CN102484660B - 移动状态推测装置、方法及程序 - Google Patents

Abstract

本发明具备：传感器部(101)，将终端的3个轴方向的加速度作为加速度信息来检测；存储部(102)，存储移动状态推测模型，该移动状态推测模型包括所述终端的使用者的移动状态；移动状态推测部(103)，基于所述加速度信息和所述移动状态推测模型，对每个移动状态推测确信度，该确信度表示所述使用者处于所述移动状态的可能性；终端状态推测部(104)，根据加速度信息计算终端的朝向，根据终端的朝向及加速度信息推测表示终端的状态的终端状态；计算部(106)，对每个移动状态计算可靠度，该可靠度表示移动状态及终端状态的组合与使用者真正的移动状态及终端真正的终端状态的组合一致的可能性；以及校正部(107)，根据可靠度对每个移动状态校正确信度，得到将确信度校正后的移动状态、即校正移动状态。

Description

移动状态推测装置、方法及程序

技术领域

本发明一种利用加速度传感器来推测用户的移动状态的移动状态推测装置、方法以及程序。

背景技术

以往有如下装置，使用搭载在移动电话终端上的加速度传感器来推测用户的移动状态，移动状态例如包括静止、步行、或乘坐公共汽车或电车等。作为减少移动状态的推测错误的方法，例如有如下方法，在检测到电话来电或邮件收发等终端的使用状态的情况下，停止推测用户的移动状态，从而减少推测错误(例如参见专利文献1)。另外，还有通过将使用GPS(Global Positioning System，全球定位系统)得到的用户的位置信息和地图信息组合来减少推测错误的方法(例如参见专利文献2)。

在先技术文献

专利文献1：日本特开2005-286809号公报

专利文献2：日本特开2007-303989号公报

发明的概要

发明所要解决的技术问题

但是，在用户正在通话或正在收发邮件等、正在使用移动电话终端的情况下，有时也需要推测移动状态，所以用户不希望在用户正在使用移动电话终端时停止推测移动状态。此外，作为给用户的移动状态的推测精度带来影响的主要原因，除了电话来电或收发邮件时使用移动电话终端而产生的振动以外，还有将终端拿在手上时的手抖动、从包中取出终端等时施加到终端上的加速度等。因此，如果只考虑正在使用移动电话终端的状态，移动状态的推测错误的可能性增大。

另外，在不能接收GPS的地方(例如地铁和地下街)，不能准确地参照用户的位置信息和地图信息，所以移动状态的推测错误的可能性增大。

发明内容

本发明是为了解决上述课题而提出的，其目的在于，提供一种移动状态推测装置、方法及程序，推测用户的移动状态时，在更长时间及更宽范围内减少推测错误。

解决技术问题所采用的技术手段

本发明的移动状态推测装置，其特征在于，具备：传感器部，将终端的3个轴方向的加速度作为加速度信息检测；存储部，存储移动状态推测模型(model)，该移动状态推测模型包括所述终端的使用者的移动状态；移动状态推测部，基于所述加速度信息和所述移动状态推测模型，对每个移动状态推测确信度，该确信度表示所述使用者处于所述移动状态的可能性；终端状态推测部，根据所述加速度信息计算所述终端的朝向，根据所述终端的朝向及所述加速度信息推测表示所述终端的状态的终端状态；计算部，对每个所述移动状态计算可靠度，该可靠度表示所述移动状态及所述终端状态的组合与所述使用者真正的移动状态及所述终端真正的终端状态的组合一致的可能性；以及校正部，根据所述可靠度，对每个所述移动状态校正所述确信度，得到将确信度校正后的移动状态、即校正移动状态。

根据本发明的移动状态推测装置、方法及程序，在推测用户的移动状态时，能够在更长时间及更宽范围内减少推测错误。

附图说明

图1是表示第1实施方式的移动状态推测装置的框图。

图2是说明移动状态的定义的一个例子的图。

图3是说明终端状态的定义的一个例子的图。

图4是表示移动状态推测装置的动作的流程图。

图5是表示移动状态推测部的动作的流程图。

图6是表示与从移动状态推测部输出的移动状态对应的确信度的一例的图。

图7是说明终端状态的检测基准的一个例子的图。

图8是表示终端状态推测部的动作的流程图。

图9是存储在可靠度计算模型存储部中的可靠度计算模型的一例的图。

图10是表示从确信度校正部输出的移动状态的推测结果的一例的图。

图11是表示第2实施方式的移动状态推测装置的框图。

图12是显示在显示部上的画面的一例的图。

图13是表示接收到输入信号之后更新的可靠度计算模型的一例的图。

图14是表示第3实施方式的移动状态推测装置的框图。

图15是表示移动状态与方位角变化之间的关系的一例的图。

具体实施方式

下面参照附图详细说明本发明的实施方式的移动状态推测装置、方法以及程序。另外，在以下的实施方式中，赋予了同一符号的部分进行同样的动作，省略重复说明。

参照图1详细地说明第1实施方式的移动状态推测装置。

第1实施方式的移动状态推测装置100包括加速度传感器部101、移动状态推测模型存储部102、移动状态推测部103、终端状态推测部104、可靠度计算模型存储部105、可靠度计算部106、以及确信度校正部107。

加速度传感器部101测定伴随用户的移动而产生的加速度，作为加速度信息得到。加速度传感器部101需要能够在3个轴以上的方向轴上测定加速度。测定方式通常采用基于MEMS(micro electro mechanical systems，微电子机械)方式的小型传感器，但不限于此，只要是能够测定加速度的方法即可。

移动状态推测模型存储部102存储移动状态推测模型。作为移动状态推测模型，使用将从加速度传感器部101取得的加速度信息与用户的移动状态建立了对应的数据，存储预先进行了学习的类神经网络(neural-network)。移动状态表示用户处于静止的状态，或者用户正在移动的情况下的移动方法。对于移动状态，将参照图2在后面进行叙述。

另外，在第1实施方式中，作为移动状态推测模型使用类神经网络，但不限于此，除此之外，可以采用如下方式，例如将加速度数据的生成模式与移动状态建立对应而制作表格，使用所取得的加速度数据和该表格进行模式匹配的方式；或使用HMM(Hidden Markov Model：隐马尔可夫模型)进行分类的方式等。

移动状态推测部103从加速度传感器部101接受加速度信息，从移动状态推测模型存储部102接受移动状态推测模型，参照移动状态推测模型，对于每个移动状态，与确信度建立对应而进行推测。确信度表示用户处于该移动状态的可能性是多大程度的可能性。对于移动状态推测部103的动作，将参照图5在后面进行叙述。

终端状态推测部104从加速度传感器部101接受加速度信息，使用该加速度信息来推测终端状态。终端状态表示终端的状态，包括用户正在拿着终端的状态或者用户正在使用终端的状态等。对于终端状态推测部104的动作，将参照图7在后面进行说明。

在可靠度计算模型存储部105中，作为可靠度计算模型，存储对移动状态和终端状态的组合预先设定了可靠度的表格。可靠度表示移动状态和终端状态的组合与用户真正的移动状态和终端真正的终端状态的组合一致的可能性。在此，“真正的”是指现实中正在发生。具体地讲，在用户一边观看终端的地图信息一边在路上步行的情况下，真正的移动状态是“步行”，真正的终端状态是“正在操作终端”。对于可靠度计算模型，将参照图9在后面进行叙述。

可靠度计算部106从移动状态推测部103接受移动状态，从终端状态推测部104接受终端状态，参照存储在可靠度计算模型存储部105中的可靠度计算模型，对每个移动状态计算移动状态与终端状态的组合的可靠度。另外，可靠度计算模型的形式不限于表格，也可以使用任意的计算式进行计算。

确信度校正部107从移动状态推测部103接受全部移动状态，从可靠度计算部106接受可靠度，对于各个移动状态，参照可靠度来对确信度进行校正。将校正了确信度的移动状态之中的、确信度最高的移动状态，作为某一时刻的用户的移动状态，并输出到位于外部的移动状态利用应用程序。

另外，不只是确信度最高的移动状态，也可以输出从确信度较高的移动状态的上位起的任意个数的移动状态，也可以输出确信度在阈值以上的移动状态，或者也可以输出全部的移动状态。

在此，参照图2详细地说明移动状态的一个例子。

在第1实施方式中，作为移动状态定义“静止”、“步行”、“乘车”。另外，移动状态不限于此，可以进一步对移动状态进行定义。

具体地讲，移动状态为“静止”是指在车站等待电车等用户正在静止、或在吃饭时等将终端放在从用户离开的地方等状态。此外，作为用户正在移动的状态的分类，有“步行”和“乘车”，“步行”表示用户正在步行而移动的状态，例如也包括1分钟以内的信号灯等待等短时间的停止。“乘车”表示正在乘坐电车或公共汽车等交通工具的状态，也包括车站或公共汽车站等停车区间。另外，对于“步行”中的1分钟以内的停止、“乘车”中的停车区间的停车，在通常的移动状态推测中可能推测为“静止”，然而实际上，作为用户的一系列的行动，包括在“步行”或“乘车”中较为合适，所以如上所述，定义“步行”和“乘车”。

接着，作为终端状态的一个例子，参照图3详细地说明。

作为第1实施方式的具体例，定义了“拿在手中”“在包中”“正在对终端进行操作”“保持状态迁移”“受到冲击”“不能判断”的状态，但不限于此，也可以定义其他终端状态。

另外，在第1实施方式中，设想了使用来自加速度传感器部101的加速度信息来推测终端状态，但是也可以利用包括照度传感器在内的其他种类的传感器来推测终端状态。例如，在使用照度传感器的情况下，利用照度值和单位时间的变化量，如下推测终端状态：在照度值较高的情况下，推测为拿在手中；在照度值较低的情况下，推测为放在包中；在照度值单调地增加或单调地减少的情况下，推测为保持状态正在迁移。

在此，参照图4的流程图详细地说明第1实施方式的移动状态推测装置的移动状态推测处理。

在步骤S401中，加速度传感器部101取得伴随用户移动而产生的加速度信息。加速度传感器部101取得加速度信息的间隔只要是能够检测到因终端掉下的冲击而产生的加速度等突发性加速度的程度的间隔即可。

在步骤S402中，移动状态推测部103参照加速度信息和移动状态推测模型，推测移动状态和与移动状态对应的确信度。

在步骤S403中，终端状态推测部104根据加速度信息推测图3所示的终端状态。

在步骤S404中，可靠度计算部106基于可靠度计算模型，对每个移动状态计算与移动状态和终端状态的组合对应的可靠度。

在步骤S405中，确信度校正部107根据可靠度，对每个移动状态的确信度进行校正，得到最终的移动状态。

在步骤S406中，判断是否有来自用户的移动状态推测的停止指示，或者在经过了预先设定的期间之后自动停止移动状态推测的情况下，判断是否经过了预定期间。在有停止指示的情况下或在经过了预定期间的情况下，结束移动状态推测处理。在没有停止指示的情况下或在未经过预定期间的情况下，回到步骤S401，反复进行从步骤S401至步骤S405的处理。

接着，参照图5的流程图，详细地说明在步骤S402的移动状态推测部103中的移动状态推测处理。

在步骤S501中，从加速度传感器部101接收加速度信息。

在步骤S502中，根据加速度信息，计算三维特征量F1(t)、F2(t)、F3(t)。

在计算三维特征量F1(t)、F2(t)、F3(t)时，首先推测重力矢量。利用加速度传感器始终被施加有1G的重力这一情况，将预定的时间间隔wG中的XYZ轴的平均矢量推测为重力矢量。在时刻t处的重力矢量v G(t)使用3轴加速度矢量v(t)由以下的式表示。

【数学式1】

$\mathrm{vG}\left(t\right)=\frac{\underset{i=t-\mathrm{wG}}{\overset{t}{\mathrm{\Σ}}}v\left(i\right)}{\mathrm{wG}}$

接着，从3轴加速度矢量v(t)减去重力矢量vG(t)，求出标准化后的加速度矢量。在时刻t处的标准化后的加速度矢量vn(t)由以下的式定义。

【数学式2】

νn(t)＝ν(t)-νG(t)

使用标准化后的加速度矢量vn(t)，作为在时刻t处的特征量F1(t)、F2(t)、F3(t)分别计算加速度矢量vn(t)的矢量长度、加速度矢量vn(t)与重力矢量vG(t)的内积值、加速度矢量vn(t)与重力矢量vG(t)的外积值。也就是说，特征量F1(t)、F2(t)、F3(t)为三维特征量。计算三维特征量的理由是为了除去由终端的移动方向产生的影响。在时刻t处的特征量F1(t)、F2(t)、F3(t)由以下的式表示。

【数学式3】

F1(t)＝||νn(t)||

F2(t)＝νn(t)·νG(t)

F3(t)＝νn(t)×νG(t)

在步骤S503中，对于在步骤S502中计算出的不依存于终端的朝向的三维特征量F1(t)、F2(t)、F3(t)，分别计算从时刻t起预定时间间隔wG内的平均值、最大值、及分散值的3种统计量。也就是说，对1个特征量计算3种统计量，所以计算合计9种特征量。将其称为9维特征量。

计算9维特征量的理由在于，标准化后的特征量是在某一瞬间的瞬象(snapshot)，与人的行动变化的周期相比较短，所以有时无法检测到考虑了时间性变动的趋势或在预定时间内的变动的特性。由此，为了得到对推测移动状态有效的特征量，需要计算从当前时刻起的预定时间间隔wG的窗口内的基本统计量。通过该9维特征量，能够表示在预定时间间隔wG内的终端状态的特征。

在步骤S504中，参照存储在移动状态推测模型存储部102中的移动状态推测模型，根据9维特征量进行移动状态的分类，计算全部移动状态和与各移动状态对应的确信度。在第1实施方式中，将9维特征量输入到类神经网络并进行移动状态的分类。在第1实施方式中，将移动状态设为3种，所以在从0到1的范围内，类神经网络将3种移动状态的确信度全部输出。在此，某一时刻的3种确信度的总和在从0到3的范围内不定。

在步骤S505中，对于在步骤S504中计算出的移动状态，通过迁移概率模型进行校正。

校正的理由在于，在单纯地根据加速度传感器的举动推测移动状态的情况下，例如电车或公共汽车临时停车时，以及在步行中临时停止时，推测为“静止”的可能性较高，所以为了防止这样的推测，如图2的移动状态的定义所示，将临时停车包括在“乘车”中，将等待信号灯这样的临时停止包括在“步行”中。

例如，进行如下处理，在刚刚从交通工具下来后，通常进行步行的情况较多，所以类神经网络的输出从“乘车”变化为“步行”时顺利变化；而从“乘车”转移到“静止”时，不会立即变化为“静止”，在确认到几秒钟的静止之后迁移。用迁移概率模型表现这样的从某种移动状态变化为其他移动状态的容易程度，并进行校正。

在步骤S506中，对与在步骤S505中进行了校正的移动状态对应的确信度，输出确信度为某阈值以上的移动状态。另外，也不设置阈值，而将移动状态和与各移动状态对应的确信度输出到确信度校正部107。

在此，参照图6，简单地说明与在步骤S505中计算出的移动状态对应的确信度的一个例子。对于3种移动状态“静止”“步行”“乘车”，确信度分别与“0.2”“0.6”“0.7”建立对应。

此外，参照图6的例子，具体说明步骤S506，例如，在确信度的阈值为“0.5”的情况下，3种移动状态“静止”“步行”“乘车”之中的确信度为阈值以上的移动状态为“步行”(确信度0.6)及“乘车”(确信度0.7)。

在此，图7示出在步骤S403的终端状态推测部104中的终端状态推测处理中使用的终端状态的检测基准。

基于使用了加速度信息的检测基准进行终端状态的推测。具体地讲，在终端状态为“拿在手中”的情况下，作为定义表示“用户拿在手中”的状态，作为使用加速度信息的情况的检测基准，设为“终端的朝向(下面又称为终端方向)不是垂直或水平，在预定时间内未检测到预定次数以上的突发性加速度”。这样，在终端状态推测处理中，能够使用加速度信息来推测终端状态。

接着，参照图8的流程图详细地说明步骤S403的终端状态推测部104中的终端状态推测处理。

在步骤S801中，从加速度传感器部101接收到加速度信息之后，终端状态推测部104同样地进行由移动状态推测部103进行的对于加速度信息的标准化。

在步骤S802中，判断是否在时间间隔wG的窗口内检测到突然变大的加速度。在检测到突然变大的加速度的情况下，将终端状态推测为“施加冲击”。在没有检测到突然变大的加速度的情况下，进入到步骤S803。

在步骤S803中，进行终端方向的推测及终端方向的变化的计算。在终端方向的推测中使用由移动状态推测部103进行基于重力方向标准化后的重力矢量vG(t)。重力矢量vG(t)是依存于终端方向的矢量，所以能够使用该矢量，推测终端所朝向的方向。这样计算的终端方向只不过是在时刻t处的瞬象，与加速度同样，使用时间间隔wG的窗口，也考虑在时间间隔wG的窗口内的终端方向的变化。

在步骤S804中，判断是否在短时间内检测到大的加速度且终端方向是否变化。在该步骤S804中的“短时间”表示比步骤S802长的时间。例如，在步骤S802中设想了瞬间施加较大的加速度的情况，然而在步骤S804中设想在从1秒至2秒左右的时间内检测到较大的加速度的情况。

在短时间内检测到较大的加速度且终端方向变化的情况下，将终端状态推测为“保持状态迁移”。作为终端状态处于“保持状态迁移”的状况，例如有从终端被放在包中的状态迁移到拿在手中的状态的情况。在该情况下成为如下的特征性加速度数据的生成模式，即，在较短时间内施加较大的加速度且终端方向也较大地变化。在短时间内没有检测到较大的加速度、或在终端方向没有变化的情况下，进入步骤S805。

在步骤S805中，判断终端方向是否处于接近水平的状态或是否处于接近垂直的状态。在终端方向接近水平的状态或接近垂直的状态持续了预定期间以上的情况下，将终端状态推测为“在包中”。这是因为，在将终端收纳在包中的情况下，由于终端处于某个预定位置的情况多，所以终端方向的变化较少，朝向大多固定在水平方向或垂直方向上。在终端方向未处于接近水平及垂直的状态的情况下，进入到步骤S806。

在步骤S806中，判断终端方向是否倾斜。在终端方向倾斜的情况下，进入步骤S807。在终端状态不倾斜的情况下，将终端状态推测为“不能判断”。

在步骤S807中，判断是否在一定时间内检测到一定次数以上的突发性加速度。该步骤S807中的“一定时间内”表示比“步骤S804”中的“短时间”长的时间。在一定时间内检测到了一定次数以上的突发性加速度的情况下，可以想到用户正在进行对终端进行按下按钮等某种操作的状态，所以将终端状态推测为“正在操作终端”。在一定时间内没有检测到一定次数以上的突发性加速度的情况下，将终端状态推测为“拿在手中”。由此，结束终端状态推测处理。

接着，参照图9，详细地说明存储在可靠度计算模型存储部中的可靠度计算模型的一个例子。

在此，作为简单化的例子，设想这样的可靠度计算模型，对移动状态与终端状态的全部组合，以“高”“中”“低”3个阶段输出可靠度。作为具体例，例如对于终端状态为“拿在手中”和移动状态为“乘车”的组合，将可靠度设定为“低”。其理由在于，在终端被拿在手中的情况下，会被施加由用户的手抖动产生的振动，该振动与在乘车中施加到终端上的振动混淆，有时虽然真正的移动状态不是“乘车”，移动状态推测的结果却被推测为“乘车”。另外，对于终端状态为“在包中”和移动状态的组合，将可靠度设定为“高”。其理由在于，对于终端状态“在包中”，难以施加手抖等对推测精度造成影响的要因，认为推测接近真正的移动状态。

另外，在终端状态为“不能判断”的情况下，不能进行将移动状态和终端状态组合的校正，因此无条件地信赖来自移动状态推测部103的输出，在此意义上，将可靠度设定为“高”。

像这样，在伴随手抖或用户移动而产生的加速度以外的加速度等、给移动状态的推测精度带来影响的要因较多的终端状态和移动状态的组合中，容易错误地进行移动状态推测，相反在对推测精度带来影响的要因较少的组合中，移动状态推测的错误较少，所以能够提高推测精度。

接着，参照图2、图9、及图10，详细地说明确信度校正部107的动作的一个例子。

与由移动状态推测部103推测出的移动状态推测的结果对应的确信度如图2所示，设想“静止”为0.2、“步行”为0.6、“乘车”为0.7的情况。此时，在由终端状态推测部104推测到的终端状态为“拿在手中”的情况下，参照图9所示的表格，终端状态“拿在手中”和各移动状态的组合如下，移动状态“静止”的可靠度为“中”，“步行”的可靠度为“高”，“乘车”的可靠度为“低”。

在此，在确信度校正部107中预先设定为，例如在可靠度为“高”的情况下，将确信度直接输出；在可靠度为“中”的情况下，输出对确信度乘以0.5吼的值；在可靠度为“低”的情况下，作为确信度输出0.1。在此基础上，在确信度校正部107中，使用来自可靠度计算部106的可靠度和来自移动状态推测部103的移动状态进行计算，如图10所示，作为最终的确信度，分别得到“静止”为0.1，“步行”为0.6，“乘车”为0.1这样的值。

因而，在某个时刻中的3个移动状态之中的确信度最高的“步行”作为最终推测出的移动状态输出。另外，不只是确信度最高的移动状态，也可以输出从确信度较高的移动状态的上位起的任意个数的移动状态，或者输出全部的移动状态。

在图9所示的表格中，例如正在将携带终端拿在手中时，因手抖动而导致错误地推测移动状态为“乘车”的情况下，反应用于避免该情况的启发式推测法(heuristic)(发现式的方法)，通过由确信度校正部107进行的处理而输出的最终的移动状态的输出结果减少了移动状态的推测错误。

根据以上所示的第1实施方式，对终端状态与移动状态的各个组合计算移动状态推测结果的可靠度，使用该可靠度，对移动状态的确信度进行校正，从而在用户的移动状态推测时能够在更长时间及更广范围内减少移动状态推测错误。

另外，在第1实施方式中，输出对确信度进行了校正的移动状态推测的结果。作为使用该移动状态推测的结果给用户带来效果的一个例子，有基于移动状态来控制移动电话终端的动作的方法，通过减少与移动状态“乘车”有关的移动状态推测的错误，能够自动且高精度地切换移动电话终端的静音模式的开或关。

(第2实施方式)

在第1实施方式中，只参照预先制定的可靠度计算模型对确信度来进行校正，然而根据用户所存在的环境，有时移动状态的推测不一定一致。因而，在第2实施方式中，除了参照可靠度计算模型来校正确信度之外，通过用户进一步对确信度进行校正，能够更适当地推测移动状态。

参照图11，详细地说明第2实施方式的移动状态推测装置。

第2实施方式的移动状态推测装置1100除了包括第1实施方式的移动状态推测装置100之外，还包含输入部1101及显示部1102。

输入部1101受理来自用户的输入，生成表示用户的输入指示的输入信号。另外，输入部1101是例如触摸板或按钮，通过由用户触摸画面或按下按钮，能够生成输入信号。另外，输入部1101不限于触摸板或按钮，只要能够接受来自送话器等用户的输入指示即可。

显示部1102从确信度校正部107接受移动状态，并显示到画面上。另外，如果输入部1101是触摸板的话，也可以在显示部1102上显示输入部1101。

可靠度计算部1103进行与第1实施方式的可靠度计算部106大致相同的动作，不同之处在于，从输入部1101接受输入信号，根据输入信号更新可靠度计算模型。

接着，参照图12详细地说明显示部1102的一个例子。

图12是显示在组装到终端中的触摸板功能的画面上的用户界面。画面上包括窗口1201和窗口1202，窗口1201表示接受来自用户的输入的区域，窗口1202表示将来自确信度校正部107的输出显示的区域。具体地讲，在窗口1202上显示作为移动状态的推测结果的“静止”，在窗口1201上显示“移动状态错误”。

在此，下面说明通过用户的输入指示对确信度进行校正的一个例子。

首先，考虑这样的情况，当用户取出了本实施方式的移动状态推测装置时，移动状态推测部103将“静止”作为移动状态输出，终端状态推测部104输出了“拿在手中”。在显示部1102上，作为最终来自确信度校正部107的输出，如图12所示，作为移动状态在窗口1202上显示“静止”。

此时用户正在步行，在用户判断为实际的移动状态显示为“步行”较为正确的情况下，用户触碰画面上的显示为“移动状态错误”的窗口1201，从而能够进行此时的移动状态推测错误这样的输入指示。具体地讲，输入部1101接受到来自用户的输入指示，生成输入信号，并将生成的输入信号发送给可靠度计算部1103。

在判断为来自确信度校正部107的移动状态的推测结果的输出错误的情况下，认为推测错误的原因在于存储在可靠度计算模型存储部105中的可靠度计算模型。由此，基于来自输入部1101的输入信号，可靠度计算部1103对可靠度计算模型进行校正，以使接受到输入信号的时刻的、移动状态与终端状态的组合的可靠度降低。

具体地说，参照图13详细地说明可靠度计算模型中的可靠度的更新的一个例子。

图13所示的可靠度计算模型如下，移动状态为“静止”和终端状态为“拿在手中”的组合的可靠度最初设定为“中”。在此，在从输入部1101输入了移动状态错误这样的指示的输入信号的情况下，该时刻的移动状态为“静止”与终端状态为“拿在手中”的组合的推测错误的可能性较大。因而，可靠度计算部1103对该组合的可靠度进行校正，从“中”下降到“低”，并更新可靠度计算模型。

另外，在上述的具体例中，只在降低可靠度的方向上进行了可靠度计算模型的校正，在用户判断出移动状态的推测结果正确的情况下，也可以向提升可靠度的方向进行校正。这样，能够学习正确的移动状态的推测结果，能够进行与用户的环境相适应的移动状态的推测。

另外，在重复进行了可靠度的校正的结果，可靠度计算模型只与某个特定的环境相适应，在其他环境下进行了移动状态推测时，相比于进行可靠度的校正之前的可靠度计算模型，移动状态的推测精度可能变差。由此，为了防止推测精度变差，将未进行校正的状态的可靠度计算模型存储到可靠度计算模型存储部105中。而且，在经过了某一定期间的情况下，或者，通过其他传感器检测到环境已变化、或通过基站的服务区域的变化等检测到环境已变化的情况下，对反复进行校正而被更新的可靠度计算模型，复位为未进行校正的状态的可靠度计算模型。

根据如上所示的第2实施方式，用户根据状况随时更新可靠度计算模型，从而能够进行与用户实际的移动状态更适应的移动状态推测。

(第3实施方式)

在只使用加速度传感器推测用户的移动状态的情况下，确信度最高的移动状态与确信度第二高的移动状态几乎没有差，难以判断是哪种移动状态。由此，在第3实施方式中，除了加速度传感器之外，通过利用加速度传感器以外的传感器，能够进一步提高移动状态的推测精度。

参照图14详细地说明第3实施方式的移动状态推测装置。

第3实施方式的移动状态推测装置1400，除了第1实施方式的移动状态推测装置100之外，还包括测位部1401。

测位部1401可以举出例如GPS等测位装置或地磁传感器。在作为测位部1401采用GPS的情况下，输出表示用户的当前位置的纬度及经度、和表示进行了测位的时刻的测位信息。

移动状态推测部1402进行与图1所示的移动状态推测部103大致相同的动作，与移动状态推测部103的不同之处在于，移动状态推测部1402接受来自测位部1401的测位信息。

通过使用GPS进行测位，例如用户在通过电车移动的情况下，能够从测位信息读取在短时间内移动了长距离这一情况，所以使用该测位信息对移动状态的推测结果进行校正，从而能够提高移动状态为“乘车”时的推测精度。

但是，利用GPS的话，耗电增大，尤其在将本实施方式的移动状态推测装置搭载到携带终端上使用等、电源有限的环境下使用的情况下，有可能存在能够利用终端的时间变短的问题。

由此，为了防止耗电，不始终进行测位，仅在由加速度传感器推测到的移动状态的推测结果的确信度低于阈值的情况下，或者在确信度最高的移动状态与确信度第二高的移动状态之差小于阈值的情况下，并用测位部1401进行测位即可。具体地讲，例如在仅由加速度传感器部101推测移动状态时，认为确信度最高的移动状态为“静止”与确信度第二高的移动状态为“乘车”之差小于阈值。此时，只要利用GPS的测位信息，即使在移动状态为“静止”的情况下，只要在某一定的时间内移动了在移动状态为“静止”的情况下不能移动的距离，则能够将移动状态推测为“乘车”。

另外，在该第3实施方式中，由于始终不驱动GPS，所以能够抑制电力消费，即使在电源有限的环境下，也能够较长时间利用终端。

此外，在不使用GPS而使用地磁传感器的情况下，能够检测终端所朝向的方位角的变化。

参照图15详细地说明终端的移动状态和终端方向的方位角的变化之间的关系。

如图15所示，在“静止”的情况下，认为持续朝向一个方位角，所以方位角几乎没有变化。在“步行”的情况下，在十字路口拐弯或是进入到设施内等，会在较短时间内频繁发生方位角的变化。在“乘车”的情况下，为电车时，在线路的弯道等会引起缓慢的方位角的变化。像这样，对于各种移动状态，利用终端所朝向的方位角的变化容易程度不同这一情况，能够推测移动状态。

也就是说，只靠来自加速度传感器部101的输入，有时难以推测移动状态是“静止”还是“乘车”。此时，若在加速度传感器的基础上还使用地磁传感器，则在几乎不发生方位角变化的情况下为“静止”，在方位角发生某种程度的变化的情况下，能够推测为“乘车”。

根据以上所示的第3实施方式，除了加速度传感器之外，通过还并用GPS和地磁传感器等其他传感器，能够进一步提高移动状态的推测精度。

另外，在上述实施方式中示出的处理步骤所示的指示能够基于作为软件的程序执行。通用的计算机系统预先存储并读取该程序，能够得到与上述的移动状态推测装置产生的效果相同的效果。在上述的实施方式中描述的指示作为能够在计算机中执行的程序记录在记录介质中，记录介质包括磁盘(软盘、硬盘等)、光盘(CD-ROM、CD-R、CD-RW、DVD-ROM、DVD±R、DVD±RW等)、半导体存储器、或者相似的记录介质。只要是计算机或安装系统能够读取的记录介质即可，其存储形式可以是任意方式。计算机从该记录介质读取程序，基于该程序，由CPU执行程序所描述的指示，就能够实现与上述的实施方式的移动状态推测装置相同的动作。当然，在计算机取得程序的情况下或读入程序的情况下，也可以通过网络取得或读取程序。

另外，基于从记录介质安装到计算机或安装系统上的程序的指示，在计算机上运行的OS(操作系统)或数据库管理软件、网络等MW(middleware，中介部件)等也可以执行用于实现本实施方式的各处理的一部分。

此外，本发明中的记录介质不限于与计算机或安装系统独立的介质，也包括将通过LAN或因特网等传递来的程序下载并存储或临时存储的记录介质。

另外，记录介质不限于1个，由多个介质执行本实施方式中的处理的情况也被包含在本发明的记录介质中，介质的构成可以是任意的构成。

另外，本发明的计算机或安装系统，基于存储于记录介质的程序执行在本实施方式中的各处理，可以是由计算机、微型计算机等1个装置构成的装置，或采用由多个装置通过网络连接而形成的系统等任意构成。

另外，本发明的实施方式中的计算机不限于计算机，还包括在信息处理机器中包含的运算处理装置、微型计算机等，是能够通过程序实现本发明的实施方式中的功能的机器、装置的总称。

另外，本发明不限于上述实施方式，在实施阶段，能够在不脱离本发明的宗旨的范围内对构成要素进行变形来具体实施。另外，通过在上述实施方式中公开的多个构成要素的适当的组合，能够形成各种发明。例如，可以从实施方式中公开的全部构成要素中删除几个构成要素。此外，也可以将不同实施方式的构成要素适当组合。

本发明的移动状态推测装置在例如移动电话中的路径探索等方面有效。

符号的说明

100，1100，1400…移动状态推测装置、101…加速度传感器部、102…移动状态推测模型存储部、103…移动状态推测部、104…终端状态推测部、105…可靠度计算模型存储部、106，1103…可靠度计算部、107…确信度校正部、1101…输入部、1102…显示部、1201…窗口、1202…窗口、1401…测位部、1402…移动状态推测部。

Claims (6)

1.一种移动状态推测装置，其特征在于，具备：

传感器部，将终端的3个轴方向的加速度作为加速度信息检测；

存储部，存储移动状态推测模型，该移动状态推测模型包括所述终端的使用者的移动状态；

移动状态推测部，基于所述加速度信息和所述移动状态推测模型，对每个移动状态推测确信度，该确信度表示所述使用者处于所述移动状态的可能性；

终端状态推测部，根据所述加速度信息计算所述终端的朝向，根据所述终端的朝向及所述加速度信息推测表示所述终端的状态的终端状态；

计算部，从所述移动状态推测部接受所述移动状态，从所述终端状态推测部接受所述终端状态，参照存储在可靠度计算模型存储部中的可靠度计算模型，对每个所述移动状态计算可靠度，该可靠度表示所述移动状态及所述终端状态的组合与所述使用者真正的移动状态及所述终端真正的终端状态的组合一致的可能性；以及

校正部，根据所述可靠度，对每个所述移动状态校正所述确信度，得到将确信度校正后的移动状态、即校正移动状态。

2.根据权利要求1所述的移动状态推测装置，其特征在于，

所述终端状态包括：将所述终端拿在手中的第1状态、将该终端收纳在包中的第2状态、所述使用者正在对该终端进行操作的第3状态、对该终端施加冲击的第4状态、以及表示从所述第1状态至所述第4状态的任意一种状态迁移到其他状态的期间的状态的第5状态。

3.根据权利要求1或2所述的移动状态推测装置，其特征在于，还具备：

显示部，显示所述校正移动状态；以及

输入部，根据由所述使用者进行的、显示在所述显示部上的校正移动状态是否错误的输入，生成输入信号；

在所述输入信号表示显示在所述显示部上的校正移动状态错误的情况下，所述计算部设定为使所显示的校正移动状态和所述终端状态的组合的可靠度下降。

4.根据权利要求1所述的移动状态推测装置，其特征在于，

在校正移动状态的确信度低于第1阈值的情况、或确信度最高的校正移动状态与确信度第二高的校正移动状态的确信度的差在第2阈值以内的情况之中的至少一个情况时，所述移动状态推测部并用GPS或包括地磁传感器在内的其他传感器来推测移动状态。

5.根据权利要求1所述的移动状态推测装置，其特征在于，

所述计算部对所述移动状态与所述终端状态的全部组合计算所述可靠度。

6.一种移动状态推测方法，其特征在于，

将终端的3个轴方向的加速度作为加速度信息检测；

存储移动状态推测模型，该移动状态推测模型包括所述终端的使用者的移动状态；

基于所述加速度信息和所述移动状态推测模型，对每个移动状态推测确信度，该确信度表示所述使用者处于所述移动状态的可能性；

根据所述加速度信息计算所述终端的朝向，根据所述终端的朝向及所述加速度信息推测表示所述终端的状态的终端状态；

接受所述移动状态以及所述终端状态，参照存储在可靠度计算模型存储部中的可靠度计算模型，对每个所述移动状态计算可靠度，该可靠度表示所述移动状态及所述终端状态的组合与所述使用者真正的移动状态及所述终端真正的终端状态的组合一致的可能性；以及

根据所述可靠度，对每个所述移动状态校正所述确信度，得到将确信度校正后的移动状态、即校正移动状态。

Images