JP2022011365A - 情報処理装置、情報処理方法、プログラム - Google Patents

Abstract

【課題】大規模施設の名称を推定する情報処理技術の提供。【解決手段】位置情報に基づいて位置情報群を選択する選択手段と、前記選択手段によって選択された前記位置情報群に関連付けられた言語情報群に基づいて、前記位置情報に対応する施設名称を推定する推定手段と、を備える情報処理装置。【選択図】図１

Description

本発明は、施設名称を推定する情報処理技術に関する。

徒歩や自動車等の乗り物を用いて移動する人の移動に関する情報を収集し、蓄積された情報を分析することで、様々なサービスの提供等に活用するという社会的需要がある。例えば、特許文献１には、移動体端末から取得した位置情報に基づいて、ユーザーの滞在地点と、行動時点とを特定するロケーション管理システムが開示されている。

特開２０１３－２３５３２３号公報

ところで、ショッピングモール等、複数の店舗を施設内部に包括する大規模施設が存在する。しかしながら、徒歩や自動車等で移動する人がこの大規模施設を訪問する場合、収集された情報では大規模施設への訪問と記録されないことがあった。これは、ＧＰＳ等で取得した緯度・経度の情報に基づいて、近傍の店舗に訪問先を紐づけてしまうことが原因である。
この場合、移動する人は、例えば、大規模施設に包括される個別の店舗、あるいは、駐車した近傍の大規模施設外の店舗への訪問と誤って記録されることがあり、正確な移動情報を把握することが難しいという問題があった。

本発明の一態様によれば、情報処理装置であって、位置情報に基づいて位置情報群を選択する選択手段と、前記選択手段によって選択された前記位置情報群に関連付けられた言語情報群に基づいて、前記位置情報に対応する施設名称を推定する推定手段と、を備える。

本発明に係る情報処理装置によれば、施設名称をより適切に推定できる、という効果が得られる。

情報処理装置の機能構成の一例を示すブロック図。 ノード情報の一例を示す図。 情報処理の流れの一例を示すフローチャート。 目的物周辺領域の算出方法と、目的物周辺領域から選択された参照対象ノード群のノード情報についての一例を示す図。 参照対象ノード群目標物名称情報からヒストグラムを作成する具体例を示す図。 大規模施設への駐車領域判定の一例を示す図。 サーバクライアントシステムの機能構成の一例を示すブロック図。 サーバの処理部における機能構成の一例を示すブロック図。 サーバの記憶部に記憶される情報の一例を示すブロック図。 変形例についての具体例を示す図。 変形例についての具体例を示す図。 変形例についての具体例を示す図。

以下、本発明を実施するための形態の一例について図面を参照して説明する。
なお、図面の説明において同一の要素には同一の符号を付して、重複する説明を省略する場合がある。
また、これらの実施形態に記載されている構成要素はあくまで例示であり、本発明の範囲をそれらに限定する趣旨のものではない。

［第１実施形態］
以下、本発明の情報処理技術を実現するための第１実施形態について説明する。
第１実施形態に記載の内容は、他の各実施形態や各実施例、他の各変形例のいずれにも適用可能である。

本実施形態では、徒歩や自動車等の乗り物を用いて移動する人の目的地となる店舗や施設、または、移動した人が滞在した店舗や施設のことを「目標物」と呼称する。
また、目標物のうち、ショッピングモールやテーマパーク、サービスエリア等、複数の店舗・施設をその施設内部に包括する大規模施設を「大規模目標物」と呼称し、大規模目標物を識別するための固有名詞（例えば、「ＡＡショッピングセンター」や「ＢＢアウトレットモール」、「ＣＣランド」等）を「大規模目標物名称」と呼称する。なお、大規模目標物名称には施設の場所を識別するための地名を含んでもよい。

本実施形態では、人の動きの単位（ユニット）を「ノード」と呼称する。すなわち、１つのノードには、目標物に向かって移動する人の位置、または、移動した人が滞在した位置（例えば、目標物の位置）に関する情報と、目標物の名称に関する情報とが含まれる。以下では、前者を「滞在位置情報」、後者を「目標物名称」と呼称する。

図１は、第１実施形態の一態様に係る情報処理装置１の機能構成の一例を示すブロック図である。
情報処理装置１は、例えば、参照対象ノード選択部１１０と、ノード目標物名称読み出し部１２０と、大規模目標物名称推定部１３０とを備える。これらは、例えば、情報処理装置１の不図示の処理部（処理装置）や制御部（制御装置）が有する機能部（機能ブロック）であり、ＣＰＵ等のプロセッサーやＡＳＩＣ等の集積回路を有して構成される。

また、情報処理装置１は、例えば、ノード情報記憶部２２０を情報処理装置１の不図示の記憶部（バッファ、記憶装置）として備える。ノード情報記憶部２２０は、例えば、ＤＲＡＭ等の揮発性メモリ、又はＳＲＡＭ等の不揮発性メモリ等を有して構成される。

なお、ノード情報記憶部２２０は、ＣＰＵ等のプロセッサーに搭載されるキャッシュメモリとして構成されてもよい。すなわち、ノード情報記憶部２２０は、情報処理装置１の不図示の処理部（処理装置）や制御部（制御装置）が有する機能部（機能ブロック）の一部としてもよい。

図２に、ノード情報記憶部２２０に記憶されるノード情報の一例を示す。
ノード情報には、人の動きに関する情報が蓄積されて記憶されており、例えば、ノードＩＤと、滞在位置情報と、目標物名称とが関連付けて記憶されている。

ノードＩＤは、各ノードを識別するための識別子として用いられる情報であり、例えば、人が目的地まで移動するごと、または、人が目的地に滞在するごとに一意な値（固有の値）が設定されて記憶されている。

目標物名称は、移動する人または移動した人の目標物（目的地）を示す名称である。例えば、滞在位置情報から特定される位置で、人が所持する不図示の端末に入力された目標物（目的地）の名称や、端末に入力された文字列（例えば、検索ワード）に基づいて端末に表示された目標物（目的地）の名称等を含む。また、乗用車で移動する人が乗用車に搭載された不図示の車載端末（例えば、カーナビゲーションシステム）に入力した行き先の名称や、車載端末に行き先として設定された名称（例えば、「ＡＡショッピングモールシネマ横浜」）等を含む。なお、図２で例示した目標物名称において、「ＡＡ」等のアルファベットで表記されている文字は、実際には屋号等の固有名詞を表す。すなわち、目標物名称は、移動する人が関心を持った目標物（目的地）の名称であるともいえる。

滞在位置情報とは、移動する人または移動した人と、目標物名称とが関連付けられた位置を示す情報である。ここで、滞在位置情報には、例えば、人が所持する不図示の端末に目標物（目的地）の名称が入力された位置情報、端末に目標物（目的地）の名称が表示された位置情報、端末の撮像装置によって目標物（目的地）が撮像された位置情報等を特定するための緯度と経度とを含む。滞在位置情報には、例えば、端末によってＧＰＳ（Global Positioning System）等の衛星測位システム等を用いて取得される緯度と経度とが記憶されている。

第１実施形態では、情報処理装置１のノード情報記憶部２２０に、予めノード情報が蓄積されているものとして説明する。なお、ノード情報の具体的な蓄積方法については後述する。

参照対象ノード選択部１１０は、例えば、緯度と経度とで示される目的地情報を入力として受け付ける。
参照対象ノード選択部１１０は、例えば、入力された目的地情報に基づいて、ノード情報記憶部２２０に蓄積されたノードのうち、所定の基準を満たすノードのノードＩＤに関する情報である参照対象ノード群を選択する機能を有する。

ノード目標物名称読み出し部１２０は、参照対象ノード選択部１１０によって選択された参照対象ノード群を入力として受け付けると、ノード情報記憶部２２０に記憶されたノード情報に基づいて、各ノードＩＤに紐づけられた目標物名称を読み出し、これらの目標物名称を参照対象ノード群目標物名称情報として出力する機能を有する。

大規模目標物名称推定部１３０は、ノード目標物名称読み出し部１２０から参照対象ノード群目標物名称情報を入力として受け付けると、参照対象ノード群目標物名称情報から大規模目標物名称を推定し、その名称を目的地情報と紐づけられる大規模目標物名称として出力する機能を有する。

すなわち、情報処理装置１は、例えば、目的地情報が入力されると、その目的地情報に関連付けられた参照対象ノード群に基づいて大規模施設の名称を推定し、出力する装置と言える。

［情報処理の手順］
図３は、第１実施形態における画像処理の手順例を示すフローチャートである。
図３のフローチャートにおける処理は、例えば情報処理装置１の処理部が、不図示の記憶部に格納された情報処理プログラムのコードを不図示のＲＡＭに読み出して実行することにより実現される。

図３のフローチャートにおける各記号Ｓは、ステップを意味する。
また、以下説明するフローチャートは、あくまでも本実施形態における情報処理の手順の一例を示すものに過ぎず、他のステップを追加したり、一部のステップを削除したりしてもよい。

まず、参照対象ノード選択部１１０は、目的地情報を受け付ける。そして、目的地情報の緯度と経度とに基づいて、目的地の地理学的位置座標（地理座標）を設定する（Ｓ１０１）。

なお、目的地情報は、緯度と経度とに限定されない。例えば、住所（例えば、「横浜市中区日本大通1」）を目的地情報とし、参照対象ノード選択部１１０において、例えば、その住所が示す場所の重心点を緯度と経度とに変換し、目的地の位置座標を設定してもよい。
また、例えば、マップコード（登録商標）のような地理座標の特定の場所を示すための符号化された文字列を目的地情報とし、同様に目的地の位置座標を設定してもよい。

次いで、参照対象ノード選択部１１０は、目的地の位置座標に基づいて、目的地の周辺領域を算出する（Ｓ１０３）。

図４は、目的物周辺領域の算出方法と、目的物周辺領域から選択された参照対象ノード群のノード情報の一例を示す図である。
図４左側において、地図情報上には、目的地の位置座標で指定される位置が黒いピンで表記されている。また、ノード情報記憶部２２０に記憶されているノード情報に基づいて、各ノードの滞在位置情報で指定される位置が白いピンで表記されている。白いピンに付帯される文字は、そのノードのノードＩＤを表す。

図４において、参照対象ノード選択部１１０は、例えば、目的地の位置座標を中心とし、所定のユークリッド距離（例えば、「５００メートル」）を半径とする点線で示された円領域を目的地周辺領域として定める。

なお、目的物周辺領域は、上記の領域に限定されない。例えば、目的地の位置座標を重心とし、所定の辺の長さを持つ多角形領域としてもよい。また、目的地の位置座標を中心とし、所定のマハラノビス距離を半径とする領域（地理座標系においては楕円領域）を目的地周辺領域としてもよい。

そして、参照対象ノード選択部１１０は、目的地周辺領域の内側に存在するノード（例えば、図４では「Ｎ０１，・・・，Ｎ１０，Ｎ１２」）を参照対象のノードと判定し、それらのノードＩＤを参照対象ノード群として選択する（Ｓ１０５）。

なお、参照対象ノード群の選択方法は上記の方法に限定されない。例えば、目的地の位置座標から、最も近い距離にあるｋ個のノード（「ｋ」は所定の正の整数）を参照対象ノード群として選択してもよい。

また、ノード情報に滞在位置情報取得時の時刻情報を付加し、例えば、一定期間内（例えば、一週間以内）の時刻情報を持つノードのみを参照対象のノードとして選択するようにしてもよい。

すると、参照対象ノード選択部１１０は、参照対象ノード群として判定されたノードの数が、所定数（例えば、６個）以上か否かを判定する（Ｓ１０７）。
所定数を下回った場合（Ｓ１０７：ＮＯ）、参照対象ノード選択部１１０は、目的地情報で示される場所には大規模施設が存在しないと判定し、処理を終了する。この場合、大規模目標物名称推定部１３０では、大規模目標物名称を出力しない。

所定数を上回る場合（Ｓ１０７：ＹＥＳ）、参照対象ノード選択部１１０は、目的地情報で示される場所には大規模施設が存在すると判定し、参照対象ノード群をノード目標物名称読み出し部に出力する。

なお、所定数を下回る場合には（Ｓ１０７：ＮＯ）、例えば、円領域の半径を所定の距離（例えば、「１００メートル」）だけ増加させ、目的地周辺領域を広げて再度Ｓ１０５～Ｓ１０７のステップを実行するようにしてもよい。

ノード目標物名称読み出し部１２０は、参照対象ノード群を入力として受け付けると、参照対象ノード群に含まれるノードのノードＩＤに基づいて、ノード情報記憶部２２０に記憶されるノード情報を参照し、各ノードＩＤと紐づけられる目標物名称を読み出す。そして、ノード目標物名称読み出し部１２０は、それらの目標物名称を参照対象ノード群目標物名称情報として、大規模目標物名称推定部１３０へ出力する（Ｓ１０９）。

図４右側にＳ１０９のステップにおける読み出し処理の一例を示す。図４右側では、参照対象ノード群として選択されたノードのノードＩＤ（例えば、「Ｎ０１，・・・，Ｎ１０，Ｎ１２」）と、ノード情報から読み出された目標物名称（例えば、「ＡＡショッピングモールシネマ横浜」，・・・，「ＫＫベーカリー横浜本店」，「横浜ラーメンＬＬ家」）とが関連付けて表記されている。
そして、これらの目標物名称が、参照対象ノード群目標物名称情報として大規模目標物名称推定部１３０に出力される。

なお、ノード目標物名称読み出し部１２０を設けず、参照対象ノード選択部１１０においてＳ１０７のステップで参照対象となるノードが決定された後、それらのノードの目標物名称をノード情報から読み出し、参照対象ノード群目標物名称情報として出力するようにしてもよい。

大規模目標物名称推定部１３０は、参照対象ノード群目標物名称情報を入力として受け付けると、それぞれの目標物名称として得られた文字列に対して形態素解析を実行する（Ｓ１１１）。なお、文字列がすでに単語単位として、例えば、スペース等で区切られている場合には、形態素解析ではなく単語の分かち書き処理を実行してもよい。

次いで、大規模目標物名称推定部１３０は、形態素解析あるいは単語の分かち書き処理で得られた単語群に基づいて、例えば、単語の出現頻度に関するヒストグラムを作成する（Ｓ１１３）。

図５は、参照対象ノード群目標物名称情報からヒストグラムを作成する具体例の一例を示す図である。図５左側には、入力された参照対象ノード群目標物名称情報が、右側には目標物名称から得られたヒストグラムが、それぞれ図示されている。
大規模目標物名称推定部１３０は、例えば、目標物名称「ＡＡショッピングモールシネマ横浜」を形態素解析し、その結果である「ＡＡ」，「ショッピング」，「モール」，「シネマ」，「横浜」をヒストグラムの要素として積み上げる。その他の目標物名称についても同様にヒストグラムの要素として積み上げると、図５右側に示すヒストグラムが完成する。
このヒストグラムから、「横浜」，「ＡＡ」，「店」，「ショッピング」，・・・の順に単語の出現頻度が高いことが得られる。

すると、大規模目標物名称推定部１３０は、例えば、Ｓ１１３のステップで作成したヒストグラムの出現頻度上位Ｍ個（「Ｍ」は所定の正の整数）の単語を並べた文字列を、目的地情報で示される場所に紐づけられる大規模目標物名称（大規模施設の名称）として推定し、出力する（Ｓ１１５）。そして大規模目標物名称推定部１３０は、処理を終了させる。

図５の例では、例えば、Ｍ＝３とする場合、ヒストグラムの上位３個の単語を並べた「横浜ＡＡ店」が、目的地情報に紐づけられる大規模目標物名称として推定される。

なお、出力される名称は、ヒストグラムの出現頻度順にＭ個単語を並べた文字列に限定されない。例えば、得られたＭ個の単語を検索キーワードとしてＷＷＷ（World Wide Web）上の情報を検索し、例えば、上位となる検索結果のページタイトルに基づいて、名称を推定してもよい。
より具体的には、大規模目標物名称推定部１３０は、上位として選出されたページタイトルに基づく複数の大規模目標物名称を大規模目標物名称候補として不図示の大規模目標物名称決定部へ出力する。そして、大規模目標物名称決定部は、例えば、大規模目標物名称候補に対するユーザーの選択操作によって、大規模目標物名称候補から情報処理装置１の出力となる大規模目標物名称を決定するようにしてもよい。

また、予め用意されたコーパスに含まれる大規模目標物名称と、ヒストグラムの出現頻度が上位となる単語群との相関をとり、最も相関関係が高い大規模目標物名称を推定結果としてもよい。

以上の処理を、目的地情報の緯度・経度をずらしながら繰り返すことで、各目的地情報に対応した領域に関して、その領域に対応した大規模目標物名称が推定される。また、共通の大規模目標物名称に対応した地図情報上の領域（以下、「大規模施設領域」と呼称する。）も推定されることになり、その領域は、推定された大規模目標物名称の地図情報上の範囲ともいえる。

なお、任意の地点における目的地情報を与え、その地点と対応する大規模目標物名称を都度推定することも可能である。

図６は、大規模施設領域判定の一例を示す図である。
図６左側には、図４左側と同じ地図情報が、図６右側には、目的地情報を変えながら処理を繰り返し得られる、大規模施設領域とその大規模目標物名称とが、それぞれ図示されている。
図６右側において、地図情報には、個々の目的地情報と紐づけられた大規模目標物名称を、例えば、Ｗａｒｄ法でクラスタリングすることで得られた目的地情報の点の２つの集合に基づき境界設定を行った２つの領域が大規模施設領域として図示されている。図６右側では、例えば、中心付近の大規模施設領域が「横浜ＡＡ店」に、左下の大規模施設領域が「ＢＢアウトレット横浜」に、それぞれ分類された場合の例を示す。
この図から、中心付近の「横浜ＡＡ店」の大規模施設領域内の人の行き先または滞在先は「横浜ＡＡ店」であり、左下の「ＢＢアウトレット横浜」の大規模施設領域内の人の行き先または滞在先は「ＢＢアウトレット横浜」であることが推察できる。また、この２つの大規模施設領域外の人の行き先または滞在先は、大規模施設ではないことも推察できる。

［第１実施例］
次に、第１実施形態の情報処理装置１を適用した、または上記の情報処理装置１を備える端末、電子装置（電子機器）の第１実施例について説明する。
ここでは、一例として、情報処理装置１を備えるサーバと、乗用車に搭載された車載端末との実施例について説明する。但し、本発明を適用可能な実施例が、この実施例に限定されるわけでないことは勿論である。

図７は、第１実施例におけるサーバクライアントシステム１０００のシステム構成の一例を示す図である。
サーバクライアントシステム１０００では、例えば、ネットワーク３０を介して、サーバ１０と、複数の車載端末４０とが接続される。なお、図７中では、車載端末４０は代表となる１つの構成要素のみを図示している。また、サーバ１０を複数接続してもよい。

サーバ１０は、例えば、処理部１００と、記憶部２００と、操作部３１０と、表示部３２０と、音入力部３３０と、音出力部３４０と、通信部３５０とを備える。

処理部１００は、記憶部２００に記憶されているシステムプログラム等の各種プログラムに従ってサーバ１０の各部を統括的に制御し、情報処理に係る各種の処理を行う処理装置であり、ＣＰＵやＧＰＵ、ＤＳＰ等のプロセッサーやＡＳＩＣ等の集積回路を有して構成される。

図８に、処理部１００を構成する機能部の一例を示す。
処理部１００は、主要な機能部として、参照対象ノード選択部１１０と、ノード目標物名称読み出し部１２０と、大規模目標物名称推定部１３０とを有する。これらの機能部は、図１の情報処理装置１が備える機能部にそれぞれ対応するものである。

記憶部２００は、ＲＯＭやＥＥＰＲＯＭ、フラッシュメモリ、ＲＡＭ等の揮発性又は不揮発性のメモリや、ハードディスク装置等を有して構成される記憶装置である。

図９に、記憶部２００に記憶される情報の一例を示す。
記憶部２００には、例えば、施設名称推定プログラム２１０と、ノード情報記憶部２２０とが記憶される。

施設名称推定プログラム２１０は、処理部１００により読み出され、大規模施設名称推定処理として実行されるプログラムである。この大規模施設名称推定処理は、例えば、図３に示したフローチャートに基づく処理として実行される。

ノード情報記憶部２２０は、図１の情報処理装置１が備える記憶部、または情報処理装置１に付随する記憶部にそれぞれ対応するものである。

地図情報記憶部２３０には、例えば、一定領域内の地形地物に関する情報（地図情報）が記憶されている。ここで、地物には、例えば、道路や建物等、物理的に存在するもの、または、例えば、地名・行政界や等高線等、物理的に存在しないもの、あるいはその両方を含む。なお、地図情報記憶部２３０に、地図情報として、位置と関連付けられた衛星写真を記憶させるようにしてもよい。

なお、ノード情報記憶部２２０と地図情報記憶部２３０とは、通信部３５０を介して接続される不図示のデータベース管理装置（例えば、ＳＱＬ（Structured Query Language）サーバ等）に保存され、データベース管理装置は、ネットワーク３０を介して受信したデータベース読み出しコマンドに応じてノード情報や地図情報を処理部１００に送信するようにしてもよい。

操作部３１０は、キーボードやマウス等の、ユーザーがサーバに対する各種の操作入力を行うための入力装置を有して構成される。操作部３１０からは、ユーザー操作に従った操作信号が処理部１００に出力される。
なお、操作部３１０は、表示部３２０と一体的に構成された不図示のタッチパネルを有し、このタッチパネルは、ユーザーとサーバ１０との間の入力インターフェースとして機能するようにしてもよい。

表示部３２０は、ＬＣＤ（Liquid Crystal Display）やＯＥＬＤ（Organic Electro-luminescence Display）等を有して構成される表示装置であり、処理部１００から出力される表示信号に基づいた各種の表示を行う。
なお、表示部３２０は、不図示のタッチパネルと一体的に構成されてタッチスクリーンを形成してもよい。

音入力部３３０は、マイクロフォンやＡ／Ｄコンバータ等を有して構成される音入力装置であり、処理部１００へ入力される音入力信号に基づいた各種の音入力を行う。

音出力部３４０は、Ｄ／Ａコンバータやスピーカ等を有して構成される音出力装置であり、処理部１００から出力される音出力信号に基づいた各種の音出力を行う。

通信部３５０は、装置内部で利用される情報を外部の情報処理装置との間でネットワーク３０を介して送受信するための通信装置である。通信部３５０の通信方式としては、イーサネットやＵＳＢ（Universal Serial Bus）等所定の通信規格に準拠したケーブルを介して有線接続する形式や、Ｗｉ―Ｆｉ（登録商標）や５Ｇ（第５世代移動通信システム）等所定の通信規格に準拠した無線通信技術を用いて無線接続する形式、Ｂｌｕｅｔｏｏｔｈ（登録商標）等の近距離無線通信を利用して接続する形式等、種々の方式を適用可能である。

車載端末４０は、例えば、処理部４６０と、記憶部４７０と、操作部４１０と、表示部４２０と、音入力部４３０と、音出力部４４０と、通信部４５０と、時計部４８０と、位置算出用情報検出部４９０とを備える。

処理部４６０は、記憶部４７０に記憶されているシステムプログラム等の各種プログラムに従って車載端末４０の各部を統括的に制御し、情報処理に係る各種の処理を行う処理装置であり、ＣＰＵやＧＰＵ、ＤＳＰ等のプロセッサーやＡＳＩＣ等の集積回路を有して構成される。

記憶部４７０は、ＲＯＭやＥＥＰＲＯＭ、フラッシュメモリ、ＲＡＭ等の揮発性又は不揮発性のメモリや、ハードディスク装置等を有して構成される記憶装置である。

操作部４１０と、表示部４２０と、音入力部４３０と、音出力部４４０と、通信部４５０とは、例えば、サーバ１０の各機能部と同様に構成することが可能なため、詳細な説明を省略する。

時計部４８０は、車載端末４０の内蔵時計であり、例えば、水晶発振器を利用したクロックに基づいて取得した時刻情報（計時情報）を出力する。なお、時計部４８０は、ＮＩＴＺ（Network Identity and Time Zone）規格等に準じて、通信部４５０とネットワーク３０とを介して時刻情報を取得するようにしてもよい。

位置算出用情報検出部４９０は、処理部４６０が車載端末４０を搭載した乗り物の位置を算出（測定）するために必要な情報を検出（計測）する機能部である。
位置算出用情報検出部４９０は、例えば、ＧＰＳ（Global Positioning System）等の衛星測位システムを利用して乗り物の位置を算出するためのセンサやユニットである衛星測位センサ（衛星測位ユニット）や、慣性航法システムを利用して乗り物の位置を算出するためのセンサやユニットである慣性計測センサ（慣性計測ユニット（ＩＭＵ（Inertial Measurement Unit）））等で構成される。

ネットワーク３０は、例えば、１以上のサーバ１０と、１以上の車載端末４０とを、有線接続あるいは無線接続、あるいはその両方で接続する通信網である。

［ノード情報の蓄積］
サーバ１０の処理部１００は、大規模施設名称推定処理に先んじ、ノード情報の蓄積処理を実行する。

出発地において、車載端末４０の処理部４６０は、目的地（目標物名称）を入力することを乗り物に乗車した人（ユーザー）へ促す表示を表示部４２０に表示させる。
操作部４１０に対するユーザー操作に基づいて、目的地が入力されると、処理部４６０は通信部４５０によって不図示の車両から車両の状態を受信する。そして、処理部４６０は、所定の条件（例えば、イグニッションスイッチがオフかつパーキングブレーキがオン）がそろった場合、車両が駐車されたと判断する。

なお、目的地が入力された後、処理部４６０は位置算出用情報検出部４９０で算出される位置算出用の情報に基づいて、車両の位置情報（例えば、緯度と経度）を取得し続ける。そして、処理部４６０は、時計部４８０から得られる時刻情報に基づいて、所定の時間（例えば、５分）以上車両の位置情報に変化がない場合、車両が駐車されたと判断してもよい。

車両が駐車されたと判断される場合、処理部４６０は、位置算出用情報検出部４９０で算出される位置算出用の情報に基づいて、車両の滞在位置情報（例えば、緯度と経度）を取得する。そして、処理部４６０は、入力された目的地（目標物名称）と、車両の滞在位置情報とを、通信部４５０によってサーバ１０に送信する。

サーバ１０の処理部１００は、通信部３５０によって車載端末４０から目標物名称と滞在位置情報とを受信すると、ユニークなノードＩＤを生成する。そして、生成されたノードＩＤと、受信した目標物名称と滞在位置情報とを関連付けて、記憶部２００のノード情報記憶部２２０に記憶させる。

以上の処理を繰り返すことで、ノード情報記憶部２２０にノード情報が蓄積されてゆく。

［大規模施設名称推定処理］
サーバ１０の処理部１００は、記憶部２００に記憶されている施設名称推定プログラム２１０に従い、大規模施設名称推定処理を行う。

具体的には、サーバ１０の処理部１００は、例えば、目的地情報が指し示す緯度と経度とを地図情報記憶部２３０に記憶される地図領域内において走査しながら、例えば、図３に示したフローチャートに従って、大規模施設名称推定処理を繰り返し実行する。

その結果、地図情報記憶部２３０に記憶される地図領域内において、大規模施設領域が推定される。そして、サーバ１０の処理部１００は、地図情報記憶部２３０に、大規模施設領域を新たな地図レイヤーとして記憶させる。以後、生成された地図レイヤーを、「大規模目標物名称レイヤー」と呼称する。なお、大規模目標物名称が出力されない領域では、大規模目標物名称レイヤーは空になる。
すると、サーバ１０の処理部１００は、例えば、地図情報に、大規模目標物名称レイヤーを重ねて表示部３２０に表示させる。

このように、地図情報に大規模目標物名称レイヤーを関連付けて参照することで、サーバ１０のユーザーは、車両に乗って移動する人の訪問先をより正確に推定することができ、例えば、位置情報に基づくマーケティング分析サービスをより効果的に運用することが可能になる。

［第１実施例の作用・効果］
第１実施例のサーバ１０によれば、前述した第１実施形態と同様の作用・効果を得ることができる。

［第１実施形態の変形例］
本発明を適用可能な実施形態は、第１実施形態に限定されない。以下、変形例について説明する。

＜ヒストグラム以外の名称推定方法＞
第１実施形態では、大規模目標物名称推定部１３０は、参照対象ノード群目標物名称情報から単語の出現頻度に関するヒストグラムを作成し、大規模目標物名称を推定するとしたが、これに限定されない。例えば、形態素解析で得られた単語群をベクトル群に変換し、ベクトル解析を行うことで推定するようにしてもよい。

この場合、例えば、ノード情報に蓄積された目標物名称を全て形態素解析し、結果として得られた単語群を、例えば、ニューラルネットワークを用いた自然言語処理モデルであるｗｏｒｄ２ｖｅｃに学習させておく。そして、参照対象ノード群目標物名称情報の形態素解析結果として得られた単語群を、ｗｏｒｄ２ｖｅｃを用いてベクトル群に変換する。すると、それぞれの参照対象ノードは、変換されたベクトル空間に分布する点となり、参照対象ノード群は、ベクトル空間上の確率分布と見なすことができる。

そこで、例えば、この分布に対して固有値分解を適用し、固有値が最大となる固有ベクトルを、ｗｏｒｄ２ｖｅｃを用いて文字列に変換する。すると、変換された文字列が推定される大規模目標物名称となる。

なお、ノード情報に蓄積された目標物名称に対して形態素解析や単語の分かち書き処理を実行せず、文字列群をそのままｗｏｒｄ２ｖｅｃに学習させてもよい。このとき、参照対象ノード群目標物名称情報の各目標物名称に対しても、形態素解析や単語の分かち書き処理を実行せず、文字列としてｗｏｒｄ２ｖｅｃでベクトル化することができ、固有値分解を用いて同様に大規模目標物名称を推定することができる。

＜階層的名称推定＞
第１実施形態では、目的地情報と大規模目標物名称とは、一対一で結びつくとして説明したが、これに限定されない。例えば、ある目的地情報に対して、複数の大規模目標物名称が推定されるようにしてもよい。

この場合、例えば、予め用意されたコーパスに単語ごとのクラスを定義する。ここで、クラスとは、大規模施設領域に包括される施設を階層的に識別するためのラベルであり、例えば、「ＡＡ」，「ＢＢ」といった屋号や、「横浜」等の地名を“クラスＡ”、「シネマ」や「ショッピング」、「パーキング」といった業種・業態を“クラスＢ”、「カメラ」や「バイク」、「リカー」といった種目を“クラスＣ”とする。

例えば、参照対象ノード群目標物名称情報から単語の出現頻度に関するヒストグラムを作成するとき、ヒストグラムをこれらのクラス別に作成する。すると、ある位置情報に対して、クラスＡの大規模目標物名称は「ＡＡ横浜」、クラスＢの大規模目標物名称は「ショッピングモール」、クラスＣの大規模目標物名称は「カメラ」といった推定結果が得られるとする。

このとき、この目的地情報が示す場所に駐車して移動する人の行き先は、クラスＡからクラスＣまで選択するごとに、階層的に、「ＡＡ横浜」から「ショッピングモール」、「カメラ」へと施設の規模を絞って推定する（より詳細な行き先を推定する）ことが可能になる。

実施例においては、大規模目標物名称レイヤーをクラス別の複数のレイヤーとして地図情報記憶部２３０に記憶させるようにしてもよい。

この階層的な名称推定を用いることで、位置情報に基づく訪問先のデータ解析の有用性をより高めることが期待できる。

＜ノード情報以外の地図情報の活用＞
第１実施形態では、地図情報の領域全体に対して目的地情報の緯度・経度をずらしながら繰り返すことで、大規模施設領域を推定していたがこれに限定されない。例えば、大規模施設の形状があらかじめ地図情報から得られる場合、その形状に基づいて、大規模施設の内部および周辺の領域についてのみ目的地情報を設定し、大規模施設領域と大規模目標物名称とを推定するようにしてもよい。

このように目的地情報の探索領域を限定することで、大規模施設領域の推定をより高速に実行することが可能になる。

＜目標物名称の拡張＞
第１実施形態では、目標物名称は目的地となる店舗や施設の名称として説明したが、これに限定されない。例えば、目標物名称には、住所やキーワードが混在してもよい。あるいは、目標物名称は住所やキーワードを用いるようにしてもよい。

また、例えば、目標物名称として住所が混在する場合、施設が同一の建物内に存在する場合には、大規模目標物名称として、その建物名を含む文字列が推定される可能性が高い。すなわち、推定される名称の精度をより向上させることができる。

＜車載端末以外の携帯端末への適用＞
第１実施例では、ノード情報は車載端末４０で取得されるとしたが、これに限定されない。例えば、移動する人が利用する（ユーザーである）、スマートフォンやタブレット等の携帯端末で取得するようにしてもよい。

この場合、例えば、携帯端末の位置算出用情報検出部で算出される位置算出用の情報に基づき制御部において取得される位置情報の変化が、一定時間内において所定の範囲を下回る場合、携帯端末の制御部は、その携帯端末の位置情報を滞在位置情報として取得し、サーバ１０へ送信するようにしてもよい

もしくは、携帯端末に対するユーザー操作に基づいて目的地が入力された後、携帯端末に対する所定のユーザー操作（例えば、撮像部への撮像操作）が行われる場合に、携帯端末の制御部は目標物に移動したと判定する。そして、位置算出用情報検出部で算出される位置算出用の情報に基づいて、携帯端末の制御部は、その位置情報を滞在位置情報として取得し、サーバ１０へ送信するようにしてもよい。

なお、乗り物で人が移動する場合、例えば、位置算出用情報検出部で算出される位置算出用の情報に基づいて、携帯端末の制御部が位置情報を取得し続け、位置情報の時間変化に基づいて、乗り物で移動するスピードから徒歩で移動するスピードへ変化した位置において目標物に移動した（車両が駐車された）と判定し、滞在位置情報として取得するようにしてもよい。

また、予め乗り物で移動するユーザーの携帯端末と紐づけられた車載端末４０を車両に搭載することで、携帯端末に対するユーザー操作に基づいて目的地が入力された後、車両の移動情報（位置・姿勢・加速度等）を車載端末４０において取得しサーバ１０に送信する。そして、サーバ１０において、送信された位置や加速度の時間変化が規定値を下回ることに基づいて、車両が駐車されたと判断し、その地点の緯度と経度とを滞在位置情報として記憶させるようにしてもよい。
この場合、車載端末４０は、処理部４６０と、記憶部４７０と、時計部４８０と、位置算出用情報検出部４９０と、通信部４５０とで構成される簡易な端末とすることができる。

＜端末による大規模施設名称推定処理結果の利用＞
第１実施例では、大規模施設名称推定処理の結果は、サーバ１０のユーザーが利用することとしたが、これに限定されない。例えば、車載端末４０のユーザーが利用できるようにしてもよい。

この場合、まず出発地において、車載端末４０の処理部４６０は、例えば、サーバ１０の地図情報記憶部２３０から地図情報を取得し、表示部４２０に地図を表示させる。そして、車載端末４０の処理部４６０は、地図上から目的地となる位置を選択することを乗り物に乗車した人（ユーザー）へ促す表示を表示部４２０に表示させる。

操作部４１０に対するユーザー操作に基づいて、目的地となる位置（例えば、図４左側の地図情報上の目的地ピンの位置）が選択されると、処理部４６０は、地図上で選択された緯度と経度とを、目的地情報として通信部４５０によってサーバ１０に送信する。

なお、目的地となる位置の代わりに、車載端末４０はユーザーによって入力された検索ワード（例えば、住所や店名等）をサーバ１０に送信し、サーバ１０は地図情報記憶部２３０に記憶された情報と検索ワードとに基づいて、目的地情報を設定するようにしてもよい。

車載端末４０から通信部３５０によって目的地情報を受信すると、サーバ１０の処理部１００は、例えば、図３に示したフローチャートに従って、大規模施設名称推定処理を実行する。すると、目的地情報に対応する大規模目標物名称（例えば、「横浜ＡＡ店」）が得られる。

すると、サーバ１０の処理部１００は、記憶部２００に記憶された不図示の広告情報記憶部から、推定された大規模目標物名称と関連する広告情報（例えば、「横浜ＡＡ店１０周年記念セール」に関する広告画像）を読み出す。

なお、広告情報の読み出しに際して、車載端末４０のユーザーに関する情報が利用可能な場合には、ユーザーの情報も関連付けて広告情報を検索するようにしてもよい。例えば、ある年齢層のユーザーが行く頻度が高い大規模施設（例えば、「ＣＣランド」）があれば、車載端末４０のユーザーがその年齢層に該当する場合、優先的にその大規模施設である「ＣＣランド」の広告情報を送信するようにしてもよい。
ユーザーの情報には、年齢以外にも、居住地域やそのユーザーの興味等が考えられる。

そして、処理部１００は、広告情報を通信部３５０によって車載端末４０に送信する。車載端末４０の処理部４６０は、通信部４５０によってサーバ１０のから広告情報を受信すると、広告情報を表示部４２０に表示させる。

なお、車載端末４０の処理部４６０は、目的地情報をサーバ１０に送信せず、地図情報の大規模目標物名称レイヤーに基づいて、大規模目標物名称を取得し、サーバ１０にその大規模目標物名称を送信する。そして、サーバ１０の制御部１００は、受信した大規模目標物名称から広告情報を読み出すようにしてもよい。

なお、端末による大規模施設名称推定処理結果の利用は、広告情報の配信に限定されない。例えば、複数の車載端末４０から目的地情報を取得し、大規模施設に向かう車両の数を把握する。そして、ある大規模施設領域に一定数以上の人が集中することが予期される場合、車載端末４０の表示部４２０にその大規模施設領域が混雑している旨の表示をさせることで、混雑を回避するサービス等にも適用が可能である。

また、上記の内容を、車載端末４０ではなく、移動する人が利用する（ユーザーである）、スマートフォンやタブレット等の携帯端末で実現してもよい。

＜ノード情報の蓄積と推定＞
第１実施例では、ノード情報の蓄積と大規模施設名称推定処理とを区別して説明したが、これに限定されない。例えば、大規模施設名称推定処理を行いながらノード情報も蓄積するようにしてもよい。

この場合、例えば、出発地において、車載端末４０の処理部４６０は、文字列で目的地を入力することを乗り物に乗車したユーザーへ促す表示を表示部４２０に表示させる。

そして、車載端末４０の処理部４６０は、入力された目的地についての文字列（施設名や住所等）に基づいて、例えば、記憶部４７０に記憶されている不図示の地図データベースから、目的地の位置（緯度と経度）を算出する。そして、算出された緯度と経度とを目的地情報として通信部４５０によってサーバ１０に送信する。

車載端末４０から通信部３５０によって目的地情報を受信すると、サーバ１０の処理部１００は、大規模施設名称推定処理を実行し、例えば、目的地情報に対応する大規模目標物名称と関連付けられた施設の混雑状況を車載端末４０に送信する。

車載端末４０の処理部４６０は、通信部４５０によってサーバ１０のから混雑状況を受信すると、混雑状況を地図情報に重ねて表示部４２０に表示させる。そして、車載端末４０の処理部４６０は、車両が駐車されたと判断すると、位置算出用情報検出部４９０で算出される位置算出用の情報に基づいて、車両の駐車位置情報（例えば、緯度と経度）を取得し、入力された目的地についての文字列と、車両の駐車位置情報とを、通信部４５０によってサーバ１０に送信する。

サーバ１０の処理部１００は、通信部３５０によって車載端末４０から目標物名称と駐車位置情報とを受信すると、ユニークなノードＩＤを生成し、ノードＩＤと、受信した目標物名称と駐車位置情報とを関連付けて、記憶部２００のノード情報記憶部２２０に記憶させる。

このように、サーバ１０は、ノード情報の蓄積を行いながら、位置情報を参照するサービスを提供することも可能である。

［第２実施形態］
第１実施形態では、目的地情報を、緯度と経度とで示される地理学的位置座標（地理座標）として説明したが、これに限定されない。第２実施形態は、目的地情報が領域である場合の実施形態である。
第２実施形態に記載の内容は、他の各実施形態や各実施例、他の各変形例のいずれにも適用可能である。
また、既出の構成要素と同一の構成要素については同一の符号を付して、再度の説明を省略する。

例えば、地図情報の領域を格子状（例えば、５０メートル四方の格子）に分割し、分割された領域のうち、所定の一領域を目的地情報とする。

なお、地図情報の領域の分割方法は、正四角形の格子に限定されない。例えば、正六角形の格子に分割してもよい。また、格子状ではなく、任意の区切り（例えば、地図上の道路情報）を用いて分割してもよい。

図１０は、図４左側で示した地図情報を正四角形の格子領域に分割し、その中心領域を目的地情報とした場合における大規模施設名称推定処理の一例を示す図である。以下では、目的地情報として選択された格子領域（分割領域）を「選択分割領域」と呼称する。

この場合、参照対象ノード選択部１１０は、目的地情報として選択分割領域を受け付ける。すると、参照対象ノード選択部１１０は、目的物周辺領域として選択分割領域を選択する。そして、図３のＳ１０５のステップ以下の処理を実行する。

図１０左側において、目的物周辺領域（＝選択分割領域）の内側には、例えば、ノードＩＤが「Ｎ０１」，「Ｎ０３」，「Ｎ０５」，「Ｎ０６」，「Ｎ０８」，「Ｎ１７」のノードが存在し、所定数（例えば、６個）以上のノードが存在する。そのため、参照対象ノード選択部１１０は、図３のＳ１０７のステップにおいて、この選択分割領域には大規模施設が存在すると判定する。
すると、ノード目標物名称読み出し部１２０は、図１０右上に示すように各ノードＩＤと紐づけられる目標物名称を読み出す。

そして、大規模目標物名称推定部１３０は、これらの目標物名称を形態素解析し、図１０右下に示すヒストグラムを作成する。最後に、大規模目標物名称推定部１３０は、例えば、ヒストグラムの上位２個の単語を並べた「横浜ＡＡ」を、この選択分割領域（大規模施設領域）に紐づけられる大規模目標物名称として推定する。

このように分割された領域ごとに大規模施設領域か否かを判定することで、広域の探索を高速に実現可能となる。

なお、ある選択分割領域に規模施設が存在しないと判定される場合においても、この選択分割領域の周囲に大規模施設領域が存在する場合、大規模施設領域との近傍領域は大規模施設が存在すると判定される可能性が高い。

この場合、図３のＳ１０７のステップにおいて、大規模施設が存在すると判断されるノード数を引き下げて、再度判定するようにしてもよい。

もしくは、大規模施設領域内の各ノードの目標物名称を、推定された大規模目標物名称に置き換え、大規模施設領域近傍の任意の点において大規模目標物名称を推定するようにしてもよい。

図１１は、大規模施設領域の近傍の点における大規模目標物名称の推定方法の一例を示す図である。
図１１左側において、格子で区切られた地図情報のうち、例えば、中心の領域が大規模施設領域と判定され、その大規模目標物名称が「ＡＡ横浜」であったとする。
このとき、例えば、黒いピンで指し示された大規模施設領域の右側上方の近傍点における大規模目標物名称を推定する場合を考える。

まず、参照対象ノード選択部１１０は、近傍点を目的地情報として受け付けると、例えば、ｋ－ＮＮ（Nearest Neighbor）法によって、近傍点からの距離が近いｋ個のノード群を参照対象ノード群として選択する。図１１左側では、例えば、「ｋ＝５」の時の参照対象ノード群として、ノードＩＤが「Ｎ０１」，「Ｎ０３」，「Ｎ０８」，「Ｎ０９」，「Ｎ１０」のノードが選択されていることが示されている。

すると、ノード目標物名称読み出し部１２０は、これらのノードＩＤに基づいて、ノード情報記憶部２２０に記憶されるノード情報を参照し、各ノードＩＤと紐づけられる目標物名称を読み出す。ただし、既に大規模施設領域と判定されている、ノードＩＤが「Ｎ０１」，「Ｎ０３」，「Ｎ０８」のノードについては、例えば、大規模目標物名称レイヤーを参照し、目標物名称として、すでに推定された「ＡＡ横浜」を用いる。
例えば、図１１右側上方には、参照対象ノード群として選択されたノードのノードＩＤと、ノード情報から読み出され、必要に応じて置き換えられた目標物名称とが関連付けて表記されている。

その後、大規模目標物名称推定部１３０は、図３のＳ１１１のステップ以下の処理を実行する。例えば、図１１右側下方には、作成されたヒストグラムが示されている。このヒストグラムから、例えば、出現頻度上位２個の単語である「横浜ＡＡ」が、この近傍点における大規模目標物名称として推定されることがわかる。

所定の近傍領域において上記の処理を実行することで、大規模施設領域の近傍領域における大規模目標物名称を推定することが可能となる。

なお、大規模施設名称推定処理後、地図の縮尺を小さくして（地図の領域を広げて）地図情報に大規模目標物名称レイヤーを重ねる場合、大規模目標物名称レイヤーには格子ごとに大規模目標物名称が含まれるため、表示部３２０に表示される地図情報が見にくくなるという問題が発生する。
この解決策を以下に示す。

図１２は、地図情報の領域において、例えば、格子状に9分割した領域内における大規模目標物名称の推定結果の一例を示す図である。
各格子内の＜＞内に示される数字とアルファベットとは、格子を識別するための識別子である。この例では、縦の格子を「１」，「２」，「３」、横の格子を「a」，「ｂ」，「ｃ」でそれぞれ識別することとする。以下では、例えば、左上の格子内の領域を＜１ａ＞領域、等と呼称する。

格子の識別子の下には、各々の領域内における大規模目標物名称の推定結果が示されている。なお、その領域内に大規模目標物が存在しないと判定された場合には、「大規模施設無し」と示されている。

推定された大規模目標物名称の下には、参照対象ノードとして選択された目標物名称の中に、大規模目標物名称が含まれていた割合を点数によって表す適合頻度スコアが表示されている。
ここで、各々の適合頻度スコアは、適合頻度が最も低い場合には「０」、最も高い場合には「１」を取る。
例えば、＜１ｂ＞領域において、参照対象ノード群に含まれるノード数が「１０」であった場合、１０個の目標物名称のうち、適合頻度スコアが「０．６」であれば、参照対象ノード群に含まれるノード数「１０」に適合頻度スコア「０．６」を乗算した、「６」つのノードに「ＡＡ横浜」が含まれることになる。

図１２において、例えば、地図の縮尺を倍（面積は１／４）にする場合を考える。このとき、＜１ａ＞領域と、＜１ｂ＞領域と、＜２ａ＞領域と、＜２ｂ＞領域に対応して表示させる大規模目標物名称を、例えば、以下のように決定することができる。
・各格子内に含まれる大規模目標物名称のうち、最も数が多いものを選択する場合
「ＡＡ横浜」が２個、「ＢＢアウトレット」が１個であるため、「ＡＡ横浜」を表示
・各格子内に含まれる大規模目標物名称のうち、最も適合頻度スコアが高いものを選択する場合
「ＢＢアウトレット」が「１」で最も高いため、「ＢＢアウトレット」を表示
・各格子内に含まれる大規模目標物名称のうち、大規模目標物名称ごとの適合頻度スコア合計が最も高いものを選択する場合
「ＡＡ横浜」が「０．６」＋「０．７」＝「１．３」で最も高いため、「ＡＡ横浜」を表示
なお、これらの方法を組み合わせ、例えば、数が同数の場合には適合頻度スコア合計が最も高いものを選択するようにしてもよい。

同様に、例えば、地図の縮尺を３倍（面積は１／９）にする場合を考える。すると、＜１ａ＞領域～＜３ｃ＞領域（すなわち図１２の地図情報の全領域）に対応して表示させる大規模目標物名称についても、同様に選択することができる。
・各格子内に含まれる大規模目標物名称のうち、最も数が多いものを選択する場合
「ＡＡ横浜」が４個、「ＢＢアウトレット」が３個であるため、「ＡＡ横浜」を表示
・各格子内に含まれる大規模目標物名称のうち、最も適合頻度スコアが高いものを選択する場合
「ＢＢアウトレット」が「１」で最も高いため、「ＢＢアウトレット」を表示
・各格子内に含まれる大規模目標物名称のうち、大規模目標物名称ごとの適合頻度スコア合計が最も高いものを選択する場合
「ＢＢアウトレット」が「２．７（＝１＋０．９＋０．８）」、「ＡＡ横浜」が「２．８（＝０．６＋０．７＋０．７＋０．８）」で「ＡＡ横浜」が最も高いため、「ＡＡ横浜」を表示

なお、上記の方法を、表示選択に用いるのではなく、地図領域の格子の解像度を落とした場合における、格子領域ごとの新たな大規模目標物名称の推定処理に用いることも可能である。

［第３実施形態］
第１実施形態では、移動手段を問わず移動する人の目的地となる店舗・施設を目標物としたが、本実施形態では、自動車等の乗り物を用いて移動する人の目的地となる店舗・施設を目標物とする。
第３実施形態に記載の内容は、他の各実施形態や各実施例、他の各変形例のいずれにも適用可能である。
また、既出の構成要素と同一の構成要素については同一の符号を付して、再度の説明を省略する。

第３実施形態では、自動車や自転車等の乗り物を用いて移動する人の移動を、以下の２ステップに分けて考える。
（ａ）出発地から乗り物を用いて目的地周辺の駐車場や駐輪場等に移動し、乗り物をその駐車場や駐輪場等に駐車（停留）させる。
（ｂ）その駐車場や駐輪場等から、徒歩で目的地まで移動する。
以下では、乗り物として、例えば、乗用車によって移動する人の移動を考える。

第３実施形態では、上記の（ａ）において乗用車を駐車した位置を「駐車位置」と呼称し、上記の（ｂ）における目的地となる店舗や施設のことを「目標物」と呼称する。

第３実施形態では、上記の（ａ）・（ｂ）の一連のステップで完結する、乗り物を用いて移動する人の動きの単位（ユニット）を「ノード」と呼称する。すなわち、１つのノードには、少なくとも駐車位置に関する情報と、目標物に関する情報とが含まれる。以下では、前者を「駐車位置情報」、後者を「目標物名称」と呼称する。なお、ノードには、乗り物を識別するための識別子情報や、出発地に関する情報が含まれていてもよい。

なお、移動する人の乗り物は乗用車に限定されない。例えば、バスで移動する人の場合、駐車位置はバスの停留所位置と置き換えることが可能である。また、ヘリコプターで移動する人の場合、駐車位置はヘリポートの位置と置き換えることが可能である。

この場合、情報処理装置１は、例えば、駐車位置情報を滞在位置情報とすることで、図３に示したフローチャートに基づく処理を実行する。
すると、推定される大規模施設領域は、その大規模目標物名称で識別される施設に向かう人が、乗用車を駐車させる領域（停留場の領域）と考えられる。

１ 情報処理装置
１０ サーバ
３０ ネットワーク
４０ 車載端末
１１０ 参照対象ノード選択部
１２０ ノード目標物名称読み出し部
１３０ 大規模目標物名称推定部
２２０ ノード情報記憶部
１０００ サーバクライアントシステム

Claims (9)

1. 情報処理装置であって、
   位置情報に基づいて位置情報群を選択する選択手段と、
   前記選択手段によって選択された前記位置情報群に関連付けられた言語情報群に基づいて、前記位置情報に対応する施設名称を推定する推定手段と、
   を備える情報処理装置。
2. 請求項１に記載の情報処理装置であって、
   前記位置情報は、指定された位置または指定された領域に関する情報である、
   情報処理装置。
3. 請求項１または２に記載の情報処理装置であって、
   前記選択手段は、前記位置情報に基づいて設定された判定領域に基づいて位置情報群を選択し、
   前記推定手段は、前記判定領域と前記選択手段によって選択された前記位置情報群の数に関する第１条件が成立する場合に施設名称を推定する、
   情報処理装置。
4. 請求項３に記載の情報処理装置であって、
   前記選択手段は、前記第１条件が成立しなかった場合に、前記判定領域とは異なる判定領域に基づいて位置情報群を選択する、
   情報処理装置。
5. 請求項３または４に記載の情報処理装置であって、
   前記選択手段は、前記位置情報の近傍の位置情報群を選択し、
   前記推定手段は、前記位置情報群に含まれる位置情報について推定した施設名称に基づいて、前記位置情報群に含まれない位置情報に対応する施設名称を推定する、
   情報処理装置。
6. 請求項１から５の何れか１項に記載の情報処理装置であって、
   前記推定手段は、単語の分かち書きと形態素解析の少なくとも一方に基づいて、前記施設名称を推定する、
   情報処理装置。
7. 請求項１から６の何れか１項に記載の情報処理装置であって、
   前記位置情報群は、乗り物の停留位置に関する情報群である、
   情報処理装置。
8. 位置情報に基づいて位置情報群を選択することと、
   選択された前記位置情報群に関連付けられた言語情報群に基づいて、前記位置情報に対応する施設名称を推定することと、
   を含む情報処理方法。
9. コンピュータに、
   位置情報に基づいて位置情報群を選択することと、
   選択された前記位置情報群に関連付けられた言語情報群に基づいて、前記位置情報と対応する言語情報を推定することと、
   を実行させるためのプログラム。

Images