WO2013031092A1

WO2013031092A1 - 動線検出性能シミュレーションシステム、方法およびプログラム

Info

Publication number: WO2013031092A1
Application number: PCT/JP2012/004905
Authority: WO
Inventors: 有紀江森口; 小西　勇介
Original assignee: 日本電気株式会社
Priority date: 2011-08-26
Filing date: 2012-08-02
Publication date: 2013-03-07

Abstract

　指定したパラメータに関する最適値を推定し、その最適値のもとでの動線検出性能の分布範囲を推定することができる動線検出性能シミュレーションシステムを提供する。指定パラメータ値選択手段７１は、指定パラメータの最適値の推定完了条件が満たされるまで、指定パラメータの値として選択したパラメータ値と、動線検出性能算出手段７５によって算出された動線検出性能とに基づいて、動線検出性能の分布を更新し、指定パラメータの値として、動線検出性能が最も高くなるときの値、およびその周辺の値を選択することを繰り返す。そして、誤差要因パラメータ選択手段７２は、指定パラメータの最適値のもとで動線検出性能の上限に対応する誤差要因パラメータの値と、動線検出性能の下限に対応する誤差要因パラメータの値とを選択する。

Description

動線検出性能シミュレーションシステム、方法およびプログラム

　本発明は、任意の環境に動線検出システムを導入する場合に、指定したパラメータに関して最適値を推定し、その最適値のもとでの動線検出性能の分布範囲を推定する動線検出性能シミュレーションシステム、動線検出性能シミュレーション方法および動線検出性能シミュレーションプログラムに関する。

　近年、人や物等の移動体の動線情報を収集し、活用する場面が増えている。例えば、オフィスや工場等では、構内作業者やゲスト毎に設定されているセキュリティ権限に応じて立ち入り可能な場所を判別し、必要に応じてアラートを出力するといったサービスが考えられている。また、商業施設等では、顧客の動線を分析しマーケティングに活用する場面が考えられている。

　一般に、人物や物等の移動体に対する追跡処理は、移動体の位置情報と移動体のＩＤ情報とを対応付けることにより実現される。このような対応付けによって、移動体を一意に識別して追跡することができる。このような移動体追跡に関する技術が種々提案されている。

　例えば、非特許文献１に記載された動線検出方式では、異種のセンサを用いており、可視カメラからは移動体の詳細な軌跡情報を取得し、アクティブＲＦＩＤ（Radio Frequency IDentification）タグから移動体のＩＤ情報を取得する。そして、軌跡情報とＩＤ情報の検知履歴を参照し、時空間的に相関の高い軌跡情報とＩＤとを対応付けて、動線として出力する。

　また、特許文献１に記載された人物追跡装置では、センサ（可視カメラ）が監視領域内の人物を撮影し、そのセンサから出力された映像信号に基づいて特徴情報抽出手段が人物の特徴量を抽出する。そして、人物の識別情報と特徴情報とを関連付けて学習し、特徴情報抽出手段によって抽出された特徴情報と学習結果とから人物のＩＤを特定し、特定した人物のＩＤとその人物の位置情報を追跡情報として出力する。

　また、このような動線検出システムでは、動線検出システムを適用する環境の違い、動線検出システムを使用して追跡する対象の条件、および、動線検出システムで使用するセンサの条件等によって、得られる動線検出性能が変動することがある。例えば、同じ人数の動線検出を行うとしても、追跡領域が広い場合と狭い場合とでは、得られる動線検出性能は異なる。この理由について説明する。同じ人数に対し追跡領域の広さが異なると、追跡領域中の移動体の人口密度が異なることになる。そして、人口密度が低い場合に比べ、人口密度が高い場合の方が、動線検出が難しくなる状況（例えば、移動体同士のすれ違いや共連れ等）が頻発し、動線検出性能が低下する。この結果、動線検出性能は異なることになる。なお、共連れとは、２以上の移動体がごく近い距離で同じ経路を移動している状態を意味する。

　また、特許文献３にも動線検出処理が記載されている。

　また、環境や対象物の条件をモデル化し、対象物に関する性能を予測するためのシミュレーション方法として、例えば、特許文献２に記載されたタイヤ性能のシミュレーション方法がある。特許文献２に記載されたシミュレーション方法では、タイヤを複数の構成要素に分割して近似したモデルを作成する。そして、タイヤの使用条件によってばらつきが生じる車輪速、路面状態、荷重等を誤差因子として複数選択し、タイヤ製造において制御可能なタイヤの形状、構造、材料、トレッドパターン等の設計パラメータを制御因子として選択し、これらの因子を直交表に割付け、直交表に割り付けた各因子の組合せについて、モデルに基づいてタイヤの性能を予測し、性能と誤差変動を算出する。これにより、タイヤの使用条件によってばらつきが生じる因子がある場合でも、安定した性能を得られるタイヤの制御因子を選択することができる。このように、特許文献２に記載されたタイヤ性能のシミュレーション方法では、性能にばらつきを与えるものとして予め選択されたパラメータを直交表に割り付け、直交表に割り付けた各パラメータの組合せに関してシミュレーションを行い、各パラメータの組合せに関する性能と誤差変動を算出する。

特開２００８－２９９７４２号公報特許第４５９７３３７号国際公開第ＷＯ２０１１／０２１５８８号パンフレット

森口有紀江、小西勇介、中尾敏康、「異種センサ統合に基づく頑健で高速な動線検出方式」、「情報処理学会研究報告　Ｖｏｌ．２０１１－ＵＢＩ－２９　Ｎｏ．２」、社団法人情報処理学会、２０１１年

　動線検出システムを実環境に導入し、検出される動線を用いて、セキュリティや作業効率の改善サービス、あるいは、マーケティングへの活用等のサービスを提供する場合、動線検出性能の変動はサービスの質に大きく影響する。

　そのため、実際に動線検出システムを実環境に導入する前に、指定したパラメータに関して、最も良好な動線検出性能が得られる値（最適値）を予め特定できることが好ましい。

　さらに、指定したパラメータに関する最適値のもとで、動線検出性能の分布範囲を推定できることが好ましい。指定したパラメータを最適値とした場合における動線検出性能の分布範囲を推定することができれば、各サービスを提供するために必要十分な動線検出性能が得られるかを予め判断できるようになると考えられる。

　そこで、本発明は、指定したパラメータに関する最適値を推定し、その最適値のもとでの動線検出性能の分布範囲を推定することができる動線検出性能シミュレーションシステム、動線検出性能シミュレーション方法および動線検出性能シミュレーションプログラムを提供することを目的とする。

　本発明による動線検出性能シミュレーションシステムは、動線検出性能の分布に基づいて、利用者に指定されるパラメータである指定パラメータの値として、動線検出性能が最も高くなるときの値、およびその周辺の値を選択する指定パラメータ値選択手段と、動線検出性能にばらつきを与える要因となるパラメータである誤差要因パラメータを選択し、当該誤差要因パラメータの値を選択する誤差要因パラメータ選択手段と、移動体の追跡領域に関する条件を表す環境情報と、移動体に関する条件を表す移動体情報と、移動体ＩＤを検出するセンサおよび同一の移動体の軌跡となる各位置に対して共通の軌跡ＩＤを割り当てるセンサに関する各条件を表すセンサ情報と、前記指定パラメータの値と、前記誤差要因パラメータの値とに基づいて、前記移動体ＩＤを検出するセンサによって検出される情報を模擬し、移動体ＩＤ、検出時刻および検出位置を含む模擬移動体ＩＤ情報と、前記同一の移動体の軌跡となる各位置に対して共通の軌跡ＩＤを割り当てるセンサによって検出される情報を模擬し、軌跡ＩＤ、検出時刻および検出位置を含む模擬軌跡情報とを生成する模擬データ生成手段と、前記模擬移動体ＩＤ情報および前記模擬軌跡情報とを用いて、移動体ＩＤと軌跡ＩＤとを対応付ける動線検出手段と、動線検出手段による移動体ＩＤと軌跡ＩＤとの対応付け結果から動線検出性能を算出する動線検出性能算出手段とを備え、指定パラメータ値選択手段が、指定パラメータの最適値の推定完了条件が満たされるまで、指定パラメータの値として選択したパラメータ値と、動線検出性能算出手段によって算出された動線検出性能とに基づいて、動線検出性能の分布を更新し、指定パラメータの値として、動線検出性能が最も高くなるときの値、およびその周辺の値を選択することを繰り返し、誤差要因パラメータ選択手段はが、前記指定パラメータの最適値のもとで動線検出性能の上限に対応する誤差要因パラメータの値と、動線検出性能の下限に対応する誤差要因パラメータの値とを選択することを特徴とする。

　また、本発明による動線検出性能シミュレーション方法は、指定パラメータ値選択手段が、動線検出性能の分布に基づいて、利用者に指定されるパラメータである指定パラメータの値として、動線検出性能が最も高くなるときの値、およびその周辺の値を選択し、誤差要因パラメータ選択手段が、動線検出性能にばらつきを与える要因となるパラメータである誤差要因パラメータを選択し、当該誤差要因パラメータの値を選択し、模擬データ生成手段が、移動体の追跡領域に関する条件を表す環境情報と、移動体に関する条件を表す移動体情報と、移動体ＩＤを検出するセンサおよび同一の移動体の軌跡となる各位置に対して共通の軌跡ＩＤを割り当てるセンサに関する各条件を表すセンサ情報と、前記指定パラメータの値と、前記誤差要因パラメータの値とに基づいて、前記移動体ＩＤを検出するセンサによって検出される情報を模擬し、移動体ＩＤ、検出時刻および検出位置を含む模擬移動体ＩＤ情報と、前記同一の移動体の軌跡となる各位置に対して共通の軌跡ＩＤを割り当てるセンサによって検出される情報を模擬し、軌跡ＩＤ、検出時刻および検出位置を含む模擬軌跡情報とを生成し、動線検出手段が、前記模擬移動体ＩＤ情報および前記模擬軌跡情報とを用いて、移動体ＩＤと軌跡ＩＤとを対応付け、動線検出性能算出手段が、動線検出手段による移動体ＩＤと軌跡ＩＤとの対応付け結果から動線検出性能を算出し、指定パラメータ値選択手段が、指定パラメータの最適値の推定完了条件が満たされるまで、指定パラメータの値として選択したパラメータ値と、動線検出性能算出手段によって算出された動線検出性能とに基づいて、動線検出性能の分布を更新し、指定パラメータの値として、動線検出性能が最も高くなるときの値、およびその周辺の値を選択することを繰り返し、誤差要因パラメータ選択手段が、前記指定パラメータの最適値のもとで動線検出性能の上限に対応する誤差要因パラメータの値と、動線検出性能の下限に対応する誤差要因パラメータの値とを選択することを特徴とする。

　また、本発明による動線検出性能シミュレーションプログラムは、コンピュータに、動線検出性能の分布に基づいて、利用者に指定されるパラメータである指定パラメータの値として、動線検出性能が最も高くなるときの値、およびその周辺の値を選択する指定パラメータ値選択処理、動線検出性能にばらつきを与える要因となるパラメータである誤差要因パラメータを選択し、当該誤差要因パラメータの値を選択する誤差要因パラメータ選択処理、移動体の追跡領域に関する条件を表す環境情報と、移動体に関する条件を表す移動体情報と、移動体ＩＤを検出するセンサおよび同一の移動体の軌跡となる各位置に対して共通の軌跡ＩＤを割り当てるセンサに関する各条件を表すセンサ情報と、前記指定パラメータの値と、前記誤差要因パラメータの値とに基づいて、前記移動体ＩＤを検出するセンサによって検出される情報を模擬し、移動体ＩＤ、検出時刻および検出位置を含む模擬移動体ＩＤ情報と、前記同一の移動体の軌跡となる各位置に対して共通の軌跡ＩＤを割り当てるセンサによって検出される情報を模擬し、軌跡ＩＤ、検出時刻および検出位置を含む模擬軌跡情報とを生成する模擬データ生成処理、前記模擬移動体ＩＤ情報および前記模擬軌跡情報とを用いて、移動体ＩＤと軌跡ＩＤとを対応付ける動線検出処理、および、動線検出処理での移動体ＩＤと軌跡ＩＤとの対応付け結果から動線検出性能を算出する動線検出性能算出処理を実行させ、指定パラメータ値選択処理として、指定パラメータの最適値の推定完了条件が満たされるまで、指定パラメータの値として選択したパラメータ値と、動線検出性能算出処理で算出された動線検出性能とに基づいて、動線検出性能の分布を更新し、指定パラメータの値として、動線検出性能が最も高くなるときの値、およびその周辺の値を選択することを繰り返させ、誤差要因パラメータ選択処理として、前記指定パラメータの最適値のもとで動線検出性能の上限に対応する誤差要因パラメータの値と、動線検出性能の下限に対応する誤差要因パラメータの値とを選択させることを特徴とする。

　本発明によれば、指定したパラメータに関する最適値を推定し、その最適値のもとでの動線検出性能の分布範囲を推定することができる。

本発明の動線検出性能シミュレーションシステムの例を示すブロック図である。追跡領域の例を示す模式図である。図２に示す追跡領域６１を記述した環境モデルの例を示す説明図である。移動体モデルの例を示す説明図である。センサモデルの例を示す説明図である。センサモデルの例を示す説明図である。ばらつきモデルの例を示す説明図である。本発明の動線検出性能シミュレーションシステムの処理経過の例を示すフローチャートである。本発明の動線検出性能シミュレーションシステムの処理経過の例を示すフローチャートである。指定パラメータ値選択部３３がステップＳ８で選択するパラメータ値ｐ１，ｐ２，ｐ３を模式的に示す説明図である。ばらつきモデルの他の例を示す説明図である。ばらつきモデルの他の例を示す説明図である。指定パラメータの各値ｐ１，ｐ２，ｐ３に関して求められた動線検出性能を示す模式図である。ｐ４を模式的に示す説明図である。ｐ４に関して得られた動線検出性能を示す模式図である。本発明の最小構成の例を示すブロック図である。

　以下、本発明の実施形態を図面を参照して説明する。

　図１は、本発明の動線検出性能シミュレーションシステムの例を示すブロック図である。本発明の動線検出性能シミュレーションシステムは、モデル入力部１と、指定パラメータ種別入力部２と、パラメータ選択部３と、模擬データ生成部４と、動線検出処理部５と、動線検出性能算出部６と、動線検出性能出力部７とを備える。

　モデル入力部１には、動線検出システムの導入対象としている環境等に関する条件のうち、予め確定している条件をモデル化した情報（以下、モデルと記す。）がシステム導入者によって入力される。システム導入者は、動線検出システムの導入者である。動線検出性能シミュレーションシステムの利用者は、システム導入者であると想定される。以下、動線検出性能シミュレーションシステムの利用者（以降、単に利用者と記す。）がシステム導入者であるものとして説明する。

　指定パラメータ種別入力部２には、動線検出システムを導入するにあたって、利用者（システム導入者）が最適化したいと考えるパラメータの種別が利用者によって入力される。以下、指定パラメータ種別入力部２に入力される種別が表すパラメータを指定パラメータと記す。

　パラメータ選択部３は、最も高い動線検出性能を得るために最適な指定パラメータの値を推定する。また、パラメータ選択部３は、その指定パラメータの値のもとで動線検出性能の分布範囲を推定するために、動線検出性能にばらつきを与える要因となるパラメータ種別を選択し、そのパラメータに関して、動線検出性能が上限・下限となる値を推定する。なお、パラメータ選択部３は、指定パラメータの最適値を求める際には、動線検出性能にばらつきを与える要因となるパラメータを固定値に定める。以下、動線検出性能にばらつきを与える要因となるパラメータを、誤差要因パラメータと記す。

　模擬データ生成部４は、モデル入力部１に入力された各モデルとパラメータ選択部３で規定された指定パラメータおよび誤差要因パラメータの値を用いて、移動体の移動を模擬したデータ（模擬移動データ）と、移動体をセンサで測位した際に得られる測位データを模擬した模擬測位データとを生成する。

　動線検出処理部５は、模擬データ生成部４で生成した模擬測位データを用いて動線検出処理を行う。

　動線検出性能算出部６は、動線検出処理部５から入力された動線検出処理結果と、模擬データ生成部４で生成される正解データとに基づいて、動線検出性能を算出する。正解データについては後述する。

　動線検出性能出力部７は、指定パラメータの最適値と、その最適値のもとでの動線検出性能の分布範囲を出力する。なお、動線検出性能の分布範囲は、動線検出性能の上限および下限によって表すことができるので、動線検出性能の分布範囲を、動線検出性能の上限および下限で規定してもよい。

　なお、本発明において、動線検出処理とは、少なくとも移動体の位置座標と検出時刻と軌跡ＩＤとを含む軌跡情報と、少なくとも移動体のＩＤ（移動体ＩＤ）と検出位置と検出時刻とを含む移動体ＩＤ情報とを入力情報として用い、各軌跡情報に各移動体ＩＤを割当てることによって、移動体ＩＤ付きの動線を生成する処理である。また、軌跡ＩＤとは、連続して検出に成功した移動体の位置情報に対して同一の移動体の位置情報であることを判別するために割り当てられる識別情報である。本発明の説明では、「移動体ＩＤ情報」と、「移動体ＩＤ」とを区別する。「移動体ＩＤ」は移動体のＩＤそのものであり、「移動体ＩＤ情報」は、移動体ＩＤと、その検出位置および検出時刻とを含む情報である。

　また、オクルージョンによってある移動体の軌跡情報が途切れ、複数の断片的な軌跡情報と移動体ＩＤ情報とを用いて移動体ＩＤ付きの動線を生成しようとする場合には、断片化した軌跡情報を組合せて１人分の移動軌跡を生成し、この断片化した軌跡情報の組合せに対して移動体ＩＤ情報を割当てる処理を行うものとする。その際に、時空間的な制約に基づいて断片化した軌跡情報の組合せを生成するようにしてもよいし、軌跡情報に付随して移動体の属性情報を取得できる場合には、断片化した軌跡間における属性情報の相関と時空間的な制約に基づいて軌跡情報の組合せを生成するようにしてもよい。移動体の属性情報とは、例えば、移動体の色、形状、大きさ、重さ等の時間経過による変化が起こりにくい移動体の特徴を表す情報である。また、移動体が人物である場合には、年齢や性別等を属性情報として用いてもよい。

　以下、各要素について詳細に説明する。

　モデル入力部１には、動線検出システムが導入される環境に関して予め決定されている条件を記述したモデルが利用者によって入力される。具体的には、モデル入力部１には、環境モデル１１と、移動体モデル１２と、センサモデル１３とが入力される。

　環境モデル１１は、追跡領域の範囲や構造等の条件をパラメータ化して定義した情報である。環境モデル１１によって、移動体の移動に関する自由度が制限される。例えば、追跡領域の範囲、追跡領域のうち移動体が移動可能な経路や向き、追跡領域のうち移動体が移動困難な領域、追跡領域中の壁や出入り口の位置等をパラメータとし、各パラメータに対して具体的な値を設定し、環境モデル１１としてもよい。より具体的には、追跡領域の範囲に関しては、動線検出システムで定義している２次元の座標系に基づいて追跡領域を表す地図を作成し、地図の右上隅のＸ，Ｙ座標と、左下隅のＸ，Ｙ座標とを指定して記述してもよい。追跡領域のうち移動体が移動可能な領域に関しては、移動可能な経路をノードとリンクを用いた有向グラフもしくは無向グラフで表すものとし、追跡領域を表す地図上における移動可能な経路および交差点上の座標を指定して複数のノードを設定し、ノード間を直線移動可能な場合はノード間にリンクを設定するようにして記述してもよい。追跡領域のうち移動困難な領域は、追跡領域内においてＸ，Ｙ座標で規定されるポリゴンとして記述してもよい。あるいは、追跡領域のうち移動困難な領域の記述方法として、追跡領域を表す地図を複数の領域に分割し、分割した領域毎に、移動体が領域上を通過する際に要する時間をコストとして記述する方法を用いてもよい。追跡領域における壁や出入り口は、追跡領域においてＸ，Ｙ座標で規定されるポリゴンとして記述し、各ポリゴンに対して、移動体が通過不可能であることを表す識別子、または、移動体が通過可能であることを表す識別子を対応付けることで表現してもよい。

　環境モデル１１では、入力必須のパラメータと、入力が任意であるパラメータとが存在してもよい。例えば、追跡領域の範囲は入力必須のパラメータであるが、その他のパラメータの入力は任意としてもよい。この場合、入力されなかったパラメータに関しては、追跡領域中に移動体の移動が制限されずに、移動体は自由に移動できることを意味する。

　図２は、追跡領域の例を示す模式図である。図２に例示する追跡領域６１の範囲は、１２ｍ×１２ｍである。また、追跡領域６１において、カメラによって軌跡情報が検出され、アクティブＲＦＩＤリーダによって移動体ＩＤ情報が検出されるものとする。図２では、追跡領域６１内に、アクティブＲＦＩＤリーダによる移動体ＩＤ検出領域６２が４つ存在する場合を例示している。図２に示す追跡領域６１を記述した環境モデル１１の例を図３に示す。図３に示す例では、入力必須のパラメータである追跡領域の範囲のみを記述している。また、追跡領域６１の右上隅のＸ，Ｙ座標と、左下隅のＸ，Ｙ座標とを記述することで追跡領域の範囲を表している。

　移動体モデル１２は、移動体の条件をパラメータ化して定義した情報である。例えば、追跡領域内に存在する移動体の人数、移動体の移動速度、移動体の停留頻度、移動体の停留時間長、追跡領域内を移動する移動体と同じ場所に留まる移動体との比率等をパラメータとし、各パラメータに対して具体的な値を設定し、移動体モデル１２としてもよい。より具体的には、移動体の人数、移動体の移動速度、移動体の停留頻度、移動体の停留時間長、および追跡領域内を移動する移動体と同じ場所に留まる移動体との比率は、１種類の数値を設定してもよい。あるいは、下限と上限を設けてその範囲に属する値がランダムに選択されるように設定してもよい。移動体の停留頻度は、移動体がｎメートル進む毎に１回停留すると記述してもよいし、ｎ秒経過する毎に１回停留すると記述してもよい。また、動線検出処理部５で、移動体の属性情報も用いて動線検出処理を行う場合は、移動体の属性情報の分布をパラメータ化してもよい。例えば、移動体として人物を想定する場合、性別の比率、年代別の人口分布、身長別の人口分布、服装のばらつき度等をパラメータとして用いてもよい。

　移動体モデル１２は、個々の移動体に着目して移動体毎の挙動を定義するミクロ視点のモデルではなく、移動体全体の傾向を定義するマクロ視点のモデルである。従って、例えば、移動体毎の移動経路を定義するようなパラメータは、移動体モデル１２に含まれない。

　移動体モデル１２では、入力必須のパラメータと、入力が任意であるパラメータとが存在してもよい。例えば、移動体の人数と移動体の移動速度とを入力必須のパラメータとし、その他のパラメータの入力は任意としてもよい。なお、移動体モデル１２に含まれなかった移動体に関係するパラメータは、動線検出性能のばらつきの要因となる。従って、そのようなパラメータは、後述する誤差要因パラメータ選択部３２において誤差要因パラメータとして用いることができる。

　図４は、移動体モデル１２の例を示す説明図である。図４に例示する移動体モデルでは、移動体の数、移動体の移動速度、移動者比率（追跡領域内を移動する移動体と同じ場所に留まる移動体との比率）、および、ＩＤタグ所持率を定義している。ＩＤタグ所持率は、アクティブＲＦＩＤリーダによって検出されるＩＤタグを所持する移動者と、所持していない移動者との比率である。移動者比率が０．５であるということは、８人の移動体のうち５０％が追跡領域内を移動していることを意味する。

　センサモデル１３は、追跡領域内に設置するセンサの条件をパラメータ化して定義した情報である。例えば、設置するセンサ種別、各センサの検知範囲、各センサの検知性能、各センサのセンサ数、各センサの設置位置等をパラメータとし、各パラメータに対して具体的な値を設定し、センサモデル１３としてもよい。より具体的には、センサの検知範囲は、追跡領域内においてＸ，Ｙ座標で規定されるポリゴンとして記述してもよい。あるいは、センサの検知範囲の記述方法として、追跡領域を表す地図を複数の領域に分割し、分割した各領域のうち、検知範囲に該当する各領域にそれぞれ、検知範囲であることを示す識別子を設定することによって検知範囲を記述するようにしてもよい。センサの検知性能として、未検知率、過検知率および誤検知率をそれぞれ記述してもよい。なお、未検知率は、本来検知されるべき移動体を検知し損ねる割合である。過検知率は、移動体ではないものを移動体として検知する割合である。誤検知率は、ある移動体を別の移動体として検知する割合である。また、センサの検知性能は、１種類の数値を設定してもよい。あるいは、下限と上限を設けてその範囲に属する値がランダムに選択されるように設定してもよい。センサの設置位置は、追跡領域内におけるＸ，Ｙ座標を用いて記述してもよい。あるいは、追跡領域を表す地図を複数の領域に分割し、分割した各領域のうち、センサの設置位置に該当する領域に、センサの設置位置であることを示す識別子を設定することによって設置位置を記述してもよい。

　センサモデル１３では、入力必須のパラメータと、入力が任意であるパラメータとが存在してもよい。例えば、各センサの検知性能を表す情報として、過検知率、誤検知率、検知漏れ率の３つを定義する場合、各センサ種ではこれらの全てのパラメータについて値を設定せずに、一部のパラメータについてのみ値を定義してもよい。この場合、入力されなかったパラメータに関しては、そのパラメータに関する事象が発生しないことを意味する。

　なお、本発明にて想定している動線検出処理は、異種センサから得られる軌跡情報と移動体ＩＤ情報とを対応付けることにより動線を生成することを前提としている。そのため、センサモデル１３では、軌跡情報を出力するセンサと移動体ＩＤ情報を出力するセンサについて、それぞれセンサモデルを定義する必要がある。

　図５および図６は、センサモデル１３の例を示す説明図である。図５では、アクティブＲＦＩＤリーダを表すセンサモデルを例示し、図６では、カメラを表すセンサモデルを例示している。図５および図６に示すいずれの例においても、センサ種別、センサ密度、センサ検知範囲、検知漏れ率をパラメータとしている。なお、アクティブＲＦＩＤリーダは移動体ＩＤ情報を出力するセンサであり、カメラは軌跡情報を出力するセンサである。

　軌跡情報を検出するセンサは、カメラに限定されない。軌跡情報を検出するセンサは、少なくとも追跡領域内での移動体の位置座標を検出し、検出時刻の特定、および、軌跡ＩＤの割り当てを行うことができる装置であればよい。軌跡情報を検出するセンサのセンサモデルとして、カメラの他に、例えば、レーザレンジファインダ、レーダー、床圧力センサ等のセンサモデルを設定してもよい。あるいは、ＧＰＳ（Global Positioning System ）等の測位センサを搭載した無線通信可能な携帯端末に関するセンサモデルを設定してもよい。

　また、移動体ＩＤ情報を検出するセンサは、少なくとも移動体に対応付く固有の移動体ＩＤを検出し、その検出時刻および移動体ＩＤの検出位置を特定できる装置であればよい。ＩＤ情報を検出するためのセンサのセンサモデルとして、例えば、前述の例のように追跡領域内に配置されるアクティブＲＦＩＤリーダのセンサモデルを設定してもよい。なお、この場合、移動体が所有するアクティブＲＦＩＤタグの識別情報を移動体ＩＤとして用いればよい。また、追跡領域内に配置される無線ＬＡＮのアクセスポイントのセンサモデルを設定してもよい。この場合、移動体が所有する無線ＬＡＮ機能を備えた携行端末のＭＡＣアドレスを移動体ＩＤとして用いればよい。また、追跡領域内に配置されるＩＣカードリーダのセンサモデルを設定してもよい。この場合、移動体が所有するＩＣカードの識別情報を移動体ＩＤとして用いればよい。また、追跡領域内に配置されるコードリーダのセンサモデルを設定してもよい。この場合、移動体にコードを印字し、そのコードを移動体ＩＤとして用いればよい。また、移動体が人物である場合には、追跡領域内に配置される生体情報認証装置のセンサモデルを設定してもよい。生体情報認証装置が検出する生体情報の例として、例えば、指紋、静脈、虹彩等が挙げられる。この場合、これらの生体情報が移動体ＩＤとして用いられる。

　モデル入力部１には、動線検出システムを導入する上で、既に確定している情報のみを定義したモデルが入力されればよい。利用者が決定できない条件や、これから決定したい条件については、モデル入力部１に入力されるモデル１１～１３に含まれていなくてよい。

　モデル入力部１は、モデルを表す各パラメータとその各パラメータの値とを入力できる装置であればよい。例えば、モデル入力部１はキーボードやマウス等の入力デバイスであってもよい。モデル入力部１がマウスである場合、表示された種々のパラメータの種別や、パラメータの値をマウスで選択することで、入力操作を行えばよい。

　指定パラメータ種別入力部２には、利用者が、導入しようとしている動線検出システムで最も高い動線検出性能を得るために最適化したいと考えているパラメータ（指定パラメータ）の種別が入力される。

　指定パラメータとして、例えば、動線検出システムの実行条件に関するパラメータを用いることができる。動線検出システムの実行条件に関するパラメータとして、例えば、動線検出処理に用いる入力データの履歴長（過去のどの時点以降のデータを用いるかを規定する情報）や、移動体の断片的な軌跡情報を組み合わせた軌跡連結候補の生成数の上限を用いてもよい。動線検出処理では、軌跡連結候補と移動体ＩＤとの組み合わせの集合を複数つくり、尤度の高い組み合わせの集合を選択するが、その組み合わせの集合の生成数の上限を指定パラメータとして用いてもよい。

　利用者は、モデル入力部１に入力される各モデル１１～１３において値が定められていないパラメータを指定パラメータとし、その種別を指定パラメータ種別入力部２に入力する。指定パラメータ種別入力部２は、利用者によって入力された指定パラメータの種別をパラメータ選択部３に送る。なお、指定パラメータ種別入力部２に入力される指定パラメータの種別は１種類のみであってもよいし、複数種類であってもよい。

　指定パラメータ種別入力部２は、パラメータの種別を入力できる装置であればよい。例えば、指定パラメータ種別入力部２は、キーボードやマウス等の入力デバイスであってもよい。指定パラメータ種別入力部２がマウスである場合、表示された種々のパラメータの種別をマウスで選択することで、入力操作を行えばよい。

　パラメータ選択部３は、予め記憶している動線検出性能に変動を生じさせる要因毎の動線検出性能の変化を表すばらつきモデルと、過去に算出した動線検出処理性能とに基づいて、指定パラメータ種別入力部２に入力されたパラメータ種別によって特定される指定パラメータの最適値を推定する。また、パラメータ選択部３は、誤差要因パラメータを選択し、指定パラメータを最適値にしたときにおいて動線検出性能が上限・下限となる誤差要因パラメータの値を求める。既に説明したように、指定パラメータの最適値を求める場合、誤差要因パラメータの値は固定値とする。パラメータ選択部３が、指定パラメータの値および誤差要因パラメータの値を模擬データ生成部４および動線検出処理部５に送り、その各パラメータ値に応じた動線検出性能結果を動線検出性能算出部６から得る。上記の「過去に算出した動線検出処理性能」とは、動線検出性能算出部６から得た動線検出性能結果である。

　誤差要因パラメータは、利用者（システム導入者）には制御できない条件を表すパラメータであってよい。利用者に制御できない条件の例として、追跡領域中を移動する移動体の詳細な動き等に関する条件が挙げられる。より具体的には、移動体の同士のすれ違い、Ｕターン、共連れの発生頻度が挙げられ、誤差要因パラメータは、これらのパラメータであってもよい。

　パラメータ選択部３は、まず、指定パラメータの最適値を求め、次に、その最適値のもとで動線検出性能が上限・下限となる誤差要因パラメータの値を求める。この誤差要因パラメータの値のもとで求められた動線検出性能は、動線検出性能の上限および下限に該当し、動線検出性能の分布範囲を表しているということができる。

　パラメータ選択部３は、ばらつきモデル記憶部３１と、誤差要因パラメータ選択部３２と、指定パラメータ値選択部３３と、終了判定部３４とを含む。

　ばらつきモデル記憶部３１は、動線検出性能にばらつきを与える要因となるパラメータ（すなわち、誤差要因パラメータ）毎に、パラメータ種別と、当該パラメータの値を変動させた場合に得られる動線検出性能の変化の傾向および動線検出性能の変化の幅を導出可能な情報とを含む情報を記憶する。上記の変化の傾向および変化の幅を導出可能な情報と、パラメータ種別とを含む情報をばらつきモデルと称する。動線検出性能の変化の傾向とは、例えば、動線検出処理の入力に用いるセンサ情報（軌跡情報および移動体ＩＤ情報）の履歴長をパラメータ種別とした場合、履歴長が短い場合、標準の場合、長い場合と変化させた場合に、動線検出性能が相対的に高くなるのか、低くなるのか、変わらないのか、ということを表したものを意味する。また、動線検出性能の変化の幅は、例えば、パラメータを変化させた際の動線検出性能の分散の大きさとして表されてもよい。

　図７は、ばらつきモデルの例を示す説明図である。図７では、センサ情報の履歴長に関するばらつきモデルの例を示している。図７に示すように、履歴長の各値の変化に伴う動線検出性能の性能値の変化をばらつきモデルとしてもよい。図７に示す例では、横軸をセンサ情報の履歴長とし、縦軸を動線検出性能としている。この履歴長と動線検出性能との関係が、動線検出性能の変化の傾向（換言すれば、動線検出性能の分布）を表している。具体的には、履歴長の値と動線検出性能との対応関係がばらつきモデルとして記憶されている。また、この関係から、動線検出性能の変化の幅（例えば、分散の大きさ）を判断することができる。図７では、２次元グラフを用いて、動線検出性能の変化の傾向を表しているが、他の態様で動線検出性能の変化の傾向を表してもよい。

　ばらつきモデルは、予め用意され、ばらつきモデル記憶部３１に記憶される。

　誤差要因パラメータ選択部３２は、指定パラメータ値選択部３３から、過去に算出した動線検出性能（動線検出性能算出部６が算出した動線検出性能）と、指定パラメータの種別および値と、指定パラメータの最適値を推定済みであるか否かを表す情報とを入力される。

　誤差要因パラメータ選択部３２は、ばらつきモデル記憶部３１に記憶されたばらつきモデルを参照し、動線検出性能の変化の幅が大きいばらつきモデル（例えば、変化の幅が最も大きいばらつきモデル）に対応する誤差要因パラメータを選択する。そして、誤差要因パラメータ選択部３２は、選択した誤差要因パラメータの値を選択する。

　誤差要因パラメータ選択部３２が誤差要因パラメータの値を選択する態様は、指定パラメータの最適値が推定済みであるか否かによって異なる。

　指定パラメータの最適値が推定済みでない場合、換言すれば、指定パラメータの最適値を推定するまでの間は、選択した誤差要因パラメータの値を固定値にする。これは、指定パラメータのみによる動線検出性能の変化を調べる必要があるためである。例えば、指定パラメータとして、動線検出処理の入力に用いるセンサ情報の履歴長が利用者によって指定されていて、履歴長の最適値を推定しようとしているとする。このとき、誤差要因パラメータ選択部３２が、移動体のすれ違いあるいは共連れの発生頻度等の誤差要因パラメータを選択した場合、その誤差要因パラメータを固定値とし、履歴長毎の動線検出性能を比較する際に影響を与えないようにする。

　指定パラメータの最適値が推定済みである場合においても、誤差要因パラメータ選択部３２は、動線検出性能の変化の幅が大きいばらつきモデル（例えば、変化の幅が最も大きいばらつきモデル）に対応する誤差要因パラメータを選択する。そして、誤差要因パラメータ選択部３２は、そのばらつきモデルが示す動線検出性能の上限および下限に対応する誤差要因パラメータの値を初期値として選択する。ばらつきモデルにおいて、誤差要因パラメータの値の変化に伴う動線検出性能の変化が単調増加または単調減少である場合には、この初期値がそのまま上限および下限に対応する誤差要因パラメータの値となる。誤差要因パラメータの値の変化に伴う動線検出性能の変化が、二次曲線等のように上に凸または下に凸の曲線で表される場合、動線検出性能の上限および下限に対応する値、およびその周辺の値を選択し、選択した誤差要因パラメータの各値に応じた各動線検出性能を動線検出性能算出部６から得て、その動線検出性能に基づいて動線検出性能の分布を更新し、さらに、動線検出性能の上限および下限に対応する誤差要因パラメータの値およびその周辺の値を選択することを繰り返す。この周辺の値により、動線検出性能や上限や下限に対応する誤差要因パラメータ値が存在すると考えられる範囲を定めることができる。この繰り返し処理において、この範囲を限定していき、動線検出性能算出部６から得られた動線検出性能と、誤差要因パラメータの値を選択する際における動線検出性能との差が閾値以下になったならば、その時点で選択していた、動線検出性能の上限および下限に対応する誤差要因パラメータの値が、実際の動線検出性能の上限および下限に対応していると判断することができる。そして、その上限および下限が、実際の動線検出性能の上限および下限であると推定する。

　誤差要因パラメータ選択部３２は、誤差要因パラメータを選択すると、指定パラメータ値選択部３３から入力された指定パラメータの種別および値と、選択した誤差要因パラメータの種別および値とを模擬測位データ生成部４および動線検出処理部５に入力する。

　指定パラメータ値選択部３３は、終了判定部３４から、過去に算出した動線検出性能（動線検出性能算出部６が算出した動線検出性能）と、指定パラメータの推定が完了したか否かを示す情報とが入力される。

　指定パラメータ値選択部３３は、最初に、指定パラメータに対応するばらつきモデルを参照して、動線検出性能が最高となる指定パラメータの値、およびその周辺の値を選択し、選択した指定パラメータの各値の応じた各動線検出性能を動線検出性能算出部６から得て、その動線検出性能に基づいて動線検出性能の分布（例えば、図７参照）を更新し、さらに、動線検出性能が最高となる指定パラメータの値、およびその周辺の値を選択することを繰り返す。この周辺の値により、動線検出性能が最高となる指定パラメータが存在すると考えられる範囲を定めることができる。この繰り返し処理において、この範囲を限定していき、動線検出性能算出部６から得られた動線検出性能と、動線検出性能が最高となる指定パラメータの値を選択する際における動線検出性能との差が閾値以下になったならば、その指定パラメータの値が最適値であると判断することができる。

　なお、上記の繰り返し処理において、指定パラメータ値選択部３３は、指定パラメータの値を選択すると、指定パラメータの種別および選択した値と、指定パラメータの最適値が未だ推定されていないことを示す情報とを誤差要因パラメータ選択部３２に入力する。

　また、指定パラメータの最適値の推定が完了した場合、指定パラメータ値選択部３３は、指定パラメータの種別およびその最適値と、指定パラメータの最適値が推定済みであることを示す情報とを誤差要因パラメータ選択部３２に入力する。

　終了判定部３４は、指定パラメータ種別入力部２から１つ以上の指定パラメータの種別を入力され、これらの指定パラメータの種別の中から最適値が未推定である指定パラメータの種別を１つ選択し、選択した種別を指定パラメータ値選択部３３に入力する。

　また、終了判定部３４は、動線検出性能算出部６から入力される動線検出性能の結果より、指定パラメータ値選択部３３が選択したパラメータ値が、最も高い動線検出性能を得られるパラメータ値であるか否かを判定する。また、終了判定部３４は、誤差要因パラメータ選択部３２が選択した誤差要因パラメータの値によって、動線検出性能の分布範囲（上限および下限）が推定できたか否かを判定する。

　また、終了判定部３４は、指定パラメータ種別入力部２から入力された全ての指定パラメータ種別について、最も動線検出性能が高くなる指定パラメータの値（すなわち、最適値）、および、その最適値のもとでの、動線検出性能の分布範囲（例えば、上限および下限）が得られている場合、その指定パラメータの最適値、およびその最適値のもとでの動線検出性能の分布範囲を動線検出性能出力部７に送る。

　なお、終了判定部３４は、最も高い動線検出性能が得られる場合の指定パラメータの最適値と、その最適値のもとでの動線検出性能の分布範囲だけでなく、指定された指定パラメータ毎に、最適値と、その最適値のもとでの動線検出性能の分布範囲を動線検出性能出力部７に送ってもよい。あるいは、動線検出性能が高い順に上位ｎ個の指定パラメータについてそれぞれ、最適値と、その最適値のもとでの動線検出性能の分布範囲を動線検出性能出力部７に送ってもよい。

　模擬データ生成部４は、モデル入力部１から入力された環境モデル１１、移動体モデル１２、およびセンサモデル１３と、パラメータ選択部３で選択された指定パラメータの値および誤差要因パラメータの値とに基づいて、移動体の移動を模擬したデータ（模擬移動データ）、および移動体をセンサで測位した際に得られるセンサ情報（軌跡情報および移動体ＩＤ情報）の模擬データを生成する。模擬データ生成部４は、模擬移動データ生成部４１と、模擬測位データ生成部４２と含む。

　模擬移動データ生成部４１は、モデル入力部１から入力される環境モデル１１、移動体モデル１２、およびパラメータ選択部３から入力される指定パラメータおよび誤差要因パラメータの値を用いて、仮想の追跡領域内に存在する仮想の移動体を生成する。そして、時間経過とともに移動体が追跡領域内を移動した場合に得られる移動データを模擬した模擬移動データを生成する。模擬移動データは、移動体を識別するための移動体ＩＤ、時刻、位置座標によって表される。

　模擬移動データ生成部４１は、例えば、環境モデル１１内の有向グラフで表される移動経路上に、移動体モデル１２として入力された移動体の人数に応じて移動体をランダムに配置し、移動体モデル１２として入力された移動体の移動速度に従って、1ステップ毎に各移動体の座標を移動経路に沿って移動させることによって、その移動経路を表す模擬移動データを生成できる。また、すれ違いの発生回数や発生地点が、誤差要因パラメータとして定められていてもよい。この場合、すれ違いの発生地点を起点に複数の移動体の移動を表す模擬移動データを作成してもよい。例えば、最初のすれ違い時刻をｔ０とし、次のすれ違い時刻をｔ１とする。また、最初すれ違い発生地点を（ｘ１，ｙ１）とし、次のすれ違い発生地点を（ｘ２，ｙ２）とする。この場合、模擬移動データ生成部４１は、２つの移動体に関して、（ｘ１，ｙ１）を起点とし、時刻ｔ１までの間に（ｘ２，ｙ２）まで移動可能な経路を検索し、その２つの移動体に関して、それぞれ、検索した経路のうち１つの経路を割り当てればよい。また、移動体モデル１２等で他の条件が定められていれば、その条件も満たすように各移動体の移動経路を定め、その移動経路を表す模擬移動データを生成する。

　なお、パラメータ選択部３は、指定パラメータの種別や選択した誤差要因パラメータの種別が模擬移動データの生成に関わらないパラメータ種別である場合、指定パラメータの種別および値や、誤差要因パラメータの種別および値を模擬移動データ生成部４１に入力しなくてよい。模擬移動データの生成に関わらないパラメータ種別とは、例えば、センサモデルに関するパラメータや、動線検出処理に関するパラメータ等である。

　模擬測位データ生成部４２は、モデル入力部１から入力されたセンサモデル１３、およびパラメータ選択部３で選択された指定パラメータの値および誤差要因パラメータの値とに基づいて、仮想の追跡領域内に存在する仮想の移動体をセンサで測位した際に得られるデータを模擬した模擬測位データを生成する。

　なお、パラメータ選択部３は、指定パラメータの種別や選択した誤差要因パラメータの種別が模擬測位データの生成に関わらないパラメータ種別である場合、指定パラメータの種別および値や、誤差要因パラメータの種別および値を模擬測位データ生成部４２に入力しなくてよい。

　模擬測位データ生成部４２は、模擬移動データ生成部４１で生成された各時刻の模擬移動データについて、センサモデルとして表される各センサの検知領域の中に移動体が存在するかどうかを判定し、センサの検知領域内に移動体が存在している場合、センサモデルとして入力したセンサの検知性能に従って移動体の検知結果に過検知、誤検知、検知漏れ等を含ませて生成できる。このとき、軌跡情報を出力するセンサ（例えば、カメラ）のセンサモデルに基づいて生成された模擬測位データは、軌跡情報を模擬したデータである。また、移動体ＩＤ情報を出力するセンサ（例えば、アクティブＲＦＩＤリーダ）のセンサモデルに基づいて生成された模擬測位データは、移動体ＩＤ情報を模擬したデータである。以下、軌跡情報を模擬した模擬測位データを模擬軌跡情報と記し、移動体ＩＤ情報を模擬した模擬移動体ＩＤ情報と記す。あるいは、これらの模擬軌跡情報を単に、軌跡情報または移動体ＩＤ情報と記す場合もある。

　また、模擬測位データ生成部４２は、模擬移動体データに含まれる移動体ＩＤと、その移動体ＩＤが示す移動体に関して生成された模擬軌跡情報に含まれる軌跡ＩＤとを対応づける。この移動体ＩＤと軌跡ＩＤとの組は、移動体と軌跡との正確な対応関係を意味する。この移動体ＩＤと軌跡ＩＤとの組を正解データと記す。

　動線検出処理部５には、模擬測位データ生成部４２によって生成された模擬測位データ（模擬軌跡情報および模擬移動体ＩＤ情報）が入力される。また、動線検出処理部５には、指定パラメータの種別、パラメータ選択部３で選択された指定パラメータの値、およびパラメータ選択部３で選択された誤差要因パラメータの種別および値が入力される。ただし、パラメータ選択部３は、指定パラメータの種別や選択した誤差要因パラメータの種別が動線検出処理に関わらないパラメータ種別である場合、指定パラメータの種別および値や、誤差要因パラメータの種別および値を動線検出処理部５に入力しなくてよい。動線検出処理に関わらないパラメータ種別とは、例えば、環境モデル、移動体モデルおよびセンサモデルに関するパラメータ等である。

　動線検出処理部５は、模擬測位データ生成部４２から入力される移動体の模擬軌跡情報と模擬移動体ＩＤ情報とを用い、過去一定時間における模擬軌跡情報と模擬移動体ＩＤ情報との相関に基づいて各模擬軌跡情報に移動体ＩＤを割り当てることにより、動線を生成する。動線検出結果は、模擬軌跡情報に含まれる軌跡ＩＤと、模擬移動体ＩＤ情報に含まれる移動体のＩＤとの組によって表される。

　動線検出性能算出部６は、動線検出処理部５から入力された動線検出結果と、模擬測位データ生成部４２によって生成された正解データとなる軌跡ＩＤと移動体ＩＤとの対応付け結果とを照合し、軌跡ＩＤに対する移動体ＩＤの割当性能を算出する。動線検出性能は、例えば、ＩＤ割当の適合率および再現率を性能指標として用いてもよい。その場合、適合率は、動線検出結果中の全移動体ＩＤ付き軌跡数に対する正解した移動体ＩＤ付き軌跡数の割合として定義すればよい。また、再現率は、正解データ中の全移動体ＩＤ付き軌跡数に対する正解した移動体ＩＤ付き軌跡数の割合として定義すればよい。

　動線検出性能出力部７は、パラメータ選択部３が動線検出性能のシミュレーションを終了すると判定した際に、パラメータ選択部３から指定パラメータの最適値、およびその最適値のもとでの動線検出性能の分布範囲を入力される。動線検出性能出力部７は、入力された指定パラメータの最適値、およびその最適値のもとでの動線検出性能の分布範囲をグラフ化して出力してもよい。あるいは、ＣＳＶ（Comma Separated Values）形式等のテキストデータとして出力してもよい。

動線検出性能出力部７は、動線検出性能シミュレーションシステムの利用者に指定パラメータの最適値、およびその最適値のもとでの動線検出性能の分布範囲を提示できる装置であればよく、例えばディスプレイ装置を用いて出力する態様であってもよい。

　パラメータ選択部３における誤差要因パラメータ選択部３２、指定パラメータ値選択部３３、終了判定部３４、模擬データ生成部４（模擬移動データ生成部４１、模擬測位データ生成部４２）、動線検出処理部５、動線検出性能算出部６、動線検出性能出力部７は、例えば、動線検出性能シミュレーションプログラムに従って動作するコンピュータのＣＰＵによって実現される。この場合、例えば、コンピュータのプログラム記憶装置（図示せず）が動線検出性能シミュレーションプログラムを記憶し、ＣＰＵがそのプログラムを読み込み、そのプログラムに従って、誤差要因パラメータ選択部３２、指定パラメータ値選択部３３、終了判定部３４、模擬データ生成部４（模擬移動データ生成部４１、模擬測位データ生成部４２）、動線検出処理部５、動線検出性能算出部６、動線検出性能出力部７として動作すればよい。また、これらの要素が別々のユニットで実現されていてもよい。

　次に、動作について説明する。
　図８および図９は、本発明の動線検出性能シミュレーションシステムの処理経過の例を示すフローチャートである。まず、モデル入力部１には、利用者から環境モデル１１が入力される（ステップＳ１）。同様に、モデル入力部１には、利用者から移動体モデル１２が入力される（ステップＳ２）。同様に、モデル入力部１には、利用者からセンサモデル１３が入力される（ステップＳ３）。ステップＳ３では、軌跡情報を出力するセンサ（例えば、カメラ）のセンサモデルと、移動体ＩＤ情報を出力するセンサ（例えば、アクティブＲＦＩＤリーダ）のセンサモデルとが入力される。また、各モデルの入力順序（換言すれば、ステップＳ１～Ｓ３の順序）は、特に限定されない。

　次に、指定パラメータ種別入力部２は、利用者が指定した指定パラメータの種別を、利用者から入力される（ステップＳ４）。このとき、利用者は、最適値を求めたいパラメータを指定パラメータとして指定すればよい。また、指定パラメータとして定められるパラメータは２以上であってもよい。指定パラメータ種別入力部２は、入力された指定パラメータの種別を終了判定部３４に送る。

　終了判定部３４は、ステップＳ４で入力された全ての指定パラメータ種別について最適値の推定が完了しているか否かを判定する（ステップＳ５）。全ての指定パラメータ種別について最適値の推定が完了していなければ（ステップＳ５におけるＮｏ）、ステップＳ６に移行する。ステップＳ４からステップＳ５に移行した場合には、ステップＳ６に移行する。

　ステップＳ６では、終了判定部３４は、ステップＳ４で入力された指定パラメータ種別のうち、未選択の指定パラメータ種別を１つ選択する（ステップＳ６）。本例では、ステップＳ４で、「動線検出処理に用いる入力データの履歴長」が指定パラメータの種別として入力され、ステップＳ６で、この指定パラメータ「動線検出処理に用いる入力データの履歴長」を選択する場合を例にして説明する。

　次に、終了判定部３４は、ステップＳ６で選択した指定パラメータについて、最適値の推定が完了したか否かを判定する（ステップＳ７）。最適値の推定が完了していれば（ステップＳ７におけるＹｅｓ）、ステップＳ１４に移行する。また、最適値の推定が完了していなければ（ステップＳ７におけるＮｏ）、終了判定部６は、ステップＳ６で選択した指定パラメータの種別を指定パラメータ値選択部３３に入力し、ステップＳ２１に移行する。

　ステップＳ６において、未選択の指定パラメータの種別を選択して、最初にステップＳ７に移行した場合、最適値の推定は完了していないことになる。この場合には、ステップＳ２１の処理を行わずに、ステップＳ８に移行する。なお、ステップＳ２１は、ステップＳ６で選択された指定パラメータに関して、動線検出性能の分布（パラメータ値と動線検出性能との関係）を更新する処理である。

　ステップＳ８において、指定パラメータ値選択部３３は、ステップＳ６で選択された指定パラメータに関して、動線検出性能が最高となる指定パラメータの値、およびその周辺のパラメータ値を選択する（ステップＳ８）。これらのパラメータ値に応じた動線検出性能が、ステップＳ９～Ｓ１３の処理で求められる。そして、これらのパラメータ値に応じた動線検出性能に基づいて、前述のステップＳ２１で動線検出性能の分布が更新されることになる。なお、本例では、ステップＳ８において、複数のパラメータ値を選択し、その複数のパラメータ値に対してステップＳ９～Ｓ１３の処理を行う場合を例にして説明する。本発明は、このような例に限定されず、ステップＳ８で１つのパラメータ値を選択して、ステップＳ９～Ｓ１３を行い、複数のパラメータ値に対する動線検出性能が得られたときにステップＳ２１（動線検出性能の分布が更新）を行ってもよい。

　ステップＳ６で指定パラメータが選択された後、最初にステップＳ８に移行したときには、指定パラメータ値選択部３３は、選択された指定パラメータのばらつきモデルを参照して、動線検出性能が最高となる指定パラメータの値、およびその周辺のパラメータ値を選択すればよい。また、次回以降のステップＳ８では、ステップＳ２１で更新された動線検出性能の分布に基づいて、動線検出性能が最高となる指定パラメータの値、およびその周辺のパラメータ値を選択すればよい。

　本例では、ステップＳ６で指定パラメータ「動線検出処理に用いる入力データの履歴長」が選択されている。この指定パラメータのばらつきモデルとして、図７に例示するばらつきモデルがばらつきモデル記憶部３１に記憶されているとする。指定パラメータ値選択部３３は、動線検出性能が最高となる指定パラメータの値を選択する。この値をｐ１とする。図７に示す例では、ｐ１＝４０秒である。また、指定パラメータ値選択部３３は、指定パラメータの値として、ｐ１の周辺のパラメータ値を選択する。ここでは、２つのパラメータ値を選択するものとし、そのパラメータ値をｐ２，ｐ３とする。図１０は、指定パラメータ値選択部３３がステップＳ８で選択するパラメータ値ｐ１，ｐ２，ｐ３を模式的に示す説明図である。

　指定パラメータ値選択部３３は、指定パラメータの値として、動線検出性能が最高となる値（上記の例ではｐ１）と、その周辺のパラメータ値（上記の例ではｐ２，ｐ３）を選択すると、その指定パラメータの種別、および選択したパラメータ値を誤差要因パラメータ選択部３２に送る。このとき、その指定パラメータの最適値の推定が完了したか否かを示す情報も誤差要因パラメータ選択部３２に送る。ここでは、指定パラメータの最適値の推定が完了していないことを示す情報を誤差要因パラメータ選択部３２に送る。

　指定パラメータの最適値の推定が完了していないことを示す情報とともに、指定パラメータの種別および指定パラメータの値が入力されると、誤差要因パラメータ選択部３２は、例えば、動線検出性能の変化の幅が最も大きいばらつきモデルに対応する誤差要因パラメータを選択する。そして、誤差要因パラメータ選択部３２は、その誤差要因パラメータの値として固定値を選択する（ステップＳ９）。この固定値としては、例えば、誤差要因パラメータのばらつきモデルにおいて、動線検出性能が最も高くなるときのパラメータ値を選択すればよい。ステップＳ７からステップＳ９を経てステップＳ１３に至る繰り返し処理において、ステップＳ９で誤差要因パラメータの値を固定値とすることで、誤差要因パラメータによる動線検出性能の誤差（変動）が発生しないようにすることができる。そして、誤差要因パラメータが、指定パラメータの最適値の推定に影響を与えないようにすることができる。

　ステップＳ９において、誤差要因パラメータ選択部３２が、誤差要因パラメータおよびその値（固定値）を選択する例を示す。本例では、説明を簡単にするために、指定パラメータのばらつきモデル以外に、２つのばらつきモデルがばらつきモデル記憶部３１に記憶されているものとする。また、この２つのばらつきモデルが、図１１に示す「移動体の停留頻度」に関するばらつきモデルと、図１２に示す「共連れの発生頻度」に関するばらつきモデルであるとする。図１１に示すばらつきモデルは、パラメータの値の変化に伴う動線検出性能の変化が少ない。図１１に示すばらつきモデルと図１２に示すばらつきモデルとを比較すると、図１２に示すばらつきモデルの方が、動線検出性能の変化の幅が大きいことが分かる。従って、本例では、誤差要因パラメータ選択部３２は、図１２に示すばらつきモデルに対応するパラメータ（共連れの発生頻度）を誤差要因パラメータとして選択する。そして、共連れの発生頻度のばらつきモデル（図１２）において、動線検出性能が最も高くなるのは、共連れの発生頻度が０％のときである。従って、本例では、誤差要因パラメータ選択部３２は、誤差要因パラメータ（共連れの発生頻度）の固定値として“０％”を選択すればよい。

　誤差要因パラメータ選択部３２は、誤差要因パラメータの種別およびその固定値（上記の例では、「共連れの発生頻度」および“０％”）を選択したならば、ステップＳ６で選択された指定パラメータの種別、ステップＳ８で選択された指定パラメータの値、およびステップＳ９で選択した誤差要因パラメータの種別およびその値（固定値）を、模擬移動データ生成部４１、模擬測位データ生成部４２、動線検出処理部５のうち、それらのパラメータに対応する要素に入力する。

　例えば、上記のように、指定パラメータが「動線検出処理に用いる入力データの履歴長」である場合、誤差要因パラメータ選択部３２は、指定パラメータの種別およびその値を、動線検出処理部５に入力すればよい。履歴長は、模擬移動データや模擬測位データの生成に用いられないためである。

　また、例えば、上記のように、誤差要因パラメータが「共連れの発生頻度」である場合、誤差要因パラメータ選択部３２は、誤差要因パラメータの種別およびその値（固定値）を模擬移動データ生成部４１に入力すればよい。共連れの発生頻度は、模擬測位データの生成や動線検出処理で用いられないためである。

　ステップＳ９の後、模擬移動データ生成部４１は、モデル入力部１から入力された環境モデル１１、移動体モデル１２、および誤差要因パラメータ選択部３２から入力された指定パラメータの値および誤差要因パラメータの値に基づいて、模擬移動データを生成する（ステップＳ１０）。模擬移動データ生成部４１は、移動体モデル１２で指定されている数の各移動体に関して、移動体ＩＤ、時刻、その時刻における位置を組とし、そのような組を一定時間分作成すればよい。そのような一定時間分の「移動体ＩＤ、時刻、位置の組」が模擬移動データとなる。位置を決定する場合には、境モデル１１、移動体モデル１２、指定パラメータの値および誤差要因パラメータの値を満たす位置を決定すればよい。

　なお、誤差要因パラメータ選択部３２から指定パラメータの値または誤差要因パラメータの値が入力されていなければ、模擬移動データ生成部４１は、そのパラメータ値は用いなくてよい。前述の例の場合、模擬移動データ生成部４１は、環境モデル１１と、移動体モデル１２と、誤差要因パラメータである共連れの発生頻度の値（０％）とに基づいて、模擬移動データを作成すればよい。

　次に、模擬測位データ生成部４２は、模擬移動データ生成部４１で生成された模擬移動データと、モデル入力部１から入力されたセンサモデル１３と、誤差要因パラメータ選択部３２から入力された指定パラメータの値および誤差要因パラメータの値とに基づいて、模擬測位データを生成する（ステップＳ１１）。模擬測位データ生成部４２は、模擬測位データを生成すると、動線検出処理部５に模擬測位データを送る。

　ステップＳ１１において、模擬測位データ生成部４２は、模擬測位データとして、模擬移動体ＩＤ情報と、模擬軌跡情報とを生成する。模擬軌跡情報を生成する際には、軌跡情報を出力するセンサのセンサモデル（例えば、図６に例示するカメラのセンサモデル）を使用すればよい。また、模擬移動体ＩＤ情報を生成する際には、移動体ＩＤ情報を出力するセンサのセンサモデル（例えば、図５に例示するアクティブＲＦＩＤリーダのセンサモデル）を使用すればよい。

　模擬軌跡情報は、例えば、軌跡ＩＤ、時刻、位置座標の組として表される。また、移動体ＩＤ情報は、例えば、移動体ＩＤ、時刻、位置（移動体ＩＤの検知エリア等）の組として表される。

　また、模擬測位データ生成部４２は、ステップＳ１１において、模擬移動体データに含まれる移動体ＩＤと、その移動体ＩＤが示す移動体に関して生成された模擬軌跡情報に含まれる軌跡ＩＤとを対応づけることによって、正解データを生成する。

　次に、動線検出処理部５は、模擬測位データデータ生成部４２で生成された模擬軌跡情報および模擬移動体ＩＤ情報と、誤差要因パラメータ選択部３２から入力された指定パラメータの値および誤差要因パラメータの値とに基づいて、動線検出処理を行う（ステップＳ１２）。動線検出処理部５は、動線検出処理結果として、軌跡ＩＤに移動体ＩＤを対応付けた結果を生成する。そして、動線検出性能算出部６にその動線検出結果を送る。

　本例では、指定パラメータ（動線検出処理に用いる入力データの履歴長）の値として、ｐ１，ｐ２，ｐ３が入力されている。動線検出処理部５は、履歴長がｐ１である場合、ｐ２である場合、ｐ３である場合に関して、それぞれ動線検出処理を行う。以降のステップＳ１３も、履歴長がｐ１である場合、ｐ２である場合、ｐ３である場合に関してそれぞれ行われる。また、本例では、指定パラメータが履歴長であり、模擬移動データ生成部４１および模擬測位データ生成部４２に入力されていない場合を示しているが、指定パラメータが模擬移動データ生成部４１や模擬測位データ生成部４２に入力されている場合、ステップＳ１０，Ｓ１１の処理も、指定パラメータの値として入力された個々の値毎に行う。

　次に、動線検出性能算出部６は、動線検出処理生成部５から入力される動線検出処理結果と、模擬測位データ生成部４２で生成された正解データとを照合し、動線検出性能（例えば、前述の適合率や再現率）を算出する（ステップＳ１３）。動線検出性能算出部６は、算出した動線検出性能を、終了判定部３４に送る。

　次に、終了判定部３４は、現在選択している指定パラメータについて最適値を推定できたか否かを判定する（ステップＳ７）。ステップＳ７では、終了判定部３４は、その前に実行されたステップＳ８において、動線検出性能が最高となる指定パラメータの値を選択する際に基準とした動線検出性能（本例では、図１０に示すｐ１における動線検出性能）と、その指定パラメータの値に関して求められた動線検出性能との差を算出し、その差の絶対値が、予め定めた閾値以下であれば、ステップＳ８で選択した指定パラメータの値が最適値であると推定し、最適値の推定が完了したと判定すればよい。一方、差の絶対値が閾値より大きければ、ステップＳ８で選択した指定パラメータの値は最適値でないと判定し、最適値の推定は完了していないと判定すればよい。

　図１３は、ステップＳ８で選択された指定パラメータの各値ｐ１，ｐ２，ｐ３に関して求められた動線検出性能を示す模式図である。直近のステップＳ８において、動線検出性能が最高となる指定パラメータの値ｐ１を選択する際に基準とした動線検出性能をｒ１とする。また、直近のステップＳ８からステップＳ１３までの処理で、ｐ１に関して求められた動線検出性能をｑ１とする。同様に、ｐ２，ｐ３に関して求められた動線検出性能をｑ２，ｑ３とする。｜ｒ１－ｑ１｜が閾値以上であれば、指定パラメータの最適値はｐ１と推定される。ここでは、｜ｒ１－ｑ１｜が閾値を越えていて、指定パラメータの最適値の推定値が完了していないと判定したものとする（ステップＳ７におけるＮｏ）。この場合、次のステップＳ２１に移行する。なお、このとき、終了判定部３４は、動線検出性能算出部６から得た動線検出性能（本例では、ｑ１～ｑ３）を指定パラメータ値選択部３３に入力する。

　ステップＳ２１において、指定パラメータ値選択部３３は、指定パラメータの値ｐ１，ｐ２，ｐ３と、それらの値に関してそれぞれ直近のステップＳ１３までの処理で求められた動線検出性能ｑ１，ｑ２，ｑ３との関係から、動線検出性能の分布を更新する（ステップＳ２１）。すなわち、ばらつきモデルでは、動線検出性能の分布が、図１３に示す実線のように定められていたが、直近のステップＳ８で選択した指定パラメータの値ｐ１，ｐ２，ｐ３と、ステップＳ１３までの処理で求められた動線検出性能ｑ１，ｑ２，ｑ３との関係に基づいて、動線検出性能の分布（パラメータ値の変化に伴う動線検出性能の変化の傾向）を更新する。この更新方法は、特に限定されない。図１３において、破線で示す局線は、ステップＳ２１で更新された動線検出性能の分布を表している。なお、ステップＳ７，Ｓ２１～Ｓ１３の繰り返し処理おいて、ステップＳ２１の処理を行う毎に、動線検出性能の分布はより適切な状態に変化していく。

　ステップＳ２１の後、ステップＳ８以降の処理を繰り返す。ステップＳ２１後のステップＳ８では、指定パラメータ値選択部３３は、ステップＳ２１で更新された動線検出性能の分布に基づいて、再度、動線検出性能が最高となる指定パラメータの値、およびその周辺のパラメータ値を選択する。２回目のステップＳ８で選択された、動線検出性能が最高となる指定パラメータの値をｐ４とする。図１４は、ｐ４を模式的に示す説明図である。更新後の動線検出性能の分布における動線検出性能の最も高い値がｒ４であるとする。そして、ｒ４に対応するパラメータ値がｐ４である。なお、このステップＳ８では、指定パラメータ値選択部３３は、ｐ４の他に、ｐ４の周辺のパラメータ値（ｐ５，ｐ６とする。ただし、図示略。）をあわせて選択してもよい。動線検出性能が最高となる指定パラメータの値として選択される値と、その周辺との値は、ステップＳ８に移行する毎に近づければよい。

　以降のステップＳ９～ステップＳ１３の動作は、既に説明した動作と同様である。なお、ステップＳ１３において、動線検出処理部５は、指定パラメータ（動線検出処理に用いる入力データの履歴長）がＰ４である場合、ｐ５である場合、ｐ６である場合に関して、それぞれ動線検出処理を行う。また、動線検出性能算出部６は、指定パラメータがＰ４である場合、ｐ５である場合、ｐ６である場合に関して、それぞれ動線検出性能を算出する。

　ステップＳ７では、終了判定部３４は、既に説明したように、指定パラメータについて最適値を推定できたか否かを判定する（ステップＳ７）。すなわち、その前に実行されたステップＳ８において、動線検出性能が最高となる指定パラメータの値ｐ４を選択する際に基準とした動線検出性能ｒ４と、その指定パラメータの値ｐ４に関して求められた動線検出性能との差を算出し、その差の絶対値が、予め定めた閾値以下であれば、ステップＳ８で選択した指定パラメータの値が最適値であると推定し、最適値の推定が完了したと判定すればよい。一方、差の絶対値が閾値より大きければ、ステップＳ８で選択した指定パラメータの値は最適値でないと判定し、最適値の推定は完了していないと判定すればよい。

　最適値の推定が完了していないと判定された場合（ステップＳ７におけるＮｏ）、指定パラメータ値選択部３３は、これまでに選択したパラメータ値（ここでは、ｐ１～ｐ６）と、そのパラメータ値に関してそれぞれ求められた動線検出性能を用いて、動線検出性能の分布を更新する（ステップＳ２１）。ステップＳ２１以降の動作は、既に説明した動作と同様である。

　一方、最適値の推定が完了していると判定された場合（ステップＳ７におけるＮｏ）、ステップＳ１４に移行する。例えば、図１５に示すように、ｐ４に関して得られた動線検出性能がｒ４であり、ｐ４を選択する際に用いた動線検出性能における値と一致していたとする。この場合、終了判定部３４は、｜ｒ４－ｒ４｜が閾値以下であると判定し、最適値の推定が完了したと判定する。

　ステップＳ１４では、終了判定部３４は、選択中の指定パラメータの最適値のもとでの動線検出性能の分布範囲の推定が完了したか否かを判定する（ステップＳ１４）。最初にステップＳ１４に移行した場合、動線検出性能の分布範囲の推定は完了していないと判定する（ステップＳ１４におけるＮｏ）。このとき、終了判定部３４は、指定パラメータの推定が完了したことを示す情報とを指定パラメータ値選択部３３に入力し、その情報と、選択中の指定パラメータの種別およびその最適値とを、指定パラメータ値選択部３３から誤差要因パラメータ選択部３２に入力させる。指定パラメータ値選択部３３は、直近のステップＳ８において動線検出性能が最高となるパラメータ値として選択した指定パラメータの値を、その指定パラメータの最適値として誤差要因パラメータ選択部３２に入力すればよい。

　動線検出性能の分布範囲の推定が完了していないことを示す情報とともに、指定パラメータの種別およびその最適値が入力されると、誤差要因パラメータ選択部３２は、動線検出性能の変化の幅が大きいばらつきモデルに対応する誤差要因パラメータを選択する。この選択態様は、ステップＳ９における誤差要因パラメータの選択態様と同様である。例えば、変化の幅が最も大きいばらつきモデルに対応する誤差要因パラメータを選択すればよい。従って、ステップＳ９で、一旦、誤差要因パラメータを選択したならば、以降の処理において、誤差要因パラメータを選択する際、同じ誤差要因パラメータを選択すればよい。

　例えば、前述の例のように、指定パラメータのばらつきモデル以外に、図１１に示す「移動体の停留頻度」に関するばらつきモデルと、図１２に示す「共連れの発生頻度」に関するばらつきモデルのみがばらつきモデル記憶部３１に記憶されているとする。この場合、誤差要因パラメータ選択部３２は、ステップＳ９と同様に、動線検出性能の変化の幅が大きい「共連れの発生頻度」を選択すればよい。

　ここでは、説明を簡単にするために、誤差要因パラメータの値の変化に伴う動線検出性能の変化が単調増加または単調減少である場合について説明する。図１２に例示する「共連れの発生頻度」では、パラメータ値が増加するにつれて動線検出性能が減少する。すなわち、単調減少である。

　誤差要因パラメータに関する動線検出性能の変化が単調減少または単調増加である場合、誤差要因パラメータ選択部３２は、動線検出性能が最高となるときのパラメータ値と、動線検出性能が最低となるときのパラメータ値とを選択する（ステップＳ１５）。

　ただし、誤差要因パラメータ選択部３２は、現在選択されている指定パラメータに関するステップＳ９の処理で既に固定値として選択していた値に関しては、選択しなくてもよい。指定パラメータが最適値であり、誤差要因パラメータがその固定値である場合における動線検出性能は既に算出されているからである。前述の例では、ステップＳ９において、誤差要因パラメータ選択部３２は、誤差要因パラメータとして「共連れの発生頻度」を選択し、その固定値として、動線検出性能が最高となるときの値である“０％”を選択している。従って、ステップＳ１５において、誤差要因パラメータ選択部３２は、動線検出性能が最高となるときの値である“０％”の選択を省き、動線検出性能が最低となるときのパラメータ値である“１００％”のみを選択してもよい。

　誤差要因パラメータ選択部３２は、選択した誤差要因パラメータの種別およびそのパラメータ値（上記の例では“１００％”）と、選択されている指定パラメータの種別およびその最適値とを、模擬移動データ生成部４１、模擬測位データ生成部４２、動線検出処理部５のうち、それらのパラメータに対応する要素に入力する。誤差要因パラメータ選択部３２から模擬移動データ生成部４１、模擬測位データ生成部４２、動線検出処理部５へのこれらのパラメータの入力態様は、ステップＳ９で説明した入力態様と同様である。

　その後、動線検出性能シミュレーションシステムは、ステップＳ１０～Ｓ１３の処理を行う。ステップＳ１０～Ｓ１３の処理に関しては既に説明した処理と同様である。動線検出性能算出部６は、ステップＳ１３で算出した動線検出性能を終了判定部３４に入力する。この結果、終了判定部３４は、指定パラメータの最適値のもとでの動線検出性能を下限を得る。

　なお、終了判定部３４は、指定パラメータの最適値のもとでの動線検出性能の上限に関しては指定パラメータの最適値を推定する過程で得られている。動線検出性能が最高となるときの値である“０％”がステップＳ９で固定値として選択されているためである。

　ステップＳ１３の後、終了判定部３４は、指定パラメータの最適値は推定済みであると判定し（ステップＳ７におけるＹｅｓ）、再度、ステップＳ１４に移行する。本例のように、誤差要因パラメータに関する動線検出性能の変化が単調減少または単調増加である場合、指定パラメータの最適値であるときの動線検出性能の上限と下限が得られていれば、終了判定部３４は、ステップＳ１４において、動線検出性能の分布範囲を推定したと判定してよい（ステップＳ１４におけるＹｅｓ）。このような誤差要因パラメータでは、パラメータ値の端点（図１２に示す例では、“０％”や“１００％”）が、動線検出性能の上限または下限に対応しているとみなすことができる。本例では、履歴長（指定パラメータ）が最適値である場合における「共連れの発生頻度」が０％であるときの動線検出性能（上限）と、「共連れの発生頻度」が１００％であるときの動線検出性能（下限）とが得られている。動線検出性能の変動幅が大きい誤差要因パラメータの値が変化しても、動線検出性能の値はその上限と下限との間に収まるので、動線検出性能の分布範囲が推定できたということができる。

　動線検出性能の分布範囲を推定したと判定したならば（ステップＳ１４におけるＹｅｓ）、終了判定部３４は、ステップＳ４で入力された全ての指定パラメータ種別について最適値の推定が完了しているか否かを判定する（ステップＳ５）。まだ、ステップＳ４で入力された指定パラメータのうち、最適値が推定されていない指定パラメータが残っていれば（ステップＳ５におけるＮｏ）、ステップＳ６以降の処理を繰り返す。

　全ての指定パラメータ種別について最適値の推定が完了しているならば（ステップＳ５におけるＹｅｓ）、終了判定部３４は、指定パラメータの種別および最適値と、その最適値のもとでの動線検出性能の分布範囲（例えば、上限および下限）を動線検出性能出力部７に送る。そして、動線検出性能出力部７は、定パラメータの種別および最適値と、その最適値のもとでの動線検出性能の分布範囲を出力する（ステップＳ１６）。動線検出性能出力部７は、これらの情報をグラフ化して出力しても、あるいは、ＣＳＶ形式等のテキストデータとして出力してもよい。

　ステップＳ１６において、終了判定部３４は、動線検出性能の上限の値が最高になる指定パラメータに関して、その種別、最適値および、動線検出性能の分布範囲を動線検出性能出力部７に送ってもよい。あるいは、指定された指定パラメータ毎に、その種別、最適値および、動線検出性能の分布範囲を動線検出性能出力部７に送ってもよい。また、動線検出性能の上限の値が高い順に上位ｎ個の指定パラメータを選択し、そのｎ個の指定パラメータに関して、その種別、最適値および、動線検出性能の分布範囲を動線検出性能出力部７に送ってもよい。動線検出性能出力部７は、終了判定部３４から入力された情報を出力すればよい。

　上記の説明では、パラメータ値の変化に伴う動線検出性能の変化が単調増加または単調減少となる誤差要因パラメータ（例えば、共連れの発生頻度。図１２参照。）がステップＳ１５で選択される場合を示した。次に、パラメータ値の変化に伴う動線検出性能の変化が二次曲線等のように上に凸または下に凸の曲線で表される誤差要因パラメータが選択される場合について説明する。このような誤差要因パラメータの種別をステップＳ１５で選択した場合、誤差要因パラメータ選択部３２は、指定パラメータ値選択部３３が指定パラメータの最適値を推定していく処理と同様の処理で、動線検出性能の上限および下限に対応するパラメータ値（誤差要因パラメータのパラメータ値）を推定すればよい。

　より具体的に説明する。ステップＳ１５で、誤差要因パラメータ選択部３２が、誤差要因パラメータを選択したとする。そして、この誤差要因パラメータでは、パラメータ値の変化に伴う動線検出性能の変化が上に凸または下に凸の曲線で表されるとする。この場合、初回のステップＳ１５では、その誤差要因パラメータのばらつきモデルを参照して、動線検出性能の上限に対応するパラメータ値、および、その周辺のパラメータ値を選択する。同様に、動線検出性能の下限に対応するパラメータ値、および、その周辺のパラメータ値を選択する。そして、選択した誤差要因パラメータの種別およびそのパラメータ値と、選択されている指定パラメータの種別およびその最適値とを、模擬移動データ生成部４１、模擬測位データ生成部４２、動線検出処理部５のうち、それらのパラメータに対応する要素に入力する。これらのパラメータの入力態様は、ステップＳ９で説明した入力態様と同様である。

　そして、ステップＳ１０～ステップＳ１３の処理を行う。ただし、ここでは、誤差要因パラメータ選択部３２に選択された誤差要因パラメータの値毎にステップＳ１０～ステップＳ１３の処理を行う。この結果、誤差要因パラメータ選択部３２に選択された誤差要因パラメータの値毎に、動線検出性能が得られる。

　再度、ステップＳ１５に移行した場合、誤差要因パラメータ選択部３２は、それまでのステップＳ１５で選択した誤差要因パラメータの各値、および、その値毎に求められた動線検出性能に基づいて、動線検出性能の分布を更新する。この処理は、ステップＳ２１の処理と同様である。そして、誤差要因パラメータ選択部３２は、更新後の動線検出性能の分布に基づいて、再度、動線検出性能の上限に対応するパラメータ値、および、その周辺のパラメータ値を選択する。また、動線検出性能の下限に対応するパラメータ値、および、その周辺のパラメータ値を選択する。そして、動線検出性能シミュレーションシステムは、再度ステップＳ１０～Ｓ１３の処理により、誤差要因パラメータの値として選択されたパラメータ値毎に、動線検出性能を求める。

　このように、ステップＳ７、Ｓ１４，Ｓ１５，Ｓ１０～Ｓ１３の繰り返し処理を行う。終了判定部３４は、ステップＳ１４において、直近のステップＳ１５で選択された動線検出性能の上限に対応するパラメータ値についてステップＳ１３までの処理で求められた動線検出性能と、そのパラメータ値を選択する際に基準とした動線検出性能の上限との差の絶対値が予め定めた閾値以下であれば、ステップＳ１３までの処理で求められた動線検出性能が上限であると推定してよい。一方、差の絶対値が閾値よりも大きければ、動線検出性能が上限の推定は完了してないと判定すればよい。同様に、終了判定部３４は、ステップＳ１４において、直近のステップＳ１５で選択された動線検出性能の下限に対応するパラメータ値についてステップＳ１３までの処理で求められた動線検出性能と、そのパラメータ値を選択する際に基準とした動線検出性能の下限との差の絶対値が予め定めた閾値以下であれば、ステップＳ１３までの処理で求められた動線検出性能が下限であると推定してよい。一方、差の絶対値が閾値よりも大きければ、動線検出性能が下限の推定は完了してないと判定すればよい。そして、上限および下限に関して推定が完了したときに、ステップＳ５に移行すればよい。

　なお、上記の例では、ステップＳ１５で複数のパラメータ値を選択し、各パラメータ値に関してステップＳ１０～Ｓ１３の処理を行う場合を例にして説明した。ステップＳ１５で１つのパラメータ値を選択し、そのパラメータ値についてステップＳ１０～Ｓ１３を実行してもよい。この場合、複数のパラメータ値に対応する動線検出性能が蓄積されたときに、動線検出性能の分布を更新すればよい。

　また、パラメータ値によらず動線検出性能がほぼ一定となるパラメータ（例えば、図１１に例示する移動体の停留頻度）が誤差要因パラメータとしてステップＳ１５で選択されることもあり得る。この場合、初回のステップＳ１５は、誤差要因パラメータ選択部３２は、２つ以上のパラメータ値を任意に選択してよい。そして、動線検出性能シミュレーションシステムは、そのパラメータ値毎に、ステップＳ１０～Ｓ１３の処理を行えばよい。その後、ステップＳ１４に移行した場合、終了判定部３４は、各パラメータ値についてステップＳ１３までの処理で得られた動線検出性能の平均値を、誤差要因パラメータ選択部３２に計算させればよい。そして、誤差要因パラメータ選択部３２は、その平均値を、動線検出性能の上限かつ下限であるとみなし、終了判定部３４は、動線検出性能の上限および下限の推定が完了したと判定すればよい。なお、パラメータ値によらず動線検出性能がほぼ一定であるということは、動線検出性能の幅が所定値以下であるということであると言える。

　本発明によれば、ばらつきモデルによって示される動線検出性能の分布に基づいて、動線検出性能が最も高くなる指定パラメータのパラメータ値やその周辺のパラメータ値を選択し、それらのパラメータ値における動線検出性能を求める。このとき指定パラメータ以外の条件は固定とする。そして、その動線検出性能に基づいて動線検出性能の分布を更新し、再度、動線検出性能が最も高くなる指定パラメータのパラメータ値やその周辺のパラメータ値を選択する。この処理を繰り返し、指定パラメータの値を選択する際に基準とした動線検出性能と、求められた動線検出性能との差の絶対値が閾値以下になったときに、その線検出性能が最も高くなるパラメータ値として選択した値を指定パラメータの最適値とする。従って、利用者が指定した指定パラメータに関して最適値を求めることができる。また、誤差要因パラメータ選択部３２は、動線検出性能の変化の幅が大きいパラメータを誤差要因パラメータとして選択し、その誤差要因パラメータの値を選択する。そして、その値に応じた動線検出性能を求めることで、指定パラメータが最適値である場合における動線検出性能の分布範囲（上限から下限までの範囲）を推定する。このように、本発明によれば、指定したパラメータに関する最適値を推定し、その最適値のもとでの動線検出性能の分布範囲を推定することができる。

　動線検出システムの例として、オフィスや工場等で勤務する各人物の社員番号が記録されたＩＣカードと動線を対応付けて監視するセキュリティ用途の動線検出システム等がある。また、別の例として、ショッピングセンター内にＩＤを付与された買い物用カートを配備しカートのＩＤと購買客の動線とを対応付けて入店から退店までの動線を途切れなく収集するマーケティング分析用途の動線検出システム等がある。本発明により、これらの動線検出システムを導入する際、最も高い精度が得られるようにセンサの配置条件や動線検出システムパラメータを決定するといったシステム構築を簡易に行うことができる。

　なお、上記の実施形態において、動線検出処理（ステップＳ１２）は、例えば、特許文献３に記載された方法で行ってもよい。以下、動線検出処理の例について説明する。

　動線検出処理部５は、「動線検出処理に用いる入力データの履歴長」によって規定される時間だけ過去に遡った時刻以降の模擬軌跡情報および模擬移動体ＩＤ情報を用いて、動線検出処理を行う。

　また、共通の移動体から生成された模擬軌跡情報は、共通の軌跡ＩＤを含んでいる。従って、共通の軌跡ＩＤを含む模擬軌跡情報の組によって１つの移動体の軌跡が表される。しかし、例えば、追跡が途切れた場合には、新たな軌跡ＩＤが割り当てられる。従って、軌跡ＩＤが異なっていても、共通の移動体の軌跡を表していることもあり得る。動線検出処理部５は、異なる軌跡ＩＤが割り当てられた模擬軌跡情報に関して、共通の移動体の模擬軌跡情報である尤度が高い場合には、それらの模擬軌跡情報をひとまとまりの組とする。例えば、動線検出処理部５は、先に生じた軌跡の消失の時刻および位置と、後に生じた軌跡の出現時の時刻および位置とから移動体の速度を計算する。動線検出処理部５は、その速度とその移動体に関して定められていた速度との差が小さいほど、尤度が高く、差が大きいほど尤度が小さくなるように尤度を定めればよい。そして、尤度が所定値以上である場合に、互いに軌跡ＩＤが異なる模擬軌跡情報の組同士を連結すればよい。なお、尤度が低ければ、軌跡ＩＤが共通の模擬軌跡情報の組が、他の模擬軌跡情報の組と連結されなくてもよい。また、１つの移動体に対応する模擬軌跡情報の組を軌跡連結候補と記す。動線検出処理部５は、各軌跡連結候補に識別情報を付与する。

　動線検出処理部５は、軌跡連結候補と、模擬移動体ＩＤ情報に含まれる移動体ＩＤとの組を生成する。このとき、動線検出処理部５は、全ての軌跡連結候補および移動体ＩＤについて、対応付く相手がいない情報を表す情報（以下、unknown と記す。）との組も生成する。例えば、軌跡連結候補の識別情報がＴ１，Ｔ２，・・・であり、移動体ＩＤとして、ＩＤ１，ＩＤ２，・・・が得られているとする。この場合、動線検出処理部５は、（Ｔ１，ＩＤ１）等の組だけでなく、（Ｔ１，unknown ）や（unknown ，ＩＤ１）等の組も作成する。以下、このような各組を、軌跡連結候補・移動体ＩＤペアと記す。

　さらに、動線検出処理部５は、所定の条件を満たすように軌跡連結候補・移動体ＩＤペアの集合を選択し、その軌跡連結候補・移動体ＩＤペアの集合を仮説とする。所定の条件を満たす軌跡連結候補・移動体ＩＤペアの集合は複数通り存在し得るので、動線検出処理部５は、所定の条件を満たす集合をそれぞれ仮説として定める。この所定の条件とは、以下に示す第１から第３までの全ての条件である。

　第１の条件は、仮説に属する軌跡連結候補・移動体ＩＤペアの間で、軌跡の重複、および、移動体ＩＤの重複が生じないことである。ただし、移動体ＩＤとして用いられるunknown の重複は生じてもよいものとする。

　第２の条件は、全模擬軌跡情報に含まれる全軌跡ＩＤが、いずれかの仮説に属する軌跡連結候補・移動体ＩＤペアの軌跡連結候補に含まれていることである。

　第３の条件は、仮説の中に、少なくとも１つ、移動体ＩＤがunknown でない軌跡連結候補・移動体ＩＤペアを含むことである。

　動線検出処理部５は、上記の条件を満たすように定めた仮説毎に、移動体ＩＤと軌跡連結候補とが対応している尤度（以下、仮説尤度と記す。）を計算する。ここで、追跡領域の分割領域毎に、移動体ＩＤ情報を出力するセンサが移動体ＩＤ情報を検出する確率を予め定めておく。また、この確率は、移動体ＩＤ情報を出力するセンサ毎に定めておく。この情報は、例えば、センサモデルに含めておけばよい。

　動線検出処理部５は、１つの仮説に着目した場合、その仮説に属する軌跡連結候補・移動体ＩＤペアにおける移動体ＩＤを含む移動体ＩＤ情報が検出される確率を、上記のように予め定められた確率の中から選択する。なお、すなわち、その移動体ＩＤを含む擬似移動体ＩＤ情報に含まれる位置と、その擬似移動体ＩＤ情報を検出したセンサとに応じた確率を、予め定められた確率の中から選択すればよい。その移動体ＩＤを含む擬似移動体ＩＤが複数存在する場合には、各時刻毎に、確率を選択する。そして、着目している移動体ＩＤに関して選択した確率を乗算する。さらに、動線検出処理部５は、その乗算結果に対して、確率値の個数の累乗根をとることによって正規化を行う。動線検出処理部５は、この計算を、着目している仮説に属する軌跡連結候補・移動体ＩＤペア毎に行う。

　さらに、動線検出処理部５は、着目している仮説に属する軌跡連結候補・移動体ＩＤペア毎に求めた上記の値の乗算する。そして、動線検出処理部５は、その乗算結果に対して、着目している仮説に属する軌跡連結候補・移動体ＩＤペアの数の累乗根をとることによって正規化を行う。この結果得られた値が、仮説尤度である。

　動線検出処理部５は、仮説毎に仮説尤度を計算し、仮説尤度が最も高い仮説を選択する。そして、その仮説に属する軌跡連結候補・移動体ＩＤペア毎に、移動体ＩＤと、軌跡連結候補に属する軌跡ＩＤとの組を求めればよい。

　なお、上記の処理は、動線検出処理の例であり、他の方法で動線検出処理を行ってもよい。

　次に、本発明の最小構成について説明する。図１６は、本発明の最小構成の例を示すブロック図である。本発明の動線検出性能シミュレーションシステムは、指定パラメータ値選択手段７１と、誤差要因パラメータ選択手段７２と、模擬データ生成手段７３と、動線検出手段７４と、動線検出性能算出手段７５とを備える。

　指定パラメータ値選択手段７１（例えば、指定パラメータ値選択部３３）は、動線検出性能の分布に基づいて、利用者に指定されるパラメータである指定パラメータの値として、動線検出性能が最も高くなるときの値、およびその周辺の値を選択する。

　誤差要因パラメータ選択手段７２（例えば、誤差要因パラメータ選択部３２）は、動線検出性能にばらつきを与える要因となるパラメータである誤差要因パラメータを選択し、当該誤差要因パラメータの値を選択する。

　模擬データ生成手段７３（例えば、模擬データ生成部４）は、移動体の追跡領域に関する条件を表す環境情報（例えば、環境モデル）と、移動体に関する条件を表す移動体情報（例えば、移動体モデル）と、移動体ＩＤを検出するセンサ（例えば、アクティブＲＦＩＤリーダ等）および同一の移動体の軌跡となる各位置に対して共通の軌跡ＩＤを割り当てるセンサ（例えば、カメラ等）に関する各条件を表すセンサ情報と、指定パラメータの値と、誤差要因パラメータの値とに基づいて、移動体ＩＤを検出するセンサによって検出される情報（例えば、移動体ＩＤ情報）を模擬し、移動体ＩＤ、検出時刻および検出位置を含む模擬移動体ＩＤ情報と、同一の移動体の軌跡となる各位置に対して共通の軌跡ＩＤを割り当てるセンサによって検出される情報（例えば、軌跡情報）を模擬し、軌跡ＩＤ、検出時刻および検出位置を含む模擬軌跡情報とを生成する。

　動線検出手段７４（例えば、動線検出処理部５）は、模擬移動体ＩＤ情報および模擬軌跡情報とを用いて、移動体ＩＤと軌跡ＩＤとを対応付ける。

　動線検出性能算出手段７５は、動線検出手段７４による移動体ＩＤと軌跡ＩＤとの対応付け結果から動線検出性能を算出する。

　指定パラメータ値選択手段７１は、指定パラメータの最適値の推定完了条件が満たされるまで、指定パラメータの値として選択したパラメータ値と、動線検出性能算出手段７５によって算出された動線検出性能とに基づいて、動線検出性能の分布を更新し、指定パラメータの値として、動線検出性能が最も高くなるときの値、およびその周辺の値を選択することを繰り返す。

　誤差要因パラメータ選択手段７２は、指定パラメータの最適値のもとで動線検出性能の上限に対応する誤差要因パラメータの値と、動線検出性能の下限に対応する誤差要因パラメータの値とを選択する。

　そのような構成により、本発明の効果を得ることができる。

　上記の実施形態の一部または全部は、以下の付記のようにも記載され得るが、以下に限定されるわけではない。

（付記１）動線検出性能の分布に基づいて、利用者に指定されるパラメータである指定パラメータの値として、動線検出性能が最も高くなるときの値、およびその周辺の値を選択する指定パラメータ値選択手段と、動線検出性能にばらつきを与える要因となるパラメータである誤差要因パラメータを選択し、当該誤差要因パラメータの値を選択する誤差要因パラメータ選択手段と、移動体の追跡領域に関する条件を表す環境情報と、移動体に関する条件を表す移動体情報と、移動体ＩＤを検出するセンサおよび同一の移動体の軌跡となる各位置に対して共通の軌跡ＩＤを割り当てるセンサに関する各条件を表すセンサ情報と、前記指定パラメータの値と、前記誤差要因パラメータの値とに基づいて、前記移動体ＩＤを検出するセンサによって検出される情報を模擬し、移動体ＩＤ、検出時刻および検出位置を含む模擬移動体ＩＤ情報と、前記同一の移動体の軌跡となる各位置に対して共通の軌跡ＩＤを割り当てるセンサによって検出される情報を模擬し、軌跡ＩＤ、検出時刻および検出位置を含む模擬軌跡情報とを生成する模擬データ生成手段と、前記模擬移動体ＩＤ情報および前記模擬軌跡情報とを用いて、移動体ＩＤと軌跡ＩＤとを対応付ける動線検出手段と、動線検出手段による移動体ＩＤと軌跡ＩＤとの対応付け結果から動線検出性能を算出する動線検出性能算出手段とを備え、指定パラメータ値選択手段は、指定パラメータの最適値の推定完了条件が満たされるまで、指定パラメータの値として選択したパラメータ値と、動線検出性能算出手段によって算出された動線検出性能とに基づいて、動線検出性能の分布を更新し、指定パラメータの値として、動線検出性能が最も高くなるときの値、およびその周辺の値を選択することを繰り返し、誤差要因パラメータ選択手段は、前記指定パラメータの最適値のもとで動線検出性能の上限に対応する誤差要因パラメータの値と、動線検出性能の下限に対応する誤差要因パラメータの値とを選択することを特徴とする動線検出性能シミュレーションシステム。

（付記２）パラメータの種別毎に、動線検出性能の分布を表す情報であるばらつきモデルを記憶するばらつきモデル記憶手段と、少なくとも、指定パラメータの最適値の推定完了条件が満足したか否かを判定する判定手段とを備え、指定パラメータ値選択手段は、最初に指定パラメータの値を選択する際には、指定パラメータに対応するばらつきモデルが示す動線検出性能の分布に基づいて、動線検出性能が最も高くなるときの値、およびその周辺の値を選択し、その指定パラメータの各値と、その各値のもとで動線検出性能算出手段によって算出された動線検出性能とに基づいて動線検出性能の分布を更新したときには、更新後の動線検出性能の分布に基づいて、動線検出性能が最も高くなるときの値、およびその周辺の値を選択し、誤差要因パラメータ選択手段は、指定パラメータの最適値の推定完了条件が満たされるまでの間は、選択した誤差要因パラメータの値を固定値に定め、前記判定手段は、指定パラメータ値選択手段が指定パラメータの値を選択する際に基準とした動線検出性能と、前記値に対して動線検出性能算出手段によって算出された動線検出性能との差の絶対値が閾値以下である場合に、指定パラメータの最適値の推定完了条件が満足したと判定する付記１に記載の動線検出性能シミュレーションシステム。

（付記３）誤差要因パラメータ選択手段は、誤差要因パラメータが、パラメータ値の変化に伴い動線検出性能が単調増加または単調減少となるパラメータである場合に、指定パラメータの最適値の推定完了条件が満たされた後、当該誤差要因パラメータの値として、動線検出性能の上限および下限に対応する値を選択する付記２に記載の動線検出性能シミュレーションシステム。

（付記４）誤差要因パラメータ選択手段は、誤差要因パラメータが、パラメータ値の変化に伴う動線検出性能の変化が上に凸または下に凸として表されるパラメータである場合に、指定パラメータの最適値の推定完了条件が満たされた後、動線検出性能の上限に対応する値およびその周辺の値と、動線検出性能の下限に対応する値およびその周辺の値とを選択し、その誤差要因パラメータの各値と、その各値のもとで動線検出性能算出手段によって算出された動線検出性能とに基づいて動線検出性能の分布を更新し、更新後の動線検出性能の分布に基づいて、動線検出性能の上限に対応する値およびその周辺の値と、動線検出性能の下限に対応する値およびその周辺の値とを選択することを繰り返し、判定手段は、誤差要因パラメータ選択手段が誤差要因パラメータの値を選択する際に基準とした動線検出性能と、前記値に対して動線検出性能算出手段によって算出された動線検出性能との差の絶対値が閾値以下となったときに、動線検出性能の上限および下限に対応する誤差要因パラメータの値が推定されたと判定する付記２または付記３に記載の動線検出性能シミュレーションシステム。

（付記５）誤差要因パラメータ選択手段は、誤差要因パラメータが、パラメータ値の変化に伴う動線検出性能の変化の幅が所定値以内であるパラメータである場合、指定パラメータの最適値の推定完了条件が満たされた後、誤差要因パラメータの値として、少なくとも２つ以上の値を選択し、その各値に対して動線検出性能算出手段によって算出された動線検出性能の平均値を算出し、当該平均値を動線検出性能の上限および下限とみなす付記２から付記４のうちのいずれかに記載の動線検出性能シミュレーションシステム。

（付記６）指定パラメータ値選択手段が、動線検出性能の分布に基づいて、利用者に指定されるパラメータである指定パラメータの値として、動線検出性能が最も高くなるときの値、およびその周辺の値を選択し、誤差要因パラメータ選択手段が、動線検出性能にばらつきを与える要因となるパラメータである誤差要因パラメータを選択し、当該誤差要因パラメータの値を選択し、模擬データ生成手段が、移動体の追跡領域に関する条件を表す環境情報と、移動体に関する条件を表す移動体情報と、移動体ＩＤを検出するセンサおよび同一の移動体の軌跡となる各位置に対して共通の軌跡ＩＤを割り当てるセンサに関する各条件を表すセンサ情報と、前記指定パラメータの値と、前記誤差要因パラメータの値とに基づいて、前記移動体ＩＤを検出するセンサによって検出される情報を模擬し、移動体ＩＤ、検出時刻および検出位置を含む模擬移動体ＩＤ情報と、前記同一の移動体の軌跡となる各位置に対して共通の軌跡ＩＤを割り当てるセンサによって検出される情報を模擬し、軌跡ＩＤ、検出時刻および検出位置を含む模擬軌跡情報とを生成し、動線検出手段が、前記模擬移動体ＩＤ情報および前記模擬軌跡情報とを用いて、移動体ＩＤと軌跡ＩＤとを対応付け、動線検出性能算出手段が、動線検出手段による移動体ＩＤと軌跡ＩＤとの対応付け結果から動線検出性能を算出し、指定パラメータ値選択手段が、指定パラメータの最適値の推定完了条件が満たされるまで、指定パラメータの値として選択したパラメータ値と、動線検出性能算出手段によって算出された動線検出性能とに基づいて、動線検出性能の分布を更新し、指定パラメータの値として、動線検出性能が最も高くなるときの値、およびその周辺の値を選択することを繰り返し、誤差要因パラメータ選択手段が、前記指定パラメータの最適値のもとで動線検出性能の上限に対応する誤差要因パラメータの値と、動線検出性能の下限に対応する誤差要因パラメータの値とを選択することを特徴とする動線検出性能シミュレーション方法。

（付記７）コンピュータに、動線検出性能の分布に基づいて、利用者に指定されるパラメータである指定パラメータの値として、動線検出性能が最も高くなるときの値、およびその周辺の値を選択する指定パラメータ値選択処理、動線検出性能にばらつきを与える要因となるパラメータである誤差要因パラメータを選択し、当該誤差要因パラメータの値を選択する誤差要因パラメータ選択処理、移動体の追跡領域に関する条件を表す環境情報と、移動体に関する条件を表す移動体情報と、移動体ＩＤを検出するセンサおよび同一の移動体の軌跡となる各位置に対して共通の軌跡ＩＤを割り当てるセンサに関する各条件を表すセンサ情報と、前記指定パラメータの値と、前記誤差要因パラメータの値とに基づいて、前記移動体ＩＤを検出するセンサによって検出される情報を模擬し、移動体ＩＤ、検出時刻および検出位置を含む模擬移動体ＩＤ情報と、前記同一の移動体の軌跡となる各位置に対して共通の軌跡ＩＤを割り当てるセンサによって検出される情報を模擬し、軌跡ＩＤ、検出時刻および検出位置を含む模擬軌跡情報とを生成する模擬データ生成処理、前記模擬移動体ＩＤ情報および前記模擬軌跡情報とを用いて、移動体ＩＤと軌跡ＩＤとを対応付ける動線検出処理、および、動線検出処理での移動体ＩＤと軌跡ＩＤとの対応付け結果から動線検出性能を算出する動線検出性能算出処理を実行させ、指定パラメータ値選択処理として、指定パラメータの最適値の推定完了条件が満たされるまで、指定パラメータの値として選択したパラメータ値と、動線検出性能算出処理で算出された動線検出性能とに基づいて、動線検出性能の分布を更新し、指定パラメータの値として、動線検出性能が最も高くなるときの値、およびその周辺の値を選択することを繰り返させ、誤差要因パラメータ選択処理として、前記指定パラメータの最適値のもとで動線検出性能の上限に対応する誤差要因パラメータの値と、動線検出性能の下限に対応する誤差要因パラメータの値とを選択させることを特徴とする動線検出性能シミュレーションプログラム。

（付記８）動線検出性能の分布に基づいて、利用者に指定されるパラメータである指定パラメータの値として、動線検出性能が最も高くなるときの値、およびその周辺の値を選択する指定パラメータ値選択部と、動線検出性能にばらつきを与える要因となるパラメータである誤差要因パラメータを選択し、当該誤差要因パラメータの値を選択する誤差要因パラメータ選択部と、移動体の追跡領域に関する条件を表す環境情報と、移動体に関する条件を表す移動体情報と、移動体ＩＤを検出するセンサおよび同一の移動体の軌跡となる各位置に対して共通の軌跡ＩＤを割り当てるセンサに関する各条件を表すセンサ情報と、前記指定パラメータの値と、前記誤差要因パラメータの値とに基づいて、前記移動体ＩＤを検出するセンサによって検出される情報を模擬し、移動体ＩＤ、検出時刻および検出位置を含む模擬移動体ＩＤ情報と、前記同一の移動体の軌跡となる各位置に対して共通の軌跡ＩＤを割り当てるセンサによって検出される情報を模擬し、軌跡ＩＤ、検出時刻および検出位置を含む模擬軌跡情報とを生成する模擬データ生成部と、前記模擬移動体ＩＤ情報および前記模擬軌跡情報とを用いて、移動体ＩＤと軌跡ＩＤとを対応付ける動線検出部と、動線検出部による移動体ＩＤと軌跡ＩＤとの対応付け結果から動線検出性能を算出する動線検出性能算出部とを備え、指定パラメータ値選択部は、指定パラメータの最適値の推定完了条件が満たされるまで、指定パラメータの値として選択したパラメータ値と、動線検出性能算出部によって算出された動線検出性能とに基づいて、動線検出性能の分布を更新し、指定パラメータの値として、動線検出性能が最も高くなるときの値、およびその周辺の値を選択することを繰り返し、誤差要因パラメータ選択部は、前記指定パラメータの最適値のもとで動線検出性能の上限に対応する誤差要因パラメータの値と、動線検出性能の下限に対応する誤差要因パラメータの値とを選択することを特徴とする動線検出性能シミュレーションシステム。

（付記９）パラメータの種別毎に、動線検出性能の分布を表す情報であるばらつきモデルを記憶するばらつきモデル記憶部と、少なくとも、指定パラメータの最適値の推定完了条件が満足したか否かを判定する判定部とを備え、指定パラメータ値選択部は、最初に指定パラメータの値を選択する際には、指定パラメータに対応するばらつきモデルが示す動線検出性能の分布に基づいて、動線検出性能が最も高くなるときの値、およびその周辺の値を選択し、その指定パラメータの各値と、その各値のもとで動線検出性能算出部によって算出された動線検出性能とに基づいて動線検出性能の分布を更新したときには、更新後の動線検出性能の分布に基づいて、動線検出性能が最も高くなるときの値、およびその周辺の値を選択し、誤差要因パラメータ選択部は、指定パラメータの最適値の推定完了条件が満たされるまでの間は、選択した誤差要因パラメータの値を固定値に定め、前記判定部は、指定パラメータ値選択部が指定パラメータの値を選択する際に基準とした動線検出性能と、前記値に対して動線検出性能算出部によって算出された動線検出性能との差の絶対値が閾値以下である場合に、指定パラメータの最適値の推定完了条件が満足したと判定する
　付記８に記載の動線検出性能シミュレーションシステム。

（付記１０）誤差要因パラメータ選択部は、誤差要因パラメータが、パラメータ値の変化に伴い動線検出性能が単調増加または単調減少となるパラメータである場合に、指定パラメータの最適値の推定完了条件が満たされた後、当該誤差要因パラメータの値として、動線検出性能の上限および下限に対応する値を選択する付記９に記載の動線検出性能シミュレーションシステム。

（付記１１）誤差要因パラメータ選択部は、誤差要因パラメータが、パラメータ値の変化に伴う動線検出性能の変化が上に凸または下に凸として表されるパラメータである場合に、指定パラメータの最適値の推定完了条件が満たされた後、動線検出性能の上限に対応する値およびその周辺の値と、動線検出性能の下限に対応する値およびその周辺の値とを選択し、その誤差要因パラメータの各値と、その各値のもとで動線検出性能算出部によって算出された動線検出性能とに基づいて動線検出性能の分布を更新し、更新後の動線検出性能の分布に基づいて、動線検出性能の上限に対応する値およびその周辺の値と、動線検出性能の下限に対応する値およびその周辺の値とを選択することを繰り返し、判定部は、誤差要因パラメータ選択部が誤差要因パラメータの値を選択する際に基準とした動線検出性能と、前記値に対して動線検出性能算出部によって算出された動線検出性能との差の絶対値が閾値以下となったときに、動線検出性能の上限および下限に対応する誤差要因パラメータの値が推定されたと判定する付記９または付記１０に記載の動線検出性能シミュレーションシステム。

（付記１２）誤差要因パラメータ選択部は、誤差要因パラメータが、パラメータ値の変化に伴う動線検出性能の変化の幅が所定値以内であるパラメータである場合、指定パラメータの最適値の推定完了条件が満たされた後、誤差要因パラメータの値として、少なくとも２つ以上の値を選択し、その各値に対して動線検出性能算出部によって算出された動線検出性能の平均値を算出し、当該平均値を動線検出性能の上限および下限とみなす付記９から付記１１のうちのいずれかに記載の動線検出性能シミュレーションシステム。

（付記１３）指定パラメータ値選択部が、動線検出性能の分布に基づいて、利用者に指定されるパラメータである指定パラメータの値として、動線検出性能が最も高くなるときの値、およびその周辺の値を選択し、誤差要因パラメータ選択部が、動線検出性能にばらつきを与える要因となるパラメータである誤差要因パラメータを選択し、当該誤差要因パラメータの値を選択し、模擬データ生成部が、移動体の追跡領域に関する条件を表す環境情報と、移動体に関する条件を表す移動体情報と、移動体ＩＤを検出するセンサおよび同一の移動体の軌跡となる各位置に対して共通の軌跡ＩＤを割り当てるセンサに関する各条件を表すセンサ情報と、前記指定パラメータの値と、前記誤差要因パラメータの値とに基づいて、前記移動体ＩＤを検出するセンサによって検出される情報を模擬し、移動体ＩＤ、検出時刻および検出位置を含む模擬移動体ＩＤ情報と、前記同一の移動体の軌跡となる各位置に対して共通の軌跡ＩＤを割り当てるセンサによって検出される情報を模擬し、軌跡ＩＤ、検出時刻および検出位置を含む模擬軌跡情報とを生成し、動線検出部が、前記模擬移動体ＩＤ情報および前記模擬軌跡情報とを用いて、移動体ＩＤと軌跡ＩＤとを対応付け、動線検出性能算出部が、動線検出部による移動体ＩＤと軌跡ＩＤとの対応付け結果から動線検出性能を算出し、指定パラメータ値選択部が、指定パラメータの最適値の推定完了条件が満たされるまで、指定パラメータの値として選択したパラメータ値と、動線検出性能算出部によって算出された動線検出性能とに基づいて、動線検出性能の分布を更新し、指定パラメータの値として、動線検出性能が最も高くなるときの値、およびその周辺の値を選択することを繰り返し、誤差要因パラメータ選択部が、前記指定パラメータの最適値のもとで動線検出性能の上限に対応する誤差要因パラメータの値と、動線検出性能の下限に対応する誤差要因パラメータの値とを選択することを特徴とする動線検出性能シミュレーション方法。

　この出願は、２０１１年８月２６日に出願された日本特許出願２０１１－１８４９２５を基礎とする優先権を主張し、その開示の全てをここに取り込む。

　以上、実施形態を参照して本願発明を説明したが、本願発明は上記の実施形態に限定されるものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。

産業上の利用の可能性

　本発明は、移動体ＩＤが付与された移動体の動線情報を収集する動線検出システムにおける動線検出性能のシミュレーションに好適に適用される。

　１　モデル入力部
　２　指定パラメータ種別入力部
　３　パラメータ選択部
　４　模擬データ生成部
　５　動線検出処理部
　６　動線検出性能算出部
　７　動線検出性能出力部
　３１　ばらつきモデル記憶部
　３２　誤差要因パラメータ選択部
　３３　指定パラメータ値選択部
　３４　終了判定部
　４１　模擬移動データ生成部
　４２　模擬測位データ生成部

Claims

　動線検出性能の分布に基づいて、利用者に指定されるパラメータである指定パラメータの値として、動線検出性能が最も高くなるときの値、およびその周辺の値を選択する指定パラメータ値選択手段と、
　動線検出性能にばらつきを与える要因となるパラメータである誤差要因パラメータを選択し、当該誤差要因パラメータの値を選択する誤差要因パラメータ選択手段と、
　移動体の追跡領域に関する条件を表す環境情報と、移動体に関する条件を表す移動体情報と、移動体ＩＤを検出するセンサおよび同一の移動体の軌跡となる各位置に対して共通の軌跡ＩＤを割り当てるセンサに関する各条件を表すセンサ情報と、前記指定パラメータの値と、前記誤差要因パラメータの値とに基づいて、前記移動体ＩＤを検出するセンサによって検出される情報を模擬し、移動体ＩＤ、検出時刻および検出位置を含む模擬移動体ＩＤ情報と、前記同一の移動体の軌跡となる各位置に対して共通の軌跡ＩＤを割り当てるセンサによって検出される情報を模擬し、軌跡ＩＤ、検出時刻および検出位置を含む模擬軌跡情報とを生成する模擬データ生成手段と、
　前記模擬移動体ＩＤ情報および前記模擬軌跡情報とを用いて、移動体ＩＤと軌跡ＩＤとを対応付ける動線検出手段と、
　動線検出手段による移動体ＩＤと軌跡ＩＤとの対応付け結果から動線検出性能を算出する動線検出性能算出手段とを備え、
　指定パラメータ値選択手段は、指定パラメータの最適値の推定完了条件が満たされるまで、指定パラメータの値として選択したパラメータ値と、動線検出性能算出手段によって算出された動線検出性能とに基づいて、動線検出性能の分布を更新し、指定パラメータの値として、動線検出性能が最も高くなるときの値、およびその周辺の値を選択することを繰り返し、
　誤差要因パラメータ選択手段は、前記指定パラメータの最適値のもとで動線検出性能の上限に対応する誤差要因パラメータの値と、動線検出性能の下限に対応する誤差要因パラメータの値とを選択する
　ことを特徴とする動線検出性能シミュレーションシステム。
　パラメータの種別毎に、動線検出性能の分布を表す情報であるばらつきモデルを記憶するばらつきモデル記憶手段と、
　少なくとも、指定パラメータの最適値の推定完了条件が満足したか否かを判定する判定手段とを備え、
　指定パラメータ値選択手段は、
　最初に指定パラメータの値を選択する際には、指定パラメータに対応するばらつきモデルが示す動線検出性能の分布に基づいて、動線検出性能が最も高くなるときの値、およびその周辺の値を選択し、
　その指定パラメータの各値と、その各値のもとで動線検出性能算出手段によって算出された動線検出性能とに基づいて動線検出性能の分布を更新したときには、更新後の動線検出性能の分布に基づいて、動線検出性能が最も高くなるときの値、およびその周辺の値を選択し、
　誤差要因パラメータ選択手段は、指定パラメータの最適値の推定完了条件が満たされるまでの間は、選択した誤差要因パラメータの値を固定値に定め、
　前記判定手段は、指定パラメータ値選択手段が指定パラメータの値を選択する際に基準とした動線検出性能と、前記値に対して動線検出性能算出手段によって算出された動線検出性能との差の絶対値が閾値以下である場合に、指定パラメータの最適値の推定完了条件が満足したと判定する
　請求項１に記載の動線検出性能シミュレーションシステム。
　誤差要因パラメータ選択手段は、誤差要因パラメータが、パラメータ値の変化に伴い動線検出性能が単調増加または単調減少となるパラメータである場合に、指定パラメータの最適値の推定完了条件が満たされた後、当該誤差要因パラメータの値として、動線検出性能の上限および下限に対応する値を選択する
　請求項２に記載の動線検出性能シミュレーションシステム。
　誤差要因パラメータ選択手段は、誤差要因パラメータが、パラメータ値の変化に伴う動線検出性能の変化が上に凸または下に凸として表されるパラメータである場合に、指定パラメータの最適値の推定完了条件が満たされた後、動線検出性能の上限に対応する値およびその周辺の値と、動線検出性能の下限に対応する値およびその周辺の値とを選択し、
　その誤差要因パラメータの各値と、その各値のもとで動線検出性能算出手段によって算出された動線検出性能とに基づいて動線検出性能の分布を更新し、更新後の動線検出性能の分布に基づいて、動線検出性能の上限に対応する値およびその周辺の値と、動線検出性能の下限に対応する値およびその周辺の値とを選択することを繰り返し、
　判定手段は、誤差要因パラメータ選択手段が誤差要因パラメータの値を選択する際に基準とした動線検出性能と、前記値に対して動線検出性能算出手段によって算出された動線検出性能との差の絶対値が閾値以下となったときに、動線検出性能の上限および下限に対応する誤差要因パラメータの値が推定されたと判定する
　請求項２または請求項３に記載の動線検出性能シミュレーションシステム。
　誤差要因パラメータ選択手段は、誤差要因パラメータが、パラメータ値の変化に伴う動線検出性能の変化の幅が所定値以内であるパラメータである場合、指定パラメータの最適値の推定完了条件が満たされた後、誤差要因パラメータの値として、少なくとも２つ以上の値を選択し、その各値に対して動線検出性能算出手段によって算出された動線検出性能の平均値を算出し、当該平均値を動線検出性能の上限および下限とみなす
　請求項２から請求項４のうちのいずれか１項に記載の動線検出性能シミュレーションシステム。
　指定パラメータ値選択手段が、動線検出性能の分布に基づいて、利用者に指定されるパラメータである指定パラメータの値として、動線検出性能が最も高くなるときの値、およびその周辺の値を選択し、
　誤差要因パラメータ選択手段が、動線検出性能にばらつきを与える要因となるパラメータである誤差要因パラメータを選択し、当該誤差要因パラメータの値を選択し、
　模擬データ生成手段が、移動体の追跡領域に関する条件を表す環境情報と、移動体に関する条件を表す移動体情報と、移動体ＩＤを検出するセンサおよび同一の移動体の軌跡となる各位置に対して共通の軌跡ＩＤを割り当てるセンサに関する各条件を表すセンサ情報と、前記指定パラメータの値と、前記誤差要因パラメータの値とに基づいて、前記移動体ＩＤを検出するセンサによって検出される情報を模擬し、移動体ＩＤ、検出時刻および検出位置を含む模擬移動体ＩＤ情報と、前記同一の移動体の軌跡となる各位置に対して共通の軌跡ＩＤを割り当てるセンサによって検出される情報を模擬し、軌跡ＩＤ、検出時刻および検出位置を含む模擬軌跡情報とを生成し、
　動線検出手段が、前記模擬移動体ＩＤ情報および前記模擬軌跡情報とを用いて、移動体ＩＤと軌跡ＩＤとを対応付け、
　動線検出性能算出手段が、動線検出手段による移動体ＩＤと軌跡ＩＤとの対応付け結果から動線検出性能を算出し、
　指定パラメータ値選択手段が、指定パラメータの最適値の推定完了条件が満たされるまで、指定パラメータの値として選択したパラメータ値と、動線検出性能算出手段によって算出された動線検出性能とに基づいて、動線検出性能の分布を更新し、指定パラメータの値として、動線検出性能が最も高くなるときの値、およびその周辺の値を選択することを繰り返し、
　誤差要因パラメータ選択手段が、前記指定パラメータの最適値のもとで動線検出性能の上限に対応する誤差要因パラメータの値と、動線検出性能の下限に対応する誤差要因パラメータの値とを選択する
　ことを特徴とする動線検出性能シミュレーション方法。
　コンピュータに、
　動線検出性能の分布に基づいて、利用者に指定されるパラメータである指定パラメータの値として、動線検出性能が最も高くなるときの値、およびその周辺の値を選択する指定パラメータ値選択処理、
　動線検出性能にばらつきを与える要因となるパラメータである誤差要因パラメータを選択し、当該誤差要因パラメータの値を選択する誤差要因パラメータ選択処理、
　移動体の追跡領域に関する条件を表す環境情報と、移動体に関する条件を表す移動体情報と、移動体ＩＤを検出するセンサおよび同一の移動体の軌跡となる各位置に対して共通の軌跡ＩＤを割り当てるセンサに関する各条件を表すセンサ情報と、前記指定パラメータの値と、前記誤差要因パラメータの値とに基づいて、前記移動体ＩＤを検出するセンサによって検出される情報を模擬し、移動体ＩＤ、検出時刻および検出位置を含む模擬移動体ＩＤ情報と、前記同一の移動体の軌跡となる各位置に対して共通の軌跡ＩＤを割り当てるセンサによって検出される情報を模擬し、軌跡ＩＤ、検出時刻および検出位置を含む模擬軌跡情報とを生成する模擬データ生成処理、
　前記模擬移動体ＩＤ情報および前記模擬軌跡情報とを用いて、移動体ＩＤと軌跡ＩＤとを対応付ける動線検出処理、および、
　動線検出処理での移動体ＩＤと軌跡ＩＤとの対応付け結果から動線検出性能を算出する動線検出性能算出処理を実行させ、
　指定パラメータ値選択処理として、指定パラメータの最適値の推定完了条件が満たされるまで、指定パラメータの値として選択したパラメータ値と、動線検出性能算出処理で算出された動線検出性能とに基づいて、動線検出性能の分布を更新し、指定パラメータの値として、動線検出性能が最も高くなるときの値、およびその周辺の値を選択することを繰り返させ、
　誤差要因パラメータ選択処理として、前記指定パラメータの最適値のもとで動線検出性能の上限に対応する誤差要因パラメータの値と、動線検出性能の下限に対応する誤差要因パラメータの値とを選択させる
　ための動線検出性能シミュレーションプログラム。