、Ｙ、Ｚが場１を形成し（ステップＳ６１）、時刻Ｔ２にエリアＢでユーザＸ、Ｙ、Ｚが検知したとすると（ステップＳ６２）、ステップＳ６３で、推定手段３５は、エリアＡとエリアＢが同じ場所であるかどうかを判断する。なお、Ｐｒｏｐ（Ａ）＝Ｐｒｏｐ（Ｂ）のようにエリアの属性を比較しても良い。

ステップＳ６３で、推定手段３５は、エリアＡとエリアＡが同じ場所であると判断した場合、対話場の発生処理を終了する。一方、ステップＳ６３で、推定手段３５は、エリアＡとエリアＢが違う場所であると判断した場合、ステップＳ６４で、形成されていた対話場１を削除し新しい対話場を形成するための処理を行う。

ここで想定しているのは、ある集団がその構成メンバを変えずに移動している場合である。例えば、ある３人の集団が１階のラウンジから２階のラウンジに移動したといった時である。単純にエリアが変化した場合のほかに、Ｐｒｏｐ（属性）を比較するというのは、オープンスペースからクローズドスペースというエリア属性によって比較するというもので、ラウンジからラウンジへの移動は除くが、ラウンジから会議室への移動の場合は対話場が変化したというように扱う。このような場所（の属性）の変化を対話場の変化と捉えるか否かというのがここでの処理のポイントである。このように、推定手段３５は、第１のエリアに発生した対話場と時間を変えて第２のエリアに発生した対話場が同一メンバにより構成されていると判断する場合には、第２のエリアの属性（場所の属性）に応じて、第１のエリアに発生した対話場と第２のエリアに発生した対話場を同一の対話場であると推定する。

図２５は、推定手段３５での他の処理の流れを示す図である。ステップＳ７１で、エリアＡにユーザがＸ人で対話場１が形成され、ステップＳ７２で、エリアＡのユーザが参加又は離脱することによりエリアＡのユーザがＹ人に変化したとする。ステップＳ７３で、推定手段３５は、メンバの変化比率Ｒを算出する。ここでメンバの変化比率Ｒは、例えばＲ＝Ｙ／（Ｘ＋Ｙ）により求めることができる。なお、メンバの変化比率Ｒは単なる人数比でなく、影響力の強いメンバ（例えば社長のような役職の高いメンバ）は２人として数えるなどのように、人によって重み付けをしても良い。また、メンバの変化比率Ｒではなく、ユーザ属性の割合の変化であっても良い。

ステップＳ７４で、推定手段３５は、メンバの変化比率Ｒが設定した閾値Ｃよりも大きいかどうかを判断する。ここで、ラウンジは閾値を小さく、会議室は閾値を大きく、また、参加／離脱した人の属性によって、影響力の強いメンバなら閾値を小さくなどのように、場所や人によって閾値Ｃを定義してもよい。ステップＳ７４で、推定手段３５は、メンバの変化比率Ｒが閾値Ｃよりも大きいと判断した場合、ステップＳ７５で、対話場１を削除し新しい対話場を定義して、処理を終了する。一方、ステップＳ７４で、推定手段３５は、メンバの変化比率Ｒが閾値Ｃよりも小さいと判断した場合、処理を終了する。

ここで想定しているのは、ある集団による対話場に他のメンバが参加又は離脱したときの扱いである。そのメンバの変化量を図２５ではＲとし、あらかじめ設定した閾値Ｃと比較し、閾値よりも大きい場合には、場が変化したとする。この閾値をエリア（またはその属性）によって変更させても良い。また、その算出方法において、単純ユーザの人数によって算出せず、ユーザ（またはその属性）によって重み付けをして計算することで、例えばメンバ１人が変化した場合でも、その変化量が大きくなるように設定しても良い。推定手段３５は、前記エリア内に発生した対話場内のメンバの変化量に応じて前記エリア内に発生した対話場を推定する。

第２実施形態によれば、ユーザの位置情報を利用し、場所の共有、時間の共有、メンバの共有の観点から、位置情報から推定されるユーザ同士の対話の場を表現することで、個人の位置情報などのプライバシー情報を隠匿しつつワークグループでの対話の場を視覚的に観察することができ、その発生頻度などからワークスタイルの分析を行うことが可能である。これにより、過去の行動履歴の視覚化を行うことにより、組織分析の支援を行うことができる。

なお、本発明による分析方法は、例えば、ＣＰＵ（Central Processing Unit）、ＲＯＭ(Read Only Memory)、ＲＡＭ(Random Access Memory)等を用いて実現され、プログラムをハードディスク装置や、ＣＤ−ＲＯＭ、ＤＶＤまたはフレキシブルディスクなどの可搬型記憶媒体等からインストールし、または通信回路からダウンロードし、ＣＰＵがこのプログラムを実行することで、各ステップが実現される。

このプログラムは、各エリアに設置されたセンサから取得した人の位置情報に基づいて、前記エリア内の人数を集計するステップと、前記各エリア内の人数を、前記各エリアに対応するエリア図形によって視覚化するステップとをコンピュータに実行させる。また、他のプログラムは、各エリアに設置されたセンサから取得した人の位置情報に基づいて、前記エリア内に発生した対話場を推定する推定ステップと、前記推定ステップによって推定された対話場を、図形を用いて視覚化する視覚化ステップとをコンピュータに実行させる。前記推定ステップでは、前記エリア内の人の共有時間から前記エリア内に発生した対話場を推定する。

以上本発明の好ましい実施例について詳述したが、本発明は係る特定の実施例に限定されるものではなく、特許請求の範囲に記載された本発明の要旨の範囲内において、種々の変形、変更が可能である。

本実施形態における分析システムのブロック図である。 位置情報データを示す図である。 グループ−メンバ表及び役職−メンバ表を示す図である。 クライアントへの送信データを示す図である。 クライアント４が管理するデータのデータ構造を示す図である。 エリア図形の表示例を示す図である。 図６の横軸を拡大して示した図である。 Ｙ軸の画面表示の例を示す図である。 エリア図形の例を示す図である。 属性選択画面を示す図である。 特定の属性を指定した場合のエリア図形の変化を示す図である。 位置情報データ作成時のフローチャートである。 クライアントへの送信データ作成時の処理フローチャートである。 クライアント管理データの更新時の処理フローチャートである。 第２実施形態における分析システムのブロック図である。 グループ行動中間ファイルを示す図である。 対話場の表示例を示す図である。 対話場の他の表示例を示す図である。 対話場の他の表示例を示す図である。 対話場の他の表示例を示す図である。 対話場の他の表示例を示す図である。 対話場の描画時の処理フローチャートである。 推定手段３５での処理の流れを示す図である。 推定手段３５での他の処理の流れを示す図である。 推定手段３５での他の処理の流れを示す図である。 ユーザの共有時間を説明するための図である。

符号の説明

１、２００ 分析システム ３４ 行動ログＤＢ
Ｓ センサ ３５ 推定手段
２、３、３０ サーバー ４ クライアント
２１ センサ情報取得手段 ４１ 受信手段
３１ 位置情報 ４２ テーブル更新手段
３２ 属性ＤＢ ４３ 視覚化手段
３３ 送信手段 ５ 表示装置

Claims (6)

1. 検出手段を特定する検出手段識別子と前記検出手段が設置されたエリアとを関連付けた対応表、及び人が携帯するタグを一意に識別するタグＩＤと、前記タグＩＤに対応するタグを携帯する人の属性情報とを関連付けた属性データテーブルとを記憶する記憶手段と、
   各エリアに設置された前記検出手段から、前記検出手段の前記検出手段識別子と、前記人が携帯するタグを検出することによって前記各エリア内に存在する人をそれぞれ検知した結果を受付ける受付手段と、
   前記受付手段で受付けた結果に基づいて、前記対応表において前記検出手段識別子と対応付けられたエリア毎に、前記エリア内の人数を集計する集計手段と、
   前記エリア毎に予め定義されたエリア図形を用いて、前記エリア内に人が存在する前記各エリアを集団として視覚化するために、表示装置に描画命令を出力する視覚化手段と、
   特定の属性を指定する指定手段と、を備え、
   前記集計手段は、前記属性データテーブルを用いて、前記エリア毎に、前記指定手段で指定された属性を備える人の人数を集計し、
   前記視覚化手段は、前記エリア内に存在する人の人数と、前記エリア内において前記指定された属性を備える人の人数との比率に基づいて、前記エリア図形内の塗り領域サイズを変更することを特徴とする分析装置。
2. 前記視覚化手段は、前記集計手段によって集計した前記エリア内の人数が変化した場合、該エリアの人数の変化を前記エリア図形の動きによって視覚化するよう、前記表示装置に描画命令を出力することを特徴とする請求項１記載の分析装置。
3. 前記視覚化手段は、前記エリア図形を前記センサが設置されるエリア及び前記集団が形成されてからの経過時間で表現された軸上に表示するよう、前記表示装置に描画命令を出力することを特徴とする請求項１記載の分析装置。
4. 前記集団が形成されてからの経過時刻は、対数スケールで表現されていることを特徴とする請求項３記載の分析装置。
5. 前記視覚化手段は、前記集団が形成されてからの経過時間に応じて前記エリア図形を移動して表示するよう、前記表示装置に描画命令を出力することを特徴とする請求項１記載の分析装置。
6. コンピュータに、
   各エリアに設置された検出手段から、前記検出手段を特定するための検出手段識別子と、人が携帯するタグを検出することによって前記各エリア内に存在する人をそれぞれ検知した結果を受付ける第１の受付ステップと、
   前記第１の受付ステップで受付けた結果に基づいて、記憶手段に記憶された、前記検出手段識別子と前記検出手段が設置されたエリアとを関連付けた対応表を用いて前記検出手段識別子と対応付けられたエリア毎に、前記エリア内の人数を集計する集計ステップと、
   前記エリア毎に予め定義されたエリア図形を用いて、前記エリア内に人が存在する前記各エリアを集団として視覚化するために、表示装置に描画命令を出力する視覚化ステップと、
   特定の属性の指定を受付ける第２の受付ステップと、を実行させ、
   前記集計ステップでは、前記記憶手段に記憶され、人が携帯するタグを一意に識別するタグＩＤと前記タグＩＤに対応するタグを携帯する人の属性情報とを関連付けた属性データテーブルを用いて、前記エリア毎に、前記第２の受付ステップで受付けた属性を備える人の人数を集計し、
   前記視覚化ステップでは、前記エリア内に存在する人の人数と、前記エリア内において前記指定された属性を備える人の人数との比率に基づいて、前記エリア図形内の塗り領域サイズを変更することを特徴とする分析プログラム。

Images