人口分布統計 日本全国の人口の分布を表す統計情報 性別 年代 居住エリア 国 地域 など 様々な切り口から分布する人口を分析可能 最小 500m メッシュ単位 ( 一部地域で 250m メッシュ単位 ) で人口を推計可能 新規出店エリアの検討定量的な根拠に基づいた新規出店エリアの判断 帰宅困難者対策の検討昼 夜の滞在エリア分析による帰宅困難者予測
人口流動統計 移動量 世田谷区 千代田区 エリア間の移動量 ( トリップ ) をあらわす統計情報 3,000 人 移動時に用いた 移動手段 や 通過したエリア を把握可能 時間帯や期間を指定することで 日本全国の人々の移動実態を詳細に分析可能 移動手段 基礎調査まちづくり 交通計画を検討する際の事前調査 施策効果測定道路整備等の施策による効果検証 通過エリア 愛知 中央自動車道 3,000 人 1,000 人 東京 東名高速道路 4,000 人
国内観光客動態統計 周遊エリア 国内観光客に特化して 宿泊または日帰りの人口やエリア間を周遊する人口をあらわす統計情報 人口の流動を観光地の周遊ルートや滞在時間ごとに把握可能 観光振興に向けた施策検討 定量的な効果検証が可能 滞在時間 滞在日数 DMO 分析継続的なデータ収集 分析による PDCA サイクルの確立 屋外イベントの効果測定屋外イベント参加者の多面的な傾向把握と効果分析
訪日外国人動態統計 周遊エリア 訪日外国人に特化して エリア内を観光する人口やエリア間を周遊する人口あらわす統計情報 入出国空港別 前後滞在地別 滞在日数別 経過日数別などさまざまな切り口で分析可能 時間帯や期間を指定することで 観光 ( 日中帯 ) や宿泊 ( 夜間帯 ) の判別 季節ごとの傾向を把握可能 入出国空港 訪日後経過日数 観光客向けプロモーションエリアの選定観光誘致に向けた連携先自治体や施設の検討 免税店舗の選定訪日外国人の集中エリア選出や属性分析による言語対応
詳細分析オプション 詳細分析 d ポイントクラブアンケートの基本属性を活用することで全 100 以上のより詳細な属性を付加可能 特定エリアの来訪者に対しアンケート調査を実施することで任意の情報を付加可能 詳細属性分析位置連動アンケート行動分析 個別に同意いただいた方の基地局位置情報を活用することで詳細な行動が分析可能 新規出店プロモーションの最適化利用路線の把握によるプロモーション価値最大化 詳細分析の一例 大規模イベント調査イベントに参加した方の属性だけでなく 生の声を収集
リアルタイム人口統計 リアルタイム人口統計 日本全国の人口を 250m~500m メッシュ単位で 性年代別 居住市区町村別に ほぼリアルタイム ( 約 10 分後 ) で把握することができる人口統計です 10 分毎の人口を約 10 分後に提供します 活用イメージ 大型イベント等における人出の把握 500m 500m( 都心中心部は 250m) のエリアを単位として人口を把握できます 未来を予測するサービス ソリューションへの活用 大規模イベント等におけるリアルタイムな人出の把握のほか AI タクシー や AI 渋滞予知 など いま の人口から 未来 を予測するサービス ソリューションでの活用を進めています ( 例 ) 隅田川花火大会 赤 : 普段より人口が多い緑 : 普段より人口が少ない リアルタイム人口統計 需要データ タクシー運行データ 渋滞実績データなど AI 技術 AI タクシー 30 分後のタクシー乗車需要 花火大会の開催前後の隅田川周辺の人口推移 穴場スポット? 地図データ 2018 Google, ZENRIN AI 渋滞予知 午後の渋滞予報アクアライン上り渋滞予測 16 時 ~20 時最大 14km 帰宅時間帯の渋滞予測 今後 リアルタイム人口統計 は 近未来人数予測 として皆様にご活用いただけるよう提供していく予定です 近未来人数予測 AI タクシー は 株式会社 NTT ドコモの登録商標です
交通量 B-30 AI 渋滞予知 AI 渋滞予知 技術の概要 1 月 2 日 12 時 1 月 1 日 12 時 当日の人口分布 実証実験の狙い 午後の渋滞予報 アクアライン上り渋滞予測 16 時 ~20 時最大 14km 過去の人口分布 1 月 1 日 当日の人口をもとにした渋滞予測をドライバーに配信 アクアライン上り渋滞予測 16 時 ~20 時最大 14km 渋滞の発生実績 1 月 2 日 人口と渋滞の関係性をパターン化した渋滞予知モデルを作成 渋滞予知 モデル 事故や規制の発生日を除く 帰宅時間帯の渋滞を予測 渋滞開始時刻 渋滞終了時刻 渋滞ピーク時刻 最大渋滞距離 1 利用者満足度の向上 うまく渋滞回避できた 今度も高速で来よう! 渋滞ピークを避け快適に走行できることで ドライバーの満足度 リピート率が向上 2 渋滞緩和 精度評価結果 渋滞距離 AI 渋滞予知 見逃し率 従来予測 15km 以上 0% 2% 10km 以上 1% 6% 5km 以上 3% 7% 予測渋滞距離 発生渋滞距離別の見逃し率 予測渋滞距離別の空振り率 AI 渋滞予知 空振り率 従来予測 15km 以上 0% 6% 10km 以上 0% 18% 5km 以上 6% 22% 見逃し : 渋滞は発生しない と予測したが 実際には発生した 空振り : 渋滞が発生する と予測したが 実際には発生しなかった 従来予測 :NEXCO 東日本社が提供する渋滞予報カレンダー 3 周辺地域経済の活性化 当日の人出 に基づき 高い精度で渋滞を予知する技術です 人口と渋滞発生の関係性を学習してパターン化した 渋滞予知モデル に当日の人口分布を当てはめることにより 帰宅時間帯に発生する渋滞を予測します 渋滞の発生前に予測結果を配信することにより 交通分散が促されることが期待されます お昼に帰りの渋滞予知結果を知ることで 当日の行動の判断材料にすることができます 東日本高速道路株式会社と共同で 東京湾アクアラインにおいて 実証実験を実施中 渋滞にかかるくらいなら この辺で夕食でも食べていこうか 17 時 20 時 時刻交通量ピークを分散させ渋滞を緩和 ショッピングモール レストラン等 旅行先での滞在時間増加による地域経済活性化効果
AI タクシー R AI タクシーとは 人の流れとタクシー運行データなどから AI を活用して将来のタクシー需要を予測します AI( 人口知能 ) を使い 未来のタクシー需要予測の情報を現在から 30 分後までを 10 分ごとにオンライン配信で提供するサービス 日本全国で 2018 年 2 月 15 日から商用サービス提供中 需要予測技術の他交通機関への適用を検討中 効果 需給マッチング結果を活用したドライバーによる走行ルート決定 新人ドライバー向けの教育ツール 効果 1 効果 2 数万円 UP/ 人 月 効果 3 効果 4 タクシー配車システムベンダ様 自社にてシステム開発するタクシー事業者様 実車率 2~3%UP AI タクシー と 近未来人数予測 は 株式会社 NTT ドコモの登録商標です
近未来人数予測 R 予測の仕組み 約 7500 万回線のお客様にご利用いただいている携帯電話ネットワークの仕組みを利用して 現在 未来の人の分布 流れがわかります ビックデータ AI で新たな価値を創造 AI タクシー では人工知能を用い 近未来人数予測とタクシー運行データと気象データなどから 現在から 30 分後までの未来のタクシー乗車台数を予測します AI 約 7500 万回線のお客様にご利用いただいているドコモの携帯電話ネットワークの仕組みを利用して作成される人口統計データをもとに 250m~500mメッシュ単位で現在と少しの未来の人数を予測します 気象情報や周辺施設情報など多様なデータと組み合わせると新たな予測ができ 観光地周遊や効率的な移動手段の供給など新たな価値を創造することが可能になります 活用事例 ( 横浜 MaaS AI 運行バス ) あらっ 女性が多そうね 女性向けのクーポンを設定してみようかしら クーポン配信設定 まあ! クーポン効果で女性の来店が増えたわ! 広域で人の動きを把握 予測することで 移動需要予測への適用ができます 観光エリア 商業エリアの群衆流動をコントロールし地域経済の活性化に期待できます 人が集中するエリアに警備員を多く配置し事故 防犯対策の強化を図ることができます 人数分布を考慮した避難誘導や救助隊の派遣の指示が可能になります クーポン表示 おいしそう! 食べたい! いいね! AI 運行バス の乗車予約 移動 近未来人数予測 と AI タクシー は 株式会社 NTT ドコモの登録商標です