JP2016152527A - 移動分析装置、移動分析方法および移動分析プログラム - Google Patents
移動分析装置、移動分析方法および移動分析プログラム Download PDFInfo
- Publication number
- JP2016152527A JP2016152527A JP2015029345A JP2015029345A JP2016152527A JP 2016152527 A JP2016152527 A JP 2016152527A JP 2015029345 A JP2015029345 A JP 2015029345A JP 2015029345 A JP2015029345 A JP 2015029345A JP 2016152527 A JP2016152527 A JP 2016152527A
- Authority
- JP
- Japan
- Prior art keywords
- movement
- information
- cluster
- time
- detection unit
- 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
Landscapes
- Mobile Radio Communication Systems (AREA)
- Telephonic Communication Services (AREA)
Abstract
【課題】端末装置の移動に関する分析を行うことができる移動分析装置などを提供する。【解決手段】端末装置の位置に関する情報を検出する位置検出部と、前記位置検出部により検出された情報に基づいて、時刻に対する前記端末装置の移動速度に関する情報を検出する移動速度検出部と、前記移動速度検出部により検出された情報に基づいて、時刻に対する移動速度に関して、複数の前記端末装置のクラスタリングを行ってクラスタを生成するクラスタリング部と、を備える移動分析装置である。【選択図】図２
Description
本発明は、移動分析装置、移動分析方法および移動分析プログラムに関する。
ＬＴＥ（Ｌｏｎｇ Ｔｅｒｍ Ｅｖｏｌｕｔｉｏｎ）のサービスを提供する一般的なテレコミュニケーションネットワークでは、一台のＭＭＥ（Ｍｏｂｉｌｉｔｙ Ｍａｎａｇｅｍｅｎｔ Ｅｎｔｉｔｙ）に対して、多数の無線の基地局装置（ｅＮｏｄｅＢ）が収容されている。各ｅＮｏｄｅＢは、多数のユーザ装置（ＵＥ：Ｕｓｅｒ Ｅｑｕｉｐｍｅｎｔ）を収容している。各ｅＮｏｄｅＢは、各ＵＥと無線により通信する。
このため、ｅＮｏｄｅＢとＭＭＥを相互接続するそれぞれのＳ１−ＭＭＥのインタフェースでは、各ｅＮｏｄｅＢに収容されている多数のＵＥに関わる膨大な数のデータ・パケットが流れている。これらのデータ・パケットは、各ＵＥの状態変化（例えば、アタッチ、ハンドオフ、アイドル状態への遷移など）を契機に発生する。モニタリング装置（監視装置）では、多数のＵＥのデータ・パケットが混在した状態で観測される。なお、個々のデータ・パケットから、直接、ＵＥを識別すること、あるいは、ＵＥの状態を特定することは、できない。
特許文献１には、ＬＴＥのネットワークにおけるデータ・パケットのモニタリング方法の一例が記載されている（特許文献１参照。）。特許文献１では、Ｓ１−ＭＭＥのインタフェースにおいて、暗号化されて流れる一部のＮＡＳ（Ｎｏｎ Ａｃｃｅｓｓ Ｓｔｒａｔｕｍ）メッセージを解読する方法が示されている。この方法では、ＭＭＥとＨＳＳ（Ｈｏｍｅ Ｓｕｂｓｃｒｉｂｅｒ Ｓｅｒｖｅｒ）を相互接続するＳ６ａのインタフェース、および、ＭＭＥとＳＧＳＮ（Ｓｅｒｖｉｎｇ Ｇｅｎｅｒａｌ ｐａｃｋｅｔ ｒａｄｉｏ ｓｅｒｖｉｃｅ Ｓｕｐｐｏｒｔ Ｎｏｄｅ）を相互接続するＳ３のインタフェースのそれぞれのインタフェースを流れるデータ・パケットをモニタリング装置で捕捉し、Ｓ１−ＭＭＥのインタフェースにおいて、暗号化されたＮＡＳメッセージを解読するために必要な鍵を捕捉して解読する。これにより、ＮＡＳメッセージからＵＥをＩＭＳＩ（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｍｏｂｉｌｅ Ｓｕｂｓｃｒｉｂｅｒ Ｉｄｅｎｔｉｔｙ）で識別し、各ユーザ単位でのセッション記録を作成することが図られる。
３ＧＰＰ ＴＳ ３６．４１３ Ｖ１２ "Ｓ１ Ａｐｐｌｉｃａｔｉｏｎ Ｐｒｏｔｏｃｏｌ （Ｓ１ＡＰ）"
しかしながら、特許文献１に記載の技術では、Ｓ１−ＭＭＥのインタフェースで流れるＮＡＳメッセージは、全体の極一部であり、ＮＡＳ以外のＩＭＳＩを含まない制御信号をＵＥにマッピングすることは困難であり、また、ＵＥの状態を特定することはできない。
なお、非特許文献１では、Ｓ１アプリケーション（Ｓ１ Ａｐｐｌｉｃａｔｉｏｎ）のプロトコル（Ｐｒｏｔｏｃｏｌ）を規定しているが、ＵＥの状態管理を行うことはできない。
従来技術においては、ＵＥを利用するユーザ（利用者）の移動手段を推定することはできず、また、ＵＥのユーザの移動手段と当該ＵＥの状態を同時に測定し、相互の関係を管理することはできない。
なお、非特許文献１では、Ｓ１アプリケーション（Ｓ１ Ａｐｐｌｉｃａｔｉｏｎ）のプロトコル（Ｐｒｏｔｏｃｏｌ）を規定しているが、ＵＥの状態管理を行うことはできない。
従来技術においては、ＵＥを利用するユーザ（利用者）の移動手段を推定することはできず、また、ＵＥのユーザの移動手段と当該ＵＥの状態を同時に測定し、相互の関係を管理することはできない。
本発明は、このような事情を考慮してなされたもので、端末装置の移動に関する分析を行うことができる移動分析装置、移動分析方法および移動分析プログラムを提供することを課題とする。
上記の課題を解決するために、一態様に係る移動分析装置は、端末装置の位置に関する情報を検出する位置検出部と、前記位置検出部により検出された情報に基づいて、時刻に対する前記端末装置の移動速度に関する情報を検出する移動速度検出部と、前記移動速度検出部により検出された情報に基づいて、時刻に対する移動速度に関して、複数の前記端末装置のクラスタリングを行ってクラスタを生成するクラスタリング部と、を備える。
一態様に係る移動分析装置では、前記クラスタリング部により生成されたクラスタに基づいて、複数の前記端末装置について類似性に関する情報を検出する類似性検出部と、前記類似性検出部により検出された情報に基づいて、前記クラスタについて、前記端末装置の同行数に関する情報を検出する同行数検出部と、前記同行数検出部により検出された情報に基づいて、前記クラスタについて、時間推移を判定して、移動手段に関するマッピングを行うマッピング部と、を備える、構成が用いられてもよい。
一態様に係る移動分析装置では、前記端末装置の状態に関する情報を検出し、前記端末装置の状態と前記端末装置の移動の状況とを対応付ける状態検出部を備える、構成が用いられてもよい。
一態様に係る移動分析装置では、前記位置検出部および前記移動速度検出部は、複数の基地局装置の間における前記端末装置のハンドオーバに関する情報に基づいて、情報を検出する、構成が用いられてもよい。
上記の課題を解決するために、一態様に係る移動分析方法では、位置検出部が、端末装置の位置に関する情報を検出し、移動速度検出部が、前記位置検出部により検出された情報に基づいて、時刻に対する前記端末装置の移動速度に関する情報を検出し、クラスタリング部が、前記移動速度検出部により検出された情報に基づいて、時刻に対する移動速度に関して、複数の前記端末装置のクラスタリングを行ってクラスタを生成する。
上記の課題を解決するために、一態様に係る移動分析プログラムは、端末装置の位置に関する情報を検出する位置検出ステップと、前記位置検出ステップにより検出された情報に基づいて、時刻に対する前記端末装置の移動速度に関する情報を検出する移動速度検出ステップと、前記移動速度検出ステップにより検出された情報に基づいて、時刻に対する移動速度に関して、複数の前記端末装置のクラスタリングを行ってクラスタを生成するクラスタリングステップと、をコンピュータに実行させるための移動分析プログラムである。
本発明によれば、端末装置の移動に関する分析を行うことができる。
以下、図面を参照し、本発明の実施形態について説明する。
図１は、本発明の一実施形態に係る通信システム１の概略的な構成を示すブロック図である。
本実施形態では、ＬＴＥのネットワークに適用した場合を示す。
ＬＴＥのネットワークは、ｅＵＴＲＡＮ（ｅｖｏｌｖｅｄ Ｕｎｉｖｅｒｓａｌ Ｔｅｒｒｅｓｔｒｉａｌ Ｒａｄｉｏ Ｎｅｔｗｏｒｋ）と呼ばれる無線ネットワークと、ＥＰＣ（Ｅｖｏｌｖｅｄ Ｐａｃｋｅｔ Ｃｏｒｅ）と呼ばれるコアネットワークから構成されている。
ｅＵＴＲＡＮは、ｅＮｏｄｅＢのみで構成される。
ＥＰＣは、ＭＭＥ、ＳＧＷ（Ｓｅｒｖｉｎｇ Ｇａｔｅｗａｙ）、ＰＧＷ（ＰＤＮ（Ｐａｃｋｅｔ Ｄａｔａ Ｎｅｔｗｏｒｋ） Ｇａｔｅｗａｙ）、ＨＳＳなど、複数の装置群によって構成される。
図１は、本発明の一実施形態に係る通信システム１の概略的な構成を示すブロック図である。
本実施形態では、ＬＴＥのネットワークに適用した場合を示す。
ＬＴＥのネットワークは、ｅＵＴＲＡＮ（ｅｖｏｌｖｅｄ Ｕｎｉｖｅｒｓａｌ Ｔｅｒｒｅｓｔｒｉａｌ Ｒａｄｉｏ Ｎｅｔｗｏｒｋ）と呼ばれる無線ネットワークと、ＥＰＣ（Ｅｖｏｌｖｅｄ Ｐａｃｋｅｔ Ｃｏｒｅ）と呼ばれるコアネットワークから構成されている。
ｅＵＴＲＡＮは、ｅＮｏｄｅＢのみで構成される。
ＥＰＣは、ＭＭＥ、ＳＧＷ（Ｓｅｒｖｉｎｇ Ｇａｔｅｗａｙ）、ＰＧＷ（ＰＤＮ（Ｐａｃｋｅｔ Ｄａｔａ Ｎｅｔｗｏｒｋ） Ｇａｔｅｗａｙ）、ＨＳＳなど、複数の装置群によって構成される。
図１の例では、通信システム１は、ＵＥ１１−１〜１１−３、ｅＮｏｄｅＢ１２−１〜１２−２、ＭＭＥ１３、ＳＧＷ１４、ＰＧＷ１５、ＨＳＳ１６を備える。なお、ＵＥおよびｅＮｏｄｅＢは、例えば、多数備えられているが、図１では、一部のみが示されている。
ｅＮｏｄｅＢ１２−１は、回線１０１−１を介して、ＭＭＥ１３と接続されている。
ｅＮｏｄｅＢ１２−２は、回線１０１−２を介して、ＭＭＥ１３と接続されている。
ここで、回線１０１−１および回線１０１−２は、Ｓ１−ＭＭＥのインタフェースの回線である。
ＭＭＥ１３は、回線１１１−１を介して、ＳＧＷ１４と接続されている。
ＳＧＷ１４は、回線１１１−２を介して、ＰＧＷ１５と接続されている。
ＭＭＥ１３は、回線１１１−３を介して、ＨＳＳ１６と接続されている。
ここで、回線１１１−３は、Ｓ６ａのインタフェースの回線である。
ｅＮｏｄｅＢ１２−１は、回線１０１−１を介して、ＭＭＥ１３と接続されている。
ｅＮｏｄｅＢ１２−２は、回線１０１−２を介して、ＭＭＥ１３と接続されている。
ここで、回線１０１−１および回線１０１−２は、Ｓ１−ＭＭＥのインタフェースの回線である。
ＭＭＥ１３は、回線１１１−１を介して、ＳＧＷ１４と接続されている。
ＳＧＷ１４は、回線１１１−２を介して、ＰＧＷ１５と接続されている。
ＭＭＥ１３は、回線１１１−３を介して、ＨＳＳ１６と接続されている。
ここで、回線１１１−３は、Ｓ６ａのインタフェースの回線である。
図２は、本発明の一実施形態に係る移動分析装置２０１の概略的な構成を示すブロック図である。
本実施形態では、移動分析装置２０１が独立な装置として、通信システム１に備えられている。または、移動分析装置２０１の機能が、通信システム１におけるいずれかの装置（例えば、ＭＭＥ１３または他の装置）に備えられてもよい。または、移動分析装置２０１の機能が、通信システム１における２個以上の装置に分散されて備えられてもよい。
本実施形態では、移動分析装置２０１が独立な装置として、通信システム１に備えられている。または、移動分析装置２０１の機能が、通信システム１におけるいずれかの装置（例えば、ＭＭＥ１３または他の装置）に備えられてもよい。または、移動分析装置２０１の機能が、通信システム１における２個以上の装置に分散されて備えられてもよい。
本実施形態では、移動分析装置２０１は、Ｓ１−ＭＭＥのインタフェースの回線１０１−１、１０１−２を流れるデータ・パケットをキャプチャしてモニタリングした結果に基づいて、ＵＥの移動手段およびＵＥの状態を管理する。本実施形態では、データ・パケットとして、ＩＰ（Ｉｎｔｅｒｎｅｔ Ｐｒｏｔｏｃｏｌ）ヘッダおよびそれ以降のペイロードを含むＩＰパケットが用いられる。また、制御信号として、ペイロードの部分に格納されているＳ１アプリケーションの制御信号が用いられる。また、ＵＥの移動手段として、ＵＥが電車に乗っている状態であるか否かを判定する。
移動分析装置２０１は、入力部２１１と、出力部２１２と、記憶部２１３と、移動分析部２１４と、状態検出部２１５を備える。
移動分析部２１４は、位置検出部２３１と、移動速度検出部２３２と、クラスタリング部２３３と、類似性検出部２３４と、同行数検出部２３５と、マッピング部２３６を備える。
入力部２１１は、情報を入力する。入力部２１１は、例えば、他の装置から情報を入力してもよく、または、操作部を有し、人により行われた当該操作部の操作の情報を受け付けて入力してもよい。
出力部２１２は、情報を出力する。出力部２１２は、例えば、他の装置に情報を出力してもよく、一例として、ディスプレイ装置などの表示装置の画面に情報を表示出力してもよい。
記憶部２１３は、情報を記憶する。
移動分析部２１４は、ＵＥの移動に関する分析を行う。
状態検出部２１５は、ＵＥの通信状態の検出（本実施形態では、推定的な検出）を行う。
移動分析部２１４は、位置検出部２３１と、移動速度検出部２３２と、クラスタリング部２３３と、類似性検出部２３４と、同行数検出部２３５と、マッピング部２３６を備える。
入力部２１１は、情報を入力する。入力部２１１は、例えば、他の装置から情報を入力してもよく、または、操作部を有し、人により行われた当該操作部の操作の情報を受け付けて入力してもよい。
出力部２１２は、情報を出力する。出力部２１２は、例えば、他の装置に情報を出力してもよく、一例として、ディスプレイ装置などの表示装置の画面に情報を表示出力してもよい。
記憶部２１３は、情報を記憶する。
移動分析部２１４は、ＵＥの移動に関する分析を行う。
状態検出部２１５は、ＵＥの通信状態の検出（本実施形態では、推定的な検出）を行う。
移動分析装置２０１により行われる処理を説明する。
入力部２１１は、移動分析部２１４においてＵＥの移動に関する分析を行う際に使用される情報を入力する。具体例として、入力部２１１は、ＵＥの識別情報（ＩＤ）、制御信号の発生時刻の情報、ｅＮｏｄｅＢの識別情報（ＩＤ）、およびｅＮｏｄｅＢの位置の情報を入力する。
ここで、ＵＥのＩＤとしては、複数のＵＥのそれぞれを識別することが可能な情報が用いられ、ＵＥの同一性を識別することが可能な情報が用いられる。
制御信号の発生時刻の情報としては、ＵＥのハンドオーバの発生時刻の情報、または、それに近いとみなされる時刻の情報が用いられる。
ｅＮｏｄｅＢのＩＤとしては、ＵＥのハンドオーバ元のｅＮｏｄｅＢのＩＤ、および、ＵＥのハンドオーバ先のｅＮｏｄｅＢのＩＤが用いられる。なお、例えば、ＵＥが各ｅＮｏｄｅＢに収容されていた時刻（時間帯）を把握することも可能である。
ｅＮｏｄｅＢの位置の情報としては、通信システム１に備えられた所定のデータベース（基地局データベース）に記憶された情報に基づいて取得される。このデータベースには、各ｅＮｏｄｅＢのＩＤおよび設置された位置の情報が記憶されている。
入力部２１１は、移動分析部２１４においてＵＥの移動に関する分析を行う際に使用される情報を入力する。具体例として、入力部２１１は、ＵＥの識別情報（ＩＤ）、制御信号の発生時刻の情報、ｅＮｏｄｅＢの識別情報（ＩＤ）、およびｅＮｏｄｅＢの位置の情報を入力する。
ここで、ＵＥのＩＤとしては、複数のＵＥのそれぞれを識別することが可能な情報が用いられ、ＵＥの同一性を識別することが可能な情報が用いられる。
制御信号の発生時刻の情報としては、ＵＥのハンドオーバの発生時刻の情報、または、それに近いとみなされる時刻の情報が用いられる。
ｅＮｏｄｅＢのＩＤとしては、ＵＥのハンドオーバ元のｅＮｏｄｅＢのＩＤ、および、ＵＥのハンドオーバ先のｅＮｏｄｅＢのＩＤが用いられる。なお、例えば、ＵＥが各ｅＮｏｄｅＢに収容されていた時刻（時間帯）を把握することも可能である。
ｅＮｏｄｅＢの位置の情報としては、通信システム１に備えられた所定のデータベース（基地局データベース）に記憶された情報に基づいて取得される。このデータベースには、各ｅＮｏｄｅＢのＩＤおよび設置された位置の情報が記憶されている。
なお、入力部２１１に入力される情報は、移動分析装置２０１の外部の機能により、任意の手法で取得されてもよい。
一例として、この情報は、Ｓ１−ＭＭＥのインタフェースを流れるデータ・パケットをキャプチャしてモニタリングし、制御信号をＵＥ単位にマッピングする処理、マッピングされた制御信号のシーケンスを解析する処理により、取得されてもよい。この場合、ＵＥの状態の管理が、ＴＭＳＩ（Ｔｅｍｐｏｒａｒｙ Ｍｏｂｉｌｉｔｙ Ｓｕｂｓｃｒｉｂｅｒ Ｉｄｅｎｔｉｔｙ）の単位で行われてもよい。
他の構成例として、この情報が、移動分析装置２０１の内部の機能により取得されてもよい。この場合、入力部２１１は、この情報を取得するために使用される情報を入力する。
入力部２１１には、移動分析装置２０１における処理に必要な情報のみが入力されてもよく、または、それ以外の情報も含めて入力されて、移動分析装置２０１における処理に必要な情報が抽出されてもよい。
また、出力部２１２は、例えば、移動分析部２１４により行われた分析の結果などの情報を出力してもよい。
一例として、この情報は、Ｓ１−ＭＭＥのインタフェースを流れるデータ・パケットをキャプチャしてモニタリングし、制御信号をＵＥ単位にマッピングする処理、マッピングされた制御信号のシーケンスを解析する処理により、取得されてもよい。この場合、ＵＥの状態の管理が、ＴＭＳＩ（Ｔｅｍｐｏｒａｒｙ Ｍｏｂｉｌｉｔｙ Ｓｕｂｓｃｒｉｂｅｒ Ｉｄｅｎｔｉｔｙ）の単位で行われてもよい。
他の構成例として、この情報が、移動分析装置２０１の内部の機能により取得されてもよい。この場合、入力部２１１は、この情報を取得するために使用される情報を入力する。
入力部２１１には、移動分析装置２０１における処理に必要な情報のみが入力されてもよく、または、それ以外の情報も含めて入力されて、移動分析装置２０１における処理に必要な情報が抽出されてもよい。
また、出力部２１２は、例えば、移動分析部２１４により行われた分析の結果などの情報を出力してもよい。
移動分析部２１４では、位置検出部２３１、移動速度検出部２３２、クラスタリング部２３３、類似性検出部２３４、同行数検出部２３５、マッピング部２３６の順に処理を行う。
これらの処理を順に説明する。
これらの処理を順に説明する。
＜第１の処理：位置検出部２３１の処理＞
位置検出部２３１は、ＵＥの位置に関する情報を検出（本実施形態では、推定的に検出）する。
ここで、本実施形態では、ＵＥの状態を管理することが可能な信号（シグナル）のうち、ハンドオーバに関わるもの（ハンドオーバシグナル）を抽出して使用する。この抽出の処理は、例えば、移動分析装置２０１の外部で行われて抽出された情報が入力部２１１に入力されてもよく、または、他の構成例として、位置検出部２３１により行われてもよい。
位置検出部２３１は、ＵＥの位置に関する情報を検出（本実施形態では、推定的に検出）する。
ここで、本実施形態では、ＵＥの状態を管理することが可能な信号（シグナル）のうち、ハンドオーバに関わるもの（ハンドオーバシグナル）を抽出して使用する。この抽出の処理は、例えば、移動分析装置２０１の外部で行われて抽出された情報が入力部２１１に入力されてもよく、または、他の構成例として、位置検出部２３１により行われてもよい。
位置検出部２３１は、入力部２１１により入力された情報（ＵＥのＩＤ、制御信号の発生時刻の情報、ｅＮｏｄｅＢのＩＤ、およびｅＮｏｄｅＢの位置の情報）に基づいて、各ＵＥの各ハンドオーバシグナルが発生した場所を検出する。
本実施形態では、ハンドオーバの前後における２個のｅＮｏｄｅＢ（ハンドオーバ元のｅＮｏｄｅＢおよびハンドオーバ先のｅＮｏｄｅＢ）の中間地点にＵＥが位置したときに当該ハンドオーバが発生したとみなす。なお、本例は、ハンドオーバ時におけるＵＥの位置を簡単にして求めるものであり、周波数、建物、出力電波強度の影響を考慮しない場合であるが、ハンドオーバ時におけるＵＥの位置は、他の位置に定義されてもよい。
本実施形態では、連続する２個のハンドオーバについて、ハンドオーバ時におけるＵＥの位置を地図上で結んだ直線が、ユーザ移動経路（ＵＥの移動経路）とみなされる。
本実施形態では、ハンドオーバの前後における２個のｅＮｏｄｅＢ（ハンドオーバ元のｅＮｏｄｅＢおよびハンドオーバ先のｅＮｏｄｅＢ）の中間地点にＵＥが位置したときに当該ハンドオーバが発生したとみなす。なお、本例は、ハンドオーバ時におけるＵＥの位置を簡単にして求めるものであり、周波数、建物、出力電波強度の影響を考慮しない場合であるが、ハンドオーバ時におけるＵＥの位置は、他の位置に定義されてもよい。
本実施形態では、連続する２個のハンドオーバについて、ハンドオーバ時におけるＵＥの位置を地図上で結んだ直線が、ユーザ移動経路（ＵＥの移動経路）とみなされる。
図３は、本発明の一実施形態に係るユーザ移動経路の推定結果（検出結果）の一例を示す図である。
図３には、５個のｅＮｏｄｅＢ３０１−１〜３０１−５を示してある。また、ＵＥについて、当該ＵＥが収容されるｅＮｏｄｅＢ３０１−１〜３０１−５の変化（ｅＮｏｄｅＢの切り替え）を表す線として、ハンドオーバ元のｅＮｏｄｅＢとハンドオーバ先のｅＮｏｄｅＢとを結ぶ線（ハンドオーバ線）を示してある。また、このハンドオーバ線の中点を、ハンドオーバ時におけるＵＥの位置を表すハンドオーバポイントｈ１〜ｈ５として示してある。また、ユーザ移動経路の推定結果を表す線として、ハンドオーバポイントｈ１〜ｈ５を時系列の順（図３の例では、ｈ１〜ｈ５の順）で結んだ線を示してある。
位置検出部２３１は、例えば、ＵＥごとに、ＵＥのハンドオーバに関する位置の情報を演算して取得する。
図３には、５個のｅＮｏｄｅＢ３０１−１〜３０１−５を示してある。また、ＵＥについて、当該ＵＥが収容されるｅＮｏｄｅＢ３０１−１〜３０１−５の変化（ｅＮｏｄｅＢの切り替え）を表す線として、ハンドオーバ元のｅＮｏｄｅＢとハンドオーバ先のｅＮｏｄｅＢとを結ぶ線（ハンドオーバ線）を示してある。また、このハンドオーバ線の中点を、ハンドオーバ時におけるＵＥの位置を表すハンドオーバポイントｈ１〜ｈ５として示してある。また、ユーザ移動経路の推定結果を表す線として、ハンドオーバポイントｈ１〜ｈ５を時系列の順（図３の例では、ｈ１〜ｈ５の順）で結んだ線を示してある。
位置検出部２３１は、例えば、ＵＥごとに、ＵＥのハンドオーバに関する位置の情報を演算して取得する。
＜第２の処理：移動速度検出部２３２の処理＞
移動速度検出部２３２は、位置検出部２３１により検出された情報に基づいて、時刻に対するユーザ移動速度（ＵＥの移動速度）を検出（本実施形態では、推定的に検出）する。移動速度検出部２３２は、ユーザ移動経路の距離と、当該距離の移動に要した時間に基づいて、当該ユーザ移動速度を演算する。ユーザ移動経路の距離はｅＮｏｄｅＢの位置の情報を用いて把握され、当該距離の移動に要した時間は制御信号の発生時刻の情報を用いて把握される。また、時刻は、制御信号の発生時刻の情報に基づいて決定される。
移動速度検出部２３２は、位置検出部２３１により検出された情報に基づいて、時刻に対するユーザ移動速度（ＵＥの移動速度）を検出（本実施形態では、推定的に検出）する。移動速度検出部２３２は、ユーザ移動経路の距離と、当該距離の移動に要した時間に基づいて、当該ユーザ移動速度を演算する。ユーザ移動経路の距離はｅＮｏｄｅＢの位置の情報を用いて把握され、当該距離の移動に要した時間は制御信号の発生時刻の情報を用いて把握される。また、時刻は、制御信号の発生時刻の情報に基づいて決定される。
図４は、本発明の一実施形態に係るユーザ移動速度の推定（検出）の一例を示す図である。
図４には、図３に示されるものと同じ３個のｅＮｏｄｅＢ３０１−１〜３０１−３と、ｅＮｏｄｅＢ３０１−１からｅＮｏｄｅＢ３０１−３へのハンドオーバに関するハンドオーバ線およびハンドオーバポイントｈ１と、ｅＮｏｄｅＢ３０１−３からｅＮｏｄｅＢ３０１−２へのハンドオーバに関するハンドオーバ線およびハンドオーバポイントｈ２と、これらのハンドオーバポイントｈ１、ｈ２を結ぶユーザ移動経路を示してある。
移動速度検出部２３２は、ｅＮｏｄｅＢの位置の情報（図４の例では、ｅＮｏｄｅＢ３０１−１〜３０１−３の位置の情報）に基づいて、当該ユーザ移動経路の距離ｄ１を演算する。また、移動速度検出部２３２は、各ハンドオーバポイントにＵＥが位置する時刻（図４の例では、各ハンドオーバポイントｈ１、ｈ２にＵＥが位置する時刻ｔ１、ｔ２）を、該当するハンドオーバに関する制御信号の発生時刻であるとみなす。そして、移動速度検出部２３２は、ＵＥごとに、式（１）により、それぞれのユーザ移動経路に関するユーザ移動速度ｖを演算して取得する。式（１）において、距離ｄ＞０、かつ、移動前の時刻ｔｂｅｆｏｒｅ＜移動後の時刻ｔａｆｔｅｒ、である。図４の例では、ｄ＝ｄ１であり、ｔｂｅｆｏｒｅ＝ｔ１であり、ｔａｆｔｅｒ＝ｔ２である。
図４には、図３に示されるものと同じ３個のｅＮｏｄｅＢ３０１−１〜３０１−３と、ｅＮｏｄｅＢ３０１−１からｅＮｏｄｅＢ３０１−３へのハンドオーバに関するハンドオーバ線およびハンドオーバポイントｈ１と、ｅＮｏｄｅＢ３０１−３からｅＮｏｄｅＢ３０１−２へのハンドオーバに関するハンドオーバ線およびハンドオーバポイントｈ２と、これらのハンドオーバポイントｈ１、ｈ２を結ぶユーザ移動経路を示してある。
移動速度検出部２３２は、ｅＮｏｄｅＢの位置の情報（図４の例では、ｅＮｏｄｅＢ３０１−１〜３０１−３の位置の情報）に基づいて、当該ユーザ移動経路の距離ｄ１を演算する。また、移動速度検出部２３２は、各ハンドオーバポイントにＵＥが位置する時刻（図４の例では、各ハンドオーバポイントｈ１、ｈ２にＵＥが位置する時刻ｔ１、ｔ２）を、該当するハンドオーバに関する制御信号の発生時刻であるとみなす。そして、移動速度検出部２３２は、ＵＥごとに、式（１）により、それぞれのユーザ移動経路に関するユーザ移動速度ｖを演算して取得する。式（１）において、距離ｄ＞０、かつ、移動前の時刻ｔｂｅｆｏｒｅ＜移動後の時刻ｔａｆｔｅｒ、である。図４の例では、ｄ＝ｄ１であり、ｔｂｅｆｏｒｅ＝ｔ１であり、ｔａｆｔｅｒ＝ｔ２である。
［数１］
ｖ＝ｄ／（ｔａｆｔｅｒ−ｔｂｅｆｏｒｅ） ・・（１）
ｖ＝ｄ／（ｔａｆｔｅｒ−ｔｂｅｆｏｒｅ） ・・（１）
移動速度検出部２３２は、すべてのハンドオーバについて、位置検出部２３１により検出されたユーザ移動経路のそれぞれごとに、時刻および速度に関する情報を演算して、その結果の情報を管理する。この結果の情報は、例えば、記憶部２１３に記憶されてもよい。
＜第３の処理：クラスタリング部２３３の処理＞
クラスタリング部２３３は、管理されたすべてのユーザ移動経路のそれぞれについて、時間（時刻）および速度の観点で、クラスタリングを行う。
ここで、クラスタリングのアルゴリズムとしては、例えば、サンプルをｎ（ｎは、例えば、２以上の整数）個のグループに分類する様々な方式が用いられてもよい。
クラスタリング部２３３は、管理されたすべてのユーザ移動経路のそれぞれについて、時間（時刻）および速度の観点で、クラスタリングを行う。
ここで、クラスタリングのアルゴリズムとしては、例えば、サンプルをｎ（ｎは、例えば、２以上の整数）個のグループに分類する様々な方式が用いられてもよい。
一例として、各ハンドオーバポイントｈにＵＥが位置する時刻ｔおよびユーザ移動速度ｖを用いたクラスタリングのアルゴリズムを示す。
まず、クラスタ化により生成されるクラスタ（既存のクラスタ）に格納されるすべてのサンプル（最初は１個で次第に増加し得る）について、時刻ｔＳおよび速度ｖＳが管理されている。クラスタに格納されるすべてのサンプルに対して、分類対象となる他のサンプル（時刻ｔＯ、速度ｖＯ）について、ｖＴＨ≧｜ｖＯ−ｖＳ｜が満たされる場合、｜ｔＯ−ｔＳ｜を演算する。ここで、｜ｖＯ−ｖＳ｜は（ｖＯ−ｖＳ）の絶対値を表し、｜ｔＯ−ｔＳ｜は（ｔＯ−ｔＳ）の絶対値を表す。また、ｖＴＨは所定の正の値であり、任意に設定されてもよい。
この場合、次に、クラスタに格納されるすべてのサンプルに対して、｜ｔＯ−ｔＳ｜を演算して、当該演算結果の最小値を求める。当該最小値となるとき、ｔＳ＝ｔＭとする。当該最小値がｔＴＨ以下となる場合（つまり、ｔＴＨ≧｜ｔＯ−ｔＭ｜となる場合）、前記した分類対象となる他のサンプル（時刻ｔＯ、速度ｖＯ）を、前記した既存のクラスタに追加する。ｔＴＨは所定の正の値であり、任意に設定されてもよい。
一方、前記した分類対象となる他のサンプル（時刻ｔＯ、速度ｖＯ）が既存のクラスタに追加されない場合には、当該サンプル（時刻ｔＯ、速度ｖＯ）を新しいクラスタに格納する。
なお、時刻ｔとしては、ユーザ移動経路の始点における時刻が用いられてもよく、または、ユーザ移動経路の終点における時刻が用いられてもよく、または、これら２個の時刻の平均値などが用いられてもよい。
まず、クラスタ化により生成されるクラスタ（既存のクラスタ）に格納されるすべてのサンプル（最初は１個で次第に増加し得る）について、時刻ｔＳおよび速度ｖＳが管理されている。クラスタに格納されるすべてのサンプルに対して、分類対象となる他のサンプル（時刻ｔＯ、速度ｖＯ）について、ｖＴＨ≧｜ｖＯ−ｖＳ｜が満たされる場合、｜ｔＯ−ｔＳ｜を演算する。ここで、｜ｖＯ−ｖＳ｜は（ｖＯ−ｖＳ）の絶対値を表し、｜ｔＯ−ｔＳ｜は（ｔＯ−ｔＳ）の絶対値を表す。また、ｖＴＨは所定の正の値であり、任意に設定されてもよい。
この場合、次に、クラスタに格納されるすべてのサンプルに対して、｜ｔＯ−ｔＳ｜を演算して、当該演算結果の最小値を求める。当該最小値となるとき、ｔＳ＝ｔＭとする。当該最小値がｔＴＨ以下となる場合（つまり、ｔＴＨ≧｜ｔＯ−ｔＭ｜となる場合）、前記した分類対象となる他のサンプル（時刻ｔＯ、速度ｖＯ）を、前記した既存のクラスタに追加する。ｔＴＨは所定の正の値であり、任意に設定されてもよい。
一方、前記した分類対象となる他のサンプル（時刻ｔＯ、速度ｖＯ）が既存のクラスタに追加されない場合には、当該サンプル（時刻ｔＯ、速度ｖＯ）を新しいクラスタに格納する。
なお、時刻ｔとしては、ユーザ移動経路の始点における時刻が用いられてもよく、または、ユーザ移動経路の終点における時刻が用いられてもよく、または、これら２個の時刻の平均値などが用いられてもよい。
図５は、本発明の一実施形態に係る１個のユーザ移動経路についてクラスタ化の結果の一例を示す図である。
図５に示されるグラフにおいて、横軸は時刻ｔを表わしており、縦軸は速度ｖを表わしている。図５の例では、時刻ｔ＝Ｔ１の付近で生成されたクラスタ４０１、時刻ｔ＝Ｔ２の付近で生成されたクラスタ４０２、および時刻ｔ＝Ｔ３の付近で生成されたクラスタ４０３が示されている。
各クラスタ４０１〜４０３には、複数のサンプルが格納されている。クラスタ４０１には、ＵＥのＩＤが１〜１０である異なる１０個のＵＥのサンプルが格納されている。クラスタ４０２には、ＵＥのＩＤが１１〜１８である異なる８個のＵＥのサンプルが格納されている。クラスタ４０３には、ＵＥのＩＤが２１〜２８である異なる８個のＵＥのサンプルが格納されている。なお、図５では、各ＵＥのＩＤを示すことで、各サンプルを区別している。また、各ＵＥには異なるＩＤが設定されるとする。
図５に示されるグラフにおいて、横軸は時刻ｔを表わしており、縦軸は速度ｖを表わしている。図５の例では、時刻ｔ＝Ｔ１の付近で生成されたクラスタ４０１、時刻ｔ＝Ｔ２の付近で生成されたクラスタ４０２、および時刻ｔ＝Ｔ３の付近で生成されたクラスタ４０３が示されている。
各クラスタ４０１〜４０３には、複数のサンプルが格納されている。クラスタ４０１には、ＵＥのＩＤが１〜１０である異なる１０個のＵＥのサンプルが格納されている。クラスタ４０２には、ＵＥのＩＤが１１〜１８である異なる８個のＵＥのサンプルが格納されている。クラスタ４０３には、ＵＥのＩＤが２１〜２８である異なる８個のＵＥのサンプルが格納されている。なお、図５では、各ＵＥのＩＤを示すことで、各サンプルを区別している。また、各ＵＥには異なるＩＤが設定されるとする。
図５の例では、時刻Ｔ１の付近ではクラスタ４０１に格納される複数のＵＥの速度が同一または近似しており、時刻Ｔ２の付近ではクラスタ４０２に格納される複数のＵＥの速度が同一または近似しており、時刻Ｔ３の付近ではクラスタ４０３に格納される複数のＵＥの速度が同一または近似している、と把握される。
これから、推定の一例として、クラスタ４０１に格納される複数のＵＥは同一の移動手段（本実施形態では、電車）に搭乗していると推定され、クラスタ４０２に格納される複数のＵＥは同一の移動手段（本実施形態では、電車）に搭乗していると推定され、クラスタ４０３に格納される複数のＵＥは同一の移動手段（本実施形態では、電車）に搭乗していると推定される。ここで、これら３個の電車は、時刻（Ｔ１、Ｔ２、Ｔ３）が異なるため、互いに異なると推定される。
但し、各クラスタ４０１〜４０３について、同一の移動手段に搭乗していないＵＥが、偶然に格納されることもあり得る。また、各クラスタ４０１〜４０３について、時刻ｔおよび速度ｖに関する誤差は、例えば、各ＵＥのハンドオーバのタイミングのずれなどに起因し得るものであり、また、電車であれば各ＵＥが搭乗している車両の違いなどに起因し得る。
これから、推定の一例として、クラスタ４０１に格納される複数のＵＥは同一の移動手段（本実施形態では、電車）に搭乗していると推定され、クラスタ４０２に格納される複数のＵＥは同一の移動手段（本実施形態では、電車）に搭乗していると推定され、クラスタ４０３に格納される複数のＵＥは同一の移動手段（本実施形態では、電車）に搭乗していると推定される。ここで、これら３個の電車は、時刻（Ｔ１、Ｔ２、Ｔ３）が異なるため、互いに異なると推定される。
但し、各クラスタ４０１〜４０３について、同一の移動手段に搭乗していないＵＥが、偶然に格納されることもあり得る。また、各クラスタ４０１〜４０３について、時刻ｔおよび速度ｖに関する誤差は、例えば、各ＵＥのハンドオーバのタイミングのずれなどに起因し得るものであり、また、電車であれば各ＵＥが搭乗している車両の違いなどに起因し得る。
＜第４の処理：類似性検出部２３４の処理＞
上記の処理では、１個のユーザ移動経路についてＵＥの移動に関する分析を行った。本処理以降では、複数のユーザ移動経路についてＵＥの移動に関する分析を行う。
類似性検出部２３４は、複数のユーザ移動経路について、ＵＥの移動の類似性を表す指標値を算出（演算）して検出することなどを行う。
類似性検出部２３４は、各ＵＥについて、所定の条件を満たす他のＵＥを検出する。当該所定の条件としては、対象となるＵＥ（対象ＵＥ）に対して、同一のユーザ移動経路における同一のクラスタに格納されている回数Ｎｔｏｇｅｔｈｅｒが所定値ＮＴＨ以上となる他のＵＥ（他ＵＥ）を検出する、という条件が用いられる。当該所定値ＮＴＨとしては、１以上の任意の整数が設定されてもよい。
上記の処理では、１個のユーザ移動経路についてＵＥの移動に関する分析を行った。本処理以降では、複数のユーザ移動経路についてＵＥの移動に関する分析を行う。
類似性検出部２３４は、複数のユーザ移動経路について、ＵＥの移動の類似性を表す指標値を算出（演算）して検出することなどを行う。
類似性検出部２３４は、各ＵＥについて、所定の条件を満たす他のＵＥを検出する。当該所定の条件としては、対象となるＵＥ（対象ＵＥ）に対して、同一のユーザ移動経路における同一のクラスタに格納されている回数Ｎｔｏｇｅｔｈｅｒが所定値ＮＴＨ以上となる他のＵＥ（他ＵＥ）を検出する、という条件が用いられる。当該所定値ＮＴＨとしては、１以上の任意の整数が設定されてもよい。
ここで、対象ＵＥに対して他ＵＥを検出する手法としては、様々な手法が用いられてもよく、アルゴリズムの一例を示す。
本例では、類似性検出部２３４は、それぞれの対象ＵＥごとに、すべての他ＵＥに関して、同一のユーザ移動経路における同一のクラスタに格納されている回数Ｎｔｏｇｅｔｈｅｒ（本実施形態では、ＵＥの移動の類似性を表す指標値）をカウントして算出する。そして、類似性検出部２３４は、算出された回数Ｎｔｏｇｅｔｈｅｒが所定の閾値（所定値ＮＴＨ）以上となるか否かを判定し、そうである場合には、該当する対象ＵＥと他ＵＥは一緒に行動（本実施形態では、移動）しているＵＥ（同行ユーザ）であると判定する。そして、類似性検出部２３４は、当該判定の結果の情報を管理する。この情報は、例えば、記憶部２１３に記憶されてもよい。
なお、類似性検出部２３４は、算出された回数Ｎｔｏｇｅｔｈｅｒが所定の閾値（所定値ＮＴＨ）未満である場合には、該当する対象ＵＥと他ＵＥは一緒に行動（本実施形態では、移動）していないＵＥ（非同行ユーザ）であると判定する。
本例では、類似性検出部２３４は、それぞれの対象ＵＥごとに、すべての他ＵＥに関して、同一のユーザ移動経路における同一のクラスタに格納されている回数Ｎｔｏｇｅｔｈｅｒ（本実施形態では、ＵＥの移動の類似性を表す指標値）をカウントして算出する。そして、類似性検出部２３４は、算出された回数Ｎｔｏｇｅｔｈｅｒが所定の閾値（所定値ＮＴＨ）以上となるか否かを判定し、そうである場合には、該当する対象ＵＥと他ＵＥは一緒に行動（本実施形態では、移動）しているＵＥ（同行ユーザ）であると判定する。そして、類似性検出部２３４は、当該判定の結果の情報を管理する。この情報は、例えば、記憶部２１３に記憶されてもよい。
なお、類似性検出部２３４は、算出された回数Ｎｔｏｇｅｔｈｅｒが所定の閾値（所定値ＮＴＨ）未満である場合には、該当する対象ＵＥと他ＵＥは一緒に行動（本実施形態では、移動）していないＵＥ（非同行ユーザ）であると判定する。
図６は、本発明の一実施形態に係る移動手段の移動経路に従った複数のユーザの移動経路の一例を示す図である。
図６には、複数のｅＮｏｄｅＢ５０１−１〜５０１−１１を示してある。また、ハンドオーバ線の中点を、ハンドオーバ時におけるＵＥの位置を表すハンドオーバポイントｈＰ１〜ｈＰ８として示してある。また、ユーザ移動経路の推定結果（検出結果）を表す線として、ハンドオーバポイントｈＰ１〜ｈＰ８を時系列の順（図６の例では、ｈＰ１〜ｈＰ８の順）で結んだ線（ユーザ移動経路Ｐ１〜Ｐ７）を示してある。また、１個の移動手段（本実施形態では、電車）の移動経路５３１を示してある。
図６の例では、同一の移動経路５３１を走行する同一の移動手段に搭乗した複数のＵＥは、同一または付近の時刻で、同一のユーザ移動経路Ｐ１〜Ｐ７を経由して移動すると推定される。
図６には、複数のｅＮｏｄｅＢ５０１−１〜５０１−１１を示してある。また、ハンドオーバ線の中点を、ハンドオーバ時におけるＵＥの位置を表すハンドオーバポイントｈＰ１〜ｈＰ８として示してある。また、ユーザ移動経路の推定結果（検出結果）を表す線として、ハンドオーバポイントｈＰ１〜ｈＰ８を時系列の順（図６の例では、ｈＰ１〜ｈＰ８の順）で結んだ線（ユーザ移動経路Ｐ１〜Ｐ７）を示してある。また、１個の移動手段（本実施形態では、電車）の移動経路５３１を示してある。
図６の例では、同一の移動経路５３１を走行する同一の移動手段に搭乗した複数のＵＥは、同一または付近の時刻で、同一のユーザ移動経路Ｐ１〜Ｐ７を経由して移動すると推定される。
図７（Ａ）、図７（Ｂ）および図７（Ｃ）は、ユーザ移動経路についてクラスタ化の結果の例を示す図である。
図７（Ａ）は、ユーザ移動経路Ｐ１についてクラスタ化の結果の例を示す図である。
図７（Ｂ）は、ユーザ移動経路Ｐ２についてクラスタ化の結果の例を示す図である。
図７（Ｃ）は、ユーザ移動経路Ｐ３についてクラスタ化の結果の例を示す図である。
図７（Ａ）、図７（Ｂ）および図７（Ｃ）に示されるグラフにおいて、横軸は時刻ｔを表わしており、縦軸は速度ｖを表わしている。
図７（Ａ）の例では、時刻ｔ＝Ｔ１１の付近で生成されたクラスタ６０１が示されている。
図７（Ｂ）の例では、時刻ｔ＝Ｔ１２の付近で生成されたクラスタ６０２が示されている。
図７（Ｃ）の例では、時刻ｔ＝Ｔ１３の付近で生成されたクラスタ６０３が示されている。
各クラスタ６０１〜６０３には、複数のサンプルが格納されている。なお、図７（Ａ）、図７（Ｂ）および図７（Ｃ）では、各ＵＥのＩＤを示すことで、各サンプルを区別している。また、各ＵＥには異なるＩＤが設定されるとする。
図７（Ａ）は、ユーザ移動経路Ｐ１についてクラスタ化の結果の例を示す図である。
図７（Ｂ）は、ユーザ移動経路Ｐ２についてクラスタ化の結果の例を示す図である。
図７（Ｃ）は、ユーザ移動経路Ｐ３についてクラスタ化の結果の例を示す図である。
図７（Ａ）、図７（Ｂ）および図７（Ｃ）に示されるグラフにおいて、横軸は時刻ｔを表わしており、縦軸は速度ｖを表わしている。
図７（Ａ）の例では、時刻ｔ＝Ｔ１１の付近で生成されたクラスタ６０１が示されている。
図７（Ｂ）の例では、時刻ｔ＝Ｔ１２の付近で生成されたクラスタ６０２が示されている。
図７（Ｃ）の例では、時刻ｔ＝Ｔ１３の付近で生成されたクラスタ６０３が示されている。
各クラスタ６０１〜６０３には、複数のサンプルが格納されている。なお、図７（Ａ）、図７（Ｂ）および図７（Ｃ）では、各ＵＥのＩＤを示すことで、各サンプルを区別している。また、各ＵＥには異なるＩＤが設定されるとする。
＜第５の処理：同行数検出部２３５の処理＞
同行数検出部２３５は、処理対象とするすべてのユーザ移動経路および処理対象とするすべてのクラスタについて、ユーザの同行数（同行ユーザ数）Ｌｓｉｍｉｌａｒをカウント（演算）して検出する。
ここで、１個のクラスタについて、同行ユーザ数Ｌｓｉｍｉｌａｒとしては、本実施形態では、当該クラスタに格納される各ＵＥについての同行ユーザの数を、当該クラスタに格納されるすべてのＵＥについて総和した結果の値が用いられる。他の構成例として、１個のクラスタについて同行ユーザ数Ｌｓｉｍｉｌａｒを決定する場合に、例えば、当該クラスタに格納される複数のＵＥの間で互いに同行ユーザである分（重複する分）についてはカウントしない構成が用いられてもよく、または、当該クラスタに格納されるＵＥのうちで同行ユーザの数が最も大きい値であるＵＥの値（当該同行ユーザ数）を採用する構成などが用いられてもよい。
同行数検出部２３５は、処理対象とするすべてのユーザ移動経路および処理対象とするすべてのクラスタについて、ユーザの同行数（同行ユーザ数）Ｌｓｉｍｉｌａｒをカウント（演算）して検出する。
ここで、１個のクラスタについて、同行ユーザ数Ｌｓｉｍｉｌａｒとしては、本実施形態では、当該クラスタに格納される各ＵＥについての同行ユーザの数を、当該クラスタに格納されるすべてのＵＥについて総和した結果の値が用いられる。他の構成例として、１個のクラスタについて同行ユーザ数Ｌｓｉｍｉｌａｒを決定する場合に、例えば、当該クラスタに格納される複数のＵＥの間で互いに同行ユーザである分（重複する分）についてはカウントしない構成が用いられてもよく、または、当該クラスタに格納されるＵＥのうちで同行ユーザの数が最も大きい値であるＵＥの値（当該同行ユーザ数）を採用する構成などが用いられてもよい。
また、すべてのユーザ移動経路を処理対象とする場合、例えば、移動分析装置２０１において把握されているすべてのユーザ移動経路が処理対象とされてもよく、または、ユーザ移動経路が存在する場所などに応じて、同時に分析を行う対象とするユーザ移動経路の集合が設定されていて、その集合ごとに処理対象とされてもよい。具体例として、同時に分析を行う必要がないほど遠い場所に存在するユーザ移動経路（例えば、あらかじめ指定（設定）されたユーザ移動経路、または、所定の閾値以上に離れた場所に存在するユーザ移動経路）を同時に分析の対象としない構成が用いられてもよい。
また、すべてのクラスタを処理対象とする場合、例えば、移動分析装置２０１において把握されたすべてのクラスタが処理対象とされてもよく、または、クラスタに対応する時刻などに応じて、同時に分析を行う対象とするクラスタの集合が設定されて、その集合ごとに処理対象とされてもよい。具体例として、同時に分析を行う必要がないほど離れた時刻（例えば、所定の閾値以上離れた時刻）に対応するクラスタを同時に分析の対象としない構成が用いられてもよい。
本実施形態では、処理対象とするユーザ移動経路の集合Ｃおよび処理対象とするクラスタの集合ｃを合わせた集合｛Ｃ、ｃ｝を処理対象とする。
また、すべてのクラスタを処理対象とする場合、例えば、移動分析装置２０１において把握されたすべてのクラスタが処理対象とされてもよく、または、クラスタに対応する時刻などに応じて、同時に分析を行う対象とするクラスタの集合が設定されて、その集合ごとに処理対象とされてもよい。具体例として、同時に分析を行う必要がないほど離れた時刻（例えば、所定の閾値以上離れた時刻）に対応するクラスタを同時に分析の対象としない構成が用いられてもよい。
本実施形態では、処理対象とするユーザ移動経路の集合Ｃおよび処理対象とするクラスタの集合ｃを合わせた集合｛Ｃ、ｃ｝を処理対象とする。
同行数検出部２３５は、処理対象とする各クラスタについて、算出された同行ユーザ数Ｌｓｉｍｉｌａｒが所定の閾値（所定値ＬＴＨ）以上となるか否かを判定し、そうである場合には、該当するクラスタは、所定の移動手段（本実施形態では、電車）の移動が反映されたクラスタ（移動対応クラスタ）であると判定する。直感的には、移動対応クラスタは、所定の移動手段が該当する時刻に該当する場所を通過した事象が反映されたものであるとみなす。そして、同行数検出部２３５は、当該判定の結果の情報を管理する。この情報は、例えば、記憶部２１３に記憶されてもよい。
なお、同行数検出部２３５は、処理対象とする各クラスタについて、算出された同行ユーザ数Ｌｓｉｍｉｌａｒが所定の閾値（所定値ＬＴＨ）未満である場合には、該当するクラスタは、所定の移動手段（本実施形態では、電車）の移動が反映されていないクラスタであると判定する。
なお、同行数検出部２３５は、処理対象とする各クラスタについて、算出された同行ユーザ数Ｌｓｉｍｉｌａｒが所定の閾値（所定値ＬＴＨ）未満である場合には、該当するクラスタは、所定の移動手段（本実施形態では、電車）の移動が反映されていないクラスタであると判定する。
＜第６の処理：マッピング部２３６の処理＞
マッピング部２３６は、同行数検出部２３５により所定の移動手段（本実施形態では、電車）の移動が反映されたクラスタ（移動対応クラスタ）であると判定されたクラスタおよび他のクラスタについて、ユーザ移動経路およびクラスタの時間推移を判定して、移動手段に関するマッピングを行う。当該判定の仕方（精査の仕方）は、例えば、あらかじめ、規定される。また、マッピング部２３６は、例えば、すべてのＵＥに関する情報について、当該判定および当該マッピングを行う。また、マッピング部２３６は、例えば、不自然な移動手段の変化が無いように、所定の補正を行ってもよい。
マッピング部２３６は、同行数検出部２３５により所定の移動手段（本実施形態では、電車）の移動が反映されたクラスタ（移動対応クラスタ）であると判定されたクラスタおよび他のクラスタについて、ユーザ移動経路およびクラスタの時間推移を判定して、移動手段に関するマッピングを行う。当該判定の仕方（精査の仕方）は、例えば、あらかじめ、規定される。また、マッピング部２３６は、例えば、すべてのＵＥに関する情報について、当該判定および当該マッピングを行う。また、マッピング部２３６は、例えば、不自然な移動手段の変化が無いように、所定の補正を行ってもよい。
ここで、マッピング部２３６により行われる処理の手法としては、様々な手法が用いられてもよい。
移動手段に関するマッピングのアルゴリズムの一例を示す。
本例のアルゴリズムでは、処理対象とするすべてのユーザ移動経路における処理対象とするすべてのクラスタのうち、対象のＵＥが移動対応クラスタに格納されている（所属している）期間は、当該ＵＥは移動手段に搭乗していると判定する。
また、本例のアルゴリズムでは、移動対応クラスタ以外のクラスタのうち、十分に短い時間（所定の閾値未満である時間）に生起した２個の移動対応クラスタに時間推移で挟まれたクラスタに対象のＵＥが格納されている（所属している）期間は、当該ＵＥは移動手段に搭乗しているとみなして判定する。直感的には、このような移動対応クラスタ以外のクラスタは、所定の移動手段が所定の場所（本実施形態では、電車の駅）に停車中の状態である事象が反映されたものであるとみなし、所定の移動手段に搭乗中であるとみなす。
また、本例のアルゴリズムでは、上記に該当するクラスタ以外のクラスタに対象のＵＥが格納されている（所属している）期間は、当該ＵＥは所定の移動手段に搭乗していないと判定する。
このようなアルゴリズムは、所定の移動手段の移動軌跡を追跡（トラッキング）することを可能とする。
移動手段に関するマッピングのアルゴリズムの一例を示す。
本例のアルゴリズムでは、処理対象とするすべてのユーザ移動経路における処理対象とするすべてのクラスタのうち、対象のＵＥが移動対応クラスタに格納されている（所属している）期間は、当該ＵＥは移動手段に搭乗していると判定する。
また、本例のアルゴリズムでは、移動対応クラスタ以外のクラスタのうち、十分に短い時間（所定の閾値未満である時間）に生起した２個の移動対応クラスタに時間推移で挟まれたクラスタに対象のＵＥが格納されている（所属している）期間は、当該ＵＥは移動手段に搭乗しているとみなして判定する。直感的には、このような移動対応クラスタ以外のクラスタは、所定の移動手段が所定の場所（本実施形態では、電車の駅）に停車中の状態である事象が反映されたものであるとみなし、所定の移動手段に搭乗中であるとみなす。
また、本例のアルゴリズムでは、上記に該当するクラスタ以外のクラスタに対象のＵＥが格納されている（所属している）期間は、当該ＵＥは所定の移動手段に搭乗していないと判定する。
このようなアルゴリズムは、所定の移動手段の移動軌跡を追跡（トラッキング）することを可能とする。
図８（Ａ）および図８（Ｂ）は、２個のユーザ移動経路についてクラスタの時間推移の例を示す図である。
図８（Ａ）は、ユーザ移動経路Ｐ６における１個のクラスタ６０６の例を示す図である。
図８（Ｂ）は、ユーザ移動経路Ｐ７における１個のクラスタ６０７の例を示す図である。
図８（Ａ）および図８（Ｂ）に示されるグラフにおいて、横軸は時刻ｔを表わしており、縦軸は速度ｖを表わしている。
図８（Ａ）の例では、時刻ｔ＝Ｔ２１の付近で生成されたクラスタ６０６が示されている。
図８（Ｂ）の例では、時刻ｔ＝Ｔ２２の付近で生成されたクラスタ６０７が示されている。
各クラスタ６０６、６０７には、複数のサンプルが格納されている。なお、図８（Ａ）および図８（Ｂ）では、各ＵＥのＩＤを示すことで、各サンプルを区別している。また、各ＵＥには異なるＩＤが設定されるとする。
図８（Ａ）は、ユーザ移動経路Ｐ６における１個のクラスタ６０６の例を示す図である。
図８（Ｂ）は、ユーザ移動経路Ｐ７における１個のクラスタ６０７の例を示す図である。
図８（Ａ）および図８（Ｂ）に示されるグラフにおいて、横軸は時刻ｔを表わしており、縦軸は速度ｖを表わしている。
図８（Ａ）の例では、時刻ｔ＝Ｔ２１の付近で生成されたクラスタ６０６が示されている。
図８（Ｂ）の例では、時刻ｔ＝Ｔ２２の付近で生成されたクラスタ６０７が示されている。
各クラスタ６０６、６０７には、複数のサンプルが格納されている。なお、図８（Ａ）および図８（Ｂ）では、各ＵＥのＩＤを示すことで、各サンプルを区別している。また、各ＵＥには異なるＩＤが設定されるとする。
ここで、クラスタ６０６およびクラスタ６０７は、いずれも、移動対応クラスタであると判定されたクラスタである。そして、マッピング部２３６は、クラスタ６０６が時間推移してクラスタ６０７が現れたと判定する。例えば、ＵＥのＩＤが１、２、３、６、７、８であるＵＥについては、両方のクラスタ６０６、６０７に格納されており、所定の移動手段に搭乗していたとみなす。
マッピング部２３６は、例えば、同一の移動手段に対応すると推定（検出）されるクラスタの時間推移を判定する。具体例として、マッピング部２３６は、２個のクラスタ（例えば、クラスタ６０６、６０７）に格納されているＵＥのＩＤが、すべて一致する場合、または、所定の個数以上一致する場合には、これら２個のクラスタ６０６、６０７は同一の移動手段が時間推移したものであると判定する。
図８（Ａ）および図８（Ｂ）の例では、マッピング部２３６は、ＵＥのＩＤが１、２、３、６、７、８であるＵＥについては、同一の移動手段に対応すると推定（検出）されるクラスタ６０６，６０７（移動対応クラスタ）に格納されることから、当該移動手段に搭乗していると判定する。
図８（Ａ）および図８（Ｂ）の例では、マッピング部２３６は、ＵＥのＩＤが１、２、３、６、７、８であるＵＥについては、同一の移動手段に対応すると推定（検出）されるクラスタ６０６，６０７（移動対応クラスタ）に格納されることから、当該移動手段に搭乗していると判定する。
次に、ＵＥの状態（通信に関する行動）の推定、およびＵＥの状態と移動の状況との関係の推定について説明する。
状態検出部２１５は、ＵＥの状態を検出（本実施形態では、推定的に検出）する。また、状態検出部２１５は、検出されたＵＥの状態と、移動分析部２１４により検出された当該ＵＥの移動の状況とを対応付ける。ＵＥの状態の情報、およびＵＥの状態と当該ＵＥの移動の状況との対応付けの情報は、例えば、記憶部２１３に記憶されてもよい。
なお、ＵＥの状態としては、様々な状態が用いられてもよい。また、ＵＥの状態を検出（推定）する手法としては、様々な手法が用いられてもよい。
状態検出部２１５は、ＵＥの状態を検出（本実施形態では、推定的に検出）する。また、状態検出部２１５は、検出されたＵＥの状態と、移動分析部２１４により検出された当該ＵＥの移動の状況とを対応付ける。ＵＥの状態の情報、およびＵＥの状態と当該ＵＥの移動の状況との対応付けの情報は、例えば、記憶部２１３に記憶されてもよい。
なお、ＵＥの状態としては、様々な状態が用いられてもよい。また、ＵＥの状態を検出（推定）する手法としては、様々な手法が用いられてもよい。
ここで、ＵＥの状態の管理の一例として、ＵＥがアイドル状態からアクティブ状態へ状態遷移することを管理する場合を説明する。
この場合、状態検出部２１５は、ＵＥがアイドル状態からアクティブ状態へ状態遷移したことを表す情報を取得する。この情報は、Ｓ１−ＭＭＥのインタフェースを流れるデータ・パケットをキャプチャしてモニタリングし、制御信号をＵＥ単位にマッピングする処理、マッピングされた制御信号のシーケンスを解析する処理により、取得されてもよい。この場合、ＵＥの状態の管理が、ＴＭＳＩの単位で行われてもよい。
また、この情報は、例えば、移動分析装置２０１の外部の機能により抽出されて入力部２１１に入力されることで、状態検出部２１５により取得されてもよく、または、この情報を取得するために使用される情報が入力部２１１に入力されて、移動分析装置２０１の内部の機能（ここでは、状態検出部２１５）により取得されてもよい。
この場合、状態検出部２１５は、ＵＥがアイドル状態からアクティブ状態へ状態遷移したことを表す情報を取得する。この情報は、Ｓ１−ＭＭＥのインタフェースを流れるデータ・パケットをキャプチャしてモニタリングし、制御信号をＵＥ単位にマッピングする処理、マッピングされた制御信号のシーケンスを解析する処理により、取得されてもよい。この場合、ＵＥの状態の管理が、ＴＭＳＩの単位で行われてもよい。
また、この情報は、例えば、移動分析装置２０１の外部の機能により抽出されて入力部２１１に入力されることで、状態検出部２１５により取得されてもよく、または、この情報を取得するために使用される情報が入力部２１１に入力されて、移動分析装置２０１の内部の機能（ここでは、状態検出部２１５）により取得されてもよい。
これにより、状態検出部２１５は、任意の時刻について、すべてのＵＥに関して、アイドル状態であるか、または、アクティブ状態であるかを判定することが可能である。
また、ＵＥの状態の情報の集計として、例えば、所定のｅＮｏｄｅＢに収容されるＵＥの状態の情報の集計（基地局単位の集計）が行われてもよく、または、任意の所定のエリアに存在するＵＥの状態の情報の集計（エリア単位の集計）が行われてもよい。
また、ＵＥの状態の情報の集計として、例えば、所定のｅＮｏｄｅＢに収容されるＵＥの状態の情報の集計（基地局単位の集計）が行われてもよく、または、任意の所定のエリアに存在するＵＥの状態の情報の集計（エリア単位の集計）が行われてもよい。
また、状態検出部２１５は、検出されたＵＥの状態（本例では、アイドル状態またはアクティブ状態）と、移動分析部２１４により検出された当該ＵＥの移動の状況とをマッピングなどにより対応付ける。
これにより、ＵＥの状態と当該ＵＥの移動の状況とが対応付けられる。そして、この対応付けに基づいて、ＵＥの状態と当該ＵＥの移動の状況との関係の検出（例えば、推定的な検出）を行うことが可能である。一例として、「電車に乗っているＵＥは、電車に乗っていないＵＥと比べて、アクティブ状態であることの割合が多い」つまり「電車に乗っているＵＥのユーザは、電車に乗っていないＵＥのユーザと比べて、ＵＥをアクティブ状態として利用していることの割合が多い」といったことを検証することが可能となる。
このような検証（例えば、推定的な検証）は、例えば、あらかじめ定められた処理手順によって移動分析装置２０１により行われてもよく、または、人により行われてもよい。このような検証が人により行われる場合、移動分析装置２０１は、出力部２１２により、当該検証に必要な情報を人に提示してもよい。
これにより、ＵＥの状態と当該ＵＥの移動の状況とが対応付けられる。そして、この対応付けに基づいて、ＵＥの状態と当該ＵＥの移動の状況との関係の検出（例えば、推定的な検出）を行うことが可能である。一例として、「電車に乗っているＵＥは、電車に乗っていないＵＥと比べて、アクティブ状態であることの割合が多い」つまり「電車に乗っているＵＥのユーザは、電車に乗っていないＵＥのユーザと比べて、ＵＥをアクティブ状態として利用していることの割合が多い」といったことを検証することが可能となる。
このような検証（例えば、推定的な検証）は、例えば、あらかじめ定められた処理手順によって移動分析装置２０１により行われてもよく、または、人により行われてもよい。このような検証が人により行われる場合、移動分析装置２０１は、出力部２１２により、当該検証に必要な情報を人に提示してもよい。
以上のように、本実施形態に係る移動分析装置２０１では、複数のＵＥの間の相関関係に基づいて、ＵＥの集団的な移動の状況を検出することができる。また、当該検出の結果に基づいて、ＵＥの移動手段を検出することができる。そして、ＵＥごとに、移動の状況および移動手段の管理を行うことができる。一例として、ハンドオーバの発生地点ごとの情報に基づいて、このような検出および管理を行うことができる。
また、本実施形態に係る移動分析装置２０１では、ＵＥの状態を検出して管理することができる。また、ＵＥの状態と当該ＵＥの移動の状況との相関関係を検出して管理することができ、例えば、ＵＥの通信行動と移動手段とを同時に管理することが可能である。例えば、ＵＥの通信行動と移動手段との相互関係を管理することで、ネットワークの負荷を予測することが可能である。
このように、本実施形態に係る移動分析装置２０１では、端末装置（本実施形態では、ＵＥ）の移動に関する分析を行うことができる。
また、本実施形態に係る移動分析装置２０１では、ＵＥの状態を検出して管理することができる。また、ＵＥの状態と当該ＵＥの移動の状況との相関関係を検出して管理することができ、例えば、ＵＥの通信行動と移動手段とを同時に管理することが可能である。例えば、ＵＥの通信行動と移動手段との相互関係を管理することで、ネットワークの負荷を予測することが可能である。
このように、本実施形態に係る移動分析装置２０１では、端末装置（本実施形態では、ＵＥ）の移動に関する分析を行うことができる。
ここで、本実施形態では、移動手段として、電車を示したが、例えば、バスなどの自動車、船舶、航空機など、他の移動手段に適用されてもよい。
また、本実施形態では、ハンドオーバに関する情報に基づいて、ＵＥの移動に関する分析が行われたが、他の構成例として、ハンドオーバ以外に関する情報が用いられてもよく、例えば、時刻とＵＥの速度（移動速度）との関係が把握される情報が用いられる。
また、本実施形態では、ＬＴＥのネットワークにおけるＵＥ（端末装置の一例）およびｅＮｏｄｅＢ（基地局装置の一例）が用いられたが、他の構成例として、様々な通信システムに適用されてもよい。
また、本実施形態では、ハンドオーバに関する情報に基づいて、ＵＥの移動に関する分析が行われたが、他の構成例として、ハンドオーバ以外に関する情報が用いられてもよく、例えば、時刻とＵＥの速度（移動速度）との関係が把握される情報が用いられる。
また、本実施形態では、ＬＴＥのネットワークにおけるＵＥ（端末装置の一例）およびｅＮｏｄｅＢ（基地局装置の一例）が用いられたが、他の構成例として、様々な通信システムに適用されてもよい。
一構成例として、移動分析装置２０１は、端末装置（本実施形態では、ＵＥ）の位置に関する情報を検出する位置検出部２３１と、位置検出部２３１により検出された情報に基づいて、時刻に対する端末装置の移動速度に関する情報を検出する移動速度検出部２３２と、移動速度検出部２３２により検出された情報に基づいて、時刻に対する移動速度に関して、複数の端末装置のクラスタリングを行ってクラスタを生成するクラスタリング部２３３と、を備える。
一構成例として、移動分析装置２０１は、クラスタリング部２３３により生成されたクラスタに基づいて、複数の端末装置について類似性に関する情報を検出する類似性検出部２３４と、類似性検出部２３４により検出された情報に基づいて、クラスタについて、端末装置の同行数に関する情報を検出する同行数検出部２３５と、同行数検出部２３５により検出された情報に基づいて、クラスタについて、時間推移を判定して、移動手段に関するマッピングを行うマッピング部２３６と、を備える。
一構成例として、移動分析装置２０１は、端末装置の状態に関する情報を検出し、端末装置の状態と端末装置の移動の状況とを対応付ける状態検出部２１５を備える。
一構成例として、移動分析装置２０１では、位置検出部２３１および移動速度検出部２３２は、複数の基地局装置（本実施形態では、ｅＮｏｄｅＢ）の間における端末装置のハンドオーバに関する情報に基づいて、情報を検出する。
一構成例として、移動分析装置２０１は、クラスタリング部２３３により生成されたクラスタに基づいて、複数の端末装置について類似性に関する情報を検出する類似性検出部２３４と、類似性検出部２３４により検出された情報に基づいて、クラスタについて、端末装置の同行数に関する情報を検出する同行数検出部２３５と、同行数検出部２３５により検出された情報に基づいて、クラスタについて、時間推移を判定して、移動手段に関するマッピングを行うマッピング部２３６と、を備える。
一構成例として、移動分析装置２０１は、端末装置の状態に関する情報を検出し、端末装置の状態と端末装置の移動の状況とを対応付ける状態検出部２１５を備える。
一構成例として、移動分析装置２０１では、位置検出部２３１および移動速度検出部２３２は、複数の基地局装置（本実施形態では、ｅＮｏｄｅＢ）の間における端末装置のハンドオーバに関する情報に基づいて、情報を検出する。
一構成例として、移動分析方法（本実施形態では、移動分析装置２０１において行われる処理の方法）では、位置検出部２３１が、端末装置の位置に関する情報を検出し、移動速度検出部２３２が、位置検出部２３１により検出された情報に基づいて、時刻に対する端末装置の移動速度に関する情報を検出し、クラスタリング部２３３が、移動速度検出部２３２により検出された情報に基づいて、時刻に対する移動速度に関して、複数の端末装置のクラスタリングを行ってクラスタを生成する。
一構成例として、移動分析プログラム（本実施形態では、移動分析装置２０１において行われる処理を実現するプログラム）では、端末装置の位置に関する情報を検出するステップ（位置検出ステップ）と、位置検出ステップにより検出された情報に基づいて、時刻に対する端末装置の移動速度に関する情報を検出するステップ（移動速度検出ステップ）と、移動速度検出ステップにより検出された情報に基づいて、時刻に対する移動速度に関して、複数の端末装置のクラスタリングを行ってクラスタを生成するステップ（クラスタリングステップ）と、をコンピュータに実行させるためのプログラムである。
一構成例として、移動分析プログラム（本実施形態では、移動分析装置２０１において行われる処理を実現するプログラム）では、端末装置の位置に関する情報を検出するステップ（位置検出ステップ）と、位置検出ステップにより検出された情報に基づいて、時刻に対する端末装置の移動速度に関する情報を検出するステップ（移動速度検出ステップ）と、移動速度検出ステップにより検出された情報に基づいて、時刻に対する移動速度に関して、複数の端末装置のクラスタリングを行ってクラスタを生成するステップ（クラスタリングステップ）と、をコンピュータに実行させるためのプログラムである。
以上、本発明の実施形態について図面を参照して詳述したが、具体的な構成はこの実施形態に限られるものではなく、本発明の要旨を逸脱しない範囲の設計変更等も含まれる。
また、以上に示した実施形態に係る各装置（例えば、移動分析装置２０１）の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体（記憶媒体）に記録（記憶）して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより、処理を行ってもよい。
なお、ここでいう「コンピュータシステム」とは、オペレーティングシステム（ＯＳ：Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）あるいは周辺機器等のハードウェアを含むものであってもよい。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、フラッシュメモリ等の書き込み可能な不揮発性メモリ、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。
さらに、「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークあるいは電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（例えばＤＲＡＭ（Ｄｙｎａｍｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ））のように、一定時間プログラムを保持しているものも含むものとする。
また、上記のプログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）あるいは電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。
また、上記のプログラムは、前述した機能の一部を実現するためのものであってもよい。さらに、上記のプログラムは、前述した機能をコンピュータシステムに既に記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であってもよい。
なお、ここでいう「コンピュータシステム」とは、オペレーティングシステム（ＯＳ：Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）あるいは周辺機器等のハードウェアを含むものであってもよい。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、フラッシュメモリ等の書き込み可能な不揮発性メモリ、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。
さらに、「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークあるいは電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（例えばＤＲＡＭ（Ｄｙｎａｍｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ））のように、一定時間プログラムを保持しているものも含むものとする。
また、上記のプログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）あるいは電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。
また、上記のプログラムは、前述した機能の一部を実現するためのものであってもよい。さらに、上記のプログラムは、前述した機能をコンピュータシステムに既に記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であってもよい。
１…通信システム、１１−１〜１１−３…ＵＥ、１２−１〜１２−２、３０１−１〜３０１−５、５０１−１〜５０１−１１…ｅＮｏｄｅＢ、１３…ＭＭＥ、１４…ＳＧＷ、１５…ＰＧＷ、１６…ＨＳＳ、１０１−１〜１０１−２、１１１−１〜１１１−３…回線、２０１…移動分析装置、２１１…入力部、２１２…出力部、２１３…記憶部、２１４…移動分析部、２１５…状態検出部、２３１…位置検出部、２３２…移動速度検出部、２３３…クラスタリング部、２３４…類似性検出部、２３５…同行数検出部、２３６…マッピング部、４０１〜４０３、６０１〜６０３、６０６、６０７…クラスタ、５３１…移動手段の移動経路、Ｐ１〜Ｐ７…ユーザ移動経路、ｈ１〜ｈ５、ｈＰ１〜ｈＰ８…ハンドオーバポイント
Claims (6)
- 端末装置の位置に関する情報を検出する位置検出部と、
前記位置検出部により検出された情報に基づいて、時刻に対する前記端末装置の移動速度に関する情報を検出する移動速度検出部と、
前記移動速度検出部により検出された情報に基づいて、時刻に対する移動速度に関して、複数の前記端末装置のクラスタリングを行ってクラスタを生成するクラスタリング部と、
を備える移動分析装置。 - 前記クラスタリング部により生成されたクラスタに基づいて、複数の前記端末装置について類似性に関する情報を検出する類似性検出部と、
前記類似性検出部により検出された情報に基づいて、前記クラスタについて、前記端末装置の同行数に関する情報を検出する同行数検出部と、
前記同行数検出部により検出された情報に基づいて、前記クラスタについて、時間推移を判定して、移動手段に関するマッピングを行うマッピング部と、
を備える請求項１に記載の移動分析装置。 - 前記端末装置の状態に関する情報を検出し、前記端末装置の状態と前記端末装置の移動の状況とを対応付ける状態検出部を備える、
請求項１または請求項２のいずれか１項に記載の移動分析装置。 - 前記位置検出部および前記移動速度検出部は、複数の基地局装置の間における前記端末装置のハンドオーバに関する情報に基づいて、情報を検出する、
請求項１から請求項３のいずれか１項に記載の移動分析装置。 - 位置検出部が、端末装置の位置に関する情報を検出し、
移動速度検出部が、前記位置検出部により検出された情報に基づいて、時刻に対する前記端末装置の移動速度に関する情報を検出し、
クラスタリング部が、前記移動速度検出部により検出された情報に基づいて、時刻に対する移動速度に関して、複数の前記端末装置のクラスタリングを行ってクラスタを生成する、
移動分析方法。 - 端末装置の位置に関する情報を検出する位置検出ステップと、
前記位置検出ステップにより検出された情報に基づいて、時刻に対する前記端末装置の移動速度に関する情報を検出する移動速度検出ステップと、
前記移動速度検出ステップにより検出された情報に基づいて、時刻に対する移動速度に関して、複数の前記端末装置のクラスタリングを行ってクラスタを生成するクラスタリングステップと、
をコンピュータに実行させるための移動分析プログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2015029345A JP6468876B2 (ja) | 2015-02-18 | 2015-02-18 | 移動分析装置、移動分析方法および移動分析プログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2015029345A JP6468876B2 (ja) | 2015-02-18 | 2015-02-18 | 移動分析装置、移動分析方法および移動分析プログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2016152527A true JP2016152527A (ja) | 2016-08-22 |
| JP6468876B2 JP6468876B2 (ja) | 2019-02-13 |
Family
ID=56696947
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2015029345A Active JP6468876B2 (ja) | 2015-02-18 | 2015-02-18 | 移動分析装置、移動分析方法および移動分析プログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6468876B2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2018106704A (ja) * | 2016-12-22 | 2018-07-05 | ノキア ソリューションズ アンド ネットワークス オサケユキチュア | ユーザ移動プロファイリング |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011166583A (ja) * | 2010-02-12 | 2011-08-25 | Kddi R & D Laboratories Inc | 移動通信システム |
| JP2012008957A (ja) * | 2010-06-28 | 2012-01-12 | Navitime Japan Co Ltd | 位置特定システム、サーバ装置、端末装置、位置特定方法、および、プログラム |
| WO2013051619A1 (ja) * | 2011-10-03 | 2013-04-11 | 日本電気株式会社 | 類似性検出装置及び指向性近傍検出方法 |
| JP2013251849A (ja) * | 2012-06-04 | 2013-12-12 | Kyocera Corp | 基地局及びその制御方法 |
| WO2014090068A1 (zh) * | 2012-12-10 | 2014-06-19 | 索尼公司 | 无线通信网络中的移动切换管理方法、设备及系统 |
-
2015
- 2015-02-18 JP JP2015029345A patent/JP6468876B2/ja active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011166583A (ja) * | 2010-02-12 | 2011-08-25 | Kddi R & D Laboratories Inc | 移動通信システム |
| JP2012008957A (ja) * | 2010-06-28 | 2012-01-12 | Navitime Japan Co Ltd | 位置特定システム、サーバ装置、端末装置、位置特定方法、および、プログラム |
| WO2013051619A1 (ja) * | 2011-10-03 | 2013-04-11 | 日本電気株式会社 | 類似性検出装置及び指向性近傍検出方法 |
| JP2013251849A (ja) * | 2012-06-04 | 2013-12-12 | Kyocera Corp | 基地局及びその制御方法 |
| WO2014090068A1 (zh) * | 2012-12-10 | 2014-06-19 | 索尼公司 | 无线通信网络中的移动切换管理方法、设备及系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2018106704A (ja) * | 2016-12-22 | 2018-07-05 | ノキア ソリューションズ アンド ネットワークス オサケユキチュア | ユーザ移動プロファイリング |
| US10506380B2 (en) | 2016-12-22 | 2019-12-10 | Nokia Solutions And Networks Oy | User motion profiling based on user equipment cell location |
Also Published As
| Publication number | Publication date |
|---|---|
| JP6468876B2 (ja) | 2019-02-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9532291B2 (en) | Network system and communication log analyzer | |
| CN106131784B (zh) | 一种嫌疑号码确定方法、装置和系统 | |
| Jin et al. | Impact of primary user emulation attacks on dynamic spectrum access networks | |
| US9954778B2 (en) | Gateways for sensor data packets in cellular networks | |
| US20170180278A1 (en) | Contact matching method, instant messaging client, server and system | |
| US8976689B2 (en) | Methods, systems, and computer program products for monitoring network performance | |
| CN112788661B (zh) | 网络数据的处理方法、网元及系统 | |
| Gebru | A privacy-preserving scheme for passive monitoring of people’s flows through WiFi beacons | |
| US9788221B2 (en) | Server device capable of analyzing communication behavior, control device, control method for mobile terminal, and computer readable medium | |
| US10320705B1 (en) | Identifying video data included in network packets | |
| JP6468876B2 (ja) | 移動分析装置、移動分析方法および移動分析プログラム | |
| WO2017059707A1 (zh) | 一种识别用户位置的方法及装置 | |
| JP6071947B2 (ja) | 位置情報サービスのための端末、無線信号検知装置及びサーバー | |
| US9026133B2 (en) | Handset agent calibration for timing based locating systems | |
| KR102333866B1 (ko) | 이동 통신 네트워크 이상 진단 장치 및 방법 | |
| Song et al. | Real-time public transport service-level monitoring using passive WiFi: a spectral clustering approach for train timetable estimation | |
| Sung et al. | Server-side traffic analysis reveals mobile location information over the internet | |
| JP6661298B2 (ja) | 管理装置、管理方法およびプログラム | |
| CN111277552A (zh) | 一种对直径信令安全威胁识别的方法、装置及存储介质 | |
| CN115550978A (zh) | 一种基于大数据的5g投诉预处理方法及系统 | |
| JP2015204538A (ja) | 呼処理シーケンスの解析装置および通信システム | |
| WO2021008393A1 (zh) | 一种无线小区的覆盖黑洞识别方法及系统 | |
| EP3111625B1 (en) | Technique for call processing and analysis | |
| JP6712560B2 (ja) | 情報処理装置、情報処理方法およびプログラム | |
| Mikkelsen et al. | Accurate bus occupancy estimation for WLAN probing utilising probabilistic models |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170828 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20170829 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180823 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180828 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20181010 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20181011 |
|
| 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: 20190108 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190115 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6468876 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |