JP7427216B2 - 人流動分析方法、プログラム、コンピュータ記憶媒体及び人流動分析システム - Google Patents

Description

本発明は、分析領域における人流動分析方法、プログラム、コンピュータ記憶媒体及び人流動分析システムに関する。

交通計画を適切に立案するためには、正確な交通需要が求められる。交通需要は地域毎に異なるものであり、例えば都市部と地方部ではその事情が異なる。都市部では、鉄道の混雑や道路の渋滞を緩和して円滑な交通流を実現する必要がある。一方、地方部では、都市部への人流出や過疎化による公共交通機関の利用者の減少のため、適切な交通網の構築が求められている。そこで、対象地域毎に人の流動を把握することは肝要である。

例えば特許文献１には、鉄道駅などの施設内における利用者の移動需要を、ＯＤ（Ｏｒｉｇｉｎ：出発地、Ｄｅｓｔｉｎａｔｉｏｎ：目的地）データを用いて予測するデータ処理システムが開示されている。このデータ処理システムは、複数の施設間を移動する利用者の出発施設と到着施設とを示すグローバルＯＤデータを取得し、グローバルＯＤデータに基づいて出発施設及び到着施設間の経路を推定し、経路付きグローバルＯＤデータに基づいて、経路上の施設内の複数の箇所を移動した利用者の数を示す第１のローカル移動需要を推定し、移動需要推定部と、経路上の施設において測定された利用者の数を示す流動データを取得し、第１のローカル移動需要と流動データとに基づいて複数の箇所を移動する利用者の数を示す第２のローカル移動需要を予測し、第２のローカル移動需要を出力する。

また例えば、特許文献２には、乗降施設のような対象空間の出入口で計測した人数の情報から、対象空間における人の移動状況を推定する人流動推定システムが開示されている。この人流動推定システムは、観測の対象となる対象空間の出入口を通過する人の数である流動人数を計測する計測部と、前記流動人数に基づき、所定の流動推定演算手法により、所定の旅客状態の人の数を推定した比較用推定人数と、前記対象空間での人の流動を推定した流動推定情報とを取得する推定部と、前記旅客状態の人の数を他の方法で取得した比較対象人数と前記比較用推定人数を比較し、比較結果に基づいて、前記流動推定情報の推定精度を評価する評価部と、を有している。

特開２０１６－２２２１１４号公報 特開２０１６－０４５９１９号公報

以上のように人の流動を予測する方法は、例えば特許文献１、２に開示されたように種々提案されている。しかしながら、従来の方法では、特定の経路や空間における人の流動を予測するが、分析対象の地域全体におけるマクロ的な人の流動を把握することはできず、況して、その地域におけるミクロ的な人の流動を把握することもできない。したがって、従来の人の流動を分析する方法には改善の余地がある。

本発明は、かかる点に鑑みてなされたものであり、分析領域における人の流動を適切に分析することを目的とする。

前記の目的を達成するため、本発明は、人流動分析システムを用いた分析領域における人流動分析方法であって、前記人流動分析システムの通信部を介して、前記分析領域の任意の地点間の人の移動データを含むＯＤデータを取得するデータ取得工程と、前記人流動分析システムのクラスタリング部において、前記ＯＤデータのネットワーク分析を行い、前記分析領域を複数のクラスタに分類するクラスタリング工程と、前記人流動分析システムのデータ導出部において、前記クラスタリング工程における前記ネットワーク分析の結果に基づいて、前記クラスタ間での人の移動を示すクラスタ間移動データと、前記クラスタ内での人の移動を示すクラスタ内移動データとを導出するデータ導出工程と、前記人流動分析システムの計画部において、前記クラスタ間移動データと前記クラスタ内移動データに基づいて、移動規模に応じた交通手段を準備し、前記分析領域の内部におけるクラスタ間移動の交通計画と前記分析領域の内部におけるクラスタ内移動の交通計画とを個別に推算する計画工程と、を有することを特徴としている。

本発明によれば、任意の地点間のＯＤデータのネットワーク分析を行うことで、分析領域を複数のクラスタに分類するクラスタリングを行う。そうすると、クラスタの中心間での人の移動（マクロ的な人の流動）を把握することができると共に、クラスタ内での人の移動（ミクロ的な人の流動）を把握することができる。したがって、分析領域における人の流動を適切に分析することができる。

前記人流動分析方法において、前記ＯＤデータは、前記分析領域を区画した地域メッシュ間の人の移動データ、前記分析領域における市区町村間の人の移動データ、又は前記分析領域における交通手段の乗降地点間の人の移動データを含んでいてもよい。

前記人流動分析方法は、前記人流動分析システムの位置情報付与部において、前記分析領域に位置情報を付与する位置情報付与工程と、前記人流動分析システムのマッピング部において、前記クラスタ間移動データと前記クラスタ内移動データを地図上に可視化するマッピング工程とを、さらに有していてもよい。

前記位置情報付与工程において、前記クラスタに対して代表地点の緯度及び経度を付与し、前記マッピング工程において、前記クラスタの代表地点を地図上に点としてプロットし、前記クラスタ間の人の移動データを前記プロットした点の間を結ぶ線として表現してもよい。

前記マッピング工程において、前記クラスタ間の人の移動量は、前記クラスタ間を結ぶ線の太さ、線の色の濃淡又は線の色味で表現し、前記クラスタ内の人の移動量は、前記代表地点の点の大きさ、点の色の濃淡、又は点の色味で表現してもよい。

前記人流動分析方法は、前記人流動分析システムのセンタリング部において、前記ＯＤデータのネットワーク分析を行い、前記クラスタにおける中心点を算出するセンタリング工程をさらに有し、前記代表地点は、前記センタリング工程で算出された前記中心点であってもよい。

前記人流動分析方法は、前記人流動分析システムのセンタリング部において、前記分析領域の地点の重要度を評価する指標を決定する地点重要度決定工程と、前記センタリング部において、前記クラスタと前記重要度とを組み合わせ、当該クラスタの最も重要度の高い地点を前記代表地点とするセンタリング工程と、さらに有していてもよい。

前記人流動分析方法において、前記交通計画は、前記分析領域の内部における交通手段、前記交通手段の車両数、前記交通手段の運転者数であってもよい。

別な観点による本発明によれば、前記人流動分析実施方法を人流動分析システムによって実行させるように、当該人流動分析システムを制御する、コンピュータ上で動作するプログラムが提供される。

また別な観点による本発明によれば、前記プログラムを格納した読み取り可能なコンピュータ記憶媒体が提供される。

さらに別な観点による本発明は、分析領域における人流動分析システムであって、前記分析領域の任意の地点間の人の移動データを含むＯＤデータを記憶する記憶部と、前記ＯＤデータのネットワーク分析を行い、前記分析領域を複数のクラスタに分類するクラスタリング部と、前記クラスタリング部による前記ネットワーク分析の結果に基づいて、前記クラスタ間での人の移動を示すクラスタ間移動データと、前記クラスタ内での人の移動を示すクラスタ内移動データとを導出するデータ導出部と、前記クラスタ間移動データと前記クラスタ内移動データに基づいて、移動規模に応じた交通手段を準備し、前記分析領域の内部におけるクラスタ間移動の交通計画と前記分析領域の内部におけるクラスタ内移動の交通計画とを個別に推算する計画部と、を有することを特徴としている。

前記人流動分析システムにおいて、前記ＯＤデータは、前記分析領域を区画した地域メッシュ間の人の移動データ、前記分析領域における市区町村間の人の移動データ、又は前記分析領域における交通手段の乗降地点間の人の移動データを含んでいてもよい。

前記人流動分析システムは、前記分析領域に位置情報を付与する位置情報付与部と、前記クラスタ間移動データと前記クラスタ内移動データを地図上に可視化するマッピング部とを、さらに有していてもよい。

前記位置情報付与部は、前記クラスタに対して代表地点の緯度及び経度を付与し、前記マッピング部は、前記クラスタの代表地点を地図上に点としてプロットし、前記クラスタ間の人の移動データを前記プロットした点の間を結ぶ線として表現してもよい。

前記マッピング部は、前記クラスタ間の人の移動量は、前記クラスタ間を結ぶ線の太さ、線の色の濃淡又は線の色味で表現し、前記クラスタ内の人の移動量は、前記代表地点の点の大きさ、点の色の濃淡、又は点の色味で表現してもよい。

前記人流動分析システムは、前記ＯＤデータのネットワーク分析を行い、前記クラスタにおける中心点を算出するセンタリング部をさらに有し、前記代表地点は、前記センタリング部で算出された前記中心点であってもよい。

前記人流動分析システムは、前記分析領域の地点の重要度を評価する指標を決定し、前記クラスタと前記重要度とを組み合わせ、当該クラスタの最も重要度の高い地点を前記代表地点とするセンタリング部をさらに有していてもよい。

前記人流動分析システムにおいて、前記交通計画は、前記分析領域の内部における交通手段、前記交通手段の車両数、前記交通手段の運転者数であってもよい。

本発明によれば、分析領域におけるクラスタ間での人の移動とクラスタ内での人の移動を把握することができ、その結果、当該分析領域における人の流動を適切に分析することができる。

本実施形態にかかる人流動分析システムの構成の概略を示す説明図である。 ＯＤデータのネットワーク分析を行う様子を示す説明図である。 本実施形態にかかる人流動分析方法の主な工程を示すフロー図である。 人流動分析システムに入力される地点データの一例を示す表である。 地点間の人の移動数を示すＯＤデータの一例を示す表である。 ノード（地点）のデータの一例を示す表である。 エッジ（人の移動数）のデータの一例を示す表である。 クラスタリングの結果の一例を示す表である。 各地点の重要度を評価する指標の一例を示す表である。 センタリングの結果の一例を示す表である。 クラスタ内移動データとクラスタ間移動データの一例を示す表である。 クラスタ内移動データとクラスタ間移動データを地図上に可視化した様子を示す説明図である。 タクシーの必要台数の一例を示す表である。 バスの必要台数の一例を示す表である。

以下、本発明の実施形態について図面を参照して説明する。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。

＜人流動分析システムの構成＞
図１は、本実施形態にかかる人流動分析システム１の構成の概略を示す説明図である。

人流動分析システム１は、ネットワークＮを介して、外部システム２に接続されている。なお、ネットワークＮは、人流動分析システム１と外部システム２との間の通信を行うことができるものであれば特に限定されるものではないが、例えばインターネットや有線ＬＡＮ、無線ＬＡＮなどにより構成される。

外部システム２は、人の流動を分析する対象となる領域（以下、「分析領域」という。）の地点間の人の移動データを含むＯＤデータを格納する。例えばＯＤデータは、分析領域を区画した地域メッシュ間の人の移動データを含み、すなわち「地点」は地域メッシュである。地域メッシュは、緯度及び経度に基づいて分析領域を略同じ大きさのメッシュ（網の目）に分けたものである。そして、外部システム２は、例えば携帯電話などの通信機能を搭載した携帯端末から取得された位置情報データ（ＧＰＳデータ、基地局データ）及び属性情報を加工し、ＯＤデータを生成して格納する。

なお、ＯＤデータは上記に限定されるものではなく、分析領域の任意の地点間の人の移動データを含む。例えばＯＤデータは、分析領域における市区町村間の人の移動データ、又は分析領域における交通手段の乗降地点（例えば、駅）間の人の移動データを含んでいてもよい。また、ＯＤデータは、人の移動データ以外にも、「平日・休日」で分類したデータ、「居住者・非居住者（来訪者）」で分類したデータ、「性別」で分類したデータ、「年齢」で分類したデータなど、属性情報も含む。

また、外部システム２も上記に限定されるものではない。例えば外部システム２は、ＩＣカードから取得された位置情報データ及び属性情報を用いてＯＤデータを生成してもよいし、あるいは公表されている人の流動に関する統計データを用いてＯＤデータを生成してもよい。

人流動分析システム１は、通信部１０、分析部２０、可視化部３０、計画部４０、記憶部５０、及び出力部６０を有している。

通信部１０は、ネットワークＮとの間の通信を媒介する通信インタフェースであり、外部システム２とデータ通信を行う。

分析部２０は、データ変換部２１、クラスタリング部２２、センタリング部２３、及びデータ導出部２４を有している。分析部２０では、ＯＤデータ（移動データ）のネットワーク分析を行い、分析領域における人の移動の分析を行う。

図２は、ＯＤデータのネットワーク分析を行う様子を示す説明図である。図２において、左図は外部システム２から人流動分析システム１に入力されたオリジナルのＯＤデータを示し、右図はネットワーク分析後のＯＤデータを示している。

データ変換部２１は、ＯＤデータのネットワーク分析を行うため、当該ＯＤデータを、グラフ理論におけるグラフデータに変換する。具体的には、図２に示すように分析領域における地点をノード（頂点）とし、地点間の人の移動をエッジ（辺・リレーション）とするグラフデータに変換する。

クラスタリング部２２は、ＯＤデータ（グラフデータ）のネットワーク分析を行い、図２に示すように分析領域（地点）を複数のクラスタ１～３に分類する。クラスタリング部２２では、グラフ理論に基づいたノードを分類する方法の一つとしてコミュニティディテクションという方法を用い、さらにその一つのＬｏｕｖａｉｎ法を用いる。Ｌｏｕｖａｉｎ法では、人の移動（エッジ）の重みを考慮して地点（ノード）を分類し、分析領域（地点）を複数のクラスタ１～３に分類する。なお、クラスタリング部２２におけるクラスタリングの方法はＬｏｕｖａｉｎ法に限定されず、任意である。例えば、Ｌｏｕｖａｉｎ法を含むコミュニティディテクション以外の方法を用いてもよい。

センタリング部２３は、ＯＤデータのネットワーク分析を行い、図２に示すように各クラスタ１～３における中心点１～３をそれぞれ算出する。具体的に中心点１～３は、例えば地域メッシュ、市区町村、交通手段の乗降地点などである。センタリング部２３では、グラフ理論における「中心性」という指標を算出するＢｅｔｗｅｅｎｎｅｓｓ Ｃｅｎｔｒａｌｉｔｙ法を用いて、中心点１～３をそれぞれ算出する。なお、センタリング部２３におけるセンタリングの方法はＢｅｔｗｅｅｎｎｅｓｓ Ｃｅｎｔｒａｌｉｔｙ法に限定されず、任意である。例えば、グラフ理論における「中心性」を算出するＣｌｏｓｅｎｅｓｓ ｃｅｎｔｒａｌｉｔｙ法を用いてもよい。あるいは、グラフ理論における「中心性」の指標を用いずに、各地点の「人口」などを別の指標により選定してもよい。

データ導出部２４は、クラスタリング部２２とセンタリング部２３によるネットワーク分析の結果に基づいて、クラスタ間での人の移動を示すクラスタ間移動データと、クラスタ内での人の移動を示すクラスタ内移動データとを導出する。上述したクラスタリング部２２で分類されたクラスタの各地点にはクラスタ番号が付与される。データ導出部２４では、ＯＤデータの出発地点及び到着地点のクラスタ番号を比較し、番号が同じ場合にはクラスタ内移動、番号が異なる場合にはクラスタ間移動とする。

可視化部３０は、位置情報付与部３１とマッピング部３２を有している。可視化部３０では、分析部２０で導出したクラスタ間移動データとクラスタ内移動データを可視化する。

位置情報付与部３１は、分析領域に位置情報を付与する。具体的には、ＧＩＳ（Ｇｅｏｇｒａｐｈｉｃ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｙｓｔｅｍ）データに基づいて、各クラスタの中心点に座標（緯度及び経度）を付与する。例えば分析領域の地点が地域メッシュである場合、中心点として選定された地域メッシュの中心の緯度及び経度を付与する。なお、地域メッシュはエリア（区画）であり、必ずしも地域メッシュの中心を用いる必要は無く、当該地域メッシュの端部（例えば、北西の端部）の緯度及び経度を用いることも可能である。

同様に、分析領域の地点が市区町村の場合には、各市区町村の中心の緯度及び経度を用いる場合もあれば、役場の緯度及び経度を用いる場合もある。また、分析領域の地点が交通手段の乗降地点、例えば駅の場合は、駅の緯度及び経度を用いる。

マッピング部３２は、クラスタ間移動データとクラスタ内移動データを、地図上に可視化する。具体的には、クラスタの中心点を地図上に点としてプロットし、クラスタ間の人の移動データをプロットした点の間を結ぶ線として表現する。クラスタ間の人の移動量は、クラスタ間を結ぶ線の太さ、線の色の濃淡又は線の色味で表現する。クラスタ内の人の移動量は、クラスタの中心点の点の大きさ、点の色の濃淡、又は点の色味で表現する。

計画部４０は、クラスタ間移動データ及びクラスタ内移動データに基づいて、分析領域の内部における交通計画を推算する。交通計画は、例えば分析領域の内部における交通手段、交通手段の車両数、交通手段の運転者数などの計画である。より具体的には、例えば最適な交通手段の需給計画、交通手段のルートの計画、交通手段の配置箇所の計画、交通手段の車両数及び車両仕様等の策定を通じた後述のカーシェアの計画、後述するデマンド交通等のＩｏＴ（Ｉｎｔｅｒｎｅｔ ｏｆ Ｔｈｉｎｇｓ）やＡＩ（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ）が可能とする新しいモビリティサービスの計画などを推算する。また、交通手段としては、既存の公共交通機関（例えば、電車、バスなど）に加え、例えばラウンドトリップ型又はワンウェイ型のカーシェア、あるいは定路線型、準自由経路型（マイクロトランジット）、自由経路型（例えばタクシー配車、相乗りタクシー、ライドヘイリング、カープーリング）のデマンド交通などがある。

記憶部５０は、人流動分析システム１で処理される各種データを記憶する。具体的には、外部システム２から人流動分析システム１に入力されたＯＤデータ、分析部２０でネットワーク分析を行った結果（クラスタリング及びセンタリングされたＯＤデータ）、分析部２０で導出したクラスタ間移動データとクラスタ内移動データ、可視化部３０で可視化されたクラスタ間移動データとクラスタ内移動データ、計画部４０で推算された交通計画などが記憶される。また、記憶部５０には、人流動分析システム１の制御を行うための各種プログラムが格納される。

出力部６０は、記憶部５０に記憶された各データを人流動分析システム１の外部に出力する。

なお、人流動分析システム１の構成要素は、回路（ハードウェア）、又はＣＰＵなどの中央演算処理装置と、これらを機能させるためのプログラム（ソフトウェア）から構成することができる。そして、このプログラムは各部１０～６０を制御して、後述するデータ処理を実行する。この場合において、上記プログラムは、例えば記憶部５０に格納されていてもよいし、あるいはコンピュータ読み取り可能なハードディスク（ＨＤ）、フレキシブルディスク（ＦＤ）、コンパクトディスク（ＣＤ）、マグネットオプティカルデスク（ＭＯ）、各種メモリなどのコンピュータに読み取り可能な記憶媒体に格納されていてもよい。また、上記プログラムは、インターネットなどの通信回線網を介してダウンロードすることにより、上記記憶媒体などに格納することができる。

＜人流動分析方法＞
次に、以上のように構成された人流動分析システム１を用いて行われる人流動分析方法について、具体的な事例を用いて説明する。図３は、人流動分析方法の主な工程を示すフロー図である。

［Ｓ１：データ取得工程］
先ず、外部システム２に格納されたデータが、ネットワークＮを介して人流動分析システム１に入力される。人流動分析システム１に入力されたデータは、記憶部５０に記憶される。

本実施形態においては、人流動分析システム１に入力されるデータとして、平成２２年第５回近畿圏パーソントリップ調査の結果（京阪神都市圏交通計画協議会）の一部データを用いた。すなわち、分析領域は大阪市である。図４は、人流動分析システム１に入力される地点データを示している。分析領域の地点は、大阪市の区であり、各区には地点ＩＤが付与されている。図５は、地点間の人の移動数を示すＯＤデータを示している。図５において、縦軸の地点は発地（Ｏｒｉｇｉｎ）を示し、横軸の地点は着地（Ｄｅｓｔｉｎａｔｉｏｎ）を示しており、数値の「１単位」は１日のトリップ数である。なお、図５では、図示の都合上、図４に示した地点の一部を示しており、実際にはすべての地点間のデータが網羅的に取得されている。

［Ｓ２：データ変換工程］
次に、データ変換部２１によって、ＯＤデータのネットワーク分析を行うため、、当該ＯＤデータを、グラフ理論におけるグラフデータに変換する。図６に示すように分析領域における地点をノードとし、図７に示すように地点間の人の移動をエッジとするグラフデータに変換する。なお、図７では、図示の都合上、人の移動の一部を示しており、実際にはすべての地点間の人の移動が網羅的にデータ化されている。

［Ｓ３：クラスタリング工程］
次に、クラスタリング部２２によって、ＯＤデータ（グラフデータ）のネットワーク分析を行い、分析領域を複数のクラスタに分類する。具体的には、グラフデータに対して、人の移動数を重みとしたＬｏｕｖａｉｎ法によるコミュニティディテクションを行い、図８に示すように地点を分類（クラスタリング）する。各地点に対して割り当てられたコミュニティ番号を「クラスタ番号」とする。

［Ｓ４：地点重要度決定工程］
次に、センタリング部２３によって、各地点の重要度を評価する指標を決定する。この指標は、後述するように各クラスタの代表地点を算出するための指標である。本実施形態においては、図９に示すように各地点の夜間人口とする。

［Ｓ５：センタリング工程］
次に、センタリング部２３によって、図１０に示すように工程Ｓ３でのクラスタリングの結果と、工程Ｓ４での各地点の重要度のデータとを組み合わせ、各クラスタ毎に最も重要度の高い地点をそのクラスタの代表地点（中心点）とする。なお、本実施形態においては、各地点の重要度（夜間人口）を用いてセンタリングを行ったが、グラフ理論のＢｅｔｗｅｅｎｎｅｓｓ Ｃｅｎｔｒａｌｉｔｙ法やＣｌｏｓｅｎｅｓｓ ｃｅｎｔｒａｌｉｔｙ法を用いてもよい。

なお、本実施形態では、工程Ｓ３でのクラスタリングを行った後、工程Ｓ５のセンタリングを行ったが、これらクラスタリングとセンタリングの順序は反対でもよい。クラスタリングとセンタリングは互いに独立した分析処理であるため、いずれを先に行ってもよい。

［Ｓ６：データ導出工程］
次に、データ導出部２４によって、工程Ｓ３でのクラスタリングの結果と工程Ｓ５でのセンタリングの結果に基づいて、地点間の移動数をクラスタ毎に集約し、図１１に示すようにクラスタ間での人の移動を示すクラスタ間移動データと、クラスタ内での人の移動を示すクラスタ内移動データとを導出する。この際、発地のクラスタ番号と着地のクラスタ番号が同じ場合はクラスタ内移動とし、異なる場合にはクラスタ間移動とする。なお、図１１では、図示の都合上、移動データの一部を示しており、実際にはすべてのクラスタに対して人の移動が網羅的にデータ化されている。

［Ｓ７：位置情報付与工程］
次に、位置情報付与部３１によって、各クラスタの代表地点の緯度及び経度を付与する。

［Ｓ８：マッピング工程］
次に、マッピング部３２によって、図１２に示すように各クラスタの代表地点を緯度及び経度の情報により地図上に点としてプロットし、さらにクラスタ間移動データとクラスタ内移動データを地図上に可視化する。クラスタ間移動は代表地点間を線で結び、移動数を線の太さ及び線の色の濃さで表現する。クラスタ内移動データの合計の移動数は、代表地点の図形の大きさで表現する。

［Ｓ９：交通計画工程］
次に、計画部４０によって、クラスタ間移動データ及びクラスタ内移動データに基づいて、分析領域の内部における交通計画を推算する。

本実施形態では交通計画として、既存の移動数の１０％を担う公共交通機関として、短距離の移動用にはタクシーを、中長距離の移動には路線バスを、新たに準備する。そして、工程Ｓ６で導出したクラスタ内移動をタクシーが担うとし、クラスタ間移動をバスが担うとして、最適な台数をクラスタ毎に導出する。

クラスタ内移動を担うためのタクシーの必要台数を算出するにあたり、タクシーが客を乗車させてから次の客を乗車させるまでの平均時間を３０分とし、タクシーの１日の平均乗客数を１．５人とする。また、クラスタ内の人の移動は、移動は時間帯に関係なく満遍なく発生するとする。そして、タクシーの必要台数が下記式（１）により、図１３に示すように算出される。
（タクシーの必要台数）＝（１日あたりのクラスタ内移動数）×１０％×（０．５時間÷２４時間)÷１．５人 ・・・（１）

クラスタ間移動を担うためのバスの必要台数を算出するにあたり、バスのクラスタ間の往復所要時間を１時間とし、バスの１日の平均乗客数を３０人とする。また、クラスタ間の人の移動は、６時から２４時までの間に時間帯に関係なく満遍なく発生するとする。そして、バスの必要台数が下記式（２）により、図１４に示すように算出される。なお、図１４では、図示の都合上、バスの必要台数のデータの一部を示しており、実際にはすべてのクラスタ間に対してバスの必要台数が網羅的に算出されている。
（バスの必要台数）＝（１日あたりのクラスタ間移動数）×１０％×（１時間÷１８時間)÷３０人 ・・・（２）

以上の実施形態によれば、分析領域の地点間のＯＤデータのネットワーク分析を行うことで、（１）分析領域を複数のクラスタに分類するクラスタリング（工程Ｓ３）と、（２）各クラスタにおける中心点を算出するセンタリング（工程Ｓ５）とを行う。そうすると、クラスタの中心間での人の移動（マクロ的な人の流動）を把握することができると共に、クラスタ内での人の移動（ミクロ的な人の流動）を把握することができる。したがって、分析領域における人の流動を適切に分析することができる。そしてこのように、ネットワーク分析をＯＤデータの分析に用いることは、従来にない極めて斬新なものである。

なお、以上の実施形態では、ネットワーク分析を行い、クラスタリングとセンタリングを行っていたが、センタリングを省略する場合もある。例えば、クラスタの代表地点を、各地点の人口の多さから決める場合には、ネットワーク分析で中心点を算出しなくてもよい。

また、以上の実施形態では、分析領域が大阪市である場合について説明したが、もちろん分析領域はこれに限定されるものではない。例えば分析領域は、都市部であってもよいし、地方部であってもよい。

さらに、以上の実施形態では、ネットワーク分析によるクラスタ間の人の移動とクラスタ内の人の移動の結果を交通計画に利用したが、当該結果は他分野にも応用して適用することができる。例えば、人の移動を把握することができれば、商業施設の出店計画や商品陳列計画、飲食店や宿泊施設における準備計画、イベントの開催計画などにも利用することができる。また例えば、工場内の人流分析を実施することにより、最適な機器装置の配置の検討し、あるいは作業を最適化することができ、さらに災害時の人流分析により、最適な避難計画の策定することも可能となる。

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説明したが、本発明はかかる例に限定されない。当業者であれば、特許請求の範囲に記載された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、それらについても当然に本発明の技術的範囲に属するものと了解される。

本発明は、分析領域における人の流動を分析する際に有用である。

１ 人流動分析システム
２ 外部システム
１０ 通信部
２０ 分析部
２１ データ変換部
２２ クラスタリング部
２３ センタリング部
２４ データ導出部
３０ 可視化部
３１ 位置情報付与部
３２ マッピング部
４０ 計画部
５０ 記憶部
６０ 出力部
Ｎ ネットワーク

Claims (18)

1. 人流動分析システムを用いた分析領域における人流動分析方法であって、
   前記人流動分析システムの通信部を介して、前記分析領域の任意の地点間の人の移動データを含むＯＤデータを取得するデータ取得工程と、
   前記人流動分析システムのクラスタリング部において、前記ＯＤデータのネットワーク分析を行い、前記分析領域を複数のクラスタに分類するクラスタリング工程と、
   前記人流動分析システムのデータ導出部において、前記クラスタリング工程における前記ネットワーク分析の結果に基づいて、前記クラスタ間での人の移動を示すクラスタ間移動データと、前記クラスタ内での人の移動を示すクラスタ内移動データとを導出するデータ導出工程と、
   前記人流動分析システムの計画部において、前記クラスタ間移動データと前記クラスタ内移動データに基づいて、移動規模に応じた交通手段を準備し、前記分析領域の内部におけるクラスタ間移動の交通計画と前記分析領域の内部におけるクラスタ内移動の交通計画とを個別に推算する計画工程と、を有することを特徴とする、人流動分析方法。
2. 前記ＯＤデータは、前記分析領域を区画した地域メッシュ間の人の移動データ、前記分析領域における市区町村間の人の移動データ、又は前記分析領域における前記交通手段の乗降地点間の人の移動データを含むことを特徴とする、請求項１に記載の人流動分析方法。
3. 前記人流動分析システムの位置情報付与部において、前記分析領域に位置情報を付与する位置情報付与工程と、
   前記人流動分析システムのマッピング部において、前記クラスタ間移動データと前記クラスタ内移動データを地図上に可視化するマッピング工程とを、さらに有することを特徴とする、請求項１又は２に記載の人流動分析方法。
4. 前記位置情報付与工程において、前記クラスタに対して代表地点の緯度及び経度を付与し、
   前記マッピング工程において、前記クラスタの代表地点を地図上に点としてプロットし、前記クラスタ間の人の移動データを前記プロットした点の間を結ぶ線として表現することを特徴とする、請求項３に記載の人流動分析方法。
5. 前記マッピング工程において、前記クラスタ間の人の移動量は、前記クラスタ間を結ぶ線の太さ、線の色の濃淡又は線の色味で表現し、前記クラスタ内の人の移動量は、前記代表地点の点の大きさ、点の色の濃淡、又は点の色味で表現することを特徴とする、請求項４に記載の人流動分析方法。
6. 前記人流動分析システムのセンタリング部において、前記ＯＤデータのネットワーク分析を行い、前記クラスタにおける中心点を算出するセンタリング工程をさらに有し、
   前記代表地点は、前記センタリング工程で算出された前記中心点であることを特徴とする、請求項４又は５に記載の人流動分析方法。
7. 前記人流動分析システムのセンタリング部において、前記分析領域の地点の重要度を評価する指標を決定する地点重要度決定工程と、
   前記センタリング部において、前記クラスタと前記重要度とを組み合わせ、当該クラスタの最も重要度の高い地点を前記代表地点とするセンタリング工程と、さらに有することを特徴とする、請求項４又は５に記載の人流動分析方法。
8. 前記交通計画は、前記分析領域の内部における前記交通手段、前記交通手段の車両数、前記交通手段の運転者数であることを特徴とする、請求項１～７のいずれか一項に記載の人流動分析方法。
9. 請求項１～８のいずれか一項に記載の人流動分析方法を人流動分析システムによって実行させるように、当該人流動分析システムを制御する、コンピュータ上で動作するプログラム。
10. 請求項９に記載のプログラムを格納した読み取り可能なコンピュータ記憶媒体。
11. 分析領域における人流動分析システムであって、
    前記分析領域の任意の地点間の人の移動データを含むＯＤデータを記憶する記憶部と、
    前記ＯＤデータのネットワーク分析を行い、前記分析領域を複数のクラスタに分類するクラスタリング部と、
    前記クラスタリング部による前記ネットワーク分析の結果に基づいて、前記クラスタ間での人の移動を示すクラスタ間移動データと、前記クラスタ内での人の移動を示すクラスタ内移動データとを導出するデータ導出部と、
    前記クラスタ間移動データと前記クラスタ内移動データに基づいて、移動規模に応じた交通手段を準備し、前記分析領域の内部におけるクラスタ間移動の交通計画と前記分析領域の内部におけるクラスタ内移動の交通計画とを個別に推算する計画部と、を有することを特徴とする、人流動分析システム。
12. 前記ＯＤデータは、前記分析領域を区画した地域メッシュ間の人の移動データ、前記分析領域における市区町村間の人の移動データ、又は前記分析領域における前記交通手段の乗降地点間の人の移動データを含むことを特徴とする、請求項１１に記載の人流動分析システム。
13. 前記分析領域に位置情報を付与する位置情報付与部と、
    前記クラスタ間移動データと前記クラスタ内移動データを地図上に可視化するマッピング部とを、さらに有することを特徴とする、請求項１１又は１２に記載の人流動分析システム。
14. 前記位置情報付与部は、前記クラスタに対して代表地点の緯度及び経度を付与し、
    前記マッピング部は、前記クラスタの代表地点を地図上に点としてプロットし、前記クラスタ間の人の移動データを前記プロットした点の間を結ぶ線として表現することを特徴とする、請求項１３に記載の人流動分析システム。
15. 前記マッピング部は、前記クラスタ間の人の移動量は、前記クラスタ間を結ぶ線の太さ、線の色の濃淡又は線の色味で表現し、前記クラスタ内の人の移動量は、前記代表地点の点の大きさ、点の色の濃淡、又は点の色味で表現することを特徴とする、請求項１４に記載の人流動分析システム。
16. 前記ＯＤデータのネットワーク分析を行い、前記クラスタにおける中心点を算出するセンタリング部をさらに有し、
    前記代表地点は、前記センタリング部で算出された前記中心点であることを特徴とする、請求項１４又は１５に記載の人流動分析システム。
17. 前記分析領域の地点の重要度を評価する指標を決定し、前記クラスタと前記重要度とを組み合わせ、当該クラスタの最も重要度の高い地点を前記代表地点とするセンタリング部をさらに有することを特徴とする、請求項１４又は１５に記載の人流動分析システム。
18. 前記交通計画は、前記分析領域の内部における前記交通手段、前記交通手段の車両数、前記交通手段の運転者数であることを特徴とする、請求項１１～１７のいずれか一項に記載の人流動分析システム。
    

Images