JP2012014357A - 移動体特徴記述装置、移動体特徴記述方法、移動体特徴記述プログラム及び記録媒体 - Google Patents

Abstract

【課題】移動体への広告等コンテンツ配信に利用可能な、移動体を利用するユーザの特徴を取得する。
【解決手段】利用者の位置情報の履歴から移動体を利用した移動区間と終点における行動状況を推定し、移動体の移動区間の終点における推定行動状況を集計することにより、その集計結果を移動体の特徴として、リーセンシー効果を高めるコンテンツの選択が可能となり、効率的に広告効果を高めることができる。
【選択図】図１

Description

本発明は、電車等の移動体上のデジタルサイネージ向けコンテンツ配信サービスにおいて、配信するコンテンツを選択するために利用する移動体の特徴を記述する技術に関する。

デジタルサイネージとは、屋外（電車等の移動体内、街頭、店舗内など）に設置された広告等コンテンツ表示装置のことである。駅のコンコースやプラットフォームにおいて、液晶パネルに運行情報やお知らせ文、広告等が表示されていたり、小売店の陳列棚において、小型の液晶パネルに広告等が表示されているのはその一例である。デジタルサイネージは、主にディスプレイとパーソナル・コンピュータ等の映像表示機能を持つ端末により構成され、それらを複数台サーバで管理する場合もある。近年は、デジタルサイネージの設置数も増え、デジタルサイネージをネットワークに接続し、遠隔からの管理・操作を行うケースも増加している。

他方、携帯電話等の携帯端末においては、３Ｇ、ＨＳＤＰＡなどのブロードバンド利用が一般的になり、携帯端末に滞在エリアの情報を表示させるなど、屋外における広告媒体としても大きな可能性を有している。

屋外の広告メディアの特徴として、リーセンシー効果を導きやすいということが言われている。リーセンシー効果とは、生活者が購買ポイントの近くで広告に接触することにより、商品の購買の促進効果が期待できるというものである。例えば、店舗内の陳列棚において商品広告を表示することで、ショッピング中の視聴者に効果的に訴求することができる、などのケースが考えられる。

デジタルサイネージや携帯端末への広告等コンテンツの配信を行うにあたり、デジタルサイネージや携帯端末を広告等を表示する「ディスプレイ」と捉えると、サイネージ設置場所や、携帯端末利用者といったディスプレイ周辺の人の特徴を把握することが重要である。ディスプレイ数の増加に伴い、特徴の把握は自動的に行われることが望ましい。なぜなら、広告等は、それを視聴する人を想定して作成、提示されることが多いからである。

ディスプレイ周辺の人の特徴を把握する方法として、あるディスプレイ設置場所付近を行き来する人の特徴を、その周辺の施設や地価といった周辺環境情報から推定する方法が提案されている（非特許文献１）。

前橋佳林、外３名、「来訪者特徴の推定を利用した「場所メタデータ」自動生成」、信学技法、電子情報通信学会、２０１０年３月、第１０９巻、第４５０号、ｐ．４９−５４ 宮崎雄一朗、外３名、「ユーザの行動に合わせたサービス実現のための行動推定技術の開発」、ＮＴＴ Ｄｏｃｏｍｏテクニカル・ジャーナル、２００９年１０月、第１７巻、第３号、ｐ．５５−６１

しかしながら、従来の人の特徴を把握する方法では、ある固定した場所に設置されたディスプレイにしか対応できず、例えば電車などの移動体内に設置されたディスプレイには対応できないという問題がある。

また、携帯端末に個人向けの広告を出す際に、ユーザについてのデータが不足している初期段階において、既にデータが得られている複数ユーザの傾向を使用したい場合がある。しかしながら、携帯端末はユーザとともに移動するので従来の方法は利用できないという問題がある。

なお、非特許文献２の技術を用いることで、個人の移動の終点における行動・状況を位置履歴より推定可能であり、推定された行動・状況の値を集計し、これを移動体の滞在地間におけるディスプレイ周辺の特徴とすることが考えられる。しかしながら、性別、年齢などの登録されたプロファイル情報でなく、推定された行動・状況といった動的情報の場合、個人の情報を単純集計すると推定誤差の影響を受けやすいので、集団の傾向の把握が難しいという問題がある。

本発明は、上記に鑑みてなされたものであり、移動体への広告等コンテンツ配信に利用可能な、移動体を利用するユーザの特徴を取得することを目的とする。

第１の本発明に係る移動体特徴記述装置は、利用者の位置情報の履歴を蓄積した位置履歴蓄積手段から前記位置情報の履歴を読み出す位置履歴取得手段と、前記位置情報の履歴を用いて前記利用者の移動経路を推定する移動経路推定手段と、前記位置情報の履歴を用いて前記利用者の移動方法を判定する移動方法判定手段と、前記移動方法が交通機関を利用したものであった場合、前記移動経路を用いて前記利用者が前記交通機関を利用した移動区間を推定する移動区間推定手段と、前記位置情報の履歴を用いて前記利用者の前記移動区間の終点における行動状況を推定し、当該行動状況と前記移動区間を関連付けて移動履歴蓄積手段に蓄積する行動状況推定手段と、前記移動履歴蓄積手段から、前記交通機関などの移動体の特徴を記述する対象区間に該当する前記移動区間に関連付けられた前記行動状況を読み出す行動状況取得手段と、前記行動状況取得手段が読み出した前記行動状況を集計する集計手段と、前記集計手段の集計結果を前記対象区間における前記移動体の特徴として移動体特徴蓄積手段に蓄積する記述手段と、を有することを特徴とする。

第２の本発明に係る移動体特徴記述方法は、利用者の位置情報の履歴を蓄積した位置履歴蓄積手段から前記位置情報の履歴を読み出すステップと、前記位置情報の履歴を用いて前記利用者の移動経路を推定するステップと、前記位置情報の履歴を用いて前記利用者の移動方法を判定するステップと、前記移動方法が交通機関を利用したものであった場合、前記移動経路を用いて前記利用者が前記交通機関を利用した移動区間を推定するステップと、前記位置情報の履歴を用いて前記利用者の前記移動区間の終点における行動状況を推定し、当該行動状況と前記移動区間を関連付けて移動履歴蓄積手段に蓄積するステップと、前記移動履歴蓄積手段から、前記交通機関などの移動体の特徴を記述する対象区間に該当する前記移動区間に関連付けられた前記行動状況を読み出すステップと、前記行動状況取得手段が読み出した前記行動状況を集計するステップと、前記集計するステップの集計結果を前記対象区間における前記移動体の特徴として移動体特徴蓄積手段に蓄積するステップと、を有することを特徴とする。

第３の本発明に係る移動体特徴記述プログラムは、上記移動体特徴記述方法をコンピュータに実行させることを特徴とする。

第４の本発明に係る記録媒体は、上記移動体特徴記述プログラムを記録したことを特徴とする。

本発明によれば、移動体への広告等コンテンツ配信に利用可能な、移動体を利用するユーザの特徴を取得することができる。

本実施の形態における移動体特徴記述装置の構成を示す機能ブロック図である。 位置情報の履歴の例を示す図である。 個人行動情報履歴の例を示す図である。 機能区分を記載した場所特徴の例を示す図である。 移動体特徴の例を示す図である。 移動区間を推定する処理の流れを示すフローチャートである。 利用者の行動・状況を推定する処理の流れを示すフローチャートである。 区間ごとの特徴を記述する処理の流れを示すフローチャートである。

以下、本発明の実施の形態について図面を用いて説明する。

図１は、本実施の形態における移動体特徴記述装置の構成を示す機能ブロック図である。同図に示す移動体特徴記述装置は、移動体として電車やバス等の公共交通機関を想定し、移動区間、時間帯ごとに利用者の特徴を記述するものである。なお、移動区間とは、必ずしも運行区間の始発駅〜終点駅ではなく、例えば「渋谷−中目黒」などのように運行区間の一部分を指す。

図１に示す移動体特徴記述装置は、位置履歴蓄積部３０１、個人位置履歴取得部３０２、移動モード判定部３０３、移動経路推定部３０４、移動区間推定部３０５、個人行動状況推定部３０６、同行判定部３０７、運行区間位置情報蓄積部３０８、個人行動状況履歴蓄積部３０９、遷移確率算出部３１０、区間選択部１０１、個人行動状況補正部１０２、集計部１０３、場所特徴利用部１０４、場所特徴蓄積部１０５、移動体特徴記述部２０１、移動体特徴蓄積部２０２を備える。移動体特徴記述装置が備える各部は、演算処理装置、記憶装置等を備えたコンピュータにより構成して、各部の処理がプログラムによって実行されるものとしてもよい。このプログラムは移動体特徴記述装置が備える記憶装置に記憶されており、磁気ディスク、光ディスク、半導体メモリ等の記録媒体に記録することも、ネットワークを通して提供することも可能である。

本実施の形態における移動体特徴記述装置は、個人の位置情報の履歴から個人行動状況履歴を算出する個人行動状況算出部３００と個人行動状況履歴を集計し、移動体特徴を算出する移動体特徴算出部１００に分けられる。以下、各部について説明する。

位置履歴蓄積部３０１は、複数個人の位置情報の履歴を蓄積する。位置履歴蓄積部３０１は、ネットワークに接続され、Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ（ＧＰＳ）等の位置検出機能を有する携帯端末から位置情報を取得して蓄積する。

個人位置履歴取得部３０２は、位置履歴蓄積部３０１から個人ごとの位置履歴を取得する。

移動モード判定部３０３は、個人位置履歴取得部３０２が取得した位置履歴を用いて、該当個人の移動モード（徒歩、電車、車等）を判定する。

移動経路推定部３０４は、個人位置履歴取得部３０２が取得した位置履歴を用いて、該当個人の移動経路を推定する。

移動区間推定部３０５は、移動モード判定部３０３が判定した移動モード、移動経路推定部３０４が推定した移動経路、および公共交通機関の運行経路の位置情報を蓄積した運行区間位置情報蓄積部３０８を参照し、該当個人が公共交通機関を使用した際の交通機関名（移動体名）と移動区間を推定する。

個人行動状況推定部３０６は、移動区間推定部３０５が推定した移動区間において、移動区間の始点と終点での該当個人の行動・状況を推定し、該当個人を識別するユーザＩＤとともに、移動区間、移動時間帯、始点と終点での推定行動状況を個人行動状況履歴として個人行動状況履歴蓄積部３０９に蓄積する。

同行判定部３０７は、移動区間推定部３０５が推定した移動区間と同一の移動区間を移動した個人を調べ、該当個人の同行の有無を判定し、同行の有無を個人行動状況履歴蓄積部３０９の個人行動状況履歴に追記する。

運行区間位置情報蓄積部３０８は、移動体（電車、バス等）の運行区間と、その位置情報を蓄積する。例えば、ある電車の乗降者数の多い駅ごとに運行区間を区切って区間を定義してもよい。

個人行動状況履歴蓄積部３０９は、移動区間、移動時間帯、始点と終点での推定行動状況、同行の有無を移動体を利用した個人の一連の移動ごとに記述した個人行動状況履歴を蓄積する。

遷移確率算出部３１０は、個人行動状況履歴蓄積部３０９に蓄積された始点と終点での推定行動状況について、始点での推定行動状況ごとに終点での推定行動状況の遷移確率を算出する。

区間選択部１０１は、特徴を記述する対象の区間、時間帯を選択し、個人行動状況履歴蓄積部３０９から該当時間帯に該当区間を利用した個人行動状況履歴を取得する。

個人行動状況補正部１０２は、区間選択部１０１が取得した個人行動状況履歴中の、ある個人について同行者の推定行動状況をもとに、該当ユーザの推定行動状況を補正する。

集計部１０３は、推定行動状況の遷移確率を遷移確率算出部３１０から取得し、該当区間において遷移確率が低い行動状況を外れ値として過小評価する。

場所特徴利用部１０４は、場所特徴蓄積部１０５を参照し、区間終点の機能区分に合わせて、集計部１０３で集計した行動状況を補正する。

場所特徴蓄積部１０５は、場所の機能区分を蓄積する。

移動体特徴記述部２０１は、場所特徴利用部１０４が補正した行動状況により、該当移動体の区間の特徴を決められた形式で移動体特徴蓄積部２０２に記述する。

移動体特徴蓄積部２０２は、区間ごとに移動体の特徴を蓄積する。

図２は、位置履歴蓄積部３０１に蓄積されるデータの例を示す図である。図２に示すように、位置履歴蓄積部３０１は、各個人が携帯する携帯端末により送出された、位置と観測時刻を含む位置情報をユーザＩＤに関連付けて蓄積する。加えて、データの信頼性を示す測定誤差指標が付加されてもよい。なお、位置情報を送信可能な携帯端末が複数種類ある場合には、装置ごとに同様のデータベースが存在してもよい。

図３は、個人行動状況履歴蓄積部３０９に蓄積されるデータの例を示す図である。図３に示すように、個人行動状況履歴蓄積部３０９が蓄積する個人行動状況履歴は、移動区間、曜日区分、時間帯、行動状況、同行者の情報、ユーザＩＤを含む。同図の同行者ＩＤは、該当欄のユーザに同行していると推定された同行者のユーザＩＤであり、同行確率は、推定された同行者ＩＤが同行した確率を示す。

図４は、場所特徴蓄積部１０５に蓄積されるデータの例を示す図である。場所特徴蓄積部１０５は、各エリアについて、その機能区分を蓄積する。各エリアとは、例えば移動区間の終点の駅などの中心点から半径５００ｍというように中心点と距離で定義してもよい。機能区分については、例えば、多機能地域と単機能地域の２種類に区分する。定義したエリア内の土地利用区分の割合を調べ、商業地割合が高ければ多機能地域、それ以外は単機能地域としてよい。

図５は、移動体特徴蓄積部２０２に蓄積されるデータの例を示す図である。図５では、移動体ごとに、Ｎ個の区間ごとの区間の始点・終点、および時間帯ごとの移動目的（特徴）を格納している。

次に、本実施の形態における移動体特徴記述装置の動作について説明する。

図６は、各個人の移動区間を推定する処理の流れを示すフローチャートである。

まず、個人位置履歴取得部３０２は、位置履歴蓄積部３０１に蓄積された位置情報を参照し、位置情報に関連付けられたユーザＩＤを元に、移動区間を推定したい個人の位置情報を取得する（ステップＳ１０１）。位置履歴蓄積部３０１に蓄積される位置情報は、例えば携帯電話に搭載されたＧＰＳ機能と専用ソフトウェアを用いて、ＧＰＳログを定期的にアップロードするなどの方法により収集される。それらのデータは、端末ＩＤなどと紐付けられて管理される（特開２００１−３０６６０４号公報）。

続いて、移動経路推定部３０４は、個人位置履歴取得部３０２により取得された位置情報により移動経路を推定する（ステップＳ１０２）。緯度・経度の情報を含む位置情報が高精度であれば移動経路は容易に算出可能である。しかし、位置情報に測定誤差が生じる場合があるので、個人の位置情報の履歴をクラスタリングし、複数の位置情報が一定時間内に一定領域内に滞留した場所を「滞留地」として抽出し、その系列を移動経路とすることにより、測定誤差の影響を低減させて移動経路を抽出できる（西野他、“滞在地遷移情報からの行動パターン抽出方式の検討”、情報処理学会研究報告、2008-UBI-20(10)）。

また、移動モード判定部３０３は、個人位置履歴取得部３０２により取得された位置情報により対象個人の移動モード（徒歩あるいは電車等の交通機関か）を判定する（ステップＳ１０３）。これには、位置情報の履歴から一定時間内における平均速度、平均加速度、最高速度、最高加速度を算出し、それらの算出値の組み合わせにより、滞在・徒歩、自動車による移動、電車による移動などの移動モードを判別する（青木他、“ライフログのための位置情報ログデータからの移動モード判定の検討”、情報処理学会研究報告、2008-DD-67(2)）。

続いて、移動区間推定部３０５は、移動モード判定部３０３により移動モードが電車などの公共交通機関を利用した移動であると判定された場合、移動経路推定部３０４が推定した移動経路に基づいて移動区間を推定する（ステップＳ１０４）。例えば、移動モード判定部３０３により、2010/3/13/15:00 から 2010/3/13/15:25 の移動モードが「電車」と判定された場合、移動区間推定部３０５は、この期間の移動経路および運行区間位置情報蓄積部３０８に蓄積された運行区間の位置情報より、移動経路に最もよく合致する移動体名と運行区間を取得する。移動経路推定部３０４が推定した移動経路と路線図等を照合し、閾値以下の距離に位置する路線の中で、最も近い路線の該当運行区間を用いたと判定する。これにより「東京しらなみ線」「渋谷駅〜しらなみ駅」というように、移動体名と移動区間が得られる。得られた移動体名と移動区間は、時間情報、ユーザＩＤなどとともに、移動区間推定部３０５が保持する記憶手段に保持しておく。これには、位置履歴から算出した移動経路を、個人の徒歩による移動が道路上にあることを利用して、道路地図を用いて最も近い道路上に移動経路を修正する手法（中村他、“ＧＰＳログの解析による訪問店舗の自動抽出に関する研究”、第７２回情報処理学会全国大会講演論文集、分冊３）と同様に、ステップＳ１０２で得られた移動経路と路線図等を照合し、閾値以下の距離に位置する路線の中で、最も近い路線上に移動経路を修正し、該当路線の該当運行区間を用いたと判定する。

上記の処理を各個人の一連の移動ごとに行い、移動体名、移動区間、時間情報を取得する。これにより、移動体の各運行区間、各時間帯ごとに、個人の移動履歴を用いた処理が可能となる。

図７は、利用者の行動・状況を推定する処理の流れを示すフローチャートである。各個人の移動区間を推定した後、移動区間の始点・終点における各個人の行動・状況を推定する。

まず、個人行動状況推定部３０６は、各個人の移動履歴を解析し、移動区間の始点、終点での行動・状況を推定する（ステップＳ２０１）。これには、滞留地、時間、平日・休日の別、滞留頻度、滞留時間を利用して、例えば、平日夜と休日に定期的に長時間滞留していれば「在宅中」などと推定する。同様に、「出勤中」「外出中」などと行動・状況を推定できる（非特許文献２参照）。

そして、個人行動状況履歴蓄積部３０９に、移動体名、移動区間、時間情報、ユーザＩＤとともに、個人行動状況推定部３０６が推定した推定行動状況を蓄積する（ステップＳ２０２）。例えば、「東京しらなみ線」、「渋谷駅〜しらなみ駅」の行動・状況として、始点での推定行動状況について「出勤中」、終点での推定行動状況について「仕事中」などと値を蓄積する。定義する行動・状況は、使用する方法や、最終的に移動体特徴として採択したい特徴に依存する。例えば「ショッピング中」「食事中」「レジャー中」といった行動・状況を用いてもよい。

同様に、別の利用者の移動履歴についても処理を行い、個人行動状況履歴蓄積部３０９に蓄積する。

同行判定部３０７は、各個人の移動履歴を解析し、移動区間における同行の有無を調べる（ステップＳ２０３）。例えば、該当区間における、対象個人と他の利用者の該当区間通過者が所有する位置履歴との類似性を、位置情報（例えばＧＰＳ衛星が発信する緯度、経度）とその位置情報の測定精度（例えばＧＰＳ衛星が発信する測定確度の指標）を用いて算出し、位置履歴の類似性が高ければ同行確率が高いと判定し、同行確率と他の利用者のＩＤを個人行動状況履歴に追記する（瀬古他、“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、2008-UBI-20(11)）。

以上の処理により、移動体の各運行区間、各時間帯ごとに、個人の行動・状況を用いた処理が可能となる。

図８は、個人行動状況履歴を用いて区間ごとの特徴を記述する処理の流れを示すフローチャートである。移動体特徴算出部１００は、毎日１回、個人行動状況履歴蓄積部３０９に蓄積された１週間分の個人行動状況履歴を用いて以下の処理を行い、移動体特徴を毎日１回更新する。もちろん、更新周期は任意に設定可能である。

まず、区間選択部１０１は、移動体特徴を記述したい移動体の区間、曜日区分、時間帯を選択し、推定行動状況と同行者情報を取得する（ステップＳ３０１）。例えば、移動体が「東京しらなみ線」、区間が「渋谷〜しらなみ」、曜日区分が「平日」、時間帯が「朝」の始点・終点における推定行動状況および同行確率と同行者ＩＤを個人行動状況履歴蓄積部３０９から取得する。

続いて、個人行動状況補正部１０２は、区間選択部１０１が取得した同行確率と同行者ＩＤを用いて推定行動状況を集計する際の重みを調整する（ステップＳ３０２）。具体的には、同行確率が高い（例えば、０．８０以上）場合、同行者ＩＤを参照し、全同行者の該当期間の推定行動状況を取得する。同行しているならば、全同行者の行動・状況は同一であると考えられるので、同行者間で推定行動状況が異なる場合は、推定行動状況を補正もしくは過小評価する。同行者の半数以上が同一の推定行動状況である場合、全同行者の推定行動状況をその値に補正する。そうでない場合、推定結果の信頼性が低いとして、集計部１０３における集計の際の重みを小さくする。例えば、各個人の推定結果を（１／同行者数）として過小評価する。これにより、集計の際に、信頼性の低い推定結果の影響を低減することができる。

続いて、集計部１０３は、区間選択部１０１が取得した推定行動状況の中で、遷移確率の低いものを除外して推定行動状況を集計する（ステップＳ３０３）。例えば、集計部１０３は、遷移確率算出部３１０を参照し、遷移確率が予め定められた閾値０．０５以下のものは除外して集計に用いない。あるいは、遷移確率算出部３１０の遷移確率を基準として、各区間ごとの遷移確率の基準からの偏差を算出し、偏差が大きいものについては該当区間の特徴として扱い、遷移確率算出部３１０においては低い遷移確率の遷移であっても除外しない。このように、外れ値、推定誤差の影響が高い推定行動状況を除外する補正を行ったあと、該当区間、曜日区分、時間帯における推定行動状況を、「仕事中」が１３人、「買い物中」が２人、というように集計する。

なお、遷移確率算出部３１０は、個人行動状況履歴蓄積部３０９を参照し、例えば、１週間の全区間における始点・終点の推定行動状況を取得し、推定行動状況の遷移確率を算出する。例えば、始点が「仕事中」である推定値のうち、終点「仕事中」が０．１６、終点「ショッピング中」が０．３２というように、始点での行動・状況別に遷移確率を算出し、それを保持する。

そして、場所特徴利用部１０４は、集計部１０３が集計した推定行動状況を元に、場所の機能区分を参照し、区間の特徴を決定する（ステップＳ３０４）。具体的には、終点地域の機能区分が「多機能」である場合は集計した推定行動状況の割合を、機能区分が「単機能」である場合は集計した推定行動状況の最大値を該当区間の特徴として定義する。これは、機能区分が単機能である場所は単一の特徴で十分に特徴が記述できると考えられ、割合の低い特徴はノイズとしてカットオフする意図による。

そして、移動体特徴記述部２０１は、算出された区間の特徴を移動体特徴蓄積部２０２に蓄積する（ステップＳ３０５）。

以上の処理を、他の曜日区分、時間帯、および他の区間についても同様に処理を繰り返す。

以上説明したように、本実施の形態によれば、利用者の位置情報の履歴から移動体を利用した移動区間と終点における行動状況を推定し、移動体の移動区間の終点における推定行動状況を集計することにより、その集計結果を移動体の特徴として、リーセンシー効果を高めるコンテンツの選択が可能となり、効率的に広告効果を高めることができる。

本実施の形態によれば、移動区間、終点における行動状況を推定するときに、同行者の情報を推定して付加しておき、推定行動状況を集計する際に、同行者の推定行動状況を参照し、同行者と推定行動状況が異なる場合は、その推定行動状況を過小評価することにより、個人の行動状況の推定誤差の影響を排除し、集団の行動の傾向を精度よく把握することができる。

本実施の形態によれば、移動区間の始点における行動状況も推定しておき、推定行動状況を集計する際に、始点−終点における推定行動状況の遷移確率が低いものを過小評価することにより、推定した個人の行動状況のノイズ（外れ値等）を低減することができる。

本実施の形態によれば、移動体の特徴を記述する際に、移動区間の終点地域の機能区分を参照し、機能区分に応じて移動体の特徴を記述することで、移動区間の終点地域に合わせて移動体の特徴を記述できる。

１００…移動体特徴算出部
１０１…区間選択部
１０２…個人行動状況補正部
１０３…集計部
１０４…場所特徴利用部
１０５…場所特徴蓄積部
２０１…移動体特徴記述部
２０２…移動体特徴蓄積部
３００…個人行動状況算出部
３０１…位置履歴蓄積部
３０２…個人位置履歴取得部
３０３…移動モード判定部
３０４…移動経路推定部
３０５…移動区間推定部
３０６…個人行動状況推定部
３０７…同行判定部
３０８…運行区間位置情報蓄積部
３０９…個人行動状況履歴蓄積部
３１０…遷移確率算出部

Claims (10)

1. 利用者の位置情報の履歴を蓄積した位置履歴蓄積手段から前記位置情報の履歴を読み出す位置履歴取得手段と、
   前記位置情報の履歴を用いて前記利用者の移動経路を推定する移動経路推定手段と、
   前記位置情報の履歴を用いて前記利用者の移動方法を判定する移動方法判定手段と、
   前記移動方法が交通機関を利用したものであった場合、前記移動経路を用いて前記利用者が前記交通機関を利用した移動区間を推定する移動区間推定手段と、
   前記位置情報の履歴を用いて前記利用者の前記移動区間の終点における行動状況を推定し、当該行動状況と前記移動区間を関連付けて移動履歴蓄積手段に蓄積する行動状況推定手段と、
   前記移動履歴蓄積手段から、前記交通機関などの移動体の特徴を記述する対象区間に該当する前記移動区間に関連付けられた前記行動状況を読み出す行動状況取得手段と、
   前記行動状況取得手段が読み出した前記行動状況を集計する集計手段と、
   前記集計手段の集計結果を前記対象区間における前記移動体の特徴として移動体特徴蓄積手段に蓄積する記述手段と、
   を有することを特徴とする移動体特徴記述装置。
2. 前記位置情報の履歴を用いて前記利用者に同行した同行者を検出し、当該同行者の情報を前記移動区間に関連付けて前記移動履歴蓄積手段に蓄積する同行者検出手段を有し、
   前記集計手段は、前記移動区間に前記同行者の情報が関連付けて蓄積されている場合、前記同行者について前記移動区間に関連付けられた前記行動状況を参照し、前記利用者の行動状況と前記同伴者の行動状況に相違がある場合は、前記利用者の行動状況を補正して集計することを特徴とする請求項１記載の移動体特徴記述装置。
3. 前記行動状況推定手段は前記移動区間の始点における行動状況も推定して前記移動履歴蓄積手段に蓄積するものであって、
   前記移動履歴蓄積手段を参照し、前記始点における行動状況から前記終点における行動状況への遷移確率を算出する遷移確率算出手段を有し、
   前記集計手段は、前記遷移確率が所定の値よりも低い前記行動状況については、過小評価して集計することを特徴とする請求項１又は２記載の移動体特徴記述装置。
4. 前記記述手段は、前記移動区間の終点近辺の機能区分が単機能である場合は前記集計結果のうち最大のものを前記移動体の特徴とし、前記機能区分が多機能である場合は前記集計結果の割合に応じて前記移動体の特徴を記述することを特徴とする請求項１乃至３のいずれかに記載の移動体特徴記述装置。
5. 利用者の位置情報の履歴を蓄積した位置履歴蓄積手段から前記位置情報の履歴を読み出すステップと、
   前記位置情報の履歴を用いて前記利用者の移動経路を推定するステップと、
   前記位置情報の履歴を用いて前記利用者の移動方法を判定するステップと、
   前記移動方法が交通機関を利用したものであった場合、前記移動経路を用いて前記利用者が前記交通機関を利用した移動区間を推定するステップと、
   前記位置情報の履歴を用いて前記利用者の前記移動区間の終点における行動状況を推定し、当該行動状況と前記移動区間を関連付けて移動履歴蓄積手段に蓄積するステップと、
   前記移動履歴蓄積手段から、前記交通機関などの移動体の特徴を記述する対象区間に該当する前記移動区間に関連付けられた前記行動状況を読み出すステップと、
   前記行動状況取得手段が読み出した前記行動状況を集計するステップと、
   前記集計するステップの集計結果を前記対象区間における前記移動体の特徴として移動体特徴蓄積手段に蓄積するステップと、
   を有することを特徴とする移動体特徴記述方法。
6. 前記位置情報の履歴を用いて前記利用者に同行した同行者を検出し、当該同行者の情報を前記移動区間に関連付けて前記移動履歴蓄積手段に蓄積するステップを有し、
   前記集計するステップは、前記移動区間に前記同行者の情報が関連付けて蓄積されている場合、前記同行者について前記移動区間に関連付けられた前記行動状況を参照し、前記利用者の行動状況と前記同伴者の行動状況に相違がある場合は、前記利用者の行動状況を補正して集計することを特徴とする請求項５記載の移動体特徴記述方法。
7. 前記行動状況を推定するステップは前記移動区間の始点における行動状況も推定して前記移動履歴蓄積手段に蓄積するものであって、
   前記移動履歴蓄積手段を参照し、前記始点における行動状況から前記終点における行動状況への遷移確率を算出するステップを有し、
   前記集計するステップは、前記遷移確率が所定の値よりも低い前記行動状況については、過小評価して集計することを特徴とする請求項５又は６記載の移動体特徴記述方法。
8. 前記移動体の特徴を蓄積するステップは、前記移動区間の終点近辺の機能区分が単機能である場合は前記集計結果のうち最大のものを前記移動体の特徴とし、前記機能区分が多機能である場合は前記集計結果の割合に応じて前記移動体の特徴を記述することを特徴とする請求項５乃至７のいずれかに記載の移動体特徴記述方法。
9. 請求項５乃至８のいずれかに記載の移動体特徴記述方法をコンピュータに実行させることを特徴とする移動体特徴記述プログラム。
10. 請求項９に記載の移動体特徴記述プログラムを記録した記録媒体。

Images