通行量センサを用いた飲食店用不動産賃料推定シス ム 提案
Proposition of real estate rent estimation system for restaurant by using traffic sensor
荒川 周造
1
諏訪 博彦
1
小川 祐樹
2
荒川 豊
1
安 慶一
1
Shuzo Arakawa
1, Hirohiko Suwa
1, Yuki Ogawa
2, Yutaka Arakawa
1, Keiichi Yasumoto
11
奈良先端科学 術大学院大学 情報科学研究科
1
Nara Institute of Science and Technology, Graduate School of Information Science
2
立命館大学
2
Ritsumeikan University
Abstract: In this paper, we describe a real estate rent estimation system for restaurant. The traditional real estate market in Japan, the decision of rents for restaurant has been made by veteran salespeople based on their tacit knowledge that made from cultivated intuition and experience. However, the conversion to explicit knowledge (expression) has become an issue when carrying on into other salespeople. Therefore, the evidence-based rent estimation system is needed to assist salesepeople. We proposed the system that considered static information on locational conditions and dynamic information such as traffic around the store. We have developed a sensing system for obtaioning the sense of traffic volume.
Keyword: Sensing, Machine learning, Data mining
1. めに
飲食店用不動産 賃料決定 ， 来，ベ ン営 業 ン 長い経験 勘や経験 暗 黙知 い ．一方 ，他 営業 ン 暗黙知 課題 ， 経験 浅い 新人営業 ン い ベ ン営業 ン 様 賃料決定 望 い．SECI [1]
， 課題 ，暗黙知 表出化 ，形式知
連結化 ，概念 伝 能
． ， 研究 具体的 根
無い暗黙知 形式知化 ，根
賃料推定 構築 目的 ．
多 賃料推定 関 研究 ，物件 立地条件や周囲 環境 い 静的 情報 機 械学習 入力 い ， 多 個人向
ン ョン 宅物件 対象 あ
． 研究 扱う ，飲食店用不動産物件 限定 ， 特殊性 ，店舗前 通行 や店舗 雰囲気 い ，個人向 物件 考慮
動的情報 要 タ あ ．
筆者 組 賃料推定 ，通
行 タ 営業 ン 感覚 元 入力 い ． う 暗黙知 根 あ ，
通行 ン 用い ン ン 提案
．通行 感覚値 定 値 入力 推定精度 向 期待 ． 提案 通行 ン ン ，実際 物
件 設置 念頭 ，目 い小型
， 消費電力 あ 求 い
． 来 ン 多 ，電源 必要 ， 設置場所 制限 ． ，ソ
付 ン あ ，十分 電力 得 大型 問題 あ ． ，市販
ベ ン 無線 ュ ベ ン
開発 ，小型 消費電力 実現 能 い ． ， ン 体 タ 集端 分離 設置 自由度 高い
いえ ． ， 集 タ
ッ ， 遠隔地 タ
集 容易 能 あ ．
以 踏 え， 研究 具体的 課題
， タ 賃料推定， 通行
動的情報 得 挙 ． ，概念的 課題
，暗黙知 形式知化 営業 ッ 化
組 挙 ．
以 稿 構成 い 述 ． ，第2章 研究 関連 研究や 組 い 説明
， 研究 置 明確 ．第3章 ， 研究 扱う賃料推定 い 述 ． 第4章 ，店舗 動的情報 得 試
開発 通行 ン ン い 説
明 ．第5章 ， 用性 確認 実験 い 説明 ，第6章 ．
2. 関連研究
研究 関連 研究 ，具体的 課題 あ 賃料推定，通行 ン ン ， 概念的 課 題 あ 暗黙知 形式知化 関 組 挙
．以 い 説明 ．
2.1. 不動産賃料推定に関 取 組み
タ 賃料推定 関 組 ，
Victor[2] 決定木 ュ ッ ワ
不動産価格推定 実施 い ． 研究 ， 米国 ン 郡 対象 ，推定 値 除
引価格 5% 物件 除 推 定 行い，不動産価格 分割 推定誤差 評価 い ． 結果， ュ ッ ワ
用い 方 良好 結果 得 明 い ．
，Chih-Hung[3] ， 宅 選定 関
わ 深い風水 着目 ，風水 考慮 不動産価 格推定 組 い ．多 不動産価格推定 用い い 建物 属性 加え，風水
タ 学習 タ ッ 設定 い ．
彼 ッ ョン ュ ッ ワ
BPN ュ ッ ワ
FNN ， 独自 開発 ッ 遺伝ベ
ベ タ 回 HGA-SVR
複数 推定 結果，い 手法
い 風水 タ 考慮 方 良好
推定結果 示 い ． ，
性能 評価 ，HGA-SVR，FNN，
BPN 優 い 明 ，最
優 HGA-SVR 均 絶 対 ン 誤 差
MAPE 4.79% 示 い ． ，最 価
格推定 影響 あ 属性 BPN 用い 求
， 土地 大 あ ． ，風水
タ ， ，窓，家 観，
宅価格 影響 い 明 い ．
，Vincenza[4] ，タ ン 市 タ
不動産価格 ，交通 地域 環境 質 深 関 い 考え，人 ュ
ッ ワ ANN 用い 不動産価格推 定 行 い ． タ ッ ，立地条件や建
物 構造 加え， や 停 距離 交通 関 属性や，SO2，NOX，NO，NO2，CO，PM10
値 最大値 い 環境汚染 関 属性 含 い ． 研究 タ ッ 各属性 感度分析 行 結果，不動産価格 最 影響 い 要因 ， チ 近 や，
び 無 求 ．環境汚染
関 目 最 要 ，SO2 最大 値 挙 ，全42あ 属性 内 8番目 あ ．
，交通 関 属性 15番目付近 置
，影響 あ 示 い ． ，環境 汚染 関 属性 除い 学習 ，大
精度 見 ，不動産物件
業地 距離 用い ，環境汚染 属
性 代用 明 い ．
以 3件 関連研究 ， 地域 特化 手法 採用 い 点 共通 い ．地域 賃料決定 影響 あ 属性 違い 見
， 属性 要 あ 吟味 必要 あ ． 研究 全 海 対象 研究 あ
，近 国内 い 不動産賃料推定 提供 い 事例 存在 い ． 例え
，株式会社 ン ， 来型不動産
IESHIL [5] い ， ッ
タ 活用 不動産物件 タ 査定 実施
，売買時 不動産価格や価格推移，推定賃 料 提供 い ． ，ソ 不動産株式会社 ，
ソ 株式会社R&D 持 ン 深
層学習 術 ，ソ 不動産 不動産査定 や不動産 引特 知識 組合 不 動産価格推定 ン ン [6] 開発 ，不動産 成 約価格 推定 い ． ，前述 い 先行研究 い ，一戸建 ， ン ョン，
い 宅用不動産物件 扱
，飲食店用不動産物件 扱う 研究 対象 タ群 異 い ．
2.2. 通行量センシングに関 取 組み
次 通行 ン ン 関連 研究 い 述
．多 先行研究 ，通行 測定 手法
， 用い 組 い ．
例 Calro[7] ， 用い 人
数 ン 構築 い ． ，Zeng[8]
，複数 用い 提案 い
． ， 用い
場合，設置や 面 高
，飲食店用不動産物件 適 い い．
， ン 用い チ 注目
い ．Wahi[9] ，PIR ン 用い 内
人数 推定 手法 い 提案 ， ュ ョン 用い 性能 評価 い ．
PIR ン 用い ッ ， ン 単価
比較 安価 あ ， 面
問題 配慮 い 挙 ． 研
究 い ， タ ，
ベ ン 用い ン 作成 ， ン
ン 検証 実施 ， 研究
関連 性 高い いえ ． ，Fang[10] 複数
PIR ン 連 出力 元 ，
ベ タ ン SVM 用い 人数 ン 手法 提案 い ．
2.3. 暗黙知 形式知化
最後 暗黙知 形式知 変換 試 い 述
．暗黙知 形式知 相互 変換
， 中 SECI 提案 い ．
概要 Fig.1 示 ．SECI ， 共
化 暗黙知→暗黙知 → 表出化 暗黙知→形式知
→ 連結化 形式知→形式知 → 内面化 形式知
→暗黙知 → 共 化 い 繰 返
，知識創造 い
あ ． 研究 組 表出化 あ ，
ン ン タ ン 営業 ッ
化 実施 ． ，具体的 例 ，河村[11] 申込顧客推薦 提案 い ． 研 究 ，飲食店向 不動産営業支援 行わ
，顧客 不動産 検索 内見 移 ，内
見 申込 移 電話営業 対象
い ． 営業 ン 勘 経験
，数あ 顧客 中 成約 至 や い顧 客 抽出 ，電話 い 対 ，経験 浅 い新人営業 ン 顧客 電話 効果 的 わ い い 問題 あ ．
， ン 結果，物件情報，顧客情報 ３ 説 明変 数 機械学 習 行う ，49.2% 精度 顧客推薦 行う 構築 い ．
Fig.1 SECI model
以 踏 え， 研究 置 ，多
不動産価格推定 組
飲食店用不動産 特化 い 点 特徴 あ ．
， 伴い 面 実際 物件 設置
配慮 構成 ，
面 問題 対 配慮 い ．最後 ，暗 黙知 形式知 表出化 伴い， ン ン
得 店舗 動的情報 利用 い 点 先行研究 異 言え ．
3.
感覚 ータに基づく賃料推定
感覚 タ 賃料推定 ， 実
際 2 営業 ン 扱い物件 通行 感覚 値 提供 い ， 回 分析 推定 実 施 い ． タ 1〜5 5段階 あ ，2 分
均値 通行 使用 い ． 賃料推定 用い 指標 ，通行 他 ， 推定賃料， 視認性ェ通行 ，居抜 ，最寄 歩時間， 階層，坪数 挙 ． ， 推定賃料
均坪単価 あ ． ，視認性ェ通行 ，
5 段階 評価 物件 視認性 ，通行 積 あ
，通行 入 精度 確認
い ．居抜 ，机や椅子， ンタ ， ン ，冷蔵庫 什器 付 物件 示
，階層 物件 建物 何階 あ 示 い ．，
，推定賃料 式 1 表 ． 推定賃料=137440.248 定数
+2.080ェ 推定賃料ェ坪数 +8504.796ェ 視認性ェ通行 -23445.154ェ居抜
-6177.402ェ 歩時間 -47927.537ェ階数
-150.755ェ坪数 (1)
， 手法 用い 求 結果 Fig.2 示 ．
横軸 実賃料，縦軸 推定賃料 あ ， 内 線 み30% 範囲 示 い ．
Fig.2 Rent estimation result 4.
通行量センシングシス ム 提案
Tacit
Socialization Externalization
Internalization Combination
Tacit
Explicit
Explicit
0 200000 400000 600000 800000 1000000
0 200000 400000 600000 800000 1000000
Estimation value[JPY]
Real estate rent[JPY]
店舗 関 動的情報 あ 通行 ン
ン 実現 構築 提案 概要
Fig.2 示 ． 主 ベ
ン 無線 ン ， 役割 持
無線 信機 構成 ． ベ
ン 無線 ン 活用 利点 ，半永久
的 ン ン 能 ， 配線
不要 あ 設置 自由度 高い い 特 長 挙 ． ，通行 限 ，店舗 雰 囲気 あ ゆ 情報 ン ン 能
，EnOcean 規格 汎用性 あ
い ． ， ン 分離
， タ 蓄積や タベ 送 信 容易 実現 能 い ．以 ，
構成要素 詳細 い 説明 ．
4.1. 通行量センサ
開発 通行 ン 観 Fig.3 示 ． ン
設置 目立 い う 小型 ッ
， 込 形 全長×全幅×全高
81×21×45mm あ ．ベ
ベ ン 無線 ュ EnOcean社 温度
ン STM431J あ ，Fig.4 示 う 独自 開
発 張 PIR ン 搭載 組
合わ 通行 ン ン 実現 能
い ． 温度 ン ，ソ 蓄電
用 タ，無線 ュ 搭載 ，
書 換え ， 汎
用的 使用 能 い ．EnOcean 規格 使
用 い 無線周波数 域 928.35MHz あ ，一
般 広 使 用 い 無 線 LAN や Bluetooth，
ZigBee 使用 い 2.4GHz 比較 ，
回折 や 渉 い ，実環境 強い 規格 あ いえ ． ，通信 能距離 廊 見 通 30m，鉄筋 ン 壁越 10m あ ，飲 食店用不動産物件 設置 あ 十分 距離 確保 い ． ，夜間 照度 不十分 環境
永 的 ン ン 実現 能 ， ッ ッ 用 ン電池 搭 載 い ．使用 い PIR ン Panasonic社 EKMB1101112 あ ， 消費電流 動 最小1μA 特長
， ベ ン 実現 貢献 い
．検出 能距離 5m あ ，検出範囲 縦横方 向 ±45 度程度 あ ．今回 不必要 動体 検出 防 目的 ， ン 周辺 製
覆う 検出範囲 制限 い ．
Fig.2 Proposed sensing system
Fig.3 Overview of the traffical sensor
Fig.4 Original breakout board with EnOcean sensor
Fig.5 Data uploading mechanism
4.2. ゲー イ
Fig.5 タ 送信 概 要 示 ． 役割 持 無線 信機 ，小 型 ン ュ タ RaspberryPi2 modelB ，EnOcean
信 ュ USB400J ABiT社 PHS ュ
接 構成 い ． ン 信
タ 内蔵 SD CSV形式 記録 ． ， 部 タ参照 容易
う ， あ
Dropbox 毎朝午前3時 自動的 ッ
Energy harvesting sensor
DB
Sensing data Wireless Receiver
Machine learning
Pedestrian Ambience
Gateway
Cloud Storage Energy harvesting
wireless sensor
PHS network
Table 1 Recording data format
date time type device RSSI length data
2016-02-08 15:50:52.360298 0x0a 0x0401550b 92 4 0x00 0x00 0xc7 0x08 ・・・
2016-02-08 15:50:52.361641 0x0a 0x0401550b 92 4 0x00 0x00 0xc6 0x08 ・・・
2016-02-08 15:50:52.362595 0x0a 0x0401550b 92 4 0x00 0x00 0xc6 0x08 ・・・
・・・ ・・・ ・・・ ・・・ ・・・ ・・・ ・・・ ・・・ ・・・ ・・・
う 構成 い ．
， 電源供給 USB給電 行う ，店舗 あ 商用電源 他 ，短時間
ッ 用い 運用 能 あ ．
4.3. 記録 ータ形式
記録 タ Table 1 示
う CSV形式 あ ． 診時
タ タン ， ッ 種別， ID,RSSI
値[dBm]， タ長， タ ．
信 ュ 信 全 EnOcean
機器 電文 ，前述 形式 変換，記録 い ． 今回製作 通行 ン 限 ， ッチや温
度 ン あ ゆ 機器 情報 得 能
い ． ， 一度店舗
設置 後 ，ソ 変更 ン
類 追加 能 あ ．
5. 通行量センシング実験
提案 用性 確認 ，営業
ン 感覚 通行 ，実際 通行 ン 得 通行 比較 行う． 研究 扱う 東京都内 飲食店用不動産物件 あ ，Fig.6 ，
Open Street Map[12] 営業 ン 感覚 タ
均値 ッ い ．今回 ， 物件 う ，値 異 4 物件 抽出 ，通行 ン ン 実施 い ． 抽出 地点 ，
A 1.5 ,B 2 ，C 3 ，D(4) ，括弧
内 値 感覚 通行 均値 示 い ． 地点A,B 前 道路 歩道 車道 区別 ，地 点C,D 明確 分離 い い 特徴 あ ． 実験 ，2016 2 8日 方 翌日昼
実施 ， 17時 13時
ン 応回数 通行 ュ 用い ．
実験 得 結果 Table 2 示 ． ，
視化 結果 Fig.7 示 ．
地点A，B，C，D ン 応回 数 示 ，人 感覚 比例 形 増加 い わ ． ，提案 ，
Fig.6 Property potencials on Open Street Map[12]
Table 2 The number of sensor counts Property 17:00〜
23:59
0:00〜
13:00 Total
A 1.5 58 145 203
B 2 827 1526 2353
C 3 2677 5375 8052
D 4 4204 8612 12816
Fig.7 Comparison of sensing data and human feeling
通行 ュ 感 得 ン
あ 示 ． 時 ，営業 ン 感覚値 あ 通行 根 あ タ 形式知化
．一方 ， 実験 測定 地点 4件 留 ， 多 地点
い 調査 必要 あ いえ ．
0 2000 4000 6000 8000 10000 12000 14000
A1.5 B(2) C(3) D(4)
Sensor counts
Location (feeling value )
6. おわ に
研究 ，飲食店用不動産 賃料推定 い ，根 い暗黙知 あ 通行 ュ 感 ，形式知化 通行 ン ン
提案 ． 用性 確認
，通行 ン ン 実験 通 調査 実施
． 結果，営業 ン 感覚 タ 通 行 ュ 感 ， ン 測定 得
ュ 感 相関 あ 明 ，
用性 確認 共 ，暗黙知 あ 通
行 根 あ ．
今後 課題 ，通行 ン ン
配備 進 タ 集 行い，根 賃
料推定 実現 挙 ． ，
今回 実験 通 ， ン ン 更 改良 余地 あ 示唆 ，今後
改良 追加 実施 予定 あ ． 具体的 ，実際 店舗 設置 進 あ ，
観 親 や い い
必要性 示唆 ． 問題 関 ，今回製
作 ベ ン ン 別 ，
既存 ン 見立 ン 追加
対応 い 予定 あ ．店舗や周囲 環境 合わ 選択肢 提示 ，物件
様 理解 得 や ，設置
実施 期待 ． ，
ン 比 大 ，PHS ュ
高い ， 小型 実装
う 検討 進 い ． ，一般 方 わ や い研究説明 作成 行い，装置設 置 理解 得 活用 い 予定 あ ．
謝辞
研究 一部 科学 研究 費補助 金 挑戦的 萌芽 研
究 15K12161 助成 あ ． ，研
究 提 供 協 力 い い 株 式 会 社
ABC店舗 皆様 感謝い ．
参考文献
[1] Nonaka, I., and Hirotaka, T.: The knowledge-creating company: How Japanese companies create the dynamics of innovation. Oxford university press (1995)
[2] Victor Gan, Vaishali Agarwal, Ben Kim: DATA MINING ANALYSIS AND PREDICTIONS OF REAL ESTATE PRICES, Issues in Information System，Volume 16, Issue IV, pp.30-36 (2015)
[3] Chih-Hung Wu, Chi-Hua Li, I-Ching Fang, Chin-Chia Hsu, Wei-Ting Lin, Chia-Hsiang Wu: HYBRID GENETIC-BASED SUPPORT VECTOR REGRESSION WITH FENG SHUI THEORY FOR APPRAISING REAL ESTATE PRICE, 2009 First Asian Conference on Intelligent Information and Database Systems, pp.295-300 (2009)
[4] Vincenza Chiarazzo, Leonardo Caggiani, Mario Marinelli, Michele Ottomanelli: A Neural Network based model for real estate price estimation considering environmental quality of property location, Transportation Research Procedia 3, pp.810-817 (2014)
[5] 株式会社 ン ュ ： ン 、
新 中 古 不 動 産 売 買 領 域 参 入 来 型 不 動 産
IESHIL( ) タ ッ
タ活用 中古不動産売買試乗 ” 視化” ”活
性化” 実現 2015 8 27日
http://www.livesense.co.jp/news/n/2015/0827_01/attachment
[6] ソ 株式会社 ュ ：業界最高水準
精度 実現 不動産価格推定 ン ン 開発〜
ソ 不動産 Real Estate Tech 不動産支援
領域 消費者意思決定支援 新
展開〜 2015 10 8日
http://www.sony.co.jp/SonyInfo/News/Press/201510/15-1008/ [7] Carlo Pane, Marco Gasparini, Andrea Prati, Giovanni
Gualdi, Rita Cucchiara : A People Counting System for Business Analytics, 2013 10th IEEE International Conference on Advanced Video and Signal Based Surveillance, pp.135-140 (2013)
[8] MA Hudong, Zeng Chengbin, Ling Charles X.：A Reliable People Counting System via Multiple Cameras，ACM Transactions on Intelligent Systems and Technology (TIST) Volume:3 Issue: 2 , pp.31:1-31:22 (2012) [9] F. Wahl, M. Milenkovic, O. Amft : A distributed PIR-based
approach for estimating people count in office environments ,2012 IEEE 15th International Conference on Computational Science and Engineering, pp.640-647 (2012)
[10] Fang Zhu, Xinwei Yang, Junhua Gu, Ruixia Yang : A New Method for People-Counting Based on Support Vector Machine, 2009 Second International Conference on Intelligent Networks and Intelligent Systems, pp.342-345 (2009)
[11]河村一輝，諏訪博彦，荒川豊，安 慶一：飲食店向
不動産営業 支援 申 込 顧客推薦手法 提案 ，
情 報 処 理 学 会 研 究 報 告 ，DICOMO2015，pp.588–593 (2015)
[12] Leaflet | Map data © OpenStreetMap contributors, CC-BY-SA, Imagery © Mapbox
