JP2016184416A - 情報処理装置、情報処理方法および記憶媒体 - Google Patents

Abstract

【課題】行動ログをユーザに分かりやすく提示する表現手法を提供する。【解決手段】本技術の情報処理装置は、センサ情報に基づいて、ユーザの動作行動を認識する行動認識部と、ユーザの動作行動を１日単位で管理し、１日の動作行動が蓄積されているかを、カレンダー形式で表示部に表示させる表示処理部と、を備える。【選択図】図１７

Description

本開示は、ユーザの行動記録を処理する情報処理装置、情報処理方法および記憶媒体に関する。

各種センシング技術を用いて取得されたセンサ情報からユーザの動作行動を認識する技術が提案されている。認識されたユーザの動作行動は行動ログとして自動記録され、例えばアバター等アニメーションで再現したり、地図上にユーザの移動軌跡を示したり、各種動作行動を抽象化した指標を用いて表現したりする等、様々な手法により表現することができる。

特開２００８−３６５５号公報

しかし、例えばモーションキャプチャ等のような行動記録装置を用いて行動ログをアバター等のアニメーションで再現する場合、非常に大掛かりな装置が必要となる。一方、スマートフォン等の小型センサ内蔵記録装置を用いて生成された行動ログでは、記録・認識可能な行動の種類が限定されるため、ユーザに価値のある行動記録を提示するのが困難であった。このため、行動ログは、ユーザの移動軌跡を地図上に示したり、健康指標等の活動量に換算した行動記録として表示したりするのが一般的である。

そこで、小型センサ内蔵記録装置により記録された行動ログをユーザに分かりやすく提示する表現手法の提案が求められていた。

本開示によれば、センサ情報に基づいて、ユーザの動作行動を認識する行動認識部と、ユーザの動作行動を１日単位で管理し、１日の動作行動が蓄積されているかを、カレンダー形式で表示部に表示させる表示処理部と、を備える、情報処理装置が提供される。

また、本開示によれば、センサ情報に基づいて、ユーザの動作行動を認識すること、ユーザの動作行動を１日単位で管理すること、１日の動作行動が蓄積されているかをカレンダー形式で表示部に表示させることとを含む、情報処理方法が提供される。

さらに、本開示によれば、センサ情報に基づいて、ユーザの動作行動を認識する行動認識部と、ユーザの動作行動を１日単位で管理し、１日の動作行動が蓄積されているかを、カレンダー形式で表示部に表示させる表示処理部と、を備える、情報処理装置としてコンピュータを機能させるプログラムを記憶する記憶媒体が提供される。

以上説明したように本開示によれば、記録された行動ログをユーザに分かりやすく提示することが可能となる。

本開示の実施形態に係る行動ログ表示システムの構成を示す説明図である。 同実施形態に係る行動ログ表示システムの機能構成を示す機能ブロック図である。 文脈レベル辞書の一例を示す説明図である。 文脈解析により動作行動データから行動セグメントを生成し、行動セグメントのセグメンテーション粒度を変化させて行動ログの表示を変化させた場合を示す説明図である。 文脈解析により動作行動データから行動セグメントを生成し、セグメンテーション粒度を変化させた場合の他の例を示す説明図である。 文脈解析および時間幅を組合せて動作行動データから行動セグメントを生成し、行動セグメントのセグメンテーション粒度を変化させて行動ログの表示を変化させた場合を示す説明図である。 文脈解析、時間幅および位置変化を組み合わせて動作行動データから行動セグメントを生成し、行動セグメントのセグメンテーション粒度を変化させて行動ログの表示を変化させた場合を示す説明図である。 行動認識の全体処理の流れを示すフローチャートである。 生活行動認識部による処理を示すフローチャートである。 階層構造判断部による処理を示すフローチャートである。 行動セグメント生成処理を示すフローチャートである。 行動セグメント生成処理を示すフローチャートである。 行動セグメントに対する階層情報の付与方法を説明する説明図である。 解析サーバの機能構成を示す機能ブロック図である。 行動ログの表現の一例を示す説明図である。 行動ログ表示アプリケーションを起動したときの行動ログの一表示例を示す説明図である。 カレンダーの一表示例を示す説明図である。 マップボタンを操作して行動ログに対応する位置情報を地図に表示させたときの一表示例を示す説明図である。 修正対象の行動セグメントを修正する修正画面が表示された状態を示す説明図である。 動作行動を修正する修正画面の一例を示す説明図である。 行動セグメントの結合方法の一例を示す説明図である。 他の結合後の行動セグメントの動作内容決定方法の一例を示す説明図である。 行動セグメントの時刻設定による分割方法の一例を示す説明図である。 行動セグメントの階層情報に基づく分割方法の一例を示す説明図である。 スライダーを用いて表示粗さを変化させる場合を示す説明図である。 ズームボタンを用いて表示粗さを変化させる場合を示す説明図である。 行動種類選択リストにて「仕事詳細」のボタンがチェックされたときの行動セグメントの表示変化を示す説明図である。 行動種類選択リストにて「買い物詳細」のボタンがチェックされたときの行動セグメントの表示変化を示す説明図である。 行動種類選択リストにて「移動詳細」のボタンがチェックされたときの行動セグメントの表示変化を示す説明図である。 行動種類選択リストにて「一律詳細」のボタンがチェックされたときの行動セグメントの表示変化を示す説明図である。 行動の種類毎に行動セグメントの表示粗さを設定するスライダーを設けた表示粒度設定部の位置構成例を示す説明図である。 行動ログから行動セグメントを削除する方法を示す説明図である。 行動ログの行動セグメントの内容を投稿サイトに投稿する方法を示す説明図である。 行動ログ表示アプリケーションに関する様々な設定を行う設定画面の位置構成例を示す説明図である。 生活行動認識部による行動認識処理の一例を示すフローチャートである。 場所に依存した重み係数と各行動の確率分布との関係を示す動作行動推定情報を示す説明図である。 修正フィードバックの反映処理の概要を説明する説明図である。 行動に対する修正フィードバックの反映処理を示すフローチャートである。 図３８の処理に基づく動作行動推定情報の修正を説明するための説明図である。 行動に対する修正フィードバックの他の反映処理を示すフローチャートである。 行動および位置情報に対する修正フィードバックの反映処理を示すフローチャートである。 典型行動パターン生成部による行動パターンの個人モデル化を説明する説明図である。 移動媒体／手段判定による位置表示手法を説明する説明図である。 路線推定処理を説明する説明図である。 駅名選定処理を説明する説明図である。 同実施形態に係る行動記録装置の一ハードウェア構成例を示すブロック図である。

以下に添付図面を参照しながら、本開示の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。

なお、説明は以下の順序で行うものとする。
＜１．行動ログ表示システムの概要＞
＜２．行動ログ表示システムの機能構成＞
［２−１．行動記録装置］
［２−２．行動ログサーバ］
［２−３．解析サーバ］
＜３．行動セグメント生成処理＞
［３−１．動作行動とその意味内容との関連性］
［３−２．行動セグメント生成処理］
（例１：文脈解析による行動セグメントの生成）
（例２：文脈解析と時間幅とを組み合わせた行動セグメントの生成）
（例３：文脈解析、時間幅および位置変化を組み合わせた行動セグメントの生成）
［３−３．行動認識処理］
［３−４．行動表現生成部の処理内容］
＜４．行動記録表示アプリケーション＞
［４−１．行動セグメントに基づく行動ログの表現］
［４−２．行動の閲覧］
［４−３．行動の修正］
［４−４．行動の結合］
［４−５．行動の分割］
［４−６．セグメンテーション粒度に基づく行動セグメントの表示］
［４−７．行動の削除］
［４−８．行動の投稿］
［４−９．行動ログ取得停止処理］
［４−１０．表示内容の更新］
＜５．修正フィードバックの反映処理＞
［５−１．修正フィードバックの性質］
［５−２．行動認識処理］
［５−３．修正フィードバックの反映処理］
（５−３−１．修正フィードバックの反映処理の概要）
（５−３−２．行動に対する修正フィードバックの反映処理）
（５−３−３．行動および位置情報に対する修正フィードバックの反映処理）
＜６．その他＞
［６−１．行動パターンの個人モデル化］
［６−２．移動媒体／手段判定による位置表示手法］
（６−２−１．路線推定処理）
（６−２−２．駅名選定処理）
＜７．ハードウェア構成例＞

＜１．行動ログ表示システムの概要＞
まず、図１を参照して、本開示の実施形態に係る行動ログ表示システムの概要について説明する。図１は、本実施形態に係る行動ログ表示システムの概略構成を示す説明図である。

本実施形態に係る行動ログ表示システムは、小型センサ内蔵の記録装置１００（以下、「行動記録装置」とする。）により記録された行動ログをユーザに分かりやすく提示する表現手法を実現する。行動記録装置１００としては、例えば、携帯電話機やＰＤＡ（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔ）、スマートフォン等の携帯端末等を用いることができる。行動記録装置１００には、当該装置を保持するユーザの状況や行動をセンシングする少なくとも１つのセンサが設けられている。行動記録装置１００は、センサにより取得したセンサ情報に基づいてユーザの動作行動を推定し、当該動作行動を行動ログとして行動ログサーバ２００へ送信する。このようにして、行動ログサーバ２００には、ユーザの行動ログが蓄積されていく。

行動記録装置１００により解析され、行動ログサーバ２００に記憶された行動ログは、例えば「食事」、「移動」、「睡眠」といった動作を行動時間や位置情報等とともに記録したものである。本実施形態に係る行動ログ表示システムは、この動作内容を表す行動ログを解析サーバ３００にてさらに解析して行動の意味を認識し、行動の意味を付加した情報（行動セグメント）を生成する。行動セグメントは、行動ログをユーザにとって分かりやすい表現とした単位情報である。行動セグメントによってユーザに単なる行動ログを提示するのではなく、行動の意味もわかるように行動ログを提示することができる。

解析サーバ３００にて解析され、ユーザに提示された行動ログは、ユーザにより修正することができる。また、行動セグメントを生成することにより、提示された行動ログのデータを結合したり、分割したり、削除することもできる。提示された行動ログは投稿サイトへ投稿することもできる。このように、本実施形態に係る行動ログ表示システムを用いることにより、動作として取得された行動ログを解析してユーザに分かりやすく提示することができる。以下、本実施形態に係る行動ログ表示システムの構成とその機能について詳細に説明する。

＜２．行動ログ表示システムの機能構成＞
図２に、本実施形態に係る行動ログ表示システムの機能構成を示す。行動ログ表示システムは、上述したように、ユーザの動作行動を記録する行動記録装置１００と、行動記録装置１００により記録された行動ログを管理する行動ログサーバ２００と、行動ログを解析して行動セグメントを生成する解析サーバ３００とからなる。

［２−１．行動記録装置］
行動記録装置１００は、センサ類１１０と、行動認識部１２０と、クライアントインタフェース部１３０と、行動表現処理部１４０と、表示部１５０と、入力部１６０とからなる。

センサ類１１０は、ユーザの行動や状況をセンシングする機器であり、行動記録装置１００に搭載される。センサ類１１０としては、例えば加速度センサ、ジャイロセンサ、地磁気センサ、気圧センサ、照度センサ、温度センサ、マイクロフォン等を用いることができる。また、センサ類１１０として、緯度経度を取得する緯度経度取得センサも搭載することもできる。緯度経度取得センサは、例えばＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）やＷｉＦｉだけでなくその他の通信網の基地局情報やＲＦＩＤ、画像等の情報を用いてもよい。センサ類１１０は、検出した情報をセンサ情報として行動認識部１２０へ出力する。

行動認識部１２０は、センサ情報に基づいてユーザの行動を推定する。行動認識部１２０は、センサ制御部１２２と、動作行動認識部１２４とからなる。センサ制御部１２２は、センサ類１１０によるセンシングを効率的に作動させるために、センサ類１１０やＣＰＵ、あるいはシステム全体を制御する。センサ制御部１２２は、センサ類１１０や動作行動認識部１２４の認識結果等に基づいて上記機器を制御する。

動作行動認識部１２４は、センサ情報の信号処理や統計処理等を行い、ユーザの行動や状況を認識する。行動記録装置１００は、センサ情報を処理した結果得られたユーザの行動に関する情報である行動モデルと動作行動との対応関係を予め保持している。動作行動認識部１２４は、センサ情報を処理して行動パラメータを得ると、当該行動パラメータに対応する動作行動を特定する。そして、動作行動認識部１２４は、特定した動作行動と、行動時間、行動時刻、位置情報等を関連付けて動作行動データとし、クライアントインタフェース部１３０へ出力する。動作行動データは、クライアントインタフェース部１３０から行動ログサーバ２００へアップロードされる。

クライアントインタフェース部１３０は、行動記録装置１００と、行動ログサーバ２００および解析サーバ３００との情報の送受信を行う。クライアントインタフェース部１３０は、例えば、行動認識部１２０から入力された動作行動データを行動ログサーバ２００へ送信したり、解析サーバ３００から受信した解析結果を行動表現処理部１４０へ出力したりする。また、クライアントインタフェース部１３０は、入力部１６０から入力されたユーザからのフィードバック情報を解析サーバ３００へ送信する。

行動表現処理部１４０は、行動ログの表示やユーザからのフィードバック情報を処理する機能部であって、表示処理部１４２と、入力情報処理部１４４とからなる。表示処理部１４２は、クライアントインタフェース部１３０から入力された解析サーバ３００による解析結果を、表示部１５０に表示する処理を行う。入力情報処理部１４４は、入力部１６０から入力された、行動ログに対するユーザからのフィードバック情報を、クライアントインタフェース部１３０を介して解析サーバ３００へ送信するための処理を行う。

表示部１５０は、情報を表示する出力装置の１つであって、例えば、液晶ディスプレイや有機ＥＬディスプレイ等から構成することができる。表示部１５０には、例えば表示処理部１４２により表示処理された行動ログが表示される。

入力部１６０は、情報を入力するための入力装置であって、例えばタッチパネルやキーボード、ハードウェアボタン等を用いることができる。本実施形態では、入力部１６０として表示部１５０の表示面にタッチパネルが設けられているとする。このときユーザは、例えば表示部１５０の表示面に指やタッチペン等の操作体を接触させたり、表示面に接触させた操作体を移動したりして、情報を入力することができる。入力部１６０から入力された情報は入力情報処理部１４４へ出力される。

［２−２．行動ログサーバ］
行動ログサーバ２００は、ログサーバインタフェース部２１０と、行動ログＤＢ２２０とからなる。

ログサーバインタフェース部２１０は、行動ログサーバ２００と、行動記録装置１００および解析サーバ３００との情報の送受信を行う。ログサーバインタフェース部２１０は、例えば、行動記録装置１００から受信した動作行動データを行動ログＤＢ２２０に記録したり、解析サーバ３００からの送信リクエストに応じて動作行動データを行動ログＤＢ２２０から取得して解析サーバ３００へ送信したりする。

行動ログＤＢ２２０は、行動記録装置１００により取得したユーザの動作行動データを記憶する記憶部である。行動ログＤＢ２２０に記憶される動作行動データは、上述したように、動作行動認識部１２４により特定された動作行動と、行動時間、行動時刻、位置情報等とが関連付けられており、例えば時系列で行動ログＤＢ２２０に記憶されている。

［２−３．解析サーバ］
解析サーバ３００は、解析サーバインタフェース部３１０と、行動表現生成部３２０と、データ管理部３３０とからなる。

解析サーバインタフェース部３１０は、解析サーバ３００と、行動記録装置１００および行動ログサーバ２００との情報の送受信を行う。解析サーバインタフェース部３１０は、例えば、行動記録装置１００から行動ログの解析指示（解析リクエスト）を受信したり、解析リクエストに応じて必要な動作行動データの送信要求（送信リクエスト）を送信したりする。また、解析サーバインタフェース部３１０は、行動記録装置１００から、行動ログに対するユーザからのフィードバック情報を受信する。

行動表現生成部３２０は、動作行動データを解析して意味理解し、意味内容を付加した行動セグメントを生成する。行動表現生成部３２０は、生活行動認識部３２１と、階層構造判断部３２２等からなる。生活行動認識部３２１は、動作行動データからなる行動ログから行動セグメントを生成する。生活行動認識部３２１は、時系列に並んだ動作行動データについて、データ間の関連性やデータの時間、時刻等に基づいて意味内容を解析する。そして、生活行動認識部３２１は、解析された意味内容のうち最も詳細な意味内容に区分されたデータを行動セグメントとする。生成された行動セグメントはデータ管理部３３０へ出力され保持される。

階層構造判断部３２２は、生活行動認識部３２１により生成された行動セグメントの意味内容に関する階層構造を判断し、その行動セグメントに対して、意味内容の階層関係を表す階層情報を付与する。階層情報は、後述する処理によって行動セグメントに付与される、階層的な意味情報である。階層情報は、例えば正規化した値をキーとした情報であってもよく、意味情報の階層を特定するＩＤを直接のキーとした情報であってもよい。階層情報が付与された行動セグメントを、階層情報付与済行動セグメントとも称する。行動の意味内容に関する階層関係は、データ管理部３３０に予め記憶されている。階層構造判断部３２２は、階層情報付与済行動セグメントを、生活行動認識部３２１を介してデータ管理部３３０へ出力し、保持させる。なお、行動表現生成部３２０の機能およびこれによる処理内容の詳細については後述する。

データ管理部３３０は、行動表現生成部３２０により生成された行動セグメントを管理する。データ管理部３３０は、データ取得部３３１と、フィードバック調整部３３２と、解析パラメータＤＢ３３３と、単位データ保存ＤＢ３３４と、階層情報付与済データ保存ＤＢ３３５とからなる。

データ取得部３３１は、行動表現生成部３２０とのデータの送受信を行う。データ取得部３３１は、行動表現生成部３２０から送信された行動セグメントを単位データ保存ＤＢ３３４に記録し、階層情報付与済行動セグメントを階層情報付与済データ保存ＤＢ３３５に記録する。また、データ取得部３３１は、行動表現生成部３２０からの要求に応じて、指定された行動セグメントを、単位データ保存ＤＢ３３４または階層情報付与済データ保存ＤＢ３３５から取得し、行動表現生成部３２０へ出力する。

フィードバック調整部３３２は、行動記録装置１００から受信したフィードバック情報を、動作行動データの意味内容の解析に用いる解析パラメータに反映させる。フィードバック情報は、行動記録装置１００の表示部１５０に表示された行動ログに対してユーザが行った修正等の処理の内容を表している。フィードバック調整部３３２は、フィードバック情報を用いて、ユーザの行動の意味内容をより正確に認識できるようにするために、解析パラメータを修正する。

解析パラメータＤＢ３３３は、動作行動データの意味内容の解析に用いる解析パラメータを保持する記憶部である。解析パラメータＤＢ３３３には、解析パラメータとして、例えば動作行動と意味内容との対応関係が記憶されている。解析パラメータＤＢ３３３に記憶された情報は、生活行動認識部３２１および階層構造判断部３２２のいずれも参照可能である。解析パラメータは、ユーザからのフィードバック情報に基づいて随時更新される。

単位データ保存ＤＢ３３４は、行動表現生成部３２０により生成された行動セグメントを記憶する。単位データ保存ＤＢ３３４に記憶される行動セグメントは、認識に必要な最小単位のセグメント（単位セグメント）である。

階層情報付与済データ保存ＤＢ３３５は、行動表現生成部３２０により生成された行動セグメントに階層情報が付与された行動セグメントを記憶する。階層情報付与済データ保存ＤＢ３３５に記憶される行動セグメントは、階層構造判断部３２２により行動の意味内容の階層構造を表す階層情報が付与された階層情報付与済行動セグメントである。階層情報が付与された行動セグメントの記録タイミングは、例えばアプリケーションによる要求時であってもよく、予め行動表現生成部３２０により複数のセグメンテーション粒度の解析結果を記録するようにしてもよい。

すなわち、行動表現生成部３２０およびデータ管理部３３０は、行動記録装置１００により生成された動作行動データの意味内容を解析して、ユーザに分かりやすい情報を提示する情報処理装置として機能する。

＜３．行動セグメント生成処理＞
本実施形態にかかる行動ログ表示システムでは、行動記録装置１００により生成された動作行動の意味内容を解析サーバ３００にて解析し、行動の意味内容に基づく行動セグメントを生成する。行動セグメントには、行動の意味内容に関する階層情報も付与することができ、行動ログの表示形態も階層情報に基づき容易に変更することができる。そこで、まず、図３〜図１３に基づいて行動セグメントの生成処理を説明する。

［３−１．動作行動とその意味内容との関連性］
行動記録装置１００においては、例えば「食事」、「移動」、「睡眠」といった動作行動が解析される。解析サーバ３００は、この動作行動を含む動作行動データを用いて、各動作行動の内容をより深く解析する。動作行動の意味内容の解析は、例えば図３に示すような文脈レベル辞書を用いて行われる。

「食事」、「移動」、「睡眠」という動作行動のうち「移動」という動作行動を取り上げると、図３に示すように、どのような移動であるかによってその意味内容は変化する。例えば「歩いて移動」しているときには、ユーザは、継続して「歩く」という行動をとることも可能であり、その後に「立ち止まる」という行動に推移することも可能である。また、例えば移動中の「乗り物待ち」という状態である場合には、継続して「乗り物待ち」という行動をとることが可能である。さらに、例えば「電車で移動」しているときには、この移動を「単独路線の電車で移動」という行動とすることが可能である。さらに、「電車で移動」という状態が継続する状態や、乗車している電車が停止する「電車停止」という状態もとり得る。あるいは、「電車で移動」の後に「乗換え」するという行動をとることも可能であり、「乗り物待ち」という状態に推移することも可能である。

そして、「歩く」行動や「乗換え」行動からは「歩く」という更なる行動を関連付けることができ、「立ち止まる」行動や「乗り物待ち」状態、「電車停止」状態には「止まる」という更なる行動を関連付けることができる。「電車で移動」しているという状態には、移動手段である「電車」をさらに関連付けることができる。

このように、動作行動レベルの行動メタは、図３に示すように文脈によってより高次の行動メタに変わり得る。本実施形態の行動ログ表示システムでは、動作行動と意味内容の関連性に基づき行動の意味内容を解析することで、ユーザに分かりやすい行動ログを提示することができる。また、この動作行動の意味内容に対し、階層的な関係性を階層情報として行動セグメントに付与することで、後述する行動ログのセグメンテーション粒度を容易に変更することが可能となる。

本実施形態では、動作行動の意味内容の認識に、オントロジー／セマンティック技術を適用し、「行動」における「文脈」を判断した行動認識と動作行動データのセグメンテーション化を行う。オントロジーは、語彙間の関係の概念を体系的に表したものであり、本実施形態では、例えば図３のように行動間の関係の概念を体系化している。そして、体系化された行動間の関係の概念を用いて、セマンティック技術により、行動の意味や行動の関連性等を理解し、その理解に基づき動作行動の意味内容の認識処理を行う。例えば「歩いて移動」という動作行動によって、ある行動（例えば食事）からある行動（例えば仕事）へと遷移しやすいという性質を利用して文脈判断を行うことで、ユーザの感覚に合った行動セグメントを生成することができる。

［３−２．行動セグメント生成処理］
（例１：文脈解析による行動セグメントの生成）
上記動作行動とその意味内容との関連性を用いた行動セグメントの生成処理の一具体例として、図４および図５に基づいて、文脈解析による行動セグメントの生成処理を説明する。図４は、文脈解析により動作行動データから行動セグメントを生成し、行動セグメントのセグメンテーション粒度を変化させて行動ログの表示を変化させた場合を示す説明図である。図５は、文脈解析により動作行動データから行動セグメントを生成し、セグメンテーション粒度を変化させた場合の他の例を示す説明図である。

図４に示すように動作行動認識部１２４により動作行動データからなる行動ログが取得されたとする。動作行動データは、時系列に左から右へ配列されている。動作行動データは、センサ類１１０のセンサ情報に基づき認識された動作行動であり、「歩いた」、「止まった」、「電車に乗った」といった単なる動作行動により行動ログが表されている。このような行動ログに対して、生活行動認識部３２１は、図３に示すような辞書を用いて各動作行動データの意味や動作行動データ間の関連性等を認識する。

例えば、「電車に乗った」という動作行動データ間にある所定の時間以下の短い「止まった」という状態は、「電車が（駅等で）止まった」状態であると推定できる。また、「電車に乗った」という動作行動データ間にある所定の時間以下の短い「歩いた」という状態は、「電車を乗り換えた」行動であると推定できる。さらに、「電車に乗った」という動作行動データの直前の動作行動データの「止まった」は、「電車を待った」という状態であると推定できる。

また、動作行動データの行動時刻を利用することで、より適切に行動を推定できる。例えば、「電車で移動」という行動について、行動時刻が朝（例えば午前６時から午前１０時の間）であれば「通勤」あるいは「通学」という行動の意味を推定でき、行動時刻が夜（例えば午後５時から午後８時の間）であれば「帰宅」という行動の意味を推定できる。同様に、「食事」という行動について、行動時刻が朝であれば「朝食」、昼であれば「昼食」、夜であれば「夕食」といった行動の意味を推定できる。

このように生活行動認識部３２１により動作行動データからなる行動ログの解析が行われることにより、図４に示すような行動セグメントからなる行動ログが生成される。行動セグメントは、動作内容が付加された動作行動を表すデータであり、連続する同一の意味内容を有する動作行動のまとまりをいう。動作行動データに対応して生成された行動セグメントは詳細な動作内容が付加された単位セグメントから成り立つ。したがって、行動セグメントで行動ログを表すと、図４に示すように乗車中の移動状態も分かるようになる。

そして、図３に示した文脈レベル辞書より動作行動レベルの階層的な行動メタを取得することで、行動セグメントの区分の粗さを決定付けるパラメータであるセグメンテーション粒度を階層的に変化させ、行動セグメントの表示を変化させることができる。セグメンテーション粒度を大きくするほど１つの行動をみなせる複数の行動セグメントが結合され、大まかな動作内容を表す行動セグメントとなる。一方、セグメンテーション粒度を小さくするほど行動セグメントは単位セグメントに近づく。

例えば、図４に示すように、単位セグメントで表された行動ログに対して、セグメンテーション粒度を大きくしていく。単位セグメントのセグメンテーション粒度から、セグメンテーション粒度を大きくした粒度１−１の状態では、「電車に乗った」、「電車停止」、「電車に乗った」という一連の動作が「ある路線の電車に乗った」という１つの行動セグメントとして表される。さらにセグメンテーション粒度を大きくした粒度１−２の状態では、「ある路線の電車に乗った」、「乗換え」、「ある路線の電車に乗った」という一連の動作が「電車で移動」という１つの行動セグメントとして表される。さらにセグメンテーション粒度を大きくした粒度１−３の状態では、「歩いた」、「電車待ち」、「電車で移動」、「歩いた」という移動する一連の動作が「移動した」という１つの行動セグメントとして表される。

このように、動作行動レベルの階層的な行動メタに基づきセグメンテーション粒度を変化することで、ユーザにとって見やすい動作行動レベルによって行動ログを表示することができる。

図４は移動に関する行動セグメントについて説明したが、他の動作についても同様に行動ログを表示することができる。例えば図５に示すように、買い物行動等において現われる、顕著にふらふらとした動きを表す「行動モデルＸ」と、「食事をした」という動作行動とが動作行動データとして動作行動認識部１２４により認識されたとする。「行動モデルＸ」は、通常、買い物というクラスを意味するが、その前あるいは後の判定結果に応じてその意味は変化する。

図５に示す例では、「食事をした」という前後に「行動モデルＸ」がある。このとき、生活行動認識部３２１は、行動モデルＸの前あるいは後の動作行動データより、行動モデルＸを「食事をする」という動作の前後に行われる動作として、「受付した」、「会計した」と認識する。このように、動作の前後よりユーザのふらふらとした動きに意味内容が付されることで、ユーザに分かりやすい行動ログを提示することができる。この例においてもセグメンテーション粒度を大きくすることで、「受付した」、「食事した」、「会計した」という一連の動作を「食事した」という１つの行動セグメントとして表すことができる。

（例２：文脈解析と時間幅とを組み合わせた行動セグメントの生成）
次に、図６に基づいて、文脈解析に加え時間幅を考慮して行動セグメントを生成した場合の一具体例を説明する。図６は、文脈解析および時間幅を組み合わせて動作行動データから行動セグメントを生成し、行動セグメントのセグメンテーション粒度を変化させて行動ログの表示を変化させた場合を示す説明図である。

図６に示すように動作行動認識部１２４により動作行動データからなる行動ログが取得されたとする。本例では、動作行動データとして、「デスクワーク」、「歩いた」、「打ち合わせ」、「食事」といった単なる動作行動により行動ログが表されている。このような行動ログに対して、生活行動認識部３２１は、図３に示すような辞書を用いて各動作行動データの意味や動作行動データ間の関連性等を認識するとともに、動作行動データの時間幅も考慮して、その意味内容を認識する。

図６には、会社での行動ログの一例を示している。ここで、「歩いた」という動作行動データについてどのような歩行であったかを前後の動作行動データより認識することもできるが、歩行時間によって推定することもできる。会社における短時間の「歩いた」という動作行動は、通常大きな意味を持たない。しかし、所定の時間以上歩行している場合には、単なるフロア内の移動ではなく施設間の移動であることが推定される。このように、辞書を用いた文脈解析と動作行動データの時間幅とを組み合わせて生成された行動セグメントは、図６に示すようになる。「歩いた」という動作行動データはその時間幅により「短時間歩行」と「施設間移動」とに分かれる。

行動セグメントが生成されると、上記と同様、セグメンテーション粒度を変化させて行動セグメントからなる行動ログの表示を容易に変化させることができる。例えば、単位セグメントのセグメンテーション粒度から、セグメンテーション粒度を大きくした粒度２−１の状態では、「デスクワーク」、「短時間歩行」、「打ち合わせ」、「短時間歩行」、「デスクワーク」という一連の動作が「仕事した」という１つの行動セグメントとして表される。このとき、「短時間歩行」が「仕事した」という１つの行動セグメントに結合されたので、「施設間移動」の行動セグメントを単に「移動」と表示してもよい。

さらにセグメンテーション粒度を大きくした粒度２−２の状態では、「仕事した」、「食事」、「仕事した」、「移動」、「仕事した」という一連の動作が「会社にいた」という１つの行動セグメントとして表される。このように、動作行動レベルの階層的な行動メタに基づきセグメンテーション粒度を変化することで、ユーザにとって見やすい動作行動レベルによって行動ログを表示することができる。
（例３：文脈解析、時間幅および位置変化を組み合わせた行動セグメントの生成）
次に、図７に基づいて、文脈解析に加え時間幅および位置変化を考慮して行動セグメントを生成した場合の一具体例を説明する。図７は、文脈解析、時間幅および位置変化を組み合わせて動作行動データから行動セグメントを生成し、行動セグメントのセグメンテーション粒度を変化させて行動ログの表示を変化させた場合を示す説明図である。

図７に示すように動作行動認識部１２４により動作行動データからなる行動ログが取得されたとする。本例では、動作行動データとして、「買物した」、「歩いた」といった単なる動作行動により行動ログが表されている。このような行動ログに対して、生活行動認識部３２１は、図３に示すような辞書を用いて各動作行動データの意味や動作行動データ間の関連性等を認識するとともに、動作行動データの時間幅および行動記録装置１００（すなわちユーザ）の位置変化も考慮して、その意味内容を認識する。

図７には、買物での行動ログの一例を示している。ここで、「歩いた」という動作行動データについてどのような歩行であったかを前後の動作行動データより認識することもできるが、歩行時間および位置変化によってより詳細に推定することもできる。

例えば、「歩いた」という動作行動データの前後の動作行動が「買物した」であり、移動時間ｔがｔ１（例えば３５秒）以上かつユーザの保持する行動記録装置１００の位置変化が測定されたとき、ユーザは「店舗を移動」していると推定できる。また、例えば、「歩いた」という動作行動データの前後の動作行動が「買物した」であり、移動時間ｔがｔ２（例えば２０秒）以上ｔ１よりも短く、かつ行動記録装置１００の位置変化はないとき、ユーザは買い物中に「フロア間を移動」していると推定できる。さらに、例えば、「歩いた」という動作行動データの前後の動作行動が「買物した」であり、移動時間ｔがｔ３（例えば５秒）以上ｔ２よりも短く、かつ行動記録装置１００の位置変化はないとき、ユーザは買い物中に「店舗内を移動」していると推定できる。

このように、文脈解析、時間幅および位置変化を組み合わせて動作行動データの意味内容を認識すると、図７に示すように、「歩いた」という動作行動データから「店舗内の移動（ＳＧ１）」、「フロア内の移動（ＳＧ２）」、「店舗を移動（ＳＧ３）」の３つの行動セグメントという行動セグメントが生成される。

行動セグメントが生成されると、上記と同様、セグメンテーション粒度を変化させて行動セグメントからなる行動ログの表示を容易に変化させることができる。例えば、単位セグメントのセグメンテーション粒度からセグメンテーション粒度を大きくした粒度３−１の状態では、歩行に関する行動セグメントのうち最も歩行時間の短い行動セグメントＳＧ１がその前後にある「買物した」という行動セグメントと結合される。これらは「買物した」という一連の動作として１つの行動セグメントで表されることになる。このとき、「店舗内の移動」が「買物した」という１つの行動セグメントに結合されたので、歩行に関する他の行動セグメントを単に「移動」と表示してもよい。

さらにセグメンテーション粒度を大きくした粒度３−２の状態では、歩行に関する行動セグメントのうち行動セグメントＳＧ１の次に歩行時間の短い行動セグメントＳＧ２がその前後にある「買物した」という行動セグメントと結合される。そして、さらにセグメンテーション粒度を大きくした粒度３−３の状態では、歩行に関する行動セグメントのうち最も歩行時間の長い行動セグメントＳＧ３もその前後にある「買物した」という行動セグメントと結合される。これにより、「買物した」、「歩いた」という一連の動作が「買物した」という１つの行動セグメントとして表される。このように、動作行動レベルの階層的な行動メタに基づきセグメンテーション粒度を変化することで、ユーザにとって見やすい動作行動レベルによって行動ログを表示することができる。

［３−３．行動認識処理］
動作行動データから行動セグメントを生成する処理について、図８〜図１０に基づきより詳細に説明する。図８は行動認識の全体処理の流れを示すフローチャートである。図９は、生活行動認識部３２１による処理を示すフローチャートである。図１０は、階層構造判断部３２２による処理を示すフローチャートである。

行動認識処理は、図８に示すように、行動記録装置１００の行動認識部１２０で行われる動作行動データ作成処理（Ｓ１００、Ｓ１１０）と、解析サーバ３００の行動表現生成部３２０およびデータ管理部３３０により行われる行動セグメント生成処理（Ｓ１２０〜Ｓ１４０）とからなる。

センサ類１１０からセンサ情報を取得した行動認識部１２０の動作行動認識部１２４は、動作行動データの作成処理を開始する（Ｓ１００）。動作行動データ作成処理は、既存の手法を用いて行うことができる。動作行動認識部１２４は、動作行動データを作成すると、行動ログサーバ２００へ出力する（Ｓ１１０）。このようにして、行動ログサーバ２００には、ユーザの行動ログを構成する動作行動データが蓄積されていく。なお、行動認識部１２０は、動作行動データとして、動作レベルの行動情報のみならず、例えば時間情報や場所情報、機器の操作履歴等を含んだ情報を生成してもよい。

動作行動データが作成されると、解析サーバ３００の行動表現生成部３２０は、生活行動認識部３２１により動作行動データの意味内容を解析する（Ｓ１２０）。生活行動認識部３２１は、動作行動データを予め設定された単位長のデータに区分し、区分された各データについて生活行動メタ情報を付与する。動作行動データの単位長は所定時間Ｔ（例えばＴ＝１ｍｉｎ）によって規定される。また、動作行動データの区分順序をｉ（ｉ＝１〜Ｎ）とする。

生活行動認識部３２１は、動作行動データを時系列順に単位時間Ｔで区分した後、まず、単位長（Ｔ）とパラメータｉとの積算値が動作行動データの長さ（時間）より小さいか否かを判定する（Ｓ１２１）。ステップＳ１２１で単位長（Ｔ）とパラメータｉとの積算値が動作行動データの長さ（時間）より小さいと判定したとき、生活行動認識部３２１は、時刻Ｔ＊ｉから時刻Ｔ＊（ｉ＋１）における区分データに対して生活行動メタ情報を付与する（Ｓ１２２）。ここで、記号「＊」は積算処理を表す。ステップＳ１２２では、例えばルールベースの分岐処理を用いて、当該時刻における区分データに当てはまる意味内容（生活行動メタ情報）を付与することができる。あるいは、隠れマルコフモデル（Ｈｉｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌ；ＨＭＭ）やニューラルネットワーク（Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）等の機械学習の手法を用いて区分データに生活行動メタ情報を付与することもできる。なお、区分データに付加される生活行動メタ情報は１つのみでなく、複数の生活メタ情報を付与してもよい。

生活行動認識部３２１は、ステップＳ１２２で動作行動データの区分データに生活行動メタ情報を付与すると、パラメータｉに１を加算して（Ｓ１２３）、ステップＳ１２１からの処理を繰り返す。ステップＳ１２１にて単位長（Ｔ）とパラメータｉとの積算値が動作行動データの長さ（時間）以上であると判定したとき、生活行動認識部３２１は、ステップＳ１２２の処理により生活行動メタ情報が付与された各区分データを生活行動データとして出力する（Ｓ１２４）。生活行動認識部３２１の出力結果は、所定の記憶部（図示せず。）に記録してもよく、そのまま次の処理を行う機能部（ここでは階層構造判断部３２２）へ出力してもよい。

図８の説明に戻り、生活行動認識部３２１により動作行動データを構成する区分データに生活行動メタ情報が付与された情報である生活行動データが生成されると、階層構造判断部３２２は、生活行動データに対して、意味内容に関する階層関係を表す階層情報を付与する。かかる処理を図１０に基づき説明する。階層構造判断部３２２は、まず、入力された生活行動データについて、階層情報が付与されていない、または付与された階層情報のさらに上位階層にシフト可能である、という条件のうち少なくともいずれか１つを満たすか否かを判定する（Ｓ１３１）。

ステップＳ１３１にてこの条件をいずれも満たさないとき、すなわち、既に最上位の階層情報が生活行動データに付加されているとき、階層構造判断部３２２は図１０に示す処理を終了する。一方、ステップＳ１３１にて上記条件のいずれか一方を満たすとき、階層構造判断部３２２は、時系列に配列された各区分データについて、隣接する同一行動の区分データを結合する（Ｓ１３２）。ステップＳ１３２では、ステップＳ１２０で離散化されたデータについて、同一行動が連続する場合には１つの動作行動とみなす処理を行っている。区分データを結合して生成された１つのまとまり（セグメント）は、所定の記憶部（図示せず。）に記録してもよい（Ｓ１３３）。

次いで、ステップＳ１３２で生成されたセグメントの時系列の配列順序をｊ（ｊ＝１〜Ｍ）としたとき、階層構造判断部３２２は、ｊがステップＳ１３１で生成されたセグメント数より小さく、かつｊ番目のセグメントの行動に関連する辞書情報を取得可能か否か判定する（Ｓ１３４）。ステップＳ１３４にてこの条件をいずれも満たすとき、階層構造判断部３２２は、取得した辞書情報のうち当該セグメントに最適な辞書情報を選択し、付与する（Ｓ１３５）。そして、階層構造判断部３２２は、当該セグメント（ｊ）に対し、選択された辞書情報および時間的前後関係よりさらに上位階層情報を付与可能か否かを判定する（Ｓ１３６）。ステップＳ１３６にて上位階層情報を付与可能と判定した場合には、階層構造判断部３２２は、当該セグメント（ｊ）に上位階層情報を付与し、パラメータｊに１を加算する（Ｓ１３７）。その後、ステップＳ１３４からの処理を繰り返す。

一方、ステップＳ１３４にて、ｊがステップＳ１３２で生成されたセグメント数以上である、あるいはｊ番目のセグメントの行動に関連する辞書情報を取得できないと判定すると、階層構造判断部３２２は、ステップＳ１３１からの処理を繰り返す。また、ステップＳ１３６にてセグメント（ｊ）に対して上位階層情報を付与できないと判定した場合にも、階層構造判断部３２２は、ステップＳ１３１からの処理を繰り返す。

図１０に示したように、階層構造判断部３２２は、ステップＳ１２０で生成された区分データを、時間的に連続する同一行動でまとめ、セグメント化する。そして、各セグメントの行動について、関連する辞書情報を取得し付加するとともに、さらに上位階層の情報を付加できるかを判断する。このように、ステップＳ１３１〜Ｓ１３７の処理を行うことで、階層情報が付加された最小単位の行動セグメント（単位セグメント）が生成される。

図１１および図１２は、行動セグメント生成処理の一例を示すフローチャートである。図１１に示すように、階層構造判断部３２２は、まず、区分データのうち同一行動で挟まれる「その他の行動」が存在するか否かを判定する（Ｓ２００）。同一行動で挟まれる「その他の行動」がある場合、「その他の行動」はその前後にある行動にマージされる（Ｓ２０２）。なお、精度が十分高く、かつ行動の変化点となりやすい「歩き」の動作行動に挟まれる「その他の行動」については、マージ処理を行わない。ステップＳ２０２にて「その他の行動」をマージした後、あるいはステップＳ２００にて同一行動で挟まれる「その他の行動」がなかったとき、階層構造判断部３２２は、連続する同一行動をマージされる（Ｓ２０４）。

その後、階層構造判断部３２２は、マージ処理により生成されたセグメントの時系列順を表すパラメータｋ（ｋ＝１〜Ｋ）を初期値１に設定し（Ｓ２０６）、セグメント（ｋ）の行動時間が所定時間Ｔ１（例えばＴ１＝３ｍｉｎ）より小さいか否かを判定する（Ｓ２０８）。ステップＳ２０８でセグメント（ｋ）の行動時間が所定時間Ｔ１より小さい場合、階層構造判断部３２２は、当該セグメントをバッファに蓄積する（Ｓ２１０）。一方、ステップＳ２０８にてセグメント（ｋ）の行動時間が所定時間Ｔ１以上と判定された場合、さらに階層構造判断部３２２は、セグメント（ｋ）の行動時間が所定時間Ｔ２（Ｔ２＞Ｔ１、例えばＴ２＝１０ｍｉｎ）より小さいか否かを判定する（Ｓ２１２）。

ステップＳ２１２にてセグメント（ｋ）の行動時間が所定時間Ｔ２より小さいと判定された場合、階層構造判断部３２２は、セグメント（ｋ）を直前の行動にマージする（Ｓ２１４）。一方、ステップＳ２１２にてセグメント（ｋ）の行動時間が所定時間Ｔ２以上の場合、階層構造判断部３２２は、当該セグメントの動作行動を「その他の行動」に決定する（Ｓ２１６）。その後、階層構造判断部３２２は、すべてのセグメントについてステップＳ２０８〜Ｓ２１６の処理を実行したか否かを判定し（Ｓ２１８）、未処理のセグメントがある場合には、ｋに１を加算した後（Ｓ２２０）、ステップＳ２０８からの処理を繰り返す。

一方、すべてのセグメントについてステップＳ２０８〜Ｓ２１６の処理を実行した場合には、図１２に示すように、これらのセグメントについて連続する同一行動をマージする処理を行う（Ｓ２２２）。その後、なおデータ単位時間のみ（例えば１分間だけ）の乗物行動が存在する場合には、当該セグメントの行動を「その他の行動」とする（Ｓ２２４）。

次いで、階層構造判断部３２２は、セグメントの行動内容が「歩行」であるか否かを判定し（Ｓ２２６）、「歩行」以外の場合にはバッファに当該セグメントを蓄積する（Ｓ２２８）。一方、ステップＳ２２６にてセグメントの行動内容が「歩行」である場合、さらにバッファに乗物行動が蓄積されているか否かを判定する（Ｓ２３０）。乗物行動がバッファに蓄積されているとき、階層構造判断部３２２は、当該セグメントの動作行動を、「歩行」から占有率が最大の乗物の行動とする（Ｓ３２３）。一方、乗物行動がバッファに蓄積されていないときには、当該セグメントの動作行動を「その他の行動」に決定する（Ｓ３２４）。

ここで、行動セグメントに付加される階層情報について、図１３に基づき説明する。図１３に示すように、６つの単位セグメント（ＳＧ０１〜ＳＧ０６）の動作内容が「電車」、「電車」、「歩き」、「歩き」、「電車」、「電車」であったとする。図１０に示した処理により、単位セグメントＳＧ０１およびＳＧ０２は行動セグメントＳＧ０７に、単位セグメントＳＧ０３およびＳＧ０４は行動セグメントＳＧ０８に、単位セグメントＳＧ０５およびＳＧ０６は行動セグメントＳＧ０９にまとめられる。この状態を粒度１−０とする。粒度１−０の行動セグメントＳＧ０７〜ＳＧ０９は、それぞれ「ある路線の電車に乗った（行動Ｂ）」という行動セグメントＳＧ１７、「乗換え（行動Ｃ）」という行動セグメントＳＧ１８、「ある路線の電車に乗った（行動Ｃ）」という行動セグメントＳＧ１９となる。このときの粒度を１−１とする。さらに粒度１−１の状態から行動セグメントＳＧ１７〜ＳＧ１９をまとめると、「電車に乗った（行動Ａ）」という１つの行動セグメントＳＧ１０となる。このときの粒度を１−２とする。

行動セグメントの階層情報の持ち方は、単位セグメントを結合した行動セグメントに対して付与する場合と、単位セグメントに対して付与する場合とが考えられる。単位セグメントを結合した行動セグメントに対して階層情報を付与する場合、例えば、図１３の行動Ｂの行動セグメントＳＧ１７に着目したとする。行動セグメントＳＧ１７は、単位セグメントＳＧ０１およびＳＣ０２を結合して新規に生成された行動セグメントと考えられる。この場合、行動セグメントＳＧ１７に対し、粒度１−１の行動セグメントであること、「ある路線の電車に乗った」という行動内容であること、行動の開始時刻および終了時刻を階層情報として付与する。あるいは、行動セグメントＳＧ１７に対し、単位セグメントＳＧ０１およびＳＧ０２から構成されていることを階層情報として付与してもよい。

一方、最小単位の行動セグメントである単位セグメントに階層情報を付与する場合、例えば図１３の行動セグメントＳＧ０１に着目したとする。このとき、行動セグメントＳＧ０１には、単位セグメントであること、粒度１−０では行動セグメントＳＧ０７に、粒度１−１では行動セグメントＳＧ１７に、粒度１−２では行動セグメントＳＧ１０に含まれることが階層情報として付与される。具体的には、例えば［電車、行動Ｂ、行動Ａ］のように動作内容を階層順に関連付けた情報を階層情報として表すことができる。

階層情報は、いずれの形式で付与してもよく、他の形式で付与することもできる。単位セグメントを結合した行動セグメントに対して階層情報を付与する場合はデータ量の観点から優れており、単位セグメントに階層情報を付与する場合はデータベース検索の面で優れている。

図８の説明に戻り、ステップＳ１３０にて生活行動データから階層情報が付与された行動セグメントが生成されると、生活行動認識部３２１は各行動セグメントをデータ管理部３３０へ出力する（Ｓ１４０）。データ管理部３３０は、取得した行動セグメントを、記憶部（単位データ保存ＤＢ３３４あるいは階層情報付与済データ保存ＤＢ３３５）に記録する。

［３−４．行動表現生成部の処理内容］
解析サーバ３００は、リアルタイムに行動セグメントによる行動ログを蓄積することができ、同時に動作行動の意味内容に基づく行動表現を生成することができる。また、過去の行動履歴から行動表現を生成することもできる。解析サーバ３００の行動表現生成部３２０およびデータ管理部３３０の詳細な構成を図１４に示す。図１４は、解析サーバ３００の機能構成を示す機能ブロック図である。

図１４に示すように、行動表現生成部３２０は、上述した生活行動認識部３２１、階層構造判断部３２２に加え、階層処理部３２３と、登録処理部３２４と、コメント作成部３２５と、取得部３２６とをさらに備えることができる。

階層処理部３２３は、階層構造判断部３２２の判断結果に対する後段処理を行う。階層処理部３２３は、データの軽量化や高速化のために、行動セグメントに付与するデータについて一部のみを記憶部に記録したり、指定した行動セグメントの階層情報をアプリケーションに渡したりする際に、階層構造に基づいて機能する。

上述のように、階層情報は、単位セグメントを結合した行動セグメントに対して付与する場合と、単位セグメントに対して付与する場合とが考えられる。結合した行動セグメントに対して階層情報を付与している場合、階層処理部３２３は、ユーザが入力部１６０を介して選択した階層情報の行動セグメントを処理する。一方、単位セグメントに対して階層情報を付与している場合、階層処理部３２３は、ユーザが入力部１６０を介して選択した階層情報に基づいて、単位セグメントを結合し行動セグメントを生成する。階層処理部３２３は、情報の処理結果を登録処理部３２４およびコメント作成部３２５へ出力する。

登録処理部３２４は、階層処理部３２３にて生成された行動セグメントをデータ管理部３３０へ記録する。登録処理部３２４は、行動セグメントをデータ取得部３３１に出力し、例えば階層情報付与済データ保存ＤＢ３３５に記録する。

コメント作成部３２５は、生成された行動セグメントに対して行動の意味内容等のコメントを生成し付与する。コメント作成部３２５により生成されたコメントはデータ取得部３３１へ出力される。データ取得部３３１は、当該コメントを対応する行動セグメントと関連付けて例えば階層情報付与済データ保存ＤＢ３３５に記録する。

取得部３２６は、単位データ保存ＤＢ３３４または階層情報付与済データ保存ＤＢ３３５から所定の行動セグメントを取得する。取得部３２６は、例えば過去の行動ログを利用しなければならない処理が行動表現生成部３２０にて実行されるとき、単位データ保存ＤＢ３３４または階層情報付与済データ保存ＤＢ３３５に記録されている過去のデータを取得する。取得するデータは、ユーザからの指示に基づき決定される。

＜４．行動記録表示アプリケーション＞
上述したように、行動記録装置１００にて取得した動作行動データを解析サーバ３００にて解析することで、動作行動の意味内容が付加された行動セグメントが生成される。以下では、行動セグメントを用いてユーザの行動ログを表現するアプリケーションの機能について説明する。

［４−１．行動セグメントに基づく行動ログの表現］
まず、行動セグメントを用いた行動ログの表現について説明する。行動ログの表現の一例を図１５に示す。図１５の行動ログは、例えば行動記録装置１００の表示部１５０に表示することができる。

行動ログは、時系列に配列された行動セグメントからなる。各行動セグメントには、例えば、動作行動の開始時間および終了時間、動作内容が表示される。また、動作内容が「電車で移動」等のような移動系行動の場合には、例えば出発地から到着地（例えば「五反田から大崎へ」）といった位置表現が動作内容に付加される。動作内容が「作業」、「食事」等のような移動系以外の行動の場合には、その動作を行った場所（例えば「大崎で」）が動作内容に付加される。

さらに、このような行動セグメントの動作をわかりやすくユーザに通知するために、動作内容を示すオブジェクトを表示することもでき、その動作をしているときのユーザの気分を表すオブジェクトを表示してもよい。また、その動作のためにユーザが歩いた歩数（ステップ値）や動作による消費エネルギを示す値（エクササイズ値）を表示してもよい。行動ログを構成する各行動セグメントに表示される内容は図１５に示す例に限定されず、センサ類から取得されたセンサ情報から得られる情報等をさらに各行動セグメントに表示させることもできる。

なお、図１５に示す行動ログでは、隣接する行動セグメントの時刻が時間的に連続していない箇所がある。例えば１２：３０から開始された「大崎で食事」という行動と、１４：３０から開始された「渋谷にいました」という行動との間に空白時間が存在する。このように、行動ログに、すべての行動セグメントを表示させないようにすることができる。行動セグメントの非表示は、例えばユーザによる行動セグメントの編集／削除によって表示させないようにしたり、一部の行動セグメントを非表示にする非表示フィルタを設定したりすることで実行される。

非表示フィルタとしては、例えば、行動時間が短時間である場合に非表示とするフィルタや、ユーザにとって重要でないと判断される行動セグメントを非表示とするフィルタ等が考えられる。また、認識精度が低い場合に非表示とするフィルタや、ユーザにより指定された行動や場所のみを表示させるフィルタ等を設定してもよい。

［４−２．行動の閲覧］
ユーザは、行動ログ表示アプリケーションを閲覧端末（例えば、行動記録装置１００）で起動すると、例えばユーザの行動ログを所定単位、例えば１日単位で閲覧することができる。図１６に、行動ログ表示アプリケーションを起動したときの行動ログの一表示例を示す。図１６は、行動記録装置１００の表示部１５０に１日単位の行動ログ４１０が表示された状態を示す。

行動ログ４１０は、例えば画面上端から下端に向かって時系列に配列された行動セグメント４１２からなる。各行動セグメント４１２には、図１５でも説明したように、動作を行った場所、場所の説明、行動の種類、動作のためにユーザが歩いた歩数やエクササイズ値等が表示される。表示の画面内に１日分の行動ログをすべて表示できない場合には、画面スクロール操作を行うことで、表示されていない行動セグメントを表示部１５０に表示させることができる。

現在表示中の行動ログの前日の行動ログを表示させるためのＰｒｅｖボタン４２２、または現在表示中の行動ログの翌日の行動ログを表示させるためのＮｅｘｔボタン４２４にタッチすることで、別の日の行動ログを表示部１５０に表示させることができる。Ｐｒｅｖボタン４２２を押下したとき、１日前の行動ログが存在しない場合は、過去に遡って次に行動ログが取得されている日の行動ログを表示させてもよい。同様に、Ｎｅｘｔボタン４２４を押下したとき、翌日の行動ログが存在しない場合は、現在に向かって次に行動ログが取得されている日の行動ログを表示させてもよい。また、表示部１５０には行動ログ４１０の閲覧、編集等のための操作ボタン４３０が表示されており、ユーザは、実行したい処理に対応するボタンにタッチすることでその処理を実行することができる。

例えば、カレンダーボタン４３４をタッチすると、図１７に示すようにカレンダー４４０が表示部１５０に表示される。画面遷移後、表示部１５０に最初に表示されるカレンダー４４０は、例えば現在の月のものであってもよく、画面遷移前に表示されていた行動ログ４１０に対応する月のものであってもよい。カレンダー４４０では、行動ログ４１０を表示可能な日、すなわち行動ログ４１０をデータとして蓄積している日を例えばタッチ操作等により選択することができる。カレンダー４４０からある日が選択されると、その日の行動ログ４１０が表示部１５０に表示される。

カレンダー４４０の表示は、前（＜）ボタン４４２あるいは次（＞）ボタン４４４を操作することで変更することができる。前（＜）ボタン４４２を操作すると前月のカレンダーが表示され、次（＞）ボタン４４４を操作すると翌月のカレンダーが表示される。前（＜）ボタン４４２を押下したとき、１月前に行動ログが存在しない場合は、過去に遡って次に行動ログが取得されている月のカレンダー４４０を表示させてもよい。同様に、次（＞）ボタン４４４を押下したとき、翌月に行動ログが存在しない場合は、現在に向かって次に行動ログが取得されている月のカレンダー４４０を表示させてもよい。

なお、図１７では月単位のカレンダー４４０が表示される例を示したが、本技術はかかる例に限定されず、例えば週単位、２週単位、年単位のカレンダーを表させることもできる。また、カレンダー４４０において、行動ログを表示可能な日に対して、その日の代表的な動作行動を示すアイコンを表示するようにしてもよい。これにより、ユーザは一目でその日の行動を認識することができる。このようなカレンダー機能によって、閲覧したい行動ログ４１０を容易に探し出すことができ表示部１５０に表示させることができる。カレンダー４４０の表示画面から前画面に遷移するには、Ｂａｃｋボタン４４６を操作すればよい。

また、例えば、操作ボタン４３０のうちマップボタン４３１をタッチすると、行動ログ表示アプリケーションは地図４５０を起動し、行動ログ４１０に対応する位置情報を地図４５０に表示する。図１８に、マップボタン４３１を操作して行動ログ４１０に対応する位置情報を地図４５０に表示させたときの一表示例を示す。

行動ログ４１０が表示されているとき、行動ログ４１０を構成する行動セグメント４１２が１つも選択されていない状態でマップボタン４３１がタッチされると、例えばその日の行動ログ４１０すべての位置情報の履歴が地図４５０上に表示される。ユーザが移動していれば、その移動軌跡が画面に表示されることになる。

一方、行動ログ４１０が表示されているとき、行動ログ４１０から１つの行動セグメント４１２ａが選択された状態でマップボタン４３１がタッチされると、その行動セグメント４１２ａの位置情報の履歴が地図４５０上に表示される。例えば、図１８左に示すように、「鷺ノ宮から大崎へ電車で移動」した行動セグメント４１２ａが選択され、マップボタン４３１がタッチされると、図１８右に示すように、出発地（鷺ノ宮）から到着地（大崎）への電車での移動軌跡が地図４５０に表示される。これにより、ユーザがどのような経路で移動したかを分かり易く提示することができる。位置情報を地図４５０に表示している際、表示部１５０に当該位置情報の時間情報４５２を表示するようにしてもよい。

なお、ユーザが移動していない場合には、その動作を行った場所にアイコン等を表示してもよい。また、図１８では１つの行動セグメント４１２が選択された場合について説明したが、本技術はかかる例に限定されず、複数の行動セグメント４１２を選択し、選択されたすべての行動セグメント４１２の位置情報を地図４５０に表示することもできる。この際、地図４５０上の位置情報を、行動セグメント毎に色分け等して区別して表示してもよい。地図４５０の表示画面から前画面に遷移するには、Ｂａｃｋボタン４５４を操作すればよい。

［４−３．行動の修正］
上記では、解析サーバ３００にて解析され生成された行動セグメント４１２を用いて行動ログ４１０を表示部１５０に表示する方法について説明した。しかし、生成された行動ログ４１０の表示内容に誤りがある場合もある。このとき、ユーザは行動ログ４１０の内容を修正することができる。なお、この修正フィードバックは、行動認識判定処理に反映される。まず、図１９および図２０に基づいて、行動ログ４１０の修正方法について説明する。図１９は、修正対象の行動セグメントを修正する修正画面が表示された状態を示す説明図である。図２０は、動作行動を修正する修正画面の一例を示す説明図である。

行動セグメント４１２の内容を修正するには、ユーザは表示部１５０に表示された行動ログ４１０のうち修正対象の行動セグメント４１２ａを選択し、編集ボタン４３５にタッチする。そうすると、図１９右に示すように、修正対象の行動セグメント４１２ａを修正する修正画面４６０が表示される。例えば、「鷺ノ宮から大崎へ電車で移動」した行動セグメント４１２ａの修正を選択すると、行動ログ４１０の表示画面から、動作内容、動作の開始場所および終了場所、動作時の気分を編集可能な修正画面４６０に画面遷移する。

動作内容の修正は、修正画面４６０の動作内容修正エリア４６１にて行うことができる。例えば動作内容修正エリア４６１を選択すると、図２０に示すように、修正する動作内容候補がリスト化された動作内容候補リスト４６１ａが表示される。ユーザは、動作内容候補リスト４６１ａから正しい動作内容を選択することで、動作内容を修正することができる。動作内容候補リスト４６１ａから「自由入力」が選択された場合には、ユーザが自由に動作内容を入力できる入力欄が表示され、正しい動作内容を入力することができる。

動作内容候補リスト４６１ａから動作内容を選択すると、ユーザは動作の開始場所および終了場所の修正を引き続き行う。このとき、選択された動作内容が例えば「バスで移動」等のように移動系行動である場合、開始場所修正エリア４６２、開始場所説明修正エリア４６３、終了場所修正エリア４６４、終了場所説明修正エリア４６５の修正を行うことができる。

開始場所修正エリア４６２および終了場所修正エリア４６４は、場所名リストを表示してユーザが選択入力できるようにしてもよく、場所名を直接入力できるようにしてもよい。場所名リストには、例えばビル名や駅名、店名等のランドマークとなる場所名を表示することができる。また、ランドマークとなる場所がない場合には、地名（住所）を場所名リストに表示してもよい。

また、開始場所修正エリア４６２および終了場所修正エリア４６４の入力内容に連動して地図を表示する開始場所マップ４６２ａおよび終了場所マップ４６４ａを表示部１５０に表示させてもよい。開始場所マップ４６２ａおよび終了場所マップ４６４ａには、当該マップ上でのスクロール操作によって任意の場所の地図を表示させることができる。また、開始場所マップ４６２ａおよび終了場所マップ４６４ａに表示されているマップ上でタッチ操作が行われたとき、タッチ操作が行われた位置に対応する場所名を開始場所修正エリア４６２および終了場所修正エリア４６４に自動入力するようにしてもよい。

開始場所説明修正エリア４６３および終了場所説明修正エリア４６５は、開始場所修正エリア４６２および終了場所修正エリア４６４に入力された場所がユーザにとってどのような場所であるかを入力する領域である。開始場所説明修正エリア４６３および終了場所説明修正エリア４６５にタッチすると、例えば、図２０に示すように、説明候補リスト４６３ａあるいは４６５ａが表示される。ユーザは説明候補リスト４６３ａあるいは４６５ａから正しい説明を選択することで、場所説明を入力することができる。

場所の説明内容としては、例えば自宅等の「帰る場所」、会社等の「働く場所」、学校等の「勉強する場所」等がある。このような場所の説明を入力することで、ユーザにとってその場所がどのような意味を持つかを把握することができ、当該ユーザに対する行動認識の精度を向上させるのに役立てることができる。説明候補リスト４６３ａあるいは４６５ａに正しい説明がない場合には、開始場所説明修正エリア４６３および終了場所説明修正エリア４６５に直接説明を入力することも可能である。

図２０の動作内容候補リスト４６１ａにて選択された動作内容が例えば「買物」や「仕事」等のように移動系以外の行動である場合には、終了場所修正エリア４６４、終了場所説明修正エリア４６５の修正を行うことができる。修正方法は、上述した通りである。

動作を行ったときのユーザの気分を示すオブジェクトの修正は、例えば、図１９に示すように、気分修正エリア４６６により行うことができる。気分修正エリア４６６は、「気分未設定」ボタンと、気分の良し悪しを段階的に選択する気分選択ボタンとからなる。気分選択ボタンは、例えば「非常に悪い（イライラ・憂鬱）」、「悪い（なんとなくイライラ）」、「まあまあ（特に問題なし）」、「よい（ちょっと気分がよい）」、「非常に良い（爽やか・清清しい・充実）」の５段階の気分を選択可能に構成することができる。ユーザは、動作を行ったときの気分を気分修正エリア４６６から選択することができる。

すべての修正を終えると、修正画面４６０の最下部にあるセーブボタン４６８ａまたは最上部にあるセーブボタン４６８ｂを押下することで、修正内容を行動セグメント４１２ａに反映させることができる。セーブボタン４６８ａまたは４６８ｂを押下すると、修正画面４６０遷移前の画面に遷移する。なお、修正画面４６０での入力内容を反映させずに修正画面４６０遷移前の画面に遷移するには、修正画面４６０の最下部にあるキャンセルボタン４６７ａまたは最上部にあるキャンセルボタン４６７ｂを押下すればよい。

［４−４．行動の結合］
本技術においては、各行動セグメント４１２の内容を修正するだけでなく、行動セグメント４１２間の関連性を修正することで、行動ログ４１０の表示を容易に変更することができる。例えば、複数の行動セグメント４１２を結合して１つの行動セグメント４１２として表示することができる。行動セグメント４１２の結合は、複数の時間的に連続した行動セグメント４１２を１つの行動セグメント４１２に結合する機能である。結合後の行動セグメント４１２の時間範囲は最も過去の行動セグメント４１２の開始時刻から最も現在に近い行動セグメント４１２の終了時刻までとなる。

図２１に行動セグメント４１２の結合方法の一例を示す。まず、行動ログ４１０が表示されている状態において、マージボタン４３２を押下すると、行動セグメント４１２を結合可能な状態（行動結合モード）となる。行動結合モードにおいて結合したい行動セグメント４１２を選択することで選択した行動セグメント４１２を結合することができる。

ここで、結合対象の行動セグメント４１２のうち最初に選択した行動セグメント４１２ｂの行動を結合後の動作内容とすることができる。図２１では、「大崎で仕事」という動作内容が結合後の動作内容となる。その後、他の結合対象の行動セグメント４１２を選択する。行動セグメント４１２の選択は、タッチ操作やドラッグ操作により行うことができる。図２１においては、符号４１２ｃで囲まれた行動セグメントが結合対象として選択されている。そして、結合対象の行動セグメント４１２を選択後、セーブボタン４６８ａを押下すると、結合対象の行動セグメント４１２が結合して表示されるようになる。結合された行動セグメント４１２は、「大崎で仕事」を９：５５から２２：４２までしたという行動を表すものとなる。なお、結合モードを解除するには、キャンセルボタン４６７ａを押下すればよい。

図２１の例においては、結合後の行動セグメント４１２の動作内容は、最初に選択された行動セグメント４１２のものに決定されたが、本技術はかかる例に限定されない。他の結合後の行動セグメント４１２の動作内容決定方法の一例を図２２に示す。図２２では、結合対象の行動セグメントをドラッグ操作により選択している。すなわち、まず結合対象の最初の行動セグメント（開始セグメント）に指で接触して選択し、そのまま指を移動させて結合対象の最後の行動セグメント（終了セグメント）まで選択する。これにより、結合対象の行動セグメント（符号４１２ｃで囲まれた行動セグメント）が決定される。そして、セーブボタン４６８ａ（図２１参照）を押下すると、結合後の行動セグメントが表示される。

結合後の行動セグメントの動作内容は、例えば結合対象の行動セグメントのうち任意の行動セグメントの動作内容とすることができる。例えば、「大崎で歩いていました」という動作内容を選択した場合、結合後の行動セグメント４１２ｄ１の動作内容は「大崎で歩いていました」となる。

また、結合後の行動セグメントの動作内容は、例えば結合対象の行動セグメントの多数決により決定してもよい。例えば、図２２の例では、結合対象の４つの行動セグメント４１２のうち、２つの行動セグメント４１２の動作内容が「大崎で作業」であり、１つの行動セグメント４１２の動作内容が「大崎で食事」であり、別の１つの行動セグメント４１２の動作内容が「大崎で歩いていました」である。これより、最も多い動作内容の「大崎で作業」を、結合後の行動セグメント４１２ｄ２の動作内容として決定することができる。

あるいは、結合後の行動セグメントの動作内容は、例えば結合対象の行動セグメントについて再解析を行って決定してもよい。例えば、図２２の例では、結合対象の４つの行動セグメント４１２の動作内容は「大崎で作業」、「大崎で食事」、「大崎で歩いていました」である。これより、ユーザの動作の意味内容を再解析し、例えば「大崎にいました」という動作内容を、結合後の行動セグメント４１２ｄ３の動作内容として決定することができる。

このように、行動セグメント４１２の結合は、結合対象を選択することにより容易に行うことができる。

［４−５．行動の分割］
また、本技術においては、行動セグメント４１２間の関連性の修正として、例えば、複数の行動セグメント４１２を分割して複数の行動セグメント４１２として表示することができる。行動セグメント４１２の分割は、１つの行動セグメント４１２を複数の行動セグメント４１２に区分する機能である。行動セグメント４１２の分割方法として、例えば行動セグメント４１２を分割する時刻を設定する方法や、階層情報を用いた分割方法等がある。

例えば、図２３に行動セグメント４１２の時刻設定による分割方法の一例を示す。まず、行動ログ４１０が表示されている状態において、分割ボタン４３３を押下すると、行動セグメント４１２を分割可能な状態（行動分割モード）となる。行動分割モードにおいて分割したい行動セグメント４１２を選択することで選択した行動セグメント４１２を指定の時刻で分割することができる。

例えば、図２３において行動セグメント４１２ｅが分割対象として選択されたとする。そうすると、分割対象の行動セグメント４１２ｅの分割時刻を入力する分割時刻設定画面が表示される。分割時刻設定画面では、分割対象の行動セグメントの開始時間から終了時間までの間の任意の時刻を設定することができる。その後、セーブボタン４６８ａを押下すると、分割対象の行動セグメント４１２が分割して表示される。例えば、分割時刻が１１：５０に設定されたとき、行動セグメント４１２は、９：５８から１１：５０まで「大崎で仕事」をしたという第１の行動セグメントと、１１：５０から１２：２９まで「大崎で仕事」をしたという第２の行動セグメントとに分割される。なお、分割モードを解除するには、キャンセルボタン４６７ａを押下すればよい。

また、例えば、図２４に行動セグメント４１２の階層情報に基づく分割方法の一例を示す。図２４では既に行動分割モードになっているとする。ユーザが、行動ログ４１０が表示されている状態において分割したい行動セグメント４１２ｅを選択すると、図２４に示すように、分割対象の行動セグメント４１２ｅをより詳細な行動セグメントで表した階層リスト４１４が表示される。階層リスト４１４が表示されると、ユーザは分割点となる行動セグメントを選択する。

例えば、図２４において行動セグメント４１４ａが選択されると、行動セグメント４１４ａの例えば終了時間を分割時刻として決定し、図２４右に示すように、９：３０から１１：５９まで「大崎で仕事」をしたという第１の行動セグメント４１２ｅ１と、１１：５９から１２：３０まで「大崎で仕事」をしたという第２の行動セグメント４１２ｅ２とに分割される。

［４−６．セグメンテーション粒度に基づく行動セグメントの表示］
本技術において行動ログ４１０を構成する行動セグメント４１２は、その意味内容に基づく階層関係を階層情報として保持している。この階層情報を用いてセグメンテーション粒度を変化させることで、表示される行動ログ４１０の表示粗さを変化させることができる。表示粗さは、例えばスライダーを用いたり、ズームボタンを用いたりして変化させることができる。

図２５には、スライダー４７１を用いて表示粗さを変化させる場合を示す。スライダー４７１には表示粗さ（粒度）を設定するためのつまみ４７２が表示されており、つまみ４７２の位置を変化させることで表示粗さを変化させることができる。例えば図２５左に示すように、つまみ４７２がスライダー４７１の粒度小側にあるとき、行動ログ４１０は詳細な行動セグメント４１２により表示される。かかる状態からつまみ４７２をスライダー４７１の粒度大側に移動させるにつれて、予め行動セグメント４１２に付与されたセグメンテーション粒度に基づいて、複数の行動セグメント４１２がまとめて表示されるようになる。

また、図２６にズームボタン４７３を用いて表示粗さを変化させる場合を示す。ズームボタン４７３には表示粗さ（粒度）を設定するための複数のボタン４７４が一列に表示されている。この複数のボタン４７４のうちいずれか１つをチェックすることで、そのボタン４７４に対応する表示粗さで行動ログ４１０を表示させることができる。例えば図２６左に示すように、ズームボタン４７３のうち粒度小側のボタン４７４がチェックされているとき、行動ログ４１０は詳細な行動セグメント４１２により表示される。かかる状態から粒度大側のボタン４７４をチェックするにつれて、予め行動セグメント４１２に付与されたセグメンテーション粒度に基づいて、複数の行動セグメント４１２がまとめて表示されるようになる。

このように、行動セグメント４１２に付与されたセグメンテーション粒度に基づき行動ログ４１０の表示粗さを容易に変化させることができ、ユーザが見たい表示粗さで行動ログ４１０を見ることができる。

ここで、図２５および図２６では、行動ログ４１０の表示粗さを変化させていたが、本技術では、目的に応じて行動セグメント４１２の表示粗さを変化させることもできる。すなわち、行動の種類により独立して行動セグメント４１２の表示粗さを変化させる。行動の種類としては、仕事、買い物、移動等が考えられ、例えば図２７に示すような行動種類選択リスト４７５から対応する行動のボタン４７６をチェックすることで、その行動の表示粗さのみを変化させることができる。

例えば図２７に示すように、行動種類選択リスト４７５にて「仕事詳細」のボタン４７６ｂがチェックされると、仕事に関係する行動セグメント４１２ｆ１、４１２ｇ１が詳細に表示されるようになる。例えば、行動セグメント４１２ｆ１については、「大崎で作業」という動作内容が、「大崎でデスクワーク」、「歩いて移動」、「大崎でミーティング」、「歩いて移動」、「大崎でデスクワーク」という５つの行動セグメント群４１２ｆ２により表示される。なお、行動セグメント４１２ｇ１については、当該動作内容が最も詳細であったため、表示粗さ変更後も同一内容が表示される（行動セグメント４１２ｇ２）。

また、例えば図２８に示すように、行動種類選択リスト４７５にて「買い物詳細」のボタン４７６ｃがチェックされると、買い物に関係する行動セグメント４１２ｈ１が詳細に表示されるようになる。例えば、行動セグメント４１２ｈ１については、「渋谷で買い物」という動作内容が、「渋谷で買い物」、「フロアの移動」、「渋谷で買い物」、「渋谷で店舗間の移動」、「渋谷で買い物」、「渋谷で店舗間の移動」、「渋谷で買い物」という７つの行動セグメント群４１２ｈ２により表示される。

さらに、例えば図２９に示すように、行動種類選択リスト４７５にて「移動詳細」のボタン４７６ｄがチェックされると、移動に関係する行動セグメント４１２ｉ１、４１２ｊ１、４１２ｋ１が詳細に表示されるようになる。例えば、行動セグメント４１２ｉ１については、「鷺ノ宮から大崎へ電車で移動」という動作内容が、「鷺ノ宮で電車待ち」、「鷺ノ宮から高田馬場へ電車で移動」、「高田馬場で乗り換え」、「高田馬場から大崎へ電車で移動」、「大崎で歩いて移動」という５つの行動セグメント群４１２ｉ２により表示される。同様に、行動セグメント４１２ｊ１については、「大崎から渋谷に移動」という動作内容が、「大崎駅に移動」、「大崎駅で電車待ち」、「大崎から渋谷に電車で移動」、「渋谷に移動」という４つの行動セグメント群４１２ｊ２により表示される。行動セグメント４１２ｋ１についても同等に詳細な内容が表示される。

また、行動に依存せず行動セグメント４１２の表示粒度を同一粒度で表示する場合には、例えば図３０に示すように、行動種類選択リスト４７５にて「一律階層」のボタン４７６ａをチェックすればよい。これにより、行動ログ４１０のすべての行動セグメント４１２が同一粒度で詳細に表示される。

このように、行動の種類に応じて独立して行動セグメント４１２の表示粗さを変化させることができることにより、ユーザが詳細に確認したい行動のみ詳細に表示させることが可能となる。

なお、図２５および図２６に示した表示粗さの変更方法と、図２７〜図３０に示した行動の種類に応じた表示粗さの変更方法とを組み合わせることも可能である。例えば図３１に示すように、行動の種類毎にスライダーを設けて、各行動の種類の表示粗さをそれぞれ調整できるようにしてもよい。図３１では、「仕事」に関係する行動セグメントの表示粗さを設定するスライダー４７８ａ、「買物」に関係する行動セグメントの表示粗さを設定するスライダー４７８ｂ、「移動」に関係する行動セグメントの表示粗さを設定するスライダー４７８ｃを設けた表示粒度設定部４７７を示している。表示粒度設定部４７７の各スライダー４７８ａ、４７８ｂ、４７８ｃの各つまみ４７９ａ、４７９ｂ、４７９ｃをそれぞれ移動させることで、行動の種類毎の表示粗さを調整することが可能となる。

［４−７．行動の削除］
また、本技術においては、行動ログ４１０から行動セグメント４１２を削除することができる。例えば、図３２に示すように、行動ログ４１０が表示されている状態において、削除対象の行動セグメント４１２ｌを選択し、削除ボタン４３６を押下すると、図３２右に示すように削除確認画面４８０が表示される。削除確認画面４８０では、削除対象の行動セグメント４１２ｌの削除理由をユーザに入力させることができる。ユーザが該当する削除理由が記載されたボタンを押下すると、削除対象の行動セグメント４１２ｌは行動ログ４１０から削除される。ユーザの選択した理由によっては、行動セグメントの削除を行動修正としてフィードバックしてもよい。

［４−８．行動の投稿］
また、本技術においては、行動ログ４１０の行動セグメント４１２の内容を投稿サイトに投稿することができる。例えば、図３３に示すように、行動ログ４１０が表示されている状態において、投稿対象の行動セグメント４１２ｍを選択し、投稿ボタン４３７を押下すると、図３３右に示すように投稿画面４８２が表示される。投稿画面４８２では、投稿対象の行動セグメント４１２ｍの動作内容が投稿内容入力エリア４８２ａに自動的に貼り付けされる。ユーザが投稿実行ボタン４８２ｂを押下すると、投稿内容入力エリア４８２ａの記載内容が投稿サイトへ投稿される。

［４−９．行動ログ取得停止処理］
本技術において、何らかの理由で行動ログの取得を停止する場合、例えば図３４に示すように、設定ボタン４３８を押下して設定画面４９０を表示させる。設定画面４９０では、行動ログ表示アプリケーションに関する様々な設定を行うことができる。例えば行動ログ４１０の取得を停止する場合には、行動ログ取得機能の動作を設定する取得機能設定部４９１の「停止」を選択する。これにより、行動ログ表示アプリケーションは行動ログ取得機能を停止させる。なお、停止した行動ログ取得機能を再開させる場合には、取得機能設定部４９１の「再開」を選択すればよい。

［４−１０．表示内容の更新］
本技術の行動ログ表示アプリケーションは、所定のタイミングで（例えば１日に２回）自動的に行動ログサーバ２００へ行動記録装置１００にて取得した動作行動データをアップロードする。また、解析サーバ３００も所定のタイミングで（例えば１日に２回）自動的に行動セグメントを生成する。生成された行動セグメントに基づいて行動ログは表示されるが、システムの機能あるいは状況に応じて表示される行動ログが最新結果ではない場合がある。そこで、図３４の設定画面４９０にて表示する行動ログを最新結果に更新する更新ボタン４９３を押下することで、行動ログを最新結果に更新することができる。更新ボタン４９３を押下した後行動ログ表示画面に遷移すると、最新結果の行動ログを表示部１５０に表示させることができる。

＜５．修正フィードバックの反映処理＞
本技術の行動ログ表示システムでは解析サーバ３００により行動の意味内容を解析して生成された行動セグメントにより行動ログを表示する。しかし、上述したように、表示される行動ログの内容がすべて正しいとは限らない。このため、本技術では行動ログ表示アプリケーションを用いてユーザが正しい内容に修正することができる。本技術において、ユーザの修正フィードバックは、次の解析サーバ３００による解析処理に反映され、次回以降の解析結果の精度向上につなげるために用いられる。以下、図３５〜図４２に基づいて、修正フィードバックの反映処理について説明する。

［５−１．修正フィードバックの性質］
本技術ではユーザの修正フィードバックを解析処理に反映させて解析結果の精度向上を図るが、ここで、ユーザが解析サーバ３００による解析結果の誤りをすべて修正するとは限らない。すなわち、修正されなかった行動セグメントの内容が正しいとは必ずしもいえない。そこで、本技術では、本質的に偏った情報しか収集できないシステムを想定する必要がある。また、ユーザによる修正前の解析結果は、最新の解析結果と必ずしも一致しない。このため、各ユーザについて、どの行動セグメントをどのように修正したかという情報を解析処理に反映させることで、各ユーザ固有の行動を学習させることができ、解析結果の精度向上に有効に働くと考えられる。

［５−２．行動認識処理］
このような点を考慮して、本実施形態では、動作行動の認識処理において特徴量解析結果に基づき行動パターンを決定し、行動パターン、時刻、位置情報（場所）に対応する複数の確率分布を取得する。この際、ヒストグラムの重みを設定し、場所に依存した重み付けをした結果に基づき、動作行動を認識している。位置情報が取得できない場合、または位置情報を取得する必要がない場合は、一律の重み付けをしてもよいし、“場所がとれない”、“場所が必要ない”というような固有の重み付けをしてもよい。

図３５に、生活行動認識部３２１による行動認識処理の一例を示す。また、図３６に、動作行動を決定付ける動作行動推定情報を示す。動作行動推定情報は、例えば場所に依存した重み係数と各行動の確率分布との関係を表す情報であり、図３６に示すように、例えば「買物」、「仕事」、「食事」、「その他」の行動について複数（図３６では４つ）の確率分布が取得されている。そして、各確率分布に対して場所に依存した重み係数が設定されている。動作行動推定情報は、予め設定され、例えば解析パラメータＤＢ３３３に記録されている。

生活行動認識部３２１は、単位時間の行動ログを取得すると、当該行動ログの行動を認識する処理を開始する。まず、図３５に示すように、行動パターン、時刻情報および位置情報に基づいて、１つ以上の確率分布と場所に依存した重み係数とのペアを取得する（Ｓ３００）。

次いで、生活行動認識部３２１は、ステップＳ３０２〜Ｓ３０６にて単位時間の行動ログの動作内容を決定する処理を行う。まず、ステップＳ３００にて取得された確率分布と重み係数とのペアの数をｎとし、処理数を表すパラメータをｉ（ｉ＝０〜ｎ）とする（Ｓ３０２）。そして、生活行動認識部３２１は、最初（ｉ＝０）の確率分布と重み係数とのペアについて、各行動の確率分布と重み係数とをそれぞれ掛け合わせる（Ｓ３０４）。例えば、図３６において、最初のペアを１行目の確率分布と重み係数とのペアとすると、「買物」について確率５０と重み係数１とを積算し、「仕事」について確率１０と重み係数１とを積算する。そして、「食事」について確率１０と重み係数１とを積算し、「その他」について確率３０と重み係数１とを積算する。これにより、各行動に対する積算値（「買物」：５０、「仕事」：１０、「食事」：１０、「その他」：３０）がそれぞれ取得される。

ステップＳ３０４の処理を終えると、パラメータｉに１を加算し（Ｓ３０６）、ステップＳ３０２からの処理を繰り返す。図３６の例では、次（ｉ＝１）の確率分布と重み係数とのペア、すなわち２行目の確率分布と重み係数とのペアについて、各行動の確率分布と重み係数とをそれぞれ掛け合わせる（Ｓ３０４）。２行目のペアについて、まず、「買物」について確率１０と重み係数６とを積算し、「仕事」について確率５０と重み係数６とを積算する。そして、「食事」について確率１０と重み係数６とを積算し、「その他」について確率３０と重み係数６とを積算する。これにより、各行動に対する積算値（「買物」：６０、「仕事」：３００、「食事」：６０、「その他」：１８０）がそれぞれ取得される。

その後、生活行動認識部３２１は、各行動について、１行目の積算値に２行目の積算値を加算する。この結果、加算値は、「買物」：１１０、「仕事」：３１０、「食事」：７０、「その他」：２１０となる。同様に、３行目、４行目の確率分布と重み係数とのペアについても積算値を算出し、これまでの各行動の加算値に積算値を加算すると、最終的に、「買物」：２６０、「仕事」：４６０、「食事」：４２０、「その他」：４６０という加算値が得られる。

生活行動認識部３２１は、最終的な加算値が最大の行動を、当該行動ログの動作内容として決定する。図３６の例では、「仕事」と「その他」がともに加算値が４６０で最大であるが、この場合は「その他」以外の行動を優先して動作内容として決定する。したがって、図３６の例では、「仕事」が動作内容として認識されることになる。

［５−３．修正フィードバックの反映処理］
（５−３−１．修正フィードバックの反映処理の概要）
図３５および図３６に基づき説明したように、動作内容の認識処理結果は、場所に依存した重み係数と各行動の確率分布との関係を示す動作行動推定情報によって大きく変わってくる。そこで、ユーザから行動ログの修正が行われたとき、解析サーバ３００のフィードバック調整部３３２により修正内容を、解析パラメータＤＢ３３３に記録された動作行動推定情報に反映する。これにより動作内容の認識処理の精度を高める。

図３７に基づき、修正フィードバックの反映処理の概要を説明する。修正前の動作行動推定情報として、図３６に示した場所に依存した重み係数と各行動の確率分布との関係を保持しているとする。かかる動作行動推定情報に基づき動作行動データから行動セグメントを生成した結果、ユーザが入力部１６０より行動セグメントの修正情報（修正フィードバック）を入力したとする。修正フィードバックは入力情報処理部１４４により解析サーバ３００へ送信可能な形式のデータに変換され、クライアントインタフェース部１３０を介して解析サーバ３００へ送信される。

行動記録装置１００から修正フィードバックを解析サーバインタフェース部３１０にて受けた解析サーバ３００は、フィードバック調整部３３２により修正フィードバックの内容を動作行動推定情報に反映させる。このとき、フィードバック調整部３３２は、修正フィードバックの内容が行動に対するものであったとき、動作行動推定情報の確率分布を修正し、位置情報（場所）に対するものであったとき、場所に依存した重み係数を修正する。

例えば、図３７に示すように、「仕事」という動作内容を解析結果として取得したがユーザにより動作内容を「買物」とする修正フィードバックを受けたとする。このとき、フィードバック調整部３３２は、複数の確率分布のうち「仕事」の確率が最大のものの確率分布を修正する。例えば、フィードバック調整部３３２は、「仕事」の確率が最大の２行目の確率分布について、解析結果の「仕事」の確率および修正結果の「買物」の確率を、この２つの確率の平均値とする修正を行う。

一方、「仕事をする場所」という解析結果として取得したがユーザによりその場所の説明を「買物をよくする場所」とする修正フィードバックを受けたとする。このとき、フィードバック調整部３３２は、複数の確率分布のうち「買物」の確率が最大のものの確率分布の重み係数を修正する。例えば、フィードバック調整部３３２は、「買物」の確率が最大の１行目の重み係数を所定数（例えば１０）だけ大きくする修正を行う。

このように動作行動推定情報を修正することで、行動セグメントの解析結果に対する修正フィードバックを反映し、動作内容の解析結果の精度を向上させることが期待できる。以下、図３８〜図４２に基づいて、修正フィードバックの反映処理についてより詳細に説明する。

（５−３−２．行動に対する修正フィードバックの反映処理）
まず、図３８〜図４０に基づいて、行動に対する修正フィードバックの反映処理を説明する。なお、図３８は、行動に対する修正フィードバックの反映処理を示すフローチャートである。図３９は、図３８の処理に基づく動作行動推定情報の修正を説明するための説明図である。図４０は、行動に対する修正フィードバックの他の反映処理を示すフローチャートである。図３９の各列最上行に記載の「００１」、「００２」および「００３」はそれぞれ行動を表すＩＤである。また、以下の説明において、生活行動認識部３２１による解析結果は「行動００２」であり、ユーザの修正フィードバックによる正解行動は「行動００３」であるとする。

フィードバック調整部３３２は、行動記録装置１００より修正フィードバックを受けると、まず修正内容を認識する。ここでは、行動セグメントの動作内容が修正されているとする。フィードバック調整部３３２は、修正対象の行動セグメントを単位データ保存ＤＢ３３４または階層情報付与済データ保存ＤＢ３３５から取得し、図３８に示す処理を開始する。

フィードバック調整部３３２は、まず、解析パラメータＤＢ３３３に記憶された動作行動推定情報から、修正対象の行動セグメントの動作内容を認識するために用いた確率分布（部分確率分布）を取得する（Ｓ３１０）。次いで、フィードバック調整部３３２は、部分確率分布について、各確率分布の最大確率とその行の重み係数とを乗算した値Ｍ（ｉ）を算出し、これらの確率分布をソートする（Ｓ３１１）。

ソートした確率分布の順序を示すパラメータｉ（ｉ＝０〜ｎ）とし、部分確率分布を構成する確率分布の数をｎとする。そして、フィードバック調整部３３２は、パラメータｉがｎより小さく、かつ乗算値Ｍ（ｉ）が所定の閾値ｔｈより大きいか否かを判定する（Ｓ３１２）。ステップＳ３１２の条件を満たさない場合には、図３８に示す処理を終了する。例えば、図３９左の動作行動推定情報ならば、４〜６行目の確率分布のみが修正される。一方、ステップＳ３１２の条件を満たす場合には、フィードバック調整部３３２は、動作行動推定情報より、対象行の各行動のうち、確率分布の値が最大の行動と、修正フィードバックから得られた正解行動とを用いて、損失割合算出関数より修正割合Ｃ（ｉ）を取得する（Ｓ３１３）。

ここで、損失割合算出関数とは、利用可能な何らかの決定をしたときに生じる損失を表す単一かつ総合的な尺度とする。本実施形態では、損失割合算出関数を用いて、例えば図３９下に示すような解析結果の行動と正解行動との間の修正割合Ｃを表す修正割合テーブルを設定する。この修正割合テーブルは、予め設定することができ、解析パラメータＤＢ３３３に記憶しておくことができる。フィードバック調整部３３２は、修正割合テーブルより、確率分布の値が最大の行動と、正解行動「行動００３」との間の修正割合Ｃ（ｉ）をする。例えば、図３９左の動作行動推定情報のうち４行目の確率分布に対してステップＳ３１３の処理を行うと、確率分布の値が最大の「行動００３」と、正解行動「行動００３」との間の修正割合Ｃ（０）＝０が取得される。

その後、フィードバック調整部３３２は、確率分布の値が最大の行動の確率分布の値からステップＳ３１３にて取得した修正割合Ｃ（ｉ）を減算し、正解行動の確率分布の値に修正割合Ｃ（ｉ）を加算し、動作行動推定情報に反映する（Ｓ３１４）。例えば、図３９左の動作行動推定情報のうち４行目の確率分布に対してステップＳ３１４の処理を行うと、修正割合Ｃ（０）＝０であるため、当該行の確率分布は変更されない。そして、パラメータｉに１を加算して（Ｓ３１５）、ステップＳ３１２からの処理を繰り返す。

例えば、図３９左の動作行動推定情報のうち５行目の確率分布に対してステップＳ３１３の処理を行うと、確率分布の値が最大の「行動００２」と、正解行動「行動００３」との間の修正割合Ｃ（１）＝５が取得される。そして、ステップＳ３１４の処理を行うと、修正割合Ｃ（１）＝５より、「行動００２」の確率分布の値が５０から４５に修正され、「行動００３」の確率分布の値が１０から１５に修正される。

同様に、図３９左の動作行動推定情報のうち６行目の確率分布に対してステップＳ３１３の処理を行うと、確率分布の値が最大の「行動００１」と、正解行動「行動００３」との間の修正割合Ｃ（１）＝１０が取得される。そして、ステップＳ３１４の処理を行うと、修正割合Ｃ（１）＝１０より、「行動００１」の確率分布の値が４０から３０に修正され、「行動００３」の確率分布の値が１０から２０に修正される。以上の処理により、図３９右に示すような、修正フィードバック反映後の動作行動推定情報を得ることができる。

このようにして、修正フィードバックの行動内容を、動作行動推定情報に反映させる。図３８に示す反映処理は、反映速度や発散性を制御可能な点で有効である。すなわち、許しがたい誤りほど早く反映させることが可能であり、また最大値に対する比率として扱えば値を収束させることも可能である。なお、図３８に示す反映処理では、修正割合Ｃ（ｉ）を確率分布の値に加算あるいは減算したが、本技術はかかる例に限定されず、例えば確率分布の値に修正割合を乗算して、修正フィードバックを動作行動推定情報に反映させてもよい。

ここで、図３８に示した修正フィードバックの反映処理では、修正割合テーブルを用いて修正フィードバックの内容を動作行動推定情報に反映させたが、本技術はかかる例に限定されない。例えば、図４０に示すように、ニューラルネットワーク手法を用いたフィードバックシステムを構成してもよい。なお、図４０においても行動セグメントの動作内容が修正されているものとする。

フィードバック調整部３３２は、まず、解析パラメータＤＢ３３３に記憶された動作行動推定情報から、修正対象の行動セグメントの動作内容を認識するために用いた確率分布（部分確率分布）を取得する（Ｓ３２０）。次いで、フィードバック調整部３３２は、部分確率分布について、各確率分布の最大確率とその行の重み係数とを乗算した値Ｍ（ｉ）を算出し、これらの確率分布をソートする（Ｓ３２１）。なお、ステップＳ３２０、Ｓ３２１は、図３８のステップＳ３１０、Ｓ３１１と同一処理とすることができる。

ソートした確率分布の順序を示すパラメータｉ（ｉ＝０〜ｎ）とすると、フィードバック調整部３３２は、パラメータｉがｎより小さいか否かを判定する（Ｓ３２２）。ステップＳ３２２の条件を満たさない場合には、図４０に示す処理を終了する。一方、ステップＳ３２２の条件を満たす場合には、フィードバック調整部３３２は、ニューラルネットワーク手法を用いて、修正フィードバックの修正内容を、重み係数に基づいて動作行動推定情報の各確率分布に対して反映させる（Ｓ３２３）。そして、パラメータｉに１を加算して（Ｓ３２４）、ステップＳ３２２からの処理を繰り返す。

このように、修正割合テーブルを用いる代わりにニューラルネットワーク手法等の学習処理を用いることで、予め修正割合テーブルを設定しなくとも動作行動推定情報の各値に修正フィードバックの内容を反映させることもできる。

（５−３−３．行動および位置情報に対する修正フィードバックの反映処理）
次に、図４１に基づいて、行動および位置情報に対する修正フィードバックの反映処理を説明する。なお、図４１は、行動および位置情報に対する修正フィードバックの反映処理を示すフローチャートである。

フィードバック調整部３３２は、修正対象の行動セグメントを単位データ保存ＤＢ３３４または階層情報付与済データ保存ＤＢ３３５から取得し、図４１に示す処理を開始する。フィードバック調整部３３２は、まず、修正フィードバックに位置情報が含まれるか否かを判定する（Ｓ３３０）。ステップＳ３３０にて修正フィードバックに位置情報が含まれる場合、ステップＳ３３１以降の処理を行い、修正された位置情報を動作行動推定情報に反映させる。

ステップＳ３３１では、位置情報に関する修正が移動を伴う行動セグメントに対して行われたか否かを判定する。位置情報に関する修正が移動を伴う行動セグメントに対して行われている場合、位置情報より端点の代表座標（位置Ｘから位置Ｙまで、という２つの代表座標）を算出する（Ｓ３３２）。一方、位置情報に関する修正が移動を伴う行動セグメントに対しては行われていない場合、その移動における代表座標を算出する（Ｓ３３３）。なお、代表座標は、中心や重心、最多点等を用いて算出することができる。

次いで、フィードバック調整部３３２は、ステップＳ３３２またはＳ３３３で算出された代表座標と精度、付与された属性をフィードバックＤＢ（図示せず。）に記録する（Ｓ３３４）。フィードバックＤＢは、解析サーバ３００に設けられる記憶部である。その後、フィードバック調整部３３２は、ステップＳ３３４にてフィードバックＤＢに記録された新たな位置情報を用いて動作内容を解析したとき、修正フィードバックにより入力された正解行動と一致するか否かを判定する（Ｓ３３５）。ステップＳ３３５にて新たな位置情報を用いて解析された動作内容が正解行動と一致すると判定された場合、位置情報に関する修正フィードバックが正しく反映され、かつ行動内容には誤りがないと判断することができる。したがって、修正フィードバックの反映処理が終了したと判断し、図４１の処理を終了する。

一方、ステップＳ３３５にて新たな位置情報を用いて解析された動作内容が正解行動と一致しないと判定された場合、位置情報の修正だけでは修正フィードバックが正しく判定されないと判断できる。この場合、ステップＳ３３６〜Ｓ３４１の処理を実行し、動作行動推定情報へ修正フィードバックの動作内容を反映させる。ステップＳ３３６〜Ｓ３４１の処理は、図３８の処理と同一とすることができる。

すなわち、フィードバック調整部３３２は、まず、解析パラメータＤＢ３３３に記憶された動作行動推定情報から、修正対象の行動セグメントの動作内容を認識するために用いた確率分布（部分確率分布）を取得する（Ｓ３３６）。次いで、フィードバック調整部３３２は、部分確率分布について、各確率分布の最大確率とその行の重み係数とを乗算した値Ｍ（ｉ）を算出し、これらの確率分布をソートする（Ｓ３３７）。

ソートした確率分布の順序を示すパラメータｉ（ｉ＝０〜ｎ）とし、部分確率分布を構成する確率分布の数をｎとする。そして、フィードバック調整部３３２は、パラメータｉがｎより小さく、かつ乗算値Ｍ（ｉ）が所定の閾値ｔｈより大きいか否かを判定する（Ｓ３３８）。ステップＳ３３８の条件を満たさない場合には、図４１に示す処理を終了する。一方、ステップＳ３３８の条件を満たす場合には、フィードバック調整部３３２は、動作行動推定情報より、対象行の各行動のうち、確率分布の値が最大の行動と、修正フィードバックから得られた正解行動とを用いて、損失割合算出関数より修正割合Ｃ（ｉ）を取得する（Ｓ３３９）。

その後、フィードバック調整部３３２は、確率分布の値が最大の行動の確率分布の値からステップＳ３３９にて取得した修正割合Ｃ（ｉ）を減算し、正解行動の確率分布の値に修正割合Ｃ（ｉ）を加算し、動作行動推定情報に反映する（Ｓ３４０）。そして、パラメータｉに１を加算して（Ｓ３４１）、ステップＳ３３８からの処理を繰り返す。以上の処理により、修正フィードバック反映後の動作行動推定情報を得ることができる。

なお、ステップＳ３３６〜Ｓ３４１の処理の代わりに、図４０に示す処理を実行してもよい。この場合にも、同様に修正フィードバック反映後の動作行動推定情報を得ることができる。

ここで、位置情報の修正フィードバックは、図３７左下に示すように、動作行動推定情報の確率分布の重み係数を変更することで反映させてもよい。あるいは、修正属性依存部、指定属性依存部、およびＩＤ依存部を設定し、それぞれの重み係数に反映させてもよい。例えば、「家」という位置情報に対しては指定属性依存部を強くし、「買い物する場所」という位置情報に対しては周辺属性依存部を強くするようにする。また、例えば「会社」という位置情報に対して、異なるオフィス等のように複数の位置情報が存在する場合がある。このとき、各位置情報に対して事業内容や規模等の相違点をそれぞれの特徴として与えることで、同一意味の位置情報を正しく選択することが可能となる。

また、位置情報に対する重み係数の加算量は、例えば元の位置情報に基づいて決定してもよく、位置情報の属性種類毎に変化させてもよい。さらに、位置情報固有の確率分布をランダムに発生させて動作行動推定情報に追加してもよい。これにより、過学習を防止することができる。

＜６．その他＞
［６−１．行動パターンの個人モデル化］
本実施形態に係る行動ログ表示システムでは、意味内容が付与された行動セグメントを用いて行動ログを表示する。この行動セグメントを利用して、例えば自己相関処理やフィルタ処理を行うことで、時間的、行動的誤差を吸収することが可能となる。そして、少ないデータからユーザの典型行動パターンを抽出することが可能となる。

ユーザの典型行動パターンを抽出する機能部として、例えば、図４２に示すように、解析サーバ３００に典型行動パターン生成部３３６を設ける。典型行動パターンの抽出は、まず、生活行動認識部３２１により行動ログサーバ２００から取得した所定期間（例えば１日分）の行動ログをスムージングし、典型行動パターン生成部３３６へ出力する。典型行動パターン生成部３３６は、スムージングされた行動ログの行動セグメントに対して、例えば相互相関処理等の統計手法を用いて典型行動パターンを生成する。

図４２の例では、典型行動パターン生成部３３６は、７日分の行動ログに基づき、これらの行動ログの行動セグメントの相関関係を解析した結果、そのユーザの典型行動パターンを取得している。このように、行動の意味内容で表され、行動セグメント間の関係を示す階層情報が付与された行動セグメントを解析することで、少ないデータからも確からしいユーザの典型行動パターンを生成することができる。

［６−２．移動媒体／手段判定による位置表示手法］
生活行動認識部３２１は、行動セグメントを生成する際に、移動系行動であると認識された場合、ユーザがどのような移動媒体で移動したか、あるいはどのような移動手段で移動したかによってユーザの位置情報を特定している（図４３）。具体的には、生活行動認識部３２１は、動作行動データより移動系行動を認識すると、その位置情報をどのように表示するかを解析する。このとき、生活行動認識部３２１は、まずランドマークとして利用し易い最寄駅候補と前回の位置情報およびこれに関連する情報とを取得する。最寄駅候補は、路線名、駅名、駅までの距離等を用いて特定できる。また、前回の位置情報およびこれに関連する情報として、移動媒体および移動手段、時間差分、前回の緯度経度からの距離等を取得する。

生活行動認識部３２１は、これらの情報を用いて、路線と駅に重み付けをし、最寄駅を特定する。路線と駅に対する重み付けは、例えばより近い最寄駅候補の重み付けを高くする、行動ログに継続的に取得されている路線および駅が優先される重み付けをする、等がある。あるいは、前回までの情報から取得可能な距離差分や時間差分を考慮した重み付けをしてもよい。これにより、前回までの情報と今回の情報とから、所定距離離れていたり所定時間経過したりしていることが認識される場合には、他の路線に乗り換えている可能性を考慮することができる。

（６−２−１．路線推定処理）
路線の推定は、例えば行動ログから認識される駅の通過数で判定することができる。また、位置情報から特定された駅から乗り換えの可能性や複数路線間の直通運転の有無を考慮して、ユーザの移動軌跡を推定することができる。同一駅間を複数の路線が並走している場合には、これまでのユーザの移動軌跡より確からしい路線を推定したり、位置情報取得センサからより詳細な位置情報を取得したりすることで、どの路線を利用したかを特定することが可能である。

このような路線推定処理を行った結果、例えば図４４のように、ユーザの移動を例えば地図上に表示することが可能となる。なお、地図への路線表示は、路線推定処理の精度が所定値以上確保されているときに行うようにしてもよい。

（６−２−２．駅名選定処理）
駅名の選定は、上述したように最寄駅を特定することで行われる。この際、ユーザが実際に移動していなくてもセンサの電波強度の誤差等により緯度経度が変化したと誤認識することも考えられる。そこで、例えば図４５に示すように、最寄駅の駅名を位置精度に応じて表現を変更してもよい。例えば、最寄駅を大崎駅と特定したとき、「大崎駅で作業」、「大崎駅の近くで作業」、あるいは「大崎で作業」といったように、最寄駅の位置と位置情報との距離差分に基づいて表現を変化させる。これにより、動作をしている場所をより的確に表現することができる。

また、移動媒体／手段が電車移動ではない場合、例えば特定された最寄駅をランドマークとして優先し、駅の名称（「駅」を除く。）で動作している場所を表すようにしてもよい。例えば行動ログの解析の結果、自動車による移動が認識され、ランドマークとして「東小金井駅」および「新小金井駅」が特定されたとする。このとき、駅と駅とを自動車で移動するのは不自然であることから、出発地および到着地を「東小金井」および「新小金井」と表すことで、行動の内容を自然に表現することができる。

＜７．ハードウェア構成例＞
本実施形態に係る行動記録装置１００による処理は、ハードウェアにより実行させることもでき、ソフトウェアによって実行させることもできる。この場合、行動記録装置１００は、図４６に示すように構成することもできる。以下、図４６に基づいて、本実施形態に係る行動記録装置１００の一ハードウェア構成例について説明する。

本実施形態に係る行動記録装置１００は、上述したように、コンピュータ等の処理装置により実現することができる。行動記録装置１００は、図４６に示すように、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１０１と、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）１０２と、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）１０３と、ホストバス１０４ａとを備える。また、行動記録装置１００は、ブリッジ１０４と、外部バス１０４ｂと、インタフェース１０５と、入力装置１０６と、出力装置１０７と、ストレージ装置（ＨＤＤ）１０８と、ドライブ１０９と、接続ポート１１１と、通信装置１１３とを備える。

ＣＰＵ１０１は、演算処理装置および制御装置として機能し、各種プログラムに従って行動記録装置１００内の動作全般を制御する。また、ＣＰＵ１０１は、マイクロプロセッサであってもよい。ＲＯＭ１０２は、ＣＰＵ１０１が使用するプログラムや演算パラメータ等を記憶する。ＲＡＭ１０３は、ＣＰＵ１０１の実行において使用するプログラムや、その実行において適宜変化するパラメータ等を一時記憶する。これらはＣＰＵバスなどから構成されるホストバス１０４ａにより相互に接続されている。

ホストバス１０４ａは、ブリッジ１０４を介して、ＰＣＩ（Ｐｅｒｉｐｈｅｒａｌ Ｃｏｍｐｏｎｅｎｔ Ｉｎｔｅｒｃｏｎｎｅｃｔ／Ｉｎｔｅｒｆａｃｅ）バスなどの外部バス１０４ｂに接続されている。なお、必ずしもホストバス１０４ａ、ブリッジ１０４および外部バス１０４ｂを分離構成する必要はなく、１つのバスにこれらの機能を実装してもよい。

入力装置１０６は、マウス、キーボード、タッチパネル、ボタン、マイク、スイッチおよびレバーなどユーザが情報を入力するための入力手段と、ユーザによる入力に基づいて入力信号を生成し、ＣＰＵ１０１に出力する入力制御回路などから構成されている。出力装置１０７は、例えば、液晶ディスプレイ（ＬＣＤ）装置、ＯＬＥＤ（Ｏｒｇａｎｉｃ Ｌｉｇｈｔ Ｅｍｉｔｔｉｎｇ Ｄｉｏｄｅ）装置およびランプなどの表示装置や、スピーカなどの音声出力装置を含む。

ストレージ装置１０８は、行動記録装置１００の記憶部の一例であり、データ格納用の装置である。ストレージ装置１０８は、記憶媒体、記憶媒体にデータを記録する記録装置、記憶媒体からデータを読み出す読出し装置および記憶媒体に記録されたデータを削除する削除装置などを含んでもよい。ストレージ装置１０８は、例えば、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）で構成される。このストレージ装置１０８は、ハードディスクを駆動し、ＣＰＵ１０１が実行するプログラムや各種データを格納する。

ドライブ１０９は、記憶媒体用リーダライタであり、行動記録装置１００に内蔵、あるいは外付けされる。ドライブ１０９は、装着されている磁気ディスク、光ディスク、光磁気ディスク、または半導体メモリ等のリムーバブル記録媒体に記録されている情報を読み出して、ＲＡＭ１０３に出力する。

接続ポート１１１は、外部機器と接続されるインタフェースであって、例えばＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）などによりデータ伝送可能な外部機器との接続口である。また、通信装置１１３は、例えば、通信網１０に接続するための通信デバイス等で構成された通信インタフェースである。また、通信装置１１３は、無線ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）対応通信装置であっても、ワイヤレスＵＳＢ対応通信装置であっても、有線による通信を行うワイヤー通信装置であってもよい。

以上、添付図面を参照しながら本開示の好適な実施形態について詳細に説明したが、本開示の技術的範囲はかかる例に限定されない。本開示の技術分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本開示の技術的範囲に属するものと了解される。

例えば、上記実施形態では、行動表現生成部３２０およびデータ管理部３３０は解析サーバ３００に設けられ、行動表現処理部１４０は行動記録装置１００に設けられるものとしたが、本技術はかかる例に限定されない。例えば、これらの機能部すべてを解析サーバ３００に設けてもよく、あるいは行動記録装置１００に設けてもよい。

なお、以下のような構成も本開示の技術的範囲に属する。
（１）
センサ情報に基づいて、ユーザの動作行動を認識する行動認識部と、
前記ユーザの前記動作行動を１日単位で管理し、１日の前記動作行動が蓄積されているかを、カレンダー形式で表示部に表示させる表示処理部と、
を備える、情報処理装置。
（２）
前記表示処理部は、１日を代表する前記動作行動を示すアイコンを、前記表示部に表示されたカレンダー上に表示させる、前記（１）に記載の情報処理装置。
（３）
前記表示部に表示されるカレンダーは、週単位、２週単位、月単位、または年単位である、前記（１）または（２）に記載の情報処理装置。
（４）
前記表示処理部は、１日の前記動作行動を投稿サイトに投稿するための投稿ボタンを前記表示部に表示させる、前記（１）〜（３）のいずれか１項に記載の情報処理装置。
（５）
前記表示処理部は、前記投稿ボタンの選択により、選択された前記動作行動が表示される投稿画面を表示させる、前記（４）に記載の情報処理装置。
（６）
前記表示処理部は、選択された前記動作行動の動作内容を、前記投稿画面の投稿内容入力エリアに貼り付ける、前記（５）に記載の情報処理装置。
（７）
前記表示処理部は、前記投稿内容入力エリアに記載された前記動作内容を前記投稿サイトに投稿する、前記（６）に記載の情報処理装置。
（８）
前記動作行動には、移動、歩き、仕事または食事のうち少なくともいずれか１つが含まれる、前記（１）〜（７）のいずれか１項に記載の情報処理装置。
（９）
前記表示処理部は、カレンダーを表示させるカレンダーボタンを前記表示部に表示させる、前記（１）〜（８）のいずれか１項に記載の情報処理装置。
（１０）
センサ情報に基づいて、ユーザの動作行動を認識すること、
前記ユーザの前記動作行動を１日単位で管理すること、
１日の前記動作行動が蓄積されているかをカレンダー形式で表示部に表示させること、
とを含む、情報処理方法。
（１１）
センサ情報に基づいて、ユーザの動作行動を認識する行動認識部と、
前記ユーザの前記動作行動を１日単位で管理し、１日の前記動作行動が蓄積されているかを、カレンダー形式で表示部に表示させる表示処理部と、
を備える、情報処理装置としてコンピュータを機能させるプログラムを記憶する記憶媒体。

１００ 行動記録装置
１１０ センサ類
１２０ 行動認識部
１２２ センサ制御部
１２４ 動作行動認識部
１３０ クライアントインタフェース部
１４０ 行動表現処理部
１４２ 表示処理部
１４４ 入力情報処理部
１５０ 表示部
１６０ 入力部
２００ 行動ログサーバ
２１０ ログサーバインタフェース部
２２０ 行動ログＤＢ
３００ 解析サーバ
３１０ 解析サーバインタフェース部
３２０ 行動表現生成部
３２１ 生活行動認識部
３２２ 階層構造判断部
３３０ データ管理部
３３１ データ取得部
３３２ フィードバック調整部
３３３ 解析パラメータＤＢ
３３４ 単位データ保存ＤＢ
３３５ 階層情報付与済データ保存ＤＢ

Claims (11)

1. センサ情報に基づいて、ユーザの動作行動を認識する行動認識部と、
   前記ユーザの前記動作行動を１日単位で管理し、１日の前記動作行動が蓄積されているかを、カレンダー形式で表示部に表示させる表示処理部と、
   を備える、情報処理装置。
2. 前記表示処理部は、１日を代表する前記動作行動を示すアイコンを、前記表示部に表示されたカレンダー上に表示させる、請求項１に記載の情報処理装置。
3. 前記表示部に表示されるカレンダーは、週単位、２週単位、月単位、または年単位である、請求項１に記載の情報処理装置。
4. 前記表示処理部は、１日の前記動作行動を投稿サイトに投稿するための投稿ボタンを前記表示部に表示させる、請求項１に記載の情報処理装置。
5. 前記表示処理部は、前記投稿ボタンの選択により、選択された前記動作行動が表示される投稿画面を表示させる、請求項４に記載の情報処理装置。
6. 前記表示処理部は、選択された前記動作行動の動作内容を、前記投稿画面の投稿内容入力エリアに貼り付ける、請求項５に記載の情報処理装置。
7. 前記表示処理部は、前記投稿内容入力エリアに記載された前記動作内容を前記投稿サイトに投稿する、請求項６に記載の情報処理装置。
8. 前記動作行動には、移動、歩き、仕事または食事のうち少なくともいずれか１つが含まれる、請求項１に記載の情報処理装置。
9. 前記表示処理部は、カレンダーを表示させるカレンダーボタンを前記表示部に表示させる、請求項１に記載の情報処理装置。
10. センサ情報に基づいて、ユーザの動作行動を認識すること、
    前記ユーザの前記動作行動を１日単位で管理すること、
    １日の前記動作行動が蓄積されているかをカレンダー形式で表示部に表示させること、
    とを含む、情報処理方法。
11. センサ情報に基づいて、ユーザの動作行動を認識する行動認識部と、
    前記ユーザの前記動作行動を１日単位で管理し、１日の前記動作行動が蓄積されているかを、カレンダー形式で表示部に表示させる表示処理部と、
    を備える、情報処理装置としてコンピュータを機能させるプログラムを記憶する記憶媒体。
    

Images