目的地予測システム、目的地予測方法及びプログラム
【課題】良い位置精度を常に得ることが難しい携帯電話等の端末でも目的地を予測できる目的地予測システム、目的地予測方法及びプログラムを提供すること。
【解決手段】本発明は、端末の予測位置とその測定誤差とを検出する位置情報検出手段と、予測位置と測定誤差と地図データベースとに基づいて、端末がどのエリアに属するかを確率的に計算するエリア存在確率検出手段と、日時と、エリアと、日時に端末がエリアに存在する存在確率との履歴情報に基づいて、端末の時系列の移動パタンを検出するエリア存在手段付学習手段と有する。
【解決手段】本発明は、端末の予測位置とその測定誤差とを検出する位置情報検出手段と、予測位置と測定誤差と地図データベースとに基づいて、端末がどのエリアに属するかを確率的に計算するエリア存在確率検出手段と、日時と、エリアと、日時に端末がエリアに存在する存在確率との履歴情報に基づいて、端末の時系列の移動パタンを検出するエリア存在手段付学習手段と有する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、目的地予測システム、目的地予測方法及びプログラムに関する。
【背景技術】
【０００２】
従来、カーナビゲーションの操作の簡易化、より効果的な位置情報サービスを実現するために、運転者は日常生活において同じ経路を移動していることが多いことを利用して、カーナビゲーションの移動履歴から移動軌跡と目的地の関係を学習し、現在までの移動軌跡から自動的に目的地を推測する方法が発明されている。その発明の代表例として、特許文献１のようなものがある。
【０００３】
図９に示すように、この従来の目的地予測システムは、１はユーザが乗った車に搭載されたカーナビ、２はカーナビ１からの要求に応じて情報を提供するためのサーバ、３はカーナビ１とサーバ２とをつなぐ例えばインターネットなどのネットワークである。
【０００４】
カーナビ１において、１１はＧＰＳなどを用いてユーザの車の現在位置に関する情報を検出する位置情報検出部であり、１２は地図情報を記憶する地図データベースである。
【０００５】
１３は位置情報検出部１１によって検出された現在位置と地図データベース１２とを参照して、検出した現在位置が記憶すべき場所であるか否か（後述するノードであるか否か）を判定する記憶位置判定部、１４は現在の日時を検出する日時検出部、１５は記憶位置判定部１３によって現在位置が記憶すべき場所であると判定されたとき、現在位置と日時検出部１４によって検出された現在の日時とを対にして時系列に記憶する移動情報履歴蓄積部である。１６は移動情報履歴蓄積部１５に記憶されている位置と日時の情報（移動情報）の履歴から、時系列の移動パタンを検出する移動パタン検出部であり、１７は所定のイベントが発生したとき、移動パタン検出部１６によって検出された移動パタンからユーザの車の行き先を予測する行動予測部である。
【０００６】
１８は行動予測部１７によって予測されたユーザの行き先に関する情報をネットワーク３を介してサーバ２から取得する情報取得部であり、１９はユーザに対して、情報取得部１８によって取得した情報や地図データベース１２に格納された地図情報を例えば液晶ディスプレイに表示する情報提供部である。
【０００７】
またサーバ２において、２１はカーナビ１に対して情報を送受信するための情報送受信部であり、２２はカーナビ１に対して送信するための情報を記憶している情報蓄積部である。
【０００８】
このような構成を有する従来の目的地予測システムは概略つぎのように動作する。
【０００９】
すなわち、記憶位置判定部１３で出発位置/目的地を車のエンジンのon/offで検出し、その位置を記憶するとともに、出発地〜目的地までの移動の間、地図データベース１２を参照しながら、交差点を通過するたびに通過軌跡として目的地および日時と対応付ける形で移動情報履歴蓄積部１５に保存する。移動パタン検出部１６は、図１０に示したベイジアンネットワークを学習する。なお、図１０中のエリアとは特許文献１においては交差点に該当する。行動予測部１７においては、出発してからの経路と運転者、時間帯などからベイズ推定を行う。
【００１０】
類似した方式は、本特許文献以外にもいくつか提案されている。例えば、非特許文献１においては、エリアとして、空間を正方形に区切ったグリッドと、移動履歴における分岐から分岐までの一辺の両方でモデルを作成し、推定したものもある。
【特許文献１】特許3816068号公報 （段落0020−0039、図１）
【非特許文献１】目的予測型カーナビゲーションシステムのための運転状況を考慮した目的地予測手法、大阪大学、三菱電機株式会社、DEWS2007、E9-5
【発明の開示】
【発明が解決しようとする課題】
【００１１】
ところが，このような方式を携帯電話に適用した場合，以下の問題があった。
【００１２】
第１の問題点は、正確にエリア内に存在していることを判定できないということである。その理由は、携帯電話で測位する場合、(特に屋内に存在する場合において)ＧＰＳの信号を受信できない場合が多く、その場合受信している基地局のＩＤや電界強度などから位置を推定するがその精度が悪いためである。
【００１３】
第２の問題点は、位置の変化などから出発・到着を推定しなければならないということである。その理由は、携帯電話の場合、車と違って、出発・到着のシグナルが与えられないためである。
【００１４】
そこで、本発明は上記課題に鑑みて発明されたものであって、その目的は、良い位置精度を常に得ることが難しい携帯電話等の端末でも目的地を予測できる目的地予測システム、目的地予測方法及びプログラムを提供することにある。
【課題を解決するための手段】
【００１５】
上記課題を解決する本発明は、端末の予測位置とその測定誤差とを検出する位置情報検出手段と、前記予測位置と測定誤差と地図データベースとに基づいて、端末がどのエリアに属するかを確率的に計算するエリア存在確率検出手段と、日時と、エリアと、前記日時に端末がエリアに存在する存在確率との履歴情報に基づいて、端末の時系列の移動パタンを検出するエリア存在手段付学習手段と有する目的地予測システムである。
【００１６】
上記課題を解決する本発明は、端末の予測位置とその測定誤差とを検出し、前記予測位置と測定誤差と地図データベースとに基づいて、端末がどのエリアに属するかを確率的に計算し、日時と、エリアと、前記日時に端末がエリアに存在する存在確率との履歴情報に基づいて、端末の時系列の移動パタンを検出する目的地予測方法である。
【００１７】
上記課題を解決する本発明は、端末の予測位置とその測定誤差とを検出する位置情報検出処理と、前記予測位置と測定誤差と地図データベースとに基づいて、端末がどのエリアに属するかを確率的に計算するエリア存在確率検出処理と、日時と、エリアと、前記日時に端末がエリアに存在する存在確率との履歴情報に基づいて、端末の時系列の移動パタンを検出するエリア存在手段付学習処理とを情報処理装置に実行させるプログラムである。
【発明の効果】
【００１８】
本発明によれば、位置精度が悪い携帯電話等の端末でも目的地を予測できる。
【発明を実施するための最良の形態】
【００１９】
本発明の実施の形態を説明する。
【００２０】
図１は本実施の形態のブロック図である。
【００２１】
図１を参照すると、本実施の形態は、位置情報検出部１１’と、エリア存在確率検出部１０１と、地図データベース１２と、日時検出部１４と、記憶位置判定部１３’と、移動情報履歴蓄積部１５’と、移動パタン検出部１６’と、行動予測部１７’と、情報取得部１８と、情報提供部１９とから構成されている。
【００２２】
記憶位置判定部１３’は、位置属性判定部１３ａを含む。
【００２３】
移動パタン検出部１６’は、エリア存在確率付学習部１６ａを含む。
【００２４】
これらの部はそれぞれ概略つぎのように動作する。
【００２５】
位置情報検出部１１’は、ＧＰＳなどを用いてユーザの携帯電話などの端末の現在位置と測定誤差に関する情報とを検出する。
【００２６】
地図データベース１２には、地図情報が記憶されている。
【００２７】
日時検出部１４は、現在の日時を検出する。
【００２８】
エリア存在確率検出部１０１は、位置情報検出部１１’で検出された現在位置と測定誤差とに基づいて、地図データベース１２で定義されたどの位置(後述するエリア)にどのくらいの確率で存在するかを検出する。
【００２９】
記憶位置判定部１３’は、位置情報検出部１１’によって検出された現在位置および測定誤差と地図データベース１２とを参照して、検出した現在位置が記憶すべき場所であるか否か（後述するエリアであるかどうか）を判定する。
【００３０】
移動情報履歴蓄積部１５’は、記憶位置判定部１３’によって現在位置が記憶すべき場所であると判定されたとき、現在位置と日時検出部１４によって検出された現在の日時とを対にして時系列に記憶する。
【００３１】
移動パタン検出部１６’は、移動情報履歴蓄積部１５’に記憶されている位置と日時の情報（移動情報）の履歴から、時系列の移動パタンを検出する。
【００３２】
行動予測部１７’は、所定のイベントが発生したとき、移動パタン検出部１６’によって検出された移動パタンからユーザの行き先を予測する。
【００３３】
情報取得部１８は、行動予測部１７’によって予測されたユーザの行き先に関する情報を取得する。
【００３４】
情報提供部１９は、ユーザに対して、情報取得部１８によって取得した情報や地図データベース１２に格納された地図情報を例えば液晶ディスプレイに表示する。
【００３５】
位置属性判定部１３ａは、一定時間以上移動しなかった場所を基準に、そこから始めて場所が変化した場合、移動元の場所を出発地と判定し、いったん出発すると、一定時間以上移動しなくなった場所を検出するとそこを到着地と判定し、出発地から到着地までの移動を移動途中の経路と判定する。
【００３６】
エリア存在確率付学習部１６ａは、エリア存在確率検出部１０１で検出された確率つきの位置情報の履歴から、時系列の移動パタンを学習する。
【００３７】
図２は地図データベース１２に格納されたデータの例を示す図であり、本実施形態で参照するデータの一部を抜粋したものである。
【００３８】
本実施形態では、地図を格子状などに区切った領域を「エリア」という概念で表すものとする。図２において、エリアＩＤは、これらエリアに唯一に割り当てられたＩＤ番号（識別情報）を示し、エリア境界を示す緯度・経度情報とともにそれぞれ記憶されている。この例では緯度、経度の大きさに応じてエリアに区切っているが、住所や携帯電話のセルなど違う領域でもよい。その場合も境界を表す緯度経度情報が格納されているものとする。
【００３９】
なお、ＩＤ番号の代わりに、エリアの名称を、各エリアが唯一に特定できるように記述してもよい。すなわち、移動情報履歴蓄積部１５’に蓄積される移動経路において、エリアが特定できればよい。
【００４０】
また、この地図データベース１２は、携帯電話などの端末で管理するものとしたが、例えば携帯電話事業者などが管理するサーバに蓄えられており、携帯電話がサーバに緯度・経度などの位置情報を送信すると、サーバがこれに対応するエリアＩＤを携帯電話に通知するようにしてもよい。
【００４１】
次に、端末を持つ人の移動経路が移動情報履歴として移動情報履歴蓄積部１５’に蓄積される処理の流れについて、図１および図３のフローチャートを用いて説明する。
【００４２】
まず、携帯電話などの端末の電源が入っているかどうか判定し（ステップＳ１１）、電源が入っている場合、以下の処理を実行する。
【００４３】
位置情報検出部１１’は、端末の現在位置を測位する。（ステップＳ１２）。
【００４４】
この測位はＧＰＳ、あるいは受信できる携帯電話基地局のＩＤおよび電界強度から算出される緯度経度情報でもよい。さらに、この測位においては測定誤差も合わせて検出する。例えば、ＮＴＴドコモ社の位置情報サービスにおいては、測定誤差の範囲をレベル１（水平誤差３００ｍ以上）〜レベル３（水平誤差５０ｍ未満）と３段階に通知されるが、それを利用して、レベル３のとき５０ｍ、レベル２のとき３００ｍ、レベル３のとき１Ｋｍなどと指定することができる（参考 http://www.nttdocomo.co.jp/service/imode/make/content/gps/）。
【００４５】
また、測定位置の緯度経度と測定誤差とを送信する別の形態として、端末が存在する可能性のある領域の境界を送る場合がある。例えば、ＮＴＴドコモ社のｉエリアのように、地域が検出される場合は、地域コードと境界位置の緯度経度との対応関係を別途もっておき、検出された地域コードから境界位置をすべて検出する。
【００４６】
携帯電話基地局やＧＰＳ以外の位置検出部として、Ｐｌａｃｅ Ｅｎｇｉｎｅ(http://www.placeengine.com)のように周辺の無線ＬＡＮなどの電波から住所をもとめる方式もあるが、この場合も住所に対応する境界の緯度経度情報の対応を別途もっておき、検出された住所から境界の緯度経度情報を求める。
【００４７】
次に、エリア存在確率検出部１０１において、位置情報検出部１１’が検出した端末の位置のエリア存在確率を計算する（ステップＳ１３）。
【００４８】
この存在確率の計算例を図４に示す。図４では、エリアＡ１〜エリアＡ９の境界は地図データベース１２にて事前に与えられているものとし、位置情報検出部１１’で検出された位置の緯度・経度が図中の×の位置、その誤差の範囲は図中の円で示した領域であるとする。
【００４９】
ここで、それぞれのエリアごとに円の領域が含まれる面積の比、もしくは検出位置（図中の×の位置）を最大としたガウス分布などをもちいた確率密度分布を積分して得られた値などをもとに、位置情報検出部１１’で検出された位置がそれぞれのエリアに含まれる存在確率を算出する。その結果、例えば図４に示すように、エリアＡ２は０．２０、エリアＡ３は０．０５、エリアＡ５は０．６、エリアＡ６は０．１５のような確率が得られる（全部足すと１になることに注意）。
【００５０】
さらに、日時検出部１４で現在時刻を検出し、ステップＳ１３で得られた各エリアに時刻を対応付ける（ステップＳ１４）。
【００５１】
次に、位置属性判定部１３ａは、ステップＳ１５〜ステップＳ１７を実行し、得られた位置が出発地、到着地、移動途中、又はそれ以外のいずれかを判定する。
【００５２】
まず、ステップＳ１３で測位されたエリア確率の時系列変化を見て、移動中かどうか判定する（ステップＳ１５）。これは、現在時刻から過去Ｔ（あらかじめ与えられた時間間隔）の間に位置が検出された点をＯｉ（ｉ＝０…Ｎ：ただし、ｉ＝０のときを現在時刻の位置とし、以下時刻が新しい順にｉ＝１…Ｎとする）、それらの誤差の範囲をＣｉ（ｉ＝０…Ｎ：ｉの番号の振り方はＯｉと同様）とするとき、
を満たす場合、移動中であると判定する。
【００５３】
なお、（式１）の
は、Ｃｉ（ｉ＝０…Ｎ）の重なりの領域の大きさ、
αはあらかじめ定めた定数、
は、Ｃｉ（ｉ＝０…Ｎ)のうち、もっとも領域の小さいものの広さを指す。
【００５４】
ステップＳ１５のもう１つの方法として、携帯電話などの端末に搭載された加速度センサを利用する方法もある。これは、加速度センサによって一定時間以上、加速度センサの出力値の分散が一定以上、振幅が一定以上あった場合は移動中であると判定することもできる。
【００５５】
ステップＳ１５で移動中と判定された場合、その１つ前の位置は停止状態であったか判定する（ステップＳ１６）。これは、上記の位置Ｏｉ（ｉ＝１…Ｎ＋１：ただし、ｉ＝１のときを現在時刻から１つ前に検出された位置とし、以下時刻が新しい順にｉ＝１…Ｎ＋１とする）、それらの誤差の範囲をＣｉ（ｉ＝１…Ｎ＋１：ｉの番号の振り方はＯｉと同様）とするとき、
を満たす場合、その１つ前の位置は停止状態であると判定する。
【００５６】
ここで、ステップＳ１６で、その１つ前の位置は停止状態であったと判定された場合、
を出発地として、Ｏ０とＣ０を移動中の経路としてステップＳ１８の処理を実行する。また、ステップＳ１６で、その１つ前の位置は停止状態でなかったと判定された場合、単にＯ０とＣ０を移動中の経路としてステップＳ１９の処理を実行する。
【００５７】
ステップＳ１５で移動中でないと判定された場合、その１つ前の位置は移動状態であったか判定する（ステップＳ１７）。これは、上記の位置Ｏｉ（ｉ＝１…Ｎ＋１：ただし、ｉ＝１のときを現在時刻から１つ前に検出された位置とし、以下時刻が新しい順にｉ＝１…Ｎ＋１とする）、それらの誤差の範囲をＣｉ（ｉ＝１…Ｎ＋１：ｉの番号の振り方はＯｉと同様）とするとき、
を満たす場合、その１つ前の位置は移動状態であると判定する。
【００５８】
ここで、ステップＳ１７で、その１つ前の位置は移動状態であったと判定された場合、
を到着地として、ステップＳ２０の処理を実行する。また、ステップＳ１７で、その１つ前の位置は移動状態でなかったと判定された場合、何も処理を行わず、ある程度の時間を待って、ステップＳ１２以降の処理を実行する。
【００５９】
次に、移動情報履歴蓄積部１５’に、出発地／到着地の情報、移動中のエリア、およびその際の日時を記憶する（ステップＳ１８〜ステップＳ２１）。
【００６０】
図５、図６は移動情報履歴蓄積部１５’に蓄積された移動情報履歴の例である。図５は、出発地、又は到着地を登録している。地点ＩＤとは、出発地又は到着地を特定するＩＤである。なお、説明の便宜上、出発地と到着地を総称した概念を以降登録地点と呼ぶことにする。図５は、ステップＳ１６、もしくはステップＳ１７で、新しい出発地／到着地が生成されるたびに新しく割り当てられる。
【００６１】
以降、ステップＳ１６で、
が出発地として検出された場合を例にあげて説明する（以降の処理がステップＳ１８に該当）。
とし、過去に同様にして得られた登録地点をＣＭ−ｊ（ｊ＝１…Ｌ)とすると、すべてのｊについて、
が成立するとき、新しい登録地点として、図５で示されたリストにＣＭ−ＮＥＷを登録する。この場合、中心北緯、東経は、Ｏｉ（ｉ＝１…Ｎ＋１：Ｃｉに対応する検出位置）の重心の北緯、東経を記憶する。誤差の範囲は、ＣＭ−ＮＥＷと同等の面積をもつ円の半径を算出し、その円の半径の長さを記憶する。累積滞在時間は、ＯＮ＋１が検出されてからＯ１が検出されるまでの時間間隔を記憶する。
【００６２】
すべてのｊについて（式４）が成立しない場合は、
を満たすｊが少なくとも１つは存在するが、このときは、
が最大となるＯＭ−ｊを求め、
を従来の登録地点に上書きする形で保存する。ただし、図５で記憶するには、
は形状が複雑で難しいことから、以下に示すように、
を円で近似して記憶する。
【００６３】
ＯＭ−ＮＥＷをＯｉ（ｉ＝１…Ｎ＋１：Ｃｉに対応する検出位置）の重心とし、ＯＭ−ｊをＣＭ−ｊに対応する各検出位置の重心とし、ＯＭ−ＮＥＷに滞在した累積滞在時間をＴＭ−ＮＥＷとし、ＯＭ−ｊに滞在した累積滞在時間をＴＭ−ｊとすると、ＯＭ−ｊとＯＭ−ＮＥＷを、（ＴＭ−ｊ：ＴＭ−ＮＥＷ）で内分する点を新しい登録地点の中心とし、この中心の北緯東経をＣＭ−ｊの北緯東経として更新する。また、
と同等の面積をもつ円の半径を算出し、その円の半径の長さをＣＭ−ｊの誤差の範囲として更新する。また、ＣＭ−ｊの累積滞在時間を（ＴＭ−ｊ＋ＴＭ−ＮＥＷ）に更新する。
【００６４】
なお、１＞β＞αとすることによって、（式５）を満たすＣＭ−ｊを極力１個にするように制限することが可能である。以上が、ステップＳ１８の処理内容である。
【００６５】
ステップＳ１９では、Ｏ０とＣ０が移動軌跡と検出されているので、それを図６のように登録する。図６は、到着地点、出発地点、エリアＩＤ、存在確率、通過日時は対になって時系列に記憶されている。図中のＰ１は、ステップＳ１８で求められた出発位置である。また、Ｏ０は図４のような位置に３月２１日の午前８：２０に通過した場合の例を挙げている。このように、Ｏ０が複数のエリアにまたがっている場合、それぞれのエリアごとに存在確率とともに履歴が蓄積される。この例では、Ｏ０がエリアＡ２、Ａ３、Ａ５、Ａ６に対して存在確率は、それぞれ、０．２、０．０５、０．６、０．１５であるため、そのように記載されている。なお、ステップＳ１９の時点では、まだ到着地点は分からないので、登録されていない。
【００６６】
次に、ステップＳ１６においてその１つ前の位置は停止状態でなかったと判定された場合、Ｏ０とＣ０が移動軌跡と検出されるので、それを図６のように登録する（ステップＳ２０）。ステップＳ２０は、ステップＳ１９と処理が同じなので、記載を省略する。
【００６７】
最後に、ステップＳ１７においてその１つ前の位置は移動状態と判定された場合、
を到着地として、以下の処理を実行する（ステップＳ２１）。
【００６８】
まず、ステップＳ１８と同様の処理を行って、図５のようなリストに到着地の地点登録を行う。
【００６９】
次に、Ｃ１…ＣＮについては、ステップＳ１９の処理で図６のようなリストに途中経路として登録されているが、それを削除する。
【００７０】
最後に、到着地を図６のようなリストに登録する。
【００７１】
以上の処理により、図７のように、出発地から到着地までの一連の移動軌跡を時間情報とともに記憶することができる。
【００７２】
次に、移動パタン検出部１６’の動作について説明する。
【００７３】
移動パタン検出部１６’は、移動情報履歴蓄積部１５に蓄積された図５、図６及び図７のような移動情報履歴から、ユーザの移動傾向を抽出する。この移動傾向とは、ある期間において、途中経路の組み合わせと目的地との関係を確率的に表したものである。例えば、「午前８時から午前１１時の間に、Ａ５、Ａ６、Ａ２３というエリアを途中経路として通過したときは、目的地（到着地）はＰ３である確率が高い。」というような傾向のことをいう。
【００７４】
ここで人間の日常の行動について考えてみると、人間の日常的な行動パタンは、日々それほど変化するものでない。例えば、会社員であれば、平日の朝は家から会社に向かうであろうし、平日の夕方は会社から家に向かうであろう。また、母親ならスーパーに行くことが多い、などの傾向が存在すると思われる。つまり、ユーザが現在いる位置情報、および現在に至るまでの移動情報を把握することによって、今後のユーザの行動がある程度予測できると考えられる。
【００７５】
移動傾向は、次のような方法で抽出可能である。移動情報履歴蓄積部１５’に蓄積された全ての移動情報履歴の中から、午前８時から午前１１時の間にＡ６、Ａ８、Ａ１２、Ａ９という途中経路を移動しているデータを検索し、その後に行った目的地をその頻度と共に抽出する。例えば、Ａ６、Ａ８、Ａ１２、Ａ９という経路を移動した後に、Ｐ３４に１７回、Ｐ１８に２回、Ｐ１７に１回移動したとすると、Ａ６、Ａ８、Ａ１２、Ａ９という経路を走行した事象をＲとしたとき、Ｐ３４、Ｐ１８、Ｐ１７に移動する確率は、それぞれ
Ｐ（Ｐ３４｜Ｒ）＝１７／２０
Ｐ（Ｐ１８｜Ｒ）＝２／２０
Ｐ（Ｐ１７｜Ｒ）＝１／２０
という事後確率で表されることになる。この確率の値が大きい目的地ほど、事象Ｒの後にその方向にユーザが向かう可能性が高いといえる。
【００７６】
ただし、本実施例においては、各エリアの通過は存在確率という形で表されるため、明確に通過したかの判定が難しい。そこで、各エリアの存在確率の最大値が一定閾値以上（例えば０．８）あった場合は通過したものとみなす。あるいは、各エリアの存在確率の平均値が一定閾値以上（例えば０．５）あった場合は通過したものとみなすこともできる。このように、存在確率をもとに、通過した、又はしないを判定し、学習するのがエリア存在確率付学習部１６ａである。
【００７７】
さらに、現在位置のエリアＡ９とその前の３個のエリアＡ６、Ａ８、Ａ１２を参照するものとしたが、参照エリアはこのような個数に限定されるものでなく、様々に考えることができる。例えば、出発地から現在地まで検出されたエリア系列を参照するといったように、蓄積されたデータ構造に応じて適切な値に設定してもよい。
【００７８】
次に、ユーザの行動予測とそれに従ったユーザへの情報提供の処理について、図８のフローチャートを参照して説明する。
【００７９】
所定のイベントの発生が検知されると（ステップＳ２１）、行動予測部１７’は移動パタン検出部１６’を参照して、ユーザの現在以降の行動を予測する（ステップＳ２２）。
【００８０】
なお、上述した移動パタン検出部１６’の動作は、予めなされていてもよいし、この所定のイベントを検知したときに行われるようにしてもかまわない。なお、所定のイベントとしては、例えば、端末の開閉、情報提供の要求操作などがあり、この他にも、所定の時間間隔などの定期的なタイミング、または新たな情報の入手時等が考えられる。
【００８１】
ここで、行動の予測方法について説明する。いま、ユーザがＡ６、Ａ８、Ａ１２、Ａ９という経路を移動し、現在Ａ９に位置するものとする。Ａ６、Ａ８、Ａ１２、Ａ９という経路をＲという事象で表現すると、すべての登録地点Ｐｋ（ｋ＝１..Ｎｐ）に向かう事後確率は、移動情報履歴蓄積部１５’に蓄積された移動情報履歴を参照して、それぞれＰ（Ｐｋ｜Ｒ）で表現される。
【００８２】
行動予測部１７’は、このような確率値が所定の基準を満たす地点を、予測される行き先として選択する。所定の基準は例えば、予測の確からしさを示す閾値を定めておき、確率値がこの閾値よりも大きいこととする。例えば、Ｐ（Ｐ７｜Ｒ）、Ｐ（Ｐ１４｜Ｒ）のうち閾値よりも大きいものはＰ（Ｐ７｜Ｒ）であるとすると、行動予測部１７’はユーザが今後進む方向として、Ｐ７を予測する。
【００８３】
また、現在までの経路情報による事後確率では閾値を超える地点が存在しない場合には、現在以降の地点を通過する毎に確率を計算し直し、閾値を超える地点が見つかった時点で、進路に関して予測を行う、といったことが考えられる。
【００８４】
いずれかの方法により、行動予測部１７がユーザの行き先を、例えば、エリアＡ７であると予測すると、情報取得部１８は、予測されたエリアＡ７の位置情報に関連する情報の検索が行われる（ステップＳ２３）。検索に際しては、例えば、各情報に関連する位置情報をあらかじめ与えておき、登録地点からの中心との距離が一定値以内である、登録地点の誤差の範囲に入っているかどうかをもとに、検索することができる。そして、検索結果として、予測された目的地に近い情報を受信する。（ステップＳ２４）
最後に、情報提供部１９は受信した情報をユーザに表示する（Ｓ２５）。提供方法としては例えば、ディスプレイ上に視覚的に表示したり、音声により聴覚的にユーザに伝達したりする方法などがある。
【００８５】
本実施の形態では、エリア存在確率検出部１０１で、各位置検出における誤差の範囲をもとに各エリアに存在する存在確率をもとめ、エリア存在確率付学習部１６ａでその確率を利用して通過・不通過を判断して学習するように構成されているため、位置精度が悪い携帯電話でも目的地を予測できる。
【００８６】
また、本実施の形態では、さらに、位置属性判定部１３ａで誤差のある位置の履歴に基づいて誤差の範囲の重なりから、移動又は停止を判断し、出発地または目的地を判定するように構成されているため、位置精度が悪い携帯電話でも通過経路と目的地の関係を学習できる。
【産業上の利用可能性】
【００８７】
本発明によれば、携帯電話を利用した情報配信、および携帯電話・ワンセグなどの放送を利用した広告配信といった用途に適用できる。また、携帯電話を利用した先回りの設定（行き先に応じた無線などの端末設定など）といった用途にも適用可能である。
【図面の簡単な説明】
【００８８】
【図１】本発明の実施の形態の構成を示すブロック図である。
【図２】本発明の実施の形態における地図データの例を示す図である。
【図３】本発明の実施の形態における位置情報検出から移動情報の履歴蓄積までの動作を示す流れ図である。
【図４】本発明の実施の形態の位置情報検出部で検出される位置情報の例を示す図である。
【図５】本発明の実施の形態の移動情報履歴蓄積部で蓄積されるデータの例を示す図である。
【図６】本発明の実施の形態の移動情報履歴蓄積部で蓄積されるデータの例を示す図である。
【図７】本発明の実施の形態の移動情報履歴蓄積部で蓄積されるデータの例を示す図である。
【図８】本発明の実施の形態における、ユーザの行動予測とそれに従ったユーザへの情報提供の処理の動作を示す流れ図である。
【図９】関連する技術のブロック図である。
【図１０】関連する技術のブロック図である。
【符号の説明】
【００８９】
１１’ 位置情報検出部
１２ 地図データベース
１４ 日時検出部
１３’ 記憶位置判定部
１５’ 移動情報履歴蓄積部
１６’ 移動パタン検出部
１７’ 行動予測部
１８ 情報取得部
１９ 情報提供部
１６ａ エリア存在確率付学習部
１０１ エリア存在確率検出部
【技術分野】
【０００１】
本発明は、目的地予測システム、目的地予測方法及びプログラムに関する。
【背景技術】
【０００２】
従来、カーナビゲーションの操作の簡易化、より効果的な位置情報サービスを実現するために、運転者は日常生活において同じ経路を移動していることが多いことを利用して、カーナビゲーションの移動履歴から移動軌跡と目的地の関係を学習し、現在までの移動軌跡から自動的に目的地を推測する方法が発明されている。その発明の代表例として、特許文献１のようなものがある。
【０００３】
図９に示すように、この従来の目的地予測システムは、１はユーザが乗った車に搭載されたカーナビ、２はカーナビ１からの要求に応じて情報を提供するためのサーバ、３はカーナビ１とサーバ２とをつなぐ例えばインターネットなどのネットワークである。
【０００４】
カーナビ１において、１１はＧＰＳなどを用いてユーザの車の現在位置に関する情報を検出する位置情報検出部であり、１２は地図情報を記憶する地図データベースである。
【０００５】
１３は位置情報検出部１１によって検出された現在位置と地図データベース１２とを参照して、検出した現在位置が記憶すべき場所であるか否か（後述するノードであるか否か）を判定する記憶位置判定部、１４は現在の日時を検出する日時検出部、１５は記憶位置判定部１３によって現在位置が記憶すべき場所であると判定されたとき、現在位置と日時検出部１４によって検出された現在の日時とを対にして時系列に記憶する移動情報履歴蓄積部である。１６は移動情報履歴蓄積部１５に記憶されている位置と日時の情報（移動情報）の履歴から、時系列の移動パタンを検出する移動パタン検出部であり、１７は所定のイベントが発生したとき、移動パタン検出部１６によって検出された移動パタンからユーザの車の行き先を予測する行動予測部である。
【０００６】
１８は行動予測部１７によって予測されたユーザの行き先に関する情報をネットワーク３を介してサーバ２から取得する情報取得部であり、１９はユーザに対して、情報取得部１８によって取得した情報や地図データベース１２に格納された地図情報を例えば液晶ディスプレイに表示する情報提供部である。
【０００７】
またサーバ２において、２１はカーナビ１に対して情報を送受信するための情報送受信部であり、２２はカーナビ１に対して送信するための情報を記憶している情報蓄積部である。
【０００８】
このような構成を有する従来の目的地予測システムは概略つぎのように動作する。
【０００９】
すなわち、記憶位置判定部１３で出発位置/目的地を車のエンジンのon/offで検出し、その位置を記憶するとともに、出発地〜目的地までの移動の間、地図データベース１２を参照しながら、交差点を通過するたびに通過軌跡として目的地および日時と対応付ける形で移動情報履歴蓄積部１５に保存する。移動パタン検出部１６は、図１０に示したベイジアンネットワークを学習する。なお、図１０中のエリアとは特許文献１においては交差点に該当する。行動予測部１７においては、出発してからの経路と運転者、時間帯などからベイズ推定を行う。
【００１０】
類似した方式は、本特許文献以外にもいくつか提案されている。例えば、非特許文献１においては、エリアとして、空間を正方形に区切ったグリッドと、移動履歴における分岐から分岐までの一辺の両方でモデルを作成し、推定したものもある。
【特許文献１】特許3816068号公報 （段落0020−0039、図１）
【非特許文献１】目的予測型カーナビゲーションシステムのための運転状況を考慮した目的地予測手法、大阪大学、三菱電機株式会社、DEWS2007、E9-5
【発明の開示】
【発明が解決しようとする課題】
【００１１】
ところが，このような方式を携帯電話に適用した場合，以下の問題があった。
【００１２】
第１の問題点は、正確にエリア内に存在していることを判定できないということである。その理由は、携帯電話で測位する場合、(特に屋内に存在する場合において)ＧＰＳの信号を受信できない場合が多く、その場合受信している基地局のＩＤや電界強度などから位置を推定するがその精度が悪いためである。
【００１３】
第２の問題点は、位置の変化などから出発・到着を推定しなければならないということである。その理由は、携帯電話の場合、車と違って、出発・到着のシグナルが与えられないためである。
【００１４】
そこで、本発明は上記課題に鑑みて発明されたものであって、その目的は、良い位置精度を常に得ることが難しい携帯電話等の端末でも目的地を予測できる目的地予測システム、目的地予測方法及びプログラムを提供することにある。
【課題を解決するための手段】
【００１５】
上記課題を解決する本発明は、端末の予測位置とその測定誤差とを検出する位置情報検出手段と、前記予測位置と測定誤差と地図データベースとに基づいて、端末がどのエリアに属するかを確率的に計算するエリア存在確率検出手段と、日時と、エリアと、前記日時に端末がエリアに存在する存在確率との履歴情報に基づいて、端末の時系列の移動パタンを検出するエリア存在手段付学習手段と有する目的地予測システムである。
【００１６】
上記課題を解決する本発明は、端末の予測位置とその測定誤差とを検出し、前記予測位置と測定誤差と地図データベースとに基づいて、端末がどのエリアに属するかを確率的に計算し、日時と、エリアと、前記日時に端末がエリアに存在する存在確率との履歴情報に基づいて、端末の時系列の移動パタンを検出する目的地予測方法である。
【００１７】
上記課題を解決する本発明は、端末の予測位置とその測定誤差とを検出する位置情報検出処理と、前記予測位置と測定誤差と地図データベースとに基づいて、端末がどのエリアに属するかを確率的に計算するエリア存在確率検出処理と、日時と、エリアと、前記日時に端末がエリアに存在する存在確率との履歴情報に基づいて、端末の時系列の移動パタンを検出するエリア存在手段付学習処理とを情報処理装置に実行させるプログラムである。
【発明の効果】
【００１８】
本発明によれば、位置精度が悪い携帯電話等の端末でも目的地を予測できる。
【発明を実施するための最良の形態】
【００１９】
本発明の実施の形態を説明する。
【００２０】
図１は本実施の形態のブロック図である。
【００２１】
図１を参照すると、本実施の形態は、位置情報検出部１１’と、エリア存在確率検出部１０１と、地図データベース１２と、日時検出部１４と、記憶位置判定部１３’と、移動情報履歴蓄積部１５’と、移動パタン検出部１６’と、行動予測部１７’と、情報取得部１８と、情報提供部１９とから構成されている。
【００２２】
記憶位置判定部１３’は、位置属性判定部１３ａを含む。
【００２３】
移動パタン検出部１６’は、エリア存在確率付学習部１６ａを含む。
【００２４】
これらの部はそれぞれ概略つぎのように動作する。
【００２５】
位置情報検出部１１’は、ＧＰＳなどを用いてユーザの携帯電話などの端末の現在位置と測定誤差に関する情報とを検出する。
【００２６】
地図データベース１２には、地図情報が記憶されている。
【００２７】
日時検出部１４は、現在の日時を検出する。
【００２８】
エリア存在確率検出部１０１は、位置情報検出部１１’で検出された現在位置と測定誤差とに基づいて、地図データベース１２で定義されたどの位置(後述するエリア)にどのくらいの確率で存在するかを検出する。
【００２９】
記憶位置判定部１３’は、位置情報検出部１１’によって検出された現在位置および測定誤差と地図データベース１２とを参照して、検出した現在位置が記憶すべき場所であるか否か（後述するエリアであるかどうか）を判定する。
【００３０】
移動情報履歴蓄積部１５’は、記憶位置判定部１３’によって現在位置が記憶すべき場所であると判定されたとき、現在位置と日時検出部１４によって検出された現在の日時とを対にして時系列に記憶する。
【００３１】
移動パタン検出部１６’は、移動情報履歴蓄積部１５’に記憶されている位置と日時の情報（移動情報）の履歴から、時系列の移動パタンを検出する。
【００３２】
行動予測部１７’は、所定のイベントが発生したとき、移動パタン検出部１６’によって検出された移動パタンからユーザの行き先を予測する。
【００３３】
情報取得部１８は、行動予測部１７’によって予測されたユーザの行き先に関する情報を取得する。
【００３４】
情報提供部１９は、ユーザに対して、情報取得部１８によって取得した情報や地図データベース１２に格納された地図情報を例えば液晶ディスプレイに表示する。
【００３５】
位置属性判定部１３ａは、一定時間以上移動しなかった場所を基準に、そこから始めて場所が変化した場合、移動元の場所を出発地と判定し、いったん出発すると、一定時間以上移動しなくなった場所を検出するとそこを到着地と判定し、出発地から到着地までの移動を移動途中の経路と判定する。
【００３６】
エリア存在確率付学習部１６ａは、エリア存在確率検出部１０１で検出された確率つきの位置情報の履歴から、時系列の移動パタンを学習する。
【００３７】
図２は地図データベース１２に格納されたデータの例を示す図であり、本実施形態で参照するデータの一部を抜粋したものである。
【００３８】
本実施形態では、地図を格子状などに区切った領域を「エリア」という概念で表すものとする。図２において、エリアＩＤは、これらエリアに唯一に割り当てられたＩＤ番号（識別情報）を示し、エリア境界を示す緯度・経度情報とともにそれぞれ記憶されている。この例では緯度、経度の大きさに応じてエリアに区切っているが、住所や携帯電話のセルなど違う領域でもよい。その場合も境界を表す緯度経度情報が格納されているものとする。
【００３９】
なお、ＩＤ番号の代わりに、エリアの名称を、各エリアが唯一に特定できるように記述してもよい。すなわち、移動情報履歴蓄積部１５’に蓄積される移動経路において、エリアが特定できればよい。
【００４０】
また、この地図データベース１２は、携帯電話などの端末で管理するものとしたが、例えば携帯電話事業者などが管理するサーバに蓄えられており、携帯電話がサーバに緯度・経度などの位置情報を送信すると、サーバがこれに対応するエリアＩＤを携帯電話に通知するようにしてもよい。
【００４１】
次に、端末を持つ人の移動経路が移動情報履歴として移動情報履歴蓄積部１５’に蓄積される処理の流れについて、図１および図３のフローチャートを用いて説明する。
【００４２】
まず、携帯電話などの端末の電源が入っているかどうか判定し（ステップＳ１１）、電源が入っている場合、以下の処理を実行する。
【００４３】
位置情報検出部１１’は、端末の現在位置を測位する。（ステップＳ１２）。
【００４４】
この測位はＧＰＳ、あるいは受信できる携帯電話基地局のＩＤおよび電界強度から算出される緯度経度情報でもよい。さらに、この測位においては測定誤差も合わせて検出する。例えば、ＮＴＴドコモ社の位置情報サービスにおいては、測定誤差の範囲をレベル１（水平誤差３００ｍ以上）〜レベル３（水平誤差５０ｍ未満）と３段階に通知されるが、それを利用して、レベル３のとき５０ｍ、レベル２のとき３００ｍ、レベル３のとき１Ｋｍなどと指定することができる（参考 http://www.nttdocomo.co.jp/service/imode/make/content/gps/）。
【００４５】
また、測定位置の緯度経度と測定誤差とを送信する別の形態として、端末が存在する可能性のある領域の境界を送る場合がある。例えば、ＮＴＴドコモ社のｉエリアのように、地域が検出される場合は、地域コードと境界位置の緯度経度との対応関係を別途もっておき、検出された地域コードから境界位置をすべて検出する。
【００４６】
携帯電話基地局やＧＰＳ以外の位置検出部として、Ｐｌａｃｅ Ｅｎｇｉｎｅ(http://www.placeengine.com)のように周辺の無線ＬＡＮなどの電波から住所をもとめる方式もあるが、この場合も住所に対応する境界の緯度経度情報の対応を別途もっておき、検出された住所から境界の緯度経度情報を求める。
【００４７】
次に、エリア存在確率検出部１０１において、位置情報検出部１１’が検出した端末の位置のエリア存在確率を計算する（ステップＳ１３）。
【００４８】
この存在確率の計算例を図４に示す。図４では、エリアＡ１〜エリアＡ９の境界は地図データベース１２にて事前に与えられているものとし、位置情報検出部１１’で検出された位置の緯度・経度が図中の×の位置、その誤差の範囲は図中の円で示した領域であるとする。
【００４９】
ここで、それぞれのエリアごとに円の領域が含まれる面積の比、もしくは検出位置（図中の×の位置）を最大としたガウス分布などをもちいた確率密度分布を積分して得られた値などをもとに、位置情報検出部１１’で検出された位置がそれぞれのエリアに含まれる存在確率を算出する。その結果、例えば図４に示すように、エリアＡ２は０．２０、エリアＡ３は０．０５、エリアＡ５は０．６、エリアＡ６は０．１５のような確率が得られる（全部足すと１になることに注意）。
【００５０】
さらに、日時検出部１４で現在時刻を検出し、ステップＳ１３で得られた各エリアに時刻を対応付ける（ステップＳ１４）。
【００５１】
次に、位置属性判定部１３ａは、ステップＳ１５〜ステップＳ１７を実行し、得られた位置が出発地、到着地、移動途中、又はそれ以外のいずれかを判定する。
【００５２】
まず、ステップＳ１３で測位されたエリア確率の時系列変化を見て、移動中かどうか判定する（ステップＳ１５）。これは、現在時刻から過去Ｔ（あらかじめ与えられた時間間隔）の間に位置が検出された点をＯｉ（ｉ＝０…Ｎ：ただし、ｉ＝０のときを現在時刻の位置とし、以下時刻が新しい順にｉ＝１…Ｎとする）、それらの誤差の範囲をＣｉ（ｉ＝０…Ｎ：ｉの番号の振り方はＯｉと同様）とするとき、
を満たす場合、移動中であると判定する。
【００５３】
なお、（式１）の
は、Ｃｉ（ｉ＝０…Ｎ）の重なりの領域の大きさ、
αはあらかじめ定めた定数、
は、Ｃｉ（ｉ＝０…Ｎ)のうち、もっとも領域の小さいものの広さを指す。
【００５４】
ステップＳ１５のもう１つの方法として、携帯電話などの端末に搭載された加速度センサを利用する方法もある。これは、加速度センサによって一定時間以上、加速度センサの出力値の分散が一定以上、振幅が一定以上あった場合は移動中であると判定することもできる。
【００５５】
ステップＳ１５で移動中と判定された場合、その１つ前の位置は停止状態であったか判定する（ステップＳ１６）。これは、上記の位置Ｏｉ（ｉ＝１…Ｎ＋１：ただし、ｉ＝１のときを現在時刻から１つ前に検出された位置とし、以下時刻が新しい順にｉ＝１…Ｎ＋１とする）、それらの誤差の範囲をＣｉ（ｉ＝１…Ｎ＋１：ｉの番号の振り方はＯｉと同様）とするとき、
を満たす場合、その１つ前の位置は停止状態であると判定する。
【００５６】
ここで、ステップＳ１６で、その１つ前の位置は停止状態であったと判定された場合、
を出発地として、Ｏ０とＣ０を移動中の経路としてステップＳ１８の処理を実行する。また、ステップＳ１６で、その１つ前の位置は停止状態でなかったと判定された場合、単にＯ０とＣ０を移動中の経路としてステップＳ１９の処理を実行する。
【００５７】
ステップＳ１５で移動中でないと判定された場合、その１つ前の位置は移動状態であったか判定する（ステップＳ１７）。これは、上記の位置Ｏｉ（ｉ＝１…Ｎ＋１：ただし、ｉ＝１のときを現在時刻から１つ前に検出された位置とし、以下時刻が新しい順にｉ＝１…Ｎ＋１とする）、それらの誤差の範囲をＣｉ（ｉ＝１…Ｎ＋１：ｉの番号の振り方はＯｉと同様）とするとき、
を満たす場合、その１つ前の位置は移動状態であると判定する。
【００５８】
ここで、ステップＳ１７で、その１つ前の位置は移動状態であったと判定された場合、
を到着地として、ステップＳ２０の処理を実行する。また、ステップＳ１７で、その１つ前の位置は移動状態でなかったと判定された場合、何も処理を行わず、ある程度の時間を待って、ステップＳ１２以降の処理を実行する。
【００５９】
次に、移動情報履歴蓄積部１５’に、出発地／到着地の情報、移動中のエリア、およびその際の日時を記憶する（ステップＳ１８〜ステップＳ２１）。
【００６０】
図５、図６は移動情報履歴蓄積部１５’に蓄積された移動情報履歴の例である。図５は、出発地、又は到着地を登録している。地点ＩＤとは、出発地又は到着地を特定するＩＤである。なお、説明の便宜上、出発地と到着地を総称した概念を以降登録地点と呼ぶことにする。図５は、ステップＳ１６、もしくはステップＳ１７で、新しい出発地／到着地が生成されるたびに新しく割り当てられる。
【００６１】
以降、ステップＳ１６で、
が出発地として検出された場合を例にあげて説明する（以降の処理がステップＳ１８に該当）。
とし、過去に同様にして得られた登録地点をＣＭ−ｊ（ｊ＝１…Ｌ)とすると、すべてのｊについて、
が成立するとき、新しい登録地点として、図５で示されたリストにＣＭ−ＮＥＷを登録する。この場合、中心北緯、東経は、Ｏｉ（ｉ＝１…Ｎ＋１：Ｃｉに対応する検出位置）の重心の北緯、東経を記憶する。誤差の範囲は、ＣＭ−ＮＥＷと同等の面積をもつ円の半径を算出し、その円の半径の長さを記憶する。累積滞在時間は、ＯＮ＋１が検出されてからＯ１が検出されるまでの時間間隔を記憶する。
【００６２】
すべてのｊについて（式４）が成立しない場合は、
を満たすｊが少なくとも１つは存在するが、このときは、
が最大となるＯＭ−ｊを求め、
を従来の登録地点に上書きする形で保存する。ただし、図５で記憶するには、
は形状が複雑で難しいことから、以下に示すように、
を円で近似して記憶する。
【００６３】
ＯＭ−ＮＥＷをＯｉ（ｉ＝１…Ｎ＋１：Ｃｉに対応する検出位置）の重心とし、ＯＭ−ｊをＣＭ−ｊに対応する各検出位置の重心とし、ＯＭ−ＮＥＷに滞在した累積滞在時間をＴＭ−ＮＥＷとし、ＯＭ−ｊに滞在した累積滞在時間をＴＭ−ｊとすると、ＯＭ−ｊとＯＭ−ＮＥＷを、（ＴＭ−ｊ：ＴＭ−ＮＥＷ）で内分する点を新しい登録地点の中心とし、この中心の北緯東経をＣＭ−ｊの北緯東経として更新する。また、
と同等の面積をもつ円の半径を算出し、その円の半径の長さをＣＭ−ｊの誤差の範囲として更新する。また、ＣＭ−ｊの累積滞在時間を（ＴＭ−ｊ＋ＴＭ−ＮＥＷ）に更新する。
【００６４】
なお、１＞β＞αとすることによって、（式５）を満たすＣＭ−ｊを極力１個にするように制限することが可能である。以上が、ステップＳ１８の処理内容である。
【００６５】
ステップＳ１９では、Ｏ０とＣ０が移動軌跡と検出されているので、それを図６のように登録する。図６は、到着地点、出発地点、エリアＩＤ、存在確率、通過日時は対になって時系列に記憶されている。図中のＰ１は、ステップＳ１８で求められた出発位置である。また、Ｏ０は図４のような位置に３月２１日の午前８：２０に通過した場合の例を挙げている。このように、Ｏ０が複数のエリアにまたがっている場合、それぞれのエリアごとに存在確率とともに履歴が蓄積される。この例では、Ｏ０がエリアＡ２、Ａ３、Ａ５、Ａ６に対して存在確率は、それぞれ、０．２、０．０５、０．６、０．１５であるため、そのように記載されている。なお、ステップＳ１９の時点では、まだ到着地点は分からないので、登録されていない。
【００６６】
次に、ステップＳ１６においてその１つ前の位置は停止状態でなかったと判定された場合、Ｏ０とＣ０が移動軌跡と検出されるので、それを図６のように登録する（ステップＳ２０）。ステップＳ２０は、ステップＳ１９と処理が同じなので、記載を省略する。
【００６７】
最後に、ステップＳ１７においてその１つ前の位置は移動状態と判定された場合、
を到着地として、以下の処理を実行する（ステップＳ２１）。
【００６８】
まず、ステップＳ１８と同様の処理を行って、図５のようなリストに到着地の地点登録を行う。
【００６９】
次に、Ｃ１…ＣＮについては、ステップＳ１９の処理で図６のようなリストに途中経路として登録されているが、それを削除する。
【００７０】
最後に、到着地を図６のようなリストに登録する。
【００７１】
以上の処理により、図７のように、出発地から到着地までの一連の移動軌跡を時間情報とともに記憶することができる。
【００７２】
次に、移動パタン検出部１６’の動作について説明する。
【００７３】
移動パタン検出部１６’は、移動情報履歴蓄積部１５に蓄積された図５、図６及び図７のような移動情報履歴から、ユーザの移動傾向を抽出する。この移動傾向とは、ある期間において、途中経路の組み合わせと目的地との関係を確率的に表したものである。例えば、「午前８時から午前１１時の間に、Ａ５、Ａ６、Ａ２３というエリアを途中経路として通過したときは、目的地（到着地）はＰ３である確率が高い。」というような傾向のことをいう。
【００７４】
ここで人間の日常の行動について考えてみると、人間の日常的な行動パタンは、日々それほど変化するものでない。例えば、会社員であれば、平日の朝は家から会社に向かうであろうし、平日の夕方は会社から家に向かうであろう。また、母親ならスーパーに行くことが多い、などの傾向が存在すると思われる。つまり、ユーザが現在いる位置情報、および現在に至るまでの移動情報を把握することによって、今後のユーザの行動がある程度予測できると考えられる。
【００７５】
移動傾向は、次のような方法で抽出可能である。移動情報履歴蓄積部１５’に蓄積された全ての移動情報履歴の中から、午前８時から午前１１時の間にＡ６、Ａ８、Ａ１２、Ａ９という途中経路を移動しているデータを検索し、その後に行った目的地をその頻度と共に抽出する。例えば、Ａ６、Ａ８、Ａ１２、Ａ９という経路を移動した後に、Ｐ３４に１７回、Ｐ１８に２回、Ｐ１７に１回移動したとすると、Ａ６、Ａ８、Ａ１２、Ａ９という経路を走行した事象をＲとしたとき、Ｐ３４、Ｐ１８、Ｐ１７に移動する確率は、それぞれ
Ｐ（Ｐ３４｜Ｒ）＝１７／２０
Ｐ（Ｐ１８｜Ｒ）＝２／２０
Ｐ（Ｐ１７｜Ｒ）＝１／２０
という事後確率で表されることになる。この確率の値が大きい目的地ほど、事象Ｒの後にその方向にユーザが向かう可能性が高いといえる。
【００７６】
ただし、本実施例においては、各エリアの通過は存在確率という形で表されるため、明確に通過したかの判定が難しい。そこで、各エリアの存在確率の最大値が一定閾値以上（例えば０．８）あった場合は通過したものとみなす。あるいは、各エリアの存在確率の平均値が一定閾値以上（例えば０．５）あった場合は通過したものとみなすこともできる。このように、存在確率をもとに、通過した、又はしないを判定し、学習するのがエリア存在確率付学習部１６ａである。
【００７７】
さらに、現在位置のエリアＡ９とその前の３個のエリアＡ６、Ａ８、Ａ１２を参照するものとしたが、参照エリアはこのような個数に限定されるものでなく、様々に考えることができる。例えば、出発地から現在地まで検出されたエリア系列を参照するといったように、蓄積されたデータ構造に応じて適切な値に設定してもよい。
【００７８】
次に、ユーザの行動予測とそれに従ったユーザへの情報提供の処理について、図８のフローチャートを参照して説明する。
【００７９】
所定のイベントの発生が検知されると（ステップＳ２１）、行動予測部１７’は移動パタン検出部１６’を参照して、ユーザの現在以降の行動を予測する（ステップＳ２２）。
【００８０】
なお、上述した移動パタン検出部１６’の動作は、予めなされていてもよいし、この所定のイベントを検知したときに行われるようにしてもかまわない。なお、所定のイベントとしては、例えば、端末の開閉、情報提供の要求操作などがあり、この他にも、所定の時間間隔などの定期的なタイミング、または新たな情報の入手時等が考えられる。
【００８１】
ここで、行動の予測方法について説明する。いま、ユーザがＡ６、Ａ８、Ａ１２、Ａ９という経路を移動し、現在Ａ９に位置するものとする。Ａ６、Ａ８、Ａ１２、Ａ９という経路をＲという事象で表現すると、すべての登録地点Ｐｋ（ｋ＝１..Ｎｐ）に向かう事後確率は、移動情報履歴蓄積部１５’に蓄積された移動情報履歴を参照して、それぞれＰ（Ｐｋ｜Ｒ）で表現される。
【００８２】
行動予測部１７’は、このような確率値が所定の基準を満たす地点を、予測される行き先として選択する。所定の基準は例えば、予測の確からしさを示す閾値を定めておき、確率値がこの閾値よりも大きいこととする。例えば、Ｐ（Ｐ７｜Ｒ）、Ｐ（Ｐ１４｜Ｒ）のうち閾値よりも大きいものはＰ（Ｐ７｜Ｒ）であるとすると、行動予測部１７’はユーザが今後進む方向として、Ｐ７を予測する。
【００８３】
また、現在までの経路情報による事後確率では閾値を超える地点が存在しない場合には、現在以降の地点を通過する毎に確率を計算し直し、閾値を超える地点が見つかった時点で、進路に関して予測を行う、といったことが考えられる。
【００８４】
いずれかの方法により、行動予測部１７がユーザの行き先を、例えば、エリアＡ７であると予測すると、情報取得部１８は、予測されたエリアＡ７の位置情報に関連する情報の検索が行われる（ステップＳ２３）。検索に際しては、例えば、各情報に関連する位置情報をあらかじめ与えておき、登録地点からの中心との距離が一定値以内である、登録地点の誤差の範囲に入っているかどうかをもとに、検索することができる。そして、検索結果として、予測された目的地に近い情報を受信する。（ステップＳ２４）
最後に、情報提供部１９は受信した情報をユーザに表示する（Ｓ２５）。提供方法としては例えば、ディスプレイ上に視覚的に表示したり、音声により聴覚的にユーザに伝達したりする方法などがある。
【００８５】
本実施の形態では、エリア存在確率検出部１０１で、各位置検出における誤差の範囲をもとに各エリアに存在する存在確率をもとめ、エリア存在確率付学習部１６ａでその確率を利用して通過・不通過を判断して学習するように構成されているため、位置精度が悪い携帯電話でも目的地を予測できる。
【００８６】
また、本実施の形態では、さらに、位置属性判定部１３ａで誤差のある位置の履歴に基づいて誤差の範囲の重なりから、移動又は停止を判断し、出発地または目的地を判定するように構成されているため、位置精度が悪い携帯電話でも通過経路と目的地の関係を学習できる。
【産業上の利用可能性】
【００８７】
本発明によれば、携帯電話を利用した情報配信、および携帯電話・ワンセグなどの放送を利用した広告配信といった用途に適用できる。また、携帯電話を利用した先回りの設定（行き先に応じた無線などの端末設定など）といった用途にも適用可能である。
【図面の簡単な説明】
【００８８】
【図１】本発明の実施の形態の構成を示すブロック図である。
【図２】本発明の実施の形態における地図データの例を示す図である。
【図３】本発明の実施の形態における位置情報検出から移動情報の履歴蓄積までの動作を示す流れ図である。
【図４】本発明の実施の形態の位置情報検出部で検出される位置情報の例を示す図である。
【図５】本発明の実施の形態の移動情報履歴蓄積部で蓄積されるデータの例を示す図である。
【図６】本発明の実施の形態の移動情報履歴蓄積部で蓄積されるデータの例を示す図である。
【図７】本発明の実施の形態の移動情報履歴蓄積部で蓄積されるデータの例を示す図である。
【図８】本発明の実施の形態における、ユーザの行動予測とそれに従ったユーザへの情報提供の処理の動作を示す流れ図である。
【図９】関連する技術のブロック図である。
【図１０】関連する技術のブロック図である。
【符号の説明】
【００８９】
１１’ 位置情報検出部
１２ 地図データベース
１４ 日時検出部
１３’ 記憶位置判定部
１５’ 移動情報履歴蓄積部
１６’ 移動パタン検出部
１７’ 行動予測部
１８ 情報取得部
１９ 情報提供部
１６ａ エリア存在確率付学習部
１０１ エリア存在確率検出部
【特許請求の範囲】
【請求項１】
端末の予測位置とその測定誤差とを検出する位置情報検出手段と、
前記予測位置と測定誤差と地図データベースとに基づいて、端末がどのエリアに属するかを確率的に計算するエリア存在確率検出手段と、
日時と、エリアと、前記日時に端末がエリアに存在する存在確率との履歴情報に基づいて、端末の時系列の移動パタンを検出するエリア存在手段付学習手段と
有する目的地予測システム。
【請求項２】
前記時系列の移動パタンに基づいて、目的地を予測する行動予測手段を有する請求項１に記載の目的地予測システム。
【請求項３】
エリアの存在確率の時系列の変化から移動又は停止を判断し、その移動又は停止の時系列の変化から出発地、目的地、又は途中経路を判定する位置属性判定手段を備え、
前記エリア存在手段付学習手段は、前記出発地、目的地、又は途中経路の判定と、エリアの存在確率の時系列の変化とに基づいて、時系列の移動パタンとその目的地との関係を学習し、
前記行動予測手段は、予め学習した時系列の移動パタン及びその目的地と、現在の日時までに求められたエリアの存在確率の時系列の変化とに基づいて、目的地を確率的に予測する
請求項２に記載の目的地予測システム。
【請求項４】
前記位置属性判定手段は、
一定時間間隔における端末が存在するエリアの誤差の範囲の重なりが、その時間内での最小の誤差の範囲を一定割合以上でカバーする場合には停止と判定し、それ以外の場合には移動と判定し、
停止から移動へと変異した地点を出発地、移動から停止へと変異した地点を到着地、出発地から到着地までの移動した場所を途中経路と判定する
請求項３に記載の目的地予測システム。
【請求項５】
前記位置属性判定手段は、端末に搭載された加速度センサによって一定時間以上、前記加速度センサの出力値の分散が一定以上、振幅が一定以上あった場合は移動中であると判定する
請求項３に記載の目的地予測システム。
【請求項６】
前記エリア存在手段付学習手段は、各エリアにおいてエリアの存在確率の最大値が一定の閾値を超えた場合、そのエリアを通過したこととして学習する請求項１から請求項５のいずれかに記載の目的地予測システム。
【請求項７】
前記エリア存在手段付学習手段は、各エリアにおいてエリア存在確率の平均値が一定の閾値を超えた場合、そのエリアを通過したこととして学習する請求項１から請求項５のいずれかに記載の目的地予測システム。
【請求項８】
端末の予測位置とその測定誤差とを検出し、
前記予測位置と測定誤差と地図データベースとに基づいて、端末がどのエリアに属するかを確率的に計算し、
日時と、エリアと、前記日時に端末がエリアに存在する存在確率との履歴情報に基づいて、端末の時系列の移動パタンを検出する
目的地予測方法。
【請求項９】
前記時系列の移動パタンに基づいて、目的地を予測する請求項８に記載の目的地予測方法。
【請求項１０】
エリアの存在確率の時系列の変化から移動又は停止を判断し、その移動又は停止の時系列の変化から出発地、目的地、又は途中経路を判定し、
前記出発地、目的地、又は途中経路の判定と、エリアの存在確率の時系列の変化とに基づいて、時系列の移動パタンとその目的地との関係を学習し、
予め学習した時系列の移動パタン及びその目的地と、現在の日時までに求められたエリアの存在確率の時系列の変化とに基づいて、目的地を確率的に予測する
請求項９に記載の目的地予測方法。
【請求項１１】
一定時間間隔における端末が存在するエリアの誤差の範囲の重なりが、その時間内での最小の誤差の範囲を一定割合以上でカバーする場合には停止と判定し、それ以外の場合には移動と判定し、
停止から移動へと変異した地点を出発地、移動から停止へと変異した地点を到着地、出発地から到着地までの移動した場所を途中経路と判定する
請求項１０に記載の目的地予測方法。
【請求項１２】
端末に搭載された加速度センサによって一定時間以上、前記加速度センサの出力値の分散が一定以上、振幅が一定以上あった場合は移動中であると判定する
請求項１０に記載の目的地予測方法。
【請求項１３】
各エリアにおいてエリアの存在確率の最大値が一定の閾値を超えた場合、そのエリアを通過したこととして学習する請求項８から請求項１２のいずれかに記載の目的地予測方法。
【請求項１４】
各エリアにおいてエリア存在確率の平均値が一定の閾値を超えた場合、そのエリアを通過したこととして学習する請求項８から請求項１２のいずれかに記載の目的地予測方法。
【請求項１５】
端末の予測位置とその測定誤差とを検出する位置情報検出処理と、
前記予測位置と測定誤差と地図データベースとに基づいて、端末がどのエリアに属するかを確率的に計算するエリア存在確率検出処理と、
日時と、エリアと、前記日時に端末がエリアに存在する存在確率との履歴情報に基づいて、端末の時系列の移動パタンを検出するエリア存在手段付学習処理と
を情報処理装置に実行させるプログラム。
【請求項１６】
前記時系列の移動パタンに基づいて、目的地を予測する行動予測処理を有する請求項１５に記載のプログラム。
【請求項１７】
エリアの存在確率の時系列の変化から移動又は停止を判断し、その移動又は停止の時系列の変化から出発地、目的地、又は途中経路を判定する位置属性判定処理を備え、
前記エリア存在手段付学習処理は、前記出発地、目的地、又は途中経路の判定と、エリアの存在確率の時系列の変化とに基づいて、時系列の移動パタンとその目的地との関係を学習し、
前記行動予測処理は、予め学習した時系列の移動パタン及びその目的地と、現在の日時までに求められたエリアの存在確率の時系列の変化とに基づいて、目的地を確率的に予測する
請求項１６に記載のプログラム。
【請求項１８】
前記位置属性判定処理は、
一定時間間隔における端末が存在するエリアの誤差の範囲の重なりが、その時間内での最小の誤差の範囲を一定割合以上でカバーする場合には停止と判定し、それ以外の場合には移動と判定し、
停止から移動へと変異した地点を出発地、移動から停止へと変異した地点を到着地、出発地から到着地までの移動した場所を途中経路と判定する
請求項１７に記載のプログラム。
【請求項１９】
前記位置属性判定処理は、端末に搭載された加速度センサによって一定時間以上、前記加速度センサの出力値の分散が一定以上、振幅が一定以上あった場合は移動中であると判定する
請求項１７に記載のプログラム。
【請求項２０】
前記エリア存在手段付学習処理は、各エリアにおいてエリアの存在確率の最大値が一定の閾値を超えた場合、そのエリアを通過したこととして学習する請求項１５から請求項１９のいずれかに記載のプログラム。
【請求項２１】
前記エリア存在手段付学習処理は、各エリアにおいてエリア存在確率の平均値が一定の閾値を超えた場合、そのエリアを通過したこととして学習する請求項１５から請求項１９のいずれかに記載のプログラム。
【請求項１】
端末の予測位置とその測定誤差とを検出する位置情報検出手段と、
前記予測位置と測定誤差と地図データベースとに基づいて、端末がどのエリアに属するかを確率的に計算するエリア存在確率検出手段と、
日時と、エリアと、前記日時に端末がエリアに存在する存在確率との履歴情報に基づいて、端末の時系列の移動パタンを検出するエリア存在手段付学習手段と
有する目的地予測システム。
【請求項２】
前記時系列の移動パタンに基づいて、目的地を予測する行動予測手段を有する請求項１に記載の目的地予測システム。
【請求項３】
エリアの存在確率の時系列の変化から移動又は停止を判断し、その移動又は停止の時系列の変化から出発地、目的地、又は途中経路を判定する位置属性判定手段を備え、
前記エリア存在手段付学習手段は、前記出発地、目的地、又は途中経路の判定と、エリアの存在確率の時系列の変化とに基づいて、時系列の移動パタンとその目的地との関係を学習し、
前記行動予測手段は、予め学習した時系列の移動パタン及びその目的地と、現在の日時までに求められたエリアの存在確率の時系列の変化とに基づいて、目的地を確率的に予測する
請求項２に記載の目的地予測システム。
【請求項４】
前記位置属性判定手段は、
一定時間間隔における端末が存在するエリアの誤差の範囲の重なりが、その時間内での最小の誤差の範囲を一定割合以上でカバーする場合には停止と判定し、それ以外の場合には移動と判定し、
停止から移動へと変異した地点を出発地、移動から停止へと変異した地点を到着地、出発地から到着地までの移動した場所を途中経路と判定する
請求項３に記載の目的地予測システム。
【請求項５】
前記位置属性判定手段は、端末に搭載された加速度センサによって一定時間以上、前記加速度センサの出力値の分散が一定以上、振幅が一定以上あった場合は移動中であると判定する
請求項３に記載の目的地予測システム。
【請求項６】
前記エリア存在手段付学習手段は、各エリアにおいてエリアの存在確率の最大値が一定の閾値を超えた場合、そのエリアを通過したこととして学習する請求項１から請求項５のいずれかに記載の目的地予測システム。
【請求項７】
前記エリア存在手段付学習手段は、各エリアにおいてエリア存在確率の平均値が一定の閾値を超えた場合、そのエリアを通過したこととして学習する請求項１から請求項５のいずれかに記載の目的地予測システム。
【請求項８】
端末の予測位置とその測定誤差とを検出し、
前記予測位置と測定誤差と地図データベースとに基づいて、端末がどのエリアに属するかを確率的に計算し、
日時と、エリアと、前記日時に端末がエリアに存在する存在確率との履歴情報に基づいて、端末の時系列の移動パタンを検出する
目的地予測方法。
【請求項９】
前記時系列の移動パタンに基づいて、目的地を予測する請求項８に記載の目的地予測方法。
【請求項１０】
エリアの存在確率の時系列の変化から移動又は停止を判断し、その移動又は停止の時系列の変化から出発地、目的地、又は途中経路を判定し、
前記出発地、目的地、又は途中経路の判定と、エリアの存在確率の時系列の変化とに基づいて、時系列の移動パタンとその目的地との関係を学習し、
予め学習した時系列の移動パタン及びその目的地と、現在の日時までに求められたエリアの存在確率の時系列の変化とに基づいて、目的地を確率的に予測する
請求項９に記載の目的地予測方法。
【請求項１１】
一定時間間隔における端末が存在するエリアの誤差の範囲の重なりが、その時間内での最小の誤差の範囲を一定割合以上でカバーする場合には停止と判定し、それ以外の場合には移動と判定し、
停止から移動へと変異した地点を出発地、移動から停止へと変異した地点を到着地、出発地から到着地までの移動した場所を途中経路と判定する
請求項１０に記載の目的地予測方法。
【請求項１２】
端末に搭載された加速度センサによって一定時間以上、前記加速度センサの出力値の分散が一定以上、振幅が一定以上あった場合は移動中であると判定する
請求項１０に記載の目的地予測方法。
【請求項１３】
各エリアにおいてエリアの存在確率の最大値が一定の閾値を超えた場合、そのエリアを通過したこととして学習する請求項８から請求項１２のいずれかに記載の目的地予測方法。
【請求項１４】
各エリアにおいてエリア存在確率の平均値が一定の閾値を超えた場合、そのエリアを通過したこととして学習する請求項８から請求項１２のいずれかに記載の目的地予測方法。
【請求項１５】
端末の予測位置とその測定誤差とを検出する位置情報検出処理と、
前記予測位置と測定誤差と地図データベースとに基づいて、端末がどのエリアに属するかを確率的に計算するエリア存在確率検出処理と、
日時と、エリアと、前記日時に端末がエリアに存在する存在確率との履歴情報に基づいて、端末の時系列の移動パタンを検出するエリア存在手段付学習処理と
を情報処理装置に実行させるプログラム。
【請求項１６】
前記時系列の移動パタンに基づいて、目的地を予測する行動予測処理を有する請求項１５に記載のプログラム。
【請求項１７】
エリアの存在確率の時系列の変化から移動又は停止を判断し、その移動又は停止の時系列の変化から出発地、目的地、又は途中経路を判定する位置属性判定処理を備え、
前記エリア存在手段付学習処理は、前記出発地、目的地、又は途中経路の判定と、エリアの存在確率の時系列の変化とに基づいて、時系列の移動パタンとその目的地との関係を学習し、
前記行動予測処理は、予め学習した時系列の移動パタン及びその目的地と、現在の日時までに求められたエリアの存在確率の時系列の変化とに基づいて、目的地を確率的に予測する
請求項１６に記載のプログラム。
【請求項１８】
前記位置属性判定処理は、
一定時間間隔における端末が存在するエリアの誤差の範囲の重なりが、その時間内での最小の誤差の範囲を一定割合以上でカバーする場合には停止と判定し、それ以外の場合には移動と判定し、
停止から移動へと変異した地点を出発地、移動から停止へと変異した地点を到着地、出発地から到着地までの移動した場所を途中経路と判定する
請求項１７に記載のプログラム。
【請求項１９】
前記位置属性判定処理は、端末に搭載された加速度センサによって一定時間以上、前記加速度センサの出力値の分散が一定以上、振幅が一定以上あった場合は移動中であると判定する
請求項１７に記載のプログラム。
【請求項２０】
前記エリア存在手段付学習処理は、各エリアにおいてエリアの存在確率の最大値が一定の閾値を超えた場合、そのエリアを通過したこととして学習する請求項１５から請求項１９のいずれかに記載のプログラム。
【請求項２１】
前記エリア存在手段付学習処理は、各エリアにおいてエリア存在確率の平均値が一定の閾値を超えた場合、そのエリアを通過したこととして学習する請求項１５から請求項１９のいずれかに記載のプログラム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【公開番号】特開２０１０−１４５１１６（Ｐ２０１０−１４５１１６Ａ）
【公開日】平成２２年７月１日（２０１０．７．１）
【国際特許分類】
【出願番号】特願２００８−３１９５７９（Ｐ２００８−３１９５７９）
【出願日】平成２０年１２月１６日（２００８．１２．１６）
【出願人】（０００００４２３７）日本電気株式会社 (19,353)
【Ｆターム（参考）】
【公開日】平成２２年７月１日（２０１０．７．１）
【国際特許分類】
【出願日】平成２０年１２月１６日（２００８．１２．１６）
【出願人】（０００００４２３７）日本電気株式会社 (19,353)
【Ｆターム（参考）】
[ Back to top ]