JP6126540B2 - 関係性推定装置、関係性推定方法およびプログラム - Google Patents

Description

本発明は、関係性推定装置、関係性推定方法およびプログラムに関し、特に、複数の対象者間同志の関係性を推定する関係性推定装置に関するものである。

従来、ユーザの将来の行動を推定する情報処理装置が提案されている（例えば、特許文献１参照）。この情報処理装置は、ＧＰＳ部、ユーザ内的状態取得部、履歴取得部、行動候補推定部を備えている。

情報処理装置は、ＧＰＳ部がユーザの保持する端末の位置情報を取得し、ユーザ内的状態取得部が３軸加速度センサの出力に基づいてユーザの内的状態を示すユーザ状態情報を取得し、履歴取得部が当該位置情報と当該ユーザ状態情報とを対応付けてユーザの行動履歴として取得する。そして情報処理装置は、行動候補推定部が当該ユーザの行動履歴に基づいて将来のユーザの複数の行動を推定し、その推定結果を複数の行動候補として出力する。

特開２０１３−２０６１３９号公報

しかしながら上述した特許文献１の情報処理装置においては、一人のユーザの行動を予測するものに過ぎなかった。本出願人は、複数の対象者同士が一緒に行動を共にしているような同行状態を検出することについては既に出願済みであるが、同行した対象者同士の関係性についてまでは推定できなかった。

本発明は上記した従来の問題に鑑みなされたものであり、その目的は、同行した複数の対象者同士の関係性を推定できるようにした関係性推定装置、関係性推定方法およびプログラムを提案することにある。

このような目的を達成するために、本発明にかかる関係性推定装置は、２以上の対象者に装着されたセンサにより取得されたセンサデータに基づいて対象者同士が一緒に行動を共にする同行状態を検出する同行検出部と、前記対象者のうち対象者Ｘ１が他の対象者Ｘ２と前記同行状態にある同行時における前記対象者Ｘ１の活動状態を示す活動状態データである１つ以上の同行時活動状態データＹ１２と、前記対象者Ｘ１が他のいずれの対象者とも前記同行状態にない通常時における前記対象者Ｘ１の活動状態を示す活動状態データである１つ以上の通常時活動状態データＹ１とを取得する活動状態取得部と、前記対象者Ｘ１と前記対象者Ｘ２との人間関係の繋がりに関する関係性を示す指標として、前記同行時活動状態データＹ１２と前記通常時活動状態データＹ１とに基づいて、前記対象者Ｘ１が前記対象者Ｘ２の行動に合わせて譲歩している度合いを示す譲歩度Ｊ１２を計算する譲歩度計算部とを備えている。

また、本発明にかかる上記関係性推定装置の一構成例は、前記対象者Ｘ１と前記対象者Ｘ２との間における前記関係性を推定する関係性推定部をさらに備え、前記活動状態取得部は、前記対象者Ｘ２が前記対象者Ｘ１と前記同行状態にある同行時における前記対象者Ｘ２の活動状態を示す活動状態データである同行時活動状態データＹ２１と、前記対象者Ｘ２が他のいずれの対象者とも前記同行状態にない通常時における前記対象者Ｘ２の活動状態を示す活動状態データである通常時活動状態データＹ２とを取得し、前記譲歩度計算部は、前記同行時活動状態データＹ２１と前記通常時活動状態データＹ２とに基づいて、前記対象者Ｘ２が前記対象者Ｘ１の行動に合わせて行動している度合いを示す譲歩度Ｊ２１を計算し、前記関係性推定部は、前記譲歩度Ｊ１２と前記譲歩度Ｊ２１とを比較することにより、前記関係性として前記対象者Ｘ１と前記対象者Ｘ２との上下関係を推定するようにしたものである。

また、本発明にかかる上記関係性推定装置の一構成例は、前記活動状態データが、単位時間当たりに前記対象者が歩いた歩数からなり、前記関係性推定部は、前記譲歩度Ｊ１２と前記譲歩度Ｊ２１との大小関係に基づいて、前記上下関係において前記対象者Ｘ１が前記対象者Ｘ２より下位，上位，同位に位置することを推定するようにしたものである。
また、本発明にかかる上記関係性推定装置の一構成例は、前記関係性推定部が、前記譲歩度Ｊ１２に関する過去の履歴に基づいて前記対象者Ｘ１の前記対象者Ｘ２に対する譲歩のし易さに関する傾向を認識するとともに、前記譲歩度Ｊ２１に関する過去の履歴に基づいて前記対象者Ｘ２の前記対象者Ｘ１に対する譲歩のし易さに関する傾向を認識し、これら認識の結果を考慮して前記上下関係を推定するようにしたものである。

また、本発明にかかる他の関係性推定装置は、２以上の対象者に装着されたセンサにより取得されたセンサデータに基づいて対象者同士が一緒に行動を共にする同行状態を検出する同行検出部と、前記対象者のうち対象者Ｘ１が他の対象者Ｘ２〜Ｘｎ（ｎは２以上の整数）のそれぞれと前記同行状態にある同行時における、前記対象者Ｘ１の活動状態を示す活動状態データである同行時活動状態データＹ１２〜Ｙ１ｎを、それぞれ１つ以上取得する活動状態取得部と、前記対象者Ｘ１と前記対象者Ｘ２〜Ｘｎとの人間関係の繋がりに関する関係性を示す指標として、前記同行時活動状態データＹ１２〜Ｙ１ｎと前記同行時活動状態データＹ１ｉ（ｉ＝２〜ｎの整数のいずれか）とに基づいて、前記対象者Ｘ１から前記対象者Ｘｉに向けられた感情の度合いを示す好感度Ｐ１ｉを計算する好感度計算部とを備えている。

また、本発明にかかる上記関係性推定装置の一構成例は、前記活動状態データが、単位時間当たりに前記対象者が歩いた歩数からなり、前記好感度Ｐ１ｉの正負に基づいて、前記対象者Ｘ１から前記対象者Ｘｉに向けられた感情がポジティブなものかネガティブなものかを推定する関係性推定部をさらに備えている。
また、本発明にかかる上記関係性推定装置の一構成例は、前記関係性推定部が、前記好感度Ｐ１ｉに関する過去の履歴に基づいて前記対象者Ｘ１から前記対象者Ｘｉに向けられた感情に関する傾向を認識し、前記認識の結果を考慮して前記対象者Ｘ１から前記対象者Ｘｉに向けられた感情を推定するようにしたものである。
また、本発明にかかる上記関係性推定装置の一構成例は、前記同行状態を検出した同行前後における前記センサデータの変化に基づいて、推定された前記関係性を補正する関係性補正部をさらに備えている。

また、本発明にかかる関係性推定方法は、２以上の対象者に装着されたセンサにより取得されたセンサデータに基づいて対象者同士が一緒に行動を共にする同行状態を検出する同行検出ステップと、前記対象者のうち対象者Ｘ１が他の対象者Ｘ２と前記同行状態にある同行時における前記対象者Ｘ１の活動状態を示す活動状態データである１つ以上の同行時活動状態データＹ１２と、前記対象者Ｘ１が他のいずれの対象者とも前記同行状態にない通常時における前記対象者Ｘ１の活動状態を示す活動状態データである１つ以上の通常時活動状態データＹ１とを取得する活動状態取得ステップと、前記対象者Ｘ１と前記対象者Ｘ２との人間関係の繋がりに関する関係性を示す指標として、前記同行時活動状態データＹ１２と前記通常時活動状態データＹ１とに基づいて、前記対象者Ｘ１が前記対象者Ｘ２の行動に合わせて譲歩している度合いを示す譲歩度Ｊ１２を計算する譲歩度計算ステップとを備えている。

また、本発明にかかる他の関係性推定方法は、２以上の対象者に装着されたセンサにより取得されたセンサデータに基づいて対象者同士が一緒に行動を共にする同行状態を検出する同行検出ステップと、前記対象者のうち対象者Ｘ１が他の対象者Ｘ２〜Ｘｎ（ｎは２以上の整数）のそれぞれと前記同行状態にある同行時における、前記対象者Ｘ１の活動状態を示す活動状態データである同行時活動状態データＹ１２〜Ｙ１ｎを、それぞれ１つ以上取得する活動状態取得ステップと、前記対象者Ｘ１と前記対象者Ｘ２〜Ｘｎとの人間関係の繋がりに関する関係性を示す指標として、前記同行時活動状態データＹ１２〜Ｙ１ｎと前記同行時活動状態データＹ１ｉ（ｉ＝２〜ｎの整数のいずれか）とに基づいて、前記対象者Ｘ１から前記対象者Ｘｉに向けられた感情の度合いを示す好感度Ｐ１ｉを計算する好感度計算ステップとを備えている。

また、本発明にかかるプログラムは、コンピュータが、前述したいずれかの関係性推定装置を構成する各部として機能させるためのプログラムである。

本発明によれば、センサにより取得されたセンサデータに基づいて同行を検出した対象者同士の関係性を推定することができる。

本発明の第１または第２の実施の形態における関係性推定システムの構成を示すシステム構成図である。 本発明の第１の実施の形態に係る関係性推定装置の構成を示すブロック図である。 本発明の第１の実施の形態における関係性推定装置のハードウェア構成を示すブロック図である。 本発明の第１の実施の形態における同行検出部の構成を示すブロック図である。 本発明の第１の実施の形態における歩数計により得られる歩数データの波形を示すグラフである。 本発明の第１の実施の形態における譲歩度計算部の構成を示すブロック図である。 本発明の第１の実施の形態における教師無し機械学習法による譲歩度計算の一例を示すグラフである。 本発明の第１の実施の形態における教師有り機械学習法による譲歩度計算の一例を示すグラフである。 本発明の第１の実施の形態における関係性推定処理手順を示すフローチャートである。 本発明の第１の実施の形態における推定結果に基づく対象者間の関係性を示すグラフである。 本発明の第２の実施の形態に係る関係性推定装置の構成を示すブロック図である。 本発明の第２の実施の形態における推定結果に基づく対象者間の関係性を示すグラフである。

以下、本発明の実施の形態について説明する。

＜概要＞
本実施の形態にかかる関係性推定装置は、関係性推定の対象者が装着している歩数計等のセンサにより得られるセンサデータを用いて特定の対象者同士が一緒に行動を共にしているという同行の有無を検出し、対象者それぞれの同行状態に応じて得られる、対象者の活動状態を表す複数の活動状態データを対象者ごとにそれぞれ取得し、対象者ごとの複数の活動状態データから算出される距離に基づいて、その対象者同士の組織上の繋がりまたは私的な繋がりを表す関係性を推定するものである。

＜用語の定義＞
本実施の形態における関係性推定システムの説明に入る前に、当該関係性推定システムで用いられる種々の用語の一部について説明する。

本実施の形態において、センサとは対象者の活動状態を検出する装置である。本実施の形態においてセンサとしては、対象者に装着される歩数計を例に説明する。しかしながらセンサは歩数計に限るものではなく、いわゆる活動量計であっても良い。このようなセンサはＢｌｕｅｔｏｏｔｈ（登録商標）、Ｗｉｆｉ（登録商標）、赤外線等の無線通信デバイスを備えていることが望ましい。因みに歩数計とは、加速度センサによって加速度を検出し、歩数を計測するものである。しかしながら、これに限るものではなく、振り子によって加速度を検知し、その検知結果に基づいて歩数を計測するものであっても良い。

また、センサとしては、位置情報を取得するＧＰＳ機能を搭載した携帯端末、加速度を検出する加速度センサ、角速度を検出するジャイロセンサ、磁界の向きを検知する地磁気センサ、温度を検知する温度センサ、湿度を検知する湿度センサ、気圧を検知する気圧センサ、時刻情報を検出するタイマー、加速度計または消費カロリー計等を用いてもよい。さらに、これらのセンサを複数組み合わせて用いるようにしてもよい。

センサにより得られる「センサデータ」とは、センサによって得られる対象者のその時その時の活動量を表すデータである。例えば、センサとして歩数計が用いられているのであれば、当該歩数計から得られる単位時間当たりの歩数情報（例えば１分間当たりの歩数）をセンサデータ（歩数データ）として用いることができる。しかしながら、センサデータはこれに限るものではなく、センサとして加速度センサが用いられた場合、加速度データまたはこれに基づいて算出された対象者の歩数情報や消費カロリー等であってもよい。さらには、日記のような日時情報および行き先情報が記録された記録データをセンサデータとして読み出すようにしてもよい。

本実施の形態において用いる「歩数データ」は、例えば歩数計によって得られる１分間当たりの歩数情報と、その歩数情報が得られたときの時点を示す時刻情報とが組み合わされたものである。しかしながら、これに限るものではなく、歩数計によって得られる１秒間、または１時間当たりの歩数情報と、その歩数情報が得られたときの時点を示す時刻情報とが組み合わされたものであっても良い。例えば歩数計によって８時００分００秒から８時０１分００秒までの１分間に得られた歩数データは、８時０１分００秒の時刻情報と１分間当たりの歩数９０歩などの歩数情報とが組み合わされたものとなる。なお、歩数データには、歩数計を装着している対象者を識別するための識別情報が含まれているものとする。

＜第１の実施の形態における関係性推定システムの全体構成＞
図１には、関係性推定システム１００の全体構成を示す。この関係性推定システム１００は、関係性推定の対象となる複数の対象者Ａ〜Ｄがそれぞれ装着したセンサ（歩数計）ＳＥ１〜ＳＥ４と、当該センサＳＥ１〜ＳＥ４からネットワークＮＷを介して得られるセンサデータ（歩数データ）Ｓ１〜Ｓ４に基づいて対象者Ａ〜Ｄ同士の関係性を推定する関係性推定装置１と、センサデータ（歩数データ）Ｓ１〜Ｓ４を蓄積するデータ蓄積部２と、当該関係性推定装置１による関係性推定結果を表示する表示部３とを備えている。

ここで、対象者Ａ、Ｂ、Ｃ、Ｄのうち３人または４人の同行状態が検出された場合に、その３人または４人の対象者同士の関係性を推定することも可能であるが、説明の便宜上、対象者Ａ、Ｂ同士の２人の関係性を推定する場合について以下に説明する。

複数の対象者Ａ〜Ｄは、それぞれ独自に行動しており、その行動がセンサＳＥ１〜ＳＥ４によって歩数データＳ１〜Ｓ４として検出される。したがって、対象者Ａ〜Ｄの行動に応じてセンサＳＥ１〜ＳＥ４から得られる歩数データＳ１〜Ｓ４がアクセスポイントＡＰからネットワークＮＷを介して関係性推定装置１へ送られる。

関係性推定装置１は、センサＳＥ１〜ＳＥ４から送られてきた対象者Ａ〜Ｄの歩数データＳ１〜Ｓ４をデータ蓄積部２に順次蓄積していく。そして関係性推定装置１は、データ蓄積部２に蓄積した多数の歩数データＳ１〜Ｓ４のうち、歩数データＳ１、Ｓ２を用いて対象者Ａ、Ｂ同士の関係性を推定し、その推定した関係性推定結果を視覚的かつ直感的に理解し易い形態で表示部３に表示するのである。

＜第１の実施の形態における関係性推定装置の構成＞
図２に示すように、関係性推定装置１は歩数データＳ１〜Ｓ４に基づいて複数の対象者Ａ〜Ｄが同行しているか否かを検出する同行検出部４、対象者Ａ〜Ｄの同行時の活動状態および同行時以外の通常時の活動状態を取得する活動状態取得部５、対象者Ａ〜Ｄ間の同行時の活動状態と通常時の活動状態との相違に基づいて第１の指標としての譲歩度を計算する譲歩度計算部６と、対象者Ａ〜Ｄごとの譲歩度の大小に基づいて対象者同士の関係性を推定する関係性推定部７とにより構成される推定部９、およびその関係性を補正する関係性補正部８を備えている。

この関係性推定装置１は、図３に示すように、ＣＰＵ(Central processing Unit)１０、メモリやハードディスクなどの記憶装置１１、およびインタフェース部１２からなるコンピュータ（ハードウェア）にプログラム（ソフトウェア）をインストールすることによって実現される。関係性推定装置１の各部４〜８による機能は、コンピュータの各種ハードウェア資源とプログラムとが協働することによって実現される。なお、プログラムは、コンピュータ読取可能な記録媒体や記憶装置１１に格納された状態で提供されてもよく、或いは電気通信回線を介して提供されてもよい。

＜同行検出部＞
同行検出部４は、複数の対象者Ａ〜Ｄのそれぞれが他の対象者と行動を共にしていたと考えられる「同行状態」であったことを検出する機能部である。

より具体的には、同行検出部４は、複数の対象者Ａ〜Ｄから得られるセンサデータ（本実施の形態においては歩数データＳ１〜Ｓ４）のうち、任意の２人の対象者のもの（例えば、対象者Ａ、Ｂの歩数データＳ１、Ｓ２）に基づいてこの２人が同行状態であったか否かを判定し、両者が同行状態にあったことを検出した場合、同行状態にあったことを意味する同行検出結果Ｔ１を活動状態取得部５へ出力し、両者が同行していないことを検出した場合、同行状態にはなかったことを意味する非同行検出結果Ｔ２を活動状態取得部５へ出力するものである。以下、説明の便宜のため、同行検出の対象として着目する対象者Ａ、Ｂが同時刻において一緒に行動を共にしていたことを意味する同行状態であったか否かを対象者Ａ、Ｂの歩数データＳ１、Ｓ２に基づいて検出する場合を例に説明する。

同行検出部４のより具体的な機能構成を図４に基づいて説明する。同行検出部４は、センサ情報入力部２１、類似情報算出部２２、同行判定部２３および関係強度情報算出部２４を備えている。

＜センサ情報入力部＞
センサ情報入力部２１は、対象者Ａ〜ＤのセンサＳＥ１〜ＳＥ４からアクセスポイントＡＰおよびネットワークＮＷを経由して送られてきた歩数データＳ１〜Ｓ４を順次受信して後述する類似情報算出部２２に入力するものである。対象者Ａ、Ｂに着目すると、歩数データＳ１、Ｓ２は対象者Ａ、Ｂの例えば１分間ごとの歩数情報であるため、センサＳＥ１、ＳＥ２から１分間隔で同じ時刻情報を持つ歩数データＳ１、Ｓ２がセンサ情報入力部２１に入力される。なお、図４に示すように、歩数データＳ１、Ｓ２は、時間ｔに対応した対象者Ａ、Ｂの１分間あたりの歩数の変化を表す波形として表現することができる。

＜類似情報算出部＞
類似情報算出部２２は、センサ情報入力部２１から供給された対象者Ａ、Ｂの同じ時刻情報を持つ歩数データＳ１、Ｓ２に基づいて、お互いの行動（この場合は歩行）の類似度を示す類似情報Ｒ１を算出するものである。この類似情報Ｒ１は、例えば対象者Ａ、Ｂにおける歩数データＳ１、Ｓ２を比較して、両者が一致する度合いが大きいほど高くなる値である。

したがって、所定の時間区間ごとに歩数データＳ１、Ｓ２から類似情報Ｒ１を算出し、その類似情報Ｒ１が大きければ、その時間区間において対象者Ａと対象者Ｂとは同じ行動をとっていた可能性が高く、類似情報Ｒ１が小さければ、その時間区間において対象者Ａと対象者Ｂと別々に行動していた可能性が高いと考えることができる。類似情報算出部２２は、この類似情報Ｒ１を同行判定部２３へ出力する。このような２つのデータに基づいて類似情報Ｒ１を算出する手法は公知技術であるため、ここではその詳細な説明を省略する。

＜同行判定部＞
同行判定部２３は、類似情報算出部２２から供給された類似情報Ｒ１が予め決められた所定の閾値を越えているか否かに基づき、類似情報Ｒ１を算出する対象となった時間区間において対象者Ａ、Ｂ同士が同行状態にあったか否かを判定するものである。

ここで類似情報Ｒ１が閾値を越えている場合、同行判定部２３は、当該類似情報Ｒ１を算出する対象となった時間区間において対象者Ａ、Ｂ同士が同行していたと判定する。また類似情報Ｒ１が閾値を越えていない場合、同行判定部２３は、当該類似情報Ｒ１を算出する対象となった時間区間において対象者Ａ、Ｂ同士が同行していなかったと判定する。

このような判定結果は、その時間区間に属する対象者Ａ、Ｂの歩数データＳ１、Ｓ２の時刻情報と関連付けられ、その時刻情報の時点において当該対象者Ａ、Ｂ同士が同行していたことを表す同行判定結果Ｔ１、またはその時刻情報の時点において対象者Ａ、Ｂ同士が同行していなかったことを表す非同行判定結果Ｔ２としてデータ蓄積部２および後段の活動状態取得部５へ出力される。

したがって同行判定部２３は、８時０１分００秒の時刻情報が含まれた同行判定結果Ｔ１から、１分間おきに８時１０分００秒の時刻情報が含まれた同行判定結果Ｔ１を連続して得ることができた場合には、同行判定部２３は８時００分００秒から８時１０分００秒までの１０分間において対象者Ａ、Ｂ同士が同行していたと判定することができる。このように同行判定部２３は、同行の有無と同行時間についても判定することができるのである。

なお、閾値は、人手または統計的な処理によって、過去実際に対象者Ａ、Ｂ同士が同行していたときの歩数データＳ１、Ｓ２を参考に決定してもよいが、関係性推定装置１の開発者や管理者により当該閾値が適宜設定しても良い。

＜関係強度情報算出部＞
関係強度情報算出部２４は、同行判定部２３に接続されており、対象者Ａ、Ｂ間の同行判定結果Ｔ１、非同行判定結果Ｔ２に基づいて当該対象者Ａ、Ｂ間の人間同士の繋がりの強さ表す関係強度情報Ｋ１を算出し、この関係強度情報Ｋ１を内部の記憶部に保持するとともに同行判定部２３を介して後段の活動状態取得部５へ出力するものである。

この関係強度情報Ｋ１とは、センサＳＥ１、ＳＥ２を装着している対象者Ａ、Ｂ同士が同行判定結果Ｔ１に基づいて同行状態であった場合に、当該対象者Ａ、Ｂ間の人間同士の繋がり、つまり結び付きの強さを表すものであり、例えば数値化した情報であっても良く、または「強い」、「弱い」等の段階的に示される情報であっても良い。

関係強度情報Ｋ１が数値化した情報として表される場合、同行判定部２３の同行判定結果Ｔ１に基づいて同行状態であったと判定した対象者Ａ、Ｂ同士の同行時間が長ければ長いほど大きな値として表される。但し、関係強度情報Ｋ１はこれに限るものではなく、同行判定部２３の同行判定結果Ｔ１に基づいて同行状態であったと判定した対象者Ａ、Ｂ同士の同行回数が多ければ多いほど大きな値として表されるようにしても良い。

同行検出部４は、以上のように複数の対象者Ａ〜Ｄのうちの任意の２人について同行状態であったか否かを検出し、その結果を後述する活動状態取得部５へ出力する。したがって、対象者Ａ〜Ｄ中の２人の全ての組み合わせについて同行検出を行うことにより、対象者Ａ〜Ｄ中の各人が他の対象者と同行していた時間帯や同行していた相手を特定することができるのである。

＜活動状態取得部＞
活動状態取得部５（図２）は、同行検出部４の同行判定結果Ｔ１に基づいて、すなわち、各対象者が他の対象者と同行していた時間帯や同行していた相手に基づいて、任意の対象者が他の特定の対象者と同行状態にあったときの活動状態（以下、このように他の対象者と同行状態にあった状態を「同行時活動状態」という。）を表すセンサデータと、その対象者が当該他の対象者と同行状態になかったときの活動状態（以下、このように他の対象者と同行状態になかった状態を「通常時活動状態」という。）を表すセンサデータとを着目する対象者ごとに取得する機能部である。

ここで「活動状態」とは、対象者の動作の他、血圧や心拍数等の生理状態や嗜好等を含むもので、対象者または対象者の所有物に装着したセンサによって取得できる情報によって把握できるものである。

本実施の形態においては、対象者の活動状態を表すセンサデータとして、上述した歩数データを用いることとして説明するが、活動状態を表すセンサデータは、歩数データに限られるものではなく、例えば、対象者が通った経路に関する経路データや、加速度データを用いるようにしてもよい。これらの経路データや加速度データは、対象者が所持するスマートフォンやウェアラブル端末等の携帯情報機器のＧＰＳ(Global Positioning System)機能や加速度センサにより得ることが可能である。

また、ウェアラブル端末に取り付けられたセンサにより対象者のうなずきの量、身体の揺れ、対象者間の距離、食事所要時間および会話量等を、活動状態を表す情報として用いることもできる。さらに、食べ物の好みとして例えば味付け情報（塩分が多いまたは少ないという情報）についても対象者がセンサ付きフォークを用いることにより活動状態を表す情報として取得することもできる。

本実施の形態において、活動状態取得部５によって同行時活動状態を表すセンサデータと通常時活動状態を表すセンサデータとを取得するのは、対象者は他者との同行時にあっては一人でいるときの通常時活動状態とは異なる活動状態を示すと考えられるからである。この同行時活動状態と通常時活動状態との違いは、後述する推定部９の譲歩度算出部６により第１の指標である「譲歩度」として表される。

ここで「通常時活動状態」は、着目する２人の対象者のうちの１人について、他の対象者と同行状態になかったときの活動状態としてもよいが、この場合は、着目する２人以外の対象者と同行状態にあったときのセンサデータも、当該他の対象者と同行状態にない限り「通常時活動状態」を表すセンサデータ、すなわち通常時活動状態データとして扱われる。

着目する２人以外の対象者の影響を排除する必要がある場合には、当該対象者が他の対象者のいずれとも同行状態になかったとき、すなわち、当該対象者が一人でいたと考えられるときの活動状態を「通常時活動状態」とし、いずれかの対象者と同行状態にあったときのセンサデータは、「通常時活動状態データ」から除くようにしてもよい。

以下に、対象者Ａ、Ｂに着目した場合を例に、活動状態取得部５の動作を説明する。なお、本実施の形態においては、着目する当該対象者ＡまたはＢが他の対象者Ｃ、Ｄを含む他の対象者のいずれとも同行していなかったときを「通常活動状態」とする考え方に基づくものとする。

＜同行時活動状態を表すデータの取得＞
活動状態取得部５は、まず、一方の対象者Ａについて、対象者Ａが他の対象者Ｂと同行していたという同行判定結果Ｔ１に基づいて、同行判定結果Ｔ１の時刻情報に対応した対象者Ａの歩数データＳ１をデータ蓄積部２から取得して、後述する譲歩度計算部６に出力する。

したがって、このときの対象者Ａの歩数データＳ１は、対象者Ａ、Ｂ同士が同行していたときの対象者Ａの単位時間（１分間）当たりの歩数情報である。本実施の形態においては、対象者Ａが対象者Ｂと同行しているときの対象者Ａの同行時活動状態を表すセンサデータ（以下、「同行時活動状態データＡ１」という。）として、この歩数データＳ１を用いるものとする。

＜通常時活動状態を表すデータの取得＞
また、活動状態取得部５は、対象者Ａに関する同行判定結果（または非同行判定結果）に基づいて、対象者Ａが他の対象者のいずれとも同行していなかったときの歩数データＳ０をデータ蓄積部２から取得して、後述する譲歩度計算部６に出力する。この対象者Ａの歩数データＳ０は、対象者Ａが一人で行動しているときの対象者Ａの単位時間（１分間）当たりの歩数情報である。本実施の形態においては、対象者Ａが一人で行動しているときの対象者Ａの通常時活動状態を表すセンサデータ（以下、「通常時活動状態データＡ２」という。）として、この歩数データＳ０を用いるものとする。

このようにして、活動状態取得部５は、対象者Ａについて対象者Ｂと同行しているときの同行時活動状態と対象者Ａが一人でいるときの通常時活動状態とをそれぞれ表す歩数データＳ１、Ｓ０をデータ蓄積部２から取得してこれらを譲歩度計算部６に出力する。

次いで、対象者Ｂについても、対象者Ｂに関する同行判定結果Ｔ１（または非同行判定結果Ｔ２）に基づいて、対象者Ｂが対象者Ａと同行しているときの同行時活動状態を表すセンサデータ（以下、「同行時活動状態データＢ１」という。）と対象者Ｂの通常時活動状態を表すセンサデータ（以下、「通常時活動状態データＢ２」という。）とをそれぞれデータ蓄積部２から取得して譲歩度計算部６に出力する。

＜譲歩度計算部＞
推定部９の譲歩度計算部６は、上述した活動状態取得部５から入力された２人の対象者Ａ、Ｂの活動状態を表すセンサデータから、着目する２人の対象者Ａ、Ｂのそれぞれについて、両者が同行しているときの同行時活動状態と各人の通常時活動状態との間の距離（変化量）を「譲歩度」として求めるものである。

このような「譲歩度」は、１対の対象者（例えば、対象者Ａ、Ｂ）の間において、例えば、対象者Ａの譲歩度は、対象者Ａが対象者Ｂと同行する際に対象者Ｂに合わせて行動している度合い、すなわち対象者Ａが対象者Ｂに譲歩している度合いを表し、対象者Ｂの譲歩度は、対象者Ｂが対象者Ａと同行する際に対象者Ａに合わせて行動している度合い、すなわち対象者Ｂが対象者Ａに譲歩している度合いを表すと考えることができる。

このような譲歩度は、例えば、活動状態を表すパラメータによって規定される空間において、同行時活動状態を表すセンサデータによって規定される部分空間と通常時活動状態を表すセンサデータによって規定される部分空間との距離や、同行時活動状態を表すセンサデータの代表値と通常時活動状態を表すセンサデータの代表値との差（距離）等によって表すことができる。

具体的には、対象者Ａ、Ｂに着目すると、譲歩度計算部６は、対象者Ａの対象者Ｂとの同行時活動状態データＡ１の平均値等の代表値と通常時活動状態データＡ２の平均値等の代表値との差を当該対象者Ａの対象者Ｂに対する譲歩度Ｊ１として算出し、関係性推定部７へ出力する。また譲歩度計算部６は、対象者Ｂの同行時活動状態データＢ１の平均値等の代表値と通常時活動状態データＢ２の平均値等の代表値との差を当該対象者Ｂの譲歩度Ｊ２として算出し、関係性推定部７へ出力する。

例えば、対象者Ａの通常時活動状態データＡ２として歩数データＳ０の平均値が「８０歩／分」であるところ、同行時活動状態データＡ１として歩数データＳ１の平均値が「９０歩／分」であった場合、対象者Ａの通常時活動状態と対象者Ｂとの同行時活動状態との間には「１０歩／分」の変化が生じている。これは、対象者Ａは対象者Ｂとの同行時において、対象者Ｂに合わせて「１０歩／分」だけ譲歩したと考えることができる。そこで、対象者Ａの対象者Ｂに対する譲歩度Ｊ１は「１０歩／分」とすることができる。

また、対象者Ｂの通常時活動状態データＢ２（歩数データ）の平均値が「１２０歩／分」であるところ、同行時活動状態データＢ１（歩数データ）の平均値が「９０歩／分」であった場合、対象者Ｂの通常時活動状態と対象者Ａとの同行時活動状態との間には「３０歩／分」の変化が生じている。これは、対象者Ｂは対象者Ａとの同行時において、対象者Ａに合わせて「３０歩／分」だけ譲歩したと考えることができる。したがって、この場合の対象者Ｂの譲歩度Ｊ２は「３０歩／分」とすることができる。

このような譲歩度を計算する機能を実現するために、譲歩度計算部６は、図６に示すように、学習部４２および譲歩度測定部４３を備えている。ここで学習部４２は、各対象者の活動状態に関するセンサデータに基づいて、それらが対象者の同行時活動状態のものであるか通常時活動状態のものであるかを学習により判別する機能部である。

また、譲歩度測定部４３は、学習部４２における学習結果に基づいて通常時活動状態から把握される活動状態と、同行時活動状態から把握される活動状態との距離を譲歩度として算出する機能部である。本実施の形態においてはセンサデータとしては歩数データが用いられ、具体的には、対象者Ａにあっては同行時活動状態データＡ１および通常時活動状態データＡ２、対象者Ｂにあっては同行時活動状態データＢ１および通常時活動状態データＢ２を用いるものとして説明する。

学習部４２における学習方法としては、例えば教師無し機械学習法（例えばＬＯＦ(Local Outlier Factor)）や、教師有り機械学習法を用いることができる。

＜教師無し機械学習法による学習と譲歩度の算出の例＞
教師無し機械学習法を用いて対象者Ａ、Ｂの関係における対象者Ａ、Ｂの譲歩度Ｊ１、Ｊ２を求める方法の例について説明する。活動状態取得部５から入力された対象者Ａの対象者Ｂとの同行時活動状態データＡ１および通常時活動状態データＡ２は、図７に示すように、「１分間あたりの歩数」と「時刻」とをパラメータとする２次元座標上の点として表すことができる。

教師無し機械学習法を用いて対象者Ａ、Ｂの関係における対象者Ａの譲歩度Ｊ１を求めるには、まず、学習部４２は、対象者Ａの対象者Ｂとの同行時活動状態データＡ１および通常時活動状態データＡ２を、時刻が互いに近いもの同士をグループ化して、クラスタＣ１、Ｃ２、Ｃ３およびＣ４に分類する。

例えば、クラスタＣ１は、対象者Ａの出勤時刻における歩数データを含む集合であり、クラスタＣ２は対象者Ａの休憩時刻における歩数データを含む集合であり、クラスタＣ３は対象者Ａの帰宅時における歩数データを含む集合であると考えられる。これらは１分間あたりの歩数がおよそ揃っていることから、クラスタＣ１〜Ｃ３のセンサデータは通常時活動状態データＡ２であることがわかる。

これに対してクラスタＣ４のセンサデータは、クラスタＣ２と同じく対象者Ａの休憩時刻における歩数データを含む集合であるが、通常時活動状態のクラスタＣ２とは異なり、１分間あたりの歩数が他のクラスタＣ１〜Ｃ３の値とは離れた値を持つ歩数データの集合であると考えられる。したがって、クラスタＣ４のセンサデータは同行時活動状態データＡ１であることがわかる。

このようにして、学習部４２は、対象者Ａの対象者Ｂとの同行時活動状態データＡ１および通常時活動状態データＡ２を分類したクラスタＣ１、Ｃ２、Ｃ３およびＣ４がそれぞれ同行時活動状態データであるか通常時活動状態データであるのかを特定し、その結果を学習結果Ｇ１として譲歩度測定部４３へ出力する。

譲歩度測定部４３は、クラスタＣ１〜Ｃ３のいずれかまたは全部の通常時活動状態データの代表値とクラスタＣ４の同行時活動状態データの代表値との間の距離を、対象者Ａの対象者Ｂに対する譲歩度Ｊ１として算出する。

本実施の形態においては、譲歩度測定部４３は学習結果Ｇ１に基づいて休憩時刻における通常時活動状態のクラスタＣ２の重心と同行時活動状態のクラスタＣ４の重心とのユークリッド距離Ｄ１を対象者Ａの対象者Ｂに対する譲歩度Ｊ１として算出し、関係性推定部７へ出力する。以上のように、学習部４２および譲歩度測定部４３からなる譲歩度計算部６は、対象者Ａの対象者Ｂに対する譲歩度Ｊ１を計算し、後述する関係性推定部７へ出力する。

また、譲歩度計算部６は、同様にして、対象者Ｂの対象者Ａとの同行時活動状態データＢ１および通常時活動状態データＢ２に基づいて、対象者Ｂの対象者Ａに対する譲歩度Ｊ２についても算出し、関係性推定部７へ出力する。

＜教師有り機械学習法による学習と譲歩度の算出の例＞
一方、教師無し機械学習法に代えて教師有り機械学習法を用いて対象者Ａ、Ｂの関係における対象者Ａ、Ｂの譲歩度を求めることもできる。

教師有り機械学習法において、活動状態取得部５から入力された対象者Ａの対象者Ｂとの同行時活動状態データＡ１および通常時活動状態データＡ２は、図８に示すように、「１分間あたりの歩数」と「時刻」とをパラメータとする２次元座標上の点として表すことができる。このとき、上述した教師無し機械学習と異なり、各データには予め「同行時活動状態」か「通常時活動状態」かの別を示すラベルが付されている。

図８においては、同行時活動状態データＡ１を「×」のラベルで表し、通常活動状態データＡ２を通常活動状態を表す「○」のラベルで表す。このようにラベルによって識別されたデータに基づいて、上記の二次元空間を、通常活動状態データＡ１を含む領域ＡＲ１と、同行時活動状態データＡ２を含む領域ＡＲ２、ＡＲ３とに分割し、これらの領域の境界線Ｌ１、Ｌ２を定義しておく。学習部４２は、これらの領域ＡＲ１、ＡＲ２、ＡＲ３および境界線Ｌ１、Ｌ２を学習結果Ｇ２として譲歩度測定部４３へ出力する。

なお、学習部４２により領域ＡＲ１、ＡＲ２、ＡＲ３および境界線Ｌ１、Ｌ２が定義されれば、新たに取得されたセンサデータをこの分割された空間に写像することによって、その新たなセンサデータが同行時活動状態時のものであるのか、それとも通常時活動状態時のものであるのかを判別することができる。すなわち、新たな対象者Ａの歩数データＳ１の点Ｐ１が境界線Ｌ１、Ｌ２に基づいて領域ＡＲ１に位置付けられるのであれば通常活動状態の点であると判断し、境界線Ｌ１、Ｌ２に基づいて領域ＡＲ２またはＡＲ３に位置付けられるのであれば同行時活動状態の点であると判断することができる。

ここで、例えば今回着目する対象者Ａの歩数データＳ１の点Ｐ１が同行時活動状態の領域ＡＲ２に位置付けられたものであると学習部４２が判断すると、譲歩度測定部４３は点Ｐ１から境界線Ｌ１に垂線を下ろしたときの当該点Ｐ１から境界線Ｌ１までのユークリッド距離ｄ２を対象者Ａの譲歩度Ｊ１として算出し、関係性推定部７へ出力する。ちなみに、歩数データＳ１の点Ｐ１が同行時活動状態の領域ＡＲ３に位置付けられたものであると学習部４２が判断した場合も同様の方法により対象者Ａの譲歩度Ｊ１を算出する。また、譲歩度計算部６は、同様にして対象者Ｂの譲歩度Ｊ２についても算出し、関係性推定部７へ出力する。

なお、本実施の形態では、教師無し機械学習法または教師有り機械学習法において、譲歩度を表す「距離」としてユークリッド距離を採用しているが、これに限るものではなく、マハラノビス距離等の統計学的な距離を用いることも可能である。

また、本実施の形態においては、教師無し機械学習法または教師有り機械学習法において、活動状態を表すセンサデータとして歩数データを採用したことから、活動状態を表すパラメータとして「１分あたりの歩数」と「時刻」を用いたが、この他にも、曜日、天気などの各種パラメータを加えた多次元空間によって活動状態を表すことも可能である。

また、教師無し機械学習法において、クラスタＣ２、Ｃ４の重心の間の距離に代えて、クラスタＣ２のセンサデータの１分あたりの歩数の平均値とクラスタＣ４のセンサデータの１分あたりの歩数の平均値との差や、クラスタＣ２のセンサデータの１分あたりの歩数のピーク値とクラスタＣ４の１分あたりの歩数のピーク値との差、さらにはクラスタＣ２の標準偏差の値とクラスタＣ４の標準偏差の値との差を、対象者Ａの対象者Ｂに対する譲歩度Ｊ１として算出してもよい。

＜関係性推定部＞
推定部９の関係性推定部７（図２）は、譲歩度計算部６から入力された譲歩度Ｊ１、Ｊ２に基づいて、着目する対象者Ａ、Ｂの間の関係性を推定し、これを関係性推定結果Ｑ１として関係性補正部８へ出力するものである。

ここで「関係性」とは、例えば組織上の関係または私的な人間関係の繋がりと理解することができる。例えば、組織上の関係は、対象者Ａが対象者Ｂの上司であり、対象者Ｂが対象者Ａの部下であるという職責上の上下関係が考えられる。このような関係性においては、職責上の権限の大小関係や、部下である対象者Ｂの尊敬の念が上司である対象者Ａへ向かっているという方向性が存在すると考えることができる。

そこで、関係性推定部７は、譲歩度計算部６により算出した対象者Ａの譲歩度Ｊ１および対象者Ｂの譲歩度Ｊ２を比較して、譲歩度Ｊ１、Ｊ２の大きい方の対象者が他の対象者よりも多く譲歩していると考え、例えば、会社組織内の上下関係で言えば、譲歩度の大きい方が部下であり、譲歩度の小さい方が上司である、といった対象者Ａ、Ｂ同士の関係性を推定し、これを関係性推定結果Ｑ１とする。

例えば、上述したような対象者Ａの譲歩度Ｊ１は「１０歩／分」であり、対象者Ｂの譲歩度Ｊ２は「３０歩／分」であるとした例に基づけば、対象者Ａの譲歩度Ｊ１＜対象者Ｂの譲歩度Ｊ２であるので、関係性推定部７では、対象者Ａが対象者Ｂの上司であり、対象者Ｂが対象者Ａの部下であるという関係性推定結果Ｑ１を得ることができる。

このように２人の対象者Ａ、Ｂにおいて譲歩度Ｊ１、Ｊ２のより小さい方を他方の上司とするのは一例にすぎず、このような譲歩度Ｊ１、Ｊ２の大小関係に基づく関係性は、様々な事例を分析することによって定義することができる。その結果によっては、例えば、関係性推定部７はこれとは逆に、譲歩度Ｊ１、Ｊ２の小さい方が部下、譲歩度Ｊ１、Ｊ２の大きい方が上司であるとすることも可能である。いずれの場合も、対象者Ａ、Ｂ間において双方の譲歩度Ｊ１、Ｊ２に違いがあれば、その関係性には一方から他方への方向性が存在すると解することができる。

また、関係性推定部７は、対象者Ａの譲歩度Ｊ１と対象者Ｂの譲歩度Ｊ２とが同じである場合、対象者Ａ、Ｂ同士の関係性は上司部下ではなく同僚の関係性であるとした関係性推定結果Ｑ１を得ることもできる。

なお、上述したような関係性は、譲歩度の算出の元となる、活動状態取得部５によって取得される活動状態データの時間範囲を適当に選択することによって、対象者Ａ、Ｂについて、例えば、１回の同行時の同行時活動状態と通常時活動状態との違いに基づく対象者Ａ、Ｂの譲歩度Ｊ１、Ｊ２に基づいて対象者Ａ、Ｂ同士の関係性を推定することもできるし、複数回の同行時の同行時活動状態のそれぞれと通常時活動状態との違いに基づく対象者Ａ、Ｂの複数の譲歩度Ｊ１、Ｊ２に基づいて、対象者Ａ、Ｂ同士の関係性を最終的に判断することも可能である。

特に後者の場合は、例えば、対象者Ａが対象者Ｂの上司であるという関係性が４回推定され、対象者Ｂが対象者Ａの上司であるという関係性が１回推定された場合には、推定回数の多い「対象者Ａが対象者Ｂの上司である」という関係性を最終的な関係性推定結果Ｑ１とすることができる。また、対象者Ａが対象者Ｂの上司であるという関係性が３回推定され、対象者Ｂが対象者Ａの上司であるという関係性が３回推定された場合には、推定回数が同じであるため「対象者Ａと対象者Ｂとは同僚である」という関係性を最終的な関係性推定結果Ｑ１とすることもできる。

また、関係性推定部７は、対象者Ａ、Ｂの過去の譲歩度Ｊ１、Ｊ２の履歴を、当該対象者Ａ、Ｂの個人的な譲歩し易さという傾向（以下、これを第１の傾向と呼ぶ。）を関係性推定時の一要素として考慮することができる。

例えば、関係性推定部７は、対象者Ａの過去の譲歩度Ｊ１の履歴を参照し、当該対象者Ａの過去の譲歩度Ｊ１が常に「０歩／分」であった場合、すなわち、同行時活動状態と通常時活動状態との間に差が見られない場合、対象者Ａは対象者Ｂに対して譲歩し難い第１の傾向を持っていると認識する。

このような場合、関係性推定部７は、対象者Ａの譲歩度Ｊ１が「１０歩／分」であって、対象者Ｂの譲歩度Ｊ２が「３０歩／分」であるため、対象者Ａの譲歩度Ｊ１よりも対象者Ｂの譲歩度Ｊ２の方が大きいが、対象者Ａの譲歩し難い第１の傾向を考慮して、対象者Ａが対象者Ｂの部下であるという関係性を推定することができる。このような譲歩し易い、或いは譲歩し難いという２種類の第１の傾向が存在する場合、そのような傾向情報が予め対象者Ａ、Ｂの識別情報にそれぞれ付加されているようにすればよい。

したがって関係性推定部７は、対象者Ａの識別情報に対して譲歩し難いという第１の傾向の傾向情報が付加されており、対象者Ｂの識別情報に対しては傾向情報が何ら付加されていない場合、対象者Ａの譲歩度Ｊ１の「１０歩／分」に対して例えば重み係数「５」を乗算することにより対象者Ａの譲歩度Ｊ１を「５０歩／分」と計算し、対象者Ｂの譲歩度Ｊ２の「３０歩／分」と比較する。この結果、重み計数の乗算された対象者Ａの譲歩度Ｊ１の方が対象者Ｂの譲歩度Ｊ２よりも大きくなるため、対象者Ａが対象者Ｂの部下であるという関係性を推定することができるのである。したがって、対象者Ａ、Ｂの傾向情報に合わせた関係性推定結果Ｑ１を得ることができる。

また関係性推定部７は、対象者Ａ、Ｂの個人的状態を関係性推定時の一要素として考慮することができる。個人的状態とは、例えば、急いでいるのか否か等の状態が挙げられる。この場合、関係性推定部７は対象者Ａ、Ｂのスケジュールデータを当該対象者Ａ、Ｂの端末やサーバから取得して参照し、同行時の直後に対象者Ａのスケジュールが存在したことを検出した場合、対象者Ａのように通常時活動状態データＡ２の歩数データＳ０が「８０歩／分」のところ、同行時活動状態データＡ１の歩数データＳ１が「９０歩／分」になるような歩数増になっても、その要因が同行というだけではなく対象者Ａがそもそも急いでいたという個人的状態を考慮し、譲歩度「１０歩／分」に対して例えば「０．８」等の１．０以下の係数を乗算する。

これに対して、対象者Ｂのように通常時活動状態データＡ２の歩数データＳ０が「１２０歩／分」のところ、同行時活動状態データＡ１の歩数データＳ２が「９０歩／分」になるような歩数減になっても、その要因が、対象者Ｂが急いでいるにも拘わらず同行により急ぐことができずに歩数減としているという個人的状態を考慮し、譲歩度「３０歩／分」に対して例えば「１．２」等の１．０以上の係数を乗算する。そうすると、対象者Ａの譲歩度Ｊ１が「８歩／分」となり、対象者Ｂの譲歩度Ｊ２が「３６歩／分」となる。

これにより関係性推定部７は、対象者Ａの譲歩度Ｊ１、対象者Ｂの譲歩度Ｊ２に基づいて対象者Ａ、Ｂ同士の関係性を推定するだけでなく、対象者Ａ、Ｂの個人的状態を関係性推定時の一要素として考慮した譲歩度Ｊ１、Ｊ２を求め、その譲歩度Ｊ１、Ｊ２に基づいて対象者Ａ、Ｂ同士の関係性を推定することができるので、関係性推定結果Ｑ１の精度を個人的状態に合わせて更に向上させることができる。

なお関係性推定部７は、対象者Ａ、Ｂ同士の関係性を推定することに加えて、その関係性の時系列的な変化を推定する関係性変化推定部７ａ（後述する）を備えている。この関係性変化推定部７ａは、対象者Ａ、Ｂの譲歩度Ｊ１、Ｊ２の時系列変化を関係性推定時の一要素として考慮し、対象者Ａ、Ｂ同士の関係性の変化を推定し、その関係性変化結果を関係性補正部８へ出力するものである。

この場合、関係性変化推定部７ａは過去の一定期間における対象者Ａ、Ｂの譲歩度Ｊ１、Ｊ２の時系列変化を監視し、当初は対象者Ｂの譲歩度Ｊ２の方が対象者Ａの譲歩度Ｊ１よりも大きかったが、その後、対象者Ａの譲歩度Ｊ１の方が対象者Ｂの譲歩度Ｊ２よりも大きくなった場合に、当初は対象者Ａが対象者Ｂの上司であったが、その後対象者Ｂが対象者Ａの上司になったという対象者Ａ、Ｂ同士の関係性変化結果についても推定することができる。

具体的には、関係性変化推定部７ａは対象者Ａ、Ｂの前回の同行時における譲歩度Ｊ１、Ｊ２と今回の同行時における譲歩度Ｊ１、Ｊ２との差分を算出する。対象者Ａの前回の同行時における譲歩度Ｊ１が「１０歩／分」であり、対象者Ｂの前回の同行時における譲歩度Ｊ２が「３０歩／分」であったところ、対象者Ａの今回の同行時における譲歩度Ｊ１が「３５歩／分」であり、対象者Ｂの今回の同行時における譲歩度Ｊ２が「５歩／分」であった場合、対象者Ａの譲歩度Ｊ１の差分は「＋２５歩／分」となり、対象者Ｂの譲歩度Ｊ２の差分は「−２５歩／分」となるため、対象者Ａの譲歩度Ｊ１の方が対象者Ｂの譲歩度Ｊ２よりも大きくなる。これにより関係性推定部７は対象者Ａ、Ｂ同士の関係性が時系列の変化とともに逆転したと推定することができる。

このように推定部９（譲歩度計算部６および関係性推定部７）は、対象者Ａ、Ｂごとの同行状態に応じて得られる複数の活動状態データ（同行時活動状態データＡ１、Ｂ１および通常時活動状態データＡ２、Ｂ２）から算出される距離（譲歩度Ｊ１、Ｊ２）に基づいて対象者Ａ、Ｂ同士の関係性を推定し、その関係性推定結果Ｑ１を関係性補正部８へ出力できるのである。

＜関係性補正部＞
関係性補正部８（図２）は、推定部９の関係性推定部７により推定した対象者Ａ、Ｂ同士の関係性推定結果Ｑ１を必要に応じて補正することにより当該関係性推定結果Ｑ１の精度を向上させた補正後の関係性推定補正結果Ｑ１Ｓを得、これを表示部３へ出力し、最終的な表示内容として反映させるものである。

具体的には、関係性補正部８は対象者Ａ、Ｂの同行前後における歩数データＳ１、Ｓ２を参照し、対象者Ａ、Ｂの同行前活動状態（歩数情報）と同行後活動状態（歩数情報）とに基づいて対象者Ａ、Ｂ同士の関係性推定結果Ｑ１が正しいか否かを検証するとともに、当該関係性推定結果Ｑ１に誤りがあると判断した場合には対象者Ａ、Ｂ同士の関係性を補正した関係性推定補正結果Ｑ１Ｓを求める。

例えば、関係性推定部７により対象者Ａが上司であり対象者Ｂが部下であるという関係性推定結果Ｑ１が得られた後、関係性補正部８により対象者Ｂの歩数が同行前よりも同行後の方が減少していることを検出した場合、部下の対象者Ｂは上司の対象者Ａとの同行後に緊張が解けてリラックスした状態となったため同行前の歩数よりも同行後の歩数が減少していると考え、この場合対象者Ａ、Ｂ同士の関係性推定結果Ｑ１が正しいと解釈し、関係性補正部８は当該関係性推定結果Ｑ１に対する補正を行わない。

また、関係性推定部７により対象者Ａが上司であり対象者Ｂが部下であるという関係性推定結果Ｑ１が得られた後、対象者Ａの歩数が同行前よりも同行後に減少していることを検出した場合、上述したように、同行後に緊張が解けてリラックスした状態となったため同行前の歩数よりも同行後の歩数が減少していると考えられるため、この場合対象者Ａは対象者Ｂの上司ではなく対象者Ａが対象者Ｂの部下であった可能性が高いと解釈し、関係性補正部８は関係性推定部７により推定した対象者Ａ、Ｂ同士の関係性推定結果Ｑ１を補正し、対象者Ａが部下であり対象者Ｂが上司であるとした関係性推定補正結果Ｑ１Ｓに変更する。

このように関係性補正部８は、関係性推定部７により対象者Ａ、Ｂ同士の関係性推定結果Ｑ１を得た後、対象者Ａ、Ｂの同行前後における同行前活動状態および同行後活動状態の変化に基づいて関係性推定結果Ｑ１の確からしさ検証するとともに、当該関係性推定結果Ｑ１が誤りの可能性が高いと判断した場合には関係性推定補正結果Ｑ１Ｓに補正する。

＜表示部＞
表示部３は、関係性補正部８から供給される関係性推定結果Ｑ１または関係性推定補正結果Ｑ１Ｓに基づいて対象者Ａ、Ｂの関係性を視覚的かつ直感的に理解できるよう有向グラフ化した状態でモニタに表示するものである。

表示部３は、まず関係性推定結果Ｑ１または関係性推定補正結果Ｑ１Ｓに基づいて対象者Ａ、Ｂが同行していたことを認識すると、当該対象者Ａ、Ｂのアイコン間を結ぶ線分を表示する。そして表示部３は、同行検出部４の関係強度情報算出部２４で算出した関係強度情報Ｋ１の値が所定の閾値を越えている場合には対象者Ａ、Ｂのアイコン間を結ぶ線分を太線で表示し、関係強度情報Ｋ１の値が所定の閾値以下である場合には対象者Ａ、Ｂのアイコン間を結ぶ線分を細線で表示する。

そのうえで表示部３は、関係性推定部７および関係性補正部８を介して得られた関係性推定結果Ｑ１または関係性推定補正結果Ｑ１Ｓに基づいて、対象者Ａ、Ｂ同士の関係性が方向性を意味していることを考慮し、その方向性に応じて対象者Ａ、Ｂのアイコン間を結ぶ線分に矢印を付し、当該矢印により対象者Ａ、Ｂ同士の関係性を示す。例えば対象者Ａが対象者Ｂの上司である場合には、対象者Ａ←対象者Ｂのように対象者Ａ、Ｂ間を結ぶ線分に矢印を付し、対象者Ａが対象者Ｂの部下である場合には、対象者Ａ→対象者Ｂのように対象者Ａ、Ｂのアイコン間を結ぶ線分に矢印を付して表示する。

なお表示部３は、関係性推定部７の関係性変化推定部７ａにより対象者Ａ、Ｂの譲歩度Ｊ１、Ｊ２の時系列変化を監視した結果、当初対象者Ａが対象者Ｂの上司であったが、その後、対象者Ａが対象者Ｂの部下になったことを認識した場合、例えば対象者Ａ←対象者Ｂの矢印を破線で付すとともに、対象者Ａ→対象者Ｂの矢印を実線で付して表示することができる。

さらに表示部３は、関係性推定部７により対象者Ａ、Ｂ同士が同僚の関係性であると推定された場合、例えば対象者Ａ←→対象者Ｂのように対象者Ａ、Ｂのアイコン間を結ぶ線分に対して両矢印を付して表示することができる。

＜第１の実施の形態における関係性推定装置の動作＞
このような構成の関係性推定装置１の動作について図９のフローチャートを用いて説明する。関係性推定装置１は、ルーチンＲＴ１の開始ステップから入って次のステップＳＰ１へ移り、同行検出部４により現在着目している対象者Ａ、Ｂ同士の歩数データＳ１、Ｓ２に基づいて同行検出を行い、同行の有無およびその同行期間や、対象者Ａ、Ｂ間の関係強度情報Ｋ１を当該同行検出部４の検出結果として活動状態取得部５へ出力する。

ステップＳＰ２において関係性推定装置１は、ステップＳＰ１における同行検出部４の検出結果として対象者Ａ、Ｂ同士が同行していることを検出できたか否かを判定し、非同行判定結果Ｔ２に基づいて同行していないという検出結果が得られたときは次のステップＳＰ３へ移り、同行判定結果Ｔ１に基づいて対象者Ａ、Ｂ同士が同行しているという検出結果が得られたときは次のステップＳＰ４へ移る。

ステップＳＰ３において関係性推定装置１は、対象者Ａ、Ｂ同士が同行していないときの対象者Ａ、Ｂそれぞれの通常時活動状態データＡ２（歩数データＳ０）を活動状態取得部５により取得し、次のステップＳＰ５へ移る。

ステップＳＰ４において関係性推定装置１は、対象者Ａ、Ｂ同士が同行しているときの対象者Ａ、Ｂそれぞれの同行時活動状態データＡ１（歩数データＳ１）を活動状態取得部５により取得し、次のステップＳＰ５へ移る。

ステップＳＰ５において関係性推定装置１は、対象者Ａ、Ｂ同士が同行していないときの通常時活動状態データＡ２および対象者Ａ、Ｂ同士が同行しているときの同行時活動状態データＡ１の両方を取得できたか否かを判定し、両方を取得できていないときはステップＳＰ２に戻って上述の処理を繰り返し、両方を取得できたときは次のステップＳＰ６へ移る。

ステップＳＰ６において関係性推定装置１は、譲歩度計算部６により教師無し機械学習法または教師有り機械学習法などによって、対象者Ａ、Ｂそれぞれの通常時活動状態データＡ２と同行時活動状態データＡ１との距離ｄ１、ｄ２を求めることにより当該対象者Ａ、Ｂの譲歩度Ｊ１、Ｊ２をそれぞれ計算する。

ステップＳＰ７において関係性推定装置１は、推定部９の譲歩度計算部６で計算された対象者Ａ、Ｂの譲歩度Ｊ１、Ｊ２の比較結果（大小）に基づいて、当該対象者Ａ、Ｂ同士の関係性を関係性推定部７により推定することにより関係性推定結果Ｑ１を得、次のステップＳＰ８へ移る。

ステップＳＰ８において関係性推定装置１は、関係性推定部７により推定された対象者Ａ、Ｂ同士の関係性推定結果Ｑ１に対し、関係性補正部８により対象者Ａ、Ｂの同行前後における同行前活動状態の歩数データと同行後活動状態の歩数データとを比較することにより、対象者Ａ、Ｂ同士の関係性推定結果Ｑ１が正しいか否かを検証するとともに、その関係性推定結果Ｑ１に誤りがあると判断した場合には関係性補正部８により対象者Ａ、Ｂ同士の関係性を補正し、その関係性推定補正結果Ｑ１Ｓを表示部３へ出力した後、次のステップＳＰ９へ移る。なお関係性推定装置１は、関係性推定結果Ｑ１に誤りがないと判断した場合には、その関係性推定結果Ｑ１を補正することなくそのままの状態で表示部３へ出力する。

ステップＳＰ９において関係性推定装置１は、表示部３により、関係性推定部７および関係性補正部８を介して得られた関係性推定結果Ｑ１または関係性推定補正結果Ｑ１Ｓに基づく対象者Ａ〜Ｄ同士の関係性について、図１０に示すような対象者Ａ〜Ｄのアイコン間の線分を矢印により示す有向グラフ化した人間関係グラフＨＧ１として表示し、一連の処理を終了する。

この場合、○は対象者Ａ、Ｂ、Ｃ、Ｄのアイコンを示しており、対象者Ａ、Ｂ、Ｃ、Ｄのアイコン間の線分の太さは関係強度情報Ｋ１に基づく対象者間の関係性の強さに比例して太く表示されている。この場合、対象者間の線分の存在により対象者同士の同行の有無が示されており、同行したことのない対象者間には線分が表示されることはない。この場合、例えば対象者Ａ、Ｂ同士が同行したことがあり、当該対象者Ａが当該対象者Ｂの上司であることが矢印によって示されるとともに、対象者Ａ、Ｂ同士が同行したことがあり、当該対象者Ｂが当該対象者Ｃの上司であることが矢印によって示されている。

したがって、表示部３により表示された複数の対象者Ａ、Ｂ、Ｃ、Ｄ間における同行の有無や関係性の強さが対象者Ａ、Ｂ、Ｃ、Ｄのアイコン間の線分の太さによって直感的に理解させることができるうえ、その対象者Ａ、Ｂ、Ｃ、Ｄ同士の関係性についてもアイコン間の線分に付された矢印によって直感的に理解させることができる。さらに対象者Ｃ、Ｄ同士が同僚であり組織上の上下関係が無い場合には、対象者Ｃ、Ｄのアイコン間に両矢印が表示されるため、対象者Ｃ、Ｄ同士の関係性についても同僚であることを瞬時かつ直感的に理解させることができる。

このように関係性推定装置１は、対象者Ａ〜Ｄにそれぞれ装着されたセンサＳＥ１〜ＳＥ４から得られる歩数データＳ１〜Ｓ４だけを用いて、対象者Ａ〜Ｄ同士の関係性を推定し、その関係性を直感的に理解できるような人間関係グラフＨＧ１を表示部３に表示することができる。

＜第２の実施の形態における関係性推定システムの全体構成＞
第２の実施の形態における関係性推定システムは、関係性推定の対象者が装着している歩数計等のセンサにより得られるセンサデータ（歩数データ）を用いて例えば着目する対象者Ａの他の対象者Ｂ〜Ｄとの同行時における当該他の対象者Ｂ〜Ｄに対する第２の指標としての好感度を求め、その好感度に基づいて対象者Ａの対象者Ｂ〜Ｄに対する１対ｎの好意関係を推定するものである。もちろん、第２の実施の形態における関係性推定システムにおいては、対象者Ａだけではなく、対象者Ｂ、Ｃ、Ｄの他の対象者との同行時における当該他の対象者に対する１対ｎの好意関係を推定することも可能である。

図１に示されるように、第２の実施の形態における関係性推定システム２００について説明するが、第１の実施の形態における関係性推定システム１００の関係性推定装置１に替えて、対象者間の好意関係を推定する関係性推定装置１１１が設けられている以外の構成は同じであるため、その説明を省略する。

＜第２の実施の形態における関係性推定装置の構成＞
図２との対応部分に同一符号を付した図１１に示すように、関係性推定装置１１０は同行検出部４、活動状態取得部５、好感度計算部１１２および関係性推定部７からなる推定部１１１を備えており、第１の実施の形態における推定部９の譲歩度計算部６に替えて好感度計算部１１２が設けられた構成を有する。

関係性推定装置１１０の同行検出部４は、センサＳＥ１〜ＳＥ４からの歩数データＳ１〜Ｓ４に基づいて好感度計算の対象となる対象者Ａの対象者Ｂ〜Ｄに対する同行状態を検出し、対象者Ｂ〜Ｄごとの同行判定結果Ｔ１または非同行判定結果Ｔ２を活動状態取得部５へ出力する。

活動状態取得部５は、同行検出部４からの同行判定結果Ｔ１に基づいて対象者Ａの対象者Ｂ〜Ｄとの同行時活動状態データＡＢ１、ＡＣ１、ＡＤ１をそれぞれ取得し、これらを推定部１１１の好感度計算部１１２へ出力する。

推定部１１１の好感度計算部１１２は、着目する対象者Ａが同行時の他の対象者Ｂ〜Ｄに対してどの程度の好感または嫌悪感を持っているか、すなわちポジティブな感情（プラス極性）を有しているか、またはネガティブな感情（マイナスの極性）を有しているかを表す第２の指標である好感度ＰＢ１、ＰＣ１、ＰＤ１を算出するものである。

具体的に好感度計算部１１２は、活動状態取得部５から供給された対象者Ａの対象者Ｂ〜Ｄとの同行時活動状態データＡＢ１、ＡＣ１、ＡＤ１の全平均値（以下、これを「基準指標」と呼ぶ。）と、対象者Ａの複数の対象者Ｂ〜Ｄに対するそれぞれの同行時活動状態データＡＢ１の平均値（以下、これを「対象者指標」と呼ぶ。）、同行時活動状態データＡＣ１の平均値（対象者指標）、同行時活動状態データＡＤ１の平均値（対象者指標）とをそれぞれ比較し、同行時活動状態データＡＢ１、ＡＣ１、ＡＤ１の全平均値（基準指標）と各同行時活動状態データＡＢ１、ＡＣ１、ＡＤ１の平均値（対象者指標）との間のそれぞれの差（距離）を第２の指標である好感度ＰＢ１、ＰＣ１、ＰＤ１として算出し、これらを関係性推定部７へ出力する。ここで、第２の指標とは好感度ＰＢ１、ＰＣ１、ＰＤ１だけではなく、当該好感度ＰＢ１、ＰＣ１、ＰＤ１を算出するための「基準指標」および「対象者指標」をも含む概念である。

関係性推定部７は、好感度計算部１１２から供給された好感度ＰＢ１、ＰＣ１、ＰＤ１に基づいて、対象者Ａの対象者Ｂ〜Ｄへ向けられたポジティブな感情またはネガティブな感情の度合いを示す好意関係をそれぞれ推定し、これを好意関係推定結果Ｚ１として表示部３へ出力する。

例えば、同行時活動状態データＡＢ１、ＡＣ１、ＡＤ１の全平均値（基準指標）と同行時活動状態データＡＢ１の平均値（対象者指標）との間の差（距離）が一番長い場合、対象者Ａが対象者Ｄに対して最も強いポジティブな感情を持っていると考えることができるので、対象者Ｄと同行しているときには、当該対象者Ｄに対する対象者Ａのポジティブな感情が対象者Ａ、Ｄ同士の同行時の同行時活動状態データＤ１に反映されるはずである。

したがって、対象者Ａが対象者Ｄと同行したときには、対象者Ａの気分が高揚して１分間当たりの歩数が多くなると考えられるため、対象者Ａの同行時活動状態データＡＤ１の平均値（対象者指標）が同行時活動状態データＡＢ１、ＡＣ１、ＡＤ１の全平均値（基準指標）よりも大きく上回り、その距離（好感度ＰＤ１）はプラス側に最も大きな値（プラス極性）となる。この場合、関係性推定部７は、対象者Ａが対象者Ｄに対して最も高好感度であると推定し、これを好意関係推定結果Ｚ１として表示部３へ出力する。

また関係性推定部７は、対象者Ａの同行時活動状態データＡＤ１の平均値（対象者指標）が同行時活動状態データＡＢ１、ＡＣ１、ＡＤ１の全平均値（基準指標）よりも下回り、その距離（好感度ＰＤ１）がマイナス側の値（マイナス極性）となっている場合、対象者Ｄとの同行時に対象者Ａの気分が落ち込んで１分間当たりの歩数が少なくなると考えられるため、対象者Ａが対象者Ｄに対して嫌悪感すなわちネガティブな感情を有していると推定することができる。

その一方で関係性推定部７は、対象者Ａが対象者Ｄに対して最も強いポジティブな感情を持っている場合、対象者Ａが対象者Ｄと同行したときに、対象者Ａが対象者Ｄと出来るだけ長い時間一緒に居たいという心理により１分間当たりの歩数が少なくなると考えることもできる。この場合、対象者Ａの同行時活動状態データＡＤ１の平均値が同行時活動状態データＡＢ１、ＡＣ１、ＡＤ１の全平均値よりも大きく下回り、その距離（好感度ＰＤ１）はマイナス側に最も大きな値となるので、関係性推定部７は対象者Ａが対象者Ｄに対して高好感度であると判定し、この判定結果を好意関係推定結果Ｚ１として表示部３へ出力することも可能である。

さらに関係性推定部７は、対象者Ａの対象者Ｄに対する好感度ＰＤ１だけでなく、対象者Ｂ、Ｃに対する好感度ＰＢ１、ＰＣ１や、対象者Ｄの対象者Ａに対する好感度など、着目する対象者と、それ以外の他の対象者との間の相互の好感度をそれぞれ算出することができ、その算出結果の好感度に応じた判定結果を対象者Ａ〜Ｄ間の好意関係推定結果Ｚ１として表示部３へ出力することができる。

このように推定部１１１（好感度計算部１１２および関係性推定部７）は、対象者Ａの他の対象者Ｂ〜Ｄごとの同行状態に応じて得られる複数の活動状態データ（同行時活動状態データＡＢ１、ＡＣ１、ＡＤ１）から得られる基準指標および対象者指標に基づいて算出される距離を好感度ＰＢ１、ＰＣ１、ＰＤ１として求め、これらの好感度ＰＢ１、ＰＣ１、ＰＤ１に基づいて対象者Ａの他の対象者Ｂ〜Ｄに対する好意関係を推定し、その好意関係推定結果Ｚ１を関係性補正部８へ出力できるのである。

ここで好意関係推定結果Ｚ１は、私的な人間関係の繋がりにおいて、例えば対象者Ａが対象者Ｄに好意を持っているという好意関係を表現するものであるが、この好意関係推定結果Ｚ１には対象者Ａの気持ちが対象者Ｄへ向かっているという方向性に加え、対象者Ａが対象者Ｄに対してポジティブな感情（プラス極性）またはネガティブな感情（マイナス極性）を有しているかの方向性の「極性」が存在すると考えることができる。

したがって表示部３は、関係性推定部７から供給された好意関係推定結果Ｚ１に応じて例えば対象者Ａの対象者Ｄへ向けられたポジティブな感情があることを認識した場合、図１２に示すような対象者Ａ、Ｄ間を結ぶ線分に当該対象者Ａから対象者Ｄへ向けられる矢印を付すとともに、その矢印を赤色（ＲＥＤ）で表現する有向グラフ化した人間関係グラフＨＧ２を表示することにより、対象者Ａが対象者Ｄに対しポジティブな感情を持っていることを矢印および赤色によって瞬時かつ直感的に理解させることができる。

また表示部３は、好意関係推定結果Ｚ１に応じて例えば対象者Ｄの対象者Ａへ向けられたポジティブな感情があることについても認識した場合には、対象者Ａから対象者Ｄへ向けられる赤色の矢印に加えて、対象者Ｄから対象者Ａへ向けられる矢印を赤色（ＲＥＤ）で付した人間関係グラフＨＧ２（図１２）を表示することにより、対象者Ａ、Ｄ同士は赤色の両矢印によりお互いにポジティブな感情を持ち合わせた良好な関係にあることを瞬時かつ直感的に理解させることができる。

さらに表示部３は、関係性推定部７から供給された好意関係推定結果Ｚ１に応じて例えば対象者Ａの対象者Ｂへ向けられたネガティブな感情があることを認識した場合、対象者Ａ、Ｂ間を結ぶ線分に当該対象者Ａから対象者Ｂへ向けられる矢印を付すとともに、その矢印を青色（ＢＬＵＥ）で表現する人間関係グラフＨＧ２（図１２）を表示することにより、対象者Ａが対象者Ｂに対しネガティブな感情を持っていることを矢印および青色によって瞬時かつ直感的に理解させることができる。

なお、表示部３は、ポジティブな感情を赤色の矢印で表現するとともにネガティブな感情を青色の矢印で表現するようにしたが、これに限るものではなく、ポジティブな感情を濃い色の矢印、太線の矢印、実線の矢印で表現するとともにネガティブな感情を淡い色の矢印、細線の矢印、破線の矢印で表現するようにしても良い。また、最もシンプルな表現形式としては、ポジティブな感情を矢印で表現するとともにネガティブな感情を×の付いた矢印で表現するようにしても良い。

また関係性推定部７は、着目する対象者Ａの他の対象者Ｂ〜Ｄに対する過去の好感度ＰＢ１、ＰＣ１、ＰＤ１の履歴に基づく当該対象者Ａの他の対象者Ｂ〜Ｄへの個人的な感情（ポジティブな感情またはネガティブな感情の極性）の傾向（以下、これを第２の傾向と呼ぶ。）を関係性推定時の一要素として考慮することができる。

関係性推定部７は、例えば、着目する対象者Ａの他の対象者Ｄに対する過去の好感度ＰＤ１が複数回ともにネガティブが感情の極性を有していたが、今回の好感度ＰＤ１がポジティブの感情の極性を有していたとしても、対象者Ａの対象者Ｄに対して過去ネガティブな感情を有していたという第２の傾向を考慮し、対象者Ａが対象者Ｄに対しネガティブな感情を持っているという好意関係性を推定することができる。

なお、関係性変化推定部７ａは、着目する対象者Ａの他の対象者Ｂ〜Ｄに対する好感度ＰＢ１、ＰＣ１、ＰＤ１の時系列変化を関係性推定時の一要素として考慮し、対象者Ａと対象者Ｂ〜Ｄ同士の関係性の変化を推定し、その関係性変化結果を関係性補正部８へ出力することができる。

この場合、関係性変化推定部７ａは過去の一定期間における対象者Ａの他の対象者Ｂ〜Ｄに対する好感度ＰＢ１、ＰＣ１、ＰＤ１の時系列変化を監視し、当初、対象者Ａは対象者Ｄに対してネガティブな感情を有していたが、その後、対象者Ａは対象者Ｄに対してポジティブな感情を有するようになったという対象者Ａ、Ｄ同士の関係性変化結果についても推定することができる。

さらに、関係性補正部８は、関係性推定部７により推定された対象者Ａ、Ｄ同士の好意関係推定結果Ｚ１に対し、対象者Ａ、Ｄの同行前後における同行前活動状態の歩数データと同行後活動状態の歩数データとを比較することにより、対象者Ａ、Ｄ同士の好意関係推定結果Ｚ１が正しいか否かを検証するとともに、その好意関係推定結果Ｚ１に誤りがあると判断した場合には対象者Ａ、Ｄ同士の関係性を補正し、その好意関係推定補正結果Ｚ１Ｓを表示部３へ出力することができる。但し、関係性補正部８は、関係性推定部７による好意関係推定結果Ｚ１に誤りがないと判断した場合には、その好意関係推定結果Ｚ１を補正することなくそのままの状態で表示部３へ出力する。

（７）他の実施の形態
なお、上述した第１および第２の実施の形態においては、４名の対象者Ａ〜Ｄ同士の関係性を推定するようにした場合について述べたが、本発明はこれに限らず、更に多くの複数の対象者同士の関係性を推定するようにしても良い。

また上述した第１および第２の実施の形態においては、対象者Ａ、Ｂ同士の関係性として組織における上司部下のような組織上の上下関係や、対象者Ａが対象者Ｂを好きという私的な好意関係を推定するようにした場合について述べたが、本発明はこれに限らず、対象者同士の個人的な相性を推定するようにしても良い。例えば、対象者同士の相性を示す場合は、対象者ごとの譲歩度が互いに同じか或いは互いに近い場合に相性が良いと推定し、対象者同士を結ぶ線分に両矢印を付して表示してもよい。

さらに上述した第１の実施の形態においては、対象者Ａ〜Ｄ同士の組織上の上下関係を推定し、第２の実施の形態においては対象車Ａの他の複数の対象者Ｂ〜Ｄに対する好意関係を推定するようにした場合について述べたが、本発明はこれに限らず、組織上の上下関係および好意関係の双方を同時に推定するようにしてもよい。この場合、表示部３は組織上の上下関係を表示するモードが選択された場合には組織上の上下関係を表す人間関係グラフＨＧ１を表示した後、私的な好意関係を表示するモードが選択された場合には、組織上の上下関係から私的な好意関係を表す人間関係グラフＨＧ２を表示することにより、着目する対象者Ａについて他の対象者Ｂ〜Ｄとの間の組織上の上下関係および私的な好意関係の双方を認識させることができる。

さらに上述した第１の実施の形態においては、対象者Ａ〜Ｄ同士の関係性を対象者間の線分に矢印を付すことにより表現するようにした場合について述べたが、本発明はこれに限らず、当該線分の太さ、濃淡、線分の線種（実線、破線等）等のその他種々の表示形態で対象者Ａ〜Ｄ同士の関係性を表現するようにしても良い。

さらに上述した第１および第２の実施の形態においては、関係性推定装置１、１１１が外部の表示部３に対して関係性推定結果Ｑ１や好意関係性推定結果Ｚ１を出力することにより対象者Ａ〜Ｄ同士の関係性を表現するようにした場合について述べたが、本発明はこれに限らず、表示部３を外部ではなく関係性推定装置１、１１１とともに一体に設けるようにしても良い。

１、１１０…関係性推定装置、２…データ蓄積部、３…表示部、４…同行検出部、５…活動状態取得部、６…譲歩度計算部（第１の指標計算部）、７…関係性推定部、７ａ…関係変化推定部、８…関係性補正部、９…推定部、１０…ＣＰＵ、１１…記憶装置、１２…インタフェース部、２１…センサ情報入力部、２２…類似情報算出部、２３…同行判定部、２４…関係強度情報算出部、４２…学習部、４３…譲歩度測定部、１００、２００…関係性推定システム、１１１…推定部、１１２…好感度計算部（第２の指標計算部）。

Claims (11)

1. ２以上の対象者に装着されたセンサにより取得されたセンサデータに基づいて対象者同士が一緒に行動を共にする同行状態を検出する同行検出部と、
   前記対象者のうち対象者Ｘ１が他の対象者Ｘ２と前記同行状態にある同行時における前記対象者Ｘ１の活動状態を示す活動状態データである１つ以上の同行時活動状態データＹ１２と、前記対象者Ｘ１が他のいずれの対象者とも前記同行状態にない通常時における前記対象者Ｘ１の活動状態を示す活動状態データである１つ以上の通常時活動状態データＹ１とを取得する活動状態取得部と、
   前記対象者Ｘ１と前記対象者Ｘ２との人間関係の繋がりに関する関係性を示す指標として、前記同行時活動状態データＹ１２と前記通常時活動状態データＹ１とに基づいて、前記対象者Ｘ１が前記対象者Ｘ２の行動に合わせて譲歩している度合いを示す譲歩度Ｊ１２を計算する譲歩度計算部と
   を備えることを特徴とする関係性推定装置。
2. 請求項１に記載の関係性推定装置において、
   前記対象者Ｘ１と前記対象者Ｘ２との間における前記関係性を推定する関係性推定部をさらに備え、
   前記活動状態取得部は、前記対象者Ｘ２が前記対象者Ｘ１と前記同行状態にある同行時における前記対象者Ｘ２の活動状態を示す活動状態データである同行時活動状態データＹ２１と、前記対象者Ｘ２が他のいずれの対象者とも前記同行状態にない通常時における前記対象者Ｘ２の活動状態を示す活動状態データである通常時活動状態データＹ２とを取得し、
   前記譲歩度計算部は、前記同行時活動状態データＹ２１と前記通常時活動状態データＹ２とに基づいて、前記対象者Ｘ２が前記対象者Ｘ１の行動に合わせて行動している度合いを示す譲歩度Ｊ２１を計算し、
   前記関係性推定部は、前記譲歩度Ｊ１２と前記譲歩度Ｊ２１とを比較することにより、前記関係性として前記対象者Ｘ１と前記対象者Ｘ２との上下関係を推定する
   ことを特徴とする関係性推定装置。
3. 請求項２に記載の関係性推定装置において、
   前記活動状態データは、単位時間当たりに前記対象者が歩いた歩数からなり、
   前記関係性推定部は、前記譲歩度Ｊ１２と前記譲歩度Ｊ２１との大小関係に基づいて、前記上下関係において前記対象者Ｘ１が前記対象者Ｘ２より下位，上位，同位に位置することを推定する
   ことを特徴とする関係性推定装置。
4. 請求項２または請求項３に記載の関係性推定装置において、
   前記関係性推定部は、前記譲歩度Ｊ１２に関する過去の履歴に基づいて前記対象者Ｘ１の前記対象者Ｘ２に対する譲歩のし易さに関する傾向を認識するとともに、前記譲歩度Ｊ２１に関する過去の履歴に基づいて前記対象者Ｘ２の前記対象者Ｘ１に対する譲歩のし易さに関する傾向を認識し、これら認識の結果を考慮して前記上下関係を推定することを特徴とする関係性推定装置。
5. ２以上の対象者に装着されたセンサにより取得されたセンサデータに基づいて対象者同士が一緒に行動を共にする同行状態を検出する同行検出部と、
   前記対象者のうち対象者Ｘ１が他の対象者Ｘ２〜Ｘｎ（ｎは２以上の整数）のそれぞれと前記同行状態にある同行時における、前記対象者Ｘ１の活動状態を示す活動状態データである同行時活動状態データＹ１２〜Ｙ１ｎを、それぞれ１つ以上取得する活動状態取得部と、
   前記対象者Ｘ１と前記対象者Ｘ２〜Ｘｎとの人間関係の繋がりに関する関係性を示す指標として、前記同行時活動状態データＹ１２〜Ｙ１ｎと前記同行時活動状態データＹ１ｉ（ｉ＝２〜ｎの整数のいずれか）とに基づいて、前記対象者Ｘ１から前記対象者Ｘｉに向けられた感情の度合いを示す好感度Ｐ１ｉを計算する好感度計算部と
   を備えることを特徴とする関係性推定装置。
6. 請求項５に記載の関係性推定装置において、
   前記活動状態データは、単位時間当たりに前記対象者が歩いた歩数からなり、
   前記好感度Ｐ１ｉの正負に基づいて、前記対象者Ｘ１から前記対象者Ｘｉに向けられた感情がポジティブなものかネガティブなものかを推定する関係性推定部をさらに備える
   ことを特徴とする関係性推定装置。
7. 請求項６に記載の関係性推定装置において、
   前記関係性推定部は、前記好感度Ｐ１ｉに関する過去の履歴に基づいて前記対象者Ｘ１から前記対象者Ｘｉに向けられた感情に関する傾向を認識し、前記認識の結果を考慮して前記対象者Ｘ１から前記対象者Ｘｉに向けられた感情を推定することを特徴とする関係性推定装置。
8. 請求項１〜請求項７のいずれかに記載の関係性推定装置において、
   前記同行状態を検出した同行前後における前記センサデータの変化に基づいて、推定された前記関係性を補正する関係性補正部をさらに備えることを特徴とする関係性推定装置。
9. ２以上の対象者に装着されたセンサにより取得されたセンサデータに基づいて対象者同士が一緒に行動を共にする同行状態を検出する同行検出ステップと、
   前記対象者のうち対象者Ｘ１が他の対象者Ｘ２と前記同行状態にある同行時における前記対象者Ｘ１の活動状態を示す活動状態データである１つ以上の同行時活動状態データＹ１２と、前記対象者Ｘ１が他のいずれの対象者とも前記同行状態にない通常時における前記対象者Ｘ１の活動状態を示す活動状態データである１つ以上の通常時活動状態データＹ１とを取得する活動状態取得ステップと、
   前記対象者Ｘ１と前記対象者Ｘ２との人間関係の繋がりに関する関係性を示す指標として、前記同行時活動状態データＹ１２と前記通常時活動状態データＹ１とに基づいて、前記対象者Ｘ１が前記対象者Ｘ２の行動に合わせて譲歩している度合いを示す譲歩度Ｊ１２を計算する譲歩度計算ステップと
   を備えることを特徴とする関係性推定方法。
10. ２以上の対象者に装着されたセンサにより取得されたセンサデータに基づいて対象者同士が一緒に行動を共にする同行状態を検出する同行検出ステップと、
    前記対象者のうち対象者Ｘ１が他の対象者Ｘ２〜Ｘｎ（ｎは２以上の整数）のそれぞれと前記同行状態にある同行時における、前記対象者Ｘ１の活動状態を示す活動状態データである同行時活動状態データＹ１２〜Ｙ１ｎを、それぞれ１つ以上取得する活動状態取得ステップと、
    前記対象者Ｘ１と前記対象者Ｘ２〜Ｘｎとの人間関係の繋がりに関する関係性を示す指標として、前記同行時活動状態データＹ１２〜Ｙ１ｎと前記同行時活動状態データＹ１ｉ（ｉ＝２〜ｎの整数のいずれか）とに基づいて、前記対象者Ｘ１から前記対象者Ｘｉに向けられた感情の度合いを示す好感度Ｐ１ｉを計算する好感度計算ステップと
    を備えることを特徴とする関係性推定方法。
11. コンピュータが、請求項１〜請求項８のいずれかに記載の関係性推定装置を構成する各部として機能させるためのプログラム。

Images