JP2012003322A - グループ行動推定方法及びそのプログラム - Google Patents

Abstract

【課題】多数のユーザが密集した状態でも特定のグループメンバを高精度に推定する。
【解決手段】グループ行動推定装置ＳＶにおいて、先ず各計測端末ＭＴ１〜ＭＴｎから収集した端末間の近接状態のセンシングデータをもとにグループメンバ候補が検出される。次に、このグループメンバ候補に含まれる計測端末から収集した加速度のセンシングデータをもとに各ユーザの歩行状態、つまり歩行中か否かが判定され、続いてこの歩行状態の判定結果に基づいてユーザ間の歩行時間帯の類似度が計算される。そして、この歩行時間帯の類似度がしきい値以上のユーザについて、さらに歩行周期変化量の類似度が計算され、この歩行周期変化量の類似度がしきい値以上のユーザが最終的に同一のグループに属するユーザとして判定される。
【選択図】図５

Description

この発明は、例えばアミューズメントパークやショッピングセンタにおいてユーザがグループ行動しているときに、そのグループメンバを推定するためのグループ行動推定方法及びそのプログラムに関する。

近年、ユーザの行動履歴を表すログデータをもとに同行者の有無を判定する研究が行われている。同行者の有無を判定できると、人と人との交わりを推定して、ユーザの消費・購買行動等の行動パターンをより綿密に導き出すことが可能となり、さらに的確なレコメンドサービスを行うことが可能となる。

従来提案されている同行判定方法には、推定対象ユーザの位置情報をＧＰＳ（Global Positioning System）を利用して取得し、その計測座標の誤差範囲が重なっているか否かを判定することで同行の有無を判定するものがある（例えば、非特許文献１参照。）。
また、その他の判定方法として、近接無線通信を利用してグループメンバを発見する技術も提案されている（例えば、非特許文献２参照。）。

瀬古俊一、西野正彬、青木政勝、山田智弘、武藤伸洋、阿部匡伸、「誤差情報を考慮した同行判定手法」、情報処理学会研究報告-UBI、Vol.2008，No.110，pp.65-72(2008-110)） 鄭哲成、西尾信彦: "GRECOM:グループベースのサービス提供に向けたグループコンテキスト管理機構"、ユビキタスコンピューティングシステム研究会(UBI17)，2008 年3 月）

ところが、非特許文献１に記載された技術では、ＧＰＳにより計測された位置情報を用いてグループメンバの推定を行っている。また、非特許文献２に記載された技術では、ユーザが所持する端末間の近接情報のみからグループメンバの推定を行っている。このため、これらの技術では、いずれも屋内、屋外にかかわらず多くのユーザが密集した状態では計測精度の面から特定のグループメンバの推定が困難となる。

この発明は上記事情に着目してなされたもので、その目的とするところは、多数のユーザが密集した状態でも特定のグループメンバを高精度に推定することが可能なグループ行動推定方法及びそのプログラムを提供することにある。

上記目的を達成するためにこの発明の第１の観点は、グループ行動推定装置としての機能を有する情報処理装置が、以下のような処理工程を実行するようにしたものである。すなわち、先ず複数のユーザがそれぞれ所持する計測端末から当該ユーザの歩行動作の加速度を表す計測データを時系列的に受信して、この受信した計測データをユーザ又は計測端末の識別情報と関連付けて記憶する。この状態で、上記複数のユーザのうち推定対処となるユーザの各々について、当該ユーザ又は計測端末の識別情報をもとに上記記憶された加速度を表す計測データを読み出し、この読み出された計測データをもとに歩行動作の周期的変化を表す歩行周期変化量を算出する。そして、この算出された歩行周期変化量の類似度を算出して、この算出された歩行周期変化量の類似度を予め設定した第１のしきい値と比較し、その比較結果をもとに上記複数のユーザが同一グループのメンバとして行動しているか否かを判定するようにしたものである。

すなわち、この発明の第１の観点は、同一グループで行動しているユーザはその歩行周期、つまり歩行速度が速くなったり遅くなったりする歩行パターンが類似することに着目し、推定対象となるユーザの歩行周期の類似度をもとに同一グループに属するか否かを推定するようにしたものである。
したがって、多数のユーザが密集している場所においても、ユーザがどのグループに属しているかを精度良く判定することが可能となる。

この発明の第２の観点は、上記情報処理装置が以下のような処理過程を実行するようにしたものである。すなわち、推定対象となるユーザの各々について当該ユーザ又は計測端末の識別情報をもとに上記記憶された加速度を表す計測データを読み出し、この読み出された計測データもとに歩行時間帯を算出してその類似度を算出する。そして、この算出された類似度を予め設定された第２のしきい値と比較し、その比較結果をもとに上記推定対象となる各ユーザが同一グループに属しているか否かを仮判定する。そして、上記推定対象となるユーザが同一グループに属していると仮判定された場合に、この発明の第１の観点で述べた処理過程を実行するようにしたものである。

すなわち、この発明の第２の観点は、同一グループに属しているユーザは歩行時間帯が類似することに着目し、この歩行時間帯の類似度をもとに同一グループに属しているか否かを仮判定する。そして、同一グループに属していると仮判定された場合に、この発明の第１の観点で述べたユーザの歩行周期変化量に着目した判定処理を実行させるものである。
したがって、グループ行動の推定に際し、先ずユーザ間の歩行時間帯の類似度をもとに当該ユーザが同一グループに属するか否かが仮判定され、さらにユーザ間の歩行周期変化量の類似度をもとに同一グループに属しているか否かが最終的に判定される。このため、より一層高精度のグループ行動の推定が可能となる。

この発明の第３の観点は、上記情報処理装置が以下の処理過程を実行するようにしたものである。すなわち、複数のユーザがそれぞれ所持する計測端末から当該ユーザ間の近接状態を表す計測データを時系列的に受信し、この受信した計測データをユーザ又は計測端末の識別情報と関連付けて記憶する。この状態で、ユーザの各々について当該ユーザ又は計測端末の識別情報をもとに上記記憶されたユーザ間の近接状態を表す計測データを読み出し、この読み出されたユーザ間の近接状態を表す計測データをもとに互いに近接する位置関係にあるユーザを検出して、この検出されたユーザ又はその計測端末の識別情報をグループメンバ候補として記憶する。そして、このグループメンバ候補に含まれるユーザを推定対象ユーザとするようにしたものである。
このようにすると、多数のユーザが存在する場合に、事前にグループメンバ候補を絞り込むことが可能となる。そして、この絞り込みによりグループ行動の推定処理に要する情報処理量を減らして情報処理装置の処理負荷を軽減し、かつ推定処理の所要時間を短縮することが可能となる。

すなわちこの発明によれば、多数のユーザが密集した状態でも特定のグループメンバを高精度に推定することが可能なグループ行動推定方法及びそのプログラムを提供することができる。

この発明の第１の実施形態に係わるグループ行動推定方法を実現するためのシステムの概略構成図。 図１に示したシステムで使用される計測端末の構成を示すブロック図。 図１に示したシステムで使用されるグループ行動推定装置の構成を示すブロック図。 図３に示したグループ行動推定装置による全体の処理手順と処理内容を示すフローチャート。 図４に示したフローチャートのうち加速度センサを用いたグループメンバの推定処理手順と処理内容を示すフローチャート。 図５に示した処理内容の具体例を説明するための図。 図５に示した処理内容の具体例を説明するための図。 この発明の第２の実施形態に係わるグループ行動推定方法を説明するための図。 この発明の第２の実施形態に係わるグループ行動推定方法を説明するための図。

以下、図面を参照してこの発明に係わる実施形態を説明する。
（第１の実施形態）
［構成］
図１は、この発明の第１の実施形態に係わるグループ行動推定方法を実現するためのシステムの概略構成図である。
このシステムは、複数のユーザにそれぞれ計測端末ＭＴ１〜ＭＴｎを所持させると共に、ネットワーク上にグループ行動推定装置ＳＶを設け、上記計測端末ＭＴ１〜ＭＴｎからグループ行動推定装置ＳＶへ通信ネットワークＮＷを介してセンシングデータを送信可能としたものである。

通信ネットワークＮＷは、ＩＰ（Internet Protocol）網と、このＩＰ網にアクセスするためのアクセス網とから構成される。アクセス網としては、公衆通信網、携帯電話網、ＬＡＮ（Local Area Network）、無線ＬＡＮ、ＣＡＴＶ（Cable Television）網等が用いられる。

計測端末ＭＴ１〜ＭＴｎは、例えば図２に示すように近接センサ１１及び３軸加速度センサ１２を備えている。そして、この近接センサ１１及び３軸加速度センサ１２の計測信号をもとに、制御部１３において一定のサンプリングタイミングごとに、周辺の他の計測端末との近接状態を表すセンシングデータと、加速度を表すセンシングデータを生成し、この生成された各センシングデータを制御部１３の制御の下で通信部１４からグループ行動推定装置ＳＶへ向けて送信するように構成される。なお、計測端末ＭＴ１〜ＭＴｎは、万歩計（登録商標）等のセンシング専用端末に機能を内蔵させたものとして構成してもよいし、また携帯電話機やＰＤＡ（Personal Digital Assistant）、スマートホン、携帯型のパーソナル・コンピュータに機能を内蔵させたものとして構成してもよい。

グループ行動推定装置ＳＶは、例えば通信事業者又はサービス事業者が運用するサーバコンピュータからなるもので、以下のように構成される。図３はその構成を示すブロック図である。
すなわち、グループ行動推定装置ＳＶは、通信インタフェースユニット２０と、制御ユニット３０と、記憶ユニット４０を備えている。通信インタフェースユニット２０は、制御ユニット３０の制御の下で、通信ネットワークＮＷにより規定された通信プロトコルに従い、上記計測端末ＭＴ１〜ＭＴｎとの間でセンシングデータを収集するための通信を行う。

記憶ユニット４０は、ＨＤＤ（Hard Disc Drive）又はＳＳＤ（Solid State Drive）を使用したランダムアクセス可能な不揮発性メモリを使用したもので、この発明を実現するために必要な記憶部として、センシングデータ記憶部４１と、グループメンバ候補記憶部４２と、歩行判定結果記憶部４３と、判定結果記憶部４４とを備えている。

センシングデータ記憶部４１は、上記計測端末ＭＴ１〜ＭＴｎから収集された、近接センサ１１及び３軸加速度センサ１２によるセンシングデータを記憶するために用いられる。グループメンバ候補記憶部４２は、後述する制御ユニット３０のグループメンバ候補検出部３２により検出されたグループメンバ候補を表す情報を一時保存するために用いられる。歩行判定結果記憶部４３は、後述する制御ユニット３０の歩行判定処理部３３により判定された、上記グループメンバ候補のユーザの歩行パターン判定結果を記憶するために用いられる。判定結果記憶部４４は、グループメンバの推定結果を表す情報和気臆するために用いられる。

制御ユニット３０は、中央処理ユニット（ＣＰＵ；Central Processing Unit）を主制御部として備えたもので、この発明を実施するために必要な処理機能として、センシングデータ収集部３１と、グループメンバ候補検出部３２と、歩行判定処理部３３と、第１の類似度判定処理部３４と、第２の類似度判定処理部３５と、判定結果記憶制御部３６を備えている。

センシングデータ収集部３１は、以下の処理機能を有する。すなわち、各計測端末ＭＴ１〜ＭＴｎにおいて一定のサンプリングタイミングごとに生成される、他の計測端末との近接状態を表すセンシングデータ及び加速度を表すセンシングデータを、当該各計測端末ＭＴ１〜ＭＴｎから通信ネットワークＮＷを介してそれぞれ収集する。そして、この収集された各センシングデータをセンシングデータ記憶部４１に記憶させる。

グループメンバ候補検出部３２は、以下の処理機能を有する。すなわち、上記センシングデータ記憶部４１から、計測端末ＭＴ１〜ＭＴｎごとに他の計測端末との近接状態を表すセンシングデータを読み出し、この読み出された近接状態を表すセンシングデータをもとに、互いに相手を検知している複数の計測端末をグループメンバ候補として抽出する。そして、この抽出された計測端末の識別情報（計測端末ＩＤ）の集合をグループメンバ候補記憶部４２に一時記憶させる。

歩行判定処理部３３は、以下の処理機能を有する。すなわち、上記グループメンバ候補記憶部４２にグループメンバ候補として一時保存された各計測端末の端末ＩＤをもとに、当該計測端末の加速度センシングデータを上記センシングデータ記憶部４１から読み出す。そして、この読み出された加速度センシングデータに基づいて、当該計測端末を所持するユーザの歩行状態（歩行しているか否か）をサンプリングタイミングごとに判定する。そして、この歩行状態の判定結果を表す時系列データを、該当する計測端末ＩＤに関連付けて歩行判定結果記憶部４３に記憶させる。

第１の類似度判定処理部３４は、以下の処理機能を有する。すなわち、上記歩行判定結果記憶部４３から上記グループメンバ候補に含まれる各ユーザの歩行状態判定結果を表す時系列データを最新の一定期間分読み出し、この読み出された歩行状態判定結果を表す時系列データの類似度を計算する。すなわち、ユーザ間で歩行時間帯の類似度を計算する。そして、この計算された類似度を予め設定したしきい値と比較することにより、上記ユーザが同一グループに属しているか否かを仮判定する。

第２の類似度判定処理部３５は、以下の処理機能を有する。すなわち、上記第１の類似度判定処理部３４による仮判定の結果、類似度がしきい値より高いと判定された各ユーザについて、その加速度センシングデータをもとに上記最新の一定期間分の歩行周期変化量をそれぞれ算出する。そして、この算出された歩行周期変化量の時系列データ間の類似度を算出し、この算出された類似度を予め設定したしきい値と比較することにより、当該ユーザが同一グループに属しているか否かを最終判定する。

判定結果記憶制御部３６は、以下の処理機能を有する。すなわち、上記第１または第２の各類似度判定処理部３４，３５により最終的に判定されたグループ行動の推定結果を表す情報、つまり同一グループに属すると最終的に判定されたユーザの計測端末ＩＤの集合を判定結果記憶部４４に記憶させる処理を実行する。

［動作］
次に、以上のように構成されたシステムによるグループ行動推定処理動作を説明する。
（１）計測端末ＭＴ１〜ＭＴｎにおけるセンシング
ユーザが所持する計測端末ＭＴ１〜ＭＴｎではそれぞれ、近接センサ１１及び３軸加速度センサ１２の計測信号をもとに、制御部１３において予め設定された一定のサンプリング周期で、他の計測端末との近接状態を表すセンシングデータと、加速度を表すセンシングデータがそれぞれ生成される。これらのセンシングデータには、計測タイミングを表すタイムスタンプと、計測端末ＩＤが付与される。そして、この生成された各センシングデータは、制御部１３の制御の下で通信部１４からグループ行動推定装置ＳＶへ向けて送信される。

なお、上記各センシングデータは、サンプリングタイミングごとに送信してもよいが、一定のサンプル分蓄積してこの蓄積されたデータを一括して送信するようにしてもよい。また、グループ行動推定装置ＳＶから自端末宛の送信要求が到来するごとに、蓄積しておいた複数サンプル分のデータを一括送信するようにしてもよい。

（２）グループ行動推定装置ＳＶの動作
グループ行動推定装置ＳＶでは、制御ユニット３０の制御の下で以下のような処理が実行される。図４はその全体の処理手順と処理内容を示すフローチャートである。
（２−１）センシングデータの収集
先ずステップＳ１において、センシングデータ収集処理部３１が起動される。そして、計測端末ＭＴ１〜ＭＴｎから定期的に送信される端末間の近接状態及び加速度を表すセンシングデータが、上記センシングデータ収集処理部３１の制御の下で、通信インタフェースユニット２０により受信され、送信元の計測端末の端末ＩＤに関連付けられかつタイムスタンプにより表される計測時刻順にソートされてセンシングデータ記憶部４１に記憶される。

（２−２）グループメンバ候補の検出
次にステップＳ２において、グループメンバ候補検出部３２が起動される。そして、このグループメンバ候補検出部３２により、各計測端末ＭＴ１〜ＭＴｎにおける他の端末との近接状態を表すセンシングデータが上記センシングデータ記憶部４１から読み出される。そして、この読み出された近接状態を表すセンシングデータをもとに、他の端末を検知している計測端末の有無が判定される。この判定の結果、他の端末を検知している計測端末が存在する場合には、ステップＳ３において、他の端末を検知しているすべての計測端末がグループメンバ候補として抽出され、この抽出された計測端末の端末ＩＤの集合がグループメンバ候補記憶部４２に一時保存される。

（２−３）加速度センシングデータに基づく同行推定
次にステップＳ４において、上記グループメンバ候補に含まれる計測端末（言い換えればそのユーザ）が同行しているか否かを推定する処理が、その加速度センシングデータに基づいて以下のように行われる。図５はその処理手順と処理内容を示すフローチャートである。

（２−３−１）歩行状態の判定
先ず歩行判定処理部３３が起動され、この歩行判定処理部３３により、上記グループメンバ候補記憶部４２に保存されているグループメンバ候補の端末ＩＤをもとに、その計測端末のユーザの歩行状態が以下のように判定される。

すなわち、グループメンバ候補に含まれる計測端末の端末ＩＤがグループメンバ候補記憶部４２から読み出され、この計測端末ＩＤをもとに当該計測端末の最新のＮサンプリング分の加速度センシングデータがセンシングデータ記憶部４１から読み出される。そして、この読み出された加速度センシングデータに基づいて、当該計測端末を所持するユーザの歩行状態、つまり歩行中か停止しているかがサンプリングタイミングごとに判定され、その判定結果を表す時系列データが該当する計測端末ＩＤに関連付けられて歩行判定結果記憶部４３に記憶される。

歩行判定方法としては、事前にユーザの歩行時における加速度のリファレンスデータを計測して保存しておき、このリファレンスデータと計測データとを比較するといった方式が考えられる。具体的には、先ずリファレンスデータと計測データのそれぞれにおいて３軸加速度の計測値から各サンプルタイミングにおける加速度の絶対値を算出し、リファレンスデータと計測データのそれぞれにおける加速度絶対値のＮサンプル分の時系列データを算出する。次に、この算出されたリファレンスデータ及び計測データの各加速度絶対値の時系列データをそれぞれ周波数解析することで、これらの時系列データのパワースペクトラムのピーク周波数[Hz]を算出する。そして、この算出された２つのピーク周波数の変化率Δｆpを、下式により算出する。
Δｆp ＝（ｆpDET−ｆpREF）／ｆpREF
ただし、ｆpDETは計測データにより算出されたパワースペクトラムのピーク周波数、ｆpREFはリファレンスデータにより算出されたパワースペクトラムのピーク周波数である。

続いて、上記算出されたピーク周波数の変化率Δｆpを、予め設定したしきい値と比較し、この比較の結果ピーク周波数の変化率Δｆpがしきい値よりも小さい場合には、上記計測データを歩行中のデータに相当すると判定する。以後、歩行中と判定された計測データのピーク周波数を歩行周期として保存する。

（２−３−２）歩行時間帯の類似度に基づく同行判定
次に、ステップＳ４２〜ステップＳ４５において第１の類似度範囲処理部３４が起動され、この第１の類似度範囲処理部３４により、上記グループメンバ候補に含まれる計測端末間の歩行時間帯の類似度が以下のように判定される。

すなわち、先ずステップＳ４２により、上記グループメンバ候補に含まれる複数の計測端末の中から１つが選択される。そしてステップＳ４３において、上記選択された計測端末の端末ＩＤもとに歩行判定結果記憶部４３から対応するユーザの歩行状態判定結果の時系列データが読み出される。続いてステップＳ４４において、注目するユーザの計測端末と上記選択された計測端末との間で、上記歩行状態判定結果の時系列データの類似度が計算される。

上記歩行時間帯の類似度の計算は、例えば２つの計測端末について得られた歩行判定結果をグラフ化してこの２つのグラフ間で類似度を求めることにより行える。具体的には、図６に示すように、歩行中と判定された時間区間を“１”、それ以外の時間区間を“−１”とすることで、歩行判定結果の時系列グラフを作成する。そして、この２つの時系列グラフにおける最新のＭサンプルタイミング分の歩行判定結果に対してガウス窓等の窓関数を掛ける。そして、この窓関数が掛けられた波形間の類似度を相互相関関数等の手法を用いて算出する。

続いてステップＳ４５により、上記計算された歩行状態判定結果の類似度が予め設定されたしきい値と比較される。この比較の結果、類似度がしきい値より小さければ、注目ユーザと選択された計測端末のユーザとは同行していないと判定され、ステップＳ４８に移行する。

一方、上記類似度がしきい値より大きかった場合には、上記注目ユーザと上記選択された計測端末のユーザとは同一グループに属するものと仮判定され、ステップＳ４６に移行する。

（２−３−３）歩行周期の類似度に基づくグループ行動の判定
ステップＳ４６に移行すると第２の類似度判定処理部３５が起動し、この第２の類似度判定処理部３５により以下のようにグループ行動の判定処理が行われる。
すなわち、先ずステップＳ４６において、上記第１の類似度判定処理部３４による仮判定の結果、歩行時間帯の類似度がしきい値より高いと判定された各ユーザについて、その加速度センシングデータをもとに上記最新の一定時間区間分の歩行周期変化量がそれぞれ算出される。そして、ステップＳ４７において、上記算出された歩行周期変化量の時系列データ間の類似度が算出され、この算出された類似度が予め設定したしきい値と比較されることで、当該ユーザが同一グループに属しているか否かが最終的に判定される。

具体的には、上記最新のＭサンプル区間におけるサンプリングレートＴごとの歩行周期の変化量ΔＣを、
ΔＣ＝（Ｃt’ −Ｃt’-T）／Ｔ （t-T*M≦t’≦t）
により計算する。
ただし、Ｃt’は時刻t’にて算出された歩行周期、Ｃt’-Tは時刻t’-Tにて算出された歩行周期である。

続いて、上記算出された歩行周期の変化量ΔＣの時系列グラフ間の類似度を、相互相関関数等の手法を用いて計算する。そして、この算出された類似度が予め設定されたしきい値よりも大きい場合に、判定対象の各ユーザがその時間区間において同一グループに属していたと判定する。図７はこの歩行周期の変化量の類似度に基づく判定結果を説明するためのもので、ユーザ間の歩行時間帯の類似度に基づく判定結果Ａ１，Ａ２に比べ、歩行周期の変化量の類似度に基づく判定結果Ｂ１，Ｂ２は、さらに限定されたものとなる。

上記ステップＳ４７による判定が終了すると、ステップＳ４８において、上記グループメンバ候補記憶部４２に保存されたグループメンバ候補の中に未選択の計測端末が残っているか否かが判定される。この判定の結果、未選択の計測端末が残っていればステップＳ４２に戻って未選択の計測端末が１つ選択され、この選択された計測端末のユーザに対し先に述べたステップＳ４３〜Ｓ４７による処理が行われる。以後同様に、グループメンバ候補中から未選択の計測端末が１つずつ順次選択されるごとに、上記ステップＳ４３〜Ｓ４７による処理が繰り返し行われる。

（２−４）判定結果の記憶
グループメンバ候補中の未選択の計測端末がなくなると、ステップＳ４９に移行して判定結果記憶制御部３６が起動し、この判定結果記憶制御部３６の制御の下で、上記ステップＳ４５又はステップＳ４７の判定により最終的に得られたグループ行動の判定結果を表す情報が判定結果記憶部４４に格納される。

以上詳述したように第１の実施形態では、グループ行動推定装置ＳＶにおいて、先ず各計測端末ＭＴ１〜ＭＴｎから収集した端末間の近接状態のセンシングデータをもとにグループメンバ候補が検出される。次に、このグループメンバ候補に含まれる計測端末から収集した加速度のセンシングデータをもとに各ユーザの歩行状態、つまり歩行中か否かが判定され、続いてこの歩行状態の判定結果に基づいてユーザ間の歩行時間帯の類似度が計算される。そして、この歩行時間帯の類似度がしきい値以上のユーザについて、さらに歩行周期変化量の類似度が計算され、この歩行周期変化量の類似度がしきい値以上のユーザが最終的に同一のグループに属するユーザとして判定される。

すなわち、第１の実施形態では、同一グループで行動しているユーザは歩行時間帯が類似することに着目して、先ず歩行時間帯の類似度をもとに同一グループに属しているか否か仮判定され、さらに同一グループで行動しているユーザはその歩行周期、つまり歩行速度が速くなったり遅くなったりする歩行パターンが類似することに着目して、歩行周期変化量の類似度をもとに同一グループに属するか否かが最終的に判定される。

したがって、多数のユーザが密集している場所においても、特定のユーザがどのユーザと同行しているかを精度良く判定することが可能となる。また、グループ行動の判定に際し、先ずユーザ間の歩行時間帯の類似度をもとに当該ユーザが同一グループに属するか否かが仮判定され、続いてユーザ間の歩行周期変化量の類似度をもとに当該ユーザが同一グループに属しているか否かが最終的に判定されるので、より一層高精度の推定が可能となる。

さらに、各計測端末ＭＴ１〜ＭＴｎから収集した近接状態を表すセンシングデータをもとに互いに近接する位置関係にあるユーザがグループメンバ候補として検出される。従って、多数のユーザが存在する場合に、グループ行動の推定処理に先立ちグループメンバ候補を絞り込むことが可能となる。このため、この絞り込みによりグループ行動の推定処理に要する情報処理量を減らして情報処理装置の処理負荷を軽減することができ、かつ推定処理の所要時間を短縮することが可能となる。

（第２の実施形態）
第１の実施形態では、注目するユーザが属するグループメンバを推定することはできるが、当該ユーザがグループメンバの他のユーザと実際に同行しているかどうかについては判定することができない。
そこで、この発明の第２の実施形態では、第１の実施形態で述べたグループ行動の推定処理に続き、グループ行動推定装置ＳＶにおいて、ユーザの一日におけるグループ判定結果の時系列データをもとに、グループメンバ中で注目するユーザが実際に同行したユーザを推定するようにしたものである。

例えば、いま図８に示すように、ある１日にユーザＵ１と同じグループに属していると推定されたメンバがユーザＵ２，Ｕ３だったとする。ユーザＵ２は長い時間ユーザＵ１と同じグループに属していたと判定されている一方で、ユーザＵ３は一時的にユーザＵ１と同じグループに属していたと判定されており、この情報からではユーザＵ１が実際に同行したユーザが誰だったのかを判定することは難しい。

そこで、ユーザＵ２及びユーザＵ３が実際にユーザＵ１と同行していたかどうかを精度良く判定するために、日々蓄積されるユーザＵ２とユーザＵ３のグループ行動判定結果、つまり図８に示す情報から、ユーザＵ１がユーザＵ２，Ｕ３と同じグループに属していた全時間を算出する。そして、同様に日々蓄積されたグループ行動判定結果から各ユーザがユーザＵ１と同じグループであると判定された全日数を算出する。続いて、同じグループに属していた全時間と、ユーザごとに算出された日数の２つのパラメータを含む２次元ベクトルをユーザごとに定義する。図９にその一例を示す。そして、ユーザごとに用意された全てのベクトルを入力としたＳＯＭ（自己組織化マップ）−最遠近法等によるクラスタリング処理を行い、これによりグループ中の各ユーザが注目ユーザＵ１と同行していたかどうかの判定を行う。

具体的には、はじめにグループ中の全ユーザの２次元ベクトルを入力としたＳＯＭ等の教示不要の学習器を用いることで、互いに類似したベクトルが近傍に配置されるように２次元上で再マッピングを行う。次いで、再マッピングされた各ベクトル間のユークリッド距離を計算し、距離の短いベクトル同士を一つのクラスタとして形成する。以降、クラスタが２つになるまで同処理を繰り返すことで、マップ上の同行者と非同行者の領域を算出する。このようにして、日々のグループ判定結果を用いることで、ユーザの同行者の推定を行う。

このように第２の実施形態によれば、ユーザを、同一グループに属していた時間と、同一グループに属していると判定された日数とに基づいてクラスタリングすることで、同一グループに属する複数のユーザの中で、注目ユーザＵ１と同行しているユーザ群と、同行していないユーザ群とをそれぞれ分けて判定することが可能となる。

（その他の実施形態）
なお、この発明は上記実施形態に限定されるものではない。例えば、前記第１の実施形態では、グループ行動の推定に際し、先ずユーザ間の歩行時間帯の類似度を判定することによりグループメンバ候補に含まれるユーザが同一グループに属しているか否かを仮判定し、次にユーザ間の歩行周期変化量の類似度を判定することにより、当該ユーザが同一グループに属しているか否かを最終的に推定するようにした。しかしこれに限定されるものではなく、ユーザ間の歩行時間帯の類似度の判定処理を省略し、歩行周期変化量の類似度判定処理のみによりグループメンバ候補に含まれるユーザが同一グループに属しているか否かを判定するようにしてもよい。このようにすると、グループ行動の推定処理に要する情報処理量を減らしてサーバコンピュータの処理負荷を軽減すると共に、推定処理に要する時間を短縮することが可能となる。

また、前記第１及び第２の実施形態ではグループ行動推定処理をグループ行動推定装置ＳＶで行う場合を例にとって説明したが、グループ行動推定処理のすべて又は一部を各計測端末ＭＴ１〜ＭＴｎにおいて行うようにしてもよい。これは、各計測端末ＭＴ１〜ＭＴｎが、他の計測端末から端末間の近接状態及び加速度を表す各センシングデータを直接又はサーバコンピュータを経由して収集し、この収集した各センシングデータをもとに図４及び図５に示す処理を実行することにより実現できる。

その他、グループ行動推定装置の種類や構成、グループ行動推定処理の手順及び処理内容等についても、この発明の要旨を逸脱しない範囲で種々変形して実施可能である。
要するにこの発明は、上記各実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記各実施形態に開示されている複数の構成要素の適宜な組み合せにより種々の発明を形成できる。例えば、各実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態に亘る構成要素を適宜組み合せてもよい。

ＳＶ…グループ行動推定装置、ＮＷ…通信ネットワーク、ＭＴ１〜ＭＴｎ…計測端末、１１…近接センサ、１２…３軸加速度センサ、１３…制御部、１４…通信部、２０…通信インタフェースユニット、３０…制御ユニット、３１…センシングデータ収集部、３２…グループメンバ候補検出部、３３…歩行判定処理部、３４…第１の類似度判定処理部、３５…第２の類似度判定処理部、３６…判定結果記憶制御部、４０…記憶ユニット、４１…センシングデータ記憶部、４２…グループメンバ候補記憶部、４３…歩行判定結果記憶部、４４…判定結果記憶部。

Claims (4)

1. 情報処理装置が、複数のユーザが同一グループのメンバとして行動しているか否かを推定するグループ行動推定方法であって、
   前記情報処理装置が、前記複数のユーザがそれぞれ所持する計測端末から、当該ユーザの歩行動作の加速度を表す第１の計測データを時系列的に受信し、この受信した第１の計測データをユーザ又は計測端末の識別情報と関連付けて記憶する第１の過程と、
   前記情報処理装置が、前記複数のユーザのうち推定対象となるユーザの各々について、当該ユーザ又は計測端末の識別情報をもとに前記記憶された第１の計測データを読み出し、この読み出された第１の計測データをもとに歩行動作の周期的変化を表す歩行周期変化量を算出する第２の過程と、
   前記情報処理装置が、前記推定対象となるユーザの各々について算出された歩行周期変化量の類似度を算出する第３の算出過程と、
   前記情報処理装置が、前記算出された歩行周期変化量の類似度を予め設定した第１のしきい値と比較し、その比較結果をもとに前記推定対象となる各ユーザが同一グループに属するか否かを判定する第４の過程と
   を具備することを特徴とするグループ行動推定方法。
2. 前記情報処理装置が、前記推定対象となるユーザの各々について、当該ユーザ又は計測端末の識別情報をもとに前記記憶された第１の計測データを読み出し、この読み出された第１の計測データもとに歩行時間帯を算出する第５の過程と、
   前記情報処理装置が、前記推定対象となるユーザの各々について、前記第５の過程により算出された歩行時間帯の類似度を算出する第６の過程と、
   前記情報処理装置が、前記第６の過程により算出された類似度を予め設定された第２のしきい値と比較し、その比較結果をもとに前記推定対象となる各ユーザが同一グループに属しているか否かを仮判定する第７の過程と
   をさらに具備し、
   前記第７の過程により前記推定対象となるユーザが同一グループに属していると仮判定された場合に、前記情報処理装置が前記第２乃至第４の過程を実行させることを特徴とする請求項１記載のグループ行動推定方法。
3. 前記情報処理装置が、前記複数のユーザがそれぞれ所持する計測端末から、当該ユーザ間の近接状態を表す第２の計測データを時系列的に受信し、この受信した第２の計測データをユーザ又は計測端末の識別情報と関連付けて記憶する第８の過程と、
   前記情報処理装置が、前記複数のユーザの各々について、当該ユーザ又は計測端末の識別情報をもとに前記記憶された第２の計測データを読み出し、この読み出された第２の計測データをもとに互いに近接する位置関係にあるユーザを検出して、この検出されたユーザ又はその計測端末の識別情報をグループメンバ候補として記憶する過程と
   をさらに具備し、
   前記情報処理装置が、前記グループメンバ候補として識別情報が記憶されたユーザを前記推定対象とするユーザとして、前記第２乃至第４の過程又は第５乃至第７の過程を実行させることを特徴とする請求項１又は２記載のグループ行動推定方法。
4. 請求項１乃至３のいずれかに記載のグループ行動推定方法が具備する各過程に対応する処理を、前記情報処理装置に実行させるプログラム。

Images