ほぼ一人ずつ通過する場所に設置し、精度良くデータが取れた、8Fの上りエスカレーター出口のデータを、10分置きにカウントをとって、簡易的にグラフにしたもの。
確かに人が少なかった月曜日の様子や、セッションのはじまり時間に合わせて流量が増えている様子がデータにも現れています。データを蓄積して、イベントデータと共に解析すると、優位な予測や、取り組みの効果測定に十分使えそうです。
こちら5日分のまとめ。
8Fに4箇所設置した、値を半分にして推定のべ人数としています。実際にはその場で立ち続けている人を重複カウントしたり、まとまって通った数を1として数えたりするので、あくまで目安です。
import csv def ana(fn, m, w): with open(fn) as csvfile: reader = csv.reader(csvfile) cnt = 0 bkd = None for row in reader: datetime = row[0] module = row[1] value = row[2] if m == module: #dt = datetime[0:13] # 1時間単位 dt = datetime[0:15] # 10分単位 if bkd is None: bkd = dt elif bkd == dt: cnt += 1 else: #w.write(bkd + "," + str(cnt) + "\n") # csv for 1時間単位 w.write(bkd + "0," + str(cnt) + "\n") # csv for 10分単位 bkd = dt cnt = 0 if not bkd is None: w.write(bkd + "," + str(cnt) + "\n") # csv fn = "ists-fukui2019.csv" modules = { "uZwuY2G0vn7C": "1FJ", # 1FJAXA内", # BSCM-B28 "uAbs00TuPz23": "5FR", # 5F展示 右", # BSCM-B94 "u52oJ7ReEICB": "5FL", # 5F展示 左", # BSCM-A00 "uXaXTQ866fqt": "8FU", # 8F上りエスカレーター", # BSCM-C07 "uKIpvNgHMhMZ": "8FD", # 8F下りエスカレーター", # BSCM-C12 "urBprjzYcYx8": "8FL", # 8Fエレベーター左", # BSCM-B27 "uHJqMGJf3tJ6": "8FR", # 8Fエレベーター右", # BSCM-B90 } for m in modules: print("analyze:", m, modules[m]) w = open("data-" + modules[m] + ".csv", "w") ana(fn, m, w) w.close()
人流センサーのローデータ CSV を解析するPythonプログラム（参考、Python3でCSVほか）
1F JAXAに設置していたカウンター（テレビの下）
IchigoJam x sakura.io を使った、IoT人流カウンターはオープンソース
「福井x宇宙! 200円測距センサーとIchigoJamで作って実験、ISTS福井大会用、IoT入場者数カウンターとリアルタイムオープンデータ」
観光地、施設出入り口、市役所の窓口など、いろいろ活用ください！
AI、EBPM、RPA、何を使うにしても、改善するなら、まずは計測しましょう！
Fri Night
