JP6090438B2 - グルーピング装置、グルーピング方法、およびグルーピングプログラム - Google Patents

Description

本発明は、グルーピング装置、グルーピング方法、およびグルーピングプログラムに関する。

位置情報が付与された情報のグルーピング（グループ化）が必要な場合がある。ここで、「位置情報が付与された情報」の例は、ある位置に配置された広告看板に表示される広告、無線ＬＡＮ環境下でのパーソナルコンピュータ（ＰＣ）やＰＣの周辺機器の機種など動作させるために必要な情報などであり得る。これらの情報の「グルーピング」とは、異なる位置情報が付与された複数の情報を一つのグループにまとめることを指す。

たとえば連続する何種類かのデザインの広告で、各デザインについて複数枚の広告看板を作る場合を考える。広告看板は見る人にインパクトを与えること、すなわち広告効果をもたらすことが目的で設置されるので、広告効果ができるだけ大きくなるように、各デザインの広告をどのように配置するのか、を決定することは重要である。すなわち、同じデザインの広告を異なる位置に配置するとき、これらの広告は、グルーピングされた広告と呼んでも良い。

また、ＰＣやプリンタといった情報機器が屋内に複数設置されており、この機器群の中からユーザが居る場所からアクセスしやすい機器群を選び、それらの機器の電源をあらかじめ電源を投入する処理を考える。このとき、アクセスしやすい機器群を特定するアドレス等の情報は「グルーピングされた情報」に相当する。このような処理を行うことによって、情報機器のユーザは、機器に近付いて自ら電源を入れる動作をすることなく、これら情報機器を利用することができる。

コンテンツデータを管理するコンテンツデータ管理装置であって、複数のコンテンツデータのうちの２つのデータにタグ付けされた位置と時刻から２つのコンテンツデータが生成された２つの位置の間の移動の速度を求め、速度に基づいてコンテンツデータについてグループ化を行う装置が知られている。たとえば、画像データであれば、速度とは、画像の撮影者が２つの画像が撮影された位置間を移動する際の平均移動速度である。画像データの場合、「速度」は、たとえば徒歩での移動、車での移動、電車での移動など、どのような移動手段を用いて移動しながら複数の画像を取得したか、に関する情報を含んでいる。同一のまたは類似の速度の移動手段を用いて移動しながら取得した画像をグルーピングすることによって、関連性の高いコンテンツデータをグルーピングできることがある。

特開２０１２−１０３９６３号公報

広告看板のグルーピングでは、看板の位置と向きのみを考慮した分類では、次の理由で実態に即した分類が行われない可能性がある。すなわち、たとえば近距離で同じ方向を向いて立っている看板でも、人の移動パターンや周辺の空間構造によっては、広告効果が大きく異なる場合がある。直線距離ではなく経路距離を用いて分類したとしても、同様に実態に即した分類を行うのは難しい。広告効果の正確な実態調査のためには、人の行動パターンや空間構造なども含めて看板を分類する必要がある。

ＰＣやプリンタといった情報機器が屋内に複数設置されており、この機器群の中からある場所にいる人からアクセスされやすい機器群を選び、それらの機器の電源をあらかじめ電源を投入する処理を考える。この場合、単純に直線距離によってグルーピングした機器群の電源をオンにすると壁を隔てて隣同士にある機器の電源が投入されてしまう可能性がある。経路距離を用いたとしても、機器の位置関係によっては人のアクセスのしやすさとは異なる基準でグルーピングされてしまう場合がある。

よって、一つの側面として、本発明は、移動体への情報の伝達効率を改善するように複数の情報をグルーピングするグルーピング装置、グルーピング方法、およびグルーピングプログラムを提供することを目的とする。

グルーピング装置が提供される。グルーピング装置は、第１の時刻と第２の時刻の間の複数の時刻において、空間に配置された複数の物体の各々に付与された複数の情報の各々と、空間内を移動する移動体の間の相関の強さを複数の情報の各々における関連性のレベルとして算出する関連性算出部と、複数の時刻において算出された複数の物体の各々における関連性のレベルから、複数の時刻における複数の情報のペアの各々に対する類似度を算出し、複数の時刻における複数の情報のペアの各々に対する類似度を積算し、積算類似度を算出する類似度算出部と、積算類似度に基づいて複数の情報をグルーピングする分類部と、を含むことを特徴とする。

移動体への情報の伝達効率を改善するように複数の情報をグルーピングすることができる。

情報の位置間の直線距離に基づいて情報をグルーピングの例を説明する図である。 情報の位置間の経路距離に基づいて情報をグルーピングの例を説明する図である。 情報の位置が属する区画に基づいて情報をグルーピングの例を説明する図である。 情報の自然なグルーピングの例を説明する図である。 情報の自然なグルーピングで区別したい情報の例を示す図である。 情報の自然なグルーピングでまとめたい情報の例を示す図である。 情報の自然なグルーピングが適用される状況の例を説明する図である。 情報の自然なグルーピングが適用される状況の別の例を説明する図である。 実施形態のグルーピング装置の機能ブロック図の例である。 距離の逆数に依存する移動体と物体の関連性を表すグラフの例を示す図である。 距離の逆数に依存する移動体と物体の関連性を表すグラフの別の例を示す図である。 距離に対して線形に依存する移動体と物体の関連性を表すグラフの例を示す図である。 距離に対して線形に依存する移動体と物体の関連性を表すグラフの別の例を示す図である。 近傍モデルを用いた移動体と物体の関連性を表すグラフの例を示す図である。 近傍モデルの概要を説明する図である。 人の動きと連動して変化する近傍の例を示す図である。 移動体の可視範囲と看板の関係の例を示す図である。 積算類似度の組の例を示す表である。 図１４に示された積算類似度の組から生成された関連性グラフの例を示す図である。 積算類似度の組の別の例を示す表である。 図１７に示された積算類似度の組から生成されたデンドログラムの例を示す図である。 近傍モデルでの情報の自然なグルーピングの例を説明する図である。 近傍モデルでの情報の自然なグルーピングの別の例を説明する図である。 ポテンシャルによる近傍モデルを用いた情報のグルーピングの結果の例を示す図である。 グルーピング装置の構成の例を示す図である。 グルーピングにおける処理の流れの例を示すフローチャートである。

以下、図面を参照しながら、一実施形態のグルーピング装置およびグルーピング方法について説明する。

＜全般的説明＞
まず図１〜５を参照して、位置情報が付与された情報のグルーピングについて説明する。

ここで「位置情報が付与された情報」とは、人の居住空間である３次元空間中の位置に配置された情報であり得る。たとえば、広告、音声や画像の、無線ＬＡＮ環境下でのパーソナルコンピュータ（ＰＣ）やＰＣの周辺機器などが挙げられる。これらの情報の「グルーピング」とは、異なる位置情報が付与された複数の情報を複数のグループに分配することを指す。

たとえば、ＰＣやプリンタといった情報機器が屋内に複数設置されており、この機器群の中からある場所にいる人からアクセスされやすい機器群を選び、それらの機器の電源をあらかじめ電源を投入する処理を考える。各情報機器は、位置情報が付与された情報を持っている。たとえば、各情報機器はＩＰアドレス、ＭＡＣアドレスなど、情報機器を特定する情報を持っており、その情報機器が置かれている位置情報と組み合わせることによって「位置情報が付与された情報」を構成する。

この場合、「アクセスされやすい機器群」がグルーピングされた情報機器に相当する。このような処理を行うことによって、情報機器のユーザは、機器に近付いて自ら電源を入れる動作をすることなく、これら情報機器を利用することができる。

また、「情報」は、たとえは情報記憶媒体に電子ファイルとして情報機器に格納される画像データ、音声データ、文書データ等のコンテンツデータであり得る。

まず、図１〜７を参照して、位置情報が付与された情報の「自然な」グルーピングという概念について説明する。

図１は情報の位置間の直線距離に基づいて情報をグルーピングの例を説明する図である。

図１に示されているオフィスは、部屋Ｒ１、Ｒ２、Ｒ３と廊下Ｐ１を含んでいる。部屋Ｒ１には情報機器１０２、１０４が配置されている。部屋Ｒ２には情報機器１０８、１１０が配置されている。部屋Ｒ３には情報機器１０６、１１８が配置されている。廊下Ｐ１には情報機器１１２、１１４が配置されている。

図１では、二つの情報機器の間の直線距離によってそれらの機器がグルーピングされるか否かが判定される。ここで、情報機器間の直線距離とは、部屋の壁によっては遮られない。つまり、たとえば、壁を隔てて配置されている二つの情報機器間の距離は、二つの情報機器を繋ぐ壁を通り抜ける直線の長さである。そして、二つの情報機器を繋ぐ直線距離が所定の値以下の場合、その二つの情報機器をグルーピングし、同一のグループにグルーピング（グループ化）する。図１の例では、以下の３つのグループが形成される。
グループＡ：情報機器１０４（部屋Ｒ１）、情報機器１０６（部屋Ｒ３）
グループＢ：情報機器１０２（部屋Ｒ１）、情報機器１０８（部屋Ｒ２）
グループＣ：情報機器１１２（廊下Ｐ１）、情報機器１１４（廊下Ｐ１）、情報機器１１０（部屋Ｒ２）、情報機器１１６（部屋Ｒ３）

上のグループ２に属する情報機器１０２と情報機器１０８は、別の部屋に配置されており、直線距離は壁を突き抜けている。仮に、情報機器間の通信が無線であるとしても、壁の構造によっては壁を通り抜ける際に信号強度が大きく減衰することもあり、情報機器１０２と情報機器１０８を同一のグループに分類することが「自然」なグルーピングとは言い難い。よって、情報機器間の直線距離を用いたグルーピングは「自然」ではないことがある。

図２は、情報の位置間の経路距離に基づいて情報をグルーピングの例を説明する図である。

図２では、二つの情報機器の距離を経路距離で計測する。ここで、「経路距離」は、人間の動線に沿った距離によって定義される。

経路距離に基づいてグルーピングした場合、以下の２つのグループが形成される。
グループＤ：情報機器１０４（部屋Ｒ１）、情報機器１０６（部屋Ｒ３）
グループＥ：情報機器１１２（廊下Ｐ１）、情報機器１１４（廊下Ｐ１）、情報機器１１０（部屋Ｒ２）、情報機器１１６（部屋Ｒ３）

この場合、上のグループＢの情報機器１０２（部屋Ｒ１）と情報機器１０８（部屋Ｒ２）の間の経路距離は、廊下Ｐ１を経由したものとなり、情報機器１０２と情報機器１０８がグルーピングされるほど小さくない。情報機器１０４と情報機器１０６は、それぞれ部屋Ｒ１と部屋Ｒ３に配置されているが、両者間の経路距離は直線距離とそれほど違わず。情報機器１０４と情報機器１０６は、経路距離に基づいてグルーピングするか否かを判定する場合でも、グルーピングされる。

このように、経路距離に基づいてグルーピングを行っても、異なる部屋に配置されている情報機器が同じグループにまとめられる。よって、情報機器間の経路距離を用いたグルーピングは「自然」ではないことがある。

図３は、情報の位置が属する区画に基づいて情報をグルーピングの例を説明する図である。

図３では、区画Ａと区画Ｂが示されており、各区画内にある情報機器を一つのグループとみなす。
グループＦ（区画Ａ）：情報機器１０６、情報機器１１６、情報機器１１８
グループＧ（区画Ｂ）：情報機器１１０、情報機器１１４

このように事前に定めた区画によってグルーピングを行うと、区分け作業に手間が掛かり、区画の定め方に任意性が入り込む余地がある。

図４は、情報の「自然な」グルーピングの例を説明する図である。
図４では、次の４つのグループが形成されている。
グループＨ（部屋Ｒ１）：情報機器１０２、情報機器１０４
グループＩ（部屋Ｒ２）：情報機器１０８、情報機器１１０
グループＪ（廊下Ｐ１）：情報機器１１２、情報機器１１４
グループＫ（部屋Ｒ３）：情報機器１０６、情報機器１１６、情報機器１１８

この場合、グルーピングされる情報機器は同じ部屋内にあり、情報機器の間には壁は存在しない。また、グルーピングされる情報機器は同じ部屋内に配置されているので、互いの経路距離も短い。

図４に示されているような自然なグルーピングをするためには、情報機器の間の距離による分類では不十分である。ＰＣやプリンタといった情報機器が屋内に複数設置されており、この機器群の中からある場所にいる人からアクセスされやすい機器群を抽出し、それらの機器の電源をあらかじめ電源を投入する処理を行う場合、単純距離によってグルーピングした機器群の電源をオンにすると壁を隔てて隣同士にある機器の電源が投入されてしまう可能性がある。経路距離を用いたとしても、機器の位置関係によっては人のアクセスのしやすさとは異なる基準でグルーピングされてしまう場合があり、非効率である。

図５Ａは、情報の自然なグルーピングで区別したい情報の例を示す図、図５Ｂは、情報の自然なグルーピングでまとめたい情報の例を示す図である。

図５Ａでは、２つの区画が存在し、それぞれの区画に１つモノが配置されている。図５Ｂでは、１つの区画に２つのモノが配置されている。図５Ａに示されている２つの物体に付与されている情報は、互いに異なるグループに属するとみなし、図５Ｂに示されている２つの物体に付与されている情報は、同じグループに属するとみなしたい。このように、「自然なグルーピング」では情報の間の距離だけでなく、情報が付与されている物体が配置されている空間の構造、たとえば障害物が考慮される。

図６は、情報の自然なグルーピングが適用される状況の例を説明する図である。
図６は、広告のグルーピングの例を示している。この例では、「情報」は広告のデザインである、

連続する何種類かのデザインの広告で、各デザインについて複数枚の広告看板が存在するとする。「位置情報が付与された情報」とは、広告看板の位置に関する情報が付与された広告のデザインであり得る。

複数の広告看板について、広告効果の類似した広告が付与された広告看板同士を一つのグループにまとめて設置することが考えられる。広告効果とは、その広告看板を見る人に与えるインパクトであってもよい。同じデザインの広告が「グルーピングされた情報」に相当する。広告看板は見る人にインパクトを与えることが目的で設置されるので、同じデザインの広告看板をどのように配置するのか、を決定することは重要である。

図６では、ある空間に広告看板３０２、３０４、３０６、３０８、３１０、３１２、３１４、３１６、３１８、３２０は配置されている。これらの広告看板に付与される広告を、広告効果が上昇するように、一つまたは複数のグループに区分けする。

点線は広告看板が配置されている空間を移動する移動体２００の軌跡である。移動体２００は、人であったり、車両であったり、その他、広告看板に付与されている広告を認識しながら移動するものであれば良い。移動体が車両であるとき、広告は標識であっても良い。

図６において、移動体２００は時刻ｔ＝Ｔ１に位置ｘ＝Ｐ１に存在する。位置ｘ＝Ｐ１の近くには広告看板３０２、３０４、３０６に付与された情報が存在する。ここで、「ある位置に近い」とは、距離が所定の値以下であると定義しても良い。また、後述のようにポテンシャルモデルを用いる場合には、ポテンシャルのレベルの差が所定の値（第１の閾値）以下の場合、両者は近いと定義しても良い。さらに、これらの広告看板３０２、３０４、３０６は、互いの距離が所定の値（第２の閾値）以下である。

移動体はその視界に収まる広告看板に付与された広告を認識することができる。たとえば、時刻ｔ＝Ｔ１において移動体は広告看板３０４、３０６に付与された広告を認識することができる。よって情報の自然なグルーピングでは、広告看板３０４に付与された情報、すなわち広告と広告看板３０６に付与された広告がグルーピングされる。

また、移動体２００は時刻ｔ＝Ｔ２に位置ｘ＝Ｐ２に存在する。時刻ｔ＝Ｔ１に位置ｘ＝Ｐ１に居た移動体２００が位置ｘ＝Ｐ２に到達したとき、移動体の視野に入っており、且つ移動体２００からの距離が所定の値より小さい広告看板は、広告看板３１４、３１６、３１８である。さらに、広告看板３１４、３１６、３１８に付与された広告は互いの距離が所定の値（第２の閾値）以下であるとする。よって情報の自然なグルーピングでは、これら広告看板３１４、３１６、３１８に付与された広告がグルーピングされる。

図６では、移動体２００は時刻ｔ＝Ｔ３に位置ｘ＝Ｐ３に移動している。このとき、移動体の視野に入っており、且つ移動体からの距離が所定の値より小さい広告看板は、広告看板３２０である。よって、広告看板３２０は、グループＧ３を形成する。

このように、情報の自然なグルーピングでは情報を受ける側の動きを考慮することが必要であり得る。つまり、同時刻での情報へのアクセスのしやすさが同等であるものをできるだけグルーピングすることが望ましい。さらに、情報の利用者にできるだけ長い時間、相関を持つような情報をグルーピングすることが望ましい。

図７は、情報の自然なグルーピングが適用される状況の別の例を説明する図である。
図７では、広告看板５０２〜５３４が配置されている。また、広告看板５０２〜５３０が配置されている空間は、壁によって幾つかの区画、すなわち部屋Ｒ４、Ｒ５、Ｒ６、Ｒ７に区分けされている。部屋Ｒ４には、４つの広告看板５０２、５０４、５０６、５０８が配置されている。部屋Ｒ５には３つの広告看板５１０、５１２、５１４が配置されている。部屋Ｒ５と部屋Ｒ６を繋ぐ通路Ｐ２に２つの広告看板５１６、５１８が配置されている。部屋Ｒ６には、３つの広告看板５２０、５２２、５２４が配置されており、部屋Ｒ７には５つの広告看板５２６、５２８、５３０、５３１、５３４が配置されている。このように図７に示されている例では、広告看板が配置される空間に壁が存在し、空間が区分けされている。ここで、壁は不透明であるとし、空間内を移動する移動体４００（人）は、壁を通り抜けての視認はできないものとする。各広告看板には、広告が付与されている。

移動体４００は、時刻ｔ＝Ｔ４に位置ｘ＝Ｐ４に位置している。このとき、移動体４００の視界に入っており、且つ移動体４００からの距離が所定の値（第１の閾値）より小さい広告看板は、広告看板５０６、５０８に付与された広告である。また広告看板５０６に付与された広告と広告看板５０８に付与された広告の間の距離は、所定の値（第２の閾値）より小さいとする。よって情報の自然なグルーピングでは、これら広告看板５０６と５０８に付与されている情報がグルーピングされる。

時刻ｔ＝Ｔ４に位置ｘ＝Ｐ４にいた移動体４００は、時刻ｔ＝Ｔ５には位置ｘ＝Ｐ５に移動している。このとき、移動体４００の視界に入っており、且つ移動体４００からの距離が所定の値（第１の閾値）より小さい広告は、通路Ｐ２に配置されている広告看板５１６、５１８に付与された広告である。また広告看板５１６に付与された広告と広告看板５１８に付与された広告の間の距離は、所定の値（第２の閾値）より小さいとする。よって情報の自然なグルーピングでは、これら広告看板５１６、５１８に付与されている情報がグルーピングされる。

時刻ｔ＝Ｔ５に位置ｘ＝Ｐ５にいた移動体４００は、時刻ｔ＝Ｔ６には位置ｘ＝Ｐ６に移動している。このとき、移動体４００の視界に入っており、且つ移動体４００からの距離が所定の値（第１の閾値）より小さい広告看板は、広告看板５２６、５２８、５３０である。広告看板５３４に付与された広告は、視界には入っているが、移動体４００からの距離は所定の値（第１の閾値）より大きい。また広告看板５２６、５２８、５３０に付与された広告について、互いの距離は、所定の値（第２の閾値）より小さいとする。よって情報の自然なグルーピングでは、これら広告看板５２６、５２８、５３０に付与されている情報がグルーピングされる。

上述のように、複数の広告看板についてその広告効果を調査するため広告効果の類似した看板同士をグルーピングする時、広告看板の位置と向きのみを考慮した分類では実態に即した分類が行われない可能性がある。たとえば、近距離で同じ方向を向いて立っている看板でも、人の移動パターンや周辺の空間構造によっては、広告効果が大きく異なる場合がある。直線距離ではなく経路距離を用いて分類したとしても、同様に実態に即した分類を行うのは難しい。広告効果の正確な実態調査のためには、広告を受ける人の行動パターンや空間構造なども含めて看板を分類する必要がある。

「情報の自然なグルーピング」は、同時刻での情報の利用者の情報へのアクセスのしやすさと関連している。ここで、情報へのアクセスのしやすさとは、情報の利用者または受け手が、情報へのアクセスのためにどれだけ追加の動作を行うのか、と関連している。人や車両などの移動体の動きには慣性があり、また進行方向と視界の中心は一致していることが多い。逆に、急な方向転換や、進行方向とは異なる方向を見ることは、大きな追加の動作が必要であり得る。また、移動体と情報が付与された物体との距離は短ければ短いほど、アクセスは容易である。同時刻での情報へのアクセスのしやすさが重要なのは、情報の利用者（受け手）は異なる時刻では異なる場所にいて、利用者は異なる時刻、場所で認識した情報を関連付けることは一般に容易ではないからである。

ここで、「利用者が情報にアクセスする」とは、たとえば、情報が広告であり、利用者は人である場合、その人の視野にその広告が含まれていることであり得る。また無線ＬＡＮ環境下で、情報がプリンタであり、利用者はＰＣユーザである場合、そのＰＣからの指令によってそのプリンタが動作することであり得る。

また、「情報の自然なグルーピング」では、ある時刻における利用者（移動体）による複数の情報へのアクセスのしやすさが考慮されている。ある時刻に、利用者がどれだけ同等に複数の情報にアクセスしやすいかを、「情報へのアクセスのしやすさの同時性」と呼ぶことがある。たとえば、情報の利用者と物体に付与されている情報の距離、すなわち利用者と物体の間の距離だけでアクセスのしやすさが決まるものとする。たとえば、物体Ａと物体Ｂは離れており、異なる時刻で、移動体と物体Ａに付与されている情報の間の距離と、移動体と物体Ｂに付与されている情報の間の距離が等しくなるとする。このとき、時刻を考慮しなければ、移動体は、物体Ａに付与されている情報と、物体Ｂに付与されている情報に同等にアクセスすることができる。しかしそれは異なる時刻において生じることであり、「自然なグルーピング」では、物体Ａに付与されている情報と、物体Ｂに付与されている情報は、「情報へのアクセスのしやすさの同時性」が低いので、グルーピングされない。

また、移動する利用者がある情報にアクセスし得る領域にとどまる時間が長ければ長いほど、その情報へのアクセスはしやすい。このことを「情報へのアクセスのしやすさの継続性」と呼ぶことがある。ここで、２つの情報ＡとＢについて考える。利用者にとって、情報Ａにアクセスできる時間と、情報Ｂにアクセスできる時間は一致しているとする。しかし、その時間帯に重なりがなければ、利用者にとって、情報Ａと情報Ｂはグルーピングされるべきものではない。

このように、「位置情報が付与された情報の自然なグルーピング」では、「アクセスのしやすさの同時性」と「アクセスのしやすさの継続性」がともに高いレベルであるような情報がグルーピングされる。

すなわち、「位置情報が付与された情報の自然なグルーピング」とは、
「情報の利用者にとって、同時刻での情報へのアクセスのしやすさの度合いが高く、情報の利用者にできるだけ長い時間、相関を持つような複数の情報を一つのグループにまとめること」…（＊）
として定義され得る。この定義はまた、
「情報の利用者によるアクセスのしやすさの同時性と継続性が共に高い複数の情報を一つのグループにまとめること」…（＊＊）
と言い換えることができる。

以下で説明するグルーピング装置は、情報の位置や、情報を受ける移動体と情報の距離だけでは決まらない自然なグルーピングを行うために、次のような処理を行う。ある時刻において、位置情報が付与された情報が存在する空間内を移動する移動体２００、４００と、各情報との関連性の強さを求める。移動体２００、４００と、各情報との関連性の強さは、移動体２００、４００の位置、向き、速度によって変化するように設計される。次に、移動体２００、４００と任意の２つの情報との関連性に対して、２つの関連性の間の相関の強さを示す類似性を求め、移動体２００、４００の状態が変化する度にその類似性を積算し正規化することにより積算類似度セットを生成する。そして、積算類似度セットを用いて情報の分類を行う。このように構成されるグルーピング装置を用いると、情報の利用者にとって、同時刻での情報へのアクセスのしやすさが同等であり、情報の利用者にできるだけ長い時間、相関を持つような複数の情報を一つのグループにまとめるため、情報の利用者に対する情報の伝達効率を改善することができる。

＜グルーピング装置＞
以下、図８〜１９を参照して、一実施形態のグルーピング装置７００について説明する。

グルーピング装置７００には、センサ６００が接続されている。
センサ６００とグルーピング装置７００は組み合わされてグルーピングシステムを構成する。

センサ６００は、移動体６５０に搭載される。移動体６５０は、たとえば、図６の移動体２００、図７の移動体６００であり得る。また、移動体６５０は、人、自動車、自転車等の車両、荷台等、向きを有する物体であり得る。センサ６００には、たとえばグローバルポジショニングシステム（ＧＰＳ）が搭載されており、センサ６００の位置が特定できるように構成されている。さらに、センサ６００は速度が計測できるように構成されていても良い。

グルーピング装置７００は、測位部７０２、関連性算出部７０４、物体データ記憶部７０６、類似度算出部７０８、分類部７１０を含む。

測位部７０２は、センサ６００で計測された移動体６５０の位置に関するデータを受ける。また、センサ６００が移動体の速度を計測する場合は、移動体の速度に関するデータを受ける。そして、測位部７０２は、移動体の位置と方向を決定する。

また、測位部７０２は、時刻の計測をする。測位部７０２で計測された時刻は、関連性算出部７０４、物体データ記憶部７０６、類似度算出部７０８、分類部７１０でも共有され得る。ただし、時刻の計測は、測位部７０２以外で行われても良い。例えば、図示されていないクロックによって時刻を計測しても良い。この場合も、クロックによって計測された時刻は、測位部７０２、関連性算出部７０４、物体データ記憶部７０６、類似度算出部７０８、分類部７１０で共有され得る。

物体データ記憶部７０６には、「位置付けられた情報」が付与されている物体に関するデータが記憶されている。このデータには、移動体が移動する空間に配置された物体の位置、情報の向きが含まれ得る。また、その空間に壁等の障害物がある場合に物体データ記憶部７０６には、障害物の位置、材料等に関する情報が格納されていても良い。

関連性算出部７０４は、物体データ記憶部７０６に記憶されているデータを参照しながら、各物体に付与された情報と移動体６５０の関連性を算出する。

たとえば、ある物体の位置をＸ_ｋ、移動体６５０の位置をＹ、単調減少関数をＦ（ｘ）とすると、Ｘ_ｋに位置する物体に付与された情報と移動体６５０の関連性ｒ_ｋは、

で定義される。

図９Ａは、距離の逆数に依存する移動体と物体に付与された情報の関連性を表すグラフの例を示す図であり、図９Ｂは、距離の逆数に依存する移動体と物体に付与された情報の関連性を表すグラフの別の例を示す図である。

図９Ａ〜９Ｂは、Ｘ_ｋに位置する物体に付与された情報と移動体６５０の関連性ｒ_ｋを

と定義した場合の、関連性ｒ_ｋの距離ｄ_ｋ＝｜Ｘ_ｋ―Ｙ｜依存性を示すグラフである。図９Ａではα＝１．００、図９Ｂではα＝５．００である。

図１０Ａは、距離に対して線形に依存する移動体と物体に付与された情報の関連性を表すグラフの例を示す図であり、図１０Ｂは、距離に対して線形に依存する移動体と物体に付与された情報の関連性を表すグラフの別の例を示す図である。

図１０Ａ〜１０Ｂは、Ｘ_ｋに位置する物体に付与された情報と移動体６５０の関連性ｒ_ｋを

と定義した場合の、関連性ｒ_ｋの距離ｄ_ｋ＝｜Ｘ_ｋ―Ｙ｜依存性を示すグラフである。図１０Ａではα＝０．２５、図１０Ｂではα＝１．００である。

図１１は、近傍モデルを用いた移動体とオブジェクトの関連性を表すグラフの例を示す図である。

ここで、近傍モデルについて説明する。
図１２は近傍モデルの概要を説明する図である。

図１２では移動体（人）Ｈの位置をポテンシャルが最大となる位置として、移動体Ｈの前方、移動不可能な壁を避けるように、ポテンシャル等高線が広がっていることが分かる。ポテンシャルのレベルが有限である領域は、移動体Ｈが視認できる区間と関連している。よって、移動体Ｈと情報機器Ａ、Ｂ、Ｃの関連性は、図１１のように移動体Ｈと情報機器Ａ、Ｂ、Ｃの間の距離について単調減少する。近傍モデルでは、壁を通過するような移動体Ｈが移動不可能な経路に沿って関連性は急峻に減少することである。図１２では、移動体Ｈと情報機器Ａは関連性は非零であるが、壁によって隔てられている移動体Ｈと情報機器Ｃの関連性は、ほぼ０であることが分かる。

ポテンシャルの表現として最も一般的に用いられるものに、ラプラスポテンシャルがある。ラプラスポテンシャルは、ラプラス方程式：

の解として表すことができる。δ関数は引数が０の場合には値を、それ以外では０となる関数である。ラプラス方程式の解には、次のような特徴と利点がある。すなわち、ラプラス方程式の解は、連続で滑らかであり、最大点の他に極値が存在しない。よって、移動体の存在位置を最大、壁面を最小とする分布を生成することによって、移動体を中心として壁を避けて拡がる形を、自然に表現するのに適している。また、ラプラス方程式の解は、場所の関数であるため、地図上の任意の点に量（ポテンシャルの標高）が存在する。これは移動体の位置（ポテンシャル中心）から離れるにつれ減少する量であるため、移動体との経路を考慮した距離の指標として利用するのに適している。これらの利点より、近傍領域の表現方法としてラプラスポテンシャルを用いることができる。壁などの障害物の存在は、障害物の表面でラプラス方程式の解は、φ＝０の境界条件を満たすという要請を置くことで考慮することができる。

このとき、Ｘ_ｋに位置する物体に付与された情報と移動体６５０の関連性ｒ_ｋは、ラプラス方程式の解φ（ｘ）を用いて、

で定義され得る。これは、言い換えると、ラプラス方程式のφ（ｘ）の等レベル線を描いた時、等レベル線に直交する線に沿ったＸ_ｋに位置する物体と移動体６５０の距離に関連する。このとき壁の表面でラプラス方程式の解はφ＝０の境界条件を満たすので、等レベル線に直交する線は障害物を通過しない。

関連性算出部７０４において、上記［数４］のような偏微分方程式を数値的に解く際は、空間を格子に分割して計算を行なうが、ラプラス方程式は楕円型の偏微分方程式であり、これら格子の値を陽に求めることができず、分割してできた格子の数を変数とする大規模な連立方程式を解く必要がある。これには多くの計算時間がかかる。壁のような障害物が存在する空間に分布するポテンシャルを表現するためには、格子の数（空間の解像度）が増加しがちである。また、複数の移動体について同時に計算する場合があることを考えると、一般的な格子解法は時間がかかりすぎて利用できない。

そこで関連性算出部７０４では、計算時間の問題に対応するため、代用電荷法を応用してポテンシャルの生成計算を行なう。代用電荷法を応用することにより、ポテンシャルの生成時間を短縮することができる。

代用電荷法とは、偏微分方程式の近似解法である。代用電荷法は、単純なアルゴリズムであるため、近似解を得るために必要な計算時間が短く、なめらかな境界に対しては比較的高い近似精度が得られる特徴がある。反面、代用電荷法は、境界形状が複雑である場合には、誤差が増加して適用が困難という特徴をもっている。代用電荷法のアルゴリズムを次に述べる。

代用電荷法においては、上述のように、標本点および電荷点を定める。代用電荷法においては、以下の処理が行われる。
（処理１）ポテンシャルを求める解析領域を領域Ωとし、領域Ωの内部に標本点Ｘｉ（ｉ＝１、２、・・・、ｎ：ｎは自然数）を選ぶ。
（処理２）選択した各標本点Ｘｉの位置に対応するポテンシャルの値ｂｉを指定する。
（処理３）領域Ωの外側に、電荷点Ｙｉ（ｉ＝１、２、・・・、ｎ：ｎは自然数）を選ぶ。
（処理４）解ｕ（Ｘ）を以下の［式６］のように仮定し、式２によって、ｕ（Ｘｉ）が指定した条件ｂ_ｉを満たすように係数Ｑ_ｉを決定する。

ここで、｜Ｘ−Ｙ_ｉ｜は、標本点Ｘと電荷点Ｙ_ｉとの距離を表す。

代用電荷法においても、最終的にはこの連立方程式を解く必要がある。しかし未知数の数が従来の格子解法と比較して少なくなるため、計算に要する時間が圧倒的に短くなる。

代用電荷法では、解析する空間の境界に沿って電荷・標本点を幾つか選ぶことにより、境界間を滑らかに分布し、かつ境界上で指定した条件を満たすポテンシャルが計算される。この性質を用いて、障害物の表面に沿って標本点と対応する電荷点とを配置することにより、グルーピング装置７００の関連性算出部７０４は、は、空間内の通行可能領域に沿って拡がるポテンシャル分布を生成することができる。

図１３は、人の動きと連動して変化するポテンシャルの例を示す図である。

図１３では、壁９２０に囲まれた空間内に障害物９０２、９０４、９０６、９０８、９１０、９１２、９１４、９１６が配置されている。移動体は位置Ｐにあるものとする。図１３は、位置Ｐにおいて最大値となるポテンシャルの等高線を示している。等高線は、壁９２０と障害物９０２を避けるように、広がっていることが分かる。

上では関連性ｒ_ｋを、情報が付与されている物体の位置と移動体６５０の位置のみで決める場合を説明したが、関連性算出部７０４は関連性ｒ_ｋを、情報の向きや移動体６５０の速さ、向きを考慮しても算出しても良い。

たとえば、情報が付与されている物体の位置をＸ_ｋ、情報の向きをＶ_ｋとする。また、移動体６５０の位置をＹ、向きをＶ_Ｙとする。向きＶ_１、Ｖ_Ｙは大きさ１の単位ベクトルであっても良い。

このとき関連性算出部７０４は、Ｘ_ｋに位置する物体に付与される情報と移動体６５０の関連性ｒ_ｋを、

によって定義しても良い。この式は、Ｘ_ｋに位置する物体に付与される情報と移動体との距離が小さく、なおかつ情報の向きと移動体の向きが対向しているほど高くなる値である。なお、この式は移動体と情報が互いに反対方向を向いている場合も高くなるが、その場合は、向きＶ_ｋとＶ_Ｙの外積を計算し、その計算結果の符号から互いに正反対方をいている場合を判定できるので、その場合はｒ_ｋ＝０としても良い。

また関連性算出部７０４は、［数５］のポテンシャルφ（ｘ）を用いて、Ｘ_ｋに位置する物体に付与される情報と移動体６５０の関連性ｒ_ｋを、

によって定義しても良い。この場合、関連性ｒ_ｋは、ポテンシャルに直交する線に沿った距離が短いほど大きく、また物体に付与された情報の向きＶ_ｋと移動体の向きＶ_Ｙが互いに向き合っているときに大きくなる。

図１４は、移動体の可視範囲と広告看板の関係の例を示す図である。図１４では空間の構造を考慮した場合の関連性ｒ_ｋの決め方の例を説明している。

図１４で、移動体は人１０００であり、領域Ａは人１０００の視界に含まれる可視範囲である。人１０００と同じ空間には情報が付与された物体１００２、１００４、１００６、１００８が存在する。このとき、領域Ａに含まれない物体については、関連性ｒ_ｋ＝０と定めても良い。

関連性算出部７０４でＸ_ｋに位置する物体に付与される情報と移動体６５０の関連性ｒ_ｋを算出した後、類似度算出部７０８は、情報の全てのペアについて、類似度Ｃ_{（ｉ、ｊ）}を算出する。情報の全てのペアについての類似度Ｃ_{（ｉ、ｊ）}の集まり｛Ｃ_{（ｉ、ｊ）}｝を類似度セットと呼ぶことがある。たとえば類似度算出部７０８は、Ｘ_ｉに位置する物体に付与される情報とＸ_ｊに位置する物体に付与される情報との間の類似度Ｃ_{（ｉ、ｊ）}を算出する。類似度Ｃ_{（ｉ、ｊ）}は、値が大きいほど、Ｘ_ｉに位置する物体に付与される情報とＸ_ｊに位置する物体に付与される情報は「類似」しており、グルーピングされる可能性が大きくなる。もし、物体がｎ個あるとすると、類似度Ｃ_{（ｉ、ｊ）}は（１／２）ｎ（ｎ−１）個の独立成分を持つ。（１／２）ｎ（ｎ−１）個の類似度の組を類似度セットと呼ぶことがある。

たとえば、Ｘ_ｉに位置する物体に付与される情報とＸ_ｊに位置する物体に付与される情報との間の類似度Ｃ_{（ｉ、ｊ）}は、Ｘ_ｉに位置する物体に付与される情報とＹに位置する移動体の間の関連性ｒ_ｉと、Ｘ_ｊに位置する物体に付与される情報とＹに位置する移動体の間の関連性ｒ_ｊとして、
（Ｃ１）添え字ｉとｊの入れ替えに関して対称、すなわちＣ_{（ｉ、ｊ）}＝Ｃ_{（ｊ、ｉ）}、
（Ｃ２）どちらかの関連性が０の場合、類似度Ｃ_{（ｉ、ｊ）}は０、
（Ｃ３）ｒ_ｉとｒ_ｊの値が高く、かつ両者の差が少ないほど高い値となる、
のような性質を有することが好ましい。

たとえば、ある時刻ｔにおける類似度Ｃ_{（ｉ、ｊ）}を、

と定義しても良い。これは関連性ｒ_ｉと関連性ｒ_ｊの値が高く、なおかつ両者の差が少ないほど高い値となる式である。どちらかの関連性が０の場合、類似度Ｃ_{（ｉ、ｊ）}は０となる。類似度Ｃ_{（ｉ、ｊ）}は添え字ｉとｊの入れ替えに関して対称なので、Ｃ_{（ｉ、ｊ）}＝Ｃ_{（ｊ、ｉ）}である。類似度セットを行列形式で表すと、

と書くことができる。行列Ｃは、移動体がある位置Ｙにいるとき、物体に付与される情報との関連性の類似度を表している。

上記では、移動体が位置Ｙにあるときの位置Ｘ_ｉにある物体に付与される情報と位置Ｘ_ｊにある物体に付与される情報の間の類似度Ｃ_{（ｉ、ｊ）}を［数５］によって定義したが、（Ｃ１）〜（Ｃ３）を満足する別の式によって定義しても良い。

この類似度Ｃ_{（ｉ、ｊ）}は、ある時刻ｔに移動体が位置Ｙにあるとき、移動体から位置Ｘ_ｉにある物体に付与される情報と位置Ｘ_ｊにある物体に付与される情報がどの程度、同等に認識し得るかを示している。

類似度算出部７０８ではさらに、行列Ｃで表される類似度のセットを移動体が移動する度に算出し、積算し積算類似度を算出する。

たとえば、時刻ｔにおける類似度セットをＣ（ｔ）とすれば、積算類似度Ｃ^＊は、

である。積算類似度Ｃ^＊は、Ｃ^＊ _{（ｉ、ｊ）}を要素とする行列である。ここで、行列に関する積分は行列要素ごとに積分したものを行列形式で表記する、すなわち、

で定義されるものとする。［数８］、［数９］では時間は連続変数であるかのように表記しているが、実際にはセンサ６００は、移動体６５０の位置、向き等の情報は時間に関して離散的に取得する。よって、上記［数８］、［数９］は、下記［数１６］のように、離散系を近似的に連続変数ｔを用いて表しているとみなすことができる。

上記［数８］、［数９］での積分範囲は、ある時刻から別の時刻までであるが、たとえば、移動体がある位置から別の位置に到達するまでの期間であってもよい。

また、行列Ｃ^＊は、最大の要素で各要素を割って正規化しても良い。ある程度の期間、積算を続けて求まった類似度の行列Ｃ^＊には、移動体の移動パターンが反映されている。行列Ｃ^＊は、積算類似度の組を提供する。

上では、移動体は１つであった。しかし、移動体が複数ある場合にも上記の説明は容易に拡張することが可能である。

分類部７１０は、類似度算出部７０８で算出された類似度に基づいて、情報のグルーピングを行う。分類部７１０は、たとえば類似度の行列Ｃ^＊の要素値を強度とするリンクによって結合された関連性グラフを生成し、結合強度が閾値以下の要素のリンクを切断することによって、グルーピングを行う。

図１５は積算類似度の組の例を示す表である。

図１５の表は、情報Ａ、Ｂ、Ｃ、Ｄに対する積算類似度の組を表す４×４の対称行列Ｃ^＊の行列要素の例を示している。たとえば、Ｃ_{（Ａ、Ｂ）}要素の値は０．９であり、Ｃ_{（Ａ、Ｃ）}要素の値は０．２である。

図１６は、図１５に示された積算類似度の組から生成された関連性グラフの例を示す図である。たとえば、Ｃ_{（Ａ、Ｂ）}要素の値は０．９であることを反映して、節点Ａと節点Ｂをつなぐリンクの強さは０．９である。同様に、節点Ａと節点Ｃをつなぐリンクの強さは０．２、節点Ａと節点Ｄつなぐリンクの強さは０．３、節点Ｂと節点Ｃつなぐリンクの強さは０．３、節点Ｂと節点Ｄつなぐリンクの強さは０．７である。

分類部７１０は、図１６に示されたグラフで、たとえばリンクの強さが閾値である０．５より小さいものについては切断をする。閾値は、二つの情報が類似しているか否か、すなわちグルーピングするか否かを分類する境界の値である。すると、図１５に示されたグラフの場合、節点Ａと節点Ｂをつなぐリンク（リンクの強度０．９）と、節点Ａと節点Ｂをつなぐリンク（リンクの強度０．７）が残る。よって、分類部７１０は、情報ＡとＢをグルーピングしグループＧａとし、情報ＣとＤをグルーピングしてグループＧｂとする。

情報の数が大量であった場合、それに応じて［数９］の類似度の行列Ｃ^＊のサイズも大きくなる。

図１６では、リンクの強さは一つの閾値によって分類されたが、互いに異なる複数の閾値を用いて階層的なグルーピングを行っても良い。

図１７は積算類似度の組の別の例を示す表である。

図１７は、情報Ａ、Ｂ、Ｃ、Ｄ、Ｅ、Ｆ、Ｇ、Ｈに対する積算類似度の組を表す８×８の対称行列Ｃ^＊の行列要素の例を示している。この場合、図１７に示されている行列Ｃ^＊から生成されるグラフにおいて、リンク強さを分類する閾値を段階的に緩めて複数回行えば階層的に分類を行うことがきできる。この結果はデンドログラム（樹状図）として可視化するなどすれば、体系化された分類が可能となる。このとき、「階層的なグルーピング」が行われたと呼ばれる。この「階層的なグルーピング」を行うためには、グラフ理論の階層的クラスタリングの理論を適用することが可能である。

階層的クラスタリングの理論では、たとえば、次のような処理を行う。ｘ_１〜ｘ_ＮのＮ個の対象からなるデータが与えられたとき、初期状態として１個の対象だけを含むＮ個のクラスタがある状態を作る。対象ｘ_ｉと対象ｘ_ｊの距離ｄ（ｘ_ｉ、ｘ_ｊ）（非類似度）からクラスタ間の距離ｄ（Ｃ１、Ｃ２）を計算し、この距離が最も近い２つのクラスタを逐次的に併合する。このような処理の結果は、デンドログラム（樹状図）によって表すことができる。デンドログラムとは，各終端ノードが各対象を表し、併合されてできたクラスタを非終端ノードで表した二分木である。クラスタ間の距離ｄ（Ｃ１、Ｃ２）を表す関数によって幾つかの手法がある。たとえば、最短距離法では、クラスタ間の距離ｄ（Ｃ１、Ｃ２）は、クラスタＣ１、Ｃ２のそれぞれに含まれる対象間の距離の最小距離として定義される。最長距離法では、クラスタ間の距離ｄ（Ｃ１、Ｃ２）は、クラスタＣ１、Ｃ２のそれぞれに含まれる対象間の距離の最大距離として定義される。他にはクラスタＣ１、Ｃ２のそれぞれに含まれる対象間の距離の平均をクラスタ間の距離ｄ（Ｃ１、Ｃ２）として定義する群平均法、各対象から，その対象を含むクラスタのセントロイドまでの距離の二乗の総和を最小化するＷａｒｄ法などが知られている。階層的なグルーピングでは、上記の任意の手法を適用することができる。

図１８は、図１７に示された積算類似度の組から生成されたデンドログラムの例を示す図である。

たとえば、図１８において、情報Ａ、Ｂ、Ｃに着目すると、情報Ａと情報Ｂの間の類似度Ｃ_{（Ａ、Ｂ）}の値は０．０７、情報Ａと情報Ｃの間の類似度Ｃ_{（Ａ、Ｃ）}の値は０．３１、情報Ｂと情報Ｃの間の類似度Ｃ_{（Ｂ、Ｃ）}の値は０．２１である。図１８に示されているように、類似しているか否か、すなわちグルーピングするか否かを分類する閾値の値を徐々に増やしていくと、まず情報Ｂと情報Ｃがグルーピングされる。情報Ｂと情報Ｃがグルーピングされて構成するグループをＧ_{（Ｂ、Ｃ）}とする。さらに閾値の値を徐々に増やしていくと、情報Ａと情報Ｃがグルーピングされる。情報Ｃはすでに情報Ｂとグルーピングされているので、情報Ａと情報Ｃがグルーピングされることにより、階層的なグルーピングが実現する。

図１８に示されているように、階層的なグルーピングでは、閾値が大きくなるにつれ、グルーピングされるエリアは徐々に大きくなる。

図１９Ａは、近傍モデルでの情報の自然なグルーピングの例を説明する図であり、図１９Ｂは、近傍モデルでの情報の自然なグルーピングの別の例を説明する図である。図１９Ａ、１９Ｂにおいて、参照符号で指定される物体に付与される関連性ｒ_ｋのレベルは、参照符号と共に括弧内に示されている。たとえば、図１９Ａでは、時刻ｔ１に移動体は位置Ｐ１にいて、移動体が存在する部屋と同じ部屋Ｒ８には、情報が付与されている物体１１０２、１１０４、１１０６、１１０８が存在する。移動体と物体１１０２に付与されている情報との関連性のレベルは０．４６１である。移動体と物体１１０４に付与されている情報との関連性のレベルは０．０．６９５である。位置Ｐ１にいる移動体と部屋Ｒ９に配置されている物体１１１０、１１１２、１１１４に付与されている情報との関連性のレベルはいずれも０．０である。

また、たとえば図１９Ｂに示されているように、時刻ｔ２に移動体は位置Ｐ２に居て、移動体が存在する部屋と同じ部屋Ｒ９には、物体１１１０、１１１２、１１１４が存在する。移動体と物体１１１０に付与されている情報との関連性のレベルは０．４２２である。位置Ｐ２にいる移動体と部屋Ｒ８に配置されている物体１１０２、１１０４、１１０６、１１０８に付与されている情報との関連性のレベルは０．０である。

このように時刻ｔ１においては、移動体と同じ部屋Ｒ８に配置されている物体１１０２、１１０４、１１０６、１１０８に付与されている情報との関連性のレベルが高い。一方、移動体が部屋Ｒ９に移ってしまった時刻ｔ２では、移動体と部屋Ｒ８に配置されている物体１１０２、１１０４、１１０６、１１０８に付与されている情報との関連性のレベルは低い。このように、関連性ｒはある時刻に移動体と情報が近い位置に存在するときに、レベルが高くなる。

類似度Ｃは、上述のように、複数の情報のうちＸ_ｉに位置する情報とＸ_ｊに位置する情報の類似度Ｃ_{（ｉ、ｊ）}を、Ｘ_ｉに位置する情報とＹに位置する移動体の間の関連性ｒ_ｉと、Ｘ_ｊに位置する情報とＹに位置する移動体の間の関連性ｒ_ｊを用いて、
（Ｃ１）Ｃ_{（ｉ、ｊ）}＝Ｃ_{（ｊ、ｉ）}、すなわち添え字ｉとｊの入れ替えに関して対称、
（Ｃ２）関連性ｒ_ｉ、関連性ｒ_ｊのいずれかが０の場合、Ｃ_{（ｉ、ｊ）}＝０、
（Ｃ３）関連性ｒ_ｉおよび関連性ｒ_ｊの値が高く、かつ関連性ｒ_ｉと関連性ｒ_ｊの差が少ないほど高い値となる、
という性質を有する。たとえば、図１９Ａでは物体１１０２、１１０４は、共にレベルの値自体が高く、両者の差が小さいので、類似度は高くなる。また、たとえば、異なる部屋に配置されている物体１１０２と物体１１１０に付与されている情報同士の類似性は０である。

関連性ｒを時間積分して得られる積算類似度Ｃ^＊について考える。積算類似度Ｃ^＊の要素は、情報が付与さえた物体が移動体の視野に含まれる時間が長ければ長いほど、大きくなる。

上記のようなグルーピング装置７００では、情報の利用者の動きの経路と、ある時刻での情報へのアクセスのしやすさを考慮した「情報の自然なグルーピング」を行うことができる。

たとえば、物体が広告看板で、情報が広告の場合、広告効果の強弱のみによる分類ではなく、同時性も含めた分類となる。つまり、広告を見る人の行動パターンを考慮したうえで、広告効果が同時に高くなる広告看板同士がまとめられる。この分類方式によると、物理的に近い距離にあり同じ方向を向いて立っている看板があったとして、なおかつそれらの広告効果がそれぞれ高くなる場合があっても、２つの広告看板の広告の広告効果が同時に高くなる瞬間がなければ、２つの看板はグルーピングされない。すなわち広告効果という視点で情報のユーザの行動パターンや空間構造まで含めて解釈すれば、物理的には似た看板であっても異なるグループに属するということがわかるようになる。

図２０は、ポテンシャルによる近傍モデルを用いた情報のグルーピングの結果の例を示す図である。図２０では、各物体に付与されている情報と移動体との関連性のレベルが、各物体ごとに表されている。

図２０では、点線のような経路Ｑを通って位置Ｐに到達した移動体が存在するとき、物体に付与された情報のグルーピングの様子を示している。関連性は上記の近傍モデルを用いて算出している。図２０に示されているように、移動体の経路Ｑに近く、しかも移動体がその近くに滞在する時間が長い物体に付与された情報に、関連性のレベルが高い。また、壁を隔てた物体に付与されている情報同士はグルーピングされていない。

図２０に示されているように、人の情報機器へのアクセスのしやすさとして、パーソナルコンピュータ（ＰＣ）やプリンタなどの情報機器とそれら情報機器を利用するユーザの関連性の強さを定めれば、その分類の結果は「ユーザの情報機器へのアクセスのしやすさ」という基準でまとまっていることになるため、これを用いて人からアクセスしやすくなった機器群を検知し、その機器らの電源をあらかじめ投入するなどの処理を行うことが可能となる。

図２１は、実施形態のグルーピング装置７００の構成の例を示す図である。グルーピング装置７００は、汎用コンピュータ８００として実現され得る。

このコンピュータ８００は、ＭＰＵ８０２、ＲＯＭ８０４、ＲＡＭ８０６、ハードディスク装置８０８、入力装置８１０、表示装置８１２、インタフェース装置８１４、及び記録媒体駆動装置８１６を備えている。なお、これらの構成要素はバスライン８２０を介して接続されており、ＭＰＵ８０２の管理の下で各種のデータを相互に授受することができる。

ＭＰＵ（Ｍｉｃｒｏ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）８０２は、このコンピュータ８００全体の動作を制御する演算処理装置であり、コンピュータ８００の制御処理部として機能する。

ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）８０４は、所定の基本制御プログラムが予め記録されている読み出し専用半導体メモリである。ＭＰＵ８０２は、この基本制御プログラムをコンピュータ８００の起動時に読み出して実行することにより、このコンピュータ５００の各構成要素の動作制御が可能になる。

ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）８０６は、ＭＰＵ８０２が各種の制御プログラムを実行する際に、必要に応じて作業用記憶領域として使用する、随時書き込み読み出し可能な半導体メモリである。

ハードディスク装置８０８は、ＭＰＵ８０２によって実行される各種の制御プログラムや各種のデータを記憶しておく記憶装置である。ＭＰＵ８０２は、ハードディスク装置８０８に記憶されている所定の制御プログラムを読み出して実行することにより、後述する各種の制御処理を行えるようになる。

入力装置８１０は、例えばマウス装置やキーボード装置であり、グルーピング装置７００の利用者により操作されると、その操作内容に対応付けられている各種情報の入力を取得し、取得した入力情報をＭＰＵ８０２に送付する。

表示装置８１２は例えば液晶ディスプレイであり、ＭＰＵ８０２から送付される表示データに応じて各種のテキストや画像を表示する。

インタフェース装置８１４は、このコンピュータ８００に接続される各種機器との間での各種情報の授受の管理を行う。

記録媒体駆動装置８１６は、可搬型記録媒体８１８に記録されている各種の制御プログラムやデータの読み出しを行う装置である。ＭＰＵ８０２は、可搬型記録媒体８１８に記録されている所定の制御プログラムを、記録媒体駆動装置８１６を介して読み出して実行することによって、後述する各種の制御処理を行うようにすることもできる。なお、可搬型記録媒体８１８としては、例えばＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）規格のコネクタが備えられているフラッシュメモリ、ＣＤ−ＲＯＭ（Ｃｏｍｐａｃｔ Ｄｉｓｃ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＤＶＤ−ＲＯＭ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｃ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）などがある。

このようなコンピュータ８００を用いてグルーピング装置７００を構成するには、例えば、上述の各処理部における処理をＭＰＵ８０２に行わせるための制御プログラムを作成する。作成された制御プログラムはハードディスク装置８０８若しくは可搬型記録媒体８１８に予め格納しておく。そして、ＭＰＵ８０２に所定の指示を与えてこの制御プログラムを読み出させて実行させる。こうすることで、グルーピング装置７００が備えている機能がＭＰＵ８０２により提供される。

このように、グルーピング装置７００は、情報の利用者にとって、同時刻での情報へのアクセスのしやすさが同等であり、情報の利用者にできるだけ長い時間、相関を持つような複数の情報を一つのグループにまとめるため、情報の利用者に対する情報の伝達効率を改善することができる。

＜グルーピングの処理＞
図２２は、グルーピングにおける処理の流れの例を示すフローチャートである。

また、グルーピング装置７００が図２１に示されているような汎用コンピュータ８００である場合には、下記の説明は、そのような処理を行う制御プログラムを定義する。すなわち、以下では、下記に説明する処理を汎用コンピュータに行わせる制御プログラムの説明でもある。

処理が開始されると、Ｓ１０２でグルーピング装置７００の測位部７０２は、時刻をｔ＝０とリセットする。そして、本ステップの処理が終わると、Ｓ１０４に進む。

Ｓ１０４でグルーピング装置７００の測位部７０２は、時刻をΔｔだけ進める。そして、本ステップの処理が終わると、Ｓ１０６に進む。

Ｓ１０６でグルーピング装置７００の測位部７０２は、移動体の位置を計測する。このとき、移動体の方向、すなわち進行方向を計測しても良い。そして、処理はＳ１０８に進む。

Ｓ１０８でグルーピング装置７００の関連性算出部７０４は、物体データ記憶部７０６に記憶されているデータを参照しながら、各物体と移動体の関連性を算出する。そして、本ステップの処理が終わると、Ｓ１０８に進む。

たとえば、ある物体の位置をＸ_ｋ、移動体６５０の位置をＹ、単調減少関数をＦ（ｘ）とすると、Ｘ_ｋに位置する物体と移動体６５０の関連性ｒ_ｋを

によって算出する。上記［数１３］は具体的には、［数２］、［数３］、［数５］のいずれかであっても良い。そして、本ステップの処理が終わると、Ｓ１１０に進む。

Ｓ１１０でグルーピング装置７００の類似度算出部７０８は、物体の全てのペアについて、類似度Ｃ_{（ｉ、ｊ）}を算出する。

Ｘ_ｉに位置する物体に付与される情報とＸ_ｊに位置する物体に付与される情報と間の類似度Ｃ_{（ｉ、ｊ）}は、Ｘ_ｉに位置する物体とＹに位置する移動体の間の関連性ｒ_ｉと、Ｘ_ｊに位置する物体とＹに位置する移動体の間の関連性ｒ_ｊを用いて、上記（Ｃ１）〜（Ｃ３）を満たす関数であることが好ましい。一例として、類似度Ｃ_{（ｉ、ｊ）}は、上述のように、

であっても良い。

物体の全てのペアについての時刻ｔにおける類似度Ｃ_{（ｉ、ｊ）}（ｔ）の集まり｛Ｃ_{（ｉ、ｊ）}（ｔ）｝を類似度セットと呼ぶことがある。そして、本ステップの処理が終わると、Ｓ１１２に進む。

Ｓ１１２でグルーピング装置７００の類似度算出部７０８は、既存の類似度セットにＳ１１０で算出された類似度Ｃ_{（ｉ、ｊ）}を足して時刻ｔにおける積算類似度Ｃ^＊を算出する。すなわち、

を計算する。ここで、Ｃ（ｔ）は行列であるので、上記［数１５］は行列方程式である。そして、本ステップの処理が終わると、Ｓ１１４に進む。

Ｓ１１４でグルーピング装置７００の類似度算出部７０８は、積算類似度Ｃ^＊を正規化する。正規化の仕方としては、たとえば、積算類似度Ｃ^＊の最大の行列要素で、各要素を割っても良い。本ステップの処理が終わると、Ｓ１１６に進む。

Ｓ１１６でグルーピング装置７００の分類部７１０は、Ｓ１１０〜Ｓ１１４で算出された類似度に基づいて、情報のグルーピングを行う。たとえば、類似度の行列Ｃ^＊の要素値を強度とするリンクによって結合された関連性グラフを生成し、結合強度が閾値以下の要素のリンクを切断することによって、グルーピングを行う。グルーピングの例は、図１６に示されている。本ステップの処理が終わると、Ｓ１１８に進む。

Ｓ１１８でグルーピング装置７００の分類部７１０は、終了条件を満足しているかどうかを判定する。終了条件は、特定の移動体がある位置に到達したか否かであっても良い。また終了条件は、所定の時間を経過しかた否かであっても良い。また、本ステップの処理は分類部７１０以外の構成要素、たとえば測位部７０２で処理されても良い。本ステップの判定の結果が”Ｙｅｓ”、すなわち終了条件を満足している場合には、処理を終了する。また、本ステップの判定の結果が”Ｎｏ”、すなわち終了条件を満足していない場合には、Ｓ１０４に戻る。

このような処理を行うことによって、上記（＊）、（＊＊）のような、位置情報が付与された情報の自然なグルーピングを行うことができる。情報の利用者の同時刻での情報へのアクセスのしやすさに基づいて情報をグルーピングするため、情報の利用者に対して情報を効率よく伝えることができる。

６００ センサ
７００ グルーピング装置
７０２ 測位部
７０４ 関連性算出部
７０６ 物体データ記憶部
７０８ 類似度算出部
７１０ 分類部

Claims (11)

1. 第１の時刻と第２の時刻の間の複数の時刻において、空間に配置された複数の物体の各々に付与された情報の各々と、前記空間内を移動する移動体の間の相関の強さを前記複数の物体の各々に付された前記情報の各々に対する関連性のレベルとして算出する関連性算出部と、
   前記複数の時刻において算出された前記複数の物体の各々に付された前記情報の各々に対する前記関連性のレベルから、前記複数の物体の各々に付与された前記情報のうちの２つの情報をペアにすることで得られる複数のペアの各々のペアとなった情報間の類似度を前記複数の時刻において算出して前記複数のペアごとに積算し、前記複数のペアごとに積算類似度を算出する類似度算出部と、
   前記複数のペアごとの前記積算類似度に基づいて前記複数の情報をグルーピングする分類部と、
   を含むグルーピング装置。
2. さらに、
   前記複数の物体と、前記複数の物体が配置される前記空間に存在し、前記移動体の移動の障害となる障害物の配置に関する情報を格納する物体データ記憶部を含み、
   前記関連性算出部は、前記複数の物体の各々に付された情報の各々と、前記空間内を移動する前記移動体の間の相関の強さを、前記障害物を通らない経路で前記空間内を移動する前記移動体と前記複数の物体の各々との間の距離に基づいて算出する、請求項１に記載のグルーピング装置。
3. 前記関連性算出部は、前記複数の物体の一つの位置をＸｋ、前記移動体の位置をＹとすると、単調減少関数Ｆ（ｘ）を用いて、
   

   

   によって関連性を算出する、請求項１または２に記載のグルーピング装置。
4. 前記関連性算出部は、前記複数の情報のうちで、Ｘｋに位置する物体と対応する情報と、Ｙに位置する前記移動体の間の相関の強さを、ラプラス方程式：
   

   

   の前記障害物の表面でφ＝０という境界条件の下での解φを用いて、
   

   

   によって算出する請求項２に記載のグルーピング装置。
5. 前記関連性算出部は、前記複数の物体の各々からの前記情報の各々の提示方向と前記移動体の進行方向とに基づいて前記関連性のレベルを算出する、請求項１乃至４のいずれか一項に記載のグルーピング装置。
6. 前記関連性算出部は、前記複数の物体の各々からの前記情報の各々の前記提示方向と前記移動体の前記進行方向とが１８０度異なる場合が最大となる関数を用いて前記関連性のレベルを算出する、請求項５に記載のグルーピング装置。
7. 前記分類部は、前記積算類似度に対して互いに異なる複数の閾値を用意することによって、階層的なグルーピングを行う、請求項１乃至６のいずれか一項に記載のグルーピング装置。
8. 前記類似度算出部は、前記複数の物体の各々に付与された前記情報のうちＸｉに位置する第１の物体の第１の情報とＸｊに位置する第２の物体の第２の情報の類似度Ｃ（ｉ、ｊ）を、Ｘｉに位置する前記第１の物体の前記第１の情報とＹに位置する前記移動体の間の関連性ｒｉと、Ｘｊに位置する前記第２の物体の前記第２の情報とＹに位置する前記移動体の間の関連性ｒｊを用いて、
   （Ｃ１）Ｃ（ｉ、ｊ）＝Ｃ（ｊ、ｉ）、すなわち添え字ｉとｊの入れ替えに関して対称、
   （Ｃ２）前記関連性ｒｉ、前記関連性ｒｊのいずれかが０の場合、Ｃ（ｉ、ｊ）＝０、
   （Ｃ３）前記関連性ｒｉおよび前記関連性ｒｊの値が高く、かつ前記関連性ｒｉと前記関連性ｒｊの差が少ないほど高い値となる、
   関数を用いて算出する、請求項１乃至７のいずれか一項に記載のグルーピング装置。
9. 第１の時刻と第２の時刻の間の複数の時刻において、複数の物体が配置された空間内を移動する移動体の位置を計測するセンサと、
   前記複数の物体の各々に付与された情報の各々と、前記空間内を移動する前記移動体の間の相関の強さを前記複数の物体の各々に付された前記情報の各々に対する関連性のレベルとして算出する関連性算出部と、
   前記複数の時刻において算出された前記複数の物体の各々に付された前記情報の各々に対する前記関連性のレベルから、前記複数の物体の各々に付与された前記情報のうちの２つの情報をペアにすることで得られる複数のペアの各々のペアとなった情報間の類似度を前記複数の時刻において算出して前記複数のペアごとに積算し、前記複数のペアごとに積算類似度を算出する類似度算出部と、
   前記複数のペアごとの前記積算類似度に基づいて前記複数の情報をグルーピングする分類部と、
   を含むグルーピングシステム。
10. コンピュータによって処理されるグルーピング方法であって、
    第１の時刻と第２の時刻の間の複数の時刻において、空間に配置された複数の物体の各々に付された情報の各々と、前記空間内を移動する移動体の間の相関の強さを前記複数の物体の各々に付された前記情報の各々に対する関連性のレベルとして算出することと、
    前記複数の時刻において算出された前記複数の物体の各々に付された前記情報の各々に対する前記関連性のレベルから、前記複数の物体の各々に付与された前記情報のうちの２つの情報をペアにすることで得られる複数のペアの各々のペアとなった情報間の類似度を前記複数の時刻において算出して前記複数のペアごとに積算し、前記複数のペアごとに積算類似度を算出することと、
    前記複数のペアごとの前記積算類似度に基づいて前記複数の情報をグルーピングすることと、
    を含むグルーピング方法。
11. 第１の時刻と第２の時刻の間の複数の時刻において、空間に配置された複数の物体の各々に付された情報の各々と、前記空間内を移動する移動体の間の相関の強さを前記複数の物体の各々に付された前記情報の各々に対する関連性のレベルとして算出し、
    前記複数の時刻において算出された前記複数の物体の各々に付された前記情報の各々に対する前記関連性のレベルから、前記複数の物体の各々に付与された前記情報のうちの２つの情報をペアにすることで得られる複数のペアの各々のペアとなった情報間の類似度を前記複数の時刻において算出して前記複数のペアごとに積算し、前記複数のペアごとに積算類似度を算出し、
    前記複数のペアごとの前記積算類似度に基づいて前記複数の情報をグルーピングする、
    処理をコンピュータに実行させるプログラム。

Images