JP2014219792A - Position publicizing propriety determination device, position publicizing propriety learning device, method and program - Google Patents

Position publicizing propriety determination device, position publicizing propriety learning device, method and program Download PDF

Info

Publication number
JP2014219792A
JP2014219792A JP2013097708A JP2013097708A JP2014219792A JP 2014219792 A JP2014219792 A JP 2014219792A JP 2013097708 A JP2013097708 A JP 2013097708A JP 2013097708 A JP2013097708 A JP 2013097708A JP 2014219792 A JP2014219792 A JP 2014219792A
Authority
JP
Japan
Prior art keywords
feature amount
scan
user
access point
scans
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2013097708A
Other languages
Japanese (ja)
Inventor
柳沢　豊
Yutaka Yanagisawa
豊 柳沢
卓也 前川
Takuya Maekawa
卓也 前川
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nippon Telegraph and Telephone Corp
Osaka University NUC
Original Assignee
Nippon Telegraph and Telephone Corp
Osaka University NUC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nippon Telegraph and Telephone Corp, Osaka University NUC filed Critical Nippon Telegraph and Telephone Corp
Priority to JP2013097708A priority Critical patent/JP2014219792A/en
Publication of JP2014219792A publication Critical patent/JP2014219792A/en
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M1/00—Substation equipment, e.g. for use by subscribers

Landscapes

  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Signal Processing (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Telephone Function (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

PROBLEM TO BE SOLVED: To provide a position publicizing propriety determination device and a position publicizing propriety learning device that consume a little power and can accurately determine whether position information on a user should be publicized or not while preventing a third party from learning the position information on the user.SOLUTION: A position publicizing propriety determination device extracts the amount of communication feature indicating the distance between a particular access point and an access point detected by scan by a feature amount extraction unit 42 on the basis of the distance between access points for scan to detect an access point by a radio communication terminal carried around by a user, extracts the amount of voice feature from voice data around the user inputted at the time of scan for scan, and determines propriety of publicizing position information on the user by a determination unit 46 on the basis of the amount of voice feature, the amount of communication feature, and an identification model to identify propriety of publicizing the position information on the user for scan.

Description

本発明は、位置公開可否判定装置、位置公開可否学習装置、方法、及びプログラムに係り、特に、ユーザの位置情報の公開の可否を判定する位置公開可否判定装置、位置公開可否学習装置、方法、及びプログラムに関する。   The present invention relates to a position disclosure permission determination device, a position disclosure permission learning device, a method, and a program, and in particular, a position disclosure permission determination device, a position disclosure permission learning device, a method, and a method for determining whether or not a user's position information can be disclosed. And the program.

現在、携帯端末上における、ＧＰＳやＷｉＦｉ（無線ＬＡＮ）電波を用いた位置計測が一般的になっている。近年のＧＰＳを用いた位置計測では、ＧＰＳ衛星に加えて、サーバに問い合わせて得た携帯電話の基地局情報の情報も併せて用いるＡ−ＧＰＳという方法が多く用いられている。ＷｉＦｉ電波を用いた位置計測では、予め様々な座標において、ＷｉＦｉ電波を収集しておき、その位置座標と共に位置情報データベースに格納しておく（非特許文献１、非特許文献２）。そして、携帯端末の位置情報を知りたいときは、その端末が観測したＷｉＦｉ電波情報と、データベース内の電波情報とを比較して、もっとも類似したものを検索し、その電波情報に紐付いている位置座標を、端末の座標とする。   At present, position measurement using GPS or WiFi (wireless LAN) radio waves on a mobile terminal is becoming common. In recent position measurement using GPS, in addition to GPS satellites, a method called A-GPS that uses information on base station information of a mobile phone obtained by inquiring a server is often used. In position measurement using WiFi radio waves, WiFi radio waves are collected in advance at various coordinates, and stored in the position information database together with the position coordinates (Non-patent Documents 1 and 2). Then, when it is desired to know the location information of the mobile terminal, the WiFi radio wave information observed by the terminal is compared with the radio wave information in the database, the most similar one is searched, and the position associated with the radio wave information Let the coordinates be the coordinates of the terminal.

このように、ある程度手軽に端末の屋外、屋内位置情報を得る事が出来るようになってきたため、位置情報を友人間や家族間で共有するＷｅｂサービスが多く出現してきた（Google latitude、foursquare、gowalla、非特許文献３）。   As described above, since it has become possible to obtain location information on the terminal outdoors and indoors to some extent, many web services that share location information between friends and family have appeared (Google latitude, foursquare, gowalla Non-Patent Document 3).

位置情報はプライバシーに大きくかかわるため、その共有ポリシーを適切に定めることが重要である。既存のサービスでは、そのポリシーをユーザが記述したルールにより作成している（例えば、「昼１２時から１８時の間のみ公開する」など）。しかし、人手で作成したルールは予定の変更やゆらぎ等に弱く、プライバシー情報がユーザの意図に反して流出してしまうことが多い。   Since location information is largely related to privacy, it is important to properly define its sharing policy. In the existing service, the policy is created according to the rules described by the user (for example, “only open from 12:00 to 18:00”). However, manually created rules are vulnerable to schedule changes and fluctuations, and privacy information often leaks against the user's intention.

一方、近年の研究において、機械学習のアプローチを用いて共有の為のルールを自動的に学習する試みが行われている（非特許文献４、非特許文献５）。このような研究では、さまざまな場所において、ユーザに位置共有のポリシー（位置を共有するか否か）を問い合わせる。そして、答えとその場所で得られた位置座標を用いて共有のためのルールを自動的に学習する。   On the other hand, in recent studies, attempts have been made to automatically learn rules for sharing using a machine learning approach (Non-Patent Documents 4 and 5). In such studies, users are asked about location sharing policies (whether or not to share locations) at various locations. Then, a rule for sharing is automatically learned using the answer and the position coordinates obtained at the place.

P. Bahl and V.N. Padmanabhan. RADAR: An in-building RF based user location and tracking system. In IEEE INFOCOM 2000,volume 2, pages 775−784, 2000.P. Bahl and V.N.Padmanabhan.RADAR: An in-building RF based user location and tracking system.In IEEE INFOCOM 2000, volume 2, pages 775-784, 2000. A. LaMarca, Y. Chawathe, S. Consolvo, J. Hightower, I. Smith, J. Scott, T. Sohn, J. Howard, J. Hughes, F. Potter, et al. Place lab: Device positioning using radio beacons in the wild. Pervasive 2005, pages 116−133, 2005.A. LaMarca, Y. Chawathe, S. Consolvo, J. Hightower, I. Smith, J. Scott, T. Sohn, J. Howard, J. Hughes, F. Potter, et al. Place lab: Device positioning using radio beacons in the wild.Pervasive 2005, pages 116-133, 2005. R. Hull, B. Kumar, D. Lieuwen, P.F. Patel-Schneider, A. Sahuguet, S. Varadarajan, and A. Vyas. Enabling context-aware and privacy conscious user data sharing. In IEEE International Conference on Mobile Data Management, pages 187−198, 2004.R. Hull, B. Kumar, D. Lieuwen, PF Patel-Schneider, A. Sahuguet, S. Varadarajan, and A. Vyas. Enabling context-aware and privacy conscious user data sharing. In IEEE International Conference on Mobile Data Management, pages 187-198, 2004. MG. Bigwood, F.B. Abdesslem, and T. Henderson. Predicting location sharing privacy preferences in social network applications. In First Workshop on Recent Advances in Behavior Prediction and Pro-active Pervasive Computing, 2012.MG. Bigwood, F.B.Abdesslem, and T. Henderson.Predicting location sharing privacy preferences in social network applications.In First Workshop on Recent Advances in Behavior Prediction and Pro-active Pervasive Computing, 2012. N. Sadeh, J. Hong, L. Cranor, I. Fette, P. Kelley, M. Prabaker, and J. Rao. Understanding and capturing people’s privacy policies in a mobile social networking application. Personal and Ubiquitous Computing, 13(6):401−412, 2009.N. Sadeh, J. Hong, L. Cranor, I. Fette, P. Kelley, M. Prabaker, and J. Rao.Understanding and capturing people's privacy policies in a mobile social networking application.Personal and Ubiquitous Computing, 13 (6 ): 401-412, 2009.

人手で作成したルールを用いる手法や、機械学習により得られたルールを用いる手法では、ＧＰＳやＷｉＦｉから得られた位置情報を用いて、その位置情報の共有の可否を判定する。   In a method using a rule created by hand or a method using a rule obtained by machine learning, the position information obtained from GPS or WiFi is used to determine whether or not the position information can be shared.

しかし、近年の位置計測手法（ＷｉＦｉ位置計測やＡ−ＧＰＳ）は、サーバとの情報のやり取りを行い、端末の位置を決定するため、端末のユーザがその現在位置を他の人に知られたくないと考えていたとしても、その位置情報は位置計測プロバイダ（サーバ）に知られてしまうという問題がある。   However, recent position measurement methods (WiFi position measurement or A-GPS) exchange information with the server and determine the position of the terminal, so that the user of the terminal wants to know the current position to other people. Even if it is not considered, there is a problem that the position information is known to the position measurement provider (server).

また、常時の位置共有を想定したサービスが多くあり、ＧＰＳによる位置計測は、携帯端末のバッテリを急速に消耗させるため、常にＧＰＳモジュールを駆動させていた場合、端末のバッテリの消耗が激しいという問題がある。   In addition, there are many services that are supposed to share the location at all times, and the GPS position measurement rapidly consumes the battery of the mobile terminal. Therefore, if the GPS module is always driven, the battery of the terminal is heavily consumed. There is.

本発明では、上記問題点を解決するために成されたものであり、低消費電力で、かつ、第三者にユーザの位置情報を知られることなく、ユーザの位置情報公開の可否を精度よく判定することができる位置公開可否判定装置、方法、及びプログラムを提供することを目的とする。   The present invention has been made to solve the above-described problems, and has low power consumption, and whether or not the user's location information can be disclosed with high accuracy without a third party knowing the user's location information. An object of the present invention is to provide an apparatus, a method, and a program for determining whether or not a position can be disclosed.

また、本発明では、低消費電力で、かつ、第三者にユーザの位置情報を知られることなく、ユーザの位置情報公開の可否を精度よく判定するための識別モデルを学習することができる位置公開可否学習装置、方法、及びプログラムを提供することを目的とする。   Further, according to the present invention, a position that can learn an identification model for accurately determining whether or not a user's position information can be disclosed without consuming a third party's position information with low power consumption. It is an object of the present invention to provide an open / close learning device, method, and program.

上記目的を達成するために、第１の発明に係る位置公開可否学習装置は、ユーザが携帯する無線通信端末によるアクセスポイントを検出するための複数のスキャンの各々に対し、前記スキャンのときの前記ユーザの位置情報の公開の可否を示す情報の入力を受け付ける受付手段と、前記複数のスキャンの各々に対し、アクセスポイント間の距離に基づいて、前記スキャンで検出されたアクセスポイントについて、特定のアクセスポイントとの距離を示す通信特徴量を抽出する通信特徴量抽出手段と、前記複数のスキャンの各々に対し、前記スキャンのときに入力される前記ユーザの周辺の音声データから音声特徴量を抽出する音声特徴量抽出手段と、前記複数のスキャンに対し、前記音声特徴量抽出手段によって抽出された音声特徴量と、前記通信特徴量抽出手段によって抽出された通信特徴量と、前記ユーザの位置情報の公開の可否を示す情報とに基づいて、前記ユーザの位置情報の公開の可否を識別するための識別モデルを学習する学習手段と、を含んで構成されている。   In order to achieve the above object, a position disclosure permission learning device according to a first aspect of the present invention relates to each of a plurality of scans for detecting an access point by a wireless communication terminal carried by a user with respect to each of the scans. Accepting means for accepting input of information indicating whether or not the user's location information can be disclosed, and for each of the plurality of scans, a specific access for the access point detected by the scan based on the distance between the access points A communication feature amount extracting unit that extracts a communication feature amount indicating a distance to a point; and for each of the plurality of scans, a voice feature amount is extracted from voice data around the user input at the time of the scan. An audio feature amount extracting unit; an audio feature amount extracted by the audio feature amount extracting unit for the plurality of scans; Based on the communication feature amount extracted by the communication feature amount extraction unit and information indicating whether or not the user's location information can be disclosed, an identification model for identifying whether or not the user's location information can be disclosed is learned. Learning means.

第２の発明に係る位置公開可否学習方法は、受付手段と、通信特徴量抽出手段と、音声特徴量抽出手段と、学習手段と、を含む位置公開可否学習装置における位置公開可否学習方法において、前記受付手段は、ユーザが携帯する無線通信端末によるアクセスポイントを検出するための複数のスキャンの各々に対し、前記スキャンのときの前記ユーザの位置情報の公開の可否を示す情報の入力を受け付け、前記通信特徴量抽出手段は、前記複数のスキャンの各々に対し、アクセスポイント間の距離に基づいて、前記スキャンで検出されたアクセスポイントについて、特定のアクセスポイントとの距離を示す通信特徴量を抽出し、前記音声特徴量抽出手段は、前記複数のスキャンの各々に対し、前記スキャンのときに入力される前記ユーザの周辺の音声データから音声特徴量を抽出し、前記学習手段は、前記複数のスキャンに対し、前記音声特徴量抽出手段によって抽出された音声特徴量と、前記通信特徴量抽出手段によって抽出された通信特徴量と、前記ユーザの位置情報の公開の可否を示す情報とに基づいて、前記ユーザの位置情報の公開の可否を識別するための識別モデルを学習する。   According to a second aspect of the present invention, there is provided a position disclosure possibility learning method in a position disclosure possibility learning apparatus including a reception unit, a communication feature amount extraction unit, a voice feature amount extraction unit, and a learning unit. The accepting means accepts input of information indicating whether or not the user's location information can be disclosed for each of a plurality of scans for detecting an access point by a wireless communication terminal carried by the user, The communication feature amount extraction unit extracts, for each of the plurality of scans, a communication feature amount indicating a distance from a specific access point with respect to the access point detected by the scan based on a distance between the access points. And the voice feature amount extraction unit is configured to input, for each of the plurality of scans, the user's surroundings input at the time of the scan. A voice feature amount is extracted from voice data, and the learning unit extracts the voice feature amount extracted by the voice feature amount extraction unit and the communication feature amount extracted by the communication feature amount extraction unit for the plurality of scans. And an identification model for identifying whether or not the location information of the user can be disclosed based on the information indicating whether or not the location information of the user can be disclosed.

第１の発明及び第２の発明によれば、受付手段により、ユーザが形態する無線通信端末によるアクセスポイントを検出するための複数のスキャンの各々に対し、ユーザの位置情報の公開の可否を示す情報の入力を受け付け、通信特徴量抽出手段により、アクセスポイント間の距離に基づいて、スキャンで検索されたアクセスポイントについて、特定のアクセスポイントとの距離を示す特徴量を抽出し、音声特徴量抽出手段により、スキャンの時に入力されるユーザの周辺の音声データから音声特徴量を抽出する。   According to the first and second inventions, the accepting unit indicates whether or not the user's location information can be disclosed for each of a plurality of scans for detecting an access point by a wireless communication terminal formed by the user. Accepts input of information, extracts feature values indicating the distance from a specific access point for the access points searched by scanning based on the distance between the access points, and extracts voice features The means extracts voice feature values from voice data around the user input at the time of scanning.

そして、学習手段により、音声特徴量と通信特徴量と、ユーザの位置情報の公開の可否を示す情報とに基づいて、ユーザの位置情報の公開の可否を識別するための識別モデルを学習する。   Then, the learning means learns an identification model for identifying whether or not the user's location information can be disclosed based on the voice feature amount, the communication feature amount, and information indicating whether or not the user's location information can be disclosed.

このように、第１の発明及び第２の発明によれば、低消費電力で、かつ、第三者に自身の位置情報を知られることなく、ユーザの位置情報の公開可否を精度よく判定するための識別モデルを学習することができる。   As described above, according to the first and second aspects of the invention, it is possible to accurately determine whether or not the user's location information can be disclosed with low power consumption and without knowing his / her location information by a third party. An identification model for learning can be learned.

第１及び第２の発明において、前記通信特徴量抽出手段は、前記複数のスキャンの各々に対し、前記アクセスポイント間の距離と前記受け付けた前記ユーザの位置情報の公開の可否を示す情報とに基づいて、前記スキャンに対するｋ近傍のスキャンの各々に対して受け付けた前記ユーザの位置情報の公開の可否を示す情報に基づく公開可または公開不可の比率、又は、前記スキャンに対して受け付けた前記ユーザの位置情報の公開の可否を示す情報と前記スキャンに対して最も近いスキャンに対して受け付けた前記ユーザの位置情報の公開可及び公開不可の何れか一方を受け付けたスキャンのうち、前記スキャンに対して最も近いスキャンと、前記スキャンとの距離を、通信特徴量として更に抽出するようにしてもよい。   In the first and second aspects of the invention, the communication feature amount extraction unit includes, for each of the plurality of scans, information indicating a distance between the access points and whether or not the received location information of the user is disclosed. Based on the information indicating whether or not to disclose the location information of the user received for each of the scans in the vicinity of k with respect to the scan, or the ratio of disclosure possible or not based on the information, or the user accepted for the scan Among the scans that have received information indicating whether or not the location information can be disclosed and whether or not the location information of the user accepted for the scan closest to the scan has been accepted, The distance between the nearest scan and the scan may be further extracted as a communication feature amount.

また、前記通信特徴量抽出手段は、前記複数のスキャンの各々に対し、前記アクセスポイント間の距離と前記受け付けた前記ユーザの位置情報の公開の可否を示す情報とに基づいて、前記スキャンに対するｋ近傍のスキャンの各々に対して受け付けた前記ユーザの位置情報の公開の可否を示す情報に基づく公開可または公開不可の比率、又は、前記スキャンに対して受け付けた前記ユーザの位置情報の公開の可否を示す情報と前記スキャンに対して最も近いスキャンに対して受け付けた前記ユーザの位置情報の公開可及び公開不可の何れか一方を受け付けたスキャンのうち、前記スキャンに対して最も近いスキャンと、前記スキャンとの距離を、前記通信特徴量として更に抽出してもよい。   In addition, the communication feature amount extraction unit may calculate k for the scan based on a distance between the access points and information indicating whether the received location information of the user is open for each of the plurality of scans. Percentage of disclosure or non-disclosure based on information indicating whether or not the location information of the user received for each neighboring scan is available, or whether or not the location information of the user received for the scan can be disclosed The scan closest to the scan among the scans that accepted either disclosure of the user's location information accepted for the scan that is closest to the scan and the information that indicates the scan, The distance from the scan may be further extracted as the communication feature amount.

また、前記無線通信端末による複数のスキャンの各々で検出されたアクセスポイントと前記複数のスキャンの各々の時刻又は曜日とに基づいて、アクセスポイントの各々に対し、時間帯毎に、前記アクセスポイントの前記時間帯に関する情報エントロピを算出し、又は曜日毎に、前記アクセスポイントの曜日に関する情報エントロピを算出するエントロピ算出手段を更に含み、前記通信特徴量抽出手段は、前記複数のスキャンの各々に対し、前記スキャンにおいて検出されたアクセスポイントが検出された過去のスキャンの数の比率、前記スキャンにおいて検出されたアクセスポイント及び前記スキャンの時刻に対応して算出された、前記アクセスポイントの前記時間帯に関する情報エントロピ、又は、前記スキャンにおいて検出されたアクセスポイント及び前記スキャンの曜日に対応して算出された、前記アクセスポイントの前記曜日に関する情報エントロピを、前記通信特徴量として更に抽出するようにしてもよい。   Further, based on the access point detected in each of a plurality of scans by the wireless communication terminal and the time or day of the week of each of the plurality of scans, for each access point, the access point An entropy calculating unit that calculates information entropy related to the time zone or calculates information entropy related to the day of the week of the access point for each day of the week is further included, and the communication feature amount extracting unit is configured to Information regarding the time zone of the access point calculated in correspondence with the ratio of the number of past scans in which the access point detected in the scan was detected, the access point detected in the scan and the time of the scan Entropy or actions detected in the scan Were calculated corresponding to the day of the scan points and the scan, the information entropy regarding the day of the access point may further be extracted as the communication characteristic quantity.

第３の発明に係る位置公開可否判定装置は、ユーザが携帯する無線通信端末によるアクセスポイントを検出するためのスキャンで検出されたアクセスポイントについて、アクセスポイント間の距離に基づいて、特定のアクセスポイントとの距離を示す通信特徴量を抽出する通信特徴量抽出手段と、前記スキャンに対し、前記スキャンのときに入力される前記ユーザの周辺の音声データから音声特徴量を抽出する音声特徴量抽出手段と、前記音声特徴量抽出手段によって抽出された音声特徴量と、前記通信特徴量抽出手段によって抽出された通信特徴量と、前記ユーザの位置情報の公開の可否を識別するための予め学習した識別モデルとに基づいて、前記スキャンの時の前記ユーザの位置情報の公開の可否を判定する判定手段と、を含んで構成されている。   According to a third aspect of the present invention, there is provided an apparatus for determining whether or not to disclose a position, based on a distance between access points for an access point detected by a scan for detecting an access point by a wireless communication terminal carried by a user. Communication feature amount extracting means for extracting a communication feature amount indicating a distance to the user, and voice feature amount extracting means for extracting voice feature amount from voice data around the user input at the time of the scan with respect to the scan A previously learned identification for identifying whether or not the voice feature amount extracted by the voice feature amount extraction unit, the communication feature amount extracted by the communication feature amount extraction unit, and whether or not the position information of the user can be disclosed And determining means for determining whether or not the user's location information can be disclosed based on the model. It has been.

第４の発明に係る位置公開可否判定方法は、通信特徴量抽出手段と、音声特徴量抽出手段と、判定手段と、を含む位置公開可否判定装置における位置公開可否判定方法において、前記通信特徴量抽出手段は、ユーザが携帯する無線通信端末によるアクセスポイントを検出するためのスキャンで検出されたアクセスポイントについて、アクセスポイント間の距離に基づいて、特定のアクセスポイントとの距離を示す通信特徴量を抽出し、前記音声特徴量抽出手段は、前記スキャンに対し、前記スキャンのときに入力される前記ユーザの周辺の音声データから音声特徴量を抽出し、前記判定手段は、前記音声特徴量抽出手段によって抽出された音声特徴量と、前記通信特徴量抽出手段によって抽出された通信特徴量と、前記ユーザの位置情報の公開の可否を識別するための予め学習した識別モデルとに基づいて、前記スキャンの時の前記ユーザの位置情報の公開の可否を判定する。   According to a fourth aspect of the present invention, there is provided a position disclosure possibility determination method in a position disclosure possibility determination apparatus including a communication feature amount extraction unit, a voice feature amount extraction unit, and a determination unit. The extraction means calculates a communication feature amount indicating a distance from a specific access point based on the distance between the access points for the access point detected by the scan for detecting the access point by the wireless communication terminal carried by the user. The voice feature quantity extraction unit extracts voice feature quantity from voice data around the user input at the time of the scan, and the determination unit extracts the voice feature quantity extraction unit. The voice feature amount extracted by the communication feature amount extraction means, the communication feature amount extracted by the communication feature amount extraction means, and the public position information of the user. It based the possibility to the identification models previously learned for identifying, determining said possibility of publishing the location information of the user when the scan.

第３及び第４の発明によれば、通信特徴量抽出手段により、ユーザが携帯する無線通信端末によるアクセスポイントを検出するためのスキャンで検出されたアクセスポイントについて、アクセスポイント間の距離に基づいて、特定のアクセスポイントとの距離を示す通信特徴量を抽出し、音声特徴量抽出手段により、スキャンの時に入力されるユーザの周辺の音声データから音声特徴量を抽出する。   According to the third and fourth aspects of the present invention, the access point detected by the scan for detecting the access point by the wireless communication terminal carried by the user by the communication feature amount extraction means is based on the distance between the access points. Then, a communication feature amount indicating a distance to a specific access point is extracted, and a voice feature amount is extracted from voice data around the user input at the time of scanning by a voice feature amount extraction unit.

そして、判定手段により、音声特徴量と、通信特徴量と、ユーザの位置情報の公開の可否を識別するための予め学習した識別モデルとに基づいて、前記スキャンの時のユーザの位置情報の公開の可否を判定する。   Then, based on the voice feature value, the communication feature value, and the identification model learned in advance for identifying whether or not the user's position information can be disclosed, the determination unit discloses the user's position information at the time of the scan. Determine whether or not.

このように、第３の発明及び第４の発明によれば、低消費電力で、かつ第三者に自身の位置を知られることなく、ユーザの位置情報の公開可否を精度よく判定することができる。   As described above, according to the third and fourth aspects of the invention, it is possible to accurately determine whether or not to disclose the user's location information with low power consumption and without knowing the location of the user by a third party. it can.

また、本発明のプログラムは、コンピュータを、上記の位置公開可否学習装置及び位置公開可否判定装置を構成する各手段として機能させるためのプログラムである。   Moreover, the program of this invention is a program for functioning a computer as each means which comprises said position disclosure possibility learning apparatus and position disclosure possibility determination apparatus.

以上説明したように、本発明の位置公開可否判定装置、方法、及びプログラムによれば、低消費電力で、かつ、第三者にユーザの位置情報を知られることなく、ユーザの位置情報公開の可否を精度よく判定することができる。   As described above, according to the position disclosure permission / inhibition determination device, method, and program of the present invention, it is possible to publish a user's position information with low power consumption and without knowing the user's position information by a third party. Whether it is possible or not can be accurately determined.

また、本発明の位置公開可否学習装置、方法、及びプログラムによれば、低消費電力で、かつ、第三者にユーザの位置情報を知られることなく、ユーザの位置情報公開の可否を精度よく判定するための識別モデルを学習することができる。   Further, according to the position disclosure possibility learning device, method, and program of the present invention, it is possible to accurately determine whether a user's position information can be disclosed with low power consumption and without knowing the user's position information by a third party. An identification model for determination can be learned.

音圧とユーザの位置情報公開率の関係の例を示す図である。It is a figure which shows the example of the relationship between a sound pressure and a user's positional information disclosure rate. 本発明の実施の形態に係る位置公開可否判定装置の機能的構成を示すブロック図である。It is a block diagram which shows the functional structure of the position disclosure permission determination apparatus which concerns on embodiment of this invention. アクセスポイントの時刻に関する情報エントロピと公開率の関係の例を示す図である。It is a figure which shows the example of the relationship between the information entropy regarding the time of an access point, and a disclosure rate. 連続的に計測されたスキャンデータから生成される距離グラフの例を示す図である。It is a figure which shows the example of the distance graph produced | generated from the scan data measured continuously. 家又は仕事場のアクセスポイントとの距離と位置情報公開率の関係の例を示す図である。It is a figure which shows the example of the relationship between the distance with the access point of a house or a workplace, and a positional information disclosure rate. 本発明の実施の形態に係る位置公開可否判定装置における位置公開可否学習処理ルーチンを示す図である。It is a figure which shows the position disclosure possibility learning process routine in the position disclosure possibility determination apparatus which concerns on embodiment of this invention. 本発明の実施の形態に係る位置公開可否判定装置における位置公開可否判定処理ルーチンを示す図である。It is a figure which shows the position disclosure possibility determination processing routine in the position disclosure possibility determination apparatus which concerns on embodiment of this invention.

以下、図面を参照して本発明の実施の形態を詳細に説明する。   Hereinafter, embodiments of the present invention will be described in detail with reference to the drawings.

＜発明の概要＞
従来の研究において、ユーザが家にいる時は、その位置の公開に積極的ではなく、ユーザが公共の場にいる時は、その位置の公開に積極的であるとされている（非特許文献６：D. Anthony, T. Henderson, and D. Kotz. Privacy in location-aware computing environments. IEEE Pervasive Computing, 6(4):64−72, 2007.）。また、ある位置におけるユーザの位置情報の公開の可否については、特別な位置からの距離に関係するとされている（例えば、ユーザが家の近くにいるほど、ユーザの位置情報を公開することに否定的である。）。 <Outline of the invention>
In the conventional research, when the user is at home, the position is not positively disclosed. When the user is in a public place, the position is positively disclosed (Non-Patent Document). 6: D. Anthony, T. Henderson, and D. Kotz. Privacy in location-aware computing environments. IEEE Pervasive Computing, 6 (4): 64-72, 2007.). In addition, whether or not to disclose the location information of the user at a certain position is related to the distance from the special location (for example, the closer the user is to the house, the more denial is to disclose the location information of the user) ).

また、ユーザが公共の場にいるか、家にいるかは、ユーザの周囲の音量などの情報から推測できる。また、ＥＳＭを用いて位置情報の公開可否情報を収集した実験において、音圧と位置情報の公開率の関係性を調べると、図１に示すように、周囲の音圧が４０ｄＢ以下のときの位置情報の公開率が約６０パーセントになることが分かった。そのため、本実験の場合、ユーザが静穏な環境にいるときに、位置情報を公開しない傾向にある。   Whether the user is in a public place or at home can be estimated from information such as the volume around the user. Further, in an experiment in which position information disclosure availability information was collected using ESM, when the relationship between the sound pressure and the position information disclosure rate was examined, as shown in FIG. 1, when the surrounding sound pressure was 40 dB or less, It was found that the disclosure rate of location information was about 60%. Therefore, in the case of this experiment, when the user is in a quiet environment, the position information tends not to be disclosed.

また、ユーザが家にいるときは、家のＷｉＦｉアクセスポイント（ＡＰ）からの電波を受信しているということから、ＡＰの情報は、ユーザの現在位置に大きく関係している。   In addition, when the user is at home, the radio wave is received from the WiFi access point (AP) of the home, and thus the AP information is largely related to the current position of the user.

また、ユーザがあるＡＰからの電波を受信しているときに、ユーザが現在位置を公開しないことがわかれば、そのＡＰの情報を公開の可否の判断に用いることができる。   Further, when the user is receiving radio waves from a certain AP and knows that the user does not disclose the current position, the information on the AP can be used to determine whether or not to disclose.

このように、マイクやＷｉＦｉモジュールから得られたセンサデータを用いて、ユーザの現在位置の公開の可否を判断することができる（可、不可の２クラス分類問題となる）。   In this way, it is possible to determine whether or not the user's current position can be disclosed using sensor data obtained from the microphone or the WiFi module (this is a two-class classification problem that is possible or impossible).

＜位置公開可否判定装置の構成＞
次に、本発明の実施の形態に係る位置公開可否判定装置の構成ついて説明する。図２に示すように、本発明の実施の形態に係る位置公開可否判定装置１００は、ユーザが携帯する無線通信端末に搭載されており、ＣＰＵとＲＡＭと後述する位置公開可否学習処理ルーチン及び位置公開可否判定処理ルーチンを実行するためのプログラムや各種データを記憶したＲＯＭと、を含むコンピュータで構成することが出来る。この位置公開可否判定装置１００は、機能的には図２に示すように操作部１０と、マイク１２と、ＷｉＦｉモジュール１４と、演算部２０と、出力部５０とを備えている。 <Configuration of position disclosure permission determination device>
Next, the configuration of the position disclosure permission determination apparatus according to the embodiment of the present invention will be described. As shown in FIG. 2, the position disclosure permission / inhibition determination device 100 according to the embodiment of the present invention is mounted on a wireless communication terminal carried by a user, and includes a CPU and a RAM, a position disclosure permission / inhibition learning processing routine and a position described later. It can be configured by a computer including a program for executing the disclosure possibility determination processing routine and a ROM storing various data. Functionally, the position disclosure permission / inhibition determination apparatus 100 includes an operation unit 10, a microphone 12, a WiFi module 14, a calculation unit 20, and an output unit 50 as shown in FIG.

操作部１０は、無線通信端末に備えられたタッチパネルディスプレイ等により構成され、表示機能及び操作入力機能を備えている。すなわち、無線通信端末によりアクセスポイントを検出するためのスキャンを行ったときに、無線通信端末のタッチパネルディスプレイ上に表示されるユーザの位置情報の公開の可否についての質問に対して、ユーザが指先等でタッチパネルディスプレイに接触することにより、ユーザの現在の位置情報の公開の可否について選択し、その情報を学習入力部２２に出力する。   The operation unit 10 includes a touch panel display or the like provided in the wireless communication terminal, and includes a display function and an operation input function. That is, when a scan for detecting an access point is performed by the wireless communication terminal, the user can use his / her fingertip to answer a question about whether or not to disclose the user's position information displayed on the touch panel display of the wireless communication terminal. The user touches the touch panel display to select whether the user's current location information can be disclosed, and outputs the information to the learning input unit 22.

マイク１２は、無線通信端末に備えられたマイクであって、当該無線通信端末を携帯するユーザの周囲の音声データを取得し、学習入力部２２及び入力部４０に出力する。   The microphone 12 is a microphone provided in the wireless communication terminal, acquires sound data around the user carrying the wireless communication terminal, and outputs it to the learning input unit 22 and the input unit 40.

ＷｉＦｉモジュール１４は、アクセスポイントを検出するためのスキャンを所定時間毎に行い、ＷｉＦｉモジュール１４が受信したスキャンデータ（アクセスポイント各々のＭＡＣアドレス及び信号強度とスキャン日時(時刻及び曜日）を含む）を学習入力部２２及び入力部４０に出力する。   The WiFi module 14 performs a scan for detecting an access point every predetermined time, and includes the scan data (including the MAC address and signal strength of each access point and the scan date and time (time and day)) received by the WiFi module 14. Output to the learning input unit 22 and the input unit 40.

演算部２０は、学習入力部２２と、センサデータ記憶部２４と、事前データ生成部２６と、学習特徴量抽出部２８と、学習特徴量連結部３０と、識別モデル学習部３２と、識別モデル記憶部３４と、入力部４０と、特徴量抽出部４２と、特徴量連結部４４と、判定部４６とを備えている。   The calculation unit 20 includes a learning input unit 22, a sensor data storage unit 24, a prior data generation unit 26, a learning feature amount extraction unit 28, a learning feature amount connection unit 30, an identification model learning unit 32, and an identification model. The storage unit 34, the input unit 40, the feature amount extraction unit 42, the feature amount connection unit 44, and the determination unit 46 are provided.

学習入力部２２は、無線通信端末によりアクセスポイントを検出するためのスキャンを行ったときであって、かつ、学習データを取得するときに、操作部１０から入力されるユーザの現在の位置情報の公開の可否の情報と、マイク１２から入力されるユーザの周囲の音声データと、ＷｉＦｉモジュール１４から入力されるスキャンデータとを逐次学習データとして受け付け、センサデータ記憶部２４に記憶する。なお、学習データ（ユーザの現在の位置情報の公開の可否の情報、ユーザの周囲の音声データ及び、スキャンデータ）の取得には、Experience sampling method（ＥＳＭ）を用いる（非特許文献７：R. Larson and M. Csikszentmihalyi. The experience sampling method. New Directions for Methodology of Social & Behavioral Science, 15, 1983.）。ＥＳＭでは、定期的に、無線通信端末によりアクセスポイントを検出するスキャンが行われたときに、携帯端末のユーザに現在位置を公開するか否かの質問を行う。学習入力部２２は、当該現在位置を公開するか否かの質問の答えと、当該質問時にマイクから得られる音声データ及びＷｉＦｉモジュールから得られるスキャンデータとを紐づけて学習データとして逐次受け付け、センサデータ記憶部２４に記憶する。なお、学習入力部２２が受付手段の一例である。   The learning input unit 22 performs a scan for detecting an access point by the wireless communication terminal, and acquires the current position information of the user input from the operation unit 10 when acquiring learning data. Information on whether or not the data can be disclosed, voice data around the user input from the microphone 12, and scan data input from the WiFi module 14 are sequentially received as learning data and stored in the sensor data storage unit 24. Note that the Experience sampling method (ESM) is used to acquire learning data (information about whether or not the user's current location information can be disclosed, voice data around the user, and scan data) (Non-patent Document 7: R. Larson and M. Csikszentmihalyi. The experience sampling method. New Directions for Methodology of Social & Behavioral Science, 15, 1983.). In ESM, when a scan for detecting an access point is performed by a wireless communication terminal, a question as to whether or not to disclose the current position is made to the user of the mobile terminal. The learning input unit 22 sequentially accepts the answer to the question as to whether or not to disclose the current position and the voice data obtained from the microphone at the time of the question and the scan data obtained from the WiFi module as learning data, The data is stored in the data storage unit 24. The learning input unit 22 is an example of a reception unit.

センサデータ記憶部２４は、学習入力部２２から入力された複数の学習データを記憶している。   The sensor data storage unit 24 stores a plurality of learning data input from the learning input unit 22.

事前データ生成部２６は、センサデータ記憶部２４に記憶されている複数の学習データに含まれるスキャンデータに基づいて、アクセスポイント毎に、当該アクセスポイントの時間帯に関する情報エントロピ（０時から２３時までの１時間毎）を算出して事前データ記憶部２７に記憶する。特定の時刻にのみ観測されるアクセスポイントは特徴的である。例えば、仕事場の食堂において観測されるアクセスポイントは、昼食の時間帯のみに観測される。そのような観測の偏りをエントロピによって計算する。図３は、エントロピと公開率の関係を示す。例えば、エントロピが０．５以下のときの公開率は約５５％である。エントロピが低い場合、特定の時間帯のみに観測されるアクセスポイントであることがわかる（例えば帰社途中に寄る飲食店など）。   Based on the scan data included in the plurality of learning data stored in the sensor data storage unit 24, the prior data generation unit 26 provides information entropy (from 0:00 to 23:00) regarding the time zone of the access point for each access point. Is calculated and stored in the prior data storage unit 27. An access point observed only at a specific time is characteristic. For example, an access point observed in a cafeteria at a workplace is observed only during lunch time. Such observational bias is calculated by entropy. FIG. 3 shows the relationship between entropy and disclosure rate. For example, the disclosure rate when entropy is 0.5 or less is about 55%. When the entropy is low, it can be seen that the access point is observed only in a specific time zone (for example, a restaurant near the return home).

具体的には、アクセスポイントａｐ及び時間帯ｔ’の組み合わせ毎に、下記（１）式により情報エントロピＨが算出される。ただし、ｐ（ａｐ，ｔ’）は、時間帯ｔ’においてアクセスポイントａｐが観測されたスキャン数とアクセスポイントａｐを観測した全スキャン数との比率を示す。   Specifically, the information entropy H is calculated by the following equation (1) for each combination of the access point ap and the time zone t ′. Here, p (ap, t ′) represents the ratio between the number of scans in which the access point ap is observed in the time zone t ′ and the total number of scans in which the access point ap is observed.

事前データ生成部２６は、センサデータ記憶部２４に記憶されている複数の学習データに含まれるスキャンデータに基づいて、アクセスポイント毎に、当該アクセスポイントの曜日に関する情報エントロピを算出して事前データ記憶部２７に記憶する。特定の曜日にのみ観測されるアクセスポイントは特徴的である。例えば、あるユーザが日曜日にあるショッピングセンターに買い物に行くことが多い場合、ショッピングセンターに設置されているアクセスポイントは日曜日のみに多く観測される。   The prior data generation unit 26 calculates, for each access point, information entropy related to the day of the week of the access point based on the scan data included in the plurality of learning data stored in the sensor data storage unit 24, and stores the prior data storage. Store in the unit 27. Access points that are observed only on specific days are distinctive. For example, when a user often goes to shopping at a shopping center on Sunday, many access points installed in the shopping center are observed only on Sunday.

具体的には、アクセスポイントａｐ及び曜日ｄの組み合わせ毎に、下記（２）式により情報エントロピＨが算出される。ただし、ｐ（ａｐ，ｄ）はｄ曜日においてアクセスポイントａｐが観測されたスキャン数と、アクセスポイントａｐが観測された全スキャン数の比率を示す。   Specifically, the information entropy H is calculated by the following equation (2) for each combination of the access point ap and the day of week d. Here, p (ap, d) indicates the ratio of the number of scans in which the access point ap is observed on the d day of the week and the total number of scans in which the access point ap is observed.

なお、事前データ生成部２６が、エントロピ算出手段の一例である。   The prior data generation unit 26 is an example of an entropy calculation unit.

事前データ記憶部２７は、事前に作成されている図４下部に示す様なアクセスポイント間の距離を表すグラフ、各アクセスポイントについて算出された各時間帯及び各曜日に関する情報エントロピを記憶している。   The pre-data storage unit 27 stores a graph representing the distance between access points as shown in the lower part of FIG. 4 created in advance, and information entropy regarding each time zone and each day of the week calculated for each access point. .

アクセスポイント間の距離を表すグラフは、グラフのノードの各々がアクセスポイントの各々に対応しており、例えば、複数のスキャンデータに基づいて、事前に作成される。具体的には、図４上部に示すように連続的に計測された４つのスキャンデータがある場合、各アクセスポイントから他のアクセスポイントまでの距離を各々求める。例えば、スキャン１においてアクセスポイント１とアクセスポイント２が同時に検出されているため、当該アクセスポイント間に重さ１のリンクを張る。また、スキャン２において、アクセスポイント２とアクセスポイント３が同時に検出されているため、当該アクセスポイント間に重さ１のリンクを張る。また、スキャン３において、アクセスポイント３〜４が同時に検出されているため、当該アクセスポイントの各々の間に重さ１のリンクを張る。このようにしてアクセスポイントの各々の間の距離を求めることにより、図４下部に示すようなアクセスポイント間の距離グラフを作成する。このグラフにより、アクセスポイント１とアクセスポイント２の距離は１であり、アクセスポイント１とアクセスポイント５の距離は３であることがわかる。なお、上記のグラフの作成方法は一例であり、他の手法により、アクセスポイント間の距離を表すグラフを作成してもよい。   In the graph representing the distance between access points, each node of the graph corresponds to each access point, and is created in advance based on a plurality of scan data, for example. Specifically, as shown in the upper part of FIG. 4, when there are four continuously measured scan data, the distances from each access point to other access points are obtained. For example, since the access point 1 and the access point 2 are detected at the same time in the scan 1, a link having a weight of 1 is provided between the access points. Further, since the access point 2 and the access point 3 are detected at the same time in the scan 2, a link having a weight of 1 is established between the access points. Further, since the access points 3 to 4 are detected at the same time in the scan 3, a link having a weight of 1 is provided between the access points. By calculating the distance between each of the access points in this way, a distance graph between the access points as shown in the lower part of FIG. 4 is created. From this graph, it can be seen that the distance between the access point 1 and the access point 2 is 1, and the distance between the access point 1 and the access point 5 is 3. Note that the above graph creation method is an example, and a graph representing the distance between access points may be created by other methods.

学習特徴量抽出部２８は、センサデータ記憶部２４に記憶されている複数の学習データの各々について、以下に説明するように、音声特徴量及び通信特徴量を抽出する。   The learning feature amount extraction unit 28 extracts a speech feature amount and a communication feature amount for each of the plurality of learning data stored in the sensor data storage unit 24 as described below.

学習特徴量抽出部２８は、センサデータ記憶部２４に記憶されている複数の学習データに含まれる音声データの各々について、音圧とメル周波数ケプストラム係数（ＭＦＣＣ：Mel-Frequency Cepstral Coefficeient）（非特許文献８：P. Mermelstein“ DistanceMeasure for Speech Recognition, Psychological and Instrumental ”, in Pattern Recognitionand Artificial Intelligence, pp. 374-388, June 1976.）の各々を音声特徴量として抽出する。なお、ＭＦＣＣの計算は高速フーリエ変換をベースとするため、６４サンプルや１２８サンプル程度の長さの音声データが必要となる。また、ＭＦＣＣは環境音認識に用いられるため、ユーザの周辺の状況を観測し、情報の公開の可否の判断のモデル化に用いることができる。   The learning feature quantity extraction unit 28, for each of the audio data included in the plurality of learning data stored in the sensor data storage unit 24, has a sound pressure and a Mel-Frequency Cepstral Coefficeient (MFCC) (non-patented). Reference 8: P. Mermelstein “DistanceMeasure for Speech Recognition, Psychological and Instrumental”, in Pattern Recognition and Artificial Intelligence, pp. 374-388, June 1976.) is extracted as a speech feature. Since the MFCC calculation is based on the fast Fourier transform, audio data having a length of about 64 samples or 128 samples is required. Moreover, since MFCC is used for environmental sound recognition, it can be used for modeling the judgment of whether or not information can be disclosed by observing the situation around the user.

学習特徴量抽出部２８は、センサデータ記憶部２４に記憶されている複数の学習データに含まれるスキャンデータの各々について、以下（１）〜（６）の通信特徴量を抽出する。ただし、抽出対象となるスキャンデータは時刻ｔに行われたスキャンｓｔであるとする。なお、スキャン間の距離は、事前データ記憶部２７に記憶されているアクセスポイント間の距離グラフから求めることが出来る。具体的には、スキャン各々に含まれるアクセスポイント間の最小距離をスキャン間の距離とする。   The learning feature amount extraction unit 28 extracts the following communication feature amounts (1) to (6) for each of the scan data included in the plurality of learning data stored in the sensor data storage unit 24. However, it is assumed that the scan data to be extracted is a scan st performed at time t. The distance between scans can be obtained from a distance graph between access points stored in the prior data storage unit 27. Specifically, the minimum distance between access points included in each scan is defined as the distance between scans.

（１）スキャンｓｔに含まれるアクセスポイントのうち信号強度が一番強いアクセスポイントと、予め定められた特定のアクセスポイントとの距離
（２）スキャンｓｔからｋ近傍のスキャンにおいて公開可として答えた比率（ｋを５、１０などと変化してもよい。）
（３）スキャンｓｔと、公開可と答えた最も近いスキャンとの距離
（４）スキャンｓｔに含まれるアクセスポイントの各々についての、当該アクセスポイントが過去に観測されたスキャン数の比率の平均値
（５）スキャンｓｔに含まれるアクセスポイントのうち、信号強度が一番強いアクセスポイントと時刻ｔを含む時間帯ｔ’とに関する情報エントロピ
（６）スキャンｓｔに含まれるアクセスポイントのうち信号強度が一番強いアクセスポイントとスキャンｓｔの曜日ｄとに関する情報エントロピ (1) The distance between the access point having the strongest signal strength among the access points included in the scan st and a predetermined specific access point (2) The ratio of answering that it can be disclosed in scans near k from the scan st (K may be changed to 5, 10, etc.)
(3) The distance between the scan st and the nearest scan that is answered as publicly available (4) For each access point included in the scan st, the average value of the ratio of the number of scans in which the access point was observed in the past ( 5) Information entropy regarding the access point having the strongest signal strength among the access points included in the scan st and the time zone t ′ including the time t. (6) The signal strength is the highest among the access points included in the scan st. Information entropy about strong access point and day of week d of scan st

（１）の通信特徴量については、事前データ記憶部２７に記憶されているアクセスポイント間の距離グラフに基づいて抽出される。特定のアクセスポイントの一例が、家のアクセスポイントや仕事場のアクセスポイントである。また、（２）及び（３）の通信特徴量については、事前データ記憶部２７に記憶されているアクセスポイント間の距離グラフから求められるスキャン間の距離、及びセンサデータ記憶部２４に記憶されている学習データの各々に含まれる、ユーザの現在の位置情報の公開の可否の情報に基づいて抽出される。（３）については、スキャンｓｔと、公開不可と答えた最も近いスキャンとの距離を抽出してもよい。また、（４）の通信特徴量においては、事前データ記憶部２７に記憶されている複数の学習データに含まれるスキャンデータに基づいて抽出される。また、（５）の通信特徴量については、事前データ記憶部２７に記憶されているアクセスポイントの各々の時間帯に関する情報エントロピ（０時から２３時までの１時間毎）を用いて抽出される。また、（６）の通信特徴量については、事前データ記憶部２７に記憶されているアクセスポイントの各々の曜日に関する情報エントロピを用いて抽出される。   The communication feature amount (1) is extracted based on a distance graph between access points stored in the prior data storage unit 27. An example of a specific access point is a home access point or a workplace access point. The communication feature values (2) and (3) are stored in the sensor data storage unit 24 and the distance between scans obtained from the distance graph between access points stored in the prior data storage unit 27. It is extracted on the basis of information on whether or not the user's current location information can be disclosed, included in each of the learning data. For (3), the distance between the scan st and the nearest scan that is answered as unpublishable may be extracted. Further, the communication feature amount (4) is extracted based on scan data included in a plurality of learning data stored in the prior data storage unit 27. Further, the communication feature amount (5) is extracted using information entropy (every hour from 0 o'clock to 23 o'clock) regarding each time zone of the access point stored in the prior data storage unit 27. . Further, the communication feature amount (6) is extracted using the information entropy regarding each day of the week of the access point stored in the prior data storage unit 27.

なお、図５に家又は仕事場のアクセスポイントとの距離と位置情報公開率の関係の一例を示す。例えば、家に近いほど位置情報を公開しない傾向にあり、仕事場に近いほど位置情報を公開する傾向にある。   FIG. 5 shows an example of the relationship between the distance to the home or work access point and the location information disclosure rate. For example, the closer to the house, the less likely to disclose the location information, and the closer to the workplace, the more likely to disclose the location information.

学習特徴量連結部３０は、複数の学習データの各々について、学習特徴量抽出部２８において抽出された当該学習データの音声特徴量の各々と通信特徴量の各々を連結して、特徴ベクトルを生成する。   The learning feature amount linking unit 30 generates a feature vector for each of a plurality of learning data by linking the speech feature amounts of the learning data extracted by the learning feature amount extraction unit 28 and the communication feature amounts. To do.

識別モデル学習部３２は、センサデータ記憶部２４に記憶されている複数の学習データの各々について、学習特徴量連結部３０において生成された特徴ベクトルと、当該学習データに含まれる、ユーザの現在の位置情報の公開の可否の情報とを用意して、識別モデルを学習し、識別モデル記憶部３４に記憶する。なお、識別モデルは、一般的識別器であるＳＶＭ（Support vector machine）や決定木などを用いる。   The identification model learning unit 32 includes, for each of the plurality of learning data stored in the sensor data storage unit 24, the feature vector generated in the learning feature amount linking unit 30 and the current user's current included in the learning data. Information on whether or not to disclose the position information is prepared, an identification model is learned, and stored in the identification model storage unit 34. The identification model uses a general classifier such as SVM (Support vector machine) or a decision tree.

入力部４０は、無線通信端末によりアクセスポイントを検出するためのスキャンｓｔを行ったときに、マイク１２から入力されるユーザの周囲の音声データと、ＷｉＦｉモジュール１４から入力される、スキャンｓｔにより得られたスキャンデータとを受け付ける。   The input unit 40 obtains the sound data around the user input from the microphone 12 and the scan st input from the WiFi module 14 when the wireless communication terminal performs the scan st for detecting the access point. The scanned data is received.

特徴量抽出部４２は、入力部４０において受け付けた音声データについて、上記の学習特徴量抽出部２８と同様に、音圧とメル周波数ケプストラム係数（ＭＦＣＣ：Mel-Frequency Cepstral Coefficeient）とを音声特徴量として抽出する。   The feature amount extraction unit 42 uses the sound pressure and the Mel-Frequency Cepstral Coefficeient (MFCC) for the speech data received by the input unit 40 in the same manner as the learning feature amount extraction unit 28 described above. Extract as

特徴量抽出部４２は、入力部４０において受け付けたスキャンデータについて、上記の学習特徴量抽出部２８と同様に、上記（１）〜（６）の通信特徴量を抽出する。   The feature amount extraction unit 42 extracts the communication feature amounts (1) to (6) from the scan data received by the input unit 40 in the same manner as the learning feature amount extraction unit 28 described above.

（１）の通信特徴量については、事前データ記憶部２７に記憶されているアクセスポイント間の距離グラフに基づいて抽出される。また、（２）及び（３）の通信特徴量については、事前データ記憶部２７に記憶されているアクセスポイント間の距離グラフから求められるスキャン間の距離、及びセンサデータ記憶部２４に記憶されている学習データの各々に含まれる、ユーザの位置情報の公開の可否の情報に基づいて、抽出される。（３）については、スキャンｓｔと、公開不可と答えたもっとも近いスキャンとの距離を抽出してもよい。また、（４）の通信特徴量においては、事前データ記憶部２７に記憶されている複数の学習データに含まれるスキャンデータに基づいて抽出される。また、（５）の通信特徴量については、事前データ記憶部２７に記憶されているアクセスポイントの各々の時間帯に関する情報エントロピ（０時から２３時までの１時間毎）を用いて抽出される。また、（６）の通信特徴量については、事前データ記憶部２７に記憶されているアクセスポイントの各々の曜日に関する情報エントロピを用いて抽出される。   The communication feature amount (1) is extracted based on a distance graph between access points stored in the prior data storage unit 27. The communication feature values (2) and (3) are stored in the sensor data storage unit 24 and the distance between scans obtained from the distance graph between access points stored in the prior data storage unit 27. It is extracted on the basis of information on whether or not the user's location information can be disclosed, included in each of the learning data. As for (3), the distance between the scan st and the nearest scan that is answered as unpublishable may be extracted. Further, the communication feature amount (4) is extracted based on scan data included in a plurality of learning data stored in the prior data storage unit 27. Further, the communication feature amount (5) is extracted using information entropy (every hour from 0 o'clock to 23 o'clock) regarding each time zone of the access point stored in the prior data storage unit 27. . Further, the communication feature amount (6) is extracted using the information entropy regarding each day of the week of the access point stored in the prior data storage unit 27.

特徴量連結部４４は、特徴量抽出部４２において抽出された音声特徴量及び通信特徴量を連結して、特徴ベクトルを生成する。   The feature amount connecting unit 44 connects the voice feature amount and the communication feature amount extracted by the feature amount extracting unit 42 to generate a feature vector.

判定部４６は、特徴量連結部４４において生成された特徴ベクトルと、識別モデル記憶部３４に記憶されている識別モデルに基づいて、ユーザの現在の位置情報の公開の可否を判定し、その結果を出力部５０に出力する。   The determination unit 46 determines whether or not the current position information of the user can be disclosed based on the feature vector generated in the feature amount connection unit 44 and the identification model stored in the identification model storage unit 34. Is output to the output unit 50.

＜位置公開可否判定装置の作用＞
次に、本発明の実施の形態に係る位置公開可否判定装置１００の作用について説明する。図７に示す位置公開可否学習処理ルーチンを実行する前に、無線通信端末による複数のスキャンの各々について、学習入力部２２によりユーザの現在の位置情報の公開の可否の情報と、ユーザの周囲の音声データと、スキャンデータとを学習データとして受け付け、複数の学習データがセンサデータ記憶部２４に記憶される。そして、位置公開可否判定装置１００は、図７に示す位置公開可否学習処理ルーチンを実行する。 <Operation of position disclosure availability determination device>
Next, the operation of the position disclosure possibility determination device 100 according to the embodiment of the present invention will be described. Before executing the position disclosure possibility learning processing routine shown in FIG. 7, for each of a plurality of scans by the wireless communication terminal, information on whether or not the user's current position information can be disclosed by the learning input unit 22 and the surroundings of the user Audio data and scan data are accepted as learning data, and a plurality of learning data is stored in the sensor data storage unit 24. Then, the position disclosure permission determination apparatus 100 executes a position disclosure permission determination routine shown in FIG.

＜位置公開可否学習処理ルーチン＞
まず、ステップＳ１００において、センサデータ記憶部に記憶されている複数の学習データを読み込む。 <Position disclosure availability processing routine>
First, in step S100, a plurality of learning data stored in the sensor data storage unit is read.

次に、ステップＳ１０１において、上記ステップＳ１００で読み込んだ複数の学習データに含まれるスキャンデータに基づいて、事前データ（アクセスポイント毎の各時間帯に関する情報エントロピ、アクセスポイント毎の各曜日に関する情報エントロピ）を生成し、事前データ記憶部２７に記憶する。   Next, in step S101, based on the scan data included in the plurality of learning data read in step S100, prior data (information entropy regarding each time zone for each access point, information entropy regarding each day of the week for each access point) Is generated and stored in the prior data storage unit 27.

次に、ステップＳ１０２において、ステップＳ１００において読み込んだ学習データに含まれる音声データについて音声特徴量を抽出すると共に、学習データに含まれるスキャンデータについて、上記（１）〜（６）の通信特徴量を抽出する。   Next, in step S102, the speech feature amount is extracted for the speech data included in the learning data read in step S100, and the communication feature amounts (1) to (6) are determined for the scan data included in the learning data. Extract.

次に、ステップＳ１０４において、上記ステップＳ１０２で抽出した音声特徴量、及び上記（１）〜（６）の通信特徴量を連結して、特徴ベクトルを生成する。   Next, in step S104, the speech feature quantity extracted in step S102 and the communication feature quantities (1) to (6) are connected to generate a feature vector.

次に、ステップＳ１０６において、全ての学習データについて特徴ベクトルを生成したか否かを判定する。全ての学習データについて特徴ベクトルを生成した場合には、ステップＳ１０８に移行し、全ての学習データについて特徴ベクトルを生成していない場合には、ステップＳ１０２に移行し、ステップＳ１０２〜ステップＳ１０６の処理を繰り返す。   Next, in step S106, it is determined whether or not feature vectors have been generated for all learning data. If feature vectors have been generated for all learning data, the process proceeds to step S108. If feature vectors have not been generated for all learning data, the process proceeds to step S102, and the processes of steps S102 to S106 are performed. repeat.

次に、ステップＳ１０８において、ステップＳ１０４において生成された学習データの各々についての特徴ベクトルと、当該学習データの各々に含まれるユーザの位置情報の公開の可否の情報とに基づいて、識別モデルを学習する。   Next, in step S108, the identification model is learned based on the feature vector for each of the learning data generated in step S104 and the information on whether or not the location information of the user included in each of the learning data is disclosed. To do.

次に、ステップＳ１１０において、ステップＳ１０８において学習された識別モデルを識別モデル記憶部３４に記憶して処理を終了する。   Next, in step S110, the identification model learned in step S108 is stored in the identification model storage unit 34, and the process ends.

＜位置公開可否判定処理ルーチン＞
次に、図７に示す位置公開可否判定処理ルーチンについて説明する。位置公開可否判定装置１００は、図７に示す位置公開可否判定処理ルーチンを実行する。 <Location disclosure determination routine>
Next, the position disclosure permission / inhibition determination routine shown in FIG. 7 will be described. The position disclosure permission determination apparatus 100 executes a position disclosure permission determination routine shown in FIG.

まず、ステップＳ２００において、無線通信端末によりスキャンが行われたか否かを判定する。無線通信端末によるスキャンが行われると、ステップＳ２０１へ進み、無線通信端末によるスキャンで得られたスキャンデータを受け付けると共に、マイク１２から出力されたユーザの周囲の音声データを受け付ける。   First, in step S200, it is determined whether scanning is performed by the wireless communication terminal. When scanning by the wireless communication terminal is performed, the process proceeds to step S201, in which scan data obtained by scanning by the wireless communication terminal is received, and voice data around the user output from the microphone 12 is received.

次に、ステップＳ２０２において、ステップＳ２０１において受け付けた音声データについて音声特徴量を抽出し、スキャンデータについて上記（１）〜（６）の通信特徴量を抽出する。   Next, in step S202, the voice feature amount is extracted from the voice data received in step S201, and the communication feature amounts (1) to (6) are extracted from the scan data.

次に、ステップＳ２０４において、ステップＳ２０２において抽出された音声特徴量、及び通信特徴量を連結して、特徴ベクトルを生成する。   Next, in step S204, a feature vector is generated by concatenating the voice feature quantity and communication feature quantity extracted in step S202.

次に、ステップＳ２０４において生成した特徴ベクトルと、識別モデル記憶部３４に記憶されている識別モデルとに基づいて、ユーザの現在の位置情報を公開するか否かを判定する。   Next, based on the feature vector generated in step S204 and the identification model stored in the identification model storage unit 34, it is determined whether or not the current position information of the user is to be disclosed.

次に、ステップＳ２０６において、ステップＳ２０６において判定された結果を出力部５０に出力して処理を終了する。   Next, in step S206, the result determined in step S206 is output to the output unit 50, and the process ends.

以上説明したように、本発明の実施の形態に係る位置公開可否判定装置によれば、低消費電力で、かつ、第三者にユーザの位置情報を知られることなく、ユーザの位置情報公開の可否を精度よく判定することができる。 As described above, according to the position disclosure permission / inhibition determination device according to the embodiment of the present invention, it is possible to publish the user's position information with low power consumption and without knowing the user's position information by a third party. Whether it is possible or not can be accurately determined.

また、低消費電力で、かつ、第三者にユーザの位置情報を知られることなく、ユーザの位置情報公開の可否を精度よく判定するための識別モデルを学習することができる。   Further, it is possible to learn an identification model for accurately determining whether or not a user's position information can be disclosed with low power consumption and without knowing the user's position information by a third party.

また、携帯端末による位置共有アプリケーションにおいて、低消費電力かつ、第三者に自身の位置を知られないような、位置公開可否の自動判定を行うことができる。   In addition, in a location sharing application using a mobile terminal, it is possible to automatically determine whether or not location disclosure is possible so that the third party cannot know his / her location with low power consumption.

また、位置公開可否の判定が、ある特別な位置からの距離に関係することを利用して、無線ＬＡＮ（ＷｉＦｉ）モジュールによって観測されたＷｉＦｉスキャンデータ間の距離に関する指標を計算して公開可否の判定をすることにより、低消費電力かつ外部のプロバイダに依存しないセンサを使用して、位置情報の公開可否を自動判定することができる。   Further, by utilizing the fact that the determination of whether or not the position can be disclosed relates to the distance from a specific position, an index relating to the distance between WiFi scan data observed by the wireless LAN (WiFi) module is calculated to determine whether or not the information can be disclosed. By making the determination, it is possible to automatically determine whether or not to disclose the position information using a sensor that consumes less power and does not depend on an external provider.

また、様々なセンサを搭載するスマートフォンなどの携帯端末における位置共有サービスに利用することにより、ＧＰＳなどの位置計測手段によって得られた位置情報を共有するサービスにおいて、ある場所におけるユーザの位置情報を他のユーザに公開するかどうかを、ユーザの位置に関する情報を第三者に一切漏洩することなく、携帯端末用のセンサデータを用いて決定することができる。   In addition, by using a location sharing service for mobile terminals such as smartphones equipped with various sensors, the location information obtained by location measurement means such as GPS can be shared with other users' location information. It is possible to determine whether to disclose to the user using sensor data for the portable terminal without leaking any information regarding the user's position to a third party.

なお、本発明は、上述した実施形態に限定されるものではなく、この発明の要旨を逸脱しない範囲内で様々な変形や応用が可能である。   The present invention is not limited to the above-described embodiment, and various modifications and applications are possible without departing from the gist of the present invention.

本実施の形態においては、通信特徴量（１）を抽出する際に、スキャンｓｔに含まれるアクセスポイントのうち一番信号強度が強いアクセスポイントと特定のアクセスポイントとの距離を特徴量として抽出する場合について説明しているがこの限りでない。例えば、スキャンｓｔに含まれるアクセスポイントのうちから選択した任意のアクセスポイントと特定のアクセスポイントとの距離を通信特徴量として抽出してもよい。また、スキャンｓｔに含まれるアクセスポイントの全てのアクセスポイントと特定のアクセスポイントとの距離の平均距離を通信特徴量として抽出してもよい。   In the present embodiment, when extracting the communication feature quantity (1), the distance between the access point with the strongest signal strength and the specific access point among the access points included in the scan st is extracted as the feature quantity. The case is explained but not limited to this. For example, the distance between an arbitrary access point selected from the access points included in the scan st and a specific access point may be extracted as a communication feature amount. Further, the average distance between the distances of all the access points included in the scan st and the specific access point may be extracted as the communication feature amount.

また、本実施の形態においては、通信特徴量（５）〜（６）を抽出する際に、スキャンｓｔに含まれるアクセスポイントのうち一番信号強度が強いアクセスポイントについて時間帯及び曜日に関する情報エントロピを通信特徴量として抽出する場合について説明しているがこの限りでない。例えば、スキャンｓｔに含まれるアクセスポイントのうちから選択した任意のアクセスポイントの情報エントロピを通信特徴量として抽出してもよい。また、スキャンｓｔに含まれるアクセスポイントの全てについて情報エントロピを抽出し、その平均を通信特徴量として抽出してもよい。   In the present embodiment, when extracting the communication feature quantities (5) to (6), the information entropy relating to the time zone and the day of the week for the access point having the strongest signal strength among the access points included in the scan st. However, the present invention is not limited to this. For example, information entropy of an arbitrary access point selected from access points included in the scan st may be extracted as a communication feature amount. Further, information entropy may be extracted for all access points included in the scan st, and the average may be extracted as a communication feature amount.

また、本実施の形態においては、アクセスポイント間の距離を表すグラフを事前に生成し、事前データ記憶部２７に記憶している場合について説明したがこの限りではない。例えば、位置公開可否判定装置が、センサデータ記憶部２４に記憶されている複数のスキャンデータに基づいて、図４下部に示すようなアクセスポイント間の距離グラフを作成するようにしてもよい。   In the present embodiment, a case has been described in which a graph representing the distance between access points is generated in advance and stored in the prior data storage unit 27, but this is not restrictive. For example, the position disclosure possibility determination device may create a distance graph between access points as shown in the lower part of FIG. 4 based on a plurality of scan data stored in the sensor data storage unit 24.

１０ 操作部
１２ マイク
１４ ＷｉＦｉモジュール
２０ 演算部
２２ 学習入力部
２４ センサデータ記憶部
２６ 事前データ生成部
２７ 事前データ記憶部
２８ 学習特徴量抽出部
３０ 学習特徴量連結部
３２ 識別モデル学習部
３４ 識別モデル記憶部
４０ 入力部
４２ 特徴量抽出部
４４ 特徴量連結部
４６ 判定部
５０ 出力部
１００ 位置公開可否判定装置 DESCRIPTION OF SYMBOLS 10 Operation part 12 Microphone 14 WiFi module 20 Calculation part 22 Learning input part 24 Sensor data storage part 26 Prior data generation part 27 Prior data storage part 28 Learning feature-value extraction part 30 Learning feature-value connection part 32 Identification model learning part 34 Identification model Storage unit 40 Input unit 42 Feature amount extraction unit 44 Feature amount connection unit 46 Determination unit 50 Output unit 100 Location disclosure permission determination device

Claims (7)

ユーザが携帯する無線通信端末によるアクセスポイントを検出するための複数のスキャンの各々に対し、前記スキャンのときの前記ユーザの位置情報の公開の可否を示す情報の入力を受け付ける受付手段と、
前記複数のスキャンの各々に対し、アクセスポイント間の距離に基づいて、前記スキャンで検出されたアクセスポイントについて、特定のアクセスポイントとの距離を示す通信特徴量を抽出する通信特徴量抽出手段と、
前記複数のスキャンの各々に対し、前記スキャンのときに入力される前記ユーザの周辺の音声データから音声特徴量を抽出する音声特徴量抽出手段と、
前記複数のスキャンに対し、前記音声特徴量抽出手段によって抽出された音声特徴量と、前記通信特徴量抽出手段によって抽出された通信特徴量と、前記ユーザの位置情報の公開の可否を示す情報とに基づいて、前記ユーザの位置情報の公開の可否を識別するための識別モデルを学習する学習手段と、
を含む、位置公開可否学習装置。 Accepting means for accepting input of information indicating whether or not to disclose the location information of the user at the time of scanning for each of a plurality of scans for detecting an access point by a wireless communication terminal carried by the user;
For each of the plurality of scans, a communication feature amount extracting unit that extracts a communication feature amount indicating a distance from a specific access point with respect to the access point detected by the scan based on a distance between the access points;
For each of the plurality of scans, a voice feature amount extraction unit that extracts a voice feature amount from voice data around the user input at the time of the scan;
For the plurality of scans, the voice feature amount extracted by the voice feature amount extraction unit, the communication feature amount extracted by the communication feature amount extraction unit, and information indicating whether or not the location information of the user can be disclosed Learning means for learning an identification model for identifying whether or not to disclose the location information of the user based on
Including a position disclosure learning device. 前記通信特徴量抽出手段は、前記複数のスキャンの各々に対し、前記アクセスポイント間の距離と前記受け付けた前記ユーザの位置情報の公開の可否を示す情報とに基づいて、前記スキャンに対するｋ近傍のスキャンの各々に対して受け付けた前記ユーザの位置情報の公開の可否を示す情報に基づく公開可または公開不可の比率、又は、前記スキャンに対して受け付けた前記ユーザの位置情報の公開の可否を示す情報と前記スキャンに対して最も近いスキャンに対して受け付けた前記ユーザの位置情報の公開可及び公開不可の何れか一方を受け付けたスキャンのうち、前記スキャンに対して最も近いスキャンと、前記スキャンとの距離を、前記通信特徴量として更に抽出する請求項１記載の位置公開可否学習装置。   The communication feature amount extraction unit is configured to determine a k-nearness for the scan based on a distance between the access points and information indicating whether the received location information of the user is open for each of the plurality of scans. Indicates whether the disclosure of the location information of the user accepted for each of the scans is based on the information indicating whether the disclosure of the location information of the users is possible, or indicates whether the disclosure of the location information of the users accepted for the scan is possible. The scan closest to the scan among the scans that accept either disclosure or non-disclosure of the user's location information received for the scan closest to the information and the scan, and the scan The distance disclosure possibility learning device according to claim 1, further extracting the distance as a communication feature amount. 前記無線通信端末による複数のスキャンの各々で検出されたアクセスポイントと前記複数のスキャンの各々の時刻又は曜日とに基づいて、アクセスポイントの各々に対し、時間帯毎に、前記アクセスポイントの前記時間帯に関する情報エントロピを算出し、又は曜日毎に、前記アクセスポイントの曜日に関する情報エントロピを算出するエントロピ算出手段を更に含み、
前記通信特徴量抽出手段は、前記複数のスキャンの各々に対し、前記スキャンにおいて検出されたアクセスポイントが検出された過去のスキャンの数の比率、前記スキャンにおいて検出されたアクセスポイント及び前記スキャンの時刻に対応して算出された、前記アクセスポイントの前記時間帯に関する情報エントロピ、又は、前記スキャンにおいて検出されたアクセスポイント及び前記スキャンの曜日に対応して算出された、前記アクセスポイントの前記曜日に関する情報エントロピを、前記通信特徴量として更に抽出する請求項１記載の位置公開可否学習装置。 Based on the access point detected in each of a plurality of scans by the wireless communication terminal and the time or day of the week of each of the plurality of scans, for each access point, the time of the access point Entropy calculating means for calculating information entropy related to the band or calculating information entropy related to the day of the week of the access point for each day of the week;
The communication feature amount extraction unit includes a ratio of the number of past scans in which an access point detected in the scan is detected, an access point detected in the scan, and a time of the scan for each of the plurality of scans. Information related to the time zone of the access point, or information related to the day of the week of the access point calculated corresponding to the access point detected in the scan and the day of the scan. The position disclosure possibility learning device according to claim 1, wherein entropy is further extracted as the communication feature amount. ユーザが携帯する無線通信端末によるアクセスポイントを検出するためのスキャンで検出されたアクセスポイントについて、アクセスポイント間の距離に基づいて、特定のアクセスポイントとの距離を示す通信特徴量を抽出する通信特徴量抽出手段と、
前記スキャンに対し、前記スキャンのときに入力される前記ユーザの周辺の音声データから音声特徴量を抽出する音声特徴量抽出手段と、
前記音声特徴量抽出手段によって抽出された音声特徴量と、前記通信特徴量抽出手段によって抽出された通信特徴量と、前記ユーザの位置情報の公開の可否を識別するための予め学習した識別モデルとに基づいて、前記スキャンのときの前記ユーザの位置情報の公開の可否を判定する判定手段と、
を含む、位置公開可否判定装置。 A communication feature that extracts a communication feature amount indicating a distance from a specific access point based on a distance between the access points for an access point detected by a scan for detecting an access point by a wireless communication terminal carried by the user A quantity extraction means;
For the scan, a voice feature amount extraction unit that extracts a voice feature amount from voice data around the user input at the time of the scan;
A speech feature amount extracted by the speech feature amount extraction unit; a communication feature amount extracted by the communication feature amount extraction unit; and a previously learned identification model for identifying whether or not the user's location information can be disclosed. A determination means for determining whether or not the user's location information can be disclosed at the time of the scan,
Including a position disclosure possibility determination device. 受付手段と、通信特徴量抽出手段と、音声特徴量抽出手段と、学習手段と、を含む位置公開可否学習装置における位置公開可否学習方法において、
前記受付手段は、ユーザが携帯する無線通信端末によるアクセスポイントを検出するための複数のスキャンの各々に対し、前記スキャンのときの前記ユーザの位置情報の公開の可否を示す情報の入力を受け付け、
前記通信特徴量抽出手段は、前記複数のスキャンの各々に対し、アクセスポイント間の距離に基づいて、前記スキャンで検出されたアクセスポイントについて、特定のアクセスポイントとの距離を示す通信特徴量を抽出し、
前記音声特徴量抽出手段は、前記複数のスキャンの各々に対し、前記スキャンのときに入力される前記ユーザの周辺の音声データから音声特徴量を抽出し、
前記学習手段は、前記複数のスキャンに対し、前記音声特徴量抽出手段によって抽出された音声特徴量と、前記通信特徴量抽出手段によって抽出された通信特徴量と、前記ユーザの位置情報の公開の可否を示す情報とに基づいて、前記ユーザの位置情報の公開の可否を識別するための識別モデルを学習する
位置公開可否学習方法。 In the position disclosure possibility learning method in the position disclosure possibility learning device, including a reception means, a communication feature amount extraction means, a voice feature amount extraction means, and a learning means,
The accepting means accepts input of information indicating whether or not the user's location information can be disclosed for each of a plurality of scans for detecting an access point by a wireless communication terminal carried by the user,
The communication feature amount extraction unit extracts, for each of the plurality of scans, a communication feature amount indicating a distance from a specific access point with respect to the access point detected by the scan based on a distance between the access points. And
The voice feature amount extraction unit extracts, for each of the plurality of scans, a voice feature amount from voice data around the user input at the time of the scan,
The learning unit is configured to disclose the voice feature amount extracted by the voice feature amount extraction unit, the communication feature amount extracted by the communication feature amount extraction unit, and the location information of the user for the plurality of scans. A position disclosure availability learning method that learns an identification model for identifying whether or not to disclose the location information of the user based on information indicating availability. 通信特徴量抽出手段と、音声特徴量抽出手段と、判定手段と、を含む位置公開可否判定装置における位置公開可否判定方法において、
前記通信特徴量抽出手段は、ユーザが携帯する無線通信端末によるアクセスポイントを検出するためのスキャンで検出されたアクセスポイントについて、アクセスポイント間の距離に基づいて、特定のアクセスポイントとの距離を示す通信特徴量を抽出し、
前記音声特徴量抽出手段は、前記スキャンに対し、前記スキャンのときに入力される前記ユーザの周辺の音声データから音声特徴量を抽出し、
前記判定手段は、前記音声特徴量抽出手段によって抽出された音声特徴量と、前記通信特徴量抽出手段によって抽出された通信特徴量と、前記ユーザの位置情報の公開の可否を識別するための予め学習した識別モデルとに基づいて、前記スキャンのときの前記ユーザの位置情報の公開の可否を判定する
位置公開可否判定方法。 In the position disclosure possibility determination method in the position disclosure possibility determination device including the communication feature amount extraction means, the voice feature amount extraction means, and the determination means,
The communication feature amount extraction unit indicates a distance from a specific access point based on a distance between the access points for an access point detected by a scan for detecting an access point by a wireless communication terminal carried by the user. Extract communication features,
The voice feature amount extraction unit extracts a voice feature amount from voice data around the user input at the time of the scan for the scan,
The determination unit is configured to identify in advance whether the voice feature amount extracted by the voice feature amount extraction unit, the communication feature amount extracted by the communication feature amount extraction unit, and whether or not the location information of the user can be disclosed. A method for determining whether or not to disclose the location information of the user at the time of scanning based on the learned identification model. コンピュータを、請求項１〜３の何れか１項記載の位置公開可否学習装置又は請求項４記載の位置公開可否判定装置を構成する各手段として機能させるためのプログラム。
The program for functioning a computer as each means which comprises the position disclosure possibility learning apparatus of any one of Claims 1-3, or the position disclosure possibility determination apparatus of Claim 4.
JP2013097708A 2013-05-07 2013-05-07 Position publicizing propriety determination device, position publicizing propriety learning device, method and program Pending JP2014219792A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2013097708A JP2014219792A (en) 2013-05-07 2013-05-07 Position publicizing propriety determination device, position publicizing propriety learning device, method and program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2013097708A JP2014219792A (en) 2013-05-07 2013-05-07 Position publicizing propriety determination device, position publicizing propriety learning device, method and program

Publications (1)

Publication Number Publication Date
JP2014219792A true JP2014219792A (en) 2014-11-20

Family

ID=51938188

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2013097708A Pending JP2014219792A (en) 2013-05-07 2013-05-07 Position publicizing propriety determination device, position publicizing propriety learning device, method and program

Country Status (1)

Country Link
JP (1) JP2014219792A (en)

Similar Documents

Publication Publication Date Title
US11128979B2 (en) Inferring user availability for a communication
CN103563406B (en) Monitoring geofence exit
KR101609296B1 (en) Selecting wireless access points for geofence monitoring
Laoudias et al. Device self-calibration in location systems using signal strength histograms
EP2677337B1 (en) Method and apparatus for providing semantic location in electronic device
US20130132330A1 (en) Management of privacy settings for a user device
JP2016503607A (en) Context label for the data cluster
CN103348659A (en) Method and apparatus for identifying mobile devices in similar sound environment
US20180225714A1 (en) Location-aware device tracking system
Huang et al. A theoretical analysis on sampling size in WiFi fingerprint-based localization
US10219115B2 (en) Facilitation of mobile device geolocation
Papapostolou et al. Scene analysis indoor positioning enhancements
Zheng et al. Weight-RSS: A calibration-free and robust method for WLAN-Based indoor positioning
US20160357163A1 (en) Data-Driven Context Determination
KR20130142934A (en) Method and system for dynamic meeting detection using multiple physical features from mobile devices
WO2020017243A1 (en) Information processing device, information processing method, and information processing program
Bisio et al. Outdoor places of interest recognition using WiFi fingerprints
Pandey et al. SELE: RSS-based Siamese embedding location estimator for a dynamic IoT environment
US11622231B2 (en) System and method for identifying associated subjects from location histories
KR20160088770A (en) Method for providing location-based information
CN107040603B (en) Method and device for determining active scene of application program App
CN108235228B (en) Safety verification method and device
JP5204802B2 (en) Method and apparatus for tagging a social environment
JP2014219792A (en) Position publicizing propriety determination device, position publicizing propriety learning device, method and program
KR101513453B1 (en) Apparatus and Method for estimating household member information based on log information