JP2010020718A - Information processing device and information processing method - Google Patents

Information processing device and information processing method Download PDF

Info

Publication number
JP2010020718A
JP2010020718A JP2008183057A JP2008183057A JP2010020718A JP 2010020718 A JP2010020718 A JP 2010020718A JP 2008183057 A JP2008183057 A JP 2008183057A JP 2008183057 A JP2008183057 A JP 2008183057A JP 2010020718 A JP2010020718 A JP 2010020718A
Authority
JP
Japan
Prior art keywords
attribute
interest
person
time
customer
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
Application number
JP2008183057A
Other languages
Japanese (ja)
Inventor
Kurato Maeno
蔵人 前野
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Oki Electric Industry Co Ltd
Original Assignee
Oki Electric Industry Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Oki Electric Industry Co Ltd filed Critical Oki Electric Industry Co Ltd
Priority to JP2008183057A priority Critical patent/JP2010020718A/en
Priority to PCT/JP2009/061136 priority patent/WO2010007854A1/en
Publication of JP2010020718A publication Critical patent/JP2010020718A/en
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising

Abstract

<P>PROBLEM TO BE SOLVED: To provide an information processing device that is capable of estimating attributes of a measuring object in which a person is interested while calculating a person's interest in the measuring object, and an information processing method. <P>SOLUTION: The information processing device is provided with an interest-level calculation part, which calculates a person's interest-level with respect to one or a plurality of measuring objects for each measuring object on the basis of the positional relationship between a person and the one or the plurality of measuring objects and temporal changes in the positional relationship, an attribute storage part for storing one or a plurality of attributes regarding the measuring object and attribute values in the attributes, and a correlation calculation part that treats an interest level with respect to the measuring object as an interest level of the one or the plurality of attributes regarding the measuring object so as to calculate the relationship between the attributes or the correlation between the attributes and the interest level of the one or the plurality of attributes. <P>COPYRIGHT: (C)2010,JPO&INPIT

Description

本発明は、情報処理装置及び情報処理方法に関する。   The present invention relates to an information processing apparatus and an information processing method.

従来、顧客などの人や商品等のアイテムなどといった移動可能な物体の位置情報や動線を検知し、分析する技術がある。   Conventionally, there is a technique for detecting and analyzing position information and flow lines of movable objects such as people such as customers and items such as products.

例えば、特許文献１では、顧客が店舗内に入場してから退場するまでの間の行動を、人手によらず集計、分析することのできる顧客の購買行動分析システムが開示されている。このシステムでは、顧客は非接触ＩＣカードを持つ。そして、店内各所と清算箇所に設置された非接触ＩＣカードリーダにより、店舗内の購買前行動（位置・動線・滞留時間）、及び何を購入したかを取得する。精算後、顧客の購買前行動と購買結果を比較分析する。これにより、人手を介すことなく大量の顧客の購買行動データを収集でき、どのような経路を通ってどのような商品に関心を持ち、最終的に何を買い、何を（関心はあるが）買わなかったのかを、顧客ごとに分析できる。   For example, Patent Literature 1 discloses a customer purchase behavior analysis system that can aggregate and analyze the behavior from when a customer enters a store to when the customer leaves the store, without relying on human hands. In this system, the customer has a contactless IC card. Then, by using non-contact IC card readers installed at various locations in the store and at the checkout location, pre-purchase behavior (position, flow line, residence time) in the store and what has been purchased is acquired. After checkout, the customer's pre-purchase behavior and purchase results are compared and analyzed. This makes it possible to collect a large amount of customer purchase behavior data without human intervention, and to be interested in what product through what route, finally buy what, what (with interest) ) You can analyze for each customer whether you did not buy.

また、特許文献２では、顧客が無線受信装置を持ち、棚に設置された無線発信装置から発信される情報を受信すると、該当する棚近辺に顧客がいるということを検知する技術が開示されている。同一無線発信装置の情報を長時間受信していると、顧客は棚の前に滞留しているとみなし、棚にある商品に関心を持っていると判定される。また、清算時の購買情報と照合することで、実際に購入したのかどうかを判断することができ、購買行動を分析できる。   Patent Document 2 discloses a technique for detecting that a customer has a wireless receiver and receives information transmitted from a wireless transmitter installed on a shelf and that the customer is near the corresponding shelf. Yes. If the information of the same wireless transmission device is received for a long time, it is determined that the customer is staying in front of the shelf and is interested in the product on the shelf. Further, by checking with the purchase information at the time of liquidation, it is possible to determine whether or not the purchase is actually made, and the purchase behavior can be analyzed.

特開２００３−０１６２４３号公報JP 2003-016243 A 特開平８−１３７９１６号公報JP-A-8-137916

ところで、上述のような、従来の位置情報分析システムは、顧客の関心を判断する場合、分析対象とする商品毎の関心しか判断できなかった。   By the way, the conventional positional information analysis system as described above can determine only the interest of each product to be analyzed when determining the interest of the customer.

例えば、１００個の商品「商品００１」〜「商品１００」があるとして、それぞれの商品の前で顧客が滞留した場合、それぞれの商品について、商品前の滞留時間から商品毎の顧客の関心を推測できた。しかし、顧客が商品のどのような属性に関心を持っているかまでは判定できなかった。すなわち、顧客が商品の価格に関心を持ったのか、機能に関心を持ったのか、それともサイズや色、ブランドに関心を持ったのか、といった内容に踏み込んで判定することはできなかった。   For example, assuming that there are 100 products “product 001” to “product 100”, and a customer stays in front of each product, for each product, the customer's interest for each product is estimated from the residence time before the product. did it. However, it was not possible to determine what attributes the customer is interested in. In other words, it was not possible to determine whether the customer was interested in the price of the product, whether it was interested in the function, or whether it was interested in the size, color, or brand.

そこで、本発明は、上記問題に鑑みてなされたものであり、本発明の目的とするところは、人の測定対象に対する関心を算出すると共に、人が関心を持った測定対象の属性を推測することが可能な、新規かつ改良された情報処理装置及び情報処理方法を提供することにある。   Therefore, the present invention has been made in view of the above problems, and an object of the present invention is to calculate the interest of a person to be measured and to estimate the attribute of the person to which the person is interested. It is an object of the present invention to provide a new and improved information processing apparatus and information processing method.

上記課題を解決するために、本発明のある観点によれば、人と１又は複数の測定対象との位置関係と、位置関係の時間変化とに基づいて、人の測定対象に対する関心度を測定対象毎に算出する関心度算出部と、測定対象に関する１又は複数の属性と、属性が有する属性値を記憶する属性記憶部と、測定対象に対する関心度を、測定対象に関する１又は複数の属性の関心度として扱い、属性間の関係性、又は属性と１若しくは複数の属性の関心度の相関を算出する相関算出部とを備える情報処理装置が提供される。   In order to solve the above problems, according to an aspect of the present invention, the degree of interest in a person's measurement object is measured based on the positional relationship between the person and one or more measurement objects and the temporal change in the positional relationship. An interest level calculation unit that calculates for each target, one or more attributes related to the measurement target, an attribute storage unit that stores attribute values of the attribute, and an interest level for the measurement target are set to one or more attributes related to the measurement target. There is provided an information processing apparatus that is treated as an interest level and includes a correlation calculation unit that calculates a relationship between attributes or a correlation between an attribute and an interest level of one or more attributes.

上記相関算出部で算出された相関に基づいて、人の任意の測定対象に関する任意の属性の関心度を、任意の属性が有する属性値から予測する関心度予測部を更に備えてもよい。   An interest level predicting unit that predicts an interest level of an arbitrary attribute related to an arbitrary measurement target of a person from an attribute value of the arbitrary attribute based on the correlation calculated by the correlation calculating unit.

上記属性は、複数の属性の一部の集合である属性グループであってもよい。
上記関心度算出部は、人と１つの測定対象の距離が所定の閾値を満たしている１又は複数回の期間の時間を計測し線形若しくは非線形変換等を用いて関心度を算出してもよい。
上記関心度算出部は、人と１つの測定対象の距離が所定の閾値を満たしている１又は複数回の期間の回数を計測し線形若しくは非線形変換等を用いて関心度を算出してもよい。 The attribute may be an attribute group that is a partial collection of a plurality of attributes.
The degree-of-interest calculation unit may measure the time of one or a plurality of periods in which the distance between a person and one measurement target satisfies a predetermined threshold, and calculate the degree of interest using linear or non-linear conversion or the like. .
The degree-of-interest calculation unit may measure the number of times of one or a plurality of periods in which the distance between a person and one measurement target satisfies a predetermined threshold, and calculate the degree of interest using linear or non-linear conversion or the like. .

上記測定対象は、所定のアイテム、人物又は領域であってもよい。   The measurement object may be a predetermined item, a person, or a region.

また、上記課題を解決するために、本発明の別の観点によれば、人と１つの所定領域との位置関係と、位置関係の時間変化とに基づいて、人の１つの所定領域に対する関心度を算出する関心度算出部と、所定領域に関する１又は複数の属性と、属性が有する属性値を記憶する属性記憶部と、複数の所定領域についてのそれぞれの関心度と属性値との相関を算出する相関算出部とを備える情報処理装置が提供される。   In order to solve the above-described problem, according to another aspect of the present invention, a person's interest in one predetermined region based on a positional relationship between the person and one predetermined region and a temporal change in the positional relationship. An interest level calculation unit for calculating a degree, an attribute storage unit for storing one or a plurality of attributes related to a predetermined area, an attribute value of the attribute, and a correlation between each interest level and attribute value for the plurality of predetermined areas There is provided an information processing apparatus including a correlation calculating unit for calculating.

また、上記課題を解決するために、本発明の別の観点によれば、人と１又は複数の測定対象の距離が所定の閾値を満たしている時間を同伴時間として計測する同伴時間計測部と、所定領域内に人と測定対象が同時に存在している時間を同時存在時間として計測する同時存在時間計測部と、同伴時間と同時存在時間との関係に基づいて、人と測定対象の間の関係度を算出する関係度算出部とを備える情報処理装置が提供される。   In order to solve the above-described problem, according to another aspect of the present invention, an accompanying time measuring unit that measures, as an accompanying time, a time when a distance between a person and one or a plurality of measurement objects satisfies a predetermined threshold; , Based on the relationship between the coexistence time and the coexistence time, the coexistence time measurement unit that measures the time that the person and the measurement object are present simultaneously in the predetermined area as the coexistence time, An information processing apparatus is provided that includes a relation degree calculation unit that calculates a relation degree.

上記人及び測定対象のうち少なくともいずれかが複数であるとき、人と測定対象との関係度に基づいて、人と測定対象を複数のグループに分類する分類部を更に備えてもよい。   When at least one of the person and the measurement object is plural, a classification unit may be further provided that classifies the person and the measurement object into a plurality of groups based on the degree of relationship between the person and the measurement object.

上記属性は、数量で直接比較できない性質を有し、測定対象の色、機能、ブランドなどであってもよい。
上記属性は、数量で直接比較できる性質を有し、測定対象の容量、価格、サイズ、重量、消費電力、値引率などであってもよい。 The attribute has a property that cannot be directly compared by quantity, and may be a color, a function, a brand, or the like of a measurement target.
The attribute has a property that can be directly compared with the quantity, and may be the capacity, price, size, weight, power consumption, discount rate, etc. of the measurement target.

また、上記課題を解決するために、本発明の別の観点によれば、第１の顧客と、第１の顧客と異なる１又は複数の第２の顧客の距離が所定の閾値を満たしている時間を同伴時間として計測する同伴時間計測部と、所定領域内に第１の顧客と第２の顧客が同時に存在している時間を同時存在時間として計測する同時存在時間計測部と、同伴時間と同時存在時間との関係に基づいて、第１の顧客と第２の顧客の間の関係度を算出する関係度算出部とを備える情報処理装置が提供される。   In order to solve the above problem, according to another aspect of the present invention, the distance between the first customer and one or more second customers different from the first customer satisfies a predetermined threshold. A companion time measurement unit that measures time as a companion time, a simultaneous existence time measurement unit that measures a time in which a first customer and a second customer are simultaneously present in a predetermined area, and a companion time; An information processing apparatus is provided that includes a relationship degree calculation unit that calculates a degree of relationship between a first customer and a second customer based on the relationship with the simultaneous existence time.

上記第１の顧客及び第２の顧客と、１又は複数のアイテムとの位置関係と、位置関係の時間変化とに基づいて、第１の顧客及び第２の顧客のアイテムに対する関心度をアイテム毎に算出する関心度算出部と、アイテムに関する１又は複数の属性と、属性が有する属性値を記憶する属性記憶部と、アイテムに対する関心度を、アイテムに関する１又は複数の属性の関心度として扱い、属性間の関係性、又は属性と１若しくは複数の属性の関心度の相関を第１の顧客又は第２の顧客毎に算出する相関算出部と、第１の顧客又は第２の顧客毎の相関に基づいて、任意のアイテムと第１の顧客又は第２の顧客の関心度との関係を算出し、第１の顧客又は第２の顧客のうち最も関心度の高い第１の顧客又は第２の顧客を抽出する顧客アイテム関係算出部とを備えてもよい。   Based on the positional relationship between the first customer and the second customer and one or more items, and the temporal change in the positional relationship, the degree of interest in the items of the first customer and the second customer is determined for each item. An interest level calculation unit for calculating the item, an attribute storage unit for storing one or more attributes related to the item, an attribute value of the attribute, and an interest level for the item as the interest level of the one or more attributes related to the item, Correlation between attributes, or a correlation calculation unit for calculating a correlation between an attribute and an interest level of one or more attributes for each first customer or second customer, and a correlation for each first customer or second customer Based on the above, a relationship between an arbitrary item and the interest level of the first customer or the second customer is calculated, and the first customer or the second customer who is most interested in the first customer or the second customer is calculated. Customer Item Relationship Calculator that extracts customers It may be provided.

また、上記課題を解決するために、本発明の別の観点によれば、関心度算出部が、人と１又は複数の測定対象との位置関係と、位置関係の時間変化とに基づいて、人の測定対象に対する関心度を測定対象毎に算出するステップと、属性記憶部が、測定対象に関する１又は複数の属性と、属性が有する属性値を記憶するステップと、相関算出部が、測定対象に対する関心度を、測定対象に関する１又は複数の属性の関心度として扱い、属性間の関係性、又は属性と１若しくは複数の属性の関心度の相関を算出するステップとを含む情報処理方法が提供される。   In order to solve the above problem, according to another aspect of the present invention, the interest degree calculation unit is based on a positional relationship between a person and one or a plurality of measurement objects, and a temporal change in the positional relationship. A step of calculating the degree of interest in a human measurement target for each measurement target; an attribute storage unit storing one or a plurality of attributes related to the measurement target; and an attribute value of the attribute; and a correlation calculation unit including a measurement target An information processing method including the step of calculating the interest level of the object as the interest level of one or more attributes related to the measurement target and calculating the relationship between the attributes or the correlation between the attributes and the interest level of the one or more attributes. Is done.

また、上記課題を解決するために、本発明の別の観点によれば、同伴時間計測部が、人と１又は複数の測定対象の距離が所定の閾値を満たしている時間を同伴時間として計測するステップと、同時存在時間計測部が、所定領域内に人と測定対象が同時に存在している時間を同時存在時間として計測するステップと、関係度算出部が、同伴時間と同時存在時間との関係に基づいて、人と測定対象の間の関係度を算出するステップとを含む情報処理方法が提供される。   In order to solve the above-described problem, according to another aspect of the present invention, the accompanying time measurement unit measures, as the accompanying time, the time during which the distance between the person and one or a plurality of measurement objects satisfies a predetermined threshold. A step in which the simultaneous existence time measurement unit measures the time in which the person and the measurement object are present simultaneously in the predetermined area as the simultaneous existence time, and the relationship calculation unit determines that the accompanying time and the simultaneous existence time are An information processing method including a step of calculating a degree of relationship between a person and a measurement object based on the relationship is provided.

本発明によれば、人の測定対象に対する関心を算出すると共に、人が関心を持った測定対象の属性を推測することができる。   According to the present invention, it is possible to calculate an interest of a person to be measured and to estimate an attribute of the measurement object that the person is interested in.

以下に添付図面を参照しながら、本発明の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。   Exemplary embodiments of the present invention will be described below in detail with reference to the accompanying drawings. In addition, in this specification and drawing, about the component which has the substantially same function structure, duplication description is abbreviate | omitted by attaching | subjecting the same code | symbol.

まず、本発明の第１の実施形態に係る位置情報分析システムについて説明する。
本実施形態の位置情報分析システムは、顧客などの人や商品等の物品などといった移動可能な物体の位置情報や動線を多量に検知・分析し、意図や意味を解析する。 First, the positional information analysis system according to the first embodiment of the present invention will be described.
The position information analysis system of the present embodiment detects and analyzes a large amount of position information and flow lines of movable objects such as customers such as customers and articles such as products, and analyzes the intention and meaning.

本実施形態では、（１）人の関心の対象となる物品（アイテム）、人物や場所（領域）等の測定対象を、属性（例えば、商品の色、価格、機能、容量、ブランド、サイズ、場所の広さ等）の集合と捉える。また、（２）人が物品、人物や場所のどのような属性に関心を持ったのかを推定する。更に、（３）複数人の関心と行動との関係から、人が誰の意思に基づいて行動したのかを推定することができる。   In the present embodiment, (1) an object (item), a person or a place (area) that is a target of human interest, and a measurement target such as a color, price, function, capacity, brand, size, Think of it as a set of places. (2) It is estimated what attribute the person, the person, or the place is interested in. Further, (3) it is possible to estimate from which person's intention the person has acted based on the relationship between the interests and actions of a plurality of people.

ここで、「アイテム」とは、スーパーマーケットなどで陳列された食品、雑貨などの有体物の商品であり、海外旅行ツアーなどの無体物の商品やサービスであり、更に店内に陳列、配置された商品を紹介するパンフレット、パネル、ビデオ画面などである。人は、関心を持ったアイテムの前に足をとめる。また、「人物」とは、商品やサービスの詳しい説明をする店員や販売員などである。更に、「領域」とは、商品が陳列された商品棚、店舗内の所定のコーナー、店員等が商品等の説明をするエリアなどである。人物や領域についても、アイテムと同様に、人は関心を持った人物の前や領域内に足をとめることになる。   Here, “items” are tangible products such as food and sundries displayed at supermarkets, intangible products and services such as overseas travel tours, and products displayed and arranged in the store. Brochures, panels and video screens to introduce. People stop in front of the items they are interested in. The “person” is a store clerk or sales clerk who gives a detailed explanation of a product or service. Further, the “area” is a product shelf on which products are displayed, a predetermined corner in the store, an area where a store clerk, etc. explains the products. As for the person and the area, like the item, the person stops in front of the person who is interested or in the area.

本実施形態を小売業に適用した例では、顧客が商品のどの属性に関心をもったのかを推定でき、更に、実際の購買者と実際の購買者の家族や友人関係の中で誰が購入決定を行ったのかを、実際の購買者とは切り離して推定できる。これにより、小売業者は、適切な人に適切な販促等のアプローチが可能となる。   In the example in which the present embodiment is applied to the retail business, it is possible to estimate which attribute of the customer is interested in the product, and further, who decides the purchase among the actual purchaser and the family or friendship of the actual purchaser. Can be estimated separately from the actual buyer. As a result, the retailer can take an appropriate approach such as sales promotion to an appropriate person.

本実施形態の上記の推定のステップは、大きく分けて以下の３ステップを有する。
（１）人単位に商品の属性に対する関心を推定する第１のステップ
（２）人のグループ構成（家族・友人など）を推定する第２のステップ
（３）グループ内の購買決定者を推定する第３のステップ The estimation step of the present embodiment is roughly divided into the following three steps.
(1) First step of estimating interest in product attributes in units of people (2) Second step of estimating group composition (family, friends, etc.) of people (3) Estimating purchase decision makers in the group Third step

そして、第１のステップは、以下の４ステップを有する。
（１−１）人の位置と商品又は場所の位置の位置関係の遷移により、商品単位に関心度を計測するステップ
（１−２）商品又は場所単位の関心度を、商品又は場所の複数の属性からなる属性セット（商品：色、価格、機能、容量、ブランド、サイズなど、場所：イベント内容、紹介される商品など）に対する関心度に変換するステップ
（１−３）属性セットに対する関心度から、属性単位の関心度を推定するステップ
（１−４）属性単位の関心度から、個人の関心プロファイルを作成し保存するステップ The first step has the following four steps.
(1-1) A step of measuring the degree of interest in the product unit based on the transition of the positional relationship between the position of the person and the position of the product or place. (1-2) Step of converting into an attribute set consisting of attributes (product: color, price, function, capacity, brand, size, etc .: place: event contents, introduced product, etc.) (1-3) From the interest level for the attribute set Step of estimating the interest level in attribute units (1-4) Step of creating and storing an individual interest profile from the interest level in attribute units

また、第２のステップは、以下の２ステップを有する。
（２−１）人の位置関係の遷移により、人間関係の距離を計測するステップ
（２−２）人間関係の距離から、人のグループ構成（家族・友人など）を推定するステップ The second step has the following two steps.
(2-1) A step of measuring a human relationship distance based on a transition of a person's positional relationship (2-2) A step of estimating a human group structure (family, friends, etc.) from the human relationship distance

更に、第３のステップは、以下の２ステップを有する。
（３−１）グループを構成するメンバの関心プロファイルと、商品の属性を比較するステップ
（３−２）商品を購入するとしたら、だれが購入決定をするか推定するステップ Furthermore, the third step has the following two steps.
(3-1) Step of comparing interest profiles of members constituting group and product attributes (3-2) Step of estimating who makes a purchase decision when purchasing a product

（第１のステップ）
上記第１のステップを実行させる本実施形態の位置情報分析システムの構成について説明する。図１は、本実施形態に係る位置情報分析システムの構成を示すブロック図である。 (First step)
A configuration of the positional information analysis system according to the present embodiment that executes the first step will be described. FIG. 1 is a block diagram showing the configuration of the positional information analysis system according to this embodiment.

本実施形態に係る位置情報分析システムは、位置検知部１０と、周辺情報記憶部２００と、関心計測部１００と、属性情報記憶部２０１と、属性変換部１０１と、属性分類情報記憶部２０２と、分析部１０２と、関心プロファイル生成部１０３と、関心プロファイル記憶部２０３などから構成される。   The position information analysis system according to the present embodiment includes a position detection unit 10, a peripheral information storage unit 200, an interest measurement unit 100, an attribute information storage unit 201, an attribute conversion unit 101, and an attribute classification information storage unit 202. The analysis unit 102, the interest profile generation unit 103, the interest profile storage unit 203, and the like.

位置検知部１０は、人や物品（商品、カート、バスケットなど）の位置を、個体を識別して記録する。周辺情報記憶部２００は、商品の配置等を記憶する。関心計測部１００は、商品の配置と人や物品の位置に基づいて、商品単位の関心を人単位に計測する。属性情報記憶部２０１は、商品の属性セット（色、価格、機能、容量、ブランド、サイズ、等）を記憶する。属性変換部１０１は、商品の属性と商品毎の関心に基づいて、属性セットの関心へ変換を人毎に行う。属性分類情報記憶部２０２は、商品の属性間の関係性を記憶する。分析部１０２は、人毎に、複数の属性セットへの関心を分析し、属性単位への関心を推定する。関心プロファイル生成部１０３は、属性単位の関心推定結果を人毎に生成する。関心プロファイル記憶部２０３は、人毎の関心プロファイルを人毎に保存する。   The position detection unit 10 identifies and records the position of a person or an article (product, cart, basket, etc.). The peripheral information storage unit 200 stores the arrangement of products. The interest measurement unit 100 measures the interest of each product in units of people based on the arrangement of the products and the positions of people and articles. The attribute information storage unit 201 stores a product attribute set (color, price, function, capacity, brand, size, etc.). The attribute conversion unit 101 converts the interest of the attribute set into the interest of each person based on the attribute of the product and the interest of each product. The attribute classification information storage unit 202 stores relationships between product attributes. The analysis unit 102 analyzes the interest in a plurality of attribute sets for each person and estimates the interest in the attribute unit. The interest profile generation unit 103 generates an interest estimation result in attribute units for each person. The interest profile storage unit 203 stores an interest profile for each person for each person.

次に、本実施形態に係る位置情報分析システムの各構成要件について詳しく説明する。
位置検知部１０は、人や物品の位置情報を検知する。位置検知部１０が検出するのは、人や物品の座標と、人や物品に付随する識別子１である。位置検知部１０は、図２に示すように、識別子毎に位置を検出した時刻と合わせて、座標、識別子１、時刻の組み合わせを位置情報として出力する。図２は、本実施形態の位置検知部１０が出力する位置情報の例を示す説明図である。 Next, each component of the positional information analysis system according to the present embodiment will be described in detail.
The position detection unit 10 detects position information of a person or an article. The position detection unit 10 detects the coordinates of the person or article and the identifier 1 associated with the person or article. As shown in FIG. 2, the position detection unit 10 outputs a combination of coordinates, identifier 1, and time as position information together with the time at which the position is detected for each identifier. FIG. 2 is an explanatory diagram illustrating an example of position information output by the position detection unit 10 of the present embodiment.

位置検知部１０による位置検知の方法として、例えば人がデバイスを所持し、デバイスの位置及び識別子を人の位置及び識別子として検知する技術を用いることができる。上記デバイスとしては、超音波タグ（古河機械金属株式会社によるＺＰＳ（zone positioning system）技術など）や、インパルス無線型のＵＷＢ（ultra wideband）タグ、Ｗｉ−Ｆｉタグ、Ｗｉ−Ｆｉ搭載の携帯電話、パッシブＲＦＩＤ（radio−frequency identification）などがある。   As a method of position detection by the position detection unit 10, for example, a technique in which a person possesses a device and detects the position and identifier of the device as the position and identifier of the person can be used. The above devices include ultrasonic tags (ZPS (zone positioning system) technology by Furukawa Machine Metal Co., Ltd.), impulse radio UWB (ultra wideband) tags, Wi-Fi tags, mobile phones equipped with Wi-Fi, There are passive RFID (radio-frequency identification).

位置検知部１０による位置検知のその他の方法として、監視カメラ等による人物・物体認識とトラッキングの組み合わせによって、人を特定する識別子と位置を検知する技術を用いてもよい。また、カーペット等に埋め込まれた感圧センサと個人認証装置を組み合わせて、感圧センサによる匿名のトラッキングと、各所に配置した個人認証装置の認証結果に基づいて、人別の位置を推定する技術などを用いてもよい。   As another method of position detection by the position detection unit 10, a technique for detecting an identifier for identifying a person and a position by a combination of person / object recognition and tracking by a monitoring camera or the like may be used. Also, a technology that estimates the position of each person based on the anonymous tracking by the pressure sensor and the authentication result of the personal authentication device placed in each place, combining the pressure sensor embedded in the carpet and the personal authentication device Etc. may be used.

位置検知対象である人の種類としては、顧客や店舗の店員、従業者などがある。また、位置検知対象である物品としては、商品、可搬設備・器具、小売店舗内であれば特にカートやショッピングバスケットなどがある。   The types of people who are position detection targets include customers, store clerk, and employees. In addition, examples of articles that are position detection targets include merchandise, portable equipment / equipment, and carts and shopping baskets in particular in retail stores.

カートやショッピングバスケットの位置は、それを運搬する人の位置とみなしてもよい。例えばカート等に位置検知デバイスを取り付ける場合は、そこに個人を特定するための仕組み（カードリーダ、各種個人認証装置など）を入れることで、カート等の位置を人の位置として扱うこともできる。この場合、カートの識別子は人の識別子と異なるが、各種個人認証装置によってカートの識別子と人の識別子を変換する変換テーブルを構築することで、変換可能である。   The position of the cart or shopping basket may be considered as the position of the person carrying it. For example, when a position detection device is attached to a cart or the like, the position of the cart or the like can be handled as a person's position by inserting a mechanism for identifying an individual (a card reader, various personal authentication devices, etc.). In this case, the identifier of the cart is different from the identifier of the person, but can be converted by constructing a conversion table for converting the identifier of the cart and the identifier of the person by various personal authentication devices.

また、座標は、（緯度・経度・高度）といった地球上で一意に定まる座標系を用いてもよいし、特定の箇所を原点とした相対座標系を用いてもよい。また、識別子１は、人か物品を判別するフラグなどを含んでもよい。更に、識別子１は、データベースなどの手段を用いて、人や物品、そしてそれらの属性が予め記録されていてもよい。   The coordinates may be a coordinate system uniquely determined on the earth such as (latitude / longitude / altitude), or a relative coordinate system with a specific location as the origin. In addition, the identifier 1 may include a flag for discriminating a person or an article. Further, the identifier 1 may be recorded in advance with a person or an article and their attributes using means such as a database.

周辺情報記憶部２００と、関心計測部１００と、属性情報記憶部２０１と、属性変換部１０１と、属性分類情報記憶部２０２と、分析部１０２と、関心プロファイル生成部１０３と、関心プロファイル記憶部２０３は、例えばサーバ装置などのコンピュータで実行される。コンピュータは、ＣＰＵ、メモリ、入出力Ｉ／Ｆ、表示部、ネットワーク接続部、記憶部などからなる。周辺情報記憶部２００と、属性情報記憶部２０１と、属性分類情報記憶部２０２と、関心プロファイル記憶部２０３は、例えば、ＨＤＤ（ハードディスクドライブ）、フラッシュメモリなどの記憶媒体や記録再生装置で構成される。   Peripheral information storage unit 200, interest measurement unit 100, attribute information storage unit 201, attribute conversion unit 101, attribute classification information storage unit 202, analysis unit 102, interest profile generation unit 103, interest profile storage unit 203 is executed by a computer such as a server device. The computer includes a CPU, a memory, an input / output I / F, a display unit, a network connection unit, a storage unit, and the like. The peripheral information storage unit 200, the attribute information storage unit 201, the attribute classification information storage unit 202, and the interest profile storage unit 203 include, for example, a storage medium such as an HDD (hard disk drive) and a flash memory, and a recording / playback device. The

周辺情報記憶部２００は、商品の配置などの環境情報を記憶する。環境情報としては、図３に示すように、少なくとも環境中の物品や場所を識別する識別子２と、物品の位置や場所の範囲を表わす座標が記憶される。図３は、本実施形態の周辺情報記憶部２００が記憶する情報を示す説明図である。   The peripheral information storage unit 200 stores environmental information such as product arrangement. As the environment information, as shown in FIG. 3, at least an identifier 2 for identifying an article or place in the environment and coordinates representing the range of the article position or place are stored. FIG. 3 is an explanatory diagram illustrating information stored in the peripheral information storage unit 200 according to the present embodiment.

環境情報は、例えば小売店舗内に配置されている商品棚に置かれる商品を示す識別子２と、その商品が置かれる商品棚の座標とすることができる。小売店の他の例では、パンコーナーや鮮魚コーナー、試食コーナー、イベントコーナー、喫煙コーナー、トイレ、ロッカーコーナーなどといった場所を示す識別子２と、場所の範囲の座標とすることもできる。座標は、一個の座標、又は複数個の座標とする場合もあるし、範囲を示す値により矩形や円形、曲線などで囲まれた任意形状のエリアを示す場合もある。また、場所とは、店舗における店員や販売員などが商品又はサービスを説明するエリアであってもよい。   The environment information can be, for example, an identifier 2 indicating a product placed on a product shelf arranged in a retail store, and coordinates of the product shelf on which the product is placed. In another example of a retail store, an identifier 2 indicating a place such as a bread corner, a fresh fish corner, a tasting corner, an event corner, a smoking corner, a toilet, a locker corner, and the like, and coordinates of the range of the place may be used. The coordinates may be a single coordinate or a plurality of coordinates, and may indicate an area of an arbitrary shape surrounded by a rectangle, a circle, a curve, or the like by a value indicating a range. Further, the place may be an area where a store clerk, a sales clerk, or the like in the store explains the product or service.

関心計測部１００は、位置検知部１０で検知した物品の位置、又は周辺情報記憶部２００に保持している物品や場所の位置を、位置検知部１０で検知した人の位置と比較し、人単位に物品や場所毎の関心度を計測する。関心計測部１００は、関心度算出部の一例である。   The interest measurement unit 100 compares the position of the article detected by the position detection unit 10 or the position of the article or place held in the peripheral information storage unit 200 with the position of the person detected by the position detection unit 10. Measure the degree of interest for each item or place in units. The interest measurement unit 100 is an example of an interest level calculation unit.

物品の位置を位置検知部１０で検知した場合は、位置検知部１０で検知した人の位置と、位置検知部１０で検知した物品の位置を比較することができる。また、物品や場所の位置が周辺情報記憶部２００に保持されている場合は、位置検知部１０で検知した人の位置と、周辺情報記憶部２００に保持されている物品や場所の位置を比較することができる。   When the position of the article is detected by the position detection unit 10, the position of the person detected by the position detection unit 10 and the position of the article detected by the position detection unit 10 can be compared. When the position of the article or place is held in the peripheral information storage unit 200, the position of the person detected by the position detection unit 10 is compared with the position of the article or place held in the peripheral information storage unit 200. can do.

関心度は、例えば人と、物品や場所の距離が一定の閾値以下である時間を計測して、計測された時間に基づいて算出できる。
例えば、人Ａの時刻ｔＡにおける座標を（ｘｔＡ，ｙｔＡ，ｚｔＡ）とし、場所Ｂの座標を（ｘＢ，ｙＢ，ｚＢ）とすると、時刻ｔＡにおける人Ａと場所Ｂの距離をＤ（ｔＡ，Ａ，Ｂ）と定義したとき、距離Ｄは、下の式で表わすことができる。
Ｄ（ｔＡ，Ａ，Ｂ）＝（（ｘｔＡ−ｘＢ）２＋（ｙｔＡ−ｙＢ）２＋（ｚｔＡ−ｚＢ）２）１／２ The degree of interest can be calculated based on the measured time, for example, by measuring the time during which the distance between the person and the article or place is below a certain threshold.
For example, if the coordinates of person A at time t A are (x tA , y tA , z tA ) and the coordinates of place B are (x B , y B , z B ), person A and place B at time t A Is defined as D (t A , A, B), the distance D can be expressed by the following equation.
D (t A , A, B) = ((x tA −x B ) 2 + (y tA −y B ) 2 + (z tA −z B ) 2 ) 1/2

例えば、距離の閾値は５０ｃｍ、関心度は滞在秒数に対応する場合について説明する。図４（Ｂ）に示すように、人Ａが場所Ｂに向かって移動したとき、場所Ｂから距離５０ｃｍの範囲内に入った時刻を図４（Ａ）に示すように開始時刻とし、その後、場所Ｂから距離５０ｃｍの範囲外に出た時刻を終了時刻とする。そして、終了時刻から開始時刻を引いた時間を滞在時間として算出する。滞在時刻が３０秒の場合、人Ａが場所Ｂに対する関心度を例えば３０とすることができる。図４は、本実施形態の関心計測部１００による関心度の計算方法の例を示す説明図である。図４（Ａ）は、距離Ｄと時間ｔＡの関係を示し、図４（Ｂ）は、人Ａと場所Ｂの関係を示す平面図である。 For example, a case where the distance threshold corresponds to 50 cm and the interest level corresponds to the staying seconds will be described. As shown in FIG. 4B, when the person A moves toward the place B, the time when the person A enters the range of a distance of 50 cm from the place B is set as the start time as shown in FIG. The time when the user goes out of the range of the distance 50 cm from the place B is defined as the end time. Then, the time obtained by subtracting the start time from the end time is calculated as the stay time. When the staying time is 30 seconds, the degree of interest of the person A with respect to the place B can be set to 30, for example. FIG. 4 is an explanatory diagram illustrating an example of an interest level calculation method by the interest measurement unit 100 according to the present embodiment. 4A shows a relationship between the distance D and the time t A , and FIG. 4B is a plan view showing a relationship between the person A and the place B. FIG.

また、関心度は、１日あたりの滞在秒数と訪問回数の２次元で表すこともできる。例えば、人が１０秒、２０秒、２０秒の計３回訪問した場合は、関心度は（５０，３）と表すことができる。図５は、本実施形態の関心計測部１００が出力する情報の一例を示す説明図である。関心度は、識別子１毎に、識別子２別に集計され、出力される。出力される時刻は、滞在開始時間でもよいし、滞在終了時間でもよい。   In addition, the degree of interest can also be expressed in two dimensions: the number of stays per day and the number of visits. For example, when a person visits a total of three times of 10 seconds, 20 seconds, and 20 seconds, the degree of interest can be expressed as (50, 3). FIG. 5 is an explanatory diagram illustrating an example of information output by the interest measurement unit 100 of the present embodiment. The degree of interest is aggregated and output for each identifier 1 and for each identifier 2. The output time may be a stay start time or a stay end time.

また、１週間や１ヶ月、１年単位での訪問回数や時間を用い、更に高い多次元で表現してもよい。計測される関心度は、リアルタイムに計算されて出力されてもよいし、位置情報を蓄積した上で、まとめて計算され出力されてもよい。また、リアルタイムに計算された結果が蓄積され、結果がまとめて出力されてもよい。   Alternatively, the number of visits and time in units of one week, one month, and one year may be used to express in a higher multidimensional manner. The degree of interest to be measured may be calculated and output in real time, or may be calculated and output collectively after accumulating position information. Moreover, the results calculated in real time may be accumulated and the results may be output collectively.

属性情報記憶部２０１は、属性記憶部の一例であり、物品や場所の１又は複数の属性（カテゴリ、色、価格、機能、容量、ブランド、サイズ等）を保持する。図６は、本実施形態に係る属性情報記憶部２０１が保持する情報の一例を示す説明図である。   The attribute information storage unit 201 is an example of an attribute storage unit, and holds one or more attributes (category, color, price, function, capacity, brand, size, etc.) of an article or a place. FIG. 6 is an explanatory diagram illustrating an example of information held by the attribute information storage unit 201 according to the present embodiment.

例えば、商品Ａの属性として、カテゴリ１（商品Ａでは「商品」）があり、カテゴリ１に特化した属性として、カテゴリ２（商品Ａでは「カメラ」）、色（商品Ａでは「黒」）、価格（商品Ａでは「20,000円」）などがあり、カテゴリ２に特化した属性として、機能（商品Ａでは「ストロボ付」）、容量（商品Ａでは「128Ｍバイト」）、サイズ（商品Ａでは「50ｃｃ」）などがある。   For example, category 1 (“product” in product A) is an attribute of product A, and category 2 (“camera” in product A) and color (“black” in product A) are attributes specific to category 1. , Price (“20,000 yen” for product A), etc., and attributes (“with strobe” for product A), capacity (“128 MB” for product A), size (product A) Then "50cc").

カテゴリ１に含まれる分類は、商品（物品）のほかに、例えば設備品（物品）、イベント（場所）、飲食店（場所）、販売コーナー（場所）、インフォメーションコーナー（場所）などがある。商品のカテゴリ２に含まれる分類は、カメラのほかに、例えば冷蔵庫、テレビなどが挙げられる。   Categories included in category 1 include, for example, equipment (articles), events (places), restaurants (places), sales corners (places), information corners (places), etc., in addition to products (articles). The category included in the category 2 of the product includes, for example, a refrigerator and a television in addition to the camera.

属性群は、商品や場所を示す識別子２を指定することによって、一意に定まるようにすることができる。また、属性の値（属性値）は、固定の物品や時間とともに変化するものもある。例えば、カテゴリ１が飲食店（場所）の場合の予想待ち時間は、例えば１分毎に更新されてもよい。また、商品（物品）の価格や値引率も、時間によって変化してもよい。   The attribute group can be uniquely determined by designating an identifier 2 indicating a product or a place. Some attribute values (attribute values) change with a fixed article or time. For example, the expected waiting time when category 1 is a restaurant (location) may be updated every minute, for example. Moreover, the price and discount rate of goods (articles) may also change with time.

属性変換部１０１は、商品毎の関心度を、属性への関心度へ変換し出力する。図７は、本実施形態の属性変換部１０１が出力する情報の一例を示す説明図である。属性変換部１０１は、誰（識別子１）が、どの属性セット（属性群）にどの程度の関心度を持っているのかをまとめて出力する。   The attribute conversion unit 101 converts the interest level for each product into an interest level for the attribute and outputs it. FIG. 7 is an explanatory diagram illustrating an example of information output by the attribute conversion unit 101 according to the present embodiment. The attribute conversion unit 101 collectively outputs who (identifier 1) has what degree of interest in which attribute set (attribute group).

属性情報記憶部２０１で記憶されている属性が、時間とともに変化する値である場合、その属性の属性値は、関心度の基準となる距離が閾値以下になった時刻（開始時刻）の値を利用してもよいし、距離が閾値以上になった時刻（終了時刻）の値を利用してもよい。また、平均値を利用してもよいし、時間的に中間のときの値を利用してもよい。例えば、属性が商品の価格や値引率の場合は、終了時刻での値とし、属性が場所の待ち時間の場合は、開始時刻での値とするなど、カテゴリ１，２に依存したポリシーを定義し、ポリシーに従って、属性値を計算してもよい。計測された属性と関心度の関係は、リアルタイムに計算されて出力されてもよいし、一定時間まとめたデータに対して計算されて出力されてもよい。また、リアルタイムに計算された結果を蓄積し、まとめて出力されてもよい。   When the attribute stored in the attribute information storage unit 201 is a value that changes with time, the attribute value of the attribute is the value of the time (start time) when the distance that is the reference for the interest level is equal to or less than the threshold. You may utilize, and the value of the time (end time) when distance became more than a threshold value may be used. Further, an average value may be used, or a value at an intermediate time may be used. For example, if the attribute is the price or discount rate of the product, the value at the end time is used. If the attribute is the place waiting time, the value at the start time is used. The attribute value may be calculated according to the policy. The relationship between the measured attribute and the degree of interest may be calculated and output in real time, or may be calculated and output for data collected for a certain period of time. Also, the results calculated in real time may be accumulated and output together.

属性分類情報記憶部２０２は、商品の複数の属性の一部の集合であり、商品の属性間の関係を示す属性グループを保持する。属性グループは、分析部１０２で分析を行う際に使用される分類である。   The attribute classification information storage unit 202 is a partial set of a plurality of attributes of a product, and holds an attribute group indicating a relationship between the attributes of the product. The attribute group is a classification used when the analysis unit 102 performs analysis.

例えば、カテゴリ１が商品（物品）の場合、カテゴリ２の属性間の関係として、「白物家電」という属性グループを定義できる。「白物家電」に関係のあるカテゴリ２は、例えば電子レンジ（識別子３：０１００）や、冷蔵庫（識別子３：０１０１）、食器洗い機（識別子３：０１０２）などが挙げられる。また、カテゴリ２の属性間の関係として、「デジタル家電」という属性グループを定義することができる。「デジタル家電」に関係のあるカテゴリ２は、例えばテレビ（００２１）、カメラ（００１０）、録画再生機（００２２）などが挙げられる。   For example, when category 1 is a product (article), an attribute group “white goods” can be defined as the relationship between the attributes of category 2. Category 2 related to “white goods” includes, for example, a microwave oven (identifier 3: 0100), a refrigerator (identifier 3: 0101), a dishwasher (identifier 3: 0102), and the like. In addition, as a relationship between category 2 attributes, an attribute group “digital home appliance” can be defined. Category 2 related to “digital home appliances” includes, for example, a television (0021), a camera (0010), and a recording / reproducing device (0022).

更に、図８に示すように、カテゴリ２の属性間の関係として、「一人暮らし生活製品」という属性グループを定義できる。図８は、本実施形態に係る属性分類情報記憶部２０２が保持する属性グループ情報の一例を示す説明図である。「一人暮らし生活製品」に関係のあるカテゴリ２は、例えば電子レンジ、冷蔵庫、掃除機などが挙げられ、かつ、それぞれの属性として容量やサイズが小型の商品が指定される。また、「ＩＰ（Internet Protocol）接続対応」という属性グループを定義した場合は、例えばテレビや録画再生機などで、かつＩＰ接続機能を有する商品が挙げられる。また、図８に示すように、「リビング用品」という属性グループを定義した場合は、例えばテレビ、テレビラック、ソファー、テーブルなどの商品が挙げられる。   Furthermore, as shown in FIG. 8, an attribute group “living life product” can be defined as a relationship between category 2 attributes. FIG. 8 is an explanatory diagram showing an example of attribute group information held by the attribute classification information storage unit 202 according to the present embodiment. Category 2 related to “life products for living alone” includes, for example, a microwave oven, a refrigerator, a vacuum cleaner, and the like, and a product having a small capacity or size is designated as each attribute. Further, when an attribute group “IP (Internet Protocol) connection compatible” is defined, for example, a product such as a television or a recording / playback device and having an IP connection function can be cited. As shown in FIG. 8, when an attribute group “living goods” is defined, for example, products such as a television, a television rack, a sofa, and a table are listed.

また、属性グループは、動的に構成されてもよい。例えば、特定の人が関心度の高い商品群のカテゴリをグループとしてもよいし、関心度の高い商品群の構成が近い人たち同士の商品群の分布の平均をとり、その平均的な商品群を新たなグループとしてもよい。   The attribute group may be dynamically configured. For example, a category of a product group in which a specific person has a high degree of interest may be grouped, or an average distribution of product groups of people with a similar composition of a product group with a high degree of interest may be averaged. May be a new group.

また、属性分類情報記憶部２０２に記憶される属性は、属性値が持つ指標（例えば単位など）が互いに異なるため、互いに統一的な指標で比較できない属性がある。この場合、統一的な尺度として複合属性が定義される。個々の属性の値から複合属性の値を算出するため、図９に示すような変換式や変換テーブルなどを予め定義しておく。図９は、本実施形態に係る属性分類情報記憶部２０２が保持する複合属性情報の一例を示す説明図である。   Further, the attributes stored in the attribute classification information storage unit 202 have attributes (for example, units) that the attribute values have different from each other, and therefore there are attributes that cannot be compared with a uniform index. In this case, a composite attribute is defined as a unified measure. In order to calculate the value of the composite attribute from the value of each attribute, a conversion formula, a conversion table, etc. as shown in FIG. 9 are defined in advance. FIG. 9 is an explanatory diagram showing an example of composite attribute information held by the attribute classification information storage unit 202 according to the present embodiment.

そして、カテゴリ１，２単位に複合属性の値が算出される。変換式又は変換テーブルは、単数の属性の値を単数の複合属性の値に変換する式やテーブルでもよいし、また、複数の属性の値を単数の複合属性の値に変換する式やテーブルでもよい。   Then, the value of the composite attribute is calculated for each category 1 or 2. The conversion expression or conversion table may be an expression or table that converts a single attribute value into a single composite attribute value, or an expression or table that converts multiple attribute values into a single composite attribute value. Good.

例えば商品の「色」であれば、カテゴリ２の商品が異なっていても統一的な尺度で比較できるが、例えば「テレビの画面サイズ」と「ソファーの幅」の場合は、従来であれば、統一的な尺度で比較できない。この場合、例えば「リビングのサイズ」という複合属性を定義したとき、両者を統一的な尺度で比較することが可能になる。例えばテレビであれば画面サイズ２８インチ未満は６畳が適していると考えられるため「６畳」に変換し、同様にソファーであれば幅１００ｃｍ未満は「６畳」に変換する。このように、部屋の広さなどを尺度とする統一的な尺度に換算することで、属性値が持つ指標が異なる商品についても、同一の属性（複合属性）に含めることができる。その結果、属性と関心度の分析の範囲を従来に比べて広げることができる。   For example, “color” of the product can be compared on a uniform scale even if the products of category 2 are different. For example, in the case of “TV screen size” and “width of the sofa” It cannot be compared on a uniform scale. In this case, for example, when a composite attribute “living size” is defined, both can be compared on a uniform scale. For example, if the screen size is less than 28 inches, 6 tatami is considered suitable for a screen size of 28 inches, so it is converted to “6 tatami”. Similarly, if the sofa is less than 100 cm wide, it is converted to “6 tatami”. In this way, by converting to a uniform scale using the size of the room as a scale, products with different indices of attribute values can be included in the same attribute (composite attribute). As a result, the range of attribute and interest level analysis can be expanded compared to the prior art.

分析部１０２は、人（識別子１）単位に、分析部１０２に入力された属性セット単位の関心度を、カテゴリ１、２などのカテゴリで同じ値を取る物品別や、属性分類情報記憶部２０２に保持されている属性グループ別に分析する。この単位を分析単位と定義する。なお、分析単位は、カテゴリの値や属性グループだけでなく、例えば属性値による分類を分析単位としてもよい。例えば、メーカー属性値による分類をして分析することによって、Ａ社製の商品について、関心度に寄与する他の属性を見つけるといった分析をすることができる。分析部１０２は、相関算出部の一例である。   The analysis unit 102 categorizes the interest level of the attribute set unit input to the analysis unit 102 for each person (identifier 1) by item or attribute classification information storage unit 202 taking the same value in categories such as categories 1 and 2. Analyzes by attribute groups held in This unit is defined as the analysis unit. Note that the analysis unit is not limited to the category value or attribute group, but may be classified by attribute value, for example. For example, by classifying and analyzing by the manufacturer attribute value, it is possible to analyze such as finding other attributes that contribute to the degree of interest for the products manufactured by company A. The analysis unit 102 is an example of a correlation calculation unit.

また、属性分類情報記憶部２０２に記憶されている属性グループ情報（図８）を用いて分類される属性グループを分析単位としてもよい。属性グループ情報には、カテゴリやその他の属性などの値に基づいて、同一の属性グループとして扱う条件が定義されている。従って、同一の属性グループの条件に合致した対象を、同一の分析単位として扱ってもよい。例えば、図８の例では、「リビング用品」という属性グループとして扱われる対象は、カテゴリ１の値が「商品」、かつカテゴリ２の値が「テレビ」、「テレビラック」、「ソファー」又は「テーブル」のいずれかであればよい。「一人暮らし生活用品」という属性グループとして扱われる対象は、カテゴリ１の値が「商品」、かつカテゴリ２の値が「電子レンジ」の場合は容量の値が１０リットル以下、または、カテゴリ２の値が「冷蔵庫」の場合は容量の値が４０リットル以下などのいずれかであればよい。   Further, an attribute group classified using the attribute group information (FIG. 8) stored in the attribute classification information storage unit 202 may be used as an analysis unit. In the attribute group information, conditions to be treated as the same attribute group are defined based on values such as categories and other attributes. Therefore, objects that match the conditions of the same attribute group may be handled as the same analysis unit. For example, in the example of FIG. 8, an object treated as an attribute group “living goods” has a category 1 value of “product” and a category 2 value of “TV”, “TV rack”, “sofa”, or “ Any of “tables” may be used. The object treated as an attribute group “living goods for living alone” is a category 1 value “product” and a category 2 value “microwave”, and the capacity value is 10 liters or less, or the value of category 2 In the case of “refrigerator”, the capacity value may be either 40 liters or less.

また、属性分類情報記憶部２０２に記憶されている複合属性情報（図９）の複合属性を分析対象としてもよい。属性から複合属性への変換は、カテゴリ１の内容が異なることによって属性が異なる場合や、カテゴリ１の内容が同じでも、カテゴリ２などの属性値に依存して属性の有無が異なる場合に行われる。これにより、個々の属性値を、統一的な尺度で利用できる属性に変換することができる。ここでは、複合属性は分析部１０２で計算されるが、属性変換部１０１で計算されてもよい。これにより、分析の都度計算する必要はなくなる。   Further, the composite attribute of the composite attribute information (FIG. 9) stored in the attribute classification information storage unit 202 may be analyzed. Conversion from an attribute to a composite attribute is performed when the attribute is different due to different contents of category 1, or when the presence or absence of the attribute is different depending on the attribute value such as category 2 even if the contents of category 1 are the same. . Thereby, individual attribute values can be converted into attributes that can be used on a uniform scale. Here, the composite attribute is calculated by the analysis unit 102, but may be calculated by the attribute conversion unit 101. This eliminates the need to calculate each time an analysis is performed.

分析単位での分析により、属性単位や複合属性単位での属性値と関心度との関係や、関心度の変化に寄与する属性の寄与度を算出し出力できる。また、時間的な遷移による属性の寄与度の変化や、関心度と属性値の関係の時間的な変化も出力できる。   By analyzing in the analysis unit, it is possible to calculate and output the relationship between the attribute value and the interest level in the attribute unit or the composite attribute unit, and the contribution level of the attribute contributing to the change in the interest level. In addition, it is possible to output a change in attribute contribution due to temporal transition and a temporal change in the relationship between the interest level and the attribute value.

分析の対象データの範囲は、人（識別子１）単位のデータであり、なおかつ、分析単位のデータで独立して分析を行う。例えば、カテゴリ１が商品（物品）であって、商品の色（Ｒ，Ｇ，Ｂ）という属性の関心を分析する場合、Ｒ，Ｇ，Ｂ値の分布を調べ、例えばＲ，Ｇ，Ｂ値の分布の平均と分散を計算する。そして、分散がある程度小さい場合は、平均値を色の好みとすることができる。また、カテゴリ２や属性グループ単位を分析単位として、色の分布を見ると、それら分析単位ごとに色の好みを知ることができる。例えば、リビング用品は白に統一したい、といった場合が考えられるが、そのような場合、属性グループ「リビング用品」において白の出現率が最も多くなり、白が好みだと推定できる。この情報を用いれば、例えばまだ購入していない商品の色の好みについて、店舗側で推測することができるようになる。これは、値引率や価格、メーカー名（ブランド）などについても同様のことが言える。   The range of data to be analyzed is data in units of person (identifier 1), and the analysis is performed independently with the data in units of analysis. For example, when category 1 is a product (article) and the interest of the attribute of the product color (R, G, B) is analyzed, the distribution of R, G, B values is examined, for example, R, G, B values Calculate the mean and variance of the distribution. When the variance is small to some extent, the average value can be a color preference. Further, when the color distribution is viewed using the category 2 or attribute group unit as an analysis unit, the preference of the color can be known for each analysis unit. For example, there may be a case where the living article is desired to be white. In such a case, the white appearance rate is the highest in the attribute group “living article”, and it can be estimated that white is preferred. By using this information, for example, the store side can infer the color preference of a product that has not yet been purchased. The same can be said for discount rates, prices, and manufacturer names (brands).

特定のカテゴリ１、カテゴリ２の場合、カテゴリ固有の属性のみを用いることで、どのような属性に対して関心が集中しているのかを分析できる。これは例えば回帰分析を行うことで、関心度と正または負の相関があり、相関係数の高い属性が分かり、物品のどの属性が関心度と相関があるのかを判別することができる。   In the case of specific category 1 and category 2, it is possible to analyze what attribute is focused on by using only the category-specific attributes. For example, by performing regression analysis, an attribute having a positive or negative correlation with the degree of interest is found, an attribute having a high correlation coefficient can be found, and which attribute of the article has a correlation with the degree of interest can be determined.

以下に、図１０及び図１１を参照して説明する。図１０は、カテゴリ２がカメラである場合の記録可能な容量と関心度の関係を示すグラフである。図１１は、カテゴリ２がカメラである場合のサイズと関心度の関係を示すグラフである。容量と関心度の関係は、正の相関があり、相関係数が０．８で高い相関があると考えられる。すなわち、容量が大きいほど関心度が高いと推定できる。サイズと関心度の関係は、相関係数が０．２で、人はサイズの違いには容量より関心を示さないということが推定できる。   This will be described below with reference to FIGS. FIG. 10 is a graph showing the relationship between the recordable capacity and the degree of interest when category 2 is a camera. FIG. 11 is a graph showing the relationship between the size and the degree of interest when category 2 is a camera. There is a positive correlation between the capacity and the degree of interest, and it is considered that the correlation coefficient is 0.8 and high. That is, it can be estimated that the greater the capacity, the higher the degree of interest. As for the relationship between the size and the degree of interest, it can be estimated that the correlation coefficient is 0.2, and that the person is less interested in the size difference than the capacity.

重回帰分析を行うと、関心度とサイズ、容量を複合的に分析することもできる。数値として表せない属性については、ロジスティック回帰分析を行うことで分析することができる。また、回帰直線だけでなく、図１２に示すように、カルホーン相関係数（参考文献：「幾何学的厚みに基づく相関係数」（電子情報通信学会論文誌，Ａ，Ｖｏｌ．Ｊ８５−Ａ，Ｎｏ．４，ｐｐ．４９０−４９４）といった２次曲線などさまざまな曲線への当てはまり具合を計算してもよい。図１２は、カテゴリ２がカメラである場合の記録可能な容量と関心度の関係を示すグラフである。その結果、相関の高い分布形状と、例えば関心度が高い範囲やどの容量（属性）が最も関心度が高そうかを推定するといったことが可能となる。また、アソシエーション分析という手法を用いることで、関心度の高い属性間の関連性が、相関の強さを示す信頼度（コンフィデンス、確信度とも言う）と全体の中での出現割合を示す支持度（サポート）で得ることもできる。   When multiple regression analysis is performed, the degree of interest, size, and capacity can be analyzed in a complex manner. Attributes that cannot be expressed as numerical values can be analyzed by logistic regression analysis. In addition to the regression line, as shown in FIG. 12, the Calhoun correlation coefficient (reference: “correlation coefficient based on geometric thickness” (Academic Journal of the Institute of Electronics, Information and Communication Engineers, A, Vol. J85-A, No. 4, pp. 490-494) may be calculated for the fit to various curves such as a quadratic curve, etc. Fig. 12 shows the relationship between the recordable capacity and the degree of interest when the category 2 is a camera. As a result, it is possible to estimate the distribution shape having a high correlation and, for example, the range in which the degree of interest is high or which capacity (attribute) seems to be the most interested in the association analysis. By using this method, the relevance between attributes with a high degree of interest is expressed by the reliability indicating the strength of the correlation (also referred to as confidence and confidence) and the support indicating the appearance ratio in the whole (support). Gain It is also possible.

他にも、例えば複合属性を用いることで、異なるカテゴリで異なる属性の場合も、属性値を同列に扱うことができる。この場合、テレビやソファーのカテゴリ別の属性から、図９の条件に従いリビングのサイズの属性に変換し、その後、平均や分散などの分布を得ることで、関心度の推定が可能となる。   In addition, for example, by using a composite attribute, attribute values can be handled in the same column even in the case of different attributes in different categories. In this case, it is possible to estimate the degree of interest by converting the attribute for each category of the television or sofa into the attribute of the size of the living room according to the conditions of FIG.

相関係数が低い属性は、人の関心に影響を及ぼす要因とは考えにくく、その属性の値が変化しても、関心度に与える影響は軽微と推定できる。このような場合、どのような回帰直線や曲線に当てはめているのかはあまり重要ではなく、当てはめた直線や曲線は、実際の分布からかけ離れており精度が悪いといえる。一方、相関が高い属性の場合は、人の関心を左右する要因と言えるため、どのような分布の曲線に相関が高く、その曲線がどのような部分で関心度が高くなっているのかを調べると、人の好みを推定することができる。また、このような場合は、単純に属性値の平均値や分散を求めるだけでも、関心を持っている値の範囲が特定できる。   An attribute with a low correlation coefficient is unlikely to be a factor that affects human interest, and even if the value of the attribute changes, it can be estimated that the effect on the interest level is slight. In such a case, it is not so important what regression line or curve is applied, and the applied straight line or curve is far from the actual distribution and can be said to be inaccurate. On the other hand, attributes with high correlation can be said to be a factor that influences people's interests, so investigate what kind of distribution curve is highly correlated and what part of the curve is high in interest. And it is possible to estimate a person's preference. In such a case, the range of values of interest can be specified simply by obtaining the average value or variance of the attribute values.

なお、回帰曲線は、相対的な関心度を示す０〜１の間の値を取るように変換してもよいし、例えば分析単位内の各属性での関心度最大値の比率を最大とした分布としてもよい。また、関心度と容量といった１次の関係でなく、重回帰を用いることで多数の属性に対する関心度を推定することもできる。   The regression curve may be converted so as to take a value between 0 and 1 indicating the relative interest level. For example, the ratio of the maximum interest level value in each attribute in the analysis unit is maximized. It is good also as distribution. In addition, the degree of interest for a large number of attributes can be estimated by using multiple regression instead of a linear relationship such as the degree of interest and capacity.

ある属性値が関心度を左右する要因であると判断できた場合、その時間的な推移を分析することができる。例えば、色の好みは時間軸方向に一定的であり、あまり変化がなく定常的に重要な属性の場合がある。   When it can be determined that a certain attribute value is a factor that influences the degree of interest, the temporal transition can be analyzed. For example, the color preference is constant in the time axis direction, and there is a case where the color preference does not change so much and is a regularly important attribute.

また、商品（物品）のカテゴリ２の関心度を時系列に分析すれば、今関心のある商品又は場所が分かり、なおかつその関心が盛り上がってきている（注目されてきている）のかどうかが推定できる。すなわち、関心度の秒数や回数が増加傾向であれば、関心が盛り上がってきていると推定できる。   Further, if the interest level of the category 2 of the product (article) is analyzed in time series, it is possible to know whether the product or place of interest is known and whether the interest is rising (attracting attention). . That is, if the number of seconds and the number of times of interest tend to increase, it can be estimated that interest is rising.

また、秒数は長いが回数が少ない場合は、購入を迷っていると推定できる場合がある。一方、秒数も回数も長く、同一カテゴリで属性のある程度近い商品にも同様な関心度を示している場合は、それらで比較して迷っていると判断することもできる。例えばそのようなことについて、店舗側が分かれば、比較している商品のうち、利益率の高い商品や売りたい商品の販売へ、価格などを調整して誘導することも可能である。このように、時間軸上での増加傾向・減少傾向といった勾配情報を算出し、用いることができる。   If the number of seconds is long but the number of times is small, it may be estimated that purchase is lost. On the other hand, when the number of seconds and the number of times are long, and the same degree of interest is shown for a product having the same category and a certain degree of attribute, it can be determined that they are confused by comparison. For example, if the store side knows such a thing, it is also possible to guide the sale of products with high profit margins or products to be sold by adjusting prices and the like among the products being compared. In this way, gradient information such as an increasing tendency / decreasing tendency on the time axis can be calculated and used.

また、関心度の高い複数の属性値の分布が、クラスタを形成している場合がある。このような場合は、ｋ−ｍｅａｎｓ法などのクラスタリング手法を用いることで、関心のある属性値の範囲の集合を特定することもできる。   In addition, a distribution of a plurality of attribute values having a high degree of interest may form a cluster. In such a case, a set of attribute value ranges of interest can be specified by using a clustering method such as the k-means method.

以上のような分析を行うことで、カテゴリ１・２別、属性グループ別などの分析単位それぞれにおいて、どの属性や複合属性における値の違いが属性セットへの関心度の変化に寄与するのかを示す寄与度として相関係数を用いることができる。また、関心度と属性値の分布を近似する関数が得られる。更に、時間軸での寄与度の変化を勾配として用いることができ、関心度と属性値の分布を近似する関数は、時間軸を加えた曲面として得ることができる（この曲面を、関心曲面という）。   By performing the analysis as described above, it is shown which attribute or compound attribute value difference contributes to the change in interest in the attribute set in each analysis unit such as categories 1 and 2 and attribute groups. A correlation coefficient can be used as the contribution. In addition, a function that approximates the distribution of the interest level and the attribute value is obtained. Furthermore, the change in contribution on the time axis can be used as a gradient, and a function that approximates the distribution of interest and attribute values can be obtained as a curved surface with the time axis added (this curved surface is called a curved surface of interest). ).

関心プロファイル生成部１０３は、分析部１０２で出力される分析単位で、属性や複合属性の関心度への寄与度、および関心度と属性値の関係を選別し、図１３に示すように、関心プロファイル記憶部２０３に保存する人毎（識別子１の値毎）のプロファイルを生成する。図１３は、本実施形態に係る関心プロファイル生成部１０３が生成する情報の一例を示す説明図である。   The interest profile generation unit 103 selects the contribution of the attribute or the composite attribute to the interest level and the relationship between the interest level and the attribute value in the analysis unit output from the analysis unit 102. As shown in FIG. A profile for each person (for each value of identifier 1) stored in the profile storage unit 203 is generated. FIG. 13 is an explanatory diagram illustrating an example of information generated by the interest profile generation unit 103 according to the present embodiment.

選別の基準は、例えば、分析単位で、属性や複合属性別に、関心度への寄与度の高い物品のみを選別するとする。例えば、寄与度０．５以上の物品のみを選別する方法や、寄与度の高い順に３つの属性や複合属性を選別する方法がある。また、寄与度が急激に向上してきている物品や関心曲面の時間方向の勾配の急峻な物品は、人の関心の変化として捉えることができるため、重要な物品として選別してもよい。   The selection criterion is, for example, that only articles having a high contribution to the degree of interest are selected for each attribute or composite attribute in an analysis unit. For example, there are a method of selecting only articles having a contribution of 0.5 or more, and a method of selecting three attributes and composite attributes in descending order of contribution. In addition, an article whose contribution has been rapidly improved and an article having a steep slope in the time direction of the curved surface of interest can be regarded as a change in human interest, and thus may be selected as an important article.

分析単位内でのすべての属性の寄与度が閾値よりも低い場合、該当する分析単位によるプロファイルは存在しなくてもよい。そうすることで、プロファイルのある分析単位は、関心度に関係するということが判別できる。例えば、カテゴリ２が「冷蔵庫」の分析単位で分析を行ったが、該当するプロファイルが存在しない場合、冷蔵庫に関心がないと推定できる。以上の選別を行うことで、関心度に影響する属性を特定でき、更にその属性がどの範囲で影響するのかということが、分析単位として得られる。   When the contribution degree of all the attributes in the analysis unit is lower than the threshold value, the profile by the corresponding analysis unit may not exist. By doing so, it can be determined that an analysis unit having a profile is related to the degree of interest. For example, if the analysis is performed in the analysis unit of category 2 “refrigerator” but there is no corresponding profile, it can be estimated that the refrigerator is not interested. By performing the above selection, it is possible to specify an attribute that affects the degree of interest, and in addition to which range the attribute affects, can be obtained as an analysis unit.

以上のとおり、第１のステップを実行させる本実施形態の位置情報分析システムによれば、以下のような効果が得られる。
（１）人の位置と物品の位置の位置関係の変化により、物品単位の関心度だけでなく、物品のどの属性にどのように関心を持つのか、関心に影響しない属性はどれなのかを検出できる。また、属性単位に、その属性が関心に影響するかどうかを検出できる。
（２）物品の直接的な属性だけでなく、例えばリビングの広さといった、どういった利用に適しているかといった属性も勘案し、分析できる。
（３）属性単位で、時間軸方向での関心の変化の推移を分析できる。
（４）関心に影響ある属性と、その属性が影響する範囲を特定できる。
（５）関心に影響ある属性のみを、プロファイルとして記憶できる。 As described above, according to the positional information analysis system of this embodiment that executes the first step, the following effects can be obtained.
(1) Based on the change in the positional relationship between the position of a person and the position of an article, not only the degree of interest for each article, but also what attribute of an article is interested in which attribute does not affect the interest. it can. In addition, it is possible to detect whether or not the attribute affects the interest for each attribute unit.
(2) Not only the direct attribute of the article but also the attribute such as the size of the living room that is suitable for use can be considered and analyzed.
(3) It is possible to analyze the change of interest change in the time axis direction in attribute units.
(4) It is possible to identify an attribute that affects interest and a range that the attribute affects.
(5) Only attributes that affect interest can be stored as profiles.

（第２のステップ）
上記第２のステップを実行させる本実施形態の位置情報分析システムの構成について説明する。図１４は、本実施形態に係る位置情報分析システムの構成を示すブロック図である。 (Second step)
A configuration of the positional information analysis system according to the present embodiment that executes the second step will be described. FIG. 14 is a block diagram showing the configuration of the positional information analysis system according to this embodiment.

本実施形態に係る位置情報分析システムは、位置検知部１０と、同伴計測部３００と、同時存在計測部３０１と、関係情報記憶部４０１と、関係分析部３０２と、関係プロファイル記憶部４０２などからなる。   The position information analysis system according to the present embodiment includes a position detection unit 10, an accompanying measurement unit 300, a simultaneous presence measurement unit 301, a relationship information storage unit 401, a relationship analysis unit 302, a relationship profile storage unit 402, and the like. Become.

位置検知部１０は、人や物品（商品、カート、バスケットなど）の位置を、個体を識別して記録する。位置検知部１０は、上述した位置検出部１０と同様であり詳細な説明は省略する。   The position detection unit 10 identifies and records the position of a person or an article (product, cart, basket, etc.). The position detection unit 10 is the same as the position detection unit 10 described above, and detailed description thereof is omitted.

同伴計測部３００と、同時存在計測部３０１と、関係情報記憶部４０１と、関係分析部３０２と、関係プロファイル記憶部４０２は、例えばサーバ装置などのコンピュータで実行される。コンピュータは、ＣＰＵ、メモリ、入出力Ｉ／Ｆ、表示部、ネットワーク接続部、記憶部などからなる。関係情報記憶部４０１と、関係プロファイル記憶部４０２は、例えば、ＨＤＤ（ハードディスクドライブ）、フラッシュメモリなどの記憶媒体や記録再生装置で構成される。   The accompanying measurement unit 300, the simultaneous presence measurement unit 301, the relationship information storage unit 401, the relationship analysis unit 302, and the relationship profile storage unit 402 are executed by a computer such as a server device, for example. The computer includes a CPU, a memory, an input / output I / F, a display unit, a network connection unit, a storage unit, and the like. The relationship information storage unit 401 and the relationship profile storage unit 402 include, for example, a storage medium such as an HDD (hard disk drive) and a flash memory, and a recording / reproducing device.

同伴計測部３００は、人や物品の同伴時間を計測する。同時存在計測部３０１は、人や物品がある範囲内で同時に存在する時間を計測する。関係情報記憶部４０１は、同伴計測部３００と同時存在計測部３０１の測定値を保存する。関係分析部３０２は、関係情報記憶部４０１の保持するデータを用いて人や物品の関係性を分析する。関係プロファイル記憶部４０２は、分析結果を保存する。   The accompanying measurement unit 300 measures the accompanying time of a person or an article. The simultaneous presence measuring unit 301 measures the time during which people and articles exist simultaneously within a certain range. The relationship information storage unit 401 stores the measurement values of the accompanying measurement unit 300 and the simultaneous presence measurement unit 301. The relationship analysis unit 302 uses the data held in the relationship information storage unit 401 to analyze the relationship between people and articles. The relationship profile storage unit 402 stores the analysis result.

次に、本実施形態に係る位置情報分析システムの各構成要件について詳しく説明する。
同伴計測部３００は、人や物品の同伴時間を計測する。測定は、１時間単位としてもよいし、１日や１週間単位でもよい。計測は、位置検知部１０から得られる２つの識別子１の位置の距離を測定し、それが閾値以下である時間を同伴時間として計測する。図１５は、本実施形態の同伴計測部３００による同伴時間の計測方法の例を示す説明図である。図１５（Ａ）は、距離Ｄと時間ｔの関係を示し、図１５（Ｂ）は、人Ｘと人Ｙの関係を示す平面図である。 Next, each component of the positional information analysis system according to the present embodiment will be described in detail.
The accompanying measurement unit 300 measures the accompanying time of a person or an article. The measurement may be performed in units of one hour or in units of one day or one week. In the measurement, the distance between the positions of the two identifiers 1 obtained from the position detection unit 10 is measured, and the time when the distance is equal to or less than the threshold is measured as the accompanying time. FIG. 15 is an explanatory diagram illustrating an example of a method for measuring the accompanying time by the accompanying measuring unit 300 according to the present embodiment. FIG. 15A shows the relationship between the distance D and time t, and FIG. 15B is a plan view showing the relationship between the person X and the person Y.

図１６は、本実施形態に係る同伴計測部３００が出力する情報の一例を示す説明図である。識別子１が０００１の人と識別子１が０００２の人は、２００８／３／４の１６：１５：１０に５１００秒間同伴し、それ以外の時刻で２１００秒同伴していなかった、識別子１が０００１の人と識別子１が０００３の人は、２００８／３／４の１９：３０：１０に２５２０秒間同伴し、それ以外の時刻で４６８０秒同伴しなかったという例である。時刻は、同伴開始時刻でもし、同伴終了時刻でもよい。   FIG. 16 is an explanatory diagram illustrating an example of information output by the accompanying measurement unit 300 according to the present embodiment. The person with the identifier 1 is 0001 and the person with the identifier 1 is 0002 was accompanied by 5100 seconds at 16:15:10 on 2008/3/4, and was not accompanied by 2100 seconds at other times. This is an example where a person and a person whose identifier 1 is 0003 were accompanied by 19:30:10 on 2008/3/4 for 2520 seconds and were not accompanied by 4680 seconds at other times. The time may be a companion start time or a companion end time.

また、位置検知部１０が、特定のエリア内（店舗内など）で同伴の有無を検知し、同伴計測部３００が、特定のエリア内（店舗内など）での同伴時間と非同伴時間を計測してもよい。このとき、計測する非同伴時間は、特定のエリア内（店舗内など）に存在するが、同伴でない時間でもよい。   Further, the position detection unit 10 detects the presence / absence of a companion in a specific area (such as in a store), and the companion measurement unit 300 measures the accompanying time and non-accompanying time in a specific area (such as in a store). May be. At this time, the non-accompanying time to be measured exists in a specific area (such as in a store), but it may be a non-accompanying time.

同時存在計測部３０１は、特定エリア内で、人や物品が同時に存在する時間を計測する。図１７は、検知エリアにおける人Ｘと人Ｙの関係を示す平面図である。
図１８は、本実施形態に係る同時存在計測部３０１が出力する情報の一例を示す説明図である。同時存在計測部３０１が出力する情報は、同伴計測部の出力する情報と同様の構成である。ただし、同時存在計測部３０１が、すべての人と物品の組み合わせで同時に存在する時間を計測するのは、非常に処理量が多くなるため、例えば同伴計測部３００で過去に同伴関係が検知された物品だけを用いるなどしてもよい。 The simultaneous presence measuring unit 301 measures the time during which people and articles exist simultaneously in a specific area. FIG. 17 is a plan view showing the relationship between the person X and the person Y in the detection area.
FIG. 18 is an explanatory diagram illustrating an example of information output by the simultaneous presence measurement unit 301 according to the present embodiment. The information output by the simultaneous presence measurement unit 301 has the same configuration as the information output by the accompanying measurement unit. However, because the simultaneous presence measuring unit 301 measures the time in which all persons and articles exist at the same time because the processing amount is very large, for example, the accompanying measurement unit 300 has detected an accompanying relationship in the past. Only an article may be used.

関係情報記憶部４０１は、同伴計測部３００と同時存在計測部３０１が出力した結果を保存する。関係情報記憶部４０１は、関係分析部３０２から結果を受けて、同伴時間の値が閾値よりも短く、同時存在時間の値も閾値よりも低い場合は、該当するデータを削除することができる。   The relationship information storage unit 401 stores the results output by the accompanying measurement unit 300 and the simultaneous presence measurement unit 301. The relationship information storage unit 401 receives the result from the relationship analysis unit 302 and can delete the corresponding data if the value of the accompanying time is shorter than the threshold value and the value of the simultaneous existence time is also lower than the threshold value.

関係分析部３０２は、関係情報記憶部４０１が保持している同伴計測部３００の結果と同時存在計測部３０１の結果である同伴時間、同時存在時間に基づいて、人や物品の関係性を推測する。なお、同伴時間の代わりに同伴時間と非同伴時間の比を使用してもよいし、同時存在時間の代わりに、同時存在時間と非同時存在時間の比を用いてもよい。   The relationship analysis unit 302 estimates the relationship between a person and an article based on the result of the accompanying measurement unit 300 held in the relationship information storage unit 401 and the accompanying time and the simultaneous existence time as the result of the simultaneous presence measuring unit 301. To do. Note that the ratio of the accompanying time and the non-accompanying time may be used instead of the accompanying time, or the ratio of the simultaneously existing time and the non-simultaneous existing time may be used instead of the simultaneous existence time.

図１９は、同伴時間と同時存在時間の関係を示すグラフである。同伴時間と同時存在時間に基づいて、人や物品の関係性は、例えば図１９のように分類できる。図１９の分類１は常に一緒に来訪するが同伴はしないケース、分類２は常に同伴し来訪するケース、分類３は一緒に来訪もしないし同伴もしないケース、分類４は一緒に来訪する場合は同伴しているが、別々に来訪する場合も多いケースなどである。人と人の関係では、分類１は、例えば親子や家族のような関係と推定でき、分類２は、恋人や夫婦などの仲の良い関係と推定できる。分類３は他人であり無関係と推定でき、分類４は１，２と同様であるが、近所に居住するなど個別に訪れる機会が多いと推定できる。人と物品の関係では、分類１は、自分の物品ではなく、家族などの物品と推定でき、分類２は、お気に入りで肌身離さず持っている物品と推定できる。分類３は他人の物品と推定でき、分類４はたまに持って行く物品と推定できる。   FIG. 19 is a graph showing the relationship between the accompanying time and the simultaneous existence time. Based on the accompanying time and the simultaneous existence time, the relationship between the person and the article can be classified as shown in FIG. 19, for example. 19 is a case where category 1 always visits but is not accompanied, category 2 is always accompanied by a visit, category 3 does not visit and is not accompanied, and category 4 visits together There are many cases where they are accompanied but often come separately. In the relationship between people, the classification 1 can be estimated as a relationship such as a parent and child or a family, and the classification 2 can be estimated as a good relationship such as a lover or a couple. Classification 3 can be estimated to be irrelevant since it is another person, and classification 4 is the same as 1 and 2, but it can be estimated that there are many opportunities to visit individually such as living in the neighborhood. In the relationship between people and goods, it can be presumed that category 1 is not an article of its own, but an article of a family or the like, and category 2 can be presumed to be an article that is a favorite and has no skin. Classification 3 can be estimated as an article of another person, and classification 4 can be estimated as an article to be taken occasionally.

以上のような分析を行い、人と人であれば、分類１，２，４を関係者同士、分類３を赤の他人と判断できる。分類３のデータは、関係情報記憶部４０１から削除してもよい。関係性の深さは、同時存在時間、同伴時間の長さとして記録してもよいし、非同時存在時間、非同伴時間の比として記録してもよい。   If the above analysis is performed and the person is a person, the classifications 1, 2, and 4 can be determined to be related parties, and the classification 3 can be determined to be another person of red. The data of classification 3 may be deleted from the relationship information storage unit 401. The depth of the relationship may be recorded as the length of the simultaneous existence time and the accompanying time, or may be recorded as a ratio of the non-concurrent existence time and the non-accompanying time.

更に、関係分析部３０２は、相互に共通に関係性のある複数人を検出し、関係グループを定義する。ある識別子１の値Ａ，Ｂ，Ｃ，Ｄ，Ｅ，Ｆの複数人が検出された場合について説明する。例えば、ある識別子１の値Ａの人と関係があると判断された複数の識別子１であるＢ，Ｃ，Ｄ，Ｅの人がいる場合、（Ａ，Ｂ，Ｃ，Ｄ，Ｅ）が１つのグループと推定できる。更に、値Ｂの人と関係があると判断された複数の識別子１であるＡ，Ｃ，Ｄ，Ｆの人がいる場合、（Ａ，Ｂ，Ｃ，Ｄ，Ｆ）が１つのグループと推定できる。   Furthermore, the relationship analysis unit 302 detects a plurality of people who are related to each other and defines a relationship group. A case will be described in which a plurality of persons having values A, B, C, D, E, and F of an identifier 1 are detected. For example, if there are a plurality of identifiers B, C, D, E who are determined to be related to a person having a value A of an identifier 1, (A, B, C, D, E) is 1 One group can be estimated. Furthermore, when there are a plurality of identifiers A, C, D, and F who are determined to be related to the person of value B, (A, B, C, D, F) is estimated as one group. it can.

同様に、Ｃ，Ｄ，Ｅ，Ｆの各人に対して関係があると判断される複数の識別子１を比較する。そして、例えば、全ての人を含む最大の関係グループを仮定し、その中で、全ての人の６０％以上と関係がある人のみを残す、といった方法で、関係グループを構成する人を特定することができる。   Similarly, a plurality of identifiers 1 determined to be related to each of C, D, E, and F are compared. And, for example, assuming the largest relationship group that includes all people, among them, only those who are related to 60% or more of all people are left, and the people who make up the relationship group are specified. be able to.

関係プロファイル記憶部４０２は、関係分析部３０２から出力される関係性の深さのデータを保持する。   The relationship profile storage unit 402 holds the relationship depth data output from the relationship analysis unit 302.

以上のとおり、第２のステップを実行させる本実施形態の位置情報分析システムによれば、人の位置と物品の位置の位置関係の変化により、人と人、人と物品の関係の深さ、更に複数の人や物品からなるグループを推定できる。   As described above, according to the positional information analysis system of the present embodiment that executes the second step, due to a change in the positional relationship between the position of the person and the position of the article, the depth of the relationship between the person and the person, the person and the article, Furthermore, a group consisting of a plurality of people and articles can be estimated.

（第３のステップ）
上記第３のステップを実行させる本実施形態の位置情報分析システムの構成について説明する。図２０は、本実施形態に係る位置情報分析システムの構成を示すブロック図である。 (Third step)
The configuration of the positional information analysis system of this embodiment that executes the third step will be described. FIG. 20 is a block diagram showing the configuration of the positional information analysis system according to this embodiment.

本実施形態に係る位置情報分析システムは、データ入力部５０と、プロファイル分析部５００と、分析データ記憶部５０１などからなる。   The position information analysis system according to the present embodiment includes a data input unit 50, a profile analysis unit 500, an analysis data storage unit 501, and the like.

データ入力部５０は、誰が何を購入したかが入力される。プロファイル分析部５００は、属性情報記憶部２０１、第１のステップで得られた結果を保持する関心プロファイル記憶部２０３、第２のステップで得られた結果を保持する関係プロファイル記憶部４０２のそれぞれから得られる情報をもとに分析する。分析データ記憶部５０１は、分析結果を保持する。   The data input unit 50 is inputted with who has purchased what. The profile analysis unit 500 includes an attribute information storage unit 201, an interest profile storage unit 203 that holds the result obtained in the first step, and a relationship profile storage unit 402 that holds the result obtained in the second step. Analyze based on the information obtained. The analysis data storage unit 501 holds the analysis result.

データ入力部５０は、誰が何を買ったのかが入力される。例えば小売店の場合は、ＰＯＳレジが該当し、誰が何を買ったのかについて、データ入力部５０は、人（購入者等）を示す識別子１と、何を買ったのかを示す識別子２を取得し、出力する。   The data input unit 50 receives an input of who bought what. For example, in the case of a retail store, the POS register corresponds, and regarding who bought what, the data input unit 50 acquires an identifier 1 indicating a person (purchaser etc.) and an identifier 2 indicating what was purchased. And output.

プロファイル分析部５００と、分析データ記憶部５０１は、例えばサーバ装置などのコンピュータで実行される。コンピュータは、ＣＰＵ、メモリ、入出力Ｉ／Ｆ、表示部、ネットワーク接続部、記憶部などからなる。分析データ記憶部５０１は、例えば、ＨＤＤ（ハードディスクドライブ）、フラッシュメモリなどの記憶媒体や記録再生装置で構成される。   The profile analysis unit 500 and the analysis data storage unit 501 are executed by a computer such as a server device, for example. The computer includes a CPU, a memory, an input / output I / F, a display unit, a network connection unit, a storage unit, and the like. The analysis data storage unit 501 includes a storage medium such as an HDD (Hard Disk Drive) and a flash memory, and a recording / reproducing device, for example.

プロファイル分析部５００は、データ入力部５０から得られる識別子１と関係性の深い別の人の識別子１を、関係プロファイル記憶部４０２から取得する。そして、プロファイル分析部５００は、データ入力部５０から得られる識別子１と関係性の深い別の人の識別子１とから構成される識別子１リストを生成する。プロファイル分析部５００は、データ入力部５０から得られる識別子２を用い、識別子２の属性を属性情報記憶部２０１から取得する。   The profile analysis unit 500 acquires the identifier 1 of another person who is closely related to the identifier 1 obtained from the data input unit 50 from the relationship profile storage unit 402. Then, the profile analysis unit 500 generates an identifier 1 list including the identifier 1 obtained from the data input unit 50 and the identifier 1 of another person who is closely related. The profile analysis unit 500 uses the identifier 2 obtained from the data input unit 50 and acquires the attribute of the identifier 2 from the attribute information storage unit 201.

以降は、識別子１リストに含まれる識別子１それぞれに対して行う。
（１）属性情報記憶部２０１と関連のある分析単位と属性が、関心プロファイル記憶部２０３に含まれているかどうかか調査される。
（２）属性情報記憶部２０１と関連のある分析単位と属性が含まれている場合、属性値と、関心プロファイルに保持されている関心度の分布に基づいて、関心度が算出される。
（３）関心度は複数取りえるので、例えば２乗平均をとるなどの方法で、識別子１毎の識別子２の対象に対する関心度を算出する。 Thereafter, the process is performed for each identifier 1 included in the identifier 1 list.
(1) It is investigated whether or not the analysis unit and attribute related to the attribute information storage unit 201 are included in the interest profile storage unit 203.
(2) When an analysis unit and an attribute related to the attribute information storage unit 201 are included, the degree of interest is calculated based on the attribute value and the distribution of the degree of interest held in the interest profile.
(3) Since a plurality of degrees of interest can be taken, the degree of interest for the object of identifier 2 for each identifier 1 is calculated by a method such as taking the mean square.

以上により、識別子１リストの人毎に、識別子２の対象に対する関心度が算出できる。その中で最大の関心度をとる識別子１の人を、作業者に識別子２の購入を指示した人と推定できる。   As described above, the degree of interest in the object of identifier 2 can be calculated for each person in the identifier 1 list. Among them, the person with the identifier 1 who has the highest degree of interest can be estimated as the person who instructed the operator to purchase the identifier 2.

以上のとおり、第３のステップを実行させる本実施形態の位置情報分析システムによれば、購入を実際に行った人ではなく、誰が購入の意思決定を行ったのかが判別できる。   As described above, according to the position information analysis system of the present embodiment that executes the third step, it is possible to determine who made the purchase decision, not the person who actually made the purchase.

従来、人や物品など移動体の個体を識別し、なおかつ位置の遷移を動線として検出し、商品棚前の滞留時間に基づいて、商品への関心を推定するといった動線からの単純な意味解析をベースとした顧客動線分析技術は数多く開示されてきた。   Conventionally, a simple meaning from a flow line that identifies an individual of a moving object such as a person or an article, detects a transition of a position as a flow line, and estimates an interest in the product based on the residence time before the product shelf Many customer flow line analysis techniques based on analysis have been disclosed.

例えば、１００個の商品「商品００１」〜「商品１００」があるとして、それぞれの商品の前で顧客が滞留した場合、それぞれの商品について、商品前の滞留時間から商品毎の顧客の関心を推定できた。しかし、顧客が商品のどのような属性に関心を持っているかまでは判定できなかった。すなわち、顧客が商品の価格に関心を持ったのか、機能に関心を持ったのか、それともサイズや色、ブランドに関心を持ったのか、といった内容に踏み込んで判定することはできなかった。   For example, assuming that there are 100 products “product 001” to “product 100”, and a customer stays in front of each product, for each product, the customer's interest for each product is estimated from the residence time before the product. did it. However, it was not possible to determine what attributes the customer is interested in. In other words, it was not possible to determine whether the customer was interested in the price of the product, whether it was interested in the function, or whether it was interested in the size, color, or brand.

一方、本実施形態によれば、（１）人の位置と物品の位置の位置関係の変化により、物品単位の関心度だけでなく、物品のどの属性にどのように関心を持つのか、関心に影響しない属性はどれなのかを検出できる。また、属性単位に、その属性が関心に影響するかどうかを検出できる。   On the other hand, according to the present embodiment, (1) not only the degree of interest for each article but also how to be interested in which attribute of the article due to the change in the positional relationship between the position of the person and the position of the article. You can detect which attributes are not affected. In addition, it is possible to detect whether or not the attribute affects the interest for each attribute unit.

また、（２）物品の直接的な属性だけでなく、例えばリビングの広さといった、どういった利用に適しているかといった属性も勘案し、分析できる。更に、（３）属性単位で、時間軸方向での関心の変化の推移を分析できる。また、（４）関心に影響ある属性と、その属性が影響する範囲を特定できる。そして、（５）関心に影響ある属性のみを、プロファイルとして記憶できる。   In addition, (2) not only the direct attribute of the article but also the attribute such as the size of the living room, which is suitable for use, for example, can be considered and analyzed. Further, (3) it is possible to analyze the transition of the change of interest in the time axis direction in attribute units. Also, (4) it is possible to specify an attribute that affects interest and a range that the attribute affects. (5) Only attributes that affect interest can be stored as profiles.

更に、商品の購買形態として、商品の購入を決定した人物が、自分自身では商品を直接購入せず、他の関係者に指示し、その関係者を介して商品を購入する場合がある。この購買形態では、商品購入を実際に行った顧客は、自分自身の関心に基づく購買傾向とは異なる購買行動をとることになる。従って、従来の位置情報分析システムでは、実際に商品を購入した顧客と、購入指示をした顧客を区別することができなかった。そのため、実際に商品を購入した顧客に対する分析と、購入指示をした顧客に対する分析の両方とも正しい結果が得られなかった。   Furthermore, as a purchase form of a product, a person who has decided to purchase a product may not directly purchase the product himself, but may instruct other parties and purchase the product via the party. In this form of purchase, a customer who has actually purchased a product takes a purchase action that is different from a purchase tendency based on his own interest. Therefore, in the conventional position information analysis system, it is not possible to distinguish between a customer who actually purchased a product and a customer who has given a purchase instruction. For this reason, both the analysis for the customer who actually purchased the product and the analysis for the customer who gave the purchase instruction did not obtain correct results.

また、商品の購買形態として、商品の購入を決定した人物が、自分自身では商品を直接購入せず、他の関係者に指示し、その関係者を介して商品を購入する場合がある。例えば、冷蔵庫などの白物家電の購入の際、夫婦のうち妻が購入決定を行い、夫が購入を行うといった行動は、日常的に発生し得る。   In addition, as a purchase form of a product, a person who has decided to purchase a product may not directly purchase the product himself, but may instruct other parties and purchase the product via the party. For example, when purchasing white goods such as a refrigerator, a behavior in which a wife makes a purchase decision and a husband makes a purchase on a daily basis can occur.

この購買形態では、商品購入を実際に行った顧客は、自分自身の関心に基づく購買傾向とは異なる購買行動をとることになる。ところが、従来の位置情報分析システムでは、実際に商品を購入した顧客と、購入指示をした顧客を区別することができなかった。そのため、実際に商品を購入した顧客に対する分析について正しい結果が得られなかった。その上、購入指示をした顧客に対する分析は行われていなかった。   In this form of purchase, a customer who has actually purchased a product takes a purchase action that is different from a purchase tendency based on his own interest. However, in the conventional location information analysis system, it is not possible to distinguish between a customer who actually purchased a product and a customer who has given a purchase instruction. Therefore, the correct result was not obtained about the analysis to the customer who actually purchased the product. In addition, no analysis was made on the customer who ordered the purchase.

一方、本実施形態によれば、人の位置と物品の位置の位置関係の変化により、人と人、人と物品の関係の深さ、更に複数の人や物品からなるグループを推定できる。更に、購入を実際に行った人ではなく、誰が購入の意思決定を行ったのかが判別できる。   On the other hand, according to the present embodiment, it is possible to estimate the depth of the relationship between a person and a person, the person and the article, and a group composed of a plurality of people and articles by changing the positional relationship between the position of the person and the position of the article. Further, it is possible to determine who made the purchase decision, not the person who actually made the purchase.

例えば冷蔵庫などの白物家電の購入を考えると、夫婦のうち妻が購入決定を行い、夫が購入を行うといった行動は、日常的に発生し得る。従来の技術では、夫の関心を分析する目的では、妻が購入決定を行った商品はノイズとなったが、本実施形態は妻が購入決定を行ったと判断できる。従って、誰が商品の購入決定を行ったかという情報を用いれば、夫自身や妻自身の関心をそれぞれ精度良く分析することができる。   For example, when considering the purchase of white goods such as a refrigerator, an action such as a wife making a purchase decision and a husband making a purchase may occur on a daily basis. In the conventional technique, for the purpose of analyzing the husband's interest, the product for which the wife has decided to purchase has become noise, but in the present embodiment, it can be determined that the wife has made the purchase decision. Therefore, if the information on who made a purchase decision on the product is used, the interests of the husband and the wife themselves can be analyzed with high accuracy.

その結果、例えば、測定対象の夫婦に販促活動を行う場合、妻が購入決定を行った商品カテゴリについて、夫に積極的に販促活動を実施してしまうという問題が発生せず、購入をしていないが購入決定を行った妻に販促活動を実施することができるため、販促活動を効果的に行うことができる。このように、購入意思決定者と購買者が同じ人物とは限らないという前提にたち、より確からしい購入決定者を推定することは、事業的な観点からも重要性が高いが、本発明はかかる観点でも有用性がある。   As a result, for example, when conducting sales promotion activities for couples to be measured, the product category for which the wife has made a purchase decision does not cause the problem of actively carrying out sales promotion activities to her husband. Although it is possible to carry out sales promotion activities for a wife who has made a purchase decision, the sales promotion activities can be carried out effectively. Thus, on the assumption that the purchase decision maker and the purchaser are not necessarily the same person, it is highly important from a business point of view to estimate a more certain purchase decision maker. This point of view is also useful.

以上、添付図面を参照しながら本発明の好適な実施形態について詳細に説明したが、本発明はかかる例に限定されない。本発明の属する技術の分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本発明の技術的範囲に属する物品と了解される。   The preferred embodiments of the present invention have been described in detail above with reference to the accompanying drawings, but the present invention is not limited to such examples. It is obvious that a person having ordinary knowledge in the technical field to which the present invention pertains can come up with various changes or modifications within the scope of the technical idea described in the claims. Of course, these are also understood as articles belonging to the technical scope of the present invention.

例えば、上記実施形態では、小売における顧客と商品の関係、顧客同士の関係について説明したが、本発明はかかる例に限定されない。例えば、工場等の製造業や、工事現場等の建設業、病院等の医療、物流業などにも適用することができる。例えば、人と物品の関係、人とその他の人の関係から、従業者が、誰の指示で作業したのかを推定できる。例えば、従業者が、自分自身の意思決定や直属の上司の意思決定に基づいて動いたかを推定できる。更に、従業者が、直属の上司以外の指示により作業を行う場合や、支持系統が複数あるといった業務が作業した場合を推定できる。このように、どの作業が誰の指示に基づいて行動したのかを推定できれば、誰の責任で行動しているのかが明らかにできる。また、事故や障害が発生した際にも、適切な意思決定者に状況を素早く連絡することが可能となり、早急な対策をとることが可能となる。   For example, in the above-described embodiment, the relationship between a customer and a product in retail and the relationship between customers are described, but the present invention is not limited to such an example. For example, the present invention can be applied to manufacturing industries such as factories, construction industries such as construction sites, medical treatments such as hospitals, and logistics industries. For example, it is possible to estimate who the employee has worked on from the relationship between a person and an article and the relationship between a person and another person. For example, it can be estimated whether the employee has moved based on his own decision or the decision of his immediate supervisor. Furthermore, it is possible to estimate a case where an employee performs a work according to an instruction other than his / her superior, or a case where a work such as a plurality of support systems is performed. In this way, if it is possible to estimate which work has acted based on who's instruction, it is possible to clarify who is responsible. In addition, even when an accident or failure occurs, it is possible to quickly communicate the situation to an appropriate decision maker, and it is possible to take immediate measures.

また、上記実施形態では、関心度の計測は、検出された位置関係に基づくとしたが、本発明はかかる例に限定されない。関心度の計測は、例えば、接触センサや人体通信などを用いた接触数や接触時間に基づいてもよい。また、パッシブＲＦＩＤや、存在を示すだけのアクティブＲＦＩＤ、赤外線ビーコンなど、近傍の範囲内に入ったことを検知するセンサで、近傍にいる時間に基づいて関心度を計測してもよい。また、関心度の計測は、作業開始と作業終了、離席を作業者自らが申告するシステムから得られる時間に基づいてもよい。   Moreover, in the said embodiment, although the measurement of the interest level was based on the detected positional relationship, this invention is not limited to this example. The measurement of the degree of interest may be based on, for example, the number of contacts or the contact time using a contact sensor or human body communication. Further, the interest level may be measured based on the time in the vicinity with a sensor that detects that the mobile phone has entered a nearby range, such as a passive RFID, an active RFID that only indicates presence, or an infrared beacon. In addition, the degree of interest may be measured based on the time obtained from the system in which the operator himself / herself declares the work start, work end, and absence.

更に、上記実施形態では、関心度は時間を尺度として決定されるとしたが、本発明はかかる例に限定されない。例えば、沖電気工業株式会社のＦＳＥ（Face Sensing Engine）技術などの顔検出、表情検出などの技術を用いて、スマイル度合いで関心度を計測したり、顔色の高揚度合いで関心度を計測したりしてもよい。また、関心度は、店員などの第三者が目視で顧客の商品への関心度を判断し、その第三者によって手動で関心度が入力されてもよい。   Furthermore, in the above embodiment, the degree of interest is determined on the basis of time, but the present invention is not limited to such an example. For example, by using techniques such as face detection and facial expression detection such as FSE (Face Sensing Engine) technology of Oki Electric Industry Co., Ltd., the degree of interest is measured by the degree of smile, or the degree of interest is measured by the degree of enhancement of the face color. May be. The degree of interest may be entered manually by a third party such as a store clerk who visually determines the degree of interest in the customer's product.

上記実施形態では、商品の属性として、色、価格、機能、容量、ブランド、サイズ、等を挙げたが、本発明はかかる例に限定されない。物品の属性としては、ブランド、製品名、価格、色、重量、サイズ、形状、使われている素材、機能、消費電力、製品分野、用途、設置場所、値引率、販売エリア、販売店、支払い期日、特典、洗いやすさ、製品寿命、他の人の評判、発売日からの経過日数、新製品かどうか、在庫量、競合製品の有無、制限事項、設置工事の有無などでもよい。また、場所の属性としては、面積、形状、高度、イベント名称、イベント内容、出席予定者、座席数、集客人数、入場料、設置物、用途、清潔さ、開催日時などでもよい。   In the said embodiment, although the color, price, function, capacity | capacitance, brand, size, etc. were mentioned as an attribute of goods, this invention is not limited to this example. As attributes of goods, brand, product name, price, color, weight, size, shape, materials used, function, power consumption, product field, application, installation location, discount rate, sales area, dealer, payment Dates, benefits, ease of washing, product life, other people's reputation, number of days since launch, availability of new products, inventory, presence of competing products, restrictions, presence of installation work, etc. In addition, the location attribute may be area, shape, altitude, event name, event content, number of attendees, number of seats, number of customers, entrance fee, installation, usage, cleanliness, date and time, etc.

また、関心度の分析は、物品単独での分析や、場所単独での分析に限定されない。例えば、物品と場所両方を一緒に分析してもよい。   Moreover, the analysis of the degree of interest is not limited to the analysis of the article alone or the analysis of the place alone. For example, both articles and locations may be analyzed together.

本発明の一実施形態に係る位置情報分析システムの構成を示すブロック図である。It is a block diagram which shows the structure of the positional information analysis system which concerns on one Embodiment of this invention. 同実施形態の位置検知部が出力する位置情報の例を示す説明図である。It is explanatory drawing which shows the example of the positional information which the position detection part of the embodiment outputs. 同実施形態の周辺情報記憶部が記憶する情報を示す説明図である。It is explanatory drawing which shows the information which the periphery information storage part of the embodiment memorize | stores. 同実施形態の関心計測部による関心度の計算方法の例を示す説明図である。It is explanatory drawing which shows the example of the calculation method of the interest level by the interest measurement part of the embodiment. 同実施形態の関心計測部が出力する情報の一例を示す説明図である。It is explanatory drawing which shows an example of the information which the interest measurement part of the embodiment outputs. 同実施形態に係る属性情報記憶部が保持する情報の一例を示す説明図である。It is explanatory drawing which shows an example of the information which the attribute information storage part which concerns on the embodiment hold | maintains. 同実施形態の属性変換部が出力する情報の一例を示す説明図である。It is explanatory drawing which shows an example of the information which the attribute conversion part of the embodiment outputs. 同実施形態に係る属性分類情報記憶部が保持する属性グループ情報の一例を示す説明図である。It is explanatory drawing which shows an example of the attribute group information which the attribute classification information storage part which concerns on the same embodiment hold | maintains. 同実施形態に係る属性分類情報記憶部が保持する複合属性情報の一例を示す説明図である。It is explanatory drawing which shows an example of the composite attribute information which the attribute classification information storage part which concerns on the embodiment hold | maintains. カテゴリ２がカメラである場合の記録可能な容量と関心度の関係を示すグラフである。It is a graph which shows the relationship between the recordable capacity | capacitance in case Category 2 is a camera, and an interest level. カテゴリ２がカメラである場合のサイズと関心度の関係を示すグラフである。It is a graph which shows the relationship between the size and interest level when category 2 is a camera. カテゴリ２がカメラである場合の記録可能な容量と関心度の関係を示すグラフである。It is a graph which shows the relationship between the recordable capacity | capacitance in case Category 2 is a camera, and an interest level. 同実施形態に係る関心プロファイル生成部が生成する情報の一例を示す説明図である。It is explanatory drawing which shows an example of the information which the interest profile production | generation part which concerns on the embodiment produces | generates. 同実施形態に係る位置情報分析システムの構成を示すブロック図である。It is a block diagram which shows the structure of the positional information analysis system which concerns on the same embodiment. 同実施形態の同伴計測部による同伴時間の計測方法の例を示す説明図である。It is explanatory drawing which shows the example of the measuring method of the accompanying time by the accompanying measurement part of the embodiment. 同実施形態に係る同伴計測部が出力する情報の一例を示す説明図である。It is explanatory drawing which shows an example of the information which the accompanying measurement part which concerns on the embodiment outputs. 検知エリアにおける人Ｘと人Ｙの関係を示す平面図である。It is a top view which shows the relationship between the person X and the person Y in a detection area. 同実施形態に係る同時存在計測部が出力する情報の一例を示す説明図である。It is explanatory drawing which shows an example of the information which the simultaneous presence measurement part which concerns on the same embodiment outputs. 同伴時間と同時存在時間の関係を示すグラフである。It is a graph which shows the relationship between companion time and simultaneous existence time. 同実施形態に係る位置情報分析システムの構成を示すブロック図である。It is a block diagram which shows the structure of the positional information analysis system which concerns on the same embodiment.

符号の説明Explanation of symbols

１０ 位置検知部
５０ データ入力部
１００ 関心計測部
１０１ 属性変換部
１０２ 分析部
１０３ 関心プロファイル生成部
２００ 周辺情報記憶部
２０１ 属性情報記憶部
２０２ 属性分類情報記憶部
２０３ 関心プロファイル記憶部
３００ 同伴計測部
３０１ 同時存在計測部
３０２ 関係分析部
４０１ 関係情報記憶部
４０２ 関係プロファイル記憶部
５００ プロファイル分析部
５０１ 分析データ記憶部 DESCRIPTION OF SYMBOLS 10 Position detection part 50 Data input part 100 Interest measurement part 101 Attribute conversion part 102 Analysis part 103 Interest profile generation part 200 Peripheral information storage part 201 Attribute information storage part 202 Attribute classification information storage part 203 Interest profile storage part 300 Accompanying measurement part 301 Simultaneous presence measurement unit 302 Relationship analysis unit 401 Relationship information storage unit 402 Relationship profile storage unit 500 Profile analysis unit 501 Analysis data storage unit

Claims (16)

人と１又は複数の測定対象との位置関係と、前記位置関係の時間変化とに基づいて、前記人の前記測定対象に対する関心度を前記測定対象毎に算出する関心度算出部と、
前記測定対象に関する１又は複数の属性と、前記属性が有する属性値を記憶する属性記憶部と、
前記測定対象に対する関心度を、前記測定対象に関する前記１又は複数の属性の関心度として扱い、前記属性間の関係性、又は前記属性と前記１若しくは複数の属性の関心度の相関を算出する相関算出部と
を備える、情報処理装置。 An interest level calculation unit that calculates the degree of interest of the person for the measurement target based on the positional relationship between the person and one or a plurality of measurement targets and the temporal change in the positional relationship;
An attribute storage unit that stores one or more attributes related to the measurement object, and an attribute value of the attribute;
The degree of interest in the measurement object is treated as the degree of interest of the one or more attributes related to the measurement object, and the correlation between the attributes or the correlation between the attribute and the interest degree of the one or more attributes is calculated. An information processing apparatus comprising a calculation unit. 前記相関算出部で算出された前記相関に基づいて、前記人の任意の測定対象に関する任意の属性の関心度を、前記任意の属性が有する属性値から予測する関心度予測部を更に備える、請求項１に記載の情報処理装置。   An interest level prediction unit that predicts an interest level of an arbitrary attribute related to an arbitrary measurement target of the person from an attribute value of the arbitrary attribute based on the correlation calculated by the correlation calculation unit. Item 4. The information processing apparatus according to Item 1. 前記属性は、前記複数の属性の一部の集合である属性グループである、請求項１又は２に記載の情報処理装置。   The information processing apparatus according to claim 1, wherein the attribute is an attribute group that is a set of a part of the plurality of attributes. 前記関心度算出部は、前記人と前記１つの測定対象の距離が所定の閾値を満たしている１又は複数回の期間の時間を計測して前記関心度を算出する、請求項１〜３のいずれかに記載の情報処理装置。   The interest level calculation unit calculates the interest level by measuring the time of one or a plurality of periods in which a distance between the person and the one measurement target satisfies a predetermined threshold. The information processing apparatus according to any one of the above. 前記関心度算出部は、前記人と前記１つの測定対象の距離が所定の閾値を満たしている１又は複数回の期間の回数を計測して前記関心度を算出する、請求項１〜３のいずれかに記載の情報処理装置。   The interest level calculation unit calculates the interest level by measuring the number of one or more periods in which a distance between the person and the one measurement target satisfies a predetermined threshold. The information processing apparatus according to any one of the above. 前記測定対象は、所定のアイテム、人物又は領域である、請求項１〜５のいずれかに記載の情報処理装置。   The information processing apparatus according to claim 1, wherein the measurement target is a predetermined item, a person, or a region. 人と１又は複数の測定対象の距離が所定の閾値を満たしている時間を同伴時間として計測する同伴時間計測部と、
所定領域内に前記人と前記測定対象が同時に存在している時間を同時存在時間として計測する同時存在時間計測部と、
前記同伴時間と前記同時存在時間との関係に基づいて、前記人と前記測定対象の間の関係度を算出する関係度算出部と
を備える、情報処理装置。 A companion time measuring unit that measures the time when the distance between the person and one or more measurement objects satisfies a predetermined threshold as the companion time;
A simultaneous existence time measuring unit that measures the time in which the person and the measurement object are simultaneously present in a predetermined area as a simultaneous existence time;
An information processing apparatus comprising: a relationship degree calculating unit that calculates a degree of relationship between the person and the measurement object based on a relationship between the accompanying time and the simultaneous existence time. 前記人及び前記測定対象のうち少なくともいずれかが複数であるとき、前記人と前記測定対象との関係度に基づいて、前記人と前記測定対象を複数のグループに分類する分類部を更に備える、請求項７に記載の情報処理装置。   When at least one of the person and the measurement object is a plurality, further comprising a classification unit that classifies the person and the measurement object into a plurality of groups based on the degree of relationship between the person and the measurement object. The information processing apparatus according to claim 7. 前記属性は、数量で直接比較できない性質を有する、請求項１〜８のいずれかに記載の情報処理装置。   The information processing apparatus according to claim 1, wherein the attribute has a property that cannot be directly compared by quantity. 前記属性は、前記測定対象の色、機能、ブランドである、請求項９に記載の情報処理装置。   The information processing apparatus according to claim 9, wherein the attribute is a color, a function, or a brand of the measurement target. 前記属性は、数量で直接比較できる性質を有する、請求項１〜８のいずれかに記載の情報処理装置。   The information processing apparatus according to claim 1, wherein the attribute has a property that can be directly compared by quantity. 前記属性は、前記測定対象の容量、価格、サイズ、重量、消費電力、値引率である、請求項１１に記載の情報処理装置。   The information processing apparatus according to claim 11, wherein the attribute is a capacity, a price, a size, a weight, power consumption, and a discount rate of the measurement target. 第１の顧客と、前記第１の顧客と異なる１又は複数の第２の顧客の距離が所定の閾値を満たしている時間を同伴時間として計測する同伴時間計測部と、
所定領域内に前記第１の顧客と前記第２の顧客が同時に存在している時間を同時存在時間として計測する同時存在時間計測部と、
前記同伴時間と前記同時存在時間との関係に基づいて、前記第１の顧客と前記第２の顧客の間の関係度を算出する関係度算出部と
を備える、情報処理装置。 A companion time measuring unit that measures, as a companion time, a time at which a distance between the first customer and one or more second customers different from the first customer satisfies a predetermined threshold;
A simultaneous existence time measuring unit that measures the time during which the first customer and the second customer exist simultaneously in a predetermined area as a simultaneous existence time;
An information processing apparatus comprising: a relationship degree calculation unit that calculates a degree of relationship between the first customer and the second customer based on a relationship between the accompanying time and the simultaneous existence time. 前記第１の顧客及び前記第２の顧客と、１又は複数のアイテムとの位置関係と、前記位置関係の時間変化とに基づいて、前記第１の顧客及び前記第２の顧客の前記アイテムに対する関心度を前記アイテム毎に算出する関心度算出部と、
前記アイテムに関する１又は複数の属性と、前記属性が有する属性値を記憶する属性記憶部と、
前記アイテムに対する関心度を、前記アイテムに関する前記１又は複数の属性の関心度として扱い、前記属性間の関係性、又は前記属性と前記１若しくは複数の属性の関心度の相関を前記第１の顧客又は前記第２の顧客毎に算出する相関算出部と、
前記第１の顧客又は前記第２の顧客毎の前記相関に基づいて、任意の前記アイテムと前記第１の顧客又は前記第２の顧客の関心度との関係を算出し、前記第１の顧客又は前記第２の顧客のうち最も関心度の高い前記第１の顧客又は前記第２の顧客を抽出する顧客アイテム関係算出部と
を備える、請求項１３に記載の情報処理装置。 Based on the positional relationship between the first customer and the second customer and one or more items, and the time change of the positional relationship, the items of the first customer and the second customer An interest level calculation unit for calculating an interest level for each item;
One or more attributes relating to the item, an attribute storage unit for storing attribute values of the attribute,
The degree of interest in the item is treated as the degree of interest of the one or more attributes related to the item, and the relationship between the attributes or the correlation between the attribute and the degree of interest of the one or more attributes is the first customer. Or a correlation calculation unit for calculating each second customer;
Based on the correlation for each of the first customer or the second customer, a relationship between an arbitrary item and the interest level of the first customer or the second customer is calculated, and the first customer The information processing apparatus according to claim 13, further comprising: a customer item relationship calculation unit that extracts the first customer or the second customer who has the highest degree of interest among the second customers. 関心度算出部が、人と１又は複数の測定対象との位置関係と、前記位置関係の時間変化とに基づいて、前記人の前記測定対象に対する関心度を前記測定対象毎に算出するステップと、
属性記憶部が、前記測定対象に関する１又は複数の属性と、前記属性が有する属性値を記憶するステップと、
相関算出部が、前記測定対象に対する関心度を、前記測定対象に関する前記１又は複数の属性の関心度として扱い、前記属性間の関係性、又は前記属性と前記１若しくは複数の属性の関心度の相関を算出するステップと
を含む、情報処理方法。 A step of calculating an interest level of the person for the measurement target for each measurement target based on a positional relationship between the person and one or a plurality of measurement targets and a temporal change in the positional relationship; ,
An attribute storage unit storing one or a plurality of attributes related to the measurement target and an attribute value of the attribute;
The correlation calculation unit treats the degree of interest in the measurement object as the degree of interest of the one or more attributes related to the measurement object, and the relationship between the attributes or the interest degree of the attribute and the one or more attributes. And an information processing method including a step of calculating a correlation. 同伴時間計測部が、人と１又は複数の測定対象の距離が所定の閾値を満たしている時間を同伴時間として計測するステップと、
同時存在時間計測部が、所定領域内に前記人と前記測定対象が同時に存在している時間を同時存在時間として計測するステップと、
関係度算出部が、前記同伴時間と前記同時存在時間との関係に基づいて、前記人と前記測定対象の間の関係度を算出するステップと
を含む、情報処理方法。


A step in which the accompanying time measuring unit measures the time when the distance between the person and the one or more measurement objects satisfies a predetermined threshold as the accompanying time;
A step in which a simultaneous existence time measurement unit measures the time in which the person and the measurement object are simultaneously present in a predetermined area as a simultaneous existence time;
And a step of calculating a degree of relationship between the person and the measurement object based on a relationship between the accompanying time and the simultaneous existence time.


JP2008183057A 2008-07-14 2008-07-14 Information processing device and information processing method Pending JP2010020718A (en)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2008183057A JP2010020718A (en) 2008-07-14 2008-07-14 Information processing device and information processing method
PCT/JP2009/061136 WO2010007854A1 (en) 2008-07-14 2009-06-18 Information processing device and information processing method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2008183057A JP2010020718A (en) 2008-07-14 2008-07-14 Information processing device and information processing method

Publications (1)

Publication Number Publication Date
JP2010020718A true JP2010020718A (en) 2010-01-28

Family

ID=41550262

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2008183057A Pending JP2010020718A (en) 2008-07-14 2008-07-14 Information processing device and information processing method

Country Status (2)

Country Link
JP (1) JP2010020718A (en)
WO (1) WO2010007854A1 (en)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013501275A (en) * 2009-07-31 2013-01-10 マイクロソフト コーポレーション Estimating user-specific location semantics from user data
JP2016122289A (en) * 2014-12-24 2016-07-07 ソフトバンク株式会社 Attribute determination device, information extraction system, information distribution system and program
JP2017174222A (en) * 2016-03-24 2017-09-28 カシオ計算機株式会社 Guide output device, guide output method, and program
JP2018033996A (en) * 2015-10-15 2018-03-08 ダイキン工業株式会社 Evaluation device, market survey device, and learning evaluation device
JP2018181006A (en) * 2017-04-14 2018-11-15 富士通株式会社 User relation extraction device, user relation extraction method, and program

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012122269A2 (en) * 2011-03-07 2012-09-13 Kba2, Inc. Systems and methods for analytic data gathering from image providers at an event or geographic location
JP2018073012A (en) * 2016-10-26 2018-05-10 株式会社東芝 Management system

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000132618A (en) * 1998-10-23 2000-05-12 Hitachi Ltd Device and system for supporting estimation of user's choice
JP2005228154A (en) * 2004-02-13 2005-08-25 Nippon Telegr & Teleph Corp <Ntt> Context generation system and its program
JP2005327156A (en) * 2004-05-17 2005-11-24 Advanced Telecommunication Research Institute International Relationship detection system
JP2006099547A (en) * 2004-09-30 2006-04-13 Fukuda Gakuen System for analyzing relationship between friends
JP2006133903A (en) * 2004-11-02 2006-05-25 National Institute Of Advanced Industrial & Technology Integrated information service system
JP2006133915A (en) * 2004-11-02 2006-05-25 National Institute Of Advanced Industrial & Technology User interest analysis system, user interest analysis method, user interest analysis program, and recording medium therefor

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000132618A (en) * 1998-10-23 2000-05-12 Hitachi Ltd Device and system for supporting estimation of user's choice
JP2005228154A (en) * 2004-02-13 2005-08-25 Nippon Telegr & Teleph Corp <Ntt> Context generation system and its program
JP2005327156A (en) * 2004-05-17 2005-11-24 Advanced Telecommunication Research Institute International Relationship detection system
JP2006099547A (en) * 2004-09-30 2006-04-13 Fukuda Gakuen System for analyzing relationship between friends
JP2006133903A (en) * 2004-11-02 2006-05-25 National Institute Of Advanced Industrial & Technology Integrated information service system
JP2006133915A (en) * 2004-11-02 2006-05-25 National Institute Of Advanced Industrial & Technology User interest analysis system, user interest analysis method, user interest analysis program, and recording medium therefor

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013501275A (en) * 2009-07-31 2013-01-10 マイクロソフト コーポレーション Estimating user-specific location semantics from user data
JP2016122289A (en) * 2014-12-24 2016-07-07 ソフトバンク株式会社 Attribute determination device, information extraction system, information distribution system and program
JP2018033996A (en) * 2015-10-15 2018-03-08 ダイキン工業株式会社 Evaluation device, market survey device, and learning evaluation device
JP2017174222A (en) * 2016-03-24 2017-09-28 カシオ計算機株式会社 Guide output device, guide output method, and program
JP2018181006A (en) * 2017-04-14 2018-11-15 富士通株式会社 User relation extraction device, user relation extraction method, and program

Also Published As

Publication number Publication date
WO2010007854A1 (en) 2010-01-21

Similar Documents

Publication Publication Date Title
US11749072B2 (en) Varied detail levels of shopping data for frictionless shoppers
US11935376B2 (en) Using low-resolution images to detect products and high-resolution images to detect product ID
JP6424225B2 (en) System and method for predicting consumer location in a retail facility
US20150269642A1 (en) Integrated shopping assistance framework
WO2010007854A1 (en) Information processing device and information processing method
US20160027330A1 (en) Food management services
US20140214608A1 (en) Determining to audit a customer utilizing analytics
KR20160086033A (en) Apparatus for managing customer information, method for managing customer information, system for managing customer information and computer readable medium having computer program recorded therefor
US20160358195A1 (en) Method To Generate A Consumer Interest Spatial Map, Based On Data Collected From The Movements Of Multiple Devices In A Defined Location
JP2020161126A (en) Inventory tracking system
US20220122023A1 (en) Customized Presentation of Items on Electronic Visual Displays in Retail Stores Based on Condition of Products
WO2022081518A2 (en) Methods and systems for retail environments
Su et al. Interaction data detection system to upgrade brick and mortar shops: Metrics allow offline shops to compete with online retailers
JP2023169752A (en) Information processing apparatus, information processing method, and program
TW201102950A (en) Intelligence gathering systemt and method by use of RFID technology in shopping environment
JP2022066758A (en) Acceptability information acquisition system, management device and acceptability information acquisition method
KR20160007969A (en) Amethod, system and readable recording medium of managing a shop

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20110519

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20130319

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20130716