JP2015087957A - 情報提供装置およびその方法、ならびにプログラム - Google Patents

Abstract

【課題】個人または世帯等のユーザに適切な情報を提供する。
【解決手段】本発明の実施形態としての情報提供装置は、評価値算出部と、プロファイル設定部と、情報送信処理部とを備える。前記評価値算出部は、ユーザによる予め定めた特定行動の発生日時の履歴を表す行動履歴データに基づき、前記ユーザが複数の時間帯のそれぞれで前記特定行動を行う可能性の高さを表す評価値を前記時間帯ごとに算出する。前記プロファイル設定部は、各時間帯の評価値に基づき、前記ユーザが前記特定行動を行う時間帯の傾向を表したプロファイルを前記ユーザに対して設定する。前記情報送信処理部は、前記プロファイル設定部により設定されたプロファイルに応じて、前記ユーザに提供する提供情報を決定し、前記提供情報を前記ユーザに関連する出力装置に送信する。
【選択図】図１

Description

本発明の実施形態は、情報提供装置およびその方法、ならびにプログラムに関する。

従来、個人や世帯等のユーザ向けの情報提供サービスとして、ユーザの現在の行動（例えば出勤中、運動中、調理中、旅行中など）を推定し、推定した行動に基づき情報を提供するものがある。また、ユーザの行動の出現回数（例えば１週あたりの電車使用回数、ＷＥＢ特定ページ閲覧回数や特定リンクのクリック数など）に基づき、情報を提供するものがあった。

また、日々の生活の行動履歴から頻出行動パターンを複数抽出し、抽出した頻出行動パターンを利用して、情報を提供する方法があった。この方法では、抽出した頻出行動パターンをクラスタリングなどの手法を用いて分析し、その結果から典型的生活パターンを有限個出する。そして、ユーザが、これらの典型的生活パターンのうちどの生活パターンに近いのかに応じて情報を提供する。

しかしながら、上述したこれらの手法では、ユーザに適切な情報を提供できているとは必ずしもいえなかった。

特開２０１３−７３３７７号公報

本発明の実施形態は、ユーザに適切な情報を提供することを可能にした情報提供装置およびその方法、ならびにプログラムを提供する。

本発明の実施形態としての情報提供装置は、評価値算出部と、プロファイル設定部と、情報送信処理部とを備える。

前記評価値算出部は、ユーザによる予め定めた特定行動の発生日時の履歴を表す行動履歴データに基づき、前記ユーザが複数の時間帯のそれぞれで前記特定行動を行う可能性の高さを表す評価値を前記時間帯ごとに算出する。

前記プロファイル設定部は、各時間帯の評価値に基づき、前記ユーザが前記特定行動を行う時間帯の傾向を表したプロファイルを前記ユーザに対して設定する。

前記情報送信処理部は、前記プロファイル設定部により設定されたプロファイルに応じて、前記ユーザに提供する提供情報を決定し、前記提供情報を前記ユーザに関連する出力装置に送信する。

第１の実施形態に係る情報提供システムの全体ブロック図。 第１の実施形態に係る情報提供サーバの動作を示すフローチャート。 第１の実施形態に係る行動推定部によって生成された行動履歴データの例を示す図。 第１の実施形態に係る平日在宅確率を表形式で示す図。 第１の実施形態に係る平日在宅確率をグラフ形式で示す図。 第１の実施形態に係る平日在宅確率を表形式で示す図。 第１の実施形態に係る平日在宅確率をグラフ形式で示す図。 第１の実施形態に係るプロファイル候補記憶部に記憶されたデータ例を示す図。 第１の実施形態に係る条件判定結果の例を示す図。 第１の実施形態に係るプロファイル候補記憶部に記憶された他のデータ例を示す図。 第１の実施形態に係る各プロファイル候補に優先順位を設定したテーブルの例を示す図。 第１の実施形態に係る各ユーザに設定したプロファイルの例を示す図。 第１の実施形態に係る属性テーブルの例を示す図。 第１の実施形態に係る各ユーザに設定された情報属性の例を示す図。 第１の実施形態に係る提供情報記憶部に記憶された情報提供テーブルの例を示す図。 第１の実施形態に係るハードウェア構成を示す図。 図１の情報提供システムの変形例を示す図。 第２の実施形態に係る基準データを表形式で示す図。 第２の実施形態に係る基準データをグラフ形式で示す図。 第３の実施形態に係るキッチン電力量の例を示す図。 第３の実施形態に係る調理の有無の推定結果の例を示す図。 第３の実施形態に係る調理に関するプロファイル候補および選択条件の例を示す図。 第３の実施形態に係る洗濯に関するプロファイル候補および選択条件の例を示す図。 第３の実施形態に係る各プロファイル候補の選択条件の判定結果例を示した図。 第３の実施形態に係る各ユーザに設定された在宅プロファイル、調理プロファイル、洗濯プロファイルの例を示す図。 第３の実施形態に係る属性記憶部に記憶された属性テーブルの例を示す図。 第３の実施形態に係る属性設定記憶部に記憶された属性設定テーブルの例を示す図。 第４の実施形態に係る情報提供システムのブロック図。 第４の実施形態に係る提供情報記憶部に記憶された情報テーブルの例を示す図。 第５の実施形態に係る情報提供システムのブロック図。 第６の実施形態に係る情報提供システムのブロック図。

以下、図面を参照しながら、本発明の実施形態について説明する。

（第１の実施形態）
図１は、第１の実施形態に係る情報提供システムの全体ブロック図である。

図１の情報提供システムは、需要家内に設けられた需要家システム１と、情報提供サーバ２と、これらを接続する通信ネットワーク３を備える。需要家は、家庭やビル等の家屋であり、本実施形態では家庭を想定する。家庭では、個人ユーザ、または個人の集合である世帯ユーザ（以下、ユーザに統一）が居住している。図では１つの需要家のみが示されているが、実際には複数の需要家が存在してよい。需要家システム１では家庭内の消費電力を計測しており、計測した消費電力データを情報提供サーバ２に送信する。情報提供サーバ２は、需要家システム１から消費電力データを収集する。情報提供サーバ２は、複数日分の消費電力データに基づき、各種行動のうち予め定めた特定行動（例えば「在宅」、「調理」など予め定めた行動）をユーザが行ったかを一定時間毎に推定することにより、ユーザによる特定行動の発生日時の履歴を表した行動履歴データを取得する。情報提供サーバ２は、取得した行動履歴データに基づき、ユーザが複数の時間帯（たとえば８：００〜１７：００の３０分ごとの各時間帯）のそれぞれで当該特定行動を行う可能性の高さを表す評価値を時間帯毎に算出する。情報提供サーバ２は、各時間帯の評価値に基づき、ユーザが特定行動を行う時間帯の傾向（日中は在宅の傾向がある、あるいは、日中は不在（外出）の傾向がある等）を表すプロファイルをユーザに設定する。情報提供サーバ２は、ユーザに設定したプロファイルに基づいて、当該ユーザに提供する提供情報を決定する。情報提供サーバ２は、当該決定した提供情報を、ユーザの出力装置２２にネットワークを介して送信する。なお、本実施形態ではユーザによる特定行動を行ったかを消費電力データに基づき推定することにより行動履歴データを取得したが、別の方法として、ユーザアンケート等で事前にユーザが特定行動を行ったかに関する実績値を取得し、実績値に基づき行動履歴データを取得してもよい。あるいは、ユーザが特定行動を行う未来の日時を予測する行動モデルを用意しておき、行動モデルを用いて予測した日時に基づき行動履歴データを取得してもよい。これらの場合は、以降に説明する処理で使用する行動履歴データとして、行動推定に基づく行動履歴データに代えて、実績値または予測値に基づく行動履歴データを用いればよい。

以下、図１の情報提供システムについて詳細に説明する。

需要家システム１は、電力分電盤１０、電力計測器１４、電力計測器１４で計測された消費電力データを収集して情報提供サーバ２に送信するゲートウェイ１５、情報提供サーバ２から送信される情報を出力（表示等）する出力装置２２を備える。

需要家に対して、その外から配電線が、需要家内の電力分電盤１０の中に引き込まれている。配電線は、需要家内の統括のブレーカである主幹電力ブレーカ１１に接続されている。主幹電力ブレーカ１１は、この配電線から電力を供給される。さらに、主幹電力ブレーカ１１の下位には複数のサブブレーカ１２が配電線で接続されている。サブブレーカ１２には複数の電気機器２０に繋がっている。電気機器２０としては、電力を使用する電化製品であればよい。図示の例では、電化製品として、テレビ、照明、冷蔵庫、ドライヤが示される。他の例として、エアコン、洗濯機、掃除機、アイロン、瞬間湯沸かしポット、ＩＨ調理器、ＥＶ（電気自動車）等もあり得る。図示していないが、サブブレーカ１２と電気機器２０の間は、通常、コンセントによって繋がれる。

主幹電力ブレーカ１１に接続される配電線には、電流の瞬時値を測定する電流センサ１３が設置されている。電力計測器１４は、この電流センサ１３から得られるセンシング値を用いて、定期的に需要家内の使用電力の瞬時値（瞬時電力）を計測する。この計測は例えば１分間隔で行う。ただし、１分は一例であり、それより短くても、また長くてもよい。計測は、サブブレーカを束ねた全体の電力値でもよいし、サブブレーカ単位での電力値でもよい。また、各電化製品にスマートタップを設け、電気機器単位で電力値を計測するようにしてもよい。電力計測器１４は、電力の計測値を消費電力データとして、有線または無線で、ゲートウェイ１５に送る。ゲートウェイ１５は、受信した消費電力データを一時保持し、通信ネットワーク３を介して情報提供サーバ２に有線または無線で送信する。ここでは電力計測器１４は、瞬時電力を計測したが、他の例として、例えば１分間の平均電力、または１分間の消費電力量を計測し、これを消費電力データとして取得しても構わない。

出力装置２２は、情報提供サーバ２から通信ネットワーク３を介して送信される情報を受信し、受信した情報を出力する。出力装置２２は、例えば家庭内に壁等に設置されるタブレット型表示装置、パーソナルコンピュータ（ＰＣ）、モバイル端末（携帯電話、スマートフォン等）、テレビ（ＴＶ）である。出力装置２２は、情報提供サーバ２から提供される情報は、画像データ、テキストデータ、音声データ、またはこれらの任意の組み合わせである。情報提供サーバ２から受信した情報が画像データまたはテキストデータである場合は、表示部に画像またはテキストを表示し、音声データである場合は、スピーカから音声を出力する。

情報提供サーバ２は、データ収集部３１、消費電力データベース（ＤＢ）３２、行動推定部３３、行動履歴ＤＢ３４、情報提供装置４１、入力部５１、出力部５２、提供情報記憶部３７を備える。

データ収集部３１は、家庭で測定された消費電力データを、需要家システム１から通信ネットワーク３を介して収集する。収集の方法として、データ収集部３１が決定したタイミングで、需要家システム１のゲートウェイ１５に要求を行うことで消費電力データを収集してもよい。あるいは、ゲートウェイ１５が消費電力データを送るタイミングを決定し、当該決定したタイミングでデータ収集部３１に接続して、消費電力データをデータ収集部３１に送信してもよい。ここで述べた以外の方法で、消費電力データの収集が行われてもよい。

消費電力ＤＢ３２は、データ収集部３１に接続されており、データ収集部３１によって収集された消費電力データを内部に記憶する。複数のユーザから消費電力データを収集する場合は、ユーザ毎に区分して、消費電力データを記憶する。

行動推定部３３は、消費電力ＤＢ３２に接続されており、消費電力ＤＢ３２内の消費電力データを使用して、対象とするユーザ（以下、対象ユーザ）に対し、予め定めた特定行動が行われたか否かの行動推定を行う。特定行動は、ユーザが生活の中で行い得る各種行動のうち予め定めた行動である。行動推定は、３０分や１分、３０秒など、予め決めた任意の時間単位の各時間帯について、複数の日について行う。これにより、行動推定部３３は、ユーザによる特定行動の発生日時の履歴である行動履歴データを取得する。行動推定部３３は、取得した行動履歴データを行動履歴ＤＢ３４に格納する。行動履歴ＤＢ３４は、行動推定部３３に接続されている。なお、行動推定は、１日の２４時間のすべての時間を対象に行ってもよいし、１日のうちの特定の時間（例えば８：００〜２４：００）のみ行ってもよい。

ここで、特定行動は、行動の有無を推定可能な限り、任意に定めることができる。本実施形態では、一例として、「在宅」に着目する。この場合、行動推定部３３は、対象ユーザの特定行動として在宅の有無を推定する。行動推定部３３は、推定結果を表す行動ラベルを該当する時間帯に設定する。対象ユーザが在宅していると推定すれば「在宅」のラベル、在宅していない推定すれば、「外出」のラベルを設定する。在宅の有無の推定方法としては、例えば閾値を設定し、家庭全体の消費電力値（瞬時電力）が閾値より大きければ「在宅」、そうでなければ「外出」とする方法が使用できる。例えば消費電力データが１分ごとの瞬時電力を示す場合は、ある時間帯に瞬時電力が一度も閾値を超えなければ外出と判断し、一度でも閾値を超えれば在宅と判断する。ここで述べた推定例はあくまで一例であり、消費電力データから行動推定を行う方法であれば、どのような方法を用いてもよい。本例では、特定行動を「在宅」として、在宅の有無を推定したが、特定行動を「外出」とし、外出の有無を推定しても同様の結果を得ることができる。

図３は、行動推定部３３によって生成された行動履歴データの例を示す。

この例では、１日を３０分単位で区切り、各時間帯で、対象ユーザが在宅だったか不在（外出）であったかを、各行で表している。例えば、２０１３年１０月１日の８時０分〜８時３０分は在宅であったため「在宅」の行動ラベルが付与されている。一方、２０１３年１０月１日の１２時３０分〜１３時００分は不在であったため、「外出」の行動ラベルが付与されている。対象ユーザが世帯の場合は、「在宅」は少なくとも１人が在宅であることを意味し、「外出」は全員が不在であることを意味する。ここでは３０分単位で区切った例を示したが、１０秒単位、１分単位、１時間単位など、時間を区切る大きさは任意に設定することが可能である。図３では、ある１日における一部の時間についてのデータが示されているが、実際には複数日分のデータが格納されている。

情報提供装置４１は、行動履歴ＤＢ３４内の行動履歴データを用いて、複数の時間帯について対象ユーザが特定行動を行う可能性の高さを表す評価値をそれぞれ計算する。そして、各時間帯の評価値に基づき、対象ユーザが特定行動を行う時間帯の傾向を把握し、把握した時間帯の傾向を表すプロファイルを対象ユーザに設定する。情報提供装置４１は、設定したプロファイルに応じて、対象ユーザに提供する提供情報を決定する。情報提供サーバ２は、当該決定した提供情報を提供情報記憶部３７から取得し、対象ユーザの出力装置２２に送信する。

情報提供装置４１は、評価値算出部４２、プロファイル設定部４３、属性設定部４４、情報送信処理部４５、入出力ＩＦ３８、および各種記憶部を備え、これらがバスを介して互いに接続されている。 各種記憶部は、評価値記憶部４６、プロファイル候補記憶部４７、プロファイル設定記憶部４８、属性記憶部４９、属性設定記憶部５０である。送信情報処理部４５は、通信ネットワーク３に接続されている。図では送信情報処理部４５とデータ収集部３１が別々に通信ネットワーク３に接続されているように記載されているが、送信情報処理部４５とデータ収集部３１が同一のネットワークインターフェイスにより通信ネットワーク３に接続されてもよい。

情報提供装置４１は、入出力ＩＦ３８により、入力部５１および出力部５２と接続されている。入力部５１は、キーボードやポインティングデバイス、タッチパネルなど、各種指示や指令等の入力を行うための装置である。出力部５２は、入力部５１からの指示に応じて情報提供装置４１から読み出されたデータを表示する表示装置である。表示装置は、液晶表示装置、ＣＲＴ装置、プラズマ表示装置、電子ペーバー等の任意の表示装置である。

評価値算出部４２は、行動履歴ＤＢ３４に接続されており、行動履歴ＤＢ３４内の予め定めた期間の行動履歴データに基づき、対象ユーザが各時間帯で特定行動を行う可能性の大きさを評価する評価値を算出する。評価値算出部４２は、算出した各時間帯の評価値を評価値記憶部４６に格納する。当該評価値を算出する各時間帯は、行動推定を行った各時間帯に一致させてもよい。または、当該評価値を算出する各時間帯が、行動推定を行った各時間帯と異なってもよい。この場合、当該評価値を算出する各時間帯の長さが、行動推定を行う各時間帯の長さと異なってもよい。例えば行動推定を３０分間隔の各時間帯で行い、評価値を１時間間隔の各時間帯で算出してもよい。本例では、行動推定を行う各時間帯と、評価値を算出する各時間帯が一致する場合を想定する。

以下、各時間帯の評価値の算出例を示す。一例として、当該時間帯に対して付与されたラベル総数に対して、特定行動が行われたことを示すラベル（特定行動有りのラベル）が付与された回数の比率により計算される。すなわち、評価値の計算に用いた行動履歴データの日数と、当該時間帯でユーザが特定行動を行ったと判断された日数の比率により計算される。このように計算された評価値を、以下、行動確率と呼ぶ。行動確率が高いほど、特定行動を行う可能性が高いと言える。

行動履歴データの各日のデータに重みを設定することも可能である。例えば時間的に直近の日のデータほど、重みを高くする。例えば１５日分の行動履歴データを用いる場合、１日目の重みを０．９とし、１５日目のデータの重みを１．１とし、１日目から１５日目まで重みを０．９から１．１まで順次増加させる。１日目から１５日目までの重みの総計に対する、特定行動有りのラベルが付与された日の重みの総計の比率を評価値としてもよい。評価値の値が大きいほど、特定行動を行う可能性が高いと言える。

また、評価値の別の計算例として、特定行動有りのラベルが付与された回数（行動回数）そのものを、評価値としてもよい。行動回数が大きいほど、特定行動を行う可能性が高いと言える。

また、評価値は、行動確率や回数といった数値ではなく、ランクでもよい。例えば、０〜１の範囲を複数の区間に分割し、各区間にＲ１、Ｒ２、Ｒ３、・・・ＲＮのように評価ランクを設定する。各区間の大きさは同じでも、異なっても良い。その上で、上記のようにして行動確率を計算し、行動確率の値が属する区間の評価ランクを付与する。ＲＸのＸの値が大きいランクほど、特定行動を行う可能性が高いと言える。

なお、行動推定を行った各時間帯と、評価値を計算する各時間帯が一致しない場合は、評価値を計算する時間帯に重複する、行動推定の時間帯を特定する。特定行動有りのラベルが付与された行動推定の時間帯が１つでも存在する場合は、当該評価値を計算する時間帯に対し、特定行動有りのラベルが付与されていると見なして、上記と同様の処理を行えばよい。

ここで示した計算例は一例であり、ユーザが特定行動を行う可能性の大きさを評価できる限り、他の評価指標を用いてもよい。以下の説明では、評価値として、行動確率を計算する場合を想定する。

ここで、行動確率を計算する際に用いる行動履歴データとして、所定の条件を満たす日または時間のみのデータを用いることも可能である。例えば特定行動が「在宅」で、行動確率として在宅確率を考える。在宅か外出かの傾向は、通常の家庭では、平日と休日で大きく異なると予測される。そこで、平日の行動履歴データのみから平日の在宅確率を算出し、休日の行動履歴データのみから休日の在宅確率を算出することも考えられる。

また、天気、気温、日射量、湿度等の気象状況によって、在宅・外出傾向が異なることも考えられる。このため、例えば、天気ごとに、該当する天気のデータのみ用いて、行動確率（晴天時の在宅確率、雨天時の在宅確率など）を算出することも考えられる。この場合は、行動履歴ＤＢ３４に、行動ラベルだけではなく、天気等の気象情報も合わせて記憶しておくものとする。気象情報は、図示しない外部の気象サーバから取得してもよいし、家庭内に気象センサを設け、当該気象センサから気象情報を、通信ネットワーク３を介して収集してもよい。

図４に、２０１３年１０月１日から２０１３年１０月１５日までの期間を対象に計算した、ユーザＡの平日の在宅確率の例を示す。図４Ａは表形式のデータを示す。図４Ｂはグラフ形式のデータであり、図４Ａのデータをプロットして、各点を滑らかにつないだグラフである。

平日の在宅確率の計算例を以下に示す。２０１３年１０月１日から２０１３年１０月１５日の間に、平日が１０日あるとする。その１０日に対し、３０分刻みの時間帯で、在宅確率を計算する場合を考える。まず、Ｈ時０分〜Ｈ時３０分（ここではＨは８以上２３以下とする）に該当する行動ラベルを１０日間分取り出す。取り出された行動ラベルのうち、「在宅」の行動ラベルの数がＮ個存在する場合、Ｎを１０で除算（Ｎ／１０）することにより、Ｈ時０分〜Ｈ時３０分の時間帯の「在宅確率」を算出できる。同様にして、Ｈ時３０分〜Ｈ＋１時０分の時間帯についても在宅確率を算出できる。なお、在宅確率は一般には小数にて表される。図示の例では、有効桁数は小数点以下１桁であるが、これに限定されるものではない。一例として、有効桁数を、行動ラベル付与の精度によって変えることも可能である。

図５は、図４とは別のユーザＢの行動履歴データを用いて平日の在宅確率を計算した例を示す。図４Ａおよび図４Ｂと同様、図５Ａは表形式のデータであり、図５Ｂはグラフ形式のデータである。計算方法は、図４での説明から自明であるため、説明を省略する。

なお、生活スタイルの一時的な変動により、行動履歴データに他の日との一致率が低い行動ラベルが多くの時間帯で付与される場合がある。例えば、１０日の内、９日は日中不在であったが、１日のみ体調不良で家にいた、という場合がある。このような一時的な変動により得られたデータは、行動確率の計算に用いないことが望ましい。そこで、他の日の多くの時間帯との一致率が低い行動ラベルがある場合は、その日のデータを確率の計算に入れない構成を採用することも可能である。例えば予め設定した数（Ｍとする）以上の時間帯で、他の９日のすべてと行動ラベルが異なる場合は、その日のデータを行動確率の算出に加えないことが考えられる。

プロファイル候補記憶部４７は、特定行動が発生する時間帯の傾向を表す複数のプロファイル候補と、各プロファイル候補を選択するための複数の選択条件とを対応づけたプロファイル候補データを格納している。プロファイル候補データは、例えばテーブル形式を有し、本実施形態では、プロファイル候補データは、プロファイル候補テーブルであるとする。選択条件は、予め定めた１つまたは複数の時間帯について評価値の制約を定めた条件である。当該選択条件が満たされる場合、該当するプロファイル候補をユーザのプロファイルとして選択可能であることを意味する。プロファイル候補記憶部４７の内容は、入力部５１を介してオペレータによって登録および更新するようにしてもよい。

図６にプロファイル候補記憶部４７に記憶されたデータ例を示す。ここでは特定行動が「在宅」の場合のデータ例が示される。テーブルの左列には、「日中外出」、「日中在宅」、「日中・夜ともに不在」、「昼のみ外出」、「その他」の５つのプロファイル候補が示される。

テーブルの右列には、各プロファイル候補に対応する選択条件が記載されている。例えば「日中外出」に対する選択条件は、“１０：００〜１８：００の在宅確率が０．２以下”である。これは、１０：００から１８：００の指定時間内の各時間帯において在宅確率が０．２以下であることを要求している。この条件が満たされる場合には、対応するプロファイル候補「日中外出」が選択可能であることを意味する。つまり、この選択条件が満たされる場合、ユーザが特定行動（在宅）を行う時間帯の傾向として、日中外出する傾向があると把握できる。

また、「昼のみ外出」に対する選択条件は、“１１：００〜１６：００の在宅確率が０．５以下、かつ１０：００〜１８：００で０．８以上の時間帯の個数が１以上”となっている。これは、１１：００から１６：００の指定時間内の各時間帯において在宅確率が０．５以上であり、１０：００〜１８：００の指定時間内で、在宅確率が０．８以上の時間帯が少なくとも１つ存在することを意味している。つまり、この選択条件が満たされる場合、ユーザが特定行動（在宅）を行う時間帯の傾向として、専ら昼のみに外出する傾向があると把握できる。

図６の例では、行動確率（在宅確率）を用いて選択条件を記述しているが、評価値を評価ランクで算出する場合は、選択条件も評価ランクを用いて記述すればよい。たとえば評価ランクがＲ８〜Ｒ１０のいずれかであることを要求する場合は、「評価ランク＝“Ｒ８”ＯＲ“Ｒ９”ＯＲ“Ｒ１０”」のように記述してもよい。

プロファイル設定部４３は、評価値算出部４２で算出された対象ユーザの時間帯別の行動確率（評価値）の時系列での軌跡の形状に基づいてユーザのプロファイルを設定する。対象ユーザの時間帯別の評価値の時系列での軌跡の形状とは、例えば横軸を時間、縦軸を評価値とする座標系に対象ユーザの時間帯別の評価値を展開したときの各データ点の軌跡の形状である。ここでは、プロファイル設定部４３は、対象ユーザの時間帯別の行動確率（評価値）がプロファイル候補記憶部４７に記憶された各プロファイル候補の選択条件を満たすかを判定する。プロファイル設定部４３は、選択条件が満たされるプロファイル候補を検出し、検出したプロファイル候補をユーザのプロファイル（ここでは在宅プロファイル）として設定する。より詳細に、プロファイル設定部４３は検出部３９ａと設定部３９とを備え、検出部３９ａは、プロファイル候補記憶部４７に記憶された各プロファイル候補の選択条件うち、対象ユーザの時間帯別の行動確率が満たす選択条件に対応するプロファイル候補を検出する。設定部３９ｂは、検出部３９ａが検出したプロファイル候補をユーザのプロファイルとして設定する。上述したように選択条件が複数の時間帯について評価値に関する制約を定めたものであることから、対象ユーザの時間帯別の評価値を、選択条件と比較することで、当該時間帯別の評価値の時系列での軌跡の形状を評価することができる。

図６に示したデータ例を用いて、ある対象ユーザが「日中外出」の選択条件を満たすか否かを判定する例を示す。まず、対象ユーザについて、１０：００〜１０：３０、１０：３０〜１１：００、１１：００〜１１：３０、…、１７：３０〜１８：００の全ての各３０分の時間帯について、在宅確率（評価値）が、０．２以下であるかを判定する。これらの各時間帯でいずれも在宅確率が０．２以下である場合には、選択条件が満たされる。よって、この場合、「日中外出」のプロファイル候補を検出する。他のプロファイル候補の選択条件についても同様にして判定を行い、選択条件を満たすプロファイル候補をすべて検出する。

例えば図４Ａに示したユーザＡの在宅確率の場合では、「日中外出」の選択条件は満たされるが、「日中在宅」等、他のプロファイル候補の選択条件は満たされない。一方で、図５に示したユーザＢの在宅確率の場合、「日中在宅」の選択条件は満たされるが、「日中外出」等、他のプロファイル候補の選択条件は満たされない。これらユーザＡおよびユーザＢの場合の条件判定結果をまとめたものを図７に示す。「Ｙｅｓ」は、選択条件が満たされたことを意味し、「Ｎｏ」は選択条件が満たされないことを意味する。

図８に、プロファイル候補記憶部４７に記憶された他のデータ例を示す。

「日中外出」「日中在宅」「昼のみ外出」「その他」のプロファイル候補と、各プロファイル候補の選択条件が示される。図６と比べて、各プロファイル候補の選択条件の定義が異なっている。また、図６では存在した「日中・夜ともに不在」のプロファイル候補および選択条件が、図８ではなくなっている。

図８では、「日中外出」の選択条件が、図６に示したものよりも緩和されている。図６では、時間１０：００〜１８：００において各時間帯の在宅確率が全て０．２以下である必要があった。これに対し、図８では、１０：００〜１８：００において、在宅確率が０．２より大きい時間帯が存在しても、その時間帯の個数が２以下であれば、選択条件が満たされる。

これは、突発的なイベントなどによる一時的な行動の変動を考慮し、合理的な範囲で条件を緩めたものである。例えば平日１０日間のうち、７日間は１０：００〜１８：００で不在であったとする。残り３日については、２日は風邪などで１０：００〜１８：００に在宅、残り１日は、用事のため日中１２：００に一旦家に帰ったとする。この場合、この１０日間で、１２：００〜１２：３０の在宅確率は０．３となる。この値は、０．２より大きいため、図６の例では、「日中外出」の選択条件は満たされない。一方で図８の例では、０．２より大きい時間帯が存在しても、そのような時間帯の個数が２つまで許容されている。よって、図８の例では、「日中外出」の選択条件は満たされる。

「昼のみ外出」のプロファイル候補についても、上記と同様の理由で、図６の場合に比べて、選択条件を緩和している。具体的に、図８の例では、１１：００〜１６：００の間において、在宅確率が０．５より大きい時間帯を２つまで許容している。

「日中在宅」のプロファイル候補についても、図６の例に比べて、図８の例では、１５：００〜１８：００の間に制約が設けられていない。つまり、この間の各時間帯の在宅確率は、任意の値でよい。これは、１５：００〜１８：００の間は、食材の買い物などで不在にすることを想定したものである。食材の買い物など、例えば専業主婦が日常的に行う行動による不在を無視して、在宅傾向を知りたい場合には、このような選択条件を用いることが可能である。このように、プロファイル候補の選択条件は、最終的にどのようなユーザに、どのようなプロファイルを付与したいかで決定すればよい。

また、図８の「日中在宅」に対する選択条件では、１１：００〜１５：００と１８：００〜２０：００を合わせた時間で、各時間帯の在宅確率の平均が０．７以上となっている。平均を見ることで、突発的な行動の変化を考慮して、制約を緩めている。これにより、例えば、上記合わせた時間の間のほとんどの時間帯では在宅確率１．０であるが、ある時間帯だけ、在宅確率が０．７を下回り０．６になるなどの行動の変化が起こった場合も、「日中在宅」のプロフィール候補を検出できる。

これまで図６と図８を用いて、選択条件の例をいくつか示してきたが、より一般的に選択条件は以下のルールで記述できる。なお、これらのルールは一例を示したものに過ぎず、ここに示したルールが全てとは限らない。以下では、Ｘ，Ｙ，Ｐ，Ｎを用いて、選択条件を一般的に記述しているが、これらの値は、選択条件間で異なる値であってもよい。また、「以上／以下」は、「以上」と「以下」のどちらか一方を選択的に使用することを意味する。

ルール１：時刻Ｘ〜Ｙの指定時間内の各時間帯の行動確率がすべてＰ以下／以上
ルール２：時刻Ｘ〜Ｙの指定時間内の各時間帯の平均の行動確率がＰ以下／以上
ルール３：時刻Ｘ〜Ｙの指定時間内で行動確率がＰ以上／以下の時間帯の個数がＮ以上／以下
ルール４：時刻Ｘ〜Ｙの指定時間内の各時間帯の行動確率が時間に応じて増加／減少する
ルール５：ルール１〜４において、指定時間を時間的に連続しない複数の時間としたもの。例えば時刻Ｘ〜Ｙの時間と、時刻Ｗ〜Ｚの時間を併せたものを指定時間とするなど（ただし、Ｙ＜Ｗとする）。
ルール６：ルール１〜５で生成した選択条件を２つ以上組み合わせて、論理積（ＡＮＤ）で結合したもの。
ルール７：ルール１〜６で生成した選択条件を２つ以上組み合わせて、論理和（ＯＲ）で結合したもの。

ルール１は、特定行動が指定時間内において高確率で継続していることを要求する場合に有効である。あるいは特定行動が確率的にほとんど指定時間内に発生しないことを要求する場合に有効である。図６に示した「日中在宅」または「日中外出」の選択条件は、これらの場合に該当する。

ルール２は、行動確率そのものではなく、行動確率の平均を見ることで、ほとんどの時間帯で行動確率１．０だが、ある時間帯のみ行動確率が所定値を下回るといった場合を許容する場合に有効である。突発的なイベント等に起因する人間の行動の変動をある程度許容したい場合に、ルール１の代わりとしてルール２を使用できる。

ルール３は、ルール１に対する例外を、Ｎ個以下／以上の時間帯だけ認めるものである。突発的なイベント等に起因する人間の行動の変動をある程度許容したい場合に、ルール１の代わりとしてルール２を使用できる。

ルール４は、行動発生が指定時間内に１回発生するかを確認する場合に有効である。

例えば、行動確率が指定時間内で徐々に増加している場合、その行動の発生確率が指定時間内で徐々に高まっていることを示している。例えば、１６時まで在宅確率は０で、その後、２０時までには在宅確率が１まで上がるユーザＡとユーザＢがあるとする。ユーザＡでは、１６時直後から２０時直前の間の在宅確率は、０．１から０．９まで線形に単調増加しているとする。これは、ユーザＡの家では、１６時から２０時の間に居住者が帰宅しているが、その帰宅時間が１６時から２０時の間で決まっておらず不安定であると考えられる。一方で、ユーザＢでは、１６時から２０時の間に、０．１と０．９の在宅確率が交互に現われるとする。これは、ユーザＢの家の居住者は、一旦帰宅してから外出を繰り返すような家（例えば家に帰ってから外食やクラブ活動に出かける、など）であると考えられる。

ユーザＡのような帰宅時間は一定であるが、１６時から２０時の間に「不在」から「在宅」に一回のみ変化するような特徴を捉えたい場合、１６時から２０時の間に在宅確率が単調増加するとの条件が使用できる。一方、ユーザＢでは、在宅確率が０．１と０．９で上下を繰り返し、単調増加にはならないから、このようなユーザは、選択条件を満たさないと判断される。
また、以上で示したような単純に単調増加を見るのではなく、以下のような方法も考えられる。つまり、特定時間帯t1〜t2において、時間帯別行動確率の形状が、小さくは振動していても、同時間帯全体で見ると、一定以上上昇している、というようなルールも考えられる。このようなルールは例えば、以下のような２つの数式で具体的なルール化が可能である。

ただし、ここで、eはある小さな負の数（例えば-0.1）、Ｃはある正の定数（例えば0.6）、とする。この例では、単純な単調増加ではなく、eに負の小さな数を許すことで、時間方向に確率が必ずしも増加せず、少量減少することも許す。しかしt1〜t2の時間帯の最後には、最初に比べてＣより大きな増加をしていることになる。以上のようなルールは、先に述べた単調増加を見るルールの代わりとして用いることが可能である。

減少についても、増加の場合と同様にして、例えば指定時間内に１回、「在宅」から「不在」となるような特徴を捉えたい場合には、指定時間に在宅確率が減少するとの選択条件を使用できる。この際、単調減少のみならず、増加の場合と同様に、特定時間帯において時間帯別行動確率の形状が、小さくは振動していても、同時間全体で見ると、一定以上下降しているような減少（単調減少でないが、特定時間帯の最後には最初に比べて大きく減少している）するようなルールも可能である。

ルール５は、連続しない２つ以上の時間を考慮したい場合に有効である。

ルール６およびルール７は、より複雑な条件を考慮したい場合に用いて有効である。

プロファイル設定部４３の設定部３９ｂは、上述のようにして検出部３９ａによりプロファイル候補記憶部４７から検出されたプロファイル候補を、対象ユーザのプロファイルとして設定する。プロファイル設定部４３の設定部３９ｂは、当該対象ユーザに設定したプロファイルをプロファイル設定記憶部４８に登録する。

図１０に、ユーザＡ，Ｂ、Ｃに設定したプロファイルのデータ例を示す。この例では、ユーザＡは「日中外出」、ユーザＢは「日中在宅」、ユーザＣは「その他」のプロファイルが設定されている。

なお、複数のプロファイル候補が選択された場合は、検出した全てのプロファイル候補を、対象ユーザのプロファイルとして設定してもよいし、以下のようにしてもよい。

例えば、プロファイル候補間に包含関係があるときは、広い方のプロファイル候補のみを対象ユーザのプロファイルとして設定する。例えば、ある対象ユーザに対して「日中外出」と「日中夜外出」のプロファイル候補が検出された場合を考える。この場合、「日中夜外出」は「日中外出」を包含すると考えて、「日中夜外出」のみを設定する。このような処理を行う場合、プロファイル候補間の包含関係をプロファイル候補記憶部４７に登録しておく。

また、各プロファイル候補に優先順位を事前に設定しておき、優先順位の高いプロファイル候補を所定個数特定して、対象ユーザのプロファイルとして設定する方法も可能である。所定個数は１でもよいし、２以上でもよい。図９に、「在宅」（または「外出」）の特定行動に関する各プロファイル候補に優先順位を設定したテーブルの例を示す。この優先順位テーブルは、プロファイル候補記憶部４７に登録しておく。この例では、「日中・夜ともに不在」の優先順位が最も高くなっている。上述した包含関係を利用したプロファイル設定を、この優先順位テーブルを利用して実現することも可能である。

属性記憶部４９は、複数のプロファイルと、提供情報の情報属性とを関連づけた属性データを記憶している。属性データは、例えばテーブル形式を有し、本実施形態では、属性データは属性テーブルであるとする。属性記憶部４９は、入力部５１を介してオペレータによって登録および更新を可能にしてもよい。

図１１に、属性テーブルの例を示す。「在宅」（または「外出」）の特定行動に関する各プロファイルに情報属性が設定されている。

「日中在宅」のプロファイルに対しては、情報属性として、「新鮮食材」、「日用品」、「子ども用品」が設定されている。これは、このプロファイルを有するユーザは、家庭に専業主婦がいる可能性が高いと考えられ、これらの属性を有する情報を提供情報とすることが有効であるためである。

また、「日中・夜ともに不在」のプロファイルに対しては、情報属性として、「ランチクーポン」、「ディナークーポン」、「ホームキーパー」、「健康相談」が設定されている。これは、このプロファイルを有するユーザは、忙しい単身ビジネスマンまたは共働きである可能性が高いと考えられ、これらの属性を有する情報を提供情報とすることが有効であるためである。

また、「昼のみ外出」のプロファイルに対しては、情報属性として、「ランチクーポン」や、「高級化粧品」、「宝石」が設定されている。これは、このプロファイルを有するユーザは、日常的にランチに出かける専業主婦がおり、外食する余裕がある比較的裕福な家庭である可能性が高いと考えられ、これらの属性を有する情報を提供情報とすることが有効であるためである。

なお、図１１の例では、情報属性は、主に、商品やサービスに関する営利目的の広告情報の属性であるが、これ以外にも、各種政府や地方公共団体の機関の広告など、非営利目的の広告情報の属性でもよい。また、広告以外にも、ヘルスケアのアドバイスに関する情報属性でもよい。

属性設定部４４は、属性記憶部４９内の属性テーブルに基づき、プロファイル設定部４３によって設定されたプロファイルに対応する情報属性を特定し、特定した情報属性を対象ユーザに対して設定する。対象ユーザに「日中外出」というプロファイルが設定されている場合、図１１の例では、「ランチクーポン」、「ホームキーパー」の２つの情報属性を特定し、対象ユーザに設定する。

属性設定部４４は、対象ユーザに対して設定した情報属性を、当該対象ユーザに設定されたプロファイルとともに属性設定記憶部５０に登録する。属性設定記憶部５０は、ユーザ毎にプロファイルと情報属性とを保持する設定テーブルを記憶している。

図１２にユーザＡ、Ｂ、Ｃに設定された情報属性の例を示す。例えば、ユーザＡには「ランチクーポン」と「ホームキーバー」の情報属性が設定されている。

提供情報記憶部３７は、情報属性と、提供情報と、情報詳細とを関連づけて、情報提供テーブルとして保持する。当該提供情報は、ユーザに実際に送信するデータに相当する。情報詳細は、当該提供情報の内容の解説である。なお、提供情報のフィールドには、実際に送信するデータへのポインタを格納し、ポインタが示すメモリ領域からデータを読み出して送信するようにしてもよい。なお、情報詳細フィールドのテキストを出力装置２２に送信してもよい。この場合、出力装置２２がこのテキストを表示することで、ユーザが提供情報の内容をより細かく理解できる。提供情報記憶部３７の内容は、入力部５１を介してオペレータによって登録および更新するようにしてもよい。

図１３に、提供情報記憶部３７が記憶する情報提供テーブルの例を示す。情報属性として、２つの「ランチクーポン」と、「ディナークーポン」と、「ホームキーバー」が登録されている。さらに、これらの属性に対応する提供情報としてのデータと、情報詳細とが登録されている。例えば、一行目の「ランチクーポン」の情報属性に対して、提供情報として「○○バーガーのランチクーポン」のデータが格納されている。このクーポンの内容が、ランチ時１０％割引であることが、情報詳細フィールドに記述されている。

対象ユーザに送信する提供情報は、テキストデータ、画像データ、音声データのいずれでもよいし、これらの組み合わせでもよい。例えば画像とテキストを組み合わせたＨＴＭＬデータでもよい。ＨＴＭＬデータに特定のＵＲＩへのリンクを含め、ユーザの出力装置２２からＵＲＩへアクセスすることで、使用するクーポンにアクセスするようにしてもよい。
なお、図１２のユーザＣのように、ユーザに設定されたプロファイルが「その他」の場合は、情報属性を設定しなくてもよいし、予め用意された情報属性の候補の中からランダムに選択して設定してもよい。

情報送信処理部４５は、対象ユーザに設定された情報属性を属性設定記憶部５０から読み出す。情報送信処理部４５は、読み出した情報属性に基づき、対象ユーザに提供する提供情報を提供情報記憶部３７から１つまたは複数選択する。情報送信処理部４５は、選択した提供情報を提供情報記憶部３７から取得し、対象ユーザの出力装置２２に送信する。なお、各ユーザの出力装置２２のアドレスは、事前に登録されている。ユーザが複数の出力装置を有する場合は、複数の出力装置に提供情報を送信してもよい。例えばユーザが３人家族の世帯であり、３人がそれぞれ出力装置を有している場合に、各人に提供情報を提供できる。情報送信処理部４５は、出力装置２２から情報提供の要求を受けたときにのみ、提供情報を出力装置２２に送信するようにしてもよいし、定期的に送信するようにしてもよい。また、出力装置２２への情報提供は通信ネットワーク３を介して行われるため、必ずしもユーザが所有する装置ではなく、ユーザに関連する人物や組織が所有する装置に送信しても良い。すなわち、情報送信処理部４５は、ユーザが所有する装置またはユーザに関連する人物や組織が所有する装置（ユーザに関連する出力装置）に対して提供情報を送信する。例えば、ユーザが２人暮らしの老夫婦であり、「ユーザの子」が離れて暮らしている場合に、ユーザの暮らしぶりを示すためにプロファイル情報を子に示し、また、関連サービスの情報を提供することは有益な場合が考えられる。この場合に、「ユーザの子」用の情報提供テーブルを別に用意し、子にはユーザ（親）のサポートを助けるような情報を提供しても良い。例えば、ユーザ（親）が「日中不在」であれば、子には「ホームセキュリティ」を推薦してもよい。同様に、ユーザが１人暮らしをしている学生だった場合に、その親に子の暮らしぶりの情報をプロファイル情報を通して届けることも考えられる。

図１３の情報テーブル例では、１行目の「ランチクーポン」、２行目の「ランチクーポン」、４行目の「ホームキーパー」の３つの項目が、ユーザＡの情報属性（図１２）に適合する。このため、情報送信処理部４５は、一例として、これら３つの項目に対応する提供情報をすべて選択する。または、適合する項目が複数の場合は、１つの項目をランダムに選択してもよい。

または、ユーザに設定された情報属性が複数の場合は、情報テーブルにアクセスする前に、まず１つの情報属性をランダムに選択し、情報テーブルにおいて、当該選択した情報属性に合致する項目に対応する提供情報を選択してもよい。この際、選択した情報属性に合致する項目が複数存在するときは、ランダムに１つの項目を選択してもよい。例えば「ランチクーポン」と「ホームキーバー」の情報属性がユーザに設定されている場合、「ランチクーポン」と「ホームキーバー」のうちの１つをランダムに選択する。「ランチクーポン」が選択された場合は、情報テーブルから「ランチクーポン」に合致する項目を特定する。図１３の例では、「ランチクーポン」に合致する項目が２つ存在するため、いずれか１つの項目をランダムに選択する。

ここではランダムに提供情報を選択する場合を示したが、これ以外にも、ユーザの性別などに応じて提供情報を選択することも考えられる。この場合、出力装置のアドレスとユーザの性別を予め対応づけて管理しておく。または、提供情報の更新日時を情報テーブルで管理し、最新日時の提供情報を優先的に選択する方法も可能である。

図１に示した情報提供サーバ２または情報提供装置４１は、例えば、図１４に示すように、汎用のコンピュータ装置を基本ハードウェアとして用いることでも実現することが可能である。このコンピュータ装置２００は、バス２０１に制御部（プロセッサ）２０２、主記憶部（メモリ）２０３、ハードディスク等の補助記憶部２０４が接続されている。また外部ＩＦ２０５を介して記憶媒体２０６が接続され、入出力ＩＦ２０７を介して入力部５１または出力部５２に接続可能になっている。情報提供サーバ２または情報提供装置４１の各処理ブロックは、上記のコンピュータ装置に搭載されたプロセッサ２０２にプログラムを実行させることにより実現することができる。このとき、情報提供サーバ２または情報提供装置４１は、上記のプログラムをコンピュータ装置の主記憶部２０３または補助記憶部２０４にあらかじめインストールすることで実現してもよいし、ＣＤ−ＲＯＭなどの記憶媒体２０６に記憶して、あるいはネットワークを介して上記のプログラムを配布して、このプログラムをコンピュータ装置に適宜インストールすることで実現してもよい。また、情報提供サーバ２または情報提供装置４１内の各記憶部は、上記のコンピュータ装置に内蔵あるいは外付けされた主記憶部２０３、補助記憶部２０４もしくはＣＤ−Ｒ、ＣＤ−ＲＷ、ＤＶＤ−ＲＡＭ、ＤＶＤ−Ｒなどの記憶媒体２０６などを適宜利用して実現することができる。

図２は、本実施形態に係る情報提供サーバ２の動作を示すフローチャートである。

（ステップＳ１０１）行動推定部３３が、消費電力ＤＢ３２内の消費電力データを使用して、対象ユーザについて、一定時間幅の時間帯ごとに、特定行動の有無につき、行動推定を行う。行動推定部３３は、推定結果を表す行動ラベルを該当する時間帯に付与する。これにより、行動推定部３３は、ユーザによる特定行動の発生日時の履歴を表した行動履歴データを得る。行動推定部３３は、取得した行動履歴データを、行動履歴ＤＢ３４に保存する。

（ステップＳ１０２）評価値算出部４２が、対象ユーザの行動ラベルのセットを使用して、各時間帯でユーザが特定行動を行う可能性の高さを表す評価値（行動確率等）をそれぞれ算出する。評価値算出部４２は、算出した評価値を、当該時間帯に関連づけて評価値記憶部４６に保存する。

（ステップＳ１０３）プロファイル設定部４３の検出部３９ａが、評価値算出部４２により算出された評価値が、各プロファイル候補の選択条件を満たすかどうか検査する。

（ステップＳ１０４）プロファイル設定部４３の設定部３９ｂが、各プロファイル候補のうち、検出部３９ａにより選択条件が満たされると判断されたプロファイル候補を選択し、選択したプロファイル候補を対象ユーザのプロファイルとして設定する。プロファイル設定部４３の設定部３９ｂは、設定した内容をプロファイル設定記憶部４８に格納する。

（ステップＳ１０５）属性設定部４４が、属性記憶部４９に記憶されたプロファイル別の情報属性を表す属性テーブルに基づき、対象ユーザに設定されたプロファイルに応じた情報属性を選択する。属性設定部４４は、選択した情報属性を対象ユーザに設定する。属性設定部４４は、設定した内容を属性設定記憶部５０に保存する。

（ステップＳ１０６）情報送信処理部４５が、対象ユーザの情報属性に基づき、対象ユーザに提供する提供情報を提供情報記憶部３７から選択する。情報送信処理部４５は、選択した情報を提供情報記憶部３７から読み出して、対象ユーザの出力装置２２に送信する。

なおステップＳ１０１の開始前に、オペレータが入力部５１を用いて、プロファイル候補記憶部４７または属性記憶部４９を登録または更新するステップを追加してもよい。

また本フローは、２週間に一回など定期的に実行してもよいし、入力部５１および出力部５２のオペレータが任意のタイミングで指示を入力することで実行してもよい。ステップＳ１０６の情報提供のステップを、ステップＳ１０１〜Ｓ１０５とは分離したタイミングで実行してもよい。例えばステップＳ１０１〜Ｓ１０５を２週間に一回行い、ステップＳ１０６の情報提供を毎日１回行っても良いし、出力装置２２から情報提供の要求が情報送信処理部４５にあったときにのみに行っても良い。

本実施形態では、図１に示したように、消費電力データを収集するデータ収集部３１、消費電力データを記憶する消費電力ＤＢ３２、行動推定を行う行動推定部３３、行動履歴データを記憶する行動履歴ＤＢ３４、提供情報を記憶する提供情報記憶部３７等は、情報提供装置４１とともに、１つのサーバで構成される例を示した。変形例として、これらの処理部を複数のサーバに分散することも可能である。

図１５に、図１の情報提供システムの変形例を示す。この例では、提供情報記憶部が提供情報記憶サーバ６１に置換され、データ収集部と消費電力ＤＢが消費電力収集サーバ６２に置換され、それぞれ通信ネットワーク３に接続されている。情報提供サーバ２の行動推定部３３が、通信ネットワーク３を介して消費電量収集サーバ６２と通信することで、行動推定を行うために必要な消費電力データを取得する。また、通信ネットワーク３を介して情報送信処理部４５が提供情報記憶サーバ６１と通信することで、ユーザに提供する提供情報を取得する。行動推定部３３と行動履歴ＤＢ３４も単独の行動推定サーバとして、通信ネットワーク３に配置してもよい。この場合、情報提供装置４１は通信ネットワーク３を介して、行動推定サーバから行動履歴データを取得する。このようにサーバを分散配置する場合、各サーバはそれぞれ異なるネットワークに配置されてもよい。例えば消費電力収集サーバ６２は電力会社側に配置して、需要家と専用のネットワークで接続してもよい。消費電力収集サーバ６２と情報提供サーバ２間や、情報提供サーバ２および提供情報記憶サーバ６１間はインターネット等の広域網を介して接続されてもよい。

以上、本実施形態によれば、在宅等の特定行動の時間帯別の評価値（行動確率等）を求め、当該時間帯別の評価値に応じて、特定行動が発生する時間帯の傾向を表すプロファイルをユーザに設定する。そして、設定したプロファイルに応じて、ユーザに提供する提供情報を決定し、当該提供情報をユーザの出力装置に送信する。これにより、ユーザが特定行動を行う時間帯の傾向を考慮した情報提供が可能になり、よってユーザに適切なあるいは有益な情報提供を行うことが可能になる。
また、本実施形態によれば、１日の全部または一部を複数の時間帯に区切り、時間帯ごとに行動確率を評価し、ユーザにプロファイルを設定する。よって、時間帯に区切らないで、１日の全部または一部の全体で、行動確率を評価する場合に比べて、精度の良いあるいは粒度の高いプロファイル設定が可能なる。例えば６：００〜７：００はほぼ毎日外出するが、それ以外の時間帯はすべて在宅している場合、１日全体で特定行動が起こる可能性を評価しようとすると、毎日外出することから、外出の傾向があると判断され、外出傾向有りのプロファイルが設定できるのみである。これに対して、本実施形態では時間帯別に区切って行動確率を評価するため、６：００〜７：００は外出するが、これ以外の時間帯は在宅の傾向にあることを反映したプロファイル（たとえば「早朝のみ外出」）の設定も可能となる。このように本実施形態では、特定行動の行動確率が時間帯に依存することに着目し、これを利用して有効な情報提供を可能にする、精度の高いプロファイル設定を実現する。

なお、本実施形態では、プロファイル候補データの例として、プロファイル候補と選択条件を対応付けたテーブルを設け、選択条件を満たすプロファイル候補をテーブルから検出して、ユーザのプロファイルとして設定した。別の例として、プロファイル候補データをテーブル形式ではなく、ＩＦ−Ｔｈｅｎ形式等のプログラムで表現してもよい。たとえばＩＦ（選択条件）Ｔｈｅｎ（プロファイル候補）のようなＩＦ−Ｔｈｅｎ命令を、各プロファイル候補に応じて作成し、これらを順次実行することで、選択条件を満たすプロファイル候補を検出してもよい。ここで、ＩＦ（選択条件）Ｔｈｅｎ（プロファイル候補）は、選択条件が満足される場合は、Ｔｈｅｎ以下のプロファイル候補を検出することを意味する命令であるとする。

（第２の実施形態）
本実施形態では、第１の実施形態とプロファイルの設定方法が異なる。本実施形態のブロック図は第１の実施形態と同じ図１であり、以下、第１の実施形態との差分を中心に説明する。

本実施形態では、時間帯別の基準値を表す基準データを複数用意し、各基準データにはプロファイル候補を対応づけて、プロファイル候補データ（プロファイル候補テーブル）とする。評価値算出部４２により算出したユーザの時間帯別の評価値と、各基準データに示される時間帯別の基準値との差分に応じて、各基準データの類似度を算出する。類似度は、ユーザの時間帯別の評価値の時系列での軌跡の波形と、基準データの時間帯別の基準値の時系列での軌跡の波形の近似の度合いを表す。類似度が高いほど、両波形は近似している。類似度が高いとは、類似度の計算式の定義によって値が小さい場合と大きい場合のいずれもあり得るが、本実施形態では、類似度の値が小さいほど、類似度が高い場合を示す。類似度を算出することで、ユーザの時間帯別の評価値の時系列での軌跡の波形を評価することができる。本実施形態では、上述のようにして算出した各基準データの類似度に基づき、基準データを１つまたは複数特定し、特定した基準データに対応するプロファイル候補を、ユーザのプロファイルとして設定する。以下、本実施形態の詳細を説明する。

プロファイル候補記憶部４７は、時間帯別の基準値を表す複数の基準データと、複数のプロファイル候補を対応づけたプロファイル候補データ（プロファイル候補テーブル）を記憶する。本実施形態の評価値は、第１の実施形態と同様、行動確率（特に在宅確率）であり、これに合わせて基準値が基準確率である場合を想定する。

図１６Ａおよび図１６Ｂに、基準データの一例を示す。図１６Ａは表形式のデータであり、図１６Ｂは、図１６Ａのデータをグラフ形式に変換したものである。

図１６Ａの例は、８：００〜１８：００までの３０分の時間帯ごとの基準確率を表している。

プロファイル設定部４３の検出部３９ａは、評価値算出部４２により算出した時間帯別の行動確率と、各基準データに示される時間帯別の基準確率との差分の絶対値の合計により、類似度を計算する。

以下に、時間帯t1〜時間帯t2までの時間帯を対象に、類似度を計算する式の例を示す。Xtは時間帯tでのユーザの行動確率、Ytは時間帯tでの基準確率である。

プロファイル設定部４３の検出部３９ａは、式１により計算した類似度を、閾値Ｃと比較し、閾値Ｃ以下である基準データを特定する。プロファイル設定部４３の設定部３９ｂは、特定した基準データに対応づけられたプロファイル候補を、ユーザのプロファイルに決定する。複数の基準データが特定された場合は、これらの基準データに対応するプロファイル候補をすべてユーザのプロファイルに決定してもよい。あるいは、第１の実施形態と同様に、任意の方法で１つの基準データを選択してもよいし、優先度の高い上位の所定個数の基準データを選択してもよい。

なお、変形例として、時間帯に重み付けを行って、以下の式２のようにしてもよい。Atは時間帯tの重みである。式１はすべての時間帯の重みが１の場合に相当する。

本実施形態で示した方法は、例えば、基準となるユーザがおり、そのユーザと同じまたは近い行動確率の分布を持っているユーザに、特定のプロファイルを付与したい場合などに有効である。

なお、本実施形態は第１の実施形態と組み合わせることもできる。例えば、「日中在宅」のプロファイル候補に対しては第１の実施形態の選択条件を満たすかを判定し、「日中不在」のプロファイル候補に対しては、本実施形態の方法で類似度が閾値Ｃ以下かを判定する。

（第３の実施形態）
第１の実施形態では、特定行動として「在宅」を扱い、ユーザに設定するプロファイルの種類として、在宅プロファイルを扱った。これに対し、本実施形態では、特定行動として「調理」、「洗濯」を加え、プロファイルも、在宅プロファイルに加え、調理プロファイルと洗濯プロファイルを追加する。すなわち、ユーザに３種類のプロファイルを設定する。そして、ユーザに設定した３つのプロファイルの組に応じて、ユーザに提供する提供情報を決定する。なお、本実施形態は第１の実施形態を拡張した例で説明するが、第２の実施形態も同様にして拡張可能である。

以下、本実施形態の詳細について説明する。本実施形態のブロック図は、第１の実施形態と同じ図１である。

行動推定部３３は、対象ユーザについて、在宅の有無に加えて、調理の有無と、洗濯の有無を推定する。

調理の有無を推定するために、消費電力ＤＢ３２の消費電力データに基づき、一定時間ごとのキッチン電力量を取得する。キッチン電力量は、家庭の調理機器（ＩＨ調理器、オーブンレンジ、瞬間湯沸かしポット、キッチン換気扇等）が繋がっているキッチン全体の消費電力量である。キッチン電力量は、調理機器がつながっているサブブレーカ１２からキッチン全体の消費電力（瞬時電力）を取得し、これを一定時間毎に積分することで計算できる。図１７に、一定時間毎の時間帯のキッチン電力量の例を示す。

行動推定部３３は、各時間帯のキッチン電力量を所定値と比較し、キッチン電力量の方が大きい場合は、調理が行われたと推定する。行動推定部３３は、キッチン電力量が所定値以下の場合は、調理が行われなかったと推定する。図１８に、調理の有無の推定結果の例を示す。

一般に調理機器は、待機電力がない（あっても非常に微量で電力センサ感度の閾値より小さい）ことから、上記の所定値は、非常に小さい値（例えば０）に設定してもよい。ただし、待機電力がセンサ感度の閾値より大きいことも想定する場合には、調理機器の定格の待機電力を考慮した閾値を設定してもよい。待機電力は、市販の調理機器の値を参考にして、これらのうちの最大値や平均値を採用してもよいし、予めユーザアンケート等を行うことで取得してもよい。

調理の有無と同様にして、洗濯機の消費電力データから洗濯の有無も推定できる。他の行動の推定例として、ＴＶの消費電力データからＴＶ視聴の有無などを推定することも可能である。

評価値算出部４２は、第１の実施形態と同様にして、在宅、調理、洗濯のそれぞれの特定行動について、各時間帯の評価値を算出する。各時間帯の評価値は、第１の実施形態と同様して計算する。本実施形態では、それぞれの評価値として、在宅確率、調理確率、洗濯確率を算出する。評価値算出部４２は、各特定行動について算出した評価値（在宅確率、調理確率、洗濯確率）を評価値記憶部４６に格納する。

プロファイル候補記憶部４７には、在宅、調理、洗濯の各特定行動について、複数のプロファイル候補と、各プロファイル候補に対する選択条件が記憶されている。

在宅に関するプロファイル候補および選択条件の例は、第１の実施形態と同様、図６または図８に示したものを用いることができる。

図１９は、調理に関するプロファイル候補および選択条件の例を示す。

図１９では、各選択条件は、指定時間内に含まれる各時間帯の調理確率の合計に基づく制約を表している。例えば「朝昼晩とも調理」に対しては、選択条件は、「５：００〜９：３０の調理確率の合計が０．７以上、かつ、１１：００〜１３：３０の調理確率の合計が０．７以上、かつ、１６：３０〜２１：００の調理確率の合計が０．７以上」となっている。５：００〜９：３０が朝、１１：００〜１３：３０が昼、１６：３０〜２１：００が晩に対応している。確率の合計を用いることで、調理を行う時間帯に多少の変動があっても、調理が朝、昼、晩で行われているのか判断できる。例えば必ず５：００〜９：３０に１回調理を行う２つのユーザがあったとする。一方のユーザは、７：００に調理し、他方のユーザは、７：００と８：００に調理する割合が半々であるとする。この場合、両ユーザとも、５：００〜９：３０の調理確率の合計は１．０となり、いずれも朝の時間帯には調理をすると判断できる。

図２０は、洗濯に関するプロファイル候補および選択条件の例を示す。

図２０では、各選択条件は、全日（０：００〜２４：００）に含まれる各時間帯の洗濯確率の合計を用いて制約を表している。例えば、全日（０：００〜２４：００）における確率の合計が２．０より大きければ、「洗濯多め」に対する選択条件が満たされる（なお、この場合、洗濯を日に平均２回以上していると判断できる）。

プロファイル設定部４３の検出部３９ａは、対象ユーザに対して、各特定行動（在宅、調理、洗濯）の時間帯別の評価値に基づき、各プロファイル候補の選択条件の成否を判定する。

図２１は、ある対象ユーザについて、在宅、調理、洗濯に関し、各プロファイル候補の選択条件の判定結果例を示したものである。「Ｙｅｓ」は、該当する選択条件が満たされ、「Ｎｏ」は、該当する選択条件が満たされなかったことを意味する。

プロファイル設定部４３の設定部３９ｂは、各選択条件の判定結果に基づき、在宅プロファイル候補、調理プロファイル候補、洗濯プロファイル候補をプロファイル候補記憶部４７からそれぞれ１つ選択し、ユーザのプロファイルとして決定する。図２１の例では、各プロファイル種類につき、１つの選択条件が成立するため、選択条件が成立したプロファイル候補をそれぞれ選択すればよい。仮に複数の候補の選択条件が成立した場合は、第１の実施形態と同様にして、１つの候補を選択すればよい。図２２に、ユーザＤ、ユーザＥ、ユーザＦに対して設定した在宅プロファイル、調理プロファイル、洗濯プロファイルの例を示す。

属性記憶部４９は、３種類のプロファイルの組と、ユーザ属性と、情報属性とを対応づけた属性テーブルを記憶している。第１の実施形態と異なり、ユーザ属性が新たに追加されている。ユーザ属性は、該当するプロファイル組から推定されるユーザの世帯属性を表す。複数種類のプロファイルを組み合わせることで、ユーザをより細かく分類できる。これにより粒度の高い情報属性の設定を可能としている。

図２３は、属性記憶部４９に記憶された属性テーブルの例を示す。

例えば、番号１の行では、プロファイル組として「日中外出」、「晩のみ調理」、「洗濯少なめ」が設定されている。また、ユーザ属性として「標準的な共働き／単身」が設定されている。つまり、このようなプロファイル組を設定されたユーザは、日中に勤務し、帰宅後自炊するような、標準的な共働きか単身世帯であると考えられる。このようなユーザには、ランチクーポンやホームキーパー等に関する情報を提供することがふさわしいことから、情報属性として「ランチクーポン」「ホームキーパー」「時間短縮クッキング食材」が設定されている。

番号２の行では、プロファイル組として、「日中在宅」「朝昼晩とも調理」「洗濯多め」が設定されている。また、ユーザ属性として「クッキングママ」が設定されている。このようなプロファイル組を設定されたユーザは、専業主婦がいて、自炊調理をしており、洗濯ものが多い多人数の世帯であると考えられる。このようなユーザには、食材や日用品等に関する情報を提供することがふさわしいことから、情報属性として「新鮮食材」「日用品」「子供用品」が設定されている。

同じ「日中在宅」でも、番号３の行のように、調理プロファイルおよび選択プロファイルが「調理しない」「洗濯少なめ」であれば、リアイヤした老夫婦が暮らしており、調理はせず、例えば奥さんが惣菜や弁当を外で買ってくる、というようなユーザが想像できる。このためユーザ属性として「老夫婦世帯」が設定されている。このようなユーザには、「新鮮食材」ではなく、高齢者向け惣菜やネットスーパーに関する情報を提供するほうがふさわしいことから、情報属性には「高齢者向け総菜」「ネットスーパー」「日用品」が設定されている。

番号４の行では、プロファイル組として「日中・夜ともに不在」、「調理しない」、「洗濯しない」が設定されている。また、ユーザ属性として「ワーカホリック・ビジネスマン」が設定されている。つまり、このようなプロファイル組を設定されたユーザは、単身で、外食志向で、世帯収入高な世帯であると考えられる。このようなユーザには、ランチやディナーのクーポンやホームキーパー、健康等に関する情報を提供することがふさわしいことから、情報属性として「ランチクーポン」「ディナークーポン」「ホームキーパー」「健康相談」が設定されている。

番号５の行では、「昼のみ外出」、「晩のみ調理」、「洗濯多め」が設定されている。また、ユーザ属性として「ミセス・ソーシャル」が設定されている。つまり、このようなプロファイル組を設定されたユーザは、専業主婦がおり、ランチの外食傾向があり、社交的で、世帯収入が高い世帯であると考えられる。このようなユーザには、ランチクーポンや、高級品に関する情報を提供することがふさわしいことから、情報属性として「ランチクーポン」「高級化粧品」「宝石」が設定されている。

以上のように、複数のプロファイル種別を組み合わせることで、ユーザ属性（ユーザの世帯属性）を定義でき、これにより、より適正な情報属性を設定できる。例えば番号２と番号３ではいずれも在宅プロファイルが「日中不在」であるため、第１の実施形態では番号２と番号３に該当するユーザの区別は困難であった。これに対して本実施形態では、プロファイルを複数種類用いることで、番号２と番号３に該当するユーザを区分でき、より細かな情報提供が可能となる。

属性設定部４４は、対象ユーザに設定されたプロファイル組をプロファイル設定記憶部４８から取得し、取得したプロファイル組に応じて、属性記憶部４９の属性テーブルから、該当するユーザ属性と情報属性を特定して、対象ユーザに設定する。具体的に、対象ユーザに対して設定したプロファイル組に含まれる３つのプロファイルのすべてが一致する属性テーブルの行を特定し、特定した行に設定されているユーザ属性と情報属性を、対象ユーザに設定する。属性設定部４４は、対象ユーザに対して設定したユーザ属性および情報属性を、プロファイル組とともに、属性設定記憶部５０の属性設定テーブルに格納する。

例えば、図２２のユーザＤのプロファイル組は、図２３の番号２のプロファイル組と合致する。よって、ユーザＤには、番号２の行に設定されているユーザ属性と情報属性を設定する。一方、ユーザＥのプロファイル組は、番号１のプロファイル組と合致する。よって、ユーザＥには、番号１の行に設定されているユーザ属性および情報属性を設定する。

図２４に、属性設定記憶部５０の属性設定テーブルの例を示す。各ユーザＤ、Ｅ、Ｆに対して設定したユーザ属性および情報属性が、プロファイル組とともに格納されている。

情報送信処理部４５は、対象ユーザに設定されたユーザ属性および情報属性を使用して、対象ユーザに提供する提供情報を決定する。情報送信処理部４５は、決定した提供情報を対象ユーザに送信する。

具体的に、まず、第１の実施形態と同様にして、情報属性に基づいて、対象ユーザに提供する提供情報を提供情報記憶部３７から読み出す。そして、ユーザ属性を利用して、送信する提供情報のフォーマットを変更する。例えば、ユーザ属性が「老夫婦」の場合は、文字フォントの大きさを通常より大きくするよう、送信する提供情報に含まれるフォントサイズの設定を変更する。

ユーザ属性の利用は、フォントサイズの変更に限定されない。例えば情報を送信する時刻を決定するのに利用してもよい。または、提供する提供情報の最大数を定めるのに利用してもよい。例えば「クッキングママ」では、少しでも情報を多く収集して買い物をしたい世帯であると想定して、送信する提供情報の個数の最大値を高くしてもよい。一方、「老夫婦世帯」では、送信する提供情報の個数が多いと煩雑に感じると想定して、送信する提供情報の個数の最大値を低くしてもよい。

なお、ユーザ属性の利用は必須ではなく、情報属性のみを利用して、提供する提供情報を決定してもよい。

以上、本実施形態によれば、ユーザに複数のプロファイルを設定することにより、よりきめ細やかな情報提供を行うことが可能となる。

（第４の実施形態）
図２５に、第４の実施形態に係る情報提供システムのブロック図を示す。

本実施形態では、情報提供サーバ２に対して時刻計時部５５とインタラクション取得部５６が追加されている。インタラクション取得部５６は情報提供装置４１内のバスに接続されている。時刻計時部５５は情報送信処理部４５に接続されている。また行動履歴ＤＢが情報提供装置４１内のバスに接続されている。

時刻計時部は、時刻を計時しており、情報送信処理部４５からの要求に応じて、現在時刻を情報送信処理部４５に通知する。

インタラクション取得部５６は、ユーザの所有する出力装置２２と通信ネットワーク３を介して通信する。インタラクション取得部５６は、提供情報が提供されたユーザが出力装置２２に対して行った操作情報であるインタラクション情報を取得する。なお、インタラクション取得部５６は、情報送信処理部４５またはデータ収集部３１と同一の通信インターフェイスを用いて通信ネットワーク３に接続してもよいし、これらとは別の通信インターフェイスを用いて通信を行ってもよい。

図２６に、提供情報記憶部３７内の情報テーブルの例を示す。

第１の実施形態の情報テーブルから拡張され、「送信時間帯」と「リアルタイム行動」の列が追加されている。

「送信時間帯」は、該当する提供情報をユーザに提供可能な時間帯の条件を定めている。

「リアルタイム行動」は、該当する提供情報をユーザに提供する場合に要求されるユーザの現在の行動の条件を定めている。リアルタイム行動として複数の行動が設定されている場合は、これらのうちいずれか１つの行動が満たされればよい。

送信時間帯とリアルタイム行動の両方の条件が満たされる場合に、該当する提供情報をユーザに提供することが許容される。

情報送信処理部４５が、プロファイル設定記憶部４８に設定されたユーザのプロファイルに基づき、属性記憶部４９の情報属性テーブルから、該当する情報属性を取得する。ここでは、「ランチクーポン」「ホームキーパー」の２つを取得したとする（図１２のユーザＡ参照）。

情報送信処理部４５は、提供情報記憶部３７にアクセスし、図２６に示した情報テーブルにおける「ランチクーポン」、「ホームキーパー」の行を特定する。「ランチクーポン」の行は２つ、「ホームキーパー」の行は１つ特定される。

情報送信処理部４５は、時刻計時部５５から現在時刻を取得する、また、情報送信処理部４５は、行動履歴ＤＢ３４からユーザの現在の行動を得る。現在の行動は、行動履歴ＤＢ３４に記録されている当該ユーザの最新の行動である。ユーザの行動が３０分単位で更新される場合は、最大で直近の３０分以内の行動である。

情報送信処理部４５は、現在時刻と現在のユーザ行動が、情報テーブルで特定した行の送信時間帯とリアルタイム行動の条件を満たすかを検査する。情報送信処理部４５は、両条件が満たされる場合に、該当する行に対応する提供情報を情報テーブルから取得し、ユーザの出力装置２２に送信する。

例えば、現在の行動が「外出」であり、さらに現在時刻が１１：００であれば、２つの「ランチクーポン」の行のそれぞれについて両条件が満たされる。すなわち、送信時間帯が「９：００〜１２：００」であるため、現在時刻１１：００は、送信時間帯の条件を満たす。また、リアルタイム行動は「外出」または「ＴＶ視聴」である。ユーザの現在行動は「外出」であるため、「外出」のリアルタイム行動がマッチし、よって、リアルタイム行動の条件は満たされる。よって、「○○バーガーのランチクーポン」と「そば○○屋のランチクーポン」の２つの提供情報を情報テーブルから取得して、ユーザの出力装置２２に送信する。一方、「ホームキーパー」の行では、送信時間帯が「２０：００ 〜 ２２：００」であり、現在時刻は１１：００であるため、送信時間帯の条件は満たされない。よって「会員募集と特別入会費無料」の提供情報は、ユーザの出力装置２２に送信しない。

情報送信処理部４５は、以上に説明したような、ユーザのプロファイルに基づく情報属性の取得から、情報テーブルでの条件判定および提供情報の送信までの送信ルーチンを、任意のタイミングで行うことができる。例えば、単位時間ごと（例えば１秒おき、２時間おきなど）に、当該送信ルーチンを行ってもよい。

または、以下に説明するタイミングで送信ルーチンを行ってもよい。例えば行動推定部３３でユーザがある行動の有無を推定し、行動履歴ＤＢに推定結果を格納する。情報送信処理部４５は、行動履歴ＤＢから情報送信処理部４５がある行動を実行中かを調べ、実行中であると判定された場合に、当該送信ルーチンを行う。行動推定を一定の周期で行うようにし、これに合わせて一定時間ごとに、行動履歴ＤＢに基づきユーザについて上記ある行動の有無を調べてもよい。ユーザの行動推定の例としては、ユーザが出力装置（ＰＣ等）を操作中か否かを推定してもよい。出力装置を操作中か否かの推定は、例えば後述する第６の実施形態で述べるようにＰＣの操作履歴を取得することで行ってもよい。

上述した２つの方法の両方を用いて、上記の送信ルーチンを行うことも可能である。

インタラクション取得部５６は、情報送信処理部４５が出力装置２２に情報を送信した後、ユーザが出力装置２２に対して行った操作（クリック等）をインタラクション情報として取得する。例えば、ユーザが出力装置２２に表示されたランチクーポンに対して、クーポン使用のためのクリックを行った場合にインタラクション取得部５６にクリックイベントが通知されるように、出力装置２２に送信する提供情報のデータに命令を埋め込んでおく。これにより、インタラクション取得部５６は、ユーザのインタラクション情報を取得する。
インタラクション取得部５６は、取得したインタラクション情報をインタラクション記憶部５７に格納する。この際、インタラクション情報を、ユーザに設定されたプロファイル別に格納してもよい。インタラクション取得部５６は、入力部５１および出力部５２のオペレータの指示に応じて、インタラクション記憶部５７内のインタラクション情報を処理して、処理後のデータを出力部５２へ表示する。例えばプロファイル別のインタラクション情報を統計処理して、統計情報を出力部５２へ表示する。またはインタラクション記憶部５７内のインタラクション情報の一覧を出力部５２へ表示してもよい。

出力部５２のオペレータは、統計情報等を見て、プロファイル候補テーブル、属性テーブル、情報テーブル等の内容が適切かを確認することができる。統計情報の内容として、例えば、プロファイル別のクーポンクリック有無の分布があり得る。

オペレータは、いずれかのテーブルの変更が必要であると判断した場合は、入力部５１を用いて、該当するテーブルを更新してもよい。例えば、情報テーブルの中の送信時間帯やリアルタイム行動の条件を変更してもよい。また、情報テーブルに、新たに提供情報を追加したり、提供情報を入れ替えたりしてもよい。あるいは、プロファイル候補テーブルや属性テーブルを書き換えることで、プロファイル設定や属性設定の動作を調整することもできる。

以上、本実施形態によれば、ユーザの現在の行動や現在時刻に応じた情報提供を行うことが可能になる。また、情報提供に対するユーザのフィードバックをインタラクション情報として取得し、各種テーブルを必要に応じた更新することで、よりユーザに適した情報提供を行うことが可能になる。

（第５の実施形態）
図２７に第５の実施形態に係る情報提供システムを示す。図１と異なり、事業者装置５３が通信ネットワーク３に接続されている。また、需要家から出力装置が除去され、情報提供サーバ２から提供情報記憶部が除去されている。なお、本実施形態の動作を第１〜４の実施形態と組み合わせることも可能であり、この場合は、出力装置および提供情報記憶部を残しておけばよい。

本実施形態では、情報送信処理部４５は、プロファイル設定記憶部４８または属性設定記憶部５０またはこれらの両方に基づき、事業者に提供する情報を生成し、生成した情報を事業者装置５３に送信する。

事業者に提供する情報としては、プロファイル設定記憶部４８または属性設定記憶部５０またはこれらの両方に記憶されたデータをそのものでもよい。

または、これらのデータを統計処理して得られる統計情報を事業者に提供してもよい。これは、プライバシ契約等でデータそのものを提供することが困難な場合にも行うことができる。統計情報の例として、どのようなプロファイルあるいはユーザ属性のユーザが、どの程度いるのかというものがあり得る。

以上、本実施形態によれば、各ユーザに設定したプロファイルに基づく情報を事業者に提供する。事業者は、例えばユーザが真に必要とする情報あるいはサービスの提供を生みだすマーケティングの一環として、当該プロファイルに基づく情報を利用できる。

（第６の実施形態）
第１〜第５の実施形態では、消費電力データからユーザの行動推定を行ったが、本実施形態では、ユーザの機器から、センサ情報や操作履歴を取得して、行動推定を行う。

図２８に、本実施形態に係る情報提供システムのブロック図を示す。第１の実施形態と需要家システムの構成が大きく異なっている。図１には存在した電力分電盤、電力計測器、ゲートウェイ等は配置されていない。需要家宅には、モバイル端末６１、パーソナルコンピュータ（ＰＣ）６２、ウェアラブルデバイス６３の少なくとも１つが配置されている。ユーザは、モバイル端末６１、パーソナルコンピュータ（ＰＣ）、ウェアラブルデバイス６３の少なくとも１つを利用する。出力装置２２は、モバイル端末６１またはＰＣ６２であってもよいし、これとは別の装置であってもよい。

また、情報提供サーバ２には消費電力ＤＢが存在せず、モバイル端末履歴ＤＢ７１、ＰＣ履歴ＤＢ７２、ウェアラブルセンサ履歴ＤＢ７３、地図情報ＤＢ７４が追加されている。これらのＤＢはデータ収集部３１および行動推定部５３に接続されている。

モバイル端末６１は、スマートフォンや携帯電話等の端末であり、ＧＰＳセンサ、加速度センサ等のセンサが搭載されている。モバイル端末６１は有線または無線により通信ネットワーク３に接続可能である。モバイル端末６１は、ウェブブラウザやメーラー等のソフトウェアを搭載してもよい。この場合、ユーザは、モバイル端末６１を用いて、インターネットへ接続して、ウェブサーフィンや動画閲覧等が可能である。通信ネットワーク３はインターネットの一部であってもよい。

ＰＣ６２は、ウェブブラウザやメーラー等のソフトウェアを搭載したＰＣである。ＰＣ６２は、有線または無線により通信ネットワーク３に接続可能である。ユーザは、ＰＣ６２を用いて、インターネットへ接続して、ウェブサーフィンや動画閲覧等が可能である。

ウェアラブルデバイス６３は、ユーザが身体（手首等）に装着なデバイスであり、脈波センサ、血圧センサ等の生体センサが搭載されている。さらに、ウェアラブルデバイス６３に、ＧＰＳセンサや加速度センサが搭載されてもよい。ウェアラブルデバイス６３は有線または無線により通信ネットワーク３に接続可能である。

情報提供サーバ２のデータ収集部３１は、モバイル端末６１、ＰＣ６２、ウェアラブルデバイス６３から各種情報を収集して、それぞれモバイル端末ＤＢ７１、ＰＣ履歴７２、ウェアラブルセンサ履歴ＤＢ７３に格納する。

具体的に、データ収集部３１は、モバイル端末６１からはＧＰＳセンサや加速度センサ等のセンサ情報の履歴を収集し、収集したセンサ情報の履歴をモバイル端末ＤＢ７１に格納する。センサ情報には、例えばセンシング値やユーザＩＤ、センシング時刻が含まれる。センシング時刻が含まれない場合は、データ収集部３１がセンサ情報を収集した時刻をセンサ情報に付加してもよい。収集は、例えば一定時間毎に要求をモバイル端末６１に送ることで行ってもよい。モバイル端末６１が電源オフなどで、要求に対する応答がないときは、一定期間、要求を送るのを停止してもよい。あるいは、モバイル端末自ら定期的にセンサ情報の履歴をデータ収集部３１に送るようにしてもよい。あるいは、モバイル端末６１が起動時または終了時に、センサ情報の履歴をデータ収集部３１に送るようにしてもよい。

またデータ収集部３１は、ＰＣ６２からＰＣの操作履歴情報を収集し、ＰＣ履歴ＤＢ７２に格納する。例えばＰＣ６２に、アクセスしたＵＲＩや、電源のオン・オフ、アプリケーションの起動・終了の履歴等を記憶しておき、データ収集部３１が、これらの履歴を操作履歴として収集する。収集は、例えば一定時間毎に要求をＰＣ６２に送ることで行ってもよい。ＰＣ６２が電源オフなどで応答がないときは、一定期間、要求を送るのを停止してもよい。あるいは、ＰＣ６２自ら定期的に操作履歴をデータ収集部３１に送るようにしてもよい。ＰＣ６２が起動時または終了時に、操作履歴をデータ収集部３１に送るようにしてもよい。

またデータ収集部３１は、ウェアラブルデバイス６３から脈拍センサは血圧センサ等のセンサ情報を収集し、収集したセンサ情報をウェアラブルセンサ履歴ＤＢ７３に格納する。センサ情報には、例えばセンシング値やユーザＩＤ、センシング時刻が含まれる。センシング時刻が含まれない場合は、データ収集部３１がセンサ情報を収集した時刻をセンサ情報に付加してもよい。

地図情報ＤＢ７４は、ＧＰＳの緯度経度情報と、当該緯度経度が示す位置における施設の種別と、当該施設に関連する関連行動が格納されている。施設の種別としては、例えば「スポーツジム」、「テニスコート」、「温泉」、「居酒屋」がある。関連行動は、当該施設で行われることが想定される行動であり、それぞれ、「運動（ジム）」、「運動（テニス）」、「リラックス（温泉）」、「飲酒（居酒屋）」等がある。

行動推定部３３は、これらのＤＢの内容に基づき、ユーザの行動推定を行う。

以下、行動推定部３３の推定例として、「デバイス使用」、「運動」、「眠気大」の各行動の有無を推定する例を示す。これらの行動以外にも、上記の各ＤＢから推定可能である限り、任意の行動を推定可能である。

［デバイス使用］
デバイス使用とは、モバイル端末６１またはＰＣ６２の使用を意味する。行動推定部３３は、モバイル端末またはＰＣについて、「ＰＣ使用」または「スマートフォン使用」の有無を推定する。例えば、一定時間毎に行動推定を行い、該当する時間帯においてＰＣにおけるウェブアクセス、電源のオン・オフ等のイベントが発生していれば、ＰＣ使用有りと判断してもよい。これらのイベントが発生していなければ、ＰＣ使用なしと判断してもよい。行動推定部３３は、推定結果を表す行動ラベルを該当する時間帯に設定する。また、可能であればさらに細かく、「ウェブサーフィン」「動画閲覧」「メール」「チャット」などの行動を推定してもよい。

［運動］
運動とは、ユーザがある程度以上の大きさの動作を行っていることを意味する。運動の有無の推定には、モバイル端末６１のＧＰＳセンサや加速度センサのセンサ値を利用する。

ＧＰＳセンサ値を利用する例としては、地図情報ＤＢ７４において、ＧＰＳセンサ値に対応する位置にある施設の関連行動を調べ、関連運動が「運動」であるか否かを確認する。「運動」であれば、ユーザが該当施設で運動を行っていると判断して、該当する時間帯に「運動」ラベルを付与する。「運動」でなければ、「運動なし」のラベルを付与する。

また、加速度センサ値を利用する例としては、加速度センサ値が予め決めた閾値より大きい場合に、ユーザが運動を行っていると判断し、該当する時間帯に「運動」のラベルを付与する。加速度センサ値が当該閾値以下であれば、ユーザが運動を行っていないと判断し、該当する時間帯に「運動なし」のラベルを付与する。

ここでは、運動の有無を推定する例を示したが、運動の大きさも推定の対象としてもよい。例えば、運動の大きさを区別した、「弱運動」「強運動」「運動なし」の３つの行動ラベルを設けてもよい。

［眠気大］
眠気大とは、ユーザの眠気が強いことを意味する。眠気が強いかどうかの推定には、一例として、ウェアラブルデバイス６３に搭載された脈波センサを利用できる。例えば予め眠気が強いときの脈波センサのパターンを登録しておき、ユーザの脈波センサ値が登録したパターンに近似するときは、ユーザの眠気が強いと推定し、「眠気大」の行動ラベルを付与する。推定方法は任意の公知の手法を用いればよい。

以下、上述した「デバイス使用」、「運動」または「眠気大」の行動に基づき、ユーザに提供する提供情報（ここではヘルスケア関連情報）を決定する例を示す。

「デバイス使用」（ＰＣやモバイル端末の使用）は、現代の人間生活に密接に入りこんでおり、これが睡眠を妨げる場合もある。そこで、例えば、２２：００〜２４：００の間の「デバイス使用」の行動確率が各時間帯で０．８以上であれば、「深夜デバイス使用」というプロファイルを設定し、「深夜リラックスするための方法」の情報属性を設定する。深夜リラックスするための方法の書籍やセミナー等の情報を、提供情報としてユーザに提供することが考えられる。

「運動」は、朝、昼、夜ごとの行動確率を見ることで、ヘルスケアに繋がる情報提供が出来る。例えば、昼間や夜ではなく、早朝起きてすぐにジョギングなどをすると急な運動負荷により体調不良が起こることがあると知られている。そこで、例えば５：００ 〜 ７：００の間の「運動」の行動確率の合計が０．８以上であれば、このようなユーザに「早朝運動」というプロファイルを設定し、「健康アドバイス」の情報属性を設定する。この場合、健康に関するアドバイス情報等を、提供情報としてユーザに提供することが考えられる。

「眠気大」については、昼間にその行動の発生度合いが高ければ、睡眠障害などの可能性があると言われている。そこで、例えば、１５：００〜１７：００の間の「眠気大」の行動確率の合計が０．８以上であれば、このようなユーザに「午後眠気大」というプロファイルを設定し、「快眠グッズ」の情報属性を設定する。この場合、快眠グッズや関連書籍などの情報を、提供情報としてユーザに提供することが考えられる。

以上、本実施形態によれば、モバイル端末やＰＣの操作履歴、モバイル端末に搭載のセンサの情報、ウェアラブルデバイスに搭載のセンサの情報からユーザの状況を把握することで、より細かくユーザの行動を推定することが可能となる。

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

２２：出力装置
３３：行動推定部
３４：行動履歴ＤＢ
３９ａ：検出部
３９ｂ：設定部
４１：情報提供装置
４２：評価値算出部
４３：プロファイル設定部
４４：属性設定部
４５：情報送信処理部
４６：評価値記憶部
４７：プロファイル候補記憶部
４８：プロファイル設定記憶部
４９：属性記憶部
５０：属性設定記憶部
５３：事業者装置

Claims (20)

1. ユーザによる予め定めた特定行動の発生日時の履歴を表す行動履歴データに基づき、前記ユーザが複数の時間帯のそれぞれで前記特定行動を行う可能性の高さを表す評価値を前記時間帯ごとに算出する評価値算出部と、
   各時間帯の評価値に基づき、前記ユーザが前記特定行動を行う時間帯の傾向を表したプロファイルを前記ユーザに対して設定するプロファイル設定部と、
   前記プロファイル設定部により設定されたプロファイルに応じて、前記ユーザに提供する提供情報を決定し、前記提供情報を前記ユーザに関連する出力装置に送信する情報送信処理部と
   を備えた情報提供装置。
2. 前記プロファイル設定部は、
   前記特定行動が行われる時間帯の傾向を表す複数のプロファイル候補と、前記各時間帯の評価値の制約を定めた複数の選択条件とを対応づけたプロファイル候補データに基づき、前記複数の選択条件のうち前記評価値算出部で算出された各時間帯の評価値が満足する選択条件に対応するプロファイル候補を検出する検出部と、
   検出された前記プロファイル候補を前記ユーザのプロファイルとして設定する設定部と
   を備えた請求項１に記載の情報提供装置。
3. 前記選択条件は、１つまたは複数の特定の時間帯の評価値が閾値以上または閾値以下であることを定める
   請求項２に記載の情報提供装置。
4. 前記選択条件は、１つまたは複数の特定の時間帯の評価値の平均値が閾値以上または閾値以下であることを定める
   請求項２ないし３のいずれか一項に記載の情報提供装置。
5. 前記選択条件は、１つまたは複数の特定の時間帯のうち、前記評価値が閾値以上または閾値以下である時間帯の個数が一定値以上または一定値以下であることを定めている
   請求項２ないし４のいずれか一項に記載の情報提供装置。
6. 前記選択条件は、複数の特定の時間帯で前記評価値が時間経過に応じて増加または減少することを定めている
   請求項２ないし５のいずれか一項に記載の情報提供装置。
7. 前記プロファイル設定部は、前記各時間帯の評価値が２つ以上の選択条件を満たす場合、前記２つ以上の選択条件に対応するプロファイル候補のうち所定個数のプロファイル候補を選択し、選択したプロファイル候補を前記ユーザのプロファイルとして設定する
   請求項２ないし６のいずれか一項に記載の情報提供装置。
8. 前記プロファイル設定部は、各プロファイル候補に対して予め定められた優先順位に応じて前記所定個数のプロファイル候補を選択する
   請求項７に記載の情報提供装置。
9. 前記プロファイル設定部は、前記各時間帯の基準値を表した複数の基準データと、前記特定行動が行われる時間帯の傾向を表す複数のプロファイル候補を対応づけたプロファイル候補データに基づき、前記評価値算出部により算出された前記各時間帯の評価値と、前記各時間帯の基準値との差分に基づく類似度を計算し、前記類似度に応じて前記複数の基準データの中から基準データを特定し、特定した基準データに対応するプロファイル候補を前記ユーザのプロファイルとして設定する
   請求項１に記載の情報提供装置。
10. 前記情報送信処理部は、複数のプロファイルに対しそれぞれ１つまたは複数の情報属性を定義した属性データに基づき 前記ユーザに設定されたプロファイルに対応する情報属性を特定し、特定した情報属性に基づき前記ユーザに提供する提供情報を決定する
    請求項２ないし９のいずれか一項に記載の情報提供装置。
11. 前記情報送信処理部は、前記ユーザの行動を推定する行動推定装置により推定される前記ユーザの最新行動を表すデータを取得し、前記ユーザの最新行動に応じて、前記ユーザに提供する提供情報を決定する
    請求項１ないし１０のいずれか一項に記載の情報提供装置。
12. 前記情報送信処理部は、時刻を計時する時刻計時部から現在時刻を取得し、取得した現在時刻に応じて前記ユーザに提供する提供情報を決定する
    請求項１１に記載の情報提供装置。
13. 前記評価値算出部は、複数の特定行動のそれぞれ毎に、前記各時間帯の評価値を計算し、
    前記プロファイル設定部は、前記特定行動毎に、前記ユーザに前記プロファイルを設定し、
    前記情報送信処理部は、前記プロファイル設定部により設定されたプロファイルの組に応じて、前記ユーザに提供する提供情報を決定する
    請求項１ないし１２のいずれか一項に記載の情報提供装置。
14. 前記プロファイル設定部は、前記ユーザに設定されたプロファイルの組に応じて、前記ユーザに提供する提供情報のフォーマットを決定し、決定したフォーマットで前記提供情報を前記出力装置に送信する
    請求項１３に記載の情報提供装置。
15. 前記評価値算出部は、前記各時間帯での前記ユーザの前記特定行動の発生日数に基づいて前記各時間帯の評価値を算出する
    請求項１ないし１４のいずれか一項に記載の情報提供装置。
16. 前記評価値算出部は、前記評価値の算出に用いた前記行動履歴データの日数と、前記各時間帯での前記ユーザの前記特定行動の発生日数の比率に基づき、前記各時間帯の評価値を算出する
    請求項１５に記載の情報提供装置。
17. 前記ユーザに関連する出力装置と通信して、前記出力装置から前記提供情報が提供されたユーザが行った操作情報であるインタラクション情報を取得するインタラクション取得部と、
    前記インタラクション取得部により取得されたインタラクション情報をプロファイル別に記憶する記憶部を備え、
    前記インタラクション取得部は、前記記憶部に記憶されているプロファイル別のインタラクション情報を統計処理して統計情報を生成する
    請求項１ないし１６のいずれか一項に記載の情報提供装置。
18. ユーザによる予め定めた特定行動の発生日時の履歴を表す行動履歴データに基づき、前記ユーザが複数の時間帯のそれぞれで前記特定行動を行う可能性の高さを表す評価値を前記時間帯ごとに算出する評価値算出部と、
    各時間帯の評価値に基づき、前記ユーザが前記特定行動を行う時間帯の傾向を表したプロファイルを前記ユーザに対して設定するプロファイル設定部と、
    複数のユーザに対して前記プロファイル設定部によりそれぞれ設定されたプロファイルを記憶する記憶部と、
    前記記憶部に記憶された各ユーザのプロファイルまたはプロファイルに基づく情報を、予め指定された装置にネットワークを介して送信する情報送信処理部と
    を備えた情報提供装置。
19. ユーザによる予め定めた特定行動の発生日時の履歴を表す行動履歴データに基づき、前記ユーザが複数の時間帯のそれぞれで前記特定行動を行う可能性の高さを表す評価値を前記時間帯ごとに算出する評価値算出ステップと、
    各時間帯の評価値に基づき、前記ユーザが前記特定行動を行う時間帯の傾向を表したプロファイルを前記ユーザに対して設定するプロファイル設定ステップと、
    前記プロファイル設定ステップにより設定されたプロファイルに応じて、前記ユーザに提供する提供情報を決定し、前記提供情報を前記ユーザに関連する出力装置に送信する情報送信処理ステップと、
    を備えた情報処理方法。
20. ユーザによる予め定めた特定行動の発生日時の履歴を表す行動履歴データに基づき、前記ユーザが複数の時間帯のそれぞれで前記特定行動を行う可能性の高さを表す評価値を前記時間帯ごとに算出する評価値算出ステップと、
    各時間帯の評価値に基づき、前記ユーザが前記特定行動を行う時間帯の傾向を表したプロファイルを前記ユーザに対して設定するプロファイル設定ステップと、
    前記プロファイル設定ステップにより設定されたプロファイルに応じて、前記ユーザに提供する提供情報を決定し、前記提供情報を前記ユーザに関連する出力装置に送信する情報送信処理ステップと、
    をコンピュータに実行させるためのプログラム。

Images