ピープルカウンターの次へ。人流分析が拓く空間運営の新次元

ピープルカウンターは「前世代の道具」になりつつある

商業施設の入口、駅の改札近く、空港の保安検査前、オフィスのエントランス。ピープルカウンターはもはや珍しい機器ではなくなった。赤外線、画像認識、ビーコン、Wi-Fiプローブ――方式は様々だが、「ある地点を何人が通過したか」を計測するというコア機能は共通している。

導入の目的も明確だった。来館者数の把握、ピーク時間帯の特定、前年同月比較、テナント別の集客効果測定。これらは運営の基礎データとして、多くの現場で活用されてきた。

しかし最近、「ピープルカウンターだけでは判断できない」「もっと深く知りたい」という声を、運営担当者から伺うことが急速に増えている。本記事では、その「もう一段深い分析」が何を意味するのか、それを実現する技術がどこまで来ているのかを整理する。

ピープルカウンターでできること、できていないこと

できること

• ある地点・ある時間帯の通過人数の把握
• 入退館の差分による館内滞在人数の推定
• 時間帯別・曜日別・季節別の傾向分析
• 前年比・前月比などの定量比較
• 簡易な異常検知（想定を上回る／下回る来館数）

できていないこと

• 来館者が「館内のどこに、どれくらい滞在したか」
• 「どのルートで」「どの順番で」「何を見て」回遊したか
• 滞留している人が「待っている」のか「迷っている」のか「楽しんでいる」のか
• 混雑が安全上のリスクに達しつつあるか
• 施策（イベント、サイネージ変更、レイアウト変更）が「実際の行動」をどう変えたか
• 個人を特定せずに、同じ人がどう行動したか（リピート訪問、回遊パターン）

並べてみると違いは明確だ。ピープルカウンターは「人数を数える」ことに特化したセンサーであり、「人の行動を理解する」道具ではない。ここに、次世代の人流分析が求められる本質的な理由がある。

「数える」から「理解する」へのパラダイム転換

人流分析の次のフェーズは、計測対象が「人数」から「行動」へとシフトすることだ。これは単なる機能追加ではなく、空間運営の意思決定そのものを変える転換点である。

たとえば、商業施設の館内で1階の通過人数が前月比+15%だったとする。ピープルカウンターのデータだけでは、この数字をどう解釈すべきかが判然としない。「集客が増えた」のか、「特定のテナントに用事のある人が滞留せずに通過しただけ」なのか、「2階・3階への誘導が機能せず1階で滞留している」のか――いずれの解釈も成立してしまう。

行動データがあれば、解釈は一意に近づく。1階の平均滞在時間が短くエスカレーター利用率が上昇していれば、上階への誘導が機能している証拠。逆に滞在時間が伸びているのに上階への移動が減っていれば、何かが1階で滞留を生んでいる――これは施策検討の出発点になる。

つまり行動データは「次に何をすべきか」を示す、運営判断の材料だ。人数データが「何が起きたか」しか語らないのに対し、決定的に異なる役割を担う。

3D空間AI×LiDARで何が見えるようになるか

1. プライバシーを保ったまま、人の3次元位置を捉える

LiDARはレーザー光で空間を測距し、点群と呼ばれる3次元データを生成する。カメラ映像と違い顔や容姿は記録されず、人物は「空間内の3次元的な点の集合」として把握される。プライバシーに敏感な公共空間や商業施設で導入しやすい技術的特性だ。

2. 滞留・動線・密度を空間レベルで可視化

通過点ではなく空間全体を計測するため、「どこに人が溜まっているか」「どの動線が使われているか」「ある場所の密度がどう変化しているか」をエリア単位で把握できる。ピープルカウンターが「点」のデータなのに対し、3D点群解析は「面」と「体積」のデータだ。

3. 行動パターンの認識

立ち止まる、歩く、振り向く、グループで滞留する――こうした行動の粒度で人流を分類できる。「待ち行列」と「自発的な滞留」を区別したり、「迷っている動線」と「目的を持った動線」を識別したりといった、運営者にとって意味のある区分が可能になる。

4. デジタルツインによる事前検証

取得した3D点群データを基盤に空間の動的なデジタルツインを構築することで、「レイアウトをこう変えたら人流はどう変わるか」「このイベントを開催したら混雑はどこに発生するか」を、実空間に投入する前にシミュレーションで検証できる。これは「PDCAを回す前にPを精緻化する」アプローチだ。

現場で何が見えるようになるか：3つの場面

駅前広場の場合

ピープルカウンターは改札からの通過人数しか分からない。一方、人流分析では「広場のどのエリアに何分間滞留したか」「サイネージの前で立ち止まる比率」「タクシー乗り場とバス乗り場の動線競合」「混雑時の歩行速度低下」が見える。設備配置の最適化、サイネージのコンテンツ評価、警備配置の見直しに直結する。

商業施設の場合

「テナントAに何人入店したか」だけでなく、「Aに行く前にどこを通ったか」「Aの周辺で何分滞留したか」「Aを出た後どこに向かったか」が分かる。テナント配置の戦略、回遊性の改善、共用部の演出施策の効果測定に活用できる。

空港・交通拠点の場合

通過人数では見えない「保安検査の待ち時間と長さ」「ゲート前の早期滞留」「動く歩道の利用率と回避ルートの選択」「インフォメーションカウンターへの自然な誘導動線」が定量化される。混雑緩和、案内サイン最適化、運用シフト調整の根拠データになる。

HULIXのポジショニング

1. 自社AIモデルで「人以外」も追跡、追加学習で現場適合

他社ソリューションは「人」のトラッキングに特化しているが、HULIXは自社AIモデルで人・手荷物・ベビーカー・車椅子・キッチンカー等を独立エンティティとして同時追跡する。現場固有の物体や形状は追加学習で適合させられるため、ピープルカウンターでは捕捉不能な「行動の意味」まで取得できる。

2. 業界別の分析テンプレートを保有

商業施設・駅・空港・公共空間・観光・オフィスといった業界ごとの分析パターンをテンプレートとしてストック済み。ピープルカウンターから移行した初日から、現場課題にフィットした出力を提供できる。

3. Hitonavi Platformによる一気通貫の提供

取得した点群・動線データはHULIX独自のデジタルツイン基盤と、レポート自動生成システムにシームレスに統合される。計測ダッシュボードを見て終わりではなく、空間そのものをツイン化して施策シミュレーション、運用レポート、行政向けエビデンスレポートまでを自動出力できる。