JP2016038742A - 平日/非平日推定装置及び平日/非平日推定方法 - Google Patents
平日/非平日推定装置及び平日/非平日推定方法 Download PDFInfo
- Publication number
- JP2016038742A JP2016038742A JP2014161829A JP2014161829A JP2016038742A JP 2016038742 A JP2016038742 A JP 2016038742A JP 2014161829 A JP2014161829 A JP 2014161829A JP 2014161829 A JP2014161829 A JP 2014161829A JP 2016038742 A JP2016038742 A JP 2016038742A
- Authority
- JP
- Japan
- Prior art keywords
- weekday
- area
- day
- movement
- time
- 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.)
- Granted
Links
Images
Abstract
【解決手段】移動体の移動情報を取得し、前記移動体の移動情報を日時と対応付け、移動履歴情報として記憶し、1日を複数の時間帯に分け、前記移動履歴から各時間帯の乗車頻度を曜日毎に求め、各曜日のデータを類似度に応じて2つのグループに分類し、要素数の多いグループに分類された曜日を平日、要素数の少ないグループに分類された曜日を非平日と推定する。
【選択図】図1
Description
移動体の移動情報を取得する移動情報取得部と、
前記移動体の移動情報を日時と対応付け、移動履歴情報として記憶する履歴記憶部と、
1日を複数の時間帯に分け、前記移動履歴から各時間帯の移動頻度を曜日毎に求め、各曜日のデータを類似度に応じて2つのグループに分類し、要素数の多いグループに分類された曜日を平日、要素数の少ないグループに分類された曜日を非平日と推定する推定部と、
を有する。
前記推定部が、前記履歴情報に基づいて前記エリア毎の訪問頻度を求め、前記訪問頻度の最も高い前記エリアを自宅が属するエリアと推定し、前記履歴情報のうち、前記自宅が属するエリアに係る履歴情報を抽出し、抽出した前記履歴情報に基づいて、前記平日又は非平日の推定を行っても良い。
移動体の移動情報を取得するステップと、
前記移動体の移動情報を日時と対応付け、移動履歴情報として記憶するステップと、
1日を複数の時間帯に分け、前記移動履歴から各時間帯の移動頻度を曜日毎に求め、各曜日のデータを類似度に応じて2つのグループに分類し、要素数の多いグループに分類された曜日を平日、要素数の少ないグループに分類された曜日を非平日と推定するステップと、
をコンピュータが実行する。
以下、本発明の実施形態について、図面を用いて説明する。なお、下記の実施形態は本発明の例示であり、本発明は、下記の構成には限定されない。
<機能説明>
図1は、本実施形態に係る平日/非平日推定装置の機能ブロック図である。本実施形態の平日/非平日推定装置1は、車両やユーザ等の移動体と共に移動する装置であり、例えば自動車(乗用車、トラック、自動二輪車等)、原動機付き自転車、軽車両等の車両に搭載される装置(車載装置)や、ユーザが携帯して用いる携帯電話機、スマートフォン、タブレット端末(スレートPC(Personal Computer))、ノート型PC、携帯ゲーム機と
いったユーザ端末(モバイル装置)である。平日/非平日推定装置1は、移動情報取得部11や、履歴記憶部12、推定部13を有する。
Positioning System)受信機等により、位置情報を取得する。即ち、位置情報の遷移に
より移動体の移動を検出する。また、移動の検出は、位置情報に限らず、車速や加速度、イグニッションスイッチの状態に基づいて検出するものでも良い。
、キャンベラ距離、ミンコフスキー距離等の距離関数や、コサイン類似度、ピアソン類似
度を用いることができる。なお、コサイン類似度及びピアソン類似度については、距離=1 - コサイン類似度、距離=1 - ピアソン類似度のように変換することで距離として用いることができる。
図4は、コンピュータ(情報処理装置)の一例を示す装置構成図である。平日/非平日推定装置1は、例えば図4に示すようなコンピュータである。図4に示すコンピュータ1000は、CPU(Central Processing Unit)1001、主記憶装置1002、補助記
憶装置(外部記憶装置)1003、通信IF(Interface)1004、入出力IF(Interface)1005、ドライブ装置1006、通信バス1007を備えている。CPU1001は、プログラムを実行することにより本実施の形態に係る処理等を行う。主記憶装置1002は、CPU1001が読み出したプログラムやデータをキャッシュしたり、CPUの作業領域を展開したりする。主記憶装置は、具体的には、RAM(Random Access Memory)やROM(Read Only Memory)等である。補助記憶装置1003は、CPU1001により実行されるプログラムや、位置情報などを記憶する。補助記憶装置1003は、具体的には、HDD(Hard-disk Drive)やSSD(Solid State Drive)、eMMC(embedded Multi-Media Card)、フラッシュメモリ等である。主記憶装置1002や補助記憶
装置1003は、平日/非平日推定装置1の履歴記憶部12として働く。
。そして、以上のような構成要素が、通信バス1007で接続されている。なお、これらの構成要素はそれぞれ複数設けられていてもよいし、一部の構成要素(例えば、ドライブ装置1006)を設けないようにしてもよい。また、入出力装置がコンピュータと一体に構成されていてもよい。また、ドライブ装置1006で読み取り可能な可搬性の記憶媒体や、フラッシュメモリのような可搬性の補助記憶装置1003、通信IF1004などを介して、本実施の形態で実行されるプログラムが提供されるようにしてもよい。そして、CPU1001がプログラムを実行することにより、図4に示すようなコンピュータを図1に示した平日/非平日推定装置1として働かせる。
次に、平日/非平日推定装置1がプログラムに従って実行する処理の詳細について説明する。平日/非平日推定装置1は、移動体の移動に伴って移動履歴を記憶し、移動履歴に基づいて平日/非平日の推定を行う。
5日(火曜日)の到着時刻が10:10の場合、乗車回数データ74に示すように10時台の時間帯に加えて、9時台と11時台の時間帯にも乗車回数をカウントし、乗車回数データ74に示すように、火曜日の8時台の乗車回数を1、9時台の乗車回数を2、10時台の乗車回数を2、11時台の乗車回数を1とする。
例えば、各曜日のデータを図8(a)のように特徴ベクトルとして示した場合に、図8(b)のように各特徴ベクトル間のユークリッド距離を総当たりで求めて、最も距離の近いデータを1つのクラスタとする。このユークリッド距離を求める際、具体的には、各曜日の特徴ベクトルについて、0時台の乗車率をA、1時台の乗車率をB、2時台の乗車率をC・・・23時台の乗車率をXで示し、図8(c)のように時間帯毎の差をとって距離を求める。これにより時間帯毎の乗車率の差が少ないデータ、即ち乗車傾向が類似したデータを距離が近いデータとして求めることができる。
タ(グループ)に分類できる。図13の例においても、一方のクラスタに月曜日・火曜日・水曜日・木曜日・金曜日のデータが分類され、他方のクラスタに土曜日・日曜日のデータが分類された。これにより当該ユーザにとって、月曜日・火曜日・水曜日・木曜日・金曜日が平日、土曜日・日曜日が非平日であると推定できる。
上記の実施形態では、祝日のデータを除いて平日/非平日を判定したが、祝日のデータを1つの曜日のデータと同じように乗車率(移動頻度)を求め、7つの曜日のデータに祝日のデータを加えて、8つのデータについてクラスタリングを行っても良い。
例えば、図14に示すように、7列の曜日毎のデータに祝日のデータを1列加え、8列のデータとする。各行の時間帯の区切りは、他の曜日のデータと同じである。
このように祝日のデータを加えて2つのクラスタ(グループ)にクラスタリングし、要素数が多いクラスタ(グループ)に分類された曜日或は祝日を平日、要素数が少ないクラスタ(グループ)に分類された曜日或は祝日を非平日と推定する。
これにより、祝日が平日か非平日かを判別できる。
本実施形態2では、前述の推定処理に加え、ユーザの自宅が属するエリアや勤務先が属するエリアを推定する処理を行い、例えば自宅から勤務先へ移動した場合の移動履歴の基づいて平日/非平日を推定する例を示す。
図15は、本実施形態2に係る平日/非平日推定装置の機能ブロック図である。本実施形態2の平日/非平日推定装置100は、自動車(乗用車、トラック、自動二輪車等)、原動機付き自転車、軽車両等の車両に搭載される装置(車載装置)であり、位置情報取得部11や、履歴記憶部120、推定部130を有する。
取得可能なセンサであり、平日/非平日推定装置100が搭載された車両の位置情報を複数のGPS衛星から受信した信号に基づいて取得する。また、位置情報取得部11は、GPSだけでなく、加速度センサによる自律航法によって位置を取得しても良い。
れた地域メッシュを用いている。図16は、地域メッシュの説明図である。地域メッシュは、第1次メッシュ(「第1次地域区画」とも呼ぶ)、第2次メッシュ(「第2次地域区画」、「統合地域メッシュ」とも呼ぶ)及び第3次メッシュ(「第3次地域区画」、「基準地域メッシュ」とも呼ぶ)といった標準地域メッシュ、並びに2分の1地域メッシュ、4分の1地域メッシュ及び8分の1地域メッシュといった分割地域メッシュの各段階の大きさのメッシュで構成され、各メッシュを示すメッシュコードによって特定される。
独自に定めた位置及び大きさの網目状に区画したメッシュを用いるようにしてもよい。
)であり、到着する時刻のばらつきを示す値でもあり、到着する時刻のばらつきが大きければ大きな値をとり、到着する時刻のばらつきが小さければ小さな値をとる。例えば、1日を所定数の時間帯(本例では1時間刻みで24の時間帯)に区切り、時間帯毎に隣接しない他のエリアを出発して当該エリアに到着した回数をカウントし、頻度分布を求めた。
即ち、エリア内の移動や隣接エリア間で行き来した場合を除外して頻度分布を求めた。なお、頻度分布を計算する際、各時間帯の値にシュードカウントを加えても良い。例えば、引っ越しや転勤によって自宅や勤務先が変わったことを素早く推定結果に反映できるようにするためには、観測期間を短く設定し、この短い観測期間内のデータから推定が行えるようにする必要がある。しかし、観測期間を短く設定すると、出現頻度の低い事象の出現頻度が、ほぼゼロになってしまい、推定結果に正しく反映されず、所謂ゼロ頻度問題が生じてしまう。そこで、シュードカウントを各時間帯の値に加えて、この出現頻度の低い事象の出現頻度を補正し、ゼロ頻度問題を回避するようにしている。なお、シュードカウントの値は、観測期間の長さや推定に用いる特徴量のレンジ(幅)、バラツキ等に応じて変化させても良く、予め観測期間や特徴量と対応するシュードカウントの値とを求めて、関係式やデータテーブルとして保持しておき、推定処理時に観測期間や特徴量に応じたシュードカウントの値を用いるようにしても良い。
本実施形態2の平日/非平日推定装置100は、前述の実施形態1と同様に、例えば図4に示すようなコンピュータである。
次に、平日/非平日推定装置100がプログラムに従って実行する処理の詳細について説明する。平日/非平日推定装置100は、ユーザの移動に伴って移動履歴を記憶し、移動履歴に基づいて自宅エリア及び勤務先エリア等を推定する。
うち、到着時刻情報量が最大のエリアを自宅エリアと推定する(ステップS420)。更に、平日/非平日推定装置100は、ステップS410の条件を満たしたエリアのうち、到着時刻情報量が最小のエリアを勤務先エリアと推定する(ステップS425)。訪問率は、自宅エリアと勤務先エリアが群を抜いて高く、到着時刻情報量は、決まった時刻に出社することの多い勤務先では小さく、到着時刻に決まりのない自宅では大きくなる。このため、訪問頻度が閾値以上で到着時刻情報量が最大のエリアを自宅エリア、訪問頻度が閾値以上で到着時刻情報量が最小のエリアを勤務先エリアと推定する。
本実施形態3では、実施形態1の推定処理に加え、移動体としてのユーザの移動をユーザの携帯するユーザ端末が検出し、この移動履歴に基づいて、自宅が属するエリアや勤務先が属するエリアを推定する処理を行い、例えば自宅から勤務先へ移動した場合の移動履歴の基づいて平日/非平日を推定する例を示す。
図25は、本実施形態3に係る平日/非平日推定装置110の機能ブロック図である。本実施形態の平日/非平日推定装置110は、ユーザが携帯して用いる携帯電話機、スマートフォン、タブレット端末(スレートPC(Personal Computer))、ノート型PC、
携帯電話機、携帯ゲーム機といったユーザ端末(モバイル装置)1であり、位置情報取得部11や、履歴記憶部120、推定部133を有する。
取得可能なセンサであり、ユーザに携帯され、ユーザと共に移動するユーザ端末110の位置情報をユーザの位置を示す位置情報として取得する。また、位置情報取得部11は、GPSだけでなく、加速度センサによる自律航法によって位置を取得しても良い。
位置とを比較して所定距離以上離れていた場合に移動したものとしても良い。この場合、所定期間内に検出した位置の重心から今回検出した位置までの距離や、所定期間内に検出した位置が属するメッシュの中心や四隅等の代表点から今回検出した位置までの距離が、所定距離以上離れていた場合に移動したものとしても良い。
れてしまった日を除外する。図27の例では、7月21日が祝日のため除外対象とし、7月24日が電源の切れた日のため除外対象とし、7月17日まで遡って観測日数6日分のデータを取得する。即ち、7月17日から7月23日までの訪問日数が5日のエリアは、訪問日数(5日)/観測日数(6日)=訪問頻度(0.833・・・)となる。
)であり、出発する時刻のばらつきを示す値でもあり、出発する時刻のばらつきが大きければ大きな値をとり、出発する時刻のばらつきが小さければ小さな値をとる。例えば、1日を所定数の時間帯(本例では1時間刻みで24の時間帯)に区切り、時間帯毎にそのエリアから隣接しない他のエリアへ出発した回数をカウントし、頻度分布を求めた。即ち、エリア内の移動や隣接エリア間で行き来した場合を除外して頻度分布を求めた。なお、頻度分布を計算する際、各時間帯の値にシュードカウントを加えても良い。例えば、引っ越しや転勤によって自宅や勤務先が変わったことを素早く推定結果に反映できるようにするためには、観測期間を短く設定し、この短い観測期間内のデータから推定が行えるようにする必要がある。しかし、観測期間を短く設定すると、出現頻度の低い事象の出現頻度が、ほぼゼロになってしまい、推定結果に正しく反映されず、所謂ゼロ頻度問題が生じてしまう。そこで、シュードカウントを各時間帯の値に加えて、この出現頻度の低い事象の出現頻度を補正し、ゼロ頻度問題を回避するようにしている。なお、シュードカウントの値は、観測期間の長さや推定に用いる特徴量のレンジ(幅)、バラツキ等に応じて変化させても良く、予め観測期間や特徴量と対応するシュードカウントの値とを求めて、関係式やデータテーブルとして保持しておき、推定処理時に観測期間や特徴量に応じたシュードカウントの値を用いるようにしても良い。
)であり、到着する時刻のばらつきを示す値でもあり、到着する時刻のばらつきが大きければ大きな値をとり、到着する時刻のばらつきが小さければ小さな値をとる。例えば、1日を所定数の時間帯(本例では1時間刻みで24の時間帯)に区切り、時間帯毎に隣接しない他のエリアを出発して当該エリアに到着した回数をカウントし、頻度分布を求めた。即ち、エリア内の移動や隣接エリア間で行き来した場合を除外して頻度分布を求めた。なお、頻度分布を計算する際、各時間帯の値にシュードカウントを加えても良い。例えば、前述の図20の例では、観測日数を20日とし、0時〜23時の1時間刻みとした24の時間帯で到着回数をカウントし、シュードカウントを1加え、式(1)を用いて対数の底を2とした場合の計算結果を到着時刻情報量として求めている。
本実施形態3の平日/非平日推定装置110は、前述の実施形態1と同様に、例えば図4に示すようなコンピュータである。
次に、ユーザ端末110がプログラムに従って実行する処理の詳細について説明する。ユーザ端末110は、ユーザの移動に伴って移動履歴を記憶し、移動履歴に基づいて自宅エリア及び勤務先エリア等を推定する。
ば、自宅エリアから勤務先エリアまでの移動時間、勤務先エリアから自宅エリアまでの移動時間について、前述の図9のように当該移動時間にかかる時間帯の乗車回数をカウントし、乗車率を求めて平日/非平日の推定処理に用いる。また、自宅エリアから出発して勤務先エリアへ到着した場合の到着時刻、及び勤務先エリアから出発して自宅エリアへ到着した場合の到着時刻について、前述の図9のように当該到着時刻が属する時間帯の乗車回数をカウントし、乗車率を求めて平日/非平日の推定処理に用いても良い。なお、平日/非平日の推定手順については前述の実施形態1と同じであるため再度の説明を省略する。
一般的なライフスタイルでは、前述の実施形態3のように自宅エリアの訪問頻度が最も高くなる。しかし、例えば鉄道や病院、警察、消防の業務に携わり、勤務先で仮眠をとるようなライフスタイルの場合、自宅エリアの訪問頻度が低くなることもある。このため到着時刻情報量を用いて自宅エリアの推定を行っても良い。
前述のように、通常は自宅エリアと勤務先エリアの訪問頻度が突出して高くなるが、最寄駅や乗換駅等も訪問頻度が高くなることがある。また、これらの駅にショッピングモールが併設されていたりすると、平均移動回数も高くなることがある。しかし、これらは通過点であって、自宅エリアや勤務先エリアとは、滞在時間が異なっている。このため平均滞在時間を用いて自宅エリアや勤務先エリアの推定を行っても良い。
本発明は上述の処理を実行するコンピュータプログラムを含む。さらに、当該プログラムを記録した、コンピュータ読み取り可能な記録媒体も、本発明の範疇に属する。当該プログラムが記録された記録媒体については、コンピュータに、この記録媒体のプログラムを読み込ませて実行させることにより、推定処理が可能となる。
本発明は上述の処理を実行するコンピュータプログラムを含む。さらに、当該プログラムを記録した、コンピュータ読み取り可能な記録媒体も、本発明の範疇に属する。当該プログラムが記録された記録媒体については、コンピュータに、この記録媒体のプログラムを読み込ませて実行させることにより、上述の推定処理が可能となる。
2 ネットワーク
11 移動情報取得部
12,120 履歴記憶部
13,130,133 推定部
Claims (6)
- 移動体の移動情報を取得する移動情報取得部と、
前記移動体の移動情報を日時と対応付け、移動履歴情報として記憶する履歴記憶部と、
1日を複数の時間帯に分け、前記移動履歴から各時間帯の移動頻度を曜日毎に求め、各曜日のデータを類似度に応じて2つのグループに分類し、要素数の多いグループに分類された曜日を平日、要素数の少ないグループに分類された曜日を非平日と推定する推定部と、
を有する平日/非平日推定装置。 - 前記移動頻度として、前記移動履歴に基づいて前記移動体の到着時刻が前記各時間帯に属する頻度を求める請求項1に記載の平日/非平日推定装置。
- 前記履歴記憶部が、前記移動体の移動する地域を複数のエリアに区画し、前記位置情報に基づいて前記移動体が位置するエリアを判定し、前記移動体の移動に伴う前記移動体が位置するエリアの遷移を表す履歴情報を保持し、
前記推定部が、前記履歴情報に基づいて前記エリア毎の訪問頻度を求め、前記訪問頻度の最も高い前記エリアを自宅が属するエリアと推定し、前記履歴情報のうち、前記自宅が属するエリアに係る履歴情報を抽出し、抽出した前記履歴情報に基づいて、前記平日又は非平日の推定を行う請求項1又は2に記載の平日/非平日推定装置。 - 移動体の移動情報を取得するステップと、
前記移動体の移動情報を日時と対応付け、移動履歴情報として記憶するステップと、
1日を複数の時間帯に分け、前記移動履歴から各時間帯の移動頻度を曜日毎に求め、各曜日のデータを類似度に応じて2つのグループに分類し、要素数の多いグループに分類された曜日を平日、要素数の少ないグループに分類された曜日を非平日と推定するステップと、
をコンピュータが実行する平日/非平日推定方法。 - 前記移動頻度として、前記移動履歴に基づいて前記移動体の到着時刻が前記各時間帯に属する頻度を求める請求項4に記載の平日/非平日推定方法。
- 移動体の移動情報を取得するステップと、
前記移動体の移動情報を日時と対応付け、移動履歴情報として記憶するステップと、
1日を複数の時間帯に分け、前記移動履歴から各時間帯の移動頻度を曜日毎に求め、各曜日のデータを類似度に応じて2つのグループに分類し、要素数の多いグループに分類された曜日を平日、要素数の少ないグループに分類された曜日を非平日と推定するステップと、
をコンピュータに実行させるための平日/非平日推定プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014161829A JP6560486B2 (ja) | 2014-08-07 | 2014-08-07 | 平日/非平日推定装置及び平日/非平日推定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014161829A JP6560486B2 (ja) | 2014-08-07 | 2014-08-07 | 平日/非平日推定装置及び平日/非平日推定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016038742A true JP2016038742A (ja) | 2016-03-22 |
JP6560486B2 JP6560486B2 (ja) | 2019-08-14 |
Family
ID=55529762
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014161829A Active JP6560486B2 (ja) | 2014-08-07 | 2014-08-07 | 平日/非平日推定装置及び平日/非平日推定方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6560486B2 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018077608A (ja) * | 2016-11-08 | 2018-05-17 | 株式会社Nttドコモ | 拠点推定装置 |
CN115440040A (zh) * | 2022-09-02 | 2022-12-06 | 重庆大学 | 一种基于高速公路通行数据的通勤车辆识别方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003242212A (ja) * | 2001-10-30 | 2003-08-29 | Johnson Controls Technol Co | ユーティリティの消費特性が類似する曜日を決定する装置および方法 |
JP2005115482A (ja) * | 2003-10-03 | 2005-04-28 | Omron Corp | 利用者誘出システム及び方法 |
JP2005216209A (ja) * | 2004-02-02 | 2005-08-11 | Matsushita Electric Ind Co Ltd | 自律走行装置 |
JP2009036594A (ja) * | 2007-07-31 | 2009-02-19 | Panasonic Corp | 移動先予測装置および移動先予測方法 |
US20090312946A1 (en) * | 2006-10-26 | 2009-12-17 | Mototaka Yoshioka | Travel history editing device |
JP2014002671A (ja) * | 2012-06-20 | 2014-01-09 | Zenrin Datacom Co Ltd | 情報処理システム、情報処理方法及びプログラム |
-
2014
- 2014-08-07 JP JP2014161829A patent/JP6560486B2/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003242212A (ja) * | 2001-10-30 | 2003-08-29 | Johnson Controls Technol Co | ユーティリティの消費特性が類似する曜日を決定する装置および方法 |
JP2005115482A (ja) * | 2003-10-03 | 2005-04-28 | Omron Corp | 利用者誘出システム及び方法 |
JP2005216209A (ja) * | 2004-02-02 | 2005-08-11 | Matsushita Electric Ind Co Ltd | 自律走行装置 |
US20090312946A1 (en) * | 2006-10-26 | 2009-12-17 | Mototaka Yoshioka | Travel history editing device |
JP2009036594A (ja) * | 2007-07-31 | 2009-02-19 | Panasonic Corp | 移動先予測装置および移動先予測方法 |
JP2014002671A (ja) * | 2012-06-20 | 2014-01-09 | Zenrin Datacom Co Ltd | 情報処理システム、情報処理方法及びプログラム |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018077608A (ja) * | 2016-11-08 | 2018-05-17 | 株式会社Nttドコモ | 拠点推定装置 |
CN115440040A (zh) * | 2022-09-02 | 2022-12-06 | 重庆大学 | 一种基于高速公路通行数据的通勤车辆识别方法 |
CN115440040B (zh) * | 2022-09-02 | 2023-09-22 | 重庆大学 | 一种基于高速公路通行数据的通勤车辆识别方法 |
Also Published As
Publication number | Publication date |
---|---|
JP6560486B2 (ja) | 2019-08-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Huang et al. | Exploring individual travel patterns across private car trajectory data | |
JP5523274B2 (ja) | 携帯端末を所持したユーザの有意圏を推定する装置、プログラム及び方法 | |
KR101399267B1 (ko) | 모바일 디바이스에서의 애플리케이션 추천 장치 및 방법 | |
JP6469465B2 (ja) | 位置情報管理装置及び位置情報管理方法 | |
JP6681657B2 (ja) | 移動状況判定装置、移動状況判定方法及びプログラム | |
WO2011102541A1 (ja) | 行動特徴抽出装置、行動特徴抽出システム、行動特徴抽出方法、及び行動特徴抽出プログラム | |
JPWO2008136193A1 (ja) | 移動先予測装置、移動先予測方法、ナビゲーション装置及びプログラム | |
US10560797B2 (en) | Information processing device and method | |
JP5963356B2 (ja) | ユーザ属性を考慮した電力消費関連支援装置、携帯端末、プログラム及び方法 | |
JP6147242B2 (ja) | 予測装置、予測方法及び予測プログラム | |
JP6396686B2 (ja) | 行動判定装置、行動判定方法及びプログラム | |
EP3317870A2 (en) | User trip libraries | |
JP6688149B2 (ja) | タクシー需要推定システム | |
US20170098167A1 (en) | Device and method for estimating travel speed | |
JP6098302B2 (ja) | ナビゲーションシステム、ナビゲーション方法、及びナビゲーションプログラム | |
JP6560486B2 (ja) | 平日/非平日推定装置及び平日/非平日推定方法 | |
JP2014190952A (ja) | ナビゲーションシステム、ナビゲーション方法、及びナビゲーションプログラム | |
JP6443967B2 (ja) | エリア属性推定装置及びエリア属性推定方法 | |
US20200126123A1 (en) | Advance notification of convenient purchase points | |
JP2014002671A (ja) | 情報処理システム、情報処理方法及びプログラム | |
JP6778120B2 (ja) | 情報処理サーバおよび情報処理システム | |
JP6443966B2 (ja) | ナビゲーションシステムにおけるエリア属性推定装置及びエリア属性推定方法 | |
US20170176568A1 (en) | Mobile device and method for determining a place according to geolocation information | |
Bieler et al. | A context-and trajectory-based destination prediction of public transportation users | |
JP2020149729A (ja) | 情報処理装置、情報処理方法およびコンピュータプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170725 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180726 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180807 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20181009 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20190122 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190422 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20190603 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20190702 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190719 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6560486 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |