1.人流データ分析がなぜ有効なのか
1.1.人流データ分析とは
人流データ分析とは、特定の地域や場所における人々の移動や行動に関するデータを収集し、分析する手法だ。ただし、この分析手法そのものは決して新しいものではない。かつては調査員が街頭に立ち、人々や車両の通行した数をカウンターで集計する光景も見られた。単純な交通量や通行量だけではなく、車種や人の性別・年齢などの属性も、人力による地道な観測によって収集されていた。
そうした状況も、科学技術の発展、特に1990年代以降の携帯端末の普及とGPS技術の進展により、人流データの収集は一変し、人々や車両の移動の軌跡データを自動で収集できるようになった。2010年代には、スマートフォンの普及や無線通信の高速化に伴い、個人レベルでの移動データの取得も容易になり、分析の精度は飛躍的に向上した。現在、人流データはスマートフォンのGPS情報、Wi-Fi接続データ、公共交通機関の利用データ、監視カメラ映像、機器内のIoTセンサーなど、さまざまなソースから取得できる(図表1)。また、カメラやAIの進化によって、膨大な量のデータを瞬時に処理し、複雑な移動パターンや潜在的な傾向を短時間で導き出すことも可能となりつつある。人力による観測では限界のある属性なども自動かつより正確に認識できるようになり、データ収集は高度化している。より広範な地域で効率的にデータを取得できるようになったことで、人流データ分析は都市計画や交通政策の策定、公共施設・商業店舗の配置や需要予測、マーケティング戦略、人員配置、交通機関の運営効率化など、さまざまな分野で重要な役割を果たしている。
政府主導による新型コロナウイルス感染症の対策でも、人流データ分析が活用されている。コロナ禍においては、スマートフォンの位置情報データなどを利用して、特定の地域における人の移動をモニタリングし、感染拡大のリスクが高い場所や時間帯を予測した。これにより、早期の対策を講じることが可能となり、感染拡大を抑えるための種々の施策が実施された。また、感染者の移動履歴と人流データを突き合わせることで、クラスターの発生を防ぐための重要なデータとしても活用された。まさに、人流データ分析が感染拡大防止のための大きな役割を果たしたといえる。
図表1:人流データの取得方法と種類
国土交通省では、人流データ分析の利用を促進するために、人やモノの位置情報を活用するにあたってのデータの選定方法、取得、提供、利用におけるポイントやユースケースをまとめた『地域課題解決のための人流データ利活用の手引き Ver.1.2』1(2024年)や『人流データ活用事例集』2(2024年)を公開している。さらには人流データの可視化・分析が行えるオープンソースソフトウェア「人流データ可視化ツール2.0」 3(2024年)を提供するなど、政府も人流データの活用を推進すべく、積極的な取組みを進めている。
2.社会課題解決における人流データ分析
2.1.人流データ分析を用いたバスの運行ルートの最適化
人流データ分析が大きな効果をもたらす社会課題のひとつに、過疎化が進む地域における路線バスの運行の最適化がある。交通網が未発達の地域、特に地方部では運転免許をもたない、あるいは運転に自信のない高齢者にとって、路線バスは重要な移動手段だ。しかし、乗客数の減少や燃料費の高騰による運行コストの増加によってバス会社の収益性は低下。バス運転手の不足もあいまって運行の維持が難しくなっている。その一方で、地方や中小規模の都市の多くで、移動実態を把握するためのデータは不足しており、適切なバスルートの設計が困難となっている。従来の交通量調査やアンケート結果から移動需要を十分に満たす計画を作成するには、すでに限界を迎えているのである。
そこで有効となるのが人流データ分析だ。一般的な手法は、携帯電話のGPSデータや通信基地局からの位置情報を取得、対象エリアを一定サイズの格子状に分割して、その単位(メッシュ)ごとに人流データを集計するというものだ。人の流れが集中するエリア・時間帯を特定できれば、バスの運行本数を調整したり、より需要の高いエリアに新たなバス停を設置して運行ルートを変更したりといった最適化が可能となる。同時に、利用者の利便性も向上させることができるだろう。
2.2.KPMGが開発したAIによるバスの運行ルート最適化
ただし、データの取得方法や分析手法によって、得られる成果は大きく異なる。そこで、KPMGでは大規模GPSデータと経路最適化技術を用いて、移動需要を満たす最適なバスの運行ルートを生成する手法を開発した4,5。この手法は、膨大な移動データから利用者の移動需要を把握するために、教師なし機械学習アプローチを用いて、まず大規模GPSデータから位置と時刻情報を考慮して滞留点を自動抽出し、次に移動需要に基づくバスの運行ルートの最適化を行うというもの(図表2)。使用した移動データは、全国で取得可能な大規模GPSデータに基づき、当該エリアの1ヵ月間の移動データである。それを一般的なメッシュ単位に基づく集計ではなく、最小粒度で分析するために人流を特徴に基づいてグループ化するためのクラスタリング技術6を用いて利用者の密度の高い出発地点と目的地点の組(OD)を抽出し、時刻表の候補とした。抽出した滞留点の多くは病院やレストランなどに近接する施設に集約したことから、それらを新たなバス停の候補とした。最後に、時間帯別の滞留点間における交通量の多寡とバスの運行ルートの設計に必要な各種制約を踏まえたうえで最適化問題として定式化し、運行ルートの候補を高速に自動作成した。
一般的なメッシュ単位での集計と比較すると、さまざまな測位間隔や測位点数からなる億単位のGPSデータから各利用者の滞留地点を緯度・経度レベルで網羅的に抽出したことにより、メッシュ境界付近の滞在判定の曖昧さや同一メッシュ内の行動の欠落などの問題を解消できたと考えられる。実証実験は4台のバスで3,500人弱の需要があるエリアの97.7%の需要をカバーするという結果となり、少ないバス台数で大部分の移動需要を満たせることが確認できた。本研究は少ない労働力で地域住民の生活を充足できるよう、より先進的なデータ集計・分析技法によって交通インフラを再設計できた例といえよう。
図表2:滞留点の検出と移動需要に基づくバスルートの最適化
3.人流データによるマーケティング戦略の高度化
3.1.マーケティング戦略のための人流データ分析
人流データ分析は、商業施設の出店計画や地域振興においても重要な役割を果たす。たとえば、ある地域の流入・流出人口を調べれば、調査日における人々の行動傾向やエリアの混雑状況(ホットスポット)、ピークの時間帯、滞留時間などを把握できる。地下を高速で移動しているか、地上をゆっくりと移動しているかによっても、さまざまな示唆が得られるだろう。周辺地域との人流比較を通じて、未開拓の顧客層へのアプローチや潜在的なニーズの発掘など、戦略的なマーケティング施策の立案に活用することも可能だ。これにより、地域の魅力や課題を客観的に可視化し、効果的な出店計画、テナント誘致、さらにはイベント企画などに関する有益な示唆を導き出すことができるだろう。従来は「現場の直感」として認識されてきた事象を科学的かつ数理的なプロセスによって実証することができれば、新たな発見をもたらすとともに、意思決定の質を大幅に向上させる可能性が高くなる。
3.2.複数のデータから消費者の思考や動機を探る
また、人流データは、他のデータやアルゴリズムと組み合わせることで包括的なインサイトを導き出すこともできる。たとえば、人流データと消費行動や購買傾向が把握できる購買データ(POSデータ)とを掛け合わせれば、人々の行動傾向(人流の多寡)と消費行動(決済の多寡)の関係を明らかにする強力なツールとなる。人流が多いのに決済が少ないエリアはどこか、反対に人流が少ないのに決済が多いエリアはどこか。単なる「どこで何名が移動しているか」を超えた、より深い洞察となるだろう。今では、分析対象を人の動きから人の心理にまで拡張しようという動きもあるほどだ。だが、年齢や性別、居住地といった属性による従来の行動分析では、なぜその商品を購入したのか、なぜその美術館を訪れたのかといった行動の背景にある思考や動機まで捉えることはできない。
そこで、KPMGでは人々が消費・行動に至る思考や動機(サイコグラフィック)に着目して、人々の行動の背景にある価値観やライフスタイルを明らかにしようとする研究を進めている7。消費・行動傾向のパターンを整理するとともに、複数のデータを組み合わせ、特定のスポットやエリアにおける消費・行動にはどのような特徴があるのか、行動に影響を与える要素を前後の行動の時系列情報から傾向データとして蓄積・分析しようという試みだ(図表3)。たとえば、ある店舗である商品を購入した人々の前後の行動を分析すれば、消費行動の動機・要因の一端を解明することができる。そうすれば、企業の商品企画や販促活動はより確度の高いものとなり、さらにはマーケティング領域を超えた新たな戦略立案も可能となるだろう。
図表3:実行動に基づく複数データから、価値観やライフスタイルを推定
4.人流データ分析の未来予想図
科学技術の発展に伴ってデータの取得や解析の精度は向上し、より詳細で信頼性の高いデータが得られるようになった。5GネットワークとIoTデバイスの普及は、リアルタイムでの高粒度データの収集を可能にし、人流データ分析の精度を飛躍的に向上させた。粒度の細かいデータをリアルタイムに扱えれば、突発的なイベントや災害時にも迅速な意思決定ができるだろう。
また、AI技術の進化はより高度な予測モデルの開発につながる。その先進的なアルゴリズムを人流データに適用すれば、将来的な人流の変動をより正確に予測し、新たな価値を創出することも可能になるだろう。たとえば、人流データに機械学習による因果推論アルゴリズムを適用することで、公共施設などのインパクト評価は今よりも容易に、より正確になる。利用者の流れを追跡し、各種イベント、交通アクセス、広報・プロモーション活動などの介入が利用者数および地域社会にどの程度影響を与えたのか。因果関係を解明することで施策を改善し、ステークホルダーへの説明責任を果たすことができるというわけだ。さらには、それら示唆から新たな戦略を生み出すことも可能となる。
少子高齢化や人口減少が進む日本社会において、人流データ分析は将来に向けた不可欠な技術のひとつだ。しかし、その真価が発揮されるのは、どのようなデータやアルゴリズムを組み合わせて新たな価値を創出していくかにかかっている。これらの技術を通じて人々の生活を豊かにし、持続可能な社会をつくる。それが、未来に向けた重要なカギとなるだろう。
- 国土交通省「地理空間情報:地域課題解決のための人流データ利活用の手引き」
- 国土交通省「地理空間情報:人流データ利活用事例集」
- 国土交通省「地理空間情報:人流データ可視化ツール2.0を公開しました」
- 小竹 輝幸・廣川 典昭「人流(GPS)データを用いたバスルート及び運行時間帯の最適化」土木計画学研究・講演集 Vol.68、 2023年
- KPMGジャパン「人流データを活用したバス運行の最適化」
- 本プロジェクトでは、エリアの疎密の検出に有効な密度ベースクラスタリング(DBSCAN)技術を活用している。
- KPMGジャパン「KPMGアドバイザリーライトハウス、位置情報データと複数の実行動データから消費・行動に至る思考や動機を捉える行動分析検証を実施」
執筆
株式会社KPMGアドバイザリーライトハウス
ストラテジー&オペレーションズ部
マネージャー 品田 洋介