Core Concepts
スマートフォンのモーションデータと小売店舗の地図情報および購買履歴を活用することで、ユーザーの同意に基づいて容易に導入できる室内軌跡推定システムを提案する。
Abstract
本論文は、小売店舗などの室内環境における顧客の動線推定に関する新しいシステム「RetailOpt」を提案している。
主な特徴は以下の通り:
スマートフォンのモーションデータと小売店舗の地図情報および購買履歴を活用することで、ユーザーの同意に基づいて容易に導入できる。
相対的な動線推定とグローバルな位置情報の統合を行う新しい最適化手法を提案している。
相対的な動線推定にはニューラルネットワークを用いており、店舗の地図情報と購買履歴を活用して絶対位置の推定を行う。
障害物回避のためにViterbiアルゴリズムを用いた離散最適化を行っている。
5つの異なる環境で実験を行い、提案手法の有効性を示している。
Stats
小売店舗の場合、提案手法の平均位置誤差は1.3m以下となり、他手法と比べて高精度な推定が可能である。
オフィス環境の場合でも、提案手法の平均位置誤差は1.3m以下となり、他手法と比べて高精度な推定が可能である。
スマートフォンの持ち方によって推定精度に差があり、首から下げた場合や内ポケットに入れた場合に最も高精度となる。
Quotes
"RetailOpt, a novel opt-in, easy-to-deploy system for tracking customer movements in indoor retail environments."
"The system utilizes information presently accessible to customers through smartphones and retail apps: motion data, store map, and purchase records."
"The proposed system, if successful, would produce accurate customer movement data, essential for a broad range of retail applications, including customer behavior analysis and in-store navigation."