評価予測システムおよび評価予測方法
【課題】移動機から送信されたデータに基づいて、所定の事象の評価や予測を正確に行うことができる相関モデルを抽出可能な評価予測システムを提供する。
【解決手段】評価予測システム１０のＲＮＣ３００において、位置情報通信部３０１は、移動機１００の位置情報を特定し、特定した位置情報を情報分析装置６００へ送信する。情報分析装置６００において、位置情報受信部６０１は、位置情報通信部３０１から送信された位置情報を受信する。動態データ算出部６０２は、受信された位置情報に基づいて、移動機１００の動態を示す動態データを算出する。相関モデル抽出部６０４は、動態データと、所定の事象を表す外部データとの相関モデルを抽出する。評価予測部６０５は、抽出された相関モデルと、動態データとに基づいて、外部データを評価または予測する。そして、出力部６０６は、評価予測部６０５による評価結果または予測結果を出力する。
【解決手段】評価予測システム１０のＲＮＣ３００において、位置情報通信部３０１は、移動機１００の位置情報を特定し、特定した位置情報を情報分析装置６００へ送信する。情報分析装置６００において、位置情報受信部６０１は、位置情報通信部３０１から送信された位置情報を受信する。動態データ算出部６０２は、受信された位置情報に基づいて、移動機１００の動態を示す動態データを算出する。相関モデル抽出部６０４は、動態データと、所定の事象を表す外部データとの相関モデルを抽出する。評価予測部６０５は、抽出された相関モデルと、動態データとに基づいて、外部データを評価または予測する。そして、出力部６０６は、評価予測部６０５による評価結果または予測結果を出力する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、所定の事象を表す外部データや動態データを評価または予測することができる相関モデルを抽出する評価予測システムおよび評価予測方法に関する。
【背景技術】
【０００２】
従来、移動機より取得した情報に基づいて統計処理を行い、所定の数値予測等を行う技術として、例えば特許文献１に記載されたものがある。ここでは、携帯端末（移動機）から発信される位置登録情報に基づいて、人口分布に関する情報を収集したり、収集した人口分布に関する情報に基づいて未来の人口分布に関するデータ（短期未来予測データ）の算出を行っている。
【先行技術文献】
【特許文献】
【０００３】
【特許文献１】特開２００２−３４２５５７号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかしながら、特許文献１に記載された技術では、単に、現在および過去の人口分布や、未来の人口分布を予測することができるだけであり、これらの人口分布と、例えば店舗の売り上げなどの所定の事象との関連については考慮されていない。従って、移動機から送信されたデータに基づいて、未来の所定の事象を正確に予測したり、評価することができなかった。
【０００５】
そこで本発明は、上記課題に鑑み、移動機から送信されたデータに基づいて、所定の事象の評価や予測を正確に行うことができる相関モデルを抽出可能な評価予測システムおよび評価予測方法を提供することを目的とする。
【課題を解決するための手段】
【０００６】
上記課題を解決するため、本発明の評価予測システムは、移動機の無線接続制御を行う無線ネットワーク制御装置と、前記無線ネットワーク制御装置との情報の送受信が可能とされた情報分析装置とを含んで構成される評価予測システムであって、前記無線ネットワーク制御装置は、前記移動機の位置情報を特定し、特定した前記位置情報を前記情報分析装置へ送信する位置情報通信部、を備え、前記情報分析装置は、前記位置情報通信部から送信された前記位置情報を受信する位置情報受信部と、前記位置情報受信部により受信された前記移動機の位置情報に基づいて、前記移動機の動態を示す動態データを算出する動態データ算出部と、前記動態データ算出部によって算出された動態データと、所定の事象を表す外部データとの相関モデルを抽出する相関モデル抽出部と、前記相関モデル抽出部によって抽出された前記相関モデルを出力する出力部と、を備えている。
【０００７】
また、本発明の評価予測方法は、移動機の無線接続制御を行う無線ネットワーク制御装置と、前記無線ネットワーク制御装置との情報の送受信が可能とされた情報分析装置とを含んで構成される評価予測システム、にて実行される評価予測方法であって、前記無線ネットワーク制御装置が、前記移動機の位置情報を特定し、特定した前記位置情報を前記情報分析装置へ送信する位置情報通信ステップと、前記情報分析装置が、前記無線ネットワーク制御装置から送信された前記位置情報を受信する位置情報受信ステップと、前記情報分析装置が、受信された前記移動機の位置情報に基づいて、前記移動機の動態を示す動態データを算出する動態データ算出ステップと、前記情報分析装置が、算出された前記動態データと、所定の事象を表す外部データとの相関モデルを抽出する相関モデル抽出ステップと、前記情報分析装置が、抽出された前記相関モデルを出力する出力ステップと、を備えている。
【０００８】
この発明によれば、情報分析装置は、無線ネットワーク制御装置から送信された移動機の位置情報に基づいて動態データを算出し、算出した動態データと所定の事象を表す外部データとの相関モデルを抽出する。このように、動態データと外部データとの相関関係を示す相関モデルを抽出することが可能となる。
【０００９】
また、本発明の評価予測システムは、移動機と、前記移動機との通信が可能とされた情報分析装置とを含んで構成される評価予測システムであって、前記移動機は、当該移動機の位置情報を取得し、取得した前記位置情報を前記情報分析装置へ送信する位置情報通信部、を備え、前記情報分析装置は、前記位置情報通信部から送信された前記位置情報を受信する位置情報受信部と、前記位置情報受信部により受信された前記移動機の位置情報に基づいて、前記移動機の動態を示す動態データを算出する動態データ算出部と、前記動態データ算出部によって算出された動態データと、所定の事象を表す外部データとの相関モデルを抽出する相関モデル抽出部と、前記相関モデル抽出部によって抽出された前記相関モデルを出力する出力部と、を備えている。
【００１０】
また、本発明の評価予測方法は、移動機と、前記移動機との通信が可能とされた情報分析装置とを含んで構成される評価予測システム、にて実行される評価予測方法であって、前記移動機が、当該移動機の位置情報を取得し、取得した前記位置情報を前記情報分析装置へ送信する位置情報通信ステップと、前記情報分析装置が、前記移動機から送信された前記位置情報を受信する位置情報受信ステップと、前記情報分析装置が、受信された前記移動機の位置情報に基づいて、前記移動機の動態を示す動態データを算出する動態データ算出ステップと、前記情報分析装置が、算出された前記動態データと、所定の事象を表す外部データとの相関モデルを抽出する相関モデル抽出ステップと、前記情報分析装置が、抽出された前記相関モデルを出力する出力部と、を備えている。
【００１１】
この発明によれば、情報分析装置は、移動機から直接送信された移動機の位置情報に基づいて動態データを算出し、算出した動態データと所定の事象を表す外部データとの相関モデルを抽出する。このように、動態データと外部データとの相関関係を示す相関モデルを抽出することが可能となる。
【００１２】
また、本発明における評価予測システムにおいて、前記動態データ算出部は、前記移動機の位置情報に基づいて、前記移動機の利用者に加え、前記移動機の利用者以外の人を含めた総人口の動態を示す動態データを算出することが好ましい。
【００１３】
この発明によれば、移動機の利用者以外の人を含めた総人口の動態データと、外部データとの相関関係を示す相関モデルを抽出することが可能となる。
【００１４】
また、本発明における評価予測システムにおいて、前記相関モデル抽出部によって抽出された前記相関モデルと、前記動態データとに基づいて、前記外部データを評価または予測する評価予測部、を更に備え、前記出力部は、前記評価予測部による評価結果または予測結果を出力することが好ましい。
【００１５】
この発明によれば、抽出した相関モデルと動態データとを用いて外部データの評価または予測を行い、評価結果または予測結果を出力する。このように、相関モデルと動態データとに基づいて所定の事象を表す外部データの評価や予測を正確に行い、外部データの評価結果または予測結果を出力することができる。
【００１６】
また、本発明における評価予測システムにおいて、前記情報分析装置は、前記動態データ算出部によって算出された動態データから、前記外部データへの影響度に基づく動態データの抽出を行う高影響データ抽出部を更に備え、前記相関モデル抽出部は、前記高影響データ抽出部によって抽出された前記動態データと、前記外部データとの相関モデルを抽出することが好ましい。
【００１７】
この発明によれば、評価または予測を行いたい外部データへの影響度に基づいた相関モデルが抽出され、この相関モデルと動態データとを用いて外部データの評価や予測をより正確に行うことができる。
【００１８】
また、本発明における評価予測システムにおいて、前記相関モデル抽出部は、重回帰関数を用いて前記相関モデルを抽出するものであり、前記動態データを前記重回帰関数の説明変数とし、前記外部データを前記重回帰関数の目的変数とすることが好ましい。
【００１９】
この発明によれば、重回帰関数を用いて正確に外部データの評価や予測を行うことができる。
【００２０】
また、本発明における評価予測システムにおいて、前記相関モデル抽出部によって抽出された前記相関モデルと、前記外部データに基づいて、前記動態データを評価または予測する評価予測部、を更に備え、前記出力部は、前記評価予測部による評価結果または予測結果を出力することが好ましい。
【００２１】
この発明によれば、抽出した相関モデルと外部データとを用いて動態データの評価または予測を行い、評価結果または予測結果を出力する。このように、相関モデルと外部データとに基づいて動態データの評価や予測を正確に行い、動態データの評価結果または予測結果を出力することができる。
【００２２】
また、本発明における評価予測システムにおいて、前記情報分析装置は、前記外部データから、前記動態データへの影響度に基づく外部データの抽出を行う高影響データ抽出部を更に備え、前記相関モデル抽出部は、前記高影響データ抽出部によって抽出された前記外部データと、前記動態データとの相関モデルを抽出することが好ましい。
【００２３】
この発明によれば、評価または予測を行いたい動態データへの影響度に基づいた相関モデルが抽出され、この相関モデルと外部データとを用いて動態データの評価や予測をより正確に行うことができる。
【００２４】
また、本発明における評価予測システムにおいて、前記相関モデル抽出部は、重回帰関数を用いて前記相関モデルを抽出するものであり、前記外部データを前記重回帰関数の説明変数とし、前記動態データを前記重回帰関数の目的変数とすることが好ましい。
【００２５】
この発明によれば、重回帰関数を用いて正確に動態データの評価や予測を行うことができる。
【発明の効果】
【００２６】
本発明によれば、移動機から送信されたデータに基づいて算出された動態データと、所定の事象を表す外部データとにもとづいて、所定の事象の評価や予測を正確に行うことができる相関モデルを抽出することが可能となる。
【図面の簡単な説明】
【００２７】
【図１】本実施形態の評価予測システムのシステム構成図である。
【図２】評価予測システムの機能ブロック構成図である。
【図３】外部データ評価・予測時におけるデータの流れを示す図である。
【図４】動態データの例を示す図である。
【図５】重回帰関数を示す図である。
【図６】評価予測システムにて実行される処理内容を示すフロー図である。
【図７】動態データおよび外部データを示す図である。
【発明を実施するための形態】
【００２８】
添付図面を参照しながら本発明の実施形態を説明する。可能な場合には、同一の部分には同一の符号を付して、重複する説明を省略する。
［評価予測システムの構成］
図１は、本実施形態の評価予測システム１０のシステム構成図である。図１に示すように、この評価予測システム１０は、移動機１００、ＢＴＳ（基地局）２００、ＲＮＣ（無線ネットワーク制御装置）３００、交換機４００、および管理センタ５００を含んで構成されている。また、この管理センタ５００は、社会センサユニット５０１、ペタマイニングユニット５０２、モバイルデモグラフィユニット５０３、および可視化ソリューションユニット５０４から構成されている。
【００２９】
交換機４００は、ＢＴＳ２００、ＲＮＣ３００を介して、移動機１００の位置情報を収集する。ＲＮＣ３００は、移動機１００との間で通信接続が行われる際に、ＲＲＣコネクション要求信号における遅延値を用いて移動機１００の位置を測定することができる。交換機４００は、このように測定された移動機１００の位置情報を、移動機１００が通信接続を実行する際に受け取ることができる。交換機４００は受け取った位置情報を記憶しておき、所定のタイミング、または管理センタ５００からの要求に応じて収集した位置情報を管理センタ５００に出力する。ここで、一般的に、ＲＮＣ３００は、約千個からなるものであり、日本全国に配置されている。一方で、交換機４００は、３００個程度日本国内に配置されている。
【００３０】
管理センタ５００は、上述したとおり、社会センサユニット５０１、ペタマイニングユニット５０２、モバイルデモグラフィユニット５０３、および可視化ソリューションユニット５０４を含んで構成されており、各ユニットでは、移動機１００の位置情報を用いた統計処理を行う。
【００３１】
社会センサユニット５０１は、各交換機４００から移動機１００の位置情報等を含んだデータを収集するサーバ装置である。この社会センサユニット５０１は、交換機４００から定期的に出力されたデータを受信したり、または社会センサユニット５０１において予め定められたタイミングに従って交換機４００からデータを取得したりできるように構成されている。
【００３２】
ペタマイニングユニット５０２は、社会センサユニット５０１から受信したデータを所定のデータ形式に変換するサーバ装置である。例えば、ペタマイニングユニット５０２は、ユーザＩＤをキーにソーティング処理を行ったり、エリアごとにソーティング処理を行ったりする。
【００３３】
モバイルデモグラフィユニット５０３は、ペタマイニングユニット５０２において処理されたデータに対する集計処理、すなわち各項目のカウンティング処理を行うサーバ装置である。例えば、モバイルデモグラフィユニット５０３は、あるエリアに在圏するユーザ数をカウントしたり、また在圏分布を集計したりすることができる。
【００３４】
可視化ソリューションユニット５０４は、モバイルデモグラフィユニット５０３において集計処理されたデータを可視可能に処理するサーバ装置である。例えば、可視化ソリューションユニット５０４は、集計されたデータを地図上にマッピング処理することができる。この可視化ソリューションユニット５０４にて処理されたデータは、企業、官公庁または個人等に提供され、店舗開発、道路交通調査、災害対策、環境対策などに利用される。なお、このように統計処理された情報は、当然にプライバシーを侵害しないように個人等は特定されないように加工されている。
【００３５】
なお、社会センサユニット５０１、ペタマイニングユニット５０２、モバイルデモグラフィユニット５０３および可視化ソリューションユニット５０４はいずれも、前述したようにサーバ装置により構成され、図示は省略するが、通常の情報処理装置の基本構成（即ち、ＣＰＵ、ＲＡＭ、ＲＯＭ、キーボードやマウス等の入力デバイス、外部との通信を行う通信デバイス、情報を記憶する記憶デバイス、および、ディスプレイやプリンタ等の出力デバイス）を備えることは言うまでもない。
【００３６】
［評価予測システムの機能ブロック構成］
次に、本実施形態に係る評価予測システムの機能ブロック構成について説明する。図２には評価予測システム１０の機能ブロック構成を示し、図３には外部データ評価・予測時におけるデータの流れを示す。この図２に示すように、評価予測システム１０は、本発明に係る要素として、複数のＢＴＳ（基地局）２００それぞれが制御するセクタに在圏する複数の移動機１００と、ＲＮＣ３００と、情報分析装置６００と、を含んで構成される。情報分析装置６００は、前述した図１のモバイルデモグラフィユニット５０３および可視化ソリューションユニット５０４に相当する。図１の交換機４００、社会センサユニット５０１およびペタマイニングユニット５０２は、本発明とは直接関係しない装置であるため、図２ではこれらの表記を省略している。
【００３７】
ＲＮＣ３００は、移動機１００の送信部１０１と通信を行い、移動機１００の位置を特定し、特定した位置情報を情報分析装置６００に送信する位置情報通信部３０１を備える。移動機１００の位置は、例えば、移動機１００が位置登録エリアを跨いで移動したときに送信される位置登録信号や、一定の周期（例えば５４分）毎に位置登録エリアへの位置登録を求める信号である位置登録信号をＲＮＣ３００が受信したことを契機として特定されるものである。また、移動機１００の位置情報は、ＲＮＣ３００によって特定される場合に限らず、例えば、移動機１００がＧＰＳ機能等の位置情報を取得可能な機能を有する場合には、ＧＰＳ機能等によって取得した位置情報を、移動機１００内に備えられたＧＰＳ機能等用の位置情報通信部によって情報分析装置６００あてに直接送信することもできる。
【００３８】
情報分析装置６００は、移動機１００の位置情報を受信する位置情報受信部６０１と、位置情報受信部６０１で受信された移動機１００の位置情報に基づいて、移動機１００の利用者に加え、移動機１００の利用者以外の人を含めた総人口（例えば、日本国民）の動態を示す動態データを算出する動態データ算出部６０２と、動態データ算出部６０２で算出された動態データのうち、後述の評価予測部６０５において評価または予測しようとする外部データへの影響度が高い動態データを抽出する高影響データ抽出部６０３と、を備える。また、情報分析装置６００は、外部データと、高影響データ抽出部６０３で抽出された動態データとに基づいて相関モデルを抽出する相関モデル抽出部６０４と、抽出された相関モデルを用いて外部データの評価または予測を行う評価予測部６０５と、評価予測部６０５による評価結果または予測結果を出力する出力部６０６と、を更に備える。ここでの「出力」は、表示出力および印刷出力を広く含むことは言うまでもない。即ち、評価結果または予測結果は、ディスプレイ等に表示出力されてもよいし、プリンタ等から印刷出力されてもよいし、表示と印刷の両方で出力されてもよい。また、情報分析装置６００は、外部データを保持する外部データ保持部６０７を更に備える。
【００３９】
なお、動態データ算出部６０２は、移動機１００の位置情報に基づいて、既存の技術を用いることによって、移動機の利用者に加え、移動機の利用者以外の人を含めた総人口の動態を示す動態データを算出する。この、動態データは、図４に示すように、人口分布、属性別分布（性別の分布、年代別の分布など）、人々の流量、人々の行動エリアなどがある。
【００４０】
また、外部データ保持部６０７は、外部データとして店舗情報（例えば、売り上げ情報、来店者情報、入庫在庫情報）、天気情報（例えば、時間別雨量情報）、タクシー乗車情報（例えば、時間帯別乗車実績数）、渋滞情報などの地理的情報を有するデータを保持するものである。また、これらの外部データは、例えば、図示しない外部装置等によって統計処理等が行われ、外部データ保持部６０７に入力されたものであり、現在または過去の事象を表すものである。
【００４１】
高影響データ抽出部６０３は、図３に示すように、動態データ算出部６０２で算出された動態データと、評価予測部６０５において評価または予測を行う外部データと同類の外部データとの分析を行うことにより、評価予測部６０５において評価または予測しようとする外部データへの影響度（相関係数）が高い動態データを抽出するものである。この抽出は、既存の統計処理方法に基づいて行うものである。
【００４２】
相関モデル抽出部６０４は、重回帰関数を用いて相関モデルを抽出するものである。相関モデル抽出部６０４および後述の評価予測部６０５にいて用いられる重回帰関数は、図５で表される。
【００４３】
相関モデル抽出部６０４は、図３に示すように、外部データ保持部６０７に保持された外部データを目的変数Ｙとし、高影響データ抽出部６０３で抽出された動態データを説明変数Ｘとして相関モデルを抽出する。なお、相関モデル抽出部６０４は、高影響データ抽出部６０３によって抽出された動態データの種類数に応じて説明変数Ｘの数を増減させ、相関モデルとしての変数ｂを算出する。
【００４４】
ここで、外部データと動態データとの相関関係の例として、例えば、外部データとしての店舗情報と、動態データとの相関関係は、人が多いエリアは売り上げ（来店者数等）が多い、周辺エリアの人が多い時は売り上げが多い、人口の入れ替わりが激しい（人の流れが大きい、または増減が大きい場合など）店舗は、売り上げが多いなどがある。相関モデル抽出部６０４は、このような外部データと動態データとの相関関係を表す相関モデルを抽出するものである。また、相関関係の他の例として、例えば、外部データとしての天気情報（時間別雨量情報）と、動態データとの相関関係は、雨が降っているエリアは人が少ない、雨が降っている隣接エリアは人が通常より多い、人が少ないエリアは雨が降っている可能性が高いなどがある。また、相関関係の他の例として、例えば、外部データとしてのタクシー乗車情報（時間帯別乗車数実績）と、動態データとの相関関係は、人が少ないところは乗客が少ない、人が多いところは乗客が多い、人口の入れ替わりが激しい（人の流れが大きい、または増減が大きい場合など）エリアは乗客が多いなどがある。
【００４５】
評価予測部６０５は、重回帰関数を用いて外部データの現状の評価または将来の予測を行うものである。具体的には、図３に示すように、高影響データ抽出部６０３において抽出された動態データを重回帰関数の説明変数Ｘとし、この動態データと、相関モデル抽出部６０４で抽出された相関モデルとを用いて外部データの現状の評価または将来の予測を行うものである。例えば、外部データの評価であれば、評価したい外部データの位置に関連する現在、または過去の動態データを説明変数に導入することで期待される外部データが算出され、その値と実際の外部データを比較評価できる。例えば、外部データの予測であれば、予測したい外部データの位置に関連する将来の動態データを説明変数に導入することで、期待される外部データが算出・予測できる。ここで将来の動態データの予測については、例えば、天気情報と動態データの相関関係から、天気予報等から予測したい時点の天気情報を用いて将来の動態データを推定するなどによって可能である。
【００４６】
［評価予測システムにて実行される処理］
次に、図６を用いて、評価予測システム１０にて実行される一連の処理を説明する。なお、ここでは、動態データを用いて、新たに設置する店舗Ｘの売り上げ（外部データ）を予測する場合を例に説明する。
【００４７】
移動機１００の送信部１０１が、位置登録信号をＲＮＣ３００あてに送信する（図６のステップＳ１）。この動作は、多数の移動機１００それぞれで行われ、その結果、多数の位置登録信号が、ＢＴＳ２００経由でＲＮＣ３００に到達することとなる。
【００４８】
ＲＮＣ３００では、位置情報通信部３０１が多数の位置登録信号を受信し（ステップＳ２）、受信した位置登録信号を契機として移動機１００の位置を特定し（ステップＳ３）、特定した位置情報を情報分析装置６００に送信する（ステップＳ４）。このステップＳ４での送信は、定期的に所定時間間隔で実行してもよいし、予め設定された時刻に実行してもよいし、情報分析装置６００からの送信要求をトリガーとして実行してもよい。
【００４９】
情報分析装置６００では、位置情報受信部６０１がＲＮＣ３００から送信された位置情報を受信すると（ステップＳ５）、動態データ算出部６０２が、受信された位置情報を用いて総人口の動態データの算出を行う（ステップＳ６）。ここでは、動態データ算出部６０２は、動態データとして、所定のエリアにおける人口と、所定のエリアにおける人口の差分と、所定のエリアにおける人々の流れと、所定のエリア情報とを含む基本動態データを算出する。この基本動態データは、具体的には図７（ａ）のように表される。また、動態データ算出部６０２は、基本動態データを、所定のエリア毎に所定の時間間隔で算出する。
【００５０】
また、動態データ算出部６０２は、基本動態データを用いて、周辺動態データおよび前後時間帯の動態データを算出する。具体的には、図７（ａ）に示すように、基本動態データがエリア名「光の丘」について算出されたものである場合、動態データ算出部６０２は、「光の丘」周辺のエリアＡ、エリアＢ・・・についての基本動態データを、エリア名「光の丘」における周辺動態データとして算出する。また、図７（ａ）に示すように、基本動態データがエリア名「光の丘」について算出されたものである場合、動態データ算出部６０２は、エリア名「光の丘」について時系列的に隣り合う２つの基本動態データを、エリア名「光の丘」における前後時間帯の動態データとして算出する。なお、周辺動態データを算出する際に、所定のエリアに隣あうエリアの基本動態データを用いるものとしたが、これ以外にも、評価・予測したい外部データの特徴により、例えば、徒歩の人を対象にする場合には、徒歩で移動が可能な範囲（１時間であれば４ｋｍなど）を周辺エリアとして抽出し、抽出した周辺エリアにおける基本動態データに基づいて周辺動態データを算出することもできる。また、時間帯についても同様に、時系列的に隣り合う２つの基本動態データを前後時間帯の動態データとして算出する以外にも、外部データの特徴を考慮して算出してもよい。
【００５１】
次に、高影響データ抽出部６０３は、動態データ算出部６０２で算出された各種の動態データのパラメータのうち、後述のステップＳ９において評価または予測しようとする外部データへの影響度が高いパラメータを抽出する（ステップＳ７）。具体的には、例えば、店舗の売り上げを評価・予測しようとする場合、この店舗の売り上げと相関度の高い動態データのパラメータとして、基本動態データに含まれるパラメータと、周辺動態データに含まれるパラメータとを抽出する。なお、外部データへの影響度が高いパラメータを抽出する際に、重回帰関数を用いることもできる。例えば、店舗の売り上げを評価・予測する場合、詳しくは後述する図７（ｂ）に示す店舗情報と重回帰関数を用いて、店舗の売り上げに影響度が高いパラメータを抽出することができる。また、経験則等により、影響度の高いパラメータを抽出することもできる。
【００５２】
次に、相関モデル抽出部６０４は、高影響データ抽出部６０３で抽出された動態データのパラメータと、店舗の売り上げとの重回帰関数を用いて相関モデルを抽出する（ステップＳ８）。ここで、外部データ保持部６０７には、図７（ｂ）に示すように、店舗Ａ、店舗Ｂ、店舗Ｃ・・・の売り上げと各店舗の設置エリアに関する情報が、店舗情報Ａ、店舗情報Ｂ、店舗情報Ｃ・・・としてあらかじめ入力されている。相関モデル抽出部６０４は、具体的には、図７（ｃ）に示すように、外部データ保持部６０７において保持された店舗情報を重回帰関数の目的変数とし、高影響データ抽出部６０３において抽出された動態データ（基本動態データおよび周辺動態データ）を重回帰関数の説明変数として相関モデルを抽出する。この重回帰関数を用いた相関モデルの抽出は、既存の統計処理方法に基づいて行うものである。
【００５３】
評価予測部６０５は、相関モデル抽出部６０４で抽出された相関モデルを用いて店舗Ｘにおける売り上げの予測を行う（ステップＳ９）。具体的には、図７（ｄ）に示すように、店舗Ｘの設置エリアが三浦海岸である場合、相関モデル抽出部６０４は、三浦海岸に関する基本動態データと三浦海岸の周辺エリアに関する周辺動態データとを重回帰関数の説明変数とし、この説明変数と相関モデルとにもとづいて、目的変数である店舗情報Ｘの売り上げを算出する。
【００５４】
出力部６０６は、評価予測部６０５の算出結果を出力する（ステップＳ１０）。
【００５５】
このようにして、店舗情報Ａなどの外部データと、動態データとによって相関モデルを抽出することにより、抽出した相関モデルと移動機１００位置情報に基づいて算出された総人口の動態データとを用いて店舗の売り上げなどの外部データを評価または予測することができる。
【００５６】
また、本実施形態では、相関モデルを用いて外部データを評価または予測するものとしたが、変形例として、相関モデルを用いて動態データを評価または予測することもできる。この場合には、高影響データ抽出部６０３は、外部データ保持部６０７に保持された外部データのうち、評価または予測を行う動態データへの影響度が高い外部データを抽出する。相関モデル抽出部６０４は、動態データを目的変数とし、高影響データ抽出部６０３で抽出された外部データを説明変数として相関モデルを抽出する。評価予測部６０５は、高影響データ抽出部６０３において抽出された外部データを重回帰関数の説明変数とし、この外部データと、相関モデル抽出部６０４で抽出された相関モデルとを用いて動態データの評価または予測を行う。このようにして、外部データと相関モデルを用いて動態データの評価または予測を行うことができる。
【００５７】
また、外部データは、上記で挙げた例以外にも、対象物が移動しない情報として、例えば、各種統計情報（国勢調査情報、パーソントリップ情報など）、災害情報、避難所位置情報、店舗・自動販売機設置位置情報、固定広告位置情報および固定広告位置とその効果に関する情報、イベント位置とイベント来場者数に関する情報、移動機１００の基地局の位置情報などを用いることができる。また、外部データは、対象物が移動する情報として、タクシープローブ情報（乗降者情報、売り上げ情報など）、移動広告位置情報およびその効果に関する情報、移動店舗位置情報およびその売り上げ情報、求貨求車情報（配車と積載量の情報）、移動機１００の移動基地局の位置情報などを用いることができる。
【００５８】
また、外部データがピンポイント情報（数ｍ単位の情報）であり、動態データがマクロ情報（数百ｍ単位の情報）である場合のように、データの粒度が異なる場合であっても、相関モデルを算出し、外部データまたは動態データの評価や予測を行うことができる。例えば、タクシー乗車の場合、タクシーを拾うことができる場所は道路のどちら側であるかといったミクロ情報であるのに対し、動態データはマクロ情報となる。この場合であっても、マクロ的な情報（人口、人口変化、周辺エリアの数など）を利用することにより、ミクロな情報を評価・予測可能な相関モデルを抽出することができる。また、例えば、ＶＩＣＳの渋滞情報の場合、道路単位の渋滞情報（ミクロ情報）と動態データ（マクロ情報）とを用いて相関モデルを抽出することで、マクロ情報（動態データ）のみから道路単位の渋滞情報（ミクロ情報）を予測することもできる。
【００５９】
また、外部データと動態データの相関分析の際に使用する動態データは、外部データに含まれる位置に関する情報に依存しない一律の動態データを利用（例えば、外部データの位置に関わらず同じ動態データを利用）したり、外部データに含まれる位置の情報を基準とした動態データを利用（例えば、外部データの位置に応じて動態データを再集計して利用（外部データの位置の数だけ、動態データを算出する））することが想定される。
【００６０】
また、上記実施形態では、相関モデルを抽出する際に、重回帰関数を用いた例について説明したが、相関モデルを抽出する関数は重回帰関数に限定されるものではなく、他の関数を用いることもできる。
【００６１】
［作用および効果について］
次に、本実施形態の評価予測システム１０の作用および効果について説明する。
【００６２】
本実施形態の評価予測システム１０のＲＮＣ３００は、移動機１００の位置情報を特定し、特定した位置情報を情報分析装置６００へ送信する位置情報通信部３０１、を備え、情報分析装置６００は、位置情報通信部３０１から送信された位置情報を受信する位置情報受信部６０１と、位置情報受信部６０１により受信された移動機１００の位置情報に基づいて、移動機１００の動態を示す動態データを算出する動態データ算出部６０２と、動態データ算出部６０２によって算出された動態データと、所定の事象を表す外部データとの相関モデルを抽出する相関モデル抽出部６０４と、相関モデル抽出部６０４によって抽出された相関モデルを出力する出力部６０６と、を備える。そのため、動態データと外部データとに基づいて相関モデルを抽出することができる。
【００６３】
また、本実施形態の評価予測システム１０の移動機１００は、当該移動機１００の位置情報を取得し、取得した位置情報を情報分析装置６００へ送信する位置情報通信部、を備え、情報分析装置６００は、位置情報通信部から送信された位置情報を受信する位置情報受信部６０１と、位置情報受信部６０１により受信された移動機１００の位置情報に基づいて、移動機１００の動態を示す動態データを算出する動態データ算出部６０２と、動態データ算出部６０２によって算出された動態データと、所定の事象を表す外部データとの相関モデルを抽出する相関モデル抽出部６０４と、相関モデル抽出部６０４によって抽出された相関モデルを出力する出力部６０６と、を備える。そのため、動態データと外部データとに基づいて相関モデルを抽出することができる。
【００６４】
また、動態データ算出部６０２は、移動機１００の位置情報に基づいて、移動機１００の利用者に加え、移動機１００の利用者以外の人を含めた総人口の動態を示す動態データを算出する。これにより、移動機１００の利用者以外の人を含めた総人口の動態データと、外部データとの相関関係を示す相関モデルを抽出することが可能となる。
【００６５】
また、相関モデル抽出部６０４によって抽出された相関モデルと、動態データとに基づいて、外部データを評価または予測する評価予測部６０５、を更に備え、出力部６０６は、評価予測部６０５による評価結果または予測結果を出力する。これにより、相関モデルと動態データとに基づいて所定の事象を表す外部データの評価や予測を正確に行い、外部データの評価結果または予測結果を出力することができる。
【００６６】
情報分析装置６００は、動態データ算出部６０２によって算出された動態データから、外部データへの影響度に基づく動態データの抽出を行う高影響データ抽出部６０３を更に備え、相関モデル抽出部６０４は、高影響データ抽出部６０３によって抽出された動態データと、外部データとの相関モデルを抽出する。これにより、評価または予測を行いたい外部データへの影響度に基づいた相関モデルが抽出され、外部データの評価や予測をより正確に行うことができる。
【００６７】
また、相関モデル抽出部６０４は、重回帰関数を用いて相関モデルを抽出するものであり、動態データを重回帰関数の説明変数とし、外部データを重回帰関数の目的変数とすることで、重回帰関数を用いて正確に外部データの評価や予測を行うことができる。
【００６８】
また相関モデル抽出部６０４によって抽出された相関モデルと、外部データとに基づいて、動態データを評価または予測する評価予測部６０５、を更に備え、出力部６０６は、評価予測部６０５による評価結果または予測結果を出力するこれにより、相関モデルと外部データとに基づいて、動態データの評価や予測を正確に行い、動態データの評価結果または予測結果を出力することができる。
【００６９】
また、情報分析装置６００は、外部データから、動態データへの影響度に基づく外部データの抽出を行う高影響データ抽出部６０３を更に備え、相関モデル抽出部６０４は、高影響データ抽出部６０３によって抽出された外部データと、動態データとの相関モデルを抽出する。これにより、評価または予測を行いたい動態データへの影響度に基づいた相関モデルが抽出され、移動機１００の動態データの評価や予測をより正確に行うことができる。
【００７０】
また、相関モデル抽出部６０４は、重回帰関数を用いて相関モデルを抽出するものであり、外部データを重回帰関数の説明変数とし、動態データを重回帰関数の目的変数とすることで、重回帰関数を用いて正確に動態データの評価や予測を行うことができる。
【符号の説明】
【００７１】
１０…評価予測システム、１００…移動機、３００…ＲＮＣ、３０１…位置情報通信部、６００…情報分析装置、６０１…位置情報受信部、６０２…動態データ算出部、６０３…高影響データ抽出部、６０４…相関モデル抽出部、６０５…評価予測部、６０６…出力部、６０７…外部データ保持部。
【技術分野】
【０００１】
本発明は、所定の事象を表す外部データや動態データを評価または予測することができる相関モデルを抽出する評価予測システムおよび評価予測方法に関する。
【背景技術】
【０００２】
従来、移動機より取得した情報に基づいて統計処理を行い、所定の数値予測等を行う技術として、例えば特許文献１に記載されたものがある。ここでは、携帯端末（移動機）から発信される位置登録情報に基づいて、人口分布に関する情報を収集したり、収集した人口分布に関する情報に基づいて未来の人口分布に関するデータ（短期未来予測データ）の算出を行っている。
【先行技術文献】
【特許文献】
【０００３】
【特許文献１】特開２００２−３４２５５７号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかしながら、特許文献１に記載された技術では、単に、現在および過去の人口分布や、未来の人口分布を予測することができるだけであり、これらの人口分布と、例えば店舗の売り上げなどの所定の事象との関連については考慮されていない。従って、移動機から送信されたデータに基づいて、未来の所定の事象を正確に予測したり、評価することができなかった。
【０００５】
そこで本発明は、上記課題に鑑み、移動機から送信されたデータに基づいて、所定の事象の評価や予測を正確に行うことができる相関モデルを抽出可能な評価予測システムおよび評価予測方法を提供することを目的とする。
【課題を解決するための手段】
【０００６】
上記課題を解決するため、本発明の評価予測システムは、移動機の無線接続制御を行う無線ネットワーク制御装置と、前記無線ネットワーク制御装置との情報の送受信が可能とされた情報分析装置とを含んで構成される評価予測システムであって、前記無線ネットワーク制御装置は、前記移動機の位置情報を特定し、特定した前記位置情報を前記情報分析装置へ送信する位置情報通信部、を備え、前記情報分析装置は、前記位置情報通信部から送信された前記位置情報を受信する位置情報受信部と、前記位置情報受信部により受信された前記移動機の位置情報に基づいて、前記移動機の動態を示す動態データを算出する動態データ算出部と、前記動態データ算出部によって算出された動態データと、所定の事象を表す外部データとの相関モデルを抽出する相関モデル抽出部と、前記相関モデル抽出部によって抽出された前記相関モデルを出力する出力部と、を備えている。
【０００７】
また、本発明の評価予測方法は、移動機の無線接続制御を行う無線ネットワーク制御装置と、前記無線ネットワーク制御装置との情報の送受信が可能とされた情報分析装置とを含んで構成される評価予測システム、にて実行される評価予測方法であって、前記無線ネットワーク制御装置が、前記移動機の位置情報を特定し、特定した前記位置情報を前記情報分析装置へ送信する位置情報通信ステップと、前記情報分析装置が、前記無線ネットワーク制御装置から送信された前記位置情報を受信する位置情報受信ステップと、前記情報分析装置が、受信された前記移動機の位置情報に基づいて、前記移動機の動態を示す動態データを算出する動態データ算出ステップと、前記情報分析装置が、算出された前記動態データと、所定の事象を表す外部データとの相関モデルを抽出する相関モデル抽出ステップと、前記情報分析装置が、抽出された前記相関モデルを出力する出力ステップと、を備えている。
【０００８】
この発明によれば、情報分析装置は、無線ネットワーク制御装置から送信された移動機の位置情報に基づいて動態データを算出し、算出した動態データと所定の事象を表す外部データとの相関モデルを抽出する。このように、動態データと外部データとの相関関係を示す相関モデルを抽出することが可能となる。
【０００９】
また、本発明の評価予測システムは、移動機と、前記移動機との通信が可能とされた情報分析装置とを含んで構成される評価予測システムであって、前記移動機は、当該移動機の位置情報を取得し、取得した前記位置情報を前記情報分析装置へ送信する位置情報通信部、を備え、前記情報分析装置は、前記位置情報通信部から送信された前記位置情報を受信する位置情報受信部と、前記位置情報受信部により受信された前記移動機の位置情報に基づいて、前記移動機の動態を示す動態データを算出する動態データ算出部と、前記動態データ算出部によって算出された動態データと、所定の事象を表す外部データとの相関モデルを抽出する相関モデル抽出部と、前記相関モデル抽出部によって抽出された前記相関モデルを出力する出力部と、を備えている。
【００１０】
また、本発明の評価予測方法は、移動機と、前記移動機との通信が可能とされた情報分析装置とを含んで構成される評価予測システム、にて実行される評価予測方法であって、前記移動機が、当該移動機の位置情報を取得し、取得した前記位置情報を前記情報分析装置へ送信する位置情報通信ステップと、前記情報分析装置が、前記移動機から送信された前記位置情報を受信する位置情報受信ステップと、前記情報分析装置が、受信された前記移動機の位置情報に基づいて、前記移動機の動態を示す動態データを算出する動態データ算出ステップと、前記情報分析装置が、算出された前記動態データと、所定の事象を表す外部データとの相関モデルを抽出する相関モデル抽出ステップと、前記情報分析装置が、抽出された前記相関モデルを出力する出力部と、を備えている。
【００１１】
この発明によれば、情報分析装置は、移動機から直接送信された移動機の位置情報に基づいて動態データを算出し、算出した動態データと所定の事象を表す外部データとの相関モデルを抽出する。このように、動態データと外部データとの相関関係を示す相関モデルを抽出することが可能となる。
【００１２】
また、本発明における評価予測システムにおいて、前記動態データ算出部は、前記移動機の位置情報に基づいて、前記移動機の利用者に加え、前記移動機の利用者以外の人を含めた総人口の動態を示す動態データを算出することが好ましい。
【００１３】
この発明によれば、移動機の利用者以外の人を含めた総人口の動態データと、外部データとの相関関係を示す相関モデルを抽出することが可能となる。
【００１４】
また、本発明における評価予測システムにおいて、前記相関モデル抽出部によって抽出された前記相関モデルと、前記動態データとに基づいて、前記外部データを評価または予測する評価予測部、を更に備え、前記出力部は、前記評価予測部による評価結果または予測結果を出力することが好ましい。
【００１５】
この発明によれば、抽出した相関モデルと動態データとを用いて外部データの評価または予測を行い、評価結果または予測結果を出力する。このように、相関モデルと動態データとに基づいて所定の事象を表す外部データの評価や予測を正確に行い、外部データの評価結果または予測結果を出力することができる。
【００１６】
また、本発明における評価予測システムにおいて、前記情報分析装置は、前記動態データ算出部によって算出された動態データから、前記外部データへの影響度に基づく動態データの抽出を行う高影響データ抽出部を更に備え、前記相関モデル抽出部は、前記高影響データ抽出部によって抽出された前記動態データと、前記外部データとの相関モデルを抽出することが好ましい。
【００１７】
この発明によれば、評価または予測を行いたい外部データへの影響度に基づいた相関モデルが抽出され、この相関モデルと動態データとを用いて外部データの評価や予測をより正確に行うことができる。
【００１８】
また、本発明における評価予測システムにおいて、前記相関モデル抽出部は、重回帰関数を用いて前記相関モデルを抽出するものであり、前記動態データを前記重回帰関数の説明変数とし、前記外部データを前記重回帰関数の目的変数とすることが好ましい。
【００１９】
この発明によれば、重回帰関数を用いて正確に外部データの評価や予測を行うことができる。
【００２０】
また、本発明における評価予測システムにおいて、前記相関モデル抽出部によって抽出された前記相関モデルと、前記外部データに基づいて、前記動態データを評価または予測する評価予測部、を更に備え、前記出力部は、前記評価予測部による評価結果または予測結果を出力することが好ましい。
【００２１】
この発明によれば、抽出した相関モデルと外部データとを用いて動態データの評価または予測を行い、評価結果または予測結果を出力する。このように、相関モデルと外部データとに基づいて動態データの評価や予測を正確に行い、動態データの評価結果または予測結果を出力することができる。
【００２２】
また、本発明における評価予測システムにおいて、前記情報分析装置は、前記外部データから、前記動態データへの影響度に基づく外部データの抽出を行う高影響データ抽出部を更に備え、前記相関モデル抽出部は、前記高影響データ抽出部によって抽出された前記外部データと、前記動態データとの相関モデルを抽出することが好ましい。
【００２３】
この発明によれば、評価または予測を行いたい動態データへの影響度に基づいた相関モデルが抽出され、この相関モデルと外部データとを用いて動態データの評価や予測をより正確に行うことができる。
【００２４】
また、本発明における評価予測システムにおいて、前記相関モデル抽出部は、重回帰関数を用いて前記相関モデルを抽出するものであり、前記外部データを前記重回帰関数の説明変数とし、前記動態データを前記重回帰関数の目的変数とすることが好ましい。
【００２５】
この発明によれば、重回帰関数を用いて正確に動態データの評価や予測を行うことができる。
【発明の効果】
【００２６】
本発明によれば、移動機から送信されたデータに基づいて算出された動態データと、所定の事象を表す外部データとにもとづいて、所定の事象の評価や予測を正確に行うことができる相関モデルを抽出することが可能となる。
【図面の簡単な説明】
【００２７】
【図１】本実施形態の評価予測システムのシステム構成図である。
【図２】評価予測システムの機能ブロック構成図である。
【図３】外部データ評価・予測時におけるデータの流れを示す図である。
【図４】動態データの例を示す図である。
【図５】重回帰関数を示す図である。
【図６】評価予測システムにて実行される処理内容を示すフロー図である。
【図７】動態データおよび外部データを示す図である。
【発明を実施するための形態】
【００２８】
添付図面を参照しながら本発明の実施形態を説明する。可能な場合には、同一の部分には同一の符号を付して、重複する説明を省略する。
［評価予測システムの構成］
図１は、本実施形態の評価予測システム１０のシステム構成図である。図１に示すように、この評価予測システム１０は、移動機１００、ＢＴＳ（基地局）２００、ＲＮＣ（無線ネットワーク制御装置）３００、交換機４００、および管理センタ５００を含んで構成されている。また、この管理センタ５００は、社会センサユニット５０１、ペタマイニングユニット５０２、モバイルデモグラフィユニット５０３、および可視化ソリューションユニット５０４から構成されている。
【００２９】
交換機４００は、ＢＴＳ２００、ＲＮＣ３００を介して、移動機１００の位置情報を収集する。ＲＮＣ３００は、移動機１００との間で通信接続が行われる際に、ＲＲＣコネクション要求信号における遅延値を用いて移動機１００の位置を測定することができる。交換機４００は、このように測定された移動機１００の位置情報を、移動機１００が通信接続を実行する際に受け取ることができる。交換機４００は受け取った位置情報を記憶しておき、所定のタイミング、または管理センタ５００からの要求に応じて収集した位置情報を管理センタ５００に出力する。ここで、一般的に、ＲＮＣ３００は、約千個からなるものであり、日本全国に配置されている。一方で、交換機４００は、３００個程度日本国内に配置されている。
【００３０】
管理センタ５００は、上述したとおり、社会センサユニット５０１、ペタマイニングユニット５０２、モバイルデモグラフィユニット５０３、および可視化ソリューションユニット５０４を含んで構成されており、各ユニットでは、移動機１００の位置情報を用いた統計処理を行う。
【００３１】
社会センサユニット５０１は、各交換機４００から移動機１００の位置情報等を含んだデータを収集するサーバ装置である。この社会センサユニット５０１は、交換機４００から定期的に出力されたデータを受信したり、または社会センサユニット５０１において予め定められたタイミングに従って交換機４００からデータを取得したりできるように構成されている。
【００３２】
ペタマイニングユニット５０２は、社会センサユニット５０１から受信したデータを所定のデータ形式に変換するサーバ装置である。例えば、ペタマイニングユニット５０２は、ユーザＩＤをキーにソーティング処理を行ったり、エリアごとにソーティング処理を行ったりする。
【００３３】
モバイルデモグラフィユニット５０３は、ペタマイニングユニット５０２において処理されたデータに対する集計処理、すなわち各項目のカウンティング処理を行うサーバ装置である。例えば、モバイルデモグラフィユニット５０３は、あるエリアに在圏するユーザ数をカウントしたり、また在圏分布を集計したりすることができる。
【００３４】
可視化ソリューションユニット５０４は、モバイルデモグラフィユニット５０３において集計処理されたデータを可視可能に処理するサーバ装置である。例えば、可視化ソリューションユニット５０４は、集計されたデータを地図上にマッピング処理することができる。この可視化ソリューションユニット５０４にて処理されたデータは、企業、官公庁または個人等に提供され、店舗開発、道路交通調査、災害対策、環境対策などに利用される。なお、このように統計処理された情報は、当然にプライバシーを侵害しないように個人等は特定されないように加工されている。
【００３５】
なお、社会センサユニット５０１、ペタマイニングユニット５０２、モバイルデモグラフィユニット５０３および可視化ソリューションユニット５０４はいずれも、前述したようにサーバ装置により構成され、図示は省略するが、通常の情報処理装置の基本構成（即ち、ＣＰＵ、ＲＡＭ、ＲＯＭ、キーボードやマウス等の入力デバイス、外部との通信を行う通信デバイス、情報を記憶する記憶デバイス、および、ディスプレイやプリンタ等の出力デバイス）を備えることは言うまでもない。
【００３６】
［評価予測システムの機能ブロック構成］
次に、本実施形態に係る評価予測システムの機能ブロック構成について説明する。図２には評価予測システム１０の機能ブロック構成を示し、図３には外部データ評価・予測時におけるデータの流れを示す。この図２に示すように、評価予測システム１０は、本発明に係る要素として、複数のＢＴＳ（基地局）２００それぞれが制御するセクタに在圏する複数の移動機１００と、ＲＮＣ３００と、情報分析装置６００と、を含んで構成される。情報分析装置６００は、前述した図１のモバイルデモグラフィユニット５０３および可視化ソリューションユニット５０４に相当する。図１の交換機４００、社会センサユニット５０１およびペタマイニングユニット５０２は、本発明とは直接関係しない装置であるため、図２ではこれらの表記を省略している。
【００３７】
ＲＮＣ３００は、移動機１００の送信部１０１と通信を行い、移動機１００の位置を特定し、特定した位置情報を情報分析装置６００に送信する位置情報通信部３０１を備える。移動機１００の位置は、例えば、移動機１００が位置登録エリアを跨いで移動したときに送信される位置登録信号や、一定の周期（例えば５４分）毎に位置登録エリアへの位置登録を求める信号である位置登録信号をＲＮＣ３００が受信したことを契機として特定されるものである。また、移動機１００の位置情報は、ＲＮＣ３００によって特定される場合に限らず、例えば、移動機１００がＧＰＳ機能等の位置情報を取得可能な機能を有する場合には、ＧＰＳ機能等によって取得した位置情報を、移動機１００内に備えられたＧＰＳ機能等用の位置情報通信部によって情報分析装置６００あてに直接送信することもできる。
【００３８】
情報分析装置６００は、移動機１００の位置情報を受信する位置情報受信部６０１と、位置情報受信部６０１で受信された移動機１００の位置情報に基づいて、移動機１００の利用者に加え、移動機１００の利用者以外の人を含めた総人口（例えば、日本国民）の動態を示す動態データを算出する動態データ算出部６０２と、動態データ算出部６０２で算出された動態データのうち、後述の評価予測部６０５において評価または予測しようとする外部データへの影響度が高い動態データを抽出する高影響データ抽出部６０３と、を備える。また、情報分析装置６００は、外部データと、高影響データ抽出部６０３で抽出された動態データとに基づいて相関モデルを抽出する相関モデル抽出部６０４と、抽出された相関モデルを用いて外部データの評価または予測を行う評価予測部６０５と、評価予測部６０５による評価結果または予測結果を出力する出力部６０６と、を更に備える。ここでの「出力」は、表示出力および印刷出力を広く含むことは言うまでもない。即ち、評価結果または予測結果は、ディスプレイ等に表示出力されてもよいし、プリンタ等から印刷出力されてもよいし、表示と印刷の両方で出力されてもよい。また、情報分析装置６００は、外部データを保持する外部データ保持部６０７を更に備える。
【００３９】
なお、動態データ算出部６０２は、移動機１００の位置情報に基づいて、既存の技術を用いることによって、移動機の利用者に加え、移動機の利用者以外の人を含めた総人口の動態を示す動態データを算出する。この、動態データは、図４に示すように、人口分布、属性別分布（性別の分布、年代別の分布など）、人々の流量、人々の行動エリアなどがある。
【００４０】
また、外部データ保持部６０７は、外部データとして店舗情報（例えば、売り上げ情報、来店者情報、入庫在庫情報）、天気情報（例えば、時間別雨量情報）、タクシー乗車情報（例えば、時間帯別乗車実績数）、渋滞情報などの地理的情報を有するデータを保持するものである。また、これらの外部データは、例えば、図示しない外部装置等によって統計処理等が行われ、外部データ保持部６０７に入力されたものであり、現在または過去の事象を表すものである。
【００４１】
高影響データ抽出部６０３は、図３に示すように、動態データ算出部６０２で算出された動態データと、評価予測部６０５において評価または予測を行う外部データと同類の外部データとの分析を行うことにより、評価予測部６０５において評価または予測しようとする外部データへの影響度（相関係数）が高い動態データを抽出するものである。この抽出は、既存の統計処理方法に基づいて行うものである。
【００４２】
相関モデル抽出部６０４は、重回帰関数を用いて相関モデルを抽出するものである。相関モデル抽出部６０４および後述の評価予測部６０５にいて用いられる重回帰関数は、図５で表される。
【００４３】
相関モデル抽出部６０４は、図３に示すように、外部データ保持部６０７に保持された外部データを目的変数Ｙとし、高影響データ抽出部６０３で抽出された動態データを説明変数Ｘとして相関モデルを抽出する。なお、相関モデル抽出部６０４は、高影響データ抽出部６０３によって抽出された動態データの種類数に応じて説明変数Ｘの数を増減させ、相関モデルとしての変数ｂを算出する。
【００４４】
ここで、外部データと動態データとの相関関係の例として、例えば、外部データとしての店舗情報と、動態データとの相関関係は、人が多いエリアは売り上げ（来店者数等）が多い、周辺エリアの人が多い時は売り上げが多い、人口の入れ替わりが激しい（人の流れが大きい、または増減が大きい場合など）店舗は、売り上げが多いなどがある。相関モデル抽出部６０４は、このような外部データと動態データとの相関関係を表す相関モデルを抽出するものである。また、相関関係の他の例として、例えば、外部データとしての天気情報（時間別雨量情報）と、動態データとの相関関係は、雨が降っているエリアは人が少ない、雨が降っている隣接エリアは人が通常より多い、人が少ないエリアは雨が降っている可能性が高いなどがある。また、相関関係の他の例として、例えば、外部データとしてのタクシー乗車情報（時間帯別乗車数実績）と、動態データとの相関関係は、人が少ないところは乗客が少ない、人が多いところは乗客が多い、人口の入れ替わりが激しい（人の流れが大きい、または増減が大きい場合など）エリアは乗客が多いなどがある。
【００４５】
評価予測部６０５は、重回帰関数を用いて外部データの現状の評価または将来の予測を行うものである。具体的には、図３に示すように、高影響データ抽出部６０３において抽出された動態データを重回帰関数の説明変数Ｘとし、この動態データと、相関モデル抽出部６０４で抽出された相関モデルとを用いて外部データの現状の評価または将来の予測を行うものである。例えば、外部データの評価であれば、評価したい外部データの位置に関連する現在、または過去の動態データを説明変数に導入することで期待される外部データが算出され、その値と実際の外部データを比較評価できる。例えば、外部データの予測であれば、予測したい外部データの位置に関連する将来の動態データを説明変数に導入することで、期待される外部データが算出・予測できる。ここで将来の動態データの予測については、例えば、天気情報と動態データの相関関係から、天気予報等から予測したい時点の天気情報を用いて将来の動態データを推定するなどによって可能である。
【００４６】
［評価予測システムにて実行される処理］
次に、図６を用いて、評価予測システム１０にて実行される一連の処理を説明する。なお、ここでは、動態データを用いて、新たに設置する店舗Ｘの売り上げ（外部データ）を予測する場合を例に説明する。
【００４７】
移動機１００の送信部１０１が、位置登録信号をＲＮＣ３００あてに送信する（図６のステップＳ１）。この動作は、多数の移動機１００それぞれで行われ、その結果、多数の位置登録信号が、ＢＴＳ２００経由でＲＮＣ３００に到達することとなる。
【００４８】
ＲＮＣ３００では、位置情報通信部３０１が多数の位置登録信号を受信し（ステップＳ２）、受信した位置登録信号を契機として移動機１００の位置を特定し（ステップＳ３）、特定した位置情報を情報分析装置６００に送信する（ステップＳ４）。このステップＳ４での送信は、定期的に所定時間間隔で実行してもよいし、予め設定された時刻に実行してもよいし、情報分析装置６００からの送信要求をトリガーとして実行してもよい。
【００４９】
情報分析装置６００では、位置情報受信部６０１がＲＮＣ３００から送信された位置情報を受信すると（ステップＳ５）、動態データ算出部６０２が、受信された位置情報を用いて総人口の動態データの算出を行う（ステップＳ６）。ここでは、動態データ算出部６０２は、動態データとして、所定のエリアにおける人口と、所定のエリアにおける人口の差分と、所定のエリアにおける人々の流れと、所定のエリア情報とを含む基本動態データを算出する。この基本動態データは、具体的には図７（ａ）のように表される。また、動態データ算出部６０２は、基本動態データを、所定のエリア毎に所定の時間間隔で算出する。
【００５０】
また、動態データ算出部６０２は、基本動態データを用いて、周辺動態データおよび前後時間帯の動態データを算出する。具体的には、図７（ａ）に示すように、基本動態データがエリア名「光の丘」について算出されたものである場合、動態データ算出部６０２は、「光の丘」周辺のエリアＡ、エリアＢ・・・についての基本動態データを、エリア名「光の丘」における周辺動態データとして算出する。また、図７（ａ）に示すように、基本動態データがエリア名「光の丘」について算出されたものである場合、動態データ算出部６０２は、エリア名「光の丘」について時系列的に隣り合う２つの基本動態データを、エリア名「光の丘」における前後時間帯の動態データとして算出する。なお、周辺動態データを算出する際に、所定のエリアに隣あうエリアの基本動態データを用いるものとしたが、これ以外にも、評価・予測したい外部データの特徴により、例えば、徒歩の人を対象にする場合には、徒歩で移動が可能な範囲（１時間であれば４ｋｍなど）を周辺エリアとして抽出し、抽出した周辺エリアにおける基本動態データに基づいて周辺動態データを算出することもできる。また、時間帯についても同様に、時系列的に隣り合う２つの基本動態データを前後時間帯の動態データとして算出する以外にも、外部データの特徴を考慮して算出してもよい。
【００５１】
次に、高影響データ抽出部６０３は、動態データ算出部６０２で算出された各種の動態データのパラメータのうち、後述のステップＳ９において評価または予測しようとする外部データへの影響度が高いパラメータを抽出する（ステップＳ７）。具体的には、例えば、店舗の売り上げを評価・予測しようとする場合、この店舗の売り上げと相関度の高い動態データのパラメータとして、基本動態データに含まれるパラメータと、周辺動態データに含まれるパラメータとを抽出する。なお、外部データへの影響度が高いパラメータを抽出する際に、重回帰関数を用いることもできる。例えば、店舗の売り上げを評価・予測する場合、詳しくは後述する図７（ｂ）に示す店舗情報と重回帰関数を用いて、店舗の売り上げに影響度が高いパラメータを抽出することができる。また、経験則等により、影響度の高いパラメータを抽出することもできる。
【００５２】
次に、相関モデル抽出部６０４は、高影響データ抽出部６０３で抽出された動態データのパラメータと、店舗の売り上げとの重回帰関数を用いて相関モデルを抽出する（ステップＳ８）。ここで、外部データ保持部６０７には、図７（ｂ）に示すように、店舗Ａ、店舗Ｂ、店舗Ｃ・・・の売り上げと各店舗の設置エリアに関する情報が、店舗情報Ａ、店舗情報Ｂ、店舗情報Ｃ・・・としてあらかじめ入力されている。相関モデル抽出部６０４は、具体的には、図７（ｃ）に示すように、外部データ保持部６０７において保持された店舗情報を重回帰関数の目的変数とし、高影響データ抽出部６０３において抽出された動態データ（基本動態データおよび周辺動態データ）を重回帰関数の説明変数として相関モデルを抽出する。この重回帰関数を用いた相関モデルの抽出は、既存の統計処理方法に基づいて行うものである。
【００５３】
評価予測部６０５は、相関モデル抽出部６０４で抽出された相関モデルを用いて店舗Ｘにおける売り上げの予測を行う（ステップＳ９）。具体的には、図７（ｄ）に示すように、店舗Ｘの設置エリアが三浦海岸である場合、相関モデル抽出部６０４は、三浦海岸に関する基本動態データと三浦海岸の周辺エリアに関する周辺動態データとを重回帰関数の説明変数とし、この説明変数と相関モデルとにもとづいて、目的変数である店舗情報Ｘの売り上げを算出する。
【００５４】
出力部６０６は、評価予測部６０５の算出結果を出力する（ステップＳ１０）。
【００５５】
このようにして、店舗情報Ａなどの外部データと、動態データとによって相関モデルを抽出することにより、抽出した相関モデルと移動機１００位置情報に基づいて算出された総人口の動態データとを用いて店舗の売り上げなどの外部データを評価または予測することができる。
【００５６】
また、本実施形態では、相関モデルを用いて外部データを評価または予測するものとしたが、変形例として、相関モデルを用いて動態データを評価または予測することもできる。この場合には、高影響データ抽出部６０３は、外部データ保持部６０７に保持された外部データのうち、評価または予測を行う動態データへの影響度が高い外部データを抽出する。相関モデル抽出部６０４は、動態データを目的変数とし、高影響データ抽出部６０３で抽出された外部データを説明変数として相関モデルを抽出する。評価予測部６０５は、高影響データ抽出部６０３において抽出された外部データを重回帰関数の説明変数とし、この外部データと、相関モデル抽出部６０４で抽出された相関モデルとを用いて動態データの評価または予測を行う。このようにして、外部データと相関モデルを用いて動態データの評価または予測を行うことができる。
【００５７】
また、外部データは、上記で挙げた例以外にも、対象物が移動しない情報として、例えば、各種統計情報（国勢調査情報、パーソントリップ情報など）、災害情報、避難所位置情報、店舗・自動販売機設置位置情報、固定広告位置情報および固定広告位置とその効果に関する情報、イベント位置とイベント来場者数に関する情報、移動機１００の基地局の位置情報などを用いることができる。また、外部データは、対象物が移動する情報として、タクシープローブ情報（乗降者情報、売り上げ情報など）、移動広告位置情報およびその効果に関する情報、移動店舗位置情報およびその売り上げ情報、求貨求車情報（配車と積載量の情報）、移動機１００の移動基地局の位置情報などを用いることができる。
【００５８】
また、外部データがピンポイント情報（数ｍ単位の情報）であり、動態データがマクロ情報（数百ｍ単位の情報）である場合のように、データの粒度が異なる場合であっても、相関モデルを算出し、外部データまたは動態データの評価や予測を行うことができる。例えば、タクシー乗車の場合、タクシーを拾うことができる場所は道路のどちら側であるかといったミクロ情報であるのに対し、動態データはマクロ情報となる。この場合であっても、マクロ的な情報（人口、人口変化、周辺エリアの数など）を利用することにより、ミクロな情報を評価・予測可能な相関モデルを抽出することができる。また、例えば、ＶＩＣＳの渋滞情報の場合、道路単位の渋滞情報（ミクロ情報）と動態データ（マクロ情報）とを用いて相関モデルを抽出することで、マクロ情報（動態データ）のみから道路単位の渋滞情報（ミクロ情報）を予測することもできる。
【００５９】
また、外部データと動態データの相関分析の際に使用する動態データは、外部データに含まれる位置に関する情報に依存しない一律の動態データを利用（例えば、外部データの位置に関わらず同じ動態データを利用）したり、外部データに含まれる位置の情報を基準とした動態データを利用（例えば、外部データの位置に応じて動態データを再集計して利用（外部データの位置の数だけ、動態データを算出する））することが想定される。
【００６０】
また、上記実施形態では、相関モデルを抽出する際に、重回帰関数を用いた例について説明したが、相関モデルを抽出する関数は重回帰関数に限定されるものではなく、他の関数を用いることもできる。
【００６１】
［作用および効果について］
次に、本実施形態の評価予測システム１０の作用および効果について説明する。
【００６２】
本実施形態の評価予測システム１０のＲＮＣ３００は、移動機１００の位置情報を特定し、特定した位置情報を情報分析装置６００へ送信する位置情報通信部３０１、を備え、情報分析装置６００は、位置情報通信部３０１から送信された位置情報を受信する位置情報受信部６０１と、位置情報受信部６０１により受信された移動機１００の位置情報に基づいて、移動機１００の動態を示す動態データを算出する動態データ算出部６０２と、動態データ算出部６０２によって算出された動態データと、所定の事象を表す外部データとの相関モデルを抽出する相関モデル抽出部６０４と、相関モデル抽出部６０４によって抽出された相関モデルを出力する出力部６０６と、を備える。そのため、動態データと外部データとに基づいて相関モデルを抽出することができる。
【００６３】
また、本実施形態の評価予測システム１０の移動機１００は、当該移動機１００の位置情報を取得し、取得した位置情報を情報分析装置６００へ送信する位置情報通信部、を備え、情報分析装置６００は、位置情報通信部から送信された位置情報を受信する位置情報受信部６０１と、位置情報受信部６０１により受信された移動機１００の位置情報に基づいて、移動機１００の動態を示す動態データを算出する動態データ算出部６０２と、動態データ算出部６０２によって算出された動態データと、所定の事象を表す外部データとの相関モデルを抽出する相関モデル抽出部６０４と、相関モデル抽出部６０４によって抽出された相関モデルを出力する出力部６０６と、を備える。そのため、動態データと外部データとに基づいて相関モデルを抽出することができる。
【００６４】
また、動態データ算出部６０２は、移動機１００の位置情報に基づいて、移動機１００の利用者に加え、移動機１００の利用者以外の人を含めた総人口の動態を示す動態データを算出する。これにより、移動機１００の利用者以外の人を含めた総人口の動態データと、外部データとの相関関係を示す相関モデルを抽出することが可能となる。
【００６５】
また、相関モデル抽出部６０４によって抽出された相関モデルと、動態データとに基づいて、外部データを評価または予測する評価予測部６０５、を更に備え、出力部６０６は、評価予測部６０５による評価結果または予測結果を出力する。これにより、相関モデルと動態データとに基づいて所定の事象を表す外部データの評価や予測を正確に行い、外部データの評価結果または予測結果を出力することができる。
【００６６】
情報分析装置６００は、動態データ算出部６０２によって算出された動態データから、外部データへの影響度に基づく動態データの抽出を行う高影響データ抽出部６０３を更に備え、相関モデル抽出部６０４は、高影響データ抽出部６０３によって抽出された動態データと、外部データとの相関モデルを抽出する。これにより、評価または予測を行いたい外部データへの影響度に基づいた相関モデルが抽出され、外部データの評価や予測をより正確に行うことができる。
【００６７】
また、相関モデル抽出部６０４は、重回帰関数を用いて相関モデルを抽出するものであり、動態データを重回帰関数の説明変数とし、外部データを重回帰関数の目的変数とすることで、重回帰関数を用いて正確に外部データの評価や予測を行うことができる。
【００６８】
また相関モデル抽出部６０４によって抽出された相関モデルと、外部データとに基づいて、動態データを評価または予測する評価予測部６０５、を更に備え、出力部６０６は、評価予測部６０５による評価結果または予測結果を出力するこれにより、相関モデルと外部データとに基づいて、動態データの評価や予測を正確に行い、動態データの評価結果または予測結果を出力することができる。
【００６９】
また、情報分析装置６００は、外部データから、動態データへの影響度に基づく外部データの抽出を行う高影響データ抽出部６０３を更に備え、相関モデル抽出部６０４は、高影響データ抽出部６０３によって抽出された外部データと、動態データとの相関モデルを抽出する。これにより、評価または予測を行いたい動態データへの影響度に基づいた相関モデルが抽出され、移動機１００の動態データの評価や予測をより正確に行うことができる。
【００７０】
また、相関モデル抽出部６０４は、重回帰関数を用いて相関モデルを抽出するものであり、外部データを重回帰関数の説明変数とし、動態データを重回帰関数の目的変数とすることで、重回帰関数を用いて正確に動態データの評価や予測を行うことができる。
【符号の説明】
【００７１】
１０…評価予測システム、１００…移動機、３００…ＲＮＣ、３０１…位置情報通信部、６００…情報分析装置、６０１…位置情報受信部、６０２…動態データ算出部、６０３…高影響データ抽出部、６０４…相関モデル抽出部、６０５…評価予測部、６０６…出力部、６０７…外部データ保持部。
【特許請求の範囲】
【請求項１】
移動機の無線接続制御を行う無線ネットワーク制御装置と、前記無線ネットワーク制御装置との情報の送受信が可能とされた情報分析装置とを含んで構成される評価予測システムであって、
前記無線ネットワーク制御装置は、前記移動機の位置情報を特定し、特定した前記位置情報を前記情報分析装置へ送信する位置情報通信部、を備え、
前記情報分析装置は、
前記位置情報通信部から送信された前記位置情報を受信する位置情報受信部と、
前記位置情報受信部により受信された前記移動機の位置情報に基づいて、前記移動機の動態を示す動態データを算出する動態データ算出部と、
前記動態データ算出部によって算出された動態データと、所定の事象を表す外部データとの相関モデルを抽出する相関モデル抽出部と、
前記相関モデル抽出部によって抽出された前記相関モデルを出力する出力部と、
を備える評価予測システム。
【請求項２】
移動機と、前記移動機との通信が可能とされた情報分析装置とを含んで構成される評価予測システムであって、
前記移動機は、当該移動機の位置情報を取得し、取得した前記位置情報を前記情報分析装置へ送信する位置情報通信部、を備え、
前記情報分析装置は、
前記位置情報通信部から送信された前記位置情報を受信する位置情報受信部と、
前記位置情報受信部により受信された前記移動機の位置情報に基づいて、前記移動機の動態を示す動態データを算出する動態データ算出部と、
前記動態データ算出部によって算出された動態データと、所定の事象を表す外部データとの相関モデルを抽出する相関モデル抽出部と、
前記相関モデル抽出部によって抽出された前記相関モデルを出力する出力部と、
を備える評価予測システム。
【請求項３】
前記動態データ算出部は、前記移動機の位置情報に基づいて、前記移動機の利用者に加え、前記移動機の利用者以外の人を含めた総人口の動態を示す動態データを算出する請求項１または２に記載の評価システム。
【請求項４】
前記相関モデル抽出部によって抽出された前記相関モデルと、前記動態データとに基づいて、前記外部データを評価または予測する評価予測部、を更に備え、
前記出力部は、前記評価予測部による評価結果または予測結果を出力する請求項１〜３のいずれか１項に記載の評価予測システム。
【請求項５】
前記情報分析装置は、前記動態データ算出部によって算出された動態データから、前記外部データへの影響度に基づく動態データの抽出を行う高影響データ抽出部を更に備え、
前記相関モデル抽出部は、前記高影響データ抽出部によって抽出された前記動態データと、前記外部データとの相関モデルを抽出する請求項１から４のいずれか１項に記載の評価予測システム。
【請求項６】
前記相関モデル抽出部は、重回帰関数を用いて前記相関モデルを抽出するものであり、前記動態データを前記重回帰関数の説明変数とし、前記外部データを前記重回帰関数の目的変数とする請求項１から５のいずれか１項に記載の評価予測システム。
【請求項７】
前記相関モデル抽出部によって抽出された前記相関モデルと、前記外部データとに基づいて、前記動態データを評価または予測する評価予測部、を更に備え、
前記出力部は、前記評価予測部による評価結果または予測結果を出力する請求項１〜３のいずれか１項に記載の評価予測システム。
【請求項８】
前記情報分析装置は、前記外部データから、前記動態データへの影響度に基づく外部データの抽出を行う高影響データ抽出部を更に備え、
前記相関モデル抽出部は、前記高影響データ抽出部によって抽出された前記外部データと、前記動態データとの相関モデルを抽出する請求項１、２、３または７に記載の評価予測システム。
【請求項９】
前記相関モデル抽出部は、重回帰関数を用いて前記相関モデルを抽出するものであり、前記外部データを前記重回帰関数の説明変数とし、前記動態データを前記重回帰関数の目的変数とする請求項１、２、３、７または８に記載の評価予測システム。
【請求項１０】
移動機の無線接続制御を行う無線ネットワーク制御装置と、前記無線ネットワーク制御装置との情報の送受信が可能とされた情報分析装置とを含んで構成される評価予測システム、にて実行される評価予測方法であって、
前記無線ネットワーク制御装置が、前記移動機の位置情報を特定し、特定した前記位置情報を前記情報分析装置へ送信する位置情報通信ステップと、
前記情報分析装置が、前記無線ネットワーク制御装置から送信された前記位置情報を受信する位置情報受信ステップと、
前記情報分析装置が、受信された前記移動機の位置情報に基づいて、前記移動機の動態を示す動態データを算出する動態データ算出ステップと、
前記情報分析装置が、算出された前記動態データと、所定の事象を表す外部データとの相関モデルを抽出する相関モデル抽出ステップと、
前記情報分析装置が、抽出された前記相関モデルを出力する出力ステップと、
を備える評価予測方法。
【請求項１１】
移動機と、前記移動機との通信が可能とされた情報分析装置とを含んで構成される評価予測システム、にて実行される評価予測方法であって、
前記移動機が、当該移動機の位置情報を取得し、取得した前記位置情報を前記情報分析装置へ送信する位置情報通信ステップと、
前記情報分析装置が、前記移動機から送信された前記位置情報を受信する位置情報受信ステップと、
前記情報分析装置が、受信された前記移動機の位置情報に基づいて、前記移動機の動態を示す動態データを算出する動態データ算出ステップと、
前記情報分析装置が、算出された前記動態データと、所定の事象を表す外部データとの相関モデルを抽出する相関モデル抽出ステップと、
前記情報分析装置が、抽出された前記相関モデルを出力する出力部と、
を備える評価予測方法。
【請求項１】
移動機の無線接続制御を行う無線ネットワーク制御装置と、前記無線ネットワーク制御装置との情報の送受信が可能とされた情報分析装置とを含んで構成される評価予測システムであって、
前記無線ネットワーク制御装置は、前記移動機の位置情報を特定し、特定した前記位置情報を前記情報分析装置へ送信する位置情報通信部、を備え、
前記情報分析装置は、
前記位置情報通信部から送信された前記位置情報を受信する位置情報受信部と、
前記位置情報受信部により受信された前記移動機の位置情報に基づいて、前記移動機の動態を示す動態データを算出する動態データ算出部と、
前記動態データ算出部によって算出された動態データと、所定の事象を表す外部データとの相関モデルを抽出する相関モデル抽出部と、
前記相関モデル抽出部によって抽出された前記相関モデルを出力する出力部と、
を備える評価予測システム。
【請求項２】
移動機と、前記移動機との通信が可能とされた情報分析装置とを含んで構成される評価予測システムであって、
前記移動機は、当該移動機の位置情報を取得し、取得した前記位置情報を前記情報分析装置へ送信する位置情報通信部、を備え、
前記情報分析装置は、
前記位置情報通信部から送信された前記位置情報を受信する位置情報受信部と、
前記位置情報受信部により受信された前記移動機の位置情報に基づいて、前記移動機の動態を示す動態データを算出する動態データ算出部と、
前記動態データ算出部によって算出された動態データと、所定の事象を表す外部データとの相関モデルを抽出する相関モデル抽出部と、
前記相関モデル抽出部によって抽出された前記相関モデルを出力する出力部と、
を備える評価予測システム。
【請求項３】
前記動態データ算出部は、前記移動機の位置情報に基づいて、前記移動機の利用者に加え、前記移動機の利用者以外の人を含めた総人口の動態を示す動態データを算出する請求項１または２に記載の評価システム。
【請求項４】
前記相関モデル抽出部によって抽出された前記相関モデルと、前記動態データとに基づいて、前記外部データを評価または予測する評価予測部、を更に備え、
前記出力部は、前記評価予測部による評価結果または予測結果を出力する請求項１〜３のいずれか１項に記載の評価予測システム。
【請求項５】
前記情報分析装置は、前記動態データ算出部によって算出された動態データから、前記外部データへの影響度に基づく動態データの抽出を行う高影響データ抽出部を更に備え、
前記相関モデル抽出部は、前記高影響データ抽出部によって抽出された前記動態データと、前記外部データとの相関モデルを抽出する請求項１から４のいずれか１項に記載の評価予測システム。
【請求項６】
前記相関モデル抽出部は、重回帰関数を用いて前記相関モデルを抽出するものであり、前記動態データを前記重回帰関数の説明変数とし、前記外部データを前記重回帰関数の目的変数とする請求項１から５のいずれか１項に記載の評価予測システム。
【請求項７】
前記相関モデル抽出部によって抽出された前記相関モデルと、前記外部データとに基づいて、前記動態データを評価または予測する評価予測部、を更に備え、
前記出力部は、前記評価予測部による評価結果または予測結果を出力する請求項１〜３のいずれか１項に記載の評価予測システム。
【請求項８】
前記情報分析装置は、前記外部データから、前記動態データへの影響度に基づく外部データの抽出を行う高影響データ抽出部を更に備え、
前記相関モデル抽出部は、前記高影響データ抽出部によって抽出された前記外部データと、前記動態データとの相関モデルを抽出する請求項１、２、３または７に記載の評価予測システム。
【請求項９】
前記相関モデル抽出部は、重回帰関数を用いて前記相関モデルを抽出するものであり、前記外部データを前記重回帰関数の説明変数とし、前記動態データを前記重回帰関数の目的変数とする請求項１、２、３、７または８に記載の評価予測システム。
【請求項１０】
移動機の無線接続制御を行う無線ネットワーク制御装置と、前記無線ネットワーク制御装置との情報の送受信が可能とされた情報分析装置とを含んで構成される評価予測システム、にて実行される評価予測方法であって、
前記無線ネットワーク制御装置が、前記移動機の位置情報を特定し、特定した前記位置情報を前記情報分析装置へ送信する位置情報通信ステップと、
前記情報分析装置が、前記無線ネットワーク制御装置から送信された前記位置情報を受信する位置情報受信ステップと、
前記情報分析装置が、受信された前記移動機の位置情報に基づいて、前記移動機の動態を示す動態データを算出する動態データ算出ステップと、
前記情報分析装置が、算出された前記動態データと、所定の事象を表す外部データとの相関モデルを抽出する相関モデル抽出ステップと、
前記情報分析装置が、抽出された前記相関モデルを出力する出力ステップと、
を備える評価予測方法。
【請求項１１】
移動機と、前記移動機との通信が可能とされた情報分析装置とを含んで構成される評価予測システム、にて実行される評価予測方法であって、
前記移動機が、当該移動機の位置情報を取得し、取得した前記位置情報を前記情報分析装置へ送信する位置情報通信ステップと、
前記情報分析装置が、前記移動機から送信された前記位置情報を受信する位置情報受信ステップと、
前記情報分析装置が、受信された前記移動機の位置情報に基づいて、前記移動機の動態を示す動態データを算出する動態データ算出ステップと、
前記情報分析装置が、算出された前記動態データと、所定の事象を表す外部データとの相関モデルを抽出する相関モデル抽出ステップと、
前記情報分析装置が、抽出された前記相関モデルを出力する出力部と、
を備える評価予測方法。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【公開番号】特開２０１２−２２６３９０（Ｐ２０１２−２２６３９０Ａ）
【公開日】平成２４年１１月１５日（２０１２．１１．１５）
【国際特許分類】
【出願番号】特願２００９−２０４９２４（Ｐ２００９−２０４９２４）
【出願日】平成２１年９月４日（２００９．９．４）
【公序良俗違反の表示】
（特許庁注：以下のものは登録商標）
１．ＶＩＣＳ
【出願人】（３９２０２６６９３）株式会社エヌ・ティ・ティ・ドコモ (5,876)
【Ｆターム（参考）】
【公開日】平成２４年１１月１５日（２０１２．１１．１５）
【国際特許分類】
【出願日】平成２１年９月４日（２００９．９．４）
【公序良俗違反の表示】
（特許庁注：以下のものは登録商標）
１．ＶＩＣＳ
【出願人】（３９２０２６６９３）株式会社エヌ・ティ・ティ・ドコモ (5,876)
【Ｆターム（参考）】
[ Back to top ]