JP6999588B2 - 移動経路予測システム、移動経路予測方法、コンピュータプログラム - Google Patents

Description

本発明は、移動経路予測システム、移動経路予測方法およびコンピュータプログラムに関するものである。

空港や工場等では、施設内のレイアウトを変更することにより、利用者の混雑や作業の効率化を図ることが検討されている。ユーザは、レイアウト変更後に利用者および作業者の移動経路を計測し、レイアウト変更の施策効果を確認している。しかしながら、レイアウト変更はコストがかかるため、事前にレイアウト変更の施策効果を見積もることで、余分なコストを抑制することが求められる。

特許文献１では、施設のレイアウト情報から算出した進行予測方程式を用いて新たな施設レイアウトの動線を予測する技術について開示されている。

特許文献２では、空港等の施設内において、チェックイン機等のサブシステムに記録された情報を用いて移動物体のシミュレーションを行う施設管理システムについて開示されている。

特開２０１４－１８２７１３号公報 特開２００５－１６５６７６号公報

特許文献２に記載の施設管理システムは、施設内を移動する物体の状態を示す移動情報データに基づいて、移動物体の時間変化に関するシミュレーションをする。しかしながら、施設管理システムの移動情報データは、各移動物体の目的地の情報が含まれずに生成されるため、シミュレーションの精度を向上させる余地があると考えられる。

そこで、本発明は、上記のような課題を解決する為になされたものであり、移動体の経路を予測するシミュレーションの精度を向上させることにある。

移動経路予測システムは、所定領域内を移動する移動体の経路を予測するシステムであって、所定領域には、少なくとも一つの出発チェックポイントと、少なくとも一つの目的チェックポイントと、少なくとも一つの中間チェックポイントと、を有する複数のチェックポイントが配置されており、移動体は、所定領域内を出発チェックポイントから目的チェックポイントまで中間チェックポイントを経由して移動するものであり、移動計測システムによって移動体の移動経路の情報が計測され、移動経路の情報を移動計測システムから取得する計測データ取得部と、複数のチェックポイントの位置情報を取得する地図データ入力部と、移動体が移動する複数のチェックポイントの経由情報を設定するワークフロー入力部と、第１特徴量から第１目的変数を算出する動線予測モデルを機械学習する動線予測モデル学習部と、動線予測モデルに基づいて、移動体の経路をシミュレーションする移動経路予測部と、を備え、動線予測モデル学習部は、移動経路の情報を複数区分に分割する動線データ分割部と、動線予測モデルを分割された移動体の移動経路の情報ごとに機械学習する機械学習部と、を備える。

本発明によると、移動体の経路を予測するシミュレーションの精度を向上させることができる。

本発明の移動経路予測システムの概略図。 移動経路予測システムのハードウェア構成の概略図。 移動経路予測システムのシーケンス図。 移動体の測定図。 動線データベースおよびレイアウトデータベースの説明図。 ワークフローデータベースの説明図。 定義ワークフローを有向グラフで示した図。 ワークフロー分析部の流れ図。 定義ワークフロー割り当て部の流れ図。 動線ワークフローを有向グラフで示した図。 更新案提示部の説明図。 チェックポイント編集ボックスとワークフロー編集ボックスとの説明図。 更新後のワークフローデータベースの説明図。 動線予測モデル学習部の流れ図。 動線データ分析部の流れ図。 動線データ分析部の説明図。 第１特徴量および第１目的変数の説明図。 動線予測モデルデータベースの説明図。 移動経路予測部の流れ図。 仮想移動データ生成部の流れ図。 シミュレーション部の流れ図。 移動経路予測部の説明図。 移動計測システムのハードウェア構成の概略図。

以下、本発明の一実施形態を添付図面に基づいて説明するが、本発明は、当該図面に記載の実施形態にのみ限定されるものではない。

本発明は、移動体の移動経路を予測するシステムに関するものである。すなわち、本システムは、目的地から出発地までの経路を複数区間に分割し、区間ごとに移動体の流れをシミュレーションする。なお本システムで予測するのは、人に限らず船舶や車などの移動体であってもよい。移動体の移動する範囲は、空港内および工場内等に限らず海上や路上などの開けた場所の所定範囲でもよい。本実施形態では、空港内を移動する人を例に挙げながら説明を行う。

なお、本実施形態において、チェックポイントは空港内で人が移動する際の立ち寄り場所や属性が付加された通過場所を示し、動線データは人の移動経路の情報を示し、ワークフローはチェックポイント間における移動体の経由情報を示し、動線シミュレーションは動線予想モデルを用いて人の移動経路をシミュレーションすることを示す。

図１は、移動経路予測システム１０の概略図である。移動経路予測システム１０は、計測データ取得部１０１と、地図データ入力部１０２と、ワークフロー入力部１０３と、ワークフロー分析部１０４と、動線予測モデル学習部１０５と、移動経路予測部１０６と、動線データベース１０７と、レイアウトデータベース１０８と、ワークフローデータベース１０９と、動線予測モデルデータベース１１０と、を有する。

移動経路予測システム１０の各機能１０１～１１０を説明する前に、移動経路予測システム１０のハードウェア構成を説明する。図２は、移動経路予測システム１０のハードウェア構成を示す概略図である。移動経路予測システム１０は、プロセッサ１０Ｈ１と、補助記憶装置１０Ｈ２と、モニタ１０Ｈ３と、メモリ１０Ｈ４と、入力装置１０Ｈ５と、通信部１０Ｈ６と、各装置１０Ｈ１～１０Ｈ６をそれぞれ双方向に通信可能に接続するデータ伝送路１０Ｈ７と、を有する。

プロセッサ１０Ｈ１は、例えば「ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）」である。プロセッサ１０Ｈ１は、メモリ１０Ｈ４を介して補助記憶装置１０Ｈ２に記憶されたプログラム１０１～１０６を呼び出して実行する。

補助記憶装置１０Ｈ２は、例えば、ハードディスクまたはＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）メモリ等の不揮発性記憶装置である。補助記憶装置１０Ｈ２は、例えば、計測データ取得部１０１、地図データ入力部１０２と、ワークフロー入力部１０３と、ワークフロー分析部１０４と、動線予測モデル学習部１０５と、移動経路予測部１０６と、のプログラムを記憶している。補助記憶装置１０Ｈ２は、例えば、動線データベース１０７と、レイアウトデータベース１０８と、ワークフローデータベース１０９と、動線予測モデルデータベース１１０と、のデータ構造を記憶している。

モニタ１０Ｈ３は、ユーザ１２に情報を提示する。メモリ１０Ｈ４は、例えば、「ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）」等の揮発性記憶装置である。

入力装置１０Ｈ５は、例えば、キーボード、マウス、タッチパネル等である。ユーザ１２は、入力装置１０Ｈ５を操作して移動経路予測システム１０にデータを入力する。通信部１０Ｈ６は、例えば、「ＮＩＣ（Ｎｅｔｗｏｒｋ Ｃａｒｄ）」である。通信部１０Ｈ６は、少なくとも一つの移動計測システム１１と通信ネットワークＣＮ１を介して無線通信で接続される。なお、通信部１０Ｈ６は、移動計測システム１１と有線通信で接続されてもよい。

図３は、移動経路予測システム１０のシーケンス図である。移動経路予測システム１０および移動計測システム１１の処理の流れを、図１を参照しつつ説明する。

移動計測システム１１は、例えば、図４にて詳述するように、「所定領域」の一例としての空港２０内を移動する「移動体」の一例としての人３０（１），３０（２），３０（３）の「移動経路の情報」の一例としての動線データ３１０（１），３１０（２），３１０（３）を計測する（１１Ｅ１）。なお、人３０（１），３０（２），３０（３）は、特に区別しない場合には、人３０と表す場合がある。動線データ３１０（１），３１０（２），３１０（３）は、特に区別しない場合には、動線データ３１０と表す場合がある。

計測データ取得部１０１は、通信ネットワークＣＮ１を介して移動計測システム１１にて計測された動線データ３１０を受信する。計測データ取得部１０１は、動線データベース１０７に動線データ３１０を保存する（１１Ｍ１）。地図データ入力部１０２には、ユーザ１２からレイアウト情報が入力される。地図データ入力部１０２は、レイアウトデータベース１０８にレイアウト情報を保存する（１０Ｍ１）。動線データベース１０７およびレイアウトデータベース１０８については、図５にて後述する。

ワークフロー入力部１０３には、ユーザ１２から空港２０内のチェックポイント２２０の情報およびワークフローの情報が入力される。入力されたワークフローは、定義ワークフロー１０３１と示す場合がある。ワークフロー入力部１０３は、ワークフローデータベース１０９にチェックポイント２２０の情報および定義ワークフロー１０３１の情報を保存する（１０Ｍ１）。ワークフローデータベース１０９については、図６にて後述する。なお、計測データ取得部１０１の処理１１Ｍ１と、地図データ入力部１０２およびワークフロー入力部１０３の処理１０Ｍ１とは、並列処理でも逐次処理でもよい。

ワークフロー分析部１０４は、レイアウトデータベース１０８から空港２０内のレイアウト情報を受信し（１０Ｍ２）、ワークフローデータベース１０９からチェックポイント２２０の情報および定義ワークフロー１０３１の情報を受信し（１０Ｍ２）、動線データベース１０７から動線データ３１０を受信する（１０Ｍ３）。

ワークフロー分析部１０４は、図８にて後述するように、動線データ３１０を分析することで、ワークフローデータベース１０９に保存されるチェックポイント２２０の情報および定義ワークフロー１０３１の情報を更新する（１０Ｅ１）。

図１に示すように、ワークフロー分析部１０４は、定義ワークフロー割り当て部１０４１と、差分抽出部１０４２と、更新案提示部１０４３と、ワークフロー更新部１０４４と、を有する。

定義ワークフロー割り当て部１０４１は、図９にて後述するように、動線データ３１０と、各チェックポイント２２０と、を照合する。差分抽出部１０４２は、図１０，１１にて後述するように、定義ワークフロー１０３１と、動線データ３１０と、の差分を抽出する。更新案提示部１０４３は、モニタ１０Ｈ３に定義ワークフロー１０３１と、動線データ３１０と、の差分を提示する（１０Ｍ４）。

ユーザ１２は、ワークフローの変更内容をワークフロー更新部１０４４へ入力する（１０Ｍ５）。ワークフロー更新部１０４４は、図１２にて後述するように、ワークフローデータベース１０９を更新する（１０Ｍ６）。

動線予測モデル学習部１０５は、レイアウトデータベース１０８から空港２０内のレイアウト情報を受信し（１０Ｍ７）、ワークフローデータベース１０９からチェックポイント２２０の情報および更新後のワークフローの情報を受信し（１０Ｍ７）、動線データベース１０７から動線データ３１０を受信する（１０Ｍ８）。

動線予測モデル学習部１０５は、図１４にて後述するように、動線予測モデルを機械学習し、動線予想モデルのパラメータ１１０２を生成する（１０Ｅ２）。

図１に示すように、動線予測モデル学習部１０５は、動線データ分割部１０５１と、動線データ分析部１０５２と、機械学習部１０５３と、を有する。

動線データ分割部１０５１は、動線データ３１０を複数区分に分割する。動線データ分析部１０５２は、図１５にて後述するように、特定の位置情報３１１ｂの周囲に位置する第１特徴量および第１目的変数を算出する。

第１特徴量は、例えば、特定の位置情報３１１ｂから他の人３１２、壁２３０および目的地２２２１までの距離を示す（図１６参照）。第１目的変数２６０は、例えば、移動方向１０５３７および移動距離１０５３６を示す。移動距離１０５３６は、特定の位置情報３１１ｂから所定時間後の人３０の位置までの距離を示す。移動方向１０５３７は、特定の位置情報３１１ｂに位置する人３０が次に進む方向の角度を示す。

機械学習部１０５３は、第１特徴量および第１目的変数に基づいて動線予測モデルを学習する。動線予測モデルは、第１特徴量から第１目的変数を算出する式を示す。動線予測モデル学習部１０５は、動線予測モデルデータベース１１０に学習した動線予測モデルのパラメータ１１０２を保存する（１０Ｍ９）。

ユーザ１２は、レイアウトデータベース１０８、ワークフローデータベース１０９に対して、施設内の新しいレイアウト情報やワークフロー情報等を入力する（１０Ｍ１０）。

移動経路予測部１０６は、レイアウトデータベース１０８から変更後の空港２０内のレイアウト情報を受信し（１０Ｍ１１）、ワークフローデータベース１０９からチェックポイント２２０および更新後のワークフローの情報を受信し（１０Ｍ１１）、動線予測モデルデータベース１１０から動線予測モデルを受信（１０Ｍ１２）する。

移動経路予測部１０６は、図１９にて後述するように、動線予測モデルに基づいて動線シミュレーションを行う（１０Ｅ３）。図１に示すように、移動経路予測部１０６は、仮想移動データ生成部１０６１と、特徴量算出部１０６２と、シミュレーション部１０６３と、を有する。

仮想移動データ生成部１０６１は、メモリ１０Ｈ４に設けられた仮想空間領域において、「仮想的な移動体」の一例としての人流データ５０を生成する（図２２参照）。

特徴量算出部１０６２は、図２０にて後述するように、人流データ５０の第２特徴量を算出する。第２特徴量は、例えば、特定の人流データ５０ｇから他の人流データ５１ｇ、壁２３０および目的地２２２１までの距離を示す（図２２参照）。シミュレーション部１０６３は、図２１にて後述するように、人流データ５０ｇの次の移動先である人流データ５０ｈを算出し移動させる。

移動経路予測部１０６は、動線データベース１０７に動線シミュレーションの結果を保存する（１０Ｍ１３）。移動経路予測部１０６での処理が終了した場合には、移動経路予測システム１０の処理は、終了する。

図４は移動体３０の測定図である。移動計測システム１１の処理１１Ｅ１を説明する。

チェックポイント２２０は、例えば、空港２０内に複数配置される。チェックポイント２２０は、「出発チェックポイント」の一例としての入口２２１（１），２２１（２）と、「中間チェックポイント」の一例としての自動ＣＩ（ＣｈｅｃｋＩｎ）機２２２（１），２２２（２）およびチェックインカウンタ２２３および手荷物預かりカウンタ２２４と、「目的チェックポイント」の一例としてのゲート２２５と、を有する。

なお、入口２２１（１），２２１（２）は、特に区別しない場合には入口２２１と示す場合がある。自動ＣＩ機２２２（１），２２２（２）は、特に区別しない場合には自動ＣＩ機２２２と示す場合がある。

人３０（１）は、例えば、入口２２１（１）から空港２０内へ入り、自動ＣＩ機２２２（１）でチェックインし、ゲート２２５へ向かう。人３０（２）は、入口２２１（１）から空港２０内へ入り、自動ＣＩ機２２２（１）でチェックインし、手荷物預かりカウンタ２２４で荷物を預け、ゲート２２５へ向かう。人３０（３）は、入口２２１（２）から空港２０内へ入り、自動ＣＩ機２２２（２）でチェックインし、手荷物預かりカウンタ２２４で荷物を預け、ゲート２２５へ向かう。

移動計測システム１１は、例えば、空港２０内を移動する各人３０の位置情報を所定周期で測定し、各人３０の動線データ３１０を算出する。動線データ３１０（１）は、人３０（１）の移動経路の情報である。動線データ３１０（２）は、人３０（２）の移動経路の情報である。動線データ３１０（３）は、人３０（３）の移動経路の情報である。

位置情報３１１（１），３１１（２），３１１（３）は、動線データ３１０（１），３１０（２），３１０（３）の位置情報を、所定時間ごとに抜き出して示している。なお、位置情報３１１（１），３１１（２），３１１（３）は、特に区別しない場合には、位置情報３１１と示す場合がある。なお、動線データ３１０は、位置情報３１１の集合で構成されてもよい。

図５（Ａ）は、動線データベース１０７のデータ構造の一例である。動線データベース１０７には、移動計測システム１１にて計測された動線データ３１０、または、後述する移動経路予測部１０６の動線シミュレーションの結果が保存される。動線データ３１０は、位置情報３１１間を直線で接続した形で動線データベース１０７に保存される。

開始日時１０７１および終了日時１０７２には、例えば、各位置情報３１１を測定した時の測定時間が保存される。開始日時１０７１における位置情報３１１は、各位置情報３１１間を結ぶ直線の始点である。終了日時１０７２における位置情報３１１は、各位置情報３１１間を結ぶ直線の終点である。ＩＤ（ＩＤｅｎｔｉｆｉｃａｔｉｏｎ）１０７３には、各人３０の識別番号が保存される。

ＷＫＴ（Ｗｅｌｌ－Ｋｎｏｗｎ Ｔｅｘｔ）１０７４は、開始日時１０７１から終了日時１０７２までの動線データ３１０のジオメトリ情報を表す。開始日時１０７１および終了日時１０７２に測定された位置情報３１１の座標は、Ｘ座標とＹ座標の平面直交座標系で表される。ＷＫＴ１０７４に保存されるジオメトリ情報に関する座標系は、平面直交座標系に限らず、任意のものを採用してもよい。

図５（Ｂ）は、レイアウトデータベース１０８のデータ構造の一例である。レイアウトデータベース１０８には、空港２０内の壁２３０の形状の情報および各チェックポイント２２０の形状の情報が保存される。ＯＩＤ（Ｏｂｊｅｃｔ ＩＤｅｎｔｉｆｉｃａｔｉｏｎ）１０８１は、壁２３０や各チェックポイント２２０の識別情報を表す。種類１０８２は、壁２３０等の障害部の種類およびチェックポイント２２０の種類を表す。

ＷＫＴ１０８３は、壁２３０およびチェックポイント２２０の外形形状のデータをジオメトリ情報として表す。ＷＫＴ１０８３に保存されるジオメトリ情報に関する座標系は、平面直交座標系に限らず、任意のものを選択してもよい。

図６（Ａ）は、定義ワークフロー１０３１およびチェックポイント２２０の対応情報１０９（１）である。定義ワークフロー１０３１およびチェックポイント対応情報１０９（１）には、ＷＩＤ（Ｗｏｒｋｆｌｏｗ ＩＤｅｎｔｉｆｉｃａｔｉｏｎ）１０９１と、開始ＣＩＤ（Ｃｈｅｃｋｐｏｉｎｔ ＩＤｅｎｔｉｆｉｃａｔｉｏｎ）１０９２と、終了ＣＩＤ１０９３と、が保存される。

ＷＩＤ１０９１には、定義ワークフロー１０３１の識別情報が格納される。開始ＣＩＤ１０９２および終了ＣＩＤ１０９３には、人３０が移動を開始する始点のチェックポイント２２０および目的地のチェックポイント２２０が保存される。なお、チェックポイント２２０の識別情報は、図６（Ｂ）にて後述するＣＩＤ１０９５と同様である。

図７は、定義ワークフロー１０３１を有向グラフで示した図である。各ノード２２１～２２５は、それぞれチェックポイント２２０を示す。各ノード２２１～２２５を接続する有向ベクトルは、人３０の移動を示し、ＷＩＤ１０９１がそれぞれ割り当てられる。

定義ワークフロー１０３１は、具体的には、例えば、空港２０内の入口２２１から人が入り、自動ＣＩ機２２２またはチェックインカウンタ２２３へと向かう（ＷＩＤ＝０，ＷＩＤ＝１）ように設定される。定義ワークフロー１０３１は、人３０が自動ＣＩ機２２２から手荷物預かりカウンタ２２４またはゲート２２５へと向かう（ＷＩＤ＝２，ＷＩＤ＝３）ように設定される。定義ワークフロー１０３１は、人３０がチェックインカウンタ２２３から手荷物預かりカウンタ２２４を経由してゲート２２５へと向かう（ＷＩＤ＝４，ＷＩＤ＝５）ように設定される。

図６（Ｂ）は、チェックポイント詳細情報１０９（２）を示した図である。チェックポイント詳細情報１０９（２）は、ＰＩＤ（Ｐｏｉｎｔ ＩＤｅｎｔｉｆｉｃａｔｉｏｎ）１０９４と、ＣＩＤ１０９５と、種類１０９６と、滞留型判定１０９７と、ＷＫＴ１０９８と、のデータを保存する。

ＰＩＤ１０９４は、チェックポイント２２０の識別情報を示す。ＣＩＤ１０９５は、チェックポイント２２０の種類に関する識別情報を示す。ＣＩＤ１０９５には、例えば、入口２２１がＡと示され、自動ＣＩ機２２２がＢと示され、チェックインカウンタ２２３がＣと示され、手荷物預かりカウンタ２２４がＤと示され、ゲート２２５がＥと示される。なお、一つのチェックポイント２２０の種類に複数のＰＩＤ１０９４が割り当てられる場合がある。入口２２１が空港２０内に複数配置されるため、例えば、ＣＩＤ＝Ａには、ＰＩＤ＝０およびＰＩＤ＝１が割り当てられる。種類１０９６は、チェックポイント２２０の種類を表す。

滞留型判定１０９７は、チェックポイント２２０の属性を示す。属性は、滞留型または通過型のどちらか一方である。滞留型判定１０９７は、チェックポイント２２０が滞留型であればＴｒｕｅを示す。滞留型判定１０９７は、チェックポイント２２０が通過型であればＦａｌｓｅを示す。

ＷＫＴ１０９８は、チェックポイント２２０の座標情報に関するジオメトリ情報を表す。ＷＫＴ１０９８の座標系は、平面直交座標系に限らず任意の座標系を採用してもよい。

図８は、ワークフロー分析部１０４の流れ図である。ワークフロー分析部１０４の処理１０Ｅ１を説明する。ワークフロー分析部１０４の処理１０Ｅ１は、定義ワークフロー割り当て部１０４１における処理１０４Ｆ１に移動する。

図９は、定義ワークフロー割り当て部１０４１の流れ図である。定義ワークフロー割り当て部１０４１における処理１０４Ｆ１は、例えば、人３０がチェックポイント２２０を経由しているかを判定する。処理１０４Ｆ１の一例としては、例えば、動線データ３１０（１）が自動ＣＩ機２２２（１）を経由しているかを判定する（図４参照）。

なお、本実施形態における経由とは、各チェックポイント２２０での特定の行動を人３０が行っていることを示す。

定義ワークフロー割り当て部１０４１は、動線データ３１０（１）の情報および自動ＣＩ機２２２（１）の情報を取得する（１０４Ｆ１０１）。定義ワークフロー割り当て部１０４１は、動線データベース１０７のＷＫＴ１０７４およびワークフローデータベース１０９のＷＫＴ１０９８に基づいて、動線データ３１０（１）が自動ＣＩ機２２２（１）の所定範囲２２２２内を通過していると判定する（１０４Ｆ１０２：Ｙｅｓ）。定義ワークフロー割り当て部１０４１は、チェックポイント詳細情報１０９（２）から自動ＣＩ機２２２１（１）が滞留型であると判定する（１０４Ｆ１０３：Ｙｅｓ）。

定義ワークフロー割り当て部１０４１は、動線データ３１０（１）の位置情報３１１（１）の密度が閾値以上であると判定する（１０４Ｆ１０１：Ｙｅｓ）。なお、位置情報３１１（１）の密度の算出方法は、例えば、所定範囲２２２２内に位置する位置情報３１１（１）の個数を計測する等が挙げられる。

これにより、定義ワークフロー割り当て部１０４１は、動線データ３１０（１）が自動ＣＩ機２２２（１）を経由していると判定する（１０４Ｆ１０５）。各動線データ３１０について各チェックポイント２２０を経由しているかを判定後、定義ワークフロー割り当て部１０４１の処理１０４Ｆ１は、終了する。

なお、チェックポイント２２０が通過型である場合（１０４Ｆ１０３：Ｎｏ）には、定義ワークフロー割り当て部１０４１は、人３０が通過型のチェックポイント２２０を通過したと判定する（１０４Ｆ１０５）。

なお、動線データ３１０がチェックポイント２２０の所定範囲内を通過していない場合（１０４Ｆ１０２：Ｎｏ）および位置情報３１１の密度が閾値未満である場合（１０４Ｆ１０４：Ｎｏ）である場合には、動線データ３１０がチェックポイント２２０を経由していないと判定する（１０４Ｆ１０６）。

図１０は、動線ワークフロー１０４５を有向グラフで示した図である。動線ワークフロー１０４５は、例えば、定義ワークフロー割り当て部１０４１にて判定された、空港２０内を移動する人３０の経由情報である。人３０は、具体的には、例えば、空港２０内の入口２２１から入り、自動ＣＩ機２２２へと向かう（ＷＩＤ＝０）。自動ＣＩ機２２２に到着した人３０は、手荷物預かりカウンタ２２４または高密度範囲２２６へと向かう（ＷＩＤ＝２，ＷＩＤ＝６）。手荷物預かりカウンタ２２４に到着した人３０または高密度範囲２２６に到着した人３０は、ゲート２２５へと向かう（ＷＩＤ＝５，ＷＩＤ＝７）。

ワークフロー分析部１０４の処理は、差分抽出部１０４２の追加処理１０４Ｆ２に移動する（図８参照）。差分抽出部１０４２の追加処理１０４Ｆ２は、位置情報３１１の密度の大きい地点を追加候補とする。

差分抽出部１０４２は、位置情報３１１の密度が一定の閾値以上の高密度範囲２２６を取得する（図４参照）。高密度範囲２２６は、例えば、自動ＣＩ機２２２（１）とゲート２２５との間の動線データ３１０（１）上に形成される。差分抽出部１０４２は、高密度範囲２２６が各チェックポイント２２０から一定の距離以上離れている場合には、追加候補としてカウントとする。

差分抽出部１０４２は、動線データ３１０（１）以外の各動線データ３１０の追加候補を取得する。動線データ３１０（１）以外の各動線データ３１０では高密度範囲２２６が非形成であると判定される為、高密度範囲２２６の追加候補のカウントは、「１」である。差分抽出部１０４２は、カウントの閾値が「１」の場合には、高密度範囲２２６の情報を追加候補として更新案提示部１０４３に送信する。すなわち、追加候補のカウントが閾値以上であれば、高密度範囲２２６を追加候補として更新案提示部１０４３に送信する。

ワークフロー分析部１０４の処理は、差分抽出部１０４２のチェックポイント削除処理１０４Ｆ３に移動する。チェックポイント削除処理１０４Ｆ３は、人３０が経由していないチェックポイント２２０を削除候補として更新案提示部１０４３に送信する。

差分抽出部１０４２は、例えば、動線データ３１０（１）が滞留型であるチェックインカウンタ２２３を経由しているかどうかを判定する。差分抽出部１０４２は、動線データ３１０（１）がチェックインカウンタ２２３の付近を通過していないため、チェックインカウンタ２２３の所定範囲における動線データ３１０（１）の位置情報３１１（１）の密度が一定の閾値未満であると判定する。

これにより、差分抽出部１０４２は、チェックインカウンタ２２３を削除候補としてカウントする。差分抽出部１０４２は、例えば、動線データ３１０（１）以外の他の動線データ３１０においてもチェックインカウンタ２２３を経由しているかを判定する。動線データ３１０（１），３１０（２），３１０（３）がチェックインカウンタ２２３を経由しておらず、カウンタの閾値が「３」である場合には、チェックポイント削除処理１０４Ｆ３は、チェックインカウンタ２２３を削除候補として更新案提示部１０４３に送信する。すなわち、削除候補としてのカウントが閾値以上である場合には、差分抽出部１０４２は、所定範囲の動線データ３１０の密度が一定の閾値未満のチェックポイント２２０を削除候補として更新案提示部へ送信する。

なお、チェックポイント２２０が通過型の場合において、差分抽出部１０４２は、チェックポイント２２０の所定範囲内の動線データ３１０を取得する。動線データ３１０がチェックポイント２２０の所定範囲内を通過しない場合には、差分抽出部１０４２は、通過型チェックポイント２２０を削除候補としてカウントする。

ワークフロー分析部１０４の処理は、更新案提示部１０４３の処理（１０４Ｆ４）へ移動する（図８参照）。更新案提示部１０４３は、例えば、差分抽出部１０４２にて生成されたチェックポイント２２０の追加候補および削除候補をモニタ１０Ｈ３に表示させることで、ユーザ１２に提示する。

図１１は、更新案提示部１０４３の説明図である。更新案提示部１０４３は、例えば、モニタ１０Ｈ３に、空港２０内を移動する人３０を測定した画面４１と、定義ワークフロー１０３１を示した画面４２と、動線ワークフロー１０４５を示した画面４３と、チェックポイント編集ボタン４４と、ワークフロー編集ボタン４５と、データベース更新ボタン４６と、を表示させる。

画面４１には、空港２０内を移動する人３０の経路を表示する。画面４２は、定義ワークフロー１０３１を表示する。画面４２には、例えば、削除候補であるチェックインカウンタ２２３が点線で表されている。画面４３は、動線ワークフロー１０４５を表示する。画面４３には、例えば、追加候補である高密度範囲２２６が点線で表示されている。

チェックポイント編集ボタン４４は、チェックポイント２２０の編集画面に移動するためのボタンである。なお、ユーザ１２は、例えば、画面４３の高密度範囲２２６を選択してから、チェックポイント編集ボタン４４を選択する。

なお、モニタ１０Ｈ３に表示される各種ボタンおよびチェックポイント等は、タッチパネルのように画面に触れるだけで選択できてもよいし、マウスのカーソルやキーボード入力等によってボタンを選択できてもよい。

図１２（Ａ）は、チェックポイント編集ボックス４４０の説明図である。チェックポイント編集ボックス４４０は、ユーザ１２がチェックポイント編集ボタン４４を選択することで、モニタ１０Ｈ３に表示される。

チェックポイント編集ボックス４４０には、チェックポイント２２０の情報編集部４４１、チェックボックス４４２、追加ボタン４４３、編集ボタン４４４および削除ボタン４４５が表示される。

ユーザ１２は、例えば、チェックポイント２２０の情報編集部４４１のテキストボックスに高密度範囲２２６の情報を入力する。ユーザ１２は、例えば、高密度範囲２２６を電光掲示板２２６として情報を入力する。ユーザ１２は、追加ボタン４４３を押すことで、高密度範囲２２６の情報をワークフローデータベース１０９に追加するフラグを付けることができる。なお、ユーザ１２が編集ボタン４４４および削除ボタン４４５を押した場合は、チェックポイント２２０の編集および削除のフラグを付けることができる。

ユーザ１２は、チェックボックス４４２にチェックを入れることで、追加ボタン４４３を押した後に続けてワークフローの編集をすることができる。なお、ユーザ１２が編集ボタン４４４および削除ボタン４４５を押した後も同様である。

図１１に戻り、ワークフロー編集ボタン４５は、ワークフローの編集画面に移動するためのボタンである。図１２（Ｂ）は、ワークフロー編集ボックス４５０の説明図である。ワークフロー編集ボックス４５０は、ユーザ１２がワークフロー編集ボタン４５を選択することで、モニタ１０Ｈ３に表示される。ワークフロー編集ボックス４５０は、ワークフローとチェックポイント２２０の情報編集部４５１と、チェックボックス４５２と、追加ボタン４５３と、編集ボタン４５４と、削除ボタン４５５と、を有する。

ユーザ１２は、例えば、ワークフローとチェックポイント２２０の情報編集部４５１のテキストボックスにワークフロー（ＷＩＤ＝６）の情報を入力する。ユーザ１２は、追加ボタン４５３を選択することで、ワークフロー（ＷＩＤ＝６）の情報をワークフローデータベース１０９に追加するフラグを付けることができる。なお、ユーザ１２が編集ボタン４５４および削除ボタン４５５を押した場合は、チェックポイント２２０の編集及び削除のフラグを付けることができる。

ユーザ１２は、チェックボックス４５２にチェックを入れることで、追加ボタン４５３を押した後に続けてチェックポイントの編集をすることができる。なお、ユーザ１２が編集ボタン４５４および削除ボタン４５５を押した後も同様である。

図１１に戻り、ユーザ１２がデータベース更新ボタン４６を押すことによって、ワークフロー分析部１０４の処理は、ワークフロー更新部１０４４のワークフロー更新処理（１０４Ｆ５）に移動する（図８参照）。ワークフロー更新部１０４４は、チェックポイント編集ボックス４４０およびワークフロー編集ボックス４５０にてユーザ１２が入力した情報に基づいて、ワークフローデータベース１０９を更新する。

図１３（Ａ）は、更新後のワークフローとチェックポイント２２０との対応情報１０９ａ（１）を示した図である。更新後のワークフローとチェックポイント２２０との対応情報１０９ａ（１）は、ＷＩＤ１０９１ａと、開始ＣＩＤ１０９２ａと、終了ＣＩＤ１０９３ａと、を保存する。ワークフロー更新部１０４４は、例えば、ワークフローデータベース１０９からワークフロー（ＷＩＤ＝１，ＷＩＤ＝３）を削除する。ワークフロー更新部１０４４は、例えば、ワークフロー（ＷＩＤ＝５，ＷＩＤ＝６）を追加する。

図１３（Ｂ）は、更新後のチェックポイント２２０の詳細情報１０９ａ（２）を示した図である。更新後のチェックポイント２２０の詳細情報１０９ａ（２）は、ＰＩＤ１０９４ａと、ＣＩＤ１０９５ａと、種類１０９６ａと、滞留型判定１０９７ａと、ＷＫＴ１０９８ａと、を保存する。ワークフロー更新部１０４４は、電光掲示板２２６の情報を追加する。

図１４は、動線予測モデル学習部１０５の流れ図である。動線予測モデル学習部１０５の処理１０Ｅ２を説明する。動線予測モデル学習部１０５の処理１０Ｅ２は、動線データ分割部１０５１の動線データ分割処理（１０５Ｆ１）へ移動する。

動線データ分割部１０５１は、所定のワークフローの開始ＣＩＤ１０９２ａおよび終了ＣＩＤ１０９３ａを取得する。動線データ分割部１０５１は、動線データ３１０が取得した開始ＣＩＤ１０９２ａおよび終了ＣＩＤ１０９３ａを経由しているか判定する。判定方法は、定義ワークフロー割り当て部１０４１の処理１０４Ｆ１と同様である。

動線データ分割部１０５１は、開始ＣＩＤ１０９２ａおよび終了ＣＩＤ１０９３ａの位置情報を取得する。動線データ分割部１０５１は、開始ＣＩＤ１０９２ａおよび終了ＣＩＤ１０９３ａの位置情報に基づいて、所定のワークフローに相当する分割動線データを動線データ３１０から取得する。

分割動線データは、例えば、第１分割動線データ３１０１～第５分割動線データ３１０５を有する（図４参照）。第１分割動線データ３１０１は、ワークフロー（ＷＩＤ＝０）に対応する。第２分割動線データ３１０２は、ワークフロー（ＷＩＤ＝２）に対応する。第３分割動線データ３１０３は、ワークフロー（ＷＩＤ＝５）に対応する。第４分割動線データ３１０４は、ワークフロー（ＷＩＤ＝６）に対応する。第５分割動線データ３１０５は、ワークフロー（ＷＩＤ＝７）に対応する。

動線データ分割部１０５１は、具体的には、例えば、入口２２１から自動ＣＩ機２２２までのワークフロー（ＷＩＤ＝０）を選択する。動線データ分割部１０５１は、入口２２１（１）および自動ＣＩ機２２２（１）の位置情報（ＷＫＴ１０９８ａ）を取得する。動線データ分割部１０５１は、動線データ３１０（１）と、入口２２１（１）および自動ＣＩ機２２２（１）の位置情報（ＷＫＴ１０９８ａ）と、を対応付けて、第１分割動線データ３１０１（１）を取得する。

動線データ分割部１０５１は、動線データ３１０（１）において、ワークフロー（ＷＩＤ＝６，７）についてもワークフロー（ＷＩＤ＝０）と同様にして第４分割動線データ３１０４（１）および第５分割動線データ３１０５（１）を取得する。これにより、動線データ分割部１０５１は、動線データ３１０（１）を複数の区分に分割する。

動線データ分割部１０５１は、動線データ３１０（１）と同様の処理で動線データ３１０（２），３１０（３）の分割動線データを取得する。なお、動線データ３１０（２），３１０（３）の分割動線データは、例えば、第１分割動線データ３１０１（２），３１０１（３）と、第２分割動線データ３１０２（２），３１０２（３）と、第３分割動線データ３１０３（２），３１０３（３）と、で示される。

動線予測モデル学習部１０５の処理は、動線データ分析部１０５２の人流特徴量算出処理（１０５Ｆ２）へ移動する。図１５は、動線データ分析部１０５２の流れ図である。動線データ分析部１０５２の処理（１０５Ｆ２）の説明は、図１６および図１７を参照しながら説明する。

図１６は、自動ＣＩ機２２２（１）へ向かう人３０（１）の動線データ３１０（１）の一例を示す。動線データ３１０（１）の位置情報３１１ａ，３１１ｂ，３１１ｃは、それぞれ時間ｔ－１，ｔ，ｔ＋１における人の位置情報を示す（１０５Ｆ２０１）。時間ｔ－１は、時間ｔから所定時間前を示す。時間ｔ＋１は、時間ｔから所定時間後を示す。

他の位置情報３１２は、人３０（１）以外の他の人の時間ｔにおける位置情報である。目的地２２２１は、自動ＣＩ機２２２（１）の位置情報である。

図１７は、第１特徴量および第１目的変数の説明図である。動線データ分析部１０５２の表１０５３０は、人３０の識別情報である人ＩＤ１０５３１と、時間１０５３２と、壁との距離情報１０５３３と、他の人との距離情報１０５３４と、目的地との距離情報１０５３５と、移動距離１０５３６と、移動角度１０５３７とを有する。

図１５に戻り、動線データ分析部１０５２は、位置情報３１１ｂの前方に所定角度３３０を設定（１０５Ｆ２０２）し、第１判定領域Ｓを設定する。動線データ分析部１０５２は、例えば、「第１所定方向」の一例としての第１基準方向３２０から第１所定角度３３０を持った領域に第１判定領域Ｓを設定する。第１基準方向３２０は、位置情報３１１ａから位置情報３１１ｂへ向かう直線方向と同じ方向に設定される。

動線データ分析部１０５２は、第１判定領域Ｓ内に位置する第１特徴部を検出する（１０５Ｆ２０３）。第１特徴部は、例えば、他の人３１２および壁２３０等の人３０に対する障害部と、人３０の目的地２２２１と、を有する。

第１判定領域Ｓ内に他の人の他の位置情報３１２が位置しているので（１０５Ｆ２０３：Ｙｅｓ）、動線データ分析部１０５２は、位置情報３１１ｂから第１判定領域Ｓ内に位置する他の位置情報３１２までの距離を算出する（１０５Ｆ２０４）。他の位置情報３１２までの距離は、他の人との距離情報１０５３４に保存される。

なお、第１判定領域Ｓ内に複数の他の位置情報３１２がある場合には、動線データ分析部１０５２は、複数の他の位置情報３１２までの距離に関して、統計値を特徴量として算出してもよい。第１判定領域Ｓ内に他の位置情報３１２が位置しない場合には、動線データ分析部１０５２は、Ｉｎｆ（Ｉｎｆｉｎｉｔｙ）または特定の一定の値を特徴量の値として他の人との距離情報１０５３４に保存してもよい。

第１判定領域Ｓ内に壁の一部３４２が位置しているので（１０５Ｆ２０３：Ｙｅｓ）、動線データ分析部１０５２は、位置情報３１１ｂから壁の一部３４２までの距離を算出する（１０５Ｆ２０４）。位置情報３１１ｂから壁の一部３４２までの距離は、壁との距離情報１０５３３に保存される。

なお、第１判定領域Ｓ内に位置する壁の一部３４２は、第１基準方向３２０に対して交差するように配置される場合に検出されてもよい。なお、位置情報３１１ｂから壁の一部３４２までの距離に関しては、壁の一部３４２の重心と位置情報３１１ｂとの距離を特徴量としてもよいし、壁の一部３４２と位置情報３１１ｂとの最短距離を特徴量としてもよい。壁の一部３４２と第１判定領域Ｓとの干渉を抽出する際に、交差領域が存在せず、壁２３０が存在しない場合には、動線データ分析部１０５２は、Ｉｎｆまたは特定の値を壁との距離情報１０５３３に保存してもよい。

目的地２２２１が第１判定領域Ｓ（１）の外に配置されているため（１０５Ｆ２０３：Ｎｏ）、動線データ分析部１０５２は、例えば、Ｉｎｆまたは特定の値を特徴量の値として目的地との距離情報１０５３５に保存する。なお、第１判定領域Ｓ内に複数の目的地２２２１が位置する場合には、各目的地２２２１と位置情報３１１ｂとの距離の統計値を特徴量として算出する。

なお、動線データ分析部１０５２は、例えば、位置情報３１１ａから位置情報３１１ｂに移動する際の速度、加速度、移動ベクトル等の情報を、特徴量として加えてもよい。この際に速度、加速度、移動ベクトルの情報を位置情報３１１ａから位置情報３１１ｂへ向かう方向を基準とした極座標系で算出してもよい。

動線データ分析部１０５２は、第１所定角度３３０ごとに第１判定領域Ｓを回転させる（１０５Ｆ２０５）。動線データ分析部１０５２は、回転後の第１判定領域Ｓに対して第１特徴部を検出する。第１判定領域Ｓは、Ｍ回回転される（１０５Ｆ２０６）。所定回数Ｍは、２πを第１所定角度３３０で割った数に設定される。すなわち、壁との距離情報１０５３３と、他の人との距離情報１０５３４と、目的地との距離情報１０５３５と、のデータは、Ｍ個算出される。

動線データ分析部１０５２は、位置情報３１１ｂにおける第１目的変数を保存する（１０５Ｆ２０７）。第１目的変数は、例えば、移動距離１０５３６，移動方向１０５３７である。移動距離１０５３６は、例えば、位置情報３１１ｂと、位置情報３１１ｃとの距離である。移動方向１０５３７は、例えば、第１基準方向３２０と、位置情報３１１ｂおよび位置情報３１１ｃを結ぶ直線と、の角度である。

なお、第１目的変数は、人３０（１）が位置情報３１１ｂから位置情報３１１ｃへ移動する際の速度、加速度等の情報でもよい。なお、第１目的変数は、移動方向１０５３７を基準として速度、加速度等の情報を極座標系で算出してもよい。

動線データ分析部１０５２は、時間ｔを所定時間進めることで、人３０（１）は、位置情報３１１ｂから位置情報３１１ｃに移動する（１０５Ｆ２０８）。動線データ分析部１０５２は、位置３１１ｃにて同様に第１特徴量および第１目的変数を算出する。目的地２２２１に位置する人３０（１）の第１特徴量および第１目的変数を算出した場合（１０５Ｆ２０９：Ｙｅｓ）には、動線データ分析部１０５２の処理は、終了する。

図１４に戻り、動線予測モデル学習部１０５の処理は、機械学習部１０５３の処理（１０５Ｆ３）に移動する。機械学習部１０５３の処理（１０５Ｆ３）では、動線データ分析部１０５２の処理（１０５Ｆ２）にて得られたワークフローごとの第１特徴量および第１目的変数に対して機械学習を用いることにより、動線予測モデルを学習する。ここで用いる機械学習の手法は、第１特徴量から第１目的変数を予測する関数を学習するものであり、例えば、Ｇｒａｄｉｅｎｔ Ｂｏｏｓｔｉｎｇ Ｒｅｇｒｅｓｓｉｏｎ ＴｒｅｅやＳｕｐｐｐｏｒｔ Ｖｅｃｔｏｒ Ｒｅｇｒｅｓｓｉｏｎ、Ｌｏｎｇ Ｓｈｏｒｔ Ｔｅｒｍ Ｍｅｍｏｒｙなどでもよい。なお、学習したワークフローごとの人流データの動線予想モデルのパラメータ１１０２（１）～１１０２（Ｎ）は、動線予測モデルデータベース１１０に格納される。なお、動線予測モデルのパラメータ１１０２（１）～１１０２（Ｎ）は、特に区別しない場合には、パラメータ１１０２と示す場合がある。

各ワークフローでの機械学習が終了した場合には、動線予測モデル学習部１０５は、人３０のワークフローの遷移確率１１０５および初期確率１１０７（図１８参照）を算出する（１０５Ｆ４）。遷移確率１１０５は、人３０がワークフローを遷移する確率を示す。初期確率１１０７は、例えば、人３０が最初に位置するチェックポイント２２０を示す。

なお、遷移確率１１０５および初期確率１１０７は、複数の人３０の動線データ３１０の統計から算出されてもよい。遷移確率１１０５と初期確率１１０７は、動線予測モデルデータベース１１０に保存される。

機械学習部１０５３の処理が終了後、動線予測モデル学習部１０５の処理（１１Ｅ２）は、終了する。

図１８は、動線予測モデルデータベース１１０のデータ構造を示した図である。動線予測モデルデータベース１１０は、動作予想パラメータ１１０（１）と、チェックポイント間の遷移確率１１０（２）と、チェックポイントの初期確率１１０（３）と、を有する。

動作予想パラメータ１１０（１）には、ＷＩＤ１１０１と、動線予測モデルのパラメータ１１０２と、が保存される。ＷＩＤ１１０１は、ワークフローのＩＤを表し、ＷＩＤ１０９１ａ（図１３参照）と対応する。動線予測モデルのパラメータ１１０２は、例えば、Ｎ次元のベクトルとして表される。

チェックポイント間の遷移確率１１０（２）には、Ｏ＿ＷＩＤ１１０３と、Ｄ＿ＷＩＤ１１０４と、遷移確率１１０５と、が保存される。Ｏ＿ＷＩＤ１１０３とＤ＿ＷＩＤ１１０４は、ワークフローの遷移前と遷移後のＷＩＤに相当し、遷移確率１１０５はＯ＿ＷＩＤ１１０３からＤ＿ＷＩＤ１１０４に遷移する確率を表す。

人３０は、入口２２１から自動ＣＩ機２２２へ向かった（ＷＩＤ＝０）後、手荷物預かりカウンタ２２４または電光掲示板２２６のどちらか一方へ向かう。自動ＣＩ機２２２から手荷物預かりカウンタ２２４へ向かう人３０の数と、自動ＣＩ機２２２から電光掲示板２２６へ向かう人３０の数と、が一致している場合には、動線予測モデル学習部１０５での遷移確率１１０５の算出結果は、例えば、共に「０．５」となる。なお、分岐点が無い場合には、遷移確率１１０５は、「１．０」となる。

チェックポイントの初期確率１１０（３）には、ＷＩＤ１１０６と、初期確率１１０７と、が保存される。ＷＩＤ１１０６は、ＷＩＤ１１０１と対応する。動線ワークフロー１０４５において、入口２２１の次に人が向かうチェックポイントが自動ＣＩ機２２２であるため、ワークフロー（ＷＩＤ＝０）の初期確率は、「１．０」である。

図１９は、移動経路予測部１０６の流れ図である。移動経路予測部１０６の処理１０Ｅ３を図２２に示す人流データ５０を例に挙げて説明する（図３参照）。

図２２は、移動経路予測部１０６の説明図である。人流データ５０は、入口２２１（１）で発生し、自動ＣＩ機２２２（１）内の目的地２２２１に向かって移動する仮想的な移動体である。人流データ５０は、人流データ５０ａ～５０ｊのように移動する。人流データ５０ａ～５０ｊは、時間フレームｔａごとに人流データ５０をサンプリングしたものである。

移動経路予測部１０６は、時間フレームｔａを設定する（１０６Ｆ１）。時間フレームｔａは、例えば、移動経路予測部１０６が行う動線シミュレーションに設定される時間である。時間フレームｔａは、例えば、一定周期で設定され、所定の時間フレームｔａから一周期後（所定時間後）の時間フレームｔａを時間フレームｔａ＋１と示し、時間フレームｔａから一周期前（所定時間前）の時間フレームｔａを時間フレームｔａ－１と示す。

移動経路予測部１０６は、設定された時間フレームｔａにて人流データ５０が発生する場合（１０６Ｆ２：Ｙｅｓ）には、仮想移動データ生成部１０６１の処理（１０６Ｆ３）に移動する。人流データ５０が発生していないと判定される場合（１０６Ｆ３：Ｎｏ）には、移動経路予測部１０６の処理は、人流特徴量生成処理（１０６Ｆ４）へ移動する。

図２０は、仮想移動データ生成部１０６１の流れ図である。仮想移動データ生成部１０６１は、各ワークフローの初期確率１１０７（図１８参照）を抽出する（１０６Ｆ１０１）。仮想移動データ生成部１０６１は、例えば、ワークフロー（ＷＩＤ＝０）の初期確率１１０７が「１．０」なので、人流データ５０を生成するチェックポイント２２０を入口２２１に設定する（１０６Ｆ１０２）。

入口２２１は、複数のＰＩＤを有しているため（図６参照）、ＰＩＤ＝０またはＰＩＤ＝１のどちらかをランダムに選択する（１０６Ｆ１０３：Ｙｅｓ，１０６Ｆ１０４）。所定のＣＩＤ１０９５に対応する所定のＰＩＤが単数である場合（１０６Ｆ１０３：Ｎｏ）には、仮想移動データ生成部１０６１は、所定のＰＩＤを選択する（１０６Ｆ１０５）。

なお、処理（１０６Ｆ１０４）において、仮想移動データ生成部１０６１は、ランダムにＰＩＤを選択するのではなく、データベース１０７に格納されている動線データ３１０に関して、どのＰＩＤ１０９４のチェックポイント２２０から開始されているかを集計し、その頻度分布から移動開始位置を決定してもよい。

仮想移動データ生成部１０６１は、例えば、入口２２１（１）に人流データ５０を生成する（１０６Ｆ１０６）。なお、人流データ５０の移動開始時間をランダムで決定してもよい。仮想移動データ生成部１０６１は、動線データベース１０７に格納されている動線データ３１０に関して、そのワークフローに対応する動線データ３１０の開始時間を集計し、その頻度分布から移動開始時間を決定してもよい。

移動経路予測部１０６の処理は、特徴量算出部１０６２の処理（１０６Ｆ４）へ移動する（図１９参照）。なお、処理（１０６Ｆ４）は、図１５に示す動線データ分析部１０５２の処理（１０５Ｆ２０１～１０５Ｆ６０６）と同様である。すなわち、移動経路予測部１０６の処理は、特定の人流データ５０を中心に後述する第２判定領域を回転させて第２特徴部を検出する。第２特徴部は、例えば、他の人流データ５１および壁２３０等の人流データ５０に対する障害部と、人流データ５０の目的地２２２１と、を有する。他の人流データ５１ｇ，５１ｈは、人流データ５０以外の人流データである。なお、他の人流データ５１ｇ，５１ｈは、特に区別しない場合には、他の人流データ５１と示す場合がある。

所定の時間フレームｔａにおける人流データ５０ｇに着目し、処理（１０６Ｆ４）を説明する。特徴量算出部１０６２は、例えば、「第２所定方向」の一例としての第２基準方向５２１から第２所定角度５２２の角度を持つ領域に第２判定領域Ｓａを設定する。第２基準方向５２１は、人流データ５０ｆから人流データ５０ｇへ向かう直線方向である。

第２判定範囲Ｓａ内には、壁の一部５４２が位置している。特徴量算出部１０６２は、人流データ５０ｇから壁の一部５４２までの距離を算出する。第２判定範囲Ｓａ内に他の人流データ５１および目的地２２２１が位置する場合には、特徴量算出部１０６２は、人流データ５０ｇから他の人流データ５１および目的地２２２１までの距離を算出する。

特徴量算出部１０６２は、人流データ５０ｇを中心に第２所定角度５２２ごとに第１判定領域Ｓａを回転させる。動線データ分析部１０５２は、回転後の第２判定領域Ｓａに対して第２特徴部を検出する。第２判定領域Ｓは、Ｌ回回転される。所定回数Ｌは、２πを第２所定角度５２２で割った数で示される。

移動経路予測部１０６の処理は、シミュレーション部１０６３の処理（１０６Ｆ５）に移動する（図１９参照）。図２１は、シミュレーション部１０６３の流れ図である。所定の時間フレームｔａの人流データ５０ｇに着目し、処理（１０６Ｆ５）を説明する。

シミュレーション部１０６３は、人流データ５０ｇが目的地２２２１の所定範囲２２２２内に位置しているか判定する（１０６Ｆ５０１）。人流データ５０ｇが目的地２２２１の所定範囲２２２２内に位置していない為（１０６Ｆ５０１：Ｎｏ）、シミュレーション部１０６３は、動線予測モデルデータベース１１０内の動線予想モデルのパラメータ１１０２（１）～１１０２（Ｎ）（図１８参照）を参照して、人流データ５０ｇの第２目的変数を算出する（１０６Ｆ５０６）。

第２目的変数は、移動方向５２４および移動距離５２３を有する。移動方向５２４は、例えば、基準方向５２１と、人流データ５０ｇおよび人流データ５０ｈを接続する直線と、の間の角度である。移動距離５２３は、人流データ５０ｇと、人流データ５０ｈと、の間の距離である。

図１９に戻り、移動経路予測部１０６は、人流データ５０以外の他の人流データ５１について処理（１０６Ｆ４，１０６Ｆ５）をする（１０６Ｆ６：Ｎｏ）。各人流データ５０について処理（１０６Ｆ４，１０６Ｆ５）をした場合（１０６Ｆ６：Ｙｅｓ）には、移動経路予測部１０６は、時間フレームｔａを一つ進める（１０６Ｆ７）。これにより、人流データ５０ｇおよび人流データ５１ｇは、人流データ５０ｈおよび人流データ５１ｈにそれぞれ移動する。

目的地２２２１の所定範囲２２２２に位置する人流データ５０ｊにおけるシミュレーション部１０６３の処理（１０６Ｆ５）について説明する（図２１参照）。人流データ５０ｊが目的地２２２１の所定範囲２２２２に位置する為（１０６Ｆ５０１：Ｙｅｓ）、シミュレーション部１０６３は、目的地２２２１の自動ＣＩ機２２２（１）が滞留型かどうかを判定する（１０６Ｆ５０２）。ワークフローデータベース１０９ａより、自動ＣＩ機２２２（１）が滞留型であるため（１０６Ｆ５０２：Ｙｅｓ）（図１３参照）、シミュレーション部１０６３は、人流データ５０が所定範囲２２２２内に一定時間以上滞留しているかを判定する（１０６Ｆ５０３）。なお、目的地が通過型である場合（１０６Ｆ５０２：Ｎｏ）には、後述する次のワークフローを選択する処理（１０６Ｆ５０４）へ移動する。

人流データ５０が所定範囲２２２２内で一定時間以上滞留している場合（１０６Ｆ５０３：Ｙｅｓ）には、シミュレーション部１０６３は、人流データ５０が次に移動するワークフローを選択する（１０６Ｆ５０４）。選択方法は、動線予測モデルデータベース１１０に格納された遷移確率１１０５に基づいて選択してもよい。処理（１０６Ｆ５０４）終了後、シミュレーション部１０６３は、処理（１０６Ｆ５０６）を実行する。

なお、一定時間以上待機していない場合（１０６Ｆ５０３：Ｎｏ）には、シミュレーション部１０６３は、人流データ５０の次の移動方向５２４および移動距離５２３を設定する（１０５Ｆ５０５）。処理（１０５Ｆ５０５）にて設定される移動方向５２４および移動距離５２３は、所定範囲２２２２内における任意の位置座標に人流データ５０が移動するように制限される。

図１９に戻り、移動経路予測部１０６は、動線シミュレーションの終了条件を満たすかどうかを判定する（１０６Ｆ８）。終了条件を満たさない場合（１０６Ｆ８：Ｎｏ）には、移動経路予測部１０６の処理は、処理（１０６Ｆ２）へと戻る。終了条件を満たす場合（１０６Ｆ８：Ｙｅｓ）には、移動経路予測部１０６の処理を終了する。終了条件は、例えば、仮想移動データ生成部１０６１にて生成された各人流データ５０がゲート２２５に到着することで移動が終了することを条件としてもよい。

このように構成される本実施例によれば、移動経路予測システム１０は、レイアウト変更後の空港２０内における人３０の動線シミュレーションをすることができる。移動経路予測システム１０は、動線予測モデルの学習を第１～第５分割動線データ３１０１～３１０５ごとにすることで、動線シミュレーションの精度を向上させることができる。その結果、レイアウト変更前に人３０の移動経路を確認することができるため、レイアウト変更にかかるコストを抑制する事ができる。

移動経路予測システム１０は、ワークフロー分析部１０４にて、動線データ３１０から新たなチェックポイントを発見することができる。移動経路予測システム１０は、定義ワークフロー１０３１のうち、削除可能なチェックポイントを発見することができる。この結果、移動経路予測システム１０は、チェックポイント２２０の設定漏れを抑制することができる。

なお、移動計測システム１１は、図２３に示すように、レーザ計測システム１１Ｈ１、カメラシステム１１Ｈ２および端末測位システム１１Ｈ３のいずれか一つ以上から構成されてもよい。

レーザ計測システム１１Ｈ１は、レーザ光を発信するレーザ発振器１１Ｈ１１と、レーザの反射光を読み取るレーザ受光器１１Ｈ１２と、演算装置１１Ｈ１３と、を有する。演算装置１１Ｈ１３は、レーザの発振時間と、レーザの受光時間と、の差分からレーザ計測システム１１Ｈ１の周囲の物体までの距離を複数求める。演算装置１１Ｈ１３は、算出した複数の距離から物体の外径形状および位置座標のデータを算出する。物体の外径形状のデータは、例えば、多数の点で構成された点群データとして示されてもよい。

カメラシステム１１Ｈ２は、可視光を画像として得るイメージセンサ１１Ｈ２１と、画像の中から人を検知してその位置を推定する演算装置１１Ｈ２２とを有する。

端末測位システム１１Ｈ３は、例えば、人３０が保持することで、人３０の位置情報を移動経路予測システム１０に送信する端末である。端末測位システム１１Ｈ３は、演算性能を持ったプロセッサ１１Ｈ３１、揮発性一時記憶領域であるメモリ１１Ｈ３５、不揮発性記憶領域である記憶装置１１Ｈ３２、人の操作を受け付ける入力装置１１Ｈ３６、現在の端末の状況を提示するためのモニタ１１Ｈ３３、無線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無線通信ボード１１Ｈ３７、端末の位置を特定するためのＧＰＳ受信機１１Ｈ３４を備える。記憶装置１１Ｈ３２に記録されたプログラムをプロセッサ１１Ｈ３１が実行すると、ＧＰＳ受信機１１Ｈ３４等を用いて人３０の位置情報を測定する。測定された位置情報は、ＮＩＣ１１Ｈ３７を経由して移動経路予測システム１０に送信される。

なお、本発明は、上述した実施形態の構成に限定されるものではなく、特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内での全ての変更が含まれることが意図される。

１０…移動経路予測システム，１１…移動計測システム，１０１…計測データ取得部，１０２…地図データ入力部，１０３…ワークフロー入力部，１０４…ワークフロー分析部，１０４１…定義ワークフロー割り当て部，１０４２…差分抽出部，１０４３…更新案提示部，１０４４…ワークフロー更新部，１０５…動線予測モデル学習部，１０５１…動線データ分割部，１０５２…動線データ分析部，１０５３…機械学習部，１０６…移動経路予測部，１０６１…仮想移動データ生成部，１０６２…特徴量算出部，１０６３…シミュレーション部，１０７…動線データベース，１０８…レイアウトデータベース，１０９…ワークフローデータベース，１１０…動線予測モデルデータベース

Claims (12)

1. 所定領域内を移動する移動体の経路を予測するシステムであって、
   前記所定領域には、少なくとも一つの出発チェックポイントと、少なくとも一つの目的チェックポイントと、少なくとも一つの中間チェックポイントと、を有する複数のチェックポイントが配置されており、
   前記移動体は、前記所定領域内を前記出発チェックポイントから前記目的チェックポイントまで前記中間チェックポイントを経由して移動するものであり、
   移動計測システムによって前記移動体の移動経路の情報が計測され、
   前記移動経路の情報を前記移動計測システムから取得する計測データ取得部と、
   前記複数のチェックポイントの位置情報を取得する地図データ入力部と、
   前記移動体が移動する前記複数のチェックポイントの経由情報を設定するワークフロー入力部と、
   動線予測モデルを機械学習する動線予測モデル学習部と、
   前記動線予測モデルに基づいて、前記移動体の経路をシミュレーションする移動経路予測部と、を備え、
   前記動線予測モデル学習部は、
   前記移動経路の情報を複数区分に分割する動線データ分割部と、
   分割された前記移動体の移動経路の情報ごとに、前記動線予測モデルを機械学習する機械学習部と、を備える
   移動経路予測システム。
2. さらに、前記移動経路予測システムは、ワークフロー分析部を備え、
   前記ワークフロー分析部は、
   前記移動経路の情報と、前記ワークフロー入力部にて設定された前記複数のチェックポイントの経由情報と、の差分を抽出する差分抽出部と、
   抽出された差分を出力する更新案提示部と、
   前記経由情報を更新するワークフロー更新部と、を備える
   請求項１に記載の移動経路予測システム。
3. さらに、前記チェックポイントは、通過型および滞留型の属性に分類され、
   前記移動経路の情報は、前記移動体の移動が所定周期ごとに計測された位置情報の集合であり、
   前記ワークフロー分析部は、前記移動経路の情報が前記通過型の前記チェックポイントの近傍に位置することで、前記移動体が前記通過型の前記チェックポイントを経由したと判定し、
   前記位置情報の集合の密度が前記滞留型の前記チェックポイントの所定範囲内にて一定の閾値以上となることで、前記移動体が前記滞留型の前記チェックポイントを経由したと判定する
   請求項２に記載の移動経路予測システム。
4. 前記差分抽出部は、
   前記位置情報の集合の密度が一定の閾値以上となる前記所定領域の高密度範囲を取得し、前記高密度範囲が前記複数のチェックポイントから所定距離以上離間する場合には、追加候補として前記高密度範囲を差分として抽出する
   請求項３に記載の移動経路予測システム。
5. 前記差分抽出部は、
   前記位置情報の集合の密度が一定の閾値以下となる前記滞留型の前記チェックポイントの情報を取得し、削除するチェックポイントの候補として前記チェックポイントを差分として抽出する
   請求項３に記載の移動経路予測システム。
6. さらに、前記動線予測モデル学習部は、動線データ分析部を備え、
   前記動線データ分析部は、
   前記移動体の第１所定方向に第１所定角度を有する第１判定領域を設定し、
   前記第１判定領域内に位置する第１特徴部の情報から第１特徴量を算出し、
   前記移動体を中心に前記第１判定領域を前記第１所定方向から前記第１所定角度ごとに回転させ、
   前記第１判定領域を回転させるごとに前記第１特徴量を算出し、
   前記移動体の前記移動経路の情報から第１目的変数を算出する
   請求項１に記載の移動経路予測システム。
7. 前記移動経路予測部は、
   前記出発チェックポイントに仮想的な移動体を生成する仮想移動データ生成部と、
   前記仮想的な移動体を前記出発チェックポイントから前記中間チェックポイントを経由し前記目的チェックポイントまで移動させることで前記仮想的な移動体の経路を前記チェックポイント間ごとにシミュレーションするシミュレーション部と、を備える
   請求項３に記載の移動経路予測システム。
8. さらに、前記移動経路予測部は、特徴量算出部を備え、
   前記特徴量算出部は、
   前記仮想的な移動体の第２所定方向に第２所定角度を有する第２判定領域を設定し、
   前記第２判定領域内に位置する第２特徴部の情報から第２特徴量を算出し、
   前記仮想的な移動体を中心に前記第２判定領域を前記第２所定方向から前記第２所定角度ごとに回転させ、
   前記第２判定領域を回転させるごとに前記第２特徴量を算出し、
   前記シミュレーション部は、
   前記第２特徴量から第２目的変数を算出し、
   前記第２目的変数に基づいて前記仮想的な移動体の経路をシミュレーションする
   請求項７に記載の移動経路予測システム。
9. 前記シミュレーション部は、
   前記仮想的な移動体の移動先が滞留型の前記チェックポイントである場合において、滞留型の前記チェックポイントの前記所定範囲内に前記仮想的な移動体が滞留するように前記第２目的変数を設定し、
   前記仮想的な移動体が滞留型の前記チェックポイントの前記所定範囲内に所定時間以上留まる場合において、前記仮想的な移動体が次に移動する前記チェックポイントを設定する
   請求項８に記載の移動経路予測システム。
10. 前記経由情報は、ユーザによって前記ワークフロー入力部に設定される。
    請求項１に記載の移動経路予測システム。
11. 所定領域には、少なくとも一つの出発チェックポイントと、少なくとも一つの目的チェックポイントと、少なくとも一つの中間チェックポイントと、を有する複数のチェックポイントが配置されており、
    移動体は、前記所定領域内を前記出発チェックポイントから前記目的チェックポイントまで前記中間チェックポイントを経由して移動するものであり、
    移動計測システムによって前記移動体の移動経路の情報が計測され、
    前記所定領域内を移動する前記移動体の経路を予測する方法であって、
    前記移動体の前記移動経路の情報を前記移動計測システムから取得し、
    前記複数のチェックポイントの位置情報を取得し、
    前記移動体が移動する前記複数のチェックポイントの経由情報を設定し、
    前記移動経路の情報を複数区分に分割し、
    動線予測モデルを、分割された前記移動経路の情報ごとに機械学習し、
    前記動線予測モデルに基づいて、前記移動体の経路をシミュレーションする
    移動経路予測システムの移動経路予測方法。
12. コンピュータを、所定領域内を移動する移動体の経路を予測する移動経路予測システムとして機能させるためのコンピュータプログラムであって、
    前記所定領域には、少なくとも一つの出発チェックポイントと、少なくとも一つの目的チェックポイントと、少なくとも一つの中間チェックポイントと、を有する複数のチェックポイントが配置されており、
    前記移動体は、前記所定領域内を前記出発チェックポイントから前記目的チェックポイントまで前記中間チェックポイントを経由して移動するものであり、
    移動計測システムによって前記移動体の移動経路の情報が計測され、
    前記コンピュータ上に、
    前記移動体の移動経路の情報を前記移動計測システムから取得する計測データ取得部と、
    前記複数のチェックポイントの位置情報を取得する地図データ入力部と、
    前記移動体が移動する前記複数のチェックポイントの経由情報を設定するワークフロー入力部と、
    前記移動体の移動経路の情報と、設定された前記経由情報との差分を出力するワークフロー分析部と、
    前記移動経路の情報を複数区分に分割し、動線予測モデルを分割された前記移動経路の情報ごとに機械学習する動線予測モデル学習部と、
    前記動線予測モデルに基づいて、前記移動体の経路をシミュレーションする移動経路予測部と、
    をそれぞれ実現させるためのコンピュータプログラム。

Images