CN108151734A - 步行判定方法以及记录有步行判定程序的记录介质 - Google Patents

Abstract

本发明的目的在于提供一种高精度地判定便携式终端装置的利用者是否正在步行中的方法。该方法中设置如下步骤：加速度数据获取步骤，获取规定时间内的加速度数据；分析步骤，通过针对加速度数据进行频率分析，来获取与时间和频率的各组合对应的输出强度作为分析结果；以及，判定步骤，考虑在分析步骤中获取的分析结果，判定利用者是否正在步行中。在判定步骤中，将在规定范围的频带中的输出强度是作为预先决定的阈值的强度阈值以上的期间作为推测步行期间，在判定利用者是否正在步行中时考虑推测步行期间相对于规定时间的比例。

Description

步行判定方法以及记录有步行判定程序的记录介质

技术领域

本发明涉及判定便携式终端装置的利用者是否正在步行中的方法(步行判定方法)。

背景技术

由于移动电话等便携式终端装置的功能增强、分辨率提高，近年，开发出很多利用地图的应用程序软件。作为这样的应用程序软件之一，已知有用于将便携式终端装置的利用者(以下称作“用户”。)引导至目的地的被称作“路径引导应用程序”等的应用程序软件。在路径引导应用程序中，搜索从用户的当前地点至目的地的路径，将其结果与地图一同显示在便携式终端装置的画面上。通过利用这样的路径引导应用程序，用户在手边没有地图的情况下也能够容易地摸索找到目的地。

一般而言，在路径引导应用程序中，不仅搜索最短距离的路径，也搜索最短时间的路径。另外，在画面上不仅显示路径，也显示从当前地点至目的地的预测所需时间。如上述那样，路径引导应用程序需要预测移动所需要的时间。关于该所需时间的预测，为了提高预测的精度，需要考虑路径上的拥挤状态。因此，也开发有推定拥挤度并考虑路径上的拥挤状态来进行预测(移动所需要的时间的预测)的路径引导应用程序。

应予说明，与本件发明相关，在日本的特开2005－287708号公报公开有基于加速度数据来判定人是否正在步行中的的运动评估装置的发明。另外，也有研究尝试基于加速度数据将步行状态分类为三种形态(平地步行、上台阶步行、下台阶步行)。

关于面向步行者的路径引导应用程序，考虑基于从搭载于各便携式终端装置的各种传感器得到的数据(以下称作“传感器数据”。)来获取与各用户的步行相关的信息，并将该信息在服务器侧汇集来推定各区域、各道路等的拥挤度。但是，也存在根据用户的不同，为了旅游行动、购物、等信号等(以下将它们统一称作“旅游行动等”。)而不进行通常的步行的情况。在这样的情况下，从用户保持的便携式终端装置得到的传感器数据(以下仅称作“用户的传感器数据”。)在推定拥挤度方面不是有用的数据，反而成为阻碍准确地推定拥挤度的噪声数据。因此，为了准确地推定拥挤度，需要将进行旅游行动等的用户的传感器数据从做为拥挤度的推定根据的数据去除。换句话说，为了提高拥挤度的推定精度，在推定拥挤度时，需要仅使用步行中的用户的传感器数据。应予说明，在日本的特开2005－287708号公报中所公开的发明中，基于加速度数据进行人是否正在步行中的判定，但具体的判定根据有无周期性的波形变化来进行，因此，在步行速度有变化的情况下不能够进行准确的判定。

发明内容

因此，本发明的目的在于提供一种高精度地判定便携式终端装置的利用者是否正在步行中的方法。

为了实现上述目的，本发明具有如下所示的特征。

本发明的一个方面是一种步行判定方法，用于判定便携式终端装置的利用者是否正在步行中，其中，包括：加速度数据获取步骤，获取规定时间内的表示上述便携式终端装置的加速度的加速度数据，分析步骤，通过针对上述加速度数据进行频率分析，获取与时间和频率的各组合对应的输出强度作为分析结果，以及判定步骤，考虑在上述分析步骤中获取的分析结果，判定上述利用者是否正在步行中。

根据这样的构成，在便携式终端装置中，针对加速度数据实施频率分析，获取与时间和频率的各组合对应的输出强度作为分析结果。即，关于加速度数据，能够掌握各频率的成分随时间的变化。人的活动的变化反映于加速度数据，因此，通过掌握与加速度数据相关的各频率的成分随时间的变化，能够判定便携式终端装置的利用者是否正在步行中。

本发明的其它的方面是一种计算机可读取的记录介质，其上记录有判定便携式终端装置的利用者是否正在步行中的步行判定程序，其中，上述步行判定程序在被计算机执行时，实现如下步骤：加速度数据获取步骤，获取规定时间内的表示上述便携式终端装置的加速度的加速度数据，分析步骤，通过针对上述加速度数据进行频率分析，获取与时间和频率的各组合对应的输出强度作为分析结果，以及判定步骤，考虑在上述分析步骤中获取的分析结果，判定上述利用者是否正在步行中。

关于本发明的上述以及其它的目的、特征、方式以及效果，参照附图并根据本发明的下述的详细的说明变得进一步明确。

附图说明

图1是表示实现本发明的一实施方式所涉及的路径引导系统的设备构成的框图。

图2是表示上述实施方式中便携式终端装置的硬件构成的框图。

图3是表示上述实施方式中服务器的硬件构成的框图。

图4是表示上述实施方式中路径引导系统的详细的功能构成的框图。

图5是表示上述实施方式中加速度数据的记录格式的图。

图6是表示上述实施方式中拥挤度数据的记录格式的图。

图7是表示上述实施方式中显示部所显示的画面的一个例子的图。

图8是表示上述实施方式中平均拥挤度数据的记录格式的图。

图9是表示上述实施方式中由便携式终端装置进行的处理(拥挤度推定处理)的步骤的流程图。

图10是用于对上述实施方式中标准差的归一化进行说明的图。

图11是用于对上述实施方式中从标准差向拥挤度的变换进行说明的图。

图12是表示上述实施方式中由服务器进行的处理(平均拥挤度推定处理)的步骤的流程图。

图13是表示上述实施方式中网格定义数据的记录格式的图。

图14是示意地表示上述实施方式中将拥挤度数据分配给网格的图。

图15是关于上述实施方式表示伽柏函数的图。

图16是关于上述实施方式用于对基于小波变换的结果的成分分布的显示进行说明的图。

图17是表示上述实施方式中成分分布的第一例的图。

图18是示意地用粗线表示上述实施方式中在成分分布的第一例中出现强度阈值以上的输出强度的部分的图。

图19是表示上述实施方式中成分分布的第二例的图。

图20是表示上述实施方式中成分分布的第三例的图。

图21是示意地用粗线表示上述实施方式中在成分分布的第三例中出现强度阈值以上的输出强度的部分的图。

图22是表示上述实施方式中成分分布的第四例的图。

图23是示意地用粗线表示上述实施方式中在成分分布的第四例中出现强度阈值以上的输出强度的部分的图。

图24是用于对上述实施方式中步行比例进行说明的图。

图25是表示上述实施方式中步行判定处理的步骤的流程图。

图26是表示上述实施方式的变形例中在仅进行基于加速度数据的判定的情况下的步行判定处理的步骤的流程图。

具体实施方式

以下，参照附图对本发明的一实施方式进行说明。应予说明，以下，将“应用程序软件”简记为“应用”。

1.整体构成

图1是表示实现本发明的一实施方式所涉及的路径引导系统的设备构成的框图。该路径引导系统通过服务器20和多个便携式终端装置10来实现。服务器20和便携式终端装置10经由因特网等通信线路连接。在本实施方式中，为了实现该路径引导系统，路径引导应用安装于便携式终端装置10。路径引导应用是在用户由于旅游、购物等而向某个目的地移动时用于向用户提示从当前地点至目的地的路径的软件。用户能够通过规定的操作启动路径引导应用。通过将这样的路径引导应用安装于便携式终端装置10，用户即使在访问例如不熟悉当地地理地形的旅游地的情况下，通过使用该路径引导应用，也能够容易地摸索找到目的地。

应予说明，这里的便携式终端装置10的概念中，不仅包括一般的移动电话设备，也包括头戴式显示器(头部佩戴型显示装置)这样的所谓的可穿戴终端。

2.硬件构成

图2是表示便携式终端装置10的硬件构成的框图。便携式终端装置10具有CPU11、闪存ROM12、RAM13、通信控制部14、影像拍摄部(照相机)15、输入操作部16、显示部17、加速度传感器18a、地磁传感器(Kompas)18b、以及GPS传感器18c。CPU11为了控制该便携式终端装置10的整体而进行各种运算处理等。闪存ROM12是可写入的非易失性的存储器，储存即使便携式终端装置10的电源被切断也应被保持的各种程序、各种数据。RAM13是可写入的易失性的存储器，暂时储存正在执行中的程序、数据等。通信控制部14控制向外部的数据发送、控制来自外部的数据接收。影像拍摄部(照相机)15基于用户的操作拍摄从当前位置看得见的风景的。输入操作部16例如是触摸面板，受理用户的输入操作。显示部17基于来自CPU11的指令来显示图像。加速度传感器18a基于该便携式终端装置10的活动测定加速度。地磁传感器(Kompas)18b检测该便携式终端装置10的朝向的方位(例如显示部17的朝向的方位)。GPS传感器18c基于从GPS卫星接收的电波获取用于确定用户的当前位置的纬度、经度的信息。

在便携式终端装置10内，实现路径引导应用的路径引导程序储存于闪存ROM12。当由用户指示启动路径引导应用时，将储存于闪存ROM12的路径引导程序读取至RAM13，通过CPU11执行被读出至该RAM13的路径引导程序，向用户提供路径引导应用的功能。应予说明，关于路径引导程序，典型而言，其经由因特网等通信线路从规定的服务器(未图示)被下载至便携式终端装置10，并被安装至该便携式终端装置10内的闪存ROM12。另外，也存在路径引导程序以被储存于CD－ROM、DVD－ROM等计算机可读取的记录介质(非易失性的记录介质)的方式被提供的情况。

在本实施方式中，判定用户是否正在步行中的步行判定程序被嵌入在路径引导程序内。而且，在进行下述的步行判定处理时，由CPU11执行步行判定程序。

图3是表示服务器20的硬件构成的框图。服务器20具有CPU21、ROM22、RAM23、辅助存储装置24、通信控制部25、输入操作部26、以及显示部27。CPU21为了控制该服务器20的整体而进行各种运算处理等。ROM22是读取专用的存储器，储存例如使CPU21在服务器20启动时执行的初始程序等。RAM23是可写入的易失性的存储器，暂时储存正在执行中的程序、数据等。辅助存储装置24是磁盘装置等，储存即使服务器20的电源被切断也应被保持的各种程序、各种数据。通信控制部25控制向外部的数据发送、控制来自外部的数据接收。输入操作部26例如是键盘、鼠标，接受操作人员的输入操作。显示部27基于来自CPU21的指令来显示图像。应予说明，在服务器20内的ROM22或者辅助存储装置24中储存有用于使用从各便携式终端装置10发送来的数据计算平均拥挤度的程序。

3.功能构成

图4是表示路径引导系统的详细的功能构成的框图。如上述那样，该路径引导系统通过便携式终端装置10和服务器20来实现。便携式终端装置10具有加速度测定单元100、方位检测单元110、位置数据获取单元120、步行判定单元130、拥挤度推定单元140、数据发送单元150、数据接收单元160、基础信息存储单元170、路径搜索单元180以及显示单元190。拥挤度推定单元140包括标准差计算单元142和拥挤度计算单元144。服务器20具有数据接收单元200、数据存储单元210、平均拥挤度计算单元220以及数据发送单元230。

3.1便携式终端装置的构成要素的动作

对便携式终端装置10的各构成要素的动作进行说明。加速度测定单元100基于由用户的动作引起的便携式终端装置10的活动来测定加速度，例如图5所示那样输出由测定时刻的信息和作为测定值的加速度的信息构成的加速度数据。应予说明，为便于说明，在本说明书中，对作为测定值的加速度本身和上述的加速度数据标注相同的附图标记SA。拥挤度和拥挤度数据、平均拥挤度和平均拥挤度数据也同样。例如每隔70毫秒利用加速度测定单元100来测定加速度SA。方位检测单元110检测该便携式终端装置10所朝向的方位，将检测结果作为方位数据Hda输出。位置数据获取单元120基于从GPS卫星接收的电波获取用于确定用户的当前位置的纬度、经度的信息，并将其作为位置数据Pda输出。

应予说明，加速度测定单元100通过作为硬件的加速度传感器18a来实现，方位检测单元110通过作为硬件的地磁传感器18b来实现，位置数据获取单元120通过作为硬件的GPS传感器18c来实现(参照图2)。

步行判定单元130基于加速度数据SA、方位数据Hda以及位置数据Pda进行用户是否正在步行中的判定，并输出其判定结果K。应予说明，在后面叙述有关进行该判定的处理(步行判定处理)的详细说明。

拥挤度推定单元140基于位置数据Pda、加速度数据SA以及步行判定单元130的判定结果K来推定用户步行的位置的拥挤度C，并输出由纬度、经度的信息和拥挤度的信息构成的拥挤度数据C。更加详细而言，拥挤度推定单元140所具有的标准差计算单元142在判定结果K表示用户正在步行中的意思时，基于加速度数据SA求出例如最近的10秒钟的加速度SA的标准差SD。另外，拥挤度推定单元140所具有的拥挤度计算单元144基于标准差SD计算拥挤度C(将标准差SD变换为拥挤度C)，并输出具有例如图6所示那样的记录格式的拥挤度数据C。后面详细叙述关于标准差SD的求取以及拥挤度C的求取的详细说明。应予说明，在本说明书中说明的拥挤度C的推定方法是一个例子，不局限于此。

数据发送单元150将拥挤度数据C发送给服务器20。例如每隔1分钟，由数据发送单元150发送拥挤度数据C。数据接收单元160从服务器20接收有意义信息Mda，该有意义信息Mda是对路径搜索(利用路径搜索单元180进行的从用户的当前位置至目的地的路径的搜索)有用的数据。在基础信息存储单元170储存有在路径搜索时必需的基础信息Bda。该基础信息存储单元170通过作为硬件的闪存ROM12或者RAM13(参照图2)来实现。在基础信息Bda中包括地图、道路信息等。道路信息例如由各道路的位置的信息(起点以及终点的信息)、从起点至终点的距离的信息、道路宽度的信息等构成。应予说明，也可以为在适当的时机，数据发送单元150将位置数据Pda发送给服务器20，基础信息存储单元170所应储存的基础信息Bda从服务器20被下载至便携式终端装置10。

路径搜索单元180接受用户的目的地的输入，基于位置数据Pda、有意义信息Mda以及基础信息Bda搜索至目的地的路径。路径搜索单元180的路径的搜索结果Re显示于显示单元190(图2的显示部17)。当执行路径搜索时，例如图7所示那样的画面显示于显示部17。在图7所示的例子中，显示部17内的区域被分割成用于显示地图的区域(地图显示区域)17a、以及用于显示由影像拍摄部15(参照图2)拍摄得到的影像(风景影像)的区域(影像显示区域)17b。而且，在地图显示区域17a中，用标有附图标记31的粗线表示到目的地的路径，在影像显示区域17b中，用标有附图标记32的箭头状的悬空标签(Air Tag)(增强现实图像)表示到目的地的路径。

3.2服务器的构成要素的动作

接下来，对服务器20的各构成要素的动作进行说明。数据接收单元200接收从便携式终端装置10发送来的拥挤度数据C。该拥挤度数据C被储存于数据存储单元210。应予说明，在数据接收单元200所接收的拥挤度数据C中包括各种位置(纬度、经度)的数据，这些数据被分类成各网格的数据并储存于数据存储单元210。另外，在数据存储单元210中除储存有拥挤度数据C以外，也储存应发送给便携式终端装置10的路径搜索用数据Kda。

平均拥挤度计算单元220基于数据存储单元210所储存的拥挤度数据C来计算各网格的平均拥挤度CAV。由此，输出例如具有图8所示那样的记录格式的平均拥挤度数据CAV。数据发送单元230将从平均拥挤度计算单元220输出的平均拥挤度数据CAV和储存于数据存储单元210的路径搜索用数据Kda作为有意义信息Mda发送给便携式终端装置10。由于像这样将各网格的平均拥挤度CAV的信息提供给便携式终端装置10，因此，便携式终端装置10能够利用路径搜索单元180进行考虑路径上的拥挤状态的路径搜索。

4.拥挤分析处理

在本实施方式所涉及的路径引导系统中，进行分析道路的拥挤状态的处理(拥挤分析处理)。关于该处理，首先，在各便携式终端装置10中，仅使用由该各便携式终端装置10得到的数据来推定用户当前所在的位置的拥挤度。作为在各便携式终端装置10中的拥挤度的推定的结果而得到的拥挤度数据C被发送给服务器20。然后，在服务器20中，汇集从大量的便携式终端装置10发送来的拥挤度数据C，推定各网格的平均拥挤度CAV。像这样，通过该拥挤分析处理最终得到各网格的平均拥挤度CAV的数据。以下，对由便携式终端装置10进行的处理(拥挤度推定处理)以及由服务器20进行的处理(平均拥挤度推定处理)分别详细地进行说明。

4.1由便携式终端装置进行的处理

图9是表示由便携式终端装置10进行的处理(拥挤度推定处理)的步骤的流程图。当由便携式终端装置10启动路径引导应用时，首先进行获取在下述的步骤S40的处理中进行归一化时所需的数据的校正处理(步骤S10)。后面叙述关于该校正处理的详细的说明。

校正处理结束后，由步行判定单元130进行判定便携式终端装置10的用户是否正在步行中的步行判定处理(步骤S20)。该步行判定处理的结果若判定“用户正在步行中”，则处理进入至步骤S40，若判定“用户不在步行中”，则处理进入步骤S60(步骤S30)。应予说明，后面叙述关于步行判定处理的详细的说明。

在步骤S40，利用标准差计算单元142计算例如最近的10秒钟的加速度SA的标准差SD。一般而言，人在拥挤的场所步行时，步幅较小，整体的活动变小，因此，加速度的波动变小。与此相对，人在人较少的场所步行时，步幅变大，整体的活动变大，因此，加速度的波动变大。像这样，加速度的波动根据拥挤的程度而变化。因此，使用作为加速度的波动的指标的(加速度的)标准差来推定拥挤度。

然而，由于人存在个性，因此，步行方式也因人而异。因此，关于某两人的用户的数据，即使加速度的标准差相同，拥挤的程度也未必是相同的程度。一般认为尤其是在空旷的场所步行时，人的步行的特征会出现。因此，一般认为加速度的标准差的最大值因人而不同。应予说明，一般认为在拥挤到不能够进行身体活动的程度时，绝大多数的人的加速度的标准差几乎为零。因此，在本实施方式中，为了吸收人的步行方式的差异，对各便携式终端装置10以使加速度的标准差的最大值为为1.0的方式将该加速度的标准差的最大值归一化。为了进行该归一化而进行校正处理(步骤S10)。

在校正处理中，在该路径引导应用的启动后的规定期间(例如10分钟)，例如每隔10秒获取加速度的标准差。而且，将在上述规定期间获取的标准差中的最大值设为与归一化后的1.0对应的值。例如，假定校正处理的结果，加速度的标准差的最大值为0.7。在该情况下，在步骤S40，如图10所示那样，以使0.0至0.7的范围的值变为0.0至1.0的范围的值的方式进行归一化。

在如上述那样计算加速度SA的标准差SD后，由拥挤度计算单元144基于标准差SD计算拥挤度C(步骤S50)。在本实施方式中，用0至1的值表示拥挤度C。拥挤度C的值越接近1，拥挤的程度越大。如上述那样，加速度SA的标准差SD当人在拥挤的场所步行时变小，当人在空旷的场所步行时变大。因此，在步骤S50中，如图11所示那样，以加速度SA的标准差SD越接近1，拥挤度C越接近0；并且加速度SA的标准差SD越接近0，拥挤度C越接近1的方式计算拥挤度C。拥挤度C例如通过从1中减去标准差SD的值来求得。

在计算拥挤度C之后，进行是否经过规定时间(例如1分钟)的判定(步骤S60)。其结果是，若经过规定时间，则处理进入至步骤S70；若未经过规定时间，则处理返回至步骤S20。

在步骤S70，在规定时间中积累的拥挤度数据C被从便携式终端装置10发送给服务器20。但若完全未积累拥挤度数据C，则不向服务器20发送拥挤度数据C。在向服务器20发送拥挤度数据C之后，处理返回至步骤S20。然后，反复进行步骤S20～步骤S70的处理，直至该路径引导应用结束。

4.2由服务器进行的处理

图12是表示由服务器20进行的处理(平均拥挤度推定处理)的步骤的流程图。在服务器20中，首先，进行积累从各便携式终端装置10发送来的拥挤度数据C的处理(步骤S80以及步骤S82)。更加详细而言，接收从各便携式终端装置10发送来的拥挤度数据C(步骤S80)，并将该接收到的拥挤度数据C分配给对应的网格(步骤S82)。从上一次执行该平均拥挤度推定处理到经过规定期间为止，每当从便携式终端装置10发送来拥挤度数据C时，都进行步骤S80以及步骤S82的处理(例如15分钟)。

这里，对向网格分配(分类)拥挤度数据C进行说明。从便携式终端装置10发送来的拥挤度数据C的一个记录由纬度、经度的信息和拥挤度的信息构成(参照图6)。另外，在服务器20中，预先保持有具有例如图13所示那样的记录格式的网格定义数据以作为定义各网格的数据。如图13所示，在网格定义数据中包括关于各网格的左上点的纬度、经度的信息和右下点的纬度、经度的信息。以上，通过参照网格定义数据，能够如图14所示意地表示的那样，将拥挤度数据C的各记录分配给与其对应的网格。应予说明，也可以事先准备根据纬度、经度的信息求网格编号的变换式，并基于该变换式将拥挤度数据C的各记录分配给与其对应的网格。

在从上一次执行该平均拥挤度推定处理经过规定期间(例如15分钟)后，由平均拥挤度计算单元220基于所积累的拥挤度数据C计算各网格的平均拥挤度CAV(步骤S84)。例如若关于某网格积累有“拥挤度＝0.1”“拥挤度＝0.15”以及“拥挤度＝0.35”这样的三个拥挤度数据C，则关于该网格的平均拥挤度CAV为0.2。这样得到各网格的平均拥挤度CAV的数据。

如上述那样，一次的平均拥挤度推定处理(步骤S80至步骤S84的处理)结束。应予说明，在计算平均拥挤度CAV之后，也能够使用该平均拥挤度CAV的数据例如推定各网格的人数。

5.步行判定处理

5.1概要

这里，对本实施方式中的步行判定处理(图9的步骤S20的处理)进行说明。如上述那样，为了准确地推定拥挤度，需要从作为拥挤度(在本实施方式中，是各网格的平均拥挤度CAV)的推定根据的数据中去除进行旅游行动等的用户的数据。因此，在各便携式终端装置10中，在进行拥挤度推定处理时，进行判定用户是否正在步行中的步行判定处理。在本实施方式中，具体而言，准备以下三种判定处理。第一判定处理是基于加速度数据SA进行判定的处理(更加详细而言，对加速度数据SA实施频率分析，并基于其结果进行判定的处理)。第二判定处理是基于方位数据Hda进行判定的处理。第三判定处理是基于位置数据Pda进行判定的处理。仅在这三种判定处理的全部判定(暂定的判定)“用户正在步行中”的情况下，得到表示“用户正在步行中”的意思的最终的判定结果。换句话说，若在这三种判定处理中的任意一个处理中判定“用户不在步行中”，则得到表示“用户不在步行中”的意思的最终的判定结果。以下，对三种判定处理详细地进行说明。

5.2第一判定处理(基于加速度数据的判定)

如上述那样，第一判定处理是基于加速度数据SA进行判定的处理(针对加速度数据SA实施频率分析，并基于其结果进行判定的处理)。在本实施方式中，作为进行频率分析的具体的手段，采用小波分析。小波分析是通过计算如下的函数与分析对象的信号的内积的处理(小波变换)，求出与该分析对象的信号的时间和频率的组合相关的成分分布的频率分析单元，其中，上述函数是通过将被称作母小波的函数在时间轴方向上进行伸缩以及移位而得到的函数(小波函数)。虽然采用一般用作分析信号的频率的手段的傅立叶变换不能够求出各频率的成分随时间的变化，但采用小波变换能够求出各频率的成分随时间的变化。像这样，在第一判定处理中，针对加速度数据SA使用小波变换进行频率分析。

一般而言，小波变换W(a，b)通过下式(1)表示。

关于上式(1)，ψ_a，b(t)表示小波函数，f(t)表示分析对象的信号(在本实施方式中，是加速度数据SA)，a表示与频率的倒数成比例的参数(缩放参数)，b表示与时间成比例的参数(移位参数)。即，W(a，b)表示与时间和频率的组合对应的输出强度。

上式(1)中的小波函数ψ_a，b(t)如下式(2)所示那样，通过将母小波ψ在时间轴方向上伸缩以及移位而生成。

应予说明，通过将上式(2)代入至上式(1)，能够得到下式(3)。

在本实施方式中，使用通过下式(4)表示的“伽柏(Gabor)母小波”作为母小波。已知，伽柏母小波(伽柏函数)如图15所示那样表示，适用于信号的部分频率成分的检测。

关于上式(4)，σ表示衰减系数，i表示虚数，ω表示角速度。应予说明，exp Z是指e(自然对数的底)的Z次方。

采用这样的小波变换，如上述那样求出与时间和频率的组合相关的成分分布。一般而言，在图示该成分分布时，使用将纵轴设为频率，将横轴设为时间的曲线图(参照图16)，在与时间和频率的组合对应的区域(在图16中标有附图标记41的区域)用亮度表示输出强度(成分的强弱)。

在本实施方式中，针对由加速度测定单元100(加速度传感器18a)获取的规定时间内(例如9秒钟的量)的加速度数据SA实施使用了伽柏母小波的小波变换。应予说明，以下将作为这一次的处理的对象的期间(相当于上述规定时间的期间)称作“分析对象期间”。在该第一判定处理中，关注被认为是用户正在步行中的频带中的输出强度是预先决定的阈值以上的期间(以下称作“推测步行期间”。)，考虑推测步行期间的长度相对于分析对象期间的长度的比例(以下称作“步行比例”。)，来判定用户是否正在步行中。以下详细地进行说明。

采用小波变换，能够对宽范围的频带求出输出强度随时间的变化。然而，在稳定状态下步行时，认为关于输出强度的较强的峰值出现在某有限的范围的频带中。因此，在本实施方式中，将被认为在稳定状态下步行时会出现较强的峰值的频带作为分析对象频带，仅着眼于分析对象频带所包括的频率的数据。具体而言，在对加速度数据SA实施小波变换时，使上式(1)中的尺度参数a变化，以仅对分析对象频带所包括的频率求出输出强度(与和时间的组合对应的输出强度)。另外，使上式(1)中的移位参数b变化，以求出分析对象期间中的所希望的各时刻的输出强度。通过像这样在针对加速度数据SA进行小波变换时使尺度参数a以及移位参数b适当地变化，来有效地提取用户是否正在步行中的判定所需的数据。应予说明，根据目的不同，也能够设定分析对象频带，以使除提取正在步行中的用户的数据外还提取正在跑步中的用户的数据；还能够设定分析对象频带，以使仅提取跑步中的用户的数据的方式。

另外，即使在分析对象期间连续地观测到关于输出强度的峰值，只要该峰值的输出强度较低即可，不限于该峰值是起因于步行动作而产生的峰值。因此，在本实施方式中，着眼于分析对象频带中的输出强度为某恒定的阈值以上的数据。具体而言，预先设定用于与输出强度比较的阈值(以下为便于说明，称作“强度阈值”。)，并将在分析对象频带中的输出强度为强度阈值以上的期间作为上述的推测步行期间。应予说明，由强度阈值实现第一阈值。

这里，示出通过针对加速度数据SA实施小波变换得到的成分分布的例子。图17是表示成分分布的第一例的图。图18是示意地用粗线表示在第一例中出现强度阈值以上的输出强度的部分的图。该第一例是在分析对象期间在稳定状态下步行时的例子。在该第一例中，步行比例是100％。图19是表示成分分布的第二例的图。在该第二例中，完全没有出现强度阈值以上的输出强度的部分。即，步行比例为0％。图20是表示成分分布的第三例的图。图21是示意地用粗线表示在第三例中出现强度阈值以上的输出强度的部分的图。该第三例是在稳定状态下的步行中因一些理由导致步行速度暂时产生变化时的例子。在该第三例中，步行比例为100％。图22是表示成分分布的第四例的图。图23是示意地用粗线表示在第四例中出现强度阈值以上的输出强度的部分的图。该第四例是在分析对象期间的中途开始步行动作时的例子。在该第四例中，步行比例约为50％。

然而，在分析对象期间，输出强度为上述的强度阈值以上的期间(推测步行期间)未必限于一段凑在一起的期间。对此，参照图24进行说明。在图24中，用粗线表示推测步行期间。在事例1中，推测步行期间为一段凑在一起的期间(连续的期间)。在该事例1中，“时刻t1至时刻t4的期间的长度”相对于“时刻t1至时刻t5的期间的长度”的比例为步行比例。在事例2中，分析对象期间的前半部分的期间和分析对象期间的后半部分的期间为推测步行期间。在该事例2中，“从时刻t1至时刻t2的期间的长度和从时刻t3至时刻t5的期间的长度的和”相对于“从时刻t1至时刻t5的期间的长度”的比例为步行比例。

在本实施方式中，预先决定用于与以上那样的步行比例比较的阈值(以下为便于说明，称作“比例阈值”。)。而且，在该第一判定处理中，比较步行比例与比例阈值，若步行比例为比例阈值以上，则判定“用户正在步行中”，若步行比例小于比例阈值，则判定“用户不在步行中”。应予说明，由比例阈值实现第二阈值。

然而，例如在开始步行后，步行状态不立即成为稳定状态，因此，即使基于这样的情形的加速度数据SA推定拥挤度，得不到准确的推定结果的可能性也会很高。另一方面，即使是在稳定状态下步行的情况，也存在关于分析对象频带所包括的频率的输出强度因拥挤而导致暂时未满强度阈值的情况。关于这样的情形的数据，在推定拥挤度方面是有用的数据。因此，优选，考虑以上方面，将比例阈值设定为适当的值。

应予说明，关于比例阈值，只要根据步行判定处理的结果的利用目的设定为适当的值即可。例如，在允许包括噪声数据的可能性变高的情况下，通过将比例阈值设定为较低的值，能够将更多的用户判定为正在步行中。

5.3第二判定处理(基于方位数据的判定)

如上述那样，第二判定处理是基于方位数据Hda进行判定的处理。一般而言，认为人在朝向某目的地步行时，身体的摇晃较小，身体的朝向几乎恒定。相对于此，认为人在进行旅游行动等时，身体的朝向的变化较大。因此，在该第二判定处理中，基于由方位检测单元110(地磁传感器18b)获取的方位数据Hda求取方位角的每单位时间的变化量，若该变化量为规定的阈值以下，则判定“用户正在步行中”，若该变化量比规定的阈值大，则判定“用户不在步行中”。但是，即使是朝向目的地进行通常的步行的情况，在拐角的地点，方位数据Hda的值也变化较大，因此，优选使用位置数据Pda、路径的信息(路径搜索单元180进行的路径的搜索结果Re的信息)来判定用户的当前位置是否是拐角的地点，在拐角的地点不进行第二判定处理。应予说明，由用于与每单位时间的变化量进行比较的规定的阈值实现第三阈值。

然而，在进行理想的步行的情况下，认为身体以恒定的周期左右摇晃。因此，与针对加速度数据SA进行频率分析相同，对于基于方位数据Hda的判定，也能够针对方位数据Hda进行频率分析，基于其结果进行判定。

5.4第三判定处理(基于位置数据的判定)

如上述那样，第三判定处理是基于位置数据Pda进行判定的处理。认为在人朝向某目的地步行时，即使步行速度较低，每单位时间也前进一定程度的距离。与此相对，认为在人进行旅游行动等时，会经常停止在某恒定的范围内。因此，在该第三判定处理中，基于由位置数据获取单元120(GPS传感器18c)获取的位置数据Pda求出每单位时间的移动距离，若该移动距离为规定的阈值以上，则判定“用户正在步行中”，若该移动距离小于规定的阈值，则判定“用户不在步行中”。应予说明，由用于与每单位时间的移动距离进行比较的规定的阈值实现第四阈值。

然而，在用户在GPS的电波强度较弱的场所(有高楼的街上、地下、屋内等)时，用GPS传感器18c得到的位置的精度较低，因此，优选不进行该第三判定处理。但是，即使是那样的场所，若设置有为了提供位置信息而发出电波的设备(例如被称作“信标”的设备)，则也可以进行该第三判定处理。

5.5步行判定处理的步骤

接下来，参照图25对本实施方式中的步行判定处理的步骤进行说明。在步行判定处理开始后，首先，由加速度测定单元100(加速度传感器18a)获取加速度数据SA(步骤S200)。接下来，由方位检测单元110(地磁传感器18b)获取方位数据Hda(步骤S202)。进一步由位置数据获取单元120(GPS传感器18c)获取位置数据Pda(步骤S204)。应予说明，这里虽然表示为依次进行步骤S200～步骤S204的处理，但实际同时并行地进行步骤S200～步骤S204的处理。

然后，针对在步骤S200获取的加速度数据SA进行使用小波变换的频率分析(步骤S210)。然后，判定频率分析的结果是否满足规定的条件(上述的“步行比例为比例阈值以上”这样的条件)(步骤S212)。若判定的结果满足规定的条件，则处理进入至步骤S220，若不满足规定的条件，则处理进入至步骤S250。应予说明，步骤S210以及步骤S212的处理相当于上述的第一判定处理。

接下来，基于在步骤S202获取的方位数据Hda来计算方位角的每单位时间的变化量(步骤S220)。然后，判定该变化量是否是预先决定的阈值以下(步骤S222)。若判定的结果变化量为阈值以下，则处理进入至步骤S230，若变化量比阈值大，则处理进入至步骤S250。应予说明，步骤S220以及步骤S222的处理相当于上述的第二判定处理。

接下来，基于在步骤S204获取的位置数据Pda来计算每单位时间的移动距离(步骤S230)。然后，判定该移动距离是否为预先决定的阈值以上(步骤S232)。若判定的结果移动距离为阈值以上，则处理进入至步骤S240，若移动距离小于阈值，则处理进入至步骤S250。应予说明，步骤S230以及步骤S232的处理相当于上述的第三判定处理。

在步骤S240，判定相应的用户正在步行中。在步骤S250，判定相应的用户不在步行中。如上述那样，步行判定处理结束。

应予说明，在本实施方式中，通过步骤S212、S222、S232、S240以及S250(在图25中用标有附图标记51的虚线表示的部分)实现判定步骤。

6.效果

根据本实施方式，在便携式终端装置10中，针对加速度数据SA实施频率分析，获取与时间和频率的各组合对应的输出强度作为分析结果。即，关于加速度数据SA，能够掌握各频率的成分随时间的变化。由于人的活动的变化反映于加速度数据SA，因此，能够通过掌握与加速度数据SA相关的各频率的成分随时间的变化，来判断便携式终端装置的利用者是否正在步行中。另外，在频率分析时，将被认为在稳定状态下步行时出现较强的峰值的频带作为分析对象频带。而且，将在该分析对象频带中的输出强度是恒定的阈值(强度阈值)以上的期间作为推测步行期间，考虑推测步行期间的长度相对于分析对象期间的长度的比例，来判定用户是否正在步行中。因此，即使如图21中用标有附图标记42的虚线表示的部分那样，在分析对象期间中用户的步行速度产生变化，也能够准确地进行判定。如上述那样，根据本实施方式，能够高精度地判定便携式终端装置的利用者是否正在步行中。

另外，根据本实施方式，关于便携式终端装置10的利用者是否正在步行中的判定，除基于加速度数据SA的判定外，还进行基于方位数据Hda的判定(基于方位角的每单位时间的变化量的判定)和基于位置数据Pda的判定(基于每单位时间的移动距离的判定)。因此，可以更加高精度地判定便携式终端装置10的利用者是否正在步行中。

并且，根据本实施方式，仅将步行中的用户(便携式终端装置10的利用者)的数据作为服务器20侧的拥挤度(各网格的平均拥挤度CAV)的推定根据的数据。即，根据作为拥挤度的推定根据的数据中去除阻碍准确的拥挤度的推定的噪声数据(正在进行旅游行动等的用户的数据)。由此，服务器20侧的拥挤度的推定精度提高。

7.变形例

以下，对上述实施方式的变形例进行说明。

7.1关于频率分析的变形例

在上述实施方式中，针对加速度数据SA使用小波变换来进行频率分析。然而，本发明并不局限于此，也可以针对加速度数据SA使用短时傅立叶变换(Short Time FourierTransform)来进行频率分析。以下对此进行说明。

一般而言，傅立叶变换F(ω)通过下式(5)表示。

关于上式(5)，f(t)表示分析对象的信号，i表示虚数，ω表示角速度。

如根据上式(5)可以掌握的那样，通过该傅立叶变换得到的是各频率的成分的信息。即，傅立叶变换不能够求出各频率的成分的时间性变化。因此，作为应用了傅立叶变换的频率分析单元，已知有以下式(6)表示的短时傅立叶变换F(ω，τ)。

关于上式(6)，w(t－τ)表示窗函数，τ表示使窗函数移动的时间，f(t)表示对象的信号，i表示虚数，ω表示角速度。

如根据上式(6)可以掌握的那样，在短时傅立叶变换中，针对由被称作窗函数的函数与分析对象的信号的积来表示的信号实施傅立叶变换，该窗函数用于局部地剪切出信号。此时，一边使窗函数在时间轴上移动，一边求取该窗函数与分析对象的信号的积。因此，能够求取关于分析对象的信号的每隔较短时间的频率的成分分布。即，根据短时傅立叶变换，能够求取各频率的成分随时间的变化。

如上述那样，通过短时傅立叶变换也能够求取各频率的成分随时间的变化。因此，作为针对加速度数据SA进行频率分析的具体的手段，采用短时傅立叶变换，也能够与上述实施方式相同，关于加速度数据SA，获取与时间和频率的各组合对应的输出强度。即，关于上述第一判定处理，针对加速度数据SA实施短时傅立叶变换，基于其结果也能够判定用户是否正在步行中。

7.2与步行判定处理时的判定根据数据相关的变形例

在上述实施方式中，在进行步行判定处理时进行三种判定处理(第一～第三判定处理)。然而，本发明并不局限于此，也可以仅进行第一判定处理(基于加速度数据SA的判定)。图26是表示在仅进行第一判定处理的情况下的步行判定处理的步骤的流程图。在该情况下，首先，与上述实施方式中的步骤S200(参照图25)相同，由加速度测定单元100(加速度传感器18a)获取加速度数据SA(步骤S300)。接下来，与上述实施方式中的步骤S210相同，针对加速度数据SA实施频率分析(步骤S310)。然后，与上述实施方式中的步骤S212相同，判定频率分析的结果是否满足规定的条件(步骤S312)。然后，若满足规定的条件，则判定相应的用户正在步行中(步骤S320)，若不满足规定的条件，则判定相应的用户不在步行中(步骤S330)。在该例中，通过步骤S312、S320以及S330(图26中用标有附图标记52的虚线表示的部分)实现判定步骤。应予说明，也可以为在进行步行判定处理时进行第一判定处理和“第二判定处理或者第三判定处理中的任意一种处理”。

另外，也可以追加基于由在上述实施方式中说明的传感器以外的传感器得到的数据的判定处理。例如，也可以追加基于通过磁力传感器(磁传感器)得到的数据的判定处理、基于通过陀螺传感器得到的数据的判定处理。应予说明，磁力传感器是检测磁场(磁界)的大小、方向的传感器，陀螺传感器是检测角速度(每单位时间的旋转角)的传感器。关于通过磁力传感器、陀螺传感器得到的数据，值也随着步行而周期性地变化。因此，能够针对那些数据进行频率分析，并基于其结果判定用户是否正在步行中。此时，按照规定的判定条件辨别有无周期性，若有周期性，则判定(暂定的判定)“用户正在步行中”，若没有周期性，则判定(暂定的判定)“用户不在步行中”即可。

以上对本发明详细地进行了说明，但以上的说明是在全部的方面都是例示性的说明，不是限制性的说明。可以理解，不脱离本发明的范围，就能够想出很多其它的变更、变形。

Claims (20)

1.一种步行判定方法，用于判定便携式终端装置的利用者是否正在步行中，其中，包括：

加速度数据获取步骤，获取规定时间内的表示上述便携式终端装置的加速度的加速度数据，

分析步骤，通过针对上述加速度数据进行频率分析，来获取与时间和频率的各组合对应的输出强度作为分析结果，以及

判定步骤，考虑在上述分析步骤中获取的分析结果，判定上述利用者是否正在步行中。

2.根据权利要求1所述的步行判定方法，其中，

在上述判定步骤中，在判定上述利用者是否正在步行中时，考虑在规定范围的频带中输出强度是预先决定的第一阈值以上的期间相对于上述规定时间的比例。

3.根据权利要求2所述的步行判定方法，其中，

在上述判定步骤中，若在上述规定范围的频带中的输出强度是上述第一阈值以上的期间相对于上述规定时间的比例小于预先决定的第二阈值，则判定上述利用者不在步行中。

4.根据权利要求2所述的步行判定方法，其中，

在上述分析步骤中，仅对上述规定范围的频带所包括的频率，获取与该频率和时间的组合对应的输出强度。

5.根据权利要求1所述的步行判定方法，其中，还包括：

方位数据获取步骤，获取表示与上述便携式终端装置的朝向相应的方位角的方位数据，以及

变化量计算步骤，基于上述方位数据计算方位角的每单位时间的变化量；

在上述判定步骤中，在判定上述利用者是否正在步行中时，还考虑上述变化量。

6.根据权利要求5所述的步行判定方法，其中，

在上述判定步骤中，若上述变化量比预先决定的第三阈值大，则判定上述利用者不在步行中。

7.根据权利要求1所述的步行判定方法，其特征在于，还包括：

位置数据获取步骤，获取表示上述便携式终端装置的位置的位置数据，以及

移动距离计算步骤，基于上述位置数据来计算每单位时间的位置之差即移动距离；

在上述判定步骤中，在判定上述利用者是否正在步行中时，还考虑上述移动距离。

8.根据权利要求7所述的步行判定方法，其中，

在上述判定步骤中，若上述移动距离小于预先决定的第四阈值，则判定上述利用者不在步行中。

9.根据权利要求1所述的步行判定方法，其中，

在上述分析步骤中，针对上述加速度数据使用小波变换进行频率分析。

10.根据权利要求1所述的步行判定方法，其中，

在上述分析步骤中，针对上述加速度数据使用短时傅立叶变换进行频率分析。

11.一种计算机可读取的记录介质，其上记录有判定便携式终端装置的利用者是否正在步行中的步行判定程序，其中，

上述步行判定程序在被计算机执行时，实现如下步骤：

加速度数据获取步骤，获取规定时间内的表示上述便携式终端装置的加速度的加速度数据，

分析步骤，通过针对上述加速度数据进行频率分析，获取与时间和频率的各组合对应的输出强度作为分析结果，以及

判定步骤，考虑在上述分析步骤中获取的分析结果，判定上述利用者是否正在步行中。

12.根据权利要求11所述的计算机可读取的记录介质，其中，

在上述判定步骤中，在判定上述利用者是否正在步行中时，考虑在规定范围的频带中的输出强度是预先决定的第一阈值以上的期间相对于上述规定时间的比例。

13.根据权利要求12所述的计算机可读取的记录介质，其中，

在上述判定步骤中，若在上述规定范围的频带中的输出强度是上述第一阈值以上的期间相对于上述规定时间的比例小于预先决定的第二阈值，则判定上述利用者不在步行中。

14.根据权利要求12所述的计算机可读取的记录介质，其中，

在上述分析步骤中，仅对上述规定范围的频带所包括的频率，获取与该频率和时间的组合对应的输出强度。

15.根据权利要求11所述的计算机可读取的记录介质，其中，

上述步行判定程序在被计算机执行时，还实现如下步骤：

方位数据获取步骤，获取表示与上述便携式终端装置的朝向相应的方位角的方位数据，以及

变化量计算步骤，基于上述方位数据计算方位角的每单位时间的变化量；

在上述判定步骤中，在判定上述利用者是否正在步行中时，还考虑上述变化量。

16.根据权利要求15所述的计算机可读取的记录介质，其中，

在上述判定步骤中，若上述变化量比预先决定的第三阈值大，则判定上述利用者不在步行中。

17.根据权利要求11所述的计算机可读取的记录介质，其中，

上述步行判定程序在被计算机执行时，还实现如下步骤：

位置数据获取步骤，获取表示上述便携式终端装置的位置的位置数据，以及

移动距离计算步骤，基于上述位置数据来计算每单位时间的位置之差即移动距离；

在上述判定步骤中，在判定上述利用者是否正在步行中时，还考虑上述移动距离。

18.根据权利要求17所述的计算机可读取的记录介质，其中，

在上述判定步骤中，若上述移动距离小于预先决定的第四阈值，则判定上述利用者不在步行中。

19.根据权利要求11所述的计算机可读取的记录介质，其中，

在上述分析步骤中，针对上述加速度数据使用小波变换进行频率分析。

20.根据权利要求11所述的计算机可读取的记录介质，其中，

在上述分析步骤中，针对上述加速度数据使用短时傅立叶变换进行频率分析。