特許ウォッチ

公開番号2025073019
公報種別公開特許公報(A)
公開日2025-05-12
出願番号2023183571
出願日2023-10-25
発明の名称情報処理システム
出願人大学共同利用機関法人情報・システム研究機構
代理人個人
主分類G06Q 30/0201 20230101AFI20250501BHJP(計算;計数)
要約【課題】
店舗などのあらかじめ範囲が定められた領域における人などの対象の移動軌跡を生成する情報処理システムを提供することを目的とする。
【解決手段】
あらかじめ範囲が定められた領域である規定領域における対象の移動軌跡を生成する情報処理システムであって、情報処理システムは、規定領域における対象の位置を文字情報で示した移動軌跡データを用いて機械学習をして事前学習モデルを生成する事前学習モデル生成処理部と、事前学習モデルを用いて移動軌跡データを出力させる実行処理部と、を有する情報処理システム。
【選択図】図1
特許請求の範囲【請求項１】
あらかじめ範囲が定められた領域である規定領域における対象の移動軌跡を生成する情報処理システムであって、
前記情報処理システムは、
規定領域における対象の位置を文字情報で示した移動軌跡データを用いて機械学習をして事前学習モデルを生成する事前学習モデル生成処理部と、
前記事前学習モデルを用いて移動軌跡データを出力させる実行処理部と、
を有することを特徴とする情報処理システム。
続きを表示（約 1,500 文字）【請求項２】
あらかじめ範囲が定められた領域である規定領域における対象の移動軌跡を生成する情報処理システムであって、
前記情報処理システムは、
規定領域における対象の位置を文字情報で示した第１の移動軌跡データを用いて機械学習をした事前学習モデルと、文字情報で示した第２の移動軌跡データとを用いて転移学習を行うことで転移学習モデルを生成する転移学習モデル生成処理部と、
前記転移学習モデルを用いて移動軌跡データを出力させる実行処理部と、
を有することを特徴とする情報処理システム。
【請求項３】
前記情報処理システムは、
第１の規定領域における対象の位置を文字情報で示した第１の移動軌跡データを用いて機械学習をして事前学習モデルを生成する事前学習モデル生成処理部、を有しており、
前記転移学習モデル生成処理部は、
第２の規定領域における対象の位置を文字情報で示した第２の移動軌跡データと、前記事前学習モデルとを用いて転移学習を行うことで前記転移学習モデルを生成し、
前記実行処理部は、
前記転移学習モデルを用いて、前記第２の規定領域における対象の位置を文字情報で示した移動軌跡データを出力させる、
ことを特徴とする請求項２に記載の情報処理システム。
【請求項４】
前記情報処理システムは、
前記規定領域における対象の位置を文字情報で示した第１の移動軌跡データを用いて機械学習をして事前学習モデルを生成する事前学習モデル生成処理部、を有しており、
前記転移学習モデル生成処理部は、
前記規定領域における対象の位置を文字情報で示した第２の移動軌跡データと、前記事前学習モデルとを用いて転移学習を行うことで前記転移学習モデルを生成し、
前記実行処理部は、
前記転移学習モデルを用いて、前記規定領域における対象の位置を文字情報で示した移動軌跡データを出力させる、
ことを特徴とする請求項２に記載の情報処理システム。
【請求項５】
前記情報処理システムは、
規定領域における対象の位置を含む動線データを、文字情報で示した移動軌跡データに変換するデータ変換処理部、
を有することを特徴とする請求項１または請求項２に記載の情報処理システム。
【請求項６】
前記データ変換処理部は、
前記実行処理部が出力させた移動軌跡データを動線データに変換し、
前記実行処理部は、
前記データ変換処理部で変換した動線データを表示させる、
ことを特徴とする請求項５に記載の情報処理システム。
【請求項７】
前記移動軌跡データは、
前記規定領域を複数の領域に多層的に分割し、分割した各領域に文字情報を付与することで、前記規定領域における前記対象の位置を複数の文字情報で示す、
ことを特徴とする請求項１または請求項２に記載の情報処理システム。
【請求項８】
前記移動軌跡データは、
前記対象の位置を示す文字情報と移動時間間隔を示す文字情報とを含む、
ことを特徴とする請求項７に記載の情報処理システム。
【請求項９】
前記移動軌跡データは、
前記対象の位置を示す文字情報と行為を示す文字情報とを含む、
ことを特徴とする請求項７に記載の情報処理システム。
【請求項１０】
前記移動軌跡データは、
前記対象の位置を示す文字情報と環境を示す文字情報とを含む、
ことを特徴とする請求項７に記載の情報処理システム。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本発明は、店舗などの、あらかじめ範囲が定められた領域（以下、「規定領域」という。）における人などの対象の移動軌跡を生成する情報処理システムに関する。
続きを表示（約 1,400 文字）【背景技術】
【０００２】
店舗などの規定領域において、人の移動軌跡である動線を分析することは重要である。たとえば、店舗の場合、陳列棚をどのようにレイアウトして配置するか、商品をどのように配置するかなどは、売上げに直結する課題であり、店舗の立ち上げでは重要である。また、たとえば規定領域がイベント会場の場合、円滑に人を移動させるため、展示ブースをどこに配置するかなどは事故防止、トラブル防止などの観点から重要となる。
【０００３】
そのため、従来は、たとえばカメラで撮影する、各所にセンサなどを設置するなどして、人の移動軌跡である動線の分析を行っている。
【０００４】
このような動線の分析を行うシステムの一例として、下記特許文献１、特許文献２が存在する。
【０００５】
また、下記非特許文献１、特許文献２に示すように、エージェントベースモデルと呼ばれる手法を用いて、店舗内での人の移動を推定するシステムもある。
【先行技術文献】
【特許文献】
【０００６】
特開２０１７－１７４１３５号公報
特開２０１６－１７７５８３号公報
【非特許文献】
【０００７】
藤野俊樹他６名、”スーパーマーケットで客はどう動く？－顧客動線分析とエージェントシミュレーションから分かること－”、計測自動制御学会第５回社会システム部会研究会資料 Vol5. p.57-68、[online]、インターネット＜ＵＲＬ：https://mas.kke.co.jp/wp-content/uploads/2020/01/thesis.pdf＞
株式会社富士通研究所、学校法人早稲田大学、”人間行動シミュレーションから混雑原因を短時間で発見する技術を開発”、[online]、インターネット＜ＵＲＬ：https://pr.fujitsu.com/jp/news/2018/12/7.html＞
【発明の概要】
【発明が解決しようとする課題】
【０００８】
特許文献１、特許文献２のシステムは、店舗内の人をカメラで撮影、あるいはセンサで検出などすることで、それを時系列にプロットして移動軌跡を動線として生成している。このようなシステムを用いることで店舗内の動線分析が行える点で有益である。
【０００９】
しかし、実際に店舗内の人の移動軌跡について、店舗内にセンサなどを設置して、多くの人の動線を本格的に検出するためには、数千万円程度の高額の費用がかかる場合もある。一方、少数の人の動線を検出するのであれば、より安価な費用で対応することができる。場合によっては、人が目視で確認をすることで動線を生成することもできる。
【００１０】
そこで、少数の人の動線に基づいて、多くの人の動線を生成（推定）できれば、全体的な費用負担の軽減につながる。また、時間分解能の粗い（精度の低い）動線から人の移動軌跡を補間し、時間分解能の細かい（精度の高い）動線が生成（推定）できれば、全体的な費用負担の軽減にもつながる。そのため、少数の人の動線または時間分解能の粗い動線から、多くの人の動線または時間分解能の細かい動線の生成（推定）を行うことが求められている。
（【００１１】以降は省略されています）

関連特許