JP6364378B2 - バリア情報生成装置、バリア情報生成方法およびプログラム - Google Patents
バリア情報生成装置、バリア情報生成方法およびプログラム Download PDFInfo
- Publication number
- JP6364378B2 JP6364378B2 JP2015091819A JP2015091819A JP6364378B2 JP 6364378 B2 JP6364378 B2 JP 6364378B2 JP 2015091819 A JP2015091819 A JP 2015091819A JP 2015091819 A JP2015091819 A JP 2015091819A JP 6364378 B2 JP6364378 B2 JP 6364378B2
- Authority
- JP
- Japan
- Prior art keywords
- movement
- user
- measurement data
- mobile device
- estimation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Navigation (AREA)
- Traffic Control Systems (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Description
[第1の実施形態]
(構成)
図1は、この発明の第1の実施形態に係るバリア情報生成システムの機能構成を示すブロック図である。
バリア情報生成システムは、例えばサービス事業者が運用するバリア情報生成装置1Aと、利用者が移動機器として使用する車椅子3と、車椅子3に固定されるデータ収集機器としてのスマートフォン2と、移動状況ラベル作成装置4と、地図システム5を備える。
次に、以上のように構成されたバリア情報生成システムの動作を説明する。
(1)学習フェーズ
バリア情報生成装置1Aは、先ず車椅子3の利用者の移動状況を推定するために、移動状況の推定モデルを作成する学習フェーズを実行する。学習フェーズでは、推定モデルを作成するために、サービス事業者の複数のスタッフA〜Zが操作者となって車椅子3により移動し、その移動過程でセンサデータを取得して分析することで移動能力の異なる複数の推定モデルを構築する。
いまスタッフAが、車椅子3により様々な移動状況、例えば前後進や右左折等の移動行為、段差・傾斜等の路面状況を含む経路を、一定時間(例:30分)移動したとする。この移動中に、車椅子3に固定されたスマートフォン2は、一定時間ごと(例:20ミリ秒ごと)に加速度および角速度の計測を行って内部の記憶領域にその計測データを蓄積する。そして、この蓄積された計測データを一定時間ごと(例:1秒ごと)に、学習用のセンサデータとしてバリア情報生成装置1Aに向け無線送信する。個々のセンサデータは、例えば図6に示すように、計測日時と、加速度のx軸、y軸、z軸の各値と、角速度のx軸、y軸、z軸の各値とから構成される。
バリア情報生成装置1Aは、次に移動能力推定器構築部12Aの制御の下、移動能力推定器の構築処理S2を以下のように実行する。図4はその処理手順と処理内容を示すフローチャートである。
(1) 加速度のx軸の値と角速度のz軸の値との相関係数(turnCorrAxGz)
(2) 加速度のx軸の値の標準偏差(turnAxSd)
(3) 加速度のy軸の値の標準偏差(turnAySd)
(4) 加速度のz軸の値の標準偏差(turnAzSd)
(5) 角速度のz軸の値の標準偏差(turnGzSd)
をそれぞれ算出する。図15はこのように算出された各操作者の横変化発生期間における計測データの特徴量の一例を示すものである。
(1)′加速度の各軸の値の和
(2)′角速度の各軸の値の和
(3)′加速度の各軸の値を周波数分解した場合の各周波数帯域の強度
(4)′角速度の各軸の値を周波数分解した場合の各周波数帯域の強度
を算出するようにしてもよい。
上記移動能力推定器構築処理S2が終了すると、バリア情報作成装置1Aは続いてステップS3により、移動状況推定器構築部14Aの制御の下で、移動状況推定器の構築処理を、以下のように実行する。図5はその処理手順と処理内容を示すフローチャートである。
(1) 加速度のx軸の値と角速度のz軸の値との相関係数(corrAxGz)
(2) 加速度のx軸の値の標準偏差(axSd)
(3) 加速度のy軸の値の標準偏差(aySd)
(4) 加速度のz軸の値の標準偏差(azSd)
(5) 角速度のz軸の値の標準偏差(gzSd)
を移動状況ラベル付きセンサデータの特徴量として算出する。図18は算出された移動状況ラベル付きセンサデータの特徴量の一例を示す。
上記(1)の学習フェーズによる移動能力推定モデルおよび移動状況推定モデルの構築処理が終了すると、以後バリア情報生成装置1Aは、上記構築された推定モデルに基づいて、利用者が車椅子3により移動する際の移動状況の推定処理を実行する。
利用者が車椅子3により例えば街の中を移動したとする。この移動中に、車椅子3に固定されたスマートフォン2は、一定時間ごと(例:20ミリ秒ごと)に加速度および角速度の計測を行って、内部の記憶領域にセンサデータを蓄積する。またそれと共にスマートフォン2は、上記加速度及び角速度の計測タイミングと同じタイミングでGPSセンサにより現在位置を表す緯度・経度データを計測して蓄積する。そして、この計測された緯度・経度データを、上記加速度及び角速度の計測データと共に、一定時間ごと(例:1秒ごと)に、センサデータとしてバリア情報生成装置1Aに向け無線送信する。
バリア情報生成装置1Aは、続いて移動能力推定部16Aの制御の下、利用者の移動能力を推定する処理S5を以下のように実行する。図22はその処理手順と処理内容を示すフローチャートである。
バリア情報生成装置1Aは、次に移動能力推定器選択部17Aの制御の下、上記移動能力推定部16Aから渡された移動能力推定結果に対応する移動状況推定器を選択する処理S6を、以下のように実行する。図23はその処理手順と処理内容を示すフローチャートである。
バリア情報生成装置1Aは、次に移動能力推定部18Aの制御の下、上記移動能力推定器選択部17Aから渡された移動状況推定器と、上記受信されたセンサデータとに基づいて、各位置における車椅子3の移動状況を推定する処理S7を、以下のように実行する。図24はその処理手順と処理内容を示すフローチャートである。
(1) 加速度のx軸の値と角速度のz軸の値との相関係数(corrAxGz)
(2) 加速度のx軸の値の標準偏差(axSd)
(3) 加速度のy軸の値の標準偏差(aySd)
(4) 加速度のz軸の値の標準偏差(azSd)
(5) 角速度のz軸の値の標準偏差(gzSd)
を算出する。図27は算出されたセンサデータの特徴量の一例を示すものである。
バリア情報生成装置1Aは、最後に移動状況出力部19Aの制御の下、上記移動状況推定部18Aから渡された位置ごとの移動状況ラベルをもとにバリア情報を表示させる処理S8を、以下のように実行する。図25はその処理手順と処理内容を示すフローチャートである。
以上詳述したように第1の実施形態では、バリア情報生成装置1Aが、先ず学習フェーズにおいて、複数の操作者A〜Zが車椅子3で移動中に、その動きを表す加速度及び角速度からなるセンサデータをスマートフォン2から収集すると共に、操作者が移動状況ラベル作成装置4において入力した移動状況を表すラベルデータを収集する。そして、収集したセンサデータから横変化が発生した期間におけるセンサデータを抽出してその特徴量を算出し、算出された特徴量をもとに操作者をクラス分けしてその分類結果を移動能力推定モデルとして蓄積する。さらに、操作者ごとに上記移動状況ラベルが指定された区間に得られたセンサデータから特徴量を算出し、この算出されたセンサデータ特徴量と上記移動能力推定モデルをもとに、移動能力クラスごとの移動状況推定器を構築し移動状況推定器蓄積部15Aに蓄積する。
この発明の第2の実施形態は、移動中に、操作者および利用者の体に装着した心電測定装置から心電図のRRI データを収集し、この心電図のRRI データに基づいて操作者および利用者の緊張状態を推定し、この緊張状態に基づいて利用する移動状況推定器を選択するようにしたものである。
図32は、この発明の第2の実施形態に係るバリア情報生成システムの構成を示すブロック図である。なお、同図において図1と同一部分には同一符号を付して詳しい説明は省略する。
次に、以上のように構成されたバリア情報生成システムの動作を説明する。
(1)学習フェーズ
バリア情報生成装置1Bは、第1の実施形態と同様に、先ず車椅子3の利用者の移動状況を推定するために、移動状況の推定モデルを作成する学習フェーズを実行する。学習フェーズでは、推定モデルを作成するために、サービス事業者の複数のスタッフA〜Zが操作者となって車椅子3により移動し、その移動過程でセンサデータを取得して分析することで移動能力の異なる複数の推定モデルを構築する。
スタッフAが、車椅子3により様々な移動状況、例えば前後進や右左折等の移動行為、段差・傾斜等の路面状況を含む経路を、一定時間(例:30分)移動したとする。この移動中に、車椅子3に固定されたスマートフォン2は、一定時間ごと(例:20ミリ秒ごと)に加速度および角速度の計測を行って内部の記憶領域にその計測データを蓄積する。そして、この蓄積された計測データを一定時間ごと(例:1秒ごと)に、学習用のセンサデータとしてバリア情報生成装置1Bに向け無線送信する。個々のセンサデータは、例えば図6に示したように、計測日時と、加速度のx軸、y軸、z軸の各値と、角速度のx軸、y軸、z軸の各値とから構成される。
バリア情報生成装置1Bは、次に移動能力推定器構築部12Bの制御の下、移動能力推定器の構築処理を以下のように実行する。図34はその処理手順と処理内容を示すフローチャートである。
上記移動能力推定器構築が終了すると、バリア情報作成装置1Bは続いて移動状況推定器構築部14Bの制御の下、移動状況推定器の構築処理を以下のように実行する。なお、この移動状況推定器構築処理は第1の実施形態と同様なので図5を用いて説明する。
(1) 加速度のx軸の値と角速度のz軸の値との相関係数(corrAxGz)
(2) 加速度のx軸の値の標準偏差(axSd)
(3) 加速度のy軸の値の標準偏差(aySd)
(4) 加速度のz軸の値の標準偏差(azSd)
(5) 角速度のz軸の値の標準偏差(gzSd)
を移動状況ラベル付きセンサデータの特徴量として算出する。
上記(1)の学習フェーズによる移動能力推定モデルおよび移動状況推定モデルの構築処理が終了すると、以後バリア情報生成装置1Bは、上記構築された推定モデルに基づいて、利用者が車椅子3により移動する際の移動状況の推定処理を実行する。
利用者が車椅子3により例えば街の中を移動したとする。この移動中に、車椅子3に固定されたスマートフォン2は、一定時間ごと(例:20ミリ秒ごと)に加速度および角速度の計測を行って、内部の記憶領域にセンサデータを蓄積する。またそれと共にスマートフォン2は、上記加速度及び角速度の計測タイミングと同じタイミングでGPSセンサにより現在位置を表す緯度・経度データを計測して蓄積する。そして、この計測された緯度・経度データを、上記加速度及び角速度の計測データと共に、一定時間ごと(例:1秒ごと)に、センサデータとしてバリア情報生成装置1Aに向け無線送信する。
バリア情報生成装置1Bは、続いて移動能力推定部16Bの制御の下、利用者の移動能力を推定する処理を以下のように実行する。なお、この移動能力推定処理は第1の実施形態と同一なので図22を用いて説明を行う。
バリア情報生成装置1Bは、次に移動能力推定器選択部17Bの制御の下、上記移動能力推定部16Bから渡された移動能力推定結果に対応する移動状況推定器を選択する処理を、以下のように実行する。なお、この移動能力推定器の選択処理も第1の実施形態と同一なので図23を用いて説明する。
バリア情報生成装置1Bは、次に移動能力推定部18Bの制御の下、上記移動能力推定器選択部17Bから渡された移動状況推定器と、上記受信されたセンサデータとに基づいて、各位置における車椅子3の移動状況を推定する処理を以下のように実行する。なお、この移動能力推定器の選択処理も第1の実施形態と同一なので図24を用いて説明する。
(1) 加速度のx軸の値と角速度のz軸の値との相関係数(corrAxGz)
(2) 加速度のx軸の値の標準偏差(axSd)
(3) 加速度のy軸の値の標準偏差(aySd)
(4) 加速度のz軸の値の標準偏差(azSd)
(5) 角速度のz軸の値の標準偏差(gzSd)
を算出する。図27は算出されたセンサデータの特徴量の一例を示したものである。
バリア情報生成装置1Bは、最後に移動状況出力部19Bの制御の下、上記移動状況推定部18Bから渡された位置ごとの移動状況ラベルをもとにバリア情報を表示させる処理を以下のように実行する。なお、この移動能力推定器の選択処理も第1の実施形態と同一なので図25を用いて説明する。
以上詳述したように第2の実施形態では、学習フェーズにおいて、操作者が車椅子により移動中に、操作者の体に装着した心電測定装置6から心電図のRRI データを収集し、この心電図のRRI データに基づいて操作者および利用者の緊張状態を推定し、この緊張状態に基づいて利用する移動能力推定器および移動状況推定器を構築するようにしている。また推定フェーズにおいても、移動中の利用者のRRI データに基づいて利用者の移動能力を推定し、その推定結果に対応する移動状況推定器を選択して、この選択された移動状況推定器を用いて利用者の移動状況ラベルを推定し、その推定結果を表示するようにしている。
従って、第1の実施形態と同様に、利用者はシステムのバリア情報提供サービスを利用中に路上でバリア情報を入力する必要がなくなり、これにより操作上の手間を軽減することができると共に、移動能力の推定と移動状況の推定という二段階の推定処理により利用者の移動状況を高精度の推定を行うことができる。
第1及び第2の実施形態では、利用者が車椅子により移動する場合を例にとって説明したが、ベビーカーを押して移動する場合や大きなスーツケースや買い物用のキャリアケースを引いて移動する場合にも、この発明は適用可能である。
Claims (6)
- 利用者または当該利用者が使用する移動機器の移動中に、当該利用者または移動機器の動きと位置を計測し、当該動きと位置を表す計測データを送信するデータ計測機器と、前記利用者または移動機器の移動状況の種類を表す移動状況ラベルおよび当該移動状況で移動する期間を表す情報の入力を受け付けてその入力データを送信するための移動状況入力機器との間でそれぞれ通信が可能なバリア情報生成装置であって、
学習時に、学習対象の複数の利用者またはその移動機器がそれぞれ移動する際の、当該利用者または移動機器の動きを表す計測データを前記データ計測機器から収集すると共に、前記各利用者がそれぞれ入力した移動状況ラベルおよび移動期間を表す情報を前記移動状況入力機器から収集し、当該収集された動きを表す計測データと移動状況ラベルおよび移動期間を表す情報に基づいて移動状況推定モデルを作成し記憶する学習処理手段と、
推定時に、推定対象の利用者または移動機器が移動する際の、当該利用者または移動機器の動きと位置を表す計測データを前記データ計測機器から収集し、当該収集した動きを表す計測データと前記記憶された複数の移動状況推定モデルとに基づいて前記推定対象の利用者または移動機器の移動状況を推定し、その推定結果と前記収集した位置を表す計測データに基づいて前記位置と前記移動状況ラベルとを関連付けたバリア情報を生成し出力する推定処理手段と
を具備し、
前記学習処理手段は、
前記収集された利用者または移動機器の動きを表す計測データと移動状況ラベルおよび移動期間を表す情報をもとに前記学習対象の複数の利用者またはその移動機器のそれぞれについてその移動能力を表す特徴量を算出し、当該算出された移動能力の特徴量をもとに前記利用者または移動機器の移動能力を複数の移動能力クラスに分類する移動能力推定モデルを生成する手段と、
前記収集された利用者または移動機器の動きを表す計測データをもとに前記移動状況ラベルごとの計測データの特徴量を算出し、当該算出された計測データの特徴量と前記生成された移動能力推定モデルとをもとに移動能力クラスごとの移動状況推定モデルを作成して記憶する手段と
を有し、
前記推定処理手段は、
前記収集された利用者または移動機器の動きを表す計測データを前記移動能力推定モデルに入力して移動能力クラスの分類結果を得る手段と、
前記移動能力クラスの分類結果をもとに、前記記憶された移動状況推定モデルを選択する手段と、
前記収集された利用者または移動機器の動きと位置を表す計測データをもとに、当該動きを表す計測データの位置ごとの特徴量を算出し、当該算出された計測データの位置ごとの特徴量を前記選択された移動状況推定モデルに入力して、位置ごとの移動状況ラベルを出力する手段と
を有することを特徴とするバリア情報生成装置。 - 前記データ計測機器が、前記利用者または移動機器の動きを表す計測データとして、当該利用者または移動機器の加速度および角速度の計測データを送信する場合に、
前記移動能力推定モデルを生成する手段は、前記収集された加速度および角速度の計測データから前記利用者または移動機器の横方向の動きの変化を表す計測データを抽出し、この抽出された横方向の動きの変化を表す計測データの特徴量を前記学習対象の利用者または移動機器の移動能力を表す特徴量として算出する
ことを特徴とする請求項1に記載のバリア情報生成装置。 - 前記利用者の心拍変動を表す情報を計測してその計測データを送信する心電測定機器との間で、さらに通信が可能なバリア情報生成装置であって、
前記移動能力推定モデルを生成する手段は、前記心電測定機器から送信される心拍変動を表す計測データをもとに前記利用者の緊張の度合いを表す計測データを抽出し、この抽出された緊張の度合いを表す計測データの特徴量を前記学習対象の利用者または移動機器の移動能力を表す特徴量として算出する
ことを特徴とする請求項1に記載のバリア情報生成装置。 - 前記データ計測機器は、前記利用者または移動機器に装着される携帯型の通信端末機器からなり、当該利用者または移動機器の動きと位置を表す計測データをその計測時刻を表す情報と共に前記バリア情報生成装置へ無線送信する第1の手段と、前記心電測定機器から送信された前記利用者の心拍変動を表す計測データを前記バリア情報生成装置へ中継転送する第2の手段とのうち、少なくとも前記第1の手段を備えることを特徴とする請求項1乃至3のいずれかに記載のバリア情報生成装置。
- 利用者または当該利用者が使用する移動機器の移動中に、当該利用者または移動機器の動きと位置を計測し、当該動きと位置を表す計測データを送信するデータ計測機器と、前記利用者または移動機器の移動状況の種類を表す移動状況ラベルおよび当該移動状況で移動する期間を表す情報の入力を受け付けてその入力データを送信するための移動状況入力機器との間で、それぞれ通信が可能なバリア情報生成装置が実行するバイア情報生成方法であって、
前記バリア情報生成装置が、学習時に、学習対象の複数の利用者またはその移動機器がそれぞれ移動する際の、当該利用者または移動機器の動きを表す計測データを前記データ計測機器から収集すると共に、前記各利用者がそれぞれ入力した移動状況ラベルおよび移動期間を表す情報を前記移動状況入力機器から収集し、当該収集された動きを表す計測データと移動状況ラベルおよび移動期間を表す情報に基づいて移動状況推定モデルを作成し記憶する学習処理過程と、
前記バリア情報生成装置が、推定時に、推定対象の利用者または移動機器が移動する際の、当該利用者または移動機器の動きと位置を表す計測データを前記データ計測機器から収集し、当該収集した動きを表す計測データと前記記憶された複数の移動状況推定モデルとに基づいて前記推定対象の利用者または移動機器の移動状況を推定し、その推定結果と前記収集した位置を表す計測データに基づいて前記位置と前記移動状況ラベルとを関連付けたバリア情報を生成し出力する推定処理過程と
を具備し、
前記学習処理過程は、
前記収集された利用者または移動機器の動きを表す計測データと移動状況ラベルおよび移動期間を表す情報をもとに前記学習対象の複数の利用者またはその移動機器のそれぞれについてその移動能力を表す特徴量を算出し、当該算出された移動能力の特徴量をもとに前記利用者または移動機器の移動能力を複数の移動能力クラスに分類する移動能力推定モデルを生成する過程と、
前記収集された利用者または移動機器の動きを表す計測データをもとに前記移動状況ラベルごとの計測データの特徴量を算出し、当該算出された計測データの特徴量と前記生成された移動能力推定モデルとをもとに移動能力クラスごとの移動状況推定モデルを作成して記憶する過程と
を有し、
前記推定処理過程は、
前記収集された利用者または移動機器の動きを表す計測データを前記移動能力推定モデルに入力して移動能力クラスの分類結果を得る過程と、
前記移動能力クラスの分類結果をもとに、前記記憶された移動状況推定モデルを選択する過程と、
前記収集された利用者または移動機器の動きと位置を表す計測データをもとに、当該動きを表す計測データの位置ごとの特徴量を算出し、当該算出された計測データの位置ごとの特徴量を前記選択された移動状況推定モデルに入力して、位置ごとの移動状況ラベルを出力する過程と
を有することを特徴とするバリア情報生成方法。 - 請求項1乃至4のいずれかに記載のバリア情報生成装置が具備する前記各手段の処理を、当該バリア情報生成装置が備えるプロセッサに実行させるプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015091819A JP6364378B2 (ja) | 2015-04-28 | 2015-04-28 | バリア情報生成装置、バリア情報生成方法およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015091819A JP6364378B2 (ja) | 2015-04-28 | 2015-04-28 | バリア情報生成装置、バリア情報生成方法およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016207160A JP2016207160A (ja) | 2016-12-08 |
JP6364378B2 true JP6364378B2 (ja) | 2018-07-25 |
Family
ID=57490059
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015091819A Active JP6364378B2 (ja) | 2015-04-28 | 2015-04-28 | バリア情報生成装置、バリア情報生成方法およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6364378B2 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6139722B1 (ja) * | 2016-02-19 | 2017-05-31 | ヤフー株式会社 | 推定装置、推定方法及び推定プログラム |
JP7191456B2 (ja) * | 2018-07-02 | 2022-12-19 | アルパイン株式会社 | パーソナルモビリティ、障害物検出システム及び車椅子 |
WO2020255405A1 (ja) * | 2019-06-21 | 2020-12-24 | 日本電信電話株式会社 | 情報収集装置、情報収集方法、及びプログラム |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003245310A (ja) * | 2002-02-26 | 2003-09-02 | Honda Motor Co Ltd | 低速移動車両および低速移動車両地理案内システム |
JP2004037269A (ja) * | 2002-07-03 | 2004-02-05 | Communication Research Laboratory | 自立移動支援システム、その方法および記録媒体 |
JP2007199627A (ja) * | 2006-01-30 | 2007-08-09 | Nec Access Technica Ltd | 地図情報提供システム |
JP2010020702A (ja) * | 2008-07-14 | 2010-01-28 | Sumitomo Electric Ind Ltd | バリア情報提供システム及び方法とこれに用いる低速車両 |
-
2015
- 2015-04-28 JP JP2015091819A patent/JP6364378B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2016207160A (ja) | 2016-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Probabilistic multimodal map matching with rich smartphone data | |
US10558898B2 (en) | System and method for generating a map from activity data | |
US8831909B2 (en) | Step detection and step length estimation | |
JP5214810B2 (ja) | 位置情報分析装置および位置情報分析方法 | |
EP3080724B1 (en) | Generating elevation data for maps | |
Yoon et al. | Cityride: a predictive bike sharing journey advisor | |
US8612134B2 (en) | Mining correlation between locations using location history | |
EP2508845B1 (en) | Device, system, method and program for creating a bicycle map | |
US20150169659A1 (en) | Method and system for generating user lifelog | |
US10754040B2 (en) | System and method for graph encoding of physical activity data | |
JP6373227B2 (ja) | バリア情報生成装置、バリア情報生成方法およびプログラム | |
Du et al. | Recognition of group mobility level and group structure with mobile devices | |
JP6364378B2 (ja) | バリア情報生成装置、バリア情報生成方法およびプログラム | |
US10289206B2 (en) | Free-form drawing and health applications | |
JP2014230616A (ja) | 運動支援システム、端末装置、サーバー装置、情報提供方法、情報集計方法、情報提供プログラムおよび情報集計プログラム | |
JP6410670B2 (ja) | 通行難易度推定装置、方法およびプログラム | |
EP3053129A1 (en) | Marker based activity transition models | |
KR101256907B1 (ko) | 사용자 상황 실시간 인식 장치 및 방법 | |
CN107224290A (zh) | 行动解析装置、行动解析方法以及计算机可读取的记录介质 | |
Yu et al. | A Bi-LSTM approach for modelling movement uncertainty of crowdsourced human trajectories under complex urban environments | |
JP2013246114A (ja) | 提示制御装置、提示制御方法、プログラム、記録媒体および位置取得装置 | |
JP5401421B2 (ja) | 行動域推定装置、方法及びプログラム | |
Wang et al. | Sar: a social-aware route recommendation system for intelligent transportation | |
Chen | Modeling route choice behavior using smartphone data | |
CN107367284A (zh) | 预览越野小径概况并查看与越野小径相关联的健康要求的方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170623 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180508 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180606 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20180626 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180702 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6364378 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |