JP2001014297A - Method and device for predicting action and providing information - Google Patents

Method and device for predicting action and providing information

Info

Publication number
JP2001014297A
JP2001014297A JP18251899A JP18251899A JP2001014297A JP 2001014297 A JP2001014297 A JP 2001014297A JP 18251899 A JP18251899 A JP 18251899A JP 18251899 A JP18251899 A JP 18251899A JP 2001014297 A JP2001014297 A JP 2001014297A
Authority
JP
Grant status
Application
Patent type
Prior art keywords
information
behavior
prediction
target
unit
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
JP18251899A
Other languages
Japanese (ja)
Inventor
Toshihiro Tsunoda
智弘 角田
Original Assignee
Sony Corp
ソニー株式会社
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

Links

Abstract

PROBLEM TO BE SOLVED: To provide an effective information corresponding to predicted action by predicting the action on the basis of unit action history information (ACTIV ITY).
SOLUTION: A base station 21 transmits a position register signal, which is transmitted from portable terminal equipment 20 in a cycle corresponding to the moving speed, and ID information to an access server 31 of a communication industry device part 30. Every time the position register signal is transmitted from the portable terminal equipment 20, current position information expressing a position and time is stored in a position information storage part 35. Every time the new current position information of the portable terminal equipment 20 is stored in the position information storage part 35 or at every prescribed timing, the CPU of an action pattern analytic server 33 executes updating processing of an ACTIVITY object. At a request from a service provider 40, the action pattern analytic server 33 predicts the action of a user holding the portable terminal equipment 20 while using the ACTIVITY object stored in an action pattern information storage part 34.
COPYRIGHT: (C)2001,JPO

Description

【発明の詳細な説明】 DETAILED DESCRIPTION OF THE INVENTION

【0001】 [0001]

【発明の属する技術分野】本発明は行動予測方法、情報提供方法及びそれらの装置に関し、例えば端末機器を有するユーザの行動を予測し、当該ユーザに対して有用な情報を提供する情報提供方法及びその装置に適用して好適なものである。 The invention behavior prediction method BACKGROUND OF THE INVENTION relates to an information providing method and the devices, for example, to predict the behavior of the user with a terminal device, an information providing method and to provide useful information to the user it is suitably applied to the device.

【0002】 [0002]

【従来の技術】従来、例えばPHS(Personal Handypho Conventionally, for example, PHS (Personal Handypho
ne System)においては、PHS端末装置から送信される位置登録信号を当該PHS端末が存在する無線ゾーンの基地局で受信し、これを当該基地局からPHSサービス制御局に送信することにより、PHSサービス局においてPHS端末装置の位置を基地局の無線ゾーン単位で認識するようになされている。 In ne System), by transmitting a location registration signal transmitted from the PHS terminal device is received at the base station of the radio zone to which the PHS terminal exists, it from the base station to the PHS service control station, PHS service It has been made to recognize the position of the PHS terminal in the radio zone unit of the base station in the station.

【0003】かかるPHS端末装置の位置情報を利用し、PHS端末装置に対して当該PHS端末装置の位置に応じた種々の情報を提供するシステムが考えられている。 [0003] using the location information of such PHS terminal, a system for providing various kinds of information according to the position of the PHS terminal device is considered with respect to PHS terminal.

【0004】 [0004]

【発明が解決しようとする課題】ところが、端末装置の現在位置に応じた情報を提供するシステムでは、端末装置を所持するユーザの行動を予測して当該予測に応じた情報を提供することが困難である。 [SUMMARY OF THE INVENTION However, in a system for providing information corresponding to the current position of the terminal device, it is difficult to provide information corresponding to the predicted and the predicted behavior of the user carrying the terminal device it is.

【0005】本発明は以上の点を考慮してなされたもので、ユーザの行動予測を行うと共に、当該予測された行動に応じて有用な情報を提供する行動予測方法、情報提供方法及びそれらの装置を提案しようとするものである。 [0005] The present invention has been made in view of the above, performs user behavior prediction, behavior prediction method to provide useful information in response to the predicted behavior, the information providing method and their it is intended to propose a device.

【0006】 [0006]

【課題を解決するための手段】かかる課題を解決するため本発明においては、予測対象の停止又は移動状態を検出し、検出された予測対象の停止又は移動状態に応じた周期で予測対象の行動履歴の離散情報(EVENT)をサンプリングし、サンプリングされた離散情報(EVE In the present invention for solving the SUMMARY OF THE INVENTION The foregoing object, detects the stop or moving state of the prediction object, behavior prediction target at the detected period corresponding to the stop or moving state of the prediction target was sampling the history of discrete information (EVENT), sampled discrete information (EVE
NT)から予測対象の単位行動履歴情報(ACTIVI Unit action history information of the prediction target from NT) (ACTIVI
TY)を抽出し、抽出された単位行動履歴情報(ACT Extract the TY), extracted unit action history information (ACT
IVITY)に基づいて、予測対象の行動を予測することにより、予測対象が停止又は移動の度合いが小さい場合には、長いサンプリング周期で予測対象の離散情報(EVENT)をサンプリングし、予測対象の移動の度合いが大きい場合には当該移動の度合いが大きくなるに従って短いサンプリング周期で予測対象の離散情報(E Based on IVITY), by predicting the behavior of the prediction target, when the prediction target small degree of stopping or moving samples the discrete information of the prediction target (EVENT) with a long sampling period, the movement of the prediction target discrete information (E if the degree of is large to be predicted in a short sampling period in accordance with the degree of the mobile is increased
VENT)をサンプリングすることができる。 VENT) can be sampled.

【0007】従って予測対象の停止又は移動状態に応じてサンプリングされた離散情報(EVENT)により高精度で予測対象の行動を予測することができる。 Accordingly it is possible to predict the behavior of the prediction target by the discrete information sampled in accordance with a stopped or moving condition of the prediction target (EVENT) with high accuracy.

【0008】 [0008]

【発明の実施の形態】以下図面について、本発明の一実施の形態を詳述する。 For PREFERRED EMBODIMENTS be described with reference to the accompanying drawings an embodiment of the present invention.

【0009】(1)行動予測方法の原理 本発明による行動予測方法は、4つの要素からなる離散系モデルを用いる。 [0009] (1) the behavior prediction method according to the principles the present invention behavior prediction method uses a discrete system model of four elements. この離散系モデルを構成する4つの要素は、第1に、システムに存在するものや人を表すE Four elements constituting the discrete system model, the first represents and people that present in the system E
NTITYと、第2に、発生する現象の一断面を時間の消費を考慮せずに捕らえた事象として表すEVENT And NTITY, to the 2, EVENT representing an cross section of a phenomenon that occurs as events caught without considering the time consuming
と、第3に、ENTITYが行う動作や行為を表すAC If, in the first 3, AC representing the behavior and actions that ENTITY is done
TIVITYと、第4に、あるENTITYに着目し当該ENTITYが関係するEVENT(又はACTIV And TIVITY, EVENT Fourth, the the ENTITY focused on certain ENTITY concerned (or ACTIV
ITY)の列によって時間経過を含む現象を表すPRO PRO representing the phenomenon, including the elapsed time by a column of ITY)
CESSとから構成される。 Composed of a CESS.

【0010】これらの要素を具体例で示すと、図1に示すように、例えば発券機で切符を購入する客の行動として、当該客を第1の要素であるENTITYとし、第2 [0010] shows these elements in embodiments, as shown in FIG. 1, for example, as the action of customers to buy the ticket at the ticket dispenser, and the customer with the first element and is ENTITY, second
の要素であるEVENTとして、客が発券機で順番待ちの客の列に加わるArrival EVENTと、客が順番待ちを終えて発券機で切符を買い始める Start of service As is the element EVENT, customers and Arrival EVENT applied to the column of waiting customers at the ticketing machine, Start of service that customers begin to buy a ticket at the ticketing machine finished the waiting
EVENTと、客が発券機で切符を買い終える End of End of that and the EVENT, the customer finishes buy a ticket at the ticketing machine
service EVENTとがある。 There is a service EVENT. そして、第3の要素であるACTIVITYは客が切符を購入する行為を表し、 Then, ACTIVITY is the third element represents the act of customers to buy a ticket,
第4の要素であるPROCESSは客に関係するEVE EVE is PROCESS is a fourth of the elements related to customer
NT列を表すことになる。 It will represent the NT column.

【0011】このように、ENTITY(客)の動作や行為に関して重要な意味を持つ事象(EVENT)のみを用い、その列(PROCESS)によって客の行動を離散的にモデル化したものENTITY(客)の行動予測に用いる。 [0011] In this way, ENTITY events that have important implications with respect to the operation and conduct of the (customer) (EVENT) using only, that column (PROCESS) those that have been discrete model the behavior of customers by ENTITY (customer) used to the behavior prediction.

【0012】従って、この離散系モデルでは、重要な事象(EVENT)による時間が刻まれることにより、発生する事象とその発生時点により刻時は不等時不均一となる。 Accordingly, in this discrete-system model, by time by a key event (EVENT) is engraved, clocking becomes unequal when nonuniform generated event and by its time of occurrence.

【0013】ここで、ある主体(ENTITY)に関して、主体の動作(ACTIVITY)とその動作の処理期間(ACTIVITYの始まる時間と終わる時間)によって基本的なモデル化を行うことができる。 [0013] Here, with respect to an entity (ENTITY), it is possible to perform basic modeling by the principal of operation (ACTIVITY) and period (time ending the starting times of the ACTIVITY) of its operation. すなわち、図2に示すように、それぞれの処理時間を有するA That is, as shown in FIG. 2, A having the respective processing times
CTIVITYの列と、主体(ENTITY)によって基本的モデルを構成する。 And column CTIVITY, constituting the basic model by the principal (ENTITY).

【0014】この基本的モデルでは、主体の行動を離散変化の行動であると捉え、行動の切り換わる時間及び切り換わる先を行動パターンの離散系モデルとして表現し、この離散系モデルを用いて行動の予測を行うものである。 [0014] In this basic model, regarded to be the behavior of the discrete change the behavior of the subject, and express the cut switched time and off switched previous actions as a discrete system model of behavior patterns, behaviors using the discrete-system model and performs prediction.

【0015】次に、主体の行動予測を行う際に用いられる行動パターンを離散系モデル化する方法について述べる。 Next, it will be described a method of discrete-system model the behavior patterns to be used when performing the behavior prediction of the principal. この離散系モデルを生成する方法においては、EN In the method of generating the discrete-system model, EN
TITYである主体を例えばユーザとし、当該ユーザの実際の行動(位置及び移動)を所定の位置検出手段によって検出し、当該検出された結果を用いてユーザの滞在及び移動状態を後述する Stay ACTIVITY及び M Mainly of example user is Tity, real action of the user (position and movement) detected by a predetermined position detecting means, Stay ACTIVITY and below the stay and moving state of the user using the detected result M
ove ACTIVITYとして抽出する。 It is extracted as ove ACTIVITY.

【0016】すなわち、図3に示すように、行動パターンの離散系モデルを作成する方法では、ユーザの移動に応じて決められる周期でユーザの位置をサンプリングし、当該サンプリングされた位置情報及びその時刻をE [0016] That is, as shown in FIG. 3, the method for creating a discrete-system model of the behavior pattern, sampling the position of the user with a period determined in accordance with the movement of the user, the sampled position information and the time the E
VENTとして蓄積する。 Accumulate as VENT.

【0017】この場合、離散系モデルの作成方法では、 [0017] In this case, the discrete system model of how to create,
後述する移動検出手段によってユーザの移動状態が検出されたとき、当該移動の度合いである例えばユーザの移動速度等に応じてユーザ位置のサンプリング周期を変更するようになされている。 When moving state of the user is detected by the movement detection means to be described later, it is adapted to change the sampling period of the user position according to the movement speed of which is for example a user the degree of the movement. すなわち、離散系モデルを作成する行動予測システムのサンプリング周期変更手段は、図4に示すサンプリング周期変更処理手順に従ってユーザの移動状態に応じたサンプリング周期を決定するようになされている。 That is, the sampling period changing means behavior prediction system for creating discrete-system model is adapted to determine the sampling period corresponding to the moving state of the user in accordance with the sampling cycle changing procedure shown in FIG.

【0018】図4において行動予測システムはステップSP30から当該サンプリング周期変更処理に入ると、 The behavior prediction system in Figure 4 enters from the step SP30 to the sampling period changing process,
続くステップSP31において移動検出手段によりユーザの移動速度等の情報からなる移動状態を検出し、当該検出結果をステップSP32においてサンプリング周期変更機能部(後述)に通知する。 Subsequent to detecting a moving state consisting of information such as the moving speed of the user by the movement detecting means in the step SP31, and notifies the detection result to the sampling period changing function unit (described later) in step SP32.

【0019】サンプリング周期変更機能部は、移動状態に基づいてユーザ位置のサンプリング周期を決定し当該決定されたサンプリング周期によりユーザ位置をサンプリングする。 The sampling period changing function unit samples the user position by the determined sampling period to determine the sampling period of the user position based on the movement state. この場合、サンプリング周期変更機能部は、検出されたユーザの移動速度が予め設定されている所定速度以上となったときユーザが移動を開始したことを検出するようになされている。 In this case, the sampling period changing function unit is a user when the moving speed of the detected user is a predetermined speed or higher which is set in advance is adapted to detect that it has started to move.

【0020】行動予測システムでは、かかるサンプリング周期変更処理手順において、ユーザが一定の位置に止まっている場合には、位置検出手段によるユーザ位置のサンプリング周期を最も長くし、これに対してユーザが移動を開始したことを検出すると、その移動速度が高くなるに従ってサンプリング周期を連続的又は段階的に短くする。 [0020] In behavior prediction system, in such a sampling cycle changing procedure, when the user has stopped in a fixed position, the longest sampling period of the user position by the position detecting means, the user moves hand Upon detecting that it has begun, shortening the sampling period continuously or stepwise in accordance with the moving speed is high.

【0021】従って、図3に示すユーザの行動パターンでは、時点T11においてユーザが移動を開始することに応じてユーザ位置(EVENT)のサンプリング周期が短くなり、時点T12においてユーザが停止することに応じてユーザ位置(EVENT)のサンプリング周期が長くなる。 [0021] Thus, the behavior pattern of the user as shown in FIG. 3, the sampling period of the user location (EVENT) is shortened in response to a user starts to move at time T11, depending on the user stops at time T12 sampling period of user position Te (EVENT) becomes longer.

【0022】このようにして、離散系モデルの作成方法において行動予測システムは、ユーザの移動速度に応じてユーザ位置のサンプリング周期を変化させることにより、ユーザが移動中である場合又はその移動速度が高い場合においてより多くのユーザ位置がサンプリングされ、ユーザが移動中である場合のユーザ位置(EVEN [0022] In this way, behavior prediction system in creating a discrete-system model, by changing the sampling period of the user position according to the movement speed of the user, or when the moving speed user is moving are more users location sampling at high cases, the user position when the user is moving (EVEN
T)、すなわちユーザの移動経路が一段と高精度で検出される。 T), i.e. the movement path of the user is detected by the further high accuracy. これに対してユーザの移動速度が低い場合又はユーザが停止している場合においてより少ないユーザ位置(EVENT)がサンプリングされ、サンプリング動作を実行する機能部の消費電力等の負荷が低減される。 Fewer user position when the when the moving speed of the user is low or a user hand is stopped (EVENT) is sampled, the load of the power consumption or the like of the functional portion to execute the sampling operation is reduced.

【0023】そして、離散系モデルの作成方法において行動予測システムは、これら蓄積されたEVENTに基づいてACTIVITYを抽出する。 [0023] Then, the behavior prediction system in creating a discrete-system model extracts ACTIVITY based on these accumulated EVENT. この場合、蓄積された複数のEVENT(図3)のうち、EVENT1及びEVENT2は同じ位置であり、EVENT3はEV In this case, among the accumulated plural EVENT (Figure 3), EVENT1 and EVENT2 are the same position, Event3 the EV
ENT2に対して移動を開始した直後の位置でありさらにEVENT3〜EVENT8は互いに異なる位置であるとする。 A position immediately after the start of the movement against ENT2 further EVENT3~EVENT8 is assumed to be positions different from each other. また、EVENT8〜EVENT10はそれぞれ同じ位置であるとする。 Moreover, the is EVENT8~EVENT10 respectively same position.

【0024】このような各EVENTの検出結果では、 [0024] In the detection result of each such EVENT is,
EVENT1及びEVENT2についてはこの時間帯にユーザは同一の場所に滞在していることが分かる。 For EVENT1 and EVENT2 the user it can be seen that you are staying in the same place in this time zone. これに対してEVENT3〜EVENT8についてはこの時間帯にユーザが移動していることが分かる。 It can be seen that the user is moved to the time zone for EVENT3~EVENT8 contrast. 従って、離散系モデルの作成方法では、EVENT3をACTIV Thus, in creating a discrete-system model, ACTIV the EVENT3
ITYの入れ換わる時間として、EVENT1及びEV As it puts replace time of ITY, EVENT1 and EV
ENT2側を滞在を表す Stay ACTIVITYとし、 The ENT2 side and Stay ACTIVITY representing the stay,
EVENT3〜EVENT8をユーザの移動を表す Mov Mov representing the movement of the user the EVENT3~EVENT8
e ACTIVITYとする。 And e ACTIVITY. また、EVENT8〜EV In addition, EVENT8~EV
ENT10については、この時間帯にユーザが同一の場所に滞在していることを表しており、これによりEVE For ENT10, which indicates that the user is staying in the same place in this time zone, this by EVE
NT8をACTIVITYの入れ換わる時間として、E The NT8 as put replace time of ACTIVITY, E
VENT8〜EVENT10側をユーザの滞在を表す S S the VENT8~EVENT10 side representing the stay of user
tay ACTIVITYとする。 And tay ACTIVITY. 因みに、EVENT3〜 By the way, EVENT3~
EVENT8の Move ACTIVITYにおける出発地点はその前の Stay ACTIVITYの滞在地点であり、 Move ACTIVITYの目的地点は当該 Move A The starting point in Move ACTIVITY of EVENT8 are staying point of the previous Stay ACTIVITY, destination point Move ACTIVITY is the Move A
CTIVITYに続く Stay ACTIVITYの滞在地点となる。 The staying point of Stay ACTIVITY following the CTIVITY. このように、 Move ACTIVITYは出発地点及び目的地点並びに所要時間(時点T11〜T1 Thus, Move ACTIVITY the departure point and destination point and duration (time T11~T1
2)によって表される。 Represented by 2).

【0025】このようにして、ユーザが同一位置に滞在している間のEVENT列をまとめて1つの Stay AC [0025] In this way, the user is one together EVENT row between staying in the same position Stay AC
TIVITYとすると共に、ユーザが移動している間のEVENT列をまとめて1つの Move ACTIVITY With the TIVITY, one collectively EVENT column while the user is moving Move ACTIVITY
とする。 To.

【0026】かかるEVENTからACTIVITYの抽出を行う処理手順を図5に示す。 [0026] The processing procedure for extracting from such EVENT of ACTIVITY shown in FIG. すなわち図5において、行動予測システムは、ステップSP10から当該処理手順に入ると、続くステップSP11においてユーザの位置及び時間情報であるEVENTを取り込むサンプリング周期(アクセス間隔)が30分以下であるか否かを判断する。 That is, in FIG. 5, the behavior prediction system enters from the step SP10 to the processing procedure, whether a sampling period for capturing the EVENT is position and time information of the user in the following step SP11 (access interval) is less than 30 minutes the judges. ここでアクセス間隔が30分以上で取り込まれたEVENTは、ACTIVITYを新たに生成するにはその前後の繋がりにおいて信頼性が不十分となる。 Here the access interval has taken over 30 minutes EVENT is the newly generate ACTIVITY is reliable insufficient in connection of the front and rear. 従って、この場合行動予測システムはステップSP Therefore, in this case the behavior prediction system is step SP
11において否定結果を得、ステップSP12に移る。 Obtain a negative result in 11, then proceeds to step SP 12.

【0027】行動予測システムは、ステップSP12において、既存の Stay ACTIVITYの中に、このとき取り込まれたEVENTに対応するもの、すなわち同一地点のものがあるか否かを判断する。 The behavior prediction system, in step SP 12, in the existing Stay ACTIVITY, those corresponding to the EVENT captured this time, that is, whether there is a same point. ここで否定結果が得られると、このことはこのとき取り込まれたEVE If a negative result is obtained, and this is taken this time EVE
NTが既存の Stay ACTIVITYのなかに存在せず、しかもアクセス間隔が30分以上であることを表しており、このとき行動予測システムは、ステップSP1 NT is not present Some existing Stay ACTIVITY, yet it represents the access interval is 30 minutes or more, this time behavior prediction system, step SP1
3に移って、このときのEVENTのデータを仮のデータ格納領域(Tmp Box)に格納する。 Turning to 3, it stores the data in the EVENT at this time to the temporary data storage area (Tmp Box).

【0028】これに対してステップSP12において肯定結果が得られると、このことはこのとき取り込まれたEVENTのアクセス間隔が30分以上であり、既存の [0028] If a positive result in step SP12, on the contrary obtained, this means that access interval EVENT captured this time is 30 minutes or more, the existing
Stay ACTIVITYのなかに同様のEVENTが存在することを表しており、このとき行動予測システムは、ステップSP14に移って、このとき取り込まれたEVENTを、対応する既存のACTIVITYの母集団の1つとしてACTIVITYデータを格納したデータ格納領域(ACTIVITY Box) を更新する。 Stay represents that there is a similar EVENT Some ACTIVITY, this time behavior prediction system proceeds to step SP14, the EVENT captured this time, as one of the populations of the corresponding existing ACTIVITY ACTIVITY updates the data storage area that stores (ACTIVITY Box) data.

【0029】このように、アクセス時間が30分以上であるEVENT又はEVENT列については、同様の母集団からなる既存の Stay ACTIVITYがある場合のみその母集団に取り込まれる。 [0029] Thus, the EVENT or EVENT column access time is 30 minutes or more is taken into the population of miso when there is an existing Stay ACTIVITY of similar population.

【0030】また、上述のステップSP11において肯定結果が得られると、このことはこのとき取り込まれたEVENTのアクセス間隔が30分以内であることを表してており、このとき行動予測システムは、ステップS Further, when a positive result is obtained in step SP11 described above, this is represents the access interval of the EVENT captured this time is within 30 minutes, this time behavior prediction system, step S
P15に移って、このとき取り込まれたEVENT又はEVENT列について、その直前、直後のEVENTとの対応関係(図3)に基づいて、 Stay ACTIVIT Turning to P15, for the time captured EVENT or EVENT column, immediately before, based on the correspondence between the immediately following EVENT (Figure 3), Stay ACTIVIT
Yであるか Move ACTIVITYであるかを判断する。 To determine whether it is a is or Move ACTIVITY Y.

【0031】因みに、ステップSP15における判断として、行動予測システムは、EVENT列の先頭と終端のデータ間隔が20分以上かつ、同じ位置(EVEN [0031] Incidentally, as the determination in step SP15, the behavior prediction system, and data interval of the beginning and end of the EVENT column over 20 minutes, the same position (EVEN
T)を有する場合、この行動をある一地点(地域)での滞在と見なす。 If you have a T), regarded as a stay at one point some of this behavior (region). また、行動予測システムは、経由する地点間の距離及び時間間隔が極端に長い場合には、これを Moreover, behavior prediction system, if the distance and the time interval between points through which the extremely long, it
Move ACTIVITYと見なさないようにする。 Move to prevent regarded as ACTIVITY.

【0032】そして、ステップSP15において Stay [0032] Then, Stay in step SP15
ACTIVITYである判断結果が得られると、行動予測システムは、ステップSP16に移って、同様の母集団(EVENT)からなる既存の Stay ACTIVIT If a is the determination result ACTIVITY is obtained, behavior prediction system shifts to step SP16, similar population (EVENT) consists existing Stay ACTIVIT
Yが存在するか否かを判断する。 Y determines whether there. ここで肯定結果が得られると、このことはこのとき取り込まれたEVENT又はEVENT列による Stay ACTIVITYと同様の既存の Stay ACTIVITYが存在することを表しており、このとき行動予測システムは、ステップSP16 If a positive result is obtained here, this means that there is a similar existing Stay ACTIVITY and Stay ACTIVITY according incorporated EVENT or EVENT column this time, this time behavior prediction system, step SP16
に移って、上述のステップSP15において Stay AC Turning to, Stay AC at step SP15 described above
TIVITYと判断されたEVENT又はEVENT列を対応する既存のACTIVITYの母集団の1つとして Stay ACTIVITYデータを格納したデータ格納領域( Stay ACTIVITY Box) を更新する。 TIVITY and updating the determined EVENT or EVENT column corresponding existing one as Stay ACTIVITY data storage area storing data of the population ACTIVITY (Stay ACTIVITY Box). これにより、当該 Stay ACTIVITYのEVENT数(母体数)が増えることにより、当該 Stay ACTIV Thus, by the EVENT number of the Stay ACTIVITY (number base) increases, the Stay ACTIV
ITYの発生確率が増加することになる。 The probability of occurrence of ITY will be an increase.

【0033】これに対してステップSP16において否定結果が得られると、このことはこのとき取り込まれたEVENT又はEVENT列による Stay ACTIVI [0033] If a negative result in step SP16, on the contrary obtained, Stay This is due to the time captured EVENT or EVENT column ACTIVI
TYと同様の既存の Stay ACTIVITYが存在しないことを表しており、このとき行動予測システムは、ステップSP17に移って、上述のステップSP15において Stay ACTIVITYと判断されたEVENT又はEVENT列を用いて新たな Stay ACTIVITY TY represents that there is no similar existing Stay ACTIVITY and, this time behavior prediction system shifts to step SP17, new with EVENT or EVENT column is determined Stay ACTIVITY In step SP15 described above Stay ACTIVITY
を作成する。 To create a.

【0034】これに対して、上述のステップSP15において、このとき取り込まれたEVENT列が Move A [0034] On the other hand, in step SP15 described above, this time captured EVENT column Move A
CTIVITYである判断結果が得られると、行動予測システムは、ステップSP18に移って、同様の母集団(EVENT列)からなる既存の Move ACTIVIT If a is the determination result CTIVITY is obtained, behavior prediction system shifts to step SP18, the existing of similar population (EVENT column) Move ACTIVIT
Yが存在するか否かを判断する。 Y determines whether there. ここで肯定結果が得られると、このことはこのとき取り込まれたEVENT列による Move ACTIVITYと同様の既存の Move A Here, when a positive result is obtained, this is similar existing Move A and Move ACTIVITY by the time captured EVENT column
CTIVITYが存在することを表しており、このとき行動予測システムは、ステップSP20に移って、上述のステップSP15において Move ACTIVITYと判断されたEVENT列を対応する既存のACTIVI CTIVITY represents that exists at this time behavior prediction system shifts to step SP20, existing the corresponding EVENT column is determined Move ACTIVITY In step SP15 described above ACTIVI
TYの母集団の1つとして Move ACTIVITYデータを格納したデータ格納領域( Move ACTIVITY TY one as Move ACTIVITY data storage area storing data of the population (Move ACTIVITY
Box) を更新する。 Box) to update. これにより、当該 Move ACTIV Thus, the Move ACTIV
ITYの経由地点(すなわちEVENT)の母体数が増えることにより、当該 Move ACTIVITYの発生確率が増加することになる。 By maternal number of ITY point via (i.e. EVENT) increases, so that the occurrence probability of the Move ACTIVITY increases.

【0035】これに対してステップSP18において否定結果が得られると、このことはこのとき取り込まれたEVENT列による Move ACTIVITYと同様の既存のMove ACTIVITYが存在しないことを表しており、このとき行動予測システムは、ステップSP19 [0035] If a negative result is obtained in step SP18 hand, this means that the Move ACTIVITY similar existing Move ACTIVITY by the time captured EVENT column does not exist, the behavior predicting this time the system, step SP19
に移って、上述のステップSP15において Move AC Turning to, Move AC at step SP15 described above
TIVITYと判断されたEVENT列を用いて新たな New using the EVENT column it is determined that the TIVITY
Move ACTIVITYを作成する。 Move to create a ACTIVITY.

【0036】因みに、ステップSP15において Stay [0036] In this connection, Stay in step SP15
ACTIVITY又は Move ACTIVITYの判断結果が得られない場合、行動予測システムは、ステップS If ACTIVITY or Move ACTIVITY determination result can not be obtained, behavior prediction system, step S
P13に移って、このときのEVENTのデータを仮のデータ格納領域(Tmp Box)に格納する。 Turning to P13, and stores the data in the EVENT at this time to the temporary data storage area (Tmp Box).

【0037】かくして、行動予測システムは図5に示す手順により、EVENTの取り込み間隔が30分以内となったとき、 Stay ACTIVITYであるか Move A [0037] Thus, behavior prediction system according to the procedure shown in FIG. 5, when the sampling intervals of the EVENT became within 30 minutes, or a Stay ACTIVITY Move A
CTIVITYであるかの判断を開始する。 To start the determination of whether a CTIVITY.

【0038】このように2種類のACTIVITY( S [0038] In this way the two types of ACTIVITY (S
tay ACTIVITY及び Move ACTIVITY)に分けられたユーザの行動パターンは、図6に示すように、 Stay ACTIVITYからなる第1層の行動パターンモデルと、 Move ACTIVITYからなる第2層の行動パターンモデルとを構成する。 tay ACTIVITY and user behavior patterns divided into Move ACTIVITY), as shown in FIG. 6, the configuration and behavior pattern model of the first layer of Stay ACTIVITY, a behavior pattern model of the second layer of Move ACTIVITY to.

【0039】第2層の行動パターンモデルは、出発地点から目的地点に向かう移動方向を持った Move ACTI [0039] Move ACTI behavior pattern model of the second layer, which has a direction of movement toward the destination point from the starting point
VITYからなり、これらの Move ACTIVITYの入れ代わり地点に第1層の Stay ACTIVITYが存在することになる。 Consists VITY, so that Stay ACTIVITY of the first layer is present in the reverses the functions of point of these Move ACTIVITY.

【0040】第1層の各 Stay ACTIVITY及び第2層の各 Move ACTIVITYはユーザの行動に関する種々の情報を含んだオブジェクトを構成する。 [0040] Each Move ACTIVITY each Stay ACTIVITY and layers 1 and 2 forming the object that contains various information about the behavior of the user. 図7に示すように、各 Stay ACTIVITYは、それぞれ地点を表す情報、当該地点に滞在開始する開始時間(図3 As shown in FIG. 7, each Stay ACTIVITY is information representing a point respectively, the start time of stay start to the point (Figure 3
の時点T12に相当する)、当該地点の滞在終了時間(図3の時点T11に相当する)、ユーザの位置情報をサンプリングした際の日付、曜日及び天気等のキー情報(Key)、当該 Stay ACTIVITYの前のACT Corresponding to the time point T12), which corresponds to the time T11 staying end time of the point (Fig. 3), the date when the sampled position information of the user, the key information (Key such day and weather), the Stay ACTIVITY before the ACT of
IVITYを表す Before ACTIVITY情報(単数又は複数のACTIVITYが存在する)、当該 Stay The Before ACTIVITY information representing IVITY (s ACTIVITY exists), the Stay
ACTIVITYに続くACTIVITYを表す Next Next representing the ACTIVITY following the ACTIVITY
ACTIVITY情報(単数又は複数の各ACTIVI ACTIVITY Information (s of each ACTIVI
TYが存在する)、母体数(EVENT数でありACT TY is present), the number of mother (which is the EVENT number of ACT
IVITYの発生確率を表す)、当該 Stay ACTIV Represents the probability of occurrence of IVITY), the Stay ACTIV
ITYにおいてユーザが使用したサービスやその回数によって表されるユーザの嗜好情報、当該 Stay ACTI User preference information of the user is represented by a service and its number used in ITY, the Stay ACTI
VITYの地点に関する情報(タウン情報等)、及びユーザ名等からなるENTITY情報を有する。 Information related to the point of VITY (town information), and an ENTITY information consisting of user name, and the like.

【0041】ここで行動予測システムは、図8に示すように、新たなEVENT又はEVENT列が発生するごとにこれらEVENT又はEVENT列を構成要素とする既存のACTIVITYがあるか否かを図5について上述した手順に従って判断する。 [0041] Here, behavior prediction system, as shown in FIG. 8, for 5 whether there is an existing ACTIVITY to these EVENT or EVENT column components each time a new EVENT or EVENT column is generated to determine in accordance with the procedure described above. この判断基準としては、EVENTの地点が同一であるか否かの事項が用いられる。 As the criterion, whether matters point EVENT it is identical are used. そして、同じACTIVITYが存在する場合には、行動予測システムは、新たに発生したEVENT Then, when the same ACTIVITY is present, behavior prediction system, newly generated EVENT
又はEVENT列を既存のACTIVITYの構成要素として加え、当該ACTIVITYの母体数(EVEN Or EVENT column added as a component of an existing ACTIVITY, maternal number of the ACTIVITY (EVEN
T数)(図7)を書き換える。 T number) is rewritten to (Figure 7). また、行動予測システムは、このとき発生したEVENT又はEVENT列の前後のACTIVITYとの繋がりに応じてこのとき書換えられたACTIVITYの Before ACTIVITY Moreover, behavior prediction system, the Before ACTIVITY of ACTIVITY rewritten at this time in accordance with the connection between the front and rear ACTIVITY this time occurs EVENT or EVENT column
情報又は Next ACTIVITY情報も書換える。 Information or Next ACTIVITY information be rewritten.

【0042】また、図9に示すように、各 Move ACT Further, as shown in FIG. 9, the Move ACT
IVITYは、それぞれ出発地点を表す情報、目的地点を表す情報、当該 Move ACTIVITYの所要時間(図3の時点T11〜T12に相当する)、ユーザの位置情報をサンプリングした際の日付、曜日及び天気等のキー情報(Key)、経由地点(EVENT)の情報(地点ごとの母体数であり複数のパターンがその発生確率と共に存在する)、当該Move ACTIVITYにおいてユーザが使用したサービスやその回数によって表されるユーザの嗜好情報、当該 Move ACTIVITYの移動経路に関する情報(タウン情報等)、及びユーザ名等からなるENTITY情報を有する。 IVITY, the information respectively indicating a starting point, information indicating a destination point (corresponding to the point of FIG. 3 t11 to t12) the Move time required ACTIVITY, date when the sampled position information of the user, day of the week and the weather, etc. user is represented by a service and its number used in (existing with a maternal number per point plurality of patterns of occurrence probability), the Move ACTIVITY key information (key Canada), information via-point (EVENT) user preference information, the move ACTIVITY information on the movement path of the (town information), and an ENTITY information consisting of user name, and the like.

【0043】この Move ACTIVITYについても、 [0043] For this Move ACTIVITY also,
Stay ACTIVITYの場合と同様にして、行動予測システムは、新たなEVENT又はEVENT列が発生するごとにこれらEVENT又はEVENT列を構成要素とする既存のACTIVITYがあるか否かを判断する。 As in the case of Stay ACTIVITY, behavior prediction system determines whether there is an existing ACTIVITY to components of these EVENT or EVENT column each time a new EVENT or EVENT column is generated. この判断基準としては、出発地点と目的地点が同じであることが条件となる。 As this criterion, it is a condition departure point and destination point are the same. そして、同じACTIVIT Then, the same ACTIVIT
Yが存在する場合には、行動予測システムは、新たに発生したEVENT又はEVENT列を既存のACTIV When Y is present, behavior prediction system, newly generated EVENT or EVENT column existing ACTIV
ITYの構成要素(経由地点)として加え、当該ACT It added as a component of ITY (transit point), the ACT
IVITYの経由地点の母体数(EVENT数)(図9)を書き換える。 Rewritten maternal number of routing points of IVITY (number EVENT) (Fig. 9).

【0044】このようにして、 Stay ACTIVITY [0044] In this way, Stay ACTIVITY
オブジェクト及び Move ACTIVITYオブジェクトは、それぞれ新たに発生するEVENT又はEVENT Objects and Move ACTIVITY object, newly generated each EVENT or EVENT
列によってその母体数等の情報が更新される。 Information of the parent number and the like by the column are updated. この母体数はACTIVITYの発生確率として後述する行動予測に用いられる。 The maternal number used in the behavior prediction which will be described later as a probability of occurrence of ACTIVITY.

【0045】次に、蓄積された Stay ACTIVITY Next, the stored Stay ACTIVITY
オブジェクト及び Move ACTIVITYオブジェクトを用いてユーザの行動を予測する方法について説明する。 It describes a method of predicting the behavior of the user using the object, and Move ACTIVITY object.

【0046】蓄積された各 Stay ACTIVITYオブジェクト及び Move ACTIVITYオブジェクトは、 The accumulated Each Stay ACTIVITY objects and Move ACTIVITY object was the
それぞれのACTIVITYが発生した際の曜日、天気等のキー情報(Key)を有しており(図7及び図9)、予測しようとする曜日や天気に合致したキー情報(Key)を持つACTIVITYオブジェクトを選択対象オブジェクトとする。 ACTIVITY objects with respective ACTIVITY days of the week when generated, has a key information weather, etc. (Key Canada) (FIG. 7 and FIG. 9), the key information that matches the day of the week or the weather to be predicted (Key Canada) It is referred to as selection target objects.

【0047】そして、行動予測システムは、予測しようとする時間帯及び出発地点等、各ACTIVITYオブジェクトに含まれる情報を検索キーとして予測候補であるACTIVITYオブジェクトを検索する。 [0047] Then, the behavior prediction system searches the ACTIVITY object is a prediction candidate time zone and the starting point or the like to be predicted, the information contained in each ACTIVITY object as a search key. 例えば、 For example,
ユーザが日曜日の朝7時から夕方5時までの時間帯及び天気を指定することにより、行動予測システムは、蓄積されているACTIVITYオブジェクトのなかから、 By the user to specify the time zone and weather from 7 am Sunday until 5 pm, behavior prediction system, from among the ACTIVITY objects that have been accumulated,
当該時間帯及びキー情報(Key)をもつACTIVI ACTIVI with the time zone and key information (Key)
TYオブジェクトを検索する。 Search for TY object.

【0048】そして、行動予測システムは、これら検索された複数のACTIVITYオブジェクトについて、 [0048] Then, the behavior prediction system is, for these retrieved multiple ACTIVITY objects,
その地点情報や前後関係に基づいて複数のACTIVI Multiple of ACTIVI on the basis of the point information and context
TYオブジェクトを繋げてなる複数の行動パターンを作成する。 To create a multiple of behavior patterns formed by connecting the TY object. ACTIVITYオブジェクトの前後関係とは、 Stay ACTIVITYオブジェクトにおいてはその Before ACTIVITY情報(図7)及び Next A The context of the ACTIVITY objects that the Before ACTIVITY information in Stay ACTIVITY object (7) and Next A
CTIVITY情報(図7)を用い、また、 Move AC CTIVITY using the information (FIG. 7), also, Move AC
TIVITYオブジェクトにおいては、その出発地点及び目的地点(図9)を用いる。 In TIVITY object, using the starting point and destination point (Fig. 9).

【0049】例えば、図10に示すように、ユーザが行動予測として晴れた日曜日の朝7時から夕方5時までを指定し、開始地点を自宅とすると、行動予測システムは、当該曜日及び天気情報をキー情報(Key)として持つ Stay ACTIVITYオブジェクト及び Move A [0049] For example, as shown in FIG. 10, when the user specifies the from 7 am Sunday sunny as behavior prediction until 5 pm, the starting point and the home, behavior prediction system, the day of the week and weather information Stay ACTIVITY objects and Move a with as the key information (key)
CTIVITYオブジェクトのなかから指定された時間帯のACTIVITYオブジェクトを候補として検索し(図10(A))、当該検索された候補オブジェクトA Searching ACTIVITY object time zone specified from among CTIVITY object as a candidate (FIG. 10 (A)), the search candidate object A
O1、AO2、……、AOnの集団N1のなかから、例えば「自宅に居る」という Stay ACTIVITYオブジェクトAO1を開始オブジェクトとして設定する(図10(B))。 O1, AO2, ......, set from among the group N1 of AOn, for example, the Stay ACTIVITY object AO1 of "at home" as a start object (Fig. 10 (B)).

【0050】そして、行動予測システムは、これに続くACTIVITYオブジェクトとして、自宅を出発地点とした Move ACTIVITYオブジェクトAO2や、 [0050] Then, the behavior prediction system is, as ACTIVITY objects which follow, Move ACTIVITY objects AO2 and that was the home as a starting point,
「自宅に居る」という Stay ACTIVITYオブジェクトAO1の Next ACTIVITY情報で指定された Specified in the Next ACTIVITY information of Stay ACTIVITY object AO1 of "at home"
Move ACTIVITYオブジェクトAO3等を予測A Move ACTIVITY predict the object AO3, etc. A
CTIVITYオブジェクトとして選択する。 Selected as CTIVITY object.

【0051】このようにして、選択された各ACTIV [0051] In this way, each selected ACTIV
ITYオブジェクトに続き得るACTIVITYオブジェクトを選択して行く。 Going to select the ACTIVITY objects that can be continued in ITY object. この場合、選択されたACTI In this case, the selected ACTI
VITYオブジェクトは複数存在することがあり、これにより、ACTIVITYオブジェクトの繋がりによる複数の予測行動パターン(PROCESS)が作成されることになる。 VITY objects There may be several, thereby, a plurality of predicted behavior patterns by ties ACTIVITY objects (PROCESS) is created.

【0052】このように行動予測システムは、各ACT [0052] behavior prediction system in this way, each ACT
IVITYオブジェクトの前後関係を表す情報( Befor Information representing the context of IVITY object (Befor
e ACTIVITY情報、 Next ACTIVITY情報)や繋がりを表す情報(出発地点、目的地点)を用いてPROCESSを作成することにより、予測する時間帯に含まれるACTIVITYオブジェクトであれば、 e ACTIVITY information, Next ACTIVITY information) and information indicating the connection (starting point, by creating PROCESS using destination point), if ACTIVITY objects contained in the time slot to predict,
その発生時間が異なっていてもユーザの行動パターンの繋がりの特徴を持ったACTIVITYオブジェクトの繋がりを行動予測の候補として得ることができる。 Be different from the generation time can be obtained ties ACTIVITY object with the features of the connection of the user's behavior pattern as a candidate for behavior prediction.

【0053】因みに、この実施の形態の行動予測システムは、ACTIVITYオブジェクトの列を形成する際の規則として、2つの規則を定めている。 [0053] Incidentally, behavior prediction system of this embodiment, as rules for forming a row of ACTIVITY object defines a two rules. 第1の規則として、 Stay ACTIVITYオブジェクトと Stay A As a first rule, Stay ACTIVITY object and Stay A
CTIVITYオブジェクトとの間には、必ず Move A Between the CTIVITY object, be sure to Move A
CTIVITYオブジェクトが存在することとする。 It is assumed that CTIVITY object exists. これにより、不自然な行動の切れ目が生じることを回避し得る。 This may avoid the break of the unnatural behavior occurs. そして、第2の規則として、 Move ACTIVI Then, as the second rule, Move ACTIVI
TYオブジェクトの前後には、 Stay ACTIVITY The front and back of TY object, Stay ACTIVITY
オブジェクト及び Move ACTIVITYオブジェクトの両方が選択される可能性を有することとする。 Both object and Move ACTIVITY object is to have a possibility of being selected. 但し、 However,
連続した Move ACTIVITYオブジェクトは必ず S Continuous Move ACTIVITY object is always S
tay ACTIVITYオブジェクトによって囲まれていなければならないとする。 And it must be surrounded by tay ACTIVITY object.

【0054】このようにして、行動予測システムは図1 [0054] In this way, the behavior prediction system shown in FIG. 1
0(B)に示すように、複数の予測パターン(PROC 0 (B), the plurality of prediction patterns (PROC
ESS)を作成することができる。 It is possible to create a ESS). 因みに、各ACTI By the way, each ACTI
VITYオブジェクトは、そのEVENT数や経由地点の数によって発生確率を有する。 VITY object has a probability of occurrence depending on the number of the EVENT number or via point. この発生確率は、あるACTIVITYオブジェクトから他のACTIVIT This probability is, ACTIVIT from one ACTIVITY object of other
Yオブジェクトに移行する際の確率として用いられ、この結果、各PROCESSの発生する確率が各ACTI Used as the probability of when moving to Y object, as a result, the probability of occurrence of each PROCESS each ACTI
VITYの発生確率の積によって求まる。 Determined by the product of the probability of occurrence of VITY.

【0055】このような発生確率を含む行動パターンの予測結果を図11に示す。 [0055] shows the predicted results of behavioral patterns, including such probability in Figure 11. 図11において、ACTIV In Figure 11, ACTIV
ITYaからACTIVITYiに移行する確率はAC The probability of transition to ACTIVITYi from ITYa the AC
TIVITYiの発生確率である0.6であり、さらに当該ACTIVITYiからACTIVITYfに移行する確率は、ACTIVITYfの発生確率である0. 0.6 is a probability of occurrence of TIVITYi, the probability of further transition from the ACTIVITYi to ACTIVITYf is the occurrence probability of ACTIVITYf 0.
55である。 It is 55. 従って、例えばACTIVITYa−AC Thus, for example ACTIVITYa-AC
TIVITYi−ACTIVITYf−ACTIVIT TIVITYi-ACTIVITYf-ACTIVIT
Yc−ACTIVITYkでなるPROCESSの発生確率は、当該PROCESSを構成する各ACTIVI Probability of PROCESS made by Yc-ACTIVITYk, each ACTIVI constituting the PROCESS
TYの発生確率の積である0.33となる。 0.33 is the product of the probability of occurrence of TY.

【0056】このようにして行動予測システムは、設定された時間帯及びキー情報(Key)で検索されたAC [0056] Such behavior prediction system in the, AC retrieved in the time zone and the key information that has been set (Key)
TIVITY集団のなかから、ユーザの行動履歴に基づく複数のPROCESSを作成することができる。 From among the TIVITY population, it is possible to create multiple PROCESS based on the user's behavior history.

【0057】(2)行動予測システムの構成 図12は行動予測システムを用いた情報提供システム1 [0057] (2) configuration of the behavior prediction system 12 the information providing system 1 using a behavior prediction system
0の全体構成を示し、端末装置として例えばPHS等の携帯端末装置20を所持するユーザの位置を通信事業装置部30において検出し、通信事業装置部30の行動パターン解析サーバ33において位置情報に基づくユーザの行動パターンを解析するようになされている。 Showing the overall structure of a 0, to detect the position carriers apparatus unit 30 of the user carrying the portable terminal device 20 such as a PHS, for example, as a terminal device, based on the position information in the behavior pattern analysis server 33 of the communication carrier device 30 It has been made to analyze the user's behavior patterns.

【0058】すなわち、ユーザが所持する携帯端末装置20は、図13に示すように、データバスBUSにCP [0058] That is, the portable terminal device 20 possessed by the user, as shown in FIG. 13, CP to a data bus BUS
U20A、メモリ20B、基地局21との間で信号の送受信を行う送受信回路部(RF)20E、送受信回路部20Eにおいて受信したRF(Radio Frequency) 信号をベースバンド信号に変換すると共に送信しようとするベースバンド信号をRF信号に変換するベースバンド処理部20D、マイクロホン20G及びスピーカ20HとのインターフェイスであるMMI(Man Machine Interfac U20A, you try to send converts memory 20B, the communication circuit unit for transmitting and receiving signals to and from the base station 21 (RF) 20E, an RF (Radio Frequency) signal received at the receive circuit unit 20E to a baseband signal the baseband processing unit 20D for converting the baseband signal into an RF signal, MMI is an interface between the microphone 20G and a speaker 20H (Man Machine interfac
e) 部20F、表示部20I及びキーボード20Jが接続された構成を有する。 e) section 20F, the display unit 20I and keyboard 20J has a configuration is connected.

【0059】CPU20Aはメモリ20Bに格納されている動作プログラムに従って種々の動作を実行するようになされており、当該動作に応じて各回路部を制御する。 [0059] CPU20A are adapted to perform various operations according to operation programs stored in the memory 20B, and controls the respective circuit units in accordance with the operation. CPU20Aの各種処理内容は必要に応じて液晶表示パネル等で構成された表示部20Iに表示される。 Various processing contents of CPU20A is displayed on the display unit 20I composed of a liquid crystal display panel or the like, if necessary.

【0060】キーボード20Jは、ユーザが所望の通話先の電話番号を入力すると、当該電話番号を表すデータをCPU20Aに供給する。 [0060] keyboard 20J supplies the user enters the telephone number of the desired call destination, the data representing the telephone number on the CPU 20A. CPU20Aはユーザが入力した電話番号で表される通話先に対して、送受信回路部20Eを介して接続要求を送信する。 CPU20A for call destination represented by the telephone number entered by the user, sends a connection request via the communication circuit unit 20E. このとき通信回線22は通話先の応答に応じて回線を接続する。 In this case the communication line 22 connects the line in response to the call destination responds. 回線が接続されると、送受信回路部20Eは、アンテナを介して受信した通話先からのRF信号をベースバンド処理部20Dに供給し、ここでRF信号をベースバンド信号に変換する。 When the line is connected, the communication circuit unit 20E is an RF signal from the other party received via the antenna is supplied to the baseband processing unit 20D, wherein converting the RF signal into a baseband signal. ベースバンド処理部20Dは当該変換されてなるベースバンド信号をMMI部20Fに供給することにより、受信された通話先からの音声信号をスピーカ2 The baseband processing unit 20D by supplying the base band signal formed by the conversion to the MMI unit 20F, a speaker an audio signal from the received call destination 2
0Hから音声として出力する。 To output as a voice from 0H.

【0061】また、ユーザがマイクロホン20Gを介して音声を入力すると、MMI部20Fはマイクロホン2 [0061] When the user inputs voice via the microphone 20G, MMI unit 20F microphones 2
0Gから供給される入力音声信号をベースバンド処理部20Dに供給し、ここでベースバンド信号をRF信号に変換する。 An input audio signal supplied from 0G to supply the baseband processing unit 20D, wherein converting the baseband signal into an RF signal. そしてベースバンド処理部20Dは当該変換されてなるRF信号を送受信回路部20Eを介して通信回線22に送出することにより、当該RF信号を回線接続された通話先に対して送信する。 The baseband processor 20D is by sending an RF signal formed by the conversion to the communication line 22 via the transmission and reception circuit section 20E, and transmits the RF signal to the line connected call destination.

【0062】またCPU20Aは、ユーザがキーボード20Jを操作することにより入力される種々の情報をベースバンド処理部20D及び送受信回路部20Eを介して通信先に送信すると共に、通信先からの情報が重畳されたRF信号を送受信回路部20E及びベースバンド処理部20Dを介して取り込み、表示部20Iに表示する。 [0062] Further CPU20A, together with the user to the communication destination via various information baseband processing unit 20D and the communication circuit unit 20E which is input by operating the keyboard 20 J, information from the communication destination is superimposed RF signals uptake via the communication circuit unit 20E and the base band processing unit 20D, the display unit 20I.

【0063】かくして携帯端末装置20を使用するユーザは、通話先との間で会話や種々の情報の授受を行うことができる。 [0063] Thus the user using the mobile terminal device 20 can transmit and receive speech and various types of information to and from the call destination.

【0064】ここで、携帯端末装置20にはGPS(Glo [0064] In this case, GPS to the mobile terminal device 20 (Glo
bal Positioning System) 20Pが設けられており、G bal Positioning System) 20P is provided, G
PS20Pは複数の衛星から送信される信号の相関に基づいて携帯端末装置20の位置を特定する。 PS20P identifies the position of the portable terminal device 20 based on the correlation of the signals transmitted from a plurality of satellites.

【0065】そして、携帯端末装置20のCPU20A [0065] and, of the mobile terminal device 20 CPU20A
は、GPS20Pにより得られた位置情報に基づいて携帯端末装置20の単位時間当たりの位置の変化量(移動速度)を算出し、当該算出された移動速度をサンプリング周期変更部20Sに供給する。 The amount of change in position per unit time of the mobile terminal device 20 (moving speed) is calculated based on the obtained position information by GPS20P, it supplies the moving speed that is the calculated sampling period changing unit 20S.

【0066】サンプリング周期変更部20Sは、CPU [0066] sampling period changing unit 20S is, CPU
20Aによって算出された移動速度に応じた周期で後述する位置登録信号を通信事業装置部30のアクセスサーバ31に送信する。 Transmitting a location registration signal to be described later at a cycle corresponding to the moving speed calculated by 20A to the access server 31 of the communication carrier device 30. すなわち、サンプリング周期変更部20Sは図14に示すように、発振器121の発振出力を増幅回路122において増幅した後、これを互いに異なる分周比で分周する複数の分周回路123に供給する。 That is, the sampling period modification unit 20S, as shown in FIG. 14, after amplifying the oscillation output of the oscillator 121 in the amplifier circuit 122 is supplied to a plurality of frequency divider 123 which divides by which mutually different division ratios. 各分周回路123は、それぞれに割当られた分周比で発振出力を分周することによりそれぞれ異なる周波数信号を生成し、これをセレクタ124に供給する。 Each divider circuit 123 generates a different frequency signal by dividing the oscillation output with division ratio were assigned to each, and supplies it to the selector 124.

【0067】また、CPU20A(図13)から移動速度情報D21を受け取ったテーブル部125は、当該移動速度情報D21によって表される移動速度に応じた選択データD22を生成し、これをセレクタ124に供給する。 [0067] The table unit 125 having received the moving speed information D21 from the CPU 20A (FIG. 13) generates selection data D22 corresponding to the moving speed represented by the moving speed information D21, supplies this to the selector 124 to.

【0068】従って、セレクタ124はCPU20Aから供給される移動速度に応じた周波数信号D23を選択し、これをCPU20A(図13)に供給する。 [0068] Therefore, the selector 124 selects the frequency signal D23 corresponding to the moving speed supplied from CPU 20A, and supplies it to the CPU 20A (FIG. 13). CPU CPU
20Aは、サンプリング周期変更部20Sから供給される周波数信号D23の周期で後述する位置登録信号を通信事業装置部30のアクセスサーバ31に送信する。 20A transmits a location registration signal to be described later in the cycle of the frequency signal D23 supplied from the sampling cycle changing unit 20S to the access server 31 of the communication carrier device 30.

【0069】すなわち携帯端末装置20のCPU20A [0069] That is of the mobile terminal device 20 CPU20A
は、当該携帯端末装置20が存在する無線ゾーンの基地局21に対して携帯端末装置20の移動速度に応じた周期で位置登録信号及び携帯端末装置20の識別情報(電話番号等からなるID情報)を送信するようになされている。 Is, ID information consisting of identification information (telephone number of the mobile terminal location registration signal at a cycle corresponding to the moving speed of the device the portable terminal device 20 to the base station 21 of the radio zone 20 is present and the mobile terminal device 20 ) it has been made to send.

【0070】例えば、携帯端末装置20が停止している状態(すなわち移動速度が最も小さい場合)ではCPU [0070] For example, a state where the portable terminal device 20 is stopped (ie, when the moving speed is the lowest), the CPU
20Aは予め設定されている最も長い周期で位置登録信号及び識別情報を基地局21に送信するのに対して、携帯端末装置20が予め設定されている所定速度に達したことを検出したとき、CPU20Aは携帯端末装置20 20A for sending a location registration signal and the identification information in the longest period which is set in advance in the base station 21, when it is detected that the portable terminal device 20 has reached a predetermined speed set in advance, CPU20A mobile terminal device 20
が移動していると判断し、その移動速度が大きくなるに従って位置登録信号及び識別情報の送信周期を短くする。 There is judged to be moving, to shorten the transmission period of the location registration signal and the identification information in accordance with the moving speed increases.

【0071】基地局21は、携帯端末装置20からその移動速度に応じた周期で送信される位置登録信号及びI [0071] The base station 21, the location registration signal and I is transmitted at a cycle corresponding the mobile terminal device 20 to the moving speed
D情報を通信事業装置部30のアクセスサーバ31に送信する。 D information to the access server 31 of the communication carrier device 30. これによりアクセスサーバ31は、携帯端末装置20の位置を基地局の無線ゾーン単位で認識することができ、これにより得られる携帯端末装置20の現在位置情報をその時間情報と共に、例えば複数のハードディスクで構成された位置情報記憶部35に格納する。 Thus the access server 31 can recognize the position of the portable terminal device 20 in the radio zone unit of the base station, the current position information of the portable terminal device 20 thus obtained together with the time information, for example, a plurality of hard disks and stores the configured location information storage unit 35.

【0072】位置情報記憶部35に格納される現在位置情報は、携帯端末装置20をENTITY(図1及び図2)としたEVENT情報(図3)となる。 [0072] current location information stored in the position information storage unit 35 is a EVENT information the mobile terminal device 20 and ENTITY (FIGS. 1 and 2) (Figure 3). 従って、位置情報記憶部35には、携帯端末装置20から位置登録信号が発信される毎にその位置及び時間を表す現在位置情報が格納されて行く。 Therefore, the position information storage unit 35, current position information location registration signal from the mobile terminal device 20 representing the position and the time for each originating go stored.

【0073】ここで、ACTIVITYオブジェクトを作成する行動予測システムの行動パターン解析サーバ3 [0073] Here, the behavior pattern analysis server 3 of the behavior prediction system to create a ACTIVITY object
3は、データバスに接続されたCPU及びメモリを有し、CPUはメモリに格納されているプログラムに従って、図5に示したACTIVITYオブジェクトの作成処理手順を実行する。 3 has a CPU and a memory connected to the data bus, CPU in accordance with a program stored in the memory, to execute the generation processing procedure of the ACTIVITY object shown in FIG. そして、当該CPUは作成されたACTIVITYオブジェクトを、例えば複数のハードディスクからなる行動パターン情報記憶部34に格納する。 Then, the CPU stores ACTIVITY object created, for example, composed of a plurality of hard disk activity pattern information storage unit 34.

【0074】また、行動パターン解析サーバ33のCP [0074] In addition, CP of behavior pattern analysis server 33
Uは、位置情報記憶部35に携帯端末装置20の新たな現在位置情報(すなわちEVENT又はEVENT列) U, a new current location information of the portable terminal device 20 in the position information storage unit 35 (i.e. EVENT or EVENT column)
が格納される毎、又は所定のタイミング毎に、図8について上述したACTIVITYオブジェクトの更新処理を実行する。 There each stored, or at every predetermined timing, executes the update processing of the ACTIVITY objects described above with reference to FIG. この更新処理によって、行動パターン情報記憶部34に格納されたACTIVITYオブジェクトはその母体数を増やして行くことにより、各ACTIV This update process, ACTIVITY objects stored in the behavior pattern information storage unit 34 by going to increase the number of maternal each ACTIV
ITYオブジェクトはその発生確率がユーザの行動パターンを反映した値に近づいて行き、一段と精度の高い行動パターン(ACTIVITY)が得られる。 ITY objects approach the values ​​whose occurrence probability reflects the behavior pattern of the user, more accurate action pattern (ACTIVITY) is obtained.

【0075】このようにして、ユーザの行動パターンがACTIVITYオブジェクトとして行動パターン情報記憶部34に蓄積された状態において、行動パターン解析サーバ33は、サービスプロバイダ40からの要求に応じて、行動パターン情報記憶部34に蓄積されたAC [0075] Thus, in a state where behavior pattern of the user is accumulated in the action pattern information storage unit 34 as the ACTIVITY object, behavioral pattern analysis server 33, in response to a request from the service provider 40, activity pattern information storage AC accumulated in section 34
TIVITYオブジェクトを用い、図10及び図11について上述した方法により携帯端末装置20を所持するユーザの行動を予測する。 Using TIVITY object, to predict the behavior of the user carrying the portable terminal device 20 by the method described above with reference to FIG. 10 and FIG. 11.

【0076】サービスプロバイダ40のサーバ41は、 [0076] The server 41 of the service provider 40,
図15に示すように、データバスBUSに接続されたC As shown in FIG. 15, C which is connected to the data bus BUS
PU41A、メモリ41B、通信インターフェイス41 PU41A, memory 41B, communication interface 41
C及びデータベース41Dを有し、CPU41Aはメモリ41Bに格納されているプログラムに従って種々の処理を実行するようになされている。 Has a C and database 41D, CPU 41A is adapted to perform various processes according to a program stored in the memory 41B.

【0077】すなわち、CPU41Aは通信インターフェイス41Cによって接続されたネットワークを介して種々の加入端末(図示せず)から提供情報を受け取り、 [0077] That is, CPU 41A receives an advertisement from various subscriber terminals via a network connected by a communication interface 41C (not shown),
これをデータベース41Dに格納するようになされている。 It has been made so as to store in the database 41D. これらの提供情報は、例えば映画館の上映案内、又は交通機関の運行状況等といった特定の地域や地点に居るユーザに対して特に有用な情報である。 These provide information, for example, a movie theater screening guide of, or a particularly useful information to the user in a specific region or location, such as operation status, such as transportation. 従って、サーバ41のCPU41Aは、これらの提供情報を提供する時間及び天気状況のもとにその特定地域や特定地点に行くことが予測されるユーザ(すなわち当該ユーザが所持する携帯端末)の情報及びその行動パターン(すなわちPROCESS)の情報を通信事業装置部30の行動パターン解析サーバ33に要求する。 Thus, CPU 41A of server 41, information of the user can go to the specific region or a specific point on the basis of time and weather conditions to provide these advertisements are predicted (i.e. mobile terminals which the user owns) and requesting that information behavior patterns (i.e. PROCESS) the behavior pattern analysis server 33 of the communication carrier device 30.

【0078】行動パターン解析サーバ33は、当該要求に応じて、行動パターン情報記憶部34に蓄積されたA [0078] behavioral pattern analysis server 33, in response to the request, stored in the behavior pattern information storage unit 34 A
CTIVITYオブジェクトを用い、図10及び図11 Using CTIVITY objects, 10 and 11
について上述した方法によりサービスプロバイダ40から指定された曜日や天気をキー情報(Key)として、 The day of the week, weather specified by the service provider 40 as key information (Key Canada) by the method described above for,
携帯端末装置20を所持するユーザの行動を予測する。 To predict the behavior of the user who owns the mobile terminal device 20.

【0079】この行動予測処理において、行動パターン解析サーバ33は、ACTIVITYオブジェクトの繋がりである予測行動パターン(PROCESS)を生成する。 [0079] In this behavior prediction process, the behavior pattern analysis server 33 generates the predicted behavior pattern is ties ACTIVITY objects (PROCESS). この場合、行動パターン解析サーバ33は、発生確率の異なる複数の予測行動パターン(PROCES In this case, the behavior pattern analysis server 33, a plurality of different predictive behavior patterns probability of occurrence (PROCES
S)を生成する。 To generate a S).

【0080】そして、行動パターン解析サーバ33は当該行動予測結果において、サービスプロバイダ40のサーバ41が指定した曜日及び天気状況下で特定の地域又は地点に行くことが予測されるユーザの比較的高い発生確率からなる行動パターン(PROCESS)をそのユーザを特定する情報、すなわち当該ユーザが所持する携帯端末装置20の電話番号等からなるID情報と共にサービスプロバイダ40のサーバ41に供給する。 [0080] Then, the behavior pattern analysis server 33 in the behavior prediction result, a relatively high incidence of users under day and weather conditions server 41 specified by the service provider 40 can go to a specific region or point is predicted behavioral patterns (PROCESS) information identifying the user consisting of probability, that supplies the server 41 of the service provider 40 along with ID information consisting of the telephone number of the portable terminal device 20 to which the user possesses.

【0081】これによりサーバ41のCPU41Aは、 [0081] As a result CPU41A of the server 41,
通信事業装置部30から供給された行動パターン及びそのユーザ情報(携帯端末装置20を特定する電話番号等の情報)を基に、当該携帯端末装置20に対してデータベースから読み出した提供情報をネットワーク(図12 Based on the supplied action pattern and the user information (information such as a telephone number for identifying the mobile terminal device 20) from the communication carrier device 30, the provided information read from the database for the mobile terminal device 20 network ( Figure 12
に示すパラボラアンテナ25、衛星24及び電波塔23 Parabolic antenna 25 shown in, satellite 24 and towers 23
等からなるネットワーク又は、通信回線22及び基地局21からなるネットワーク等)を介して携帯端末装置2 Network or consisting etc., the portable terminal device via a network or the like) made of the communication line 22 and the base station 21 2
0に送信する。 To send to 0.

【0082】この場合、サーバ41は、通信事業装置部30から供給された予測行動パターン(PROCES [0082] In this case, the server 41, supplied from the communication service apparatus 30 predicted behavior pattern (PROCES
S)を構成する各 Stay ACTIVITYオブジェクトに含まれるユーザの嗜好情報(使用サービス及び回数) User preference information included in each Stay ACTIVITY objects that make up the S) (using services and the number of times)
及び地点に関する情報と、各 Move ACTIVITYオブジェクトに含まれるユーザの嗜好情報(使用サービス及び回数)及び移動経路に関する情報とに基づいて、ユーザの予測行動の中で特に必要となる可能性が高い情報をユーザの行動に先立ってデータベースから読み出し、 And information related to the point, the Move preference information (using service and number) of the user included in the ACTIVITY objects and on the basis of the information about the travel route, the information in particular are likely to be required in the prediction behavior of the user read from the database prior to the user's behavior,
これを携帯端末装置20に送信する。 And transmits it to the portable terminal device 20.

【0083】因みに、ユーザが必要とする可能性が高い情報を選択する方法として、サーバ41は、通信事業装置部30から供給された各ACTIVITYオブジェクトに含まれるユーザの嗜好情報(使用サービス及び回数)のなかから、その使用回数が予め設定された所定の閾値よりも高いサービスを選択すると共に、各ACTI [0083] Incidentally, as a method of selecting the information is likely to user needs, the server 41, the preference information of the user included in each ACTIVITY object supplied from the communication carrier device unit 30 (using the service and the number of times) from among, as well as select the number of uses is higher than a predetermined threshold value set in advance service, the ACTI
VITYオブジェクトに含まれるユーザの移動経路や地点に関する情報に基づいてユーザの行動予測経路上で特に有効となる情報を選択して携帯端末装置20に送信する。 Based on the information on the movement path and the point of the user contained in VITY object by selecting the information that is particularly effective on behavior prediction path of the user to the portable terminal device 20.

【0084】これにより、当該携帯端末装置20を所持するユーザは、当該ユーザの行動のなかで、その時間帯及び場所毎に必要となる情報を当該ユーザの嗜好に合わせて予め享受することができる。 [0084] Thus, the user who owns the portable terminal device 20, among the actions of the user, the information necessary for respective time zones and locations it is possible to receive beforehand in accordance with the preferences of the user .

【0085】なお、この実施の形態の行動予測システムにおける各機能部の配置例を図16に示す。 [0085] Incidentally, showing an arrangement example of each functional unit in the behavior prediction system of this embodiment in FIG. 16.

【0086】因みに、行動予測システムを用いた情報提供システム10では、各端末装置(PHS等の携帯端末装置20)、通信事業装置部30及び行動パターン解析サーバ33の互いに通信を行う装置間において両者のみで解くことができる暗号を用いるようになされている。 [0086] Incidentally, the information providing system 10 using a behavior prediction system, both between devices communicate with each other for each terminal device (mobile terminal device 20 such as a PHS), wireless service device 30 and the behavior pattern analysis server 33 It has been made to use the encryption that can be solved only.
この暗号方式としては、秘密鍵(共通鍵)暗号方式や公開鍵暗号方式が用いられる。 As this encryption method, secret key (common key) cryptography and public key encryption scheme is used.

【0087】秘密鍵暗号方式は、送信側及び受信側が互いに同じ鍵を使用して暗号データの授受を行う方式であり、データを暗号化するときに用いる鍵は公開しない。 [0087] The secret key encryption system is a system for exchanging encrypted data using the same key transmitting and receiving sides each other, the key used to encrypt the data is not public.
具体的には、DES(Data Encryption Standard)又はトリプルDESがあり、これら秘密鍵方式では暗号復号化処理が速い効果がある。 Specifically, there is a DES (Data Encryption Standard) or Triple DES, in these secret key method has fast effect decryption process.

【0088】また公開鍵方式は、秘密鍵及び公開鍵の2 [0088] The public key system, 2 of the secret key and a public key
種類の鍵を用いてデータを暗号化する方式であり、具体的には、RSA、RC2又はRC4等の方式がある。 A method of encrypting data using the types of keys, specifically, there is a method such as RSA, RC2 or RC4. この公開鍵暗号方式では構成要素(例えば携帯端末装置2 Components in the public key cryptography (e.g., mobile terminal apparatus 2
0、通信事業装置部30、行動パターン解析サーバ3 0, telecommunications equipment unit 30, behavior pattern analysis server 3
3)が増えた場合、鍵の管理が容易になる効果がある。 If 3) is increased, the effect of key management is facilitated.

【0089】(3)実施の形態の動作及び効果 以上の構成において、行動予測システムは、ユーザの停止又は移動している行動状態を携帯端末装置20に設けられたGPS20Pの位置検出情報を基に検出し、ユーザが停止しているときはEVENTを得るためのユーザ位置のサンプリング周期を最も長くする。 [0089] (3) Operation and Effects of Embodiment, behavior prediction system, based on the position detection information GPS20P provided an action state in which the stop or mobile user to the portable terminal device 20 detecting and longest sampling period of the user location to obtain the EVENT when the user has stopped.

【0090】ユーザが停止している場合、又はユーザが低速で移動している場合においては、図17(A)に示すように、当該ユーザの位置を短い周期でサンプリングしても、サンプリングされた位置情報(EVENT1A [0090] If the user has stopped, or when the user is moving at a low speed, as shown in FIG. 17 (A), even if sampling the position of the user in a short period, the sampled position information (EVENT1A
〜EVENT6A、EVENT18A〜EVENT25 ~EVENT6A, EVENT18A~EVENT25
A)は略々同じ情報となる。 A) will be substantially the same information. 従って、行動予測システムでは図3について上述したように、ユーザが停止又は低速で移動している場合に当該ユーザの位置を長い周期でサンプリングすることにより、少ないユーザ位置情報(EVENT1〜EVENT2、EVENT8〜EVE Therefore, as in the behavior prediction system described above with reference to FIG. 3, when the user sampled at a position a long period when the the user is moving at the stop or slow, less user position information (EVENT1~EVENT2, EVENT8~ EVE
NT10)によってユーザ行動の検出精度を実用上十分な程度に保つことができる。 NT10) makes it possible to keep to a practically sufficient extent the accuracy of detection of user behavior.

【0091】これに対してユーザの移動速度が高くなった場合においては、図17(B)に示すように、当該ユーザの位置を長い周期でサンプリングするとサンプリング結果(EVENT4B〜EVENT9B)に基づくユーザ行動の検出精度が劣化する。 [0091] In the case where the moving speed of the user contrast becomes high, as shown in FIG. 17 (B), user behavior based on the sampling the position of the user in a long period sampling result (EVENT4B~EVENT9B) detection accuracy of the deterioration. 従って、行動予測システムでは図3について上述したように、ユーザの移動速度が高くなるに従ってそのサンプリング周期を短くすることにより、当該短いサンプリング周期で検出されたユーザ位置情報(EVENT3〜EVENT7)によってユーザ行動の検出精度を十分な程度に保つことができる。 Therefore, as in the behavior prediction system described above with reference to FIG. 3, by shortening the sampling period in accordance with the movement speed of the user is high, the user action by the user position information (EVENT3~EVENT7) detected by the short sampling period it can be kept in detection accuracy sufficient degree.

【0092】かくして、行動予測システムは、ユーザの移動速度に応じたサンプリング周期で検出されたユーザの位置情報(EVENT)に基づいてユーザの行動を予測することにより、その予測精度を実用上十分な程度に保つことができる。 [0092] Thus, behavior prediction system, by predicting the behavior of the user based on the position information of the user detected at the sampling period corresponding to the moving speed of the user (EVENT), practically sufficient that prediction accuracy it can be kept to a degree.

【0093】以上の構成によれば、ユーザの位置をサンプリングする周期をユーザの移動速度に応じて変化させるようにしたことにより、ユーザが停止又は低い移動速度で移動している場合にはユーザ位置のサンプリング周期を長くすることによりユーザ位置の検出精度を劣化させることなくサンプリング機能部の消費電力を低減することができる。 [0093] According to the above configuration, by which is adapted to be changed in accordance with the period for sampling the position of the user to the moving speed of the user, the user position when the user is moving at a stop or low moving speed it is possible to reduce the power consumption of the sampling function unit without deteriorating the detection accuracy of the user position by the sampling period longer of.

【0094】また、行動予測システムでは、ユーザの移動速度が高くなった場合にはユーザ位置のサンプリング周期を短くすることにより、ユーザの位置を高精度で検出することができる。 [0094] In the behavior prediction system, if the moving speed of the user becomes higher by shortening the sampling period of the user position, it is possible to detect the position of the user with high accuracy.

【0095】また、GPS20P等の位置検出手段を用いた移動検出結果に基づいてユーザ位置のサンプリング周期を決定することにより、ユーザが建物間を移動した場合や同じ場所で接続する基地局が変化した場合、又はユーザが多少移動した場合においてサンプリング周期が不用意に変化することを回避し得る。 [0095] Moreover, by determining the sampling period of the user position based on the movement detection results using the position detecting means such as GPS20P, user base stations connected with the case and the same location moves between buildings has changed If, or sampling period can be prevented from being changed inadvertently when the user has little moved.

【0096】また、行動予測システムでは、ユーザの行動予測精度をユーザの移動速度に関わらず高い精度で保つことができることにより、ユーザに対して渋滞情報、 [0096] In the behavior prediction system, by which it is possible to maintain with high accuracy regardless of the behavior prediction accuracy of the user to the moving speed of the user, traffic jam information to the user,
事故情報又は目的地までの所要時間等の情報提供を一段と高精度で行うことができる。 Providing information required time or the like until the accident information or destination can be performed more accurately.

【0097】(4)他の実施の形態 なお上述の実施の形態においては、携帯端末装置20にGPS20P及びCPU20Aを含むユーザの移動検出手段と、当該移動検出手段によってユーザ位置のサンプリング周期を変更するサンプリング周期変更手段を設ける場合について述べたが、本発明はこれに限らず、例えば携帯端末装置20に設けられたGPS20Pから送信される位置情報に基づいてユーザの位置を特定すると共に当該特定された位置情報に基づいてユーザの移動を検出する移動検出手段をサービスプロバイダ40又は通信事業装置部30側に設けるようにしても良く、構成要素の配置としては種々の配置例を適用することができる。 [0097] (4) In the embodiment noted above embodiment other implementations, a movement detection unit of the user including GPS20P and CPU20A to the portable terminal device 20 changes the sampling period of the user position by the movement detection means it is described to provide a sampling period changing means, the present invention is not limited to this, for example, is the specified with specifying the position of the user based on the position information transmitted from GPS20P provided in the portable terminal device 20 position may be provided with a movement detection means for detecting a movement of the user to the service provider 40 or carriers device unit 30 side based on the information, it is possible to apply the various exemplary arrangement as the arrangement of the components.
この構成要素の配置例及び配置例ごとの効果を図18に示す。 The effect of each arrangement example and exemplary arrangement of the components shown in FIG. 18.

【0098】因みに、移動検出手段をサービスプロバイダ40又は通信事業装置部30に設けた場合には、サービスプロバイダ40又は通信事業装置部30はユーザが移動を開始した時点で行動パターン解析サーバ33により予測されるユーザの行動に基づいて、当該予測される行動が時間的、金銭的に最適なものであるか否かを判断し、当該判断結果に基づく行動ナビゲーション情報をユーザ(携帯端末装置20)に提供することができる。 [0098] Incidentally, in the case of providing the movement detection means to the service provider 40 or carriers device 30, the service provider 40 or carriers device 30 predicted by the behavior pattern analysis server 33 when the user starts to move based on the user's behavior is, the expected behavior in time, it is determined whether a financially optimum, the action navigation information based on the determination result to the user (the mobile terminal device 20) it is possible to provide.

【0099】また上述の実施の形態においては、ユーザの移動速度が高くなるに従ってユーザ位置のサンプリング周期を短くする場合について述べたが、本発明はこれに限らず、例えばユーザが停止している状態と移動している状態の2つの状態でそれぞれ1つずつのサンプリング周期を設定するようにしても良く、設定するサンプリング周期の数は種々適用することができる。 [0099] Further in the above embodiment has dealt with the case of shortening the sampling period of the user position according to the movement speed of the user is high, the present invention is not limited to this, for example, the user is stopped It may be set the sampling period of one each of the two states of the state where the movement, the number of sampling periods to be set can be variously applied and.

【0100】また上述の実施の形態においては、ユーザの位置情報に基づいて得られる移動速度によりユーザの移動を検出する場合について述べたが、本発明はこれに限らず、例えばユーザの位置を検出する際の位置座標をブロック(地域)ごとに分けて管理し、あるブロックから他のブロックへ移動することを検出するようにしても良い。 [0100] Also in the embodiment described above has dealt with the case of detecting the movement of the user by the movement speed obtained based on the position information of the user, the present invention is not limited to this, for example, it detects the position of the user the position coordinates when managed separately for each block (region), it may be detected to be moved from one block to another. この場合、移動検出方法としては、ユーザが所持する携帯端末装置20から当該携帯端末装置20が存在する無線ゾーンの基地局21に対して短い周期で位置登録信号及び携帯端末装置20の識別情報を送信し、アクセスサーバ31において携帯端末装置20の存在ブロックを常に監視するようにしても良い。 In this case, as the movement detection method, the identification information of the portable terminal device 20 from the portable terminal device 20 is the location registration signal and the mobile terminal device in a short period to the base station 21 of radio zone 20 carried by the user transmitted, always may be monitored for the presence blocks of the portable terminal device 20 at the access server 31.

【0101】また上述の実施の形態においては、ユーザの位置情報に基づいて得られる移動速度によりユーザの移動を検出する場合について述べたが、本発明はこれに限らず、例えばユーザが停止状態である場合の位置から所定距離以上移動したとき、ユーザが移動を開始したことを検出するようにしても良い。 [0102] Also in the embodiment described above has dealt with the case of detecting the movement of the user by the movement speed obtained based on the position information of the user, the present invention is not limited to this, for example, the user is stopped when the user moves a predetermined distance or more from the position of a case, it may be detected that the user has started to move.

【0102】また上述の実施の形態においては、ユーザの位置情報に基づいて得られる移動速度によりユーザの移動を検出する場合について述べたが、本発明はこれに限らず、ユーザの速度変化(速度の微分値)が予め設定された一定値以上となったときユーザが移動を開始したと判断するようにしても良い。 [0102] Also in the embodiment described above has dealt with the case of detecting the movement of the user by the movement speed obtained based on the position information of the user, the present invention is not limited to this, the speed change of the user (speed differential value of) may be determined that the user has started to move when a predetermined value or more set in advance.

【0103】また上述の実施の形態においては、ユーザの位置情報に基づいて得られる移動速度によりユーザの移動を検出する場合について述べたが、本発明はこれに限らず、ユーザの移動検出に加えて、移動速度に基づきユーザが利用している移動手段を判別するようにしても良い。 [0103] Also in the embodiment described above has dealt with the case of detecting the movement of the user by the movement speed obtained based on the position information of the user, the present invention is not limited thereto, in addition to movement detection of the user Te, the user based on the moving speed may be to determine the moving means are utilized. 例えば、行動予測システムにおいて、検出されたユーザの移動速度が所定の移動速度以下である場合には、ユーザが徒歩で移動していると判断し、これに対してユーザの移動速度が所定の速度以上である場合には、 For example, the behavior prediction system, when the moving speed of the detected user is below a predetermined moving speed, determines that the user is moving on foot, the speed moving speed of the user is a predetermined contrast the case is greater than or equal to,
鉄道等を利用していると判断するようにしても良い。 It may be determined that the use of the railway and the like. このような判断を行うことにより、行動予測システムは、 By performing such determination, behavior prediction system,
ユーザの経由地や利用交通機関の予測が一段と容易になる。 Prediction of a user of the transit point and use transportation becomes more easily.

【0104】また上述の実施の形態においては、携帯端末装置20としてPHSを用いた場合について述べたが、本発明はこれに限らず、例えばPDA(Personal Di [0104] Further in the above embodiment, it has dealt with the case of using a PHS as a mobile terminal device 20, the present invention is not limited to this, for example, PDA (Personal Di
gitalAssistant)、カーナビゲーションシステム、パーソナルコンピュータ、携帯テレビ、携帯ラジオ等、他の種々の携帯端末装置を適用することができる。 GitalAssistant), a car navigation system, a personal computer, a portable television, a portable radio or the like, it is possible to apply other various portable terminal devices.

【0105】また上述の実施の形態においては、行動予測の結果に基づいてユーザの予測行動エリアに関する種々の情報を提供する場合について述べたが、本発明はこれに限らず、行動予測の結果と現在位置とを比較し、当該比較結果が異なる場合にその旨をユーザに通知する等、提供する情報として種々の情報を適用し得る。 [0105] Also in the embodiment described above has dealt with the case of providing a variety of information about the prediction behavior area of ​​the user based on the result of the behavior prediction, the present invention is not limited to this, the result of the behavior prediction and comparing the current position, etc. of the comparison result to notify the user if different, may be applied a variety of information as information to be provided.

【0106】また上述の実施の形態においては、ネットワークに接続されたサービスプロバイダを利用する場合について述べたが、本発明はこれに限らず、他の種々の情報提供手段を利用することができる。 [0106] Also in the embodiment described above has dealt with the case of using a service provider connected to the network, the present invention is not limited to this, it is possible to use various other information providing unit.

【0107】また上述の実施の形態においては、サンプリング周期変更部20Sとして図14について上述したように複数の分周回路123を有する回路を用いる場合について述べたが、本発明はこれに限らず、例えばCP [0107] Also in the embodiment described above has dealt with the case of using a circuit having a plurality of divider circuit 123 as described above with respect to FIG. 14 as a sampling period changing unit 20S, the present invention is not limited to this, For example, CP
U20Aにおいて移動速度に応じたサンプリング周期を所定の関数SP=aV+b(但し、サンプリング周期をSP、移動速度をV、定数をa、bとする)を用いて算出し、当該算出されたサンプリング周期で位置登録信号を送信するようにしても良い。 Predetermined function sampling cycle corresponding to the moving speed at U20A SP = aV + b (where the sampling period SP, the moving speed V, and the constant a, and b) the sampling period is calculated, which is the calculated using the location registration signal may be transmitted.

【0108】 [0108]

【発明の効果】上述のように本発明によれば、予測対象の停止又は移動状態を検出し、検出された予測対象の停止又は移動状態に応じた周期で予測対象の行動履歴の離散情報をサンプリングし、サンプリングされた離散情報から予測対象の単位行動履歴情報を抽出し、抽出された単位行動履歴情報に基づいて、予測対象の行動を予測することにより、予測対象の停止又は移動状態に応じてサンプリングされた離散情報により高精度で予測対象の行動を予測することができる。 Effects of the Invention According to the present invention as described above, detects a stopped or moving condition of the prediction target, the discrete information of the prediction target action history at a cycle corresponding to the stop or moving state of the detected prediction target sampling, extracting unit behavior history information of the prediction target from the sampled discrete information, based on the extracted unit behavior history information by predicting the behavior of the prediction target, depending on the stopped or moving state of the prediction target it is possible to predict the behavior of the prediction target with high accuracy by the discrete information sampled Te.

【図面の簡単な説明】 BRIEF DESCRIPTION OF THE DRAWINGS

【図1】本発明による離散系モデルの説明に供する略線図である。 1 is a schematic diagram illustrating the discrete-system model according to the present invention.

【図2】離散系モデルの表現方法の説明に供する略線図である。 2 is a schematic diagram illustrating a representation of the discrete-system model.

【図3】EVENT列からACTIVITYを抽出する方法を示す略線図である。 3 is a schematic diagram showing a method of extracting ACTIVITY from EVENT column.

【図4】ユーザ位置のサンプリング周期変更処理手順を示すフローチャートである。 4 is a flow chart showing a sampling cycle changing procedure of user position.

【図5】EVENT列からACTIVITYを抽出する方法を示すフローチャートである。 5 is a flowchart illustrating a method for extracting ACTIVITY from EVENT column.

【図6】Stay ACTIVITY及び Move ACTIV [6] Stay ACTIVITY and Move ACTIV
ITYの説明に供する略線図である。 It is a schematic diagram illustrating a ITY.

【図7】Stay ACTIVITYオブジェクトに割り当てられる情報を示す略線図である。 7 is a schematic diagram showing the information assigned to Stay ACTIVITY object.

【図8】ACTIVITYの更新方法を示すブロック図である。 8 is a block diagram illustrating a method of updating ACTIVITY.

【図9】Move ACTIVITYオブジェクトに割り当てられる情報を示す略線図である。 9 is a schematic diagram showing the information assigned to Move ACTIVITY object.

【図10】行動予測処理の説明に供する略線図である。 10 is a schematic diagram for describing the behavior prediction process.

【図11】ユーザの行動パターンの予測結果を示す略線図である。 11 is a schematic diagram showing the prediction result of the user's action pattern.

【図12】本発明による行動予測システムを用いた情報提供システムの全体構成を示す略線的接続図である。 12 is a schematic connection diagram illustrating the overall configuration of an information providing system using a behavior prediction system according to the present invention.

【図13】携帯端末装置の構成を示すブロック図である。 13 is a block diagram showing a configuration of a mobile terminal device.

【図14】サンプリング周期変更部の構成 [14] The configuration of the sampling period modification unit

【図15】サーバの構成を示すブロック図である。 15 is a block diagram showing a configuration of a server.

【図16】構成要素の配置例を示すブロック図である。 16 is a block diagram showing an example of the arrangement of components.

【図17】異なるサンプリング周期でサンプリングされたユーザ位置情報を示す略線図である。 17 is a schematic diagram showing a user position information sampled at different sampling periods.

【図18】他の実施の形態による構成要素の配置例を示すブロック図である。 18 is a block diagram showing an example of an arrangement of components according to another embodiment.

【符号の説明】 DESCRIPTION OF SYMBOLS

10……情報提供システム、20……携帯端末装置、2 10 ...... information providing system, 20 ...... portable terminal device, 2
0A、41A……CPU、20B、41B……メモリ、 0A, 41A ...... CPU, 20B, 41B ...... memory,
20S……サンプリング周期変更部、20P……GP 20S ...... sampling period changing unit, 20P ...... GP
S、21……基地局、22……通信回線、30……通信事業装置部、31……アクセスサーバ、33……行動パターン解析サーバ、34……行動パターン記憶部、35 S, 21 ...... base station, 22 ...... communication line, 30 ...... carriers apparatus unit, 31 ...... access server, 33 ...... behavioral pattern analysis server 34 ...... behavior pattern storage unit, 35
……位置情報記憶部、40……サービスプロバイダ、4 ...... positional information storage unit, 40 ...... service provider, 4
1……サーバ。 1 ...... server.

───────────────────────────────────────────────────── フロントページの続き Fターム(参考) 5B049 CC02 DD01 DD03 DD05 EE05 EE12 EE31 EE59 FF03 FF04 FF06 FF09 GG03 GG04 GG06 GG07 GG10 5K067 AA21 AA43 BB04 BB36 EE07 EE22 FF03 FF07 JJ56 JJ65 KK01 KK13 KK15 ────────────────────────────────────────────────── ─── front page of continued F-term (reference) 5B049 CC02 DD01 DD03 DD05 EE05 EE12 EE31 EE59 FF03 FF04 FF06 FF09 GG03 GG04 GG06 GG07 GG10 5K067 AA21 AA43 BB04 BB36 EE07 EE22 FF03 FF07 JJ56 JJ65 KK01 KK13 KK15

Claims (19)

    【特許請求の範囲】 [The claims]
  1. 【請求項1】予測対象の行動を予測する行動予測方法において、 上記予測対象の停止又は移動状態を検出する移動検出ステップと、 上記検出された上記予測対象の停止又は移動状態に応じた周期で上記予測対象の行動履歴の離散情報をサンプリングする行動履歴取得ステップと、 上記取得された離散情報から上記予測対象の単位行動履歴情報を抽出する単位行動履歴抽出ステップと、 上記抽出された単位行動履歴情報に基づいて、上記予測対象の行動を予測する行動予測ステップとを具えることを特徴とする行動予測方法。 1. A behavior prediction method for predicting the behavior of the prediction target, the movement detection step of detecting a stop or moving state of the prediction target, at a cycle corresponding to the stop or moving state of the prediction target which is the detecting and action history acquiring step of sampling discrete information of the prediction target action history, the unit action history extracting unit action history information of the prediction target from discrete information the acquired, the extracted unit behavior history based on the information, the behavior prediction method characterized by comprising the behavior prediction step of predicting the behavior of the prediction target.
  2. 【請求項2】上記移動検出ステップは、 上記予測対象の移動速度が所定値に達したとき上記予測対象の移動状態を検出することを特徴とする請求項1に記載の行動予測方法。 Wherein said movement detecting step, the behavior prediction method according to claim 1, characterized in that to detect the moving state of the prediction target when the moving speed of the prediction target has reached a predetermined value.
  3. 【請求項3】上記行動履歴取得ステップは、 上記予測対象が停止しているとき上記離散情報を最も長い周期でサンプリングし、 上記予測対象が移動しているとき上記停止状態でのサンプリング周期よりも短い周期で上記離散情報をサンプリングすることを特徴とする請求項1に記載の行動予測方法。 Wherein said action history acquisition step, sampling the longest period the discrete information when the prediction target is stopped, than the sampling period in the stopped state when the prediction target is moving behavior prediction method according to claim 1, characterized in that sampling the discrete information in a short period.
  4. 【請求項4】上記移動検出ステップは、上記予測対象の移動状態として上記予測対象の移動の度合いを検出し、 上記行動履歴取得ステップは、上記検出された移動の度合いに応じた周期で上記予測対象の行動履歴の離散情報をサンプリングすることを特徴とする請求項1に記載の行動予測方法。 Wherein said movement detecting step, a moving state of the prediction target detects the degree of movement of the prediction target, the action history acquiring step, the prediction at a cycle corresponding to the degree of movement that is the detected behavior prediction method according to claim 1, wherein sampling the discrete information of the target behavior history.
  5. 【請求項5】上記行動履歴取得ステップは、 上記予測対象が停止しているとき上記離散情報を最も長い周期でサンプリングし、 上記予測対象が移動しているとき移動の度合いが大きい程上記離散情報のサンプリング周期を短くすることを特徴とする請求項4に記載の行動予測方法。 Wherein said action history acquisition step, the discrete information is sampled at the longest cycle, the discrete information larger the degree of movement when the prediction target is moving when the prediction target is stopped behavior prediction method according to claim 4, characterized in that to shorten the sampling period.
  6. 【請求項6】上記移動検出ステップは、 上記予測対象の移動の度合いとして上記予測対象の移動速度を検出することを特徴とする請求項4に記載の行動予測方法。 Wherein said movement detecting step, the behavior prediction method according to claim 4, characterized in that to detect the moving speed of the prediction target as the degree of movement of the prediction target.
  7. 【請求項7】予測対象の行動を予測する行動予測装置において、 上記予測対象の停止又は移動状態を検出する移動検出手段と、 上記検出された上記予測対象の停止又は移動状態に応じた周期で上記予測対象の行動履歴の離散情報をサンプリングする行動履歴取得手段と、 上記取得された離散情報から上記予測対象の単位行動履歴情報を抽出する単位行動履歴抽出手段と、 上記抽出された単位行動履歴情報に基づいて、上記予測対象の行動を予測する行動予測手段とを具えることを特徴とする行動予測装置。 7. The behavior prediction unit that predicts the behavior of the prediction target, the movement detecting means for detecting a stopped or moving state of the prediction target, at a cycle corresponding to the stop or moving state of the prediction target which is the detecting and action history obtaining means for sampling the discrete information of the prediction target action history, the unit action history extraction means for extracting a unit action history information of the prediction target from the acquired discrete information, the extracted unit behavior history based on the information, the behavior predicting unit, characterized in that it comprises a behavior prediction means for predicting the behavior of the prediction target.
  8. 【請求項8】上記移動検出手段は、 上記予測対象の移動速度が所定値に達したとき上記予測対象の移動状態を検出することを特徴とする請求項7に記載の行動予測装置。 8. said movement detecting means, behavior prediction apparatus according to claim 7, characterized in that to detect the moving state of the prediction target when the moving speed of the prediction target has reached a predetermined value.
  9. 【請求項9】上記行動履歴取得手段は、 上記予測対象が停止しているとき上記離散情報を最も長い周期でサンプリングし、 上記予測対象が移動しているとき上記停止状態でのサンプリング周期よりも短い周期で上記離散情報をサンプリングすることを特徴とする請求項7に記載の行動予測装置。 9. The action history acquisition means sampling the longest period the discrete information when the prediction target is stopped, than the sampling period in the stopped state when the prediction target is moving behavior prediction apparatus according to claim 7, characterized in that sampling the discrete information in a short period.
  10. 【請求項10】上記移動検出手段は、上記予測対象の移動状態として上記予測対象の移動の度合いを検出し、 上記行動履歴取得手段は、上記検出された移動の度合いに応じた周期で上記予測対象の行動履歴の離散情報をサンプリングすることを特徴とする請求項7に記載の行動予測装置。 10. The movement detecting means detects the degree of movement of the prediction target as a moving state of the prediction target, the action history acquisition means, the prediction at a cycle corresponding to the degree of movement that is the detected behavior prediction apparatus according to claim 7, wherein sampling the discrete information of the target behavior history.
  11. 【請求項11】上記行動履歴取得手段は、 上記予測対象が停止しているとき上記離散情報を最も長い周期でサンプリングし、 上記予測対象が移動しているとき移動の度合いが大きい程上記離散情報のサンプリング周期を短くすることを特徴とする請求項10に記載の行動予測装置。 11. The action history acquisition means, the discrete information is sampled at the longest cycle, the discrete information larger the degree of movement when the prediction target is moving when the prediction target is stopped behavior prediction apparatus according to claim 10, characterized in that to shorten the sampling period.
  12. 【請求項12】上記移動検出手段は、 上記予測対象の移動の度合いとして上記予測対象の移動速度を検出することを特徴とする請求項10に記載の行動予測装置。 12. The movement detection means, behavior prediction apparatus according to claim 10, characterized in that to detect the moving speed of the prediction target as the degree of movement of the prediction target.
  13. 【請求項13】予測対象の行動を予測する行動予測装置において、 上記予測対象の停止又は移動状態に応じた周期で上記予測対象の行動履歴の離散情報をサンプリングする行動履歴取得手段と、 上記取得された離散情報から上記予測対象の単位行動履歴情報を抽出する単位行動履歴抽出手段と、 上記抽出された単位行動履歴情報に基づいて、上記予測対象の行動を予測する行動予測手段とを具えることを特徴とする行動予測装置。 13. The behavior prediction unit that predicts the behavior of the prediction target, the action history obtaining means for sampling the discrete information of the prediction target action history at a cycle corresponding to the stop or moving state of the prediction target, the obtained comprising a unit action history extraction means for extracting a unit action history information of the prediction target from the discrete information, based on the unit behavior history information of the extracted, and a behavior prediction means for predicting the behavior of the prediction target behavior predicting unit, characterized in that.
  14. 【請求項14】上記行動履歴取得手段は、 上記予測対象が停止しているとき上記離散情報を最も長い周期でサンプリングし、 上記予測対象が移動しているとき上記停止状態でのサンプリング周期よりも短い周期で上記離散情報をサンプリングすることを特徴とする請求項13に記載の行動予測装置。 14. The action history acquisition means sampling the longest period the discrete information when the prediction target is stopped, than the sampling period in the stopped state when the prediction target is moving behavior prediction apparatus according to claim 13, characterized in sampling the said discrete information in a short period.
  15. 【請求項15】上記移動検出手段は、上記予測対象の移動状態として上記予測対象の移動の度合いを検出し、 上記行動履歴取得手段は、上記予測対象の移動状態である移動の度合いに応じた周期で上記予測対象の行動履歴の離散情報をサンプリングすることを特徴とする請求項13に記載の行動予測装置。 15. The movement detecting means detects the degree of movement of the prediction target as a moving state of the prediction target, the action history acquisition means, according to the degree of movement is a movement state of the prediction target period in behavior prediction apparatus according to claim 13, wherein sampling the discrete information of the prediction target behavior history.
  16. 【請求項16】上記行動履歴取得手段は、 上記予測対象が停止しているとき上記離散情報を最も長い周期でサンプリングし、 上記予測対象が移動しているとき移動の度合いが大きい程上記離散情報のサンプリング周期を短くすることを特徴とする請求項15に記載の行動予測装置。 16. The action history acquisition means, the discrete information is sampled at the longest cycle, the discrete information larger the degree of movement when the prediction target is moving when the prediction target is stopped behavior prediction apparatus according to claim 15, characterized in that to shorten the sampling period.
  17. 【請求項17】情報提供対象に情報を提供する情報提供方法において、 上記情報提供対象の停止又は移動状態を検出する移動検出ステップと、 上記検出された上記情報提供対象の停止又は移動状態に応じた周期で上記情報提供対象の行動履歴の離散情報をサンプリングする行動履歴取得ステップと、 上記取得された離散情報から上記情報提供対象の単位行動履歴情報を抽出する単位行動履歴抽出ステップと、 上記抽出された単位行動履歴情報に基づいて、上記情報提供対象の行動を予測する行動予測ステップと、 上記予測された上記情報提供対象の予測行動に基づいて、上記予測行動に関連した情報を上記情報提供対象に送信する情報送信ステップとを具えることを特徴とする情報提供方法。 17. The information providing method for providing information to the information provision target, and movement detection step of detecting a stop or moving state of the information providing object, according to the detected stopped or moving state of the information providing target and action history acquiring step of sampling discrete information of the information providing target behavior history periodically with a unit action history extracting unit action history information of the information providing target from the discrete information the acquired, the extraction on the basis of the unit behavior history information, a behavior prediction step of predicting the behavior of the information providing target, based on the predicted the information providing target predictive behavior, providing the information the information associated with the predicted behavior information providing method characterized by comprising an information transmission step of transmitting to the target.
  18. 【請求項18】情報提供対象に情報を提供する情報提供装置において、 上記情報提供対象の停止又は移動状態を検出する移動検出手段と、 上記検出された上記情報提供対象の停止又は移動状態に応じた周期で上記情報提供対象の行動履歴の離散情報をサンプリングする行動履歴取得手段と、 上記取得された離散情報から上記情報提供対象の単位行動履歴情報を抽出する単位行動履歴抽出手段と、 上記抽出された単位行動履歴情報に基づいて、上記情報提供対象の行動を予測する行動予測手段と、 上記予測された上記情報提供対象の予測行動に基づいて、上記予測行動に関連した情報を上記情報提供対象に送信する情報送信手段とを具えることを特徴とする情報提供装置。 18. The information providing apparatus for providing information to the information provision target, and movement detecting means for detecting a stopped or moving state of the information providing object, according to the detected stopped or moving state of the information providing target and action history obtaining means for sampling the discrete information of the information providing target behavior history periodically with a unit action history extraction means for extracting a unit action history information of the information providing object from the acquired discrete information, the extraction on the basis of the unit behavior history information, a behavior prediction means for predicting the behavior of the information providing target, based on the predicted the information providing target predictive behavior, providing the information the information associated with the predicted behavior information providing apparatus characterized by comprising an information transmitting means for transmitting to the target.
  19. 【請求項19】情報提供対象に情報を提供する情報提供装置において、 上記情報提供対象の停止又は移動状態に応じた周期で上記情報提供対象の行動履歴の離散情報をサンプリングする行動履歴取得手段と、 上記取得された離散情報から上記情報提供対象の単位行動履歴情報を抽出する単位行動履歴抽出手段と、 上記抽出された単位行動履歴情報に基づいて、上記情報提供対象の行動を予測する行動予測手段と、 上記予測された上記情報提供対象の予測行動に基づいて、上記予測行動に関連した情報を上記情報提供対象に送信する情報送信手段とを具えることを特徴とする情報提供装置。 19. The information providing apparatus for providing information to the information provision target, the action history obtaining means for sampling the discrete information of the information providing target action history at a cycle corresponding to the stop or moving state of the information providing target , a unit action history extraction means for extracting a unit action history information of the information providing object from the acquired discrete information, based on the unit behavior history information of the extracted actions prediction for predicting the behavior of the information providing target and means, based on the predicted the information providing target prediction behavior, the information providing apparatus characterized by comprising an information transmitting means for transmitting information relating to the prediction behavior to the information providing target.
JP18251899A 1999-06-28 1999-06-28 Method and device for predicting action and providing information Pending JP2001014297A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP18251899A JP2001014297A (en) 1999-06-28 1999-06-28 Method and device for predicting action and providing information

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP18251899A JP2001014297A (en) 1999-06-28 1999-06-28 Method and device for predicting action and providing information

Publications (1)

Publication Number Publication Date
JP2001014297A true true JP2001014297A (en) 2001-01-19

Family

ID=16119711

Family Applications (1)

Application Number Title Priority Date Filing Date
JP18251899A Pending JP2001014297A (en) 1999-06-28 1999-06-28 Method and device for predicting action and providing information

Country Status (1)

Country Link
JP (1) JP2001014297A (en)

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004034725A1 (en) * 2002-10-10 2004-04-22 Matsushita Electric Industrial Co., Ltd. Information acquisition method, information providing method, and information acquisition device
KR100763238B1 (en) 2006-05-26 2007-10-04 삼성전자주식회사 Landmark ditecting apparatus and method for mobile device
JP2007263972A (en) * 2002-10-10 2007-10-11 Matsushita Electric Ind Co Ltd Information presenting method and device
WO2007148378A1 (en) * 2006-06-20 2007-12-27 Navitime Japan Co., Ltd. Route search system, route search server, terminal, and route search method
JP2008152655A (en) * 2006-12-19 2008-07-03 Ntt Docomo Inc Information service provision system, object behavior estimation apparatus and object behavior estimation method
JP2009141855A (en) * 2007-12-10 2009-06-25 Ntt Docomo Inc Mobile communication system, location registration period defining node, mobile unit, and location registration method of mobile communication
US7684928B2 (en) 2002-09-24 2010-03-23 Sanyo Electric Co., Ltd. Navigation apparatus and server apparatus
JP2011059924A (en) * 2009-09-09 2011-03-24 Sony Corp Data processing apparatus, data processing method, and program
JP2012503824A (en) * 2008-09-26 2012-02-09 マイクロソフト コーポレーション Geography - prediction advertisement targeting time-based
KR101111218B1 (en) * 2008-08-19 2012-03-05 황진상 Apparatus and methods for revising living habits
JP2012123534A (en) * 2010-12-07 2012-06-28 Hitachi Automotive Systems Ltd Action support system
JP2013042360A (en) * 2011-08-16 2013-02-28 Sony Corp Information processing unit, information processing method, and program
JP2013206139A (en) * 2012-03-28 2013-10-07 Casio Comput Co Ltd Information processing apparatus, information processing method and program
JP2015230717A (en) * 2014-06-06 2015-12-21 ヤフー株式会社 Extraction device, extraction method, and extraction program
JP2018033175A (en) * 2012-12-21 2018-03-01 日本電気株式会社 Apparatus and scs entities

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7684928B2 (en) 2002-09-24 2010-03-23 Sanyo Electric Co., Ltd. Navigation apparatus and server apparatus
JP2007263972A (en) * 2002-10-10 2007-10-11 Matsushita Electric Ind Co Ltd Information presenting method and device
US7487918B2 (en) 2002-10-10 2009-02-10 Panasonic Corporation Information acquisition method, information presenting method, and information acquisition system
WO2004034725A1 (en) * 2002-10-10 2004-04-22 Matsushita Electric Industrial Co., Ltd. Information acquisition method, information providing method, and information acquisition device
KR100763238B1 (en) 2006-05-26 2007-10-04 삼성전자주식회사 Landmark ditecting apparatus and method for mobile device
US8442754B2 (en) 2006-05-26 2013-05-14 Samsung Electronics Co., Ltd. Apparatus, method and medium detecting landmarks with a mobile device
WO2007148378A1 (en) * 2006-06-20 2007-12-27 Navitime Japan Co., Ltd. Route search system, route search server, terminal, and route search method
KR101047734B1 (en) 2006-06-20 2011-07-07 가부시키가이샤 나비타이무쟈판 A route search system, a route search server, the terminal device and route search method
JP2008152655A (en) * 2006-12-19 2008-07-03 Ntt Docomo Inc Information service provision system, object behavior estimation apparatus and object behavior estimation method
JP4538046B2 (en) * 2007-12-10 2010-09-08 株式会社エヌ・ティ・ティ・ドコモ Mobile communication system, the location registration period defining node, mobile device, and a location registration method of a mobile communication
JP2009141855A (en) * 2007-12-10 2009-06-25 Ntt Docomo Inc Mobile communication system, location registration period defining node, mobile unit, and location registration method of mobile communication
KR101111218B1 (en) * 2008-08-19 2012-03-05 황진상 Apparatus and methods for revising living habits
JP2012503824A (en) * 2008-09-26 2012-02-09 マイクロソフト コーポレーション Geography - prediction advertisement targeting time-based
JP2011059924A (en) * 2009-09-09 2011-03-24 Sony Corp Data processing apparatus, data processing method, and program
JP2012123534A (en) * 2010-12-07 2012-06-28 Hitachi Automotive Systems Ltd Action support system
JP2013042360A (en) * 2011-08-16 2013-02-28 Sony Corp Information processing unit, information processing method, and program
US9398537B2 (en) 2011-08-16 2016-07-19 Sony Corporation Information processing apparatus, information processing method, and program
JP2013206139A (en) * 2012-03-28 2013-10-07 Casio Comput Co Ltd Information processing apparatus, information processing method and program
JP2018033175A (en) * 2012-12-21 2018-03-01 日本電気株式会社 Apparatus and scs entities
JP2015230717A (en) * 2014-06-06 2015-12-21 ヤフー株式会社 Extraction device, extraction method, and extraction program

Similar Documents

Publication Publication Date Title
US7574222B2 (en) Method and system for location management and location information providing system
US6618668B1 (en) System and method for obtaining vehicle schedule information in an advance notification system
US20100082241A1 (en) Method and system for providing navigational services
US20060253453A1 (en) Time and location-based non-intrusive advertisements and informational messages
US20050251326A1 (en) Web service for mobile device tracking
US6824048B1 (en) Information transmission system and method
US20040171373A1 (en) Mobile communication terminal, server, communication system, communication control method, and communication control program
US6985747B2 (en) Use of triggers and a location hypercube to enable push-based location applications
US20040038665A1 (en) Mobile telephone, and advertisement distributing method and distributing system for its use
US20100120422A1 (en) Positioning service utilizing existing radio base stations
US20050059410A1 (en) System and method for providing differential location services
US20070142060A1 (en) Surveying wireless device users by location
US20060025157A1 (en) Location judgment method using cell broadcast, mobile terminal thereof, and program
US7355528B2 (en) Traffic information providing system and car navigation system
US20080242319A1 (en) Method and system for monitoring a mobile device over a video network
US20100070171A1 (en) System and Method for Real-Time Travel Path Prediction and Automatic Incident Alerts
US20070042770A1 (en) Information distribution
US6317060B1 (en) Base station system and method for monitoring travel of mobile vehicles and communicating notification messages
US20060009152A1 (en) Method and application for automatic tracking of mobile devices for computer network processor systems
US20010034660A1 (en) Goods and services referring by location
WO2000041104A2 (en) A method and system for managing mobile workers
US7529835B1 (en) Website changes to scalability, capacity, server impact, bandwidth and end-user presentation based on a triggered event
US7054614B1 (en) Context privacy for delivery of context-aware content for wireless terminals
JPH11272698A (en) Information providing system
US20050278415A1 (en) Highly reliable and scalable architecture for data centers

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20060302

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20081002

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20081106

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20081211