JP6206337B2 - 情報提供装置および情報提供方法 - Google Patents

Description

本発明は、ユーザが所望する情報を自動的に提供する装置に関する。

モバイルコンピューティングの分野において、ユーザが求める情報を推定し、自動的に提供する技術についての研究が進められている。特に、運転者が運転中に操作を行うことが難しい車載型の案内装置においては、推定結果に基づいて自動で情報を提供する技術が役に立つとされている。

例えば、特許文献１には、ユーザの関心傾向に適合する情報を提供する、車載型の情報提供装置が記載されている。当該装置では、ユーザが所持する通信端末を介して情報を収集し、ユーザの関心対象をデータベースに逐一登録することで、精度の高い情報提供を実現している。当該発明を用いると、ユーザが関心を持っている対象物に関連する情報を、走行中に自動で提供することができる。

一方で、ユーザが求める情報は、どのような状況においても同一であるとは限らない。例えば、自動車で移動するユーザは、主に目的地の周辺や、目的地に至る経路に関する情報を求める場合が多い。
これに関連する技術として、特許文献２には、ドライバーの年齢、職業、移動時間帯、曜日、同乗者の有無などからユーザの行動目的を推定し、推定した行動目的を用いて目的地の推定を行うナビゲーション装置が記載されている。

特開２００９−２６５６９１号公報 特開２００７−０１０５７２号公報

特許文献２に記載の技術を、特許文献１に記載された情報提供装置と組み合わせることで、推定した目的地に応じて情報を自動的に提供する、車載型の情報提供装置を構成することができる。また、当該推定技術は、目的地以外に応用することもできるため、ユーザが所望する他の情報を自動的に提供することも可能である。

しかし、上記で例示した要素（ドライバーの属性や時間帯、曜日など）を用いても、必ずしもユーザが所望する情報を正確に推定できるとは限らない。すなわち、システムによって考慮されていない要素（例えば、天候や道路状況など）が変化すると、推定結果が的外れなものとなってしまう場合がある。

従来提唱されていた、自動で情報を提供する装置には、ユーザが操作を行う必要がないという利点がある一方で、誤った推定を続けた場合、ユーザにとって必要無い情報を提供し続けてしまい、逆に煩わしさを与えてしまうという問題があった。

本発明は上記の課題を考慮してなされたものであり、ユーザが必要とする情報を推定し、提供する情報提供装置において、ユーザが所望しない情報の提供を抑制する技術を提供することを目的とする。

前述した課題を解決するために、本発明に係る情報提供装置は、
移動するユーザに対して情報を提供する情報提供装置であって、前記ユーザに提供すべき情報を推定する推定手段と、前記推定の結果に基づいて情報を取得し、前記ユーザに提供する情報提供手段と、前記提供した情報が適切であったか否かを判定し、判定結果を記憶する誤り判定手段と、を有し、前記情報提供手段は、前記記憶された判定結果のうち、所定の期間における、誤りを表す判定の数に基づいて、前記ユーザに情報を提供するか否かを決定することを特徴とする。

推定手段は、ユーザに提供すべき情報を推定する手段である。推定は、ユーザまたは外部から取得した情報に基づいて、任意の手法で行うことができる。例えば、ユーザの関心についての情報を収集して利用してもよいし、ユーザが行った過去の移動における、目的地、経路、日時情報などを収集して利用してもよい。なお、推定は、推定モデルや識別器などを用いて行ってもよい。推定結果に基づいて取得された情報は、情報提供手段を通してユーザに提供される。

また、誤り判定手段は、推定結果に基づいて提供した情報が適切であったか（すなわちユーザが所望する情報を提供できたか）否かを判定する手段である。
例えば、推定手段が、ユーザが移動する目的地を推定し、当該目的地に関連する情報を提供すべきと判断したとする。この場合、最終的に、ユーザが当該目的地に到着すれば、推定が正しかったことがわかり、ユーザが当該目的地に到着しなかった場合、推定が誤っていたことがわかる。この他にも、ユーザに情報を提供した後、ユーザからフィードバックを受け取ることで判定を行ってもよい。

また、情報提供手段は、前記誤り判定手段が行った判定結果のうち、所定の期間における判定結果を参照し、当該判定結果に含まれる、誤りを表す判定結果の数に基づいて、情報を提供するか否かを決定する。
かかる構成によると、例えば、過去における情報提供の精度（推定精度）が悪いほど、情報を提供する回数を抑制することができる。すなわち、何らかの原因で推定精度が低下した場合であっても、ユーザに与える煩わしさを回避することができる。

また、前記情報提供手段は、前記所定の期間における、誤りを表す判定の、全体に対する割合に基づいて、前記ユーザに情報を提供するか否かを決定することを特徴としてもよい。

ユーザに情報を提供するか否かは、誤り判定手段が行った「誤り」判定の数に基づいて決定できれば、その絶対数に基づいて決定してもよいし、全体に対する割合に基づいて決定してもよい。

また、前記情報提供手段は、前記所定の期間において、連続してＮ回（Ｎ≧２）の誤り判定が発生した場合に、当該Ｎの値に基づいて、前記ユーザに情報を提供するか否かを決定することを特徴としてもよい。

連続して誤った情報をユーザに提供してしまった場合、装置に対する心象が悪くなるため、情報の提供を積極的に抑制することが好ましい。そこで、誤り判定が連続して発生した際の長さに基づいて情報提供頻度を制御するようにしてもよい。

また、前記推定手段は、推定の確度を示す値である推定確度をさらに算出し、前記情報提供手段は、前記推定確度にさらに基づいて、前記ユーザに情報を提供するか否かを決定することを特徴としてもよい。
また、前記情報提供手段は、前記推定確度と、ユーザに情報を提供する頻度である情報提供頻度を乗じた値に基づいて、前記ユーザに情報を提供するか否かを決定し、前記情報提供頻度は、前記所定の期間における、誤りを表す判定の数が多いほど低い値となることを特徴としてもよい。

情報を提供するか否かは、推定の確度を示す値（推定確度）を併用して決定することがより好ましい。推定確度とは、推定手段が行った推定の確かさしさを表す値である。例えば、推定確度を用いて判定結果を補正することによって、最終的に情報を提供するか否かを決定する。例えば、情報提供頻度と推定頻度を乗じた値を用いてもよい。
このようにすることで、情報提供を一律に抑制するのではなく、推定確度が高い情報は抑制せずに提供する、といった動作が可能となる。

また、前記推定手段は、前記ユーザが移動する際の目的地または移動経路を予測し、前記目的地または移動経路に関連する情報を、前記ユーザに提供すべき情報であると推定することを特徴としてもよい。

移動中のユーザは、目的地周辺の情報、あるいは、移動に係る経路周辺の情報を欲する場合が多い。そこで、目的地または移動経路を推定することで、ユーザに提供すべき情報を推定することができる。

また、前記誤り判定手段は、前記予測した目的地または移動経路が、前記ユーザが行った実際の移動における目的地または移動経路と適合しているか否かを判定し、適合している場合に、前記提供した情報が適切であったと判定することを特徴としてもよい。

提供した情報が正しかったか否かは、ユーザが移動を行った後で、その目的地または移動経路が、推定したものと適合しているかを照らし合わせることで判定することができる。

また、前記推定手段は、前記ユーザの行動を予測し、前記予測した行動に関連する情報を、前記ユーザに提供すべき情報であると推定することを特徴としてもよい。

ユーザが所望する情報は、これから行おうとしている行動に関連するものである場合が多い。そこで、行動を予測することで、ユーザに提供すべき情報を推定することができる。

また、前記誤り判定手段は、前記予測したユーザの行動が、前記ユーザが行った実際の行動と適合しているか否かを判定し、適合している場合に、前記提供した情報が適切であったと判定することを特徴としてもよい。

提供した情報が正しかったか否かは、ユーザが移動を行った後で、その行動が、推定したものと適合しているかを照らし合わせることで判定することができる。

また、本発明に係る情報提供装置は、前記ユーザの現在位置を取得する位置情報取得手段をさらに有し、前記誤り判定手段は、判定結果にユーザの位置情報を関連付けて記憶し、前記情報提供手段は、前記ユーザが最後に所定の地点に到着した時より後の期間を、前記所定の期間とすることを特徴としてもよい。

推定精度が低下した場合、精度低下の原因となった要素が無くなると、精度が回復する場合がある。そこで、精度低下の原因となった要素が存在すると思われる期間を区切ることで、推定精度が低下していると思われる期間のみを抽出する。
当該期間は、ユーザの位置に基づいて区切ることができる。例えば、ユーザが最後に所定の地点に到着した時点で期間を区切るようにしてもよい。自宅など、所定の地点に到着することで、ユーザの行動に関する環境が変化すると考えられるためである。
なお、所定の地点とは、あらかじめ登録された地点であってもよいし、ユーザがトリップを終了させたと判定できる地点（例えば、車両のエンジンを停止させた地点等）であってもよい。

また、本発明に係る情報提供装置は、現在の日時情報を取得する日時取得手段をさらに有し、前記誤り判定手段は、判定結果に日時情報を関連付けて記憶し、前記情報提供手段は、前回の判定から所定の時間が経過した時より後の期間を、前記所定の期間とすることを特徴としてもよい。

同様に、所定の期間は、前回の判定から経過した時間によって区切ってもよい。当該時間は、例えば、一定の時間であってもよいし、日付が変わるまでとしてもよい。

なお、本発明は、上記手段の少なくとも一部を含む情報提供装置として特定することができる。また、前記情報提供装置が実行する情報提供方法として特定することもできる。上記処理や手段は、技術的な矛盾が生じない限りにおいて、自由に組み合わせて実施することができる。

本発明によれば、ユーザが必要とする情報を推定し、提供する情報提供装置において、ユーザが所望しない情報の提供を抑制することができる。

第一の実施形態に係る情報提供装置のシステム構成図である。 道路ネットワークをノードとリンクで表した例である。 第一の実施形態におけるトリップデータテーブルの例である。 第一の実施形態における目的地推定モデルを説明する図である。 第一の実施形態における推定結果データテーブルの例である。 第一の実施形態におけるトリップデータ収集処理のフローチャートである。 第一の実施形態におけるモデル学習処理のフローチャートである。 第一の実施形態における情報提供処理のフローチャートである。 第二の実施形態における情報提供処理のフローチャートである。

（第一の実施形態）
<システム構成>
以下、本発明の好ましい実施形態について図面を参照しながら説明する。
第一の実施形態に係る情報提供装置は、車両に搭載される情報提供装置であって、ユーザの移動目的地を推定し、推定した目的地に関連する情報を自動で提供する装置である。
図１は、本実施形態に係る情報提供装置１０のシステム構成図である。

情報提供装置１０は、センサ情報取得部１１、地図情報記憶部１２、トリップデータ収集部１３、モデル構築部１４、推定部１５、提供情報取得部１６、情報提供部１７、推定結果評価部１８から構成される。

センサ情報取得部１１は、車両の走行環境や走行状態など、車両の移動に関する情報（以下、センサ情報）を取得する手段である。センサ情報とは、車両の走行環境を表す情報であれば、必ずしもセンシングした情報でなくてもよい。例えば、日付や時刻情報などで
あってもよい。本実施形態では、センサ情報取得部１１は、ＧＰＳ装置、時計装置、エンジンセンサ、シートセンサを有しており、センサ情報として、車両の位置情報、エンジンの稼働状態、現在時刻、日付（曜日を含む）、車両に乗車中の人数についての情報を取得する。

地図情報記憶部１２は、地図情報を記憶する手段である。地図情報とは、典型的には車両が走行できる道路の情報が定義された道路地図データであり、本実施形態では、道路同士の接続関係をリンクとノードによって表現したデータを用いる。図２は、道路同士の接続関係をリンクとノードによって表した例である。

トリップデータ収集部１３は、センサ情報取得部１１が取得したセンサ情報に基づいて、車両が行ったトリップ（エンジン始動からエンジン停止までを一単位とする移動）についての情報を収集する手段である。個々のトリップを表すデータをトリップデータと称し、図３にトリップデータの例を示す。
トリップデータは、出発地、目的地、出発地と目的地とを結ぶ経路、出発時間帯、出発日の曜日、乗車人数からなる。なお、出発地および目的地は、地図情報記憶部１２に記憶されたノードＩＤによって、経路はリンクＩＤの列によって表される。

モデル構築部１４は、トリップデータ収集部１３に蓄積されたトリップデータに基づいて、車両の目的地を推定するためのモデルを構築（学習）する手段である。
また、推定部１５は、モデル構築部１４が構築したモデルと、センサ情報取得部１１が取得したセンサ情報を用いて、車両の目的地を推定する手段である。詳細な処理内容については後述する。

提供情報取得部１６は、推定部１５が推定した目的地に関連する情報（例えば気象情報や交通情報など）を取得する手段である。提供情報取得部１６は、通信装置や記憶装置などの、情報を取得する手段を有しており、推定した目的地に適合する情報を取得する。本実施形態では、広域ネットワークに接続するための無線インタフェースを含み、ネットワーク経由で情報を取得する。
情報提供部１７は、提供情報取得部１６が取得した情報をユーザに提供する手段である。具体的には、取得したデータを、文字や画像などのユーザに提供可能な形式に置き換え、不図示のタッチパネルディスプレイを通して提供する。
推定結果評価部１８は、推定部１５が推定した目的地が正しかったか否かを判定する手段である。具体的には、センサ情報取得部１１から取得した情報に基づいて、トリップが終了したことを検知し、位置情報を参照することで、車両が推定した目的地に到達しているか否かを判定する。詳細な処理内容については後述する。

以上に説明した各手段の制御は、制御プログラムをＣＰＵなどの処理装置（不図示）が実行することによって実現される。また、当該機能は、ＦＰＧＡ（Field-programmable Gate Array）やＡＳＩＣ（Application Specific Integrated Circuit）などによって実現されてもよいし、これらの組合せによって実現されてもよい。また、専用のハードウェアによって実現されてもよい。

<処理の概要>
本実施形態に係る情報提供装置１０は、モデル構築部１４によって、車両の目的地を推定するためのモデル（以下、目的地推定モデル）を構築し、当該目的地推定モデルを用いて目的地を推定したうえで、当該目的地に関連する情報をユーザに自動的に提供する。

本実施形態に係る情報提供装置１０が行う処理は、主に、トリップデータを収集し、目的地推定モデルを学習させる処理と、目的地推定モデルを用いて目的地を推定し、当該目
的地に関連した情報をユーザに提供する処理の二つに分けることができる。各処理の概要について説明する。

<<目的地推定モデルの構築>>
まず、トリップデータに基づいて、目的地推定モデルを構築する処理について説明する。
センサ情報取得部１１は、ＧＰＳ装置、時計装置、エンジンセンサ、シートセンサ（いずれも不図示）からセンサ情報を取得し、トリップデータ収集部１３に周期的に送信する。
また、トリップデータ収集部１３は、送信されたデータを収集し、トリップが終了した後に、当該トリップに対応する経路を、図３に示した形式で記憶する。
なお、車両がトリップ中であるか否かは、例えばエンジンの状態を監視することで判定することができる。例えば、エンジンが始動された場合に走行開始（トリップ開始）と判断し、エンジンが停止した場合に目的地に到着（トリップ終了）したと判断してもよい。また、エンジンが停止した場合であっても、所定の時間内に再始動した場合はトリップ継続と判断してもよい。車両がトリップ中であるか否かは、既知の任意の方法によって判定することができる。

次に、蓄積されたトリップデータに基づいて、車両の目的地を推定するためのモデルを構築（学習）する処理について説明する。当該処理は、モデル構築部１４によって実行される。
図４は、目的地推定モデルの学習について説明する図である。本実施形態では、モデル構築部１４が確率モデルを包含しており、以下に説明する処理を実行することによって学習を行う。

（１）学習データの生成
まず、記憶されているトリップデータ（まだ学習に用いられていないデータ）から、出発地、目的地、経路、出発時間帯、出発曜日、乗車人数を抽出し、目的地推定モデルを学習させるための学習データを生成する。
（２）学習の実施
次に、生成した学習データを用いて、目的地推定モデルを学習させる。これにより、親ノードと子ノードとの間の依存性確率が修正される。目的地推定モデルの学習は、例えば、トリップが終了したタイミング（トリップデータが生成されたタイミング）で行ってもよいし、周期的に行ってもよい。

<<目的地の推定>>
次に、学習済みの目的地推定モデルを用いて、目的地を推定する方法について説明する。本実施形態では、推定部１５が、以下に説明する処理を実行することによって目的地を推定する。目的地の推定は、目的地推定モデルが構築されている状態において、任意のタイミングで行うことができる。第一の実施形態では、車両が出発した後で（トリップ開始後に）行うものとするが、車両が出発する前に（エンジンがかかったタイミング等で）行ってもよい。なお、以下で説明するセンサ情報は、トリップ中においてセンサ情報取得部１１から周期的に取得するものとする。

（１）目的地推定モデルにセンサ情報を入力する
まず、取得したセンサ情報に基づいて、出発地、出発地から現在位置までの結ぶ経路を表すリンク列、出発時間帯、出発曜日、乗車人数を特定し、目的地推定モデルに入力する。
（２）目的地を決定する
次に、目的地推定モデルから出力された目的地と尤度を取得し、出力された目的地のう
ち、尤度が最も高い目的地を特定する。ここで特定された目的地が、車両の目的地であると推定することができる。

以上のように構成することで、目的地を自動で推定することができる。また、当該目的地に関する情報を取得し、提供することで、ユーザが所望する情報を自動的に提供することができる。
一方で、学習時に考慮されていない外的要因が変化したような場合、推定した目的地が連続して外れる場合がある。このような場合、取得した情報を無条件でユーザに提供すると、ユーザが所望しない情報を連続して提供してしまうこととなり、装置に対するユーザの心象が悪化してしまうことがある。
そこで、本実施形態に係る情報提供装置は、推定の結果が正しかったかを事後的に評価し、当該評価の結果に基づいて、ユーザに対する情報提供を行うか否かを決定する。以下、その方法について説明する。

<<推定結果の評価>>
ここでは、推定した目的地が正しかったか否か、すなわち、ユーザに提供した情報が適切であったか否かを判定する処理について説明する。当該処理は、トリップが終了した際に、推定結果評価部１８によって実行される。
センサ情報取得部１１が取得したセンサ情報が、トリップの終了を表すものであった場合（例えば、エンジンが停止した場合）、推定結果評価部１８がこれを検知し、推定結果の評価を実行する。具体的には、センサ情報取得部１１から現在位置情報を取得し、現在位置が、推定部１５が推定した目的地と一致するか否かを判定したうえで、推定結果の正誤を表すデータである推定結果データを生成する。

図５は、推定結果評価部１８が生成した推定結果データの例である。推定結果データは、推定を行った日時、推定した目的地、推定正誤からなる表形式のデータである。例えば、トリップを終えた場所が、推定した目的地と一致した場合、推定正誤は「正」となり、それ以外の場合、推定正誤は「誤」となる。推定結果データのレコードは、トリップが終了するごとに追加される。

<<目的地に基づく情報提供>>
トリップ中に、推定部１５が目的地を推定した時点に戻って説明を続ける。
推定部１５によって目的地が推定されると、提供情報取得部１６が、当該目的地に関連した情報を、ネットワークを介して取得する。ユーザに提供する情報は、例えば交通情報であってもよいし、天候やレコメンド情報（例えば、店舗情報やセール情報、クーポン等）であってもよい。
なお、推定した目的地が変化した場合や、情報が更新された場合、提供情報取得部１６が、最新の情報を取得して提供するようにしてもよい。

ここで、取得した情報をユーザに提供するか否かを判断する処理について説明する。
提供情報取得部１６は、情報を取得すると、推定結果評価部１８が生成した推定結果データを参照し、最新の集計単位における、推定を誤った割合（以下、誤推定割合）を算出する。集計単位とは、推定結果データを所定の期間で区切ったものであり、第一の実施形態では「同一の日付」である。すなわち、図５の例において、現在の日付が２０１４年４月１日であった場合、最新の集計単位は、２０１４年４月１日に発生したデータとなり、誤推定割合は２５％となる。また、現在の日付が２０１４年４月２日であった場合、最新の集計単位は、２０１４年４月２日に発生したデータとなり、同様に、誤推定割合は７５％となる。
そして、誤推定割合が所定の値（例えば７５％）未満であった場合にのみ情報の提供を行い、所定の値以上であった場合、情報の提供を停止する。
なお、情報の提供が停止された場合であっても、日付が変わる（すなわち集計単位が変わる）と、再度情報が提供される状態となる。

<処理フローチャート>
次に、以上に説明した機能を実現するための処理フローチャートについて説明する。
図６は、トリップデータを収集する処理のフローチャートである。当該処理は、トリップデータ収集部１３によって周期的に実行される。

まず、ステップＳ１１で、車両がトリップを開始したか否かを判定する。車両がトリップを開始したか否かは、前述したように、センサ情報取得部１１からエンジンの状態を取得することで判定してもよいし、他のデータ（例えば車速など）を用いて判定してもよい。車両がトリップを開始していない場合は、開始されるまで待機し、トリップが開始された場合、ステップＳ１２に遷移し、センサ情報の収集を開始する。

ステップＳ１２では、センサ情報取得部１１からセンサ情報を取得し、一時的に蓄積する。また、ステップＳ１３では、車両がトリップを終了したか否かを判定する。車両が走行を終了していない場合は、所定の時間だけ待機したうえで、処理をステップＳ１２に遷移させる。車両がトリップを終了したと判定された場合、ステップＳ１４にて、トリップデータテーブルにレコードを追加する。

また、当該トリップにおいて、目的地の推定を実施しているか否かを判定し（ステップＳ１５）、目的地の推定を実施している場合、処理をステップＳ１６に遷移させ、前述した処理によって、推定結果データを生成する。目的地の推定を実施していない場合、処理は終了する。

図７は、記憶されたトリップデータに基づいて、モデル構築部１４が目的地推定モデルを構築（学習）する処理のフローチャートである。当該処理は、所定の周期、所定のスケジュールなど、任意のタイミングで実施することができる。例えば、毎日決まった時刻に、トリップデータ収集部１３から新しいトリップを取得し、処理を行うようにしてもよいし、エンジンが停止し、トリップデータが生成されたタイミングで、当該トリップを用いて処理を行ってもよい。

まず、ステップＳ２１で、トリップデータ収集部１３に記録されたトリップデータを取得する。そして、ステップＳ２２で、前述した方法によって、目的地推定モデルを学習させる。

図８は、学習された目的地推定モデルに基づいて、目的地を推定し、関連する情報を提供する処理のフローチャートである。当該処理は、車両の移動中に、任意のタイミング（例えば周期的に）で実行される。

まず、ステップＳ３１で、推定部１５が、前述した方法によって、車両の目的地を推定する。この際、目的地推定モデルから得られた目的地に対応する尤度がいずれも所定の値よりも小さい場合、推定不可能と判断し、処理を終了させる（ステップＳ３２−Ｎｏ）。
目的地が推定された場合（ステップＳ３２−Ｙｅｓ）、ステップＳ３３で、提供情報取得部１６が、推定された目的地に関連する情報をネットワーク経由で取得する。

次に、ステップＳ３４で、提供情報取得部１６が、推定結果評価部１８によって生成された推定結果データを参照し、最新の集計単位における推定結果を取得する。本実施形態では、集計単位とは前述したように同一の日付である。
ステップＳ３５では、ステップＳ３４で取得した結果に含まれる誤推定数の割合を算出
する。この結果、誤推定割合が所定値以上である場合、情報の提供を行わず、処理を終了させる。また、誤推定割合が所定値未満である場合、ステップＳ４０に遷移し、情報提供部１７を通して、取得した情報をユーザに提供する。

以上説明したように、第一の実施形態に係る情報提供装置では、同一の日付において目的地の誤推定が所定の割合よりも多く発生していた場合、ユーザに対する情報の提供を停止する。このようにすることで、何らかの原因によって目的地の推定精度が低下した場合に、一時的に情報提供を停止することができ、ユーザに与える煩わしさを軽減することができる。

（第二の実施形態）
第一の実施形態では、誤推定割合が所定の値より大きい場合、同日中における情報の提供を停止した。しかし、当該構成によると、誤推定割合が大きくなると、推定確度が高い（すなわち、推定誤りである可能性が低い）情報であっても、提供されなくなってしまう。
第二の実施形態は、これに対応するため、推定した目的地についての確度を利用して、情報の提供可否を決定する実施形態である。第二の実施形態に係る情報提供装置の構成は、第一の実施形態と同様であるため説明は省略し、処理が異なる部分についてのみ説明を行う。

図９は、第二の実施形態において、目的地を推定し、関連する情報を提供する処理のフローチャートである。なお、点線で表したステップについては、第一の実施形態と同様であるため説明は省略する。
第二の実施形態では、ユーザに情報を提供するか否かを決定するための総合的な尺度である「推定自信度」を算出し、閾値と比較することで、情報の提供有無を決定する。

まず、ステップＳ３５にて、誤推定割合が閾値未満であった場合を考える。この場合、目的地推定モデルが出力した、当該目的地に対応する尤度を推定確度として取得し、「推定自信度＝推定確度」とする（ステップＳ３６）。
一方、誤推定割合が閾値以上であった場合、誤推定割合の値に応じて、情報提供頻度ｐを設定する（ステップＳ３７）。情報提供頻度ｐは、１．０を上限とし、誤推定の割合が多いほど値が低下するパラメータである。例えば、誤推定割合が１０％増えるごとに値を０．１ずつ低下させる。
そして、目的地推定モデルが出力した、当該目的地に対応する尤度を推定確度として取得し、「推定自信度＝推定確度×ｐ」とする（ステップＳ３８）。
次に、推定自信度が閾値以上であるか否かを判定し（ステップＳ３９）、閾値以上である場合にのみ、ユーザに対する情報の提供を行う。

このように、第二の実施形態では、目的地の推定における確度と、誤推定割合に基づいて設定した情報提供頻度の双方を用いて、最終的にユーザに情報を提供するか否かを決定する。このようにすることで、ユーザが所望する情報をより精度よく提供することができる。

（第三の実施形態）
第一の実施形態では、集計単位における誤推定割合に基づいて、ユーザに情報を提供するか否かを決定した。これに対して第三の実施形態は、集計単位における、連続した誤推定の回数に基づいて、ユーザに情報を提供するか否かを決定する実施形態である。第三の実施形態に係る情報提供装置の構成は、第一の実施形態と同様であるため説明は省略し、処理が異なる部分についてのみ説明を行う。

第三の実施形態では、ステップＳ３５において、誤推定数の全体に対する割合ではなく、集計単位における誤推定の連続数（以下、誤推定連続数）を取得し、誤推定連続数と閾値との比較を行う。例えば、図５の例において、現在の日付が２０１４年４月１日であった場合、誤推定連続数は１回であり、現在の日付が２０１４年４月２日であった場合、誤推定連続数は３回である。そして、誤推定連続数が所定の値（例えば３回）以上であった場合に、情報の出力を停止する。

なお、第三の実施形態は、第二の実施形態と組み合わせてもよい。例えば、ステップＳ３７において、誤推定連続数が増えるほど、情報提供頻度ｐを低くするようにしてもよい。

（第四の実施形態）
第一ないし第三の実施形態では、モデル構築部１４が、目的地を推定するためのモデルを構築し、推定部１５が、目的地推定モデルに基づいて目的地を推定した。これに対し、第四の実施形態は、目的地ではなく、ユーザの行動目的を推定する実施形態である。
行動目的とは、例えば「平日の通勤」「昼休みにおける昼食」「休日の買い物」といったように、ユーザがどのようなカテゴリの移動をしているかを分類したものである。

第四の実施形態に係る情報提供装置は、モデル構築部１４が、ユーザの行動目的を推定するための確率モデルを構築するという点、推定部１５が、ユーザの行動目的を推定するという点、提供情報取得部１６が、推定された行動目的に適合する情報を取得するという点、および、推定結果評価部１８が、行動目的に基づいて、推定結果の正誤を判定するという点において、第一ないし第三の実施形態と相違する。

第四の実施形態では、ステップＳ２２の処理において、目的地のかわりに、目的地（およびセンサ情報）に基づいて決定した「行動目的」を入力する。例えば、目的地が自宅であった場合、行動目的を「帰宅」とすることができ、曜日が平日であって目的地が勤務先であった場合、行動目的を「出勤」とすることができる。また、目的地が商業施設であった場合、行動目的を「買い物」とすることができる。行動目的の決定には、例えば、特許文献２に記載の技術を用いてもよい。
このような学習を行うことで、センサ情報を入力すると、行動目的を出力する確率モデルを得ることができる。

また、第四の実施形態では、ステップＳ１６において、トリップ終了後の現在位置に基づいて、推定した行動目的の正誤を判定する。
また、ステップＳ３３において、提供情報取得部１６が、推定された行動目的に適合する情報を取得する。例えば、行動目的が通勤である場合、利用する道路の混雑情報を取得してもよいし、行動目的が買い物である場合、利用する地域のレコメンド情報を取得してもよい。

（変形例）
上記の実施形態はあくまでも一例であって、本発明はその要旨を逸脱しない範囲内で適宜変更して実施しうる。
例えば、各実施形態では、情報提供装置１０を車両に搭載された装置であるとしたが、情報提供装置は、携帯端末や、携帯端末上で動作するソフトウェアなどとして実施することもできる。また、情報提供装置は、ネットワーク経由で車両と通信するサーバ装置であってもよい。また、情報提供装置１０の構成要素の一部をサーバ側に配置し、その他の構成要素を車両側に配置してもよい。例えば、センサ情報取得部１１や情報提供部１７のみを車両側に配置してもよい。

また、実施形態の説明では、ステップＳ３４で用いる集計単位を日付としたが、集計単位は日付以外であってもよい。例えば、ユーザが所定の場所に到達した場合に、新しい集計単位が始まるものとしてもよい。所定の場所とは、自宅など固定の場所であってもよいし、ナビゲーション装置など、ユーザによって目的地を設定可能な場合は、当該目的地であってもよい。
このように、集計単位は、推定の精度が変化すると考えられる単位であれば、任意の期間とすることができる。

また、実施形態の説明では、推定対象として「目的地」と「移動目的」を例示したが、ユーザが所望する情報を提供するための材料であれば、他の要素を推定するようにしてもよい。例えば、目的地に至る経路を推定してもよいし、ユーザが所望する情報のカテゴリを直接推定してもよい。
また、ユーザが行おうとしている行動を予測し、当該行動に合致する情報を提供するようにしてもよい。ユーザの行動予測には、既知の技術を用いることができる。

また、実施形態の説明では、車両が推定通りの場所に到着したか否かによって、推定の正誤を判定したが、他の方法によって判定を行ってもよい。例えば、経路を予測する場合、実際の経路との一致率を算出してもよい。また、ユーザからの入力に基づいて判定を行ってもよい。例えば、提供した画面をユーザが読まずにすぐ閉じた場合、誤った情報を提供したと判定してもよい。
また、ユーザの行動を予測した場合、予測したとおりの行動を実際に行ったか否かによって、推定の正誤を判定するようにしてもよい。ユーザが予測したとおりの行動を行ったか否かは、例えばセンサ情報に基づいて判定することができる。

また、モデルの学習においては、教師あり学習を例示したが、教師なし学習（クラスタリング）を採用してもよい。例えば、移動における特徴量を取得し、特徴量に応じたクラスタリングの結果に基づいて、提供する情報を決定するようにしてもよい。また、ユーザ（ドライバー）ごとに異なる確率モデルを用いるようにしてもよい。

１０ 情報提供装置
１１ センサ情報取得部
１２ 地図情報記憶部
１３ トリップデータ収集部
１４ モデル構築部
１５ 推定部
１６ 提供情報取得部
１７ 情報提供部
１８ 推定結果評価部

Claims (9)

1. 移動するユーザに対して情報を提供する情報提供装置であって、
   前記ユーザに提供すべき情報を推定し、推定の確度を示す値である推定確度とともに出力する推定手段と、
   前記推定の結果に基づいて情報を取得し、前記ユーザに提供する情報提供手段と、
   前記提供した情報が適切であったか否かを判定し、判定結果を記憶する誤り判定手段と、
   を有し、
   前記情報提供手段は、前記推定確度と、ユーザに情報を提供する頻度である情報提供頻度を乗じた値に基づいて、前記ユーザに情報を提供するか否かを決定し、
   前記情報提供頻度は、前記記憶された判定結果のうち、所定の期間における、誤りを表す判定の数が多いほど低い値となる、
   情報提供装置。
2. 移動するユーザに対して情報を提供する情報提供装置であって、
   前記ユーザが移動する際の目的地または移動経路を予測し、前記目的地または移動経路に関連する情報を、前記ユーザに提供すべき情報であると推定する、または、前記ユーザの行動を予測し、前記予測した行動に関連する情報を、前記ユーザに提供すべき情報であると推定する推定手段と、
   前記推定の結果に基づいて情報を取得し、前記ユーザに提供する情報提供手段と、
   前記提供した情報が適切であったか否かを判定し、判定結果を記憶する誤り判定手段と、
   を有し、
   前記情報提供手段は、前記記憶された判定結果のうち、所定の期間における、誤りを表す判定の数に基づいて、前記ユーザに情報を提供するか否かを決定し、
   前記誤り判定手段は、前記予測した目的地または移動経路が、前記ユーザが行った実際の移動における目的地または移動経路と適合しているか否かを判定し、適合している場合に、前記提供した情報が適切であったと判定する、または、前記予測したユーザの行動が、前記ユーザが行った実際の行動と適合しているか否かを判定し、適合している場合に、前記提供した情報が適切であったと判定する、
   情報提供装置。
3. 前記情報提供手段は、前記所定の期間における、誤りを表す判定の、全体に対する割合に基づいて、前記ユーザに情報を提供するか否かを決定する、
   請求項２に記載の情報提供装置。
4. 前記情報提供手段は、前記所定の期間において、連続してＮ回（Ｎ≧２）の誤り判定が発生した場合に、当該Ｎの値に基づいて、前記ユーザに情報を提供するか否かを決定する、
   請求項２に記載の情報提供装置。
5. 前記ユーザの位置情報を取得する位置情報取得手段をさらに有し、
   前記誤り判定手段は、判定結果にユーザの位置情報を関連付けて記憶し、
   前記情報提供手段は、前記ユーザが最後に所定の地点に到着した時より後の期間を、前記所定の期間とする、
   請求項１から４のいずれかに記載の情報提供装置。
6. 現在の日時情報を取得する日時取得手段をさらに有し、
   前記誤り判定手段は、判定結果に日時情報を関連付けて記憶し、
   前記情報提供手段は、前回の判定から所定の時間が経過した時より後の期間を、前記所定の期間とする、
   請求項１から４のいずれかに記載の情報提供装置。
7. 移動するユーザに対して情報を提供する情報提供装置が行う情報提供方法であって、
   前記ユーザに提供すべき情報を推定し、推定の確度を示す値である推定確度とともに出力する推定ステップと、
   前記推定の結果に基づいて情報を取得し、前記ユーザに提供する情報提供ステップと、
   前記提供した情報が適切であったか否かを判定し、判定結果を記憶する誤り判定ステップと、
   を含み、
   前記情報提供ステップでは、前記推定確度と、ユーザに情報を提供する頻度である情報提供頻度を乗じた値に基づいて、前記ユーザに情報を提供するか否かを決定し、
   前記情報提供頻度は、前記記憶された判定結果のうち、所定の期間における、誤りを表す判定の数が多いほど低い値となる、
   情報提供方法。
8. 移動するユーザに対して情報を提供する情報提供装置が行う情報提供方法であって、
   前記ユーザが移動する際の目的地または移動経路を予測し、前記目的地または移動経路に関連する情報を、前記ユーザに提供すべき情報であると推定する、または、前記ユーザの行動を予測し、前記予測した行動に関連する情報を、前記ユーザに提供すべき情報であると推定する推定ステップと、
   前記推定の結果に基づいて情報を取得し、前記ユーザに提供する情報提供ステップと、
   前記提供した情報が適切であったか否かを判定し、判定結果を記憶する誤り判定ステップと、
   を含み、
   前記情報提供ステップでは、前記記憶された判定結果のうち、所定の期間における、誤りを表す判定の数に基づいて、前記ユーザに情報を提供するか否かを決定し、
   前記誤り判定ステップでは、前記予測した目的地または移動経路が、前記ユーザが行った実際の移動における目的地または移動経路と適合しているか否かを判定し、適合している場合に、前記提供した情報が適切であったと判定する、または、前記予測したユーザの行動が、前記ユーザが行った実際の行動と適合しているか否かを判定し、適合している場
   合に、前記提供した情報が適切であったと判定する、
   情報提供方法。
9. 請求項７または８に記載の情報提供方法の各ステップをコンピュータに実行させるプログラム。

Images