JP2017027378A - Behavior recommendation program and information processing apparatus - Google Patents

Behavior recommendation program and information processing apparatus Download PDF

Info

Publication number
JP2017027378A
JP2017027378A JP2015145525A JP2015145525A JP2017027378A JP 2017027378 A JP2017027378 A JP 2017027378A JP 2015145525 A JP2015145525 A JP 2015145525A JP 2015145525 A JP2015145525 A JP 2015145525A JP 2017027378 A JP2017027378 A JP 2017027378A
Authority
JP
Japan
Prior art keywords
behavior
behavior pattern
learning
user
information
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
JP2015145525A
Other languages
Japanese (ja)
Inventor
智幸 加地
Tomoyuki Kachi
智幸 加地
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.)
Fujifilm Business Innovation Corp
Original Assignee
Fuji Xerox Co Ltd
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 Fuji Xerox Co Ltd filed Critical Fuji Xerox Co Ltd
Priority to JP2015145525A priority Critical patent/JP2017027378A/en
Publication of JP2017027378A publication Critical patent/JP2017027378A/en
Pending legal-status Critical Current

Links

Images

Landscapes

  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

PROBLEM TO BE SOLVED: To provide a behavior recommendation program and an information processing apparatus which recommend behaviors from now onward according to the present behavior of a user even if the behavior range of the user is not set beforehand.SOLUTION: A behavior recommendation server 1 comprises: behavior pattern learning means 102 for learning a behavior pattern from changes in position information indicative of positions of a user; behavior pattern estimation means 103 for estimating a present behavior pattern of the user from the learning result of the behavior pattern learning means 102 and from changes in the position information up to the present; and behavior recommendation means 104 for recommending behaviors from now onward, based on the learning result of the behavior pattern learning means 102 and on the present behavior pattern estimated by the behavior pattern estimation means 103.SELECTED DRAWING: Figure 2

Description

本発明は、行動推薦プログラム及び情報処理装置に関する。   The present invention relates to an action recommendation program and an information processing apparatus.

従来の技術として、仮想空間において移動するオブジェクトを監視する情報処理装置が提案されている（例えば、特許文献１参照）。   As a conventional technique, an information processing apparatus that monitors an object moving in a virtual space has been proposed (for example, see Patent Document 1).

特許文献１に開示された情報処理装置は、仮想空間と当該仮想空間内で移動する人間や車両等のオブジェクトとを管理するものであって、オブジェクトに対する存在可否領域をシステム開発者や利用者によって事前に設定できるものとし、オブジェクトの挙動を把握することで領域、時間、動作特性、空間情報を考慮して危険を通報したり、バス、来訪者等が接近した場合に事前通知したりする。   The information processing apparatus disclosed in Patent Document 1 manages a virtual space and objects such as humans and vehicles that move in the virtual space, and the existence / non-existence area for the object is determined by a system developer or a user. Assume that it can be set in advance. By grasping the behavior of the object, it is possible to report the danger in consideration of the area, time, motion characteristics, and spatial information, or to notify in advance when a bus, a visitor, etc. approach.

特開２００３−２２８７９７号公報JP 2003-228797 A

本発明の目的は、利用者の行動範囲について事前の設定がなくとも、現在の利用者の行動に応じて現在以降の行動を推薦する行動推薦プログラム及び情報処理装置を提供することにある。   An object of the present invention is to provide an action recommendation program and an information processing apparatus for recommending actions after the present according to the current user's action even if the user's action range is not set in advance.

本発明の一態様は、上記目的を達成するため、以下の行動推薦プログラム及び情報処理装置を提供する。   In order to achieve the above object, an aspect of the present invention provides the following behavior recommendation program and information processing apparatus.

［１］コンピュータを、
利用者の位置を示す位置情報の変化から当該利用者の行動パターンを学習する学習手段と、
前記学習手段の学習結果と、現在までの位置情報の変化とから当該利用者の現在の行動パターンを推定する推定手段と、
前記学習手段の学習結果と、前記推定手段が推定した現在の行動パターンとに基づいて、現在以降の行動を推薦する推薦手段として機能させるための行動推薦プログラム。
［２］前記学習手段は、学習の際に、前記利用者の行動パターンを当該行動パターンの頻度に基づいて通常又は通常外の行動パターンのいずれであるかを判定し、
前記推定手段は、前記学習結果のうち、通常と判定された行動パターンに基づいて前記利用者の現在の行動パターンを推定する前記［１］に記載の行動推薦プログラム。
［３］前記推薦手段は、前記学習結果のうち、通常外と判定された行動パターンに基づいて前記現在以降の行動を推薦する前記［２］に記載の行動推薦プログラム。
［４］利用者の位置を示す位置情報の変化から当該利用者の行動パターンを学習する学習手段と、
前記学習手段の学習結果と、現在までの位置情報の変化とから当該利用者の現在の行動パターンを推定する推定手段と、
前記学習手段の学習結果と、前記推定手段が推定した現在の行動パターンとに基づいて、現在以降の行動を推薦する推薦手段とを有する情報処理装置。 [1]
Learning means for learning a behavior pattern of the user from a change in position information indicating the position of the user;
An estimation means for estimating a current behavior pattern of the user from a learning result of the learning means and a change in position information up to the present time;
An action recommendation program for functioning as a recommendation means for recommending an action after the present based on a learning result of the learning means and a current action pattern estimated by the estimation means.
[2] In the learning, the learning means determines whether the user's behavior pattern is a normal or an unusual behavior pattern based on the frequency of the behavior pattern,
The behavior estimation program according to [1], wherein the estimation unit estimates a current behavior pattern of the user based on a behavior pattern determined to be normal among the learning results.
[3] The behavior recommendation program according to [2], wherein the recommendation unit recommends the behavior after the current time based on a behavior pattern determined to be out of the learning result.
[4] Learning means for learning a behavior pattern of the user from a change in position information indicating the position of the user;
An estimation means for estimating a current behavior pattern of the user from a learning result of the learning means and a change in position information up to the present time;
An information processing apparatus comprising: a recommendation unit that recommends a behavior after the current time based on a learning result of the learning unit and a current behavior pattern estimated by the estimation unit.

請求項１又は４に係る発明によれば、利用者の行動範囲について事前の設定がなくとも、現在の利用者の行動に応じて現在以降の行動を推薦することができる。
請求項２に係る発明によれば、利用者の行動パターンを通常又は通常外のいずれであるかを判定し、通常と判定された行動パターンに基づいて利用者の現在の行動パターンを推定することができる。
請求項３に係る発明によれば、通常外と判定された行動パターンに基づいて現在以降の行動を推薦することができる。 According to the invention which concerns on Claim 1 or 4, even if there is no prior setting about a user's action range, the action after the present can be recommended according to the action of the present user.
According to the invention which concerns on Claim 2, it determines whether a user's action pattern is normal or unusual, and presumes a user's present action pattern based on the action pattern determined to be normal Can do.
According to the invention which concerns on Claim 3, the action after the present can be recommended based on the action pattern determined not to be normal.

図１は、実施の形態に係る行動推薦システムの構成の一例を示す概略図である。FIG. 1 is a schematic diagram illustrating an example of a configuration of an action recommendation system according to an embodiment. 図２は、実施の形態に係る行動推薦サーバの構成例を示すブロック図である。FIG. 2 is a block diagram illustrating a configuration example of the behavior recommendation server according to the embodiment. 図３は、利用者の移動経路の一例を示す地図である。FIG. 3 is a map showing an example of the movement route of the user. 図４は、位置情報の構成の一例を示す図である。FIG. 4 is a diagram illustrating an example of a configuration of position information. 図５は、位置情報の構成の一例を示す図である。FIG. 5 is a diagram illustrating an example of a configuration of position information. 図６は、拠点名情報の構成の一例を示す図である。FIG. 6 is a diagram illustrating an example of the configuration of the base name information. 図７は、拠点タイプ情報の構成の一例を示す図である。FIG. 7 is a diagram illustrating an example of the configuration of the base type information. 図８は、行動パターン情報の構成の一例を示す図である。FIG. 8 is a diagram illustrating an example of the configuration of behavior pattern information. 図９は、行動パターン情報の構成の一例を示す図である。FIG. 9 is a diagram illustrating an example of the configuration of behavior pattern information. 図１０は、通常外の行動パターンの分析の動作を説明するための図である。FIG. 10 is a diagram for explaining an operation of analyzing an unusual behavior pattern. 図１１は、拠点タイプ毎にまとめた行動パターン情報の構成の一例を示す図である。FIG. 11 is a diagram illustrating an example of a configuration of action pattern information collected for each base type. 図１２は、行動パターンの推定動作を説明するための図である。FIG. 12 is a diagram for explaining an action pattern estimation operation. 図１３は、端末の表示部に表示される情報の一例を示す概略図である。FIG. 13 is a schematic diagram illustrating an example of information displayed on the display unit of the terminal. 図１４は、端末の表示部に表示される情報の他の例を示す概略図である。FIG. 14 is a schematic diagram illustrating another example of information displayed on the display unit of the terminal. 図１５は、行動を推薦する際の評価計算の動作を説明するための図である。FIG. 15 is a diagram for explaining an operation of evaluation calculation when recommending an action. 図１６は、行動を推薦する際の評価計算の動作を説明するための図である。FIG. 16 is a diagram for explaining an operation of evaluation calculation when recommending an action. 図１７は、行動を推薦する際の評価計算の動作を説明するための図である。FIG. 17 is a diagram for explaining an operation of evaluation calculation when recommending an action.

［実施の形態］
（行動推薦システムの構成）
図１は、実施の形態に係る行動推薦システムの構成の一例を示す概略図である。 [Embodiment]
(Configuration of action recommendation system)
FIG. 1 is a schematic diagram illustrating an example of a configuration of an action recommendation system according to an embodiment.

この行動推薦システムは、行動推薦サーバ１と、端末２とをネットワーク３によって互いに通信可能に接続することで構成される。端末２は、利用者４によって携帯され、操作される。   This behavior recommendation system is configured by connecting a behavior recommendation server 1 and a terminal 2 so that they can communicate with each other via a network 3. The terminal 2 is carried and operated by the user 4.

行動推薦サーバ１は、サーバ型の情報処理装置であり、端末２の要求に応じて動作するものであって、本体内に情報を処理するための機能を有するＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）やフラッシュメモリ等の電子部品を備える。行動推薦サーバ１は、利用者４の行動を分析し、要求に応じて現在以降の行動を推薦する。   The behavior recommendation server 1 is a server-type information processing apparatus that operates in response to a request from the terminal 2 and has a CPU (Central Processing Unit) or a flash memory having a function for processing information in the main body. And other electronic components. The behavior recommendation server 1 analyzes the behavior of the user 4 and recommends the behavior after the present in response to a request.

端末２は、例えば、スマートフォン等の携帯型の情報処理端末であって、本体内に情報を処理するための機能を有するＣＰＵやフラッシュメモリ等の電子部品を備える。また、端末２は、ＧＰＳ（Ｇｒｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）等の位置情報取得手段を少なくとも備え、位置情報を行動推薦サーバ１に送信するものとする。   The terminal 2 is, for example, a portable information processing terminal such as a smartphone, and includes a CPU and a flash memory or other electronic component having a function for processing information in the main body. The terminal 2 includes at least position information acquisition means such as GPS (Global Positioning System), and transmits the position information to the behavior recommendation server 1.

ネットワーク３は、高速通信が可能な通信ネットワークであり、例えば、インターネットやＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）等の有線又は無線の通信網である。   The network 3 is a communication network capable of high-speed communication, and is, for example, a wired or wireless communication network such as the Internet or a LAN (Local Area Network).

（情報処理装置の構成）
図２は、実施の形態に係る行動推薦サーバ１の構成例を示すブロック図である。 (Configuration of information processing device)
FIG. 2 is a block diagram illustrating a configuration example of the behavior recommendation server 1 according to the embodiment.

行動推薦サーバ１は、ＣＰＵ等から構成され、各部を制御するとともに、各種のプログラムを実行する制御部１０と、フラッシュメモリ等の記憶媒体から構成され情報を記憶する記憶部１１と、ネットワークを介して外部と通信する通信部１２とを備える。   The behavior recommendation server 1 includes a CPU and the like, and controls each unit and executes various programs; a storage unit 11 that includes a storage medium such as a flash memory and stores information; and a network. And a communication unit 12 that communicates with the outside.

制御部１０は、後述する行動推薦プログラム１１０を実行することで、位置情報受付手段１００、位置情報変換手段１０１、行動パターン学習手段１０２、行動パターン推定手段１０３及び行動推薦手段１０４等として機能する。   The control unit 10 functions as the position information receiving unit 100, the position information conversion unit 101, the behavior pattern learning unit 102, the behavior pattern estimation unit 103, the behavior recommendation unit 104, and the like by executing a behavior recommendation program 110 described later.

位置情報受付手段１００は、端末２から位置情報を受け付けて記憶部１１に位置情報１１１として格納する。   The position information receiving means 100 receives position information from the terminal 2 and stores it in the storage unit 11 as position information 111.

位置情報変換手段１０１は、位置情報１１１を利用者毎に予め設定された情報や地図情報等に基づいて拠点名情報１１２に変換する。また、位置情報変換手段１０１は、拠点名情報１１２を拠点タイプ情報１１３に変換する。   The position information conversion means 101 converts the position information 111 into the base name information 112 based on information preset for each user, map information, or the like. Further, the position information conversion means 101 converts the base name information 112 into base type information 113.

行動パターン学習手段１０２は、拠点タイプ情報１１３に基づいて利用者の行動パターンを学習し、学習結果として行動パターン情報１１４を生成する。   The behavior pattern learning unit 102 learns a user's behavior pattern based on the base type information 113 and generates behavior pattern information 114 as a learning result.

行動パターン推定手段１０３は、行動パターン学習手段１０２の学習結果である行動パターン情報１１４に基づいて利用者の行動パターンを推定し、行動パターン推定情報１１５を生成する。   The behavior pattern estimation unit 103 estimates a user's behavior pattern based on the behavior pattern information 114 that is a learning result of the behavior pattern learning unit 102, and generates behavior pattern estimation information 115.

行動推薦手段１０４は、行動パターン推定情報１１５に基づいて利用者に現在の行動パターンを、端末２の表示部に表示するとともに、他の行動パターンも表示して推薦する。   Based on the behavior pattern estimation information 115, the behavior recommendation means 104 displays the current behavior pattern to the user on the display unit of the terminal 2, and also displays and recommends other behavior patterns.

記憶部１１は、制御部１０を上述した各手段１００−１０４として動作させる行動推薦プログラム１１０、位置情報１１１、拠点名情報１１２、拠点タイプ情報１１３、行動パターン情報１１４及び行動パターン推定情報１１５等を記憶する。   The storage unit 11 includes an action recommendation program 110 that causes the control unit 10 to operate as each of the above-described units 100 to 104, position information 111, site name information 112, site type information 113, behavior pattern information 114, behavior pattern estimation information 115, and the like. Remember.

（情報処理装置の動作）
次に、本実施の形態の作用を、（１）行動パターン学習動作、（２）行動パターン推定動作、（３）行動推薦動作に分けて説明する。 (Operation of information processing device)
Next, the operation of the present embodiment will be described separately for (1) behavior pattern learning operation, (2) behavior pattern estimation operation, and (3) behavior recommendation operation.

（１）行動パターン学習動作
まず、利用者４は、端末２を所持して移動する。 (1) Behavior pattern learning operation First, the user 4 moves while holding the terminal 2.

図３は、利用者の移動経路の一例を示す地図である。   FIG. 3 is a map showing an example of the movement route of the user.

利用者４は、一例として図３に示すように、経路Ｐａに沿って移動したものとする。   As an example, it is assumed that the user 4 has moved along the route Pa as shown in FIG.

端末２は、利用者の移動に伴い、位置情報取得手段により定期的に位置情報を取得し、行動推薦サーバ１に送信する。   As the user moves, the terminal 2 periodically acquires position information by the position information acquisition means and transmits it to the behavior recommendation server 1.

図４は、位置情報の構成の一例を示す図である。   FIG. 4 is a diagram illustrating an example of a configuration of position information.

位置情報１１１ａ’は、端末２によって取得された位置情報であり、図４に示すように、１分毎に緯度、経度、高度が記録される。   The position information 111a 'is position information acquired by the terminal 2, and as shown in FIG. 4, latitude, longitude, and altitude are recorded every minute.

行動推薦サーバ１の位置情報受付手段１００は、端末２から位置情報を受け付けて記憶部１１に位置情報１１１として格納する。   The position information receiving means 100 of the behavior recommendation server 1 receives position information from the terminal 2 and stores it as position information 111 in the storage unit 11.

図５は、位置情報の構成の一例を示す図である。   FIG. 5 is a diagram illustrating an example of a configuration of position information.

位置情報１１１ａは、位置情報１１１の一例であり、ある利用者の月曜から金曜まで、例えば、１分毎に緯度、経度、高度を記録した情報である。図中で「Ｘ」で示しているが、実際には具体的な数値が記録される。   The position information 111a is an example of the position information 111, and is information in which latitude, longitude, and altitude are recorded every minute from Monday to Friday, for example. Although indicated by “X” in the figure, actual numerical values are actually recorded.

次に、位置情報変換手段１０１は、位置情報１１１を利用者毎に予め設定された情報や地図情報等に基づいて拠点名情報１１２に変換する。   Next, the position information conversion means 101 converts the position information 111 into the base name information 112 based on information preset for each user, map information, or the like.

図６は、拠点名情報の構成の一例を示す図である。   FIG. 6 is a diagram illustrating an example of the configuration of the base name information.

拠点名情報１１２ａは、拠点名情報１１２の一例であり、緯度、経度、高度を予め設定された情報に基づいて「マンションＡ」、「ＧＹ Ｒ＆Ｄスクエア」、「東京ミッドタウン」等の拠点名に変換した情報である。位置情報変換手段１０１は、例えば、１５分以上滞在している位置の拠点名を取得し、それ以外の位置では移動中であると判定する。   The base name information 112a is an example of the base name information 112, and the latitude, longitude, and altitude are converted into base names such as “Apartment A”, “GY R & D Square”, “Tokyo Midtown” based on preset information. Information. For example, the position information conversion unit 101 acquires the base name of the position where the user stays for 15 minutes or more, and determines that the position is moving at other positions.

次に、位置情報変換手段１０１は、拠点名情報１１２を拠点タイプ情報１１３に変換する。   Next, the position information conversion means 101 converts the base name information 112 into base type information 113.

図７は、拠点タイプ情報の構成の一例を示す図である。   FIG. 7 is a diagram illustrating an example of the configuration of the base type information.

拠点タイプ情報１１３ａは、拠点タイプ情報１１３の一例であり、拠点名情報１１２ａの「マンションＡ」、「ＧＹ Ｒ＆Ｄスクエア」、「東京ミッドタウン」等の拠点名を、利用者によって予め設定された情報に基づいて、それぞれ「自宅」、「職場」、「施設Ｂ」等の拠点タイプに変換した情報である。   The base type information 113a is an example of the base type information 113, and base names such as “Apartment A”, “GY R & D Square”, “Tokyo Midtown”, etc. of the base name information 112a are set in advance by the user. Based on the information, the information is converted into base types such as “home”, “workplace”, and “facility B”.

次に、行動パターン学習手段１０２は、拠点タイプ情報１１３ａに基づいて利用者の行動パターンを学習する。   Next, the behavior pattern learning means 102 learns the user's behavior pattern based on the base type information 113a.

図８は、行動パターン情報の構成の一例を示す図である。   FIG. 8 is a diagram illustrating an example of the configuration of behavior pattern information.

行動パターン情報１１４ａは、行動パターン情報１１４の一例であり、拠点タイプ情報１１３ａに基づいてある利用者の拠点タイプを時系列に沿ってまとめたものである。「滞在拠点１」、「滞在拠点２」…は、利用者が滞在した拠点を順番に並べたものである。   The behavior pattern information 114a is an example of the behavior pattern information 114, and is a collection of a user's base types in time series based on the base type information 113a. “Stay base 1”, “Stay base 2”, etc. are arranged in order of bases where the user stayed.

次に、行動パターン学習手段１０２は、行動パターン情報１１４ａから行動パターンを抽出し、抽出した行動パターンが通常の行動パターン又は通常外の行動パターンのいずれであるかを判定する。   Next, the behavior pattern learning unit 102 extracts a behavior pattern from the behavior pattern information 114a, and determines whether the extracted behavior pattern is a normal behavior pattern or an unusual behavior pattern.

図９は、行動パターン情報の構成の一例を示す図である。   FIG. 9 is a diagram illustrating an example of the configuration of behavior pattern information.

行動パターン推定情報１１４ｂは、行動パターン情報１１４の一例であり、抽出された行動パターン毎に、当該行動パターンの発生回数、平均行動開始時刻、平均行動完了時刻、行動開始時刻、行動終了時刻及び通常／通常外判定を有する。   The behavior pattern estimation information 114b is an example of the behavior pattern information 114. For each extracted behavior pattern, the number of occurrences of the behavior pattern, the average behavior start time, the average behavior completion time, the behavior start time, the behavior end time, and the normal time / Has a non-normal determination.

通常／通常外判定は、ある拠点タイプを始点とする行動パターンについて、割合の大きい行動パターンが「通常」、それ以外が「通常外」と判定される。例えば、拠点タイプ「自宅」を始点とする行動パターンについて、つまり枠１１４０の行動パターンに全７回ついて、拠点タイプ「自宅」から拠点タイプ「職場」へ移動した行動パターンが５回以上発生し、割合の大きい行動パターンであるため、行動パターン学習手段１０２は、枠１１４１のように当該行動パターンを「通常」と判定し、それ以外を「通常外」と判定する。一例として、行動パターンの回数の割合が２０％より大きく、割合が最も大きい場合に「通常」と判定する。   In the normal / non-normal determination, regarding a behavior pattern starting from a certain base type, a behavior pattern having a large ratio is determined to be “normal”, and the others are determined to be “normal”. For example, regarding the behavior pattern starting from the site type “home”, that is, the behavior pattern of the frame 1140 is 7 times, the behavior pattern of moving from the site type “home” to the site type “workplace” occurs 5 times or more, Since the action pattern has a large ratio, the action pattern learning unit 102 determines the action pattern as “normal” as indicated by a frame 1141, and determines the other as “not normal”. As an example, when the ratio of the number of behavior patterns is greater than 20% and the ratio is the largest, it is determined as “normal”.

次に、行動パターン学習手段１０２は、「通常外」と判定された行動パターンの組み合わせのうち、始点と終点の拠点タイプが「通常」と判定された行動パターンと一致するものを「通常外」から「通常」へと修正する。   Next, the behavior pattern learning unit 102 determines that a combination of behavior patterns determined to be “unusual” matches a behavior pattern for which the base type of the start point and the end point is determined to be “normal”. From “normal” to “normal”.

図１０は、通常外の行動パターンの分析の動作を説明するための図である。   FIG. 10 is a diagram for explaining an operation of analyzing an unusual behavior pattern.

「通常外」と推定された行動パターンを集めた行動パターン情報１１４ｂについて、「職場」から「ファミレス」へ移動した行動パターン１１４Ｂ１、「ファミレス」から「スポーツクラブ」へ移動した行動パターン１１４Ｂ２、「スポーツクラブ」から「自宅」へ移動した行動パターン１１４Ｂ３の組み合わせは、始点と終点の拠点タイプが「通常」と判定された行動パターン１１５Ａと一致するため、判定を「通常外」から「通常」へと修正する。 About the action pattern information 114b that collects the action patterns estimated to be “non-normal”, the action pattern 114B 1 that has moved from the “workplace” to the “family restaurant”, the action pattern 114B 2 that has moved from the “family restaurant” to the “sports club”, Since the combination of the action pattern 114B 3 moved from “sports club” to “home” matches the action pattern 115A in which the base type of the start point and the end point is determined to be “normal”, the determination is made from “non-normal” to “normal”. To "".

図１１は、拠点タイプ毎にまとめた行動パターン情報の構成の一例を示す図である。   FIG. 11 is a diagram illustrating an example of a configuration of action pattern information collected for each base type.

行動パターン情報１１４ｃは、行動パターン情報１１４の他の例であり、ある利用者について、拠点タイプ毎に、滞在時間、滞在開始時刻、滞在終了時刻の平均や、滞在回数、滞在時間の合計、次に滞在した拠点タイプの上位、通常／通常外判定等の情報をまとめたものである。   The behavior pattern information 114c is another example of the behavior pattern information 114. For a certain user, the average stay time, stay start time, stay end time, number of stays, total stay time, This is a summary of information such as the top of the base type staying in and the normal / non-normal judgment.

（２）行動パターン推定動作
次に、行動パターン推定手段１０３は、行動パターン学習手段１０２の学習結果である行動パターン情報１１４に基づいて利用者の現在の行動パターンを推定する。 (2) Behavior Pattern Estimation Operation Next, the behavior pattern estimation unit 103 estimates a user's current behavior pattern based on behavior pattern information 114 that is a learning result of the behavior pattern learning unit 102.

まず、行動パターン推定手段１０３は、拠点名情報１１２ａを確認し、現在が移動中である場合、直前に滞在した拠点タイプを確認する。ここで、直前に滞在した拠点タイプが「職場」であったとする。   First, the behavior pattern estimation means 103 confirms the site name information 112a, and if the current location is moving, confirms the type of the location where the user stayed immediately before. Here, it is assumed that the base type where the user stayed immediately before was “workplace”.

次に、行動パターン推定手段１０３は、図９に示す行動パターン情報１１４ｂを参照し、拠点タイプ「職場」を始点とする行動パターンを抽出する。   Next, the behavior pattern estimation unit 103 refers to the behavior pattern information 114b shown in FIG. 9 and extracts a behavior pattern starting from the site type “workplace”.

図１２は、行動パターンの推定動作を説明するための図である。   FIG. 12 is a diagram for explaining an action pattern estimation operation.

行動パターン情報１１４ｄは、行動パターン情報１１４ｂから抽出された情報であり、拠点タイプ「職場」を始点とする行動パターンである。   The behavior pattern information 114d is information extracted from the behavior pattern information 114b, and is a behavior pattern starting from the base type “workplace”.

行動パターン推定手段１０３は、行動パターン情報１１４ｄに基づいて評価値を算出する。評価値は、（各行動パターンの発生回数）×（現在と同じ曜日の発生回数）×（現時刻が平均行動開始時刻と平均行動完了時刻の間＝５；それ以外＝１）から算出される。   The behavior pattern estimation means 103 calculates an evaluation value based on the behavior pattern information 114d. The evaluation value is calculated from (number of occurrences of each behavior pattern) × (number of occurrences of the same day of the week) × (current time is between average action start time and average action completion time = 5; otherwise = 1) .

行動パターン推定手段１０３は、算出された評価値が最も高いものを現在の行動パターンとして推定し、行動パターン推定情報１１５として記憶部１１に格納する。ここでは、拠点タイプ「職場」から拠点タイプ「自宅」へ移動する行動パターンであると推定したものとする。   The behavior pattern estimation means 103 estimates the highest calculated evaluation value as the current behavior pattern and stores it in the storage unit 11 as the behavior pattern estimation information 115. Here, it is assumed that the action pattern moves from the base type “workplace” to the base type “home”.

（３）行動推薦動作
次に、行動推薦手段１０４は、行動パターン推定情報１１５に基づいて利用者に現在の行動パターンを、以下の図１３、図１４に示すように、端末２の表示部に表示するとともに、他の行動パターンも表示して推薦する。 (3) Behavior recommendation operation Next, the behavior recommendation means 104 sends the current behavior pattern to the user based on the behavior pattern estimation information 115 on the display unit of the terminal 2 as shown in FIGS. 13 and 14 below. Display and recommend other behavior patterns.

図１３は、端末２の表示部に表示される情報の一例を示す概略図である。   FIG. 13 is a schematic diagram illustrating an example of information displayed on the display unit of the terminal 2.

端末２は、行動推薦手段１０４から受信した情報に基づいて表示部２０に行動推薦情報１０４ａを表示する。行動推薦情報１０４ａは、行動パターン推定手段１０３が推定した現在の行動パターン１０４０と、現在の行動パターン以外に推薦する拠点タイプ１０４１とを有する。   The terminal 2 displays the behavior recommendation information 104 a on the display unit 20 based on the information received from the behavior recommendation unit 104. The behavior recommendation information 104a includes a current behavior pattern 1040 estimated by the behavior pattern estimation unit 103 and a base type 1041 recommended other than the current behavior pattern.

拠点タイプ１０４１は、行動推薦手段１０４によって選択されたものであり、図１２において現在の行動パターンであると推定されなかった行動パターンの終点である「ファミレス」及び「施設Ｂ」の上位概念の拠点タイプ「飲食店」及び「レジャー施設」を表示するものである。当該拠点タイプ１０４１が利用者に選択操作されると、例えば、「飲食店」が選択されると行動推薦手段１０４は、図１４に示す情報を表示する。   The base type 1041 is selected by the behavior recommendation means 104 and is a high-level base of “family restaurant” and “facility B” that are the end points of the behavior pattern that is not estimated to be the current behavior pattern in FIG. The type “restaurant” and “leisure facility” are displayed. When the base type 1041 is selected and operated by the user, for example, when “restaurant” is selected, the behavior recommendation unit 104 displays the information shown in FIG.

図１４は、端末２の表示部に表示される情報の他の例を示す概略図である。   FIG. 14 is a schematic diagram illustrating another example of information displayed on the display unit of the terminal 2.

端末２は、行動推薦手段１０４から受信した情報に基づいて表示部２０に行動推薦情報１０４ｂを表示する。行動推薦情報１０４ｂは、拠点タイプ「飲食店」の店名１０４１を有する。   The terminal 2 displays the behavior recommendation information 104b on the display unit 20 based on the information received from the behavior recommendation means 104. The action recommendation information 104b has a store name 1041 of the base type “restaurant”.

店名１０４１は、行動推薦手段１０４によって選択される。まず、行動推薦手段１０４は、利用者の現在の行動パターンが「職場」から「自宅」へ移動するものであると推定しているため、「職場」と「自宅」の間の「飲食店」を候補に挙げる。次に、現在時刻が、利用者が通常飲食店に入る時刻より早い時刻であった場合、「職場」の近くの飲食店より「自宅」の近くの飲食店の評価スコアを高くする。また、飲食店の評価サイトの評価点や現在の飲食店の混雑状況等を評価スコアに反映してもよい。また、利用者が訪問したことのある「飲食店」であって、複数回訪れている店の評価スコアを高くしてもよい。行動推薦手段１０４は、評価スコアの高い順に店名１０４１を表示する。   The store name 1041 is selected by the behavior recommendation unit 104. First, since the behavior recommendation unit 104 estimates that the current behavior pattern of the user moves from “work” to “home”, “restaurant” between “work” and “home”. Is a candidate. Next, when the current time is earlier than the time when the user enters the normal restaurant, the evaluation score of the restaurant near “home” is made higher than the restaurant near “work”. Moreover, you may reflect the evaluation point of the evaluation site of a restaurant, the congestion condition of the present restaurant, etc. in an evaluation score. In addition, an evaluation score of a restaurant that has been visited by a user and that has been visited a plurality of times may be increased. The behavior recommendation unit 104 displays the store names 1041 in descending order of evaluation score.

行動推薦手段１０４の具体的な評価スコア算出動作について以下の図１５−図１７を参照して説明する。   A specific evaluation score calculation operation of the behavior recommendation unit 104 will be described with reference to FIGS.

図１５は、行動を推薦する際の評価計算の動作を説明するための図である。   FIG. 15 is a diagram for explaining an operation of evaluation calculation when recommending an action.

行動推薦手段１０４は、利用者の現在の行動パターンが「職場」から「自宅」へ移動するものであると推定しているため、公共交通機関の乗換情報取得ＡＰＩ等を利用し、「自宅」までの複数の移動経路を抽出する。図１５に示す例では、「Ａ駅」及び「Ｂ駅」を経由する移動経路と、「Ｃ駅」及び「Ｄ駅」を経由する移動経路とが抽出され、それぞれの経由地点の到着予定時刻が抽出される。   Since the behavior recommendation unit 104 estimates that the current behavior pattern of the user moves from “work” to “home”, the transfer recommendation information API of public transportation is used to obtain “home”. A plurality of travel routes up to are extracted. In the example shown in FIG. 15, movement routes that pass through “A station” and “B station” and movement routes that pass through “C station” and “D station” are extracted, and the estimated arrival times of the respective via points are extracted. Is extracted.

図１６は、行動を推薦する際の評価計算の動作を説明するための図である。   FIG. 16 is a diagram for explaining an operation of evaluation calculation when recommending an action.

次に、行動推薦手段１０４は、図１６に示す評価情報１０４ｃを作成し、図１１に示した行動パターン情報１１４ｃを参照して、直近３ヶ月の飲食店の滞在開始時刻に基づいて「発生回数」の欄に記録する。現在時刻、到着予定時刻の評価値は、発生回数に係数を乗じて算出される。係数は、例えば、到着予定時刻の時間帯を１．０、当該時間帯から３０分ずれる毎に０．２を減じた係数として定める。   Next, the behavior recommendation unit 104 creates the evaluation information 104c shown in FIG. 16 and refers to the behavior pattern information 114c shown in FIG. 11 based on the stay start time of the restaurant in the last three months. In the "" column. The evaluation values for the current time and the estimated arrival time are calculated by multiplying the number of occurrences by a coefficient. The coefficient is determined, for example, as a coefficient obtained by subtracting the time zone of the estimated arrival time from 1.0 and 0.2 every 30 minutes from the time zone.

行動推薦手段１０４は、上記した方法で評価値を算出し、現在時刻、到着予定時刻毎に評価値を積算した値の最も大きい、枠１０４０で示した「到着予定時刻１９：１０の評価（Ｄ駅）」を推薦するべき飲食店の存在する駅と判断する。   The behavior recommendation means 104 calculates an evaluation value by the above-described method, and the “estimated estimated arrival time 19:10 (D Station) ”is determined as the station where the restaurant that should be recommended exists.

次に、行動推薦手段１０４は、Ｄ駅の飲食店を検索し、飲食店の公開情報取得ＡＰＩを利用して、検索結果の飲食店の評価を取得する。   Next, the behavior recommendation means 104 searches for a restaurant at the D station, and uses the public information acquisition API of the restaurant to acquire the evaluation of the restaurant as a search result.

図１７は、行動を推薦する際の評価計算の動作を説明するための図である。   FIG. 17 is a diagram for explaining an operation of evaluation calculation when recommending an action.

行動推薦手段１０４は、図１７に示す評価情報１０４ｄを作成し、取得した評価を「評価（公開情報）」の欄に記録するとともに、図１１に示した行動パターン情報１１４ｃを参照して、直近３ヶ月の飲食店の滞在回数に基づいて「滞在回数」の欄に記録する。   The action recommendation unit 104 creates the evaluation information 104d shown in FIG. 17, records the acquired evaluation in the column of “evaluation (public information)”, and refers to the action pattern information 114c shown in FIG. Record in the “Number of Stays” column based on the number of stays at the restaurant for 3 months.

行動推薦手段１０４は、例えば、利用者がこれまでに滞在したことのない飲食店を好む傾向にあると判定している場合に、滞在回数が少ない方が高評価となるように「係数」の欄の係数を定め、「評価（公開情報）」の値に乗じることで「評価」の値を算出する。   For example, when the behavior recommending unit 104 determines that the user tends to prefer a restaurant that has not stayed so far, the “coefficient” is set so that the person with the smaller number of stays is highly evaluated. The coefficient of the column is determined, and the value of “evaluation” is calculated by multiplying the value of “evaluation (public information)”.

行動推薦手段１０４は、評価情報１０４ｄの「評価」の値の順で飲食店を並び換えて図１４に示すように表示処理する。   The behavior recommendation unit 104 rearranges the restaurants in the order of the “evaluation” value of the evaluation information 104d and performs display processing as shown in FIG.

［実施の形態の効果］
上記した実施の形態によれば、利用者の行動パターンを学習し、行動パターンの頻度から通常か通常外かを判断することで、利用者の現在の行動パターンを通常の行動パターンから推定するとともに、利用者に推薦する行動パターンを通常外の行動パターンを利用して選択するようにしたため、利用者の現在の行動に応じて新たな行動を推薦することができる。 [Effect of the embodiment]
According to the above-described embodiment, the user's current behavior pattern is estimated from the normal behavior pattern by learning the user's behavior pattern and determining whether the behavior pattern is normal or normal from the frequency of the behavior pattern. Since the behavior pattern recommended to the user is selected using the behavior pattern other than the normal behavior, a new behavior can be recommended according to the current behavior of the user.

［他の実施の形態］
なお、本発明は、上記実施の形態に限定されず、本発明の趣旨を逸脱しない範囲で種々な変形が可能である。 [Other embodiments]
The present invention is not limited to the above embodiment, and various modifications can be made without departing from the spirit of the present invention.

上記実施の形態では制御部１０の各手段１００〜１０４の機能をプログラムで実現したが、各手段の全て又は一部をＡＳＩＣ等のハードウエアによって実現してもよい。また、上記実施の形態で用いたプログラムをＣＤ−ＲＯＭ等の記録媒体に記憶して提供することもできる。また、上記実施の形態で説明した上記ステップの入れ替え、削除、追加等は本発明の要旨を変更しない範囲内で可能である。   In the above embodiment, the functions of the units 100 to 104 of the control unit 10 are realized by a program. However, all or a part of the units may be realized by hardware such as an ASIC. The program used in the above embodiment can be provided by being stored in a recording medium such as a CD-ROM. In addition, replacement, deletion, addition, and the like of the above-described steps described in the above embodiment are possible within a range that does not change the gist of the present invention.

１ 行動推薦サーバ
２ 端末
３ ネットワーク
４ 利用者
１０ 制御部
１１ 記憶部
１２ 通信部
２０ 表示部
１００ 位置情報受付手段
１０１ 位置情報変換手段
１０２ 行動パターン学習手段
１０３ 行動パターン推定手段
１０４ 行動推薦手段
１１０ 行動推薦プログラム
１１１ 位置情報
１１２ 拠点名情報
１１３ 拠点タイプ情報
１１４ 行動パターン情報
１１５ 行動パターン推定情報 DESCRIPTION OF SYMBOLS 1 Action recommendation server 2 Terminal 3 Network 4 User 10 Control part 11 Storage part 12 Communication part 20 Display part 100 Position information reception means 101 Position information conversion means 102 Action pattern learning means 103 Action pattern estimation means 104 Action recommendation means 110 Action recommendation Program 111 Location information 112 Site name information 113 Site type information 114 Behavior pattern information 115 Behavior pattern estimation information

Claims (4)

コンピュータを、
利用者の位置を示す位置情報の変化から当該利用者の行動パターンを学習する学習手段と、
前記学習手段の学習結果と、現在までの位置情報の変化とから当該利用者の現在の行動パターンを推定する推定手段と、
前記学習手段の学習結果と、前記推定手段が推定した現在の行動パターンとに基づいて、現在以降の行動を推薦する推薦手段として機能させるための行動推薦プログラム。 Computer
Learning means for learning a behavior pattern of the user from a change in position information indicating the position of the user;
An estimation means for estimating a current behavior pattern of the user from a learning result of the learning means and a change in position information up to the present time;
An action recommendation program for functioning as a recommendation means for recommending an action after the present based on a learning result of the learning means and a current action pattern estimated by the estimation means. 前記学習手段は、学習の際に、前記利用者の行動パターンを当該行動パターンの頻度に基づいて通常又は通常外の行動パターンのいずれであるかを判定し、
前記推定手段は、前記学習結果のうち、通常と判定された行動パターンに基づいて前記利用者の現在の行動パターンを推定する請求項１に記載の行動推薦プログラム。 In the learning, the learning means determines whether the user's behavior pattern is a normal or unusual behavior pattern based on the frequency of the behavior pattern,
2. The behavior recommendation program according to claim 1, wherein the estimation unit estimates a current behavior pattern of the user based on a behavior pattern determined to be normal among the learning results. 前記推薦手段は、前記学習結果のうち、通常外と判定された行動パターンに基づいて前記現在以降の行動を推薦する請求項２に記載の行動推薦プログラム。   The behavior recommendation program according to claim 2, wherein the recommendation means recommends the behavior after the current time based on a behavior pattern determined to be out of the normal among the learning results. 利用者の位置を示す位置情報の変化から当該利用者の行動パターンを学習する学習手段と、
前記学習手段の学習結果と、現在までの位置情報の変化とから当該利用者の現在の行動パターンを推定する推定手段と、
前記学習手段の学習結果と、前記推定手段が推定した現在の行動パターンとに基づいて、現在以降の行動を推薦する推薦手段とを有する情報処理装置。


Learning means for learning a behavior pattern of the user from a change in position information indicating the position of the user;
An estimation means for estimating a current behavior pattern of the user from a learning result of the learning means and a change in position information up to the present time;
An information processing apparatus comprising: a recommendation unit that recommends a behavior after the current time based on a learning result of the learning unit and a current behavior pattern estimated by the estimation unit.


JP2015145525A 2015-07-23 2015-07-23 Behavior recommendation program and information processing apparatus Pending JP2017027378A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2015145525A JP2017027378A (en) 2015-07-23 2015-07-23 Behavior recommendation program and information processing apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2015145525A JP2017027378A (en) 2015-07-23 2015-07-23 Behavior recommendation program and information processing apparatus

Publications (1)

Publication Number Publication Date
JP2017027378A true JP2017027378A (en) 2017-02-02

Family

ID=57949800

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2015145525A Pending JP2017027378A (en) 2015-07-23 2015-07-23 Behavior recommendation program and information processing apparatus

Country Status (1)

Country Link
JP (1) JP2017027378A (en)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004045413A (en) * 2001-08-06 2004-02-12 Matsushita Electric Ind Co Ltd Information providing method and information providing system
JP2006053132A (en) * 2004-07-13 2006-02-23 Matsushita Electric Ind Co Ltd Moving destination display, and moving destination display method
US20060173841A1 (en) * 2004-10-29 2006-08-03 Bill David S Determining a route to destination based on partially completed route
JP2006209106A (en) * 2004-12-27 2006-08-10 Matsushita Electric Ind Co Ltd Map information updating apparatus and method
WO2009060537A1 (en) * 2007-11-09 2009-05-14 Pioneer Corporation Stop-off point information providing apparatus, stop-off point information providing method, stop-off point information providing program, and storage medium

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004045413A (en) * 2001-08-06 2004-02-12 Matsushita Electric Ind Co Ltd Information providing method and information providing system
JP2006053132A (en) * 2004-07-13 2006-02-23 Matsushita Electric Ind Co Ltd Moving destination display, and moving destination display method
US20060173841A1 (en) * 2004-10-29 2006-08-03 Bill David S Determining a route to destination based on partially completed route
JP2006209106A (en) * 2004-12-27 2006-08-10 Matsushita Electric Ind Co Ltd Map information updating apparatus and method
WO2009060537A1 (en) * 2007-11-09 2009-05-14 Pioneer Corporation Stop-off point information providing apparatus, stop-off point information providing method, stop-off point information providing program, and storage medium

Similar Documents

Publication Publication Date Title
US9541404B2 (en) System for determining the location of entrances and areas of interest
KR101534995B1 (en) Method and apparatus for mobile location determination
US20130304685A1 (en) Behaviour pattern analysis system, mobile terminal, behaviour pattern analysis method, and program
JP7117089B2 (en) Decision device, decision method and decision program
KR101312927B1 (en) Advertisement providing system
US20120271541A1 (en) Route recommendation system
CN105981426A (en) Methods and systems for locating items and determining item locations
KR20150001938A (en) Apparatus for providing contents, method for providing thereof and server
JPWO2017216919A1 (en) Clothing information providing system, clothing information providing method, and program
JP2012113544A (en) Restaurant recommendation system
JP2017091102A (en) Incentive granting device, incentive granting method, and incentive granting program
US20180135995A1 (en) Selection of a route based on prior user behavior or commercial interests
JP6352220B2 (en) Facility congestion level information providing apparatus and facility congestion level information providing method
CN109068374A (en) Resident POI determines method, apparatus, terminal and storage medium
JP6664582B2 (en) Estimation device, estimation method and estimation program
JP2017027378A (en) Behavior recommendation program and information processing apparatus
WO2018146794A1 (en) Destination proposal system
JP5956120B2 (en) Information processing system, information processing apparatus, information processing program, and information processing method
JP6405107B2 (en) Information processing apparatus, information processing method, and program
JP6271386B2 (en) Information providing system and information providing method
TWI439673B (en) Real-time point of interest suggesting method, system and computer readable storage medium for storing thereof
JP6591258B2 (en) Extraction device
JP2014106044A (en) Navigation device
RU2659188C2 (en) Location services management for mobile devices
JP6555375B2 (en) Server, service method, and program

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20180228

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20190226

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20190222

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20190426

RD02 Notification of acceptance of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7422

Effective date: 20190426

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20190910