JP2014182611A - 情報処理装置、情報処理方法及びプログラム - Google Patents

Abstract

【課題】携帯端末の測位情報を用いてユーザの行動を分析するための技術を提供する。
【解決手段】情報処理装置は、携帯端末の測位情報を参照して携帯端末のユーザが移動している時間を特定し、携帯端末のユーザの時間帯別の移動の頻度を活動量として算出し、算出された活動量に基づいて、記憶された生活パターンの中から活動量の変化の傾向が最も近いユーザの生活パターンを特定し、特定した生活パターンに基いてユーザの属性を判定する。
【選択図】図２

Description

本発明は、携帯端末の測位情報を処理する技術に関する。

近年、測位機能付きの携帯端末の普及により、非常に多くの測位情報が取得可能である。また、この携帯端末の測位情報を利用して、ユーザの行動に関して、様々な分析が行われている。例えば、特許文献１には、測位位置間の移動距離及び測位時間の時間差（移動時間）に基づいて、携帯端末の移動における移動速度を算出することによって、ユーザの行動を分析することが記載されている。

特開２００７−２１５０９６号公報

しかしながら、携帯端末の測位情報から得られる情報は、移動距離、移動時間及び移動速度だけでなく、他にも様々な情報が得られると考えられる。例えば、ユーザが移動を続けているのか移動を行っていないのかについての情報を測位情報から得ることができ、このような情報を考慮すれば、ユーザの行動について新たな分析ができることを発明者は考え出した。

本発明は、上記に鑑みてなされたものである。本発明の目的は、携帯端末の測位情報を用いてユーザの行動を分析するための新規な技術を提供することにある。

本発明に係る情報処理装置は、携帯端末の測位情報を参照して前記携帯端末のユーザが移動している時間を特定し、前記携帯端末のユーザの時間帯別の移動の頻度を活動量として算出する算出手段と、前記算出された活動量に基づいて、前記ユーザの属性を判定する判定手段とを備えることを特徴とする。

本発明に係る情報処理方法は、制御部を備える情報処理装置において実施される情報処理方法であって、前記制御部が、携帯端末の測位情報を参照して前記携帯端末のユーザが移動している時間を特定し、前記携帯端末のユーザの時間帯別の移動の頻度を活動量として算出する算出ステップと、前記制御部が、前記算出された活動量に基づいて、前記ユーザの属性を判定する判定ステップとを備えることを特徴とする。

本発明に係るプログラムは、コンピュータを、携帯端末の測位情報を参照して前記携帯端末のユーザが移動している時間を特定し、前記携帯端末のユーザの時間帯別の移動の頻度を活動量として算出する算出手段、前記算出された活動量に基づいて、前記ユーザの属性を判定する判定手段として機能させることを特徴とする。

また、本発明のプログラムは、ＣＤ−ＲＯＭ等の光学ディスク、磁気ディスク、半導体メモリなどの各種の記録媒体を通じて、又は通信ネットワークなどを介してダウンロードすることにより、コンピュータにインストール又はロードすることができる。

本発明によれば、携帯端末の測位情報を用いてユーザの行動を分析するための新規な技術を提供することができる。

一実施形態におけるシステムの構成を示す概念図である。 一実施形態におけるサーバ装置の機能構成を示すブロック図である。 一実施形態において、サーバ装置に記憶された情報の構成を示す図である。 一実施形態において、あるユーザの１日における時間帯別の活動量の変化の例を示す図である。 一実施形態において、各生活パターンの時間帯別活動量を概念的に示す図である。 一実施形態におけるサーバ装置で実行される処理を示すフローチャートである。

以下、本発明の実施形態について、図面を参照しつつ詳細に説明する。ただし、発明の範囲をこれらに限定するものではない。

また、本明細書等において、「部」とは、単に物理的構成を意味するものではなく、その構成が有する機能をソフトウェアによって実現する場合も含む。また、１つの構成が有する機能が２つ以上の物理的構成により実現されても、２つ以上の構成の機能が１つの物理的構成により実現されてもよい。

図１を参照して、一実施形態に係るシステムの構成の例を説明する。情報処理システム１は、サーバ装置１０及び複数の携帯端末２０などの情報処理装置を主に備えて構成される。サーバ装置１０と複数の携帯端末２０とは、ネットワークＮを介して相互に通信することができる。なお、この例では、３つの携帯端末２０が記載されているが、サーバ装置１０と通信可能な携帯端末２０の数は、任意である。

ネットワークＮは、サーバ装置１０と携帯端末２０との間で情報を送受信するための通信回線である。例えば、ネットワークＮは、インターネット、ＬＡＮ、専用線、パケット通信網、電話回線、企業内ネットワーク、その他の通信回線、それらの組み合わせ等のいずれであってもよく、有線であるか無線であるかを問わない。

サーバ装置１０は、ハードウェア構成として、制御部１１、通信部１４、及び記憶部１５を主に備える。制御部１１は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１２及びメモリ１３を主に備えて構成される。サーバ装置１０は、専用又は汎用のサーバ・コンピュータなどの情報処理装置を用いて実現することができ、例えば、ＣＰＵ１２がメモリ１３等に格納された所定のプログラムを実行することにより、各種の機能実現手段として機能する。なお、サーバ装置１０は、単一の情報処理装置より構成されるものであっても、ネットワーク上に分散した複数の情報処理装置より構成されるものであってもよい。

制御部１１では、ＣＰＵ１２は、記憶部１５等に記憶されたプログラムをメモリ１３に展開して実行することにより、サーバ装置１０が備える各種構成の動作を制御し、また、各種処理の実行を制御する。制御部１１において実行される処理の詳細は後述する。

通信部１４は、ネットワークＮを介して携帯端末２０等の各種情報処理装置との間で通信をするための通信インタフェースである。通信部１４は、例えば、携帯端末２０からの測位情報など、各種情報を受信する。

記憶部１５は、ハードディスク等の記憶装置によって構成される。記憶部１５は、制御部１１における処理の実行に必要な各種プログラムや、制御部１１による処理結果の情報など、各種の情報を記憶する。記憶部１５に記憶されている情報の具体例については後述する。

携帯端末２０は、例えば、携帯電話機、ＰＤＡ、パーソナルコンピュータなどの現在位置を測位した測位情報を所定時間間隔でサーバ装置１０へアップロードする機能を備えた情報端末を適用することができる。携帯端末２０による測位の処理は、ＧＰＳ（Global Positioning System）、基地局及び無線ルーターから受信した信号等に基づいて行うことができる。また、測位の処理自体はサーバ装置１０で行う場合、携帯端末２０は、携帯端末２０の現在位置を算出（測位）すために必要な情報をサーバ装置１０へアップロードする機能を備えることができる。携帯端末２０は、図示しないが、主制御部、通信部、表示部、操作部、記憶部、測位処理部などの各種機能実現手段を主に備える。

図２を参照して、一実施形態に係るサーバ装置１０の機能構成を説明する。サーバ装置１０は、機能構成として、活動量算出部１１１、生活パターン分類部１１２、生活パターン特定部１１３、属性判定部１１４、行動拠点特定部１１５及びデータベース１２０を備える。これらの機能は、例えば、制御部１１において、ＣＰＵ１２が、記憶部１５等に記憶されたプログラムをメモリ１３に展開して実行することにより実現される。

活動量算出部１１１は、データベース１２０に記憶された携帯端末２０の測位情報を参照して前記携帯端末２０のユーザが移動している時間を特定し、携帯端末２０のユーザの時間帯別の移動の頻度を当該ユーザの活動量として算出する。活動量算出部１１１は、算出した活動量をデータベース１２０に記憶する。活動量とは、ある時間帯（例えば、９時から１０時）のうち、携帯端末２０のユーザが移動をしていた時間が占める割合の程度を示す値である。または、ある時間帯において、携帯端末２０のユーザが移動をした回数の程度を示す値を活動量とすることができる。活動量は、様々な方法で算出することができる。例えば、自機が移動を開始すると測位機能がオンになり、測位を一定の時間間隔（例えば、５分ごと）に行い、移動を停止すると測位機能がオフになるような機能（自動測位開始機能）を携帯端末２０が有する場合、この携帯端末２０による測位情報を参照して所定の時間帯における測位回数をカウントし、その時間帯における測位回数のカウント値をその時間帯の活動量とすることができる。

図４は、自動測位開始機能を有するある携帯端末２０の測位情報を参照して算出されたあるユーザのある１日における時間帯別の活動量の例をグラフで示している。このグラフにおいて、横軸は、ある１日の時間を示している。縦軸は、携帯端末２０により１時間当たりに行われた測位の回数（活動量）を示している。なお、この例において、携帯端末２０の自動測位開始機能は、自機が移動を開始すると測位を開始し、５分ごとに測位を行い、自機が５分間移動を行わないときに次の移動まで測位を停止するものとする。図４において、この携帯端末２０は、例えば、７時台の時間帯に８回の測位を行ったため、活動量は８であることが示されている。また、この携帯端末２０は、７時から８時台、１３時台、及び１９時から２０時台のそれぞれの時間帯に活動量のピークがあることが示されている。

また、活動量算出部１１１は、各時間帯の複数日分（例えば、１年分）の活動量を集計することによって、１日における各時間帯の平均的な活動量を算出することができる。また、この集計は、平日と休日（例えば、土曜日、日曜日及び祝日）を区別して各時間帯の平均的な活動量を算出することができる。

活動量の算出の他の例として、活動量算出部１１１は、データベース１２０に記憶されたある携帯端末２０の測位情報を参照し、所定の時間帯において、測位時間が時間的に連続する測位位置間の距離が所定の距離（例えば、２００ｍ）以上である測位位置をカウントし、その時間帯におけるカウント値を活動量とすることができる。もしくは、活動量算出部１１１は、データベース１２０に記憶されたある携帯端末２０の測位情報（または、通信履歴情報）を参照し、所定の時間帯において、携帯端末２０が通信を行っている基地局が切り替わった回数をカウントし、その時間帯におけるカウント値を活動量とすることができる。上述した活動量の算出方法は、単なる例示であり、ある時間帯において携帯端末２０のユーザが移動をした回数の程度を示す値、または、ある時間帯のうち、携帯端末２０のユーザが移動をしていた時間が占める割合の程度を示す値を算出することができれば、算出方法はどのような方法であっても良い。

生活パターン分類部１１２は、データベース１２０に記憶された複数日分の複数ユーザについての活動量情報を参照し、図４に示すような１日における時間帯別の活動量（時間帯別活動量）をクラスタリングし、生成されたクラスタを生活パターンとして出力する。時間帯別活動量は、例えば、１日を１時間ごとに区切った各時間帯の活動量を要素にする２４次元のベクトルで表すことができる。出力された生活パターンの情報は、データベース１２０に記憶される。クラスタリングは、平日と休日とで分けて行っても良い。クラスタリングは任意のモデルを用いて行うことができる。クラスタリングの具体例として、k-means法を用いて、時間帯別活動量のデータセットからあらかじめ指定されたクラスタ数（ｉ）だけのクラスタの代表点（Ｃｉ）を無作為に選び、各データに対しＣｉとの距離を測り、各データをもっとも近くにあるＣｉのクラスタに分類する。そして、そのクラスタ内部で中心点をとり再度クラスタに分割しなおすというアルゴリズムによってクラスタリングを行う。このようなk-meansによるクラスタリングを繰り返し（例えば、１００回）、評価関数によって最適なクラスタリング結果を採択する。

本発明の発明者は、１０００の時間帯別活動量のデータセットを平日と休日とに分け、上記の方法によりクラスタリングを行った結果、平日のクラスタを１１個、休日のクラスタを９つ得ることができた。発明者はさらに、日中と夜間の時間帯のどちらに活動量の増加のピークがあるか、どの時間帯に急激な増加があるか、平均活動量が低い時間帯と高い時間帯における平均活動量の差を考慮して、平日及び休日について得られたクラスタをそれぞれ、次に示すような更なるクラスタに生活パターンとして分類した。

［平日の生活パターン］
（１）昼夜逆転型：活動量が日中よりも夕方、夜間および深夜の方が多く、活動量のピークが夕方から翌日の早朝にある。
（２）固定勤務型：活動量が通勤ラッシュの時間帯である８時前後及び１８時前後を中心に急激な増加があり、その他の時間帯で活動量が落ちる。
（３）日中外回り型：活動量が通勤ラッシュの時間帯に増加するが、日中においても同程度の活動量が維持される。
（４）低レベルの活動型：活動量が一日を通して少なく、変動の幅も小さい。
（５）非定時活動型：活動量が一日を通じて一定量あり、変動の幅が小さい。

［休日の生活パターン］
（１）昼夜逆転型：活動量が日中よりも夜間の方が多い。
（２）日中活動型：活動量が日中においては高いままを保たれているが夕方から夜間にかけて減少する。
（３）夕方中心日中活動型：活動量が日中の方が夜間よりもやや多く、日中活動を行うが、わずかな増加のピークが夕方にある。
（４）低レベルの活動型：活動量が一日を通して少なく、変動の幅も小さい。
（５）非定時活動型：活動量が一日を通じて一定量あり、変動の幅が小さい。

本実施形態において、生活パターン分類部１１２は、平日と休日とを分けず、携帯端末２０のユーザの活動量のピークの時間帯に着目して上記の生活パターンをさらに抽象化し、時間帯別活動量のデータセットを次のような生活パターンにクラスタリングすることができる。図５は、それぞれの生活パターンにおける時間帯別活動量を概念的に示している。
（ａ）日中活動型：主な活動時間帯が日中である。
（ｂ）夜間活動型：主な活動時間帯が夜間である。
（ｃ）低レベル活動型：時間帯別の活動量が一日中所定量以下である。
（ｄ）非定時活動型：時間帯別の活動量が一日中所定量以上である。

また、生活パターン分類部１１２は、さらに携帯端末２０の測位情報（測位位置及び測位時間）を参照してユーザの活動時間帯（活動量が所定値以上である時間帯）における滞在位置を集計し、時間帯別活動量のデータセットを次のような生活パターンにクラスタリングすることができる。
（ｅ）活動エリア固定型：活動時間帯における主な活動エリアが固定化されている傾向にある（例えば、全活動時間帯のうち所定の割合（例えば、８０％）以上の時間帯において同じ活動エリアに滞在している）。
（ｆ）活動エリア分散型：活動時間帯における主な活動エリアが固定化されていない傾向にある（例えば、（ｅ）活動エリア固定型に該当しない）。

ここで、本実施形態においてエリアとは、緯度経度に基づいて地図を所定の大きさで分割して得られる複数の分割領域、行政区画により分割した領域、又は他の任意の方法により地図を分割して得られる領域を表すものとする。

なお、本実施形態において、サーバ１０が生活パターン分類部１１２を備えることとしたがこれに限定しない。サーバ１０は生活パターン分類部１１２を備えずに、別の情報処理装置が生活パターン分類部１１２を備える構成としても良い。このとき、生活パターン分類部１１２により出力された生活パターンの情報をサーバ装置１０のデータベース１２０に記憶する。

生活パターン特定部１１３は、生活パターン分類部１１２により生成された（又はデータベース１２０に記憶された）生活パターンのうち、携帯端末２０のユーザに該当する生活パターンを特定する。生活パターンの特定は、少なくとも活動量算出部１１１により算出された活動量に基づいて行われる。具体例として、生活パターン特定部１１３は、活動量算出部１１１により算出されたユーザの１日における各時間帯の平均的な活動量（時間帯別平均活動量）を参照して、この時間帯別平均活動量が分類されるクラスタとしての生活パターンを特定する。分類の処理において、生活パターン特定部１１３は、例えば、分類対象となる時間帯別平均活動量（例えば、各時間帯の活動量を要素とするベクトル量）とクラスタとしての生活パターンの代表点との距離を測り、最も距離が短い生活パターンをそのユーザに該当する生活パターンとして特定する。さらに、生活パターン特定部１１３は、携帯端末２０の測位情報（測位位置及び測位時間）を参照してユーザの活動時間帯（活動量が所定値以上である時間帯）における滞在位置を集計し、当該集計結果に基づいて、ユーザが上記の（ｅ）活動エリア固定型及び（ｆ）活動エリア分散型のいずれの生活パターンに該当するかを特定することができる。このように、生活パターン特定部１１３による処理によれば、測位情報から得られた活動量（ユーザが移動を続けているのか移動を行っていないのかについての情報）に基づいて、ユーザの行動についての分析を行うことができる。このような分析は、従来にはない新規な手法である。

属性判定部１１４は、活動量算出部１１１により算出された活動量に基づいて、携帯端末２０のユーザの属性を判定する。具体的には、属性判定部１１４は、活動量に応じて特定されたユーザの生活パターンに基づいて、当該ユーザの属性を判定する。ユーザの属性としては、例えば、当該ユーザの行動拠点（ユーザによる滞在頻度及び／又は滞在時間が所定値以上であるエリア）として特定されている場所の種別（例えば、勤務地エリア、自宅エリア）、当該ユーザに対する効果的なマーケティング方法の種別などが含まれる。属性判定部１１４により判定されたユーザの属性の情報は、データベース１２０にユーザ情報に関連付けられて記憶される。

ユーザの行動拠点として特定されている場所の種別をユーザの属性として判定するために、属性判定部１１４は、例えば、対象ユーザの生活パターンが（ａ）日中活動型である場合、日中の滞在頻度が高い及び／又は滞在時間が長い行動拠点を勤務地エリアとし、夜間の滞在頻度が高い及び／又は滞在時間が長い行動拠点を自宅エリアとして属性を判定することができる。さらに、属性判定部１１４は、例えば、対象ユーザの生活パターンが（ｂ）夜間活動型である場合、日中の滞在頻度が高い及び／又は滞在時間が長い行動拠点を自宅エリアとし、夜間の滞在頻度が高い及び／又は滞在時間が長い行動拠点を勤務地エリアとして属性を判定することができる。また、属性判定部１１４は、例えば、生活パターンが（ｃ）低レベル活動型の場合、滞在時間が最も長い行動拠点を自宅エリアとし、生活パターンが（ｄ）非定時活動型の場合、滞在頻度が最も長い行動拠点を勤務地エリアとすることができる。なお、ユーザの行動拠点の情報は、後述する行動拠点特定部１１５により特定され、データベース１２０に記憶されている。

上記とは異なり、ユーザの生活パターンを考慮せずに単に滞在頻度及び滞在時間に基づいてユーザの勤務地エリア又は自宅エリアを判定しようとした場合、例えば、ユーザが最も活動していない時間帯（すなわち、ユーザが自宅で寝ている時間帯）に滞在頻度が高い（又は滞在時間が長い）行動拠点を勤務地エリアと判定してしまう場合も想定される。従って、ユーザの生活パターンを考慮せずにユーザの勤務地エリア又は自宅エリアを判定すると、判定結果の精度は低くなると考えられる。これに対し、本実施形態によれば、属性判定部１１４は、ユーザの活動量に応じて特定された生活パターンに基づいてユーザの属性の判定を行う。その結果、ユーザの勤務地エリア又は自宅エリアの判定を高い精度で行うことができる。

さらに、ユーザに対する効果的なマーケティング方法の種別をユーザの属性として判定するために、属性判定部１１４は、例えば、（ａ）日中活動型のユーザに対しては、日中の活動が多いユーザに対して効果的なマーケティングの方法を示す属性を当該ユーザの属性として判定する。このような属性が判定されたユーザへは、例えば、日中に広告メールを配信するなどのマーケティング方法がとられる。（ｂ）夜間活動型のユーザに対しては、夜間の活動が多いユーザに対して効果的なマーケティングの方法を示す属性を当該ユーザの属性として判定する。（ｃ）低レベル活動型のユーザに対しては、時間帯別の活動量が一日中少ないユーザに対して効果的なマーケティングの方法を示す属性を当該ユーザの属性として判定する。このようなユーザへは、例えば、インドアで用いられる商品やインドアで提供されるサービスのマーケティングを行うことが有効となる。（ｄ）非定時活動型のユーザに対しては、時間帯別の活動量が一日中多いユーザに対して効果的なマーケティングの方法を示す属性を当該ユーザの属性として判定する。

このように、ユーザの生活パターンを考慮してユーザに対する効果的なマーケティング方法の種別を判定することによって、ユーザに対してより効果的なマーケティングを行うことができる。

なお、属性判定部１１４により判定されるユーザの属性は上記に限定されず、属性判定部１１４は、ユーザの生活パターンを考慮することで判定可能なあらゆるユーザ属性を判定することができる。

行動拠点特定部１１５は、データベース１２０に記憶された測位情報を参照し、所定の期間における地図上の各エリアへの滞在頻度又は滞在時間をユーザ別に算出し、滞在頻度又は滞在時間の値が高いエリア（例えば、上位１０％のエリア）をそのユーザの行動拠点として特定する。行動拠点特定部１１５は、特定された行動拠点の情報をユーザ情報と関連付けてデータベース１２０に記憶する。

データベース１２０は、サーバ装置１０において実行される上記の処理に必要な情報、及び当該処理により生成された情報など、各種情報を記憶する。データベース１２０に記憶されている情報には、例えば、測位情報、地図情報、ユーザ情報、行動拠点情報、活動量情報、生活パターン情報、及び属性情報が含まれる。記憶されている測位情報には、ＧＰＳ、基地局、ルーターなどからの信号に基づいて測位された携帯端末の測位情報が含まれる。

図３は、データベース１２０に記憶された測位情報及び行動拠点情報の例を示している。この例では、測位情報は、携帯端末２０の識別子である携帯端末ＩＤ、測位時刻、測位位置（緯度及び経度）の情報を含む。行動拠点情報は、携帯端末ＩＤ、ユーザの識別子であるユーザＩＤ、及び行動拠点であるエリアの識別子であるエリアＩＤを含む。

次に、図６を参照して、サーバ装置１０において実行される処理のフローを説明する。この処理は、制御部１１が記憶部１５に記憶されたプログラムをメモリ１３に展開して実行することによって制御される。なお、以下に説明する処理のフローに含まれる各処理ステップは、処理内容に矛盾を生じない範囲で、任意に順番を変更して又は並列に実行することができるとともに、各処理ステップ間に他のステップを追加してもよい。また、便宜上１ステップとして記載されているステップは、複数ステップに分けて実行することができる一方、便宜上複数ステップに分けて記載されているものは、１ステップとして把握することができる。なお、各ステップの詳細な処理の説明は、図２の説明において記載しているため、ここでは省略する。

まず、ステップＳ１１において、活動量算出部１１１は、データベース１２０に記憶された携帯端末２０の測位情報を参照して前記携帯端末２０のユーザが移動している時間を特定し、携帯端末２０のユーザの時間帯別の移動の頻度を当該ユーザの活動量として算出する。

ステップＳ１２において、生活パターン特定部１１３は、ステップＳ１１で算出された活動量に基づいて、データベース１２０に記憶された生活パターンのうち、携帯端末２０のユーザに該当する生活パターンを特定する。具体的には、生活パターン特定部１１３は、活動量算出部１１１により算出されたユーザの１日における各時間帯の平均的な活動量を参照して、活動量が高い又は低い時間帯を判定し、当該判定結果に基づいて、データベース１２０に記憶された生活パターンの中から、１日の活動量の変化の傾向が最も近い生活パターンを特定する。

ステップＳ１３において、属性判定部１１４は、活動量算出部１１１により算出された活動量に基づいて、携帯端末２０のユーザの属性を判定する。具体的には、属性判定部１１４は、活動量に応じて特定されたユーザの生活パターンに基づいて、当該ユーザの属性を判定する。

以上のように、図８に示した処理によれば、測位情報から得られた活動量（ユーザが移動を続けているのか移動を行っていないのかについての情報）に基づいて、ユーザの行動についての分析（例えば、生活パターン及びユーザ属性の特定）を行うことができる。

本発明は、上記した実施の形態に限定されるものではなく、本発明の要旨を逸脱しない範囲内において、他の様々な形で実施することができる。上記実施形態はあらゆる点で単なる例示にすぎず、限定的に解釈されるものではない。

１ 情報処理システム、１０ サーバ装置、１１ 制御部、１２ ＣＰＵ、１３ メモリ、１４ 通信部、１５ 記憶部、２０ 携帯端末

Claims (8)

1. 携帯端末の測位情報を参照して前記携帯端末のユーザが移動している時間を特定し、前記携帯端末のユーザの時間帯別の移動の頻度を活動量として算出する算出手段と、
   前記算出された活動量に基づいて、前記ユーザの属性を判定する判定手段と
   を備えることを特徴とする情報処理装置。
2. 前記算出された活動量に基づいて、前記ユーザに該当する生活パターンを特定する特定手段を備え、
   前記判定手段は、前記特定された生活パターンに基づいて前記ユーザの属性を判定することを特徴とする請求項１に記載の情報処理装置。
3. 前記生活パターンは、
   （ａ）前記ユーザの主な活動時間帯が日中であることを示すパターン、
   （ｂ）前記ユーザの主な活動時間帯が夜間であることを示すパターン、
   （ｃ）前記ユーザの時間帯別の活動量が一日中所定量以下であることを示すパターン、及び
   （ｄ）前記ユーザの時間帯別の活動量が一日中所定量以上であることを示すパターン、
   のうち少なくともいずれかを含むことを特徴とする請求項１又は２に記載の情報処理装置。
4. 前記特定手段は、さらに携帯端末の測位位置及び測位時間に基づいて、前記ユーザに該当する生活パターンを
   （ｅ）前記ユーザの活動時間帯における主な活動エリアが固定化されていることを示すパターン、及び
   （ｆ）前記ユーザの活動時間帯における主な活動エリアが固定化されていないことを示すパターン
   のいずれかとして特定することを特徴とする請求項１から３のいずれか１項に記載の情報処理装置。
5. 前記判定手段は、前記ユーザの属性として、当該ユーザの滞在頻度及び／又は滞在時間が所定値以上の場所である前記ユーザの行動拠点の種別を判定することを特徴とする請求項１から４のいずれか１項に記載の情報処理装置。
6. 前記算出手段は、前記携帯端末のユーザの時間帯別の活動量を少なくとも平日と休日とを区別して算出することを特徴とする請求項１から５のいずれか１項に記載の情報処理装置。
7. 制御部を備える情報処理装置において実施される情報処理方法であって、
   前記制御部が、携帯端末の測位情報を参照して前記携帯端末のユーザが移動している時間を特定し、前記携帯端末のユーザの時間帯別の移動の頻度を活動量として算出する算出ステップと、
   前記制御部が、前記算出された活動量に基づいて、前記ユーザの属性を判定する判定ステップと
   を備えることを特徴とする情報処理方法。
8. コンピュータを、
   携帯端末の測位情報を参照して前記携帯端末のユーザが移動している時間を特定し、前記携帯端末のユーザの時間帯別の移動の頻度を活動量として算出する算出手段、
   前記算出された活動量に基づいて、前記ユーザの属性を判定する判定手段
   として機能させるためのプログラム。

Images