JP2018022342A - 情報提供システム - Google Patents

Abstract

【課題】移動中のユーザに対して、移動する目的や動機等に合った情報を提供することが可能な情報提供システムを提供すること。【解決手段】センタは、複数の携帯端末のそれぞれから受信する測位情報に基づき、各携帯端末のユーザが訪問したＰＯＩ又はエリアを特定すると共に、各携帯端末のＳＮＳ利用履歴情報と、特定したＰＯＩ又はエリアに基づき、ユーザの訪問地としてのＰＯＩ又はエリアと、ユーザのＳＮＳ利用履歴との関係性を学習する学習部と、複数の携帯端末に含まれる一の携帯端末のＳＮＳ利用履歴と、学習部の学習結果に基づき、一の携帯端末のユーザが向かう目的地及び該目的地に向かう動機の少なくとも一方を推定する推定部と、推定部の推測結果に基づき、一の携帯端末に情報を配信する配信部と、を備える。【選択図】図２

Description

本発明は、情報提供システムに関する。

例えば、車両等で移動中のユーザに対して、ユーザの嗜好に沿った情報を自動的に提供する技術が知られている（例えば、特許文献１等参照）。

特許文献１では、ユーザが過去に検索した各ＰＯＩ（Point Of Interest）の検索回数、各ＰＯＩに対するユーザの評価内容等に基づきユーザの嗜好を判定し、ユーザの嗜好に合った現在地周辺のＰＯＩ情報を自動推奨するナビゲーション装置が開示されている。

特開２０１１−５８８４３号公報

しかしながら、移動中のユーザは、何等かの移動する目的や該目的の対象（目的地）の決定に影響する動機等を心的に有している場合があり、その目的や動機は、ユーザが触れた比較的新しい情報等に影響されうる。そのため、ユーザの嗜好を判定する情報の鮮度が落ちてくると、移動中のユーザに対して、ユーザの移動する目的や動機等に合った情報を提供できない可能性がある。

そこで、上記課題に鑑み、移動中のユーザに対して、移動する目的や動機等に合った情報を提供することが可能な情報提供システムを提供することを目的とする。

上記目的を達成するため、本発明の一実施形態では、
複数の携帯端末と、前記複数の携帯端末と双方向で通信可能なセンタと、を含む情報提供システムであって、
各前記複数の携帯端末は、
測位を行う測位部と、
前記測位部による測位情報を前記センタに送信する第１送信部と、
ＳＮＳ利用履歴情報を前記センタに送信する第２送信部と、
前記センタから配信される情報を受信する受信部と、を備え、
前記センタは、
各前記複数の携帯端末から送信される前記測位情報を受信する第１受信部と、
各前記複数の携帯端末から送信される前記ＳＮＳ利用履歴情報を受信する第２受信部と、
前記第１受信部が受信した前記測位情報に基づき、各前記複数の携帯端末のユーザが訪問したＰＯＩ又はエリアを特定すると共に、前記第２受信部が受信した前記ＳＮＳ利用履歴情報、及び特定したＰＯＩ又はエリアに基づき、ユーザのＳＮＳ利用履歴と、ユーザの訪問地としてのＰＯＩ又はエリアとの関係性を学習する学習部と、
前記第２受信部が受信した、前記複数の携帯端末に含まれる一の携帯端末の前記ＳＮＳ利用履歴情報と、前記学習部の学習結果とに基づき、前記一の携帯端末のユーザが向かう目的地、及び該目的地に向かう動機の少なくとも一方を推定する推定部と、
前記推定部の推定結果に基づき、前記一の携帯端末に情報を配信する配信部と、を備える、
情報提供システムが提供される。

本発明の一実施形態によれば、センタ（学習部）は、複数の携帯端末のそれぞれから受信した測位情報に基づき、各携帯端末のユーザが訪問したＰＯＩ又はエリアを特定する。そして、学習部は、各携帯端末から受信したＳＮＳ（Social Networking Service）利用履歴情報、及び特定したＰＯＩ又はエリアに基づき、ユーザのＳＮＳ利用履歴と、ユーザの訪問地としてのＰＯＩ又はエリアとの関係性を学習する。また、センタ（推定部）は、一の携帯端末のＳＮＳ利用履歴情報と、学習部の学習結果に基づき、一の携帯端末のユーザが向かう目的地、及び該目的地に向かう動機の少なくとも一方を推定する。ＳＮＳ利用履歴情報には、例えば、閲覧先の情報内容（参照記事、参照投稿、投稿文、投稿写真、投稿動画等）や閲覧日時等の情報が含まれる。そのため、ユーザがＳＮＳの利用を通して取得した、今後の行動の動機となり得る情報を含むＳＮＳ利用履歴情報と、ユーザの実際の訪問地との関係性を分析し、学習することにより、一の携帯端末のユーザのＳＮＳ利用履歴情報からユーザの目的地や該目的地に向かう動機を推定することができる。そして、センタ（配信部）は、推定した目的地や動機に基づき、一の携帯端末に情報を配信する。これにより、例えば、推定した目的地の経路上或いは周辺にある施設情報や、推定した目的地の施設や動機（動機を示す情報）と同一或いは類似するジャンルの商品・サービス情報等、ユーザの移動する目的や動機等に合った情報を提供することができる。

本実施の形態によれば、移動中のユーザに対して、移動する目的や動機等に合った情報を提供することが可能な情報提供システムを提供することができる。

情報提供システムの構成の一例を概略的に示す構成図である。 情報提供システムによる情報提供手法を示す概念図である。 情報提供装置の構成の一例を示す機能ブロック図である。 機械学習部による学習手法の一例を概略的に説明する図である。 可視化処理部による可視化結果（画面）の一例を示す図である。 情報提供装置による学習処理の一例を概略的に示すフローチャートである。 推定処理部による目的地の推定処理の一例を概念的に示すフローチャートである。 可視化処理部による可視化処理の一例を概略的に示すフローチャートである。

以下、図面を参照して発明を実施するための形態について説明する。

図１は、本実施形態に係る情報提供システム１の構成の一例を概略的に示す構成図である。

情報提供システム１は、複数の携帯端末２と、複数の携帯端末２と所定の通信ネットワーク４（例えば、携帯電話網やインターネット回線）等を通じて双方向に通信可能なセンタ３を含む。情報提供システム１は、複数の携帯端末２から後述する各種情報を収集すると共に、収集した情報に基づき、各携帯端末２に対して情報提供を行う。以下、通信ネットワーク４は、多数の基地局を末端とする携帯電話網を中心に構成される前提で説明を行う。

携帯端末２は、例えば、携帯電話、スマートフォン、タブレット端末等である。携帯端末２は、上述の如く、通信ネットワーク４を通じてセンタ３と双方向での通信が可能である。

また、携帯端末２は、ＧＰＳ（Global Positioning System）機能を有し、地球軌道上を周回するＧＰＳ衛星から受信するＧＰＳ信号に基づき、携帯端末２の位置を推定する（ＧＰＳ測位）。携帯端末２は、ＧＰＳ機能を実現するため、例えば、ＧＰＳ衛星から配信されるＧＰＳ信号を受信し、時刻データを抽出する受信回路、既知のＧＰＳ測位方法に従い時刻データから携帯端末２の位置を測位する測位回路等を内蔵する。

また、携帯端末２は、基地局と無線通信することにより、携帯端末２の位置を推定する（基地局測位）。携帯端末２は、基地局との無線通信機能を実現するための各種通信回路等を内蔵する。

携帯端末２は、図１に示すように、通信部２１、測位部２２、ＳＮＳアプリ部２３を含む。

尚、携帯端末２は、例えば、ＣＰＵ、主記憶装置、補助記憶装置等を含み、通信部２１、測位部２２、ＳＮＳアプリ部２３の機能は、補助記憶装置に格納される１以上のプログラムをＣＰＵで実行することにより実現されてよい。また、各携帯端末２は、同様の構成（通信部２１、測位部２２、ＳＮＳアプリ部２３等）を有するため、図１では、左端に示す携帯端末２のみに当該構成に相当する要素を記載し、他の携帯端末２には、当該構成の記載を省略している。

通信部２１は、携帯端末２に内蔵される無線通信機器（不図示）を通じて、基地局と無線通信し、データ信号や制御信号等の各種信号を送受信する。本実施形態では、通信部２１は、定期的に、後述する測位部２２の測位結果に基づく位置情報（測位情報）をセンタ３に送信する。また、通信部２１は、定期的に、後述するユーザによるＳＮＳアプリ部２３の利用履歴に関する情報（ＳＮＳ利用履歴情報）をセンタ３に送信する。ＳＮＳ利用履歴情報には、閲覧先、閲覧或いは投稿された日時（閲覧・投稿日時）、閲覧或いは投稿された情報内容（閲覧・投稿情報内容）の種別（参照記事、参照投稿、投稿文、投稿写真、投稿動画等の別）、及びＳＮＳ上の行動内容（ＳＮＳ行動内容）の種別（例えば、閲覧、投稿、シェア、レスポンス等の別）等が含まれる。

尚、参照記事とは、ＳＮＳ上の投稿で参照されるウェブ上の記事（コンテンツ）であり、参照先のＵＲＬ等を含む。また、参照投稿とは、ＳＮＳ上の投稿で参照される他の投稿であり、参照ＵＲＬ等を含む。また、投稿文、投稿写真、投稿動画等は、ユーザがＳＮＳ上に投稿した文章、写真、動画等である。

測位部２２は、定期的（所定時間毎）に、携帯端末２の位置を測位する。測位部２２は、まず、上述のＧＰＳ測位を行う。具体的には、測位部２２は、３個以上のＧＰＳ衛星から受信したＧＰＳ信号に基づき、既知のＧＰＳ測位方法を利用して携帯端末２の位置を測位する。測位部２２は、ＧＰＳ測位による位置情報であるＧＰＳ測位情報を通信部２１に送出する。

また、測位部２２は、ＧＰＳ信号を良好に受信できない等によりＧＰＳ測位ができない場合、上述の基地局測位を行う。具体的には、測位部２２は、基地局から受信した信号の強度に基づき、携帯端末２の位置を測位することができる。また、測位部２２は、複数の基地局からの受信信号の受信強度に基づき、携帯端末２の位置を測位してもよく、これにより、測位精度を向上させることができる。

ＳＮＳアプリ部２３は、ユーザが所定のＳＮＳサービスを利用するための機能部であり、携帯端末２にインストールされる所定のアプリケーションプログラムが携帯端末２内のＣＰＵ上で実行されることにより実現される。ＳＮＳアプリ部２３は、携帯端末２のＯＳ（Operating System）上で動作し、ユーザは、携帯端末２の画面に表示されるＧＵＩ（Graphical User Interface）上の各種メニューやアイコン等に対して、タッチパネル上における各種操作を行うことにより、所定のＳＮＳサービスにおける各種機能を利用することができる。ＳＮＳサービスにおける各種機能には、記事投稿機能、記事閲覧機能、写真・動画閲覧機能、シェア機能、レスポンス機能、チェックイン機能、外部アプリ連携機能等が含まれる。

センタ３は、通信機器３１、情報提供装置３２を含む。

通信機器３１は、通信ネットワーク４を通じて、各携帯端末２と通信可能に接続するための任意のデバイスである。

情報提供装置３２は、各携帯端末２から定期的に送信される位置情報及びＳＮＳ利用履歴情報に基づき、各携帯端末２のユーザに推奨される情報（推奨情報）を生成し、各携帯端末２に対して情報提供を行う。情報提供装置３２は、操作者（管理者や解析者等）が操作入力を行う入力部３２１、例えば、モニタに表示する等により、各種処理結果を操作者が認識可能な態様で出力する出力部３２２、ＣＰＵ３２３、メインメモリ３２４、記憶部３２５を含む。入力部３２１、出力部３２２、ＣＰＵ３２３、メインメモリ３２４、記憶部３２５は、バスを通じて相互に接続されると共に、該バスを通じて通信機器３１と接続される。情報提供装置３２の詳細は、後述する。

次に、図２を参照して、本実施形態に係る情報提供システム１（情報提供装置３２）による情報提供手法の概要について説明する。

図２は、情報提供システム１による情報提供手法の一例を説明する概念図である。

携帯端末２のユーザがＳＮＳを利用して得る情報（参照先の記事、投稿文、投稿写真、投稿動画等）には、ユーザが事後的に行う行動（以下、「次行動」と称する）の動機となる情報が含まれうる。そのため、携帯端末２のユーザがＳＮＳを利用して得る情報は、携帯端末２のユーザの次行動、具体的には、ユーザが訪れる場所や施設（即ち、目的地）等に影響する可能性がある。即ち、図２（ａ）に示すように、ＳＮＳ利用履歴（閲覧・投稿情報内容及びＳＮＳ行動内容の種別）と訪問履歴（訪問したＰＯＩやエリア）との間には、何等かの関係性（相関関係、相対的な傾向、及び因果関係等）が存在すると考えることができる。そのため、情報提供装置３２は、各携帯端末２のユーザのＳＮＳ利用履歴と、該ユーザの訪問履歴に基づき、携帯端末２のユーザのＳＮＳ利用履歴と訪問先（目的地）との関係性を、（各道路リンクを通過した携帯端末２のユーザを対象として）道路リンク毎に分析し、その分析結果を逐次学習する。そして、情報提供装置３２は、逐次更新される学習結果に基づき、道路上を移動中の携帯端末２のユーザが向かう目的地及び該目的地に向かう動機を推定し、推定結果に基づく推奨情報（例えば、目的地の周辺にある施設情報、目的地や該目的地に向かう動機と同一或いは類似するジャンルの商品・サービス情報、等）を提供する。具体的には、図２（ｂ）に示すように、情報提供装置３２は、特定の携帯端末２のユーザのＳＮＳ利用履歴情報と、現在位置する道路リンク（リンクＩＤ）を入力データとして、学習結果（後述する学習パラメータ３２２６）に基づき、目的地及び動機を推定する。そして、情報提供装置３２は、推定した目的地及び動機に基づき、リアルタイムに当該ユーザの携帯端末２に推奨情報を提供する。

尚、本実施形態では、携帯端末２のユーザが向かう目的地と該目的地に向かう動機の双方を推定するが、何れか一方を推定する態様であってもよい。また、道路リンクは、例えば、道路ネットワーク上の分岐点（交差点）間を接続する道路区間として予め規定されると共に、本実施形態では、各道路リンクに対して、ＩＤ（以下、「リンクＩＤ」と称する）が予め付される。

次に、図３を参照して、情報提供装置３２における機能部の構成について説明をする。

図３は、情報提供装置３２の構成の一例を示す機能ブロック図である。

情報提供装置３２は、送受信処理部３２０１、移動手段推定部３２０２、同乗者グルーピング部３２０３、マップマッチング部３２０４、移動履歴情報生成部３２０５、コンテンツクローラ部３２０６、形態素解析部３２０７、特徴ワード・嗜好ジャンル抽出部３２０８、タグ付け部３２０９、紐付け部３２１０、特徴ワード・嗜好ジャンルＩＤ割り当て部３２１１、機械学習部３２１２、推定処理部３２１３、情報提供部３２１４、ＯＤ（Origin and Destination）分析部３２１５、断面流入出分析部３２１６、可視化処理部３２１７を含む。各部３２０１〜３２１７の機能は、記憶部３２５に記憶される１つ以上のプログラムをＣＰＵ３２３上で実行することにより実現される。また、情報提供装置３２は、記憶部３２５内に、ＰＯＩ・エリア情報ＤＢ３２２１、道路情報ＤＢ３２２２、地図情報ＤＢ３２２３、ユーザ行動履歴ＤＢ３２２４、特徴ワード・嗜好ジャンルリスト３２２５、学習パラメータ３２２６、ＯＤ分析結果ＤＢ３２２７、断面流入出分析結果ＤＢ３２２８、推定処理結果ＤＢ３２２９を含む。

送受信処理部３２０１は、通信機器３１を介して、各携帯端末２から送信される制御信号、データ信号等を受信する処理を行うと共に、各携帯端末２に制御信号、データ信号等を送信する処理を行う。

移動手段推定部３２０２は、送受信処理部３２０１が各携帯端末２から定期的に受信する測位情報（各携帯端末２の位置情報）に基づき、各携帯端末２のユーザが移動に利用している移動手段（例えば、徒歩、自転車、自動車及びバイクを含む車両、電車等の別）を推定する。例えば、移動手段推定部３２０２は、各携帯端末２の位置情報に基づく移動速度、移動経路、停止パターン等から移動手段を推定する。

同乗者グルーピング部３２０３は、送受信処理部３２０１が各携帯端末２から定期的に受信する測位情報に基づき、同一車両に同乗するユーザの携帯端末２をグルーピングする。例えば、同乗者グルーピング部３２０３は、複数の携帯端末２に対して、移動手段推定部３２０２が移動手段を"車両"として推定し、且つ、同一時刻に略同じ位置を同じ速度で移動していると判断可能な場合、同乗者の所持する複数の携帯端末２としてグルーピングする。

尚、同乗者グルーピング部３２０３は、マップマッチング部３２０４による処理の後、即ち、マップマッチング部３２０４により補正された各携帯端末２の位置情報に基づき、同一車両に同乗するユーザの携帯端末２をグルーピングしてもよい。グルーピングされた複数の携帯端末２には、例えば、同じ車両で移動中であることが識別可能な同じＩＤが割り振られる。

マップマッチング部３２０４は、送受信処理部３２０１が各携帯端末２から定期的に受信する測位情報、道路情報ＤＢ３２２２に格納される道路情報、地図情報ＤＢ３２２３に格納される地図情報等に基づき、既知のマップマッチング処理を行う。マップマッチング部３２０４は、当該マップマッチング処理により、各携帯端末２の位置情報を地図上の適切な位置（例えば、道路上）に補正する。

移動履歴情報生成部３２０５は、マップマッチング部３２０４によるマップマッチング後の補正位置情報、地図情報、及びＰＯＩ・エリア情報ＤＢ３２２１に格納されるＰＯＩ・エリア情報等に基づき、携帯端末２の移動履歴情報を生成する。移動履歴情報には、例えば、道路上の移動経路、各回の移動における目的地（訪問地としてのＰＯＩ或いはエリア）等が含まれる。また、移動履歴情報には、移動手段推定部３２０２、同乗者グルーピング部３２０３による処理結果、即ち、携帯端末２のユーザの各回の移動における移動手段の別、同乗者の有無等が含まれる。生成された各携帯端末２の移動履歴情報は、送信元の携帯端末２を識別可能な態様で（例えば、各携帯端末２に固有のユーザＩＤと紐付けられて）、ユーザ行動履歴ＤＢ３２２４に格納される。

尚、各回の移動における目的地は、送受信処理部３２０１が各携帯端末２から受信するＳＮＳ利用履歴情報に含まれるＳＮＳのチェックイン機能の利用に関する情報に基づき、特定してもよい。

コンテンツクローラ部３２０６は、所定の条件に応じて、ウェブ上を探索し、ウェブ上のコンテンツ情報（ウェブクロール情報）を収集する。

形態素解析部３２０７は、既知の形態素解析アルゴリズムを用いて、コンテンツ（例えば、ＳＮＳ上の投稿文やＳＮＳ上から参照されるウェブ記事等）における文章を、意味を持つ最小単位の文字列に分割する処理を行う。

特徴ワード・嗜好ジャンル抽出部３２０８は、形態素解析部３２０７により分割された文字列の中からコンテンツの特徴を表すような特徴ワード（キーワード）を抽出すると共に、コンテンツに記載される内容に対応する嗜好ジャンルを抽出（推定）する。例えば、特徴ワード・嗜好ジャンル抽出部３２０８は、ＴＦ（Term Frequency）−ＩＤＦ（Inverse Document Frequency）等のテキストマイニングで利用される技術を適用することにより、特徴ワードを抽出してよい。また、例えば、特徴ワード・嗜好ジャンル抽出部３２０８は、抽出した特徴ワードや参照ＵＲＬ等の情報に基づき、予め規定する各嗜好ジャンルに対する適合性（適合率）を算出することにより、嗜好ジャンルの抽出（推定）を行ってよい。

尚、特徴ワード及び嗜好ジャンルは、予め規定されると共に、それぞれに対してＩＤが割り当てられる。

タグ付け部３２０９は、機械学習部３２１２による機械学習のための前処理を行う。具体的には、タグ付け部３２０９は、特徴ワード・嗜好ジャンル抽出部３２０８が抽出した特徴ワード及び嗜好ジャンルに対して、当該特徴ワード及び嗜好ジャンルの抽出対象（参照記事、参照投稿、投稿文等）へのＳＮＳ行動内容の種別をタグ付けする。

紐付け部３２１０は、タグ付け部３２０９と同様、機械学習部３２１２による機械学習のための前処理を行う。具体的には、紐付け部３２１０は、特徴ワード・嗜好ジャンル抽出部３２０８が抽出した特徴ワード及び嗜好ジャンルに対して、当該特徴ワード及び嗜好ジャンルの抽出対象（参照記事、参照投稿、投稿文等）に対応する携帯端末２のユーザの移動履歴情報と紐づける。

特徴ワード・嗜好ジャンルＩＤ割り当て部３２１１は、タグ付け部３２０９、紐付け部３２１０と同様、機械学習部３２１２による機械学習の前処理を行う。具体的には、特徴ワード・嗜好ジャンルＩＤ割り当て部３２１１は、特徴ワード・嗜好ジャンルリスト３２２５に基づき、特徴ワード・嗜好ジャンル抽出部３２０８により抽出される特徴ワードや嗜好ジャンルに対して所定のＩＤ（特徴ワードＩＤ、嗜好ジャンルＩＤ）を割り当てる。

尚、特徴ワード及び嗜好ジャンルに対するＩＤの割り当て処理は、特徴ワード・嗜好ジャンル抽出部３２０８により一体として実行されてもよい。

機械学習部３２１２は、各携帯端末２のユーザのＳＮＳ利用履歴と、該ユーザの訪問履歴（各回の移動における目的地の履歴）に基づき、携帯端末２のユーザのＳＮＳ利用履歴と目的地との関係性を、道路リンク毎に分析し、その分析結果を逐次学習する（機械学習）。具体的には、機械学習部３２１２は、学習結果としての学習パラメータ３２２６を逐次更新していく。以下、図４を参照して、機械学習部３２１２による機械学習手法について説明する。

図４は、機械学習部３２１２による機械学習手法の一例を説明する概念図である。

図４（ａ）に示すように、対象となる道路リンク（リンクＩＤ）、及び当該道路リンクを移動した携帯端末２のＳＮＳ利用履歴に対応する特徴ワード・嗜好ジャンル、ＳＮＳ行動内容の種別、経過期間、並びに季節性等を含む学習セットと、当該携帯端末２が当該道路リンクを通過した際の目的地（実績）を含む正解セットとに基づき、学習結果としての学習パラメータ３２２６を生成する。

尚、経過期間とは、各回のＳＮＳ利用から当該道路リンクを通過するまでの経過期間を表す。また、季節性とは、特徴ワード或いは嗜好ジャンルの季節傾向を表す。

本例では、図４（ｂ）に示すように、機械学習部３２１２は、道路リンク（リンクＩＤ）毎の学習パラメータ３２２６として、予め対象として規定されるＰＯＩ及びエリア（以下、「対象ＰＯＩ」及び「対象エリア」と称する）に訪問した確率（訪問確率）を生成する。具体的には、特徴ワード及びＳＮＳ行動内容の種別の組み合わせのそれぞれに対して、特定の対象ＰＯＩ或いは対象エリアへの経過時間別の訪問確率が生成される。以下、学習パラメータ３２２６は、特徴ワード及びＳＮＳ行動内容の種別の組み合わせのそれぞれに対する対象ＰＯＩ或いは対象エリアへの経過時間別の訪問確率である前提で説明を進める。

尚、特徴ワード及びＳＮＳ行動内容の種別の組み合わせのそれぞれに対する対象ＰＯＩ及び対象エリアへの経過時間別の訪問確率に代えて、或いは、加えて、嗜好ジャンル及びＳＮＳ行動内容の種別の組み合わせのそれぞれに対する対象ＰＯＩ或いは対象エリアへの経過時間別の訪問確率が生成されてもよい。

図３に戻り、推定処理部３２１３は、特定の携帯端末２の現在位置（現在の道路リンク）と、当該携帯端末２のＳＮＳ利用履歴情報に基づき、当該携帯端末２を所持するユーザが向かう目的地及び該目的地に向かう動機を推定する。例えば、推定処理部３２１３は、学習パラメータ３２２６（特徴ワード及びＳＮＳ行動内容の種別の組み合わせに対する対象ＰＯＩ或いは対象エリアへの経過時間別の訪問確率）に応じて、訪問確率が高い１又は複数の対象ＰＯＩ（及び／又は対象エリア）を推定目的地として特定する。また、推定処理部３２１３は、訪問確率が高い１又は複数の対象ＰＯＩ（或いは対象エリア）に対応する特徴ワード（及び／又は嗜好ジャンル）を推定目的地に向かう動機を示す情報（動機情報）として特定する。推定処理部３２１３は、推定結果（推定目的地及び動機情報）を推定処理結果ＤＢ３２２９に格納する。

情報提供部３２１４は、推定処理部３２１３による推定結果（即ち、推定目的地として特定された対象ＰＯＩ・対象エリアや動機情報としての特徴ワード・嗜好ジャンル）に基づき、特定の携帯端末２への推奨情報を生成する。そして、情報提供部３２１４は、送受信処理部３２０１を通じて、当該携帯端末２に推奨情報を提供（配信）する。

ＯＤ分析部３２１５は、ユーザ行動履歴ＤＢ３２２４に格納される各携帯端末２の移動履歴情報に基づき、道路ネットワーク上を移動する携帯端末２のユーザのＯＤ分析を行う。例えば、ＯＤ分析部３２１５は、各携帯端末２の移動履歴情報の各回の移動における出発地に対応する対象エリアと、目的地に対応する対象エリアとを抽出し、出発地と目的地の組み合わせ毎の移動者数を表すＯＤデータを生成する。ＯＤ分析部３２１５は、ＯＤ分析結果（ＯＤデータ等）をＯＤ分析結果ＤＢ３２２７に格納する。

尚、ＯＤ分析部３２１５は、移動手段を限定して、ＯＤ分析を行ってもよい。この際、ＯＤ分析部３２１５は、移動履歴情報のうち、移動手段推定部３２０２により推定された移動手段が限定の対象である移動履歴情報を用いる。

断面流入出分析部３２１６は、ユーザ行動履歴ＤＢ３２２４に格納される各携帯端末２の移動履歴情報に基づき、各道路リンクの端部における車両の流入出に関する分析（断面流入出分析）を行う。例えば、断面流入出分析部３２１６は、各道路リンクにおける携帯端末２のユーザの流入出数及び流入出の方向を集計する。また、例えば、断面流入出分析部３２１６は、各道路リンクの端部で流入出した携帯端末２のユーザの移動履歴情報と紐づけられた特徴ワード、嗜好ジャンルを集計する。断面流入出分析部３２１６は、分析結果を断面流入出分析結果ＤＢ３２２８に格納する。

可視化処理部３２１７は、各携帯端末２の位置情報（例えば、マップマッチング部３２０４による処理後の補正位置情報）、推定処理部３２１３による推定目的地、ＯＤ分析部３２１５によるＯＤ分析結果、断面流入出分析部３２１６による断面流入出分析結果等の各種情報を出力部３２２としてのディスプレイ（不図示）の地図画面上に重畳表示させて可視化する。以下、図５を参照して、可視化処理部３２１７により生成されるディスプレイ上の地図画面について説明する。

図５は、可視化処理部による地図画面の一例を概念的に説明する図である。

図５に示すように、本例では、地図画面上に、ある日時における携帯端末２の位置に対応するアイコンＩＣ１〜ＩＣ４が重畳表示されている。また、アイコンＩＣ２，ＩＣ３は、同乗者グルーピング部３２０３により同一車両に同乗しているとグルーピングされた２台の携帯端末２を表しており、部分的に重なった状態で表示されている。また、本例では、地図画面上に、特定の道路リンクＬＫ１の端部ＥＤ１，ＥＤ２における断面流入出分析結果が重畳表示されている。具体的には、道路リンクＬＫ２を端部ＥＤ１に向けて通過する車両のうち、端部ＥＤ１を通じて道路リンクＬＫ１に流入する割合が６０％であり、道路リンクＬＫ３に流入する割合が１５％であり、道路リンクＬＫ４に流入する割合が２５％であることが地図画面上に重畳表示されている。また、道路リンクＬＫ２を端部ＥＤ１に向けて通過する車両のうち、道路リンクＬＫ１に流入し、且つ、端部ＥＤ２を通じて道路リンクＬＫ１からリンクＬＫ５に流出する車両の割合は、４０％であり、道路リンクＬＫ１に流入し、且つ、端部ＥＤ２を通じて道路リンクＬＫ１からリンクＬＫ６，ＬＫ７に流出する車両の割合は、それぞれ、１０％であることが地図画面上に重畳表示されている。当該断面流入出分析結果は、特定の道路リンクＬＫ１の端部ＥＤ１，ＥＤ２で流入出した携帯端末２のユーザ全ての移動履歴情報を対象とする分析結果であってもよいし、特定の特徴ワードや嗜好ジャンルに対応する移動履歴情報を対象とする分析結果であってもよい。

尚、上述の如く、アイコンＩＣ１〜ＩＣ４のユーザの推定目的地を表す記号等を地図画面上に重畳表示してもよいし、ＯＤ分析結果に関する情報を地図画面上に重畳表示してもよい。

このように、ＯＤ分析結果や断面流入出分析結果を地図画面に重畳表示することにより、道路ネットワークの交通流の概要を把握しやすくなり、例えば、屋外広告、デジタルサイネージのプランニングや効果検証等に利用することができる。特に、特定の特徴ワードや嗜好ジャンルに絞った断面流入出分析結果を地図画面に重畳表示することにより、屋外広告、デジタルサイネージのプランニングや効果検証等をより効果的に行うことができる。

次に、図６〜図８を参照して、情報提供装置３２における各処理フローについて説明する。

まず、図６は、情報提供装置３２による学習処理（学習パラメータ３２２６の更新処理）の一例を概略的に示すフローチャートである。

ステップＳ１０２にて、機械学習部３２１２は、入力部３２１からの操作入力、或いは、自動的に実行される入力処理に応じて、ユーザ行動履歴ＤＢ３２２４から更新分のユーザ行動履歴（ＳＮＳ利用履歴情報、移動履歴情報）を取得する。

ステップＳ１０４にて、機械学習部３２１２は、ＳＮＳ利用履歴情報に参照先のＵＲＬがあるか否かを判定する。ＳＮＳ利用履歴情報に参照先のＵＲＬがない場合、ステップＳ１０６に進み、参照先のＵＲＬがある（即ち、ＳＮＳ利用履歴情報に含まれる閲覧・投稿情報内容の種別が参照記事或いは参照投稿である）場合、ステップＳ１０８に進む。

ステップＳ１０６にて、機械学習部３２１２は、ＳＮＳ利用履歴情報から閲覧或いは投稿された投稿データを取得する。

一方、ステップＳ１０８にて、コンテンツクローラ部３２０６は、参照先のＵＲＬの記事を取得する。

ステップＳ１１０にて、形態素解析部３２０７は、ステップＳ１０６で取得された投稿データ或いはステップＳ１０８で取得された参照先のＵＲＬの記事に対して、形態素解析を行う。

ステップＳ１１２にて、特徴ワード・嗜好ジャンル抽出部３２０８は、特徴ワードを抽出する。

ステップＳ１１４にて、特徴ワード・嗜好ジャンル抽出部３２０８は、嗜好ジャンルを推定する。

ステップＳ１１６にて、機械学習部３２１２は、上述の如く、機械学習を行う。

ステップＳ１１８にて、機械学習部３２１２は、学習パラメータ３２２６を更新し、処理を終了する。

続いて、図７は、情報提供装置３２（推定処理部３２１３）による目的地の推定処理の一例を概略的に示すフローチャートである。

ステップＳ２０２にて、推定処理部３２１３は、入力部３２１からの操作入力、或いは、自動的に実行される入力処理に応じて、各携帯端末２に固有のユーザＩＤ及び道路リンクＩＤを取得する。

ステップＳ２０４にて、推定処理部３２１３は、ユーザ行動履歴ＤＢ３２２４に格納されるユーザ行動履歴情報（ＳＮＳ利用履歴情報、移動履歴情報）を参照する。

ステップＳ２０６にて、推定処理部３２１３は、推定アルゴリズムにユーザ行動履歴情報のデータを引き渡す。

ステップＳ２０８にて、推定処理部３２１３は、確率付目的地リスト（訪問確率が高い対象ＰＯＩ及び／又は対象エリアを複数並べたリスト）と、該目的地リストに対応する特徴ジャンル（及び／又は嗜好ジャンル）のリスト（動機情報）を生成し、今回の処理を終了する。

続いて、図８は、可視化処理部３２１７による地図画面上に各種情報を重畳表示する処理（可視化処理）の一例を概略的に示すフローチャートである。

ステップＳ３０２にて、可視化処理部３２１７は、入力部３２１からの操作入力、或いは、自動的に実行される入力処理に応じて、道路リンク（リンクＩＤ）を取得する。

ステップＳ３０４にて、可視化処理部３２１７は、断面流入出分析結果ＤＢ３２２８からリンクＩＤに対応する断面流入出分析結果（断面流入出リスト）を取得する。

ステップＳ３０６にて、可視化処理部３２１７は、推定処理結果ＤＢ３２２９から確率付き目的地リストを取得する。

ステップＳ３０８にて、可視化処理部３２１７は、ユーザ行動履歴ＤＢ３２２４から各携帯端末２のユーザ行動履歴情報（移動履歴情報）を取得する。

ステップＳ３１０にて、可視化処理部３２１７は、ステップＳ３０４〜Ｓ３０８で取得した情報を、ステップＳ３０２で入力されたリンクＩＤに対応する道路リンクを含む地図画面上に重畳的に表示する画像を生成し、出力部３２２としてのディスプレイに表示させて、今回の処理を終了する。

このように、本実施形態では、情報提供システム１（機械学習部３２１２）は、複数の携帯端末２のそれぞれから受信した測位情報に基づき、各携帯端末２のユーザが訪問したＰＯＩ又はエリアを特定すると共に、各携帯端末２から受信したＳＮＳ利用履歴情報、及び特定したＰＯＩ又はエリアに基づき、ユーザのＳＮＳ利用履歴と、ユーザの訪問地としてのＰＯＩ又はエリアとの関係性を学習する。また、情報提供システム１（推定処理部３２１３）は、特定の携帯端末２のＳＮＳ利用履歴情報と、学習結果に基づき、当該携帯端末２のユーザが向かう目的地及び該目的地に向かう動機（動機情報）の少なくとも一方を推定する。そして、情報提供システム１（情報提供部３２１４）は、推定した目的地及び動機の少なくとも一方に基づき、当該携帯端末２に推奨情報を配信する。これにより、例えば、推定した目的地の経路上或いは周辺にある施設情報や、推定した目的地の施設や動機情報と同一或いは類似するジャンルの商品・サービス情報等、各携帯端末２のユーザの移動する目的や動機等に合った情報を提供することができる。

以上、本発明を実施するための形態について詳述したが、本発明はかかる特定の実施形態に限定されるものではなく、特許請求の範囲に記載された本発明の要旨の範囲内において、種々の変形・変更が可能である。

１ 情報提供システム
２ 携帯端末
３ センタ
４ 通信ネットワーク
２１ 通信部
２２ 測位部
２３ ＳＮＳアプリ部
３１ 通信機器
３２ 情報提供装置
３２１ 入力部
３２２ 出力部
３２３ ＣＰＵ
３２４ メインメモリ
３２５ 記憶部
３２０１ 送受信処理部
３２０２ 移動手段推定部
３２０３ 同乗者グルーピング部
３２０４ マップマッチング部
３２０５ 移動履歴情報生成部
３２０６ コンテンツクローラ部
３２０７ 形態素解析部
３２０８ 特徴ワード・嗜好ジャンル抽出部
３２０９ タグ付け部
３２１０ 紐付け部
３２１１ 特徴ワード・嗜好ジャンルＩＤ割り当て部
３２１２ 機械学習部
３２１３ 推定処理部
３２１４ 情報提供部
３２１５ ＯＤ分析部
３２１６ 断面流入出分析部
３２１７ 可視化処理部
３２２１ ＰＯＩ・エリア情報ＤＢ
３２２２ 道路情報ＤＢ
３２２３ 地図情報ＤＢ
３２２４ ユーザ行動履歴ＤＢ
３２２５ 特徴ワード・嗜好ジャンルリスト
３２２６ 学習パラメータ
３２２７ ＯＤ分析結果ＤＢ
３２２８ 断面流入出分析結果ＤＢ
３２２９ 推定処理結果ＤＢ

Claims (1)

1. 複数の携帯端末と、前記複数の携帯端末と双方向で通信可能なセンタと、を含む情報提供システムであって、
   各前記複数の携帯端末は、
   測位を行う測位部と、
   前記測位部による測位情報を前記センタに送信する第１送信部と、
   ＳＮＳ利用履歴情報を前記センタに送信する第２送信部と、
   前記センタから配信される情報を受信する受信部と、を備え、
   前記センタは、
   各前記複数の携帯端末から送信される前記測位情報を受信する第１受信部と、
   各前記複数の携帯端末から送信される前記ＳＮＳ利用履歴情報を受信する第２受信部と、
   前記第１受信部が受信した前記測位情報に基づき、各前記複数の携帯端末のユーザが訪問したＰＯＩ又はエリアを特定すると共に、前記第２受信部が受信した前記ＳＮＳ利用履歴情報、及び特定したＰＯＩ又はエリアに基づき、ユーザのＳＮＳ利用履歴と、ユーザの訪問地としてのＰＯＩ又はエリアとの関係性を学習する学習部と、
   前記第２受信部が受信した、前記複数の携帯端末に含まれる一の携帯端末の前記ＳＮＳ利用履歴情報と、前記学習部の学習結果とに基づき、前記一の携帯端末のユーザが向かう目的地、及び該目的地に向かう動機の少なくとも一方を推定する推定部と、
   前記推定部の推定結果に基づき、前記一の携帯端末に情報を配信する配信部と、を備える、
   情報提供システム。