JP5414562B2 - 情報処理装置及び情報処理システム - Google Patents

Description

本発明は交通系決済手段の利用履歴から駅の特性を指標化する方法および分析する装置に関するものである。

無線センサデバイスやＧＰＳ、非接触ＩＣ技術などの進歩により、様々な産業分野において人や物の位置や行動データを取得し、解析によって抽出された行動履歴情報をマーケティングなどに利用するようになってきた。例えば鉄道のＩＣカード乗車券には、それぞれのカードを識別するＩＤコードが付与されているため、その乗車券が通過した改札機の場所や購買した店舗を対応付けすることにより、そのＩＣカード乗車券の所有者の行動をある程度、把握することが可能になる。現在、時々刻々と取得され続けている行動データは収集、集計、分析、解析などの処理を経て、マーケティングやインフラ整備、都市計画等に活用されている。特に近年、電子切符（定期券を含む）や小額の決済手段として急速に普及している非接触型ＩＣカードが多くの利用者を獲得しつつあり、それらの利用データを用いた広告システムなどが提案されている。

特許文献１には定期券に付随する個人情報と、改札機の通過データから駅に滞留している人数を推定し、定期券の属性から性別や年代など属性別の比率を算出することで、客層に適した広告を提示するシステムが開示されている。

また、非特許文献１には、不動産物件を探す際の情報提供や、地域活性化の目的で駅の利便性などを評価し、情報を提供しているサービスが開示されている。

特開２００４−２２０４９８号公報

アトラクターズ・ラボ 株式会社、"駅力評価データ"、[online]、[平成22年1月6日検索]インターネット（URL:http://www.a-lab.co.jp/product/station.html)

特許文献１及び非特許文献１に記載の技術は、長期的な期間の集計結果などを用いて算出するものであるから、それぞれの利用者がその駅に対してどういう利用傾向を持っているか、それぞれの利用者がどのような行動パターンを有しているかについては考慮していない。また、非特許文献１に記載の技術は、アンケート結果から求めているため、主観的な判断によるものが多いため、客観性にかけるといえる。

本発明はかかる点に鑑みてなされたものであって、その目的は駅や駅周辺地域の特徴に関する情報提供において、駅の利用者の行動傾向を考慮した客観的かつ、より正確な評価を行うことである。

本願において開示される発明のうち、代表的なものの概要を簡単に説明すれば、下記の通りである。

交通系決済手段と通信を行う端末にネットワークを介して接続される情報処理装置である。ネットワークに接続されるネットワークインタフェースと、ネットワークインタフェースに接続されるプロセッサと、プロセッサに接続される記録装置とを備える。プロセッサは、ネットワークインタフェースを介して交通系決済手段の利用履歴を受け、利用履歴に含まれる入出場履歴及び購買履歴に基づいて交通系決済手段の利用者の駅ごとの行動傾向を示す指標を算出して記録装置に格納し、行動傾向を示す指標に基づいて駅の特性を示す指標を算出して記録装置に格納する。

また、交通系決済手段と通信を行う端末にネットワークを介して接続される第１の情報処理装置と、第１の情報処理装置とネットワークを介して接続される第２の情報処理装置とからなる情報処理システムである。第１の情報処理装置は、ネットワークに接続される第１のネットワークインタフェースと、第１のネットワークインタフェースに接続される第１のプロセッサと、第１のプロセッサに接続される第１の記録装置とを備える。第２の情報処理装置は、ネットワークに接続される第２のネットワークインタフェースと、第２のネットワークインタフェースに接続される第２のプロセッサと、第２のプロセッサに接続される第２の記録装置とを備える。第１のプロセッサは、第１のネットワークインタフェースを介して交通系決済手段の利用履歴を受け、利用履歴に含まれる入出場履歴及び購買履歴に基づいて交通系決済手段の利用者の駅ごとの行動傾向を示す指標を算出して第１の記録装置に格納し、行動傾向を示す指標に基づいて駅の特性を示す指標を算出して第１の記録装置に格納する。第２のプロセッサは、入力される要求に応じて、第１の記録装置に格納される行動傾向を示す指標又は駅の特性を示す指標を加工して、接続される表示装置に出力する。

本発明によれば、アンケート結果や地価などの主観的または間接的なデータではなく、交通系ＩＣカードを所有している各利用者の本当の利用実態に即した駅の評価を行うことが可能になる。

実施例１のシステム全体の構成図の例である。 交通系ＩＣカードの利用履歴や駅および路線の基本情報を格納するレコードの構造の例を説明する図である。 交通系ＩＣカードの利用履歴を格納する手順の例を説明する図である。 利用者の行動傾向を示す簡易的な指標値の構造の例を説明する図である。 駅の特徴を示す指標値の構造の例を説明する図である。 利用者の行動傾向を示す指標値を算出する手順の例を示す図である。 駅の利便性指数を算出するための駅間のネットワーク関係の例を示した図である。 駅の利便性指数を算出する手順の例を示す図である。 駅の成長率を算出する手順の例を説明する図である。 駅の活動時間帯タイプを算出する手順の例を説明する図である。 駅の競合駅を推定する手順の例を説明する図である。 分析情報画面の構成の例を説明する図である。 地図画像上に分析情報を表示する画面例を示した図である。 駅の勢力分布の画面例を示した図である。 利用者向け情報提供画面の構成を示した図である。

図１から図１５を用いて本発明による駅利用者の利用形態の分類方法および駅の特性評価方法と、利用者や企業への情報提供を行うシステムの例を示す。

図１は本実施例に係る情報処理システムの全体構成図である。システムの主要な構成要素は、利用者１０２が利用する非接触型ＩＣカード（あるいは同等の機能を持つ携帯端末）１０１と、駅構内や駅周辺あるいは店舗等に配置された鉄道利用のための改札機１０３と、それらの改札機で取得したデータをサーバ群へ送信するネットワーク１０４である。サーバ群は履歴サーバ１１１、計算サーバ１１２、情報配信サーバ１１３からなり、非接触型ＩＣカードの利用データを蓄積したり、解析処理を行うものである。なお、本実施例を説明する際に直接関係しない非接触ＩＣカードや改札機内の機能や構成については説明を省略する。

非接触型ＩＣカード１０１を所持した利用者１０２が改札機１０３を通過すると、ＩＣカード１０１を識別するユーザＩＤと、通過日時などを含む位置情報が改札機１０３内に蓄積され、それと同時もしくは、一時間おきや一日おきなど適当なタイミングで履歴サーバ１１１へネットワーク１０４を介して送信され、ＩＤ付き位置ログデータ２０２として格納される。改札機以外の例えば駅構内や駅周辺の店舗に設置されているカード読み取り端末、ＰＯＳレジ端末、自動販売機等でも同様である。例えば、非接触型ＩＣカード１０１を所持した利用者１０２が店舗におけるカード読み取り端末にカードをかざした際に、ＩＣカード１０１を識別するユーザＩＤと、日時、金額などを含む購買情報がカード読み取り端末内に蓄積され、それと同時もしくは、一時間おきや一日おきなど適当なタイミングで履歴サーバ１１１へネットワーク１０４を介して送信される。

サーバ群は、履歴サーバ１１１と計算サーバ１１２、情報配信サーバ１１３からなり、これらのサーバはネットワーク１０４に接続し、各サーバ間、あるいは各改札機１０３、利用者（１１５、１１７）と通信することができる。なお、本実施例では、履歴サーバ１１１、計算サーバ１１２、情報配信サーバ１１３のサーバ群として説明するが、１又は複数のサーバでこれらサーバ群の機能を実行できるように構成することも可能である。

履歴サーバ１１１は、改札機などＩＣカードリーダ端末が読み取る利用者のデータをネットワーク１０４を通して収集し、サーバ内のデータ格納部１２１に記録する。収集、格納するデータは、それぞれのユーザの位置履歴を格納するＩＤ付き位置ログデータ１２２と、購買履歴を格納するＩＤ付き購買ログデータ１２３と、ユーザの属性などに関する情報を管理するユーザデータ１２４と、店舗や地域に関連するデータ１２５などを含む。さらにその他のデータとして、駅に関連する基本データなどが含まれている。駅に関連する基本データや、店舗・地域に関連するデータ１２５などは、変更があった場合や更新された場合に適宜、図１に示すシステムの外部から入力されて更新・記録される。

計算サーバ１１２では、履歴サーバ１１１に蓄積されたデータを用いてＩＣカード所有者（駅利用者）の行動傾向や、駅の特性を分析する。計算サーバ１１２は主にネットワークインタフェース（Ｉ／Ｆ（Ａ）１３９）、ＣＰＵ１３１、メモリ１３２、記憶部１３３からなる。ネットワークインタフェースは、ネットワークに接続するためのインタフェースである。記憶部１３３には集計処理プログラム１３４、駅分類指標値算出プログラム１３５、利用者分類指標値算出プログラム１３６、照合処理プログラム１３７などのプログラム群と、計算処理の結果、得られた統計値や指標値などを格納するデータ格納部１３８が含まれている。記憶部は、例えばハードディスクドライブやＣＤ−ＲＯＭドライブ、フラッシュメモリなどである。なお、複数の記録装置に各種プログラム、各種データを分割して記録するようにしてもよい。

各プログラム群が実行される際は、分析対象となるデータを履歴サーバ１１１から読み出してメモリ１３２へ一時的に格納し、ＣＰＵ１３１で各プログラム（１３４、１３５、１３６、１３７）をメモリに読み出して実行することにより各種機能を実現する。これらのプログラムの実行のタイミングは、例えば利用者のリクエストのタイミングや履歴サーバ１１１に新規データが追加される度に行ってもよいし、またはバッチ処理として、毎日決められた時間に自動的に処理を行ってよい。

情報配信サーバ１１３は、ネットワークインタフェース（Ｉ／Ｆ（Ｂ）１４４及びＩ／Ｆ（Ｃ）１４５）とＣＰＵ１４６とメモリ１４７と記録装置１４８を備える。ネットワークインタフェースは、ネットワークに接続するためのインタフェースである。記録装置は、各種プログラム、各種データを記録するものであり、例えば、ハードディスクドライブやＣＤ−ＲＯＭドライブ、フラッシュメモリなどである。なお、複数の記録装置に各種プログラム、各種データを分割して記録するようにしてもよい。

情報配信サーバ１１３は、利用者（１１５、１１７）が携帯情報端末１１６や、家庭用もしくは公共の情報端末１１８からインターネット１１４を介して、駅の特性評価値や自分の行動傾向などの情報を参照するためのものである。記録装置には、利用者照合および入力条件取得プログラム１４１と、検索処理プログラム１４２と、情報配信プログラム１４３を記録する。ＣＰＵは、記録装置に記録されている各種プログラムをメモリに読み出して実行することにより各種機能を実行する。具体的には、検索処理プログラムを実行することにより、利用者の入力した条件に基づいてデータ検索を行って加工し、情報配信プログラムを実行することにより、利用者に提示するために加工された情報を配信する。これらの情報は、各利用者が能動的にアクセスして取得してもよいし、あらかじめ決められたタイミングに従って、自動的にメール配信などを行ってもよい。

図２は、履歴サーバ１１１内に格納される代表的なデータのデータ構造について１レコード分をそれぞれ示した図である。まず、駅に関する基本データマスタ２０１は、駅を識別する駅ＩＤ、駅名、鉄道会社、住所、どの路線に含まれるかを識別する路線ＩＤなどの情報を含む。駅や路線の構成に変更があった場合には、随時データの追加や修正が行われる。

また、ＩＤ付き位置ログデータ２０２はログＩＤ、対象となるユーザＩＤ、どのデータ読み取り端末を通過したかの情報から紐づけられる駅ＩＤ、その読み取り端末を通過した日時と利用種別などの情報を含む。ここで利用種別とは、例えば改札機や入出場ゲートとなら「入場」や「出場」、物販用端末などであれば「購入」などの処理の種別を示す情報である。

また、ＩＤ付き購買ログデータ２０３には、ログＩＤ、対象となるユーザＩＤ、どのデータ読み取り端末（物販用端末）を通過したかの情報から紐づけられる店舗ＩＤ、その読み取り端末を通過した日時と最寄り駅ＩＤなどの情報が含まれる。これらのＩＤ付き位置ログデータ２０２やＩＤ付き購買ログデータは、新規にデータが生成される度に送信されてきてもよいし、または利用が少なくなる深夜に一括して送られてきてもよい。履歴サーバ１１１側では、その送信のタイミングに合わせて格納処理を行えばよい。

ユーザデータマスタ２０４にはユーザに関する情報が含まれており、ユーザＩＤと氏名、性別、生年月日、住所や定期券を所有している場合については、その定期区間や有効期限などの属性データが格納されている。ここで性別や年齢などの属性情報は必ずしも必要なものではないが、広告などマーケティング情報として有用な場合が多く、上述の属性以外にも職業などできる限り、収集しておくことが望ましい。

店舗データマスタ２０５は、店舗ＩＤ、店舗の名称、店舗の住所、運営企業名、最寄り駅ＩＤなどの情報を含む。運営企業名とは、物販を取り扱っている業者の名称である。また、最寄り駅はその店舗の住所情報により、紐づけておくことができる。ここで挙げた情報以外にも例えば店舗の規模や業種などのデータを格納しておくことで、より多角的な分析が可能になるため、できる限り、収集しておくことが望ましい。

地域データ２０６は、主に駅や駅周辺に関連する情報であり、対象となる駅ＩＤ、駅名、住所、地価、周辺店舗数、人口密度などの情報を含む。一つの駅ＩＤに対して、複数の地域データが存在することもありえるが、まず各々独立に格納しておき、情報を使用する段階で集約すればよい。ユーザデータマスタ２０４、店舗データマスタ２０５、地域データ２０６の各データは、例えばユーザの属性に変更があった場合、その変更の度に図１に示すシステムの外部から入力されて更新・記録される。

図３は、交通系非接触ＩＣカード１０１が改札機１０３や決済端末を利用した際に取得されたデータを履歴サーバ１１１に格納する手順を説明する図である。ここでは履歴サーバ１１１への格納処理は毎日、決められた時刻に１回、バッチ処理で行うものとして、説明する。まず、新しく収集された全データそれぞれに含まれる利用時刻を参照して、全データを時刻順に並び替えたリストDlistを作成する（処理ステップ３０１）。Dlistの全てのデータに対して一つずつ、利用種別の有無を判定して駅に入場または出場した移動に関するログかどうかの判定を行う（処理ステップ３０２）。移動に関するログであれば、対象となるＩＣカードのＩＤと使用した駅、利用種別などの情報からＩＤ付き位置ログデータ２０２に示す形式にそってレコードを作成し（処理ステップ３０３）、ＩＤ付き位置ログデータ２０２に格納する（処理ステップ３０５）。処理ステップ３０２の時点で、購買ログであると判定された場合は、対象となるＩＣカードのＩＤと使用した駅、店舗情報などからＩＤ付き購買ログデータ２０３に示す形式にそってレコードを作成し（処理ステップ３０４）、ＩＤ付き購買ログデータ２０３に格納する（処理ステップ３０５）。

図４は、利用者分類指標値算出プログラム１３６を実行した結果、得られる一人の利用者に関する指標値を格納するレコードの構造を説明する図である。利用者分類指標データ４０１は、対象となるユーザＩＤ、駅ＩＤ、時期、規則性指数、利用時間帯、利用タイプ、利用割合などの情報を含む、各利用者の行動パターンを表すデータである。

ここでユーザＩＤと駅ＩＤの組み合わせについては、一人のユーザが利用した駅すべてに対して時期、利用時間帯、利用タイプ、利用割合などの指標が算出されるため、多くの駅を利用するユーザは、その分だけ多くのレコードが格納されることになる。時期については集計の便宜上、例えば週や月単位で区切っておいてもよいし、まずは一日毎に指標を算出しておいて、適宜、利用者１１５、１１７からのリクエストに応じて集計してもよい。例えば、利用者が、携帯情報端末１１６や情報端末１１８を介して一週間単位の指標を参照したい旨の要求をした場合には、一週間単位のデータを集計して、指標を算出することができる。

次に、例として挙げた、規則性指数、利用時間帯、利用タイプ、利用割合の４つの指標値の定義および特徴について説明する。まず、規則性指数とは、利用者の駅利用パターンの規則性を数値化（百分率で表示）したもので、例えばあるユーザが平日に限って毎朝、同じ時間帯にＡ駅で出場しているといった場合には、そのユーザのＡ駅に対する規則性指数は非常に高いものとなる。また、その際の利用時間帯のフィールドには、「平日・朝」というデータが入る。ただ、この利用時間帯のフィールドには、必ずしも「平日・休日」、「朝・昼・夜」といった区切り方のデータを格納する必要はなく、より細かく一時間ごとの時間帯や、曜日などのデータ形式で格納してもよい。利用タイプのフィールドには、「入場・出場・乗換・購買」などの利用目的を示すデータが格納される。この利用タイプのデータを算出するには、対象とするユーザ、駅および時期の条件に一致する全データを利用内容別に集計して、上位にある利用内容を抽出すればよい。この場合、格納される利用タイプは複数あってもよい。利用割合のフィールドには、一人のユーザの各駅に対する利用配分の数値（百分率で表示）が格納される。例えば、あるユーザの２００８年１０月のデータが１００件あって、その内の５０件がＡ駅で入場したもので、残りの５０件がＢ駅で出場したものであった場合は、そのユーザの２００８年１０月の利用割合はＡ駅、Ｂ駅ともに５０となる。

なお、指標は上述の４つの例に限ったものではなく、例えば他にも滞在時間や利用路線などの情報の追加も可能である。

図５は、駅分類指標値算出プログラム１３５を実行した結果、得られる駅の特徴を示す指標値を格納するレコードの構造を説明する図である。駅分類指標データ５０１は、対象となる駅ＩＤ、駅名、時期、属性、利便性指数、成長率、活動時間帯、競合駅などの情報を含む、各駅の特徴を表すデータである。

本実施例では、駅、時間、属性の組み合わせについては、一つの駅に対して時期および属性ごとに指標値を計算し、各々独立したレコードとして格納しておく。時期については、利用者分類指標データ４０１の時期データの仕様にそって、データを格納する。属性とは例えば、２０歳代の男性というように、あるカテゴリとして分類できる集団を意味する。対象となる時期に利用された駅のＩＤに基づいて、利用者分類指標データを参照してユーザＩＤを特定し、そのユーザＩＤに基づいてユーザデータマスタ２０４を参照することで、属性を特定して格納する。ただし、年代や性別に限ったものではなく、利用者分類指標データ４０１のデータをもとに行動パターンを属性としてもよい。

次に例として挙げた、利便性指数、成長率、活動時間帯、競合駅の４つの指標値の定義および特徴について説明する。まず、利便性指数とは駅の利便性を示す指標、すなわち利用者の数が多く、その駅から様々な場所（駅）へ行きやすい性質を示す数値（百分率で表示）である。算出手段については後述する。また、成長率とは利用者分類指標データ４０１を用いて利用者の利用割合および規則性や客層の変化度合を総合して得られる駅の利用形態の変化を示す数値（百分率で表示）である。算出手段については後述する。

活動時間帯とは、対象となる駅が利用される時間帯を示す指標であり、活動時間帯のフィールドには、対象となる駅、時期、属性に該当する全利用者の入出場時刻や購買時刻を集計して得られるもので、例えば平日の昼間に利用する利用者が多い駅の場合には「平日・昼」というデータが入る。ただ、この活動時間帯のフィールドには、必ずしも「平日・休日」、「朝・昼・夜」といった区切り方のデータを格納する必要はなく、より細かく一時間ごとの時間帯や、曜日などのデータ形式で格納してもよい。競合駅とは利用者の利用割合が非常に均衡している駅を示し、例えば買い回りなど複数の駅で同じような行動をしている利用者が多いという意味をもつ。この競合駅は必ずしも一つとは限らず、複数存在する場合も考えられるため、駅分類指標データ５０１には競合駅として抽出された分だけ、フィールドを随時、追加して格納される。

なお、指標は上述の４つの例に限ったものではなく、例えば他にもその駅を利用した全利用者の平均滞在時間や、繰り返して利用している度合を示すリピーター率などの情報の追加も可能である。

図６は、利用者分類指標データ４０１に格納するための利用者分類指標値算出プログラム１３６の処理内容を示すフロー図である。ここでは利用者分類指標データ４０１への格納処理は毎日、決められた時刻に１回、バッチ処理で行うものとして、説明する。本実施例では、利用者の利用履歴であるＩＤ付き位置ログデータとＩＤ付き購買ログデータを用いて、駅ＩＤごとに、行動傾向を示す規則性指数、利用時間帯、利用タイプ、利用割合を算出することを特徴とする。

まず、ＩＤ付き位置ログデータ２０２、ＩＤ付き購買ログデータ２０３から、新しく追加されたデータと、これまで蓄積されたデータをユーザＩＤ毎にメモリ１３２に読み出し、全データそれぞれに含まれる利用時刻を参照して、時期および時刻順に並び替えたリストRlistを作成する（処理ステップ６０１）。次のユーザＩＤのリストを作成する際には一度、Rlistを初期化する。

次に、この一人のユーザに対する履歴リストRlistから駅ＩＤ毎にデータを分類し、それぞれの駅ＩＤに対する利用間隔および利用時間帯のヒストグラムを作成する（処理ステップ６０２）。ここで利用間隔とは、駅ＩＤ毎にソートされた履歴リストRlistの隣り合うレコードの日時間隔を表す。この利用間隔の値に関して、例えば一時間単位でヒストグラムを作成すると、毎日ほぼ同じ時刻に同じ駅を利用している規則的なユーザの場合は、利用間隔が２４時間の所だけ、周辺に比べて大きな値（ピーク）をとることになる。逆に、規則的でないユーザの場合は、利用間隔のさまざまな所に値をもち、目立ったピークが表れない。このようにピークの強弱は、ユーザがその駅を利用する規則性に大きく影響していると言える。次に駅ＩＤ毎に規則性指数、利用時間帯、利用タイプ、利用割合を算出する（処理ステップ６０３）。

ここで利用時間帯は、処理ステップ６０２で求めた利用時間帯のヒストグラムのピークを検出することにより、求めればよい。また、利用タイプは全データを「入場・出場・購買」などの種別ごとに集計し、最上位のものを選択する。利用割合については、全データを駅、利用時間帯、利用タイプの組み合わせ毎に分類し、その部分データ数を全体のデータ数で割ればよい。また、規則性指数を求める手段としては、処理ステップ６０２で求めた利用間隔のヒストグラムから利用時間帯と同様にピーク検出処理により、ピークの強度を算出し、百分率になるように正規化すればよい。最後に利用者分類指標データ４０１に示す形式にそってレコードを作成し、利用者分類指標データ４０１に格納する（処理ステップ６０４）。

次に、駅分類指標データ５０１の各指標を算出する手順について述べる。本実施例では、図６に示すフローで求めた利用者の行動パターンを用いて、利便性指数、成長率、活動時間帯タイプ、競合駅といった駅の特性を示す指標を算出することを特徴とする。これにより、駅の利用者の行動傾向を考慮した客観的かつ正確な駅の評価を行うことが可能となる。

図７は、駅の利便性指数を算出するための駅間のネットワーク関係を説明する図である。集計処理プログラム１３４の実行により、全ての駅間の入出場の集計値など基本的な統計量を算出する。それらの統計量を用いることで全ての駅同士の関係値を定義することができるため、例えば全ての駅同士の入出場者の人数から、図７のような重み付き有向グラフを作成することができる。

ここで、Ａ駅７０１から入場して、Ｂ駅７０２で出場した利用者の数が３００人いたとして、逆にＢ駅７０２から入場して、Ａ駅７０１で出場した利用者の数が４００人だったとすると、Ａ駅７０１とＢ駅７０２の間には二本のエッジ７０３、７０４をひくことができる。さらに各エッジの重みを利用者人数の常用対数表示で算出するように定義するとエッジ７０３の重み７０５は３、エッジ７０４の重み７０６は４となる。

そして、例えば、全利用者ではなく、規則性指数が所定値以上（例えば、５０以上）の利用者だけを対象とした入出場者数を関係値として用いることにより、利用者の行動パターンを反映することができ、より利用者の利用実態に即した駅の評価が可能となる。また、同じ日に違う駅で購買をした利用者のデータだけを対象として買い回り行動に対するネットワークグラフを作成することもできる。またその場合の重みについても規則性指数の平均や購買金額の平均を重みとして定義してもよい。

図８に駅の利便性指数を算出するための具体的な計算手順を示す。まず、集計処理プログラム１３４で算出した全ての駅同士の関係値をもとにネットワークグラフを作成し、ネットワーク指標Xi（i=0,1,2,・・・）を算出する（処理ステップ８０１）。ここでネットワーク指標とは次数やクラスタ係数、平均パス数などを指す。次数とはネットワークグラフ上のあるノードが直接、つながりを持っている他のノードの数であり、クラスタ係数とは、あるノードの隣接点間のエッジ数を、その最大値で割ったものである。また平均パス数とはノードから他のノードに到達するまでに通るエッジの数である。ネットワーク指標は上記の３つに限ったものではないが、例えばこれらの３つのネットワーク指標は、どれもあるノードから他のノードへの到達のしやすさを表すものであり、すなわち、駅の利便性を示す数値である。しかし、ここで挙げた３つのネットワーク指標のうち、どれか一つの指標を用いて利便性を表す代表値とするのでは、その指標の定義上、偏りが出るため、その影響を抑えるために、ここでは合成関数を用いて、３つの指標値をそれぞれ少しずつ加算したものを利便性指数として置き換える。

次に各ネットワーク指標Xiから利便性指数Cを算出する（処理ステップ８０２）。ここで例えば、次数をX0とし、クラスタ係数をX１、平均パス数X2とした場合、あらかじめ定義しておいた合成関数および係数a、b、cを用いて「C＝a * X0 + b * X1+ c*X2」により、利便性指数Cを算出することができる。次数にかかる係数を重くした場合は、出場駅の数の多い、いわば郊外のベッドタウンのような駅の利便性指数が高くなる。一方、クラスタ係数にかかる係数を重くした場合は、その駅とつながっている他の駅同士がまた、互いににつながりの多い駅の利便性指数が高くなる。

最後に該当する属性データのレコードに、算出した利便数指数Cの値を格納して、駅分類指標データ５０１を更新する（処理ステップ８０３）。なお、利便性指数の求め方は、上述のネットワーク指標を用いたものに限らず、他にも例えば地域データをもとに、その駅周辺の土地がどのように使われているか（商業地か住宅地か）や、地価の情報を考慮して算出してもよい。

図９は、駅の成長率を算出するための手順を説明する図である。ここで成長率とは上述したように、利用者分類指標データ４０１を用いて利用者の利用割合および規則性や客層の変化度合を総合して得られる駅の利用形態の変化を示す数値である。そのため、利用者の利用割合や規則性、客層の時系列的な変化を抽出し、数値化を行う。これにより、駅を利用する利用者の利用形態の変化から、新規に開店した店舗の経済効果などを評価することが可能になる。

まず、駅および属性ごとに、最新の時期とその一つ前の時期の利用者分類指標データから該当するデータを抽出する（処理ステップ９０１）。ここで例えば時期とは1カ月単位など、利用者分類指標データ４０１の時期データの仕様に則る。抽出したデータを最新の時期と、その一つ前の時期とに分類し、それぞれ規則性指数および利用割合のフィールドの値を参照し、時期、属性ごとに平均値Aiと分散値Diを算出する（処理ステップ９０２）。例えば最新の時期のデータの規則性指数の平均値をA0、利用割合の平均値をA1、規則性指数の分散値をD0、利用割合の分散値をD1とし、また一つ前の時期のデータの規則性指数の平均値をA2、利用割合の平均値をA3、規則性指数の分散値をD2、利用割合の分散値をD3とする。

ここで、規則性指数の平均および分散の時間的な増減は、その駅を利用する利用者の利用形態の変化を示しており、例えば規則性指数の平均値が増えると、その駅を繰り返し利用する人が増えたことを意味する。また、規則性指数の分散値は、その駅の利用のされ方のばらつき具合を意味している。同様に、利用割合の平均および分散の時間的な増減も、その駅を利用する利用者の利用形態の変化を示しているが、規則性指数の平均および分散に比べると新規に利用をはじめた利用者も対象とするため、より広く利用者の利用形態の変化をとらえることができる。

ここで挙げた４つの指標（規則性指数の平均・分散、利用割合の平均・分散）のうち、どれか一つの指標を用いて成長率を表す代表値とするのでは、その指標の定義上、偏りが出るため、その影響を抑えるために、ここでは合成関数を用いて４つの指標値をそれぞれ少しずつ加算したものを成長率として置き換える。あらかじめ定義しておいた係数a、b、c、ｄを用いて例えば「S＝a * (A0 - A2) + b * (A1 - A3) + c * (D0 - D2) + d * (D1 - D3)」の合成関数により、成長率Sを算出することができる（処理ステップ９０３）。求めた値を、その駅と時期、属性に関する成長率として、駅分類指標データ５０１のフィールドに格納する（処理ステップ９０４）。上述の例では駅、時期、性別や年代などの属性ごとに成長率を算出するが、最終的にそれらを集計して、その駅の代表値としてもよい。なお、成長率の求め方は、上述の方法に限らず、他にも例えば他の駅と比較した相対評価により、算出してもよい。

図１０は、駅の活動時間帯タイプを算出するための手順を説明する図である。まず利用者分類指標データから、解析対象となる駅、時期、属性に該当する利用者のデータを抽出する（処理ステップ１００１）。ここで抽出する利用者は、例えば利用割合が所定値以上（例えば、３０以上）の利用者など閾値を設定してある程度、よく利用している優良利用者を選ぶ。そうして抽出したデータから、利用時間帯のフィールドを参照し、ヒストグラムを作成する。さらにヒストグラムからピーク検出処理により、ピークを検出し、最も多い時間帯を活動時間帯タイプとして抽出し（処理ステップ１００２）、駅分類指標データ５０１の活動時間帯のフィールドに格納する（処理ステップ１００３）。ここでヒストグラムを作成する際に、利用割合の高い利用者のデータには重みをつけて優位性が高くなるように調整してもよい。

図１１は、駅の競合駅を算出するための手順を説明する図である。まず利用者分類指標データ４０１から、解析対象となる駅、時期、属性に該当するデータを抽出する（処理ステップ１１０１）。次に抽出したデータを全て走査して、ユーザＩＤをリストアップし、再び利用者分類指標データ４０１から、リストアップされた全てのユーザＩＤごとに、その時期に該当するデータを抽出する（処理ステップ１１０２）。次に抽出したデータを駅ＩＤごとに分類し、利用割合の平均値を算出する（処理ステップ１１０３）。対象とする駅の利用割合の平均値に最も近い、もしくはあらかじめ設定した閾値内の値をもつ駅を競合駅とし、駅分類指標データ５０１の競合駅ＩＤ１、競合駅ＩＤ２・・・のフィールドに追加していく（処理ステップ１１０４）。このように、駅を利用する利用者の行動傾向別の駅利用比率を推定することができ、それに基づいて類似の関係にある他の駅を抽出・提示することが可能になる。

以上のように、利用者の行動パターンを用いて駅の指標を算出することにより、より利用者の利用実態に即した駅の評価が可能となる。

図１２は、情報配信サーバ１１３によって生成および配信される提示画面の一例である。本実施例では、上述した利用者分類指標や駅の指標を、利用者の要求に応じて情報提供することを特徴とする。利用者照合および入力条件取得プログラム１４１と検索処理プログラム１４２の実行により、利用者が選択した提示画面タイプに従って、情報を編集し、配信する。

まず、利用者１１５、１１７が情報端末１１６、１１８を用いて例えばＷｅｂ画面上のプルダウンメニューで表示内容を選択する。例えば、利用者１１５、１１７が最近一カ月の駅ごとの利便性と成長率の分布図を指定した場合、利用者照合および入力条件取得プログラム１４１で「全ての駅」、「成長率」、「最近一カ月」、「分布図」という指定条件を受け付け、検索処理プログラム１４２へ渡す。このとき20歳代男性など属性に関する指定条件を受け付けてもよい。検索処理プログラム１４２では、利用者照合および入力条件取得プログラム１４１から渡された条件をもとに、駅分類指標データ５０１から該当するデータを抽出する。例えば「最近一カ月の駅ごとの利便性と成長率の分布図」という条件の場合、駅分類指標データ５０１から指定条件の「時期」と一致するレコードを全て抽出し、属性に関する指定条件がなく、属性が異なるレコードを複数持つ駅の場合には、全属性のレコードから利便性指数と成長率の平均を求めて情報配信プログラム１４３に渡す。情報配信プログラム１４３では検索処理プログラム１４２から渡されたデータと駅データマスタ２０１をもとに、例えば利便性指数と成長率の分布図を生成し、配信する。

図１２は縦軸１２０１に利便性、横軸１２０２に成長率をとり、二次元平面上に駅１２０３をプロットした例で、性質が似ている駅は近くに配置されるなど、駅の性質に関する分布を直感的に把握することができる。駅１２０３は例えば円で表してもよいし、その他の画像や形を描画することも可能である。また色分けや、サイズを例えば利用者数の合計値や規則性指数の平均値など、駅に関するその他の指標を用いて決めてもよい。さらに、このような散布図を用いて、駅を集約した路線の性質も、利便性と成長率の二軸で把握することが可能になる。

図１３は、情報配信サーバ１１３によって生成および配信される提示画面の別の一例である。まず、利用者１１５、１１７が情報端末１１６、１１８を用いて例えばＷｅｂ画面上のプルダウンメニューで表示内容を選択する。例えば利用者１１５、１１７が、ある駅の成長率の時系列変化図を指定した場合、利用者照合および入力条件取得プログラム１４１で時系列変化をみたい「駅」、「成長率」、「期間」、「時系列変化図」という指定条件を受け付け、検索処理プログラム１４２へ渡す。ここで「駅」の数は複数でもよく、また、20歳代男性など属性に関する指定条件を受け付けてもよい。

検索処理プログラム１４２では、利用者照合および入力条件取得プログラム１４１から渡された条件をもとに、駅分類指標データ５０１から該当するデータを抽出する。例えば「ある駅の成長率の時系列変化図」という条件の場合、駅分類指標データ５０１から指定条件の「駅」、「期間」と一致するレコードを全て抽出し、属性に関する指定条件がなく、属性が異なるレコードを複数持つ駅の場合には、時期ごとに全属性のレコードから成長率の平均を求めて情報配信プログラム１４３に渡す。

情報配信プログラム１４３では検索処理プログラム１４２から渡されたデータと駅データマスタ２０１をもとに、例えば指定された駅の成長率の時系列変化グラフを生成し、配信する。提示画面全体１３０１には地図画像が表示されており、駅や路線があらかじめ視認しやすいように表示されている。この地図画像の上に駅の性質に関する情報などをオーバーレイ表示する構成で、情報配信サーバ１１３にリクエストをだしたユーザ１１５、１１７が、例えば画面上の任意の駅の位置をクリックすると、その駅に関する情報がポップアップして表示される。

図１３は、ユーザ１１５、１１７がＡ駅１３０２の位置をクリックした結果、Ａ駅に関する成長率の変化グラフ１３０３が新しく表示された例を示している。また、駅の位置には図１２の例と同様に算出した駅に関する指標値をもとに色、サイズ、形状、模様などを決定し、プロットを行う。このように実際の地図上の位置に基づいて俯瞰することで、地理形状との比較や、都心・郊外といった土地用途などとの比較も可能になる。

図１４は、情報配信サーバ１１３によって生成および配信される提示画面の別の一例である。情報配信サーバ１１３にリクエストをだしたユーザ１１５、１１７が、例えばリクエスト時に駅一覧から任意の駅を選ぶと、その駅がもつ勢力圏や競合駅などを表示する構成である。

まず、利用者１１５、１１７が情報端末１１６、１１８を用いて例えばＷｅｂ画面上のプルダウンメニューで表示内容を選択する。例えば利用者１１５、１１７が、ある駅の勢力圏グラフを指定した場合、利用者照合および入力条件取得プログラム１４１で時系列変化をみたい「駅」、「競合」、「期間」という指定条件に置き換え、検索処理プログラム１４２へ渡す。ここで「駅」の数は複数でもよく、また、20歳代男性など属性に関する指定条件を受け付けてもよい。

検索処理プログラム１４２では、利用者照合および入力条件取得プログラム１４１から渡された条件をもとに、駅分類指標データ５０１から該当するデータを抽出する。例えば「駅」、「競合」、「期間」という条件の場合、駅分類指標データ５０１から指定条件の「駅」、「期間」と一致するレコードを全て抽出し、各レコードが持つ競合駅ＩＤをリストアップする。属性に関する指定がある場合には、駅分類指標データ５０１から指定条件の「駅」、「期間」、「属性」と一致するレコードを抽出し、各レコードが持つ競合駅ＩＤをリストアップする。リストアップした競合駅ＩＤの一覧に重複する駅ＩＤがない場合には、強い競合順にソートして情報配信プログラム１４３に渡す。リストアップした競合駅ＩＤの一覧に重複するものがある場合には、出現回数順にソートして情報配信プログラム１４３に渡す。

情報配信プログラム１４３では、検索処理プログラム１４２から渡されたデータをもとに、強い競合駅順に強調されるよう路線図上にプロットし、駅分類指標データ５０１から抽出したレコードの活動時間帯のデータや、駅データマスタ２０１をもとに付加情報を表示した図を生成し、配信する。

図１４はＡ駅１４０１が注目した駅であり、そのＡ駅が持つ勢力圏１４０６が領域として表示されている。ここで勢力圏とはＡ駅で入出場した全ての利用者の主な移動範囲などであるが、必ずしもこれに限ったものではなく、Ａ駅に関する規則性指数の高い利用者だけを抽出して、その利用者らの主な移動範囲としてもよい。また移動範囲ではなく、買い回り範囲とすることも可能である。これらの表示条件はユーザ１１５、１１７が設定画面やマウス・キーボードなどの入力インタフェースを用いて設定・変更することが可能である。

図１４にはさらに、競合駅１４０２、１４０３、１４０４、１４０５がプロットされている。それらの競合駅の位置には図１２の例と同様に駅に関する指標値をもとに色、サイズ、形状、模様などを決定して、表示を行う。例えば図１４ではＡ駅に関する最も重要な競合駅はＣ駅１４０３であり、次に重要な駅としてＢ駅１４０２、Ｄ駅１４０４、Ｅ駅１４０５があるという例を示している。また各競合駅や注目駅に関する情報や数値を駅の近くに表示してもよい。

図１５は、利用者向けの情報提示画面の一例である。例えばユーザ１１５、１１７がＩＣカード読み取り機能を備えた特定の端末１１８などに自分の交通系ＩＣカードをかざすと、その端末でＩＣカードのＩＤを読み取り、情報配信サーバ１１３へネットワーク１１４を介して送信する。情報配信サーバ１１３では利用者照合および入力条件取得プログラム１４１で、ＩＣカードのＩＤ情報を受信し、検索処理プログラム１４２を呼び出す。

検索処理プログラム１４２では渡されたＩＤ情報をもとに、ユーザデータマスタ２０４から、そのＩＣカードの所有者の属性を抽出する。また利用者分類指標データ４０１から「ユーザＩＤ」、例えば最近一カ月などの「時期」に該当するレコードを抽出し、利用割合の高い駅毎にソートする。ここで利用割合が上位である駅３つ、その利用タイプを抽出し、最近のＩＣカード利用パターン情報とする。生成された最近のＩＣカード利用パターンにリストアップされた駅と競合関係にある駅を、駅分類指標データ５０１から抽出し、さらに店舗データマスタ２０５や地域データ２０６で該当するレコードを抽出し、地図上にプロットするなど視覚的に分かりやすい表現に加工した上で、おすすめの駅として提示する。

その結果、情報配信プログラム１４３の実行により最終的に生成される画面の一例１５０１が図１５に示すもので、主に個人の行動パターン情報１５０２および、おすすめ情報１５０３、その他、駅の性質や算出値などに関する情報１５０４で構成される。この他にも利用者の駅利用のスタイルを格付け、またはタイプ分けするなど、ゲーム要素を導入することも可能である。

なお、上記の例では指標値を求めるために交通系非接触ＩＣカードの利用履歴を用いた例を示したが、これに加えてクレジットカードの決済や他の電子マネー、携帯電話等で取得した位置情報や購買情報などの利用履歴を合わせて分析することで、より指標値の精度や質を向上させることが可能になる。

以上のように、駅利用者の行動傾向の分類を行い、それに基づく駅の特性評価を行うことにより、本当の利用実態に即した評価結果を利用者の要求に応じて情報提供することが可能になる。

以上、本発明の実施形態について説明したが、本発明は上記実施形態に限定されるものではなく、種々変形実施可能であり、上述した各実施形態を適宜組み合わせることが可能であることは、当業者に理解されよう。

１０１…非接触ＩＣカード
１０２…利用者（ＩＣカード所有者）
１０３…改札機
１０４…ネットワーク
１１１…履歴サーバ
１１２…計算サーバ
１１３…情報配信サーバ
１１４…インターネット
１１５、１１７…利用者
１１６…携帯情報端末
１１８…情報端末
１２１…データ格納部
１２２…ＩＤ付き位置ログデータ
１２３…ＩＤ付き購買ログデータ
１２４…ユーザデータ
１２５…店舗・地域データ
１３１…ＣＰＵ
１３２…メモリ
１３３…記憶部
１３４…集計処理プログラム
１３５…駅分類指標値算出プログラム
１３６…利用者分類指標値算出プログラム
１３７…照合処理プログラム
１３８…データ格納部
１３９…ネットワークインタフェース
１４１…利用者照合および入力条件取得プログラム
１４２…検索処理プログラム
１４３…情報配信プログラム
１４４…ネットワークインタフェース
１４５…ネットワークインタフェース
１４６…ＣＰＵ
１４７…メモリ
２０１…駅データマスタ
２０２…ＩＤ付き位置ログデータ
２０３…ＩＤ付き購買ログデータ
２０４…ユーザデータマスタ
２０５…店舗データマスタ
２０６…地域データ
３０１〜３０５…処理ステップ
４０１…利用者分類指標データ
５０１…駅分類指標データ
６０１〜６０４…処理ステップ
７０１〜７０２…ノード（駅）
７０３〜７０４…有向エッジ
７０５〜７０６…重み
８０１〜８０３…処理ステップ
９０１〜９０４…処理ステップ
１００１〜１００３…処理ステップ
１１０１〜１１０４…処理ステップ
１２０１…縦軸（利便性）
１２０２…横軸（成長率）
１２０３…駅
１３０１…提示画面例
１３０２…駅
１３０３…グラフ
１４０１…注目駅
１４０２〜１４０５…競合駅
１５０１…利用者向け提示画面例
１５０２…個人の行動パターン情報
１５０３…おすすめ情報
１５０４…駅情報

Claims (6)

1. 交通系決済手段と通信を行う端末にネットワークを介して接続される情報処理装置であって、
   上記ネットワークに接続されるネットワークインタフェースと、
   上記ネットワークインタフェースに接続されるプロセッサと、
   上記プロセッサに接続される記録装置と、を備え、
   上記プロセッサは、
   上記ネットワークインタフェースを介して上記交通系決済手段の利用履歴を受け、上記利用履歴に含まれる入出場履歴及び購買履歴に基づいて上記交通系決済手段の利用者の駅ごとの行動傾向を示す指標を算出して上記記録装置に格納し、
   上記行動傾向を示す指標に基づいて上記駅の特性を示す指標を算出して上記記録装置に格納し、上記入出場履歴及び上記購買履歴に含まれる駅ＩＤ及び利用時刻に基づいて上記駅ごとの上記入出場履歴及び上記購買履歴を抽出し、上記抽出した入出場履歴及び購買履歴に基づいて、上記駅の利用パターンの規則性を示す規則性指数、
   上記駅を利用する時間帯を示す利用時間帯、上記駅の利用目的を示す利用タイプ、及び上記駅それぞれの利用配分を示す利用割合を、上記行動傾向を示す指標として算出し、
   さらに上記プロセッサは、
   上記規則性指数が所定値以上の利用者による入出場者数に基づいて上記駅の利便性を示す利便性指数の算出、上記規則性指数及び上記利用割合に基づいて上記駅の利用形態の変化を示す成長率の算出、上記利用割合が所定値以上の利用者による上記利用時間帯に基づいて上記駅が利用される時間帯を示す活動時間帯の算出、および上記利用割合に基づいて競合駅の算出の少なくとも一つを実行することを特徴とする情報処理装置。
2. 請求項１に記載の情報処理装置において、
   上記プロセッサは、入力される要求に応じて、上記記録装置に格納される上記行動傾向を示す指標又は上記駅の特性を示す指標を加工して、接続される表示装置に出力する情報処理装置。
3. 請求項１に記載の情報処理装置において、
   上記プロセッサは、上記時系列に抽出した入出場履歴及び購買履歴それぞれの時間間隔のヒストグラムから上記規則性指数を算出する情報処理装置。
4. 請求項２に記載の情報処理装置において、
   上記プロセッサは、上記ネットワークインタフェースを介して上記交通系決済手段のＩＤを受信し、上記交通系決済手段のＩＤに基づいて上記交通系決済手段の利用者の行動傾向を示す指標を上記記録装置から抽出し、上記抽出した行動傾向を示す指標に基づいて上記駅の特性を示す指標を抽出し、上記行動傾向を示す指標及び上記駅の特性を示す指標を加工して上記交通系決済手段の表示部に出力する情報処理装置。
5. 交通系決済手段と通信を行う端末にネットワークを介して接続される第１の情報処理装置と、上記第１の情報処理装置と上記ネットワークを介して接続される第２の情報処理装置とからなる情報処理システムであって、
   上記第１の情報処理装置は、上記ネットワークに接続される第１のネットワークインタフェースと、上記第１のネットワークインタフェースに接続される第１のプロセッサと、上記第１のプロセッサに接続される第１の記録装置と、を備え、
   上記第２の情報処理装置は、上記ネットワークに接続される第２のネットワークインタフェースと、上記第２のネットワークインタフェースに接続される第２のプロセッサと、上記第２のプロセッサに接続される第２の記録装置と、を備え、
   上記第１のプロセッサは、上記第１のネットワークインタフェースを介して上記交通系決済手段の利用履歴を受け、上記利用履歴に含まれる入出場履歴及び購買履歴に基づいて上記交通系決済手段の利用者の駅ごとの行動傾向を示す指標を算出して上記第１の記録装置に格納し、上記行動傾向を示す指標に基づいて上記駅の特性を示す指標を算出して上記第１の記録装置に格納し、
   上記第２のプロセッサは、入力される要求に応じて、上記第１の記録装置に格納される上記行動傾向を示す指標又は上記駅の特性を示す指標を加工して、接続される表示装置に出力し、
   上記第１のプロセッサは、上記入出場履歴及び上記購買履歴に含まれる駅ＩＤ及び利用時刻に基づいて上記駅ごとの上記入出場履歴及び上記購買履歴を抽出し、上記抽出した入出場履歴及び購買履歴に基づいて、上記駅の利用パターンの規則性を示す規則性指数、上記駅を利用する時間帯を示す利用時間帯、上記駅の利用目的を示す利用タイプ、及び上記駅それぞれの利用配分を示す利用割合を、上記行動傾向を示す指標として算出し、
   さらに上記第１のプロセッサは、
   上記規則性指数が所定値以上の利用者による入出場者数に基づいて上記駅の利便性を示す利便性指数の算出、上記規則性指数及び上記利用割合に基づいて上記駅の利用形態の変化を示す成長率の算出、上記利用割合が所定値以上の利用者による上記利用時間帯に基づいて上記駅が利用される時間帯を示す活動時間帯の算出、および上記利用割合に基づいて競合駅の算出の少なくとも一つを実行することを特徴とする情報処理システム。
6. 請求項５に記載の情報処理システムにおいて、
   上記第２のプロセッサは、上記ネットワークインタフェースを介して上記交通系決済手
   段のＩＤを受信し、上記交通系決済手段のＩＤに基づいて上記交通系決済手段の利用者の
   行動傾向を示す指標を上記第１の記録装置から抽出し、上記抽出した行動傾向を示す指標
   に基づいて上記駅の特性を示す指標を上記第１の記録装置から抽出し、上記行動傾向を示
   す指標及び上記駅の特性を示す指標を加工して上記交通系決済手段の表示部に出力する情
   報処理システム。

Images