JP7282264B2 - 人口抽出装置 - Google Patents

Description

本開示は、イベントに関連する人口（以下「イベント関連人口」と称する）を抽出する人口抽出装置に関する。

あるイベントが開催されたとき、当該イベントに関連する人の数（イベント関連人口）を抽出したいというニーズが有る。その一方で、携帯端末等の位置情報等に基づいて、ある時間帯におけるあるエリアに滞留する人の数（滞留人口）を推定する人口統計に関する技術が提案されている。例えば、イベント関連では、下記の特許文献１において、ある時間帯におけるあるエリアの滞留人口の推定値から当該時間帯における当該エリアでのイベントの有無を判定する技術が提案されている。

特開２０１１－１０８１９３号公報

しかし、特許文献１では、イベント関連人口の抽出までは提案されておらず、イベント関連人口を精度良く抽出する技術が待望されていた。

本開示は、上記の課題を解決するべく、イベント関連人口を精度良く抽出することを目的とする。

本開示に係る人口抽出装置は、対象エリアにおける一定期間にわたる日ごとの時間帯別人口統計データを取得し、取得された日ごとの時間帯別人口統計データから所定の同時間帯ごとに人口を抽出することで各日における所定時間帯の時系列人口を取得する時系列人口取得部と、前記時系列人口取得部により取得された各日における所定時間帯の時系列人口を、変動の類似度に基づいて、複数のクラスにクラスタリングするクラスタリング部と、前記クラスタリング部によるクラスタリングにより得られた複数のクラスのうち、各クラスにおける変動の度合いに基づいて、イベントが無い日のクラスを判定する判定部と、前記判定部により判定されたイベントが無い日のクラスの時系列平均人口を、対象エリアの時系列定常人口として導出する定常人口導出部と、前記時系列人口取得部により取得された対象エリアにおける対象日の時系列人口と、前記定常人口導出部により導出された対象エリアの時系列定常人口との差分を、対象エリアのイベント関連人口として抽出する人口抽出部と、を備える。

上記の人口抽出装置では、時系列人口取得部が、対象エリアにおける一定期間にわたる日ごとの時間帯別人口統計データを取得し、取得された日ごとの時間帯別人口統計データから所定の同時間帯ごとに人口を抽出することで各日における所定時間帯の時系列人口を取得し、クラスタリング部が、時系列人口取得部により取得された各日における所定時間帯の時系列人口を、変動の類似度に基づいて、複数のクラスにクラスタリングし、そして、判定部が、上記クラスタリングにより得られた複数のクラスのうち、各クラスにおける変動の度合いに基づいて、イベントが無い日のクラスを判定する。さらに、定常人口導出部が、イベントが無い日のクラスの時系列平均人口を対象エリアの時系列定常人口として導出し、人口抽出部が、時系列人口取得部により取得される対象エリアにおける対象日の時系列人口と、定常人口導出部により導出された対象エリアの時系列定常人口との差分を、対象エリアのイベント関連人口として抽出する。

このように、人口抽出装置は、各日における所定時間帯の時系列人口を、変動の類似度に基づいて複数のクラスにクラスタリングした上で、各クラスにおける変動の度合いに基づいてイベントが無い日のクラスを自動的に且つ適切に判定し、さらに、イベントが無い日のクラスの時系列平均人口を対象エリアの時系列定常人口として導出し、対象エリアにおける対象日の時系列人口と時系列定常人口との差分を対象エリアのイベント関連人口として抽出する。これにより、イベントに関連しない人口、例えばイベント会場付近にたまたま滞留していた人の人口を除去した上で、イベント関連人口を精度良く抽出することができる。また、イベントが無い日を自動的に判定できるため、イベントが有る日又は無い日の情報を予め取得しておく手間を省くことができる。

本開示によれば、イベント関連人口を精度良く抽出することができる。また、イベントが無い日を自動的に判定できるため、イベントが有る日又は無い日の情報を予め取得しておく手間を省くことができる。

人口抽出装置の構成を示す機能ブロック図である。 取得される人口統計情報の一例を示す表である。 時系列定常人口を求める過程を説明するための図である。 イベント関連人口の抽出原理を説明するための図である。 イベント関連人口の出力例を示す表である。 人口抽出装置において実行される処理を示すフロー図である。 イベントが無い日のクラスの判定処理を示すフロー図である。 人口抽出装置のハードウェア構成例を示す図である。

以下、人口抽出装置の一実施形態について説明する。図１に示すように、本実施形態に係る人口抽出装置１０は、時系列人口取得部１１、クラスタリング部１２、判定部１３、定常人口導出部１４、および人口抽出部１５を備える。以下、各部の機能、動作等について説明する。

時系列人口取得部１１は、対象エリアにおける一定期間にわたる日ごとの時間帯別人口統計データを外部のサーバ（不図示）から取得し、取得された日ごとの時間帯別人口統計データから所定の同時間帯ごとに人口を抽出することで各日における所定時間帯の時系列人口を取得する機能部である。上記の人口統計データとしては、例えば国際公開公報ＷＯ2012/056900号に開示されたユーザ端末の位置情報等に基づく人口算出方法により得られる人口統計データを採用することができる。例えば、図２の左側のような複数エリアにおける１０分おきの人口統計データから、対象エリア１（エリアＩＤ＝１のエリア）における一定期間にわたる日ごとの時間帯別人口統計データを取得し、取得された日ごとの時間帯別人口統計データから所定の同時間帯ごとに人口を抽出することで各日における所定時間帯の時系列人口を取得する。例えば、2020年2月14日の時間帯別人口統計データから、図２の右側のように所定の時間帯（16時0分～17時50分）の時系列人口を取得する。このような時系列人口の取得を各日について実行する。

クラスタリング部１２は、時系列人口取得部１１により取得された各日における所定時間帯の時系列人口を、変動の類似度に基づいて、複数のクラスにクラスタリングする機能部である。本実施形態におけるクラスタリング部１２は、より精度良くクラス分けを行うため、各日における所定時間帯の時系列人口を平日／休日別又は曜日別で分けて、複数の集合とし、複数の集合のそれぞれについて変動の類似度に基づいて複数のクラスにクラスタリングする。図３には、平日／休日別に分ける例を示すが、クラスタリング部１２は、各日における所定時間帯の時系列人口を、平日の時系列人口の集合と、休日の時系列人口の集合とに分けて、次に、複数の集合のそれぞれについて変動の類似度に基づいて複数のクラスにクラスタリングする。図３では、平日の時系列人口の集合が、それぞれ変動が類似するもの同士から成るクラス１、２、３…といった複数のクラスにクラスタリングされる例を示す。

判定部１３は、クラスタリング部１２によるクラスタリングにより得られた複数のクラスのうち、各クラスにおける変動の度合いに基づいて、イベントが無い日のクラスを判定する機能部である。詳細は後述するが、判定部１３は、複数のクラスのうち、各クラスにおける変動の度合いが最も小さいクラスを、イベントが無い日のクラスとして判定する。

定常人口導出部１４は、判定部１３により判定されたイベントが無い日のクラスの時系列平均人口を、対象エリアの時系列定常人口として導出する機能部である。

人口抽出部１５は、時系列人口取得部１１により取得された対象エリアにおける対象日の時系列人口と、定常人口導出部１４により導出された対象エリアの時系列定常人口との差分を、対象エリアのイベント関連人口として抽出する機能部である。

図４に示すように、クラスタリング部１２が、各日における所定時間帯の時系列人口を、それぞれ変動が類似するもの同士から成る複数のクラスにクラスタリングし、判定部１３が、各クラスにおける変動の度合いが最も小さいクラスを、イベントが無い日のクラスとして判定し、定常人口導出部１４が、イベントが無い日のクラスの時系列平均人口を対象エリアの時系列定常人口として導出し、さらに、人口抽出部１５が、対象エリアにおける対象日の時系列人口と時系列定常人口との差分（図４の右端のグラフにおけるハッチング部分）を対象エリアのイベント関連人口として抽出する。そして、人口抽出部１５は、図５に示すように、対象エリアにおける対象日（例えば2020年2月28日）の所定の時間帯（例えば16時0分～17時50分）のイベント関連人口を出力する。

（人口抽出装置において実行される処理）
以下、人口抽出装置１０において実行される処理の一例を説明する。図６には処理の全体を示す。なお、図６の処理は、所定の時間間隔で実行してもよいし、任意のタイミング（例えば、ユーザが実行開始を指示したタイミング、ユーザが事前に指定したタイミング等）で実行してもよい。以下、各処理について説明する。

まず、時系列人口取得部１１が、対象エリアにおける一定期間にわたる日ごとの時間帯別人口統計データを取得して（図６のステップＳ１）、日ごとの時間帯別人口統計データから所定の同時間帯ごとに人口を抽出することで、各日における所定時間帯の時系列人口を取得する（ステップＳ２）。次に、クラスタリング部１２が、各日における所定時間帯の時系列人口を平日/休日別または曜日別に集合分けして（ステップＳ３）、各集合について時系列人口を２以上のクラスにクラスタリングする（ステップＳ４）。次に、判定部１３が、イベントが無い日のクラスの判定処理（図７）を実行する（ステップＳ５）。ステップＳ５では、判定部１３が、パラメータ設定として、
判定対象となる前記複数のクラスの各々をＣ_n（n∈{1,2,…,N}）とし、
各クラスに含まれる時系列人口を

とし、各日の時系列人口から取り出した時間幅をT（Tは正の整数）とし、災害等の影響によるノイズクラスのサイズの閾値をσとする（図７のステップＳ５１）。次に、判定部１３は、|Ｃ_n|＜σとなるクラスＣ_nをノイズクラスと判断して、判定処理の対象とされる複数のクラスから当該ノイズクラスを除外する（ステップＳ５２）。そして、判定部１３は、

となるようなクラスＣ_nを、イベントが無い日のクラスと判定する（ステップＳ５３）。

このとき、クラスＣ_nにおける時系列平均人口を

としたとき各時刻ｔにおける時系列平均人口

は下記の式で求められる。

そのため、上記の時系列平均人口を時間幅の全体で平均した値が最小となるクラスＣ_nは、上記の時間幅における時系列人口の変動が最も小さいクラスと判断できるため、かかるクラスＣ_nを、イベントが無い日のクラスと判定することができる。

図６へ戻り、次のステップＳ６では、定常人口導出部１４が、判定結果で得られたイベントが無い日のクラスの時系列平均人口を対象エリアの時系列定常人口として導出し（ステップＳ６）、さらに、人口抽出部１５が、時系列人口取得部１１により取得された対象エリアにおける対象日の時系列人口と、上記導出された対象エリアの時系列定常人口との差分を、対象エリアのイベント関連人口として抽出する（ステップＳ７）。その後、例えば、図５に示すような対象エリアにおける対象日（例えば2020年2月28日）の所定の時間帯（例えば16時0分～17時50分）のイベント関連人口が、人口抽出部１５から外部（例えばユーザ向け）に出力される。

以上説明したように、人口抽出装置１０が、各日における所定時間帯の時系列人口を、変動の類似度に基づいて複数のクラスにクラスタリングした上で、各クラスにおける変動の度合いに基づいてイベントが無い日のクラスを自動的に且つ適切に判定し、さらに、イベントが無い日のクラスの時系列平均人口を対象エリアの時系列定常人口として導出し、対象エリアにおける対象日の時系列人口と時系列定常人口との差分を対象エリアのイベント関連人口として抽出する。これにより、イベントに関連しない人口、例えばイベント会場付近にたまたま滞留していた人の人口を除去した上で、イベント関連人口を精度良く抽出することができる。また、イベントが無い日を自動的に判定できるため、イベントが有る日又は無い日の情報を予め取得しておく手間を省くことができる。

なお、図３には、クラスタリング部１２が、各日における所定時間帯の時系列人口を平日/休日別に集合分けする例を示したが、曜日別に集合分けしてもよい。各日における所定時間帯の時系列人口を、平日/休日別又は曜日別に集合分けすることは必須要件ではない。ただし、平日/休日別又は曜日別に集合分けすることにより、より精度の良いクラスタリングを行うことができる。

［用語、変形態様などについて］
なお、上記実施形態の説明に用いたブロック図は、機能単位のブロックを示している。これらの機能ブロック（構成部）は、ハードウェア及びソフトウェアの少なくとも一方の任意の組み合わせによって実現される。また、各機能ブロックの実現方法は特に限定されない。すなわち、各機能ブロックは、物理的又は論理的に結合した１つの装置を用いて実現されてもよいし、物理的又は論理的に分離した２つ以上の装置を直接的又は間接的に（例えば、有線、無線などを用いて）接続し、これら複数の装置を用いて実現されてもよい。機能ブロックは、上記１つの装置又は上記複数の装置にソフトウェアを組み合わせて実現されてもよい。

機能には、判断、決定、判定、計算、算出、処理、導出、調査、探索、確認、受信、送信、出力、アクセス、解決、選択、選定、確立、比較、想定、期待、見做し、報知（broadcasting）、通知（notifying）、通信（communicating）、転送（forwarding）、構成（configuring）、再構成（reconfiguring）、割り当て（allocating、mapping）、割り振り（assigning）などがあるが、これらに限られない。たとえば、送信を機能させる機能ブロック（構成部）は、送信部（transmitting unit）、送信機（transmitter）と呼称される。いずれも、上述したとおり、実現方法は特に限定されない。

例えば、一実施の形態における人口抽出装置は、本実施形態における処理を行うコンピュータとして機能してもよい。図８は、人口抽出装置１０のハードウェア構成例を示す図である。上述の人口抽出装置１０は、物理的には、プロセッサ１００１、メモリ１００２、ストレージ１００３、通信装置１００４、入力装置１００５、出力装置１００６、バス１００７などを含むコンピュータ装置として構成されてもよい。

なお、以下の説明では、「装置」という文言は、回路、デバイス、ユニットなどに読み替えることができる。人口抽出装置１０のハードウェア構成は、図に示した各装置を１つ又は複数含むように構成されてもよいし、一部の装置を含まずに構成されてもよい。

人口抽出装置１０における各機能は、プロセッサ１００１、メモリ１００２などのハードウェア上に所定のソフトウェア（プログラム）を読み込ませることによって、プロセッサ１００１が演算を行い、通信装置１００４による通信を制御したり、メモリ１００２及びストレージ１００３におけるデータの読み出し及び書き込みの少なくとも一方を制御したりすることによって実現される。

プロセッサ１００１は、例えば、オペレーティングシステムを動作させてコンピュータ全体を制御する。プロセッサ１００１は、周辺装置とのインターフェース、制御装置、演算装置、レジスタなどを含む中央処理装置（ＣＰＵ：Central Processing Unit）によって構成されてもよい。

また、プロセッサ１００１は、プログラム（プログラムコード）、ソフトウェアモジュール、データなどを、ストレージ１００３及び通信装置１００４の少なくとも一方からメモリ１００２に読み出し、これらに従って各種の処理を実行する。プログラムとしては、上述の実施の形態において説明した動作の少なくとも一部をコンピュータに実行させるプログラムが用いられる。上述の各種処理は、１つのプロセッサ１００１によって実行される旨を説明してきたが、２以上のプロセッサ１００１により同時又は逐次に実行されてもよい。プロセッサ１００１は、１以上のチップによって実装されてもよい。なお、プログラムは、電気通信回線を介してネットワークから送信されても良い。

メモリ１００２は、コンピュータ読み取り可能な記録媒体であり、例えば、ＲＯＭ（Read Only Memory）、ＥＰＲＯＭ（Erasable Programmable ＲＯＭ）、ＥＥＰＲＯＭ（Electrically Erasable Programmable ＲＯＭ）、ＲＡＭ（Random Access Memory）などの少なくとも１つによって構成されてもよい。メモリ１００２は、レジスタ、キャッシュ、メインメモリ（主記憶装置）などと呼ばれてもよい。メモリ１００２は、本開示の一実施の形態に係る無線通信方法を実施するために実行可能なプログラム（プログラムコード）、ソフトウェアモジュールなどを保存することができる。

ストレージ１００３は、コンピュータ読み取り可能な記録媒体であり、例えば、ＣＤ－ＲＯＭ（Compact Disc ＲＯＭ）などの光ディスク、ハードディスクドライブ、フレキシブルディスク、光磁気ディスク(例えば、コンパクトディスク、デジタル多用途ディスク、Ｂｌｕ－ｒａｙ（登録商標）ディスク)、スマートカード、フラッシュメモリ(例えば、カード、スティック、キードライブ)、フロッピー（登録商標）ディスク、磁気ストリップなどの少なくとも１つによって構成されてもよい。ストレージ１００３は、補助記憶装置と呼ばれてもよい。上述の記憶媒体は、例えば、メモリ１００２及びストレージ１００３の少なくとも一方を含むデータベース、サーバその他の適切な媒体であってもよい。

通信装置１００４は、有線ネットワーク及び無線ネットワークの少なくとも一方を介してコンピュータ間の通信を行うためのハードウェア（送受信デバイス）であり、例えばネットワークデバイス、ネットワークコントローラ、ネットワークカード、通信モジュールなどともいう。

入力装置１００５は、外部からの入力を受け付ける入力デバイス（例えば、キーボード、マウス、マイクロフォン、スイッチ、ボタン、センサなど）である。出力装置１００６は、外部への出力を実施する出力デバイス（例えば、ディスプレイ、スピーカー、LEDランプなど）である。なお、入力装置１００５及び出力装置１００６は、一体となった構成（例えば、タッチパネル）であってもよい。また、プロセッサ１００１、メモリ１００２などの各装置は、情報を通信するためのバス１００７によって接続される。バス１００７は、単一のバスを用いて構成されてもよいし、装置間ごとに異なるバスを用いて構成されてもよい。

本開示において説明した各態様／実施形態は単独で用いてもよいし、組み合わせて用いてもよいし、実行に伴って切り替えて用いてもよい。また、所定の情報の通知（例えば、「Ｘであること」の通知）は、明示的に行うものに限られず、暗黙的（例えば、当該所定の情報の通知を行わない）ことによって行われてもよい。

以上、本開示について詳細に説明したが、当業者にとっては、本開示が本開示中に説明した実施形態に限定されるものではないということは明らかである。本開示は、請求の範囲の記載により定まる本開示の趣旨及び範囲を逸脱することなく修正及び変更態様として実施することができる。したがって、本開示の記載は、例示説明を目的とするものであり、本開示に対して何ら制限的な意味を有するものではない。

本開示において説明した各態様／実施形態の処理手順、シーケンス、フローチャートなどは、矛盾の無い限り、順序を入れ替えてもよい。例えば、本開示において説明した方法については、例示的な順序を用いて様々なステップの要素を提示しており、提示した特定の順序に限定されない。

入出力された情報等は特定の場所（例えば、メモリ）に保存されてもよいし、管理テーブルを用いて管理してもよい。入出力される情報等は、上書き、更新、又は追記され得る。出力された情報等は削除されてもよい。入力された情報等は他の装置へ送信されてもよい。

本開示において使用する「に基づいて」という記載は、別段に明記されていない限り、「のみに基づいて」を意味しない。言い換えれば、「に基づいて」という記載は、「のみに基づいて」と「に少なくとも基づいて」の両方を意味する。

本開示において、「含む（include）」、「含んでいる（including）」及びそれらの変形が使用されている場合、これらの用語は、用語「備える（comprising）」と同様に、包括的であることが意図される。さらに、本開示において使用されている用語「又は（or）」は、排他的論理和ではないことが意図される。

本開示において、例えば、英語でのa, an及びtheのように、翻訳により冠詞が追加された場合、本開示は、これらの冠詞の後に続く名詞が複数形であることを含んでもよい。

本開示において、「ＡとＢが異なる」という用語は、「ＡとＢが互いに異なる」ことを意味してもよい。なお、当該用語は、「ＡとＢがそれぞれＣと異なる」ことを意味してもよい。「離れる」、「結合される」などの用語も、「異なる」と同様に解釈されてもよい。

１０…人口抽出装置、１１…時系列人口取得部、１２…クラスタリング部、１３…判定部、１４…定常人口導出部、１５…人口抽出部、１００１…プロセッサ、１００２…メモリ、１００３…ストレージ、１００４…通信装置、１００５…入力装置、１００６…出力装置、１００７…バス。

Claims (4)

1. 対象エリアにおける一定期間にわたる日ごとの時間帯別人口統計データを取得し、取得された日ごとの時間帯別人口統計データから所定の同時間帯ごとに人口を抽出することで各日における所定時間帯の時系列人口を取得する時系列人口取得部と、
   前記時系列人口取得部により取得された各日における所定時間帯の時系列人口を、変動の類似度に基づいて、複数のクラスにクラスタリングするクラスタリング部と、
   前記クラスタリング部によるクラスタリングにより得られた複数のクラスのうち、各クラスにおける変動の度合いに基づいて、イベントが無い日のクラスを判定する判定部と、
   前記判定部により判定されたイベントが無い日のクラスの時系列平均人口を、対象エリアの時系列定常人口として導出する定常人口導出部と、
   前記時系列人口取得部により取得された対象エリアにおける対象日の時系列人口と、前記定常人口導出部により導出された対象エリアの時系列定常人口との差分を、対象エリアのイベント関連人口として抽出する人口抽出部と、
   を備える人口抽出装置。
2. 前記クラスタリング部は、
   前記時系列人口取得部により取得された各日における所定時間帯の時系列人口を平日／休日別又は曜日別で分けて、複数の集合とし、
   前記複数の集合のそれぞれについて、変動の類似度に基づいて、複数のクラスにクラスタリングする、
   請求項１に記載の人口抽出装置。
3. 前記判定部は、クラスに含まれる時系列人口の数が予め定められた閾値未満であるクラスを前記複数のクラスから除外し、除外した後の複数のクラスからイベントが無い日のクラスを判定する、
   請求項１又は２に記載の人口抽出装置。
4. 前記判定部は、
   判定対象となる前記複数のクラスの各々をＣ_n（n∈{1,2,…,N}）とし、
   各クラスに含まれる時系列人口を
   

   

   とし、各日の時系列人口から取り出した時間幅をT（Tは正の整数）とした場合に、
   

   

   となるようなクラスＣ_nを、イベントが無い日のクラスと判定する、
   請求項１～３の何れか一項に記載の人口抽出装置。
   

Images