JP2023030532A - 利用中のアプリケーションに対する代替機能を推定する推定装置、プログラム及び方法 - Google Patents

Abstract

【課題】ユーザに対して、利用中のアプリケーションに対する代替機能を推定する推定装置及び代替機能推定方法を提供する。【解決手段】推定装置１は、訓練段階として、アプリケーション種別毎に、複数の代替機能と、各代替機能にユーザ自ら移行したか否かとを対応付けた第１の教師データ１１０によって訓練し、推定段階として、ユーザが現に利用中のアプリケーション種別を入力し、アプリケーション種別に対する代替機能を推定する代替機能推定エンジン１１を有する。第１の教師データ１１０は、現に利用中のアプリケーションをユーザ自ら停止するであろう代替機能と、アプリケーションの利用をユーザ自ら停止したか否かとを対応付けたものである。代替機能推定エンジン１１は、推定段階として、アプリケーション種別に対する代替機能毎に、最も高い推定スコアとなる代替機能を推定結果とする。【選択図】図２

Description

本発明は、ユーザに対して、利用中のアプリケーションに対する行動変容を促す技術に関する。具体的には、歩行中のユーザが、スマートフォンのアプリケーションの利用を中止するような代替機能を推定する。

図１は、歩行中にアプリケーションを利用しているユーザの外観図である。

近年、「歩きながらスマートフォンの画面を見たり、操作する行為」である「歩きスマホ」が、社会問題となっている。例えば、図１によれば、ユーザは歩行中にスマートフォンのような端末を操作し、ディスプレイを閲覧している。このとき、ユーザは、ディスプレイを注視しているために、周辺環境に注意が及んでいない。このように、歩きスマホをすることで、周囲に対して注意が散漫となり、人や車両、設置物との衝突する事故などが発生している。

歩きスマホの問題に対して、様々な取組が行われている。例えば、携帯電話の通信事業者や鉄道会社はユーザに対して歩きスマホをできる限り控えるように注意喚起をしたり、歩きスマホ中は携帯が使えなくなるアプリを提供している。また、学術分野では、ユーザの歩きスマホに対する認知と行動の関係性について検討しており、歩きスマホに対する行動受容が歩きスマホ実施に大きく影響を与えていることが明らかになっている（例えば非特許文献1参照）そのため、周囲環境の危険度に関わらず、歩きスマホに対する行動受容を低減し、ユーザに対して行動変容を促していく必要がある。

従来、特定領域内に滞在する移動体の通信端末の数から、対象領域の混雑状況を判定し、それに応じて歩きスマホに対する警告レベルを調整する技術がある（例えば特許文献１参照）。
また、スマートフォンの位置情報から周辺の地図情報を取得し、危険地域かどうかを判定して、警告音で警告する技術もある（例えば特許文献２参照）。
特許文献１及び２に記載の技術によれば、混雑度が高い地域や危険度が高い地域での歩きスマホの防止に役立つ。これによって、スマートフォンを利用中のユーザに対して、注意を喚起することができる。

特開２０１７－７３７１１号公報 特開２００３－２８４１２０号公報

佐藤広英、「歩きスマホの心理プロセス: 危険性の高い状況, 低い状況ごとの検討」、2020年信州大学人文科学論集第７号（第２冊）、第87頁～第98頁、[online]、［令和３年８月７日検索］、インターネット＜URL:file:///C:/Users/hayah/Documents/%E6%A5%AD%E5%8B%99/KDDI/01%E6%96%B0%E8%A6%8F%E5%87%BA%E9%A1%98/P2021-0252-P1110%E6%A0%97%E6%9C%A8%E5%84%AA%E4%B8%80/ShinshuStudiesinHumanities_7-2_05.pdf＞

しかしながら、前述した特許文献１及び２に記載の技術によれば、歩きスマホのユーザに対して警告するものに過ぎず、ユーザに対して、歩きスマホの利用を中止させるような行動変容を促すものではない。また、ユーザによっては、行き先不明時に仕方なく地図アプリを実行しながら、歩行している場合もある。
これに対し、本願の発明者らは、ユーザが利用中のアプリケーション種別に応じて、そのユーザ自ら行動を変容するように促すことが、歩きスマホに対する行動受容を低減させ、結果的に歩きスマホを減少させることができるのではないか、と考えた。また、個人特性や周辺環境に応じて、ユーザに対して行動を変容するべく提示する内容も異なるのではないか、と考えた。

そこで、本発明は、ユーザに対して、利用中のアプリケーションに対する代替機能を推定する推定装置、プログラム及び方法を提供することを目的とする。

本発明によれば、訓練段階として、アプリケーション種別と、代替機能と、当該代替機能にユーザ自ら移行したか否かとを対応付けた第１の教師データによって訓練し、
推定段階として、ユーザが現に利用中のアプリケーション種別を入力し、当該アプリケーション種別に対する代替機能を推定する
代替機能推定エンジンを有することを特徴とする。

本発明の推定装置における他の実施形態によれば、
第１の教師データは、現に利用中のアプリケーションをユーザ自ら停止するであろう代替機能と、当該アプリケーションの利用をユーザ自ら停止したか否かをスコアとして対応付けたものであることも好ましい。

本発明の推定装置における他の実施形態によれば、
代替機能推定エンジンは、推定段階として、アプリケーション種別に対して、最も高いスコアとなる代替機能を推定結果とすることも好ましい。

本発明の推定装置における他の実施形態によれば、
代替機能推定エンジンは、
訓練段階として、ユーザの個人特性情報を更に対応付けた第１の教師データによって訓練し、
推定段階として、現に利用中のユーザの個人特性情報を更に入力し、個人特性情報を潜在的に考慮した代替機能を推定することも好ましい。

本発明の推定装置における他の実施形態によれば、
ユーザの個人特性情報は、固定的な属性情報、アンケート調査に基づく心理特性情報、及び／又は、所定期間に予め取得された歩行中アプリ利用率若しくは歩行中アプリ利用時間帯であることも好ましい。

本発明の推定装置における他の実施形態によれば、
訓練段階として、ユーザの個人特性情報と心理識別子とを対応付けた第２の教師データによって訓練し、
推定段階として、現に利用中のユーザの個人特性情報から心理識別子を推定する
ユーザ心理推定エンジンと、
代替機能推定エンジンによって推定された代替機能の識別子と、ユーザ心理推定エンジンによって推定された心理識別子とに対応する行動変容情報を選択し、ユーザに提示する行動変容情報提示手段と
を更に有することも好ましい。

本発明の推定装置における他の実施形態によれば、
ユーザ心理推定エンジンは、
訓練段階として、推定装置周辺の混雑度を更に対応付けた第２の教師データによって訓練し、
推定段階として、現に利用中の推定装置周辺の混雑度を更に入力し、推定装置周辺の混雑度を潜在的に考慮した心理識別子を推定することも好ましい。

本発明の推定装置における他の実施形態によれば、
推定装置周辺の混雑度は、
推定装置の現在の緯度経度に基づいてサーバから取得した混雑度、又は、
推定装置が現に周辺から受信した近距離無線通信のビーコン信号の数に基づく混雑度
であることも好ましい。

本発明の推定装置における他の実施形態によれば、
ユーザの歩行中を検知する歩行検知手段と、
ユーザが現にアプリケーションを利用中であることを検知するユーザ利用検知手段と
を更に有し、
代替機能推定エンジンは、推定段階を、所定条件に基づいてユーザが歩行中であって且つアプリケーションを利用中である場合に実行させる
ことも好ましい。

本発明によれば、前述した推定装置と、ユーザ操作可能な端末とを有するシステムであって、
端末は、
ユーザの歩行中を検知する歩行検知手段と、
ユーザが現にアプリケーションを利用中であることを検知するユーザ利用検知手段と
を有し、
推定装置は、代替機能推定エンジンの推定段階を、所定条件に基づいてユーザが歩行中であって且つアプリケーションを利用中である場合に実行させる
ことを特徴とする。

本発明によれば、
訓練段階として、アプリケーション種別と、代替機能と、当該代替機能にユーザ自ら移行したか否かとを対応付けた第１の教師データによって訓練し、
推定段階として、ユーザが現に利用中のアプリケーション種別を入力し、当該アプリケーション種別に対する代替機能を推定する
代替機能推定エンジンとしてコンピュータを機能させることを特徴とする。

本発明によれば、アプリケーションを実行する装置の代替機能推定方法において、
装置は、
訓練段階として、アプリケーション種別と、代替機能と、当該代替機能にユーザ自ら移行したか否かとを対応付けた第１の教師データによって訓練し、
推定段階として、ユーザが現に利用中のアプリケーション種別を入力し、当該アプリケーション種別に対する代替機能を推定する
代替機能推定エンジンを実行することを特徴とする。

本発明の推定装置、プログラム及び方法によれば、ユーザに対して、利用中のアプリケーションに対する代替機能を推定することができる。これによって、例えばユーザにおける歩きスマホの行為を、代替機能によって抑止することができる。

歩行中にアプリケーションを利用しているユーザの外観図である。 本発明における推定装置の第１の機能構成図である。 本発明における代替機能推定エンジンの第１の教師データを表す説明図である。 本発明における推定装置の第２の機能構成図である。 本発明におけるユーザ心理推定エンジンの第２の教師データを表す説明図である。 本発明における行動変容情報を表す説明図である。 本発明における推定装置と推定サーバとからなるシステムの機能構成図である。

以下、本発明の実施の形態について、図面を用いて詳細に説明する。

図２は、本発明における推定装置の第１の機能構成図である。

図２によれば、推定装置１は、代替機能推定エンジン１１と、歩行検知部１３と、ユーザ利用検知部１４と、アプリ起動部１５とを有する。これら機能構成部は、推定装置に搭載されたコンピュータを機能させるプログラムを実行することによって実現される。また、これら機能構成部の処理の流れは、装置の代替機能推定方法としても理解できる。

＜代替機能推定エンジン１１＞
代替機能推定エンジン１１は、教師有り学習に基づく機械学習エンジンである。これは、例えば回帰アルゴリズムに基づく一般的なものであってもよく、バックプロパゲーションやサポートベクタマシンを適用することができる。

代替機能推定エンジン１１は、＜訓練段階＞として、以下のような第１の教師データによって訓練する。
第１の教師データは、「アプリケーション種別」と、「代替機能」と、当該代替機能に「ユーザ自ら移行したか否か」とを対応付けたものである。
「アプリケーション種別」とは、例えば歩きスマホの際に、ユーザが利用中のアプリケーション種別である。例えば地図、ゲーム、ＳＮＳ(Social Networking Service)等の種別がある。
「代替機能」とは、ユーザの利用中のアプリケーションに対する代替可能な機能を表す。例えば地図アプリに対しては「写真機能ＯＮ」、ゲームに対しては「通知機能ＯＦＦ」「音声合成ＯＮ］、ＳＮＳに対しては「通知機能ＯＦＦ」などがある。ここでは、ユーザが歩きスマホをしている際を想定し、現に利用中のアプリケーションをユーザ自ら停止するであろう思われる複数の代替機能を列挙する。
「ユーザ自ら移行したか否か」とは、当該アプリケーションの利用をユーザ自ら停止したか否かを、スコア（移行した：１，移行しなかった：０）として付与したものである。これらは、過去にユーザから収集されたデータに基づくものである。

代替機能推定エンジン１１は、＜推定段階＞として、ユーザが現に利用中の「アプリケーション種別」を入力し、当該アプリケーション種別に対する「代替機能」を推定する。
このとき、代替機能推定エンジン１１は、アプリケーション種別に対して、最も高いスコア(score)となる代替機能を推定結果とする。ここでのスコアは、歩きスマホ抑制スコアを意味することとなる。

図３は、本発明における代替機能推定エンジンの第１の教師データを表す説明図である。

図３の第１の教師データは、図２と比較して、「ユーザの個人特性情報」が更に対応付けられている。
これによって、代替機能推定エンジン１１は、訓練段階として、ユーザの個人特性情報を更に対応付けた第１の教師データによって訓練する。
また、代替機能推定エンジン１１は、推定段階として、現に利用中のユーザの個人特性情報を更に入力し、個人特性情報を潜在的に考慮した代替機能を推定する。

「ユーザの個人特性情報」は、固定的な属性情報、アンケート調査に基づく心理特性情報、及び／又は、所定期間に予め取得された歩行中アプリ利用率若しくは歩行中アプリ利用時間帯であってもよい。

固定的な属性情報としては、一般的なプロファイル（性別、年齢代、職業、職種、・・・）と、性格を表す特性因子（開放性、誠実性、外向性、協調性、・・・）とが混在したものであってもよい。尚、固定的な属性情報に限られず、動的な属性情報として、感情（怒り、焦り、楽しいなど）やバイタルデータ（心拍数、血圧、脳波など）であってもよい。

ここで、ユーザの特性因子は、例えば特性５因子モデル(BigFive)に基づく形容詞であってもよい。特性５因子モデルは、アンケートの回答に応じて、因子毎に数値を算出する技術である。特性５因子とは、各ユーザについて、形容詞毎に、以下の５つの因子について数値を算出したものである。
（１）開放性 (Openness to Experience)
（２）誠実性 (Conscientiousness)
（３）外向性 (Extroversion)
（４）協調性 (Agreeableness)
（５）情緒不安定性 (Neuroticism)
尚、BigFiveに限られず、スタイル変異形式（ＳＶＩ(Stylistic Variation Items)）のような心理学に基づく心理尺度で計測したものであってもよい。

また、図３によれば、第１の教師データに、ユーザ毎に、所定期間に予め取得された「歩行中アプリ利用率」若しくは「歩行中アプリ利用時間帯」を含むものであってもよい。
歩行中アプリ利用率＝歩行中アプリ利用時間／総歩行時間
歩行中アプリ利用時間帯（例えば４時間毎の時間帯種別）
歩行中アプリ利用率や歩行中アプリ利用時間帯は、そのユーザの習慣特性を表す。例えば歩行中アプリ利用率が高いほど、歩きスマホ常習者として判定できる。その際に、複数の閾値を用いて、歩きスマホ習慣度合を区分することもできる。
また、総歩行時間及び歩行中アプリ利用時間を１日単位で計測し、１日当たりの歩行中アプリ利用率を算出するものであってもよい。また、歩行中アプリ利用率が所定閾値を超える日数を計数したものであってもよい。

［歩行検知部１３］
歩行検知部１３は、ユーザの歩行を検知する。
歩行検知部１３は、具体的には、スマートフォンに搭載された加速度センサやジャイロセンサによって、歩行中か否かを検知する。「歩行中」である旨は、代替機能推定エンジン１１へ出力される。

［ユーザ利用検知部１４］
ユーザ利用検知部１４は、ユーザが現にアプリケーションを「利用中」であることを検知する。
ユーザ利用検知部１４は、具体的は、ディスプレイがＯＮしている場合に、「利用中」と検知するものであってもよい。また、特定のアプリケーション（例えばブラウザ、ゲームアプリなど）が起動しているか、又は、ユーザの操作イベント（例えばタップ、スクロール、フリックなど）を検知した際に、利用中と検知するものであってもよい。

これに対し、代替機能推定エンジン１１は、推定段階を、所定条件に基づいてユーザが「歩行中」であって且つアプリケーションを「利用中」である場合に実行させる。歩行中及び利用中の両方が、例えば３０秒継続した場合に、代替機能推定エンジン１１は、推定段階を実行するものであってもよい。

図４は、本発明における推定装置の第２の機能構成図である。

図４によれば、図２と比較して、ユーザ心理推定エンジン１２と、近距離無線通信部１６と、行動変容情報提示部１７とを更に有する。これら機能構成部も、推定装置に搭載されたコンピュータを機能させるプログラムを実行することによって実現される。また、これら機能構成部の処理の流れは、装置の行動変容情報提示方法としても理解できる。

＜ユーザ心理推定エンジン１２＞
ユーザ心理推定エンジン１２も、代替機能推定エンジン１１と同様に、教師有り学習に基づく機械学習エンジンである。これは、例えば回帰アルゴリズムに基づく一般的なものであってもよく、バックプロパゲーションやサポートベクタマシンを適用することができる。

図５は、本発明におけるユーザ心理推定エンジンの第２の教師データを表す説明図である。

ユーザ心理推定エンジン１２は、＜訓練段階＞として、以下のような第２の教師データによって訓練する。
第２の教師データは、ユーザの「個人特性情報」を説明変数とし、「心理識別子（ＩＤ）」を目的変数として対応付けたものである。個人特性情報は、前述した図３と同様のものであってもよい。
これによって、ユーザ心理推定エンジン１２は、＜推定段階＞として、現に利用中のユーザの個人特性情報から心理ＩＤを推定する。

図５によれば、ユーザ心理推定エンジン１２は、訓練段階として、推定装置周辺の「混雑度」を更に対応付けた第２の教師データによって訓練するものであってもよい。「混雑度」は、推定装置１を所持するユーザが歩きスマホをした場合に、その危険度につながるものである。
この場合、ユーザ心理推定エンジン１２は、推定段階として、現に利用中の推定装置周辺の「混雑度」を更に入力し、推定装置周辺の混雑度を潜在的に考慮した心理ＩＤを推定する。

ここで、推定装置周辺の「混雑度」は、以下のいずれであってもよい。
（例１）推定装置の現在の緯度経度に基づいてサーバから取得した混雑度
この場合、サーバは、地図上に多数の移動体の位置をプロットしているとする。ここで、推定装置１は、測位機能によって自らの現在位置（緯度経度）を測位し、その現在位置をサーバへ送信する。サーバは、受信した緯度経度から所定半径に存在する移動体の数を、混雑度として、推定装置へ返信する。

（例２）推定装置が現に周辺から受信した近距離無線通信のビーコン信号の数に基づく混雑度
この場合、推定装置１は、近距離無線通信部１６を有し、周辺に位置する複数の端末から発信されるビーコン信号（例えばBluetooth（登録商標）のビーコン信号）を受信し、その端末数を、混雑度として検知する。ビーコン信号は、例えば推定装置１の周辺に位置する、他のユーザが所持するスマートフォンや乗車する自動車から常時発信されているものである。

［行動変容情報提示部１７］
行動変容情報提示部１７は、代替機能推定エンジン１１によって推定された代替機能の識別子と、ユーザ心理推定エンジンによって推定された心理識別子とに対応する行動変容情報を選択し、ユーザに提示する。
「行動変容情報」とは、ユーザに対して、例えば歩きスマホをしている際に、その行動を変容させる（具体的には、歩きスマホの行為をしないようにさせる）ために提示すべき情報を意味する。ここで、本願の発明者らは、ユーザの利用中アプリや、そのアプリを停止させるべく適切な代替機能、及び、ユーザの心理状態に応じて、ユーザに提示すべき行動変容情報は異なるであろうと考えている。

図６は、本発明における行動変容情報を表す説明図である。

図６によれば、利用中アプリ及び代替機能の組み合わせ毎に、心理ＩＤに応じて行動変容情報が対応付けられている。
例えば、ユーザが歩きスマホをしながらゲームアプリの利用中であって、代替機能推定エンジン１１によって代替機能「音声発話機能」が推定され、且つ、心理ＩＤ＝Ｔ１の場合、「今、やらなくてもいいのでは？」と、直接的に歩きスマホを止めさせる情報が選択される。また、心理ＩＤ＝Ｔ２のユーザに対しては、「歩きスマホはぶうつかった人を傷つける可能性があるので、カフェでゲームをしませんか？」と、喫茶店などの休める場所を提案する情報が選択される。
また、例えば、ユーザが歩きスマホをしながらゲームアプリの利用中であって、代替機能推定エンジン１１によって代替機能「通信機能」が推定され、且つ、心理ＩＤ＝Ｔ１の場合、「通信機能をＯＦＦにします」と、直接的にその機能を明示する情報が選択される。これによって、他者からの連絡がこなくなることを説示することとなる。
更に、例えば、ユーザが歩きスマホをしながらＳＮＳの利用中であって、代替機能推定エンジン１１によって代替機能「ブラウザ機能」が推定され、且つ、心理ＩＤ＝Ｔ６の場合、「後で、ウェアラブル端末の購入サイトを見てください」が選択される。また、例えば、代替機能推定エンジン１１によって代替機能「通信機能ＯＦＦ」が推定され、且つ、心理ＩＤ＝Ｔ４の場合、「「歩行中なので返答できません」と自動返信します」が選択される。

行動変容情報提示部１７は、推定装置１が端末又はスマートフォンである場合、そのディスプレイに表示するものであってもよいし、音声によってユーザに発話するものであってもよい。

前述した図４のように、ユーザ利用検知部１４は、第１の教師データへ、歩きスマホの利用停止の有無を通知するものであってもよい。これによって、第１の教師データに対して、代替機能に基づく効果が、ビッグデータとして一連的に蓄積されていく。代替機能学習エンジン１１の推定精度を高めることにつながる。

図７は、本発明における推定装置と推定サーバとからなるシステムの機能構成図である。

図７によれば、推定装置１は、例えばユーザ操作可能な端末やスマートフォンであって、携帯電話網及びインターネットを介して推定サーバ２と通信する。
端末１は、前述した歩行検知部１３、ユーザ利用検知部１４、アプリ起動部１５及び近距離無線通信部１６を有する。
また、推定サーバ２は、代替機能推定エンジン１１を有する。推定サーバ２は、代替機能推定エンジン１１の推定段階を、所定条件に基づいてユーザが歩行中であって且つアプリケーションを利用中である場合に実行させる。

以上、詳細に説明したように、本発明の推定装置、プログラム及び方法によれば、ユーザに対して、利用中のアプリケーションに対する代替機能を推定することができる。これによって、例えばユーザにおける歩きスマホの行為を、代替機能によって抑止することができる。

尚、これにより、例えば「ユーザに対して、利用中のアプリケーションに対する代替機能を推定することによって、歩きスマホのような迷惑及び危険な行為を防止すし、交通事故などの事故を減少させることができる」ことから、国連が主導する持続可能な開発目標（ＳＤＧｓ）の目標３「あらゆる年齢のすべての人々の健康的な生活を確保し、福祉を推進する」に貢献することが可能となる。

前述した本発明の種々の実施形態について、本発明の技術思想及び見地の範囲の種々の変更、修正及び省略は、当業者によれば容易に行うことができる。前述の説明はあくまで例であって、何ら制約しようとするものではない。本発明は、特許請求の範囲及びその均等物として限定するものにのみ制約される。

１ 推定装置、端末
１１０ 第１の教師データ
１１ 代替機能推定エンジン
１２０ 第２の教師データ
１２ ユーザ心理推定エンジン
１３ 歩行検知部
１４ ユーザ利用検知部
１５ アプリ起動部
１６ 近距離無線通信部
１７ 行動変容情報提示部
２ 推定サーバ

Claims (12)

1. 訓練段階として、アプリケーション種別と、代替機能と、当該代替機能にユーザ自ら移行したか否かとを対応付けた第１の教師データによって訓練し、
   推定段階として、ユーザが現に利用中のアプリケーション種別を入力し、当該アプリケーション種別に対する代替機能を推定する
   代替機能推定エンジンを有することを特徴とする推定装置。
2. 第１の教師データは、現に利用中のアプリケーションをユーザ自ら停止するであろう代替機能と、当該アプリケーションの利用をユーザ自ら停止したか否かをスコアとして対応付けたものである
   ことを特徴とする請求項１に記載の推定装置。
3. 代替機能推定エンジンは、推定段階として、アプリケーション種別に対して、最も高いスコアとなる代替機能を推定結果とする
   ことを特徴とする請求項１又は２に記載の推定装置。
4. 代替機能推定エンジンは、
   訓練段階として、ユーザの個人特性情報を更に対応付けた第１の教師データによって訓練し、
   推定段階として、現に利用中のユーザの個人特性情報を更に入力し、個人特性情報を潜在的に考慮した代替機能を推定する
   ことを特徴とする請求項１から３のいずれか１項に記載の推定装置。
5. ユーザの個人特性情報は、固定的な属性情報、アンケート調査に基づく心理特性情報、及び／又は、所定期間に予め取得された歩行中アプリ利用率若しくは歩行中アプリ利用時間帯である
   ことを特徴とする請求項４に記載の推定装置。
6. 訓練段階として、ユーザの個人特性情報と心理識別子とを対応付けた第２の教師データによって訓練し、
   推定段階として、現に利用中のユーザの個人特性情報から心理識別子を推定する
   ユーザ心理推定エンジンと、
   代替機能推定エンジンによって推定された代替機能の識別子と、ユーザ心理推定エンジンによって推定された心理識別子とに対応する行動変容情報を選択し、ユーザに提示する行動変容情報提示手段と
   を更に有することを特徴とする請求項１から５のいずれか１項に記載の推定装置。
7. ユーザ心理推定エンジンは、
   訓練段階として、推定装置周辺の混雑度を更に対応付けた第２の教師データによって訓練し、
   推定段階として、現に利用中の推定装置周辺の混雑度を更に入力し、推定装置周辺の混雑度を潜在的に考慮した心理識別子を推定する
   ことを特徴とする請求項６に記載の推定装置。
8. 推定装置周辺の混雑度は、
   推定装置の現在の緯度経度に基づいてサーバから取得した混雑度、又は、
   推定装置が現に周辺から受信した近距離無線通信のビーコン信号の数に基づく混雑度
   であることを特徴とする請求項７に記載の推定装置。
9. ユーザの歩行中を検知する歩行検知手段と、
   ユーザが現にアプリケーションを利用中であることを検知するユーザ利用検知手段と
   を更に有し、
   代替機能推定エンジンは、推定段階を、所定条件に基づいてユーザが歩行中であって且つアプリケーションを利用中である場合に実行させる
   ことを特徴とする請求項１から８のいずれか１項に記載の推定装置。
10. 請求項１から８のいずれか１項に記載の推定装置と、ユーザ操作可能な端末とを有するシステムであって、
    端末は、
    ユーザの歩行中を検知する歩行検知手段と、
    ユーザが現にアプリケーションを利用中であることを検知するユーザ利用検知手段と
    を有し、
    推定装置は、代替機能推定エンジンの推定段階を、所定条件に基づいてユーザが歩行中であって且つアプリケーションを利用中である場合に実行させる
    ことを特徴とするシステム。
11. 訓練段階として、アプリケーション種別と、代替機能と、当該代替機能にユーザ自ら移行したか否かとを対応付けた第１の教師データによって訓練し、
    推定段階として、ユーザが現に利用中のアプリケーション種別を入力し、当該アプリケーション種別に対する代替機能を推定する
    代替機能推定エンジンとしてコンピュータを機能させることを特徴とするプログラム。
12. アプリケーションを実行する装置の代替機能推定方法において、
    装置は、
    訓練段階として、アプリケーション種別と、代替機能と、当該代替機能にユーザ自ら移行したか否かとを対応付けた第１の教師データによって訓練し、
    推定段階として、ユーザが現に利用中のアプリケーション種別を入力し、当該アプリケーション種別に対する代替機能を推定する
    代替機能推定エンジンを実行することを特徴とする代替機能推定方法。
    

Images