JP7338704B2 - 人流予測装置、人流予測方法、及び人流予測プログラム - Google Patents
人流予測装置、人流予測方法、及び人流予測プログラム Download PDFInfo
- Publication number
- JP7338704B2 JP7338704B2 JP2021566657A JP2021566657A JP7338704B2 JP 7338704 B2 JP7338704 B2 JP 7338704B2 JP 2021566657 A JP2021566657 A JP 2021566657A JP 2021566657 A JP2021566657 A JP 2021566657A JP 7338704 B2 JP7338704 B2 JP 7338704B2
- Authority
- JP
- Japan
- Prior art keywords
- prediction
- people flow
- model
- people
- data
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/27—Regression, e.g. linear or logistic regression
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Multimedia (AREA)
- Development Economics (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
図1は、本実施形態の人流予測装置100のハードウェア構成を示すブロック図である。
次に、本実施形態の具体的態様1について説明する。具体的態様1は、方向別に移動人数を予測する場合についてである。具体的態様1では、商業施設内での通路のある定義したエリア内における人流を予測する例を挙げる。図6は、方向別に移動人数を予測する場合の人流予測装置100の入出力に対する係る構成例である。人流計測手段120として、LRF(Laser Range Finder)センサを複数設置した、LRFセンサシステムとして構成される。外部情報126として天候情報、及びカレンダー情報を用いる。各種設定値は操作端末110より受信する。
・算出対象期間:2019/5/11 7:00:00から23:00:00まで
・算出間隔:30分
・算出対象エリア:1F_1
・方向:北、南
・方向算出ルール:最も大きく移動した軸のみ
・算出対象の種類:総通過人数
・予測対象期間:2019/11/5
・予測間隔:30分
・予測対象エリア:1F_1
・方向:北、南
・予測対象の種類:総通過人数
・モデル選択方法:前後1日の平日及び休日が近い予測モデル
・モデル選択用最大許容距離:0.25
・予測対象期間:2019/11/5
・予測間隔:30分
・予測対象エリア:1F_1
・方向:北、南
・予測対象の種類:総通過人数
・モデル選択方法:前後δ日の休日・平日が近いモデル
・δ’=1,N=10
次に、具体的態様2について説明する。具体的態様2は、方向別に移動速度を予測する場合についてである。具体的態様2については、具体的態様1との差分についてのみ説明する。
・算出対象期間:2019/5/11 7:00:00から23:00:00まで
・算出間隔:30分
・算出対象エリア:1F_1
・方向:北、南
・方向算出ルール:最も大きく移動した軸のみ
・算出対象の種類:平均速度
次に、具体的態様3について説明する。具体的態様3は、モデル選択方法に天候情報用いる場合についてである。具体的態様3については、具体的態様1との差分についてのみ説明する。
・予測対象期間:2019/11/5
・予測間隔:30分
・予測対象エリア:1F_1
・方向:北、南
・予測対象の種類:総通過人数
・モデル選択方法:前後1日の天候情報が近い予測モデル
・δ’=1,N=10
・予測対象期間:2019/11/5
・予測間隔:30分
・予測対象エリア:1F_1
・方向:北、南
・予測対象の種類:総通過人数
・モデル選択方法:前後δ日の天候情報が近いモデル
・δ’=1,N=10
メモリと、
前記メモリに接続された少なくとも1つのプロセッサと、
を含み、
前記プロセッサは、
予測対象とする予測対象期間を含む予測条件に基づいて、前記予測対象期間に対応する複数の日時の人流データに関する学習データを選択し、
選択した前記学習データに基づいて、所定の特徴を有する予測モデルであって、所定の日時の人流データを予測するための予測モデルを学習し、モデル記憶部に格納し、
前記予測条件と、前記予測モデルの特徴に関する許容条件とに基づいて、前記モデル記憶部から前記予測モデルを選択し、選択した前記予測モデルに基づいて、前記予測条件における人流データを予測する、
ように構成されている人流予測装置。
人流予測処理を実行するようにコンピュータによって実行可能なプログラムを記憶した非一時的記憶媒体であって、
予測対象とする予測対象期間を含む予測条件に基づいて、前記予測対象期間に対応する複数の日時の人流データに関する学習データを選択し、
選択した前記学習データに基づいて、所定の特徴を有する予測モデルであって、所定の日時の人流データを予測するための予測モデルを学習し、モデル記憶部に格納し、
前記予測条件と、前記予測モデルの特徴に関する許容条件とに基づいて、前記モデル記憶部から前記予測モデルを選択し、選択した前記予測モデルに基づいて、前記予測条件における人流データを予測する、
非一時的記憶媒体。
101 人流算出部
102 人流データ記憶部
103 学習データ選択部
104 モデル記憶部
104 予測モデル作成部
105 モデル記憶部
106 予測部
110 操作端末
120 人流計測手段
121 軌跡データ記憶装置
122 算出用設定値
123 データ選択用設定値
124 モデル作成用設定値
125 予測コマンド
126 外部情報
127 予測結果
Claims (8)
- 予測対象とする予測対象期間を含む予測条件に基づいて、前記予測対象期間に対応する複数の日時の人流データに関する学習データを選択する学習データ選択部と、
選択した前記学習データに基づいて、所定の特徴を有する予測モデルであって、所定の日時の人流データを予測するための予測モデルを学習し、モデル記憶部に格納する予測モデル作成部と、
前記予測条件と、前記予測モデルの特徴に関する許容条件とに基づいて、前記モデル記憶部から前記予測モデルを選択し、選択した前記予測モデルに基づいて、前記予測条件における人流データを予測する予測部と、を含み、
前記許容条件は、前記予測条件に対する前記予測モデルが有する前後の日に関する特徴ベクトルの距離について定められている、人流予測装置。 - 前記予測条件及び前記許容条件を満たす前記予測モデルが前記モデル記憶部にない場合に、前記学習データ選択部による前記学習データの選択、及び前記予測モデル作成部による前記予測モデルの学習を行う請求項1に記載の人流予測装置。
- 前記学習データ選択部は、
予測対象日の前後δ日の特徴ベクトルを算出し、
前記人流データのうち、算出した前記予測対象日の前記前後δ日に関する特徴ベクトルに対応する前後δ日の人流データと、当該人流データに対応する外部情報とを取得し、
取得した前記前後δ日の人流データと前記外部情報との組の特徴量の各々を算出し、
前記前後δ日の特徴ベクトルと、前記組の特徴量とを、前記学習データとして選択する請求項1又は請求項2に記載の人流予測装置。 - 前記学習データ選択部は、前記前後δ日をカウントアップし、前記組の特徴量の各々を評価用とモデル作成用とに分けてクロスバリデーションを実施し、前記前後δ日のうち、得られる誤差が小さくなる前記組の特徴量の各々を学習データとして選択する請求項3に記載の人流予測装置。
- 前記予測条件として、算出間隔、予測対象とするエリア、方向、及び予測したい移動人数又は移動速度を示す対象を含む請求項1ないし4の何れか1項に記載の人流予測装置。
- 人流算出部を更に含み、
前記人流算出部は、移動対象の時刻ごとの座標を含む軌跡データと、方向のルール及び算出対象の種類を含む算出用設定値とに基づいて、任意の方向別の移動人数、又は任意の方向別の移動速度の統計値として、前記人流データを算出する請求項1ないし5の何れか1項に記載の人流予測装置。 - 予測対象とする予測対象期間を含む予測条件に基づいて、前記予測対象期間に対応する複数の日時の人流データに関する学習データを選択し、
選択した前記学習データに基づいて、所定の特徴を有する予測モデルであって、所定の日時の人流データを予測するための予測モデルを学習し、モデル記憶部に格納し、
前記予測条件と、前記予測モデルの特徴に関する許容条件とに基づいて、前記モデル記憶部から前記予測モデルを選択し、選択した前記予測モデルに基づいて、前記予測条件における人流データを予測する、
処理をコンピュータに実行させる人流予測方法であって、
前記許容条件は、前記予測条件に対する前記予測モデルが有する前後の日に関する特徴ベクトルの距離について定められている、人流予測方法。 - コンピュータを請求項1ないし6の何れか1項に記載の人流予測装置として機能させるための人流予測プログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2019/050951 WO2021130926A1 (ja) | 2019-12-25 | 2019-12-25 | 人流予測装置、人流予測方法、及び人流予測プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2021130926A1 JPWO2021130926A1 (ja) | 2021-07-01 |
JP7338704B2 true JP7338704B2 (ja) | 2023-09-05 |
Family
ID=76574099
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021566657A Active JP7338704B2 (ja) | 2019-12-25 | 2019-12-25 | 人流予測装置、人流予測方法、及び人流予測プログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230030127A1 (ja) |
JP (1) | JP7338704B2 (ja) |
WO (1) | WO2021130926A1 (ja) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2019377545A1 (en) | 2018-11-08 | 2021-05-27 | SafeAI, Inc. | Performing tasks using autonomous machines |
US11713059B2 (en) * | 2021-04-22 | 2023-08-01 | SafeAI, Inc. | Autonomous control of heavy equipment and vehicles using task hierarchies |
CN113347384B (zh) * | 2021-08-06 | 2021-11-05 | 北京电信易通信息技术股份有限公司 | 一种基于时序表征学习的视频会议流量预测方法及系统 |
JP7475549B2 (ja) | 2021-10-20 | 2024-04-26 | 三菱電機株式会社 | 学習装置、予測装置、予測システム、学習方法、予測方法、及び予測プログラム |
CN113993153B (zh) * | 2021-10-27 | 2023-07-04 | 中国联合网络通信集团有限公司 | 人群聚集预测方法、装置、设备和计算机可读存储介质 |
CN114463054B (zh) * | 2022-01-21 | 2023-07-18 | 浪潮卓数大数据产业发展有限公司 | 基于一卡通的园区门店客流量预测方法及系统 |
CN114723480B (zh) * | 2022-03-28 | 2024-04-30 | 西南石油大学 | 一种针对乡村旅游的客流量预测方法及货物调度系统 |
WO2024038555A1 (ja) * | 2022-08-18 | 2024-02-22 | 日本電気株式会社 | システム、装置、方法、及び非一時的なコンピュータ可読媒体 |
CN116167625B (zh) * | 2023-04-25 | 2023-08-18 | 湖南工商大学 | 一种基于深度学习的踩踏风险评估方法 |
CN117557300B (zh) * | 2024-01-12 | 2024-04-05 | 湖南大学 | 基于主要设备的能耗数据推演商业活跃度的方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019185236A (ja) | 2018-04-05 | 2019-10-24 | 矢崎エナジーシステム株式会社 | 案内システム |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6761789B2 (ja) * | 2017-08-25 | 2020-09-30 | 日本電信電話株式会社 | 人流予測装置、システムおよびプログラム |
JP6685985B2 (ja) * | 2017-11-02 | 2020-04-22 | ヤフー株式会社 | 分類支援装置、分類支援方法、および分類支援プログラム |
-
2019
- 2019-12-25 WO PCT/JP2019/050951 patent/WO2021130926A1/ja active Application Filing
- 2019-12-25 JP JP2021566657A patent/JP7338704B2/ja active Active
- 2019-12-25 US US17/788,185 patent/US20230030127A1/en active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019185236A (ja) | 2018-04-05 | 2019-10-24 | 矢崎エナジーシステム株式会社 | 案内システム |
Also Published As
Publication number | Publication date |
---|---|
US20230030127A1 (en) | 2023-02-02 |
WO2021130926A1 (ja) | 2021-07-01 |
JPWO2021130926A1 (ja) | 2021-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7338704B2 (ja) | 人流予測装置、人流予測方法、及び人流予測プログラム | |
JP6761789B2 (ja) | 人流予測装置、システムおよびプログラム | |
CN110516708B (zh) | 一种基于轨迹与路网匹配的路径预测方法 | |
EP3035314B1 (en) | A traffic data fusion system and the related method for providing a traffic state for a network of roads | |
KR101413505B1 (ko) | 이력 및 현재 데이터에 기초하는 예상된 도로 교통 조건의 예측 방법 및 장치 | |
KR101979401B1 (ko) | 방문 가능성에 기초한 부근의 목적지들의 정렬 및 위치 히스토리로부터의 장소들에 대한 미래의 방문들의 예측 | |
JP4547408B2 (ja) | 交通状況予測装置,交通状況予測方法 | |
CN104380293B (zh) | 基于位置从地图历史提供相关元素信息的方法和计算装置 | |
US9872125B2 (en) | Data collection and management system, data collection and management method, terminal, and management apparatus | |
JP4032126B1 (ja) | 移動体位置推定システム、及び、移動体位置推定方法 | |
CN105683716A (zh) | 场境交通或通行警示 | |
Chen et al. | Efficient traffic speed forecasting based on massive heterogenous historical data | |
JP2015125775A (ja) | システムでの需要の予測のためのマルチタスク学習システムおよび方法 | |
US20150294223A1 (en) | Systems and Methods for Providing Information for Predicting Desired Information and Taking Actions Related to User Needs in a Mobile Device | |
JP6147242B2 (ja) | 予測装置、予測方法及び予測プログラム | |
Jiang et al. | Travel time prediction based on historical trajectory data | |
JPWO2017033443A1 (ja) | 渋滞予測システム、渋滞予測方法、及び、プログラム | |
Aziz et al. | A novel approach to estimate emissions from large transportation networks: Hierarchical clustering-based link-driving-schedules for EPA-MOVES using dynamic time warping measures | |
Deeshma et al. | Travel time modeling for bus transport system in Bangalore city | |
Klosa et al. | Short-term traffic flow forecast using regression analysis and graph convolutional neural networks | |
CN112101132A (zh) | 一种基于图嵌入模型和度量学习的交通状况预测方法 | |
JP6926978B2 (ja) | パラメータ推定装置、トリップ予測装置、方法、及びプログラム | |
CN113938817A (zh) | 一种基于车辆位置信息的车主出行位置预测方法 | |
Friso et al. | Scalable data-driven short-term traffic prediction | |
JP6096833B2 (ja) | 予測装置、予測方法及び予測プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220527 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230509 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230707 |
|
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: 20230725 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230807 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7338704 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |