Loop'n — 1000以上のアトラクションでの混雑予測ML

背景

Loop’nはテーマパーク来場者向けのアプリ：リアルタイム情報、来園プラン作成支援、待ち時間予測。ユーザー側の約束はシンプル——「このアトラクションは何時に乗るべき？」——ですが、それを支えるには世界規模で耐えるデータパイプラインが必要です。

制約条件：来場行動が大きく異なる数百のテーマパークをカバーすること、数時間で状況を一変させる天候データを統合すること、そしてユーザー側で実用的であり続けること（遅すぎる予測は無価値）。

担当した役割

ML開発者。Pythonで混雑予測システムを設計・運用しました。

構築したもの

• 予測モデル：データ整形にPandas、時系列にFacebook Prophet。実用的な選択——Prophetは複数の季節性（曜日、学校休暇、パークイベント）を重いチューニングなしに吸収できる
• カバレッジ：世界1000以上のアトラクション、アトラクション単位で調整されたモデル
• 日中の継続的アップデート：現在の天候、イベントキャンセルなどのシグナルが、夜間バッチを待たずに予測を更新
• パークの運用データとの統合：利用可能な場合は使用、なければプロキシデータでフォールバック

難所：Prophetは立ち上げは簡単でも、モデルが1000を超えると産業化が難しい。各モデルの細かいチューニングよりも、予測のモニタリング規律（ドリフト、異常検知）の方が重要。

成果

システムは本番でアプリを支えています。1000以上のアトラクションをカバー、予測は日中も更新。パーク単位でドリフトを検出するための予測可観測性に長期的に取り組みました。