JP2000322402A - Stream of people analyzing method - Google Patents
Stream of people analyzing methodInfo
- Publication number
- JP2000322402A JP2000322402A JP12955199A JP12955199A JP2000322402A JP 2000322402 A JP2000322402 A JP 2000322402A JP 12955199 A JP12955199 A JP 12955199A JP 12955199 A JP12955199 A JP 12955199A JP 2000322402 A JP2000322402 A JP 2000322402A
- Authority
- JP
- Japan
- Prior art keywords
- information
- generation
- route
- people
- behavior
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 108090000623 proteins and genes Proteins 0.000 claims abstract description 47
- 238000004458 analytical method Methods 0.000 claims abstract description 22
- 238000011156 evaluation Methods 0.000 claims abstract description 13
- 230000002068 genetic effect Effects 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims description 22
- 230000003542 behavioural effect Effects 0.000 claims description 9
- 238000005206 flow analysis Methods 0.000 claims description 5
- 230000037361 pathway Effects 0.000 claims 2
- 230000004931 aggregating effect Effects 0.000 claims 1
- 230000009471 action Effects 0.000 abstract description 13
- 230000035772 mutation Effects 0.000 abstract description 8
- 238000012732 spatial analysis Methods 0.000 abstract description 3
- 239000000284 extract Substances 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 13
- 239000011159 matrix material Substances 0.000 description 9
- 230000008859 change Effects 0.000 description 7
- 230000007613 environmental effect Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 239000003550 marker Substances 0.000 description 3
- 230000003252 repetitive effect Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000010353 genetic engineering Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241001590997 Moolgarda engeli Species 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000000547 structure data Methods 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
Landscapes
- Navigation (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
【0001】[0001]
【発明の属する技術分野】本発明は人の動いた軌跡情報
を元に、その流れを分析する方法に関する。特にサンプ
リングされた一部の軌跡情報を元に、全体の流れの傾向
を分析する技術に関する。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a method for analyzing a flow of a person based on information on a trajectory of a person moving. In particular, the present invention relates to a technique for analyzing a tendency of the entire flow based on a part of trajectory information sampled.
【0002】[0002]
【従来の技術】本発明に関わる従来技術として、人の位
置を測定する測位方法、流れ情報を取得する方法、人の
流れ分析方法、表示方法の従来技術について説明する。2. Description of the Related Art Conventional techniques related to the present invention, such as a positioning method for measuring the position of a person, a method for acquiring flow information, a method for analyzing a person's flow, and a display method, will be described.
【0003】(1)測位方法 たとえば、PHS(Personal Handyph
one System)などの無線電話システムを用い
て、位置探索などを効率良く行うことができる。PHS
移動電話網に接続された制御センタにおいて、入力され
た検索情報に基づいて、移動電話端末の位置登録情報を
解析し、特定の端末の位置を知ることができる。(1) Positioning method For example, PHS (Personal Handyph)
Using a wireless telephone system such as one system, it is possible to efficiently perform position search and the like. PHS
In the control center connected to the mobile telephone network, the location registration information of the mobile telephone terminal is analyzed based on the input search information, and the position of the specific terminal can be known.
【0004】別の測位技術として、GPS(Globa
l Positioning System)がある。
GPSとは、人工衛星からの微弱な電波をとらえ、緯度
や経度など位置を検出する測位衛星システムで、米国国
防総省が開発したシステムである。民生用に試験開放さ
れて以来、測位が不可欠な船舶ナビゲーションなどの応
用以外にも、トラック配車管理、タクシー運用管理など
の業務用や、カーナビゲーションシステムのような個人
用途にも応用の幅が広がっている。As another positioning technique, GPS (Globa) is used.
l Positioning System).
GPS is a positioning satellite system that detects weak radio waves from artificial satellites and detects positions such as latitude and longitude, and is a system developed by the United States Department of Defense. Since the test was released for consumer use, the range of applications has expanded to not only applications such as ship navigation where positioning is indispensable, but also business use such as truck dispatch management and taxi operation management, and personal uses such as car navigation systems. ing.
【0005】あるいは、位置検出マーカを歩道や壁面に
配置し、このマーカからの位置情報を受信する測位方式
なども実証試験中である。文献「諏訪啓祐,他:"歩行
者ナビゲーションのためのパーソナル位置情報システム
の提案"、電子情報通信学会ITS(高度道路交通シス
テム)に関する情報通信技術シンポジウム講演論文集SA
D-6-8,pp.125-126(1998)」によると、このマーカ方式の
測位精度は50mmまで高められる。[0005] Demonstration tests are also being conducted on a positioning method in which a position detection marker is arranged on a sidewalk or a wall surface and position information from the marker is received. Literature "Keisuke Suwa, et al .:" Proposal of Personal Positioning System for Pedestrian Navigation ", Proc. SA of ITE (Intelligent Transport Systems) Information and Communication Technology Symposium
According to D-6-8, pp. 125-126 (1998), the positioning accuracy of this marker method can be increased to 50 mm.
【0006】(2)人の流れ情報取得方法 一方、人の流れをデータとして取得する既存の手法とし
ては、下記3種類があった。(2) Method of Obtaining Person Flow Information On the other hand, there are the following three types of existing methods for obtaining a person flow as data.
【0007】 ・定点観測方式(例:交通流調査装置/特開平7−23
7835号公報) ・出入口調査方式(例:公共交通機関) ・追跡調査方式(例:位置探索システム/特開平10−
47974号公報) 従来技術においては、例えば追跡調査方式を用いれば、
GPSなどを持った人の位置について、何人分かを追跡
することはできたが、街全体の人の流れ情報を取得でき
なかった。定点観測方式や出入口調査方式においては、
人の流れる経路が決まっている場合は、マクロな人の流
れが取得可能であったが、複雑な経路の場合は調査でき
なかった。[0007] Fixed point observation method (eg: traffic flow survey device / Japanese Patent Laid-Open No. 7-23)
No. 7835) ・ Entrance / exit survey method (eg: public transportation) ・ Follow-up survey method (eg: position search system / Japanese Patent Application Laid-Open No.
No. 47974) In the prior art, for example, if a tracking method is used,
Although it was possible to track the position of a person having a GPS or the like for some people, it was not possible to acquire flow information of people throughout the city. In the fixed point observation method and entrance / exit survey method,
When the path of the person is fixed, the macro flow of the person can be obtained, but in the case of the complicated path, it cannot be investigated.
【0008】(3)人の流れ分析方法 測位技術を利用した人の流れ分析技術については、例え
ば「位置探索システム、位置探索方法、情報収集システ
ム、情報収集方法及び車載通信装置」(特開平10−4
7974号公報)がある。このシステムはPHS(Pe
rsonalHandyphone System)な
どの無線電話システムを用いて、位置探索などを効率良
く行えるようにすることを目的にしている。移動電話網
に接続された制御センタにおいて、入力された検索情報
に基づいて、移動電話端末の位置登録情報を解析し、特
定の端末の位置を探索して、その探索結果を出力するよ
うにした。この技術によると、PHS端末からの位置情
報を元に、各基地局に登録された端末数の時系列的変化
や、ある特定の位置における人の流れを、端末数の変化
として時系列的に示すことができる。(3) Human Flow Analysis Method For the human flow analysis technology using the positioning technology, for example, “Position search system, position search method, information collection system, information collection method and in-vehicle communication device” (Japanese Patent Laid-Open No. -4
No. 7974). This system uses PHS (Pe
It is an object of the present invention to efficiently perform a position search and the like by using a wireless telephone system such as an rsonal Handyphone System. A control center connected to a mobile telephone network analyzes location registration information of a mobile telephone terminal based on input search information, searches for a specific terminal position, and outputs the search result. . According to this technology, based on location information from PHS terminals, a time-series change in the number of terminals registered in each base station or a flow of a person at a specific position is time-series as a change in the number of terminals. Can be shown.
【0009】各端末が1つの基地局に対して位置登録す
る。基地局の場所は、複数の基地局で構成されるある程
度広い範囲のエリアで、端末移動時に2つのエリアが地
図上で隣接した地域であることが判った場合には、多く
の人がこのエリアを移動したことが推定でき、このデー
タを利用して、人の流れの時系列的な把握が可能にな
る。[0009] Each terminal registers its location with one base station. The location of the base station is a relatively wide area composed of a plurality of base stations. If it is determined that two areas are adjacent to each other on a map when the terminal moves, many people use this area. Can be estimated, and this data can be used to grasp the flow of people in time series.
【0010】また人の流れを荒く捉えることのできるハ
フモデルは、エリアマーケティングでよく用いられる商
圏分析のモデルである。国友隆一著“よくわかるコンビ
ニ業界”、日本実業出版社(1997)によると、「店舗の魅
力度は店舗までの距離に反比例する」という法則(ハフ
モデル)に基づき、これを応用した地図システムを用い
て、商圏を円状に表現することで、商圏分析を行ってい
る。このモデルはフランチャイズドチェーンの出店計画
などに用いられているが、競合店が商圏内に出店した時
に成り立たなくなるという問題があった。The Huff model, which can roughly grasp the flow of people, is a trade area analysis model often used in area marketing. According to Ryuichi Kunitomo, “Understandable Convenience Store Industry” and Nihon Jitsugyo Shuppan (1997), a map system based on the rule (Huff model) based on the rule that “the attractiveness of a store is inversely proportional to the distance to the store” is used. Therefore, the trade area is analyzed by expressing the trade area in a circular shape. This model is used for planning a franchise chain store, but there is a problem that it will not work when a competitor opens a store in a commercial area.
【0011】例えばコンビニエンスストアの立地におい
ては、同じ系列の店舗でも道路を挟んだ向かい側や、既
存店のすぐ近くにわざと立地させる場合もある。 都市
部には非常に多くの店舗が出店されているが、ハフモデ
ルで考えると立地場所が飽和しているとしか思えない場
所に、次々と出店されている。コンビニエンスストアの
ように、「何かのついでに立ち寄る」ような店舗の場
合、道路の東側と西側では立地条件が根本的に異なるの
にハフモデルでは細やかな人の流れが表現できなかっ
た。For example, when a convenience store is located, even stores of the same series may be intentionally located on the opposite side of a road or in the immediate vicinity of an existing store. There are a large number of stores in urban areas, but they are being opened one after another in places that only seem to be saturated in terms of Huff Model. In the case of stores that “stop by” like a convenience store, the location conditions are fundamentally different between the east and west sides of the road, but the Huff Model could not express a detailed flow of people.
【0012】(4)人の流れ表示方法 人の流れ表示方法の従来技術においては、ハフモデルの
ように商圏を円状に表現する方法や、特定の人の行動経
路を追跡表示したり、特定の場所での通過人員数の時間
別統計グラフという出力形態を取ることが多かった。こ
れらの手法は、上述したように取得できる情報が限定さ
れていることや、分析方法が単純であったため、人の流
れを表現するには不十分であった。(4) Person Flow Display Method In the prior art of the person flow display method, a method of expressing a trade area in a circular shape like a Huff model, a method of tracking and displaying a specific person's action route, and a method of displaying a specific flow of a person. In many cases, the output format was a time-based statistical graph of the number of people passing through the place. As described above, these methods are insufficient in expressing the flow of a person because the information that can be obtained is limited and the analysis method is simple.
【0013】[0013]
【発明が解決しようとする課題】「位置探索システム、
位置探索方法、情報収集システム、情報収集方法及び車
載通信装置」では、人の流れを定点観測しているのと技
術的に等価であり、カウンタを利用した街頭調査と同程
度の分析しかできなかった。人の流れを分析するには、
どの経路から来た人かなどの空間的分析が欠かせない。[Problems to be Solved by the Invention] "Position search system,
The position search method, the information collection system, the information collection method, and the on-vehicle communication device are technically equivalent to observing the flow of people at a fixed point, and can perform only the same analysis as a street survey using a counter. Was. To analyze the flow of people,
Spatial analysis of the route from which the person came is indispensable.
【0014】本発明の目的は、人の位置情報を連続的に
取得して得られた軌跡情報を収集し、これを分析するこ
とにより、人の流れの傾向をより詳細に出力することで
ある。An object of the present invention is to collect the trajectory information obtained by continuously acquiring the position information of a person and analyze the trajectory information to output the tendency of the flow of the person in more detail. .
【0015】ここでいう人の流れとは、ある経路を通る
人間の数や時間分布などについての情報である。その分
析の結果、例えば、「駅1−駅2を通る人は、男性の2
0.9%である。」、「ある住宅地にいる人の60.6%がこの
道を通る(あるいは通ってきた)。」といったような情
報が得られることが必要とされている。[0015] The flow of people referred to here is information on the number of people passing through a certain route, time distribution, and the like. As a result of the analysis, for example, “people who pass station 1 to station 2
0.9%. , And "60.6% of people in a residential area pass (or have passed) on this road."
【0016】[0016]
【課題を解決するための手段】上記目的は次のような構
成によって達成される。本発明の望ましい実施形態にお
いては、移動した軌跡を送信する移動端末と、軌跡情報
を収集する軌跡収集サーバと分析端末から構成する。さ
らに収集した軌跡データを分析する動線分析方法をこの
サーバ内に格納する。この動線分析方法は、次の5ステ
ップから構成する。The above object is achieved by the following constitution. In a preferred embodiment of the present invention, the mobile terminal includes a mobile terminal that transmits a moved trajectory, a trajectory collection server that collects trajectory information, and an analysis terminal. Further, a flow line analysis method for analyzing the collected trajectory data is stored in the server. This flow line analysis method includes the following five steps.
【0017】人の流れを調査したいエリアを決め、その
中で注目する地点・道を選び、地点を節点・道を枝とみ
なしたグラフを作成する第1のステップ、各モニタのプ
ロフィール(性別・年齢など)、軌跡データを軌跡収集
サーバに収集する第2のステップ、モニタが収集した軌
跡の緯経度データをグラフの節点・枝に対応付ける第3
のステップ、軌跡データを分析する第4のステップ、統
計処理により特徴抽出し、分析端末にて出力する第5の
ステップ。The first step is to determine an area in which the flow of a person is to be investigated, select a point / road of interest, and create a graph in which the point is regarded as a node / road as a branch. Age, etc.), a second step of collecting trajectory data in the trajectory collection server, and a third step of associating the latitude and longitude data of the trajectory collected by the monitor with the nodes and branches of the graph.
, A fourth step of analyzing trajectory data, and a fifth step of extracting features by statistical processing and outputting the extracted data to the analysis terminal.
【0018】以上の手段により、時間的な分析に加えて
空間的にも分析できる動線分析方法を提供することがで
き、本発明の目的が達成される。According to the above-described means, it is possible to provide a flow line analysis method capable of performing spatial analysis in addition to temporal analysis, and the object of the present invention is achieved.
【0019】ここで、第4のステップの分析処理におい
ては、以下の口コミ情報交換モデルを用いる。Here, in the analysis processing of the fourth step, the following word-of-mouth information exchange model is used.
【0020】●口コミ情報交換モデル/ステップ1:各
自が自分の歩いた散策経路の情報を覚える。Word-of-mouth information exchange model / step 1: Each person learns the information of his walking path.
【0021】●口コミ情報交換モデル/ステップ2:同
じ街を歩いたことのある友達に出会う。あるいは情報誌
などを読む。Word-of-mouth information exchange model / step 2: Meet friends who have walked in the same city. Or read information magazines.
【0022】●口コミ情報交換モデル/ステップ3:お
互いに歩いた経路の情報交換を行う。面白そうな経路に
ついて、相方の情報を取り入れ、次にその街を訪問する
時に利用することとする。以前の経路から一部入れ替え
た新しい情報に基づいて、街を歩き、新しい経路の評価
をつける。また、情報交換の結果、お互いに同じ経路を
たどっていることがわかった部分については、その評価
価値を高める。但し、情報を取り入れても、きまぐれで
行かないかもしれないし、なんらかの環境変化(新しい
店ができたなど)によりまったく新しい経路を取り入れ
るかもしれない。Word-of-mouth information exchange model / step 3: Information exchange is performed for the routes that have been walked by each other. For interesting routes, we will incorporate information from our partners and use them the next time we visit the city. Based on the new information, partially replaced by the previous route, walk around the city and rate the new route. In addition, as a result of the information exchange, portions that are found to be following the same route with each other have an increased evaluation value. However, even if you incorporate information, you may not go on a whim, or you may adopt a completely new route due to some environmental change (such as opening a new store).
【0023】●口コミ情報交換モデル/ステップ4:環
境変化により、一部の人がこの街に来なくなってしまう
場合がある。逆に、これまで訪れたことのなかった人が
新たに訪れる場合もある。Word-of-mouth information exchange model / step 4: Some people may not come to this town due to environmental changes. Conversely, a person who has never been here may be newly visited.
【0024】●口コミ情報交換モデル/ステップ5:ス
テップ2に戻り、情報交換を繰り返し、皆がよりよい散
策方法を模索する。その結果として、人通りの多い道が
幾つかできあがると共に、構造的に人が集まりやすい場
所がわかる。Word-of-mouth information exchange model / step 5: Returning to step 2, information exchange is repeated, and everyone seeks a better walking method. As a result, there are several busy roads and places where people are structurally easy to gather.
【0025】この繰り返し処理により、優良な行動情報
は、自然淘汰に生き残り、その行動パターンの経路の評
価値があがっていく。終了予定回数だけ繰り返すと、経
路、交差点ごとに集計し分析を行う。この結果はいわ
ば、街全体の人の流れのシミュレーションででもあるの
で、分析端末にて地図上に時々刻々と直接人の流れを表
示する。人の流れの多い場所は実際に画面上に人がたく
さん動く様子をビジュアルに表現する。また、特定の経
路や交差点について、そこの通行者の特性分析を行う。By this repetitive processing, excellent behavior information survives natural selection, and the evaluation value of the path of the behavior pattern increases. If it repeats for the expected number of times, the data is totaled and analyzed for each route and intersection. Since this result is, so to speak, a simulation of the flow of people in the entire city, the flow of people is directly displayed on a map from time to time at the analysis terminal. In places where there are many people, visual representations of how many people actually move on the screen are displayed. In addition, for a specific route or intersection, the characteristics of the pedestrian there are analyzed.
【0026】[0026]
【発明の実施の形態】本発明の実施例を図を用いて以下
で詳細に説明する。DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Embodiments of the present invention will be described below in detail with reference to the drawings.
【0027】図1は、本実施例の全体的な構成と情報の
流れを示す図である。FIG. 1 is a diagram showing the overall configuration of this embodiment and the flow of information.
【0028】街の構造をグラフ構造にて表現し、経路の
構造と経路の価値は隣接行列(Ad(i,j))にて表す
(図2,図3参照)。収集した人の軌跡データは、行動
パターンテーブル1とプロファイルテーブル2に格納す
る。The structure of the city is represented by a graph structure, and the structure of the route and the value of the route are represented by an adjacency matrix (Ad (i, j)) (see FIGS. 2 and 3). The collected person trajectory data is stored in the behavior pattern table 1 and the profile table 2.
【0029】口コミ情報交換モデル3は情報を持つもの
同士で、お互いの情報を交換し評価を重ねることによ
り、街の情報から特徴量を抽出するものである。このモ
デルは例えば遺伝的アルゴリズムに地形的条件を加える
ことにより、次のように処理することができる。The word-of-mouth information exchange model 3 is a model that has information, and extracts features from city information by exchanging information and repeating evaluations. This model can be processed as follows, for example, by adding topographic conditions to the genetic algorithm.
【0030】行動パターンの特性は、実際に歩いた経路
を交差点番号の並びとして表現し、これを行動遺伝させ
る。すなわち、2つの行動パターンについて交叉と突然
変異の遺伝子操作を行い、遺伝子の世代交代を進める。
口コミ情報交換モデルに対応した処理の流れは次の通り
である(図6参照)。The characteristic of the behavior pattern is that the path actually walked is expressed as a sequence of intersection numbers, and the behavior is inherited. That is, crossover and mutation are genetically manipulated for the two behavior patterns, and the generation change of the genes is advanced.
The process flow corresponding to the word-of-mouth information exchange model is as follows (see FIG. 6).
【0031】ステップ1:第1世代の行動遺伝子を配置
し、その世代数Tを1とする。Step 1: First-generation behavioral genes are arranged, and the number of generations T is set to one.
【0032】ステップ2:第T世代の行動遺伝子から2
個づつの組を作成し、情報交換を行う。Step 2: From the behavioral gene of the Tth generation, 2
Create individual sets and exchange information.
【0033】ステップ3:第T世代の情報交換におい
て、行動パターンの遺伝交叉により、第T+1世代の行
動遺伝子を2個生成する。遺伝交叉において相手の情報
を取り込む時に、ある確率にて地形的な束縛を行う。遺
伝交叉の結果変らない経路(行動パターン)については
その評価値(Ad(i,j))を増やす。Step 3: In the Tth generation information exchange, two behavior genes of the T + 1 generation are generated by genetic crossover of the behavior pattern. When capturing information of a partner in genetic crossover, geographical constraints are performed with a certain probability. The evaluation value (Ad (i, j)) of a path (behavior pattern) that does not change as a result of genetic crossover is increased.
【0034】ステップ4:一定条件の下で、第T+1世
代の行動遺伝子のうち、いくつかを突然変異させる。Step 4: Under certain conditions, some of the T + 1 generation behavior genes are mutated.
【0035】ステップ5:世代数Tを1インクリメント
し、終了予定世代数Teになるまで、ステップ2以降を
繰り返す。Step 5: The number of generations T is incremented by 1 and steps 2 and thereafter are repeated until the number of generations to be terminated Te is reached.
【0036】この繰り返し処理により、優良な行動遺伝
子は、自然淘汰に生き残り、その行動パターンの経路の
評価値(Ad(i,j))があがっていく。終了予定世代
数Teになると、経路、交差点ごとに集計し分析を行
う。この結果はいわば、街全体の人の流れのシミュレー
ションでもあるので、分析端末にて地図上に時々刻々と
直接人の流れを表示する。人の流れの多い場所は実際に
画面上に人がたくさん動く様子をビジュアルに表現する
(図12参照)。また、特定の経路や交差点について、
そこの通行者の特性分析を行う。By this repetitive processing, excellent behavior genes survive natural selection, and the evaluation value (Ad (i, j)) of the path of the behavior pattern increases. When the number of generations to be finished Te is reached, the data is totaled and analyzed for each route and intersection. Since the result is, so to speak, a simulation of the flow of people in the entire city, the flow of people is directly displayed on a map instantaneously from time to time on the analysis terminal. In places where there are many people, a visual representation of how many people actually move on the screen is displayed (see FIG. 12). Also, for specific routes and intersections,
The characteristics of the passersby are analyzed.
【0037】図2は、街の構造の単純な例である。FIG. 2 is a simple example of a town structure.
【0038】経路を決定する際には、地図をグラフ化
し、地図上の交差点をノードとし、交差点間の道路をエ
ッジとして、扱うことが多い。即ち、地図を、ノードの
集合及びエッジの集合により表わされるグラフとして扱
うことが多い。ここでは、交差点Pと道路Eで表現した
街について、そのグラフ構造を隣接行列Adを用いて表
現する。When determining a route, it is often the case that a map is graphed, intersections on the map are treated as nodes, and roads between the intersections are treated as edges. That is, a map is often treated as a graph represented by a set of nodes and a set of edges. Here, the graph structure of the city represented by the intersection P and the road E is represented by using the adjacency matrix Ad.
【0039】図3は、図2の街に対応した隣接行列を示
す図である。FIG. 3 is a diagram showing an adjacency matrix corresponding to the city in FIG.
【0040】Ad(i,j)の初期値はi番目の交差点
P(i)からj番目の交差点P(j)への経路が存在す
れば1、無ければ0である。また、A(i,i)=1と
する。なお、この隣接行列は、以後の処理において経路
の価値を表す値により、逐次書き換えられていく。The initial value of Ad (i, j) is 1 if there is a route from the i-th intersection P (i) to the j-th intersection P (j), and 0 if there is no route. A (i, i) = 1. Note that this adjacency matrix is sequentially rewritten with a value indicating the value of the route in the subsequent processing.
【0041】図4は、収集した人の軌跡データを格納す
る行動パターンテーブルを説明する図である。FIG. 4 is a diagram for explaining an action pattern table for storing collected trajectory data of a person.
【0042】行動パターンテーブルは行動遺伝子を格納
するものであり、ID、行動パターン、適合値から構成
したフィールドを持つ。IDは、レコードに対して一意
的に付けた番号であり、図5のプロファイルテーブルの
データと相互に関係付けらるためのものである。行動パ
ターンは交差点P(i)の並びの意味で、可変長ベクト
ルとして表現する。歩いた経路順に、例えば、{P
(1),P(3),P(7),P(10),P(13),P
(15)}の順に交差点を通過した場合、{1,3,7,
10,13,15}のように記述する。経由時間と共に記
述してもよい。適合値は行動パターンが安定であれば大
きな数字となるような評価指標の数字である。The behavior pattern table stores behavior genes, and has a field composed of an ID, a behavior pattern, and a matching value. The ID is a number uniquely assigned to a record, and is used to correlate with the data in the profile table in FIG. The action pattern is expressed as a variable-length vector in the sense of the arrangement of the intersections P (i). In the order of the walking path, for example, $ P
(1), P (3), P (7), P (10), P (13), P
(15) When passing through the intersection in the order of}, {1, 3, 7,
It is described as 10, 13, 15 °. It may be described together with the transit time. The adaptation value is a numerical value of an evaluation index that becomes a large number if the behavior pattern is stable.
【0043】例えば、ID=3のレコードにおいて、あ
る場所の百貨店(P(8))がバーゲンセールをある日
に行う場合を想定すると、最寄り駅(P(5))からそ
の百貨店に向かう人は、多くの場合一直線に進み、きま
ぐれで別の場所に立ち寄る要素が少ない。本実施例にお
いては、収集した人の軌跡データにこの評価指標の高い
行動遺伝子を付け加えることができ、こういう特殊な環
境変化を想定したシミュレーションもできる。図4で
は、実際に収集したデータの場合を1としている。For example, in the record of ID = 3, assuming that a department store (P (8)) at a certain place performs a bargain sale on a certain day, a person heading for the department store from the nearest station (P (5)) In many cases, they go straight and there are few elements that come to a different place on a whim. In the present embodiment, a behavior gene having a high evaluation index can be added to collected human trajectory data, and a simulation assuming such a special environmental change can be performed. In FIG. 4, the case of actually collected data is set to 1.
【0044】図5は、行動遺伝子を持つ人の属性データ
を格納するプロファイルテーブルである。FIG. 5 is a profile table for storing attribute data of a person having a behavior gene.
【0045】ID、年齢、性別、住所から構成したフィ
ールドを持つ。IDは、レコードに対して一意的に付け
た番号であり、図4の行動jパターンテーブルのデータ
と相互に関係付けらるためのものである。年齢、性別ご
との人の流れ分析や、地元の人の流れと、遠方からの来
訪者からの人の流れを区別する分析を行う場合に用い
る。It has fields composed of ID, age, gender, and address. The ID is a number uniquely assigned to the record, and is used to correlate with the data of the action j pattern table in FIG. It is used to analyze the flow of people by age and gender, and to analyze the flow of local people and the flow of people from distant visitors.
【0046】図6は、口コミ情報交換モデルを用いて人
の流れ分析を行う主処理である。FIG. 6 shows the main processing for analyzing the flow of people using the word-of-mouth information exchange model.
【0047】ステップ601において、第1世代の行動
遺伝子を2m個配置し、その世代数Tを1とする。In step 601, 2m first-generation behavioral genes are arranged, and the number of generations T is set to one.
【0048】ステップ602において、第T世代の行動
遺伝子から2個づつの組を作成し、情報交換を行う。In step 602, two sets are created from the Tth generation behavior gene, and information is exchanged.
【0049】ステップ603において、第T世代におけ
る行動パターンの遺伝交叉により、第T+1世代の行動
遺伝子を2個生成する(図7参照)。In step 603, two (T + 1) th generation behavioral genes are generated by genetic crossover of behavioral patterns in the Tth generation (see FIG. 7).
【0050】ステップ604において、第T+1世代の
行動遺伝子に対して、ある確率で空間的制約を受けた一
定条件の下での突然変異を起こす。すなわち、経路が突
然ジャンプして、行けないはずの別の点に行くようなこ
とがないように配慮する(図10参照)。In step 604, a mutation is caused in the behavior gene of the (T + 1) th generation under certain conditions that are spatially restricted with a certain probability. In other words, care is taken so that the route does not suddenly jump to another point that cannot be reached (see FIG. 10).
【0051】ステップ605において、m組の行動遺伝
子についての処理が完了しているかどうかの判定を行
い、未済であれば、ステップ603に戻って処理を繰り
返す。At step 605, it is determined whether or not the processing for the m sets of behavioral genes has been completed. If not, the procedure returns to step 603 to repeat the processing.
【0052】済んでいれば、ステップ606において、
世代数Tを1つインクリメントし、T+1世代だったも
のを改めてT世代として扱う。If so, in step 606,
The number of generations T is incremented by one, and what was the T + 1 generation is treated as the T generation again.
【0053】ステップ607において、世代交代がなさ
れた行動遺伝子について、交代前と比較し、経路に変化
のなかった道路について、経路評価値Ad(i、j)の
値を増やす。これは、遺伝的アルゴリズムによる繰り返
し処理の結果、収束してゆく経路は評価があがるしくみ
である。In step 607, the value of the route evaluation value Ad (i, j) is increased for the road whose route has not changed, as compared to the behavior gene whose generation has been changed before the change. This is a mechanism in which the path that converges as a result of the repetitive processing by the genetic algorithm is evaluated highly.
【0054】ステップ608において、あらかじめ設定
してある終了予定世代数TeとTを比較し、TがTe未
満であれば、ステップ602に戻って処理を繰り返す。
そうでなければ、くり返し処理を終了し、得られた結果
を元にステップ609において、経路交差点ごとの分
析、結果出力を行う(図11参照)。In step 608, the number of generations Te that is set to end in advance and T are compared. If T is less than Te, the process returns to step 602 to repeat the processing.
Otherwise, the repetition processing is terminated, and based on the obtained result, in step 609, the analysis and the result output are performed for each route intersection (see FIG. 11).
【0055】図7は、行動遺伝子の遺伝交叉を行う処理
を説明する図である。FIG. 7 is a diagram for explaining a process of performing a genetic crossover of a behavior gene.
【0056】ステップ701において、第T世代の行動
遺伝子の組として、AとBの2つを読み込む。ステップ
702において、AとBの行動パターンを逐次比較し、
両者が共に通過する交差点(共通交差点)があるかどう
かを調べる。もし共通交差点があれば、近い行動を行う
人が他にもいるという意味に解釈できる。そこで、ステ
ップ703において、行動遺伝子の適合値を増加させ
る。更にステップ704において、相互に情報を交換
し、共通交差点経由後の目的地を入れ替える処理を行う
(図8目的地交換を参照)。In step 701, two sets of A and B are read as a set of Tth generation behavior genes. In step 702, the action patterns of A and B are sequentially compared,
It is checked whether there is an intersection (common intersection) through which both pass. If there is a common intersection, it can be interpreted to mean that there are other people who are performing close actions. Therefore, in step 703, the matching value of the behavior gene is increased. Further, in step 704, information is mutually exchanged, and a process of exchanging the destination after passing through the common intersection is performed (see FIG. 8 destination exchange).
【0057】ステップ702において、もし共通交叉点
がなければ、ステップ705において、互いの経路が最
も近づいた点を選び、相互に寄り道をするように情報交
換を行う寄り道情報交換処理を施す(図9の寄り道情報
交換参照)。この2種類の遺伝子操作は、口コミ情報交
換モデル/ステップ3における「お互いに歩いた経路の
情報交換を行う。面白そうな経路について、相方の情報
を取り入れ、次にその街を訪問する時に利用することと
する。」部分に相当する。以上の遺伝子交叉処理の後、
新しく生成したAとBの子孫を第T+1世代の行動遺伝
子として記録する。In step 702, if there is no common intersection, in step 705, a point where the routes are closest to each other is selected, and a detour information exchange process for exchanging information so as to depart from each other is performed (FIG. 9). Information exchange). These two types of genetic manipulations are based on the word-of-mouth information exchange model / “Exchanging information on paths that have been walked with each other. Steps that may be interesting are taken in, and then used when visiting the city next time. It shall be referred to as "." After the above gene crossover process,
The newly generated offspring of A and B are recorded as T + 1 generation behavioral genes.
【0058】図8は、遺伝子交叉処理における目的地交
換の処理内容を例を用いて説明した図である。FIG. 8 is a diagram for explaining the processing contents of the destination exchange in the gene crossover processing using an example.
【0059】図8において、第T世代の行動遺伝子Aの
行動パターンをA(T)とし、その経路を図示してい
る。同様に、第T世代の行動遺伝子Bの行動パターンを
B(T)とした。目的地交換処理により、両者の共通交
差点であるP(7)に着目し、それ以降の目的地をAと
Bで交換する。交換した結果に基づいて、行動パターン
A(T+1),B(T+1)として第T+1世代の行動
遺伝子を生成する。In FIG. 8, the behavior pattern of the behavior gene A of the Tth generation is represented by A (T), and the path is illustrated. Similarly, the behavior pattern of the behavior gene B of the Tth generation was set to B (T). By the destination exchange processing, attention is paid to P (7), which is a common intersection between the two, and subsequent destinations are exchanged between A and B. Based on the exchanged result, a behavior gene of the (T + 1) th generation is generated as behavior patterns A (T + 1) and B (T + 1).
【0060】図9は、遺伝子交叉処理における寄り道情
報交換の処理内容を例を用いて説明した図である。FIG. 9 is a diagram for explaining, by way of example, the details of the process of exchanging detour information in the gene crossover process.
【0061】図9においても図8同様に、第T世代の行
動遺伝子Aの行動パターンをA(T)とし、行動遺伝子
Bの行動パターンをB(T)とした。寄り道情報交換に
より、2つの行動パターンを比較し、A,B共から、相
互に最も近い交差点の組((p1a,p1b),(p2
a,p2b)),を2つ選択する。この処理は全件探索を
用いても十分実時間で処理しうる(行動パターンの長さ
の二乗のオーダー)。そして、お互いの経路を交換する
ように、これらの交差点で相手の経路を取り込むように
する。このとき、双方が通ったことのない新しい経路を
通ることとなる。すなわち、経路(p1a−p1b)間
と、経路(p2a−p2b)間である。In FIG. 9, similarly to FIG. 8, the behavior pattern of the behavior gene A of the Tth generation is represented by A (T), and the behavior pattern of the behavior gene B is represented by B (T). By exchanging detour information, the two action patterns are compared, and a set of intersections ((p1a, p1b), (p2
a, p2b)), are selected. This processing can be performed in a sufficiently real time even if the whole case search is used (on the order of the square of the length of the action pattern). Then, the routes of the other party are taken in at these intersections so that the routes are exchanged. At this time, the vehicle passes through a new route that both have not passed. That is, the route is between the route (p1a-p1b) and the route (p2a-p2b).
【0062】本実施例のようにループを含んだ隣接行列
を用いて表現したグラフ構造データ内の特定の2点間の
経路探索は公知技術であり、例えば、カーナビゲーショ
ンシステムなどにおいて実用化されている。寄り道情報
交換の結果は、双方が知らない道を経由して行く形であ
るので、その道路がよいとはいいきれないため、ここで
は適合値の値に対して変更をかけない。The route search between two specific points in the graph structure data expressed by using an adjacency matrix including a loop as in the present embodiment is a known technique, and has been put to practical use in, for example, a car navigation system. I have. Since the result of the detour information exchange is a way of going through a road unknown to both sides, it is not possible to say that the road is good, so that the value of the adaptation value is not changed here.
【0063】交換した結果に基づいて、行動パターンA
(T+1),B(T+1)として第T+1世代の行動遺
伝子を生成する点は図8と同じである。Based on the result of the exchange, the behavior pattern A
The generation of the (T + 1) th generation behavior gene as (T + 1) and B (T + 1) is the same as in FIG.
【0064】図10は突然変異の処理を説明するフロー
チャートである。FIG. 10 is a flowchart for explaining the mutation process.
【0065】ステップ1001において、行動遺伝子を
読み込む。ステップ1002において、この遺伝子に突
然変異を起こすかどうかを決定する。あらかじめきめて
おいた発生頻度αに加えて、適合値の値の小さなものほ
ど突然変異が起きやすいように確率調整する。突然変異
が起きると、ステップ1003において、適当な乱数を
生成し、行動遺伝子の中の行動パターンから2点を無作
為に抽出する。In step 1001, a behavior gene is read. In step 1002, it is determined whether this gene is mutated. In addition to the predetermined occurrence frequency α, the probability is adjusted so that the smaller the value of the adaptation value is, the easier the mutation is to occur. When the mutation occurs, in step 1003, an appropriate random number is generated, and two points are randomly extracted from the behavior pattern in the behavior gene.
【0066】ステップ1004において、この2点間の
最短経路計算を行う。なお、本実施例では、人の行動パ
ターンを一つに絞り上げるような最適化問題ではなく、
傾向分析を行うために遺伝的アルゴリズムを利用してい
るものであり、この場合も必ずしも最短でなくとも準最
適解でもかまわない。ステップ1005において、算出
した最短経路で2点間の経路データを置き換える。ステ
ップ1006において、変異後の行動遺伝子を記録す
る。In step 1004, the shortest path between these two points is calculated. In the present embodiment, it is not an optimization problem that narrows down a person's behavior pattern to one.
A genetic algorithm is used to perform the trend analysis, and in this case, the solution is not necessarily shortest but may be a sub-optimal solution. In step 1005, the route data between the two points is replaced with the calculated shortest route. In step 1006, the behavior gene after mutation is recorded.
【0067】なお、この遺伝子操作は突飛な遺伝子を作
ることよりも、むしろ図9の寄り道情報交換の結果生成
しうる突飛な経路情報に対して、常識的な経路に戻すよ
う働きかけることを狙ったものである。Note that this genetic manipulation is intended not to create an unusual gene, but rather to work on returning the unusual route information that can be generated as a result of the detour information exchange shown in FIG. 9 to a common sense route. Things.
【0068】図11は経路、交差点ごとの分析、結果出
力を行う処理のフローチャートである。また、図12
は、出力結果画面例であり、両者を併せて以下で処理内
容を説明する。FIG. 11 is a flowchart of a process for analyzing and outputting the results for each route and intersection. FIG.
Is an example of an output result screen, and the contents of the processing will be described below together.
【0069】ステップ1101において、隣接行列Ad
(i,j)を読み込む。ステップ1102において、地
平面の緯度経度方向をXY軸、隣接行列の値をZ軸とみ
なして、Z軸方向の極値を計算する。このXYZ3次元
空間は、経路の評価値を示すものであり、例えば、図1
2(a)に示すように、人通りの多い経路の評価値は高
い。従って、Z軸方向の極値は、その界隈での中心的な
道路といえる。In step 1101, the adjacency matrix Ad
(I, j) is read. In step 1102, the extreme value in the Z-axis direction is calculated by regarding the latitude and longitude direction of the ground plane as the XY axes and the value of the adjacent matrix as the Z axis. This XYZ three-dimensional space indicates the evaluation value of the route.
As shown in FIG. 2A, the evaluation value of a route with many traffic is high. Therefore, the extreme value in the Z-axis direction can be said to be a central road in the neighborhood.
【0070】ステップ1103において、得られた極値
に基づいて、いくつかの閾値を決めておけば、例えば、
図12(b)のように、極値を示す道路を太く塗ったり
することができる。ここで、最大値でなく極値を計算し
ているのは、例えば、裏道のように、人通りが少ないが
価値のある経路についても極値で検出することができる
からである。もちろん、最大値も重要であるが、通常も
っとも人通りの多い道は、定点観測による単純な統計か
らも算出しうる。In step 1103, if some thresholds are determined based on the obtained extreme values, for example,
As shown in FIG. 12B, a road showing an extreme value can be painted thick. Here, the reason why the extreme value is calculated instead of the maximum value is that, for example, a route with little traffic but a valuable route, such as a back street, can be detected with the extreme value. Of course, the maximum value is also important, but usually the busiest road can be calculated from simple statistics from fixed point observations.
【0071】ステップ1104において、極値を示した
経路の通行人をプロファイルテーブルを参照することに
より分析する。ステップ1105において、その結果を
出力する。例えば、「駅1−駅2を通る人は、男性の2
0.9%である」、「ある住宅地にいる人の60.6%がこの道
を通る(あるいは通ってきた)」、といったような情報
が得られる。更にステップ1106において、最終世代
の行動遺伝子の動作経路を出力する。この結果は、例え
ば、図12(c)のように、個々の行動遺伝子を直接地
図上に動作させる形で出力してもよい。In step 1104, the pedestrians of the route showing the extreme value are analyzed by referring to the profile table. In step 1105, the result is output. For example, "People passing through Station 1 to Station 2 are 2
0.9% "," 60.6% of people in a residential area pass (or have passed) on this road ". Further, in step 1106, the operation path of the behavior gene of the last generation is output. This result may be output, for example, as shown in FIG. 12 (c), in which individual behavior genes are directly operated on a map.
【0072】[0072]
【発明の効果】本発明によれば、人の位置情報を連続的
に取得して得られた軌跡情報を収集し、これを分析する
ことにより、人の流れの傾向をより詳細に出力すること
ができる。ここでいう人の流れとは、ある経路を通る人
間の数や時間分布などについての情報である。その分析
の結果、例えば、「駅1−駅2を通る人は、男性の20.9
%である。」、「ある住宅地にいる人の60.6%がこの道を
通る(あるいは通ってきた)。」といったような情報が
得られる。According to the present invention, trajectory information obtained by continuously acquiring position information of a person is collected and analyzed to output the tendency of the flow of the person in more detail. Can be. Here, the flow of people is information on the number of people passing through a certain route, time distribution, and the like. As a result of the analysis, for example, “people who pass station 1 to station 2
%. And "60.6% of people in a residential area pass (or have passed) on this road."
【0073】また、口コミ情報交換モデルにより、収集
した軌跡情報が街を歩く人の一部分のものであっても、
全体の流れを推測することができる。人の流れをビジュ
アルに表現でき、従来より詳細な分析が可能となる。Further, according to the word-of-mouth information exchange model, even if the collected trajectory information is that of a part of a person walking in the city,
The whole flow can be inferred. Visualize the flow of people and enable more detailed analysis than before.
【0074】実際に取得した人の軌跡ではなく、環境変
化を意味する人為的なデータを一部に混ぜることによ
り、街全体の人の流れのシミュレーションが可能とな
る。例えば、新しく道を通した場合、街構造を表す隣接
行列の該当部分の値を0から1にすることにより、経路
評価ができる。すなわち、環境変化に対して柔軟に対応
できる人の流れ分析方法が提供できる。By mixing artificial data indicating environmental changes, instead of actually acquired trajectories of people, in part, it is possible to simulate the flow of people throughout the city. For example, when a new road is passed, the route evaluation can be performed by changing the value of the corresponding portion of the adjacent matrix representing the city structure from 0 to 1. That is, it is possible to provide a flow analysis method of people that can flexibly respond to environmental changes.
【0075】分析結果は、地図上に時々刻々と直接人の
流れを表示することができ、人の流れの多い場所は実際
に画面上に人がたくさん動く様子をビジュアルに表現す
ることができる。また、特定の経路や交差点について、
そこの通行者の特性分析を行うことができる。As a result of the analysis, the flow of people can be directly displayed on a map moment by moment, and in places where there are many flows of people, it is possible to visually represent how many people actually move on the screen. Also, for specific routes and intersections,
The characteristics of the passersby can be analyzed.
【図1】本実施例の全体的な構成と情報の流れを示す図
である。FIG. 1 is a diagram illustrating an overall configuration and a flow of information according to an embodiment.
【図2】街の構造の単純な例を示す図である。FIG. 2 is a diagram showing a simple example of a town structure.
【図3】図2の街に対応した隣接行列を示す図である。FIG. 3 is a diagram showing an adjacency matrix corresponding to the town in FIG. 2;
【図4】収集した人の軌跡データを格納する行動パター
ンテーブルを説明する図である。FIG. 4 is a diagram illustrating an action pattern table that stores collected human trajectory data.
【図5】行動遺伝子を持つ人の属性データを格納するプ
ロファイルテーブルを示す図である。FIG. 5 is a diagram showing a profile table for storing attribute data of a person having a behavior gene.
【図6】口コミ情報交換モデルを用いて人の流れ分析を
行うフローチャートである。FIG. 6 is a flowchart illustrating a flow analysis of people using a word-of-mouth information exchange model.
【図7】行動遺伝子の遺伝交叉を行う処理を説明するフ
ロー図である。FIG. 7 is a flowchart illustrating a process of performing genetic crossover of a behavior gene.
【図8】遺伝子交叉処理における目的地交換の処理内容
を例を用いて説明した図である。FIG. 8 is a diagram illustrating the contents of destination exchange processing in gene crossover processing using an example.
【図9】遺伝子交叉処理における寄り道情報交換の処理
内容を例を用いて説明した図である。FIG. 9 is a diagram illustrating, using an example, processing contents of detour information exchange in gene crossover processing.
【図10】突然変異の処理を説明するフローチャートで
ある。FIG. 10 is a flowchart illustrating a mutation process.
【図11】経路、交差点ごとの分析、結果出力を行う処
理のフローチャートである。FIG. 11 is a flowchart of a process for performing analysis and outputting results for each route and intersection.
【図12】出力結果画面例を示す図である。FIG. 12 is a diagram illustrating an example of an output result screen.
1…行動パターンテーブル、2…プロファイルテーブ
ル、3…口コミ情報交換モデル。1: Behavior pattern table, 2: Profile table, 3: Word-of-mouth information exchange model.
───────────────────────────────────────────────────── フロントページの続き (72)発明者 北澤 修司 東京都千代田区神田駿河台四丁目6番地 株式会社日立製作所システム事業部内 Fターム(参考) 2F029 AA07 AB07 AC02 AC06 AC20 5H180 AA21 BB05 BB15 DD02 FF04 FF10 FF27 9A001 FF08 GG05 KK37 KZ60 ────────────────────────────────────────────────── ─── Continuing on the front page (72) Inventor Shuji Kitazawa 4-6 Kanda Surugadai, Chiyoda-ku, Tokyo F-term in Hitachi Systems Co., Ltd. F-term (reference) 2F029 AA07 AB07 AC02 AC06 AC20 5H180 AA21 BB05 BB15 DD02 FF04 FF10 FF27 9A001 FF08 GG05 KK37 KZ60
Claims (2)
備した計算機システムにおいて、人の流れを調査するエ
リアについて、注目する交差点、道を選び、交差点を節
点、道を枝とみなしたグラフを作成する第1のステッ
プ、モニタのプロフィールと軌跡データを収集する第2
のステップ、該モニタが収集した軌跡の緯経度データを
該グラフの節点、枝に対応付ける第3のステップ、口コ
ミ情報交換モデルに基づいてデータ分布の傾向を集約さ
せる第4のステップ、統計処理により分析し、該ディス
プレイに出力する第5のステップを具備したことを特徴
とする人の流れ分析方法。In a computer system provided with a display, a memory, and a central processing unit, an intersection and a road of interest are selected for an area for investigating a flow of a person, and a graph is created in which the intersection is regarded as a node and the road is regarded as a branch. First step, second collecting monitor profile and trajectory data
Step, the third step of associating the latitude and longitude data of the trajectory collected by the monitor with the nodes and branches of the graph, the fourth step of aggregating data distribution trends based on a word-of-mouth information exchange model, and analysis by statistical processing And a fifth step of outputting to the display.
した軌跡データを行動遺伝子とする動線分析方法を具備
し、該動線分析方法は、第1世代の行動遺伝子を配置
し、その世代数Tを1とする第1のステップ、第T世代
の行動遺伝子から2個づつの組を作成し、情報交換を行
う第2のステップ、該第T世代の情報交換において、該
行動遺伝子の遺伝交叉により、第T+1世代の行動遺伝
子を2個生成する第3のステップ、該遺伝交叉において
相手の情報を取り込む時に、地形的な束縛を行う第4の
ステップ、該遺伝交叉の結果得られた該第T+1世代の
行動遺伝子の中の変らない経路について、該経路の評価
値を増やす第5のステップ、一定条件の下で、該第T+
1世代の行動遺伝子のうち、いくつかを突然変異させる
第6のステップ、世代数Tを1インクリメントし、終了
予定世代数Teになるまで、ステップ2以降を繰り返す
第7のステップ、から構成することを特徴とした人の流
れ分析方法。2. The method according to claim 1, further comprising a flow line analysis method using the collected trajectory data as a behavior gene, wherein the flow line analysis method includes arranging a first-generation behavior gene. In a first step in which the number of generations T is 1, a set of two sets of behavior genes of the Tth generation and a second step of exchanging information, in the information exchange of the Tth generation, A third step of generating two behavioral genes of the T + 1 generation by genetic crossing, a fourth step of performing geographical constraint when capturing information of the other party in the genetic crossing, and a result obtained from the genetic crossing. The fifth step of increasing the evaluation value of the pathway for the unchanged pathway in the behavior gene of the T + 1 generation, the T +
A sixth step of mutating some of the behavioral genes of one generation, a seventh step of incrementing the number of generations T by 1 and repeating steps 2 and thereafter until the number of generations to be terminated Te is reached Characteristic flow analysis method.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP12955199A JP2000322402A (en) | 1999-05-11 | 1999-05-11 | Stream of people analyzing method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP12955199A JP2000322402A (en) | 1999-05-11 | 1999-05-11 | Stream of people analyzing method |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2000322402A true JP2000322402A (en) | 2000-11-24 |
Family
ID=15012315
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP12955199A Pending JP2000322402A (en) | 1999-05-11 | 1999-05-11 | Stream of people analyzing method |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2000322402A (en) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002251387A (en) * | 2000-11-02 | 2002-09-06 | Saburo Saito | Method and device for investigating migration action and navigation system |
JP2002297869A (en) * | 2001-03-30 | 2002-10-11 | Japan Research Institute Ltd | Sales promotion support device, sales promotion support method, program for making computer carry out sales promotion support method, and computer-readable recording medium with the program recorded thereon |
JP2002297868A (en) * | 2001-03-30 | 2002-10-11 | Japan Research Institute Ltd | Sales promotion support device, sales promotion support method, program for making computer carry out sales promotion support method, and computer-readable recording medium with the program recorded thereon |
JP2007082197A (en) * | 2006-08-18 | 2007-03-29 | Nec Corp | Monitoring system and its method |
JP2009098446A (en) * | 2007-10-17 | 2009-05-07 | Sony Corp | Information providing system, information providing device, information providing method, terminal unit, and display method |
US8462048B2 (en) | 2001-12-31 | 2013-06-11 | Rdpa, Llc | Satellite positioning system and method for determining the demographics of individuals passing retail locations |
CN107590353A (en) * | 2017-10-19 | 2018-01-16 | 郑州云海信息技术有限公司 | The cluster of the server of air turbulence field stimulation method and use KNL processors |
WO2018155397A1 (en) * | 2017-02-24 | 2018-08-30 | 株式会社日立製作所 | Congestion forecasting system and pedestrian simulation device |
CN108597224A (en) * | 2018-05-02 | 2018-09-28 | 深圳市数字城市工程研究中心 | A kind of recognition methods to be improved the traffic conditions and system based on space-time trajectory data |
JP2018205956A (en) * | 2017-06-01 | 2018-12-27 | 富士通株式会社 | Regional characteristic prediction method, regional characteristic prediction device, and regional characteristic prediction program |
WO2020009246A1 (en) * | 2018-07-06 | 2020-01-09 | 日本電信電話株式会社 | Time-series learning device, time-series learning method, time-series prediction device, time-series prediction method, and program |
-
1999
- 1999-05-11 JP JP12955199A patent/JP2000322402A/en active Pending
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002251387A (en) * | 2000-11-02 | 2002-09-06 | Saburo Saito | Method and device for investigating migration action and navigation system |
JP2002297869A (en) * | 2001-03-30 | 2002-10-11 | Japan Research Institute Ltd | Sales promotion support device, sales promotion support method, program for making computer carry out sales promotion support method, and computer-readable recording medium with the program recorded thereon |
JP2002297868A (en) * | 2001-03-30 | 2002-10-11 | Japan Research Institute Ltd | Sales promotion support device, sales promotion support method, program for making computer carry out sales promotion support method, and computer-readable recording medium with the program recorded thereon |
US8462048B2 (en) | 2001-12-31 | 2013-06-11 | Rdpa, Llc | Satellite positioning system and method for determining the demographics of individuals passing retail locations |
JP2007082197A (en) * | 2006-08-18 | 2007-03-29 | Nec Corp | Monitoring system and its method |
JP2009098446A (en) * | 2007-10-17 | 2009-05-07 | Sony Corp | Information providing system, information providing device, information providing method, terminal unit, and display method |
US8847789B2 (en) | 2007-10-17 | 2014-09-30 | Sony Corporation | Information provision system, information provision device, information provision method, terminal device, and display method |
US9774690B2 (en) | 2007-10-17 | 2017-09-26 | Sony Corporation | Information provision system, information provision device, information provision method, terminal device, and display method |
WO2018155397A1 (en) * | 2017-02-24 | 2018-08-30 | 株式会社日立製作所 | Congestion forecasting system and pedestrian simulation device |
JP2018205956A (en) * | 2017-06-01 | 2018-12-27 | 富士通株式会社 | Regional characteristic prediction method, regional characteristic prediction device, and regional characteristic prediction program |
CN107590353A (en) * | 2017-10-19 | 2018-01-16 | 郑州云海信息技术有限公司 | The cluster of the server of air turbulence field stimulation method and use KNL processors |
CN108597224A (en) * | 2018-05-02 | 2018-09-28 | 深圳市数字城市工程研究中心 | A kind of recognition methods to be improved the traffic conditions and system based on space-time trajectory data |
CN108597224B (en) * | 2018-05-02 | 2020-05-19 | 深圳市数字城市工程研究中心 | Method and system for identifying to-be-improved traffic facilities based on space-time trajectory data |
WO2020009246A1 (en) * | 2018-07-06 | 2020-01-09 | 日本電信電話株式会社 | Time-series learning device, time-series learning method, time-series prediction device, time-series prediction method, and program |
JP2020009124A (en) * | 2018-07-06 | 2020-01-16 | 日本電信電話株式会社 | Time-series learning system, time-series learning method, time-series prediction system, time-series prediction method, and program |
JP7035864B2 (en) | 2018-07-06 | 2022-03-15 | 日本電信電話株式会社 | Time-series learning device, time-series learning method, time-series prediction device, time-series prediction method, and program |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cooper et al. | Using multiple hybrid spatial design network analysis to predict longitudinal effect of a major city centre redevelopment on pedestrian flows | |
Wen et al. | Understanding the topological characteristics and flow complexity of urban traffic congestion | |
Sevtsuk et al. | Predicting pedestrian flow along city streets: A comparison of route choice estimation approaches in downtown San Francisco | |
Yu | Assessing the implications of the recent community opening policy on the street centrality in China: A GIS-based method and case study | |
JP2000322402A (en) | Stream of people analyzing method | |
Clark et al. | Shortening the trip to school: Examining how children’s active school travel is influenced by shortcuts | |
Fuglsang et al. | Accessibility analysis and modelling in public transport networks–a raster based approach | |
Gharaibeh et al. | Developing an indicative spatial accessibility analysis tool for urban public transportation system | |
Zacharias et al. | Computer-simulated pedestrian behavior in shopping environment | |
Albalawneh et al. | A new federated genetic algorithm-based optimization technique for multi-criteria vehicle route planning using ArcGIS network analyst | |
Kaziyeva et al. | Large-scale agent-based simulation model of pedestrian traffic flows | |
Gao et al. | Distinguishing different types of city tourists through clustering and recursive logit models applied to Wi-Fi data | |
CN110309953B (en) | Urban security monitoring layout system and method adopting target mobility distribution prediction | |
Cheshmehzangi et al. | Urban traffic optimization based on modeling analysis of sector-based time variable: The case of simulated Ningbo, China | |
Labib et al. | Integrating spatially detailed micro-environmental attributes to a routable transport network for active travel modeling: A pilot study in Greater Manchester | |
CN115063175A (en) | Shop service range defining method, system, computer device and storage medium | |
Puusepp et al. | Simulating pedestrian movement | |
JP2005084769A (en) | Intermediation device and program therefor | |
Saito et al. | How Many Customers Would Be Brought Back from Suburban Shopping Malls to the City Center by Redeveloping the City Center Station Building, JR Oita City, Japan? A Multivariate Poisson Model with Competitive Destinations | |
Zaouche et al. | Bayesian spatio-temporal models for mapping urban pedestrian traffic | |
KR102410679B1 (en) | Prediction device of microscopic pedestrian's route choice at the center of subway station | |
WO2023228498A1 (en) | People flow prediction device, people flow prediction program, and people flow prediction method | |
Weston | What goes on inside a zone? The secrets of intrazonal modelling | |
Fang et al. | The shortest path or not? Analyzing the ambiguity of path selection in China's toll highway networks | |
Yu et al. | Multi-cycle optimal taxi routing with e-hailing |