WO2017141484A1 - 混雑度推定方法、人数推定方法、混雑度推定プログラム、人数推定プログラム、および人数推定システム - Google Patents

混雑度推定方法、人数推定方法、混雑度推定プログラム、人数推定プログラム、および人数推定システム Download PDF

Info

Publication number
WO2017141484A1
WO2017141484A1 PCT/JP2016/079750 JP2016079750W WO2017141484A1 WO 2017141484 A1 WO2017141484 A1 WO 2017141484A1 JP 2016079750 W JP2016079750 W JP 2016079750W WO 2017141484 A1 WO2017141484 A1 WO 2017141484A1
Authority
WO
WIPO (PCT)
Prior art keywords
congestion
congestion degree
degree
index value
reference range
Prior art date
Application number
PCT/JP2016/079750
Other languages
English (en)
French (fr)
Inventor
北村　一博
古川　至
Original Assignee
株式会社Ｓｃｒｅｅｎホールディングス
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 株式会社Ｓｃｒｅｅｎホールディングス filed Critical 株式会社Ｓｃｒｅｅｎホールディングス
Priority to CN201680080005.7A priority Critical patent/CN108496211B/zh
Priority to US16/077,711 priority patent/US11333508B2/en
Publication of WO2017141484A1 publication Critical patent/WO2017141484A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
    • G08G1/127—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams to a central station ; Indicators in a central station
    • G08G1/13—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams to a central station ; Indicators in a central station the indicator being in the form of a map
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/005—Traffic control systems for road vehicles including pedestrian guidance indicator

Definitions

  • the present invention relates to a method for estimating the degree of congestion and the number of people (number of people within a predetermined range) used in a navigation system or the like.
  • route guidance application for guiding a user (hereinafter referred to as “user”) of a mobile terminal device to a destination.
  • user application software
  • route guidance application a route search from the current location of the user to the destination is performed, and the result is displayed on the screen of the mobile terminal device together with the map.
  • the route guidance application not only searches for the shortest distance but also searches for the shortest route.
  • the estimated required time from the current location to the destination is also displayed.
  • it is necessary to predict the time required for movement, and it is necessary to estimate the degree of congestion and the number of people in order to make a prediction in consideration of the congestion situation of the road.
  • first conventional method a method using position information obtained by the GPS function of the mobile terminal device
  • the second conventional method a method using video from a surveillance camera
  • first conventional method location information is acquired from a mobile terminal device of a user who has contracted with a mobile phone operator and the GPS function is turned on, and the mobile phone for the total population of Japan
  • the number of persons for each predetermined area is estimated based on the ratio of the number of contractors of the business.
  • image processing for example, processing for detecting a person from the video and counting the number of human heads
  • image processing is performed using a video obtained by a monitoring camera installed on or near the road.
  • a monitoring camera installed on or near the road.
  • Japanese Unexamined Patent Application Publication No. 2009-110054 discloses an invention of a situation determination device that determines a person's movement situation and congestion degree based on a temporal change rate of a luminance value in a local region of a captured image of a surveillance camera.
  • Japanese Unexamined Patent Application Publication No. 2015-211983 discloses an invention of a congestion degree estimation system that calculates the congestion degree of a place where a surveillance camera is not installed based on an image taken by a wearable terminal.
  • the first conventional method data of only a contractor of a certain mobile phone carrier is used, and the estimation is performed with reference to the total population of Japan, so the number of people in a narrow area is accurately determined. It cannot be estimated well. Further, in order to increase the estimation accuracy, it is necessary to increase the number of data used for estimation. For this purpose, the number of people must be estimated for each relatively wide area. If the number of people is estimated for each wide area in the route guidance application, the time required from the current location to the destination is not accurately estimated.
  • the number of persons can be estimated with relatively high accuracy for the area shown in the surveillance camera.
  • installation of a surveillance camera requires enormous costs.
  • surveillance cameras may not be allowed to protect the landscape.
  • an object of the present invention is to provide a method for estimating the degree of congestion and the number of people at low cost with high accuracy without requiring a surveillance camera.
  • a first aspect of the present invention is a congestion degree estimation method, An index value acquisition step of acquiring an index value for estimating the degree of congestion based on the first sensor information; A congestion degree calculating step of calculating a congestion degree directly from the index value acquired in the index value acquiring step.
  • the first sensor information is acceleration information
  • the index value is a standard deviation of acceleration based on the acceleration information.
  • the index value acquisition step includes a normalization step of obtaining a standard deviation as the index value by performing a predetermined normalization process on a standard deviation of acceleration obtained based on the acceleration information.
  • the normalization process is performed such that the maximum value of the standard deviations acquired in the normalization preparation step is the maximum value that can be taken as the index value.
  • the congestion degree is calculated such that the congestion degree increases as the standard deviation as the index value decreases.
  • the first sensor information is any one of acceleration information, angular velocity information, azimuth information, position information, altitude information, and step count information.
  • the index value is obtained as the first sensor information, the standard deviation of the value obtained as the first sensor information, the number of times the value obtained as the first sensor information exceeds a predetermined threshold, and the first sensor information.
  • the time interval at which the value intersects the zero axis, the speed calculated from the value obtained as the first sensor information, the frequency at which the value obtained as the first sensor information changes, and the first sensor information Is a time interval in which the value obtained is changed.
  • a ninth aspect of the present invention is a number estimation method, A congestion degree estimation step for estimating a congestion degree based on sensor information of the mobile terminal device; Based on the congestion degree estimated in the congestion degree estimation step for a plurality of portable terminal devices, an average congestion degree calculating step for calculating an average congestion degree for each predetermined reference range; An estimated number of persons calculating step of calculating an estimated number of persons for each reference range by multiplying the average degree of congestion calculated in the average congestion degree calculating step by a maximum number of accommodated persons determined in advance for each reference range. To do.
  • the method further includes an estimated number of people correction step of correcting the estimated number of people calculated in the estimated number of people calculation step using a correction filter that stores a coefficient group associated with one reference range and a surrounding reference range.
  • An eleventh aspect of the present invention is the tenth aspect of the present invention, With respect to the correction filter, the coefficient value associated with the central reference range is larger than the coefficient value associated with the surrounding reference range.
  • a twelfth aspect of the present invention is the eleventh aspect of the present invention
  • a reference range in which congestion degree data exists is defined as a calculation target reference range
  • an arbitrary reference range that is the calculation target reference range is defined as a correction target reference range
  • a coefficient stored in the correction filter is filtered.
  • NP2 Sum1 / Sum2
  • NP2 represents the estimated number of people after correction for the correction target reference range
  • Sum1 represents the sum of the first multiplication values for the correction target reference range and the surrounding calculation target reference range
  • Sum2 is , Represents the sum of filter coefficients associated with each of the correction target reference range and the surrounding calculation target reference range.
  • a thirteenth aspect of the present invention is a congestion degree estimation program, An index value acquisition step of acquiring an index value for estimating the degree of congestion based on the first sensor information; The CPU of the computer executes a congestion degree calculation step of directly calculating a congestion degree from the index value acquired in the index value acquisition step using a memory.
  • a fourteenth aspect of the present invention is the thirteenth aspect of the present invention.
  • the first sensor information is acceleration information
  • the index value is a standard deviation of acceleration based on the acceleration information.
  • the index value acquisition step includes a normalization step of obtaining a standard deviation as the index value by performing a predetermined normalization process on a standard deviation of acceleration obtained based on the acceleration information.
  • a sixteenth aspect of the present invention is the fifteenth aspect of the present invention, A normalization preparation step of acquiring a standard deviation of acceleration based on the acceleration information through a predetermined period before the execution of the index value acquisition step; In the normalization step, the normalization process is performed such that the maximum value of the standard deviations acquired in the normalization preparation step is the maximum value that can be taken as the index value.
  • the congestion degree is calculated such that the congestion degree increases as the standard deviation as the index value decreases.
  • a nineteenth aspect of the present invention is a number estimation program executed by the server in a number estimation system in which a server and a plurality of portable terminal devices are connected via a network,
  • a data receiving step for receiving data on the degree of congestion transmitted from each mobile terminal device;
  • An average congestion degree calculating step for calculating an average congestion degree for each predetermined reference range based on the congestion degree data received in the data receiving step;
  • the CPU of the computer stores an estimated number calculation step of calculating an estimated number of persons for each reference range by multiplying the average degree of congestion calculated in the average congestion degree calculation step by the maximum number of persons accommodated in advance for each reference range. It is characterized by being executed using.
  • a twentieth aspect of the present invention is a number estimation system in which a server and a plurality of portable terminal devices are connected via a network, Each mobile terminal device Index value acquisition means for acquiring an index value for estimating the degree of congestion based on the first sensor information; A congestion degree calculating means for calculating a congestion degree directly from the index value acquired by the index value acquiring means; Data transmission means for transmitting the congestion degree data calculated by the congestion degree calculation means to the server; The server Data receiving means for receiving data on the degree of congestion transmitted by the data transmitting means of each portable terminal device; Average congestion degree calculating means for calculating an average congestion degree for each predetermined reference range based on the congestion degree data received by the data receiving means; An estimated number of persons calculating means for calculating an estimated number of persons for each reference range by multiplying the average degree of congestion calculated by the average congestion degree calculating means by the maximum number of accommodated persons determined in advance for each reference range. To do.
  • the degree of congestion is calculated directly from the index value based on one sensor information (first sensor information). That is, it becomes possible to estimate the degree of congestion (the degree of congestion of the place where the user is walking) without performing complicated calculations using data of only one user such as a portable terminal device. In addition, since it is not necessary to provide a device such as a monitoring camera, it is possible to estimate the degree of congestion at a low cost.
  • the degree of congestion is calculated from the standard deviation of acceleration. Since variations in acceleration tend to change according to the degree of congestion, the degree of congestion can be accurately estimated by using the standard deviation of acceleration for calculating the degree of congestion.
  • the degree of congestion is calculated from the standard deviation of acceleration, a difference in how the person walks is taken into account. For this reason, the degree of congestion is estimated with higher accuracy.
  • the accuracy of estimating the degree of congestion is further increased.
  • the degree of congestion is calculated using only data when the user of the mobile terminal device is walking. Therefore, the degree of congestion is calculated by excluding the data of users who are not taking pictures or shopping. Thereby, the estimation precision of a congestion degree is raised.
  • information obtained from a sensor mounted on a recent mobile terminal device can be used as the first sensor information.
  • an index value for estimating the degree of congestion can be easily obtained from a sensor mounted on a recent mobile terminal device.
  • the ninth aspect of the present invention after estimation of the degree of congestion is performed for each mobile terminal device, information on the degree of congestion estimated by each of the plurality of mobile terminal devices is used for each reference range (for example, for each mesh). ) Average congestion degree is calculated. Since the degree of congestion for each portable terminal device can be obtained if one user's data exists, the average degree of congestion can also be obtained if one user's data exists in the reference range. Therefore, it is possible to estimate the degree of congestion for each smaller range than in the past.
  • the number of persons is estimated by multiplying the average congestion degree by the maximum capacity for each reference range. In this way, not only estimating the degree of congestion but also estimating the number of people. Moreover, it is not necessary to provide a device such as a surveillance camera in order to estimate the degree of congestion and the number of people. As described above, it is possible to provide users with more detailed congestion information at a lower cost than before.
  • the tenth aspect of the present invention it is possible to improve the estimation accuracy of the number of persons by appropriately setting the coefficient in the correction filter.
  • smoothing processing is performed to reduce an unnatural difference in the estimated number of people between adjacent reference ranges. As a result, the accuracy of estimating the number of people is increased.
  • the same effect as in the first aspect of the present invention can be obtained.
  • the same effect as in the second aspect of the present invention can be obtained.
  • the same effect as in the third aspect of the present invention can be obtained.
  • the same effect as in the fourth aspect of the present invention can be obtained.
  • the same effect as in the fifth aspect of the present invention can be obtained.
  • the eighteenth aspect of the present invention the same effect as in the sixth aspect of the present invention can be obtained.
  • the same effect as in the ninth aspect of the present invention is obtained.
  • the same effect as in the ninth aspect of the present invention can be obtained.
  • the said embodiment it is a flowchart which shows the schematic procedure of a congestion analysis process.
  • it is a flowchart which shows the procedure of the process (congestion degree estimation process) performed with a portable terminal device.
  • it is a figure for demonstrating the reason for using the standard deviation of acceleration for estimation of a congestion degree.
  • it is a figure which shows an example of the change of the standard deviation of the acceleration when a person is walking.
  • it is a figure for demonstrating normalization of a standard deviation.
  • it is a figure for demonstrating the conversion from a standard deviation to congestion degree.
  • it is a figure for demonstrating the frequency of the process which calculates a congestion degree.
  • the said embodiment it is a flowchart which shows the procedure of the process (number of persons estimation process) performed with a server.
  • it is a figure which shows the record format of mesh definition data.
  • it is the figure which showed typically allocation of the congestion degree data to a mesh.
  • it is a figure for demonstrating the average congestion degree data obtained by an average congestion degree calculation means.
  • it is a figure which shows the record format of base number-of-persons data.
  • it it is the figure which showed base number-of-persons data typically.
  • it is a figure for demonstrating the smoothing process.
  • the said embodiment it is a figure for demonstrating the smoothing process. In the said embodiment, it is a figure for demonstrating the smoothing process. In the said embodiment, it is a figure for demonstrating the smoothing process. It is a figure for demonstrating the effect in the said embodiment. It is a figure for demonstrating the effect in the said embodiment. It is a figure for demonstrating the time interval of the peak value of the waveform which shows the change of an acceleration regarding the modification of the said embodiment. It is a figure for demonstrating the time interval of the peak value of the waveform which shows the change of an acceleration regarding the modification of the said embodiment.
  • application software is abbreviated as “application”.
  • FIG. 1 is a block diagram showing a device configuration for realizing a route guidance system according to an embodiment of the present invention.
  • This route guidance system is realized by the server 20 and the plurality of mobile terminal devices 10.
  • the server 20 and the mobile terminal device 10 are connected via a communication line such as the Internet.
  • a route guidance application is installed in the mobile terminal device 10 in order to realize this route guidance system.
  • the route guidance application is software for presenting a route from the current location to the destination to the user when the user moves to a certain destination for sightseeing or shopping.
  • the user can activate the route guidance application by a predetermined operation.
  • the route guidance application may have a function specialized for route guidance for evacuation guidance. As a result, even if a user encounters a disaster such as an earthquake in a place where he / she is not familiar with the land, he / she can easily reach the evacuation center.
  • this route guidance system realizes a number estimation system.
  • FIG. 2 is a block diagram illustrating a hardware configuration of the mobile terminal device 10.
  • the portable terminal device 10 includes a CPU 11, a flash ROM 12, a RAM 13, a communication control unit 14, a video photographing unit (camera) 15, an input operation unit 16, a display unit 17, a GPS sensor 18a, an acceleration sensor 18b, and a geomagnetic sensor 18c.
  • the CPU 11 performs various arithmetic processes and the like in order to control the entire mobile terminal device 10.
  • the flash ROM 12 is a writable nonvolatile memory, and stores various programs and various data that should be retained even when the power of the mobile terminal device 10 is turned off.
  • the RAM 13 is a writable volatile memory, and temporarily stores an executing program, data, and the like.
  • the communication control unit 14 performs control of data transmission to the outside and control of data reception from the outside.
  • the video shooting unit (camera) 15 shoots a landscape seen from the current position based on an operation by the user.
  • the input operation unit 16 is a touch panel, for example, and accepts an input operation by a user.
  • the display unit 17 displays an image based on a command from the CPU 11.
  • the GPS sensor 18a acquires position information (latitude / longitude information) for specifying the current position of the user based on radio waves received from GPS satellites.
  • the acceleration sensor 18 b measures acceleration based on the movement of the mobile terminal device 10.
  • the geomagnetic sensor 18c acquires azimuth information indicating the azimuth in which the mobile terminal device 10 is facing (for example, the azimuth in which the display unit 17 is facing).
  • a route guidance program for realizing a route guidance application is stored in the flash ROM 12.
  • the route guidance program includes a congestion level estimation program for estimating the congestion level.
  • the route guidance program stored in the flash ROM 12 is read into the RAM 13, and the CPU 11 executes the route guidance program read into the RAM 13, thereby causing the route guidance.
  • App functionality is provided to users.
  • the route guidance program is typically downloaded from a predetermined server (not shown) to the mobile terminal device 10 via a communication line such as the Internet, and installed in the flash ROM 12 in the mobile terminal device 10.
  • FIG. 3 is a block diagram showing a hardware configuration of the server 20.
  • the server 20 includes a CPU 21, ROM 22, RAM 23, auxiliary storage device 24, communication control unit 25, input operation unit 26, and display unit 27.
  • the CPU 21 performs various arithmetic processes and the like to control the entire server 20.
  • the ROM 22 is a read-only memory and stores, for example, an initial program to be executed by the CPU 21 when the server 20 is activated.
  • the RAM 23 is a writable volatile memory, and temporarily stores programs and data being executed.
  • the auxiliary storage device 24 is a magnetic disk device or the like, and stores various programs and various data that should be retained even when the server 20 is powered off.
  • the communication control unit 25 performs control of data transmission to the outside and control of data reception from the outside.
  • the input operation unit 26 is a keyboard or a mouse, for example, and accepts an input operation by an operator.
  • the display unit 27 displays an image based on a command from the CPU 21.
  • the server 20 is installed with a program for estimating the number of people for each mesh.
  • the mesh is an area obtained by dividing a geographic area by a range of a certain size and shape. In the present embodiment, for example, an area of 20 m square is one mesh.
  • the number of persons estimation program is stored in the ROM 22 or the auxiliary storage device 24.
  • the server 20 is activated, the number estimation program stored in the ROM 22 or the auxiliary storage device 24 is read into the RAM 23, and the CPU 21 executes the number estimation program read into the RAM 23.
  • the number of persons for each mesh is estimated using data sent from the mobile terminal device 10.
  • FIG. 4 is a block diagram showing a detailed functional configuration of the route guidance system.
  • this route guidance system is realized by the mobile terminal device 10 and the server 20.
  • the portable terminal device 10 includes a GPS information acquisition unit 100, an acceleration measurement unit 110, a direction detection unit 120, a behavior determination unit 130, a congestion degree estimation unit 140, a data transmission unit 150, a data reception unit 160, a basic information storage unit 170, a route.
  • a search unit 180 and a display unit 190 are provided.
  • the congestion level estimation unit 140 includes a standard deviation calculation unit 142 and a congestion level calculation unit 144.
  • the server 20 includes data receiving means 200, data storage means 210, average congestion degree calculating means 220, number of people calculating means 230, number of people smoothing means 240, and data transmitting means 250.
  • the GPS information acquisition means 100 acquires position information (latitude / longitude information) for specifying the current position of the user based on radio waves received from GPS satellites, and outputs it as GPS information Gda.
  • the acceleration measurement unit 110 measures acceleration based on the movement of the mobile terminal device 10 caused by the user's movement, and outputs acceleration data including, for example, measurement time information and acceleration information that is a measurement value.
  • the same reference symbol SA is attached to the acceleration itself as the measurement value and the above-described acceleration data.
  • the acceleration SA is measured by the acceleration measuring unit 110, for example, every 70 milliseconds.
  • the azimuth detecting means 120 detects the azimuth that the portable terminal device 10 faces and outputs the detection result as azimuth information BI.
  • the GPS information acquisition unit 100 is realized by a GPS sensor 18a as hardware
  • the acceleration measurement unit 110 is realized by an acceleration sensor 18b as hardware
  • the direction detection unit 120 is realized by a geomagnetic sensor 18c as hardware. (See FIG. 2).
  • the first sensor information is realized by the acceleration information obtained by the acceleration measuring means 110
  • the second sensor information is realized by the orientation information BI obtained by the orientation detecting means 120.
  • the behavior determination unit 130 determines whether or not the user is walking based on the direction information BI and outputs the determination result K. A detailed description of this determination will be given later.
  • the congestion degree estimation means 140 estimates the congestion degree C of the position where the user is walking based on the GPS information Gda, the acceleration SA, and the determination result K by the action determination means 130, and the latitude / longitude information and the congestion degree Congestion degree data C including information is output. More specifically, the standard deviation calculation means 142 included in the congestion degree estimation means 140 is, for example, the latest 10 seconds based on the acceleration data SA when the determination result K indicates that the user is walking. A standard deviation SD of the acceleration SA is obtained. In the present embodiment, an index value acquisition unit is realized by the standard deviation calculation unit 142.
  • the congestion degree calculation means 144 included in the congestion degree estimation means 140 calculates the congestion degree C based on the standard deviation SD (converts the standard deviation SD into the congestion degree C), and records such as shown in FIG. Congestion degree data C having a format is output. A detailed description of how to obtain the standard deviation SD and how to obtain the degree of congestion C will be described later.
  • the data transmission unit 150 transmits the congestion degree data C to the server 20. Transmission of the congestion degree data C by the data transmission means 150 is performed, for example, every minute.
  • the data receiving unit 160 receives significant information Mda, which is data useful for route search (search for a route from the current position of the user to the destination by the route search unit 180) from the server 20.
  • the basic information storage unit 170 stores basic information Bda necessary for route search.
  • the basic information storage unit 170 is realized by the flash ROM 12 or RAM 13 (see FIG. 2) as hardware.
  • the basic information Bda includes a map and road information.
  • the road information includes, for example, position information (start point and end point information), distance information from the start point to the end point, road width information, and the like. It should be noted that the basic information Bda to be stored in the basic information storage unit 170 is downloaded from the server 20 to the mobile terminal device 10 by causing the data transmission unit 150 to transmit the GPS information Gda to the server 20 at an appropriate timing. May be.
  • the route search means 180 accepts the input of the destination by the user and searches for the route to the destination based on the GPS information Gda, the significant information Mda, and the basic information Bda.
  • the route search result Re by the route search means 180 is displayed on the display means 190 (display unit 17 in FIG. 2).
  • a screen as shown in FIG. 6 is displayed on the display unit 17.
  • the area in the display unit 17 displays an area (map display area) 17a for displaying a map and a video (landscape video) obtained by shooting by the video shooting unit 15 (see FIG. 2). Is divided into an area (video display area) 17b for the purpose.
  • the route to the destination is represented by a thick line indicated by reference numeral 31, and in the video display area 17b, the route to the destination is indicated by an arrow-shaped air tag (augmented reality image) indicated by reference numeral 32. Has been.
  • the data receiving unit 200 receives the congestion degree data C sent from the mobile terminal device 10.
  • the congestion degree data C is stored in the data storage unit 210.
  • the congestion degree data C received by the data receiving means 200 includes data of various positions (latitude, longitude), and these data are classified into data for each mesh and stored in the data storage means 210.
  • the data storage means 210 stores base number-of-persons data BN described later. Data other than the congestion degree data C and the base number of people data BN (for example, basic information Bda) may be stored in the data storage unit 210.
  • the average congestion degree calculation unit 220 calculates an average congestion degree CAV for each mesh based on the congestion degree data C stored in the data storage unit 210. Thereby, for example, average congestion degree data CAV having a record format as shown in FIG. 7 is output.
  • the number-of-persons calculation means 230 is based on the estimated number of persons for each mesh (the roads in each mesh) based on the base number-of-persons data BN stored in the data storage means 210 and the average congestion degree CAV calculated by the average congestion degree calculation means 220.
  • the number of people estimated to be currently on) NP1 is calculated.
  • the number smoothing means 240 performs a smoothing process on the estimated number of persons NP1 calculated by the number of persons calculating means 230 so as to reduce an unnatural difference in the estimated number of persons between adjacent meshes.
  • the estimated number of persons data NP2 having a record format as shown in FIG. A detailed description of how to obtain the estimated number of persons and the smoothing process will be described later.
  • the data transmission unit 250 transmits significant information Mda necessary for route search to the mobile terminal device 10.
  • the significant information Mda transmitted to the mobile terminal device 10 includes average congestion degree data CAV and estimated number of people data NP2.
  • FIG. 9 is a flowchart showing a schematic procedure of the congestion analysis process.
  • the degree of congestion at the current position of the user is estimated using only the data obtained by each mobile terminal device 10 (step S10).
  • Congestion degree data C obtained as a result of estimation of the congestion degree in each mobile terminal device 10 is transmitted to the server 20.
  • the server 20 estimates the average congestion degree (congestion degree for each mesh) based on the congestion degree data C sent from each mobile terminal device 10 (step S20a).
  • the server 20 further estimates the number of people for each mesh (step S20b).
  • the process (process of step S10) performed by the portable terminal device 10 and the process (process of steps S20a and S20b) performed by the server 20 will be described in detail.
  • FIG. 10 is a flowchart illustrating a procedure of processing (congestion degree estimation processing) performed in the mobile terminal device 10.
  • processing congestion degree estimation processing
  • the behavior determination unit 130 determines whether or not the user of the mobile terminal device 10 is walking (step S120). In the present embodiment, this determination is performed based on the direction information BI detected by the direction detection unit 120. In general, when a person is walking, the body orientation is considered to be substantially constant. On the other hand, when a person is stopped by taking a picture or shopping, it is thought that the change in the orientation of the body is large.
  • the difference per unit second of the azimuth angle obtained from the azimuth information BI is obtained, and if the difference is equal to or less than a predetermined threshold, a determination that “the user is walking” is performed, If the difference is larger than a predetermined threshold, it is determined that “the user is not walking”. If the result of determination in step S120 is that the user is walking, the process proceeds to step S130, and if the user is not walking, the process proceeds to step S150.
  • step S130 the standard deviation calculation means 142 calculates the standard deviation SD of the acceleration SA for the latest 10 seconds.
  • FIG. 11 is a diagram illustrating an example of a change in acceleration when a person is walking.
  • the stride is reduced and the overall movement is reduced, so that the variation in acceleration is reduced as indicated by reference numeral 33 in FIG.
  • the stride is increased and the overall movement is increased, so that the variation in acceleration is increased as indicated by reference numeral 34 in FIG.
  • the congestion degree is estimated using a standard deviation (acceleration) serving as an index of variation in acceleration.
  • FIG. 12 is a diagram showing an example of a change in the standard deviation of acceleration when a person is walking.
  • the standard deviation of the acceleration is a relatively large value. During this time, people are thought to be walking in relatively free places.
  • the standard deviation of the acceleration is a relatively small value in the time zone indicated by reference numeral 36 in FIG. During this time, people are thought to be walking in relatively crowded places.
  • the standard deviation of acceleration is acquired every predetermined period (for example, 10 minutes), for example, every 10 seconds after starting the route guidance application.
  • the maximum value among the standard deviations acquired during the predetermined period is set to a value corresponding to 1.0 after normalization.
  • the maximum value of the standard deviation of acceleration is 0.7 as a result of the calibration process.
  • normalization is performed so that the value in the range from 0.0 to 0.7 becomes the value in the range from 0.0 to 1.0, as shown in FIG.
  • the congestion degree C is calculated by the congestion degree calculating means 144 based on the standard deviation SD (step S140).
  • the degree of congestion C is represented by a value from 0 to 1. As the value of the degree of congestion C approaches 1, the degree of congestion increases.
  • the standard deviation SD of the acceleration SA decreases when walking in a crowded place, and increases when walking in a vacant place. Therefore, in step S140, as shown in FIG. 14, the congestion degree C approaches 0 as the standard deviation SD of the acceleration SA approaches 1, and the congestion degree C becomes 1 as the standard deviation SD of the acceleration SA approaches 0.
  • step S130 the standard deviation SD of the acceleration SA for the latest 10 seconds is calculated. That is, one process for calculating the degree of congestion C is performed using data for 10 seconds. However, the degree of congestion C is not calculated every 10 seconds but every 5 seconds. That is, as shown in FIG. 15, the data for the latter half 5 seconds used for the calculation of the first congestion degree C and the data for the first half 5 seconds used for the calculation of the second congestion degree C overlap. The data for the second half 5 seconds used for the calculation of the degree of congestion C for the second time and the data for the first half 5 seconds used for the calculation of the degree of congestion C for the third time overlap. In this way, a more real-time congestion degree C is obtained.
  • step S150 After calculating the congestion degree C, it is determined whether or not a predetermined time (for example, 1 minute) has elapsed (step S150). As a result, if the predetermined time has elapsed, the process proceeds to step S160, and if the predetermined time has not elapsed, the process returns to step S120.
  • a predetermined time for example, 1 minute
  • step S160 the congestion degree data C accumulated during a predetermined time is transmitted from the mobile terminal device 10 to the server 20. However, if the congestion degree data C is not accumulated at all, the congestion degree data C is not transmitted to the server 20. After the congestion degree data C is transmitted to the server 20, the process returns to step S120. Thereafter, the processing from step S120 to step S160 is repeated until the route guidance application is terminated.
  • the normalization preparation step is realized by step S110
  • the action determination step is realized by step S120
  • the index value acquisition step is realized by step S130
  • the congestion degree calculation step is realized by step S140. ing.
  • FIG. 16 is a flowchart illustrating a procedure of processing (number of persons estimation processing) performed by the server 20.
  • the server 20 first performs processing (step 210 and step S220) of accumulating the congestion degree data C sent from each mobile terminal device 10. More specifically, the congestion degree data C sent from each mobile terminal device 10 is received (step S210), and the received congestion degree data C is assigned to the corresponding mesh (step S220).
  • the processes of step S210 and step S220 are performed every time congestion level data C is sent from the mobile terminal device 10 until a predetermined period (for example, 15 minutes) has elapsed since the previous execution of this number estimation process.
  • a predetermined period for example, 15 minutes
  • One record of the congestion degree data C sent from the mobile terminal device 10 includes latitude / longitude information and congestion degree information (see FIG. 5). Further, the server 20 holds in advance mesh definition data having a record format as shown in FIG. 17, for example, as data defining each mesh. As shown in FIG. 17, the mesh definition data includes lower left latitude / longitude information and lower right latitude / longitude information for each mesh. As described above, by referring to the mesh definition data, as schematically shown in FIG. 18, each record of the congestion degree data C can be assigned to the corresponding mesh. A conversion formula for obtaining a mesh number from latitude / longitude information may be prepared, and each record of the congestion degree data C may be assigned to a corresponding mesh based on the conversion formula.
  • the number calculation means 230 calculates the estimated number of persons NP1 for each mesh (step S240).
  • the base number of people BN is used to calculate the estimated number of people NP1.
  • the base number of people BN is information on the maximum number of people that can indicate how many people can exist at a single point on the road in each mesh.
  • the base number of people BN is obtained based on the occupied area of the road in each mesh, for example. In the present embodiment, it is assumed that the base number data BN is prepared in advance.
  • the base number data BN has a record format as shown in FIG. 20, for example, and is stored in the data storage unit 210 in advance.
  • step S240 the estimated number of persons NP1 is calculated for each mesh by multiplying the average congestion degree CAV calculated in step S230 by the base number of persons BN. That is, for each mesh, the estimated number of people NP1 is calculated by the following equation (2).
  • Estimated number of people Average congestion ⁇ Base number of people (2) For example, when the average congestion degree CAV for each mesh is obtained as shown in FIG. 19 and the base number of persons BN for each mesh is obtained as shown in FIG. 21, each mesh as shown in FIG. The estimated number of people NP1 is calculated.
  • the number of people smoothing means 240 After calculating the estimated number of people NP1 for each mesh, the number of people smoothing means 240 performs a smoothing process (step S250). This smoothing process will be described below. For example, past data of about 15 minutes is also used for the calculation of the estimated number of people NP1 in step S240, so that the estimated number of people NP1 is calculated after obtaining the congestion degree data C from each mobile terminal device 10. Many users move across the mesh. For this reason, an unnatural difference may occur between adjacent meshes regarding the estimated number of people NP1. For example, when attention is paid to one road having a certain width, it is considered that the congestion state gradually changes every time the mesh is crossed. The estimated number of people NP1 may change greatly between two meshes. Therefore, in the present embodiment, the estimated number of persons NP1 obtained in step S240 is corrected so as to reduce the unnatural difference in estimated number of persons between adjacent meshes.
  • the estimated number of people NP2 after correction for a certain mesh is obtained based on the estimated number of people NP1 before correction for the mesh and the estimated number of people NP1 before correction for meshes around the mesh.
  • a correction filter 41 as shown in FIG. 23 is used.
  • the correction filter 41 stores coefficients (hereinafter referred to as “filter coefficients”) associated with one mesh and eight surrounding meshes. Further, only the mesh data in which the congestion degree data C exists is used to calculate the estimated number of persons NP2. By removing a mesh in which the congestion degree data C does not exist from the calculation target, a smoothing process along the flow of people (along the road) is performed.
  • a mesh in which the congestion degree data C exists is defined as a calculation target mesh
  • an arbitrary mesh that is a calculation target mesh is defined as a correction target mesh
  • the estimated number NP1 of the arbitrary mesh before correction is assigned to the mesh.
  • the corrected estimated number of persons NP2 for the correction target mesh is calculated by the following equation (3).
  • NP2 Sum1 / Sum2 (3)
  • Sum1 represents the sum of the first multiplication values for the correction target mesh and the surrounding calculation target meshes
  • Sum2 is associated with each of the correction target mesh and the surrounding calculation target meshes. Represents the sum of filter coefficients.
  • the mesh from which the calculation result of the estimated number of people NP1 is obtained is a mesh in which the congestion degree data C exists.
  • the mesh indicated by reference numeral 52 in FIG. 24 corresponds to the center mesh of the correction filter 41 (mesh indicated by reference numeral 51 in FIG. 23). It is done.
  • the corrected estimated number of people NP2 is calculated by the following equation (4).
  • NP2 (8 ⁇ 1 + 10 ⁇ 2 + 18 ⁇ 1 + 14 ⁇ 1) / 5 (4)
  • the estimation result of the estimated number of people NP2 for each mesh as shown in FIG. 26 is obtained. From FIG. 24 to FIG. 26, it is understood that the change in the estimated number of people along the road is smoothed by the correction. As described above, when the estimated number of persons NP2 is calculated for all the calculation target meshes, one person estimation process (the process from step S210 to step S250) is completed.
  • an average congestion degree calculating step is realized in step S230
  • an estimated number calculating step is realized in step S240
  • an estimated number correcting step is realized in step S250.
  • step S20a in FIG. 9 corresponds to steps S210 to S230 in FIG. 16, and step S20b in FIG. 9 corresponds to steps S240 to S250 in FIG.
  • the standard deviation SD of the acceleration SA obtained by the acceleration measuring means 110 is calculated, and simple conversion is performed on the standard deviation SD. Is used to obtain the degree of congestion C.
  • the server 20 calculates the average congestion degree CAV for each mesh using the congestion degree data C sent from the plurality of portable terminal devices 10. As described above, the degree of congestion C can be obtained if there is data for one user, and therefore the degree of congestion can be estimated for each smaller range than before. That is, it becomes possible to provide the user with more detailed congestion information than before.
  • the congestion degree data C obtained by each mobile terminal device 10 is aggregated by the server 20 for each relatively short period of time, it becomes possible to provide real-time congestion information to the user.
  • the server 20 estimates the number of people by multiplying the average congestion degree CAV by the base number of people (maximum capacity) for each mesh. In this way, not only estimating the degree of congestion but also estimating the number of people. Since the average congestion degree CAV of each mesh is obtained if there is one user's data for each mesh, the number of people can be estimated for each smaller range than before. For example, as shown in FIG. 28, in the area where road data as shown in FIG. 27 exists, conventionally, information on the number of people could be provided to the user only in a relatively wide range (for example, every 500 m square). On the other hand, according to the present embodiment, it is possible to provide the user with information on the number of people for each narrow range (for example, every 20 m square).
  • smoothing processing is performed to reduce an unnatural difference in the estimated number of people between adjacent meshes.
  • meshes for which no congestion degree data exists are excluded from calculation targets. Thereby, the smoothing process along the flow of people (along the road) is performed, and the estimation accuracy of the number of people is increased.
  • the degree of congestion C is calculated using only data when the behavior determination unit 130 determines that “the user is walking”. As described above, the congestion degree C is calculated by excluding data of users who have stopped taking a picture or shopping, so that the estimation accuracy of the congestion degree C can be improved.
  • the determination as to whether or not the user is walking is performed based on the orientation information BI.
  • the present invention is not limited to this.
  • the determination may be performed based on the angular velocity obtained by the gyro sensor.
  • a determination that “the user is walking” is performed, and the difference is larger than the predetermined threshold. For example, the determination that “the user is not walking” may be made.
  • a function for detecting a user's action for example, a motion activity function installed in iphone (registered trademark), a product of Apple Inc.) is provided.
  • iphone registered trademark
  • the standard deviation SD is calculated from the acceleration SA obtained by the acceleration measuring means 110, and the congestion degree C is estimated using the standard deviation SD.
  • the present invention is not limited to this. That is, the index value for estimating the degree of congestion C is not limited to the standard deviation SD.
  • various modified examples related to the index value for estimating the degree of congestion C will be described.
  • a plurality of threshold values may be provided, and the degree of congestion C may be obtained based on the number of times the acceleration SA has exceeded each threshold value during a predetermined period.
  • the value of the congestion degree C calculated by the congestion degree calculation unit 144 is increased as the time interval of the peak value is smaller. Further, as shown in FIG. 30, if the time interval of peak values (the length of time from T31 to T36) is irregular, it is considered that the road is congested. Therefore, the greater the irregularity of the peak value time interval, the higher the value of the congestion degree C calculated by the congestion degree calculation means 144.
  • the waveform of the acceleration SA crosses the zero axis (time axis where the value of the acceleration SA is 0) at any time (here, the acceleration SA is shown here). Note the time interval during which the value changes from positive to negative). Similar to the time interval of the peak value of the waveform described above, the time interval at which the waveform of the acceleration SA intersects the zero axis depends on the congestion state of the road. From the above, the time interval at which the waveform of the acceleration SA intersects the zero axis can also be used as an index value for estimating the congestion degree C.
  • the value of the congestion degree C calculated by the congestion degree calculation unit 144 is increased as the time interval at which the waveform of the acceleration SA intersects the zero axis is smaller. Further, the greater the irregularity of the time interval at which the waveform of the acceleration SA intersects the zero axis, the higher the value of the congestion degree C calculated by the congestion degree calculating means 144.
  • the velocity can be obtained by integrating the acceleration.
  • the walking speed is low when walking in a crowded place, and the walking speed is high when walking in a vacant place. Therefore, the speed calculated by integrating the acceleration SA can be used as an index value for estimating the congestion degree C. In this case, the value of the congestion degree C calculated by the congestion degree calculation unit 144 is increased as the speed is reduced.
  • the degree of congestion C is calculated based on the acceleration SA obtained by the acceleration sensor 18b (acceleration measuring means 110).
  • the present invention is not limited to this. That is, the sensor used for estimating the degree of congestion is not limited to the acceleration sensor 18b.
  • various modified examples regarding the sensor used for estimating the degree of congestion will be described.
  • the gyro sensor is a sensor that detects angular velocity. By the way, it is considered that the state of rotation of the body and the state of twisting of the body differ between when walking in a crowded place and when walking in a vacant place. Therefore, it is possible to grasp the magnitude of the human walking motion from the information on the angular velocity. In addition, the magnitude of the walking motion depends on the congestion state of the road. As described above, the congestion degree may be estimated based on the angular velocity information. That is, a gyro sensor can also be used as a congestion degree estimation sensor.
  • a gyro sensor When a gyro sensor is used as a sensor for estimating the degree of congestion, as an index value for estimating the degree of congestion, the standard deviation of the angular velocity, the number of times that the angular velocity exceeds the threshold during a predetermined period, the average value of the absolute value of the angular velocity, The maximum angular velocity value, the minimum angular velocity value, the time interval between the peak values of the angular velocity waveform, and the time interval at which the angular velocity waveform intersects the zero axis can be employed.
  • the geomagnetic sensor 18c acquires azimuth information BI indicating the azimuth in which the mobile terminal device 10 is facing.
  • azimuth information BI indicating the azimuth in which the mobile terminal device 10 is facing.
  • the rotational state of the body with respect to the horizontal plane differs between when walking in a crowded place and when walking in a vacant place. Therefore, it is possible to grasp the magnitude of the walking motion of the person from the change in the direction information BI.
  • the magnitude of the walking motion depends on the congestion state of the road.
  • the degree of congestion may be estimated based on the direction information BI. That is, the geomagnetic sensor 18c can be used as a sensor for estimating the degree of congestion.
  • the standard deviation of the direction information BI (output value) and the peak value of the waveform of the direction information BI (output value) are used as index values for estimating the degree of congestion.
  • Time intervals can be employed.
  • the altitude sensor is a sensor that detects altitude. By the way, it is considered that the state of vertical movement of the body differs between when walking in a crowded place and when walking in a vacant place. Therefore, it is possible to grasp the size of a person's walking motion from altitude information. In addition, the magnitude of the walking motion depends on the congestion state of the road. As described above, the degree of congestion may be estimated based on altitude information. That is, an altitude sensor can be used as a sensor for estimating the degree of congestion. When an altitude sensor is used as a congestion degree estimation sensor, an altitude standard deviation and an altitude waveform peak value time interval can be used as an index value for estimating the congestion degree.
  • a step sensor is a sensor that measures the number of steps of a person. By the way, by inputting the information on the stride in advance, it is possible to estimate the movement distance of the person in a certain time from the number of steps in the certain time. Moreover, since the movement distance in a fixed time can be estimated, the speed can also be estimated. Further, the speed (human walking speed) depends on the congestion state of the road. From the above, the degree of congestion may be estimated based on the number of steps information. That is, a step number sensor can also be used as a congestion degree estimation sensor. When a step count sensor is used as a congestion degree estimation sensor, speed can be used as an index value for estimating the congestion degree.
  • the GPS sensor 18a acquires position information (latitude / longitude information) for specifying the current position (see FIG. 2). By the way, the movement distance of the person during the predetermined period can be estimated from the change in the position information throughout the predetermined period. Moreover, since the movement distance in a predetermined period can be estimated, the speed can also be estimated. Further, the speed (human walking speed) depends on the congestion state of the road. As described above, the congestion degree may be estimated based on the position information (latitude / longitude information). That is, the GPS sensor 18a can be used as a sensor for estimating the degree of congestion. When the GPS sensor 18a is used as a congestion degree estimation sensor, the speed can be adopted as an index value for estimating the congestion degree.
  • an index value for estimating the degree of congestion is the frequency at which the position information value changes (update frequency) or the position information value during a predetermined period. Changing time intervals can also be employed. This will be described below.
  • One piece of position information obtained by the GPS sensor 18a is data associated with an area of a certain size. And the value of position information changes by straddling such a region. Accordingly, when focusing on a certain predetermined period, the update frequency of the position information value during the predetermined period changes according to the moving speed. In addition, the moving speed depends on the congestion state of the road.
  • the update frequency of the position information value during the predetermined period can be adopted as the index value for estimating the degree of congestion. Further, the value of the position information does not change when it is stopped. Accordingly, the greater the degree of congestion, the longer the time interval at which the position information value changes. As described above, a time interval at which the position information value changes can be used as an index value for estimating the degree of congestion.
  • the route guidance system has been described as an example, but the present invention is not limited to this.
  • the degree of congestion and the number of people can be estimated by a system similar to the route guidance system, and the estimation results can be used for various purposes. For example, information on the degree of congestion and the estimated number of people can be used for real-time changes in the arrangement of guards at an event (fireworks display, concert, various sports competitions, etc.).
  • the route guidance system is realized by the server 20 and the mobile terminal device 10, but the present invention is not limited to this.
  • a so-called wearable terminal such as a head-mounted display (head-mounted display device) may be used.
  • the program for realizing the application is provided to the mobile terminal device 10 or the like in the form of download via a communication line such as the Internet.
  • a program for realizing an application may be provided to the mobile terminal device 10 or the like in a form stored in a computer-readable recording medium.
  • the recording medium is, for example, a non-transitory recording medium. Examples of non-transitory recording media include CD-ROM and DVD-ROM.

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Automation & Control Theory (AREA)
  • Finance (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Accounting & Taxation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Navigation (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

監視カメラを要することなく安価に精度良く混雑度および人数を推定する方法を提供する。　携帯端末装置のセンサ情報（例えば加速度情報）に基づいて混雑度を推定する混雑度推定ステップ（Ｓ１０）と、複数台の携帯端末装置についての混雑度推定ステップで推定された混雑度に基づいて、予め定められたメッシュ（基準範囲）毎の平均混雑度を算出する平均混雑度算出ステップ（Ｓ２０ａ）と、平均混雑度算出ステップで算出された平均混雑度にメッシュ毎に予め求められているベース人数（最大収容人数）を乗ずることによってメッシュ毎の推定人数を算出する推定人数算出ステップ（Ｓ２０ｂ）とが設けられる。

Description

混雑度推定方法、人数推定方法、混雑度推定プログラム、人数推定プログラム、および人数推定システム
　本発明は、ナビゲーションシステムなどに用いられる混雑度および人数（所定範囲内の人数）の推定方法に関する。
　携帯電話などの携帯端末装置の高機能化・高解像度化により、近年、地図を利用するアプリケーションソフトウェアが多く開発されている。そのようなアプリケーションソフトウェアの１つとして、携帯端末装置の利用者（以下、「ユーザー」という。）を目的地に案内するための「経路案内アプリ」などと呼ばれるアプリケーションソフトウェアが知られている。経路案内アプリでは、ユーザーの現在地から目的地までの経路探索が行われ、その結果が携帯端末装置の画面上に地図とともに表示される。このような経路案内アプリを利用することにより、ユーザーは手元に地図がない場合でも目的地に容易にたどり着くことができる。
　一般に、経路案内アプリでは、最短距離の経路の探索が行われるだけでなく最短時間の経路の探索も行われる。また、画面上に経路を表示するだけでなく、現在地から目的地までの予測所要時間も表示される。以上のように、経路案内アプリでは、移動に要する時間を予測する必要があり、道路の混雑状況を考慮した予測を行うためには混雑度や人数を推定する必要がある。
　道路上の人数を推定する手法としては、携帯端末装置のＧＰＳ機能によって得られる位置情報を用いる手法（以下、「第１の従来手法」という。）や監視カメラの映像を用いる手法（以下、「第２の従来手法」という。）が知られている。第１の従来手法では、或る携帯電話事業者に契約しているユーザーの携帯端末装置のうちＧＰＳ機能をオンに設定している装置から位置情報が取得され、日本の総人口に対する当該携帯電話事業者の契約者数の割合に基づいて所定のエリア毎の人数が推定されている。第２の従来手法では、道路上あるいは道路近傍に設置された監視カメラで得られた映像を用いて画像処理（例えば、映像から人を検出して人の頭の数をカウントする処理）を行うことによって、監視カメラ近傍の領域の人数が推定されている。
　なお、本件発明に関連して、以下の先行技術文献が知られている。日本の特開２００９－１１００５４号公報には、監視カメラの撮像画像の局所領域における輝度値の時間変化率に基づいて人の移動状況や混雑度を判定する状況判定装置の発明が開示されている。日本の特開２０１５－２１９８３３号公報には、監視カメラが設置していない場所の混雑度をウェアラブル端末が撮影した画像に基づいて算出する混雑度推定システムの発明が開示されている。
日本の特開２００９－１１００５４号公報 日本の特開２０１５－２１９８３３号公報
　第１の従来手法によれば、或る携帯電話事業者の契約者のみのデータが用いられており、しかも、日本の総人口を参考にした推定が行われるので、狭い領域内における人数を精度良く推定することができない。また、推定精度を高めるためには推定に用いるデータ数を多くする必要があり、そのためには人数の推定を比較的広い領域毎で行わざるを得ない。経路案内アプリにおいて人数の推定が広い領域毎で行われると、現在地から目的地までの所要時間が精度良く推定されない。
　また、第２の従来手法によれば、監視カメラに映っている領域については、比較的精度良く人数を推定することができる。しかしながら、監視カメラの設置には膨大なコストを要することが懸念される。また、観光地などにおいては、景観保護のために監視カメラの設置が認められないこともある。
　そこで、本発明は、監視カメラを要することなく安価に精度良く混雑度および人数を推定する方法を提供することを目的とする。
　本発明の第１の局面は、混雑度推定方法であって、
　混雑度を推定するための指標値を第１のセンサ情報に基づいて取得する指標値取得ステップと、
　前記指標値取得ステップで取得された指標値から直接に混雑度を算出する混雑度算出ステップと
を含むことを特徴とする。
　本発明の第２の局面は、本発明の第１の局面において、
　前記第１のセンサ情報は、加速度情報であって、
　前記指標値は、前記加速度情報に基づく加速度の標準偏差であることを特徴とする。
　本発明の第３の局面は、本発明の第２の局面において、
　前記指標値取得ステップは、前記加速度情報に基づいて得られた加速度の標準偏差に所定の正規化処理を施すことによって前記指標値としての標準偏差を求める正規化ステップを含むことを特徴とする。
　本発明の第４の局面は、本発明の第３の局面において、
　前記指標値取得ステップの実行前に所定期間を通じて前記加速度情報に基づく加速度の標準偏差を取得する正規化準備ステップを更に含み、
　前記正規化ステップでは、前記正規化準備ステップで取得された標準偏差のうちの最大値が前記指標値として取り得る値の最大値となるように前記正規化処理が行われることを特徴とする。
　本発明の第５の局面は、本発明の第２から第４までのいずれかの局面において、
　前記混雑度算出ステップでは、前記指標値としての標準偏差が小さいほど混雑度が大きくなるように混雑度が算出されることを特徴とする。
　本発明の第６の局面は、本発明の第１から第５までのいずれかの局面において、
　携帯端末装置の利用者が歩行中であるか否かを第２のセンサ情報に基づいて判別する行動判別ステップを更に含み、
　前記行動判別ステップで利用者が歩行中である旨の判別がなされたときにのみ、前記指標値取得ステップによる指標値の取得および前記混雑度算出ステップによる混雑度の算出が行われることを特徴とする。
　本発明の第７の局面は、本発明の第１の局面において、
　前記第１のセンサ情報は、加速度情報、角速度情報、方位情報、位置情報、高度情報、および歩数情報のいずれかであることを特徴とする。
　本発明の第８の局面は、本発明の第１の局面において、
　前記指標値は、前記第１のセンサ情報として得られた値の標準偏差、前記第１のセンサ情報として得られた値が予め定められた閾値を超えた回数、前記第１のセンサ情報として得られた値の絶対値の平均値、前記第１のセンサ情報として得られた値の変化を示す波形のピーク値の時間間隔、前記第１のセンサ情報として得られた値の変化を示す波形が値がゼロの軸と交差する時間間隔、前記第１のセンサ情報として得られた値から算出される速度、前記第１のセンサ情報として得られる値が変化する頻度、および前記第１のセンサ情報として得られる値が変化する時間間隔のいずれかであることを特徴とする。
　本発明の第９の局面は、人数推定方法であって、
　携帯端末装置のセンサ情報に基づいて混雑度を推定する混雑度推定ステップと、
　複数の携帯端末装置についての前記混雑度推定ステップで推定された混雑度に基づいて、予め定められた基準範囲毎の平均混雑度を算出する平均混雑度算出ステップと、
　前記平均混雑度算出ステップで算出された平均混雑度に基準範囲毎に予め求められている最大収容人数を乗ずることによって基準範囲毎の推定人数を算出する推定人数算出ステップと
を含むことを特徴とする。
　本発明の第１０の局面は、本発明の第９の局面において、
　１つの基準範囲およびその周囲の基準範囲に対応付けられる係数群を格納する補正用フィルタを用いて、前記推定人数算出ステップで算出された推定人数を補正する推定人数補正ステップを更に含むことを特徴とする。
　本発明の第１１の局面は、本発明の第１０の局面において、
　前記補正用フィルタに関し、中心の基準範囲に対応付けられた係数の値は、その周囲の基準範囲に対応付けられた係数の値よりも大きいことを特徴とする。
　本発明の第１２の局面は、本発明の第１１の局面において、
　混雑度のデータが存在する基準範囲を計算対象基準範囲と定義し、前記計算対象基準範囲である任意の基準範囲を補正対象基準範囲と定義し、前記補正用フィルタに格納されている係数をフィルタ係数と定義し、任意の基準範囲についての補正前の推定人数に当該基準範囲に対応付けられるフィルタ係数を乗じて得られる値を第１乗算値と定義したとき、前記推定人数補正ステップでは、前記補正対象基準範囲についての補正後の推定人数が下記の式で算出されることを特徴とする。
　ＮＰ２＝Ｓｕｍ１／Ｓｕｍ２
ここで、ＮＰ２は、前記補正対象基準範囲についての補正後の推定人数を表し、Ｓｕｍ１は、前記補正対象基準範囲およびその周囲の計算対象基準範囲についての第１乗算値の総和を表し、Ｓｕｍ２は、前記補正対象基準範囲およびその周囲の計算対象基準範囲のそれぞれに対応付けられるフィルタ係数の総和を表す。
　本発明の第１３の局面は、混雑度推定プログラムであって、
　混雑度を推定するための指標値を第１のセンサ情報に基づいて取得する指標値取得ステップと、
　前記指標値取得ステップで取得された指標値から直接に混雑度を算出する混雑度算出ステップと
をコンピュータのＣＰＵがメモリを利用して実行することを特徴とする。
　本発明の第１４の局面は、本発明の第１３の局面において、
　前記第１のセンサ情報は、加速度情報であって、
　前記指標値は、前記加速度情報に基づく加速度の標準偏差であることを特徴とする。
　本発明の第１５の局面は、本発明の第１４の局面において、
　前記指標値取得ステップは、前記加速度情報に基づいて得られた加速度の標準偏差に所定の正規化処理を施すことによって前記指標値としての標準偏差を求める正規化ステップを含むことを特徴とする。
　本発明の第１６の局面は、本発明の第１５の局面において、
　前記指標値取得ステップの実行前に所定期間を通じて前記加速度情報に基づく加速度の標準偏差を取得する正規化準備ステップを更に含み、
　前記正規化ステップでは、前記正規化準備ステップで取得された標準偏差のうちの最大値が前記指標値として取り得る値の最大値となるように前記正規化処理が行われることを特徴とする。
　本発明の第１７の局面は、本発明の第１４から第１６までのいずれかの局面において、
　前記混雑度算出ステップでは、前記指標値としての標準偏差が小さいほど混雑度が大きくなるように混雑度が算出されることを特徴とする。
　本発明の第１８の局面は、本発明の第１３から第１７までのいずれかの局面において、
　携帯端末装置の利用者が歩行中であるか否かを第２のセンサ情報に基づいて判別する行動判別ステップを更に含み、
　前記行動判別ステップで利用者が歩行中である旨の判別がなされたときにのみ、前記指標値取得ステップによる指標値の取得および前記混雑度算出ステップによる混雑度の算出が行われることを特徴とする。
　本発明の第１９の局面は、サーバと複数の携帯端末装置とがネットワークを介して接続される人数推定システムにおいて前記サーバで実行される人数推定プログラムであって、
　各携帯端末装置から送信される混雑度のデータを受信するデータ受信ステップと、
　前記データ受信ステップで受信された混雑度のデータに基づいて、予め定められた基準範囲毎の平均混雑度を算出する平均混雑度算出ステップと、
　前記平均混雑度算出ステップで算出された平均混雑度に基準範囲毎に予め求められている最大収容人数を乗ずることによって基準範囲毎の推定人数を算出する推定人数算出ステップと
をコンピュータのＣＰＵがメモリを利用して実行することを特徴とする。
　本発明の第２０の局面は、サーバと複数の携帯端末装置とがネットワークを介して接続される人数推定システムであって、
　各携帯端末装置は、
　　混雑度を推定するための指標値を第１のセンサ情報に基づいて取得する指標値取得手段と、
　前記指標値取得手段によって取得された指標値から直接に混雑度を算出する混雑度算出手段と、
　前記混雑度算出手段によって算出された混雑度のデータを前記サーバに送信するデータ送信手段と
を備え、
　前記サーバは、
　　各携帯端末装置のデータ送信手段によって送信される混雑度のデータを受信するデータ受信手段と、
　　前記データ受信手段によって受信された混雑度のデータに基づいて、予め定められた基準範囲毎の平均混雑度を算出する平均混雑度算出手段と、
　　前記平均混雑度算出手段によって算出された平均混雑度に基準範囲毎に予め求められている最大収容人数を乗ずることによって基準範囲毎の推定人数を算出する推定人数算出手段と
を備えることを特徴とする。
　本発明の第１の局面によれば、１つのセンサ情報（第１のセンサ情報）に基づく指標値から直接的に混雑度が算出される。すなわち、携帯端末装置などの１人のユーザーのみのデータを用いて複雑な計算を行うことなく混雑度（当該ユーザーが歩行している場所の混雑度）を推定することが可能となる。また、監視カメラ等の機器を設ける必要がないので、安価に混雑度を推定することが可能となる。
　本発明の第２の局面によれば、加速度の標準偏差から混雑度が算出される。加速度のばらつきは混雑の程度に応じて変化する傾向にあるので、混雑度の算出に加速度の標準偏差を用いることによって精度良く混雑度が推定される。
　本発明の第３の局面によれば、加速度の標準偏差から混雑度を算出する際に、人による歩き方の違いが考慮される。このため、より精度良く混雑度が推定される。
　本発明の第４の局面によれば、混雑度の推定精度が更に高められる。
　本発明の第５の局面によれば、本発明の第２から第４までの局面と同様の効果が得られる。
　本発明の第６の局面によれば、携帯端末装置のユーザーが歩行中であるときのデータのみを用いて混雑度が算出される。従って、写真撮影や買い物などで止まっているユーザーのデータを除いて混雑度が算出される。これにより、混雑度の推定精度が高められる。
　本発明の第７の局面によれば、近年の携帯端末装置に搭載されているセンサから得られる情報を第１のセンサ情報として用いることができる。
　本発明の第８の局面によれば、混雑度を推定するための指標値を、近年の携帯端末装置に搭載されているセンサから容易に得ることができる。
　本発明の第９の局面によれば、携帯端末装置毎に混雑度の推定が行われた後、複数の携帯端末装置でそれぞれ推定された混雑度の情報を用いて基準範囲毎（例えばメッシュ毎）の平均混雑度が算出される。携帯端末装置毎の混雑度は１人のユーザーのデータが存在すれば求められるので、平均混雑度についても基準範囲に１人のユーザーのデータが存在すれば求めることができる。従って、従来よりも小さな範囲毎に混雑度を推定することができる。また、基準範囲毎に平均混雑度に最大収容人数を乗ずることによって人数の推定が行われる。このように、単に混雑度を推定するだけでなく人数の推定までもが行われる。また、混雑度や人数を推定するために、監視カメラ等の機器を設ける必要はない。以上より、安価に、従来よりも詳細な混雑情報をユーザーに提供することが可能となる。
　本発明の第１０の局面によれば、補正用フィルタ内の係数を適宜に設定することによって、人数の推定精度を高めることが可能となる。
　本発明の第１１の局面によれば、隣接基準範囲間での推定人数の不自然な差異を小さくする平滑化処理が行われる。その結果、人数の推定精度が高められる。
　本発明の第１２の局面によれば、混雑度のデータが存在しない基準範囲が計算対象から除かられるので、人の流れに沿った（道路に沿った）平滑化処理が行われる。
　本発明の第１３の局面によれば、本発明の第１の局面と同様の効果が得られる。
　本発明の第１４の局面によれば、本発明の第２の局面と同様の効果が得られる。
　本発明の第１５の局面によれば、本発明の第３の局面と同様の効果が得られる。
　本発明の第１６の局面によれば、本発明の第４の局面と同様の効果が得られる。
　本発明の第１７の局面によれば、本発明の第５の局面と同様の効果が得られる。
　本発明の第１８の局面によれば、本発明の第６の局面と同様の効果が得られる。
　本発明の第１９の局面によれば、本発明の第９の局面と同様の効果が得られる。
　本発明の第２０の局面によれば、本発明の第９の局面と同様の効果が得られる。
本発明の一実施形態に係る経路案内システムを実現する機器構成を示すブロック図である。 上記実施形態において、携帯端末装置のハードウェア構成を示すブロック図である。 上記実施形態において、サーバのハードウェア構成を示すブロック図である。 上記実施形態において、経路案内システムの詳細な機能構成を示すブロック図である。 上記実施形態において、混雑度データのレコードフォーマットを示す図である。 上記実施形態において、表示部に表示される画面の一例を示す図である。 上記実施形態において、平均混雑度データのレコードフォーマットを示す図である。 上記実施形態において、推定人数データのレコードフォーマットを示す図である。 上記実施形態において、混雑分析処理の概略手順を示すフローチャートである。 上記実施形態において、携帯端末装置で行われる処理（混雑度推定処理）の手順を示すフローチャートである。 上記実施形態において、混雑度の推定に加速度の標準偏差を用いる理由について説明するための図である。 上記実施形態において、人が歩いているときの加速度の標準偏差の変化の一例を示す図である。 上記実施形態において、標準偏差の正規化について説明するための図である。 上記実施形態において、標準偏差から混雑度への変換について説明するための図である。 上記実施形態において、混雑度を算出する処理の頻度について説明するための図である。 上記実施形態において、サーバで行われる処理（人数推定処理）の手順を示すフローチャートである。 上記実施形態において、メッシュ定義データのレコードフォーマットを示す図である。 上記実施形態において、メッシュへの混雑度データの割り当てを模式的に示した図である。 上記実施形態において、平均混雑度算出手段によって得られる平均混雑度データについて説明するための図である。 上記実施形態において、ベース人数データのレコードフォーマットを示す図である。 上記実施形態において、ベース人数データを模式的に示した図である。 上記実施形態において、推定人数の算出について説明するための図である。 上記実施形態において、平滑化処理について説明するための図である。 上記実施形態において、平滑化処理について説明するための図である。 上記実施形態において、平滑化処理について説明するための図である。 上記実施形態において、平滑化処理について説明するための図である。 上記実施形態における効果について説明するための図である。 上記実施形態における効果について説明するための図である。 上記実施形態の変形例に関し、加速度の変化を示す波形のピーク値の時間間隔について説明するための図である。 上記実施形態の変形例に関し、加速度の変化を示す波形のピーク値の時間間隔について説明するための図である。
　以下、添付図面を参照しつつ本発明の一実施形態について説明する。なお、以下においては、「アプリケーションソフトウェア」のことを「アプリ」と略記している。
＜１．全体構成＞
　図１は、本発明の一実施形態に係る経路案内システムを実現する機器構成を示すブロック図である。この経路案内システムは、サーバ２０と複数の携帯端末装置１０とによって実現される。サーバ２０と携帯端末装置１０とは、インターネットなどの通信回線を介して接続される。本実施形態においては、この経路案内システムを実現するために、経路案内アプリが携帯端末装置１０にインストールされる。経路案内アプリは、ユーザーが観光や買い物などで或る目的地に移動する際にユーザーに現在地から目的地までの経路を提示するためのソフトウェアである。ユーザーは、所定の操作により経路案内アプリを起動することができる。このような経路案内アプリを携帯端末装置１０にインストールしておくことにより、ユーザーは、例えば土地勘のない観光地を訪れた場合でも、この経路案内アプリを使用することによって目的地に容易にたどり着くことが可能となる。なお、経路案内アプリ内に避難誘導用の経路案内に特化した機能を持たせるようにしても良い。これにより、ユーザーは、土地勘のない場所で地震などの災害に遭遇しても、避難所に容易にたどり着くことが可能となる。
　ところで、後述するように、この経路案内システムでは混雑度および人数（所定範囲内の人数）の推定が行われる。すなわち、この経路案内システムによって人数推定システムが実現されている。
＜２．ハードウェア構成＞
　図２は、携帯端末装置１０のハードウェア構成を示すブロック図である。携帯端末装置１０は、ＣＰＵ１１，フラッシュＲＯＭ１２，ＲＡＭ１３，通信制御部１４，映像撮影部（カメラ）１５，入力操作部１６，表示部１７，ＧＰＳセンサ１８ａ，加速度センサ１８ｂ，および地磁気センサ１８ｃを有している。ＣＰＵ１１は、この携帯端末装置１０の全体を制御するために各種演算処理等を行う。フラッシュＲＯＭ１２は、書き込み可能な不揮発性のメモリであって、携帯端末装置１０の電源がオフされても保持されるべき各種プログラム・各種データを格納する。ＲＡＭ１３は、書き込み可能な揮発性のメモリであって、実行中のプログラムやデータ等を一時的に格納する。通信制御部１４は、外部へのデータ送信の制御や外部からのデータ受信の制御を行う。映像撮影部（カメラ）１５は、ユーザーによる操作に基づいて、現在位置から見える風景の撮影を行う。入力操作部１６は、例えばタッチパネルであって、ユーザーによる入力操作を受け付ける。表示部１７は、ＣＰＵ１１からの指令に基づいて、画像の表示を行う。ＧＰＳセンサ１８ａは、ＧＰＳ衛星から受信する電波に基づいて、ユーザーの現在位置を特定するための位置情報（緯度・経度の情報）を取得する。加速度センサ１８ｂは、この携帯端末装置１０の動きに基づいて、加速度を測定する。地磁気センサ１８ｃは、この携帯端末装置１０の向いている方位（例えば表示部１７の向いている方位）を示す方位情報を取得する。
　携帯端末装置１０内において、経路案内アプリを実現する経路案内プログラムは、フラッシュＲＯＭ１２に格納される。なお、この経路案内プログラムには、混雑度を推定するための混雑度推定プログラムが含まれている。ユーザーによって経路案内アプリの起動が指示されると、フラッシュＲＯＭ１２に格納されている経路案内プログラムがＲＡＭ１３に読み出され、そのＲＡＭ１３に読み出された経路案内プログラムをＣＰＵ１１が実行することにより、経路案内アプリの機能がユーザーに提供される。なお、経路案内プログラムは、典型的にはインターネットなどの通信回線を介して所定のサーバ（不図示）から携帯端末装置１０にダウンロードされ、当該携帯端末装置１０内のフラッシュＲＯＭ１２にインストールされる。
　図３は、サーバ２０のハードウェア構成を示すブロック図である。サーバ２０は、ＣＰＵ２１，ＲＯＭ２２，ＲＡＭ２３，補助記憶装置２４，通信制御部２５，入力操作部２６，および表示部２７を有している。ＣＰＵ２１は、このサーバ２０の全体を制御するために各種演算処理等を行う。ＲＯＭ２２は、読み出し専用のメモリであって、例えばサーバ２０の起動時にＣＰＵ２１に実行させる初期プログラムなどを格納する。ＲＡＭ２３は、書き込み可能な揮発性のメモリであって、実行中のプログラムやデータ等を一時的に格納する。補助記憶装置２４は、磁気ディスク装置などであって、サーバ２０の電源がオフされても保持されるべき各種プログラム・各種データを格納する。通信制御部２５は、外部へのデータ送信の制御や外部からのデータ受信の制御を行う。入力操作部２６は、例えばキーボードやマウスであって、オペレータによる入力操作を受け付ける。表示部２７は、ＣＰＵ２１からの指令に基づいて、画像の表示を行う。
　サーバ２０には、メッシュ毎の人数を推定する人数推定プログラムがインストールされる。なお、メッシュとは、地理領域を一定の大きさ・形状の範囲で区分した領域のことである。本実施形態では、例えば２０ｍ四方の領域が１つのメッシュとされる。サーバ２０内において、人数推定プログラムは、ＲＯＭ２２または補助記憶装置２４に格納される。サーバ２０が起動すると、ＲＯＭ２２または補助記憶装置２４に格納されている人数推定プログラムがＲＡＭ２３に読み出され、そのＲＡＭ２３に読み出された人数推定プログラムをＣＰＵ２１が実行する。これにより、後述するように、携帯端末装置１０から送られるデータを用いてメッシュ毎の人数の推定が行われる。
＜３．機能構成＞
　図４は、経路案内システムの詳細な機能構成を示すブロック図である。上述したように、この経路案内システムは、携帯端末装置１０とサーバ２０とによって実現される。携帯端末装置１０は、ＧＰＳ情報取得手段１００，加速度測定手段１１０，方位検出手段１２０，行動判別手段１３０，混雑度推定手段１４０，データ送信手段１５０，データ受信手段１６０，基礎情報記憶手段１７０，経路探索手段１８０，および表示手段１９０を有している。混雑度推定手段１４０には、標準偏差算出手段１４２と混雑度算出手段１４４とが含まれている。サーバ２０は、データ受信手段２００，データ記憶手段２１０，平均混雑度算出手段２２０，人数算出手段２３０，人数平滑化手段２４０，およびデータ送信手段２５０を有している。
＜３．１　携帯端末装置の構成要素の動作＞
　携帯端末装置１０の各構成要素の動作について説明する。ＧＰＳ情報取得手段１００は、ＧＰＳ衛星から受信する電波に基づいてユーザーの現在位置を特定するための位置情報（緯度・経度の情報）を取得し、それをＧＰＳ情報Ｇｄａとして出力する。加速度測定手段１１０は、ユーザーの動作に起因する携帯端末装置１０の動きに基づいて加速度を測定し、例えば測定時刻の情報と測定値である加速度の情報とからなる加速度データを出力する。なお、便宜上、本明細書では、測定値としての加速度そのものと上述した加速度データとに同じ参照符号ＳＡを付している。混雑度と混雑度データ，平均混雑度と平均混雑度データ，ベース人数とベース人数データ，および推定人数と推定人数データについても同様である。加速度測定手段１１０による加速度ＳＡの測定は、例えば７０ミリ秒毎に行われる。方位検出手段１２０は、この携帯端末装置１０の向いている方位を検出し、検出結果を方位情報ＢＩとして出力する。
　なお、ＧＰＳ情報取得手段１００はハードウェアとしてのＧＰＳセンサ１８ａによって実現され、加速度測定手段１１０はハードウェアとしての加速度センサ１８ｂによって実現され、方位検出手段１２０はハードウェアとしての地磁気センサ１８ｃによって実現される（図２参照）。また、加速度測定手段１１０により得られる加速度の情報によって第１のセンサ情報が実現され、方位検出手段１２０により得られる方位情報ＢＩによって第２のセンサ情報が実現されている。
　行動判別手段１３０は、方位情報ＢＩに基づいて、ユーザーが歩行中であるか否かの判別を行い、その判別結果Ｋを出力する。なお、この判別についての詳しい説明は後述する。混雑度推定手段１４０は、ＧＰＳ情報Ｇｄａと加速度ＳＡと行動判別手段１３０による判別結果Ｋとに基づいてユーザーが歩行している位置の混雑度Ｃを推定し、緯度・経度の情報と混雑度の情報とからなる混雑度データＣを出力する。より詳しくは、混雑度推定手段１４０に含まれる標準偏差算出手段１４２は、ユーザーが歩行中である旨を判別結果Ｋが示しているときに、加速度データＳＡに基づいて例えば直近の１０秒間分の加速度ＳＡの標準偏差ＳＤを求める。本実施形態においては、この標準偏差算出手段１４２によって指標値取得手段が実現されている。また、混雑度推定手段１４０に含まれる混雑度算出手段１４４は、標準偏差ＳＤに基づいて混雑度Ｃを算出し（標準偏差ＳＤを混雑度Ｃに変換し）、例えば図５に示すようなレコードフォーマットを有する混雑度データＣを出力する。なお、標準偏差ＳＤの求め方および混雑度Ｃの求め方についての詳しい説明は後述する。
　データ送信手段１５０は、混雑度データＣをサーバ２０に送信する。データ送信手段１５０による混雑度データＣの送信は、例えば１分毎に行われる。データ受信手段１６０は、経路探索（経路探索手段１８０によるユーザーの現在位置から目的地までの経路の探索）に有用なデータである有意情報Ｍｄａをサーバ２０から受信する。基礎情報記憶手段１７０には、経路探索の際に必要となる基礎情報Ｂｄａが格納されている。この基礎情報記憶手段１７０は、ハードウェアとしてのフラッシュＲＯＭ１２またはＲＡＭ１３（図２参照）によって実現される。基礎情報Ｂｄａには、地図や道路情報などが含まれている。道路情報は、例えば、各道路の位置の情報（始点および終点の情報），始点から終点までの距離の情報，道路幅の情報などによって構成されている。なお、適宜のタイミングでデータ送信手段１５０がＧＰＳ情報Ｇｄａをサーバ２０に送信するようにして、基礎情報記憶手段１７０に格納すべき基礎情報Ｂｄａがサーバ２０から携帯端末装置１０にダウンロードされるようにしても良い。
　経路探索手段１８０は、ユーザーによる目的地の入力を受け付け、ＧＰＳ情報Ｇｄａと有意情報Ｍｄａと基礎情報Ｂｄａとに基づいて目的地までの経路を探索する。経路探索手段１８０による経路の探索結果Ｒｅは、表示手段１９０（図２の表示部１７）に表示される。経路探索が実行されると、例えば、図６に示すような画面が表示部１７に表示される。図６に示す例では、表示部１７内の領域は、地図を表示するための領域（地図表示領域）１７ａと映像撮影部１５（図２参照）による撮影で得られる映像（風景映像）を表示するための領域（映像表示領域）１７ｂとに分割されている。そして、地図表示領域１７ａでは、目的地までの経路が符号３１で示す太線で表され、映像表示領域１７ｂでは、目的地までの経路が符号３２で示す矢印状のエアタグ（拡張現実画像）で表されている。
＜３．２　サーバの構成要素の動作＞
　次に、サーバ２０の各構成要素の動作について説明する。データ受信手段２００は、携帯端末装置１０から送られる混雑度データＣを受信する。その混雑度データＣは、データ記憶手段２１０に格納される。なお、データ受信手段２００が受信する混雑度データＣには様々な位置（緯度、経度）のデータが含まれており、それらのデータはメッシュ毎のデータに分類されてデータ記憶手段２１０に格納される。データ記憶手段２１０には、混雑度データＣに加えて後述するベース人数データＢＮが格納されている。なお、混雑度データＣおよびベース人数データＢＮ以外のデータ（例えば基礎情報Ｂｄａ）がデータ記憶手段２１０に格納されていても良い。
　平均混雑度算出手段２２０は、データ記憶手段２１０に格納されている混雑度データＣに基づいて、メッシュ毎の平均混雑度ＣＡＶを算出する。これにより、例えば図７に示すようなレコードフォーマットを有する平均混雑度データＣＡＶが出力される。人数算出手段２３０は、データ記憶手段２１０に格納されているベース人数データＢＮと平均混雑度算出手段２２０によって算出された平均混雑度ＣＡＶとに基づいて、メッシュ毎の推定人数（各メッシュ内の道路上に現在いると推測される人の数）ＮＰ１を算出する。人数平滑化手段２４０は、隣接メッシュ間での推定人数の不自然な差異を小さくするよう、人数算出手段２３０によって算出された推定人数ＮＰ１に対して平滑化処理を施す。これにより、例えば図８に示すようなレコードフォーマットを有する推定人数データＮＰ２が人数平滑化手段２４０から出力される。なお、推定人数の求め方および平滑化処理についての詳しい説明は後述する。
　データ送信手段２５０は、経路探索に必要な有意情報Ｍｄａを携帯端末装置１０に送信する。携帯端末装置１０に送信される有意情報Ｍｄａには、平均混雑度データＣＡＶおよび推定人数データＮＰ２が含まれている。
＜４．処理フロー＞
　本実施形態に係る経路案内システムでは、道路の混雑の状態を分析する処理（以下、「混雑分析処理」という。）が行われる。図９は、その混雑分析処理の概略手順を示すフローチャートである。まず、各携帯端末装置１０において、当該各携帯端末装置１０で得られるデータだけを用いて、ユーザーが現在いる位置の混雑度の推定が行われる（ステップＳ１０）。各携帯端末装置１０での混雑度の推定の結果として得られる混雑度データＣはサーバ２０に送信される。そして、サーバ２０において、各携帯端末装置１０から送られてきた混雑度データＣに基づいて、平均混雑度（メッシュ毎の混雑度）の推定が行われる（ステップＳ２０ａ）。その後、さらにサーバ２０において、メッシュ毎の人数の推定が行われる（ステップＳ２０ｂ）。以下、携帯端末装置１０で行われる処理（ステップＳ１０の処理）およびサーバ２０で行われる処理（ステップＳ２０ａ，Ｓ２０ｂの処理）のそれぞれについて詳しく説明する。
＜４．１　携帯端末装置で行われる処理＞
　図１０は、携帯端末装置１０で行われる処理（混雑度推定処理）の手順を示すフローチャートである。携帯端末装置１０で経路案内アプリが起動されると、まず、後述するステップＳ１３０の処理で正規化を行う際に必要となるデータを取得するキャリブレーション処理が行われる（ステップＳ１１０）。このキャリブレーション処理についての詳しい説明は後述する。
　キャリブレーション処理の終了後、行動判別手段１３０によって、携帯端末装置１０のユーザーが歩行中であるか否かの判別が行われる（ステップＳ１２０）。本実施形態では、この判別は、方位検出手段１２０によって検出された方位情報ＢＩに基づいて行われる。一般に、人が歩行中である時には、身体の向きはほぼ一定であると考えられる。それに対して、写真撮影や買い物などで人が止まっている時には、身体の向きの変化が大きいと考えられる。そこで、本実施形態では、方位情報ＢＩから得られる方位角の単位秒あたりの差分が求められ、当該差分が所定の閾値以下であれば「ユーザーは歩行中である」旨の判定が行われ、当該差分が所定の閾値よりも大きければ「ユーザーは歩行中ではない」旨の判定が行われる。ステップＳ１２０での判別の結果、ユーザーが歩行中であれば処理はステップＳ１３０に進み、ユーザーが歩行中でなければ処理はステップＳ１５０に進む。
　ステップＳ１３０では、標準偏差算出手段１４２によって、直近の１０秒間分の加速度ＳＡの標準偏差ＳＤが算出される。ここで、混雑度の推定に加速度の標準偏差を用いる理由について図１１を参照しつつ説明する。図１１は、人が歩いているときの加速度の変化の例を示す図である。人が混雑している場所を歩いている時には、歩幅が小さくなり全体の動きが小さくなるので、図１１で符号３３で示す部分のように加速度のばらつきは小さくなる。これに対して、人が空いている場所を歩いている時には、歩幅が大きくなり全体の動きが大きくなるので、図１１で符号３４で示す部分のように加速度のばらつきは大きくなる。このように、混雑の程度に応じて加速度のばらつきが変化する。そこで、加速度のばらつきの指標となる（加速度の）標準偏差を用いて混雑度の推定が行われる。
　図１２は、人が歩いているときの加速度の標準偏差の変化の一例を示す図である。図１２で符号３５で示す時間帯には、加速度の標準偏差は比較的大きな値となっている。この時間帯には、人は比較的空いている場所を歩いていると考えられる。これに対して、図１２で符号３６で示す時間帯には、加速度の標準偏差は比較的小さな値となっている。この時間帯には、人は比較的混雑している場所を歩いていると考えられる。
　ところで、人には個性があるので、歩き方には人による違いがある。このため、或る２人のユーザーのデータに関して仮に加速度の標準偏差が同じであったとしても、必ずしも混雑の程度が同じ程度であるとは限らない。特に、空いている場所を歩いているときに、人による歩行の特徴が現れると考えられる。従って、人によって加速度の標準偏差の最大値は異なると考えられる。なお、身動きできないほど混雑している時には、ほとんどの人において加速度の標準偏差はほぼ０になると考えられる。そこで、本実施形態においては、人による歩き方の違いを吸収するために、携帯端末装置１０毎に、加速度の標準偏差の最大値が１．０となるように正規化が行われる。この正規化のためにキャリブレーション処理（ステップＳ１１０）が行われる。
　キャリブレーション処理では、この経路案内アプリの起動後の所定期間（例えば１０分間）、例えば１０秒毎に加速度の標準偏差が取得される。そして、上記所定期間に取得された標準偏差のうちの最大値が正規化後の１．０に対応する値とされる。例えば、キャリブレーション処理の結果、加速度の標準偏差の最大値が０．７であったと仮定する。この場合、ステップＳ１３０では、図１３に示すように、０．０から０．７までの範囲の値が０．０から１．０までの範囲の値となるよう正規化が行われる。
　以上のようにして加速度ＳＡの標準偏差ＳＤが算出された後、混雑度算出手段１４４によって、標準偏差ＳＤに基づいて混雑度Ｃが算出される（ステップＳ１４０）。本実施形態においては、混雑度Ｃは０から１までの値で表される。混雑度Ｃの値が１に近づくほど混雑の程度が大きくなる。ところで、上述したように、加速度ＳＡの標準偏差ＳＤは、人が混雑している場所を歩いている時には小さくなり、人が空いている場所を歩いている時には大きくなる。従って、ステップＳ１４０では、図１４に示すように、加速度ＳＡの標準偏差ＳＤが１に近づくほど混雑度Ｃが０に近づき、かつ、加速度ＳＡの標準偏差ＳＤが０に近づくほど混雑度Ｃが１に近づくように、混雑度Ｃが算出される。より具体的には、混雑度Ｃは次式（１）で算出される。
　混雑度＝１－標準偏差　　　・・・（１）
　ところで、上述したように、ステップＳ１３０では、直近の１０秒間分の加速度ＳＡの標準偏差ＳＤが算出される。すなわち、混雑度Ｃを算出する１回の処理は、１０秒間分のデータを用いて行われる。但し、混雑度Ｃの算出は１０秒毎に行われるのではなく５秒毎に行われる。すなわち、図１５に示すように、１回目の混雑度Ｃの算出に用いられる後半５秒間分のデータと２回目の混雑度Ｃの算出に用いられる前半５秒間分のデータとは重複し、２回目の混雑度Ｃの算出に用いられる後半５秒間分のデータと３回目の混雑度Ｃの算出に用いられる前半５秒間分のデータとは重複している。このようにして、よりリアルタイム性のある混雑度Ｃが求められる。
　混雑度Ｃの算出後、所定時間（例えば１分）が経過したか否かの判定が行われる（ステップＳ１５０）。その結果、所定時間が経過していれば処理はステップＳ１６０に進み、所定時間が経過していなければ処理はステップＳ１２０に戻る。
　ステップＳ１６０では、所定時間中に蓄積された混雑度データＣが携帯端末装置１０からサーバ２０に送信される。但し、混雑度データＣが全く蓄積されていなければ、サーバ２０への混雑度データＣの送信は行われない。サーバ２０への混雑度データＣの送信後、処理はステップＳ１２０に戻る。その後、この経路案内アプリが終了されるまで、ステップＳ１２０～ステップＳ１６０の処理が繰り返される。
　なお、本実施形態においては、ステップＳ１１０によって正規化準備ステップが実現され、ステップＳ１２０によって行動判別ステップが実現され、ステップＳ１３０によって指標値取得ステップが実現され、ステップＳ１４０によって混雑度算出ステップが実現されている。
＜４．２　サーバで行われる処理＞
　図１６は、サーバ２０で行われる処理（人数推定処理）の手順を示すフローチャートである。サーバ２０では、まず、各携帯端末装置１０から送られてくる混雑度データＣを蓄積する処理（ステップ２１０およびステップＳ２２０）が行われる。より詳しくは、各携帯端末装置１０から送られてくる混雑度データＣを受信し（ステップＳ２１０）、その受信した混雑度データＣを対応するメッシュに割り当てる（ステップＳ２２０）。ステップＳ２１０およびステップＳ２２０の処理は、この人数推定処理の前回の実行から所定期間（例えば１５分）が経過するまで、携帯端末装置１０から混雑度データＣが送られてくる都度、行われる。
　ここで、メッシュへの混雑度データＣの割り当て（分類）について説明する。携帯端末装置１０から送られてくる混雑度データＣの１つのレコードは、緯度・経度の情報と混雑度の情報とからなる（図５参照）。また、サーバ２０には、各メッシュを定義したデータとして、例えば図１７に示すようなレコードフォーマットを有するメッシュ定義データが予め保持されている。図１７に示すように、メッシュ定義データには、各メッシュについての左下の緯度・経度の情報および右下の緯度・経度の情報が含まれている。以上より、メッシュ定義データを参照することにより、模式的には図１８に示すように、混雑度データＣの各レコードをそれに対応するメッシュに割り当てることができる。なお、緯度・経度の情報からメッシュ番号を求める変換式を用意しておき、当該変換式に基づいて混雑度データＣの各レコードをそれに対応するメッシュに割り当てるようにしても良い。
　この人数推定処理の前回の実行から所定期間（例えば１５分）経過後、平均混雑度算出手段２２０によって、蓄積された混雑度データＣに基づきメッシュ毎の平均混雑度ＣＡＶが算出される（ステップＳ２３０）。例えば、或るメッシュに関して、「混雑度＝０．１」，「混雑度＝０．１５」，および「混雑度＝０．３５」という３つの混雑度データＣが蓄積されていれば、当該メッシュについての平均混雑度ＣＡＶは０．２となる。このようにして、模式的には図１９に示すように、メッシュ毎の平均混雑度ＣＡＶのデータが得られる。なお、混雑度Ｃのデータが全く存在しないメッシュについては、平均混雑度ＣＡＶの算出は行われない。図１９において空白のメッシュが、平均混雑度ＣＡＶの算出が行われなかったメッシュである。
　平均混雑度ＣＡＶの算出後、人数算出手段２３０によって、メッシュ毎の推定人数ＮＰ１の算出が行われる（ステップＳ２４０）。この推定人数ＮＰ１の算出には、ベース人数ＢＮが用いられる。ベース人数ＢＮとは、各メッシュ内の道路に一時点にどれだけ多くの人が存在し得るのかを示す最大収容人数の情報である。ベース人数ＢＮは、例えば、各メッシュにおける道路の占有面積に基づいて求められる。なお、本実施形態においては、予めベース人数データＢＮが用意されているものと仮定する。ベース人数データＢＮは、例えば図２０に示すようなレコードフォーマットを有しており、予めデータ記憶手段２１０に格納されている。ステップＳ２４０において、推定人数ＮＰ１は、メッシュ毎に、ステップＳ２３０で算出された平均混雑度ＣＡＶにベース人数ＢＮを乗ずることによって算出される。すなわち、各メッシュについて、推定人数ＮＰ１は次式（２）で算出される。
　推定人数＝平均混雑度×ベース人数　　　・・・（２）
例えば、メッシュ毎の平均混雑度ＣＡＶが図１９に示すように求められていて、かつ、メッシュ毎のベース人数ＢＮが図２１に示すように求められている場合、図２２に示すようにメッシュ毎の推定人数ＮＰ１が算出される。
　メッシュ毎の推定人数ＮＰ１の算出後、人数平滑化手段２４０によって平滑化処理が行われる（ステップＳ２５０）。この平滑化処理について、以下に説明する。ステップＳ２４０での推定人数ＮＰ１の算出には例えば１５分程度の過去のデータも用いられるため、各携帯端末装置１０から混雑度データＣを取得してから推定人数ＮＰ１が算出されるまでの間に多数のユーザーがメッシュをまたがって移動する。このため、推定人数ＮＰ１に関して隣接メッシュ間で不自然な差異が生じることがある。例えば、或る一定の幅の１つの道路に着目したときに混雑の状態はメッシュをまたがる毎に徐々に変化するものと考えられるが、ステップＳ２４０で得られた推定人数ＮＰ１によれば、隣接する或る２つのメッシュ間で推定人数ＮＰ１が大きく変化することがある。そこで、本実施形態では、隣接メッシュ間での推定人数の不自然な差異を小さくするよう、ステップＳ２４０で得られた推定人数ＮＰ１に対して補正が施される。
　或るメッシュについての補正後の推定人数ＮＰ２は、当該メッシュについての補正前の推定人数ＮＰ１と当該メッシュの周囲のメッシュについての補正前の推定人数ＮＰ１とに基づいて求められる。その際、図２３に示すような補正用フィルタ４１が用いられる。補正用フィルタ４１には、１個のメッシュとその周囲の８個のメッシュとに対応付けられる係数（以下、「フィルタ係数」という。）が格納されている。また、推定人数ＮＰ２の算出には、混雑度データＣが存在するメッシュのデータのみが用いられる。混雑度データＣの存在しないメッシュを計算対象から除くことによって、人の流れに沿った（道路に沿った）平滑化処理が行われる。
　ここで、混雑度データＣが存在するメッシュを計算対象メッシュと定義し、計算対象メッシュである任意のメッシュを補正対象メッシュと定義し、任意のメッシュについての補正前の推定人数ＮＰ１に当該メッシュに対応付けられるフィルタ係数を乗じて得られる値を第１乗算値と定義したとき、ステップＳ２５０では、補正対象メッシュについての補正後の推定人数ＮＰ２が次式（３）で算出される。
　ＮＰ２＝Ｓｕｍ１／Ｓｕｍ２　　　・・・（３）
上式（３）において、Ｓｕｍ１は、補正対象メッシュおよびその周囲の計算対象メッシュについての第１乗算値の総和を表し、Ｓｕｍ２は、補正対象メッシュおよびその周囲の計算対象メッシュのそれぞれに対応付けられるフィルタ係数の総和を表す。
　例えば、ステップＳ２４０によって、図２４に示すような、メッシュ毎の推定人数ＮＰ１の算出結果が得られていると仮定する。なお、図２４において推定人数ＮＰ１の算出結果が得られているメッシュは、混雑度データＣが存在するメッシュである。この例では、例えば図２５に示すように道路が存在している。図２４で符号５２で示すメッシュについての推定人数ＮＰ１を補正する際には、図２４で符号５２で示すメッシュが補正用フィルタ４１の中心のメッシュ（図２３で符号５１で示すメッシュ）に対応付けられる。そして、この例の場合、補正後の推定人数ＮＰ２は次式（４）によって算出される。
　ＮＰ２＝（８×１＋１０×２＋１８×１＋１４×１）／５　　　・・・（４）
　同様にして図２４の太枠内のメッシュについての推定人数ＮＰ２を算出すると、図２６に示すような、メッシュ毎の推定人数ＮＰ２の算出結果が得られる。図２４～図２６より、道路に沿った推定人数の変化が補正によって滑らかになっていることが把握される。以上のようにして、全ての計算対象メッシュについての推定人数ＮＰ２が算出されることにより、１回の人数推定処理（ステップＳ２１０からステップＳ２５０までの処理）が終了する。
　なお、本実施形態においては、ステップＳ２３０によって平均混雑度算出ステップが実現され、ステップＳ２４０によって推定人数算出ステップが実現され、ステップＳ２５０によって推定人数補正ステップが実現されている。また、図９のステップＳ２０ａは図１６のステップＳ２１０～Ｓ２３０に相当し、図９のステップＳ２０ｂは図１６のステップＳ２４０～Ｓ２５０に相当する。
＜５．効果＞
　本実施形態によれば、各携帯端末装置１０において、加速度測定手段１１０（加速度センサ１８ｂ）によって得られた加速度ＳＡの標準偏差ＳＤが算出され、当該標準偏差ＳＤに簡単な変換が施されることによって混雑度Ｃが求められる。このように１人のユーザーのデータを用いて複雑な計算を行うことなく混雑度Ｃ（当該ユーザーが歩行している場所の混雑度Ｃ）を求めることが可能となる。また、サーバ２０では、複数の携帯端末装置１０から送られてくる混雑度データＣを用いて、メッシュ毎の平均混雑度ＣＡＶが算出される。上述したように１人のユーザーのデータが存在すれば混雑度Ｃは求められるので、従来よりも小さな範囲毎に混雑度を推定することができる。すなわち、従来よりも詳細な混雑情報をユーザーに提供することが可能となる。また、各携帯端末装置１０で得られた混雑度データＣは比較的短い期間毎にサーバ２０で集約されるので、リアルタイム性のある混雑情報をユーザーに提供することが可能となる。
　また、本実施形態によれば、サーバ２０では、メッシュ毎に平均混雑度ＣＡＶにベース人数（最大収容人数）を乗ずることによって人数の推定が行われる。このように、単に混雑度を推定するだけでなく人数の推定までもが行われる。各メッシュの平均混雑度ＣＡＶは当該各メッシュについて１人のユーザーのデータが存在すれば求められるので、人数についても従来よりも小さな範囲毎に推定することが可能となる。例えば図２７に示すような道路データが存在するエリアについて、図２８に示すように、従来は比較的広い範囲毎（例えば５００ｍ四方毎）にしか人数の情報をユーザーに提供することができなかったのに対し、本実施形態によれば狭い範囲毎（例えば２０ｍ四方毎）に人数の情報をユーザーに提供することが可能となる。
　さらに、本実施形態によれば、人数の推定の際には、隣接メッシュ間での推定人数の不自然な差異を小さくする平滑化処理が行われる。この平滑化処理では、混雑度のデータが存在しないメッシュが計算対象から除かれる。これにより、人の流れに沿った（道路に沿った）平滑化処理が行われ、人数の推定精度が高められる。
　さらにまた、本実施形態によれば、行動判別手段１３０によって「ユーザーは歩行中である」と判定されたときのデータのみを用いて混雑度Ｃが算出される。このように、写真撮影や買い物などで止まっているユーザーのデータを除いて混雑度Ｃの算出が行われるので、混雑度Ｃの推定精度が高められる。
　以上のように、本実施形態によれば、監視カメラを要することなく安価に精度良く混雑度および人数を推定することが可能となる。
＜６．変形例＞
　以下、上記実施形態の変形例について説明する。
＜６．１　行動判別に関する変形例＞
　上記実施形態においては、ユーザーが歩行中であるか否かの判別（図１０のステップＳ１２０）は方位情報ＢＩに基づいて行われていた。しかしながら、本発明はこれに限定されない。例えば、上記判別がジャイロセンサによって得られる角速度に基づいて行われるようにしても良い。この場合、上記実施形態と同様、得られるデータの単位秒あたりの差分が所定の閾値以下であれば「ユーザーは歩行中である」旨の判定が行われ、当該差分が所定の閾値よりも大きければ「ユーザーは歩行中ではない」旨の判定が行われるようにすれば良い。
　また、近年、携帯端末装置によっては、ユーザーの行動を検知する機能（例えば、アップルインコーポレイテッド社の製品であるｉｐｈｏｎｅ（登録商標）に搭載されたモーションアクティビティ機能）が提供されている。この機能を用いれば、「ユーザーは止まっている」、「ユーザーは歩行中である」、「ユーザーは自転車で移動中である」、「ユーザーは自動車で移動中である」などの情報を得ることができる。従って、この機能を用いて上記判別が行われるようにしても良い。
＜６．２　混雑度を推定するための指標値に関する変形例＞
　上記実施形態においては、加速度測定手段１１０によって得られた加速度ＳＡからその標準偏差ＳＤが算出され、標準偏差ＳＤを用いて混雑度Ｃの推定が行われていた。しかしながら、本発明はこれに限定されない。すなわち、混雑度Ｃを推定するための指標値は標準偏差ＳＤには限定されない。以下、混雑度Ｃを推定するための指標値に関する様々な変形例について説明する。
＜６．２．１　閾値を超えた回数＞
　上述したように、人が空いている場所を歩いている時には、歩幅が大きくなり全体の動きが大きくなるので、図１１で符号３４で示す部分のように加速度のばらつきは大きくなる。ここで、適当な閾値を設けると、所定期間中に加速度ＳＡ（加速度測定手段１１０により得られる測定値）が閾値を超える回数は歩行動作の大きさに依存する。換言すれば、所定期間中に加速度ＳＡが閾値を超えた回数は混雑度Ｃに依存する。そこで、所定期間中に加速度ＳＡが閾値を超えた回数を、混雑度Ｃを推定するための指標値として用いることもできる。この場合、所定期間中に加速度ＳＡが閾値を超えた回数が少ないほど、混雑度算出手段１４４によって算出される混雑度Ｃの値は高くされる。なお、複数の閾値を設けておき、所定期間中に加速度ＳＡが各閾値を超えた回数に基づいて混雑度Ｃを求めるようにしても良い。
＜６．２．２　絶対値の平均値＞
　人が空いている場所を歩いている時には加速度のばらつきが大きくなる（図１１で符号３４で示す部分を参照）。加速度の値には正負があり、図１１より、加速度のばらつきが大きくなると加速度の絶対値も大きくなることが把握される。そこで、加速度ＳＡの絶対値の平均値を混雑度Ｃを推定するための指標値として用いることもできる。この場合、加速度ＳＡの絶対値の平均値が小さいほど、混雑度算出手段１４４によって算出される混雑度Ｃの値は高くされる。
＜６．２．３　最大値または最小値＞
　人が混雑している場所を歩いている時には図１１で符号３３で示す部分のように加速度のばらつきは小さくなり、人が空いている場所を歩いている時には図１１で符号３４で示す部分のように加速度のばらつきは大きくなる。図１１より、加速度のばらつきが小さいときには加速度の最大値が小さく、加速度のばらつきが大きいときには加速度の最大値が大きいことが把握される。そこで、加速度ＳＡの最大値を混雑度Ｃを推定するための指標値として用いることもできる。この場合、加速度ＳＡの最大値が小さいほど、混雑度算出手段１４４によって算出される混雑度Ｃの値は高くされる。同様に、加速度ＳＡの最小値を混雑度Ｃを推定するための指標値として用いることもできる。この場合、加速度ＳＡの最小値が大きいほど、混雑度算出手段１４４によって算出される混雑度Ｃの値は高くされる。
＜６．２．４　波形のピーク値の時間間隔＞
　加速度測定手段１１０により得られる加速度ＳＡ（測定値）をグラフ上に表すと、加速度ＳＡの変化は図２９に示すような波形で表される。図２９に示すように、この波形には、随時、ピーク値が現れる。ピーク値が現れる時間の間隔（Ｔ１１～Ｔ１３の時間の長さ）は、歩行動作の大きさや歩行動作の規則性に依存する。また、歩行動作の大きさや歩行動作の規則性は、道路の混雑の状態に依存する。従って、ピーク値が現れる時間の間隔は、道路の混雑の状態に依存する。以上より、加速度ＳＡの波形のピーク値の時間間隔を混雑度Ｃを推定するための指標値として用いることもできる。この場合、例えば、ピーク値の時間間隔が小さいほど、混雑度算出手段１４４によって算出される混雑度Ｃの値は高くされる。また、図３０に示すようにピーク値の時間間隔（Ｔ３１～Ｔ３６の時間の長さ）が不規則であれば、道路が混雑していると考えられる。従って、ピーク値の時間間隔の不規則性が大きいほど、混雑度算出手段１４４によって算出される混雑度Ｃの値は高くされる。
＜６．２．５　波形がゼロ軸と交差する時間間隔＞
　加速度には正負があるので、加速度ＳＡの波形は、図２９に示したように、随時、ゼロ軸（加速度ＳＡの値を０とする時間方向の軸）と交差する（ここでは、加速度ＳＡの値が正から負に変化する時間間隔に着目する）。上述した波形のピーク値の時間間隔と同様、加速度ＳＡの波形がゼロ軸と交差する時間間隔は、道路の混雑の状態に依存する。以上より、加速度ＳＡの波形がゼロ軸と交差する時間間隔を混雑度Ｃを推定するための指標値として用いることもできる。この場合、例えば、加速度ＳＡの波形がゼロ軸と交差する時間間隔が小さいほど、混雑度算出手段１４４によって算出される混雑度Ｃの値は高くされる。また、加速度ＳＡの波形がゼロ軸と交差する時間間隔の不規則性が大きいほど、混雑度算出手段１４４によって算出される混雑度Ｃの値は高くされる。
＜６．２．６　速度＞
　一般に、加速度を積分すると速度を求めることができる。人が混雑している場所を歩いている時には歩行速度は低くなり、人が空いている場所を歩いている時には歩行速度は高くなる。そこで、加速度ＳＡを積分することによって算出される速度を混雑度Ｃを推定するための指標値として用いることもできる。この場合、速度が小さいほど、混雑度算出手段１４４によって算出される混雑度Ｃの値は高くされる。
＜６．３　混雑度の推定に用いるセンサに関する変形例＞
　上記実施形態においては、加速度センサ１８ｂ（加速度測定手段１１０）によって得られた加速度ＳＡに基づいて混雑度Ｃが算出されていた。しかしながら、本発明はこれに限定されない。すなわち、混雑度の推定に用いるセンサは加速度センサ１８ｂには限定されない。以下、混雑度の推定に用いるセンサに関する様々な変形例について説明する。
＜６．３．１　ジャイロセンサ＞
　ジャイロセンサは、角速度を検出するセンサである。ところで、人が混雑している場所を歩いている時と人が空いている場所を歩いている時とでは身体の回転状態や身体の捻り方の状態が異なると考えられる。従って、角速度の情報から人の歩行動作の大きさを把握することが可能である。また、歩行動作の大きさは、道路の混雑の状態に依存する。以上より、角速度の情報に基づいて混雑度の推定が行われるようにしても良い。すなわち、混雑度推定用のセンサとしてジャイロセンサを用いることもできる。
　混雑度推定用のセンサとしてジャイロセンサを用いた場合、混雑度を推定するための指標値として、角速度の標準偏差，所定期間中に角速度が閾値を超えた回数，角速度の絶対値の平均値，角速度の最大値，角速度の最小値，角速度の波形のピーク値の時間間隔，および角速度の波形がゼロ軸と交差する時間間隔を採用することができる。
＜６．３．２　地磁気センサ＞
　地磁気センサ１８ｃ（図２参照）は、この携帯端末装置１０の向いている方位を示す方位情報ＢＩを取得する。ところで、人が混雑している場所を歩いている時と人が空いている場所を歩いている時とでは水平面についての身体の回転状態が異なると考えられる。従って、方位情報ＢＩの変化から人の歩行動作の大きさを把握することが可能である。また、歩行動作の大きさは、道路の混雑の状態に依存する。以上より、方位情報ＢＩに基づいて混雑度の推定が行われるようにしても良い。すなわち、混雑度推定用のセンサとして地磁気センサ１８ｃを用いることもできる。
　混雑度推定用のセンサとして地磁気センサ１８ｃを用いた場合、混雑度を推定するための指標値として、方位情報ＢＩ（出力値）の標準偏差および方位情報ＢＩ（出力値）の波形のピーク値の時間間隔を採用することができる。
＜６．３．３　高度センサ＞
　高度センサは、高度を検出するセンサである。ところで、人が混雑している場所を歩いている時と人が空いている場所を歩いている時とでは身体の上下動の状態が異なると考えられる。従って、高度の情報から人の歩行動作の大きさを把握することが可能である。また、歩行動作の大きさは、道路の混雑の状態に依存する。以上より、高度の情報に基づいて混雑度の推定が行われるようにしても良い。すなわち、混雑度推定用のセンサとして高度センサを用いることもできる。混雑度推定用のセンサとして高度センサを用いた場合、混雑度を推定するための指標値として、高度の標準偏差および高度の波形のピーク値の時間間隔を採用することができる。
＜６．３．４　歩数センサ＞
　歩数センサ（歩数計）は、人の歩数を計測するセンサである。ところで、歩幅の情報を予め入力しておくことにより、一定時間における人の移動距離を当該一定時間における歩数から推定することができる。また、一定時間における移動距離の推定が可能であることから、速度を推定することもできる。また、速度（人の歩行速度）は、道路の混雑の状態に依存する。以上より、歩数の情報に基づいて混雑度の推定が行われるようにしても良い。すなわち、混雑度推定用のセンサとして歩数センサを用いることもできる。混雑度推定用のセンサとして歩数センサを用いた場合、混雑度を推定するための指標値として、速度を採用することができる。
＜６．３．５　ＧＰＳセンサ＞
　ＧＰＳセンサ１８ａは、現在位置を特定するための位置情報（緯度・経度の情報）を取得する（図２参照）。ところで、所定期間を通じての位置情報の変化から当該所定期間中における人の移動距離を推定することができる。また、所定期間における移動距離の推定が可能であることから、速度を推定することもできる。また、速度（人の歩行速度）は、道路の混雑の状態に依存する。以上より、位置情報（緯度・経度の情報）に基づいて混雑度の推定が行われるようにしても良い。すなわち、混雑度推定用のセンサとしてＧＰＳセンサ１８ａを用いることもできる。混雑度推定用のセンサとしてＧＰＳセンサ１８ａを用いた場合、混雑度を推定するための指標値として、速度を採用することができる。
　なお、混雑度推定用のセンサとしてＧＰＳセンサ１８ａを用いた場合、混雑度を推定するための指標値として、所定期間中において位置情報の値が変化する頻度（更新頻度）あるいは位置情報の値が変化する時間間隔を採用することもできる。これについて以下に説明する。ＧＰＳセンサ１８ａによって得られる１つの位置情報は、或る大きさの領域に対応付けられるデータである。そして、位置情報の値は、そのような領域をまたがることによって変化する。従って、或る一定の所定期間に着目すると、移動速度に応じて当該所定期間中における位置情報の値の更新頻度が変化する。また、移動速度は道路の混雑の状態に依存する。以上より、混雑度を推定するための指標値として、所定期間中における位置情報の値の更新頻度を採用することができる。また、止まっている時には位置情報の値は変化しない。従って、混雑度が大きいほど位置情報の値が変化する時間間隔が長くなる。以上より、混雑度を推定するための指標値として、位置情報の値が変化する時間間隔を採用することができる。
＜７．その他＞
　上記実施形態では経路案内システムを例に挙げて説明したが、本発明はこれに限定されない。上記経路案内システムと同様のシステムによって混雑度および人数を推定し、推定結果を様々な用途に利用することもできる。例えば、イベント（花火大会，コンサート，各種スポーツ競技など）の際の警備員の配置のリアルタイムな変更に混雑度および推定人数の情報を用いることができる。
　また、上記実施形態においては、サーバ２０と携帯端末装置１０とによって経路案内システムが実現されていたが、本発明はこれに限定されない。携帯端末装置１０に代えて、例えばヘッドマウントディスプレイ（頭部装着型表示装置）のようないわゆるウェアラブル端末を用いるようにしても良い。
　また、上記実施形態において、アプリを実現するプログラムは、インターネットなどの通信回線を介したダウンロードの形態で携帯端末装置１０等に提供されていた。これに関し、アプリを実現するプログラムは、コンピュータが読み取り可能な記録媒体に格納された形態で携帯端末装置１０等に提供されても良い。ここで、記録媒体は、例えば非一過性の記録媒体である。非一過性の記録媒体としては、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭなどが挙げられる。
　１０…携帯端末装置
　２０…サーバ
　１１０…加速度測定手段
　１２０…方位検出手段
　１３０…行動判別手段
　１４０…混雑度推定手段
　１４２…標準偏差算出手段
　１４４…混雑度算出手段
　２２０…平均混雑度算出手段
　２３０…人数算出手段
　２４０…人数平滑化手段
　ＢＩ…方位情報
　ＢＮ…ベース人数
　Ｃ…混雑度
　ＣＡＶ…平均混雑度
　ＮＰ１…（平滑化処理前の）推定人数
　ＮＰ２…（平滑化処理後の）推定人数
　ＳＡ…加速度
　ＳＤ…（加速度の）標準偏差

Claims (20)

  1. 　混雑度を推定するための指標値を第１のセンサ情報に基づいて取得する指標値取得ステップと、
    　前記指標値取得ステップで取得された指標値から直接に混雑度を算出する混雑度算出ステップと
    を含むことを特徴とする、混雑度推定方法。
  2. 　前記第１のセンサ情報は、加速度情報であって、
    　前記指標値は、前記加速度情報に基づく加速度の標準偏差であることを特徴とする、請求項１に記載の混雑度推定方法。
  3. 　前記指標値取得ステップは、前記加速度情報に基づいて得られた加速度の標準偏差に所定の正規化処理を施すことによって前記指標値としての標準偏差を求める正規化ステップを含むことを特徴とする、請求項２に記載の混雑度推定方法。
  4. 　前記指標値取得ステップの実行前に所定期間を通じて前記加速度情報に基づく加速度の標準偏差を取得する正規化準備ステップを更に含み、
    　前記正規化ステップでは、前記正規化準備ステップで取得された標準偏差のうちの最大値が前記指標値として取り得る値の最大値となるように前記正規化処理が行われることを特徴とする、請求項３に記載の混雑度推定方法。
  5. 　前記混雑度算出ステップでは、前記指標値としての標準偏差が小さいほど混雑度が大きくなるように混雑度が算出されることを特徴とする、請求項２から４までのいずれか１項に記載の混雑度推定方法。
  6. 　携帯端末装置の利用者が歩行中であるか否かを第２のセンサ情報に基づいて判別する行動判別ステップを更に含み、
    　前記行動判別ステップで利用者が歩行中である旨の判別がなされたときにのみ、前記指標値取得ステップによる指標値の取得および前記混雑度算出ステップによる混雑度の算出が行われることを特徴とする、請求項１から５までのいずれか１項に記載の混雑度推定方法。
  7. 　前記第１のセンサ情報は、加速度情報、角速度情報、方位情報、位置情報、高度情報、および歩数情報のいずれかであることを特徴とする、請求項１に記載の混雑度推定方法。
  8. 　前記指標値は、前記第１のセンサ情報として得られた値の標準偏差、前記第１のセンサ情報として得られた値が予め定められた閾値を超えた回数、前記第１のセンサ情報として得られた値の絶対値の平均値、前記第１のセンサ情報として得られた値の変化を示す波形のピーク値の時間間隔、前記第１のセンサ情報として得られた値の変化を示す波形が値がゼロの軸と交差する時間間隔、前記第１のセンサ情報として得られた値から算出される速度、前記第１のセンサ情報として得られる値が変化する頻度、および前記第１のセンサ情報として得られる値が変化する時間間隔のいずれかであることを特徴とする、請求項１に記載の混雑度推定方法。
  9. 　携帯端末装置のセンサ情報に基づいて混雑度を推定する混雑度推定ステップと、
    　複数の携帯端末装置についての前記混雑度推定ステップで推定された混雑度に基づいて、予め定められた基準範囲毎の平均混雑度を算出する平均混雑度算出ステップと、
    　前記平均混雑度算出ステップで算出された平均混雑度に基準範囲毎に予め求められている最大収容人数を乗ずることによって基準範囲毎の推定人数を算出する推定人数算出ステップと
    を含むことを特徴とする、人数推定方法。
  10. 　１つの基準範囲およびその周囲の基準範囲に対応付けられる係数群を格納する補正用フィルタを用いて、前記推定人数算出ステップで算出された推定人数を補正する推定人数補正ステップを更に含むことを特徴とする、請求項９に記載の人数推定方法。
  11. 　前記補正用フィルタに関し、中心の基準範囲に対応付けられた係数の値は、その周囲の基準範囲に対応付けられた係数の値よりも大きいことを特徴とする、請求項１０に記載の人数推定方法。
  12. 　混雑度のデータが存在する基準範囲を計算対象基準範囲と定義し、前記計算対象基準範囲である任意の基準範囲を補正対象基準範囲と定義し、前記補正用フィルタに格納されている係数をフィルタ係数と定義し、任意の基準範囲についての補正前の推定人数に当該基準範囲に対応付けられるフィルタ係数を乗じて得られる値を第１乗算値と定義したとき、前記推定人数補正ステップでは、前記補正対象基準範囲についての補正後の推定人数が下記の式で算出されることを特徴とする、請求項１１に記載の人数推定方法：
    　ＮＰ２＝Ｓｕｍ１／Ｓｕｍ２
    ここで、ＮＰ２は、前記補正対象基準範囲についての補正後の推定人数を表し、Ｓｕｍ１は、前記補正対象基準範囲およびその周囲の計算対象基準範囲についての第１乗算値の総和を表し、Ｓｕｍ２は、前記補正対象基準範囲およびその周囲の計算対象基準範囲のそれぞれに対応付けられるフィルタ係数の総和を表す。
  13. 　混雑度を推定するための指標値を第１のセンサ情報に基づいて取得する指標値取得ステップと、
    　前記指標値取得ステップで取得された指標値から直接に混雑度を算出する混雑度算出ステップと
    をコンピュータのＣＰＵがメモリを利用して実行することを特徴とする、混雑度推定プログラム。
  14. 　前記第１のセンサ情報は、加速度情報であって、
    　前記指標値は、前記加速度情報に基づく加速度の標準偏差であることを特徴とする、請求項１３に記載の混雑度推定プログラム。
  15. 　前記指標値取得ステップは、前記加速度情報に基づいて得られた加速度の標準偏差に所定の正規化処理を施すことによって前記指標値としての標準偏差を求める正規化ステップを含むことを特徴とする、請求項１４に記載の混雑度推定プログラム。
  16. 　前記指標値取得ステップの実行前に所定期間を通じて前記加速度情報に基づく加速度の標準偏差を取得する正規化準備ステップを更に含み、
    　前記正規化ステップでは、前記正規化準備ステップで取得された標準偏差のうちの最大値が前記指標値として取り得る値の最大値となるように前記正規化処理が行われることを特徴とする、請求項１５に記載の混雑度推定プログラム。
  17. 　前記混雑度算出ステップでは、前記指標値としての標準偏差が小さいほど混雑度が大きくなるように混雑度が算出されることを特徴とする、請求項１４から１６までのいずれか１項に記載の混雑度推定プログラム。
  18. 　携帯端末装置の利用者が歩行中であるか否かを第２のセンサ情報に基づいて判別する行動判別ステップを更に含み、
    　前記行動判別ステップで利用者が歩行中である旨の判別がなされたときにのみ、前記指標値取得ステップによる指標値の取得および前記混雑度算出ステップによる混雑度の算出が行われることを特徴とする、請求項１３から１７までのいずれか１項に記載の混雑度推定プログラム。
  19. 　サーバと複数の携帯端末装置とがネットワークを介して接続される人数推定システムにおいて前記サーバで実行される人数推定プログラムであって、
    　各携帯端末装置から送信される混雑度のデータを受信するデータ受信ステップと、
    　前記データ受信ステップで受信された混雑度のデータに基づいて、予め定められた基準範囲毎の平均混雑度を算出する平均混雑度算出ステップと、
    　前記平均混雑度算出ステップで算出された平均混雑度に基準範囲毎に予め求められている最大収容人数を乗ずることによって基準範囲毎の推定人数を算出する推定人数算出ステップと
    をコンピュータのＣＰＵがメモリを利用して実行することを特徴とする、人数推定プログラム。
  20. 　サーバと複数の携帯端末装置とがネットワークを介して接続される人数推定システムであって、
    　各携帯端末装置は、
    　　混雑度を推定するための指標値を第１のセンサ情報に基づいて取得する指標値取得手段と、
    　前記指標値取得手段によって取得された指標値から直接に混雑度を算出する混雑度算出手段と、
    　前記混雑度算出手段によって算出された混雑度のデータを前記サーバに送信するデータ送信手段と
    を備え、
    　前記サーバは、
    　　各携帯端末装置のデータ送信手段によって送信される混雑度のデータを受信するデータ受信手段と、
    　　前記データ受信手段によって受信された混雑度のデータに基づいて、予め定められた基準範囲毎の平均混雑度を算出する平均混雑度算出手段と、
    　　前記平均混雑度算出手段によって算出された平均混雑度に基準範囲毎に予め求められている最大収容人数を乗ずることによって基準範囲毎の推定人数を算出する推定人数算出手段と
    を備えることを特徴とする、人数推定システム。
PCT/JP2016/079750 2016-02-17 2016-10-06 混雑度推定方法、人数推定方法、混雑度推定プログラム、人数推定プログラム、および人数推定システム WO2017141484A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201680080005.7A CN108496211B (zh) 2016-02-17 2016-10-06 拥挤程度推断方法、人数推断方法、拥挤程度推断程序、人数推断程序及人数推断系统
US16/077,711 US11333508B2 (en) 2016-02-17 2016-10-06 Congestion degree estimation method, number-of-people estimation method, congestion degree estimation program, number-of-people estimation program and number-of-people estimation system

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2016027947A JP6674791B2 (ja) 2016-02-17 2016-02-17 混雑度推定方法、人数推定方法、混雑度推定プログラム、人数推定プログラム、および人数推定システム
JP2016-027947 2016-02-17

Publications (1)

Publication Number Publication Date
WO2017141484A1 true WO2017141484A1 (ja) 2017-08-24

Family

ID=59625670

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2016/079750 WO2017141484A1 (ja) 2016-02-17 2016-10-06 混雑度推定方法、人数推定方法、混雑度推定プログラム、人数推定プログラム、および人数推定システム

Country Status (4)

Country Link
US (1) US11333508B2 (ja)
JP (1) JP6674791B2 (ja)
CN (1) CN108496211B (ja)
WO (1) WO2017141484A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPWO2019193852A1 (ja) * 2018-04-03 2021-01-07 本田技研工業株式会社 情報分析装置及び情報分析方法

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11129033B2 (en) * 2017-08-28 2021-09-21 Mitsubishi Electric Corporation Wireless communication device, wireless communication method and computer readable medium
JP2019139462A (ja) * 2018-02-09 2019-08-22 株式会社Ｓｃｒｅｅｎホールディングス 混雑状況推定方法、混雑状況推定プログラム、および混雑状況推定システム
WO2019239756A1 (ja) * 2018-06-13 2019-12-19 日本電気株式会社 対象物数推定システム、対象物数推定方法、プログラム、及び記録媒体
CN108765956B (zh) * 2018-06-14 2020-12-08 广东工业大学 一种高速公路交通状态综合评估方法
JP7146542B2 (ja) * 2018-09-18 2022-10-04 株式会社Ｓｃｒｅｅｎホールディングス 経路案内プログラム、経路案内装置、および経路案内システム
JP2020095565A (ja) * 2018-12-14 2020-06-18 トヨタ自動車株式会社 情報処理システム、プログラム、及び情報処理方法
US10909366B2 (en) 2019-02-28 2021-02-02 Orbital Insight, Inc. Joint modeling of object population estimation using sensor data and distributed device data
US20220343712A1 (en) * 2019-08-22 2022-10-27 Nippon Telegraph And Telephone Corporation Number of people estimation device, number of people estimation method, and number of people estimation program
CN112714278A (zh) * 2019-10-25 2021-04-27 钉钉控股（开曼）有限公司 数据处理方法、系统及电子设备
JP7068259B2 (ja) * 2019-12-03 2022-05-16 Kddi株式会社 飛行ルート情報生成装置、飛行ルート情報生成方法及びコンピュータプログラム
KR20210075356A (ko) * 2019-12-13 2021-06-23 현대자동차주식회사 차량 안내 서비스 장치 및 그 방법
CN111083728B (zh) * 2019-12-25 2021-01-26 电子科技大学 一种基于时空大数据的景区实时负荷监控方法及系统
JP7359293B2 (ja) * 2020-03-30 2023-10-11 日本電気株式会社 座席案内装置、システム、方法及びプログラム
CN111851341A (zh) * 2020-06-29 2020-10-30 广东荣文科技集团有限公司 拥堵预警方法、智能指示牌及相关产品
JP7035237B2 (ja) * 2021-02-24 2022-03-14 能美防災株式会社 防災システム
CN113706876A (zh) * 2021-10-29 2021-11-26 数字广东网络建设有限公司 一种路网处理方法、设备及存储介质
US20240212492A1 (en) * 2022-12-27 2024-06-27 Itron, Inc. Pedestrian and vehicle congestion relief system

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012194766A (ja) * 2011-03-16 2012-10-11 Mitsubishi Electric Information Systems Corp 混雑度推定装置及び混雑度推定プログラム
JP2015165428A (ja) * 2015-06-09 2015-09-17 ソニー株式会社 情報処理装置、混雑度マップ生成装置、情報処理方法、プログラム、及び記録媒体
JP2015207041A (ja) * 2014-04-17 2015-11-19 株式会社ニコン 混雑度推定サーバ、および混雑度推定システム

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3740524B2 (ja) * 2001-03-08 2006-02-01 国土交通省国土技術政策総合研究所長 走行支援道路システム
JP4624396B2 (ja) 2007-10-26 2011-02-02 パナソニック株式会社 状況判定装置、状況判定方法、状況判定プログラム、異常判定装置、異常判定方法および異常判定プログラム
WO2009054119A1 (ja) 2007-10-26 2009-04-30 Panasonic Corporation 状況判定装置、状況判定方法、状況判定プログラム、異常判定装置、異常判定方法、異常判定プログラムおよび混雑推定装置
CN100561540C (zh) 2008-05-14 2009-11-18 西安交通大学 一种基于车载无线传感器网络的交通路况信息处理方法
JP5760601B2 (ja) 2011-03-31 2015-08-12 ソニー株式会社 情報処理装置、混雑度マップ生成装置、情報処理方法、プログラム、及び記録媒体
CN102968903A (zh) 2012-12-18 2013-03-13 江南大学 一种无意识参与的交通流量实时监测系统
JP6435640B2 (ja) 2014-05-20 2018-12-12 株式会社ニコン 混雑度推定システム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012194766A (ja) * 2011-03-16 2012-10-11 Mitsubishi Electric Information Systems Corp 混雑度推定装置及び混雑度推定プログラム
JP2015207041A (ja) * 2014-04-17 2015-11-19 株式会社ニコン 混雑度推定サーバ、および混雑度推定システム
JP2015165428A (ja) * 2015-06-09 2015-09-17 ソニー株式会社 情報処理装置、混雑度マップ生成装置、情報処理方法、プログラム、及び記録媒体

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPWO2019193852A1 (ja) * 2018-04-03 2021-01-07 本田技研工業株式会社 情報分析装置及び情報分析方法

Also Published As

Publication number Publication date
CN108496211B (zh) 2021-08-13
CN108496211A (zh) 2018-09-04
US11333508B2 (en) 2022-05-17
US20190049253A1 (en) 2019-02-14
JP2017146771A (ja) 2017-08-24
JP6674791B2 (ja) 2020-04-01

Similar Documents

Publication Publication Date Title
WO2017141484A1 (ja) 混雑度推定方法、人数推定方法、混雑度推定プログラム、人数推定プログラム、および人数推定システム
US11354812B2 (en) Techniques for accurate pose estimation
KR102666648B1 (ko) 센서 데이터를 결합하기 위한 방법 및 시스템
JP2018093378A (ja) 歩行判定方法および歩行判定プログラム
EP3415869B1 (en) Electronic device for improving dead reckoning-based positioning accuracy
JP2016206017A (ja) 電子機器、及び移動速度算出プログラム
KR102578119B1 (ko) 모바일 디바이스와 연동하는 스마트 안경 작동 방법
US9389318B2 (en) Self-position measuring terminal
CN108225368B (zh) 计步装置和计步方法
JP7279731B2 (ja) 電子機器、マップマッチング方法及びプログラム
JP2019139462A (ja) 混雑状況推定方法、混雑状況推定プログラム、および混雑状況推定システム
JP2020091267A (ja) 補正装置、補正方法、および補正プログラム
JP6575257B2 (ja) 情報処理装置、位置情報補正方法、情報処理システム、及びプログラム
KR20200022814A (ko) 스마트폰을 이용한 실내 측위 방법, 이를 수행하기 위한 시스템 및 기록매체

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 16890621

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 16890621

Country of ref document: EP

Kind code of ref document: A1