JP6130249B2 - 滞在推定装置、及び滞在推定方法 - Google Patents

Description

本発明は、ユーザが滞在する場所の推定を行う技術に関する。

ＧＰＳや基地局情報に基づく位置情報の取得が可能なスマートフォンなどの端末装置の普及、及び、地図アプリケーションの普及に伴い、ユーザの位置情報を活用するサービスが広く用いられるようになっている。例えば、ユーザの場所や通勤経路に応じて情報を提供するサービスが存在する。

場所に応じて情報提供を行う技術においては、ある場所に到着して滞在を開始した契機に情報を提示することが効果的であると考えられる。そのため、滞在点を抽出する技術が開発されている。例えば、非特許文献１では、指定した半径内のエリアに指定した滞在時間の移動履歴が含まれる場合に、そのエリアの中心を滞在点として抽出する技術が開示されている。この滞在点抽出技術を利用することにより、ユーザがある場所に滞在した際に、滞在を開始したことを検出して、その滞在場所に関する情報の収集や提示を行うことができる。

また、ユーザが初めて訪れる場所においては、当該ユーザがよく訪れる場所と比較して、当該場所についての情報提示の必要性が高いと考えられる。そのため、移動履歴やスケジューラに登録された情報に基づいて、将来訪れる場所を予測する技術が開発されている。例えば、特許文献１では携帯端末に搭載されたＧＰＳによりユーザのよく訪れるエリアを記録し、このエリア情報を基にして、ユーザに対して情報提供を行うことが開示されている。また、特許文献２では、移動履歴とスケジューラに登録された情報に基づいて、将来の移動先を予測して、その場所に応じた情報を提供する技術が開示されている。さらに、特許文献３では、他の複数のユーザの経路履歴を用いて、移動先を予測する技術が開示されている。

Collaborative location and activity recommendations with GPS history data

特開２００３−４４５１２号 特開２０１２−２２５３０号 特開２００５−２８３５７５号

しかし上記非特許文献１および特許文献１、２、３に開示された技術では、以下の問題が生じる。
第一の問題として、非特許文献１に記載された滞在点抽出技術では、滞在の開始を低省電力かつ短時間で検出することができない。位置情報には測位誤差が含まれるため、抽出するサンプル数を十分に取得するためには、高頻度での測位が必要となる。しかしながら、この方法では、任意の時間と場所で滞在の開始を抽出しようとすると、常に高頻度な測位を実施する必要があり、結果として消費電力が増大する問題がある。

第二の問題として、特許文献１および２に開示された移動予測技術では、移動履歴が存在しない未訪問の場所であって、スケジューラにも移動先を特定できる情報が登録されていない場合には、初めて訪れる場所の予測を行うことができない。また特許文献３に開示された移動予測技術では、他の複数のユーザの経路履歴を参考にして、移動先の予測を行う。しかし、利用する経路は予想する対象のユーザと、前記他の複数のユーザの関連性を考慮せずに選ばれるため、精度が低い。

本発明は、第一に、少ない消費電力かつ高速に滞在の開始を検知することを課題とする。第二に、ユーザが訪問したことのない場所について、スケジューラに予定が登録されていなくても、より高い精度で移動先を予測することを課題とする。

本発明に係る滞在推定装置は、ユーザの位置情報を取得する位置情報取得部と、ユーザの位置情報の履歴に基づいて、滞在時間の閾値と移動距離の閾値とを含むパラメータを用いて滞在点を抽出する滞在点抽出部と、滞在点を抽出するパラメータと前記位置情報の取得頻度を保存する滞在点抽出パラメータ保存部と、ユーザの滞在点の移動履歴に基づいて、滞在点間の移動予測モデルを作成する移動予測モデル作成部と、前記位置情報と、前記移動予測モデルに含まれる滞在点との位置関係に基づいて、前記位置情報の取得頻度を更新する滞在点抽出パラメータ更新部と、を備えることを特徴とする。

本発明に係る滞在推定装置は、ユーザの位置情報を取得する位置情報取得部と、前記ユーザの位置情報の履歴に基づいて、滞在時間の閾値と移動距離の閾値とを含むパラメータを用いて滞在点を抽出する滞在点抽出部と、前記ユーザの滞在点の移動履歴に基づいて、滞在点間の移動予測モデルを作成する移動予測モデル作成部と、他のユーザの移動予測モデルを取得する移動予測モデル取得部と、他のユーザとの時間を考慮した行動の類似性を判定する行動類似度判定部と、行動類似度が所定の閾値以上である他のユーザの移動予測モデルを用いて移動予測モデルを更新する移動予測モデル更新部と、を備えることを特徴とする。

本発明に係る滞在推定装置は、一のユーザの位置情報を取得する位置情報取得部と、前記一のユーザと他のユーザとの通信行動履歴を管理する通信行動履歴管理部と、前記一のユーザの位置情報の履歴に基づいて、滞在時間の閾値と移動距離の閾値とを含むパラメータを用いて滞在点を抽出する滞在点抽出部と、前記一のユーザの滞在点の移動履歴に基づいて、滞在点間の移動予測モデルを作成する移動予測モデル作成部と、他のユーザの移動予測モデルを取得する移動予測モデル取得部と、前記通信行動履歴に基づいて他のユーザとの親密度を算出する親密度算出部と、親密度が所定の閾値以上である他のユーザの移動予測モデルを用いて移動予測モデルを更新する移動予測モデル更新部と、を備えることを特徴とする。

本発明に係る滞在推定方法は、ユーザの位置情報を取得し、ユーザの位置情報の履歴に基づいて、滞在時間の閾値と移動距離の閾値とを含むパラメータを用いて滞在点を抽出し、滞在点を抽出するパラメータと前記位置情報の取得頻度を保存し、ユーザの滞在点の移動履歴に基づいて、滞在点間の移動予測モデルを作成し、前記位置情報と、前記移動予測モデルに含まれる滞在点との位置関係に基づいて、前記位置情報の取得頻度を更新する、ことを特徴とする。

本発明によれば、ユーザの位置情報の履歴に基づいて、滞在時間の閾値と移動距離の閾値とを含むパラメータを用いて滞在点を抽出する。したがって、高精度で滞在点の抽出が可能となる。また、本発明は、滞在点間の移動予測モデルを作成することにより、移動先の滞在点を予測し、予測した滞在点とユーザの位置情報との位置関係に基づいて位置情報の取得頻度が更新される。したがって、ユーザの位置情報が示す地点が予測した滞在点から離れている場合には、低い頻度で位置情報の取得を行って省電力化を図ることができる。また、ユーザの位置情報が示す地点が予測した滞在点に近づいた場合には、高い頻度で情報の取得を行って、高速に滞在点を抽出することができる。

また、本発明によれば、他のユーザとの時間を考慮した行動の類似性を判定し、行動類似度が所定の閾値以上である他のユーザの移動予測モデルを用いて移動予測モデルを更新する。さらに、本発明によれば、通信行動履歴に基づいて他のユーザとの親密度を算出し、親密度が所定の閾値以上である他のユーザの移動予測モデルを用いて移動予測モデルを更新する。したがって、行動類似度または親密度が所定の閾値以上である他のユーザの移動予測モデルを用いて移動予測モデルを更新するので、前記ユーザが訪れたことのない場所を訪問した場合でも、高い頻度で情報の取得を行って、高速に滞在点を予想することができる。

本発明の第１実施形態に係る無線通信システムのブロック図である。 本発明の第１実施形態に係る滞在推定装置のブロック図である。 位置情報テーブルを示す図である。 位置情報が示す各地点と滞在点との関係を示す図である。 滞在点テーブルを示す図である。 滞在点移動履歴テーブルを示す図である。 本発明の第１実施形態に係る滞在推定装置の動作を示すシーケンス図である。 本発明の第２実施形態に係るサーバのブロック図である。 本発明の第２実施形態に係る滞在推定装置のブロック図である。 サーバに記憶される移動予測モデルテーブルを示す図である。 サーバに記憶される移動予測モデルテーブルを示す図である。 サーバに記憶される滞在点移動履歴テーブルを示す図である。 滞在推定装置に記憶される滞在点移動履歴テーブルを示す図である。 本発明の第２実施形態に係る滞在推定装置及びサーバの動作を示すシーケンス図である。 本発明の第３実施形態に係る滞在推定装置のブロック図である。 本発明の第３実施形態に係る滞在推定装置及びサーバの動作を示すシーケンス図である。 本発明の第３実施形態に係る滞在推定装置の動作を示すシーケンス図である。 本発明の第４実施形態に係るサーバのブロック図である。 本発明の第４実施形態に係る滞在推定装置のブロック図である。 滞在推定装置に記憶される連絡帳テーブルを示す図である。 滞在推定装置に記憶される通信行動履歴テーブルを示す図である。 本発明の第４実施形態に係る滞在推定装置及びサーバの動作を示すシーケンス図である。

以下、添付の図面を参照しながら本発明に係る様々な実施の形態を説明する。

＜第１実施形態＞
１．無線通信システムの構成
図１は、本発明の第1実施形態に係る無線通信システム１のブロック図である。無線通信システム１は、滞在推定装置１０とネットワークＮＷとを備える。滞在推定装置１０は、携帯電話やスマートフォン、タブレット端末、PCなどの移動通信端末であり、ユーザに対して、ユーザが自発的に操作せずとも情報の提供及び表示を行う。ネットワークＮＷは、基地局２０と、交換局３０と、ゲートウェイ４０とをノードとして備える。滞在推定装置１０は、基地局２０と無線で接続する。基地局２０は、交換局３０およびゲートウェイ４０と有線で接続される。なお、ネットワークＮＷ内のノード同士が無線で接続される構成も採用可能である。ネットワークＮＷは、ゲートウェイ４０を接続点として、外部ネットワークであるインターネットＩＮに接続される。図１をはじめ、本実施形態では便宜的に１つの滞在推定装置１０、１つの基地局２０、１つの交換局３０、１つのゲートウェイ４０のみが例示されるが、無線通信システム１が、複数の滞在推装置１０、複数の基地局２０、複数の交換局３０、および複数のゲートウェイ４０を含み得ることは当然に理解される。

無線通信システム１内の各要素は、所定のアクセス技術（Access Technology）、例えば３ＧＰＰ規格（Third Generation Partnership Project）に規定されるＬＴＥ／ＳＡＥ（Long Term Evolution / System Architecture Evolution）に従って通信を実行する。本実施形態では、無線通信システム１がＬＴＥ／ＳＡＥに従って動作する形態を例示して説明するが、本発明の技術的範囲を限定する趣旨ではない。本発明は、必要な設計上の変更を施した上で、他のアクセス技術にも適用可能である。なお、ユーザ装置１０と基地局２０との間の無線通信の方式は任意である。例えば、下りリンクではＯＦＤＭＡ（Orthogonal Frequency Division Multiple Access）が採用され得、上りリンクではＳＣ−ＦＤＭＡ（Single-Carrier Frequency Division Multiple Access）が採用され得る。

２．滞在推定装置の構成
図２は、第１実施形態の滞在推定装置１０の構成を示すブロック図である。滞在推定装置１０は、無線通信部１１０と、入出力部１２０と、記憶部１３０と、位置情報取得部１４０と、滞在点抽出部１５０と、移動予測モデル作成部１６０と、滞在点抽出パラメータ更新部１７０と、滞在点抽出パラメータ保存部１８０とを備える。

無線通信部１１０は、基地局２０と無線通信を実行するための要素であり、送受信アンテナと、基地局２０から電波を受信して電気信号に変換する変換回路と、音声信号等の電気信号を電波に変換して送信する送信回路とを含む。

入出力部１２０は、タッチパネル、キーパッド、キーボード等からのデータの入力及びディスプレイやスピーカなどへのデータの出力を行うモジュールである。記憶部１３０は、フラッシュＲＯＭ、ＨＤＤ（Hard Disc Drive）、ＳＳＤ（Solid State Drive）などの記憶装置である。記憶部１３０には、後述する各種のテーブルが記憶される。

位置情報取得部１４０は、ＧＰＳ、基地局２０からの情報、あるいは無線ＬＡＮなどを用いて、滞在推定装置１０を使用するユーザの現在の位置情報を取得するモジュールである。位置情報取得部１４０によって取得された位置情報は、位置情報テーブルＴＢＬ１に記憶される。位置情報取得部１４０による位置情報の取得頻度は、滞在点抽出部１５０から指示により、低頻度と高頻度のいずれかに切り換え可能となっており、初期状態においては低頻度に設定されている。

図３に位置情報テーブルＴＢＬ１の一例を示す。図３に示す例では、位置情報テーブルＴＢＬ１には、位置情報を識別する識別情報である位置情報ＩＤ、位置情報取得部１４０によって取得された位置情報である緯度及び経度、並びに当該位置情報が取得された時刻が記憶される。

滞在点抽出部１５０は、位置情報テーブルＴＢＬ１に記憶された位置情報に基づいて、ユーザが滞在した滞在点を抽出するモジュールである。滞在点抽出部１５０は、滞在点抽出パラメータ保存部１８０から滞在点を抽出するための滞在時間の閾値及び距離の閾値を示すパラメータを読み出し、当該パラメータを用いて示される条件に合致する複数の位置情報から、滞在点を抽出する。滞在点の具体的な抽出方法については後述する。また、滞在点抽出部１５０は、滞在点抽出パラメータ保存部１８０から、位置情報取得部１４０による位置情報の取得頻度を読み出し、当該取得頻度を位置情報取得部１４０に指示する。

移動予測モデル作成部１６０は、滞在点間の遷移確率を算出して、滞在点の移動予測モデルを作成するモジュールである。本実施形態では、一例として、移動予測モデルの作成にはマルコフモデルを用いるが、ダイナミックベイジアンネットワークを用いてもよい。なお、移動予測モデルの作成の具体例については後述する。

滞在点抽出パラメータ更新部１７０は、現在の位置情報と、滞在点の移動予測モデルとに基づいて、位置情報取得部１４０による位置情報の取得頻度を更新するモジュールである。なお、位置情報の取得頻度を更新は、一例として、閾値以上の確率で移動すると予測された滞在点と、現在の位置情報が示す地点との距離に応じて行う。

滞在点抽出パラメータ保存部１８０は、滞在点抽出部１５０が滞在点を抽出するために用いる滞在時間の閾値及び距離の閾値を示すパラメータと、位置情報取得部１４０の位置情報の取得頻度を保存するモジュールである。これらのパラメータのうち、位置情報の取得頻度は、滞在点抽出パラメータ１７０によって更新される。

位置情報取得部１４０、滞在点抽出部１５０、移動予測モデル作成部１６０、滞在点抽出パラメータ更新部１７０、及び滞在点抽出パラメータ保存部１８０は、滞在推定装置１０の図示しないＣＰＵ（central processing unit）がコンピュータプログラムを実行し、そのコンピュータプログラムに従って機能することによって実現される機能ブロックである。

３．滞在推定装置の動作
３（１）．滞在点抽出処理
図４は、位置情報取得部１４０によって取得された位置情報が示す各地点（Ｐ１からＰ１１まで）と、滞在点（Ｓ１、Ｓ２）との関係を示す図である。図４に示す各地点の符号Ｐ１からＰ１１は、位置情報テーブルＴＢＬ１に記憶される位置情報ＩＤに対応している。滞在点抽出部１５０によって抽出された滞在点は、図５に示す滞在点テーブルＴＢＬ２に記憶される。図５に示すように、滞在点テーブルＴＢＬ２には、滞在点を識別する滞在点ＩＤと、当該滞在点の緯度及び経度が記憶される。

滞在点抽出部１５０は、滞在点抽出パラメータ保存部１８０から、滞在時間の閾値Ｔｒと、距離の閾値Ｄｒとを読み出す。次に、滞在点抽出部１５０は、現在の位置情報が示す地点、例えば図４に示す地点Ｐ２が、滞在点テーブルＴＢＬ２に記憶された滞在点Ｓ１を中心として、距離の閾値Ｄｒを直径とする円の領域内に属する場合には、当該滞在点Ｓ１を暫定的な滞在点とする。そして、滞在点抽出部１５０は、次の位置情報以降の位置情報が示す地点、例えば図４に示す地点Ｐ３、Ｐ４等が、滞在点Ｓ１を中心として、距離の閾値Ｄｒを直径とする円の領域内に属し、かつ、地点Ｐ２の位置情報が取得された時刻から地点Ｐ３、Ｐ４の位置情報が取得された時刻までの時間間隔が滞在時間の閾値Ｔｒを超える場合に、滞在点Ｓ１を現在の滞在点として抽出する。

しかし、現在の位置情報が示す地点が、滞在点テーブルＴＢＬ２に記憶された滞在点を中心として、距離の閾値Ｄｒを直径とする円の領域内に属さない場合には、滞在点抽出部１５０は、以下のようにして新たな滞在点を抽出して滞在点テーブルＴＢＬ２に記憶させる。まず、滞在点抽出部１５０は、滞在点抽出パラメータ保存部１８０から、滞在時間の閾値Ｔｒと、距離の閾値Ｄｒとを読み出す。滞在点抽出部１５０は、位置情報テーブルＴＢＬ１に記憶された位置情報が示す地点、例えば図４に示す地点Ｐ６に着目し、当該地点Ｐ６の位置情報が取得された時刻と、地点Ｐ７を示す次の位置情報が取得された時刻との時間間隔を算出する。その結果、滞在点抽出部１５０は、当該時間間隔が閾値Ｔｒに満たない場合には、地点Ｐ６を示す位置情報を滞在点の抽出処理の対象とはせずに、次の地点Ｐ７を示す位置情報に着目する。滞在点抽出部１５０は、地点Ｐ７を示す位置情報が取得された時刻と、次の地点Ｐ８を示す位置情報が取得された時刻との時間間隔を算出する。滞在点抽出部１５０は、当該時間間隔が閾値Ｔｒ以上である場合には、地点Ｐ７から地点Ｐ８までの距離を算出する。滞在点抽出部１５０は、当該距離が距離の閾値Ｄｒ以内である場合には、地点Ｐ７と地点Ｐ８とを滞在点の抽出処理の対象とする。

滞在点抽出部１５０は、これ以降の地点Ｐ９、Ｐ１０についても地点Ｐ７からの距離を算出し、当該距離が距離の閾値Ｄｒ以内である場合には、地点Ｐ９、Ｐ１０を滞在点の抽出処理の対象とする。しかし、滞在点抽出部１５０は、図４に示す地点Ｐ１１のように、地点Ｐ７からの距離が距離の閾値Ｄｒを超える場合には、それまでに抽出処理の対象として選んだ地点Ｐ７、Ｐ８、Ｐ９、Ｐ１０に基づいて、滞在点の抽出処理を行う。滞在点抽出部１５０は、地点Ｐ７、Ｐ８、Ｐ９、Ｐ１０の緯度の平均と、経度の平均とを算出し、算出した緯度と経度によって示される地点を新たな滞在点Ｓ２として滞在点テーブルＴＢＬ２に記憶させる。

以上のように滞在点抽出部１５０によって抽出された滞在点は、滞在点テーブルＴＢＬ２に記憶されるだけでなく、図６に示す滞在点移動履歴テーブルＴＢＬ３に記憶される。滞在点移動履歴テーブルＴＢＬ３には、滞在点が移動順序に従って記憶される。例えば、図４に示すように、滞在点Ｓ１から滞在点Ｓ２に移動した場合には、滞在点移動履歴テーブルＴＢＬ３には、滞在点Ｓ１、滞在点Ｓ２という順序で記憶される。

また、滞在点抽出部１５０は、該当する滞在点が存在しないと判断した場合、つまり、現在の位置情報が示す地点がいずれの滞在点にも属していないと判断した場合には、その旨を現在の滞在点情報として記憶部１３０に記憶させる。

３（２）．移動予測モデル作成処理
本実施形態においては、滞在点抽出部１５０によって現在の滞在点が抽出された場合には、移動予測モデル作成部１６０は、マルコフモデルを用いて滞在点の移動予測モデルを作成する。移動予測モデル作成部１６０は、現在の滞在点から、滞在点テーブルＴＢＬ２に記憶された他の全ての滞在点に遷移する確率を算出する。

例えば、現在の滞在点が滞在点Ｓ１の場合に、滞在点Ｓ１から滞在点Ｓ２に遷移する確率を算出するには、滞在点抽出部１５０は、まず、滞在点移動履歴テーブルＴＢＬ３に記憶された全移動履歴の中で、滞在点Ｓ１を訪れたことを示す移動履歴数ｎ（Ｓ１）を算出する。次に、滞在点抽出部１５０は、滞在点移動履歴テーブルＴＢＬ３に記憶された全移動履歴の中で、滞在点Ｓ１の後に滞在点Ｓ２を訪れたことを示す移動履歴数ｎ（Ｓ１，Ｓ２）を算出する。そして、滞在点抽出部１５０は、移動履歴数ｎ（Ｓ１，Ｓ２）を移動履歴数ｎ（Ｓ１）で除して滞在点Ｓ１から滞在点Ｓ２に遷移する遷移確率を算出する。

滞在点抽出部１５０は、以上のような遷移確率の算出を、全ての滞在点について行い、算出した遷移確率の値が所定の閾値以上となる滞在点の組み合わせを選び、当該組み合わせに含まれる滞在点を移動予想滞在点として抽出する。抽出された移動予想滞在点は、記憶部１３０に記憶される。

なお、初めて訪れた場所においては、過去の滞在点が存在しないため、移動予想滞在点を抽出できない。この場合には、該当データなしとして記憶部１３０に記憶させる。

３（３）．滞在点抽出パラメータ更新処理
本実施形態では、現在の位置情報が示す地点と、移動予想滞在点との距離が所定の閾値以内になった場合には、滞在点抽出パラメータ更新部１７０により、位置情報取得部１４０による位置情報の取得頻度を、低頻度から高頻度に更新する滞在点抽出パラメータ更新処理を行う。滞在点抽出パラメータ更新部１７０は、位置情報テーブルＴＢＬ１から現在の位置情報を読み取ると共に、記憶部１３に記憶された移動予想滞在点の位置情報とを読み取る。滞在点抽出パラメータ更新部１７０は、現在の位置情報が示す地点と、それぞれの移動予想滞在点との距離を算出し、算出した距離が所定の閾値以内になった場合には、位置情報取得部１４０による位置情報の取得頻度を、低頻度から高頻度に更新する。具体的には、滞在点抽出パラメータ更新部１７０は、滞在点抽出パラメータ保存部１８０に保存されている位置情報取得部１４０による位置情報の取得頻度を低頻度から高頻度に更新する。滞在点抽出部１５０は、滞在点抽出パラメータ保存部１８０に保存されたパラメータを読み取り、上述した滞在点の抽出処理を行う。この際、滞在点抽出部１５０は、位置情報取得部１４０による位置情報の取得頻度が更新された場合には、当該取得頻度を位置情報取得部１４０に指示する。つまり、本実施形態では、ユーザの位置と移動予測滞在点との距離が所定の閾値以内になった場合に、位置情報の取得頻度が高頻度に更新されるので、ユーザの位置が移動予測滞在点に近づいた際には、高頻度での位置情報の取得が行われる。その結果、滞在点抽出部１５０は、高頻度で取得された十分な数の位置情報に基づいて上述した滞在点の抽出処理を行うことになるので、高速に滞在点を抽出することができる。

一方、滞在点抽出パラメータ更新部１７０は、現在の位置情報が示す地点と、移動予想滞在点との距離が所定の閾値を超える場合には、上記位置情報の取得頻度の低頻度から高頻度への更新は行わない。また、滞在点抽出パラメータ更新部１７０は、上記位置情報の取得頻度を高頻度に更新した後に、現在の位置情報が示す地点が、滞在点から移動したと判断した場合、つまり、現在の位置情報が示す地点がいずれの滞在点からも所定の閾値を超える距離の位置にあると判断した場合には、上記位置情報の取得頻度を高頻度から低頻度へ更新する。なお、現在の位置情報が示す地点がいずれかの滞在点に属しているかの情報は、上述したように現在の滞在点情報として記憶部１３０に記憶されている。

以上のように、本実施形態によれば、現在の位置情報が示す地点が、移動予想滞在点から離れている場合、あるいは、現在の位置情報が示す地点がいずれかの滞在点から移動した場合には、位置情報取得部１４０による位置情報の取得は、低頻度で行われるので、消費電力を増大させることがない。

３（４）．滞在推定装置の全体的動作
図７は本発明の第１実施形態にかかる滞在推定装置１０の動作を示すシーケンス図である。図７に基づいて、滞在推定装置１０の全体的動作について説明する。位置情報取得部１４０は、所定の頻度で位置情報を取得し（ステップＳ１００）、記憶部１３０に対して、取得した位置情報の書込み要求を送る（ステップＳ１０１）。記憶部１３０は、この書込み要求に応じて、前記位置情報を位置情報テーブルＴＢＬ１に記憶させる（ステップＳ１０２）。図７においては、便宜上、位置情報取得部１４０による位置情報の取得処理（ステップＳ１００）と記憶部１３０への書込み処理（ステップＳ１０１）を一度しか示していないが、これらの処理は、他の構成部の処理と並行して前記取得頻度で繰り返し行われる。

滞在点抽出部１５０は、滞在抽出パラメータ保存部１８０に対して、滞在時間の閾値Ｔｒと、距離の閾値Ｄｒと、位置情報の取得頻度とを含むパラメータの取得要求を送る（Ｓ１０３）。滞在点抽出パラメータ保存部１８０は、前記取得要求に応じて、現在保存されている滞在時間の閾値Ｔｒと、距離の閾値Ｄｒと、位置情報の取得頻度とを含むパラメータを滞在点抽出部１５０に出力する（ステップＳ１０４）。滞在点抽出部１５０は、記憶部１３０に対して、位置情報の取得要求を送る（ステップＳ１０５）。記憶部１３０は、前記取得要求に応じて、記憶部１３０に記憶されている位置情報を滞在点抽出部１５０に出力する（ステップＳ１０６）。図７においては、便宜上、前記取得要求の処理（ステップＳ１０５）と位置情報の出力処理（ステップＳ１０６）を一度しか示していないが、これらの処理は繰り返し行われる。滞在点抽出部１５０は、取得した滞在時間の閾値Ｔｒと距離の閾値Ｄｒとに基づいて、上述した滞在点抽出処理を行う（ステップＳ１０７）。滞在点が抽出された場合には、滞在点抽出部１５０は、記憶部１３０に対して、滞在点の書込み要求を送る（ステップＳ１０８）。記憶部１３０は、前記書込み要求に応じて、滞在点を滞在点テーブルＴＢＬ２に記憶させる（ステップＳ１０９）。図７においては、便宜上、前記滞在点の抽出処理（ステップＳ１０７）と滞在点の書込み処理（ステップＳ１０８）を一度しか示していないが、これらの処理は繰り返し行われる。

移動予測モデル作成部１６０は、記憶部１３０に対して、滞在点移動履歴テーブルＴＢＬ３に記憶された滞在点の移動履歴の取得要求を送る（ステップＳ１１０）。記憶部１３０は、前記取得要求に応じて、滞在点移動履歴テーブルＴＢＬ３に記憶された滞在点の移動履歴を移動予測モデル作成部１６０に対して出力する（ステップＳ１１１）。移動予測モデル作成部１６０は、取得した滞在点の移動履歴に基づいて、上述した移動予測モデルの作成処理を行う（ステップＳ１１２）。移動予測モデルが作成された場合には、移動予測モデル作成部１６０は、記憶部１３０に対して移動予測モデルの書込み要求を送る（ステップＳ１１３）。記憶部１３０は、前記書込み要求に応じて、移動予測モデルとして作成された移動予想滞在点を記憶する（ステップＳ１１４）。

滞在点抽出パラメータ更新部１７０は、記憶部１３０に対して、位置情報テーブルＴＢＬ１に記憶された現在の位置情報と、記憶部１３０に記憶された移動予想滞在点との取得要求を送る（ステップＳ１１５）。記憶部１３０は、前記取得要求に応じて、現在の位置情報と移動予想滞在点とを滞在点抽出パラメータ更新部１７０に出力する。滞在点抽出パラメータ更新部１７０は、取得した現在の位置情報が示す地点と、移動予想滞在点との距離を算出する（ステップＳ１１７）。滞在点抽出パラメータ更新部１７０は、滞在点抽出パラメータ保存部１８０に対して、算出した前記距離に応じて、位置情報の取得頻度の更新要求を送る（ステップＳ１１８）。滞在点抽出パラメータ保存部１８０は、前記更新要求に応じて、位置情報の取得頻度を更新する（ステップＳ１１９）。具体的には、滞在点抽出パラメータ保存部１８０は、前記算出した距離が所定の閾値以内になった場合の更新要求に対しては、位置情報の取得頻度を低頻度から高頻度に更新する。また、滞在点抽出パラメータ保存部１８０は、現在の位置情報の取得頻度が高頻度の場合には、高頻度をそのまま維持する。滞在点抽出パラメータ保存部１８０は、前記算出した距離が所定の閾値を超えている場合の更新要求に対しては、位置情報の取得頻度を、低頻度のままで維持するか、あるいは、高頻度から低頻度に更新する。さらに、現在の位置情報が示す地点がいずれかの滞在点から移動した場合の更新要求に対しては、滞在点抽出パラメータ保存部１８０は、位置情報の取得頻度を、低頻度のままで維持するか、あるいは、高頻度から低頻度に更新する。

滞在点抽出部１５０は、上述したように、パラメータとしての位置情報の取得頻度の取得要求処理（ステップＳ１０３）と、パラメータの取得処理（Ｓ１０４）とを繰り返す。したがって、滞在点抽出部１５０は、滞在点抽出パラメータ保存部１８０において位置情報の取得頻度の更新処理（ステップＳ１１９）が行われた後に、前記パラメータの取得要求処理（ステップＳ１０３）とパラメータの取得処理（Ｓ１０４）とを行った場合には、位置情報の取得頻度がそれまでの頻度と異なる頻度に更新されたことを判断することができる。滞在点抽出部１５０は、位置情報の取得頻度がそれまでの頻度と異なる頻度に更新されたと判断した場合には、位置情報取得部１４０に対して位置情報の取得頻度の更新要求を送る（ステップＳ１２０）。位置情報取得部１４０は、前記更新要求に応じて位置情報の取得頻度を更新する（ステップＳ１２１）。したがって、現在の位置情報が示す地点が移動予想滞在点に近づき、位置情報の取得頻度が高頻度に更新された場合には、位置情報取得部１４０は高頻度で位置情報の取得を行い（ステップＳ１００）、滞在点抽出部１５０は、十分な数の位置情報に基づいて滞在点抽出処理を行う（ステップＳ１０７）。その結果、滞在点の抽出が高速に行われることになる。また、現在の位置情報が示す地点が移動予想滞在点から離れており、位置情報の取得頻度が低頻度に更新された場合には、位置情報取得部１４０は低頻度で位置情報の取得を行い（ステップＳ１００）、滞在点抽出部１５０は、低頻度で取得された位置情報に基づいて滞在点抽出処理を行う（ステップＳ１０７）。その結果、消費電力の増大が抑えられる。

＜第２実施形態＞
本発明の第２実施形態を図８乃至図１４を参照して説明する。第１実施形態においては、滞在推定装置１０のユーザの移動予測モデルのみに基づいて、次に移動すると予想される移動予想滞在点を求めた。しかし、本実施形態では、前記ユーザの移動予測モデルと、他のユーザの移動予測モデルとを統合し、統合した移動予測モデルに基づいて移動予想滞在点を求める。

１．無線通信システムの構成
１（１）．サーバの構成
図８は、本発明の第２実施形態に係る無線通信システムに用いられるサーバ５０のブロック図である。第１実施形態で説明した無線通信システム１では、ゲートウェイ４０を接続点としてインターネットＩＮに接続されるが、サーバ５０は当該インターネットＩＮを介して、滞在推定装置１０との通信が可能に構成されている。

サーバ５０は、図８に示すように、制御部３００、通信部３１０、移動予測モデル更新部３２０、行動類似度判定部３３０、及び記憶部３４０を備える。制御部３００は、サーバ５０全体を制御するモジュールであり、サーバ５０の図示しないＣＰＵ（central processing unit）がコンピュータプログラムを実行し、そのコンピュータプログラムに従って機能することによって実現される機能ブロックである。

通信部３１０は、インターネットＩＮを介して、当該インターネットＩＮに接続された他の装置等との通信を実行するためのモジュールである。

記憶部３４０は、ＨＤＤ（Hard Disc Drive）等の記憶装置であり、移動予測モデルテーブルＴＢＬ５及び滞在点移動履歴テーブルＴＢＬ６が記憶されている。移動予測モデルテーブルＴＢＬ５には、本実施形態の無線通信システムを利用する複数のユーザの移動予測モデルが蓄積されている。図１１に示すように、移動予測モデルテーブルＴＢＬ５には、各ユーザを識別するユーザＩＤと、各ユーザの過去に作成された移動予測モデルとしての移動予想滞在点と、各ユーザの移動予想滞在点の遷移確率とが記憶される。滞在点移動履歴テーブルＴＢＬ６には、前記複数のユーザの滞在点の移動履歴が蓄積されている。図１２に示すように、滞在点移動履歴テーブルＴＢＬ６には、各ユーザを識別するユーザＩＤと、各ユーザが滞在した滞在点が移動順序に従って記憶される。また、滞在点移動履歴テーブルＴＢＬ６には、各滞在点に到着した時刻についても記憶される。

移動予測モデル更新部３２０は、滞在推定装置１０のユーザの移動予測モデルを、他のユーザの移動予測モデルを用いて更新するモジュールである。なお、更新の際には、移動予測モデル間の類似度等に応じて重み付けを行ってもよい。

行動類似度判定部３３０は、滞在推定装置１０のユーザと、他のユーザとの類似度を計算するモジュールである。なお、本実施形態では、ユーザ間の類似度は、同一の滞在点に同一の時間帯に到着した回数、または、同一の時間帯に到着した同一の滞在点の個数に基づいて判断している。

１（２）．滞在推定装置の構成
図９は、本発明の第２実施形態に係る滞在推定装置１０のブロック図である。本実施形態の滞在推定装置１０は、滞在点抽出パラメータ更新部１７０と、滞在点抽出パラメータ保存部１８０とを備えていないところが第１実施形態の滞在推定装置１０と異なる。また、本実施形態の滞在推定装置１０は、移動予測モデル取得部２００を備えているところが第１実施形態の滞在推定装置１０と異なる。以下、第１実施形態との共通箇所については説明を省略し、本実施形態に特有の構成についてのみ説明する。

移動予測モデル取得部２００は、サーバ５０から他のユーザの移動予測モデルを含めて更新された移動予測モデルを取得するモジュールである。

２．滞在推定装置及びサーバの動作
２（１）．移動予測モデル作成処理
滞在点抽出部１５０は、第１実施形態と同様に、位置情報が示す地点の平均を算出することにより、滞在点を抽出する滞在点抽出処理を行う。また、移動予測モデル作成部１６０も、第１実施形態と同様に、ある滞在点から予想滞在点への遷移確率を算出することにより移動予測モデルを作成する処理を行い、移動予測モデルテーブルＴＢＬ４として記憶部１３０に記憶させる。図１０に移動予測モデルテーブルＴＢＬ４の例を示す。図１０に示すように、移動予測モデルテーブルＴＢＬ４には、移動予測モデルＩＤ、起点となる滞在点のＩＤ、予想滞在点のＩＤ、及び遷移確率が記憶される。

但し、本実施形態では、位置情報の取得頻度の変更は行わず、類似度の高いユーザの移動予測モデルを、当該滞在推定装置１０の移動予測モデルと統合することにより、移動予想滞在点を精度良く抽出する。詳しくは後述する。

移動予測モデル作成部１６０は、第１実施形態と同様に、ユーザが過去に滞在したことのある滞在点の履歴に基づいて移動予測モデルの作成処理を行う。したがって、ユーザが初めて訪れた地域については、滞在点の履歴がなく、移動予測モデルを作成することができない。そこで、この場合には、該当データ無しとして移動予測モデルを作成し、移動予測モデルテーブルＴＢＬ４として記憶部１３０に記憶させる。

第１実施形態と同様に移動予測モデルが作成できた場合、あるいは、該当データ無しとして移動予測モデルを作成した場合のいずれも、移動予測モデル取得部２００は、無線通信部１０を介して、サーバ５０に対して移動予測モデルの更新処理要求を送信する。この際、移動予測モデル取得部２００は、無線通信部１０を介して、移動予測モデルＴＢＬ４に記憶された移動予測モデルの他に、滞在点移動履歴テーブルＴＢＬ７に記憶された滞在点の移動履歴を、無線通信部１０を介してサーバ５０に送信する。図１３に滞在点移動履歴テーブルＴＢＬ７の一例を示す。図１３に示すように、滞在点移動履歴テーブルＴＢＬ７には、過去に滞在点を移動した際の順序通りに滞在点ＩＤが記憶され、また、各滞在点に到着した際の時刻が記憶されている。

２（２）．類似度判定処理
滞在推定装置１０から移動予測モデルの更新処理要求を受信したサーバ５０の行動類似度判定部３３０は、滞在推定装置１０のユーザ（以下、ユーザＡとする。）と、他のユーザとの行動の類似度を判定する処理を行う。行動の類似度の判定は、同一の時間帯に同一の滞在点に到着した回数、または、同一の時間帯に到着した同一の滞在点の個数に基づいて行う。但し、行動の類似度の判定は、他のすべてのユーザについて行うのではなく、ユーザＡが訪れた前記地点から所定の範囲内に、過去に滞在したことのある滞在点を有する他のユーザを比較対象とする。

具体的には、行動類似度判定部３３０は、滞在推定装置１０から受信したユーザＡの滞在点移動履歴テーブルＴＢＬ７に記憶された滞在点の移動履歴と、サーバ５０の記憶部３４０に記憶されている他のユーザの滞在点移動履歴テーブルＴＢＬ６に記憶された滞在点の移動履歴とを比較し、所定の時間帯ごとに同一の時間帯に到着した同一の滞在点が存在するかどうかを判断する。行動類似度判定部３３０は、このような滞在点が存在していると判断した場合には、当該時間帯において当該滞在点に到着した回数を、ユーザＡと他のユーザとのそれぞれについて積算する。また、行動類似度判定部３３０は、所定の時間帯ごとに同一の時間帯に到着した同一の滞在点が存在していると判断した場合に、当該時間帯において到着した同一の滞在点の個数を積算するようにしてもよい。

行動類似度判定部３３０は、同一の時間帯において同一の滞在点に到着した回数が、ユーザＡの回数と一致するか、あるいは、所定範囲内にある他のユーザを、ユーザＡと行動の類似度の高いユーザであると判定する。また、行動類似度判定部３３０は、同一の時間帯において到着した同一の滞在点の個数が、ユーザＡの個数と一致するか、あるいは、所定範囲内にある他のユーザを、ユーザＡと行動の類似度の高いユーザであると判定するようにしてもよい。

時間帯については、例えば１日２４時間を３〜４時間ごとに分割するようにしてもよいし、１〜２時間ごとに分割するようにしてもよい。さらに細かく分割するようにしてもよい。

行動類似度判定部３３０は、行動の類似度が高いと判定した他のユーザが存在する場合には、当該他のユーザのユーザＩＤを移動予測モデル更新部３２０に受け渡す。しかし、行動の類似度が高いと判定した他のユーザが存在しない場合には、行動類似度判定部３３０は、該当ユーザがいない旨を移動予測モデル更新部３２０に受け渡す。なお、行動の類似度が高いと判定した他のユーザが存在しない場合には、類似度の判定基準を変えて、再度判定を行うようにしてもよい。

２（３）．移動予測モデルの更新処理
移動予測モデル更新部３２０は、行動類似度判定部３３０から他のユーザのユーザＩＤを受け渡された場合には、移動予測モデルテーブルＴＢＬ５に記憶された当該他のユーザの移動予測モデルを抽出する。そして、移動予測モデル更新部３２０は、抽出した前記他のユーザの移動予測モデルと、滞在推定装置１０から受信したユーザＡの移動予測モデルとを統合し、ユーザＡの移動予測モデルを更新する。

一方、移動予測モデル更新部３２０は、行動類似度判定部３３０から該当ユーザがいない旨を受け渡された場合には、移動予測モデルの更新処理を行わず、通信部３１０を介して、移動予測モデルの更新処理が行われなかった旨を滞在推定装置１０に送信する。

したがって、行動の類似度の高い他のユーザが存在する場合には、ユーザＡが過去に訪れたことのない地点を訪れた場合であっても、ユーザＡと行動の類似度の高い他のユーザの移動予測モデルを用いて、ユーザＡが移動しようとする移動予想滞在点を予想することが可能になる。また、行動の類似度の高い他のユーザが存在する場合には、ユーザＡが過去に訪れたことのある地点を再び訪れた場合であっても、ユーザＡと行動の類似度の高い他のユーザの移動予測モデルとユーザＡの移動予測モデルとを統合するので、ユーザＡが移動しようとする移動予想滞在点を精度良く予想することが可能になる。

以下、同様にして、滞在推定装置１０の滞在点抽出部１５０は、起点となる滞在点が変わる度に、上述した移動予測モデル作成処理を行い、サーバ５０の行動類似度判定部３３０は行動の類似度の判定処理を行う。また、サーバ５０の移動予測モデル更新部３２０は、移動予測モデルの更新処理を行う。

２（４）．滞在推定装置及びサーバの全体的な動作
図１４は本発明の第２実施形態にかかる滞在推定装置１０及びサーバ５０において、ユーザの移動予測モデルを、行動の類似度の高い他のユーザの移動予測モデルを用いて更新するシーケンス図である。

図１４に示すように、位置情報取得部１４０は、所定の頻度で位置情報を取得し（ステップＳ２００）、記憶部１３０に対して、取得した位置情報の書込み要求を送る（ステップＳ２０１）。記憶部１３０は、この書込み要求に応じて、前記位置情報を位置情報テーブルＴＢＬ１に記憶させる（ステップＳ２０２）。図１４においては、便宜上、位置情報取得部１４０による位置情報の取得処理（ステップＳ２００）と記憶部１３０への書込み処理（ステップＳ２０１）を一度しか示していないが、これらの処理は、他の構成部の処理と並行して前記取得頻度で繰り返し行われる。

滞在点抽出部１５０は、記憶部１３０に対して、位置情報の取得要求を送る（ステップＳ２０３）。記憶部１３０は、前記取得要求に応じて、記憶部１３０に記憶されている位置情報を滞在点抽出部１５０に出力する（ステップＳ２０４）。図１４においては、便宜上、前記取得要求の処理（ステップＳ２０３）と位置情報の出力処理（ステップＳ２０４）を一度しか示していないが、これらの処理は繰り返し行われる。

滞在点抽出部１５０は、第１実施形態と同様に、予め設定された滞在時間の閾値Ｔｒと距離の閾値Ｄｒとに基づいて、上述した滞在点抽出処理を行う（ステップＳ２０６）。滞在点が抽出された場合には、滞在点抽出部１５０は、記憶部１３０に対して、滞在点の書込み要求を送る（ステップＳ２０７）。記憶部１３０は、前記書込み要求に応じて、滞在点を滞在点テーブルＴＢＬ２に記憶させる（ステップＳ２０８）。図１４においては、便宜上、前記滞在点の抽出処理（ステップＳ２０６）と滞在点の書込み処理（ステップＳ２０８）を一度しか示していないが、これらの処理は繰り返し行われる。

滞在点抽出部１５０は、次に、移動予測モデル作成部１６０に対して、移動予測モデルの取得要求を送る（ステップＳ２０９）。移動予測モデル作成部１６０は、移動予測モデルの取得要求を受け取ると、記憶部１３０に対して、滞在点移動履歴テーブルＴＢＬ３に記憶された滞在点の移動履歴の取得要求を送る（ステップＳ２１０）。記憶部１３０は、前記取得要求に応じて、滞在点移動履歴テーブルＴＢＬ３に記憶された滞在点の移動履歴を移動予測モデル作成部１６０に対して出力する（ステップＳ２１１）。移動予測モデル作成部１６０は、取得した滞在点の移動履歴に基づいて、上述した移動予測モデルの作成処理を行う（ステップＳ２１２）。

ユーザＡが初めて訪れた地域の場合には、当該地域における滞在点の移動履歴がなく、移動予測モデルの作成処理を行うことができない。この場合には、移動予測モデル作成部１６０は、該当データ無しとして移動予測モデルの作成処理を行う（ステップＳ２１２）。

移動予測モデル作成部１６０は、移動予測モデルの作成処理が終了すると、記憶部１３０に対して移動予測モデルの書込み要求を送る（ステップＳ２１３）。記憶部１３０は、前記書込み要求に応じて、移動予測モデルとして作成された移動予想滞在点、あるいは、該当データ無しの移動予測モデルを記憶する（ステップＳ２１４）。

移動予測モデル作成部１６０は、次に、移動予測モデル取得部２００に対して、サーバ５０から他のユーザの移動予測モデルを考慮した移動予測モデルを取得するように要求する（ステップＳ２１５）。移動予測モデル取得部２００は、この取得要求を受け取ると、記憶部１３０に対して、ユーザＡの移動予測モデルと、過去の滞在点の移動履歴と要求する（ステップＳ２１０）。記憶部１３０は、この要求を受け取ると、滞在点移動履歴テーブルＴＢＬ３に記憶された滞在点の移動履歴と、移動予測モデルテーブルＴＢＬ５に記憶された移動予測モデルとを移動予測モデル取得部２００に対して出力する（ステップＳ２１７）。

移動予測モデル取得部２００は、サーバ５０に対して、ユーザＡの移動予測モデル及び過去の滞在点の移動履歴と共に、移動予測モデルの取得要求を送る（ステップＳ２１８）。サーバ５０の行動類似度判定部３３０は、取得要求を受け取ると、上述したようなユーザＡと他のユーザとの行動の類似度を判定する処理を行う（ステップＳ２１９）。行動類似度判定部３３０は、行動の類似度が高いと判定した他のユーザが存在する場合には、当該他のユーザのユーザＩＤを移動予測モデル更新部３２０に受け渡す（ステップＳ２２０）。しかし、行動の類似度が高いと判定した他のユーザが存在しない場合には、行動類似度判定部３３０は、該当ユーザがいない旨を移動予測モデル更新部３２０に受け渡す（ステップＳ２２０）。なお、行動の類似度が高いと判定した他のユーザが存在しない場合には、類似度の判定基準を変えて、再度判定を行うようにしてもよい。

移動予測モデル更新部３２０は、行動類似度判定部３３０から他のユーザのユーザＩＤを受け渡された場合には、移動予測モデルテーブルＴＢＬ５に記憶された当該他のユーザの移動予測モデルを抽出する。そして、移動予測モデル更新部２００は、抽出した前記他のユーザの移動予測モデルと、滞在推定装置１０から受信したユーザＡの移動予測モデルとを統合し、ユーザＡの移動予測モデルを更新する処理を行う（ステップＳ２２１）。そして、滞在推定装置１０に対して、ユーザＡの移動予測モデルの書込み要求を送る（ステップＳ２２２）。一方、移動予測モデル更新部３２０は、行動類似度判定部３３０から該当ユーザがいない旨を受け渡された場合には、移動予測モデルの更新処理を行わず、移動予測モデルの更新処理が行われなかった旨を滞在推定装置１０に送る（ステップＳ２２２）。滞在推定装置１０においては、更新された移動予測モデルが記憶部１３０に記憶される。

したがって、行動の類似度の高い他のユーザが存在する場合には、ユーザＡが過去に訪れたことのない地点を訪れた場合であっても、ユーザＡと行動の類似度の高い他のユーザの移動予測モデルを用いて、ユーザＡが移動しようとする移動予想滞在点を予想することが可能になる。また、行動の類似度の高い他のユーザが存在する場合には、ユーザＡが過去に訪れたことのある地点を再び訪れた場合であっても、ユーザＡと行動の類似度の高い他のユーザの移動予測モデルとユーザＡの移動予測モデルとを統合するので、ユーザＡが移動しようとする移動予想滞在点を精度良く予想することが可能になる。

＜第３実施形態＞
本発明の第３実施形態を図１５乃至図１７を参照して説明する。本実施形態は、第１実施形態と第２実施形態とを組み合わせた例である。つまり、ユーザＡと行動の類似度の高いユーザの移動予測モデルとユーザＡの移動予測モデルとを統合して移動予測モデルとし、位置情報に基づく現在位置が移動予測滞在点に近づくほど、位置情報の取得頻度を高くする。

１．無線通信システムの構成
１（１）．サーバの構成
本実施形態におけるサーバ５０の構成は、図８に示す第２実施形態のサーバ５０の構成と同様である。サーバ５０の詳しい説明については省略する。

１（２）．滞在推定装置の構成
図１５に本実施形態の滞在推定装置１０の構成を示す。図１５に示すように、本実施形態の滞在推定装置１０は、第２実施形態の滞在推定装置１０に、第１実施形態の滞在推定装置１０において設けられていた滞在点抽出パラメータ更新部１７０と滞在点抽出パラメータ保存部１８０とを備えたものである。各部の説明は、第１実施形態及び第２実施形態における説明と重複するので、本実施形態では省略する。

２．滞在推定装置及びサーバの動作
２（１）滞在点抽出処理
本実施形態においては、図７に示す第１実施形態と同様の滞在点抽出処理が行われる。つまり、位置情報が示す各地点の平均から滞在点を抽出すると共に、当該滞在点の次に移動されると予想される移動予想滞在点を抽出する。そして、位置情報の示す地点が移動予想滞在点に近づいた場合には、位置情報の取得頻度を高くする。詳細については第１実施形態と同様なので説明を省略する。なお、本実施形態においては、滞在点の移動履歴は、第２実施形態と同様に各滞在点への到着時刻を含み、図１３に示す記憶部１３０の滞在点移動履歴テーブルＴＢＬ７に記憶される。

本実施形態においては、第２実施形態と同様に、作成した移動予測モデルは、図１０に示す、記憶部１３０の移動予測モデルテーブルＴＢＬ４として記憶される。本実施形態においても、過去の滞在点が存在しないために移動予想滞在点の抽出ができない場合には、第２実施形態と同様に、該当データ無しとして記憶部１３０の移動予測モデルテーブルＴＢＬ４に記憶される。

所定の移動予想滞在点を含む移動予測モデルが作成できた場合、あるいは、該当データ無しとして移動予測モデルを作成した場合のいずれも、第２実施形態と同様に、移動予測モデル取得部２００は、無線通信部１０を介して、サーバ５０に対して移動予測モデルの更新処理要求を送信する。この際、移動予測モデル取得部２００は、無線通信部１０を介して、移動予測モデルＴＢＬ４に記憶された移動予測モデルの他に、滞在点移動履歴テーブルＴＢＬ７に記憶された滞在点の移動履歴を、無線通信部１０を介してサーバ５０に送信する。

２（２）．類似度判定処理
滞在推定装置１０から移動予測モデルの更新処理要求を受信したサーバ５０の行動類似度判定部３３０は、第２実施形態と同様に、ユーザＡと、他のユーザとの行動の類似度を判定する処理を行う。行動の類似度の判定は、同一の時間帯に同一の滞在点に到着した回数、または、同一の時間帯に到着した同一の滞在点の個数に基づいて行う。但し、行動の類似度の判定は、他のすべてのユーザについて行うのではなく、ユーザＡが訪れた前記地点から所定の範囲内に、過去に滞在したことのある滞在点を有する他のユーザを比較対象とする。

行動類似度判定部３３０は、同一の時間帯において同一の滞在点に到着した回数が、ユーザＡの回数と一致するか、あるいは、所定範囲内にある他のユーザを、ユーザＡと行動の類似度の高いユーザであると判定する。また、行動類似度判定部３３０は、同一の時間帯において到着した同一の滞在点の個数が、ユーザＡの個数と一致するか、あるいは、所定範囲内にある他のユーザを、ユーザＡと行動の類似度の高いユーザであると判定するようにしてもよい。

行動類似度判定部３３０は、行動の類似度が高いと判定した他のユーザが存在する場合には、当該他のユーザのユーザＩＤを移動予測モデル更新部３２０に受け渡す。しかし、行動の類似度が高いと判定した他のユーザが存在しない場合には、行動類似度判定部３３０は、該当ユーザがいない旨を移動予測モデル更新部３２０に受け渡す。なお、行動の類似度が高いと判定した他のユーザが存在しない場合には、類似度の判定基準を変えて、再度判定を行うようにしてもよい。

２（３）．移動予測モデルの更新処理
移動予測モデル更新部３２０は、行動類似度判定部３３０から他のユーザのユーザＩＤを受け渡された場合には、移動予測モデルテーブルＴＢＬ５に記憶された当該他のユーザの移動予測モデルを抽出する。そして、移動予測モデル更新部２００は、抽出した前記他のユーザの移動予測モデルと、滞在推定装置１０から受信したユーザＡの移動予測モデルとを統合し、ユーザＡの移動予測モデルを更新する。

一方、移動予測モデル更新部３２０は、行動類似度判定部３３０から該当ユーザがいない旨を受け渡された場合には、移動予測モデルの更新処理を行わず、通信部３１０を介して、移動予測モデルの更新処理が行われなかった旨を滞在推定装置１０に送信する。

したがって、行動の類似度の高い他のユーザが存在する場合には、ユーザＡが過去に訪れたことのない地点を訪れた場合であっても、ユーザＡと行動の類似度の高い他のユーザの移動予測モデルが用いられ、ユーザＡが当該移動予測モデルに含まれる移動予想滞在点に近づいた場合には、位置情報の取得頻度が高頻度に切り換えられることになる。その結果、ユーザＡが過去に訪れたことのない地点を訪れた場合であっても、高速かつ精度良く滞在点を予測することができる。

行動の類似度の高い他のユーザが存在する場合には、ユーザＡが過去に訪れたことのある地点を再び訪れた場合であっても、ユーザＡと行動の類似度の高い他のユーザの移動予測モデルとユーザＡの移動予測モデルとを統合し、ユーザＡが当該移動予測モデルに含まれる移動予想滞在点に近づいた場合には、位置情報の取得頻度が高頻度に切り換えられることになる。その結果、ユーザＡが過去に訪れたことのない滞在点であっても、精度良く滞在点を予測することができる。

以下、同様にして、滞在推定装置１０の滞在点抽出部１５０は、起点となる滞在点が変わる度に、上述した移動予測モデル作成処理を行い、サーバ５０の行動類似度判定部３３０は行動の類似度の判定処理を行う。また、サーバ５０の移動予測モデル更新部３２０は、移動予測モデルの更新処理を行う。

２（４）．滞在推定装置及びサーバの全体的な動作
図１６及び図１７に基づいて本実施形態における動作について説明する。本実施形態においては、図１６に示すステップＳ１００からステップＳ１１４までの処理は、図７に示す第１実施形態の処理と同様なので、説明を省略する。

図１６に示すように、移動予測モデル作成部１６０は、移動予測モデルの作成処理（ステップＳ１１２）が終了すると、移動予測モデル取得部２００に対して、サーバ５０から他のユーザの移動予測モデルを考慮した移動予測モデルを取得するように要求する（ステップＳ２１５、図１７の端子Ａへ移行）。図１７に示すように、移動予測モデル取得部２００は、この取得要求を受け取ると、記憶部１３０に対して、ユーザＡの移動予測モデルと、過去の滞在点の移動履歴と要求する（ステップＳ２１６、図１６の端子Ｂへ移行）。図１６に示すように、記憶部１３０は、この要求を受け取ると、滞在点移動履歴テーブルＴＢＬ７に記憶された滞在点の移動履歴と、移動予測モデルテーブルＴＢＬ４に記憶された移動予測モデルとを移動予測モデル取得部２００に対して出力する（ステップＳ２１７、図１７の端子Ｃへ移行）。

図１７に示すように、移動予測モデル作成部１６０は、サーバ５０に対して、ユーザＡの移動予測モデル及び過去の滞在点の移動履歴と共に、移動予測モデルの取得要求を送る（ステップＳ２１８）。サーバ５０の行動類似度判定部３３０は、取得要求を受け取ると、第２実施形態で説明したユーザＡと他のユーザとの行動の類似度を判定する処理を行う（ステップＳ２１９）。行動類似度判定部３３０は、行動の類似度が高いと判定した他のユーザが存在する場合には、当該他のユーザのユーザＩＤを移動予測モデル更新部３２０に受け渡す（ステップＳ２２０）。しかし、行動の類似度が高いと判定した他のユーザが存在しない場合には、行動類似度判定部３３０は、該当ユーザがいない旨を移動予測モデル更新部３２０に受け渡す（ステップＳ２２０）。なお、行動の類似度が高いと判定した他のユーザが存在しない場合には、類似度の判定基準を変えて、再度判定を行うようにしてもよい。

移動予測モデル更新部３２０は、行動類似度判定部３３０から他のユーザのユーザＩＤを受け渡された場合には、移動予測モデルテーブルＴＢＬ５に記憶された当該他のユーザの移動予測モデルを抽出する。そして、移動予測モデル更新部２００は、抽出した前記他のユーザの移動予測モデルと、滞在推定装置１０から受信したユーザＡの移動予測モデルとを統合し、ユーザＡの移動予測モデルを更新する処理を行う（ステップＳ２２１）。そして、滞在推定装置１０に対して、ユーザＡの移動予測モデルの書込み要求を送る（ステップＳ２２２、図１６の端子Ｄへ移行）。一方、移動予測モデル更新部３２０は、行動類似度判定部３３０から該当ユーザがいない旨を受け渡された場合には、移動予測モデルの更新処理を行わず、移動予測モデルの更新処理が行われなかった旨を滞在推定装置１０に送る（ステップＳ２２２、図１６の端子Ｄへ移行）。図１６に示すように、滞在推定装置１０においては、更新された移動予測モデルが記憶部１３０に記憶される（ステップＳ２２３）。

図１６に示すように、滞在点抽出パラメータ更新部１７０は、記憶部１３０に対して、位置情報テーブルＴＢＬ１に記憶された現在の位置情報と、記憶部１３０に記憶された移動予想滞在点との取得要求を送る（ステップＳ１１５）。記憶部１３０は、前記取得要求に応じて、現在の位置情報と移動予想滞在点とを滞在点抽出パラメータ更新部１７０に出力する。滞在点抽出パラメータ更新部１７０は、取得した現在の位置情報が示す地点と、移動予想滞在点との距離を算出する（ステップＳ１１７）。滞在点抽出パラメータ更新部１７０は、滞在点抽出パラメータ保存部１８０に対して、算出した前記距離に応じて、位置情報の取得頻度の更新要求を送る（ステップＳ１１８）。滞在点抽出パラメータ保存部１８０は、前記更新要求に応じて、位置情報の取得頻度を更新する（ステップＳ１１９）。具体的には、滞在点抽出パラメータ保存部１８０は、前記算出した距離が所定の閾値以内になった場合の更新要求に対しては、位置情報の取得頻度を低頻度から高頻度に更新する。また、滞在点抽出パラメータ保存部１８０は、現在の位置情報の取得頻度が高頻度の場合には、高頻度をそのまま維持する。滞在点抽出パラメータ保存部１８０は、前記算出した距離が所定の閾値を超えている場合の更新要求に対しては、位置情報の取得頻度を、低頻度のままで維持するか、あるいは、高頻度から低頻度に更新する。さらに、現在の位置情報が示す地点がいずれかの滞在点から移動した場合の更新要求に対しては、滞在点抽出パラメータ保存部１８０は、位置情報の取得頻度を、低頻度のままで維持するか、あるいは、高頻度から低頻度に更新する。

滞在点抽出部１５０は、上述したように、パラメータとしての位置情報の取得頻度の取得要求処理（ステップＳ１０３）と、パラメータの取得処理（Ｓ１０４）とを繰り返す。したがって、滞在点抽出部１５０は、滞在点抽出パラメータ保存部１８０において位置情報の取得頻度の更新処理（ステップＳ１１９）が行われた後に、前記パラメータの取得要求処理（ステップＳ１０３）とパラメータの取得処理（Ｓ１０４）とを行った場合には、位置情報の取得頻度がそれまでの頻度と異なる頻度に更新されたことを判断することができる。滞在点抽出部１５０は、位置情報の取得頻度がそれまでの頻度と異なる頻度に更新されたと判断した場合には、位置情報取得部１４０に対して位置情報の取得頻度の更新要求を送る（ステップＳ１２０）。位置情報取得部１４０は、前記更新要求に応じて位置情報の取得頻度を更新する（ステップＳ１２１）。したがって、現在の位置情報が示す地点が、行動類似度の高い他のユーザの移動予測モデルを含めた移動予測モデルに示される移動予想滞在点に近づき、位置情報の取得頻度が高頻度に更新された場合には、位置情報取得部１４０は高頻度で位置情報の取得を行い（ステップＳ１００）、滞在点抽出部１５０は、十分な数の位置情報に基づいて滞在点抽出処理を行う（ステップＳ１０７）。その結果、ユーザＡが初めて訪れた地域においても、滞在点の抽出が高速に行われることになる。また、現在の位置情報が示す地点が移動予想滞在点から離れており、位置情報の取得頻度が低頻度に更新された場合には、位置情報取得部１４０は低頻度で位置情報の取得を行い（ステップＳ１００）、滞在点抽出部１５０は、低頻度で取得された位置情報に基づいて滞在点抽出処理を行う（ステップＳ１０７）。その結果、消費電力の増大が抑えられる。

以上のように、本実施形態によれば、行動の類似度の高い他のユーザが存在する場合には、ユーザＡが過去に訪れたことのない地点を訪れた場合であっても、ユーザＡと行動の類似度の高い他のユーザの移動予測モデルが用いられる。そして、ユーザＡが当該移動予測モデルに含まれる移動予想滞在点に近づいた場合には、位置情報の取得頻度が高頻度に切り換えられることになる。その結果、ユーザＡが過去に訪れたことのない地点を訪れた場合であっても、高速かつ精度良く滞在点を予測することができる。

行動の類似度の高い他のユーザが存在する場合には、ユーザＡが過去に訪れたことのある地点を再び訪れた場合であっても、ユーザＡと行動の類似度の高い他のユーザの移動予測モデルとユーザＡの移動予測モデルとを統合した移動予測モデルが用いられる。そして、ユーザＡが当該移動予測モデルに含まれる移動予想滞在点に近づいた場合には、位置情報の取得頻度が高頻度に切り換えられることになる。その結果、ユーザＡが過去に訪れたことのない滞在点であっても、精度良く滞在点を予測することができる。

＜第４実施形態＞
次に、図１８乃至図２２を参照して、本発明の第４実施形態について説明する。本実施形態は、ユーザＡと他のユーザの親密度を通信行動履歴に基づいて算出し、親密度の高いユーザを行動の類似度が高いユーザとして判定するところが第２実施形態と異なる。

１（１）．サーバの構成
図１８に本実施形態のサーバ５０の構成を示す。本実施形態のサーバ５０は、図１８に示すように、行動類似判定部３３０を備えていないところが第２実施形態のサーバ５０と異なる。また、本実施形態のサーバ５０は、記憶部３４０に、滞在点移動履歴テーブルＴＢＬ６が記憶されていないところも第２実施形態のサーバ５０と異なる。

本実施形態においては、ユーザ間の親密度を滞在推定装置１０において算出し、サーバ５０は、滞在推定装置１０から親密度の高い他のユーザのユーザＩＤを受け取り、当該他のユーザの移動予測モデルとユーザＡの移動予測モデルとを、移動予測モデル更新部３２０により統合する。

１（２）．滞在推定装置の構成
図１９に、本実施形態の滞在推定装置１０の構成を示す。図１９に示すように、本実施形態の滞在推定装置１０は、親密度算出部２２０と、通信履歴管理部２４０とを備えているところが、第２実施形態の滞在推定装置１０と異なる。また、本実施形態の滞在推定装置１０は、記憶部１３０に、通信行動履歴テーブルＴＢＬ９と連絡帳テーブルＴＢＬ１０とが記憶されているところが第２実施形態の滞在推定装置１０と異なる。

滞在推定装置１０は、ユーザＡと、連絡帳テーブルＴＢＬ１０に記憶された他のユーザとの通信履歴を通信履歴管理部２４０により管理しており、通信履歴は通信行動履歴テーブルＴＢＬ９に記憶される。親密度算出部２２０は、通信行動履歴テーブルＴＢＬ９に記憶された通信履歴に基づいて、ユーザＡと、連絡帳テーブルＴＢＬ１０に記憶された他のユーザと親密度を算出する。移動予測モデル取得部２００は、無線通信部１１０を介して親密度の高い他のユーザのユーザＩＤをサーバ５０に送信すると共に、当該他のユーザの移動予測モデルを含めた移動予測モデルの更新要求をサーバ５０に送信する。

図２０に本実施形態の連絡帳テーブルＴＢＬ１０の一例を示す。図２０に示すように、連絡帳テーブルＴＢＬ１０には、ユーザＩＤ、ユーザの名前、電話番号、メールアドレス、ＳＮＳアカウント等が記憶されている。

図２１に本実施形態の通信行動履歴テーブルＴＢＬ９の一例を示す。図２１に示すように、通信行動履歴テーブルＴＢＬ９には、発信元の電話番号あるいは送信元のメールアドレス、発信先の電話番号あるいは送信先のメールアドレス等が記憶されている。

親密度算出部２２０は、通信行動履歴テーブルＴＢＬ９に基づいて、通信行動履歴テーブルＴＢＬ９に記憶された電話の発着回数、あるいは、電子メールの送受信回数に基づいて、ユーザＡと他のユーザとの親密度を算出する。詳しくは、後述する。

２．滞在推定装置及びサーバの動作
２（１）．親密度算出処理
親密度算出部２２０によるユーザＡと連絡帳テーブルＴＢＬ１０に記憶された他のユーザとの親密度を算出する処理について説明する。親密度算出部２２０は、連絡帳テーブルＴＢＬ１０に記憶された電話番号またはメールアドレスと、通信行動履歴テーブルＴＢＬ９に記憶された通信履歴とに基づいて、ユーザＡと連絡帳テーブルＴＢＬ１０に記憶された他のユーザとの親密度ＦＭＭを算出する。

親密度算出部２２０は、まず、連絡帳テーブルＴＢＬ１０から、一のユーザの電話番号とメールアドレスとを読み取る。電話番号とメールアドレスとのいずれか一方しか連絡帳テーブルＴＢＬ１０に記憶されていない場合には、記憶されていた方の情報を読み取る。また、電話番号とメールアドレスのいずれも連絡帳テーブルＴＢＬ１０に記憶されていない場合には、次のユーザについて同様の読み取り処理を行う。

親密度算出部２２０は、読み取った電話番号とメールアドレスとの少なくともいずれか一方が、所定の期間において通信行動履歴テーブルＴＢＬ９の発信元または発信先のいずれかに記憶されているかどうかをユーザ毎に判断し、記憶されていた場合には、その回数を積算する。

例えば、一のユーザのユーザＩＤをｍとすると、当該ユーザの電話についての通信比率Ｒ１ｍは、次のように算出される。通信行動履歴テーブルＴＢＬ９に記憶された通話発着信回数の総数をＮＣＡＬＬとし、当該ユーザの電話番号が通信行動履歴テーブルＴＢＬ９の発信元として記憶されていた回数、つまり、通話発信回数と、発信先として記憶されていた回数、つまり、通話受信回数との総数をＮＣｍとすると、当該ユーザの電話についての通信比率Ｒ１ｍは、次のように算出される。
Ｒ１ｍ＝ＮＣｍ／ＮＣＡＬＬ・・・（１）

また、当該ユーザの電子メールについての通信比率Ｒ２ｍは、次のように算出される。通信行動履歴テーブルＴＢＬ９に記憶された電子メール送受信回数の総数をＮＭＡＬＬとし、当該ユーザの電子メールが通信行動履歴テーブルＴＢＬ９の発信元として記憶されていた回数、つまり、メール送信回数と、発信先として記憶されていた回数、つまり、メール受信回数との総数をＮＭｍとすると、当該ユーザの電子メールについての通信比率Ｒ２ｍは、次のように算出される。
Ｒ２ｍ＝ＮＭｍ／ＮＭＡＬＬ・・・（２）

親密度算出部１０６は、Ｒ１ｍとＲ２ｍとの両方を算出できた場合には、これらの平均値を親密度ＦＭＭｍとして算出する。
ＦＭＭｍ＝（Ｒ１ｍ＋Ｒ２ｍ）・・・（３）

しかし、親密度算出部１０６は、Ｒ１ｍとＲ２ｍとのいずれか一方しか算出できなかった場合には、重み付け係数Ｇ（例えば、０．４）をＲ１ｍとＲ２ｍのいずれかに掛けて親密度ＦＭＭｍを算出する。
ＦＭＭｍ＝Ｇ＊（Ｒ１ｍ＋Ｒ２ｍ）・・・（４）

このように重み付けを行うのは、電話番号と電子メールアドレスの両方で通信を行う相手との間の親密度は、一方のみで通信を行う相手との間の親密度よりも通常、高いと推定されるためである。

例えば、ユーザＩＤ＝ｍのユーザの、所定の１ヶ月間におけるユーザＡとの間の通話発信回数と通話発着信回数の総数が１０回で、通信行動履歴テーブルＴＢＬ９に記憶された同期間における通話発着信回数の総数を１００回とすると、ユーザＩＤ＝ｍのユーザの電話についての通信比率Ｒ１ｍは次のようになる。Ｒ１ｍ＝１０／１００＝０．１・・・（５）

また、ユーザＩＤ＝ｍのユーザの、当該１ヶ月間におけるユーザＡとの間のメール送信回数とメール受信回数の総数が１０回で、通信行動履歴テーブルＴＢＬ９に記憶された同期間におけるメール送受信回数の総数を１００回とすると、ユーザＩＤ＝ｍのユーザの電子メールについての通信比率Ｒ２ｍは次のようになる。
Ｒ２ｍ＝１０／１００＝０．１・・・（６）

したがって、ユーザＩＤ＝ｍのユーザとユーザＡとの親密度ＦＭＭｍは、次のようになる。
ＦＭＭｍ＝（０．１＋０．１）／２＝０．１・・・（７）

一方、ユーザＩＤ＝ｎのユーザの、当該１ヶ月間におけるユーザＡとの間の通話発信回数と通話発着信回数の総数が０回だとすると、ユーザＩＤ＝ｎのユーザの電話についての通信比率Ｒ１ｎは次のようになる。
Ｒ１ｎ＝０／１００＝０・・・（８）

また、ユーザＩＤ＝ｎのユーザの、当該１ヶ月間におけるユーザＡとの間のメール送信回数とメール受信回数の総数が２０回だとすると、ユーザＩＤ＝ｎのユーザの電子メールについての通信比率Ｒ２ｎは次のようになる。
Ｒ２ｎ＝２０／１００＝０．２・・・（９）

したがって、ユーザＩＤ＝ｎのユーザとユーザＡとの親密度ＦＭＭｎは、次のようになる。
ＦＭＭｎ＝０．４＊（０＋０．２）＝０．０８・・・（１０）

この場合には、ユーザＩＤ＝ｍのユーザとユーザＡの親密度の方が、ユーザＩＤ＝ｎのユーザとユーザＡの親密度よりも高いことになる。

親密度算出部２２０は、以上のようにして、通信行動履歴テーブルＴＢＬ９に記憶された所定の期間における通信履歴に基づいて、ユーザＡと他のユーザとの親密度を算出する。そして、移動予測モデル取得部２００は、当該ユーザのユーザＩＤ、及びユーザＡの移動予測モデルと共に、移動予測モデルの更新要求をサーバ５０に送信する。

２（２）．移動予測モデルの更新処理
移動予測モデル更新部３２０は、滞在推定装置１０から、親密度の高い他のユーザのユーザＩＤ、ユーザＡの移動予測モデル、及び移動予測モデルの更新要求を受け取った場合には、移動予測モデルテーブルＴＢＬ５に記憶された当該他のユーザの移動予測モデルを抽出する。そして、移動予測モデル更新部２００は、抽出した前記他のユーザの移動予測モデルと、滞在推定装置１０から受信したユーザＡの移動予測モデルとを統合し、ユーザＡの移動予測モデルを更新する。

したがって、親密度の高い他のユーザは、行動の類似度についても高いと思われるので、ユーザＡが過去に訪れたことのない地点を訪れた場合であっても、ユーザＡと行動の類似度の高いと思われる前記他のユーザの移動予測モデルを用いて、ユーザＡが移動しようとする移動予想滞在点を予想することが可能になる。また、ユーザＡが過去に訪れたことのある地点を再び訪れた場合であっても、ユーザＡと行動の類似度の高いと思われる他のユーザの移動予測モデルとユーザＡの移動予測モデルとを統合するので、ユーザＡが移動しようとする移動予想滞在点を精度良く予想することが可能になる。

２（３）．滞在推定装置及びサーバの全体的な動作
図２２は、本発明の第４実施形態にかかる滞在推定装置１０及びサーバ５０において、ユーザの移動予測モデルを、親密度の高い他のユーザの移動予測モデルを用いて更新するシーケンス図である。

図１４に示す第２実施形態のシーケンスとは異なり、本実施形態においては、親密度算出部２２０が上述した親密度算出処理を行っている（ステップＳ３００）。親密度算出処理は、所定期間ごとに実行するようにしてもよいし、ユーザＡが他のユーザとの通信を行う度に行うようにしてもよい。

図２２において、移動予測モデル取得部２００が処理を開始するまでのシーケンスは、図１４に示す第２実施形態のシーケンスと同様なので、各処理には同一のステップ番号を付して説明を省略する。

移動予測モデル取得部２００は、移動予測モデルが作成され、移動予測モデル作成部１６０から他のユーザの移動予測モデルを含めた移動予測モデルの取得要求を受け取った場合には（ステップＳ２１５）、記憶部１３０に対してユーザＡの移動予測モデルの取得要求を送る（ステップＳ２１６）。移動予測モデル取得部２００は、記憶部１３０からユーザＡの移動予測モデルを取得すると（ステップＳ２１７）、親密度算出部２２０に対して、ユーザＡとの親密度が高いユーザのユーザＩＤを問い合わせる（Ｓ３０１）。

親密度算出部２２０は、上述のように、所定のタイミングにてユーザＡと他のユーザとの親密度を算出しているので、移動予測モデル取得部２００からの問い合わせに対して、ユーザＡとの親密度が高いユーザのユーザＩＤを通知する（ステップＳ３０２）。

移動予測モデル取得部２００は、親密度が高い他のユーザのユーザＩＤ、及びユーザＡの移動予測モデルと共に、移動予測モデルの更新要求をサーバ５０に送信する（ステップＳ２２０）。

移動予測モデル更新部３２０は、滞在推定装置１０から、親密度の高い他のユーザのユーザＩＤ、ユーザＡの移動予測モデル、及び移動予測モデルの更新要求を受け取った場合には、移動予測モデルテーブルＴＢＬ５に記憶された当該他のユーザの移動予測モデルを抽出して、移動予測モデルの更新処理を行う（ステップＳ２２１）。つまり、移動予測モデル更新部３２０は、抽出した前記他のユーザの移動予測モデルと、滞在推定装置１０から受信したユーザＡの移動予測モデルとを統合し、ユーザＡの移動予測モデルを更新する。そして、移動予測モデル更新部３２０は、更新した移動予測モデルの書込み要求を滞在推定装置１０に対して送信する（ステップＳ２２２）。書込み要求を受信した滞在推定装置１０は、更新された移動予測モデルを記憶部１３０に記憶させる（ステップＳ２２３）。

以上のように、本実施形態によれば、親密度の高い他のユーザは、行動の類似度についても高いと思われるので、当該他のユーザの移動予測モデルをユーザＡの移動予測モデルに統合することにより、ユーザＡが移動する可能性の高い移動予想滞在点が増えることになる。その結果、ユーザＡが過去に訪れたことのない地点を訪れた場合であっても、ユーザＡと行動の類似度の高いと思われる前記他のユーザの移動予測モデルを用いて、ユーザＡが移動しようとする移動予想滞在点を予想することが可能になる。また、ユーザＡが過去に訪れたことのある地点を再び訪れた場合であっても、ユーザＡと行動の類似度の高いと思われる他のユーザの移動予測モデルとユーザＡの移動予測モデルとを統合するので、ユーザＡが移動しようとする移動予想滞在点を精度良く予想することが可能になる。

＜変形例＞
上述した第２実施形態においては、移動予測モデル更新部２００は、常に他のユーザの移動予測モデルの取得要求を送出する例について説明したが、本発明はこのような例に限定されるものではない。例えば、移動予測モデル作成部１６０において、現在の滞在点を起点とした移動予測モデルを作成する際に、母集団となる滞在点移動履歴が不足している場合、あるいは母集団となる滞在点移動履歴が存在していない場合等にのみ、他のユーザの移動予測モデルの取得要求を送出するようにしてもよい。

上述した第２実施形態においては、他のユーザの移動予測モデルテーブルＴＢＬ５をサーバ５０の記憶部３３０に記憶させる例について説明したが、本発明はこのような例に限定されるものではない。例えば、基地局２０の記憶部に記憶させるようにしてもよい。

上述した第２実施形態においては、同一の時間帯に同一の滞在点に到達した回数、または、同一の時間帯に到達した同一の滞在点の個数により、行動類似度を判定する例について説明したが、本発明はこのような例に限定されるものではない。例えば、移動予測モデルテーブルＴＢＬ５に記憶されている、所定の滞在点から移動予想滞在点までの遷移確率を用いるようにしてもよい。例えば、当該遷移確率と、滞在推定装置１０のユーザの移動予測モデルにおける所定の滞在点から移動予想滞在点までの遷移確率との相関を利用して行動類似度を判定するようにしてもよい。

上述した第２実施形態及び第３実施形態においては、サーバ５０においてユーザＡと他のユーザの行動の類似度を判定し、移動予測モデルを統合する例について説明した。しかしながら、本発明はこのような例に限定されるものではなく、他のユーザの滞在点推定履歴と移動予測モデルとを、暗号化したり、あるいは、他のユーザを特定できないように匿名化した上で、サーバ５０から滞在推定装置１０に対して送信し、滞在推定装置１０において、行動の類似度判定と、移動予測モデルの統合とを行うようにしてもよい。

上述した第４実施形態においては、親密度の算出を、電話の発着回数または電子メールの送受信回数に基づいて行ったが、本発明はこのような例に限定されるものではない。例えば、通信履歴管理部２４０により、ＳＮＳメッセージの送受信回数を管理し、当該ＳＮＳメッセージの送受信回数に基づいて親密度の算出を行うようにしてもよい。また、サーバ５０等の外部装置において、他のユーザの連絡帳の登録情報の内容、例えば、連絡帳に登録されている電話番号の個数、メールアドレスの個数、写真設定の有無、誕生日や記念日の登録の有無、住所の登録の有無などを管理し、これらの登録情報の内容と、ユーザＡの連絡帳の登録情報の内容とを比較して、親密度を算出するようにしてもよい。

さらに、滞在推定装置１０の入出力部１２０を類似ユーザ設定部として機能させ、ユーザに手動で類似ユーザを設定させるようにすればよい。この場合には、行動類度判定部２２０は、設定された類似ユーザを、対象ユーザとして判定すればよい。

上述した各実施形態において、無線通信システム１内の各要素（滞在推定装置１０、基地局２０、交換局３０、ゲートウェイ４０等）においてＣＰＵが実行する各機能は、ＣＰＵの代わりに、ハードウェアで実行してもよいし、例えばＦＰＧＡ（Field Programmable Gate Array）、ＤＳＰ（Digital Signal Processor）等のプログラマブルロジックデバイスで実行してもよい。

１０ 滞在推定装置、１３０ 記憶部、１４０ 位置情報取得部、１５０ 滞在点抽出部、１６０ 移動予測モデル作成部、１７０ 滞在点抽出パラメータ更新部、１８０ 滞在点抽出パラメータ保存部、２００ 移動予測モデル取得部、２２０ 親密度搬出部、２４０ 通信履歴管理部、３３０ 行動類似度判定部。

Claims (3)

1. ユーザの位置情報を取得する位置情報取得部と、
   前記ユーザの位置情報の履歴に基づいて、滞在時間の閾値と移動距離の閾値とを含むパラメータを用いて滞在点を抽出する滞在点抽出部と、
   前記ユーザの滞在点の移動履歴に基づいて、滞在点間の移動予測モデルを作成する移動予測モデル作成部と、
   他のユーザの移動予測モデルを取得する移動予測モデル取得部と、
   前記他のユーザとの時間を考慮した行動の類似性を判定する行動類似度判定部と、
   行動類似度が所定の閾値以上である他のユーザの移動予測モデルを用いて移動予測モデルを更新する移動予測モデル更新部と、
   を備え、
   前記行動類似度判定部は、同一の時間帯に同一の滞在点に到着した回数、および、同一の時間帯に到着した同一の滞在点の個数のいずれか一方に基づいて、前記行動類似度を判定する、
   ことを特徴とする滞在推定装置。
2. 請求項１に記載の滞在推定装置であって、
   類似ユーザを設定する類似ユーザ設定部を更に備え、
   前記行動類似度判定部は、前記類似ユーザ設定部によって設定された類似ユーザについて行動類似度が所定の閾値以上であると判定する、
   ことを特徴とする滞在推定装置。
3. ユーザの位置情報を位置情報取得部が取得し、
   前記ユーザの位置情報の履歴に基づいて、滞在時間の閾値と移動距離の閾値とを含むパラメータを用いて滞在点を滞在点抽出部が抽出し、
   前記ユーザの滞在点の移動履歴に基づいて、滞在点間の移動予測モデルを移動予測モデル作成部が作成し、
   他のユーザの移動予測モデルを移動予測モデル取得部が取得し、
   前記他のユーザとの時間を考慮した行動の類似性を行動類似度判定部が判定し、
   行動類似度が所定の閾値以上である他のユーザの移動予測モデルを用いて、移動予測モデル更新部が移動予測モデルを更新し、
   前記行動の類似性の判定では、同一の時間帯に同一の滞在点に到着した回数、および、同一の時間帯に到着した同一の滞在点の個数のいずれか一方に基づいて、行動類似度判定部が前記行動類似度を判定する、
   ことを特徴とする滞在推定方法。

Images