Who（誰が）
祭り・花火大会等を主催する市区町村・実行委員会、および警備員を派遣する警備会社の配置計画責任者と現場責任者が主な利用者である
対象とする社会課題：祭り・花火大会での群衆事故を防ぐ警備計画をAIの人流予測で最適化する
社会の役に立ち、しっかり儲かる。その両立が、この計画には数字で示されています。
祭りや花火大会の警備計画は、今も役場の担当者一人が過去の配置図をExcelで使い回して作っている。想定を超える人出が来た瞬間、その計画は根拠を失う。明石市歩道橋事故も梨泰院事故も、人流の集中を事前に読めなかったことが引き金だった。人手と経験だけに頼る仕組みを、データに基づく再現可能な計画へ変えることが、群衆事故を構造から減らす唯一の道だと考えている。
※ この4つの数字は、見せるために作った数字ではありません。「事業計画」タブの10年計画とまったく同じ計算から出しています。EXIT（売却）時の手取りだけは「もし売れたら」の試算で、約束できる金額ではありません。
10年の事業計画も、創業融資500万円の申請資料も、システムの要件定義書も、最初の90日の段取りも——ぜんぶこのページにあります。足りないものはAIチャットが伴走しながらその場で作り、システム開発・専門家・投資家への橋渡しまで、このサイトの中で進められます。「やりたい」と思ったその日から、始められる状態です。
ボタンを押すとAIチャットが開き、雑踏AIの事業内容を読み込んだ状態で素案を作成します。祭り・花火大会の警備計画をAIで最適化するという強みを、そのまま各資料の文面に反映できます。
※ ボタンを押すと確認のポップアップが出ます。「はい」を選ぶとAIチャットが新しいタブで開き、 この事業の内容を踏まえた作成指示が自動で送られます（あなたが文章を打ち込む必要はありません）。 どのボタンを出すかは事業の性質でAIが出し分けます。生成にはAIチケットを使用します。
あなたの経歴とこの事業のフィットをAIが診断します。活きる強み、足りないもの、 共同創業者に求める人物像まで示します。
無料会員登録して診断する登録済みの経歴をもとに、この事業とのフィットを診断します。経歴・スキルの内容はAI相談・AIチャットの回答にも反映されるため、最新の内容に更新しておくとより精緻なアウトプットが得られます。
💡 このショーケースをお気に入り登録すると、あなたのAIチャットがお気に入り登録した事業の情報を学習し、より賢く、具体的な提案ができるようになります。
※ AIによる参考意見です。合否や成否を保証するものではありません。経歴・スキルの登録内容は、この診断やAI相談・AIチャットの回答精度にも影響します。
「雑踏AI」は、祭りや花火大会を主催する自治体・実行委員会と、警備員を派遣する警備会社向けのAI警備計画SaaSです。
担当者はWeb管理画面に会場図面・出店位置・過去の来場者数を入力するだけで、AIが過去5年分の人流データやSNS投稿数、気象予報、鉄道増便情報を解析し、時間帯別・エリア別の混雑度ヒートマップと警備員の最適配置案を自動生成します。警備会社の責任者はチャット画面で「この交差点を歩行者専用にしたら混雑はどう変わるか」と質問しながら配置を調整できます。当日は定点カメラ映像をAIが解析し、1㎡あたり4人を超える危険水準に近づくとスマホに即時アラートが届き、迂回誘導などの対応を促します。従来1〜2週間かかっていた計画策定を数日に短縮し、経験と勘に頼っていた警備計画をデータに基づく再現可能なプロセスに変えます。
国内では年間数千件の祭り・花火大会・初詣等の雑踏イベントが開催されるが、警備計画の多くは主催者と警備会社の経験と勘に依存しており、過去の来場者数や配置図をExcelで作る旧態依然の手法が主流である。
明石市歩道橋事故(2001年、死者11名)や韓国・梨泰院事故(2022年、死者159名)のように、想定を超える人流集中が起きると誘導員配置の遅れが致命傷になる。特に人口5〜30万人規模の地方自治体では、警備計画を専門に立てられる人材が役場に1〜2名しかおらず、毎年同じ配置図を流用しているケースが少なくない。警備会社側も配置人数の根拠を天候・過去実績の目算で決めており、過剰配置によるコスト増か過少配置による事故リスクのどちらかに偏りがちである。SNS上の事前告知やインフルエンサー投稿による急激な来場者増加を事前に織り込む仕組みがなく、当日になって初めて異常事態に気づくことが多い。結果として、主催者・警備会社・警察のいずれも「経験ベースの警備計画」から抜け出せず、群衆事故のリスクが構造的に放置されている。
①事前予測フェーズでは時系列予測モデル(過去来場者数・SNS言及数・気象データ・交通機関データを特徴量とする勾配ブースティング/LSTM系モデル)が時間帯別エリア別の来場者数を予測する。
②配置最適化フェーズでは予測人流を制約条件とした数理最適化(整数計画法)により、警備員数・配置場所・誘導動線を自動算出し、対話型AI(LLM)が「What-ifシミュレーション」を自然言語で受け付けて再計算する。③当日監視フェーズでは画像解析AI(群衆密度推定モデル)が定点カメラ映像から密度・流速を推定し、異常検知アルゴリズムが危険信号をリアルタイム判定してアラートを生成する。④事後フェーズでは実績データと予測のズレを回帰分析し、モデルの自動再学習によって翌年以降の予測精度を継続的に向上させる。
主催者(自治体・実行委員会)がイベント概要(会場図面、出店位置、過去来場者数、開催日時)をWeb管理画面に入力すると、AIが過去5年分の人流データ、SNS投稿数の推移、気象予報、鉄道・バスの増便情報を解析し、時間帯別・エリア別の来場者数予測と混雑度ヒートマップを自動生成する。
生成された予測をもとに、AIが警備員の最適配置案(何名をどの交差点・出入口に何時から配置するか)と誘導動線案を最適化アルゴリズムで提案し、警備会社の責任者はチャット型AIに「この交差点を歩行者専用にしたら混雑はどう変わるか」等を対話形式で質問しながらシミュレーションを繰り返して計画を確定する。当日は会場に設置した定点カメラ・スマホ位置情報(オプトイン)の映像をAIがリアルタイム解析し、密度が危険水準(1㎡あたり4人以上等)に近づいたエリアを検知すると、警備本部と現場責任者のスマホに即時アラートと推奨対応(規制強化・迂回誘導)を通知する。イベント終了後はAIが実績人流データと計画のズレを自動分析し、次回計画のための精度改善レポートを自動生成する。これにより、警備計画の立案が属人的な経験則から、データに基づく再現可能なプロセスへと変わる。
| 過剰配置による警備員人件費の無駄(目算による安全マージン積み増し分、日当1.5万円/人×平均10〜15名分) | 年間150万円〜300万円程度の想定 |
| 警備計画立案にかかる職員・委託の人件費(時間外労働・外部コンサル依頼) | 年間30万円〜80万円程度の想定 |
| 当日の急な人流集中に伴う緊急追加動員コスト(直前手配の割増料金) | 1イベントあたり10万円〜50万円程度の想定 |
| 群衆事故発生時の賠償・訴訟対応・信用失墜による機会損失リスク | 発生時数千万円〜数億円規模(明石市事故の賠償総額約5.6億円が目安) |
| 自治体向け年間SaaS利用料(人口10万人規模・スタンダードプラン) | 年額90万円程度 |
| 警備会社向け配置最適化オプション(API利用料・1イベントあたり) | 1イベントあたり10万円程度 |
| 当日リアルタイム監視オプション(1イベントあたり) | 1イベントあたり50万円程度 |
この事業をやっている人のある1日、1年後・3年後・10年後の姿、向いている人・向いていない人、よくある質問……
あなたと事業の詳細は無料会員限定です。
時間軸別に、各チャネルの具体施策と、それをAIでどうプロンプティングして実現するかをセットで。
上記の施策をもとに、広告物の作成業者（マーケ会社）への紹介をご希望の場合はこちらからエントリーできます。
マーケ会社の紹介を希望する※ 紹介のお申し込み窓口はマイページの「業者・士業・投資家の紹介」に一本化しています。AIチャットが内容をヒアリングし、具体的な段階になったら運営が個別におつなぎします。
この事業に必要なアプリを作るための仕様です。下のボタンでWordに書き出せば、そのまま開発会社への相談・見積の依頼に使えます。
※ このボタンは、このページに載っている内容をそのままWordファイルに書き出します（AIは使いません。すぐ保存できます）。 ページの上のほうにある「ほしい資料を、その場でAIがつくります」の要件定義書のボタンは、AIチャットがあなたのご要望を聞きながら、そのつど書き起こすものです。 すでにある内容をそのまま渡したいときはこちら、作りたい範囲や条件を相談しながら仕上げたいときはAIチャットをお使いください。
人口5〜30万人規模の自治体では警備計画を専門に立てられる職員が役場に1〜2名しかおらず、毎年同じ配置図をExcelで流用しているのが実情である。
警備会社側も配置人数を天候や過去実績の目算で決めており、過剰配置によるコスト増か過少配置による事故リスクのどちらかに偏りがちである。明石市歩道橋事故や梨泰院事故のように、SNS告知による急激な来場者増を事前に織り込む仕組みがないまま当日を迎え、想定超の人流集中に気づいた時には手遅れになるケースが後を絶たない。属人的な経験則から抜け出し、過去データとリアルタイム監視に基づく警備計画へ切り替える仕組みが求められている。
MVP開発(予測エンジン・配置最適化・管理画面)は要件の変更が予測モデルの精度検証結果次第で発生しやすいため、準委任契約でPoCフェーズから段階的に仕様を確定させる進め方が向く。
当日監視のリアルタイムアラート機能や自治体向け画面など仕様が固まった部分は、請負契約で納期とスコープを明確にして発注する方がコスト管理しやすい。発注時は人流予測精度(±10〜20%以内)を成果物の受け入れ基準に含めると認識齟齬が生じやすいため、精度目標はKPIとして別途モニタリング条項に切り出し、開発契約の検収条件からは外すことを推奨する。また画像解析・位置情報データを扱う工程は個人情報保護法対応の要件定義を契約前に別途すり合わせる必要がある。
| 区分 | 想定利用者 |
|---|---|
| プライマリ | 自治体・実行委員会の警備計画担当者(人口5〜30万人規模の市区町村役場職員、多くは1〜2名体制) |
| セカンダリ | 警備会社の配置責任者・現場隊長(綜合警備保障、セコム系地域代理店、中堅警備会社) |
| 管理 | 雑踏AI運営側のカスタマーサクセス担当者およびシステム管理者(契約プラン管理・モデル精度監視を担当) |
| 機能 | 入力 / 処理 / 出力 |
|---|---|
| イベント概要登録機能 | 会場図面・出店位置・過去来場者数・開催日時を入力→DB保存→登録完了通知を出力 |
| 人流予測モデル実行機能 | 過去来場者数・SNS投稿数・気象予報・交通増便情報を入力→時系列AIで解析→時間帯別エリア別来場者数予測を出力 |
| 混雑度ヒートマップ生成機能 | 予測来場者数データを入力→エリア別密度を算出→混雑度ヒートマップ画像を出力 |
| 警備員配置最適化機能 | 予測人流・警備員数上限を入力→整数計画法で演算→配置人数・場所・時間帯案を出力 |
| What-ifチャットシミュレーション機能 | 自然言語での質問を入力→LLMが条件変更を反映し再計算→シミュレーション結果を回答 |
| 誘導動線案生成機能 | 会場図面と配置案を入力→動線最適化アルゴリズムで演算→誘導動線図を出力 |
| 定点カメラ映像解析機能 | 定点カメラ映像を入力→群衆密度推定モデルで解析→エリア別密度・流速数値を出力 |
| リアルタイム異常検知アラート機能 | 密度・流速数値を入力→閾値判定アルゴリズムで判定→危険エリア検知とスマホ通知を出力 |
| 推奨対応提案機能 | 検知された危険情報を入力→対応ルールAIが判定→規制強化・迂回誘導の推奨案を出力 |
| 事後精度検証レポート生成機能 | 実績人流データと予測値を入力→回帰分析でズレを算出→精度改善レポートを自動出力 |
| モデル自動再学習機能 | 蓄積された実績・ヒヤリハットデータを入力→再学習パイプラインで処理→更新済み予測モデルを出力 |
| テーブル | 主要カラム |
|---|---|
customers | customer_id, name, type(自治体/警備会社), address, contact_person, phone |
contracts | contract_id, customer_id, plan_type, start_date, end_date, monthly_fee, status |
venues | venue_id, name, address, layout_map_url, area_sqm, entrance_count |
events | event_id, customer_id, venue_id, name, event_date, start_time, end_time, expected_visitors |
visitor_data | record_id, event_id, area_id, timestamp, actual_count, predicted_count, data_type, source |
staff_allocations | allocation_id, event_id, area_id, staff_count, start_time, end_time, role |
cameras | camera_id, venue_id, area_id, install_position, status |
incident_alerts | alert_id, event_id, camera_id, timestamp, density_value, alert_level, response_action, resolved_flag |
| # | 画面 |
|---|---|
| 1 | ダッシュボード(イベント一覧) |
| 2 | イベント登録・会場図面入力 |
| 3 | 人流予測ヒートマップ表示 |
| 4 | 配置最適化シミュレーション |
| 5 | チャット型AI相談画面 |
| 6 | 当日リアルタイム監視画面 |
| 7 | 事後分析レポート画面 |
| # | 技術（採用理由） |
|---|---|
| 1 | Python(FastAPI) - 予測・最適化APIの実装基盤として採用 |
| 2 | LightGBM - 時系列人流予測の勾配ブースティングモデルに採用 |
| 3 | PyTorch(LSTM) - 時系列人流予測の深層学習モデルに採用 |
| 4 | OR-Tools - 警備員配置の整数計画法最適化に採用 |
| 5 | OpenAI API(GPT-4系) - チャット型What-ifシミュレーション対話に採用 |
| 6 | OpenCV+CSRNet系モデル - カメラ映像の群衆密度推定に採用 |
| 7 | AWS(EC2/S3/RDS/IoT Core) - インフラ・エッジデバイス連携基盤に採用 |
| 区分 | 要件 |
|---|---|
| 可用性 | 可用性: 当日監視オプション稼働時間帯は稼働率99.9%以上を保証する（計画停止を除く） |
| 性能 | 性能: カメラ映像取得からアラート判定完了まで5秒以内とする |
| セキュリティ | セキュリティ: 位置情報はオプトイン取得し、k匿名性k≥10を満たす統計形式のみ保存する |
| スケーラビリティ | スケーラビリティ: 契約自治体150団体・当日監視イベント最大50件の同時稼働に対応する |
| データ保持 | データ保持: 人流・警備実績データは5年間保存し、契約終了後90日以内に削除する |
| 運用 | 運用: モデル再学習はイベント終了後72時間以内に完了し次回計画に反映する |
| 段階 | まず何を作るか | 概算費用 |
|---|---|---|
| ①手動検証 | 過去の花火大会の来場者数・配置図をExcelで集め、担当者へのヒアリングと合わせて人手で人流予測と配置案を作り、AIなしでも需要があるか確かめる。 | 交通費とヒアリング用の資料作成費だけで済む水準 |
| ②最小システム | 数自治体分のデータで予測モデルとWeb管理画面の試作を作り、時間帯別の混雑予測と配置案を自動で出せるか検証する。 | 外注または自社エンジニアで数か月分の人件費とAI利用料の水準 |
| ③本開発 | 画像解析によるリアルタイム密度検知とアラート機能を組み込み、複数自治体・警備会社が同時に使える本番SaaSとして仕上げる。 | 開発体制を拡充し、定点カメラ等のハードウェア費も含めた本開発規模の費用 |
上記の要件定義書をもとに、システムベンダー（開発会社）への紹介をご希望の場合はこちらからエントリーできます。
システムベンダーの紹介を希望する※ 紹介のお申し込み窓口はマイページの「業者・士業・投資家の紹介」に一本化しています。AIチャットが内容をヒアリングし、具体的な段階になったら運営が個別におつなぎします。
10年の収支と資金の集め方、財務、KPI、資本政策、そして図解付きのフル事業計画書・AI実装仕様書……
事業計画の詳細は無料会員限定です。
市場の前提（ボトムアップ試算）とTAM/SAM/SOMの規模感……
市場規模の詳細は無料会員限定です。
競合となるサービス・企業と、この事業ならではの差別化ポイント……
競合企業の詳細は無料会員限定です。
対応が必要な許認可・法規制と、確認すべき相手先・想定調整期間……
関連法令・許認可の詳細は無料会員限定です。
手を挙げたその日から動けるように、完了条件つきで並べています。
| 誰に会うか | なぜ会うか | 接触の仕方 |
|---|---|---|
| 人口5〜30万人規模の市区町村の防災安全課長または観光振興課長 | 祭り・花火大会の警備計画予算と意思決定権を持つ実務担当者だから | 自治体の危機管理部門に電話し防災訓練・イベント警備の担当者紹介を依頼 |
| 中堅警備会社(綜合警備保障・セコム系列以外の地域警備会社)の警備計画部門責任者 | 配置図作成の現場課題を把握し、API連携先として最初の実証相手になるため | 全国警備業協会加盟企業リストから地方拠点に直接電話・訪問アプローチ |
| 都道府県警察本部の生活安全課または地域課の雑踏警備担当者 | 雑踏事故防止の許認可・現場運用の実態と規制要件を把握するため | 警察庁の生活安全企画課経由、または自治体の防災担当課からの紹介依頼 |
| 花火大会・祭りの実行委員会事務局長(商工会議所・観光協会内に設置されるケースが多い) | 現場の配置図運用・過去のヒヤリハット事例を最も具体的に知る当事者だから | 観光協会・DMOの祭りイベント担当窓口に問い合わせ紹介を受ける |
| 大学の群集行動研究室・都市工学系研究室の教授 | 予測モデルの精度検証・学術的裏付けと共同研究先としての信頼性確保のため | 群集シミュレーション学会・土木学会の論文著者リストから直接メール連絡 |
| チャネル（目標件数） | 声のかけ方 |
|---|---|
| 地域の祭り実行委員会・役場の観光課 | 「来年の花火大会の警備計画を、AIの人流予測で一緒に見直しませんか」と観光課経由で声をかけ、無料で試作の予測レポートを渡して感想をもらう。 |
| 中堅警備会社の地域代理店 | 「配置図づくりの手間を減らせるか試してほしい」と現場責任者に声をかけ、過去の配置図とAIの提案を見比べてもらう。 |
| 都道府県警察の生活安全課・観光協会 | 「雑踏事故対策の相談材料として使えるか意見をもらいたい」と担当者に持ち込み、過去の事故事例をもとに予測精度の感想を聞く。 |
| 大学の群集行動研究室 | 「予測モデルの検証に協力してほしい」と教員に相談し、過去の人流データを使った予測結果の答え合わせを一緒にやってもらう。 |
対応が必要な許認可・法規制の詳細は「関連法令」タブでご確認いただけます。着手前に必ずご確認ください。
制度名・金額・要件は年度ごとに変わるため、ここでは種別と公式の探し先だけを示します。必ず一次情報で最新の要件を確認してください。
| 種別 | 特徴 |
|---|---|
| 自己資金・身内からの出資 | 最初の検証（ヒアリング・試作）はここで賄えることが多い。 |
| 日本政策金融公庫の創業融資 | 実績のない創業期でも相談できる公的融資。事業計画書の提出が要る。 |
| 自治体の創業支援制度 | 市区町村・都道府県ごとに補助・利子補給・家賃補助などがある。要件と募集時期は年度で変わる。 |
| 国の中小企業向け補助金 | 設備・販路開拓・IT導入などの類型がある。公募期間が短いので、常設の情報源で追う。 |
| エンジェル投資家・ベンチャーキャピタル | 急成長を前提にする資金。社会課題型では投資家の性格を選ぶ必要がある。 |
| 確認先 | 何がわかるか |
|---|---|
| ミラサポplus（中小企業庁） | 補助金・支援制度の横断検索 |
| J-Net21（中小機構） | 支援策・創業手引きのデータベース |
| 地域の商工会議所・よろず支援拠点 | 無料の対面相談。申請書の書き方まで見てもらえる |
| 日本政策金融公庫の各支店 | 創業計画書の事前相談 |
| 制度 | 誰が使えるか | この事業でどう効くか |
|---|---|---|
| 日本政策金融公庫 新創業融資制度 | 法人設立から間もない代表者（実績・担保が少ない創業者向け） | 設立直後の運転資金・システム開発資金の当座を支える基本の融資。この事業では創業融資の合計 500万円 を前提に、着金までの数か月をどう乗り切るかの設計が要になる。 |
| 東京都中小企業振興公社 創業助成事業 | 都内で創業予定・創業から一定期間内の中小企業者 | 融資と別枠の返済不要の助成金で、Web管理画面やAIモデルの開発費・人件費の一部に充てられる可能性がある。自己資金 100万円 を補う手段として候補になる。 |
| ものづくり・商業・サービス生産性向上促進補助金（ものづくり補助金） | 中小企業・小規模事業者（サービス開発型の申請枠あり） | 人流予測モデルや画像解析基盤の試作開発費の一部を補助対象にできる可能性があり、本開発フェーズの費用負担を軽くする候補になる。 |
| NEDO Entrepreneurs Program（NEP） | 研究開発型・AI活用型のシード期スタートアップ | 時系列予測モデルや群衆密度推定モデルの技術検証費を対象にできる可能性があり、エンジェル投資前の技術リスク検証に使える候補になる。 |
| 消防庁 消防防災科学技術研究推進制度 | 防災・減災に関する研究開発を行う企業・研究機関 | 群衆事故・雑踏事故の防止という防災テーマに直結するため、実証実験段階のデータ収集・モデル検証費の候補になりうる。 |
会社設立の手続きや許認可の取得、契約書の整備など、弁護士・税理士・司法書士等の専門家への紹介をご希望の場合はこちらからエントリーできます。
専門家の紹介を希望する※ 紹介のお申し込み窓口はマイページの「業者・士業・投資家の紹介」に一本化しています。AIチャットが内容をヒアリングし、具体的な段階になったら運営が個別におつなぎします。
本文中の「※1」「※2」の番号は、ここに対応しています。番号を押すと、この欄に飛びます。
地域活性化・公共安全の領域に取り組む仲間がコミュニティにいます。ひとりで抱え込まず、同じ課題を見ている人と話すところから始められます。
※ バッジは自動集計にもとづく相対表示です