JP5771238B2 - 同行判断装置、同行判断方法、およびプログラム - Google Patents

Description

本発明は、同行しているかどうかを判断する同行判断装置等に関するものである。

ある２名のユーザが同行しているのかどうかをリアルタイムに判断することが求められていた。例えば、ユーザに装着されたセンサが取得した位置情報を用いて、そのユーザの周辺の情報を取得する装置等が開発されている（例えば、特許文献１参照）。

特開２０１１−４００６３号公報

しかしながら、従来の位置情報を用いる方法では、２名以上のユーザが同行していたかどうかを判断する場合に、ユーザの移動経路を収集する必要があるため、プライバシーに対する配慮に大きなコストがかかるという課題があった。

上記課題に対し、本発明の目的は、プライバシーに対する配慮をしつつ、簡易な構成で、２名以上のユーザが同行しているかどうかを、リアルタイムに判断できるようにすることである。

本第一の発明の同行判断装置等は、２以上の各ユーザに装着されたセンサによって取得された観測情報と、観測情報を取得した時点を示す時点情報とを対応付けたセンサ情報であって、過去のセンサ情報に関する情報である過去センサ情報が格納される過去センサ情報格納手段と、２以上の各ユーザに装着されたセンサからセンサ情報を受信するセンサ情報受信手段と、過去センサ情報とセンサ情報受信手段が受信したセンサ情報とを用いて、センサ情報に含まれる最新の時点を示す判断時点に、センサ情報を取得したセンサを装着している２以上のユーザが同行しているかどうかを判断する同行ユーザ判断手段と、同行ユーザ判断手段が判断した結果を示す情報を出力する出力手段とを具備する同行判断装置である。

また、本第二の発明の同行判断装置は、第一の発明に対して、同行ユーザ判断手段は、センサ情報受信手段が受信したセンサ情報と、過去センサ情報とを用いて、センサ情報それぞれに対応する、判断時点以後のセンサ情報である予測センサ情報を取得するセンサ情報予測手段と、センサ情報受信手段が受信したセンサ情報、およびセンサ情報にそれぞれ対応する予測センサ情報について、センサ情報と予測センサ情報との組に、それぞれ含まれる観測情報の組であり、判断時点に応じた時点情報にそれぞれ対応する観測情報の組である観測情報セットの類似に関する情報である類似情報を算出する類似情報算出手段と、類似情報が、あらかじめ決められた条件を満たすほど類似することを示す場合に、類似情報を算出するのに用いた観測情報を取得したセンサを装着する２以上のユーザが、判断時点に同行していたと判断する同行判断手段とを具備する、同行判断装置である。

また、本第三の発明の同行判断装置は、第二の発明に対して、同行ユーザ判断手段は、過去センサ情報格納手段に格納されている過去センサ情報を教師データとする機械学習を行い、学習結果情報を取得する機械学習手段をさらに具備し、センサ情報予測手段は、センサ情報受信手段が受信したセンサ情報と、学習結果情報とを用いて、センサ情報に対応する、予測センサ情報を取得する、同行判断装置である。

また、本第四の発明の同行判断装置は、第三の発明に対して、ユーザに関する情報である時点付加情報であって、センサ情報受信手段が受信したセンサ情報に含まれる時点情報が示す時点に対応する時点付加情報を受け付ける時点付加情報受付手段をさらに具備し、過去センサ情報格納手段には、過去センサ情報に関する時点に対応する時点付加情報も格納され、機械学習手段は、過去センサ情報格納手段に格納されている時点付加情報をも用いて機械学習を行い、センサ情報予測手段は、時点付加情報受付手段が受け付けた時点付加情報をも用いて予測センサ情報を取得する、同行判断装置である。

また、本第五の発明の同行判断装置は、第二から第四のいずれか一項の発明に対して、類似情報算出手段は、判断時点の前後の時点を含む期間であるサンプル期間に含まれる時点を示す各時点情報にそれぞれ対応する複数の観測情報セットを用いて、判断時点の類似情報を算出する、同行判断装置である。

また、本第六の発明の同行判断装置は、第五の発明に対して、類似情報算出手段は、判断時点を含むサンプル期間に含まれる時点を示す各時点情報にそれぞれ対応する複数の観測情報セットについて、各観測情報セットに含まれる２個以上の観測情報の差分に関する値を合計した類似情報を算出する、同行判断装置である。

本発明による同行判断装置等によれば、センサの情報を用いることで、位置情報を収集せずに、２名以上のユーザが同行しているかどうかをリアルタイムに判断できる。

実施の形態１における同行判断装置のブロック図 同実施の形態におけるセンサ情報予測手段の予測方法の一例を示す図 同実施の形態における２個のセンサ情報の一例を示す図 同実施の形態における同行判断装置の動作の一例を示すフローチャート 同実施の形態における出力手段が表示した結果の一例を示す図 同実施の形態におけるコンピュータシステムの外観の一例を示す図 同実施の形態におけるコンピュータシステムの構成の一例を示す図

以下、同行判断装置等の実施形態について図面を参照して説明する。なお、実施の形態において同じ符号を付した構成要素は同様の動作を行うので、再度の説明を省略する場合がある。

（実施の形態１）
本実施の形態において、２以上センサの情報を用いて、そのセンサの情報を取得したセンサを装着する２名以上のユーザが同行しているかどうかをリアルタイムに判断する同行判断装置１について説明する。なお、「リアルタイムに判断する」とは、受信したセンサ情報に含まれる最新の時点情報が示す時点に対する判断である。

図１は、本実施の形態における同行判断装置１のブロック図である。同行判断装置１は、過去センサ情報格納手段１０１、センサ情報受信手段１０２、時点付加情報受付手段１０３、同行ユーザ判断手段１０４、および出力手段１０５を備える。また、同行ユーザ判断手段１０４は、機械学習手段２１、センサ情報予測手段２２、類似情報算出手段２３、および同行判断手段２４を備える。

過去センサ情報格納手段１０１には、過去のセンサ情報に関する情報である過去センサ情報が格納される。過去センサ情報は、２名以上のユーザそれぞれに装着された、２個以上のセンサ情報そのものであっても良く、２個以上のセンサ情報に関係する情報であっても良い。センサ情報は、センサによって取得された観測情報と、その観測情報を取得した時点を示す時点情報とを１組以上対応付けた情報である。なお、過去センサ情報格納手段１０１に格納されている過去センサ情報は、後述するユーザ識別情報を用いて、センサ情報と、そのセンサ情報を取得したセンサを装着していたユーザとを対応付けていることが好適である。

センサは、加速度を検知する加速度センサであっても良く、角速度を検知するジャイロセンサであっても良く、照度を検知する照度センサであっても良く、磁界の向きを検知する地磁気センサであっても良く、温度を検知する温度センサであっても良く、湿度を検知する湿度センサであっても良く、気圧を検知する気圧センサであっても良い。例えば、センサは、加速度計であっても良く、歩数計であっても良く、消費カロリー計等であっても良い。つまり、センサが取得する観測情報は、例えば、検知した加速度を示す情報であっても良く、検知した加速度から算出された情報であっても良い。「加速度から算出された情報」は、例えば、加速度を用いて取得されたユーザの歩数であっても良く、加速度を用いて取得されたユーザの消費カロリー等であっても良い。以下、センサに関する具体例は、センサが歩数計であるものとして説明する。なお、歩数計は、加速度センサによって加速度を検知し、歩数を計測する歩数計であっても良く、振り子によって加速度を検知し、歩数を計測する歩数計であっても良い。なお、これら歩数計は、両者とも加速度を用いているため、加速度を用いて歩数を取得するものである。

観測情報と対応付けられる時点情報は、瞬間の時点を示す情報であっても良く、幅を有した期間を示す情報であっても良い。瞬間の時点を示す情報は、時間軸上の一点を示す情報である。時点情報が幅を有する期間を示す情報である場合は、時点情報は、１時間を示す情報であっても良く、１分間を示す情報であっても良く、または１秒間を示す情報であっても良く、他の幅を有した期間を示す情報であっても良い。つまり、時点情報は、「１０時」等のように「１０時００分００秒から１０時５９分５９秒９９・・・まで」を示す情報であっても良い。「観測情報と時点情報との対応」は、１対１の関係であっても良く、多対１の関係であっても良い。例えば、センサ情報は、時点情報「２０１３年６月１日１２時００分から２０１３年６月１日１２時０１分まで」に対して、１個の観測情報「１００歩」を対応付ける情報であっても良く、１００個の観測情報「１歩」を対応付ける情報であっても良い。以下、過去センサ情報格納手段１０１に２個以上のセンサ情報が格納されている場合は、前者のようなセンサ情報が格納されているものとして説明する。また、後で説明するセンサ情報受信手段１０２は、後者のようなセンサ情報を受信した場合に、前者のようなセンサ情報に変換しても良い。以下、センサ情報は、前者のような情報であるものとして説明する。また、センサ情報には、同じ時点を示す時点情報が重複して含まれていても良く、重複して含まれていなくても良い。「同じ時点を示す時点情報が重複して含まれてい」る場合とは、例えば、１歩あるくごとに時点情報と観測情報「１歩」を対応付けて取得する場合である。以下、過去センサ情報格納手段１０１に２個以上のセンサ情報が格納されている場合は、前者のようなセンサ情報が格納されているものとして説明する。なお、センサ情報受信手段１０２は、同じ時点を示す時点情報が重複して含まれるセンサ情報を受信した場合に、同じ時点を示す時点情報が重複しないように、時点情報とその時点情報に対応する観測情報とをマージしても良い。「マージする」は、同じ時点を示す時点情報を一つにし、それぞれの時点情報に対応していた観測情報を一つにした時点情報に対応付けることであっても良い。以下、センサ情報は、同じ時点を示す時点情報が重複して含まれていない情報として説明する。なお、センサ情報は、そのセンサ情報を取得したセンサを装着したユーザを識別するユーザ識別情報を含んでいても良く、含んでいなくても良い。ユーザ識別情報は、ユーザを一意に特定できればどのような情報であっても良い。例えば、ユーザ識別情報は、ユーザの名前であることが好適であるが、ユーザを示すＩＤであっても良く、電話番号等であっても良い。また、ユーザ識別情報は、一人のユーザが特定のセンサを使い続ける場合に限り、センサを識別する情報であっても良い。

なお、過去センサ情報格納手段１０１に格納されているセンサ情報は、２個以上のセンサ情報に対して、その２個以上のセンサ情報に対応する２名以上のユーザが、同行していた期間が分かるようにしたセンサ情報である正解付きセンサ情報であっても良い。正解付きセンサ情報は、２個以上のセンサ情報に対応するユーザが同行していた期間と、その期間に含まれる時点情報に対応する観測情報が分かる情報であればどのような情報であっても良い。例えば、正解付きセンサ情報は、２個以上のセンサ情報それぞれに、そのセンサ情報に対応する２名以上のユーザが同行していた期間を示す情報が付与された情報であっても良く、同行していた期間に含まれる時点情報に対応する観測情報のみを含んだセンサ情報であっても良い。また、過去センサ情報格納手段１０１には、過去センサ情報である正解付きセンサ情報が２以上格納されていても良い。また、過去センサ情報格納手段１０１に正解付きセンサ情報が２以上格納される場合、センサの組み合わせの異なる正解付きセンサ情報が格納されていても良い。例えば、センサ情報Ａとセンサ情報Ｂとセンサ情報Ｃとに関する過去センサ情報であった場合に、過去センサ情報格納手段１０１には、センサ情報Ａに対応するユーザ、およびセンサ情報Ｂに対応するユーザとが同行していた期間を示す情報が付与された正解付きセンサ情報と、センサ情報Ａに対応するユーザ、センサ情報Ｂに対応するユーザ、およびセンサ情報Ｃに対応するユーザとが同行していた期間を示す情報が付与された正解付きセンサ情報とが格納されていても良い。

また、過去センサ情報格納手段１０１に２個以上のセンサ情報に関係する情報が格納されている場合は、過去センサ情報格納手段１０１には、過去に取得された１または２個以上のセンサ情報を用いて機械学習を行った結果を示す学習結果情報が格納されていても良い。学習結果情報については、後で説明する機械学習手段２１が作成する機械学習結果情報と同じ情報であるため、後述する。

また、過去センサ情報がセンサ情報、または正解付きセンサ情報である場合は、過去センサ情報格納手段１０１には、過去センサ情報に関する時点に対応する時点付加情報も格納されても良い。時点付加情報は、後で説明する機械学習手段２１において、機械学習に用いられる情報、および、センサ情報予測手段２２において、予測センサ情報を取得するために用いられる情報であっても良く、同行ユーザ判断手段１０４で正解付きセンサ情報を絞り込むのに用いられる情報であっても良い。過去センサ情報格納手段１０１に格納される時点付加情報は、過去センサ情報に含まれる時点情報が示す期間すべてに対応する時点付加情報であっても良く、一部の期間に対応する時点付加情報であっても良い。なお、時点付加情報に関する詳細は、後述する。

過去センサ情報格納手段１０１に過去センサ情報が蓄積される過程は問わない。例えば、記録媒体を介して過去センサ情報が過去センサ情報格納手段１０１で蓄積されるようになっても良く、通信回線等を介して送信された過去センサ情報が過去センサ情報格納手段１０１で蓄積されるようになっても良く、あるいは、センサを介して入力された過去センサ情報が過去センサ情報格納手段１０１で蓄積されるようになっても良い。

センサ情報受信手段１０２は、２名以上のユーザそれぞれに装着されているセンサから、センサ情報を受信する。センサ情報受信手段１０２が受信するセンサ情報は、過去センサ情報格納手段１０１に格納されている過去センサ情報に関係するユーザと同じユーザに装着されているセンサが取得した情報である。なお、センサ情報受信手段１０２が受信するセンサ情報は、過去センサ情報に対応するユーザに装着されたセンサであれば、異なるセンサが取得した情報であっても良く同じセンサが取得した情報であっても良い。なお、センサ情報受信手段１０２が受信するセンサ情報は、限りなく現時点に近い時点情報を含むセンサ情報である。通常、過去センサ情報格納手段１０１に格納されているセンサ情報は、センサ情報受信手段１０２が受信するセンサ情報より、以前に取得されたセンサ情報である。センサ情報受信手段１０２が受信するセンサ情報は、リアルタイムに同行しているかどうかを判断するために用いられる情報である。センサ情報受信手段１０２が受信するセンサ情報には、ユーザ識別情報が含まれていても良い。センサ情報受信手段１０２が受信するセンサ情報にユーザ識別情報が含まれている場合は、そのユーザ識別情報を用いて、過去センサ情報に関するセンサ情報とセンサ情報受信手段１０２が受信したユーザ識別情報とを対応付けて扱っても良い。センサ情報受信手段１０２は、通常、無線または有線の通信手段で実現される。

時点付加情報受付手段１０３は、ユーザに関する情報である時点付加情報であって、センサ情報受信手段１０２が受信したセンサ情報に含まれる時点情報が示す時点に対応する時点付加情報を受け付ける。時点付加情報は、気温や天気等のように複数の時点情報が示す時点を含む期間に対応する情報であっても良く、送信したメールの文章等のように個々の時点情報に対応する情報であっても良い。ユーザに関する情報は、ユーザの周囲の環境に関する情報であっても良い。

時点付加情報受付手段１０３が受け付ける時点付加情報に対応する時点は、センサ情報受信手段１０２が受信したセンサ情報に含まれる時点情報が示すすべての時点であっても良く、一部の時点であっても良い。「一部の時点」である場合の時点付加情報に対応する時点は、受信したセンサ情報に含まれる最新の時点に近い時点ほど優先的に選択されたＮ個の時点であっても良く、ランダムに選択されたＮ個の時点であっても良い。なお、Ｎは自然数とする。

ユーザに関する情報は、特定の時点に対応するユーザに関する情報であればどのような情報であっても良い。ユーザに関する情報は、例えば、特定の時点におけるユーザの体調を示す情報であっても良く、空腹感を示す情報であっても良く、病の状態を示す情報であっても良く、怪我の状態を示す情報であっても良く、通話の内容を示す情報であっても良く、送信メールの内容を示す情報であっても良く、受信メールの内容を示す情報であっても良く、ＳＮＳ（Ｓｏｃｉａｌ Ｎｅｔｗｏｒｋ Ｓｅｒｖｉｃｅ）へ投稿した内容を示す情報であっても良く、スケジュールを示す情報であっても良く、観測情報を取得するのに用いたセンサ以外のセンサが取得した情報であっても良い。観測情報を取得するのに用いたセンサ以外のセンサは、例えば、カロリー計であっても良く、速度計などであっても良い。

ユーザの周囲の環境に関する情報は、特定の時点に対応する、ユーザの周囲の環境に関する情報であればどのような情報であっても良い。ユーザの周囲の環境に関する情報は、例えば、特定の時点におけるユーザの周囲の天気を示す情報であっても良く、気温を示す情報であっても良く、気圧を示す情報であっても良く、湿度を示す情報であっても良く、雨量を示す情報であっても良く、おおまかな位置情報を示す情報であっても良く、高度を示す情報であっても良い。

同行ユーザ判断手段１０４は、過去センサ情報とセンサ情報受信手段１０２が受信した２個以上のセンサ情報とを用いて、センサ情報受信手段１０２が受信したセンサ情報に含まれる最新の時点を示す判断時点に、２個以上のセンサ情報を取得したセンサを装着している２名以上のユーザが、同行しているかどうかを判断する。判断時点は、瞬間の時点を示す情報であっても良く、幅を有した期間を示す情報であっても良い。判断時点が瞬間の時点を示す情報である場合は、判断時点は、時間軸上の一点を示す情報である。また、判断時点が幅を有した期間を示す情報である場合は、判断時点は、１分間を示す情報であっても良く、または１秒間を示す情報であっても良く、他の幅を有した期間を示す情報であっても良い。

同行ユーザ判断手段１０４は、正解付きセンサ情報を用いて同行しているかどうかの判断を行っても良く、機械学習を行って同行しているかどうかの判断を行っても良い。同行ユーザ判断手段１０４が、機械学習を用いて同行しているかどうかの判断を行う場合は、同行ユーザ判断手段１０４は、正解付きセンサ情報を学習し、判断時点までの期間を有するセンサ情報を用いて同行しているかどうかの判断を行っても良く、過去のセンサ情報を学習し、センサ情報受信手段１０２が受信したセンサ情報に対応する判断時点以後の観測情報を予測し、そのセンサ情報と、予測した観測情報とを用いて同行しているかどうかの判断を行っても良い。

同行ユーザ判断手段１０４が、正解付きセンサ情報を用いて同行しているかどうかの判断を行う場合は、同行ユーザ判断手段１０４は、センサ情報受信手段１０２が受信した２個以上のセンサ情報に含まれている所定の期間の観測情報の並びと、その２個以上のセンサ情報に対応する２以上のユーザの正解付きセンサ情報に含まれている観測情報の並びとが類似し、正解付きセンサ情報に含まれる類似した最新の時点が、正解付きセンサ情報によって同行しているとされた期間に含まれる時点である場合に同行していると判断しても良い。上記観測情報の並びは、ラベルの並びであっても良い。ラベルの並びが類似するかどうかによって同行しているかどうかを判断する場合は、同行ユーザ判断手段１０４は、例えば、過去センサ情報とセンサ情報受信手段１０２が受信したセンサ情報とを、１０分等の間隔で区切り、それぞれの区間における特徴的な値を分類し、その分類ごとにラベルを付与することで取得されるラベルを時系列に並べたデータを用いて比較しても良い。特徴的な値とは、区間における中央値であっても良く、平均値などであっても良い。例えば、図２のように、過去センサ情報とセンサ情報受信手段１０２が受信したセンサ情報とに含まれる観測情報をラベル化しても良い。例えば、センサ情報受信手段１０２が受信したセンサ情報に含まれる観測情報の一つをラベル化すると「ＡＢＦＣ」であった場合で、正解付きセンサ情報の同行している期間に関する観測情報をラベル化すると「ＡＢＦＣＥＤ」であったとき、同行ユーザ判断手段１０４は、センサ情報の一つと正解付きセンサ情報の一つが類似していると判断できる。さらに、同行ユーザ判断手段１０４は、センサ情報「ＡＢＦＣ」に対応する他方の受信したセンサ情報と、正解付きセンサ情報のうちの「ＡＢＦＣＥＤ」に対応するセンサ情報とが、同じ時点情報で一致する場合に同行していると判断しても良い。なお、「所定の期間の観測情報の並び」は、センサ情報受信手段１０２が受信した２個以上のセンサ情報に含まれる判断時点に近い期間に対応する観測情報の並びが好適である。この所定の期間は、経験則で設定された期間であっても良く、統計的処理を行うことで算出された期間であっても良い。なお、同行ユーザ判断手段１０４は、２個のセンサ情報に対して同行しているかどうかの判断を複数回行うことで、２個以上のセンサ情報に対応するユーザが同行しているかどうかの判断を行っても良く、観測情報の並び、または、ラベルの並びが類似する２個のセンサ情報に含まれる観測情報をマージし、そのマージした観測情報の並びと他の観測情報の並びとを比較してマージされた観測情報を含むセンサ情報に対応する２名以上のユーザと、その他の観測情報を含むセンサ情報に対応するユーザとが同行していたかどうかの判断を行っても良い。なお、波形等の数値の並びが類似しているかどうかを判断する方法は、様々に提案されている公知技術であるため、詳細な説明は省略する。

なお、過去センサ情報格納手段１０１に、過去センサ情報に関する時点に対応する時点付加情報が格納されている場合は、同行ユーザ判断手段１０４は、時点付加情報受付手段１０３で受け付けた時点付加情報を用いて、類似しているかどうかを判断する対象の正解付きセンサ情報を絞り込んでも良い。「判断する対象の正解付きセンサ情報を絞り込」むとは、類似しているかどうかを判断する対象を、時点付加情報受付手段１０３で受け付けた時点付加情報と、同じ項目の値が同じまたは類似する値である時点付加情報に対応する観測情報の並びに対してのみに限定することである。

同行ユーザ判断手段１０４が機械学習を行う場合は、同行ユーザ判断手段１０４が備える機械学習手段２１で機械学習を行っても良い。機械学習手段２１は、過去センサ情報格納手段１０１に格納されている過去センサ情報を教師データとする機械学習を行い、学習結果情報を取得する。機械学習手段２１は、センサ情報受信手段１０２が受信した２個以上のセンサ情報を用いて同行していたかどうかを判断する機械学習を行っても良く、センサ情報受信手段１０２が受信した２個以上のセンサ情報それぞれに対応する判断時点以後の観測情報を予測するための機械学習を行っても良い。なお、ここでいう学習結果情報は、機械学習の結果得られた情報である。

２個以上のセンサ情報を用いて同行していたかどうかを判断する機械学習を行う場合は、機械学習手段２１は、重複を許しながら、観測情報を期間ごとに分割し、分割した区間における最新の時点が、正解付きセンサ情報によって同行していることを示す期間に含まれる時点である場合の区間の観測情報の並びを正例データ、そうでない観測情報の並びを負例データとして機械学習を行っても良い。なお、機械学習手段２１も、上述のようにラベル化して観測情報の並びをラベルの並びに変換しても良い。また、この場合は、図示しない判断手段によって、センサ情報受信手段１０２が受信した２個以上のセンサ情報が同行しているかどうかを判断されるようにしても良い。

また、２個以上のセンサ情報それぞれに含まれる観測情報の判断時点以後の観測情報を予測するための機械学習を行う場合は、機械学習手段２１は、センサ情報、または正解付きセンサ情報に含まれる観測情報の並びを用いて、判断時点以後の観測情報を予測する機械学習を行っても良い。なお、この場合の機械学習は、２個以上のセンサ情報に対応するユーザごとに機械学習を行った結果である、２個以上のセンサ情報それぞれに対応する学習結果情報を取得することが好適である。２個以上のセンサ情報それぞれに対応する学習結果情報を取得するのは、ユーザごとの予測センサ情報を取得するためである。この方法は、機械学習を行って判断している。

なお、過去センサ情報格納手段１０１に、過去センサ情報に関する時点に対応する時点付加情報が格納されている場合は、機械学習手段２１は、どちらの機械学習を行う場合であっても、その時点付加情報をも素性に用いて機械学習を行っても良い。なお、波形等の数値の並びが類似しているかどうかを判断するための機械学習、および、波形等の数値の並びを予測するための機械学習は、様々に提案されている公知技術であるため、詳細な説明は省略する。

センサ情報予測手段２２は、センサ情報受信手段１０２が受信した２個以上のセンサ情報と、過去センサ情報とを用いて、その２個以上のセンサ情報それぞれに対応する、判断時点以後の予測された観測情報を有するセンサ情報である予測センサ情報を取得する。予測センサ情報は、時点情報と、その時点情報に対応する予測された観測情報を含む情報である。なお、予測センサ情報に含まれる時点情報の間隔は、センサ情報と同じであっても良く、異なっていても良い。なお、予測センサ情報に一定の間隔ごとに予測された観測情報のみが含まれている場合であっても、予測された観測情報に対応する時点が算出できることから、結果的に時点情報と対応付いている観測情報と考えることができる。センサ情報予測手段２２は、学習結果情報を用いずに予測センサ情報を取得しても良く、学習結果情報を用いて予測センサ情報を取得しても良い。「学習結果情報を用いずに予測センサ情報を取得」する場合は、過去センサ情報がセンサ情報、または正解付きセンサ情報であるときに、センサ情報予測手段２２は、センサ情報受信手段１０２が受信した２個以上のセンサ情報それぞれに含まれる判断時点に近い期間に対応する観測情報の並びと類似する観測情報の並びを過去センサ情報から特定し、過去センサ情報における類似した観測情報の並び以降の観測情報の並びを予測センサ情報として取得しても良い。なお、センサ情報がユーザ識別情報を含んでいる場合は、受信したセンサ情報に対応するユーザと同じユーザに対応する過去のセンサ情報から予測センサ情報を取得することが好適である。

「学習結果情報を用いて予測センサ情報を取得」する場合は、センサ情報予測手段２２は、センサ情報受信手段１０２が受信したセンサ情報と、学習結果情報とを用いて、そのセンサ情報に対応する、判断時点以後のセンサ情報である予測センサ情報を取得しても良い。なお、ここで用いる学習結果情報は、機械学習手段２２によって、過去センサ情報を用いて機械学習されることで取得された学習結果情報である。センサ情報予測手段２２は、判断時点以後の観測情報を予測するための学習結果情報が過去センサ情報格納手段１０１に格納されている場合、または、機械学習手段２１が取得している場合は、その学習結果情報を用いて予測センサ情報を取得しても良い。なお、センサ情報がユーザ識別情報を含んでいる場合は、受信したセンサ情報に対応するユーザと同じユーザに対応する過去のセンサ情報を用いて学習した学習結果情報を用いて予測センサ情報を取得することが好適である。

なお、過去センサ情報格納手段１０１に、過去センサ情報に関する時点に対応する時点付加情報が格納した場合に、センサ情報予測手段２２は、時点付加情報受付手段１０３が受け付けた時点付加情報をも用いて予測センサ情報を取得しても良い。時点付加情報を用いて、かつ、「学習結果情報を用いずに予測センサ情報を取得」する場合は、センサ情報予測手段２２は、時点付加情報受付手段１０３で受け付けた時点付加情報を用いて、類似しているかどうかを判断する対象のセンサ情報を絞り込んでも良い。「対象のセンサ情報を絞り込」むとは、類似しているかどうかを判断する対象を、時点付加情報受付手段１０３で受け付けた時点付加情報と、同じ項目の値が同じまたは類似する値である時点付加情報に対応する観測情報の並びに対してのみに限定することである。時点付加情報を用いて、かつ、「学習結果情報を用いて予測センサ情報を取得」する場合は、センサ情報予測手段２２は、過去センサ情報に対応する時点付加情報を用いて行われた機械学習の結果取得された学習結果情報を用いて予測センサ情報を取得しても良い。

センサ情報予測手段２２が予測センサ情報を取得する場合の類似情報算出手段２３は、センサ情報受信手段１０２が受信した２個以上のセンサ情報、およびその２個以上のセンサ情報にそれぞれ対応する予測センサ情報について、そのセンサ情報とそのセンサ情報に対応する予測センサ情報との組に、それぞれ含まれる観測情報の組であり、判断時点に応じた時点情報にそれぞれ対応する観測情報の組である観測情報セットの類似に関する情報である類似情報を算出する。類似情報は、類似するほど高くなる値であっても良く、類似するほど低くなる値であっても良い。類似情報は、一定の値の範囲内に正規化された値であることが好適であるが、どのような値であっても良い。また、類似情報は、２個の統合センサ情報に関する類似情報であっても良く、２個以上の統合センサ情報に対応する類似情報であっても良い。つまり、観測情報セットには、観測情報が２個含まれていても良く、観測情報が３個以上含まれていても良い。類似情報算出手段２３は、一度の処理で、２個の観測情報に対する類似情報を算出する。よって、類似情報算出手段２３は、観測情報セットに３個以上の観測情報が含まれている場合は、その観測情報を含む統合センサ情報のすべての組み合わせに対して類似情報を算出し、その平均値または、合計値等を類似情報として算出しても良い。また、類似情報算出手段２３は、統合センサ情報を２個のグループに分け、それぞれのグループの代表データを用いて類似情報を算出しても良い。統合センサ情報をグループに分ける場合は、類似情報算出手段２３は、図示しない格納部に格納されているグループと統合センサ情報とを対応付ける情報を用いて、グループ分けを行っても良く、統合センサ情報に含まれる観測情報が類似する統合センサ情報同士が同じグループになるようにグループ分けを行っても良い。以下、センサ情報とそのセンサに対応する予測センサ情報との組を統合センサ情報ともいう。センサ情報に対応する予測センサ情報とは、センサ情報を用いたセンサ情報予測手段２２によって、取得された予測センサ情報のことである。

判断時点に応じた時点情報は、判断時点と同じ時点を示す時点情報であっても良く、判断時点の近傍の時点を示す時点情報であっても良い。また、「判断時点に応じた時点情報」の判断時点と時点情報との関係は、１対１であっても良く、１対多であっても良い。後者の場合には、判断時点に応じた時点情報は、判断時点の前後の時点を含む期間であるサンプル期間に含まれる時点を示す時点情報であっても良い。そのため、類似情報算出手段２３は、サンプル期間に含まれる時点を示す各時点情報にそれぞれ対応する複数の観測情報セットを用いて、その判断時点の類似情報を算出しても良い。また、類似情報算出手段２３は、判断時点を含むサンプル期間に含まれる時点を示す各時点情報にそれぞれ対応する複数の観測情報セットについて、各観測情報セットに含まれる２個以上の観測情報の差分に関する値を合計した類似情報を算出しても良い。

サンプル期間の一例を、図３を用いて説明する。図３は、センサａとセンサｂとから取得したセンサ情報ａとセンサ情報ｂを表示したものである。図３におけるセンサは、１分間に歩いた歩数を記録するセンサである。図３において、ｄは判断時点を示し、ｎは判断時点以前の時点を含む期間を示し、ｍは判断時点以後の時点を含む期間を示している。図３の場合のサンプル期間は、ｄ−ｎの時点からｄ＋ｍの時点までを指す。つまり、サンプル期間は、センサ情報受信手段１０２が受け付けたセンサ情報と、センサ情報予測手段２２が取得した予測センサ情報の双方に含まれる期間と対応する期間である。なお、ｎおよびｍは、それぞれ正の実数である。例えば、サンプル期間は、判断時点の前後３０分間の６０分間であっても良く、判断時点の前後３０秒間の６０秒間であっても良い。

類似情報算出手段２３は、上述のように観測情報セットを用いて類似情報を算出する。観測情報セットは、２個以上の統合センサ情報にそれぞれ含まれる２個以上の観測情報の組である。つまり、観測情報セットは、１個の統合センサ情報からは取得できないセットである。また、観測情報セットは、完全に同じ時点を示す時点情報に対応する観測情報セットであっても良く、極近い間隔の開いた２個以上の異なる時点情報に対応する観測情報セットであっても良い。「極近い間隔の開いた２個以上の異なる時点情報に対応する観測情報セット」は、例えば、２個以上の統合センサにおいて、観測情報を取得する間隔が異なる場合や、観測情報を取得する時点が異なる場合であっても、それぞれの観測情報を取得した時点の間の期間が所定の閾値より短い期間のときに組み合わせた観測情報のセットであっても良い。

類似情報算出手段２３は、例えば、観測情報の波形の類似度を用いて類似情報を算出しても良く、あらかじめ決められた算出式を用いて算出しても良い。類似情報を「あらかじめ決められた数式を用いて算出」する場合は、その数式は、観測情報セットの比率を用いる数式であっても良く、差を用いる数式であって良く、それらを変形させた数式であっても良い。比率を用いる数式は、例えば、（観測情報ａ／観測情報ｂ）のような数式を含む数式である。また、差を用いる数式は、例えば、（観測情報ａ−観測情報ｂ）のような数式を含む数式である。なお、差を用いる数式の中に、差分に関する値を用いる数式も含まれているものとする。差分に関する値は、例えば、観測情報の差の絶対値であっても良く、観測情報の差を２乗した値等であっても良い。「それらを変形させた数式」は、例えば、上記式の観測情報に対して、所定の係数をかけた式であっても良く、所定の値を引いた値であっても良く、所定の値を乗算した値等であっても良い。波形の類似度を用いて類似情報を算出する方法は、公知技術であるため、その詳細な説明を省略する。あらかじめ決められた算出式を用いる場合は、例えば、２個の統合センサ情報の類似情報を算出する場合は、数式１の式のように差分を用いて算出しても良い。

数式１において、ｄは判断時点を示し、α_ｄ（ａ，ｂ）は、判断時点ｄにおける類似情報を正規化するための値を示し、Δ_ｄ（ａ，ｂ）は判断時点ｄにおける類似情報を０．０〜１．０に正規化した値を示し、ｎは、判断時点ｄからサンプル期間の始点までの期間を示し、ｍは、判断時点ｄからサンプル時点の終点までの期間を示し、ａ_ｔおよびｂ_ｔは２つの統合センサ情報それぞれに含まれる、時点ｔにおける観測情報を示し、（ａ_ｔ−ｂ_ｔ）は数式１における時点ｔに対応する観測情報セットの差分に関する値を示している。なお、数式１の式は、Δ_ｄの値が０に近いほど類似することを示す類似情報である。なお、類似情報算出手段２３は、数式１におけるΔ_ｄの分母が０になる場合に、類似情報を、１．０、または値なしとしても良い。また、類似情報算出手段２３は、α_ｄの値があらかじめ決められた閾値より小さい場合に、類似情報を、１．０、または値なしとしても良い。これは、観測情報にわずかな変化しかない場合は、寝ている場合等が考えられることから、類似情報の算出に用いる必要が無いと考えられるためである。以下、このα_ｄに対する閾値をθ_αとも記載する。また、２個の統合センサ情報の類似情報を算出する場合の類似情報の算出式は、数式２であっても良く、他の式であっても良い。

なお、数式２における（ａ_ｔ ^２−ｂ_ｔ ^２）は、数式２における時点ｔに対応する観測情報セットの差分に関する値を示しているものとする。

同行判断手段２４は、類似情報が、あらかじめ決められた条件を満たすほど類似することを示す場合に、その類似情報を算出するのに用いた観測情報を取得したセンサを装着する２名以上のユーザが、判断時点に同行していたと判断する。

類似情報の値が大きいほど類似することを示す場合の「あらかじめ決められた条件」は、類似情報の値があらかじめ決められた閾値以上であることであっても良く、類似情報の値が小さいほど類似することを示す場合の「あらかじめ決められた条件」は、類似情報の値があらかじめ決められた閾値以下であることであっても良い。なお、閾値は、人手、または統計的な処理を行って、過去のセンサ情報から、実際に同行していた２名のユーザが装着したセンサが取得したセンサ情報を参考にして決定することが好適であるが、開発者、または管理者等が適宜決定しても良い。同行判断手段２４は、例えば、２個の統合センサ情報に対応するユーザが同行しているかどうかの判断は、数式３の式を用いても良い。

数式３において、Ｓ_ｄ（ａ，ｂ）は判断時点ｄにおいて、統合センサ情報ａ、ｂのそれぞれに対応するユーザが同行している場合に１となり、同行していない場合に０となる関数を示し、θ_αは類似情報を正規化するための値α_ｄ（ａ，ｂ）に対する閾値を示し、θ_Δは同行しているかどうかを判断するための類似情報に対する閾値を示し、ＡＮＤ（引数１，引数２）は、引数１と引数２が共に正しい場合にのみ１となり、そうでない場合に０となる関数を示している。

出力手段１０５は、同行ユーザ判断手段１０４が判断した結果を示す情報を出力する。出力手段１０５は、ディスプレイへの表示、プロジェクターを用いた投影、プリンタでの印字、音出力、外部の装置への送信、記録媒体への蓄積、他の処理装置や他のプログラム等への処理結果の引渡し等を行っても良い。

過去センサ情報格納手段１０１は、不揮発性の記録媒体が好適であるが、揮発性の記録媒体でも実現可能である。

時点付加情報受付手段１０３は、時点付加情報を外部の装置から受信しても良く、ユーザに装着されたセンサまたは他の装置から受信しても良く、受信した情報を用いて図示しない格納部から受け付けても良く、図示しない格納手段から受け付けても良く、テンキーやキーボード等から受け付けても良い。受信した情報を用いて取得する情報は、例えば、センサから受信した大まかな位置情報を用いて、図示しない格納部等から天気情報を受け付けても良い。

同行ユーザ判断手段１０４、機械学習手段２１、センサ情報予測手段２２、類似情報算出手段２３、および同行判断手段２４は、通常、ＭＰＵやメモリ等から実現され得る。同行ユーザ判断手段１０４の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはＲＯＭ等の記録媒体に記録されている。但し、ハードウェア（専用回路）で実現しても良い。

次に、同行判断装置１の動作について図４のフローチャートを用いて説明する。なお、本フローチャートでは、センサ情報受信手段１０２は、２個のセンサ情報を受信するものとする。
（ステップＳ２０１）機械学習手段２１は、過去センサ情報格納手段１０１に格納されている過去センサ情報を用いた機械学習が完了しているかどうかを判断する。機械学習が完了している場合は、ステップＳ２０３へ進み、機械学習が完了していない場合は、ステップＳ２０２へ進む。

（ステップＳ２０２）機械学習集手段２１は、過去センサ情報と過去センサ情報に関する時点付加情報とを用いて機械学習を行い、学習結果情報を取得する。そして、ステップＳ２０３へ進む。なお、機械学習手段２１は、学習結果情報を図示しない格納手段に蓄積する。

（ステップＳ２０３）センサ情報受信手段１０２は、２個のセンサ情報を受信したかどうかを判断する。また、時点付加情報受付手段１０３は、時点付加情報を受け付けたかどうかを判断する。２個のセンサ情報を受信し、時点付加情報を受け付けた場合は、ステップＳ２０４へ進み、そうでない場合は、ステップＳ２０３を繰り返す。センサ情報受信手段１０２は、受信したセンサ情報を図示しない格納手段に蓄積し、時点付加情報受付手段１０３は、受け付けた時点付加情報を図示しない格納手段に蓄積する。

（ステップＳ２０４）センサ情報予測手段２２は、ステップＳ２０２で取得した学習結果情報、ステップＳ２０３で受信した２個のセンサ情報、および受け付けた時点付加情報を用いて、２個のセンサ情報それぞれの予測センサ情報を取得する。センサ情報予測手段２２は、取得した予測センサ情報を図示しない格納手段に蓄積する。なお、センサ情報予測手段２２は、センサ情報受信手段１０２が以前に取得したセンサ情報をも用いても良い。

（ステップＳ２０５）類似情報算出手段２３は、サンプル期間に含まれる時点を示す時点情報に対応する観測情報セットごとの差分に関する値を算出する。類似情報算出手段２３は、算出した差分に関する値を図示しない格納手段に蓄積する。

（ステップＳ２０６）類似情報算出手段２３は、ステップＳ２０５で取得した差分に関する値を用いて類似情報を算出する。類似情報算出手段２３は、算出した差分に関する値を図示しない格納手段に蓄積する。

（ステップＳ２０７）同行判断手段２４は、ステップＳ４０２で算出した類似情報を用いて同行しているかどうかを判断する。同行判断手段２４は、閾値以下の場合に同行していると判断する。例えば、同行判断手段２４は、数３を用いて算出する。同行判断手段２４は、判断した判断結果を図示しない格納手段に蓄積する。

（ステップＳ２０８）出力手段１０５は、ステップＳ２０７の判断結果を示す情報を出力する。そして、ステップＳ２０３へ戻る。
なお、図３のフローチャートにおいて、電源オフや処理終了の割り込みにより処理は終了する。

以下、本実施の形態における同行判断装置１の具体的な動作について説明する。本具体例において、ユーザＡとユーザＢとが、現在同行しているかどうかを判断するものとする。また、本具体例において、過去センサ情報は、ユーザＡ、およびユーザＢに装着されたセンサが取得した過去１年分のセンサ情報であるものとする。また、本具体例では、ユーザＡに装着されているセンサから直近の３０分間に取得された観測情報を含むセンサ情報を受信するものとし、ユーザＢに装着されているセンサからも同様の観測情報を受信するものとする。また、時点付加情報は、気温を示す情報であるものとする。また、本具体例において、サンプル期間は、判断時点の前後３０分の期間を足したものとする。つまり、サンプル期間は６０分であるものとする。また、本具体例において、同行判断手段２４は、類似情報が所定の閾値より低い場合に同行していると判断するものとする。

同行判断装置１の管理者は、同行判断装置１の電源を入れ、処理を開始したものとする。機械学習手段２１は、過去センサ情報格納手段１０１に格納されている過去センサ情報を学習した学習結果情報が格納されていないことを検知すると、１年分の過去センサ情報とその過去センサ情報に対応する気温に関する時点付加情報とを用いてセンサ情報ごとに機械学習を行い、ユーザＡの予測センサ情報を取得するための学習結果情報と、ユーザＢの予測結果情報とを取得する（ステップＳ２０１、ステップＳ２０２）。機械学習手段２１が学習結果情報を取得すると、センサ情報受信手段１０２と時点付加情報受付手段１０３とは、センサ情報の受信と、気温に関する時点付加情報の受け付けとを開始する。センサ情報受信手段１０２と、時点付加情報受付手段１０３とが、ユーザＡに装着されているセンサからセンサ情報ａと時点付加情報「１５度」とを受信し、ユーザＢに装着されているセンサからセンサ情報ｂと時点付加情報「１５度」とを受信したものとする（ステップＳ２０３）。すると、センサ情報予測手段２２は、ユーザＡに関する３０分のセンサ情報ａと時点付加情報「１５度」とを用いて、判断時点以降３０分の予測センサ情報ｘを取得し、さらに、ユーザＢに関する３０分のセンサ情報ｂと時点付加情報「１５度」とを用いて、判断時点以降３０分の予測センサ情報ｙを取得する（ステップＳ２０４）。類似情報算出手段２３は、サンプル期間に対応する観測情報セットの差分に関する値を算出する（ステップＳ２０５）。そして、類似情報算出手段２３は、算出した差分に関する値からサンプル期間における類似情報を算出する（ステップＳ２０６）。類似情報が算出されると、同行判断手段２４は、同行しているかどうかを判断する（ステップＳ２０７）。なお、ここでは、同行していると判断されたものとする。同行しているかどうかの判断が終了すると、出力手段１０５は、同行しているかどうかの判断の結果である「ユーザＡとユーザＢは、現在同行しています」をディスプレイに出力する（ステップＳ２０８）。すると、ディスプレイには、図５のように表示される。

以上、本実施の形態によれば、センサの情報を用いることで、位置情報を収集せずに、２名以上のユーザが同行しているかどうかをリアルタイムに判断できる。また、センサ情報予測手段２２が、予測センサ情報を取得することで、未来の予測を行った上で２名以上のユーザが同行しているかどうかをリアルタイムに判断できる。また、機械学習手段２１が、過去センサ情報を学習することで、精度の高い予測センサ情報を取得でき、同行しているかどうかの判断の精度を上げることができる。また、時点付加情報受付手段１０３が時点付加情報を受け付けることで、センサ情報以外を考慮した予測を行うことができる。また、類似情報算出手段２３が類似情報を算出することで、センサ情報の類似情報を用いて同行していたかどうかを判断できる。また、類似情報算出手段２３がサンプル期間について類似情報を算出することで、センサが検知する加速度の細かい誤差を吸収した類似情報が算出できる。歩数を取得するセンサを用いることで、位置情報を取得せずに、２名以上のユーザが同行していたかどうかを判断できる。

なお、本実施の形態では、リアルタイムに同行しているかどうかを判断する同行判断装置１について説明したが、同行判断装置１は、センサ情報受信手段１０２が受信した２個のセンサ情報に対応するユーザの関係強度情報を算出しても良い。関係強度情報は、センサを装着する２名のユーザの関係性の強さを示す値であり、同行判断手段２４に同行していたと判断されるほど関係性が強いことを示す情報である。つまり、関係強度情報は、同行していた期間が長いと判断されるほど関係性が強いことを示す情報である。関係強度情報は、数値であることが好適であるが、数値以外の情報であっても良い。数値以外の情報とは、例えば、「強い」、「弱い」、および「ない」等のように段階的に示される情報であっても良い。関係強度情報は、例えば、ある２個のセンサに関するユーザが同行判断手段２４に同行していると判断された回数であっても良く、同行していると判断された回数を用いて、算出する値であっても良い。関係強度情報は、例えば、数式４の式を用いて算出しても良い。

数式４において、Ｗは関係強度情報を示し、Ｔｓは関係強度情報を算出する対象の期間の最初の時点を示し、Ｔｅは関係強度情報を算出する対象の期間の最後の時点を示し、ｃは、そのｃの期間にわたって同行していると判断される場合にδ_ｔが１となる期間を示している。

また、本実施の形態におけるセンサ情報受信手段１０２と時点付加情報受付手段１０３とは、同じ受付手段であっても良い。その受付手段は、受け付けた情報に応じて、センサ情報受信手段１０２と時点付加情報受付手段１０３とに振り分けるような処理手段であっても良い。

また、本実施の形態では、同行判断装置１に時点付加情報受付手段１０３を含む場合について説明したが、同行判断装置１には、時点付加情報受付手段１０３が、含まれていなくても良い。同行判断装置１に時点付加情報受付手段１０３が含まれない場合は、時点付加情報を用いる処理は、行われなくても良い。

また、本実施の形態では、同行判断装置１に機械学習手段２１を含む場合について説明したが、同行判断装置１には、機械学習手段２１が、含まれていなくても良い。同行判断装置１に機械学習手段２１が含まれない場合は、センサ情報予測手段２２は、過去センサ情報格納手段１０１に格納されている外部の処理装置で作成された学習結果情報を用いて予測センサ情報を取得しても良い。また、さらに、同行判断装置１は、センサ情報予測手段２２と類似情報算出手段２３と同行判断手段２４とを含まなくても良い。同行判断装置１にセンサ情報予測手段２２と類似情報算出手段２３と同行判断手段２４とも含まれない場合は、同行ユーザ判断手段１０４は、過去センサ情報格納手段１０１に格納されている外部の処理装置で作成された学習結果情報を用いて、同行しているかどうかを判断しても良い。

また、本実施の形態における同行判断装置１を実現するソフトウェアは、以下のようなプログラムであっても良い。つまり、プログラムは、２以上の各ユーザに装着されたセンサによって取得された観測情報と、観測情報を取得した時点を示す時点情報とを対応付けたセンサ情報であって、過去のセンサ情報に関する情報である過去センサ情報が格納される過去センサ情報格納手段にアクセス可能なコンピュータを、２以上の各ユーザに装着されたセンサからセンサ情報を受信するセンサ情報受信手段、過去センサ情報とセンサ情報受信手段が受信したセンサ情報とを用いて、センサ情報に含まれる最新の時点を示す判断時点に、センサ情報を取得したセンサを装着している２以上のユーザが同行しているかどうかを判断する同行ユーザ判断手段、同行ユーザ判断手段が判断した結果に関する情報を出力する出力手段として機能させるためのプログラムである。

なお、本実施の形態において、各処理（各機能）は、単一の装置（システム）によって集中処理されることによって実現されても良く、または、複数の装置によって分散処理されることによって実現されても良い。また、本実施の形態において、一の装置に存在する２以上の通信手段は、物理的に一の手段で実現されても良いことは言うまでもない。

また、本実施の形態において、各構成要素は、専用のハードウェアにより構成されても良く、または、ソフトウェアにより実現可能な構成要素については、プログラムを実行することによって実現されても良い。例えば、ハードディスクや半導体メモリ等の記録媒体に記録されたソフトウェア・プログラムをＣＰＵ等のプログラム実行手段が読み出して実行することによって、各構成要素が実現され得る。

なお、上記プログラムにおいて、上記プログラムが実現する機能には、ハードウェアでしか実現できない機能は含まれない。例えば、情報を取得する取得手段や、情報を出力する出力手段等におけるモデムやインターフェースカード等のハードウェアでしか実現できない機能は、上記プログラムが実現する機能には含まれない。

図６は、上記プログラムを実行して、上記実施の形態による本発明を実現するコンピュータの外観の一例を示す模式図である。上記実施の形態は、コンピュータハードウェアおよびその上で実行されるコンピュータプログラムによって実現され得る。

図６において、コンピュータシステム１１００は、ＣＤ−ＲＯＭドライブ１１０５、ＦＤドライブ１１０６を含むコンピュータ１１０１と、キーボード１１０２と、マウス１１０３と、モニタ１１０４とを備える。

図７は、コンピュータシステム１１００の内部構成を示す図である。図７において、コンピュータ１１０１は、ＣＤ−ＲＯＭドライブ１１０５、ＦＤドライブ１１０６に加えて、ＭＰＵ１１１１と、ブートアッププログラム等のプログラムを蓄積するためのＲＯＭ１１１２と、ＭＰＵ１１１１に接続され、アプリケーションプログラムの命令を一時的に蓄積すると共に、一時記憶空間を提供するＲＡＭ１１１３と、アプリケーションプログラム、システムプログラム、およびデータを蓄積するハードディスク１１１４と、ＭＰＵ１１１１と、ＲＯＭ１１１２等を相互に接続するバス１１１５とを備える。なお、コンピュータ１１０１は、ＬＡＮへの接続を提供する図示しないネットワークカードを含んでいても良い。

コンピュータシステム１１００に、上記実施の形態による本発明等の機能を実行させるプログラムは、ＣＤ−ＲＯＭ１１２１、またはＦＤ１１２２に蓄積されて、ＣＤ−ＲＯＭドライブ１１０５、またはＦＤドライブ１１０６に挿入され、ハードディスク１１１４に転送されても良い。これに代えて、そのプログラムは、図示しないネットワークを介してコンピュータ１１０１に送信され、ハードディスク１１１４に蓄積されても良い。プログラムは実行の際にＲＡＭ１１１３にロードされる。なお、プログラムは、ＣＤ−ＲＯＭ１１２１やＦＤ１１２２、またはネットワークから直接、ロードされても良い。

プログラムは、コンピュータ１１０１に、上記実施の形態による本発明の機能を実行させるオペレーティングシステム（ＯＳ）、またはサードパーティプログラム等を必ずしも含んでいなくても良い。プログラムは、制御された態様で適切な機能（モジュール）を呼び出し、所望の結果が得られるようにする命令の部分のみを含んでいても良い。コンピュータシステム１１００がどのように動作するのかについては周知であり、詳細な説明は省略する。

本発明は、以上の実施の形態に限定されることなく、種々の変更が可能であり、それらも本発明の範囲内に包含されるものであることは言うまでもない。また、本発明における各手段の「手段」は、「部」や「回路」等と読み替えても良い。

以上のように、本発明にかかる同行判断装置等は、センサの情報を用いることで、位置情報を収集せずに、２名のユーザが同行しているかどうかをリアルタイムに判断できるという効果を有し、同行判断装置等として有用である。

１ 同行判断装置
１０１ 過去センサ情報格納手段
１０２ センサ情報受信手段
１０３ 時点付加情報受付手段
１０４ 同行ユーザ判断手段
１０５ 出力手段
２１ 機械学習手段
２２ センサ情報予測手段
２３ 類似情報算出手段
２４ 同行判断手段

Claims (8)

1. ２以上の各ユーザに装着されたセンサによって取得された観測情報と、当該観測情報を取得した時点を示す時点情報とを対応付けたセンサ情報であって、過去のセンサ情報に関する情報である過去センサ情報が格納される過去センサ情報格納手段と、
   前記２以上の各ユーザに装着されたセンサからセンサ情報を受信するセンサ情報受信手段と、
   前記過去センサ情報と前記センサ情報受信手段が受信したセンサ情報とを用いて、当該センサ情報に含まれる最新の時点を示す判断時点以後のセンサ情報である予測センサ情報を取得し、当該予測センサ情報と前記センサ情報受信手段が受信したセンサ情報とを用いて、前記判断時点に、当該センサ情報を取得したセンサを装着している２以上のユーザが同行しているかどうかを判断する同行ユーザ判断手段と、
   前記同行ユーザ判断手段が判断した結果を示す情報を出力する出力手段とを具備する同行判断装置。
2. 前記同行ユーザ判断手段は、
   前記センサ情報受信手段が受信したセンサ情報と、前記過去センサ情報とを用いて、当該センサ情報それぞれに対応する、前記判断時点以後のセンサ情報である予測センサ情報を取得するセンサ情報予測手段と、
   前記センサ情報受信手段が受信したセンサ情報、および当該センサ情報にそれぞれ対応する予測センサ情報について、当該センサ情報と当該予測センサ情報との組に、それぞれ含まれる観測情報の組であり、前記判断時点に応じた時点情報にそれぞれ対応する観測情報の組である観測情報セットの類似に関する情報である類似情報を算出する類似情報算出手段と、
   前記類似情報が、あらかじめ決められた条件を満たすほど類似することを示す場合に、当該類似情報を算出するのに用いた観測情報を取得したセンサを装着する２以上のユーザが、前記判断時点に同行していたと判断する同行判断手段とを具備する、請求項１記載の同行判断装置。
3. 前記同行ユーザ判断手段は、
   前記過去センサ情報格納手段に格納されている過去センサ情報を教師データとする機械学習を行い、学習結果情報を取得する機械学習手段をさらに具備し、
   前記センサ情報予測手段は、
   前記センサ情報受信手段が受信したセンサ情報と、前記学習結果情報とを用いて、当該センサ情報に対応する、予測センサ情報を取得する、請求項２記載の同行判断装置。
4. ユーザに関する情報である時点付加情報であって、前記センサ情報受信手段が受信したセンサ情報に含まれる時点情報が示す時点に対応する時点付加情報を受け付ける時点付加情報受付手段をさらに具備し、
   前記過去センサ情報格納手段には、
   過去センサ情報に関する時点に対応する時点付加情報も格納され、
   前記機械学習手段は、
   前記過去センサ情報格納手段に格納されている時点付加情報をも用いて機械学習を行い、
   前記センサ情報予測手段は、
   前記時点付加情報受付手段が受け付けた時点付加情報をも用いて予測センサ情報を取得する、請求項３記載の同行判断装置。
5. 前記類似情報算出手段は、
   前記判断時点の前後の時点を含む期間であるサンプル期間に含まれる時点を示す各時点情報にそれぞれ対応する複数の観測情報セットを用いて、当該判断時点の類似情報を算出する、請求項２から請求項４のいずれか一項記載の同行判断装置。
6. 前記類似情報算出手段は、
   前記判断時点を含むサンプル期間に含まれる時点を示す各時点情報にそれぞれ対応する複数の観測情報セットについて、各観測情報セットに含まれる２個以上の観測情報の差分に関する値を合計した類似情報を算出する、請求項５記載の同行判断装置。
7. ２以上の各ユーザに装着されたセンサによって取得された観測情報と、当該観測情報を取得した時点を示す時点情報とを対応付けたセンサ情報であって、過去のセンサ情報に関する情報である過去センサ情報が格納される過去センサ情報格納手段と、センサ情報受信手段と、同行ユーザ判断手段と、出力手段とを用いて処理される同行判断方法であって、
   前記センサ情報受信手段が、前記２以上の各ユーザに装着されたセンサからセンサ情報を受信するセンサ情報受信ステップと、
   前記同行ユーザ判断手段が、前記過去センサ情報と前記センサ情報受信ステップで受信したセンサ情報とを用いて、当該センサ情報に含まれる最新の時点を示す判断時点以後のセンサ情報である予測センサ情報を取得し、当該予測センサ情報と前記センサ情報受信ステップで受信したセンサ情報とを用いて、前記判断時点に、当該センサ情報を取得したセンサを装着している２以上のユーザが同行しているかどうかを判断する同行ユーザ判断ステップと、
   前記出力手段が、前記同行ユーザ判断ステップで判断した結果に関する情報を出力する出力ステップとを具備する同行判断方法。
8. ２以上の各ユーザに装着されたセンサによって取得された観測情報と、当該観測情報を取得した時点を示す時点情報とを対応付けたセンサ情報であって、過去のセンサ情報に関する情報である過去センサ情報が格納される過去センサ情報格納手段にアクセス可能なコンピュータを、
   前記２以上の各ユーザに装着されたセンサからセンサ情報を受信するセンサ情報受信手段、
   前記過去センサ情報と前記センサ情報受信手段が受信したセンサ情報とを用いて、当該センサ情報に含まれる最新の時点を示す判断時点以後のセンサ情報である予測センサ情報を取得し、当該予測センサ情報と前記センサ情報受信手段が受信したセンサ情報とを用いて、前記判断時点に、当該センサ情報を取得したセンサを装着している２以上のユーザが同行しているかどうかを判断する同行ユーザ判断手段、
   前記同行ユーザ判断手段が判断した結果に関する情報を出力する出力手段として機能させるためのプログラム。

Images