JP7175783B2 - 所定圏における滞在圏人口を推定するプログラム、装置及び方法 - Google Patents
所定圏における滞在圏人口を推定するプログラム、装置及び方法 Download PDFInfo
- Publication number
- JP7175783B2 JP7175783B2 JP2019012848A JP2019012848A JP7175783B2 JP 7175783 B2 JP7175783 B2 JP 7175783B2 JP 2019012848 A JP2019012848 A JP 2019012848A JP 2019012848 A JP2019012848 A JP 2019012848A JP 7175783 B2 JP7175783 B2 JP 7175783B2
- Authority
- JP
- Japan
- Prior art keywords
- area
- population
- address
- address area
- stay
- 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
Images
Description
本発明は、所定圏における滞在圏人口を推定する技術に関する。
所定の地域範囲（以下「圏」と称す）毎に、人が滞在する滞在圏人口を知ることは、営業活動に限らず、様々な活動で必要となる。
従来、人の流れを予測し可視化する「人口動態分析/予測」の技術がある（例えば非特許文献１参照）。この技術によれば、各ユーザが所持する携帯端末から取得されたＧＰＳ(Global Positioning System)の位置情報を用いて、人口分布の流れを推定するものである。特に、通信事業者から見た、移動者数や滞在者数、鉄道路線や走行道路毎の移動者数等を、リアルタイムに推定し且つ予測することができる。
従来、人の流れを予測し可視化する「人口動態分析/予測」の技術がある（例えば非特許文献１参照）。この技術によれば、各ユーザが所持する携帯端末から取得されたＧＰＳ(Global Positioning System)の位置情報を用いて、人口分布の流れを推定するものである。特に、通信事業者から見た、移動者数や滞在者数、鉄道路線や走行道路毎の移動者数等を、リアルタイムに推定し且つ予測することができる。
同様に、携帯端末から取得した位置情報を用いて、個人の識別性を秘匿した統計情報を生成する技術もある（例えば特許文献１参照）。この技術によれば、携帯電話機の契約率として、例えば「30代男性」「20代女性」などのユーザ属性毎に予め保持し、契約率の逆数を拡大係数として統計情報を推定する。
図１は、住所圏人口と滞在圏人口との変化を表す説明図である。
「住所圏人口」とは、例えば国勢調査の住所地に在住する人数であって、固定的な夜間人口を意味する。
一方で、「滞在圏人口」とは、例えば所定圏に滞在する人数であって、流動的に時間帯に応じて変化する昼間人口を意味する。
図１によれば、所定圏としてエリアＡ～Ｄを表しており、住所圏人口と滞在圏人口とは大きく変化している。都心部（例えばエリアＣ）では、住所圏人口は少ないのに対し、昼間時間帯の滞在圏人口は膨大な数となる。一方で、都心周辺の住宅地（例えばエリアＢ）では、住所圏人口は多いのに対し、昼間時間帯の滞在圏人口は少なくなる。
一方で、「滞在圏人口」とは、例えば所定圏に滞在する人数であって、流動的に時間帯に応じて変化する昼間人口を意味する。
図１によれば、所定圏としてエリアＡ～Ｄを表しており、住所圏人口と滞在圏人口とは大きく変化している。都心部（例えばエリアＣ）では、住所圏人口は少ないのに対し、昼間時間帯の滞在圏人口は膨大な数となる。一方で、都心周辺の住宅地（例えばエリアＢ）では、住所圏人口は多いのに対し、昼間時間帯の滞在圏人口は少なくなる。
「人の流れを予測し可視化する「人口動態分析/予測」技術を開発」、[online]、［平成３１年１月１２日検索］、インターネット＜URL:http://news.kddi.com/kddi/corporate/newsrelease/2018/04/24/3095.html＞
しかしながら、所定圏（エリア）について、国勢調査の住所地に在住する住所圏人口を知ることはできても、所定時間帯における滞在圏人口を知ることは難しい。
非特許文献１に記載の技術によれば、人口分布の流れを推定することはできるが、所定時間帯における全体的な滞在圏人口を推定することはできない。
また、特許文献１に記載の技術によれば、地域範囲毎にユーザ密度に偏りがある場合に、その推定に大きな誤差を生じる。この理由は、地理的なエリアを区別することなく、拡大倍率を算出しているためである。
また、特許文献１に記載の技術によれば、地域範囲毎にユーザ密度に偏りがある場合に、その推定に大きな誤差を生じる。この理由は、地理的なエリアを区別することなく、拡大倍率を算出しているためである。
これに対し、本願の発明者は、国勢調査における住所圏人口を正解データとして、昼間と夜間との間で地域を跨ぐ人口分布を推定することができないか、と考えた。
そこで、本発明は、住所圏人口を用いて、できる限り誤差の少ない、所定圏における滞在圏人口を推定するプログラム、装置及び方法を提供することを目的とする。
本発明によれば、所定時間帯の所定圏における滞在圏人口を推定するように装置に搭載されたコンピュータを機能させるプログラムであって、
地図上を区分した住所圏毎に、住所圏人口を蓄積した住所圏人口データベースと、
住所圏毎に、特定の通信事業者が夜間の時間帯に在住する住所を登録した契約ユーザ数を蓄積した契約加入者情報データベースと、
住所圏毎に、契約ユーザ数に対する住所圏人口を表す拡大係数を算出する拡大係数算出手段と、
特定の通信事業者の携帯端末のログ情報を用いて、所定時間帯の所定圏に滞在する、住所圏毎の住所圏ユーザ数を収集するユーザ数収集手段と、
所定時間帯の所定圏について、住所圏毎の住所圏ユーザ数と拡大係数との積における総和を、滞在圏人口として推定する滞在圏人口推定手段と
してコンピュータを機能させることを特徴とする。
地図上を区分した住所圏毎に、住所圏人口を蓄積した住所圏人口データベースと、
住所圏毎に、特定の通信事業者が夜間の時間帯に在住する住所を登録した契約ユーザ数を蓄積した契約加入者情報データベースと、
住所圏毎に、契約ユーザ数に対する住所圏人口を表す拡大係数を算出する拡大係数算出手段と、
特定の通信事業者の携帯端末のログ情報を用いて、所定時間帯の所定圏に滞在する、住所圏毎の住所圏ユーザ数を収集するユーザ数収集手段と、
所定時間帯の所定圏について、住所圏毎の住所圏ユーザ数と拡大係数との積における総和を、滞在圏人口として推定する滞在圏人口推定手段と
してコンピュータを機能させることを特徴とする。
本発明のプログラムにおける他の実施形態によれば、
住所圏人口、滞在圏人口、住所圏ユーザ数及び契約ユーザ数は、所定のユーザ属性に基づくものである
ようにコンピュータを機能させることも好ましい。
住所圏人口、滞在圏人口、住所圏ユーザ数及び契約ユーザ数は、所定のユーザ属性に基づくものである
ようにコンピュータを機能させることも好ましい。
本発明のプログラムにおける他の実施形態によれば、
所定のユーザ属性には、年齢、年齢層又は性別のうち少なくとも１つが含まれる
ようにコンピュータを機能させることも好ましい。
所定のユーザ属性には、年齢、年齢層又は性別のうち少なくとも１つが含まれる
ようにコンピュータを機能させることも好ましい。
本発明のプログラムにおける他の実施形態によれば、
住所圏人口は、国勢調査に基づく住所圏毎の人口である
ようにコンピュータを機能させることも好ましい。
住所圏人口は、国勢調査に基づく住所圏毎の人口である
ようにコンピュータを機能させることも好ましい。
本発明によれば、所定時間帯の所定圏における滞在圏人口を推定する滞在圏人口推定装置であって、
地図上を区分した住所圏毎に、住所圏人口を蓄積した住所圏人口データベースと、
住所圏毎に、特定の通信事業者が夜間の時間帯に在住する住所を登録した契約ユーザ数を蓄積した契約加入者情報データベースと、
住所圏毎に、契約ユーザ数に対する住所圏人口を表す拡大係数を算出する拡大係数算出手段と、
特定の通信事業者の携帯端末のログ情報を用いて、所定時間帯の所定圏に滞在する、住所圏毎の住所圏ユーザ数を収集するユーザ数収集手段と、
所定時間帯の所定圏について、住所圏毎の住所圏ユーザ数と拡大係数との積における総和を、滞在圏人口として推定する滞在圏人口推定手段と
を有することを特徴とする。
地図上を区分した住所圏毎に、住所圏人口を蓄積した住所圏人口データベースと、
住所圏毎に、特定の通信事業者が夜間の時間帯に在住する住所を登録した契約ユーザ数を蓄積した契約加入者情報データベースと、
住所圏毎に、契約ユーザ数に対する住所圏人口を表す拡大係数を算出する拡大係数算出手段と、
特定の通信事業者の携帯端末のログ情報を用いて、所定時間帯の所定圏に滞在する、住所圏毎の住所圏ユーザ数を収集するユーザ数収集手段と、
所定時間帯の所定圏について、住所圏毎の住所圏ユーザ数と拡大係数との積における総和を、滞在圏人口として推定する滞在圏人口推定手段と
を有することを特徴とする。
本発明によれば、所定時間帯の所定圏における滞在圏人口を推定する装置の滞在圏人口推定方法であって、
前記装置は、
地図上を区分した住所圏毎に、住所圏人口を蓄積した住所圏人口データベースと、
住所圏毎に、特定の通信事業者が夜間の時間帯に在住する住所を登録した契約ユーザ数を蓄積した契約加入者情報データベースと
を有し、
住所圏毎に、契約ユーザ数に対する住所圏人口を表す拡大係数を算出する第１のステップと、
特定の通信事業者の携帯端末のログ情報を用いて、所定時間帯の所定圏に滞在する、住所圏毎の住所圏ユーザ数を収集する第２のステップと、
所定時間帯の所定圏について、住所圏毎の住所圏ユーザ数と拡大係数との積における総和を、滞在圏人口として推定する第３のステップと
を実行することを特徴とする。
前記装置は、
地図上を区分した住所圏毎に、住所圏人口を蓄積した住所圏人口データベースと、
住所圏毎に、特定の通信事業者が夜間の時間帯に在住する住所を登録した契約ユーザ数を蓄積した契約加入者情報データベースと
を有し、
住所圏毎に、契約ユーザ数に対する住所圏人口を表す拡大係数を算出する第１のステップと、
特定の通信事業者の携帯端末のログ情報を用いて、所定時間帯の所定圏に滞在する、住所圏毎の住所圏ユーザ数を収集する第２のステップと、
所定時間帯の所定圏について、住所圏毎の住所圏ユーザ数と拡大係数との積における総和を、滞在圏人口として推定する第３のステップと
を実行することを特徴とする。
本発明のプログラム、装置及び方法によれば、住所圏人口を用いて、できる限り誤差の少ない、所定圏における滞在圏人口を推定することができる。
以下、本発明の実施の形態について、図面を用いて詳細に説明する。
図２は、本発明における滞在圏人口推定装置の機能構成図である。
図２によれば、滞在圏人口推定装置１は、所定時間帯の所定圏における滞在圏人口を推定する。滞在圏人口推定装置１は、住所圏人口データベース１０１と、契約加入者情報データベース１０２と、拡大係数算出部１１と、ユーザ数収集部１２と、滞在圏人口推定部１３とを有する。これら機能構成部は、装置に搭載されたコンピュータを機能させるプログラムとして実現される。また、これら機能構成部の処理の流れは、滞在圏人口推定方法としても理解できる。
［住所圏人口データベース１０１］
住所圏人口データベース１０１は、住所圏人口として、国勢調査に基づく住所圏毎の人口を蓄積したものである。ここで、「住所圏」とは、一般に、国勢調査の場合には住所名によって区分される圏を意味する。勿論、地図上をメッシュ状に区分した圏であってもよい。
住所圏人口データベース１０１は、住所圏人口として、国勢調査に基づく住所圏毎の人口を蓄積したものである。ここで、「住所圏」とは、一般に、国勢調査の場合には住所名によって区分される圏を意味する。勿論、地図上をメッシュ状に区分した圏であってもよい。
［契約加入者情報データベース１０２］
契約加入者情報データベース１０２は、特定の通信事業者によって運用管理されるデータベースであって、加入者ＩＤ毎に、例えば「住所」を登録したものである。契約加入者情報データベース１０２における「住所」は、前述した住所圏人口データベース１０１と同じ表記方式に基づくものである。
ここで、「住所」とは、そのユーザが夜間に在住する住所圏を意味し、単にその通信事業者と契約した店舗の住所圏の意味ではない。例えばそのユーザの勤務先会社によって契約された携帯端末であっても、そのユーザが夜間に在住する住所圏を意味する。
また、「特定の通信事業者」としては、例えば任意の１社（例えばａ社）であってもよい。
契約加入者情報データベース１０２は、特定の通信事業者によって運用管理されるデータベースであって、加入者ＩＤ毎に、例えば「住所」を登録したものである。契約加入者情報データベース１０２における「住所」は、前述した住所圏人口データベース１０１と同じ表記方式に基づくものである。
ここで、「住所」とは、そのユーザが夜間に在住する住所圏を意味し、単にその通信事業者と契約した店舗の住所圏の意味ではない。例えばそのユーザの勤務先会社によって契約された携帯端末であっても、そのユーザが夜間に在住する住所圏を意味する。
また、「特定の通信事業者」としては、例えば任意の１社（例えばａ社）であってもよい。
［拡大係数算出部１１］
拡大係数算出部１１は、住所圏毎に、住所圏人口に対する、特定の時間帯に当該住所圏に滞在する携帯端末の住所圏ユーザ単位の拡大係数（重み）を算出する。
ここで、「特定の時間帯」とは、一般に、夜間の時間帯を意味する。前述した国勢調査に基づく住所圏とは、主に夜間の時間帯にユーザが在住する住所に基づくものである。
拡大係数算出部１１は、住所圏毎に、住所圏人口に対する、特定の時間帯に当該住所圏に滞在する携帯端末の住所圏ユーザ単位の拡大係数（重み）を算出する。
ここで、「特定の時間帯」とは、一般に、夜間の時間帯を意味する。前述した国勢調査に基づく住所圏とは、主に夜間の時間帯にユーザが在住する住所に基づくものである。
図３は、本発明における拡大係数を表す説明図である。
図３によれば、拡大係数は、住所圏人口に対する通信事業者ａ社の契約ユーザ数の割合を意味する。この拡大係数は、加入者ＩＤ毎に、契約加入者情報データベース１０２に予め登録しておくことが好ましい。拡大係数は、ユーザの固有情報として紐付くものである。
図３によれば、住所圏（エリア）毎に、以下のように「住所圏ユーザ単位の拡大係数」が算出されている。
（エリアＡ）
住所圏人口＝６０００人
通信事業者ａ社の契約ユーザ数＝１００人
拡大係数＝６０００／１００＝６０倍
（エリアＢ）
住所圏人口＝２０００人
通信事業者ａ社の契約ユーザ数＝５０人
拡大係数＝２０００／５０＝４０倍
（エリアＣ）
住所圏人口＝３６００人
通信事業者ａ社の契約ユーザ数＝３０人
拡大係数＝３６００／３０＝１２０倍
（エリアＢ）
住所圏人口＝４０００人
通信事業者ａ社の契約ユーザ数＝２００人
拡大係数＝４０００／２００＝２０倍
（エリアＡ）
住所圏人口＝６０００人
通信事業者ａ社の契約ユーザ数＝１００人
拡大係数＝６０００／１００＝６０倍
（エリアＢ）
住所圏人口＝２０００人
通信事業者ａ社の契約ユーザ数＝５０人
拡大係数＝２０００／５０＝４０倍
（エリアＣ）
住所圏人口＝３６００人
通信事業者ａ社の契約ユーザ数＝３０人
拡大係数＝３６００／３０＝１２０倍
（エリアＢ）
住所圏人口＝４０００人
通信事業者ａ社の契約ユーザ数＝２００人
拡大係数＝４０００／２００＝２０倍
［ユーザ数収集部１２］
ユーザ数収集部１２は、所定時間帯の所定滞在圏における携帯端末のログ情報に基づいて、住所圏毎の住所圏ユーザ数を収集する。
ここで、「携帯端末のログ情報」は、その携帯端末を契約した通信事業者のみが収集可能なものである。これによって、そのユーザの加入者ＩＤ及び位置情報を特定することができる。
ユーザ数収集部１２は、所定時間帯の所定滞在圏における携帯端末のログ情報に基づいて、住所圏毎の住所圏ユーザ数を収集する。
ここで、「携帯端末のログ情報」は、その携帯端末を契約した通信事業者のみが収集可能なものである。これによって、そのユーザの加入者ＩＤ及び位置情報を特定することができる。
ユーザ数収集部１２は、契約加入者情報データベース１０２を用いて、「加入者ＩＤ」から、そのユーザの住所圏及び拡大係数を取得することができる。
また、「位置情報」としては、携帯端末に搭載されたＧＰＳのような正確な測位情報であってもよいし、その携帯端末を配下とする基地局の位置情報から、携帯端末の位置を推測するものであってもよい。このような位置情報は、空間的粒度が粗いものとなるが、所定圏における多数のユーザの滞在地人口を推定するビッグデータとしては、十分に有用なものとなる。
尚、通信のログ情報から取得可能な「位置情報」は、一般に、緯度経度又は地図座標によって表記される。そのために、この位置情報は、前述した住所圏及び滞在圏における住所名又は地図メッシュ番号に、その表記を変換する必要がある。
また、「位置情報」としては、携帯端末に搭載されたＧＰＳのような正確な測位情報であってもよいし、その携帯端末を配下とする基地局の位置情報から、携帯端末の位置を推測するものであってもよい。このような位置情報は、空間的粒度が粗いものとなるが、所定圏における多数のユーザの滞在地人口を推定するビッグデータとしては、十分に有用なものとなる。
尚、通信のログ情報から取得可能な「位置情報」は、一般に、緯度経度又は地図座標によって表記される。そのために、この位置情報は、前述した住所圏及び滞在圏における住所名又は地図メッシュ番号に、その表記を変換する必要がある。
［滞在圏人口推定部１３］
滞在圏人口推定部１３は、所定時間帯の所定滞在圏について、住所圏毎の住所圏ユーザ数と拡大係数との積の総和を、滞在圏人口と推定する。
滞在圏人口＝Σ（住所圏ユーザ数×拡大係数）
滞在圏人口推定部１３は、所定時間帯の所定滞在圏について、住所圏毎の住所圏ユーザ数と拡大係数との積の総和を、滞在圏人口と推定する。
滞在圏人口＝Σ（住所圏ユーザ数×拡大係数）
図４は、本発明によって推定された昼間の滞在圏人口を表す説明図である。
図４（ａ）は、住所圏毎に、当該住所圏から、昼間に各滞在圏へ移動したａ社契約ユーザ数を表す。
例えば、拡大係数６０倍の住所圏Ａから、昼間に滞在圏Ｃへ移動したａ社契約ユーザ数は、４０人であることが表されている。
また、例えば、拡大係数４０倍の住所圏Ｂから、昼間に滞在圏Ｂに留まったａ社契約ユーザ数は、１０人であることが表されている。
例えば、拡大係数６０倍の住所圏Ａから、昼間に滞在圏Ｃへ移動したａ社契約ユーザ数は、４０人であることが表されている。
また、例えば、拡大係数４０倍の住所圏Ｂから、昼間に滞在圏Ｂに留まったａ社契約ユーザ数は、１０人であることが表されている。
図４（ｂ）は、滞在圏毎に、当該滞在圏へ、昼間に各住所圏から移動してきたユーザ数と、推定された滞在圏人口とを表す。
例えば、昼間の滞在圏Ａには、住所圏Ｄから移動してきたａ社契約ユーザ数が３０人である場合、住所圏Ｄの拡大係数２０倍を乗算すると、およそ６００人が移動してきたものと推定される。
また、例えば、昼間の滞在圏Ｂには、住所圏Ｂに留まったａ社契約ユーザ数が１０人である場合、住所圏Ｂの拡大係数４０倍を乗算すると、およそ４００人が留まったものと推定される。
例えば、昼間の滞在圏Ａには、住所圏Ｄから移動してきたａ社契約ユーザ数が３０人である場合、住所圏Ｄの拡大係数２０倍を乗算すると、およそ６００人が移動してきたものと推定される。
また、例えば、昼間の滞在圏Ｂには、住所圏Ｂに留まったａ社契約ユーザ数が１０人である場合、住所圏Ｂの拡大係数４０倍を乗算すると、およそ４００人が留まったものと推定される。
図４によれば、以下のように滞在圏人口が算出される。
（滞在圏Ａ）
滞在圏人口＝５０人（住所圏Ａユーザ数）×６０倍（住所圏Ａの拡大係数）＋
・・・＋
３０人（住所圏Ｄユーザ数）×２０倍（住所圏Ｄの拡大係数）＋
・・・＋
＝３０００人＋・・・＋６００人＋・・・
＝３６００人＋・・・
（滞在圏Ｂ）
滞在圏人口＝１０人（住所圏Ａユーザ数）×６０倍（住所圏Ａの拡大係数）＋
１０人（住所圏Ｂユーザ数）×４０倍（住所圏Ｂの拡大係数）＋
・・・
＝６００人＋４００人＋・・・
＝１０００人＋・・・
（滞在圏Ｃ）
滞在圏人口＝４０人（住所圏Ａユーザ数）×６０倍（住所圏Ａの拡大係数）＋
３０人（住所圏Ｂユーザ数）×４０倍（住所圏Ｃの拡大係数）＋
３０人（住所圏Ｃユーザ数）×１２０倍（住所圏Ｃの拡大係数）＋
８０人（住所圏Ｄユーザ数）×２０倍（住所圏Ｄの拡大係数）＋
・・・
＝２４００人＋１２００人＋３６００人＋１６００人＋・・・
＝８８００人＋・・・
（滞在圏Ｄ）
滞在圏人口＝・・・＋
１０人（住所圏Ｂユーザ数）×４０倍（住所圏Ｂの拡大係数）＋
・・・＋
９０人（住所圏Ｄユーザ数）×２０倍（住所圏Ｄの拡大係数）＋
・・・＋
＝４００人＋・・・＋１８００人＋・・・
＝２２００人＋・・・
本発明によれば、国勢調査に基づく正確な住所圏人口を用いることによって、推定した滞在圏人口の誤差が、できる限り少なくなるようにしている。
（滞在圏Ａ）
滞在圏人口＝５０人（住所圏Ａユーザ数）×６０倍（住所圏Ａの拡大係数）＋
・・・＋
３０人（住所圏Ｄユーザ数）×２０倍（住所圏Ｄの拡大係数）＋
・・・＋
＝３０００人＋・・・＋６００人＋・・・
＝３６００人＋・・・
（滞在圏Ｂ）
滞在圏人口＝１０人（住所圏Ａユーザ数）×６０倍（住所圏Ａの拡大係数）＋
１０人（住所圏Ｂユーザ数）×４０倍（住所圏Ｂの拡大係数）＋
・・・
＝６００人＋４００人＋・・・
＝１０００人＋・・・
（滞在圏Ｃ）
滞在圏人口＝４０人（住所圏Ａユーザ数）×６０倍（住所圏Ａの拡大係数）＋
３０人（住所圏Ｂユーザ数）×４０倍（住所圏Ｃの拡大係数）＋
３０人（住所圏Ｃユーザ数）×１２０倍（住所圏Ｃの拡大係数）＋
８０人（住所圏Ｄユーザ数）×２０倍（住所圏Ｄの拡大係数）＋
・・・
＝２４００人＋１２００人＋３６００人＋１６００人＋・・・
＝８８００人＋・・・
（滞在圏Ｄ）
滞在圏人口＝・・・＋
１０人（住所圏Ｂユーザ数）×４０倍（住所圏Ｂの拡大係数）＋
・・・＋
９０人（住所圏Ｄユーザ数）×２０倍（住所圏Ｄの拡大係数）＋
・・・＋
＝４００人＋・・・＋１８００人＋・・・
＝２２００人＋・・・
本発明によれば、国勢調査に基づく正確な住所圏人口を用いることによって、推定した滞在圏人口の誤差が、できる限り少なくなるようにしている。
他の実施形態として、住所圏人口、滞在圏人口、住所圏ユーザ数及び滞在圏ユーザ数は、所定のユーザ属性に基づくものであってもよい。ユーザ属性には、例えば年齢、年齢層又は性別のうち少なくとも１つが含まれることも好ましい。
図５は、ユーザ属性に基づく拡大係数を表す説明図である。
図５によれば、滞在圏人口を推定するにあたって、例えば、住所圏Ａにおける住所圏人口６，０００人及びａ社契約ユーザ数１００人を、以下のように、年齢層及び性別で分類し、拡大係数を算出する。
＜ユーザ属性＞ ＜住所圏人口＞＜ａ社契約ユーザ数＞＜拡大係数＞
～１５歳 ・男 ４５０人 ５人 ９０倍
～１５歳 ・女 ５００人 ５人 １００倍
１６歳～６０歳・男 １１００人 ２５人 ４４倍
１６歳～６０歳・女 ９００人 ２０人 ４５倍
６１歳～ ・男 １４００人 ２０人 ７０倍
６１歳～ ・女 １６５０人 ２５人 ６６倍
ａ社契約のユーザ毎に、このような拡大係数が付与される。そして、昼間の滞在圏でその拡大係数を用いて、滞在圏人口を推定することができる。
＜ユーザ属性＞ ＜住所圏人口＞＜ａ社契約ユーザ数＞＜拡大係数＞
～１５歳 ・男 ４５０人 ５人 ９０倍
～１５歳 ・女 ５００人 ５人 １００倍
１６歳～６０歳・男 １１００人 ２５人 ４４倍
１６歳～６０歳・女 ９００人 ２０人 ４５倍
６１歳～ ・男 １４００人 ２０人 ７０倍
６１歳～ ・女 １６５０人 ２５人 ６６倍
ａ社契約のユーザ毎に、このような拡大係数が付与される。そして、昼間の滞在圏でその拡大係数を用いて、滞在圏人口を推定することができる。
このように同一の住所圏内でも、年齢層や性別等のユーザ属性で分類することにより、それぞれの拡大係数は大きく異なる。特に、過密地域と過疎地域とでは、ユーザ属性毎の人口分布は大きく異なる。また、年齢層等のユーザ属性毎に、その移動先や滞在時間帯等も大きく異なると思われる。そのために、ユーザ属性を考慮した滞在圏人口の推定は重要となる。
以上、詳細に説明したように、本発明のプログラム、装置及び方法によれば、住所圏人口を用いて、できる限り誤差の少ない、所定圏における滞在圏人口を推定することができる。
本発明によれば、所定圏における時間帯毎の人口密度の変化が大きい地域や、地域間の人口移動が激しいほど、全体的に誤差の少ない滞在圏人口を推定することができる。特に、特定の通信事業者１社から得られる限られた数のサンプル（契約住所、加入者ＩＤ、通信ログ情報など）から、滞在圏全体の人口を推定することができる。
本発明によれば、所定圏における時間帯毎の人口密度の変化が大きい地域や、地域間の人口移動が激しいほど、全体的に誤差の少ない滞在圏人口を推定することができる。特に、特定の通信事業者１社から得られる限られた数のサンプル（契約住所、加入者ＩＤ、通信ログ情報など）から、滞在圏全体の人口を推定することができる。
前述した本発明の種々の実施形態について、本発明の技術思想及び見地の範囲の種々の変更、修正及び省略は、当業者によれば容易に行うことができる。前述の説明はあくまで例であって、何ら制約しようとするものではない。本発明は、特許請求の範囲及びその均等物として限定するものにのみ制約される。
１ 滞在圏人口推定装置
１０１ 住所圏人口データベース
１０２ 契約加入者情報データベース
１１ 拡大係数算出部
１２ ユーザ数収集部
１３ 滞在圏人口推定部
１０１ 住所圏人口データベース
１０２ 契約加入者情報データベース
１１ 拡大係数算出部
１２ ユーザ数収集部
１３ 滞在圏人口推定部
Claims (6)
- 所定時間帯の所定圏における滞在圏人口を推定するように装置に搭載されたコンピュータを機能させるプログラムであって、
地図上を区分した住所圏毎に、住所圏人口を蓄積した住所圏人口データベースと、
住所圏毎に、特定の通信事業者が夜間の時間帯に在住する住所を登録した契約ユーザ数を蓄積した契約加入者情報データベースと、
住所圏毎に、契約ユーザ数に対する住所圏人口を表す拡大係数を算出する拡大係数算出手段と、
特定の通信事業者の携帯端末のログ情報を用いて、所定時間帯の所定圏に滞在する、住所圏毎の住所圏ユーザ数を収集するユーザ数収集手段と、
所定時間帯の所定圏について、住所圏毎の住所圏ユーザ数と拡大係数との積における総和を、滞在圏人口として推定する滞在圏人口推定手段と
してコンピュータを機能させることを特徴とするプログラム。 - 住所圏人口、滞在圏人口、住所圏ユーザ数及び契約ユーザ数は、所定のユーザ属性に基づくものである
ようにコンピュータを機能させることを特徴とする請求項１に記載のプログラム。 - 所定のユーザ属性には、年齢、年齢層又は性別のうち少なくとも１つが含まれる
ようにコンピュータを機能させることを特徴とする請求項２に記載のプログラム。 - 住所圏人口は、国勢調査に基づく住所圏毎の人口である
ようにコンピュータを機能させることを特徴とする請求項１から３のいずれか１項に記載のプログラム。 - 所定時間帯の所定圏における滞在圏人口を推定する滞在圏人口推定装置であって、
地図上を区分した住所圏毎に、住所圏人口を蓄積した住所圏人口データベースと、
住所圏毎に、特定の通信事業者が夜間の時間帯に在住する住所を登録した契約ユーザ数を蓄積した契約加入者情報データベースと、
住所圏毎に、契約ユーザ数に対する住所圏人口を表す拡大係数を算出する拡大係数算出手段と、
特定の通信事業者の携帯端末のログ情報を用いて、所定時間帯の所定圏に滞在する、住所圏毎の住所圏ユーザ数を収集するユーザ数収集手段と、
所定時間帯の所定圏について、住所圏毎の住所圏ユーザ数と拡大係数との積における総和を、滞在圏人口として推定する滞在圏人口推定手段と
を有することを特徴とする滞在圏人口推定装置。 - 所定時間帯の所定圏における滞在圏人口を推定する装置の滞在圏人口推定方法であって、
前記装置は、
地図上を区分した住所圏毎に、住所圏人口を蓄積した住所圏人口データベースと、
住所圏毎に、特定の通信事業者が夜間の時間帯に在住する住所を登録した契約ユーザ数を蓄積した契約加入者情報データベースと
を有し、
住所圏毎に、契約ユーザ数に対する住所圏人口を表す拡大係数を算出する第１のステップと、
特定の通信事業者の携帯端末のログ情報を用いて、所定時間帯の所定圏に滞在する、住所圏毎の住所圏ユーザ数を収集する第２のステップと、
所定時間帯の所定圏について、住所圏毎の住所圏ユーザ数と拡大係数との積における総和を、滞在圏人口として推定する第３のステップと
を実行することを特徴とする装置の滞在圏人口推定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019012848A JP7175783B2 (ja) | 2019-01-29 | 2019-01-29 | 所定圏における滞在圏人口を推定するプログラム、装置及び方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019012848A JP7175783B2 (ja) | 2019-01-29 | 2019-01-29 | 所定圏における滞在圏人口を推定するプログラム、装置及び方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2020123011A JP2020123011A (ja) | 2020-08-13 |
| JP7175783B2 true JP7175783B2 (ja) | 2022-11-21 |
Family
ID=71992719
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019012848A Active JP7175783B2 (ja) | 2019-01-29 | 2019-01-29 | 所定圏における滞在圏人口を推定するプログラム、装置及び方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7175783B2 (ja) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7328196B2 (ja) * | 2020-11-27 | 2023-08-16 | Kddi株式会社 | 情報処理装置及び情報処理方法 |
| JP7266137B1 (ja) | 2022-05-30 | 2023-04-27 | Kddi株式会社 | 情報処理装置、情報処理方法及びプログラム |
| WO2024024201A1 (ja) * | 2022-07-27 | 2024-02-01 | 株式会社Ｎｔｔドコモ | 人口状態判定システム |
| JP7385726B1 (ja) * | 2022-12-13 | 2023-11-22 | Kddi株式会社 | 情報処理装置、情報処理方法及びプログラム |
| JP7345075B1 (ja) * | 2023-02-28 | 2023-09-14 | 株式会社グリーン・シップ | 人流データ管理システムおよび人流データ管理方法 |
| CN116980833B (zh) * | 2023-09-22 | 2024-01-23 | 北京融信数联科技有限公司 | 一种基于信令数据的区域人口年龄段识别方法及系统 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012105378A1 (ja) | 2011-01-31 | 2012-08-09 | 株式会社エヌ・ティ・ティ・ドコモ | 入込端末数推計装置および入込端末数推計方法 |
-
2019
- 2019-01-29 JP JP2019012848A patent/JP7175783B2/ja active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012105378A1 (ja) | 2011-01-31 | 2012-08-09 | 株式会社エヌ・ティ・ティ・ドコモ | 入込端末数推計装置および入込端末数推計方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2020123011A (ja) | 2020-08-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7175783B2 (ja) | 所定圏における滞在圏人口を推定するプログラム、装置及び方法 | |
| KR102097426B1 (ko) | 피셀 알고리즘을 이용하여 실시간 유동 인구 데이터의 제공이 가능한 유동인구 정보 분석 방법 | |
| Chen et al. | Understanding the impacts of human mobility on accessibility using massive mobile phone tracking data | |
| Calabrese et al. | Urban sensing using mobile phone network data: a survey of research | |
| US8612134B2 (en) | Mining correlation between locations using location history | |
| Jiang et al. | A review of urban computing for mobile phone traces: current methods, challenges and opportunities | |
| Lee et al. | Utilizing mobile phone-based floating population data to measure the spatial accessibility to public transit | |
| Oliveira et al. | On the regularity of human mobility | |
| EP2740115B1 (en) | Generating an od matrix | |
| EP3132592B1 (en) | Method and system for identifying significant locations through data obtainable from a telecommunication network | |
| Yu et al. | Modeling user activity patterns for next-place prediction | |
| EP3451275B1 (en) | Information processing device and method | |
| JP5234637B2 (ja) | ユーザ動線生成サーバ、ユーザ動線生成方法、及びユーザ動線生成プログラム | |
| Bwambale et al. | Getting the best of both worlds: a framework for combining disaggregate travel survey data and aggregate mobile phone data for trip generation modelling | |
| JP6396686B2 (ja) | 行動判定装置、行動判定方法及びプログラム | |
| Sun et al. | Identifying tourists and locals by K-means clustering method from mobile phone signaling data | |
| Horn et al. | QZTool—automatically generated origin-destination matrices from cell phone trajectories | |
| EP3192061B1 (en) | Measuring and diagnosing noise in urban environment | |
| Leng et al. | Managing travel demand: Location recommendation for system efficiency based on mobile phone data | |
| Alhazzani et al. | Urban Attractors: Discovering patterns in regions of attraction in cities | |
| Rahman et al. | The effect of time interval of bus location data on real-time bus arrival estimations | |
| Mucceli et al. | On the regularity of human mobility | |
| CN111242723B (zh) | 用户子女情况判断方法、服务器及计算机可读存储介质 | |
| Mridha et al. | Link travel time prediction from large scale endpoint data | |
| JP2011170811A (ja) | 滞在場所推定装置、方法及びプログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201214 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20211022 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211202 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220125 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20220615 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220809 |
|
| C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20220809 |
|
| A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20220816 |
|
| C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20220817 |
|
| 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: 20221031 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221109 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7175783 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |