2023-113330 推定装置および推定方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2023113330

(43)【公開日】2023-08-16

(54)【発明の名称】推定装置および推定方法

(51)【国際特許分類】

   G06Q 30/0201 20230101AFI20230808BHJP

   G06Q 30/06 20230101ALI20230808BHJP

【ＦＩ】

G06Q30/02 300

G06Q30/06

【審査請求】未請求

【請求項の数】13

【出願形態】ＯＬ

(21)【出願番号】P 2022015609

(22)【出願日】2022-02-03

(71)【出願人】

【識別番号】000005108

【氏名又は名称】株式会社日立製作所

(74)【代理人】

【識別番号】110001678

【氏名又は名称】藤央弁理士法人

(72)【発明者】

【氏名】山田 健一郎

【テーマコード（参考）】

5L049

【Ｆターム（参考）】

5L049BB02

5L049BB44

5L049BB56

(57)【要約】      （修正有）

【課題】面滞在時間の推定容易化を図る推定装置及び推定方法を提供する。
【解決手段】クラウドシステム１００において、プログラムを実行するプロセッサと、プログラムを記憶する記憶デバイスと、を有する推定装置１０１は、人が対面する１以上の面を有する区画１３１が配置されている領域において、時系列な人の移動軌跡を示す人流方向データ１１２を取得する取得処理と、取得処理によって取得された人流方向データ１１２と、区画１３１内における面の位置と、に基づいて、面における人の滞在時間を算出する算出処理と、算出処理によって算出された滞在時間を出力する出力処理と、を実行する。
【選択図】図１

【特許請求の範囲】

【請求項1】

プログラムを実行するプロセッサと、前記プログラムを記憶する記憶デバイスと、を有する推定装置であって、
前記プロセッサは、
人が対面する１以上の面を有する区画が配置されている領域において、時系列な前記人の移動軌跡を示す人流方向データを取得する取得処理と、
前記取得処理によって取得された人流方向データと、前記区画内における前記面の位置と、に基づいて、前記面における前記人の滞在時間を算出する算出処理と、
前記算出処理によって算出された滞在時間を出力する出力処理と、
を実行することを特徴とする推定装置。

【請求項2】

請求項１に記載の推定装置であって、
前記取得処理では、前記プロセッサは、前記領域に配置された、物体の距離および移動方向を検出するセンサからの出力に基づいて、前記人流方向データを取得する、
ことを特徴とする推定装置。

【請求項3】

請求項１に記載の推定装置であって、
前記算出処理では、前記プロセッサは、前記区画の周辺環境を示すデータに基づいて、前記滞在時間を算出する、
ことを特徴とする推定装置。

【請求項4】

請求項１に記載の推定装置であって、
前記記憶デバイスは、過去の前記人流方向データと前記面の位置とを説明変数とし、前記面における過去の滞在時間を目的変数として学習された面滞在時間推定モデルを記憶しており、
前記算出処理では、前記プロセッサは、前記人流方向データと前記面の位置とを前記面滞在時間推定モデルに入力することにより、前記滞在時間を算出する、
ことを特徴とする推定装置。

【請求項5】

請求項４に記載の推定装置であって、
前記記憶デバイスは、過去の前記人流方向データと前記面の位置と前記区画の周辺環境を示すデータとを説明変数とし、前記面における過去の滞在時間を目的変数として学習された面滞在時間推定モデルを記憶しており、
前記算出処理では、前記プロセッサは、前記人流方向データと前記面の位置と前記区画の周辺環境を示すデータとを前記面滞在時間推定モデルに入力することにより、前記滞在時間を算出する、
ことを特徴とする推定装置。

【請求項6】

請求項１に記載の推定装置であって、
前記プロセッサは、
前記区画において前記面を構成する棚に配置される商品の売上個数と、前記面の前記滞在時間と、に基づいて、前記棚における前記商品の配置位置を推定する棚割推定処理を実行し、
前記出力処理では、前記プロセッサは、前記棚割推定処理によって推定された前記商品の配置位置を出力する、
ことを特徴とする推定装置。

【請求項7】

請求項６に記載の推定装置であって、
前記棚割推定処理では、前記プロセッサは、前記区画に配置される商品群について前記売上個数に基づいて優先順位を設定し、前記優先順位にしたがって、前記棚における前記商品の配置位置を推定する、
ことを特徴とする推定装置。

【請求項8】

請求項１に記載の推定装置であって、
前記プロセッサは、
前記区画において前記面を有する棚に配置される商品の客単価と、前記面の前記滞在時間と、に基づいて、前記棚における前記商品の配置位置を推定する棚割推定処理を実行し、
前記出力処理では、前記プロセッサは、前記棚割推定処理によって推定された前記商品の配置位置を出力する、
ことを特徴とする推定装置。

【請求項9】

請求項８に記載の推定装置であって、
前記棚割推定処理では、前記プロセッサは、前記区画に配置される商品群について前記客単価に基づいて優先順位を設定し、前記優先順位にしたがって、前記棚における前記商品の配置位置を推定する、
ことを特徴とする推定装置。

【請求項10】

請求項８に記載の推定装置であって、
前記取得処理では、前記プロセッサは、前記人が前記商品の配置位置に腕を伸ばした回数を取得し、
前記プロセッサは、
前記腕を伸ばした回数と、前記商品の売上個数と、に基づいて、前記商品の前記客単価を推定する客単価推定処理を実行し、
前記棚割推定処理では、前記商品の売上個数と、前記客単価推定処理によって推定された前記商品の客単価と、に基づいて、前記棚における前記商品の配置位置を推定する、
ことを特徴とする推定装置。

【請求項11】

請求項１に記載の推定装置であって、
前記プロセッサは、
前記区画において前記面を有する棚に配置される商品の売上個数および客単価と、前記面の前記滞在時間と、に基づいて、前記棚における前記商品の配置位置を推定する棚割推定処理を実行し、
前記出力処理では、前記プロセッサは、前記棚割推定処理によって推定された前記商品の配置位置を出力する、
ことを特徴とする推定装置。

【請求項12】

請求項６に記載の推定装置であって、
前記棚割推定処理では、前記プロセッサは、前記棚の高さ方向の位置に基づいて、前記棚における前記商品の配置位置を推定する、
ことを特徴とする推定装置。

【請求項13】

プログラムを実行するプロセッサと、前記プログラムを記憶する記憶デバイスと、を有する推定装置による推定方法であって、
前記プロセッサは、
１以上の面を有する区画が配置されている領域において、時系列な人の移動軌跡を示す人流方向データを取得する取得処理と、
前記取得処理によって取得された人流方向データと、前記区画内における前記面の位置と、に基づいて、前記面における前記人の滞在時間を算出する算出処理と、
前記算出処理によって算出された滞在時間を出力する出力処理と、
を実行することを特徴とする推定方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、データを推定する推定装置および推定方法に関する。

【背景技術】

【0002】

下記特許文献１は、ユーザが第１商品に手を伸ばしたことを示す情報を入力する第１入力部と、ユーザの属性を推定する推定部と、ユーザが第１商品を購入しなかった場合に、ユーザの属性に対応付けて第１商品に手を伸ばしたことを記憶する記憶部と、を備え、ユーザが第１商品と同一カテゴリの第２商品を購入した場合に、記憶部は、第２商品の情報を記憶する電子機器を開示する。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０１４－０２１７９５号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

しかしながら、上述した従来技術では、人流に基づく棚面前の人の滞在時間や棚割設定については、考慮されていない。

【0005】

本発明は、面滞在時間の推定容易化を図ることを目的とする。

【課題を解決するための手段】

【0006】

本開示技術は、プログラムを実行するプロセッサと、前記プログラムを記憶する記憶デバイスと、を有する推定装置であって、前記プロセッサは、人が対面する１以上の面を有する区画が配置されている領域において、時系列な前記人の移動軌跡を示す人流方向データを取得する取得処理と、前記取得処理によって取得された人流方向データと、前記区画内における前記面の位置と、に基づいて、前記面における前記人の滞在時間を算出する算出処理と、前記算出処理によって算出された滞在時間を出力する出力処理と、を実行することを特徴とする。

【発明の効果】

【0007】

本発明の代表的な実施の形態によれば、面滞在時間の推定容易化を図ることができる。前述した以外の課題、構成及び効果は、以下の実施例の説明により明らかにされる。

【図面の簡単な説明】

【0008】

【図1】図１は、実施例１にかかる分析システムのシステム構成例１を示す説明図である。

【図2】図２は、区画を示す平面図である。

【図3】図３は、区画周辺環境データ記憶部の一例を示す説明図である。

【図4】図４は、面配置データ記憶部の一例を示す説明図である。

【図5】図５は、コンピュータのハードウェア構成例を示すブロック図である。

【図6】図６は、登録画面の一例を示す説明図である。

【図7】図７は、面滞在時間推定モードを表示する表示画面の一例を示す説明図である。

【図8】図８は、推奨棚割推定モードを表示する表示画面の一例を示す説明図である。

【図9】図９は、実施例１にかかる分析システムのシステム構成例２を示す説明図である。

【図10】図１０は、実施例１にかかる分析システムのシステム構成例３を示す説明図である。

【図11】図１１は、クラウドサーバによる面滞在時間推定処理手順例を示すフローチャートである。

【図12】図１２は、客単価推定部による客単価推定処理手順例を示すフローチャートである。

【図13】図１３は、棚割推定部による棚割推定処理手順例を示すフローチャートである。

【図14】図１４は、商品群のグルーピング例を示す説明図である。

【図15】図１５は、グループに所属する商品群の一例を示す説明図である。

【図16】図１６は、商品追加例１を示す説明図である。

【図17】図１７は、商品追加例２を示す説明図である。

【発明を実施するための形態】

【実施例0009】

＜分析システムのシステム構成例１＞
図１は、実施例１にかかる分析システムのシステム構成例１を示す説明図である。構成例１は、面滞在時間推定モデルを用いて面滞在時間を推定する場合の構成の一例である。面滞在時間推定モデルとは、棚１３２の正面である棚面前での人１３４の滞在時間を推定する学習モデルである。

【0010】

クラウドシステム１００は、クラウドサーバ１０１と、商業施設１０２Ａ、１０２Ｂ、１０２Ｃ、…（これらを区別しない場合は、単に商業施設１０２）と、商業施設１０２Ａ、１０２Ｂ、１０２Ｃ、…の各々の情報処理装置１０３Ａ、１０３Ｂ、１０３Ｃ、…（これらを区別しない場合は、単に情報処理装置１０３）と、インターネット、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＷＡＮ（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）などのネットワーク１０４を介して通信可能に接続される。

【0011】

商業施設１０２は、区画１３１と、区画１３１近傍に設置された人流データ取得部１３０とを有する。区画１３１は、商品を陳列する棚１３２を有する。図１の区画１３１では、コの字形状に３つの棚１３２が配置されている。また、区画１３１において区画１３１外の通路と連結する部分を開口１３３と称す。開口１３３は、人１３４が出入りする部分である。

【0012】

人流データ取得部１３０は、区画１３１周辺および区画１３１内の人１３４の人流データ１１１を取得し、取得した人流データ１１１をネットワーク１０４を介してクラウドサーバ１０１に送信する。人流データ取得部１３０は、たとえば、ＬｉＤＡＲであり、物体の形状や物体までの距離、物体の移動方向を検出する。これにより、たとえば、人流データ取得部１３０は、人１３４ごとに形状を特定し、特定した形状の人１３４がどの方向にどれくらい移動したかを示す人流データ１１１を取得する。すなわち、人流データ１１１は、人１３４の時系列な位置情報である。ＬｉＤＡＲは、人１３４がＸＹ平面方向に腕を伸ばしたか否かを検出することもできるため、人流データ１１１は、各々の人１３４がＸＹ平面方向に腕を伸ばした回数も含む。

【0013】

情報処理装置１０３は、商業施設１０２の棚割管理者またはテナント管理者（以下、単に、管理者）が操作するコンピュータであり、クラウドサーバ１０１にデータを入力したり、クラウドサーバ１０１からのデータを出力したりする。具体的には、たとえば、情報処理装置１０３Ａは、商業施設１０２Ａの管理者が操作するコンピュータであり、情報処理装置１０３Ｂは、商業施設１０２Ｂの管理者が操作するコンピュータであり、情報処理装置１０３Ｃは、商業施設１０２Ｃの管理者が操作するコンピュータである。

【0014】

クラウドサーバ１０１は、区画周辺環境データ記憶部１１３と、面配置データ記憶部１１４と、面滞在時間推定モデル記憶部１１５と、を有する。区画周辺環境データ記憶部１１３は、区画周辺環境データを記憶する。区画周辺環境データとは、区画１３１の周辺環境を示すデータであり、たとえば、区画１３１がある商業施設１０２の規模、商業施設１０２の建造（エンクローズドまたはオープン）、立地、人１３４の平均通行量を示す。

【0015】

面配置データ記憶部１１４は、面配置データを記憶する。面配置データとは、棚１３２の棚面の配置を規定するデータである。面滞在時間推定モデル記憶部１１５は、面滞在時間推定モデル１１６を区画１３１ごとに記憶する。面滞在時間推定モデル１１６は、区画１３１ごとに存在し、人流方向データ１１２、区画周辺環境データおよび面配置データが入力されると、推定値である面滞在時間１１７を区画１３１内の棚面ごとに出力する。

【0016】

また、クラウドサーバ１０１は、人流方向分析部１２１と、棚割推定部１２２と、客単価推定部１２３と、を有する。人流方向分析部１２１は、人流データ１１１を分析して人１３４の人流方向データ１１２を出力する。人流方向データ１１２は、たとえば、ＸＹ平面上を移動する人１３４の時系列な移動軌跡である。また、ＬｉＤＡＲは、人１３４がＸＹ平面方向に腕を伸ばしたか否かを検出することもできる。また、棚面Ｓ＃の幅方向および高さ方向により、商品群の棚割が決まっているため、人流方向データ１１２は、各々の人１３４が棚面Ｓ＃の商品ごとに腕を伸ばした回数も含む。

【0017】

棚割推定部１２２は、面滞在時間１１７に基づいて、棚割を推定し、推定結果として棚割データ１１８を出力する。客単価推定部１２３は、面滞在時間１１７に基づいて、区画１３１における客単価を算出する。なお、客単価には、ある期間内における区画１３１での全商品の売上金額に基づく客一人当たりの売上金額と、ある期間内における区画１３１での商品ごとの売上金額に基づく客一人当たりの商品ごとの売上金額と、がある。これらの少なくとも１つの客単価を客単価データ１１９と称す。また、クラウドサーバ１０１は、面滞在時間１１７と商業施設１０２固有の係数とに基づいて、区画１３１が配置される商業施設１０２内の場所の賃料を推定してもよい。

【0018】

＜棚面＞
図２は、区画１３１を示す平面図である。図２では、３種類の区画１３１Ａ～１３１Ｃを示している。区画１３１Ａ～１３１Ｃを区別しない場合は、区画１３１と称す。Ｘは、開口１３３に対して直交する方向であり、Ｙは、Ｘに直交する人流である。区画１３１は、棚面Ｓ＃と領域Ａ＃とを有する。＃は番号である。領域Ａ＃は同一番号＃の棚面Ｓ＃に対応する。具体的には、たとえば、人１３４は、領域Ａ＃に滞在するときに棚面Ｓ＃と対面する。棚面Ｓ＃は、棚１３２の間口となる棚１３１の正面である。なお、棚面Ｓ＃は、１以上の棚１３２の正面が面一になった面であるが、本例では説明を単純化するため、棚面Ｓ＃は１つの棚１３２の正面として説明する。

【0019】

＜区画周辺環境データ記憶部１１３＞
図３は、区画周辺環境データ記憶部１１３の一例を示す説明図である。区画周辺環境データ記憶部１１３は、区画周辺環境データを、たとえば、テーブル形式で保持する。区画周辺環境データ記憶部１１３は、フィールドとして、施設ＩＤ３０１と、規模３０２と、建屋３０３と、立地３０４と、平均通行量３０５と、を有する。同一行の各フィールドの値の組み合わせが、１つの商業施設１０２に関する区画周辺環境データを規定するエントリとなる。

【0020】

施設ＩＤ３０１は、商業施設１０２を一意に特定する識別情報である。規模３０２は、商業施設１０２がリージョナル型、コミュニティ型、およびネイバーフッド型のいずれかに該当するかを示す情報である。建屋３０３は、商業施設１０２の構造がエンクローズドおよびオープンのいずれに該当するかを示す情報である。立地３０４は、商業施設１０２の設置場所が駅チカ、都市、および郊外のいずれに該当するかを示す情報である。駅チカとは、商業施設１０２の最寄り駅の近くまたは最寄り駅の地下を意味する。平均通行量３０５は、商業施設１０２における単位時間あたりの人１３４の通行量（人／時）である。なお、規模３０２、建屋３０３および立地３０４は、たとえば、ワンホットエンコーディングされている。

【0021】

＜面配置データ記憶部１１４＞
図４は、面配置データ記憶部１１４の一例を示す説明図である。面配置データ記憶部１１４は、区画１３１の面配置データ４００を、たとえば、テーブル形式で保持する。面配置データ４００は、フィールドとして、施設ＩＤ３０１と、区画ＩＤ４０２と、棚面ＩＤ４０３と、配置情報４０４と、を有する。

【0022】

区画ＩＤ４０２は、区画１３１を一意に特定する識別情報である。棚面ＩＤ４０３は、棚面Ｓ＃を一意に特定する識別情報である。配置情報４０４は、棚面Ｓ＃の区画１３１内の位置および棚面Ｓ＃の法線方向を規定する情報である。また、配置情報４０４は、棚面ＩＤ４０３で特定される棚面における棚１３２の棚段の段数や各棚段の間口の形状や容積といったデータも保持する。

【0023】

＜コンピュータのハードウェア構成＞
つぎに、クラウドサーバ１０１および情報処理装置１０３（以下、総称して、コンピュータ５００）のハードウェア構成について説明する。

【0024】

図５は、コンピュータ５００のハードウェア構成例を示すブロック図である。コンピュータ５００は、プロセッサ５０１と、記憶デバイス５０２と、入力デバイス５０３と、出力デバイス５０４と、通信インターフェース（通信ＩＦ）５０５と、を有する。プロセッサ５０１、記憶デバイス５０２、入力デバイス５０３、出力デバイス５０４、および通信ＩＦ５０５は、バス５０６により接続される。プロセッサ５０１は、コンピュータ５００を制御する。記憶デバイス５０２は、プロセッサ５０１の作業エリアとなる。また、記憶デバイス５０２は、各種プログラムやデータを記憶する非一時的なまたは一時的な記録媒体である。記憶デバイス５０２としては、たとえば、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、フラッシュメモリがある。入力デバイス５０３は、データを入力する。入力デバイス５０３としては、たとえば、キーボード、マウス、タッチパネル、テンキー、スキャナ、マイク、センサがある。出力デバイス５０４は、データを出力する。出力デバイス５０４としては、たとえば、ディスプレイ、プリンタ、スピーカがある。通信ＩＦ５０５は、ネットワークと接続し、データを送受信する。

【0025】

なお、図１に示した人流方向分析部１２１、棚割推定部１２２、および客単価推定部１２３は、具体的には、たとえば、記憶デバイス５０２に記憶されたプログラムをプロセッサ５０１に実行させることにより実現される機能である。また、図１に示した区画周辺環境データ記憶部１１３、面配置データ記憶部１１４、および面滞在時間推定モデル記憶部１１５は、記憶デバイス５０２に記憶される。

【0026】

＜表示画面例＞
つぎに、情報処理装置１０３に表示される表示画面例について説明する。

【0027】

図６は、登録画面の一例を示す説明図である。登録画面６００は、情報処理装置１０３が担当する区画１３１に関する情報を登録したり、登録済みの情報を修正したりするための画面である。登録画面６００は、区画ＩＤ入力欄６０１と、区画名選択プルダウン６０２と、区画写真表示領域６０３と、区画周辺環境データ６０４と、面配置レイアウト６０５と、登録ボタン６０６と、修正ボタン６０７と、を有する。

【0028】

区画ＩＤ入力欄６０１は、管理者が入力デバイス５０３を操作して区画ＩＤ４０２を入力するための領域である。登録ボタン６０６の押下により、入力された文字列が区画ＩＤ４０２としてクラウドサーバ１０１に登録される。修正ボタン６０７の押下により、修正後の文字列が、他の区画ＩＤ４０２と重複しない限り、新たな区画ＩＤ４０２としてクラウドサーバ１０１に更新される。

【0029】

区画名選択プルダウン６０２は、区画１３１の一覧を表示して区画１３１の選択を受け付けるユーザインタフェースである。登録画面６００では、区画名選択プルダウン６０２は、区画ＩＤ４０２が未登録の区画１３１の名称（区画名）が入力される領域となる。登録ボタン６０６の押下により、入力された文字列が区画名として、区画ＩＤ入力欄６０１に入力された文字列（区画ＩＤ４０２）と関連付けて、クラウドサーバ１０１に登録される。修正ボタン６０７の押下により、修正後の文字列が、区画名として区画ＩＤ４０２と関連付けてクラウドサーバ１０１に更新される。

【0030】

区画写真表示領域６０３は、区画１３１の写真（区画写真）である画像データを表示する領域である。情報処理装置１０３内の画像データを、入力デバイス５０３で操作（ドラッグアンドドロップ）することにより、当該画像データが、区画写真として区画写真表示領域６０３に表示される。登録ボタン６０６の押下により、表示中の画像データが区画写真として、区画ＩＤ入力欄６０１に入力された文字列（区画ＩＤ４０２）と関連付けて、クラウドサーバ１０１に登録される。修正ボタン６０７の押下により、差替え後の画像データが、差替え後の区画写真として区画ＩＤ４０２と関連付けてクラウドサーバ１０１に更新される。

【0031】

区画周辺環境データ６０４は、区画１３１が存在する商業施設１０２に関する区画周辺環境データである。なお、どの区画１３１がどの商業施設１０２に存在するかについては、面配置データ記憶部１１４の面配置データ４００で管理されている。

【0032】

情報処理装置１０３は、対応する商業施設１０２の施設ＩＤ３０１でクラウドサーバ１０１に要求することにより、当該商業施設１０２の区画周辺環境データ６０４を取得して、登録画面６００に表示する。

【0033】

面配置レイアウト６０５は、例として区画１３１Ａを平面視した図形データであり、面配置データ４００により作成される。

【0034】

登録ボタン６０６は、区画名、区画写真、区画周辺環境データ６０４（またはその施設ＩＤ３０１でもよい）、および面配置レイアウト６０５を区画ＩＤ４０２と関連付けてクラウドサーバ１０１に登録するためのユーザインタフェースである。

【0035】

修正ボタン６０７は、区画ＩＤ４０２、区画名、区画写真、および面配置レイアウト６０５を修正してクラウドサーバ１０１に更新するためのユーザインタフェースである。

【0036】

図７は、面滞在時間推定モードを表示する表示画面の一例を示す説明図である。表示画面７００は、推定対象区画ＩＤ入力欄７０１と、推定対象区画名選択プルダウン７０２と、第１推定条件選択プルダウン７０３と、第２推定条件選択プルダウン７０４と、面滞在時間ヒートマップ７０５と、面滞在時間一覧７０６と、実行ボタン７０７と、モード変更ボタン７０８と、を有する。

【0037】

推定対象区画ＩＤ入力欄７０１は、管理者が入力デバイス５０３を操作して推定対象区画ＩＤを入力するための領域である。推定対象区画ＩＤは、推定対象区画を一意に特定する識別情報である。推定対象区画は、面滞在時間の推定対象となる区画１３１である。

【0038】

推定対象区画名選択プルダウン７０２は、区画１３１の一覧を表示して推定対象区画の選択を受け付けるユーザインタフェースである。

【0039】

第１推定条件選択プルダウン７０３は、第１推定条件の一覧を表示して第１推定条件の選択を受け付けるユーザインタフェースである。第１推定条件は、平日、休日、日曜日～月曜日といった曜日である。第１推定条件は、条件設定なしに設定することもできる。

【0040】

第２推定条件選択プルダウン７０４は、第２推定条件の一覧を表示して第２推定条件の選択を受け付けるユーザインタフェースである。第２推定条件は、1日当たり、１週間あたり、１か月あたりといった期間である。第２推定条件は、条件設定なしに設定することもできる。

【0041】

面滞在時間ヒートマップ７０５は、第１推定条件および第２推定条件を充足した推定対象区画における面滞在時間１１７のヒートマップである。すなわち、色の濃淡により面滞在時間１１７の長さが表示される。面滞在時間ヒートマップ７０５は、人流方向データ１１２を用いて、クラウドサーバ１０１が面配置レイアウト６０５に面滞在時間１１７を示す色の濃淡を重畳することにより作成される。

【0042】

面滞在時間一覧７０６は、棚面Ｓ＃ごとの面滞在時間の推定値を示す推定結果である。具体的には、たとえば、面滞在時間一覧７０６は、棚面ＩＤ４０３と、面滞在時間１１７と、を有する。

【0043】

実行ボタン７０７は、押下により、第１推定条件選択プルダウン７０３および第２推定条件選択プルダウン７０４の第１推定条件および第２推定条件を充足した、推定対象区画ＩＤ入力欄７０１または推定対象区画名選択プルダウン７０２によって特定された推定対象区画について、面滞在時間１１７を棚面Ｓ＃ごとに算出し、面滞在時間ヒートマップ７０５および面滞在時間一覧７０６を表示するためのユーザインタフェースである。

【0044】

モード変更ボタン７０８は、押下により、表示画面７００の表示内容を面滞在時間推定モードから推奨棚割推定モードに、および、推奨棚割推定モードから面滞在時間推定モードに、変更するためのユーザインタフェースである。

【0045】

図８は、推奨棚割推定モードを表示する表示画面７００の一例を示す説明図である。推奨棚割推定モードでは、表示画面７００は、推定対象区画ＩＤ入力欄７０１と、推定対象区画名選択プルダウン７０２と、棚種選択プルダウン８０１と、棚段数選択プルダウン８０２と、第１推定条件選択プルダウン７０３と、推定対象区画面配置データ８０４と、棚割レイアウト８０５と、実行ボタン８０７と、モード変更ボタン７０８と、を有する。

【0046】

棚種選択プルダウン８０１は、棚種の一覧を表示して棚種の選択を受け付けるユーザインタフェースである。棚種は、棚の種類である。棚段数選択プルダウン８０２は、棚段数の一覧を表示して棚段数の選択を受け付けるユーザインタフェースである。

【0047】

推定対象区画面配置データ８０４は、推定対象区画の面配置レイアウト６０５である。棚割レイアウト８０５は、推定対象区画の各棚面Ｓ＃の棚割を示す図形データである。

【0048】

実行ボタン８０７は、押下により、棚種選択プルダウン８０１、棚段数選択プルダウン８０２および第１推定条件選択プルダウン７０３の棚種、棚段数、および第１推定条件を充足した、推定対象区画ＩＤ入力欄７０１または推定対象区画名選択プルダウン７０２によって特定された推定対象区画について、棚面Ｓ＃ごとの棚割を算出し、その算出結果として、棚割レイアウト８０５を表示するためのユーザインタフェースである。

【0049】

＜分析システムのシステム構成例２＞
図９は、実施例１にかかるクラウドシステム１００のシステム構成例２を示す説明図である。構成例２は、面滞在時間推定モデルを学習する場合の構成の一例である。図９では、図１にはない構成について説明する。クラウドサーバ１０１は、人流方向データ記憶部９０１と、面滞在時間記憶部９０２と、面滞在時間推定モデル学習部９０３と、を有する。

【0050】

人流方向データ記憶部９０１は、人流方向データ１１２を記憶する。面滞在時間記憶部９０２は、面滞在時間を記憶する。面滞在時間は、たとえば、各区画１３１の棚面Ｓ＃ごとの人１３４の滞在時間の実測値である。

【0051】

面滞在時間推定モデル学習部９０３は、人流方向データ１１２、区間周辺環境データ、および面配置データ４００における棚面Ｓ＃の配置情報４０４（位置および法線方向）を説明変数とし、面滞在時間を目的変数として、機械学習により面滞在時間推定モデル１１６を学習する。

【0052】

なお、図９に示した面滞在時間推定モデル学習部９０３は、具体的には、たとえば、記憶デバイス５０２に記憶されたプログラムをプロセッサ５０１に実行させることにより実現される機能である。また、図９に示した人流方向データ記憶部９０１および面滞在時間記憶部９０２は、記憶デバイス５０２に記憶される。

【0053】

＜分析システムのシステム構成例２＞
図１０は、実施例１にかかるクラウドシステム１００のシステム構成例３を示す説明図である。構成例３は、棚割モデルを学習する場合の構成の一例である。図１０では、図１および図９にはない構成について説明する。クラウドサーバ１０１は、学習用棚割データ１００１と、学習用棚割データ記憶部１００２と、客単価記憶部１００３と、棚割推定モデル１００４と、棚割推定モデル記憶部１００５と、棚割推定モデル学習部１０１０と、を有する。

【0054】

学習用棚割データ１００１は、学習用の棚割データである。棚割データは、どの棚面Ｓ＃のどの棚段に何が配置されているかを示すデータである。学習用棚割データ記憶部１００２は、学習用棚割データ１００１を記憶する。客単価記憶部１００３は、区画１３１ごとの客単価を記憶する。棚割推定モデル１００４は、棚割を推定する学習モデルである。棚割推定モデル記憶部１００５は、棚割推定モデル１００４を記憶する。

【0055】

棚割推定モデル学習部１０１０は、人流方向データ１１２、区間周辺環境データ、面配置データ４００における棚面Ｓ＃の配置情報４０４（位置および法線方向）、および客単価を説明変数とし、学習用棚割データ１００１を目的変数として、機械学習により棚割推定モデル１００４を学習する。

【0056】

なお、図９に示した棚割推定モデル学習部１０１０は、具体的には、たとえば、記憶デバイス５０２に記憶されたプログラムをプロセッサ５０１に実行させることにより実現される機能である。また、図９に示した学習用棚割データ記憶部１００２および客単価記憶部１００３は、記憶デバイス５０２に記憶される。

【0057】

＜面滞在時間推定処理＞
図１１は、クラウドサーバ１０１による面滞在時間推定処理手順例を示すフローチャートである。クラウドサーバ１０１は、情報処理装置１０３で入力された推定対象区画の区画ＩＤ４０２（以下、推定対象区画ＩＤ４０２）と、第１推定条件と、第２推定条件と、を、情報処理装置１０３から受信する（ステップＳ１１０１）。

【0058】

クラウドサーバ１０１は、人流方向分析部１２１により、推定対象区画について、第１推定条件および第２推定条件に該当する人流方向データ１１２を取得する（ステップＳ１１０２）。

【0059】

クラウドサーバ１０１は、推定対象区画の面滞在時間推定モデル１１６に、ステップＳ１１０２で取得した人流方向データ１１２、区画周辺環境データおよび面配置データを入力して、推定値である面滞在時間１１７を算出する（ステップＳ１１０３）。

【0060】

クラウドサーバ１０１は、面滞在時間１１７を面滞在時間ヒートマップ７０５と、面滞在時間一覧７０６とを生成し（ステップＳ１１０４）、情報処理装置１０３に送信する（ステップＳ１１０５）。これにより、図７に示したような表示画面７００が情報処理装置１０３に表示される。

【0061】

＜客単価推定処理＞
図１２は、客単価推定部１２３による客単価推定処理手順例を示すフローチャートである。クラウドサーバ１０１は、情報処理装置１０３から、客単価データ１１９の推定対象区画ＩＤ４０２および推定対象期間を取得する（ステップＳ１２０１）。

【0062】

クラウドサーバ１０１は、ステップＳ１２０１で選択された推定対象区画について、推定対象期間内において、人流方向データ１１２に基づいて、人１３４が棚面Ｓ＃に腕を伸ばした回数を取得する（ステップＳ１２０２）。具体的には、たとえば、クラウドサーバ１０１は、棚面Ｓ＃における商品の陳列位置ごとに、人１３４が棚面Ｓ＃に腕を伸ばした回数を取得する。

【0063】

クラウドサーバ１０１は、推定対象期間内に推定対象区画に陳列された商品の売上金額を情報処理装置１０３から取得する（ステップＳ１２０３）。

【0064】

クラウドサーバ１０１は、ステップＳ１２０３で取得した推定対象期間内における推定対象区画に陳列された商品ごとに、当該商品の売上金額を、当該商品の陳列位置に腕を伸ばした回数で除することにより、商品ごとの客単価を算出する（ステップＳ１２０４）。

【0065】

クラウドサーバ１０１は、ステップＳ１２０４で算出した客単価を情報処理装置１０３に送信する（ステップＳ１２０５）。これにより、情報処理装置１０３に客単価データ１１９が表示される。

【0066】

＜棚割推定処理＞
図１３は、棚割推定部１２２による棚割推定処理手順例を示すフローチャートである。クラウドサーバ１０１は、推定対象期間における推定対象区画での商品群の売上個数および客単価データ１１９を取得する（ステップＳ１３０１）。具体的には、たとえば、クラウドサーバ１０１は、情報処理装置１０３および商業施設１０２にＰＯＳ（Ｐｏｉｎｔ Ｏｆ Ｓａｌｅｓ）システムが導入されている場合は、情報処理装置１０３のＰＯＳデータから、推定対象期間における推定対象区画での商品群の売上個数および客単価を取得する。

【0067】

また、クラウドサーバ１０１は、情報処理装置１０３および商業施設１０２にＰＯＳシステムが導入されていない場合は、情報処理装置１０３で管理者が入力した推定対象期間における推定対象区画での商品群の売上個数を情報処理装置１０３から取得する。また、クラウドサーバ１０１は、客単価推定部１２３から推定対象期間における客単価データ１１９を取得する。

【0068】

クラウドサーバ１０１は、区画１３１における商品ごとの売上個数および客単価でグループ分けする（ステップＳ１３０２）。

【0069】

図１４は、商品群のグルーピング例を示す説明図である。図１４において、横軸を商品の客単価とし、そのしきい値をＴｈ１とする。また、縦軸を商品の売上個数とし、そのしきい値をＴｈ２とする。

【0070】

客単価がしきい値Ｔｈ１以上で、かつ、売上個数がしきい値Ｔｈ２以上となる商品の集合をグループＧ１とする。客単価がしきい値Ｔｈ１より小さく、かつ、売上個数がしきい値Ｔｈ２以上となる商品の集合をグループＧ２とする。客単価がしきい値Ｔｈ１以上で、かつ、売上個数がしきい値Ｔｈ２より小さい商品の集合をグループＧ３とする。客単価がしきい値Ｔｈ１より小さく、かつ、売上個数がしきい値Ｔｈ２より小さい商品の集合をグループＧ４とする。

【0071】

図１４では、クラウドサーバ１０１は、区画１３１内の陳列対象商品群をグループＧ１～Ｇ４の４つのグループに分類したが、２以上であれば、グループ数は４つに限定されない。

【0072】

図１３に戻り、クラウドサーバ１０１は、グループの商品陳列の優先順位を設定する（ステップＳ１３０３）。図１４に示した例では、クラウドサーバ１０１は、グループＧ１→グループＧ２→グループＧ３→グループＧ４の順に設定する。すなわち、売上個数がＴｈ２以上のグループＧ１、Ｇ２が最優先され、そのうち、客単価がＴｈ１のグループＧ１が優先される。グループＧ１、Ｇ２の後は、客単価がＴｈ２以上のグループＧ３がグループＧ４よりも優先される。

【0073】

なお、売れない商品の売り上げを改善したい場合は、ユーザ設定により、クラウドサーバ１０１は、グループＧ１→グループＧ４→グループＧ３→グループＧ２の順に設定する。なお、クラウドサーバ１０１は、売上個数だけで商品陳列の優先順位を設定してもよく、客単価だけで商品陳列の優先順位を設定してもよい。

【0074】

図１３に戻り、クラウドサーバ１０１は、推定対象区画について未選択棚面Ｓ＃があるか否かを判断する（ステップＳ１３０４）。未選択棚面Ｓ＃がある場合（ステップＳ１３０４：Ｙｅｓ）、クラウドサーバ１０１は、未選択棚面Ｓ＃のうち面滞在時間１１７が最長の棚面Ｓ＃を選択する（ステップＳ１３０５）。

【0075】

クラウドサーバ１０１は、未選択グループがあるか否かを判断する（ステップＳ１３０６）。未選択グループがある場合（ステップＳ１３０６：Ｙｅｓ）、クラウドサーバ１０１は、ステップＳ１３０３で設定された優先順位が最も高い未選択グループを１つ選択する（ステップＳ１３０７）。

【0076】

クラウドサーバ１０１は、選択グループに商品が残存しているか否かを判断する（ステップＳ１３０８）。商品が残存している場合（ステップＳ１３０８：Ｙｅｓ）、クラウドサーバ１０１は、選択グループから商品を選択する（ステップＳ１３０９）。選択された商品は選択グループから削除される。選択グループに商品が残存していない場合（ステップＳ１３０８：Ｎｏ）、ステップＳ１３０６に戻る。

【0077】

図１５は、グループに所属する商品群の一例を示す説明図である。たとえば、グループＧ１には、「おもちゃＡ」、「知育玩具Ａ」、「いたずら玩具Ａ」、「知恵の輪Ａ」が含まれる。グループ内の商品の選択順は限定されない。具体的には、たとえば、選択順は、ランダムでもよく、名前順でもよく、売上金額順でもよく、客単価順でもよい。

【0078】

クラウドサーバ１０１は、選択商品が選択棚面Ｓ＃に追加可能か否かを判断する（ステップＳ１３１０）。具体的には、たとえば、商品は形状データおよび体積データを有しており、棚面Ｓ＃も棚段ごとに残存収納形状および残存容積データを有する。クラウドサーバ１０１は、選択商品の形状データおよび体積データと、選択棚面Ｓ＃の各棚段の残存収納形状および残存容積データに基づいて、いずれかの棚段に選択商品が収納可能か否かを判断する。

【0079】

選択棚面Ｓ＃のいずれの棚段にも選択商品が追加可能でない場合（ステップＳ１３１０１３１０：Ｎｏ）、ステップＳ１３０４に戻る。一方、選択棚面Ｓ＃のいずれかの棚段に選択商品が追加可能である場合、クラウドサーバ１０１は、選択商品を選択棚面Ｓ＃の棚段に選択商品を追加する。

【0080】

図１６は、商品追加例１を示す説明図である。図１６では、棚１３２は、高さ方向に棚段Ｔ１～Ｔ７を有する。棚段Ｔ１～Ｔ７を区別しない場合は、棚段Ｔと称す。人１３４の目線や立った姿勢で棚段Ｔに手が届く範囲を、ゴールデンゾーン１６００と称す。本例では、ゴールデンゾーン１６００は、棚段Ｔ３～Ｔ５である。ゴールデンゾーン１６００内の棚段Ｔ３～Ｔ５が、選択商品の陳列先として優先的に選択され、ゴールデンゾーン１６００内の棚段Ｔ３～Ｔ５に選択商品が陳列可能な残存スペースがなくなると、ゴールデンゾーン１６００外の棚段Ｔ１、Ｔ２、Ｔ６、Ｔ７については、ゴールデンゾーン１６００から距離が近い順に選択される。

【0081】

図１７は、商品追加例２を示す説明図である。図１７に示すように、棚段Ｔ７もゴールデンゾーン１６００に含めてもよい。どの棚段Ｔがゴールデンゾーン１６００に含まれるか、棚段Ｔの選択順をどのようにするかは、事前に管理者が情報処理装置１０３からクラウドサーバ１０１に設定可能である。

【0082】

図１３に戻り、ステップＳ１３１１のあと、ステップＳ１３０８に戻る。ステップＳ１３０４において未選択棚面Ｓ＃がない場合（ステップＳ１３０４：Ｎｏ）、または、ステップＳ１３０６において未選択グループがない場合（ステップＳ１３０６：Ｎｏ）、クラウドサーバ１０１は、棚割結果を情報処理装置１０３に出力する。これにより、情報処理装置１０３では、図８に示した表示画面７００が表示可能になる。

【0083】

なお、図１３では、ルールベースで棚割推定処理を実行したが、機械学習により棚割推定処理を実行してもよい。具体的には、たとえば、クラウドサーバ１０１は、商品の売上個数や商品の客単価、棚面Ｓ＃ごとの面滞在時間１１７を説明変数とし、棚１３２における商品の陳列位置を目的変数として、棚割学習モデルを区画１３１ごとに生成し、記憶デバイス５０２に格納しておく。そして、クラウドサーバ１０１は、予測対象商品の売上個数、客単価、推定対象区画の各棚面Ｓ＃ごとの面滞在時間１１７入力することにより、予測対象商品の棚１３２における商品の陳列位置を出力する。このように、クラウドサーバ１０１は、商品ごとの陳列位置を棚割結果として情報処理装置１０３に出力することができる。

【0084】

このように、本実施例によれば、面滞在時間１１７の推定容易化を図ることができ、面滞在時間１１７を考慮した効率的な棚割を設定することができ、管理者の負担軽減を図ることができる。また、面滞在時間１１７を考慮することで、区画１３１の賃料の適正化を図ることができる。

【0085】

なお、本発明は前述した実施例に限定されるものではなく、添付した特許請求の範囲の趣旨内における様々な変形例及び同等の構成が含まれる。たとえば、前述した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに本発明は限定されない。また、ある実施例の構成の一部を他の実施例の構成に置き換えてもよい。また、ある実施例の構成に他の実施例の構成を加えてもよい。また、各実施例の構成の一部について、他の構成の追加、削除、または置換をしてもよい。

【0086】

また、前述した各構成、機能、処理部、処理手段等は、それらの一部又は全部を、たとえば集積回路で設計する等により、ハードウェアで実現してもよく、プロセッサがそれぞれの機能を実現するプログラムを解釈し実行することにより、ソフトウェアで実現してもよい。

【0087】

各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリ、ハードディスク、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等の記憶装置、又は、ＩＣ（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）カード、ＳＤカード、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｃ）の記録媒体に格納することができる。

【0088】

また、制御線や情報線は説明上必要と考えられるものを示しており、実装上必要な全ての制御線や情報線を示しているとは限らない。実際には、ほとんど全ての構成が相互に接続されていると考えてよい。

【符号の説明】

【0089】

１００ クラウドシステム
１０２ 商業施設
１０３ 情報処理装置
１０４ ネットワーク
１１１ 人流データ
１１２ 人流方向データ
１１３ 区画周辺環境データ記憶部
１１４ 面配置データ記憶部
１１５ 面滞在時間推定モデル記憶部
１１６ 面滞在時間推定モデル
１１７ 面滞在時間
１１８ 棚割データ
１１９ 客単価データ
１２１ 人流方向分析部
１２２ 棚割推定部
１２３ 客単価推定部
１３０ 人流データ取得部
４００ 面配置データ
４０４ 配置情報
５００ コンピュータ
５０１ プロセッサ
５０２ 記憶デバイス

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16】

【図17】