ID カードと AI 対話システムを用いたイベント空間における
行動データの収集と行動支援技術
Acquisition of behavior data and action support technology in event space using
ID card and AI dialogue system
近藤那央
1竹内理人
1櫻井瑛一
1本村陽一
1,2Nao Kondo
1, Rihito Takeuchi
1, Eichi Sakurai
1,Yoichi Motomura
1,21
産業技術総合研究所 人工知能研究センター
1
Artificial Intelligence Research Center,
National Institute of Advanced Industrial Science and Technology
2
東京工業大学大学院
2
Graduate School of Tokyo Institute of Technology
Abstract: In this paper, I defined event space as (1) a large number of exhibitors, (2) visitors freely traveling in the space, (3) holding exhibitions in a short period. In the event space, keeping in mind these issues : (a) The exhibitor burden is small. (b) The visitors can enjoy it. (c) The installation cost is low, and we have developed a visitor traveling data acquisition system using RF-ID. In the data acquisition method, visitors touch the card reader with the seal type RF-ID tag at the “touch point” in each exhibition and authenticate them. The developed system was experimented in actual event space for 4 days. In the experiment 62 exhibits participated as “touch point”, and a total of 2706 visitors participated. Based on the acquired data, it was found that the number of visitor's visits greatly varies depending on the exhibition place. In addition, it was found that visitor traveling changes with the function that drinks are presented using the next generation vending machine according to the number of a visior’s visits.
1. はじめに
社会において，機械学習に基づく人工知能技術を 活用していくためには，機械学習による機能実現を はかるための定量的なデータを取得することが大切 である．社会は、ある場所を共有する不特定多数の 人間と，その場の環境その関係性である．その関係 性を定量的なデータによりモデル化するためには， まず人間行動データを取得する必要がある．行動デ ータを取得し，解析を行った例として，本村ら[1]は ショッピングモールにおいて，ID-POSデータを使用 した，顧客の行動解析を行っている．顧客が商品を 購入する際に使用するポイントカードシステムから， 個人の購入履歴であるID-POSデータを取得できる．
ID-POSデータを解析することで，顧客をセグメント
化することができる．セグメントされた顧客が，ど のような購買傾向があるかを知ることができ，より
個人に特化した質の高いサービスに還元することが できる．ショッピングモールと同様に，多くの個人 が同じ場所を共有する空間として，一つの大きな空 間に複数の展示が集まるイベントがある．以下本研 究でこうしたイベントを支援する技術を考える．本 研究が対象とするイベントの特徴として，①出展者 数が多い，②来場者が自由に回遊する，③短期間， である事が上げられる．ここでの現在の問題の一つ に，来場者の行動を定量的に測定できないことがあ る．イベント全体では，受付のアンケートなどによ り，総来場者数や年齢性別などの属性は既に取得し ているが，来場者の移動経路や滞在時間時間はわか らない．たとえば，来場者が自ら順路を決定し，主 に興味のある展示のみ巡回する．そのため，来場者 が意図せずに興味のある展示を見逃してしまう場合 がある．これは，来場者，出展者双方に取って機会 損失であり，イベント全体の満足度を下げる要因と
なる．
本研究ではこのような特徴のあるイベントにおいて 効率的かつ大量の来場者行動データを取得するため には，a. 出展者負担が少ない b. 来場者が楽しんで 参加できる c. 設営コストが安い事が必要であると 考えた．データ取得手法に関して，今まで筆者らの グループはRF-IDカードを用いて，個人データをID に結びつけるデータ収集手法を試してきた[2]．本シ ステムでは，RF-ID シールを用いて，各展示で来場 者自らが ID 認証を行うことにより来場者行動デー タを収集した．解析可能で定量的な来場者行動デー タを取得するシステムを構築し，実際のイベント空 間で実験をした．その手法と，現在分かっている解 析結果を報告する．
2. 関連研究
来場者行動データの収集は，今までも行なわれて き た ． 神 田ら の 研 究[3]で は ， ア クテ ィ ブ 型 RF-ID タグシステムを用いた，科学館における来場者行動 デ ー タ 収 集 、 分 析 を 行 っ て い る ． ア ク テ ィ ブ 型 の RF-ID タグを来場者に装着させ，館内数カ所に設置 されたアクティブ型RF-IDリーダーにより，自動認 証によりおおまかな位置情報を特定する．これによ り，来場者の動線を知ることができ，ロボットが来 場者に来場者行動情報を元に，来場者個人へ語りか けるサービスの実験をおこなっている．来場者が直 接RF-IDタグをリーダーにタッチする必要が無いた め，来場者の意思にかかわらず行動データを取得刷 ることができた．しかし，アクティブ式RF-IDシス テムは ID,リーダともにコストが高く，コストが低 い事が求められる，今回対象とするようなイベント 空間には向かない．また，ID認証が自動であるため， 認証時にアンケートを実施するなどと行った，行動 データ以外の個人データの取得及びサービス提供が 難しい．
イベント空間において来場者行動データを取得し ながら，個人に対して詳細資料の提供などサービス を行う例として，インテリジェンスビジネスソリュ ーションズ（株）の”POS+Beacon”がある．情報提 示ができる専用の Beacon 端末を来場者全員に配布 し，Beacon強度による位置情報の特定と，接触認証 端末へのタッチによるサービスの提供などを，実際 のイベント空間で行っている．しかし，Beacon端末 や，Beacon認証端末の導入コストが高く，定期的に 開催されるか，収益を上げられるイベント空間でし か導入が難しい．また，端末を持ちあるかないと行 けない点で来場者も気軽に参加できない．
3. 来場者行動データ収集システム
図１ データ収集の流れ
本システム(「みえちゃう！タッチラリー」)は，受 付，複数の展示にあるタッチポイント，来場者行動 の 可 視 化 を 行 う ふ り か え り の ３ つ で 構 成 さ れ る(図 1)．まず，受付でRF-IDシール(図2)を配る．RF-ID シールとはRF-IDタグが付いたシールであり，来場 者が既に持っている来場者カードや，入場チケット にシールを貼る事で，それらをIDカードとすること ができる．シールを配った後に，性別，年齢，居住 地方の３つの簡単なアンケートを実施した．ID認証 端末に ID を認証した後にアンケートをおこなうた め，個人属性とその後取得する行動データを直ぐに 結びつけることができる．次に，各展示でID認証を 行う．各展示のシステムはpcアプリケーションと， pc に接続された ID認証端末により構成される．各 展示毎に固有の ID を割り振ったアプリケーション ファイルを配布し，pcの準備およびセットアップは 基本的に出展者に行ってもらうようにすることで， 多くに展示の参加を可能にした．各展示についた来 場者は，(図3)のように，タッチポイントにカードを タ ッ チ す る ． こ の 時 ， カ ー ド に 貼 り 付 け ら れ た ，
RF-IDシールの固有IDが認証され，各展示固有のID
が位置情報となり，時刻とともにデータベースに送 信される．これを繰り返すことで，来場者行動デー タが蓄積される．最後に，ふりかえりと称して行動 データの可視化を行う．来場者がタッチポイントを 巡回した後にふりかえり用の ID 認証端末にカード をタッチする．RF-IDシールの固有IDに紐付けられ た行動データが，ID認証端末のディスプレイ上に表 示された地図に矢印として表示される．更に，ID認 証端末として次世代自動販売機を使用し，タッチポ イントに訪れた回数が５回以上であると自動的に自 動販売機から飲料がプレゼントされるという来場者 に対するインセンティブを実装した．次世代自動販 売機とは，デジタルサイネージとID認証装置がつい た自動販売機であり，ICT 連携によるサービスの向 上や，場のハブ的存在となり得るアプリケーション
が期待されている．ふりかえりを行わない通常時に は，地図上にリアルタイムの総来場者の行動が可視 化される．
4. 実験
2 章で紹介したシステムを，実際のイベント空間で 実験した．2016年11月3日から，11月6日まで， お台場地区で開催された科学技術イベント，サイエ ンスアゴラ 2016[5]にて，イベント公式企画として みえちゃう！タッチリーを行った．サイエンスアゴ ラは，お台場地区の６つの会場に渡って行なわれる イベントで，総展示数は約200である．そのうち， メインの会場となるのがA会場で，A会場に受けつ けとふりかえりを設置した．タッチポイントは全て の会場に設置した．以下に地図を示す．(図 4)タッ チラリーに参加した来場者は約 3000人で，62展示 がタッチポイントとして本システムに参加した．
5. 結果
3 章で紹介したシステムを，実際のイベント空間で 実験した．システムは，出展者のセットアップの際 にPCや，出展者のスキルレベルにより直接対応を行 った場合はあったが，大きな不具合はなく４日間稼 働させることができた．参加者は特に方法に迷うこ と無く参加することができていた．来場者行動デー タに関して，(a)同一会場内の展示場所によるタッチ 数の差，(b)会場によるタッチ数の差，(c)来場者の 年齢分布，(d)インセンティブによる滞在時間と訪問 箇所数の関係について調べた．以下に詳細を記す．
(a) 同 一 会 場 内 の 展 示 場 所 に お け る タ ッ
チ数の差
まずA会場について，各タッチポイントにおける４ 日間のタッチ数の合計を，タッチポイント設置場所 の地図とともに可視化した．[図５]は，メインの会 場であるA会場の訪問数の可視化データである．赤 い星のマークがついているところが受付，青い星の マークがついているところがふりかえりである．数 に大きなばらつきはあるが，300 台から 700 台まで が一般的だとする．その中で，壁沿いだけ200台,100 台の比較的少ない訪問数の場所が固まっている．特 に，２方を壁に覆われる角は，訪問数102と極端に 少ない．更に極端に数が少ないところを見てみると， 図４の下側に，100台と40台のタッチポイントがあ る．ここは，受付及びその他タッチポイントがある ホールとは違い，ホールの外の空間である．以上二 点を踏まえ，展示場所が来場者数に大きく関係する とわかった．しかし，壁沿いであっても１箇所だけ 訪問数603と多い場所がある．ここは実際の会場に おいて，目に見えて人が多い人気の展示であった． ここから，場所による来場者数への影響が大きいが 内容によってより大きく変化する事が分かった．
(b) 会場による訪問数の差
A 会場以外についても訪問数をマッピングした． [図６]に示した地図は，A 会場以外で最もタッチポ イントの訪問数が多いD会場である．こちらも同じ く４日間の合計であるが，A 会場と比べてほぼ全て の訪問数が２桁である．また，１階入口付近の展示 がタッチ数159に対し，２階の展示が17から56と
図２ カードに貼り付けたRF-IDシール 図３ タッチポイントでの流れ
図４ 会場地図 図５ A会場の訪問数分布
図６ D会場の訪問数分布 表１ 会場別来場者数
表２ 来場者数年齢，性別分布
ここでも場所による差が出た．A会場と D会場の差 に関して，会場の訪問人数を調べた．[表１]は，全 ての展示がオープンになった11月5,6日のみの，A 会場のみ訪問した来場者と，A 会場以外も訪問した 来場者の数である．ここから，来場者のうちの４分 の３がA会場にしか訪問していないことが分かった．
(c) 来場者年齢分布
来場者の年齢層を調べた．[表２]は受付でのアンケ ートにて取得した来場者の年齢分布で，年齢の区分 はその際の選択肢である．まず，各年代の年代毎の 年齢分布を見る．総参加者2706人のうち，33％ずつ， 合計66%が12歳以下と35歳から49歳であり，大部 分を占めている．反対に，13歳から18歳，50歳以 上はそれぞれ 10%以下と極端に少ない．このことか ら，12歳以下の子供とその親が主な来場者だと分か る．次に，年代別来場者分布に加えて，性別で分け た．全体としては男性が女性より若干多いが，男性 53％，女性47％と大きな差は見られなかった．対し
て，12歳以下と35歳から49歳に関して，大きな差 が見られた．12 歳以下は，男性 59%，女性41%であ った．対して 35歳から49歳は男性 45%，女性55% と，世代間で唯一女性が多かった．以上より，35歳 から49歳の女性が12歳以下の男の子を連れて来る 場合が多い事が分かった．
(d) インセンティブによる滞在時間と
訪問箇所数の関係
次に，来場者の訪問箇所数と滞在時間について調 べた．[表３]は来場者の訪問数のヒストグラムであ る．５箇所を境に大きく差があり，大部分の人が５ 箇所以上訪問した事が分かった．５箇所を境に変化 した理由として，ふりかえり時の来場者へのインテ ンシブとして自動販売機より提供される飲料をもら うための必要条件が，５箇所以上の訪問であること が上げられる．次に，来場者の滞在時間について調 べた．来場者全体のヒストグラム[表４]と，５箇所
以上訪問をし，ふりかえりにおいて飲料を受け取っ た人のヒストグラム[表５]を比較すると，来場者全 体に比べ，飲料を受け取った人の方が，滞在時間が 30 分以下の人の割合が半減している事がわかった． 以上により，インセンティブが来場者行動に与える 影響が大きいと言える．
表３ 来場者の訪問数
表４ 来場者全体の滞在時間
表５ ５箇所以上訪問者の滞在時間
6. 考察
結果をうけて，展示への来場者数が場所により大 きく変化することが分かった．壁際の展示が極端に 少なかったことから，多くの来場者は壁側よりも内 側の展示を注視するとも言える.しかし,壁側であっ ても 多数の人を 集めていた 展示は,実際の 展示で も
人気が合った.例えば,壁際であるが訪問数600を超 えて いる展示は,野 生の生き 物の生体展示 をして お り,生き 物を見よ うと集まる 多くの子供が 集まっ て いた.出展内容が大きく関係する事が分かったので, 今後 出展者に対 し,出展内容 に関する追調 査を行 い たい.また,イベントの運営方法としても,壁側及び メイン会場外へも来場者が足を運ぶような案内方法 を対策する必要も考えられる.また,今回の実験イベ ント のように,１つ のイベン トが複数の会 場から な るイ ベントは,極端 にメイン の会場に人が 集中し 易 いこ とが分かっ た.実際に参 加者へヒアリ ングし た 所,メイ ンの会場 以外にも会 場があると知 らなか っ た来 場者も多く,他 会場への 案内も対策す る必要 が ある.滞在時間、訪問数に関して,インセンティブが 与える影響が大きい事が分かった.実験の際,受付時 の説 明で飲料の プレゼント がある事を 伝えると,タ ッチラリー参加に対するモチベーションが大きくあ がるように見受けられる参加者も多かった.また,後 何回で飲料がもらえるかをふりかえりにて数回確認 しに くる来場者 もおり,ふり かえり用の次 世代自 動 販売機には,常に列ができていた.飲料をもらうため に,タッ チラリー を５箇所以 上回るという 行動を 行 って いたとも考 えられるた め,飲料をもら うため の ５箇 所以上とい う制約が,例え ば来場数の 少ない 他 会場 への訪問に すると,他会 場への訪問が 増える 可 能性 があり,そう いった来場 者行動の制御 に利用 で きると考えられる.しかし,必ずしもタッチラリーの 訪問数が全ての訪問数の代表であると断言すること も難しい.それは,親子の来場者の中で,飲料のため に５ 箇所以上の 訪問履歴は 残している が,子 供に 比 べて 大きく少な い訪問数で ある場合や,タッ チラ リ ーという行為に参加を懸念する来場者群が一定数存 在す るというこ とである.今後 こういった 層に対 し ても,デ ータを質 の高いもの にするために 参加を 促 す仕 組み作りや,他 の来場者 行動データ取 得方法 と 組み合わせた方法も検討する必要がある.
7. まとめ
イ ベ ン ト 空 間 に お い て,来 場 者 行 動 デ ー タ を RF-ID シールを用いたタッチラリーを使って取得し た.実際のイベント空間で62箇所のタッチポイント を設 置してシス テムを稼働 させ,４日間大 きな不 具 合なく2706人のデータを取得することに成功した. 取得した来場者の訪問数と展示場所の地図を照らし 合わ せることで,訪 問数が場 所により大き く変化 す る傾 向がわかり,ま た複数会 場にまたがる 場合に も 会場 ごとの訪問 数の差が大 きいと分か った.一定 の 訪問数により来場者に対してインセンティブを設け た事で,滞在時間と訪問数に,顕著な変化傾向が見ら
れた．今後，今回分かった訪問数の少ない傾向のあ る場所への訪問をインセンティブの必須条件とすれ ば,来場者の行動を制御できる可能性がある.また, タッ チラリーシ ステムに関 しても,リアル タイム の 訪問数などのデータを出展者側が細かく見られたり, 取得 したデータ より構築し たモデルで,来場 者に 直 接個人に特化したリコメンドサービスなどを提供し たい.
8. 謝辞
本本研究はNEDO委託事業「人間と相互理解できる 次世代人工知能技術の研究開発」の支援による．日 本科学技術振興機構の支援の元、サイエンスアゴラ での公式イベントとして実験を実施した．次世代自 動販売機より来場者に提供した飲料は，KIRINから 提供を受けた．
。
9. 参考文献
[１] Keisuke Murayama, Noriaki Hirokawa and Yoichi Motomura: Customer Behavior Analysis Using Probabilistic Latent Structure Modelling with Point Card Data, ICServ 2015, 2015-The 3rd Inter-na-tional Conference on Serviceology(unpublished obser-vations)(2015).
[２] 本村陽一, 櫻井瑛一, 廣川典昭, 村山敬佑, 川島謙佑,
安松健. コミュニティの行動計量技術〜IC カードと タブレットによるビッグデータ収集と確率的潜在構 造分析. 行動計量学会全国大会, 2015.
[３] 神田崇行，塩見昌裕，野村竜也，石黒浩，萩田紀博． RFID タグを用いた科学館来場者の移動軌跡の分析．
情報処理学会論文誌，vol.49, No5, 2008.
[４] 株式会社インテリジェンスビジネスソリューション
ズ，イベント来場者の行動記録・分析が可能に
「POS+ beacon（ポスタスビーコン）」サービス開始， http://www.ibs.inte.co.jp/news/2015/12/28/933/，2015 [５] サ イ エ ン ス ア ゴ ラ の ウ ェ ブ サ イ ト ．
http://www.jst.go.jp/csc/scienceagora/
