ホーム > 特許ランキング > 三菱重工機械システム株式会社
特開2023-146413混雑度推定装置、混雑度推定システム、混雑度推定方法、及びプログラム
(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】P2023146413
(43)【公開日】2023-10-12
(54)【発明の名称】混雑度推定装置、混雑度推定システム、混雑度推定方法、及びプログラム
(51)【国際特許分類】
G06Q 10/04 20230101AFI20231004BHJP
【ＦＩ】
G06Q10/04
【審査請求】未請求
【請求項の数】12
【出願形態】ＯＬ
(21)【出願番号】P 2022053578
(22)【出願日】2022-03-29
(71)【出願人】
【識別番号】309036221
【氏名又は名称】三菱重工機械システム株式会社
(74)【代理人】
【識別番号】100149548
【弁理士】
【氏名又は名称】松沼 泰史
(74)【代理人】
【識別番号】100162868
【弁理士】
【氏名又は名称】伊藤 英輔
(74)【代理人】
【識別番号】100161702
【弁理士】
【氏名又は名称】橋本 宏之
(74)【代理人】
【識別番号】100189348
【弁理士】
【氏名又は名称】古都 智
(74)【代理人】
【識別番号】100196689
【弁理士】
【氏名又は名称】鎌田 康一郎
(72)【発明者】
【氏名】石川 和志
(72)【発明者】
【氏名】家氏 策
【テーマコード（参考）】
5L049
【Ｆターム（参考）】
5L049AA04
5L049DD01
5L049DD02
(57)【要約】
【課題】混雑度推定の精度を向上させることができる混雑度推定装置、混雑度推定システム、混雑度推定方法、及びプログラムを提供する。
【解決手段】混雑度推定装置は、複数の利用者が滞在可能な施設内において、利用者が集中する主要空間の利用者が検知部により検知されることによって取得される検知情報を受信する受信部と、検知情報に基づいて、利用者の利用者タイプを判別する判別部と、利用者タイプに基づいて、施設の混雑度を推定する推定部と、を備える。
【選択図】図６
【解決手段】混雑度推定装置は、複数の利用者が滞在可能な施設内において、利用者が集中する主要空間の利用者が検知部により検知されることによって取得される検知情報を受信する受信部と、検知情報に基づいて、利用者の利用者タイプを判別する判別部と、利用者タイプに基づいて、施設の混雑度を推定する推定部と、を備える。
【選択図】図６
【特許請求の範囲】
【請求項1】
複数の利用者が滞在可能な施設内において、前記利用者が集中する主要空間の前記利用者が検知部により検知されることによって取得される検知情報を受信する受信部と、
前記検知情報に基づいて、前記利用者の利用者タイプを判別する判別部と、
前記利用者タイプに基づいて、前記施設の混雑度を推定する推定部と、
を備える混雑度推定装置。
前記検知情報に基づいて、前記利用者の利用者タイプを判別する判別部と、
前記利用者タイプに基づいて、前記施設の混雑度を推定する推定部と、
を備える混雑度推定装置。
【請求項2】
前記検知情報に基づいて、前記利用者の入退出時刻を計測する入退出時刻計測部と、
前記利用者の入退出時刻から前記利用者の滞在時間を算出する滞在時間算出部と、
前記検知情報に基づいて、前記利用者の人数情報を算出する人数情報算出部と、
前記利用者タイプ毎に滞在平均時間を算出する滞在平均時間算出部と、
前記人数情報に基づいて、前記主要空間の許容人数を算出する許容人数算出部と、
をさらに備え、
前記判別部は、前記利用者タイプを、前記利用者が子供連れであるか否かまたは前記利用者がベビーカーを使用しているか否かで判別し、
前記推定部は、前記入退出時刻、前記滞在平均時間、及び前記許容人数に基づいて前記混雑度を推定する、
請求項１に記載の混雑度推定装置。
前記利用者の入退出時刻から前記利用者の滞在時間を算出する滞在時間算出部と、
前記検知情報に基づいて、前記利用者の人数情報を算出する人数情報算出部と、
前記利用者タイプ毎に滞在平均時間を算出する滞在平均時間算出部と、
前記人数情報に基づいて、前記主要空間の許容人数を算出する許容人数算出部と、
をさらに備え、
前記判別部は、前記利用者タイプを、前記利用者が子供連れであるか否かまたは前記利用者がベビーカーを使用しているか否かで判別し、
前記推定部は、前記入退出時刻、前記滞在平均時間、及び前記許容人数に基づいて前記混雑度を推定する、
請求項１に記載の混雑度推定装置。
【請求項3】
前記利用者タイプ別に想定される前記滞在時間として規定された利用者タイプ別滞在時間を参照して前記利用者の予想滞在時間を算出する予想滞在時間算出部をさらに備え、
前記推定部は、前記予想滞在時間に基づいて未来の前記混雑度を推定する、
請求項２に記載の混雑度推定装置。
前記推定部は、前記予想滞在時間に基づいて未来の前記混雑度を推定する、
請求項２に記載の混雑度推定装置。
【請求項4】
前記人数情報、前記滞在時間、及び前記利用者タイプを分析して、前記混雑度の推定に必要な処理にフィードバックする分析部をさらに備える、
請求項２又は３に記載の混雑度推定装置。
請求項２又は３に記載の混雑度推定装置。
【請求項5】
前記判別部は、前記検知情報に含まれる身長情報に基づいて子供を判別する、
請求項２から４の何れか一項に記載の混雑度推定装置。
請求項２から４の何れか一項に記載の混雑度推定装置。
【請求項6】
前記判別部は、前記検知情報に含まれる前記利用者の外見情報から、前記利用者がベビーカーを使用しているか否かを判別する、
請求項２から５の何れか一項に記載の混雑度推定装置。
請求項２から５の何れか一項に記載の混雑度推定装置。
【請求項7】
前記混雑度を外部に通知する通知部をさらに備える、請求項１から６の何れか一項に記載の混雑度推定装置。
【請求項8】
請求項１から７の何れか一項に記載の混雑度推定装置と、
前記検知部と、
を備える混雑度推定システム。
前記検知部と、
を備える混雑度推定システム。
【請求項9】
前記検知部は、前記利用者の外見情報を点群データとして取得する、
請求項８に記載の混雑度推定システム。
請求項８に記載の混雑度推定システム。
【請求項10】
前記検知部は、３Ｄ－ＬｉＤＡＲであり、前記検知情報を前記混雑度推定装置に逐次送信する、
請求項８又は９に記載の混雑度推定システム。
請求項８又は９に記載の混雑度推定システム。
【請求項11】
複数の利用者が滞在可能な施設内において、前記利用者が集中する主要空間の前記利用者が検知部により検知されることによって取得される検知情報を受信するステップと、
前記検知情報に基づいて、前記利用者の利用者タイプを判別するステップと、
前記利用者タイプに基づいて、前記施設の混雑度を推定するステップと、
を有する混雑度推定方法。
前記検知情報に基づいて、前記利用者の利用者タイプを判別するステップと、
前記利用者タイプに基づいて、前記施設の混雑度を推定するステップと、
を有する混雑度推定方法。
【請求項12】
複数の利用者が滞在可能な施設内において、前記利用者が集中する主要空間の前記利用者が検知部により検知されることによって取得される検知情報を受信するステップと、
前記検知情報に基づいて、前記利用者の利用者タイプを判別するステップと、
前記利用者タイプに基づいて、前記施設の混雑度を推定するステップと、
を混雑度推定装置のコンピュータに実行させるプログラム。
前記検知情報に基づいて、前記利用者の利用者タイプを判別するステップと、
前記利用者タイプに基づいて、前記施設の混雑度を推定するステップと、
を混雑度推定装置のコンピュータに実行させるプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、混雑度推定装置、混雑度推定システム、混雑度推定方法、及びプログラムに関する。
【背景技術】
【0002】
ＧＰＳ（Global Positioning System）等の普及により、各個人の位置情報を各種サービスに利用する動きがでてきている。
例えば、特許文献１には、利用できる位置情報のデータが少ない場合でも、施設単位の混雑度を推定することができる施設混雑度情報提供装置が開示されている。施設混雑度情報提供装置は、滞在人数と滞在平均時間との対応関係及び現在の滞在情報をそれぞれ取得し、これらに基づいて混雑度を推定する。
例えば、特許文献１には、利用できる位置情報のデータが少ない場合でも、施設単位の混雑度を推定することができる施設混雑度情報提供装置が開示されている。施設混雑度情報提供装置は、滞在人数と滞在平均時間との対応関係及び現在の滞在情報をそれぞれ取得し、これらに基づいて混雑度を推定する。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２０１７－４１６８号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
ところで、混雑度推定の精度についてさらなる改善が求められていた。
【0005】
本開示は、上記課題を解決するためになされたものであって、混雑度推定の精度を向上させることができる混雑度推定装置、混雑度推定システム、混雑度推定方法、及びプログラムを提供することを目的とする。
【課題を解決するための手段】
【0006】
本開示の一態様によれば、混雑度推定装置は、複数の利用者が滞在可能な施設内において、前記利用者が集中する主要空間の前記利用者が検知部により検知されることによって取得される検知情報を受信する受信部と、前記検知情報に基づいて、前記利用者の利用者タイプを判別する判別部と、前記利用者タイプに基づいて、前記施設の混雑度を推定する推定部と、を備える。
【0007】
本開示の一態様によれば、混雑度推定システムは、上記の混雑度推定装置と、前記検知部と、を備える。
【0008】
本開示の一態様によれば、混雑度推定方法は、複数の利用者が滞在可能な施設内において、前記利用者が集中する主要空間の前記利用者が検知部により検知されることによって取得される検知情報を受信するステップと、前記検知情報に基づいて、前記利用者の利用者タイプを判別するステップと、前記利用者タイプに基づいて、前記施設の混雑度を推定するステップと、を有する。
【0009】
本開示の一態様によれば、プログラムは、複数の利用者が滞在可能な施設内において、前記利用者が集中する主要空間の前記利用者が検知部により検知されることによって取得される検知情報を受信するステップと、前記検知情報に基づいて、前記利用者の利用者タイプを判別するステップと、前記利用者タイプに基づいて、前記施設の混雑度を推定するステップと、を混雑度推定装置のコンピュータに実行させる。
【発明の効果】
【0010】
本開示の混雑度推定装置、混雑度推定システム、混雑度推定方法、及びプログラムによれば、混雑度推定の精度を向上させることができる。
【図面の簡単な説明】
【0011】
【図1】本開示の実施形態に係る混雑度推定システムの全体構成を示す図である。
【図2】本開示の実施形態に係る施設内の主要空間の一例であるレストランを示す図である。
【図3】本開示の実施形態に係る検知部によって検知される利用者の点群データを示す図である。
【図4】本開示の実施形態に係る検知部によって検知されるベビーカーの点群データを示す図である。
【図5】本開示の実施形態に係る混雑度推定システムの全体構成、及び混雑度推定装置の機能構成を示す図である。
【図6】本開示の実施形態に係る混雑度推定装置のプロセッサの機能構成を示す図である。
【図7】本開示の実施形態に係る混雑度推定装置の処理に係るデータベースの一例を示す図である。
【図8】本開示の実施形態に係る混雑度推定装置の処理の一例を示す第１のフローチャート図である。
【図9】本開示の実施形態に係る混雑度推定装置の処理の一例を示す第２のフローチャート図である。
【図10】本開示の実施形態に係る混雑度推定装置の処理の一例を示す第３のフローチャート図である。
【発明を実施するための形態】
【0012】
以下、本開示の位置実施形態に係る混雑度推定システム１０及び混雑度推定装置２０について、図を参照しながら説明する。
図１は、本開示の実施形態に係る混雑度推定システムの全体構成を示す図である。
図１に示すように、混雑度推定システム１０は、検知部１１と、混雑度推定装置２０と、制御装置１２と、外部装置１３とを備えている。
図１は、本開示の実施形態に係る混雑度推定システムの全体構成を示す図である。
図１に示すように、混雑度推定システム１０は、検知部１１と、混雑度推定装置２０と、制御装置１２と、外部装置１３とを備えている。
【0013】
混雑度推定システム１０、及び混雑度推定装置２０は、複数の利用者が滞在可能な施設１の混雑度を推定するために用いられる。本実施形態では、複数の利用者Ａが滞在可能な施設１として、高速道路に併設されたサービスエリア（ＳＡ）を例に説明する。
【0014】
施設１内には、施設１の利用者が集中する主要空間Ｓ１が複数設けられている。主要空間Ｓ１毎に、利用者Ａの許容人数が異なる。本実施形態では、施設１内の主要空間Ｓ１として、レストラン２と、通路３と、イベント会場４とが設けられている。つまり主要空間Ｓ１とは、施設１の主たる目的を提供する空間、またはこの空間へ出入りする箇所である。通路３は、レストラン２とイベント会場４を接続している。
混雑度推定装置２０は、主要空間Ｓ１毎に情報を収集・処理し、施設１全体の混雑度を推定する。以下では、混雑度推定装置２０が、主要空間Ｓ１のうちレストラン２の情報を収集・処理する場合を例に説明する。
混雑度推定装置２０は、主要空間Ｓ１毎に情報を収集・処理し、施設１全体の混雑度を推定する。以下では、混雑度推定装置２０が、主要空間Ｓ１のうちレストラン２の情報を収集・処理する場合を例に説明する。
【0015】
図２は、本開示の実施形態に係る施設内の主要空間の一例であるレストランを示す図である。
図２に示すように、レストラン２には、駐車場から直接レストラン２に出入りするための第１の出入口２ａと、通路３からレストラン２に出入りするための第２の出入口２ａとが設けられている。また、第１の出入口２ａの付近には、待機空間Ｓ２が設けられている。待機空間Ｓ２は、レストラン２の外側に設けられている。待機空間Ｓ２は、第１の出入口２ａを介して、レストラン２に接続されている。
図２に示すように、レストラン２には、駐車場から直接レストラン２に出入りするための第１の出入口２ａと、通路３からレストラン２に出入りするための第２の出入口２ａとが設けられている。また、第１の出入口２ａの付近には、待機空間Ｓ２が設けられている。待機空間Ｓ２は、レストラン２の外側に設けられている。待機空間Ｓ２は、第１の出入口２ａを介して、レストラン２に接続されている。
【0016】
本実施形態では、主要空間Ｓ１毎に検知部１１が設けられている。
検知部１１は、利用者Ａを検知して検知情報を取得する。検知情報は、例えば、各利用者Ａの外見情報等を含む。本実施形態では、検知部１１は、例えば３次元での距離を測定するセンサである。より具体的には、検知部１１は、３Ｄ－ＬｉＤＡＲ（Ｌｉｇｈｔ Ｄｅｔｅｃｔｉｏｎ Ａｎｄ Ｒａｎｇｉｎｇ）である。このため、本実施形態では、検知部１１は、各利用者Ａの位置と距離を動線の途切れなく取得することができる。
検知部１１は、利用者Ａを検知して検知情報を取得する。検知情報は、例えば、各利用者Ａの外見情報等を含む。本実施形態では、検知部１１は、例えば３次元での距離を測定するセンサである。より具体的には、検知部１１は、３Ｄ－ＬｉＤＡＲ（Ｌｉｇｈｔ Ｄｅｔｅｃｔｉｏｎ Ａｎｄ Ｒａｎｇｉｎｇ）である。このため、本実施形態では、検知部１１は、各利用者Ａの位置と距離を動線の途切れなく取得することができる。
【0017】
図３は、本開示の実施形態に係る検知部によって検知される利用者の点群データを示す図である。
図３に示すように、検知部１１は、利用者Ａの外見情報、及び物体の外見情報を点群データとして取得する。点群データには、各利用者Ａの身長Ｌや、各物体のサイズ等の情報が反映される。
図３に示すように、検知部１１は、利用者Ａの外見情報、及び物体の外見情報を点群データとして取得する。点群データには、各利用者Ａの身長Ｌや、各物体のサイズ等の情報が反映される。
【0018】
図４は、本開示の実施形態に係る検知部によって検知されるベビーカーＢの点群データを示す図である。図４では、ベビーカーを押す人物は、シルエットのみ図示され、人物を示す点群データは省略されている。
検知部１１は、利用者がベビーカーＢを使用している場合、ベビーカーＢも点群データとして取得することができる。図４に示すように、検知部１１により点群データとして取得されたベビーカーＢのタイヤＢ１は、ベビーカーＢのうちタイヤＢ１以外の部分と区別可能な個別の点群データとして取得される。
検知部１１は、検知情報を混雑度推定装置２０に逐次送信する。本実施形態では、検知部１１は、例えば５０ｍｓｅｃに１回の間隔で検知情報を取得し、混雑度推定装置２０に送信する。検知部１１が検知情報を取得・送信する頻度は、適宜変更可能である。
検知部１１は、利用者がベビーカーＢを使用している場合、ベビーカーＢも点群データとして取得することができる。図４に示すように、検知部１１により点群データとして取得されたベビーカーＢのタイヤＢ１は、ベビーカーＢのうちタイヤＢ１以外の部分と区別可能な個別の点群データとして取得される。
検知部１１は、検知情報を混雑度推定装置２０に逐次送信する。本実施形態では、検知部１１は、例えば５０ｍｓｅｃに１回の間隔で検知情報を取得し、混雑度推定装置２０に送信する。検知部１１が検知情報を取得・送信する頻度は、適宜変更可能である。
【0019】
図２に戻り、混雑度推定装置２０は、いわゆるセンタサーバ（コンピュータ）である。混雑度推定装置２０は、検知部１１から送信された検知情報を処理し、主要空間Ｓ１毎に利用者Ａの人数情報や、利用者Ａの子連れの有無等を判別する。さらに、混雑度推定装置２０は、検知情報を処理することによって得た各主要空間Ｓ１の情報に基づいて、施設１全体の混雑度を推定する。本実施形態では、混雑度推定装置２０は、施設１の現在の混雑度を推定し、混雑率を算出する。また、本実施形態の混雑度推定装置２０は、予想滞在時間も算出し、予想滞在時間に基づいて施設１の未来の混雑度を推定することができる。未来の混雑度も、混雑率として算出される。混雑度推定装置２０の機能構成については後に詳述する。
混雑度推定装置２０は、検知情報を処理することよって得られる、施設１の混雑度や予想滞在時間等の情報を制御装置１２に送信する。
混雑度推定装置２０は、検知情報を処理することよって得られる、施設１の混雑度や予想滞在時間等の情報を制御装置１２に送信する。
【0020】
制御装置１２は、施設１内の各システム及び機器を制御する制御室内に設置されている。制御装置１２は、表示部１２ａを備える。
表示部１２ａは、混雑度推定装置２０からの送信される、施設１の混雑度や予想滞在時間等の情報を表示する。表示部１２ａに表示された情報は、制御室内のユーザに視認される。
制御装置１２は、混雑度推定装置２０からの情報や、混雑度推定装置２０からの情報に基づくその他の情報を外部装置１３に送信する。本実施形態では、制御装置１２は、外部装置１３に情報を送信するか否かを選択することができる。
表示部１２ａは、混雑度推定装置２０からの送信される、施設１の混雑度や予想滞在時間等の情報を表示する。表示部１２ａに表示された情報は、制御室内のユーザに視認される。
制御装置１２は、混雑度推定装置２０からの情報や、混雑度推定装置２０からの情報に基づくその他の情報を外部装置１３に送信する。本実施形態では、制御装置１２は、外部装置１３に情報を送信するか否かを選択することができる。
【0021】
外部装置１３として、例えば高速道路本線に設置された本線掲示板、交通システム用のアンテナ等が挙げられる。本線掲示板は、例えば制御装置１２からの情報に基づいて、施設１の混雑度や予想滞在時間等の情報を表示する。アンテナは、例えば制御装置１２からの情報に基づいて、高速道路本線を走行する車両のカーナビに施設１の混雑度や予想滞在時間等の情報をリアルタイムで送信する。つまり、このアンテナとは、高速道路を走行する車両に対して情報を伝達する装置である。
【0022】
（混雑度推定装置の機能構成）
混雑度推定装置２０の機能構成について、図５を参照しながら説明する。
図５は、開示の実施形態に係る混雑度推定システムの全体構成、及び混雑度推定装置の機能構成を示す図である。
図５に示すように、混雑度推定装置２０は、プロセッサ２１と、メインメモリ２２と、ストレージ２３と、通信インタフェース２４とを備えている。
混雑度推定装置２０の機能構成について、図５を参照しながら説明する。
図５は、開示の実施形態に係る混雑度推定システムの全体構成、及び混雑度推定装置の機能構成を示す図である。
図５に示すように、混雑度推定装置２０は、プロセッサ２１と、メインメモリ２２と、ストレージ２３と、通信インタフェース２４とを備えている。
【0023】
プロセッサ２１は、例えばＣＰＵであり、混雑度推定装置２０の各処理を実行する。プロセッサ２１の機能について後述する。
【0024】
メインメモリ２２は、プロセッサ２１の動作に必要なメモリ領域を有する。
【0025】
ストレージ２３は、いわゆる補助記憶装置である。
ストレージ２３の例としては、磁気ディスク、光磁気ディスク、半導体メモリ等が挙げられる。ストレージ２３は、コンピュータのバスに直接接続された内部メディアであってもよいし、通信インタフェース２４又は通信回線を介して混雑度推定装置２０（コンピュータ）に接続される外部メディアであってもよい。
ストレージ２３の例としては、磁気ディスク、光磁気ディスク、半導体メモリ等が挙げられる。ストレージ２３は、コンピュータのバスに直接接続された内部メディアであってもよいし、通信インタフェース２４又は通信回線を介して混雑度推定装置２０（コンピュータ）に接続される外部メディアであってもよい。
【0026】
通信インタフェース２４は、混雑度推定装置２０の外部に設置された検知部１１及び制御装置１２と情報の送受信を行うためのインタフェースである。
【0027】
次に、プロセッサ２１の機能について説明する。プロセッサ２１は、所定のプログラムに従って動作することにより、以下の機能を発揮する。
【0028】
図６は、開示の実施形態に係る混雑度推定装置のプロセッサの機能構成を示す図である。
図６に示すように、プロセッサ２１は、受信部３０、判別部３１、入退出時刻計測部３２、滞在時間算出部３３、人数情報算出部３４、滞在平均時間算出部３５、許容人数算出部３６、予想滞在時間算出部３７、推定部３８、通知部３９、及び分析部４０としての機能を有する。
図６に示すように、プロセッサ２１は、受信部３０、判別部３１、入退出時刻計測部３２、滞在時間算出部３３、人数情報算出部３４、滞在平均時間算出部３５、許容人数算出部３６、予想滞在時間算出部３７、推定部３８、通知部３９、及び分析部４０としての機能を有する。
【0029】
受信部３０は、主要空間Ｓ１の利用者が検知部１１により通知されることによって取得される検知情報を受信する。
【0030】
判別部３１は、検知情報に基づいて、利用者Ａの利用者タイプを判別する。本実施形態では、判別部３１は、利用者タイプを、利用者Ａが子供連れであるか否かまたは利用者Ａがベビーカーを使用しているか否かで判別する。なお、判別部３１は、利用者タイプを、利用者Ａが子供連れであるか否か、利用者Ａがベビーカーを使用しているか否かのいずれか一方で判別してもよい。
判別部３１は、検知情報に含まれる身長情報に基づいて子供Ａ１を判別する。
また、判別部３１は、検知情報に含まれる利用者Ａの外見情報から、利用者ＡがベビーカーＢを使用しているか否かを判別する。
判別部３１は、検知情報に含まれる身長情報に基づいて子供Ａ１を判別する。
また、判別部３１は、検知情報に含まれる利用者Ａの外見情報から、利用者ＡがベビーカーＢを使用しているか否かを判別する。
【0031】
入退出時刻計測部３２は、検知情報に基づいて、利用者Ａの入退出時刻を計測する。
【0032】
滞在時間算出部３３は、利用者Ａの入退出時刻から利用者Ａの滞在時間を算出する。
【0033】
人数情報算出部３４は、検知情報に基づいて、利用者Ａの人数情報を算出する。
【0034】
滞在平均時間算出部３５は、利用者タイプ毎に滞在平均時間を算出する。
【0035】
許容人数算出部３６は、利用者Ａの人数情報に基づいて、主要空間Ｓ１の許容人数を算出する。
【0036】
予想滞在時間算出部３７は、利用者タイプ別に想定される滞在時間として規定された利用者タイプ別滞在時間を参照して利用者の予想滞在時間を算出する。
【0037】
図７は、本開示の実施形態に係る混雑度推定装置の処理に係るデータベースの一例を示す図である。
本実施形態では、利用者タイプ別滞在時間は、図７に示すデータベースに保存されている。図７のデータベースは、例えばストレージ２３に保存されている。利用者タイプ別時間は、大人のみ、子供連れ、ベビーカー使用者、の３種類存在する。利用者タイプ別時間は、主要空間Ｓ１毎に異なる。図７では、主要空間Ｓ１がレストラン２の場合について、利用者タイプ別時間の具体例が記載されている。利用者タイプ別時間を参照した予想滞在時間の算出については、後に詳述する。
本実施形態では、利用者タイプ別滞在時間は、図７に示すデータベースに保存されている。図７のデータベースは、例えばストレージ２３に保存されている。利用者タイプ別時間は、大人のみ、子供連れ、ベビーカー使用者、の３種類存在する。利用者タイプ別時間は、主要空間Ｓ１毎に異なる。図７では、主要空間Ｓ１がレストラン２の場合について、利用者タイプ別時間の具体例が記載されている。利用者タイプ別時間を参照した予想滞在時間の算出については、後に詳述する。
【0038】
判別部３１、入退出時刻計測部３２、滞在時間算出部３３、人数情報算出部３４、滞在平均時間算出部３５、許容人数算出部３６、予想滞在時間算出部３７の各処理は、主要空間Ｓ１毎に行われる。すなわち、主要空間Ｓ１毎に、入退出時刻、滞在時間、人数情報、滞在平均時間、許容人数、及び予想滞在時間が算出される。
【0039】
推定部３８は、利用者タイプに基づいて、施設１の混雑度を推定する。本実施形態では、推定部３８は、入退出時刻、及び利用者タイプ毎に計算された滞在平均時間、及び主要空間Ｓ１の許容人数に基づいて、施設１の現在の混雑度を推定する。また、本実施形態では、推定部３８は、予想滞在時間に基づいて施設１の未来の混雑度を推定することも可能である。
【0040】
通知部３９は、施設１の混雑度を外部に通知する。本実施形態では、通知部３９は、制御装置１２に施設１の混雑度を通知する。
【0041】
分析部４０は、各機能部によって算出された情報を分析する。本実施形態では、分析部４０は、例えば人数情報、滞在時間、及び利用者タイプを分析して、混雑度の推定に必要な処理にフィードバックする。
【0042】
【0043】
図８は、本開示の実施形態に係る混雑度推定装置２０の処理の一例を示す第１のフローチャート図である。
まず、受信部３０が検知部１１から送信された検知情報を受信する（ステップＳ１０）。なお、本実施形態では、主要空間Ｓ１毎に検知情報が取得・処理される。また、以下に続く混雑度推定装置２０の処理の流れの説明では、特に言及しない限り、主要空間Ｓ１がレストラン２の場合を例に説明するものとする。
まず、受信部３０が検知部１１から送信された検知情報を受信する（ステップＳ１０）。なお、本実施形態では、主要空間Ｓ１毎に検知情報が取得・処理される。また、以下に続く混雑度推定装置２０の処理の流れの説明では、特に言及しない限り、主要空間Ｓ１がレストラン２の場合を例に説明するものとする。
【0044】
続いて、判別部３１が検知情報に基づいて、利用者Ａの利用者タイプを判別する（ステップＳ１１）。ステップＳ１１では、判別部３１は、まず、検知情報に含まれる身長情報に基づいて、検知対象の人物の中から、子供Ａ１を判別する。
【0045】
図９は、本開示の実施形態に係る混雑度推定装置の処理の一例を示す第２のフローチャート図である。
判別部３１が、子供Ａ１を判別する際、図９に示すフローが実行される。判別部３１は、身長Ｌ（図３参照）が所定の閾値以下であるかを判定する（ステップＳ１１０）。本実施形態では、所定の閾値は、例えば１２０ｃｍに設定されている。なお、所定の閾値は、適宜変更可能である。身長Ｌが所定の閾値以下である場合（ステップＳ１１０；ＹＥＳ）、判別部３１は、判別対象の人物を子供と判別する（ステップＳ１１１）。また、身長Ｌが所定の閾値以下でない場合（ステップＳ１１０；ＮＯ）、判別部３１は、判別対象の人物を大人Ａ２と判別する（ステップＳ１１２）。判別部３１は、子供Ａ１か大人Ａ２かの判別結果と、人物間の距離に基づいて、利用者Ａが大人Ａ２のみか子供連れかを判別する。
判別部３１が判別対象の人物が子供Ａ１か大人Ａ２かを判別した後、検知部１１の検知エリア内の物体がベビーカーであるかを判定する。
判別部３１が、子供Ａ１を判別する際、図９に示すフローが実行される。判別部３１は、身長Ｌ（図３参照）が所定の閾値以下であるかを判定する（ステップＳ１１０）。本実施形態では、所定の閾値は、例えば１２０ｃｍに設定されている。なお、所定の閾値は、適宜変更可能である。身長Ｌが所定の閾値以下である場合（ステップＳ１１０；ＹＥＳ）、判別部３１は、判別対象の人物を子供と判別する（ステップＳ１１１）。また、身長Ｌが所定の閾値以下でない場合（ステップＳ１１０；ＮＯ）、判別部３１は、判別対象の人物を大人Ａ２と判別する（ステップＳ１１２）。判別部３１は、子供Ａ１か大人Ａ２かの判別結果と、人物間の距離に基づいて、利用者Ａが大人Ａ２のみか子供連れかを判別する。
判別部３１が判別対象の人物が子供Ａ１か大人Ａ２かを判別した後、検知部１１の検知エリア内の物体がベビーカーであるかを判定する。
【0046】
図１０は、本開示の実施形態に係る混雑度推定装置の処理の一例を示す第３のフローチャート図である。
判別部３１が、ベビーカーＢを判別する際、図１０に示すフローが実行される。まず、判別部３１が、判別対象の物体にタイヤＢ１を示す点群データが３つ、又は４つあるかを判定する（ステップＳ１１３）。判別対象の物体にタイヤＢ１を示す点群データが３つ、又は４つない場合（ステップＳ１１３；ＮＯ）、判別部３１は、判別対象の物体をベビーカーＢでないと判別する（ステップＳ１１４）。判別対象の物体にタイヤＢ１を示す点群データが３つ、又は４つある場合（ステップＳ１１３；ＹＥＳ）、判別部３１が、判別対象の物体の点群データの形状が、ベビーカーＢの諸元値と類似しているかを判定する（ステップＳ１１５）。判別対象の物体の点群データの形状が、ベビーカーＢの諸元値と類似していない場合（ステップＳ１１５；ＮＯ）、判別部３１は、判別対象の物体をベビーカーＢでないと判別する（ステップＳ１１４）。判別対象の物体の点群データの形状が、ベビーカーの諸元値と類似している場合（ステップＳ１１５；ＹＥＳ）、判別部３１が、判別対象の物体の点群データが、大人Ａ２に隣接しているかを判定する（ステップＳ１１６）。判別対象の物体の点群データが、大人Ａ２に隣接していない場合（ステップＳ１１６；ＮＯ）、判別部３１は、判別対象の物体をベビーカーＢでないと判別する（ステップＳ１１４）。判別対象の物体の点群データが、大人Ａ２に隣接している場合（ステップＳ１１６；ＹＥＳ）、判別部３１は、判別対象の物体をベビーカーＢであると判別する（ステップＳ１１７）。判別部３１は、ベビーカーＢか否かの判別結果に基づいて、ベビーカーＢに隣接する大人Ａ２である利用者ＡがベビーカーＢの使用者か否かを判別する。
このようにして、判別部３１が利用者タイプを判別した後、図８のフローに戻る。
判別部３１が、ベビーカーＢを判別する際、図１０に示すフローが実行される。まず、判別部３１が、判別対象の物体にタイヤＢ１を示す点群データが３つ、又は４つあるかを判定する（ステップＳ１１３）。判別対象の物体にタイヤＢ１を示す点群データが３つ、又は４つない場合（ステップＳ１１３；ＮＯ）、判別部３１は、判別対象の物体をベビーカーＢでないと判別する（ステップＳ１１４）。判別対象の物体にタイヤＢ１を示す点群データが３つ、又は４つある場合（ステップＳ１１３；ＹＥＳ）、判別部３１が、判別対象の物体の点群データの形状が、ベビーカーＢの諸元値と類似しているかを判定する（ステップＳ１１５）。判別対象の物体の点群データの形状が、ベビーカーＢの諸元値と類似していない場合（ステップＳ１１５；ＮＯ）、判別部３１は、判別対象の物体をベビーカーＢでないと判別する（ステップＳ１１４）。判別対象の物体の点群データの形状が、ベビーカーの諸元値と類似している場合（ステップＳ１１５；ＹＥＳ）、判別部３１が、判別対象の物体の点群データが、大人Ａ２に隣接しているかを判定する（ステップＳ１１６）。判別対象の物体の点群データが、大人Ａ２に隣接していない場合（ステップＳ１１６；ＮＯ）、判別部３１は、判別対象の物体をベビーカーＢでないと判別する（ステップＳ１１４）。判別対象の物体の点群データが、大人Ａ２に隣接している場合（ステップＳ１１６；ＹＥＳ）、判別部３１は、判別対象の物体をベビーカーＢであると判別する（ステップＳ１１７）。判別部３１は、ベビーカーＢか否かの判別結果に基づいて、ベビーカーＢに隣接する大人Ａ２である利用者ＡがベビーカーＢの使用者か否かを判別する。
このようにして、判別部３１が利用者タイプを判別した後、図８のフローに戻る。
【0047】
続いて、入退出時刻計測部３２が、検知情報に基づいて、利用者Ａの入退出時刻を計測する（ステップＳ１２）。具体的に、入退出時刻計測部３２は、利用者Ａが待機空間Ｓ２からレストラン２、または通路３からレストラン２に移動した時刻を利用者Ａの入場時刻とて計測し、利用者Ａがレストラン２から待機空間Ｓ２、またはレストラン２から通路３に移動した時刻を退出時刻として計測する。
【0048】
続いて、滞在時間算出部３３が、利用者Ａの入退出時刻から利用者Ａの滞在時間を算出する（ステップＳ１３）。
【0049】
続いて、人数情報算出部３４が、検知情報に基づいて、利用者Ａの人数情報を算出する（ステップＳ１４）。なお、ステップＳ１４は、ステップＳ１２の前に行われてもよい。
【0050】
続いて、滞在平均時間算出部３５が、各利用者Ａの滞在時間及び利用者タイプ毎の人数情報に基づいて、利用者タイプ毎に滞在平均時間を算出する（ステップＳ１５）。
【0051】
続いて、許容人数算出部３６が、人数情報算出部３４によって算出された利用者Ａの人数情報に基づいて、主要空間Ｓ１の許容人数を算出する（ステップＳ１６）。例えば、許容人数算出部３６は、予め設定された主要空間Ｓ１の収容可能人数と、収容空間Ｓ１内に実際に存在する利用者Ａの人数との差分から、主要空間Ｓ１の許容人数を算出する。許容人数算出部３６は、主要空間Ｓ１の許容人数を算出する際、各利用者Ａの利用者タイプを参照してもよい。
【0052】
続いて、予想滞在時間算出部３７が、利用者タイプ別に想定される滞在時間として規定された利用者タイプ別滞在時間を参照して利用者Ａの予想滞在時間を算出する（ステップＳ１７）。
【0053】
本実施形態では、予想滞在時間算出部３７は、図７のデータベースに保存された、利用者タイプ別滞在時間を参照して予想滞在時間を算出する。予想滞在時間算出部３７は、該当する利用者タイプ別滞在時間と、加算時間とを合計して予想滞在時間を算出する。なお、利用者タイプが子供連れ、及びベビーカー使用者の両方に該当する場合、時間が長い方の利用者タイプ別時間を予想滞在時間の算出に使用する。また、加算時間とは、主要空間Ｓ１の条件、及び状況によって決まる時間である。レストラン２の場合、加算時間は、例えば料理の提供時間が主に考慮されて設定される。なお、通路３やイベント会場４の場合、加算時間は、例えば混雑状況等が主に考慮されて設定される。
【0054】
図７示す例において、４人のグループがレストラン２を利用する時、このグループ内に子供１人、ベビーカー使用者１人が含まれる場合の予想滞在時間は、２０分（利用者タイプ別滞在時間：子供連れ、またはベビーカー使用者）＋１５分（加算時間）＝３５分と算出される。
【0055】
続いて、推定部３８が利用者タイプに基づいて、施設１の混雑度を推定する（ステップＳ１８）。本実施形態では、推定部３８は、入退出時刻、及び利用者タイプ毎に計算された滞在平均時間、及び主要空間Ｓ１の許容人数に基づいて施設１の現在の混雑度を推定する。さらに、推定部３８は、予想滞在時間に基づいて施設１の未来の混雑度を推定する。推定部３８が、混雑度を推定する際、入退出時刻、滞在平均時間、及び主要空間Ｓ１の許容人数等の情報は、主要空間Ｓ１毎に処理される。推定部３８は、施設１の現在、及び未来の混雑率を、例えば８０％等の具体的な混雑率として算出する。なお、推定部３８は、混雑度を、施設１全体だけでなく主要空間Ｓ１毎に算出してもよい。
【0056】
混雑度の推定後、通知部３９が、施設１の混雑度を外部に通知する（ステップＳ１９）。本実施形態では、通知部３９は、制御装置１２に施設１の混雑度を通知する。通知部３９は、施設１の混雑度を示す混雑率（％）とともに、予想滞在時間を制御装置１２に通知する。制御装置１２に通知された施設１の混雑率（％）や予想滞在時間等の情報は、制御装置１２のユーザによって選択されて外部装置１３（本線掲示板、交通システム用のアンテナ等）に送信される。これにより、施設１の混雑率（％）や予想滞在時間等の情報が外部装置１３を介して、走行中の車両の運転手、及び乗員に通知される。車両の運転手、及び乗員は、通知された情報に基づいて、施設１を利用するか否か、及び施設１を利用するタイミングを判断することができる。
【0057】
混雑度の通知後、分析部４０が、各機能部によって算出された情報を分析する（ステップＳ２０）。本実施形態では、分析部４０は、例えば人数情報、滞在時間、及び利用者タイプを分析して、混雑度の推定に必要な処理にフィードバックする。具体的には、分析部４０は、人数情報、及び滞在時間、利用者タイプを、人数内訳（例えば、人数＊＊人のうち、子供＊＊人、ベビーカー＊＊人）ごとに、例えばストレージ２３に保存して、平均結果を各機能部に返す等の処理を行う。分析部４０のフィードバックにより、混雑度の演算方法に補正が加えられ、図７に示すデータベース内の情報が適切な値に更新される。通知部３９が、混雑度を外部に通知すると、図８に示すフローが終了する。
【0058】
混雑度推定装置２０は、受信部３０で検知情報を常時受信しており、一定時間置き（例えば１分間に１回）に処理を開始する。このようにして、混雑度推定装置２０は、一定時間置きに図８のフローチャートに示す一連の処理を繰り返し実行する。
【0059】
（作用効果）
以上のように、混雑度推定装置２０は、検知情報を受信する受信部３０と、検知情報に基づいて、利用者Ａの利用者タイプを判別する判別部３１と、利用者タイプに基づいて、施設１の混雑度を推定する推定部３８と、を備える。
以上のように、混雑度推定装置２０は、検知情報を受信する受信部３０と、検知情報に基づいて、利用者Ａの利用者タイプを判別する判別部３１と、利用者タイプに基づいて、施設１の混雑度を推定する推定部３８と、を備える。
【0060】
利用者Ａの滞在時間は、各々の事情に応じて異なることが予想される。本実施形態によれば、混雑度推定装置２０は、利用者タイプの情報を加味して施設１の混雑度を推定することができる。これにより、混雑度推定装置２０の混雑度推定の精度を向上させることができる。
【0061】
また、混雑度推定装置２０は、検知情報に基づいて、利用者Ａの入退出時刻を計測する入退出時刻計測部３２と、利用者Ａの入退出時刻から利用者Ａの滞在時間を算出する滞在時間算出部３３と、検知情報に基づいて、利用者Ａの人数情報を算出する人数情報算出部３４と、利用者タイプ毎に滞在平均時間を算出する滞在平均時間算出部３５と、利用者Ａの人数情報に基づいて、主要空間Ｓ１の許容人数を算出する許容人数算出部３６と、をさらに備え、判別部３１は、利用者タイプを、利用者Ａが子供連れであるか否かまたは利用者ＡがベビーカーＢを使用しているか否かで判別し、推定部３８は、入退出時刻、滞在平均時間、及び主要空間Ｓ１の許容人数に基づいて混雑度を推定する。
【0062】
利用者Ａが子連れ、又は利用者Ａがベビーカーを使用している場合、利用者Ａの滞在時間は長くなる傾向にある。本実施形態によれば、混雑度推定装置２０は、利用者Ａが子連れ、及び利用者Ａがベビーカーを使用しているか否かを、利用者タイプとして判別し、混雑度の推定に加味することができる。また、混雑度推定装置２０は、利用者タイプに加えて、入退出時刻、及び滞在平均時間、及び主要空間Ｓ１の許容人数の情報を加味して、施設１の混雑度を推定することができる。このように、混雑度推定装置２０は、複数の要素を加味して、施設１の混雑度を推定することができる。したがって、混雑度推定装置２０の混雑度推定の精度をより一層向上させることができる。
【0063】
また、混雑度推定装置２０は、利用者タイプ別に想定される滞在時間として規定された利用者タイプ別滞在時間を参照して利用者Ａの予想滞在時間を算出する予想滞在時間算出部３７をさらに備え、推定部３８は、予想滞在時間に基づいて未来の混雑度を推定する。
【0064】
このようにすることで、混雑度推定装置２０は、未来の混雑度を推定することができる。
【0065】
また、混雑度推定装置２０は、人数情報、滞在時間、及び利用者タイプを分析して、混雑度の推定に必要な処理にフィードバックする分析部４０をさらに備える。
【0066】
このようにすることで、混雑度推定装置２０の混雑度推定の精度をより一層向上させることができる。
【0067】
また、判別部３１は、検知情報に含まれる身長情報に基づいて子供Ａ１を判別する。
【0068】
このようにすることで、混雑度推定装置２０は、身長Ｌという明確な基準で子供Ａ１を判別することができる。これにより、混雑度推定装置２０は、明確、かつ簡易に利用者タイプが子連れか否かを判別することができる。したがって、混雑度推定装置２０は、効率良く混雑度推定を行うことができる。
【0069】
また、判別部３１は、検知情報に含まれる利用者Ａの外見情報から、利用者ＡがベビーカーＢを使用しているか否かを判別する。
【0070】
このようにすることで、混雑度推定装置２０は、外見情報という明確な基準でベビーカーＢの使用の有無を判別することができる。これにより、混雑度推定装置２０は、明確、かつ簡易に利用者ＡがベビーカーＢを使用しているか否かを判別することができる。したがって、混雑度推定装置２０は、効率良く混雑度推定を行うことができる。
【0071】
また、混雑度推定装置２０は、混雑度を外部に通知する通知部３９をさらに備える。
【0072】
このようにすることで、混雑度推定装置２０は、推定した混雑度を外部に通知することで、施設１をこれから利用しようとする人に、実際に施設１を利用するか否か、及び施設１を利用するタイミングを判断する際に有益な情報を提供することができる。
【0073】
また、検知部１１は、利用者Ａの外見情報を点群データとして取得する。
【0074】
このようにすることで、検知部１１は、検知情報の容量を抑えつつ、利用者Ａの外見情報を精度よく取得することができる。これにより、検知部１１は、検知情報を効率良く送信することができるとともに、混雑度推定装置２０は、受信した検知情報を効率良く処理することができる。したがって、混雑度推定システム１０は、混雑度推定をより一層効率良く実行することができる。
【0075】
また、検知部１１は、３Ｄ－ＬｉＤＡＲであり、検知情報を混雑度推定装置２０に逐次送信する。
【0076】
このようにすることで、検知部１１は、検知情報を混雑度推定装置２０に逐次送信することができる。これにより、混雑度推定装置２０は、リアルタイムで混雑度推定を行うことができる。したがって、混雑度推定システム１０の混雑度推定の精度をより一層向上させることができる。
【0077】
以上のとおり、本開示に係る実施形態を説明したが、この実施形態は、例として提示したものであり、発明の範囲を限定することを意図していない。この実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で種々の省略、置き換え、変更を行うことができる。これらの実施形態及びその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれる。
【0078】
なお、上記の実施形態では、混雑度推定システム１０、及び混雑度推定装置２０が用いられる施設１として、サービスエリア（ＳＡ）を例に説明したが、これに限られるものではない。混雑度推定システム１０、及び混雑度推定装置２０が用いられる施設１は、例えばサービスエリア（ＰＡ）や、ハイウェイオアシス（ＨＯ）であってもよい。
【0079】
なお、上記の実施形態では、施設１内の主要空間Ｓ１として、レストラン２と、通路３と、イベント会場４とが設けられている場合を例に説明したが、これに限られるものではなく、例えば売店やドックランであってもよい。
【0080】
なお、上記の実施形態では、検知部１１は、例えば３Ｄ－ＬｉＤＡＲ等、３次元での距離を測定するセンサであるとしたが、これに限られるものではない。検知部１１は、例えばカメラであって、検知情報として取得される情報は、単なる動画や静止画等であってもよい。
【0081】
なお、上記の実施形態では、混雑度推定装置２０は、いわゆるセンタサーバ（コンピュータ）であるとしたが、これに限られるものではなく、例えばノートパソコン等持ち運び可能なコンピュータであってもよい。
【0082】
なお、上記の実施形態では、制御装置１２が混雑度推定装置２０から受信した施設１の混雑度等の情報を外部装置１３に送信し、外部装置１３は、制御装置１２から送信された情報を表示する場合について説明したが、これに限られるものではない。外部装置１３には、混雑度推定装置２０から直接、施設１の混雑度等の情報が送信されてもよい。
【0083】
なお、上記の実施形態では、検知部１１が主要空間Ｓ１（レストラン２等）内の利用者Ａを検知して取得した検知情報に基づいて、施設１の混雑度を推定する場合について説明したが、これに限られるものではない。検知部１１は、例えば主要空間Ｓ１が混雑して待機空間Ｓ２に利用者Ａが待機している場合に、待機空間Ｓ２内の利用者Ａの検知情報に基づいて、施設１の混雑度を推定してもよい。
【0084】
＜付記＞
各実施形態に記載の混雑度推定装置２０、混雑度推定システム１０、混雑度推定方法、及びプログラムは、例えば以下のように把握される。
各実施形態に記載の混雑度推定装置２０、混雑度推定システム１０、混雑度推定方法、及びプログラムは、例えば以下のように把握される。
【0085】
本開示の第１の態様によれば、混雑度推定装置２０は、複数の利用者Ａが滞在可能な施設１内において、前記利用者Ａが集中する主要空間Ｓ１の前記利用者Ａが検知部１１により検知されることによって取得される検知情報を受信する受信部３０と、前記検知情報に基づいて、前記利用者Ａの利用者タイプを判別する判別部３１と、前記利用者タイプに基づいて、前記施設１の混雑度を推定する推定部３８と、を備える。
施設１の例として、例えばサービスエリア（ＳＡ）、サービスエリア（ＰＡ）や、ハイウェイオアシス（ＨＯ）等、高速道路に併設された無料休憩施設が挙げられる。
主要空間Ｓ１の例として、例えばレストラン２や、通路３、イベント会場４、売店、ドックラン等が挙げられる。
施設１の例として、例えばサービスエリア（ＳＡ）、サービスエリア（ＰＡ）や、ハイウェイオアシス（ＨＯ）等、高速道路に併設された無料休憩施設が挙げられる。
主要空間Ｓ１の例として、例えばレストラン２や、通路３、イベント会場４、売店、ドックラン等が挙げられる。
【0086】
利用者Ａの滞在時間は、各々の事情に応じて異なることが予想される。本態様によれば、混雑度推定装置２０は、利用者タイプの情報を加味して施設１の混雑度を推定することができる。これにより、混雑度推定装置２０の混雑度推定の精度を向上させることができる。
【0087】
本開示の第２の態様によれば、第１の態様に係る混雑度推定装置２０において、前記検知情報に基づいて、前記利用者Ａの入退出時刻を計測する入退出時刻計測部３２と、前記利用者の入退出時刻から前記利用者Ａの滞在時間を算出する滞在時間算出部３３と、前記検知情報に基づいて、前記利用者Ａの人数情報を算出する人数情報算出部３４と、前記利用者タイプ毎に滞在平均時間を算出する滞在平均時間算出部３５と、前記人数情報に基づいて、前記主要空間Ｓ１の許容人数を算出する許容人数算出部３６と、をさらに備え、前記判別部３１は、前記利用者タイプを、前記利用者Ａが子供連れであるか否かまたは前記利用者ＡがベビーカーＢを使用しているか否かで判別し、前記推定部３８は、前記入退出時刻、前記滞在平均時間、及び前記許容人数に基づいて前記混雑度を推定する。
【0088】
利用者Ａが子連れ、又は利用者ＡがベビーカーＢを使用している場合、利用者Ａの滞在時間は長くなる傾向にある。本態様によれば、混雑度推定装置２０は、利用者Ａが子連れ、及び利用者がベビーカーを使用しているか否かを、利用者タイプとして判別し、混雑度の推定に加味することができる。また、混雑度推定装置２０は、利用者タイプに加えて、入退出時刻、及び滞在平均時間、及び主要空間Ｓ１の許容人数の情報を加味して、施設１の混雑度を推定することができる。このように、混雑度推定装置２０は、複数の要素を加味して、施設１の混雑度を推定することができる。したがって、混雑度推定装置２０の混雑度推定の精度をより一層向上させることができる。
【0089】
本開示の第３の態様によれば、第２の態様に係る混雑度推定装置２０において、前記利用者タイプ別に想定される前記滞在時間として規定された利用者タイプ別滞在時間を参照して前記利用者Ａの予想滞在時間を算出する予想滞在時間算出部３７をさらに備え、前記推定部３８は、前記予想滞在時間に基づいて未来の前記混雑度を推定する。
【0090】
このようにすることで、混雑度推定装置２０は、未来の混雑度を推定することができる。
【0091】
本開示の第４の態様によれば、第２又は第３の態様に係る混雑度推定装置２０において、前記人数情報、前記滞在時間、及び前記利用者タイプを分析して、前記混雑度の推定に必要な処理にフィードバックする分析部４０をさらに備える。
【0092】
このようにすることで、混雑度推定装置２０の混雑度推定の精度をより一層向上させることができる。
【0093】
本開示の第５の態様によれば、第２から第４の何れか一の態様に係る混雑度推定装置２０において、前記判別部３１は、前記検知情報に含まれる身長情報に基づいて子供を判別する。
【0094】
このようにすることで、混雑度推定装置２０は、身長Ｌという明確な基準で子供を判別することができる。これにより、混雑度推定装置２０は、明確、かつ簡易に利用者タイプが子連れか否かを判別することができる。したがって、混雑度推定装置２０は、効率良く混雑度推定を行うことができる。
【0095】
本開示の第６の態様によれば、第２から第５の何れか一の態様に係る混雑度推定装置２０において、前記判別部３１は、前記検知情報に含まれる前記利用者Ａの外見情報から、前記利用者ＡがベビーカーＢを使用しているか否かを判別する。
【0096】
このようにすることで、混雑度推定装置２０は、外見情報という明確な基準でベビーカーＢの使用の有無を判別することができる。これにより、混雑度推定装置２０は、明確、かつ簡易に利用者ＡがベビーカーＢを使用しているか否かを判別することができる。したがって、混雑度推定装置２０は、効率良く混雑度推定を行うことができる。
【0097】
本開示の第７の態様によれば、第１から第６の何れか一の態様に係る混雑度推定装置２０において、前記混雑度を外部に通知する通知部３９をさらに備える。
【0098】
このようにすることで、混雑度推定装置２０は、推定した混雑度を外部に通知することで、施設１をこれから利用しようとする人に、実際に施設１を利用するか否か、及び施設１を利用するタイミングを判断する際に有益な情報を提供することができる。
【0099】
本開示の第８の態様によれば、混雑度推定システム１０は、第１から第７の何れかの混雑度推定装置２０と、前記検知部１１と、を備える。
【0100】
本開示の第９の態様によれば、第８の態様に係る混雑度推定システム１０において、前記検知部１１は、前記利用者の外見情報を点群データとして取得する。
【0101】
このようにすることで、検知部１１は、検知情報の容量を抑えつつ、利用者Ａの外見情報を精度よく取得することができる。これにより、検知部１１は、検知情報を効率良く送信することができるとともに、混雑度推定装置２０は、受信した検知情報を効率良く処理することができる。したがって、混雑度推定システム１０は、混雑度推定をより一層効率良く実行することができる。
【0102】
本開示の第１０の態様によれば、第８又は第９の態様に係る混雑度推定システム１０において、前記検知部１１は、３Ｄ－ＬｉＤＡＲであり、前記検知情報を前記混雑度推定装置２０に逐次送信する。
【0103】
このようにすることで、検知部１１は、検知情報を混雑度推定装置２０に逐次送信することができる。これにより、混雑度推定装置２０は、リアルタイムで混雑度推定を行うことができる。したがって、混雑度推定システム１０の混雑度推定の精度をより一層向上させることができる。
【0104】
本開示の第１１の態様によれば、混雑度推定方法は、複数の利用者Ａが滞在可能な施設１内において、前記利用者Ａが集中する主要空間Ｓ１の前記利用者Ａが検知部１１により検知されることによって取得される検知情報を受信するステップと、前記検知情報に基づいて、前記利用者Ａの利用者タイプを判別するステップと、前記利用者タイプに基づいて、前記施設１の混雑度を推定するステップと、を有する。
【0105】
本開示の第１２の態様によれば、プログラムは、複数の利用者が滞在可能な施設１内において、前記利用者Ａが集中する主要空間Ｓ１の前記利用者Ａが検知部１１により検知されることによって取得される検知情報を受信するステップと、前記検知情報に基づいて、前記利用者Ａの利用者タイプを判別するステップと、前記利用者タイプに基づいて、前記施設１の混雑度を推定するステップと、を混雑度推定装置２０のコンピュータに実行させる。
【符号の説明】
【0106】
１ 施設
２ レストラン
２ａ 出入口
３ 通路
４ イベント会場
１０ 混雑度推定システム
１１ 検知部
１２ 制御装置
１２ａ 表示部
１３ 外部装置
２０ 混雑度推定装置
２１ プロセッサ
２２ メインメモリ
２３ ストレージ
２４ 通信インタフェース
３０ 受信部
３１ 判別部
３２ 入退出時刻計測部
３３ 滞在時間算出部
３４ 人数情報算出部
３５ 滞在平均時間算出部
３６ 許容人数算出部
３７ 予想滞在時間算出部
３８ 推定部
３９ 通知部
４０ 分析部
Ｓ１ 主要空間
Ｓ２ 待機空間
２ レストラン
２ａ 出入口
３ 通路
４ イベント会場
１０ 混雑度推定システム
１１ 検知部
１２ 制御装置
１２ａ 表示部
１３ 外部装置
２０ 混雑度推定装置
２１ プロセッサ
２２ メインメモリ
２３ ストレージ
２４ 通信インタフェース
３０ 受信部
３１ 判別部
３２ 入退出時刻計測部
３３ 滞在時間算出部
３４ 人数情報算出部
３５ 滞在平均時間算出部
３６ 許容人数算出部
３７ 予想滞在時間算出部
３８ 推定部
３９ 通知部
４０ 分析部
Ｓ１ 主要空間
Ｓ２ 待機空間
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】