JP2018055638A - 判定装置 - Google Patents

Abstract

【課題】端末が滞在している店舗の判定精度を向上させる。【解決手段】サーバ２０は、端末１０における発信器からの発信信号の受信履歴、および、端末１０における店舗で利用するためのアプリケーションの利用履歴を取得する通信部２１と、通信部２１によって取得された利用履歴から、端末１０が滞在していた店舗、および、当該店舗での端末１０の滞在時間帯を特定する特定部２２と、特定部２２によって特定された店舗、および、特定部２２によって特定された滞在時間帯での受信履歴を用いた機械学習により、端末１０が滞在している店舗を判定するための判定モデルを生成する生成部２４と、を備える。【選択図】図２

Description

本発明は、端末が滞在している店舗を判定するための判定装置に関する。

近距離無線通信を用いた測位技術の分野では、さまざまな地点における発信器からの発信信号の受信結果と、それら各地点の位置情報とを対応づけたリファレンスデータを用いる手法が知られている。たとえば移動体端末（以下、単に「端末」という）での受信結果と、リファレンスデータとを照合することによって、その端末の測位を行うことができる。特許文献１では、リファレンスデータのための各地点の位置情報を、ＧＰＳ（Global Positioning System）で取得している。

特開２０１２−３９６２８号公報

上述の手法を参考に、各地点における発信信号の受信結果と、それら各地点に対応する店舗等の建物（以下、単に「店舗」という）とを対応づけたリファレンスデータを用いれば、端末が滞在している店舗を判定できることが期待される。このようなリファレンスデータを取得するためには、各地点に対応する店舗を特定する必要がある。各地点の位置情報から店舗を特定することも考えられるが、特許文献１のようにＧＰＳで位置情報を取得すると、各地点が店舗の内部にある場合等には正確な位置情報を得ることができないので、店舗を正確に特定できない。結果として、端末が滞在している店舗を精度よく判定することが困難になる。

本発明は、上記課題に鑑みてなされたものであり、端末が滞在している店舗の判定精度を向上させることが可能な判定装置を提供することを目的とする。

本発明の一態様に係る判定装置は、端末における発信器からの発信信号の受信履歴、および、端末における店舗で利用するためのアプリケーションの利用履歴を取得する取得手段と、取得手段によって取得された利用履歴から、端末が滞在していた店舗、および、当該店舗での端末の滞在時間帯を特定する特定手段と、特定手段によって特定された店舗、および、特定手段によって特定された滞在時間帯での受信履歴を用いた機械学習により、端末が滞在している店舗を判定するための判定モデルを生成する生成手段と、を備える。

上記の判定装置では、端末におけるアプリケーションの利用履歴から、端末が滞在していた店舗が特定される。この利用履歴は、店舗で利用するためのアプリケーションの利用履歴であるので、端末が滞在していた店舗を正確に特定することができる。また、上記の判定装置では、店舗での端末の滞在時間帯も特定される。そして、特定された店舗および特定された滞在時間帯での受信履歴を用いた機械学習により、端末が滞在している店舗を判定するための判定モデルが生成される。この判定モデルは、上述のように正確に特定された店舗を教師データとする機械学習によって得られるものである。このような判定モデルにより端末の滞在店舗を判定すれば、ＧＰＳで特定した店舗を含むリファレンスデータを用いて同様の判定を行う場合よりも、判定精度を向上させることができる。

本発明によると、滞在店舗の判定精度を向上させることが可能になる。

測位システムの概略構成を示す図である。 端末およびサーバの機能ブロックの例を示す図である。 サーバ等のハードウェア構成の例を示す図である。 機械学習において入力されるデータの例を示す図である。 判定モデルに入力されるデータの例を示す図である。 判定モデルによって出力される判定結果の例を示す図である。 機械学習を行う際に実行される処理の一例を示すフローチャートである。 滞在店舗の判定を行う際に実行される処理の一例を示すフローチャートである。

以下、本発明の実施形態について、図面を参照しながら説明する。なお、図面の説明において同一要素には同一符号を付し、重複する説明は省略する。

図１は、実施形態に係る測位システム１の概略構成を示す図である。測位システム１では、ユーザＵが、スマートフォンなどの端末１０を所有している。端末１０は、たとえばＷｉ−Ｆｉアクセスポイントに設けられた発信器３、４からの発信信号（ビーコン信号等）を受信可能に構成される。なお、発信器の数は図１に示される例に限定されない。端末１０は、サーバ２０と通信可能である。サーバ２０は、端末１０（つまりユーザＵ）が滞在している店舗（滞在店舗）を判定するための判定装置である。判定の例は、店舗の名称等の特定である。サーバ２０は、端末１０における上述の発信信号の受信結果に基づいて、端末１０の滞在店舗を判定する。受信結果の例は、端末１０において受信された発信器からの発信信号の受信強度（ＲＳＳＩ：Received Signal Strength Indicator）の組み合わせである。ただし、発信信号が一つの場合であってもよい。図１の例では、端末１０の滞在店舗が店舗Ａであることが、サーバ２０によって判定される。ここで、本実施形態では、サーバ２０が、端末１０の滞在店舗の判定精度を向上させるための機械学習も行う。

上述のように、端末１０において受信された各発信信号の受信強度の組み合わせに基づいて端末１０の滞在店舗を判定するので、サーバ２０では、さまざまな地点における発信器からの発信信号の受信結果と、それら各地点に対応した店舗とを入力データとする機械学習が行われる。このような機械学習用の入力データは、端末１０がユーザＵとともに移動している間に、後述の原理を用いてサーバ２０によって取得され得る。なお、機械学習には、サーバ３０も利用される場合がある。機械学習のさらなる詳細については後述する。

図２は、端末１０およびサーバ２０の機能ブロックの例を示す図である。まず、端末１０について説明する。端末１０は、信号受信部１１と、実行部１２と、履歴取得部１３と、記憶部１４と、通信部１５とを含む。

信号受信部１１は、発信器（図１の発信器３、４等）からの発信信号を受信する部分である。発信信号には、発信器を特定するための識別子が含まれる。発信信号がＷｉ−Ｆｉ信号である場合、識別子は、ＢＳＳＩＤ（Basic Service Set Identifier）であってよい。発信器がＢＬＥ（Bluetooth（登録商標） Low Energy）のビーコン信号である場合、識別子は、ＵＵＩＤ（UniversallyUnique Identifier）、major値およびminor値の組み合わせであってよい。信号受信部１１による発信信号の受信は、たとえば周期的に行われる。

実行部１２は、店舗（図１の店舗Ａ等）で利用するためのアプリケーションを実行する部分である。アプリケーションの例は、店舗での決済に利用されるアプリケーション、店舗での商品情報の取得に利用されるアプリケーションである。この他にも、ポイントカードを利用するためのアプリケーション、クーポンを利用するためのアプリケーション等がある。実行部１２によるアプリケーションの実行は、たとえば、ユーザＵによる端末１０の操作（ユーザ操作）に応じて開始されてもよいし、端末１０がいずれかの店舗に滞在していると判定されたことに応じて開始されてもよい。

履歴取得部１３は、信号受信部１１によって受信された発信信号の受信履歴を取得する部分である。発信信号の受信履歴は、たとえば、端末１０が発信器からの発信信号を受信した時刻（受信時刻）、発信器の識別子、および受信強度（ＲＳＳＩ）を含む。複数の発信器からの発信信号が同じタイミングで受信された場合、受信履歴は、発信器ごとの受信強度を含む。時刻は、タイムスタンプによって特定されてよい。

また、履歴取得部１３は、実行部１２によって実行されたアプリケーションの履歴（アプリケーションの利用履歴）も取得する。アプリケーションの利用履歴は、ユーザ操作の履歴（操作履歴）を含む。操作履歴は、たとえば、各操作と、対応する操作が行われた時刻とを対応づけた履歴情報である。操作は、アプリケーションを起動または終了するための操作、アプリケーションの起動中の操作を含む。アプリケーションの起動中の操作の例は、店舗で決済を行う際になされる操作、店舗で商品情報を取得する際になされる操作、ポイントカードを利用する際になされる操作、クーポンを利用する際になされる操作等がある。

記憶部１４は、端末１０が実行する種々の処理に必要な情報を記憶する部分である。たとえば、記憶部１４は、履歴取得部１３によって取得された上述の受信履歴および利用履歴を一時的に記憶するキャッシュとして用いられてもよい。記憶部１４は、実行部１２が上述のアプリケーションを実行するために必要なプログラムを格納してもよい。

通信部１５は、サーバ２０と通信を行う部分である。たとえば、サーバ２０の機械学習に供するために、通信部１５は、履歴取得部１３によって取得された発信信号の受信履歴およびアプリケーションの利用履歴を、サーバ２０に送信する。また、サーバ２０による端末１０の滞在店舗の判定のために、通信部１５は、発信信号の受信履歴（あるいはリアルタイムの発信信号の受信結果）をサーバ２０に送信する。その場合、通信部１５は、サーバ２０による端末１０の滞在店舗の判定結果をサーバ２０から受信する。

次に、サーバ２０について説明する。サーバ２０は、通信部２１と、特定部２２と、管理部２３と、生成部２４と、判定部２５と、記憶部２６とを含む。

通信部２１は、端末１０の通信部１５と通信する部分である。たとえば上述のように、端末１０における発信信号の受信履歴およびアプリケーションの利用履歴が端末１０から送信される場合、通信部２１は、端末１０における発信信号の受信履歴およびアプリケーションの利用履歴を取得する部分（取得手段）となる。

特定部２２は、通信部２１によって取得されたアプリケーションの利用履歴から、端末１０が滞在していた店舗を特定する部分（特定手段）である。たとえば、アプリケーションが、店舗での決済に利用されるアプリケーションである場合には、決済が行われた店舗を、端末１０の滞在店舗として特定してよい。アプリケーションが、店舗での商品情報の取得に利用されるアプリケーションである場合には、取得された商品情報に係る商品を提供している店舗を、端末１０の滞在店舗として特定してよい。アプリケーションが、ポイントカードを利用するためのアプリケーションである場合には、ポイントが利用された店舗を、端末１０の滞在店舗として特定してよい。アプリケーションが、クーポンを利用するアプリケーションである場合には、クーポンが利用された店舗を、端末１０の滞在店舗として特定してよい。

ここで、アプリケーションが店舗での決済に利用されるアプリケーションである場合、決済が行われた店舗を直ちには特定できない場合もある。これは、決済を特定するための識別子（決済識別子（たとえば決済番号等の決済データ））と、決済が行われた店舗と、決済金額等とを含む決済履歴が、クレジットカード会社等の金融機関が管理するサーバによって管理されている場合があるからである。このような金融機関が管理するサーバの例が、先に図１を参照して説明したサーバ３０である。この場合、アプリケーションの利用履歴には、決済が行われた店舗の情報は含まれず、代わりに上述の決済識別子が含まれることになる。この場合、特定部２２は、サーバ３０にアクセスし、決済識別子に対応する決済履歴をサーバ３０から取得し、利用履歴と取得した決済履歴とを連結することによって、決済が行われた店舗を特定することができる。サーバ３０への問い合わせは、通信部２１を用いて行われてよい。

さらに、特定部２２は、通信部２１によって取得されたアプリケーションの利用履歴から、上記のように特定した店舗での端末１０の滞在時間帯を特定する。滞在時間帯は、アプリケーションの利用履歴が発生した時刻と、予め設定された滞在時間帯の長さ（滞在時間幅）とに基づいて特定されてよい。具体的に、滞在時間帯にアプリケーションの利用履歴が発生した時刻が含まれるように、滞在時間帯が特定されてよい。また、滞在時間帯の長さが滞在時間幅となるように、滞在時間帯が特定されてよい。たとえば、アプリケーションの利用履歴が発生した時刻を時刻ｔとすると、その店舗での端末１０の滞在時間帯は、時刻ｔよりも第１の滞在時間幅Ｔ１だけ前の時刻（ｔ−Ｔ１）から、時刻ｔよりも第２の滞在時間幅Ｔ２だけ後の時刻（ｔ＋Ｔ２）の間の時間帯に設定される。つまり、第１の滞在時間幅Ｔ１および第２の滞在時間幅Ｔ２は、滞在時間幅を決定するための閾値であり、滞在時間幅はＴ１＋Ｔ２として定められる。

ここで、第１の滞在時間幅Ｔ１および第２の滞在時間幅Ｔ２は、店舗ごとに異なる値に設定されることが望ましい。この理由について、アプリケーションの利用履歴として、店舗での決済に利用されるアプリケーションの利用履歴が用いられる場合を例に挙げて説明する。たとえば、店舗が映画館等のように料金が前払いされる施設である場合には、アプリケーションの利用履歴が発生した時刻が滞在時間帯中の比較的早い時刻となるように、滞在時間帯を設定するのが良いと考えられる。この場合、上述の第１の滞在時間幅Ｔ１と上述の第２の滞在時間幅Ｔ２との間には、Ｔ２＞Ｔ１の関係が成立するように第１の滞在時間幅Ｔ１および第２の滞在時間幅Ｔ２を設定することが望ましい。店舗が飲食店等のように料金が後払いされる施設である場合には、アプリケーションの利用履歴が発生した時刻が滞在時間帯中の比較的遅い時刻となるように、滞在時間帯を設定するのがよいと考えられる。この場合、Ｔ１＞Ｔ２の関係が成立するように第１の滞在時間幅Ｔ１および第２の滞在時間幅Ｔ２を設定することが望ましい。店舗が雑貨店等のように料金が随時支払われる施設である場合には、アプリケーションの利用履歴が発生した時刻が滞在時間帯中の中心の時刻となるように、滞在時間を設定するのがよいと考えられる。この場合、Ｔ１＝Ｔ２の関係が成立するように第１の滞在時間幅Ｔ１および第２の滞在時間幅Ｔ２を設定することが望ましい。このような店舗に応じた適切な第１の滞在時間幅Ｔ１および第２の滞在時間幅Ｔ２は、管理部２３によって設定され得る。

管理部２３は、店舗ごとの滞在時間幅を管理する部分である。たとえば、後述の記憶部２６が、各店舗と、上述の第１の滞在時間幅Ｔ１およびを第２の滞在時間幅Ｔ２とを対応付けて記述した管理テーブルを記憶する。管理部２３は、店舗ごとに、前述のような適切な第１の滞在時間幅Ｔ１および第２の滞在時間幅Ｔ２を設定し、その設定結果でもって、管理テーブルを更新する。管理部２３による第１の滞在時間幅Ｔ１および第２の滞在時間幅Ｔ２の設定の手法については、後述の生成部２４、判定部２５および記憶部２６の説明の後に改めて説明する。なお、同じ種別の店舗については、同じ大きさの第１の滞在時間幅Ｔ１および第２の滞在時間幅Ｔ２が割り当てられてよい。たとえば複数の店舗が同じチェーン店同士である場合には、それらの店舗は同じ種別の店舗とみなしてよい。

生成部２４は、端末１０が滞在している店舗を判定するための判定モデルを生成する部分（生成手段）である。生成部２４は、特定部２２によって特定された店舗と、特定部２２によって特定された滞在時間帯での端末１０における発信信号の受信履歴とを用いた機械学習により、判定モデルを生成する。この機械学習では、特定された店舗と、特定された滞在時間帯での端末１０における発信信号の受信履歴とが、教師データに用いられる。機械学習には、種々の公知の手法を用いることができる。機械学習のアルゴリズムの例は、Random forestである。

図４は、機械学習において入力されるデータの例を示す図である。機械学習では、上述のように、特定部２２によって特定された店舗、および、特定部２２によって特定された滞在時間帯での端末１０における発信信号の受信履歴が、入力データとして用いられる。図４に示される例では、入力データは、各時刻における、店舗名と、各発信器からの発信信号の受信強度（ＲＳＳＩ）とを対応づけたデータである。受信強度の単位は、たとえばｄＢｍである。ただし、受信強度が「０」の箇所は、発信器からの発信信号が検出されなかったことを意味している。発信器は、ＢＳＳＩＤで示されている。異なる店舗名は、「店舗Ａ」、「店舗Ｂ」および「店舗Ｃ」と簡略化して図示している。異なるＢＳＳＩＤも、「ＢＳＳＩＤ１」、「ＢＳＳＩＤ２」、「ＢＳＳＩＤ３」、「ＢＳＳＩＤ４」と簡略化して図示している。店舗Ａでの端末１０の滞在時間帯は、時刻「０：００：０２」、「０：００：０４」および「０：００：０７」を含む時間帯として特定されている。店舗Ｂでの端末１０の滞在時間帯は、時刻「０：０４：３８」、「０：０４：４０」および「０：０４：４１」を含む時間帯として特定されている。店舗Ｃでの端末１０の滞在時間帯は、時刻「０：０８：０３」および「０：０８：０５」を含む時間帯として特定されている。このような入力データは、たとえば、各時刻と特定部２２によって特定された店舗（この例では店舗名）とを対応づけた第１のデータと、各時刻と受信強度とを対応づけた第２のデータとを組み合わせることによって作成されてよい。組み合わせの際は、第１のデータにおける各時刻を基準として、特定部２２によって特定された滞在時間帯の範囲での第２のデータが統合される。図４に示されるような入力データを教師データとする機械学習を行うことによって、発信信号の受信強度の組み合わせに基づいて端末１０の滞在店舗を特定するための判定モデルを生成することができる。たとえば機械学習のアルゴリズムとしてRandom forestを用いる場合には、図４に示す店舗名を滞在店舗の正解値、ＢＳＳＩＤ１からＢＳＳＩＤ４の電波強度（受信強度）を学習データとして利用し、店舗滞在判定モデルを生成する。このようにして生成された判定モデルを用いることによって、端末１０の滞在店舗を判定することができる。

図２に戻り、判定部２５は、生成部２４によって生成された判定モデルを用いて、端末１０の滞在店舗を判定する部分である。判定が行われる際には、端末１０における発信信号の受信履歴（あるいはリアルタイムの発信信号の受信結果）が、端末１０の通信部１５からサーバ２０の通信部２１に送信される。判定部２５は、この受信履歴等を判定モデルの入力データとすることによって、端末１０の滞在店舗を判定する。ここで、判定モデルによる判定の具体例について、図５および図６を参照して説明する。

図５は、端末１０の滞在店舗を判定する際に判定モデルに入力されるデータの例が示される。図５に示される例では、入力データは、端末１０における発信信号の受信履歴であり、発信器からの受信信号を受信した時刻と、各発信器（各ＢＳＳＩＤ）からの発信信号のＲＳＳＩとを対応づけたデータである。

図６は、判定モデルによって出力される判定結果の例を示す。図６に示されるように、発信器からの受信信号を受信した時刻と、端末１０の滞在店舗の店舗名とを対応づけたデータが、出力データとされる。このような出力データから、端末１０の滞在店舗が判定される。時刻ごとの滞在店舗も判定することができる。

図２に戻り、記憶部２６は、サーバ２０において実行される処理に必要な種々の情報を記憶する部分である。たとえば、記憶部２６は、上述の管理部２３によって管理される管理テーブルを記憶する。また、記憶部２６は、生成部２４によって生成される判定モデルを記憶する。

ここで、先に説明した、管理部２３による店舗ごとの第１の滞在時間幅Ｔ１および第２の滞在時間幅Ｔ２の設定の手法の例を説明する。まず、アプリケーションの利用履歴が発生した時刻の近傍の時刻での端末１０における発信器からの発信信号の受信強度の組み合わせを、受信履歴から抽出しておく。たとえば、アプリケーションの利用履歴が発生した時刻の前後数十秒から数分程度の範囲の時刻での受信強度の組み合わせが抽出されてよい。この受信強度の組み合わせは、後述の判定精度の評価に用いられる。次に、第１の滞在時間幅Ｔ１および第２の滞在時間幅Ｔ２を予め定められた初期値に設定する。初期値は十分に小さい値であってよい。そして、初期値に設定された第１の滞在時間幅Ｔ１および第２の滞在時間幅Ｔ２によって定められる滞在時間での端末１０における発信器からの発信信号の受信履歴を用いた上述の機械学習により、判定モデルを生成する。次に、生成された判定モデルの精度評価を行う。たとえば、上述のアプリケーションの利用履歴が発生した時刻の近傍の時刻での受信強度の組み合わせが判定モデルに入力され、端末１０の滞在店舗が正しく判定されるか（精度が良好であるか）否かが評価される。その後、第１の滞在時間幅Ｔ１および第２の滞在時間幅Ｔ２を初期値から徐々に大きくしていき、同様に、判定モデルの生成、生成された判定モデルの精度評価を行う。これらの処理を繰り返し実行し、判定の精度評価が良好でかつ第１の滞在時間幅Ｔ１および第２の滞在時間幅Ｔ２ができるだけ大きく（たとえば最大と）なるように、第１の滞在時間幅Ｔ１および第２の滞在時間幅Ｔ２を設定する。そして、設定した第１の滞在時間幅Ｔ１および第２の滞在時間幅Ｔ２でもって、管理テーブルを更新する。

ここで、図３を参照して、サーバ２０のハードウェア構成の一例について説明する。サーバ２０の機能ブロック（構成部）は、ハードウェアおよび／またはソフトウェアの任意の組み合わせによって実現される。また、各機能ブロックの実現手段は特に限定されない。すなわち、各機能ブロックは、物理的および／または論理的に結合した１つの装置により実現されてもよいし、物理的および／または論理的に分離した２つ以上の装置を直接的および／または間接的に(たとえば、有線および／または無線)で接続し、これら複数の装置により実現されてもよい。なお、以下で説明するハードウェア構成例は、サーバ２０に限らず、端末１０およびサーバ３０において採用してもよい。

図３に示される例では、サーバ２０は、物理的には、プロセッサ２０Ａ、メモリ２０Ｂ、ストレージ２０Ｃ、通信モジュール２０Ｄ、入力装置２０Ｅ、出力装置２０Ｆ、バス２０Ｇなどを含むコンピュータ装置として構成されてもよい。

なお、以下の説明では、「装置」という文言は、回路、デバイス、ユニットなどに読み替えることができる。サーバ２０のハードウェア構成は、図３に示した各装置を１つまたは複数含むように構成されてもよいし、一部の装置を含まずに構成されてもよい。

サーバ２０における各機能は、プロセッサ２０Ａ、メモリ２０Ｂなどのハードウェア上に所定のソフトウェア（プログラム）を読み込ませることで、プロセッサ２０Ａが演算を行い、通信モジュール２０Ｄによる通信や、メモリ２０Ｂおよびストレージ２０Ｃにおけるデータの読み出しおよび／または書き込みを制御することで実現される。

プロセッサ２０Ａは、たとえば、オペレーティングシステムを動作させてコンピュータ全体を制御する。プロセッサ２０Ａは、周辺装置とのインターフェース、制御装置、演算装置、レジスタなどを含む中央処理装置（ＣＰＵ：Central Processing Unit）で構成されてもよい。たとえば、上述の通信部２１、特定部２２、管理部２３、生成部２４および判定部２５などは、プロセッサ２０Ａで実現されてもよい。

また、プロセッサ２０Ａは、プログラム（プログラムコード）、ソフトウェアモジュールやデータを、ストレージ２０Ｃおよび／または通信モジュール２０Ｄからメモリ２０Ｂに読み出し、これらに従って各種の処理を実行する。プログラムとしては、上述の実施の形態で説明した動作の少なくとも一部をコンピュータに実行させるプログラムが用いられる。たとえば、特定部２２、管理部２３、生成部２４および判定部２５などは、メモリ２０Ｂに格納され、プロセッサ２０Ａで動作する制御プログラムによって実現されてもよく、他の機能ブロックについても同様に実現されてもよい。上述の各種処理は、１つのプロセッサ２０Ａで実行される旨を説明してきたが、２以上のプロセッサ２０Ａにより同時または逐次に実行されてもよい。プロセッサ２０Ａは、１以上のチップで実装されてもよい。なお、プログラムは、電気通信回線を介してネットワークから送信されてもよい。

メモリ２０Ｂは、コンピュータ読み取り可能な記録媒体であり、たとえば、ＲＯＭ（Read Only Memory）、ＥＰＲＯＭ（Erasable Programmable ＲＯＭ）、ＥＥＰＲＯＭ（Electrically Erasable Programmable ＲＯＭ）、ＲＡＭ（Random Access Memory）などの少なくとも１つで構成されてもよい。メモリ３０Ｂは、レジスタ、キャッシュ、メインメモリ（主記憶装置）などと呼ばれてもよい。メモリ２０Ｂは、本発明の一実施の形態に係る無線通信方法を実施するために実行可能なプログラム（プログラムコード）、ソフトウェアモジュールなどを保存することができる。

ストレージ２０Ｃは、コンピュータ読み取り可能な記録媒体であり、たとえば、ＣＤ−ＲＯＭ（Compact Disc ＲＯＭ）などの光ディスク、ハードディスクドライブ、フレキシブルディスク、光磁気ディスク(たとえば、コンパクトディスク、デジタル多用途ディスク、Ｂｌｕ−ｒａｙ（登録商標）ディスク)、スマートカード、フラッシュメモリ(たとえば、カード、スティック、キードライブ)、フロッピー（登録商標）ディスク、磁気ストリップなどの少なくとも１つで構成されてもよい。ストレージ２０Ｃは、補助記憶装置と呼ばれてもよい。上述の記憶媒体は、たとえば、メモリ２０Ｂおよび／またはストレージ２０Ｃを含むデータベース、サーバその他の適切な媒体であってもよい。

通信モジュール２０Ｄは、有線および／または無線ネットワークを介してコンピュータ間の通信を行うためのハードウェア（送受信デバイス）であり、たとえばネットワークデバイス、ネットワークコントローラ、ネットワークカードなどともいう。

入力装置２０Ｅは、外部からの入力を受け付ける入力デバイスである。出力装置２０Ｆは、外部への出力を実施する出力デバイス（たとえば、ディスプレイ、スピーカー、LEDランプなど）である。なお、入力装置２０Ｅおよび出力装置２０Ｆは、一体となった構成（たとえば、タッチパネル）であってもよい。

また、プロセッサ２０Ａやメモリ２０Ｂなどの各装置は、情報を通信するためのバス２０Ｇで接続される。バス２０Ｇは、単一のバスで構成されてもよいし、装置間で異なるバスで構成されてもよい。

また、サーバ２０は、マイクロプロセッサ、デジタル信号プロセッサ（ＤＳＰ：Digital Signal Processor）、ＡＳＩＣ（Application Specific Integrated Circuit）、ＰＬＤ（Programmable Logic Device）、ＦＰＧＡ（Field Programmable Gate Array）などのハードウェアを含んで構成されてもよく、当該ハードウェアにより、各機能ブロックの一部または全てが実現されてもよい。たとえば、プロセッサ２０Ａは、これらのハードウェアの少なくとも１つで実装されてもよい。

図７は、生成部２４が判定モデルを生成するために行う機械学習の際に実行される処理の一例を示すフローチャートである。このフローチャートの処理は、所定の周期で（たとえば２４時間ごとに）実行されてよい。なお、端末１０では、発信器からの発信信号の受信履歴およびアプリケーションの利用履歴が作成されているものとする。

ステップＳ１〜Ｓ３の処理は、端末１０において実行される。ステップＳ１において、履歴取得部１３が、発信器からの発信信号の受信履歴を取得し、ステップＳ２において、履歴取得部１３が、アプリケーションの利用履歴を取得する。ステップＳ３において、通信部１５が、それらのデータ（受信履歴および利用履歴）をサーバ２０の通信部２１に送信する。

ステップＳ４〜Ｓ９の処理は、サーバ２０において実行される。ステップＳ４において、通信部２１が、先のステップＳ３において送信されたデータを受信（取得）する。

次に、特定部２２が、利用履歴から端末１０が滞在していた店舗を特定する。ここで、利用履歴が、店舗での決済に利用されるアプリケーションの利用履歴であり、先に説明したように、サーバ３０にアクセスして利用履歴および決済履歴を連結する必要があるか否かに応じて、処理が分岐する。利用履歴と決済履歴との連結が必要な場合（ステップＳ５：ＹＥＳ）、特定部２２は、通信部２１を用いてサーバ３０にアクセスし、決済履歴をサーバ３０から取得し（ステップＳ６）、後述のステップＳ７に処理を進める。利用履歴と決済履歴との連結が必要でない場合（ステップＳ５：ＮＯ）、特定部２２は、ステップＳ７に処理を進める。

ステップＳ７において、特定部２２が、先のステップＳ４において取得されたアプリケーションの利用履歴から、先に説明したように、端末１０が滞在していた店舗および滞在時間帯を特定する。

ステップＳ８において、生成部２４が、判定モデルを生成する。具体的に、先のステップＳ７において特定された店舗と、滞在時間帯での端末１０における発信信号の受信履歴とを用いて、先に説明したように、機械学習が行われ、判定モデルが生成される。

ステップＳ９において、管理部２３が、判定精度の評価結果に応じて、滞在時間の閾値を更新する。具体的に、管理部２３が、先に説明したように、判定の精度評価が良好でかつ第１の滞在時間幅Ｔ１および第２の滞在時間幅Ｔ２ができるだけ大きく（たとえば最大と）なるように第１の滞在時間幅Ｔ１および第２の滞在時間幅Ｔ２を特定し、特定した第１の滞在時間幅Ｔ１および第２の滞在時間幅Ｔ２でもって、管理テーブルを更新する。また、更新後の滞在時間幅を用いて、同じ種別の店舗については、同じ大きさの滞在時間幅を割り当てる。その後、図７のフローチャートは終了する。

図８は、生成部２４によって生成された判定モデルを用いて端末１０の滞在店舗を判定する際に実行される処理の一例を示すフローチャートである。

ステップＳ１１およびＳ１２の処理は、端末１０において実行される。具体的に、ステップＳ１１において、信号受信部１１が、発信器からの発信信号を受信する。ステップＳ１２において、通信部１５が受信データをサーバ２０の通信部２１に送信する。受信データは、受信強度（ＲＳＳＩ）等を含む。受信時刻も、受信データに含まれてよい。

ステップＳ１３〜Ｓ１５の処理は、サーバ２０において実行される。ステップＳ１３において、通信部２１が、先のステップＳ１２において送信された受信データを取得（受信）する。ステップＳ１４において、判定部２５が、生成部２４によって生成された判定モデルを用いて、端末１０の滞在店舗を判定する。具体的に、先のステップＳ１３で取得された受信データが判定モデルに入力されたことに応じて出力される判定モデルの出力結果から、端末１０の滞在店舗が判定される。

ステップＳ１６の処理は、端末１０において実行される。具体的に、通信部１５が、先のステップＳ１５にいて送信された判定結果を受信する。これにより、端末１０の滞在している店舗が判定される。その後、図８のフローチャートは終了する。

以上説明した測位システム１によれば、サーバ２０では、端末１０におけるアプリケーションの利用履歴から、端末１０が滞在していた店舗が特定される（ステップＳ７）。この利用履歴は、店舗で利用するためのアプリケーションの利用履歴であるので、端末１０が滞在していた店舗を正確に特定することができる。また、サーバ２０では、店舗での端末１０の滞在時間帯も特定される（ステップＳ７）。そして、特定された店舗および特定された滞在時間帯での受信履歴を用いた機械学習により、端末１０が滞在している店舗を判定するための判定モデルが生成される（ステップＳ８）。この判定モデルは、上述のように正確に特定された店舗を教師データとする機械学習によって得られるものである。このような判定モデルにより端末１０の滞在店舗を判定すれば、ＧＰＳで特定した店舗を含むリファレンスデータを用いて同様の判定を行う場合よりも、判定精度を向上させることができる。

また、機械学習には、特定された滞在時間帯での受信履歴が用いられる。滞在時間帯には複数の時刻における発信器からの発信信号の受信結果が含まれる。したがって、機械学習に用いることができる複数のサンプルデータを、一度に取得することができる。

利用履歴として、アプリケーションの起動履歴および終了履歴の少なくとも一方が取得されてもよい（ステップＳ４）。アプリケーションの起動時または終了時には、端末１０が店舗に滞在していた可能性が高い。そのため、上記のようなアプリケーションの起動履歴および終了履歴の少なくとも一方を含む利用履歴から店舗を特定することによって、端末１０が滞在していた店舗を正確に特定することができる。

利用履歴として、店舗での決済に利用されるアプリケーションの利用履歴が取得されてもよい（ステップＳ４）。決済時も、端末１０が店舗に滞在していた可能性が高い。そのため、上記のような店舗での決済に利用されるアプリケーションの利用履歴から店舗を特定することによっても、端末１０が滞在していた店舗を正確に特定することができる。

利用履歴として、店舗での商品情報の取得に利用されるアプリケーションの利用履歴が取得されてもよい（ステップＳ４）。店舗での商品情報の取得時も、端末１０が店舗に滞在していた可能性が高い。そのため、上記のような店舗での商品情報の取得に利用されるアプリケーションの利用履歴から店舗を特定することによっても、端末１０が滞在していた店舗を正確に特定することができる。

店舗での端末１０の滞在時間帯は、利用履歴が発生した時刻と、特定された店舗に応じた滞在時間幅とを用いて、特定されてもよい（ステップＳ９）。店舗での端末１０の滞在時間幅は、店舗によって異なり得る。上記のように店舗に応じた滞在時間幅を用いることによって、店舗での端末の滞在時間帯を正確に特定することもできる。また、上述のように機械学習に用いることができる複数のサンプルデータが一度に取得される場合でも、有効なサンプルデータのみを取得できるようになる。

滞在時間は、店舗の種別（たとえば同じチェーン店）ごとに設定されていてもよい（ステップＳ９）。これにより、店舗の種別に応じた適切な滞在時間を用いて、その店舗での端末１０の滞在時間帯を特定することができる。

以上、本実施形態について詳細に説明したが、当業者にとっては、本実施形態が本明細書中に説明した実施形態に限定されるものではないということは明らかである。本実施形態は、特許請求の範囲の記載により定まる本発明の趣旨および範囲を逸脱することなく修正および変更態様として実施することができる。したがって、本明細書の記載は、例示説明を目的とするものであり、本実施形態に対して何ら制限的な意味を有するものではない。

本明細書で説明した各態様／実施形態は、ＬＴＥ（Long Term Evolution）、ＬＴＥ−Ａ（LTE-Advanced）、ＳＵＰＥＲ ３Ｇ、ＩＭＴ−Ａｄｖａｎｃｅｄ、４Ｇ、５Ｇ、ＦＲＡ（Future Radio Access）、Ｗ−ＣＤＭＡ（登録商標）、ＧＳＭ（登録商標）、ＣＤＭＡ２０００、ＵＭＢ（Ultra Mobile Broadband）、ＩＥＥＥ ８０２．１１（Ｗｉ−Ｆｉ）、ＩＥＥＥ ８０２．１６（ＷｉＭＡＸ）、ＩＥＥＥ ８０２．２０、ＵＷＢ（Ultra-WideBand）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、その他の適切なシステムを利用するシステムおよび／またはこれらに基づいて拡張された次世代システムに適用されてもよい。

本明細書で説明した各態様／実施形態の処理手順、シーケンス、フローチャートなどは、矛盾の無い限り、順序を入れ替えてもよい。たとえば、本明細書で説明した方法については、例示的な順序で様々なステップの要素を提示しており、提示した特定の順序に限定されない。

情報等は、上位レイヤ（または下位レイヤ）から下位レイヤ（または上位レイヤ）へ出力され得る。複数のネットワークノードを介して入出力されてもよい。
入出力された情報等は特定の場所(たとえば、メモリ)に保存されてもよいし、管理テーブルで管理してもよい。入出力される情報等は、上書き、更新、または追記され得る。出力された情報等は削除されてもよい。入力された情報等は他の装置へ送信されてもよい。

判定は、１ビットで表される値（０か１か）によって行われてもよいし、真偽値（Boolean：trueまたはfalse）によって行われてもよいし、数値の比較（たとえば、所定の値との比較）によって行われてもよい。

本明細書で説明した各態様／実施形態は単独で用いてもよいし、組み合わせて用いてもよいし、実行に伴って切り替えて用いてもよい。また、所定の情報の通知（たとえば、「Ｘであること」の通知）は、明示的に行うものに限られず、暗黙的（たとえば、当該所定の情報の通知を行わない）ことによって行われてもよい。

ソフトウェアは、ソフトウェア、ファームウェア、ミドルウェア、マイクロコード、ハードウェア記述言語と呼ばれるか、他の名称で呼ばれるかを問わず、命令、命令セット、コード、コードセグメント、プログラムコード、プログラム、サブプログラム、ソフトウェアモジュール、アプリケーション、ソフトウェアアプリケーション、ソフトウェアパッケージ、ルーチン、サブルーチン、オブジェクト、実行可能ファイル、実行スレッド、手順、機能などを意味するよう広く解釈されるべきである。

また、ソフトウェア、命令などは、伝送媒体を介して送受信されてもよい。たとえば、ソフトウェアが、同軸ケーブル、光ファイバケーブル、ツイストペアおよびデジタル加入者回線（ＤＳＬ）などの有線技術および／または赤外線、無線およびマイクロ波などの無線技術を使用してウェブサイト、サーバ、または他のリモートソースから送信される場合、これらの有線技術および／または無線技術は、伝送媒体の定義内に含まれる。

本明細書で説明した情報、信号などは、様々な異なる技術のいずれかを使用して表されてもよい。たとえば、上記の説明全体に渡って言及され得るデータ、命令、コマンド、情報、信号、ビット、シンボル、チップなどは、電圧、電流、電磁波、磁界若しくは磁性粒子、光場若しくは光子、またはこれらの任意の組み合わせによって表されてもよい。

なお、本明細書で説明した用語および／または本明細書の理解に必要な用語については、同一のまたは類似する意味を有する用語と置き換えてもよい。

本明細書で使用する「システム」および「ネットワーク」という用語は、互換的に使用される。

また、本明細書で説明した情報、パラメータなどは、絶対値で表されてもよいし、所定の値からの相対値で表されてもよいし、対応する別の情報で表されてもよい。たとえば、無線リソースはインデックスで指示されるものであってもよい。

上述したパラメータに使用する名称はいかなる点においても限定的なものではない。さらに、これらのパラメータを使用する数式等は、本明細書で明示的に開示したものと異なる場合もある。様々なチャネル（たとえば、ＰＵＣＣＨ、ＰＤＣＣＨなど）および情報要素（たとえば、ＴＰＣなど）は、あらゆる好適な名称によって識別できるので、これらの様々なチャネルおよび情報要素に割り当てている様々な名称は、いかなる点においても限定的なものではない。

本明細書で使用する「に基づいて」という記載は、別段に明記されていない限り、「のみに基づいて」を意味しない。言い換えれば、「に基づいて」という記載は、「のみに基づいて」と「に少なくとも基づいて」の両方を意味する。

本明細書で「第１の」、「第２の」などの呼称を使用した場合においては、その要素へのいかなる参照も、それらの要素の量または順序を全般的に限定するものではない。これらの呼称は、２つ以上の要素間を区別する便利な方法として本明細書で使用され得る。したがって、第１および第２の要素への参照は、２つの要素のみがそこで採用され得ること、または何らかの形で第１の要素が第２の要素に先行しなければならないことを意味しない。

「含む（include）」、「含んでいる（comprising）」、およびそれらの変形が、本明細書あるいは特許請求の範囲で使用されている限り、これら用語は、用語「備える(comprising)」と同様に、包括的であることが意図される。さらに、本明細書あるいは特許請求の範囲において使用されている用語「または（or）」は、排他的論理和ではないことが意図される。

本明細書において、文脈または技術的に明らかに1つのみしか存在しない装置である場合以外は、複数の装置をも含むものとする。

本開示の全体において、文脈から明らかに単数を示したものではなければ、複数のものを含むものとする。

１０…端末、２０…サーバ（判定装置）、２１…通信部（取得手段）、２２…特定部（特定手段）、２３…管理部、２４…生成部（生成手段）、２５…判定部。

Claims (6)

1. 端末における発信器からの発信信号の受信履歴、および、前記端末における店舗で利用するためのアプリケーションの利用履歴を取得する取得手段と、
   前記取得手段によって取得された前記利用履歴から、前記端末が滞在していた店舗、および、当該店舗での前記端末の滞在時間帯を特定する特定手段と、
   前記特定手段によって特定された店舗、および、前記特定手段によって特定された滞在時間帯での前記受信履歴を用いた機械学習により、前記端末が滞在している店舗を判定するための判定モデルを生成する生成手段と、
   を備える、
   判定装置。
2. 前記取得手段は、前記利用履歴として、前記アプリケーションの起動履歴および終了履歴の少なくとも一方を取得する、請求項１に記載の判定装置。
3. 前記取得手段は、前記利用履歴として、前記店舗での決済に利用されるアプリケーションの利用履歴を取得する、請求項１に記載の判定装置。
4. 前記取得手段は、前記利用履歴として、前記店舗での商品情報の取得に利用されるアプリケーションの利用履歴を取得する、請求項１に記載の判定装置。
5. 前記特定手段は、前記利用履歴が発生した時刻と、前記特定した店舗に応じた滞在時間幅とを用いて、前記滞在時間帯を特定する、請求項１〜４のいずれか一項に記載の判定装置。
6. 前記滞在時間幅は、店舗の種別ごとに設定されている、請求項５に記載の判定装置。

Images