JP2018132934A - 行動分析方法、行動分析プログラム、および行動分析システム - Google Patents

行動分析方法、行動分析プログラム、および行動分析システム Download PDF

Info

Publication number
JP2018132934A
JP2018132934A JP2017025874A JP2017025874A JP2018132934A JP 2018132934 A JP2018132934 A JP 2018132934A JP 2017025874 A JP2017025874 A JP 2017025874A JP 2017025874 A JP2017025874 A JP 2017025874A JP 2018132934 A JP2018132934 A JP 2018132934A
Authority
JP
Japan
Prior art keywords
behavior
information
user
determination
mobile terminal
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.)
Pending
Application number
JP2017025874A
Other languages
English (en)
Inventor
古川　至
Itaru Furukawa
至 古川
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Screen Holdings Co Ltd
Original Assignee
Screen Holdings Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Screen Holdings Co Ltd filed Critical Screen Holdings Co Ltd
Priority to JP2017025874A priority Critical patent/JP2018132934A/ja
Priority to US15/868,960 priority patent/US20180234802A1/en
Priority to CN201810053187.XA priority patent/CN108430046A/zh
Publication of JP2018132934A publication Critical patent/JP2018132934A/ja
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters
    • H04W4/026—Services making use of location information using location based information parameters using orientation information, e.g. compass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/52—Network services specially adapted for the location of the user terminal
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters
    • H04W4/027—Services making use of location information using location based information parameters using movement velocity, acceleration information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04Q—SELECTING
    • H04Q2209/00—Arrangements in telecontrol or telemetry systems
    • H04Q2209/50—Arrangements in telecontrol or telemetry systems using a mobile data collecting device, e.g. walk by or drive by

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Navigation (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)

Abstract

【課題】携帯端末装置の利用者の行動（特に非歩行状態である時の行動）に関する有益な情報を効率的に取得して利用者の行動を分析する方法を提供する。【解決手段】携帯端末装置に搭載されている１以上のセンサからセンサ情報を取得するセンサ情報取得ステップ（Ｓ１０）と、センサ情報に基づいて利用者の動作を判定する動作判定ステップ（Ｓ２０）と、動作判定ステップ（Ｓ２０）での判定結果に応じてセンサ情報に基づき利用者の行動を判定する行動判定ステップ（Ｓ３０）とが設けられる。行動判定ステップ（Ｓ３０）では、目的に応じて、各種プロファイル（地理的プロファイルなど）を参照しつつ、利用者の詳細な行動の判定が行われる。【選択図】図５

Description

本発明は、携帯端末装置の利用者の行動を分析する方法に関する。
街路や店舗内通路などで人がどのような行動を取っているかを観察することによって得られる情報は、マーケティング、都市計画、店舗設計、イベント計画などにおいて有益な情報となる。そこで、従来より、目的に応じて、人の行動に関する情報（以下、「行動情報」という。）の収集・解析が行われている。
従来においては、例えば、ツイッター（登録商標）などのソーシャル・ネットワーキング・サービスを使用して、「つぶやき」と呼ばれる投稿内容やその発信位置の情報などに基づいて行動情報の収集・解析が行われている。また、監視カメラを使用して歩行者の行動を監視することも行われている。これに関し、監視カメラの撮影で得られた画像に対してコンピュータを用いた画像処理による解析が行われることもある。さらに、携帯端末装置から得られる位置情報を地図上に集約することによる混雑度の分析も行われている。さらにまた、アンケートを用いた行動情報の収集・解析も行われている。
なお、本件発明に関連して、以下の先行技術文献が知られている。特開２００８−１９１８６５号公報には、対象者のＩＤを読み取るセンサによる検出に基づいて取得される対象者毎の検出時刻や観測エリアの情報から対象者の行動を推定する手法が開示されている。また、特開２０１２−２１２３６５号公報には、携帯端末装置等の利用者の歩行のピッチと揺れ検出データとに基づいて混雑度を判定する手法が開示されている。また、特開２０１４−１８２６１１号公報には、携帯端末装置の位置情報から得られる移動時間・移動頻度の情報に基づいて利用者の属性を判定する手法が開示されている。
特開２００８−１９１８６５号公報 特開２０１２−２１２３６５号公報 特開２０１４−１８２６１１号公報
ところが、ソーシャル・ネットワーキング・サービスを使用した手法によれば、投稿がなされなければ情報が得られないため、ユーザーに投稿する余裕があるような状況下での情報しか得られない。また、目的に応じた充分な量の投稿を確保することは難しく、統計的な分析を精度良く行うことが困難である。監視カメラを使用した手法によれば、監視カメラの設置コストが高くなる。また、監視カメラの設置場所が限定されることが多く、監視範囲も限られるため、有用な情報が充分には得られない。位置情報を地図上に集約する手法によれば、混雑状況を分析することはできるが、人の行動を分析することはできない。アンケートを用いた手法によれば、人の意識的な情報を取得することはできるが、無意識になされる行動に関する情報を取得することはできない。
そこで、本発明は、携帯端末装置の利用者の行動（特に非歩行状態である時の行動）に関する有益な情報を効率的に取得して利用者の行動を分析する方法（特に利用者が何に関心を持っているのかを分析する方法）を提供することを目的とする。
第１の発明は、携帯端末装置の利用者の行動を分析する方法であって、
前記携帯端末装置に搭載されている１以上のセンサからセンサ情報を取得するセンサ情報取得ステップと、
前記センサ情報に基づいて前記利用者の動作を判定する動作判定ステップと、
前記動作判定ステップでの判定結果に応じて、前記センサ情報に基づき前記利用者の行動を判定する行動判定ステップと
を含むことを特徴とする。
第２の発明は、第１の発明において、
前記センサ情報には、加速度センサから取得される加速度情報が含まれており、
前記動作判定ステップは、
前記センサ情報に基づいて前記利用者が歩行状態であるか非歩行状態であるかを判定する歩行判定ステップと、
前記歩行判定ステップで前記利用者が非歩行状態であると判定されたときに前記加速度情報から得られる加速度の標準偏差に基づいて前記利用者の動作を判定する加速度情報利用動作判定ステップと
を含むことを特徴とする。
第３の発明は、第２の発明において、
前記動作判定ステップは、前記歩行判定ステップで前記利用者が歩行状態であると判定されたときに前記利用者の現在位置の状態が混雑状態であるか非混雑状態であるかを前記加速度情報から得られる加速度の標準偏差に基づいて判定する混雑判定ステップを更に含むことを特徴とする。
第４の発明は、第１の発明において、
前記センサ情報には、加速度センサから取得される加速度情報が含まれており、
前記動作判定ステップでは、前記加速度情報から得られる加速度の標準偏差に基づいて、前記利用者の動作が判定されることを特徴とする。
第５の発明は、第１から第４までのいずれかの発明において、
前記センサ情報には、方位センサから取得される方位情報が含まれており、
前記行動判定ステップは、前記方位情報に基づいて前記利用者の行動を判定する方位情報利用行動判定ステップを含むことを特徴とする。
第６の発明は、第５の発明において、
前記方位情報利用行動判定ステップでの判定は、前記方位情報と予め用意された地理的属性情報との関係を考慮して行われることを特徴とする。
第７の発明は、第１から第６までのいずれかの発明において、
前記センサ情報には、位置センサから取得される位置情報が含まれており、
前記行動判定ステップは、前記位置情報に基づいて前記利用者の行動を判定する位置情報利用行動判定ステップを含むことを特徴とする。
第８の発明は、第１から第７までのいずれかの発明において、
前記行動判定ステップは、前記携帯端末装置で前記利用者によって行われた操作に関する情報である操作情報に基づいて前記利用者の行動を判定する操作情報利用行動判定ステップを含むことを特徴とする。
第９の発明は、第１から第８までのいずれかの発明において、
複数の前記携帯端末装置の利用者に関する前記行動判定ステップでの判定結果に基づいて、利用者の行動を示す情報を所定の画面上に表示する行動情報表示ステップを更に含むことを特徴とする。
第１０の発明は、第９の発明において、
前記行動情報表示ステップでは、利用者の行動を示す情報を地図を表示した画面上に当該地図上の位置と関連付けて表示することが可能であることを特徴とする。
第１１の発明は、第１０の発明において、
前記行動情報表示ステップでは、利用者の行動を示す情報を予め用意された地理的属性情報と関連付けて表示することが可能であることを特徴とする。
第１２の発明は、第９から第１１までのいずれかの発明において、
複数の前記携帯端末装置の利用者に関する前記行動判定ステップでの判定結果と所定の属性情報とに基づいて利用者の行動を統計的に分析する統計的分析ステップを更に含み、
前記行動情報表示ステップでは、利用者の行動を示す情報として前記統計的分析ステップで得られた結果を表示することが可能であることを特徴とする。
第１３の発明は、第１２の発明において、
前記行動情報表示ステップで前記統計的分析ステップで得られた結果を表示する際に、複数の前記携帯端末装置から取得される個人属性情報、予め用意された地理的属性情報、および予め用意された時間的属性情報のうちの少なくとも１つの属性情報に基づくフィルタリングが可能であることを特徴とする。
第１４の発明は、携帯端末装置の利用者の行動を分析するための行動分析プログラムであって、
前記携帯端末装置に搭載されている１以上のセンサからセンサ情報を取得するセンサ情報取得ステップと、
前記センサ情報に基づいて前記利用者の動作を判定する動作判定ステップと、
前記動作判定ステップでの判定結果に応じて、前記センサ情報に基づき前記利用者の行動を判定する行動判定ステップと
を前記携帯端末装置に含まれるコンピュータのＣＰＵがメモリを利用して実行することを特徴とする。
第１５の発明は、サーバと複数の携帯端末装置とがネットワークを介して接続されるシステムにおいて前記サーバで実行される、前記複数の携帯端末装置の利用者の行動を分析するための行動分析プログラムであって、
各携帯端末装置の利用者の動作を示す情報であって少なくとも利用者が立ち止まっているか否かを判別可能な情報である動作情報および各携帯端末装置に搭載されている１以上のセンサから取得されたセンサ情報を各携帯端末装置から受け取る分析用情報受信ステップと、
前記動作情報に基づいて立ち止まっていると判断される利用者の行動を前記センサ情報に基づいて判定する行動判定ステップと
を前記サーバとしてのコンピュータのＣＰＵがメモリを利用して実行することを特徴とする。
第１６の発明は、ネットワークを介して互いに接続されたサーバと複数の携帯端末装置とによって構成される、前記複数の携帯端末装置の利用者の行動を分析するための行動分析システムであって、
各携帯端末装置に搭載されている１以上のセンサから得られるセンサ情報に基づいて各携帯端末装置の利用者の動作を判定する動作判定手段と、
前記動作判定手段による判定で得られた結果に応じて、前記センサ情報に基づき各携帯端末装置の利用者の行動を判定する行動判定手段と
を備えることを特徴とする。
第１７の発明は、第１６の発明において、
前記行動判定手段による判定に関し、各携帯端末装置で得られる情報のみに基づいて行うことのできる判定については各携帯端末装置で行われ、それ以外の判定については前記サーバで行われることを特徴とする。
第１８の発明は、第１６または第１７の発明において、
前記動作判定手段は、各携帯端末装置に設けられ、
前記行動判定手段は、各携帯端末装置に設けられる携帯側行動判定手段と前記サーバに設けられるサーバ側行動判定手段とからなり、
各携帯端末装置から前記サーバには、前記動作判定手段および前記携帯側行動判定手段による判定で得られた結果と前記サーバ側行動判定手段による判定に必要なセンサ情報とが送信されることを特徴とする。
第１９の発明は、第１６から第１８までのいずれかの発明において、
前記センサ情報には、各携帯端末装置に搭載されている加速度センサから取得される加速度情報が含まれており、
前記動作判定手段は、
前記センサ情報に基づいて前記利用者が歩行状態であるか非歩行状態であるかを判定する歩行判定手段と、
前記歩行判定手段による判定で前記利用者が非歩行状態であると判定されたときに前記加速度情報から得られる加速度の標準偏差に基づいて前記利用者の動作を判定する加速度情報利用動作判定手段と
を含むことを特徴とする。
第２０の発明は、第１９の発明において、
前記動作判定手段は、前記歩行判定手段による判定で前記利用者が歩行状態であると判定されたときに前記利用者の現在位置の状態が混雑状態であるか非混雑状態であるかを前記加速度情報から得られる加速度の標準偏差に基づいて判定する混雑判定手段を更に含むことを特徴とする。
第２１の発明は、第１６から第１８までのいずれかの発明において、
前記センサ情報には、各携帯端末装置に搭載されている加速度センサから取得される加速度情報が含まれており、
各携帯端末装置において、前記動作判定手段は、前記加速度情報から得られる加速度の標準偏差に基づいて、前記利用者の動作を判定することを特徴とする。
第２２の発明は、第１６から第２１までのいずれかの発明において、
前記サーバは、前記行動判定手段による判定で得られた結果に基づいて、利用者の行動を示す情報を所定の画面上に表示する行動情報表示手段を備えることを特徴とする。
第２３の発明は、第２２の発明において、
前記行動情報表示手段は、利用者の行動を示す情報を地図を表示した画面上に当該地図上の位置と関連付けて表示することが可能であることを特徴とする。
第２４の発明は、第２３の発明において、
前記行動情報表示手段は、利用者の行動を示す情報を前記サーバに予め保持された地理的属性情報と関連付けて表示することが可能であることを特徴とする。
第２５の発明は、第２２から第２４までのいずれかの発明において、
前記サーバは、前記行動判定手段による判定で得られた結果と所定の属性情報とに基づいて前記複数の携帯端末装置の利用者の行動を統計的に分析する統計的分析手段を更に備え、
前記行動情報表示手段は、利用者の行動を示す情報として前記統計的分析手段による分析で得られた結果を表示することが可能であることを特徴とする。
第２６の発明は、第２５の発明において、
前記行動情報表示手段は、前記統計的分析手段による分析で得られた結果を表示する際に、複数の前記携帯端末装置から取得される個人属性情報、前記サーバに予め用意された地理的属性情報、および前記サーバに予め用意された時間的属性情報のうちの少なくとも１つの属性情報に基づいてフィルタリングを行うことが可能であることを特徴とする。
上記第１の発明によれば、携帯端末装置に搭載されているセンサによって得られた情報（センサ情報）に基づいて、携帯端末装置の利用者の動作の判定が行われる。このようにセンサ情報を用いることにより、利用者の詳細な動作を把握することができる。そして、その判定結果に応じて、センサ情報に基づいて利用者の行動を判定（推定）する処理が行われる。これにより、利用者の具体的な行動が精度良く推定される。
上記第２の発明によれば、センサ情報に基づいて、携帯端末装置の利用者が歩行状態であるか非歩行状態であるかの判定が行われる。そして、利用者が非歩行状態であれば、加速度の標準偏差に基づいて利用者の動作が判定される。人の動きの変化は加速度情報に反映されるため、利用者の非歩行時の詳細な動作の判定が精度良く行われる。
上記第３の発明によれば、携帯端末装置の利用者の現在位置が混雑状態であるか非混雑状態であるかが判定される。このため、多数の携帯端末装置の利用者の情報を集約することにより、各位置の混雑度を把握することが可能となる。
上記第４の発明によれば、加速度の標準偏差に基づいて利用者の動作が判定される。人の動きの変化は加速度情報に反映されるため、利用者の詳細な動作の判定が精度良く行われる。
上記第５の発明によれば、携帯端末装置の利用者の向きを考慮して（例えば、単位時間当たりの向きの変化を考慮して）利用者の具体的な行動を判定（推定）することが可能となる。
上記第６の発明によれば、携帯端末装置の利用者の行動を判定する際に地理的属性情報が考慮されるので、より精度良く利用者の行動を判定することが可能となる。
上記第７の発明によれば、携帯端末装置の利用者の現在位置を考慮して利用者の具体的な行動を判定（推定）することが可能となる。
上記第８の発明によれば、携帯端末装置の利用者が行った操作内容を考慮して利用者の具体的な行動を判定（推定）することが可能となる。
上記第９の発明によれば、利用者の行動を示す情報が画面上に表示されるので、利用者の行動の分析が容易となる。
上記第１０の発明によれば、利用者の行動に関して位置を考慮した分析が容易となる。
上記第１１の発明によれば、利用者の行動と地理的なプロファイルとの関係の把握が容易となる。
上記第１２の発明によれば、利用者の行動に関する統計的な分析結果（プロファイル毎に分析した結果）を得ることが可能となる。これにより、利用者の行動に関してプロファイル毎の傾向を把握することが可能となる。
上記第１３の発明によれば、統計的な分析結果を画面上に表示する際にフィルタリングが可能であるので、利用者の行動に関してプロファイル毎の傾向の把握が容易となる。
上記第１４の発明によれば、上記第１の発明と同様の効果が得られる。
上記第１５の発明によれば、上記第１の発明と同様の効果が得られる。
上記第１６の発明によれば、携帯端末装置に搭載されているセンサによって得られた情報（センサ情報）に基づいて、携帯端末装置の利用者の動作の判定が行われる。このようにセンサ情報を用いることにより、利用者の詳細な動作を把握することができる。そして、その判定結果に応じて、センサ情報に基づいて利用者の行動を判定（推定）する処理が行われる。これにより、利用者の具体的な行動が精度良く推定される。また、各携帯端末装置で得られた情報をサーバに送信することにより、携帯端末装置の利用者の行動に関する有益な情報が効率的に取得される。このようにして多数の携帯端末装置の利用者の情報を得ることにより、利用者の行動を詳しく分析することが可能となる。
上記第１７の発明によれば、携帯端末装置からサーバに不必要なセンサ情報が送信されることが防止され、通信回線やサーバに与える負荷が大きくなることが防止される。
上記第１８の発明によれば、携帯端末装置の利用者の行動に関する判定が携帯端末装置でもサーバでも行われるので、様々な観点から利用者の行動を判定（推定）することが可能となる。
上記第１９の発明によれば、上記第２の発明と同様の効果が得られる。
上記第２０の発明によれば、上記第３の発明と同様の効果が得られる。
上記第２１の発明によれば、上記第４の発明と同様の効果が得られる。
上記第２２の発明によれば、上記第９の発明と同様の効果が得られる。
上記第２３の発明によれば、上記第１０の発明と同様の効果が得られる。
上記第２４の発明によれば、上記第１１の発明と同様の効果が得られる。
上記第２５の発明によれば、上記第１２の発明と同様の効果が得られる。
上記第２６の発明によれば、上記第１３の発明と同様の効果が得られる。
本発明の第１の実施形態に係る行動分析システムを実現する機器構成を示すブロック図である。 上記第１の実施形態において、携帯端末装置のハードウェア構成を示すブロック図である。 上記第１の実施形態において、サーバのハードウェア構成を示すブロック図である。 上記第１の実施形態において、行動分析システムの詳細な機能構成を示すブロック図である。 上記第１の実施形態において、行動分析の処理の概略手順を示すフローチャートである。 上記第１の実施形態において、携帯端末装置で行われる処理の手順を示すフローチャートである。 上記第１の実施形態に関し、ガボール関数を表す図である。 上記第１の実施形態に関し、ウェーブレット変換の結果に基づく成分分布の表示について説明するための図である。 上記第１の実施形態において、成分分布の第１の例を示す図である。 上記第１の実施形態において、成分分布の第１の例で強度閾値以上の出力強度が現れている部分を模式的に太線で示した図である。 上記第１の実施形態において、成分分布の第２の例を示す図である。 上記第１の実施形態において、成分分布の第３の例を示す図である。 上記第１の実施形態において、成分分布の第３の例で強度閾値以上の出力強度が現れている部分を模式的に太線で示した図である。 上記第１の実施形態において、成分分布の第４の例を示す図である。 上記第１の実施形態において、成分分布の第４の例で強度閾値以上の出力強度が現れている部分を模式的に太線で示した図である。 上記第１の実施形態において、歩行割合について説明するための図である。 上記第１の実施形態において、単位時間当たりの移動量について説明するための図である。 上記第１の実施形態において、単位時間当たりの移動量について説明するための図である。 上記第１の実施形態において、サーバで行われる処理の手順を示すフローチャートである。 上記第１の実施形態において、メッシュ定義データのレコードフォーマットを示す図である。 上記第１の実施形態において、メッシュへのデータの割り当てを模式的に示した図である。 上記第１の実施形態において、地図を表示した画面の一例を示す図である。 上記第１の実施形態において、所望の情報を地図を表示した画面上に当該地図上の位置と関連付けて表示した画面の一例を示す図である。 上記第１の実施形態において、所望の情報を地図を表示した画面上に地理的プロファイルと関連付けて表示した画面の一例を示す図である。 上記第１の実施形態において、フィルタリング前の画面の一例を示す図である。 上記第１の実施形態において、フィルタリング後の画面の一例を示す図である。 上記第１の実施形態において、或る行動の発生率を１時間毎の棒グラフの態様で表示した例を示す図である。 上記第１の実施形態において、或る行動の発生率を気温別の棒グラフの態様で表示した例を示す図である。 本発明の第２の実施形態において、携帯端末装置で行われる処理の手順を示すフローチャートである。
以下、添付図面を参照しつつ本発明の実施形態について説明する。なお、以下においては、「アプリケーションソフトウェア」のことを「アプリ」と略記している。
＜１．第１の実施形態＞
＜１．１ 全体構成＞
図１は、本発明の第１の実施形態に係る行動分析システムを実現する機器構成を示すブロック図である。この行動分析システムは、サーバ２０と複数の携帯端末装置１０とによって実現される。サーバ２０と携帯端末装置１０とは、インターネットなどの通信回線を介して接続される。携帯端末装置１０には、この行動分析システムを実現するためのアプリがインストールされる。これに関し、本実施形態においては行動分析システムを実現するためのアプリとして観光案内アプリが携帯端末装置１０にインストールされるものと仮定する。携帯端末装置１０で観光案内アプリが起動されることによって、当該携帯端末装置１０においてその利用者（以下、「ユーザー」という。）の行動分析のための処理が開始される。但し、本発明はこれに限定されず、例えば各種店舗（スーパーマーケットなど）用のクーポンアプリ、地図アプリ、地域の情報提供アプリなどがこの行動分析システムを実現するためのアプリとして携帯端末装置１０にインストールされるようにしても良い。また、例えば、この行動分析システムを実現するための機能が携帯端末装置１０にプレインストールされるようにしても良い。
なお、ここでの携帯端末装置１０とは、一般的な携帯電話機器だけでなくヘッドマウントディスプレイ（頭部装着型表示装置）のようないわゆるウェアラブル端末をも含む概念である。
＜１．２ ハードウェア構成＞
図２は、携帯端末装置１０のハードウェア構成を示すブロック図である。携帯端末装置１０は、ＣＰＵ１１，フラッシュＲＯＭ１２，ＲＡＭ１３，通信制御部１４，映像撮影部（カメラ）１５，入力操作部１６，表示部１７，加速度センサ１８ａ，地磁気センサ（コンパス）１８ｂ，およびＧＰＳセンサ１８ｃを有している。ＣＰＵ１１は、この携帯端末装置１０の全体を制御するために各種演算処理等を行う。フラッシュＲＯＭ１２は、書き込み可能な不揮発性のメモリであって、携帯端末装置１０の電源がオフされても保持されるべき各種プログラム・各種データを格納する。ＲＡＭ１３は、書き込み可能な揮発性のメモリであって、実行中のプログラムやデータ等を一時的に格納する。通信制御部１４は、外部へのデータ送信の制御や外部からのデータ受信の制御を行う。映像撮影部（カメラ）１５は、ユーザーによる操作に基づいて、現在位置から見える風景の撮影を行う。入力操作部１６は、例えばタッチパネルであって、ユーザーによる入力操作を受け付ける。表示部１７は、ＣＰＵ１１からの指令に基づいて、画像の表示を行う。加速度センサ１８ａは、この携帯端末装置１０の動きに基づいて、加速度を測定する。地磁気センサ（コンパス）１８ｂは、この携帯端末装置１０の向いている方位（例えば表示部１７の向いている方位）を検出する。ＧＰＳセンサ１８ｃは、ＧＰＳ衛星から受信する電波に基づいて、ユーザーの現在位置を特定するための緯度・経度の情報を取得する。
携帯端末装置１０内において、観光案内アプリを実現する観光案内プログラムは、フラッシュＲＯＭ１２に格納される。ユーザーによって観光案内アプリの起動が指示されると、フラッシュＲＯＭ１２に格納されている観光案内プログラムがＲＡＭ１３に読み出され、そのＲＡＭ１３に読み出された観光案内プログラムをＣＰＵ１１が実行することにより、観光案内アプリの機能がユーザーに提供される。なお、観光案内プログラムは、典型的にはインターネットなどの通信回線を介してサーバ２０から携帯端末装置１０にダウンロードされ、当該携帯端末装置１０内のフラッシュＲＯＭ１２にインストールされる。本実施形態においては、ユーザーの行動を分析するための行動分析プログラムが観光案内プログラム内に埋め込まれている。そして、ユーザーによって観光案内アプリが使用されている期間を通じて、携帯端末装置１０の内部でＣＰＵ１１によって行動分析プログラムが実行される。
図３は、サーバ２０のハードウェア構成を示すブロック図である。サーバ２０は、ＣＰＵ２１，ＲＯＭ２２，ＲＡＭ２３，補助記憶装置２４，通信制御部２５，入力操作部２６，および表示部２７を有している。ＣＰＵ２１は、このサーバ２０の全体を制御するために各種演算処理等を行う。ＲＯＭ２２は、読み出し専用のメモリであって、例えばサーバ２０の起動時にＣＰＵ２１に実行させる初期プログラムなどを格納する。ＲＡＭ２３は、書き込み可能な揮発性のメモリであって、実行中のプログラムやデータ等を一時的に格納する。補助記憶装置２４は、磁気ディスク装置などであって、サーバ２０の電源がオフされても保持されるべき各種プログラム・各種データを格納する。通信制御部２５は、外部へのデータ送信の制御や外部からのデータ受信の制御を行う。入力操作部２６は、例えばキーボードやマウスであって、オペレータによる入力操作を受け付ける。表示部２７は、ＣＰＵ２１からの指令に基づいて、画像の表示を行う。
サーバ２０の補助記憶装置２４には、各携帯端末装置１０から送信されるデータに基づきユーザーの行動を分析するための行動分析プログラムが格納されている。サーバ２０が起動すると、補助記憶装置２４に格納されている行動分析プログラムがＲＡＭ２３に読み出され、そのＲＡＭ２３に読み出された行動分析プログラムがＣＰＵ２１によって実行される。
本実施形態においては、携帯端末装置１０およびサーバ２０の双方で、ユーザーの行動を分析するための行動分析プログラムが実行される。但し、携帯端末装置１０で実行される行動分析プログラムとサーバ２０で実行される行動分析プログラムとは互いに異なる処理を行うプログラムである。
＜１．３ 機能構成＞
図４は、本実施形態に係る行動分析システムの詳細な機能構成を示すブロック図である。この行動分析システムは、携帯端末装置１０とサーバ２０とによって実現される。なお、上述したように携帯端末装置１０には観光案内アプリがインストールされているが、図４には行動分析プログラムに関する構成要素のみを示している。携帯端末装置１０は、加速度測定手段１００，現在位置検出手段１０２，方位検出手段１０４，動作判定手段１１０，位置情報利用行動判定手段１２０，操作情報利用行動判定手段１３０，および個人プロファイル保持手段１４０を有している。サーバ２０は、データ受信手段２００，データ記憶手段２１０，地理的プロファイル保持手段２２０，時間的プロファイル保持手段２３０，方位情報利用行動判定手段２４０，データ集約手段２５０，プロファイル分析手段２６０，および結果表示手段２７０を有している。
なお、本実施形態においては、位置情報利用行動判定手段１２０および操作情報利用行動判定手段１３０によって携帯側行動判定手段が実現され、方位情報利用行動判定手段２４０によってサーバ側行動判定手段が実現され、プロファイル分析手段２６０によって統計的分析手段が実現され、結果表示手段２７０によって行動情報表示手段が実現されている。
＜１．３．１ 携帯端末装置の構成要素の動作＞
携帯端末装置１０の各構成要素の動作について説明する。加速度測定手段１００は、ユーザーの動作に起因する携帯端末装置１０の動きに基づいて加速度を測定し、測定結果を加速度情報Ｓｄａとして出力する。この加速度測定手段１００による加速度の測定は、例えば７０ミリ秒毎に行われる。現在位置検出手段１０２は、ＧＰＳ衛星から受信する電波に基づいてユーザーの現在位置を特定するための緯度・経度の情報を取得し、それを位置情報Ｐｄａとして出力する。方位検出手段１０４は、この携帯端末装置１０の向いている方位を検出し、検出結果を方位情報Ｈｄａとして出力する。なお、加速度測定手段１００はハードウェアとしての加速度センサ１８ａによって実現され、方位検出手段１０４はハードウェアとしての地磁気センサ１８ｂによって実現され、現在位置検出手段１０２はハードウェアとしてのＧＰＳセンサ１８ｃによって実現される（図２参照）。
動作判定手段１１０は、加速度情報Ｓｄａに基づいてユーザーの動作を判定し、その判定結果Ｒ（Ａ）を出力する。詳しくは、動作判定手段１１０は、まず、ユーザーが歩行状態であるか非歩行状態であるかを加速度情報Ｓｄａに基づいて判定する。その結果、ユーザーが歩行状態であれば、動作判定手段１１０は、ユーザーの現在位置の状態が混雑状態であるか非混雑状態であるかを加速度情報Ｓｄａに基づいて判定する。一方、ユーザーが非歩行状態であれば、動作判定手段１１０は、ユーザーの動作を加速度情報Ｓｄａに基づいて判定する。以上のように、本実施形態における動作判定手段１１０には、機能的には歩行判定手段と加速度情報利用行動判定手段と混雑判定手段とが含まれている。なお、動作判定手段１１０による判定についての更に詳しい説明は後述する。
位置情報利用行動判定手段１２０は、ユーザーの行動を位置情報Ｐｄａに基づいて判定し、その判定結果Ｒ（Ｐ）を出力する。操作情報利用行動判定手段１３０は、ユーザーの行動を操作情報Ｍｄａに基づいて判定し、その判定結果Ｒ（Ｍ）を出力する。なお、操作情報Ｍｄａとは、携帯端末装置１０でユーザーによって実行された操作内容を示す情報である。操作情報Ｍｄａの例としては、写真アプリが起動された旨を示す情報や地図アプリが起動された旨を示す情報などが挙げられる。本実施形態においては、ある一時点には、動作判定手段１１０による判定で得られた判定結果Ｒ（Ａ）に応じて、位置情報利用行動判定手段１２０による判定または操作情報利用行動判定手段１３０による判定のいずれかが行われる。なお、位置情報利用行動判定手段１２０による判定および操作情報利用行動判定手段１３０による判定についての詳しい説明は後述する。
個人プロファイル保持手段１４０には、該当の携帯端末装置１０のユーザーに関する属性情報（年齢，性別，使用言語，国籍，好みなどの情報）である個人プロファイルＰｐｒが保持される。この個人プロファイルＰｐｒにより、例えば「（ある携帯端末装置１０のユーザーに関し）年齢は３５歳である」というような情報が得られる。
データ送信手段１５０は、判定結果Ｒ（Ａ），判定結果Ｒ（Ｐ），判定結果Ｒ（Ｍ），位置情報Ｐｄａ，方位情報Ｈｄａ，および個人プロファイルＰｐｒをサーバ２０に送信する。なお、以下においては、携帯端末装置１０からサーバ２０に送られる情報をまとめて「分析用データ」という。分析用データには符号Ａｄａを付す。データ送信手段１５０による分析用データＡｄａの送信（すなわち携帯端末装置１０からサーバ２０への分析用データＡｄａの送信）が実行される時間間隔は、分析目的などに応じて決定される。本実施形態においては５分毎にデータ送信手段１５０による分析用データＡｄａの送信が行われるものと仮定する。
＜１．３．２ サーバの構成要素の動作＞
次に、サーバ２０の各構成要素の動作について説明する。データ受信手段２００は、各携帯端末装置１０から送られる分析用データＡｄａを受信する。その分析用データＡｄａはデータ記憶手段２１０に格納される。データ記憶手段２１０は、分析用データＡｄａや後述する方位情報利用行動判定手段２４０による判定で得られた判定結果Ｒ（Ｈ）を保持する。
地理的プロファイル保持手段２２０には、位置の情報（緯度・経度の情報）と地理的な属性情報とを対応付けた地理的プロファイルＧｐｒが保持される。地理的プロファイルＧｐｒとして保持される属性情報の例としては、店舗の種別，施設の種別，道路の状態（路幅，曲がり角，信号，横断歩道，階段，坂道）などが挙げられる。この地理的プロファイルＧｐｒにより、例えば「ある緯度・経度の位置にスーパーマーケットが存在する」というような情報が得られる。
時間的プロファイル保持手段２３０には、時間（年月日，時刻）の情報と各種属性情報とを対応付けた時間的プロファイルＴｐｒが保持される。時間的プロファイルＴｐｒとして保持される属性情報の例としては、季節，曜日，天候，気温，イベントの有無などが挙げられる。この時間的プロファイルＴｐｒにより、例えば「（ある地域に関し）２０１７年１月１５日の午前８時から午前１１時までの天候は雨であった」というような情報が得られる。
方位情報利用行動判定手段２４０は、分析用データＡｄａに含まれる判定結果Ｒ（Ａ）から非歩行状態である（立ち止まっている）と判断されるユーザーの行動を地理的プロファイルＧｐｒと分析用データＡｄａに含まれる方位情報Ｈｄａとに基づいて判定し、その判定結果Ｒ（Ｈ）を出力する。判定結果Ｒ（Ｈ）はデータ記憶手段２１０に格納される。なお、方位情報利用行動判定手段２４０による判定についての詳しい説明は後述する。
データ集約手段２５０は、データ記憶手段２１０に保持されているデータ（各種の判定結果など）をメッシュ毎に集約する。プロファイル分析手段２６０は、データ記憶手段２１０に保持されているデータ，データ集約手段２５０による集約後のデータ，地理的プロファイルＧｐｒ，および時間的プロファイルＴｐｒに基づいてユーザー（複数の携帯端末装置１０のユーザー）の行動を統計的に分析する。なお、プロファイル分析手段２６０による分析についての詳しい説明は後述する。
結果表示手段２７０は、データ記憶手段２１０に保持されているデータあるいはプロファイル分析手段２６０による分析で得られた結果Ｒｄａに基づいて、ユーザーの行動を示す情報を表示部２７に表示する。その際、結果表示手段２７０は、ユーザーの行動を示す情報を地図を表示した画面上に当該地図上の位置と関連付けて表示することが可能である。また、結果表示手段２７０は、ユーザーの行動を示す情報を地図を表示した画面上に地理的プロファイルＧｐｒと関連付けて表示することが可能である。
＜１．４ 行動分析方法＞
次に、本実施形態における行動分析方法について説明する。
＜１．４．１ 概要＞
図５は、本実施形態における行動分析の処理の概略手順を示すフローチャートである。まず、各携帯端末装置１０においてセンサ情報が取得される（Ｓ１０）。本実施形態においては、センサ情報として加速度情報Ｓｄａ，位置情報Ｐｄａ，および方位情報Ｈｄａが取得される。このステップＳ１１０でのセンサ情報の取得に関しては、各センサの能力などに応じて、極めて短い時間間隔（例えば７０ミリ秒間隔）でデータが取得される。
次に、各携帯端末装置１０において、ユーザーの動作がどのようなものであるのかの判定（動作判定）が行われる（ステップＳ２０）。なお、ここでの「動作」とは、単なる身体の動きの大きさを意味し、何らかの目的を持って行われる振る舞い（行為）を意味するのではない。
次に、動作判定の結果に応じて、センサ情報に基づきユーザーの詳細な行動についての判定が行われる（ステップＳ３０）。本実施形態においては、このステップＳ３０での判定（行動判定）については、判定に使用するセンサ情報に応じて携帯端末装置１０またはサーバ２０のいずれかで行われる。その後、ユーザーの行動に関し、ステップＳ２０およびステップＳ３０で得られた結果に基づいて各種プロファイル（地理的プロファイルＧｐｒ，時間プロファイルＴｐｒ，個人プロファイルＰｐｒ）を用いた統計的な分析が行われる（ステップＳ４０）。そして、サーバ２０のオペレータの操作に基づき、ユーザーの行動を示す情報が画面上に表示される（ステップＳ５０）。
ところで、ステップＳ３０での行動判定に関し、本実施形態においては、携帯端末装置１０で得られる情報のみに基づいて行うことのできる判定については携帯端末装置１０で行われ、それ以外の判定についてはサーバ２０で行われる。以下、携帯端末装置１０で行われる処理およびサーバ２０で行われる処理のそれぞれについて詳しく説明する。
＜１．４．２ 携帯端末装置で行われる処理＞
図６は、携帯端末装置１０で行われる処理の手順を示すフローチャートである。携帯端末装置１０で観光案内アプリが起動されると、まず、センサ情報の取得が行われる（ステップＳ１１０）。本実施形態においては、具体的には、加速度情報Ｓｄａ，位置情報Ｐｄａ，および方位情報Ｈｄａが取得される。なお、これらの情報は、随時、取得される。
次に、動作判定手段１１０によって、携帯端末装置１０のユーザーが歩行状態であるか非歩行状態であるかの判定が行われる（ステップＳ１２０）。このステップＳ１２０での判定は、加速度情報Ｓｄａに対して周波数解析を施すことによって得られる結果に基づいて行われる。
本実施形態においては、周波数解析を行う具体的な手段として、ウェーブレット解析が採用される。ウェーブレット解析は、マザーウェーブレットと呼ばれる関数を時間軸方向に伸縮およびシフトすることによって得られる関数（ウェーブレット関数）と解析対象の信号との内積を計算する処理（ウェーブレット変換）を行うことにより、当該解析対象の信号についての時間と周波数との組み合わせに関する成分分布を求める周波数解析手段である。信号の周波数を解析する手段として一般的に用いられているフーリエ変換によれば各周波数の成分の時間的変化を求めることができないが、ウェーブレット変換によれば各周波数の成分の時間的変化を求めることができる。
一般に、ウェーブレット変換Ｗ（ａ，ｂ）は、次式（１）で表される。
上式（１）に関し、ψa,b（ｔ）はウェーブレット関数を表し、ｆ（ｔ）は解析対象の信号（本実施形態では、加速度情報Ｓｄａ）を表し、ａは周波数の逆数に比例するパラメータ（スケールパラメータ）を表し、ｂは時間に比例するパラメータ（シフトパラメータ）を表す。すなわち、Ｗ（ａ，ｂ）は、時間と周波数との組み合わせに対応する出力強度を表す。
上式（１）中のウェーブレット関数ψa,b（ｔ）は、次式（２）に示すようにマザーウェーブレットψを時間軸方向に伸縮およびシフトすることによって生成される。
なお、上式（２）を上式（１）に代入することによって、次式（３）が得られる。
ところで、本実施形態においては、マザーウェーブレットとして、次式（４）で表される「ガボールのマザーウェーブレット」が用いられる。ガボールのマザーウェーブレット（ガボール関数）は、図７のように表され、信号の局所的な周波数成分の検出に適していることが知られている。
上式（４）に関し、σは減衰係数を表し、ｉは虚数を表し、ωは角速度を表す。なお、ｅｘｐＺはｅ（自然対数の底）のＺ乗を意味する。
このようなウェーブレット変換によれば、上述したように時間と周波数との組み合わせに関する成分分布が求められる。一般に、この成分分布を図示する際には、縦軸を周波数とし横軸を時間とするグラフ（図８参照）が用いられ、時間と周波数との組み合わせに対応する領域（図８において符号４１で示す領域）に出力強度（成分の強さ）が明るさによって表される。
本実施形態においては、加速度測定手段１００（加速度センサ１８ａ）によって取得された所定時間分の加速度情報Ｓｄａに対してガボールのマザーウェーブレットを用いたウェーブレット変換が施される。なお、この１回の処理の対象となる期間（上記所定時間に相当する期間）のことを以下「解析対象期間」という。この歩行判定の処理（ステップＳ１２０の処理）では、ユーザーが歩行状態であると考えられる周波数帯において出力強度が予め定められた閾値以上になっている期間（以下、「推測歩行期間」という。）に着目がなされ、解析対象期間の長さに対する推測歩行期間の長さの割合（以下、「歩行割合」という。）を考慮して、ユーザーが歩行状態であるか非歩行状態であるかが判定される。以下、詳しく説明する。
ウェーブレット変換によれば、広範囲の周波数帯について出力強度の時間的変化を求めることができる。しかしながら、定常状態での歩行が行われている時には、出力強度についての強いピークは或る限られた範囲の周波数帯に現れると考えられる。そこで、本実施形態においては、定常状態での歩行が行われている時に強いピークが現れると考えられる周波数帯を解析対象周波数帯とし、解析対象周波数帯に含まれる周波数のデータのみに着目する。具体的には、加速度情報Ｓｄａに対してウェーブレット変換を施す際に、解析対象周波数帯に含まれる周波数のみについて出力強度（時間との組み合わせに対応する出力強度）が求められるよう、上式（１）中のスケールパラメータａを変化させる。また、解析対象期間中の所望の各時刻における出力強度が求められるよう、上式（１）中のシフトパラメータｂを変化させる。このように加速度情報Ｓｄａに対するウェーブレット変換の際にスケールパラメータａおよびシフトパラメータｂを適宜に変化させることにより、ユーザーが歩行状態であるか非歩行状態であるかの判定に必要なデータが効果的に抽出される。
また、仮に解析対象期間を通じて出力強度についてのピークが連続的に観測されていても、当該ピークの出力強度が低ければ、当該ピークは歩行動作に起因して生じたものとは限らない。そこで、本実施形態においては、解析対象周波数帯において出力強度が或る一定の閾値以上となっているデータに着目する。具体的には、出力強度と比較するための閾値（以下、便宜上「強度閾値」という。）を予め設定しておき、解析対象周波数帯において出力強度が強度閾値以上となっている期間を上述した推測歩行期間とする。
ここで、加速度情報Ｓｄａに対してウェーブレット変換を施すことによって得られる成分分布の例を示す。図９は、成分分布の第１の例を示す図である。図１０は、第１の例で強度閾値以上の出力強度が現れている部分を模式的に太線で示した図である。この第１の例は、解析対象期間を通じて定常状態での歩行が行われたときの例である。この第１の例では、歩行割合は１００％である。図１１は、成分分布の第２の例を示す図である。この第２の例では、強度閾値以上の出力強度が現れている部分は全くない。すなわち、歩行割合は０％である。図１２は、成分分布の第３の例を示す図である。図１３は、第３の例で強度閾値以上の出力強度が現れている部分を模式的に太線で示した図である。この第３の例は、定常状態での歩行中に何らかの理由で一時的に歩行速度に変化が生じたときの例である。この第３の例では、歩行割合は１００％となる。図１４は、成分分布の第４の例を示す図である。図１５は、第４の例で強度閾値以上の出力強度が現れている部分を模式的に太線で示した図である。この第４の例は、解析対象期間の途中で歩行動作が開始されたときの例である。この第４の例では、歩行割合は約５０％である。
ところで、解析対象期間において、出力強度が上述した強度閾値以上となっている期間（推測歩行期間）は必ずしも１つのまとまった期間であるとは限らない。これについて、図１６を参照しつつ説明する。図１６では、推測歩行期間を太線で表している。ケース１では、推測歩行期間は１つのまとまった期間（連続した期間）となっている。このケース１では、「時点ｔ１から時点ｔ５までの期間の長さ」に対する「時点ｔ１から時点ｔ４までの期間の長さ」の割合が歩行割合とされる。ケース２では、解析対象期間の前半の一部の期間と解析対象期間の後半の一部の期間とが推測歩行期間となっている。このケース２では、「時点ｔ１から時点ｔ５までの期間の長さ」に対する「時点ｔ１から時点ｔ２までの期間の長さと時点ｔ３から時点ｔ５までの期間の長さとの和」の割合が歩行割合とされる。
本実施形態では、以上のような歩行割合と比較するための閾値（以下、便宜上「割合閾値」という。）が予め定められる。そして、この歩行判定の処理（ステップＳ１２０の処理）において、歩行割合と割合閾値とが比較され、歩行割合が割合閾値以上であれば「ユーザーは歩行状態である」旨の判定が行われ、歩行割合が割合閾値未満であれば「ユーザーは非歩行状態である」旨の判定が行われる。
以上のような歩行判定の処理（ステップＳ１２０の処理）の結果、「ユーザーは歩行状態である」と判定されると処理はステップＳ１４０に進み、「ユーザーは非歩行状態である」と判定されると処理はステップＳ１５０に進む（ステップＳ１３０）（図６参照）。なお、本実施形態においては上述のように加速度情報Ｓｄａに対して周波数解析を施すことによって得られる結果に基づいて歩行判定が行われるが、本発明はこれに限定されず、他の手法により歩行判定が行われても良い。例えば、方位情報Ｈｄａや角速度の情報などを用いて歩行判定を行うこともできる。
ステップＳ１４０では、動作判定手段１１０によって、ユーザーの現在位置の状態が混雑状態であるか非混雑状態であるかの判定（混雑判定）が行われる。このステップＳ１４０では、まず、例えば直近の１０秒間分の加速度の標準偏差が算出される。一般的に、人が混雑している場所を歩いている時には、歩幅が小さくなり全体の動きが小さくなるので、加速度のばらつきは小さくなる。これに対して、人が空いている場所を歩いている時には、歩幅が大きくなり全体の動きが大きくなるので、加速度のばらつきは大きくなる。このように、混雑の程度に応じて加速度のばらつきが変化する。そこで、ステップＳ１４０では、加速度のばらつきの指標となる（加速度の）標準偏差を用いて混雑判定が行われる。具体的には、標準偏差と比較するための閾値が用意され、以下の（Ａ−１）〜（Ａ−２）に記すような判定が行われる。
（Ａ−１）：標準偏差が閾値未満であれば、「ユーザーの現在位置の状態は混雑状態である」旨の判定が行われる。
（Ａ−２）：標準偏差が閾値以上であれば、「ユーザーの現在位置の状態は非混雑状態である」旨の判定が行われる。
混雑判定の終了後、位置情報利用行動判定手段１２０によって、位置情報Ｐｄａを利用した行動判定が行われる（Ｓ１４２）。このステップＳ１４２では、まず、位置情報Ｐｄａに基づいて、ユーザーの単位時間（例えば５秒間）当たりの移動量が求められる。ところで、単位時間中にユーザーは必ずしも直線的に歩行（移動）するとは限らない。そこで、移動量（単位時間当たりの移動量）は、例えば、移動範囲全体を包含するような最小の矩形範囲の左上座標−右下座標間の距離とされる。例えば、単位時間中にユーザーが図１７で符号５１を付した矢印のように移動した場合、座標５２と座標５３とを結ぶ直線の距離が移動量とされる。また、例えば、単位時間中にユーザーが図１８で符号５６を付した矢印のように移動した場合、座標５７と座標５８とを結ぶ直線の距離が移動量とされる。但し、本発明はこれに限定されず、例えば、実際の総移動距離を移動量としても良いし、始点と終点とを結ぶ直線の距離を移動量としても良い。ステップＳ１４２では、以上のようにして求められた単位時間当たりの移動量に基づいて、ユーザーの詳細な行動を推定するための判定が行われる。このステップ１４２では、例えば、以下の（Ｂ−１）〜（Ｂ−２）に記すような判定が行われる。但し、本発明は、以下に示す例には限定されず、目的に応じた判定が行われれば良い。
単位時間当たりの移動量が所定の閾値と比較され、当該移動量が当該閾値未満である場合に以下の（Ｂ−１）〜（Ｂ−２）に記す判定が行われる。
（Ｂ−１）：移動量が毎秒１０ｃｍ以下であれば、「ユーザーは大混雑に巻き込まれている」旨の判定が行われる。
（Ｂ−２）：（このステップＳ１４２が実行される時刻から所定時間前までのデータを用いて）ユーザーが或る範囲の区域内だけを移動していると判断されると、「ユーザーは該当の区域に興味がある」旨の判定が行われる。
一方、ステップＳ１５０では、動作判定手段１１０によって、加速度情報Ｓｄａを利用した動作判定が行われる。このステップＳ１５０では、上記ステップＳ１４０と同様、まず、加速度の標準偏差が算出される。そして、算出された標準偏差と比較するための閾値が用意され、以下の（Ｃ−１）〜（Ｃ−２）に記すような判定が行われる。
（Ｃ−１）標準偏差が閾値未満であれば、「ユーザーは、該当の場所に留まっている（例えば、観光対象，商品などユーザーの興味を引くものが該当の場所に存在する。）。」旨の判定が行われる。
（Ｃ−２）標準偏差が閾値以上であれば、「ユーザーは、例えばウィンドウショッピングをするなど、時々立ち止まりながら歩いている。」旨の判定が行われる。
加速度情報Ｓｄａを利用した動作判定の終了後、操作情報利用行動判定手段１３０によって、操作情報Ｍｄａを利用した行動判定が行われる（Ｓ１５２）。なお、操作情報Ｍｄａについては適宜のタイミングで取得されるものとする。このステップＳ１５２では、例えば、以下の（Ｄ−１）〜（Ｄ−２）に記すような判定が行われる。但し、本発明は、以下に示す例には限定されず、目的に応じた判定が行われれば良い。
（Ｄ−１）：操作情報Ｍｄａとして写真アプリを起動した旨の情報が取得されると、「ユーザーは写真撮影をしている。」旨の判定が行われる。
（Ｄ−２）：操作情報Ｍｄａとして地図アプリを起動した旨の情報が取得されると、「ユーザーは道に迷っている。」旨の判定が行われる。
ステップＳ１４２またはステップＳ１５２の終了後、各種判定結果・センサ情報等をサーバ２０に前回送信してから所定時間が経過したか否かの判定が行われる（ステップＳ１６０）。その結果、所定時間が経過していれば処理はステップＳ１７０に進み、所定時間が経過していなければ処理はステップＳ１１０に戻る。なお、本実施形態においては、ステップＳ１６０では判定結果・センサ情報等をサーバ２０に前回送信してから５分経過したか否かの判定が行われる。
ステップＳ１７０では、所定時間中に蓄積されたデータ（各種判定結果・センサ情報等）が上述の分析用データＡｄａとして携帯端末装置１０からサーバ２０に送信される。上述したステップＳ１６０の処理により、本実施形態においては５分毎に携帯端末装置１０からサーバ２０に分析用データＡｄａが送信される。サーバ２０への分析用データＡｄａの送信後、処理はステップＳ１１０に戻る。その後、携帯端末装置１０で観光案内アプリの使用が終了されるまで、ステップＳ１１０〜ステップＳ１７０の処理が繰り返される。
ところで、サーバ２０への分析用データＡｄａの送信は５分毎に行われるところ、ステップＳ１２０での歩行判定は所定の単位時間毎に行われる。本実施形態においてはステップＳ１２０での歩行判定は５秒毎に行われるものと仮定する。そして、その５秒毎に行われる歩行判定に応じて、ステップＳ１４０での混雑判定，ステップＳ１４２での行動判定，ステップＳ１５０での動作判定，およびステップＳ１５２での行動判定が行われる。従って、サーバ２０への分析用データＡｄａの送信が行われてから次にサーバ２０への分析用データＡｄａの送信が行われるまでの５分間を通じてユーザーが歩行状態であれば、その５分間を通じてステップＳ１４０での混雑判定およびステップＳ１４２での行動判定が５秒毎に行われる。また、該当の５分間に関して仮に最初の３分間にはユーザーが歩行状態であって最後の２分間にはユーザーが非歩行状態であれば、最初の３分間にはステップＳ１４０での混雑判定およびステップＳ１４２での行動判定が５秒毎に行われ、最後の２分間にはステップＳ１５０での動作判定およびステップＳ１５２での行動判定が５秒毎に行われる。
なお、図６で符号３０を付した点線内の処理（ステップＳ１２０，Ｓ１３０，Ｓ１４０，およびＳ１５０の処理）が、図５におけるステップＳ２０の処理（動作判定の処理）に相当する。
＜１．４．３ サーバで行われる処理＞
図１９は、サーバ２０で行われる処理の手順を示すフローチャートである。サーバ２０では、各携帯端末装置１０が上述した分析用データ（各種判定結果・センサ情報等）Ａｄａを送信する都度、データ受信手段２００によって当該分析用データＡｄａが受信される（Ｓ２１０）。
ところで、上述したように、本実施形態においては各携帯端末装置１０での歩行判定が５秒毎に行われるのに対して各携帯端末装置１０からサーバ２０への分析用データＡｄａの送信は５分毎に行われる。従って、一度に送信される分析用データＡｄａには、５秒毎の各時点のデータが含まれている。すなわち、一度に送信される分析用データＡｄａには、「ユーザーは歩行状態である」旨の判定がなされたデータと「ユーザーは非歩行状態である」旨の判定がなされたデータとが混在し得る。そこで、分析用データＡｄａの受信後、その分析用データＡｄａの中に「ユーザーは非歩行状態である」旨の判定がなされたデータ（５秒毎のデータ）が含まれているか否かの判定が行われる（ステップＳ２２０）。その結果、該当のデータが存在すれば処理はステップＳ２３０に進み、該当のデータが存在しなければ処理はステップＳ２４０に進む。
ステップＳ２３０では、方位情報利用行動判定手段２４０によって、該当の携帯端末装置１０のユーザーに関して方位情報Ｈｄａを利用した行動判定が行われる。このステップＳ２３０では、まず、分析用データＡｄａに含まれる方位情報Ｈｄａに基づいて単位時間当たりの（ユーザーの）向きの角度範囲が求められる。そして、その求められた角度範囲と地理的プロファイルＧｐｒとに基づいて、ユーザーの詳細な行動を推定するための様々な判定が行われる。以下に、ステップＳ２３０で行われる判定の具体例を挙げる。但し、本発明は、以下に示す例には限定されず、目的に応じた判定が行われれば良い。
単位時間当たりの向きの角度範囲が所定の閾値と比較され、当該角度範囲が当該閾値未満であれば以下の（Ｅ−１）〜（Ｅ−４）に記す判定が行われ、当該角度範囲が当該閾値以上であれば以下の（Ｅ−５）〜（Ｅ−６）に記す判定が行われる。なお、ユーザーの位置は分析用データＡｄａに含まれる位置情報Ｐｄａより得られる。
（Ｅ−１）：ユーザーの位置が店舗（例えば土産物店）の前であれば、「ユーザーは当該店舗に興味を示している（ユーザーは例えば店舗内の商品を注視していたり行列に並んでいたりする）。」旨の判定が行われる。
（Ｅ−２）：ユーザーの位置が景観地区であれば、「ユーザーは風景を眺めている」旨の判定が行われる。
（Ｅ−３）：ユーザーの位置が横断歩道であれば、「ユーザーは信号待ちをしている」旨の判定が行われる。
（Ｅ−４）：ユーザーの位置が単なる路上であれば、「ユーザーは立ち話をしている」旨の判定が行われる。
（Ｅ−５）：ユーザーの位置が店舗（例えば土産物店）内であれば、「ユーザーは商品を探している。」旨の判定が行われる。
（Ｅ−６）：ユーザーの位置が単なる路上であれば、「ユーザーは道に迷っている。」旨の判定が行われる。
なお、ここでは単位時間当たりの向きの角度範囲が所定の閾値と比較されるものとしているが、（Ｅ−１）〜（Ｅ−６）に記した各判定毎に異なる閾値を用いるようにしても良い。
サーバ２０では、以上のようなステップＳ２１０からステップＳ２３０までの処理（図１９で符号６０を付した点線内の処理）が携帯端末装置１０毎に行われる。従って、統計的な行動分析を可能にするための、多数の携帯端末装置１０のユーザーについてのデータ（歩行判定の結果や各種行動判定の結果など）が得られる。
ステップＳ２４０では、ステップＳ２１０からステップＳ２３０までの処理で得られたデータがメッシュ毎に集約される。換言すれば、１つのまとまりのあるデータ（例えば単位時間毎のデータ）毎にデータをメッシュに割り当てる処理が行われる。これに関し、サーバ２０には、各メッシュを定義したデータとして、例えば図２０に示すようなレコードフォーマットを有するメッシュ定義データが予め保持されている。図２０に示すように、メッシュ定義データには、各メッシュについての左上の緯度・経度の情報および右下の緯度・経度の情報が含まれている。また、携帯端末装置１０からサーバ２０に送信される分析用データＡｄａには、位置情報Ｐｄａが含まれている。以上より、位置情報Ｐｄａとメッシュ定義データとに基づいて、模式的には図２１に示すように、１つのまとまりのあるデータをそれに対応するメッシュに割り当てることができる。なお、目的によっては、このステップＳ２４０の処理は必ずしも行われる必要はない。
ところで、携帯端末装置１０では、ステップＳ１４０（図６参照）で、ユーザーの現在位置の状態が混雑状態であるか非混雑状態であるかの判定（混雑判定）が行われる。その混雑判定で得られた結果をメッシュ毎に集約することにより、メッシュ毎の混雑度を求めることが可能となる。このように、メッシュ毎にデータを集約することにより、各種情報に関してメッシュ毎の分析を行うことが可能となる。
ステップＳ２４０の終了後、プロファイル分析手段２６０によって、ステップＳ２１０からステップＳ２４０までの処理で得られたデータに基づき、ユーザー（複数の携帯端末装置１０のユーザー）の行動を各種プロファイル（地理的プロファイルＧｐｒ，時間的プロファイルＴｐｒ，および分析用データＡｄａに含まれる個人プロファイルＰｐｒ）を用いて統計的に分析する処理が行われる（ステップＳ２５０）。以下に、この行動分析システムの利用者がステップＳ２５０での統計的分析により取得したい情報と当該情報を取得する方法についての具体例を挙げる。
（具体例１）
取得したい情報：３０代の女性が立ち止まりやすい景観地点
当該情報を取得する方法：分析用データＡｄａから個人プロファイルＰｐｒ（ここでは、年代および性別）に基づいて「３０代かつ女性」のデータを抽出する。その抽出したデータと地理的プロファイルＧｐｒとを用いて、景観地点に指定されている位置のそれぞれにおける立ち止まり率を算出する。ここでの立ち止まり率は、例えば、「該当の位置に関して上述した（Ｅ−２）の判定で“ユーザーは風景を眺めている”旨の判定が行われたユーザーの数」を「該当の位置を通過したユーザーの数」で除することによって求められる。そして、立ち止まり率を所定の閾値と比較して、立ち止まり率が当該閾値以上であれば、該当の位置を「３０代の女性が立ち止まりやすい景観地点」であると判定する。
（具体例２）
取得したい情報：中国人が立ち止まりやすい場所
当該情報を取得する方法：分析用データＡｄａから個人プロファイルＰｐｒ（ここでは、国籍）に基づいて「中国人」のデータを抽出する。その抽出したデータを用いて、ステップＳ１２０（図６参照）の歩行判定で「ユーザーは非歩行状態である」旨の判定が行われたユーザーの数の１日当たりの平均値を場所毎（所定の大きさの範囲毎）に求める。そして、その求めた平均値を所定の閾値と比較して、平均値が当該閾値以上であれば、該当の場所を「中国人が立ち止まりやすい場所」であると判定する。
（具体例３）
取得したい情報：５０代以上の観光客が迷いやすい曲がり角
当該情報を取得する方法：分析用データＡｄａから個人プロファイルＰｐｒ（ここでは、年代および住所）に基づいて「５０代以上の観光客」のデータを抽出する。なお、該当のユーザーが観光客であるか否かの判断については、例えば住所から現在位置までの距離を所定の閾値と比較することによって行う。抽出したデータと地理的プロファイルＧｐｒとを用いて、曲がり角に指定されている位置のそれぞれにおける迷い率を算出する。迷い率は、例えば、「該当の位置に関して上述した（Ｄ−２）の判定または上述した（Ｅ−６）の判定で“ユーザーは道に迷っている。”旨の判定が行われたユーザーの数」を「該当の位置を通過したユーザーの数」で除することによって求められる。そして、迷い率を所定の閾値と比較して、迷い率が当該閾値以上であれば、該当の位置を「５０代以上の観光客が迷いやすい曲がり角」であると判定する。
（具体例４）
取得したい情報：雨の日に多くの人が立ち寄る場所
当該情報を取得する方法：分析用データＡｄａから時間的プロファイルＴｐｒ（ここでは、天候）に基づいて「雨の日」のデータを抽出する。その抽出したデータに基づいて、ステップＳ１２０の歩行判定で「ユーザーは非歩行状態である」旨の判定が行われたユーザーの数の平均値（雨の日の１日当たりの平均値）を場所毎（所定の大きさの範囲毎）に求める。そして、その求めた平均値を所定の閾値と比較して、平均値が当該閾値以上であれば、該当の場所を「雨の日に多くの人が立ち寄る場所」であると判定する。
（具体例５）
取得したい情報：年代別の興味のある店舗
当該情報を取得する方法：分析用データＡｄａと地理的プロファイルＧｐｒとを用いて、各店舗の位置における立ち止まり率を算出する。その際、個人プロファイルＰｐｒに基づいて、立ち止まり率を１０才毎に算出する。ここでの立ち止まり率は、例えば、「該当の位置に関してステップＳ１２０の歩行判定で“ユーザーは非歩行状態である”旨の判定が行われたユーザーの数」を「該当の位置を通過したユーザーの数」で除することによって求められる。そして、年代別に立ち止まり率を所定の閾値と比較して、立ち止まり率が当該閾値以上となる位置にある店舗を「該当の年代の人の興味のある店舗」であると判定する。
（具体例６）
取得したい情報：異常発生場所
当該情報を取得する方法：分析用データＡｄａと地理的プロファイルＧｐｒとを用いて、「店舗・横断歩道・バス停など以外の立ち止まりが発生してはいけない」位置における立ち止まり率を、１５分毎に算出する。ここでの立ち止まり率は、例えば、「該当の位置に関してステップＳ１２０の歩行判定で“ユーザーは非歩行状態である”旨の判定が行われたユーザーの数」を「該当の位置を通過したユーザーの数」で除することによって求められる。そして、所定の閾値と比較して、立ち止まり率が当該閾値以上となる位置にある場所を「異常発生場所」（人だかりが発生した場所）であると判定する。なお、立ち止まり率の代わりに混雑度を求め、所定の閾値と比較し、混雑度が当該閾値以上となる位置にある場所を「異常発生場所」であると判定することもできる。
この「異常発生場所」の判定結果については、例えばイベント開催時や、突発的な揉め事発生時など、人だかりが発生した場合への対応に利用することができる。すなわち、人だかりを発見したら、警備員等をその場所に直ちに向かわせることができるので、短時間で危険を解消することができる。
以上のように、ステップＳ２５０（図１９参照）では、統計的分析を行うことにより、ユーザーの行動に関して様々な情報が得られる。上記の他、更に具体例を挙げると、例えば以下のような情報を取得することができる。
・午前中に多くの観光客が休憩する場所
・公衆トイレが混雑する時間帯
・ユーザーの行き先と迷いやすい場所との関係
・混雑が発生する場所とその時間帯
・人気が集中する店舗とその時間帯
・イベントを実施する場所とそれによる効果が生じる店との関係
また、ステップＳ２５０での統計的分析で得られる情報に基づき、例えば以下のような判断が行われる。
・地下鉄の駅を出た所で迷っている人が多い。
・夕方に或る会館前が待ち合わせ場所として利用されている。
・或るバス停付近ではバスが到着する毎に混雑が発生している。
統計的分析（ステップＳ２５０）が行われた後、サーバ２０のオペレータの操作に基づき、ユーザーの行動を示す情報がサーバ２０の表示部２７に表示される（ステップＳ２６０）。このステップ２６０では、データ記憶手段２１０に保持されている分析用データＡｄａ，ステップＳ２４０での集約で得られた結果，およびステップＳ２５０での統計的分析で得られた結果に基づいて、ユーザーの行動を示す情報として所望の情報を表示することができる。
ステップＳ２６０では、所望の情報を地図を表示した画面上に当該地図上の位置と関連付けて表示することができる。例えば、或る時間帯（例えば午前８時から午前９時までの１時間）における道路（歩道）の平均的な混雑度の情報を表示したいと仮定する。このとき、例えば、図２２に示すような地図に対して図２３に示すように混雑度に応じた模様を道路に付した画面が表示される。このように、図２３に示す例では、混雑度の情報が地図上の位置と関連付けられた状態で表示されている。なお、混雑度については、例えば上述したステップＳ１４０（図６参照）での判定結果に基づいて求めることができる。また、このような混雑度の情報を例えばヒートマップの態様で表示することもできる。
また、ステップＳ２６０では、所望の情報を地図を表示した画面上に地理的プロファイルＧｐｒと関連付けて表示することができる。例えば、和食店の来客数を視覚的に表示したいと仮定する。このとき、例えば、図２２に示すような地図に対して図２４に示すように来客数に応じた大きさの円（網掛けを施した円）を和食店の位置が中心となるように付した画面が表示される。「和食店」という属性情報は店舗の種別を示す地理的プロファイルＧｐｒであるので、図２４に示す例では、来客数の大小を示す情報が地理的プロファイルＧｐｒと関連付けられた状態で表示されている。なお、図２４では、和食店の位置が黒色の星印で示されている。
さらに、ステップＳ２６０では、各種プロファイルに基づいてフィルタリングを行うこともできる。例えば、或る時間帯に人が立ち止まりやすい位置を地図上に表示したときに図２５に示すような画面が表示されたと仮定する。なお、図２５では、人が立ち止まりやすい位置が黒色の円で示されている。このとき、個人プロファイルＰｐｒに基づいてフィルタリングを行うことにより、例えば「６０代の男性」に限定した情報を表示することができる。これにより、フィルタリング後には、例えば図２６に示すような画面が表示される。図２６では、上記時間帯に６０代の男性が立ち止まりやすい位置のみが黒色の円で示されている。
ところで、ステップＳ２６０で表示される画面は、必ずしも地図とともに表示されるわけではない。例えば、ユーザーの行動を示す情報を棒グラフなどの形式で表示することもできる。これに関し、例えば図２７に示すように、或る行動の発生率を１時間毎の棒グラフ（すなわち、時間変動グラフ）で表示することもできる。また、例えば図２８に示すように、或る行動の発生率を気温別（図２８に示す例では５度間隔）の棒グラフで表示することもできる。このようにプロファイル毎に集計した情報を表示することもできる。以上のように、ステップＳ２６０では、ユーザーの行動を示す情報を様々な表示態様で表示することができる。
サーバ２０では、以上のようなステップＳ２１０〜ステップＳ２６０の処理が繰り返される。
＜１．５ 効果＞
本実施形態によれば、携帯端末装置１０に搭載されたセンサによって得られた情報（センサ情報）に基づいて、携帯端末装置１０のユーザーが歩行状態であるか非歩行状態であるかの判定が行われる。そして、その判定結果に応じて、更に各種のセンサ情報（加速度情報Ｓｄａ，方位情報Ｈｄａ，位置情報Ｐｄａ）に基づきユーザーの動作・行動を判定する処理が行われる。このようにセンサ情報を用いることにより、ユーザーの詳細な動作を把握することができるので、ユーザーの具体的な行動を精度良く推定することが可能となる。また、サーバ２０では、ユーザーの行動を各種プロファイル（地理的プロファイルＧｐｒ，時間的プロファイルＴｐｒ，個人プロファイルＰｐｒ）を用いて統計的に分析する処理が行われる。このため、ユーザーの行動をプロファイル毎（店舗の種別毎，天候毎，年代毎など）に分析した結果を得ることができる。これにより、ユーザーの行動に関してプロファイル毎の傾向を把握することが可能となる。以上のようにして、どのような人がどのような場所でどのような立ち止まり行動（買い物，写真撮影，道迷いなど）をしているのかを把握することが可能となる。また、各携帯端末装置１０からサーバ２０への分析用データＡｄａの送信は、ユーザーの操作を要することなく行われる。従って、各携帯端末装置１０で生じた情報が効率的にサーバ２０に集められる。さらに、動作や行動に関する判定処理は、リアルタイムに近いタイミングで行われる。
以上より、本実施形態によれば、携帯端末装置１０のユーザーの行動に関する有益な情報を効率的に取得してユーザーの行動を詳しく分析することが可能となる。これにより、人が何に関心があるのかを把握することが可能となり、その結果、例えばマーケティング、都市計画、店舗設計、イベント計画などを適切かつ効率的に行うことが可能となる。
また、本実施形態においては、携帯端末装置１０で得られる情報のみに基づいて行うことのできる判定については携帯端末装置１０で行われる。このため、携帯端末装置１０からサーバ２０に不必要なセンサ情報が送信されることが防止され、通信回線やサーバ２０に与える負荷が大きくなることが防止される。
＜２．第２の実施形態＞
＜２．１ 概要および構成＞
本発明の第２の実施形態について説明する。上記第１の実施形態においては、ユーザーが歩行状態であるか非歩行状態であるかの判定（歩行判定）が行われ、その判定結果に応じて行動判定が行われていた。これに対して、本実施形態においては、歩行判定が行われることなくユーザーの動作・行動の判定が行われる。以下、主に上記第１の実施形態と異なる点について説明する。
全体構成、携帯端末装置１０のハードウェア構成、およびサーバ２０のハードウェア構成については、上記第１の実施形態と同様である（図１〜図３を参照）。行動分析システムの詳細な機能構成については、上記第１の実施形態とほぼ同様である（図４参照）。但し、本実施形態においては、動作判定手段１１０は、歩行判定を行うことなく、加速度情報Ｓｄａから得られる加速度の標準偏差のみに基づいてユーザーの動作を判定し、その判定結果Ｒ（Ａ）を出力する。その判定結果Ｒ（Ａ）には、少なくともユーザーが立ち止まっているか否かを判別可能な情報が含まれる。
＜２．２ 行動分析方法＞
本実施形態における行動分析方法について説明する。行動分析の処理の概略手順については上記第１の実施形態と同様である（図５参照）。
図２９は、本実施形態において、携帯端末装置１０で行われる処理の手順を示すフローチャートである。まず、上記第１の実施形態と同様、センサ情報の取得が行われる（ステップＳ３１０）。次に、動作判定手段１１０によって、加速度情報Ｓｄａを利用した動作判定が行われる（ステップＳ３２０）。このステップＳ３２０では、まず、上記第１の実施形態におけるステップＳ１４０（図６参照）と同様、例えば直近の１０秒間分の加速度の標準偏差が算出される。そして、その標準偏差と比較するための３つの閾値（第１〜第３閾値）が用意され、以下の（Ｆ−１）〜（Ｆ−４）に記すような判定が行われる。なお、３つの閾値としては、例えば「第１閾値：０．１５、第２閾値０．０５、第３閾値：０．００５」という組み合わせを採用することができる（単位はｍ／ｓ2である）。
（Ｆ−１）：標準偏差が第１閾値以上であれば、「ユーザーの動作は大きく、ユーザーは該当の場所を素通りしている」旨の判定が行われる。
（Ｆ−２）：標準偏差が第２閾値以上かつ第１閾値未満であれば、「ユーザーの動作は、立ち止まるほどではないが、幾分小さい（現在位置の状態は混雑状態である）。」旨の判定が行われる。
（Ｆ−３）標準偏差が第３閾値以上かつ第２閾値未満であれば、「ユーザーは、例えばウィンドウショッピングをするなど、時々立ち止まりながら歩いている。」旨の判定が行われる。
（Ｆ−４）標準偏差が第３閾値未満であれば、「ユーザーは、該当の場所に留まっている（例えば、観光対象，商品などユーザーの興味を引くものが該当の場所に存在する。）。」旨の判定が行われる。
上述の動作判定において（Ｆ−１）または（Ｆ−２）の判定がなされた場合（すなわち標準偏差が第２閾値以上である場合）には、処理はステップＳ３４０に進み、上述の動作判定において（Ｆ−３）または（Ｆ−４）の判定がなされた場合（すなわち標準偏差が第２閾値未満である場合）には、処理はステップＳ３５０に進む（ステップＳ３３０）。
ステップＳ３４０，Ｓ３５０，Ｓ３６０，およびＳ３７０では、それぞれ上記第１の実施形態におけるステップＳ１４２，Ｓ１５２，Ｓ１６０，およびＳ１７０（図６参照）と同様の処理が行われる。
サーバ２０においては、上記第１の実施形態と同様の処理が行われる（図１９）。但し、図１９に示すステップＳ２２０では、動作判定の結果に基づいて該当のユーザーが立ち止まっているか否かの判定が行われる。これに関し、上記ステップＳ３２０で（Ｆ−１）または（Ｆ−２）の判定が行われていれば、ステップＳ２２０で「該当のユーザーは立ち止まっていない」旨の判定が行われ、上記ステップＳ３２０で（Ｆ−３）または（Ｆ−４）の判定が行われていれば、ステップＳ２２０で「該当のユーザーは立ち止まっている」旨の判定が行われる。
以上のようにして、歩行判定が行われることなくユーザーの動作・行動の判定が行われる。また、上記第１の実施形態と同様、サーバ２０では、各種プロファイルを利用した統計的分析が行われ、各種結果が表示部２７に表示される。
＜２．３ 効果＞
本実施形態においても、上記第１の実施形態と同様、携帯端末装置１０のユーザーの行動に関する有益な情報を効率的に取得してユーザーの行動を詳しく分析することが可能となる。また、本実施形態においては、携帯端末装置１０では歩行判定の処理が行われない。そのため、上記第１の実施形態と比較して携帯端末装置１０に与える負荷を軽減することが可能となる。
＜３．その他＞
本発明は、上記各実施形態に限定されるものではなく、本発明の趣旨を逸脱しない範囲で種々変形して実施することができる。例えば、上記各実施形態では、行動分析システムを実現するための行動分析プログラムが観光案内プログラム内に埋め込まれていたが、本発明はこれに限定されない。例えば各種店舗用のクーポンアプリのプログラムに行動分析プログラムが埋め込まれていても良い。これにより、行動分析システムの利用者は、店舗内でのユーザーの詳細な行動を分析することが可能となる。その分析により、例えば、各商品について興味を持つ人の属性や、各商品について興味を示した人のうち実際に該当の商品を購入した人の割合などの情報が得られる。そして、そのようにして得られた情報を例えば商品陳列などに活用することができる。また、リアルタイムでユーザーの行動を把握することにより、例えば、購買候補者に効果的なタイミングで広告等を提示して商品の購入を促進することが可能となる。
また、ユーザーの行動を判定するに際して、上記各実施形態で使用されている情報以外の情報を用いるようにしても良い。例えば、ＰＯＳシステムから得られる購買情報が携帯端末装置１０のユーザーの情報とリンク可能なものであれば、当該購買情報を用いてユーザーの行動を判定することができる。
さらに、上記各実施形態においては、動作判定（歩行判定，混雑判定を含む），位置情報Ｐｄａを利用した行動判定，および操作情報Ｍｄａを利用した行動判定は携帯端末装置１０で行われ、方位情報Ｈｄａを利用した行動判定はサーバ２０で行われていたが、本発明はこれに限定されない。携帯端末装置１０からサーバ２０に送信される分析用データＡｄａのデータ量が大きくなることが許容されるのであれば、例えば全ての判定がサーバ２０で行われるようにしても良い。また、地理的プロファイルＧｐｒを携帯端末装置１０で保持するようにすれば、方位情報Ｈｄａを利用した行動判定が携帯端末装置１０で行われるようにすることもできる。
１０…携帯端末装置
２０…サーバ
１００…加速度測定手段
１０２…現在位置検出手段
１０４…方位検出手段
１１０…動作判定手段
１２０…位置情報利用行動判定手段
１３０…操作情報利用行動判定手段
２４０…方位情報利用行動判定手段
２５０…データ集約手段
２６０…プロファイル分析手段
２７０…結果表示手段
Ａｄａ…分析用データ
Ｈｄａ…方位情報
Ｍｄａ…操作情報
Ｐｄａ…位置情報
Ｓｄａ…加速度情報
Ｇｐｒ…地理的プロファイル
Ｐｐｒ…個人プロファイル
Ｔｐｒ…時間的プロファイル

Claims (26)

  1. 携帯端末装置の利用者の行動を分析する方法であって、
    前記携帯端末装置に搭載されている１以上のセンサからセンサ情報を取得するセンサ情報取得ステップと、
    前記センサ情報に基づいて前記利用者の動作を判定する動作判定ステップと、
    前記動作判定ステップでの判定結果に応じて、前記センサ情報に基づき前記利用者の行動を判定する行動判定ステップと
    を含むことを特徴とする、行動分析方法。
  2. 前記センサ情報には、加速度センサから取得される加速度情報が含まれており、
    前記動作判定ステップは、
    前記センサ情報に基づいて前記利用者が歩行状態であるか非歩行状態であるかを判定する歩行判定ステップと、
    前記歩行判定ステップで前記利用者が非歩行状態であると判定されたときに前記加速度情報から得られる加速度の標準偏差に基づいて前記利用者の動作を判定する加速度情報利用動作判定ステップと
    を含むことを特徴とする、請求項１に記載の行動分析方法。
  3. 前記動作判定ステップは、前記歩行判定ステップで前記利用者が歩行状態であると判定されたときに前記利用者の現在位置の状態が混雑状態であるか非混雑状態であるかを前記加速度情報から得られる加速度の標準偏差に基づいて判定する混雑判定ステップを更に含むことを特徴とする、請求項２に記載の行動分析方法。
  4. 前記センサ情報には、加速度センサから取得される加速度情報が含まれており、
    前記動作判定ステップでは、前記加速度情報から得られる加速度の標準偏差に基づいて、前記利用者の動作が判定されることを特徴とする、請求項１に記載の行動分析方法。
  5. 前記センサ情報には、方位センサから取得される方位情報が含まれており、
    前記行動判定ステップは、前記方位情報に基づいて前記利用者の行動を判定する方位情報利用行動判定ステップを含むことを特徴とする、請求項１から４までのいずれか１項に記載の行動分析方法。
  6. 前記方位情報利用行動判定ステップでの判定は、前記方位情報と予め用意された地理的属性情報との関係を考慮して行われることを特徴とする、請求項５に記載の行動分析方法。
  7. 前記センサ情報には、位置センサから取得される位置情報が含まれており、
    前記行動判定ステップは、前記位置情報に基づいて前記利用者の行動を判定する位置情報利用行動判定ステップを含むことを特徴とする、請求項１から６までのいずれか１項に記載の行動分析方法。
  8. 前記行動判定ステップは、前記携帯端末装置で前記利用者によって行われた操作に関する情報である操作情報に基づいて前記利用者の行動を判定する操作情報利用行動判定ステップを含むことを特徴とする、請求項１から７までのいずれか１項に記載の行動分析方法。
  9. 複数の前記携帯端末装置の利用者に関する前記行動判定ステップでの判定結果に基づいて、利用者の行動を示す情報を所定の画面上に表示する行動情報表示ステップを更に含むことを特徴とする、請求項１から８までのいずれか１項に記載の行動分析方法。
  10. 前記行動情報表示ステップでは、利用者の行動を示す情報を地図を表示した画面上に当該地図上の位置と関連付けて表示することが可能であることを特徴とする、請求項９に記載の行動分析方法。
  11. 前記行動情報表示ステップでは、利用者の行動を示す情報を予め用意された地理的属性情報と関連付けて表示することが可能であることを特徴とする、請求項１０に記載の行動分析方法。
  12. 複数の前記携帯端末装置の利用者に関する前記行動判定ステップでの判定結果と所定の属性情報とに基づいて利用者の行動を統計的に分析する統計的分析ステップを更に含み、
    前記行動情報表示ステップでは、利用者の行動を示す情報として前記統計的分析ステップで得られた結果を表示することが可能であることを特徴とする、請求項９から１１までのいずれか１項に記載の行動分析方法。
  13. 前記行動情報表示ステップで前記統計的分析ステップで得られた結果を表示する際に、複数の前記携帯端末装置から取得される個人属性情報、予め用意された地理的属性情報、および予め用意された時間的属性情報のうちの少なくとも１つの属性情報に基づくフィルタリングが可能であることを特徴とする、請求項１２に記載の行動分析方法。
  14. 携帯端末装置の利用者の行動を分析するための行動分析プログラムであって、
    前記携帯端末装置に搭載されている１以上のセンサからセンサ情報を取得するセンサ情報取得ステップと、
    前記センサ情報に基づいて前記利用者の動作を判定する動作判定ステップと、
    前記動作判定ステップでの判定結果に応じて、前記センサ情報に基づき前記利用者の行動を判定する行動判定ステップと
    を前記携帯端末装置に含まれるコンピュータのＣＰＵがメモリを利用して実行することを特徴とする、行動分析プログラム。
  15. サーバと複数の携帯端末装置とがネットワークを介して接続されるシステムにおいて前記サーバで実行される、前記複数の携帯端末装置の利用者の行動を分析するための行動分析プログラムであって、
    各携帯端末装置の利用者の動作を示す情報であって少なくとも利用者が立ち止まっているか否かを判別可能な情報である動作情報および各携帯端末装置に搭載されている１以上のセンサから取得されたセンサ情報を各携帯端末装置から受け取る分析用情報受信ステップと、
    前記動作情報に基づいて立ち止まっていると判断される利用者の行動を前記センサ情報に基づいて判定する行動判定ステップと
    を前記サーバとしてのコンピュータのＣＰＵがメモリを利用して実行することを特徴とする、行動分析プログラム。
  16. ネットワークを介して互いに接続されたサーバと複数の携帯端末装置とによって構成される、前記複数の携帯端末装置の利用者の行動を分析するための行動分析システムであって、
    各携帯端末装置に搭載されている１以上のセンサから得られるセンサ情報に基づいて各携帯端末装置の利用者の動作を判定する動作判定手段と、
    前記動作判定手段による判定で得られた結果に応じて、前記センサ情報に基づき各携帯端末装置の利用者の行動を判定する行動判定手段と
    を備えることを特徴とする、行動分析システム。
  17. 前記行動判定手段による判定に関し、各携帯端末装置で得られる情報のみに基づいて行うことのできる判定については各携帯端末装置で行われ、それ以外の判定については前記サーバで行われることを特徴とする、請求項１６に記載の行動分析システム。
  18. 前記動作判定手段は、各携帯端末装置に設けられ、
    前記行動判定手段は、各携帯端末装置に設けられる携帯側行動判定手段と前記サーバに設けられるサーバ側行動判定手段とからなり、
    各携帯端末装置から前記サーバには、前記動作判定手段および前記携帯側行動判定手段による判定で得られた結果と前記サーバ側行動判定手段による判定に必要なセンサ情報とが送信されることを特徴とする、請求項１６または１７に記載の行動分析システム。
  19. 前記センサ情報には、各携帯端末装置に搭載されている加速度センサから取得される加速度情報が含まれており、
    前記動作判定手段は、
    前記センサ情報に基づいて前記利用者が歩行状態であるか非歩行状態であるかを判定する歩行判定手段と、
    前記歩行判定手段による判定で前記利用者が非歩行状態であると判定されたときに前記加速度情報から得られる加速度の標準偏差に基づいて前記利用者の動作を判定する加速度情報利用動作判定手段と
    を含むことを特徴とする、請求項１６から１８までのいずれか１項に記載の行動分析システム。
  20. 前記動作判定手段は、前記歩行判定手段による判定で前記利用者が歩行状態であると判定されたときに前記利用者の現在位置の状態が混雑状態であるか非混雑状態であるかを前記加速度情報から得られる加速度の標準偏差に基づいて判定する混雑判定手段を更に含むことを特徴とする、請求項１９に記載の行動分析システム。
  21. 前記センサ情報には、各携帯端末装置に搭載されている加速度センサから取得される加速度情報が含まれており、
    各携帯端末装置において、前記動作判定手段は、前記加速度情報から得られる加速度の標準偏差に基づいて、前記利用者の動作を判定することを特徴とする、請求項１６から１８までのいずれか１項に記載の行動分析システム。
  22. 前記サーバは、前記行動判定手段による判定で得られた結果に基づいて、利用者の行動を示す情報を所定の画面上に表示する行動情報表示手段を備えることを特徴とする、請求項１６から２１までのいずれか１項に記載の行動分析システム。
  23. 前記行動情報表示手段は、利用者の行動を示す情報を地図を表示した画面上に当該地図上の位置と関連付けて表示することが可能であることを特徴とする、請求項２２に記載の行動分析システム。
  24. 前記行動情報表示手段は、利用者の行動を示す情報を前記サーバに予め保持された地理的属性情報と関連付けて表示することが可能であることを特徴とする、請求項２３に記載の行動分析システム。
  25. 前記サーバは、前記行動判定手段による判定で得られた結果と所定の属性情報とに基づいて前記複数の携帯端末装置の利用者の行動を統計的に分析する統計的分析手段を更に備え、
    前記行動情報表示手段は、利用者の行動を示す情報として前記統計的分析手段による分析で得られた結果を表示することが可能であることを特徴とする、請求項２２から２４までのいずれか１項に記載の行動分析システム。
  26. 前記行動情報表示手段は、前記統計的分析手段による分析で得られた結果を表示する際に、複数の前記携帯端末装置から取得される個人属性情報、前記サーバに予め用意された地理的属性情報、および前記サーバに予め用意された時間的属性情報のうちの少なくとも１つの属性情報に基づいてフィルタリングを行うことが可能であることを特徴とする、請求項２５に記載の行動分析システム。
JP2017025874A 2017-02-15 2017-02-15 行動分析方法、行動分析プログラム、および行動分析システム Pending JP2018132934A (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2017025874A JP2018132934A (ja) 2017-02-15 2017-02-15 行動分析方法、行動分析プログラム、および行動分析システム
US15/868,960 US20180234802A1 (en) 2017-02-15 2018-01-11 Action analysis method, recording medium having recorded therein action analysis program, and action analysis system
CN201810053187.XA CN108430046A (zh) 2017-02-15 2018-01-19 行为分析方法、记录介质以及行为分析系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2017025874A JP2018132934A (ja) 2017-02-15 2017-02-15 行動分析方法、行動分析プログラム、および行動分析システム

Publications (1)

Publication Number Publication Date
JP2018132934A true JP2018132934A (ja) 2018-08-23

Family

ID=63105946

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017025874A Pending JP2018132934A (ja) 2017-02-15 2017-02-15 行動分析方法、行動分析プログラム、および行動分析システム

Country Status (3)

Country Link
US (1) US20180234802A1 (ja)
JP (1) JP2018132934A (ja)
CN (1) CN108430046A (ja)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7146542B2 (ja) * 2018-09-18 2022-10-04 株式会社Ｓｃｒｅｅｎホールディングス 経路案内プログラム、経路案内装置、および経路案内システム
CN112711054B (zh) * 2021-03-24 2021-06-18 腾讯科技（深圳）有限公司 一种对象行为检测方法、装置、电子设备和存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007114988A (ja) * 2005-10-20 2007-05-10 Sony Corp 関心度提供装置、携帯情報端末、サーバ装置および関心度提供方法
AU2008288697A1 (en) * 2007-08-21 2009-02-26 Commonwealth Scientific And Industrial Research Organisation Body movement analysis method and apparatus
JPWO2011114620A1 (ja) * 2010-03-16 2013-06-27 日本電気株式会社 関心度計測システム
US10216893B2 (en) * 2010-09-30 2019-02-26 Fitbit, Inc. Multimode sensor devices

Also Published As

Publication number Publication date
CN108430046A (zh) 2018-08-21
US20180234802A1 (en) 2018-08-16

Similar Documents

Publication Publication Date Title
JP6553237B2 (ja) マーケティング上のモバイル広告供給に関するシステムと方法
US9858723B2 (en) Augmented reality personalization
CN106662458B (zh) 用于改进地图和导航数据的可穿戴传感器数据
Iacono et al. Measuring non-motorized accessibility: issues, alternatives, and execution
US10223816B2 (en) Method and apparatus for generating map geometry based on a received image and probe data
JP6674791B2 (ja) 混雑度推定方法、人数推定方法、混雑度推定プログラム、人数推定プログラム、および人数推定システム
US10215575B2 (en) Identifying a map matched trip from received geographic position information
JP2018093378A (ja) 歩行判定方法および歩行判定プログラム
JP2007156637A (ja) 情報検索装置およびプログラムならびに情報検索システム
JP2018132934A (ja) 行動分析方法、行動分析プログラム、および行動分析システム
JP7272522B2 (ja) データ分析装置、データ分析システム、データ分析方法およびデータ分析プログラム
US11825383B2 (en) Method, apparatus, and computer program product for quantifying human mobility
JP7114981B2 (ja) 経路探索装置、プログラム及び経路探索サーバ
WO2019193817A1 (ja) 解析システム
JP6048196B2 (ja) ナビゲーションシステム、ナビゲーション方法、及びナビゲーションプログラム
US20230135051A1 (en) Pedestrian road data construction method using mobile device, and system therefor
JP2018049318A (ja) 情報処理サーバ、プログラム、および情報処理方法
JP2004333952A (ja) 分析システム
JP7151898B2 (ja) 経路表示装置、経路表示方法及びプログラム
WO2020045459A1 (ja) データ分析装置、データ分析システム、データ分析方法およびプログラム
JP2019139462A (ja) 混雑状況推定方法、混雑状況推定プログラム、および混雑状況推定システム
JP6346342B1 (ja) 評価装置、評価方法、およびプログラム
CN111126118A (zh) 信息处理方法和设备
JP2020071494A (ja) 解析システム
JP6914983B2 (ja) 解析システム