SlideShare a Scribd company logo
交通・観光ビッグデータが
もたらす変革
(C) NAVITIME JAPAN
1
2016年11月26日
株式会社ナビタイムジャパン
太田 恒平
CSISシンポジウム2016「ヒトとクルマの空間情報」
@G空間EXPO2016
はじめに
(C) NAVITIME JAPAN 2
ナビタイムの多彩なナビゲーションアプリ
(2016年6月時点)
NAVITIME
ドライブ
サポーター
乗換
NAVITIME
自転車
NAVITIME
こみれぽ
バス
NAVITIME
カーナビ
タイム
NAVITIME
Transit
NAVITIME for
Japan Travel ALKOO
ツーリング
サポーター
Plat by
NAVITIME
迷わニャいと!
トラック
カーナビ
公共交通
ドライブ
ツーリング トラベル&フィットネス外国人&海外
はじめに
(C) NAVITIME JAPAN 3
ユーザ数
月間ユーザ数
約3500万UU
有料会員数
約450万人
(2016年9月末時点)
はじめに
(C) NAVITIME JAPAN 4
交通コンサルティング事業とは
ナビゲーションサービスで培ってきたデータ・技術・ユーザ基盤を活かし、
交通・移動に関するデータ提供・分析・コンサルティングを行っています。
ナビゲーションに加え
交通自体の最適化・地域の活性化によって移動全体を最適化します
• 観光・商業施設
• 交通事業者
• 官公庁・自治体
地域各主体
• 学術・研究機関
• コンサルタント
• マーケティング
• ITベンダー
パートナー
コンシューマサービス
NAVITIME
ドライブサポーター
カーナビタイム
乗換NAVITIME
バスNAVITIME
自転車NAVITIME
こみれぽ
走行実績
経路検索条件
口コミ情報
抽出
分析
5
はじめに ビッグデータの種類と分析目的
ビッグデータ
携帯カーナビ
プローブ
経路検索
条件
インバウンド
GPS
交通 観光
自動車 公共交通 国内 外国人
データを軸に交通改善・地域活性化
組み合わせて
データ提供・分析
経路選択
道路交通
(C) NAVITIME JAPAN 6
道路交通
(C) NAVITIME JAPAN 7
ナビタイムのプローブ分析システム
交通調査を効果的・効率的・迅速に
携帯カーナビ
の走行実績
豊富な
分析パターン
経路ID=abcxyz
経度=139.124
緯度=35.923
通過時刻=12:15:21
…
0
20
40
60
80
100
120
速度[km/h]
1秒間隔の
GPSデータ
…
カーナビタイム
ドライブ
サポーター
ビッグデータ
解析
道路交通
(C) NAVITIME JAPAN 8
プローブで抜け道を発見!
5月5日16時 中央道の抜け道
中央道は
渋滞2時間
都留ICで
一般道へ
県道35号
相模湖ICで復帰
1時間短縮
道志みちまでは
遠回りせず
津久井湖の
渋滞も回避
大月JCTで
迂回
甲州街道も
渋滞
GWに1時間早く帰れる抜け道をプローブで発見
渋滞回避術がデータに表れる
その他、関越道・東名の抜け道も発見!
9
渋滞予測とプローブ交通情報を活かし、高速道路の乗り降りや遠回りをしても、
とにかく渋滞を回避し、目的地までの所要時間を短縮したルートを案内。
2015年
リリース
道路っ交通 超渋滞回避
データに基づく大胆な迂回ルートを提案
2014年開通の舞鶴若狭道を快走 三方五湖PA
宝塚トンネル
大津 四日市
豊川
東名は御殿場
でも事故渋滞通常ルート
超渋滞回避
10
近畿・東海の渋滞を日本海側まで回避し約30分短縮
道路交通 年始のUターンラッシュの超渋滞回避ルート
道路交通
(C) NAVITIME JAPAN 11
都内で一番左折が混んでいる交差点(西巣鴨)
0
60
120
180
240
300
7 8 9 10 11 12 13 14 15 16 17 18
交差点通過時間[s] 時間帯
登下校時間帯の左折時間が長い
左折時間(平均±標準偏差) 直進時間(平均)
直進 58秒
左折 132秒
対象期間:2014年4-9月
警視庁様にて
信号渋滞対策に活用中!
交差点通過時間中央値
(t[s])別に色分け
➔:t ≦30
➔:30<t ≦60
➔:60<t ≦90
➔:90<t
通過数が多いほど
線幅が太い
道路交通
(C) NAVITIME JAPAN 12
全国の信号通過時間
対象期間:2014年4-9月
交差点通過時間平均値
(t[s])別に色分け
➔:t ≦30
➔:30<t ≦60
➔:60<t ≦90
➔:90<t
通過数が多いほど
線幅が太い
どのエリアが混雑? どの交差点が混雑?
道路交通
(C) NAVITIME JAPAN 13
圏央道の道路整備効果
東名道と東北道が結ばれて首都高混雑区間への流入が減少し、平均所要時間も短縮
開通前(2014年11月) 開通後(2015年11月)
首都高経由が
約90%
平均98分
圏央道経由が
約90%
平均70分
(28分↓)
未開通
東北道
久喜JCT
東名高速
海老名JCT
凡例
流入経路
途中経路
流出経路
数字は
流入・流出率
所要時間は
平日7-19時
の平均値
N=95 N=380
道路交通
(C) NAVITIME JAPAN 14
リアルタイムでの旅行速度のモニタリング
本日10~13時
鉄道
(C) NAVITIME JAPAN 15
(C) NAVITIME JAPAN 16
デザイン賞
電車混雑予測
17
混雑状況 首都圏
電車混雑動画 ~首都圏の朝~
Youtube: https://youtu.be/JzU6diMuExU
この動画は、次のソフトウェアを使用して作成しています【Mobmap】http://shiba.iis.u-tokyo.ac.jp/member/ueyama/mm/
18
鉄道 電車混雑予測
(C) NAVITIME JAPAN
空いた電車を選べるように、電車1本・1駅ごとの混雑度を予測しました。
「日本の混雑を解消したい」という思いでつくったサービスです。
19
鉄道 電車混雑シミュレーション
鉄道
20
現地調査
混雑度 編成長調査風景
駅に張り付き、地道な調査を行った
8両 10両
21
鉄道 時間帯・種別毎の平均混雑度
(C) NAVITIME JAPAN
東武
東上線
志木
朝霞台
朝霞
和光市
成増
下赤塚
東武練馬
上板橋
ときわ台
中板橋
大山
下板橋
北池袋
代表 630 11.0 11.0 10.0 8.0 9.0 3.6 4.3 4.8 5.8 5.5 6.0 6.3 6.3
種別 700 12.0 11.5 10.0 10.3 11.0 4.4 5.2 5.8 6.6 6.8 7.8 7.7 7.8
混雑度 730 12.0 12.0 10.8 11.5 11.5 5.0 5.8 7.0 7.7 8.2 9.0 9.2 9.0
(時間帯別) 800 11.5 12.0 11.3 11.0 12.0 4.3 5.2 6.6 7.3 8.0 8.8 9.0 9.0
830 11.5 11.5 11.0 10.5 11.3 4.8 4.8 5.8 6.4 7.0 7.8 7.8 8.0
900 10.5 10.5 8.3 9.0 9.0 3.8 3.8 4.8 6.0 6.5 7.3 7.5 7.8
930 11.0 9.0 6.0 10.0 8.0 3.5 4.0 4.8 4.8 5.8 6.2 6.3 6.3
800-830 各停 7.9 8.3 8.0 5.3 4.6 4.3 5.2 6.6 7.3 8.0 8.8 9.0 9.0
混雑度 準急 10.7 11.3 11.3 9.7 11.0
(種別毎) 急行 11.5 12.0 11.0 12.0
西武
池袋線
ひばりヶ丘
保谷
大泉学園
石神井公園
練馬高野台
富士見台
中村橋
練馬
桜台
江古田
東長崎
椎名町
代表 630 9.7 7.5 9.0 11.0 5.5 6.0 6.8 10.0 4.6 4.4 4.6 5.0
種別 700 10.5 10.0 11.0 11.0 6.0 6.3 7.0 11.0 4.8 4.6 5.2 5.6
混雑度 730 12.0 11.0 12.0 12.0 5.9 6.4 7.0 9.5 7.0 7.3 7.3 7.2
(時間帯別) 800 12.0 10.5 11.5 12.0 6.1 7.1 7.6 10.0 6.8 7.3 7.5 7.8
830 10.0 9.0 10.0 12.0 6.8 7.8 8.4 11.0 5.6 6.0 6.3 7.0
900 8.0 6.7 8.5 9.5 4.8 5.4 5.8 9.0 4.6 4.8 5.2 5.6
930 7.0 5.0 6.5 9.0 4.3 4.4 4.5 8.0 3.4 3.8 4.3 4.5
800-830 各停 5.3 5.2 6.6 5.9 6.1 7.1 7.6 6.5 6.8 7.3 7.5 7.8
混雑度 準急 7.0 9.0 9.0 11.0
(種別毎) 通勤準急 10.0 10.5 11.5 10.0
快速 9.0 12.0
通勤急行 10.5 11.0 12.0
急行 10.0 11.0
快速急行 12.0 12.0
千鳥停車で
混雑分散
各駅停車なら
空いている
鉄道
(C) NAVITIME JAPAN 22
不動産検索への応用
ユーザ投稿による混雑情報を不動産検索サイトに提供
混雑投稿アプリ
「こみれぽ」の
データを提供
HOME’S(ネクスト社)の住宅検索ページ 検索結果
都心の空いている
物件を紹介される
② 経路検索条件データ
(C) NAVITIME JAPAN 23
経路検索条件データとは
経路検索条件データとは、発着地や日時等の条件を蓄積したデータです。
公共交通 15億件/年
自動車 1.3億件/年
(2014年度)
観光分析
移動需要ビッグデータ
交通分析
項目 備考
出発地情報 駅等の公共交通拠点,施設,座標等
到着地情報 同上
交通手段 公共交通, 自動車, 自転車, 徒歩
検索実施日時
発着指定日時
発着日時指定方法 出発日時,到着日時,始発,終電
ユーザID データの外部提供の際には削除
主な記録項目PC-NAVITIME 経路検索画面
需要予測
(C) NAVITIME JAPAN 24
リアルタイム集計による近未来予測 ~突発的移動需要検出~
ヒートマップにより移動が集中する場所を見つけることができます。
2013年4月13日
描画条件:
1時間に600回以上
発着地に指定されている駅を描画。
多いほど赤い。
データ元:
NAVITIME, 乗換NAVITIME,
PC-NAVITIME
2013年4月13日16時台
「ももいろクローバーZ」
のライブ(開演17時)が
西武ドームで始まる
1時間前
西武球場前が
首都圏で7位
需要予測
(C) NAVITIME JAPAN 25
リアルタイム集計による近未来予測 ~突発的移動需要検出~
経路検索の際には数時間~数日先の日時を指定されることが多いため、
近未来の移動需要を検出することができます。
0
500
1000
1500
2000
2500
5 6 7 8 9 1011121314151617181920212223
累積経路検索数[件]
検索対象時刻
リアルタイム
10分前
2時間前
15時間前
4日前
定常検索数
輸送力調整、混雑回避の誘導、駅付近店舗の供給調整に活用可能
2013年4月13日に西武球場前を
到着指定した検索数
グッズ
販売前
開演前
4日前から
普段の8倍
分類 小分類 検出数
レジャー
コンサート 62
スポーツ 17
その他イベント 12
行楽地・施設 28
業務・
教育
オフィス街 36
教育イベント 47
交通
ダイヤ改正 15
空港 2
不明 - 48
合計 267
予測対象期間:
2013年3月18日~4月14日(4週間)
突発的移動需要発生回数:全12,268回
(4日前検出率2.2%)
他に検出されたイベント
日本放送協会へのデータ提供需要予測
(C) NAVITIME JAPAN 26
「今週末、日本のどこが混む?」を検索ログから明らかに
『データなび』他2015年度
当日0時までの検索結果を集計し、NHK様に混雑予報を提供中!
月イチのビッグデータ解析番組にレギュラー登場
『ニュースチェック11』2016年度
4月改変のニュース新番組の目玉の一つとして採用
天気予報に続く新たな定番ニュースを目指して発展中
混雑予報
(C) NAVITIME JAPAN 27
一般向け情報提供
乗客
→混雑回避
商店
→需要予測
28
経路選択分析 鉄道事業者の認識
(C) NAVITIME JAPAN
鉄道に乗る際に利用者はスマホ
の乗り換えサイトを利用しま
す。
いくら沿線の良さをアピールし
ても大半の方はサイトの上に表
示された時間が早いほうに乗っ
てしまう。先に表示されないと
選ばれない。鉄道を選ぶ最大の
ポイントはサイトで上位に表示
されることになりつつある。
これは無視できない。だから1
分でも2分でも早くしようと努
力しています
日経MJ 10/19
京阪電気鉄道社長インタビュー
29
経路選択分析 乗換経路選択
(C) NAVITIME JAPAN
73%
16%
7%
4%
第1経路の選択率は73%
表示順別の経路選択率
メール送信・カレンダー登録
により判定
3週間・16万件の経路選択データを基に多項ロジットモデルにて推定
※経路表示順:1.時刻順(デフォルト)73%、2.運賃順 13%、3.乗換回数順 10%
第1経路に表示 運賃198円安相当
最安経路 運賃306円安相当
に選ばれ
やすい
30
経路選択分析 旅客収入へのインパクト
(C) NAVITIME JAPAN
会社名 検索数 運賃 料金 総額
全国 4929万回 197億円 83億円 280億円
JR東日本 1537万回 64.2億円 40.9億円 105.1億円
JR東海 171万回 27.4億円 25.0億円 52.3億円
JR西日本 395万回 26.3億円 10.6億円 36.9億円
東京メトロ 505万回 7.3億円 0.0億円 7.3億円
JR九州 53万回 4.0億円 1.7億円 5.8億円
近鉄 129万回 3.8億円 1.2億円 5.0億円
東武 165万回 4.1億円 0.6億円 4.7億円
小田急 180万回 3.5億円 0.4億円 3.9億円
東急 224万回 3.4億円 0.0億円 3.4億円
年換算
1.46兆円
乗換検索第1経路
週間表示額
(2015/11/02~08)
乗換検索上の経路選択が旅客収入を左右する?
発-着駅
第1経路
表示回数
第2-4経路
表示回数
第1経路
表示総額
第2-4経路
表示総額
新宿 250,281 78,578 129,788,401 47,831,413
箱根湯本 5,346 5,036 9,459,487 7,995,736
小田原 3,286 3,762 4,817,402 5,764,434
藤沢 2,920 4,297 2,416,207 3,150,951
熱海 382 1,171 556,552 1,877,280
御殿場 797 1,217 1,020,179 1,151,408
小田原 42,384 22,040 27,818,876 23,211,104
新宿 2,658 4,715 3,843,769 7,581,225
横浜 107 1,350 60,595 680,573
渋谷 205 502 243,123 530,645
池袋 179 406 227,827 491,604
東京 32 286 36,079 351,245
町田 244,457 68,083 91,435,648 22,853,757
横浜 590 5,461 149,530 1,275,843
東京 1,134 1,584 509,184 754,482
八王子 48 2,344 13,947 632,022
橋本(神奈川県) 34 2,165 14,912 574,361
立川 203 2,083 55,365 572,009
藤沢 69,461 22,226 26,521,165 11,019,177
東京 23,562 14,596 8,497,825 10,894,069
箱根湯本 6,762 7,732 8,411,855 9,571,397
新宿 1,588 1,342 2,833,202 2,252,638
東京 8 290 7,778 358,696
横浜 17 374 17,217 228,581
池袋 91 121 143,914 197,804
北千住 50 83 91,329 127,934
湘南台 70,155 24,385 23,602,505 7,863,793
渋谷 42,180 20,002 14,505,273 7,308,984
中央林間 48,992 19,786 14,380,612 7,095,966
淵野辺 23,133 19,403 8,851,380 7,089,970
総計 821,367 296,831 353,813,540 154,739,630 31
経路選択分析 惜しいODランキング(小田急)
(C) NAVITIME JAPAN
対象期間:
2016年1月
新幹線・
湘南新宿線
と競合
JRの拠点駅
~箱根も競合
新宿→藤沢 11時発
1.湘南新宿ライン
2.東海道線
4.湘南新宿ライン
小田急の急行は
第3経路
32
PR経路 PR経路「特急サマーキャンペーン」
(C) NAVITIME JAPAN
新たな経路枠に表示されることで
潜在需要の獲得
色や画像で経路を目立たせることで
経路選択率UP
有用な経路のみを表示するので
出稿効率UP
サイト間連携により
予約獲得
乗換検索上の経路型広告「PR経路」日本初※!!
※2016年7月5日時点 ナビタイムジャパン調べ
特徴ある経路を新たに表示し潜在需要を喚起!
33
PR経路 速報概要
(C) NAVITIME JAPAN
路線 都心側エリア 郊外側エリア
スカイライナー 東京都・神奈川県・埼玉県 成田空港
小江戸
東京23区・三鷹市・武蔵野市・調布
市・狛江市・神奈川県
東村山市・所沢市・狭山市・川越市
ちちぶ/むさし
東京23区・三鷹市・武蔵野市・調布
市・狛江市・神奈川県
入間市・飯能市・日高市・横瀬町・秩父市・皆野
町・長瀞町
ラピート 京阪神各市 関西空港
各ロマンスカー 東京23区・埼玉県・狛江市
川崎市(多摩区・麻生区)・町田市・相模原市・座
間市・海老名市・厚木市・伊勢原市・秦野市・松
田町・開成町・小田原市・箱根町
表示数が1.5~2.5倍に
集計期間:2016/9/3~9/30(4週間)
34
PR経路 表示シェアマップ
(C) NAVITIME JAPAN
ロマンスカー(小田原・箱根湯本着) スカイライナー(成田空港着)
赤:PR経路で新たに表示、青:従来から表示、白:非表示
東京 激増
羽田空港
激増
新宿 微増
品川
武蔵小杉
横浜
東京南部・
神奈川で増加
観光・商業
(C) NAVITIME JAPAN 35
観光・商業
(C) NAVITIME JAPAN 36
観光分析 ~伊勢神宮・式年遷宮時の検索状況~
地域内の概況から、スポット毎の詳細までを併せて把握できます。
0
1000
2000
3000
4000
4月 5月 6月 7月 8月 9月 10月 11月 12月 1月 2月 3月
伊勢神宮・内宮 着の日別検索数
伊勢神宮・内宮 着の
経路検索出発地分布
正月
連休や遷宮行事の際に検索が急増
3大都市圏に集中
10~30
~100
~300
~1000
~3000
3001~
出発地
二次メッシュ別
年間検索数
遷御の儀GW
# スポット名 検索数
1 伊勢神宮・内宮 52,618
2 伊勢神宮・外宮 23,578
3 鈴鹿サーキット 6,838
4
ナガシマスパー
ランド
6,312
5 なばなの里 5,359
三重県内の目的地検索ランキング
東海3県内でも
圧倒的1位
対象期間:2013年10月
2013年度
対象期間:2013年度
観光・商業
(C) NAVITIME JAPAN 37
圏央道開通区間を通る目的地検索ランキング
❷三井アウトレット
パーク入間
❸川越
❷宇都宮
❸佐野プレミアム
・アウトレット
桶川北本IC~白岡菖蒲ICの検索流出経路と
目的地ランキング(2015年11月2-8日)
N=15772
凡例
外回り 検索流出経路
内回り 検索流出経路
丸数字は方面別の目的地ランキング
開通区間
東北道方面は
1位 日光東照宮
中央道方面は
1位 高尾山
開通区間
高尾山
圏央道の
開通区間
経由が18%
高尾山着の検索流入経路
(2015年11月2-8日)
栃木・茨城
・埼玉に
観光圏域が拡大
凡例
高尾山への検索流入経路
数字は流入率
N=564
観光・商業
(C) NAVITIME JAPAN 38
御殿場 vs 木更津 ~アウトレットの競合~
御殿場プレミアム・
アウトレット
三井アウトレット
パーク木更津
凡例
御殿場プレミアム・アウトレットの
検索回数が木更津よりも多いエリア
御殿場プレミアム・アウトレットの
検索回数が御殿場よりも多いエリア
御殿場プレミアム・アウトレットを
目的地とする検索による流入
三井アウトレットパーク木更津を
目的地とする検索による流入
※経路は当社検索エンジンにて復元
数字は流入率[%]
横浜は
御殿場優勢
川崎は
木更津優勢
過半数が東名高速
下り方面から流入
アクアライン経由
が4分の3を超える
出発地エリア別 アウトレットモール目的地検索シェア分析
競合スポットとの商圏比較・チェーン展開の立地適正化に活用できる
観光・商業 回遊行動分析 ~石川県・自動車~
福井のハブ
東尋坊
金沢のハブ
兼六園
能登のハブ
輪島朝市
恐竜博物館と
永平寺は
近いが別客層
単独
黒部ダム
富山県東部は
ハブとなる
人気スポットなし
能登⇔氷見・富山
は近いが相関なし
同じ人に設定されることが
多い目的地の組み合わせ。
線の太さが頻度を表す。
確信度(もう片方に訪れる
確率)が0.3以上を表示
アソシエーション分析とは
「観光地Aを目的地にしている人の多くが
観光地Bも目的地にしている」といった、
同じ人に表れることが多い組み合わせを割り出す手法。
ネット通販などで多用されている。
21世紀
美術館 兼六園 加賀屋
3000人10000人3000人 1500人600人
兼六園&加賀屋21美&兼六園
確信度
0.5
確信度
0.2
対象期間:2014年度
(C) NAVITIME JAPAN 39
観光・商業
(C) NAVITIME JAPAN 40
旅行プランニングへの応用
立ち寄りスポットのレコメンドにアソシエーション分析を適用
https://travel.navitime.co.jp/
外国人観光
(C) NAVITIME JAPAN 41
© NAVITIME JAPAN
対象期間:2015年1月~12月
赤:滞在 黒:移動中
※滞在:同一1kmメッシュ内にて30分以上連続してデータを取得
利用者の同意のもと、日本全国で2分間隔のGPS測位データを取得・蓄積しています
利用者同意画面(初回起動時) インバウンドGPSデータ蓄積イメージ
Japan Travelではデータ取得の同意を得たアプリ利用者から、
GPS測位データを定期的(※1)に取得し、
個人FIT客の行動分析に活用しています。
※ バックグラウンドを含むアプリ起動時約2分間隔
データ取得期間:
2014年11月~
把握可能なユーザ属性(※2):
国籍・性別・訪日回数・訪日目的(2015年5月~)
※2 初回起動時のアンケート回答による
NAVITIME for Japan Travel
外国人観光
(C) NAVITIME JAPAN 42
アプリを活用した行動分析
サンプル数(実績):
全国年間 104,706 UU
(2016年10月~9月)
全国月間 16,012 UU
(2016年7月)
外国人観光
(C) NAVITIME JAPAN 43
滞在分析 ~人気エリア~
訪日客ならではのホットスポットを発見することができます。
①京都駅
京都1kmメッシュの
滞在者数
②清水寺
③祇園
④金閣寺
対象期間:2014年11月~2015年4月
伏見稲荷
※ 同一1kmメッシュ内にて30分以上連続してデータを取得
凡例(面)
1kmメッシュ内の数字:
メッシュ別 滞在者数※
30 以下
31 以上 100 以下
101 以上 300 以下
301 以上 1000 以下
1001 以上
外国人観光 滞在分析 ~国籍別傾向~
アンケートから判別された国籍別に分析することでターゲットに応じた戦略立案が可能です。
円グラフの大きさがUU、色が国籍の傾向を表す
■ アジア系(台湾・香港・中国・韓国・ASEAN各国等)
■ 欧米系(米国・豪州・カナダ・EU各国等)
京都は
欧米系が多く
稲荷山の
上まで登る
(C) NAVITIME JAPAN 44
アジア系は大阪・海、欧米系は京都・山に行く人が多い
外国人観光
(C) NAVITIME JAPAN 45
時間帯別・都道府県別の滞在者数
凡例
■ 活動中
■ 休憩・宿泊中
0
100
200
300
400
0 1 2 3 4 5 6 7 8 9 1011121314151617181920212223
奈良県
0
500
1000
1500
2000
0 1 2 3 4 5 6 7 8 9 1011121314151617181920212223
大阪府
(ユニーク ユーザ)
(ユニークユーザ)
夕食以降
急激に落ち込む
夜に人が増え
深夜まで活動
・宿泊客獲得?
・ワンデートリップ特化で消費狙い?
大阪府
奈良県
(時台)
(時台)
奈良県の
戦略は
46
外国人観光 京都の昼夜のホットスポット
(C) NAVITIME JAPAN
錦小路 商店街
昼10~17時 錦小路
対象期間:2014年11月~2015年4月同一色の点は同一ユーザを表す
夜19~24時
ゲストハウス
外国人観光
(C) NAVITIME JAPAN 47
流動分析(隣接自治体間の移動者数)@飛騨
回遊のハブとなっている都市からの流動を把握できます
市町村内の数字: 市町村別 滞在者数 線上の数字: 市区町村間 移動者数(左側通行)
赤点:滞在(同一1kmメッシュ内にて30分以上連続してデータを取得) 黒:移動中
凡例
2015年1月~2015年12月(1年間)対象期間
中部のハブ
高山
安房トンネル
高山本線
東海北陸道
東海北陸道
高山本線
まとめ
(C) NAVITIME JAPAN 48
データと利用の多様化まとめ
(C) NAVITIME JAPAN 49
対象交通……クルマ・公共交通・外国人
取得データ…移動実績・経路検索・経路選択…
時系列………過去・リアルタイム・未来
分野…………交通:道路・公共
マーケティング:観光・商業
利用方法……事業者:現状分析・プロモーション・交通制御
利用者:行き方探し・目的地探し
データの多様化
利用の多様化
ビッグデータが交通・観光の意思決定を変える?
組み合わせ毎に
分析パターン

More Related Content

Viewers also liked

OITEC19_TFS
OITEC19_TFSOITEC19_TFS
OITEC19_TFS
sady_nitro
 
RubySeminar16_Analyze
RubySeminar16_AnalyzeRubySeminar16_Analyze
RubySeminar16_Analyze
sady_nitro
 
ちゃんと学ぶ D3.js
ちゃんと学ぶ D3.jsちゃんと学ぶ D3.js
ちゃんと学ぶ D3.js
Takeshi Osoekawa
 
Tronshow2016 公共交通オープンデータサミット「IT×公共交通の可能性IT×公共交通の可能性」
Tronshow2016 公共交通オープンデータサミット「IT×公共交通の可能性IT×公共交通の可能性」Tronshow2016 公共交通オープンデータサミット「IT×公共交通の可能性IT×公共交通の可能性」
Tronshow2016 公共交通オープンデータサミット「IT×公共交通の可能性IT×公共交通の可能性」
Masaki Ito
 
Windows で動かす TensorFlow
Windows で動かす TensorFlowWindows で動かす TensorFlow
Windows で動かす TensorFlow
Takeshi Osoekawa
 
Learning stochastic neural networks with Chainer
Learning stochastic neural networks with ChainerLearning stochastic neural networks with Chainer
Learning stochastic neural networks with Chainer
Seiya Tokui
 
深層学習フレームワーク Chainer の開発と今後の展開
深層学習フレームワーク Chainer の開発と今後の展開深層学習フレームワーク Chainer の開発と今後の展開
深層学習フレームワーク Chainer の開発と今後の展開
Seiya Tokui
 
ITがもたらす公共交通の可能性とオープンデータの役割(能美市公共交通アイディアソン向け)
ITがもたらす公共交通の可能性とオープンデータの役割(能美市公共交通アイディアソン向け)ITがもたらす公共交通の可能性とオープンデータの役割(能美市公共交通アイディアソン向け)
ITがもたらす公共交通の可能性とオープンデータの役割(能美市公共交通アイディアソン向け)
Masaki Ito
 
みんな大好き機械学習
みんな大好き機械学習みんな大好き機械学習
みんな大好き機械学習
sady_nitro
 
論文紹介 Pixel Recurrent Neural Networks
論文紹介 Pixel Recurrent Neural Networks論文紹介 Pixel Recurrent Neural Networks
論文紹介 Pixel Recurrent Neural Networks
Seiya Tokui
 
Spc2016_献血をしてもらう企画
Spc2016_献血をしてもらう企画Spc2016_献血をしてもらう企画
Spc2016_献血をしてもらう企画
Kaigi Senden
 
20160212 交通ジオメディアサミット ナビタイムジャパン データが明かす公共交通の実態
20160212 交通ジオメディアサミット ナビタイムジャパン データが明かす公共交通の実態20160212 交通ジオメディアサミット ナビタイムジャパン データが明かす公共交通の実態
20160212 交通ジオメディアサミット ナビタイムジャパン データが明かす公共交通の実態
Kohei Ota
 
東京都市大 大学院特別講義 「ITによって進化する公共交通の最前線」 後編:データ編
東京都市大 大学院特別講義 「ITによって進化する公共交通の最前線」 後編:データ編東京都市大 大学院特別講義 「ITによって進化する公共交通の最前線」 後編:データ編
東京都市大 大学院特別講義 「ITによって進化する公共交通の最前線」 後編:データ編
Masaki Ito
 
地図調製技術協会シンポジウム資料 公共交通への理解を深め利用を促進するスマートフォンアプリの可能性
地図調製技術協会シンポジウム資料 公共交通への理解を深め利用を促進するスマートフォンアプリの可能性地図調製技術協会シンポジウム資料 公共交通への理解を深め利用を促進するスマートフォンアプリの可能性
地図調製技術協会シンポジウム資料 公共交通への理解を深め利用を促進するスマートフォンアプリの可能性
Masaki Ito
 
Spc2016_わが家のルーツアー
Spc2016_わが家のルーツアーSpc2016_わが家のルーツアー
Spc2016_わが家のルーツアー
Kaigi Senden
 
Spc2016_共通点お知らせメール
Spc2016_共通点お知らせメールSpc2016_共通点お知らせメール
Spc2016_共通点お知らせメール
Kaigi Senden
 
Tetanos | Tratado de Pediatria de Nelson 19 Ed.
Tetanos | Tratado de Pediatria de Nelson 19 Ed.Tetanos | Tratado de Pediatria de Nelson 19 Ed.
Tetanos | Tratado de Pediatria de Nelson 19 Ed.
Roberto Coste
 
8.3 sportsmanship case study: andrew speed
8.3 sportsmanship case study: andrew speed 8.3 sportsmanship case study: andrew speed
8.3 sportsmanship case study: andrew speed
Andrew Speed
 
交通ビッグデータを用いた圏央道開通の多面的な影響分析
交通ビッグデータを用いた圏央道開通の多面的な影響分析交通ビッグデータを用いた圏央道開通の多面的な影響分析
交通ビッグデータを用いた圏央道開通の多面的な影響分析
Kohei Ota
 

Viewers also liked (19)

OITEC19_TFS
OITEC19_TFSOITEC19_TFS
OITEC19_TFS
 
RubySeminar16_Analyze
RubySeminar16_AnalyzeRubySeminar16_Analyze
RubySeminar16_Analyze
 
ちゃんと学ぶ D3.js
ちゃんと学ぶ D3.jsちゃんと学ぶ D3.js
ちゃんと学ぶ D3.js
 
Tronshow2016 公共交通オープンデータサミット「IT×公共交通の可能性IT×公共交通の可能性」
Tronshow2016 公共交通オープンデータサミット「IT×公共交通の可能性IT×公共交通の可能性」Tronshow2016 公共交通オープンデータサミット「IT×公共交通の可能性IT×公共交通の可能性」
Tronshow2016 公共交通オープンデータサミット「IT×公共交通の可能性IT×公共交通の可能性」
 
Windows で動かす TensorFlow
Windows で動かす TensorFlowWindows で動かす TensorFlow
Windows で動かす TensorFlow
 
Learning stochastic neural networks with Chainer
Learning stochastic neural networks with ChainerLearning stochastic neural networks with Chainer
Learning stochastic neural networks with Chainer
 
深層学習フレームワーク Chainer の開発と今後の展開
深層学習フレームワーク Chainer の開発と今後の展開深層学習フレームワーク Chainer の開発と今後の展開
深層学習フレームワーク Chainer の開発と今後の展開
 
ITがもたらす公共交通の可能性とオープンデータの役割(能美市公共交通アイディアソン向け)
ITがもたらす公共交通の可能性とオープンデータの役割(能美市公共交通アイディアソン向け)ITがもたらす公共交通の可能性とオープンデータの役割(能美市公共交通アイディアソン向け)
ITがもたらす公共交通の可能性とオープンデータの役割(能美市公共交通アイディアソン向け)
 
みんな大好き機械学習
みんな大好き機械学習みんな大好き機械学習
みんな大好き機械学習
 
論文紹介 Pixel Recurrent Neural Networks
論文紹介 Pixel Recurrent Neural Networks論文紹介 Pixel Recurrent Neural Networks
論文紹介 Pixel Recurrent Neural Networks
 
Spc2016_献血をしてもらう企画
Spc2016_献血をしてもらう企画Spc2016_献血をしてもらう企画
Spc2016_献血をしてもらう企画
 
20160212 交通ジオメディアサミット ナビタイムジャパン データが明かす公共交通の実態
20160212 交通ジオメディアサミット ナビタイムジャパン データが明かす公共交通の実態20160212 交通ジオメディアサミット ナビタイムジャパン データが明かす公共交通の実態
20160212 交通ジオメディアサミット ナビタイムジャパン データが明かす公共交通の実態
 
東京都市大 大学院特別講義 「ITによって進化する公共交通の最前線」 後編:データ編
東京都市大 大学院特別講義 「ITによって進化する公共交通の最前線」 後編:データ編東京都市大 大学院特別講義 「ITによって進化する公共交通の最前線」 後編:データ編
東京都市大 大学院特別講義 「ITによって進化する公共交通の最前線」 後編:データ編
 
地図調製技術協会シンポジウム資料 公共交通への理解を深め利用を促進するスマートフォンアプリの可能性
地図調製技術協会シンポジウム資料 公共交通への理解を深め利用を促進するスマートフォンアプリの可能性地図調製技術協会シンポジウム資料 公共交通への理解を深め利用を促進するスマートフォンアプリの可能性
地図調製技術協会シンポジウム資料 公共交通への理解を深め利用を促進するスマートフォンアプリの可能性
 
Spc2016_わが家のルーツアー
Spc2016_わが家のルーツアーSpc2016_わが家のルーツアー
Spc2016_わが家のルーツアー
 
Spc2016_共通点お知らせメール
Spc2016_共通点お知らせメールSpc2016_共通点お知らせメール
Spc2016_共通点お知らせメール
 
Tetanos | Tratado de Pediatria de Nelson 19 Ed.
Tetanos | Tratado de Pediatria de Nelson 19 Ed.Tetanos | Tratado de Pediatria de Nelson 19 Ed.
Tetanos | Tratado de Pediatria de Nelson 19 Ed.
 
8.3 sportsmanship case study: andrew speed
8.3 sportsmanship case study: andrew speed 8.3 sportsmanship case study: andrew speed
8.3 sportsmanship case study: andrew speed
 
交通ビッグデータを用いた圏央道開通の多面的な影響分析
交通ビッグデータを用いた圏央道開通の多面的な影響分析交通ビッグデータを用いた圏央道開通の多面的な影響分析
交通ビッグデータを用いた圏央道開通の多面的な影響分析
 

Similar to 交通・観光ビッグデータがもたらす変革 ナビタイムジャパン CSISシンポジウム2016

交通コンサルティング事業と データ分析事例のご紹介
交通コンサルティング事業と データ分析事例のご紹介交通コンサルティング事業と データ分析事例のご紹介
交通コンサルティング事業と データ分析事例のご紹介
okfjevent
 
20130409 anpan神谷説明資料 修正
20130409 anpan神谷説明資料 修正20130409 anpan神谷説明資料 修正
20130409 anpan神谷説明資料 修正Tomoyuki Hashimoto
 
「札幌でしかできない50のこと」効果検証における活用
「札幌でしかできない50のこと」効果検証における活用「札幌でしかできない50のこと」効果検証における活用
「札幌でしかできない50のこと」効果検証における活用
直人 相沢
 
UUUM決算説明資料.pdf
UUUM決算説明資料.pdfUUUM決算説明資料.pdf
UUUM決算説明資料.pdf
SuzuYu2
 
RESAS活用資料 "名古屋市観光船中八策"
RESAS活用資料 "名古屋市観光船中八策"RESAS活用資料 "名古屋市観光船中八策"
RESAS活用資料 "名古屋市観光船中八策"
yosshy
 
全国と富山のバスデータ(GTFS)整備から考える専門家 × 地域の協働
全国と富山のバスデータ(GTFS)整備から考える専門家 × 地域の協働全国と富山のバスデータ(GTFS)整備から考える専門家 × 地域の協働
全国と富山のバスデータ(GTFS)整備から考える専門家 × 地域の協働
Kohei Ota
 
OSCスポンサー 情報交換会
OSCスポンサー 情報交換会 OSCスポンサー 情報交換会
OSCスポンサー 情報交換会
VirtualTech Japan Inc./Begi.net Inc.
 
20151107 cfj setohiga4_2
20151107 cfj setohiga4_220151107 cfj setohiga4_2
20151107 cfj setohiga4_2
Toshikazu Seto
 
国内トラフィックエンジニアリングの現状
国内トラフィックエンジニアリングの現状国内トラフィックエンジニアリングの現状
国内トラフィックエンジニアリングの現状
Masaaki Nabeshima
 
国盗り特別講座 - 路線バス・クルマ攻略術
国盗り特別講座 - 路線バス・クルマ攻略術国盗り特別講座 - 路線バス・クルマ攻略術
国盗り特別講座 - 路線バス・クルマ攻略術
Takenori Araki
 
国盗り特別講座 - 路線バス・クルマ攻略術
国盗り特別講座 - 路線バス・クルマ攻略術国盗り特別講座 - 路線バス・クルマ攻略術
国盗り特別講座 - 路線バス・クルマ攻略術
ケータイ国盗り合戦 事務局
 
日本Javaグループ2017年定期総会 #jjug
日本Javaグループ2017年定期総会 #jjug 日本Javaグループ2017年定期総会 #jjug
日本Javaグループ2017年定期総会 #jjug
日本Javaユーザーグループ
 
Topothesia ver4
Topothesia ver4Topothesia ver4
Topothesia ver4
ssuser185e83
 
Frj20110205
Frj20110205Frj20110205
分析サンプル_若年世代の仕事との向き合い方に関する調査
分析サンプル_若年世代の仕事との向き合い方に関する調査分析サンプル_若年世代の仕事との向き合い方に関する調査
分析サンプル_若年世代の仕事との向き合い方に関する調査
株式会社アレンジベース(Arrange Base Inc.)
 
20110316 とやまカレーフェス実行委員会
20110316 とやまカレーフェス実行委員会20110316 とやまカレーフェス実行委員会
20110316 とやまカレーフェス実行委員会Atsushi Ikehara
 
MaaSは日本の移動をどう変えるか−都市と地方で始まっている新しいモビリティ−
MaaSは日本の移動をどう変えるか−都市と地方で始まっている新しいモビリティ−MaaSは日本の移動をどう変えるか−都市と地方で始まっている新しいモビリティ−
MaaSは日本の移動をどう変えるか−都市と地方で始まっている新しいモビリティ−
Masaki Ito
 
20141126 wab月例セミナー 資料
20141126 wab月例セミナー 資料20141126 wab月例セミナー 資料
20141126 wab月例セミナー 資料
Dennis Sugahara
 
大津山Abc10月20日資料
大津山Abc10月20日資料大津山Abc10月20日資料

Similar to 交通・観光ビッグデータがもたらす変革 ナビタイムジャパン CSISシンポジウム2016 (20)

交通コンサルティング事業と データ分析事例のご紹介
交通コンサルティング事業と データ分析事例のご紹介交通コンサルティング事業と データ分析事例のご紹介
交通コンサルティング事業と データ分析事例のご紹介
 
20130409 anpan神谷説明資料 修正
20130409 anpan神谷説明資料 修正20130409 anpan神谷説明資料 修正
20130409 anpan神谷説明資料 修正
 
「札幌でしかできない50のこと」効果検証における活用
「札幌でしかできない50のこと」効果検証における活用「札幌でしかできない50のこと」効果検証における活用
「札幌でしかできない50のこと」効果検証における活用
 
UUUM決算説明資料.pdf
UUUM決算説明資料.pdfUUUM決算説明資料.pdf
UUUM決算説明資料.pdf
 
RESAS活用資料 "名古屋市観光船中八策"
RESAS活用資料 "名古屋市観光船中八策"RESAS活用資料 "名古屋市観光船中八策"
RESAS活用資料 "名古屋市観光船中八策"
 
全国と富山のバスデータ(GTFS)整備から考える専門家 × 地域の協働
全国と富山のバスデータ(GTFS)整備から考える専門家 × 地域の協働全国と富山のバスデータ(GTFS)整備から考える専門家 × 地域の協働
全国と富山のバスデータ(GTFS)整備から考える専門家 × 地域の協働
 
OSCスポンサー 情報交換会
OSCスポンサー 情報交換会 OSCスポンサー 情報交換会
OSCスポンサー 情報交換会
 
20151107 cfj setohiga4_2
20151107 cfj setohiga4_220151107 cfj setohiga4_2
20151107 cfj setohiga4_2
 
国内トラフィックエンジニアリングの現状
国内トラフィックエンジニアリングの現状国内トラフィックエンジニアリングの現状
国内トラフィックエンジニアリングの現状
 
国盗り特別講座 - 路線バス・クルマ攻略術
国盗り特別講座 - 路線バス・クルマ攻略術国盗り特別講座 - 路線バス・クルマ攻略術
国盗り特別講座 - 路線バス・クルマ攻略術
 
国盗り特別講座 - 路線バス・クルマ攻略術
国盗り特別講座 - 路線バス・クルマ攻略術国盗り特別講座 - 路線バス・クルマ攻略術
国盗り特別講座 - 路線バス・クルマ攻略術
 
日本Javaグループ2017年定期総会 #jjug
日本Javaグループ2017年定期総会 #jjug 日本Javaグループ2017年定期総会 #jjug
日本Javaグループ2017年定期総会 #jjug
 
20110414_sem_endo
20110414_sem_endo20110414_sem_endo
20110414_sem_endo
 
Topothesia ver4
Topothesia ver4Topothesia ver4
Topothesia ver4
 
Frj20110205
Frj20110205Frj20110205
Frj20110205
 
分析サンプル_若年世代の仕事との向き合い方に関する調査
分析サンプル_若年世代の仕事との向き合い方に関する調査分析サンプル_若年世代の仕事との向き合い方に関する調査
分析サンプル_若年世代の仕事との向き合い方に関する調査
 
20110316 とやまカレーフェス実行委員会
20110316 とやまカレーフェス実行委員会20110316 とやまカレーフェス実行委員会
20110316 とやまカレーフェス実行委員会
 
MaaSは日本の移動をどう変えるか−都市と地方で始まっている新しいモビリティ−
MaaSは日本の移動をどう変えるか−都市と地方で始まっている新しいモビリティ−MaaSは日本の移動をどう変えるか−都市と地方で始まっている新しいモビリティ−
MaaSは日本の移動をどう変えるか−都市と地方で始まっている新しいモビリティ−
 
20141126 wab月例セミナー 資料
20141126 wab月例セミナー 資料20141126 wab月例セミナー 資料
20141126 wab月例セミナー 資料
 
大津山Abc10月20日資料
大津山Abc10月20日資料大津山Abc10月20日資料
大津山Abc10月20日資料
 

More from Kohei Ota

バスのGTFSリアルタイムオープンデータの特性整理とデータを活用した 遅延対策の可能性の検討
バスのGTFSリアルタイムオープンデータの特性整理とデータを活用した 遅延対策の可能性の検討バスのGTFSリアルタイムオープンデータの特性整理とデータを活用した 遅延対策の可能性の検討
バスのGTFSリアルタイムオープンデータの特性整理とデータを活用した 遅延対策の可能性の検討
Kohei Ota
 
標準的バスオープンデータの実現に向けて ~広島を再びバス情報の最先端へ~
標準的バスオープンデータの実現に向けて ~広島を再びバス情報の最先端へ~標準的バスオープンデータの実現に向けて ~広島を再びバス情報の最先端へ~
標準的バスオープンデータの実現に向けて ~広島を再びバス情報の最先端へ~
Kohei Ota
 
全国に広がる標準的バス情報フォーマット(GTFS-JP)と首都圏公共交通オープンデータ事情
全国に広がる標準的バス情報フォーマット(GTFS-JP)と首都圏公共交通オープンデータ事情全国に広がる標準的バス情報フォーマット(GTFS-JP)と首都圏公共交通オープンデータ事情
全国に広がる標準的バス情報フォーマット(GTFS-JP)と首都圏公共交通オープンデータ事情
Kohei Ota
 
標準的なバス情報フォーマット導入の手引きと活用に向けて in 広島
標準的なバス情報フォーマット導入の手引きと活用に向けて in 広島標準的なバス情報フォーマット導入の手引きと活用に向けて in 広島
標準的なバス情報フォーマット導入の手引きと活用に向けて in 広島
Kohei Ota
 
十勝バスの野村社長に質問(公共交通マーケティング研究会 in 帯広)
十勝バスの野村社長に質問(公共交通マーケティング研究会 in 帯広)十勝バスの野村社長に質問(公共交通マーケティング研究会 in 帯広)
十勝バスの野村社長に質問(公共交通マーケティング研究会 in 帯広)
Kohei Ota
 
とよたおいでんバスICカードデータ分析(公共交通マーケティング研究会 豊田合宿)
とよたおいでんバスICカードデータ分析(公共交通マーケティング研究会 豊田合宿)とよたおいでんバスICカードデータ分析(公共交通マーケティング研究会 豊田合宿)
とよたおいでんバスICカードデータ分析(公共交通マーケティング研究会 豊田合宿)
Kohei Ota
 
JCOMM2019/バス事業改善 プロジェクト~バスロケデータのフル活用によるオープンイノベーション
JCOMM2019/バス事業改善 プロジェクト~バスロケデータのフル活用によるオープンイノベーションJCOMM2019/バス事業改善 プロジェクト~バスロケデータのフル活用によるオープンイノベーション
JCOMM2019/バス事業改善 プロジェクト~バスロケデータのフル活用によるオープンイノベーション
Kohei Ota
 
標準的なバス情報フォーマット導入の手引き@北海道
標準的なバス情報フォーマット導入の手引き@北海道標準的なバス情報フォーマット導入の手引き@北海道
標準的なバス情報フォーマット導入の手引き@北海道
Kohei Ota
 
FOSS4G HOKKAIDO 2019 バスの標準的オープンデータ/GTFS作って視て使ってみよう!
FOSS4G HOKKAIDO 2019 バスの標準的オープンデータ/GTFS作って視て使ってみよう!FOSS4G HOKKAIDO 2019 バスの標準的オープンデータ/GTFS作って視て使ってみよう!
FOSS4G HOKKAIDO 2019 バスの標準的オープンデータ/GTFS作って視て使ってみよう!
Kohei Ota
 
Civic Tech Forum 2019「ここまできた!標準的バス情報フォーマット(GTFS-JP)~ 国を巻き込み全国にオープンデータが広がったプロセ...
Civic Tech Forum 2019「ここまできた!標準的バス情報フォーマット(GTFS-JP)~ 国を巻き込み全国にオープンデータが広がったプロセ...Civic Tech Forum 2019「ここまできた!標準的バス情報フォーマット(GTFS-JP)~ 国を巻き込み全国にオープンデータが広がったプロセ...
Civic Tech Forum 2019「ここまできた!標準的バス情報フォーマット(GTFS-JP)~ 国を巻き込み全国にオープンデータが広がったプロセ...
Kohei Ota
 
東京2020大会が創る未来へのレガシー「カーナビによるTDM~経路制御と需要検出~」
東京2020大会が創る未来へのレガシー「カーナビによるTDM~経路制御と需要検出~」東京2020大会が創る未来へのレガシー「カーナビによるTDM~経路制御と需要検出~」
東京2020大会が創る未来へのレガシー「カーナビによるTDM~経路制御と需要検出~」
Kohei Ota
 
宇都宮 関東自動車のGTFSリアルタイムを用いた遅延分析
宇都宮 関東自動車のGTFSリアルタイムを用いた遅延分析宇都宮 関東自動車のGTFSリアルタイムを用いた遅延分析
宇都宮 関東自動車のGTFSリアルタイムを用いた遅延分析
Kohei Ota
 
ナビゲーション・ビッグデータ・オープンデータで国土交通行政をアップデート@国土交通IT実践ワークショップ
ナビゲーション・ビッグデータ・オープンデータで国土交通行政をアップデート@国土交通IT実践ワークショップナビゲーション・ビッグデータ・オープンデータで国土交通行政をアップデート@国土交通IT実践ワークショップ
ナビゲーション・ビッグデータ・オープンデータで国土交通行政をアップデート@国土交通IT実践ワークショップ
Kohei Ota
 
GTFS-JPデータを用いた乗合バス事業の電子申請に向けた基礎検討 ~帳票地獄からの脱却による働き方改革を目指して~
GTFS-JPデータを用いた乗合バス事業の電子申請に向けた基礎検討 ~帳票地獄からの脱却による働き方改革を目指して~GTFS-JPデータを用いた乗合バス事業の電子申請に向けた基礎検討 ~帳票地獄からの脱却による働き方改革を目指して~
GTFS-JPデータを用いた乗合バス事業の電子申請に向けた基礎検討 ~帳票地獄からの脱却による働き方改革を目指して~
Kohei Ota
 
どうする?標準的なバス情報フォーマット(標準的なバス情報フォーマット/GTFS勉強会)
どうする?標準的なバス情報フォーマット(標準的なバス情報フォーマット/GTFS勉強会)どうする?標準的なバス情報フォーマット(標準的なバス情報フォーマット/GTFS勉強会)
どうする?標準的なバス情報フォーマット(標準的なバス情報フォーマット/GTFS勉強会)
Kohei Ota
 
標準的なバス情報フォーマット 改訂 徹底解説(標準的なバス情報フォーマット/GTFS勉強会)
標準的なバス情報フォーマット 改訂 徹底解説(標準的なバス情報フォーマット/GTFS勉強会)標準的なバス情報フォーマット 改訂 徹底解説(標準的なバス情報フォーマット/GTFS勉強会)
標準的なバス情報フォーマット 改訂 徹底解説(標準的なバス情報フォーマット/GTFS勉強会)
Kohei Ota
 
Dia Brain:バスロケデータで遅延半減ダイヤ改正(公共交通マーケティング研究会)
Dia Brain:バスロケデータで遅延半減ダイヤ改正(公共交通マーケティング研究会)Dia Brain:バスロケデータで遅延半減ダイヤ改正(公共交通マーケティング研究会)
Dia Brain:バスロケデータで遅延半減ダイヤ改正(公共交通マーケティング研究会)
Kohei Ota
 
「GTFSエコシステム構想」 公共交通オープンデータ最前線 in インターナショナルオープンデータデイ2019
「GTFSエコシステム構想」 公共交通オープンデータ最前線 in インターナショナルオープンデータデイ2019「GTFSエコシステム構想」 公共交通オープンデータ最前線 in インターナショナルオープンデータデイ2019
「GTFSエコシステム構想」 公共交通オープンデータ最前線 in インターナショナルオープンデータデイ2019
Kohei Ota
 
「データでバスダイヤ改正」公共交通マーケティング研究会 第2回例会 予告
「データでバスダイヤ改正」公共交通マーケティング研究会 第2回例会 予告「データでバスダイヤ改正」公共交通マーケティング研究会 第2回例会 予告
「データでバスダイヤ改正」公共交通マーケティング研究会 第2回例会 予告
Kohei Ota
 
「神戸から日本のバスロケを立て直す」 神戸市Urban Innovation KOBE @Gov Tech Summit in 東京
「神戸から日本のバスロケを立て直す」 神戸市Urban Innovation KOBE @Gov Tech Summit in 東京「神戸から日本のバスロケを立て直す」 神戸市Urban Innovation KOBE @Gov Tech Summit in 東京
「神戸から日本のバスロケを立て直す」 神戸市Urban Innovation KOBE @Gov Tech Summit in 東京
Kohei Ota
 

More from Kohei Ota (20)

バスのGTFSリアルタイムオープンデータの特性整理とデータを活用した 遅延対策の可能性の検討
バスのGTFSリアルタイムオープンデータの特性整理とデータを活用した 遅延対策の可能性の検討バスのGTFSリアルタイムオープンデータの特性整理とデータを活用した 遅延対策の可能性の検討
バスのGTFSリアルタイムオープンデータの特性整理とデータを活用した 遅延対策の可能性の検討
 
標準的バスオープンデータの実現に向けて ~広島を再びバス情報の最先端へ~
標準的バスオープンデータの実現に向けて ~広島を再びバス情報の最先端へ~標準的バスオープンデータの実現に向けて ~広島を再びバス情報の最先端へ~
標準的バスオープンデータの実現に向けて ~広島を再びバス情報の最先端へ~
 
全国に広がる標準的バス情報フォーマット(GTFS-JP)と首都圏公共交通オープンデータ事情
全国に広がる標準的バス情報フォーマット(GTFS-JP)と首都圏公共交通オープンデータ事情全国に広がる標準的バス情報フォーマット(GTFS-JP)と首都圏公共交通オープンデータ事情
全国に広がる標準的バス情報フォーマット(GTFS-JP)と首都圏公共交通オープンデータ事情
 
標準的なバス情報フォーマット導入の手引きと活用に向けて in 広島
標準的なバス情報フォーマット導入の手引きと活用に向けて in 広島標準的なバス情報フォーマット導入の手引きと活用に向けて in 広島
標準的なバス情報フォーマット導入の手引きと活用に向けて in 広島
 
十勝バスの野村社長に質問(公共交通マーケティング研究会 in 帯広)
十勝バスの野村社長に質問(公共交通マーケティング研究会 in 帯広)十勝バスの野村社長に質問(公共交通マーケティング研究会 in 帯広)
十勝バスの野村社長に質問(公共交通マーケティング研究会 in 帯広)
 
とよたおいでんバスICカードデータ分析(公共交通マーケティング研究会 豊田合宿)
とよたおいでんバスICカードデータ分析(公共交通マーケティング研究会 豊田合宿)とよたおいでんバスICカードデータ分析(公共交通マーケティング研究会 豊田合宿)
とよたおいでんバスICカードデータ分析(公共交通マーケティング研究会 豊田合宿)
 
JCOMM2019/バス事業改善 プロジェクト~バスロケデータのフル活用によるオープンイノベーション
JCOMM2019/バス事業改善 プロジェクト~バスロケデータのフル活用によるオープンイノベーションJCOMM2019/バス事業改善 プロジェクト~バスロケデータのフル活用によるオープンイノベーション
JCOMM2019/バス事業改善 プロジェクト~バスロケデータのフル活用によるオープンイノベーション
 
標準的なバス情報フォーマット導入の手引き@北海道
標準的なバス情報フォーマット導入の手引き@北海道標準的なバス情報フォーマット導入の手引き@北海道
標準的なバス情報フォーマット導入の手引き@北海道
 
FOSS4G HOKKAIDO 2019 バスの標準的オープンデータ/GTFS作って視て使ってみよう!
FOSS4G HOKKAIDO 2019 バスの標準的オープンデータ/GTFS作って視て使ってみよう!FOSS4G HOKKAIDO 2019 バスの標準的オープンデータ/GTFS作って視て使ってみよう!
FOSS4G HOKKAIDO 2019 バスの標準的オープンデータ/GTFS作って視て使ってみよう!
 
Civic Tech Forum 2019「ここまできた!標準的バス情報フォーマット(GTFS-JP)~ 国を巻き込み全国にオープンデータが広がったプロセ...
Civic Tech Forum 2019「ここまできた!標準的バス情報フォーマット(GTFS-JP)~ 国を巻き込み全国にオープンデータが広がったプロセ...Civic Tech Forum 2019「ここまできた!標準的バス情報フォーマット(GTFS-JP)~ 国を巻き込み全国にオープンデータが広がったプロセ...
Civic Tech Forum 2019「ここまできた!標準的バス情報フォーマット(GTFS-JP)~ 国を巻き込み全国にオープンデータが広がったプロセ...
 
東京2020大会が創る未来へのレガシー「カーナビによるTDM~経路制御と需要検出~」
東京2020大会が創る未来へのレガシー「カーナビによるTDM~経路制御と需要検出~」東京2020大会が創る未来へのレガシー「カーナビによるTDM~経路制御と需要検出~」
東京2020大会が創る未来へのレガシー「カーナビによるTDM~経路制御と需要検出~」
 
宇都宮 関東自動車のGTFSリアルタイムを用いた遅延分析
宇都宮 関東自動車のGTFSリアルタイムを用いた遅延分析宇都宮 関東自動車のGTFSリアルタイムを用いた遅延分析
宇都宮 関東自動車のGTFSリアルタイムを用いた遅延分析
 
ナビゲーション・ビッグデータ・オープンデータで国土交通行政をアップデート@国土交通IT実践ワークショップ
ナビゲーション・ビッグデータ・オープンデータで国土交通行政をアップデート@国土交通IT実践ワークショップナビゲーション・ビッグデータ・オープンデータで国土交通行政をアップデート@国土交通IT実践ワークショップ
ナビゲーション・ビッグデータ・オープンデータで国土交通行政をアップデート@国土交通IT実践ワークショップ
 
GTFS-JPデータを用いた乗合バス事業の電子申請に向けた基礎検討 ~帳票地獄からの脱却による働き方改革を目指して~
GTFS-JPデータを用いた乗合バス事業の電子申請に向けた基礎検討 ~帳票地獄からの脱却による働き方改革を目指して~GTFS-JPデータを用いた乗合バス事業の電子申請に向けた基礎検討 ~帳票地獄からの脱却による働き方改革を目指して~
GTFS-JPデータを用いた乗合バス事業の電子申請に向けた基礎検討 ~帳票地獄からの脱却による働き方改革を目指して~
 
どうする?標準的なバス情報フォーマット(標準的なバス情報フォーマット/GTFS勉強会)
どうする?標準的なバス情報フォーマット(標準的なバス情報フォーマット/GTFS勉強会)どうする?標準的なバス情報フォーマット(標準的なバス情報フォーマット/GTFS勉強会)
どうする?標準的なバス情報フォーマット(標準的なバス情報フォーマット/GTFS勉強会)
 
標準的なバス情報フォーマット 改訂 徹底解説(標準的なバス情報フォーマット/GTFS勉強会)
標準的なバス情報フォーマット 改訂 徹底解説(標準的なバス情報フォーマット/GTFS勉強会)標準的なバス情報フォーマット 改訂 徹底解説(標準的なバス情報フォーマット/GTFS勉強会)
標準的なバス情報フォーマット 改訂 徹底解説(標準的なバス情報フォーマット/GTFS勉強会)
 
Dia Brain:バスロケデータで遅延半減ダイヤ改正(公共交通マーケティング研究会)
Dia Brain:バスロケデータで遅延半減ダイヤ改正(公共交通マーケティング研究会)Dia Brain:バスロケデータで遅延半減ダイヤ改正(公共交通マーケティング研究会)
Dia Brain:バスロケデータで遅延半減ダイヤ改正(公共交通マーケティング研究会)
 
「GTFSエコシステム構想」 公共交通オープンデータ最前線 in インターナショナルオープンデータデイ2019
「GTFSエコシステム構想」 公共交通オープンデータ最前線 in インターナショナルオープンデータデイ2019「GTFSエコシステム構想」 公共交通オープンデータ最前線 in インターナショナルオープンデータデイ2019
「GTFSエコシステム構想」 公共交通オープンデータ最前線 in インターナショナルオープンデータデイ2019
 
「データでバスダイヤ改正」公共交通マーケティング研究会 第2回例会 予告
「データでバスダイヤ改正」公共交通マーケティング研究会 第2回例会 予告「データでバスダイヤ改正」公共交通マーケティング研究会 第2回例会 予告
「データでバスダイヤ改正」公共交通マーケティング研究会 第2回例会 予告
 
「神戸から日本のバスロケを立て直す」 神戸市Urban Innovation KOBE @Gov Tech Summit in 東京
「神戸から日本のバスロケを立て直す」 神戸市Urban Innovation KOBE @Gov Tech Summit in 東京「神戸から日本のバスロケを立て直す」 神戸市Urban Innovation KOBE @Gov Tech Summit in 東京
「神戸から日本のバスロケを立て直す」 神戸市Urban Innovation KOBE @Gov Tech Summit in 東京
 

交通・観光ビッグデータがもたらす変革 ナビタイムジャパン CSISシンポジウム2016

  • 2. はじめに (C) NAVITIME JAPAN 2 ナビタイムの多彩なナビゲーションアプリ (2016年6月時点) NAVITIME ドライブ サポーター 乗換 NAVITIME 自転車 NAVITIME こみれぽ バス NAVITIME カーナビ タイム NAVITIME Transit NAVITIME for Japan Travel ALKOO ツーリング サポーター Plat by NAVITIME 迷わニャいと! トラック カーナビ 公共交通 ドライブ ツーリング トラベル&フィットネス外国人&海外
  • 3. はじめに (C) NAVITIME JAPAN 3 ユーザ数 月間ユーザ数 約3500万UU 有料会員数 約450万人 (2016年9月末時点)
  • 4. はじめに (C) NAVITIME JAPAN 4 交通コンサルティング事業とは ナビゲーションサービスで培ってきたデータ・技術・ユーザ基盤を活かし、 交通・移動に関するデータ提供・分析・コンサルティングを行っています。 ナビゲーションに加え 交通自体の最適化・地域の活性化によって移動全体を最適化します • 観光・商業施設 • 交通事業者 • 官公庁・自治体 地域各主体 • 学術・研究機関 • コンサルタント • マーケティング • ITベンダー パートナー コンシューマサービス NAVITIME ドライブサポーター カーナビタイム 乗換NAVITIME バスNAVITIME 自転車NAVITIME こみれぽ 走行実績 経路検索条件 口コミ情報 抽出 分析
  • 5. 5 はじめに ビッグデータの種類と分析目的 ビッグデータ 携帯カーナビ プローブ 経路検索 条件 インバウンド GPS 交通 観光 自動車 公共交通 国内 外国人 データを軸に交通改善・地域活性化 組み合わせて データ提供・分析 経路選択
  • 7. 道路交通 (C) NAVITIME JAPAN 7 ナビタイムのプローブ分析システム 交通調査を効果的・効率的・迅速に 携帯カーナビ の走行実績 豊富な 分析パターン 経路ID=abcxyz 経度=139.124 緯度=35.923 通過時刻=12:15:21 … 0 20 40 60 80 100 120 速度[km/h] 1秒間隔の GPSデータ … カーナビタイム ドライブ サポーター ビッグデータ 解析
  • 8. 道路交通 (C) NAVITIME JAPAN 8 プローブで抜け道を発見! 5月5日16時 中央道の抜け道 中央道は 渋滞2時間 都留ICで 一般道へ 県道35号 相模湖ICで復帰 1時間短縮 道志みちまでは 遠回りせず 津久井湖の 渋滞も回避 大月JCTで 迂回 甲州街道も 渋滞 GWに1時間早く帰れる抜け道をプローブで発見 渋滞回避術がデータに表れる その他、関越道・東名の抜け道も発見!
  • 11. 道路交通 (C) NAVITIME JAPAN 11 都内で一番左折が混んでいる交差点(西巣鴨) 0 60 120 180 240 300 7 8 9 10 11 12 13 14 15 16 17 18 交差点通過時間[s] 時間帯 登下校時間帯の左折時間が長い 左折時間(平均±標準偏差) 直進時間(平均) 直進 58秒 左折 132秒 対象期間:2014年4-9月 警視庁様にて 信号渋滞対策に活用中! 交差点通過時間中央値 (t[s])別に色分け ➔:t ≦30 ➔:30<t ≦60 ➔:60<t ≦90 ➔:90<t 通過数が多いほど 線幅が太い
  • 12. 道路交通 (C) NAVITIME JAPAN 12 全国の信号通過時間 対象期間:2014年4-9月 交差点通過時間平均値 (t[s])別に色分け ➔:t ≦30 ➔:30<t ≦60 ➔:60<t ≦90 ➔:90<t 通過数が多いほど 線幅が太い どのエリアが混雑? どの交差点が混雑?
  • 13. 道路交通 (C) NAVITIME JAPAN 13 圏央道の道路整備効果 東名道と東北道が結ばれて首都高混雑区間への流入が減少し、平均所要時間も短縮 開通前(2014年11月) 開通後(2015年11月) 首都高経由が 約90% 平均98分 圏央道経由が 約90% 平均70分 (28分↓) 未開通 東北道 久喜JCT 東名高速 海老名JCT 凡例 流入経路 途中経路 流出経路 数字は 流入・流出率 所要時間は 平日7-19時 の平均値 N=95 N=380
  • 14. 道路交通 (C) NAVITIME JAPAN 14 リアルタイムでの旅行速度のモニタリング 本日10~13時
  • 16. (C) NAVITIME JAPAN 16 デザイン賞
  • 17. 電車混雑予測 17 混雑状況 首都圏 電車混雑動画 ~首都圏の朝~ Youtube: https://youtu.be/JzU6diMuExU この動画は、次のソフトウェアを使用して作成しています【Mobmap】http://shiba.iis.u-tokyo.ac.jp/member/ueyama/mm/
  • 18. 18 鉄道 電車混雑予測 (C) NAVITIME JAPAN 空いた電車を選べるように、電車1本・1駅ごとの混雑度を予測しました。 「日本の混雑を解消したい」という思いでつくったサービスです。
  • 21. 21 鉄道 時間帯・種別毎の平均混雑度 (C) NAVITIME JAPAN 東武 東上線 志木 朝霞台 朝霞 和光市 成増 下赤塚 東武練馬 上板橋 ときわ台 中板橋 大山 下板橋 北池袋 代表 630 11.0 11.0 10.0 8.0 9.0 3.6 4.3 4.8 5.8 5.5 6.0 6.3 6.3 種別 700 12.0 11.5 10.0 10.3 11.0 4.4 5.2 5.8 6.6 6.8 7.8 7.7 7.8 混雑度 730 12.0 12.0 10.8 11.5 11.5 5.0 5.8 7.0 7.7 8.2 9.0 9.2 9.0 (時間帯別) 800 11.5 12.0 11.3 11.0 12.0 4.3 5.2 6.6 7.3 8.0 8.8 9.0 9.0 830 11.5 11.5 11.0 10.5 11.3 4.8 4.8 5.8 6.4 7.0 7.8 7.8 8.0 900 10.5 10.5 8.3 9.0 9.0 3.8 3.8 4.8 6.0 6.5 7.3 7.5 7.8 930 11.0 9.0 6.0 10.0 8.0 3.5 4.0 4.8 4.8 5.8 6.2 6.3 6.3 800-830 各停 7.9 8.3 8.0 5.3 4.6 4.3 5.2 6.6 7.3 8.0 8.8 9.0 9.0 混雑度 準急 10.7 11.3 11.3 9.7 11.0 (種別毎) 急行 11.5 12.0 11.0 12.0 西武 池袋線 ひばりヶ丘 保谷 大泉学園 石神井公園 練馬高野台 富士見台 中村橋 練馬 桜台 江古田 東長崎 椎名町 代表 630 9.7 7.5 9.0 11.0 5.5 6.0 6.8 10.0 4.6 4.4 4.6 5.0 種別 700 10.5 10.0 11.0 11.0 6.0 6.3 7.0 11.0 4.8 4.6 5.2 5.6 混雑度 730 12.0 11.0 12.0 12.0 5.9 6.4 7.0 9.5 7.0 7.3 7.3 7.2 (時間帯別) 800 12.0 10.5 11.5 12.0 6.1 7.1 7.6 10.0 6.8 7.3 7.5 7.8 830 10.0 9.0 10.0 12.0 6.8 7.8 8.4 11.0 5.6 6.0 6.3 7.0 900 8.0 6.7 8.5 9.5 4.8 5.4 5.8 9.0 4.6 4.8 5.2 5.6 930 7.0 5.0 6.5 9.0 4.3 4.4 4.5 8.0 3.4 3.8 4.3 4.5 800-830 各停 5.3 5.2 6.6 5.9 6.1 7.1 7.6 6.5 6.8 7.3 7.5 7.8 混雑度 準急 7.0 9.0 9.0 11.0 (種別毎) 通勤準急 10.0 10.5 11.5 10.0 快速 9.0 12.0 通勤急行 10.5 11.0 12.0 急行 10.0 11.0 快速急行 12.0 12.0 千鳥停車で 混雑分散 各駅停車なら 空いている
  • 22. 鉄道 (C) NAVITIME JAPAN 22 不動産検索への応用 ユーザ投稿による混雑情報を不動産検索サイトに提供 混雑投稿アプリ 「こみれぽ」の データを提供 HOME’S(ネクスト社)の住宅検索ページ 検索結果 都心の空いている 物件を紹介される
  • 23. ② 経路検索条件データ (C) NAVITIME JAPAN 23 経路検索条件データとは 経路検索条件データとは、発着地や日時等の条件を蓄積したデータです。 公共交通 15億件/年 自動車 1.3億件/年 (2014年度) 観光分析 移動需要ビッグデータ 交通分析 項目 備考 出発地情報 駅等の公共交通拠点,施設,座標等 到着地情報 同上 交通手段 公共交通, 自動車, 自転車, 徒歩 検索実施日時 発着指定日時 発着日時指定方法 出発日時,到着日時,始発,終電 ユーザID データの外部提供の際には削除 主な記録項目PC-NAVITIME 経路検索画面
  • 24. 需要予測 (C) NAVITIME JAPAN 24 リアルタイム集計による近未来予測 ~突発的移動需要検出~ ヒートマップにより移動が集中する場所を見つけることができます。 2013年4月13日 描画条件: 1時間に600回以上 発着地に指定されている駅を描画。 多いほど赤い。 データ元: NAVITIME, 乗換NAVITIME, PC-NAVITIME 2013年4月13日16時台 「ももいろクローバーZ」 のライブ(開演17時)が 西武ドームで始まる 1時間前 西武球場前が 首都圏で7位
  • 25. 需要予測 (C) NAVITIME JAPAN 25 リアルタイム集計による近未来予測 ~突発的移動需要検出~ 経路検索の際には数時間~数日先の日時を指定されることが多いため、 近未来の移動需要を検出することができます。 0 500 1000 1500 2000 2500 5 6 7 8 9 1011121314151617181920212223 累積経路検索数[件] 検索対象時刻 リアルタイム 10分前 2時間前 15時間前 4日前 定常検索数 輸送力調整、混雑回避の誘導、駅付近店舗の供給調整に活用可能 2013年4月13日に西武球場前を 到着指定した検索数 グッズ 販売前 開演前 4日前から 普段の8倍 分類 小分類 検出数 レジャー コンサート 62 スポーツ 17 その他イベント 12 行楽地・施設 28 業務・ 教育 オフィス街 36 教育イベント 47 交通 ダイヤ改正 15 空港 2 不明 - 48 合計 267 予測対象期間: 2013年3月18日~4月14日(4週間) 突発的移動需要発生回数:全12,268回 (4日前検出率2.2%) 他に検出されたイベント
  • 26. 日本放送協会へのデータ提供需要予測 (C) NAVITIME JAPAN 26 「今週末、日本のどこが混む?」を検索ログから明らかに 『データなび』他2015年度 当日0時までの検索結果を集計し、NHK様に混雑予報を提供中! 月イチのビッグデータ解析番組にレギュラー登場 『ニュースチェック11』2016年度 4月改変のニュース新番組の目玉の一つとして採用 天気予報に続く新たな定番ニュースを目指して発展中
  • 27. 混雑予報 (C) NAVITIME JAPAN 27 一般向け情報提供 乗客 →混雑回避 商店 →需要予測
  • 28. 28 経路選択分析 鉄道事業者の認識 (C) NAVITIME JAPAN 鉄道に乗る際に利用者はスマホ の乗り換えサイトを利用しま す。 いくら沿線の良さをアピールし ても大半の方はサイトの上に表 示された時間が早いほうに乗っ てしまう。先に表示されないと 選ばれない。鉄道を選ぶ最大の ポイントはサイトで上位に表示 されることになりつつある。 これは無視できない。だから1 分でも2分でも早くしようと努 力しています 日経MJ 10/19 京阪電気鉄道社長インタビュー
  • 29. 29 経路選択分析 乗換経路選択 (C) NAVITIME JAPAN 73% 16% 7% 4% 第1経路の選択率は73% 表示順別の経路選択率 メール送信・カレンダー登録 により判定 3週間・16万件の経路選択データを基に多項ロジットモデルにて推定 ※経路表示順:1.時刻順(デフォルト)73%、2.運賃順 13%、3.乗換回数順 10% 第1経路に表示 運賃198円安相当 最安経路 運賃306円安相当 に選ばれ やすい
  • 30. 30 経路選択分析 旅客収入へのインパクト (C) NAVITIME JAPAN 会社名 検索数 運賃 料金 総額 全国 4929万回 197億円 83億円 280億円 JR東日本 1537万回 64.2億円 40.9億円 105.1億円 JR東海 171万回 27.4億円 25.0億円 52.3億円 JR西日本 395万回 26.3億円 10.6億円 36.9億円 東京メトロ 505万回 7.3億円 0.0億円 7.3億円 JR九州 53万回 4.0億円 1.7億円 5.8億円 近鉄 129万回 3.8億円 1.2億円 5.0億円 東武 165万回 4.1億円 0.6億円 4.7億円 小田急 180万回 3.5億円 0.4億円 3.9億円 東急 224万回 3.4億円 0.0億円 3.4億円 年換算 1.46兆円 乗換検索第1経路 週間表示額 (2015/11/02~08) 乗換検索上の経路選択が旅客収入を左右する?
  • 31. 発-着駅 第1経路 表示回数 第2-4経路 表示回数 第1経路 表示総額 第2-4経路 表示総額 新宿 250,281 78,578 129,788,401 47,831,413 箱根湯本 5,346 5,036 9,459,487 7,995,736 小田原 3,286 3,762 4,817,402 5,764,434 藤沢 2,920 4,297 2,416,207 3,150,951 熱海 382 1,171 556,552 1,877,280 御殿場 797 1,217 1,020,179 1,151,408 小田原 42,384 22,040 27,818,876 23,211,104 新宿 2,658 4,715 3,843,769 7,581,225 横浜 107 1,350 60,595 680,573 渋谷 205 502 243,123 530,645 池袋 179 406 227,827 491,604 東京 32 286 36,079 351,245 町田 244,457 68,083 91,435,648 22,853,757 横浜 590 5,461 149,530 1,275,843 東京 1,134 1,584 509,184 754,482 八王子 48 2,344 13,947 632,022 橋本(神奈川県) 34 2,165 14,912 574,361 立川 203 2,083 55,365 572,009 藤沢 69,461 22,226 26,521,165 11,019,177 東京 23,562 14,596 8,497,825 10,894,069 箱根湯本 6,762 7,732 8,411,855 9,571,397 新宿 1,588 1,342 2,833,202 2,252,638 東京 8 290 7,778 358,696 横浜 17 374 17,217 228,581 池袋 91 121 143,914 197,804 北千住 50 83 91,329 127,934 湘南台 70,155 24,385 23,602,505 7,863,793 渋谷 42,180 20,002 14,505,273 7,308,984 中央林間 48,992 19,786 14,380,612 7,095,966 淵野辺 23,133 19,403 8,851,380 7,089,970 総計 821,367 296,831 353,813,540 154,739,630 31 経路選択分析 惜しいODランキング(小田急) (C) NAVITIME JAPAN 対象期間: 2016年1月 新幹線・ 湘南新宿線 と競合 JRの拠点駅 ~箱根も競合 新宿→藤沢 11時発 1.湘南新宿ライン 2.東海道線 4.湘南新宿ライン 小田急の急行は 第3経路
  • 32. 32 PR経路 PR経路「特急サマーキャンペーン」 (C) NAVITIME JAPAN 新たな経路枠に表示されることで 潜在需要の獲得 色や画像で経路を目立たせることで 経路選択率UP 有用な経路のみを表示するので 出稿効率UP サイト間連携により 予約獲得 乗換検索上の経路型広告「PR経路」日本初※!! ※2016年7月5日時点 ナビタイムジャパン調べ 特徴ある経路を新たに表示し潜在需要を喚起!
  • 33. 33 PR経路 速報概要 (C) NAVITIME JAPAN 路線 都心側エリア 郊外側エリア スカイライナー 東京都・神奈川県・埼玉県 成田空港 小江戸 東京23区・三鷹市・武蔵野市・調布 市・狛江市・神奈川県 東村山市・所沢市・狭山市・川越市 ちちぶ/むさし 東京23区・三鷹市・武蔵野市・調布 市・狛江市・神奈川県 入間市・飯能市・日高市・横瀬町・秩父市・皆野 町・長瀞町 ラピート 京阪神各市 関西空港 各ロマンスカー 東京23区・埼玉県・狛江市 川崎市(多摩区・麻生区)・町田市・相模原市・座 間市・海老名市・厚木市・伊勢原市・秦野市・松 田町・開成町・小田原市・箱根町 表示数が1.5~2.5倍に 集計期間:2016/9/3~9/30(4週間)
  • 34. 34 PR経路 表示シェアマップ (C) NAVITIME JAPAN ロマンスカー(小田原・箱根湯本着) スカイライナー(成田空港着) 赤:PR経路で新たに表示、青:従来から表示、白:非表示 東京 激増 羽田空港 激増 新宿 微増 品川 武蔵小杉 横浜 東京南部・ 神奈川で増加
  • 36. 観光・商業 (C) NAVITIME JAPAN 36 観光分析 ~伊勢神宮・式年遷宮時の検索状況~ 地域内の概況から、スポット毎の詳細までを併せて把握できます。 0 1000 2000 3000 4000 4月 5月 6月 7月 8月 9月 10月 11月 12月 1月 2月 3月 伊勢神宮・内宮 着の日別検索数 伊勢神宮・内宮 着の 経路検索出発地分布 正月 連休や遷宮行事の際に検索が急増 3大都市圏に集中 10~30 ~100 ~300 ~1000 ~3000 3001~ 出発地 二次メッシュ別 年間検索数 遷御の儀GW # スポット名 検索数 1 伊勢神宮・内宮 52,618 2 伊勢神宮・外宮 23,578 3 鈴鹿サーキット 6,838 4 ナガシマスパー ランド 6,312 5 なばなの里 5,359 三重県内の目的地検索ランキング 東海3県内でも 圧倒的1位 対象期間:2013年10月 2013年度 対象期間:2013年度
  • 37. 観光・商業 (C) NAVITIME JAPAN 37 圏央道開通区間を通る目的地検索ランキング ❷三井アウトレット パーク入間 ❸川越 ❷宇都宮 ❸佐野プレミアム ・アウトレット 桶川北本IC~白岡菖蒲ICの検索流出経路と 目的地ランキング(2015年11月2-8日) N=15772 凡例 外回り 検索流出経路 内回り 検索流出経路 丸数字は方面別の目的地ランキング 開通区間 東北道方面は 1位 日光東照宮 中央道方面は 1位 高尾山 開通区間 高尾山 圏央道の 開通区間 経由が18% 高尾山着の検索流入経路 (2015年11月2-8日) 栃木・茨城 ・埼玉に 観光圏域が拡大 凡例 高尾山への検索流入経路 数字は流入率 N=564
  • 38. 観光・商業 (C) NAVITIME JAPAN 38 御殿場 vs 木更津 ~アウトレットの競合~ 御殿場プレミアム・ アウトレット 三井アウトレット パーク木更津 凡例 御殿場プレミアム・アウトレットの 検索回数が木更津よりも多いエリア 御殿場プレミアム・アウトレットの 検索回数が御殿場よりも多いエリア 御殿場プレミアム・アウトレットを 目的地とする検索による流入 三井アウトレットパーク木更津を 目的地とする検索による流入 ※経路は当社検索エンジンにて復元 数字は流入率[%] 横浜は 御殿場優勢 川崎は 木更津優勢 過半数が東名高速 下り方面から流入 アクアライン経由 が4分の3を超える 出発地エリア別 アウトレットモール目的地検索シェア分析 競合スポットとの商圏比較・チェーン展開の立地適正化に活用できる
  • 39. 観光・商業 回遊行動分析 ~石川県・自動車~ 福井のハブ 東尋坊 金沢のハブ 兼六園 能登のハブ 輪島朝市 恐竜博物館と 永平寺は 近いが別客層 単独 黒部ダム 富山県東部は ハブとなる 人気スポットなし 能登⇔氷見・富山 は近いが相関なし 同じ人に設定されることが 多い目的地の組み合わせ。 線の太さが頻度を表す。 確信度(もう片方に訪れる 確率)が0.3以上を表示 アソシエーション分析とは 「観光地Aを目的地にしている人の多くが 観光地Bも目的地にしている」といった、 同じ人に表れることが多い組み合わせを割り出す手法。 ネット通販などで多用されている。 21世紀 美術館 兼六園 加賀屋 3000人10000人3000人 1500人600人 兼六園&加賀屋21美&兼六園 確信度 0.5 確信度 0.2 対象期間:2014年度 (C) NAVITIME JAPAN 39
  • 40. 観光・商業 (C) NAVITIME JAPAN 40 旅行プランニングへの応用 立ち寄りスポットのレコメンドにアソシエーション分析を適用 https://travel.navitime.co.jp/
  • 42. © NAVITIME JAPAN 対象期間:2015年1月~12月 赤:滞在 黒:移動中 ※滞在:同一1kmメッシュ内にて30分以上連続してデータを取得 利用者の同意のもと、日本全国で2分間隔のGPS測位データを取得・蓄積しています 利用者同意画面(初回起動時) インバウンドGPSデータ蓄積イメージ Japan Travelではデータ取得の同意を得たアプリ利用者から、 GPS測位データを定期的(※1)に取得し、 個人FIT客の行動分析に活用しています。 ※ バックグラウンドを含むアプリ起動時約2分間隔 データ取得期間: 2014年11月~ 把握可能なユーザ属性(※2): 国籍・性別・訪日回数・訪日目的(2015年5月~) ※2 初回起動時のアンケート回答による NAVITIME for Japan Travel 外国人観光 (C) NAVITIME JAPAN 42 アプリを活用した行動分析 サンプル数(実績): 全国年間 104,706 UU (2016年10月~9月) 全国月間 16,012 UU (2016年7月)
  • 43. 外国人観光 (C) NAVITIME JAPAN 43 滞在分析 ~人気エリア~ 訪日客ならではのホットスポットを発見することができます。 ①京都駅 京都1kmメッシュの 滞在者数 ②清水寺 ③祇園 ④金閣寺 対象期間:2014年11月~2015年4月 伏見稲荷 ※ 同一1kmメッシュ内にて30分以上連続してデータを取得 凡例(面) 1kmメッシュ内の数字: メッシュ別 滞在者数※ 30 以下 31 以上 100 以下 101 以上 300 以下 301 以上 1000 以下 1001 以上
  • 44. 外国人観光 滞在分析 ~国籍別傾向~ アンケートから判別された国籍別に分析することでターゲットに応じた戦略立案が可能です。 円グラフの大きさがUU、色が国籍の傾向を表す ■ アジア系(台湾・香港・中国・韓国・ASEAN各国等) ■ 欧米系(米国・豪州・カナダ・EU各国等) 京都は 欧米系が多く 稲荷山の 上まで登る (C) NAVITIME JAPAN 44 アジア系は大阪・海、欧米系は京都・山に行く人が多い
  • 45. 外国人観光 (C) NAVITIME JAPAN 45 時間帯別・都道府県別の滞在者数 凡例 ■ 活動中 ■ 休憩・宿泊中 0 100 200 300 400 0 1 2 3 4 5 6 7 8 9 1011121314151617181920212223 奈良県 0 500 1000 1500 2000 0 1 2 3 4 5 6 7 8 9 1011121314151617181920212223 大阪府 (ユニーク ユーザ) (ユニークユーザ) 夕食以降 急激に落ち込む 夜に人が増え 深夜まで活動 ・宿泊客獲得? ・ワンデートリップ特化で消費狙い? 大阪府 奈良県 (時台) (時台) 奈良県の 戦略は
  • 46. 46 外国人観光 京都の昼夜のホットスポット (C) NAVITIME JAPAN 錦小路 商店街 昼10~17時 錦小路 対象期間:2014年11月~2015年4月同一色の点は同一ユーザを表す 夜19~24時 ゲストハウス
  • 47. 外国人観光 (C) NAVITIME JAPAN 47 流動分析(隣接自治体間の移動者数)@飛騨 回遊のハブとなっている都市からの流動を把握できます 市町村内の数字: 市町村別 滞在者数 線上の数字: 市区町村間 移動者数(左側通行) 赤点:滞在(同一1kmメッシュ内にて30分以上連続してデータを取得) 黒:移動中 凡例 2015年1月~2015年12月(1年間)対象期間 中部のハブ 高山 安房トンネル 高山本線 東海北陸道 東海北陸道 高山本線
  • 49. データと利用の多様化まとめ (C) NAVITIME JAPAN 49 対象交通……クルマ・公共交通・外国人 取得データ…移動実績・経路検索・経路選択… 時系列………過去・リアルタイム・未来 分野…………交通:道路・公共 マーケティング:観光・商業 利用方法……事業者:現状分析・プロモーション・交通制御 利用者:行き方探し・目的地探し データの多様化 利用の多様化 ビッグデータが交通・観光の意思決定を変える? 組み合わせ毎に 分析パターン