JP2012008771A - 情報処理装置、情報処理システム、情報処理方法およびプログラム - Google Patents

Abstract

【課題】処理負荷を増大させることなく、無線通信状態が悪い状態においても、ユーザが所望する情報を提供することができる情報処理装置を提供する。
【解決手段】情報処理装置としての移動端末２００は、自身の位置を示す緯度経度の測位情報を取得して、取得された測位情報を含む時系列ログをサーバ３００に送信する測位部２０２と、サーバ３００による時系列ログに基づく学習処理により得られた、ユーザの活動状態を表す活動モデルを受信する行動認識部２０４および行動予測部２０６とを備え、行動認識部２０４は、測位部２０２により取得された測位情報と、受信した活動モデルとを用いて、ユーザの現在の活動状態を認識し、行動予測部２０６は、行動認識部２０４により認識されたユーザの現在の活動状態から、ユーザの行動を予測する。
【選択図】図１

Description

本発明は、情報処理装置、情報処理システム、情報処理方法およびプログラムに関する。

近年、ＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）や携帯電話網のアンテナなどを利用して、ＰＣや携帯電話などの情報処理装置において位置情報が検出できるようになり、この位置検出機能を利用して多様なサービスが実現されてきている。

例えば、携帯電話においても、ＧＰＳユニットが搭載されるようになり、カーナビゲーションシステムのような誘導だけでなく、目的地に関する様々な情報や、イベント情報、クーポンの取得などを提供されるようになってきている。

このような携帯電話では、各エリアをユーザが指定して、ユーザのエリア指定に基づいて周辺情報を検索することで、このような情報を得ることが多いのが現状である。

例えば、特許文献１では、カーナビゲーションシステムや携帯電話、ＰＤＡ等の位置情報のセンシングが可能な情報機器を用いて、ユーザの移動履歴を蓄積し、この移動履歴から移動先を予測し、予測した移動先に関連する情報をネットワーク等を利用して取得する技術が提案されている。また、例えば、特許文献２では、位置情報が検出可能なカーナビゲーションシステムやＰＤＡ等の情報機器を用いて、ユーザに情報を提供するための技術が提案されている。

特開２００５−３１５８８５号公報 特開２００８−２０４０４０号公報

ところで、特許文献１や特許文献２の技術では、いずれも、移動履歴を蓄積して、移動先あるいは移動経路を予測するときに、蓄積した過去の移動履歴のすべてを用いている。このため、携帯電話などの情報処理装置において、過去の移動履歴のすべてを用いて予測を行うと、処理負荷が増大するという問題がある。また、処理負荷が増大することにより、情報処理装置の電池の持ちが悪くなるという問題もある。さらに、過去の移動履歴のすべてを用いて予測を行うと、メモリの占有量が大きくなるため、予測の最中にブラウザの閲覧を行う、または動画を視聴する場合に、それらの処理が制限を受けてしまうという問題がある。

このように、電池の持ちが悪くなり、他の処理が制限されるというのは情報処理装置の機能を著しく損なうという問題がある。

一方、予測処理をサーバ側で行わせるということが考えられるが、その場合、情報処理装置およびサーバの間での無線通信状態が悪くなり、情報処理装置が通信不能エリアに入った場合には、予測が不可能となってしまうという問題がある。

そこで、本発明は、上記問題に鑑みてなされたものであり、本発明の目的とするところは、処理負荷を増大させることなく、無線通信状態が悪い状態においても、ユーザが所望する情報を提供することが可能な、新規かつ改良された情報処理装置、情報処理システム、情報処理方法およびプログラムを提供することにある。

上記課題を解決するために、本発明のある観点によれば、自身の位置を示す緯度経度の測位情報を取得する測位部と、前記測位部により取得された前記測位情報を含む時系列ログをサーバに送信する送信部と、前記サーバによる前記時系列ログに基づく学習処理により得られた、ユーザの活動状態を表す活動モデルを受信する受信部と、前記測位部により取得された前記測位情報と、前記受信部が受信した前記活動モデルとを用いて、前記ユーザの現在の活動状態を認識する認識部と、前記認識部により認識された前記ユーザの現在の活動状態から、前記ユーザの行動を予測する予測部とを備える情報処理装置が提供される。

前記時系列ログは、前記情報処理装置と前記サーバとの間の無線通信状態情報を含んでもよい。

前記送信部は、前記受信部が以前に受信した前記活動モデルを用いて、前記情報処理装置と前記サーバとの間で無線通信可能であるときに、最新の前記時系列ログを前記サーバに送信してもよい。
前記受信部は、当該受信部が以前に受信した前記活動モデルを用いて、前記情報処理装置と前記サーバとの間で無線通信可能であるときに、最新の前記活動モデルを受信してもよい。

前記時系列ログは、前記情報処理装置の前記ユーザの操作情報を含んでもよい。

前記サーバによる前記活動モデルを用いて収集された、前記ユーザの活動状態に基づく前記ユーザが所望する情報を受信する情報受信部と、前記測位部により取得された前記測位情報と、前記情報受信部が受信した前記ユーザが所望する情報とを用いて、前記情報受信部が受信した前記ユーザが所望する情報のうちから前記ユーザに提供する情報を決定する情報決定部とをさらに備えてもよい。
前記情報決定部は、さらに、前記予測部による予測結果を用いて、前記情報受信部が受信した前記ユーザが所望する情報のうちから前記ユーザの目的地にいたる経路上あるいは目的地に関する情報を前記ユーザに提供する情報として決定してもよい。

前記時系列ログは、前記情報処理装置と前記サーバとの間の無線通信状態情報を含み、前記情報受信部は、前記受信部が以前に受信した前記活動モデルを用いて、前記情報処理装置と前記サーバとの間で無線通信可能であるときに、最新の前記ユーザが所望する情報を受信してもよい。

前記受信部が受信した前記活動モデルを用いて、前記情報処理装置と前記サーバとの間で無線通信可能であるときに前記ユーザが所望する情報を取得するように、通信スケジュールを設定する設定部をさらに備えてもよい。

前記受信部は、前記サーバによる他の情報処理装置の測位部により取得された測位情報を含む時系列ログに基づく学習処理により得られた、ユーザの活動状態を表す活動モデルを受信してもよい。

また、上記課題を解決するために、本発明の別の観点によれば、情報処理装置と、サーバとを備え、前記情報処理装置は、自身の位置を示す緯度経度の測位情報を取得する測位部と、前記測位部により取得された前記測位情報を含む時系列ログを前記サーバに送信する送信部と、前記サーバによる前記時系列ログに基づく学習処理により得られた、ユーザの活動状態を表す活動モデルを受信する受信部と、前記測位部により取得された前記測位情報と、前記受信部が受信した前記活動モデルとを用いて、前記ユーザの現在の活動状態を認識する認識部と、前記認識部により認識された前記ユーザの現在の活動状態から、前記ユーザの行動を予測する予測部と、を備え、前記サーバは、前記送信部により送信された前記時系列ログを受信するサーバ側受信部と、前記サーバ側受信部が受信した前記時系列ログに基づいて、前記情報処理装置を携行するユーザの活動状態を、活動モデルとして学習する学習部と、前記学習部により得られた活動モデルを前記情報処理装置に送信するサーバ側送信部とを備える情報処理システムが提供される。

また、上記課題を解決するために、本発明の別の観点によれば、情報処理装置において、自身の位置を示す緯度経度の測位情報を取得する測位ステップと、前記情報処理装置において、前記測位ステップで取得された前記測位情報を含む時系列ログをサーバに送信する送信ステップと、前記サーバにおいて、前記送信ステップで送信された前記時系列ログを受信するサーバ側受信ステップと、前記サーバにおいて、サーバ側受信ステップで受信した前記時系列ログに基づいて、前記情報処理装置を携行するユーザの活動状態を、活動モデルとして学習する学習ステップと、前記サーバにおいて、前記学習ステップで得られた活動モデルを前記情報処理装置に送信するサーバ側送信ステップと、前記情報処理装置において、前記サーバ側送信ステップで送信された前記活動モデルを受信する受信ステップと、前記情報処理装置において、前記測位ステップで取得された前記測位情報と、前記受信ステップで受信した前記活動モデルとを用いて、前記ユーザの現在の活動状態を認識する認識ステップと、前記情報処理装置において、前記認識ステップで認識された前記ユーザの現在の活動状態から、前記ユーザの行動を予測する予測ステップとを有する情報処理方法が提供される。

また、上記課題を解決するために、本発明の別の観点によれば、コンピュータを、自身の位置を示す緯度経度の測位情報を取得する測位部と、前記測位部により取得された前記測位情報を含む時系列ログをサーバに送信する送信部と、前記サーバによる前記時系列ログに基づく学習処理により得られた、ユーザの活動状態を表す活動モデルを受信する受信部と、前記測位部により取得された前記測位情報と、前記受信部が受信した前記活動モデルとを用いて、前記ユーザの現在の活動状態を認識する認識部と、前記認識部により認識された前記ユーザの現在の活動状態から、前記ユーザの行動を予測する予測部と、として機能させるためのプログラムが提供される。

以上説明したように本発明によれば、処理負荷を増大させることなく、無線通信の回線状態が悪い状態においても、ユーザが所望する情報を提供することができる。

本発明の第１の実施の形態に係る行動予測システムの構成を概略的に示すブロック図である。 行動予測システムのハードウエア構成の一例を示すブロック図である。 図１の行動予測システムが実行する行動予測処理のシーケンス図である。 本発明の第２の実施の形態に係る行動予測システムの構成を概略的に示すブロック図である。 行動予測システムが１つの移動端末と１つのサーバとで構成される場合における、図４の行動予測システムが実行する行動予測処理のシーケンス図である。 行動予測システムが１つの移動端末と１つのサーバとで構成される場合における、図４の行動予測システムが実行する行動予測処理のシーケンス図である。 本発明の第３の実施の形態に係る行動予測システムの構成を概略的に示すブロック図である。 行動予測システムが１つの移動端末と１つのサーバとで構成される場合における、図７の行動予測システムが実行する行動予測処理のシーケンス図である。 行動予測システムが１つの移動端末と１つのサーバとで構成される場合における、図７の行動予測システムが実行する行動予測処理のシーケンス図である。 時系列ログの一例を説明するための説明図である。 時系列ログの他の一例を説明するための説明図である。 時系列ログのさらに他の一例を説明するための説明図である。 ステップＳ１１８で予測された目的地の予測位置情報、到達の予測時刻情報および目的地ごとの到達確率情報の一例を説明するための説明図である。 表示部に表示させる画面の一例を説明するための説明図である。 移動端末の表示部に表示させる画面の一例を説明するための説明図である。 移動端末の表示部に表示されるユーザに提供する情報の表示の一例を説明するための説明図である。 移動端末の表示部に表示されるコンテンツを説明するための説明図である。 移動端末の表示部に表示されるコンテンツを説明するための説明図である。 上述した一連の処理をプログラムにより実行するコンピュータのハードウエアの構成例を示すブロック図である。

以下に添付図面を参照しながら、本発明の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。

なお、説明は以下の順序で行うものとする。
１．行動予測システム（第１の実施の形態）
２．行動予測システム（第２の実施の形態）
２−１．行動予測システムが１つの移動端末と１つのサーバとで構成される場合
２−２．行動予測システムが２つの移動端末と１つのサーバとで構成される場合
３．行動予測システム（第３の実施の形態）
３−１．行動予測システムが１つの移動端末と１つのサーバとで構成される場合
３−２．行動予測システムが２つの移動端末と１つのサーバとで構成される場合

［１．行動予測システム（第１の実施の形態）］
まず、本発明の第１の実施の形態に係る行動予測システムについて説明する。図１は、本実施の形態に係る行動予測システムの構成を概略的に示すブロック図である。

図１において、行動予測システム１００は、測位部２０２、時系列ログ記憶部３０２、行動学習部３０４、行動認識部２０４、行動予測部２０６、目的地予測部２０８、操作部２１０および表示部２１２により構成される。

行動予測システム１００は、ＧＰＳセンサなどの測位部２０２により取得される現在地を示す測位情報を含む時系列ログから、ユーザの活動状態（行動・活動パターンを表した状態）を確率的状態遷移モデルとして学習する学習処理を行う。また、行動予測システム１００は、学習処理により得られたパラメータで表される確率的状態遷移モデル（ユーザ活動モデル）を用いて、ユーザの目的地を予測する予測処理も行う。予測処理では、目的地は１つだけでなく、複数の目的地が予測されることもある。行動予測システム１００は、予測した目的地について到達確率、経路および到達時間を算出してユーザに掲示する。

図１において、点線の矢印は、学習処理におけるデータの流れを示しており、実線の矢印は、予測処理におけるデータの流れを示している。

測位部２０２は、本発明の測位部、送信部の一例であり、自身の位置を示す緯度経度の測位情報を、一定時間間隔（たとえば、１５秒間隔）で順次取得する。なお、測位部２０２が測位情報を一定間隔に取得することができない場合もある。例えば、トンネルや地下にいる場合などには、人工衛星を捕捉することができず、取得間隔が長くなることもある。このような場合には、補間処理を行うことなどにより、測位情報を補うことができる。

測位部２０２は、学習処理においては、取得され緯度経度の測位情報をログに含んで、当該ログを時系列ログ記憶部３０２に供給する。また、測位部２０２は、予測処理においては、取得される測位情報を行動認識部２０４に供給する。また、本実施の形態では、時系列ログ記憶部３０２に供給されるログは、ユーザによる操作部２１０を介した操作情報や後述する移動端末２００とサーバ３００との間の無線通信状態情報を含む。

時系列ログ記憶部３０２は、測位部２０２により連続して取得された測位情報や、ユーザの操作情報、無線通信状態情報を含むログ、すなわち、時系列ログを記憶する。ユーザの行動・活動パターンを学習するので、例えば、数日分程度など、ある程度の期間について蓄積された時系列ログが必要である。

行動学習部３０４は、時系列ログ記憶部３０２に記憶されている時系列ログに基づいて、測位部２０２が組み込まれた機器を携行するユーザの活動状態を、確率的状態遷移モデルとして学習する。行動学習部３０４は、過去の一定期間のログを使用することができる。また、行動学習部３０４が学習に用いるログは、日ごとに忘却係数をかけて重み付けされることができる。時系列ログに含まれる時系列の測位情報はユーザの位置を示すデータであり、ユーザの操作情報はユーザの操作を示すデータであり、無線通信状態情報は無線回線の状態を示すデータであるので、確率的状態遷移モデルとして学習されるユーザの活動状態は、ユーザの移動経路、ユーザの移動経路上におけるユーザの操作およびユーザの移動経路上における無線回線の状態を表す状態となる。学習方法については、本出願人が出願した、例えば特願２００９−２０８０６４明細書に記載されている技術を用いることができるので、ここでは詳細な説明は省略する。学習に使用される確率的状態遷移モデルとしては、例えば、エルゴディックＨＭＭ（Ｈｉｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌ）、ＲＮＮ（Ｒｅｃｕｒｒｅｎｔ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）、ＦＮＮ（Ｆｅｅｄ Ｆｏｒｗａｒｄ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）、ＳＶＲ（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｒｅｇｒｅｓｓｉｏｎ）、ＲＮＮＰＢ（Ｒｅｃｕｒｒｅｎｔ Ｎｅｕｒａｌ Ｎｅｔ ｗｉｔｈ Ｐａｒａｍｅｔｒｉｃ Ｂｉａｓ）などの、隠れ状態を含む確率的状態遷移モデルを採用することができる。本実施の形態では、確率的状態遷移モデルとして、エルゴディックＨＭＭにスパース制約を与えたものを採用する。なお、スパース制約を与えたエルゴディックＨＭＭ、エルゴディックＨＭＭのパラメータの算出方法等については、上述した特願２００９−２０８０６４明細書に記載されているため、ここでは詳細な説明は省略する。

行動学習部３０４は、学習結果を示すデータを表示部２１２に供給し、表示させる。また、行動学習部３０４は、学習処理により得られた確率的状態遷移モデルのパラメータを行動認識部２０４および行動予測部２０６に供給する。

行動認識部２０４は、本発明の受信部、認識部の一例であり、学習により得られたパラメータの確率的状態遷移モデルを用いて、測位部２０２からリアルタイムに供給される測位情報から、ユーザの現在の活動状態、すなわち、ユーザの現在地を認識する。行動認識部２０４は、ユーザの現在の状態ノードのノード番号を行動予測部２０６に供給する。

行動予測部２０６は、本発明の受信部、予測部の一例であり、学習により得られたパラメータの確率的状態遷移モデルを用いて、行動認識部２０４から供給される状態ノードのノード番号が示すユーザの現在地から、ユーザが取りうる経路を過不足なく探索（予測）する。また、行動予測部２０６は、探索された経路ごとの生起確率を計算することにより、探索された経路が選択される確率である選択確率を予測する。本実施の形態では、行動認識部２０４および行動予測部２０６は、例えば、最尤推定アルゴリズム、ビタビアルゴリズム、またはＢＰＴＴ（Ｂａｃｋ−Ｐｒｏｐａｇａｔｉｏｎ Ｔｈｒｏｕｇｈ Ｔｉｍｅ）法を用いる。

目的地予測部２０８には、行動予測部２０６から、ユーザが取りうる経路と、その選択確率が供給される。また、目的地予測部２０８には、操作部２１０から、ユーザにより目的地を示す情報が供給されてもよい。

目的地予測部２０８は、学習により得られたパラメータの確率的状態遷移モデルを用いて、ユーザの目的地を予測する。

具体的には、目的地予測部２０８は、最初に、目的地候補を列挙する。目的地予測部２０８は、認識されるユーザの行動状態が滞在状態となる場所を目的地候補とする。

そして、目的地予測部２０８は、列挙した目的地候補のうち、行動予測部２０６により探索された経路上にある目的地候補を目的地に決定する。

次に、目的地予測部２０８は、決定した目的地ごとの到達確率を算出する。

目的地が多数検出された場合には、そのすべてについて表示部２１２に表示すると見づらくなり、行く可能性の少ない目的地まで表示することもあり得る。したがって、本実施の形態では、探索された経路を絞り込んだのと同様に、目的地についても、到達確率の高い所定個数の目的地や、到達確率が所定値以上の目的地のみを表示するように、表示対象の目的地を絞り込むことができる。なお、目的地と経路の表示個数は異なっていても構わない。

表示対象の目的地が決定された場合、目的地予測部２０８は、目的地までの経路の到達時間を計算し、表示部２１２に表示させる。

なお、目的地までの経路が多数存在する場合には、目的地予測部２０８は、選択確率に基づいて目的地への経路を所定個数に絞り込んだ上で、表示経路の到達時間のみを計算することができる。

また、目的地までの経路が多数存在する場合、選択される可能性の高い順で表示経路を決定する以外に、到達時間の短い順や、目的地までの距離の短い順に、表示経路を決定することも可能である。到達時間の短い順に表示経路を決定する場合には、例えば、目的地予測部２０８は、最初に、目的地までの経路の全てについて到達時間を計算し、計算された到達時間に基づいて、表示経路を決定する。目的地までの距離の短い順に表示経路を決定する場合には、例えば、目的地予測部２０８は、最初に、目的地までの経路の全てについて、状態ノードに対応する緯度経度の情報に基づいて目的地までの距離を計算し、計算された距離に基づいて、表示経路を決定する。

操作部２１０は、ユーザが入力した情報を受け付け、目的地予測部２０８に供給する。表示部２１２は、行動学習部３０４または目的地予測部２０８から供給される情報を表示する。

以上のように構成される行動予測システム１００は、例えば、図２に示されるハードウエア構成を採用することができる。すなわち、図２は、行動予測システム１００のハードウエア構成の一例を示すブロック図である。

図２において、行動予測システム１００は、移動端末２００とサーバ３００とにより構成されている。また、行動予測システム１００は、２台の移動端末２００，２５０とサーバ３００とにより構成されてもよい。すなわち、図２の図中では行動予測システム１００が２台の移動端末２００，２５０とサーバ３００とで構成されているが、行動予測システム１００は１台の移動端末２００とサーバ３００とで構成されてもよく、行動予測システム１００は２台の移動端末２００，２５０とサーバ３００とで構成されてもよい。移動端末２００，２５０は、同一機能を有する移動端末であってもよく、後述するように異なる機能を有する移動端末であってもよい。また、移動端末２００，２５０のうちのどちらか一方は固定端末であってもよい。

移動端末２００，２５０は、無線通信およびインターネット等のネットワークを介した通信により、サーバ３００とデータの授受を行うことができる。サーバ３００は、移動端末２００，２５０から送信されてくるデータを受信し、受信したデータに対し所定の処理を行う。そして、サーバ３００は、データ処理の処理結果を無線通信等によりモバイル端末２００，２５０に送信する。

従って、移動端末２００，２５０とサーバ３００は、無線または有線による通信を行う通信部を少なくとも有する。

さらに、移動端末２００が、図１における測位部２０２、行動認識部２０４、行動予測部２０６、目的地予測部２０８、操作部２１０および表示部を備え、サーバ３００が、図１における時系列ログ記憶部３０２および行動学習部３０４を備える構成を採用することができる。

この構成が採用される場合、学習処理において、移動端末２００が、測位部２０２により取得された測位情報や、ユーザの操作情報、無線通信状態情報を含む時系列ログを送信する。また、移動端末２００は、上記時系列ログをサーバ３００に送信する前に一時的に移動端末２００内の記憶部（図示しない）に記憶してもよい。サーバ３００は、受信した学習用の時系列ログに基づき、ユーザの活動状態を確率的状態遷移モデルにより学習し、学習により得られたパラメータを移動端末２００に送信する。そして、予測処理において、移動端末２００が、測位部２０２によりリアルタイムに取得される測位情報を、サーバ３００から受信したパラメータを用いて、ユーザの現在地を認識し、さらに、目的地までの経路および時間を演算する。そして、移動端末２００は、演算結果としての目的地までの経路および時間を表示部２１２に表示する。

以上のような移動端末２００とサーバ３００との間の役割分担は、それぞれの情報処理装置としての処理能力や通信環境に応じて決定することができる。

学習処理は、処理に要する１回あたりの時間は非常に長いが、それほど頻繁に処理する必要はない。従って、サーバ３００に、一日に一回程度蓄積された時系列ログに基づいて学習処理（パラメータの更新）を行わせるようにすることができる。また、サーバ３００は、学習処理を行う前の蓄積されたログの修正を行う機能を有していてもよい。この場合、蓄積されたログの順序を正しい順序にすることや、重複されて蓄積されたログの除去を行うことができる。

一方、予測処理は、時々刻々とリアルタイムに更新される測位情報に対応させて迅速に処理し、表示することが望ましいので、移動端末２００で処理を行う。

次に、図１の行動予測システム１００が実行する行動予測処理について説明する。図３は、図１の行動予測システム１００が実行する行動予測処理のシーケンス図である。

図３において、まず、移動端末２００は、測位部２０２からの測位情報、ユーザによる操作部２１０を介した操作情報、および移動端末２００とサーバ３００との間の無線通信状態情報を取得する（ステップＳ１０２）。

次いで、移動端末２００は、ステップＳ１０２で取得した測位情報、操作情報および無線通信状態情報を含んだログ、若しくはそのログをある程度時系列で蓄積した時系列ログをサーバ３００に送信する（ステップＳ１０４）。図１０は、時系列ログの一例を説明するための説明図であり、ログは時刻情報、経度情報、緯度情報およびＧＰＳ精度情報で構成されている。また、図１１は、時系列ログの他の一例を説明するための説明図であり、ログは時刻情報、経度情報、緯度情報、ＧＰＳ精度情報および操作情報で構成されている。また、図１２は、時系列ログのさらに他の一例を説明するための説明図であり、ログは時刻情報、経度情報、緯度情報、ＧＰＳ精度情報および操作情報で構成される場合と、時刻情報および操作情報で構成される場合とがある。ログが時刻情報および操作情報で構成される場合は、前後のログを用いて補間処理を行うなどにより、経度情報および緯度情報を補うことができる。

次いで、サーバ３００の時系列ログ記憶部３０２は、ステップＳ１０４で移動端末２００から送信されたログ、若しくは時系列ログを記憶する（ステップＳ１０６）。

次いで、サーバ３００の行動学習部３０４は、時系列ログ記憶部３０２に記憶されている時系列ログに基づいて、測位部２０２が組み込まれた移動端末２００を携行するユーザの活動状態を、確率的状態遷移モデルとして学習する（ステップＳ１０８）。

次いで、サーバ３００の行動学習部３０４は、学習処理により得られた確率的状態遷移モデルのパラメータを移動端末２００に送信する（ステップＳ１１０）。

次いで、移動端末２００は、ステップＳ１１０で受信したパラメータの確率的状態遷移モデルを記憶する（ステップＳ１１２）。

次いで、移動端末２００の行動認識部２０４は、測位部２０２からの測位情報を取得する（ステップＳ１１４）。

次いで、移動端末２００の行動認識部２０４は、学習により得られたパラメータの確率的状態遷移モデルを用いて、測位部２０２から取得した測位情報から、ユーザの現在の活動状態、すなわち、ユーザの現在地を認識する（ステップＳ１１６）。行動認識部２０４は、ユーザの現在の状態ノードのノード番号を行動予測部２０６に供給する。

次いで、移動端末２００の行動予測部２０６は、学習により得られたパラメータの確率的状態遷移モデルを用いて、行動認識部２０４から供給される状態ノードのノード番号が示すユーザの現在地から、ユーザが取りうる経路を過不足なく探索（予測）する（ステップＳ１１８）。また、行動予測部２０６は、探索された経路ごとの生起確率を計算することにより、探索された経路が選択される確率である選択確率を予測する。そして、目的地予測部２０８には、行動予測部２０６から、ユーザが取りうる経路と、その選択確率が供給されて、目的地予測部２０８は、学習により得られたパラメータの確率的状態遷移モデルを用いて、ユーザの目的地を予測する。具体的には、目的地予測部２０８は、最初に、目的地候補を列挙する。目的地予測部２０８は、認識されるユーザの行動状態が滞在状態となる場所を目的地候補とする。そして、目的地予測部２０８は、列挙した目的地候補のうち、行動予測部２０６により探索された経路上にある目的地候補を目的地に決定する。さらに、目的地予測部２０８は、決定した目的地ごとの到達確率を算出する。そして、表示対象の目的地が決定された場合、目的地予測部２０８は、目的地までの経路の到達時間を計算し、表示部２１２に表示させて、本処理を終了する。図１３は、ステップＳ１１８で予測された目的地の予測位置情報、到達の予測時刻情報および目的地ごとの到達確率情報の一例を説明するための説明図である。また、図１４は、表示部２１２に表示させる画面の一例を説明するための説明図であり、星型の印が図１３における現在の位置を示し、三角型の印が図１３における駅１の位置を示し、菱型の印が図１３における駅２の位置を示し、丸型の印が図１３における会社の位置を示している。図１５は、移動端末２００の表示部２１２に表示させる画面の一例を説明するための説明図である。

図３の行動予測処理によれば、移動端末２００がサーバ３００での学習処理により得られた確率的状態遷移モデルのパラメータを記憶して、記憶したパラメータの確率的状態遷移モデルを用いて予測処理を行うため、過去の移動履歴のすべてを用いて予測処理を行う場合と比較して、移動端末２００の処理負荷を軽減させることができる。また、移動端末２００は無線通信状態が良好なときに、サーバ３００から確率的状態遷移モデルのパラメータを受信して記憶することにより、無線通信状態が悪い状態においても、予測処理を行うことができる。

また、本実施の形態によれば、移動端末２００が以前に受信したパラメータの確率的状態遷移モデルを用いて、移動端末２００とサーバ３００との間で無線通信可能であるときに、測位部２０２は最新の時系列ログをサーバ３００に送信するようにしてもよい。また、移動端末２００が以前に受信したパラメータの確率的状態遷移モデルを用いて、移動端末２００とサーバ３００との間で無線通信可能であるときに、行動認識部２０４および行動予測部２０６はサーバ３００から最新の確率的状態遷移モデルのパラメータを受信するようにしてもよい。これらの場合、無線通信状態が悪い状態においても、予測処理を行うことができる。
本実施の形態によれば、例えば、移動端末２００は、ユーザの行動を予測して、ユーザの行先に無線通信状態が悪い、すなわちオフラインのエリアがあれば、そこにユーザが到達する前に、時系列ログの送信や、確率的状態遷移モデルの受信を行うことにより、オフラインのエリアにおいても、無線通信状態が良い、すなわちオンラインのエリアでの処理と同様の処理を行うことができる。

［２．行動予測システム（第２の実施の形態）］
次に、本発明の第２の実施の形態に係る行動予測システムについて説明する。図４は、本実施の形態に係る行動予測システムの構成を概略的に示すブロック図である。本実施の形態における行動予測システムは、情報提供部２１４および情報収集部３０６を備える点が、上述した第１の実施の形態と異なるのみであるので、重複した構成、作用については説明を省略し、以下に異なる構成、作用についての説明を行う。

図４において、行動予測システム１２０は、測位部２０２、時系列ログ記憶部３０２、行動学習部３０４、情報収集部３０６、行動認識部２０４、行動予測部２０６、目的地予測部２０８、操作部２１０、表示部２１２および情報提供部２１４により構成される。

情報収集部３０６は、行動学習部３０４による学習により得られたパラメータの確率的状態遷移モデルを用いて、ユーザの活動状態に基づいてユーザが所望する情報をインターネットなどを介して収集する。例えば、情報収集部３０６は、ユーザの活動状態におけるユーザの移動経路の緯度経度の情報と、例えばお店の緯度経度の情報とに基づいて、お店の情報を収集する。そして、情報収集部３０６は、収集したユーザが所望する情報を情報提供部２１４に送信する。
なお、ユーザが所望する情報としては、例えば、移動経路中の駅の時刻表情報や電車運行情報、移動経路中の店舗売り出し情報や店舗のクーポン券情報などが挙げられる。

情報提供部２１４は、本発明の情報受信部、情報決定部の一例であり、情報収集部３０６から送信されたユーザが所望する情報を記憶して、行動認識部２０４により認識されたユーザの現在地の情報や、行動予測部２０６、目的地予測部２０８の出力情報に基づいて、ユーザに提供する情報を決定して、決定した情報を表示部２１２に表示させる。すなわち、情報提供部２１４は、ユーザの現在地に基づいて行動認識し、その後の行動予測・目的地予測の結果、目的地にいたる経路上あるいは目的地に関する情報を提供する。また、情報提供部２１４には、操作部２１０から、ユーザによりユーザが所望する情報を示す情報が供給されてもよい。

［２−１．行動予測システムが１つの移動端末と１つのサーバとで構成される場合］
次に、行動予測システム１２０が１つの移動端末と１つのサーバとで構成される場合における、図４の行動予測システム１２０が実行する行動予測処理について説明する。図５は、行動予測システム１２０が１つの移動端末と１つのサーバとで構成される場合における、図４の行動予測システム１２０が実行する行動予測処理のシーケンス図である。

図５において、まず、移動端末２２０は、測位部２０２からの測位情報、ユーザによる操作部２１０を介した操作情報、および移動端末２２０とサーバ３２０との間の無線通信状態情報を取得する（ステップＳ２０２）。

次いで、移動端末２２０は、ステップＳ２０２で取得した測位情報、操作情報および無線通信状態情報を含んだログ、若しくはそのログをある程度時系列で蓄積した時系列ログをサーバ３２０に送信する（ステップＳ２０４）。

次いで、サーバ３２０の時系列ログ記憶部３０２は、ステップＳ２０４で移動端末２２０から送信されたログ、若しくは時系列ログを記憶する（ステップＳ２０６）。

次いで、サーバ３２０の行動学習部３０４は、時系列ログ記憶部３０２に記憶されている時系列ログに基づいて、測位部２０２が組み込まれた移動端末２２０を携行するユーザの活動状態を、確率的状態遷移モデルとして学習する（ステップＳ２０８）。

次いで、サーバ３２０の行動学習部３０４は、学習処理により得られた確率的状態遷移モデルのパラメータを移動端末２２０に送信する（ステップＳ２１０）。

次いで、移動端末２２０は、ステップＳ２１０で受信したパラメータの確率的状態遷移モデルを記憶する（ステップＳ２１２）。

一方、サーバ３２０は、学習処理により得られたパラメータの確率的状態遷移モデルを用いて、ユーザの活動状態に基づいてユーザが所望する情報をインターネットなどを介して収集する（ステップＳ２１４）。

次いで、サーバ３２０は、ステップＳ２１４で収集したユーザが所望する情報を移動端末２２０に送信する（ステップＳ２１６）。

次いで、移動端末２２０は、ステップＳ２１６で受信したユーザが所望する情報を記憶する（ステップＳ２１８）。

次いで、移動端末２２０の行動認識部２０４は、測位部２０２からの測位情報を取得する（ステップＳ２２０）。

次いで、移動端末２２０の行動認識部２０４は、学習により得られたパラメータの確率的状態遷移モデルを用いて、測位部２０２から取得した測位情報から、ユーザの現在の活動状態、すなわち、ユーザの現在地を認識する（ステップＳ２２２）。行動認識部２０４は、ユーザの現在の状態ノードのノード番号を行動予測部２０６に供給する。

次いで、移動端末２２０の行動予測部２０６は、学習により得られたパラメータの確率的状態遷移モデルを用いて、行動認識部２０４から供給される状態ノードのノード番号が示すユーザの現在地から、ユーザが取りうる経路を過不足なく探索（予測）する（ステップＳ２２４）。また、行動予測部２０６は、探索された経路ごとの生起確率を計算することにより、探索された経路が選択される確率である選択確率を予測する。そして、目的地予測部２０８には、行動予測部２０６から、ユーザが取りうる経路と、その選択確率が供給されて、目的地予測部２０８は、学習により得られたパラメータの確率的状態遷移モデルを用いて、ユーザの目的地を予測する。具体的には、目的地予測部２０８は、最初に、目的地候補を列挙する。目的地予測部２０８は、認識されるユーザの行動状態が滞在状態となる場所を目的地候補とする。そして、目的地予測部２０８は、列挙した目的地候補のうち、行動予測部２０６により探索された経路上にある目的地候補を目的地に決定する。さらに、目的地予測部２０８は、決定した目的地ごとの到達確率を算出する。そして、表示対象の目的地が決定された場合、目的地予測部２０８は、目的地までの経路の到達時間を計算し、表示部２１２に表示させる。

次いで、移動端末２２０の情報提供部２１４は、ステップＳ２２２で認識されたユーザの現在地の情報に基づいて、ステップＳ２１８で記憶したユーザが所望する情報のうちからユーザに提供する情報を決定して、決定した情報を表示部２１２に表示させて（ステップＳ２２６）、本処理を終了する。図１６は、移動端末２２０の表示部２１２に表示されるユーザに提供する情報の表示の一例を説明するための説明図である。図１６において、コンテンツ１はユーザが所望する確率の高い情報であって、ユーザが表示部２１２のコンテンツ１の領域をタップすると即座に起動するようにすることができる。なお、コンテンツ１などのユーザが所望する確率の高い情報は、ある条件を満たした際には自動的に起動するようにしてもよい。また、図１６において、コンテンツ２，３はコンテンツ１よりもユーザが所望する確率の低い情報であって、ユーザが表示部２１２のコンテンツ２，３の領域をタップするとコンテンツのリストが表示されるようにすることができる。また、図１７に示すように、移動端末２２０の表示部２１２に表示されるコンテンツ１やコンテンツ２は、事前にインターネット上のサーバ３２０のコンテンツ、サーバ３４０上の自分のコンテンツ、または他の移動端末２７０内のコンテンツと同期済みであるようにするのがよい。また、図１８に示すように、移動端末２２０の表示部２１２において、予測処理の結果画面に重畳してコンテンツ１の表示を行ってもよい。

図５の行動予測処理によれば、移動端末２２０がサーバ３２０での学習処理により得られた確率的状態遷移モデルのパラメータを記憶して、記憶したパラメータの確率的状態遷移モデルを用いて予測処理を行うため、過去の移動履歴のすべてを用いて予測処理を行う場合と比較して、移動端末２２０の処理負荷を軽減させることができる。また、移動端末２２０は無線通信状態が良好なときに、サーバ３２０から確率的状態遷移モデルのパラメータを受信して記憶することにより、無線通信状態が悪い状態においても、予測処理を行うことができる。また、サーバ３２０がユーザが所望する情報を収集して、収集したユーザが所望する情報を移動端末２２０に送信し、移動端末２２０はサーバ３２０から受信したユーザが所望する情報のうちからユーザに提供する情報を決定するので、移動端末２２０がユーザが所望する情報の収集を行う必要をなくすことができ、移動端末２２０の処理負荷をさらに軽減することができる。

また、本実施の形態によれば、移動端末２２０が以前に受信したパラメータの確率的状態遷移モデルを用いて、移動端末２２０とサーバ３２０との間で無線通信可能であるときに、移動端末２２０は最新のユーザが所望する情報を受信するようにしてもよい。この場合、無線通信状態が悪い状態においても、最新のユーザが所望する情報を提供することができる。
また、本実施の形態では、サーバ３２０がユーザが所望する情報をインターネットなどを介して収集したが、サーバ３２０は当該ユーザが所望する情報のインターネット上の場所を示すＵＲＬ情報のみを移動端末２２０に送信して、移動端末２２０が当該ＵＲＬ情報に基づいて最新のユーザが所望する情報をインターネットなどを介して取得できるようにしてもよい。すなわち、情報提供部２１４には、当該ＵＲＬ情報のみを記憶しており、移動端末２２０は行動予測して情報提供した時点で、最新のコンテンツをＵＲＬ情報よりダウンロードしてもよい。また、情報提供部２１４は、自動的にインターネットから同じＵＲＬ情報であるが最新の情報が記述されている情報（運行情報やニュースなど）を取得してもよい。あるいは情報提供部２１４にユーザが操作部２１０の作用による情報をインターネットから取得してもよい。さらには、最適なダウンロード時刻・場所の通信スケジュールの設定をしてもよい。
本実施の形態によれば、例えば、移動端末２００は、ユーザの行動を予測して、ユーザの行先に無線通信状態が悪い、すなわちオフラインのエリアがあれば、そこにユーザが到達する前に、時系列ログの送信や、確率的状態遷移モデルの受信、ユーザが所望する情報の受信を行うことにより、オフラインのエリアにおいても、無線通信状態が良い、すなわちオンラインのエリアでの処理と同様の処理を行うことができる。

［２−２．行動予測システムが２つの移動端末と１つのサーバとで構成される場合］
次に、行動予測システム１２０が２つの移動端末と１つのサーバとで構成される場合における、図４の行動予測システム１２０が実行する行動予測処理について説明する。図６は、行動予測システム１２０が１つの移動端末と１つのサーバとで構成される場合における、図４の行動予測システム１２０が実行する行動予測処理のシーケンス図である。本実施の形態は、例えば、移動端末２７０と比較して移動端末２２０の測位精度が高い場合に実行される処理である。また、移動端末２７０が情報提供の機能を有する場合において実行される処理である。また、移動端末２７０は測位機能を有することなく、例えば移動端末２２０から測位情報を取得して予測処理などを行ってもよい。

図６において、まず、移動端末２２０は、測位部２０２からの測位情報、ユーザによる操作部２１０を介した操作情報、および移動端末２２０とサーバ３２０との間の無線通信状態情報を取得する（ステップＳ３０２）。

次いで、移動端末２２０は、ステップＳ３０２で取得した測位情報、操作情報および無線通信状態情報を含んだログ、若しくはそのログをある程度時系列で蓄積した時系列ログをサーバ３２０に送信する（ステップＳ３０４）。

次いで、サーバ３２０の時系列ログ記憶部３０２は、ステップＳ３０４で移動端末２２０から送信されたログ、若しくは時系列ログを記憶する（ステップＳ３０６）。

次いで、サーバ３２０の行動学習部３０４は、時系列ログ記憶部３０２に記憶されている時系列ログに基づいて、測位部２０２が組み込まれた移動端末２２０を携行するユーザの活動状態を、確率的状態遷移モデルとして学習する（ステップＳ３０８）。

次いで、サーバ３２０の行動学習部３０４は、学習処理により得られた確率的状態遷移モデルのパラメータを移動端末２７０に送信する（ステップＳ３１０）。

次いで、移動端末２７０は、ステップＳ３１０で受信したパラメータの確率的状態遷移モデルを記憶する（ステップＳ３１２）。

一方、サーバ３２０は、学習処理により得られたパラメータの確率的状態遷移モデルを用いて、ユーザの活動状態に基づいてユーザが所望する情報をインターネットなどを介して収集する（ステップＳ３１４）。

次いで、サーバ３２０は、ステップＳ３１４で収集したユーザが所望する情報を移動端末２７０に送信する（ステップＳ３１６）。

次いで、移動端末２７０は、ステップＳ３１６で受信したユーザが所望する情報を記憶する（ステップＳ３１８）。

次いで、移動端末２７０の行動認識部２０４は、測位部２０２からの測位情報を取得する（ステップＳ３２０）。

次いで、移動端末２７０の行動認識部２０４は、学習により得られたパラメータの確率的状態遷移モデルを用いて、測位部２０２から取得した測位情報から、ユーザの現在の活動状態、すなわち、ユーザの現在地を認識する（ステップＳ３２２）。行動認識部２０４は、ユーザの現在の状態ノードのノード番号を行動予測部２０６に供給する。

次いで、移動端末２７０の行動予測部２０６は、学習により得られたパラメータの確率的状態遷移モデルを用いて、行動認識部２０４から供給される状態ノードのノード番号が示すユーザの現在地から、ユーザが取りうる経路を過不足なく探索（予測）する（ステップＳ３２４）。また、行動予測部２０６は、探索された経路ごとの生起確率を計算することにより、探索された経路が選択される確率である選択確率を予測する。そして、目的地予測部２０８には、行動予測部２０６から、ユーザが取りうる経路と、その選択確率が供給されて、目的地予測部２０８は、学習により得られたパラメータの確率的状態遷移モデルを用いて、ユーザの目的地を予測する。具体的には、目的地予測部２０８は、最初に、目的地候補を列挙する。目的地予測部２０８は、認識されるユーザの行動状態が滞在状態となる場所を目的地候補とする。そして、目的地予測部２０８は、列挙した目的地候補のうち、行動予測部２０６により探索された経路上にある目的地候補を目的地に決定する。さらに、目的地予測部２０８は、決定した目的地ごとの到達確率を算出する。そして、表示対象の目的地が決定された場合、目的地予測部２０８は、目的地までの経路の到達時間を計算し、表示部２１２に表示させる。

次いで、移動端末２７０の情報提供部２１４は、ステップＳ３２２で認識されたユーザの現在地の情報に基づいて、ステップＳ３１８で記憶したユーザが所望する情報のうちからユーザに提供する情報を決定して、決定した情報を表示部２１２に表示させて（ステップＳ３２６）、本処理を終了する。

図６の行動予測処理によれば、移動端末２７０がサーバ３２０での学習処理により得られた確率的状態遷移モデルのパラメータを記憶して、記憶したパラメータの確率的状態遷移モデルを用いて予測処理を行うため、過去の移動履歴のすべてを用いて予測処理を行う場合と比較して、移動端末２７０の処理負荷を軽減させることができる。また、移動端末２７０は無線通信状態が良好なときに、サーバ３２０から確率的状態遷移モデルのパラメータを受信して記憶することにより、無線通信状態が悪い状態においても、予測処理を行うことができる。また、サーバ３２０がユーザが所望する情報を収集して、収集したユーザが所望する情報を移動端末２７０に送信し、移動端末２７０はサーバ３２０から受信したユーザが所望する情報のうちからユーザに提供する情報を決定するので、移動端末２７０がユーザが所望する情報の収集を行う必要をなくすことができ、移動端末２７０の処理負荷をさらに軽減することができる。

また、本実施の形態では、移動端末２７０は、サーバ３２０による他の移動端末２２０の測位部２０２により取得された測位情報を含む時系列ログに基づく学習処理により得られた、ユーザの活動状態を表す活動モデルを受信する。移動端末２７０と比較して移動端末２２０の測位精度が高い場合であって、移動端末２７０において情報の提供を行いたいときに、測位精度の高い移動端末２２０の測位情報を用いることにより、予測処理の精度を向上させることができる。

［３．行動予測システム（第３の実施の形態）］
次に、本発明の第３の実施の形態に係る行動予測システムについて説明する。図７は、本実施の形態に係る行動予測システムの構成を概略的に示すブロック図である。本実施の形態における行動予測システムは、通信スケジュール設定部２１６を備える点が、上述した第２の実施の形態と異なるのみであるので、重複した構成、作用については説明を省略し、以下に異なる構成、作用についての説明を行う。

図７において、行動予測システム１４０は、測位部２０２、時系列ログ記憶部３０２、行動学習部３０４、情報収集部３０６、行動認識部２０４、行動予測部２０６、目的地予測部２０８、操作部２１０、表示部２１２、情報提供部２１４および通信スケジュール設定部２１６により構成される。

通信スケジュール設定部２１６は、本発明の設定部の一例であり、学習により得られたパラメータの確率的状態遷移モデルを用いて、行動認識部２０４から供給される状態ノードのノード番号が示すユーザの現在地から、ユーザが取りうる経路上においてユーザの操作により取得されるユーザが所望する情報を、経路上における無線回線の状態が良好な場所において取得するように設定する。

［３−１．行動予測システムが１つの移動端末と１つのサーバとで構成される場合］
次に、行動予測システム１４０が１つの移動端末と１つのサーバとで構成される場合における、図７の行動予測システム１４０が実行する行動予測処理について説明する。図８は、行動予測システム１４０が１つの移動端末と１つのサーバとで構成される場合における、図７の行動予測システム１４０が実行する行動予測処理のシーケンス図である。

図８において、まず、移動端末２４０は、測位部２０２からの測位情報、ユーザによる操作部２１０を介した操作情報、および移動端末２４０とサーバ３４０との間の無線通信状態情報を取得する（ステップＳ４０２）。

次いで、移動端末２４０は、ステップＳ４０２で取得した測位情報、操作情報および無線通信状態情報を含んだログ、若しくはそのログをある程度時系列で蓄積した時系列ログをサーバ３４０に送信する（ステップＳ４０４）。

次いで、サーバ３４０の時系列ログ記憶部３０２は、ステップＳ４０４で移動端末２４０から送信されたログ、若しくは時系列ログを記憶する（ステップＳ４０６）。

次いで、サーバ３４０の行動学習部３０４は、時系列ログ記憶部３０２に記憶されている時系列ログに基づいて、測位部２０２が組み込まれた移動端末２４０を携行するユーザの活動状態を、確率的状態遷移モデルとして学習する（ステップＳ４０８）。

次いで、サーバ３４０の行動学習部３０４は、学習処理により得られた確率的状態遷移モデルのパラメータを移動端末２４０に送信する（ステップＳ４１０）。

次いで、移動端末２４０は、ステップＳ４１０で受信したパラメータの確率的状態遷移モデルを記憶する（ステップＳ４１２）。

一方、サーバ３４０は、学習処理により得られたパラメータの確率的状態遷移モデルを用いて、ユーザの活動状態に基づいてユーザが所望する情報をインターネットなどを介して収集する（ステップＳ４１４）。

次いで、サーバ３４０は、ステップＳ４１４で収集したユーザが所望する情報を移動端末２４０に送信する（ステップＳ４１６）。

次いで、移動端末２４０は、ステップＳ４１６で受信したユーザが所望する情報を記憶する（ステップＳ４１８）。

次いで、移動端末２４０の行動認識部２０４は、測位部２０２からの測位情報を取得する（ステップＳ４２０）。

次いで、移動端末２４０の行動認識部２０４は、学習により得られたパラメータの確率的状態遷移モデルを用いて、測位部２０２から取得した測位情報から、ユーザの現在の活動状態、すなわち、ユーザの現在地を認識する（ステップＳ４２２）。行動認識部２０４は、ユーザの現在の状態ノードのノード番号を行動予測部２０６に供給する。

次いで、移動端末２４０の行動予測部２０６は、学習により得られたパラメータの確率的状態遷移モデルを用いて、行動認識部２０４から供給される状態ノードのノード番号が示すユーザの現在地から、ユーザが取りうる経路を過不足なく探索（予測）する（ステップＳ４２４）。また、行動予測部２０６は、探索された経路ごとの生起確率を計算することにより、探索された経路が選択される確率である選択確率を予測する。そして、目的地予測部２０８には、行動予測部２０６から、ユーザが取りうる経路と、その選択確率が供給されて、目的地予測部２０８は、学習により得られたパラメータの確率的状態遷移モデルを用いて、ユーザの目的地を予測する。具体的には、目的地予測部２０８は、最初に、目的地候補を列挙する。目的地予測部２０８は、認識されるユーザの行動状態が滞在状態となる場所を目的地候補とする。そして、目的地予測部２０８は、列挙した目的地候補のうち、行動予測部２０６により探索された経路上にある目的地候補を目的地に決定する。さらに、目的地予測部２０８は、決定した目的地ごとの到達確率を算出する。そして、表示対象の目的地が決定された場合、目的地予測部２０８は、目的地までの経路の到達時間を計算し、表示部２１２に表示させる。

次いで、移動端末２４０の通信スケジュール設定部２１６は、ステップＳ４２２で認識されたユーザの現在地の情報に基づいて、ユーザが取りうる経路上においてユーザの操作により取得されるユーザが所望する情報を、経路上における無線回線の状態が良好な場所において取得するように、通信スケジュールの設定を行って（ステップＳ４２６）、本処理を終了する。

図８の行動予測処理によれば、移動端末２４０がサーバ３４０での学習処理により得られた確率的状態遷移モデルのパラメータを記憶して、記憶したパラメータの確率的状態遷移モデルを用いて予測処理を行うため、過去の移動履歴のすべてを用いて予測処理を行う場合と比較して、移動端末２４０の処理負荷を軽減させることができる。また、移動端末２４０は無線通信状態が良好なときに、サーバ３４０から確率的状態遷移モデルのパラメータを受信して記憶することにより、無線通信状態が悪い状態においても、予測処理を行うことができる。また、ユーザが取りうる経路上においてユーザの操作により取得されるユーザが所望する情報を、経路上における無線回線の状態が良好な場所において取得するように、通信スケジュールの設定を行うので、無線通信状態が悪い状態においても、ユーザに情報を提供することができる。

［３−２．行動予測システムが２つの移動端末と１つのサーバとで構成される場合］
次に、行動予測システム１４０が２つの移動端末と１つのサーバとで構成される場合における、図７の行動予測システム１４０が実行する行動予測処理について説明する。図９は、行動予測システム１４０が１つの移動端末と１つのサーバとで構成される場合における、図７の行動予測システム１４０が実行する行動予測処理のシーケンス図である。

図９において、まず、移動端末２４０は、測位部２０２からの測位情報、ユーザによる操作部２１０を介した操作情報、および移動端末２４０とサーバ３４０との間の無線通信状態情報を取得する（ステップＳ５０２）。

次いで、移動端末２４０は、ステップＳ５０２で取得した測位情報、操作情報および無線通信状態情報を含んだログ、若しくはそのログをある程度時系列で蓄積した時系列ログをサーバ３４０に送信する（ステップＳ５０４）。

次いで、サーバ３４０の時系列ログ記憶部３０２は、ステップＳ５０４で移動端末２４０から送信されたログ、若しくは時系列ログを記憶する（ステップＳ５０６）。

次いで、サーバ３４０の行動学習部３０４は、時系列ログ記憶部３０２に記憶されている時系列ログに基づいて、測位部２０２が組み込まれた移動端末２４０を携行するユーザの活動状態を、確率的状態遷移モデルとして学習する（ステップＳ５０８）。

次いで、サーバ３４０の行動学習部３０４は、学習処理により得られた確率的状態遷移モデルのパラメータを移動端末２９０に送信する（ステップＳ５１０）。

次いで、移動端末２９０は、ステップＳ５１０で受信したパラメータの確率的状態遷移モデルを記憶する（ステップＳ５１２）。

一方、サーバ３４０は、学習処理により得られたパラメータの確率的状態遷移モデルを用いて、ユーザの活動状態に基づいてユーザが所望する情報をインターネットなどを介して収集する（ステップＳ５１４）。

次いで、サーバ３４０は、ステップＳ５１４で収集したユーザが所望する情報を移動端末２９０に送信する（ステップＳ５１６）。

次いで、移動端末２９０は、ステップＳ５１６で受信したユーザが所望する情報を記憶する（ステップＳ５１８）。

次いで、移動端末２９０の行動認識部２０４は、測位部２０２からの測位情報を取得する（ステップＳ５２０）。

次いで、移動端末２９０の行動認識部２０４は、学習により得られたパラメータの確率的状態遷移モデルを用いて、測位部２０２から取得した測位情報から、ユーザの現在の活動状態、すなわち、ユーザの現在地を認識する（ステップＳ５２２）。行動認識部２０４は、ユーザの現在の状態ノードのノード番号を行動予測部２０６に供給する。

次いで、移動端末２９０の行動予測部２０６は、学習により得られたパラメータの確率的状態遷移モデルを用いて、行動認識部２０４から供給される状態ノードのノード番号が示すユーザの現在地から、ユーザが取りうる経路を過不足なく探索（予測）する（ステップＳ５２４）。また、行動予測部２０６は、探索された経路ごとの生起確率を計算することにより、探索された経路が選択される確率である選択確率を予測する。そして、目的地予測部２０８には、行動予測部２０６から、ユーザが取りうる経路と、その選択確率が供給されて、目的地予測部２０８は、学習により得られたパラメータの確率的状態遷移モデルを用いて、ユーザの目的地を予測する。具体的には、目的地予測部２０８は、最初に、目的地候補を列挙する。目的地予測部２０８は、認識されるユーザの行動状態が滞在状態となる場所を目的地候補とする。そして、目的地予測部２０８は、列挙した目的地候補のうち、行動予測部２０６により探索された経路上にある目的地候補を目的地に決定する。さらに、目的地予測部２０８は、決定した目的地ごとの到達確率を算出する。そして、表示対象の目的地が決定された場合、目的地予測部２０８は、目的地までの経路の到達時間を計算し、表示部２１２に表示させる。

次いで、移動端末２９０の通信スケジュール設定部２１６は、ステップＳ５２２で認識されたユーザの現在地の情報に基づいて、ユーザが取りうる経路上においてユーザの操作により取得されるユーザが所望する情報を、経路上における無線回線の状態が良好な場所において取得するように、通信スケジュールの設定を行って（ステップＳ５２６）、本処理を終了する。

図９の行動予測処理によれば、移動端末２９０がサーバ３４０での学習処理により得られた確率的状態遷移モデルのパラメータを記憶して、記憶したパラメータの確率的状態遷移モデルを用いて予測処理を行うため、過去の移動履歴のすべてを用いて予測処理を行う場合と比較して、移動端末２９０の処理負荷を軽減させることができる。また、移動端末２９０は無線通信状態が良好なときに、サーバ３４０から確率的状態遷移モデルのパラメータを受信して記憶することにより、無線通信状態が悪い状態においても、予測処理を行うことができる。また、ユーザが取りうる経路上においてユーザの操作により取得されるユーザが所望する情報を、経路上における無線回線の状態が良好な場所において取得するように、通信スケジュールの設定を行うので、無線通信状態が悪い状態においても、ユーザに情報を提供することができる。

上述した一連の処理は、ハードウエアにより実行することもできるし、ソフトウエアにより実行することもできる。一連の処理をソフトウエアにより実行する場合には、そのソフトウエアを構成するプログラムが、コンピュータにインストールされる。ここで、コンピュータには、専用のハードウエアに組み込まれているコンピュータや、各種のプログラムをインストールすることで、各種の機能を実行することが可能な、例えば汎用のパーソナルコンピュータなどが含まれる。

図１９は、上述した一連の処理をプログラムにより実行するコンピュータのハードウエアの構成例を示すブロック図である。

コンピュータにおいて、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）４０２、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）４０４、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）４０６は、バス４０８により相互に接続されている。

バス４０８には、さらに、入出力インタフェース４１０が接続されている。入出力インタフェース４１０には、入力部４１２、出力部４１４、記憶部４１６、通信部４１８、ドライブ４２０、およびＧＰＳセンサ４２２が接続されている。

入力部４１２は、キーボード、マウス、マイクロホンなどよりなる。出力部４１４は、ディスプレイ、スピーカなどよりなる。記憶部４１６は、ハードディスクや不揮発性のメモリなどよりなる。通信部４１８は、ネットワークインタフェースなどよりなる。ドライブ４２０は、磁気ディスク、光ディスク、光磁気ディスク、或いは半導体メモリなどのリムーバブル記録媒体４２４を駆動する。ＧＰＳセンサ４２２は、図１の測位部２０２に対応する。

以上のように構成されるコンピュータでは、ＣＰＵ４０２が、例えば、記憶部４１６に記憶されているプログラムを、入出力インタフェース４１０およびバス４０８を介して、ＲＡＭ４０６にロードして実行することにより、上述した一連の処理が行われる。

コンピュータ（ＣＰＵ４０２）が実行するプログラムは、例えば、パッケージメディア等としてのリムーバブル記録媒体４２４に記録して提供することができる。また、プログラムは、ローカルエリアネットワーク、インターネット、デジタル衛星放送といった、有線または無線の伝送媒体を介して提供することができる。

コンピュータでは、プログラムは、リムーバブル記録媒体４２４をドライブ４２０に装着することにより、入出力インタフェース４１０を介して、記憶部４１６にインストールすることができる。また、プログラムは、有線または無線の伝送媒体を介して、通信部４１８で受信し、記憶部４１６にインストールすることができる。その他、プログラムは、ＲＯＭ４０４や記憶部４１６に、あらかじめインストールしておくことができる。

なお、コンピュータが実行するプログラムは、本明細書で説明する順序に沿って時系列に処理が行われるプログラムであってもよいし、並列に、あるいは呼び出しが行われたとき等の必要なタイミングで処理が行われるプログラムであってもよい。

なお、本明細書において、フローチャートに記述されたステップは、記載された順序に沿って時系列的に行われる場合はもちろん、必ずしも時系列的に処理されなくとも、並列に、あるいは呼び出しが行われたとき等の必要なタイミングで実行されてもよい。

なお、本明細書において、システムとは、複数の装置により構成される装置全体を表すものである。

以上、添付図面を参照しながら本発明の好適な実施の形態について詳細に説明したが、本発明はかかる例に限定されない。本発明の属する技術の分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本発明の技術的範囲に属するものと了解される。

１００，１２０，１４０ 行動予測システム
２００，２２０，２４０，２５０，２７０，２９０ 移動端末
２０２ 測位部
２０４ 行動認識部
２０６ 行動予測部
２０８ 目的地予測部
２１０ 操作部
２１２ 表示部
２１４ 情報提供部
２１６ 通信スケジュール設定部
３００，３２０，３４０ サーバ
３０２ 時系列ログ記憶部
３０４ 行動学習部
３０６ 情報収集部

Claims (13)

1. 自身の位置を示す緯度経度の測位情報を取得する測位部と、
   前記測位部により取得された前記測位情報を含む時系列ログをサーバに送信する送信部と、
   前記サーバによる前記時系列ログに基づく学習処理により得られた、ユーザの活動状態を表す活動モデルを受信する受信部と、
   前記測位部により取得された前記測位情報と、前記受信部が受信した前記活動モデルとを用いて、前記ユーザの現在の活動状態を認識する認識部と、
   前記認識部により認識された前記ユーザの現在の活動状態から、前記ユーザの行動を予測する予測部と、
   を備える、情報処理装置。
2. 前記時系列ログは、前記情報処理装置と前記サーバとの間の無線通信状態情報を含む、請求項１に記載の情報処理装置。
3. 前記送信部は、前記受信部が以前に受信した前記活動モデルを用いて、前記情報処理装置と前記サーバとの間で無線通信可能であるときに、最新の前記時系列ログを前記サーバに送信する、請求項２に記載の情報処理装置。
4. 前記受信部は、当該受信部が以前に受信した前記活動モデルを用いて、前記情報処理装置と前記サーバとの間で無線通信可能であるときに、最新の前記活動モデルを受信する、請求項２に記載の情報処理装置。
5. 前記時系列ログは、前記情報処理装置の前記ユーザの操作情報を含む、請求項１に記載の情報処理装置。
6. 前記サーバによる前記活動モデルを用いて収集された、前記ユーザの活動状態に基づく前記ユーザが所望する情報を受信する情報受信部と、
   前記測位部により取得された前記測位情報と、前記情報受信部が受信した前記ユーザが所望する情報とを用いて、前記情報受信部が受信した前記ユーザが所望する情報のうちから前記ユーザに提供する情報を決定する情報決定部とをさらに備える、請求項１に記載の情報処理装置。
7. 前記情報決定部は、さらに、前記予測部による予測結果を用いて、前記情報受信部が受信した前記ユーザが所望する情報のうちから前記ユーザの目的地にいたる経路上あるいは目的地に関する情報を前記ユーザに提供する情報として決定する、請求項６に記載の情報処理装置。
8. 前記時系列ログは、前記情報処理装置と前記サーバとの間の無線通信状態情報を含み、
   前記情報受信部は、前記受信部が以前に受信した前記活動モデルを用いて、前記情報処理装置と前記サーバとの間で無線通信可能であるときに、最新の前記ユーザが所望する情報を受信する、請求項６に記載の情報処理装置。
9. 前記受信部が受信した前記活動モデルを用いて、前記情報処理装置と前記サーバとの間で無線通信可能であるときに前記ユーザが所望する情報を取得するように、通信スケジュールを設定する設定部をさらに備える、請求項２に記載の情報処理装置。
10. 前記受信部は、前記サーバによる他の情報処理装置の測位部により取得された測位情報を含む時系列ログに基づく学習処理により得られた、ユーザの活動状態を表す活動モデルを受信する、請求項１に記載の情報処理装置。
11. 情報処理装置と、
    サーバとを備え、
    前記情報処理装置は、
    自身の位置を示す緯度経度の測位情報を取得する測位部と、
    前記測位部により取得された前記測位情報を含む時系列ログを前記サーバに送信する送信部と、
    前記サーバによる前記時系列ログに基づく学習処理により得られた、ユーザの活動状態を表す活動モデルを受信する受信部と、
    前記測位部により取得された前記測位情報と、前記受信部が受信した前記活動モデルとを用いて、前記ユーザの現在の活動状態を認識する認識部と、
    前記認識部により認識された前記ユーザの現在の活動状態から、前記ユーザの行動を予測する予測部と、
    を備え、
    前記サーバは、
    前記送信部により送信された前記時系列ログを受信するサーバ側受信部と、
    前記サーバ側受信部が受信した前記時系列ログに基づいて、前記情報処理装置を携行するユーザの活動状態を、活動モデルとして学習する学習部と、
    前記学習部により得られた活動モデルを前記情報処理装置に送信するサーバ側送信部と、
    を備える、情報処理システム。
12. 情報処理装置において、自身の位置を示す緯度経度の測位情報を取得する測位ステップと、
    前記情報処理装置において、前記測位ステップで取得された前記測位情報を含む時系列ログをサーバに送信する送信ステップと、
    前記サーバにおいて、前記送信ステップで送信された前記時系列ログを受信するサーバ側受信ステップと、
    前記サーバにおいて、サーバ側受信ステップで受信した前記時系列ログに基づいて、前記情報処理装置を携行するユーザの活動状態を、活動モデルとして学習する学習ステップと、
    前記サーバにおいて、前記学習ステップで得られた活動モデルを前記情報処理装置に送信するサーバ側送信ステップと、
    前記情報処理装置において、前記サーバ側送信ステップで送信された前記活動モデルを受信する受信ステップと、
    前記情報処理装置において、前記測位ステップで取得された前記測位情報と、前記受信ステップで受信した前記活動モデルとを用いて、前記ユーザの現在の活動状態を認識する認識ステップと、
    前記情報処理装置において、前記認識ステップで認識された前記ユーザの現在の活動状態から、前記ユーザの行動を予測する予測ステップと、
    を有する、情報処理方法。
13. コンピュータを、
    自身の位置を示す緯度経度の測位情報を取得する測位部と、
    前記測位部により取得された前記測位情報を含む時系列ログをサーバに送信する送信部と、
    前記サーバによる前記時系列ログに基づく学習処理により得られた、ユーザの活動状態を表す活動モデルを受信する受信部と、
    前記測位部により取得された前記測位情報と、前記受信部が受信した前記活動モデルとを用いて、前記ユーザの現在の活動状態を認識する認識部と、
    前記認識部により認識された前記ユーザの現在の活動状態から、前記ユーザの行動を予測する予測部と、
    として機能させるための、プログラム。
    
    

Images