JP2014207526A - 訪問ｐｏｉ推定装置、方法、プログラム、及びプログラムを記録したコンピュータ読取り可能な記録媒体 - Google Patents

Abstract

【課題】ユーザの訪問先を示す位置を精度よく推定することができるようにする。【解決手段】滞留点抽出部２１によって、ユーザが滞留した位置を示す複数の滞留点ｘｎを抽出する。そして、ＰＯＩカテゴリ滞在時間変数推定部２５によって、複数の滞留点ｘｎが複数の訪問ＰＯＩの何れであるかを割り当てる変数ｚｎの各々と、複数の滞留点ｘｎの滞在時間とに基づいて、訪問ＰＯＩのカテゴリｃの各々についてのユーザの滞在時間の分布に関する変数を推定する。そして、ＰＯＩ変数値更新部２６によって、カテゴリｃの各々について推定された変数と、複数の滞留点ｘｎの滞在時間とに基づく訪問ＰＯＩの各々を変数ｚｎに割り当てる確率を示す確率分布に基づいて、変数ｚｎをサンプリングにより更新する。【選択図】図１

Description

本発明は、訪問ＰＯＩ推定装置、方法、プログラム、及びプログラムを記録したコンピュータ読取り可能な記録媒体に関し、特に、ユーザの訪問ＰＯＩを推定する訪問ＰＯＩ推定装置、方法、プログラム、及びプログラムを記録したコンピュータ読取り可能な記録媒体に関する。

ＧＰＳ（Global Positioning System）やＷｉ−ｆｉ（登録商標）チップが搭載された携帯電話やスマートフォンなどの普及によって、ユーザの位置情報に関する測位データの取得は非常に容易になった。この測位データを用いて、ユーザの興味に基づく訪問先を示す訪問ＰＯＩ（Point of Interest）を推定して明らかにできれば、情報推薦や生活支援など幅広いサービスに応用可能である。

Yu Zheng and Xiaofang Zhou，「Computing with Spatial Trajectories」，Springer，2011，ｐ259．

しかし、ＧＰＳやＷｉ−ｆｉ（登録商標）に基づく測位システムで数十メートル程度、携帯基地局に基づく測位システムで数百メートル程度の測位誤差があるため、実際に訪問した興味のある場所を、滞留点に最も近い場所と判断するのでは、高い推定精度を実現することができない。

特に、訪問ＰＯＩが狭い地域に密集している場合には、高い推定精度を得ることができない（非特許文献１参照）。また、初めて訪れるような地域においては、訪問ＰＯＩを高い精度で明らかにすることはできない。

本発明は、上記問題を解決するためになされたもので、ユーザの訪問先を示す位置を精度よく推定することができる訪問ＰＯＩ推定装置、方法、プログラム、及びプログラムを記録したコンピュータ読取り可能な記録媒体を提供することを目的とする。

上記の目的を達成するために本発明に係る訪問ＰＯＩ推定装置は、ユーザの位置を示す位置情報の時系列データに基づいて、前記ユーザが滞留した位置を示す複数の滞留点ｘ_ｎを抽出すると共に、前記複数の滞留点ｘ_ｎの各々の滞在時間を抽出する滞留点抽出手段と、前記滞留点抽出手段によって抽出された前記複数の滞留点ｘ_ｎの各々について、予め定められたユーザの訪問先を示す位置である複数の訪問ＰＯＩ（Point of Interest）から、前記滞留点ｘ_ｎから所定範囲内に存在する訪問ＰＯＩの集合を取得する滞留点近傍ＰＯＩ集合取得手段と、前記滞留点抽出手段によって抽出された複数の滞留点ｘ_ｎの各々について、前記滞留点ｘ_ｎについて取得した訪問ＰＯＩの集合に含まれる何れか１つの訪問ＰＯＩを用いて、前記滞留点ｘ_ｎが前記複数の訪問ＰＯＩの何れであるかを割り当てる変数ｚ_ｎを初期化すると共に、前記複数の滞留点ｘ_ｎの各々について前記初期化された変数ｚ_ｎ及び前記抽出された滞在時間に基づいて、前記訪問ＰＯＩについて予め定められた複数のカテゴリｃの各々について、前記カテゴリｃに属する前記訪問ＰＯＩにおける前記ユーザの滞在時間の分布に関する変数ν_ｃ及びτ_ｃを初期化する変数初期化手段と、前記変数初期化手段によって初期化された前記変数ｚ_ｎの各々、又は前回更新された前記変数ｚ_ｎの各々と、前記複数の滞留点ｘ_ｎの各々について前記抽出された滞在時間とに基づいて、前記カテゴリｃの各々について、前記カテゴリｃに属する訪問ＰＯＩが割り当てられた前記変数ｚ_ｎの個数Ｎ_ｃを用いて、前記変数ν_ｃと前記変数τ_ｃとを推定するＰＯＩカテゴリ滞在時間変数推定手段と、前記複数の滞留点ｘ_ｎの各々について、前記ＰＯＩカテゴリ滞在時間変数推定手段によって前記カテゴリｃの各々について推定された前記変数ν_ｃ及び前記変数τ_ｃと、前記変数ｚ_ｎの各々と、前記滞留点ｘ_ｎについて前記抽出された滞在時間とに基づいて求められる、前記滞留点ｘ_ｎについて取得した訪問ＰＯＩの集合の訪問ＰＯＩの各々を前記変数ｚ_ｎに割り当てる確率を示す確率分布に基づいて、前記変数ｚ_ｎをサンプリングにより更新するＰＯＩ変数値更新手段と、繰り返し終了条件を満足するまで、前記ＰＯＩカテゴリ滞在時間変数推定手段による推定、及び前記ＰＯＩ変数値更新手段による更新を繰り返す反復判定手段と、前記複数の滞留点ｘ_ｎの各々について、前記ＰＯＩ変数値更新手段によって更新された前記変数ｚ_ｎの履歴に基づいて、前記滞留点ｘ_ｎに対応する訪問ＰＯＩを推定するＰＯＩ推定手段と、を含んで構成されている。

本発明に係る訪問ＰＯＩ推定方法は、 滞留点抽出手段、滞留点近傍ＰＯＩ集合取得手段、変数初期化手段、ＰＯＩカテゴリ滞在時間変数推定手段、ＰＯＩ変数値更新手段、反復判定手段、及びＰＯＩ推定手段を含む訪問ＰＯＩ推定装置における訪問ＰＯＩ推定方法であって、前記滞留点抽出手段によって、ユーザの位置を示す位置情報の時系列データに基づいて、前記ユーザが滞留した位置を示す複数の滞留点ｘ_ｎを抽出すると共に、前記複数の滞留点ｘ_ｎの各々の滞在時間を抽出するステップと、前記滞留点近傍ＰＯＩ集合取得手段によって、前記滞留点抽出手段によって抽出された前記複数の滞留点ｘ_ｎの各々について、予め定められたユーザの訪問先を示す位置である複数の訪問ＰＯＩ（Point of Interest）から、前記滞留点ｘ_ｎから所定範囲内に存在する訪問ＰＯＩの集合を取得するステップと、前記変数初期化手段によって、前記滞留点抽出手段によって抽出された複数の滞留点ｘ_ｎの各々について、前記滞留点ｘ_ｎについて取得した訪問ＰＯＩの集合に含まれる何れか１つの訪問ＰＯＩを用いて、前記滞留点ｘ_ｎが前記複数の訪問ＰＯＩの何れであるかを割り当てる変数ｚ_ｎを初期化すると共に、前記複数の滞留点ｘ_ｎの各々について前記初期化された変数ｚ_ｎ及び前記抽出された滞在時間に基づいて、前記訪問ＰＯＩについて予め定められた複数のカテゴリｃの各々について、前記カテゴリｃに属する前記訪問ＰＯＩにおける前記ユーザの滞在時間の分布に関する変数ν_ｃ及びτ_ｃを初期化するステップと、前記ＰＯＩカテゴリ滞在時間変数推定手段によって、前記変数初期化手段によって初期化された前記変数ｚ_ｎの各々、又は前回更新された前記変数ｚ_ｎの各々と、前記複数の滞留点ｘ_ｎの各々について前記抽出された滞在時間とに基づいて、前記カテゴリｃの各々について、前記カテゴリｃに属する訪問ＰＯＩが割り当てられた前記変数ｚ_ｎの個数Ｎ_ｃを用いて、前記変数ν_ｃと前記変数τ_ｃとを推定するステップと、前記ＰＯＩ変数値更新手段によって、前記複数の滞留点ｘ_ｎの各々について、前記ＰＯＩカテゴリ滞在時間変数推定手段によって前記カテゴリｃの各々について推定された前記変数ν_ｃ及び前記変数τ_ｃと、前記変数ｚ_ｎの各々と、前記滞留点ｘ_ｎについて前記抽出された滞在時間とに基づいて求められる、前記滞留点ｘ_ｎについて取得した訪問ＰＯＩの集合の訪問ＰＯＩの各々を前記変数ｚ_ｎに割り当てる確率を示す確率分布に基づいて、前記変数ｚ_ｎをサンプリングにより更新するステップと、前記反復判定手段によって、繰り返し終了条件を満足するまで、前記ＰＯＩカテゴリ滞在時間変数推定手段による推定、及び前記ＰＯＩ変数値更新手段による更新を繰り返すステップと、前記ＰＯＩ推定手段によって、前記複数の滞留点ｘ_ｎの各々について、前記ＰＯＩ変数値更新手段によって更新された前記変数ｚ_ｎの履歴に基づいて、前記滞留点ｘ_ｎに対応する訪問ＰＯＩを推定するステップと、を含む。

また、本発明に係るＰＯＩカテゴリ滞在時間変数推定手段は、前記カテゴリｃの各々について、前記個数Ｎ_ｃと前記変数τ_ｃと前記滞留点ｘ_ｎの各々について前記抽出された滞在時間とに基づいて求められる、前記変数ν_ｃの値の確率分布に従って前記変数ν_ｃをサンプリングにより推定すると共に、前記個数Ｎ_ｃと前記変数ν_ｃと前記滞留点ｘ_ｎの各々について前記抽出された滞在時間とに基づいて求められる、前記変数τ_ｃの値の確率分布に従って前記変数τ_ｃをサンプリングにより推定するようにすることができる。

また、本発明に係るＰＯＩカテゴリ滞在時間変数推定手段は、前記カテゴリｃの各々について、前記個数Ｎ_ｃと前記滞留点ｘ_ｎの各々について前記抽出された滞在時間とに基づいて求められる、前記変数ν_ｃの値の最尤推定値を前記変数ν_ｃとして推定すると共に、前記個数Ｎ_ｃと前記滞留点ｘ_ｎの各々について前記抽出された滞在時間とに基づいて求められる、前記変数τ_ｃの値の最尤推定値を前記変数τ_ｃとして推定するようにすることができる。

また、本発明に係る前記カテゴリｃに属する前記訪問ＰＯＩにおける前記ユーザの滞在時間の分布は、対数正規分布であり、前記変数ν_ｃは、前記カテゴリｃに属する前記訪問ＰＯＩにおける前記滞在時間の対数正規分布の平均であり、前記変数τ_ｃは、前記カテゴリｃに属する前記訪問ＰＯＩにおける前記滞在時間の対数正規分布の分散に関するパラメータであるようにすることができる。

また、本発明に係るＰＯＩ変数値更新手段は、前記複数の滞留点ｘ_ｎの各々について、前記滞留点ｘ_ｎについて取得した訪問ＰＯＩの集合に含まれる前記訪問ＰＯＩ毎に、前記訪問ＰＯＩが属するカテゴリｃについて推定された前記変数ν_ｃ及び前記変数τ_ｃと、前記滞留点ｘ_ｎについて前記抽出された滞在時間と、前記訪問ＰＯＩが割り当てられた前記変数ｚ_ｉ（ｉ＝１，・・・ｎ−１，ｎ＋１，・・・，Ｎ）の個数と、前記カテゴリｃに属する訪問ＰＯＩが割り当てられた前記変数ｚ_ｉ（ｉ＝１，・・・ｎ−１，ｎ＋１，・・・，Ｎ）の個数とに基づいて、前記変数ｚ_ｎに前記訪問ＰＯＩが割り当てられる確率を各々算出し、前記算出された各確率に基づく確率分布に従って、前記変数ｚ_ｎをサンプリングにより更新するようにすることができる。

また、本発明に係る滞留点抽出手段は、前記滞留点ｘ_ｎの滞留開始時刻を更に抽出し、ＰＯＩ変数値更新手段は、前記複数の滞留点ｘ_ｎの各々について、前記滞留点ｘ_ｎについて取得した訪問ＰＯＩの集合に含まれる前記訪問ＰＯＩ毎に、前記訪問ＰＯＩが属するカテゴリｃについて推定された前記変数ν_ｃ及び前記変数τ_ｃと、前記滞留点ｘ_ｎについて前記抽出された滞在時間と、前記訪問ＰＯＩが割り当てられた前記変数ｚ_ｉ（ｉ＝１，・・・，ｎ−１，ｎ＋１，・・・，Ｎ）の個数と、前記カテゴリｃに属する訪問ＰＯＩが割り当てられた前記変数ｚ_ｉ（ｉ＝１，・・・，ｎ−１，ｎ＋１，・・・，Ｎ）であって、かつ、前記滞留開始時刻と同じ時間帯の前記滞留点に対する前記変数ｚ_ｉの個数とに基づいて、前記変数ｚ_ｎに前記訪問ＰＯＩが割り当てられる確率を各々算出し、前記算出された各確率に基づく確率分布に従って、前記変数ｚ_ｎをサンプリングにより更新するようにすることができる。

また、本発明に係る滞留点抽出手段は、前記ユーザが携帯する移動体端末において受信した、測位衛星からの衛星信号、移動体端末との間で近接通信を行う固定端末からの固定端末信号、及び移動体端末との間で通信を行う基地局からの基地局信号の少なくとも１つに基づいて得られる前記ユーザの位置情報の時系列データに基づいて、前記複数の滞留点ｘ_ｎを抽出すると共に、前記複数の滞留点ｘ_ｎの各々の滞在時間を抽出するようにすることができる。

本発明に係るプログラムは、コンピュータを、上述の訪問ＰＯＩ推定装置の各手段として機能させるためのプログラムである。

本発明の記録媒体は、コンピュータを、上述の訪問ＰＯＩ推定装置の各手段として機能させるためのプログラムを記録したコンピュータ読取り可能な記録媒体である。

以上説明したように、本発明の訪問ＰＯＩ推定装置、方法、プログラム、及びプログラムを記録したコンピュータ読取り可能な記録媒体によれば、ユーザが滞留した位置を示す複数の滞留点ｘ_ｎが複数の訪問ＰＯＩの何れであるかを割り当てる変数ｚ_ｎの各々と、複数の滞留点ｘ_ｎの滞在時間とに基づいて、訪問ＰＯＩのカテゴリｃの各々についてのユーザの滞在時間の分布に関する変数を推定し、カテゴリｃの各々について推定された変数と、複数の滞留点ｘ_ｎの滞在時間とに基づく訪問ＰＯＩの各々を変数ｚ_ｎに割り当てる確率を示す確率分布に基づいて、変数ｚ_ｎをサンプリングにより更新することにより、ユーザの訪問先を示す位置を精度よく推定することができる、という効果が得られる。

本発明の実施の形態に係る訪問ＰＯＩ推定装置の一構成例を示すブロック図である。 本発明の実施の形態に係る訪問ＰＯＩ推定装置のＰＯＩデータベースに格納されているデータの一例を示す図である。 本発明の実施の形態に係る訪問ＰＯＩ推定装置おける訪問ＰＯＩ推定処理ルーチンの内容を示すフローチャートである。

＜概要＞
まず、本発明の実施の形態の概要について説明する。

本発明の実施の形態では、ユーザの訪問先を示す位置である訪問ＰＯＩ（Point of Interes）を精度よく推定することを目的とする。

本発明の実施の形態では、ユーザの位置情報のみでなく、ユーザが滞留した位置を示す滞留点における滞在時間と、レストラン・駅・映画館などの各訪問ＰＯＩのカテゴリとを滞留点の生成モデルに組み込み、各ユーザの訪問ＰＯＩのカテゴリの利用傾向の違いと、カテゴリ毎の平均的な滞在時間の違いに基づいて訪問ＰＯＩの推定精度を高める。

具体的には、１点目として、滞留点と訪問ＰＯＩ間の距離を考慮する。例えば、滞留点に近い訪問ＰＯＩほど、真の訪問ＰＯＩの確率が高い。２点目として、滞在時間と、訪問ＰＯＩカテゴリの平均的な滞留時間の関係を考慮する。例えば、コンビニでの滞在時間は短く、居酒屋での滞在時間は長いというような関係である。３点目として、時間帯別訪問ＰＯＩカテゴリの訪問傾向を考慮する。例えば、朝の時間帯には居酒屋には行かないというような傾向である。４点目として、カテゴリ内のＰＯＩ訪問傾向を考慮する。例えば、真の訪問ＰＯＩは、高頻度に訪問する訪問ＰＯＩの確率が高いという傾向である。

以下、図面を参照して本発明の実施の形態を詳細に説明する。

＜訪問ＰＯＩ推定装置のシステム構成＞
図１は、本発明の実施の形態に係る訪問ＰＯＩ推定装置１０を示すブロック図である。この訪問ＰＯＩ推定装置１０は、ＣＰＵと、ＲＡＭと、後述する訪問ＰＯＩ推定処理ルーチンを実行するためのプログラムを記憶したＲＯＭとを備えたコンピュータで構成され、機能的には次に示すように構成されている。

本実施の形態に係る訪問ＰＯＩ推定装置１０は、図１に示すように、入力部１と、演算部２と、出力部３とを備えている。

入力部１は、推定対象のユーザの位置情報ｐの測位結果及び測位時間の時系列データである測位データを複数受け付ける。ユーザの位置情報は、ユーザが携帯する移動体端末に搭載された受信器によって受信した測位衛星（ＧＰＳやＧＬＯＮＡＳＳなど）からの信号、移動体端末に搭載された受信器によって受信した、近接通信を行う固定端末からの信号、又は移動体端末に搭載された受信器によって受信した、基地局からの信号などによって計測される。移動体端末との間の近接通信としては、Ｗｉ-ｆｉ（登録商標）が一例として挙げられる。また、移動体端末と通信を行う基地局としては携帯端末の携帯基地局などが一例として挙げられる。また、位置情報ｐとしては、緯度・経度（２次元データ）、緯度・経度・高度（３次元データ）、平面上の座標（２次元データ）などが使用される。

演算部２は、測位データベース２０と、滞留点抽出部２１と、ＰＯＩデータベース２２と、滞留点近傍ＰＯＩ集合取得部２３と、変数初期化部２４と、ＰＯＩカテゴリ滞在時間変数推定部２５と、ＰＯＩ変数値更新部２６と、反復判定部２７と、ＰＯＩ変数推定部２８とを備えている。

測位データベース２０には、入力部１により入力された推定対象ユーザの複数の測位データが、測位データ集合として記憶される。

滞留点抽出部２１は、測位データベース２０に記憶されている測位データ集合に基づいて、ユーザが滞留した位置を示す複数の滞留点ｘ_ｎ（ｎ＝１，２,・・・，Ｎ）を抽出すると共に、複数の滞留点ｘ_ｎの各々の滞在時間を抽出する。
具体的には、滞留点抽出部２１は、測位データベース２０に記憶されている測位データの位置情報ｐ_ｉと時間情報ｔ_ｉの組の中から、以下の（１）式に示すように、Ｔ_ｔｈ秒以上、Ｄ_ｔｈメートル以内にユーザが留まっていた点の軌跡系列Ｐを１つ以上抽出する。なお、本実施の形態では、Ｔ_ｔｈ＝１２０秒、Ｄ_ｔｈ＝１０メートルとした。

そして、各軌跡系列Ｐの重心を滞留点ｘとして、以下の（２）式により算出する。

ＰＯＩデータベース２２には、複数の訪問ＰＯＩからなる訪問ＰＯＩ集合が予め記憶されている。図２に、ＰＯＩデータベース２２に格納される訪問ＰＯＩ集合の例を示す。ＰＯＩデータベース２２には、訪問ＰＯＩ毎に、インデックス番号、ＰＯＩ名、当該訪問ＰＯＩが属するカテゴリ、位置情報が格納されている。なお、訪問ＰＯＩは、予め定められた複数のカテゴリのうちの何れか１つのカテゴリにのみ属するものとする。

滞留点近傍ＰＯＩ集合取得部２３は、滞留点抽出部２１によって抽出された複数の滞留点ｘ_ｎ（ｎ＝１，２,・・・，Ｎ）の各々について、ＰＯＩデータベース２２から、滞留点ｘ_ｎの近傍にある訪問ＰＯＩの集合（以下、近傍ＰＯＩ集合Ｚ_ｎと称する。）を取得する。近傍ＰＯＩ集合Ｚ_ｎは、以下の（３）式で表される。また、滞留点近傍ＰＯＩ集合取得部２３は、複数の滞留点ｘ_ｎ（ｎ＝１，２,・・・，Ｎ）の各々について、カテゴリｃ毎に、以下の（４）式で表される近傍カテゴリＰＯＩ集合Ｚ_ｎｃを、ＰＯＩデータベース２２から取得すると共に、以下の（５）式で表される近傍カテゴリ集合Ｙ_ｎを、ＰＯＩデータベース２２から取得する。ここで、滞留点をｘ_ｎ、ＰＯＩデータベース２２に予め格納されている、訪問ＰＯＩのインデックス番号をｋ、訪問ＰＯＩの位置情報をμ_ｋ、訪問ＰＯＩのカテゴリをｃａｔ（ｋ）とする。また、Ｒは近傍範囲を示す定数である。

変数初期化部２４は、滞留点抽出部２１によって抽出された各滞留点ｘ_ｎについて、訪問ＰＯＩ変数ｚ_ｎを初期化する。ここで、訪問ＰＯＩ変数ｚ_ｎは、滞留点ｘ_ｎが複数の訪問ＰＯＩの何れであるかを割り当てるための変数である。
具体的には、変数初期化部２４は、各滞留点ｘ_ｎの変数ｚ_ｎに対して、近傍ＰＯＩ集合Ｚ_ｎに含まれる何れかの訪問ＰＯＩのインデックス番号ｋを無作為に割り当てる。なお、ｘ_ｎに最も近いＰＯＩのインデックス番号をｚ_ｎに割り当てるとしてもよい。

また、変数初期化部２４は、初期化された各滞留点ｘ_ｎの変数ｚ_ｎと、滞留点ｘ_ｎの滞在時間とに基づいて、カテゴリｃ毎に、当該カテゴリｃに属する訪問ＰＯＩでのユーザの滞在時間の分布に関する平均ｖ_ｃ及び分散の逆数τ_ｃを初期化する。
具体的には、変数初期化部２４は、カテゴリｃごとに、カテゴリｃの滞在時間モデルである対数正規分布の変数ν_ｃ（平均）とτ_ｃ（分散の逆数）を以下の（６）、（７）式に従って初期化する。

ここでｙ_ｎｃは、滞留点ｘ_ｎに割り当てられている訪問ＰＯＩ変数ｚ_ｎが示す訪問ＰＯＩが所属するカテゴリｙ_ｎの値がｃのとき１、それ以外の時０の値を取る関数である。Ｎ_ｃは、カテゴリｃに属する訪問ＰＯＩが割り当てられた訪問ＰＯＩ変数ｚ_ｎ（ｎ＝１，２,・・・，Ｎ）の個数を示す。ｓ_ｎは、滞留点ｘ_ｎについて抽出された滞在時間である。

ＰＯＩカテゴリ滞在時間変数推定部２５は、変数初期化部２４によって初期化された変数ｚ_ｎの各々、又は後述するＰＯＩ変数値更新部２６によって前回更新された変数ｚ_ｎの各々と、各滞留点ｘ_ｎの滞在時間とに基づいて、カテゴリｃの各々について、当該カテゴリｃに属する訪問ＰＯＩが割り当てられた変数ｚ_ｎの個数Ｎ_ｃを用いて、変数ν_ｃと変数τ_ｃとを推定する。

具体的には、ＰＯＩカテゴリ滞在時間変数推定部２５は、すべてのカテゴリｃについて、以下の（８）〜（９）式に従いν_ｃとτ_ｃとのサンプリングを順にＭ_ｌｎ回繰り返し、サンプリングの値をメモリ（図示省略）に格納する。

ここで、ν_０ｃとτ_０ｃは事前分布（正規分布）のパラメータ、ａとｂは事前分布（ガンマ分布）のパラメータである。Ｍ_ｌｎ個のサンプリング履歴から、変数ν_ｃの値の範囲を等間隔に区分（区間幅ｒ）したときの最頻の区間の中央値を求め、最終的なν_ｃの推定値とする。また、Ｍ_ｌｎ個のサンプリング履歴から、変数τ_ｃの値の範囲を等間隔に区分（区間幅ｒ）したときの最頻の区間の中央値を求め、最終的なτ_ｃの推定値とする。なお、サンプリング履歴の平均値（事後平均）を、最終的な推定値としても良い。本実施の形態では、Ｍ_ｌｎの値は１０００００、ｒの値は０．００１、ν_０ｃとτ_０ｃは０．００１、０．００１、ａとｂは０．００１、０．００１とした。

ＰＯＩ変数値更新部２６は、各滞留点ｘ_ｎについて、当該滞留点ｘ_ｎについて取得した近傍訪問ＰＯＩ集合に含まれる訪問ＰＯＩ毎に、ＰＯＩカテゴリ滞在時間変数推定部２５で推定された変数ν_ｃ及び変数τ_ｃと、当該滞留点ｘ_ｎの滞在時間と、当該訪問ＰＯＩが割り当てられた変数ｚ_ｉ（ｉ＝１，・・・ｎ−１，ｎ＋１，・・・，Ｎ）の個数と、当該訪問ＰＯＩと同じカテゴリｃに属する訪問ＰＯＩが割り当てられた変数ｚ_ｉ（ｉ＝１，・・・ｎ−１，ｎ＋１，・・・，Ｎ）の個数とに基づいて、変数ｚ_ｎに当該訪問ＰＯＩが割り当てられる確率を各々算出し、算出された各確率に基づく確率分布に従って、該滞留点ｘ_ｎに対する変数ｚ_ｎをサンプリングにより更新する。

具体的には、ＰＯＩ変数値更新部２６は、滞留点ｘ_ｎの変数ｚ_ｎについて、現在の変数ｚ_ｎの割り当て値を除いた状態で、当該滞留点ｘ_ｎについて取得した近傍訪問ＰＯＩ集合に含まれる訪問ＰＯＩ（インデックスｋ）毎に、以下の（１０）式に従って、確率ｆ（ｚ_ｎ＝ｋ，ｙ_ｎ＝ｃ）を算出し、近傍訪問ＰＯＩ集合に含まれる訪問ＰＯＩ毎に算出された確率ｆ（ｚ_ｎ＝ｋ，ｙ_ｎ＝ｃ）の値に基づく確率分布に従って、滞留点ｘ_ｎの変数ｚ_ｎに割り当てる値をサンプリングして更新すると共に、変数ｚ_ｎのサンプリング値をメモリ（図示省略）に格納する。

ここで、Ｎ_{ｃｋ，−ｎ}は、カテゴリｃに属する訪問ＰＯＩ（インデックスｋ）が割り当てられた個数、Ｎ_ｃ，−ｎはカテゴリｃに属するＰＯＩが割り当てられた個数を示す（ただし、これらの値にサンプリング前の割当値は含まれない）。また、α_ｋ、β_ｃは各訪問ＰＯＩ、各カテゴリに関するハイパーパラメータ値である（例えば、α_ｋ＝２、β_ｃ＝２とする）。Ｎ（−｜μ_ｋ，σ^２）は，平均μ_ｋ、分散σ^２の正規分布である（σ^２の計測機器の誤差範囲に基づく値で、既知とする。たとえば、σ^２＝１５^２）。さらに、ＬＮ（−｜ν_ｃ，τ_ｃ）は対数正規分布である。また、

は、述部で指定されたｋ∈Ｚ_ｎが真の時１、偽の時０を取る定義関数とする。

反復判定部２７は、予め設定した繰り返し回数Ｎ_ｉｔｅｒを繰り返し終了条件として設定し、ＰＯＩカテゴリ滞在時間変数推定部２５による推定、及びＰＯＩ変数値更新部２６による更新処理が、Ｎ_ｉｔｅｒ回繰り返されたか否かを判定する。Ｎ_ｉｔｅｒ回繰り返されたと判定されるまで、ＰＯＩカテゴリ滞在時間変数推定部２５による推定、及びＰＯＩ変数値更新部２６による更新処理が繰り返される。

ＰＯＩ変数推定部２８は、各滞留点ｘ_ｎについて、ＰＯＩ変数値更新部２６によって繰り返し更新された当該滞留点ｘ_ｎの変数ｚ_ｎの値の履歴に基づいて、最頻値の変数ｚ_ｎを、滞留点ｘ_ｎに対応する訪問ＰＯＩとして推定する。

出力部３は、各滞留点ｘ_ｎについて、ＰＯＩ変数推定部２８によって推定された滞留点ｘ_ｎに対応する訪問ＰＯＩである変数ｚ_ｎを、最終的な訪問ＰＯＩとして出力する。

＜訪問ＰＯＩ推定装置の作用＞
次に、本実施の形態に係る訪問ＰＯＩ推定装置１０の作用について説明する。まず、推定対象のユーザについての複数の測位データからなる測位データ集合が訪問ＰＯＩ推定装置１０に入力されると、訪問ＰＯＩ推定装置１０によって、入力された測位データ集合が、測位データベース２０へ格納される。そして、訪問ＰＯＩ推定装置１０によって、図３に示す訪問ＰＯＩ推定処理ルーチンが、実行される。

まず、ステップＳ１００において、滞留点抽出部２１によって、測位データベース２０に記憶されている測位データ集合に基づいて、ユーザが滞留した位置を示す複数の滞留点ｘ_ｎ（ｎ＝１，２,・・・，Ｎ）を抽出すると共に、複数の滞留点ｘ_ｎの各々の滞在時間を抽出する。

次に、ステップＳ１０２において、滞留点近傍ＰＯＩ集合取得部２３によって、上記ステップＳ１００で抽出された複数の滞留点ｘ_ｎ（ｎ＝１，２,・・・，Ｎ）の各々について、ＰＯＩデータベース２２から、上記（３）式に従って、滞留点ｘ_ｎの近傍ＰＯＩ集合Ｚ_ｎを取得する。また、滞留点近傍ＰＯＩ集合取得部２３によって、複数の滞留点ｘ_ｎ（ｎ＝１，２,・・・，Ｎ）の各々について、カテゴリｃ毎に、上記（４）式で表される近傍カテゴリＰＯＩ集合Ｚ_ｎｃを、ＰＯＩデータベース２２から取得すると共に、上記（５）式で表される近傍カテゴリ集合Ｙ_ｎを、ＰＯＩデータベース２２から取得する。

そして、ステップＳ１０４において、変数初期化部２４によって、上記ステップＳ１０２で取得した近傍ＰＯＩ集合Ｚ_ｎに基づいて、上記ステップＳ１００で抽出された各滞留点ｘ_ｎについての変数ｚ_ｎを初期化すると共に、各滞留点ｘ_ｎについて初期化された変数ｚ_ｎと、滞留点ｘ_ｎの滞在時間とに基づいて、カテゴリｃ毎に、カテゴリｃに属する訪問ＰＯＩでのユーザの滞在時間の分布に関する平均ｖ_ｃ及び分散の逆数τ_ｃの初期値を、上記（６）、（７）式に従って計算する。

ステップＳ１０６において、繰り返し回数iterに１を代入する。

ステップＳ１０８において、ＰＯＩカテゴリ滞在時間変数推定部２５によって、上記ステップＳ１０４で初期化された変数ｚ_ｎの各々、又は後述するステップＳ１１０で前回更新された変数ｚ_ｎの各々と、各滞留点ｘ_ｎの滞在時間とに基づいて、カテゴリｃの各々について、当該カテゴリｃに属する訪問ＰＯＩが割り当てられた変数ｚ_ｎの個数Ｎ_ｃを用いて、上記（８）、（９）式に従って、変数ν_ｃ及び変数τ_ｃの各々を繰り返しサンプリングし、サンプリング履歴に基づいて、変数ν_ｃ及び変数τ_ｃの各々を推定する。

ステップＳ１１０において、ＰＯＩ変数値更新部２６によって、各滞留点ｘ_ｎについて、滞留点ｘ_ｎについて取得した近傍訪問ＰＯＩ集合に含まれる訪問ＰＯＩ毎に、上記ステップＳ１０８で推定された変数ν_ｃ及び変数τ_ｃと、当該滞留点ｘ_ｎの滞在時間と、当該訪問ＰＯＩが割り当てられた変数ｚ_ｉ（ｉ＝１，・・・ｎ−１，ｎ＋１，・・・，Ｎ）の個数と、当該訪問ＰＯＩと同じカテゴリｃに属する訪問ＰＯＩが割り当てられた変数ｚ_ｉ（ｉ＝１，・・・ｎ−１，ｎ＋１，・・・，Ｎ）の個数とに基づいて、上記（１０）式に従って、変数ｚ_ｎに当該訪問ＰＯＩ（インデックス＝ｋ）が割り当てられる確率ｆ（ｚ_ｎ＝ｋ，ｙ_ｎ＝ｃ）を各々算出し、算出された各確率に基づく確率分布に従って、該滞留点ｘ_ｎに対する変数ｚ_ｎをサンプリングにより更新する。

ステップＳ１１２において、反復判定部２７によって、予め設定した繰り返し回数Ｎ_ｉｔｅｒを繰り返し終了条件として設定し、上記ステップＳ１０８による推定、及び上記ステップＳ１１０による更新処理が、Ｎ_ｉｔｅｒ回繰り返されたか否かを判定する。そして、上記ステップＳ１０８による推定、及び上記ステップＳ１１０による更新処理をＮ_ｉｔｅｒ回繰り返していない場合には、ステップＳ１１４において、繰り返し回数iterをインクリメントして、上記ステップＳ１０８へ戻り、上記ステップＳ１０８〜Ｓ１１０の処理を実行する。一方、上記ステップＳ１０８による推定、及び上記ステップＳ１１０による更新処理をＮ_ｉｔｅｒ回繰り返した場合には、ステップＳ１１６へ進む。

ステップＳ１１６において、ＰＯＩ変数推定部２８によって、各滞留点ｘ_ｎについて、上記ステップＳ１１０で繰り返し更新された当該滞留点ｘ_ｎの変数ｚ_ｎの値の履歴に基づいて、最頻値の変数ｚ_ｎを、滞留点ｘ_ｎに対応する訪問ＰＯＩとして推定する。そして、出力部３によって、各滞留点ｘ_ｎについて、ＰＯＩ変数推定部２８によって推定された滞留点ｘ_ｎに対応する訪問ＰＯＩである変数ｚ_ｎを、最終的な訪問ＰＯＩとして出力して、訪問ＰＯＩ推定処理ルーチンを終了する。

以上説明したように、本実施の形態に係る訪問ＰＯＩ推定装置によれば、ユーザが滞留した位置を示す複数の滞留点ｘ_ｎ（ｎ＝１，２,・・・，Ｎ）が複数の訪問ＰＯＩの何れであるかを割り当てる変数ｚ_ｎの各々と、複数の滞留点ｘ_ｎ（ｎ＝１，２,・・・，Ｎ）の滞在時間とに基づいて、訪問ＰＯＩのカテゴリｃの各々についてのユーザの滞在時間の分布に関する変数を推定し、カテゴリｃの各々について推定された変数と、複数の滞留点ｘ_ｎ（ｎ＝１，２,・・・，Ｎ）の滞在時間とに基づく訪問ＰＯＩの各々を変数ｚ_ｎに割り当てる確率を示す確率分布に基づいて、変数ｚ_ｎをサンプリングにより更新することにより、ユーザの訪問先を示す位置を精度よく推定することができる。

また、推定対象のユーザの訪問ＰＯＩのカテゴリの利用傾向の違いと、カテゴリ毎の平均的な滞在時間の違いに基づいて訪問ＰＯＩを推定することにより、訪問ＰＯＩが密集している地域や、はじめて訪れた地域でも、日常的に訪れている地域の情報を利用して、ユーザに対して訪問ＰＯＩ情報の入力の負担を求めることなく、訪問ＰＯＩを精度良く推定することができる。

また、特に、ユーザの測位データについて、ユーザが真に訪問した訪問ＰＯＩの位置との間に誤差が存在する場合であっても、ユーザが真の訪問ＰＯＩに関する正解データを与えることなく、訪問ＰＯＩのカテゴリと、各カテゴリにおける滞留時間の平均値・分散値の分布の情報を利用して、真の訪問ＰＯＩを精度良く推定することができる。

また、ユーザが実際に訪問した訪問ＰＯＩの集合を精度良く推定することにより、推定された訪問ＰＯＩに基づいて、対象のユーザに対しての情報推薦、生活支援などに利用することができる。

[第２の実施の形態]
＜システム構成＞
次に、本発明の第２の実施の形態について説明する。なお、第２の実施の形態に係る訪問ＰＯＩ推定装置１００の構成は、第１の実施の形態と同様の構成となるため、同一符号を付して説明を省略する。

第２の実施の形態では、滞留点ｘ_ｎ（ｎ＝１，２,・・・，Ｎ）の滞留開始時刻ｔ_ｎが含まれる時間帯ｈ_ｎを考慮して、変数ｚ_ｎをサンプリングにより更新する点が、第１の実施の形態と異なっている。

第２の実施の形態に係る訪問ＰＯＩ推定装置１００の滞留点抽出部２１は、複数の滞留点ｘ_ｎの各々の滞在時間を抽出すると共に、滞留点ｘ_ｎの滞留開始時刻ｔ_ｎを更に抽出する。

ＰＯＩ変数値更新部２６は、各滞留点ｘ_ｎについて、当該滞留点ｘ_ｎについて取得した近傍訪問ＰＯＩ集合に含まれる訪問ＰＯＩ毎に、ＰＯＩカテゴリ滞在時間変数推定部２５で推定された変数ν_ｃ及び変数τ_ｃと、当該滞留点ｘ_ｎの滞在時間と、当該訪問ＰＯＩが割り当てられた変数ｚ_ｉ（ｉ＝１，・・・，ｎ−１，ｎ＋１，・・・，Ｎ）の個数と、当該訪問ＰＯＩと同じカテゴリｃに属する訪問ＰＯＩが割り当てられた変数ｚ_ｉ（ｉ＝１，・・・，ｎ−１，ｎ＋１，・・・，Ｎ）であって、かつ、滞留開始時刻ｔ_ｎと同じ時間帯の滞留点に対する変数ｚ_ｉの個数とに基づいて、変数ｚ_ｎに当該訪問ＰＯＩが割り当てられる確率を各々算出し、算出された各確率に基づく確率分布に従って、当該滞留点ｘ_ｎに対する変数ｚ_ｎをサンプリングにより更新する。

具体的には、ＰＯＩ変数値更新部２６は、複数の滞留点ｘ_ｎ（ｎ＝１，２,・・・，Ｎ）の各々について、滞留開始時刻ｔ_ｎが含まれる時間帯をｈ_ｎとして、訪問ＰＯＩ毎に、以下の（１１）式に従って、変数ｚ_ｎにインデックスがｋの訪問ＰＯＩが割り当てられる確率ｆ（ｚ_ｎ＝ｋ，ｙ_ｎ＝ｃ）を算出し、算出された各確率に基づく確率分布に従って、変数ｚ_ｎの値をサンプリングして更新し、変数ｚ_ｎの値をメモリ（図示省略）に格納する。

ここで、Ｎ_{ｈｃ，−ｎ}は、滞留開始時刻が時間帯ｈに含まれる滞留点ｘ_ｎの変数ｚ_ｎのうち、カテゴリｃに属する訪問ＰＯＩが割り当てられた変数ｚ_ｎの個数を示す。φ_ｈ（ｔ）は、

として与えられる。ｄ（ｔ，ｔ_ｈ）は、時間ｔと時間ｔ_ｈの差の絶対値で、例えばｄ（午後２３時，午前１時）＝２．０となる。

ここで、時間帯ｈは、０時０分０秒から、２３時５９分５９秒までをＭ分割して与えられる（ｈ＝０，１,…,Ｍ−１）。また、日曜０時０分０秒から、土曜２３時５９分５９秒までを７Ｍ分割する（ｈ＝０，１,…,７Ｍ−１）、としても良い。なお、時間帯ｈの前の時間帯はｈ−１、後の時間帯はｈ＋１を意味する。

なお、第２の実施の形態に係る訪問ＰＯＩ推定装置１００の他の構成及び作用については、第１の実施の形態と同様であるため、説明を省略する。

以上説明したように、第２の実施の形態に係る訪問ＰＯＩ推定装置１００によれば、ユーザが滞留した位置を示す複数の滞留点ｘ_ｎ（ｎ＝１，２,・・・，Ｎ）が複数の訪問ＰＯＩの何れであるかを割り当てる変数ｚ_ｎの各々と、複数の滞留点ｘ_ｎ（ｎ＝１，２,・・・，Ｎ）の滞在時間と、に基づいて、訪問ＰＯＩのカテゴリｃの各々についてのユーザの滞在時間の分布に関する変数を推定し、カテゴリｃの各々について推定された変数と、複数の滞留点ｘ_ｎ（ｎ＝１，２,・・・，Ｎ）の滞在時間と、訪問ＰＯＩが割り当てられた変数ｚ_ｉ（ｉ＝１，・・・，ｎ−１，ｎ＋１，・・・，Ｎ）の個数と、カテゴリｃに属する訪問ＰＯＩが割り当てられた変数ｚ_ｉ（ｉ＝１，・・・，ｎ−１，ｎ＋１，・・・，Ｎ）であって、かつ、滞留開始時刻ｔ_ｎと同じ時間帯の滞留点に対する変数ｚ_ｉの個数とに基づく、訪問ＰＯＩの各々を変数ｚ_ｎに割り当てる確率を示す確率分布に基づいて、変数ｚ_ｎをサンプリングにより更新することにより、ユーザの訪問先を示す位置を精度よく推定することができる。

なお、本発明は、上述した実施形態に限定されるものではなく、この発明の要旨を逸脱しない範囲内で様々な変形や応用が可能である。

例えば、訪問ＰＯＩ推定装置における滞留点抽出部２１では、上記（１）、（２）式に示すように、Ｔ_ｔｈ秒以上、Ｄ_ｔｈメートル以内にユーザが留まっていた点に基づいて滞留点を抽出する場合を例に説明したが、これに限定されるものではなく、ユーザの速度（ｐ_ｍ＋１−Ｐ_ｍ）／（ｔ_ｍ＋１−ｔ_ｍ）がＶ_ｔｈ以下になった点を滞留点として抽出してもよい。あるいは、ユーザが携帯する移動体端末に搭載された受信器による測位が一定以上途切れた点（受信器が屋内に入った場合など）を滞留点として抽出してもよい。

また、ＰＯＩカテゴリ滞在時間変数推定部２５では、変数ν_ｃと変数τ_ｃとを繰り返しサンプリングすることにより推定する場合を例に説明したが、これに限定されるものではなく、以下の（１３）、（１４）式に従って、カテゴリｃの各々について、変数ν_ｃの値の最尤推定値を算出すると共に、変数τ_ｃの値の最尤推定値を算出するようにして、変数ν_ｃと変数τ_ｃとを推定するようにしてもよい。

また、上述の訪問ＰＯＩ推定装置は、測位データベース２０及びＰＯＩデータベース２２を備えている場合について説明したが、例えば測位データベース２０及びＰＯＩデータベース２２が訪問ＰＯＩ推定装置の外部装置に設けられ、訪問ＰＯＩ推定装置は、外部装置と通信手段を用いて通信することにより、測位データベース２０及びＰＯＩデータベース２２を参照するようにしてもよい。

上述の訪問ＰＯＩ推定装置は、内部にコンピュータシステムを有しているが、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。

また、本願明細書中において、プログラムが予めインストールされている実施形態として説明したが、当該プログラムを、ネットワークを介して流通させることが可能である。
また、構築されたプログラムをハードディスクやフレキシブルディスク、ＣＤ−ＲＯＭ等の可搬記憶媒体に格納し、コンピュータにインストールする、または、配布することが可能である。

１ 入力部
２ 演算部
３ 出力部
１０、１００ 訪問ＰＯＩ推定装置
２０ 測位データベース
２１ 滞留点抽出部
２２ ＰＯＩデータベース
２３ 滞留点近傍ＰＯＩ集合取得部
２４ 変数初期化部
２５ ＰＯＩカテゴリ滞在時間変数推定部
２６ ＰＯＩ変数値更新部
２７ 反復判定部
２８ ＰＯＩ変数推定部

Claims (10)

1. ユーザの位置を示す位置情報の時系列データに基づいて、前記ユーザが滞留した位置を示す複数の滞留点ｘ_ｎを抽出すると共に、前記複数の滞留点ｘ_ｎの各々の滞在時間を抽出する滞留点抽出手段と、
   前記滞留点抽出手段によって抽出された前記複数の滞留点ｘ_ｎの各々について、予め定められたユーザの訪問先を示す位置である複数の訪問ＰＯＩ（Point of Interest）から、前記滞留点ｘ_ｎから所定範囲内に存在する訪問ＰＯＩの集合を取得する滞留点近傍ＰＯＩ集合取得手段と、
   前記滞留点抽出手段によって抽出された複数の滞留点ｘ_ｎの各々について、前記滞留点ｘ_ｎについて取得した訪問ＰＯＩの集合に含まれる何れか１つの訪問ＰＯＩを用いて、前記滞留点ｘ_ｎが前記複数の訪問ＰＯＩの何れであるかを割り当てる変数ｚ_ｎを初期化すると共に、前記複数の滞留点ｘ_ｎの各々について前記初期化された変数ｚ_ｎ及び前記抽出された滞在時間に基づいて、前記訪問ＰＯＩについて予め定められた複数のカテゴリｃの各々について、前記カテゴリｃに属する前記訪問ＰＯＩにおける前記ユーザの滞在時間の分布に関する変数ν_ｃ及びτ_ｃを初期化する変数初期化手段と、
   前記変数初期化手段によって初期化された前記変数ｚ_ｎの各々、又は前回更新された前記変数ｚ_ｎの各々と、前記複数の滞留点ｘ_ｎの各々について前記抽出された滞在時間とに基づいて、前記カテゴリｃの各々について、前記カテゴリｃに属する訪問ＰＯＩが割り当てられた前記変数ｚ_ｎの個数Ｎ_ｃを用いて、前記変数ν_ｃと前記変数τ_ｃとを推定するＰＯＩカテゴリ滞在時間変数推定手段と、
   前記複数の滞留点ｘ_ｎの各々について、前記ＰＯＩカテゴリ滞在時間変数推定手段によって前記カテゴリｃの各々について推定された前記変数ν_ｃ及び前記変数τ_ｃと、前記変数ｚ_ｎの各々と、前記滞留点ｘ_ｎについて前記抽出された滞在時間とに基づいて求められる、前記滞留点ｘ_ｎについて取得した訪問ＰＯＩの集合の訪問ＰＯＩの各々を前記変数ｚ_ｎに割り当てる確率を示す確率分布に基づいて、前記変数ｚ_ｎをサンプリングにより更新するＰＯＩ変数値更新手段と、
   繰り返し終了条件を満足するまで、前記ＰＯＩカテゴリ滞在時間変数推定手段による推定、及び前記ＰＯＩ変数値更新手段による更新を繰り返す反復判定手段と、
   前記複数の滞留点ｘ_ｎの各々について、前記ＰＯＩ変数値更新手段によって更新された前記変数ｚ_ｎの履歴に基づいて、前記滞留点ｘ_ｎに対応する訪問ＰＯＩを推定するＰＯＩ推定手段と、
   を含む訪問ＰＯＩ推定装置。
2. 前記ＰＯＩカテゴリ滞在時間変数推定手段は、前記カテゴリｃの各々について、前記個数Ｎ_ｃと前記変数τ_ｃと前記滞留点ｘ_ｎの各々について前記抽出された滞在時間とに基づいて求められる、前記変数ν_ｃの値の確率分布に従って前記変数ν_ｃをサンプリングにより推定すると共に、前記個数Ｎ_ｃと前記変数ν_ｃと前記滞留点ｘ_ｎの各々について前記抽出された滞在時間とに基づいて求められる、前記変数τ_ｃの値の確率分布に従って前記変数τ_ｃをサンプリングにより推定する請求項１に記載の訪問ＰＯＩ推定装置。
3. 前記ＰＯＩカテゴリ滞在時間変数推定手段は、前記カテゴリｃの各々について、前記個数Ｎ_ｃと前記滞留点ｘ_ｎの各々について前記抽出された滞在時間とに基づいて求められる、前記変数ν_ｃの値の最尤推定値を前記変数ν_ｃとして推定すると共に、前記個数Ｎ_ｃと前記滞留点ｘ_ｎの各々について前記抽出された滞在時間とに基づいて求められる、前記変数τ_ｃの値の最尤推定値を前記変数τ_ｃとして推定する請求項１に記載の訪問ＰＯＩ推定装置。
4. 前記カテゴリｃに属する前記訪問ＰＯＩにおける前記ユーザの滞在時間の分布は、対数正規分布であり、前記変数ν_ｃは、前記カテゴリｃに属する前記訪問ＰＯＩにおける前記滞在時間の対数正規分布の平均であり、前記変数τ_ｃは、前記カテゴリｃに属する前記訪問ＰＯＩにおける前記滞在時間の対数正規分布の分散に関するパラメータである請求項１〜３の何れか１項に記載の訪問ＰＯＩ推定装置。
5. 前記ＰＯＩ変数値更新手段は、前記複数の滞留点ｘ_ｎの各々について、前記滞留点ｘ_ｎについて取得した訪問ＰＯＩの集合に含まれる前記訪問ＰＯＩ毎に、前記訪問ＰＯＩが属するカテゴリｃについて推定された前記変数ν_ｃ及び前記変数τ_ｃと、前記滞留点ｘ_ｎについて前記抽出された滞在時間と、前記訪問ＰＯＩが割り当てられた前記変数ｚ_ｉ（ｉ＝１，・・・ｎ−１，ｎ＋１，・・・，Ｎ）の個数と、前記カテゴリｃに属する訪問ＰＯＩが割り当てられた前記変数ｚ_ｉ（ｉ＝１，・・・ｎ−１，ｎ＋１，・・・，Ｎ）の個数とに基づいて、前記変数ｚ_ｎに前記訪問ＰＯＩが割り当てられる確率を各々算出し、前記算出された各確率に基づく確率分布に従って、前記変数ｚ_ｎをサンプリングにより更新する請求項１〜４の何れか１項に記載の訪問ＰＯＩ推定装置。
6. 前記滞留点抽出手段は、前記滞留点ｘ_ｎの滞留開始時刻を更に抽出し、
   前記ＰＯＩ変数値更新手段は、前記複数の滞留点ｘ_ｎの各々について、前記滞留点ｘ_ｎについて取得した訪問ＰＯＩの集合に含まれる前記訪問ＰＯＩ毎に、前記訪問ＰＯＩが属するカテゴリｃについて推定された前記変数ν_ｃ及び前記変数τ_ｃと、前記滞留点ｘ_ｎについて前記抽出された滞在時間と、前記訪問ＰＯＩが割り当てられた前記変数ｚ_ｉ（ｉ＝１，・・・，ｎ−１，ｎ＋１，・・・，Ｎ）の個数と、前記カテゴリｃに属する訪問ＰＯＩが割り当てられた前記変数ｚ_ｉ（ｉ＝１，・・・，ｎ−１，ｎ＋１，・・・，Ｎ）であって、かつ、前記滞留開始時刻と同じ時間帯の前記滞留点に対する前記変数ｚ_ｉの個数とに基づいて、前記変数ｚ_ｎに前記訪問ＰＯＩが割り当てられる確率を各々算出し、前記算出された各確率に基づく確率分布に従って、前記変数ｚ_ｎをサンプリングにより更新する請求項１〜４の何れか１項に記載の訪問ＰＯＩ推定装置。
7. 前記滞留点抽出手段は、前記ユーザが携帯する移動体端末において受信した、測位衛星からの衛星信号、移動体端末との間で近接通信を行う固定端末からの固定端末信号、及び移動体端末との間で通信を行う基地局からの基地局信号の少なくとも１つに基づいて得られる前記ユーザの位置情報の時系列データに基づいて、前記複数の滞留点ｘ_ｎを抽出すると共に、前記複数の滞留点ｘ_ｎの各々の滞在時間を抽出する請求項１〜６の何れか１項に記載の訪問ＰＯＩ推定装置。
8. 滞留点抽出手段、滞留点近傍ＰＯＩ集合取得手段、変数初期化手段、ＰＯＩカテゴリ滞在時間変数推定手段、ＰＯＩ変数値更新手段、反復判定手段、及びＰＯＩ推定手段を含む訪問ＰＯＩ推定装置における訪問ＰＯＩ推定方法であって、
   前記滞留点抽出手段によって、ユーザの位置を示す位置情報の時系列データに基づいて、前記ユーザが滞留した位置を示す複数の滞留点ｘ_ｎを抽出すると共に、前記複数の滞留点ｘ_ｎの各々の滞在時間を抽出するステップと、
   前記滞留点近傍ＰＯＩ集合取得手段によって、前記滞留点抽出手段によって抽出された前記複数の滞留点ｘ_ｎの各々について、予め定められたユーザの訪問先を示す位置である複数の訪問ＰＯＩ（Point of Interest）から、前記滞留点ｘ_ｎから所定範囲内に存在する訪問ＰＯＩの集合を取得するステップと、
   前記変数初期化手段によって、前記滞留点抽出手段によって抽出された複数の滞留点ｘ_ｎの各々について、前記滞留点ｘ_ｎについて取得した訪問ＰＯＩの集合に含まれる何れか１つの訪問ＰＯＩを用いて、前記滞留点ｘ_ｎが前記複数の訪問ＰＯＩの何れであるかを割り当てる変数ｚ_ｎを初期化すると共に、前記複数の滞留点ｘ_ｎの各々について前記初期化された変数ｚ_ｎ及び前記抽出された滞在時間に基づいて、前記訪問ＰＯＩについて予め定められた複数のカテゴリｃの各々について、前記カテゴリｃに属する前記訪問ＰＯＩにおける前記ユーザの滞在時間の分布に関する変数ν_ｃ及びτ_ｃを初期化するステップと、
   前記ＰＯＩカテゴリ滞在時間変数推定手段によって、前記変数初期化手段によって初期化された前記変数ｚ_ｎの各々、又は前回更新された前記変数ｚ_ｎの各々と、前記複数の滞留点ｘ_ｎの各々について前記抽出された滞在時間とに基づいて、前記カテゴリｃの各々について、前記カテゴリｃに属する訪問ＰＯＩが割り当てられた前記変数ｚ_ｎの個数Ｎ_ｃを用いて、前記変数ν_ｃと前記変数τ_ｃとを推定するステップと、
   前記ＰＯＩ変数値更新手段によって、前記複数の滞留点ｘ_ｎの各々について、前記ＰＯＩカテゴリ滞在時間変数推定手段によって前記カテゴリｃの各々について推定された前記変数ν_ｃ及び前記変数τ_ｃと、前記変数ｚ_ｎの各々と、前記滞留点ｘ_ｎについて前記抽出された滞在時間とに基づいて求められる、前記滞留点ｘ_ｎについて取得した訪問ＰＯＩの集合の訪問ＰＯＩの各々を前記変数ｚ_ｎに割り当てる確率を示す確率分布に基づいて、前記変数ｚ_ｎをサンプリングにより更新するステップと、
   前記反復判定手段によって、繰り返し終了条件を満足するまで、前記ＰＯＩカテゴリ滞在時間変数推定手段による推定、及び前記ＰＯＩ変数値更新手段による更新を繰り返すステップと、
   前記ＰＯＩ推定手段によって、前記複数の滞留点ｘ_ｎの各々について、前記ＰＯＩ変数値更新手段によって更新された前記変数ｚ_ｎの履歴に基づいて、前記滞留点ｘ_ｎに対応する訪問ＰＯＩを推定するステップと、
   を含む訪問ＰＯＩ推定方法。
9. コンピュータを、請求項１〜請求項７の何れか１項記載の訪問ＰＯＩ推定装置の各手段として機能させるためのプログラム。
10. コンピュータを、請求項１〜請求項７の何れか１項記載の訪問ＰＯＩ推定装置の各手段として機能させるためのプログラムを記録したコンピュータ読取り可能な記録媒体。

Images