TOP特許意匠商標
特許ウォッチ Twitter
10個以上の画像は省略されています。
公開番号2024166805
公報種別公開特許公報(A)
公開日2024-11-29
出願番号2023083154
出願日2023-05-19
発明の名称制御方法及び制御装置
出願人株式会社デンソーテン
代理人弁理士法人秀和特許事務所
主分類G06Q 50/10 20120101AFI20241122BHJP(計算;計数)
要約【課題】監視対象の混雑状況の報知を、監視対象に応じて柔軟に行うための技術を提供することを目的とする。
【解決手段】本技術に係る制御方法は、監視対象の検出された混雑状況を記憶装置から読み出し、当該混雑状況と目標とする状態との差に基づいて、読み出した混雑状況に対する補正を行い、補正後の混雑状況の報知指示信号を、監視対象の利用者が確認可能な報知装置に出力することを繰り返し行うフィードバック制御をコンピュータが実行する。
【選択図】図6
特許請求の範囲【請求項1】
監視対象の検出された混雑状況を記憶装置から読み出し、当該混雑状況と目標とする状態との差に基づいて、読み出した前記混雑状況に対する補正を行い、補正後の混雑状況の報知指示信号を、前記監視対象の利用者が確認可能な報知装置に出力すること、
を繰り返し行うフィードバック制御をコンピュータが実行する制御方法。
続きを表示(約 750 文字)【請求項2】
前記補正は、実際の混雑状況を通知用に補正する際の補正量と補正後の混雑状況を通知した後の混雑状況の変化との関係を予め学習した予測モデルを用いて行われる
請求項1に記載の制御方法。
【請求項3】
前記監視対象は複数の領域を含み、前記目標とする状態は、前記複数の領域の相対的な前記混雑状況に基づいて決定される
請求項2に記載の制御方法。
【請求項4】
前記予測モデルは、前記複数の領域の各々に対して作成される
請求項3に記載の制御方法。
【請求項5】
前記予測モデルは、前記監視対象の状況の種別ごとに作成される
請求項2に記載の制御方法。
【請求項6】
前記予測モデルは、転移学習により作成される
請求項2に記載の制御方法。
【請求項7】
前記報知装置への出力後、所定時間以内に、前記混雑状況が前記目標とする状態に収束しないと判断された場合、前記補正量と前記混雑状況の変化との関係を改めて学習し、前記予測モデルを更新する
請求項2に記載の制御方法。
【請求項8】
読み出した前記混雑状況、及び前記目標とする状態を、前記監視対象の管理者に対してさらに通知する
請求項1から7の何れか一項に記載の制御方法。
【請求項9】
監視対象の検出された混雑状況を記憶装置から読み出し、当該混雑状況と目標とする状態との差に基づいて、読み出した前記混雑状況に対する補正を行い、補正後の混雑状況の報知指示信号を、前記監視対象の利用者が確認可能な報知装置に出力すること、
を繰り返し行うフィードバック制御を実行する制御部を備える制御装置。

発明の詳細な説明【技術分野】
【0001】
本発明は、混雑状況を報知するための制御方法及び制御装置に関する。
続きを表示(約 2,800 文字)【背景技術】
【0002】
従来、複数のトイレ室の混雑状況を管理するトイレ管理方法が提案されていた(例えば、特許文献1)。本技術は、複数のトイレ室の使用状況に関する使用情報を取得する使用情報取得工程と、取得した使用情報に基づいて、複数のトイレ室の実際の混雑状況を判定する混雑状況判定工程と、混雑状況判定工程において判定された実際の混雑状況を補正する混雑状況補正工程と、混雑状況補正工程において補正された混雑状況の補正結果を出力端末に送信する送信工程とを備える。
【先行技術文献】
【特許文献】
【0003】
特開2022-039679号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
混雑状況を利用者に提示する場合、結果として、比較的混雑していなかったところに使用者を集中させてしまう可能性がある。また、混雑状況の提示を受けた利用者の行動を予測することは難しく、混雑状況を補正しても狙い通りに人の動きをコントロールできない可能性がある。そこで、本技術は、監視対象の混雑状況の報知を、監視対象に応じて柔軟に行うための技術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】
【0005】
本開示に係る制御方法は、監視対象の検出された混雑状況を記憶装置から読み出し、当該混雑状況と目標とする状態との差に基づいて、読み出した混雑状況に対する補正を行い、補正後の混雑状況の報知指示信号を、監視対象の利用者が確認可能な報知装置に出力することを繰り返し行うフィードバック制御をコンピュータが実行する。
【発明の効果】
【0006】
本技術によれば、監視対象の混雑状況の報知を、監視対象に応じて柔軟に行うことができる。
【図面の簡単な説明】
【0007】
図1は、システムの構成の一例を説明するための図である。
図2は、システムの一例を示すブロック図である。
図3は、学習処理の一例を示す処理フロー図である。
図4は、滞留数の変化の一例を説明するための図である。
図5は、補正ルールを説明するための図である。
図6は、運用処理の一例を示す処理フロー図である。
図7は、システムの構成の一例を説明するための図である。
図8は、管理者への通知の一例を説明するための図である。
図9は、滞留数の変化の他の例を説明するための図である。
図10は、滞留数の変化の他の例を説明するための図である。
【発明を実施するための形態】
【0008】
<実施形態1>
以下、図面を参照しつつ実施形態について説明する。図1は、システムの構成の一例を説明するための図である。システム1は、何らかの監視対象における混雑状況を検知し、利用者に対する所定の通知処理を行う。監視対象は、待ち行列や交通渋滞が発生する場所であり、例えば、店舗や窓口、遊園地等のアトラクション、公衆トイレ、駐車場、道路の区間等である。混雑状況は、例えば順番待ちの行列を形成している人の数又は車両の数等(「滞留数」と呼ぶ)によって表される。また、システム1は、直近の混雑状況と目標とする状況との差に基づいて補正した混雑状況を利用者に通知することで、目標とする状態に収束させる。本実施形態に係る補正とは、混雑状況のフィードバックを受けた利用者の行動が変化する大きさを学習しておき、実際の混雑状況を利用者への通知用に変更する処理である。補正量は、例えば機械学習により、早期に目標とする状態に収束させられるように決定される。すなわち、混雑状況のフィードバックを受けた利用者の行動がどの程度変化するかを織り込んだ補正量によって、目標に近づくような補正を行った上で予測情報のフィードバックを行う。また、学習とは、滞留数を目標とする状態に近づけるために、実際の滞留数をどの程度変更して(すなわち増加又は減少させて)通知すべきかを表す学習済モデルを、フィードバックの繰り返しにより機械学習することにより作成する処理である。すなわち、通知した人数と通知後の滞留数の変化との関係を、例えば回帰分析等の手法により学習する。学習は、時季や曜日、時間帯等を区別して行うようにしてもよい。また、例えば回帰式で表される学習済モデルは、実際の滞留数及び目標とする状態に基づいて通知すべき人数を決定するための補正ルールとして使用できるものであり、換言すれば人数の通知後の滞留数を予測する予測モデルといえる。
【0009】
システム1は、例えば店舗である監視対象20に設置されたセンサシステム2と、利用者30が所持するユーザ端末3A、又は監視対象20に設置されたデジタルサイネージ3Bを含む表示装置(「報知装置」とも呼ぶ)3と、サーバ4とを含む。図1の例では、監視対象20及びセンサシステム2の組合せが複数含まれている。また、利用者30及びユーザ端末3Aの組合せも複数含まれている。また、センサシステム2と、表示装置3と、サーバ4とは、ネットワーク5を介して通信可能に接続されている。なお、ネットワーク5は、IP(Internet Protocol)ネットワークを含み、ネットワーク5に接続された装
置は所定のプロトコルに基づいて通信を行うことができる。ネットワーク5の一部は、電話網(固定電話網又は移動体通信網)、アドホック・ネットワーク(ad hoc network)、イントラネット、VPN(Virtual Private Network)、LAN(Local Area Network)
、無線LAN(Wireless LAN)、WAN(Wide Area Network)、インターネット等であ
ってもよい。
【0010】
センサシステム2は、例えば、監視対象20に入店待ちの行列を形成している利用者30を検知し、滞留数をサーバ4へ通知する。サーバ4は、滞留数と目標の状況との差を解消するように滞留数を補正し、混雑状況の予測結果として利用者30に対して通知するための制御装置である。目標の状況は、例えば複数の監視対象20に対する滞留数が均等であることのように、相対的に決定されるものであってもよい。補正には、直近の滞留数と目標の状況との差に基づいて、所定の補正量が適用される。例えば、通知は、ユーザ端末3A及びデジタルサイネージ3Bの少なくとも何れか(すなわち、表示装置3)を介して行われる。なお、センサシステム2による混雑状況の把握は一例であり、例えばサーバ4は、利用者30が所持するユーザ端末3Aとの通信により、混雑状況を把握するようにしてもよい。
(【0011】以降は省略されています)

この特許をJ-PlatPatで参照する
Flag Counter

関連特許