JP2010014592A - 移動手段判定装置、及び移動手段判定方法 - Google Patents

Abstract

【課題】携帯端末のユーザの移動手段を簡便かつ正確に判定することができる移動手段判定装置、及び移動手段判定方法を提供する。
【解決手段】
本発明の一態様にかかる移動手段判定装置は、測位手段１１を有する携帯端末１０から収集された位置情報から、携帯端末１０のユーザの移動手段を判定する移動手段判定装置であって、測位手段１１で取得された位置情報の履歴を記憶する位置情報記憶手段５１と、位置情報記憶手段５１に記憶された位置情報の履歴を用いて、携帯端末１０のユーザの移動手段を判定する判定手段５３と、を備えるものである。
【選択図】図１

Description

本発明は、移動手段判定装置、及び移動手段判定方法に関し、特に詳しくは、携帯端末の測位手段によって得られる位置情報に基づいて移動手段を判定する移動手段判定装置、及び移動手段判定方法に関する。

近年、携帯電話にＧＰＳ機能を持たせて、現在位置を取得するＧＰＳ携帯が利用される（特許文献１〜３）。そして、ＧＰＳで取得した現在位置をネットワークを介して収集している。例えば、特許文献２では、位置情報の履歴を収集して、ユーザの移動経路を地図上に表示させている。また、特許文献３では、位置の変化を検出して、検出結果を報知している。

特開２００７−３３６４８６号公報 特開２００１−１９４１７７号公報 特開２００２−１３９３４５号公報

Ｓｅｒｖｉｃｅ Ｄｅｌｉｖｅｒｙ Ｐｌａｔｆｏｒｍ（ＳＤＰ）と呼ばれる通信事業者が持つネットワーク機能をＡＰＩ（Ａｐｐｌｉｃａｔｉｏｎ Ｐｒｏｇｒａｍ Ｉｎｔｅｒｆａｃｅ）として外部のアプリケーションに公開するためのプラットフォームに注目が集まっている。このＳＤＰのＡＰＩとしては、例えば、ＥＴＳＩ、３ＧＰＰ、Ｐａｒｌａｙ Ｇｒｏｕｐで標準化が進むＰａｒｌａｙ Ｘと呼ばれるＡＰＩがある。このＰａｒｌａｙ ＸのＡＰＩでは、通信事業者が有する電話をかける、ＳＭＳを送受信する、携帯端末の位置情報を取得する、携帯電話ユーザのプレゼンスを取得するといった機能を規定している。

また、携帯電話端末において衛星測位システム機能(ＧＰＳ機能)を持つことが、緊急通話の場合の位置特定やパーソナルナビゲーションといったニーズから、一般的になりつつある。この携帯電話端末における位置情報は、カーナビゲーションシステムに用いられているものと比べ以下の点が異なる。

（１）道路上だけを走行するわけではない。
（２）速度センサーやジャイロなどを使って、精度向上を図ることは考えられていない。
（３）移動手段は車だけではなく、鉄道、バス、タクシー、徒歩、自転車など様々な手段が取られる。
（４）道路に比べ、建物の近くを歩く場合の単独測位における精度は低くなる傾向がある。
（５）Ｐａｒｌａｙ Ｘなどでは、ＡＰＩとして位置情報取得間隔を5秒などと設定可能であるように規定しているが、電波が届かない、サーバ側のリソースの問題などから、システム上その間隔が常に保障されることはほぼないと推測される。一方、カーナビゲーションでは、衛星測位から得られる情報だけでなく、ジャイロ、速度センサー、道路情報などを使って、位置を計算しているため、正確に位置情報取得間隔を刻むことが可能である。

カーナビゲーションの分野においては、プローブカーというものを走らせて、その位置情報と時刻情報とを通信機能を使って取得し、渋滞情報などの交通情報を提供することが考えられている。これを使えば、現在、カメラなどを設置して特定個所の渋滞情報を作成しているシステムで、提供できていない範囲の交通情報を低コストで提供することができる。このプローブカーには、例えば、タクシーなどが考えられている。具体的にはタクシープローブ実用化研究会を昨年１２月に立ち上げている。(http://panasonic.co.jp/corp/news/official.data/data.dir/jn071221-4/jn071221-4.html)。

このプローブカーの役割を携帯電話はもちろん果たすことができる。しかし、その場合、上記箇条書きで示した（１）〜（５）の項目を考慮した上でないと、ナビゲーションで活用できる情報を生成することはできない。

ＧＰＳを搭載した携帯端末では、ＧＰＳを搭載したカーナビゲーションと異なり、ユーザの移動手段が変化する。例えば、携帯端末を保持するユーザが自動車や列車に乗って移動することがある。しかしながら、従来の装置では、移動手段を判定することができないという問題点がある。よって、移動手段が変化する場合、適切な情報を生成することができないという問題点がある。

本発明は、このような問題点を解決するためになされたもので、携帯端末のユーザの移動手段を簡便かつ正確に判定することができる移動手段判定装置、及び移動手段判定方法を提供することを目的とする。

本発明の第１の態様にかかる移動手段判定装置は、測位手段を有する携帯端末から収集された位置情報から、前記携帯端末のユーザの移動手段を判定する移動手段判定装置であって、前記測位手段で取得された位置情報の履歴を記憶する位置情報記憶手段と、前記位置情報記憶手段に記憶された位置情報の履歴を用いて、前記携帯端末のユーザの移動手段を判定する判定手段と、を備えるものである。これにより、より簡便に移動手段を判定することができる。
本発明の第２の態様にかかる移動手段判定装置は、上記の移動手段判定装置であって、前記判定手段で判定された移動手段に応じて、重み情報を算出するものである。これにより、移動手段毎に適切な重み情報を生成することができる。

本発明の第３の態様にかかる移動手段判定装置は、上記の移動手段判定装置であって、前記位置情報の履歴から、移動速度を算出し、前記移動速度に基づいて、前記移動手段を判定しているものである。これにより、より簡便に移動手段を判定することができる。

本発明の第４の態様にかかる移動手段判定装置は、上記の移動手段判定装置であって、予め収集された学習用データからしきい値を決定し、前記しきい値と前記移動速度の比較結果に応じて、移動手段を判定しているものである。これにより、より簡便に移動手段を判定することができる。
本発明の第５の態様にかかる移動手段判定装置は、上記の移動手段判定装置であって、前記移動速度の分散を算出し、前記移動速度の分散に基づいて、前記移動手段を判定しているものである。これにより、より簡便に移動手段を判定することができる。
本発明の第６の態様にかかる移動手段判定装置は、上記の移動手段判定装置であって、前記前記位置情報の履歴から移動方向の履歴を求めて、前記移動方向の偏角を算出し、前記偏角に基づいて、前記移動手段を判定しているものである。これにより、より簡便に移動手段を判定することができる。
本発明の第７の態様にかかる移動手段判定装置は、上記の移動手段判定装置であって、前記偏角の分散を算出し、前記偏角の分散に基づいて、前記移動手段を判定しているものである。これにより、より簡便に移動手段を判定することができる。
本発明の第８の態様にかかる移動手段判定装置は、上記の移動手段判定装置であって、前記位置情報の履歴から所定の期間において移動した距離及び方向に応じた移動ベクトルを求め、前記移動ベクトルの出現パターンに応じて移動手段を判定しているものである。これにより、より正確に移動手段を判定することができる。
本発明の第９の態様にかかる移動手段判定装置は、上記の移動手段判定装置であって、前記所定の期間における位置情報の履歴のデータから前記移動速度の分散、及び前記移動方向の分散を算出し、前記移動速度の分散、及び前記移動方向の分散に応じて、前記移動ベクトルをグループ分けして、前記グループの出現パターンによって、移動手段を判定しているものである。これにより、簡便にグループ分けすることができるため、確実かつ簡便に移動手段を判定することができる。

本発明の第１０の態様にかかる移動手段判定装置は、上記の移動手段判定装置であって、前記ユーザが移動する領域の地図情報を記憶する地図情報記憶手段をさらに備え、前記地図情報記憶手段に記憶された地図情報を参照して、前記移動手段を判定しているものである。これにより、より正確に移動手段を判定することができる。

本発明の第１１の態様にかかる移動手段判定方法は、測位手段を有する携帯端末から収集された位置情報から、前記携帯端末のユーザの移動手段を判定する移動手段判定方法であって、前記測位手段で取得された位置情報の履歴を入力するステップと、前記位置情報の履歴を用いて、前記携帯端末のユーザの移動手段を判定するステップと、を備えるものである。これにより、より簡便に移動手段を判定することができる。

本発明の第１２の態様にかかる移動手段判定方法は、上記の移動手段判定方法であって、前記判定するステップで判定された移動手段に応じて重み情報を算出するものである。これにより、移動手段毎に適切な重み情報を生成することができる。

本発明の第１３の態様にかかる移動手段判定方法は、上記の移動手段判定方法であって、前記位置情報の履歴から、移動速度を算出するステップをさらに備え、前記移動速度に基づいて、前記移動手段を判定しているものである。これにより、より簡便に移動手段を判定することができる。

本発明の第１４の態様にかかる移動手段判定方法は、上記の移動手段判定方法であって、予め収集された学習用データからしきい値を決定し、前記しきい値と前記移動速度の比較結果に応じて、移動手段を判定しているものである。これにより、より簡便に移動手段を判定することができる。
本発明の第１５の態様にかかる移動手段判定方法は、上記の移動手段判定方法であって、前記移動速度の分散を算出し、前記移動速度の分散に基づいて、前記移動手段を判定しているものである。これにより、より簡便に移動手段を判定することができる。
本発明の第１６の態様にかかる移動手段判定方法は、上記の移動手段判定方法であって、前記前記位置情報の履歴から移動方向の履歴を求めて、前記移動方向の偏角を算出し、前記偏角の分散に基づいて、前記移動手段を判定しているものである。これにより、より簡便に移動手段を判定することができる。
本発明の第１７の態様にかかる移動手段判定方法は、上記の移動手段判定方法であって、前記偏角の分散を算出し、前記偏角の分散に基づいて、前記移動手段を判定しているものである。これにより、より簡便に移動手段を判定することができる。
本発明の第１８の態様にかかる移動手段判定方法は、上記の移動手段判定方法であって、前記位置情報の履歴から所定の期間において移動した距離及び方向に応じた移動ベクトルを求め、前記移動ベクトルの出現パターンに応じて移動手段を判定しているものである。これにより、より正確に移動手段を判定することができる。
本発明の第１９の態様にかかる移動手段判定方法は、上記の移動手段判定方法であって、前記所定の期間における位置情報の履歴のデータから前記移動速度の分散、及び前記移動方向の分散を算出し、前記移動速度の分散、及び前記移動方向の分散に応じて、前記移動ベクトルをグループ分けして、前記グループの出現パターンによって、移動手段を判定しているものである。これにより、簡便にグループ分けすることができるため、確実かつ簡便に移動手段を判定することができる。

本発明の第２０の態様にかかる移動手段判定方法は、上記の移動手段判定方法であって、前記ユーザが移動する領域の地図情報を記憶する地図情報記憶手段をさらに備え、前記地図情報記憶手段に記憶された地図情報を参照して、前記移動手段を判定しているものである。これにより、より正確に移動手段を判定することができる。

本発明によれば、携帯端末のユーザの移動手段を簡便かつ正確に判定することができる移動手段判定装置、及び移動手段判定方法を提供することができる。

本実施の形態にかかる通信システムについて図１を参照して説明する。図１は、通信システム１００の全体構成を模式的に示す図である。通信システムには、携帯端末１０、基地局２０、ネットワーク３０、衛星４０、サーバ装置５０を有している。

携帯端末１０は、携帯電話、又はＰＤＡ等の移動端末であり、無線通信機能を有している。ここでは、携帯端末１０が測位手段１１を有するＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）携帯であるとして説明する。すなわち、携帯端末１０は、ＧＰＳ機能を備え、自己位置を一定時間間隔で測定している。

測位手段１１は、ＧＰＳ衛星４０から受信した信号に基づいて、自己位置を取得する。すなわち、複数のＧＰＳ衛星４０が送信した信号の受信時間に応じて、現在の位置を測定する。これにより、携帯端末１０を保持するユーザの現在位置が測定される。現在位置は、例えば、経度、緯度などで表される。そして、現在位置が測定時間及びユーザＩＤ等とともに、位置情報として、送信される。すなわち、現在位置に、測定時間、及びユーザＩＤが対応付けられることで位置情報となる。位置情報は、例えば、１分毎などの一定周期で送信される。そして、位置情報を含む送信信号は、基地局２０で受信される。そして、ネットワーク３０を介して、サーバ装置５０に入力される。このように、サーバ装置５０は、ネットワーク３０を介して携帯端末１０の位置情報を収集する。

この位置情報について図２を用いて説明する、図２は、位置情報のデータを模式的に示す表（テーブル）である。図２に示すように、時系列に従って、位置を示す緯度（Ｌａｔ）、経度（Ｌｎｇ）が配列されている。すなわち、測定時間（Ｄａｔｅｔｉｍｅ）に緯度、経度が対応付けられている。一定の測定周期で測定された緯度、経度が、携帯端末１０からサーバ装置５０に送信されている。そして、この位置情報がユーザＩＤ毎に収集される。従って、位置情報履歴のテーブルには、ユーザＩＤ（ＵｓｅｒＩＤ）、緯度（Ｌａｔ）、経度（Ｌｎｇ）、及び測定時間（Ｄａｔｅｔｉｍｅ）の欄が作成されている。さらに、位置情報履歴のテーブルには、移動手段の欄が付加されている。移動手段の欄にはユーザの移動手段が格納されている。すなわち、ユーザが徒歩で移動したのか、列車で移動したのか等が示されている。ユーザの移動手段の判定は、サーバ装置５０で行なわれる。なお、図２では、ユーザＡに対する位置情報が示されている。複数のユーザに対して位置情報を収集する場合、それぞれのユーザ毎に、図２に示すような表が作成される。なお、携帯端末１０が高度、移動速度、加速度、進行方向などを測定できる場合は、それらの情報をテーブルに追加してもよい。

サーバ装置５０は、位置情報記憶部５１と、地図情報記憶部５２と、判定部５３とを備えている。位置情報記憶部５１は、図２に示すような位置情報履歴のテーブルをユーザＩＤ毎に記憶している。すなわち、位置情報記憶部５１は、ユーザの位置の履歴を時系列に従って記憶している。地図情報記憶部５２には、ユーザの移動範囲における地図情報が記憶されている。例えば、道路や線路などの情報が予め設定されている。さらに、地図情報には、ノードやエッジなどの情報が含まれている。なお、ノードとは、人が集まる物理拠点のことを示し、エッジとは、ノードとノードとを結んだ経路のことを示す。具体的には、駅の半径１００ｍ以内や大学等をエッジとすることができる。ノードでは、通常、エッジよりもユーザの滞在時間が長くなる。地図情報記憶部５２は、このような地図情報を予め記憶している。例えば、ノードの中心の緯度と経度、並びにノードの半径が地図情報として記憶されている。なお、ノードに滞在している間は、移動手段の欄には、ノードのフラグが格納されている。

判定部５３は、位置情報記憶部５１に記憶されている位置情報と、地図情報記憶部５２に記憶されている地図情報に基づいて、移動手段を判定する。サーバ装置５０は、位置情報の履歴を分析して、ユーザの移動手段を判定する移動手段判定装置である。サーバ装置５０は、例えば、コンピュータなどであり、ＣＰＵなどの演算処理装置を有している。さらに、サーバ装置５０は、マウス、キーボード、ディスプレイなどの入出力手段や、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、ハードディスク等の内部又は外部の記憶手段を備えている。そして、記憶手段に記憶されているプログラムに従って演算処理を行う。このプログラムに従って、位置情報履歴を分析することで、移動手段を判定することができる。サーバ装置５０における分析について以下に説明する。

図３は、移動手段を判定する前に実施する事前作業を示すフローチャートである。事前作業では、まず、学習データを収集する（ステップＳ１０１）。ここで、学習用データとは、予め移動手段が分かっている状態で取得された位置情報のデータである。従って、現在位置に対して、予め移動手段が指定されている。例えば、図４に示すような経路でユーザが移動した場合について説明する。図４では、測位手段１１によって測定された位置を測位点２１として示している。従って、図４に示すように、測位点２１は、時間とともに変化している。ここで、ユーザが家とＤ大学との間を往復する場合について説明する。

まず、ユーザが家からＡ駅まで徒歩で移動する。そして、Ａ駅で列車に乗車して、列車で移動する。そして、列車がＢ駅を通過してＣ駅に到着したら、降車する。そして、Ｃ駅から目的地であるＤ大学まで徒歩で移動する。ユーザがＤ大学の中で滞在した後、Ｂ駅に徒歩で移動する。Ｂ駅で列車に乗車して、Ａ駅に移動する。そして、Ａ駅で列車から降車して、徒歩で自宅に帰る。図４において、Ａ駅に対応するノードをノードＡとして、点線丸枠で示す。また、Ｂ駅、Ｃ駅、Ｄ大学に対応するノードをそれぞれ、ノードＢ、ノードＣ、ノードＤとして点線丸枠で示す。

そして、ノードＡ内に入るまでの測位点２１では、移動手段として徒歩が指定されている。家からＡ駅に到着するまでは、ユーザがほぼ一定の速度で歩いている。従って、測位点２１がほぼ一定間隔でＡ駅に向かって移動していく。ノードＡ内に入っている間の測位点２１では、移動手段の欄にはノードＡが指定されている。Ａ駅では乗車待ちのため、ユーザが滞在している。従って、ノードＡ内には、複数の測位点２１が存在する。さらに、ノードＡの外に出てから、ノードＢに入るまでの間では、移動手段として列車が指定されている。列車に乗車してからは、測位点２１が線路に沿って進んでいき、停車するＢ駅で測位点２１が表れる。列車に乗車している間は、移動速度が徒歩より速いため、測位点２１の間隔が広くなる。

同様に、ノードＢを出てからノードＣに入るまでの間では、移動手段として、列車が指定される。ノードＣを出てからノードＤに入るまでの間、及びノードＤを出てからノードＢに入るまでの間では、移動手段として徒歩が指定されている。ノードＢを出てからノードＡに入るまでの間では、移動手段として列車が指定されている。ノードＡを出てからは、移動手段として徒歩が指定されている。また、ノードＡ、ノードＢ、ノードＣ、及びノードＡに入っている間では、移動手段の欄にノードＡ、Ｂ、Ｃ、Ｄがそれぞれ指定されている。このように、位置情報に対して、予め移動手段を指定しておく。移動手段が指定されたデータが学習用データとなる。

このような学習用データを複数のユーザから収集する。統計的な精度を上げるために、十分な数の学習用データを収集する。徒歩の区間、自転車の区間、自動車の区間、列車の区間を選択して、それぞれを徒歩用サンプルデータ、自転車用サンプルデータと、自動車用サンプルデータ、列車用サンプルデータとする。そして、複数のユーザから収集された学習用データに基づいて、移動手段毎に統計情報を決定する（ステップＳ１０２）。統計情報には、例えば、平均移動時間や、移動ベクトルの速度の分散値、静止時から移動時の定常状態への平均移行時間、移動時から静止時への平均移行時間、移動時の定常状態における平均速度、時系列的な状態遷移パターンが挙げられる。これらの統計情報を移動手段毎に特徴量として抽出する。この統計情報によって、移動手段を判定するためのしきい値が決定される。また、統計情報は、ユーザの属性毎に決定してもよい。例えば、性別や年代に応じて、統計情報を算出してもよい。さらには、時間帯や天候などの測定条件別に、統計情報を決定してもよい。

学習用データから得られた平均移動速度と速度の分散値を図５に示す。図５に示すように、徒歩の平均移動速度が５ｋｍ／ｈとなり、自動車の平均移動速度は１０ｋｍ／ｈとなり、自動車（市街地）の平均移動速度は２０ｋｍ／ｈとなり、列車の平均移動速度は４０ｋｍ／ｈとなる。そして、これらの値に基づいて、移動手段を判定するためのしきい値を設定する。この場合、例えば、徒歩と自転車間のしきい値を７．５ｋｍ／ｈ、自転車と自動車間のしきい値を１５ｋｍ／ｈ、自動車と列車間のしきい値を３０ｋｍ／ｈとすることができる。

なお、しきい値は、属性や測定条件によって変化してもよい。すなわち、性別別、年代別、天候別、時間帯別にしきい値を設定してもよい。さらに、渋滞情報がサーバ装置５０に入力される場合、その渋滞情報と連携して変更されてもよい。例えば、渋滞となる道を移動している場合は、自動車の移動速度が低くなる。よって、自転車と自動車間のしきい値、及び自動車と列車間のしきい値を自動車の移動速度の低下に応じて変更する。

このようにして統計情報を作成する。そして、判定部５３は、この統計情報に基づいて、移動手段を判定する。次に移動手段の判定について、図６を用いて説明する。図６は、移動手段の判定方法を示すフローチャートである。まず、ユーザの位置情報履歴を入力する（ステップＳ２０１）。すなわち、測位手段１１によって測定した緯度、経度を測定時間とともに、サーバ装置５０に入力する。そして、サーバ装置５０が位置情報として、緯度、経度を記憶する。次に、判定部５３は、位置情報に基づいて、移動ベクトルを作成する（ステップＳ２０２）。ここで移動ベクトルとは、あるインターバル間において、移動した距離、及び方向を示すベクトルである。例えば、測位手段１１が測定する周期を１単位時間とした場合において、４単位時間をインターバルとする。従って、４単位時間離れたデータに対して、緯度の差、及び経度の差を求めることで、移動ベクトルが作成される。

例えば、図２に示す位置情報では、ＤａｔｅｔｉｍｅがｔｉｍｅＡ４とｔｉｍｅＡ１との間で、緯度差、及び経度差を取れば移動ベクトルを算出することができる。この場合、移動ベクトルは（ＬａｔＡ４−ＬａｔＡ１，ＬｎｇＡ４−ＬｎｇＡ１）となる。そして、それぞれの測定時間に対して、移動ベクトルを作成していく。これにより、移動ベクトルの時系列に従った履歴を算出することができる。すなわち、各測定時間のデータに対して、移動ベクトルが算出される。このように、４つの測位点を移動した間の移動ベクトルを求める。もちろん、インターバルに含まれる測位点の数は、４に限らず、１又は複数でもよい。

そして、移動ベクトル単位の大きさと、速度を算出する。すなわち、移動ベクトル毎に、その大きさと速度を求める。移動ベクトルの大きさは、インターバルで移動した距離を示す。従って、緯度差、及び経度差から移動ベクトルの大きさを算出することができる。そして、移動ベクトルの大きさをインターバルの時間で割ることで速度が算出される。この速度は、インターバルにおける速度になる。

次に、移動手段判定のためのノードとエッジを検出する（ステップＳ２０４）。例えば、地図情報を参照して、それぞれの測位点がノード、又はエッジのいずれに該当するかを判定する。測位点がノードに含まれている場合、移動手段の欄をエッジとする。そして、ノード間を測位点がエッジとする。このように、地図情報に基づいて、エッジ、又はノードを識別することができる。また、移動ベクトルに応じてノードを設定してもよい。ノードでは、ユーザが単に通り過ぎるのでないため、滞在する時間が長くなる。例えば、駅の周辺や大学などでは、ある方向に向かって進むのではなく、店舗などに立ち寄りながら進む。従って、移動ベクトルの大きさが小さくなり、移動ベクトルの方向が頻繁に変化する。このような測位点をノードとして検出してもよい。すなわち、このような測位点を含む領域をノードとして抽出する

そして、エッジ毎の統計情報を作成する（ステップＳ２０５）。例えば、エッジ毎に、移動手段を判定するためのしきい値を決定する。もちろん、全てのエッジに対するしきい値が異なる必要はない。すなわち、一部、又は全部のエッジに対して、同じしきい値を用いてもよい。そして、算出された統計情報に基づいて、移動手段を判定する（ステップＳ２０６）。ここでは、しきい値を用いて移動手段を判定することができる。この判定ステップについて、図７を用いて説明する。図７は、ステップＳ２０６における判定例を示すフローチャートである。

まず、エッジの平均移動速度を算出する（ステップＳ３０１）。すなわち、ユーザがエッジに沿って進んでいるときの平均移動速度を、移動ベクトルに基づいて算出する。あるノードを出てから、次のノードに入るまでの間の平均移動速度を求める。この平均移動速度は、エッジに含まれる複数の測位点に対する移動ベクトルの和を算出し、移動ベクトルの和をエッジに含まれる測位点の数で割ればよい。このようにすることで、移動経路が直線でない場合でも、正確に平均移動速度を求めることができる。そして、平均移動速度が７．５ｋｍ／ｈ以上であるか否かを判定する（ステップＳ３０２）。すなわち、平均移動速度を、徒歩と自転車間のしきい値と比較する。平均移動速度がしきい値以下、すなわち、７．５ｋｍ以下の場合、移動手段が徒歩であると判定する。一方、平均移動速度がしきい値以上、すなわち、７．５ｋｍ以上の場合、１５ｋｍ／ｈ以上であるか否かを判定する（ステップＳ３０３）。すなわち、平均移動速度を、自転車と自動車間のしきい値と比較する。平均移動速度が１５ｋｍ／ｈ以下の場合、移動手段が自転車であると判定する。一方、平均移動速度がしきい値以上、すなわち、１５ｋｍ以上の場合、３０ｋｍ／ｈ以上であるか否かを判定する（ステップＳ３０３）。すなわち、平均移動速度を、自動車と列車間のしきい値と比較する。平均移動速度が３０ｋｍ／ｈ以下の場合、移動手段が自動車であると判定する。平均移動速度が３０ｋｍ／ｈ以上の場合、移動手段が列車であると判定する。

このように、エッジ毎に、しきい値と平均移動速度を比較し、その比較結果に応じて、移動手段を判定する。そしてユーザの位置情報履歴テーブルに移動手段フラグを追加する（ステップＳ２０７）。これにより、移動手段の欄に徒歩、自転車、自動車、列車のいずれかを示すフラグが格納される。よって、エッジ毎に、移動手段を識別することができるようになる。測定時間毎に、移動手段のフラグを追加する。これにより、図２に示すように、各測定時間に移動手段が付加されたテーブルが作成される。

また、位置情報の履歴のみから、移動手段を判定してもよい。すなわち、各測位点での移動速度や移動ベクトルのみから移動手段を判定することによって、地図情報が不要となる。よって、簡便に移動手段を判定することができる。もちろん、地図情報と組み合わせて移動手段を判定してもよい。これにより、より正確な判定が可能になる。例えば、線路がない箇所では、平均移動速度が時速３０ｋｍ以上であっても、列車と判定せずに、自動車と判定する。また、高速道路では、平均移動速度が時速３０ｋｍ以上であっても、列車と判定せずに、自動車と判定する。あるいは、一方通行の道路を逆走している場合、自動車と判定せずに自転車、又は歩行者と判定する。線路上を特急列車と同じパターンで停車、移動を繰り返していれば、列車と判定する。地図情報を組み合わせて移動手段を判定する場合でも、位置情報の履歴を用いることで、移動手段の推定を容易に行なうことができる。すなわち、ＧＰＳ測位精度には誤差があるため、移動経路と地図情報のみから移動手段を判定する場合、多数の推定ルートが必要となる。よって、判定処理が煩雑になってしまう。本実施形態に示すように、位置情報履歴に基づいて、移動手段を判定することで、精度の高い判定を簡便に行なうことができる。簡便に移動手段を判定することができるため、サーバ装置５０において速やかに移動手段を識別することができる。よって、携帯端末１０に対して効果的な情報の配信が可能になる。また、移動手段をマーケティングやナビゲーションの重み情報として利用することができる。

移動手段に応じて重み情報を算出するようにしてもよい。すなわち、移動手段が異なる場合、異なる重み情報を算出するようにする。これにより、移動手段毎に適切な重み情報を生成することができる。例えば、ナビゲーションシステムの場合、移動手段が異なれば、目的地まで異なる経路で案内する。すなわち、サーバ装置５０が目的地までの経路を探索する場合において、移動手段に応じた最適な経路探索を行う。そして、移動手段に応じた経路情報をサーバ装置５０からネットワークを介して、携帯端末１０に送信する。このように、移動手段に応じた重み情報を利用すれば、移動手段毎に、最適な経路案内が可能になる。もちろん、ナビゲーションシステム以外に用いられる重み情報を移動手段毎に算出してもよい。たとえば、移動手段が異なる場合、異なる広告などを配信するようにしてもよい。移動手段に応じた重み情報を利用することで、効果的な広告を配信することができる。適切な情報を生成、配信することができる。効果的な情報の配信が可能となり、より利便性を向上することができる。

一定のインターバル間の移動速度に基づいて、移動手段を判定することで、より細かく判定することができる。また、ノードを除いて移動手段を判定しているため、より精度の高い判定が可能になる。例えば、ノードでは、ユーザがある方向に向かって進むのではなく、店舗などに立ち寄りながら進む。従って、移動ベクトルの大きさが小さくなり、移動ベクトルの方向が頻繁に変化する。すなわち、ユーザが同じ速度で歩行している場合でも、ノードでは、位置情報の履歴から算出される移動速度が低くなる。実際の移動速度に比べて、位置情報履歴から求められる移動速度が低下する。このようなノードを除いて移動速度を判定することが正確な判定が可能となる。ノードとノードを結ぶエッジにおいて、移動手段を判定することで、判定精度を向上することができる。従って、予め移動速度が低下する物理拠点をノードとして設定しておくことが好ましい。例えば、交差点などをノードとして設定してもよい。

もちろん、移動速度以外のパラメータを利用して、移動手段を判定してもよい。例えば、インターバル間の速度の分散値を利用して、移動手段を判定してもよい。すなわち、速度のばらつきがある移動手段は、分散値が大きくなる。最大速度の差も分散値に影響を与えるため、この違いを利用することができる。具体的には、１つのエッジを移動している間において、移動速度の分散値を求める。そして、この分散値をパラメータとして、判定を行なう。さらには、静止時から移動時の定常状態への平均移行時間、移動時から静止時への平均移行時間、移動時の定常状態における平均速度、時系列駅な状態遷移パターン等のパラメータを利用して、移動手段を判定してもよい。

また、移動手段の種別としては、徒歩、自転車、自動車、列車に限られるものではなく、例えば、バイクなどをさらに加えてもよい。さらに、自動車について、高速道路と市街地を分けて判定してもよい。また、サーバ装置５０は物理的に１つの装置である必要はなく、複数の装置に分けられていてもよい。

なお、上記の説明では、移動速度としきい値との比較結果に応じて、移動手段を判定したが、移動手段の判定方法はこれに限られるものではない。移動ベクトルの分類出現パターンを用いて移動手段を判定することができる。すなわち、移動ベクトルをグループに分類分けする。そして、グループの出現パターンによって、移動手段を判定することができる。以下に、パターンマッチングによる判定例１〜３について説明する。

判定例１
次に、移動手段の判定方法の例について、図８を用いて説明する。図８は、判定例１を示すフローチャートである。

まず、携帯端末１０から緯度、経度、時刻情報をサーバ装置５０が定期的に取得する（ステップＳ４０１）。これにより、現在位置が定期的に更新され、位置情報の履歴が取得される。すなわち、位置情報記憶部５１は、測定点の座標を時系列に従って記憶する。そして、位置情報のデータを加工する（ステップＳ４０２）。例えば、緯度、及び経度のデータから、東西方向、及び南北方向の移動距離をそれぞれ算出する。移動距離は、測位手段１１の１単位時間毎に求められる。すなわち、２つの測定点から、それぞれの方向における移動距離を求めることができる。そして、１単位時間当たりの移動距離を算出する。すなわち、東西方向の移動距離、及び南北方向の移動距離に基づいて、単位時間当たりの移動距離を算出することができる。さらに、２つの測定点から、方位角、偏角を算出する。そして、図２に示した、位置情報を示す表に各データを追加する。すなわち、図２のテーブルに東西方向の移動距離、南北方向の移動距離、単位時間当たりの移動距離、方位角、偏角の欄を追加する。

なお、移動距離、方位角、偏角等を算出する前に、データの前処理を行ってもよい。これにより、測位手段１１等にエラーが発生した場合でも、適切なデータを算出することができる。例えば、明らかな測定ミスと考えられる点を削除する。具体的には、前後の測定点から物理的に移動することができない測位点がある場合、その測位点を消去する。あるいは、位置情報の取得間隔が想到している以上の値となっている場合、その区間を均等に割って、位置情報のデータを追加してもよい。具体的には、２秒間隔での位置情報取得を想定しながら、実際の測定間隔が５０秒であった場合には、その間のデータを補完する。このような前処理をすることで、正確に移動手段を判定することができるようになる。

そして、移動ベクトルの特性を把握する（ステップＳ４０３）。例えば、移動ベクトルは、１０単位時間毎に求めることができる。すなわち、１０単位時間をインターバルとして、移動ベクトルを抽出する。１単位時間を２秒とすれば、移動ベクトルは、２０秒間で移動した距離とその移動方向を示す。

そして、移動ベクトルに含まれる測定点のデータを分析して、移動ベクトルの特性を抽出する。例えば、移動ベクトルの単位時間毎の速度とその分散を求める。すなわち、各測定点における速度を算出する。移動ベクトルに１０単位時間の測定データが含まれる場合、１つの移動ベクトルに対して速度の値が１０個算出される。そして、その１０個の速度値の分散を算出する。これにより、１０単位時間の中で、どれくらい速度のばらつきがあるかが分かる。すなわち、１０単位時間における速度の変動が分かる。同様に、移動ベクトルに含まれる測定データに対して、偏角の分散を求める。これにより、１０単位時間の中で、どれくらい偏角のばらつきがあるかが分かる。移動ベクトルに対して１０個の測定データが含まれる場合、１つの移動ベクトルに対して、速度、及び偏角がそれぞれ１０個算出される。そして、１つの移動ベクトルに対して、速度の分散、及び偏角の分散が１つ算出される。

例えば、１０単位時間での速度と、速度の分散の関係を図９に示し、１０単位時間での速度と、偏角の分散の関係を図１０に示す図９、図１０では、１単位時間を５秒としたときのデータを示している。すなわち、位置情報の取得間隔が５秒であるため、１０単位時間は５０秒となる。図９は、速度に対する速度の分散を示すプロット図である。図１０は、速度に対する偏角の分散の関係を示すプロット図である。図９、及び図１０において、横軸は、１０単位時間での速度を示している。すなわち、図１０の横軸は、移動ベクトルの大きさに相当する。図９の縦軸は、速度の分散である。図１０の縦軸は、偏角の分散である。

また、１単位時間を２秒としたときのグラフを図１１、及び図１２に示す。図１１は、１０単位時間における速度と、速度の分散の関係を示すプロット図である。また、図１２は、１０単位時間における速度と、偏角の分散の関係を示すプロット図である。なお、図９〜図１２は、電車、及び徒歩で移動したときのデータを示す図である。なお、移動ベクトルに含まれる測位点の数は、１０に限られるものではない。例えば、３０単位時間をインターバルと、移動ベクトルを算出してもよい。

そして、移動ベクトルの分類出現パターンによる移動手段の判定を行なう（ステップＳ４０４）。すなわち、速度の分散、偏角に分散に基づいて、移動手段を判定する。例えば、移動ベクトルを以下の１１種類に分類する。

（１）１０単位時間での速度が５０ｋｍ／ｈより大きく、かつ偏角の分散が０．０１より小さいグループ
（２）１０単位時間での速度が５０ｋｍ／ｈより大きく、かつ偏角の分散が０．０１より大きいグループ
（３）１０単位時間での速度が２０〜５０ｋｍ／ｈであり、かつ偏角の分散が０．０１より小さいグループ
（４）１０単位時間での速度が２０〜５０ｋｍ／ｈであり、かつ偏角の分散が０．０１より大きいグループ
（５）１０単位時間での速度が４〜１０ｋｍ／ｈであり、かつ偏角の分散が１より大きいグループ
（６）１０単位時間での速度が４〜１０ｋｍ／ｈであり、かつ偏角の分散が０．１〜１であるグループ
（７）１０単位時間での速度が４〜１０ｋｍ／ｈであり、かつ偏角の分散が０．１より小さいグループ
（８）１０単位時間での速度が０〜４ｋｍ／ｈであり、かつ偏角の分散が１より大きいグループ
（９）１０単位時間での速度が０〜４ｋｍ／ｈであり、かつ偏角の分散が０．１〜１であるグループ
（１０）１０単位時間での速度が０〜４ｋｍ／ｈであり、かつ偏角の分散が０．１より小さいグループ
（１１）その他

もちろん、分類分けに用いられるグループは上記の（１）〜（１１）に限られるものではない。例えば、速度の分散と、偏角の分散の両方を用いてもよい。なお、１０単位時間での速度は、移動ベクトルの大きさに相当する。各グループの条件に合致する否かを判定して分類分けをする。そして、分類分けをした後、分類出現パターンのマッチングを行う。例えば、グループ８、９がほとんどの場合をしめ、時より分類１０や５，６，７、が入るパターンの場合、滞在していると判定される。すなわち、ノードに滞在していると判定される。また、分類１０がほとんどの場合を示すパターンの場合、静止していると判定される。

分類５，６、７の間に分類８、９、１０が現れるパターンの場合、移動手段が徒歩であると判定される。分類１から１０がほぼ均等に表れるパターンの場合、移動手段が自動車（街中）であると判定される。分類１、２の間に、分類３、４、５、６、７、８、９が表れるパターンの場合、移動手段が列車（高速、区間が長いもの）であると判定される。分類３、４の間に、分類５、６、７、８、９、１０が表れるパターンの場合、移動手段が列車（低速、区間が短いもの）であると判定される。なお、分類出現パターンは、上記の例に限られるものではない。

このように、移動ベクトルを分類する。すなわち、予め設定されている複数のグループのうちのいずれに該当するかを判定する。そして、グループの出現パターンに応じて移動手段を判定することができる。そのため、に分類するためのグループ設定と、パターンマッチングするための分類出現パターン設定を予め記憶させておく。すなわち、予め移動手段が分かっている状態で、データを測定して、グループの設定を行う。そして、判定するための基準となる分類出現パターンを基準パターンとして分類出現パターン辞書に設定する。分類出現パターン辞書に記憶された基準パターンと、実際の測定データから求められた分類出現パターンとのパターンマッチングによって、移動手段を判定する。これにより、移動手段をより正確に判定することができる。なお、グループの分類、及び基準パターンについては、予め移動手段が分かっている位置情報に基づいて、設定することができる。

判定例２．
判定例２では、判定例１に加えて、位置情報を参照している。判定例２の判定方法について、図１３を用いて説明する。図１３は判定例２を示すフローチャートである。

まず、判定例１と同様に、携帯端末１０から、緯度、経度、時刻情報を定期的に取得する（ステップＳ５０１）。すなわち、測位手段１１で測定された位置情報をサーバ装置５０に記憶する。そして、判定例１と同様にデータを加工する（ステップＳ５０２）。これにより、東西方向の移動距離、南北方向の移動距離、単位時間当たりの移動距離、方位角、及び偏角が求められる。そして、判定例１と同様に、移動ベクトルの特性を把握する（ステップＳ５０３）。すなわち、移動ベクトルの分類分けを行う。なお、ステップＳ５０１〜ステップＳ５０３については、判定例１と同様であるため、説明を省略する。

次に、地図情報と取得した位置情報のマッチングにより、線路、道路の候補を抽出する（ステップＳ５０４）。すなわち、地図情報記憶部５２に記憶されている地図情報を参照して、測位点が線路、又は道路に該当するかを判定する。そして、線路に該当している測位点、及び道路に該当している測位点を抽出する。もちろん、線路と道路とが並行して場所については、両方が抽出される。

そして、判定例１と同様に、移動ベクトルの分類出現パターンによって、移動手段を判定する（ステップＳ５０４）。さらに、ここでは、位置情報を参照して移動手段の判定を行なう。すなわち、測位点が線路の候補、又は道路の候補であるかに応じて、判定する。線路の候補とならない測位点では、列車と判定されないようにする。また、高速道路の候補では、移動手段が自動車と判定されるようにする。一方通行を逆送している場合は、移動手段が徒歩、又は自転車であると判定される。このように、地図情報を参照することで、より正確な判定が可能になる。

地図情報のデータベースから、線路や高速道路などの緯度、経度情報なととマッチングを取り、移動手段を判定してもよい。このマッチングにＤＰマッチング（Ｄｙｎａｍｉｃ Ｐｒｏｇｒａｍｍｉｎｇ）を用いてもよい。Ｐ型フーリエ記述子で表現された道路や線路の情報と、取得した位置情報から、Ｐ型フーリエ記述子を計算する。そして、このＰ型フーリエ記述子を離散フーリエ変換し、高周波成分を取り除いた上で、ＤＰマッチングを行ってもよい。

判定例３．
判定例３について、図１３を用いて説明する。図１３は判定例３を示すフローチャートである。判定例３では、分類出現パターンを学習することで、判定精度を高めている。すなわち、図１で示した判定例１の方法に、出現パターン辞書へ追加するステップ（ステップＳ６０５）を加えている。

まず、判定例１と同様に、携帯端末１０から、緯度、経度、時刻情報を定期的に取得する（ステップＳ６０１）。すなわち、測位手段１１で測定された位置情報をサーバ装置５０に記憶する。そして、判定例１と同様にデータを加工する（ステップＳ６０２）。これにより、東西方向の移動距離、南北方向の移動距離、単位時間当たりの移動距離、方位角、及び偏角が求められる。そして、判定例１と同様に、移動ベクトルの特性を把握する（ステップＳ６０３）。すなわち、移動ベクトルの分類分けを行う。なお、ステップＳ６０１〜ステップＳ６０３については、判定例１と同様であるため、説明を省略する。

そして、分類出現パターン辞書を用いて移動ベクトルの分類出現パターンから移動手段を判定する（ステップＳ６０４）。ここでは、分類出現パターン辞書に記憶されている基準パターンを参照して、分類出現パターンのマッチングを行う。そして、分類出現パターンのマッチング結果によって移動手段を判定する。そして、分類判定を修正して、分類出現パターン辞書へフィードバックする（ステップＳ６０５）。ここでは、判定のためのしきい値が学習により決定する。すなわち、測定した最新データを学習することによって、グループに分類するときに必要な速度や、分散のしきい値を更新していくことができる。

例えば、Ｓｐａｍメール対策などで使用されているベイズ統計を応用して判定してもよい。また、判定のためのしきい値はユーザ毎に設定されていてもよい。さらに、推測統計などの技術を使って移動手段を推測してもよい。このようにすることで、判定精度を向上することができる。

本実施の形態に係る通信システムの全体構成を示す図である。 サーバ装置が取得する位置情報を示す表である。 本実施の形態に係る分析方法の事前作業を示すフローチャートである。 ユーザの移動経路を模式的に示す図である。 学習用データから得られた統計情報を示す表である。 本実施の形態に係る移動手段判定方法を示すフローチャートである。 移動手段の判定例を示すフローチャートである。 移動手段の判定例１を示すフローチャートである。 速度と速度の分散の関係を示すプロット図である。 速度と偏角の分散の関係を示すプロット図である。 速度と速度の分散の関係を示すプロット図である。 速度と偏角の分散の関係を示すプロット図である。 移動手段の判定例２を示すフローチャートである。 移動手段の判定例３を示すフローチャートである。

符号の説明

１０ 携帯端末
１１ 測位手段
２０ 基地局
２１ 測位点
３０ ネットワーク
４０ ＧＰＳ衛星
５０ サーバ装置
５１ 位置情報記憶部
５２ 地図情報記憶部
５３ 判定部

Claims (20)

1. 測位手段を有する携帯端末から収集された位置情報から、前記携帯端末のユーザの移動手段を判定する移動手段判定装置であって、
   前記測位手段で取得された位置情報の履歴を記憶する位置情報記憶手段と、
   前記位置情報記憶手段に記憶された位置情報の履歴を用いて、前記携帯端末のユーザの移動手段を判定する判定手段と、を備える移動手段判定装置。
2. 前記判定手段で判定された移動手段に応じて、重み情報を算出する請求項１に記載の移動手段判定装置。
3. 前記位置情報の履歴から、移動速度を算出し、
   前記移動速度に基づいて、前記移動手段を判定している請求項１、又は２に記載の移動手段判定装置。
4. 予め収集された学習用データからしきい値を決定し、
   前記しきい値と前記移動速度の比較結果に応じて、移動手段を判定している請求項３に記載の移動手段判定装置。
5. 前記移動速度の分散を算出し、
   前記移動速度の分散に基づいて、前記移動手段を判定している請求項３、又は４に記載の移動手段判定装置。
6. 前記位置情報の履歴から移動方向を求めて、前記移動方向の偏角を算出し、
   前記偏角に基づいて、前記移動手段を判定している請求項３乃至５のいずれか１項に記載の移動手段判定装置。
7. 前記偏角の分散を算出し、
   前記偏角の分散に基づいて、前記移動手段を判定している請求項６に記載の移動手段判定装置。
8. 前記位置情報の履歴から、所定の期間において移動した距離及び方向に応じた移動ベクトルを求め、
   前記移動ベクトルの出現パターンに応じて移動手段を判定している請求項３乃至７のいずれかに記載の移動手段判定装置。
9. 前記所定の期間における位置情報の履歴のデータから前記移動速度の分散、及び前記移動方向の分散を算出し、
   前記移動速度の分散、及び前記移動方向の分散に応じて、前記移動ベクトルをグループ分けして、前記グループの出現パターンによって、移動手段を判定している請求項８に記載の移動手段判定装置。
10. 前記ユーザが移動する領域の地図情報を記憶する地図情報記憶手段をさらに備え、
    前記地図情報記憶手段に記憶された地図情報を参照して、前記移動手段を判定している請求項１乃至９のいずれか１項に記載の移動手段判定装置。
11. 測位手段を有する携帯端末から収集された位置情報から、前記携帯端末のユーザの移動手段を判定する移動手段判定方法であって、
    前記測位手段で取得された位置情報の履歴を入力するステップと、
    前記位置情報の履歴を用いて、前記携帯端末のユーザの移動手段を判定するステップと、を備える移動手段判定方法。
12. 前記判定するステップで判定された移動手段に応じて重み情報を算出する請求項１１に記載の移動手段判定方法。
13. 前記位置情報の履歴から、移動速度を算出するステップをさらに備え、
    前記移動速度に基づいて、前記移動手段を判定している請求項１１、又は１２に記載の移動手段判定方法。
14. 予め収集された学習用データからしきい値を決定し、
    前記しきい値と前記移動速度の比較結果に応じて、移動手段を判定している請求項１３に記載の移動手段判定方法。
15. 前記移動速度の分散を算出し、
    前記移動速度の分散に基づいて、前記移動手段を判定している請求項１３、又は１４に記載の移動手段判定方法。
16. 前記位置情報の履歴から移動方向の履歴を求めて、前記移動方向の偏角を算出し、
    前記偏角に基づいて、前記移動手段を判定している請求項１３乃至１５のいずれか１項に記載の移動手段判定方法。
17. 前記偏角の分散を算出し、
    前記偏角の分散に基づいて、前記移動手段を判定している請求項１６に記載の移動手段判定方法。
18. 前記位置情報の履歴から所定の期間において移動した距離及び方向に応じた移動ベクトルを求め、
    前記移動ベクトルの出現パターンに応じて移動手段を判定している請求項１３乃至１７のいずれかに記載の移動手段判定方法。
19. 前記所定の期間における位置情報の履歴のデータから前記移動速度の分散、及び前記移動方向の分散を算出し、
    前記移動速度の分散、及び前記移動方向の分散に応じて、前記移動ベクトルをグループ分けして、前記グループの出現パターンによって、移動手段を判定している請求項１８に記載の移動手段判定方法。
20. 前記ユーザが移動する領域の地図情報を記憶する地図情報記憶手段をさらに備え、
    前記地図情報記憶手段に記憶された地図情報を参照して、前記移動手段を判定している請求項１１乃至１９のいずれか１項に記載の移動手段判定方法。

Images