知財求人 - 知財ポータルサイト「IP Force」
▶ 株式会社日立製作所の特許一覧 ▶ 国立大学法人大阪大学の特許一覧
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B2)
(11)【特許番号】
(24)【登録日】2024-12-12
(45)【発行日】2024-12-20
(54)【発明の名称】ネットワーク分析方法、ネットワーク分析システム及びサーバ
(51)【国際特許分類】
G06Q 10/063 20230101AFI20241213BHJP
【ＦＩ】
G06Q10/063
【請求項の数】
12
(21)【出願番号】P 2022009327
(22)【出願日】2022-01-25
(65)【公開番号】P2023108286
(43)【公開日】2023-08-04
【審査請求日】2024-01-29
【国等の委託研究の成果に係る記載事項】（出願人による申告）令和３年度、国立研究開発法人科学技術振興機構、研究成果展開事業 センター・オブ・イノベーションプログラム「乳幼児からの健やかな脳の育成による積極的自立社会創成拠点」委託研究、産業技術力強化法第１７条の適用を受ける特許出願
(73)【特許権者】
【識別番号】000005108
【氏名又は名称】株式会社日立製作所
(73)【特許権者】
【識別番号】504176911
【氏名又は名称】国立大学法人大阪大学
(74)【代理人】
【識別番号】110001678
【氏名又は名称】藤央弁理士法人
(72)【発明者】
【氏名】合田 徳夫
(72)【発明者】
【氏名】田中 毅
(72)【発明者】
【氏名】八木 健
【審査官】佐藤 敬介
(56)【参考文献】
【文献】特開２０１８－０８１４０６（ＪＰ，Ａ）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０６Ｑ １０／００－９９／００
(57)【特許請求の範囲】
【請求項1】
プロセッサとメモリを含む計算機が集団における個体間のネットワークを分析するネットワーク分析方法であって、前記計算機が、集団で運動を行う個体の動きに関する時系列の情報をセンサデータとして収集するセンシングデータ収集ステップと、
前記計算機が、前記センサデータから前記個体毎の運動に関する特徴量を算出する特徴量算出ステップと、
前記計算機が、前記集団内の個体の組み合わせについて前記特徴量に基づいて個体間の関係性を分析し、前記個体間の関係性の分析結果から個体間のネットワークを時系列で生成するネットワーク分析ステップと、
前記計算機が、前記ネットワーク内で関係性を有する個体のうち、相互に関係性を有する複数の個体で構成された一群をクリークとして抽出し、前記クリークについて時系列で分析するクリーク評価ステップと、
を含むことを特徴とするネットワーク分析方法。
【請求項2】
請求項１に記載のネットワーク分析方法であって、前記個体は、
第１の集団及び第２の集団のいずれか一方に所属し、
前記クリーク評価ステップは、
前記個体が所属する集団と前記個体の組み合わせに応じて予め設定されたクリークの種別で前記クリークを分類することを特徴とするネットワーク分析方法。
【請求項3】
請求項２に記載のネットワーク分析方法であって、前記クリーク評価ステップは、
前記分類されたクリークの種別を個体毎に時系列で集計して個体毎時系列データとして出力することを特徴とするネットワーク分析方法。
【請求項4】
請求項２に記載のネットワーク分析方法であって、前記クリーク評価ステップは、
前記分類されたクリークの種別を時系列で集計して種別毎時系列データとして出力することを特徴とするネットワーク分析方法。
【請求項5】
プロセッサとメモリを含むサーバと、個体の動きに関する時系列の情報を取得するセンシング装置と、を含むネットワーク分析システムであって、
前記センシング装置は、集団で運動を行う個体の動きに関する時系列の情報を前記サーバに送信し、
前記サーバは、
前記センシング装置から受信した前記個体の動きに関する時系列の情報をセンサデータとして収集する情報収集部と、
前記センサデータから前記個体毎の運動に関する特徴量を算出する特徴量抽出部と、
前記集団内の個体の組み合わせについて前記特徴量に基づいて個体間の関係性を分析し、前記個体間の関係性の分析結果から個体間のネットワークを時系列で生成するネットワーク分析部と、
前記ネットワーク内で関係性を有する個体のうち、相互に関係性を有する複数の個体で構成された一群をクリークとして抽出し、前記クリークについて時系列で分析するクリーク評価部と、
を有することを特徴とするネットワーク分析システム。
【請求項6】
請求項５に記載のネットワーク分析システムであって、前記個体は、
第１の集団及び第２の集団のいずれか一方に所属し、
前記クリーク評価部は、
前記個体が所属する集団と前記個体の組み合わせに応じて予め設定されたクリークの種別で前記クリークを分類することを特徴とするネットワーク分析システム。
【請求項7】
請求項６に記載のネットワーク分析システムであって、前記クリーク評価部は、
前記分類されたクリークの種別を個体毎に時系列で集計して個体毎時系列データとして出力することを特徴とするネットワーク分析システム。
【請求項8】
請求項６に記載のネットワーク分析システムであって、前記クリーク評価部は、
前記分類されたクリークの種別を時系列で集計して種別毎時系列データとして出力することを特徴とするネットワーク分析システム。
【請求項9】
プロセッサとメモリを含むサーバであって、集団で運動を行う個体の動きに関する時系列の情報を受信してセンサデータとして収集する情報収集部と、
前記センサデータから前記個体毎の運動に関する特徴量を算出する特徴量抽出部と、
前記集団内の個体の組み合わせについて前記特徴量に基づいて個体間の関係性を分析し、前記個体間の関係性の分析結果から個体間のネットワークを時系列で生成するネットワーク分析部と、
前記ネットワーク内で関係性を有する個体のうち、相互に関係性を有する複数の個体で構成された一群をクリークとして抽出し、前記クリークについて時系列で分析するクリーク評価部と、
を有することを特徴とするサーバ。
【請求項10】
請求項９に記載のサーバであって、前記個体は、
第１の集団及び第２の集団のいずれか一方に所属し、
前記クリーク評価部は、
前記個体が所属する集団と前記個体の組み合わせに応じて予め設定されたクリークの種別で前記クリークを分類することを特徴とするサーバ。
【請求項11】
請求項１０に記載のサーバであって、前記クリーク評価部は、
前記分類されたクリークの種別を個体毎に時系列で集計して個体毎時系列データとして出力することを特徴とするサーバ。
【請求項12】
請求項１０に記載のサーバであって、前記クリーク評価部は、
前記分類されたクリークの種別を時系列で集計して種別毎時系列データとして出力することを特徴とするサーバ。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、集団におけるネットワーク分析技術に関する。
【背景技術】
【0002】
近年、センシングデバイスや映像解析技術の進歩に伴い、スポーツ分野においても、センシング技術の利活用が着目されている。特に、プロスポーツチームやオリンピックナショナルチームにおいては、競技力の向上や試合での勝利を目的として、ＩｏＴによるアスリート個人や集団のパフォーマンスの定量評価が求められている。
【0003】
個人のパフォーマンス評価では、競技中の運動量や位置、モーション、バイタル等を記録して分析可能な、映像解析技術やウェアラブルセンサ等のセンシング技術の利活用が進んでいる。
【0004】
集団のパフォーマンス評価では、競技中の個体同士の関連性を表すネットワークを分析することが重要である。例えば、特許文献１では、集団において対面していない個体同士であっても関係して動く場合においても、集団のネットワークを分析して可視化する技術を提供している。
【先行技術文献】
【特許文献】
【0005】
【文献】特開２０１８－８１４０６号公報
【発明の概要】
【発明が解決しようとする課題】
【0006】
従来の技術を適用したスポーツのデータ分析では、要素還元論的な統計分析が主流である。サッカーやラグビー又はバスケットなど、試合状況の変化が激しく、試合状況の再現性の低い競技では、従来の分析結果を有効に使うことが難しいという問題があった。
【0007】
従来の技術では、ボールに関連する選手や、ゲームの中心となる選手についてのデータ分析が中心であって、有効なプレーをしている選手を可視化するのは難しいという問題があった。
【0008】
例えば、サッカーでは、右サイドの選手がボールをドリブルで上がっているときに、左サイドの空きスペースに走り込む選手は、たとえパスが来なかったとしても有効なプレーをしていると評価することができる。また、オフェンスの選手はボールが無い状況でもディフェンスを引きつけておくことも有効なプレーとして評価することができる。
【0009】
また、従来の技術では、過去のデータについて分析を行うことが主流であり、リアルタイムで選手やチームの評価を行うことは難しいという問題があった。
【0010】
そこで本発明は、上記問題点に鑑みてなされたもので、集団における個体間のネットワークを分析して、競技内容に対して有効な動きを行う個体を可視化することを目的とする。
【課題を解決するための手段】
【0011】
本発明は、プロセッサとメモリを含む計算機が集団における個体間のネットワークを分析するネットワーク分析方法であって、前記計算機が、集団で運動を行う個体の動きに関する時系列の情報をセンサデータとして収集するセンシングデータ収集ステップと、前記計算機が、前記センサデータから前記個体毎の運動に関する特徴量を算出する特徴量算出ステップと、前記計算機が、前記集団内の個体の組み合わせについて前記特徴量に基づいて個体間の関係性を分析し、前記個体間の関係性の分析結果から個体間のネットワークを時系列で生成するネットワーク分析ステップと、前記計算機が、前記ネットワーク内で関係性を有する個体のうち、相互に関係性を有する複数の個体で構成された一群をクリークとして抽出し、前記クリークについて時系列で分析するクリーク評価ステップと、を含む。
【発明の効果】
【0012】
したがって、本発明は、集団における個体間のネットワークを分析して複数のクリークを抽出することで有効な動きを行う個体を可視化することが可能となる。
【0013】
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】
【0014】
【図1】本発明の実施例１を示し、運動分野に適用したネットワーク分析システムの一例を示す図である。
【図2】本発明の実施例１を示し、ネットワーク分析システムの構成の一例を示すブロック図である。
【図3】本発明の実施例１を示し、サーバが行う処理の概要を示すフローチャートである。
【図4】本発明の実施例１を示し、センサデータの一例を示す図である。
【図5】本発明の実施例１を示し、環境情報入力部によって表示される画面の一例を示す図である。
【図6】本発明の実施例１を示し、環境情報の一例を示す図である。
【図7】本発明の実施例１を示し、特徴量算出部で行われる処理の一例を示すフローチャートである。
【図8】本発明の実施例１を示し、特徴量情報の一例を示す図である。
【図9】本発明の実施例１を示し、ネットワーク分析部で行われる処理の一例を示すフローチャートである。
【図10】本発明の実施例１を示し、同期ネットワーク時系列データの一例を示す図である。
【図11】本発明の実施例１を示し、ネットワーク評価部で行われる処理の一例を示すフローチャートである。
【図12】本発明の実施例１を示し、ネットワーク評価部で行われる次数中心性の算出処理の詳細を示すフローチャートである。
【図13】本発明の実施例１を示しネットワーク評価部で行われる近接中心性の算出処理の詳細を示すフローチャートである。
【図14】本発明の実施例１を示し、ネットワーク評価部による媒介中心性の算出処理の詳細を示すフローチャートである。
【図15】本発明の実施例１を示し、ネットワーク評価部による集団の中心となる個体を算出する処理の一例を示すフローチャートである。
【図16】本発明の実施例１を示し、ネットワーク評価部による集団活性度を算出する処理の一例を示すフローチャートである。
【図17】本発明の実施例１を示し、個体評価テーブルの一例を示す図である。
【図18】本発明の実施例１を示し、集団評価テーブルの一例を示す図である。
【図19】本発明の実施例１を示し、同期ネットワーク時系列データの一例を示す図である。
【図20】本発明の実施例１を示し、センサデータと同期ネットワークの時系列データの関係の一例を示す図である。
【図21】本発明の実施例１を示し、同期ネットワークからクリークを抽出する例を示す図である。
【図22】本発明の実施例１を示し、クリーク評価部が行う処理の一例を示すフローチャートである。
【図23】本発明の実施例１を示し、２クリークの種別を示す図である。
【図24】本発明の実施例１を示し、２クリーク情報の一例を示す図である。
【図25】本発明の実施例１を示し、２クリークの種別毎時系列データの一例を示すグラフである。
【図26】本発明の実施例１を示し、２クリークの個体毎時系列データの一例を示すグラフである。
【図27】本発明の実施例１を示し、３クリークの種別を示す図である。
【図28】本発明の実施例１を示し、３クリーク情報の一例を示す図である。
【図29】本発明の実施例１を示し、３クリークの種別毎時系列データの一例を示すグラフである。
【図30】本発明の実施例１を示し、３クリークの種別毎時系列データの他の例を示すグラフである。
【図31】本発明の実施例１を示し、３クリークの個体毎時系列データの一例を示すグラフである。
【図32】本発明の実施例２を示し、ネットワーク分析システムの構成の一例を示すブロック図である。
【図33】本発明の実施例２を示し、サーバが行う処理の概要を示すフローチャートである。
【発明を実施するための形態】
【0015】
以下、本発明の実施形態を添付図面に基づいて説明する。
【実施例1】
【0016】
本発明の好適な実施例１として、集団スポーツのプレイヤー間におけるネットワーク分析システムの一例を、以下図面に基づいて説明する。
【0017】
図１は、実施例１のネットワーク分析システムを集団で行うスポーツに適用した例を示す図である。実施例１のネットワーク分析システムは、集団を構成する個体（プレイヤー）の動きから関係性を分析し、ネットワーク（個人間の連携）を作成し、個体の評価を可視化する計算機システムである。
【0018】
なお、以下においては、人のネットワークを可視化するシステムについて説明するが、動物等、動きのある個体間のネットワークを分析、可視化するシステムであれば、いかなるシステムに適用してもよい。また、以下において、ネットワークを構成する個体を、特にユーザと記載する。
【0019】
ネットワーク可視化システムは、センシング装置１と、ネットワーク４、及び、サーバ５を含む。
【0020】
実施例１でネットワークを表示する運動の一例は、サッカーである。しかし、ネットワークを可視化する運動活動の種類は、２つ以上の個体が参加する競技であればいずれの競技であってもよく、実施例１のネットワーク分析システムは、ラグビー、バスケットボール、バレーボール、ゴールボール、野球、テニス、ハンドボール、ラクロス、陸上競技、スピードスケート等の集団競技に適用されてもよい。
【0021】
また、実施例１のネットワーク分析システムは、個体間のネットワークに限らず、センシング装置１でボールやバット、ラケット等の器具や道具等の物体の動きを測定することで、人体と物体間や、物体間のネットワークの表示に使用されてもよい。
【0022】
実施例１において、センシング装置１は、運動活動を行う個体３０の体に一つ以上装着される。実施例１における個体３０は、３軸加速度センサを搭載した腕時計型ウェアラブルデバイスを、センシング装置１として、直接人体に装着する例を示す。個体３０は、フィールド１００上で運動活動をする個体であるが、運動活動を行う場所はフィールド１００に限らず、いかなる場所であってよい。
【0023】
また、運動活動を行う場所を指定することによって、センシング装置１を装着した個体が複数の場所にいる場合においても、指定した場所にいる個体のみのネットワークを表示することができる。本実施例において、個体３０はネットワークに表示される個体であり、かつ、センシング装置１によって測定される個体である。
【0024】
本実施例におけるセンシング装置１は、個体の動き（運動）を測定する様々なセンサのうち少なくとも一つ以上のセンサを搭載する。様々なセンサとは、加速度センサ、ジャイロセンサ、歩数計、心拍数モニター、位置センサ、衝撃センサ、磁力計、温度センサ、湿度センサ、風センサ、音センサ、気圧センサ、測位センサ及び、赤外線センサ、位置情報センサを含むが、これらに限定されない。そして、これらの様々なセンサによって測定された結果を、センシングデータとしてサーバ５に送信してもよい。
【0025】
また、個体３０は、例えば、頭、首、肩、背中、腕、手首、手、指、ウエスト、ヒップ、脚、足首、足、かかと、及び、つま先などの個体３０の体の部分に物理的に連結するように、センシング装置１を装着してもよい。また、センシング装置１と個体３０の体との間に、１枚以上の衣類、履物、又は、運動保護具が存在する場合、個体３０は、センシング装置１と衣類、履物、運動活動に使用する運動保護具と一体化する状態で、ストラップ、接着剤、ポケット、及び、クリップなどの様々な取り外し可能又は不可能な連結手段によって、センシング装置１を装着してもよい。また、センシング装置１はボールやバット、ラケット等の器具や道具等の物体に装着もしくは埋め込まれてもよい。
【0026】
また、センシング装置１は、装着型のウェアラブルセンサに限らず、映像解析により個体や物体の動きを測定する機器や、レーザ光の反射にて物体の位置を検出することのできるレーザレーダや、圧力や衝撃を測定可能なフォースプレートや、他にも音波センサや磁気センサ、ＲＧＢカメラ、深度センサ、マルチアレイマイクロフォン等の設置型のセンサであってもよく、個体や物体の動きを測定できるものであればいかなる装置であってもよい。
【0027】
センシング装置１によって測定された動きに関するセンシングデータは、ネットワーク４を介してサーバ５に送信され、サーバ５で分析処理などが行われ、入出力装置５６のディスプレイに表示される。
【0028】
本実施例のサーバ５は、センシング装置１から受信したセンシングデータをリアルタイムで分析して個体３０間の連携又は関係を示す同期ネットワーク時系列データ（後述）を生成し、個体３０間の関係をリアルタイムで分類した後述するクリーク評価情報として入出力装置５６のディスプレイに表示する。
【0029】
クリーク評価情報を参照することで、現在進行中の競技などにおいて有効な動きを有する個体３０をリアルタイムで把握することができる。
【0030】
図２は、ネットワーク分析システムの構成の一例を示すブロック図である。サーバ５は、ネットワーク４を介してセンシング装置１と通信する。サーバ５は、ＣＰＵ５１と、メモリ５４と、補助記憶装置（ストレージ装置）５５と、通信部５２と、入出力装置５６を有する計算機である。なお、以下の説明では、個人間の連携を示す場合に符号の無いネットワークを使用し、計算機を接続するネットワーク４と区別する。
【0031】
サーバ５は、補助記憶装置５５からメモリ５４にロードされたプログラムをＣＰＵ５１で実行することによって、解析部１０、環境情報入力部５３の機能を実現する。サーバ５のメモリ５４は、不揮発性の記憶素子であるＲＯＭ又は揮発性の記憶素子であるＲＡＭで構成することができる。
【0032】
ＲＯＭはプログラム（例えば、ＢＩＯＳ）などを格納する。ＲＡＭは、ＤＲＡＭ（Dynamic Random Access Memory）のような高速かつ揮発性の記憶素子であり、補助記憶装置５５に格納されたプログラム及びプログラムの実行時に使用されるデータを一時的に格納する。
【0033】
データベース２０は、補助記憶装置５５に格納される。補助記憶装置５５は、例えば、磁気記憶装置（ＨＤＤ）、フラッシュメモリ（ＳＳＤ）等の大容量かつ不揮発性の記憶装置である。また、補助記憶装置５５は、ＣＰＵ５１が実行するプログラム及びプログラムが利用するデータを格納する。すなわち、プログラムは、補助記憶装置５５から読み出されて、メモリ５４にロードされて、ＣＰＵ５１によって実行される。
【0034】
サーバ５は、センシング装置１から受信したセンシングデータをデータベース２０のセンサデータ２２に格納する情報収集部（図示省略）を有し、所定の周期で送信されるセンシングデータを収集する。
【0035】
解析部１０は、センサデータ２２に基づいて時系列の加速度センサ情報や位置情報を算出し、加速度センサ情報や位置情報から検出した個体の動態や軌跡に基づいて個体間のネットワークを算出し、ネットワークとクリークの評価を実施する機能部である。なお、競技等における個体間の連携又は関係をエッジ（辺）で表現したとき、１以上のエッジを含む一群の頂点（又はノード）をクリークとする。すなわち、ネットワーク内で関係性を有する個体のうち、複数の個体で構成された一群をクリークとする。
【0036】
解析部１０は、特徴量算出部１１と、ネットワーク分析部１２と、ネットワーク評価部１３と、クリーク評価部１５と、表示部１４の機能部を主に有する。なお、個体の位置の測定は、個体に装着したセンシング装置１の他にＧＮＳＳ３５等で検出した位置情報を用いるようにしてもよい。また、時系列の位置情報とセンサデータ２２の対応付けは、サーバ５に接続された計算機が行うようにしてもよい。
【0037】
表示部１４、環境情報入力部５３は、データベース２０に記録されたデータを、ネットワーク４を介して接続された計算機又はデバイスあるいは入出力装置５６へ出力することにより、集団のネットワークを評価するユーザ（分析システムの利用者）に公開する。入出力装置５６は、キーボードやマウス及びディスプレイなどから構成される。
【0038】
ＣＰＵ５１は、各機能部のプログラムに従って処理することによって、所定の機能を提供する機能部として稼働する。例えば、ＣＰＵ５１は、解析プログラムに従って処理することで解析部１０として機能する。他のプログラムについても同様である。さらに、ＣＰＵ５１は、各プログラムが実行する複数の処理のそれぞれの機能を提供する機能部としても稼働する。計算機及び計算機システムは、これらの機能部を含む装置及びシステムである。
【0039】
通信部５２は、所定のプロトコルに従って、他の装置との通信を制御するネットワークインターフェースである。通信部５２は、ネットワーク４を介して他の装置と通信し、データを送受信することができる。
【0040】
解析部１０及び環境情報入力部５３は、プログラムによって実装されてもよく、また、物理的な集積回路によって実装されてもよい。特に解析部１０は、解析部１０に含まれる機能部を実行するための複数のプログラム又は複数の集積回路によって実装されてもよい。また、特徴量算出部１１と、ネットワーク分析部１２と、ネットワーク評価部１３、表示部１４は、各々が実行する処理毎に複数のプログラム又は複数の集積回路によって実装されてもよい。
【0041】
ＣＰＵ５１が実行するプログラムは、リムーバブルメディア（ＣＤ－ＲＯＭ、フラッシュメモリなど）又はネットワークを介してサーバ５に提供され、非一時的記憶媒体である補助記憶装置５５に格納される。このため、サーバ５は、リムーバブルメディアからデータを読み込むインターフェースを有するとよい。
【0042】
サーバ５は、物理的に一つの計算機上で、又は、論理的又は物理的に複数の計算機上で構成される計算機システムであり、前述したプログラムが、同一の計算機上で別のスレッドで実行されてもよく、複数の物理的計算機上に構築された仮想計算機上で実行されてもよい。
【0043】
データベース２０は、センサデータ２２と、特徴量情報２１と、環境情報２３と、同期ネットワーク時系列データ２４と、ネットワーク評価情報２５と、クリーク評価情報４０を格納する。
【0044】
各個体のセンシング装置１で測定されたセンシングデータは、センサデータ２２として格納される。本実施例におけるセンサデータ２２は、各個体に関する運動の測定結果を示す。
【0045】
特徴量情報２１は、センサデータ２２について特徴量算出部１１を実行することにより算出された、各個体の運動に関する特徴量を示す。詳細は後述する。
【0046】
環境情報２３は、環境情報入力部５３を通じて入力される。環境情報２３は、運動活動に関する情報を示し、運動活動に基づいてセンサデータ２２と、特徴量情報２１と、同期ネットワーク時系列データ２４を特定するための情報を含む。
【0047】
環境情報２３は、例えば、運動活動の内容と、運動活動が行われた時間及び場所、並びに、運動活動への参加者（個体）等を示す。詳細は後述する。なお、全てのセンサデータ２２を対象にネットワークを分析して表示する場合は、必ずしも環境情報２３、環境情報入力部５３は必要ではない。
【0048】
同期ネットワーク時系列データ２４は、特徴量情報２１に対して、ネットワーク分析部１２を実行することにより算出された個体間のネットワークに関する情報を示す。詳細は後述する。
【0049】
ネットワーク評価情報２５は、同期ネットワーク時系列データ２４に対し、ネットワーク評価部１３を実行することにより算出された集団のネットワークに関する評価情報で、個体評価テーブル２５０と、集団評価テーブル２５８を含む。詳細は後述する。
【0050】
クリーク評価情報４０は、同期ネットワーク時系列データ２４から算出された個体間の連携又は関係をクリークの種別毎に分類し、後述するようにクリークの種別毎の出現頻度を時系列で表現したデータである。
【0051】
センシング装置１は、ネットワークを分析する対象の個体の運動を測定する装置である。本実施例では、対象の個体が装着するウェアラブルデバイスを例に挙げる。なお、センシング装置１は、ユーザによる動きの結果、値が変化する内容であれば、いかなる内容をセンシングデータとして測定してもよい。
【0052】
センシング装置１は、加速度センサ３１と、ＧＮＳＳ（Ｇｌｏｂａｌ Ｎａｖｉｇａｔｉｏｎ Ｓａｔｅｌｌｉｔｅ Ｓｙｓｔｅｍ）３５と、メモリ３２と、マイコン（図中ＭＣＵ）３３、及び、通信部３４を含む。
【0053】
加速度センサ３１は、例えば、１秒間に２０～１０００回程度の回数でユーザの加速度を測定する。ＧＮＳＳ３５は、例えば、ＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）やＱＺＳＳ（Ｑｕａｓｉ－Ｚｅｎｉｔｈ Ｓａｔｅｌｌｉｔｅ Ｓｙｓｔｅｍ）等の位置情報システムで構成することができ、個体の位置情報を測定する。本実施例では、競技の開始時の個体３０の位置情報としてＧＮＳＳ３５からの位置情報を用い、競技中の個体３０の動きは加速度センサ３１のセンシングデータを用いる例を示す。
【0054】
マイコン３３は、加速度センサ３１とＧＮＳＳ３５によって測定された測定結果を、センシングデータとしてメモリ３２に記録する。ここで、マイコン３３は、ユーザ毎に一意な識別子（ユーザＩＤ）と測定結果とを、センシングデータとして記録する。
【0055】
マイコン３３は、メモリ３２に記録したセンシングデータや位置情報を、通信部３４を介してサーバ５に送信する。通信部３４は、無線又は有線を用いて、通信可能なタイミングで、又は、利用者や管理者が設定した所定のタイミングで、センシングデータをサーバ５に送信する。
【0056】
図３は、サーバ５の解析部１０で行われる処理の一例を示すフローチャートである。
【0057】
まず、特徴量算出部１１は、環境情報２３に基づいて処理を行う対象のセンシングデータをセンサデータ２２から取得し、対象のセンサデータ２２から個体３０毎に運動に関する特徴量情報２１を算出する（Ｓ１０１）。
【0058】
特徴量情報２１は、例えば、又は体動量等の個体３０の動きの強さ（又は、動きのエネルギーの大きさ）に従って値が変化する特徴量を示し、さらに、特徴量の変化を時系列で示す。
【0059】
本実施例においては、特徴量として身体活動強度を算出するが、運動量や体動量、移動速度、活動頻度、ピッチ、歩数等の運動に関する特徴量であれば、いかなるものでもよい。また、特徴量として運動に伴って変化する消費カロリや心拍数、脈拍数、発汗量等の特徴量を算出してもよい。
【0060】
次に、ネットワーク分析部１２は、算出した特徴量情報２１を用いて、個体３０間のネットワーク分析を実施して同期ネットワーク時系列データ２４を生成する（Ｓ１０２）。そして、ネットワーク評価部１３では、ステップＳ１０２の結果から、集団の中心となる個体や、集団活性度を算出してネットワークを評価してネットワーク評価情報２５を生成する（Ｓ１０３）。なお、集団活性度の算出については、後述する。
【0061】
クリーク評価部１５は、同期ネットワーク時系列データ２４を取得して、予め設定された数のクリークを抽出し、抽出したクリークの種類を後述するように分類してクリーク評価情報４０を生成する（Ｓ１０４）。
【0062】
最後に、表示部１４において、クリーク評価情報４０や処理対象の集団の同期ネットワーク時系列データ２４やネットワーク評価情報２５を出力する（Ｓ１０５）。なお、表示部１４は、所定の時間間隔でクリーク評価情報４０や同期ネットワーク時系列データ２４やネットワーク評価情報２５を可視化して出力する。
【0063】
表示部１４の出力は入出力装置５６のディスプレイや、ネットワーク４を介してサーバ５に接続された計算機（以下、外部の計算機）の出力装置で表示することができる。なお、表示部１４が可視化して出力する情報としては、クリーク評価情報４０に同期ネットワーク時系列データ２４又はネットワーク評価情報２５を含むようにしてもよい。
【0064】
また、表示部１４が実施する可視化処理は、クリーク評価情報４０をグラフ化したり、同期ネットワーク時系列データ２４をマップとして出力することができる。なお、クリーク評価情報４０と同期ネットワーク時系列データ２４の可視化については後述する。
【0065】
図３に示す処理を実行することによって、解析部１０は、センサデータ２２と環境情報２３とを用いて、分析対象の個体３０間におけるネットワークを分析し、同期ネットワーク時系列データ２４を生成してクリークの分析処理を行うことで、クリーク評価情報４０を生成することができる。
【0066】
解析部１０では、生成した同期ネットワーク時系列データ２４から関係性の大きい個体の組み合わせを特定して、例えば、グラフ等の形態で出力することができる。これにより、集団内の個体間のネットワークを図示によって可視化することができる。
【0067】
そして、解析部１０はネットワークを時系列で集計した同期ネットワーク時系列データ２４から、所定のクリークを抽出してクリークの種別毎に分類したクリーク評価情報４０を生成して、グラフ等で可視化して出力することができる。クリーク評価情報４０により、集団における個体間のネットワークについて、競技の内容に対して有効な動きを行う個体を可視化することが可能となる。
【0068】
図４は、実施例１のセンサデータ２２を示す図である。
【0069】
センサデータ２２は、センシング装置１を装着した個体３０の情報を記録するユーザ情報テーブル２０１と、各個体３０の活動量情報を記録する動き情報テーブル２０２とを含む。
【0070】
ユーザ情報テーブル２０１は、ユーザＩＤ２０１１と、ユーザ名２０１２及びユーザ種別２０１３を含む。ユーザＩＤ２０１１は、センシング装置１を装着した個体３０を認識するために、個体３０毎に割り当てられた識別子を記録する。ユーザＩＤ２０１１が格納するユーザＩＤは、センシング装置１から送信されるセンシングデータに格納される。
【0071】
ユーザ名２０１２は、センシング装置１を装着した個体３０の名前又はニックネームを記録する。ユーザ種別２０１３は、ユーザ情報として、年齢及び性別等を記録してもよく、また、これらに限らない個体３０の様々な情報を記録する。
【0072】
例えば、測定する運動活動がサッカーである場合、ユーザ種別２０１３は、所属チーム及びポジション等を記録することで、表示部１４は、個体３０の種別毎の評価及び表示が可能になる。
【0073】
動き情報テーブル２０２の１行は、一人の個体３０の、１回の時刻（計測日時）の情報を示す。動き情報テーブル２０２は、ユーザＩＤ２０２１と、測定日時２０２２と、加速度Ｘ軸２０２３と、加速度Ｙ軸２０２４、及び、加速度Ｚ軸２０２５と、緯度２０２６と、経度２０２７を含む。ユーザＩＤ２０２１は、個体３０を認識するためのＩＤを記録し、ユーザＩＤ２０１１に対応する。
【0074】
測定日時２０２２は、センシングデータが測定された日時を格納する。加速度Ｘ軸２０２３、加速度Ｙ軸２０２４、及び、加速度Ｚ軸２０２５は、３軸加速度センサの各軸の測定結果を格納する。緯度２０２６と経度２０２７は、ＧＮＳＳ３５の測定値を格納する。
【0075】
以上のようにセンサデータ２２には、個体３０毎のユーザ情報テーブル２０１と、時系列の動き情報テーブル２０２が格納される。
【0076】
図５は、実施例１の環境情報入力部５３によって表示される環境表示入力画面３０１を示す図である。
【0077】
環境情報入力部５３は、入出力装置５６のディスプレイや外部の計算機に環境表示入力画面を提供し、入出力装置５６やサーバ５に外部の計算機の操作者から入力された環境情報を受け付ける。そして、環境情報入力部５３は、入力された環境情報を補助記憶装置５５内の環境情報２３に格納する。
【0078】
解析部１０は、環境情報２３を参照することにより、短い時間の運動活動におけるデータ分析が可能になる。また、解析部１０は、短い時間で様々な練習メニューを、参加メンバーを入れ替えながら実施するようなトレーニング等の運動活動においても、ネットワークを分析し、表示することができる。
【0079】
環境表示入力画面３０１は、環境情報入力ページ３０２と、参加者選択ページ３０３、及び、組分け選択ページ３０４を含む。
【0080】
環境情報入力ページ３０２は、運動活動の識別子を格納する活動ＩＤ３０２１と、運動活動の名称を格納する活動名３０２２と、開始時刻３０２３と、終了時刻３０２４と、運動活動が行われたエリアのエリア名３０２５と、運動活動への参加者３０２６、及び、参加者の組分け３０２７を入力する。
【0081】
環境情報入力ページ３０２は、操作者が分析したい運動活動に関する環境情報を入力する画面の一例である。操作者は、環境情報入力ページ３０２の各行に、活動名３０２２、開始時刻３０２３、及び終了時刻３０２４等を入力する。また、操作者は、活動を実施したエリアのエリア名３０２５をタブを用いて、事前に登録される候補地から選択する。また、操作者がエリア名３０２５を入力することも可能である。そして、操作者は、参加者３０２６に運動活動に参加する個体３０を入力する。
【0082】
参加者３０２６では、事前に登録されているセンシング装置１の装着者（個体３０）の全員が参加者である場合、操作者は、「全員」のチェック欄にチェックを入力する。また、操作者が参加者（個体３０）を選択する場合、参加者３０２６の「個別選択」を選択する。
【0083】
参加者３０２６の「個別選択」が選択された場合、環境情報入力部５３は、参加者選択ページ３０３を表示する。参加者選択ページ３０３は、事前に登録されたセンシング装置１を装着した個体３０の一覧を表示し、操作者に参加者（個体３０）を選択させる画面である。本画面に、センシング装置１を装着した個体３０を新たに登録する機能を追加させてもよい。
【0084】
参加者選択ページ３０３は、レコードを選択するチェックボックスとしての選択３０３１と、ユーザＩＤ３０３２と、ユーザ名３０３３と、背番号３０３４と、ポジション３０３５と、学年３０３６等の情報を一つのレコードに含む。
【0085】
組分け３０２７は、操作者に参加者の組分けを選択させるインターフェースを表示する。操作者が参加者を組分けする必要が無い場合、操作者は、組分け３０６における「なし」のチェック欄にチェックを入れる。また、参加者を組分けする場合、操作者は、詳細設定を選択する。
【0086】
組分け３０２７の詳細設定が選択された場合、環境情報入力部５３は、組分け選択ページ３０４を表示する。組分け選択ページ３０４は、事前に登録されたセンシング装置１を装着した個体３０の一覧を表示する。そして、組分け選択ページ３０４は、操作者に、個体３０のチームを選択させるインターフェースを表示する。また、操作者がチーム名を自由に設定、変更できる機能を有してもよい。
【0087】
組分け選択ページ３０４は、ユーザＩＤ３０４１と、ユーザ名３０４２と、チームＡ３０４３と、チームＢ３０４３４と、チームＣ３０４５と、の情報を一つのレコードに含む。
【0088】
また、本実施例１では、個体３０が所属するチームによって個体３０を組み分けるが、これに限られず、個体３０のポジションや学年等によって組み分けてもよく、さらに、ユーザ情報テーブル２０１に登録される様々な情報を用いて、組分けを行ってもよい。
【0089】
環境情報入力部５３が受け付けた環境情報は、データベース２０の環境情報２３に格納される。また、環境情報入力部５３は、組分け選択ページ３０４を介して入力された個体３０の組分けを、ユーザ情報テーブル２０１のユーザ種別２０１３に格納してもよい。
【0090】
図６は、実施例１の環境情報２３を示す図である。
【0091】
環境情報２３は、センサデータ２２を測定した活動に関する情報を記録する活動情報テーブル２０３と、活動を実施した環境を特定するために、活動ＩＤ毎に活動の期間、場所という活動を実施した環境等を記録した環境情報テーブル２０４と、活動を実施した集団の構成や特徴等を記録した集団情報テーブル２０５を含む。
【0092】
活動情報テーブル２０３は、活動ＩＤ２０３１と、活動名２０３２と、集団ＩＤ２０３３とを含む。活動ＩＤ２０３１は、センサデータ２２を測定した運動活動を認識するために、運動活動毎に設定されたＩＤ（識別子）を記録する。活動ＩＤ２０３１は、環境情報入力ページ３０２に入力された活動ＩＤと同じであってもよいし、当該活動ＩＤに基づいて割り当てられたＩＤでもよい。
【0093】
活動名２０３２は、センサデータ２２を測定した運動活動の名称を記録する。これにより、表示部１４は、エリア名称を示す画面を表示できる。活動名２０３２は、環境情報入力ページ３０２に入力された活動名３０２２を格納する。
【0094】
環境情報テーブル２０４は、活動ＩＤ２０４１と、開始時刻２０４２と、終了時刻２０４３と、エリアＩＤ２０４４と、ユーザＩＤ２０４５と、エリア名２０４６とを含む。活動ＩＤ２０４１は、活動情報テーブル２０３の活動ＩＤ２０３１に対応する。開始時刻２０４２及び終了時刻２０４３は、活動ＩＤ２０４１が示す運動活動の開始時刻及び終了時刻を示す。開始時刻２０４２及び終了時刻２０４３は、環境情報入力ページ３０２に入力された開始時刻３０２３及び終了時刻３０２４を格納する。
【0095】
エリアＩＤ２０４４は、活動ＩＤ２０４１が示す運動活動が行われた場所を示す。エリアＩＤ２０４４は、環境情報入力ページ３０２に入力されたエリア名３０２５に割り当てられるＩＤを格納する。ユーザＩＤ２０４５は、活動ＩＤ２０４１が示す運動活動の参加者であり、かつ、センシング装置１を装着した個体３０のユーザＩＤを格納する。エリア名２０４６は、エリアＩＤ２０４４に対応するエリアの名称を格納する。
【0096】
集団情報テーブル２０５は、集団ＩＤ２０５１と、集団名２０５２と、ユーザＩＤ２０５３と、集団種別２０５４とを含む。集団ＩＤ２０５１は、集団ＩＤ２０３３に対応する。集団名２０５２は、集団の名前又はニックネームを記録する。ユーザＩＤ２０５３は、集団ＩＤ２０５１が示す集団を構成する個体３０であり、かつ、センシング装置１を装着した個体３０のユーザＩＤを格納する。集団種別２０５３は、集団情報として、集団の構成や特徴等を記録してもよく、また、これらに限らない集団の様々な情報を記録する。
【0097】
例えば、測定する集団活動がサッカーである場合、集団種別２０５３は、フォーメーション等を記録することで、表示部１４は、フォーメーション上にネットワークをマッピングして表示する等の種別毎の表示が可能になる。
【0098】
図７は、実施例１の特徴量算出部１１によるステップＳ１０１の概要を示すフローチャートである。特徴量算出部１１は、センサデータ２２から個体３０の運動に関する特徴量を算出する。
【0099】
まずステップＳ１０１１では、特徴量算出部１１は、環境情報入力部５３で入力された環境情報２３に基づいて、ネットワーク分析及び表示の処理を行う対象のセンサデータ２２をＤＢ２０から取得する。本実施例１においては、センサデータ２２は、所定のサンプリングレート（例えば、２０Ｈｚ）で測定した３軸加速度データ（動き情報テーブル２０２の加速度Ｘ軸２０２３、加速度Ｙ軸２０２４及び加速度Ｚ軸２０２５）である。処理の対象となるセンサデータ２２は、入出力装置５６や外部の計算機から指定することができる。また、３軸加速度データに加えて緯度２０２６と経度２０２７を位置情報として加えることができる。
【0100】
続いて、ステップＳ１０１２では、特徴量算出部１１が上記ステップＳ１０１１で取得したセンサデータ２２に対して、ノイズを除去するために、所定のフィルタを適用する。本実施例１では、バンドパスフィルタを設計し適用するが、バンドパスフィルタに制限されず、センシングデータに応じて、移動平均、ローパスフィルタ、ハイパスフィルタ等のいかなる処理を実行してもよい。フィルタの次数や通過域、阻止域等のパラメータもセンシングデータに応じて設定してよい。また、センシングデータによっては、必ずしもステップＳ１０１２を実行する必要もない。
【0101】
ステップＳ１０１３では、特徴量算出部１１が、上記フィルタを適用したセンシングデータから特徴量を算出する。ここで算出される特徴量は、個体３０の動きに関する情報である。
【0102】
集団を構成する全ての個体３０のセンサデータ２２に対して、上記ステップＳ１０１１、Ｓ１０１２、Ｓ１０１３を適用する。
【0103】
実施例１の特徴量情報２１は、運動強度を示すＭＥＴｓ（Ｍｅｔａｂｏｌｉｃ Ｅｑｕｉｖａｌｅｎｔｓ）である。ステップＳ１０１３において時刻毎の特徴量情報２１（ＭＥＴｓ）を算出する。
【0104】
特徴量算出部１１は、まず、フィルタ適用後のＸ軸、Ｙ軸及びＺ軸の３軸の加速度のスカラー量Ｓを算出する。ここで、スカラー量Ｓは、各軸の加速度をＸｇ、Ｙｇ、Ｚｇと記載した場合、以下の式（１）により算出される。
【0105】
スカラー量Ｓ＝（Ｘｇ＾２＋Ｙｇ＾２＋Ｚｇ＾２）＾（１／２） ・・・（１）
【0106】
次に、スカラー量ＳからＭＥＴｓを、以下の式（２）に基づき算出する。
【0107】
ＭＥＴｓ＝ａ×Ｓ＋１ ・・・（２）
【0108】
ただし、ａは定数である。このＭＥＴｓ値は、安静時、すなわちスカラー量Ｓ＝０であれば、ＭＥＴｓ＝１であり、運動強度が安静時の何倍であるかを示す。
【0109】
前述のセンサデータ２２は、３軸の加速度を含んだが、心拍数、呼吸数、及び、振幅等、人の動きのエネルギー（激しさ）の強さを測定した結果であれば、いかなる測定結果を含んでもよい。そして、特徴量算出部１１がこれらの様々なセンサデータ２２に基づいて、呼吸数、心拍数、歩行もしくは走行パターン、又は、移動速度等の動きに関する特徴量を算出することにより、本実施例のネットワーク分析部１２は、より集団のネットワークを分析することが可能になる。
【0110】
また、特徴量情報２１は、特定の時間で集計した値を用いてもよい。例えば、サンプリング周波数２０Ｈｚで測定されたセンサデータ２２から特徴量を算出し、１秒毎に集計した値を用いることで、突発的な変化に伴うノイズを減らすことができる。センサデータ２２の集計値を用いるか、またどの程度集計した値を用いるか、は使用したセンシング装置１や測定した環境等によって判断される。
【0111】
上記処理により、フィルタ処理されたセンサデータ２２から特徴量情報２１の一例としてＭＥＴｓが算出される。
【0112】
図８は、実施例１の特徴量情報２１に記憶されるデータの一例を示す図である。特徴量情報２１には、ネットワーク分析を行った全個体２２３の各日時２２２における特徴量が格納される。本実施例では、サンプリング周波数２０Ｈｚで測定されたセンサデータ２２から特徴量としてＭＥＴｓを算出し、１秒毎に集計した値を記憶している。
【0113】
図９は、実施例１のネットワーク分析部１２による図３のステップＳ１０２の概要を示すフローチャートである。ネットワーク分析部１２は、ステップＳ１０１で算出した特徴量から集団を構成する個体間の関係性を分析する。
【0114】
まずステップＳ１０２１では、ネットワーク分析部１２が個体３０間のネットワークを分析するために使用するデータの時間間隔を取得する。データの時間間隔は、センシング装置１の測定間隔（サンプリング周期又は所定の時間間隔）以上であれば、予め設定された値を使用してよい。
【0115】
データの時間間隔は、既にプログラムに記述された値を使用してもよい。また環境情報入力部５３に入力部（図示省略）を設けて、入力された値を参照してもよい。本実施例１においては、データの時間間隔を１分と設定しており、１分毎のネットワークを分析、表示することができる。
【0116】
ステップＳ１０２２では、ネットワーク分析部１２がネットワークの分析を行う２個体を選択する。本実施例１では、２個体間の相関性の有無を、集団を構成する個体の全組み合わせで分析するため、逐次２個体を選択していく。
【0117】
ステップＳ１０２３では、上記ステップＳ１０２２で選択した個体について、図３のステップＳ１０１で算出した特徴量を特徴量情報２１から取得する。
【0118】
ステップＳ１０２４、Ｓ１０２５、Ｓ１０２６では、２個体間の関係性を分析し、ネットワークの有無を判定する。本実施例１では、移動エントロピーを用いることで、個体３０間で伝達された情報量を算出し、ネットワークの有無を判定する。
【0119】
移動エントロピーは情報量の一種であり、確率変数間の情報の流れを平均情報量として数値化したものである。変数間の相関のみを示して情報の流れを含まない相互情報量とは異なり、移動エントロピーは情報の流れを特定することができ、変数間の関係性を測る指標である。本実施例１では、移動エントロピーを用いるが、相互情報量、相関分析、回帰分析、多変量解析等の複数変数間の関係性を測る指標及び当該指標を算出する手法であれば、いかなるものでもよい。
【0120】
ステップＳ１０２４では、ネットワーク分析部１２が各個体３０の変数（特徴量）の時系列データから、確率分布を算出する。確率分布はヒストグラムで近似するという手法を採用するが、ガウス分布や混合ガウス分布を仮定して推定する手法等を採用してもよく、またこれらに制限されない。ヒストグラムで近似する場合、ヒストグラムの分割数は、赤池情報量基準やスタージェスの公式を用いるが、これらに制限されない。
【0121】
ステップＳ１０２５では、ネットワーク分析部１２が２個体の変数間の情報伝達量を移動エントロピーから算出する。ここで、時刻ｔにおける確率変数Ｘ、Ｙの要素をｘｔ、ｙｔとした場合、Ｘに対するＹの影響を示す移動エントロピーＴ（Ｙ→Ｘ）は、以下の式（３）により算出される。
【0122】
【数1】
【0123】
Ｔ（Ｙ→Ｘ）は、０から１の間の値をとり、０では全く影響を与えていない、すなわち関係性が全くないことを示し、１に近づくほど大きな影響を与えていること、すなわち個体間の関係性が大きいことを示している。
【0124】
本実施例１では、確率変数Ｙの要素ｙｔが確率変数Ｘの要素ｘｔ＋１に与えた影響を算出した。つまり、１秒毎に集計した特徴量情報２１を用いた場合、個体Ｙの動きが、個体Ｘの１秒後に与えた影響を算出したことになる。また、確率変数Ｘの要素をｘｔ＋ｎとすることで、個体Ｙの動きが、個体Ｘのｎ秒後に与えた影響を算出することもできる。ｎの値は任意に設定することができる。
【0125】
ステップＳ１０２６では、ネットワーク分析部１２が、上記ステップＳ１０２５で算出した移動エントロピーの値を用いて、２個体間でのネットワークの有無を判定する。ネットワーク分析部１２は、移動エントロピーが所定の閾値以上の個体３０間において、情報の伝達があり、ネットワークがあったと判定する。本実施例１において、上記閾値は所定の定数である。閾値は、ｘ２分布やガンマ分布等を用いた閾値判定法を用いてもよく、使用したセンシング装置１や測定した環境等によって任意に設定される。
【0126】
ステップＳ１０２７では、ネットワーク分析部１２が、上記ステップＳ１０２６で判定したネットワークの有無を同期ネットワーク時系列データ２４に格納する。
【0127】
本実施例１において、２個体間でネットワークが存在した場合には同期ネットワーク時系列データ２４に１を設定し、存在しなかった場合は同期ネットワーク時系列データ２４に０を設定する。また、閾値を複数個設定し、数段階でネットワークの強度を判定し、保存してもよく、移動エントロピーの値もそのまま保存してもよい。
【0128】
ステップＳ１０２８では、集団を構成する個体の全組み合わせでの分析が終了するまで、上記ステップＳ１０２２、Ｓ１０２３、Ｓ１０２４、Ｓ１０２５、Ｓ１０２６、Ｓ１０２７を繰り返して実行する。
【0129】
上記処理により、個体３０間の関係性の大きさが、移動エントロピーの大きさに基づいて算出され、ネットワークを構成する個体が特定されて、集団内のネットワークが生成される。
【0130】
図１０は、実施例１の同期ネットワーク時系列データ２４に記憶されるデータを示す図である。同期ネットワーク時系列データ２４は、ある時刻におけるネットワークの総当たり図であり、ネットワーク分析を行った全個体における、ある時刻ｔでのネットワークの有無（強弱）が記載されている。
【0131】
同期ネットワーク時系列データ２４は、所定の時間間隔で生成された時系列のデータであり、図示の例では、時刻Ｔ１から所定の時間間隔ΔＴ毎に同期ネットワーク時系列データ２４がリアルタイムで生成され、クリーク評価部１５で分析及び評価が実施される。
【0132】
同期ネットワーク時系列データ２４の１列目は情報及び影響を与える個体のユーザＩＤ２４２であり、１行目は情報及び影響を受ける個体のユーザＩＤ２４３である。行と列で示される２個体間の値はネットワークの強弱を５段階で示す。
【0133】
個体３０間での関係性が強い場合は「５」が設定され、個体３０間での関係性が弱い場合は「１」が設定される。関係性の強弱を記憶することで、後述の表示部１４において、個体間の関係性をより詳細に表示できるようになる。また本実施例では、５段階にて関係性の強弱を記載したが、任意の何段階で記憶してもよい。上記では５段階にて関係性の強弱を記載したが、任意の何段階で記憶してもよい。
【0134】
なお、関係性の強弱については、後述するように次数中心性や近接中心性で表すことができる。個体３０間の関係を表示部１４で可視化した例を図１９に示す。図１９は同期ネットワーク時系列データ２４にネットワーク評価情報２５の次数中心性と近接中心性を加えた例を示す図である。図示の例は、サッカーの試合における個体３０間の時系列のネットワーク分析結果を示す。
【0135】
図示の例では、時刻ｔ１の同期ネットワーク時系列データ２４が領域８１に表示され、時間間隔Δｔ後の時刻ｔ２のネットワークが領域８２に表示され、時刻ｔ３のネットワークが領域８３に表示される。
【0136】
Ａチーム（第１の集団）の個体３０は実線の丸印で表示され、Ｂチーム（第２の集団）の個体３０は破線の丸印で表示される。関係性を有する個体３０間には辺（エッジ）で表示され、次数中心性の大きさは円の大きさで表示され、近接中心性の大きさはハッチングの濃さで表示される。
【0137】
なお、図１９では、個体３０間を有向グラフで表示する例を示したが、グラフは無向グラフでもよい（以下同様）。
【0138】
図１１は、ネットワーク評価部１３がステップＳ１０３で行う処理の一例を示すフローチャートである。ネットワーク評価部は、ステップＳ１０２で算出した同期ネットワーク時系列データ２４から、集団の中心となる個体や、集団活性度を評価する。
【0139】
【0140】
ステップＳ１０３２では、ネットワーク評価部１３が取得した同期ネットワーク時系列データ２４を用いて、ネットワークの評価指標として次数中心性や近接中心性、媒介中心性、エッジ数を算出する。各指標の算出手法は後述する。本実施例１では、ネットワークの評価指標として、次数中心性や近接中心性、媒介中心性、エッジ数を用いるが、これらに制限されない。
【0141】
ステップＳ１０３３では、ネットワーク評価部１３が上記ステップＳ１０３２で算出した次数中心性、近接中心性、媒介中心性を用いて、ネットワークの中心となる個体を推定する。詳細は後述する。
【0142】
ステップＳ１０３４では、ネットワーク評価部１３が上記ステップＳ１０３２で算出したエッジ数を用いて、チームにおけるネットワークの集団活性度を推定する。詳細は後述する。
【0143】
ステップＳ１０３５では、ネットワーク評価部１３が上記ステップＳ１０３２、Ｓ１０３３、Ｓ１０３４で算出した評価情報をネットワーク評価情報２５（個体評価テーブル２５０と集団評価テーブル２５８）に格納する。
【0144】
上記処理によって、算出された同期ネットワーク時系列データ２４について次数中心性や近接中心性、媒介中心性、エッジ数を用いてネットワーク評価情報２５が生成される。
【0145】
【0146】
図１２のフローチャート６０は、次数中心性を算出する処理である。次数中心性とは、ネットワーク内でより多くの関係を持つ頂点（個体）を高く評価する指標である。
【0147】
ステップＳ１０３６では、ネットワーク評価部１３が、ある個体における、ある時刻の入次数をカウントする。入次数とは、ある個体が情報を受けた個体の数である。
【0148】
ステップＳ１０３７では、ネットワーク評価部１３が、ある個体における、ある時刻の出次数をカウントする。出次数とは、ある個体が情報を伝達した個体の数である。
【0149】
ステップＳ１０３８では、ネットワーク評価部１３が、次数中心性は次数の積算値であるため、上記ステップＳ１０３６で算出した入次数と、ステップＳ１０３７で算出した出次数と、入次数と出自数の和である全次数からの入次数、出次数、次数の中心性を算出する。
【0150】
ステップＳ１０３９では、次数中心性はネットワークに含まれる頂点の数によって異なるため、ネットワーク評価部１３が、次数を処理対象の集団の理論的な最大値で除算することによって、標準化する。個体数ｎの集団においては、最大次数はｎ－１であるため、ネットワーク評価部１３は、ステップＳ１０３８で算出した各次数中心性をｎ－１で割る処理を行う。
【0151】
ステップＳ１０４０では、ネットワーク分析を行った全個体（頂点）について、入次数、出次数、次数の中心性を算出するために、ネットワーク評価部１３が上記ステップＳ１０３６～Ｓ１０３９の処理を繰り返して実行する。
【0152】
図１３のフローチャート６１は、近接中心性を算出する処理である。近接中心性とは、他の頂点（個体）との距離が小さい頂点（個体）ほど高く評価する指標である。
【0153】
ステップＳ１０４１では、ネットワーク評価部１３が、ある個体から他の個体への最短距離の合計を算出する。最短距離とは、ある頂点から他の頂点へ最短で到達するために通る辺の数である。
【0154】
ステップＳ１０４２では、近接中心性は、ある個体から他の個体への最短距離の逆数であるため、ネットワーク評価部１３は、上記ステップＳ１０４０で算出したある個体３０から他の個体３０への最短距離を用いて、近接中心性を算出する。
【0155】
ステップＳ１０４３では、近接中心性はネットワークに含まれる頂点の数によって異なるため、ネットワーク評価部１３は、処理対象の集団で近接中心性が理論に最大となる値で割ることによって、標準化する。個体数ｎの集団においては、近接中心性が最大値は１／（ｎ－１）であるため、ネットワーク評価部１３は、上記ステップＳ１０４０で算出した近接中心性を１／（ｎ－１）で割る処理を行う。
【0156】
ステップＳ１０４４では、ネットワーク分析を行った全個体で、近接中心性を算出するために、ネットワーク評価部１３は、上記ステップＳ１０４０～を繰り返して実行する。
【0157】
図１４のフローチャート６２は、ネットワーク評価部１３で媒介中心性を算出する処理である。媒介中心性とは、他の頂点（個体）間の最短経路上に位置する程度が高い頂点（個体）ほどを高く評価する指標である。媒介中心性が高い個体は、ネットワークの連結性を維持するために重要な個体であると考えることができる。
【0158】
ステップＳ１０４５では、ネットワーク評価部１３が、ある個体から他の個体への最短距離の合計を算出する。最短距離とは、ある頂点から他の頂点へ最短で到達するために通る辺の数である。
【0159】
ステップＳ１０４６では、ネットワーク評価部１３が、ある個体から他の個体への最短経路数を算出する。最短経路数は次のように算出する。始点から始点自身への最短経路数は１とする。そして、探索の過程で到達したある頂点への経路数は、直前の頂点への経路数に等しい。もし、直前の頂点が複数ある場合には、それらの直前の点への経路数の和に等しい。
【0160】
ステップＳ１０４７では、ネットワーク分析を行った全個体で、最短距離の合計と最短経路数を算出するために、ネットワーク評価部１３が、全ての個体３０（頂点）についてステップＳ１０４５とＳ１０４６を繰り返し、実行する。
【0161】
ステップＳ１０４８では、上記ステップＳ１０４５とＳ１０４６で調べた最短経路に関する情報を用いて、ネットワーク評価部１３は、各頂点が他の頂点間の最短経路上に位置する程度を調べていく。
【0162】
ここで、頂点ｗは頂点ｓを始点とする最短経路上で頂点ｖの直後にある頂点とし、ｇｓｖ、ｇｓｗはそれぞれ頂点ｖ、頂点ｗへの最短経路数とする。この場合の、頂点ｖがどのくらい他の頂点への最短経路上にいる程度ｂｓｖは、以下の式（４）によって算出される。
【0163】
【数2】
【0164】
ネットワーク評価部１３は、上記式（４）を用いて、各個体３０のグラフに含まれる各頂点を始点としたとき、各頂点がとれくらい他の頂点への最短経路上に位置するかを算出する。
【0165】
ステップＳ１０４９では、ネットワーク評価部１３が、上記ステップＳ１０４８で算出した各頂点が他の頂点間の最短経路上に位置する程度ｂｓｖを、頂点毎に加算することにより各頂点の媒介中心性を算出する。
【0166】
ステップＳ１０５０では、媒介中心性はネットワークに含まれる頂点の数によって異なるため、その集団で媒介中心性が理論に最大となる値で割ることによって、ネットワーク評価部１３が標準化する。個体数ｎの集団においては、媒介中心性が最大値は（ｎ－２）×（ｎ－１）であるため、ネットワーク評価部１３は、上記ステップＳ１０４９で算出した近接中心性を（ｎ－２）×（ｎ－１）で割る処理を行う。
【0167】
以上の処理によって、ネットワーク評価部１３が各頂点（個体）の媒介中心性が算出される。
【0168】
図１５のフローチャート６３は、図１１に示したステップＳ１０３３の集団の中心となる個体を算出する処理の一例を示している。ネットワーク評価部１３は、ステップＳ１０５１で図１１のステップＳ１０３２で算出した各時刻における、各個体３０の次数中心性ｘと、近接中心性ｙと、媒介中心性ｚを用いて、以下の式（５）で示す中心性が最大となる個体を算出する。
【0169】
ａｘ＋ｂｙ＋ｃｚ ・・・（５）
【0170】
上記式（５）において、ａ、ｂ、ｃは係数である。本実施例では、式（５）が最大となる個体を、集団の中心となる個体として算出したが、この手法に限定されない。
【0171】
【0172】
ステップＳ１０５２では、ネットワーク評価部１３が、集団活性度を算出する集団全体の次数をカウントする。また、サッカーのように複数の個体３０が同一のフィールド１００に存在する場合は、集団内での次数、集団内から別集団への出次数、別集団外から集団内への入次数、集団外での次数を算出することで、集団間での関係性を評価することもできる。
【0173】
ステップＳ１０５３では、ネットワーク評価部１３が、次数を理論的に最大となる値で割ることによって、標準化し、集団活性度を算出する。集団活性度は、例えば０から１の間の値をとり、１に近づくほど集団が活性化していることを示す。本実施例１では、集団全体の次数を用いて集団活性度を算出したが、この手法に制限されない。
【0174】
図１７は、実施例１のネットワーク評価情報２５に記憶される個体評価テーブル２５０の一例を示す図である。ネットワーク評価情報２５の個体評価テーブル２５０には、図３のステップＳ１０３にてネットワーク評価を行った各個体の各日時２５１毎の評価結果が格納される。
【0175】
個体評価テーブル２５０は、日時２５１と、入次数中心性２５２と、出次数中心性２５３と、次数中心性２５４と、近接数中心性２５５と、媒介数中心性２５６と、中心性２５７と、を一つのエントリに含む。
【0176】
入次数中心性２５２と、出次数中心性２５３と、次数中心性２５４は図１２に示したフローチャート６０で算出した入次数、出次数、次数の中心性を格納し、近接数中心性２５５は図１３に示したフローチャート６１で算出した近接中心性を格納し、媒介数中心性２５６は図１４に示したフローチャート６２で算出した媒介中心性を格納し、中心性２５７は図１５に示したフローチャート６３で算出した中心性を格納する。
【0177】
ネットワーク評価情報２５の個体評価テーブル２５０は、個体３０の日付毎にそれぞれ生成されるテーブルである。
【0178】
図１８は、実施例１のネットワーク評価情報２５に記憶される集団評価テーブル２５８のデータを示す図である。集団評価テーブル２５８には、図３のステップＳ１０３にてネットワーク評価を行った各集団の各日付毎の評価結果が格納される。
【0179】
集団評価テーブル２５８は、日時２５９と、集団内次数２６０と、集団外への出次数２６１と、集団内への入次数２６２と、集団外次数２６３と、総次数２６４と、活性度２６５と、次数中心性が最も高い個体２６６と、近接中心性が最も高い個体２６７と、媒介中心性が最も高い個体２６８と、中心個体２６９と、を一つのエントリに含む。
【0180】
集団評価テーブル２５８の日時２５９は、個体評価テーブル２５０の日時２５１と対応する。
【0181】
集団内次数２６０と、集団外への出次数２６１と、集団内への入次数２６２と、集団外次数２６３と、総次数２６４と、活性度２６５は図１６のフローチャート６４で算出した集団内での次数と、集団内から別集団への出次数と、別集団外から集団内への入次数と、集団外での次数と、総次数と、集団活性度を格納する。
【0182】
次数中心性が最も高い個体２６６は図１２のフローチャート６０で算出した次数中心性が最も高い個体を格納し、近接中心性が最も高い個体２６７とは図１３のフローチャート６１で算出した近接中心性が最も高い個体を格納し、媒介中心性が最も高い個体２６８は図１４のフローチャート６２で算出した媒介中心性が最も高い個体を格納し、中心個体２６９は図１５のフローチャート６３で算出した中心性が最も高い個体を格納する。
【0183】
図２０は、センサデータ２２と同期ネットワーク時系列データ２４の関係を示す図である。図示の例は、センサデータ２２の動き情報テーブル２０２から取得した加速度データから生成した同期ネットワーク時系列データ２４の一部をグラフとして表示し、複数の個体３０間の関係の時系列的変化を示す。
【0184】
時刻ｔ１では、ＩＤ＝「１」の個体３０は、ＩＤ＝「２」及び「４」の２つの個体３０と関係を有し、ＩＤ＝「３」の個体３０は、ＩＤ＝「６」の個体３０と関係を有する。所定の時間間隔Δｔ（例えば、１分）が経過した時刻ｔ２ではＩＤ＝「１」は、関係先の個体３０をＩＤ＝「４」からＩＤ＝「５」に変化させ、ＩＤ＝「２」及び「５」の２つの個体３０と関係を有する。時刻ｔ３ではＩＤ＝「１」が、関係先の個体３０をＩＤ＝「５」のみとする。
【0185】
同期ネットワーク時系列データ２４は個体３０間の同期によるネットワークであり、個体３０間の同期ネットワークを時系列で比較することにより、サッカーやラグビーあるいはバスケットなどの集団による動きの激しい競技の分析を行うことができる。
【0186】
図２１は、同期ネットワーク時系列データ２４からクリークを抽出する例を示す。図２０で示したように、同期ネットワーク時系列データ２４からグラフを生成して個体３０の関係先の変化を時系列で抽出することができる。
【0187】
解析部１０のクリーク評価部１５は、同期ネットワーク時系列データ２４から所定の数のクリークを抽出して、各時刻のクリークを時系列で集計して出力する。本実施例のクリーク評価部１５は、図示のように、２つの個体３０で構成される２クリークと、３つの個体３０で構成される３クリークを評価対象として抽出する。
【0188】
【0189】
図２１において、クリーク評価部１５は、関係を有する個体３０間を１つのエッジで接続し、エッジの両端のノードを頂点とするグラフを２クリークとして抽出する。すなわち、次数が１のノードの組み合わせが２クリークとなる。例えば、時刻ｔ１のグラフでは、ＩＤ＝「１」と「２」が２クリークであり、さらに、ＩＤ＝「１」と「４」、ＩＤ＝「２」と「４」、ＩＤ＝「３」と「６」が２クリークとして抽出される。なお、本実施例ではエッジの向きは評価せず無向グラフとして扱う。
【0190】
クリーク評価部１５は、２クリークの関係先のノードが第３のノードと関係し、関係元のノードも同じ第３のノードと関係を有する場合、これらの３つのノードを３クリークとして抽出する。
【0191】
３クリークの各ノードは次数が２で、３つのノードはそれぞれ相互に関係を有する。時刻ｔ１のグラフでは、ＩＤ＝「１」と「２」ノードの２クリークで「１」のノードを関係元とし、「２」ノードを「１」の関係先とすると、関係先のノード「２」は他の（第３の）ノード「４」と関係を有し、関係元のノード「１」は、同じ他のノード「４」と関係を有する。このように、３つのノードを接続するエッジが閉じた構成を３クリークとする。
【0192】
【0193】
クリーク評価部１５は、まず同期ネットワーク時系列データ２４から分析対象のデータを取得する（Ｓ１１４１）。クリーク評価部１５は、同期ネットワーク時系列データ２４の日時（又は時刻）毎に２クリークを抽出する（Ｓ１１４２）。
【0194】
クリーク評価部１５は、抽出された２クリークのデータを図２３で示すように３つの種別に分類する（Ｓ１１４３）。個体３０の競技がＡチームとＢチームの２つで行われている場合、２クリークの種別は、次の３種類となる。
【0195】
２つの個体３０がＡチームのみで構成される組み合わせを種別Ａ２とし、Ｂチームの個体３０のみで構成される組み合わせを種別Ｂ２とし、Ａ、Ｂチームの個体３０が各１個で構成される組み合わせを種別Ａ１Ｂ１とする。種別Ａ２又はＢ２の場合は、味方同士が連携している状態と捉えることができる。また、クリークの種別Ａ１Ｂ１の場合は、敵味方が対峙しお互いにマークし合っている状態と捉えることができる。
【0196】
クリーク評価部１５では、抽出したクリークについて個体が所属する集団と個体３０の数に応じて、クリークの種別を分類することで一群の個体３０がどのような関係性を有するのかを検出することができる。
【0197】
クリーク評価部１５は、種別毎に分類した２クリークのデータを時刻毎に集計してクリーク評価情報４０を構成する２クリーク情報４１０に格納する（Ｓ１１４３）。図２４は、２クリーク情報４１０の一例を示す図である。２クリーク情報４１０は、同期ネットワーク時系列データ２４の日時を格納する日時４１０１と、関係元となるノード（個体３０）の識別子を格納する第１ノード４１０２と、関係先となるノードの個体３０の識別子を格納する第２ノード４１０３と、分類されたクリークの種別４１０４を１つのレコードに含む。
【0198】
次に、クリーク評価部１５は、種別毎に分類された２クリークのデータを時系列で集計して種別毎の時系列データを生成して出力する（Ｓ１１４４）。図２５は、２クリークの種別毎時系列データ４２０の一例を示すグラフである。２クリークの種別毎時系列データ４２０もクリーク評価情報４０を構成するデータである。２クリークの種別毎時系列データ４２０は、入出力装置５６のディスプレイ又は外部の計算機のディスプレイに表示される。
【0199】
２クリークの種別毎時系列データ４２０は、横軸を時間、縦軸をクリークの数として、２クリーク情報４１０の種別毎に時系列のグラフとしたものである。２クリークの種別毎時系列データ４２０は、集団全体で各個体３０が味方と連携している状態（種別Ａ２又はＢ２）と、お互いにマークし合っている状態（種別Ａ１Ｂ１）の出現頻度を表すことができる。特に、サッカーの場合、種別Ａ２やＢ２ではボールをキープしている状態と考えることができる。
【0200】
次に、クリーク評価部１５は、種別毎に分類された２クリーク情報４１０から個体３０の識別子毎に時系列で集計して個体毎の時系列データを生成して出力する（Ｓ１１４５）。図２６は、２クリークの個体毎時系列データ４３０の一例を示すグラフである。２クリークの個体毎時系列データ４３０は、入出力装置５６のディスプレイ又は外部の計算機のディスプレイに表示される。
【0201】
２クリークの個体毎時系列データ４３０は、横軸を時間、縦軸をクリークの数として、個体３０の識別子（２クリーク情報４１０の第１ノード４１０２）毎に時系列のグラフとしたものである。図示の例では、個体３０のＩＤ＝「１」について種別毎の時系列データを表示した例を示す。
【0202】
２クリークの個体毎時系列データ４３０は、各個体３０が味方と連携している状態（種別Ａ２）と、攻撃又は防御の状態（種別Ａ１Ｂ１）の出現頻度を時系列で表すことができる。２クリークの個体毎時系列データ４３０を入出力装置５６のディスプレイ又は外部の計算機のディスプレイに表示することで、サーバ５の利用者は個体３０が集団と連携する態様の変化を時系列で観察して個体３０毎の評価を行うことができる。
【0203】
以上のステップＳ１１４２～Ｓ１１４５の処理で、クリーク評価部１５はクリーク評価情報４０を構成する２クリーク情報４１０と、種別毎時系列データ４２０と、個体毎時系列データ４３０を生成する。
【0204】
ステップＳ１１４２～Ｓ１１４５では、ステップＳ１１４２～Ｓ１１４５の処理と同様にして３クリークの処理が行われる。なお、クリーク評価部１５は、ステップＳ１１４２～Ｓ１１４５の処理と、ステップＳ１１４２～Ｓ１１４５の処理を並列して実行することができる。ただし、クリーク評価部１５が、ステップＳ１１４２～Ｓ１１４５の処理と、ステップＳ１１４２～Ｓ１１４５の処理を順次実行するようにしてもよい。
【0205】
クリーク評価部１５は、同期ネットワーク時系列データ２４の日時（又は）毎に３クリークを抽出する（Ｓ１１４６）。
【0206】
クリーク評価部１５は、抽出された３クリークのデータを図２７で示すように４つの種別に分類する（Ｓ１１４７）。個体３０の競技がＡチームとＢチームの２つで行われている場合、３クリークの種別は、次の４種類となる。
【0207】
３つの個体３０がＡチームのみで構成される組み合わせを種別Ａ３とし、Ｂチームの個体３０のみで構成される組み合わせを種別Ｂ３とし、Ａチームの個体３０が２個でＢチームの個体３０が１個で構成される組み合わせを種別Ａ２Ｂ１とし、Ａチームの個体３０が１個でＢチームの個体３０が２個で構成される組み合わせを種別Ａ１Ｂ２とする。
【0208】
クリークの種別Ａ３又はＢ３の場合は、味方同士が連携している状態と捉えることができる。種別Ａ２Ｂ１の場合は、Ａチームが数的優位な状態と捉えることができる。種別Ａ１Ｂ２の場合は、Ｂチームが数的優位な状態と捉えることができる。
【0209】
クリーク評価部１５は、種別毎に分類した３クリークのデータを時刻毎に集計してクリーク評価情報４０を構成する３クリーク情報４４０に格納する。図２８は、３クリーク情報４４０の一例を示す図である。３クリーク情報４４０は、同期ネットワーク時系列データ２４の日時を格納する日時４４０１と、関係元となるノードの個体３０の識別子を格納する第１ノード４４０２と、関係先となるノードの個体３０の識別子を格納する第２ノード４４０３と、さらに他の関係先となるノードの個体３０の識別子を格納する第３ノード４４０４と、分類されたクリークの種別４４０５を１つのレコードに含む。
【0210】
次に、クリーク評価部１５は、種別毎に分類された３クリークのデータを時系列で集計して種別毎の時系列データを生成して出力する（Ｓ１１４８）。図２９、図３０は、３クリークの種別毎時系列データ４５０の一例を示すグラフである。３クリークの種別毎時系列データ４５０もクリーク評価情報４０を構成するデータである。３クリークの種別毎時系列データ４５０は、入出力装置５６のディスプレイ又は外部の計算機のディスプレイに表示される。
【0211】
【0212】
３クリークの種別毎時系列データ４５０は、横軸を時間、縦軸をクリークの数として、３クリーク情報４４０の種別毎に時系列のグラフとしたものである。３クリークの種別毎時系列データ４５０は、集団全体で個体３０が味方と連携している状態（種別Ａ３又はＢ３）と、数的優位な状態（種別Ａ２Ｂ１、Ａ１Ｂ２）の出現頻度を時系列で表すことができる。特に、サッカーの場合、種別Ａ３やＢ３では相手マークを外した理想的な連携プレーが出来ている状態と考えることができる。
【0213】
次に、クリーク評価部１５は、種別毎に分類された３クリーク情報４４０から個体３０の識別子毎に時系列で集計して個体毎の時系列データを生成して出力する（Ｓ１１４９）。図３１は、３クリークの個体毎時系列データ４６０の一例を示すグラフである。３クリークの個体毎時系列データ４６０は、入出力装置５６のディスプレイ又は外部の計算機のディスプレイに表示される。
【0214】
３クリークの個体毎時系列データ４６０は、横軸を時間、縦軸をクリークの数として、個体３０の識別子（３クリーク情報４４０の第１ノード４４０２）毎に時系列のグラフとしたものである。図示の例では、個体３０のＩＤ＝「１」について種別毎の時系列データを表示した例を示す。
【0215】
３クリークの個体毎時系列データ４６０は、個体３０（ＩＤ＝「１」）が味方と連携している状態（種別Ａ３）と、数的優位な状態（種別Ａ２Ｂ１、Ａ１Ｂ２）の出現頻度を時系列で表すことができる。
【0216】
以上のステップＳ１１４６～Ｓ１１４９の処理で、クリーク評価部１５はクリーク評価情報４０を構成する３クリーク情報４４０と、３クリークの種別毎時系列データ４５０と、３クリークの個体毎時系列データ４６０を生成する。
【0217】
上記の処理によって、センシング装置１から収集したセンシングデータから個体３０間の関係性を抽出してリアルタイムでクリーク評価情報４０を生成して出力することにより、競技中の個体３０間の関係性をリアルタイムで把握することが可能となって、各個体３０へ的確な指示を送ることができる。
【0218】
集団の管理者又はコーチなどは、クリーク評価情報４０の各情報を参照することで、競技の作戦を立案することができる。例えば、サッカーの場合、使用頻度の高い２クリークはネットワーク全体のリズムを支配していると考えられる。また、３クリークの種別毎の多様性からチームの組織プレーやチーム全体のリズムを把握することができる。
【0219】
そこで、相手チームの個体３０のうち、出現頻度の高い２クリークを抑制すれば、相手チームの３クリークの多様性は崩れることが予想される。したがって、出現頻度の高い２クリークをマーク又はプレスをかける指示を味方チームに送ることで、競技の内容を好転させることが可能となる。
【0220】
また、２クリーク、３クリークの各種クリーク評価情報４０から各個体３０の動きをリアルタイムで取得することによって、ボールの有無に関わらず有効な動きを行う個体３０を抽出することができる。
【0221】
例えば、３クリークの情報で種別Ａ３に頻繁に現れる個体３０は中心的な存在であると推定することができる。また、３クリークの情報で種別Ａ１Ｂ２やＡ２Ｂ１に現れる個体３０は、ボールの有無に関わらず、敵をマークしたり、敵を引きつけたりする有効な動きを行っていると評価することができる。
【0222】
以上のように、本実施例のネットワーク分析システムは、個体３０に装着したセンシング装置１のセンシングデータからリアルタイムでクリーク評価情報４０を提供することで競技内容に対して有効な動きを行う個体３０を可視化することが可能となり、作戦の立案や個体３０の評価をリアルタイムで行うことが可能となる。
【0223】
また、２クリークや３クリークのクリーク評価情報４０では、ボールの有無や競技の中心性に関わらず個体３０の評価を行うことが可能となって、動きの激しい競技における選手の評価を的確に行うことが可能となる。
【0224】
また、本実施例のネットワーク分析システムは、様々な競技に適用可能な汎用性を有する。上述したように、本実施例の分析対象はサッカーに限定されるものではなく、ラグビーやバレーボールなどにも適用することが可能となる。
【0225】
また、本実施例のネットワーク分析システムは、説明変数がクリーク数のみであるので、前記従来技術のように多数のパラメータを参照する必要が無く、個体３０の動きを容易に理解して迅速に評価することが可能となる。
【0226】
また、上記実施例１では、同期ネットワーク時系列データ２４から抽出するクリークを２クリークと３クリークの例について説明したが、抽出するクリークの数は上記に限定されるものではなく、分析対象の競技の種類等に応じて適宜変更することができる。
【0227】
また、上記実施例１では、２つのＡチーム（第１の集団）、Ｂチーム（第２の集団）で競技を行う個体３０についてクリークの種別を分類する例を示したが、クリークの種別は同時に競技を行うチームの数に応じて設定すればよく、上記の２チームに限定されるものではない。
【実施例2】
【0228】
図３２は、本発明の実施例２を示し、ネットワーク分析システムの構成の一例を示すブロック図である。前記実施例１では、個体３０に装着したセンシング装置１が取得した加速度及び位置情報に基づいてサーバ５がリアルタイムでクリーク評価情報４０を生成する例を示したが、競技に参加する全ての個体３０にセンシング装置１を装着できない場合もある。
【0229】
そこで、本実施例ではセンシング装置１を利用せずに、競技場等にカメラを設置して競技の動画データを収集して、クリーク評価情報４０を生成する例を示す。本実施例では、フィールド１００上に１以上のカメラ７０を設置して競技を行う個体３０の動画データを取得してサーバ５の動画データ２７に格納する。
【0230】
サーバ５では画像トラッキング部１６で動画データ２７を読み込んで、個体３０の識別と、位置情報の抽出と、移動速度の算出などを行う。その他の構成は前記実施例１と同様であり、同一の構成に同一の符号を付して重複する説明を省略する。
【0231】
図３３は、サーバ５で行われる処理の一例を示すフローチャートである。まず、サーバ５では画像トラッキング部１６が、補助記憶装置５５に格納された動画データ２７を取得する（Ｓ２１１）。
【0232】
画像トラッキング部１６は、読み込んだ動画データ２７から個体３０の識別を行って、フィールド１００上の位置を算出する（Ｓ２１２）。なお、個体３０の識別は、顔認証等の周知の技術を適用することができる。また、識別した個体３０とユーザＩＤ２０２１（動き情報テーブル２０２）の関連付けは入出力装置５６や外部の計算機を操作する管理者等で行うようにしてもよい。
【0233】
画像トラッキング部１６は、動画データ２７のフレーム毎に検出した個体３０の位置情報から加速度（又は移動速度）を算出して、動き情報テーブル２０２の加速度２０２３～２０２５に設定する（Ｓ２１３）。
【0234】
サーバ５の解析部１０は、個体毎の加速度の算出が完了すると、前記実施例１と同様にして特徴量算出部１１が動き情報テーブル２０２を入力として特徴量情報２１を算出する。そして、前記実施例１と同様にしてネットワーク分析部１２が特徴量情報２１に基づいて同期ネットワーク時系列データ２４を生成する（Ｓ２１４）。
【0235】
次に、クリーク評価部１５が同期ネットワーク時系列データ２４を取得して（Ｓ２１５）、前記実施例１と同様に２クリークと３クリークの抽出を実施してクリーク評価情報４０を生成する（Ｓ２１６）。
【0236】
表示部１４は、生成されたクリーク評価情報４０を入出力装置５６のディスプレイ又は外部の計算機に出力して、集団の管理者等に２クリークのグラフや３クリークのグラフを提示する。
【0237】
以上のように、本実施例では、個体３０にセンシング装置１を装着できない状況でも前記実施例１と同様に個体３０の評価をクリーク評価情報４０に基づいて実施することが可能となる。
【0238】
＜結び＞
以上のように、上記実施例１、２のネットワーク分析システムは以下のような構成とすることができる。
以上のように、上記実施例１、２のネットワーク分析システムは以下のような構成とすることができる。
【0239】
（１）プロセッサ（ＣＰＵ５１）とメモリ（メモリ５４）を含む計算機（サーバ５）が集団における個体（３０）間のネットワークを分析するネットワーク分析方法であって、前記計算機（５）が、集団で運動を行う個体の動きに関する時系列の情報（センシングデータ）をセンサデータ（２２）として収集するセンシングデータ収集ステップと、前記計算機（５）が、前記センサデータ（２２）から前記個体毎の運動に関する特徴量（特徴量情報２１）を算出する特徴量算出ステップ（特徴量算出部１１）と、前記計算機（５）が、前記集団内の個体の組み合わせについて前記特徴量に基づいて個体（３０）間の関係性を分析し、前記個体間の関係性の分析結果から個体間のネットワークを時系列で生成するネットワーク分析ステップ（ネットワーク分析部１２）と、前記計算機（５）が、前記ネットワーク内で関係性を有する個体（３０）のうち、複数の個体（３０）で構成された一群をクリークとして抽出し、前記クリークについて時系列で分析するクリーク評価ステップ（クリーク評価部１５）と、を含むことを特徴とするネットワーク分析方法。
【0240】
上記構成により、集団における個体３０間のネットワークを分析して、複数のクリークをから有効な動きを行う個体３０を可視化することが可能となる。
【0241】
（２）上記（１）に記載のネットワーク分析方法であって、前記個体（３０）は、第１の集団（Ａチーム）及び第２の集団（Ｂチーム）のいずれか一方に所属し、前記クリーク評価ステップ（１５）は、前記個体（３０）が所属する集団と前記個体（３０）の組み合わせに応じて予め設定されたクリークの種別で前記クリークを分類することを特徴とするネットワーク分析方法。
【0242】
上記構成により、クリーク評価部１５は、抽出したクリークについて個体３０が所属する集団と個体３０の数に応じて、クリークの種別を分類することで一群の個体がどのような関係性を有するのかを検出することができる。
【0243】
（３）上記（２）に記載のネットワーク分析方法であって、前記クリーク評価ステップ（１５）は、前記分類されたクリークの種別を個体（３０）毎に時系列で集計して個体毎時系列データ（４３０、４６０）として出力することを特徴とするネットワーク分析方法。
【0244】
上記構成により、個体毎時系列データ４３０を入出力装置５６のディスプレイ又は外部の計算機のディスプレイに表示することで、サーバ５の利用者は個体３０が集団と連携する態様の変化を時系列で観察して個体３０毎の評価を行うことができる。
【0245】
（４）上記（２）に記載のネットワーク分析方法であって、前記クリーク評価ステップ（１５）は、前記分類されたクリークの種別を時系列で集計して種別毎時系列データ（４２０、４５０）として出力することを特徴とするネットワーク分析方法。
【0246】
上記構成により、種別毎時系列データ４２０を入出力装置５６のディスプレイ又は外部の計算機のディスプレイに表示することで、サーバ５の利用者は集団内で連携する個体３０の変化を時系列で観察しすることができる。
【0247】
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含む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。
【0248】
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（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）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。
【0249】
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】
【0250】
１ センシング装置
５ サーバ
１０ 解析部
１１ 特徴量算出部
１２ ネットワーク分析部
１３ ネットワーク評価部
１４ 表示部
１５ クリーク評価部
２１ 特徴量情報
２２ センサデータ
２４ 同期ネットワーク時系列データ
２５ ネットワーク評価情報
４０ クリーク評価情報
５１ ＣＰＵ
５２ メモリ
５５ 補助記憶装置
５ サーバ
１０ 解析部
１１ 特徴量算出部
１２ ネットワーク分析部
１３ ネットワーク評価部
１４ 表示部
１５ クリーク評価部
２１ 特徴量情報
２２ センサデータ
２４ 同期ネットワーク時系列データ
２５ ネットワーク評価情報
４０ クリーク評価情報
５１ ＣＰＵ
５２ メモリ
５５ 補助記憶装置
【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】
【図22】
【図23】
【図24】
【図25】
【図26】
【図27】
【図28】
【図29】
【図30】
【図31】
【図32】
【図33】