JP2015055934A - Information processing apparatus, information processing method, and program - Google Patents
Information processing apparatus, information processing method, and program Download PDFInfo
- Publication number
- JP2015055934A JP2015055934A JP2013187653A JP2013187653A JP2015055934A JP 2015055934 A JP2015055934 A JP 2015055934A JP 2013187653 A JP2013187653 A JP 2013187653A JP 2013187653 A JP2013187653 A JP 2013187653A JP 2015055934 A JP2015055934 A JP 2015055934A
- Authority
- JP
- Japan
- Prior art keywords
- area
- user
- stay
- probability
- frequency
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
本発明は、ユーザの行動を予測する技術に関する。 The present invention relates to a technique for predicting user behavior.
従来、携帯端末の位置情報からユーザの行動履歴を特定し、ユーザの将来の行動を予測する技術が知られている。特許文献１には、携帯端末の位置情報からユーザが第１の場所から第２の場所へ移動する確率を算出し、算出された確率及びそのユーザと任意のユーザの類似度に基づいて、任意のユーザが第１の場所から第２の場所へ移動する確率を算出する技術が記載されている。 2. Description of the Related Art Conventionally, a technique for identifying a user's behavior history from position information of a mobile terminal and predicting a user's future behavior is known. In Patent Literature 1, a probability that a user moves from the first place to the second place is calculated from the position information of the mobile terminal, and based on the calculated probability and the similarity between the user and an arbitrary user, A technique for calculating the probability that the user will move from the first place to the second place is described.
しかしながら、上記の従来技術では、ユーザがある場所へ滞在後、いつ他の場所へ移動するのかという時間の考慮がなされていないなど、行動予測として十分ではない場合がある。 However, in the above-described conventional technology, there is a case where the user does not consider the time when the user moves to another place after staying at a certain place, and is not sufficient for behavior prediction.
本発明は上記に鑑みてなされたものであり、その目的は、ユーザの行動について、より高度な予測を行う技術を提供することにある。 This invention is made | formed in view of the above, The objective is to provide the technique which performs a more advanced prediction about a user's action.
本発明に係る情報処理装置は、携帯端末のユーザの測位情報を参照して、前記ユーザによる滞在回数又は滞在時間の少なくとも一方が所定値以上であるエリアを当該ユーザの高頻度滞在エリアとして特定する滞在エリア特定手段と、前記ユーザの測位情報を参照して、前記ユーザが前記高頻度滞在エリアへの滞在の開始後、所定の滞在時間が経過した時点で又は所定の時刻で、当該ユーザが他の前記高頻度滞在エリアへ移動する確率を当該移動先の高頻度滞在エリア毎に算出する移動確率算出手段と、前記移動確率算出手段により算出された確率に基づいて、前記ユーザが前記高頻度滞在エリアへの滞在の開始後、所定時間が経過した時点又は所定の時刻で前記ユーザがとりうる行動の予測値を算出する行動予測手段とを備えたことを特徴とする。 The information processing apparatus according to the present invention refers to the positioning information of the user of the mobile terminal, and identifies an area where at least one of the number of stays or the stay time by the user is a predetermined value or more as a high-frequency stay area of the user With reference to the stay area specifying means and the positioning information of the user, when the user has stayed in the high-frequency stay area, when the predetermined stay time has elapsed or at the predetermined time, Based on the probability calculated by the movement probability calculation means and the movement probability calculation means for calculating the probability of moving to the high-frequency stay area for each high-frequency stay area of the destination, the user A behavior prediction means for calculating a predicted value of the behavior that the user can take at a predetermined time after the start of staying in the area, or at a predetermined time That.
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、携帯端末のユーザの測位情報を参照して、前記ユーザによる滞在回数又は滞在時間の少なくとも一方が所定値以上であるエリアを当該ユーザの高頻度滞在エリアとして特定する滞在エリア特定ステップと、前記制御部が、前記ユーザの測位情報を参照して、前記ユーザが前記高頻度滞在エリアへの滞在の開始後、所定の滞在時間が経過した時点で又は所定の時刻で、当該ユーザが他の前記高頻度滞在エリアへ移動する確率を当該移動先の高頻度滞在エリア毎に算出する移動確率算出ステップと、前記制御部が、前記移動確率算出ステップで算出された確率に基づいて、前記ユーザが前記高頻度滞在エリアへの滞在の開始後、所定の滞在時間が経過した時点又は所定の時刻で前記ユーザがとりうる行動の予測値を算出する行動予測ステップとを備えたことを特徴とする。 An information processing method according to the present invention is an information processing method implemented in an information processing apparatus including a control unit, wherein the control unit refers to the positioning information of the user of the mobile terminal and the number of stays by the user or A stay area specifying step for specifying an area where at least one of the stay times is a predetermined value or more as a high-frequency stay area of the user, and the control unit refers to the positioning information of the user, and the user After the start of the stay in the stay area, the probability that the user moves to the other high-frequency stay area when the predetermined stay time has elapsed or at the predetermined time is calculated for each high-frequency stay area of the destination A movement probability calculating step, and after the user starts staying in the high-frequency stay area based on the probability calculated in the movement probability calculating step. Characterized in that a behavior prediction step of calculating a predicted value of the action that the user can take at the time or a predetermined time a predetermined stay time has elapsed.
本発明に係るプログラムは、コンピュータを、携帯端末のユーザの測位情報を参照して、前記ユーザによる滞在回数又は滞在時間の少なくとも一方が所定値以上であるエリアを当該ユーザの高頻度滞在エリアとして特定する滞在エリア特定手段、前記ユーザの測位情報を参照して、前記ユーザが前記高頻度滞在エリアへの滞在の開始後、所定の滞在時間が経過した時点で又は所定の時刻で、当該ユーザが他の前記高頻度滞在エリアへ移動する確率を当該移動先の高頻度滞在エリア毎に算出する移動確率算出手段、前記移動確率算出手段により算出された確率に基づいて、前記ユーザが前記高頻度滞在エリアへの滞在の開始後、所定の滞在時間が経過した時点又は所定の時刻で前記ユーザがとりうる行動の予測値を算出する行動予測手段として機能させることを特徴とする。 The program according to the present invention identifies an area in which at least one of the number of stays or stay time by the user is equal to or greater than a predetermined value as a high-frequency stay area of the user by referring to the positioning information of the user of the mobile terminal. The stay area specifying means, the user's positioning information is referred to, and the user is notified when the predetermined stay time elapses after the user starts staying in the high-frequency stay area or at a predetermined time. Based on the probability calculated by the movement probability calculating means, the user calculates the probability of moving to the high frequency stay area for each high frequency stay area of the destination. As a behavior prediction means for calculating a predicted value of behavior that the user can take at a predetermined time after the start of stay Characterized in that to ability.
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。 The program of the present invention can be installed or loaded on a computer through various recording media such as an optical disk such as a CD-ROM, a magnetic disk, and a semiconductor memory, or via a communication network. .
本発明によれば、ユーザの行動についてより高度な予測を行う技術を提供することができる。 ADVANTAGE OF THE INVENTION According to this invention, the technique which performs a more advanced prediction about a user's action can be provided.
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。 Hereinafter, embodiments of the present invention will be described in detail with reference to the drawings. However, the scope of the invention is not limited to these.
図１を参照して、一実施形態に係る行動予測システムの構成について説明する。行動予測システム１は、行動予測装置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る。行動予測装置１０と複数の携帯端末２０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、図１では、３つの携帯端末２０が記載されているが、行動予測装置１０と通信可能な携帯端末２０の数は、任意である。 With reference to FIG. 1, the structure of the action prediction system which concerns on one Embodiment is demonstrated. The behavior prediction system 1 mainly includes information processing devices such as the behavior prediction device 10 and a plurality of mobile terminals 20. The behavior prediction apparatus 10 and the plurality of mobile terminals 20 can communicate with each other via the network N. In FIG. 1, three mobile terminals 20 are illustrated, but the number of mobile terminals 20 that can communicate with the behavior prediction apparatus 10 is arbitrary.
ネットワークＮは、行動予測装置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、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。 The network N is a communication line for transmitting and receiving information between the behavior prediction apparatus 10 and the mobile terminal 20. For example, it may be any of the Internet, a LAN, a dedicated line, a packet communication network, a telephone line, a corporate network, other communication lines, combinations thereof, and the like, regardless of whether they are wired or wireless.
行動予測装置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。行動予測装置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、行動予測装置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。 The behavior prediction apparatus 10 mainly includes a control unit 11, a communication unit 14, and a storage unit 15 as a hardware configuration. The control unit 11 mainly includes a CPU (Central Processing Unit) 12 and a memory 13. The behavior prediction device 10 can be realized by using an information processing device such as a dedicated or general-purpose server computer. For example, the CPU 12 executes various programs by executing predetermined programs stored in the memory 13 or the like. Functions as an implementation means. The behavior prediction device 10 may be configured by a single information processing device or may be configured by a plurality of information processing devices distributed on a network.
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、行動予測装置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。 In the control unit 11, the CPU 12 develops and executes a program stored in the storage unit 15 or the like in the memory 13, thereby controlling operations of various configurations included in the behavior prediction device 10 and executing various processes. Control. Details of processing executed in the control unit 11 will be described later.
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通信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からの測位情報を受信する。 The communication unit 14 is a communication interface for communicating with various information processing apparatuses such as the mobile terminal 20 via the network N. For example, the communication unit 14 receives positioning information from the mobile terminal 20.
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。 The storage unit 15 is configured by a storage device such as a hard disk. The storage unit 15 stores various programs and various information necessary for execution of processing in the control unit 11. Specific examples of information stored in the storage unit 15 will be described later.
携帯端末２０は、例えば、携帯電話機、スマートフォン、ＰＤＡ（Personal Digital Assistants）、ナビゲーション装置、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。 The mobile terminal 20 is, for example, an information terminal having a function of uploading positioning information obtained by measuring the current position at a predetermined time interval, such as a mobile phone, a smartphone, a PDA (Personal Digital Assistants), a navigation device, and a personal computer. Can do. Although not shown, the portable terminal 20 mainly includes various function realizing means such as a main control unit, a communication unit, a display unit, an operation unit, a storage unit, and a positioning processing unit.
図２を参照して、一実施形態に係る行動予測装置１０の機能構成を説明する。行動予測装置１０は、機能構成として、滞在エリア特定部１１１、移動確率算出部１１２、行動予測部１１３、混雑度予測部１１４及びデータベース１２０を主に備える。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。 With reference to FIG. 2, the functional configuration of the behavior prediction apparatus 10 according to an embodiment will be described. The behavior prediction apparatus 10 mainly includes a stay area identification unit 111, a movement probability calculation unit 112, a behavior prediction unit 113, a congestion degree prediction unit 114, and a database 120 as functional configurations. These functions are realized by, for example, the control unit 11 having the CPU 12 develop and execute a program stored in the storage unit 15 or the like in the memory 13.
滞在エリア特定部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、携帯端末２０のユーザがよく行くエリアを当該ユーザの高頻度滞在エリアとして特定する。高頻度滞在エリアとしては、例えば、ユーザの自宅エリアや勤務地エリアがあげられる。処理の具体的例として、滞在エリア特定部１１１は、まず、測位情報を参照して、携帯端末２０のユーザによる滞在履歴のあるエリアを当該ユーザの滞在エリアとして特定する。滞在エリア特定部１１１は、特定された滞在エリアのうち、滞在回数又は滞在時間の少なくとも一方が所定値以上である滞在エリアを当該ユーザの高頻度滞在エリアとして特定する。滞在エリアから高頻度滞在エリアを特定する方法は、この方法に限定されず、ユーザがよく行くエリアを特定することができれば、その他の任意の方法で行うことができる。例えば、滞在エリア特定部１１１は、携帯端末２０のユーザの滞在時間、滞在回数、及び滞在日数のうちの少なくとも２つが所定値以上である滞在エリアを当該ユーザの高頻度滞在エリアとして特定することもできる。もしくは、滞在時間、滞在回数、及び滞在日数のうちの少なくともいずれかに基づいて滞在エリアに対して算出されたスコアによる順位が所定の順位（例えば、上位１０位）以内を高頻度滞在エリアとして特定しても良い。なお、スコアの順位に応じて高頻度滞在エリアをさらに分類してもよい。例えば、スコアが最も高い高頻度滞在エリアを自宅エリアとし、２番目に高い高頻度滞在エリアを勤務地エリアとしてもよい。さらに、滞在エリア特定部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、各携帯端末２０のユーザの高頻度滞在エリア以外の滞在エリア（すなわち、ユーザによる滞在回数及び滞在時間が所定値未満であるエリア）を低頻度滞在エリアとして特定する。滞在エリア特定部１１１は、各ユーザに対して特定した高頻度滞在エリアの情報と、低頻度滞在エリアの情報とを滞在エリア情報としてデータベース１２０に記憶する。 The stay area specifying unit 111 refers to the positioning information of the mobile terminal 20 stored in the database 120 and specifies the area where the user of the mobile terminal 20 frequently visits as the high-frequency stay area of the user. Examples of the high-frequency stay area include a user's home area and work area. As a specific example of the process, the stay area specifying unit 111 first refers to the positioning information and specifies an area where the user of the mobile terminal 20 has a stay history as the stay area of the user. The stay area specifying unit 111 specifies a stay area in which at least one of the number of stays or the stay time is a predetermined value or more among the specified stay areas as the high-frequency stay area of the user. The method of specifying the high-frequency stay area from the stay area is not limited to this method, and any other method can be used as long as the user can specify the frequently visited area. For example, the stay area specifying unit 111 may specify a stay area in which at least two of the stay time, the number of stays, and the number of stays of the user of the mobile terminal 20 are equal to or greater than a predetermined value as the high-frequency stay area of the user. it can. Alternatively, the high-frequency stay area is specified within a predetermined rank (for example, the top 10) according to the score calculated for the stay area based on at least one of the stay time, the number of stays, and the stay days. You may do it. The high-frequency stay area may be further classified according to the score ranking. For example, the high frequency stay area with the highest score may be the home area, and the second highest frequency stay area may be the work area. Furthermore, the stay area specifying unit 111 refers to the positioning information of the mobile terminal 20 stored in the database 120, and stays other than the high-frequency stay area of the user of each mobile terminal 20 (that is, the number of stays and stay by the user) The area whose time is less than the predetermined value) is specified as the low-frequency stay area. The stay area specifying unit 111 stores information on the high-frequency stay area specified for each user and information on the low-frequency stay area in the database 120 as stay area information.
ここで、エリアとは、緯度経度に基づいて地図を分割して得られる複数の分割領域であり、仕様や設計に応じて適宜分割領域の形状やサイズを設定することができる。例えば、メッシュ領域の形状は、四角形、六角形、ひし形等の多角形や、円等の曲線で囲まれた領域とすることができる。また、エリアのサイズは一定でなくてもよい。例えば、都市部のエリアはより小さく（細かく）するようにしてもよい。また、エリアを行政区画の形状にしてもよい。また、人口統計情報によって地域毎にエリアのサイズを変えたり（例えば人口が多い地域のエリアは小さくする。）、市区町村の分類、宅地種別、日常圏の情報などに基づいてサイズを設定してもよい。設定されたエリアの情報は、地図情報と共にデータベース１２０に記憶されている。 Here, an area is a plurality of divided areas obtained by dividing a map based on latitude and longitude, and the shape and size of the divided areas can be appropriately set according to specifications and designs. For example, the shape of the mesh region can be a region surrounded by a polygon such as a quadrangle, a hexagon, a rhombus, or a curve such as a circle. Also, the size of the area may not be constant. For example, the urban area may be made smaller (finer). Further, the area may be shaped as an administrative division. You can also change the size of the area for each area based on demographic information (for example, reduce the area in areas with large populations), or set the size based on the city classification, residential land type, daily area information, etc. May be. Information on the set area is stored in the database 120 together with the map information.
図３は、データベース１２０に記憶された測位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が測位された時刻である測位時刻、携帯端末２０の識別情報である端末装置ＩＤ、携帯端末２０が測位された位置である測位位置（緯度、及び経度）の情報を含む。 FIG. 3 shows an example of positioning information stored in the database 120. In this example, the positioning information includes a positioning time that is a time when the mobile terminal 20 is positioned, a terminal device ID that is identification information of the mobile terminal 20, and a positioning position (latitude and longitude) that is a position where the mobile terminal 20 is positioned. ) Information.
移動確率算出部１１２は、データベース１２０に記憶された対象ユーザの測位情報と、滞在エリア特定部１１１により特定された対象ユーザの滞在エリアの情報とを参照して滞在エリア間の過去の複数の移動を集計し、当該ユーザが高頻度滞在エリアへの滞在の開始後、所定時間経過後又は所定の時刻に、他の高頻度滞在エリアへ移動した確率を当該移動先の高頻度滞在エリア毎に算出する。さらに、移動確率算出部１１２は、測位情報と、滞在エリア特定部１１１により特定された対象ユーザの滞在エリアの情報とを参照して、ユーザが高頻度滞在エリアへの滞在の開始後、所定時間経過後又は所定の時刻に、低頻度滞在エリアへ移動した確率も算出することができる。いつのタイミングの移動についての確率を算出するかは、任意に設定することができる。例えば、移動確率算出部１１２は、所定の時間ごと（例えば、５分ごと、又は１５分ごと）に確率の算出を行うこととし、前回の算出時点から今回の算出時点までの間に発生した移動についての確率を算出することができる。もしくは、移動確率算出部１１２は、高頻度滞在エリアへの滞在の開始から確率の算出時点までの間に発生した全ての移動についての確率を算出することもできる。移動確率算出部１１２は、算出した移動の確率をデータベース１２０に記憶する。 The movement probability calculation unit 112 refers to the positioning information of the target user stored in the database 120 and the information on the stay area of the target user specified by the stay area specifying unit 111, and performs a plurality of past movements between the stay areas. After the start of staying in the high-frequency stay area, the probability that the user has moved to another high-frequency stay area after a predetermined time has elapsed or at a predetermined time is calculated for each high-frequency stay area at the destination. To do. Further, the movement probability calculation unit 112 refers to the positioning information and the information on the stay area of the target user specified by the stay area specifying unit 111, and after the user starts staying in the high-frequency stay area, the movement probability calculation unit 112 The probability of moving to the low frequency stay area after elapse or at a predetermined time can also be calculated. It is possible to arbitrarily set when to calculate the probability of the movement at the timing. For example, the movement probability calculation unit 112 calculates the probability every predetermined time (for example, every 5 minutes or every 15 minutes), and the movement that occurred between the previous calculation time and the current calculation time The probability for can be calculated. Alternatively, the movement probability calculation unit 112 can also calculate probabilities for all movements that have occurred between the start of staying in the high-frequency stay area and the probability calculation time. The movement probability calculation unit 112 stores the calculated movement probability in the database 120.
図４を参照して、移動確率算出部１１２によって算出されたユーザの移動確率の例を説明する。図４には、あるユーザによる高頻度滞在エリアＡへの滞在の開始から２時間経過から２時間１５分経過までの間の過去の複数の移動を集計することによって算出された高頻度滞在エリアＡから他の高頻度滞在エリアへの移動確率を移動先の高頻度滞在エリア毎に示している。この例では、高頻度滞在エリアＡから高頻度滞在エリアＢへの移動確率が１０％、高頻度滞在エリアＣへの移動確率が３０％、高頻度滞在エリアＤへの移動確率が５％、高頻度滞在エリアＥへの移動確率が３％であることが示されている。さらに、図４には、高頻度滞在エリアＡから、高頻度滞在エリア以外の１つ又は複数のその他の滞在エリア（低頻度滞在エリア）への移動確率が２％であることが示されている。なお、移動確率算出部１１２は、低頻度滞在エリアへの移動確率についても、移動先のエリア毎に算出することができる。また、図４には、高頻度滞在エリアＡから移動をしなかった確率が５０％であることが示されている。なお、以降の説明において、説明の便宜上、対象エリアから移動せずに対象エリアに滞在したままである確率についても対象エリアへの移動確率という。 An example of the user's movement probability calculated by the movement probability calculation unit 112 will be described with reference to FIG. In FIG. 4, the high-frequency stay area A calculated by counting a plurality of past movements from the start of stay in the high-frequency stay area A by a user from the elapse of 2 hours to the elapse of 2 hours and 15 minutes. The movement probability from one to another high-frequency stay area is shown for each high-frequency stay area at the destination. In this example, the movement probability from the high frequency stay area A to the high frequency stay area B is 10%, the movement probability to the high frequency stay area C is 30%, the movement probability to the high frequency stay area D is 5%, and high. It is shown that the movement probability to the frequency stay area E is 3%. Further, FIG. 4 shows that the probability of movement from the high frequency stay area A to one or more other stay areas (low frequency stay area) other than the high frequency stay area is 2%. . The movement probability calculation unit 112 can also calculate the movement probability to the low-frequency stay area for each destination area. FIG. 4 shows that the probability of not moving from the high-frequency stay area A is 50%. In the following explanation, for the convenience of explanation, the probability of staying in the target area without moving from the target area is also referred to as the movement probability to the target area.
また、移動確率算出部１１２は、移動先の滞在エリア毎の移動の確率だけではなく、ユーザが高頻度滞在エリアへの滞在の開始後、所定の滞在時間が経過した時点で又は所定の時刻で、当該ユーザが他のエリアへの移動中の状態となる確率を算出することができる。このとき、移動確率算出部１１２は、さらに、移動の方向毎に移動中の状態となる確率を算出することもできる。 In addition, the movement probability calculation unit 112 is not only the probability of movement for each destination stay area, but also when a predetermined stay time has elapsed after the user started staying in the high-frequency stay area or at a predetermined time. The probability that the user will be in a state of moving to another area can be calculated. At this time, the movement probability calculation unit 112 can also calculate a probability that the moving state is set for each direction of movement.
図５を参照して、移動の方向毎に算出された移動の確率の例を説明する。この例において、高頻度滞在エリアＡから高頻度滞在エリアＢへ向かう方向と、高頻度滞在エリアＡから高頻度滞在エリアＣへ向かう方向とは方向Ｘで同じであり、高頻度滞在エリアＡから高頻度滞在エリアＤへ向かう方向と、高頻度滞在エリアＡから高頻度滞在エリアＥへ向かう方向とは方向Ｙで同じであるとする。このとき、高頻度滞在エリアＡから高頻度滞在エリアＢへの移動確率が１０％、高頻度滞在エリアＣへの移動確率が３０％である場合、移動確率算出部１１２は、高頻度滞在エリアＡから方向Ｘへの移動確率を４０％（１０％＋３０％）として算出する。また、高頻度滞在エリアＡから高頻度滞在エリアＤへの移動確率が５％、高頻度滞在エリアＥへの移動確率が３％である場合、移動確率算出部１１２は、高頻度滞在エリアＡから方向Ｙへの移動確率を８％（５％＋３％）として算出する。 An example of the movement probability calculated for each movement direction will be described with reference to FIG. In this example, the direction from the high frequency stay area A to the high frequency stay area B and the direction from the high frequency stay area A to the high frequency stay area C are the same in the direction X. It is assumed that the direction toward the frequent stay area D and the direction toward the frequent stay area E from the frequent stay area A are the same in the direction Y. At this time, when the movement probability from the high-frequency stay area A to the high-frequency stay area B is 10% and the movement probability from the high-frequency stay area C is 30%, the movement probability calculation unit 112 displays the high-frequency stay area A. Is calculated as 40% (10% + 30%). In addition, when the movement probability from the high frequency stay area A to the high frequency stay area D is 5% and the movement probability from the high frequency stay area E is 3%, the movement probability calculation unit 112 starts from the high frequency stay area A. The movement probability in the direction Y is calculated as 8% (5% + 3%).
なお、上記の例では、移動確率算出部１１２は、ユーザの高頻度滞在エリアへの滞在の開始から所定時間経過後における移動確率だけでなく、高頻度滞在エリアへの滞在の開始後、所定の時刻の移動確率を算出している。一般に、勤務の終了時刻に勤務地を出たり、図書館の閉館時刻に図書館を出るなど、ユーザは時刻に従って移動を行う場合があるため、時刻に基づく時間帯ごとに、ユーザの移動の確率を算出することによって、ユーザの定期的な行動パターンを把握することができる。その結果、そのように算出された確率を用いることによって、後述するユーザの行動予測をより精度の高いものにすることができる。 In the above example, the movement probability calculation unit 112 not only calculates the movement probability after a predetermined time has elapsed since the start of the user's stay in the high-frequency stay area, but also after the start of the stay in the high-frequency stay area, Time movement probability is calculated. In general, users may move according to the time, such as leaving the work place at the end time of work or leaving the library at the closing time of the library, so the probability of user movement is calculated for each time zone based on time By doing so, it is possible to grasp the user's regular behavior pattern. As a result, by using the probability calculated as described above, the user's behavior prediction described later can be made more accurate.
移動確率算出部１１２は、さらに、対象ユーザが高頻度滞在エリアを出てから所定時間経過後に、当該高頻度滞在エリアへ戻ってくる確率を、移動先の高頻度滞在エリア毎に算出することができる。 The movement probability calculation unit 112 may further calculate, for each high-frequency stay area at the destination, the probability that the target user will return to the high-frequency stay area after a lapse of a predetermined time after leaving the high-frequency stay area. it can.
図６を参照して、この処理の具体的な例を説明する。図６には、例えば、対象ユーザが、高頻度滞在エリアＡを出た後、高頻度滞在エリアＢに滞在し、再び高頻度滞在エリアＡへ戻ってくる移動が示されている。このような移動について、移動確率算出部１１２は、まず、データベース１２０に記憶された測位情報を参照して、対象ユーザが高頻度滞在エリアＡを出た後、高頻度滞在エリアＢに滞在した移動を特定する。移動確率算出部１１２は、このように特定された移動のうち、高頻度滞在エリアＡを出てから所定時間経過後に、再び高頻度滞在エリアＡへ戻ってくる確率を算出する。図６には、移動確率算出部１１２による算出の結果、対象ユーザが、高頻度滞在エリアＡを出た後、高頻度滞在エリアＢに滞在した移動のうち、高頻度滞在エリアＡを出てから８時間経過から８時間１５分経過までに、再び高頻度滞在エリアＡへ戻ってきた確率が８０％であることが示されている。また、図６には、移動確率算出部１１２による同様な算出の結果、高頻度滞在エリアＡを出てから８時間経過から８時間１５分経過までに再び高頻度滞在エリアＡへ戻ってきた確率について、移動先が高頻度滞在エリアＣである場合、確率は２０％であり、移動先が高頻度滞在エリアＤである場合、確率は３０％であることが示されている。 A specific example of this process will be described with reference to FIG. FIG. 6 shows, for example, a movement in which the target user leaves the high frequency stay area A, stays in the high frequency stay area B, and returns to the high frequency stay area A again. For such movement, the movement probability calculation unit 112 first refers to the positioning information stored in the database 120, and after the target user leaves the high frequency stay area A, the movement stayed in the high frequency stay area B. Is identified. The movement probability calculation unit 112 calculates the probability of returning to the high-frequency stay area A again after a predetermined time has elapsed since leaving the high-frequency stay area A among the movements thus identified. In FIG. 6, as a result of calculation by the movement probability calculation unit 112, after the target user leaves the high frequency stay area A and then moves out of the high frequency stay area B, the target user has left the high frequency stay area A. It is shown that the probability of returning to the high frequency stay area A again from 80 hours to 8 hours and 15 minutes is 80%. FIG. 6 also shows the probability of returning to the high frequency stay area A again from 8 hours to 8 hours and 15 minutes after leaving the high frequency stay area A as a result of the same calculation by the movement probability calculation unit 112. Is shown, the probability is 20% when the destination is the high-frequency stay area C, and the probability is 30% when the destination is the high-frequency stay area D.
また、移動確率算出部１１２は、さらに、データベース１２０に記憶された複数のユーザの測位情報のうち、一のエリアを低頻度滞在エリアとする複数のユーザの測位情報を一人の仮想ユーザの測位情報として参照し、当該仮想ユーザが当該対象エリアへの滞在の開始後、所定の滞在時間経過後又は所定の時刻に、他のエリアへ移動する確率を当該移動先のエリアごとに算出することもできる。また、移動確率算出部１１２は、一のエリアを低頻度滞在エリアとし、かつ、同じ属性を持つ複数のユーザの測位情報を一人の属性別仮想ユーザの測位情報として参照し、各属性の属性別仮想ユーザについて、属性別仮想ユーザが、一のエリアへの滞在の開始後、所定の滞在時間経過後又は所定の時刻に他のエリアへ移動する確率を当該移動先のエリアごとに算出することもできる。このように算出された１以上のユーザについての低頻度滞在エリアから他の滞在エリアへの移動の確率は、後述するように、低頻度滞在エリアに滞在するあるユーザについての行動予測部１１３による行動予測のために用いられる。 In addition, the movement probability calculation unit 112 further uses the positioning information of a plurality of users having one area as a low-frequency stay area among the positioning information of the plurality of users stored in the database 120, as positioning information of one virtual user. The probability that the virtual user will move to another area after the start of the stay in the target area after the start of the predetermined stay time or at a predetermined time can also be calculated for each destination area. . Further, the movement probability calculation unit 112 refers to the positioning information of a plurality of users having the same attribute as one area as a low-frequency stay area and the positioning information of one virtual user by attribute, For the virtual user, the probability that the attribute-specific virtual user will move to another area after the start of staying in one area, after elapse of a predetermined staying time or at a predetermined time may be calculated for each destination area. it can. As described later, the probability of the movement from the low-frequency stay area to the other low-frequency stay area for one or more users calculated in this way is the behavior by the behavior prediction unit 113 for a certain user staying in the low-frequency stay area. Used for prediction.
また、移動確率算出部１１２は、上記のように特定された１以上のユーザが対象エリアへの滞在の開始後、所定の滞在時間経過後又は所定の時刻に、他のエリアへ移動する確率を当該移動先のエリア毎に算出する場合において、ユーザの属性毎に移動の確率を算出することもできる。ユーザの属性としては、例えば、ユーザが滞在した低頻度滞在エリアから当該ユーザの最寄りの高頻度滞在エリアまでの距離に応じた属性が考えられる。例えば、ユーザが滞在した低頻度滞在エリアから当該ユーザの最寄りの高頻度滞在エリアまでの距離が、０ｋｍ以上１０ｋｍ未満、１０ｋｍ以上１００ｋｍ未満、又は１００ｋｍ以上のいずれに属するかに応じて異なる属性をユーザに対して付与することができる。前述したようにユーザの自宅エリアが特定されている場合（もしくは、ユーザ入力等によりユーザの自宅エリアが特定されている場合）は、ユーザが滞在した低頻度滞在エリアから当該ユーザの自宅エリアまでの距離に応じた属性を付与することもできる。ユーザの属性の他の例として、ユーザが低頻度滞在エリアに過去に滞在した回数に応じて、当該ユーザに対して異なる属性を付与することもできる。 In addition, the movement probability calculation unit 112 calculates the probability that one or more users specified as described above will move to another area after a predetermined stay time or at a predetermined time after the start of the stay in the target area. In the case of calculating for each destination area, the probability of movement can be calculated for each user attribute. As an attribute of the user, for example, an attribute corresponding to the distance from the low frequency stay area where the user stayed to the high frequency stay area nearest to the user can be considered. For example, the user has different attributes depending on whether the distance from the low frequency stay area where the user stayed to the closest high frequency stay area of the user belongs to 0 km or more, less than 10 km, 10 km or more, less than 100 km, or 100 km or more Can be granted. As described above, when the user's home area is specified (or when the user's home area is specified by user input or the like), from the low-frequency stay area where the user stayed to the user's home area. An attribute corresponding to the distance can also be given. As another example of the user's attribute, a different attribute can be given to the user according to the number of times the user has stayed in the low-frequency stay area in the past.
行動予測部１１３は、移動確率算出部１１２により算出された滞在エリアへの移動の確率に基づいて、対象ユーザが高頻度滞在エリアへの滞在の開始後、所定時間経過後又は所定の時刻に対象ユーザがとりうる行動の予測値を算出する。具体的には、行動予測部１１３は、データベース１２０に記憶された測位情報を参照して、対象ユーザが現在滞在している高頻度滞在エリアと、当該高頻度滞在エリアへの滞在開始時間（もしくは、現在時刻）とを特定し、当該滞在開始時刻（もしくは、現在時刻）と、移動確率算出部１１２により算出された滞在エリアへの移動の確率とに基づいて、現在時刻から所定時間経過後、又は将来の所定の時刻に、対象ユーザが移動しうる移動先の高頻度滞在エリア（もしくは、他の滞在エリア）の情報を当該移動先の滞在エリアへの移動の確率とともに出力する。 Based on the probability of movement to the stay area calculated by the movement probability calculation unit 112, the behavior prediction unit 113 performs the target after a predetermined time has elapsed or at a predetermined time after the target user starts to stay in the high-frequency stay area. A predicted value of the action that the user can take is calculated. Specifically, the behavior prediction unit 113 refers to the positioning information stored in the database 120, and the high frequency stay area where the target user is currently staying and the stay start time (or the high frequency stay area) (or , Current time), and based on the stay start time (or current time) and the probability of movement to the stay area calculated by the movement probability calculation unit 112, after a predetermined time has elapsed, Alternatively, information on the high-frequency stay area (or other stay area) of the destination to which the target user can move at a predetermined future time is output together with the probability of movement to the destination area of the destination.
例えば、対象ユーザによる高頻度滞在エリアＡへの滞在開始から２時間経過から２時間１５分経過までの間の高頻度滞在エリアＣへの移動の確率が３０％として移動確率算出部１１２によって算出されており、対象ユーザによる高頻度滞在エリアＡへの滞在の開始から現在１時間が経過しているとする。このとき、行動予測部１１３は、現在時刻から１時間（＝２時間−１時間）経過から１時間１５分（＝２時間１５分−１時間）経過までの間に対象ユーザが高頻度滞在エリアＣへ移動する確率は３０％であるとして、予測値を算出する。行動予測部１１３は、さらに、算出した予測値と、移動確率算出部１１２により算出された移動の確率とを用いて、高頻度滞在エリアＣへの滞在後、所定時間経過後に他の高頻度滞在エリア（もしくは、他の滞在エリア）への移動の確率を、対象ユーザがとりうる行動の予測値として移動先のエリア毎に算出することもできる。 For example, the movement probability calculation unit 112 calculates the probability of moving to the high-frequency stay area C between 2 hours and 2 hours and 15 minutes from the start of staying in the high-frequency stay area A by the target user as 30%. It is assumed that one hour has elapsed since the start of the stay in the high-frequency stay area A by the target user. At this time, the behavior prediction unit 113 indicates that the target user stays in the high-frequency stay area between 1 hour (= 2 hours-1 hour) and 1 hour 15 minutes (= 2 hours 15 minutes-1 hour) from the current time. The predicted value is calculated assuming that the probability of moving to C is 30%. The behavior predicting unit 113 further uses the calculated predicted value and the probability of movement calculated by the movement probability calculating unit 112 to perform another high-frequency stay after a predetermined time has elapsed after staying in the high-frequency stay area C. The probability of movement to an area (or another stay area) can also be calculated for each destination area as a predicted value of the action that the target user can take.
また、行動予測部１１３は、移動確率算出部１１２によって上述したように仮想ユーザについての移動の確率が算出されている場合、当該仮想ユーザについての移動の確率に基づいて、一のエリアを低頻度滞在エリアとするユーザが低頻度滞在エリアとして当該一のエリアへの滞在の開始後、所定の滞在時間経過後又は所定の時刻にとりうる行動の予測値を算出することもできる。例えば、移動確率算出部１１２によって仮想ユーザが低頻度滞在エリアとしてエリアＸに滞在したときに、当該滞在から２時間後にエリアＹへの移動する確率が１０％であると算出されていたとする。このとき、行動予測部１１３は、あるユーザが低頻度滞在エリアとしてエリアＸへ滞在した場合、当該滞在の開始から２時間後の当該ユーザの行動について、エリアＹへ移動する確率は１０％であるとして予測値を算出する。ユーザがそのユーザにとっての低頻度滞在エリアへ滞在する頻度は低いが、このように複数のユーザについての低頻度滞在エリアから他の滞在エリアへの移動の確率を用いることによって、行動予測部１１３は、より多くの情報を用いて行動の予測値を算出することができる。その結果、当該予測値は、より精度の高いものとなる。 In addition, when the movement probability calculation unit 112 calculates the movement probability for the virtual user as described above, the behavior prediction unit 113 determines one area as a low frequency based on the movement probability for the virtual user. It is also possible to calculate a predicted value of an action that a user as a stay area can take after a predetermined stay time has elapsed or at a predetermined time after the start of staying in the one area as a low-frequency stay area. For example, when the virtual user stays in the area X as a low-frequency stay area by the movement probability calculation unit 112, it is calculated that the probability of moving to the area Y 2 hours after the stay is 10%. At this time, when a certain user stays in area X as a low-frequency stay area, behavior prediction unit 113 has a 10% probability of moving to area Y for the user's behavior two hours after the start of the stay. As a result, a predicted value is calculated. Although the frequency of the user staying in the low-frequency stay area for the user is low, the behavior predicting unit 113 uses the probability of movement from the low-frequency stay area to other stay areas for the plurality of users in this way. The predicted value of the behavior can be calculated using more information. As a result, the predicted value is more accurate.
また、行動予測部１１３は、移動確率算出部１１２によって上述したように属性別仮想ユーザについての移動の確率が算出されている場合、一のエリアを低頻度滞在エリアとするユーザが一のエリアへの滞在の開始後、所定の滞在時間経過後又は所定の時刻にとりうる行動の予測値を、当該ユーザの属性に対応する属性別仮想ユーザについて算出された移動の確率に基づいて算出することもできる。例えば、行動の予測値を算出する対象となるユーザ（対象ユーザ）の属性の値が、属性ａである場合、行動予測部１１３は、移動確率算出部１１２によって算出された属性ａについての属性別仮想ユーザの移動の確率を用いて、対象ユーザの行動の予測値を算出することができる。ユーザの属性については、移動確率算出部１１２による処理の説明において上述したとおりである。このように、対象ユーザの属性に応じた移動の確率を用いて行動の予測値を算出することによって、対象ユーザの属性を考慮した行動の予測値を算出が行われる。その結果、当該予測値は、より精度の高いものとなる。 In addition, when the movement probability calculation unit 112 calculates the movement probability for the attribute-specific virtual user as described above, the behavior prediction unit 113 moves a user who uses one area as a low-frequency stay area to one area. It is also possible to calculate a predicted value of behavior that can be taken after a predetermined stay time or at a predetermined time after the start of the stay based on the probability of movement calculated for the attribute-specific virtual user corresponding to the attribute of the user . For example, when the value of the attribute of the user (target user) for which the predicted value of the behavior is calculated is the attribute a, the behavior prediction unit 113 is attribute-specific for the attribute a calculated by the movement probability calculation unit 112. A predicted value of the behavior of the target user can be calculated using the probability of movement of the virtual user. The user attributes are as described above in the description of the processing by the movement probability calculation unit 112. In this way, by calculating the predicted value of the action using the probability of movement according to the attribute of the target user, the predicted value of the action in consideration of the attribute of the target user is calculated. As a result, the predicted value is more accurate.
混雑度予測部１１４は、複数のユーザについて行動予測部１１３により算出された予測値に基づいて、所定の時刻に対象エリアに滞在するユーザの数の予測値を算出し、当該ユーザの数の予測値を用いて、当該対象エリアの混雑度の予測値を算出する。混雑度予測部１１４は、算出した混雑度の予測値をデータベース１２０に記憶する。 The congestion degree prediction unit 114 calculates a predicted value of the number of users staying in the target area at a predetermined time based on the predicted values calculated by the behavior prediction unit 113 for a plurality of users, and predicts the number of users. A predicted value of the degree of congestion of the target area is calculated using the value. The congestion level prediction unit 114 stores the calculated predicted value of the congestion level in the database 120.
具体的には、混雑度予測部１１４は、将来の所定の時刻（対象時刻）に対象エリアに滞在するユーザの数の予測値（期待値）Ａを算出するために、まず、行動予測部１１３により算出された行動の予測値を用いて、対象時刻に対象エリアに高頻度滞在エリアとして滞在するユーザの数の予測値（期待値）Ｂを算出する。さらに、混雑度予測部１１４は、対象時刻に対象エリアに高頻度滞在エリアとして滞在するユーザ以外のユーザの数の予測値（期待値）Ｃを、測位位置を参照可能なユーザのうち対象時刻に高頻度滞在エリア以外に滞在するユーザの割合の予測値を用いて算出する。このとき、予測値Ａは、予測値Ｂ＋予測値Ｃとなる。混雑度予測部１１４は、予測値Ａを対象エリアの面積で割って得られた値に応じた値を対象エリアの混雑度として算出する。 Specifically, the congestion degree predicting unit 114 first calculates the predicted value (expected value) A of the number of users staying in the target area at a predetermined time in the future (target time). The predicted value (expected value) B of the number of users staying in the target area as the high-frequency stay area at the target time is calculated using the predicted value of the behavior calculated by the above. Furthermore, the congestion degree prediction unit 114 sets the predicted value (expected value) C of the number of users other than the users who stay in the target area as the high-frequency stay area at the target time as the target time among the users who can refer to the positioning position. Calculation is performed using a predicted value of the percentage of users staying outside the high-frequency stay area. At this time, the predicted value A becomes the predicted value B + the predicted value C. The congestion degree prediction unit 114 calculates a value corresponding to a value obtained by dividing the predicted value A by the area of the target area as the congestion degree of the target area.
図７を参照して、将来の対象時刻に対象エリアに滞在するユーザの数の予測値Ａの算出方法の例を説明する。この例において、測位情報を参照可能なユーザのうち、対象時刻に高頻度滞在エリアに滞在するユーザの割合の予測値が８０％であり、高頻度滞在エリア以外に滞在するユーザの割合の予測値が２０％であるとする。当該割合の予測値は、測位情報を参照可能な全てのユーザに対して、行動予測部１１３により行動の予測値を算出し、全てユーザの予測値を集計することによって得られる。例えば、測位情報を参照可能なユーザに関して、対象時刻において、ユーザがいずれかの高頻度滞在エリアに滞在している確率の全てのユーザの平均値が８０％であったとする。このとき、測位情報が特定されているユーザのうち、対象時刻に高頻度滞在エリアに滞在するユーザの割合の予測値が８０％であり、高頻度滞在エリア以外に滞在するユーザの割合の予測値が２０％となる。 With reference to FIG. 7, the example of the calculation method of the predicted value A of the number of users who stay in a target area at the future target time is demonstrated. In this example, among users who can refer to the positioning information, the predicted value of the proportion of users staying in the high-frequency stay area at the target time is 80%, and the predicted value of the proportion of users staying outside the high-frequency stay area Is 20%. The predicted value of the ratio is obtained by calculating the predicted value of the behavior by the behavior predicting unit 113 for all users who can refer to the positioning information and totaling the predicted values of the users. For example, regarding the users who can refer to the positioning information, it is assumed that the average value of all the users with the probability that the user stays in any high-frequency stay area at the target time is 80%. At this time, among the users whose positioning information is specified, the predicted value of the proportion of users staying in the high-frequency stay area at the target time is 80%, and the predicted value of the proportion of users staying outside the high-frequency stay area Is 20%.
この例において、混雑度予測部１１４は、まず、行動予測部１１３により算出された行動の予測値を用いて、測位情報を参照可能なユーザのうち、対象時刻に対象エリアに高頻度滞在エリアとして滞在するユーザの数の予測値Ｂを算出する。例えば、測位情報を参照可能な全てのユーザについて、行動予測部１１３により算出された対象時刻に対象エリアに高頻度滞在エリアとして滞在する確率が０％より高いユーザが１０００人おり、これら１０００人のユーザの対象時刻に対象エリアに高頻度滞在エリアとして滞在する確率の平均値が１０％であるとする。このとき、対象時刻に対象エリアに高頻度滞在エリアとして滞在するユーザの数の期待値（すなわち、予測値Ｂ）は、１００人（＝１０００×１０％）である。また、上記のように、対象時刻に測位情報が特定されているユーザのうち、高頻度滞在エリアに滞在するユーザの割合の予測値が８０％であり、高頻度滞在エリア以外に滞在するユーザの割合の予測値が２０％であるため、このとき、混雑度予測部１１４は、対象時刻に対象エリアに滞在する他のユーザの数の予測値Ｃを２５人（＝１００人×２０％÷８０％）として算出する。その結果、混雑度予測部１１４は、予測値Ａを１２５人（＝予測値Ｂ（１００人）＋予測値Ｃ（２５人））として算出する。 In this example, the congestion degree prediction unit 114 first uses a predicted value of the behavior calculated by the behavior prediction unit 113 as a frequent stay area in the target area at the target time among users who can refer to the positioning information. A predicted value B of the number of staying users is calculated. For example, for all users who can refer to the positioning information, there are 1000 users who have a probability of staying as a high-frequency stay area in the target area at the target time calculated by the behavior predicting unit 113. It is assumed that the average probability of staying as a high-frequency stay area in the target area at the target time of the user is 10%. At this time, the expected value (that is, the predicted value B) of the number of users staying in the target area as the high-frequency stay area at the target time is 100 (= 1000 × 10%). Moreover, as mentioned above, the predicted value of the ratio of the users staying in the high-frequency stay area among the users whose positioning information is specified at the target time is 80%, and the users who stay outside the high-frequency stay area Since the predicted value of the ratio is 20%, at this time, the congestion degree prediction unit 114 sets the predicted value C of the number of other users who stay in the target area at the target time to 25 (= 100 people × 20% ÷ 80). %). As a result, the congestion degree prediction unit 114 calculates the predicted value A as 125 people (= predicted value B (100 people) + predicted value C (25 people)).
すなわち、混雑度予測部１１４は、対象時刻に対象エリアに滞在するユーザの数の予測値を算出するために、対象時刻に対象エリアに高頻度滞在エリアとして滞在するユーザの数の予測値を行動予測部１１３により算出された予測値を用いて算出し、対象時刻に対象エリアに滞在する他のユーザの数の予測値を、測位情報を参照可能なユーザのうち対象時刻に高頻度滞在エリア以外に滞在するユーザの割合の予測値を用いて算出する。 That is, the congestion degree prediction unit 114 acts on the predicted value of the number of users staying in the target area as the high-frequency stay area at the target time in order to calculate the predicted value of the number of users staying in the target area at the target time. Calculated using the predicted value calculated by the predicting unit 113, the predicted value of the number of other users staying in the target area at the target time, and other than the high frequency stay area at the target time among the users who can refer to the positioning information Calculated using the predicted value of the percentage of users staying in
図２のデータベース１２０は、行動予測装置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は、例えば、測位情報、地図情報、滞在エリア情報、移動確率情報、行動予測値情報及び混雑度予測値情報を記憶している。 The database 120 in FIG. 2 stores various information such as information necessary for the above-described processing executed in the behavior prediction apparatus 10 and information generated by the processing. The database 120 stores, for example, positioning information, map information, stay area information, movement probability information, behavior prediction value information, and congestion degree prediction value information.
次に、図８を参照して、行動予測装置１０において実行される処理のフローを説明する。なお、以下に説明する処理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、各処理ステップの処理の詳細は、既に説明しているため省略する。 Next, with reference to FIG. 8, the flow of processing executed in the behavior prediction apparatus 10 will be described. Each processing step included in the processing flow described below can be executed in any order or in parallel as long as there is no contradiction in the processing contents. Steps may be added. Further, a step described as one step for convenience can be executed by being divided into a plurality of steps, while a step described as being divided into a plurality of steps for convenience can be grasped as one step. Note that the details of the processing of each processing step have already been described, and will be omitted.
まず、ステップＳ１１において、制御部１１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、携帯端末２０のユーザがよく行くエリアを当該ユーザの高頻度滞在エリアとして特定する。具体的には、制御部１１は、まず、測位情報を参照して、携帯端末２０のユーザによる滞在履歴のあるエリアを当該ユーザの滞在エリアとして特定する。制御部１１は、特定された滞在エリアのうち、滞在回数又は滞在時間の少なくとも一方が所定値以上である滞在エリアを当該ユーザの高頻度滞在エリアとして特定する。 First, in step S <b> 11, the control unit 11 refers to the positioning information of the mobile terminal 20 stored in the database 120 and identifies an area where the user of the mobile terminal 20 frequently visits as a high-frequency stay area of the user. Specifically, first, the control unit 11 refers to the positioning information and specifies an area where the user of the mobile terminal 20 has a stay history as the stay area of the user. The control unit 11 specifies a stay area in which at least one of the number of stays or the stay time is a predetermined value or more among the specified stay areas as the high-frequency stay area of the user.
ステップＳ１２において、制御部１１は、データベース１２０に記憶された対象ユーザの測位情報と、ステップＳ１１にて特定された対象ユーザの滞在エリアの情報とを参照して滞在エリア間の過去の複数の移動を集計し、当該ユーザが高頻度滞在エリアへの滞在の開始後、所定時間経過後又は所定の時刻に、他の高頻度滞在エリアへ移動した確率を当該移動先の高頻度滞在エリア毎に算出する。 In step S12, the control unit 11 refers to the positioning information of the target user stored in the database 120 and the information on the stay area of the target user specified in step S11, and performs a plurality of past movements between the stay areas. After the start of staying in the high-frequency stay area, the probability that the user has moved to another high-frequency stay area after a predetermined time has elapsed or at a predetermined time is calculated for each high-frequency stay area at the destination. To do.
ステップＳ１３において、制御部１１は、ステップＳ１２において算出された滞在エリアへの移動の確率に基づいて、対象ユーザが高頻度滞在エリアへの滞在の開始後、所定時間経過後又は所定の時刻に対象ユーザがとりうる行動の予測値を算出する。 In step S13, the control unit 11 controls the target user after a predetermined time has elapsed or at a predetermined time after the target user starts to stay in the high frequency stay area based on the probability of movement to the stay area calculated in step S12. A predicted value of the action that the user can take is calculated.
ステップＳ１４において、制御部１１は、複数のユーザについてステップＳ１３において算出された行動の予測値に基づいて、所定の時刻に対象エリアに滞在するユーザの数の予測値を算出し、当該ユーザの数の予測値を用いて、当該対象エリアの混雑度の予測値を算出する。 In step S <b> 14, the control unit 11 calculates a predicted value of the number of users staying in the target area at a predetermined time based on the predicted values of behavior calculated in step S <b> 13 for a plurality of users, and the number of the users The predicted value of the degree of congestion of the target area is calculated using the predicted value.
以上のように、本実施形態によれば、ユーザがある場所へ滞在後、いつ他の場所へ移動するのかという時間等を考慮してユーザの行動の予測を行っているため、ユーザの行動についてより高度な予測を行うことができる。 As described above, according to the present embodiment, the user's behavior is predicted in consideration of the time when the user moves to another location after staying at a certain location. More advanced predictions can be made.
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。 The present invention is not limited to the above-described embodiment, and can be implemented in various other forms without departing from the gist of the present invention. The above-described embodiment is merely an example in all respects, and is not construed as limiting.
１ 行動予測システム、１０ 行動予測装置、１１ 制御部、１２ ＣＰＵ、１３ メモリ、１４ 通信部、１５ 記憶部、２０ 携帯端末 DESCRIPTION OF SYMBOLS 1 Action prediction system, 10 Action prediction apparatus, 11 Control part, 12 CPU, 13 Memory, 14 Communication part, 15 Storage part, 20 Portable terminal
Claims (11)
前記ユーザの測位情報を参照して、前記ユーザが前記高頻度滞在エリアへの滞在の開始後、所定の滞在時間が経過した時点で又は所定の時刻で、当該ユーザが他の前記高頻度滞在エリアへ移動する確率を当該移動先の高頻度滞在エリア毎に算出する移動確率算出手段と、
前記移動確率算出手段により算出された確率に基づいて、前記ユーザが前記高頻度滞在エリアへの滞在の開始後、所定時間が経過した時点又は所定の時刻で前記ユーザがとりうる行動の予測値を算出する行動予測手段と
を備えたことを特徴とする情報処理装置。 With reference to the positioning information of the user of the mobile terminal, a stay area specifying means for specifying an area where at least one of the number of stays or stay time by the user is a predetermined value or more as a high-frequency stay area of the user,
Referring to the positioning information of the user, after the user starts staying in the high-frequency stay area, when the predetermined stay time has elapsed or at a predetermined time, the user is in the other high-frequency stay area. Moving probability calculating means for calculating the probability of moving to each high-frequency stay area of the destination,
Based on the probability calculated by the movement probability calculating means, a predicted value of the action that the user can take at a predetermined time or after a predetermined time has elapsed after the user starts to stay in the high-frequency stay area. An information processing apparatus comprising: a behavior predicting means for calculating.
前記移動確率算出手段は、一のエリアを前記低頻度滞在エリアとする複数のユーザの測位情報を一人の仮想ユーザの測位情報として参照し、前記仮想ユーザが、前記一のエリアへの滞在の開始後、所定の滞在時間経過後又は所定の時刻に、他のエリアへ移動する確率を当該移動先のエリアごとに算出し、
前記行動予測手段は、前記一のエリアを前記低頻度滞在エリアとする携帯端末のユーザが前記一のエリアへの滞在の開始後、所定の滞在時間経過後又は所定の時刻にとりうる行動の予測値を、前記仮想ユーザについて算出された前記移動の確率に基づいて算出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。 The stay area specifying means refers to the positioning information of the user, specifies an area where the number of stays and the stay time by the user are less than a predetermined value as the low-frequency stay area of the user,
The movement probability calculating means refers to positioning information of a plurality of users who use one area as the low-frequency stay area as positioning information of one virtual user, and the virtual user starts to stay in the one area. After that, after the predetermined stay time or at a predetermined time, the probability of moving to another area is calculated for each area of the destination,
The behavior prediction means is a predicted value of behavior that a user of a mobile terminal having the one area as the low-frequency stay area can take after a predetermined stay time or at a predetermined time after the start of stay in the one area 5. The information processing apparatus according to claim 1, wherein the information processing device is calculated based on the probability of movement calculated for the virtual user.
前記行動予測手段は、前記一のエリアを前記低頻度滞在エリアとする携帯端末のユーザが前記一のエリアへの滞在の開始後、所定の滞在時間経過後又は所定の時刻にとりうる行動の予測値を、当該ユーザの属性に対応する前記属性別仮想ユーザについて算出された前記移動の確率に基づいて算出することを特徴とする請求項５に記載の情報処理装置。 The movement probability calculation means refers to one area as the low-frequency stay area and refers to the positioning information of a plurality of users having the same attribute as the positioning information of one attribute-specific virtual user, For the virtual user, the probability that the attribute-specific virtual user will move to another area after the start of the stay in the one area after a predetermined stay time or at a predetermined time is calculated for each destination area. ,
The behavior prediction means is a predicted value of behavior that a user of a mobile terminal having the one area as the low-frequency stay area can take after a predetermined stay time or at a predetermined time after the start of stay in the one area The information processing apparatus according to claim 5, wherein the information is calculated based on the probability of movement calculated for the attribute-specific virtual user corresponding to the attribute of the user.
前記制御部が、携帯端末のユーザの測位情報を参照して、前記ユーザによる滞在回数又は滞在時間の少なくとも一方が所定値以上であるエリアを当該ユーザの高頻度滞在エリアとして特定する滞在エリア特定ステップと、
前記制御部が、前記ユーザの測位情報を参照して、前記ユーザが前記高頻度滞在エリアへの滞在の開始後、所定の滞在時間が経過した時点で又は所定の時刻で、当該ユーザが他の前記高頻度滞在エリアへ移動する確率を当該移動先の高頻度滞在エリア毎に算出する移動確率算出ステップと、
前記制御部が、前記移動確率算出ステップで算出された確率に基づいて、前記ユーザが前記高頻度滞在エリアへの滞在の開始後、所定の滞在時間が経過した時点又は所定の時刻で前記ユーザがとりうる行動の予測値を算出する行動予測ステップと
を備えたことを特徴とする情報処理方法。 An information processing method implemented in an information processing apparatus including a control unit,
A stay area specifying step in which the control unit specifies an area in which at least one of the number of stays or stay time by the user is a predetermined value or more with reference to the positioning information of the user of the mobile terminal as the high-frequency stay area of the user When,
The control unit refers to the positioning information of the user, and after the user has started staying in the high-frequency stay area, when the predetermined stay time has elapsed or at the predetermined time, A movement probability calculating step for calculating the probability of moving to the high-frequency stay area for each high-frequency stay area of the destination;
Based on the probability calculated in the movement probability calculation step, the control unit determines that the user is at a predetermined time or at a predetermined time after the user starts to stay in the high-frequency stay area. An information processing method comprising: an action prediction step for calculating a predicted value of possible actions.
携帯端末のユーザの測位情報を参照して、前記ユーザによる滞在回数又は滞在時間の少なくとも一方が所定値以上であるエリアを当該ユーザの高頻度滞在エリアとして特定する滞在エリア特定手段、
前記ユーザの測位情報を参照して、前記ユーザが前記高頻度滞在エリアへの滞在の開始後、所定の滞在時間が経過した時点で又は所定の時刻で、当該ユーザが他の前記高頻度滞在エリアへ移動する確率を当該移動先の高頻度滞在エリア毎に算出する移動確率算出手段、
前記移動確率算出手段により算出された確率に基づいて、前記ユーザが前記高頻度滞在エリアへの滞在の開始後、所定の滞在時間が経過した時点又は所定の時刻で前記ユーザがとりうる行動の予測値を算出する行動予測手段
として機能させるためのプログラム。 Computer
A stay area specifying means for referring to the positioning information of the user of the mobile terminal and specifying an area in which at least one of the number of stays or stay time by the user is a predetermined value or more as a high-frequency stay area of the user,
Referring to the positioning information of the user, after the user starts staying in the high-frequency stay area, when the predetermined stay time has elapsed or at a predetermined time, the user is in the other high-frequency stay area. Moving probability calculating means for calculating the probability of moving to each high-frequency stay area of the destination,
Based on the probability calculated by the movement probability calculating means, a prediction of actions that can be taken by the user at a predetermined time or when a predetermined stay time has elapsed after the user starts to stay in the high-frequency stay area. A program for functioning as a behavior prediction means for calculating a value.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2013187653A JP2015055934A (en) | 2013-09-10 | 2013-09-10 | Information processing apparatus, information processing method, and program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2013187653A JP2015055934A (en) | 2013-09-10 | 2013-09-10 | Information processing apparatus, information processing method, and program |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2015055934A true JP2015055934A (en) | 2015-03-23 |
Family
ID=52820312
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2013187653A Pending JP2015055934A (en) | 2013-09-10 | 2013-09-10 | Information processing apparatus, information processing method, and program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2015055934A (en) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2020024688A (en) * | 2018-07-25 | 2020-02-13 | 公立大学法人岩手県立大学 | Information service system, information service method, and program |
| CN111045910A (en) * | 2019-12-13 | 2020-04-21 | 中国电信集团工会上海市委员会 | User attribute identification method based on big data |
-
2013
- 2013-09-10 JP JP2013187653A patent/JP2015055934A/en active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2020024688A (en) * | 2018-07-25 | 2020-02-13 | 公立大学法人岩手県立大学 | Information service system, information service method, and program |
| JP7329825B2 (en) | 2018-07-25 | 2023-08-21 | 公立大学法人岩手県立大学 | Information provision system, information provision method, program |
| CN111045910A (en) * | 2019-12-13 | 2020-04-21 | 中国电信集团工会上海市委员会 | User attribute identification method based on big data |
| CN111045910B (en) * | 2019-12-13 | 2023-12-01 | 中国电信集团工会上海市委员会 | User attribute identification method based on big data |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| McInerney et al. | Breaking the habit: Measuring and predicting departures from routine in individual human mobility | |
| Li et al. | Predicting future locations of moving objects with deep fuzzy-LSTM networks | |
| JP5925338B2 (en) | Discovery of wireless network access points | |
| WO2018120428A1 (en) | Personalized scenario prediction method, apparatus, device and storage medium | |
| US9736781B2 (en) | Determining points of interest within a geofence | |
| WO2015120746A1 (en) | Method and device for predicting destination of user | |
| WO2011102541A1 (en) | Behavior feature extraction device, behavior feature extraction system, behavior feature extraction method, behavior feature extraction program | |
| US11693082B2 (en) | Mobile device location | |
| WO2012018131A1 (en) | Action characteristic extraction device, action characteristic extraction system, method of extracting action characteristic, and action characteristic extraction program | |
| Anagnostopoulos et al. | Intelligent trajectory classification for improved movement prediction | |
| KR20190030023A (en) | Apparatus for recommending user's privacy control and method for the same | |
| Alvarez-Lozano et al. | Learning and user adaptation in location forecasting | |
| JP6230306B2 (en) | Information processing apparatus, information processing method, and program for specifying congestion degree pattern and predicting congestion degree | |
| Lian et al. | Mining Location-based Social Networks: A Predictive Perspective. | |
| JP2014182611A (en) | Information processor, information processing method and program | |
| JP2015055934A (en) | Information processing apparatus, information processing method, and program | |
| JP2017091435A (en) | Stay place prediction device | |
| JP2012173982A (en) | Action prediction device, action prediction method and action prediction program | |
| JP5422539B2 (en) | Action prediction method, apparatus, and program | |
| JP2017107449A (en) | Information processing apparatus, information processing method, and program | |
| JP6114659B2 (en) | Congestion degree prediction device, congestion degree prediction method, and program | |
| Abdel-Fatao et al. | STMM: Semantic and temporal-aware Markov chain model for mobility prediction | |
| JP6254000B2 (en) | Information processing apparatus, information processing method, and program | |
| Roy et al. | Random gauss–markov mobility | |
| JP6431116B2 (en) | Estimated value calculating apparatus, estimated value calculating method, and program |