市役所の窓口の受付記録と曜日・月末・制度の締切から、翌週の時間帯ごとの来庁者数と待ち時間を見込み、窓口の職員配置の案を出す

処理の起点を決める

毎週水曜の夜20時に、定時で動かします。 窓口は17時15分に閉まり、その日の受付記録は夜には締まっています。木曜の朝に係長が一覧を見て、その日のうちに応援を頼めるようにするためです。 応援は前の週に頼めば来てもらえることが多いので、木曜に決めれば間に合います。

月曜にもう一度、同じ処理を軽く動かします。 先週の金曜までの実績で、その週の見込みを出し直すだけで、モデルの学び直しはしません。週の途中で臨時の通知が出た場合は、主任がボタンで動かし直します。

モデルの学び直しは、四半期に1回にします。 毎週学び直すと、同じ曜日の見込みが週ごとに上下して、先週の見込みと今週の見込みが比べられなくなります。 年度の切り替わり（3月と4月）だけは、転入・転出の動きが大きいため、前の年度の同じ時期の記録が入っていることを確かめてから見込みます。

入力データを集める

質を決めるのは、3行目の締切の暦です。 保険証の更新や申請の期限、通知の発送日は、窓口が混む理由のうち、曜日や月末では説明できない部分を持っています。暦に載っていない締切の前の週は、モデルにとってはふつうの週です。通知を送った日と、その通知が何についての通知かを、主任が毎回書きます。

受付記録に、住民の名前や手続きの中身は要りません。 使うのは窓口の種類と3つの時刻だけです。書き出しの段階で、番号と時刻以外の列を外します。

データの取得方法を決める

受付システムからは、前の週までの記録を毎週CSVで書き出します。 書き出しの形は機種によって違うため、最初に1回、どの列が発券・呼び出し・終了の時刻かを主任と確かめ、列の対応表を作ってから取り込みます。API で取れる機種なら API を使いますが、CSVの書き出しで足ります。

来庁者数は、発券の時刻で数えます。 呼び出しの時刻で数えると、混んで待たされた人が後ろの時間帯にずれ、混んだ時間帯ほど来庁者が少なく見えます。

手続きの時間は、窓口ごとに分布のまま持ちます。 住民異動の手続きは、転入と転居で時間がまったく違います。平均の1つの値にすると、長い手続きが続いたときの待ち時間を小さく見積もります。 過去3か月の記録から、時間帯ごとの分布を作ります。

1人が番号札を2枚取ることもあります。 転入の届出のあとに証明書を取る住民は、2つの窓口の番号札を続けて取ります。2枚目の番号札は、1枚目の手続きが終わった直後に発券されることが多いため、来庁者数としては2つの窓口の両方に数え、窓口どうしの流れとして別に集計しておきます。

AIへ渡す前に整形する

1. 列の対応と型のそろえ … 時刻を日時の型にし、窓口の種類の名前を表記ゆれの無い形にそろえます
2. 取消と呼び出し漏れの扱い … 発券後に呼び出されずに帰った番号は、来庁者数には数え、手続きの時間からは外します
3. 30分ごとの集計 … 開庁時間を30分ごとに区切り、窓口ごとの発券の数を数えます。来庁が0件の時間帯も0として行を作ります
4. 暦の特徴を作る … 曜日、月末から数えた営業日、月初から数えた営業日、祝日の翌営業日か、連休明けか、締切までの営業日の数、通知の発送からの営業日の数
5. 特殊な日の印 … システムの障害、災害、庁舎の工事、臨時の休日開庁の日に印を付け、学習から外します
6. 前年の同じ曜日の値 … 「前年の同じ週」ではなく、前年の同じ月の同じ週目・同じ曜日の件数を特徴にします

3番目の「0件の時間帯も行を作る」を軽く見ないでください。 来庁が無かった時間帯の行が無いと、モデルはどの時間帯にも誰かが来ると学びます。閉庁間際の見込みが多めに出て、人を余らせます。

6番目は、第3章の（c）への答えです。 前年の同じ週は、曜日がずれていれば比べられません。「前年の同じ月の第2月曜」のように並べれば、曜日のずれが消えます。

学習と検証は、時間の順で分けます。 scikit-learn の TimeSeriesSplit は時間順のデータの分け方を作るもので、ほかの分け方では未来のデータで学習して過去のデータで評価することになるとされています。分割数の既定は5で、gap で学習用の末尾と検証用の間を空けられます。翌週を見込むモデルなので、gap を1週間分にします。

AIに処理させる

この構成の「AI」は、来庁者数の見込みだけです。 待ち時間と人数は、見込みと手続きの時間から計算で出します。

来庁者数の見込みには、scikit-learn の HistGradientBoostingRegressor を使います。 損失の関数に poisson を選べるので、0以上の件数を見込むのに向いています。 quantile を選び、quantile に0.8を指定すれば80％点の見込みになります。窓口の種類をカテゴリの特徴として入れることができ、既定の from_dtype では、データフレームの列の型がカテゴリなら自動でそう扱われます。欠けた値（NaN）もそのまま扱えますので、前年の値が無い新しい窓口の行も落とさずに済みます。

窓口ごとに別のモデルを作るのではなく、1つのモデルに窓口の種類を入れます。 証明書の発行のように件数の多い窓口と、戸籍の届出のように少ない窓口を1つのモデルで学ばせると、少ない窓口でも、曜日や月末の効き方を件数の多い窓口から借りられます。

待ち時間は、30分ごとに順に計算します。 時間帯の初めに残っていた人数に、見込みの来庁者数を足し、職員の人数と手続きの時間の分布から、その30分で終わる人数を引きます。残った人数を次の時間帯に持ち越すので、朝の混雑が昼まで尾を引く様子も出ます。 手続きの時間の分布から何度もくじを引くように計算し、待ち時間の目安を出します。

1行目がいちばん起きやすい失敗です。 人数の案を勤務表に自動で書き込むと、休暇を取る予定の職員が窓口に入った勤務表ができあがります。この構成は人数までにとどめ、誰を座らせるかは係長が決めます。

指示内容を固定する

この構成は生成AIを使わないため、指示は Python の設定ファイルに書きます。 何をどう見込むかを、係長と主任が読める形で残すためです。

# 窓口の来庁者数の見込みの設定（counter_forecast.yaml）

対象の窓口: [住民異動, 戸籍, 証明発行, 国保年金, 税証明, マイナンバーカード]
時間の刻み: 30分
開庁時間: "08:30-17:15"   # 休日開庁・延長の日は開庁の表を優先する

見込み:
  平均:   {loss: poisson}
  多め:   {loss: quantile, quantile: 0.8}
  学習の期間: 直近の24か月
  学び直し: 四半期に1回（1月・4月・7月・10月の第1週）
  検証: TimeSeriesSplit（n_splits=5, gap=1週間分）

特徴:
  - 曜日
  - 月末から数えた営業日 / 月初から数えた営業日
  - 祝日の翌営業日か / 連休明けか     # 内閣府のCSVから作る
  - 締切までの営業日の数（窓口ごと）   # 課の締切の暦から作る
  - 通知の発送からの営業日の数
  - 前年の同じ月・同じ週目・同じ曜日の件数（無ければ空のまま）

待ち時間:
  手続きの時間: 窓口ごと・時間帯ごとの過去3か月の分布
  目標: {住民異動: 20分, 証明発行: 10分, その他: 15分}
  人数の探索: 1人から予定人数＋3人まで

守ること:
  - 来庁が0件の時間帯も行を作る。欠けた時間帯を前後の値で埋めない
  - 印の付いた特殊な日（障害・災害・工事）は学習に使わない
  - 多めの見込みが平均を下回った行は、並べ替えずに印を付けて人に見せる
  - 受付記録の窓口・番号・時刻以外の列は読み込まない
  - 人数の案は勤務表に書き込まない。一覧に出すだけにする

「欠けた時間帯を前後の値で埋めない」を設定に書くのは、第7章の前処理の3番目を守るためです。 書いておかないと、集計を直した担当者が善意で埋めます。埋めると、閉庁間際の見込みが毎週多めに出ます。

「多めの見込みが平均を下回った行に印を付ける」は、2本のモデルを別々に作ると起きることへの備えです。 黙って並べ替えると、見込みの不安定な時間帯があることに誰も気づきません。

出力形式を固定する

配置の一覧を、次の形のJSONと、それを表にしたものの2つで出します。

{
  "week_start": "2026-10-12",
  "counter": "住民異動",
  "model_version": "2026Q4",
  "slots": [
    {
      "date": "2026-10-13",
      "time": "09:00",
      "visitors_mean": 0.0,
      "visitors_p80": 0.0,
      "wait_minutes_at_planned": 0,
      "staff_planned": 0,
      "staff_needed_p80": 0,
      "shortage": 0,
      "drivers": ["連休明け", "月初2営業日目"],
      "flag": ""
    }
  ],
  "last_week_review": { "over_p80_rate": 0.0, "slots": 0 },
  "notes_by_staff": [],
  "decision": { "staff_final": [], "support_requested": [], "reason": "" }
}

slots は Python が埋め、notes_by_staff は主任が、decision は係長が書きます。drivers には、その時間帯の見込みが多めになった理由として、特徴の名前をそのまま入れます。

1つ目の理由は、見込みと判断を同じ記録に並べられることです。 staff_needed_p80 と decision の staff_final を並べれば、機械の案より少なく配置した時間帯で、実際に待ち時間が延びたかを後から確かめられます。

2つ目は、drivers で係長が見込みを読めることです。 「この火曜の朝が多めなのは、連休明けで、保険証の更新の締切の3営業日前だから」と分かれば、係長は自分の経験と照らして見込みを受け入れるか決められます。 理由の無い数字は、経験のある係長ほど信用しません。

3つ目は、last_week_review で見込みの確かさが毎週見えることです。 over_p80_rate が0.2から大きく離れていれば、多めの見込みが多めになっていません。その窓口の見込みは、参考程度に扱います。

システムへ連携する

受付システムへは何も書き込みません。 番号札の発券や呼び出しの設定は、窓口の運営そのものです。見込みが外れたときに、受付の仕組みまで巻き込まないためです。

庁外のサービスにはデータを送りません。 祝日のCSVを取りに行く以外は、庁内のパソコンかサーバーで計算が終わります。受付記録を庁外に出さない構成にしておくと、情報政策の担当との相談が短く済みます。

人が確認する

係長は、毎週木曜に6窓口の一覧を必ず見ます。

1. 振り返りを先に見る … over_p80_rate が大きく離れた窓口は、今週の見込みも割り引いて読みます
2. 暦に無い事情を確かめる … 主任が書き足した事情（臨時の通知、庁舎の工事、近くの施設の催し）を見て、見込みを上下させるかを決めます
3. 人数の案と勤務表を照らす … shortage が出た時間帯について、席を動かすか、後ろの事務から人を回すか、応援を頼むかを決めます
4. 決めた配置を書く … decision に最終の人数と応援を書き、案と違う場合は理由を一言残します

2番目を省かないでください。 臨時の給付の通知を送った週は、過去の記録に似た週がありません。 モデルはその週をふつうの週と見ます。担当者が書き足さないかぎり、見込みは少なめに出ます。

係長が不在の週は、代わりに決める人を前もって決めておきます。 一覧が出ても、決める人がいなければ応援は頼めません。一覧を見る人と、決める人の順番を、勤務表と同じ場所に書いておきます。

目標は、1窓口あたり35分です。 振り返りの確かめが数分、事情の書き足しと人数の検討が20分前後、配置の記録と応援の連絡が10分前後です。

例外に対処する

上の2行は、運用の最初の数か月で必ず起きます。 どちらも見込みを止める理由にはしませんが、どの週の実績まで取り込んだかを一覧に書かないと、古い見込みが新しいものに見えます。

記録を残す

• 毎週の受付記録のCSV（窓口・番号・時刻の列だけ）と、取り込んだ日時
• 祝日のCSVと締切の暦の、そのときの版
• モデルの版、学習の期間、検証の結果
• 窓口ごと・30分ごとの見込み（平均と多め）、待ち時間の目安、人数の案
• 主任が書き足した事情と、係長が決めた配置と理由（decision）
• 先週の見込みと実際の来庁者数・実際の待ち時間の比べ

最後の行は、四半期ごとの学び直しの材料になります。 多めの見込みを超えた時間帯が特定の締切の前に集まっていれば、その締切の効き方をモデルが学べていないということです。締切の暦の書き方を見直します。