JP6801064B1 - 情報処理装置、システム、方法及びプログラム - Google Patents
情報処理装置、システム、方法及びプログラム Download PDFInfo
- Publication number
- JP6801064B1 JP6801064B1 JP2019164543A JP2019164543A JP6801064B1 JP 6801064 B1 JP6801064 B1 JP 6801064B1 JP 2019164543 A JP2019164543 A JP 2019164543A JP 2019164543 A JP2019164543 A JP 2019164543A JP 6801064 B1 JP6801064 B1 JP 6801064B1
- Authority
- JP
- Japan
- Prior art keywords
- information
- target location
- wireless terminal
- information processing
- people
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 75
- 238000000034 method Methods 0.000 title claims description 33
- 238000004891 communication Methods 0.000 claims abstract description 56
- 238000001514 detection method Methods 0.000 claims description 58
- 230000007812 deficiency Effects 0.000 claims description 52
- 238000004458 analytical method Methods 0.000 claims description 22
- 230000006870 function Effects 0.000 claims description 15
- 238000010801 machine learning Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 10
- 238000012886 linear function Methods 0.000 claims description 7
- 230000007547 defect Effects 0.000 claims description 5
- 230000002776 aggregation Effects 0.000 abstract description 18
- 238000004220 aggregation Methods 0.000 abstract description 18
- 238000012545 processing Methods 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 abstract description 5
- 230000008569 process Effects 0.000 description 9
- 238000002474 experimental method Methods 0.000 description 7
- 230000007704 transition Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 238000010295 mobile communication Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000010219 correlation analysis Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 230000003542 behavioural effect Effects 0.000 description 2
- 238000005314 correlation function Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
ここで、前記一次関数の傾きを表すパラメータは、前記無線端末装置に対応する通信キャリアの市場占有率であるキャリアシェア率と、前記無線端末装置の近距離無線機能ON率と、前記キャリアシェア率及び前記近距離無線機能ON率以外の理由で前記アクセスポイント装置が前記無線端末装置を検知できない程度を示す欠損度と、を含み、前記決定部は、前記アクセスポイント装置が所定時間内に検知した無線端末装置の検知数の情報と前記実数の情報とに基づいて次の(1)式を用いて前記欠損度を計算して決定し、前記推定部は、次の(2)式を用いて前記通過人数を推定してもよい。
前記条件の項目は、時間帯及び曜日の少なくとも一方を含んでもよい。また、前記条件の項目は、前記対象箇所付近の混雑度及び前記対象箇所を通過する人の歩行速度の統計値の少なくとも一方を含んでもよい。
前記方法において、前記アクセスポイント装置が所定時間内に検知した無線端末装置の検知数の情報と、前記対象箇所を前記所定時間内に実際に通過した人数を集計した通過人数の情報とに基づいて、前記推定モデルのパラメータの値を決定することを更に含んでもよい。
前記プログラムにおいて、前記アクセスポイント装置が所定時間内に検知した無線端末装置の検知数の情報と、前記対象箇所を前記所定時間内に実際に通過した人数を集計した通過人数の情報とに基づいて、前記推定モデルのパラメータの値を決定するためのプログラムコードを更に含んでもよい。
図1は、本発明の一実施形態に係る情報処理装置10を備えるシステムの全体の概略構成の一例を示す説明図である。情報処理装置10は、施設としての駅における利用者80が通過する対象箇所にある自動改札機90の通過人数を推定する。情報処理装置10は、自動改札機90又はその近傍に設けられた近距離無線通信のアクセスポイント装置20から、アクセスポイント装置20が推定対象時間内に検知した無線端末装置85の検知数の情報を取得する。情報処理装置10は、無線端末装置85の検知数から自動改札機90の通過人数を推定する推定モデルのパラメータの値を記憶部(DB)101に記憶する。また、情報処理装置10は、前記パラメータの値を含む推定モデルと、推定対象時間内の無線端末装置85の検知数の情報とに基づいて、前記推定対象時間内に自動改札機90を通過した通過人数(改札利用者数)を推定する。
改札機カウントデータは例えば鉄道事業者が保有する。自動改札機90は、駅での乗降時に磁気乗車券やICカードの乗車券(「IC乗車券」ともいう。)などの券種、普通乗車券や定期券などの種類などを自動的に判別し、利用者80から正しく運賃を収受するための機器である。本実施形態では、自動改札機90から取得できる様々なデータを、改札口単位で乗降別の通過人数を1時間単位に集約した「改札機カウントデータ」を用いている。
Wi−Fi等の近距離無線(無線LAN)のAP装置20を介した通信サービスを提供する通信事業者は、サービス状態の把握、品質の計測、改善等を目的とし、様々な通信ログをAP装置20から取得している。この通信ログの情報のうち、Wi−Fi等の近距離無線通信の端末85がAP装置20と接続する際に交換されるプローブリクエスト/レスポンスやアソシエーションリクエスト/レスポンス等の通信ログが位置情報として利活用される機会が、スマートフォンの普及と共に拡大している。
実際の駅での実証実験により、改札機カウントデータと無線アクセスデータとの突合を検討した。実証実験は近鉄奈良駅で行った。近鉄奈良駅は、(a)春日大社、東大寺、興福寺等世界遺産を抱える観光駅、(b)奈良県庁など行政中心であり同時に奈良女子大学等の学校も多数ある到着駅、(c)付近には多数の住宅地があり大阪方面への通勤・通学の出発駅、など異なる利用側面を持つ駅で、様々な利用者の動向分析が可能であると考えられる。
利用者数の合計は平日と休日で大きな差はないものの、図6に示すように、休日は定期券外の利用がほとんどで、ピークは9時から18時ごろで平日と同じである。また、図7の休日の定期券外の入場、出場件者数では、平日と同様、午前中に奈良に訪れた利用者が昼過ぎから奈良を離れる傾向が見られるが、その件数は平日よりも多く、休日の近鉄奈良駅は、観光中心であることが推定できる。
自動改札機を利用する利用者に適用する無線アクセスデータの属性情報としては、端末85のMACアドレスに紐付けられた近距離無線通信である無線LAN通信(Wi−Fi)の契約者情報(性別、年齢、居住地)が挙げられる。
前述の図9に示すように改札利用者数と端末検知数との間に高い相関が見られため、無線アクセスデータの端末検知数から改札利用者の実数を推定する推定モデルを構築することができる。
推定モデルとしては、例えば、改札利用者の実数を端末検知数の一次関数で表す線形モデル(「線形回帰モデル」ともいう。)がある。この推定モデルの推定精度を検討する上で、AP装置(例えば、Wi−Fiアクセスポイント)20の周辺に位置するスマートフォンなどの端末85のうちAP装置20でどの程度の端末85が検知されるかを示す、AP装置20による端末検知の「検知率」及びその逆数である「欠損度」が重要である。この欠損度及び検知率は推定モデル(線形モデル)のパラメータである。
上記(6)式に基づき、キャリアシェア率を22.3%とし、近距離無線機能ON率を70%として、前述の近鉄奈良駅での実証実験期間中の端末検知数と改札利用者数(=実数)から欠損度を日別に計算すると、その日別欠損度は平均で1.94(最大値:2.34,最小値:1.54)となる。欠損度が1.94であることは、AP装置20による端末検知の検知率が51.5%であり、約半数程度の端末85しか検知できていないことになる。
図17及び図18はそれぞれ、近鉄奈良駅の平日及び休日における改札利用者数と欠損度の時間推移の一例を示すグラフである。図17の平日の欠損度の平均は2.99(最大が6時台で4.03、最小が23時台で2.01)となり、図18の休日の欠損度の平均は2.69(最大が6時台で3.09、最小が23時台で1.99)となり、日平均と同様、休日の欠損度のほうが小さく、休日のほうが平日より端末85が検出されやすい。
図17及び図18に示すように改札利用者が最も多い平日朝の通勤時は欠損度が最も高く、18時以降は欠損度が徐々に低くなる等の結果が得られたことから、駅の混雑率が欠損度に影響を与えていると考えられる。そこで、平日、休日別に改札利用者数と欠損度との間の相関分析を行った。
上記モデルは、欠損度が人数(密度)の影響を受けること、すなわち、改札利用者が増加すると欠損率が増加することを前提として構築したが、欠損率は改札利用者だけでなく他の要素の影響を受ける場合がある。
上記改札利用者数の推定に用いる推定モデルは、AP装置20による端末検知数の情報と自動改札機90の通過人数の推定に影響する複数種類の条件の情報とを環境変数とし、自動改札機90の通過人数を目的変数とする機械学習モデルであってもよい。
特に、本実施形態によれば、条件ごとに異なる複数の推定モデルを構築し、推定対象期間における条件に適した推定モデルを用いることにより、推定対象期間の端末検知数の情報から自動改札機90の改札ゲートを通過した通過人数を推定するときの推定精度をより高めることができる。
15 :顧客管理サーバ
20 :AP装置(アクセスポイント装置)
30 :移動通信網
35 :通信網
80 :利用者
85 :端末
85 :無線端末装置
90 :自動改札機
91,92 :データ集計用PC装置
95 :顧客管理サーバ
102 :情報取得部
103 :推定部
104 :決定部
105 :分析部
Claims (20)
- 施設における利用者が通過する対象箇所の通過人数を推定する情報処理装置であって、
前記対象箇所又はその近傍に設けられた近距離無線通信のアクセスポイント装置から、前記アクセスポイント装置が推定対象時間内に検知した無線端末装置の検知数の情報を取得する検知情報取得部と、
前記無線端末装置の検知数から前記対象箇所の通過人数を推定する推定モデルのパラメータの値を記憶する記憶部と、
前記パラメータの値を含む推定モデルと、前記推定対象時間内の前記無線端末装置の検知数の情報とに基づいて、前記推定対象時間内に前記対象箇所を通過した通過人数を推定する推定部と、を備えることを特徴とする情報処理装置。 - 請求項1の情報処理装置において、
前記アクセスポイント装置が所定時間内に検知した無線端末装置の検知数の情報と、前記対象箇所を前記所定時間内に実際に通過した人数を集計した通過人数の情報とに基づいて、前記推定モデルのパラメータの値を決定する決定部を、更に備えることを特徴とする情報処理装置。 - 請求項2の情報処理装置において、
前記対象箇所を前記所定時間内に実際に通過した人数を集計した実数の情報を取得する実数情報取得部を更に備えることを特徴とする情報処理装置。 - 請求項1乃至3のいずれかの情報処理装置において、
前記推定モデルは、前記通過人数を前記無線端末装置の検知数の一次関数で表すモデルであることを特徴とする情報処理装置。 - 請求項1乃至6のいずれかの情報処理装置において、
前記推定モデルのパラメータの値は、前記対象箇所の通過人数の推定に影響する互いに異なる複数の条件のそれぞれについて決定され、
前記推定部は、前記複数の条件から前記推定対象時間に対応する条件を選択し、前記選択した条件に対応する前記パラメータの値を含む推定モデルを、前記通過人数の推定に用いることを特徴とする情報処理装置。 - 請求項7の情報処理装置において、
前記条件の項目は、時間帯及び曜日の少なくとも一方を含むことを特徴とする情報処理装置。 - 請求項7又は8の情報処理装置において、
前記条件の項目は、前記対象箇所付近の混雑度及び前記対象箇所を通過する人の歩行速度の統計値の少なくとも一方を含むことを特徴とする情報処理装置。 - 請求項1乃至3のいずれかの情報処理装置において、
前記推定モデルは、前記無線端末装置の検知数の情報と前記対象箇所の通過人数の推定に影響する複数種類の条件の情報とを環境変数とし、前記対象箇所の通過人数を目的変数とする機械学習モデルであり、
前記アクセスポイント装置が所定時間内に検知した無線端末装置の検知数の情報と、前記対象箇所の通過人数の推定に影響する複数種類の条件の情報と、前記対象箇所の実際の通過人数の情報とを含む複数の学習用データを用いて、前記機械学習モデルのパラメータの値を決定することを特徴とする情報処理装置。 - 請求項1乃至10のいずれかの情報処理装置において、
前記推定対象時間内に検知された前記無線端末装置の利用者の属性情報に基づいて、前記対象箇所を通過した人の集団について属性分析を行う分析部を、更に備えることを特徴とする情報処理装置。 - 施設における利用者が通過する対象箇所を通過した人を分析する情報処理装置であって、
前記対象箇所の近傍に設けられた近距離無線通信のアクセスポイント装置が検知した複数の無線端末装置について、前記無線端末装置の利用者の属性情報を記憶する記憶部と、
前記複数の無線端末装置の利用者の属性情報に基づいて、前記対象箇所を通過した人の集団について属性分析を行う分析部と、
を備えることを特徴とする情報処理装置。 - 請求項11又は12の情報処理装置において、
前記属性情報は、前記利用者の性別、年齢及び居住地の少なくとも一つの情報を含むことを特徴とする情報処理装置。 - 請求項1乃至13のいずれかの情報処理装置と、前記アクセスポイント装置とを備えることを特徴とするシステム。
- 施設における利用者が通過する対象箇所の通過人数を推定する方法であって、
前記対象箇所又はその近傍に設けられた近距離無線通信のアクセスポイント装置から、前記アクセスポイント装置が推定対象時間内に検知した無線端末装置の検知数の情報を取得することと、
前記無線端末装置の検知数から前記対象箇所の通過人数を推定する推定モデルのパラメータの値を記憶することと、
前記パラメータの値を含む推定モデルと、前記推定対象時間内の前記無線端末装置の検知数の情報とに基づいて、前記推定対象時間内に前記対象箇所を通過した通過人数を推定することと、
を含むことを特徴とする方法。 - 請求項15の方法において、
前記アクセスポイント装置が所定時間内に検知した無線端末装置の検知数の情報と、前記対象箇所を前記所定時間内に実際に通過した人数を集計した通過人数の情報とに基づいて、前記推定モデルのパラメータの値を決定することを更に含むことを特徴とする方法。 - 施設における利用者が通過する対象箇所を通過した人を分析する方法であって、
前記対象箇所又はその近傍に設けられた近距離無線通信のアクセスポイント装置が検知した複数の無線端末装置について、前記無線端末装置の利用者の属性情報を記憶することと、
前記複数の無線端末装置の利用者の属性情報に基づいて、前記対象箇所を通過した人の集団について属性分析を行うことと、
を含むことを特徴とする方法。 - 施設における利用者が通過する対象箇所の通過人数を推定する情報処理装置に備えるコンピュータ又はプロセッサにおいて実行されるプログラムであって、
前記対象箇所又はその近傍に設けられた近距離無線通信のアクセスポイント装置から、前記アクセスポイント装置が推定対象時間内に検知した無線端末装置の検知数の情報を取得するためのプログラムコードと、
前記無線端末装置の検知数から前記対象箇所の通過人数を推定する推定モデルのパラメータの値を記憶するためのプログラムコードと、
前記パラメータの値を含む推定モデルと、前記推定対象時間内の前記無線端末装置の検知数の情報とに基づいて、前記推定対象時間内に前記対象箇所を通過した通過人数を推定するためのプログラムコードと、
を含むことを特徴とするプログラム。 - 請求項18のプログラムにおいて、
前記アクセスポイント装置が所定時間内に検知した無線端末装置の検知数の情報と、前記対象箇所を前記所定時間内に実際に通過した人数を集計した通過人数の情報とに基づいて、前記推定モデルのパラメータの値を決定するためのプログラムコードを更に含むことを特徴とするプログラム。 - 施設における利用者が通過する対象箇所を通過した人を分析する情報処理装置に備えるコンピュータ又はプロセッサにおいて実行されるプログラムであって、
前記対象箇所又はその近傍に設けられた近距離無線通信のアクセスポイント装置が検知した複数の無線端末装置について、前記無線端末装置の利用者の属性情報を記憶するためのプログラムコードと、
前記複数の無線端末装置の利用者の属性情報に基づいて、前記対象箇所を通過した人の集団について属性分析を行うためのプログラムコードと、
を含むことを特徴とするプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019164543A JP6801064B1 (ja) | 2019-09-10 | 2019-09-10 | 情報処理装置、システム、方法及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019164543A JP6801064B1 (ja) | 2019-09-10 | 2019-09-10 | 情報処理装置、システム、方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6801064B1 true JP6801064B1 (ja) | 2020-12-16 |
JP2021043641A JP2021043641A (ja) | 2021-03-18 |
Family
ID=73740958
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019164543A Active JP6801064B1 (ja) | 2019-09-10 | 2019-09-10 | 情報処理装置、システム、方法及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6801064B1 (ja) |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5176402B2 (ja) * | 2007-06-18 | 2013-04-03 | 大日本印刷株式会社 | 通過滞留情報管理システム、及び、プログラム |
-
2019
- 2019-09-10 JP JP2019164543A patent/JP6801064B1/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2021043641A (ja) | 2021-03-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pouw et al. | Monitoring physical distancing for crowd management: Real-time trajectory and group analysis | |
Hussain et al. | Transit OD matrix estimation using smartcard data: Recent developments and future research challenges | |
Traunmueller et al. | Digital footprints: Using WiFi probe and locational data to analyze human mobility trajectories in cities | |
Munizaga et al. | Validating travel behavior estimated from smartcard data | |
Aslam et al. | City-scale traffic estimation from a roving sensor network | |
US8977496B2 (en) | System and method for estimating origins and destinations from identified end-point time-location stamps | |
Dai et al. | Bus travel time modelling using GPS probe and smart card data: A probabilistic approach considering link travel time and station dwell time | |
Ortega-Tong | Classification of London's public transport users using smart card data | |
Herrera-Restrepo et al. | A multi-perspective dynamic network performance efficiency measurement of an evacuation: A dynamic network-DEA approach | |
Zhang et al. | Revealing group travel behavior patterns with public transit smart card data | |
Smith et al. | Finger on the pulse: identifying deprivation using transit flow analysis | |
Zhao et al. | Unified estimator for excess journey time under heterogeneous passenger incidence behavior using smartcard data | |
Tavassoli et al. | Modelling passenger waiting time using large-scale automatic fare collection data: An Australian case study | |
CN109891190B (zh) | 基于衍生社交网络对个人进行地理定位 | |
Guo et al. | A simple but quantifiable approach to dynamic price prediction in ride-on-demand services leveraging multi-source urban data | |
Jafari Kang et al. | A procedure for public transit OD matrix generation using smart card transaction data | |
CN112687401A (zh) | 聚集风险确定方法及装置、计算机可读介质及电子设备 | |
Dypvik Landmark et al. | Mobile phone data in transportation research: methods for benchmarking against other data sources | |
Li et al. | Predicting home and work locations using public transport smart card data by spectral analysis | |
Li et al. | Comparison of door-to-door transit travel time estimation using schedules, real-time vehicle arrivals, and smartcard inference methods | |
Leng et al. | Leveraging individual and collective regularity to profile and segment user locations from mobile phone data | |
JP6801064B1 (ja) | 情報処理装置、システム、方法及びプログラム | |
Jin et al. | Spatio-temporally constrained origin–destination inferring using public transit fare card data | |
JP2021096793A (ja) | エリア分析システムおよびその方法 | |
Li et al. | Equality of public transit connectivity: the influence of mass rapid transit services on individual buildings for Singapore |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190913 |
|
A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20191007 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191028 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20201106 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201125 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6801064 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |