知財求人 - 知財ポータルサイト「IP Force」
(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】P2024067528
(43)【公開日】2024-05-17
(54)【発明の名称】解析システム及び解析方法
(51)【国際特許分類】
G06T 7/00 20170101AFI20240510BHJP
【ＦＩ】
G06T7/00 C
【審査請求】未請求
【請求項の数】5
【出願形態】ＯＬ
(21)【出願番号】P 2022177677
(22)【出願日】2022-11-04
【新規性喪失の例外の表示】特許法第３０条第２項適用申請有り １．陳 宇超、新妻 実保子らが、２０２２年９月５日付で、第４０回 日本ロボット学会学術講演会において公開。 ２．陳 宇超、新妻 実保子らが、２０２２年９月４日付で、第４０回 日本ロボット学会学術講演会の予稿集において公開。
(71)【出願人】
【識別番号】599011687
【氏名又は名称】学校法人 中央大学
(74)【代理人】
【識別番号】100147485
【弁理士】
【氏名又は名称】杉村 憲司
(74)【代理人】
【識別番号】230118913
【弁護士】
【氏名又は名称】杉村 光嗣
(74)【代理人】
【識別番号】100097238
【弁理士】
【氏名又は名称】鈴木 治
(74)【代理人】
【識別番号】100174023
【弁理士】
【氏名又は名称】伊藤 怜愛
(72)【発明者】
【氏名】新妻 実保子
(72)【発明者】
【氏名】陳 宇超
【テーマコード（参考）】
5L096
【Ｆターム（参考）】
5L096AA09
5L096CA04
5L096DA01
5L096EA03
5L096EA39
5L096FA32
5L096FA59
5L096FA60
5L096FA66
5L096FA67
5L096GA51
5L096HA02
5L096HA04
5L096HA08
5L096JA03
5L096JA11
5L096MA07
(57)【要約】 （修正有）
【課題】時間帯毎の所定空間の使われ方の違いを把握することが容易になる、解析システム及び解析方法を提供する。
【解決手段】解析システム１は、所定測定時間間隔毎の各測定時刻に所定空間内における物体までの距離を測定して点群データを出力する測域センサ２と、解析装置３と、を備える。解析装置の処理部３１は、所定観察期間中において各測定時刻に測域センサから出力される点群データに基づいて、所定観察期間が等分化されてなる複数の単位観察時間帯を、それぞれ非活性時間帯又は活性時間帯に分類する。非活性時間帯グループ期間中において、点群データに基づいて非活性環境地図を作成する。活性時間帯グループ期間のそれぞれに対し、点群データに基づいて活性環境地図を作成する。各非活性環境地図及び各活性環境地図どうしの類似度に応じてすべての非活性環境地図及び各活性環境地図どうしをクラスタリングする。
【選択図】図１
【解決手段】解析システム１は、所定測定時間間隔毎の各測定時刻に所定空間内における物体までの距離を測定して点群データを出力する測域センサ２と、解析装置３と、を備える。解析装置の処理部３１は、所定観察期間中において各測定時刻に測域センサから出力される点群データに基づいて、所定観察期間が等分化されてなる複数の単位観察時間帯を、それぞれ非活性時間帯又は活性時間帯に分類する。非活性時間帯グループ期間中において、点群データに基づいて非活性環境地図を作成する。活性時間帯グループ期間のそれぞれに対し、点群データに基づいて活性環境地図を作成する。各非活性環境地図及び各活性環境地図どうしの類似度に応じてすべての非活性環境地図及び各活性環境地図どうしをクラスタリングする。
【選択図】図１
【特許請求の範囲】
【請求項1】
所定測定時間間隔毎の各測定時刻に所定空間内における物体までの距離を測定して点群データを出力する、測域センサと、
処理部と、
を備えた、解析システムであって、
前記処理部は、
所定観察期間中において各前記測定時刻に前記測域センサから出力される前記点群データに基づいて、前記所定観察期間が等分化されてなる複数の単位観察時間帯を、それぞれ、非活性時間帯、又は、前記非活性時間帯よりも前記所定空間の活性が高い活性時間帯に、分類する、時間帯分類処理と、
それぞれ互いに連続する１つ又は複数の前記非活性時間帯からなる１つ又は複数の非活性時間帯グループ期間のそれぞれに対し、前記非活性時間帯グループ期間中において各前記測定時刻に前記測域センサから出力される前記点群データに基づいて、非活性環境地図を作成するとともに、それぞれ互いに連続する１つ又は複数の前記活性時間帯からなる１つ又は複数の活性時間帯グループ期間のそれぞれに対し、前記活性時間帯グループ期間中において各前記測定時刻に前記測域センサから出力される前記点群データに基づいて、活性環境地図を作成する、環境地図作成処理と、
各前記非活性環境地図及び各前記活性環境地図どうしの類似度に応じてすべての前記非活性環境地図及び前記活性環境地図どうしをクラスタリングする、環境地図クラスタリング処理と、
を行うように構成されている、解析システム。
処理部と、
を備えた、解析システムであって、
前記処理部は、
所定観察期間中において各前記測定時刻に前記測域センサから出力される前記点群データに基づいて、前記所定観察期間が等分化されてなる複数の単位観察時間帯を、それぞれ、非活性時間帯、又は、前記非活性時間帯よりも前記所定空間の活性が高い活性時間帯に、分類する、時間帯分類処理と、
それぞれ互いに連続する１つ又は複数の前記非活性時間帯からなる１つ又は複数の非活性時間帯グループ期間のそれぞれに対し、前記非活性時間帯グループ期間中において各前記測定時刻に前記測域センサから出力される前記点群データに基づいて、非活性環境地図を作成するとともに、それぞれ互いに連続する１つ又は複数の前記活性時間帯からなる１つ又は複数の活性時間帯グループ期間のそれぞれに対し、前記活性時間帯グループ期間中において各前記測定時刻に前記測域センサから出力される前記点群データに基づいて、活性環境地図を作成する、環境地図作成処理と、
各前記非活性環境地図及び各前記活性環境地図どうしの類似度に応じてすべての前記非活性環境地図及び前記活性環境地図どうしをクラスタリングする、環境地図クラスタリング処理と、
を行うように構成されている、解析システム。
【請求項2】
前記処理部は、前記時間帯分類処理において、
（ａ）前記単位観察時間帯における前記所定空間内の平均人数が所定平均人数閾値未満であり、（ｂ）前記単位観察時間帯における前記所定空間内の人の平均速度が所定平均速度閾値未満であり、かつ、（ｃ）前記単位観察時間帯における前記所定空間内の人の利用面積が所定利用面積閾値未満である場合に、前記単位観察時間帯を前記非活性時間帯に分類し、
それ以外の場合に、前記単位観察時間帯を前記活性時間帯に分類する、請求項１に記載の解析システム。
（ａ）前記単位観察時間帯における前記所定空間内の平均人数が所定平均人数閾値未満であり、（ｂ）前記単位観察時間帯における前記所定空間内の人の平均速度が所定平均速度閾値未満であり、かつ、（ｃ）前記単位観察時間帯における前記所定空間内の人の利用面積が所定利用面積閾値未満である場合に、前記単位観察時間帯を前記非活性時間帯に分類し、
それ以外の場合に、前記単位観察時間帯を前記活性時間帯に分類する、請求項１に記載の解析システム。
【請求項3】
各前記非活性環境地図は、前記所定空間を俯瞰視し格子状に細分化することにより定義されるセル配列を有し、それぞれ対応する前記非活性時間帯グループ期間中における前記セル配列の各セルの活動度合いを表しており、
各前記活性環境地図は、前記セル配列を有し、それぞれ対応する前記活性時間帯グループ期間中における前記各セルの活動度合いを表している、請求項１に記載の解析システム。
各前記活性環境地図は、前記セル配列を有し、それぞれ対応する前記活性時間帯グループ期間中における前記各セルの活動度合いを表している、請求項１に記載の解析システム。
【請求項4】
前記処理部は、前記環境地図クラスタリング処理において、
各前記非活性環境地図及び各前記活性環境地図をそれぞれ文字列に変換し、各前記文字列どうしの類似度に応じてすべての前記非活性環境地図及び前記活性環境地図どうしをクラスタリングする、請求項３に記載の解析システム。
各前記非活性環境地図及び各前記活性環境地図をそれぞれ文字列に変換し、各前記文字列どうしの類似度に応じてすべての前記非活性環境地図及び前記活性環境地図どうしをクラスタリングする、請求項３に記載の解析システム。
【請求項5】
所定測定時間間隔毎の各測定時刻に所定空間内における物体までの距離を測定して点群データを出力する、測域センサと、
処理部と、
を備えた、解析システムを用いた、解析方法であって、
前記処理部が、所定観察期間中において各前記測定時刻に前記測域センサから出力される前記点群データに基づいて、前記所定観察期間が等分化されてなる複数の単位観察時間帯を、それぞれ、非活性時間帯、又は、前記非活性時間帯よりも前記所定空間の活性が高い活性時間帯に、分類する、時間帯分類ステップと、
前記処理部が、それぞれ互いに連続する１つ又は複数の前記非活性時間帯からなる１つ又は複数の非活性時間帯グループ期間のそれぞれに対し、前記非活性時間帯グループ期間中において各前記測定時刻に前記測域センサから出力される前記点群データに基づいて、非活性環境地図を作成するとともに、それぞれ互いに連続する１つ又は複数の前記活性時間帯からなる１つ又は複数の活性時間帯グループ期間のそれぞれに対し、前記活性時間帯グループ期間中において各前記測定時刻に前記測域センサから出力される前記点群データに基づいて、活性環境地図を作成する、環境地図作成ステップと、
前記処理部が、各前記非活性環境地図及び各前記活性環境地図どうしの類似度に応じてすべての前記非活性環境地図及び前記活性環境地図どうしをクラスタリングする、環境地図クラスタリングステップと、
を含む、解析方法。
処理部と、
を備えた、解析システムを用いた、解析方法であって、
前記処理部が、所定観察期間中において各前記測定時刻に前記測域センサから出力される前記点群データに基づいて、前記所定観察期間が等分化されてなる複数の単位観察時間帯を、それぞれ、非活性時間帯、又は、前記非活性時間帯よりも前記所定空間の活性が高い活性時間帯に、分類する、時間帯分類ステップと、
前記処理部が、それぞれ互いに連続する１つ又は複数の前記非活性時間帯からなる１つ又は複数の非活性時間帯グループ期間のそれぞれに対し、前記非活性時間帯グループ期間中において各前記測定時刻に前記測域センサから出力される前記点群データに基づいて、非活性環境地図を作成するとともに、それぞれ互いに連続する１つ又は複数の前記活性時間帯からなる１つ又は複数の活性時間帯グループ期間のそれぞれに対し、前記活性時間帯グループ期間中において各前記測定時刻に前記測域センサから出力される前記点群データに基づいて、活性環境地図を作成する、環境地図作成ステップと、
前記処理部が、各前記非活性環境地図及び各前記活性環境地図どうしの類似度に応じてすべての前記非活性環境地図及び前記活性環境地図どうしをクラスタリングする、環境地図クラスタリングステップと、
を含む、解析方法。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、解析システム及び解析方法に関する。
【背景技術】
【0002】
従来、測域センサからの測定データに基づいて環境地図を作成する技術がある（例えば、特許文献１）。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２０２１－１３９７６４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、従来の技術においては、時間帯によって測定対象の空間の使われ方が異なる場合において、時間帯毎の当該空間の使われ方の違いを把握することが難しかった。
【0005】
本発明は、時間帯毎の所定空間の使われ方の違いを把握することが容易になる、解析システム及び解析方法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】
〔１〕所定測定時間間隔毎の各測定時刻に所定空間内における物体までの距離を測定して点群データを出力する、測域センサと、
処理部と、
を備えた、解析システムであって、
前記処理部は、
所定観察期間中において各前記測定時刻に前記測域センサから出力される前記点群データに基づいて、前記所定観察期間が等分化されてなる複数の単位観察時間帯を、それぞれ、非活性時間帯、又は、前記非活性時間帯よりも前記所定空間の活性が高い活性時間帯に、分類する、時間帯分類処理と、
それぞれ互いに連続する１つ又は複数の前記非活性時間帯からなる１つ又は複数の非活性時間帯グループ期間のそれぞれに対し、前記非活性時間帯グループ期間中において各前記測定時刻に前記測域センサから出力される前記点群データに基づいて、非活性環境地図を作成するとともに、それぞれ互いに連続する１つ又は複数の前記活性時間帯からなる１つ又は複数の活性時間帯グループ期間のそれぞれに対し、前記活性時間帯グループ期間中において各前記測定時刻に前記測域センサから出力される前記点群データに基づいて、活性環境地図を作成する、環境地図作成処理と、
各前記非活性環境地図及び各前記活性環境地図どうしの類似度に応じてすべての前記非活性環境地図及び前記活性環境地図どうしをクラスタリングする、環境地図クラスタリング処理と、
を行うように構成されている、解析システム。
処理部と、
を備えた、解析システムであって、
前記処理部は、
所定観察期間中において各前記測定時刻に前記測域センサから出力される前記点群データに基づいて、前記所定観察期間が等分化されてなる複数の単位観察時間帯を、それぞれ、非活性時間帯、又は、前記非活性時間帯よりも前記所定空間の活性が高い活性時間帯に、分類する、時間帯分類処理と、
それぞれ互いに連続する１つ又は複数の前記非活性時間帯からなる１つ又は複数の非活性時間帯グループ期間のそれぞれに対し、前記非活性時間帯グループ期間中において各前記測定時刻に前記測域センサから出力される前記点群データに基づいて、非活性環境地図を作成するとともに、それぞれ互いに連続する１つ又は複数の前記活性時間帯からなる１つ又は複数の活性時間帯グループ期間のそれぞれに対し、前記活性時間帯グループ期間中において各前記測定時刻に前記測域センサから出力される前記点群データに基づいて、活性環境地図を作成する、環境地図作成処理と、
各前記非活性環境地図及び各前記活性環境地図どうしの類似度に応じてすべての前記非活性環境地図及び前記活性環境地図どうしをクラスタリングする、環境地図クラスタリング処理と、
を行うように構成されている、解析システム。
【0007】
〔２〕前記処理部は、前記時間帯分類処理において、
（ａ）前記単位観察時間帯における前記所定空間内の平均人数が所定平均人数閾値未満であり、（ｂ）前記単位観察時間帯における前記所定空間内の人の平均速度が所定平均速度閾値未満であり、かつ、（ｃ）前記単位観察時間帯における前記所定空間内の人の利用面積が所定利用面積閾値未満である場合に、前記単位観察時間帯を前記非活性時間帯に分類し、
それ以外の場合に、前記単位観察時間帯を前記活性時間帯に分類する、〔１〕に記載の解析システム。
（ａ）前記単位観察時間帯における前記所定空間内の平均人数が所定平均人数閾値未満であり、（ｂ）前記単位観察時間帯における前記所定空間内の人の平均速度が所定平均速度閾値未満であり、かつ、（ｃ）前記単位観察時間帯における前記所定空間内の人の利用面積が所定利用面積閾値未満である場合に、前記単位観察時間帯を前記非活性時間帯に分類し、
それ以外の場合に、前記単位観察時間帯を前記活性時間帯に分類する、〔１〕に記載の解析システム。
【0008】
〔３〕各前記非活性環境地図は、前記所定空間を俯瞰視し格子状に細分化することにより定義されるセル配列を有し、それぞれ対応する前記非活性時間帯グループ期間中における前記セル配列の各セルの活動度合いを表しており、
各前記活性環境地図は、前記セル配列を有し、それぞれ対応する前記活性時間帯グループ期間中における前記各セルの活動度合いを表している、〔１〕又は〔２〕に記載の解析システム。
各前記活性環境地図は、前記セル配列を有し、それぞれ対応する前記活性時間帯グループ期間中における前記各セルの活動度合いを表している、〔１〕又は〔２〕に記載の解析システム。
【0009】
〔４〕前記処理部は、前記環境地図クラスタリング処理において、
各前記非活性環境地図及び各前記活性環境地図をそれぞれ文字列に変換し、各前記文字列どうしの類似度に応じてすべての前記非活性環境地図及び前記活性環境地図どうしをクラスタリングする、〔１〕～〔３〕のいずれか一項に記載の解析システム。
各前記非活性環境地図及び各前記活性環境地図をそれぞれ文字列に変換し、各前記文字列どうしの類似度に応じてすべての前記非活性環境地図及び前記活性環境地図どうしをクラスタリングする、〔１〕～〔３〕のいずれか一項に記載の解析システム。
【0010】
〔５〕所定測定時間間隔毎の各測定時刻に所定空間内における物体までの距離を測定して点群データを出力する、測域センサと、
処理部と、
を備えた、解析システムを用いた、解析方法であって、
前記処理部が、所定観察期間中において各前記測定時刻に前記測域センサから出力される前記点群データに基づいて、前記所定観察期間が等分化されてなる複数の単位観察時間帯を、それぞれ、非活性時間帯、又は、前記非活性時間帯よりも前記所定空間の活性が高い活性時間帯に、分類する、時間帯分類ステップと、
前記処理部が、それぞれ互いに連続する１つ又は複数の前記非活性時間帯からなる１つ又は複数の非活性時間帯グループ期間のそれぞれに対し、前記非活性時間帯グループ期間中において各前記測定時刻に前記測域センサから出力される前記点群データに基づいて、非活性環境地図を作成するとともに、それぞれ互いに連続する１つ又は複数の前記活性時間帯からなる１つ又は複数の活性時間帯グループ期間のそれぞれに対し、前記活性時間帯グループ期間中において各前記測定時刻に前記測域センサから出力される前記点群データに基づいて、活性環境地図を作成する、環境地図作成ステップと、
前記処理部が、各前記非活性環境地図及び各前記活性環境地図どうしの類似度に応じてすべての前記非活性環境地図及び前記活性環境地図どうしをクラスタリングする、環境地図クラスタリングステップと、
を含む、解析方法。
処理部と、
を備えた、解析システムを用いた、解析方法であって、
前記処理部が、所定観察期間中において各前記測定時刻に前記測域センサから出力される前記点群データに基づいて、前記所定観察期間が等分化されてなる複数の単位観察時間帯を、それぞれ、非活性時間帯、又は、前記非活性時間帯よりも前記所定空間の活性が高い活性時間帯に、分類する、時間帯分類ステップと、
前記処理部が、それぞれ互いに連続する１つ又は複数の前記非活性時間帯からなる１つ又は複数の非活性時間帯グループ期間のそれぞれに対し、前記非活性時間帯グループ期間中において各前記測定時刻に前記測域センサから出力される前記点群データに基づいて、非活性環境地図を作成するとともに、それぞれ互いに連続する１つ又は複数の前記活性時間帯からなる１つ又は複数の活性時間帯グループ期間のそれぞれに対し、前記活性時間帯グループ期間中において各前記測定時刻に前記測域センサから出力される前記点群データに基づいて、活性環境地図を作成する、環境地図作成ステップと、
前記処理部が、各前記非活性環境地図及び各前記活性環境地図どうしの類似度に応じてすべての前記非活性環境地図及び前記活性環境地図どうしをクラスタリングする、環境地図クラスタリングステップと、
を含む、解析方法。
【発明の効果】
【0011】
本発明によれば、時間帯毎の所定空間の使われ方の違いを把握することが容易になる、解析システム及び解析方法を提供することができる。
【図面の簡単な説明】
【0012】
【図1】本発明の一実施形態に係る解析システムを概略的に示す、概略図である。
【図2】解析対象の所定空間の一例とセル配列の一例とを説明するための図面である。
【図3】本発明の一実施形態に係る解析方法の概略的なフローチャートである。
【図4】時間帯分類処理を説明するための図面である。
【図5】人の速度を求める手法の一例を説明するための図面である。
【図6】時間帯分類処理を説明するための図面である。
【図7】環境地図作成処理を説明するための説明図である。
【図8】環境地図の一例を示す図面である。
【図9】環境地図クラスタリング処理を説明するための図面である。
【図10】環境地図クラスタリング処理によって作成されたクラスターの一例を示す図面である。
【図11】環境地図クラスタリング処理によって作成されたクラスターの他の例を示す図面である。
【発明を実施するための形態】
【0013】
本発明の解析システム及び解析方法は、例えば、建物（オフィスビル、商業施設、学校等）内のエリアあるいは野外のエリア等の任意の空間の使われ方を解析するために使用されると好適なものである。
以下に、図面を参照しつつ、本発明に係る解析システム及び解析方法の実施形態を例示説明する。
各図において共通する構成要素には同一の符号を付している。
以下に、図面を参照しつつ、本発明に係る解析システム及び解析方法の実施形態を例示説明する。
各図において共通する構成要素には同一の符号を付している。
【0014】
〔解析システム１〕
まず、図１及び図２を主に参照して、本発明の解析方法を使用し得る、本発明の一実施形態に係る解析システム１を説明する。解析システム１は、所定空間Ｓ（図２）の解析をするように構成されている。具体的に、解析システム１は、所定観察期間Ｌ中に所定空間Ｓが人Ｄによってどのように使われるかを解析するように、構成されている。
解析システム１のユーザは、例えば、所定空間Ｓの解析者、所有者、又は、使用者等が、挙げられる。
所定観察期間Ｌは、互いから分離された複数の期間（例えば、ある一週間における毎日の９時～１７時）でもよいし、あるいは、一続きの期間（例えば、ある月曜日の９時～つぎの日曜日の１７時）でもよい。
解析システム１の解析対象とする所定空間Ｓとしては、任意でよいが、例えば、建物（オフィスビル、商業施設、学校等）内のエリア、あるいは、野外のエリア等が、挙げられる。
図１は、解析システム１の構成を概略的に示している。図１に示すように、解析システム１は、測域センサ２と、解析装置３と、を備えている。図２は、所定空間Ｓの一例を俯瞰視した様子を示している。
まず、図１及び図２を主に参照して、本発明の解析方法を使用し得る、本発明の一実施形態に係る解析システム１を説明する。解析システム１は、所定空間Ｓ（図２）の解析をするように構成されている。具体的に、解析システム１は、所定観察期間Ｌ中に所定空間Ｓが人Ｄによってどのように使われるかを解析するように、構成されている。
解析システム１のユーザは、例えば、所定空間Ｓの解析者、所有者、又は、使用者等が、挙げられる。
所定観察期間Ｌは、互いから分離された複数の期間（例えば、ある一週間における毎日の９時～１７時）でもよいし、あるいは、一続きの期間（例えば、ある月曜日の９時～つぎの日曜日の１７時）でもよい。
解析システム１の解析対象とする所定空間Ｓとしては、任意でよいが、例えば、建物（オフィスビル、商業施設、学校等）内のエリア、あるいは、野外のエリア等が、挙げられる。
図１は、解析システム１の構成を概略的に示している。図１に示すように、解析システム１は、測域センサ２と、解析装置３と、を備えている。図２は、所定空間Ｓの一例を俯瞰視した様子を示している。
【0015】
所定空間Ｓには、それぞれ物体としての人Ｄ及び非人物体Ｅとが存在し得る。非人物体Ｅとは、人Ｄではない物体を指す。非人物体Ｅとしては、例えば、静止物体、可動静止物体が挙げられる。静止物体は、測域センサ２の測定期間中において全く動かない物体を指しており、例えば壁、ドア、机等が挙げられる。可動静止物体は、測域センサ２の測定期間中において人Ｄとの関わりによって動く物体を指しており、例えば、椅子、机、ホワイトボード、観葉植物、ごみ箱等が挙げられる。
【0016】
所定空間Ｓには、ｘｙｚ直交座標系が定義される。図２に示すように、ｘ軸及びｙ軸は、それぞれ、水平方向に平行である。ｚ軸は、高さ方向に平行である。
解析システム１の解析装置３は、２次元のセル配列Ａを用いて所定空間Ｓを解析する。図８は、解析装置３によって作成される所定空間Ｓの環境地図Ｒの一例を示している。セル配列Ａは、図２や図８に示すように、所定空間Ｓを俯瞰視し格子状に細分化することにより定義されるものである。図２においては、便宜のため、セル配列Ａの一部Ａ’のみを示している。
セル配列Ａは、ｘｙ平面に平行である。セル配列ＡのセルＣは、ｘ軸及びｙ軸のそれぞれに沿って配列されている。セル配列Ａの各セルＣは、正方形をなしている。セルＣの一辺の長さは、１つのセルＣ内に複数の物体の全体が入り込むのを抑制する観点から、１３ｃｍ以下であると好適である。また、セルＣの一辺の長さは、解析装置３の処理量の増大を抑制する観点から、７ｃｍ以上であると好適である。セルＣの一辺の長さは、例えば１０ｃｍであると好適である。
解析システム１の解析装置３は、２次元のセル配列Ａを用いて所定空間Ｓを解析する。図８は、解析装置３によって作成される所定空間Ｓの環境地図Ｒの一例を示している。セル配列Ａは、図２や図８に示すように、所定空間Ｓを俯瞰視し格子状に細分化することにより定義されるものである。図２においては、便宜のため、セル配列Ａの一部Ａ’のみを示している。
セル配列Ａは、ｘｙ平面に平行である。セル配列ＡのセルＣは、ｘ軸及びｙ軸のそれぞれに沿って配列されている。セル配列Ａの各セルＣは、正方形をなしている。セルＣの一辺の長さは、１つのセルＣ内に複数の物体の全体が入り込むのを抑制する観点から、１３ｃｍ以下であると好適である。また、セルＣの一辺の長さは、解析装置３の処理量の増大を抑制する観点から、７ｃｍ以上であると好適である。セルＣの一辺の長さは、例えば１０ｃｍであると好適である。
【0017】
（測域センサ２）
測域センサ２は、所定測定時間間隔Ｈ（例えば０．１秒）毎の各測定時刻において、所定空間Ｓ内における物体までの距離を測定して点群データを出力するように構成されている。測域センサ２は、例えば、レーザによって所定測定時間間隔Ｈ毎に所定空間Ｓ内における物体までの距離を測定して点群データを出力するように構成された、ＬｉＤＡＲ （Ｌａｓｅｒ Ｉｍａｇｉｎｇ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｒａｎｇｉｎｇ）又はＬＲＦ （Ｌａｓｅｒ Ｒａｎｇｅ Ｆｉｎｄｅｒ）から構成されると、好適である。
本実施形態において、測域センサ２は、点群データとして３次元の点群データを出力するように構成されている。３次元の点群データの各点は、ｘｙｚ座標系によって表される。本実施形態において、測域センサ２は、３次元の点群データを出力するように構成されているので、仮に２次元の点群データを出力するように構成されている場合に比べて、高さ情報を含めることができ、死角が少ないので、より正確に物体の位置、形状、及び個数の解析が可能になる。また、一般的に、３次元の点群データを出力するように構成された測域センサは、２次元の点群データを出力するように構成された測域センサに比べて、測定範囲が広いため、測域センサの数を減らすことができるという利点もある。
ただし、測域センサ２は、点群データとして２次元の点群データを出力するように構成されていてもよい。
測域センサ２の数は、１つであると好適であるが、複数であってもよい。複数の測域センサ２を用いる場合、解析装置３は、これら複数の測域センサ２からの点群データどうしを合同した点群データを使用するとよい。
測域センサ２は、その検出範囲が所定空間Ｓの全体を含むように、設置される。
測域センサ２は、所定空間Ｓ内の人Ｄよりも少し高い高さに設置されることが好ましい。例えば、測域センサ２は、地面から１．６５～１．９０ｍの高さに設置されると好適である。
測域センサ２による点群データは、解析装置３に出力される。例えば、測域センサ２は、点群データを、測定中又は測定後に、解析装置３へ通信（有線通信及び／又は無線通信）により送信することにより、点群データを解析装置３に出力するようにしてもよい。あるいは、測域センサ２が、測定中又は測定後に、点群データを測域センサ２に接続された外部記憶装置（ＵＳＢ、ＳＤカード等）に格納し、その後、当該外部記憶装置を解析装置３に接続することにより、点群データを解析装置３に出力するようにしてもよい。
測域センサ２は、所定測定時間間隔Ｈ（例えば０．１秒）毎の各測定時刻において、所定空間Ｓ内における物体までの距離を測定して点群データを出力するように構成されている。測域センサ２は、例えば、レーザによって所定測定時間間隔Ｈ毎に所定空間Ｓ内における物体までの距離を測定して点群データを出力するように構成された、ＬｉＤＡＲ （Ｌａｓｅｒ Ｉｍａｇｉｎｇ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｒａｎｇｉｎｇ）又はＬＲＦ （Ｌａｓｅｒ Ｒａｎｇｅ Ｆｉｎｄｅｒ）から構成されると、好適である。
本実施形態において、測域センサ２は、点群データとして３次元の点群データを出力するように構成されている。３次元の点群データの各点は、ｘｙｚ座標系によって表される。本実施形態において、測域センサ２は、３次元の点群データを出力するように構成されているので、仮に２次元の点群データを出力するように構成されている場合に比べて、高さ情報を含めることができ、死角が少ないので、より正確に物体の位置、形状、及び個数の解析が可能になる。また、一般的に、３次元の点群データを出力するように構成された測域センサは、２次元の点群データを出力するように構成された測域センサに比べて、測定範囲が広いため、測域センサの数を減らすことができるという利点もある。
ただし、測域センサ２は、点群データとして２次元の点群データを出力するように構成されていてもよい。
測域センサ２の数は、１つであると好適であるが、複数であってもよい。複数の測域センサ２を用いる場合、解析装置３は、これら複数の測域センサ２からの点群データどうしを合同した点群データを使用するとよい。
測域センサ２は、その検出範囲が所定空間Ｓの全体を含むように、設置される。
測域センサ２は、所定空間Ｓ内の人Ｄよりも少し高い高さに設置されることが好ましい。例えば、測域センサ２は、地面から１．６５～１．９０ｍの高さに設置されると好適である。
測域センサ２による点群データは、解析装置３に出力される。例えば、測域センサ２は、点群データを、測定中又は測定後に、解析装置３へ通信（有線通信及び／又は無線通信）により送信することにより、点群データを解析装置３に出力するようにしてもよい。あるいは、測域センサ２が、測定中又は測定後に、点群データを測域センサ２に接続された外部記憶装置（ＵＳＢ、ＳＤカード等）に格納し、その後、当該外部記憶装置を解析装置３に接続することにより、点群データを解析装置３に出力するようにしてもよい。
【0018】
（解析装置３）
解析装置３は、図１に示すように、処理部３１と、通信部３２と、記憶部３３と、入力部３４と、表示部３５と、を有する。解析装置３は、例えば、パーソナルコンピュータ、タブレット端末、スマートフォン、携帯端末、専用装置等、任意のコンピュータから構成されることができる。解析装置３は、１つのコンピュータで構成されてもよいし、複数のコンピュータで構成されてもよい。
解析装置３は、図１に示すように、処理部３１と、通信部３２と、記憶部３３と、入力部３４と、表示部３５と、を有する。解析装置３は、例えば、パーソナルコンピュータ、タブレット端末、スマートフォン、携帯端末、専用装置等、任意のコンピュータから構成されることができる。解析装置３は、１つのコンピュータで構成されてもよいし、複数のコンピュータで構成されてもよい。
【0019】
処理部３１は、例えば１つ又は複数のＣＰＵから構成され、記憶部３３に記憶された解析プログラム等のプログラムを実行することにより、通信部３２、記憶部３３、入力部３４、及び表示部３５を含む、解析装置３の全体を制御しながら、後述する種々の処理を実行する。
処理部３１は、測域センサ２から出力される点群データを受け取ると、この点群データを、セル配列Ａに格納する。ここで、処理部３１は、点群データの各点のｘ座標及びｙ座標に基づいて、点群データの各点を、それぞれセル配列Ａにおいて対応するセルＣ内に格納する。
処理部３１による処理の詳細については、後に説明する。
処理部３１は、測域センサ２から出力される点群データを受け取ると、この点群データを、セル配列Ａに格納する。ここで、処理部３１は、点群データの各点のｘ座標及びｙ座標に基づいて、点群データの各点を、それぞれセル配列Ａにおいて対応するセルＣ内に格納する。
処理部３１による処理の詳細については、後に説明する。
【0020】
通信部３２は、測域センサ２との間で通信（有線通信及び／又は無線通信）を行うように構成されている。解析装置３は、通信部３２を介して、測域センサ２から点群データを受信してもよい。
なお、解析装置３は、通信部３２を備えていなくてもよい。
なお、解析装置３は、通信部３２を備えていなくてもよい。
【0021】
記憶部３３は、例えば１つ又は複数のＲＯＭ、１つ又は複数のＲＡＭ、及び／又は、外部記憶装置（ＵＳＢ、ＳＤカード等）等から構成され、処理部３１が実行するための解析プログラム等のプログラム、測域センサ２からの点群データ、処理部３１の算出結果等、様々な情報を記憶する。
【0022】
入力部３４は、例えばキーボード、マウス、及び／又は、押しボタン等から構成され、ユーザからの入力を受け付ける。
表示部３５は、例えば液晶パネル等から構成され、後述するクラスタリング結果（図１０、図１１）等、様々な情報を表示する。
入力部３４及び表示部３５は、タッチパネルを構成してもよい。
なお、解析装置３は、入力部３４及び／又は表示部３５を備えていなくてもよい。
表示部３５は、例えば液晶パネル等から構成され、後述するクラスタリング結果（図１０、図１１）等、様々な情報を表示する。
入力部３４及び表示部３５は、タッチパネルを構成してもよい。
なお、解析装置３は、入力部３４及び／又は表示部３５を備えていなくてもよい。
【0023】
〔解析方法〕
つぎに、図３～図１１を主に参照して、本発明の一実施形態に係る解析方法を説明する。図３は、本発明の一実施形態に係る解析方法の概略的なフローチャートである。この解析方法は、所定空間Ｓ（図２）の解析をするための方法である。具体的に、この解析方法は、所定観察期間Ｌ中に所定空間Ｓが人Ｄによってどのように使われるかを解析するための方法である。
以下では、上述した図１及び図２の例の解析システム１を用いる場合について説明するが、図１及び図２の例とは異なる解析システム１を用いて、本発明の解析方法を実施することもできる。
本実施形態に係る解析方法は、人抽出ステップＳ１と、時間帯分類ステップＳ２と、環境地図作成ステップＳ３と、環境地図クラスタリングステップＳ４と、クラスタリング結果表示ステップＳ５と、を含む。これらのステップＳ１～Ｓ５は、解析装置３の処理部３１が、記憶部３３に記憶された解析プログラムを実行することにより、行う。なお、クラスタリング結果表示ステップＳ５は実施しなくてもよい。
なお、解析装置３は、測域センサ２の測定中にリアルタイムでステップＳ１～Ｓ５のうち少なくとも一部を行ってもよいし、あるいは、測域センサ２の測定後にステップＳ１～Ｓ５を行ってもよい。
以下、各ステップについて説明する。
つぎに、図３～図１１を主に参照して、本発明の一実施形態に係る解析方法を説明する。図３は、本発明の一実施形態に係る解析方法の概略的なフローチャートである。この解析方法は、所定空間Ｓ（図２）の解析をするための方法である。具体的に、この解析方法は、所定観察期間Ｌ中に所定空間Ｓが人Ｄによってどのように使われるかを解析するための方法である。
以下では、上述した図１及び図２の例の解析システム１を用いる場合について説明するが、図１及び図２の例とは異なる解析システム１を用いて、本発明の解析方法を実施することもできる。
本実施形態に係る解析方法は、人抽出ステップＳ１と、時間帯分類ステップＳ２と、環境地図作成ステップＳ３と、環境地図クラスタリングステップＳ４と、クラスタリング結果表示ステップＳ５と、を含む。これらのステップＳ１～Ｓ５は、解析装置３の処理部３１が、記憶部３３に記憶された解析プログラムを実行することにより、行う。なお、クラスタリング結果表示ステップＳ５は実施しなくてもよい。
なお、解析装置３は、測域センサ２の測定中にリアルタイムでステップＳ１～Ｓ５のうち少なくとも一部を行ってもよいし、あるいは、測域センサ２の測定後にステップＳ１～Ｓ５を行ってもよい。
以下、各ステップについて説明する。
【0024】
－人抽出ステップ（Ｓ１）－
まず、人抽出ステップＳ１において、処理部３１は、測域センサ２から出力される少なくとも所定観察期間Ｌ中の各測定時刻の点群データに基づいて、所定観察期間Ｌ中の各測定時刻における所定空間Ｓ内の一人又は複数人の人Ｄを抽出する、人抽出処理を行う。
まず、人抽出ステップＳ１において、処理部３１は、測域センサ２から出力される少なくとも所定観察期間Ｌ中の各測定時刻の点群データに基づいて、所定観察期間Ｌ中の各測定時刻における所定空間Ｓ内の一人又は複数人の人Ｄを抽出する、人抽出処理を行う。
【0025】
上述のように、処理部３１は、測域センサ２から出力される点群データを受け取ると、この点群データを、セル配列Ａに格納する。ここで、処理部３１は、点群データの各点の（ｚ座標によらず）ｘ座標及びｙ座標に基づいて、点群データの各点を、それぞれセル配列Ａにおいて対応するセルＣ内に格納する。すなわち、点群データの各点は、いわばｘｙ平面に投影された状態で、セル配列Ａにおいて対応するセルＣ内に格納される。
【0026】
人抽出ステップＳ１において、処理部３１は、例えば、測域センサ２から出力される点群データに基づいて、クラスタリングにより、互いに隣接する複数の点からなる点群を、１つの点群クラスターひいては物体として抽出すると、好適である。このとき、処理部３１は、当該抽出した各物体に個別のＩＤを割り当てると、好適である。処理部３１は、ある測定時刻の点群データに基づいて抽出した物体にＩＤを割り当てる際、当該物体を構成する各セルＣが、その１つ前の測定時刻の点群データに基づいて抽出したいずれか１つの物体を構成する各セルＣと、少なくとも部分的に重複している場合は、当該１つ前の測定時刻の点群データに基づいて抽出した当該１つの物体に割り当てたＩＤを引き継ぐと、好適である。これにより、異なる測定時刻どうしの間での物体のトラッキングが可能になる。なお、「物体を構成する各セルＣ」とは、物体を構成する点群が存在する各セルＣを指す。
【0027】
また、人抽出ステップＳ１において、処理部３１は、抽出した１つ又は複数の物体を、それぞれ、非人物体Ｅ又は人Ｄに分類することにより、人Ｄを抽出するようにしてもよい。
処理部３１は、非人物体Ｅを構成する各セルＣを、背景ＢＧとして登録する（背景ＢＧとして扱う）と、好適である。これにより、環境地図Ｒを見たときに、ユーザは、人Ｄの活動と非人物体Ｅとの関係をより容易に把握することができる。図８に例示される環境地図Ｒにおいて、背景ＢＧを構成する各セルＣは、黒色で示されている。
処理部３１は、非人物体Ｅを構成する各セルＣを、背景ＢＧとして登録する（背景ＢＧとして扱う）と、好適である。これにより、環境地図Ｒを見たときに、ユーザは、人Ｄの活動と非人物体Ｅとの関係をより容易に把握することができる。図８に例示される環境地図Ｒにおいて、背景ＢＧを構成する各セルＣは、黒色で示されている。
【0028】
人抽出ステップＳ１において、抽出した１つ又は複数の物体をそれぞれ非人物体Ｅ又は人Ｄに分類する具体的な方法としては、任意の方法を用いてよい。
例えば、特願２０２１－１７５９５５に記載された方法を用いてもよい。特願２０２１－１７５９５５に記載されているように、処理部３１は、所定観察期間Ｌよりも前の所定初期背景抽出用期間Ｍ内において所定測定時間間隔Ｈ毎の各測定時刻に測域センサ２から出力される点群データに基づいて、非人物体Ｅの一種である静止物体の例えば高さや形状等の特徴に着目して、所定空間Ｓ内の１つ又は複数の静止物体を抽出してもよい。この場合、処理部３１は、さらに、所定観察期間Ｌ内において所定測定時間間隔Ｈ毎の各測定時刻に測域センサ２から出力される点群データのうち、上記抽出した静止物体を構成する各セルＣ以外のセルＣに格納される点群データに基づいて、非人物体Ｅの一種である可動静止物体の例えば動きや形状等の特徴に着目して、所定観察期間Ｌ中の各測定時刻における所定空間Ｓ内の１つ又は複数の可動静止物体を抽出してもよい。この場合、処理部３１は、さらに、静止物体でも可動静止物体でもない物体を人Ｄに分類し、それにより、所定観察期間Ｌ中の各測定時刻における所定空間Ｓ内の一人又は複数人の人Ｄを抽出するようにしてもよい。
あるいは、処理部３１は、所定観察期間Ｌ中において移動しなかった物体を非人物体Ｅに分類し、それ以外の物体を人Ｄに分類するようにしてもよい。
例えば、特願２０２１－１７５９５５に記載された方法を用いてもよい。特願２０２１－１７５９５５に記載されているように、処理部３１は、所定観察期間Ｌよりも前の所定初期背景抽出用期間Ｍ内において所定測定時間間隔Ｈ毎の各測定時刻に測域センサ２から出力される点群データに基づいて、非人物体Ｅの一種である静止物体の例えば高さや形状等の特徴に着目して、所定空間Ｓ内の１つ又は複数の静止物体を抽出してもよい。この場合、処理部３１は、さらに、所定観察期間Ｌ内において所定測定時間間隔Ｈ毎の各測定時刻に測域センサ２から出力される点群データのうち、上記抽出した静止物体を構成する各セルＣ以外のセルＣに格納される点群データに基づいて、非人物体Ｅの一種である可動静止物体の例えば動きや形状等の特徴に着目して、所定観察期間Ｌ中の各測定時刻における所定空間Ｓ内の１つ又は複数の可動静止物体を抽出してもよい。この場合、処理部３１は、さらに、静止物体でも可動静止物体でもない物体を人Ｄに分類し、それにより、所定観察期間Ｌ中の各測定時刻における所定空間Ｓ内の一人又は複数人の人Ｄを抽出するようにしてもよい。
あるいは、処理部３１は、所定観察期間Ｌ中において移動しなかった物体を非人物体Ｅに分類し、それ以外の物体を人Ｄに分類するようにしてもよい。
【0029】
－時間帯分類ステップ（Ｓ２）－
時間帯分類ステップＳ２において、処理部３１は、所定観察期間Ｌ中において各測定時刻に測域センサ２から出力される点群データに基づいて、所定観察期間Ｌが等分化されてなる複数の単位観察時間帯Ｔｎを、それぞれ、非活性時間帯ＩＣ、又は、非活性時間帯ＩＣよりも所定空間Ｓの活性（人Ｄの活動度合い）が高い活性時間帯ＡＣに、分類する、時間帯分類処理を行う（図４）。
上記複数の単位観察時間帯Ｔｎは、所定観察期間Ｌをｎ個の時間帯に等分化されてなるものである（ｎは２以上の自然数）。
所定観察期間Ｌが等分化されてなる複数の単位観察時間帯Ｔｎを上述のように分類することにより、仮に所定観察期間Ｌ内の各測定時刻を分類する場合に比べて、計算量を軽減できる。
計算量軽減の観点から、各単位観察時間帯Ｔｎの長さは、１分以上であると好適である。解析精度向上の観点から、各単位観察時間帯Ｔｎの長さは、１０分以下であると好適である。各単位観察時間帯Ｔｎの長さは、例えば、５分であると好適である。
本実施形態において、処理部３１は、時間帯分類ステップＳ２において、（ａ）単位観察時間帯Ｔｎにおける所定空間Ｓ内の平均人数ＣＴｎが所定平均人数閾値ＴｈｒｅｓｈｏｌｄＣ未満であり、（ｂ）当該単位観察時間帯Ｔｎにおける所定空間Ｓ内の人の平均速度ＶＴｎが所定平均速度閾値ＴｈｒｅｓｈｏｌｄＶ未満であり、かつ、（ｃ）当該単位観察時間帯Ｔｎにおける所定空間Ｓ内の人の利用面積ＳＴｎが所定利用面積閾値ＴｈｒｅｓｈｏｌｄＳ未満である場合に、当該単位観察時間帯Ｔｎを非活性時間帯ＩＣに分類し、それ以外の場合（（a）～（ｃ）のうち少なくとも１つを満たさない場合）に、当該単位観察時間帯Ｔｎを活性時間帯ＡＣに分類する。平均人数ＣＴｎ、平均速度ＶＴｎ、利用面積ＳＴｎの３つの特徴量に着目することにより、所定空間Ｓ内のすべての人Ｄの活動度合い、ひいては、所定空間Ｓの活性を、的確に評価することができる。
時間帯分類ステップＳ２において、処理部３１は、所定観察期間Ｌ中において各測定時刻に測域センサ２から出力される点群データに基づいて、所定観察期間Ｌが等分化されてなる複数の単位観察時間帯Ｔｎを、それぞれ、非活性時間帯ＩＣ、又は、非活性時間帯ＩＣよりも所定空間Ｓの活性（人Ｄの活動度合い）が高い活性時間帯ＡＣに、分類する、時間帯分類処理を行う（図４）。
上記複数の単位観察時間帯Ｔｎは、所定観察期間Ｌをｎ個の時間帯に等分化されてなるものである（ｎは２以上の自然数）。
所定観察期間Ｌが等分化されてなる複数の単位観察時間帯Ｔｎを上述のように分類することにより、仮に所定観察期間Ｌ内の各測定時刻を分類する場合に比べて、計算量を軽減できる。
計算量軽減の観点から、各単位観察時間帯Ｔｎの長さは、１分以上であると好適である。解析精度向上の観点から、各単位観察時間帯Ｔｎの長さは、１０分以下であると好適である。各単位観察時間帯Ｔｎの長さは、例えば、５分であると好適である。
本実施形態において、処理部３１は、時間帯分類ステップＳ２において、（ａ）単位観察時間帯Ｔｎにおける所定空間Ｓ内の平均人数ＣＴｎが所定平均人数閾値ＴｈｒｅｓｈｏｌｄＣ未満であり、（ｂ）当該単位観察時間帯Ｔｎにおける所定空間Ｓ内の人の平均速度ＶＴｎが所定平均速度閾値ＴｈｒｅｓｈｏｌｄＶ未満であり、かつ、（ｃ）当該単位観察時間帯Ｔｎにおける所定空間Ｓ内の人の利用面積ＳＴｎが所定利用面積閾値ＴｈｒｅｓｈｏｌｄＳ未満である場合に、当該単位観察時間帯Ｔｎを非活性時間帯ＩＣに分類し、それ以外の場合（（a）～（ｃ）のうち少なくとも１つを満たさない場合）に、当該単位観察時間帯Ｔｎを活性時間帯ＡＣに分類する。平均人数ＣＴｎ、平均速度ＶＴｎ、利用面積ＳＴｎの３つの特徴量に着目することにより、所定空間Ｓ内のすべての人Ｄの活動度合い、ひいては、所定空間Ｓの活性を、的確に評価することができる。
【0030】
図４に示すように、本明細書では、互いに連続する１つ又は複数の非活性時間帯ＩＣからなる期間を、非活性時間帯グループ期間ＩＣＧといい、互いに連続する１つ又は複数の活性時間帯ＡＣからなる期間を、活性時間帯グループ期間ＡＣＧという。時間帯分類ステップＳ２において所定観察期間Ｌの各単位観察時間帯Ｔｎがそれぞれ非活性時間帯ＩＣ又は活性時間帯ＡＣに分類されると、所定観察期間Ｌは、非活性時間帯グループ期間ＩＣＧと活性時間帯グループ期間ＡＣＧとが交互に連なるものとして見ることができるようになる。
【0031】
ここで、所定観察期間Ｌの総時間Ｔｔｏｔａｌと各単位観察時間帯Ｔｎと測域センサ２による測定回数（何回目の測定時刻か）ｔｋとの関係は、例えばつぎの式（１）で表すことができる。
式（１）において、Ｉは、単位観察時間帯Ｔｎ中の総測定回数であり、Ｉ＝（単位観察時間帯Ｔｎの時間長さ［秒］）÷（所定測定時間間隔Ｈ［秒］）である。
【数1】
【0032】
単位観察時間帯Ｔｎにおける所定空間Ｓ内の平均人数ＣＴｎは、所定空間Ｓの人々がどの時点で所定空間Ｓを利用しようとするのか（滞在習慣）を表すといえる。
単位観察時間帯Ｔｎにおける所定空間Ｓ内の平均人数ＣＴｎは、例えばつぎの式（２）から求めることができる。
式（２）において、Ｃｔ＿ｋは、ｔｋ回目の測定時刻における所定空間Ｓ内の人Ｄの人数を表す。Ｃｔ＿ｋは、人抽出ステップＳ１によりｔｋ回目の測定時刻の点群データに基づいて抽出された人Ｄの総数を求めることにより、求めることができる。
単位観察時間帯Ｔｎにおける所定空間Ｓ内の平均人数ＣＴｎは、例えばつぎの式（２）から求めることができる。
【数2】
【0033】
単位観察時間帯Ｔｎにおける所定空間Ｓ内の平均速度ＶＴｎは、所定空間Ｓ内の人々が座位状態、歩行状態等のどのような状態にあるのか（運動強度）を表すといえる。
単位観察時間帯Ｔｎにおける所定空間Ｓ内の平均速度ＶＴｎは、例えばつぎの式（３）から求めることができる。
式（３）において、ｖｉ，ｔ＿ｋは、ｔｋ回目の測定時刻における所定空間Ｓ内の各人Ｄのうちいずれか一人の人Ｄ（当該人ＤのＩＤを包括的にｉと表す。）の当該測定時刻での速度を表す。速度ｖｉ，ｔ＿ｋは、ｔｋ回目の測定時刻における所定空間Ｓ内の人Ｄ毎に求められる。
単位観察時間帯Ｔｎにおける所定空間Ｓ内の平均速度ＶＴｎは、例えばつぎの式（３）から求めることができる。
【数3】
【0034】
ここで、速度ｖｉ，ｔ＿ｋを求める手法の一例を、つぎの式（４）及び図５を参照しつつ、説明する。まず、点群データが投影されるｘｙ平面において、直近の５回の測定時刻ｔｋ～ｔｋ－４のそれぞれにおける人Ｄ（ＩＤ：ｉ）の中心点（中心座標）ＤＯ（ＤＯｔ＿ｋ～ＤＯｔ＿ｋ－４）どうしの間の４点の平均点（平均座標）ＡＤＯｔ＿ｋ～ＡＤＯｔ＿ｋ－３を求め、その後、これら４点の平均点（平均座標）ＡＤＯｔ＿ｋ～ＡＤＯｔ＿ｋ－３どうしの間のユークリッド距離ｄｔ＿ｋ～ｄｔ＿ｋ－２［ｍ］を求める。これらのユークリッド距離ｄｔ＿ｋ～ｄｔ＿ｋ－２を用いて、式（４）により、速度ｖｉ，ｔ＿ｋ［ｍ／秒］を求めることができる。
式（４）において、Ｈ［秒］は、所定測定時間間隔Ｈ（例えば、０．１秒）である。
なお、人Ｄの中心点ＤＯを特定するにあたって、処理部３１は、例えば、人抽出ステップＳ１において抽出された人Ｄを構成する点群を１つのかたまりとして観たときにおける重心点又は平均点を、人Ｄの中心点ＤＯとして特定してもよい。
【数4】
式（４）において、Ｈ［秒］は、所定測定時間間隔Ｈ（例えば、０．１秒）である。
なお、人Ｄの中心点ＤＯを特定するにあたって、処理部３１は、例えば、人抽出ステップＳ１において抽出された人Ｄを構成する点群を１つのかたまりとして観たときにおける重心点又は平均点を、人Ｄの中心点ＤＯとして特定してもよい。
【0035】
単位観察時間帯Ｔｎにおける所定空間Ｓ内の人の利用面積ＳＴｎは、所定空間Ｓ内の人々の所定空間Ｓへの利用効率を表すといえる。
単位観察時間帯Ｔｎにおける所定空間Ｓ内の人の利用面積ＳＴｎは、例えばつぎの式（５）から求めることができる。
式（５）において、ｃｅｌｌ（ｘ，ｙ）ｉ，ｔ＿ｋは、ｔｋ回目の測定時刻において、セル配列Ａにおいて人Ｄ（ＩＤ：ｉ）の中心点ＤＯが位置するセルＣを表す。よって、利用面積ＳＴｎは、単位観察時間帯Ｔｎにおいて所定空間Ｓ内のすべての人Ｄのそれぞれの中心点ＤＯが位置するセルＣの数である。ここで、複数の人Ｄの中心点ＤＯが同じセルＣに位置した場合、そのセルＣの数は１つとしてカウントしている。
単位観察時間帯Ｔｎにおける所定空間Ｓ内の人の利用面積ＳＴｎは、例えばつぎの式（５）から求めることができる。
【数5】
【0036】
ここで、所定平均人数閾値ＴｈｒｅｓｈｏｌｄＣ、所定平均速度閾値ＴｈｒｅｓｈｏｌｄＶ、所定利用面積閾値ＴｈｒｅｓｈｏｌｄＳのそれぞれの閾値を設定する手法の一例について、説明する。
以下の説明では、便宜のため、平均人数ＣＴｎ、平均速度ＶＴｎ、利用面積ＳＴｎを、包括して「特徴量Ｘ」と呼び、所定平均人数閾値ＴｈｒｅｓｈｏｌｄＣ、所定平均速度閾値ＴｈｒｅｓｈｏｌｄＶ、所定利用面積閾値ＴｈｒｅｓｈｏｌｄＳを、包括して「閾値Ｔｈｒｅｓｈｏｌｄｘ」と呼ぶものとする。
一般的に、同じ所定空間Ｓにおいても、時によって所定空間Ｓの活性レベルが大きく異なり得る。そこで、本例では、大津の二値化法を用いて、特徴量Ｘの閾値Ｔｈｒｅｓｈｏｌｄｘを設定する。これにより、実際の所定観察期間Ｌ内における所定空間Ｓでの活性レベルに応じて、より適切な閾値Ｔｈｒｅｓｈｏｌｄｘを設定することができる。
具体的には、まず、各単位観察時間帯Ｔｎにおける特徴量Ｘの値、及び、その値が所定観察期間Ｌ内に占める時間を用いて、図６に概略的に示すようなヒストグラムを作成する。図６のヒストグラムにおいて、横軸は特徴量Ｘの値であり、縦軸は特徴量Ｘの値が所定観察期間Ｌ内に占める時間である。ヒストグラムの区間（階級の幅）としては、平均人数ＣＴｎの場合は０．０５、平均速度ＶＴｎの場合は０．０１、利用面積ＳＴｎの場合は１０とすると、好適である。
つぎに、すべての単位観察時間帯Ｔｎにおいての特徴量Ｘの最小値Ｘｍｉｎを暫定閾値として設定しとき、当該暫定閾値Ｘｍｉｎにより分けられた２つのデータクラスに対して、クラス内分散σｗ ２とクラス間分散σｂ ２とを算出する。そして、このときの分離度σｂ ２／σｗ ２を算出する。
その後、同様に、暫定閾値を、すべての単位観察時間帯Ｔｎにおいての特徴量Ｘの最大値Ｘｍａｘまで徐々に上げていきながら、都度、分離度σｂ ２／σｗ ２を算出していく。
そして、分離度σｂ ２／σｗ ２が最大になるときの特徴量Ｘの値を、閾値Ｔｈｒｅｓｈｏｌｄｘとして設定する。
ただし、閾値Ｔｈｒｅｓｈｏｌｄｘは、本例とは異なる手法により設定されてもよい。
以下の説明では、便宜のため、平均人数ＣＴｎ、平均速度ＶＴｎ、利用面積ＳＴｎを、包括して「特徴量Ｘ」と呼び、所定平均人数閾値ＴｈｒｅｓｈｏｌｄＣ、所定平均速度閾値ＴｈｒｅｓｈｏｌｄＶ、所定利用面積閾値ＴｈｒｅｓｈｏｌｄＳを、包括して「閾値Ｔｈｒｅｓｈｏｌｄｘ」と呼ぶものとする。
一般的に、同じ所定空間Ｓにおいても、時によって所定空間Ｓの活性レベルが大きく異なり得る。そこで、本例では、大津の二値化法を用いて、特徴量Ｘの閾値Ｔｈｒｅｓｈｏｌｄｘを設定する。これにより、実際の所定観察期間Ｌ内における所定空間Ｓでの活性レベルに応じて、より適切な閾値Ｔｈｒｅｓｈｏｌｄｘを設定することができる。
具体的には、まず、各単位観察時間帯Ｔｎにおける特徴量Ｘの値、及び、その値が所定観察期間Ｌ内に占める時間を用いて、図６に概略的に示すようなヒストグラムを作成する。図６のヒストグラムにおいて、横軸は特徴量Ｘの値であり、縦軸は特徴量Ｘの値が所定観察期間Ｌ内に占める時間である。ヒストグラムの区間（階級の幅）としては、平均人数ＣＴｎの場合は０．０５、平均速度ＶＴｎの場合は０．０１、利用面積ＳＴｎの場合は１０とすると、好適である。
つぎに、すべての単位観察時間帯Ｔｎにおいての特徴量Ｘの最小値Ｘｍｉｎを暫定閾値として設定しとき、当該暫定閾値Ｘｍｉｎにより分けられた２つのデータクラスに対して、クラス内分散σｗ ２とクラス間分散σｂ ２とを算出する。そして、このときの分離度σｂ ２／σｗ ２を算出する。
その後、同様に、暫定閾値を、すべての単位観察時間帯Ｔｎにおいての特徴量Ｘの最大値Ｘｍａｘまで徐々に上げていきながら、都度、分離度σｂ ２／σｗ ２を算出していく。
そして、分離度σｂ ２／σｗ ２が最大になるときの特徴量Ｘの値を、閾値Ｔｈｒｅｓｈｏｌｄｘとして設定する。
ただし、閾値Ｔｈｒｅｓｈｏｌｄｘは、本例とは異なる手法により設定されてもよい。
【0037】
－環境地図作成ステップ（Ｓ３）－
環境地図作成ステップＳ３において、処理部３１は、それぞれ互いに連続する１つ又は複数の非活性時間帯ＩＣからなる１つ又は複数の非活性時間帯グループ期間ＩＣＧ（図４）のそれぞれに対し、非活性時間帯グループ期間ＩＣＧ中において各測定時刻に測域センサ２から出力される点群データに基づいて、環境地図Ｒ（以下、「非活性環境地図ＩＲ」ともいう。）を作成するとともに、それぞれ互いに連続する１つ又は複数の活性時間帯ＡＣからなる１つ又は複数の活性時間帯グループ期間ＡＣＧ（図４）のそれぞれに対し、活性時間帯グループ期間ＡＣＧ中において各測定時刻に測域センサ２から出力される点群データに基づいて、環境地図Ｒ（以下、「活性環境地図ＡＲ」ともいう。）を作成する、環境地図作成処理を行う。
すなわち、環境地図作成ステップＳ３において、処理部３１は、非活性時間帯グループ期間ＩＣＧ毎に、それぞれの非活性時間帯グループ期間ＩＣＧ中の各測定時刻の点群データに基づいた環境地図Ｒ（非活性環境地図ＩＲ）を作成するとともに、活性時間帯グループ期間ＡＣＧ毎に、それぞれの活性時間帯グループ期間ＡＣＧ中の各測定時刻の点群データに基づいた環境地図Ｒ（活性環境地図ＡＲ）を作成する。
環境地図作成ステップＳ３において、処理部３１は、それぞれ互いに連続する１つ又は複数の非活性時間帯ＩＣからなる１つ又は複数の非活性時間帯グループ期間ＩＣＧ（図４）のそれぞれに対し、非活性時間帯グループ期間ＩＣＧ中において各測定時刻に測域センサ２から出力される点群データに基づいて、環境地図Ｒ（以下、「非活性環境地図ＩＲ」ともいう。）を作成するとともに、それぞれ互いに連続する１つ又は複数の活性時間帯ＡＣからなる１つ又は複数の活性時間帯グループ期間ＡＣＧ（図４）のそれぞれに対し、活性時間帯グループ期間ＡＣＧ中において各測定時刻に測域センサ２から出力される点群データに基づいて、環境地図Ｒ（以下、「活性環境地図ＡＲ」ともいう。）を作成する、環境地図作成処理を行う。
すなわち、環境地図作成ステップＳ３において、処理部３１は、非活性時間帯グループ期間ＩＣＧ毎に、それぞれの非活性時間帯グループ期間ＩＣＧ中の各測定時刻の点群データに基づいた環境地図Ｒ（非活性環境地図ＩＲ）を作成するとともに、活性時間帯グループ期間ＡＣＧ毎に、それぞれの活性時間帯グループ期間ＡＣＧ中の各測定時刻の点群データに基づいた環境地図Ｒ（活性環境地図ＡＲ）を作成する。
【0038】
ここで、環境地図作成ステップＳ３において、環境地図Ｒを作成する手法の一例を説明する。本例の手法によって作成される環境地図Ｒは、相対活動度地図（図８）である。
非活性環境地図ＩＲ及び活性環境地図ＡＲは、点群データが出力される期間が非活性時間帯グループ期間ＩＣＧ又は活性時間帯グループ期間ＡＣＧのいずれかという点のみで異なるものであり、互いに同様の手法で作成されることができる。よって、以下の説明では、便宜のため、非活性時間帯グループ期間ＩＣＧ及び活性時間帯グループ期間ＡＣＧを包括して「時間帯グループ期間ＣＧ」と呼ぶものとする。
具体的に、環境地図作成ステップＳ３において、処理部３１は、例えば、以下のステップＳ３１～Ｓ３５を行う。
非活性環境地図ＩＲ及び活性環境地図ＡＲは、点群データが出力される期間が非活性時間帯グループ期間ＩＣＧ又は活性時間帯グループ期間ＡＣＧのいずれかという点のみで異なるものであり、互いに同様の手法で作成されることができる。よって、以下の説明では、便宜のため、非活性時間帯グループ期間ＩＣＧ及び活性時間帯グループ期間ＡＣＧを包括して「時間帯グループ期間ＣＧ」と呼ぶものとする。
具体的に、環境地図作成ステップＳ３において、処理部３１は、例えば、以下のステップＳ３１～Ｓ３５を行う。
【0039】
＜重み値設定ステップ（Ｓ３１）＞
まず、重み値設定ステップＳ３１において、処理部３１は、各時間帯グループ期間ＣＧのそれぞれについて、所定測定時間間隔Ｈ毎の各測定時刻での人Ｄの中心点ＤＯ及び速度ｖに基づいて、各測定時刻のそれぞれにおける、セル配列Ａにおける複数のセルＣのうち、少なくとも、非人物体Ｅが位置するセルＣを除く各セルＣに、当該各セルＣにおける活動度重み値をそれぞれ設定する、重み値設定処理を行う（図７）。
各セルＣにおける活動度重み値は、それぞれのセルＣにおける人Ｄの活動度合い（使用度合い）を表す値であり、言い換えれば、それぞれのセルＣが人Ｄによってどれだけ使用されているかを表す値である。活動度重み値が高いほど、活動度合いが高いことを意味する。
処理部３１は、セル配列Ａの各セルＣのうち、非人物体Ｅが位置するセルＣには、活動度重み値を設定しないか、あるいは、０の活動度重み値を設定すると、好適である。非人物体Ｅが位置するセルＣは、人抽出ステップＳ１によって特定される非人物体Ｅの位置によって特定される。
まず、重み値設定ステップＳ３１において、処理部３１は、各時間帯グループ期間ＣＧのそれぞれについて、所定測定時間間隔Ｈ毎の各測定時刻での人Ｄの中心点ＤＯ及び速度ｖに基づいて、各測定時刻のそれぞれにおける、セル配列Ａにおける複数のセルＣのうち、少なくとも、非人物体Ｅが位置するセルＣを除く各セルＣに、当該各セルＣにおける活動度重み値をそれぞれ設定する、重み値設定処理を行う（図７）。
各セルＣにおける活動度重み値は、それぞれのセルＣにおける人Ｄの活動度合い（使用度合い）を表す値であり、言い換えれば、それぞれのセルＣが人Ｄによってどれだけ使用されているかを表す値である。活動度重み値が高いほど、活動度合いが高いことを意味する。
処理部３１は、セル配列Ａの各セルＣのうち、非人物体Ｅが位置するセルＣには、活動度重み値を設定しないか、あるいは、０の活動度重み値を設定すると、好適である。非人物体Ｅが位置するセルＣは、人抽出ステップＳ１によって特定される非人物体Ｅの位置によって特定される。
【0040】
ここで、処理部３１が行う重み値設定処理における、活動度重み値の設定方法の一例を、図７を参照しつつ説明する。図７（ａ）及び図７（ｂ）は、それぞれ、セル配列Ａの一部Ａ’の各セルＣに、活動度重み値を設定する様子を示している。図７（ａ）及び図７（ｂ）のそれぞれの右側の図における各セルＣ内の数値は、それぞれ活動度重み値である。
図７（ａ）及び図７（ｂ）に示すように、処理部３１は、セル配列Ａのうち、各人Ｄの中心点ＤＯを含むセルＣ及びその周辺のセルＣに、それぞれ０超の活動度重み値を設定し、それ以外のセルＣに、０の活動度重み値を設定する。人Ｄは、実際には、中心点ＤＯの１点だけでなく、その周辺にも存在しているため、このように周辺のセルＣにも０超の活動度重み値を設定することで、人Ｄの実際の大きさを考慮して、活動度重み値を設定することができる。
図７（ａ）及び図７（ｂ）に示すように、処理部３１は、セル配列Ａのうち、各人Ｄの中心点ＤＯを含むセルＣ及びその周辺のセルＣに、それぞれ０超の活動度重み値を設定し、それ以外のセルＣに、０の活動度重み値を設定する。人Ｄは、実際には、中心点ＤＯの１点だけでなく、その周辺にも存在しているため、このように周辺のセルＣにも０超の活動度重み値を設定することで、人Ｄの実際の大きさを考慮して、活動度重み値を設定することができる。
【0041】
処理部３１は、所定測定時間間隔Ｈ毎の各測定時刻のそれぞれについて、当該測定時刻での速度ｖ（上記速度ｖｉ，ｔ＿ｋに相当。）に基づいて、当該測定時刻において人Ｄが移動中であるか又は停止中であるかを特定し、特定した結果に依って活動度重み値の設定方法を変えると、好適である。移動中であるか又は停止中であるかの特定方法としては、例えば、当該測定時刻での速度ｖが所定速度（例えば、０．１ｍ／秒）以上の場合は移動中であると判断し、当該測定時刻での速度ｖが所定速度未満の場合は停止中であると判断するものが、挙げられる。
【0042】
例えば、当該測定時刻において人Ｄが移動中である場合は、図７（ａ）に示すように、セル配列Ａにおいて人Ｄの速度ベクトルＦに重なる中心線を有する扇形上にある各セルＣに、それぞれ０超の活動度重み値を設定すると、好適である。ここで、扇形の「中心線」とは、扇形の中心角にわたる角度範囲のうちの中心角度位置において、扇形の中心点（頂点）から弧まで延在する、線分を指す。速度ベクトルＦの方向は、例えば、上述の平均点ＡＤＯｔ＿ｋと平均点ＡＤＯｔ＿ｋ－３（図５）とを結んだ線の方向として特定することができる。扇形の中心線の長さと人Ｄの速度ベクトルＦの長さとは、同じであってもなくてもよく、ひいては、扇形の中心線と人Ｄの速度ベクトルＦとは、少なくとも一部において重なっていればよい。当該扇形は、厳密な扇形でなくてもよく、扇形に近い形状（略扇形）でもよい。当該扇形の中心点（頂点）は、人Ｄの中心点ＤＯに位置する。当該扇形の半径は、人の速度ｖ（具体的には、速度の大きさ（速度ベクトルＦの絶対値））に依存するように設定すると好適であり、例えば、速度ｖ（速度の大きさ）が大きいほど長く設定すると好適である。当該扇形の中心角は、速度ｖに依らない所定角度に設定してもよいし、あるいは、速度ｖに依存する所定角度に設定してもよい。当該扇形上の各セルＣには、人Ｄの中心点ＤＯに近いセルＣほど高い活動度重み値が設定されるように、活動度重み値を設定すると、好適である。人Ｄの中心点ＤＯを含むセルＣに設定する活動度重み値は、速度ｖに依存するように設定すると好適であり、例えば、速度ｖ（速度の大きさ）が小さいほど、高く設定すると、好適である。
上記のことを実現するための具体的な手法としては、例えば、図７（ａ）の左図に示すように、人Ｄの中心点ＤＯを回転中心とする所定角度範囲α内における、一定角度毎の各角度位置において、それぞれ、所定数の単位重み点Ｂを半径方向に沿って一定間隔毎に配列し、各セルＣ内における単位重み点Ｂの数を、それぞれのセルＣの活動度重み値として設定するものが挙げられる。上記所定角度範囲αは、上述の扇形の中心角に相当する。また、人の中心点ＤＯから、当該中心点ＤＯから半径方向に最も離れた位置にある単位重み点Ｂまでの距離が、上述の扇形の半径に相当する。各角度位置に配列する単位重み点Ｂの数、及び／又は、各角度位置に配列する単位重み点Ｂどうしの間の間隔は、速度ｖ（速度の大きさ）に依存するように設定すると好適である。
上記のことを実現するための具体的な手法としては、例えば、図７（ａ）の左図に示すように、人Ｄの中心点ＤＯを回転中心とする所定角度範囲α内における、一定角度毎の各角度位置において、それぞれ、所定数の単位重み点Ｂを半径方向に沿って一定間隔毎に配列し、各セルＣ内における単位重み点Ｂの数を、それぞれのセルＣの活動度重み値として設定するものが挙げられる。上記所定角度範囲αは、上述の扇形の中心角に相当する。また、人の中心点ＤＯから、当該中心点ＤＯから半径方向に最も離れた位置にある単位重み点Ｂまでの距離が、上述の扇形の半径に相当する。各角度位置に配列する単位重み点Ｂの数、及び／又は、各角度位置に配列する単位重み点Ｂどうしの間の間隔は、速度ｖ（速度の大きさ）に依存するように設定すると好適である。
【0043】
また、当該測定時刻において人Ｄが停止中である場合は、図７（ｂ）に示すように、セル配列Ａにおいて人Ｄの中心点ＤＯを中心とする円形上にある各セルＣに、それぞれ０超の活動度重み値を設定すると、好適である。
当該円形は、厳密な円形でなくてもよく、円形に近い形状（略円形）でもよい。当該円形上の各セルには、人Ｄの中心点ＤＯに近いセルＣほど高い活動度重み値が設定されるように、活動度重み値を設定すると、好適である。
上記のことを実現するための具体的な手法としては、例えば、図７（ｂ）の左図に示すように、人Ｄの中心点ＤＯを回転中心とする全周における、一定角度毎の各角度位置において、それぞれ、所定数の単位重み点Ｂを半径方向に沿って一定間隔毎に配列し、各セルＣ内における単位重み点Ｂの数を、それぞれのセルＣの活動度重み値として設定するものが挙げられる。人の中心点ＤＯから、当該中心点ＤＯから半径方向に最も離れた位置にある単位重み点Ｂまでの距離が、上述の円形の半径に相当する。
当該円形は、厳密な円形でなくてもよく、円形に近い形状（略円形）でもよい。当該円形上の各セルには、人Ｄの中心点ＤＯに近いセルＣほど高い活動度重み値が設定されるように、活動度重み値を設定すると、好適である。
上記のことを実現するための具体的な手法としては、例えば、図７（ｂ）の左図に示すように、人Ｄの中心点ＤＯを回転中心とする全周における、一定角度毎の各角度位置において、それぞれ、所定数の単位重み点Ｂを半径方向に沿って一定間隔毎に配列し、各セルＣ内における単位重み点Ｂの数を、それぞれのセルＣの活動度重み値として設定するものが挙げられる。人の中心点ＤＯから、当該中心点ＤＯから半径方向に最も離れた位置にある単位重み点Ｂまでの距離が、上述の円形の半径に相当する。
【0044】
なお、処理部３１は、当該測定時刻において人Ｄが停止中である場合、さらに、人Ｄが滞在状態にあるか又は非滞在状態にあるかを判断し、判断した結果に依って、人Ｄの中心点ＤＯを中心とする上記円形上にある各セルＣの活動度重み値を変えると、好適である。滞在状態にあるか又は非滞在状態にあるかの判断方法としては、例えば、人Ｄが直近の所定時間（例えば５秒）以上にわたって停止している場合は滞在状態にあると判断し、人Ｄが直近の当該所定時間未満のみにわたって停止している場合は非滞在状態にあると判断するものが、挙げられる。
例えば、処理部３１は、人Ｄが滞在状態にあると判断した場合、上記円形上の各セルＣのうち一部又は全部のセルＣの活動度重み値を、人Ｄが非滞在状態にあると判断した場合に比べて、異なるように（例えば小さくなるように）設定すると、好適である。上記円形上の各セルＣのうち一部又は全部のセルＣの活動度重み値を、人Ｄが非滞在状態にあると判断した場合に比べて、小さくなるように設定する場合は、当該円形上の各セルＣにおける後述の活動度重み積算値Ｗ（ｔ，ｐ，ｑ）が、他のセルＣに比べて、顕著に高くなるのを抑制でき、それにより、例えば、環境地図Ｒの一種である後述の相対活動度地図（図８）が見やすい地図となる。
例えば、処理部３１は、人Ｄが滞在状態にあると判断した場合、上記円形上の各セルＣのうち一部又は全部のセルＣの活動度重み値を、人Ｄが非滞在状態にあると判断した場合に比べて、異なるように（例えば小さくなるように）設定すると、好適である。上記円形上の各セルＣのうち一部又は全部のセルＣの活動度重み値を、人Ｄが非滞在状態にあると判断した場合に比べて、小さくなるように設定する場合は、当該円形上の各セルＣにおける後述の活動度重み積算値Ｗ（ｔ，ｐ，ｑ）が、他のセルＣに比べて、顕著に高くなるのを抑制でき、それにより、例えば、環境地図Ｒの一種である後述の相対活動度地図（図８）が見やすい地図となる。
【0045】
＜積算値算出ステップ（Ｓ３２）＞
積算値算出ステップＳ３２において、処理部３１は、各時間帯グループ期間ＣＧのそれぞれについて、セル配列ＡのセルＣ毎に、重み値設定ステップＳ３１で設定した各測定時刻での活動度重み値を、積算することにより、活動度重み積算値Ｗ（ｔ，ｐ，ｑ）を得る、積算値算出処理を行う。
なお、重み値設定ステップＳ３１において各測定時刻での活動度重み値を設定した後に、積算値算出ステップＳ３２を行ってもよいし、あるいは、測定時刻毎に重み値設定ステップＳ３１及び積算値算出ステップＳ３２を繰り返すように、重み値設定ステップＳ３１及び積算値算出ステップＳ３２を並行して行ってもよい。
積算値算出ステップＳ３２において、処理部３１は、各時間帯グループ期間ＣＧのそれぞれについて、セル配列ＡのセルＣ毎に、重み値設定ステップＳ３１で設定した各測定時刻での活動度重み値を、積算することにより、活動度重み積算値Ｗ（ｔ，ｐ，ｑ）を得る、積算値算出処理を行う。
なお、重み値設定ステップＳ３１において各測定時刻での活動度重み値を設定した後に、積算値算出ステップＳ３２を行ってもよいし、あるいは、測定時刻毎に重み値設定ステップＳ３１及び積算値算出ステップＳ３２を繰り返すように、重み値設定ステップＳ３１及び積算値算出ステップＳ３２を並行して行ってもよい。
【0046】
積算値算出ステップＳ３２によれば、ある期間について、セル配列ＡのセルＣ毎に活動度重み積算値Ｗ（ｔ，ｐ，ｑ）を得ることにより、当該期間内において、セル配列Ａ（ひいては所定空間Ｓ）内の各セルＣが、人Ｄによってどれだけ使用されたかを把握することが可能になるので、所定空間Ｓ内の場所毎の使われ方を把握することが可能になる。
また、積算値算出ステップＳ３２によれば、所定空間Ｓ内の人のＩＤを特定しないため、個人情報に関するセキュリティ上の問題やプライバシー侵害の問題もなく、また、測定期間中において所定空間Ｓ内の人の心理的負担によって当該人の行動に影響が出ることも抑制できる。
また、積算値算出ステップＳ３２によれば、所定空間Ｓ内の人のＩＤを特定しないため、個人情報に関するセキュリティ上の問題やプライバシー侵害の問題もなく、また、測定期間中において所定空間Ｓ内の人の心理的負担によって当該人の行動に影響が出ることも抑制できる。
【0047】
＜基準平均値算出ステップ（Ｓ３３）＞
基準平均値算出ステップＳ３３において、処理部３１は、各時間帯グループ期間ＣＧのうちのいずれか１つの期間ｎについて、セル配列Ａにおける全部又は一部のセルＣの活動度重み積算値Ｗ（ｔ，ｐ，ｑ）（Ｗｎ（ｔ，ｐ，ｑ））の平均値を算出することにより、基準平均値Ｗ’ａ，ｎを得る、基準平均値算出処理を行う。
基準平均値Ｗ’ａ，ｎは、例えば、つぎの式（６）により表される。
式（６）において、ｉとｊはそれぞれ任意のｘ軸座標であり、ｉ≦ｊである。ｋとｌはそれぞれ任意のｙ軸座標であり、ｋ≦ｌである。
基準平均値算出ステップＳ３３において、処理部３１は、各時間帯グループ期間ＣＧのうちのいずれか１つの期間ｎについて、セル配列Ａにおける全部又は一部のセルＣの活動度重み積算値Ｗ（ｔ，ｐ，ｑ）（Ｗｎ（ｔ，ｐ，ｑ））の平均値を算出することにより、基準平均値Ｗ’ａ，ｎを得る、基準平均値算出処理を行う。
基準平均値Ｗ’ａ，ｎは、例えば、つぎの式（６）により表される。
【数6】
【0048】
＜相対活動度算出ステップ（Ｓ３４）＞
相対活動度算出ステップＳ３４において、処理部３１は、各時間帯グループ期間ＣＧのそれぞれについて、セルＣ毎に、活動度重み積算値Ｗ（ｔ，ｐ，ｑ）を、基準平均値算出ステップＳ３３で得られた基準平均値Ｗ’ａ，ｎで割ることにより、相対活動度値ω’（ｔ，ｐ，ｑ）を得る、相対活動度値算出処理を行う。
相対活動度算出ステップＳ３４において、処理部３１は、各時間帯グループ期間ＣＧのそれぞれについて、セルＣ毎に、活動度重み積算値Ｗ（ｔ，ｐ，ｑ）を、基準平均値算出ステップＳ３３で得られた基準平均値Ｗ’ａ，ｎで割ることにより、相対活動度値ω’（ｔ，ｐ，ｑ）を得る、相対活動度値算出処理を行う。
【0049】
相対活動度算出ステップＳ３４によれば、セルＣ毎に活動度重み積算値Ｗ（ｔ，ｐ，ｑ）を基準平均値Ｗ’ａ，ｎで割るため、上述した積算値算出ステップＳ３の効果に加えて、例えば後述の相対活動度地図作成ステップＳ３５において相対活動度地図を作成する場合に、１つの期間におけるセル配列Ａ（ひいては所定空間Ｓ）内の各セルＣどうしの活動度合い（使用度合い）の違いをより明確に把握することができるようになる。よって、所定空間Ｓ内の場所毎の使われ方を、より明確かつ簡単に把握することが可能になる。
また、相対活動度算出ステップＳ３４（相対活動度算出処理）によれば、各時間帯グループ期間ＣＧのそれぞれにおいて、セルＣ毎に活動度重み積算値Ｗ（ｔ，ｐ，ｑ）を共通の基準平均値Ｗ’ａ，ｎで割るため、各時間帯グループ期間ＣＧの各セルＣの相対活動度値ω’（ｔ，ｐ，ｑ）の基準をそろえることができる。それにより、これら複数の時間帯グループ期間ＣＧの各セルＣの相対活動度値ω’（ｔ，ｐ，ｑ）どうしを比較することにより、これら複数の時間帯グループ期間ＣＧのそれぞれにおける所定空間Ｓの使われ方どうしを正確かつより簡単に比較することが可能になり、言い換えれば、期間によって所定空間Ｓの使われ方がどう違うかを把握することがより簡単になる。
また、相対活動度算出ステップＳ３４（相対活動度算出処理）によれば、各時間帯グループ期間ＣＧのそれぞれにおいて、セルＣ毎に活動度重み積算値Ｗ（ｔ，ｐ，ｑ）を共通の基準平均値Ｗ’ａ，ｎで割るため、各時間帯グループ期間ＣＧの各セルＣの相対活動度値ω’（ｔ，ｐ，ｑ）の基準をそろえることができる。それにより、これら複数の時間帯グループ期間ＣＧの各セルＣの相対活動度値ω’（ｔ，ｐ，ｑ）どうしを比較することにより、これら複数の時間帯グループ期間ＣＧのそれぞれにおける所定空間Ｓの使われ方どうしを正確かつより簡単に比較することが可能になり、言い換えれば、期間によって所定空間Ｓの使われ方がどう違うかを把握することがより簡単になる。
【0050】
＜相対活動度地図作成ステップ（Ｓ３５）＞
相対活動度地図作成ステップＳ３５において、処理部３１は、各時間帯グループ期間ＣＧのそれぞれについて、セル配列Ａの複数のセルＣのうち、非人物体Ｅが位置するセルＣを除く各セルＣを、相対活動度算出ステップＳ３４で得られた、それぞれのセルＣの相対活動度値ω’（ｔ，ｐ，ｑ）に予め関連付けられた色濃さ及び／又は色で表してなる、相対活動度地図を作成する、相対活動度地図作成処理を行う。
ここで、「相対活動度値ω’（ｔ，ｐ，ｑ）に予め関連付けられた色濃さ及び／又は色」とは、相対活動度値ω’（ｔ，ｐ，ｑ）の１点の値毎に異なる色濃さ及び／又は色を予め関連付ける場合だけでなく、相対活動度値ω’（ｔ，ｐ，ｑ）の値の範囲毎に異なる色濃さ及び／又は色を予め関連付ける場合も含む。
相対活動度地図作成ステップＳ３５では、相対活動度地図において、セル配列Ａの各セルＣのうち、非人物体Ｅが位置する各セルＣを、それぞれ非人物体Ｅに予め関連付けられた色濃さ及び／又は色で表すと、好適である。この場合、非人物体Ｅに予め関連付けられた色濃さ及び／又は色は、相対活動度値ω’（ｔ，ｐ，ｑ）に予め関連付けられた色濃さ及び／又は色とは異なると、視覚的に非人物体Ｅを識別しやすいので、好適である。例えば、非人物体Ｅに予め関連付けられた色は、黒及び／又はグレーであり、相対活動度値ω’（ｔ，ｐ，ｑ）に予め関連付けられた色は、黒及びグレーとは異なる色であると、好適である。あるいは、相対活動度地図作成ステップＳ３５では、非人物体Ｅをより見やすくするために、相対活動度地図において、セル配列Ａの各セルＣのうち、非人物体Ｅが位置する各セルＣ又はその近辺に、別途用意された非人物体Ｅを表す図形又は画像を表示してもよい。
相対活動度地図作成ステップＳ３５において、処理部３１は、各時間帯グループ期間ＣＧのそれぞれについて、セル配列Ａの複数のセルＣのうち、非人物体Ｅが位置するセルＣを除く各セルＣを、相対活動度算出ステップＳ３４で得られた、それぞれのセルＣの相対活動度値ω’（ｔ，ｐ，ｑ）に予め関連付けられた色濃さ及び／又は色で表してなる、相対活動度地図を作成する、相対活動度地図作成処理を行う。
ここで、「相対活動度値ω’（ｔ，ｐ，ｑ）に予め関連付けられた色濃さ及び／又は色」とは、相対活動度値ω’（ｔ，ｐ，ｑ）の１点の値毎に異なる色濃さ及び／又は色を予め関連付ける場合だけでなく、相対活動度値ω’（ｔ，ｐ，ｑ）の値の範囲毎に異なる色濃さ及び／又は色を予め関連付ける場合も含む。
相対活動度地図作成ステップＳ３５では、相対活動度地図において、セル配列Ａの各セルＣのうち、非人物体Ｅが位置する各セルＣを、それぞれ非人物体Ｅに予め関連付けられた色濃さ及び／又は色で表すと、好適である。この場合、非人物体Ｅに予め関連付けられた色濃さ及び／又は色は、相対活動度値ω’（ｔ，ｐ，ｑ）に予め関連付けられた色濃さ及び／又は色とは異なると、視覚的に非人物体Ｅを識別しやすいので、好適である。例えば、非人物体Ｅに予め関連付けられた色は、黒及び／又はグレーであり、相対活動度値ω’（ｔ，ｐ，ｑ）に予め関連付けられた色は、黒及びグレーとは異なる色であると、好適である。あるいは、相対活動度地図作成ステップＳ３５では、非人物体Ｅをより見やすくするために、相対活動度地図において、セル配列Ａの各セルＣのうち、非人物体Ｅが位置する各セルＣ又はその近辺に、別途用意された非人物体Ｅを表す図形又は画像を表示してもよい。
【0051】
図８は、上述のようにして１つの時間帯グループ期間ＣＧ中において各測定時刻に測域センサ２から出力される点群データに基づいて作成された所定空間Ｓの相対活動度地図（環境地図）Ｒの一例を示している。図８において、各非人物体Ｅが位置する各セルＣは、濃い黒で表されている。図８において、各非人物体Ｅが位置するセルＣを除く、各セルＣの相対活動度値ω’（ｔ，ｐ，ｑ）は、値毎に予め対応付けられた、黒及び／又はグレーとは異なる同一色（例えば緑色）の色濃さで表されている。具体的は、相対活動度値ω’（ｔ，ｐ，ｑ）が高いほど、濃くなるように、表されている。
なお、図８の例では、セル配列Ａの各セルＣのうち、各非人物体Ｅが位置するセルＣを除く各セルＣが、全体的にややグレーに見えるが、これは画面の都合でグレーになっているにすぎず、実際には、大部分のセルＣにおいてω’（ｔ，ｐ，ｑ）＝０（白色）である。
なお、図８の例では、セル配列Ａの各セルＣのうち、各非人物体Ｅが位置するセルＣを除く各セルＣが、全体的にややグレーに見えるが、これは画面の都合でグレーになっているにすぎず、実際には、大部分のセルＣにおいてω’（ｔ，ｐ，ｑ）＝０（白色）である。
【0052】
このように、相対活動度地図作成ステップＳ３５によれば、上述した相対活動度算出ステップＳ３４の効果に加えて、１つの期間におけるセル配列Ａ（ひいては所定空間Ｓ）内の各セルＣどうしの活動度合い（使用度合い）の違いを、視覚的に、把握することができるようになる。よって、所定空間Ｓ内の場所毎の使われ方を、視覚的に、把握することが可能になる。
また、相対活動度地図作成ステップＳ３５によれば、上述した相対活動度算出ステップＳ３４の効果に加えて、複数の時間帯グループ期間ＣＧのそれぞれにおける所定空間Ｓの使われ方どうしを、視覚的に、比較することが可能になり、言い換えれば、期間によって所定空間Ｓの使われ方がどう違うかを、視覚的に、把握することができる。
また、相対活動度地図作成ステップＳ３５によれば、上述した相対活動度算出ステップＳ３４の効果に加えて、複数の時間帯グループ期間ＣＧのそれぞれにおける所定空間Ｓの使われ方どうしを、視覚的に、比較することが可能になり、言い換えれば、期間によって所定空間Ｓの使われ方がどう違うかを、視覚的に、把握することができる。
【0053】
以上の例の手法により作成される環境地図（相対活動度地図）Ｒ（非活性環境地図ＩＲ／活性環境地図ＡＲ）は、セル配列Ａを有し、それぞれ対応する時間帯グループ期間ＣＧ（非活性時間帯グループ期間ＩＣＧ／活性時間帯グループ期間ＡＣＧ）中におけるセル配列Ａの各セルＣの活動度合いを表すものとなる。
【0054】
なお、上述の例の環境地図Ｒの作成方法は、あくまで一例にすぎず、異なる任意の方法で環境地図Ｒが作成されてよい。
例えば、基準平均値算出ステップＳ３３、相対活動度算出ステップＳ３４を行わずに、ステップＳ３５において、処理部３１は、各時間帯グループ期間ＣＧのそれぞれについて、セル配列Ａの複数のセルＣのうち、非人物体Ｅが位置するセルＣを除く各セルＣを、それぞれのセルＣの活動度重み積算値Ｗ（ｔ，ｐ，ｑ）に予め関連付けられた色濃さ及び／又は色で表してなる、環境地図を作成してもよい。この場合も、作成される環境地図Ｒ（非活性環境地図ＩＲ／活性環境地図ＡＲ）は、セル配列Ａを有し、それぞれ対応する時間帯グループ期間ＣＧ（非活性時間帯グループ期間ＩＣＧ／活性時間帯グループ期間ＡＣＧ）中におけるセル配列Ａの各セルＣの活動度合いを表すものとなる。
例えば、基準平均値算出ステップＳ３３、相対活動度算出ステップＳ３４を行わずに、ステップＳ３５において、処理部３１は、各時間帯グループ期間ＣＧのそれぞれについて、セル配列Ａの複数のセルＣのうち、非人物体Ｅが位置するセルＣを除く各セルＣを、それぞれのセルＣの活動度重み積算値Ｗ（ｔ，ｐ，ｑ）に予め関連付けられた色濃さ及び／又は色で表してなる、環境地図を作成してもよい。この場合も、作成される環境地図Ｒ（非活性環境地図ＩＲ／活性環境地図ＡＲ）は、セル配列Ａを有し、それぞれ対応する時間帯グループ期間ＣＧ（非活性時間帯グループ期間ＩＣＧ／活性時間帯グループ期間ＡＣＧ）中におけるセル配列Ａの各セルＣの活動度合いを表すものとなる。
【0055】
上述の各例のように、環境地図作成ステップＳ３において作成される環境地図Ｒ（非活性環境地図ＩＲ／活性環境地図ＡＲ）は、セル配列Ａを有し、セル配列Ａの複数のセルＣのうち、非人物体Ｅが位置するセルＣを除く各セルＣを、それぞれ対応する時間帯グループ期間ＣＧ（非活性時間帯グループ期間ＩＣＧ／活性時間帯グループ期間ＡＣＧ）中におけるそれぞれのセルＣの活動度合いを表す活動度合い値に予め関連付けられた色濃さ及び／又は色で表してなるものであると、好適である。活動度合い値としては、例えば相対活動度値ω’（ｔ，ｐ，ｑ）又は活動度重み積算値Ｗ（ｔ，ｐ，ｑ）が挙げられるが、その他の値であってもよい。この場合、セル配列Ａの各セルＣのうち、非人物体Ｅが位置する各セルＣを、それぞれ非人物体Ｅに予め関連付けられた色濃さ及び／又は色で表すと、好適である。この場合、非人物体Ｅに予め関連付けられた色濃さ及び／又は色は、活動度合い値に予め関連付けられた色濃さ及び／又は色とは異なると、視覚的に非人物体Ｅを識別しやすいので、好適である。例えば、非人物体Ｅに予め関連付けられた色は、黒及び／又はグレーであり、活動度合い値に予め関連付けられた色は、黒及びグレーとは異なる色であると、好適である。また、各非人物体Ｅが位置するセルＣを除く、各セルＣの活動度合い値は、値毎に予め対応付けられた、黒及び／又はグレーとは異なる同一色（例えば緑色）の色濃さで表されていると、好適である。その場合、活動度合い値が高いほど、濃くなるように、表されていると、好適である。
【0056】
－環境地図クラスタリングステップ（Ｓ４）－
環境地図クラスタリングステップＳ４において、処理部３１は、各環境地図Ｒ（各非活性環境地図ＩＲ及び各活性環境地図ＡＲ）どうしの類似度に応じてすべての環境地図Ｒ（すべての非活性環境地図ＩＲ及び活性環境地図ＡＲ）どうしをクラスタリングする、環境地図クラスタリング処理を行う。
より具体的に、本実施形態において、処理部３１は、環境地図クラスタリングステップＳ４（環境地図クラスタリング処理）において、各環境地図Ｒ（各非活性環境地図ＩＲ及び各活性環境地図ＡＲ）をそれぞれ文字列Ｇに変換し、各文字列Ｇどうしの類似度に応じてすべての環境地図Ｒどうしをクラスタリングする（図９）。
以下に環境地図クラスタリングステップＳ４の具体例を詳しく説明する。
具体的に、環境地図クラスタリングステップＳ４において、処理部３１は、例えば、以下のステップＳ４１～Ｓ４６により、２つの環境地図Ｒどうしを比較して、それらが類似しているか否かを判断する。処理部３１は、すべての２つの環境地図Ｒからなる組合わせのそれぞれについて、これらのステップＳ４１～Ｓ４６を行う。以下の説明では、比較する２つの環境地図Ｒを、「環境地図Ｒｉ、Ｒｊ」と表記する場合がある。これら２つの環境地図Ｒｉ、Ｒｊからなる組み合わせは、２つの非活性環境地図ＩＲからなる組み合わせ、２つの活性環境地図ＡＲからなる組み合わせ、あるいは、１つの非活性環境地図ＩＲ及び１つの活性環境地図ＡＲからなる組み合わせである。
環境地図クラスタリングステップＳ４において、処理部３１は、各環境地図Ｒ（各非活性環境地図ＩＲ及び各活性環境地図ＡＲ）どうしの類似度に応じてすべての環境地図Ｒ（すべての非活性環境地図ＩＲ及び活性環境地図ＡＲ）どうしをクラスタリングする、環境地図クラスタリング処理を行う。
より具体的に、本実施形態において、処理部３１は、環境地図クラスタリングステップＳ４（環境地図クラスタリング処理）において、各環境地図Ｒ（各非活性環境地図ＩＲ及び各活性環境地図ＡＲ）をそれぞれ文字列Ｇに変換し、各文字列Ｇどうしの類似度に応じてすべての環境地図Ｒどうしをクラスタリングする（図９）。
以下に環境地図クラスタリングステップＳ４の具体例を詳しく説明する。
具体的に、環境地図クラスタリングステップＳ４において、処理部３１は、例えば、以下のステップＳ４１～Ｓ４６により、２つの環境地図Ｒどうしを比較して、それらが類似しているか否かを判断する。処理部３１は、すべての２つの環境地図Ｒからなる組合わせのそれぞれについて、これらのステップＳ４１～Ｓ４６を行う。以下の説明では、比較する２つの環境地図Ｒを、「環境地図Ｒｉ、Ｒｊ」と表記する場合がある。これら２つの環境地図Ｒｉ、Ｒｊからなる組み合わせは、２つの非活性環境地図ＩＲからなる組み合わせ、２つの活性環境地図ＡＲからなる組み合わせ、あるいは、１つの非活性環境地図ＩＲ及び１つの活性環境地図ＡＲからなる組み合わせである。
【0057】
まず、処理部３１は、環境地図Ｒｉ、Ｒｊをそれぞれグレースケールに変換する（グレースケール変換ステップＳ４１）。これにより、精度を上げることができる。
【0058】
つぎに、処理部３１は、環境地図Ｒｉ、Ｒｊを、それぞれ、図９の左図に例示するような１６画素×１７画素サイズに縮小することにより、１６画素×１７画素サイズの縮小環境地図ＦＩに変換する（縮小ステップＳ４２）。これにより、計算速度を向上できる。
図９の左図の縮小環境地図ＦＩにおいて、符号Ｑは画素を表している。
以下では、環境地図Ｒｉ、Ｒｊから変換された縮小環境地図ＦＩを、それぞれ「縮小環境地図ＦＩｉ、ＦＩｊ」と表記する場合がある。
図９の左図の縮小環境地図ＦＩにおいて、符号Ｑは画素を表している。
以下では、環境地図Ｒｉ、Ｒｊから変換された縮小環境地図ＦＩを、それぞれ「縮小環境地図ＦＩｉ、ＦＩｊ」と表記する場合がある。
【0059】
つぎに、処理部３１は、各縮小環境地図ＦＩ（縮小環境地図ＦＩｉ、ＦＩｊ）のそれぞれの輝度値の平均値（平均輝度値）ａｐｉｃを算出する（平均輝度値算出ステップＳ４３）。
ここで、処理部３１は、各縮小環境地図ＦＩのそれぞれにおいて、活動度合い値を表す表示（色濃さ及び／又は色）が分布している１つ又は複数の画素Ｑをそれぞれ前景画素とみなし、活動度合い値を表す表示が分布していない１つ又は複数の画素Ｑをそれぞれ背景画素とみなす。処理部３１は、各縮小環境地図ＦＩのそれぞれにおいて、それぞれ前景画素をなす各画素Ｑにおいて活動度合い値を表す表示を、輝度値とみなす（すなわち、当該表示から輝度値を読み取る）。
ここで、処理部３１は、各縮小環境地図ＦＩのそれぞれにおいて、活動度合い値を表す表示（色濃さ及び／又は色）が分布している１つ又は複数の画素Ｑをそれぞれ前景画素とみなし、活動度合い値を表す表示が分布していない１つ又は複数の画素Ｑをそれぞれ背景画素とみなす。処理部３１は、各縮小環境地図ＦＩのそれぞれにおいて、それぞれ前景画素をなす各画素Ｑにおいて活動度合い値を表す表示を、輝度値とみなす（すなわち、当該表示から輝度値を読み取る）。
【0060】
つぎに、処理部３１は、各縮小環境地図ＦＩ（縮小環境地図ＦＩｉ、ＦＩｊ）を、それぞれ文字列Ｇに変換する（文字列変換ステップＳ４４）。
図９の右図は、文字列Ｇの一例を示している。
以下では、縮小環境地図ＦＩｉ、ＦＩｊから変換された文字列Ｇを、それぞれ「文字列Ｇｉ、Ｇｊ」と表記する場合がある。
具体的には、例えば、処理部３１は、各縮小環境地図ＦＩに対して、所定画素比較順序（本例では、左から右へ、上から下への順序）で、画素Ｑごとに、当該画素Ｑの輝度値と当該画素Ｑの右隣の画素Ｑの輝度値とを比較し、所定規則に従って当該画素Ｑに文字ラベルをつけて、文字列Ｇに所定付加順序（本例では、左から右への順序）で当該文字ラベルを付加していき、それにより、文字列Ｇを作成する。ただし、縮小環境地図ＦＩの一番右の列の各画素Ｑについては、さらに右隣に位置する画素Ｑが無いため、この比較を行わない。このように作成された各文字列Ｇ（文字列Ｇｉ、Ｇｊ）は、それぞれ、２５６バイトのシーケンスとなる。
上記所定規則は、例えば、以下のとおりである：
（ａ）判断中の画素Ｑの輝度値が右隣の画素Ｑの輝度値より小さい場合、当該判断中の画素Ｑに第１文字ラベル（本例では、「３」）をつける。
（ｂ）判断中の画素Ｑの輝度値が、右隣の画素Ｑの輝度値より大きく、かつ、平均輝度値ａｐｉｃより大きい場合、当該判断中の画素Ｑに第２文字ラベル（本例では、「２」）をつける。
（ｃ）判断中の画素Ｑの輝度値が、右隣の画素Ｑの輝度値より大きく、かつ、平均輝度値ａｐｉｃ以下である場合、当該判断中の画素Ｑに第３文字ラベル（本例では、「１」）をつける。
（ｄ）判断中の画素Ｑの輝度値が、白色の輝度値（０）と同じである場合、当該判断中の画素Ｑに第４文字ラベル（本例では、「０」）をつける。
図９の右図は、文字列Ｇの一例を示している。
以下では、縮小環境地図ＦＩｉ、ＦＩｊから変換された文字列Ｇを、それぞれ「文字列Ｇｉ、Ｇｊ」と表記する場合がある。
具体的には、例えば、処理部３１は、各縮小環境地図ＦＩに対して、所定画素比較順序（本例では、左から右へ、上から下への順序）で、画素Ｑごとに、当該画素Ｑの輝度値と当該画素Ｑの右隣の画素Ｑの輝度値とを比較し、所定規則に従って当該画素Ｑに文字ラベルをつけて、文字列Ｇに所定付加順序（本例では、左から右への順序）で当該文字ラベルを付加していき、それにより、文字列Ｇを作成する。ただし、縮小環境地図ＦＩの一番右の列の各画素Ｑについては、さらに右隣に位置する画素Ｑが無いため、この比較を行わない。このように作成された各文字列Ｇ（文字列Ｇｉ、Ｇｊ）は、それぞれ、２５６バイトのシーケンスとなる。
上記所定規則は、例えば、以下のとおりである：
（ａ）判断中の画素Ｑの輝度値が右隣の画素Ｑの輝度値より小さい場合、当該判断中の画素Ｑに第１文字ラベル（本例では、「３」）をつける。
（ｂ）判断中の画素Ｑの輝度値が、右隣の画素Ｑの輝度値より大きく、かつ、平均輝度値ａｐｉｃより大きい場合、当該判断中の画素Ｑに第２文字ラベル（本例では、「２」）をつける。
（ｃ）判断中の画素Ｑの輝度値が、右隣の画素Ｑの輝度値より大きく、かつ、平均輝度値ａｐｉｃ以下である場合、当該判断中の画素Ｑに第３文字ラベル（本例では、「１」）をつける。
（ｄ）判断中の画素Ｑの輝度値が、白色の輝度値（０）と同じである場合、当該判断中の画素Ｑに第４文字ラベル（本例では、「０」）をつける。
【0061】
つぎに、処理部３１は、各文字列Ｇ（文字列Ｇｉ、Ｇｊ）どうしを比較することにより、各縮小環境地図ＦＩ（縮小環境地図ＦＩｉ、ＦＩｊ）どうしの類似度Ｓｉｍｉｌａｒｉｔｙｉｊを算出する（類似度算出ステップＳ４５）。
ここで、類似度Ｓｉｍｉｌａｒｉｔｙｉｊは、例えば、つぎの式（７）によって算出することができる。
Ｓｉｍｉｌａｒｉｔｙｉｊ＝Ｓｉｍｉｌａｒｉｔｙｓａｍｅ÷Ｓｉｍｉｌａｒｉｔｙｆｏｒｅｇｒｏｕｎｄ ・・・（７）
式（７）において、Ｓｉｍｉｌａｒｉｔｙｓａｍｅは、同文字数であり、各文字列Ｇ（文字列Ｇｉ、Ｇｊ）どうしを所定文字比較順序（本例では、左から右への順序）で文字毎に比較したときに、比較している各文字列Ｇの１文字どうしが互いに同じ文字であるような文字の数（場合の数）を表しており、言い換えれば、各文字列Ｇにおいて互いに同じ位置にある文字が互いに同じ文字であるような文字の数を表す。
式（７）において、Ｓｉｍｉｌａｒｉｔｙｆｏｒｅｇｒｏｕｎｄは、最大前景画素数であり、各縮小環境地図ＦＩ（縮小環境地図ＦＩｉ、ＦＩｊ）のそれぞれの前景画素の個数のうち、より大きいほうの個数を表す。
ここで、類似度Ｓｉｍｉｌａｒｉｔｙｉｊは、例えば、つぎの式（７）によって算出することができる。
Ｓｉｍｉｌａｒｉｔｙｉｊ＝Ｓｉｍｉｌａｒｉｔｙｓａｍｅ÷Ｓｉｍｉｌａｒｉｔｙｆｏｒｅｇｒｏｕｎｄ ・・・（７）
式（７）において、Ｓｉｍｉｌａｒｉｔｙｓａｍｅは、同文字数であり、各文字列Ｇ（文字列Ｇｉ、Ｇｊ）どうしを所定文字比較順序（本例では、左から右への順序）で文字毎に比較したときに、比較している各文字列Ｇの１文字どうしが互いに同じ文字であるような文字の数（場合の数）を表しており、言い換えれば、各文字列Ｇにおいて互いに同じ位置にある文字が互いに同じ文字であるような文字の数を表す。
式（７）において、Ｓｉｍｉｌａｒｉｔｙｆｏｒｅｇｒｏｕｎｄは、最大前景画素数であり、各縮小環境地図ＦＩ（縮小環境地図ＦＩｉ、ＦＩｊ）のそれぞれの前景画素の個数のうち、より大きいほうの個数を表す。
【0062】
つぎに、処理部３１は、類似度Ｓｉｍｉｌａｒｉｔｙｉｊを所定類似度閾値Ｔｈｒｅｓｈｏｌｄｓｉｍと比較し、その比較結果に基づいて、２つの環境地図Ｒｉ、Ｒｊをクラスタリングする（クラスタリングステップＳ４６）。
より具体的に、処理部３１は、クラスタリングステップＳ４６において、類似度Ｓｉｍｉｌａｒｉｔｙｉｊが所定類似度閾値Ｔｈｒｅｓｈｏｌｄｓｉｍより大きい場合には、２つの環境地図Ｒｉ、Ｒｊが類似していると判断して、これら２つの環境地図Ｒｉ、Ｒｊを同じクラスターに分類し、一方、類似度Ｓｉｍｉｌａｒｉｔｙｉｊが所定類似度閾値Ｔｈｒｅｓｈｏｌｄｓｉｍ以下である場合には、２つの環境地図Ｒｉ、Ｒｊが類似していないと判断して、これら２つの環境地図Ｒｉ、Ｒｊを互いに異なるクラスターに分類する。
なお、ステップＳ４６のクラスタリングは、具体的には、距離に基づいた階層的クラスタリングによって行うと、好適である。当該距離は、類似度Ｓｉｍｉｌａｒｉｔｙｉｊにより定義し、閾値は、所定類似度閾値Ｔｈｒｅｓｈｏｌｄｓｉｍにより定義する。
上述のように、処理部３１は、すべての２つの環境地図Ｒからなる組合わせのそれぞれについて、上述のステップＳ４１～Ｓ４６を行い、当該２つの環境地図Ｒどうしが類似しているか否かを判断する。そして、環境地図Ｒをいずれか１つのクラスターに分類する際には、当該環境地図Ｒがいずれか１つの既存のクラスター内のいずれか１つの環境地図Ｒと類似している場合は、当該環境地図Ｒを当該既存のクラスターに分類し、当該環境地図Ｒが各既存のクラスター内の各環境地図Ｒのいずれとも類似していない場合には、新たなクラスターを作成し、当該環境地図Ｒを当該新たなクラスターに分類する。
これにより、各クラスターには、それぞれ１つ又は複数の環境地図Ｒが分類されることとなる。そして、クラスター内に複数の環境地図Ｒが分類された場合には、当該クラスター内の複数の環境地図Ｒどうしは類似することとなり、より具体的には、当該クラスター内の各環境地図Ｒは、それぞれ、当該クラスター内の少なくとも１つの他の環境地図Ｒと類似することとなる。
より具体的に、処理部３１は、クラスタリングステップＳ４６において、類似度Ｓｉｍｉｌａｒｉｔｙｉｊが所定類似度閾値Ｔｈｒｅｓｈｏｌｄｓｉｍより大きい場合には、２つの環境地図Ｒｉ、Ｒｊが類似していると判断して、これら２つの環境地図Ｒｉ、Ｒｊを同じクラスターに分類し、一方、類似度Ｓｉｍｉｌａｒｉｔｙｉｊが所定類似度閾値Ｔｈｒｅｓｈｏｌｄｓｉｍ以下である場合には、２つの環境地図Ｒｉ、Ｒｊが類似していないと判断して、これら２つの環境地図Ｒｉ、Ｒｊを互いに異なるクラスターに分類する。
なお、ステップＳ４６のクラスタリングは、具体的には、距離に基づいた階層的クラスタリングによって行うと、好適である。当該距離は、類似度Ｓｉｍｉｌａｒｉｔｙｉｊにより定義し、閾値は、所定類似度閾値Ｔｈｒｅｓｈｏｌｄｓｉｍにより定義する。
上述のように、処理部３１は、すべての２つの環境地図Ｒからなる組合わせのそれぞれについて、上述のステップＳ４１～Ｓ４６を行い、当該２つの環境地図Ｒどうしが類似しているか否かを判断する。そして、環境地図Ｒをいずれか１つのクラスターに分類する際には、当該環境地図Ｒがいずれか１つの既存のクラスター内のいずれか１つの環境地図Ｒと類似している場合は、当該環境地図Ｒを当該既存のクラスターに分類し、当該環境地図Ｒが各既存のクラスター内の各環境地図Ｒのいずれとも類似していない場合には、新たなクラスターを作成し、当該環境地図Ｒを当該新たなクラスターに分類する。
これにより、各クラスターには、それぞれ１つ又は複数の環境地図Ｒが分類されることとなる。そして、クラスター内に複数の環境地図Ｒが分類された場合には、当該クラスター内の複数の環境地図Ｒどうしは類似することとなり、より具体的には、当該クラスター内の各環境地図Ｒは、それぞれ、当該クラスター内の少なくとも１つの他の環境地図Ｒと類似することとなる。
【0063】
上述のように作成されたクラスターを、図１０及び図１１にそれぞれ例示する。図１０は、２つの活性環境地図ＡＲを含むクラスター（クラスター１）を示しており、図１１は、別の２つの活性環境地図ＡＲを含むクラスター（クラスター２）を示している。図１０、図１１から見て取れるように、同じクラスター内の各環境地図Ｒの活動度合い値（本例では、相対活動度値ω’（ｔ，ｐ，ｑ））の分布どうしは類似し、ひいては、同じクラスター内の各環境地図Ｒに対応する時間帯（時間帯グループ期間ＣＧ）においては、所定空間Ｓの使われ方が互いに類似する傾向がある。一方、互いに異なるクラスター内の環境地図Ｒの活動度合い値（本例では、相対活動度値ω’（ｔ，ｐ，ｑ））の分布どうしは大きく異なり、ひいては、互いに異なるクラスター内の各環境地図Ｒに対応する時間帯（時間帯グループ期間ＣＧ）においては、所定空間Ｓの使われ方が互いに大きく異なる傾向がある。
【0064】
所定類似度閾値Ｔｈｒｅｓｈｏｌｄｓｉｍは、０．６１～０．６５であると好適であり、例えば０．６１であると好適である。
なお、本発明の発明者らが所定類似度閾値Ｔｈｒｅｓｈｏｌｄｓｉｍの好ましい値について検討したので、説明する。本発明の発明者らは、活動度合い値の分布と特徴が近い画像として、数字の手書き画像であるＭＮＩＳＴデータセット、あるいは、アルファベットの手書き画像であるＥＭＮＩＳＴデータセットを用いて、所定類似度閾値Ｔｈｒｅｓｈｏｌｄｓｉｍを決定することに思い立った。そして、ＭＮＩＳＴデータセット、ＥＭＮＩＳＴデータセットのそれぞれに対して、上述のステップＳ４１～Ｓ４６を行い、類似と判定された画像の精度が１００％に達するまでの閾値を算出した。その結果としては、ＭＮＩＳＴデータセットの場合は閾値が０．６１であり、ＥＭＮＩＳＴデータセットの場合は閾値が０．６５であり、両者はほぼ同等であった。これにより、所定類似度閾値Ｔｈｒｅｓｈｏｌｄｓｉｍとしては、０．６１、０．６５のいずれもが好適であることがわかった。より多くの類似する環境地図を抽出する観点からは、０．６５がより好適であるといえる。
なお、本発明の発明者らが所定類似度閾値Ｔｈｒｅｓｈｏｌｄｓｉｍの好ましい値について検討したので、説明する。本発明の発明者らは、活動度合い値の分布と特徴が近い画像として、数字の手書き画像であるＭＮＩＳＴデータセット、あるいは、アルファベットの手書き画像であるＥＭＮＩＳＴデータセットを用いて、所定類似度閾値Ｔｈｒｅｓｈｏｌｄｓｉｍを決定することに思い立った。そして、ＭＮＩＳＴデータセット、ＥＭＮＩＳＴデータセットのそれぞれに対して、上述のステップＳ４１～Ｓ４６を行い、類似と判定された画像の精度が１００％に達するまでの閾値を算出した。その結果としては、ＭＮＩＳＴデータセットの場合は閾値が０．６１であり、ＥＭＮＩＳＴデータセットの場合は閾値が０．６５であり、両者はほぼ同等であった。これにより、所定類似度閾値Ｔｈｒｅｓｈｏｌｄｓｉｍとしては、０．６１、０．６５のいずれもが好適であることがわかった。より多くの類似する環境地図を抽出する観点からは、０．６５がより好適であるといえる。
【0065】
－クラスタリング結果表示ステップ（Ｓ５）－
クラスタリング結果表示ステップＳ５において、処理部３１は、環境地図クラスタリングステップＳ４で得られたクラスタリング結果を、表示部３５に表示させる、クラスタリング結果表示処理を行う。
処理部３１は、例えば、環境地図クラスタリングステップＳ４が完了した後に自動的にクラスタリング結果表示ステップＳ５を行ってもよいし、あるいは、ユーザから入力部３４を介して入力される所定の指示に応じて、クラスタリング結果表示ステップＳ５を行ってもよい。
処理部３１は、任意の形式及び手法で、クラスタリング結果を表示部３５に表示させてよい。例えば、処理部３１は、図１０、図１１に示すように、各クラスターを、それぞれのクラスターに属する各環境地図Ｒとともに表示してもよい。あるいは、処理部３１は、例えば時間等に関連したキーワードが入力部３４を介して入力されたことに応じて、当該キーワードに関連したクラスター及びそれに属する各環境地図Ｒを表示してもよい。
なお、クラスタリング結果表示ステップＳ５は行わなくてもよい。
クラスタリング結果表示ステップＳ５において、処理部３１は、環境地図クラスタリングステップＳ４で得られたクラスタリング結果を、表示部３５に表示させる、クラスタリング結果表示処理を行う。
処理部３１は、例えば、環境地図クラスタリングステップＳ４が完了した後に自動的にクラスタリング結果表示ステップＳ５を行ってもよいし、あるいは、ユーザから入力部３４を介して入力される所定の指示に応じて、クラスタリング結果表示ステップＳ５を行ってもよい。
処理部３１は、任意の形式及び手法で、クラスタリング結果を表示部３５に表示させてよい。例えば、処理部３１は、図１０、図１１に示すように、各クラスターを、それぞれのクラスターに属する各環境地図Ｒとともに表示してもよい。あるいは、処理部３１は、例えば時間等に関連したキーワードが入力部３４を介して入力されたことに応じて、当該キーワードに関連したクラスター及びそれに属する各環境地図Ｒを表示してもよい。
なお、クラスタリング結果表示ステップＳ５は行わなくてもよい。
【0066】
上述した実施形態においては、時間帯分類ステップＳ２と、環境地図作成ステップＳ３と、環境地図クラスタリングステップＳ４と、を行い、それにより、所定観察期間Ｌ中の複数の時間帯グループ期間ＣＧのそれぞれに対して環境地図Ｒを作成し、類似度に応じてこれらの環境地図Ｒどうしをクラスタリングするので、時間帯（時間帯グループ期間ＣＧ）毎の所定空間Ｓの使われ方の違いを把握することが容易になる（図１０、図１１参照）。
仮に、所定観察期間Ｌの全体に対して１つの環境地図Ｒを作成する場合は、たとえ所定観察期間Ｌ中の時間帯毎に所定空間Ｓの使われ方が異なるとしても、所定観察期間Ｌ中の各時間帯の情報が１つの環境地図Ｒに積算されてしまうため、時間帯毎の違いを区別することができない。
また、上述の実施形態では、環境地図作成ステップＳ３において、互いに連続する１つ又は複数の非活性時間帯ＩＣからなる非活性時間帯グループ期間ＩＣＧ毎に、また、互いに連続する１つ又は複数の活性時間帯ＡＣからなる活性時間帯グループ期間ＡＣＧ毎に、環境地図Ｒを作成するので、仮に単位観察時間帯Ｔｎ毎に環境地図Ｒを作成する場合に比べて、より適切に、互いに特徴が類似する（所定空間Ｓの活性度合が似ている）とともに互いに連続する時間帯どうしをひとまとまりに扱うことができ、ひいては、より適切に、時間帯毎の所定空間Ｓの使われ方を把握することが可能になる。
仮に、所定観察期間Ｌの全体に対して１つの環境地図Ｒを作成する場合は、たとえ所定観察期間Ｌ中の時間帯毎に所定空間Ｓの使われ方が異なるとしても、所定観察期間Ｌ中の各時間帯の情報が１つの環境地図Ｒに積算されてしまうため、時間帯毎の違いを区別することができない。
また、上述の実施形態では、環境地図作成ステップＳ３において、互いに連続する１つ又は複数の非活性時間帯ＩＣからなる非活性時間帯グループ期間ＩＣＧ毎に、また、互いに連続する１つ又は複数の活性時間帯ＡＣからなる活性時間帯グループ期間ＡＣＧ毎に、環境地図Ｒを作成するので、仮に単位観察時間帯Ｔｎ毎に環境地図Ｒを作成する場合に比べて、より適切に、互いに特徴が類似する（所定空間Ｓの活性度合が似ている）とともに互いに連続する時間帯どうしをひとまとまりに扱うことができ、ひいては、より適切に、時間帯毎の所定空間Ｓの使われ方を把握することが可能になる。
【0067】
なお、本発明の解析システム及び解析方法は、上述したものに限られず、様々な変形例が可能である。
【産業上の利用可能性】
【0068】
本発明の解析システム及び解析方法は、例えば、建物（オフィスビル、商業施設、学校等）内のエリアあるいは野外のエリア等の任意の空間の使われ方を解析するために使用されると好適なものである。
【符号の説明】
【0069】
１ 解析システム
２ 測域センサ
３ 解析装置
３１ 処理部
３２ 通信部
３３ 記憶部
３４ 入力部
３５ 表示部
Ａ セル配列
Ａ’ セル配列の一部
ＢＧ 背景
Ｃ セル
Ｄ 人
ＤＯ 人の中心点
Ｅ 非人物体
Ｓ 所定空間
Ｆ 速度ベクトル
Ｒ 環境地図
ＡＲ 活性環境地図
ＩＲ 非活性環境地図
ＦＩ 縮小環境地図
Ｑ 画素
Ｇ 文字列
２ 測域センサ
３ 解析装置
３１ 処理部
３２ 通信部
３３ 記憶部
３４ 入力部
３５ 表示部
Ａ セル配列
Ａ’ セル配列の一部
ＢＧ 背景
Ｃ セル
Ｄ 人
ＤＯ 人の中心点
Ｅ 非人物体
Ｓ 所定空間
Ｆ 速度ベクトル
Ｒ 環境地図
ＡＲ 活性環境地図
ＩＲ 非活性環境地図
ＦＩ 縮小環境地図
Ｑ 画素
Ｇ 文字列
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
