特開 2024-137214 人流誘導装置、人流誘導方法

(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】P2024137214

(43)【公開日】2024-10-07

(54)【発明の名称】人流誘導装置、人流誘導方法

(51)【国際特許分類】

   G06Q 10/047 20230101AFI20240927BHJP

   G08G 1/005 20060101ALI20240927BHJP

   G08G 1/00 20060101ALI20240927BHJP

【ＦＩ】

G06Q10/047

G08G1/005

G08G1/00 C

【審査請求】未請求

【請求項の数】12

【出願形態】ＯＬ

(21)【出願番号】P 2023048650

(22)【出願日】2023-03-24

(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】110002365

【氏名又は名称】弁理士法人サンネクスト国際特許事務所

(72)【発明者】

【氏名】北野 佑

(72)【発明者】

【氏名】渡邊 純一郎

【テーマコード（参考）】

5H181

5L010

5L049

【Ｆターム（参考）】

5H181BB04

5H181BB05

5H181BB12

5H181BB13

5H181BB20

5H181CC03

5H181CC14

5H181EE03

5L010AA04

5L049AA04

(57)【要約】

【課題】効率良く人流の誘導を行う。
【解決手段】人流誘導システム１０は、複数の移動体の動線データを抽出する動線抽出部１０１と、動線データに基づいて、複数の移動体から誘導対象とする移動体を検出する誘導対象検出部１０２と、誘導対象検出部１０２により検出された誘導対象のタイプを推定し、その推定結果に基づいて誘導対象の誘導方法を決定する誘導方法決定部１０３と、誘導方法決定部１０３により決定された誘導方法に従って複数の誘導装置をそれぞれ制御することで、誘導対象を含む人流の誘導を行う誘導装置制御部１０５と、を備える。
【選択図】図１

【特許請求の範囲】

【請求項1】

複数の移動体の動線データを抽出する動線抽出部と、
前記動線データに基づいて、前記複数の移動体から誘導対象とする移動体を検出する誘導対象検出部と、
前記誘導対象検出部により検出された前記誘導対象のタイプを推定し、その推定結果に基づいて前記誘導対象の誘導方法を決定する誘導方法決定部と、
前記誘導方法決定部により決定された前記誘導方法に従って複数の誘導装置をそれぞれ制御することで、前記誘導対象を含む人流の誘導を行う誘導装置制御部と、を備える人流誘導システム。

【請求項2】

請求項１に記載の人流誘導システムであって、
前記誘導方法決定部は、前記動線データに基づいて前記誘導対象の行動の特徴を表す特徴量を算出し、前記特徴量に基づいて前記誘導対象のタイプを推定する人流誘導システム。

【請求項3】

請求項２に記載の人流誘導システムであって、
前記誘導装置制御部により前記複数の誘導装置の制御を行った際に前記動線抽出部が抽出した前記動線データに基づいて、前記誘導対象に対する誘導の成功度合いを表す誘導スコアを算出する誘導方法評価部を備え、
前記誘導方法決定部は、前記誘導スコアおよび前記特徴量に基づいて前記誘導対象のタイプを推定する人流誘導システム。

【請求項4】

請求項３に記載の人流誘導システムであって、
前記誘導方法決定部は、機械学習モデルを用いて前記特徴量に応じた前記タイプを出力することで前記誘導対象のタイプを推定し、前記誘導スコアに基づいて前記機械学習モデルの学習を行う人流誘導システム。

【請求項5】

請求項１に記載の人流誘導システムであって、
前記動線データにおける前記移動体の動きと場所の特徴を互いに関連付けした検出ルールを複数有する検出ルールテーブルが記録された検出ルールデータベースを備え、
前記誘導対象検出部は、前記検出ルールテーブルを用いて前記誘導対象を検出する人流誘導システム。

【請求項6】

請求項１に記載の人流誘導システムであって、
前記複数の誘導装置の各々から出力可能なコンテンツと前記コンテンツに対する制御情報とを有するコンテンツテーブルが記録された装置制御データベースを備え、
前記誘導装置制御部は、前記装置制御データベースを用いて前記複数の誘導装置をそれぞれ制御する人流誘導システム。

【請求項7】

コンピュータにより、
複数の移動体の動線データを抽出し、
前記動線データに基づいて、前記複数の移動体から誘導対象とする移動体を検出し、
前記誘導対象のタイプを推定し、
前記誘導対象のタイプの推定結果に基づいて前記誘導対象の誘導方法を決定し、
前記誘導方法に従って複数の誘導装置をそれぞれ制御することで、前記誘導対象を含む人流の誘導を行う人流誘導方法。

【請求項8】

請求項７に記載の人流誘導方法であって、
前記動線データに基づいて前記誘導対象の行動の特徴を表す特徴量を算出し、
前記特徴量に基づいて前記誘導対象のタイプを推定する人流誘導方法。

【請求項9】

請求項８に記載の人流誘導方法であって、
前記複数の誘導装置の制御を行った際に抽出した前記動線データに基づいて、前記誘導対象に対する誘導の成功度合いを表す誘導スコアを算出し、
前記誘導スコアに基づいて前記誘導対象のタイプを推定する人流誘導方法。

【請求項10】

請求項９に記載の人流誘導方法であって、
機械学習モデルを用いて前記特徴量に応じた前記タイプを出力することで前記誘導対象のタイプを推定し、
前記誘導スコアに基づいて前記機械学習モデルの学習を行う人流誘導方法。

【請求項11】

請求項７に記載の人流誘導方法であって、
前記動線データにおける前記移動体の動きと場所の特徴を互いに関連付けした検出ルールを複数有する検出ルールテーブルが記録された検出ルールデータベースを用いて、前記誘導対象を検出する人流誘導方法。

【請求項12】

請求項７に記載の人流誘導方法であって、
前記複数の誘導装置の各々から出力可能なコンテンツと前記コンテンツに対する制御情報とを有するコンテンツテーブルが記録された装置制御データベースを用いて、前記複数の誘導装置をそれぞれ制御する人流誘導方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、人流の誘導を行う装置および方法に関する。

【背景技術】

【0002】

空港や駅などの公共施設では、保安検査場や税関検査場や窓口の行列の混雑を緩和するため、検査台や窓口の数を適宜変更したり、旅客を適切な場所へ誘導する等、現場でのオペレーションを改善することが求められている。

【0003】

これに対し、レーザーレーダやカメラ等を用いて動線データを取得することにより、現状の旅客の利用状況等を管理者が把握することができる。管理者は現場の係員に対して、人流の誘導などを指示する、等の対応がとられている。

【0004】

人流の誘導を行うための機器制御に関する先行技術として、特許文献１、２に示す技術が知られている。特許文献１では、制御ルールに基づき、計測された動線データから機器制御を実施する際、制御ルールの設定変更を容易に行う技術について開示されている。特許文献２では、移動体の動線データを抽出し、この動線データに基づいて、移動体が目的地に到着する時刻を推定し、推定された到着時刻に基づいて、移動体のグループごとに誘導情報を算出する技術について開示されている。

【先行技術文献】

【特許文献】

【0005】

【特許文献1】特開２０１９－１８６６６７号公報

【特許文献2】特開２０２２－２６６１８号公報

【発明の概要】

【発明が解決しようとする課題】

【0006】

特許文献１に記載の技術は、人の活動状況に応じて照明機器や音響機器の適切な制御を行うためのものであり、人流の誘導を目的としたものではないため、人流の誘導を効率的に行うという目的には適さない。一方、特許文献２に記載の技術では、目的地への到着時刻に応じて人をグループ分けし、このグループ単位で人流の誘導を行う。しかしながら、人流の誘導手段には、例えばデジタルサイネージのように人の視覚を利用して誘導を行うものや、指向性スピーカのように人の聴覚を利用して誘導を行うものなど、様々な形態のものが考えられる。こうした様々な誘導手段のうちどれが効果的であるかは、各個人の特性や各個人が置かれた状況などによって変化し、一定ではない。特許文献２の技術では、こうした点について考慮されていないため、人流誘導の効率化に関して依然として改善の余地がある。

【0007】

そこで本発明は、上記問題点に鑑みてなされたもので、効率良く人流の誘導を行うことを目的とする。

【課題を解決するための手段】

【0008】

本発明による人流誘導システムは、複数の移動体の動線データを抽出する動線抽出部と、前記動線データに基づいて、前記複数の移動体から誘導対象とする移動体を検出する誘導対象検出部と、前記誘導対象検出部により検出された前記誘導対象のタイプを推定し、その推定結果に基づいて前記誘導対象の誘導方法を決定する誘導方法決定部と、前記誘導方法決定部により決定された前記誘導方法に従って複数の誘導装置をそれぞれ制御することで、前記誘導対象を含む人流の誘導を行う誘導装置制御部と、を備える。
本発明による人流誘導方法は、コンピュータにより、複数の移動体の動線データを抽出し、前記動線データに基づいて、前記複数の移動体から誘導対象とする移動体を検出し、前記誘導対象のタイプを推定し、前記誘導対象のタイプの推定結果に基づいて前記誘導対象の誘導方法を決定し、前記誘導方法に従って複数の誘導装置をそれぞれ制御することで、前記誘導対象を含む人流の誘導を行う。

【発明の効果】

【0009】

本発明によれば、効率良く人流の誘導を行うことができる。

【0010】

本明細書において開示される主題の、少なくとも一つの実施の詳細は、添付されている図面と以下の記述の中で述べられる。開示される主題のその他の特徴、態様、効果は、以下の開示、図面、請求項により明らかにされる。

【図面の簡単な説明】

【0011】

【図1】本発明の一実施形態に係る人流誘導システムの基本構成を表すブロック図である。

【図2】本発明の一実施形態に係る人流誘導システムで行われる全体処理を表すフローチャートである。

【図3】動線ＤＢのデータ構造例における動線テーブルの一例を示す図である。

【図4】動線ＤＢのデータ構造例における状態テーブルの一例を示す図である。

【図5】動線ＤＢのデータ構造例におけるＯＤテーブルの一例を示す図である。

【図6】検出ルールＤＢのデータ構造例における検出ルールテーブルの一例を示す図である。

【図7】検出ルールＤＢのデータ構造例におけるチェックポイントテーブルの一例を示す図である。

【図8】誘導実績ＤＢのデータ構造例における実績テーブルの一例を示す図である。

【図9】誘導モデルＤＢのデータ構造例におけるタイプ推定テーブルの一例を示す図である。

【図10】誘導モデルＤＢのデータ構造例における誘導方法対応テーブルの一例を示す図である。

【図11】装置制御ＤＢのデータ構造例における制御テーブルの一例を示す図である。

【図12】装置制御ＤＢのデータ構造例におけるコンテンツテーブルの一例を示す図である。

【図13】誘導対象検出処理の一例を示すフローチャートである。

【図14】誘導方法決定処理の一例を示すフローチャートである。

【図15】誘導装置制御処理の一例を示すフローチャートである。

【図16】誘導方法評価処理の一例を示すフローチャートである。

【図17】誘導モデル学習処理の一例を示すフローチャートである。

【図18】各クラスタの統計値の算出方法の概要を示す図である。

【図19】管理者端末に表示される管理画面の一例を示す図である。

【図20】管理者端末に表示されるモデル学習画面の一例を示す図である。

【図21】管理者端末に表示される検出ルール修正画面の一例を示す図である。

【発明を実施するための形態】

【0012】

本発明は移動中の人を誘導する人流誘導システムに関するものである。なお本人流誘導システムで誘導するのは人だけでなく、船舶や車両、航空機などの移動体であってもよい。本実施例では、人に焦点をあてて説明を行う。

【0013】

本実施例の人流誘導システムは、空港等の施設内で、移動している旅客等の人に対して、施設内に設置された誘導装置を用いることで、どこの場所へ向かえばよいか誘導するシステムである。

【0014】

例えば、空港内に複数の検査場が存在しており、それぞれに行列ができている場合、デジタルサイネージや指向性スピーカなどの誘導装置に、どの行列に並べば待ち時間が短くなるか等の誘導情報を表示または音声出力することで、人流誘導を行う。

【0015】

この際、レーザーレーダやカメラ等のセンサを用いて計測された人の動線データ（時系列的な位置情報）から誘導対象とする人のタイプを推定し、その推計結果に応じた誘導方法を用いて、誘導装置の制御を行う。これにより、人流を構成する様々な人にとって最適な誘導方法を用いて、効率の良い人流誘導が行われるようにする。

【0016】

なお、この際、どの場所へ向かえばよいか等の情報ではなく、人の行動を変化させる類の情報を誘導対象の人に対して提供してもよい。例えば、電子化ゲート通過のため、スマートフォンなどでの操作を誘発するような指示であってもよいし、この先には向かわないように指示する等の内容であってもよい。

【0017】

以下、本発明の実施例を、図面を参照して詳細に説明する。図１は、本発明の一実施形態に係る人流誘導システムの基本構成を表すブロック図である。

【0018】

本実施例の人流誘導システム（計算機）１０は、人流計測システム１１から計測データを受信し、計測データから抽出された動線データを用いて誘導対象とする移動体（人）を検出する機能と、検出された移動体（人）のタイプを推定し、その推定結果に基づいて誘導方法を決定する機能と、決定された誘導方法に従って誘導装置群１２を制御することで、誘導対象を含む人流の誘導を行う機能と、決定された誘導方法を評価する機能と、を含む。

【0019】

上記機能を実現するために、人流誘導システム１０は、動線抽出部１０１と、誘導対象検出部１０２と、誘導方法決定部１０３と、誘導方法評価部１０４と、誘導装置制御部１０５と、誘導情報管理部１０６と、動線ＤＢ（ＤａｔａＢａｓｅ）１０７と、検出ルールＤＢ１０８と、誘導実績ＤＢ１０９と、誘導モデルＤＢ１１０と、装置制御ＤＢ１１１と、を含む。

【0020】

人流誘導システム１０において、動線抽出部１０１、誘導対象検出部１０２、誘導方法決定部１０３、誘導方法評価部１０４、誘導装置制御部１０５および誘導情報管理部１０６の各機能ブロックは、例えば計算機が有するＣＰＵにおいて所定のプログラムを実行することにより実現される。また、動線ＤＢ１０７、検出ルールＤＢ１０８、誘導実績ＤＢ１０９、誘導モデルＤＢ１１０および装置制御ＤＢ１１１の各データベースは、例えば計算機に搭載またはネットワークを介して計算機に接続されたＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）やＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等の記録媒体を用いて実現される。

【0021】

動線抽出部１０１は、人流計測システム１１にて計測されたデータから、複数の移動体の動線データを抽出し、動線ＤＢ１０７に格納する。この際、人流計測システム１１にて計測されるデータは、誘導対象領域の動画データでもよいし、レーザーレーダデータでもよい。

【0022】

動線抽出部１０１が、動画データから動線データを抽出する際は、周知又は公知の画像処理技術により人を認識し、人の座標を抽出してもよい。また、動線抽出部１０１が、レーザーレーダデータから動線データを抽出する際は、周知又は公知の技術を用いてレーザーレーダデータから距離が変化する移動体を人として抽出し、座標情報に変換してもよい。

【0023】

なお、本実施例では、人々を誘導する誘導対象領域としてひとつの領域の例を示すが、人流誘導システム１０は複数の誘導対象領域を監視して人を誘導することができる。また、人流誘導システム１０と人流計測システム１１および誘導装置群１２とは、図示しないネットワークによって接続されている。

【0024】

誘導対象検出部１０２は、動線分析部１０２１と、検出ルール適用部１０２２と、を有する。動線分析部１０２１は、動線抽出部１０１により抽出されて動線ＤＢ１０７に格納された動線データの分析を行い、分析結果を動線ＤＢ１０７に格納する。検出ルール適用部１０２２は、動線ＤＢ１０７に格納された動線データの分析結果と、検出ルールＤＢ１０８に格納された検出ルールとを比較し、検出ルールに規定された条件を満たす移動体（人）を誘導対象として検出する。これにより、動線データが表す複数の移動体から誘導対象とする移動体を検出し、誘導実績ＤＢ１０９に格納する。誘導対象検出部１０２が行う具体的な処理については後述する。

【0025】

誘導方法決定部１０３は、特徴量算出部１０３１と、誘導モデル学習部１０３２と、誘導対象タイプ推定部１０３３と、誘導パラメータ選定部１０３４と、を有する。特徴量算出部１０３１は、誘導対象検出部１０２により検出されて誘導実績ＤＢ１０９に格納された各誘導対象について、当該誘導対象の行動の特徴を表す特徴量を算出する。誘導対象タイプ推定部１０３３は、誘導モデルＤＢ１１０に格納された機械学習モデルである誘導モデルを用いて、特徴量算出部１０３１により算出された特徴量から、各誘導対象のタイプを推定する。誘導パラメータ選定部１０３４は、誘導対象タイプ推定部１０３３による各誘導対象のタイプの推定結果に応じて、各誘導対象に対して誘導装置群１２の制御に用いる誘導パラメータを選定し、誘導実績ＤＢ１０９に格納する。誘導モデル学習部１０３２は、誘導モデルＤＢ１１０に格納された誘導モデルの学習を行う。これにより、誘導対象検出部１０２により検出された各誘導対象のタイプを推定し、その推定結果に基づいて各誘導対象の誘導方法を決定する。誘導方法決定部１０３が行う具体的な処理については後述する。

【0026】

誘導方法評価部１０４は、誘導方法決定部１０３により決定された誘導方法を用いて人流の誘導を行った際に得られた動線データから、その誘導方法に対する評価を行い、評価結果を誘導実績ＤＢ１０９に格納する。誘導方法評価部１０４が行う具体的な処理については後述する。

【0027】

誘導装置制御部１０５は、誘導方法決定部１０３により決定されて誘導実績ＤＢ１０９に格納された誘導パラメータを用いて、誘導装置群１２を構成する各誘導装置の動作を制御する。これにより、誘導対象検出部１０２によって検出された各誘導対象を含む人流の誘導を行う。誘導装置制御部１０５が行う具体的な処理については後述する。

【0028】

誘導情報管理部１０６は、人流誘導システム１０において得られた誘導情報（動線データ、誘導対象の検出結果、誘導対象タイプの推定結果、誘導パラメータ値、誘導結果等）を管理者端末１３に対して出力する。誘導情報管理部１０６から出力された誘導情報は、管理者端末１３において表示され、人流誘導システム１０の管理を行う管理者に対して提供される。管理者は、この誘導情報を管理者端末１３において参照するとともに、必要に応じて管理者端末１３の操作により誘導情報の内容を変更することで、人流誘導システム１０の管理を行うことができる。管理者が行った誘導情報の変更結果は、誘導情報管理部１０６によって人流誘導システム１０に反映される。

【0029】

誘導装置群１２は、例えば表示装置を有するデジタルサイネージや、スマートフォンと連携可能なネットワーク型のデジタルサイネージ、特定の範囲に音声を出力する指向性スピーカなどの様々な誘導装置で構成される。誘導装置群１２の各誘導装置は、誘導装置制御部１０５によってその動作が制御されることで近傍の人へと誘導情報を提示し、人流の誘導を行う。

【0030】

動線ＤＢ１０７、検出ルールＤＢ１０８、誘導実績ＤＢ１０９、誘導モデルＤＢ１１０および装置制御ＤＢ１１１の各データベースに格納されるデータについては後述する。

【0031】

図２は、本発明の一実施形態に係る人流誘導システムで行われる全体処理を表すフローチャートである。以下に図２の処理について説明する。

【0032】

ステップＳ１０では、動線抽出部１０１により、人流計測システム１１から受信した計測データを動線データに変換し、動線ＤＢ１０７に格納する。

【0033】

ステップＳ２０では、誘導対象検出部１０２による誘導対象検出処理を実行する。ここでは後述の図１３のフローチャートに従って誘導対象検出処理を実行することにより、動線データが表す複数の移動体から誘導対象とする移動体を検出する。図１３のフローチャートの詳細については後述する。

【0034】

ステップＳ３０では、誘導方法決定部１０３による誘導方法決定処理を実行する。ここでは後述の図１４のフローチャートに従って誘導方法決定処理を実行することにより、誘導対象のタイプを推定して誘導方法を決定する。図１４のフローチャートの詳細については後述する。

【0035】

ステップＳ４０では、誘導装置制御部１０５による誘導装置制御処理を実行する。ここでは後述の図１５のフローチャートに従って誘導装置制御処理を実行することにより、誘導装置群１２を構成する各誘導装置の動作を制御して人流の誘導を行う。図１５のフローチャートの詳細については後述する。

【0036】

ステップＳ５０では、誘導方法評価部１０４による誘導方法評価処理を実行する。ここでは後述の図１６のフローチャートに従って誘導方法評価処理を実行することにより、ステップＳ３０の誘導方法決定処理で決定された誘導方法に対する評価を行う。図１６のフローチャートの詳細については後述する。

【0037】

ステップＳ５０の処理を終えたら、図２のフローチャートに示す全体処理を終了する。

【0038】

なお、人流誘導システム１０において図２の全体処理は一定の時間ごとに繰り返される。例えば１秒ごとにこれらの処理が繰り返されてもよい。また、ステップＳ２０～Ｓ５０に関しては、定期的に処理をスキップしてもよい。例えば、ステップＳ１０は１秒に１回行われ、ステップＳ２０～Ｓ５０は１０秒に１回行われてもよい。

【0039】

次に、動線ＤＢ１０７、検出ルールＤＢ１０８、誘導実績ＤＢ１０９、誘導モデルＤＢ１１０および装置制御ＤＢ１１１の各データベースに格納されるデータについて、図３～図１２を参照して以下に説明する。

【0040】

図３～図５は、動線ＤＢ１０７のデータ構造例である。動線ＤＢ１０７には、動線抽出部１０１によって取得された動線データや、動線分析部１０２１による動線データの分析結果が格納される。

【0041】

図３は、動線ＤＢ１０７の動線テーブル１０７１の一例を示す図である。動線テーブル１０７１は、動線データを格納するテーブルである。動線テーブル１０７１には、人ごとに、また一定の時間ごとに、例えば１秒ごとに、動線データの座標をサンプリングしたような形で格納される。

【0042】

動線テーブル１０７１は、ＳＴＡＲＴ＿ＴＩＭＥ１０７１１と、ＥＮＤ＿ＴＩＭＥ１０７１２と、ＰＩＤ１０７１３と、ＯＲＩＥＮＴ１０７１４と、ＡＣＴ１０７１５と、ＧＥＯＭ１０７１６と、を一つのレコードに含む。

【0043】

ＳＴＡＲＴ＿ＴＩＭＥ１０７１１と、ＥＮＤ＿ＴＩＭＥ１０７１２とは、動線データをサンプリングする際の開始時間と終了時間を表し、ＰＩＤ１０７１３は、人のＩＤ（識別子）を表す。ＧＥＯＭ１０７１６は、対応するＰＩＤ１０７１３の人が、ＳＴＡＲＴ＿ＴＩＭＥ１０７１１からＥＮＤ＿ＴＩＭＥ１０７１２までの間に動いた際の動線（時系列的な位置情報）のラインストリングに関するジオメトリ情報（動線データ）を表す。なお、このジオメトリ情報に関する座標系は周知又は公知のものでよく、例えば平面直角座標系などでもよい。

【0044】

ＯＲＩＥＮＴ１０７１４は、ＥＮＤ＿ＴＩＭＥ１０７１２においてＰＩＤ１０７１３の人が向いている方向を角度（又は方位）で表した情報を表す。この角度情報は、レーザーレーダを用いて人を計測した場合は、３Ｄ点群データに対し、Ｐｏｓｅ Ｅｓｔｉｍａｔｉｏｎ等の周知又は公知の技術を使って向きを検出した結果を格納してもよい。カメラを用いて人を計測した場合は、周知又は公知の画像処理技術を用いて向きを検出した結果を格納してもよい。

【0045】

あるいは、動線データから人の向き推定を行った結果を格納してもよい。動線データから向き推定を行う場合、ＰＩＤ１０７１３の人のＳＴＡＲＴ＿ＴＩＭＥ１０７１１からＥＮＤ＿ＴＩＭＥ１０７１２にかけての動いた座標の差分ベクトルを算出して向き検出を行った結果を格納してもよい。

【0046】

ＡＣＴ１０７１５は、対応するＰＩＤ１０７１３の人がＳＴＡＲＴ＿ＴＩＭＥ１０７１１からＥＮＤ＿ＴＩＭＥ１０７１２までの間にどういう行動をとっていたかを表す。例えば、歩いている、走っている、立ち止まっている、しゃがんでいる、座っている、などの情報を表す。またこれらの組み合わせの情報が格納されていてもよい。

【0047】

ＡＣＴ１０７１５は、レーザーレーダを用いて計測した場合は、３Ｄ点群データに対し、Ｐｏｓｅ Ｅｓｔｉｍａｔｉｏｎ等の周知又は公知技術を使って得られた結果を格納してもよい。

【0048】

カメラを用いて計測した場合は、周知又は公知の画像処理技術を用いて得られた結果を格納してもよい。又は動線データを分析することで得られた結果を格納してもよい。例えば、動線データに対してＨｉｄｄｅｎ Ｍａｒｋｏｖ ＭｏｄｅｌやＬｏｎｇ Ｓｈｏｒｔ Ｔｅｒｍ Ｍｅｍｏｒｙ等、系列データに対応した機械学習の手法を適用することで得られてもよい。

【0049】

図４は、動線ＤＢ１０７の状態テーブル１０７２の一例を示す図である。状態テーブル１０７２は、動線分析部１０２１によって得られた動線データの分析結果のうち、誘導対象領域内で形成された各行列にどの人がどの順番で並んでいたかの情報を格納するテーブルである。

【0050】

状態テーブル１０７２は、行列の開始時刻と終了時刻をそれぞれ表すＳＴＡＲＴ＿ＴＩＭＥ１０７２１及びＥＮＤ＿ＴＩＭＥ１０７２２と、行列が形成された位置をチェックポイントの識別子で指定する行列のＣＩＤ１０７２３と、行列に並んでいる人のＰＩＤ１０７１３（図３参照）をサービス待ちの順番通りに並べたＩＤリストであるＰＩＤ＿ＬＩＳＴ１０７２４と、を一つのレコードに格納する。

【0051】

ここでＣＩＤ１０７２３は、後述の図７に示すチェックポイントテーブル１０８２に含まれるＣＩＤ１０８２１と対応している。

【0052】

図５は、動線ＤＢ１０７のＯＤテーブル１０７３の一例を示す図である。ＯＤテーブル１０７３は、動線分析部１０２１によって得られた動線データの分析結果のうち、誘導対象領域内に存在する各人がどこからどこへ向かって移動しているかの情報を格納するテーブルである。

【0053】

ＯＤテーブル１０７３は、人の移動開始時刻と移動終了時刻をそれぞれ表すＳＴＡＲＴ＿ＴＩＭＥ１０７３１及びＥＮＤ＿ＴＩＭＥ１０７３２と、人のＩＤを表すＰＩＤ１０７３３と、人が移動を開始及び終了した場所のチェックポイントのＩＤをそれぞれ表すＯ１０１７４及びＤ１０７３５と、を一つのレコードに格納する。

【0054】

ここでＰＩＤ１０７３３は、前述の図３に示した動線テーブル１０７１に含まれるＰＩＤ１０７１３と対応している。また、Ｏ１０１７４及びＤ１０７３５は、前述の図４に示した状態テーブル１０７２に含まれるＣＩＤ１０７２３と同様に、後述の図７に示すチェックポイントテーブル１０８２に含まれるＣＩＤ１０８２１とそれぞれ対応している。

【0055】

図６、図７は、検出ルールＤＢ１０８のデータ構造例である。検出ルールＤＢ１０８には、検出ルール適用部１０２２が誘導対象とする移動体（人）を検出する際に利用される検出ルールの情報が格納される。

【0056】

図６は、検出ルールＤＢ１０８の検出ルールテーブル１０８１の一例を示す図である。検出ルールテーブル１０８１は、事前に準備された誘導対象の検出ルールを格納するテーブルである。

【0057】

検出ルールテーブル１０８１は、検出ルールのＩＤと名称をそれぞれ表すＲＩＤ１０８１１及びＮＡＭＥ１０８１２と、誘導対象領域内に存在する様々な人から誘導対象を抽出する際の検出ルールの条件を表すＣＯＮＤＩＴＩＯＮ１０８１３と、検出ルールによって検出された誘導対象に対して適用すべき誘導方法を表すＧＵＩＤＥ１０８１４と、を一つのレコードに格納する。ＣＯＮＤＩＴＩＯＮ１０８１３及びＧＵＩＤＥ１０８１４では、誘導対象の抽出条件や誘導方法が例えばＳＱＬ（Ｓｔｒｕｃｔｕｒｅｄ Ｑｕｅｒｙ Ｌａｎｇｕａｇｅ）によって表現されている。

【0058】

図７は、検出ルールＤＢ１０８のチェックポイントテーブル１０８２の一例を示す図である。

【0059】

チェックポイントは、誘導対象領域内で人が移動する際の立ち寄り場所や、何らかの属性が付加された通過場所を示す。例えば、誘導対象領域として空港施設の到着ロビーなどを考える場合、チェックポイントは出入口や行列、デジタルサイネージや、荷物の受け取りのベルトコンベアや検査台等の情報に相当する。

【0060】

チェックポイントテーブル１０８２は、チェックポイントのＩＤ、名称及び種類をそれぞれ表すＣＩＤ１０８２１、ＮＡＭＥ１０８２２及びＴＹＰＥ１０８２３と、チェックポイントの位置情報や形状情報（ジオメトリ情報）を表すＷＫＴ１０８２４と、を一つのレコードに格納する。ＷＫＴ１０８２４は、オブジェクトの形状を表す座標を、ポリゴンやラインストリングといった形のジオメトリとして表したものである。ＷＫＴ１０８２４の座標系は任意のものでよい。

【0061】

ここでＣＩＤ１０８２１は、前述の図４に示した状態テーブル１０７２に含まれるＣＩＤ１０７２３や、前述の図５に示したＯＤテーブル１０７３に含まれるＯ１０１７４及びＤ１０７３５と対応している。

【0062】

図８は、誘導実績ＤＢ１０９のデータ構造例である。誘導実績ＤＢ１０９には、検出ルール適用部１０２２によって検出された誘導対象の情報や、特徴量算出部１０３１によって算出された特徴量の情報、誘導対象タイプ推定部１０３３によって推定された誘導対象のタイプ、誘導パラメータ選定部１０３４によって選定された誘導パラメータ、誘導方法評価部１０４による誘導方法の評価結果などの情報が格納される。

【0063】

図８は、誘導実績ＤＢ１０９の実績テーブル１０９１の一例を示す図である。実績テーブル１０９１は、誘導対象の検出結果と、検出された誘導対象について行われた誘導の実績とを、誘導対象ごとに、また一定の時間（例えば１０秒）ごとに格納するテーブルである。

【0064】

実績テーブル１０９１は、ＴＩＭＥ１０９１１と、ＰＩＤ１０９１２と、ＴＲＩＡＬ１０９１３と、ＴＹＰＥ１０９１４と、ＲＩＤ１０９１５と、Ｆ＿ｋ１０９１６と、ＴＨＥＴＡ＿ｌ１０９１７と、ＳＣＯＲＥ１０９１８と、を一つのレコードに含む。

【0065】

ＴＩＭＥ１０９１１は、誘導対象に対して誘導を実行した時間を表し、ＰＩＤ１０９１２は、誘導対象として検出された人のＩＤを表す。ここでＰＩＤ１０９１２は、前述の図３に示した動線テーブル１０７１に含まれるＰＩＤ１０７１３や、前述の図５に示したＯＤテーブル１０７３に含まれるＰＩＤ１０７１３と対応している。

【0066】

ＴＲＩＡＬ１０９１３は、誘導を試行（実行）した回数を表し、ＴＹＰＥ１０９１４は、誘導対象タイプ推定部１０３３によって推定された誘導対象のタイプを表す。ここでＴＹＰＥ１０９１４は、後述の図９に示すタイプ推定テーブル１１０１に含まれるＴＹＰＥ１１０１２と対応している。

【0067】

ＲＩＤ１０９１５は、誘導対象が検出された検出ルールのＩＤを表す。ここでＲＩＤ１０９１５は、前述の図６に示した検出ルールテーブル１０８１に含まれるＲＩＤ１０８１１と対応している。

【0068】

Ｆ＿ｋ１０９１６は、特徴量算出部１０３１によって算出された誘導対象の特徴量を表す。ここでｋは特徴量の識別子を表し、誘導対象ごとにＫ種類の特徴量が算出されるとすると、このＫ種類の特徴量に対して、ｋ＝１～Ｋの整数が識別子としてそれぞれ設定される。

【0069】

ＴＨＥＴＡ＿ｌ１０９１７は、誘導パラメータ選定部１０３４によって選定された誘導パラメータを表す。ここでｌは誘導パラメータの識別子を表し、誘導対象ごとにＬ種類の誘導パラメータが設定されるとすると、このＬ種類の誘導パラメーに対して、ｌ＝１～Ｌの整数が識別子としてそれぞれ設定される。

【0070】

ＳＣＯＲＥ１０９１８は、対応するＴＨＥＴＡ＿ｌ１０９１７の組み合わせに応じて定まる誘導方法により誘導対象を誘導した結果に対して、誘導方法評価部１０４により算出された評価値を表す。

【0071】

図９、図１０は、誘導モデルＤＢ１１０のデータ構造例である。誘導モデルＤＢ１１０には、誘導対象タイプ推定部１０３３が誘導対象のタイプを推定する際に利用される機械学習モデルである誘導モデルの情報が格納される。

【0072】

図９は、誘導モデルＤＢ１１０のタイプ推定テーブル１１０１の一例を示す図である。タイプ推定テーブル１１０１は、誘導モデルのパラメータを格納するテーブルである。

【0073】

タイプ推定テーブル１１０１は、誘導モデルの更新時刻を表すＵＰＤＡＴＥ＿ＴＩＭＥ１１０１１と、誘導対象のタイプを表すＴＹＰＥ１１０１２と、誘導モデルのパラメータ値（重み）を表すＭＯＤＥＬ＿ｍ１１０１３と、誘導モデルの詳細を表すＤＥＳＣＲＩＰＴＩＯＮ１１０１４と、を一つのレコードに格納する。ここでＴＹＰＥ１１０１２は、前述の図８に示した実績テーブル１０９１に含まれるＴＹＰＥ１０９１４と対応している。また、ＭＯＤＥＬ＿ｍ１１０１３におけるｍは誘導モデルのパラメータの識別子を表し、誘導モデルごとにＭ種類のパラメータが設定されるとすると、このＭ種類のパラメータに対して、ｍ＝１～Ｍの整数が識別子としてそれぞれ設定される。

【0074】

なお、ＤＥＳＣＲＩＰＴＩＯＮ１１０１４の内容は、例えば管理者が人流誘導システム１０に対して誘導モデルの設定を行う際に、管理者端末１３を介して任意に入力することができる。

【0075】

図１０は、誘導モデルＤＢ１１０の誘導方法対応テーブル１１０２の一例を示す図である。誘導方法対応テーブル１１０２は、誘導モデルごとに対応する誘導方法を格納するテーブルである。

【0076】

誘導方法対応テーブル１１０２は、誘導方法の更新時刻を表すＵＰＤＡＴＥ＿ＴＩＭＥ１１０２１と、誘導対象のタイプを表すＴＹＰＥ１１０２２と、誘導パラメータを表すＴＨＥＴＡ＿ｌ１１０２３と、誘導の成功度合いを表すＳＵＣＣＥＳＳ１１０２４と、を一つのレコードに格納する。ここでＴＹＰＥ１１０２２は、前述の図９に示したタイプ推定テーブル１１０１に含まれるＴＹＰＥ１１０１２と同様に、図８に示した実績テーブル１０９１に含まれるＴＹＰＥ１０９１４と対応している。また、ＴＨＥＴＡ＿ｌ１１０２３は、図８に示した実績テーブル１０９１に含まれるＴＨＥＴＡ＿ｌ１０９１７と対応している。

【0077】

図１１、図１２は、装置制御ＤＢ１１１のデータ構造例である。装置制御ＤＢ１１１には、誘導装置制御部１０５が誘導装置群１２の動作を制御する際に利用される情報が格納される。

【0078】

図１１は、装置制御ＤＢ１１１の制御テーブル１１１１の一例を示す図である。制御テーブル１１１１は、誘導装置群１２に含まれる各誘導装置の情報を格納するテーブルである。

【0079】

制御テーブル１１１１は、誘導装置のＩＤを表すＴＨＥＴＡ＿ＩＤ１１１１１と、同一種類の誘導装置が複数ある場合にそれぞれの誘導装置を区別するためのＩＤを表すＤＩＤ１１１１２と、誘導装置の名称を表すＮＡＭＥ１１１１３と、誘導装置の設置位置を表すＡＲＥＡ１１１１４と、を一つのレコードに格納する。ここで制御テーブル１１１１におけるレコードの数、すなわち誘導装置群１２に含まれる誘導装置の数は、図８に示した実績テーブル１０９１に含まれるＴＨＥＴＡ＿ｌ１０９１７及び図１０に示した誘導方法対応テーブル１１０２に含まれるＴＨＥＴＡ＿ｌ１１０２３の数と対応している。

【0080】

図１２は、装置制御ＤＢ１１１のコンテンツテーブル１１１２の一例を示す図である。コンテンツテーブル１１１２は、誘導装置群１２に含まれる各誘導装置に対する誘導パラメータの値ごとの制御内容を格納するテーブルである。

【0081】

コンテンツテーブル１１１２は、誘導装置のＩＤを表すＴＨＥＴＡ＿ＩＤ１１１２１と、誘導パラメータの値を表すＴＨＥＴＡ１１１２２と、誘導装置に対して行う具体的な制御内容を表すＣＯＮＴＥＮＴＳ１１１２３と、を一つのレコードに格納する。ここでＴＨＥＴＡ＿ＩＤ１１１２１は、前述の図１１に示した制御テーブル１１１１に含まれるＴＨＥＴＡ＿ＩＤ１１１１１と対応している。

【0082】

次に、図２のフローチャートにおけるステップＳ２０～Ｓ５０の各処理の詳細について、図１３～図１６を参照して以下に説明する。

【0083】

図１３は、図２のステップＳ２０において誘導対象検出部１０２により実行される誘導対象検出処理の一例を示すフローチャートである。

【0084】

ステップＳ２１では、動線分析部１０２１により、図３に示した動線テーブル１０７１のデータと、図７に示したチェックポイントテーブル１０８２のデータとを用いて、誘導対象領域内に存在する各人に対するＯＤ分析を実施し、その結果をＯＤテーブル１０７３に格納する。ここでは、誘導対象領域内における各人の移動状態を動線テーブル１０７１の各情報から判断し、ある場所から移動を開始した人については、その場所のチェックポイントのＩＤをチェックポイントテーブル１０８２から取得して、ＯＤテーブル１０７３のＯ１０１７４に格納し、ある場所で移動を終了した人については、その場所のチェックポイントのＩＤをチェックポイントテーブル１０８２から取得して、ＯＤテーブル１０７３のＤ１０１７５に格納する。

【0085】

ステップＳ２２では、動線分析部１０２１により、図３に示した動線テーブル１０７１のデータと、図７に示したチェックポイントテーブル１０８２のデータとを用いて、誘導対象領域内に存在する各人に対する行列判定を実施し、その結果を状態テーブル１０７２に格納する。ここでは、誘導対象領域内における各人の移動状態を動線テーブル１０７１の各情報から判断するとともに、チェックポイントテーブル１０８２のＷＫＴ１０８２４からチェックポイントの場所を判断し、いずれかのチェックポイントから一定の距離以内で移動速度が一定値以下の人を、行列に並んでいる人として抽出する。そして、当該チェックポイントの最近傍にいる人を行列の先頭として抽出し、次に近い人を次に並んでいる人として抽出する。その際に各人の向き（ＯＲＩＥＮＴ１０７１４）の情報を用いてもよい。これを繰り返すことで、チェックポイントで発生した行列に並んでいる人を検出することができる。

【0086】

ステップＳ２２の行列判定により、行列の開始時刻及び終了時刻と、行列が形成されたチェックポイントと、行列に並んでいる人とその順番が特定される。これらの結果を、状態テーブル１０７２のＳＴＡＲＴ＿ＴＩＭＥ１０７２１、ＥＮＤ＿ＴＩＭＥ１０７２２、ＣＩＤ１０７２３、ＰＩＤ＿ＬＩＳＴ１０７２４にそれぞれ格納する。

【0087】

ステップＳ２３では、検出ルール適用部１０２２により、図３に示した動線テーブル１０７１のデータと、図５に示したＯＤテーブル１０７３のデータと、図４に示した状態テーブル１０７２のデータとに基づき、誘導対象とする人を検出する。ここでは図３～図５の各データと、図６に示した検出ルールテーブル１０８１のＣＯＮＤＩＴＩＯＮ１０８１３の内容とを、ＲＩＤ１０８１１の値ごとに比較して、いずれかのＲＩＤ１０８１１に対応するＣＯＮＤＩＴＩＯＮ１０８１３で指定される条件を満たす人の有無を判定する。その結果、いずれかのＲＩＤ１０８１１について条件を満たす人が存在する場合は、その人を誘導対象として検出する。

【0088】

ステップＳ２４では、検出ルール適用部１０２２により、ステップＳ２３で誘導対象として検出された人の情報を誘導実績ＤＢ１０９に格納する。ここでは検出時刻と、その人のＰＩＤの値と、検出ルールテーブル１０８１において条件を満たすと判定されたレコードのＲＩＤ１０８１１の値とを取得して、実績テーブル１０９１のＴＩＭＥ１０９１１、ＰＩＤ１０９１２、ＲＩＤ１０９１５にそれぞれ格納する。

【0089】

ステップＳ２４の処理を実行したら、図１３の誘導対象検出処理を終了し、図２の処理フローをステップＳ２０からステップＳ３０へ進める。

【0090】

図１４は、図２のステップＳ３０において誘導方法決定部１０３により実行される誘導方法決定処理の一例を示すフローチャートである。

【0091】

ステップＳ３１では、特徴量算出部１０３１により、誘導実績ＤＢ１０９に情報が格納された各誘導対象に対して特徴量を算出する。ここでは、動線テーブル１０７１、状態テーブル１０７２及びＯＤテーブル１０７３の各情報に基づき、所定の領域ごと、行動ごと、判定ルールごとのいずれか１つ以上に関する様々な特徴を、誘導対象ごとに特徴量として算出する。この特徴量の算出には、周知の様々な手法を利用することができる。

【0092】

ステップＳ３１で算出された特徴量の値は、実績テーブル１０９１において、誘導対象ごとにＦ＿ｋ１０９１６に格納される。

【0093】

ステップＳ３２では、誘導対象タイプ推定部１０３３により、誘導モデルＤＢ１１０に格納された誘導モデルを用いて、誘導対象のタイプを推定する。ここでは、タイプ推定テーブル１１０１においてＵＰＤＡＴＥ＿ＴＩＭＥ１１０１１の値が最新であるレコードをＴＹＰＥ１１０１２の値ごとに抽出することで、現在運用中の誘導モデルを特定する。そして、抽出した各レコードのＭＯＤＥＬ＿ｍ１１０１３に格納されたパラメータ値で表される各誘導モデルに対して、誘導対象ごとに、ステップＳ３１で実績テーブル１０９１のＦ＿ｋ１０９１６に格納された特徴量の値を入力し、その出力を取得する。その結果、各誘導対象について最も高い出力が得られたレコードのＴＹＰＥ１１０１２の値を、当該誘導対象のタイプの推定結果として取得する。

【0094】

ステップＳ３２で得られた誘導対象のタイプの推定結果、すなわちタイプ推定テーブル１１０１で最も高い出力が得られたレコードのＴＹＰＥ１１０１２の値は、実績テーブル１０９１において、誘導対象ごとにＴＹＰＥ１０９１４に格納される。

【0095】

ステップＳ３３では、誘導パラメータ選定部１０３４により、ステップＳ３２で得られた各誘導対象のタイプの推定結果に対応する誘導パラメータθを順番に選定する。ここでは誘導対象ごとに、誘導方法対応テーブル１１０２のＴＹＰＥ１１０２２の値が、ステップＳ３２で得られたＴＹＰＥ１１０１２の値と一致する各レコードを、ＳＵＣＣＥＳＳ１１０２４に格納されている値が高い順に選択する。具体的には、最初にステップＳ３３の処理を実行するときには、ＳＵＣＣＥＳＳ１１０２４の値が最も高いレコードを選択し、次にステップＳ３３の処理を実行するときには、ＳＵＣＣＥＳＳ１１０２４の値が二番目に高いレコードを選択する。そして、選択したレコードのＴＨＥＴＡ＿ｌ１１０２３に格納されている各値を、当該誘導対象に対応する誘導装置ごとの誘導パラメータθの値として選定する。

【0096】

ステップＳ３４では、ステップＳ３３で選定した誘導パラメータθの値による誘導結果を取得する。ここでは、ステップＳ３３で選定した誘導パラメータθの値に基づき、誘導装置制御部１０５が図２のステップＳ４０で誘導装置制御処理を行い、その後に誘導方法評価部１０４が図２のステップＳ５０で誘導方法評価処理を行った後に、ステップＳ３１で算出された特徴量の値が実績テーブル１０９１においてＦ＿ｋ１０９１６に格納された各レコードのＳＣＯＲＥ１０９１８に格納されている誘導スコアの値を、誘導パラメータθに応じた誘導対象の誘導結果として取得する。なお、ここでＳＣＯＲＥ１０９１８に格納されている誘導スコアの値は、誘導方法評価部１０４において後述の図１６に示すフローチャートの処理が実行されることによって算出されるものである。

【0097】

ステップＳ３５では、ステップＳ３４で取得した誘導結果に基づいて、各誘導対象が正しく誘導されたか否かを判定する。ここでは誘導対象ごとに、ステップＳ３４で誘導結果として取得した誘導スコアの値が所定値以上であるか否かを判定する。その結果、誘導スコアの値が所定値以上であれば誘導対象が正しく誘導されたと判定し、誘導スコアの値が所定値未満であれば誘導対象が正しく誘導されなかったと判定する。

【0098】

ステップＳ３５で誘導対象が正しく誘導されたと判定した場合は、図１４の誘導方法決定処理を終了し、図２の処理フローをステップＳ３０からステップＳ４０へ進める。一方、ステップＳ３５で誘導対象が正しく誘導されなかったと判定した場合は、処理をステップＳ３６に進める。

【0099】

ステップＳ３６では、誘導対象ごとに、誘導パラメータθが取り得る全ての値について誘導を試行済みか否かを判定する。これまでに実行したステップＳ３３の処理において、誘導パラメータθが取り得る全ての値を選定済みである場合、すなわち、ステップＳ３３で選択可能な全てのレコードを誘導方法対応テーブル１１０２において選択済みの場合は、ステップＳ３６を肯定判定し、処理をステップＳ３７に進める。一方、これまでに実行したステップＳ３３の処理において未選定の誘導パラメータθの値が存在する場合、すなわち、ステップＳ３３で未選択のレコードが誘導方法対応テーブル１１０２において存在する場合は、ステップＳ３６を否定判定してステップＳ３３に戻る。この場合、未選定の誘導パラメータθの値のいずれかをステップＳ３３で選定した後、ステップＳ３４及びＳ３５の処理を繰り返す。

【0100】

ステップＳ３７では、誘導パラメータθの値をランダムに変更する。ここでは、誘導方法対応テーブル１１０２のＴＨＥＴＡ＿ｌ１１０２３に格納されている値に関わらず、誘導パラメータθの値を任意に変更することで、誘導方法において突然変異を発生させる。これにより、過去に前例のない誘導方法の中から、各誘導対象にとって最適な誘導方法を探索できるようにする。

【0101】

ステップＳ３７の処理を実行したらステップＳ３４に戻り、変更後の誘導パラメータθの値を用いて、ステップＳ３４、Ｓ３５及びＳ３６の処理を繰り返す。

【0102】

図１５は、図２のステップＳ４０において誘導装置制御部１０５により実行される誘導装置制御処理の一例を示すフローチャートである。

【0103】

ステップＳ４１では、誘導実績ＤＢ１０９に情報が格納された各誘導対象について、当該誘導対象の位置情報に対応する誘導装置のＩＤを装置制御ＤＢ１１１より抽出する。ここでは、誘導対象ごとに対応するＰＩＤ１０９１２の値を誘導実績ＤＢ１０９から取得し、動線テーブル１０７１においてＰＩＤ１０７１３の値が一致するレコードを特定する。そして、当該レコードのＧＥＯＭ１０７１６に格納されている値と、制御テーブル１１１１の各レコードのＡＲＥＡ１１１１４に格納されている値とを比較することで、誘導対象の位置に対応する誘導装置のレコードを特定し、当該レコードのＴＨＥＴＡ＿ＩＤ１１１１１及びＤＩＤ１１１１２の値を抽出する。これにより、誘導対象ごとにその位置情報に対応する誘導装置のＩＤを抽出することができる。

【0104】

ステップＳ４２では、ステップＳ４１で抽出したＩＤにより指定される制御対象の誘導装置が制御可能であるか否かを判定する。ここでは、例えば他の誘導対象の誘導のために当該誘導装置が現在動作中である場合などのように、現時点では誘導装置の制御が不可能な場合は、ステップＳ４２を否定判定してステップＳ４３に進む。一方、こうした制限が存在せず、現時点で誘導装置の制御を実行可能な場合は、ステップＳ４２を肯定判定してステップＳ４４に進む。

【0105】

ステップＳ４３では、誘導装置制御部１０５の処理を１ステップ待機する。待機後はステップＳ４２へ戻り、ステップＳ４２の判定処理を再度実行する。この処理を繰り返すことにより、誘導装置が制御可能な状態となるまで、誘導装置制御部１０５による誘導装置の制御を行わずに待機する。

【0106】

ステップＳ４４では、ステップＳ４１で抽出したＩＤにより指定される誘導装置に対して制御信号を送信する。ここでは、図１４のステップＳ３３で選定された誘導パラメータθの値、または、図１４のステップＳ３７で変更された誘導パラメータθの値を取得し、コンテンツテーブル１１１２において、ＴＨＥＴＡ＿ＩＤ１１１２１の値がステップＳ４１で抽出したＩＤと一致し、かつＴＨＥＴＡ１１１２２の値が取得した誘導パラメータθと一致するレコードを特定する。そして、当該レコードのＣＯＮＴＥＮＴＳ１１１２３を参照することで制御内容を決定し、その制御内容に応じた制御信号を生成して、ステップＳ４１で抽出したＩＤの誘導装置へ送信する。

【0107】

ステップＳ４４の処理を実行したら、図１５の誘導装置制御処理を終了し、図２の処理フローをステップＳ４０からステップＳ５０へ進める。

【0108】

図１６は、図２のステップＳ５０において誘導方法評価部１０４により実行される誘導方法評価処理の一例を示すフローチャートである。

【0109】

ステップＳ５１では、ステップＳ４０で誘導装置制御部１０５が誘導装置制御処理を実行した後、一定ステップの間待機する。このステップＳ５１の待機処理は、誘導装置制御部１０５が行う誘導装置制御処理によって誘導装置の動作を制御し、それに応じて誘導対象が誘導されるのを待つための処理である。なお、図１６の誘導方法評価処理を所定時間ごとに繰り返し行うことで、ステップＳ５１の待機処理を省略しても良い。

【0110】

ステップＳ５２では、誘導装置制御部１０５による誘導装置の動作制御後に得られた誘導対象の動線データより、その誘導結果に対する誘導スコアを算出する。ここでは、各誘導対象について動線テーブル１０７１、状態テーブル１０７２、ＯＤテーブル１０７３にそれぞれ格納された情報を取得し、これらの情報と、検出ルールテーブル１０８１において当該評価対象が検出された検出ルールに対応するレコードのＧＵＩＤＥ１０８１４に格納されている内容とを比較して、その比較結果に応じた評価値を誘導スコアとして算出する。

【0111】

ステップＳ５３では、ステップＳ５２で算出された誘導スコアを誘導実績ＤＢ１０９に格納する。ここでは、実績テーブル１０９１において各誘導対象に対応するレコードを特定し、当該レコードのＳＣＯＲＥ１０９１８に算出した誘導スコアの値を格納する。なお、ここでＳＣＯＲＥ１０９１８に格納された誘導スコアの値は、前述の図１４に示した誘導方法決定処理のステップＳ３４において、選定した誘導パラメータθに対する誘導対象の誘導結果として取得される。

【0112】

ステップＳ５４では、ステップＳ５３で誘導実績ＤＢ１０９に格納された誘導スコアを誘導対象のタイプと誘導方法の組み合わせごとに分類し、これによって得られた誘導対象のタイプ及び誘導方法ごとの誘導スコアから、誘導の成功度合いを算出する。ここでは、実績テーブル１０９１においてＴＹＰＥ１０９１４とＴＨＥＴＡ＿ｌ１０９１７の値の組み合わせが同じレコード同士をまとめてグループ化し、グループごとに各レコードのＳＣＯＲＥ１０９１８の値を合計することにより、誘導対象のタイプ及び誘導方法ごとに誘導の成功度合いを算出する。

【0113】

ステップＳ５５では、ステップＳ５４で算出された誘導の成功度合いを誘導モデルＤＢ１１０に格納する。ここでは、誘導方法対応テーブル１１０２において、誘導対象のタイプ及び誘導方法の組み合わせごとに対応するレコードを特定し、当該レコードのＳＵＣＣＥＳＳ１１０２４に算出した誘導の成功度合いの値を格納する。

【0114】

ステップＳ５５の処理を実行したら、図１６の誘導方法評価処理を終了し、図２の処理フローを完了する。

【0115】

続いて、誘導方法決定部１０３の誘導モデル学習部１０３２で行われる誘導モデル学習処理について説明する。人流誘導システム１０では、誘導モデルＤＢ１１０に格納された誘導モデルの学習を行うために、誘導モデル学習部１０３２において誘導モデル学習処理が実行される。この誘導モデル学習処理の詳細について、図１７及び図１８を参照して以下に説明する。

【0116】

図１７は、誘導モデル学習部１０３２により実行される誘導モデル学習処理の一例を示すフローチャートである。誘導モデル学習部１０３２は、例えば所定時間ごとに、または管理者によって指示された任意のタイミングで、図１７のフローチャートに示す誘導モデル学習処理を実行する。

【0117】

ステップＳ６１では、誘導実績ＤＢ１０９に格納されている特徴量に対して、重み付きクラスタリングを実行する。ここでは、実績テーブル１０９１の各レコードに格納されているＦ＿ｋ１０９１６の値を取得し、これらの値が表す特徴量のそれぞれに対して、ＳＣＯＲＥ１０９１８に格納されている誘導スコアの値を乗算することにより、重み付け特徴量を算出する。そして、算出した重み付け特徴量をその種類ごとにクラスタリングすることで、実績テーブル１０９１の各レコードに対して、特徴量の重み付きクラスタリングを実行する。

【0118】

ステップＳ６２では、ステップＳ６１で行った特徴量の重み付きクラスタリングの結果に基づく各クラスタの統計値ｐｎを算出し、この統計値ｐｎが以下の条件式（１）を満たすか否かを判定する。

【数1】

【0119】

条件式（１）において、ｎは各クラスタの識別番号を表し、これは各クラスタに対して１から順に付される整数値で表される。また、Ｎはクラスタ数を表し、λ，Ｔは予め設定された係数と閾値をそれぞれ表す。

【0120】

図１８は、ステップＳ６２における各クラスタの統計値ｐｎの算出方法の概要を示す図である。

【0121】

図１８において、分布図２１は、ステップＳ６１において算出された重み付け特徴量の分布例を示している。この分布図２１で表される各点に対して、横軸を重み付け特徴量の値とし、縦軸を各点の確率密度とすると、例えば曲線２２のような確率密度分布が求められる。

【0122】

ここで、分布図２１の各点をクラスタリングした結果、例えばＤ１，Ｄ２の各クラスタが求められたとする。これらのクラスタＤ１，Ｄ２における各点の確率密度分布は、例えば曲線２３，２４でそれぞれ表される。これらの確率密度分布から、クラスタＤ１の統計値ｐ１と、クラスタＤ２の統計値ｐ２とをそれぞれ算出することができる。

【0123】

図１７の説明に戻ると、ステップＳ６２で条件式（１）が満たされないと判定した場合はステップＳ６３に進み、満たされないと判定した場合はステップＳ６４に進む。

【0124】

ステップＳ６３では、再帰的クラスタリングを行う。ここでは、ステップＳ６１で得られたクラスタリング結果とは異なる結果となるように各クラスタの分割条件を設定することで、実績テーブル１０９１の各レコードに対して、特徴量の重み付きクラスタリングを再度実行する。ステップＳ６３の処理を実行した後はステップＳ６２へ戻り、ステップＳ６２の判定処理を再度実行する。この処理を繰り返すことにより、条件式（１）が満たされるまで、実績テーブル１０９１の各レコードに対して特徴量の重み付きクラスタリングを実行する。

【0125】

ステップＳ６４では、ステップＳ６１またはステップＳ６３で最終的に得られた各クラスタの情報を誘導モデルＤＢ１１０に格納する。ステップＳ６４の処理を実行したら、図１７の誘導モデル学習処理を終了する。

【0126】

以上説明した誘導モデル学習処理が実行されることにより、各誘導対象に対して算出された誘導スコアの値に基づいて、タイプ推定テーブル１１０１のＭＯＤＥＬ＿ｍ１１０１３の値が更新され、誘導モデルの学習が行われる。こうして学習された誘導モデルに基づいて誘導対象のタイプの推定が行われるため、過去の誘導結果を誘導モデルＤＢ１１０に反映して、誘導対象のタイプの推定精度を向上させることができる。

【0127】

続いて、誘導情報管理部１０６の処理によって管理者端末１３に表示される画面の例について、図１９、図２０及び図２１を参照して以下に説明する。

【0128】

図１９は、管理者端末１３に表示される管理画面の一例を示す図である。この画面では、人流誘導システム１０においてどのような人が誘導対象として検出されたか、各誘導対象に対して誘導装置によりどのような誘導が行われたかを表示し、管理者の意思決定に繋げられるようにする。

【0129】

図１９に示す管理画面３０は、誘導対象として検出された人の動線データを表示する動線表示画面３１と、誘導対象として検出された人をリスト化して表示する誘導対象リスト３２と、誘導対象に対してどのような誘導パラメータθの値が設定されたかを表示する詳細誘導設定３３と、誘導対象に対する動線分析結果を表示する詳細分析画面３４と、を含んで構成される。管理者は、管理者端末１３に表示された管理画面３０を確認することで、人流誘導システム１０の動作状態を確認することができる。また、必要に応じて管理画面３０に対して任意の操作を行うことにより、人流誘導システム１０の制御を行うこともできる。

【0130】

図２０は、管理者端末１３に表示されるモデル学習画面の一例を示す図である。この画面では、誘導モデルＤＢ１１０に格納された誘導モデルの学習状態を表示する。

【0131】

図２０に示すモデル学習画面４０は、クラスタリング結果を表示する画面４１と、各誘導対象の誘導履歴を表示する画面４２と、学習履歴を表示する画面４３と、を含んで構成される。管理者は、管理者端末１３に表示されたモデル学習画面４０を確認することで、人流誘導システム１０における誘導モデルの学習状態を確認することができる。また、必要に応じてモデル学習画面４０に対して任意の操作を行うことにより、誘導モデルの学習を実行させることもできる。

【0132】

図２１は、管理者端末１３に表示される検出ルール修正画面の一例を示す図である。この画面では、検出ルールＤＢ１０８に格納された検出ルールの内容を表示する。

【0133】

図２１に示す検出ルール修正画面５０は、検出ルールにより誘導対象として検出された人の動きを表示する画面５１と、検出ルールの内容を表示する画面５２と、を含んで構成される。管理者は、管理者端末１３に表示された検出ルール修正画面５０を確認することで、人流誘導システム１０における検出ルールの設定状態を確認することができる。また、必要に応じて検出ルール修正画面５０に対して任意の操作を行うことにより、検出ルールの修正を行うこともできる。

【0134】

以上説明した本発明の一実施形態に係る人流誘導システム１０によれば、以下の作用効果を奏する。

【0135】

（１）人流誘導システム１０は、複数の移動体の動線データを抽出する動線抽出部１０１と、動線データに基づいて、複数の移動体から誘導対象とする移動体を検出する誘導対象検出部１０２と、誘導対象検出部１０２により検出された誘導対象のタイプを推定し、その推定結果に基づいて誘導対象の誘導方法を決定する誘導方法決定部１０３と、誘導方法決定部１０３により決定された誘導方法に従って複数の誘導装置をそれぞれ制御することで、誘導対象を含む人流の誘導を行う誘導装置制御部１０５と、を備える。このようにしたので、効率良く人流の誘導を行うことができる。

【0136】

（２）誘導方法決定部１０３は、特徴量算出部１０３１により、動線データに基づいて誘導対象の行動の特徴を表す特徴量を算出し（ステップＳ３１）、誘導対象タイプ推定部１０３３により、特徴量に基づいて誘導対象のタイプを推定する（ステップＳ３２）。具体的には、人流誘導システム１０は、誘導装置制御部１０５により複数の誘導装置の制御を行った際に動線抽出部１０１が抽出した動線データに基づいて、誘導対象に対する誘導の成功度合いを表す誘導スコアを算出する（ステップＳ５２）誘導方法評価部１０４を備える。誘導方法決定部１０３は、この誘導スコアおよび特徴量に基づいて誘導対象のタイプを推定する。すなわち、誘導方法決定部１０３は、機械学習モデルである誘導モデルを用いて特徴量に応じたタイプを出力することで誘導対象のタイプを推定し（ステップＳ３２）、誘導スコアに基づいて誘導モデルの学習を行う（ステップＳ６１～Ｓ６４）。このようにしたので、過去の誘導対象の誘導結果を反映して、誘導対象のタイプを正確に推定することができる。

【0137】

（３）人流誘導システム１０は、動線データにおける移動体の動きと場所の特徴を互いに関連付けした検出ルールを複数有する検出ルールテーブル１０８１が記録された検出ルールデータベース１０８を備える。誘導対象検出部１０２は、検出ルールテーブル１０８１を用いて誘導対象を検出する（ステップＳ２３）。このようにしたので、予め定められた検出ルールに基づき、誘導対象とすべき移動体（人）を確実に検出することができる。

【0138】

（４）人流誘導システム１０は、複数の誘導装置の各々から出力可能なコンテンツとコンテンツに対する制御情報とを有するコンテンツテーブル１１１２が記録された装置制御データベース１１１を備える。誘導装置制御部１０５は、装置制御データベース１１１を用いて複数の誘導装置をそれぞれ制御する（ステップＳ４１～Ｓ４４）。このようにしたので、様々なコンテンツを出力可能な各誘導装置において、誘導対象ごとに適切な誘導方法で誘導を行うことができる。

【0139】

なお、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、上記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記載したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。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ることが可能であり、また、ある実施例の構成に他の実施例の構成を加えることも可能である。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、又は置換のいずれもが、単独で、又は組み合わせても適用可能である。

【0140】

また、上記の各構成、機能、処理部、及び処理手段等は、それらの一部又は全部を、例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い。また、上記の各構成、及び機能等は、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。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、メモリや、ハードディスク、ＳＳＤ等の記録装置、又は、ＩＣカード、ＳＤカード、ＤＶＤ等の記録媒体に置くことができる。

【0141】

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、製品上必ずしも全ての制御線や情報線を示しているとは限らない。実際には殆ど全ての構成が相互に接続されていると考えてもよい。

【符号の説明】

【0142】

１０：人流誘導システム
１１：人流計測システム
１２：誘導装置群
１３：管理者端末
１０１：動線抽出部
１０２：誘導対象検出部
１０３：誘導方法決定部
１０４：誘導方法評価部
１０５：誘導装置制御部
１０６：誘導情報管理部
１０７：動線ＤＢ
１０８：検出ルールＤＢ
１０９：誘導実績ＤＢ
１１０：誘導モデルＤＢ
１１１：装置制御ＤＢ
１０２１：動線分析部
１０２２：検出ルール適用部
１０３１：特徴量算出部
１０３２：誘導モデル学習部
１０３３：誘導対象タイプ推定部
１０３４：誘導パラメータ選定部
１０７１：動線テーブル
１０７２：状態テーブル
１０７３：ＯＤテーブル
１０８１：検出ルールテーブル
１０８２：チェックポイントテーブル
１０９１：実績テーブル
１１０１：タイプ推定テーブル
１１０２：誘導方法対応テーブル
１１１１：制御テーブル
１１１２：コンテンツテーブル

【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】

【図18】

【図19】

【図20】

【図21】