JP6674791B2 - 混雑度推定方法、人数推定方法、混雑度推定プログラム、人数推定プログラム、および人数推定システム - Google Patents

Description

本発明は、ナビゲーションシステムなどに用いられる混雑度および人数（所定範囲内の人数）の推定方法に関する。

携帯電話などの携帯端末装置の高機能化・高解像度化により、近年、地図を利用するアプリケーションソフトウェアが多く開発されている。そのようなアプリケーションソフトウェアの１つとして、携帯端末装置の利用者（以下、「ユーザー」という。）を目的地に案内するための「経路案内アプリ」などと呼ばれるアプリケーションソフトウェアが知られている。経路案内アプリでは、ユーザーの現在地から目的地までの経路探索が行われ、その結果が携帯端末装置の画面上に地図とともに表示される。このような経路案内アプリを利用することにより、ユーザーは手元に地図がない場合でも目的地に容易にたどり着くことができる。

一般に、経路案内アプリでは、最短距離の経路の探索が行われるだけでなく最短時間の経路の探索も行われる。また、画面上に経路を表示するだけでなく、現在地から目的地までの予測所要時間も表示される。以上のように、経路案内アプリでは、移動に要する時間を予測する必要があり、道路の混雑状況を考慮した予測を行うためには混雑度や人数を推定する必要がある。

道路上の人数を推定する手法としては、携帯端末装置のＧＰＳ機能によって得られる位置情報を用いる手法（以下、「第１の従来手法」という。）や監視カメラの映像を用いる手法（以下、「第２の従来手法」という。）が知られている。第１の従来手法では、或る携帯電話事業者に契約しているユーザーの携帯端末装置のうちＧＰＳ機能をオンに設定している装置から位置情報が取得され、日本の総人口に対する当該携帯電話事業者の契約者数の割合に基づいて所定のエリア毎の人数が推定されている。第２の従来手法では、道路上あるいは道路近傍に設置された監視カメラで得られた映像を用いて画像処理（例えば、映像から人を検出して人の頭の数をカウントする処理）を行うことによって、監視カメラ近傍の領域の人数が推定されている。

なお、本件発明に関連して、以下の先行技術文献が知られている。特開２００９−１１００５４号公報には、監視カメラの撮像画像の局所領域における輝度値の時間変化率に基づいて人の移動状況や混雑度を判定する状況判定装置の発明が開示されている。特開２０１５−２１９８３３号公報には、監視カメラが設置していない場所の混雑度をウェアラブル端末が撮影した画像に基づいて算出する混雑度推定システムの発明が開示されている。

特開２００９−１１００５４号公報 特開２０１５−２１９８３３号公報

第１の従来手法によれば、或る携帯電話事業者の契約者のみのデータが用いられており、しかも、日本の総人口を参考にした推定が行われるので、狭い領域内における人数を精度良く推定することができない。また、推定精度を高めるためには推定に用いるデータ数を多くする必要があり、そのためには人数の推定を比較的広い領域毎で行わざるを得ない。経路案内アプリにおいて人数の推定が広い領域毎で行われると、現在地から目的地までの所要時間が精度良く推定されない。

また、第２の従来手法によれば、監視カメラに映っている領域については、比較的精度良く人数を推定することができる。しかしながら、監視カメラの設置には膨大なコストを要することが懸念される。また、観光地などにおいては、景観保護のために監視カメラの設置が認められないこともある。

そこで、本発明は、監視カメラを要することなく安価に精度良く混雑度および人数を推定する方法を提供することを目的とする。

第１の発明は、混雑度推定方法であって、
混雑度を推定するための指標値を第１のセンサ情報に基づいて取得する指標値取得ステップと、
前記指標値取得ステップで取得された指標値から直接に混雑度を算出する混雑度算出ステップと
を含み、
前記第１のセンサ情報は、加速度情報であって、
前記指標値は、混雑度を算出する直近の所定期間に取得した前記加速度情報に基づく加速度の標準偏差であることを特徴とする。

第２の発明は、第１の発明において、
前記指標値取得ステップは、前記加速度情報に基づいて得られた加速度の標準偏差に所定の正規化処理を施すことによって前記指標値としての標準偏差を求める正規化ステップを含むことを特徴とする。

第３の発明は、第２の発明において、
前記指標値取得ステップの実行前に所定期間を通じて前記加速度情報に基づく加速度の標準偏差を取得する正規化準備ステップを更に含み、
前記正規化ステップでは、前記正規化準備ステップで取得された標準偏差のうちの最大値が前記指標値として取り得る値の最大値となるように前記正規化処理が行われることを特徴とする。

第４の発明は、第１から第３までのいずれかの発明において、
前記混雑度算出ステップでは、前記指標値としての標準偏差が小さいほど混雑度が大きくなるように混雑度が算出されることを特徴とする。

第５の発明は、第１から第４までのいずれかの発明において、
携帯端末装置の利用者が歩行中であるか否かを第２のセンサ情報に基づいて判別する行動判別ステップを更に含み、
前記行動判別ステップで利用者が歩行中である旨の判別がなされたときにのみ、前記指標値取得ステップによる指標値の取得および前記混雑度算出ステップによる混雑度の算出が行われることを特徴とする。

第６の発明は、人数推定方法であって、
携帯端末装置のセンサ情報に基づいて混雑度を推定する混雑度推定ステップと、
複数の携帯端末装置についての前記混雑度推定ステップで推定された混雑度に基づいて、予め定められた基準範囲毎の平均混雑度を算出する平均混雑度算出ステップと、
前記平均混雑度算出ステップで算出された平均混雑度に基準範囲毎に予め求められている最大収容人数を乗ずることによって基準範囲毎の推定人数を算出する推定人数算出ステップと
を含むことを特徴とする。

第７の発明は、第６の発明において、
１つの基準範囲およびその周囲の基準範囲に対応付けられる係数群を格納する補正用フィルタを用いて、前記推定人数算出ステップで算出された推定人数を補正する推定人数補正ステップを更に含むことを特徴とする。

第８の発明は、第７の発明において、
前記補正用フィルタに関し、中心の基準範囲に対応付けられた係数の値は、その周囲の基準範囲に対応付けられた係数の値よりも大きいことを特徴とする。

第９の発明は、第８の発明において、
混雑度のデータが存在する基準範囲を計算対象基準範囲と定義し、前記計算対象基準範囲である任意の基準範囲を補正対象基準範囲と定義し、前記補正用フィルタに格納されている係数をフィルタ係数と定義し、任意の基準範囲についての補正前の推定人数に当該基準範囲に対応付けられるフィルタ係数を乗じて得られる値を第１乗算値と定義したとき、前記推定人数補正ステップでは、前記補正対象基準範囲についての補正後の推定人数が下記の式で算出されることを特徴とする。
ＮＰ２＝Ｓｕｍ１／Ｓｕｍ２
ここで、ＮＰ２は、前記補正対象基準範囲についての補正後の推定人数を表し、Ｓｕｍ１は、前記補正対象基準範囲およびその周囲の計算対象基準範囲についての第１乗算値の総和を表し、Ｓｕｍ２は、前記補正対象基準範囲およびその周囲の計算対象基準範囲のそれぞれに対応付けられるフィルタ係数の総和を表す。

第１０の発明は、混雑度推定プログラムであって、
混雑度を推定するための指標値を第１のセンサ情報に基づいて取得する指標値取得ステップと、
前記指標値取得ステップで取得された指標値から直接に混雑度を算出する混雑度算出ステップと
をコンピュータのＣＰＵがメモリを利用して実行し、
前記第１のセンサ情報は、加速度情報であって、
前記指標値は、混雑度を算出する直近の所定期間に取得した前記加速度情報に基づく加速度の標準偏差であることを特徴とする。

第１１の発明は、第１０の発明において、
前記指標値取得ステップは、前記加速度情報に基づいて得られた加速度の標準偏差に所定の正規化処理を施すことによって前記指標値としての標準偏差を求める正規化ステップを含むことを特徴とする。

第１２の発明は、第１１の発明において、
前記指標値取得ステップの実行前に所定期間を通じて前記加速度情報に基づく加速度の標準偏差を取得する正規化準備ステップを更に含み、
前記正規化ステップでは、前記正規化準備ステップで取得された標準偏差のうちの最大値が前記指標値として取り得る値の最大値となるように前記正規化処理が行われることを特徴とする。

第１３の発明は、第１０から第１２までのいずれかの発明において、
前記混雑度算出ステップでは、前記指標値としての標準偏差が小さいほど混雑度が大きくなるように混雑度が算出されることを特徴とする。

第１４の発明は、第１０から第１３までのいずれかの発明において、
携帯端末装置の利用者が歩行中であるか否かを第２のセンサ情報に基づいて判別する行動判別ステップを更に含み、
前記行動判別ステップで利用者が歩行中である旨の判別がなされたときにのみ、前記指標値取得ステップによる指標値の取得および前記混雑度算出ステップによる混雑度の算出が行われることを特徴とする。

第１５の発明は、サーバと複数の携帯端末装置とがネットワークを介して接続される人数推定システムにおいて前記サーバで実行される人数推定プログラムであって、
各携帯端末装置から送信される混雑度のデータを受信するデータ受信ステップと、
前記データ受信ステップで受信された混雑度のデータに基づいて、予め定められた基準範囲毎の平均混雑度を算出する平均混雑度算出ステップと、
前記平均混雑度算出ステップで算出された平均混雑度に基準範囲毎に予め求められている最大収容人数を乗ずることによって基準範囲毎の推定人数を算出する推定人数算出ステップと
をコンピュータのＣＰＵがメモリを利用して実行することを特徴とする。

第１６の発明は、サーバと複数の携帯端末装置とがネットワークを介して接続される人数推定システムであって、
各携帯端末装置は、
混雑度を推定するための指標値を第１のセンサ情報に基づいて取得する指標値取得手段と、
前記指標値取得手段によって取得された指標値から直接に混雑度を算出する混雑度算出手段と、
前記混雑度算出手段によって算出された混雑度のデータを前記サーバに送信するデータ送信手段と
を備え、
前記サーバは、
各携帯端末装置のデータ送信手段によって送信される混雑度のデータを受信するデータ受信手段と、
前記データ受信手段によって受信された混雑度のデータに基づいて、予め定められた基準範囲毎の平均混雑度を算出する平均混雑度算出手段と、
前記平均混雑度算出手段によって算出された平均混雑度に基準範囲毎に予め求められている最大収容人数を乗ずることによって基準範囲毎の推定人数を算出する推定人数算出手段と
を備えることを特徴とする。

上記第１の発明によれば、加速度情報に基づく加速度の標準偏差から直接的に混雑度が算出される。すなわち、携帯端末装置などの１人のユーザーのみのデータを用いて複雑な計算を行うことなく混雑度（当該ユーザーが歩行している場所の混雑度）を推定することが可能となる。また、加速度のばらつきは混雑の程度に応じて変化する傾向にあるので、混雑度の算出に加速度の標準偏差を用いることによって精度良く混雑度が推定される。また、監視カメラ等の機器を設ける必要がないので、安価に混雑度を推定することが可能となる。

上記第２の発明によれば、加速度の標準偏差から混雑度を算出する際に、人による歩き方の違いが考慮される。このため、より精度良く混雑度が推定される。

上記第３の発明によれば、混雑度の推定精度が更に高められる。

上記第４の発明によれば、上記第１から上記第３までの発明と同様の効果が得られる。

上記第５の発明によれば、携帯端末装置のユーザーが歩行中であるときのデータのみを用いて混雑度が算出される。従って、写真撮影や買い物などで止まっているユーザーのデータを除いて混雑度が算出される。これにより、混雑度の推定精度が高められる。

上記第６の発明によれば、携帯端末装置毎に混雑度の推定が行われた後、複数の携帯端末装置でそれぞれ推定された混雑度の情報を用いて基準範囲毎（例えばメッシュ毎）の平均混雑度が算出される。携帯端末装置毎の混雑度は１人のユーザーのデータが存在すれば求められるので、平均混雑度についても基準範囲に１人のユーザーのデータが存在すれば求めることができる。従って、従来よりも小さな範囲毎に混雑度を推定することができる。また、基準範囲毎に平均混雑度に最大収容人数を乗ずることによって人数の推定が行われる。このように、単に混雑度を推定するだけでなく人数の推定までもが行われる。また、混雑度や人数を推定するために、監視カメラ等の機器を設ける必要はない。以上より、安価に、従来よりも詳細な混雑情報をユーザーに提供することが可能となる。

上記第７の発明によれば、補正用フィルタ内の係数を適宜に設定することによって、人数の推定精度を高めることが可能となる。

上記第８の発明によれば、隣接基準範囲間での推定人数の不自然な差異を小さくする平滑化処理が行われる。その結果、人数の推定精度が高められる。

上記第９の発明によれば、混雑度のデータが存在しない基準範囲が計算対象から除かられるので、人の流れに沿った（道路に沿った）平滑化処理が行われる。

上記第１０の発明によれば、上記第１の発明と同様の効果が得られる。
上記第１１の発明によれば、上記第２の発明と同様の効果が得られる。
上記第１２の発明によれば、上記第３の発明と同様の効果が得られる。
上記第１３の発明によれば、上記第４の発明と同様の効果が得られる。
上記第１４の発明によれば、上記第５の発明と同様の効果が得られる。
上記第１５の発明によれば、上記第６の発明と同様の効果が得られる。
上記第１６の発明によれば、上記第６の発明と同様の効果が得られる。

本発明の一実施形態に係る経路案内システムを実現する機器構成を示すブロック図である。 上記実施形態において、携帯端末装置のハードウェア構成を示すブロック図である。 上記実施形態において、サーバのハードウェア構成を示すブロック図である。 上記実施形態において、経路案内システムの詳細な機能構成を示すブロック図である。 上記実施形態において、混雑度データのレコードフォーマットを示す図である。 上記実施形態において、表示部に表示される画面の一例を示す図である。 上記実施形態において、平均混雑度データのレコードフォーマットを示す図である。 上記実施形態において、推定人数データのレコードフォーマットを示す図である。 上記実施形態において、混雑分析処理の概略手順を示すフローチャートである。 上記実施形態において、携帯端末装置で行われる処理（混雑度推定処理）の手順を示すフローチャートである。 上記実施形態において、混雑度の推定に加速度の標準偏差を用いる理由について説明するための図である。 上記実施形態において、人が歩いているときの加速度の標準偏差の変化の一例を示す図である。 上記実施形態において、標準偏差の正規化について説明するための図である。 上記実施形態において、標準偏差から混雑度への変換について説明するための図である。 上記実施形態において、混雑度を算出する処理の頻度について説明するための図である。 上記実施形態において、サーバで行われる処理（人数推定処理）の手順を示すフローチャートである。 上記実施形態において、メッシュ定義データのレコードフォーマットを示す図である。 上記実施形態において、メッシュへの混雑度データの割り当てを模式的に示した図である。 上記実施形態において、平均混雑度算出手段によって得られる平均混雑度データについて説明するための図である。 上記実施形態において、ベース人数データのレコードフォーマットを示す図である。 上記実施形態において、ベース人数データを模式的に示した図である。 上記実施形態において、推定人数の算出について説明するための図である。 上記実施形態において、平滑化処理について説明するための図である。 上記実施形態において、平滑化処理について説明するための図である。 上記実施形態において、平滑化処理について説明するための図である。 上記実施形態において、平滑化処理について説明するための図である。 上記実施形態における効果について説明するための図である。 上記実施形態における効果について説明するための図である。 上記実施形態の変形例に関し、加速度の変化を示す波形のピーク値の時間間隔について説明するための図である。 上記実施形態の変形例に関し、加速度の変化を示す波形のピーク値の時間間隔について説明するための図である。

以下、添付図面を参照しつつ本発明の一実施形態について説明する。なお、以下においては、「アプリケーションソフトウェア」のことを「アプリ」と略記している。

＜１．全体構成＞
図１は、本発明の一実施形態に係る経路案内システムを実現する機器構成を示すブロック図である。この経路案内システムは、サーバ２０と複数の携帯端末装置１０とによって実現される。サーバ２０と携帯端末装置１０とは、インターネットなどの通信回線を介して接続される。本実施形態においては、この経路案内システムを実現するために、経路案内アプリが携帯端末装置１０にインストールされる。経路案内アプリは、ユーザーが観光や買い物などで或る目的地に移動する際にユーザーに現在地から目的地までの経路を提示するためのソフトウェアである。ユーザーは、所定の操作により経路案内アプリを起動することができる。このような経路案内アプリを携帯端末装置１０にインストールしておくことにより、ユーザーは、例えば土地勘のない観光地を訪れた場合でも、この経路案内アプリを使用することによって目的地に容易にたどり着くことが可能となる。なお、経路案内アプリ内に避難誘導用の経路案内に特化した機能を持たせるようにしても良い。これにより、ユーザーは、土地勘のない場所で地震などの災害に遭遇しても、避難所に容易にたどり着くことが可能となる。

ところで、後述するように、この経路案内システムでは混雑度および人数（所定範囲内の人数）の推定が行われる。すなわち、この経路案内システムによって人数推定システムが実現されている。

＜２．ハードウェア構成＞
図２は、携帯端末装置１０のハードウェア構成を示すブロック図である。携帯端末装置１０は、ＣＰＵ１１，フラッシュＲＯＭ１２，ＲＡＭ１３，通信制御部１４，映像撮影部（カメラ）１５，入力操作部１６，表示部１７，ＧＰＳセンサ１８ａ，加速度センサ１８ｂ，および地磁気センサ１８ｃを有している。ＣＰＵ１１は、この携帯端末装置１０の全体を制御するために各種演算処理等を行う。フラッシュＲＯＭ１２は、書き込み可能な不揮発性のメモリであって、携帯端末装置１０の電源がオフされても保持されるべき各種プログラム・各種データを格納する。ＲＡＭ１３は、書き込み可能な揮発性のメモリであって、実行中のプログラムやデータ等を一時的に格納する。通信制御部１４は、外部へのデータ送信の制御や外部からのデータ受信の制御を行う。映像撮影部（カメラ）１５は、ユーザーによる操作に基づいて、現在位置から見える風景の撮影を行う。入力操作部１６は、例えばタッチパネルであって、ユーザーによる入力操作を受け付ける。表示部１７は、ＣＰＵ１１からの指令に基づいて、画像の表示を行う。ＧＰＳセンサ１８ａは、ＧＰＳ衛星から受信する電波に基づいて、ユーザーの現在位置を特定するための位置情報（緯度・経度の情報）を取得する。加速度センサ１８ｂは、この携帯端末装置１０の動きに基づいて、加速度を測定する。地磁気センサ１８ｃは、この携帯端末装置１０の向いている方位（例えば表示部１７の向いている方位）を示す方位情報を取得する。

携帯端末装置１０内において、経路案内アプリを実現する経路案内プログラムは、フラッシュＲＯＭ１２に格納される。なお、この経路案内プログラムには、混雑度を推定するための混雑度推定プログラムが含まれている。ユーザーによって経路案内アプリの起動が指示されると、フラッシュＲＯＭ１２に格納されている経路案内プログラムがＲＡＭ１３に読み出され、そのＲＡＭ１３に読み出された経路案内プログラムをＣＰＵ１１が実行することにより、経路案内アプリの機能がユーザーに提供される。なお、経路案内プログラムは、典型的にはインターネットなどの通信回線を介して所定のサーバ（不図示）から携帯端末装置１０にダウンロードされ、当該携帯端末装置１０内のフラッシュＲＯＭ１２にインストールされる。

図３は、サーバ２０のハードウェア構成を示すブロック図である。サーバ２０は、ＣＰＵ２１，ＲＯＭ２２，ＲＡＭ２３，補助記憶装置２４，通信制御部２５，入力操作部２６，および表示部２７を有している。ＣＰＵ２１は、このサーバ２０の全体を制御するために各種演算処理等を行う。ＲＯＭ２２は、読み出し専用のメモリであって、例えばサーバ２０の起動時にＣＰＵ２１に実行させる初期プログラムなどを格納する。ＲＡＭ２３は、書き込み可能な揮発性のメモリであって、実行中のプログラムやデータ等を一時的に格納する。補助記憶装置２４は、磁気ディスク装置などであって、サーバ２０の電源がオフされても保持されるべき各種プログラム・各種データを格納する。通信制御部２５は、外部へのデータ送信の制御や外部からのデータ受信の制御を行う。入力操作部２６は、例えばキーボードやマウスであって、オペレータによる入力操作を受け付ける。表示部２７は、ＣＰＵ２１からの指令に基づいて、画像の表示を行う。

サーバ２０には、メッシュ毎の人数を推定する人数推定プログラムがインストールされる。なお、メッシュとは、地理領域を一定の大きさ・形状の範囲で区分した領域のことである。本実施形態では、例えば２０ｍ四方の領域が１つのメッシュとされる。サーバ２０内において、人数推定プログラムは、ＲＯＭ２２または補助記憶装置２４に格納される。サーバ２０が起動すると、ＲＯＭ２２または補助記憶装置２４に格納されている人数推定プログラムがＲＡＭ２３に読み出され、そのＲＡＭ２３に読み出された人数推定プログラムをＣＰＵ２１が実行する。これにより、後述するように、携帯端末装置１０から送られるデータを用いてメッシュ毎の人数の推定が行われる。

＜３．機能構成＞
図４は、経路案内システムの詳細な機能構成を示すブロック図である。上述したように、この経路案内システムは、携帯端末装置１０とサーバ２０とによって実現される。携帯端末装置１０は、ＧＰＳ情報取得手段１００，加速度測定手段１１０，方位検出手段１２０，行動判別手段１３０，混雑度推定手段１４０，データ送信手段１５０，データ受信手段１６０，基礎情報記憶手段１７０，経路探索手段１８０，および表示手段１９０を有している。混雑度推定手段１４０には、標準偏差算出手段１４２と混雑度算出手段１４４とが含まれている。サーバ２０は、データ受信手段２００，データ記憶手段２１０，平均混雑度算出手段２２０，人数算出手段２３０，人数平滑化手段２４０，およびデータ送信手段２５０を有している。

＜３．１ 携帯端末装置の構成要素の動作＞
携帯端末装置１０の各構成要素の動作について説明する。ＧＰＳ情報取得手段１００は、ＧＰＳ衛星から受信する電波に基づいてユーザーの現在位置を特定するための位置情報（緯度・経度の情報）を取得し、それをＧＰＳ情報Ｇｄａとして出力する。加速度測定手段１１０は、ユーザーの動作に起因する携帯端末装置１０の動きに基づいて加速度を測定し、例えば測定時刻の情報と測定値である加速度の情報とからなる加速度データを出力する。なお、便宜上、本明細書では、測定値としての加速度そのものと上述した加速度データとに同じ参照符号ＳＡを付している。混雑度と混雑度データ，平均混雑度と平均混雑度データ，ベース人数とベース人数データ，および推定人数と推定人数データについても同様である。加速度測定手段１１０による加速度ＳＡの測定は、例えば７０ミリ秒毎に行われる。方位検出手段１２０は、この携帯端末装置１０の向いている方位を検出し、検出結果を方位情報ＢＩとして出力する。

なお、ＧＰＳ情報取得手段１００はハードウェアとしてのＧＰＳセンサ１８ａによって実現され、加速度測定手段１１０はハードウェアとしての加速度センサ１８ｂによって実現され、方位検出手段１２０はハードウェアとしての地磁気センサ１８ｃによって実現される（図２参照）。また、加速度測定手段１１０により得られる加速度の情報によって第１のセンサ情報が実現され、方位検出手段１２０により得られる方位情報ＢＩによって第２のセンサ情報が実現されている。

行動判別手段１３０は、方位情報ＢＩに基づいて、ユーザーが歩行中であるか否かの判別を行い、その判別結果Ｋを出力する。なお、この判別についての詳しい説明は後述する。混雑度推定手段１４０は、ＧＰＳ情報Ｇｄａと加速度ＳＡと行動判別手段１３０による判別結果Ｋとに基づいてユーザーが歩行している位置の混雑度Ｃを推定し、緯度・経度の情報と混雑度の情報とからなる混雑度データＣを出力する。より詳しくは、混雑度推定手段１４０に含まれる標準偏差算出手段１４２は、ユーザーが歩行中である旨を判別結果Ｋが示しているときに、加速度データＳＡに基づいて例えば直近の１０秒間分の加速度ＳＡの標準偏差ＳＤを求める。本実施形態においては、この標準偏差算出手段１４２によって指標値取得手段が実現されている。また、混雑度推定手段１４０に含まれる混雑度算出手段１４４は、標準偏差ＳＤに基づいて混雑度Ｃを算出し（標準偏差ＳＤを混雑度Ｃに変換し）、例えば図５に示すようなレコードフォーマットを有する混雑度データＣを出力する。なお、標準偏差ＳＤの求め方および混雑度Ｃの求め方についての詳しい説明は後述する。

データ送信手段１５０は、混雑度データＣをサーバ２０に送信する。データ送信手段１５０による混雑度データＣの送信は、例えば１分毎に行われる。データ受信手段１６０は、経路探索（経路探索手段１８０によるユーザーの現在位置から目的地までの経路の探索）に有用なデータである有意情報Ｍｄａをサーバ２０から受信する。基礎情報記憶手段１７０には、経路探索の際に必要となる基礎情報Ｂｄａが格納されている。この基礎情報記憶手段１７０は、ハードウェアとしてのフラッシュＲＯＭ１２またはＲＡＭ１３（図２参照）によって実現される。基礎情報Ｂｄａには、地図や道路情報などが含まれている。道路情報は、例えば、各道路の位置の情報（始点および終点の情報），始点から終点までの距離の情報，道路幅の情報などによって構成されている。なお、適宜のタイミングでデータ送信手段１５０がＧＰＳ情報Ｇｄａをサーバ２０に送信するようにして、基礎情報記憶手段１７０に格納すべき基礎情報Ｂｄａがサーバ２０から携帯端末装置１０にダウンロードされるようにしても良い。

経路探索手段１８０は、ユーザーによる目的地の入力を受け付け、ＧＰＳ情報Ｇｄａと有意情報Ｍｄａと基礎情報Ｂｄａとに基づいて目的地までの経路を探索する。経路探索手段１８０による経路の探索結果Ｒｅは、表示手段１９０（図２の表示部１７）に表示される。経路探索が実行されると、例えば、図６に示すような画面が表示部１７に表示される。図６に示す例では、表示部１７内の領域は、地図を表示するための領域（地図表示領域）１７ａと映像撮影部１５（図２参照）による撮影で得られる映像（風景映像）を表示するための領域（映像表示領域）１７ｂとに分割されている。そして、地図表示領域１７ａでは、目的地までの経路が符号３１で示す太線で表され、映像表示領域１７ｂでは、目的地までの経路が符号３２で示す矢印状のエアタグ（拡張現実画像）で表されている。

＜３．２ サーバの構成要素の動作＞
次に、サーバ２０の各構成要素の動作について説明する。データ受信手段２００は、携帯端末装置１０から送られる混雑度データＣを受信する。その混雑度データＣは、データ記憶手段２１０に格納される。なお、データ受信手段２００が受信する混雑度データＣには様々な位置（緯度、経度）のデータが含まれており、それらのデータはメッシュ毎のデータに分類されてデータ記憶手段２１０に格納される。データ記憶手段２１０には、混雑度データＣに加えて後述するベース人数データＢＮが格納されている。なお、混雑度データＣおよびベース人数データＢＮ以外のデータ（例えば基礎情報Ｂｄａ）がデータ記憶手段２１０に格納されていても良い。

平均混雑度算出手段２２０は、データ記憶手段２１０に格納されている混雑度データＣに基づいて、メッシュ毎の平均混雑度ＣＡＶを算出する。これにより、例えば図７に示すようなレコードフォーマットを有する平均混雑度データＣＡＶが出力される。人数算出手段２３０は、データ記憶手段２１０に格納されているベース人数データＢＮと平均混雑度算出手段２２０によって算出された平均混雑度ＣＡＶとに基づいて、メッシュ毎の推定人数（各メッシュ内の道路上に現在いると推測される人の数）ＮＰ１を算出する。人数平滑化手段２４０は、隣接メッシュ間での推定人数の不自然な差異を小さくするよう、人数算出手段２３０によって算出された推定人数ＮＰ１に対して平滑化処理を施す。これにより、例えば図８に示すようなレコードフォーマットを有する推定人数データＮＰ２が人数平滑化手段２４０から出力される。なお、推定人数の求め方および平滑化処理についての詳しい説明は後述する。

データ送信手段２５０は、経路探索に必要な有意情報Ｍｄａを携帯端末装置１０に送信する。携帯端末装置１０に送信される有意情報Ｍｄａには、平均混雑度データＣＡＶおよび推定人数データＮＰ２が含まれている。

＜４．処理フロー＞
本実施形態に係る経路案内システムでは、道路の混雑の状態を分析する処理（以下、「混雑分析処理」という。）が行われる。図９は、その混雑分析処理の概略手順を示すフローチャートである。まず、各携帯端末装置１０において、当該各携帯端末装置１０で得られるデータだけを用いて、ユーザーが現在いる位置の混雑度の推定が行われる（ステップＳ１０）。各携帯端末装置１０での混雑度の推定の結果として得られる混雑度データＣはサーバ２０に送信される。そして、サーバ２０において、各携帯端末装置１０から送られてきた混雑度データＣに基づいて、平均混雑度（メッシュ毎の混雑度）の推定が行われる（ステップＳ２０ａ）。その後、さらにサーバ２０において、メッシュ毎の人数の推定が行われる（ステップＳ２０ｂ）。以下、携帯端末装置１０で行われる処理（ステップＳ１０の処理）およびサーバ２０で行われる処理（ステップＳ２０ａ，Ｓ２０ｂの処理）のそれぞれについて詳しく説明する。

＜４．１ 携帯端末装置で行われる処理＞
図１０は、携帯端末装置１０で行われる処理（混雑度推定処理）の手順を示すフローチャートである。携帯端末装置１０で経路案内アプリが起動されると、まず、後述するステップＳ１３０の処理で正規化を行う際に必要となるデータを取得するキャリブレーション処理が行われる（ステップＳ１１０）。このキャリブレーション処理についての詳しい説明は後述する。

キャリブレーション処理の終了後、行動判別手段１３０によって、携帯端末装置１０のユーザーが歩行中であるか否かの判別が行われる（ステップＳ１２０）。本実施形態では、この判別は、方位検出手段１２０によって検出された方位情報ＢＩに基づいて行われる。一般に、人が歩行中である時には、身体の向きはほぼ一定であると考えられる。それに対して、写真撮影や買い物などで人が止まっている時には、身体の向きの変化が大きいと考えられる。そこで、本実施形態では、方位情報ＢＩから得られる方位角の単位秒あたりの差分が求められ、当該差分が所定の閾値以下であれば「ユーザーは歩行中である」旨の判定が行われ、当該差分が所定の閾値よりも大きければ「ユーザーは歩行中ではない」旨の判定が行われる。ステップＳ１２０での判別の結果、ユーザーが歩行中であれば処理はステップＳ１３０に進み、ユーザーが歩行中でなければ処理はステップＳ１５０に進む。

ステップＳ１３０では、標準偏差算出手段１４２によって、直近の１０秒間分の加速度ＳＡの標準偏差ＳＤが算出される。ここで、混雑度の推定に加速度の標準偏差を用いる理由について図１１を参照しつつ説明する。図１１は、人が歩いているときの加速度の変化の例を示す図である。人が混雑している場所を歩いている時には、歩幅が小さくなり全体の動きが小さくなるので、図１１で符号３３で示す部分のように加速度のばらつきは小さくなる。これに対して、人が空いている場所を歩いている時には、歩幅が大きくなり全体の動きが大きくなるので、図１１で符号３４で示す部分のように加速度のばらつきは大きくなる。このように、混雑の程度に応じて加速度のばらつきが変化する。そこで、加速度のばらつきの指標となる（加速度の）標準偏差を用いて混雑度の推定が行われる。

図１２は、人が歩いているときの加速度の標準偏差の変化の一例を示す図である。図１２で符号３５で示す時間帯には、加速度の標準偏差は比較的大きな値となっている。この時間帯には、人は比較的空いている場所を歩いていると考えられる。これに対して、図１２で符号３６で示す時間帯には、加速度の標準偏差は比較的小さな値となっている。この時間帯には、人は比較的混雑している場所を歩いていると考えられる。

ところで、人には個性があるので、歩き方には人による違いがある。このため、或る２人のユーザーのデータに関して仮に加速度の標準偏差が同じであったとしても、必ずしも混雑の程度が同じ程度であるとは限らない。特に、空いている場所を歩いているときに、人による歩行の特徴が現れると考えられる。従って、人によって加速度の標準偏差の最大値は異なると考えられる。なお、身動きできないほど混雑している時には、ほとんどの人において加速度の標準偏差はほぼ０になると考えられる。そこで、本実施形態においては、人による歩き方の違いを吸収するために、携帯端末装置１０毎に、加速度の標準偏差の最大値が１．０となるように正規化が行われる。この正規化のためにキャリブレーション処理（ステップＳ１１０）が行われる。

キャリブレーション処理では、この経路案内アプリの起動後の所定期間（例えば１０分間）、例えば１０秒毎に加速度の標準偏差が取得される。そして、上記所定期間に取得された標準偏差のうちの最大値が正規化後の１．０に対応する値とされる。例えば、キャリブレーション処理の結果、加速度の標準偏差の最大値が０．７であったと仮定する。この場合、ステップＳ１３０では、図１３に示すように、０．０から０．７までの範囲の値が０．０から１．０までの範囲の値となるよう正規化が行われる。

以上のようにして加速度ＳＡの標準偏差ＳＤが算出された後、混雑度算出手段１４４によって、標準偏差ＳＤに基づいて混雑度Ｃが算出される（ステップＳ１４０）。本実施形態においては、混雑度Ｃは０から１までの値で表される。混雑度Ｃの値が１に近づくほど混雑の程度が大きくなる。ところで、上述したように、加速度ＳＡの標準偏差ＳＤは、人が混雑している場所を歩いている時には小さくなり、人が空いている場所を歩いている時には大きくなる。従って、ステップＳ１４０では、図１４に示すように、加速度ＳＡの標準偏差ＳＤが１に近づくほど混雑度Ｃが０に近づき、かつ、加速度ＳＡの標準偏差ＳＤが０に近づくほど混雑度Ｃが１に近づくように、混雑度Ｃが算出される。より具体的には、混雑度Ｃは次式（１）で算出される。
混雑度＝１−標準偏差 ・・・（１）

ところで、上述したように、ステップＳ１３０では、直近の１０秒間分の加速度ＳＡの標準偏差ＳＤが算出される。すなわち、混雑度Ｃを算出する１回の処理は、１０秒間分のデータを用いて行われる。但し、混雑度Ｃの算出は１０秒毎に行われるのではなく５秒毎に行われる。すなわち、図１５に示すように、１回目の混雑度Ｃの算出に用いられる後半５秒間分のデータと２回目の混雑度Ｃの算出に用いられる前半５秒間分のデータとは重複し、２回目の混雑度Ｃの算出に用いられる後半５秒間分のデータと３回目の混雑度Ｃの算出に用いられる前半５秒間分のデータとは重複している。このようにして、よりリアルタイム性のある混雑度Ｃが求められる。

混雑度Ｃの算出後、所定時間（例えば１分）が経過したか否かの判定が行われる（ステップＳ１５０）。その結果、所定時間が経過していれば処理はステップＳ１６０に進み、所定時間が経過していなければ処理はステップＳ１２０に戻る。

ステップＳ１６０では、所定時間中に蓄積された混雑度データＣが携帯端末装置１０からサーバ２０に送信される。但し、混雑度データＣが全く蓄積されていなければ、サーバ２０への混雑度データＣの送信は行われない。サーバ２０への混雑度データＣの送信後、処理はステップＳ１２０に戻る。その後、この経路案内アプリが終了されるまで、ステップＳ１２０〜ステップＳ１６０の処理が繰り返される。

なお、本実施形態においては、ステップＳ１１０によって正規化準備ステップが実現され、ステップＳ１２０によって行動判別ステップが実現され、ステップＳ１３０によって指標値取得ステップが実現され、ステップＳ１４０によって混雑度算出ステップが実現されている。

＜４．２ サーバで行われる処理＞
図１６は、サーバ２０で行われる処理（人数推定処理）の手順を示すフローチャートである。サーバ２０では、まず、各携帯端末装置１０から送られてくる混雑度データＣを蓄積する処理（ステップ２１０およびステップＳ２２０）が行われる。より詳しくは、各携帯端末装置１０から送られてくる混雑度データＣを受信し（ステップＳ２１０）、その受信した混雑度データＣを対応するメッシュに割り当てる（ステップＳ２２０）。ステップＳ２１０およびステップＳ２２０の処理は、この人数推定処理の前回の実行から所定期間（例えば１５分）が経過するまで、携帯端末装置１０から混雑度データＣが送られてくる都度、行われる。

ここで、メッシュへの混雑度データＣの割り当て（分類）について説明する。携帯端末装置１０から送られてくる混雑度データＣの１つのレコードは、緯度・経度の情報と混雑度の情報とからなる（図５参照）。また、サーバ２０には、各メッシュを定義したデータとして、例えば図１７に示すようなレコードフォーマットを有するメッシュ定義データが予め保持されている。図１７に示すように、メッシュ定義データには、各メッシュについての左下の緯度・経度の情報および右下の緯度・経度の情報が含まれている。以上より、メッシュ定義データを参照することにより、模式的には図１８に示すように、混雑度データＣの各レコードをそれに対応するメッシュに割り当てることができる。なお、緯度・経度の情報からメッシュ番号を求める変換式を用意しておき、当該変換式に基づいて混雑度データＣの各レコードをそれに対応するメッシュに割り当てるようにしても良い。

この人数推定処理の前回の実行から所定期間（例えば１５分）経過後、平均混雑度算出手段２２０によって、蓄積された混雑度データＣに基づきメッシュ毎の平均混雑度ＣＡＶが算出される（ステップＳ２３０）。例えば、或るメッシュに関して、「混雑度＝０．１」，「混雑度＝０．１５」，および「混雑度＝０．３５」という３つの混雑度データＣが蓄積されていれば、当該メッシュについての平均混雑度ＣＡＶは０．２となる。このようにして、模式的には図１９に示すように、メッシュ毎の平均混雑度ＣＡＶのデータが得られる。なお、混雑度Ｃのデータが全く存在しないメッシュについては、平均混雑度ＣＡＶの算出は行われない。図１９において空白のメッシュが、平均混雑度ＣＡＶの算出が行われなかったメッシュである。

平均混雑度ＣＡＶの算出後、人数算出手段２３０によって、メッシュ毎の推定人数ＮＰ１の算出が行われる（ステップＳ２４０）。この推定人数ＮＰ１の算出には、ベース人数ＢＮが用いられる。ベース人数ＢＮとは、各メッシュ内の道路に一時点にどれだけ多くの人が存在し得るのかを示す最大収容人数の情報である。ベース人数ＢＮは、例えば、各メッシュにおける道路の占有面積に基づいて求められる。なお、本実施形態においては、予めベース人数データＢＮが用意されているものと仮定する。ベース人数データＢＮは、例えば図２０に示すようなレコードフォーマットを有しており、予めデータ記憶手段２１０に格納されている。ステップＳ２４０において、推定人数ＮＰ１は、メッシュ毎に、ステップＳ２３０で算出された平均混雑度ＣＡＶにベース人数ＢＮを乗ずることによって算出される。すなわち、各メッシュについて、推定人数ＮＰ１は次式（２）で算出される。
推定人数＝平均混雑度×ベース人数 ・・・（２）
例えば、メッシュ毎の平均混雑度ＣＡＶが図１９に示すように求められいて、かつ、メッシュ毎のベース人数ＢＮが図２１に示すように求められている場合、図２２に示すようにメッシュ毎の推定人数ＮＰ１が算出される。

メッシュ毎の推定人数ＮＰ１の算出後、人数平滑化手段２４０によって平滑化処理が行われる（ステップＳ２５０）。この平滑化処理について、以下に説明する。ステップＳ２４０での推定人数ＮＰ１の算出には例えば１５分程度の過去のデータも用いられるため、各携帯端末装置１０から混雑度データＣを取得してから推定人数ＮＰ１が算出されるまでの間に多数のユーザーがメッシュをまたがって移動する。このため、推定人数ＮＰ１に関して隣接メッシュ間で不自然な差異が生じることがある。例えば、或る一定の幅の１つの道路に着目したときに混雑の状態はメッシュをまたがる毎に徐々に変化するものと考えられるが、ステップＳ２４０で得られた推定人数ＮＰ１によれば、隣接する或る２つのメッシュ間で推定人数ＮＰ１が大きく変化することがある。そこで、本実施形態では、隣接メッシュ間での推定人数の不自然な差異を小さくするよう、ステップＳ２４０で得られた推定人数ＮＰ１に対して補正が施される。

或るメッシュについての補正後の推定人数ＮＰ２は、当該メッシュについての補正前の推定人数ＮＰ１と当該メッシュの周囲のメッシュについての補正前の推定人数ＮＰ１とに基づいて求められる。その際、図２３に示すような補正用フィルタ４１が用いられる。補正用フィルタ４１には、１個のメッシュとその周囲の８個のメッシュとに対応付けられる係数（以下、「フィルタ係数」という。）が格納されている。また、推定人数ＮＰ２の算出には、混雑度データＣが存在するメッシュのデータのみが用いられる。混雑度データＣの存在しないメッシュを計算対象から除くことによって、人の流れに沿った（道路に沿った）平滑化処理が行われる。

ここで、混雑度データＣが存在するメッシュを計算対象メッシュと定義し、計算対象メッシュである任意のメッシュを補正対象メッシュと定義し、任意のメッシュについての補正前の推定人数ＮＰ１に当該メッシュに対応付けられるフィルタ係数を乗じて得られる値を第１乗算値と定義したとき、ステップＳ２５０では、補正対象メッシュについての補正後の推定人数ＮＰ２が次式（３）で算出される。
ＮＰ２＝Ｓｕｍ１／Ｓｕｍ２ ・・・（３）
上式（３）において、Ｓｕｍ１は、補正対象メッシュおよびその周囲の計算対象メッシュについての第１乗算値の総和を表し、Ｓｕｍ２は、補正対象メッシュおよびその周囲の計算対象メッシュのそれぞれに対応付けられるフィルタ係数の総和を表す。

例えば、ステップＳ２４０によって、図２４に示すような、メッシュ毎の推定人数ＮＰ１の算出結果が得られていると仮定する。なお、図２４において推定人数ＮＰ１の算出結果が得られているメッシュは、混雑度データＣが存在するメッシュである。この例では、例えば図２５に示すように道路が存在している。図２４で符号５２で示すメッシュについての推定人数ＮＰ１を補正する際には、図２４で符号５２で示すメッシュが補正用フィルタ４１の中心のメッシュ（図２３で符号５１で示すメッシュ）に対応付けられる。そして、この例の場合、補正後の推定人数ＮＰ２は次式（４）によって算出される。
ＮＰ２＝（８×１＋１０×２＋１８×１＋１４×１）／５ ・・・（４）

同様にして図２４の太枠内のメッシュについての推定人数ＮＰ２を算出すると、図２６に示すような、メッシュ毎の推定人数ＮＰ２の算出結果が得られる。図２４〜図２６より、道路に沿った推定人数の変化が補正によって滑らかになっていることが把握される。以上のようにして、全ての計算対象メッシュについての推定人数ＮＰ２が算出されることにより、１回の人数推定処理（ステップＳ２１０からステップＳ２５０までの処理）が終了する。

なお、本実施形態においては、ステップＳ２３０によって平均混雑度算出ステップが実現され、ステップＳ２４０によって推定人数算出ステップが実現され、ステップＳ２５０によって推定人数補正ステップが実現されている。また、図９のステップＳ２０ａは図１６のステップＳ２１０〜Ｓ２３０に相当し、図９のステップＳ２０ｂは図１６のステップＳ２４０〜Ｓ２５０に相当する。

＜５．効果＞
本実施形態によれば、各携帯端末装置１０において、加速度測定手段１１０（加速度センサ１８ｂ）によって得られた加速度ＳＡの標準偏差ＳＤが算出され、当該標準偏差ＳＤに簡単な変換が施されることによって混雑度Ｃが求められる。このように１人のユーザーのデータを用いて複雑な計算を行うことなく混雑度Ｃ（当該ユーザーが歩行している場所の混雑度Ｃ）を求めることが可能となる。また、サーバ２０では、複数の携帯端末装置１０から送られてくる混雑度データＣを用いて、メッシュ毎の平均混雑度ＣＡＶが算出される。上述したように１人のユーザーのデータが存在すれば混雑度Ｃは求められるので、従来よりも小さな範囲毎に混雑度を推定することができる。すなわち、従来よりも詳細な混雑情報をユーザーに提供することが可能となる。また、各携帯端末装置１０で得られた混雑度データＣは比較的短い期間毎にサーバ２０で集約されるので、リアルタイム性のある混雑情報をユーザーに提供することが可能となる。

また、本実施形態によれば、サーバ２０では、メッシュ毎に平均混雑度ＣＡＶにベース人数（最大収容人数）を乗ずることによって人数の推定が行われる。このように、単に混雑度を推定するだけでなく人数の推定までもが行われる。各メッシュの平均混雑度ＣＡＶは当該各メッシュについて１人のユーザーのデータが存在すれば求められるので、人数についても従来よりも小さな範囲毎に推定することが可能となる。例えば図２７に示すような道路データが存在するエリアについて、図２８に示すように、従来は比較的広い範囲毎（例えば５００ｍ四方毎）にしか人数の情報をユーザーに提供することができなかったのに対し、本実施形態によれば狭い範囲毎（例えば２０ｍ四方毎）に人数の情報をユーザーに提供することが可能となる。

さらに、本実施形態によれば、人数の推定の際には、隣接メッシュ間での推定人数の不自然な差異を小さくする平滑化処理が行われる。この平滑化処理では、混雑度のデータが存在しないメッシュが計算対象から除かれる。これにより、人の流れに沿った（道路に沿った）平滑化処理が行われ、人数の推定精度が高められる。

さらにまた、本実施形態によれば、行動判別手段１３０によって「ユーザーは歩行中である」と判定されたときのデータのみを用いて混雑度Ｃが算出される。このように、写真撮影や買い物などで止まっているユーザーのデータを除いて混雑度Ｃの算出が行われるので、混雑度Ｃの推定精度が高められる。

以上のように、本実施形態によれば、監視カメラを要することなく安価に精度良く混雑度および人数を推定することが可能となる。

＜６．変形例＞
以下、上記実施形態の変形例について説明する。

＜６．１ 行動判別に関する変形例＞
上記実施形態においては、ユーザーが歩行中であるか否かの判別（図１０のステップＳ１２０）は方位情報ＢＩに基づいて行われていた。しかしながら、本発明はこれに限定されない。例えば、上記判別がジャイロセンサによって得られる角速度に基づいて行われるようにしても良い。この場合、上記実施形態と同様、得られるデータの単位秒あたりの差分が所定の閾値以下であれば「ユーザーは歩行中である」旨の判定が行われ、当該差分が所定の閾値よりも大きければ「ユーザーは歩行中ではない」旨の判定が行われるようにすれば良い。

また、近年、携帯端末装置によっては、ユーザーの行動を検知する機能（例えば、アップルインコーポレイテッド社の製品であるｉｐｈｏｎｅ（登録商標）に搭載されたモーションアクティビティ機能）が提供されている。この機能を用いれば、「ユーザーは止まっている」、「ユーザーは歩行中である」、「ユーザーは自転車で移動中である」、「ユーザーは自動車で移動中である」などの情報を得ることができる。従って、この機能を用いて上記判別が行われるようにしても良い。

＜６．２ 混雑度を推定するための指標値に関する変形例＞
上記実施形態においては、加速度測定手段１１０によって得られた加速度ＳＡからその標準偏差ＳＤが算出され、標準偏差ＳＤを用いて混雑度Ｃの推定が行われていた。しかしながら、本発明はこれに限定されない。すなわち、混雑度Ｃを推定するための指標値は標準偏差ＳＤには限定されない。以下、混雑度Ｃを推定するための指標値に関する様々な変形例について説明する。

＜６．２．１ 閾値を超えた回数＞
上述したように、人が空いている場所を歩いている時には、歩幅が大きくなり全体の動きが大きくなるので、図１１で符号３４で示す部分のように加速度のばらつきは大きくなる。ここで、適当な閾値を設けると、所定期間中に加速度ＳＡ（加速度測定手段１１０により得られる測定値）が閾値を超える回数は歩行動作の大きさに依存する。換言すれば、所定期間中に加速度ＳＡが閾値を超えた回数は混雑度Ｃに依存する。そこで、所定期間中に加速度ＳＡが閾値を超えた回数を、混雑度Ｃを推定するための指標値として用いることもできる。この場合、所定期間中に加速度ＳＡが閾値を超えた回数が少ないほど、混雑度算出手段１４４によって算出される混雑度Ｃの値は高くされる。なお、複数の閾値を設けておき、所定期間中に加速度ＳＡが各閾値を超えた回数に基づいて混雑度Ｃを求めるようにしても良い。

＜６．２．２ 絶対値の平均値＞
人が空いている場所を歩いている時には加速度のばらつきが大きくなる（図１１で符号３４で示す部分を参照）。加速度の値には正負があり、図１１より、加速度のばらつきが大きくなると加速度の絶対値も大きくなることが把握される。そこで、加速度ＳＡの絶対値の平均値を混雑度Ｃを推定するための指標値として用いることもできる。この場合、加速度ＳＡの絶対値の平均値が小さいほど、混雑度算出手段１４４によって算出される混雑度Ｃの値は高くされる。

＜６．２．３ 最大値または最小値＞
人が混雑している場所を歩いている時には図１１で符号３３で示す部分のように加速度のばらつきは小さくなり、人が空いている場所を歩いている時には図１１で符号３４で示す部分のように加速度のばらつきは大きくなる。図１１より、加速度のばらつきが小さいときには加速度の最大値が小さく、加速度のばらつきが大きいときには加速度の最大値が大きいことが把握される。そこで、加速度ＳＡの最大値を混雑度Ｃを推定するための指標値として用いることもできる。この場合、加速度ＳＡの最大値が小さいほど、混雑度算出手段１４４によって算出される混雑度Ｃの値は高くされる。同様に、加速度ＳＡの最小値を混雑度Ｃを推定するための指標値として用いることもできる。この場合、加速度ＳＡの最小値が大きいほど、混雑度算出手段１４４によって算出される混雑度Ｃの値は高くされる。

＜６．２．４ 波形のピーク値の時間間隔＞
加速度測定手段１１０により得られる加速度ＳＡ（測定値）をグラフ上に表すと、加速度ＳＡの変化は図２９に示すような波形で表される。図２９に示すように、この波形には、随時、ピーク値が現れる。ピーク値が現れる時間の間隔（Ｔ１１〜Ｔ１３の時間の長さ）は、歩行動作の大きさや歩行動作の規則性に依存する。また、歩行動作の大きさや歩行動作の規則性は、道路の混雑の状態に依存する。従って、ピーク値が現れる時間の間隔は、道路の混雑の状態に依存する。以上より、加速度ＳＡの波形のピーク値の時間間隔を混雑度Ｃを推定するための指標値として用いることもできる。この場合、例えば、ピーク値の時間間隔が小さいほど、混雑度算出手段１４４によって算出される混雑度Ｃの値は高くされる。また、図３０に示すようにピーク値の時間間隔（Ｔ３１〜Ｔ３６の時間の長さ）が不規則であれば、道路が混雑していると考えられる。従って、ピーク値の時間間隔の不規則性が大きいほど、混雑度算出手段１４４によって算出される混雑度Ｃの値は高くされる。

＜６．２．５ 波形がゼロ軸と交差する時間間隔＞
加速度には正負があるので、加速度ＳＡの波形は、図２９に示したように、随時、ゼロ軸（加速度ＳＡの値を０とする時間方向の軸）と交差する（ここでは、加速度ＳＡの値が正から負に変化する時間間隔に着目する）。上述した波形のピーク値の時間間隔と同様、加速度ＳＡの波形がゼロ軸と交差する時間間隔は、道路の混雑の状態に依存する。以上より、加速度ＳＡの波形がゼロ軸と交差する時間間隔を混雑度Ｃを推定するための指標値として用いることもできる。この場合、例えば、加速度ＳＡの波形がゼロ軸と交差する時間間隔が小さいほど、混雑度算出手段１４４によって算出される混雑度Ｃの値は高くされる。また、加速度ＳＡの波形がゼロ軸と交差する時間間隔の不規則性が大きいほど、混雑度算出手段１４４によって算出される混雑度Ｃの値は高くされる。

＜６．２．６ 速度＞
一般に、加速度を積分すると速度を求めることができる。人が混雑している場所を歩いている時には歩行速度は低くなり、人が空いている場所を歩いている時には歩行速度は高くなる。そこで、加速度ＳＡを積分することによって算出される速度を混雑度Ｃを推定するための指標値として用いることもできる。この場合、速度が小さいほど、混雑度算出手段１４４によって算出される混雑度Ｃの値は高くされる。

＜６．３ 混雑度の推定に用いるセンサに関する変形例＞
上記実施形態においては、加速度センサ１８ｂ（加速度測定手段１１０）によって得られた加速度ＳＡに基づいて混雑度Ｃが算出されていた。しかしながら、本発明はこれに限定されない。すなわち、混雑度の推定に用いるセンサは加速度センサ１８ｂには限定されない。以下、混雑度の推定に用いるセンサに関する様々な変形例について説明する。

＜６．３．１ ジャイロセンサ＞
ジャイロセンサは、角速度を検出するセンサである。ところで、人が混雑している場所を歩いている時と人が空いている場所を歩いている時とでは身体の回転状態や身体の捻り方の状態が異なると考えられる。従って、角速度の情報から人の歩行動作の大きさを把握することが可能である。また、歩行動作の大きさは、道路の混雑の状態に依存する。以上より、角速度の情報に基づいて混雑度の推定が行われるようにしても良い。すなわち、混雑度推定用のセンサとしてジャイロセンサを用いることもできる。

混雑度推定用のセンサとしてジャイロセンサを用いた場合、混雑度を推定するための指標値として、角速度の標準偏差，所定期間中に角速度が閾値を超えた回数，角速度の絶対値の平均値，角速度の最大値，角速度の最小値，角速度の波形のピーク値の時間間隔，および角速度の波形がゼロ軸と交差する時間間隔を採用することができる。

＜６．３．２ 地磁気センサ＞
地磁気センサ１８ｃ（図２参照）は、この携帯端末装置１０の向いている方位を示す方位情報ＢＩを取得する。ところで、人が混雑している場所を歩いている時と人が空いている場所を歩いている時とでは水平面についての身体の回転状態が異なると考えられる。従って、方位情報ＢＩの変化から人の歩行動作の大きさを把握することが可能である。また、歩行動作の大きさは、道路の混雑の状態に依存する。以上より、方位情報ＢＩに基づいて混雑度の推定が行われるようにしても良い。すなわち、混雑度推定用のセンサとして地磁気センサ１８ｃを用いることもできる。

混雑度推定用のセンサとして地磁気センサ１８ｃを用いた場合、混雑度を推定するための指標値として、方位情報ＢＩ（出力値）の標準偏差および方位情報ＢＩ（出力値）の波形のピーク値の時間間隔を採用することができる。

＜６．３．３ 高度センサ＞
高度センサは、高度を検出するセンサである。ところで、人が混雑している場所を歩いている時と人が空いている場所を歩いている時とでは身体の上下動の状態が異なると考えられる。従って、高度の情報から人の歩行動作の大きさを把握することが可能である。また、歩行動作の大きさは、道路の混雑の状態に依存する。以上より、高度の情報に基づいて混雑度の推定が行われるようにしても良い。すなわち、混雑度推定用のセンサとして高度センサを用いることもできる。混雑度推定用のセンサとして高度センサを用いた場合、混雑度を推定するための指標値として、高度の標準偏差および高度の波形のピーク値の時間間隔を採用することができる。

＜６．３．４ 歩数センサ＞
歩数センサ（歩数計）は、人の歩数を計測するセンサである。ところで、歩幅の情報を予め入力しておくことにより、一定時間における人の移動距離を当該一定時間における歩数から推定することができる。また、一定時間における移動距離の推定が可能であることから、速度を推定することもできる。また、速度（人の歩行速度）は、道路の混雑の状態に依存する。以上より、歩数の情報に基づいて混雑度の推定が行われるようにしても良い。すなわち、混雑度推定用のセンサとして歩数センサを用いることもできる。混雑度推定用のセンサとして歩数センサを用いた場合、混雑度を推定するための指標値として、速度を採用することができる。

＜６．３．５ ＧＰＳセンサ＞
ＧＰＳセンサ１８ａは、現在位置を特定するための位置情報（緯度・経度の情報）を取得する（図２参照）。ところで、所定期間を通じての位置情報の変化から当該所定期間中における人の移動距離を推定することができる。また、所定期間における移動距離の推定が可能であることから、速度を推定することもできる。また、速度（人の歩行速度）は、道路の混雑の状態に依存する。以上より、位置情報（緯度・経度の情報）に基づいて混雑度の推定が行われるようにしても良い。すなわち、混雑度推定用のセンサとしてＧＰＳセンサ１８ａを用いることもできる。混雑度推定用のセンサとしてＧＰＳセンサ１８ａを用いた場合、混雑度を推定するための指標値として、速度を採用することができる。

なお、混雑度推定用のセンサとしてＧＰＳセンサ１８ａを用いた場合、混雑度を推定するための指標値として、所定期間中において位置情報の値が変化する頻度（更新頻度）あるいは位置情報の値が変化する時間間隔を採用することもできる。これについて以下に説明する。ＧＰＳセンサ１８ａによって得られる１つの位置情報は、或る大きさの領域に対応付けられるデータである。そして、位置情報の値は、そのような領域をまたがることによって変化する。従って、或る一定の所定期間に着目すると、移動速度に応じて当該所定期間中における位置情報の値の更新頻度が変化する。また、移動速度は道路の混雑の状態に依存する。以上より、混雑度を推定するための指標値として、所定期間中における位置情報の値の更新頻度を採用することができる。また、止まっている時には位置情報の値は変化しない。従って、混雑度が大きいほど位置情報の値が変化する時間間隔が長くなる。以上より、混雑度を推定するための指標値として、位置情報の値が変化する時間間隔を採用することができる。

＜７．その他＞
上記実施形態では経路案内システムを例に挙げて説明したが、本発明はこれに限定されない。上記経路案内システムと同様のシステムによって混雑度および人数を推定し、推定結果を様々な用途に利用することもできる。例えば、イベント（花火大会，コンサート，各種スポーツ競技など）の際の警備員の配置のリアルタイムな変更に混雑度および推定人数の情報を用いることができる。

また、上記実施形態においては、サーバ２０と携帯端末装置１０とによって経路案内システムが実現されていたが、本発明はこれに限定されない。携帯端末装置１０に代えて、例えばヘッドマウントディスプレイ（頭部装着型表示装置）のようないわゆるウェアラブル端末を用いるようにしても良い。

１０…携帯端末装置
２０…サーバ
１１０…加速度測定手段
１２０…方位検出手段
１３０…行動判別手段
１４０…混雑度推定手段
１４２…標準偏差算出手段
１４４…混雑度算出手段
２２０…平均混雑度算出手段
２３０…人数算出手段
２４０…人数平滑化手段
ＢＩ…方位情報
ＢＮ…ベース人数
Ｃ…混雑度
ＣＡＶ…平均混雑度
ＮＰ１…（平滑化処理前の）推定人数
ＮＰ２…（平滑化処理後の）推定人数
ＳＡ…加速度
ＳＤ…（加速度の）標準偏差

Claims (16)

1. 混雑度を推定するための指標値を第１のセンサ情報に基づいて取得する指標値取得ステップと、
   前記指標値取得ステップで取得された指標値から直接に混雑度を算出する混雑度算出ステップと
   を含み、
   前記第１のセンサ情報は、加速度情報であって、
   前記指標値は、混雑度を算出する直近の所定期間に取得した前記加速度情報に基づく加速度の標準偏差であることを特徴とする、混雑度推定方法。
2. 前記指標値取得ステップは、前記加速度情報に基づいて得られた加速度の標準偏差に所定の正規化処理を施すことによって前記指標値としての標準偏差を求める正規化ステップを含むことを特徴とする、請求項１に記載の混雑度推定方法。
3. 前記指標値取得ステップの実行前に所定期間を通じて前記加速度情報に基づく加速度の標準偏差を取得する正規化準備ステップを更に含み、
   前記正規化ステップでは、前記正規化準備ステップで取得された標準偏差のうちの最大値が前記指標値として取り得る値の最大値となるように前記正規化処理が行われることを特徴とする、請求項２に記載の混雑度推定方法。
4. 前記混雑度算出ステップでは、前記指標値としての標準偏差が小さいほど混雑度が大きくなるように混雑度が算出されることを特徴とする、請求項１から３までのいずれか１項に記載の混雑度推定方法。
5. 携帯端末装置の利用者が歩行中であるか否かを第２のセンサ情報に基づいて判別する行動判別ステップを更に含み、
   前記行動判別ステップで利用者が歩行中である旨の判別がなされたときにのみ、前記指標値取得ステップによる指標値の取得および前記混雑度算出ステップによる混雑度の算出が行われることを特徴とする、請求項１から４までのいずれか１項に記載の混雑度推定方法。
6. 携帯端末装置のセンサ情報に基づいて混雑度を推定する混雑度推定ステップと、
   複数の携帯端末装置についての前記混雑度推定ステップで推定された混雑度に基づいて、予め定められた基準範囲毎の平均混雑度を算出する平均混雑度算出ステップと、
   前記平均混雑度算出ステップで算出された平均混雑度に基準範囲毎に予め求められている最大収容人数を乗ずることによって基準範囲毎の推定人数を算出する推定人数算出ステップと
   を含むことを特徴とする、人数推定方法。
7. １つの基準範囲およびその周囲の基準範囲に対応付けられる係数群を格納する補正用フィルタを用いて、前記推定人数算出ステップで算出された推定人数を補正する推定人数補正ステップを更に含むことを特徴とする、請求項６に記載の人数推定方法。
8. 前記補正用フィルタに関し、中心の基準範囲に対応付けられた係数の値は、その周囲の基準範囲に対応付けられた係数の値よりも大きいことを特徴とする、請求項７に記載の人数推定方法。
9. 混雑度のデータが存在する基準範囲を計算対象基準範囲と定義し、前記計算対象基準範囲である任意の基準範囲を補正対象基準範囲と定義し、前記補正用フィルタに格納されている係数をフィルタ係数と定義し、任意の基準範囲についての補正前の推定人数に当該基準範囲に対応付けられるフィルタ係数を乗じて得られる値を第１乗算値と定義したとき、前記推定人数補正ステップでは、前記補正対象基準範囲についての補正後の推定人数が下記の式で算出されることを特徴とする、請求項８に記載の人数推定方法：
   ＮＰ２＝Ｓｕｍ１／Ｓｕｍ２
   ここで、ＮＰ２は、前記補正対象基準範囲についての補正後の推定人数を表し、Ｓｕｍ１は、前記補正対象基準範囲およびその周囲の計算対象基準範囲についての第１乗算値の総和を表し、Ｓｕｍ２は、前記補正対象基準範囲およびその周囲の計算対象基準範囲のそれぞれに対応付けられるフィルタ係数の総和を表す。
10. 混雑度を推定するための指標値を第１のセンサ情報に基づいて取得する指標値取得ステップと、
    前記指標値取得ステップで取得された指標値から直接に混雑度を算出する混雑度算出ステップと
    をコンピュータのＣＰＵがメモリを利用して実行し、
    前記第１のセンサ情報は、加速度情報であって、
    前記指標値は、混雑度を算出する直近の所定期間に取得した前記加速度情報に基づく加速度の標準偏差であることを特徴とする、混雑度推定プログラム。
11. 前記指標値取得ステップは、前記加速度情報に基づいて得られた加速度の標準偏差に所定の正規化処理を施すことによって前記指標値としての標準偏差を求める正規化ステップを含むことを特徴とする、請求項１０に記載の混雑度推定プログラム。
12. 前記指標値取得ステップの実行前に所定期間を通じて前記加速度情報に基づく加速度の標準偏差を取得する正規化準備ステップを更に含み、
    前記正規化ステップでは、前記正規化準備ステップで取得された標準偏差のうちの最大値が前記指標値として取り得る値の最大値となるように前記正規化処理が行われることを特徴とする、請求項１１に記載の混雑度推定プログラム。
13. 前記混雑度算出ステップでは、前記指標値としての標準偏差が小さいほど混雑度が大きくなるように混雑度が算出されることを特徴とする、請求項１０から１２までのいずれか１項に記載の混雑度推定プログラム。
14. 携帯端末装置の利用者が歩行中であるか否かを第２のセンサ情報に基づいて判別する行動判別ステップを更に含み、
    前記行動判別ステップで利用者が歩行中である旨の判別がなされたときにのみ、前記指標値取得ステップによる指標値の取得および前記混雑度算出ステップによる混雑度の算出が行われることを特徴とする、請求項１０から１３までのいずれか１項に記載の混雑度推定プログラム。
15. サーバと複数の携帯端末装置とがネットワークを介して接続される人数推定システムにおいて前記サーバで実行される人数推定プログラムであって、
    各携帯端末装置から送信される混雑度のデータを受信するデータ受信ステップと、
    前記データ受信ステップで受信された混雑度のデータに基づいて、予め定められた基準範囲毎の平均混雑度を算出する平均混雑度算出ステップと、
    前記平均混雑度算出ステップで算出された平均混雑度に基準範囲毎に予め求められている最大収容人数を乗ずることによって基準範囲毎の推定人数を算出する推定人数算出ステップと
    をコンピュータのＣＰＵがメモリを利用して実行することを特徴とする、人数推定プログラム。
16. サーバと複数の携帯端末装置とがネットワークを介して接続される人数推定システムであって、
    各携帯端末装置は、
    混雑度を推定するための指標値を第１のセンサ情報に基づいて取得する指標値取得手段と、
    前記指標値取得手段によって取得された指標値から直接に混雑度を算出する混雑度算出手段と、
    前記混雑度算出手段によって算出された混雑度のデータを前記サーバに送信するデータ送信手段と
    を備え、
    前記サーバは、
    各携帯端末装置のデータ送信手段によって送信される混雑度のデータを受信するデータ受信手段と、
    前記データ受信手段によって受信された混雑度のデータに基づいて、予め定められた基準範囲毎の平均混雑度を算出する平均混雑度算出手段と、
    前記平均混雑度算出手段によって算出された平均混雑度に基準範囲毎に予め求められている最大収容人数を乗ずることによって基準範囲毎の推定人数を算出する推定人数算出手段と
    を備えることを特徴とする、人数推定システム。

Images