JP6230306B2 - 混雑度パターンの特定及び混雑度の予測のための情報処理装置、情報処理方法及びプログラム - Google Patents

Description

本発明は、混雑度パターンの特定及び混雑度の予測の技術に関する。

あるエリアの将来の混雑度を予測する技術が知られている。特許文献１には、各車両についての位置情報の時系列データから各車両の移動速度と移動方向とを算出し、算出された個々の車両の移動速度と移動方向とに応じて、所定時間後の各道路の全車両の存在確率を求め、交通量（すなわち、混雑度）を予測する技術について記載されている。

特許３３３７２０２号明細書

しかしながら、通常、あるエリアの将来の混雑度は位置情報を現に測定できている移動体以外の様々な要因によっても変化する。そのため、上記の従来技術のように位置情報を現に測定している移動体の移動速度と移動方向のみから算出された将来の混雑度の予測の精度は低い場合がある。

本発明は上記に鑑みてなされたものであり、その目的は、対象エリアの将来の混雑度をより高い精度で予測するために用いる技術を提供することにある。

本発明に係る情報処理装置は、対象エリアにおける携帯端末の過去の測位情報を参照して、前記対象エリアの過去の複数の時間帯のそれぞれにおける混雑度の遷移を時間帯別混雑度遷移として算出する混雑度特定手段と、複数の前記時間帯別混雑度遷移をクラスタリングすることによって、前記対象エリアにおける将来の混雑度を予測するために用いる混雑度の遷移のパターンを生成する混雑度パターン生成手段とを備えたことを特徴とする。

本発明に係る他の情報処理装置は、対象エリアにおける混雑度の遷移のパターンを記憶する記憶手段であって、前記パターンは、前記対象エリアにおける携帯端末の過去の測位情報に基づいて前記対象エリアの過去の複数の時間帯のそれぞれに対して算出された混雑度の遷移をクラスタリングすることによって生成される、記憶手段と、前記対象エリアの前記パターンを参照して、前記対象エリアの将来の混雑度を予測する予測手段とを備えたことを特徴とする。

本発明に係る情報処理方法は、制御部を備える情報処理装置において実施される方法であって、前記制御部が、対象エリアにおける携帯端末の過去の測位情報を参照して、前記対象エリアの過去の複数の時間帯のそれぞれにおける混雑度の遷移を時間帯別混雑度遷移として算出する混雑度特定ステップと、前記制御部が、複数の前記時間帯別混雑度遷移をクラスタリングすることによって、前記対象エリアにおける将来の混雑度を予測するために用いる混雑度の遷移のパターンを生成する混雑度パターン生成ステップとを備えたことを特徴とする。

本発明に係る他の情報処理方法は、制御部と記憶部とを備える情報処理装置において実施される方法であって、前記記憶部は、対象エリアにおける混雑度の遷移のパターンを記憶し、前記パターンは、前記対象エリアにおける携帯端末の過去の測位情報に基づいて前記対象エリアの過去の複数の時間帯のそれぞれに対して算出された混雑度の遷移をクラスタリングすることによって生成され、前記方法は、前記対象エリアの前記パターンを参照して、前記対象エリアの将来の混雑度を予測するステップを備えたことを特徴とする。

本発明に係るプログラムは、コンピュータを、対象エリアにおける携帯端末の過去の測位情報を参照して、前記対象エリアの過去の複数の時間帯のそれぞれにおける混雑度の遷移を時間帯別混雑度遷移として算出する混雑度特定手段、複数の前記時間帯別混雑度遷移をクラスタリングすることによって、前記対象エリアにおける将来の混雑度を予測するために用いる混雑度の遷移のパターンを生成する混雑度パターン生成手段として機能させることを特徴とする。

本発明に係る他のプログラムは、コンピュータを、対象エリアにおける混雑度の遷移のパターンを記憶する記憶手段であって、前記パターンは、前記対象エリアにおける携帯端末の過去の測位情報に基づいて前記対象エリアの過去の複数の時間帯のそれぞれに対して算出された混雑度の遷移をクラスタリングすることによって生成される、記憶手段、前記対象エリアの前記パターンを参照して、前記対象エリアの将来の混雑度を予測する予測手段として機能させることを特徴とする。

また、本発明のプログラムは、ＣＤ−ＲＯＭ等の光学ディスク、磁気ディスク、半導体メモリなどの各種の記録媒体を通じて、又は通信ネットワークなどを介してダウンロードすることにより、コンピュータにインストール又はロードすることができる。

本発明によれば、対象エリアの将来の混雑度をより高い精度で予測するために用いる技術を提供することができる。

一実施形態におけるシステムの構成を示す概念図である。 一実施形態における情報処理装置の機能構成を示すブロック図である。 一実施形態において、情報処理装置に記憶された情報の構成を示す図である。 一実施形態における混雑度パターンを概念的に示す図である。 一実施形態における情報処理装置で実施される処理を示すフローチャートである。 一実施形態における混雑度パターンを概念的に示す図である。 一実施形態において混雑度の予測の例を説明するための図である。 一実施形態における情報処理装置で実施される処理を示すフローチャートである。

以下、本発明の実施形態について、図面を参照しつつ詳細に説明する。ただし、発明の範囲をこれらに限定するものではない。

図１を参照して、一実施形態に係る混雑度予測システムの構成について説明する。混雑度予測システム１は、混雑度予測装置１０及び複数の端末装置２０などの情報処理装置を主に備える。混雑度予測装置１０と複数の端末装置２０は、ネットワークＮを介して相互に通信することができる。なお、図１では、３つの端末装置２０が記載されているが、混雑度予測装置１０と通信可能な端末装置２０の数は、任意である。

ネットワークＮは、混雑度予測装置１０と端末装置２０との間で情報を送受信するための通信回線である。例えば、インターネット、ＬＡＮ、専用線、パケット通信網、電話回線、企業内ネットワーク、その他の通信回線、それらの組み合わせ等のいずれであってもよく、有線であるか無線であるかを問わない。

混雑度予測装置１０は、ハードウェア構成として、制御部１１、通信部１４、及び記憶部１５を主に備える。制御部１１は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１２及びメモリ１３を主に備えて構成される。混雑度予測装置１０は、専用又は汎用のサーバ・コンピュータなどの情報処理装置を用いて実現することができ、例えば、ＣＰＵ１２がメモリ１３等に格納された所定のプログラムを実行することにより、各種の機能実現手段として機能する。なお、混雑度予測装置１０は、単一の情報処理装置より構成されるものであっても、ネットワーク上に分散した複数の情報処理装置より構成されるものであってもよい。

制御部１１では、ＣＰＵ１２は、記憶部１５等に記憶されたプログラムをメモリ１３に展開して実行することにより、混雑度予測装置１０が備える各種構成の動作を制御し、また、各種処理の実行を制御する。制御部１１において実行される処理の詳細は後述する。

通信部１４は、ネットワークＮを介して端末装置２０等の各種情報処理装置と通信するための通信インタフェースである。通信部１４は、例えば、端末装置２０からの測位情報を受信する。

記憶部１５は、ハードディスク等の記憶装置によって構成される。記憶部１５は、制御部１１における処理の実行に必要な各種プログラムや各種の情報を記憶する。記憶部１５に記憶されている情報の具体例については後述する。

端末装置２０は、例えば、携帯電話機、スマートフォン、ＰＤＡ（Personal Digital Assistants）、ナビゲーション装置、パーソナルコンピュータなどの現在位置を測位した測位情報を所定時間間隔でアップロードする機能を備えた情報端末（好ましくは、携帯端末）を適用することができる。端末装置２０は、図示しないが、主制御部、通信部、表示部、操作部、記憶部、測位処理部などの各種機能実現手段を主に備える。

図２を参照して、一実施形態に係る混雑度予測装置１０の機能構成を説明する。混雑度予測装置１０は、機能構成として、混雑度特定部１１１、混雑度パターン生成部１１２、混雑度予測部１１３及びデータベース１２０を主に備える。これらの機能は、例えば、制御部１１において、ＣＰＵ１２が、記憶部１５等に記憶されたプログラムをメモリ１３に展開して実行することにより実現される。

混雑度特定部１１１は、データベース１２０に記憶された地図情報及び端末装置の過去の測位情報を参照し、任意に設定されたエリア毎に、過去の複数の時間帯のそれぞれにおける時系列の混雑度の遷移を時間帯別混雑度遷移として算出して出力する。具体的には、混雑度特定部１１１は、地図情報と、混雑度を算出する対象となるエリア（対象エリア）における端末装置の過去の測位情報とを参照して、過去の複数の時間帯のそれぞれにおける対象エリアの面積に対する測位点の数に基づいて、対象エリアの混雑度の遷移を時間帯別混雑度遷移として算出して出力する。混雑度特定部１１１による時間帯別混雑度遷移の出力対象の時間帯は、任意に設定することができる。例えば、混雑度が所定の閾値以上である時間帯を出力対象の時間帯として設定することができる。もしくは、混雑度が所定の閾値以上である時間帯の前後（もしくは、前又は後のみ）に所定の時間（例えば、１時間）を付加した時間帯を出力対象の時間帯として設定することができる。また、出力された時間帯別混雑度遷移には、対応する時間帯における所定時間ごと（例えば、５分ごと）の混雑度が含まれている。

図３は、データベース１２０に記憶された測位情報の例を示している。この例では、測位情報は、端末装置２０が測位された時刻である測位時刻、端末装置２０の識別情報である端末装置ＩＤ、端末装置２０が測位された位置である測位位置（緯度、及び経度）の情報を含む。

図４を参照して、混雑度特定部１１１により出力される時間帯別混雑度遷移の例を概念的に説明する。図４には、対象エリアにおいて、時間帯Ａにおいて混雑度が所定の閾値以上であることが示されている。従って、この場合、混雑度特定部１１１は、対象エリアにおける時間帯Ａの所定の時間ごと（例えば、５分ごと）の混雑度の全てを含む混雑度を時間帯Ａの時間帯別混雑度遷移として算出し出力する。

図２の説明に戻る。混雑度パターン生成部１１２は、混雑度特定部１１１により出力された対象エリアの複数の時間帯別混雑度遷移をクラスタリングすることによって、対象エリアにおける将来の混雑度を予測するために用いる混雑度の遷移のパターンを生成する。対象エリアにおける将来の混雑度の予測方法については後述する。混雑度パターン生成部１１２は、生成した混雑度の遷移のパターンの情報をデータベース１２０に記憶する。

図５を参照して、混雑度パターン生成部１１２により混雑度の遷移のパターンを生成する処理の具体例を説明する。混雑度パターン生成部１１２は、まず、１つの対象エリアにおける複数の時間帯別混雑度遷移をクラスタリングする。クラスタリングは、時間帯別混雑度遷移に含まれる各時間における混雑度に基づいて行う。図５の破線は、１つの対象エリアにおける複数の時間帯別混雑度遷移をクラスタリングすることによって得られた１つのクラスタに含まれる複数の時間帯別混雑度遷移を示している。混雑度パターン生成部１１２は、１つのクラスタに含まれる複数の時間帯別混雑度遷移の代表値をその対象エリアの混雑度パターンの１つとして生成する。代表値は、例えば、複数の時間帯別混雑度遷移の各時間における混雑度の平均値又は中央値のセットとすることができる。１つの対象エリアの混雑度パターンは、クラスタ毎に生成される。

図６は、混雑度パターン生成部１１２により生成された混雑度パターンの例を示している。（Ａ）は、台形形状の混雑度パターンを示している。（Ｂ）は、山形状の混雑度パターンを示している。（Ｃ）は、それほど高くない混雑度が長時間続く混雑度パターンである。

ある対象エリアに対して上記のように生成された混雑度パターンは、その対象エリアの将来の混雑度を予測するために用いることができる。すなわち、あるエリアの混雑の仕方（例えば、混雑度の時系列の変化や、混雑度の最大値など）には傾向（すなわち、混雑度パターン）があることが多い。例えば、コンサート会場が存在するエリアでは、コンサート会場の開場の前に混雑が始まり、コンサートの終了後（例えば、混雑の開始から３時間後）から混雑度が減少するという傾向があることが考えられる。従って、あるエリアの混雑度が上昇し始めた場合、混雑度パターンを参照することによって、その混雑がいつ頃まで、どの程度まで上昇し、いつ頃から減少し始めるかを予測することができる。また、例えば、駅が存在するエリアでは、朝及び夜の通勤時間の混雑度は高く、早朝の混雑度は低いという傾向があることが考えられる。従って、あるエリアの混雑度パターンを参照することによって、そのエリアは、いつの時間帯の混雑度が高く、いつの時間帯の混雑度が低いかについて、将来の混雑度を予測することができる。

なお、混雑度パターン生成部１１２は、複数の日の同じ時間帯（例えば、朝、昼、又は夜）において特定された時間帯別混雑度遷移をクラスタリングすることによって、異なる時間帯ごと（例えば、朝、昼、又は夜の別）に異なるパターンを生成しても良い。さらに、混雑度パターン生成部１１２は、曜日別、平日／休日の別、週別、月別、又は季節別に混雑度遷移をクラスタリングし、曜日別、平日／休日の別、週別、月別、又は季節別に異なるパターンを生成しても良い。一般に、あるエリアにおける混雑の傾向（混雑度パターン）は、朝であるか、昼であるか、さらには平日であるか、休日であるか等によって異なる。従って、このように生成された異なるパターンを使用することによって、より高い精度で将来の混雑度の予測を行うことができる。

混雑度予測部１１３は、混雑度パターン生成部１１２により生成された対象エリアの混雑度パターンを参照して、対象エリアの将来の混雑度を予測する。具体的には、例えば、混雑度予測部１１３は、まず、データベース１２０の測位情報を参照し、対象エリアにおける直近の過去の時間帯（例えば、現在時刻から過去３０分間）の所定時間ごと（例えば、５分ごと）の混雑度の遷移を直近混雑度遷移として算出する。混雑度予測部１１３は、データベース１２０の混雑度パターン情報を参照し、対象エリアの混雑度パターンのうち、一部分の混雑度の遷移が直近混雑度遷移と近似する混雑度パターンを特定する。混雑度予測部１１３は、当該特定された混雑度パターンの近似していた部分の後の時間の部分を用いて、対象エリアにおける直近の時間帯の後の時間帯における混雑度を予測する。混雑度予測部１１３は、混雑度の予測値をデータベース１２０に記憶する。このように、混雑度予測部１１３は、対象エリアにおける過去の混雑度の遷移に基づいて生成された対象エリアの混雑度パターンを参照して、対象エリアの将来の混雑度を予測するため、高い精度で混雑度を予測することができる。

図７を参照して、上記の方法による混雑度の予測の例を説明する。混雑度予測部１１３は、まず、直近混雑度遷移として、時間ａから時間ｂまでの時間帯の混雑度の遷移を算出する。混雑度予測部１１３は、対象エリアの混雑度パターンのうち、一部分の混雑度の遷移が直近混雑度遷移と近似する混雑度パターンＡを特定する。混雑度予測部１１３は、混雑度パターンＡのうち、直近の時間帯より後（すなわち、時間ｂより後）の時間の部分を用いて、対象エリアにおける直近の時間帯の後の時間帯における混雑度を予測する。すなわち、この場合、混雑度予測部１１３は、例えば、対象エリアの混雑度は、時間ｃから下がっていくと予測することができる。

また、混雑度予測部１１３は、将来の混雑度の予測の他の方法として、直近混雑度遷移を用いずに、対象エリアの混雑度パターンを参照し、将来の混雑度を予測することもできる。すなわち、混雑度予測部１１３は、対象エリアの混雑度パターンに含まれている各時間の混雑度のうち、予測をしたい時間（例えば、午前８時）の混雑度を取得し、取得した混雑度を将来の混雑度の予測値とすることができる。

なお、前述のように、混雑度パターン生成部１１２により異なる時間帯ごと（例えば、朝、昼、又は夜の別）に異なる混雑度パターンが生成されている場合、混雑度予測部１１３は、混雑度を予測する時間に対応する時間帯の混雑度パターンを用いて混雑度の予測を行うことができる。さらに、混雑度パターン生成部１１２により曜日別、平日／休日の別、週別、月別、又は季節別に異なる混雑度パターンが生成されている場合、混雑度予測部１１３は、混雑度を予測する時間に対応する混雑度パターンを用いて混雑度の予測を行うことができる。このように異なる混雑度パターンを使用することによって、より高い精度で将来の混雑度の予測を行うことができる。

なお、混雑度予測部１１３は、混雑度予測装置１０とは別の外部装置に備えるようにしても良い。この場合、その外部装置は、混雑度パターン生成部１１２により生成された混雑度パターンの情報を記憶する記憶部を備える。混雑度予測部１１３は、この記憶部に記憶された混雑度パターンの情報を参照して、対象エリアの将来の混雑度を予測する。

上記の例では、混雑度予測部１１３は、対象エリアの混雑度パターンを参照して、当該対象エリアの将来の混雑度を予測しているが、混雑度の予測はこの方法に限定されない。例えば、混雑度予測部１１３は、対象エリアの混雑度パターンのうち、一部分の混雑度の遷移が直近混雑度遷移と近似する混雑度パターンを特定できない場合、対象エリアの属性に対応する（同じである）属性を有する他のエリアについての混雑度パターンを参照して、対象エリアの将来の混雑度を予測することができる。他のエリアの混雑度パターンを用いて対象エリアの混雑度の予測をする方法は、対象エリアの混雑度パターンを用いて予測する方法と同じである。

ここで、属性とは、エリアの特徴を示す情報である。属性の例として、そのエリアにコンサート会場が存在する、サッカー場が存在する、野球場が存在する、又は駅が存在するという特徴をそれぞれエリアの属性とすることができる。エリアの属性の情報は、地図情報としてデータベース１２０に予め記憶されている。通常、対象エリアの属性と他のエリアの属性とが対応する（同じである）場合、当該対象エリアの混雑度の遷移は当該他のエリアの混雑度の遷移と類似することが予測される。従って、このように、対象エリアの混雑度を予測するために、当該対象エリアの属性に対応する属性を有する他のエリアの混雑度パターンを用いることによって、対象エリアの直近混雑度遷移が対象エリアの混雑度パターンに対応しない場合であっても、混雑度の予測を行うことができる。

なお、上記の例では、混雑度予測部１１３は、対象エリアの混雑度パターンのうち、一部分の混雑度の遷移が直近混雑度遷移と近似する混雑度パターンを特定できない場合に、他のエリアについての混雑度パターンを参照して、対象エリアの将来の混雑度を予測しているがこれに限定しない。対象エリアの混雑度パターンのうち、一部分の混雑度の遷移が直近混雑度遷移と近似する混雑度パターンを特定できるか否かに関わらず、混雑度予測部１１３は、対象エリアの属性に対応する属性を有する他のエリアについての混雑度パターンを参照して、対象エリアの将来の混雑度を予測してもよい。

データベース１２０は、混雑度予測装置１０において実行される上記の処理に必要な情報、及び当該処理により生成された情報など、各種情報を記憶する。データベース１２０は、例えば、測位情報、地図情報、混雑度パターン情報及び混雑度予測値情報を記憶している。

次に、図８を参照して、混雑度予測装置１０において実行される処理のフローを説明する。なお、以下に説明する処理フローに含まれる各処理ステップは、処理内容に矛盾を生じない範囲で、任意に順番を変更して又は並列に実行することができるとともに、各処理ステップ間に他のステップを追加してもよい。また、便宜上１ステップとして記載されているステップは、複数ステップに分けて実行することができる一方、便宜上複数ステップに分けて記載されているものは、１ステップとして把握することができる。

まず、ステップＳ１１において、制御部１１は、データベース１２０に記憶された地図情報及び端末装置の過去の測位情報を参照し、任意に設定されたエリア毎に、過去の複数の時間帯のそれぞれにおける混雑度の遷移を時間帯別混雑度遷移として算出する。

ステップＳ１２において、制御部１１は、ステップＳ１１で算出された対象エリアの複数の時間帯別混雑度遷移をクラスタリングすることによって、対象エリアにおける将来の混雑度を予測するために用いる混雑度のパターンを生成する。

ステップＳ１３において、制御部１１は、ステップＳ１２で生成された対象エリアの混雑度パターンを参照して、対象エリアの将来の混雑度を予測する。予測処理の詳細は、前述したとおりである。

以上のように、本実施形態によれば、混雑度予測部１１３は、対象エリアにおける過去の混雑度の遷移に基づいて生成された対象エリアの混雑度パターンを参照して、対象エリアの将来の混雑度を予測するため、高い精度で混雑度を予測することができる。

本発明は、上記した実施の形態に限定されるものではなく、本発明の要旨を逸脱しない範囲内において、他の様々な形で実施することができる。上記実施形態はあらゆる点で単なる例示にすぎず、限定的に解釈されるものではない。

１ 混雑度予測システム、１０ 混雑度予測装置、１１ 制御部、１２ ＣＰＵ、１３ メモリ、１４ 通信部、１５ 記憶部、２０ 端末装置

Claims (11)

1. 対象エリアにおける携帯端末の過去の測位情報を参照して、前記対象エリアの過去の複数の時間帯のそれぞれにおける混雑度の遷移を時間帯別混雑度遷移として算出する混雑度特定手段と、
   複数の前記時間帯別混雑度遷移をクラスタリングすることによって、前記対象エリアにおける将来の混雑度を予測するために用いる混雑度の遷移のパターンを生成する混雑度パターン生成手段と、
   前記対象エリアの前記パターンと、前記対象エリアについての所定の施設の存在の有無を示す属性に対応する属性を有するエリアについて生成された前記パターンとを参照して、前記対象エリアの将来の混雑度を予測する予測手段と
   を備えたことを特徴とする情報処理装置。
2. 前記時間帯別混雑度遷移は、対応する時間帯における所定時間ごとの混雑度を含み、
   前記混雑度パターン生成手段は、前記時間帯別混雑度遷移に含まれる所定時間ごとの混雑度に基づいてクラスタリングを行うことを特徴とする請求項１に記載の情報処理装置。
3. 前記混雑度パターン生成手段は、複数の日の同じ時間帯における前記時間帯別混雑度遷移をクラスタリングすることによって、異なる時間帯ごとに異なる前記パターンを生成することを特徴とする請求項１又は２に記載の情報処理装置。
4. 前記混雑度パターン生成手段は、曜日別、平日／休日の別、週別、月別、又は季節別に前記時間帯別混雑度遷移をクラスタリングすることによって、異なる前記パターンを生成することを特徴とする請求項１から３のいずれか１項に記載の情報処理装置。
5. 対象エリアにおける混雑度の遷移のパターンを記憶する記憶手段であって、前記パターンは、前記対象エリアにおける携帯端末の過去の測位情報に基づいて前記対象エリアの過去の複数の時間帯のそれぞれに対して算出された混雑度の遷移をクラスタリングすることによって生成される、記憶手段と、
   前記対象エリアの前記パターンと、前記対象エリアについての所定の施設の存在の有無を示す属性に対応する属性を有するエリアについて生成された前記パターンとを参照して、前記対象エリアの将来の混雑度を予測する予測手段と
   を備えたことを特徴とする情報処理装置。
6. 前記予測手段は、前記対象エリアにおける携帯端末の過去の測位情報に基づいて前記対象エリアの直近の過去の時間帯の混雑度の遷移を直近混雑度遷移として算出し、前記対象エリアの前記パターンのうち、一部分の混雑度の遷移が前記直近混雑度遷移と近似するパターンを特定し、当該特定されたパターンを参照して、前記対象エリアの将来の混雑度を予測することを特徴とする請求項５に記載の情報処理装置。
7. 前記予測手段は、前記対象エリアの前記パターンのうち、一部分の混雑度の遷移が前記直近混雑度遷移と近似するパターンを特定できない場合、前記対象エリアについての所定の施設の存在の有無を示す属性に対応する属性を有するエリアについての前記パターンを参照して、前記対象エリアの将来の混雑度を予測することを特徴とする請求項６に記載の情報処理装置。
8. 制御部を備える情報処理装置において実施される方法であって、
   前記制御部が、対象エリアにおける携帯端末の過去の測位情報を参照して、前記対象エリアの過去の複数の時間帯のそれぞれにおける混雑度の遷移を時間帯別混雑度遷移として算出する混雑度特定ステップと、
   前記制御部が、複数の前記時間帯別混雑度遷移をクラスタリングすることによって、前記対象エリアにおける将来の混雑度を予測するために用いる混雑度の遷移のパターンを生成する混雑度パターン生成ステップと、
   前記対象エリアの前記パターンと、前記対象エリアについての所定の施設の存在の有無を示す属性に対応する属性を有するエリアについて生成された前記パターンとを参照して、前記対象エリアの将来の混雑度を予測する予測ステップと
   を備えたことを特徴とする方法。
9. 制御部と記憶部とを備える情報処理装置において実施される方法であって、
   前記記憶部は、対象エリアにおける混雑度の遷移のパターンを記憶し、前記パターンは、前記対象エリアにおける携帯端末の過去の測位情報に基づいて前記対象エリアの過去の複数の時間帯のそれぞれに対して算出された混雑度の遷移をクラスタリングすることによって生成され、
   前記方法は、
   前記対象エリアの前記パターンと、前記対象エリアについての所定の施設の存在の有無を示す属性に対応する属性を有するエリアについて生成された前記パターンとを参照して、前記対象エリアの将来の混雑度を予測するステップを備えたことを特徴とする方法。
10. コンピュータを、
    対象エリアにおける携帯端末の過去の測位情報を参照して、前記対象エリアの過去の複数の時間帯のそれぞれにおける混雑度の遷移を時間帯別混雑度遷移として算出する混雑度特定手段、
    複数の前記時間帯別混雑度遷移をクラスタリングすることによって、前記対象エリアにおける将来の混雑度を予測するために用いる混雑度の遷移のパターンを生成する混雑度パターン生成手段、
    前記対象エリアの前記パターンと、前記対象エリアについての所定の施設の存在の有無を示す属性に対応する属性を有するエリアについて生成された前記パターンとを参照して、前記対象エリアの将来の混雑度を予測する予測手段
    として機能させるためのプログラム。
11. コンピュータを、
    対象エリアにおける混雑度の遷移のパターンを記憶する記憶手段であって、前記パターンは、前記対象エリアにおける携帯端末の過去の測位情報に基づいて前記対象エリアの過去の複数の時間帯のそれぞれに対して算出された混雑度の遷移をクラスタリングすることによって生成される、記憶手段、
    前記対象エリアの前記パターンと、前記対象エリアについての所定の施設の存在の有無を示す属性に対応する属性を有するエリアについて生成された前記パターンとを参照して、前記対象エリアの将来の混雑度を予測する予測手段
    として機能させるためのプログラム。