JP5762474B2 - 階層的目的地予測モデル構築装置、目的地予測装置及び階層的目的地予測モデル構築方法、目的地予測方法 - Google Patents

Description

本発明は、データ解析の技術分野に関し、特に、階層的目的地予測モデル構築装置、目的地予測装置及び階層的目的地予測モデル構築方法、目的地予測方法に関する。

位置ベースのサービスでは、ユーザの位置情報に基づいてサービスや情報推奨が提供される。位置ベースのサービスの品質は、目的地予測技術によって決まる。ユーザの目的地位置を正確に予測できれば、ユーザが将来居るはずの場所に基づいて、個人的な位置に基づくサービスと関連の情報推奨をユーザに提供することが可能になる。例えば、ユーザの目的地付近の駐車場、交通状況、店舗のディスカウントに関する情報を自動的にユーザに提供することができる。

従来の目的地予測技術は、位置間の遷移パターンに基づいて将来可能な目的地位置を予測する。しかし、位置間の遷移の特徴が十分な有意性を示すことは稀である。例えば、あるユーザが週末に公園に行くことを習慣にしていたとしても、行く公園は毎回異なるかもしれない。この場合は、ユーザの位置遷移パターンを発見するのは不可能であり、よってユーザの目的地位置を正確に予測することも不可能である。

従って、ユーザの目的地位置を正確に予測できる解決法が必要とされている。

本発明の目的は、活動の遷移は位置の遷移よりも定期的なので予測可能性が高いという理由から、位置ではなく活動の遷移パターンに基づき、階層的予測モデルを使用して、ユーザの目的地位置と活動を予測できる目的地予測装置及び方法を提供することにある。

本発明の１つの態様によれば、階層的目的地予測モデル構築装置が提供される。当該装置は、ユーザの履歴位置データを受信し、当該ユーザの履歴位置データから、ユーザの出発位置及び関連の時間を含む出発データと、ユーザの到着位置を含む到着データとを抽出するように構成された抽出手段と、出発データ及び到着データに基づいて、各位置におけるユーザの可能な活動及びその当初確率を決定し、ユーザの到着パターン及び出発パターンに基づいて活動の当初確率を調整するように構成された決定手段と、出発データ及び調整後の確率に基づいて階層的目的地予測モデルを取得するように構成された予測モデル取得手段とを含む。階層的目的地予測モデルの上の層は活動及びその遷移を表し、階層的目的地予測モデルの下の層は活動の位置を表わす。

決定手段は、マニュアルアノテーションまたは地図データ計算によって、各位置におけるユーザの可能な活動とその当初確率を取得するように構成されるのが望ましい。

決定手段は、２つの位置におけるユーザの到着パターンと出発パターンが類似しているか否かを判定し、類似している場合は、当該２つの位置における同じ活動の確率を増加させ、当該２つの位置における他の活動の確率を減少させるように構成されるのが望ましい。

予測モデル取得手段は、マルコフモデル、ニューラルネットワークモデル、頻出パターンモデルのうちいずれかを使用し、出発データ及び調整後の確率に基づいて、階層的目的地予測モデルを取得するように構成されるのが望ましい。

決定手段は、２つの位置について、一方の位置の直前及び直後の位置がそれぞれ他方の位置の直前及び直後の位置と同じで、かつ２つの位置の到着時間及び出発時間がそれぞれ同じ期間内にある場合に、２つの位置の到着パターン及び出発パターンが類似していると判定するように構成されるのが望ましい。

決定手段は、２つの位置について、一方の位置の直前及び直後の位置がそれぞれ他方の位置の直前及び直後の位置に近く、かつ２つの位置の到着時間及び出発時間がそれぞれ同じ期間内にある場合に、２つの位置の到着パターン及び出発パターンが類似していると判定するように構成されるのが望ましい。

本発明の第２の態様によれば、目的地予測装置が提供される。当該装置は、ユーザの出発位置及び関連の時間を受信するように構成された受信手段と、受信したユーザの出発位置及び関連の時間に基づき、階層的目的地予測モデルを適用してユーザの目的地及び活動を予測するように構成された予測手段とを含む。階層的目的地予測モデルの上の層は活動及びその遷移を表し、階層的目的地予測モデルの下の層は活動の位置を表わす。

目的地予測装置は、ユーザの履歴位置データの更新に使用されるユーザの実際の位置データを記憶するように構成された記憶手段をさらに含むのが望ましい。

本発明の第３の態様によれば、階層的目的地予測モデル構築方法が提供される。当該方法は、階層的目的地予測モデル構築装置の抽出手段が、ユーザの履歴位置データを受信し、当該ユーザの履歴位置データから、ユーザの出発位置及び関連の時間を含む出発データと、ユーザの到着位置を含む到着データとを抽出するステップと、階層的目的地予測モデル構築装置の決定手段が、出発データ及び到着データに基づいて、各位置におけるユーザの可能な活動及びその当初確率を決定し、ユーザの到着パターン及び出発パターンに基づいて活動の当初確率を調整するステップと、階層的目的地予測モデル構築装置の予測モデル取得手段が、出発データ及び調整後の確率に基づいて、階層的目的地予測モデルを取得するステップとを含む。階層的目的地予測モデルの上の層が活動及びその遷移を表し、階層的目的地予測モデルの下の層が活動の位置を表わす。

各位置におけるユーザの可能な活動及びその当初確率は、マニュアルアノテーションまたは地図データ計算によって取得されるのが望ましい。

調整のステップは、決定手段が、２つの位置におけるユーザの到着パターンと出発パターンが類似しているか否かを判定し、類似している場合は、当該２つの位置における同じ活動の確率を増加させ、当該２つの位置における他の活動の確率を減少させるステップを備えるのが望ましい。

取得のステップは、マルコフモデル、ニューラルネットワークモデル、頻出パターンモデルのうちいずれかを使用し、出発データ及び調整後の確率に基づいて、階層的目的地予測モデルを取得するステップを備えるのが望ましい。

２つの位置について、一方の位置の直前及び直後の位置がそれぞれ他方の位置の直前及び直後の位置と同じで、かつ２つの位置の到着時間及び出発時間がそれぞれ同じ期間内にある場合に、２つの位置の到着パターン及び出発パターンが類似していると判定するのが望ましい。

２つの位置について、一方の位置の直前及び直後の位置がそれぞれ他方の位置の直前及び直後の位置に近く、かつ２つの位置の到着時間及び出発時間がそれぞれ同じ期間内にある場合に、２つの位置の到着パターン及び出発パターンが類似していると判定するのが望ましい。

本発明の第４の態様によれば、目的地予測方法が提供される。当該方法は、目的地予測装置の受信手段が、ユーザの出発位置及び関連の時間を受信するステップと、目的地予測装置の予測手段が、受信したユーザの出発位置及び関連の時間に基づき、階層的目的地予測モデルを適用してユーザの目的地及び活動を予測するステップとを含む。階層的目的地予測モデルの上の層は活動及びその遷移を表し、階層的目的地予測モデルの下の層は活動の位置を表わす。

目的地予測方法は、ユーザの履歴位置データの更新に使用されるユーザの実際の位置データを記憶するステップをさらに含むのが望ましい。

本発明によれば、ユーザの位置遷移が定期的でない場合でも、ユーザの将来の目的地位置及び目的地活動を正確に予測することができる。

上記及びその他の目的、特徴、並びに利点は、図面を参照しながら実施例について述べた以下の説明を読むことにより、さらに明らかになるであろう。

本発明の一実施例による、階層的目的地予測モデル構築装置のブロック図である。 本発明の一実施例による階層的目的地予測モデル構築装置によって使用されるデータテーブルを示す概略図である。 本発明の一実施例による階層的目的地予測モデル構築装置によって構築される階層的目的地予測モデルの概略図である。 本発明の一実施例による目的地予測装置のブロック図である。 本発明の一実施例によるデータ解析方法を示すフローチャートである。 本発明の一実施例による予測方法を示すフローチャートである。

以下では、図面を参照しながら本発明の実施例について詳細に説明する。本発明は下記の実施例に限定されないことに留意されたい。以下の説明では、本発明の概念が曖昧になるのを回避するため、本発明に無関係なよく知られた技術の詳細は省略する。

図１は、本発明の一実施例による、階層的目的地予測モデル構築装置１０のブロック図である。図１に示すように、装置１０は抽出手段１１０と決定手段１２０と予測モデル取得手段１３０とを含む。以下では、抽出手段１１０、決定手段１２０、予測モデル取得手段１３０の動作について、図２及び図３を参照して詳細に説明する。

抽出手段１１０は、ユーザの履歴位置データから出発データ及び到着データを抽出するように構成されている。ここで、出発データはユーザの出発位置及び関連の時間を含み、到着データはユーザの目的地位置を含む。図２を参照すると、表１は過去の期間におけるユーザの位置データ（各移動の出発位置と到着位置）を示している。表１の１番目の列と２番目の列はそれぞれユーザの出発位置及び関連の時間を示し、３番目の列はユーザの目的地位置（到着位置）を示す。エントリＡ、Ｂ、Ｃ…は、１１６．１２５０４、４０．２８７６等の特定の経度及び緯度データを含むことができる。但し、位置データのエントリＡ、Ｂ、Ｃ…の形式はこれに限定されない。

決定手段１２０は、特定の期間内の各位置におけるユーザの活動及びその確率を取得するために、出発データ及び到着データに基づいて、各位置におけるユーザの可能な活動とその当初確率とを決定し、ユーザの到着パターン及び出発パターンに基づいて、活動の当初確率を調整するように構成されている。

具体的には、決定手段１２０は、マニュアルアノテーションまたは地図データ計算によって、各位置におけるユーザの可能な活動とその当初確率を取得する。例えば、決定手段１２０は、地図データに基づいて各位置の意味項目（例：その位置はレストランか、あるいはショッピングモールか）を取得することができる。その後、決定手段１２０は、意味項目と活動との間のマッピング関係に基づいて、その位置における１つ以上の活動を取得する。例えば、レストランは食事活動に対応する。このレストランの位置が複数の店舗とレストランを含むショッピングモールの場合、その位置はショッピングと食事という２つの活動にそれぞれマッピングされる２つの意味項目に対応する。決定手段１２０は、ショッピングモール内の店舗とレストランの規模及び数に基づいて、ショッピングモールにおける２つの活動（すなわち、ショッピングと食事）それぞれの当初確率を取得する。特定の位置に対応する活動及びその当初確率は、全ユーザの間で同じである。

図２を参照すると、表２は決定手段１２０によって取得された各位置の可能な活動及びその当初確率を示している。例えば、位置Ｃの可能な活動は「仕事」及び「食事」で、それぞれ０．２と０．８の確率を有する。位置Ｄの可能な活動は「食事」及び「ショッピング」で、それぞれ０．６と０．４の確率を有する。

決定手段１２０はさらに、活動の当初確率をユーザの活動の特徴に近づけるために、ユーザの到着パターン及び出発パターンに基づいてそれを調整する。この調整は、２つの位置に係るユーザの到着パターン及び出発パターンが類似している場合は、これら２つの位置におけるユーザの活動もまた類似している、という主要原則に従って行われる。

本明細書で使用する「到着パターン」という用語は、特定の期間中における滞在地点Ｌに向かう全ての位置遷移（すなわち、直前の滞在地点から目的地である滞在地点Ｌへの遷移）を意味する。本明細書で使用する「出発パターン」とは、特定の期間中における滞在地点Ｌから出発する全ての位置遷移（すなわち、出発位置である滞在地点Ｌから次の滞在地点への遷移）を意味する。ここで、「滞在地点」とは、ユーザがしきい値よりも長い時間にわたって滞在する地理的位置を意味し、このしきい値は実際の状況に応じて決定することができる（例：３０分）。次に、図２を参照し、１つの動作例を用いて、決定手段１２０が当初確率を調整する方法について説明する。

位置Ｃの到着パターン（すなわち、位置Ｃが到着位置）は以下の通りである。
月曜日１７：５０にＢ−＞Ｃ

位置Ｃの出発パターン（すなわち、位置Ｃが出発位置）は以下の通りである。
水曜日１９：００にＣ−＞Ａ、木曜日１９：１５にＣ−＞Ａ

位置Ｄの到着パターン（すなわち、位置Ｄが到着位置）は以下の通りである。
月曜日１８：００にＢ−＞Ｄ

位置Ｄの出発パターン（すなわち、位置Ｄが出発位置）は以下の通りである。
火曜日２０：００にＤ−＞Ａ、金曜日１９：１０にＤ−＞Ａ

上記から分かるように、位置Ｃと位置Ｄの到着パターンは、ユーザが月曜日の１７：５０〜１８：００に位置Ｂを出発して位置ＣまたはＤに向かう、という点で類似度がきわめて高い。位置Ｃと位置Ｄの出発パターンもまた、平日の１９：００〜２０：００にユーザが位置ＣまたはＤを出発して位置Ａに向かう、という点で類似度がきわめて高い。そのため、決定手段１２０は、位置Ｃと位置Ｄにおける活動は類似している可能性があると判定し、２つの位置に共通する活動（食事）の確率を増加させ、他の活動の確率を減少させる。決定手段１２０は、確率の増加を量または係数によって行う。例えば、図２の表３に示すように、決定手段１２０はユーザが位置Ｃで食事をする確率を０．９５に増加させ、位置Ｃで仕事をする確率を０．０５に減少させる。同様に、決定手段１２０は位置Ｄで食事をする確率を０．７に増加させ、位置Ｄでショッピングをする確率を０．３に減少させる。

ここで、決定手段１２０が２つの位置の到着パターン及び出発パターンが類似していると判定する条件は、上述したものに限定されないことに留意されたい。例えば、ユーザが同じ位置から２つの位置に行き、当該２つの位置を出発して２つの異なる目的地に向かった場合には、決定手段１２０は、当該２つの目的地間の距離が十分に短く（すなわち、定義されたしきい値よりも短く）、ユーザが同じ期間中に当該２つの位置に到着し、かつ同じ期間中に当該２つの位置を出発していれば、当該２つの位置の到着パターン及び出発パターンは類似していると判定する。実際の状況に応じて、上記以外の決定条件も検討することができる。

再び図１を参照すると、予測モデル取得手段１３０は、出発データ（ユーザの出発位置及び関連の時間）及び調整後の確率に基づいて階層的目的地予測モデル１０２を取得するように構成されている。これは、条件付き活動遷移予測である。その理由は、特定の出発位置及び出発時間に依存して活動遷移が予測されるからである。到着活動と特定の位置との間にはマッピング関係がある。予測は、マルコフモデル、ニューラルネットワークモデル、頻出パターンモデル、またはその他の技術を用いて実装することができる。取得される階層的予測モデル１０２は、活動及びその遷移を表す上の層と、活動の位置を表す下の層との２つの層で構成されている。以下では、図３を参照して、予測モデル取得手段１３０の動作例を説明する。

予測モデル取得手段１３０は、図３に示す履歴位置データ（表１）及びユーザの活動の調整後の確率（表３）に基づいて、ユーザの履歴位置−活動データ（表４）、すなわち各位置におけるユーザの活動及びその確率、を取得する。その後、表４のデータをトレーニングすることによって、階層的予測モデル１０２が取得される。図３の下側に示すように、階層的予測モデル１０２は、活動及びその遷移を表す上の層と、位置を表す下の層との２つの層で構成されている。これら２つの層は、活動と位置と確率との間のマッピング関係によって互いに関連づけられている。例えば、図３の階層的予測モデル１０２は、ユーザは平日の１７：００〜２４：００に２タイプの活動遷移をすることを示している。１番目のタイプの活動遷移では、ユーザは仕事の後に食事をし（０．８の確率）、仕事の位置はＡである。そして、食事の位置はＣ（０．６５の確率）またはＤ（０．３５の確率）の可能性がある。２番目のタイプの活動遷移では、ユーザは仕事の後に自宅に帰る（０．１５の確率）。そして、仕事の位置はＡであり、自宅の位置はＢである。

本実施例による階層的目的地予測モデル構築装置１０を使用すれば、ユーザの目的地位置及び活動を正確に予測可能な階層的予測モデルを生成することができる。

図４は、本発明の一実施例による目的地予測装置４０のブロック図である。図４に示すように、目的地予測装置４０は受信手段４１０と予測手段４２０とを含む。目的地予測装置４０は、代替構成として、記憶手段４３０（破線のブロックで示す）をさらに含むこともできる。

受信手段４１０は、出発データ４０１（すなわち、ユーザの出発位置及び関連の時間）を受信するように構成されている。予測手段４２０は、受信した出発データ４０１に基づき、階層的目的地予測モデル１０２を適用して、ユーザの目的地及び活動を予測するように構成される。ここで、階層的目的地予測モデル１０２は、上記で説明した階層的目的地予測モデル構築装置１０（図３参照）によって取得された階層的目的地予測モデル１０２とすることができる。

一例として、受信手段４１０によって受信されたデータが、出発位置として「Ｂ」、出発時間として「２０１２年１１月１５日木曜日１７：００」を示すと想定する。予測手段４２０は、階層的目的地予測モデル１０２を適用して、ユーザの将来可能な活動は「食事」及び「自宅で過ごす」を含むと予測する。この場合、「食事」の確率は０．８（位置Ｃで食事する確率は０．６５で、位置Ｄで食事する確率は０．３５）であり、「自宅で過ごす」の確率は０．１５（位置Ａに居る確率は１）である。

目的地予測装置４０は、ユーザの実際の位置データを記憶し、ユーザの履歴位置データを更新するために（例えば、図２に示す表１を更新するために）記憶した実際の位置データを定期的に送信するように構成されたオプションの記憶手段４３０をさらに含むことができる。この場合、階層的目的地予測モデル構築装置１０は、ユーザの更新済み履歴位置データに基づいて改良された、階層的目的地予測モデル１０２を取得する。

本実施例による目的地予測装置４０を使用すれば、ユーザの位置遷移が定期的でない場合でも、ユーザの将来の目的地位置及び目的地活動を正確に予測することができる。

図５は、本発明の一実施例によるデータ解析方法５０を示すフローチャートである。図５に示すように、方法５０はステップＳ５１０から開始する。

ステップＳ５２０において、ユーザの履歴位置データから出発データと到着データが抽出される。上述したように、出発データはユーザの出発位置及び関連の時間を含み、到着データはユーザの目的地位置を含む。図２を参照すると、表１は過去の期間におけるユーザの位置データ（各移動の出発位置と到着位置）を示している。表１の１番目の列と２番目の列はそれぞれユーザの出発位置及び関連の時間を示し、３番目の列はユーザの目的地位置（到着位置）を示す。エントリＡ、Ｂ、Ｃ…は、特定の経度及び緯度データを含むことができるがこれに限定されない。

ステップＳ５３０において、特定の期間内の各位置におけるユーザの活動とその確率を取得するために、出発データ及び到着データに基づいて、各位置におけるユーザの可能な活動及びその当初確率が決定され、ユーザの到着パターン及び出発パターンに基づいて、活動の当初確率が調整される。各位置におけるユーザの可能な活動及びその当初確率は、マニュアルアノテーションまたは地図データ計算によって取得できる。特定の位置に対応する活動及びその当初確率は、全ユーザの間で同じである。例えば、図２を参照すると、表２はステップＳ５３０において取得された各位置の可能な活動及びその当初確率を示している。例えば、位置Ｃの可能な活動は「仕事」及び「食事」で、それぞれ０．２と０．８の確率を有する。位置Ｄの可能な活動は「食事」及び「ショッピング」で、それぞれ０．６と０．４の確率を有する。

さらに、活動の当初確率をユーザの活動の特徴に近づけるために、ユーザの到着パターン及び出発パターンに基づいて活動の当初確率が調整される。２つの位置におけるユーザの到着パターンと出発パターンが類似しているか否かが判定され、類似している場合は、当該２つの位置における同じ活動の確率が増加され、当該２つの位置における他の活動の確率が減少される。例えば、図２を参照すると、位置Ｃ及びＤの到着パターンは、ユーザが月曜日の１７：５０〜１８：００に位置Ｂを出発して位置ＣまたはＤに向かう、という点で類似度がきわめて高い。また、位置Ｃと位置Ｄの出発パターンもまた、平日の１９：００〜２０：００にユーザが位置ＣまたはＤを出発して位置Ａに向かう、という点で類似度がきわめて高い。この場合は、これら２つの位置に共通する活動（食事）の確率が増加され、他の活動の確率が減少される。確率は量または係数によって増加される。例えば、図２の表３に示すように、ユーザが位置Ｃで食事をする確率は０．９５に増加され、位置Ｃで仕事をする確率は０．０５に減少される。同様に、ユーザが位置Ｄで食事をする確率は０．７に増加され、位置Ｄでショッピングをする確率は０．３に減少される。

その後、ステップＳ５４０において、出発データ及び調整後の確率に基づいて、階層的目的地予測モデルが取得される。階層的目的地予測モデルの上の層は活動及びその遷移を表し、階層的目的地予測モデルの下の層は活動の位置を表わす（図３参照）。ステップＳ５４０は、マルコフモデル、ニューラルネットワークモデル、頻出パターンモデル、またはその他の技術を用いて実装することができる。

最後に、方法５０はステップＳ５５０で終了する。

図６は、本発明の一実施例による予測方法６０を示すフローチャートである。図６に示すように、方法６０はステップＳ６１０から開始する。

ステップＳ６２０において、ユーザの出発位置及び関連の時間が受信される。その後、ステップＳ６３０において、受信したユーザの出発位置及び関連の時間に基づき、階層的目的地予測モデルを適用して、ユーザの目的地及び活動が予測される。

一例として、受信手段４１０によって受信されたデータが、出発位置として「Ｂ」、出発時間として「２０１２年１１月１５日木曜日１７：００」を示すと想定する。階層的目的地予測モデル１０２を適用して、ユーザの将来可能な活動は「食事」及び「自宅で過ごす」を含むと予測される。この場合、「食事」の確率は０．８（位置Ｃで食事する確率は０．６５で、位置Ｄで食事する確率は０．３５）であり、「自宅で過ごす」の確率は０．１５（位置Ａに居る確率は１）である。

方法６０は、ユーザの実際の位置データが記憶され、ユーザの履歴位置データを更新するために（例えば、図２の表１を更新するために）定期的に送信される、オプションのステップＳ６４０をさらに含むこともできる。この場合は、ユーザの更新済み履歴位置データに基づいて、改良された階層的目的地予測モデルが取得される。

最後に、方法６０はステップＳ６５０で終了する。

本発明の上記の実施例は、ソフトウェア、ハードウェア、またはその組み合わせとして実装できることに留意されたい。例えば、上記の実施例による階層的目的地予測モデル構築装置と目的地予測装置の様々な構成部品は、アナログ回路、デジタル回路、汎用プロセッサ、デジタル信号処理（ＤＳＰ）回路、プログラム可能プロセッサ、特定用途向け集積回路（ＡＳＩＣ）、フィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ）、結合プログラム可能論理回路（ＣＰＬＤ）等を含むがこれに限定されない様々な装置を使用して実装することができる。

加えて、上記の実施例において説明したユーザの履歴位置データまたは実際の移動データは、ローカルデータベース、分散データベ―ス、リモートデータベースのいずれにも記憶できることは、当業者には理解されるであろう。

さらに、本明細書で開示した本発明の実施例は、コンピュータプログラム製品上に実装することもできる。具体的には、このコンピュータプログラム製品は、コンピュータプログラム論理が符号化されたコンピュータ可読媒体を備える製品とすることができる。このコンピュータプログラム論理は、計算装置内で実行されると、本発明の上記の解決法を実装するための動作を提供する。また、当該コンピュータプログラム論理は、計算システムの少なくとも１つのプロセッサ上で実行されると、当該プロセッサを介して本発明の実施例による動作（方法）を実行する。本発明のこうした構成は、典型的には、光媒体（例：ＣＤ−ＲＯＭ）、フロッピーディスクもしくはハードディスク等のコンピュータ可読媒体上に設定もしくは符号化されたソフトウェア、コードその他のデータ構造体、または１つ以上のＲＯＭ、ＲＡＭもしくはＰＲＯＭチップ上のファームウェアもしくはマイクロコード、または１つ以上のモジュールからダウンロード可能なソフトウェアイメージもしくは共有データベースとして提供される。ソフトウェア、ファームウェア等の構成は、計算装置上にロードすることにより、当該計算装置内の１つ以上のプロセッサを介して、本発明の実施例による解決法を実装することができる。

以上、本発明についてその好適な実施例を参照して説明してきたが、当該技術に精通した当業者には、本発明の精神と範囲から逸脱することなく様々な修正、変更、追加を行うことが可能なことは明らかであろう。従って、本発明の範囲は上記の特定の実施例に限定されず、付記した請求項及びその等価構成によってのみ規定される。

さらに、上記実施形態の一部又は全部は、以下の付記のようにも記載されうるが、これに限定されない。

（付記１） 階層的目的地予測モデル構築装置であって、
ユーザの履歴位置データを受信し、当該ユーザの履歴位置データから、ユーザの出発位置及び関連の時間を含む入力データと、ユーザの到着位置を含む出力データとを抽出するように構成された抽出手段と、
入力データ及び出力データに基づいて、各位置におけるユーザの可能な活動及びその当初確率を決定し、ユーザの到着パターン及び出発パターンに基づいて活動の当初確率を調整するように構成された決定手段と、
入力データ及び調整後の確率に基づいて階層的目的地予測モデルを取得するように構成された予測モデル取得手段とを備え、
前記階層的目的地予測モデルの上の層は活動及びその遷移を表し、階層的目的地予測モデルの下の層は活動の位置を表わす
ことを特徴とする階層的目的地予測モデル構築装置。

（付記２） 前記決定手段は、マニュアルアノテーションまたは地図データ計算によって、各位置におけるユーザの可能な活動とその当初確率を取得するように構成されることを特徴とする付記１に記載の階層的目的地予測モデル構築装置。

（付記３） 前記決定手段は、２つの位置におけるユーザの到着パターンと出発パターンが類似しているか否かを判定し、類似している場合は、当該２つの位置における同じ活動の確率を増加させ、当該２つの位置における他の活動の確率を減少させるように構成されることを特徴とする付記１に記載の階層的目的地予測モデル構築装置。

（付記４） 前記予測モデル取得手段は、マルコフモデル、ニューラルネットワークモデル、頻出パターンモデルのうちいずれかを使用し、入力データ及び調整後の確率に基づいて、階層的目的地予測モデルを取得するように構成されることを特徴とする付記１に記載の階層的目的地予測モデル構築装置。

（付記５） 前記決定手段は、２つの位置について、一方の位置の直前及び直後の位置がそれぞれ他方の位置の直前及び直後の位置と同じで、かつ２つの位置の到着時間及び出発時間がそれぞれ同じ期間内にある場合に、２つの位置の到着パターン及び出発パターンが類似していると判定するように構成されることを特徴とする付記３に記載の階層的目的地予測モデル構築装置。

（付記６） 前記決定手段は、２つの位置について、一方の位置の直前及び直後の位置がそれぞれ他方の位置の直前及び直後の位置に近く、かつ２つの位置の到着時間及び出発時間がそれぞれ同じ期間内にある場合に、２つの位置の到着パターン及び出発パターンが類似していると判定するように構成されることを特徴とする付記３に記載の階層的目的地予測モデル構築装置。

（付記７） 目的地予測装置であって、
ユーザの出発位置及び関連の時間を受信するように構成された受信手段と、
受信したユーザの出発位置及び関連の時間に基づき、階層的目的地予測モデルを適用してユーザの目的地及び活動を予測するように構成された予測手段とを備え、
前記階層的目的地予測モデルの上の層は活動及びその遷移を表し、階層的目的地予測モデルの下の層は活動の位置を表わす
ことを特徴とする目的地予測装置。

（付記８） ユーザの履歴位置データの更新に使用されるユーザの実際の位置データを記憶するように構成される記憶手段をさらに備えることを特徴とする付記７に記載の目的地予測装置。

（付記９） 階層的目的地予測モデル構築方法であって、
ユーザの履歴位置データを受信し、当該ユーザの履歴位置データから、ユーザの出発位置及び関連の時間を含む入力データと、ユーザの到着位置を含む出力データとを抽出するステップと、
入力データ及び出力データに基づいて、各位置におけるユーザの可能な活動及びその当初確率を決定し、ユーザの到着パターン及び出発パターンに基づいて活動の当初確率を調整するステップと、
入力データ及び調整後の確率に基づいて、階層的目的地予測モデルを取得するステップとを含み、
前記階層的目的地予測モデルの上の層が活動及びその遷移を表し、階層的目的地予測モデルの下の層が活動の位置を表わす
ことを特徴とする階層的目的地予測モデル構築方法。

（付記１０） 各位置におけるユーザの可能な活動及びその当初確率を、マニュアルアノテーションまたは地図データ計算によって取得することを特徴とする付記９に記載の階層的目的地予測モデル構築方法。

（付記１１） 前記調整ステップは、２つの位置におけるユーザの到着パターンと出発パターンが類似しているか否かを判定し、類似している場合は、当該２つの位置における同じ活動の確率を増加させ、当該２つの位置における他の活動の確率を減少させるステップを含むことを特徴とする付記９に記載の階層的目的地予測モデル構築方法。

（付記１２） 前記取得ステップは、マルコフモデル、ニューラルネットワークモデル、頻出パターンモデルのうちいずれかを使用し、入力データ及び調整後の確率に基づいて、階層的目的地予測モデルを取得するステップを含むことを特徴とする付記９に記載の階層的目的地予測モデル構築方法。

（付記１３） ２つの位置について、一方の位置の直前及び直後の位置がそれぞれ他方の位置の直前及び直後の位置と同じで、かつ２つの位置の到着時間及び出発時間がそれぞれ同じ期間内にある場合に、２つの位置の到着パターン及び出発パターンが類似していると判定することを特徴とする付記１１に記載の階層的目的地予測モデル構築方法。

（付記１４） ２つの位置について、一方の位置の直前及び直後の位置がそれぞれ他方の位置の直前及び直後の位置に近く、かつ２つの位置の到着時間及び出発時間がそれぞれ同じ期間内にある場合に、２つの位置の到着パターン及び出発パターンが類似していると判定することを特徴とする付記１１に記載の階層的目的地予測モデル構築方法。

（付記１５） 目的地予測方法であって、
ユーザの出発位置及び関連の時間を受信するステップと、
受信したユーザの出発位置及び関連の時間に基づき、階層的目的地予測モデルを適用してユーザの目的地及び活動を予測するステップとを含み、
前記階層的目的地予測モデルの上の層は活動及びその遷移を表し、階層的目的地予測モデルの下の層は活動の位置を表わす
ことを特徴とする目的地予測方法。

（付記１６） ユーザの履歴位置データの更新に使用されるユーザの実際の位置データを記憶するステップをさらに含むことを特徴とする付記１５に記載の目的地予測方法。

１０１：ユーザ履歴位置データ
１１０：抽出手段
１２０：判定装置
１３０：予測モデル取得手段
１０：装置
１０２：階層的予測モデル
４０１：出発データ
４１０：受信手段
４２０：予測手段
４３０：記憶手段
４０：目的地予測装置

Claims (10)

1. 階層的目的地予測モデル構築装置であって、
   ユーザの履歴位置データを受信し、当該ユーザの履歴位置データから、ユーザの出発位置及び関連の時間を含む出発データと、ユーザの到着位置を含む到着データとを抽出するように構成された抽出手段と、
   出発データ及び到着データに基づいて、各位置におけるユーザの可能な活動及びその当初確率を決定し、ユーザの到着パターン及び出発パターンに基づいて活動の当初確率を調整するように構成された決定手段と、
   出発データ及び調整後の確率に基づいて階層的目的地予測モデルを取得するように構成された予測モデル取得手段とを備え、
   前記階層的目的地予測モデルの上の層は活動及びその遷移を表し、階層的目的地予測モデルの下の層は活動の位置を表わす
   ことを特徴とする階層的目的地予測モデル構築装置。
2. 前記決定手段は、マニュアルアノテーションまたは地図データ計算によって、各位置におけるユーザの可能な活動とその当初確率を取得するように構成されることを特徴とする請求項１に記載の階層的目的地予測モデル構築装置。
3. 前記決定手段は、２つの位置におけるユーザの到着パターンと出発パターンが類似しているか否かを判定し、類似している場合は、当該２つの位置における同じ活動の確率を増加させ、当該２つの位置における他の活動の確率を減少させるように構成されることを特徴とする請求項１に記載の階層的目的地予測モデル構築装置。
4. 前記予測モデル取得手段は、マルコフモデル、ニューラルネットワークモデル、頻出パターンモデルのうちいずれかを使用し、出発データ及び調整後の確率に基づいて、階層的目的地予測モデルを取得するように構成されることを特徴とする請求項１に記載の階層的目的地予測モデル構築装置。
5. 前記決定手段は、２つの位置について、一方の位置の直前及び直後の位置がそれぞれ他方の位置の直前及び直後の位置と同じで、かつ２つの位置の到着時間及び出発時間がそれぞれ同じ期間内にある場合に、２つの位置の到着パターン及び出発パターンが類似していると判定するように構成されることを特徴とする請求項３に記載の階層的目的地予測モデル構築装置。
6. 前記決定手段は、２つの位置について、一方の位置の直前及び直後の位置がそれぞれ他方の位置の直前及び直後の位置に近く、かつ２つの位置の到着時間及び出発時間がそれぞれ同じ期間内にある場合に、２つの位置の到着パターン及び出発パターンが類似していると判定するように構成されることを特徴とする請求項３に記載の階層的目的地予測モデル構築装置。
7. 目的地予測装置であって、
   ユーザの出発位置及び関連の時間を受信するように構成された受信手段と、
   受信したユーザの出発位置及び関連の時間に基づき、階層的目的地予測モデルを適用してユーザの目的地及び活動を予測するように構成された予測手段とを備え、
   前記階層的目的地予測モデルの上の層は活動及びその遷移を表し、階層的目的地予測モデルの下の層は活動の位置を表わす
   ことを特徴とする目的地予測装置。
8. 階層的目的地予測モデル構築方法であって、
   階層的目的地予測モデル構築装置の抽出手段が、ユーザの履歴位置データを受信し、当該ユーザの履歴位置データから、ユーザの出発位置及び関連の時間を含む出発データと、ユーザの到着位置を含む到着データとを抽出するステップと、
   前記階層的目的地予測モデル構築装置の決定手段が、出発データ及び到着データに基づいて、各位置におけるユーザの可能な活動及びその当初確率を決定し、ユーザの到着パターン及び出発パターンに基づいて活動の当初確率を調整するステップと、
   前記階層的目的地予測モデル構築装置の予測モデル取得手段が、出発データ及び調整後の確率に基づいて、階層的目的地予測モデルを取得するステップとを含み、
   前記階層的目的地予測モデルの上の層が活動及びその遷移を表し、階層的目的地予測モデルの下の層が活動の位置を表わす
   ことを特徴とする階層的目的地予測モデル構築方法。
9. 前記調整ステップは、前記決定手段が、２つの位置におけるユーザの到着パターンと出発パターンが類似しているか否かを判定し、類似している場合は、当該２つの位置における同じ活動の確率を増加させ、当該２つの位置における他の活動の確率を減少させるステップを含むことを特徴とする請求項８に記載の階層的目的地予測モデル構築方法。
10. 目的地予測方法であって、
    目的地予測装置の受信手段が、ユーザの出発位置及び関連の時間を受信するステップと、
    前記目的地予測装置の予測手段が、受信したユーザの出発位置及び関連の時間に基づき、階層的目的地予測モデルを適用してユーザの目的地及び活動を予測するステップとを含み、
    前記階層的目的地予測モデルの上の層は活動及びその遷移を表し、階層的目的地予測モデルの下の層は活動の位置を表わす
    ことを特徴とする目的地予測方法。

Images