Patents
Search within
Search within the title, abstract, claims, or full patent document: You can restrict your search to a specific field using field names.
Use TI= to search in the title, AB= for the abstract, CL= for the claims, or TAC= for all three. For example, TI=(safety belt).
Search by Cooperative Patent Classifications (CPCs): These are commonly used to represent ideas in place of keywords, and can also be entered in a search term box. If you're searching forseat belts, you could also search for B60R22/00 to retrieve documents that mention safety belts or body harnesses. CPC=B60R22 will match documents with exactly this CPC, CPC=B60R22/low matches documents with this CPC or a child classification of this CPC.
Learn More
Title
Abstract
Claims
Full Document
Find patents
Keywords and boolean syntax (USPTO or EPO format): seat belt searches these two words, or their plurals and close synonyms. "seat belt" searches this exact phrase, in order. -seat -belt searches for documents not containing either word.
For searches using boolean logic, the default operator is AND with left associativity. Note: this means safety OR seat belt is searched as (safety OR seat) AND belt. Each word automatically includes plurals and close synonyms. Adjacent words that are implicitly ANDed together, such as (safety belt), are treated as a phrase when generating synonyms.
Learn More
Search by
Chemistry searches match terms (trade names, IUPAC names, etc. extracted from the entire document, and processed from .MOL files.)
Substructure (use SSS=) and similarity (use ~) searches are limited to one per search at the top-level AND condition. Exact searches can be used multiple times throughout the search query.
Searching by SMILES or InChi key requires no special syntax. To search by SMARTS, use SMARTS=.
To search for multiple molecules, select "Batch" in the "Type" menu. Enter multiple molecules separated by whitespace or by comma.
Learn More
Patent numbers
Search specific patents by importing a CSV or list of patent publication or application numbers.
位置推定装置、位置推定方法および位置推定プログラム
JP6367771B2
Japan
- Other languages
English - Inventor
満昭 秋山 満昭 秋山 毅 八木 毅 八木 森 達哉 達哉 森 卓弥 渡邉 卓弥 渡邉 - Current Assignee
- Nippon Telegraph and Telephone Corp
Worldwide applications
2015
JP
Application JP2015147662A events
2015-07-27
2017-02-02
2018-08-01
Application granted
2018-08-01
Status
Active
2035-07-27
Anticipated expiration
Description
translated from
本発明は、位置推定装置、位置推定方法および位置推定プログラムに関する。
近年、スマートフォン等のモバイルデバイスの普及に伴い、位置情報を特定する技術や、位置情報に基づいたサービスが登場している。例えば、人工衛星を用いた現在位置を測定するシステムである全地球測位システム（ＧＰＳ：Global Positioning System）を用いることで、デバイスが地球上のどこにいるかを正確に座標で知ることができる。
一方、ＧＰＳが利用できない状況下において位置を特定する技術としてＩＰＳ（Indoor Positioning System）が知られている（例えば、非特許文献１を参照）。ＩＰＳは、屋内において、ＧＰＳ以外のセンサ情報（電波、音声、光等）を用いて、物や人の検知や誘導を行うことを目的としている。
また、ＧＰＳを用いない位置特定サービスであるPlaceEngineは、無線ＬＡＮのアクセスポイント（ＡＰ）のあらかじめ登録された位置情報と、そのＡＰの電波強度から、現在のデバイスの位置を推定することができる（例えば、非特許文献２を参照）。
Yanying Gu, Anthony Lo, Senior Member, IEEE, and Ignas Niemegeers "A Survey of Indoor Positioning Systems for Wireless Personal Networks" IEEE COMMUNICATIONS SURVEYS & TUTORIALS, VOL. 11, NO. 1, FIRST QUARTER 2009
PlaceEngine, http://www.placeengine.com
しかしながら、従来の技術には、ＧＰＳや無線ＬＡＮ等のサービスを利用できない状況においては、デバイスの位置を特定することができないという問題があった。
例えば、ＧＰＳを用いた位置の特定においては、ＧＰＳを測位するために、デバイスと衛星間に障害物がある場合はＧＰＳを測位することができない。つまり、建物内や地下ではＧＰＳによる位置の特定ができない。
また、ＡＰの位置情報および電波強度から位置を特定する方法では、ＡＰの位置情報があらかじめサービス用のデータベースに登録されている必要があり、登録されていないＡＰでは位置を特定することができない。また、そもそもＡＰが存在しない場所ではサービスを利用できない。
さらに、近年のスマートデバイスでは、ＧＰＳセンサや無線ＬＡＮのオンとオフを、ユーザが手動で設定することができるため、ＧＰＳセンサがオフの場合や、無線ＬＡＮがオフの場合に、位置を特定することができない。
さらに、デバイスの位置の特定や推定ができない場合、デバイスの位置に基づいてナビゲーションを行うカーナビゲーションシステム等のサービスや、天気予報を表示するサービス、広告を表示するサービス等が実施できなくなる。
本発明の位置推定装置は、端末に備えられた少なくとも加速度センサを含む１つ以上のセンサによって測定された数値、および前記数値が測定された時刻を特徴ベクトルに変換するセンサ情報処理部と、各時刻における前記端末の状態が、各地点間を移動する移動体とともに移動中である乗車状態と、停止している停止状態とを含んだ移動に関する状態のうち、いずれの状態であったかを前記特徴ベクトルを基に推定する活動状態推定部と、前記活動状態推定部によって推定された前記状態を基に、前記端末が前記移動体とともに一の地点を出発したと推定される推定出発時刻と、前記端末が前記移動体とともに他の地点へ到着したと推定される推定到着時刻との組み合わせを生成する発着シーケンス生成部と、前記各地点における前記移動体の出発予定時刻および到着予定時刻を含む時刻情報と、前記各地点がどの地点と接続されているかを示す経路情報とを記憶する記憶部から、前記推定出発時刻および前記推定到着時刻の組み合せを基に、前記端末が移動した経路を検索し、検索した結果から前記端末の位置を特定する候補経路検索部と、を有することを特徴とする。
本発明の位置推定方法は、位置推定装置で実行される位置推定方法であって、端末に備えられた少なくとも加速度センサを含む１つ以上のセンサによって測定された数値、および前記数値が測定された時刻を特徴ベクトルに変換するセンサ情報処理工程と、各時刻における前記端末の状態が、各地点間を移動する移動体とともに移動中である乗車状態と、停止している停止状態とを含んだ移動に関する状態のうち、いずれの状態であったかを前記特徴ベクトルを基に推定する活動状態推定工程と、前記活動状態推定工程によって推定された前記状態を基に、前記端末が前記移動体とともに一の地点を出発したと推定される推定出発時刻と、前記端末が前記移動体とともに他の地点へ到着したと推定される推定到着時刻との組み合わせを生成する発着シーケンス生成工程と、前記各地点における前記移動体の出発予定時刻および到着予定時刻を含む時刻情報と、前記各地点がどの地点と接続されているかを示す経路情報とを記憶する記憶部から、前記推定出発時刻および前記推定到着時刻の組み合せを基に、前記端末が移動した経路を検索し、検索した結果から前記端末の位置を特定する候補経路検索工程と、を含んだことを特徴とする。
本発明によれば、ＧＰＳや無線ＬＡＮ等のサービスを利用できない状況においても、デバイスの位置を特定することができる。
以下に、本願に係る位置推定装置、位置推定方法および位置推定プログラムの実施形態を図面に基づいて詳細に説明する。なお、この実施形態により本願に係る位置推定装置、位置推定方法および位置推定プログラムが限定されるものではない。
［第１の実施形態］
以下の実施形態では、第１の実施形態に係る位置推定システムおよび位置推定装置の構成、位置推定装置の処理の流れを順に説明し、最後に第１の実施形態による効果を説明する。
以下の実施形態では、第１の実施形態に係る位置推定システムおよび位置推定装置の構成、位置推定装置の処理の流れを順に説明し、最後に第１の実施形態による効果を説明する。
［第１の実施形態の構成］
まず、図１を用いて、第１の実施形態に係る位置推定システムおよび位置推定装置の構成について説明する。図１は、第１の実施形態に係る位置推定システムおよび位置推定装置の構成の一例を示す図である。図１に示すように、位置推定システム１は、端末１０、位置推定装置２０および記憶装置３０を有する。また、端末１０は、加速度センサ１０１、ジャイロセンサ１０２および磁力センサ１０３等のセンサを有する。
まず、図１を用いて、第１の実施形態に係る位置推定システムおよび位置推定装置の構成について説明する。図１は、第１の実施形態に係る位置推定システムおよび位置推定装置の構成の一例を示す図である。図１に示すように、位置推定システム１は、端末１０、位置推定装置２０および記憶装置３０を有する。また、端末１０は、加速度センサ１０１、ジャイロセンサ１０２および磁力センサ１０３等のセンサを有する。
端末１０の具体的な例としてはスマートフォン、ウェアラブルコンピュータ、センサおよび通信機能を有するカメラ等が挙げられる。また、加速度センサは端末の所定の方向の加速度を測定する。また、ジャイロセンサは端末が回転した場合の角速度を測定する。磁力センサは磁場の大きさや方向を測定する。
また、位置推定装置２０は、センサ情報処理部２０１、活動状態推定部２０２、発着シーケンス生成部２０３および候補経路検索部２０４を有する。また、記憶装置３０は、経路情報記憶部３０２および時刻情報記憶部３０１を有する。以降、各部について詳細に説明する。
センサ情報処理部２０１は、端末１０に備えられた少なくとも加速度センサ１０１を含む１つ以上のセンサによって測定された数値、および数値が測定された時刻を特徴ベクトルに変換する。センサ情報処理部２０１は、例えば、センサから得られる数値とその数値を取得した時刻を合わせて時系列として扱う。
また、センサ情報処理部２０１がセンサから数値を得る間隔、すなわちサンプリングレートは任意である。例えば、サンプリングレートは１０Ｈｚであってもよい。この場合、センサ情報処理部２０１は、１秒間に１０回、すなわち０．１秒間隔でセンサが測定した数値を取得する。
また、センサ情報処理部２０１は、例えば加速度センサ１０１によって測定されたＸ軸方向の加速度、Ｙ軸方向の加速度およびＺ軸方向の加速度を取得する。センサ情報処理部２０１は、センサから取得した数値、もしくは各数値の平均、分散、閾値と比較した時の大小、最大値、最小値、傾き等から構成される特徴量の集まり、すなわち特徴ベクトルを作成する。
ここで、特徴ベクトルの作成方法の一例について説明する。図２に示すように、センサから得られる情報は時間と値の組の連続から構成される。図２は、センサによって測定されるデータの一例を示す図である。図２のＡは、加速度センサ１０１から取得した各時刻における端末１０の加速度を示している。また、図２のＭは、磁力センサ１０３から取得した各時刻における端末１０の磁力を示している。また、図２のＧは、ジャイロセンサ１０２から取得した各時刻における端末１０の角速度を示している。
センサ情報処理部２０１は、連続する情報をブロック単位に分けて特徴ベクトルを作成する。ブロックはＮ個の連続するデータを含む。例えば、Ｎを２０とすると、０．１秒間隔でセンサからデータを収集している場合は、２秒分の連続するデータが１つのブロックとなる。
例えば、加速度センサ１０１から取得した数値および時刻を用いて、時刻ｉに対応する特徴ベクトルを作成すると、下記の式（１）のようになる。例えば、式（１）でデータ取得間隔を０．１秒とした場合、ａ１ （ｉ）は時刻ｉの加速度であり、ａ２ （ｉ）はａ１ （ｉ）の０．１秒後の加速度である。この場合、加速度はある一方向の加速度であってもよいし、また、Ｘ方向、Ｙ方向およびＺ方向の加速度を示すベクトルであってもよいし、加速度のベクトルの大きさであってもよい。
活動状態推定部２０２は、各地点間を移動する移動体とともに移動中である乗車状態と、停止している停止状態とを含んだ移動に関する状態のうち、各時刻において端末１０がいずれの状態であったかを特徴ベクトルを基に推定する。第１の実施形態においては、移動体、地点、時刻情報および経路情報はそれぞれ電車、駅、時刻表および経路図に対応する。
活動状態推定部２０２は、端末１０を保有しているユーザの活動状態を推定する。第１の実施形態において、活動状態とは、立ち止まって動いていない状態である停止状態、歩いているもしくは走っている状態である歩行状態、および移動中の電車に乗っている状態である乗車状態が含まれる。活動状態推定部２０２は、センサ情報処理部２０１で作成された特徴ベクトルを用いて、端末１０がいずれの状態にあるかを推定する。活動状態推定部２０２の推定結果は、各時刻において端末１０が乗車状態、歩行状態および停止状態のうちのいずれの状態であるかによって示される。
なお、端末１０が電車内にある場合であっても、電車が停止している場合は停止状態である。例えば、駅Ａを出発し駅Ｂを経由して駅Ｃへ到着する場合、駅Ａと駅Ｂの間を移動している間および駅Ｂと駅Ｃの間を移動している間は乗車状態であり、駅Ａ、駅Ｂおよび駅Ｃに電車が停車している間の活動状態は停止状態である。
活動状態推定部２０２は、例えばサポートベクターマシン等の機械学習アルゴリズムによって活動状態の推定を行う。機械学習アルゴリズムは、乗車状態、歩行状態、停止状態といった活動状態における特徴ベクトルを学習データとして与えられることで学習を行う。そして、活動状態推定部２０２は、学習を行った機械学習アルゴリズムに推定対象の特徴ベクトルを入力し、活動状態を推定する。
発着シーケンス生成部２０３は、活動状態推定部２０２によって推定された状態を基に、端末１０が移動体とともに一の地点を出発したと推定される推定出発時刻と、端末１０が移動体とともに他の地点へ到着したと推定される推定到着時刻との組み合わせを生成する。例えば、推定出発時刻は、活動状態推定部２０２によって推定された端末１０の状態が停止状態から乗車状態へ移行した時刻である。また、例えば、推定到着時刻は、活動状態推定部２０２によって推定された端末１０の状態が乗車状態から停止状態へ移行した時刻である。
ここで、発着シーケンスとは乗車状態が連続している時刻の区間の開始時刻と終了時刻のペアを並べたものである。推定出発時刻は１つの区間の開始時刻である。また、推定到着時刻は１つの区間の終了時刻である。なお、推定出発時刻および推定到着時刻は、ある駅における電車の発車時刻および停車時刻の推定値ということもできる。
図３を用いて、発着シーケンスの具体的な例について説明する。図３は、第１の実施形態に係る位置推定装置の発着シーケンスの一例を示す図である。値が低い区間は端末１０が停止状態であることを示している。また、値が高い区間は端末１０が乗車状態であることを示している。また、端末１０の活動状態が停止状態から乗車状態に変化した時刻が推定出発時刻である。また、端末１０の活動状態が乗車状態から停止状態に変化した時刻が推定到着時刻である。図３は、例えば時刻ｄ（１０：５７）に端末１０を保有しているユーザを乗せた電車が駅を出発し、時刻ａ（１０：５８）に電車が次の駅に到着したことを示している。
候補経路検索部２０４は、推定出発時刻および推定到着時刻の組み合せを基に、時刻情報記憶部３０１および経路情報記憶部３０２から端末１０が移動した経路を検索する。具体的に、候補経路検索部２０４は、推定出発時刻および推定到着時刻の組み合せと合致する出発予定時刻および到着予定時刻の組み合わせを時刻情報記憶部３０１から検索し、検索した結果得られた出発予定時刻および到着予定時刻の組み合わせに対応する地点を経路情報記憶部３０２から取得することで、端末１０が移動した経路を検索する。そして、検索結果を基に、端末１０および端末１０を保有しているユーザの位置を特定する。
なお、時刻情報記憶部３０１には移動体の各地点における出発予定時刻および到着予定時刻を含む時刻情報が記憶されている。また、経路情報記憶部３０２には各地点がどの地点と接続されているかを示す経路情報が記憶されている。
候補経路検索部２０４は、経路の候補として、例えば端末１０を保有しているユーザが乗車したと推定される電車が通過した駅の並びを検索する。また、時刻情報記憶部３０１および経路情報記憶部３０２は、各路線の路線図および時刻表をデータベース化した路線データをあらかじめ記憶しておくようにしてもよい。
図４を用いて経路を検索する方法について具体的に説明する。図４は、第１の実施形態に係る位置推定装置の候補経路の検索方法の一例を示す図である。まず、発着シーケンス生成部２０３が生成した発着シーケンスを、｛Ｔｄ１，Ｔａ１｝、｛Ｔｄ２，Ｔａ２｝、｛Ｔｄ３，Ｔａ３｝とする。例えば、｛Ｔｄ１，Ｔａ１｝において、Ｔｄ１およびＴａ１は、それぞれ推定出発時刻および推定到着時刻を示している。候補経路検索部２０４では、これらの発着シーケンスを入力とする。
なお、図４のＳ１、Ｓ２等は電車の駅を示している。また、候補経路検索部２０４による検索結果は、｛Ｓ１、Ｓ２、Ｓ３｝のような形式で表される。例えば、｛Ｓ１、Ｓ２、Ｓ３｝は、Ｓ１駅を出発しＳ２駅を経由してＳ３駅に到着する経路を示している。
発着シーケンス｛Ｔｄ１，Ｔａ１｝、｛Ｔｄ２，Ｔａ２｝、｛Ｔｄ３，Ｔａ３｝が入力されると、まず、｛Ｔｄ１，Ｔａ１｝と発車時刻および停車時刻が合致する駅を路線図および時刻表から検索する。この時、図４に示すように、｛Ｔｄ１，Ｔａ１｝と発車時刻および停車時刻が合致する経路として、｛Ｓ１、Ｓ４｝、｛Ｓ１、Ｓ５｝、｛Ｓ２、Ｓ６｝、｛Ｓ３、Ｓ７｝の４つの経路が検索される。
さらに、既に検索された経路の到着駅を出発駅とする経路であって、｛Ｔｄ２，Ｔａ２｝と発車時刻および停車時刻が合致する経路を検索する。これにより、｛Ｓ１、Ｓ４、Ｓ８｝、｛Ｓ１、Ｓ５、Ｓ９｝、｛Ｓ３、Ｓ７、Ｓ１０｝の３つの経路が検索される。なお、｛Ｓ２、Ｓ６｝については、条件に該当する経路が存在しないため、この時点で候補から外される。
同様に、｛Ｔｄ３，Ｔａ３｝と発車時刻および停車時刻が合致する経路を検索する。最終的に、候補経路として｛Ｓ１、Ｓ４、Ｓ８、Ｓ１１｝、｛Ｓ３、Ｓ７、Ｓ１０、Ｓ１２｝が出力される。
図５を用いて、位置推定装置２０に位置推定方法の概要を説明する。図５は、第１の実施形態に係る位置推定装置の位置推定方法を説明するための図である。図５のセンサデータは、センサ情報処理部２０１が端末１０の各センサから取得するデータである。そして、図５の活動状態は、活動状態推定部２０２がセンサデータを基に推定する各時刻における端末の状態を示している。図５に示すように、活動状態には乗車状態、歩行状態および停止状態の３つの状態が含まれる。
また、図５の発着シーケンスは、発着シーケンス生成部によって生成される発着シーケンスである。そして、図５の候補経路は、候補経路検索部２０４が発着シーケンスを基に検索した経路である。図５に示すように、候補経路検索部２０４は複数の候補経路を検索結果として取得する。そして、候補経路検索部２０４は、例えば得られた候補経路の到着地点を、端末１０および端末１０を保有しているユーザの位置として推定してもよい。図５の例では、「御徒町」、「新栄町」または「環状通東」が端末１０およびユーザの位置として推定される。
［第１の実施形態の処理］
図６を用いて第１の実施形態の処理について説明する。図６は、第１の実施形態に係る位置推定装置の処理の一例を示すフローチャートである。まず、センサ情報処理部２０１は、端末１０の各種センサから情報を収集する（ステップＳ１０１）。そして、次に、センサ情報処理部２０１は、収集した情報を特徴ベクトルに変換する（ステップＳ１０２）。次に、活動状態推定部２０２は、特徴ベクトルから活動状態を推定する（ステップＳ１０３）。
図６を用いて第１の実施形態の処理について説明する。図６は、第１の実施形態に係る位置推定装置の処理の一例を示すフローチャートである。まず、センサ情報処理部２０１は、端末１０の各種センサから情報を収集する（ステップＳ１０１）。そして、次に、センサ情報処理部２０１は、収集した情報を特徴ベクトルに変換する（ステップＳ１０２）。次に、活動状態推定部２０２は、特徴ベクトルから活動状態を推定する（ステップＳ１０３）。
発着シーケンス生成部２０３は、活動状態から発着シーケンスを生成する（ステップＳ１０４）。そして、候補経路検索部２０４は、発着シーケンスと時刻情報記憶部３０１に記憶されている時刻表および経路情報記憶部３０２に記憶されている路線図を突き合わせて候補経路を列挙する（ステップＳ１０５）。
［第１の実施形態の効果］
位置推定装置２０のセンサ情報処理部２０１は、端末１０に備えられた少なくとも加速度センサ１０１を含む１つ以上のセンサによって測定された数値、および数値が測定された時刻を特徴ベクトルに変換する。
位置推定装置２０のセンサ情報処理部２０１は、端末１０に備えられた少なくとも加速度センサ１０１を含む１つ以上のセンサによって測定された数値、および数値が測定された時刻を特徴ベクトルに変換する。
また、位置推定装置２０の活動状態推定部２０２は、各地点間を移動する移動体とともに移動中である乗車状態と、停止している停止状態とを含んだ移動に関する状態のうち、各時刻において端末１０がいずれの状態であったかを特徴ベクトルを基に推定する。例えば、活動状態推定部２０２は、端末１０の状態およびそれぞれの状態における特徴ベクトルを学習データとして機械学習を行った機械学習アルゴリズムを用いて推定を行う。
また、位置推定装置２０の発着シーケンス生成部２０３は、活動状態推定部２０２によって推定された状態を基に、端末１０が移動体とともに一の地点を出発したと推定される推定出発時刻と、端末１０が移動体とともに他の地点へ到着したと推定される推定到着時刻との組み合わせを生成する。例えば、推定出発時刻は、活動状態推定部２０２によって推定された端末１０の状態が停止状態から乗車状態へ移行した時刻としてもよい。さらに、例えば、推定到着時刻は、活動状態推定部２０２によって推定された端末１０の状態が乗車状態から停止状態へ移行した時刻である。
また、位置推定装置２０の候補経路検索部２０４は、推定出発時刻および推定到着時刻の組み合せを基に、時刻情報記憶部３０１および経路情報記憶部３０２から端末１０が移動した経路を検索する。具体的には、例えば、候補経路検索部２０４は、推定出発時刻および推定到着時刻の組み合せと合致する出発予定時刻および到着予定時刻の組み合わせを時刻情報記憶部３０１から検索し、検索した結果得られた出発予定時刻および到着予定時刻の組み合わせに対応する地点を経路情報記憶部３０２から取得することで、端末１０が移動した経路を検索し、検索結果から端末１０の位置を特定する。
なお、時刻情報記憶部３０１には移動体の各地点における出発予定時刻および到着予定時刻を含む時刻情報が記憶されている。また、経路情報記憶部３０２には各地点がどの地点と接続されているかを示す経路情報が記憶されている。
このように、第１の実施形態においては、端末に備えられたセンサから得られる情報を利用して端末の現在位置を特定する。これにより、ＧＰＳや無線ＬＡＮ等のサービスを利用できない状況においても、デバイスの位置を特定することができる。
また、例えば、センサ情報処理部２０１は、例えば加速度センサ１０１によって測定されたＸ軸方向の加速度、Ｙ軸方向の加速度およびＺ軸方向の加速度を取得してもよい。このように、加速度センサから得られる各方向の加速度を推定に利用することで、推定精度を向上させることができる。
［その他の実施形態］
端末１０に備えられるセンサは、上記の実施形態で説明したものに限られず、気圧センサや温度センサ等が含まれていてもよい。また、加速度センサの測定値は、活動状態を推定するためのパラメータとして有効なものと考えられるが、加速度センサを備えない構成であってもよい。
端末１０に備えられるセンサは、上記の実施形態で説明したものに限られず、気圧センサや温度センサ等が含まれていてもよい。また、加速度センサの測定値は、活動状態を推定するためのパラメータとして有効なものと考えられるが、加速度センサを備えない構成であってもよい。
また、磁力センサによって得られる測定値は、上記の実施形態のように活動状態の推定のパラメータとして利用できるほか、各地点の磁場の強さを示す情報と突き合わせることで、候補経路を検証することができる。
また、上記の実施形態では、移動体を電車とした場合の例を挙げたが、電車に限られず、例えば飛行機、バス、船であってあらかじめ定められた経路および時刻に従って移動するものであれば、本発明を適用することができる。
また、図５に示すような候補経路は、推定出発時刻および推定到着時刻と、経路情報および時刻情報によって得られたものである。得られた候補経路をさらに絞り込む方法として、例えば利用者数が多い経路を優先することが考えられる。例えば、経路Ａおよび経路Ｂが候補経路として検索された場合に、経路Ａの１時間当たりの利用者が１００００人、経路Ｂの１時間当たりの利用者数が１００人ということがあらかじめ分かっていれば、経路Ａを第１の候補とした方が、ユーザの実際の移動経路と合致している可能性が高い。この他にも、既知の方法を用いて候補経路の絞り込みを行うことが考えられる。
また、電車は、遅延等により時刻表通りに移動しない場合も考えられる。この場合、遅延情報を参照することで、時刻情報の補正を行うこと等により推定精度を向上させることができる。
また、本発明の構成は、図１に示すものに限られず、例えば、図７または図８に示すような構成であってもよい。図７および図８は、その他の実施形態に係る位置推定システムおよび位置推定装置の構成の一例を示す図である。
例えば、図７に示すように、位置推定装置としても機能する端末１５ａに、測定部１０ａおよび制御部２０ａを備えても良い。この場合、測定部１０ａは各種センサを備える。また、制御部２０ａは、第１の実施形態における位置推定装置２０と同様の機能を有する。
また、図８に示すように、位置推定装置としても機能する端末１５ｂに、測定部１０ｂ、制御部２０ｂおよび記憶部３０ｂを備えてもよい。この場合、測定部１０ｂは各種センサを備える。また、制御部２０ｂは、第１の実施形態における位置推定装置２０と同様の機能を有する。さらに、記憶部３０ｂは第１の実施形態における記憶装置３０と同様の機能を有する。なお、記憶部３０ｂには、必ずしも全ての時刻表および路線図を記憶させる必要はなく、候補経路検索部２０４ｂが経路の検索を行うために必要な時刻表および路線図を一時的に記憶するようにしてもよい。
［システム構成等］
また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況等に応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。さらに、各装置にて行なわれる各処理機能は、その全部または任意の一部が、ＣＰＵ（Central Processing Unit）および当該ＣＰＵにて解析実行されるプログラムにて実現され、あるいは、ワイヤードロジックによるハードウェアとして実現され得る。
また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況等に応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。さらに、各装置にて行なわれる各処理機能は、その全部または任意の一部が、ＣＰＵ（Central Processing Unit）および当該ＣＰＵにて解析実行されるプログラムにて実現され、あるいは、ワイヤードロジックによるハードウェアとして実現され得る。
また、本実施形態において説明した各処理のうち、自動的におこなわれるものとして説明した処理の全部または一部を手動的におこなうこともでき、あるいは、手動的におこなわれるものとして説明した処理の全部または一部を公知の方法で自動的におこなうこともできる。この他、上記文書中や図面中で示した処理手順、制御手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。
［プログラム］
図９は、プログラムが実行されることにより、位置推定装置が実現されるコンピュータの一例を示す図である。コンピュータ１０００は、例えば、メモリ１０１０、ＣＰＵ１０２０を有する。また、コンピュータ１０００は、ハードディスクドライブインタフェース１０３０、ディスクドライブインタフェース１０４０、シリアルポートインタフェース１０５０、ビデオアダプタ１０６０、ネットワークインタフェース１０７０を有する。これらの各部は、バス１０８０によって接続される。
図９は、プログラムが実行されることにより、位置推定装置が実現されるコンピュータの一例を示す図である。コンピュータ１０００は、例えば、メモリ１０１０、ＣＰＵ１０２０を有する。また、コンピュータ１０００は、ハードディスクドライブインタフェース１０３０、ディスクドライブインタフェース１０４０、シリアルポートインタフェース１０５０、ビデオアダプタ１０６０、ネットワークインタフェース１０７０を有する。これらの各部は、バス１０８０によって接続される。
メモリ１０１０は、ＲＯＭ（Read Only Memory）１０１１およびＲＡＭ（Random Access Memory）１０１２を含む。ＲＯＭ１０１１は、例えば、ＢＩＯＳ（Basic Input Output System）等のブートプログラムを記憶する。ハードディスクドライブインタフェース１０３０は、ハードディスクドライブ１０９０に接続される。ディスクドライブインタフェース１０４０は、ディスクドライブ１１００に接続される。例えば磁気ディスクや光ディスク等の着脱可能な記憶媒体が、ディスクドライブ１１００に挿入される。シリアルポートインタフェース１０５０は、例えばマウス１１１０、キーボード１１２０に接続される。ビデオアダプタ１０６０は、例えばディスプレイ１１３０に接続される。
ハードディスクドライブ１０９０は、例えば、ＯＳ１０９１、アプリケーションプログラム１０９２、プログラムモジュール１０９３、プログラムデータ１０９４を記憶する。すなわち、位置推定装置の各処理を規定するプログラムは、コンピュータにより実行可能なコードが記述されたプログラムモジュール１０９３として実装される。プログラムモジュール１０９３は、例えばハードディスクドライブ１０９０に記憶される。例えば、位置推定装置における機能構成と同様の処理を実行するためのプログラムモジュール１０９３が、ハードディスクドライブ１０９０に記憶される。なお、ハードディスクドライブ１０９０は、ＳＳＤ（Solid State Drive）により代替されてもよい。
また、上述した実施形態の処理で用いられる設定データは、プログラムデータ１０９４として、例えばメモリ１０１０やハードディスクドライブ１０９０に記憶される。そして、ＣＰＵ１０２０が、メモリ１０１０やハードディスクドライブ１０９０に記憶されたプログラムモジュール１０９３やプログラムデータ１０９４を必要に応じてＲＡＭ１０１２に読み出して実行する。
なお、プログラムモジュール１０９３やプログラムデータ１０９４は、ハードディスクドライブ１０９０に記憶される場合に限らず、例えば着脱可能な記憶媒体に記憶され、ディスクドライブ１１００等を介してＣＰＵ１０２０によって読み出されてもよい。あるいは、プログラムモジュール１０９３およびプログラムデータ１０９４は、ネットワーク（ＬＡＮ（Local Area Network）、ＷＡＮ（Wide Area Network）等）を介して接続された他のコンピュータに記憶されてもよい。そして、プログラムモジュール１０９３およびプログラムデータ１０９４は、他のコンピュータから、ネットワークインタフェース１０７０を介してＣＰＵ１０２０によって読み出されてもよい。
１ 位置推定システム
１０ 端末
２０ 位置推定装置
３０ 記憶装置
１０１ 加速度センサ
１０２ ジャイロセンサ
１０３ 磁力センサ
２０１ センサ情報処理部
２０２ 活動状態推定部
２０３ 発着シーケンス生成部
２０４ 候補経路検索部
３０１ 時刻情報記憶部
３０２ 経路情報記憶部
１０ 端末
２０ 位置推定装置
３０ 記憶装置
１０１ 加速度センサ
１０２ ジャイロセンサ
１０３ 磁力センサ
２０１ センサ情報処理部
２０２ 活動状態推定部
２０３ 発着シーケンス生成部
２０４ 候補経路検索部
３０１ 時刻情報記憶部
３０２ 経路情報記憶部
Claims (7)
Hide Dependent
translated from
Claims (7)
Hide Dependent
translated from
- 端末に備えられた少なくとも加速度センサを含む１つ以上のセンサによって測定された数値、および前記数値が測定された時刻を特徴ベクトルに変換するセンサ情報処理部と、
各時刻における前記端末の状態が、各地点間を移動する移動体とともに移動中である乗車状態と、停止している停止状態とを含んだ移動に関する状態のうち、いずれの状態であったかを前記特徴ベクトルを基に推定する活動状態推定部と、
前記活動状態推定部によって推定された前記状態を基に、前記端末が前記移動体とともに一の地点を出発したと推定される推定出発時刻と、前記端末が前記移動体とともに他の地点へ到着したと推定される推定到着時刻との組み合わせである発着シーケンスを生成する発着シーケンス生成部と、
前記各地点における前記移動体の出発予定時刻および到着予定時刻を含む時刻情報と、前記各地点がどの地点と接続されているかを示す経路情報とを記憶する記憶部から、前記発着シーケンスのうち前記推定出発時刻が最も早い第１の発着シーケンスを基に複数の経路の候補を検索し、前記発着シーケンスを前記推定出発時刻が早い順に順次選択し、前記発着シーケンスが選択されるたびに、選択された発着シーケンスに合致しないものを前記経路の候補から除外することで、前記端末が移動した経路を特定し、特定した経路を基に前記端末の位置を特定する候補経路検索部と、
を有することを特徴とする位置推定装置。 - 前記発着シーケンス生成部は、前記活動状態推定部によって推定された前記端末の状態が前記停止状態から前記乗車状態へ移行した時刻を前記推定出発時刻とし、前記活動状態推定部によって推定された前記端末の状態が前記乗車状態から前記停止状態へ移行した時刻を前記推定到着時刻とすることを特徴とする請求項１に記載の位置推定装置。
- 前記活動状態推定部は、駅間を移動する電車を、前記各地点間を移動する移動体として前記端末の状態を推定し、
前記候補経路検索部は、前記時刻情報および前記経路情報として時刻表および路線図を記憶する記憶部から検索することを特徴とする請求項１または２に記載の位置推定装置。 - 前記センサ情報処理部は、前記加速度センサによって測定されたＸ軸方向の加速度、Ｙ軸方向の加速度およびＺ軸方向の加速度を前記数値として、前記特徴ベクトルへの変換を行うことを特徴とする請求項１から３のいずれか１項に記載の位置推定装置。
- 前記活動状態推定部は、端末の状態および該状態における特徴ベクトルを学習データとして機械学習を行った機械学習アルゴリズムによって各時刻において端末がいずれの状態であったかを推定することを特徴とする請求項１から４のいずれか１項に記載の位置推定装置。
- 位置推定装置で実行される位置推定方法であって、
端末に備えられた少なくとも加速度センサを含む１つ以上のセンサによって測定された数値、および前記数値が測定された時刻を特徴ベクトルに変換するセンサ情報処理工程と、
各時刻における前記端末の状態が、各地点間を移動する移動体とともに移動中である乗車状態と、停止している停止状態とを含んだ移動に関する状態のうち、いずれの状態であったかを前記特徴ベクトルを基に推定する活動状態推定工程と、
前記活動状態推定工程によって推定された前記状態を基に、前記端末が前記移動体とともに一の地点を出発したと推定される推定出発時刻と、前記端末が前記移動体とともに他の地点へ到着したと推定される推定到着時刻との組み合わせである発着シーケンスを生成する発着シーケンス生成工程と、
前記各地点における前記移動体の出発予定時刻および到着予定時刻を含む時刻情報と、前記各地点がどの地点と接続されているかを示す経路情報とを記憶する記憶部から、前記発着シーケンスのうち前記推定出発時刻が最も早い第１の発着シーケンスを基に複数の経路の候補を検索し、前記発着シーケンスを前記推定出発時刻が早い順に順次選択し、前記発着シーケンスが選択されるたびに、選択された発着シーケンスに合致しないものを前記経路の候補から除外することで、前記端末が移動した経路を特定し、特定した経路を基に前記端末の位置を特定する候補経路検索工程と、
を含んだことを特徴とする位置推定方法。 - コンピュータを、請求項１から５のいずれか１項に記載の位置推定装置として機能させるための位置推定プログラム。