JPH105413A - パチンコ遊技店における入場者数および売上高の予測装置 - Google Patents

Abstract

(57)【要約】 【課題】パチンコ遊技店における入場者数および売上高
を自動的に求め得る予測装置を提供する。 【解決手段】売上高の予測装置５は入場者数の予測装置
１と売上高シミュレーション装置４を備え、予測装置１
はニューラルネットワーク装置２や平均値演算装置３等
のパーソナルコンピュータ応用の電子装置で、入力され
た予測用データ群９ａを基に予測対象日時の個別のパチ
ンコ遊技台への入場者数の予測値１ａを自動的に出力す
る。売上高シミュレーション装置４は、個別のパチンコ
遊技台の特性情報を持つ複数のパチンコ遊技台モデル、
顧客の特長をパターン化して持つ複数の顧客モデル、集
計機能を有し、予測値１ａの個別の入場者に適合する顧
客モデルを付与とパチンコ遊技台モデルに割当てを行
い、パチンコ遊技台モデル毎に個別売上高のシミュレー
ションと個別売上高の予測値の集計演算を実行し、パチ
ンコ遊技店に関する売上高の予測値４ａを自動的に演算
して出力する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明は、パチンコ遊技店
の将来における入場者数および売上高を、このパチンコ
遊技店に関わるデータを含む予測用データ群を基にし
て、コンピュータ装置などを用いて自動的に予測する装
置に関する。

【０００２】

【従来の技術】パチンコ遊技店（以降、パチンコ店ある
いは単に店と略称することがある。）においては、店の
経営上などから将来の入場者数，売上高の予測値を持つ
ことが好ましいので、従来におけるこれ等の予測は、店
に長年勤務している店員とか，店の責任者である店長
が、経験や勘などを頼りにして行われている。そうし
て、店に設置されている一般に複数のパチンコ遊技台
（以降、パチンコ台あるいは単に台と略称することがあ
る。）に対して、１台毎の予測値を求めたうえでその総
計値として店に対する入場者数，売上高の予測値を求め
ている。

【０００３】

【発明が解決しようとする課題】前述した従来技術によ
るパチンコ遊技店の将来における入場者数および売上高
の予測方法では、店長や店員などの人間の不確かな経験
や勘など頼りにして予測が行われており、個人により予
測値が異なるとか，間違いが発生することも多いもので
ある。ましてや、気象条件，パチンコ遊技台の設定条件
（釘の設定、いわゆるセブン機，ＣＲ機などと呼ばれて
いる特賞確率を設定できるパチンコ遊技台に関しては，
特賞確率の設定値も含む．）（以降、台設定条件と略称
することがある。），前日の売上高等々を勘案して予測
をきめ細かに行うことは到底困難なことであった。この
ようなことから、パチンコ遊技の業界においては、個人
差が無く，かつ高い精度で、将来の入場者数，売上高の
予測を行うことができる予測装置が待ち望まれている。

【０００４】この発明は、前述の従来技術の問題点に鑑
みなされたものであり、その目的は、パチンコ遊技店に
関わるデータを含む予測用データ群を用いて、パチンコ
遊技店の将来における入場者数および売上高を自動的に
求めることが可能な、パチンコ遊技店における入場者数
および売上高の予測装置を提供することにある。

【０００５】

【課題を解決するための手段】この発明では前述の目的
は、 １）複数のパチンコ遊技台が設置されたパチンコ遊技店
の将来における入場者数を予測するための装置であっ
て、ニューラルネットワーク機能を有し，このパチンコ
遊技店に関わるデータを含む予測用データ群を入力して
この予測用データ群を基にしてパチンコ遊技店の将来に
おける入場者数の予測値を出力するニューラルネットワ
ーク装置を備え、予測用データ群を基にしてニューラル
ネットワーク装置によって将来における入場者数の予測
値を自動的に求めるようにした構成とすること、また
は、 ２）複数のパチンコ遊技台が設置されたパチンコ遊技店
の将来における売上高を予測するための装置であって、
このパチンコ遊技店に関わるデータを含む予測用データ
群を入力してこのパチンコ遊技店の将来における入場者
数の予測値を求めて出力する入場者数の予測装置と、特
定のパターンとして数値化された顧客の遊技終了条件を
有ししかもこの遊技終了条件に関し少なくとも一部につ
いては異なるパターンを持つようにした複数の顧客モデ
ルと，少なくとも釘に関するパチンコ遊技台の特定され
た設定条件と必要に応じては正規分布した確率変数値と
して規定された特賞の発生確率値に関するパチンコ遊技
台の特定された設定条件を有ししかもこれ等の設定条件
に関し少なくとも一部については異なる設定条件を持つ
ようにした複数のパチンコ遊技台モデルを有する売上高
シミュレーション装置とを備え、この売上高シミュレー
ション装置は、入場者数の予測装置から出力された入場
者数の予測値を入力し、この予測値に従う数の予測入場
者を前記の複数のパチンコ遊技台モデルに対して振り分
け、それぞれのパチンコ遊技台モデル毎に，そのパチン
コ遊技台モデルが持つ前記の特定された設定条件と振り
分けられた入場者に持たせる顧客モデルに従う遊技終了
条件とを用いてそれぞれの入場者毎の個人別売上高予測
値をシミュレーションによって求め、入場者数の予測装
置により予測された全ての入場者に関して前記の個人別
の売上高予測値の集計を行うことで将来における売上高
を予測する装置であり、これによりパチンコ遊技店の将
来における売上高の予測値を自動的に求めるようにした
構成とすること、または、 ３）前記２項に記載の手段において、入場者数の予測装
置は、ニューラルネットワーク機能を有し、このパチン
コ遊技店に関わるデータを含む予測用データ群を入力し
てこのパチンコ遊技店の将来における入場者数の予測値
を求めて出力するものである構成とすること、さらにま
たは、 ４）前記２項に記載の手段において、入場者数の予測装
置は、このパチンコ遊技店に関わるデータを含む予測用
データ群を入力し、このパチンコ遊技店の過去の実績デ
ータの平均値として，将来における入場者数の予測値を
演算して出力するものである構成とすること、により達
成される。

【０００６】

【発明の実施の形態】以下この発明の実施の形態を図面
を参照して説明する。図１は、この発明によるパチンコ
遊技店における入場者数および売上高の予測装置の実施
の形態を関連する装置と共に示すブロック図であり、図
２は、図１中に示した入場者数の予測装置の構成の一例
を模式的に示す図である。図３は、図２に示した入場者
数の予測装置に用いられるニューラルネットワーク装置
に行われる一般的な学習方法を説明する説明図であり、
図４は、図１中に示した売上高シミュレーション装置が
持つ機能を説明する説明図である。図１，図４におい
て、１は、入場者数の予測装置であり、４は、売上高シ
ミュレーション装置である。売上高の予測装置５は、入
場者数の予測装置１と売上高シミュレーション装置４と
を備えている。

【０００７】入場者数の予測装置１は、予測用データ群
９ａを入力し、この予測用データ群９ａを基にして、将
来の日時である予測対象日時における台の稼働率（店に
設置された台の使用状態は、台の稼働率から知ることが
できる。予測対象のパチンコ店に複数のパチンコ台が設
置されている場合には、個々の台の使用状態の総和から
店の入場者を直接求めることができる。したがって、こ
こでは、台の稼働率に関するデータは、台，店に対する
入場者数に関わるデータと同じ意味であるとして取り扱
うこととする。）の予測値１ａを出力する，例えばパー
ソナルコンピュータ装置などの電子装置である。入場者
数の予測装置１としては、公知のニューラルネットワー
ク機能を有するニューラルネットワーク装置２や，デー
タの重回帰モデルなどの平均的な値を求める公知の平均
値演算装置３などを採用することができる。

【０００８】入場者数の予測装置１には、ニューラルネ
ットワーク装置が用いられる場合も、平均値演算装置が
用いられる場合も共に、予測対象のパチンコ遊技店に設
置されているホールコンピュータ９などに収録されてい
る過去の実績データである実績データ群９ａａや，変更
後の台設定条件・天気予報データなどのホールコンピュ
ータ９に収録されていないデータ群９ａｂとから適宜に
選択された予測用データ群９ａが入力される。なお、デ
ータ群９ａｂは、例えば、キーボードなどの図示しない
入力装置を用いて入力される。選択される予測用データ
群９ａの内容としては、ニューラルネットワーク装置を
持つ入場者数の予測装置１が用いられる場合には、予測
対象日の前日や，予測対象日時と同一の過去の曜日・時
刻帯などにおける、台の設定・台の稼働率・売上高・賞
球率（出球率と呼ばれることもある）・天気・気温のな
どの，予測対象日時よりも前の日時の過去の実績データ
と、予測対象日時における台の設定，天気・気温などの
気象情報等が採用可能である。

【０００９】過去の実績データに関しては、１週間程度
遡った範囲における実績データを用いる場合には、パチ
ンコ遊技店の入場者の状況が多くの場合に曜日により強
く影響を受けるので、予測対象日時と同一の曜日・時刻
帯における前週の実績データを用いることが好ましいこ
とが多いものである。前記とは別に、予測対象日に対し
て，複数週にわたる長期間を遡った範囲における実績デ
ータを用いる場合には、予測対象日時と同一の曜日・時
刻帯における、複数週分の各実績データ，各実績データ
の平均値，各実績データのトレンドから予測される予測
値などを用いることができる。これ等の各実績データの
平均値や各実績データのトレンドから予測される予測値
は、複数週にわたる長期間を遡った範囲における実績デ
ータを用いて、ホールコンピュータ９において求めて、
ホールコンピュータ９に収録しておくことも可能であ
る。また、複数週にわたる長期間を遡った範囲における
予測対象日時と同一の曜日の実績データの内の、予測対
象日時の気象情報から得られた天気・気温などの気象条
件と，近似する気象条件であった日時の実績データを用
いることも可能である。さらに、実績データ群９ａａと
しては過去の実績データのみとし、入場者数の予測装置
１に用いられるニューラルネットワーク装置において、
トレンドから予測される予測値を求めるようにすること
も可能である。

【００１０】また、平均値演算装置を持つ入場者数の予
測装置１が用いられる場合には、選択される予測用デー
タ群９ａの内容としては、平均値演算装置の持つ機能が
ニューラルネットワーク装置の持つ機能よりも一般に低
いことから、予測対象日時と同一の曜日・時刻帯におけ
る予測対象日時よりも前の日時の、台の稼働率のデー
タ，予測対象日時の天気の予想情報のみに限定すること
が好ましいこともありえる。

【００１１】さらにこの予測対象日としては、入場者数
の予測装置１として，ニューラルネットワーク装置が用
いられる場合も，平均値演算装置が用いられる場合も共
に、最も近い将来の予測対象日として翌日が選択される
ことが多かろうが、翌日よりもさらに将来の日時が選択
されることも想定され得る。このように、翌日よりもさ
らに将来の日時が予測対象日として選択された場合に
は、前述した予測対象日が翌日の場合と同様にして予測
対象日の台の稼働率の予測値を求めることができる。そ
うして、この場合には、次記するようにして予測対象日
の台の稼働率の予測値を求めることが、この発明になる
予測装置１の特長を生かせて、その精度を比較的に高く
することができることから好ましいものでもある。すな
わち、予測対象日の台の稼働率の予測値を求めるのに当
たり、まず翌日における台の稼働率の予測値を求め、次
に，得られたこの翌日の台の稼働率の予測値を基にして
得た台の稼働率を予測用データ群９ａに含めて、翌々日
の台の稼働率の予測値を求めるようにする。以降、予測
対象日の前日までこれを繰り返すことで、任意の将来の
日時の予測対象日における台の稼働率（入場者数）の予
測値を求めるのである。

【００１２】ここで、ニューラルネットワーク装置２が
採用された場合の入場者数の予測装置１について、図
２，図３を用いて説明を加えることにする。図２に示さ
れたニューラルネットワーク装置２は、誤差逆伝搬法
（バックプロパゲーションとも呼ばれる）によるニュー
ラルネットワーク装置が用いられた場合を例示してい
る。ニューラルネットワーク装置としては、現時点では
誤差逆伝搬法の他に、相互結合型，自己想起型，リカレ
ント型などが知られている。この誤差逆伝搬法によるニ
ューラルネットワーク装置２は、図２中に示したごと
く、入力層２１，中間層２２，出力層２３の３層構造を
備え、それぞれの層（入力層２１，中間層２２および出
力層２３のことである）は、必要な個数のニューロン
（シグモイド関数）２４を有している。図２中におい
て、それぞれの層が有するニューロン２４の間を結んで
いる実線は、ニューロン２４相互間の結合状態を示す重
み係数を表している。

【００１３】誤差逆伝搬法によるニューラルネットワー
ク装置が採用されたニューラルネットワーク装置２で
は、このようなニューラルネットワーク装置が持つ特長
として、まず、予測用データ群９ａａを用いて、重み係
数を最適化するための公知の学習が行なわれる。ニュー
ラルネットワーク装置２は、このような学習を済ませて
重み係数が最適化された状態において、実績データ群９
ａａの一部のデータがデータ群９ａｂによるデータに置
き換えられ，かつ，過去における台の稼働率に関するデ
ータが除かれた予測用データ群９ａを用いて、台の稼働
率（入場者数）の予測値１ａが求められる。予測用デー
タ群９ａの内容が異なった場合には、その都度この学習
を行うことが一般である。

【００１４】このニューラルネットワーク装置２の学習
方法の概要について、図３を用いて説明する。図３中に
示したニューラルネットワーク装置２は、簡略化されて
示されている。ニューラルネットワーク装置２の学習を
行う場合は、その入力層２１には、予測用データ群９ａ
の内の出力層２３から出力させたいデータである台の稼
働率に関するデータを除いた過去の実績データ群９ａａ
のデジタルデータが入力される。また、出力層２３に
は、実績データ群９ａａの内の台の稼働率に関する過去
の実績データのデジタルデータが入力される。前記の実
績データ群が入力層２１に入力されされることで、出力
層２３からは、台の稼働率に関する予測値が中間層２２
を介してデジタル値として出力される。

【００１５】この出力を、出力層２３に入力されている
台の稼働率に関する実績データと比較し、出力と入力と
がほぼ一致するように、すなわち出力が入力との差であ
る誤差が僅少になるように、重み係数（図３中には、代
表例として一部にＷ₁ ，Ｗ₂，Ｗ₃ を付して示した）の
見直しが、ニューラルネットワーク装置が持つ公知の特
有の機能により、ニューラルネットワーク装置において
自動的に行われる。重み係数値を変えては出力を入力と
比較する動作が繰り返され、そうして、出力が入力とが
ほぼ一致したことでニューラルネットワーク装置２の学
習が終了したことになるのである。

【００１６】なお、予測の対象となるパチンコ店に複数
のパチンコ台が設置されている場合には、ニューラルネ
ットワーク装置２は、それぞれの台毎に台の稼働率を求
めて出力する。前記したように、ニューラルネットワー
ク装置２では、予測用データ群９ａの内の実績データ群
９ａａを用いて学習を済ませたうえで、実績データ群９
ａａの内の一部をデータ群９ａｂに置き換えた予測用デ
ータ群９ａを基にして、将来における台の稼働率の予測
値１ａが自動的に求められる。したがって、人間の経験
や勘などを介在させることが全く無しに予測値１ａを求
めることが可能であると共に、個人差無しに精度の高い
予測値１ａを求めることが可能になるのである。

【００１７】入場者数の予測装置１として，公知のデー
タの重回帰モデルを用いた平均値演算装置３を採用した
場合には、平均値演算装置３は前述の内容の予測用デー
タ群９ａを入力し、予測用データ群９ａによって特定さ
れた曜日，時刻帯別の台の稼働率の予測値を、公知の重
回帰法により予測用データ群９ａとして入力された店の
過去のデータの平均値として台の稼働率（入場者数）の
予測値１ａを出力することになる。

【００１８】売上高の予測装置５においては、前述のよ
うにして入場者数の予測装置１で得られた台の稼働率
（入場者数）の予測値１ａ，したがって，台の使用状態
に関する予測値１ａが、売上高シミュレーション装置４
に入力され、売上高シミュレーション装置４において、
店における将来の売上高の予測値４ａが求められること
になる。この売上高シミュレーション装置４は、入場者
数の予測値１ａを基にして売上高の予測値４ａを出力す
る，例えば，パーソナルコンピュータ装置などの電子装
置である。次に、図４を用いて、売上高シミュレーショ
ン装置４における売上高の予測値４ａの求め方について
説明する。

【００１９】売上高シミュレーション装置４は、複数の
顧客モデル４２と、予測対象のパチンコ遊技店に複数の
パチンコ台が設置されている場合には，複数のパチンコ
遊技台モデル４１を備えている。パチンコ遊技台モデル
（以降、台モデルと略称することがある。）４１は、予
測対象の店に設置されている複数のパチンコ遊技台１の
それぞれに対応させたモデルで、個々の台モデル４１
は、パチンコ遊技台実機の台種類，台が特賞確率値を変
更可能であるセブン機・ＣＲ機などの場合には特賞確率
値などの個々の台の特性情報を個別に保有している。そ
うして、特賞確率は、実機の台においてはルーレットを
備えることによって実現させているのが一般であるが、
この発明になる台モデル４１では、電子装置に適合させ
るために、特賞確率を正規分布した確率変数として保有
させている。

【００２０】また顧客モデル４２は、パチンコ遊技店で
パチンコ遊技に興じる多数の顧客のそれぞれが持つ特長
（例えば、一般的な遊技の仕方をする顧客，ギャンブル
性を好む顧客，暇つぶしとしてパチンコ遊技を行う顧客
などである）を抽出し、パチンコ遊技を終了するまでの
投資額，儲け額，遊技時間など（以降、終了条件と称す
ることがある。）に関して、それぞれの顧客が持つ特長
をパターン化したものである。

【００２１】売上高シミュレーション装置４に入力され
た入場者数の予測値１ａによるそれぞれの入場者は、あ
る台特性を持つパチンコ遊技台をどのような特長（例え
ば顧客モデル４２に表されたものである）を持つ顧客が
選択したのかとの予測対象のパチンコ店における過去の
実績データを参考にしたり、あるいは乱数表を用いるな
どして、それぞれの台モデル４１に割当られる〔図４の
ステップ（Ｓ）１〕。また、台モデル４１に割当られた
入場者には、台特性に適合する適切な顧客モデル４２が
付与される。その際、当然のことながら入場者が割当ら
れない台モデル４１もありえる。これにより、顧客が割
当られる台モデル４１と、それ等の顧客が持つ顧客モデ
ル４２の種別とが決定される。そのうえで、個々の台モ
デル４１毎に、しかも，特定の顧客モデル４２を持つ顧
客毎に、顧客モデル４２による終了条件に当てはまるま
で、特賞確率が正規分布の確率変数を持つとして、個別
売上高のシミュレーションがそれぞれに行われ、個別売
上高の予測値４ｂがそれぞれ求められる（図４のＳ
２）。次に、個別売上高の予測値４ｂの全てを集計演算
し、将来の日時である予測対象日時における売上高の予
測値４ａが、人間の経験や勘などを介在させることが無
く、自動的に求められるのである（図４のＳ３）。な
お、売上高の予測値４ａを求める際の予測対象日時に関
しては、前述の台の稼働率の予測値１ａを求めた際の条
件と同一である。

【００２２】前記したように、売上高シミュレーション
装置４では、予測用データ群９ａを基にして、将来にお
ける店の売上高の予測値４ａが、入場者数の予測装置１
の場合と同様に、人間の経験や勘などを介在させること
が無く，自動的に求めることが可能であると共に、個人
差無しに精度の高い予測値４ａを求めることが可能なの
である。

【００２３】そうして、前述した予測値１ａ，予測値４
ａを個別あるいは共同して用いることで、台の設定状態
（釘や特賞確率値の設定など）により店の売上高がどの
ように変化するかなどの検討を予め高精度で行うことが
可能となる。これにより、パチンコ遊技店の経営計画の
立案を高精度にかつ容易に行えることになるのである。
なお、当然のことながら、売上高の予測が不要である場
合には、売上高シミュレーション装置４の設置は不要で
ある。

【００２４】

【実施例】以下この発明の実施例を図面を参照して詳細
に説明する。なお、この項の以下の説明においては、図
１〜図４に示したこの発明の実施の形態による予測装置
と同一部分には同じ符号を付し、その説明を省略する。
なお、この項の以下の説明に用いる図面中には、図１〜
図４で付した符号については、代表的な符号のみを記し
た。

【００２５】実施例１；図５は、請求項１に対応するこ
の発明の一実施例によるパチンコ遊技店における入場者
数の予測装置を示すブロック図であり、図６は、図５中
に示した入場者数の予測装置が持つ機能を説明する説明
図である。図５において、２は、公知のニューラルネッ
トワーク機能を有し、発明の実施の形態の項で説明した
ところにより、ホールコンピュータが保有しているなど
の予測用データ群９ａを入力し、この予測用データ群９
ａを基にして、入場者数の予測値１ａを自動的に求める
入場者数の予測装置としてのニューラルネットワーク予
測装置である。図５に示した事例においては、予測用デ
ータ群９ａの内容としては、図６中に示した９種類のデ
ータが採用されている。なお実施例１は、予測対象日は
翌日であり、予測対象日に対して１週間遡った範囲にお
ける実績データを用いて予測を行う場合の事例である。
したがって、予測に用いられる過去の実績データは、予
測対象日の曜日と同一の曜日を持つ前週の日時における
実績データとしている。

【００２６】ニューラルネットワーク予測装置２は、発
明の実施の形態の項で説明したところにより、まず、過
去の実績データに基づくデータ群９ａを入力して学習処
理を行う〔図６のステップ（Ｓ）２１〕。このＳ２１に
おいては、ニューラルネットワーク予測装置２は、予測
用データ群９ａ中の前週の入場者数（稼働率）を除くデ
ータ群を、図示を省略した入力層に入力し、図示を省略
した出力層からの出力と予測用データ群９ａ中の前週の
入場者数（稼働率）との差異が、例えば数〔％〕未満に
なるまで、図示を省略した重み係数の値を繰り返し調整
することで学習が行われる。この結果，学習済となった
ニューラルネットワーク予測装置２は、予測用のニュー
ラルネットワーク装置であることになる（図６のＳ２
２）。

【００２７】この予測用のニューラルネットワーク装置
であるニューラルネットワーク予測装置２により、予測
用データ群９ａを基にして、翌日の入場者数（稼働率）
の予測が行われ（図６のＳ２３）、予測結果としての翌
日の入場者数（稼働率）の予測値１ａが出力される（図
６のＳ２４）。この予測値１ａは、人間の経験や勘など
を介在させることが無く求められた値であるので、ニュ
ーラルネットワーク予測装置２を操作する操作者が異な
ってもその値は同一であり、また、気象条件，台設定条
件などを勘案したきめ細かな予測を行うことが可能なの
である。

【００２８】実施例２；図７は、請求項２，３に対応す
るこの発明の一実施例によるパチンコ遊技店における売
上高の予測装置を示すブロック図である。図８は、図７
中に示した売上高の予測装置が持つ機能を説明する説明
図であり、図９は、図８中に示した売上高シミュレーシ
ョン装置の一部の機能を詳しく説明する説明図である。
図７，図８図において、図５，図６に示した請求項１に
対応するこの発明の一実施例による入場者数の予測装置
２と同一部分には同じ符号を付し、その説明を省略す
る。なお、図７，図８図中には、図５，図６で付した符
号については、代表的な符号のみを記した。なお実施例
２の場合も、予測対象日は翌日であり、予測対象日に対
して１週間遡った範囲における実績データを用いて予測
を行う場合の事例である。したがって、予測に用いられ
る過去の実績データは、予測対象日の曜日と同一の曜日
を持つ前週の日時における実績データとしている。

【００２９】図７，図８において、５Ａは、ニューラル
ネットワーク予測装置２と売上高シミュレーション装置
４とを備えた売上高の予測装置である。売上高シミュレ
ーション装置４は、実施例１の項で説明済の入場者数
（稼働率）の予測値１ａを、台の稼働状態の予測情報と
して用い、対象とするパチンコ店の売上高の予測値４ａ
を自動的に求める電子装置である。予測装置５Ａでは、
ニューラルネットワーク予測装置２は、パチンコ遊技店
に設置されている複数のパチンコ台のそれぞれについて
の台の入場者数の予測値１ａを求めて出力する。このそ
れぞれの台の入場者数の予測値１ａは、店の翌日におけ
るそれぞれの台毎の使用状態が予測されることと同一で
ある。売上高シミュレーション装置４は、発明の実施の
形態の項で説明したごとくに、まず入場者数の予測値１
ａを基にして、ある台特性を持つパチンコ遊技台をどの
ような特長を持つ顧客が選択したのかとの予測対象のパ
チンコ店における過去の実績データを参考にしたり、あ
るいは乱数表を用いるなどして、それぞれの台モデル４
１に割当られる〔図８のステップ（Ｓ）１〕。また、台
モデル４１に割当られた入場者には、台特性に適合する
適切な顧客モデル４２が付与される。

【００３０】図９は、予測値１ａによる予測入場者数が
３人である場合を例にとり、予測入場者の台モデル４１
への割当てと、それぞれの予測入場者に付与される顧客
モデル４２の事例を示している。この事例では、入場者
に持たせる顧客モデルに従う遊技終了条件としては、投
資額，儲け額および遊戯時間としている。図９中におい
ては、個々の台モデル４１，顧客モデル４２のそれぞれ
を区別する場合には、図中に示すごとくに、符号４１，
４２に続いて、Ａ，Ｂ，Ｃを付すことにしている。この
場合、それぞれの予測入場者は、それぞれ、顧客モデル
４２Ａに示すような一般的な遊技の仕方をする顧客と、
顧客モデル４２Ｂに示すようなギャンブル性を好む顧客
と、顧客モデル４２Ｃに示すような暇つぶしとしてパチ
ンコ遊技を行う顧客であるとする。それぞれ、台モデル
４１Ａ，４１Ｂ，４１Ｃには、このような特長を持つ顧
客が選択する確率の高い台種類（台種類によっては、特
賞確率などが設定されている）であるとして、予測入場
者が割り当てられる。なお、この発明になる台モデル４
１では、特賞確率値は、正規分布した確率変数として保
有されている。

【００３１】次に、個々の台モデル４１毎に、しかも，
特定の顧客モデル４２を持つ顧客毎に、その顧客モデル
４２による終了条件に当てはまるまで、個別売上高のシ
ミュレーションが行われ、個別売上高の予測値４ｂが求
められる（図８のＳ２）。さらに、この個別売上高の予
測値４ｂの全てを集計演算し、売上高の予測値４ａが求
められるのである（図８のＳ３）。この予測値４ａは、
人間の経験や勘などを介在させることが無く求められた
値であるので、予測装置５Ａを操作する操作者が異なっ
てもその値は同一であり、また、気象条件，台設定条件
などを勘案したきめ細かな予測を行うことが可能なので
ある。

【００３２】実施例３；図１０は、請求項２，４に対応
するこの発明の一実施例によるパチンコ遊技店における
売上高の予測装置を示すブロック図であり、図１１は、
図１０中に示した売上高の予測装置が持つ機能を説明す
る説明図である。図１０，図１１図において、図７〜図
９に示した請求項２，３に対応するこの発明の一実施例
による売上高の予測装置５Ａと同一部分には同じ符号を
付し、その説明を省略する。なお、図１０，図１１図中
には、図７〜図９で付した符号については、代表的な符
号のみを記した。

【００３３】図１０，図１１図において、５Ｂは、図
７，図８図に示したこの発明による売上高の予測装置５
Ａに対して、ニューラルネットワーク予測装置２に替え
て入場者数の予測装置としての平均値演算装置３を用い
るようにした売上高の予測装置である。平均値演算装置
３は、この事例の場合には、公知の重回帰モデルを用い
て予測用データ群９ａの平均的な値を求める装置が採用
されている。予測装置５Ｂの場合に、予測用データ群９
ａとして前述の予測装置５Ａと同様内容とする場合も想
定できるが、平均値演算装置３が予測用データに関する
平均的な値を求める装置であるために、予測用データ群
９ａが持つ個々の予測用データの平均値を求める算式を
極力簡単化するために、この事例の場合には、予測用デ
ータ群９ａの内容としては、図１１中に示した４種類の
データが採用されている。

【００３４】平均値演算装置３には、図示を省略したホ
ールコンピュータが記録・保有している店の過去の実績
データ群から、予測対象日時と同一の曜日，時刻帯，天
気における入場者数に関するデータを検索した予測用デ
ータ群９ａが入力される。そうして平均値演算装置３
は、公知の重回帰法によりこの入場者数に関するデータ
群９ａの平均値を求めて、台の稼働率の予測値１ａｂと
して出力する。予測値１ａｂを入力した売上高シミュレ
ーション装置４の行う作業は、前述の実施例２による予
測装置５Ａの場合と同一であるので、重複を避けてその
説明を省略する。

【００３５】図１０，図１１図に示す実施例３では前述
の構成としたので、平均値演算装置３を用いて店の売上
高の予測値４ａを求めることができる。これにより予測
装置５Ｂは、実施例２による予測装置５Ａとほぼ同様な
作用・効果を得ることができると共に、ニューラルネッ
トワーク装置の操作に不慣れな操作者であっても，比較
的に容易に売上高の予測値４ａを得ることが可能にな
り、しかも、安価な製造原価の入場者数の予測装置を得
ることが可能となるのである。

【００３６】

【発明の効果】この発明においては、前記の課題を解決
するための手段の項で述べた構成とすることにより、次
記する効果を奏する。 課題を解決するための手段の項の第１項による構成と
することにより、ニューラルネットワーク予測装置を用
いて予測対象のパチンコ店に関する予測用データ群を基
にして、このパチンコ店の将来における入場者数を自動
的に求めることができる。これにより、操作者が異なっ
ても入場者数の予測値は不変であり、また、入場者数の
予測を、気象条件，台設定条件などを勘案してきめ細か
に行うことが可能となる。また、 課題を解決するための手段の項の第２項，第３項によ
る構成とすることにより、予測対象のパチンコ店に関す
る予測用データ群を基にし，ニューラルネットワーク予
測装置・売上高シミュレーション装置を用いて、このパ
チンコ店の将来における売上高を自動的に求めることが
できる。これにより、操作者が異なっても売上高の予測
値は不変であり、また、売上高の予測を、気象条件，台
設定条件などを勘案してきめ細かに行うことが可能とな
る。さらにまた、 課題を解決するための手段の項の第２項，第４項によ
る構成とすることにより、予測対象のパチンコ店に関す
る予測用データ群を基にし，平均値演算装置・売上高シ
ミュレーション装置を用いて、このパチンコ店の将来に
おける売上高を自動的に求めることができる。これによ
り、前記項による効果と同様の効果に加えて、ニュー
ラルネットワーク装置の操作に不慣れな操作者であって
も、比較的に容易に売上高の予測値を得ることが可能に
なると共に、製造原価の安価な売上高の予測装置を得る
ことが可能となる。

【図面の簡単な説明】

【図１】この発明によるパチンコ遊技店における入場者
数および売上高の予測装置の実施の形態を関連する装置
と共に示すブロック図

【図２】図１中に示した入場者数の予測装置の構成の一
例を模擬的に示す図

【図３】図２に示した入場者数の予測装置に用いられる
ニューラルネットワーク装置に行われる一般的な学習方
法を説明する説明図

【図４】図１中に示した売上高シミュレーション装置が
持つ機能を説明する説明図

【図５】請求項１に対応するこの発明の一実施例による
パチンコ遊技店における入場者数の予測装置を示すブロ
ック図

【図６】図５中に示した入場者数の予測装置が持つ機能
を説明する説明図

【図７】請求項２，３に対応するこの発明の一実施例に
よるパチンコ遊技店における売上高の予測装置を示すブ
ロック図

【図８】図７中に示した売上高の予測装置が持つ機能を
説明する説明図

【図９】図８中に示した売上高シミュレーション装置の
一部の機能を詳しく説明する説明図

【図１０】請求項２，４に対応するこの発明の一実施例
によるパチンコ遊技店における売上高の予測装置を示す
ブロック図

【図１１】図１０中に示した売上高の予測装置が持つ機
能を説明する説明図

【符号の説明】

１ 予測装置（入場者数） １ａ 予測値（入場者数） ２ ニューラルネットワーク装置 ３ 平均値演算装置 ４ 売上高シミュレーション装置 ４ａ 予測値（売上高） ５ 予測装置（売上高） ９ａ 予測用データ群

───────────────────────────────────────────────────── フロントページの続き (72)発明者 堂面 俊則 神奈川県川崎市川崎区田辺新田１番１号 富士電機株式会社内 (72)発明者 三沢 年之 東京都千代田区外神田六丁目５番12号 富 士電機冷機株式会社内

Claims (4)

【特許請求の範囲】
1. 【請求項１】複数のパチンコ遊技台が設置されたパチン
   コ遊技店の将来における入場者数を予測するための装置
   であって、ニューラルネットワーク機能を有し，このパ
   チンコ遊技店に関わるデータを含む予測用データ群を入
   力してこの予測用データ群を基にしてパチンコ遊技店の
   将来における入場者数の予測値を出力するニューラルネ
   ットワーク装置を備え、予測用データ群を基にしてニュ
   ーラルネットワーク装置によって将来における入場者数
   の予測値を自動的に求めるようにしたことを特徴とする
   パチンコ遊技店における入場者数の予測装置。
2. 【請求項２】複数のパチンコ遊技台が設置されたパチン
   コ遊技店の将来における売上高を予測するための装置で
   あって、このパチンコ遊技店に関わるデータを含む予測
   用データ群を入力してこのパチンコ遊技店の将来におけ
   る入場者数の予測値を求めて出力する入場者数の予測装
   置と、特定のパターンとして数値化された顧客の遊技終
   了条件を有ししかもこの遊技終了条件に関し少なくとも
   一部については異なるパターンを持つようにした複数の
   顧客モデルと，少なくとも釘に関するパチンコ遊技台の
   特定された設定条件と必要に応じては正規分布した確率
   変数値として規定された特賞の発生確率値に関するパチ
   ンコ遊技台の特定された設定条件を有ししかもこれ等の
   設定条件に関し少なくとも一部については異なる設定条
   件を持つようにした複数のパチンコ遊技台モデルを有す
   る売上高シミュレーション装置とを備え、この売上高シ
   ミュレーション装置は、入場者数の予測装置から出力さ
   れた入場者数の予測値を入力し、この予測値に従う数の
   予測入場者を前記の複数のパチンコ遊技台モデルに対し
   て振り分け、それぞれのパチンコ遊技台モデル毎に，そ
   のパチンコ遊技台モデルが持つ前記の特定された設定条
   件と振り分けられた入場者に持たせる顧客モデルに従う
   遊技終了条件とを用いてそれぞれの入場者毎の個人別売
   上高予測値をシミュレーションによって求め、入場者数
   の予測装置により予測された全ての入場者に関して前記
   の個人別の売上高予測値の集計を行うことで将来におけ
   る売上高を予測する装置であり、これによりパチンコ遊
   技店の将来における売上高の予測値を自動的に求めるよ
   うにしたことを特徴とするパチンコ遊技店における売上
   高の予測装置。
3. 【請求項３】請求項２に記載のパチンコ遊技店における
   売上高の予測装置において、 入場者数の予測装置は、ニューラルネットワーク機能を
   有し、このパチンコ遊技店に関わるデータを含む予測用
   データ群を入力してこのパチンコ遊技店の将来における
   入場者数の予測値を求めて出力するものであることを特
   徴とするパチンコ遊技店における売上高の予測装置。
4. 【請求項４】請求項２に記載のパチンコ遊技店における
   売上高の予測装置において、 入場者数の予測装置は、このパチンコ遊技店に関わるデ
   ータを含む予測用データ群を入力し、このパチンコ遊技
   店の過去の実績データの平均値として，将来における入
   場者数の予測値を演算して出力するものであることを特
   徴とするパチンコ遊技店における売上高の予測装置。