JP7714335B2 - 人の動きの予測システム、人の動きの予測方法および人の動きの予測プログラム - Google Patents

Description

本発明は、人の動きの予測システム、人の動きの予測方法および人の動きの予測プログラムに関する。

例えば、特許文献１（特開２０１８－９２４４５号公報）には、予測値の誤差を、従来よりも極力小さくすることができる予測システムおよびその方法について開示されている。

特許文献１記載の予測システムおよびその方法は、意期間における予測を適応する予測対象について、当該予測対象に関連する予測値を算出する予測システムであって、予測値を算出するために利用される複数のデータを記録する記憶装置と、所定の演算モデルを備え、当該演算モデルに複数のデータを適用して予測値を算出する制御装置とを備え、制御装置は、複数のデータそれぞれの時間属性の情報に基づいて決定されたデータを用いて、演算モデルを変更するようにしたものである。

また、特許文献２（特開２００５－１２２４３８号公報）には、複数の予測データを加工して高精度の予測データとすることで、予測精度を高めるようにした予測方法、予測装置、予測プログラムおよび記録媒体について開示されている。

特許文献２記載の予測方法は、未来の予測に係る予測データを算出する予測方法であって、ｎ種類の異なった予測手法により予測を行ってｎ種類の予測データを算出する予測手順と、ｎ種類の予測データの平均を予測データとして算出する予測データ加工手順と、を有するものである。

さらに、特許文献３（特開２０１５－４６０９３号公報）には、簡易な構成によって被験者の行動を従来より早期かつ的確に予測することのできるシステム、装置、方法、プログラム及び当該プログラムを記録した記録媒体について開示されている。

特許文献３記載の行動予測システムは、被験者の行動を予測する行動予測システムであって、被験者の行動に応じて変化する信号を受信する信号受信手段と、信号受信手段で受信された信号の大きさ又は信号の変化の大きさが予め定められた第一のしきい値を超える頻度が、予め定められた第二のしきい値以上となったことを通知する行動予測手段とを備えたものである。

特許文献４（特開２０１３－１８６５５６号公報）には、人物の行動を、個々人の特性を反映して予測することができる行動予測装置について開示されている。

特許文献４記載の行動予測装置は、物が撮影された映像データを入力し、当該人物を識別して当該人物の特徴を表す識別情報を抽出し、当該映像データから当該人物の行動および状態を分析し、当該人物に割り当てた識別子と行動および状態とを対応付けて分析情報として出力し、当該人物の識別子と識別情報とを対応づけて人物情報として出力する映像分析部と、人物情報を格納する人物情報格納部と、人物が撮影された状況を示す条件情報、および分析情報を収集する情報収集部と、条件情報および分析情報を対応付けて格納する観測情報格納部と、条件情報および分析情報に基づいて、人物の行動に関するルールを作成するルール生成部と、ルールを格納するルール格納部と、特定の人物に対して情報収集部が収集した条件情報および分析情報と予め作成された当該人物に関するルールとを照合し、照合結果に基づいて、当該ルールを用いた行動予測情報を生成するルール照合部とを備えたものである。

特許文献５（特開２００９－１５１３５９号公報）には、人物の移動予測を実際の環境で予測をして、予測結果が安定するまでにかかる反復処理回数を抑え、高い追跡精度と低い計算コストを両立する
動物体追跡装置、動物体追跡方法、および動物体追跡プログラム並びに、動物体追跡プログラムを記録した記録媒体について開示されている。

特許文献５記載の動物体追跡装置は、１又は複数のカメラ等の画像入力装置を用いて動物体の三次元位置、大きさなどの状態を追跡する装置であって、 各時刻において撮影手段で撮影された画像を取得する手段と、取得した入力画像から追跡対象物体の写っている領域だけを抽出したシルエット画像を作成する手段と、予め計測しておいた実世界の三次元構造と実世界に配置された撮影手段の内部・外部パラメータおよび環境中での対象物体の行動履歴分布を記憶する三次元環境情報データベースと、三次元環境情報データベースの情報とシルエット画像とを用いて、各時刻において対象状態の確率分布を推定する手段と、各時刻において推定手段によって推定された対象状態の確率分布および最大の確率を持つ対象状態を記憶する対象状態分布記憶手段と、対象状態分布記憶手段に保存された対象状態の確率分布より各時刻において最大の確率を持つ対象状態を計算する手段と、三次元環境情報データベースに保存された行動履歴分布を対象状態の計算手段で計算された対象状態より行動履歴分布を計算する手段と、を備え、対象状態分布記憶手段に保存されている前時刻の対象状態分布を、現時刻の対象状態分布に、また、対象状態の計算手段で計算された最大確率を持つ対象状態にそれぞれ更新し、三次元環境情報データベースに保存されている行動履歴分布を行動履歴分布計算手段で計算された対象状態を用いて更新するものである。

特開２０１８－９２４４５号公報 特開２００５－１２２４３８号公報 特開２０１５－４６０９３号公報 特開２０１３－１８６５５６号公報 特開２００９－１５１３５９号公報

特許文献１から３に記載の予測装置は、基本的に予測演算を行うためのものである。
特許文献４および５の行動予測装置においては、個人的な動きを検出し、予測するのみである。
しかしながら、大規模な都市における行動予測等を実現することは、困難であった。特に、都市における混雑度合を解消するためには、どうすべきであるか、問題を解決することができなかった。
さらに、都市の問題とともに、ビル内の混雑、フロア内の混雑について、問題を解決することができなかった。

本発明の主な目的は、都市、ビル、フロア内の混雑予測を行う人の動きの予測システム、人の動きの予測方法および人の動きの予測プログラムを提供することにある。
本発明の他の目的は、都市、ビル、フロア内の混雑予測を行い、改善を報知する人の動きの予測システム、人の動きの予測方法および人の動きの予測プログラムを提供することにある。

（１）
一局面に従う人の動きの予測システムは、所定の都市エリアの人の動きを示すエリアデータ収集装置と、所定の都市の中の建物またはビルの出入り口における人の動きを示すビルデータ収集装置と、建物の中の所定のフロアにおける人の動きを示すフロアデータ収集装置と、エリアデータ、ビルデータおよびフロアデータから人の動きを可視化または滞在人数を予測する予測装置と、を含む。

この場合、エリアデータ、ビルデータおよびフロアデータから人の動きを可視化または滞在人数を予測することができる。その結果、都市、ビル、フロア内の混雑情報を適切に提示することができ、混雑回避を行うことができる。
なお、ビルデータ収集装置は、ビルにおけるセキュリティゲートであってもよく、セキュリティゲートが無い場合には、エレベータに搭載した昇降人数、または出入り口の撮像装置、カメラ等を用いてもよい。
なお、フロアデータは、リアルタイムで予測することが望ましく、エリアデータおよびビルデータから人の動きの可視化または滞在人数を予測してもよい。

（２）
第２の発明にかかる人の動きの予測システムは、一局面に従う人の動きの予測システムにおいて、予測装置は、エリアデータ収集装置、およびビルデータ収集装置に記録された過去の１または複数のデータを重回帰分析により、当日のエリアデータおよびビルデータを予測してもよい。

この場合、予測装置は、過去の１または複数のデータを用いて、人の混雑および接触頻度を推定することができる。

（３）
第３の発明にかかる人の動きの予測システムは、第２の発明にかかる人の動きの予測システムにおいて、当日のエリアデータＺ１は、前日の同時刻のデータをＸ１、１週間前の同時刻のデータをＹ１とし、ａ１、ｂ１、ｃ１を所定の定数としたとき、下記数式１で予測される。
［式１］
Ｚ１＝ａ１Ｘ１＋ｂ１Ｙ１＋ｃ１

この場合、予測システムにおける予測データを出すことができる。特に、約１０％以下の平均誤差に収めることができる。

（４）
第４の発明にかかる人の動きの予測システムは、第２の発明にかかる人の動きの予測システムにおいて、当日のビルデータＺ２は、前日の同時刻のデータをＸ２、１週間前の同時刻のデータをＹ２とし、ａ２、ｂ２、ｃ２を所定の定数としたとき、下記数式２で予測される。
［式２］
Ｚ２＝ａ２Ｘ２＋ｂ２Ｙ２＋ｃ２

この場合、予測システムにおける予測データを出すことができる。特に、約１０％以下の平均誤差に収めることができる。

（５）
第５の発明にかかる人の動きの予測システムは、一局面に従う人の動きの予測システムにおいて、フロアデータ収集装置は、人の携帯端末と、携帯端末と通信可能で、かつフロアの天井、床、机上または壁面に複数設けられたＵＳＢビーコン通信部と、複数のＵＳＢビーコン通信部および携帯端末との関係を判定する制御部と、を含んでもよい。

この場合、人の動きのリアルタイムな混雑を把握するとともに、人同士の接触履歴を把握することができる。

（６）
第６の発明にかかる人の動きの予測システムは、一局面に従う人の動きの予測システムにおいて、予測装置は、記録装置を含み、記録装置に記録されたデータから予測データを推定してもよい。

この場合、フロアデータ、ビルデータ、エリアデータを用いた予測装置は、記録装置に記録されたデータから、人の混雑および接触に関する予測データを推定することができるので、人の混雑および接触を減らすように提言することができる。

（７）
第７の発明にかかる人の動きの予測システムは、一局面にかかる人の動きの予測システムにおいて、予測装置は、所定の都市エリアよび建物またはビルにおける混雑回避を報知する報知装置をさらに含み、報知装置は、混雑回避のガイドライン報知、企業の出勤ルール策定報知、交通機関への混雑報知の少なくともいずれかを実施してもよい。
なお、報知装置は、リアルタイムの可視化と過去のデータのダッシュボード化を含む。

この場合、報知装置は、各種の報知を適切に行うことができる。特に混雑が予測される場合には、その混雑を回避するように呼び掛けることができる。その結果、感染症などの疫病対策が可能となる。

（８）
他の局面に従う人の動きの予測方法は、所定の都市エリアの人の動きを示すエリアデータ収集工程と、所定の都市の中の建物またはビルの出入り口における人の動きを示すビルデータ収集工程と、建物の中の所定のフロアにおける人の動きを示すフロアデータ収集工程と、エリアデータ、ビルデータおよびフロアデータから人の動きを可視化または滞在人数を予測する予測工程と、を含む。

この場合、エリアデータ、ビルデータおよびフロアデータから人の動きを可視化または滞在人数を予測することができる。その結果、都市、ビル、フロア内の混雑情報を適切に提示することができ、混雑回避を行うことができる。

（９）
さらに他の局面に従う人の動きの予測プログラムは、所定の都市エリアの人の動きを示すエリアデータ収集程と、所定の都市の中の建物またはビルの出入り口における人の動きを示すビルデータ収集処理と、建物の中の所定のフロアにおける人の動きを示すフロアデータ収集処理と、エリアデータ、ビルデータおよびフロアデータから人の動きを可視化または滞在人数を予測する予測処理と、を含む。

この場合、エリアデータ、ビルデータおよびフロアデータから人の動きを可視化または滞在人数を予測することができる。その結果、都市、ビル、フロア内の混雑情報を適切に提示することができ、混雑回避を行うことができる。

実施の形態にかかる人の動きの予測システムの一例を示す模式図である。 フロアデータ収集装置の一例を示す模式図である。 ＵＳＢビーコン通信部と携帯端末との通信状態の一例を説明するための模式図である。 ビルデータ収集装置の一例を示す模式図である。 エリアデータ収集装置の一例を示す模式図である。 ビルの所定の階層におけるフロアデータ収集装置を設置した一例を示す模式図である。 会社のフロアデータの一例を示す図である。 会社におけるフロアデータ収集装置から送信されるフロアデータの他の例を示す図である。 会社におけるフロアデータ収集装置から送信されるフロアデータの他の例を示す図である。 会社が入居するビルのビルデータの一例を示す図である。 エリアデータ収集装置がエリアデータを取得するメッシュの一例を示す模式図である。 エリアデータの一例を示す図である。 予測システムの予測装置が実施するモデルについて説明するための図である。 フロアデータ、ビルデータおよびエリアデータの日毎の混雑度合を示す図である。 フロアデータ、ビルデータおよびエリアデータの時間帯別の混雑度合を示す図である。 予測装置の変換処理の一例を示す図である。 予測装置の変換処理の一例を示す図である。 予測装置がエリアデータおよびビルデータに関する予測を実施し、検証を行った図である。

以下、図面を参照しつつ、本発明の実施の形態について説明する。以下の説明では、同一の部品には同一の符号を付してある。それらの名称および機能も同じである。したがって、それらについての詳細な説明は繰り返さない。

（実施の形態）
図１は、実施の形態にかかる人の動きの予測システム１００の一例を示す模式図である。

（予測システム１００）
図１に示すように、人の動きの予測システム（以下、予測システムと呼ぶ。）１００は、フロアデータ収集装置２００、ビルデータ収集装置３００、エリアデータ収集装置４００および予測装置５００からなる。上記各構成の詳細については、後述する。
また、図１に示すように、予測装置５００は、記録装置５１０、報知装置５２０および表示装置５３０を含む。

（フロアデータ収集装置２００）
次に、図２は、フロアデータ収集装置２００の一例を示す模式図であり、図３は、ＵＳＢビーコン通信部２５０と携帯端末２３０との通信状態の一例を説明するための模式図である。

図２に示すように、フロアデータ収集装置２００は、記録部２１０、制御部２２０、携帯端末２３０、複数のＵＳＢビーコン通信部２５０および表示部２９０を含む。
制御部２２０は、内部に処理部２２１を含む。記録部２１０は、各従業員の業績情報２０１および各従業員の移動履歴情報２０２を記録して保持してもよい。

図２に示すように、本実施の形態においては、制御部２２０は、携帯端末２３０と通信可能である。また、携帯端末２３０は、複数のＵＳＢビーコン通信部２５０と通信可能である。なお、制御部２２０が複数のＵＳＢビーコン通信部２５０と通信可能であってもよい。この場合、制御部２２０は、複数のＵＳＢビーコン通信部２５０の固有情報を携帯端末２３０が読み取り、位置を認識する。

次に、図３に示すように、複数のＵＳＢビーコン通信部２５０は、天井裏に配設される。設置されたＵＳＢビーコン通信部２５０の固有ＩＤ（番号等）が、記録部２１０に記録されている。したがって、制御部２２０は、記録部２１０の情報から、いずれのＵＳＢビーコン通信部２５０が携帯端末２３０と通信を行っているかを認識することができる。

具体的には、ＵＳＢビーコン通信部２５０は、ＵＳＢ給電されており、ブルートゥース（登録商標）（Ｂｌｕｅｔｏｏｔｈ）により携帯端末２３０と通信を行う。その結果、複数のＵＳＢビーコン通信部２５０のうち、いずれのＵＳＢビーコン通信部２５０の近くに携帯端末２３０が存在するかを認識することができる。
一方、制御部２２０は、ＵＳＢビーコン通信部２５０と携帯端末２３０との電波強度情報に基づいて得られた位置情報を携帯端末２３０へ返信してもよい。
制御部２２０は、取得した携帯端末２３０の位置情報をフロアデータとして、予測装置５００へ送信する。

（ビルデータ収集装置３００）
図４は、ビルデータ収集装置３００の一例を示す模式図である。
図４に示すように、ビルデータ収集装置３００は、ビルのセキュリティゲート３１０および制御部３２０を有する。
制御部３２０は、ビルのセキュリティゲート３１０を通過した時間単位、例えば、分単位の人数をビルデータとして、予測装置５００へ送信する。

（エリアデータ収集装置４００）
図５は、エリアデータ収集装置４００の一例を示す模式図である。

エリアデータ収集装置４００は、エリアメッシュ検出装置４１０、制御部４２０を含む。エリアメッシュ検出装置４１０は、所定のエリアをメッシュ（区分）し、当該区分に存在する携帯端末４３０の数を検出する。この場合、携帯端末４３０には、所定のアプリケーションソフトがダウンロードされており、ＧＰＳ信号に基づいて数を検出することができる。
制御部４２０は、エリア内の携帯端末４３０の個数を予測装置５００へ送信する。
なお、図示しないが、エリアデータ収集装置４００は、気象庁のサイトから天候情報、降水量、気温、日射量を取得してもよい。

（予測装置５００の動作）
図１に示す予測装置５００は、フロアデータ収集装置２００からのフロアデータ、ビルデータ収集装置３００からのビルデータ、エリアデータ収集装置４００からのエリアデータに基づいて、混雑予測を実施する。
予測装置５００は、下記式１を用いてエリアデータにおける混雑情報を予測する。
［式１］
Ｚ１＝ａ１Ｘ１＋ｂ１Ｙ１＋ｃ１

ここで、Ｚ１は、予測エリアデータを示し、Ｘ１は、前日の同時刻のエリアデータを示し、Ｙ１は、１週間前の同時刻のエリアデータを示す。ａ１、ｂ１、ｃ１は、所定の定数である。

本実施の形態においては、予測システム１００の予測装置５００は、定数ａ１を０．１以上３．０以下とし、定数ｂ１を０．３以上５．０以下とし、定数ｃ１を１０００以上２０００以下の範囲で設定した。
なお、定数ａ１、定数ｂ１、定数ｃ１は、上記の数値に限定されることなく、モデルに応じて算定される。すなわち、モデルに応じた重回帰分析から定数を任意に決定し、予測を行うことが望ましい。

また、予測装置５００は、下記式２を用いてビルデータにおける混雑情報を予測する。
［式２］
Ｚ２＝ａ２Ｘ２＋ｂ２Ｙ２＋ｃ２

ここで、Ｚ２は、予測ビルデータを示し、Ｘ２は、前日の同時刻のビルデータを示し、Ｙ２は、１週間前の同時刻のビルデータを示す。ａ２、ｂ２、ｃ２は、所定の定数である。

本実施の形態において、予測システム１００の予測装置５００は、定数ａ２を０．３以上５．０以下とし、定数ｂ２を０．１以上０．３以下とし、定数ｃ２を３以上１０以下の範囲で設定した。
なお、なお、定数ａ２、定数ｂ２、定数ｃ２は、上記の数値に限定されることなく、モデルに応じて算出される。すなわち、モデルに応じた重回帰分析から定数を任意に決定し、予測を行うことが望ましい。

予測システム１００の予測装置５００は、上記の予測を行い、混雑情報が発生し得る状況において、予測システム１００の報知装置５２０から 行政または政府、企業、不動産デベロッパー、飲食店および商業テナント、公共交通機関および航空船舶鉄道企業、または住民および外出者に混雑の発生予測を報知することができる。さらに表示装置５３０により混雑状況を可視化することができる。

例えば、行政または政府は、３密回避のガイドラインまたは政策決定等に利用することができ、企業はオフィスレイアウトまたは出勤ルール等に利用することができる。さらに、不動産デベロッパーには、ビルの運用または人数規制への活用として利用でき、飲食店および商業テナントは、３密を回避する運用に活用することができ、公共交通機関および航空船舶鉄道企業には、リアルタイムな混雑予測を提供することができ、住民および外出者は、外出時間をずらすことができる。

以下、予測システム１００の予測装置５００の検証について説明を行う。まず、最初に、フロアデータ、ビルデータ、エリアデータについて説明を行う。

（フロアデータ）
図６は、ビルの所定の階層におけるフロアデータ収集装置２００を設置した一例を示す模式図である。
図６に示すように、フロアデータ収集位置にフロアデータ収集装置２００を配置した。以下、ビルの所定の階層には、会社が入居している。

図７は、会社のフロアデータの一例を示す図である。縦軸は、混雑度（混雑発生頻度）の類計であり、横軸は、日時を示す。

図７においては、所定の位置に対する面積および席数を元に定めた店員に対する滞在人数の割合が、５０％を超えた状態を混雑と定義した。そして、５分毎に各所定の位置の混雑の発生頻度をグラフに示した。

図７に示すように、会社における混雑は、ランダムに発生しているため、リアルタイムにおけるフロアデータ収集装置２００を用いたモニタリングが必須となる。

図８および図９は、会社におけるフロアデータ収集装置２００から送信されるフロアデータの他の例を示す図である。
図８は、会社の混雑発生位置を示す模式図である。矢印の四角部分（位置）において、混雑が発生しやすいことを示す。

次に、図９は、会社のフロアデータである。図９に示すように、縦軸は、各位置（ポイント）における定員を示し、横軸は、日付を示す。また、濃淡により混雑発生頻度を示す。この結果、どの場所で混雑が発生しやすいかを特定することができる。

フロアデータ収集装置２００は、図７乃至図９のフロアデータおよび／またはフロアデータを予測装置５００へ送付する。

（ビルデータ例）
図１０は、会社が入居するビルのビルデータの一例を示す図である。

図１０の縦軸は、在館人数を示し、横軸は、時間を示す。
図１０に示すように、会社のビルデータは、平日の１１時および１４時から１６時に在館人数が増加する。また、土曜日（Ｓａｔ）および日曜日（Ｓｕｎ）においては、在館人数の増加がみられず一定である。
ビルデータ収集装置３００は、図１０のビルデータを予測装置５００へ送付する。

（エリアデータ例）
図１１は、エリアデータ収集装置４００がエリアデータを取得するメッシュの一例を示す模式図である。

図１１は、会社の周辺地域のメッシュの一例を示す。
図１１においては、会社を中心とした半径５００ｍのエリアにおいて、６２．５ｍ毎のメッシュを設定した。なお、当該メッシュの数値設定は、任意であり、１ｍ毎、５ｍ毎、１０ｍ毎、５０ｍ毎等、その他の任意のメッシュの数値設定を設けても良い。

図１２は、エリアデータの一例を示す図である

図１２においては、縦軸がエリア滞在人数（混雑度）を示し、横軸は時間を示す。平日８時、１２時、１８時に滞在人数がピークになる。
エリアデータ収集装置４００は、図１２のエリアデータを予測装置５００へ送付する。

（予測システム１００の予測装置５００の予測処理）
予測装置５００は、フロアデータ収集装置２００、ビルデータ収集装置３００およびエリアデータ収集装置４００から送付されたフロアデータ、ビルデータ、エリアデータを記録装置５１０に記録する。
図１３は、予測システム１００の予測装置５００が実施するモデルについて説明するための図である。
図１３に示すように、予測システム１００の予測装置５００は、エリアデータ、ビルデータ、およびフロアデータに基づいて、モデル化を行い、エリアデータ、ビルデータのモデル構築を行う。
さらには、予測システム１００の予測装置５００は、フロアデータにおける混雑可能性についても、過去のデータから報知装置５２０および表示装置５３０を用いて、フロア責任者へ報知してもよい。

（フロアデータ、ビルデータ、エリアデータの相関性）
次いで、フロアデータ、ビルデータ、エリアデータのそれぞれの相関性について説明を行う。
図１４は、フロアデータ、ビルデータおよびエリアデータの日毎の混雑度合を示す図であり、図１５は、フロアデータ、ビルデータおよびエリアデータの時間帯別の混雑度合を示す図である。

図１４に示すように、日毎の混雑度合は、ビルデータおよびエリアデータが、ある程度類似しており、図１５に示すように、時間毎の混雑度合は、フロアデータとビルデータとが類似している。

図１６および図１７は、予測装置５００の変換処理の一例を示す図である。

図１６（ａ）に示すように、予測装置５００は、エリアデータおよびビルデータから滞在人数時間推移平均を算出する。ここで、予測装置５００は、エリアデータおよびビルデータの値を正規化する。
次に、図１６（ｂ）に示すように、２段階の変換処理を行う。ここで、予測装置５００は、まず、ビルデータの１１時以前を２時間前に移動し、１５時以降のデータ２時間後ろに移動する。そして、次に、予測装置５００は、９時から１７時のデータを値０．８０の位置においてビルデータの反転処理を行う。

次に、図１７に示すように、予測装置５００は、ビルデータおよびフロアデータの平日の混雑時間推移平均を算出する。ここで、予測装置５００は、エリアデータおよびビルデータの値を最大値で除算し、正規化する。
ビルデータとフロアデータとの混雑に関する時間推移は、同傾向を示すが、変動係数は、ビルデータが６．２％であるのに対して、フロアデータは、４８．０％を示す。ここから、フロアデータは、リアルタイムのデータから推定が必要であることが判明した。すなわち、９５％の信頼性を持つエリアを帯で示した場合、幅が大きくなる。すなわち、フロアデータは、変動が大きいことが分かった。

最後に、予測装置５００は、エリアデータに関する予測を実施する。予測装置５００は、曜日および時間をパラメータとして、過去の混雑状況を元に未来の混雑モデルを作成する。
図１８は、予測装置５００がエリアデータおよびビルデータに関する予測を実施し、検証を行った図である。

本実施の形態において、予測装置５００は、上述したように、重回帰分析を用いてモデルを作成した。なお、重回帰分析に限定されず、その他の任意のＳＡＲＩＭＡ（Ｓｅａｓｏｎａｌ Ａｕｔｏ Ｒｅｇｒｅｓｓｉｖｅ Ｉｎｔｅｇｒａｔｅｄ Ｍｏｖｉｎｇ Ａｖｅｒａｇｅ）モデル、動的線形モデル（Ｄｙｎａｍｉｃ Ｌｉｎｅａｒ Ｍｏｄｅｌ： ＤＬＭ）、ＲＮＮ（Ｒｅｃｕｒｒｅｎｔ Ｎｅｕｒａｌ ｎｅｔｗｏｒｋ）モデルを用いても良い。

予測装置５００は、上記の数式１を用いて、予測エリアデータを算出し、各モデルの二乗平均平方根誤差（ＲＭＳＥ）値を比較した。
その結果、予測装置５００は、前の週の同時間のエリアデータと前日の同時間のエリアデータとから予測エリアデータを算出した結果、約３％の平均誤差範囲の高い精度で予測を実現できた。
なお、図１８（ａ）における矩形枠においては、イレギュラーが一部発生した。

また、図１８（ｂ）に示すように、予測装置５００は、上記の数式２を用いて、予測ビルデータを算出し、各モデルの二乗平均平方根誤差（ＲＭＳＥ）値を比較した。
その結果、予測装置５００は、前の週の同時間のビルデータと前日の同時間のビルデータとから予測ビルデータを算出した結果、約５％の平均誤差範囲の高い精度で予測を実現できた。
なお、図１８（ｂ）における矩形枠においては、イレギュラーが一部発生した。

本実施の形態においては、予測システム１００が、「予測システム」に相当し、予測システム１００の動作が、「予測方法」に相当し、予測システム１００のプログラムが、「予測プログラム」に相当する。
エリアデータ収集装置４００が、「エリアデータ収集装置」に相当し、エリアデータ収集装置４００の動作が、「エリアデータ収集工程」に相当し、エリアデータ収集装置４００のプログラムが、「エリアデータ収集処理」に相当する。
ビルデータ収集装置３００が、「ビルデータ収集装置」に相当し、ビルデータ収集装置３００の動作が、「ビルデータ収集工程」に相当し、ビルデータ収集装置３００のプログラムが、「ビルデータ収集処理」に相当する。
フロアデータ収集装置２００が、「フロアデータ収集装置」に相当し、フロアデータ収集装置２００の動作が、「フロアデータ収集工程」に相当し、フロアデータ収集装置２００のプログラムが、「フロアデータ収集処理」に相当する。
予測装置５００が、「予測装置」に相当し、記録装置５１０が「記録装置」に相当し、報知装置５２０が、「報知装置」に相当し、携帯端末２３０が「携帯端末」に相当し、ＵＳＢビーコン通信部２５０が、「ＵＳＢビーコン通信部」に相当し、制御部２２０が「制御部」に相当する。

本発明の好ましい一実施の形態は上記の通りであるが、本発明はそれだけに制限されない。本発明の精神と範囲から逸脱することのない様々な実施の形態が他になされることは理解されよう。さらに、本実施の形態において、本発明の構成による作用および効果を述べているが、これら作用および効果は、一例であり、本発明を限定するものではない。

１００ 予測システム
２００ フロアデータ収集装置
２３０ 携帯端末
２２０ 制御部
２５０ ＵＳＢビーコン通信部
３００ ビルデータ収集装置
４００ エリアデータ収集装置
５００ 予測装置
５１０ 記録装置
５２０ 報知装置

Claims (9)

1. 所定の都市エリアの人の動きを示すエリアデータ収集装置と、
   前記所定の都市の中の建物またはビルの出入り口における人の動きを示すビルデータ収集装置と、
   前記建物の中の所定のフロアにおける人の動きを示すフロアデータ収集装置と、
   前記エリアデータ、前記ビルデータおよび前記フロアデータから前記人の動きを可視化または滞在人数を予測する予測装置と、を含み、
   前記予測装置は前記ビル内の滞在人数時間推移のデータを用いて前記都市エリアの滞在人数時間推移を予測し、
   前記都市エリアの滞在人数時間推移の予測は、
   前記ビル内の滞在人数時間推移のうちの１１時以前のデータを２時間前にずらすとともに、１５時以降のデータを２時間後ろにずらし、さらに、前記ビル内の滞在人数時間推移の９時から１７時のデータをピーク値の０．８倍の直線で線対称に反転したデータに基づいて行われる、人の動きの予測システム。
2. 前記予測装置は、前記エリアデータ収集装置、および前記ビルデータ収集装置に記録された過去の１または複数のデータを重回帰分析により、当日のエリアデータおよびビルデータを予測する、請求項１記載の人の動きの予測システム。
3. 当日のエリアデータＺ１は、前日の同時刻のデータをＸ１、１週間前の同時刻のデータをＹ１とし、ａ１、ｂ１、ｃ１を所定の定数としたとき、下記数式１で予測される、請求項２に記載の人の動きの予測システム。
   ［式１］
   Ｚ１＝ａ１Ｘ１＋ｂ１Ｙ１＋ｃ１
4. 当日のビルデータＺ２は、前日の同時刻のデータをＸ２、１週間前の同時刻のデータをＹ２とし、ａ２、ｂ２、ｃ２を所定の定数としたとき、下記数式２で予測される、請求項２に記載の人の動きの予測システム。
   ［式２］
   Ｚ２＝ａ２Ｘ２＋ｂ２Ｙ２＋ｃ２
5. 前記フロアデータ収集装置は、
   前記人の携帯端末と、
   前記携帯端末と通信可能で、かつ前記フロアの天井または床に複数設けられたＵＳＢビーコン通信部と、
   前記複数のＵＳＢビーコン通信部および前記携帯端末との関係を判定する制御部と、を含む、請求項１に記載の人の動きの予測システム。
6. 前記予測装置は、記録装置を含み、
   前記記録装置に記録されたデータから予測データを推定する、請求項１記載の人の動きの予測システム。
7. 前記予測装置は、前記所定の都市エリアよび前記建物または前記ビルにおける混雑回避を報知する報知装置をさらに含み、
   前記報知装置は、前記混雑回避のガイドライン報知、企業の出勤ルール策定報知、交通機関への混雑報知の少なくともいずれかを実施する、請求項１記載の人の動きの予測システム。
8. エリアデータ収集装置とビルデータ収集装置とフロアデータ収集装置と予測装置とを含む人の動きの予測システムによって実行される人の動きの予測方法であって、
   所定の都市エリアの人の動きを示すエリアデータ収集工程と、
   前記所定の都市の中の建物またはビルの出入り口における人の動きを示すビルデータ収集工程と、
   前記建物の中の所定のフロアにおける人の動きを示すフロアデータ収集工程と、
   前記エリアデータ、前記ビルデータおよび前記フロアデータから前記人の動きを可視化または滞在人数を予測する予測工程と、を含み、
   前記予測工程は前記ビル内の滞在人数時間推移のデータを用いて前記都市エリアの滞在人数時間推移を予測し、
   前記都市エリアの滞在人数時間推移の予測は、
   前記ビル内の滞在人数時間推移のうちの１１時以前のデータを２時間前にずらすとともに、１５時以降のデータを２時間後ろにずらし、さらに、前記ビル内の滞在人数時間推移の９時から１７時のデータをピーク値の０．８倍の直線で線対称に反転したデータに基づいて行われる、人の動きの予測方法。
9. エリアデータ収集装置とビルデータ収集装置とフロアデータ収集装置と予測装置とを含む人の動きの予測システムのコンピュータに以下の処理を実行させるための、人の動きの予測プログラムであって、
   所定の都市エリアの人の動きを示すエリアデータ収集処理と、
   前記所定の都市の中の建物またはビルの出入り口における人の動きを示すビルデータ収集処理と、
   前記建物の中の所定のフロアにおける人の動きを示すフロアデータ収集処理と、
   前記エリアデータ、前記ビルデータおよび前記フロアデータから前記人の動きを可視化または滞在人数を予測する予測処理と、を含み、
   前記予測処理は前記ビル内の滞在人数時間推移のデータを用いて前記都市エリアの滞在人数時間推移を予測し、
   前記都市エリアの滞在人数時間推移の予測は、
   前記ビル内の滞在人数時間推移のうちの１１時以前のデータを２時間前にずらすとともに、１５時以降のデータを２時間後ろにずらし、さらに、前記ビル内の滞在人数時間推移の９時から１７時のデータをピーク値の０．８倍の直線で線対称に反転したデータに基づいて行われる、人の動きの予測プログラム。