JP2015153339A

JP2015153339A - ユーザが搭乗している移動車両を推定するプログラム、携帯端末及び方法

Info

Publication number: JP2015153339A
Application number: JP2014029099A
Authority: JP
Inventors: 晴紀泉川; Harunori Izumikawa; 石川　雄一; Yuichi Ishikawa; 雄一石川; 岡田　宏; Hiroshi Okada; 宏岡田; 博司花野; Hiroshi Hanano
Original assignee: KDDI Corp
Current assignee: KDDI Corp
Priority date: 2014-02-19
Filing date: 2014-02-19
Publication date: 2015-08-24
Anticipated expiration: 2034-02-19
Also published as: JP6249442B2

Abstract

【課題】ＧＰＳ測位を起動することなく、ユーザが搭乗している移動車両を自ら推定することができる携帯端末等を提供する。
【解決手段】基地局と通信可能な携帯端末を用いて、ユーザが搭乗している移動車両を推定するようにコンピュータを機能させるプログラムであって、移動車両毎に、観測した基地局識別子の時系列をモデル遷移として記憶したモデル記憶手段と、所定数又は所定期間、観測した基地局識別子の時系列を取得する電波監視手段と、電波監視手段によって取得された現在の基地局識別子の時系列に最も類似するモデル遷移に基づく移動車両に、当該ユーザが搭乗していると推定する移動車両推定手段としてコンピュータを機能させることを特徴とする。モデル記憶手段は、隠れマルコフモデル又はマルコフモデルを用いることが好ましい。
【選択図】図２

Description

本発明は、基地局と通信する携帯端末について移動状態を推定する技術に関する。

近年、広告システムについて、その位置に応じたターゲティング広告をユーザに視認させる技術がある。従来、街頭のデジタルサイネージの表示面を視認できる方向に位置するユーザを抽出する技術がある（例えば特許文献１参照）。この技術によれば、各ユーザ端末に搭載されたＧＰＳ(Global Positioning System)の測位結果を収集し、各ユーザの移動方向を検出する。デジタルサイネージは、抽出されたユーザを視聴ターゲットとして、そのユーザの属性に適合するコンテンツを表示することができる。

また、ユーザにおける先訪場所から次訪場所への移動履歴を収集し、先訪場所に滞在するユーザに、次訪場所の可能性の高い店舗の広告を視認させる技術がある（例えば特許文献２参照）。この技術によれば、ユーザ端末毎に、ＧＰＳ測位に基づく過去の位置を遷移テーブルとして収集し、次訪する可能性の高い店舗を統計的に検索することができる。

更に、バス車内に設置されたディスプレイに、そのバスの近くの店舗の広告を映し出す技術がある（例えば特許文献３参照）。この技術によれば、位置と広告情報とを対応付けて予め記憶しており、バスに搭載されたＧＰＳの測位結果に応じて、現在位置に応じた広告情報をディスプレイに再生し、デジタルサイネージとして機能させる。

更に、公共交通機関の乗客から取得した乗車区間情報に基づいて、乗客の利用用途を識別し、それに適した広告情報を配信する技術がある（例えば特許文献４参照）。具体的には、乗車時に非接触ＩＣタグを、所定のカードリーダに読み込ませることによって、乗車分類を判定し、その分類に応じた広告情報を検索する。

更に、交通機関の駅やバス停毎に、その位置及び速度をＧＰＳ方式やネットワーク測位方式によって定期的に測位し、そのユーザがバスや電車に搭乗していることを推定する技術もある（例えば特許文献５参照）。

特開２０１０−１４６４１２号公報特開２００８−３１０６２０号公報特開２００３−２４１６９８号公報特開２０１２−０８８８７１号公報特開２０１１−０６１６１５号公報

前述した特許文献１、２及び５に記載の技術によれば、ユーザによって所持される携帯端末は、定期的にＧＰＳによって測位する必要がある。ＧＰＳ測位の頻度を高めることは、携帯端末における消費電力の点で不都合であると共に、その頻度を低くすることは、測位位置の粒度を粗くし、位置連動のターゲティング広告の効果が低下してしまう。また、特許文献３に記載の技術によれば、バスの位置に応じて広告を表示するに過ぎない。更に、特許文献４に記載の技術によれば、ユーザが公共交通機関に搭乗しているか否かを認識するために、非接触ＩＤタグを所定のカードリーダにかざすという、ユーザに所定の行動を要求することとなる。

これに対し、本発明の発明者らは、ＧＰＳ測位を用いることなく、携帯端末によって基地局識別子を観測するだけで、ユーザが搭乗している移動車両を推定することができないか？と考えた。これによって、移動車両に応じた広告情報を、ユーザの携帯端末に再生することができる。

そこで、本発明によれば、ＧＰＳ測位を起動することなく、ユーザが搭乗している移動車両を自ら推定することができるプログラム、携帯端末及び方法を提供することを目的とする。

本発明によれば、基地局と通信可能な携帯端末を用いて、ユーザが搭乗している移動車両を推定するようにコンピュータを機能させるプログラムであって、
移動車両毎に、観測した基地局識別子の時系列をモデル遷移として記憶したモデル記憶手段と、
所定数又は所定期間、観測した基地局識別子の時系列を取得する電波監視手段と、
電波監視手段によって取得された現在の基地局識別子の時系列に最も類似するモデル遷移に基づく移動車両に、当該ユーザが搭乗していると推定する移動車両推定手段と
してコンピュータを機能させることを特徴とする。

本発明のプログラムにおける他の実施形態によれば、
モデル遷移は、Left-to-Right(L-R)型の隠れマルコフモデルであって、
１つ以上の基地局識別子の観測割合に応じて設定された複数の状態Ｓと、
先状態Ｓから後状態Ｓへの遷移確率Ａと
からなり、
移動車両推定手段は、
電波監視手段によって取得された現在の基地局識別子の時系列ｙ₁ ⁿに基づいて、モデル遷移の中で、初期状態から最終状態まで起こりえる複数の状態遷移ｘを導出し、
移動車両Ｍ_i毎に、現在の基地局識別子の時系列ｙ_１ ^ｎに基づいて、各状態遷移ｘが発生する確率の総和確率Ｐ（ｙ_１ ^ｎ｜Ｍ_ｉ）を算出し、
総和確率Ｐが、所定値以上であって、且つ、最も高い確率Ｐmax＝Ｐ（ｙ_１ ^ｎ｜Ｍ_ｉ）に基づく移動車両を推定する
ようにコンピュータを機能させることも好ましい。

本発明のプログラムにおける他の実施形態によれば、
モデル遷移は、マルコフモデルであって、
観測された基地局識別子を設定した状態Ｓと、
先状態Ｓから後状態Ｓへの遷移確率Ａと
からなり、
移動車両推定手段は、
電波監視手段によって取得された現在の基地局識別子の時系列ｙ₁ ⁿに基づいて、モデル遷移の中で、状態間の遷移確率Ａを乗算した利用確率Ｐ（ｙ_１ ^ｎ｜Ｍ_ｉ）を算出し、
利用確率Ｐが、所定値以上であって、且つ、最も高い確率Ｐmax＝Ｐ（ｙ_１ ^ｎ｜Ｍ_ｉ）に基づく移動車両を推定する
ようにコンピュータを機能させることも好ましい。

本発明のプログラムにおける他の実施形態によれば、
モデル遷移と基地局識別子の時系列とには、基地局識別子及び電波情報の組で表されており、
電波監視手段は、観測した各基地局識別子の電波情報を取得し、
移動車両推定手段は、観測された基地局識別子及び電波情報の組を用いて、ユーザに移動車両を推定する
ようにコンピュータを機能させることも好ましい。

本発明のプログラムにおける他の実施形態によれば、
電波情報は、
隣接基地局の基地局識別子
ＲＳＣＰ（Received Signal Code Power：希望波受信電力）
Ｅｃ／Ｎｏ（接続局のＲＳＣＰと全受信電力の比）
ＲＳＳ（Received Signal Strength：受信信号強度）
Ｃ／Ｉ（干渉波比）
Ｅｃ／Ｉｏ（隣接基地局送信レベル対現行基地局送信レベル）
ＲＳＲＰ（基準信号受信電力）
ＲＳＲＱ（基準信号受信品質）
ＳＮＲ（信号対雑音比）
の中で、少なくとも１つを含む
ようにコンピュータを機能させることも好ましい。

本発明のプログラムにおける他の実施形態によれば、
移動車両毎に、広告情報を蓄積する広告情報蓄積手段と、
移動車両推定手段によって推定された移動車両に基づいて、広告情報蓄積手段を検索した広告情報を、当該端末のディスプレイに再生するアプリケーション手段と
してコンピュータを更に機能させることも好ましい。

本発明のプログラムにおける他の実施形態によれば、
アプリケーション手段は、移動車両毎に、広告情報を蓄積したサーバと通信可能であって、移動車両推定手段によって推定された移動車両の識別子をクエリとして、ネットワークを介してサーバへ、広告情報取得要求を送信し、サーバから広告情報を受信し、広告情報蓄積手段へ一時的に蓄積する
ようにコンピュータを機能させることも好ましい。

本発明によれば、基地局と通信可能であって、ユーザが搭乗している移動車両を推定する携帯端末であって、
移動車両毎に、観測した基地局識別子の時系列をモデル遷移として記憶したモデル記憶手段と、
所定数又は所定期間、観測した基地局識別子の時系列を取得する電波監視手段と、
電波監視手段によって取得された現在の基地局識別子の時系列に最も類似するモデル遷移に基づく移動車両に、当該ユーザが搭乗していると推定する移動車両推定手段と
を有することを特徴とする。

本発明によれば、基地局と通信可能な装置を用いて、ユーザが搭乗している移動車両を推定する方法であって、
移動車両毎に、観測した基地局識別子の時系列をモデル遷移として記憶したモデル記憶部を有し、
所定数又は所定期間、観測した基地局識別子の時系列を取得する第１のステップと、
電波監視手段によって取得された現在の基地局識別子の時系列に最も類似するモデル遷移に基づく移動車両に、当該ユーザが搭乗していると推定する第２にステップと
を有することを特徴とする。

本発明のプログラム、携帯端末及び方法によれば、ＧＰＳ測位を起動することなく、ユーザが搭乗している移動車両を自ら推定することができる。本発明の携帯端末は、基地局識別子を観測しているだけで、特別な電力を消費することなく、その移動車両に応じた広告情報を再生することができる。

路線及び道路と基地局との位置を表す概略地図である。本発明における携帯端末の機能構成図である。モデル記憶部に記憶された隠れマルコフモデルを表す説明図である。携帯端末によって実際に観測された基地局識別子を表す説明図である。隠れマルコフモデルに対応する複数の状態遷移ｘを表す説明図である。モデル記憶部に記憶されたマルコフモデルを表す説明図である。

以下、本発明の実施の形態について、図面を用いて詳細に説明する。

図１は、路線及び道路と基地局との位置を表す概略地図である。

図１によれば、地図上に、多数の路線や道路が表されていると共に、無線通信ネットワーク用の多数の基地局１も表されている。ユーザは、歩行以外にも、電車、バス、自動車等の車両３に搭乗して移動することできる。ここで、本発明によれば、ユーザは車両に搭乗して移動した場合、そのユーザによって所持される携帯端末が、いずれの車両に搭乗しているか、を推定することできる。携帯端末は、車両に搭乗して移動中に、観測できる基地局識別子の変化から、移動車両を推定することができる。移動車両を推定できれば、その移動車両に応じた広告情報を、その携帯端末で再生してユーザに視認させることができる。また、移動車両の推定結果は、様々なアプリケーションにも利用用途がある。

図２は、本発明における携帯端末の機能構成図である。

携帯端末２は、例えば携帯電話機やスマートフォン、タブレット端末のようなものであって、ユーザによって所持されるものである。携帯端末２は、基地局１と無線通信ネットワークを介して通信することできる。尚、本発明によれば、携帯端末２は、特定の基地局と接続しなくても、常時、その現在位置で１つ以上の基地局１の基地局識別子を観測することができればよい。勿論、携帯端末２は、接続先の基地局識別子だけでなく、周辺基地局の基地局識別子も観測することができる。尚、これら基地局１は、携帯電話網の基地局に限られず、ＷｉＭＡＸ用の基地局や、無線ＬＡＮ用のアクセスポイント、又は、フェムトセル用の基地局であってもよい。

図２によれば、携帯端末２は、無線通信インタフェース２０１と、ディスプレイ２０２と、データ送受信部２１１と、アプリケーション部２１２とを有する。これら機能は、既存のスマートフォン等に一般的に搭載されたものである。また、本発明の携帯端末２は、モデル記憶部２２と、電波監視部２３と、移動車両推定部２４とを更に有する。これら機能構成部は、携帯端末に搭載されたコンピュータを機能させるプログラムを実行することによって実現される。また、これら機能構成部の処理ステップは、装置の移動車両推定方法としても理解できる。

［モデル記憶部２２］
モデル記憶部２２は、移動車両ｉ毎に、観測した基地局識別子の時系列ｙをモデル遷移として記憶したものである。各移動車両は、電車やバス、自動車等であって、路線や系統によってそれぞれ記憶される。モデルとしては、＜隠れマルコフモデル＞について説明し、最後に、他の実施形態として＜マルコフモデル＞についても説明する。

＜隠れマルコフモデル＞
図３は、モデル記憶部に記憶された隠れマルコフモデルを表す説明図である。

隠れマルコフモデル(Hidden Markov Model)とは、「システムがパラメータ未知のマルコフ過程である」と仮定し、観測可能な情報からその未知のパラメータを推定する確率モデルである。一般に、音声認識や形態素解析（自然言語処理）に応用されており、連続的かつ伸縮しうる信号列のパターン抽出に適している。特に本発明が対象とするように、例えば路線の移動中に観測できる基地局識別子の列を、「連続的かつ伸縮しうる信号列」と考えて、移動車両のパターン抽出に適用することができる。

一般的な隠れマルコフモデルは、マルコフ連鎖における最終状態が無い。これに対し、本発明の隠れマルコフモデルは、「初期状態」「最終状態」を設定することができるＬ−Ｒ(Left-to-Right)型を用いることが好ましい。本発明が対象とする路線や道路の場合、一方向に前進するのみであるために、Ｌ−Ｒ型を適用することができる。これは、一般的に音声認識で用いられるモデルである。

モデルＭは、推定したい移動車両ｉ毎に設定される。
Ｍ_ｉ（ｉ＝１，２，・・・，Ｌ、Ｌは最大移動手段数）
モデル遷移が、隠れマルコフモデルである場合、以下の状態Ｓと遷移確率Ａとから構成される。
状態Ｓ：１つ以上の基地局識別子の観測割合に応じて設定
遷移確率Ａ：先状態Ｓから後状態Ｓへ遷移する確率
隠れマルコフモデルによれば、それぞれの出力確率分布の間には重なりがあるために、マルコフモデルのように基地局識別子の系列から、遷移先の状態が一意に決定しない。

ここで、移動車両１（ｉ＝１）における隠れマルコフモデルＭ_１は、以下のように構成されているとする。
状態数＝３個（Ｓ１、Ｓ２、Ｓ３）
基地局識別子数＝２個（１０、１２）
（状態Ｓ１）基地局１０の観測確率ｂ_１（１０）＝０．８
基地局１２の観測確率ｂ_１（１２）＝０．２
（状態Ｓ２）基地局１０の観測確率ｂ_２（１０）＝０．６
基地局１２の観測確率ｂ_２（１２）＝０．４
（状態Ｓ３）基地局１０の観測確率ｂ_３（１０）＝０．２
基地局１２の観測確率ｂ_３（１２）＝０．８
（Ｓ１->Ｓ１の遷移確率）Ａ_１１＝０．５０
（Ｓ１->Ｓ２の遷移確率）Ａ_１２＝０．４５
（Ｓ１->Ｓ３の遷移確率）Ａ_１３＝０．０５
（Ｓ２->Ｓ２の遷移確率）Ａ_２２＝０．３０
（Ｓ２->Ｓ３の遷移確率）Ａ_２３＝０．７０
この隠れマルコフモデルＭ_ｉは、移動車両ｉ毎に、試験装置を載せて、実際に観測できる基地局識別子の時系列から構築される。

［電波監視部２３］
図４は、携帯端末によって実際に観測された基地局識別子を表す説明図である。

電波監視部２３は、所定数又は所定期間、観測した基地局識別子の時系列を取得する。図４によれば、ユーザによって所持された携帯端末２によって、周期的に、例えば以下のような時系列で基地局識別子が観測されたとする。
ｙ_１ ^４＝（１０，１０，１２，１２）
観測された基地局識別子の時系列ｙは、移動車両推定部２４へ出力される。

尚、電波監視部２３は、無線通信インタフェース２０１から、電波情報を更に取得するものであってもよい。電波情報としては、例えば以下のような無線品質の少なくとも１つを含むものであってもよい。
隣接基地局の基地局識別子
ＲＳＣＰ（Received Signal Code Power：希望波受信電力）
Ｅｃ／Ｎｏ（接続局のＲＳＣＰと全受信電力の比）
ＲＳＳ（Received Signal Strength：受信信号強度）
Ｃ／Ｉ（干渉波比）
Ｅｃ／Ｉｏ（隣接基地局送信レベル対現行基地局送信レベル）
ＲＳＲＰ（基準信号受信電力）
ＲＳＲＱ（基準信号受信品質）
ＳＮＲ（信号対雑音比）

この場合、前述したモデル記憶部２２のモデルと、電波監視部２３の基地局識別子の時系列ｙとの両方とも、基地局識別子及び電波情報の組で表されている必要がある。時系列ｙ_ｉは、例えば基地局識別子や電波情報からなる多次元ベクトルとして表されてよい。また、電波強度は、量子化されていることも好ましい。

［移動車両推定部２４］
移動車両推定部２４は、電波監視部２３によって取得された現在の基地局識別子の時系列に最も類似するモデル遷移に基づく移動車両に、当該ユーザが搭乗していると推定する。移動車両推定部２４は、以下の３つのステップを実行する。

（ステップ１）電波監視部２４によって取得された現在の基地局識別子の時系列ｙ₁ ⁿに基づいて、モデル遷移の中で、初期状態から最終状態まで起こりえる複数の状態遷移ｘを導出する。

図５は、隠れマルコフモデルに対応する複数の状態遷移ｘを表す説明図である。

ここで、起こりえる状態遷移ｘは、［初期Ｓ１］［最終Ｓ３］とすると、以下の３つの場合がある。
観測基地局識別子１０１０１２１２
状態遷移１：ｘ_１＝［初期Ｓ１］->Ｓ１->Ｓ２->［最終Ｓ３］
状態遷移２：ｘ_２＝［初期Ｓ１］->Ｓ２->Ｓ２->［最終Ｓ３］
状態遷移３：ｘ_３＝［初期Ｓ１］->Ｓ１->Ｓ１->［最終Ｓ３］

（ステップ２）移動車両Ｍ_i毎に、現在の基地局識別子の時系列ｙ_１ ^ｎに基づいて、各状態遷移ｘが発生する確率の総和確率Ｐ（ｙ_１ ^ｎ｜Ｍ_ｉ）を算出する。

具体的に、モデルＭ_１について、ｙ_１ ^４が得られる確率Ｐ（ｙ_１｜Ｍ_１）は、以下のように算出される。
Ｐ（ｙ_１｜Ｍ_１）＝ΣＰ（ｙ_１｜ｘ_ｉ，Ｍ_１）
＝ΣＰ（ｙ_１｜ｘ_ｉ）Ｐ（ｘ_ｉ｜Ｍ_１）

［状態遷移１の場合］：ｘ_１＝［初期Ｓ１］->Ｓ１->Ｓ２->［最終Ｓ３］
Ｐ（ｘ_１｜Ｍ_１）＝ａ_１１×ａ_１２×ａ_２３
＝０．５×０．４５×０．７＝０．１５７５
Ｐ（ｙ_１｜ｘ_１）＝ｂ_１（１０）×ｂ_１（１０）×ｂ_２（１２）×ｂ_３（１２）
＝０．８×０．８×０．４×０．８＝０．２０４８
Ｐ（ｙ_１｜ｘ_１，Ｍ_１）＝０．１５７５×０．２０４８
＝０．０３２２５６０

［状態遷移２の場合］：ｘ_２＝［初期Ｓ１］->Ｓ２->Ｓ２->［最終Ｓ３］
Ｐ（ｘ_２｜Ｍ_１）＝ａ_１２×ａ_２２×ａ_２３
＝０．４５×０．３×０．７＝０．０９４５
Ｐ（ｙ_１｜ｘ_２）＝ｂ_１（１０）×ｂ_２（１０）×ｂ_２（１２）×ｂ_３（１２）
＝０．８×０．６×０．４×０．８＝０．１５３６
Ｐ（ｙ_１｜ｘ_２，Ｍ_１）＝０．０９４５×０．１５３６
＝０．０１４５１５２

［状態遷移３の場合］：ｘ_３＝［初期Ｓ１］->Ｓ１->Ｓ１->［最終Ｓ３］
Ｐ（ｘ_３｜Ｍ_１）＝ａ_１１×ａ_１１×ａ_１３＝
＝０．５×０．５×０．０５＝０．０１２５
Ｐ（ｙ_１｜ｘ_３）＝ｂ_１（１０）×ｂ_１（１０）×ｂ_１（１２）×ｂ_３（１２）
＝０．８×０．８×０．２×０．８＝０．１０２４
Ｐ（ｙ_１｜ｘ_３，Ｍ_１）＝０．０１２５×０．１０２４
＝０．００１２８００

最終的に、以下のようになる。
Ｐ（ｙ_１｜Ｍ_１）＝ΣＰ（ｙ_１｜ｘ_ｉ，Ｍ_１）
＝Ｐ（ｙ_１｜ｘ_１，Ｍ_１）＋Ｐ（ｙ_１｜ｘ_２，Ｍ_１）＋Ｐ（ｙ_１｜ｘ_３，Ｍ_１）
＝０．０３２２５６０＋０．０１４５１５２＋０．００１２８００
＝０．０４８０５１２
このように、全てのモデルＭ_ｉについて、Ｐ（ｙ_１｜Ｍ_ｉ）を算出する。

（ステップ３）総和確率Ｐが、所定値以上であって、且つ、最も高い確率Ｐmax＝Ｐ（ｙ_１ ^ｎ｜Ｍ_ｉ）に基づく移動車両を推定する。総和確率Ｐが、所定値未満である場合、いずれの移動車両にも該当しないものと推定する。

最終的に、移動車両推定部２４は、推定した移動車両の識別子を、アプリケーション部２１２へ出力する。

［広告情報蓄積部２１３］
広告情報蓄積部２１３は、移動車両毎に、広告情報を蓄積する。例えば電車用の広告情報やバス用の広告情報を予め蓄積したものである。

［アプリケーション部２１２］
アプリケーション部２１２は、移動車両推定部２４によって推定された移動車両に基づいて、広告情報蓄積部２１３を検索した広告情報を、当該端末のディスプレイに再生する。例えば広告情報として、移動車両毎の電子クーポンであってもよい。電車やバスを利用したユーザのみに提供されるものであってもよい。

また、アプリケーション部２１２は、移動車両毎に、広告情報を蓄積したサーバと通信可能であってもよい。そして、アプリケーション部２１２は、移動車両推定部２４によって推定された移動車両の識別子をクエリとして、ネットワークを介してサーバへ、広告情報取得要求を送信し、サーバから広告情報を受信し、広告情報蓄積部２１３へ一時的に蓄積する。

＜マルコフモデル＞
図６は、モデル記憶部に記憶されたマルコフモデルを表す説明図である。

マルコフモデル(Malkov Model)とは、後の時刻における所定記号の出現確率は、先の記号の出現に依存するという確率モデルをいう。モデル遷移が、マルコフモデルである場合、以下の状態Ｓと遷移確率Ａとから構成される。
状態Ｓ：観測された基地局識別子を設定
遷移確率Ａ：先状態Ｓから後状態Ｓへ遷移する確率

移動車両毎に、基地局識別子の遷移確率のモデルＭを保有する。例えばユーザが搭乗した移動車両が移動する中で、観測された基地局識別子は、１０->１２->１４（又は１０->１１->１２->１４）と遷移する場合、以下のような遷移確率モデルを構成する。
１０->１２への遷移確率Ｐ（１２｜１０）＝０．９
１０->１１への遷移確率Ｐ（１１｜１０）＝０．１
１１->１２への遷移確率Ｐ（１２｜１１）＝０．５
１２->１４への遷移確率Ｐ（１４｜１２）＝１．０

電波監視部２３によって観測された基地局識別子の時系列が、以下のようなものであったとする。
ｙ_１ ^３＝（１０，１２，１４）
この場合、モデル遷移の中で、状態間の遷移確率Ａを乗算した利用確率Ｐ（ｙ_１ ^ｎ｜Ｍ_ｉ）を、以下のように算出する。
利用確率Ｐ（Ｍ_i｜ｙ₁ ⁿ）＝Ｐ（１２｜１０）×Ｐ（１４｜１２）
＝０．９×１．０
＝０．９
全てのモデルに対して利用確率Ｐを算出し、利用確率Ｐが、所定値以上であって、且つ、最も高い確率Ｐmax＝Ｐ（ｙ_１ ^ｎ｜Ｍ_ｉ）に基づく移動車両を推定する。逆に、利用確率Ｐの最大値が所定値未満の場合は、いずれの移動車両にも搭乗していないと推定する。

以上、詳細に説明したように、本発明のプログラム、携帯端末及び方法によれば、ＧＰＳ測位を起動することなく、ユーザが搭乗している移動車両を自ら推定することができる。本発明の携帯端末は、基地局識別子を観測しているだけで、特別な電力を消費することなく、その移動車両に応じた広告情報を再生することができる。

前述した本発明の種々の実施形態について、本発明の技術思想及び見地の範囲の種々の変更、修正及び省略は、当業者によれば容易に行うことができる。前述の説明はあくまで例であって、何ら制約しようとするものではない。本発明は、特許請求の範囲及びその均等物として限定するものにのみ制約される。

１、１０、１１、１２、１４基地局
２携帯端末
２０１無線通信インタフェース
２０２ディスプレイ
２１１データ送受信部
２１２アプリケーション部
２１３広告情報蓄積部
２２モデル記憶部
２３電波監視部
２４移動車両推定部
３移動車両

Claims

基地局と通信可能な携帯端末を用いて、ユーザが搭乗している移動車両を推定するようにコンピュータを機能させるプログラムであって、
前記移動車両毎に、観測した基地局識別子の時系列をモデル遷移として記憶したモデル記憶手段と、
所定数又は所定期間、観測した基地局識別子の時系列を取得する電波監視手段と、
前記電波監視手段によって取得された現在の基地局識別子の時系列に最も類似するモデル遷移に基づく移動車両に、当該ユーザが搭乗していると推定する移動車両推定手段と
してコンピュータを機能させることを特徴とするプログラム。
前記モデル遷移は、Left-to-Right(L-R)型の隠れマルコフモデルであって、
１つ以上の基地局識別子の観測割合に応じて設定された複数の状態Ｓと、
先状態Ｓから後状態Ｓへの遷移確率Ａと
からなり、
前記移動車両推定手段は、
前記電波監視手段によって取得された現在の基地局識別子の時系列ｙ₁ ⁿに基づいて、前記モデル遷移の中で、初期状態から最終状態まで起こりえる複数の状態遷移ｘを導出し、
移動車両Ｍ_i毎に、現在の基地局識別子の時系列ｙ_１ ^ｎに基づいて、各状態遷移ｘが発生する確率の総和確率Ｐ（ｙ_１ ^ｎ｜Ｍ_ｉ）を算出し、
前記総和確率Ｐが、所定値以上であって、且つ、最も高い確率Ｐmax＝Ｐ（ｙ_１ ^ｎ｜Ｍ_ｉ）に基づく移動車両を推定する
ようにコンピュータを機能させることを特徴とする請求項１に記載のプログラム。
前記モデル遷移は、マルコフモデルであって、
観測された基地局識別子を設定した状態Ｓと、
先状態Ｓから後状態Ｓへの遷移確率Ａと
からなり、
前記移動車両推定手段は、
前記電波監視手段によって取得された現在の基地局識別子の時系列ｙ₁ ⁿに基づいて、前記モデル遷移の中で、状態間の遷移確率Ａを乗算した利用確率Ｐ（ｙ_１ ^ｎ｜Ｍ_ｉ）を算出し、
前記利用確率Ｐが、所定値以上であって、且つ、最も高い確率Ｐmax＝Ｐ（ｙ_１ ^ｎ｜Ｍ_ｉ）に基づく移動車両を推定する
ようにコンピュータを機能させること特徴とする請求項１に記載のプログラム。
前記モデル遷移と前記基地局識別子の時系列とには、基地局識別子及び電波情報の組で表されており、
前記電波監視手段は、観測した各基地局識別子の電波情報を取得し、
前記移動車両推定手段は、観測された基地局識別子及び電波情報の組を用いて、ユーザに移動車両を推定する
ようにコンピュータを機能させることを特徴とする請求項１から３のいずれか１項に記載のプログラム。
前記電波情報は、
隣接基地局の基地局識別子
ＲＳＣＰ（Received Signal Code Power：希望波受信電力）
Ｅｃ／Ｎｏ（接続局のＲＳＣＰと全受信電力の比）
ＲＳＳ（Received Signal Strength：受信信号強度）
Ｃ／Ｉ（干渉波比）
Ｅｃ／Ｉｏ（隣接基地局送信レベル対現行基地局送信レベル）
ＲＳＲＰ（基準信号受信電力）
ＲＳＲＱ（基準信号受信品質）
ＳＮＲ（信号対雑音比）
の中で、少なくとも１つを含む
ようにコンピュータを機能させることを特徴とする請求項４に記載のプログラム。
移動車両毎に、広告情報を蓄積する広告情報蓄積手段と、
前記移動車両推定手段によって推定された移動車両に基づいて、前記広告情報蓄積手段を検索した広告情報を、当該端末のディスプレイに再生するアプリケーション手段と
してコンピュータを更に機能させることを特徴とする請求項１から５のいずれか１項に記載のプログラム。
前記アプリケーション手段は、移動車両毎に、広告情報を蓄積したサーバと通信可能であって、前記移動車両推定手段によって推定された移動車両の識別子をクエリとして、ネットワークを介して前記サーバへ、広告情報取得要求を送信し、前記サーバから広告情報を受信し、前記広告情報蓄積手段へ一時的に蓄積する
ようにコンピュータを機能させることを特徴とする請求項６に記載のプログラム。
基地局と通信可能であって、ユーザが搭乗している移動車両を推定する携帯端末であって、
前記移動車両毎に、観測した基地局識別子の時系列をモデル遷移として記憶したモデル記憶手段と、
所定数又は所定期間、観測した基地局識別子の時系列を取得する電波監視手段と、
前記電波監視手段によって取得された現在の基地局識別子の時系列に最も類似するモデル遷移に基づく移動車両に、当該ユーザが搭乗していると推定する移動車両推定手段と
を有することを特徴とする携帯端末。
基地局と通信可能な装置を用いて、ユーザが搭乗している移動車両を推定する方法であって、
前記移動車両毎に、観測した基地局識別子の時系列をモデル遷移として記憶したモデル記憶部を有し、
所定数又は所定期間、観測した基地局識別子の時系列を取得する第１のステップと、
前記電波監視手段によって取得された現在の基地局識別子の時系列に最も類似するモデル遷移に基づく移動車両に、当該ユーザが搭乗していると推定する第２にステップと
を有することを特徴とする装置の移動車両推定方法。