JP6933992B2 - 人流予測装置および人流予測プログラム - Google Patents

Description

本発明は、人流予測装置および人流予測プログラムに関する。

催し物などのイベントが開催される場合、イベント開始時刻あるいは終了時刻の前後で、バス停留所や鉄道の駅などの交通機関からイベント会場へ向かって発生する人の流れ（人流）、あるいはイベント会場から交通機関に向かって発生する人流を予測することが考えられている。人流の予測は、例えばイベント会場周辺の小売店の人員計画、小売店の商品仕入れ計画にとって、需要の過大見積もりによるコスト増や過少見積もりによる機会損失などを防止する効果が見込まれる。しかし、交通機関の統計値や人口センサスなど、平常時の人流の挙動を捕らえる目的で取得されている統計データを用いてイベント開催時の人流を予測することは難しい。

特許文献１では、平常時と異なる人流予測のために、駅周辺に設置されたカメラが取得した画像を処理して人数を数えるなどの計測を行い、この計測結果に基づいて周辺の混雑を予測する技術が開示されている。また、特許文献２には、自動改札装置の利用状況に基づいて、さらに、特許文献３ではセンサによる計測に基づいて、未来の通過人数を予想することで、周辺の混雑率を求める技術が開示されている。これらの特許文献１、２、３では、平常時と異なる人流予測を求めるために、カメラ、自動改札装置、センサなどの計測装置を設置し、設置された場所における人数の計測に基づいて、将来の人流を予測する技術である。

特開２００４−１７８３５８号公報 特許第５５９６５９２号公報 特許第６０６２１２４号公報

特許文献１、２、３に記載の人流予測では、人流の予測対象時間は数時間程度に限られてしまう。この結果、例えば数日後や数週間後といった長期間後のイベント開催時における人流を予測することは不可能であった。

本発明による人流予測装置は、イベントの会場位置、開催日時を示すイベント情報を予め記憶するイベント情報記憶部と、入力されたイベントの会場位置、開催日時を示すイベント情報に類似するイベント情報を前記イベント情報記憶部より選択し、選択されたイベント情報を基にイベント開催時の人流が発生する交通機関を特定する第１処理部と、入力されたイベント動員数を前記特定された交通機関に割り振る第２処理部と、地域に存在する人数を日付時間に対応して予め記憶する人流データ記憶部と、交通機関の位置、および道路情報を記憶する地図情報記憶部とを備え、前記第１処理部は、前記人流データ記憶部、および前記地図情報記憶部を参照して、前記人流が発生する交通機関を特定し、前記地図情報記憶部を参照して、前記特定された交通機関からイベント会場までの歩行経路を決定し、前記第２処理部は、前記イベント動員数を前記歩行経路の距離が長いほど分配比が減少するように割り振る。
本発明による人流予測プログラムは、イベントの会場位置、開催日時を示すイベント情報を予め記憶するイベント情報記憶部と、入力されたイベントの会場位置、開催日時を示すイベント情報に類似するイベント情報を前記イベント情報記憶部より選択し、選択されたイベント情報を基にイベント開催時の人流が発生する交通機関を特定する第１処理部と、入力されたイベント動員数を前記特定された交通機関に割り振る第２処理部と、地域に存在する人数を日付時間に対応して予め記憶する人流データ記憶部と、交通機関の位置、および道路情報を記憶する地図情報記憶部とを備えた人流予測装置のコンピュータに、前記第１処理部により、前記人流データ記憶部、および前記地図情報記憶部を参照して、前記人流が発生する交通機関を特定し、前記地図情報記憶部を参照して、前記特定された交通機関からイベント会場までの歩行経路を決定するステップと、前記第２処理部により、前記イベント動員数を前記歩行経路の距離が長いほど分配比が減少するように割り振るステップとを実行させる。

本発明によれば、数日後や数週間後といった長期間後のイベント開催時における人流を予測することが可能になる。

人流予測システムの構成を示す図である。 人流予測システムのハードウェア構成の一例である。 人流予測システムの入出力手順を示す図である。 （Ａ）（Ｂ）クライアント装置と人流予測装置との間で入出力する情報のデータ構造である。 （Ａ）〜（Ｃ）地図情報記憶部に格納されているデータのデータ構造である。 （Ａ）（Ｂ）人流データ記憶部、イベント情報記憶部に格納されているデータのデータ構造である。 （Ａ）（Ｂ）人流予測装置の内部で生成、処理されるデータ構造である。 人流予測装置による人流予測の処理手順を示す図である。 最寄交通機関決定処理の処理手順を示す図である。 歩行経路決定処理の処理手順を示す図である。 空間分配比計算処理の処理手順を示す図である。 時間分布関数決定処理の処理手順を示す図である。 人発生処理の処理手順を示す図である。 人移動処理の処理手順を示す図である。 クライアント装置のユーザインタフェースを示す図である。

図１は、人流予測システム１０の構成を示す図である。人流予測システム１０は、人流予測装置１００とクライアント装置１０７がネットワーク１０８を介して相互に接続されてなる。

人流予測装置１００は、地図情報記憶部１０４、人流データ記憶部１０５、イベント情報記憶部１０６、最寄交通機関・経路決定部１０１、時空間分配部１０２、人流生成部１０３を備える。

地図情報記憶部１０４は、交通機関の所在地や道路情報などの地図情報を格納している。人流データ記憶部１０５は、地域、日時と対応付けて過去の人流データを格納している。イベント情報記憶部１０６は、過去に開催されたイベントの日時等に対応付けてイベント情報を格納している。最寄交通機関・経路決定部１０１は、地図情報記憶部１０４、人流データ記憶部１０５、イベント情報記憶部１０６に格納されている情報とクライアント装置１０７から入力されたイベント情報にもとづき、イベント参加者が利用する最寄交通機関とその歩行経路を決定する。時空間分配部１０２は、クライアント装置１０７から入力されたイベント情報の動員数を最寄交通機関・経路決定部１０１で決定された最寄交通機関・経路の属性にもとづき、経路の起点に分配する。人流生成部１０３は、経路に定められた単位時間当たりの人の発生数にもとづき、経路上に人流を発生させる。各構成の詳細は後述する。

クライアント装置１０７は、人流予測装置１００に対してイベント情報を入力し、このイベント情報を基に人流を予測した人流予測装置１００から人流予測の結果を取得して表示する。なお、クライアント装置１０７はネットワーク１０８を介して人流予測装置１００に接続された構成を例に説明するが、クライアント装置１０７に替えて人流予測装置１００が備えた入出力装置を用いてもよい。

本実施形態の特徴の一つは、人流予測装置１００がクライアント装置１０７からイベント情報として入力された動員数を人流の発生起点である交通機関とイベント会場とを結ぶ経路に対して、時空間的に分配することによって人流予測を行う点にある。この結果、イベント時などの平常時と異なる人流の予測であって、リアルタイムデータの入力を必要とせずに長期間後のイベント開催時における人流の予測が可能になる。

図２は、人流予測システム１０のハードウェア構成の一例である。人流予測装置１００は、演算性能を持ったプロセッサ２０１、高速に読み書きが可能な揮発性一時記憶領域であるＤＲＡＭ２０２、通信を行うためのネットワークインタフェースカードであるＮＩＣ２０３、ＨＤＤやフラッシュメモリなどを利用した永続的な記憶領域である記憶装置２０４を含む。クライアント装置１０７は、人流予測装置１００と同様の構成でよく、プロセッサ２０６、ＤＲＡＭ２０７、ＮＩＣ２０８、記憶装置２０９を備える。

図３は、人流予測システム１０の入出力手順を示す図である。クライアント装置１０７は、人流予測対象のイベント情報をユーザから受け付け、クライアント装置１０７は受け付けたイベント情報（後述のイベント情報４０１）を人流予測装置１００へ入力する。人流予測装置１００は入力されたイベント情報に対応する人流予測結果（後述の人流予測ポイントデータ４０２など）をクライアント装置１０７に出力し、クライアント装置１０７は人流予測結果をユーザに表示する。

図４（Ａ）は、クライアント装置１０７が人流予測装置１００へ入力するイベント情報４０１のデータ構造である。図４（Ｂ）は、人流予測装置１００がクライアント装置１０７へ出力する人流予測結果の人流予測ポイントデータ４０２のデータ構造である。

イベント情報４０１は、図４（Ａ）に示すように、項番１〜８の順に、イベント名、イベント種別、イベント会場位置、イベント開催日、イベント開場時刻、イベント開始時刻、イベント終了時刻、動員数を項目名とするデータ列である。イベント名（項番１）は、個々のイベント情報を識別するような文字列であればよい。イベント種別（項番２）は、後述するイベント情報の類似度判定に使用するための文字列、たとえば「スポーツ」、「コンサート」などである。イベント会場位置（項番３）は、イベント会場の中心点など、イベント会場を地図上で特定する座標列である。イベント開催日（項番４）は、イベントが開催される年月日である。イベント開場時刻（項番５）、イベント開始時刻（項番６）、イベント終了時刻（項番７）は、それぞれイベント会場が開場する時刻、イベントが開始される時刻、イベントが終了する時刻である。動員数（項番８）はイベントに参加する人の総数、またはその予測値である。

人流予測ポイントデータ４０２は、図４（Ｂ）に示すように、項番１〜３の順に、人ＩＤ、人位置、時刻を項目名とするデータ列である。人ＩＤ（項番１）は、人一人ごと一意の番号である。人位置（項番２）は、人一人の位置座標であり、緯度経度など座標系で示される。時刻（項番３）は、人ＩＤ（項番１）で特定される人が人位置（項番２）で特定される位置座標にいた時刻である。人流予測装置１００は、イベント情報４０１の動員数（項番８）に相当する数の人流予測ポイントデータ４０２を配列としてクライアント装置１０７へ出力する。

図５（Ａ）〜（Ｃ）は人流予測装置１００内部の地図情報記憶部１０４に格納されているデータのデータ構造である。

図５（Ａ）は、地図情報５０１のデータ構造である。地図情報５０１は、項番１〜２の順に、交通機関データ５０２、道路情報５０３を項目名とするデータ列である。交通機関データ５０２（項番１）は、交通機関の位置座標などの属性の集合であり、図５（Ｂ）に示す交通機関データ５０２のポインタである。道路情報５０３（項番２）は、歩行者が通行可能な経路の情報であり、図５（Ｃ）に示す道路情報５０３のポインタである。

図５（Ｂ）は、交通機関データ５０２のデータ構造である。交通機関データ５０２は、項番１〜５の順に、交通機関名、時刻表、交通機関の位置、交通機関統計情報、交通機関種別を項目名とするデータ列である。交通機関名（項番１）は、バス停、駅などの名称である。時刻表（項番２）は、交通機関の時刻表である。交通機関の位置（項番３）は、駅、バス停などの位置であり、緯度経度などの座標系に依存する。交通機関統計情報（項番４）は、交通機関の利用に関する統計値である。交通機関種別（項番５）は、バス、鉄道などの交通機関の種別である。

図５（Ｃ）は、道路情報５０３のデータ構造である。道路情報５０３は、項番１〜２の順に、ジオメトリ、属性を項目名とするデータ列である。ジオメトリ（項番１）は、道路の中心線を定義するジオメトリである。属性（項番２）は、道路幅、経路長などのジオメトリの属性である。

図６（Ａ）は、人流予測装置１００内部の人流データ記憶部１０５に格納されている人流データ６０１のデータ構造である。人流データ記憶部１０５には過去に発生した人流データ６０１を蓄積して記憶している。

人流データ６０１は、項番１〜５の順に、メッシュＩＤ、時間、カウント、日付、イベントフラグを項目名とするデータ列である。メッシュＩＤ（項番１）は、地域メッシュ固有のＩＤである。時間（項番２）は、人数計測時間である。カウント（項番３）は、ある時間に何人が項番１のメッシュＩＤで示されるメッシュに滞在したかであり、単位は人/時である。日付（項番４）は、人数を計測した日付である。イベントフラグ（項番６）は、人流データ６０１の項番３のカウントがイベント開催時に計測された値かどうかを示すフラグであり、一般に二値、たとえばTrue、 Falseあるいは１、０をとるデータであればよい。このように、人流データ６０１は、地域メッシュ（項番１）ごとに、ある日付（項番４）の一定の計測時間（項番２）における人の数（項番３）が記録されたデータを指す。

図６（Ｂ）は、人流予測装置１００内部のイベント情報記憶部１０６に格納されているイベント情報６０２のデータ構造である。イベント情報記憶部１０６には過去に開催された所定期間のイベント情報６０２が蓄積されている。

イベント情報６０２は、項番１〜８の順に、イベント名、イベント種別、イベント会場位置、イベント開催日、イベント開場時刻、イベント開始時刻、イベント終了時刻、動員数を項目名とするデータ列である。イベント名（項番１）は、個々のイベント情報を識別するような文字列であればよい。イベント種別（項番２）は、後述するイベント情報の類似度判定に使用するための文字列、たとえば「スポーツ」、「コンサート」などである。イベント会場位置（項番３）は、イベント会場の中心点など、イベント会場を地図上で特定する座標列である。イベント開催日（項番４）は、イベントが開催される年月日である。イベント開場時刻（項番５）、イベント開始時刻（項番６）、イベント終了時刻（項番７）は、それぞれイベント会場が開場する時刻、イベントが開始される時刻、イベントが終了する時刻である。動員数（項番８）はイベントに参加する人の総数、またはその予測値である。

図７（Ａ）（Ｂ）は、人流予測装置１００の内部で生成、処理されるデータ構造である。
図７（Ａ）は、最寄交通機関データ７０１のデータ構造である。最寄交通機関データ７０１は、項番１〜６の順に、交通機関名、時刻表、交通機関の位置、交通機関統計情報、交通機関種別、類似イベントを項目名とするデータ列である。交通機関名（項番１）は、バス停、駅などの名称である。時刻表（項番２）は、交通機関の時刻表であり、後述の人発生処理において人の発生時刻のピーク算出などに利用する。交通機関の位置（項番３）は、駅、バス停などの位置であり、後述の空間分配比計算処理において、イベント会場から交通機関までの距離を算出する際に用いられる座標列である。交通機関統計情報（項番４）は、交通機関の利用に関する統計値である。交通機関種別（項番５）は、バス、鉄道などを文字列で記載し、後述の空間分配比計算処理において種別ごとに空間分配比の重み付けを変更する処理などに用いられる。類似イベント（項番６）は、イベント情報６０２のポインタであり、最寄交通機関データ７０１が過去に類似したイベントで用いられたことがあることを示すものである。

図７（Ｂ）は、時空間分配データ７０２のデータ構造である。時空間分配データ７０２は、項番１〜４の順に、最寄交通機関データ、経路情報、空間分配比、時間分布関数を項目名とするデータ列である。最寄交通機関データ（項番１）は、最寄交通機関データ７０１のポインタである。経路情報（項番２）は、交通機関からイベント会場を結ぶ道路情報であり、この道路情報は図５（Ｃ）に示す道路情報５０３で表される。空間分配比（項番３）は、動員数（イベント情報４０１の項番８）のうち、経路（項番２）上を流れる人数の割合である。時間分布関数（項番４）は、経路（項番２）の起点に人が発生する時間的な偏りを表す関数である。

図８は、人流予測装置１００による人流予測の処理手順を示す図である。なお、この処理手順、および以下に説明する処理手順で示したプログラムを、ＣＰＵ、メモリなどを備えたコンピュータにより実行することができる。全部の処理、または一部の処理をハードロジック回路により実現してもよい。更に、このプログラムは、予め人流予測装置１００の記憶媒体に格納して提供することができる。あるいは、独立した記憶媒体にプログラムを格納して提供したり、ネットワーク回線によりプログラムを人流予測装置１００の記憶媒体に記録して格納することもできる。データ信号（搬送波）などの種々の形態のコンピュータ読み込み可能なコンピュータプログラム製品として供給してもよい。

図８のステップＳ８０１で、最寄交通機関・経路決定部１０１は、クライアント装置１０７からイベント情報４０１を受け付ける。

次に、ステップＳ８０２へ進み、最寄交通機関決定処理を行う。この処理の詳細は図９を参照して後述するが、クライアント装置１０７から入力されたイベント情報４０１および交通機関や道路の情報をもった地図情報５０１に基づいて、イベント参加者がイベント会場まで徒歩で移動する起点となる最寄交通機関を決定する。

次に、ステップＳ８０３へ進み、歩行経路決定処理を行う。この処理の詳細は図１０を参照して後述するが、イベント参加者が決定された最寄交通機関から徒歩でイベント会場まで移動する経路を決定する。一般に、一つのイベント会場に対しては複数の最寄交通機関が存在する。また一般に一つの最寄交通機関に対してイベント会場への歩行経路は複数存在する。よって最寄交通機関・経路決定部１０１は歩行経路ごとに最寄交通機関データを生成する。

次のステップＳ８０４で、時空間分配部１０２は、空間分配比計算処理を行う。この処理の詳細は図１１を参照して後述するが、空間分配比として、動員数（イベント情報４０１の項番８）のうち、経路（時空間分配データ７０２の項番２）上を流れる人数の割合を求める。

次のステップＳ８０５で、時空間分配部１０２は、時間分布関数決定処理を行う。この処理の詳細は図１２を参照して後述するが、時間分布関数として、経路（時空間分配データ７０２の項番２）の起点に人が発生する時間的な偏りを表す関数を決定する。

次に、ステップＳ８０６で、人流生成部１０３は、人発生処理を行う。この処理の詳細は図１３を参照して後述するが、生成された時空間分配データ７０２に基づいて、人流予測ポイントデータ４０２を生成する。

次のステップＳ８０７で、人流生成部１０３は、人移動処理を行う。この処理の詳細は図１４を参照して後述するが、生成された人流予測ポイントデータ４０２に基づいて、位置座標上で人の移動処理を行う。

その後、ステップＳ８０８へ進み、クライアント装置１０７へ人流予測ポイントデータ４０２の配列などを出力する。これを受けて、クライアント装置１０７は、予測結果を表示する。

図９は、最寄交通機関決定処理の処理手順を示す図である。図８のステップＳ８０２の詳細を示す図である。

図９のステップＳ９０１では、クライアント装置１０７から取得したイベント情報４０１に対して、イベント情報記憶部１０６に記憶されているイベント情報６０２の中に、所定の類似度の所定の閾値以上を持つものが存在するかを判断する。類似度はイベント情報の間に定義される公知の距離の公理を満たす関数であれば何でも良い。たとえば、類似度は二つのイベント情報を引数に取り、引数として与えられたイベント情報６０２がもつイベント会場位置（図６のイベント情報６０２の項番３）が一致している場合１００、イベント種別（イベント情報６０２の項番２）が一致している場合に１０、イベント名（イベント情報６０２の項番１）が一致している場合に５、イベント終了時刻（イベント情報６０２の項番７）が一致している場合２０などとして、その合計値を返す関数としてよい。ここで、類似度の閾値は、類似度を定義する関数に応じて任意に設定する実数値でよい。たとえば類似度関数を用いた場合、イベント会場位置（イベント情報６０２の項番３）が一致し、かつイベント種別（イベント情報６０２の項番２）も一致するものを選択したければ、閾値を１１０と設定すればよい。

ステップＳ９０１でイベント情報記憶部１０６を照会した結果、類似度の閾値以上のイベント情報６０２が存在しなかった場合は、ステップＳ９０２へ移行する。ステップＳ９０２では、入力されたイベント情報４０１で示されるイベント会場の最寄交通機関として、所定の距離関数で定義される距離の所定の閾値以内の交通機関を地図情報記憶部１０４から取得する。ここで距離関数は、公知の擬距離の公理を満たす関数、たとえばユークリッド距離、道路情報により計算される道のり距離などとしてよい。ここで距離の閾値は任意の実数値でよい。たとえば、イベント会場までの道のり距離が２km以内になるような交通機関すべてを選択してよい。

他方、ステップＳ９０１で、イベント情報記憶部１０６を照会した結果、所定の類似度の閾値を超えるイベント情報が存在した場合、ステップＳ９０３へ移行する。ステップＳ９０３では、イベント情報記憶部１０６より、類似度の最も高いイベント情報のイベント開催日を取得する。類似度の最大値が等しいイベントが存在する場合、いずれを選んでも良い。

次に、ステップＳ９０４の処理へ進み、ステップＳ９０３で選択されたイベント情報のイベント開催日の人流データ６０１を人流データ記憶部１０５から取得する。このとき取得する人流データ６０１は、たとえばイベント会場位置から所定の半径、たとえば１０ kmに包含される地域メッシュを持つデータだけ取得してよい。

次に、ステップＳ９０５の処理へ進み、平常時の人流データ６０１として、イベント開催日の所定の日数前後の人流データ６０１であって、人流データ６０１の項番５のイベントフラグの値がFalseの値を持ったものを取得する。イベント開催日の所定の日数は、たとえば一日、一週間などと任意に設定してもよい。またこの平常時の人流データ６０１を複数取得して、これらの重みつき算術平均を取るなどの処理を施して新たに平常時の人流データ６０１を生成し、後のステップＳ９０６の差分の計算において平常時の人流データ６０１として用いても良い。この処理を施す利点は、たとえば平常時の人流からの差分計算による判定の際、特定日の人流データ６０１を選択したことに強く依存しなくなるという利点がある。

次に、ステップＳ９０６の処理へ進み、ステップＳ９０４で取得したイベント開催時の人流データ６０１と、ステップＳ９０５で取得した平常時の人流データ６０１に基づいて、各メッシュIDにおいてイベント開催時の人流データ６０１のカウントから平常時の人流データ６０１のカウントを減算してこれらの差分を計算し、差分が所定の閾値以上であるメッシュIDを取得する。ここで、ステップＳ９０６におけるカウントの減算処理は、たとえば除算をしてその値が１以上であるなど、他の代数計算に代えるなどしてもよい。単純な減算処理を代替することによって得られる効果は、例えば減算結果が負になる場合、すなわち平常時の方が人出が多い場合など、平常時の人流データ６０１として特定の日の人流データ６０１を選択したことにより生ずる誤差に起因する効果を回避できる点などがある。

次に、ステップＳ９０７の処理へ進み、ステップＳ９０６で取得した各メッシュIDに対応する地域メッシュ内に交通機関の位置座標が含まれる場合、交通機関ごとに最寄交通機関データ７０１を生成する。生成する最寄交通機関データ７０１の項番６の類似イベントには、ステップＳ９０３で選択したイベント情報６０２のポインタを記録する。

次のステップＳ９０８では、ステップＳ９０２もしくはステップＳ９０７で取得した交通機関ごとに、最寄交通機関データ７０１（図７参照）を生成する。このとき、最寄交通機関データ７０１の項番６の類似イベントは空データを設定するなどの初期化をしてよい。

次のステップＳ９０８では、時空間分配データ７０２（図７参照）の項番１として最寄交通機関データ７０１をポイント指定した時空間分配データ７０２を最寄り交通機関ごとに生成する。この時点では、時空間分配データ７０２のその他の項番２〜４は空データである。

図１０は、歩行経路決定処理の処理手順を示す図である。図８のステップＳ８０３の詳細を示す図である。この処理では、時空間分配データ７０２の項番２の経路情報を決定する。

図１０のステップＳ１００１で、最寄交通機関決定処理（Ｓ８０２）で生成した最寄交通機関データ７０１をポイント指定している時空間分配データ７０２を受け付ける。

次のステップＳ１００２で、ステップＳ１００１で受け付けた時空間分配データ７０２の項番１でポイント指定されている最寄交通機関データ７０１を基に、地図情報記憶部１０４を参照してイベント会場までの経路探索を実行する。一般に地図上の二点を結ぶ経路は地図情報５０１の項番２の道路情報などから公知の方法で決定することができるが、イベント開催時の人流予測においては、特にイベント開催時に歩行者が使用する経路が重要となる。このため、地図情報５０１に加えて、過去の人流の実績値に基づいた経路を決定するとよい。これによって得られる効果は、より実際のイベント時の人流の挙動に近い人流予測が可能となる点である。

このように、ステップＳ１００２では、時空間分配データ７０２の最寄交通機関データ７０１ごとに、その最寄交通機関とイベント会場までの経路を、地図情報記憶部１０４を参照することで探索する。

次にステップＳ１００３へ進み、探索された経路がイベント開催時に使用されるかを判定する。まず、最寄交通機関データ７０１の項番６の類似イベントが空データでないかどうかを確認する。類似イベントが空データでない場合、ステップＳ１００４へ進む。

ステップＳ１００４では、最寄交通機関データ７０１の項番６の類似イベントに格納されたイベント情報でポイント指定されるイベント情報６０２をイベント情報記憶部１０６より選択する。

次に、ステップＳ１００５の処理へ進み、ステップＳ１００４で選択されたイベント情報のイベント開催日の人流データ６０１を人流データ記憶部１０５から取得する。このとき取得する人流データ６０１は、たとえばイベント会場位置から所定の半径、たとえば１０ kmに包含される地域メッシュを持つデータだけ取得してよい。

次に、ステップＳ１００６の処理へ進み、平常時の人流データ６０１として、イベント開催日の所定の日数前後の人流データ６０１であって、人流データ６０１の項番５のイベントフラグの値がFalseの値を持ったものを取得する。イベント開催日の所定の日数は、たとえば一日、一週間などと任意に設定してもよい。またこの平常時の人流データ６０１を複数取得して、これらの重みつき算術平均を取るなどの処理を施して新たに平常時の人流データ６０１を生成し、後のステップＳ１００７の差分の計算において平常時の人流データ６０１として用いても良い。この処理を施す利点は、たとえば平常時の人流からの差分計算による判定の際、特定日の人流データ６０１を選択したことに強く依存しなくなるという利点がある。

次に、ステップＳ１００７の処理へ進み、ステップＳ１００５で取得したイベント開催時の人流データ６０１と、ステップＳ１００６で取得した平常時の人流データ６０１に基づいて、各メッシュIDにおいてイベント開催時の人流データ６０１のカウントから平常時の人流データ６０１のカウントを減算してこれらの差分を計算し、差分が所定の閾値以上であるメッシュIDを取得する。

次のステップＳ１００８では、ステップＳ１００２で探索された経路のうち、ステップＳ１００７において選択されたメッシュIDに対応する地域メッシュによる被覆率が所定の閾値以上をもつ経路を選択する。ここで、被覆率とは道路情報５０３の項番１のジオメトリが、選択されたメッシュIDが定める地域メッシュのジオメトリに含まれている個数の割合であり、たとえば道路情報５０３の項番１のジオメトリが５つの地域メッシュに含まれている場合、選択された地域メッシュは３つであれば3/5と計算する。この閾値は１以下の正の数値で自由に設定してよい。

次のステップＳ１００９では、ステップＳ１００８で選択された経路ごとに時空間分配データ７０２の項番２の経路情報を記録する。

ステップＳ１００３で、類似イベントが空データであると判定された場合、ステップＳ１０１０へ進み、探索されたすべての経路を選択して、ステップＳ１００９の処理へ進む。

このようにして、選択された全ての経路に対して、その起点となっている交通機関データ５０２を選択し、時空間分配データ７０２の経路情報に交通機関からイベント会場を結ぶ道路情報を記録する。

図１１は、空間分配比計算処理の処理手順を示す図である。図８のステップＳ８０４の詳細を示す図である。この処理では、時空間分配データ７０２の項番３の空間分配比を決定する。この処理により、イベント情報４０１の項番８の動員数を最寄交通機関に時間・空間的に分配する際の比率を計算する。

図１１のステップＳ１１０１では、最寄交通機関・経路決定部１０１で生成された時空間分配データ７０２の配列を取得する。次のステップＳ１１０２の処理で、時空間分配データ７０２の配列内のそれぞれの時空間分配データ７０２の項番３の空間分配比を初期化する。初期化した空間分配比の初期値は０以外であれば何でも良い。ただし、全ての時空間分配データ７０２の空間分配比の初期値は同じ値にする。

次にステップＳ１１０３では、配列内の時空間分配データ７０２の項番２の経路情報に基づき、経路長を計算する。経路長の計算には、経路の始点終点を結ぶ、公知の直線のユークリッド距離、大円距離、および経路に沿った道のり距離を用いてもよい。そして、計算された距離の逆数を、時空間分配データ７０２の項番３の空間分配比に乗算する。このとき、一般には距離の関数であってかつ距離に対する広義単調減少関数であれば何でも良い。例えば、距離の逆数の一般のべき乗でよい。これにより、歩行経路の距離が長いほど空間分配比の値が小さくなるように設定する。

次のステップＳ１１０４で、各時空間分配データ７０２の項番１の最寄交通機関データに対応する交通機関統計情報に基づいて、交通機関に重み付けを行う。交通機関の利用状況に応じて重み付けを行い、例えば鉄道は３、バスは１などとする。そして、ステップＳ１１０３で求められた空間分配比に乗算する。ここで交通機関統計情報とは、たとえば交通機関の年平均利用客数、交通機関の種類に応じた交通機関選択傾向、パーソントリップデータなどの統計情報などを指す。

以上の処理が時空間分配データ７０２の配列の各要素に対して実行された後、次のステップＳ１１０５で、各空間分配比を規格化する。ここでいう規格化とは、時空間分配データ７０２の全ての配列について空間分配比を加算した場合に、１となるように空間分配比を更新することを指す。

図１２は、時間分布関数決定処理の処理手順を示す図である。図８のステップＳ８０５の詳細を示す図である。この処理では、時空間分配データ７０２の項番４の時間分布関数を決定する。すなわち、特定された交通機関から発生する人流が時間的にどのような分布を持つかを決定する。

図１２のステップＳ１２０１では、空間分配比計算処理によって更新を受けた時空間分配データ７０２の配列、およびクライアント装置１０７から入力されたイベント情報４０１を取得する。

次のステップＳ１２０２で、イベント情報４０１にもとづき、人流発生のピーク時刻を決定する。例えば、イベント情報４０１のイベント種別がスポーツの試合であり、開始時刻が１４：００の場合は二時間前の１２：００、あるいはイベントの種類が音楽コンサートであり、開場時刻が１８：００の場合は３０分前の１７：３０などイベント種別に応じて予め任意に定めた時間で計算してよい。また、ピーク時刻は複数あってよい。たとえば、ピーク時刻は開場時刻の３０分前、かつ開始時刻の１時間前などと設定してよい。また、ピーク時刻は時空間分配データ７０２の項番２の経路情報ごとに異なる値を設定してもよい。

次に、ステップＳ１２０３で、決定されたピーク時刻を持つような確率分布関数を決定する。ここで確率分布関数とは、公知の確率の公理を満たす一変数実関数であれば何でも良い。また確率分布関数の台は有界でも非有界でもよい。たとえば、公知のPoisson分布、Gamma分布などの確率分布関数、およびそれらの線形結合などを用いてよい。公知の分布関数の線形結合を用いることで、より複雑なピーク時刻をもつ人流の時間分布を表現することができる効果がある。
このようにして決定した確率分布関数を、各配列の時空間分配データ７０２の項番４の時間分布関数に記録する。

図１３は、人流生成部１０３の人発生処理の処理手順を示す図である。図８のステップＳ８０６の詳細を示す図である。この処理では、各経路に対応した人流予測ポイントデータ４０２を生成する。

図１３のステップＳ１３０１では、各経路上の起点（最寄交通機関の位置）に発生する人の総数を決定する。具体的には、クライアント装置１０７より入力されたイベント情報４０１の動員数をＮ、時空間分配データ７０２の配列の要素iの空間分配比をr_iとする。まず、時空間分配データ７０２の要素iの経路情報の経路上に発生する人の総数N_iを決定する。これはイベント情報４０１の項番８の動員数Ｎに空間分配比r_iを乗算することで得られる。そして、各経路の起点（最寄交通機関の位置）に各経路の人の総数を持つ人流予測ポイントデータ４０２を生成する。

次のステップＳ１３０２では、各経路の起点（最寄交通機関の位置）に求めた各経路の人の総数を、各経路上に時間的に分配する。すなわち、経路上における人の到着時刻を時間分布関数により決定する。具体的には、時間分布関数をf_i（t）とすると、例えば、時刻ｔからt＋Δｔに発生する人の数n_i（t）をN_i×ｆ_i（ｔ）Δｔと計算する。各時空間分配データ７０２をD_i とすると、n_i（t）にもとづき、各時刻ｔ、各データD_iに対して、次の項目を持つ人流予測ポイントデータ４０２をn_i（ｔ）個生成する。すなわち、人流予測ポイントデータ４０２の項番１の人IDとして所定の手続きで付番される整数をもち、人位置としてデータD_iの交通機関データの交通機関の座標をもち、時刻として時刻ｔをもつデータが総計ｎ_i（ｔ）個生成される。ここで人IDの付番方法は、一度の人流予測処理中に一度しか用いられないような番号を与える方法であれば何でも良い。

ここで、時刻ｔとは所定の時刻の原点からｔ分、ｔ時間前などの時刻を指す。同様に、所定の時刻の原点からｔ分後、ｔ時間後などの時刻を表してもよい。ここで、これらの原点や時間の向きは一つの人流予測処理の中で一貫しているものとする。時刻の原点は、たとえばイベント開始時刻やイベント会場の開場時刻などと自由に設定してよい。時刻ｔの定義域は、時空間分配データ７０２の項番４の時間分布関数の定義域を包含する領域であれば何でも良い。

以上では時空間分配データ７０２の項番４の時間分布関数に基づいた決定論的な人流予測の例を挙げたが、これを時空間分配データ７０２の項番４の時間分布関数に基づいた公知のモンテカルロ法に従ってサンプリングした発生時刻に基づき人流予測ポイントデータ４０２を生成してもよい。

図１４は、人移動処理の処理手順を示す図である。図８のステップＳ８０７の詳細を示す図である。この処理では、各経路を移動する人の人流予測ポイントデータ４０２を生成する。

図１４のステップＳ１４０１では、人流予測ポイントデータ４０２の人位置に、所定の速さに応じた値を加算した、新たな人流予測ポイントデータ４０２を生成する。すなわち、人発生処理（Ｓ８０６）で生成された人の発生位置と発生時刻を表す人流予測ポイントデータ４０２ごとに、人流予測ポイントデータ４０２の項番１の人IDが徒歩で移動するのに伴う位置の時間変化を表す新たな人流予測ポイントデータ４０２を生成する。この処理は人発生処理で生成した人流予測ポイントデータ４０２ごとに行う。

所定の時刻刻みΔｔ後の人の位置座標は、速さをｖとして、経路i上をｖΔｔだけ進んだ地点の座標である。ここで速さは、すべての人IDで共通でもよいし、経路iごとに変化させても良いし、人IDごと時刻ｔごとに変化させても良い。ここで時刻刻みΔｔはたとえば１分間、１０分間、一時間など任意の時間でよい。Δｔをより細かい時間幅に設定することにより、詳細な人流の挙動を予測できる。また速さｖを時刻ごとに変化させるなどの詳細な調整をすれば、より現実の人の移動に近い人流予測が可能になる効果を得られる。この処理は、ステップＳ１４０２で、各人流予測ポイントデータ４０２に対して行い、地図情報記憶部１０４を参照して、人の位置座標がイベント会場の座標と一致するか、移動によって座標値が当該経路に含まれなくなる（通過する）まで繰り返す。位置座標が当該経路に含まれなくなった人流予測ポイントデータ４０２は削除し、人IDの人流予測ポイントデータ４０２の人移動処理を終了する。

人移動処理の対象となる人流予測ポイントデータ４０２がなくなったら、ステップＳ８０８（図８）の処理で、生成された人流予測ポイントデータ４０２を要素として持つ配列を生成し、クライアント装置１０７に出力する。

図１５はクライアント装置１０７のユーザインタフェースの一例を示す。クライアント装置１０７は、入力領域１５０１を有し、入力領域１５０１にイベント情報４０１を設定して人流予測装置１００に入力する。押下領域１５０２をユーザが押下することにより、入力領域１５０１に設定されたイベント情報４０１が人流予測装置１００に入力され、人流予測装置１００で人流予測処理を開始する。表示領域１５０３には人流予測処理の結果、人流予測装置１００がクライアント装置１０７に出力した人流予測ポイントデータ４０２等を表示する。表示領域１５０３中の図形は背景地図上に描かれていてよい。表示領域１５０３中の白丸および白四角は最寄交通機関の位置を表し、星印はイベント情報４０１のイベント会場の位置を表し、実線は時空間分配データ７０２の経路を表し、経路上の黒点一つが人流予測ポイントデータ４０２一つの位置を表す。例えば、最寄交通機関１５０４に表示された残１００/５００人は、人流予測装置１００が最寄交通機関に５００人割り振ったうち、表示領域１５０３の上部に示される時刻１７：００からイベント開催時刻まで残り１００人が発生することを示している。

以上説明した実施形態によれば、次の作用効果が得られる。
（１）人流予測装置１００は、イベントの会場位置、開催日時を示すイベント情報６０２を予め記憶するイベント情報記憶部１０６と、入力されたイベントの会場位置、開催日時を示すイベント情報４０１に類似するイベント情報６０２をイベント情報記憶部１０６より選択し、選択されたイベント情報６０２を基にイベント開催時の人流が発生する交通機関を特定する最寄交通機関・経路決定部１０１と、入力されたイベント動員数を特定された交通機関に割り振る時空間分配部１０２と、を備える。これにより、数日後や数週間後といった長期間後のイベント開催時における人流を予測することが可能になる。

（２）人流予測装置１００は、さらに、地域に存在する人数を日付時間に対応して予め記憶する人流データ記憶部１０５を備え、最寄交通機関・経路決定部１０１は、人流データ記憶部１０５を参照して、平常時の人流データとイベント開催時の人流データとの差分の人流データに関わる交通機関を特定する。これにより、イベント開催時の周辺の交通機関を特定することができる。

（３）人流予測装置１００は、さらに、交通機関の位置、および道路情報を記憶する地図情報記憶部１０４を備え、最寄交通機関・経路決定部１０１は、人流データ記憶部１０５、および地図情報記憶部１０４を参照して、人流が発生する交通機関を特定する。これにより、イベント開催時の周辺の交通機関を正確に特定することができる。

（４）最寄交通機関・経路決定部１０１は、地図情報記憶部１０４を参照して、特定された交通機関からイベント会場までの歩行経路を決定する。これにより、イベント開催時の交通機関から歩行経路を正確に特定することができる。

（５）時空間分配部１０２は、イベント動員数を歩行経路の距離が長いほど分配比が減少するように割り振る。これにより、歩行経路の距離に応じて歩行経路上の人数を分配することができる。

（６）時空間分配部１０２は、入力されたイベント情報４０１のイベント開催日時に基づく人流のピーク時刻を持つ時間分布に対応してイベント動員数を割り振る。これにより、歩行経路上の人数を時間分布関数として時間に応じて分配することができる。

（７）人流生成部１０３は、分配比と時間変化とに基づいて歩行経路上に人流のデータを発生させる。これにより、歩行経路上における人流のデータを得ることができる。

本発明は、上記の実施形態に限定されるものではなく、本発明の特徴を損なわない限り、本発明の技術思想の範囲内で考えられるその他の形態についても、本発明の範囲内に含まれる。

１０ 人流予測システム
１００ 人流予測装置
１０１ 最寄交通機関・経路決定部
１０２ 時空間分配部
１０３ 人流生成部
１０４ 地図情報記憶部
１０５ 人流データ記憶部
１０６ イベント情報記憶部
１０７ クライアント装置
１０８ ネットワーク
４０２ 人流予測ポイントデータ
５０１ 地図情報
５０２ 交通機関データ
５０３ 道路情報
６０１ 人流データ
７０１ 最寄交通機関データ
７０２ 時空間分配データ

Claims (5)

1. イベントの会場位置、開催日時を示すイベント情報を予め記憶するイベント情報記憶部と、
   入力されたイベントの会場位置、開催日時を示すイベント情報に類似するイベント情報を前記イベント情報記憶部より選択し、選択されたイベント情報を基にイベント開催時の人流が発生する交通機関を特定する第１処理部と、
   入力されたイベント動員数を前記特定された交通機関に割り振る第２処理部と、
   地域に存在する人数を日付時間に対応して予め記憶する人流データ記憶部と、
   交通機関の位置、および道路情報を記憶する地図情報記憶部とを備え、
   前記第１処理部は、前記人流データ記憶部、および前記地図情報記憶部を参照して、前記人流が発生する交通機関を特定し、前記地図情報記憶部を参照して、前記特定された交通機関からイベント会場までの歩行経路を決定し、
   前記第２処理部は、前記イベント動員数を前記歩行経路の距離が長いほど分配比が減少するように割り振る人流予測装置。
2. 請求項１に記載の人流予測装置において、
   前記第１処理部は、前記人流データ記憶部を参照して、平常時の人流データとイベント開催時の人流データとの差分の人流データに関わる交通機関を特定する人流予測装置。
3. 請求項１に記載の人流予測装置において、
   前記第２処理部は、入力されたイベント情報のイベント開催日時に基づく人流のピーク時刻を持つ時間分布に対応して前記イベント動員数を割り振る人流予測装置。
4. 請求項３に記載の人流予測装置において、
   前記分配比と前記時間分布とに基づいて前記歩行経路上に人流のデータを発生させる第３処理部を備えた人流予測装置。
5. イベントの会場位置、開催日時を示すイベント情報を予め記憶するイベント情報記憶部と、入力されたイベントの会場位置、開催日時を示すイベント情報に類似するイベント情報を前記イベント情報記憶部より選択し、選択されたイベント情報を基にイベント開催時の人流が発生する交通機関を特定する第１処理部と、入力されたイベント動員数を前記特定された交通機関に割り振る第２処理部と、地域に存在する人数を日付時間に対応して予め記憶する人流データ記憶部と、交通機関の位置、および道路情報を記憶する地図情報記憶部とを備えた人流予測装置のコンピュータに、
   前記第１処理部により、前記人流データ記憶部、および前記地図情報記憶部を参照して、前記人流が発生する交通機関を特定し、前記地図情報記憶部を参照して、前記特定された交通機関からイベント会場までの歩行経路を決定するステップと、
   前記第２処理部により、前記イベント動員数を前記歩行経路の距離が長いほど分配比が減少するように割り振るステップとを実行させる人流予測プログラム。

Images