特許 6695178 判定装置、および判定方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】6695178

(24)【登録日】2020年4月23日

(45)【発行日】2020年5月20日

(54)【発明の名称】判定装置、および判定方法

(51)【国際特許分類】

   G06Q 30/02 20120101AFI20200511BHJP

【ＦＩ】

   G06Q30/02 300

【請求項の数】4

【全頁数】15

(21)【出願番号】特願2016-54545(P2016-54545)

(22)【出願日】2016年3月17日

(65)【公開番号】特開2017-167988(P2017-167988A)

(43)【公開日】2017年9月21日

【審査請求日】2017年9月19日

(73)【特許権者】

【識別番号】319013263

【氏名又は名称】ヤフー株式会社

(74)【代理人】

【識別番号】110002147

【氏名又は名称】特許業務法人酒井国際特許事務所

(72)【発明者】

【氏名】宮崎 崇史

(72)【発明者】

【氏名】小林 隼人

(72)【発明者】

【氏名】渡邊 佑輔

【審査官】 谷川 智秀

(56)【参考文献】

【文献】 特開平０６−１７６００４（ＪＰ，Ａ）

【文献】 特開平０４−０７５１９９（ＪＰ，Ａ）

【文献】 播磨大輝、外２名，学生のグループ特性を考慮した群衆歩行シミュレーションと教室配置最適化への応用，情報処理学会論文誌，日本，情報処理学会，２０１６年 ３月１５日，Vol.57,No.3，pp.1040-1048，ISSN1882-7764

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ０６Ｑ １０／００−９９／００

(57)【特許請求の範囲】

【請求項1】

位置情報により所定の領域に滞在する利用者を特定する特定部と、
前記領域に滞在する利用者の数に基づいた前記所定の領域における利用者の歩行速度、および、前記領域に所在する店舗を利用した利用者の属性と前記特定部により特定された利用者の属性との一致度に基づいた利用者の歩行速度に基づいて、前記所定の領域における人の移動速度の傾向を判定する判定部と
を有することを特徴とする判定装置。

【請求項2】

前記判定部は、所定の時間帯における前記利用者の属性と、前記領域内に存在する店舗を前記所定の時間帯に利用した利用者の属性との合致度に基づいて、前記領域における局所的な移動の傾向を判定する
ことを特徴とする請求項１に記載の判定装置。

【請求項3】

前記判定部は、前記領域における人を当該領域を流れる流体を構成する粒子と見做し、前記利用者の歩行速度を前記領域を流れる流体の粘性と見做して、前記領域を流れる前記流体の動きを算出し、算出結果に基づいて、前記領域における人の移動速度の傾向を判定する
ことを特徴とする請求項１または２に記載の判定装置。

【請求項4】

判定装置が実行する判定方法であって、
位置情報により所定の領域に滞在する利用者を特定する特定工程と、
前記領域に滞在する利用者の数に基づいた前記所定の領域における利用者の歩行速度、および、前記領域に所在する店舗を利用した利用者の属性と前記特定工程により特定された利用者の属性との一致度に基づいた利用者の歩行速度に基づいて、前記所定の領域における人の移動速度の傾向を判定する判定工程と
を含むことを特徴とする判定方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、判定装置、および判定方法に関する。

【背景技術】

【0002】

従来、物の流れ方を予測する予測技術が知られている。このような技術の一例として、流体を粒子の集合に見立てて人の流れを判定する技術が知られている。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０１３−２３２０９８号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

ここで、上述した流れを判定する技術において、人を粒子に見立てることで、商店街や施設等における人の流れを判定する手法が考えられる。しかしながら、このような大域的な人の流れのほかに、性別や年代等の属性に応じ、、各人がそれぞれ興味のある店舗に近づいたり、店舗を訪問したりする場合が多い。このような実際の人の動きを粒子の動きで表すのは困難であるため、上述した技術では、判定精度を向上させることができない場合がある。

【0005】

本願は、上記に鑑みてなされたものであって、人の流れの判定精度を向上させることを目的とする。

【課題を解決するための手段】

【0006】

本願に係る判定装置は、所定の領域に滞在する利用者の属性を特定する特定部と、前記領域に滞在する利用者の数に基づいた前記所定の領域における移動の傾向と、前記利用者の属性に基づいた前記所定の領域における局所的な移動の傾向とに基づいて、前記所定の領域における人の移動の傾向を判定する判定部とを有する。

【発明の効果】

【0007】

実施形態の一態様によれば、人の流れの判定精度を向上させることができる。

【図面の簡単な説明】

【0008】

【図1】図１は、実施形態に係る判定処理の一例を示す図である。

【図2】図２は、実施形態に係る判定装置が有する機能構成の一例を示す図である。

【図3】図３は、実施形態に係る店舗データベースに登録される情報の一例を説明する図である。

【図4】図４は、実施形態に係る利用者数テーブルに登録される情報の一例を示す図である。

【図5】図５は、実施形態に係る利用者属性テーブルに登録される情報の一例を示す図である。

【図6】図６は、配信情報データベースに登録される情報の一例を示す図である。

【図7】図７は、実施形態に係る判定装置が実行する処理の流れの一例を説明する図である。

【図8】図８は、ハードウェア構成の一例を示す図である。

【発明を実施するための形態】

【0009】

以下に、本願に係る判定装置、および判定方法を実施するための形態（以下、「実施形態」と記載する。）について図面を参照しつつ詳細に説明する。なお、この実施形態により本願に係る判定装置、および判定方法が限定されるものではない。また、以下の各実施形態において同一の部位には同一の符号を付し、重複する説明は省略される。

【0010】

〔１．判定装置〕
まず、図１を用いて、実施形態に係る判定処理の一例について説明する。図１は、実施形態に係る判定処理の一例を示す図である。図１では、商店街等の所定の領域における移動のしやすさや移動の傾向（例えば、利用者の流れやすさや利用者の流れにくさ）を判定する判定処理の一例について記載する。

【0011】

なお、以下の説明では、判定処理の結果に基づくタイミングで、所定の領域における利用者に対してサービスを提供する処理の一例について記載するが、実施形態は、これに限定されるものではない。すなわち、以下に説明する判定装置１０は、判定処理の結果を解析結果としてそのままインターネット上等に出力してもよい。すなわち、判定装置１０は、以下に説明する判定処理を実行するのであれば、判定処理の結果を任意の処理に利用可能である。

【0012】

また、以下の説明では、商店街等の所定の領域における利用者の移動の傾向の一例として、利用者の移動のしやすさ（以下、「利用者の流れやすさ」と記載する場合がある。）を判定する処理の一例について記載するが、実施形態は、これに限定されるものではない。例えば、判定装置１０は、駅舎の中、地下街、高速道路等、屋外および屋内を問わず、利用者の往来がある領域であれば、任意の領域における利用者の移動の傾向を判定して良い。なお、以下の説明では、利用者の移動の傾向を判定する領域を「判定対象領域」と記載する。

【0013】

〔１−１．判定処理〕
ここで、物の流れやすさを判定する手法の一つとして、複数の粒子によって構成される流体の動きを算出し、算出結果に基づいて、物の流れやすさを判定するパーティクル法が知られている。このようなパーティクル法を用いて判定対象領域における利用者の流れやすさを判定する場合には、各利用者を粒子と見做して流体の動きを算出し、算出結果に基づいて、判定対象領域における利用者の流れやすさを判定するといった手法が考えられる。このような手法を用いた場合には、判定対象領域における利用者の数や判定対象領域の形状等に基づいて、判定対象領域における利用者の流れやすさを判定することができると考えられる。

【0014】

しかしながら、現実の往来においては、各利用者の動きが複雑であるため、利用者の流れやすさを精度良く判定することができない場合がある。例えば、各利用者は、判定対象領域内に興味を有する店舗が存在する場合には、その店舗に近づいたり、歩行速度を遅くしたりすると予測される。一方、各利用者は、判定対象領域内に興味を有する店舗が存在しない場合には、歩行速度を速めると予測される。また、判定対象領域内を移動する利用者の数が多い程、移動速度が遅くなるが、各利用者が興味を有する店舗に寄りづらくなると予測され、判定対象領域内を移動する利用者の数が少ない程、移動速度が速くなるが、各利用者が興味を有する店舗に寄りやすくなると予測される。このように、判定対象領域内において移動しようとする強さは、利用者ごとに異なるため、利用者の数のみに基づいて、判定対象領域における利用者の流れやすさを判定した場合には、精度が悪化する恐れがある。

【0015】

そこで、判定装置１０は、マルチフィジックスの手法を応用し、判定対象領域における利用者の流れを、大局的な状況と局所的な状況との関連性を考慮して判定する。より具体的には、判定装置１０は、判定対象領域に滞在する利用者、すなわち、判定対象領域内に居る利用者や判定対象領域内を移動している利用者の属性を特定する。そして、判定装置１０は、利用者の数に基づいた判定対象領域における移動の傾向である移動のしやすさと、利用者の属性に基づいた判定対象領域における局所的な移動の傾向である移動のしやすさとに基づいて、判定対象領域における人の流れを判定する。

【0016】

より具体的には、判定装置１０は、利用者の属性と、判定対象領域内に存在する施設の属性との合致度に基づいて、利用者の移動のしにくさを示す係数、すなわちパラメータを算出する。そして、判定装置１０は、判定対象領域内に滞在する各利用者を、判定対象領域内を流れる流体を構成する粒子と見做し、利用者の移動のしにくさを示すパラメータを、判定対象領域内を流れる流体の粘性と見做して、パーティクル法に基づき、判定対象領域内を流れる流体の動きを算出する。そして、判定装置１０は、算出した流体の動きに基づいて、判定対象領域内における利用者の流れやすさを判定する。

【0017】

以下、図１を用いて、判定装置１０が実行する判定処理の具体例について説明する。例えば、図１に示す例では、判定対象領域ＡＲには、複数の店舗＃１〜＃８が設置されており、複数の利用者Ｕ０１〜Ｕ０４が滞在している。なお、図１に示すように、判定対象領域ＡＲには、利用者Ｕ０１〜Ｕ０４以外にも、複数の利用者が滞在しているものとする。また、判定対象領域ＡＲには、判定対象領域ＡＲ内の静止画像または動画像を撮像可能なカメラ１００が配置されているものとする。そして、判定装置１０は、カメラ１００が撮像した判定対象領域ＡＲの画像を取得する（ステップＳ１）。

【0018】

例えば、図１に示す例では、利用者Ｕ０１は、判定対象領域ＡＲ内の道に沿って移動しており、利用者Ｕ０２は、判定対象領域ＡＲ内の道に沿って、利用者Ｕ０１とは逆方向に移動している。また、利用者Ｕ０３は、店舗＃７に興味を有し、判定対象領域ＡＲ内の道を横切るように移動している。このように、判定対象領域ＡＲ内では、各利用者が様々な方向に移動している。

【0019】

そこで、判定装置１０は、判定対象領域ＡＲにおける各利用者を流体を構成する粒子と見做し、利用者の属性に基づく粘性を考慮した流体の動きをパーティクル法に基づいて算出する（ステップＳ２）。例えば、判定装置１０は、カメラ１００から取得した静止画像や動画像（以下、「画像」と総称する。）から、任意の画像認識技術を用いて、判定対象領域ＡＲに滞在する利用者の数と、各利用者の属性とを特定する（ステップＳ３）。より具体的には、判定装置１０は、任意の顔認証技術を用いて、画像から人物の顔を特定し、特定した顔の数を利用者の数「Ｎ」として利用者数テーブル３２に登録する。

【0020】

また、判定装置１０は、任意の顔認証技術を用いて、特定した各人物の属性を特定する。例えば、判定装置１０は、判定対象領域ＡＲに滞在する各利用者の性別や年代等を特定する。そして、判定装置１０は、特定した属性ごとの利用者の数を利用者属性テーブル３３に登録する。例えば、判定装置１０は、２０代の男性の数「Ｎ１」と、２０代の女性の数「Ｎ２」とを特定し、特定した利用者の数を利用者属性テーブル３３に登録する。

【0021】

続いて、判定装置１０は、利用者の属性と店舗の属性とのマッチング結果に基づいて、局所的な人の流れやすさを示すパラメータの値を決定する（ステップＳ４）。例えば、判定装置１０は、判定対象領域ＡＲ内にある各店舗＃１〜＃８の属性を示す店舗データベース３１を有する。ここで、店舗データベース３１には、各店舗＃１〜＃８に興味を有すると予測される利用者の属性が、店舗属性として登録されている。例えば、図１に示す例では、店舗データベース３１には、店舗＃１の店舗情報として「男性・２０代」が登録され、店舗＃２の店舗情報として「女性・２０代」が登録されている。

【0022】

そして、判定装置１０は、ステップＳ３にて特定した各利用者の属性と、店舗属性とのマッチングを行う。例えば、判定装置１０は、図１中（Ａ）に示すように、２０代の男性が「Ｎ１」人いる場合には、「Ｎ１」人の利用者が店舗＃１に興味を有すると推定する。また、例えば、判定装置１０は、図１中（Ｂ）に示すように、２０代の女性が「Ｎ２」人いる場合には、「Ｎ２」人の利用者が店舗＃２に興味を有すると推定する。

【0023】

ここで、店舗＃１〜＃８に対して興味を有すると推定される利用者の数が多くなるほど、判定対象領域ＡＲにおける局所的な人の流れは遅くなり、店舗＃１〜＃８に対して興味を有すると推定される利用者の数が少なくなるほど、判定対象領域ＡＲにおける局所的な人の流れは速くなると予測される。一方で、判定対象領域ＡＲにおける人の数が多い程、人の流れが遅くなるものの、興味のある店舗に寄りづらくなるため、局所的な流れが判定対象領域ＡＲ全体の流れにおよぼす影響は、少なくなる。このため、判定対象領域ＡＲを移動する利用者の大局的な動きは、判定対象領域ＡＲを流れる流体の動きと対応し、各利用者が判定対象領域ＡＲ内の各店舗＃１〜＃８に近づこうとする動きや寄ろうとする動きは、判定対象領域ＡＲにおける局所的な移動のしにくさ、すなわち、判定対象領域ＡＲを流れる流体の粘性と対応すると予測される。

【0024】

そこで、判定装置１０は、各店舗＃１〜＃８に対して興味を有すると推定される利用者の数に基づいて、局所的な人の流れやすさを示すパラメータの値を決定し、決定した値に基づいて、判定対象領域ＡＲを流れる流体の粘性を示す粘性項の値を決定する。そして、判定装置１０は、判定対象領域ＡＲに滞在する各利用者を、判定対象了領域ＡＲを流れる流体を構成する粒子と見做し、粘性項の値を考慮して、パーティクル法に基づき、判定対象領域ＡＲを流れる流体の動きを判定する（ステップＳ５）。すなわち、判定装置１０は、図１中（Ｃ）に示すように、利用者の数に基づいた判定対象領域ＡＲにおける移動のしやすさと、図１中（Ｄ）に示すように、利用者の属性に基づいた判定対象領域における局所的な移動のしやすさとに基づいて、判定対象領域ＡＲ全体における人の流れを判定する。

【0025】

〔１−２．提供処理〕
ここで、利用者Ｕ０４が、店舗＃６に興味を有すると予測される状態について考察する。このような場合、利用者Ｕ０４に対して店舗＃６に関する広告を配信した場合には、利用者Ｕ０４を店舗＃６へと誘導することができると考えられる。しかしながら、判定対象領域ＡＲ内の道がすいており、利用者の流れが速い場合には、利用者Ｕ０４に広告が配信される前に利用者Ｕ０４が店舗＃６を通り過ぎてしまう恐れがある。また、判定対象領域ＡＲ内の道が混んでおり、利用者の流れが遅い場合には、利用者Ｕ０４に店舗＃６の広告を配信したとしても、店舗＃６まで移動する前に、利用者Ｕ０４が店舗＃６に対する興味を失ってしまう恐れがある。

【0026】

そこで、判定装置１０は、判定結果に基づいて、判定対象領域ＡＲにおける利用者の動きやすさを特定し、特定結果に基づくサービスの提供タイミングを決定する（ステップＳ６）。例えば、判定装置１０は、判定対象領域ＡＲにおける利用者の流速が所定の閾値よりも速い場合には、利用者Ｕ０４が所定の地点Ａにさしかかった際に店舗＃６の広告を配信する旨を決定する。一方、判定装置１０は、判定対象領域ＡＲにおける利用者の流速が所定の閾値以下となる場合には、地点Ａよりも店舗＃６に近い地点Ｂに差し掛かった際に利用者Ｕ０４に店舗＃６の広告を配信する旨を決定する。そして、判定装置１０は、決定したタイミングで利用者Ｕ０４に対してサービスを提供する（ステップＳ７）。

【0027】

〔１−３．時間に応じた属性の変化〕
ここで、各利用者が興味を有する店舗の属性は、時間によって変化する場合がある。例えば、店舗＃１がレストランである場合には、昼食時や夕食時において各利用者の興味をより強く引くと考えられる。また、店舗によっては、定休日や準備中となる時間帯が存在する店舗も存在すると考えられる。

【0028】

そこで、判定装置１０は、各店舗に対して興味を有すると予測される利用者の属性、すなわち、店舗属性を時間帯ごとに保持し、判定対象領域ＡＲに滞在する利用者の属性と、判定対象となる時間帯における店舗属性とのマッチング結果に基づいて、局所的な移動のしやすさを判定してもよい。例えば、判定装置１０は、店舗＃１がレストラン等である場合には、午前１１時から午後２時までの時間帯と、午後５時から午後１０時までの時間帯とに対し、店舗属性を対応付けて記憶し、他の時間帯については、店舗属性を対応付けて記憶せずともよい。このような店舗属性を記憶した場合、判定装置１０は、午前１１時から午後２時までの時間帯と、午後５時から午後１０時までの時間帯の間のみ、店舗＃１を起因とした移動のしずらさを、判定対象領域ＡＲにおける人の流れに反映させることができる。

【0029】

また、判定装置１０は、店舗＃２について、店舗情報「男性」と午前中の時間帯とを対応付けて記憶し、店舗情報「女性」と午後の時間帯とを対応付けて記憶してもよい。このような店舗属性を記憶した場合、判定装置１０は、午前と午後とで、店舗＃２と判定対象領域ＡＲに居る利用者の性別との関係を起因とした移動のしずらさを、判定対象領域ＡＲにおける人の流れに反映させることができる。

【0030】

〔１−４．特定手法について〕
また、上述した例では、判定装置１０は、判定対象領域ＡＲに滞在する利用者の数や属性を、カメラ１００が取得した画像から特定した。しかしながら、実施形態は、これに限定されるものではない。例えば、判定装置１０は、利用者が使用する端末装置がＧＰＳ等を利用して取得した位置情報を収集し、収集した位置情報に基づいて、判定対象領域ＡＲに滞在する利用者を特定してもよい。また、判定装置１０は、各利用者が予め登録した利用者の属性を取得してもよく、各利用者が使用する端末装置から各利用者の属性を取得してもよい。すなわち、判定装置１０は、判定対象領域ＡＲの各利用者の数や属性を、任意の手法で特定してよい。

【0031】

〔１−５．店舗について〕
また、上述した例では、判定装置１０は、判定対象領域ＡＲ内に設置された各店舗＃１〜＃８に対して利用者が興味を有するか否かに基づいて、判定対象領域ＡＲ内における局所的な人の流れにくさを考慮した。しかしながら、実施形態は、これに限定されるものではない。すなわち、判定装置１０は、判定対象領域ＡＲ内において利用者が興味を有すると推定することができるのであれば、店舗以外の任意の施設を起因とする局所的な人の流れにくさを考慮することができる。

【0032】

〔１−６．パラメータについて〕
また、上述した例では、判定装置１０は、判定対象領域ＡＲ内の各利用者を、判定対象領域ＡＲを流れる流体を構成する粒子と見做すことで流体の大局的な流れを判定し、各利用者の属性に基づく局所的な流れやすさ（すなわち、局所的な流れにくさ）を、流体の粘性と見做して流体の局所的な流れを判定した。しかしながら、実施形態は、これに限定されるものではない。例えば、判定装置１０は、判定対象領域ＡＲを流れる流体の局所的な流れやすさを示すことができるのであれば、粘性以外にも、判定対象領域ＡＲにおける道の太さ等と見做して、流体の流れを判定してもよい。また、実施形態は、各利用者の属性に基づく局所的な流れやすさのみならず、各利用者の数に基づく大局的な流れやすさをも考慮して、パーティクル法において流体の流れを判定する際の粘性項を決定し、決定した粘性項を考慮して、判定対象領域ＡＲにおける人の流れを判定してもよい。

【0033】

〔２．判定装置の構成〕
次に、上述した実施形態にかかる判定装置１０の構成について説明する。図２は、実施形態に係る判定装置が有する機能構成の一例を示す図である。図２に示すように、判定装置１０は、通信部２０、記憶部３０、および制御部４０を有する。通信部２０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。そして、通信部２０は、ネットワークＮと有線または無線で接続され、利用者が使用する端末装置５０や、カメラ１００との間で情報の送受信を行う。

【0034】

記憶部３０は、例えば、ＲＡＭ（Random Access Memory)、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。また、記憶部３０は、店舗データベース３１、利用者数テーブル３２、利用者属性テーブル３３、および配信情報データベース３４（以下「各データベース３１〜３４」と総称する場合がある。）を有する。以下、図３〜図６を用いて、各データベース３１〜３４に登録された情報の一例について説明する。

【0035】

店舗データベース３１は、店舗属性が登録される。例えば、図３は、実施形態に係る店舗データベースに登録される情報の一例を説明する図である。図３に示す例では、店舗データベース３１には、「店舗ＩＤ」および「店舗属性」といった項目を有する情報が登録される。ここで、「店舗ＩＤ」とは、店舗を示す識別子であり、「店舗属性」とは、対応付けられた識別子が示す店舗に対して興味を有すると推定される利用者の属性を示す情報である。例えば、図３に示す例では、店舗ＩＤ「店舗＃１」と、店舗属性「男性・２０代」が対応付けて登録されている。このような情報は、「店舗＃１」が示す店舗に対し、属性情報が「男性・２０代」である利用者が興味を有すると推定される旨を示す。なお、図３に示す例では「店舗ＩＤ」として、「属性＃１」といった概念的な値を記載したが、実際には、店舗データベース３１には、店舗を識別するための各種情報が登録される。

【0036】

利用者数テーブル３２は、判定対象領域ＡＲに滞在する利用者の数が登録される。例えば、図４は、実施形態に係る利用者数テーブルに登録される情報の一例を示す図である。例えば、図４に示す例では、利用者数テーブル３２には、判定対象領域ＡＲに滞在する利用者の数「Ｎ」人が登録されている。

【0037】

利用者属性テーブル３３は、判定対象領域ＡＲに滞在する利用者の属性と、各属性を有する利用者の数とが登録される。例えば、図５は、実施形態に係る利用者属性テーブルに登録される情報の一例を示す図である。例えば、図５に示す例では、利用者属性テーブル３３には、「利用者属性」および「人数」といった項目を有する情報が登録される。ここで、「利用者属性」とは、特定された利用者の属性を示す情報であり、「人数」とは、対応付けられた「利用者属性」が示す属性を有する利用者の数を示す情報である。例えば、図５に示す例では、利用者属性テーブル３３には、利用者属性「男性・２０代」、および人数「Ｎ１」が対応付けて登録されている。このような情報は、判定対象領域ＡＲに、利用者属性「男性・２０代」が示す属性を有する利用者、すなわち、２０代の男性が「Ｎ１」人いる旨を示す。なお、図３、図４に示す例では「利用者数」や「人数」として、「Ｎ」や「Ｎ１」といった概念的な値を記載したが、実際には、利用者の数を示す数値が登録される。

【0038】

配信情報データベース３４には、利用者に対して配信される情報が登録される。例えば、図６は、配信情報データベースに登録される情報の一例を示す図である。図６に示す例では、配信情報データベース３４には、「店舗ＩＤ」、「店舗情報」および「提供条件」といった項目を有する情報が登録される。ここで、「店舗情報」とは、利用者に対して提供される情報であって、対応付けられた「店舗ＩＤ」が示す店舗の情報、所謂店舗の広告が登録される。また、「提供条件」とは、対応付けられた店舗情報を提供するための条件であり、「店舗情報」の提供先となる利用者の属性や、提供する位置等を示す情報が登録される。例えば、図６に示す例では、配信情報データベース３４には、店舗ＩＤ「店舗＃１」、店舗情報「店舗情報＃１」および提供条件「条件＃１」が対応付けて登録されている。このような情報は、提供条件「条件＃１」を満たす利用者に対して、店舗ＩＤ「店舗＃１」が示す店舗の店舗情報「店舗情報＃１」が配信される旨を示す。なお、図６に示す例では「店舗情報」として、「店舗情報＃１」といった概念的な値を記載したが、実際には、配信対象となる画像データや動画像データ等といったデータが登録されることとなる。

【0039】

図２に戻り、説明を続ける。制御部４０は、コントローラ（controller）であり、例えば、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）等のプロセッサによって、判定装置１０内部の記憶装置に記憶されている各種プログラムがＲＡＭ等を作業領域として実行されることにより実現される。また、制御部４０は、コントローラ（controller）であり、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現されてもよい。

【0040】

図２に示すように、制御部４０は、取得部４１、解析部４２、特定部４３、判定部４４、提供部４５を有し、以下に説明する情報処理の機能や作用を実現または実行する。なお、制御部４０の内部構成は、図２に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。

【0041】

取得部４１は、判定対象領域ＡＲにおける利用者の画像を取得する。例えば、取得部４１は、判定対象領域ＡＲに設置されたカメラ１００から、判定対象領域内を映した静止画像や動画像を取得する。

【0042】

解析部４２は、画像解析技術を用いて、カメラ１００から取得した画像の解析を行う。そして、解析部４２は、判定対象領域ＡＲにおける利用者の画像から、利用者の顔や体等が撮像された領域を特定する。

【0043】

特定部４３は、判定対象領域ＡＲに滞在する利用者の属性を特定する。例えば、特定部４３は、解析部４２による解析結果に基づいて、判定対象領域ＡＲに滞在する利用者の数を計数し、計数した利用者の数を利用者数テーブル３２に登録する。また、特定部４３は、判定対象領域ＡＲにおける画像から解析部４２によって特定された範囲を解析し、撮像された利用者の顔の特徴や体の形状等を解析する。そして、特定部４３は、所定の画像解析技術を用いて、解析結果から、各利用者の性別や年代等といった属性を特定する。その後、特定部４３は、特定した属性の組合せごとに撮像された利用者の数を計数し、属性の組合せと利用者の数とを対応付けて利用者属性テーブル３３に登録する。

【0044】

判定部４４は、判定対象領域ＡＲに滞在する利用者の数に基づいた判定対象領域ＡＲにおける移動のしやすさと、利用者の属性に基づいた判定対象領域ＡＲにおける局所的な移動のしやすさとの関連性を考慮して、判定対象領域ＡＲにおける人の流れを判定する。より具体的には、判定部４４は、利用者数テーブル３２から判定対象領域ＡＲにおける利用者の数を識別し、利用者属性テーブル３３から判定対象領域ＡＲにおける利用者の属性と、各属性を有する人の数とを識別する。そして、判定部４４は、利用者の属性と、判定対象領域ＡＲ内の施設の属性との合致度に基づいて、判定対象領域ＡＲにおける局所的な移動のしやすさを判定する。

【0045】

より具体的には、判定部４４は、利用者属性テーブル３３に登録された利用者の属性と、店舗データベース３１に登録された店舗の属性とのマッチングを行い、マッチング度合に基づいて、判定対象領域ＡＲにおける局所的な移動のしにくさを示すパラメータの値を設定する。例えば、判定部４４は、利用者属性テーブル３３に登録された利用者属性のうち、店舗データベース３１に登録された店舗属性と一致する利用者属性の数が多いほど、大きい値をパラメータとして設定する。また、判定部４４は、店舗データベース３１に登録された店舗属性と一致する利用者属性と対応付けられた人数の数が多いほど、大きい値をパラメータとして設定する。なお、判定部４４は、判定対象となる時間帯における施設の属性と利用者の属性との合致度に基づいて、判定対象領域ＡＲにおける局所的な移動のしやすさを判定してもよい。

【0046】

そして、判定部４４は、判定対象領域ＡＲに滞在する人の数を、判定対象領域ＡＲを流れる流体を構成する粒子と見做し、設定したパラメータの値、すなわち、利用者の属性に基づく局所的な移動のしやすさを示す値を、領域を流れる流体の粘性を示す値と見做して、判定対象領域ＡＲを流れる流体の動きを算出する。そして、判定部４４は、算出結果に基づいて、判定対象領域ＡＲにおける人の流れやすさを判定する。

【0047】

提供部４５は、判定部４４による判定結果に基づくタイミングで、利用者に対して情報を提供する。例えば、提供部４５は、判定部４４によって判定された判定対象領域ＡＲにおける人の流れやすさと、配信情報データベース３４に登録された提供条件とに基づいて、利用者に対して各店舗の店舗情報を配信するタイミングを決定する。例えば、提供部４５は、判定対象領域ＡＲにおける人の流れやすさが所定の閾値よりも高い場合には、提供条件が示すタイミングよりも早いタイミングで店舗情報を配信し、人の流れやすさが所定の閾値よりも低い場合には、提供条件が示すタイミングよりも遅いタイミングで店舗情報を配信する旨を決定する。そして、提供部４５は、決定したタイミングで、店舗情報の配信を行う。

【0048】

〔３．算出手法の一例〕
次に、数式を用いて、判定装置１０が、利用者を流体を構成する粒子と見做し、利用者の属性に基づく局所的な動きずらさを流体の粘性と見做して、判定対象領域ＡＲにおける人の流れを判定する処理の一例について説明する。なお、以下に示す数式は、あくまで一例であり、同様に流体の動きをシミュレートする数式であれば、任意の数式を採用可能である。

【0049】

例えば、時間を「ｔ」、密度を「ρ」、速度を「ｖ」、粘性係数を「μ」とおくと、圧縮性流れの連続の式は以下の式（１）で表され、流体の運動を記述するナビエストークスの式は、以下の式（２）で表すことができる。

【0050】

【数1】

【0051】

【数2】

【0052】

ここで、流体を複数の粒子の集合体として近似的に表すと、粒子ｉの密度を「ρ_ｉ」、粒子ｉの速度を「ｖ_ｉ」、粒子ｉの位置ベクトルを「ｒ_ｉ」、粒子ｊの速度を「ｖ_ｊ」、粒子ｊの位置ベクトルを「ｒ_ｊ」とし、粒子の持つ物理量をカーネルと呼ばれる重み関数Ｗで表すと、式（１）は、以下の式（３）で表され、式（２）は、以下の式（４）で表すことができる。ここで、カーネルＷは、ある粒子の物理量を周囲の粒子に重みづけする関数である。また、式（４）中の「Π_ｉｊ」は、粘性を示す粘性項であり、以下の式（５）で表すことができる。

【0053】

【数3】

【0054】

【数4】

【0055】

【数5】

【0056】

判定装置１０は、このような式（３）〜（５）において、利用者の数に基づく数の粒子を設定し、利用者の属性に基づく粘性項の値を設定することで、判定対象領域ＡＲにおける流体の流れをシミュレートする。そして、判定装置１０は、シミュレート結果に基づいて、判定対象領域ＡＲにおける人の流れやすさを判定すればよい。なお、各粒子の位置や速度は、ベクトルで表されることとなる。このため、判定装置１０は、各利用者が移動する方向をさらに特定し、特定した方向に基づいて、位置や速度の正負を設定してもよい。すなわち、判定装置１０は、利用者の数に基づく大局的な流れと、利用者の属性に基づく局所的な流れとを相互に考慮して、パーティクル法に基づく流体の流れを算出し、算出結果に基づいて人の流れやすさを判定するのであれば、任意の設定等を採用可能である。

【0057】

〔４．処理の流れの一例〕
次に、図７を用いて、判定装置１０が実行する処理の流れの一例について説明する。図７は、実施形態に係る判定装置が実行する処理の流れの一例を説明する図である。例えば、判定装置１０は、判定対象領域ＡＲにおける画像を取得し（ステップＳ１０１）、取得した画像から判定対象領域ＡＲに滞在する利用者の数を特定する（ステップＳ１０２）。すなわち、判定装置１０は、利用者の数に基づいて判定対象領域ＡＲにおける大局的な人の流れやすさを設定する。続いて、判定装置１０は、取得した画像から、画像認識技術を用いて、判定対象領域ＡＲに滞在する利用者の属性を特定する（ステップＳ１０３）。

【0058】

そして、判定装置１０は、利用者の数をパーティクル法における粒子の数とみなす（ステップＳ１０４）。続いて、判定装置１０は、特定した利用者の属性と店舗属性とのマッチングを行い（ステップＳ１０５）、マッチング結果に基づいて、パーティクル法における粘性項の値を決定する（ステップＳ１０６）。すなわち、判定装置１０は、利用者の属性に基づく局所的な人の流れやすさを決定する。そして、判定装置１０は、パーティクル法に基づいて、判定対象領域ＡＲにおける人の流れ、すなわち、移動の傾向を判定し（ステップＳ１０７）、判定結果を用いて、利用者に対して所定のサービスを提供し（ステップＳ１０８）、処理を終了する。

【0059】

〔５．変形例〕
上述した実施形態に係る判定装置１０は、上記実施形態以外にも種々の異なる形態にて実施されてよい。そこで、以下では、上記の判定装置１０の他の実施形態について説明する。

【0060】

〔５−１．パラメータを用いた処理について〕
例えば、上述した判定装置１０は、利用者の属性と店舗属性とのマッチング結果に基づいて、パーティクル法における粘性項を設定したが、実施形態は、これに限定されるものではない。例えば、判定装置１０は、利用者の属性と店舗属性とのマッチング結果に基づいて、各利用者とみなされる粒子のカーネルを設定してもよい。例えば、判定装置１０は、Ｎ人の利用者の属性が、判定対象領域ＡＲにおける店舗情報と一致した場合には、Ｎ個の粒子に対して、周囲の粒子に強い所定のカーネルを設定し、他の粒子には、周囲の粒子にあまり影響を与えないカーネルの設定を行ってもよい。すなわち、判定装置１０は、判定対象領域ＡＲにおける大局的な流れと、局所的な流れとを考慮するのであれば、任意の設定を採用してよい。また、判定装置１０は、判定対象領域ＡＲにおける大局的な移動の傾向と、局所的な移動の傾向とを考慮して、判定対象領域ＡＲにおける移動の傾向を判定するのであれば、移動のしやすさ（流れやすさ）や移動のしにくさ（流れにくさ）のみならず、他の傾向を判定してもよい。

【0061】

〔５−２．ハードウェア構成について〕
また、上述してきた実施形態に係る判定装置１０は、例えば図８に示すような構成のコンピュータ１０００によって実現される。図８は、ハードウェア構成の一例を示す図である。コンピュータ１０００は、出力装置１０１０、入力装置１０２０と接続され、演算装置１０３０、一次記憶装置１０４０、二次記憶装置１０５０、出力ＩＦ（Interface）１０６０、入力ＩＦ１０７０、ネットワークＩＦ１０８０がバス１０９０により接続された形態を有する。

【0062】

演算装置１０３０は、一次記憶装置１０４０や二次記憶装置１０５０に格納されたプログラムや入力装置１０２０から読み出したプログラム等に基づいて動作し、各種の処理を実行する。一時記憶装置１０４０は、ＲＡＭ等、演算装置１０３０が各種の演算に用いるデータを一次的に記憶するメモリ装置である。また、二次記憶装置１０５０は、演算装置１０３０が各種の演算に用いるデータや、各種のデータベースが登録される記憶装置であり、ＲＯＭ(Read Only Memory)、ＨＤＤ、フラッシュメモリ等により実現される。

【0063】

出力ＩＦ１０６０は、モニタやプリンタといった各種の情報を出力する出力装置１０１０に対し、出力対象となる情報を送信するためのインタフェースであり、例えば、ＵＳＢ（Universal Serial Bus）やＤＶＩ（Digital Visual Interface）、ＨＤＭＩ（登録商標）（High Definition Multimedia Interface）といった規格のコネクタにより実現される。また、入力ＩＦ１０７０は、マウス、キーボード、およびスキャナ等といった各種の入力装置１０２０から情報を受信するためのインタフェースであり、例えば、ＵＳＢ等により実現される。

【0064】

なお、入力装置１０２０は、例えば、ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto-Optical disk）等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等から情報を読み出す装置であってもよい。また、入力装置１０２０は、ＵＳＢメモリ等の外付け記憶媒体であってもよい。

【0065】

ネットワークＩＦ１０８０は、ネットワークＮを介して他の機器からデータを受信して演算装置１０３０へ送り、また、ネットワークＮを介して演算装置１０３０が生成したデータを他の機器へ送信する。

【0066】

演算装置１０３０は、出力ＩＦ１０６０や入力ＩＦ１０７０を介して、出力装置１０１０や入力装置１０２０の制御を行う。例えば、演算装置１０３０は、入力装置１０２０や二次記憶装置１０５０からプログラムを一次記憶装置１０４０上にロードし、ロードしたプログラムを実行する。

【0067】

例えば、コンピュータ１０００が判定装置１０として機能する場合、コンピュータ１０００の演算装置１０３０は、一次記憶装置１０４０上にロードされたプログラムを実行することにより、制御部４０の機能を実現する。

【0068】

〔６．効果〕
このように、判定装置１０は、判定対象領域ＡＲに滞在する利用者の属性を特定する。そして、判定装置１０は、利用者の数に基づいた判定対象領域ＡＲにおける移動の傾向と、利用者の属性に基づいた判定対象領域ＡＲにおける局所的な移動の傾向とに基づいて、判定対象領域ＡＲにおける移動の傾向を判定する。このため、例えば、判定装置１０は、判定対象領域ＡＲにおける利用者が店舗によって歩みを遅めたり、利用者が店舗に近づくことで他の利用者が移動しづらくなるといった局所的な流れを考慮して、判定対象領域ＡＲ全体における人の流れ等の移動の傾向を判定することができる。この結果、判定装置１０は、人の流れの判定精度を向上させることができる。

【0069】

また、判定装置１０は、利用者の属性と、判定対象領域ＡＲに存在する店舗等の施設の属性との合致度に基づいて、判定対象領域ＡＲにおける局所的な移動の傾向を判定する。このため、判定装置１０は、例えば、利用者の属性に基づいて、利用者が興味を有すると予測される店舗の存在の有無や数を特定し、特定結果に基づいて、局所的な移動のしやすさを判定することができる。この結果、判定装置１０は、例えば、利用者が興味を有する店舗に寄ろうとしたり、店舗の方へ移動したりすることによる影響を考慮して、判定対象領域ＡＲ全体における人の流れを判定することができるので、人の流れの判定精度を向上させることができる。

【0070】

また、判定装置１０は、利用者の属性と、所定の時間帯における施設の属性との合致度に基づいて、判定対象領域ＡＲにおける局所的な移動の傾向を判定する。このため、判定装置１０は、人の流れの判定精度を向上させることができる。

【0071】

また、判定装置１０は、判定対象領域ＡＲにおける利用者を、判定対象領域ＡＲを流れる流体を構成する粒子と見做し、利用者の属性に基づく局所的な移動の傾向を流体の粘性と見做して、判定対象領域ＡＲを流れる流体の動きを算出し、算出結果に基づいて、判定対象領域ＡＲにおける移動の傾向を判定する。この結果、判定装置１０は、人の流れの判定精度を向上させることができる。

【0072】

以上、本願の実施形態のいくつかを図面に基づいて詳細に説明したが、これらは例示であり、発明の開示の欄に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。

【0073】

また、上記してきた「部（section、module、unit）」は、「手段」や「回路」などに読み替えることができる。例えば、判定部は、判定手段や判定回路に読み替えることができる。

【符号の説明】

【0074】

１０ 判定装置
２０ 通信部
３０ 記憶部
３１ 店舗データベース
３２ 利用者数テーブル
３３ 利用者属性テーブル
３４ 配信情報データベース
４０ 制御部
４１ 取得部
４２ 解析部
４３ 特定部
４４ 判定部
４５ 提供部
５０ 端末装置
１００ カメラ

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】