(2015年6月開催) 測位技術ShowCase

測位技術ShowCase
無線LAN電波でお客様の動きを追え！！
～人の滞留や流れ、混雑度合い、カップルの行動もわかっちゃう！？～
2015.06
クウジット株式会社
取締役CTO 塩野崎敦
この資料は、2015年6月に開催された Location Business Japan 2015 のセミナーで用いたものをベースとしております。
© 2015 Koozyt, Inc.
Koozyt:Bridging
the Real and Virtual Worlds
Founded July 2007
Spin off from Sony Computer Science Labs, Inc.
Japanese: クウジット
English： Koozyt
Chinese: 科系拓
実空間アプリケーション開発
（観光・街づくり、スポーツ・健康、ハピネス）
暦本純一
取締役
技術顧問
末吉隆彦
代表取締役社長
PlaceEngine(無線LAN測位技術)
センシング、インタラクティブ技術
PoC(Proof of Concept)
共同研究、実証実験
Copyright 2015 Koozyt, Inc., Tokyo, Japan
PlaceEngineの基本原理
電波強度ベースのTrilateration
AP1
AP2
AP2
AP1
AP1:
AP2:
AP3
AP3:
AP3
スマートフォン側で、現在検知(scan)された
アクセスポイントの電波強度を測定
HERE!!
すでに登録もしくは推定されたAPの位置情報
と観測された電界強度から現在位置を推定する
(MACアドレス、ESSID, RSSI) と AP位置情報のDBを元にユーザ(端末)の位置を計算
© 2015 Koozyt, Inc.
PlaceEngine 屋内施設におけるAPの配置と精度
仮に15m×15m四方のエリアであれば、
各角に１個、合計4個のAPを設置して、5m四方の精度にて位置情報を得ることが可能
市販品を利用可能
Planex
MZK-RP150N
参考価格 3500円
測位用のWi-Fiアクセスポイントは
市販の一般的・安価なモデルが使用
できます。電波さえ(電源が入って
いる状態)発していれば、ネット
ワーク接続も必要ありません。
※上記は目安であり、必要となるAP個数や実際の配置場所は、
周辺状況(人の多少、障害物の有無、空間構成など)により変化します。
© 2015 Koozyt, Inc.
インフラ型測位
端末が発信するプローブ要求をAP(または無線LANコントローラなどのネッ
トワーク機器)より収集し、信号強度、到着時間などを用いて、サーバサイ
ドで位置推定を行う。
SP001
AP1
AP1:
AP2:
SP001
AP3:
AP3
サーバ
AP2
SP001の位置
(MACアドレス、RSSI) を用いて位置を計算。同時期に受け取ったプ
ローブ要求を用いて位置を推定することが重要。
アプリをインストールすることなく、プローブ要求を収集することに
より、測位が可能となるので、プライバシーの配慮が必要
© 2015 Koozyt, Inc.
Wi-Fiを使った(インフラ型測位)会場の混雑度の視覚化
G空間EXPO2014
https://www.youtube.com/watch?v=RllCsh4ZxPs
CISCO MSEと連携
会場でのライブヒートマップ展示
Past exhibits: G空間EXPO2013, 慶應SFC ORF 2013, Interop/LBJ 2014
© 2015 Koozyt, Inc.
G空間Wi-Fi実証実験システム構成図
取得した位置
情報ログを
DBに保存
CISCO AP
CISCO Wi-Fi
Controller
CISCO MSE
会場内のWi-Fi端末の
位置情報を通知
会場内の
Wi-Fi端末
端末の位置
情報を取得
するための
APIを提供
Koozyt Location Server
for MSE
ヒートマッ
プ構築のた
めのAPIを提
供
ライブヒートマップ
G空間EXPO2013
G空間EXPOナビ
スマホアプリ
© 2015 Koozyt, Inc.
※ 端末にはアプリは不要
無線LAN ONだけでOK
無線LANによる回遊・人流分析
周辺の無線LAN端末の信号を監視す
る専用のモニタリングステーション
を導入すると、
出口2
出口3
出口1
改札
ホームへ
ホームへ
各出口の利用率などを求めることが可能
個店などでは時間帯別、日別の来店顧客数
© 2015 Koozyt, Inc.
人流センサーとは？
 人流センサーは、一般的な無線LANアクセスポイントと同じ外観をもつ装置ですが、通常の無線
LANアクセスポイントの機能は搭載されておらず、周辺で動作している無線LAN端末(スマホ、PC、
ゲーム機器など)の電波を検知するセンサーで、その情報をUSBフラッシュに記録、または指定し
たサーバに送信することができます。周辺無線LAN端末の情報を集計できるので、その場に存在す
る端末数を把握したり、各端末の滞在期間などを求めることができます。複数台を導線上に設置す
ることにより、端末の動き、すなわち人の流れ(人流)を推定することもできます。
縦10cm ×横7cm ×高さ2cm
※ 検知する端末は無線LANの電波を発信している状態にある必要がございます。検知できる端末の出す無線LAN信号は端末の状態・
種類によって送出されるタイミングは異なりますので、確実にカウントできるような仕組みではございません。人流センサーではプライバ
シー保護のため、MACアドレスは匿名化して管理します。モバイルバッテリーと組み合わせることで
約2日間動作可能です。
© 2015 Koozyt, Inc.
駅前イベントの実証実験
 9/14～15に東急二子玉川駅前で開催されたVelo Tokyo 2014において、無線LANの電波
を用いた「お客様の流れ（人流）」を測定する実証実験を行いました。
 お客様が持つスマートフォンなどの無線LAN機器から発せられる電波を、専用のモニター
機器（「モニターノード」と呼んでいます）で受信することで人流を測定することができ
ます。
駅前広場の会場内の3箇所に設置
http://blog.koozyt.com/?p=5154
実施運営協力: CCN.,LLC
© 2015 Koozyt, Inc.
各時間ごとに測定された
無線LAN機器のユニーク数の集計
2日間の開催期間中、観測された総ユニーク機器数
43,896
* イベント時間外の早朝や深夜に観測された機器も含まれます
来場者のピーク
イベント開催時間
イベント開始10時から観測された機器数は単調増加しており、15時過ぎにピー
クを迎えてます。イベント終了時間を17時より数時間延ばすことにより、より
多くの来場者に体験して頂く可能性があると思われます。
実施運営協力: CCN.,LLC
© 2015 Koozyt, Inc.
お客様のイベント会場での滞在について
イベント会場に滞在した機器数の測定
 観測された総機器数: 43,896
→ そのうち、イベント会場に滞在した機器の数: 26,114
 イベント会場の近辺にいらっしゃったお客様うち、実に約59%
が足をとめたということがわかります。
 「滞在」の定義
 10分以内に同じ無線LAN機器が連続で観測された場合、その間、その機器は「滞在した」とみなす。
 10分以内に連続で観測されなかった場合は、その機器は「滞在しなかった」とみなす。（恐らく「通り
過ぎただけ」）
 最後に測定されてから10分以上経過し、その後、再び同じ無線LAN機器が観測された場合は、それぞれ
別の滞在とみなす。
t1から20分後に観測
例
機器A
t
t1
t1から
8分後に観測
t2
t2から
12分後に観測
その後何度も観測
機器Bは2度「滞在している」
機器B
tx ：
機器が観測された時刻
t1
t2
滞在a
実施運営協力: CCN.,LLC
t3 ・・・
滞在b
© 2015 Koozyt, Inc.
機器Aは「滞在していない」
t
機器Bの総滞在時間は滞在a + 滞在b
総滞在時間の分布
どれだけのお客様が、どのくらいの時間、イベント会場に滞在したか？
・各滞在の時間を合計し、その総時間に対して機器のユニーク数をカウントしました。
・イベントを楽しむのに平均的にどれくらいの時間を費やしたのかわかります。
ほとんどが
合計1時間
以内の滞在
機器のユニーク数
25160
滞在時間の合計 (hour)
滞在が観測された機器のうち、96%は1時間以内の総滞在時間でした。
1時間以内の総滞在時間の更に内訳を次ページでご説明します。
実施運営協力: CCN.,LLC
© 2015 Koozyt, Inc.
総滞在時間の分布 (1時間以内の内訳)
前ページ同様に、総滞在時間が1時間以内の機器に対して、分単位でカウント
しました。
機器のユニーク数
17524
70%程度が10分以内
ですが、10～30分の
の滞在も22%いました
4012
1703
1005
567
349
滞在時間の合計 (min.)
• 滞在が観測された機器のうち、70%は10分以内の総滞在時間でした。
• ですが、22%は10～30分間滞在したこともわかります。
実施運営協力: CCN.,LLC
© 2015 Koozyt, Inc.
長期調査とイベントの効果
3/29(日)に表彰イベントを開催
イベント会場に最も近いスポーツカフェで他の日曜日より多く検出されている
2/22
3/1
3/8
3/15
3/22
3/29
4/5
場所毎週日曜日の13:00台に検出されたユニーク端末数
FootNik
535
435
357
458
527
96
スポーツカフェ
FootNik
店舗A
NAS
店舗B
Pasco
700NAS
164
128
114
134
600Pasco
NA
114
113
111
535
500
527
141
658
456
658136
135
128
113
458
435
400
456
357
300
200
164
128 114
114 113
134
111
100
0
141
96
136 128
135
113
0
2月22日
3月1日
3月8日
3月15日
© 2015 Koozyt, Inc.
3月22日
3月29日
4月5日
新人流センサー: DF.sensor
Raspberry PI ベースの新しいセンサーHWとクラウドサービス
複数無線LANデバイスをサポート
▪ サーバに情報をアップしながらスキャン可能
その他きめ細かい制御と拡張性を重視し、新たに展開していきます！
© 2015 Koozyt, Inc.
16
改めて、DF.sensor では何がとれるか？
ユニークユーザのカウント
ユーザの滞留時間 (Dwell)
人流 (Flow)
グループ行動
A地点 → B地点
B地点 → A地点
© 2015 Koozyt, Inc.
17
応用例
混雑度
店舗
レストラン
行列
回転率
防災
防犯
© 2015 Koozyt, Inc.
18
オフィスビルのエレベータ事例
高層階エレベータの利用頻度がより高い
© 2015 Koozyt, Inc.
19
飲食店での回転率
飲食店に設置すれば、お客様の滞在時間がわかり、
お店の回転率がリアルタイムに計算できます。
9:00
10:00
11:00
12:00
13:00
14:00
15:00
16:00
U1
U2
U3
U4
U5
U6
U7
U8
U9
U10
U11
U12
U13
U14
U15
U16
U17
U18
U19
U20
U21
U22
U23
U24
U25
U26
© 2015 Koozyt, Inc.
17:00
18:00
19:00
20:00
21:00
22:00
防犯： DF.sensorを身に着けて移動
例えば、ランドセルなどにDF.sensorを付けて移動した場
合、周りにいた人と一緒にいた時間を把握できるかも。
時間(分)
300
250
200
150
100
50
© 2015 Koozyt, Inc.
U79
U77
U75
U73
U71
U69
U67
U65
U63
U61
U59
U57
U55
U53
U51
U49
U47
U45
U43
U41
U39
U37
U35
U33
U31
U29
U27
U25
U23
U21
U19
U17
U15
U13
U11
U9
U7
U5
U3
U1
0
カップル♥の行動を解析！
共起グループ行動解析
（Group Behavior Analysis by Co-occurrence）
 DF.sensorで検知された端末の共起に基づいてグループ行動を解析します。
共起頻度: 端末Xと端末YがDF.sensorで一緒に検知される頻度 |𝑋∩𝑌|
共起率: 端末Xと端末Yが一緒に存在する確率
 共起率からカップルなどグループを抽出することができます。
 また、最⼤共起頻度分布や最⼤共起率分布から、その場所の特徴を抽出することがで
きます。
A
B
C
F
A
G
E
D
B
C
D
© 2015 Koozyt, Inc.
B
C
F
22
カップルを探せ！
解析期間での「カップル行動」によりカップルやグループが抽出される
美術館のみで解析
9人のグループ
ユーザ
頻度
共起
頻度
I,J
5,4
K,L
5,4
M,N
5,4
O,P
9,10
Q,R
4,4
S,T
4,4
U,V
8,8
X,A,B,C,D, 70,64,48,47,46,
E,Y,F,G
60,70,52,49
共起
率
4
4
4
8
4
4
8
0.88
0.88
0.88
0.84
1
1
0.87
-
-
カフェのみで解析
4人のグループ
ユーザ
頻度
W,A2
B2,C2
D2,E2,J2
F2,G2,K2
X,G,H,Y
4,5
5,5
7,5,5
12,9,12
45,33,36,45
共起
頻度
共起
率
4 0.88
5
1
-
全体で解析
ユーザ
頻度
X,Y
D2,E2
I,J
F2,G2
H2,I2
O,P
Q,R
S,T
L2,M2,N2
173,150
7,5
5,4
12,10
4,4
9,10
4,4
4,4
4,4,5
共起
頻度
150
5
4
9
4
8
4
4
-
共起
率
0.92
0.83
0.88
0.81
1
0.84
1
1
-
カップル検出!
カップルX, Y と同時に観測された端末も考慮され、
3人以上のグループとしてまとめられています。
© 2015 Koozyt, Inc.
23
プライバシー情報に対するケア
プライバシー情報の観点から、情報管理ポリシーと情
報取得目的、情報の削除方法などについて、利用者に
ご覧いただける形で掲示する必要があります。
イベントにて立て看板などを設置する場合は、そこに
下記のような文章を掲載させて頂きます。
総務省プライバシーレポート
http://www.soumu.go.jp/menu_news/snews/01kiban08_02000144.html
イベントでの看板事例
会場ではスマホなどが発信する無線LAN電波を使って統計分析するデモ
を行っております。通信の内容、個人を特定できるプライバシー情報は
一切取得しておらず、端末のMACアドレスを匿名形式に変換し利用して
おります。また、収集したデータは今後の製品改善のために使用いたし
ます。このような形での情報取得を望まない方におかれましては、端末
の無線LAN設定をOFFにして頂けますようお願いいたします。また、実
験担当のクウジット株式会社([email protected])にご連絡頂ければお客
様の該当する情報を削除致します。ご協力ありがとうございます。
© 2015 Koozyt, Inc.
LBJ2015会場内に設置した DF.sensor
測位ShowCase
ブース
セミナー会場C
入口
会場入口
© 2015 Koozyt, Inc.
25
ブースで展示していたリアルタイムデモ画面
各DF.sensor のおよそ10m半径内を測定
© 2015 Koozyt, Inc.
26
LBJ2015の結果
2015年
日別カウント
2014年
6/10
38,718
36,613
6/11
45,322
44,478
6/12
52,301
51,518
Total
136,341
132,609
Interop全体
4268
3765
4313
会場に設置した3つのDF.sensorの周辺およそ10m以内で観測できた合計お客さま数
© 2015 Koozyt, Inc.
27
LBJ2015の結果
1303
1114
1137
1166
1097
1158
1025
929
990
会場に設置した3つのDF.sensorの周辺およそ10m以内で観測できた合計お客さま数
© 2015 Koozyt, Inc.
28
お寺でも、人流センサーで参加者数を解析
する時代に！
6月28日から⼤田区の池上本門寺で開催の
風鈴イベントで、弊社の人流センサー使用
DF.sensor 商用サービスは今年の秋頃
を予定しております。
その前にご興味のある方はレンタル形
式にて特別価格でお試しいただけます。
ご連絡をお待ちしております。
© 2015 Koozyt, Inc.

Download Report