JP5171793B2 - 事象検知装置及び事象検知方法 - Google Patents

Description

本発明は、所定のエリアにおけるイベント行事の発生の有無を検知するイベント検知装置と、当該イベント検知装置が行なうイベント検知方法とに関する。

従来、タクシー等の車両の配車サービスの需要件数を予測するシステムが各種提案されている。例えば特許文献１には、予め定められた場合分けごとに決定された需要実績データと変動要因実績データとの関係を用いて配車の需要予測を行う車両需要予測システムが開示されている。

特開２００１−８４２４０号公報

特許文献１に記載の車両需要予測システムが需要予測を行う際に用いるのは、車両の空車、賃走、迎車、休憩の四状態の各状態間で車両状態が遷移した時刻を示す需要実績データであって、タクシー等の車両を必要とする人の数が多くなると推測されるイベント行事の有無を示すイベント有無データでないため、このイベント有無データに基づいて需要予測をより精度よく行なうことに関してはなんら考慮されていない。これは、需要予測の対象となる予測対象エリアに関して、より精度よくイベント行事の有無を検知することが困難であるという問題があるためと考えられる。

そこで本発明は、上記の問題点を解消する為になされたものであり、より精度よくイベント行事の有無を検知することが可能なイベント検知装置及びイベント検知方法を提供することを目的とする。

本発明に係るイベント検知装置は、所定のエリアにおけるイベント行事の発生の有無を検知するイベント検知装置であって、所定のエリアにおいて推定される人口を示す推定人口情報を推定取得手段と、通常時間帯において推定取得手段によって取得された推定人口情報が示す人口に基づく基準値と、イベント行事の有無を検知する対象となる予測対象時間帯において推定取得手段によって取得された推定人口情報とを比較する比較手段と、比較手段によって、通常時間帯における推定人口情報が示す人口に基づく基準値よりも、予測対象時間帯における推定人口情報が示す人口の方が大きいと判定された場合に、イベント行事が発生したと検知する検知手段と、を備えることを特徴とする。

本発明に係るイベント検知装置では、まず、推定人口情報を取得し、通常時間帯において取得された推定人口情報が示す人口に基づく基準値と、予測対象時間帯において取得された推定人口情報とを比較する。ここで、通常時間帯における推定人口情報が示す人口に基づく基準値よりも、予測対象時間帯における推定人口情報が示す人口の方が大きいと判定された場合に、イベント行事が発生したと検知する。このように、通常時間帯における推定人口情報が示す人口に基づく基準値よりも、予測対象時間帯における推定人口情報が示す人口の方が大きいと判定された場合に、イベント行事が発生したと検知することにより、通常時間帯における推定人口に基づく基準値よりも人口が多くなるイベント行事の有無を、より精度よく検知することが可能になる。

また、推定取得手段は、所定のエリアにおいて所定時間内に携帯端末による位置登録処理が行われた処理件数に関する件数情報を、推定人口情報として取得するのも好ましい。ここで、推定取得手段によって取得された件数情報によって示される位置登録処理が行われた処理件数が多くなるほど、携帯端末の保有者が多いと推測されるため、サービスの提供を必要としていると推測される人数も多くなるという相関関係がある。このため、この構成により、人口の動的な変化を推定することができるようになるため、より精度良く需要予測を行なうことが可能になる。

また、比較手段は、通常時間帯において推定取得手段によって取得された推定人口情報が示す人口の平均値を基準値とするのも好ましい。この構成により、通常時間帯における推定人口の平均値よりも人口が多くなるイベント行事の有無を、より精度よく検知することが可能になる。

また、比較手段は、通常時間帯において推定取得手段によって取得された推定人口情報が示す人口から自己回帰移動平均モデルによって予測される予測値を基準値とするのも好ましい。この構成により、通常時間帯における推定人口から自己回帰移動平均モデルによって予測される予測値よりも人口が多くなるイベント行事の有無を、より精度よく検知することが可能になる。

また、比較手段は、通常時間帯において推定取得手段によって取得された推定人口情報が示す人口から外れ値検定モデルにおける所定の有意点によって規定される規定値を基準値とするのも好ましい。この構成により、通常時間帯における推定人口から外れ値検定モデルにおける所定の有意点によって規定される規定値よりも人口が多くなるイベント行事の有無を、より精度よく検知することが可能になる。

また、比較手段は、人口の変化状況に関して所定のエリアと相関関係を有する相関エリアの予測対象時間帯において推定される人口を基準値とし、検知手段は、相関エリアの予測対象時間帯において推定される人口と、予測対象時間帯における推定人口情報が示す人口との相関関係が無くなった場合に、イベント行事が発生したと検知するのも好ましい。この構成により、相関エリアの予測対象時間帯における推定人口と、所定のエリアの予測対象時間帯における推定人口との相関関係が無くなるほど人口が増加したイベント行事の有無を、より精度よく検知することが可能になる。

本発明に係るイベント検知方法は、所定のエリアにおけるイベント行事の発生の有無を検知するイベント検知装置が行なうイベント検知方法であって、所定のエリアにおいて推定される人口を示す推定人口情報をイベント検知装置が取得する推定取得ステップと、通常時間帯において推定取得ステップで取得された推定人口情報が示す人口に基づく基準値と、イベント行事の有無を検知する対象となる予測対象時間帯において推定取得ステップで取得された推定人口情報とをイベント検知装置が比較する比較ステップと、比較ステップで、通常時間帯における推定人口情報が示す人口に基づく基準値よりも、予測対象時間帯における推定人口情報が示す人口の方が大きいと判定された場合に、イベント行事が発生したとイベント検知装置が検知する検知ステップと、を有することを特徴とする。

本発明に係るイベント検知方法では、まず、推定人口情報を取得し、通常時間帯において取得された推定人口情報が示す人口に基づく基準値と、予測対象時間帯において取得された推定人口情報とを比較する。ここで、通常時間帯における推定人口情報が示す人口に基づく基準値よりも、予測対象時間帯における推定人口情報が示す人口の方が大きいと判定された場合に、イベント行事が発生したと検知する。このように、通常時間帯における推定人口情報が示す人口に基づく基準値よりも、予測対象時間帯における推定人口情報が示す人口の方が大きいと判定された場合に、イベント行事が発生したと検知することにより、通常時間帯における推定人口に基づく基準値よりも人口が多くなるイベント行事の有無を、より精度よく検知することが可能になる。

本発明によれば、より精度よくイベント行事の有無を検知することが可能なイベント検知装置及びイベント検知方法を提供することができる。

イベント検知装置の機能を説明するための機能説明図である。 予測対象エリアにおけるイベント数と需要件数との相関関係を示すためのグラフである。 イベント検知装置の機能別モジュール構成の概略を説明するための機能構成図である。 イベント検知装置の物理構成の概略を説明するための物理構成図である。 ｔａｒｇｅｔ部分情報とＷｉｎｄｏｗ部分情報の比較手法を説明するためのグラフである。 イベント検知装置が行なうイベント検知処理の流れを示すフロー図である。 イベント検知装置の機能別モジュール構成の概略を説明するための機能構成図である。 ｔａｒｇｅｔ部分情報とＷｉｎｄｏｗ部分情報の比較手法を説明するためのグラフである。 イベント検知装置が行なうイベント検知処理の流れを示すフロー図である。 イベント検知装置の機能別モジュール構成の概略を説明するための機能構成図である。 外れ値の検知手法を説明するためのグラフである。 イベント検知装置が行なうイベント検知処理の流れを示すフロー図である。 イベント検知装置の機能別モジュール構成の概略を説明するための機能構成図である。 相関関係の検知手法を説明するためのグラフである。 イベント検知装置が行なうイベント検知処理の流れを示すフロー図である。 イベント検知装置が行なうイベント検知処理の流れを示すフロー図である。 推定人口情報の一例を説明する説明図である。 第二実施形態における自己回帰移動平均モデルを用いた場合の推定人口情報の一例を説明する説明図である。 イベント検知装置による各イベント検知方法の評価方法の一例を説明する説明図である。

以下、添付図面を参照しながら本発明の好適な実施形態を説明する。なお、図面の説明において同一要素には同一符号を付し、重複する説明を省略する。

（１）イベント検知装置の機能
まず、本実施形態に係るイベント検知装置について、図１を用いて説明する。図１は、このイベント検知装置の機能を説明するための機能説明図である。イベント検知装置は、例えば、タクシー会社に配備され、図１に示されるように、タクシーの配車サービスの利用を望む利用客の需要件数を予測する対象となる所定の予測対象エリアＡにおけるイベント行事Ｅ（いわゆる「いつもどおり」でない特別な事象）の発生の有無を検知する装置である。イベント行事Ｅの一例として、利用客からの需要としての呼び出しコールが比較的多くなるライブコンサートや集会や催し物や展覧会等が挙げられる。

また、イベント検知装置は、イベント行事Ｅの発生を検知すると、呼び出しコールの数や、予測対象エリアＡの乗車数を需要件数として予測する。このように呼び出しコールの数や乗車数を予測することにより、コール対応に必要な数のオペレータの配備等の対策を行なうことが可能になり、タクシーの配車の手配を円滑に行なうことができるようになる。

（２）イベント数と需要件数との相関関係
引き続き、予測対象エリアＡにおけるイベント数と需要件数との相関関係について、図２を用いて説明する。図２は、予測対象エリアＡにおけるイベント数と需要件数との相関関係を示すためのグラフである。

予測対象エリアＡにおけるイベント数と需要件数としてのコール数との間には、図２に示されるように、相関関係がある。同様に、予測対象エリアＡにおけるイベント数とイベント規模（例えば集客数）とを掛け合わせた数値（即ち「イベント数×イベント規模」）であるイベント集客延べ人数と、需要件数としてのコール数との間にも、相関関係がある。このため、より精度よく需要件数を予測するには、より精度よくイベント行事Ｅの有無をイベント検知装置が検知することが必要となる。

（３）イベント検知装置の構成
（３−１−１）第一実施形態に係るイベント検知装置の構成
引き続き、第一実施形態に係るイベント検知装置の構成について、図３及び図４を用いて説明する。図３は、このイベント検知装置１０の機能別モジュール構成の概略を説明するための機能構成図であり、図４は、このイベント検知装置１０（及び後述のイベント検知装置２０，３０，４０）の物理構成の概略を説明するための物理構成図である。

イベント検知装置１０は、図４に示されるように、物理的な構成要素としてＣＰＵ１０１、ＲＡＭ１０２、ＲＯＭ１０３、通信モジュール１０４、及び補助記憶装置１０５等のハードウェアにより構成されている。これらの構成要素が動作することにより、以下に説明する各機能が発揮される。

イベント検知装置１０は、図３に示されるように、機能的な構成要素として、人口分布データ取得部１１（推定取得手段）、Ｗｉｎｄｏｗ抽出部１２（比較手段）、ｔａｒｇｅｔ抽出部１３（比較手段）、イベント判定部１４（検知手段）、及び需要予測部１５（予測手段）を備えている。人口分布データ取得部１１は、予測対象エリアＡにおいて推定される人口や人口分布を示す推定人口情報を取得する部分である。

例えば、人口分布データ取得部１１は、予測対象エリアＡにおいて所定時間内（例えば１時間以内）に、携帯電話端末といった携帯端末による通信事業者への位置登録処理が行われた処理件数に関する件数情報（いわゆるＯＰＳデータ）を、時系列で取得して、この件数情報を推定人口情報として記憶してもよい。この場合、人口分布データ取得部１１は、所定時間経過後毎（例えば、１時間毎、２４時間毎、平日になる毎、休日になる毎）に、この推定人口情報を例えば通信事業者から受信することによって取得する。また、この件数情報の代わりに、静的な測位によるデータに基づく件数情報を推定人口情報として取得してもよく、昼夜別の統計に基づく人口に関する人口情報を推定人口情報として取得してもよい。この推定人口情報の一例については後述する。

Ｗｉｎｄｏｗ抽出部１２は、人口分布データ取得部１１によって取得された推定人口情報から、予測対象エリアＡにおいて認識可能なイベント行事Ｅが明らかに催されていない後述の通常時間帯ｗに対応する一部分の情報を、Ｗｉｎｄｏｗ部分情報として通常時間帯ｗを移動させながら常時抽出して取得する部分である。

ｔａｒｇｅｔ抽出部１３は、人口分布データ取得部１１によって取得された推定人口情報から、イベント行事Ｅの有無を検知する対象となる後述の予測対象時間帯ｔに対応する一部分の情報を、ｔａｒｇｅｔ部分情報として予測対象時間帯ｔを移動させながら常時抽出して取得する部分である。

そして、ｔａｒｇｅｔ抽出部１３は、抽出したｔａｒｇｅｔ部分情報が示す人口の後述の平均値ｍｔと、Ｗｉｎｄｏｗ抽出部１２によって取得されたＷｉｎｄｏｗ部分情報が示す人口に基づく基準値とを比較する。ここで、Ｗｉｎｄｏｗ部分情報が示す人口に基づく基準値は、第一実施形態では、Ｗｉｎｄｏｗ部分情報が示す人口の後述の平均値ｍｗである。この比較結果は、イベント判定部１４に出力される。

なお、Ｗｉｎｄｏｗ部分情報内に異常値が存在する場合、この異常値の存在による影響によって通常時間帯についての推定が正しく行われないことが考えられる。このため、ｔａｒｇｅｔ抽出部１３が平均値ｍｗを算出する際に、単純な平均値を算出する方法以外に、異常値を除外するための以下の二種類のフィルタリング方法がある。即ち、Ｗｉｎｄｏｗ部分情報に対して既知の外れ値検定を行なうことにより外れ値を異常値として特定して除外する方法と、Ｗｉｎｄｏｗ部分情報のうち最高値から数えて１０％に該当する部分と、最低値から数えて１０％に該当する部分との合計２０％の極端データを特定して除外する方法がある。

イベント判定部１４は、ｔａｒｇｅｔ抽出部１３によって、平均値ｍｗよりも平均値ｍｔの方が大きく、且つ平均値ｍｗと平均値ｍｔの標準残差が所定の閾値よりも大きいと判定された場合に、イベント行事Ｅが発生したと検知する部分である。より詳しくは、イベント判定部１４は、ｔａｒｇｅｔ抽出部１３によって、平均値ｍｗよりも平均値ｍｔの方が大きく且つ下記の数式（１）を満たしていると判定された場合に、イベント行事Ｅが発生したと検知する部分である。ここで、σはＷｉｎｄｏｗ部分情報が示す人口の標準偏差を表しており、ａは所定の閾値を表している。

需要予測部１５は、イベント判定部１４によって、イベント行事Ｅが発生したと検知された場合に、所定の数式を用いて上記の需要件数を予測する部分である。

（３−１−２）ｔａｒｇｅｔ部分情報とＷｉｎｄｏｗ部分情報の比較手法
引き続き、ｔａｒｇｅｔ部分情報とＷｉｎｄｏｗ部分情報の比較手法について、図５を用いて説明する。図５は、ｔａｒｇｅｔ部分情報とＷｉｎｄｏｗ部分情報の比較手法を説明するためのグラフである。ここで、縦軸は、人口分布データ取得部１１によって取得された推定人口情報が示す人口を表しており、横軸は、経過時間を表している。

図５に示されるように、まず、Ｗｉｎｄｏｗ抽出部１２が、推定人口情報から、予測対象エリアＡにおいて認識可能なイベント行事Ｅが明らかに催されていない通常時間帯ｗに対応する一部分の情報を、Ｗｉｎｄｏｗ部分情報として取得する。また、ｔａｒｇｅｔ抽出部１３が、推定人口情報から、イベント行事Ｅの有無を検知する対象となる予測対象時間帯ｔに対応する一部分の情報を、ｔａｒｇｅｔ部分情報として取得する。

次に、ｔａｒｇｅｔ抽出部１３が、抽出したｔａｒｇｅｔ部分情報が示す人口の平均値ｍｔと、Ｗｉｎｄｏｗ部分情報が示す人口の平均値ｍｗとを比較する。ここでは、ｔａｒｇｅｔ抽出部１３によって、平均値ｍｗよりも平均値ｍｔの方が大きく且つ上記の数式（１）を満たしていると判定される。このとき、イベント判定部１４が、イベント行事Ｅが発生したと検知する。

（３−１−３）イベント検知装置が行なうイベント検知処理の流れ
引き続き、イベント検知装置１０が行なうイベント検知処理の流れについて、図６を用いて説明する。図６は、イベント検知装置１０が行なうイベント検知処理の流れを示すフロー図である。

まず、人口分布データ取得部１１が、予測対象エリアＡに存在する携帯端末による位置登録処理が所定時間内に行われた処理件数に関する件数情報を、人口分布データとして時系列（例えば、１時間毎、２４時間毎、平日になる毎、休日になる毎）で取得して、データセットを作成する（ステップＳ０１、推定取得ステップ）。

次に、Ｗｉｎｄｏｗ抽出部１２が、人口分布データ取得部１１によって取得された推定人口情報から、通常時間帯ｗに対応する一部分の情報を、Ｗｉｎｄｏｗ部分情報として抽出して取得する（ステップＳ０２、比較ステップ）。そして、ｔａｒｇｅｔ抽出部１３が、異常値を除外するためのフィルタリングを実施する（ステップＳ０３、比較ステップ）。そして、ｔａｒｇｅｔ抽出部１３が、Ｗｉｎｄｏｗ部分情報が示す人口の平均値ｍｗと、上記の標準偏差σを計算して取得する（ステップＳ０４、比較ステップ）。

また、上記のステップＳ０２の移行と同時に、ｔａｒｇｅｔ抽出部１３が、人口分布データ取得部１１によって取得された推定人口情報から、予測対象時間帯ｔに対応する一部分の情報を、ｔａｒｇｅｔ部分情報として抽出して取得する（ステップＳ０５、比較ステップ）。そして、ｔａｒｇｅｔ抽出部１３が、ｔａｒｇｅｔ部分情報が示す人口の平均値ｍｔを計算して取得する（ステップＳ０６、比較ステップ）。

そして、上記のステップＳ０４及びステップＳ０６の両方が完了すると、ｔａｒｇｅｔ抽出部１３が、平均値ｍｔと平均値ｍｗとを比較し、この比較結果に基づいて、イベント判定部１４が、イベント行事Ｅが発生したか否かを判定する（ステップＳ０７、検知ステップ）。

（３−２−１）第二実施形態に係るイベント検知装置の構成
引き続き、第二実施形態に係るイベント検知装置の構成について、図７及び図４を用いて説明する。図７は、このイベント検知装置２０の機能別モジュール構成の概略を説明するための機能構成図である。

イベント検知装置２０は、図４に示されるように、上記のイベント検知装置１０と同様のハードウェアにより構成されている。これらの構成要素が動作することにより、以下に説明する各機能が発揮される。

イベント検知装置２０は、図７に示されるように、機能的な構成要素として、人口分布データ取得部２１（推定取得手段）、Ｗｉｎｄｏｗ抽出部２２（比較手段）、ｔａｒｇｅｔ抽出部２３（比較手段）、イベント判定部２４（検知手段）、及び需要予測部２５（予測手段）を備えている。

人口分布データ取得部２１は、上記の人口分布データ取得部１１と同様の機能を有する部分であり、説明は割愛する。

Ｗｉｎｄｏｗ抽出部２２は、人口分布データ取得部２１によって取得された推定人口情報を用いて、イベント行事Ｅの有無を検知する対象となる後述の予測対象時間帯ｔにおける予測値を、重回帰モデルとして既知の自己回帰移動平均モデル（自己回帰ＡＲと移動平均ＭＡと階差Ｉを用いて回帰を行なう、いわゆるＡＲＭＡモデル）によって算出してＷｉｎｄｏｗ部分情報として取得する部分である。Ｗｉｎｄｏｗ抽出部２２は、イベント行事Ｅが明らかに催されていない後述の通常時間帯ｗに対応する推定人口情報を用いて、上記の予測値を取得する。回帰の説明変数は、パラメータチューニングで予測精度の良いものが選ばれている。具体的には、数時間前、数日前、平日か休日かを示すフラグ等である。

ｔａｒｇｅｔ抽出部２３は、人口分布データ取得部２１によって取得された推定人口情報から、後述の予測対象時間帯ｔに対応する一部分の情報を、ｔａｒｇｅｔ部分情報として予測対象時間帯ｔを移動させながら常時抽出して取得する部分である。

そして、ｔａｒｇｅｔ抽出部２３は、取得したｔａｒｇｅｔ部分情報を構成する構成値ｎｔのそれぞれと、Ｗｉｎｄｏｗ抽出部２２によって取得されたＷｉｎｄｏｗ部分情報が示す人口に基づくとともに構成値ｎｔのそれぞれに対応する基準値とを、構成値ｎｔと基準値とを対応させながら比較する。ここで、Ｗｉｎｄｏｗ部分情報が示す人口に基づく基準値は、第二実施形態では、Ｗｉｎｄｏｗ部分情報が示す予測値ｎｗである。この比較結果は、イベント判定部２４に出力される。

イベント判定部２４は、ｔａｒｇｅｔ抽出部２３によって、上記の予測値ｎｗよりも対応する上記の構成値ｎｔの方が大きく、且つ予測値ｎｗと構成値ｎｔの標準残差が所定の閾値よりも大きいと判定された場合に、イベント行事Ｅが発生したと検知する部分である。より詳しくは、イベント判定部２４は、ｔａｒｇｅｔ抽出部２３によって、予測値ｎｗよりも構成値ｎｔの方が大きく且つ下記の数式（２）を満たしていると判定された場合に、イベント行事Ｅが発生したと検知する部分である。ここで、σはＷｉｎｄｏｗ部分情報の標準偏差を表しており、ｂは所定の閾値を表している。

需要予測部２５は、イベント判定部２４によって、イベント行事Ｅが発生したと検知された場合に、所定の数式を用いて上記の需要件数を予測する部分である。

（３−２−２）ｔａｒｇｅｔ部分情報とＷｉｎｄｏｗ部分情報の比較手法
引き続き、ｔａｒｇｅｔ部分情報とＷｉｎｄｏｗ部分情報の比較手法について、図８を用いて説明する。図８は、ｔａｒｇｅｔ部分情報とＷｉｎｄｏｗ部分情報の比較手法を説明するためのグラフである。ここで、縦軸は、人口分布データ取得部２１によって取得された推定人口情報が示す人口を表しており、横軸は、経過時間を表している。

図８に示されるように、まず、Ｗｉｎｄｏｗ抽出部２２が、推定人口情報を用いて、イベント行事Ｅの有無を検知する対象となる予測対象時間帯ｔにおける予測値を、既知の自己回帰移動平均モデルによって算出してＷｉｎｄｏｗ部分情報（破線）として取得する。また、ｔａｒｇｅｔ抽出部２３が、推定人口情報から、予測対象時間帯ｔに対応する一部分の情報を、ｔａｒｇｅｔ部分情報（実線）として取得する。

次に、ｔａｒｇｅｔ抽出部２３が、取得したｔａｒｇｅｔ部分情報を構成する構成値ｎｔのそれぞれと、Ｗｉｎｄｏｗ部分情報が示す予測値ｎｗとを比較する。ここでは、ｔａｒｇｅｔ抽出部２３によって、予測値ｎｗよりも構成値ｎｔの方が大きく且つ上記の数式（２）を満たしていると判定される。このとき、イベント判定部２４が、イベント行事Ｅが発生したと検知する。

（３−２−３）イベント検知装置が行なうイベント検知処理の流れ
引き続き、イベント検知装置２０が行なうイベント検知処理の流れについて、図９を用いて説明する。図９は、イベント検知装置２０が行なうイベント検知処理の流れを示すフロー図である。

まず、人口分布データ取得部２１が、予測対象エリアＡに存在する携帯端末による位置登録処理が所定時間内に行われた処理件数に関する件数情報を、人口分布データとして時系列（例えば、１時間毎、２４時間毎、平日になる毎、休日になる毎）で取得してデータセットを作成し、異常値を除外するためのフィルタリングを実施する（ステップＳ１１、推定取得ステップ）。

次に、Ｗｉｎｄｏｗ抽出部２２が、人口分布データ取得部２１によって取得された推定人口情報から、通常時間帯ｗに対応する一部分の情報を、Ｗｉｎｄｏｗ部分情報として抽出して取得する（ステップＳ１２、比較ステップ）。そして、Ｗｉｎｄｏｗ抽出部２２が、予測値を算出するために用いる既知の自己回帰移動平均モデルにおける説明変数セット（即ち図２０に記載の数式中のａ_１等）を決定することにより作成する（ステップＳ１３、比較ステップ）。そして、Ｗｉｎｄｏｗ抽出部２２が、作成した説明変数セットを用いて、自己回帰移動平均モデルを作成する（ステップＳ１４、比較ステップ）。

また、上記のステップＳ１２の移行と同時に、ｔａｒｇｅｔ抽出部２３が、人口分布データ取得部２１によって取得された推定人口情報から、予測対象時間帯ｔに対応する一部分の情報を、ｔａｒｇｅｔ部分情報として抽出して取得する（ステップＳ１５、比較ステップ）。そして、ｔａｒｇｅｔ抽出部２３が、予測値を算出するために用いる既知の自己回帰移動平均モデルにおける説明変数セット（即ち図２０に記載の数式中のａ_１等）を決定することにより作成する（ステップＳ１６、比較ステップ）。

次に、上記のステップＳ１４及びステップＳ１６の両方が完了すると、Ｗｉｎｄｏｗ抽出部２２が、作成された自己回帰移動平均モデルを用いて、予測対象時間帯ｔ（ターゲット区間）における予測値を算出してＷｉｎｄｏｗ部分情報として取得する（ステップＳ１７、比較ステップ）。そして、ｔａｒｇｅｔ抽出部２３が、ｔａｒｇｅｔ部分情報が示す人口の平均値ｎｔと、Ｗｉｎｄｏｗ抽出部２２によって取得されたＷｉｎｄｏｗ部分情報が示す予測値の平均値ｎｗとを比較し、この比較結果に基づいて、イベント判定部２４が、イベント行事Ｅが発生したか否かを判定する（ステップＳ１８、検知ステップ）。

（３−３−１）第三実施形態に係るイベント検知装置の構成
引き続き、第三実施形態に係るイベント検知装置の構成について、図１０及び図４を用いて説明する。図１０は、このイベント検知装置３０の機能別モジュール構成の概略を説明するための機能構成図である。

イベント検知装置３０は、図４に示されるように、上記のイベント検知装置１０と同様のハードウェアにより構成されている。これらの構成要素が動作することにより、以下に説明する各機能が発揮される。

イベント検知装置３０は、図１０に示されるように、機能的な構成要素として、人口分布データ取得部３１（推定取得手段）、Ｗｉｎｄｏｗ抽出部３２（比較手段）、有意点計算部３３（比較手段）、イベント判定部３４（検知手段）、及び需要予測部２５（予測手段）を備えている。

人口分布データ取得部３１は、上記の人口分布データ取得部１１，２１と同様の機能を有する部分であり、説明は割愛する。

Ｗｉｎｄｏｗ抽出部３２は、人口分布データ取得部３１によって取得された推定人口情報から、後述の通常時間帯ｗ（即ち、予測対象時間帯）に対応する一部分の情報を、Ｗｉｎｄｏｗ部分情報として通常時間帯ｗを移動させながら常時抽出して取得する部分である。

有意点計算部３３は、Ｗｉｎｄｏｗ抽出部３２によって取得されたＷｉｎｄｏｗ部分情報が示す人口に基づいて、既知の外れ値検定モデル（即ち、スミルノフ・グラブス検定）における所定の有意点を計算して取得する部分である。この有意点は、下記の数式（３）に基づいて決定される。ここでは、近似的な上側１００α％有意点は、ｔ_α／ｎを自由度ｎ−２のｔ分布の上側１００α％有意点としている。なお、αは所定の有意水準であり、ｎは、Ｗｉｎｄｏｗ部分情報に含まれるデータの数から１を減算して得られる数値である。

そして、有意点計算部３３は、取得した有意点によって規定される基準値と、Ｗｉｎｄｏｗ抽出部３２によって取得されたＷｉｎｄｏｗ部分情報が示す人口とを比較する。この比較結果は、イベント判定部２４に出力される。

イベント判定部３４は、有意点計算部３３によって、有意点によって規定される基準値よりもＷｉｎｄｏｗ部分情報が示す人口の方が大きいと判定された場合に、外れ値が生成されたことからイベント行事Ｅが発生したと検知する部分である。言い換えれば、Ｗｉｎｄｏｗ部分情報を構成するデータを{Ｘ１，Ｘ２，…，Ｘｉ}とし、これらの不偏分散をＶとしたときの下記の数式（４）によって得られる値が、有意点以上である場合に、外れ値が生成されたことからイベント行事Ｅが発生したと検知される。

需要予測部３５は、イベント判定部３４によって、イベント行事Ｅが発生したと検知された場合に、所定の数式を用いて上記の需要件数を予測する部分である。

（３−３−２）外れ値の検知手法
引き続き、外れ値の検知手法について、図１１を用いて説明する。図１１は、外れ値の検知手法を説明するためのグラフである。ここで、縦軸は、人口分布データ取得部３１によって取得された推定人口情報が示す人口に基づく値を表しており、横軸は、経過時間を表している。

図１１に示されるように、まず、Ｗｉｎｄｏｗ抽出部３２が、人口分布データ取得部３１によって取得された推定人口情報から、通常時間帯ｗ（即ち、予測対象時間帯）に対応する一部分の情報を、Ｗｉｎｄｏｗ部分情報として通常時間帯ｗを移動させながら常時抽出して取得する。

次に、有意点計算部３３が、Ｗｉｎｄｏｗ抽出部３２によって取得されたＷｉｎｄｏｗ部分情報が示す人口に基づいて、既知の外れ値検定モデル（即ち、スミルノフ・グラブス検定）における所定の有意点を計算して取得する。この有意点は、図３１において「９９％」で示される値に対応している。

次に、有意点計算部３３が、取得した有意点によって規定される基準値と、Ｗｉｎｄｏｗ抽出部３２によって取得されたＷｉｎｄｏｗ部分情報が示す人口とを比較する。ここでは、有意点計算部３３によって、有意点によって規定される基準値よりもＷｉｎｄｏｗ部分情報が示す人口の方が大きいと判定されて、外れ値が生成されたと検知される。このとき、イベント判定部３４が、イベント行事Ｅが発生したと検知する。

（３−３−３）イベント検知装置が行なうイベント検知処理の流れ
引き続き、イベント検知装置３０が行なうイベント検知処理の流れについて、図１２を用いて説明する。図１２は、イベント検知装置３０が行なうイベント検知処理の流れを示すフロー図である。

まず、人口分布データ取得部３１が、件数情報を人口分布データとしてで取得し（推定取得ステップ）、Ｗｉｎｄｏｗ抽出部３２が、人口分布データ取得部３１によって取得された推定人口情報から、通常時間帯ｗに対応する一部分の情報を、Ｗｉｎｄｏｗ部分情報として抽出して取得する（ステップＳ２１、比較ステップ）。

次に、有意点計算部３３が、Ｗｉｎｄｏｗ抽出部３２によって取得されたＷｉｎｄｏｗ部分情報が示す人口に基づいて、既知の外れ値検定モデル（即ち、スミルノフ・グラブス検定）における所定の有意点を計算して取得する（ステップＳ２２、比較ステップ）。

次に、有意点計算部３３が、取得した有意点によって規定される基準値と、Ｗｉｎｄｏｗ抽出部３２によって取得されたＷｉｎｄｏｗ部分情報が示す人口とを比較し、この比較結果に基づいて、イベント判定部３４が、イベント行事Ｅが発生したか否かを判定する（ステップＳ２３、検知ステップ）。

（３−４−１）第四実施形態に係るイベント検知装置の構成
引き続き、第四実施形態に係るイベント検知装置の構成について、図１３及び図４を用いて説明する。図１３は、このイベント検知装置４０の機能別モジュール構成の概略を説明するための機能構成図である。

イベント検知装置４０は、図４に示されるように、上記のイベント検知装置１０と同様のハードウェアにより構成されている。これらの構成要素が動作することにより、以下に説明する各機能が発揮される。

イベント検知装置４０は、図１３に示されるように、機能的な構成要素として、人口分布データ取得部４１（推定取得手段）、エリア分割部４２（比較手段）、第一相関取得部４３（比較手段）、ペア決定部４４（比較手段）、第二相関取得部４５（比較手段）、イベント判定部４６（検知手段）、及び需要予測部４５（予測手段）を備えている。

人口分布データ取得部４１は、上記の人口分布データ取得部１１，２１と同様の機能を有する部分であり、説明は割愛する。

エリア分割部４２は、人口分布データ取得部４１によって取得された推定人口情報を、エリア毎の情報に分割して複数の分割エリア情報を取得する部分である。このエリアは、例えば、同一沿線において互いに隣接する二つの駅のそれぞれの駅前エリアである。

第一相関取得部４３は、予測対象エリアＡにおいて認識可能なイベント行事Ｅが明らかに催されていない後述の通常時間帯ｗ（例えば２４時間）に対応する分割エリア情報と、人口の変化状況に関して相関関係を有する相関エリアを、他の分割エリア情報の中から、相関係数を算出しながら検索する部分である。

ペア決定部４４は、通常時間帯ｗに対応する分割エリア情報と、人口の変化状況に関して所定値以上の相関係数を有する相関エリアＢを選択することにより、予測対象エリアＡと相関エリアＢをペアとして決定する部分である。

第二相関取得部４５は、相関エリアＢにおける後述の通常時間帯ｗで推測される人口の変化状況と、予測対象エリアＡにおける後述の通常時間帯ｗ（予測対象時間帯）で推測される人口の変化状況との相関関係が無くなったか否かを判定する部分である。例えば、相関エリアＢにおける人口よりも、予測対象エリアＡにおける人口の方が圧倒的に多くなった場合等に、相関係数が所定値未満となって相関関係が無くなったと判定される。

イベント判定部４６は、第二相関取得部４５によって相関エリアＢと予測対象エリアＡとの間には人口の変化状況に関して相関関係が無くなったと判定された場合に、イベント行事Ｅが発生したと検知する部分である。

需要予測部４７は、イベント判定部４６によって、イベント行事Ｅが発生したと検知された場合に、所定の数式を用いて上記の需要件数を予測する部分である。

（３−４−２）相関関係の検知手法
引き続き、相関関係の検知手法について、図１４を用いて説明する。図１４は、相関関係の検知手法を説明するためのグラフである。ここで、縦軸は、人口分布データ取得部３１によって取得された推定人口情報が示す人口を表しており、横軸は、経過時間を表している。

図１４に示されるように、第一相関取得部４３が、通常時間帯ｗに対応する分割エリア情報（図４３の上段）と相関関係を有する相関エリアを、他の分割エリア情報の中から、相関係数を算出しながら検索する。図４３の下段に、他の分割エリア情報のうち一つの分割エリア情報が示されている。この分割エリア情報は、通常時間帯ｗに対応する分割エリア情報（図１４の上段）との相関係数が所定値以上であるため、ペアとして決定される。

（３−４−３）イベント検知装置が行なうイベント検知処理の流れ
引き続き、イベント検知装置４０が行なうイベント検知処理の流れについて、図１５及び図１６を用いて説明する。図１５及び図１６は、イベント検知装置４０が行なうイベント検知処理の流れを示すフロー図である。

まず、図１５に示されるように、人口分布データ取得部４１が、件数情報を人口分布データとしてで取得し（推定取得ステップ）、エリア分割部４２が、人口分布データ取得部４１によって取得された推定人口情報を、エリア毎の情報に分割して複数の分割エリア情報を取得する（ステップＳ３１、比較ステップ）。

次に、第一相関取得部４３が、通常時間帯ｗに対応する分割エリア情報と相関関係を有する相関エリアを、他の分割エリア情報の中から相関係数を算出しながら検索する（ステップＳ３２、比較ステップ）。そして、ペア決定部４４が、通常時間帯ｗに対応する分割エリア情報と、人口の変化状況に関して所定値以上の相関係数を有する相関エリアＢを選択することにより、予測対象エリアＡと相関エリアＢをペアとして決定する（ステップＳ３３、比較ステップ）。

次に、図１６に示されるように、第二相関取得部４５が、相関エリアＢ及び予測対象エリアＡを監視対象として設定し（ステップＳ３４、比較ステップ）、相関エリアＢにおける通常時間帯ｗで推測される人口の変化状況と、予測対象エリアＡにおける通常時間帯ｗ（予測対象時間帯）で推測される人口の変化状況との相関係数を算出して常時監視する（ステップＳ３５、比較ステップ）。

次に、第二相関取得部４５が、相関エリアＢと予測対象エリアＡとの間の人口の変化状況に関する相関係数に基づいて相関関係が無くなったか否かを常時判定し、この判定結果に基づいて、イベント判定部４６が、イベント行事Ｅが発生したか否かを判定する（ステップＳ３６、検知ステップ）。

（４）各情報の一例
引き続き、各情報の一例について、図１７及び図１８を用いて説明する。図１７は、推定人口情報の一例を説明する説明図であり、図１８は、第二実施形態における自己回帰移動平均モデルを用いた場合の推定人口情報の一例を説明する説明図である。

推定人口情報は、図１７に示されるように、上記の各エリアを特定するための識別用のエリアＩＤと、このエリアの形状を示すエリアポリゴンと、この推定人口情報が有効な時間帯を示す時間と、対応する時間において推測される人口とを含んで構成されている。

また、第二実施形態における自己回帰移動平均モデルを用いた場合の推定人口情報は、図１８に示されるように、図１７に示された情報に加えて、所定時間前（例えば数時間前、数日前）の人口を示す説明変数や、平日か休日かを示すフラグ情報としての説明変数を含んで構成されている。

（５）各イベント検知方法の評価方法の一例
引き続き、イベント検知装置による各イベント検知方法の評価方法の一例について、図１９を用いて説明する。図１９は、イベント検知装置による各イベント検知方法の評価方法の一例を説明する説明図である。

イベント行事Ｅの開催情報がイベント検知装置によって取得された場合は、イベント検出した全件数のうち開催情報により示されたものの割合や、開催情報により示された全件数のうちイベント検知装置により検出されたものの割合を、イベントの検出率として算出して評価することができる。

一方、上記の開催情報が取得できていない場合は、複数のイベント検知方法により検知されたものを実際に開催されたイベント行事Ｅとしてみなしてもよい。

また、図１９に示されるように、正しくイベント行事Ｅを検知できた場合に１ポイントとして集計することにより評価してもよい。

（６）本発明による作用及び効果
上記のイベント検知装置では、まず、推定人口情報を取得し、通常時間帯において取得された推定人口情報が示す人口に基づく基準値と、予測対象時間帯において取得された推定人口情報とを比較する。ここで、通常時間帯における推定人口情報が示す人口に基づく基準値よりも、予測対象時間帯における推定人口情報が示す人口の方が大きいと判定された場合に、イベント行事Ｅが発生したと検知する。

このように、通常時間帯における推定人口情報が示す人口に基づく基準値よりも、予測対象時間帯における推定人口情報が示す人口の方が大きいと判定された場合に、イベント行事Ｅが発生したと検知することにより、通常時間帯における推定人口に基づく基準値よりも人口が多くなるイベント行事Ｅの有無を、より精度よく検知することが可能になる。また、予測対象エリアＡにおけるイベント行事Ｅをまとめて検知しているため、イベント行事Ｅのそれぞれについて需要件数を予測して全てのイベント行事Ｅについて足し合わせるよりも、誤差の積み重ねが大きくならずに需要件数をより精度よく予測することが可能になる。

（７）変形例
上記の実施例では、イベント検知装置は、タクシー会社に配備され、タクシーの配車サービスの利用を望む利用客の需要件数を予測する対象となる予測対象エリアＡにおけるイベント行事Ｅの発生の有無を検知する装置として説明したが、サービスの内容は特に限定されず、例えば、電車やバスや新交通システム等他の公共交通機関による輸送サービスにおける目的変数としての乗車数の予測であってもよく、物品販売サービスにおける目的変数としての売り上げの予測（商圏分析）であってもよい。

本発明によれば、より精度よくイベント行事の有無を検知することができる。

１０，２０，３０，４０…イベント検知装置、１１，２１，３１，４１…人口分布データ取得部、１２，２２，３２…Ｗｉｎｄｏｗ抽出部、１３，２３…ｔａｒｇｅｔ抽出部、１４，２４，３４，４６…イベント判定部、１５，２５，３５…需要予測部、３３…有意点計算部、４２…エリア分割部、４３…第一相関取得部、４４…ペア決定部、４５…第二相関取得部、４７…需要予測部、１０１…ＣＰＵ、１０２…ＲＡＭ、１０３…ＲＯＭ、１０４…通信モジュール、１０５…補助記憶装置、Ａ…予測対象エリア、Ｅ…イベント行事。

Claims (4)

1. 所定のエリアにおける特別な事象の発生の有無を検知する事象検知装置であって、
   前記所定のエリアにおいて推定される人口を示す推定人口情報を取得する推定取得手段と、
   人口の変化状況に関して前記所定のエリアと相関関係を有する相関エリアの、特別な事象の有無を検知する対象となる前記予測対象時間帯において推定される人口に基づく基準値と、前記予測対象時間帯において前記推定取得手段によって取得された前記推定人口情報とを比較する比較手段と、
   前記比較手段によって、前記相関エリアの前記予測対象時間帯において推定される人口と、前記予測対象時間帯における前記推定人口情報が示す人口との相関係数が所定値未満となった場合に、前記特別な事象が発生したと検知する検知手段と、
   を備えることを特徴とする事象検知装置。
2. 前記推定取得手段は、前記所定のエリアにおいて所定時間内に携帯端末による位置登録処理が行われた処理件数に関する件数情報を、前記推定人口情報として取得することを特徴とする請求項１に記載の事象検知装置。
3. 前記比較手段は、人口の変化状況に関して前記所定のエリアと相関関係を有する相関エリアを検索し、当該相関エリアの前記予測対象時間帯において推定される人口を前記基準値とすることを特徴とする請求項1又は２に記載の事象検知装置。
4. 所定のエリアにおける特別な事象の発生の有無を検知する事象検知装置が行なう事象検知方法であって、
   前記所定のエリアにおいて推定される人口を示す推定人口情報を前記事象検知装置が取得する推定取得ステップと、
   人口の変化状況に関して前記所定のエリアと相関関係を有する相関エリアの、特別な事象の有無を検知する対象となる前記予測対象時間帯において推定される人口に基づく基準値と、前記予測対象時間帯において前記推定取得ステップで取得された前記推定人口情報とを前記事象検知装置が比較する比較ステップと、
   前記比較ステップで、前記相関エリアの前記予測対象時間帯において推定される人口と、前記予測対象時間帯における前記推定人口情報が示す人口との相関係数が所定値未満となった場合に、前記特別な事象が発生したと前記事象検知装置が検知する検知ステップと、
   を有することを特徴とする事象検知方法。
   

Images