JP7370440B1 - 情報処理装置、情報処理方法及び情報処理プログラム - Google Patents

Abstract

【課題】決済情報に基づく適切な情報提供を可能にする。【解決手段】本願に係る情報処理装置は、取得部と、提供部とを有する。取得部は、利用者が利用する利用者端末を用いた決済に関する決済情報を取得する。提供部は、取得部により取得された決済情報のうち、第１期間に行われた決済に対応する第１決済情報と、第１期間よりも過去の期間である第２期間に行われた決済に対応する第２決済情報とを用いた処理に基づく提供用情報を提供する。【選択図】図１

Description

本発明は、情報処理装置、情報処理方法及び情報処理プログラムに関する。

従来、収集した情報を用いた処理に基づく情報をユーザ（利用者）等の各種提供先に提供する技術が知られている。このような技術の一例として、対象の周囲に配置されたセンサから受信したデータに基づいて混雑度を算出し、混雑度に基づいて算出した注目度を提示する技術が知られている。

特開２０１７－０６２７０４号公報

しかしながら、上述した技術では、改善の余地がある。例えば、上述した技術では、情報の提供を行うために対象の周囲にセンサを配置する必要がある。そのため、上述した技術では、対象の周囲にセンサが配置されていない場合、情報提供を行うことが難しい。そこで、対象の周囲へのセンサの配置を行うことなく、情報提供を可能にすることが望まれている。

本願は、上記に鑑みてなされたものであって、決済情報に基づく適切な情報提供を可能にすることを目的とする。

本願に係る情報処理装置は、利用者が利用する利用者端末を用いた決済に関する決済情報を取得する取得部と、前記取得部により取得された決済情報のうち、第１期間に行われた決済に対応する第１決済情報と、前記第１期間よりも過去の期間である第２期間に行われた決済に対応する第２決済情報とを用いた処理に基づく提供用情報を提供する提供部と、を有することを特徴とする。

実施形態の一態様によれば、決済情報に基づく適切な情報提供を可能にすることができるという効果を奏する。

図１は、実施形態に係る情報処理の一例を示す図である。 図２は、実施形態に係る決済サーバの構成例を示す図である。 図３は、実施形態に係る口座データベースの一例を示す図である。 図４は、実施形態に係るモデル情報データベースの一例を示す図である。 図５は、実施形態に係る事業者情報データベースの一例を示す図である。 図６は、実施形態に係る利用者情報データベースの一例を示す図である。 図７は、実施形態に係る情報処理の手順の一例を示すフローチャートである。 図８は、利用者に提供される提供用情報の例を示す図である。 図９は、決済サーバの機能を実現するコンピュータの一例を示すハードウェア構成図である。

以下に、本願に係る情報処理装置、情報処理方法及び情報処理プログラムを実施するための形態（以下、「実施形態」と記載する。）について図面を参照しつつ詳細に説明する。なお、この実施形態により本願に係る情報処理装置、情報処理方法及び情報処理プログラムが限定されるものではない。また、以下の各実施形態において同一の部位には同一の符号を付し、重複する説明は省略する。

〔１．実施形態〕
図１を用いて、本実施形態の情報処理装置等により実現される情報処理を説明する。図１は、実施形態に係る情報処理の一例を示す図である。なお、図１では、本実施形態に係る情報処理装置の一例である決済サーバ１０によって、実施形態に係る情報処理などが実現されるものとする。

図１に示すように、実施形態に係る情報処理システム１は、決済サーバ１０と、利用者端末１００と、店舗端末２００とを含む。決済サーバ１０、利用者端末１００及び店舗端末２００は、ネットワークＮ（例えば、図２参照）を介して有線または無線により相互に通信可能に接続される。ネットワークＮは、例えば、インターネットなどのＷＡＮ（Wide Area Network）である。なお、図１に示した情報処理システム１には、複数台の決済サーバ１０、複数台の利用者端末１００及び複数台の店舗端末２００が含まれていてもよい。

図１に示す決済サーバ１０は、実施形態に係る情報処理を実行する情報処理装置であり、サーバ装置やクラウドシステム等により実現される。例えば、決済サーバ１０は、利用者端末１００を用いる電子決済に関する電子決済サービスを提供する。例えば、決済サーバ１０は、取引対象の提供者（事業者）や取引対象が提供される利用者の口座を管理しており、利用者からの決済要求に従って、口座間において電子マネーの移行等を行うことで、各種決済を実現する。なお、電子マネーとは、例えば、各種企業が独自に用いるポイントや通貨等であってもよく、日本円やドル等の国家により提供される貨幣を電子的に取引可能としたものであってもよい。

また、決済サーバ１０は、情報提供サービスを提供する。決済サーバ１０は、利用者が利用する利用者端末１００を用いた決済に関する決済情報を用いた処理に基づく提供用情報を提供する。決済サーバ１０は、利用者が利用する利用者端末１００を用いた決済に関する決済情報を基に推定した店舗等の所定のエリア（「対象エリア」ともいう）における混雑度を示す提供用情報を提供する。

例えば、情報提供サービスは、利用者端末１００にインストールされた情報提供サービスを提供するアプリケーションにより利用者に提供されてもよい。なお、情報提供サービスは、利用者端末１００を用いる電子決済用のアプリケーション（以下、単に「決済アプリ」と記載する場合がある）内で起動するアプリケーション（ミニアプリ）により行われるサービスであってもよい。また、決済サーバ１０は、店舗等の対象エリアにおける混雑度を推定するために用いられる学習モデル（「モデル」や「推定モデル」ともいう）を学習する情報処理装置として機能してもよいが、この点については後述する。

図１に示す利用者端末１００は、利用者によって利用される情報処理装置である。利用者端末１００は、例えば、スマートフォンや、タブレット型端末や、ノート型ＰＣ（Personal Computer）や、デスクトップＰＣや、携帯電話機や、ＰＤＡ（Personal Digital Assistant）等により実現される。また、利用者端末１００は、決済サーバ１０によって配信される情報を、ウェブブラウザやアプリケーションにより表示する。なお、図１に示す例では、利用者端末１００がスマートフォンである場合を示す。

また、利用者端末１００は、ＧＰＳ（Global Positioning System）センサ等の位置センサを有し、利用者の位置を取得可能であってもよい。利用者端末１００は、決済時の利用者の位置をその決済と対応付け記憶部に記憶してもよいし、決済サーバ１０等の他の情報処理装置へ送信してもよい。例えば、利用者端末１００は、決済時の利用者の位置の情報を後述する決済情報とともに、決済サーバ１０等の他の情報処理装置へ送信してもよい。なお、利用者端末１００は、利用者の位置の情報を取得可能であれば、どのような態様により利用者の位置の情報を取得してもよい。例えば、利用者端末１００を利用する利用者は、利用者端末１００と通信可能なウェアラブルデバイスを身に付けることにより、ウェアラブルデバイスにより利用者の位置が検知されてもよい。この場合、利用者端末１００は、ウェアラブルデバイスから利用者の位置の情報を取得してもよく、位置センサを有しなくてもよい。なお、上記は一例であり、利用者端末１００は、様々な手段により利用者の位置の情報を取得してもよい。

なお、利用者端末１００は、所定の情報処理を実現する制御情報を決済サーバ１０から受け取った場合には、制御情報に従って情報処理を実現する。ここで、制御情報は、例えば、ＪａｖａＳｃｒｉｐｔ（登録商標）等のスクリプト言語やＣＳＳ（Cascading Style Sheets）等のスタイルシート言語、Ｊａｖａ（登録商標）等のプログラミング言語、ＨＴＭＬ（HyperText Markup Language）等のマークアップ言語等により記述される。なお、決済サーバ１０から配信される所定のアプリケーションそのものを制御情報とみなしてもよい。

図１に示す店舗端末２００は、利用者に取引対象を提供する店舗において利用される情報処理装置である。店舗端末２００は、例えば、ＰＯＳ（Point of Sales）端末や、スマートフォン、タブレット型端末、ノート型ＰＣ、デスクトップＰＣ、携帯電話機、ＰＤＡ等により実現される。また、店舗端末２００は、決済サーバ１０によって配信される情報を、ウェブブラウザやアプリケーションにより表示する。

なお、図１に示す例では、店舗端末２００が店舗（飲食店）で利用される会計（決済）処理用の端末であり、店舗において提供する商品に関する商品情報を管理するものとする。例えば、店舗端末２００は、商品の名称や、商品の価格などといった商品情報を、商品に添付されるバーコードが示す情報（商品を識別するための識別情報（商品ＩＤ））に紐づけて管理してもよい。

〔１－１．利用者端末１００を用いた決済について〕
ここで、決済サーバ１０が実行する情報処理に先立ち、利用者端末１００を用いた決済（電子決済）の一例について説明する。なお、以下の説明では、店舗の一例である店舗Ａに配置された２次元コード（ＱＲコード（登録商標））であって、店舗Ａを識別する店舗識別情報を示す２次元コードを用いて、利用者Ｕが利用者端末１００を用いた決済を行う例について説明するが、実施形態は、これに限定されるものではない。例えば、図１では、利用者端末１００から決済に必要な情報を取得した店舗端末２００から決済サーバ１０へ決済情報を送信する場合を一例として説明する。このように、情報処理システム１における決済処理では、利用者端末１００及び店舗端末２００のいずれが決済サーバ１０との決済処理に関する通信主体であってもよい。以下に説明する決済の一例は、任意の利用者が任意の利用者端末１００を用いて、任意の店舗にて決済を行う場合においても適用可能である。また、店舗識別情報は、ＱＲコードのみならず、バーコードや所定のマーク、番号等であってもよい。

例えば、利用者Ｕが店舗Ａにて各種の商品やサービスといった決済対象（取引対象）の利用や購入に伴う決済を行う場合、利用者Ｕは、利用者端末１００に予めインストールされた決済アプリを起動する。そして、利用者Ｕは、決済アプリを介して、店舗Ａに設置された店舗識別情報を撮影する。このような場合、利用者端末１００は、決済対象の価格を入力するための画面を表示し、利用者Ｕ或いは店舗Ａの店員から決済金額の入力を受け付ける。そして、利用者端末１００は、利用者Ｕを識別する利用者識別情報と、店舗識別情報（若しくは、店舗識別情報が示す情報、すなわち、店舗Ａ（若しくは店舗Ａの事業者）を示す情報（例えば、店舗ＩＤ））と、決済金額とを示す決済情報を決済サーバ１０へ送信する。

このような場合、決済サーバ１０は、利用者識別情報が示す利用者Ｕの口座から、店舗識別情報が示す店舗Ａの口座へ、決済金額が示す額の電子マネーを移行させる。そして、決済サーバ１０は、決済が完了した旨の通知を利用者端末１００へ送信する。このような場合、利用者端末１００は、決済が完了した旨の画面や所定の音声を出力することで、電子マネーによる決済が行われた旨を通知する。

より詳細な例を説明する。例えば、店舗Ａに設置された店舗識別情報は、店舗ごとに設定されるＵＲＬ（Uniform Resource Locator）であって、店舗Ａが属するグループを示すグループ識別情報と、そのグループにおいて店舗Ａを識別するグループ店舗識別情報とに紐づけ、決済サーバ１０が参照可能に管理されている。なお、店舗識別情報となるＵＲＬは、決済サーバ１０にアクセスするためのＵＲＬとなる。利用者端末１００は、店舗識別情報を撮影すると、撮影した店舗識別情報が示すＵＲＬにアクセスし、利用者識別情報を送信する。このような場合、決済サーバ１０は、アクセスされたＵＲＬと対応するグループ識別情報を特定し、特定したグループ識別情報と紐づけられた電子マネーの口座（「ウォレット」と表示する場合がある）を特定する。続いて、決済サーバ１０は、利用者端末１００に対して金額入力画面を表示させ、金額を入力させる。そして、決済サーバ１０は、利用者端末１００から受けつけた利用者識別情報と紐づけられたウォレットから、グループ識別情報を特定し、特定したグループ識別情報と紐づけられたウォレットに対して、入力された金額の電子マネーを移動させる。なお、決済サーバ１０は、グループ識別情報およびグループ店舗識別情報に紐づけられるウォレットに電子マネーを移動させてもよい。

なお、利用者端末１００を用いた決済は、上述した処理に限定されるものではない。例えば、利用者端末１００を用いた決済は、店舗Ａに設置された店舗端末２００を用いたものであってもよい。例えば、利用者端末１００は、利用者Ｕを識別するための利用者識別情報を画面上に表示させる。このような場合、店舗Ａに設置された店舗端末２００は、利用者端末１００に表示された利用者識別情報を読み取り、利用者識別情報（若しくは、利用者識別情報が示す情報、すなわち、利用者Ｕを示す情報（例えば、利用者ＩＤ））と、決済金額と、店舗Ａを識別する情報とを示す決済情報を決済サーバ１０へ送信する。このような場合、決済サーバ１０は、利用者識別情報が示す利用者Ｕの口座から、店舗Ａの口座へ、決済金額が示す額の電子マネーを移行させ、店舗Ａの店舗端末２００或いは利用者端末１００に対し、決済が完了した旨の画面や所定の音声を出力させることで、決済が行われた旨を通知してもよい。

より詳細には、利用者端末１００は、利用者識別情報とともに決済サーバ１０に対して支払いリクエストを送信する。このような場合、決済サーバ１０は、ワンタイムコードを生成し、生成したワンタイムコードと利用者識別情報とを紐づけるとともに、ワンタイムコードを利用者端末１００に送信する。すると、利用者端末１００は、画面上にワンタイムコード（すなわち、利用者を識別する情報）を表示する。このような場合、店舗端末２００は、利用者端末１００に表示されたワンタイムコードを読み取ると、読み取ったワンタイムコードと、グループ識別情報、グループ店舗識別情報および決済金額を決済サーバ１０に送信する。すると、決済サーバ１０は、ワンタイムコードに紐づけられた利用者識別情報に紐づくウォレットから、グループ識別情報およびグループ店舗識別情報とに紐づけられるウォレットに決済金額分の電子マネーを移動させる。

また、利用者端末１００を用いた決済は、利用者Ｕが予め電子マネーをチャージした口座から店舗Ａの口座へ電子マネーを移行させる処理のみならず、例えば、利用者Ｕが予め登録したクレジットカードを用いた決済であってもよい。このような場合、例えば、利用者端末１００は、店舗Ａの口座に対して決済金額の電子マネーを移行させるとともに、利用者Ｕのクレジットカードの運用会社（カード会社）に対し、決済金額を請求してもよい。

〔１－２．実施形態の概要について〕
上述したような利用者端末１００を用いた決済を前提として、情報処理システム１は、様々な情報提供サービスを行うことが可能である。例えば、情報処理システム１は、店舗等の対象エリアでの決済に関する情報（「決済情報」ともいう）を基に、対象エリアの混雑度に関する情報提供サービスを行うことができる。

このような情報提供サービスを行うために、決済サーバ１０は、実施形態に係る情報処理を実行する。以下、図１を用いて、決済サーバ１０が実行する情報処理について説明する。なお、図１では、飲食店Ｘを上述した店舗Ａ等の店舗の一例として説明する。また、図１では、利用者端末１００を利用する利用者の一例として利用者Ｕ１のみを図示するが、決済情報の収集対象となる利用者には、利用者Ｕ１に限らず、対象エリアで決済を行った多数の利用者が含まれる。すなわち、図１では、１個の利用者端末１００と一人の利用者Ｕ１のみを図示するが、情報処理システム１は、複数の利用者の各々が利用する利用者端末１００を含む。以下の説明では、利用者端末１００をその利用者端末１００を利用する利用者と同一視する場合がある。すなわち、以下では、利用者をその利用者が利用する利用者端末１００と読み替えることもできる。

また、以下の説明では、店舗端末２００が、飲食店Ｘを管理する管理者（店員等）ＭＧ１により利用される例を示す。また、以下の説明では、店舗端末２００を管理者ＭＧ１と同一視する場合がある。すなわち、以下では、管理者ＭＧ１を店舗端末２００と読み替えることもできる。なお、飲食店Ｘは、利用者が例えば決済アプリにより電子決済が可能な店舗であれば、飲食店に限らず、小売店（百貨店、スーパーマーケット、コンビニ等）等どのような業種、取引対象を提供する店舗であってもよい。

まず、飲食店Ｘに来店し、飲食店Ｘにおいて飲食を行う利用者Ｕ１は、上述の利用者端末１００を用いた決済を実行する。なお、図１の例において、利用者Ｕ１が、店舗端末２００が利用者識別情報（利用者ＩＤ）を読み取ることにより行われる上述の決済を、飲食店Ｘに対して行うことを希望したものとする。この場合、管理者ＭＧ１は、利用者端末１００に表示される利用者Ｕ１の利用者ＩＤを、店舗端末２００を用いて読み取る（ステップＳ１）。例えば、店舗端末２００は、会計の際にバーコードリーダ等により利用者端末１００に表示される利用者ＩＤを読み取る。また、管理者ＭＧ１は、店舗端末２００を操作して、飲食の合計額を店舗端末２００に入力する。

そして、決済サーバ１０は、店舗端末２００から決済情報を取得する（ステップＳ２）。例えば、決済サーバ１０は、飲食店Ｘの店舗ＩＤ、入力された飲食の合計額（決済金額）、ステップＳ１において店舗端末２００が読み取った利用者Ｕ１の利用者ＩＤなどを含む決済情報を店舗端末２００から取得する。なお、上記は一例に過ぎず、上述したように、利用者端末１００が飲食店Ｘに配置された店舗識別情報を読み取って、利用者端末１００が決済情報を決済サーバ１０へ送信する処理態様であってもよい。

そして、決済サーバ１０は、店舗端末２００から取得した決済情報に基づく決済処理を実行する（ステップＳ３）。例えば、決済サーバ１０は、利用者ＩＤが示す利用者Ｕ１の口座から、店舗ＩＤが示す飲食店Ｘの口座へ、決済金額が示す額の電子マネーを移行させる。

また、決済サーバ１０は、現在の決済情報と過去の決済情報とに基づいて、飲食店Ｘにおける混雑度を推定する（ステップＳ４）。図１では、決済サーバ１０は、決済履歴ＬＧに示すように、飲食店Ｘについて、処理時点（現在）の日にち（「処理当日」ともいう）の各時間帯での決済情報と、当日よりも過去の日付の各時間帯の決済情報とを用いて、飲食店Ｘにおける混雑度を推定する。

図１の決済履歴ＬＧでは、白丸「〇」が処理当日の各時間帯での決済回数（「第１決済回数」ともいう）を示し、黒丸「●」が過去の各時間帯での決済回数（「第２決済回数」ともいう）を示す。過去の各時間帯での第２決済回数は、特定の日にちの第２決済回数であってもよいし、第２決済回数が取得された過去の日にちでの第２決済回数の平均値であってもよい。なお、図１では、決済履歴ＬＧに示すように、処理当日において、１２時－１３時の間までの決済情報が取得され、処理時点が処理当日の１３時以降である場合を示す。

決済サーバ１０は、決済履歴ＬＧに示す情報を用いて、飲食店Ｘについて、処理当日の各時間帯での決済回数（第１決済回数）と、当日よりも過去の日付の各時間帯での決済回数（第２決済回数）とを比較した結果に基づいて、飲食店Ｘにおける混雑度を推定する。図１では、決済サーバ１０は、処理時点で当日に決済情報を取得済みの最先の時間帯である１２時－１３時の時間帯について、処理当日の第１決済回数と、過去の第２決済回数とを比較した結果に基づいて、飲食店Ｘにおける混雑度を推定する。このように、決済サーバ１０は、処理時点で当日について、１２時－１３時の時間帯よりの先の飲食店Ｘにおける混雑度を推定する。すなわち、決済サーバ１０は、処理時点よりも未来（将来）の飲食店Ｘにおける混雑度を推定する。

例えば、決済サーバ１０は、１２時－１３時の時間帯について、第１決済回数が第２決済回数よりも少ない程、処理時点における飲食店Ｘの混雑度が低いと推定する。決済サーバ１０は、１２時－１３時の時間帯について、第１決済回数が第２決済回数よりも多い程、処理時点における飲食店Ｘの混雑度が高いと推定する。図１では、決済サーバ１０は、１２時－１３時の時間帯について、第１決済回数が第２決済回数よりも少ないため、処理時点における飲食店Ｘの混雑度が低いと推定する。

そして、決済サーバ１０は、飲食店Ｘの混雑度を示す提供用情報を提供する（ステップＳ５）。例えば、決済サーバ１０は、飲食店Ｘの混雑度が低い場合、提供用情報を提供する。図１では、決済サーバ１０は、飲食店Ｘの混雑度が低いため、飲食店Ｘの混雑度が低いことを示す提供用情報を所定の利用者に提供する。決済サーバ１０は、飲食店Ｘの混雑度が低いことを示す提供用情報を所定の利用者が利用する利用者端末１００に送信する。例えば、決済サーバ１０は、飲食店Ｘの混雑度が低いことを示す提供用情報を、飲食店Ｘから所定の範囲（例えば１ｋｍ等）内に位置する利用者が利用する利用者端末１００に送信する。

以上のように、決済サーバ１０は、直近で飲食店Ｘを利用していない利用者へ飲食店Ｘの混雑度が低いことを通知する。これにより、決済サーバ１０は、決済情報に基づく適切な情報提供を行うことができる。また、決済サーバ１０は、上記のような現在の決済情報と過去の決済情報を用いて推定した混雑度を基に情報提供を行うことにより、決済情報に基づく適切な情報提供を可能にすることができる。なお、上述した情報提供先は一例に過ぎず、決済サーバ１０は、任意に情報提供先に情報提供を行ってもよい。例えば、決済サーバ１０は、当日の１２時－１３時の時間帯に飲食店Ｘで決済を行った利用者以外の利用者を対象利用者として選択し、選択した対象利用者が利用する利用者端末１００へ、提供用情報を送信してもよい。例えば、決済サーバ１０は、当日の１２時－１３時の時間帯に飲食店Ｘで決済を行った利用者以外の利用者であり、かつ飲食店Ｘから所定の範囲内に位置する利用者を対象利用者として選択し、選択した対象利用者が利用する利用者端末１００へ、提供用情報を送信してもよい。

〔１－３．情報処理例〕
上述した情報処理システム１が行う情報処理を前提として、情報処理システム１により実行される各種の情報処理の詳細を説明する。なお、上記で説明した内容と同様の点については適宜説明を省略する。また各種の処理は適宜組み合わせてもよい。

〔１－３－１．ＡＩの利用例〕
例えば、上述した例では、現在と過去の決済情報の比較結果を基に情報提供を行う場合を一例として説明したが、情報処理システム１は、ＡＩ（人工知能）、機械学習などに関する技術を利用して情報提供を行ってもよい。例えば、決済サーバ１０は、店舗等の対象エリアにおける混雑度を推定するために用いられる学習モデルである推定モデルＭ１を利用して情報提供を行ってもよい。この点について図１の例を参照しつつ以下説明する。なお、上述した内容と同様の点については適宜説明を省略する。

決済サーバ１０は、現在の決済情報及び過去の決済情報と、対象エリアにおける混雑度との関連性の特徴を学習した推定モデルＭ１を用いて、対象エリアにおける混雑度を推定する。例えば、決済サーバ１０は、飲食店Ｘでの現在の決済情報及び過去の決済情報と、飲食店Ｘにおける混雑度との関連性の特徴を学習した推定モデルＭ１を用いて、飲食店Ｘにおける混雑度を推定する。例えば、決済サーバ１０は、混雑度が低いと推定される程、小さいスコアを出力し、混雑度が高いと推定される程、大きいスコアを出力するように学習された推定モデルＭ１を用いて混雑度を推定する。

例えば、決済サーバ１０は、飲食店Ｘでの現在の決済情報及び過去の決済情報に対応する情報を入力として、飲食店Ｘにおける混雑度を示すスコアを出力する推定モデルＭ１を用いて、飲食店Ｘにおける混雑度を推定する。この場合、決済サーバ１０は、飲食店Ｘでの現在の決済情報及び過去の決済情報を入力として、飲食店Ｘにおける混雑度を示すスコアを出力する推定モデルＭ１を用いて、飲食店Ｘにおける混雑度を推定する。決済サーバ１０は、混雑度が低いと推定される程、小さいスコアを出力し、混雑度が高いと推定される程、大きいスコアを出力する推定モデルＭ１を用いて混雑度を推定する。

図１では、決済サーバ１０は、飲食店Ｘについて、処理当日の１２時－１３時の時間帯での決済情報と、当日よりも過去の日付の１２時－１３時の時間帯での決済情報を推定モデルＭ１に入力し、推定モデルＭ１にスコアを出力させる。決済サーバ１０は、推定モデルＭ１が出力したスコアを基に、処理時点での飲食店Ｘの混雑度を推定する。例えば、決済サーバ１０は、推定モデルＭ１が出力したスコアが大きい程、処理時点での飲食店Ｘの混雑度が高いと推定する。例えば、決済サーバ１０は、推定モデルＭ１が出力したスコアが小さい程、処理時点での飲食店Ｘの混雑度が低いと推定する。

なお、決済サーバ１０は、学習モデルを提供するモデル提供サーバ等から推定モデルＭ１を取得してもよいし、自装置で推定モデルＭ１を学習してもよい。例えば、決済サーバ１０は、推定モデルＭ１を学習する場合、モデル情報データベース３２（図４参照）に格納された学習データＬＤＴ１を用いて、推定モデルＭ１を学習する。例えば、学習データＬＤＴ１には、対象エリアについて利用者端末１００を用いて第１期間に行われた決済に対応する第１決済情報及び第１期間よりも過去の２期間に行われた決済に対応する第２決済情報と、第１期間に対応する時点での対象エリアの混雑度（スコア）を示すラベル（「正解情報」ともいう）とを対応付けたデータが含まれる。

なお、第１決済情報や第２決済情報等の決済情報には、決済の日時、対象、金額等、様々な情報が含まれてもよい。また、例えば、正解情報としては、混雑度が高い、すなわち混雑している程「１」に近い値が割り当てられ、混雑度が低い、すなわち空いている程「０」に近いが割り当てられる。例えば、正解情報は、例えば第１期間終了時点から３０分後や１時間後等、第１期間より後の所定の時点における対象エリアの混雑度を示すスコア（値）である。なお、正解情報は、ＳＮＳ（Social Networking Service）等における利用者の投稿等を基に推定されたスコアであってもよい。

例えば、決済サーバ１０は、推定モデルＭ１が出力するスコアが、推定モデルＭ１に入力した対象エリアの第１決済情報及び第２決済情報に対応付けられた正解情報（ラベル）に近づくように、バックプロパゲーション（誤差逆伝播法）等の手法により学習処理を行う。例えば、決済サーバ１０は、店舗の第１決済情報及び第２決済情報が入力された推定モデルＭ１が出力するスコアが、その第１決済情報及び第２決済情報に対応付けられた正解情報に近づくように学習処理を行う。例えば、決済サーバ１０は、正解情報が「１」である場合、その正解情報が割り当てられたストアのストア情報が入力された場合に、推定モデルＭ１が出力するスコアが「１」に近づくように、学習処理を行う。また、例えば、決済サーバ１０は、正解情報が「０」である場合、その正解情報が割り当てられたストアのストア情報が入力された場合に、推定モデルＭ１が出力するスコアが「０」に近づくように、学習処理を行う。

〔１－３－２．その他限定解除〕
上述したように、情報処理システム１は、過去の各時間帯の決済行動と、現在の決済行動とを比較し、比較結果を示す情報を提供する。例えば、情報処理システム１は、単純に決済回数の過去平均と、今の決済回数とを示す情報を提供してもよい。また、情報処理システム１は、比較結果に応じて、混雑度を推定し、推定した混雑度を示す情報を提供してもよい。

また、情報処理システム１は、過去の各時間帯の決済回数と、現在の決済回数との比較結果に応じて、混雑度を推定してもよい。情報処理システム１は、いつもより混んでいるか、空いているかを示す情報を提供してもよい。情報処理システム１は、平均的な回数との比較に基づく情報を提供してもよい。情報処理システム１は、店舗の利用平均時間が所定よりも長い場合は、前の時間帯を考慮した比較を行ってもよい。情報処理システム１は、決済して退店した利用者の数を基に、混雑度を推定してもよい。情報処理システム１は、過去の日にちにおいて混雑している時間帯について、その時間帯の処理当日の決済回数が少なく、前の決済回数がいつもより多い場合は、対象エリアの混雑度が低いと推定してもよい。

また、情報処理システム１は、位置情報と組み合わせて推定してもよい。情報処理システム１は、位置情報を基に対象エリアに人が少なく、決済も通常よりも多い場合、次の時間帯は、混雑度が低いと推定してもよい。

また、情報処理システム１は、店舗等の対象エリアについて、収容人数等のキャパシティを考慮して、混雑度を推定してもよい。キャパを考慮してもよい。情報処理システム１は、過去の決済回数と、処理当日の決済回数とを示す情報を提供してもよい。情報処理システム１は、過去の決済の平均額と、現在の決済の額との差に基づいて、現在の決済により退店する利用者の数を推定してもよい。この場合、情報処理システム１は、現在の決済の額を、平均額で割ることにより算出して値を基に、混雑度を推定してもよい。

また、情報処理システム１は、対象エリア内に複数店舗が存在する場合も対象エリアについて混雑度を推定してもよい。情報処理システム１は、対象エリア内の複数店舗の過去の決済行動履歴と、現在のその対象エリアの決済回数との比較結果に応じて、その対象エリアの混雑度を推定する。

また、情報処理システム１は、利用者から受け付けた条件に合致する店舗を対象として処理を行ってもよい。また、情報処理システム１は、処理対象とする対象店舗の周囲の店舗の傾向を加味して、対象店舗の混雑度を推定してもよい。情報処理システム１は、対象店舗の周囲の店舗が混雑してきている場合、対象店舗が処理時点では空いているが、その後混雑すると推定してもよい。

情報処理システム１は、過去の決済が少なく、かつ処理当日も決済が少ない場合、混雑度が低いと推定してもよい。情報処理システム１は、処理当日の決済が過去よりも少ない場合、混雑度が低いと推定してもよい。情報処理システム１は、処理当日の決済が過去よりも多い場合、混雑度が高いと推定してもよい。情報処理システム１は、混雑度が上昇している場合、過去も混雑し、処理当日も混雑していると推定してもよい。例えば、情報処理システム１は、混雑度が上昇している場合、今（処理時点）も混雑していると推定してもよい。

情報処理システム１は、対象エリアに応じて、情報提供の条件を変更してもよい。例えば、情報処理システム１は、クラブ等の混雑度が高い方が利用者のモチベーションが高くなる対象エリアである場合、混雑度が高いと推定された場合、利用者に提供用情報を提供してもよい。また、情報処理システム１は、対象エリアに位置する利用者の属性を示す提供用情報を利用者に提供してもよい。例えば、情報処理システム１は、対象エリアに位置する利用者にどういう属性の人が多いかを示す情報を提供してもよい。

情報処理システム１は、推定モデルＭ１等の学習モデルについて、任意の情報を用いて学習してもよい。情報処理システム１は、過去の情報、現在の情報を用いた学習処理により、将来の混雑度を推定するための学習モデルを生成する。情報処理システム１は、決済回数、決済額、対象エリアの周囲の利用者の数、対象エリアを利用する利用者の位置情報等を含む決済情報を用いて、学習モデルを生成してもよい。情報処理システム１は、過去の一の時間帯の情報と、処理当日の一の時間帯の情報とを基に、混雑度を示すスコアを出力する学習モデルを生成してもよい。情報処理システム１は、過去の一の時間帯の情報と、対象エリアの近隣のエリアの情報を基に、対象エリアの混雑度を推定するモデルを生成してもよい。

情報処理システム１は、店舗に関するクーポンを発行してもよい。情報処理システム１は、クーポンを発行した店舗が、クーポン発行後に混雑度が高くなると推定してもよい。上述したように、情報処理システム１は、店舗等の対象エリアごとに通知内容が、比較結果に応じて変わる情報提供を行う。また、情報処理システム１は、公園等を対象エリアとして情報提供を行ってもよい。また、情報処理システム１は、決済回数と、決済アプリの利用頻度に基づいて、混雑度を推定してもよい。情報処理システム１は、店舗等の対象エリアのキャパシティに応じた情報を提供してもよい。情報処理システム１は、対象エリアの座席のうち、利用者が利用中の座席の割合を示す情報を提供してもよい。なお、上述した処理は一例に過ぎず、情報処理システム１は、様々な情報を適宜用いて、任意の情報を提供してもよい。

〔２．決済サーバの構成〕
次に、図２を用いて、決済サーバ１０の構成について説明する。図２は、実施形態に係る決済サーバの構成例を示す図である。図２に示すように、決済サーバ１０は、通信部２０と、記憶部３０と、制御部４０とを有する。

（通信部２０について）
通信部２０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。そして、通信部２０は、ネットワークＮと有線または無線で接続され、利用者端末１００、店舗端末２００等との間で情報の送受信を行う。

（記憶部３０について）
記憶部３０は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。図２に示すように、記憶部３０は、口座データベース３１と、モデル情報データベース３２と、事業者情報データベース３３と、利用者情報データベース３４とを有する。

（口座データベース３１について）
口座データベース３１は、利用者や、事業者、店舗などが電子決済サービスにおいて所有する口座（決済口座）に関する各種の情報を記憶する。ここで、図３を用いて、口座データベース３１が記憶する情報の一例を説明する。図３は、実施形態に係る口座データベースの一例を示す図である。図３の例において、口座データベース３１は、「口座ＩＤ」、「所有者情報」、「口座残高」といった項目を有する。

「口座ＩＤ」は、口座を識別するための識別情報を示す。「所有者情報」は、口座を所有する所有者に関する情報を示し、例えば、所有者を識別するための識別情報が格納される。「口座残高」は、口座の残高を示す。

すなわち、図３では、口座ＩＤ「ＡＩＤ＃１」によって識別される口座の保有者の情報が「利用者＃１」であり、口座残高が「７，８００円」、出金元情報が「出金元情報＃１」である例を示す。

（モデル情報データベース３２について）
モデル情報データベース３２は、モデルに関する情報を記憶する。例えば、モデル情報データベース３２は、学習処理により学習（生成）された学習済みモデル（モデル）の情報（モデルデータ）を記憶する。モデル情報データベース３２は、学習に用いたデータ（学習データ）を学習済みモデル（モデル）に対応付けて記憶する。

ここで、図４を用いて、モデル情報データベース３２が記憶する情報の一例を説明する。図４は、実施形態に係るモデル情報データベースの一例を示す図である。図４の例において、モデル情報データベース３２は、「モデルＩＤ」、「用途」、「モデルデータ」、「学習データ」といった項目を有する。

「モデルＩＤ」は、モデルを識別するための識別情報を示す。「用途」は、対応するモデルの用途を示す。「モデルデータ」は、モデルのデータを示す。図４では「モデルデータ」に「ＭＤＴ１」といった概念的な情報が格納される例を示したが、実際には、モデルの構成（ネットワーク構成）の情報やパラメータに関する情報等、そのモデルを構成する種々の情報が含まれる。例えば、「モデルデータ」には、ネットワークの各層におけるノードと、各ノードが採用する関数と、ノードの接続関係と、ノード間の接続に対して設定される接続係数とを含む情報が含まれる。

「学習データ」は、学習済みモデル（モデル）の学習に用いられたデータを示す。「学習データ」には、対応するモデルの学習に用いられたデータセットを示す情報が記憶される。例えば、「学習データ」は、データ（入力情報）とそのデータに対応する正解情報（出力情報）とを対応付けて、学習データ（「学習用データ」ともいう）として記憶する。図４では「学習データ」に「ＬＤＴ１」といった概念的な情報が格納される例を示したが、実際には、データ（入力情報）とそのデータに対応する正解情報（出力情報）等、対応するモデルの学習に用いられたデータに関する種々の情報が含まれる。

図４では、モデルＩＤ「Ｍ１」により識別されるモデル（推定モデルＭ１）は、用途が「混雑度推定」であることを示す。すなわち、推定モデルＭ１は、入力されたデータに対応する店舗等に対応するエリアについて推定される混雑度を示す情報（スコア）を出力するモデルであることを示す。また、推定モデルＭ１のモデルデータは、モデルデータＭＤＴ１であることを示す。また、推定モデルＭ１の学習に用いられた学習データは、学習データＬＤＴ１であることを示す。

なお、モデル情報データベース３２は、上記に限らず、目的に応じて種々の情報を記憶してもよい。

（事業者情報データベース３３について）
事業者情報データベース３３は、利用者に取引対象を提供する事業者（企業）に関する各種の情報を記憶する。ここで、図５を用いて、事業者情報データベース３３が記憶する情報の一例を説明する。図５は、実施形態に係る店舗情報データベースの一例を示す図である。図５の例において、事業者情報データベース３３は、「事業者ＩＤ」、「カテゴリ」、「取引対象」、「店舗情報」といった項目を有する。なお、取引対象は、事業者により提供される商品又はサービスの利用等、決済の対象となる様々な対象を含む。

「事業者ＩＤ」は、店舗を管理する事業者を識別するための識別情報を示す。「カテゴリ」は、事業者が行う事業が属するカテゴリを示す。「取引対象」は、事業者が提供（販売）する取引対象を示す。「店舗情報」は、その事業者が運営する店舗に関する各種情報を示す。例えば、「店舗情報」は、その事業者が運営する各店舗の所在地、キャパシティ（広さ、座席数等）、売上履歴等、店舗に関する各種情報が含まれる。

すなわち、図５では、事業者ＩＤ「ＭＩＤ＃１」により識別される事業者が、カテゴリが「カテゴリ＃１」に該当し、取引対象「取引対象＃１」を提供することを示す。また、事業者ＩＤ「ＭＩＤ＃１」により識別される事業者が運営する店舗については、店舗情報「店舗情報＃１」が格納されることを示す。

（利用者情報データベース３４について）
利用者情報データベース３４は、決済サーバ１０が提供するサービスの利用者に関する各種の情報を記憶する。ここで、図６を用いて、利用者情報データベース３４が記憶する情報の一例を説明する。図６は、実施形態に係る利用者情報データベースの一例を示す図である。図６の例において、利用者情報データベース３４は、「利用者ＩＤ」、「決済履歴」、「利用履歴」、「属性情報」、「位置履歴」といった項目を有する。

「利用者ＩＤ」は、利用者を識別するための識別情報を示す。「決済履歴」は、電子決済サービスを利用して行った決済の履歴を示し、決済が行われた日時に対応付けて、例えば、決済先、決済金額、決済の態様である取引対象などといった情報が格納される。「利用履歴」は、各種サービスの利用履歴を示す。「属性情報」は、決済履歴や利用履歴などに基づいて推定される利用者の属性（デモグラフィック属性、サイコグラフィック属性）を示す。「位置履歴」は、利用者の位置の履歴を示し、位置が取得された日時に対応付けて、例えば、利用者の位置情報、その日時での行動を示す行動情報などといった情報が格納される。

すなわち、図６では、利用者ＩＤ「ＵＩＤ＃１」によって識別される利用者の決済履歴が「決済履歴＃１」、利用履歴が「利用履歴＃１」、属性情報が「属性情報＃１」であり、位置履歴が「位置履歴＃１」である例を示す。

（制御部４０について）
制御部４０は、コントローラ（controller）であり、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、決済サーバ１０内部の記憶装置に記憶されている各種プログラムがＲＡＭを作業領域として実行されることにより実現される。また、制御部４０は、コントローラであり、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現される。実施形態に係る制御部４０は、図２に示すように、取得部４１と、決済処理部４２と、学習部４３と、選択部４４と、推定部４５と、提供部４６とを有し、以下に説明する情報処理の機能や作用を実現または実行する。

（取得部４１について）
取得部４１は、処理に必要な各種情報を取得する。取得部４１は、記憶部３０から各種情報を取得する。取得部４１は、利用者情報データベース３４から利用者に関する各種情報を取得する。取得部４１は、利用者情報データベース３４から利用者の利用者端末１００を用いた決済に関する各種情報を取得する。例えば、取得部４１は、利用者情報データベース３４に記憶された決済履歴のうち、決済の日時が期間に対応する決済履歴を取得する。取得部４１は、利用者端末１００や店舗端末２０等の外部の情報処理装置から各種の情報を受信する。

取得部４１は、利用者が利用する利用者端末１００を用いた決済に関する決済情報を取得する。取得部４１は、所定の店舗における利用者端末１００を用いた決済に関する決済情報を取得する。取得部４１は、利用者が利用する利用者端末１００を用いた決済に関する決済情報のうち、第１期間に行われた決済に対応する第１決済情報と、第１期間よりも過去の期間である第２期間に行われた決済に対応する第２決済情報とを取得する。

取得部４１は、決済情報のうち、第１期間に行われた決済に対応する第１決済情報を取得する。取得部４１は、決済情報のうち、第１期間よりも過去の期間である第２期間に行われた決済に対応する第２決済情報を取得する。取得部４１は、決済情報のうち、処理の時点に対応する第１期間の第１決済情報を取得する。取得部４１は、決済情報のうち、処理の時点が含まれる第１日における第１期間の第１決済情報を取得する。

取得部４１は、決済情報のうち、第１日よりも前の日である第２日における第２期間の第２決済情報を取得する。取得部４１は、決済情報のうち、第１日における所定の時間帯である第１期間の第１決済情報を取得する。取得部４１は、決済情報のうち、第２日における所定の時間帯である第２期間の第２決済情報を取得する。取得部４１は、決済情報のうち、所定の店舗での第１期間の第１決済情報を取得する。取得部４１は、決済情報のうち、所定の店舗での第２期間の第２決済情報を取得する。

（決済処理部４２について）
決済処理部４２は、取得部４１が取得した決済情報に従い、決済処理を実行する。例えば、決済処理部４２は、利用者ＩＤが示す利用者の口座から、店舗ＩＤが示す店舗の口座へ、決済金額が示す額の電子マネーを移行させる。

（学習部４３について）
学習部４３は、学習モデル（モデル）を学習する学習処理を実行する。例えば、学習部４３は、取得部１３１により取得された各種情報に基づいて、学習処理を実行する。学習部４３は、外部の情報処理装置からの情報や記憶部３０に記憶された情報に基づいて、学習処理を実行する。学習部４３は、モデル情報データベース３２に記憶された情報に基づいて、学習処理を実行する。学習部４３は、学習により生成したモデルをモデル情報データベース３２に格納する。

学習部４３は、学習モデルを学習する。学習部４３は、第１決済情報及び第２決済情報と、第１決済情報に対応するエリアである対象エリアにおける混雑度との関連性の特徴を学習する学習処理により、対象エリアにおける混雑度を推定する学習モデルを学習する。学習部４３は、学習処理を行う。学習部４３は、各種学習を行う。学習部４３は、取得部１３１により取得された情報に基づいて、各種情報を学習する。学習部４３は、モデルを学習（生成）する。学習部４３は、モデル等の各種情報を学習する。学習部４３は、学習によりモデルを生成する。学習部４３は、種々の機械学習に関する技術を用いて、モデルを学習する。例えば、学習部４３は、モデル（ネットワーク）のパラメータを学習する。学習部４３は、種々の機械学習に関する技術を用いて、モデルを学習する。

学習部４３は、推定モデルＭ１等の各種の学習モデルを生成する。学習部４３は、ネットワークのパラメータを学習する。例えば、学習部４３は、推定モデルＭ１等の各種の学習モデルのネットワークのパラメータを学習する。学習部４３は、モデル情報データベース３２に記憶された学習用データを用いて、学習処理を行うことにより、推定モデルＭ１等の各種の学習モデルを生成する。例えば、学習部４３は、推定処理に用いられるモデルを生成する。学習部４３は、推定モデルＭ１等の各種の学習モデルのネットワークのパラメータを学習することにより、推定モデルＭ１等の各種の学習モデルを生成する。

学習部４３は、モデル情報データベース３２に記憶された学習用データ（教師データ）に基づいて、学習処理を行う。学習部４３は、モデル情報データベース３２に記憶された学習用データを用いて、学習処理を行うことにより、推定モデルＭ１等の各種の学習モデルを生成する。

例えば、学習部４３は、混雑度の推定に用いるモデルを生成する。例えば、学習部４３は、混雑度の推定対象となるエリアでの決済情報が入力された場合に、その決済情報に対応するエリアについて将来推定される混雑度を示すスコアを出力するモデルを生成する。学習部４３は、推定モデルＭ１のネットワークのパラメータを学習することにより、推定モデルＭ１を生成する。

例えば、学習部４３は、学習処理によりノード間で値が伝達する際に考慮される重み（すなわち、接続係数）の値を調整する。このように、学習部４３は、推定モデルＭ１における出力と、入力に対応する正解情報との誤差が少なくなるようにパラメータ（接続係数）を補正するバックプロパゲーション等の処理により推定モデルＭ１を学習する。例えば、学習部４３は、所定の損失（ロス）関数を最小化するようにバックプロパゲーション等の処理を行うことにより推定モデルＭ１を生成する。これにより、学習部４３は、推定モデルＭ１のパラメータを学習する学習処理を行うことができる。

なお、モデルの学習手法については、上述した手法に限定されるものではなく、任意の公知技術が適用可能である。なお、各モデルの生成は、機械学習に関する種々の従来技術を適宜用いて行われてもよい。例えば、モデルの生成は、ＳＶＭ（Support Vector Machine）等の教師あり学習の機械学習に関する技術を用いて行われてもよい。また、例えば、モデルの生成は、教師なし学習の機械学習に関する技術を用いて行われてもよい。例えば、モデルの生成は、深層学習（ディープラーニング）の技術を用いて行われてもよい。

例えば、モデルの生成は、ＤＮＮ（Deep Neural Network）やＲＮＮ（Recurrent Neural Network）やＣＮＮ（Convolutional Neural Network）等の種々のディープラーニングの技術を適宜用いて行われてもよい。なお、上記モデルの生成に関する記載は例示であり、モデルの生成は、取得可能な情報等に応じて適宜選択された学習手法により行われてもよい。すなわち、学習部４３は、学習データに含まれる入力情報が入力された場合に、正解情報に対応する混雑度を示すスコアを出力するように推定モデルＭ１を学習可能であれば、どのような手法により推定モデルＭ１の生成を行ってもよい。例えば、学習部４３は、データ（入力情報）とその正解情報（出力情報）とを紐づけた学習用データを用意し、その学習用データを多層ニューラルネットワークに基づいた計算モデルに入力して学習してもよい。

（選択部４４について）
選択部４４は、種々の情報を選択する。選択部４４は、種々の情報を抽出する。選択部４４は、取得部１３１により取得された各種情報に基づいて、選択処理を実行する。例えば、選択部４４は、記憶部３０に記憶された情報に基づいて、選択処理を実行する。選択部４４は、記憶部３０に記憶された情報から、処理に用いる情報を抽出する。選択部４４は、利用者情報データベース３４に記憶された決済情報から、処理に用いる情報を抽出する。

例えば、選択部４４は、利用者情報データベース３４に記憶された利用者に関する各種情報に基づいて、選択処理を実行する。選択部４４は、利用者情報データベース３４に記憶された利用者の利用者端末１００を用いた決済に関する各種情報に基づいて、選択処理を実行する。

選択部４４は、決済情報のうち、第１期間に行われた決済に対応する第１決済情報を選択する。選択部４４は、決済情報のうち、第１期間よりも過去の期間である第２期間に行われた決済に対応する第２決済情報を選択する。選択部４４は、決済情報のうち、処理の時点に対応する第１期間の第１決済情報を選択する。選択部４４は、決済情報のうち、処理の時点が含まれる第１日における第１期間の第１決済情報を選択する。

選択部４４は、決済情報のうち、第１日よりも前の日である第２日における第２期間の第２決済情報を選択する。選択部４４は、決済情報のうち、第１日における所定の時間帯である第１期間の第１決済情報を選択する。選択部４４は、決済情報のうち、第２日における所定の時間帯である第２期間の第２決済情報を選択する。選択部４４は、決済情報のうち、所定の店舗での第１期間の第１決済情報を選択する。選択部４４は、決済情報のうち、所定の店舗での第２期間の第２決済情報を選択する。選択部４４は、第１期間に所定の店舗で決済を行った利用者以外の利用者を対象利用者として選択する。

（推定部４５について）
推定部４５は、各種情報を推定する推定処理を実行する。例えば、推定部４５は、取得部４１により取得された各種情報に基づいて、推定処理を実行する。例えば、推定部４５は、記憶部３０に記憶された情報に基づいて、推定処理を実行する。例えば、推定部４５は、利用者情報データベース３４に記憶された利用者に関する各種情報に基づいて、推定処理を実行する。推定部４５は、利用者情報データベース３４に記憶された利用者の利用者端末１００を用いた決済に関する各種情報に基づいて、推定処理を実行する。推定部４５は、学習部４３により学習された推定モデルＭ１を用いて、推定処理を実行する。

推定部４５は、第１期間の第１決済情報と、第２期間の第２決済情報とに基づいて、第１決済情報に対応するエリアである対象エリアにおける混雑度を推定する。推定部４５は、第１期間の第１決済情報と、第２期間の第２決済情報とに基づいて、第１期間よりも先の対象エリアにおける混雑度を推定する。

推定部４５は、第１期間の第１決済情報と、第２期間の第２決済情報とに基づいて、第１決済情報に対応する店舗における混雑度を推定する。推定部４５は、第１決済情報及び第２決済情報と、対象エリアにおける混雑度との関連性の特徴を学習した学習モデルを用いて、対象エリアにおける混雑度を推定する。

推定部４５は、第１決済情報及び第２決済情報に対応する情報を入力として、対象エリアにおける混雑度を示すスコアを出力する学習モデルを用いて、対象エリアにおける混雑度を推定する。推定部４５は、学習部４３により学習された学習モデルを用いて、対象エリアにおける混雑度を推定する。

推定部４５は、第１決済情報と第２決済情報との比較する処理を実行する。推定部４５は、第１決済情報が示す第１決済回数と第２決済情報が示す第２決済回数との比較する処理を実行する。推定部４５は、第１決済情報が示す第１決済回数と第２決済情報が示す第２決済回数との差分を算出する。

推定部４５は、第１決済回数が第２決済回数よりも少ない程、第１期間に対応する時点での混雑度が低いと推定する。推定部４５は、第１決済回数が第２決済回数よりも多い程、第１期間に対応する時点での混雑度が高いと推定する。例えば、推定部４５は、第２決済回数に対する第１決済回数の割合に基づいて、第１期間に対応する時点での混雑度を推定する。推定部４５は、第２決済回数に対する第１決済回数の割合を算出し、算出した割合を第１期間に対応する時点での混雑度と推定する。推定部４５は、第１決済情報と第２決済情報との比較の結果を示す提供用情報を生成する。

推定部４５は、取得部４１により取得された決済情報のうち、第１期間に行われた決済に対応する第１決済情報と、第１期間よりも過去の期間である第２期間に行われた決済に対応する第２決済情報とを用いて推定処理を実行する。推定部４５は、処理の時点に対応する第１期間の第１決済情報と、第２期間の第２決済情報とを用いて推定処理を実行する。

推定部４５は、処理の時点が含まれる第１日における第１期間の第１決済情報と、第１日よりも前の日である第２日における第２期間の第２決済情報とを用いて推定処理を実行する。推定部４５は、第１日における所定の時間帯である第１期間の第１決済情報と、第２日における所定の時間帯である第２期間の第２決済情報とを用いて推定処理を実行する。

推定部４５は、所定の店舗での第１期間の第１決済情報と、所定の店舗での第２期間の第２決済情報を用いて推定処理を実行する。推定部４５は、所定の店舗での第１期間の第１決済情報と、所定の店舗での第２期間の第２決済情報とに基づいて所定の店舗の混雑度を推定する。

推定部４５は、種々の情報を生成する。推定部４５は、取得部４１により取得された情報に基づいて各種情報を生成する。推定部４５は、記憶部３０に記憶された情報に基づいて各種情報を生成する。推定部４５は、種々の情報を生成する生成処理を実行する。

推定部４５は、推定処理の結果を示す提供用情報を生成する。例えば、推定部４５は、提供用情報ＳＣ１、ＳＣ２、ＳＣ３等のような提供用情報を生成する。例えば、推定部４５は、Ｊａｖａ（登録商標）等の種々の技術を適宜用いて、提供用情報等のコンテンツを生成する。なお、推定部４５は、ＣＳＳやＪａｖａＳｃｒｉｐｔ（登録商標）やＨＴＭＬの形式に基づいて、提供用情報等のコンテンツを生成してもよい。また、例えば、推定部４５は、ＪＰＥＧ（Joint Photographic Experts Group）やＧＩＦ（Graphics Interchange Format）やＰＮＧ（Portable Network Graphics）など様々な形式で提供用情報等のコンテンツを生成してもよい。

（提供部４６について）
提供部４６は、利用者に各種提案を行う。提供部４６は、利用者に提案を行う情報を提供する。提供部４６は、通信部２０を介して利用者端末１００に各種情報を送信する。提供部４６は、取得部４１により取得された情報を送信する。提供部４６は、選択部４４による選択に応じて、情報を利用者端末１００に送信する。

提供部４６は、外部装置へ各種情報を通知する。提供部４６は、利用者端末１００へ各種情報を通知する。提供部４６は、推定部４５による推定結果に基づく情報を利用者端末１００へ送信する。例えば、提供部４６は、推定部４５により生成された情報を利用者端末１００へ送信する。提供部４６は、推定部４５により生成された提供用情報を利用者端末１００へ送信する。例えば、提供部４６は、提供用情報ＳＣ１、ＳＣ２、ＳＣ３等のような提供用情報を利用者端末１００へ送信する。

提供部４６は、取得部４１により取得された決済情報のうち、第１期間に行われた決済に対応する第１決済情報と、第１期間よりも過去の期間である第２期間に行われた決済に対応する第２決済情報とを用いた処理に基づく提供用情報を提供する。提供部４６は、第１決済情報と第２決済情報との比較の結果を示す提供用情報を提供する。提供部４６は、処理の時点に対応する第１期間の第１決済情報と、第２期間の第２決済情報とに基づく提供用情報を提供する。

提供部４６は、処理の時点が含まれる第１日における第１期間の第１決済情報と、第１日よりも前の日である第２日における第２期間の第２決済情報とを用いた処理に基づく提供用情報を提供する。提供部４６は、第１日における所定の時間帯である第１期間の第１決済情報と、第２日における所定の時間帯である第２期間の第２決済情報とを用いた処理に基づく提供用情報を提供する。

提供部４６は、所定の店舗での第１期間の第１決済情報と、所定の店舗での第２期間の第２決済情報とに基づく提供用情報を提供する。提供部４６は、所定の店舗での第１期間の第１決済情報と、所定の店舗での第２期間の第２決済情報とに基づいて推定される所定の店舗の混雑度を示す提供用情報を提供する。

提供部４６は、提供用情報の提供先となる他の情報処理装置へ提供用情報を送信する。提供部４６は、所定の利用者が利用する利用者端末１００へ提供用情報を送信する。提供部４６は、第１期間に所定の店舗で決済を行った利用者以外の利用者である対象利用者が利用する利用者端末１００へ、提供用情報を送信する。提供部４６は、所定の店舗の混雑度が所定の条件を満たす場合、対象利用者が利用する利用者端末１００へ、提供用情報を送信する。提供部４６は、選択部４４により選択された対象利用者が利用する利用者端末１００へ、提供用情報を送信する。

提供部４６は、推定部４５により推定された対象エリアにおける混雑度を示す提供用情報を提供する。提供部４６は、推定部４５により推定された対象エリアにおける記第１期間よりも先の混雑度を示す提供用情報を提供する。提供部４６は、推定部４５により推定された店舗における混雑度を示す提供用情報を提供する。

〔３．情報処理のフロー〕
図７を用いて、実施形態に係る決済サーバ１０の情報処理の手順について説明する。図７は、実施形態に係る情報処理の手順の一例を示すフローチャートである。

図７に示すように、決済サーバ１０は、利用者が利用する利用者端末を用いた決済に関する決済情報を取得する（ステップＳ１０１）。決済サーバ１０は、決済情報のうち、第１期間に行われた決済に対応する第１決済情報と、第１期間よりも過去の期間である第２期間に行われた決済に対応する第２決済情報とを用いた処理に基づく提供用情報を提供する（ステップＳ１０２）。

〔４．その他の例〕
上述の実施形態は一例を示したものであり、種々の変更及び応用が可能である。

〔４－１．提供用情報について〕
提供される提供用情報は任意の態様が採用可能である。この点について、図８を用いて説明する。図８は、利用者に提供される提供用情報の例を示す図である。なお、上述した内容と同様の点については適宜説明を省略する。

決済サーバ１０は、図８に示す提供用情報ＳＣ１、ＳＣ２、ＳＣ３等のような、各種の態様の提供用情報を提供する。利用者端末１００は、図８に示す提供用情報ＳＣ１、ＳＣ２、ＳＣ３等のような、各種の態様の提供用情報を表示する。

例えば、決済サーバ１０は、各時間帯での飲食店Ｘの混雑度を示す情報を含む提供用情報ＳＣ１を生成してもよい。この場合、決済サーバ１０は、各時間帯での飲食店Ｘの混雑度を示す情報を含む提供用情報ＳＣ１を利用者端末１００へ送信する。決済サーバ１０から提供用情報ＳＣ１を受信した利用者端末１００は、各時間帯での飲食店Ｘの混雑度を示す情報を含む提供用情報ＳＣ１を表示する。図８の提供用情報ＳＣ１は、ハッチングが付されたバーの時間帯が、例えば処理時点での時間帯に対応し、処理時点が空いていると推定されたことを示す。

例えば、決済サーバ１０は、飲食店Ｘの混雑度が低いことを示す情報を含むマップである提供用情報ＳＣ２を生成してもよい。図８では、決済サーバ１０は、処理時点で飲食店Ｘが空いていることを示す情報を含むマップである提供用情報ＳＣ２を生成してもよい。この場合、決済サーバ１０は、処理時点で飲食店Ｘが空いていることを示す情報を含む提供用情報ＳＣ２を利用者端末１００へ送信する。決済サーバ１０から提供用情報ＳＣ２を受信した利用者端末１００は、処理時点で飲食店Ｘが空いていることを示す情報を含むマップである提供用情報ＳＣ２を表示する。

例えば、決済サーバ１０は、飲食店Ｘの混雑度が低いことを示すプッシュ通知を含むマップである提供用情報ＳＣ３を生成してもよい。図８では、決済サーバ１０は、処理時点で飲食店Ｘが空いていることを示すプッシュ通知である提供用情報ＳＣ３を生成してもよい。この場合、決済サーバ１０は、処理時点で飲食店Ｘが空いていることを示す情報を含む提供用情報ＳＣ３を利用者端末１００へ送信する。決済サーバ１０から提供用情報ＳＣ３を受信した利用者端末１００は、処理時点で飲食店Ｘが空いていることを示す情報を含むマップである提供用情報ＳＣ３を表示する。

〔４－２．混雑度の推定対象について〕
上述した例では、店舗を混雑度の推定対象の一例として説明したが、決済サーバ１０は、任意の対象の混雑度を推定してもよい。例えば、決済サーバ１０は、所定のエリアの混雑度を推定してもよい。例えば、決済サーバ１０は、複数の店舗が座席を共有するフードコートのようなエリアを対象として、混雑度を推定してもよい。

〔４－３．処理態様について〕
上記実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、逆に、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文章中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。

また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。

また、上記してきた各実施形態は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。

〔５．効果〕
上述してきたように、実施形態に係る情報処理装置（実施形態では「決済サーバ１０」以下同じ）は、取得部（実施形態では「取得部４１」以下同じ）と、提供部（実施形態では「提供部４６」以下同じ）を有する。取得部は、利用者が利用する利用者端末（実施形態では「利用者端末１００」以下同じ）を用いた決済に関する決済情報を取得する。提供部は、取得部により取得された決済情報のうち、第１期間に行われた決済に対応する第１決済情報と、第１期間よりも過去の期間である第２期間に行われた決済に対応する第２決済情報とを用いた処理に基づく提供用情報を提供する。

このように、実施形態に係る情報処理装置は、第１期間での利用者が利用する利用者端末を用いた決済と、それよりも過去の利用者が利用する利用者端末を用いた決済行動とを用いた処理に基づく提供用情報を提供することで、決済情報に基づく適切な情報提供を可能にすることができる。

また、実施形態に係る情報処理装置において、提供部は、第１決済情報と第２決済情報との比較の結果を示す提供用情報を提供する。

このように、実施形態に係る情報処理装置は、第１期間での利用者が利用する利用者端末を用いた決済と、それよりも過去の利用者が利用する利用者端末を用いた決済行動との比較の結果を示す提供用情報を提供することで、決済情報に基づく適切な情報提供を可能にすることができる。

また、実施形態に係る情報処理装置において、提供部は、処理の時点に対応する第１期間の第１決済情報と、第２期間の第２決済情報とに基づく提供用情報を提供する。

このように、実施形態に係る情報処理装置は、処理の時点、すなわち現在の利用者が利用する利用者端末を用いた決済と、過去の利用者が利用する利用者端末を用いた決済行動との比較の結果を示す提供用情報を提供することで、決済情報に基づく適切な情報提供を可能にすることができる。

また、実施形態に係る情報処理装置において、提供部は、処理の時点が含まれる第１日における第１期間の第１決済情報と、第１日よりも前の日である第２日における第２期間の第２決済情報とを用いた処理に基づく提供用情報を提供する。

このように、実施形態に係る情報処理装置は、処理の時点、すなわち当日の利用者が利用する利用者端末を用いた決済と、過去の日付での利用者が利用する利用者端末を用いた決済行動との比較の結果を示す提供用情報を提供することで、決済情報に基づく適切な情報提供を可能にすることができる。

また、実施形態に係る情報処理装置において、提供部は、第１日における所定の時間帯である第１期間の第１決済情報と、第２日における所定の時間帯である第２期間の第２決済情報とを用いた処理に基づく提供用情報を提供する。

このように、実施形態に係る情報処理装置は、処理の時点、すなわち当日のある時間帯利用者が利用する利用者端末を用いた決済と、過去の日付での当日と同じ時間帯での利用者が利用する利用者端末を用いた決済行動との比較の結果を示す提供用情報を提供することで、決済情報に基づく適切な情報提供を可能にすることができる。

また、実施形態に係る情報処理装置において、取得部は、所定の店舗における利用者端末を用いた決済に関する決済情報を取得する。提供部は、所定の店舗での第１期間の第１決済情報と、所定の店舗での第２期間の第２決済情報とに基づく提供用情報を提供する。

このように、実施形態に係る情報処理装置は、所定の店舗での決済について、第１期間での利用者が利用する利用者端末を用いた決済と、それよりも過去の利用者が利用する利用者端末を用いた決済行動とを用いた処理に基づく提供用情報を提供することで、決済情報に基づく適切な情報提供を可能にすることができる。

また、実施形態に係る情報処理装置において、提供部は、所定の店舗での第１期間の第１決済情報と、所定の店舗での第２期間の第２決済情報とに基づいて推定される所定の店舗の混雑度を示す提供用情報を提供する。

このように、実施形態に係る情報処理装置は、所定の店舗での決済について、第１期間での利用者が利用する利用者端末を用いた決済と、それよりも過去の利用者が利用する利用者端末を用いた決済行動とを基に、所定の店舗の混雑度を示す提供用情報を提供することで、決済情報に基づく適切な情報提供を可能にすることができる。

また、実施形態に係る情報処理装置において、提供部は、提供用情報の提供先となる他の情報処理装置へ提供用情報を送信する。

このように、実施形態に係る情報処理装置は、提供用情報の提供先となる他の情報処理装置へ提供用情報を送信することで、決済情報に基づく適切な情報提供を可能にすることができる。

また、実施形態に係る情報処理装置において、提供部は、所定の利用者が利用する利用者端末へ提供用情報を送信する。

このように、実施形態に係る情報処理装置は、所定の利用者が利用する利用者端末へ提供用情報を送信することで、決済情報に基づく適切な情報提供を可能にすることができる。

また、実施形態に係る情報処理装置において、提供部は、第１期間に所定の店舗で決済を行った利用者以外の利用者である対象利用者が利用する利用者端末へ、提供用情報を送信する。

このように、実施形態に係る情報処理装置は、第１期間に所定の店舗で決済を行った利用者以外の利用者である対象利用者が利用する利用者端末へ、提供用情報を送信することで、決済情報に基づく適切な情報提供を可能にすることができる。

また、実施形態に係る情報処理装置において、提供部は、所定の店舗の混雑度が所定の条件を満たす場合、対象利用者が利用する利用者端末へ、提供用情報を送信する。

このように、実施形態に係る情報処理装置は、所定の店舗の混雑度が所定の条件を満たす場合、対象利用者が利用する利用者端末へ、提供用情報を送信することで、決済情報に基づく適切な情報提供を可能にすることができる。

また、実施形態に係る情報処理装置は、推定部（実施形態では「推定部４５」以下同じ）を有する。推定部は、第１期間の第１決済情報と、第２期間の第２決済情報とに基づいて、第１決済情報に対応するエリアである対象エリアにおける混雑度を推定する。提供部は、推定部により推定された対象エリアにおける混雑度を示す提供用情報を提供する。

このように、実施形態に係る情報処理装置は、推定した対象エリアにおける混雑度を示す提供用情報を提供することで、決済情報に基づく適切な情報提供を可能にすることができる。

また、実施形態に係る情報処理装置において、推定部は、第１期間の第１決済情報と、第２期間の第２決済情報とに基づいて、第１期間よりも先の対象エリアにおける混雑度を推定する。提供部は、推定部により推定された対象エリアにおける記第１期間よりも先の混雑度を示す提供用情報を提供する。

このように、実施形態に係る情報処理装置は、推定した対象エリアにおける記第１期間よりも先の混雑度を示す提供用情報を提供することで、決済情報に基づく適切な情報提供を可能にすることができる。

また、実施形態に係る情報処理装置において、推定部は、第１期間の第１決済情報と、第２期間の第２決済情報とに基づいて、第１決済情報に対応する店舗における混雑度を推定する。提供部は、推定部により推定された店舗における混雑度を示す提供用情報を提供する。

このように、実施形態に係る情報処理装置は、推定した店舗における記第１期間よりも先の混雑度を示す提供用情報を提供することで、決済情報に基づく適切な情報提供を可能にすることができる。

また、実施形態に係る情報処理装置において、推定部は、第１決済情報及び第２決済情報と、対象エリアにおける混雑度との関連性の特徴を学習した学習モデル（実施形態では「推定モデルＭ１」以下同じ）を用いて、対象エリアにおける混雑度を推定する。

このように、実施形態に係る情報処理装置は、第１決済情報及び第２決済情報と、対象エリアにおける混雑度との関連性の特徴を学習した学習モデルを用いて、対象エリアにおける混雑度を推定することで、決済情報に基づく適切な情報提供を可能にすることができる。

また、実施形態に係る情報処理装置において、推定部は、第１決済情報及び第２決済情報に対応する情報を入力として、対象エリアにおける混雑度を示すスコアを出力する学習モデルを用いて、対象エリアにおける混雑度を推定する。

このように、実施形態に係る情報処理装置は、第１決済情報及び第２決済情報に対応する情報を入力として、対象エリアにおける混雑度を示すスコアを出力する学習モデルを用いて、対象エリアにおける混雑度を推定することで、決済情報に基づく適切な情報提供を可能にすることができる。

また、実施形態に係る情報処理装置は、学習部（実施形態では「学習部４３」以下同じ）を有する。学習部は、学習モデルを学習する。推定部は、学習部により学習された学習モデルを用いて、対象エリアにおける混雑度を推定する。

このように、実施形態に係る情報処理装置は、学習された学習モデルを用いて推定した対象エリアにおける混雑度を示す提供用情報を提供することで、決済情報に基づく適切な情報提供を可能にすることができる。

また、実施形態に係る情報処理装置においては、取得部は、利用者が利用する利用者端末を用いた決済に関する決済情報のうち、第１期間に行われた決済に対応する第１決済情報と、第１期間よりも過去の期間である第２期間に行われた決済に対応する第２決済情報とを取得する。学習部は、第１決済情報及び第２決済情報と、第１決済情報に対応するエリアである対象エリアにおける混雑度との関連性の特徴を学習する学習処理により、対象エリアにおける混雑度を推定する学習モデルを学習する。

このように、実施形態に係る情報処理装置は、利用者が利用する利用者端末を用いた決済に関する決済情報のうち、第１期間に行われた決済に対応する第１決済情報及び第１期間よりも過去の期間である第２期間に行われた決済に対応する第２決済情報と、第１決済情報に対応するエリアである対象エリアにおける混雑度との関連性の特徴を学習する学習処理により、対象エリアにおける混雑度を推定する学習モデルを学習することで、決済情報を基に学習した学習モデルを用いて所定のエリアの混雑度を推定することができ、推定した混雑度を提供することが可能となるため、決済情報に基づく適切な情報提供を可能にすることができる。

〔６．ハードウェア構成〕
また、上述してきた各実施形態に係る決済サーバ１０は、例えば、図９に示すような構成のコンピュータ１０００によって実現される。以下、決済サーバ１０を例に挙げて説明する。図９は、決済サーバの機能を実現するコンピュータの一例を示すハードウェア構成図である。コンピュータ１０００は、ＣＰＵ１１００、ＲＡＭ１２００、ＲＯＭ１３００、ＨＤＤ１４００、通信インターフェイス（Ｉ／Ｆ）１５００、入出力インターフェイス（Ｉ／Ｆ）１６００、及びメディアインターフェイス（Ｉ／Ｆ）１７００を有する。

ＣＰＵ１１００は、ＲＯＭ１３００又はＨＤＤ１４００に格納されたプログラムに基づいて動作し、各部の制御を行う。ＲＯＭ１３００は、コンピュータ１０００の起動時にＣＰＵ１１００によって実行されるブートプログラムや、コンピュータ１０００のハードウェアに依存するプログラム等を格納する。

ＨＤＤ１４００は、ＣＰＵ１１００によって実行されるプログラム、及び、かかるプログラムによって使用されるデータ等を記憶する。通信インターフェイス１５００は、通信網５００（実施形態のネットワークＮに対応する）を介して他の機器からデータを受信してＣＰＵ１１００へ送り、また、通信網５００を介してＣＰＵ１１００が生成したデータを他の機器へ送信する。

ＣＰＵ１１００は、入出力インターフェイス１６００を介して、ディスプレイやプリンタ等の出力装置、及び、キーボードやマウス等の入力装置を制御する。ＣＰＵ１１００は、入出力インターフェイス１６００を介して、入力装置からデータを取得する。また、ＣＰＵ１１００は、入出力インターフェイス１６００を介して生成したデータを出力装置へ出力する。

メディアインターフェイス１７００は、記録媒体１８００に格納されたプログラム又はデータを読み取り、ＲＡＭ１２００を介してＣＰＵ１１００に提供する。ＣＰＵ１１００は、かかるプログラムを、メディアインターフェイス１７００を介して記録媒体１８００からＲＡＭ１２００上にロードし、ロードしたプログラムを実行する。記録媒体１８００は、例えばＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto-Optical disk）等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等である。

例えば、コンピュータ１０００が決済サーバ１０として機能する場合、コンピュータ１０００のＣＰＵ１１００は、ＲＡＭ１２００上にロードされたプログラムを実行することにより、制御部４０の機能を実現する。また、ＨＤＤ１４００には、決済サーバ１０の記憶装置内の各データが格納される。コンピュータ１０００のＣＰＵ１１００は、これらのプログラムを記録媒体１８００から読み取って実行するが、他の例として、他の装置から所定の通信網を介してこれらのプログラムを取得してもよい。

〔７．その他〕
以上、本願の実施形態のいくつかを図面に基づいて詳細に説明したが、これらは例示であり、発明の開示の欄に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。

また、上述した決済サーバ１０は、機能によっては外部のプラットフォーム等をＡＰＩ（Application Programming Interface）やネットワークコンピューティングなどで呼び出して実現するなど、構成は柔軟に変更できる。

また、特許請求の範囲に記載した「部」は、「手段」や「回路」などに読み替えることができる。例えば、取得部は、取得手段や取得回路に読み替えることができる。

１ 情報処理システム
１０ 決済サーバ
２０ 通信部
３０ 記憶部
３１ 口座データベース
３２ モデル情報データベース
３３ 事業者情報データベース
３４ 利用者情報データベース
４０ 制御部
４１ 取得部
４２ 決済処理部
４３ 学習部
４４ 選択部
４５ 推定部
４６ 提供部
１００ 利用者端末
２００ 店舗端末

Claims (20)

1. 利用者が利用する利用者端末を用いた決済に関する決済情報を取得する取得部と、
   前記取得部により取得された決済情報のうち、第１期間に行われた決済に対応する第１決済情報と、前記第１期間よりも過去の期間である第２期間に行われた決済に対応する第２決済情報とを用いた処理に基づく提供用情報を提供する提供部と、
   を有し、
   前記取得部は、
   所定の店舗における前記利用者端末を用いた前記決済に関する前記決済情報を取得し、
   前記提供部は、
   前記所定の店舗での前記第１期間の前記第１決済情報と、前記所定の店舗での前記第２期間の前記第２決済情報とに基づいて推定される前記所定の店舗の混雑度を示す前記提供用情報を提供する
   ことを特徴とする情報処理装置。
2. 利用者が利用する利用者端末を用いた決済に関する決済情報を取得する取得部と、
   前記取得部により取得された決済情報のうち、第１期間に行われた決済に対応する第１決済情報と、前記第１期間よりも過去の期間である第２期間に行われた決済に対応する第２決済情報とを用いた処理に基づく提供用情報を提供する提供部と、
   前記第１期間の前記第１決済情報と、前記第２期間の前記第２決済情報とに基づいて、前記第１決済情報に対応するエリアである対象エリアにおける混雑度を推定する推定部と、
   を有し、
   前記提供部は、
   前記推定部により推定された前記対象エリアにおける前記混雑度を示す前記提供用情報を提供する
   ことを特徴とする情報処理装置。
3. 前記提供部は、
   前記第１決済情報と前記第２決済情報との比較の結果を示す前記提供用情報を提供する
   ことを特徴とする請求項１に記載の情報処理装置。
4. 前記提供部は、
   前記処理の時点に対応する前記第１期間の前記第１決済情報と、前記第２期間の前記第２決済情報とに基づく前記提供用情報を提供する
   ことを特徴とする請求項１に記載の情報処理装置。
5. 前記提供部は、
   前記処理の時点が含まれる第１日における前記第１期間の前記第１決済情報と、前記第１日よりも前の日である第２日における前記第２期間の前記第２決済情報とを用いた前記処理に基づく前記提供用情報を提供する
   ことを特徴とする請求項１に記載の情報処理装置。
6. 前記提供部は、
   前記第１日における所定の時間帯である前記第１期間の前記第１決済情報と、前記第２日における前記所定の時間帯である前記第２期間の前記第２決済情報とを用いた前記処理に基づく前記提供用情報を提供する
   ことを特徴とする請求項５に記載の情報処理装置。
7. 前記提供部は、
   前記提供用情報の提供先となる他の情報処理装置へ前記提供用情報を送信する
   ことを特徴とする請求項１に記載の情報処理装置。
8. 前記提供部は、
   所定の利用者が利用する利用者端末へ前記提供用情報を送信する
   ことを特徴とする請求項７に記載の情報処理装置。
9. 前記提供部は、
   前記第１期間に前記所定の店舗で決済を行った利用者以外の利用者である対象利用者が利用する利用者端末へ、前記提供用情報を送信する
   ことを特徴とする請求項８に記載の情報処理装置。
10. 前記提供部は、
    前記所定の店舗の前記混雑度が所定の条件を満たす場合、前記対象利用者が利用する利用者端末へ、前記提供用情報を送信する
    ことを特徴とする請求項９に記載の情報処理装置。
11. 前記推定部は、
    前記第１期間の前記第１決済情報と、前記第２期間の前記第２決済情報とに基づいて、前記第１期間よりも先の前記対象エリアにおける前記混雑度を推定し、
    前記提供部は、
    前記推定部により推定された前記対象エリアにおける記第１期間よりも先の前記混雑度を示す前記提供用情報を提供する
    ことを特徴とする請求項２に記載の情報処理装置。
12. 前記推定部は、
    前記第１期間の前記第１決済情報と、前記第２期間の前記第２決済情報とに基づいて、前記第１決済情報に対応する店舗における前記混雑度を推定し、
    前記提供部は、
    前記推定部により推定された前記店舗における前記混雑度を示す前記提供用情報を提供する
    ことを特徴とする請求項２に記載の情報処理装置。
13. 前記推定部は、
    前記第１決済情報及び前記第２決済情報と、前記対象エリアにおける前記混雑度との関連性の特徴を学習した学習モデルを用いて、前記対象エリアにおける混雑度を推定する
    ことを特徴とする請求項２に記載の情報処理装置。
14. 前記推定部は、
    前記第１決済情報及び前記第２決済情報に対応する情報を入力として、前記対象エリアにおける前記混雑度を示すスコアを出力する前記学習モデルを用いて、前記対象エリアにおける混雑度を推定する
    ことを特徴とする請求項１３に記載の情報処理装置。
15. 前記学習モデルを学習する学習部、
    をさらに有し、
    前記推定部は、
    前記学習部により学習された前記学習モデルを用いて、前記対象エリアにおける前記混雑度を推定する
    ことを特徴とする請求項１４に記載の情報処理装置。
16. コンピュータが実行する情報処理方法であって、
    利用者が利用する利用者端末を用いた決済に関する決済情報を取得する取得工程と、
    前記取得工程により取得された決済情報のうち、第１期間に行われた決済に対応する第１決済情報と、前記第１期間よりも過去の期間である第２期間に行われた決済に対応する第２決済情報とを用いた処理に基づく提供用情報を提供する提供工程と、
    を含むみ、
    前記取得工程は、
    所定の店舗における前記利用者端末を用いた前記決済に関する前記決済情報を取得し、
    前記提供工程は、
    前記所定の店舗での前記第１期間の前記第１決済情報と、前記所定の店舗での前記第２期間の前記第２決済情報とに基づいて推定される前記所定の店舗の混雑度を示す前記提供用情報を提供する
    ことを特徴とする情報処理方法。
17. 利用者が利用する利用者端末を用いた決済に関する決済情報を取得する取得手順と、
    前記取得手順により取得された決済情報のうち、第１期間に行われた決済に対応する第１決済情報と、前記第１期間よりも過去の期間である第２期間に行われた決済に対応する第２決済情報とを用いた処理に基づく提供用情報を提供する提供手順と、
    をコンピュータに実行させ、
    前記取得手順は、
    所定の店舗における前記利用者端末を用いた前記決済に関する前記決済情報を取得し、
    前記提供手順は、
    前記所定の店舗での前記第１期間の前記第１決済情報と、前記所定の店舗での前記第２期間の前記第２決済情報とに基づいて推定される前記所定の店舗の混雑度を示す前記提供用情報を提供する
    ための情報処理プログラム。
18. コンピュータが実行する情報処理方法であって、
    利用者が利用する利用者端末を用いた決済に関する決済情報を取得する取得工程と、
    前記取得工程により取得された決済情報のうち、第１期間に行われた決済に対応する第１決済情報と、前記第１期間よりも過去の期間である第２期間に行われた決済に対応する第２決済情報とを用いた処理に基づく提供用情報を提供する提供工程と、
    前記第１期間の前記第１決済情報と、前記第２期間の前記第２決済情報とに基づいて、前記第１決済情報に対応するエリアである対象エリアにおける混雑度を推定する推定工程と、
    を含み、
    前記提供工程は、
    前記推定工程により推定された前記対象エリアにおける前記混雑度を示す前記提供用情報を提供する
    ことを特徴とする情報処理方法。
19. 利用者が利用する利用者端末を用いた決済に関する決済情報を取得する取得手順と、
    前記取得手順により取得された決済情報のうち、第１期間に行われた決済に対応する第１決済情報と、前記第１期間よりも過去の期間である第２期間に行われた決済に対応する第２決済情報とを用いた処理に基づく提供用情報を提供する提供手順と、
    前記第１期間の前記第１決済情報と、前記第２期間の前記第２決済情報とに基づいて、前記第１決済情報に対応するエリアである対象エリアにおける混雑度を推定する推定手順と、
    をコンピュータに実行させ、
    前記提供手順は、
    前記推定手順により推定された前記対象エリアにおける前記混雑度を示す前記提供用情報を提供する
    情報処理プログラム。
20. 利用者が利用する利用者端末を用いた決済に関する決済情報のうち、第１期間に行われた決済に対応する第１決済情報と、前記第１期間よりも過去の期間である第２期間に行われた決済に対応する第２決済情報とを取得する取得部と、
    前記第１決済情報及び前記第２決済情報と、前記第１決済情報に対応するエリアである対象エリアにおける混雑度との関連性の特徴を学習する学習処理により、前記対象エリアにおける前記混雑度を推定する学習モデルを学習する学習部と、
    前記学習部により学習された前記学習モデルを用いて、前記第１決済情報に対応するエリアである対象エリアにおける混雑度を推定する推定部と、
    を有することを特徴とする情報処理装置。

Images