Analyzing visitor demographics and evaluation of exhibitions are two important tasks for museums. One obstacle is that such surveys take large amount of labor and require active participation and effort from visitors, making it difficult to conduct investigation frequently. To relieve this problem, we propose an algorithm for inferring the composition of age, gender, companion, intention to revisit, and satisfaction of museum visitors from trace (location and acceleration) data collected by necklace type devices. We generated features from the trace data for our inference algorithm based on the maximum distance between ECDFs (Empirical Cumulative Distribution Function) of feature variables. For generalizability of our work, we suggested a time adjustment methodology using expected time of stay information provided by museums.
관람객 인구통계 분석과 관람만족도는 박물관에 있어서 중요한 자료이다. 그러나 이런 자료 확보를 위해서는 설문조사에 많은 노동력, 관람객의 적극적인 참여와 노력이 필요하기 때문에 빈번한 조사가 어렵다는 문제점이 있다. 이러한 문제를 해결하기 위해 본 연구는 목걸이형 기기에서 수집한 동선 (위치 및 가속도) 데이터로부터 박물관 관람객의 연령, 성별, 일행, 재방문의사, 관람만족도 등의 구성비를 추론하는 알고리즘을 제안한다. 해당 알고리즘은 동선 데이터로부터 생성된 변수의 경험적 누적 분포 함수 (Empirical Cumulative Distribution Function) 간 최대 거리를 기반으로 한다. 이 외에도 본 연구의 다른 장소에서의 일반화를 위해 박물관에서 제공하는 예상 관람 시간 정보를 이용한 시간 데이터 조정 방법을 제시하였다.
