WO2020213612A1 - 需要予測装置 - Google Patents

需要予測装置 Download PDF

Info

Publication number
WO2020213612A1
WO2020213612A1 PCT/JP2020/016459 JP2020016459W WO2020213612A1 WO 2020213612 A1 WO2020213612 A1 WO 2020213612A1 JP 2020016459 W JP2020016459 W JP 2020016459W WO 2020213612 A1 WO2020213612 A1 WO 2020213612A1
Authority
WO
WIPO (PCT)
Prior art keywords
area
demand
people
information
store
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/JP2020/016459
Other languages
English (en)
French (fr)
Inventor
将人 山田
謙司 篠田
佑介 深澤
木本　勝敏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NTT Docomo Inc
Original Assignee
NTT Docomo Inc
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 NTT Docomo Inc filed Critical NTT Docomo Inc
Priority to JP2021514177A priority Critical patent/JP7478140B2/ja
Priority to US17/603,445 priority patent/US20220207546A1/en
Publication of WO2020213612A1 publication Critical patent/WO2020213612A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0204—Market segmentation
    • G06Q30/0205—Market segmentation based on location or geographical consideration
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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

Definitions

  • One aspect of this disclosure relates to a demand forecasting device that forecasts demand in a predetermined area.
  • Patent Document 1 discloses a scheduling device that predicts service demand at a stop-by point in consideration of the weather conditions at the stop-by point.
  • one aspect of the present disclosure is made in view of such a problem, and an object thereof is to provide a demand forecasting device capable of forecasting demand more flexibly.
  • the demand forecasting device is a demand forecasting device that predicts the demand in the first area, which is a predetermined area, and is a predetermined area related to the demand in the first area.
  • the storage unit that stores the area information related to the second area
  • the acquisition unit that acquires the information on the number of people in the area related to the number of people in the second area indicated by the area information stored by the storage unit, and the acquisition unit. It is provided with a forecasting unit that forecasts demand in the first area based on the information on the number of people in the area.
  • the demand in the first area is predicted based on the information on the number of people in the second area related to the demand in the first area. Therefore, for example, what is a patterned demand forecast? Unlike, you can forecast demand more flexibly.
  • demand can be predicted more flexibly.
  • FIG. 1 is a system configuration diagram of a demand forecasting system 3 including a demand forecasting device 1 according to an embodiment of the present invention.
  • the demand forecasting system 3 includes a demand forecasting device 1 and one or more mobile terminals 2.
  • the plurality of mobile terminals 2 will also be collectively referred to as "mobile terminals 2".
  • the demand forecasting device 1 and each mobile terminal 2 are connected to each other via a network such as the Internet and a wireless network, and can transmit and receive information to and from each other.
  • the demand forecasting device 1 is a computer device such as a server device.
  • the demand forecasting device 1 predicts the demand in the first area, which is a predetermined area, based on the information received from the mobile terminal 2.
  • An area is a range having a certain area surrounded by a rectangle, a circle, or the like, and is also called a section, area, area, zone, district, place, or area.
  • the area may be a three-dimensional range having a constant volume.
  • An area may be a point having no area, and is also referred to as a point, a place, a spot, a position, or a base.
  • the first area assumes an area where some demand can occur, but is not limited to this.
  • a restaurant that mainly provides a restaurant service is assumed, but the present invention is not limited to this.
  • Demand is a desire that is backed by purchasing power for goods or services, or the social total amount of that desire. Examples of demand in restaurants include the number of customers visiting the store, the amount of sales, and the number of units sold. The details of the function of the demand forecasting device 1 will be described later.
  • the mobile terminal 2 is a computer device such as a smartphone and a notebook PC (Personal Computer).
  • the user of the mobile terminal 2 carries the mobile terminal 2.
  • the mobile terminal 2 is provided with GPS (Global Positioning System), and the current position information of the mobile terminal 2 (user) can be acquired by GPS.
  • the position information includes latitude, longitude, positioning error, positioning time (acquisition time when the latitude and longitude are acquired), and the like.
  • the description will be made using the position information acquired by GPS, but the present invention is not limited to this, and for example, the position information acquired based on the base station information transmitted from the base station may be used.
  • the mobile terminal 2 uses data acquired and processed by the mobile terminal 2 such as user attribute information, user application usage history, user payment history, and time when the user left home to the demand forecasting device 1. Send as appropriate.
  • the mobile terminal 2 can perform mobile communication via the mobile communication network of the mobile communication system.
  • FIG. 2 is a functional block diagram of the demand forecasting device 1. As shown in FIG. 2, the demand forecasting device 1 includes a storage unit 10, an acquisition unit 11, a forecasting unit 12, a notification unit 13, and a calculation unit 14.
  • Each functional block of the demand forecasting device 1 is assumed to function in the demand forecasting device 1, but is not limited to this.
  • a part of the functional block of the demand forecasting device 1 is a server device different from the demand forecasting device 1, and information is appropriately transmitted to and received from the demand forecasting device 1 in the server device connected to the demand forecasting device 1 via a network. It may function while doing so.
  • some functional blocks of the demand forecasting device 1 may be omitted.
  • any one or more of the notification unit 13 and the calculation unit 14 may not be present in the demand forecasting device 1.
  • the storage unit 10 stores area information related to the second area, which is a predetermined area related to the demand of the first area.
  • the second area is, for example, an area in which the number of people in the area and the demand in the first area are correlated. Also, for example, the second area is an area that people who visit the first area tend to visit. Further, for example, the second area is an area where a person who is expected to visit the first area (a person who is expected to visit a restaurant) is likely to or can be located. Further, for example, the second area is an area in which a person who visits the first area tends to be a source of inflow (relatively). Further, for example, the second area is an area in which the probability that a person visiting the first area is in the area is higher than a predetermined threshold value.
  • the mobile terminal 2 carried by the person is in a cell covering the area (a section within a range in which each base station constituting the mobile communication system can communicate). It refers to a state in which mobile communication is possible (a communication path has been established).
  • the terms "being in the area”, “visiting”, “visiting”, “being”, “staying”, “staying”, “staying”, and “passing” (described above).
  • One term of (including other part of speech, such as the noun form of all terms) may be appropriately replaced with any other term.
  • the second area is an area in which the number of people in the area before or after a predetermined time before or after the demand in the first area and the demand in the first area are correlated.
  • the second area is an area in which a person who visits the first area tends to visit before or after a predetermined time (relative to the time when the first area is visited).
  • the second area may be an area or an area where a person who is expected to visit the first area is likely to be in the area before or after a predetermined time (relative to the time when the first area is visited).
  • the second area is an area in which a person who visits the first area tends to be (relatively) before or after a predetermined time as an inflow source (relative to the time when the first area is visited). .. Further, for example, the second area is an area in which the probability that a person visiting the first area will be in the service area before or after a predetermined time (relative to the time when the first area is visited) is higher than a predetermined threshold value.
  • Area information is, for example, information that identifies an area.
  • the area information about the area is the mesh number of one or more meshes that make up the area. It may be composed of.
  • the area information regarding the area may be composed of the latitude and longitude of the center of the circle and the radius of the circle.
  • the area information is not limited to the above-mentioned contents, and may include any information as long as it is information about the area, and may further include information not related to the area.
  • FIG. 3 is a diagram showing an example of the first area and the second area.
  • the first area is an area including a demand forecasting target facility (restaurant, etc.) P1 for which the demand forecasting device 1 forecasts demand
  • the second area is the first area. It may be an area including the area.
  • the first area may be an area including the demand forecast target facility P1
  • the second area may be an area including a part of the first area.
  • the first area is an area including the demand forecast target facility P1
  • the second area is an area including the event venue P2 (the population suddenly increases). It may be an area that does not include the first area.
  • the second area may be an area (range) different from that of the first area. Further, the second area may be the same area (range) as the first area.
  • the storage unit 10 may store area information related to the second area calculated by the calculation unit 14 described later. Further, the storage unit 10 may store information necessary for other processing, and the details will be described as appropriate in a later description.
  • the acquisition unit 11 acquires information on the number of people in the area regarding the number of people in the second area indicated by the area information stored by the storage unit 10.
  • the acquisition unit 11 may acquire information on the number of people in the second area in the past (a predetermined time before the present time), or may acquire information on the number of people in the second area at the present time.
  • the information on the number of people in the service area may be acquired, or the information on the number of people in the service area regarding the (planned) number of people in the future (a predetermined time after the present time) may be acquired in the second area.
  • the number of people that is the source of the information on the number of people in the area acquired by the acquisition unit 11 is geofence information using GPS, WiFi (registered trademark), Beacon, etc. of the mobile terminal 2, or location registration information of the mobile terminal 2. It may be acquired based on the mobile spatial statistics (registered trademark).
  • the acquisition unit 11 outputs the acquired information on the number of people in the area to the prediction unit 12.
  • a specific example of the processing of the acquisition unit 11 will be described using the number of people in the service area data and the second area definition data prepared in advance by the acquisition unit 11 or the demand forecasting device 1 using the prior art and stored by the storage unit 10. To do.
  • the number of people in the area data is data showing the number of people in the area 30 minutes before a predetermined period in each mesh.
  • FIG. 4 is a diagram showing an example of a table of data on the number of people in the area.
  • the number of people in the service area data corresponds to the mesh number, the predetermined period, and the number of people in the service area 30 minutes before the predetermined period (for example, the median value) in the mesh indicated by the mesh number.
  • the acquisition unit 11 or the demand forecasting device 1 is based on, for example, the position information (including latitude, longitude and positioning time) received from each mobile terminal 2, the mesh number, and the position information of the mesh indicated by the mesh number.
  • the data on the number of people in the area is calculated periodically and stored by the storage unit 10.
  • the second area definition data is data indicating the first area and the mesh constituting the second area related to the demand of the first area.
  • FIG. 5 is a diagram showing a table example of the second area definition data.
  • the store identifying store name
  • the mesh number of the mesh constituting the second area related to the demand of the store correspond to each other.
  • the acquisition unit 11 or the demand forecasting device 1 is, for example, a store designated in advance by a forecast execution user or the like who executes the demand forecast by the demand forecasting device 1, and a second calculated by the calculation unit 14 described later based on the store.
  • the second area definition data is periodically calculated based on the area, and is stored by the storage unit 10.
  • a master table for managing each mesh number of the meshes (mesh numbers 1 to N) constituting the second area is stored in advance for each store, and is appropriately used by the acquisition unit 11 or the demand forecasting device 1.
  • the input (data designation, data setting, etc.) to the demand forecasting device 1 by the forecasting execution user described in the present embodiment is specifically a terminal carried by the forecasting execution user (similar to the mobile terminal 2).
  • the forecast execution user gives an input instruction to the configuration), and the terminal inputs the input to the demand forecasting device 1 via the network based on the input instruction.
  • the output to the forecast execution user (data notification, data presentation, data display, etc.) by the demand forecasting device 1 described in the present embodiment is specifically the demand forecasting device 1 via the network.
  • the output instruction is given to the terminal carried by the predictive execution user, and the terminal outputs to the predictive execution user based on the output instruction.
  • the terminal carried by the forecast execution user may be included in the demand forecast system 3.
  • the acquisition unit 11 has a second area corresponding to the first area in the second area definition data for the first area designated by the forecast execution user (or set in advance in the demand forecast device 1).
  • the mesh numbers of one or more meshes that make up the above are extracted, and each mesh number extracted in the data on the number of people in the area corresponds to the period specified by the forecast execution user (or set in advance in the demand forecast device 1).
  • the number of people in the area 30 minutes before the date is extracted and added up, and the total number of people in the area is acquired as information on the number of people in the area.
  • the information on the number of people in the area acquired here is the number of people in the area 30 minutes before the designated period in the second area related to the demand in the designated first area.
  • the acquisition unit 11 can set the number of people in the service area before or after the other predetermined time. You can get information about the number of people in the area.
  • the prediction unit 12 predicts the demand in the first area based on the information on the number of people in the area acquired (input) by the acquisition unit 11. For example, the prediction unit 12 refers to data in which the number of people in the area in the second area and the estimated number of customers visiting the restaurant in the first area correspond in advance, and the information on the number of people in the area acquired by the acquisition unit 11 indicates. The predicted number of customers visiting the store corresponding to the number of people in the area is extracted, and the extracted predicted number of customers visiting the store is predicted as the demand in the first area.
  • the forecasting unit 12 outputs the predicted demand to the notification unit 13.
  • the prediction unit 12 may output (display) the predicted demand to the prediction execution user, or may output (display) the predicted demand to another device via the network.
  • the prediction unit 12 may predict the demand in the first area based on the past information on the number of people in the area in the second area and the past demand in the first area. More specifically, the prediction unit 12 extracts the relationship between the past number of people in the area in the second area and the past demand in the first area by machine learning or the like, and acquires the extracted relationship. By applying the information on the number of people in the area acquired by the unit 11, the demand in the first area may be predicted.
  • FIG. 6 is a diagram showing an example of a table of learning data.
  • the learning data is 30 minutes of the predetermined period in the store (identifying store name) in the first area, the predetermined period, and the second area related to the demand of the store.
  • the number of people in the area before (the number of people in the second area for learning.
  • the amount of rainfall that is the weather information in the predetermined period and the predetermined period.
  • the air volume which is the weather information in the above, the average sales of the store on the same day of the same week one year ago, which is the actual sales statistics for the specified period, and the same week three months ago, which is the actual sales statistics for the specified period.
  • the average sales of the store on the same day and the actual sales amount of the store during the predetermined period correspond to each other.
  • the weather information and sales performance statistics are learning features. If the meteorological information is not used at the time of application described later, the meteorological information is not associated with the learning data.
  • the learning data may be periodically created by the demand forecasting device 1 and stored by the storage unit 10.
  • the forecasting unit 12 (or the demand forecasting device 1) machine-learns the learning data as shown in FIG. 6, so that the number of people in the area 30 minutes before the predetermined period and the sales amount of the store in the predetermined period Extract the relationship with the actual value of.
  • FIG. 7 is a diagram showing an example of a table of forecast data.
  • the forecast data is 30 minutes of the predetermined period in the store (identifying store name) in the first area, the predetermined period, and the second area related to the demand of the store.
  • the number of people in the area before (the number of people in the second area.
  • the amount of rainfall that is the weather information (forecast) in the specified period and the specified number.
  • the air volume which is weather information (forecast) during the period, the average sales of the store on the same day of the same week one year ago, which is the actual sales statistics for the specified period, and the actual sales statistics for the specified period.
  • the average sales of the store on the same day of the same week before the month correspond to the predicted value of the sales amount of the store during the predetermined period.
  • the weather information and sales record statistics are feature quantities.
  • the predicted value of the sales amount in the forecast data is empty before being applied by the forecasting unit 12.
  • the forecasting data may be periodically created by the demand forecasting device 1 and stored by the storage unit 10.
  • the forecasting unit 12 calculates the actual value of the sales amount by applying the forecasting data to the extracted relationship, that is, forecasts the demand.
  • the forecasting unit 12 associates the calculated actual value of the sales amount with the forecasting data.
  • the notification unit 13 notifies the prediction execution user when the difference between the demand in the first area predicted (input) by the prediction unit 12 and the predetermined demand exceeds a predetermined threshold value. For example, the sales amount at a restaurant (in this example, assuming a unit of several tens of minutes to one day) predicted by the forecasting unit 12 is "10,000 yen”, and the demand forecasting device 1 or the forecasting execution user has previously predicted. When the predetermined sales amount is "15 million yen" and the predetermined threshold value is "3,000 yen”, the difference "5,000 yen” between the predicted sales amount and the predetermined sales amount is the threshold value. Since it exceeds (exceeds) "3,000 yen", the notification unit 13 notifies the prediction execution user by an alarm sound and a warning display, and notifies that the threshold value has been exceeded.
  • a predetermined threshold value For example, the sales amount at a restaurant (in this example, assuming a unit of several tens of minutes to one day) predicted by the forecasting unit 12 is "10,000
  • the calculation unit 14 calculates (extracts) the second area.
  • the calculation by the calculation unit 14 may be performed periodically.
  • three specific examples of calculation by the calculation unit 14 will be described.
  • the calculation unit 14 determines the store visit demand (increase / decrease) by store, day of the week, and time based on the past store visit demand record and the past area-specific number of people in the area.
  • An area having a strong correlation with (increase / decrease) the number of people in the area before a certain time may be extracted, and the extracted area may be calculated as a second area related to the demand of the store (first area).
  • the calculation unit 14 uses, for example, the aggregated data shown in FIG. 8 at the time of extraction. As shown in FIG. 8, the aggregated data includes the store (identifying store name) in the first area, the predetermined period, the day of the week of the predetermined period, and the store visit demand of the store during the predetermined period.
  • the calculation unit 14 calculates the area in the aggregated data in which the correlation between the store visit demand (increase / decrease) and the number of people in the area (increase / decrease) before a certain period of time is strong as the second area.
  • the aggregated data may be periodically created by the calculation unit 14 or the demand forecasting device 1 and stored by the storage unit 10. Machine learning may be used to extract the correlation.
  • the above-mentioned fixed time means the time difference between the timing of demand forecasting by the demand forecasting device 1 and the store visit demand forecasting target period or longer.
  • the calculation unit 14 is based on the past record of the number of people in the area by area, and by store, by day of the week, and by time, the area near the store (the area within a predetermined distance from the store. It is not necessary to know the accuracy of whether or not the visit is made).
  • the area where the visitor tends to stay before a certain period of time is extracted, and the extracted area is the second related to the demand of the store (first area). Calculated as an area.
  • the calculation unit 14 uses, for example, the aggregated data shown in FIG. 9 at the time of extraction. As shown in FIG.
  • the aggregated data includes the store (identifying store name) in the first area, the predetermined period, the day of the week in the predetermined period, and the area in the vicinity of the store in the predetermined period.
  • the calculation unit 14 calculates the area of the aggregated data that tends to stay 30 minutes before a predetermined period as the second area.
  • the aggregated data may be periodically created by the calculation unit 14 or the demand forecasting device 1 and stored by the storage unit 10.
  • the user position history data shown in FIG. 10 is used to determine the person to be aggregated.
  • the date and time when the user was in the service area, the user identifier that identifies the user, and the mesh number of the mesh in the service area are associated with each other.
  • the number of people in the area shall be concealed (removing the numerical value in the small area, etc.) by the conventional method.
  • the above-mentioned fixed time means the time difference between the timing of demand forecasting by the demand forecasting device 1 and the store visit demand forecasting target period or longer.
  • the calculation unit 14 uses, for example, the aggregated data shown in FIG. 11 at the time of extraction. As shown in FIG. 11, the aggregated data includes the store (identifying store name) in the first area, the predetermined period, the day of the week of the predetermined period, and the store visited the store during the predetermined period.
  • the calculation unit 14 calculates the area of the aggregated data that tends to stay 30 minutes before a predetermined period as the second area.
  • the aggregated data may be periodically created by the calculation unit 14 or the demand forecasting device 1 and stored by the storage unit 10. At the time of creation, for example, the user position history data shown in FIG. 10 and the user visit history data shown in FIG. 12 are used to determine the totalization target person. As shown in FIG.
  • the user visit history data corresponds to the date and time when the user visited the store, the user identifier that identifies the user, and the store that visited the store (the store name that identifies the store).
  • Visitors stored visits by person shall be determined from the location information of the mobile terminal 2 (including WiFi (registered trademark), geofences such as Beacon) and payment history (including point granting or usage history).
  • the number of people in the area shall be concealed (removing the numerical value in the small area, etc.) by the conventional method.
  • the above-mentioned fixed time means the time difference between the timing of demand forecasting by the demand forecasting device 1 and the store visit demand forecasting target period or longer.
  • the number of people currently in the area near the store is the population of the number of people who may visit the store (expected visits). It can be expected to follow sudden demand fluctuations by considering it as the number of people) and using it for demand forecasting.
  • the method of measuring the number of people who may visit a store is a geographical feature of each store.
  • accurate measurement cannot be expected.
  • the area where many people are expected to visit the store is extracted in advance for each store by day and time, and when forecasting store demand, the expected number of people visiting the store is calculated based on the number of people in the area.
  • the target area for inputting the number of people in the area in the store demand forecast processing the effect of suppressing the calculation amount of the forecast processing can be expected.
  • the acquisition unit 11 may acquire information on the number of people in the area for each attribute (segment) of people in the second area.
  • the prediction unit 12 predicts the demand in the first area based on the information on the number of people in the area for each attribute of the people in the second area acquired by the acquisition unit 11.
  • the attribute may be an attribute that has a correlation (strong correlation) with the demand in the first area (by store, by day of the week, by time).
  • the acquisition unit 11 may give more weight to the number of correlated attributes (compared to uncorrelated attributes).
  • the demand forecasting device 1 emphasizes the attributes that are expected to come to the store more strongly among the people currently in the area where the store is expected to visit, while disregarding the attributes that are expected to visit the store less. By calculating the number of people and using it for the store demand forecast, it is possible to realize a more accurate store demand forecast.
  • the acquisition unit 11 or the demand forecasting device 1 may infer attributes from the position history, application usage history, settlement history, or the like of the target person.
  • the acquisition unit 11 or the demand forecasting device 1 may determine whether or not there is a tendency to eat out, which is an attribute, based on the distance from the place of residence of the target person to the location of the target store (the closer the distance, the lower the tendency to eat out, and the farther away). If you have a high tendency to eat out).
  • the acquisition unit 11 or the demand forecasting device 1 calculates in advance the relationship between the distance from the place of residence to the store and the strength of the eating out tendency for each region, and based on the relationship, whether or not there is a eating out tendency for each region. Criteria may be switched.
  • the acquisition unit 11 or the demand forecasting device 1 calculates in advance the relationship between the distance from the place of residence to the store and the strength of the eating out tendency for each person, and based on the relationship, whether or not there is a eating out tendency for each person. The judgment criteria may be switched.
  • the prediction unit 12 may predict the demand in the first area based on the degree of deviation from the normal time of the “composition ratio of the number of people in the area by attribute”.
  • store demand is based on changes in the composition ratio of each attribute, indicating that events, etc. that are difficult to grasp from the number of people currently in the area in the area where the store is expected to come are occurring in the vicinity of the store.
  • it is possible to realize more accurate store demand forecasting. For example, if many of the residents are out on consecutive holidays, but on the other hand many tourists are visiting, the number of people in the area is not much different from the usual number, but the composition ratio of attributes by place of residence is normal. It is possible that it is very different from.
  • FIG. 13 is a diagram showing an example of a table of user information data.
  • the user information data includes the user identifier, the gender of the user identified by the user identifier, the age of the user, the place of residence of the user, the occupation of the user, and the hobbies and preferences of the user.
  • FIG. 14 is a diagram showing a table example of user application usage history data.
  • the user application usage history data corresponds to the application usage date and time when the user used the application, the user identifier that identifies the user, the application name used by the application, and the application category used by the application. attached.
  • FIG. 15 is a diagram showing an example of a table of user payment history data. As shown in FIG. 15, in the user payment history data, the payment date and time when the user makes a payment at the store, the user identifier that identifies the user, and the payment store that is the store correspond to each other.
  • FIG. 15 is a diagram showing an example of a table of user payment history data. As shown in the user payment history data, the payment date and time when the user makes a payment at the store, the user identifier that identifies the user, and the payment store that is the store correspond to each other.
  • FIG. 16 is a diagram showing an example of a table of store position master data. As shown in FIG. 16, in the store position master data, the store name of the store, the latitude where the store is located, and the longitude where the store is located correspond to each other.
  • FIG. 17 is a diagram showing an example of a table of home departure time data. As shown in FIG. 17, the home departure time data corresponds to the user identifier, the home departure time of the user on the day identified by the user identifier, and the current situation of the user.
  • the acquisition unit 11 may acquire information on the number of people in the area regarding the predicted number of people in the area predicted to be in the second area. In addition, the acquisition unit 11 acquires the number of people in the area in the past period (stored in advance by the storage unit 10) having similar characteristics to the target period of the demand forecast, and the information on the number of people in the area related to the predicted number of people. You may. The acquisition unit 11 may make a judgment based on the information about the event held within the period posted on the SNS (Social Networking Service) as a judgment criterion of the similarity of the features.
  • SNS Social Networking Service
  • FIG. 18 is a diagram showing an example of a table of SNS posting information data. As shown in FIG. 18, in the SNS posting information data, the posting date and time posted to the SNS and the posted text correspond to each other.
  • FIG. 19 is a diagram showing an example of a table of event information data. As shown in FIG. 19, the event information data identifies the event ID that identifies the event, the event name of the event extracted from the SNS post, and the mesh in which the event is held extracted from the SNS post. The event holding mesh to be performed, the event date where the event is held extracted from the SNS post, the event characteristics of the event extracted from the SNS post, and the event ID of the event similar to the event are Corresponding.
  • the forecast target may be limited to one to several hours after the correlation between the current number of people in the area and the store demand can be expected.
  • the demand forecasting device 1 the number of people who may visit the store on the future day is predicted by using the event information of the future day posted on the SNS, and the store demand is predicted using the predicted number of people.
  • the acquisition unit 11 may acquire the information on the number of people in the area input from the prediction execution user. In addition, the acquisition unit 11 may acquire information on the number of people in the service area based on several stages (example: 5 stages of 1 to 5) for each unit time (example: 1 hour) input from the prediction execution user. Based on the event information of the future day that the forecast execution user (or store operator) knows as knowledge, assuming how much the number of people in the second area is likely to increase or decrease every unit time, By inputting, the demand forecasting device 1 can forecast the store demand based on the assumption. In addition, the forecast execution user can input a plurality of assumed assumptions, confirm a plurality of forecast results of what kind of store demand can be, and utilize them for preparation.
  • the acquisition unit 11 or the demand forecasting device 1 groups past days with similar changes in the number of people in the second area by time-series clustering, and lists the groups as representative values of the changes in the number of people in the second area (eg). : Average value) and the date of the past day belonging to the same group are presented as options to the forecast execution user, and the acquisition unit 11 sets the number of people in the area in the demand forecast target period based on the option, and sets the area. Information on the number of people in the area may be obtained. When assuming how much the number of people in the second area is likely to increase or decrease every unit time based on the event information of the future day that the forecast execution user (or store operator) knows as knowledge. By presenting the transition of the number of people on the past similar event dates as reference information by the acquisition unit 11 or the demand forecasting device 1, the store operator can make a more accurate assumption and input, and as a result, more. It is possible to obtain useful store demand forecast results.
  • the calculation unit 14 calculates the second area related to the demand in the first area, which is the demand forecast target (step S1).
  • the acquisition unit 11 acquires the information on the number of people in the second area calculated in S1 (step S2).
  • the prediction unit 12 predicts the demand in the first area based on the information on the number of people in the area acquired in S2 (step S3).
  • the output by the forecasting unit 12 or the notification by the notification unit 13 is performed (step S4). If the second area is required in advance, the process of S1 may be omitted.
  • the demand forecasting device 1 has a storage unit 10 that stores area information related to the second area related to the demand of the first area, and a service area regarding the number of people in the second area indicated by the area information stored by the storage unit 10. It includes an acquisition unit 11 that acquires the number of people information, and a prediction unit 12 that predicts the demand in the first area based on the information on the number of people in the area acquired by the acquisition unit 11. According to such a demand forecasting device 1, the demand in the first area is predicted based on the information on the number of people in the second area related to the demand in the first area. Therefore, for example, a patterned demand forecast can be used. Is different and you can forecast demand more flexibly.
  • the second area may be an area in which the number of people in the area and the demand in the first area are correlated.
  • the calculation unit 14 may calculate the second area, which is an area in which the number of people in the area and the demand in the first area are correlated. According to such a demand forecasting device 1, since the number of people in the second area and the demand in the first area are correlated, the demand in the first area is based on the information on the number of people in the second area. Can be predicted more accurately.
  • the second area may be an area that people who visit the first area tend to visit.
  • the calculation unit 14 may calculate the second area, which is an area that people who visit the first area tend to visit. According to such a demand forecasting device 1, it is possible to more accurately predict the demand in the first area based on the information on the number of people in the second area that people who visit the first area tend to visit.
  • the demand forecasting device 1 may further include a calculation unit 14 for calculating the second area, and the storage unit 10 may store the area information regarding the second area calculated by the calculation unit 14. According to such a demand forecasting device 1, the second area can be calculated at an arbitrary situation and timing, and the demand in the first area can be predicted based on the calculated second area, so that the demand can be made more flexible. Can be predicted.
  • the acquisition unit 11 of the demand forecasting device 1 may acquire information on the number of people in the service area regarding the number of people in the second area for each attribute. According to such a demand forecasting device 1, it is possible to forecast more accurate demand in consideration of the attributes of people in the second area.
  • the attribute may be an attribute that correlates with the demand in the first area. According to such a demand forecasting device 1, it is possible to forecast more accurate demand by adding attributes that correlate with the demand in the first area.
  • the acquisition unit 11 of the demand forecasting device 1 may acquire information on the number of people in the area regarding the predicted number of people in the area predicted to be in the second area. According to such a demand forecasting device 1, it is possible to forecast demand more flexibly, such as being able to forecast future demand.
  • the acquisition unit 11 of the demand forecasting device 1 may acquire the information on the number of people in the area input from the user (prediction execution user). According to such a demand forecasting device 1, the demand can be predicted more flexibly, for example, the demand can be predicted based on the knowledge and experience of the user (prediction execution user).
  • the forecasting unit 12 of the demand forecasting device 1 may predict the demand in the first area based on the past information on the number of people in the area in the second area and the past demand in the first area. According to such a demand forecasting device 1, more accurate demand can be predicted based on past information (actual results).
  • a notification unit 13 for notifying a user (prediction execution user) when the difference between the demand in the first area predicted by the prediction unit 12 of the demand forecasting device 1 and the predetermined demand exceeds a predetermined threshold value is further provided. May be good. According to such a demand forecasting device 1, for example, a user (forecasting execution user) can immediately notice an abnormality, and thereby can take immediate action regarding store operation or the like. Convenience is improved.
  • the demand forecasting device 1 In the demand forecasting device 1 according to the present embodiment, the second area (expected store visit area) in which the expected visitor of the target store (first area) is likely to be located is extracted and is located in the second area (the second area). Alternatively, the number of people (who may be in the service area) is estimated from the location information of the mobile terminal 2, and the future store demand is predicted using the information. According to such a demand forecasting device 1, it is possible to forecast store demand in an irregular case with high accuracy.
  • each functional block is realized by any combination of at least one of hardware and software.
  • the method of realizing each functional block is not particularly limited. That is, each functional block may be realized by using one physically or logically connected device, or directly or indirectly (for example, two or more physically or logically separated devices). , Wired, wireless, etc.) and may be realized using these plurality of devices.
  • the functional block may be realized by combining the software with the one device or the plurality of devices.
  • Functions include judgment, decision, judgment, calculation, calculation, processing, derivation, investigation, search, confirmation, reception, transmission, output, access, solution, selection, selection, establishment, comparison, assumption, expectation, and assumption.
  • broadcasting notifying, communicating, forwarding, configuring, reconfiguring, allocating, mapping, assigning, etc., but only these. I can't.
  • a functional block (constituent unit) that functions transmission is called a transmitting unit or a transmitter.
  • the method of realizing each of them is not particularly limited.
  • the demand forecasting device 1 in the embodiment of the present disclosure may function as a computer that processes the demand forecasting processing of the present disclosure.
  • FIG. 21 is a diagram showing an example of the hardware configuration of the demand forecasting device 1 according to the embodiment of the present disclosure.
  • the demand forecasting device 1 described above may be physically configured as a computer device including a processor 1001, a memory 1002, a storage 1003, a communication device 1004, an input device 1005, an output device 1006, a bus 1007, and the like.
  • the word “device” can be read as a circuit, device, unit, etc.
  • the hardware configuration of the demand forecasting device 1 may be configured to include one or more of the devices shown in the figure, or may be configured not to include some of the devices.
  • the processor 1001 For each function in the demand forecasting device 1, the processor 1001 performs an operation by loading predetermined software (program) on the hardware such as the processor 1001 and the memory 1002, and controls the communication by the communication device 1004 or the memory. It is realized by controlling at least one of reading and writing of data in the 1002 and the storage 1003.
  • predetermined software program
  • the processor 1001 operates, for example, an operating system to control the entire computer.
  • the processor 1001 may be configured by a central processing unit (CPU: Central Processing Unit) including an interface with peripheral devices, a control device, an arithmetic unit, a register, and the like.
  • CPU Central Processing Unit
  • the above-mentioned acquisition unit 11, prediction unit 12, notification unit 13, calculation unit 14, and the like may be realized by the processor 1001.
  • the processor 1001 reads a program (program code), a software module, data, etc. from at least one of the storage 1003 and the communication device 1004 into the memory 1002, and executes various processes according to these.
  • a program program that causes a computer to execute at least a part of the operations described in the above-described embodiment is used.
  • the acquisition unit 11, the prediction unit 12, the notification unit 13, and the calculation unit 14 may be realized by a control program stored in the memory 1002 and operating in the processor 1001, and are similarly realized for other functional blocks. May be good.
  • Processor 1001 may be implemented by one or more chips.
  • the program may be transmitted from the network via a telecommunication line.
  • the memory 1002 is a computer-readable recording medium, and is composed of at least one such as a ROM (Read Only Memory), an EPROM (Erasable Programmable ROM), an EPROM (Electrically Erasable Programmable ROM), and a RAM (Random Access Memory). May be done.
  • the memory 1002 may be referred to as a register, a cache, a main memory (main storage device), or the like.
  • the memory 1002 can store a program (program code), a software module, or the like that can be executed to implement the wireless communication method according to the embodiment of the present disclosure.
  • the storage 1003 is a computer-readable recording medium, and is, for example, an optical disk such as a CD-ROM (Compact Disc ROM), a hard disk drive, a flexible disk, a magneto-optical disk (for example, a compact disk, a digital versatile disk, or a Blu-ray). It may consist of at least one (registered trademark) disk), smart card, flash memory (eg, card, stick, key drive), floppy (registered trademark) disk, magnetic strip, and the like.
  • the storage 1003 may be referred to as an auxiliary storage device.
  • the storage medium described above may be, for example, a database, server or other suitable medium containing at least one of memory 1002 and storage 1003.
  • the communication device 1004 is hardware (transmission / reception device) for communicating between computers via at least one of a wired network and a wireless network, and is also referred to as, for example, a network device, a network controller, a network card, a communication module, or the like.
  • the communication device 1004 includes, for example, a high frequency switch, a duplexer, a filter, a frequency synthesizer, and the like in order to realize at least one of frequency division duplex (FDD: Frequency Division Duplex) and time division duplex (TDD: Time Division Duplex). It may be composed of.
  • FDD Frequency Division Duplex
  • TDD Time Division Duplex
  • the input device 1005 is an input device (for example, a keyboard, a mouse, a microphone, a switch, a button, a sensor, etc.) that receives an input from the outside.
  • the output device 1006 is an output device (for example, a display, a speaker, an LED lamp, etc.) that outputs to the outside.
  • the input device 1005 and the output device 1006 may have an integrated configuration (for example, a touch panel).
  • each device such as the processor 1001 and the memory 1002 is connected by the bus 1007 for communicating information.
  • the bus 1007 may be configured by using a single bus, or may be configured by using a different bus for each device.
  • the demand forecasting device 1 includes hardware such as a microprocessor, a digital signal processor (DSP: Digital Signal Processor), an ASIC (Application Specific Integrated Circuit), a PLD (Programmable Logic Device), and an FPGA (Field Programmable Gate Array). It may be configured by, and a part or all of each functional block may be realized by the hardware. For example, processor 1001 may be implemented using at least one of these hardware.
  • DSP Digital Signal Processor
  • ASIC Application Specific Integrated Circuit
  • PLD Programmable Logic Device
  • FPGA Field Programmable Gate Array
  • the notification of information is not limited to the mode / embodiment described in the present disclosure, and may be performed by using another method.
  • Each aspect / embodiment described in the present disclosure includes LTE (Long Term Evolution), LTE-A (LTE-Advanced), SUPER 3G, IMT-Advanced, 4G (4th generation mobile communication system), and 5G (5th generation mobile communication).
  • system FRA (Future Radio Access), NR (new Radio), W-CDMA (registered trademark), GSM (registered trademark), CDMA2000, UMB (Ultra Mobile Broadband), IEEE 802.11 (Wi-Fi (registered trademark)) )), LTE 802.16 (WiMAX®), IEEE 802.20, UWB (Ultra-WideBand), Bluetooth®, and other systems that utilize suitable systems and have been extended based on these. It may be applied to at least one of the next generation systems. Further, a plurality of systems may be applied in combination (for example, a combination of at least one of LTE and LTE-A and 5G).
  • the specific operation performed by the base station in the present disclosure may be performed by its upper node.
  • various operations performed for communication with a terminal are performed by the base station and other network nodes other than the base station (for example, MME or). It is clear that it can be done by at least one of (but not limited to, S-GW, etc.).
  • S-GW network node
  • the case where there is one network node other than the base station is illustrated above, it may be a combination of a plurality of other network nodes (for example, MME and S-GW).
  • the input / output information and the like may be saved in a specific location (for example, memory), or may be managed using a management table. Input / output information and the like can be overwritten, updated, or added. The output information and the like may be deleted. The input information or the like may be transmitted to another device.
  • the determination may be made by a value represented by 1 bit (0 or 1), by a boolean value (Boolean: true or false), or by comparing numerical values (for example, a predetermined value). It may be done by comparison with the value).
  • the notification of predetermined information (for example, the notification of "being X") is not limited to the explicit one, but is performed implicitly (for example, the notification of the predetermined information is not performed). May be good.
  • Software is an instruction, instruction set, code, code segment, program code, program, subprogram, software module, whether called software, firmware, middleware, microcode, hardware description language, or another name.
  • Applications, software applications, software packages, routines, subroutines, objects, executable files, execution threads, procedures, functions, etc. should be broadly interpreted to mean.
  • software, instructions, information, etc. may be transmitted and received via a transmission medium.
  • a transmission medium For example, a website that uses at least one of wired technology (coaxial cable, fiber optic cable, twist pair, digital subscriber line (DSL: Digital Subscriber Line), etc.) and wireless technology (infrared, microwave, etc.) When transmitted from a server, or other remote source, at least one of these wired and wireless technologies is included within the definition of transmission medium.
  • the information, signals, etc. described in this disclosure may be represented using any of a variety of different techniques.
  • data, instructions, commands, information, signals, bits, symbols, chips, etc. that may be referred to throughout the above description are voltages, currents, electromagnetic waves, magnetic fields or magnetic particles, light fields or photons, or any of these. It may be represented by a combination of.
  • system and “network” used in this disclosure are used interchangeably.
  • information, parameters, etc. described in the present disclosure may be expressed using absolute values, relative values from predetermined values, or using other corresponding information. It may be represented.
  • base station Base Station
  • wireless base station fixed station
  • NodeB NodeB
  • eNodeB eNodeB
  • gNodeB gNodeB
  • Base stations are sometimes referred to by terms such as macrocells, small cells, femtocells, and picocells.
  • the base station can accommodate one or more (for example, three) cells.
  • a base station accommodates multiple cells, the entire coverage area of the base station can be divided into multiple smaller areas, each smaller area being a base station subsystem (eg, a small indoor base station (RRH:)).
  • Communication services can also be provided by (Remote Radio Head).
  • the term "cell” or “sector” is a part or all of the coverage area of at least one of the base station and the base station subsystem that provides the communication service in this coverage. Point to.
  • mobile terminal 2 mobile station (MS: Mobile Station)
  • user terminal user terminal
  • UE User Equipment
  • Mobile stations can be subscriber stations, mobile units, subscriber units, wireless units, remote units, mobile devices, wireless devices, wireless communication devices, remote devices, mobile subscriber stations, access terminals, mobile terminals, wireless, depending on the trader. It may also be referred to as a terminal, remote terminal, handset, user agent, mobile client, client, or some other suitable term.
  • At least one of the base station and the mobile station may be called a transmitting device, a receiving device, a communication device, or the like.
  • At least one of the base station and the mobile station may be a device mounted on the mobile body, the mobile body itself, or the like.
  • the moving body may be a vehicle (eg, car, airplane, etc.), an unmanned moving body (eg, drone, self-driving car, etc.), or a robot (manned or unmanned). ) May be.
  • at least one of the base station and the mobile station includes a device that does not necessarily move during communication operation.
  • at least one of the base station and the mobile station may be an IoT (Internet of Things) device such as a sensor.
  • IoT Internet of Things
  • the base station in the present disclosure may be read by the user terminal.
  • communication between a base station and a user terminal has been replaced with communication between a plurality of user terminals (for example, it may be called D2D (Device-to-Device), V2X (Vehicle-to-Everything), etc.).
  • D2D Device-to-Device
  • V2X Vehicle-to-Everything
  • Each aspect / embodiment of the present disclosure may be applied to the configuration.
  • the mobile terminal 2 in the present disclosure may be read as a base station.
  • the base station may have the functions of the mobile terminal 2 described above.
  • determining and “determining” used in this disclosure may include a wide variety of actions.
  • “Judgment” and “decision” are, for example, judgment (judging), calculation (calculating), calculation (computing), processing (processing), derivation (deriving), investigation (investigating), search (looking up, search, inquiry). (For example, searching in a table, database or another data structure), confirming (ascertaining) may be regarded as “judgment” or “decision”.
  • judgment and “decision” are receiving (for example, receiving information), transmitting (for example, transmitting information), input (input), output (output), and access.
  • connection means any direct or indirect connection or connection between two or more elements, and each other. It can include the presence of one or more intermediate elements between two “connected” or “combined” elements.
  • the connection or connection between the elements may be physical, logical, or a combination thereof.
  • connection may be read as "access”.
  • the two elements use at least one of one or more wires, cables and printed electrical connections, and, as some non-limiting and non-comprehensive examples, the radio frequency domain. Can be considered to be “connected” or “coupled” to each other using electromagnetic energies having wavelengths in the microwave and light (both visible and invisible) regions.
  • references to elements using designations such as “first”, “second”, etc. as used in this disclosure does not generally limit the quantity or order of those elements. These designations can be used in the present disclosure as a convenient way to distinguish between two or more elements. Thus, references to the first and second elements do not mean that only two elements can be adopted, or that the first element must somehow precede the second element.
  • the term "A and B are different” may mean “A and B are different from each other”.
  • the term may mean that "A and B are different from C”.
  • Terms such as “separate” and “combined” may be interpreted in the same way as “different”.
  • 1 ... Demand forecasting device, 2 ... Mobile terminal, 3 ... Demand forecasting system, 10 ... Storage unit, 11 ... Acquisition unit, 12 ... Forecasting unit, 13 ... Notification unit, 14 ... Calculation unit.

Landscapes

  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

需要をより柔軟に予測することを課題とする。所定のエリアである第１エリアにおける需要を予測する需要予測装置１は、第１エリアの需要に関連する所定のエリアである第２エリアに関するエリア情報を格納する格納部１０と、格納部１０によって格納されたエリア情報が示す第２エリアに在圏する人数に関する在圏人数情報を取得する取得部１１と、取得部１１によって取得された在圏人数情報に基づいて第１エリアにおける需要を予測する予測部１２と、を備える。第２エリアは、当該エリアに在圏する人数と第１エリアにおける需要とが相関関係にあるエリアであってもよい。第２エリアは、第１エリアを訪問する人が訪問する傾向があるエリアであってもよい。

Description

需要予測装置
　本開示の一側面は、所定のエリアにおける需要を予測する需要予測装置に関する。
　下記特許文献１では、立ち寄り地点の天気状況を考慮して立ち寄り地点のサービス需要を予測するスケジューリング装置が開示されている。
特開２０１７－１０２５０２号公報
　しかしながら、上記スケジューリング装置では、天気状況に基づくパターン化されたサービス需要しか予測できず、サービス需要を柔軟に予測することができないという問題がある。
　そこで、本開示の一側面は、かかる課題に鑑みて為されたものであり、需要をより柔軟に予測することができる需要予測装置を提供することを目的とする。
　上記課題を解決するため、本開示の一側面に係る需要予測装置は、所定のエリアである第１エリアにおける需要を予測する需要予測装置であって、第１エリアの需要に関連する所定のエリアである第２エリアに関するエリア情報を格納する格納部と、格納部によって格納されたエリア情報が示す第２エリアに在圏する人数に関する在圏人数情報を取得する取得部と、取得部によって取得された在圏人数情報に基づいて第１エリアにおける需要を予測する予測部と、を備える。
　このような需要予測装置によれば、第１エリアの需要に関連する第２エリアの在圏人数情報に基づいて第１エリアにおける需要が予測されるため、例えばパターン化された需要の予測とは異なり、需要をより柔軟に予測することができる。
　本開示の一側面によれば、需要をより柔軟に予測することができる。
本発明の実施形態に係る需要予測装置を含む需要予測システムのシステム構成図である。 本発明の実施形態に係る需要予測装置の機能ブロック図である。 第１エリア及び第２エリアの例を示す図である。 在圏人数データのテーブル例を示す図である。 第２エリア定義データのテーブル例を示す図である。 学習用データのテーブル例を示す図である。 予測用データのテーブル例を示す図である。 集計データ（その１）のテーブル例を示す図である。 集計データ（その２）のテーブル例を示す図である。 ユーザ位置履歴データのテーブル例を示す図である。 集計データ（その３）のテーブル例を示す図である。 ユーザ来店履歴データのテーブル例を示す図である。 ユーザ情報データのテーブル例を示す図である。 ユーザアプリ利用履歴データのテーブル例を示す図である。 ユーザ決済履歴データのテーブル例を示す図である。 店舗位置マスタデータのテーブル例を示す図である。 自宅出発時刻データのテーブル例を示す図である。 ＳＮＳ投稿情報データのテーブル例を示す図である。 イベント情報データのテーブル例を示す図である。 本発明の実施形態に係る需要予測装置で実行される需要予測処理を示すフローチャートである。 本発明の実施形態に係る需要予測装置のハードウェア構成図である。
　以下、図面とともに需要予測装置の実施形態について詳細に説明する。なお、図面の説明においては同一要素には同一符号を付し、重複する説明を省略する。また、以下の説明における実施形態は、本発明の具体例であり、特に本発明を限定する旨の記載がない限り、これらの実施形態に限定されないものとする。
　図１は、本発明の実施形態に係る需要予測装置１を含む需要予測システム３のシステム構成図である。図１に示す通り、需要予測システム３は、需要予測装置１及び一以上の携帯端末２を含んで構成される。なお、以降では複数の携帯端末２も総称して「携帯端末２」と記す。需要予測装置１と各携帯端末２とは互いにインターネット及び無線ネットワーク等のネットワークを介して接続されており、相互に情報を送受信することができる。
　需要予測装置１は、サーバ装置等のコンピュータ装置である。需要予測装置１は、携帯端末２から受信した情報に基づいて、所定のエリアである第１エリアにおける需要を予測する。エリアは、矩形及び円等で囲まれた一定の面積を有する範囲であり、区画、区域、地域、地帯、地区、場所、領域とも言う。エリアは、一定の体積を有する３次元範囲であってもよい。エリアは、面積を有しない点であってもよく、地点、場所、スポット、位置、拠点とも言う。第１エリアは、何らかの需要が発生し得るエリアを想定するが、これに限るものではない。第１エリアの一例として、本実施形態では主に外食サービスを提供する外食店舗を想定するが、それに限るものではない。需要は、商品又はサービス等に対する購買力の裏付けのある欲望、又は当該欲望の社会的総量である。外食店舗における需要の一例として、来店客数、売上金額及び販売個数等が挙げられる。需要予測装置１の機能の詳細については後述する。
　携帯端末２は、スマートフォン及びノートＰＣ（Personal　Computer）等のコンピュータ装置である。携帯端末２のユーザは、携帯端末２を携帯する。携帯端末２は、ＧＰＳ（Global　Positioning　System）を備え、ＧＰＳにより携帯端末２（のユーザ）の現在の位置情報を取得可能である。位置情報には、緯度、経度、測位誤差及び測位時刻（当該緯度及び経度を取得した取得時刻）等が含まれる。本実施形態では、ＧＰＳにより取得された位置情報を用いて説明するが、これに限定されず、例えば基地局から送信される基地局情報に基づいて取得した位置情報を用いてもよい。携帯端末２は、位置情報の他、ユーザの属性情報、ユーザのアプリ利用履歴、ユーザの決済履歴、ユーザが自宅を出発した時刻等、携帯端末２が取得及び処理したデータを需要予測装置１に適宜送信する。携帯端末２は、移動体通信システムの移動体通信網を介して移動体通信を行うことが可能である。
　図２は、需要予測装置１の機能ブロック図である。図２に示す通り、需要予測装置１は、格納部１０、取得部１１、予測部１２、通知部１３及び算出部１４を含んで構成される。
　需要予測装置１の各機能ブロックは、需要予測装置１内にて機能することを想定しているが、これに限るものではない。例えば、需要予測装置１の機能ブロックの一部は、需要予測装置１とは異なるサーバ装置であって、需要予測装置１とネットワーク接続されたサーバ装置内において、需要予測装置１と情報を適宜送受信しつつ機能してもよい。また、需要予測装置１の一部の機能ブロックは無くてもよい。例えば、通知部１３及び算出部１４の何れか１つ以上は需要予測装置１に無くてもよい。
　以下、図２に示す需要予測装置１の各機能ブロックについて説明する。
　格納部１０は、第１エリアの需要に関連する所定のエリアである第２エリアに関するエリア情報を格納する。
　第２エリアは、例えば、当該エリアに在圏する人数と第１エリアにおける需要とが相関関係にあるエリアである。また例えば、第２エリアは、第１エリアを訪問する人が訪問する傾向があるエリアである。また例えば、第２エリアは、第１エリアを訪問することが期待される人（外食店舗の来店期待者）が在圏しやすいエリア又は在圏しうるエリアである。また例えば、第２エリアは、第１エリアを訪問する人が流入元として居る傾向が（相対的に）強いエリアである。また例えば、第２エリアは、第１エリアを訪問する人が在圏する確率が所定の閾値よりも高いエリアである。ここで、エリアに人が在圏するとは、例えば、当該人が携帯する携帯端末２が、当該エリアをカバーするセル（移動体通信システムを構成する各基地局が通信できる範囲の区画）にて移動体通信が可能な状態（通信経路を確立済み）のことを言う。なお、本実施形態の説明において、各用語「在圏する」、「訪問する」、「訪れる」、「居る」、「滞留する」、「滞在する」、「留まる」、「通る」（前述の全ての用語の名詞形等、他の品詞も含む）のうちの一つの用語は、その他の何れかの用語に適宜置き換えてもよい。
　上述の第２エリアの例において、在圏する／訪問する／居るのが所定の時間より前又は後であるという限定を加えてもよい。例えば、第２エリアは、当該エリアに、第１エリアにおける需要の発生時点よりも所定の時間より前又は後に在圏する人数と、第１エリアにおける需要とが相関関係にあるエリアである。また例えば、第２エリアは、第１エリアを訪問する人が（第１エリアを訪問する時点に対して）所定の時間より前又は後に訪問する傾向があるエリアである。また例えば、第２エリアは、第１エリアを訪問することが期待される人が（第１エリアを訪問する時点に対して）所定の時間より前又は後に在圏しやすいエリア又は在圏しうるエリアである。また例えば、第２エリアは、第１エリアを訪問する人が流入元として（第１エリアを訪問する時点に対して）所定の時間より前又は後に居る傾向が（相対的に）強いエリアである。また例えば、第２エリアは、第１エリアを訪問する人が（第１エリアを訪問する時点に対して）所定の時間より前又は後に在圏する確率が所定の閾値よりも高いエリアである。
　エリア情報は、例えばエリアを特定する情報である。地域を一辺が百ｍ程度の矩形のメッシュに分け、各メッシュに対して当該メッシュを特定するメッシュ番号を割り当てた場合、エリアに関するエリア情報は、当該エリアを構成する一つ以上のメッシュのメッシュ番号から構成されてもよい。また例えば、エリアが円内の範囲で示される場合、当該エリアに関するエリア情報は、当該円の中心の緯度及び経度と、当該円の半径とから構成されてもよい。ただし、エリア情報は上述の内容に限定されず、エリアに関する情報であればいかなる情報を含んでもよいし、エリアに関しない情報をさらに含んでもよい。
　図３は、第１エリア及び第２エリアの例を示す図である。図３（ａ）に示す通り、第１エリアは、需要予測装置１が需要を予測する対象である需要予測対象施設（外食店舗等）Ｐ１を含むエリアであり、第２エリアは、当該第１エリアを包含するエリアであってもよい。また、図３（ｂ）に示す通り、第１エリアは、需要予測対象施設Ｐ１を含むエリアであり、第２エリアは、当該第１エリアの一部を包含するエリアであってもよい。また、図３（ｃ）に示す通り、第１エリアは、需要予測対象施設Ｐ１を含むエリアであり、第２エリアは、（突発的に人口が増える）イベント会場Ｐ２を含むエリアであって、当該第１エリアを包含しないエリアであってもよい。その他、第２エリアは、第１エリアと（範囲が）異なるエリアであってもよい。また、第２エリアは、第１エリアと（範囲が）同一のエリアであってもよい。
　格納部１０は、後述の算出部１４によって算出された第２エリアに関するエリア情報を格納してもよい。また格納部１０は、その他の処理に必要な情報を格納してもよく、詳細については後の説明にて適宜説明する。
　取得部１１は、格納部１０によって格納されたエリア情報が示す第２エリアに在圏する人数に関する在圏人数情報を取得する。取得部１１は、第２エリアに過去（現時点より所定の時間前）に在圏した人数に関する在圏人数情報を取得してもよいし、第２エリアに現時点に在圏している人数に関する在圏人数情報を取得してもよいし、第２エリアに未来（現時点より所定の時間後）に在圏する（予定の）人数に関する在圏人数情報を取得してもよい。取得部１１が取得する在圏人数情報の元となる人数は、携帯端末２のＧＰＳ、ＷｉＦｉ（登録商標）及びＢｅａｃｏｎ等を利用したジオフェンス情報、又は、携帯端末２の位置登録情報等を利用したモバイル空間統計（登録商標）に基づいて取得したものであってもよい。取得部１１は、取得した在圏人数情報を予測部１２に出力する。
　取得部１１の処理の具体例について、取得部１１又は需要予測装置１が従来技術を利用して予め用意し、格納部１０によって格納された在圏人数データ及び第２エリア定義データを用いて説明する。
　在圏人数データは、各メッシュにおける所定の期間の３０分前の在圏人数を示すデータである。図４は、在圏人数データのテーブル例を示す図である。図４に示す通り、在圏人数データは、メッシュ番号と、所定の期間と、当該メッシュ番号が示すメッシュにおける所定の期間（の例えば中央値）の３０分前の在圏人数とが対応付いている。取得部１１又は需要予測装置１は、例えば、各携帯端末２から受信した位置情報（緯度、経度及び測位時刻を含む）と、メッシュ番号と、当該メッシュ番号が示すメッシュの位置情報とに基づいて在圏人数データを定期的に算出し、格納部１０によって格納させる。
　第２エリア定義データは、第１エリアと、当該第１エリアの需要に関連する第２エリアを構成するメッシュとを示すデータである。図５は、第２エリア定義データのテーブル例を示す図である。図５に示す通り、第２エリア定義データは、第１エリアである店舗（を識別する店舗名）と、当該店舗の需要に関連する第２エリアを構成するメッシュのメッシュ番号とが対応付いている。取得部１１又は需要予測装置１は、例えば、予め需要予測装置１による需要予測を実行する予測実行ユーザ等によって指定された店舗と、当該店舗に基づいて後述の算出部１４によって算出された第２エリアとに基づいて第２エリア定義データを定期的に算出し、格納部１０によって格納させる。なお、店舗ごとに第２エリアを構成するメッシュ（メッシュ番号１～Ｎ）のそれぞれのメッシュ番号を管理するマスタテーブルが予め格納されており、取得部１１又は需要予測装置１が適宜利用するものとする。また、本実施形態で説明する予測実行ユーザによる需要予測装置１への入力（データの指定及びデータの設定など）は、具体的には、予測実行ユーザが携帯する端末（携帯端末２と同様の構成）に予測実行ユーザが入力指示を行い、当該入力指示に基づいて当該端末がネットワークを介して需要予測装置１に入力を行うことで実行される。同様に、本実施形態で説明する需要予測装置１による予測実行ユーザへの出力（データの通知、データの提示及びデータの表示など）は、具体的には、需要予測装置１がネットワークを介して、予測実行ユーザが携帯する端末に出力指示を行い、当該出力指示に基づいて当該端末が予測実行ユーザに出力を行うことで実行される。予測実行ユーザが携帯する端末は、需要予測システム３に含まれてもよい。
　取得部１１は、例えば、予測実行ユーザによって指定された（又は予め需要予測装置１内にて設定された）第１エリアについて、第２エリア定義データにおいて当該第１エリアと対応付いた第２エリアを構成する一つ以上のメッシュのメッシュ番号を抽出し、在圏人数データにおいて抽出した各メッシュ番号及び予測実行ユーザによって指定された（又は予め需要予測装置１内にて設定された）期間と対応付いた３０分前の在圏人数を抽出した上で合算し、合算した在圏人数を在圏人数情報として取得する。ここで取得した在圏人数情報は、指定された第１エリアの需要に関連する第２エリアにおいて、指定された期間の３０分前に在圏する人数となる。在圏人数データにおいて、３０分前の在圏人数を別の所定の時間より前又は後の在圏人数とすることで、取得部１１は当該別の所定の時間より前又は後の在圏人数に関する在圏人数情報を取得することができる。
　予測部１２は、取得部１１によって取得（入力）された在圏人数情報に基づいて第１エリアにおける需要を予測する。例えば、予測部１２は、第２エリアの在圏人数と第１エリアである外食店舗の予測来店客数とが予め対応付いたデータを参照し、取得部１１によって取得された在圏人数情報が示す在圏人数に対応付いた予測来店客数を抽出し、抽出した予測来店客数を第１エリアにおける需要として予測する。予測部１２は、予測した需要を通知部１３に出力する。予測部１２は、予測した需要を、予測実行ユーザに出力（表示）してもよいし、ネットワークを介して他の装置に出力してもよい。
　予測部１２は、第２エリアの過去の在圏人数情報と第１エリアにおける過去の需要とにさらに基づいて第１エリアにおける需要を予測してもよい。より具体的には、予測部１２は、第２エリアの過去の在圏人数情報と第１エリアにおける過去の需要との関係性を機械学習等により抽出し、抽出した関係性に対して、取得部１１によって取得された在圏人数情報を適用することで、第１エリアにおける需要を予測してもよい。
　予測部１２による機械学習を利用した需要の予測の一例について、図６及び図７を用いて説明する。図６は、学習用データのテーブル例を示す図である。図６に示す通り、学習用データは、第１エリアである店舗（を識別する店舗名）と、所定の期間と、当該店舗の需要に関連する第２エリアにおいて、当該所定の期間の３０分前に在圏する人数（学習用第２エリア在圏人数。当該第２エリアを構成するメッシュ内の在圏人数の合計）と、当該所定の期間における気象情報である雨量と、当該所定の期間における気象情報である風量と、当該所定の期間の売上実績統計量である１年前同週同曜日の当該店舗の売上平均と、当該所定の期間の売上実績統計量である３カ月前同週同曜日の当該店舗の売上平均と、当該所定の期間の当該店舗の売上金額の実績値とが対応付いている。なお、気象情報及び売上実績統計量は学習用特徴量である。後述の適用時に気象情報を用いない場合は、学習用データにおいて気象情報は対応付けない。学習用データは、需要予測装置１によって定期的に作成され、格納部１０によって格納されてもよい。予測部１２（又は需要予測装置１）は、図６に示すような学習用データを機械学習させることで、所定の期間の３０分前に在圏する人数と当該所定の期間の店舗の売上金額の実績値との関係性を抽出する。
　図７は、予測用データのテーブル例を示す図である。図７に示す通り、予測用データは、第１エリアである店舗（を識別する店舗名）と、所定の期間と、当該店舗の需要に関連する第２エリアにおいて、当該所定の期間の３０分前に在圏する人数（第２エリア在圏人数。当該第２エリアを構成するメッシュ内の在圏人数の合計）と、当該所定の期間における気象情報（予報）である雨量と、当該所定の期間における気象情報（予報）である風量と、当該所定の期間の売上実績統計量である１年前同週同曜日の当該店舗の売上平均と、当該所定の期間の売上実績統計量である３カ月前同週同曜日の当該店舗の売上平均と、当該所定の期間の当該店舗の売上金額の予測値とが対応付いている。なお、気象情報及び売上実績統計量は特徴量である。予測用データにおける売上金額の予測値は、予測部１２による適用前は空である。予測用データは、需要予測装置１によって定期的に作成され、格納部１０によって格納されてもよい。予測部１２は、抽出された関係性に対して、予測用データを適用することで、売上金額の実績値を算出する、すなわち需要を予測する。予測部１２は、算出した売上金額の実績値を予想用データに対応付ける。
　通知部１３は、予測部１２によって予測（入力）された第１エリアにおける需要と予め定めた需要との差が所定の閾値を超える場合に予測実行ユーザに通知を行う。例えば、予測部１２によって予測された外食店舗における売上金額（この例では、数十分～１日程度の単位を想定）が「１万円」であり、需要予測装置１又は予測実行ユーザが予め定めた売上金額が「１万５千万円」であり、所定の閾値が「３千円」である場合、予測された売上金額と予め定めた売上金額との差「５千円」が閾値「３千円」を超える（上回る）ため、通知部１３は予測実行ユーザにアラーム音及び警告表示による通知を行い、閾値を超えた旨を伝える。
　算出部１４は、第２エリアを算出（抽出）する。算出部１４による算出は、定期的に行ってもよい。以下では算出部１４による算出の３つの具体例について説明する。
　第１の具体例として、算出部１４は、過去の来店需要実績と、過去のエリア別在圏人数実績とに基づいて、店舗別・曜日別・時刻別に、来店需要（の増減）と、その一定時間前における在圏人数（の増減）との相関が強いエリアを抽出し、抽出したエリアを当該店舗（第１エリア）の需要に関連する第２エリアとして算出してもよい。算出部１４は、抽出の際に、例えば図８に示す集計データを利用する。図８に示す通り、集計データは、第１エリアである店舗（を識別する店舗名）と、所定の期間と、当該所定の期間の曜日と、当該所定の期間における当該店舗の来店需要（の増減）と、各メッシュ（第２エリア候補を構成するメッシュ）における当該所定の期間の３０分前に在圏する人数とが対応付いている。算出部１４は、集計データのうち来店需要（の増減）と、その一定時間前における在圏人数（の増減）との相関が強いエリアを第２エリアとして算出する。なお、集計データは、算出部１４又は需要予測装置１によって定期的に作成され、格納部１０によって格納されてもよい。相関の抽出には機械学習を用いてもよい。上述の一定時間は、需要予測装置１による需要予測を行うタイミングと来店需要予測対象期間との時間差分又はそれ以上の長さを意味する。
　第２の具体例として、算出部１４は、過去のエリア別在圏人数実績に基づいて、店舗別・曜日別・時刻別に、店舗近隣エリア（店舗から所定の距離内のエリア。店舗に実際に来訪したか否かまでの精度は不要）に来訪した人が、その一定時間前に滞留する傾向が強いエリアを抽出し、抽出したエリアを当該店舗（第１エリア）の需要に関連する第２エリアとして算出する。算出部１４は、抽出の際に、例えば図９に示す集計データを利用する。図９に示す通り、集計データは、第１エリアである店舗（を識別する店舗名）と、所定の期間と、当該所定の期間の曜日と、当該所定の期間における当該店舗近隣エリアの在圏人数（又は当該店舗近隣エリアを来訪したユーザを識別するユーザ識別子）と、当該ユーザを集計対象者として各メッシュ（第２エリア候補を構成するメッシュ）における当該所定の期間の３０分前に在圏する人数とが対応付いている。算出部１４は、集計データのうち所定の期間の３０分前に滞留する傾向が強いエリアを第２エリアとして算出する。なお、集計データは、算出部１４又は需要予測装置１によって定期的に作成され、格納部１０によって格納されてもよい。作成の際に、集計対象者を判定するために、例えば図１０に示すユーザ位置履歴データが利用される。図１０に示す通り、ユーザ位置履歴データは、ユーザが在圏した日時と、当該ユーザを識別するユーザ識別子と、当該在圏したメッシュのメッシュ番号とが対応付いている。在圏人数の集計にあたってはプライバシー等に配慮するため従前の方法により秘匿処理（少人数エリアの数値を除去する等）を行うものとする。上述の一定時間は、需要予測装置１による需要予測を行うタイミングと来店需要予測対象期間との時間差分又はそれ以上の長さを意味する。
　第３の具体例として、算出部１４は、過去のエリア別在圏人数実績と、過去の人別来店実績とに基づいて、店舗別・曜日別・時刻別に、来店者が、対象店舗に来店する一定時間前に滞留する傾向が強いエリアを抽出し、抽出したエリアを当該店舗（第１エリア）の需要に関連する第２エリアとして算出する。算出部１４は、抽出の際に、例えば図１１に示す集計データを利用する。図１１に示す通り、集計データは、第１エリアである店舗（を識別する店舗名）と、所定の期間と、当該所定の期間の曜日と、当該所定の期間に当該店舗に来店していた来店者の人数（又は当該来店者を識別するユーザ識別子）と、当該来店者を集計対象者として各メッシュ（第２エリア候補を構成するメッシュ）における当該所定の期間の３０分前に在圏する人数とが対応付いている。算出部１４は、集計データのうち所定の期間の３０分前に滞留する傾向が強いエリアを第２エリアとして算出する。なお、集計データは、算出部１４又は需要予測装置１によって定期的に作成され、格納部１０によって格納されてもよい。作成の際に、集計対象者を判定するために、例えば図１０に示すユーザ位置履歴データと、図１２に示すユーザ来店履歴データが利用される。図１２に示す通り、ユーザ来店履歴データは、ユーザが来店した日時と、当該ユーザを識別するユーザ識別子と、当該来店した店舗（を識別る店舗名）とが対応付いている。来店者（人別来店実績）は、携帯端末２の位置情報（ＷｉＦｉ（登録商標）、Ｂｅａｃｏｎ等のジオフェンスを含む）及び決済履歴（ポイント付与又は利用履歴含む）から判定するものとする。在圏人数の集計にあたってはプライバシー等に配慮するため従前の方法により秘匿処理（少人数エリアの数値を除去する等）を行うものとする。上述の一定時間は、需要予測装置１による需要予測を行うタイミングと来店需要予測対象期間との時間差分又はそれ以上の長さを意味する。
　上述の算出部１４による算出の３つの具体例の効果について説明する。店舗需要の予測に、過去の需要実績データや天気予報データを用いる手法に加えて、店舗の近隣に現在在圏している人の数を、来店する可能性のある人数の母数（来店期待人数）と見なして需要予測に活用することで、突発的な需要変動に追従することが期待できる。しかし、来店する可能性のある人数の計測にあたり、「店舗を中心とする半径５００ｍの領域」といったような画一的なエリア内の在圏人数を計測する方法では、店舗ごとの地理的な特徴が考慮できておらず、正確な計測が期待できない。例えば、店舗Ａでは東側にオフィスが多く、平日ランチ帯には同エリアから多く来店されるが、休日は同エリアからの来店は少なく、西側の商店街エリアからの来店が多い等が挙げられる。上述の具体例では、店舗ごとに、来店が期待される人が多く分布するエリアを曜日別・時刻別に予め抽出しておき、店舗需要予測時には同エリアの在圏人数を元に来店期待人数を算出して、店舗需要予測に用いることで、より正確な店舗需要予測を実現することができる。また、店舗需要予測処理に在圏人数を入力する対象エリアを限定することで、予測処理の計算量を抑える効果も期待できる。
　取得部１１は、第２エリアに在圏する人の属性（セグメント）ごとの人数に関する在圏人数情報を取得してもよい。その場合、予測部１２は、取得部１１によって取得された、第２エリアに在圏する人の属性ごとの人数に関する在圏人数情報に基づいて第１エリアにおける需要を予測する。属性は、第１エリアにおける需要と（店舗別・曜日別・時刻別に）相関関係がある（相関が強い）属性であってもよい。その場合、取得部１１は、相関関係がある属性の人数に対しては（相関関係がない属性に比べて）より重みをかけてもよい。需要予測装置１は、属性を用いることで、来店が期待されるエリア内に現在在圏する人のうち、より来店が強く期待できる属性を重視する一方、来店の期待が低い属性を軽視して人数を算出し、店舗需要予測に用いることで、より正確な店舗需要予測を実現することができる。
　属性の一例として、対象者の性別、年齢、居住地、職業、趣味嗜好、生活形態、昼食及び夕食それぞれの外食傾向有無、居住地（自宅）を出発した時刻（自宅を出たのが昼食・夕食時間帯前か否かによって、食事を済ませているかどうかを区別し、食事を済ませていない可能性が高い属性を取り出すことができる）等が挙げられる。取得部１１又は需要予測装置１は、属性を、対象者の位置履歴、アプリ利用履歴又は決済履歴等から推測してもよい。取得部１１又は需要予測装置１は、属性である外食傾向有無を、対象者の居住地から対象店舗所在位置までの距離に基づいて判定してもよい（距離が近ければ外食傾向は低く、遠ければ外食傾向が高い）。取得部１１又は需要予測装置１は、居住地から店舗までの距離と、外食傾向の強さとの関係性を、地域ごとに予め算出しておき、当該関係性に基づいて地域ごとに外食傾向有無の判定基準を切り替えてもよい。取得部１１又は需要予測装置１は、居住地から店舗までの距離と、外食傾向の強さとの関係性を人ごとに予め算出しておき、当該関係性に基づいて人ごとに外食傾向有無の判定基準を切り替えてもよい。
　属性を用いる場合、予測部１２は、「在圏人数情報の属性別の構成比」の平常時との乖離度合いに基づいて、第１エリアにおける需要を予測してもよい。これにより、来店が期待されるエリア内に現在在圏する人の多寡からは捉えることが難しいイベント等が店舗近隣で発生していることを、属性別の構成比の変化から捉えて、店舗需要予測に用いることで、より正確な店舗需要予測を実現することができる。例えば、連休等で、住人の多くは外出しているが、一方で観光客が多数来訪している場合、在圏人数としては通常と大差がないが、居住地別属性の構成比としては通常と大きく異なっていることが考えられる。
　なお、取得部１１、予測部１２又は需要予測装置１は、属性に関する処理を行う際に、（上述の）ユーザ位置履歴データ、（上述の）ユーザ来店履歴データ、ユーザ情報テーブル、ユーザアプリ利用履歴データ、ユーザ決済履歴データ、店舗位置マスタデータ及び自宅出発時刻データを適宜用いた上で従来技術により処理を行う。図１３は、ユーザ情報データのテーブル例を示す図である。図１３に示す通り、ユーザ情報データは、ユーザ識別子と、当該ユーザ識別子が識別するユーザの性別と、当該ユーザの年齢と、当該ユーザの居住地と、当該ユーザの職業と、当該ユーザの趣味嗜好と、当該ユーザの生活形態と、当該ユーザの昼食外食傾向と、当該ユーザの夕食外食傾向とが対応付いている。図１４は、ユーザアプリ利用履歴データのテーブル例を示す図である。図１４に示す通り、ユーザアプリ利用履歴データは、ユーザがアプリを利用したアプリ利用日時と、当該ユーザを識別するユーザ識別子と、当該アプリの利用アプリ名と、当該アプリの利用アプリカテゴリとが対応付いている。図１５は、ユーザ決済履歴データのテーブル例を示す図である。図１５に示す通り、ユーザ決済履歴データは、ユーザが店舗で決済した際の決済日時と、当該ユーザを識別するユーザ識別子と、当該店舗である決済店舗とが対応付いている。図１６は、店舗位置マスタデータのテーブル例を示す図である。図１６に示す通り、店舗位置マスタデータは、店舗の店舗名と、当該店舗が位置する緯度と、当該店舗が位置する経度とが対応付いている。図１７は、自宅出発時刻データのテーブル例を示す図である。図１７に示す通り、自宅出発時刻データは、ユーザ識別子と、当該ユーザ識別子が識別するユーザの当日の自宅出発時刻と、当該ユーザの現在の状況とが対応付いている。
　取得部１１は、第２エリアに在圏すると予測した予測人数に関する在圏人数情報を取得してもよい。また、取得部１１は、需要予測の対象期間と特徴が類似する（予め格納部１０によって格納された）過去の期間の在圏人数を予測人数と、当該予測人数に関する在圏人数情報を取得してもよい。取得部１１は、特徴の類似度の判断基準として、ＳＮＳ（Social　Networking　Service）に投稿された当該期間内の開催イベントに関する情報に基づいて判断してもよい。取得部１１又は需要予測装置１は、類似度の判断に関する処理を行う際に、ＳＮＳ投稿情報データ及びイベント情報データを適宜用いた上で従来技術により処理を行う。図１８は、ＳＮＳ投稿情報データのテーブル例を示す図である。図１８に示す通り、ＳＮＳ投稿情報データは、ＳＮＳへ投稿した投稿日時と、投稿した投稿文とが対応付いている。図１９は、イベント情報データのテーブル例を示す図である。図１９に示す通り、イベント情報データは、イベントを識別するイベントＩＤと、ＳＮＳ投稿から抽出された、当該イベントのイベント名と、ＳＮＳ投稿から抽出された、当該イベントが開催されているメッシュを識別するイベント開催メッシュと、ＳＮＳ投稿から抽出された、当該イベントが開催されるイベント開催日と、ＳＮＳ投稿から抽出された、当該イベントのイベント特徴と、当該イベントに対して類似イベントのイベントＩＤとが対応付いている。
　来店する可能性のある人数が現在どのくらい在圏するかを店舗需要予測に用いる場合、予測対象は、現在の在圏人数と店舗需要との相関が期待できる１～数時間後に限定される場合があり、より未来の店舗需要を予測することが難しいという問題がある。上述の通り、需要予測装置１において、ＳＮＳに投稿された未来日の開催イベント情報等を用いることで、未来日における、来店する可能性のある人数を予測し、予測した人数を用いて店舗需要予測を行なうことで、１～数時間後よりも未来の店舗需要予測を実現することができる。また、過去に同様の開催イベント情報がＳＮＳで流れた日を特定し、当該日における、来店期待エリア内の人数実績を用いることで、未来日における、来店する可能性のある人数のより正確な概算を可能にすることができる。
　取得部１１は、予測実行ユーザから入力された在圏人数情報を取得してもよい。また、取得部１１は、予測実行ユーザから入力された単位時間（例：１時間）別の数段階（例：１～５の５段階）に基づいた在圏人数情報を取得してもよい。予測実行ユーザ（又は店舗運営者）が知識として把握している未来日のイベント情報に基づき、単位時間ごとに、第２エリアの在圏人数が通常よりもどの程度増減しそうかを仮定して、入力することで、需要予測装置１は、当該仮定に基づいて店舗需要を予測することができる。また、予測実行ユーザは、想定される複数の仮定を入力し、どのような店舗需要になりうるかの予測結果を複数確認しておいて準備に活用することができる。
　取得部１１又は需要予測装置１は、第２エリアの在圏人数推移が類似する過去日を時系列クラスタリングによりグループ化し、当該グループの一覧を、第２エリアの在圏人数推移の代表値（例：平均値）及び同グループに属する過去日の日付とともに選択肢として予測実行ユーザに提示し、取得部１１は、当該選択肢に基づいて、需要予測対象期間における在圏人数を設定し、設定した在圏人数に関する在圏人数情報を取得してもよい。予測実行ユーザ（又は店舗運営者）が知識として把握している未来日のイベント情報に基づき、単位時間ごとに、第２エリアの在圏人数が通常よりもどの程度増減しそうかを仮定する際に、取得部１１又は需要予測装置１により過去の類似イベント開催日の人数推移を参考情報として提示することで、店舗運営者がより精度の高い仮定を立てて入力することができ、その結果、より有益な店舗需要予測結果を得ることができる。
　続いて、図２０に示すフローチャートを用いて、本実施形態に係る需要予測装置１における方法の需要予測処理について説明する。
　まず、算出部１４により、需要予測対象である第１エリアの需要に関連する第２エリアが算出される（ステップＳ１）。次に、取得部１１により、Ｓ１にて算出された第２エリアの在圏人数情報が取得される（ステップＳ２）。次に、予測部１２により、Ｓ２にて取得された在圏人数情報に基づいて第１エリアにおける需要が予測される（ステップＳ３）。次に、Ｓ３にて予測された需要に基づいて、予測部１２による出力、又は、通知部１３による通知が行われる（ステップＳ４）。なお、第２エリアが予め求められている場合は、Ｓ１の処理を省略してもよい。
　次に、本実施形態のように構成された需要予測装置１の作用効果について説明する。
　需要予測装置１は、第１エリアの需要に関連する第２エリアに関するエリア情報を格納する格納部１０と、格納部１０によって格納されたエリア情報が示す第２エリアに在圏する人数に関する在圏人数情報を取得する取得部１１と、取得部１１によって取得された在圏人数情報に基づいて第１エリアにおける需要を予測する予測部１２とを備える。このような需要予測装置１によれば、第１エリアの需要に関連する第２エリアの在圏人数情報に基づいて第１エリアにおける需要が予測されるため、例えばパターン化された需要の予測とは異なり、需要をより柔軟に予測することができる。
　第２エリアは、当該エリアに在圏する人数と第１エリアにおける需要とが相関関係にあるエリアであってもよい。また、算出部１４は、第２エリアであって、当該エリアに在圏する人数と第１エリアにおける需要とが相関関係にあるエリアである第２エリアを算出してもよい。このような需要予測装置１によれば、第２エリアに在圏する人数と第１エリアにおける需要とが相関関係にあるため、当該第２エリアの在圏人数情報に基づいて第１エリアにおける需要をより正確に予測することができる。
　第２エリアは、第１エリアを訪問する人が訪問する傾向があるエリアであってもよい。また、算出部１４は、第１エリアを訪問する人が訪問する傾向があるエリアである第２エリアを算出してもよい。このような需要予測装置１によれば、第１エリアを訪問する人が訪問する傾向がある第２エリアの在圏人数情報に基づいて第１エリアにおける需要をより正確に予測することができる。
　需要予測装置１は、第２エリアを算出する算出部１４をさらに備え、格納部１０は、算出部１４によって算出された第２エリアに関するエリア情報を格納してもよい。このような需要予測装置１によれば、任意の状況及びタイミングで第２エリアを算出し、算出された第２エリアに基づいて第１エリアにおける需要を予測することができるため、需要をより柔軟に予測することができる。
　需要予測装置１の取得部１１は、第２エリアに在圏する人の属性ごとの人数に関する在圏人数情報を取得してもよい。このような需要予測装置１によれば、第２エリアに在圏する人の属性を加味した、より正確な需要を予測することができる。
　属性は、第１エリアにおける需要と相関関係がある属性であってもよい。このような需要予測装置１によれば、第１エリアにおける需要と相関関係がある属性を加味した、より正確な需要を予測することができる。
　需要予測装置１の取得部１１は、第２エリアに在圏すると予測した予測人数に関する在圏人数情報を取得してもよい。このような需要予測装置１によれば、より未来の需要を予測することができる等、需要をより柔軟に予測することができる。
　需要予測装置１の取得部１１は、ユーザ（予測実行ユーザ）から入力された在圏人数情報を取得してもよい。このような需要予測装置１によれば、ユーザ（予測実行ユーザ）の知識及び経験等に基づいた需要を予測することができる等、需要をより柔軟に予測することができる。
　需要予測装置１の予測部１２は、第２エリアの過去の在圏人数情報と第１エリアにおける過去の需要とにさらに基づいて第１エリアにおける需要を予測してもよい。このような需要予測装置１によれば、過去の情報（実績）に基づいてより正確な需要を予測することができる。
　需要予測装置１の予測部１２によって予測された第１エリアにおける需要と予め定めた需要との差が所定の閾値を超える場合にユーザ（予測実行ユーザ）に通知を行う通知部１３をさらに備えるてもよい。このような需要予測装置１によれば、例えばユーザ（予測実行ユーザ）は異常にすぐに気づくことができ、それにより早急に店舗運営等に関する対処を行うことができる等、ユーザ（予測実行ユーザ）の利便性が向上する。
　ここで、従来技術では、日時情報（季節・曜日・時刻等）と天候情報に基づくパターン化された店舗需要しか予測できず、イベント等や想定外の事象発生によるイレギュラーなケースでの店舗需要予測は困難であった。本実施形態に係る需要予測装置１では、対象店舗（第１エリア）の来店期待者が在圏しやすい第２エリア（来店期待エリア）を抽出し、第２エリア内に在圏している（もしくは在圏しうる）人の数を携帯端末２の位置情報等から推計し、当該情報を用いて未来の店舗需要を予測する。このような需要予測装置１によれば、イレギュラーなケースでの店舗需要を高精度に予測することができる。
　なお、上記実施形態の説明に用いたブロック図は、機能単位のブロックを示している。これらの機能ブロック（構成部）は、ハードウェア及びソフトウェアの少なくとも一方の任意の組み合わせによって実現される。また、各機能ブロックの実現方法は特に限定されない。すなわち、各機能ブロックは、物理的又は論理的に結合した１つの装置を用いて実現されてもよいし、物理的又は論理的に分離した２つ以上の装置を直接的又は間接的に（例えば、有線、無線などを用いて）接続し、これら複数の装置を用いて実現されてもよい。機能ブロックは、上記１つの装置又は上記複数の装置にソフトウェアを組み合わせて実現されてもよい。
　機能には、判断、決定、判定、計算、算出、処理、導出、調査、探索、確認、受信、送信、出力、アクセス、解決、選択、選定、確立、比較、想定、期待、見做し、報知（broadcasting）、通知（notifying）、通信（communicating）、転送（forwarding）、構成（configuring）、再構成（reconfiguring）、割り当て（allocating、mapping）、割り振り（assigning）などがあるが、これらに限られない。たとえば、送信を機能させる機能ブロック（構成部）は、送信部（transmitting　unit）や送信機（transmitter）と呼称される。いずれも、上述したとおり、実現方法は特に限定されない。
　例えば、本開示の一実施の形態における需要予測装置１などは、本開示の需要予測処理の処理を行うコンピュータとして機能してもよい。図２１は、本開示の一実施の形態に係る需要予測装置１のハードウェア構成の一例を示す図である。上述の需要予測装置１は、物理的には、プロセッサ１００１、メモリ１００２、ストレージ１００３、通信装置１００４、入力装置１００５、出力装置１００６、バス１００７などを含むコンピュータ装置として構成されてもよい。
　なお、以下の説明では、「装置」という文言は、回路、デバイス、ユニットなどに読み替えることができる。需要予測装置１のハードウェア構成は、図に示した各装置を１つ又は複数含むように構成されてもよいし、一部の装置を含まずに構成されてもよい。
　需要予測装置１における各機能は、プロセッサ１００１、メモリ１００２などのハードウェア上に所定のソフトウェア（プログラム）を読み込ませることによって、プロセッサ１００１が演算を行い、通信装置１００４による通信を制御したり、メモリ１００２及びストレージ１００３におけるデータの読み出し及び書き込みの少なくとも一方を制御したりすることによって実現される。
　プロセッサ１００１は、例えば、オペレーティングシステムを動作させてコンピュータ全体を制御する。プロセッサ１００１は、周辺装置とのインターフェース、制御装置、演算装置、レジスタなどを含む中央処理装置（ＣＰＵ：Central　Processing　Unit）によって構成されてもよい。例えば、上述の取得部１１、予測部１２、通知部１３及び算出部１４などは、プロセッサ１００１によって実現されてもよい。
　また、プロセッサ１００１は、プログラム（プログラムコード）、ソフトウェアモジュール、データなどを、ストレージ１００３及び通信装置１００４の少なくとも一方からメモリ１００２に読み出し、これらに従って各種の処理を実行する。プログラムとしては、上述の実施の形態において説明した動作の少なくとも一部をコンピュータに実行させるプログラムが用いられる。例えば、取得部１１、予測部１２、通知部１３及び算出部１４は、メモリ１００２に格納され、プロセッサ１００１において動作する制御プログラムによって実現されてもよく、他の機能ブロックについても同様に実現されてもよい。上述の各種処理は、１つのプロセッサ１００１によって実行される旨を説明してきたが、２以上のプロセッサ１００１により同時又は逐次に実行されてもよい。プロセッサ１００１は、１以上のチップによって実装されてもよい。なお、プログラムは、電気通信回線を介してネットワークから送信されても良い。
　メモリ１００２は、コンピュータ読み取り可能な記録媒体であり、例えば、ＲＯＭ（Read　Only　Memory）、ＥＰＲＯＭ（Erasable　Programmable　ＲＯＭ）、ＥＥＰＲＯＭ（Electrically　Erasable　Programmable　ROM）、ＲＡＭ（Random　Access　Memory）などの少なくとも１つによって構成されてもよい。メモリ１００２は、レジスタ、キャッシュ、メインメモリ（主記憶装置）などと呼ばれてもよい。メモリ１００２は、本開示の一実施の形態に係る無線通信方法を実施するために実行可能なプログラム（プログラムコード）、ソフトウェアモジュールなどを保存することができる。
　ストレージ１００３は、コンピュータ読み取り可能な記録媒体であり、例えば、ＣＤ－ＲＯＭ（Compact　Disc　ROM）などの光ディスク、ハードディスクドライブ、フレキシブルディスク、光磁気ディスク（例えば、コンパクトディスク、デジタル多用途ディスク、Ｂｌｕ－ｒａｙ（登録商標）ディスク）、スマートカード、フラッシュメモリ（例えば、カード、スティック、キードライブ）、フロッピー（登録商標）ディスク、磁気ストリップなどの少なくとも１つによって構成されてもよい。ストレージ１００３は、補助記憶装置と呼ばれてもよい。上述の記憶媒体は、例えば、メモリ１００２及びストレージ１００３の少なくとも一方を含むデータベース、サーバその他の適切な媒体であってもよい。
　通信装置１００４は、有線ネットワーク及び無線ネットワークの少なくとも一方を介してコンピュータ間の通信を行うためのハードウェア（送受信デバイス）であり、例えばネットワークデバイス、ネットワークコントローラ、ネットワークカード、通信モジュールなどともいう。通信装置１００４は、例えば周波数分割複信（ＦＤＤ：Frequency　Division　Duplex）及び時分割複信（ＴＤＤ：Time　Division　Duplex）の少なくとも一方を実現するために、高周波スイッチ、デュプレクサ、フィルタ、周波数シンセサイザなどを含んで構成されてもよい。例えば、上述の取得部１１、予測部１２、通知部１３及び算出部１４などは、通信装置１００４によって実現されてもよい。
　入力装置１００５は、外部からの入力を受け付ける入力デバイス（例えば、キーボード、マウス、マイクロフォン、スイッチ、ボタン、センサなど）である。出力装置１００６は、外部への出力を実施する出力デバイス（例えば、ディスプレイ、スピーカー、ＬＥＤランプなど）である。なお、入力装置１００５及び出力装置１００６は、一体となった構成（例えば、タッチパネル）であってもよい。
　また、プロセッサ１００１、メモリ１００２などの各装置は、情報を通信するためのバス１００７によって接続される。バス１００７は、単一のバスを用いて構成されてもよいし、装置間ごとに異なるバスを用いて構成されてもよい。
　また、需要予測装置１は、マイクロプロセッサ、デジタル信号プロセッサ（ＤＳＰ：Digital　Signal　Processor）、ＡＳＩＣ（Application　Specific　Integrated　Circuit）、ＰＬＤ（Programmable　Logic　Device）、ＦＰＧＡ（Field　Programmable　Gate　Array）などのハードウェアを含んで構成されてもよく、当該ハードウェアにより、各機能ブロックの一部又は全てが実現されてもよい。例えば、プロセッサ１００１は、これらのハードウェアの少なくとも１つを用いて実装されてもよい。
　情報の通知は、本開示において説明した態様／実施形態に限られず、他の方法を用いて行われてもよい。
　本開示において説明した各態様／実施形態は、ＬＴＥ（Long　Term　Evolution）、ＬＴＥ－Ａ（LTE-Advanced）、ＳＵＰＥＲ　３Ｇ、ＩＭＴ－Ａｄｖａｎｃｅｄ、４Ｇ（4th　generation　mobile　communication　system）、５Ｇ（5th　generation　mobile　communication　system）、ＦＲＡ（Future　Radio　Access）、ＮＲ（new　Radio）、Ｗ－ＣＤＭＡ（登録商標）、ＧＳＭ（登録商標）、ＣＤＭＡ２０００、ＵＭＢ（Ultra　Mobile　Broadband）、ＩＥＥＥ　８０２．１１（Ｗｉ－Ｆｉ（登録商標））、ＩＥＥＥ　８０２．１６（ＷｉＭＡＸ（登録商標））、ＩＥＥＥ　８０２．２０、ＵＷＢ（Ultra-WideBand）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、その他の適切なシステムを利用するシステム及びこれらに基づいて拡張された次世代システムの少なくとも一つに適用されてもよい。また、複数のシステムが組み合わされて（例えば、ＬＴＥ及びＬＴＥ－Ａの少なくとも一方と５Ｇとの組み合わせ等）適用されてもよい。
　本開示において説明した各態様／実施形態の処理手順、シーケンス、フローチャートなどは、矛盾の無い限り、順序を入れ替えてもよい。例えば、本開示において説明した方法については、例示的な順序を用いて様々なステップの要素を提示しており、提示した特定の順序に限定されない。
　本開示において基地局によって行われるとした特定動作は、場合によってはその上位ノード（upper　node）によって行われることもある。基地局を有する１つ又は複数のネットワークノード（network　nodes）からなるネットワークにおいて、端末との通信のために行われる様々な動作は、基地局及び基地局以外の他のネットワークノード（例えば、ＭＭＥ又はＳ－ＧＷなどが考えられるが、これらに限られない）の少なくとも１つによって行われ得ることは明らかである。上記において基地局以外の他のネットワークノードが１つである場合を例示したが、複数の他のネットワークノードの組み合わせ（例えば、ＭＭＥ及びＳ－ＧＷ）であってもよい。
　入出力された情報等は特定の場所（例えば、メモリ）に保存されてもよいし、管理テーブルを用いて管理してもよい。入出力される情報等は、上書き、更新、又は追記され得る。出力された情報等は削除されてもよい。入力された情報等は他の装置へ送信されてもよい。
　判定は、１ビットで表される値（０か１か）によって行われてもよいし、真偽値（Boolean：true又はfalse）によって行われてもよいし、数値の比較（例えば、所定の値との比較）によって行われてもよい。
　本開示において説明した各態様／実施形態は単独で用いてもよいし、組み合わせて用いてもよいし、実行に伴って切り替えて用いてもよい。また、所定の情報の通知（例えば、「Ｘであること」の通知）は、明示的に行うものに限られず、暗黙的（例えば、当該所定の情報の通知を行わない）ことによって行われてもよい。
　以上、本開示について詳細に説明したが、当業者にとっては、本開示が本開示中に説明した実施形態に限定されるものではないということは明らかである。本開示は、請求の範囲の記載により定まる本開示の趣旨及び範囲を逸脱することなく修正及び変更態様として実施することができる。したがって、本開示の記載は、例示説明を目的とするものであり、本開示に対して何ら制限的な意味を有するものではない。
　ソフトウェアは、ソフトウェア、ファームウェア、ミドルウェア、マイクロコード、ハードウェア記述言語と呼ばれるか、他の名称で呼ばれるかを問わず、命令、命令セット、コード、コードセグメント、プログラムコード、プログラム、サブプログラム、ソフトウェアモジュール、アプリケーション、ソフトウェアアプリケーション、ソフトウェアパッケージ、ルーチン、サブルーチン、オブジェクト、実行可能ファイル、実行スレッド、手順、機能などを意味するよう広く解釈されるべきである。
　また、ソフトウェア、命令、情報などは、伝送媒体を介して送受信されてもよい。例えば、ソフトウェアが、有線技術（同軸ケーブル、光ファイバケーブル、ツイストペア、デジタル加入者回線（ＤＳＬ：Digital　Subscriber　Line）など）及び無線技術（赤外線、マイクロ波など）の少なくとも一方を使用してウェブサイト、サーバ、又は他のリモートソースから送信される場合、これらの有線技術及び無線技術の少なくとも一方は、伝送媒体の定義内に含まれる。
　本開示において説明した情報、信号などは、様々な異なる技術のいずれかを使用して表されてもよい。例えば、上記の説明全体に渡って言及され得るデータ、命令、コマンド、情報、信号、ビット、シンボル、チップなどは、電圧、電流、電磁波、磁界若しくは磁性粒子、光場若しくは光子、又はこれらの任意の組み合わせによって表されてもよい。
　なお、本開示において説明した用語及び本開示の理解に必要な用語については、同一の又は類似する意味を有する用語と置き換えてもよい。
　本開示において使用する「システム」及び「ネットワーク」という用語は、互換的に使用される。
　また、本開示において説明した情報、パラメータなどは、絶対値を用いて表されてもよいし、所定の値からの相対値を用いて表されてもよいし、対応する別の情報を用いて表されてもよい。
　本開示においては、「基地局（ＢＳ：Base　Station）」、「無線基地局」、「固定局（fixed　station）」、「ＮｏｄｅＢ」、「ｅＮｏｄｅＢ（ｅＮＢ）」、「ｇＮｏｄｅＢ（ｇＮＢ）」、「アクセスポイント（access　point）」、「送信ポイント（transmission　point）」、「受信ポイント（reception　point）、「送受信ポイント（transmission/reception　point）」、「セル」、「セクタ」、「セルグループ」、「キャリア」、「コンポーネントキャリア」などの用語は、互換的に使用され得る。基地局は、マクロセル、スモールセル、フェムトセル、ピコセルなどの用語で呼ばれる場合もある。
　基地局は、１つ又は複数（例えば、３つ）のセルを収容することができる。基地局が複数のセルを収容する場合、基地局のカバレッジエリア全体は複数のより小さいエリアに区分でき、各々のより小さいエリアは、基地局サブシステム（例えば、屋内用の小型基地局（ＲＲＨ：Ｒｅｍｏｔｅ　Ｒａｄｉｏ　Ｈｅａｄ）によって通信サービスを提供することもできる。「セル」又は「セクタ」という用語は、このカバレッジにおいて通信サービスを行う基地局及び基地局サブシステムの少なくとも一方のカバレッジエリアの一部又は全体を指す。
　本開示においては、携帯端末２、「移動局（ＭＳ：Mobile　Station）」、「ユーザ端末（user　terminal）」、「ユーザ装置（ＵＥ：User　Equipment）」、「端末」などの用語は、互換的に使用され得る。
　移動局は、当業者によって、加入者局、モバイルユニット、加入者ユニット、ワイヤレスユニット、リモートユニット、モバイルデバイス、ワイヤレスデバイス、ワイヤレス通信デバイス、リモートデバイス、モバイル加入者局、アクセス端末、モバイル端末、ワイヤレス端末、リモート端末、ハンドセット、ユーザエージェント、モバイルクライアント、クライアント、又はいくつかの他の適切な用語で呼ばれる場合もある。
　基地局及び移動局の少なくとも一方は、送信装置、受信装置、通信装置などと呼ばれてもよい。なお、基地局及び移動局の少なくとも一方は、移動体に搭載されたデバイス、移動体自体などであってもよい。当該移動体は、乗り物（例えば、車、飛行機など）であってもよいし、無人で動く移動体（例えば、ドローン、自動運転車など）であってもよいし、ロボット（有人型又は無人型）であってもよい。なお、基地局及び移動局の少なくとも一方は、必ずしも通信動作時に移動しない装置も含む。例えば、基地局及び移動局の少なくとも一方は、センサなどのＩｏＴ（Internet　of　Things）機器であってもよい。
　また、本開示における基地局は、ユーザ端末で読み替えてもよい。例えば、基地局及びユーザ端末間の通信を、複数のユーザ端末間の通信（例えば、Ｄ２Ｄ（Device-to-Device）、Ｖ２Ｘ（Vehicle-to-Everything）などと呼ばれてもよい）に置き換えた構成について、本開示の各態様／実施形態を適用してもよい。
　同様に、本開示における携帯端末２は、基地局で読み替えてもよい。この場合、上述の携帯端末２が有する機能を基地局が有する構成としてもよい。
　本開示で使用する「判断（determining）」、「決定（determining）」という用語は、多種多様な動作を包含する場合がある。「判断」、「決定」は、例えば、判定（judging）、計算（calculating）、算出（computing）、処理（processing）、導出（deriving）、調査（investigating）、探索（looking　up、search、inquiry）（例えば、テーブル、データベース又は別のデータ構造での探索）、確認（ascertaining）した事を「判断」「決定」したとみなす事などを含み得る。また、「判断」、「決定」は、受信（receiving）（例えば、情報を受信すること）、送信（transmitting）（例えば、情報を送信すること）、入力（input）、出力（output）、アクセス（accessing）（例えば、メモリ中のデータにアクセスすること）した事を「判断」「決定」したとみなす事などを含み得る。また、「判断」、「決定」は、解決（resolving）、選択（selecting）、選定（choosing）、確立（establishing）、比較（comparing）などした事を「判断」「決定」したとみなす事を含み得る。つまり、「判断」「決定」は、何らかの動作を「判断」「決定」したとみなす事を含み得る。また、「判断（決定）」は、「想定する（assuming）」、「期待する（expecting）」、「みなす（considering）」などで読み替えられてもよい。
　「接続された（connected）」、「結合された（coupled）」という用語、又はこれらのあらゆる変形は、２又はそれ以上の要素間の直接的又は間接的なあらゆる接続又は結合を意味し、互いに「接続」又は「結合」された２つの要素間に１又はそれ以上の中間要素が存在することを含むことができる。要素間の結合又は接続は、物理的なものであっても、論理的なものであっても、或いはこれらの組み合わせであってもよい。例えば、「接続」は「アクセス」で読み替えられてもよい。本開示で使用する場合、２つの要素は、１又はそれ以上の電線、ケーブル及びプリント電気接続の少なくとも一つを用いて、並びにいくつかの非限定的かつ非包括的な例として、無線周波数領域、マイクロ波領域及び光（可視及び不可視の両方）領域の波長を有する電磁エネルギーなどを用いて、互いに「接続」又は「結合」されると考えることができる。
　本開示において使用する「に基づいて」という記載は、別段に明記されていない限り、「のみに基づいて」を意味しない。言い換えれば、「に基づいて」という記載は、「のみに基づいて」と「に少なくとも基づいて」の両方を意味する。
　本開示において使用する「第１の」、「第２の」などの呼称を使用した要素へのいかなる参照も、それらの要素の量又は順序を全般的に限定しない。これらの呼称は、２つ以上の要素間を区別する便利な方法として本開示において使用され得る。したがって、第１及び第２の要素への参照は、２つの要素のみが採用され得ること、又は何らかの形で第１の要素が第２の要素に先行しなければならないことを意味しない。
　本開示において、「含む（include）」、「含んでいる（including）」及びそれらの変形が使用されている場合、これらの用語は、用語「備える（comprising）」と同様に、包括的であることが意図される。さらに、本開示において使用されている用語「又は（or）」は、排他的論理和ではないことが意図される。
　本開示において、例えば、英語でのa、an及びtheのように、翻訳により冠詞が追加された場合、本開示は、これらの冠詞の後に続く名詞が複数形であることを含んでもよい。
　本開示において、「ＡとＢが異なる」という用語は、「ＡとＢが互いに異なる」ことを意味してもよい。なお、当該用語は、「ＡとＢがそれぞれＣと異なる」ことを意味してもよい。「離れる」、「結合される」などの用語も、「異なる」と同様に解釈されてもよい。
　１…需要予測装置、２…携帯端末、３…需要予測システム、１０…格納部、１１…取得部、１２…予測部、１３…通知部、１４…算出部。

Claims (10)

  1. 　所定のエリアである第１エリアにおける需要を予測する需要予測装置であって、
    　第１エリアの需要に関連する所定のエリアである第２エリアに関するエリア情報を格納する格納部と、
    　前記格納部によって格納されたエリア情報が示す第２エリアに在圏する人数に関する在圏人数情報を取得する取得部と、
    　前記取得部によって取得された在圏人数情報に基づいて第１エリアにおける需要を予測する予測部と、
    　を備える需要予測装置。
  2. 　第２エリアは、当該エリアに在圏する人数と第１エリアにおける需要とが相関関係にあるエリアである、
    　請求項１に記載の需要予測装置。
  3. 　第２エリアは、第１エリアを訪問する人が訪問する傾向があるエリアである、
    　請求項１又は２に記載の需要予測装置。
  4. 　第２エリアを算出する算出部をさらに備え、
    　前記格納部は、前記算出部によって算出された第２エリアに関するエリア情報を格納する、
    　請求項１～３の何れか一項に記載の需要予測装置。
  5. 　前記取得部は、第２エリアに在圏する人の属性ごとの人数に関する在圏人数情報を取得する、
    　請求項１～４の何れか一項に記載の需要予測装置。
  6. 　前記属性は、第１エリアにおける需要と相関関係がある属性である、
    　請求項５に記載の需要予測装置。
  7. 　前記取得部は、第２エリアに在圏すると予測した予測人数に関する在圏人数情報を取得する、
    　請求項１～６の何れか一項に記載の需要予測装置。
  8. 　前記取得部は、ユーザから入力された在圏人数情報を取得する、
    　請求項１～７の何れか一項に記載の需要予測装置。
  9. 　前記予測部は、第２エリアの過去の在圏人数情報と第１エリアにおける過去の需要とにさらに基づいて第１エリアにおける需要を予測する、
    　請求項１～８の何れか一項に記載の需要予測装置。
  10. 　前記予測部によって予測された第１エリアにおける需要と予め定めた需要との差が所定の閾値を超える場合にユーザに通知を行う通知部をさらに備える、
    　請求項１～９の何れか一項に記載の需要予測装置。
PCT/JP2020/016459 2019-04-16 2020-04-14 需要予測装置 Ceased WO2020213612A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2021514177A JP7478140B2 (ja) 2019-04-16 2020-04-14 需要予測装置
US17/603,445 US20220207546A1 (en) 2019-04-16 2020-04-14 Demand forecasting device

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2019-077842 2019-04-16
JP2019077842 2019-04-16

Publications (1)

Publication Number Publication Date
WO2020213612A1 true WO2020213612A1 (ja) 2020-10-22

Family

ID=72837542

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/016459 Ceased WO2020213612A1 (ja) 2019-04-16 2020-04-14 需要予測装置

Country Status (3)

Country Link
US (1) US20220207546A1 (ja)
JP (1) JP7478140B2 (ja)
WO (1) WO2020213612A1 (ja)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023053775A1 (ja) * 2021-09-30 2023-04-06 株式会社Ｎｔｔドコモ 行動予測装置
JP2023091669A (ja) * 2021-12-20 2023-06-30 株式会社日立製作所 販売数量予測システム、販売数量予測方法
WO2025177373A1 (ja) * 2024-02-19 2025-08-28 株式会社Ｎｔｔドコモ 装置及び方法
WO2026004042A1 (ja) * 2024-06-27 2026-01-02 株式会社Ｎｔｔドコモ 情報処理装置及び方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7759289B2 (ja) * 2022-03-28 2025-10-23 株式会社ゼンリンデータコム 需要予測装置、需要予測方法及び需要予測プログラム

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018154958A1 (ja) * 2017-02-27 2018-08-30 株式会社Ｎｔｔドコモ 需要予測装置
WO2018207878A1 (ja) * 2017-05-11 2018-11-15 株式会社Ｎｔｔドコモ 需要予測装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9805330B2 (en) * 2008-11-19 2017-10-31 Jda Software Group, Inc. System and method for root cause analysis and early warning of inventory problems
US20140058794A1 (en) * 2012-08-27 2014-02-27 Sap Ag Method And System For Orders Planning And Optimization With Applications To Food Consumer Products Industry
WO2016063424A1 (ja) * 2014-10-24 2016-04-28 株式会社Ａｇｏｏｐ 人口推定装置、プログラム及び人口推定方法
US10244060B2 (en) * 2015-11-02 2019-03-26 International Business Machines Corporation Determining seeds for targeted notifications through online social networks in conjunction with user mobility data
US11429987B2 (en) * 2018-05-09 2022-08-30 Volvo Car Corporation Data-driven method and system to forecast demand for mobility units in a predetermined area based on user group preferences

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018154958A1 (ja) * 2017-02-27 2018-08-30 株式会社Ｎｔｔドコモ 需要予測装置
WO2018207878A1 (ja) * 2017-05-11 2018-11-15 株式会社Ｎｔｔドコモ 需要予測装置

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023053775A1 (ja) * 2021-09-30 2023-04-06 株式会社Ｎｔｔドコモ 行動予測装置
JPWO2023053775A1 (ja) * 2021-09-30 2023-04-06
JP7587053B2 (ja) 2021-09-30 2024-11-19 株式会社Ｎｔｔドコモ 行動予測装置
JP2023091669A (ja) * 2021-12-20 2023-06-30 株式会社日立製作所 販売数量予測システム、販売数量予測方法
JP7696287B2 (ja) 2021-12-20 2025-06-20 株式会社日立製作所 販売数量予測システム、販売数量予測方法
WO2025177373A1 (ja) * 2024-02-19 2025-08-28 株式会社Ｎｔｔドコモ 装置及び方法
WO2026004042A1 (ja) * 2024-06-27 2026-01-02 株式会社Ｎｔｔドコモ 情報処理装置及び方法

Also Published As

Publication number Publication date
JP7478140B2 (ja) 2024-05-02
JPWO2020213612A1 (ja) 2020-10-22
US20220207546A1 (en) 2022-06-30

Similar Documents

Publication Publication Date Title
JP7478140B2 (ja) 需要予測装置
US11805393B2 (en) Method for aggregation and calculation of a population distribution of devices over a predetermined geographic area
JP2018041189A (ja) 通信端末、サーバ装置、店舗推奨方法、プログラム
JP2019046376A (ja) 情報処理装置
JP6796190B2 (ja) データ共有判断装置
JP7499619B2 (ja) 情報処理装置
JP7073615B2 (ja) ポイント管理サーバ及びサービスシステム
JP7308603B2 (ja) 経済指標算出装置
JP7503050B2 (ja) 需要分散装置
JP7366767B2 (ja) 情報提供装置
WO2018179602A1 (ja) 人間関係推定装置
JP2021039584A (ja) ユーザ分析システム
JP7397738B2 (ja) 集計装置
JP7295023B2 (ja) ユーザ属性推定システム
JP7157868B2 (ja) デバイス管理システム
JPWO2020079907A1 (ja) チェックイン判定装置
JP6948221B2 (ja) 在宅率推定装置
JP6811587B2 (ja) 訪問先推定装置
JP7609926B2 (ja) データ補正装置及びデータ補正方法
JP6723449B2 (ja) 単独推定装置
JP7690118B2 (ja) ユーザ状態判断装置
JP7791350B2 (ja) 人口出力装置
KR102252084B1 (ko) 블랙보드 기반의 사용자 모델링을 위한 방법, 장치 및 컴퓨터 판독가능 저장 매체
JP7297236B2 (ja) 推定処理装置及び推定モデル構築装置
JP2021015551A (ja) 予約管理システム

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: 20790413

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2021514177

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20790413

Country of ref document: EP

Kind code of ref document: A1