具体的なテストベットで見るIoT　ウフルIoTパートナー・コミュニティ・フォーラム　レポート

IoTのパートナーコミュニティは様々あるが、なかなか具体的なテストベットが公開されるケースが少ない。
ウフルを中心としたパートナーコミュニティでは、この半年間で７つのワーキンググループの活動があった。

ウフル、IoTイノベーションセンターの松浦氏によると、IoTにおいては、「儲かるビジネスモデルがわからない」、「どこと組めば良いかわからない」、「物売りからサービス売りへ転換できない」、「業界別課題を理解したい」、「ソリューションを実行する場所がない」、など様々な課題が言われる中、このコミュニティのワーキンググループはそれぞれの課題を解決していく、ということだ。

今回のイベントでは、ワーキンググループの活動を発表する場となった。

IoTxAI 集めたIoTデータ活用の次のステップ　ウィングアーク1st 武市氏

IoT活用の３つのステップは以下だ。

1)データをどのように集めるか？
2)データをどのように貯めるか？
3)データをどのように意味づけするか？

これらを実現するために、マシンラーニングの活用を考えたということだ。

今回の発表では、実データの分析とアウトプットの事例を構築する。技術をまとめ説明するということだ。

生活の中でのIoTxAI＝（駐車場＋飲食店）xAI

飲食店にクルマでおとずれる顧客をイメージした場合、様々な課題がIoTで解決することができる。

今回の発表におけるシナリオとしては、

1. 車を使って飲食店を訪問する
2. 入店までまつ
3. 席を案内される
4. 注文する
5. 会計を済ませて帰る

という流れをイメージする。このユースケースでは、駐車場の空き状況を把握したり、近い駐車場や提携駐車場を利用する。待ち時間を知るということが考えられる。また、店内ではオススメのメニューを知る。といったお客様サイドのニーズもある。

店舗側からすれば、「クルマでくるお客様が増えて欲しい」「（お酒を提供する上で）ドライバーかどうか知りたい」「どのようなメニューを提案すればよいか知りたい」「混雑時期や適切なスタッフの配置を知りたい」といったニーズがある。

そこで、ATIS 交通情報サービスと、三井のリパークの駐車場データを活用し、駐車場の空き状態を見ることにしたということだ。さらに、飲食店の情報を都内14箇所でのPOSやHANDY端末のデータを活用することでオススメメニューが何かを見極める。さらに、ソーシャルやWEBから取得できる情報をも活用したという。これらを下の図の構成で分析、見える化を行ったというテストベットだ。

駐車場の空き状況管理

入力データとなる、駐車場の空車率や天候などのデータを分析することをやったというのだが、分析するにも長期間にわたるデータ、周囲のイベントの開催状況、予定などの正しい情報が必要となる。また、いくらデータがあっても予期しない状況が起きた場合、異常値がでることも考慮するべきだ。

例えば、東京ドームの日程ではクライマックスシリーズが予定されていたが、実際には試合がない場合、予想に反して客数がすくなくなる。こういう場合は、その点を補正することで良くなったというようなことも起きるのだという。

店舗におけるオススメメニューを考えるAI

また、オススメのメニューを考えるAIを作ってみたということだ。

やってみて、精度をあげるためには、店舗ごとにデータが違うので、データを統一させた方が良い。商品の特性という軸をつける。ということが重要だと感じたということだ。

デモ

・お客様向けアプリ
様々な情報を機会学習させたAIを活用することで、お客様がオーダーするときに、３名、一人当たり2,000円だとどういうメニューがよいかということがわかるという。ここで、金額や、人数を変えると予算に応じて複数のメニューを提案することができるということだ。

・店舗オーナー向けアプリ
提案したメニューと実際にお客様が注文したメニューなどもわかるということだ。

・駐車場アプリ
安い駐車場の料金ランキングがわかり、５分間隔で空車状況がわかる、予約状況から、AIを使った満車予測もわかるということだ。

最後に、実際にアプリ開発をした結果として、データをどのように見える化するか？が重要であると述べた。

今回のテストベットは、非常にわかりやすい例で、思いつきはするが実際にAIを構成し、評価するところまでやっているケースはあまり見ないのでとても有益だと思われる。引き続きこのケースについての研究が進めば、実ビジネスとしても十分機能するものとなるだろう。

流通WG　オムニチャネル時代における流通革命へ　オプテックス　中村氏

２つ目のWG（ワーキンググループ）は、流通がテーマだ。

現在、オプテックス社では、流通業向けにセンサー・通信・その他デバイスを導入しているが、実店舗とネット店舗のポジションを捉えながら流通改革を行っている。その一方で、センサーデータやPOSデータ、顧客の状況などもデータ化されることが近年多くなってきている。そこで、顧客の購買力や店舗の運用効率が改善できるのではないかと考えたということだ。

その中で、ECとリアル店舗との違いをどうとられるのか？ということが重要だと考え、店舗及び、ECでの課題を明確にするために検討したのが下の図だ。

今回のテストベットとしては、オイシックス社がIoTのPoCに興味を持ってくれたため、実際の店舗を活用してテストベットを実施してみたということだ。

WGチームによる、実際のオイシックス社へのヒヤリングの結果、「商品の売り場変更の兆しを捉える」「ベストプラクティを構築する」「売り上げがどこまで上げられるか」ということがポイントであることがわかり、結果、リアル店舗でもECと同じ、ユニークユーザ数や滞在直を取得できないかということが主な課題となったという。

実際に、店舗の利用者層に関しては、10%程度の利用者の属性しか明確にできていないのが一般的だといわれている。

そこで、IoTを活用を考え、主に、顧客の動線をみるために実店舗に４種類のセンサーを設置したということだ。

・人数カウントセンサー
・レジに待っている人を検知し、年齢推定するカメラ
・温度、湿度、環境センサー

この取り組みにおいては、モノ（デバイス）の店舗への設置が一番難しかったということだ。

というのも、店舗にはかならずしも適切な設置場所があるわけではないし、どこに、どの角度につけるか、個人情報に対する取り扱いなど、設置には多くの課題が発生したというのだ。通信に関しても、例えば、BLEを活用したネットワークではうまくハンドシェイクすることができなかったという課題も発生したという。

データを安定的に取得するには、無線システムより有線システムが良く、店舗の飾り付けの変更によって、天井に設置されたセンサーが目隠しにされる可能性があったり、商品入れ替えや、レイアウトの変更によって設置条件が変わるなど、様々な課題に対応することが重要だということがわかった。

センシングを行った結果としては、人数カウントセンサーでは従業員の出入りもカウントすることがある。行列のでき方は、行列の方向が日によって変わる。

上から撮影するカメラの場合、正確に年齢推定ができない、センサーの電池切れやなど環境センサーも安定的に情報を取得することができなかったという課題も発生したということだ。

リアル店舗の売り上げ向上のために何ができるのか、を考えるのが次のフェーズでできることだ。

今回のテストベットでは人の動きに着目しようとしている。従来、店舗の入り口など固定的な場所での人数カウントはされてきたものの、店舗内の回遊状況や、どこに人が来やすいのか、どこがデッドスペースになっているのか、を知ることは店舗にとってはとても重要であるとも言える。一方で、今回のテストででた課題のすべてを潰していく、導入が簡単な仕組みを構築することができないと、運用には耐えることができないのかもしれない。今後のさらなる検証に期待がかかる。

WG3 ヘルスケア活動報告　Z-WORKS 小川氏

ヘルスケアワーキンググループは、介護を中心としたWGだ。高齢者に対する課題を明確にすると以下の５つの課題があるのだという。

５つの高齢者層問題
・認知症問題解決
・介護支援
・介護予防
・アクティブシニア向け
・独居高齢者宅

IoTでよく言う、「見守り」ではなく、介護予防や健康寿命延伸をやっていく、宅内センサーで高齢者の状況を確認することで、日中の運動量を上げていき、健康増進のためのアドバイスに利用するということを考えたということだ。

そこで、Fitbitを活用して歩数や距離などの情報を取得し、モチベーションを向上する。最終的にはライフスタイルの提案や介護保健外サービスへの展開をやりたいと述べた。

実際にテストを行うと、高齢者の７割から８割がスマートフォンを持っていないので、スタッフが高齢者と対話し、クラウドに情報をアップロードすることになったたという。

アウトプットとしては、歩数や消費カロリー、距離からわかる範囲だけで表現することとなったということだ。

今後、Fitbitからデータを吸い上げる歳、スマートフォン以外でのデータ吸い上げのための機器を提供したり、テレビをつかったフィードバックを行いたいと述べた。

スマートフォンは、非常に優秀なIoTデバイスとなる。時にはセンサーとなり、時にはゲートウェイの役割をするからだ。しかし、今回のように実際にやってみるとターゲットユーザがスマートフォンを持っていない（必要な機器を持っていない）というケースは多くあるだろう。テストベットを超えて、実用化に進むには、リアルデバイスを製造するという壁も発生することがしばしばだ。サービスの有用性と共に、ビジネスモデルの構築も見えてこないと簡単には実用化に進まないのかもしれない。