JP6458537B2 - 位置推定方法、位置推定プログラム、及び位置推定装置 - Google Patents

位置推定方法、位置推定プログラム、及び位置推定装置 Download PDF

Info

Publication number
JP6458537B2
JP6458537B2 JP2015030957A JP2015030957A JP6458537B2 JP 6458537 B2 JP6458537 B2 JP 6458537B2 JP 2015030957 A JP2015030957 A JP 2015030957A JP 2015030957 A JP2015030957 A JP 2015030957A JP 6458537 B2 JP6458537 B2 JP 6458537B2
Authority
JP
Japan
Prior art keywords
information
basic
user
combination
time
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
Application number
JP2015030957A
Other languages
English (en)
Other versions
JP2016152028A (ja
Inventor
譲 山影
譲 山影
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fujitsu Ltd filed Critical Fujitsu Ltd
Priority to JP2015030957A priority Critical patent/JP6458537B2/ja
Publication of JP2016152028A publication Critical patent/JP2016152028A/ja
Application granted granted Critical
Publication of JP6458537B2 publication Critical patent/JP6458537B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Description

本発明は、位置推定方法、位置推定プログラム、及び位置推定装置に関する。
近年、通信回線を通じて情報を交換しコミュニケーションを図るソーシャルメディアの普及と共に、ユーザがソーシャルメディアに発信した情報（発言）からユーザの位置を推定する手法が検討されている。具体的には、例えば発言からユーザの居住地域を推定する技術が開示されている。
特開２０１４−１０６７２２号公報
しかしながら、発言には、必ずしも発言の発信位置を表す情報（位置情報）が含まれるとは限らない。従って、位置情報が含まれるユーザの過去の発言から、何れの地域で発言を発信したかを示す発信履歴を生成し、発信履歴に基づいて推定される、位置情報を含まない発言の発信位置から、ユーザの位置を推定する手法が用いられる場合がある。
しかし、これまでの発言が複数の地域から偏りなく同程度に発信されている場合には、発信履歴を用いても位置情報を含まない発言が何れの地域から発信されたのか推定することは困難となる。
一つの側面として、本発明は、ソーシャルメディアに発信した情報に位置情報が含まれない場合であっても、ユーザの位置を精度よく推定することを目的とする。
一つの態様では、コンピュータに、ソーシャルメディアに発信された情報に紐づけられたユーザ情報毎に、複数の基礎自治体における基礎自治体毎で、且つ、複数の時間帯における時間帯毎に情報発信数を集計させる。そして、コンピュータに、ユーザ情報毎に、複数の基礎自治体から、他の基礎自治体に比べて情報発信数に有意差が現れる基礎自治体の組み合わせを時間帯毎に選択させる。そして、コンピュータに、選択した基礎自治体の組み合わせにおける基礎自治体毎の情報発信数から、ユーザ情報毎に、選択した基礎自治体の組み合わせにおける基礎自治体毎の情報の発信比率を時間帯毎に算出させる。
新たに収集した情報に発信位置を特定する位置情報が含まれない場合、コンピュータに、新たに収集した情報に含まれる情報の発信時間、及び新たに収集した情報を発信したユーザ情報に対応する発信比率に従って、ユーザの位置を推定させる。
一つの側面として、開示の技術は、ソーシャルメディアに発信した情報に位置情報が含まれない場合であっても、ユーザの位置を精度よく推定することができる、という効果を有する。
位置推定システムの構成例を示す図である。 ランドマークテーブルの一例を示す図である。 位置集計テーブルの一例を示す図である。 位置推定テーブルの一例を示す図である。 位置推定装置をコンピュータで実現する場合の構成の一例を示す図である。 ユーザ位置推定処理の流れの一例を示すフローチャートである。 位置集計テーブル生成処理の流れの一例を示すフローチャートである。 位置推定テーブル生成処理の流れの一例を示すフローチャートである。 位置集計テーブルにおける時間帯ｉの行データの一例を示す図である。 複数の自治体を組み合わせた場合の、位置集計テーブルにおける時間帯ｉの行データの一例を示す図である。 位置集計テーブルにおいて、複数の自治体を組み合わせた場合の一例を示す図である。 自治体の配置を模式的に示す地図の一例である。 隣接自治体テーブルの一例を示す図である。 自治体の組み合わせ選択の説明に供する模式図である。 自治体の組み合わせ選択の説明に供する模式図である。 移動ルートテーブルの一例を示す図である。 位置推定テーブルの一例を示す図である。 修正した位置推定テーブルの一例を示す図である。 災害発生位置推定処理の流れの一例を示すフローチャートである。 災害語句テーブルの一例を示す図である。 災害検知テーブルの一例を示す図である。 災害検知テーブルの一例を示す図である。 災害情報の発信頻度分布の一例を示す図である。 位置集計テーブルの一例を示す図である。 位置集計テーブルの一例を示す図である。 位置集計テーブルから算出した自治体毎の発言発信確率の一例を示す図である。
以下、図面を参照して開示の技術の実施形態の一例を詳細に説明する。なお、機能が同じ働きを担う構成要素及び処理には、全図面を通して同じ符号を付与し、重複する説明を適宜省略する場合がある。
スマートフォン等の情報機器及びソーシャルメディアの普及と共に、誰もが様々な場所で発生した事象を即座に発信し、発信した情報を共有してコミュニケーションをとる機会が増えている。従って、例えば災害が発生した場合、災害現場を目撃したソーシャルメディアのユーザは、ソーシャルメディアを通じて災害が発生したことを知らせる情報を発信する場合がある。
こうしたソーシャルメディアの持つ即時性、情報発信性、及び情報共有性を利用して、近年では、ソーシャルメディアを防災ツールの１つとして活用しようとする動きが、行政及び企業ともに進められている。
災害はいつどこで発生するかわからないため、災害の発生直後は災害に関する情報が少なく、時間の経過と共に災害に関する情報が増加する傾向にある。従って、迅速な災害対応のため、どこで災害が発生したかを知らせる情報に対する自治体等のニーズは高い。
そこで、災害情報提供機関（以下、提供機関と称す）では、ユーザの発言から発言の発信場所を特定し、災害の発生場所を推定する試みが行われている。
ユーザの発言から発言の発信場所に関する情報を取得する方法には、例えば発言に付加されるＧＰＳ(Global Positioning System)情報を利用する方法、又は発言の本文に含まれるランドマーク情報を利用する方法がある。ランドマーク情報とは、例えば駅名及び建物名等といった発言の発信場所を推定することができる情報をいう。その他、発言から発言の発信場所に関する情報を取得する方法には、例えば発言を発信したユーザが予めソーシャルメディアに登録したユーザプロフィール情報に含まれる、自身の居住地域情報を利用する方法がある。
しかし、発言にＧＰＳ情報を付加するユーザの割合は、ＧＰＳ情報を付加しないユーザの割合に比べて少なく、また、発言の本文に必ずしもランドマーク情報が含まれるとは限らない。また、ユーザプロフィール情報に自身の正しい居住地域情報を登録するユーザの割合も、正しい居住地域情報を登録していないユーザの割合に比べて少ない。従って、上記に示した方法を用いても、多くの場合、ユーザの発言から発言の発信場所を取得することは困難である。
そこで、ユーザが発信した過去の発言のうち、既に説明した方法により発信場所が取得できる発言を用いてユーザ毎に生成される位置集計テーブルを利用し、発信場所が不明である発言の発信場所を推定する方法が用いられる場合がある。
図２４は、位置集計テーブルの一例を示す図である。位置集計テーブルは、ユーザがどの時間帯にどの場所から何件の発言を発信したか表す履歴情報を示すテーブルである。図２４の位置集計テーブルは、例えば１日を朝、昼、夜の３つの時間帯に分け、Ａ市、Ｂ町、及びＣ村の各々の基礎自治体から発信された発言の発信数を示している。
ここで基礎自治体とは、日本の場合、市町村で表される行政単位を指し、日本以外の他国においては、日本の市町村に相当する行政単位をいう。なお、以下では、「基礎自治体」を「自治体」と表す。
図２４の例において、朝の時間帯は、Ｃ村からの発言の発信数が他の自治体からの発言の発信数に比べて１０倍以上となっている。また、昼の時間帯は、Ａ市からの発言の発信数が他の自治体からの発言の発信数に比べて１０倍以上となっている。更に、夜の時間帯は、Ｃ村からの発言の発信数が他の自治体からの発言の発信数に比べて１０倍以上となっている。
仮に、特定の自治体からの発言の発信数が他の自治体からの発言の発信数に比べて１０倍以上となる状態を、発信数に偏りがある状態、即ち自治体からの発信数に有意差がある状態とすれば、図２４に示す位置集計テーブルには有意差が認められる。従って、提供機関は、図２４に示す位置集計テーブルに対応するユーザ（例えばユーザＡとする）が、朝及び夜の時間帯はＣ村にいて、昼の時間帯はＡ市にいると推定することができる。即ち、提供機関は、ユーザＡの発言に位置情報が含まれていない場合であっても、例えば朝の時間帯に発信された発言はＣ村から発信されたと推定することができる。
一方、図２５は、ユーザＡとは異なるユーザ（例えばユーザＢとする）の位置集計テーブルの一例を示す図である。
図２５の位置集計テーブルでは、朝、昼、及び夜の全ての時間帯で特定の自治体からの発言の発信数が他の自治体からの発言の発信数に比べて１０倍未満となっているため、発信数に有意差が認められる自治体は存在しない。従って、提供機関は、図２５に示す位置集計テーブルから、ユーザＢの位置情報が含まれない発言（発信地不明発言）の発信位置を推定することは困難となる。
なお、説明の便宜上、ここでは特定の自治体からの発言の発信数が他の自治体からの発言の発信数に比べて１０倍以上となる状態を発信数に有意差がある状態としたが、これは自治体間における発言の発信数の有意差を判定するための一例に過ぎない。各自治体からの発言の発信数に有意差があるか否かの判定は、公知の有意差の判定方法、例えば統計的手法であるカイ２乗検定等を用いてもよい。
一方、各自治体からの発言の発信数に有意差が認められない位置集計テーブルから、発信地不明発言の発信位置を推定する方法として、例えば発信地不明発言の発信位置は、自治体での過去の発言の発信数に応じた確率に従うと仮定する方法が考えられる。
図２６は、図２５に示す位置集計テーブルに基づいて、時間帯毎に、各自治体でユーザＢが発言を発信した確率を示す図である。図２６の例では、ユーザＢは朝の時間帯にＡ市から発言を発信する確率が２／３、Ｂ町から発言を発信する確率が１／３、Ｃ村から発言を発信する確率が０であることを示している。
しかし、図２６に示す図は、自治体からの発言の発信数に有意差がみられない位置集計テーブルから算出された、時間帯毎の各自治体における発言の発信確率を示すものである。従って、例えばユーザＢは、朝の時間帯に通常はＢ町にいないが、偶然Ｂ町にいてソーシャルメディアに発言を発信したことがあれば、確率的に朝の時間帯にＢ町から発言を発信することがあると判定されてしまうことになる。
従って、発信地不明発言に対して、再びユーザＢが発言することのない自治体から発言が発信されたと推定される場合があり、発信地不明発言の発信位置を精度よく推定することが困難となる。
以下では、ソーシャルメディアの発言に位置情報が含まれない場合であっても、ユーザ毎に発言の発信位置を精度よく推定し、推定した発言の発信位置から、例えば災害の発生位置を推定する例について説明する。なお、ここではソーシャルメディアのうち、例えばソーシャルネットワーキングサービス(Social Networking Service：ＳＮＳ)を利用するユーザのＳＮＳ上の発言（ＳＮＳデータ）から、発信地不明発言の発信位置を推定する例について説明する。しかし、ソーシャルメディアはＳＮＳに限定されず、ブログ又は掲示板等、ソーシャルメディアに属する他のメディアに対しても以下に説明する発言の位置推定方法を適用できる。
図１は、本実施形態に係る位置推定システム１の構成を示す図の一例である。
図１に示すように、位置推定システム１は、位置推定装置１０、通信回線４０、及びＳＮＳサーバ５０を含む。位置推定装置１０及びＳＮＳサーバ５０は、通信回線４０に接続され、通信回線４０を経由してデータの送受信を行う。
なお、通信回線４０の種別に制限はなく、例えばインターネット回線、イントラネット回線、又は専用線等どのような回線の種別であってもよく、更に、有線、無線、又は有線と無線との混在の何れの接続形態であってもよい。
ＳＮＳサーバ５０は、ＳＮＳに登録するユーザのユーザプロフィール情報、及びＳＮＳに登録するユーザが発信したＳＮＳデータを保管する端末である。なお、一例として、ＳＮＳサーバ５０は提供機関とは異なる機関によって管理運営が行われているものとするが、提供機関が管理運営を行ってもよい。
位置推定装置１０は、ユーザ位置推定情報生成部２０及び災害推定部３０を含む。ユーザ位置推定情報生成部２０は、ＳＮＳデータからユーザ毎に位置集計テーブルを生成すると共に、後ほど説明する位置推定テーブルを生成する。災害推定部３０は、ＳＮＳデータのうち、災害に関連するＳＮＳデータ（災害情報）を取得し、位置情報が含まれない災害情報の発信位置を位置推定テーブルから推定して、自治体毎に災害情報発信数を集計する。そして、災害推定部３０は、例えば集計した災害情報発信数の変化量から災害が発生したと判定できる場合に、災害の発生位置を自治体単位で推定する。
位置推定テーブルを生成するため、ユーザ位置推定情報生成部２０は、ＳＮＳデータ収集部２１、抽出部２２、集計部２３、選択部２４、及び算出部２５の各機能部を含む。また、ユーザ位置推定情報生成部２０は、各種データの管理領域であるランドマークＤＢ(Database)２６、位置情報集計ＤＢ２７、及びユーザ位置推定ＤＢ２８の各ＤＢを含む。
ＳＮＳデータ収集部２１は、ＳＮＳに登録するユーザ毎に、各々のユーザが過去に発信したＳＮＳデータをＳＮＳサーバ５０から収集する。
抽出部２２は、ＳＮＳデータ収集部２１で収集されたＳＮＳデータから位置情報及び発信時間情報を抽出し、ＳＮＳデータに発信位置及び発信時間を対応付ける。なお、抽出部２２は、ランドマーク情報を用いてＳＮＳデータに発信位置を対応付ける必要がある場合、ランドマークＤＢ２６に格納されるランドマークテーブルを参照してＳＮＳデータに発信位置を対応付ける。
図２はランドマークテーブルの一例を示す図である。図２に示すように、ランドマークテーブル５１は、ランドマーク情報と、ランドマーク情報が存在する自治体名と、を対応づけるテーブルである。例えば図２に示すランドマークテーブル５１の例では、ＳＮＳデータの本文に「Ａ駅」の語句が含まれる場合、抽出部２２は、ＳＮＳデータの発信位置としてＡ市を対応付ける。
集計部２３は、抽出部２２でＳＮＳデータ毎に対応付けられた発信位置及び発信時間から、１日の各時間帯における自治体毎のＳＮＳデータの発信数を集計し、ユーザ毎に位置集計テーブルを生成する。
図３は特定ユーザにおける位置集計テーブルの一例を示す図である。位置集計テーブル５２は、特定ユーザが例えば時間帯１において、Ａ市でａ１件、Ｂ町でｂ１件、Ｃ村でｃ１件、Ｄ町でｄ１件、Ｅ市でｅ１件、及びＦ村でｆ１件のＳＮＳデータを発信したことを示している。同様に、位置集計テーブル５２は、特定ユーザが時間帯２以降の各時間帯に発信した、自治体毎のＳＮＳデータの発信数を示している。なお、時間帯幅の設定方法に制限はなく、例えば各時間帯を１時間幅に設定する等、時間帯幅をどのように設定してもよい。なお、集計部２３は、ユーザ毎に生成した位置集計テーブル５２を位置情報集計ＤＢ２７に格納する。
選択部２４は、位置情報集計ＤＢ２７から集計部２３で生成したユーザ毎の位置集計テーブル５２を取得する。そして、選択部２４は、各ユーザの位置集計テーブル５２の時間帯毎に、位置集計テーブル５２に含まれる複数の自治体から、他の自治体に比べてＳＮＳデータの発信数に有意差が現れる自治体の組み合わせ（自治体セット）を選択する。
算出部２５は、選択部２４が選択した自治体セットに基づいて、選択した自治体セット内における各自治体のＳＮＳデータの発信比率を算出する。そして、算出部２５は、ユーザ毎に、選択した自治体セットと、当該自治体セットが選択された時間帯と、選択した自治体セット内における各自治体のＳＮＳデータの発信比率と、を対応づけた位置推定テーブルを生成し、ユーザ位置推定ＤＢ２８に格納する。
図４は、特定ユーザにおける位置推定テーブルの一例を示す図である。例えば図４に示す位置推定テーブル５４の例では、図３に示した位置集計テーブル５２の時間帯１でＳＮＳデータが発信された自治体のうち、Ａ市、Ｂ町、及びＣ村が時間帯１における自治体セットとして選択されたことを示している。また、位置推定テーブル５４の例では、時間帯１におけるＡ市、Ｂ町、及びＣ村のＳＮＳデータの発信総数に対するＡ市の発信比率がｒａ１、Ｂ町の発信比率がｒｂ１、及びＣ村の発信比率がｒｃ１であることを示している。同様に、位置推定テーブル５４は、時間帯２以降の各時間帯における自治体セットと、自治体セット内における各自治体のＳＮＳデータの発信比率と、を示している。
一方、災害の発生位置を推定するため、災害推定部３０は、災害情報収集部３１、ユーザ位置推定部３２、判定部３３、及び災害位置推定部３４の各機能部を含む。また、災害推定部３０は、災害語句ＤＢ３５及び災害情報集計ＤＢ３６の各ＤＢを含む。
災害情報収集部３１は、ＳＮＳデータのうち災害に関連するＳＮＳデータである災害情報と災害情報を発信したユーザ情報を収集する。災害情報の本文には、災害に関連する語句が含まれる傾向があるため、災害情報収集部３１は、災害に関連する語句と、災害の種類と、が対応付けられたテーブルが格納された災害語句ＤＢ３５を参照して、ＳＮＳサーバ５０から災害情報を収集する。更に、災害情報収集部３１は、収集した災害情報に、災害情報を発信したユーザ情報と、災害情報がＳＮＳサーバ５０に発信された発信時間と、災害情報で通知される災害の種類と、を対応づける。
ユーザ位置推定部３２は、災害情報収集部３１で収集した災害情報に含まれるＧＰＳ情報、ランドマーク情報、又はユーザ位置推定ＤＢ２８に格納される位置推定テーブル５４を用いて、災害情報の発信位置を推定する。そして、ユーザ位置推定部３２は、例えば災害の種別毎に、推定した災害情報の発信位置に対応する自治体毎の災害情報発信数を集計し、集計結果を災害情報集計ＤＢ３６に格納する。
判定部３３は災害情報集計ＤＢ３６から、ユーザ位置推定部３２が集計した、各々の災害の種別に対応した災害情報発信数の集計結果を取得する。そして、判定部３３は、集計結果に対して公知のバースト検知手法を適用し、災害情報発信数の変化から、災害の種別に対応した災害が発生しているか否かを判定する。
ここで、バースト検知手法とは、時系列データに対する異常検知の手法の１つで、イベント（この場合、災害情報の発信）の集中的な発生を検知する手法をいう。公知のバースト検知手法として、例えば“Proceedings of the 8th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 2002.”に記載されるJon Kleinbergが示した“Bursty and Hierarchical Structure in Streams ”(非特許文献)のバースト検知アルゴリズム等が利用できるが、Jon Kleinbergのバースト検知アルゴリズムと異なる他のバースト検知手法を用いてもよい。
災害位置推定部３４は、判定部３３で災害が発生していると判定した場合、災害情報集計ＤＢ３６から災害が発生していると判定された集計結果を取得し、取得した集計結果から災害が発生している自治体を推定する。
次に、図５に、位置推定装置１０をコンピュータで実現する場合の構成図を示す。
コンピュータ１００は、ＣＰＵ１０２、メモリ１０４、及び不揮発性の記憶部１０６を含む。ＣＰＵ１０２、メモリ１０４、及び不揮発性の記憶部１０６は、バス１０８を介して互いに接続される。また、コンピュータ１００は、他の装置とコンピュータ１００とを接続し、互いにデータを送受信するためのＩ／Ｏ（Input/Output）１１０を備え、Ｉ／Ｏ１１０はバス１０８に接続される。また、Ｉ／Ｏ１１０には、例えば入力装置１１２、出力装置１１４、及び通信装置１１６が接続される。
入力装置１１２は、例えばキーボード及びマウス等のユーザがコンピュータ１００に指示を与えるためのデバイスを含む。また、入力装置１１２は、例えばＣＤ−ＲＯＭ及びフラッシュメモリ等の記録媒体１１８に記録されるデータを読み取るための読み取り装置を含む。出力装置１１４は、例えばコンピュータ１００での処理結果を表示する表示デバイス、及びコンピュータ１００での処理結果を記憶する記憶装置等を含む。また、通信装置１１６は、通信回線４０に接続するためのインターフェースを含み、通信回線４０に接続されるＳＮＳサーバ５０等の他の情報端末とデータの送受信を行う。なお、記憶部１０６はＨＤＤ(Hard Disk Drive)又はフラッシュメモリ等によって実現できる。
記憶部１０６には、コンピュータ１００を図１に示す位置推定装置１０として機能させるための位置推定プログラム１２０が記憶される。記憶部１０６に記憶される位置推定プログラム１２０は、例えばＳＮＳデータ収集プロセス１２２、抽出プロセス１２４、集計プロセス１２６、選択プロセス１２８、及び算出プロセス１３０を含む。また、位置推定プログラム１２０は、例えば災害情報収集プロセス１３２、ユーザ位置推定プロセス１３４、判定プロセス１３６、及び災害位置推定プロセス１３８を含む。
ＣＰＵ１０２は、位置推定プログラム１２０を記憶部１０６から読み出してメモリ１０４に展開し、位置推定プログラム１２０が有する各プロセスを実行する。
ＣＰＵ１０２が、位置推定プログラム１２０を記憶部１０６から読み出してメモリ１０４に展開し、位置推定プログラム１２０を実行することで、コンピュータ１００が図１に示す位置推定装置１０として動作する。また、ＣＰＵ１０２がＳＮＳデータ収集プロセス１２２を実行することで、コンピュータ１００が図１に示すＳＮＳデータ収集部２１として動作する。また、ＣＰＵ１０２が抽出プロセス１２４を実行することで、コンピュータ１００が図１に示す抽出部２２として動作する。また、ＣＰＵ１０２が集計プロセス１２６を実行することで、コンピュータ１００が図１に示す集計部２３として動作する。また、ＣＰＵ１０２が選択プロセス１２８を実行することで、コンピュータ１００が図１に示す選択部２４として動作する。また、ＣＰＵ１０２が算出プロセス１３０を実行することで、コンピュータ１００が図１に示す算出部２５として動作する。また、ＣＰＵ１０２が災害情報収集プロセス１３２を実行することで、コンピュータ１００が図１に示す災害情報収集部３１として動作する。また、ＣＰＵ１０２がユーザ位置推定プロセス１３４を実行することで、コンピュータ１００が図１に示すユーザ位置推定部３２として動作する。また、ＣＰＵ１０２が判定プロセス１３６を実行することで、コンピュータ１００が図１に示す判定部３３として動作する。また、ＣＰＵ１０２が災害位置推定プロセス１３８を実行することで、コンピュータ１００が図１に示す災害位置推定部３４として動作する。
また、ＣＰＵ１０２が、ランドマーク情報格納領域１４０に格納された、ランドマークテーブル５１を生成する情報をメモリ１０４に展開することで、メモリ１０４にランドマークＤＢ２６が生成される。また、ＣＰＵ１０２が、位置集計情報格納領域１４２に格納された、位置集計テーブル５２を生成する情報をメモリ１０４に展開することで、メモリ１０４に位置情報集計ＤＢ２７が生成される。また、ＣＰＵ１０２が、ユーザ位置推定情報格納領域１４４に格納された、位置推定テーブル５４を生成する情報をメモリ１０４に展開することで、メモリ１０４にユーザ位置推定ＤＢ２８が生成される。また、ＣＰＵ１０２が、災害語句情報格納領域１４６に格納された、災害に関連する語句と、災害の種類と、を対応付けた情報をメモリ１０４に展開することで、メモリ１０４に災害語句ＤＢ３５が生成される。また、ＣＰＵ１０２が、災害集計情報格納領域１４８に格納された、災害の種別毎の各自治体における災害情報発信数の情報をメモリ１０４に展開することで、メモリ１０４に災害情報集計ＤＢ３６が生成される。更に、ＣＰＵ１０２が、定数格納領域１５０に格納された各種定数をメモリ１０４に展開することで、メモリ１０４に位置推定プログラム１２０で使用する閾値等の予め定めた値が記憶される。
なお、コンピュータ１００は、例えば半導体集積回路、より詳しくはＡＳＩＣ(Application Specific Integrated Circuit)等で実現することも可能である。
次に、本実施形態に係る位置推定装置１０の作用について説明する。本実施形態に係る位置推定装置１０は、例えば位置推定装置１０の利用者が、入力装置１１２を用いて位置推定装置１０に位置推定テーブル５４の生成を指示するタイミングで、ユーザ位置推定処理を実行する。
図６は、本実施形態に係る位置推定装置１０によるユーザ位置推定処理の流れの一例を示すフローチャートである。
まず、ステップＳ１０において、ＳＮＳデータ収集部２１は、ＳＮＳサーバ５０から特定ユーザがこれまでに発信したＭ件（Ｍは正の整数）分のＳＮＳデータを取得し、取得したＭ件分のＳＮＳデータをメモリ１０４の予め定めた領域に記憶する。
ＳＮＳデータの収集には、例えばＳＮＳサーバ５０を管理運営する機関から提供されるＡＰＩ(Application Programming Interface)を利用することができる。
次に、ステップＳ２０において、抽出部２２及び集計部２３は、位置集計テーブル生成処理を実行して特定ユーザのＳＮＳデータを収集し、図３に示した特定ユーザの位置集計テーブル５２を生成する。
そして、ステップＳ３０において、選択部２４及び算出部２５は、位置推定テーブル生成処理を実行して、ステップＳ２０の処理で生成した位置集計テーブル５２から、図４に示した特定ユーザの位置推定テーブル５４を生成する。
更に、ステップＳ４０において、ＳＮＳデータ収集部２１は、例えば予め収集したユーザリストを参照して、まだＳＮＳデータを取得していないユーザが存在するか否かを判定する。肯定判定の場合には、ステップＳ１０に移行してステップＳ１０〜ステップＳ４０の処理を繰り返し、ユーザ位置推定情報生成部２０は、まだＳＮＳデータを取得していないユーザの位置推定テーブル５４を生成する。一方、否定判定の場合には、ユーザ位置推定処理を終了する。
次に、ステップＳ２０及びステップＳ３０の各処理について詳細に説明する。
図７は、ステップＳ２０における位置集計テーブル生成処理の流れの一例を示すフローチャートである。
ステップＳ１００において、抽出部２２は、ステップＳ１０の処理で収集したＳＮＳデータの中からＳＮＳデータを１件取得する。
ステップＳ１０５において、抽出部２２は、ステップＳ１００の処理で取得したＳＮＳデータにＧＰＳ情報が付加されているか否かを判定する。肯定判定の場合はステップＳ１２０に移行し、ステップＳ１２０において、抽出部２２は、ＳＮＳデータからＧＰＳ情報を抽出し、ＧＰＳ情報に含まれる緯度及び経度からＳＮＳデータが発信された自治体を特定して、ＳＮＳデータに特定した自治体名を対応付ける。また、抽出部２２は、ＳＮＳデータからＳＮＳデータの発信時間情報を抽出し、ＳＮＳデータに、抽出した発信時間を対応付ける。
一方、ステップＳ１０５の判定処理において否定判定の場合には、ステップＳ１１０に移行する。
ステップＳ１１０において、抽出部２２は、ランドマークＤＢ２６に格納される図２に示したランドマークテーブル５１を参照し、取得したＳＮＳデータの本文に、ランドマークテーブル５１に登録されているランドマーク情報が含まれるか否かを判定する。否定判定の場合には、取得したＳＮＳデータから位置情報を抽出する処理を中止してステップＳ１３０に移行する。一方、肯定判定の場合にはステップＳ１１５に移行する。
ステップＳ１１５において、抽出部２２は、取得したＳＮＳデータの本文に含まれるランドマーク情報に基づいてＳＮＳデータが発信された自治体を推定し、ＳＮＳデータに、ＳＮＳデータが発信された自治体名を対応付ける。具体的には、抽出部２２は、ランドマークテーブル５１からＳＮＳデータに含まれるランドマーク情報に対応した自治体名を取得する。そして、抽出部２２は、取得した自治体名をＳＮＳデータが発信された自治体としてＳＮＳデータに対応付ける。また、抽出部２２は、ＳＮＳデータからＳＮＳデータの発信時間情報を抽出し、ＳＮＳデータに抽出した発信時間を対応付ける。
ステップＳ１２５において、集計部２３は、ステップＳ１１５又はステップＳ１２０の処理でＳＮＳデータに対応付けられた自治体名及び発信時間から、位置情報集計ＤＢ２７に格納される位置集計テーブル５２の値を更新する。具体的には、集計部２３は、位置集計テーブル５２で、ＳＮＳデータに対応付けられた自治体における、ＳＮＳデータに対応付けられた発信時間が含まれる時間帯のＳＮＳデータの発信数を１つ増加する。
なお、集計部２３は、位置集計テーブル５２の自治体名に、ＳＮＳデータに対応付けられた自治体名が含まれない場合、位置集計テーブル５２に、ＳＮＳデータに対応付けられた自治体名を有する列データを新たに追加する。この場合、集計部２３は、追加する列データの各時間帯におけるＳＮＳデータの発信数を０に設定する。そして、集計部２３は、位置集計テーブル５２で、ＳＮＳデータに対応付けられた自治体における、ＳＮＳデータに対応付けられた発信時間が含まれる時間帯のＳＮＳデータの発信数を１つ増加する。
ステップＳ１３０において、抽出部２２は、図６のステップＳ１０の処理で収集したＳＮＳデータのうち、ステップＳ１００の処理でまだ取得していないＳＮＳデータがあるか否かを判定する。
肯定判定の場合にはステップＳ１００に移行して、未取得のＳＮＳデータの各々に対してステップＳ１００〜ステップＳ１３０の処理を繰り返すことで、位置推定装置１０は、最大Ｍ件のＳＮＳデータに基づいた特定ユーザの位置集計テーブル５２を生成する。
一方、ステップＳ１３０の判定処理で否定判定となった場合には、位置集計テーブル生成処理を終了する。
なお、図７に示した位置集計テーブル生成処理の例では、ＳＮＳデータから位置情報を取得するため、ＧＰＳ情報又はランドマーク情報を利用した。しかし、ＳＮＳデータに何れの情報も含まれない場合には、ユーザ位置推定情報生成部２０は、ＳＮＳデータを発信したユーザのユーザプロフィール情報を取得して、ＳＮＳデータから位置情報を取得するようにしてもよい。具体的には、ユーザ位置推定情報生成部２０は、ＡＰＩを用いてＳＮＳサーバ５０からＳＮＳデータを発信したユーザのユーザプロフィール情報を取得する。そして、ユーザ位置推定情報生成部２０は、ユーザプロフィール情報に含まれるユーザの居住地域が自治体名で登録されている場合には、当該自治体を対応するＳＮＳデータが発信された自治体とみなして、位置集計テーブル５２の値を更新する。
次に、図８は、図６に示したステップＳ３０における位置推定テーブル生成処理の流れの一例を示すフローチャートである。なお、位置推定テーブル生成処理の開始前に、位置推定テーブル生成処理で使用する各種変数ｉ、ｋ、及びｎの値は、ｉ＝１、ｋ＝１、及びｎ＝２に初期化されるものとする。
まず、ステップＳ２００において、選択部２４は、位置集計テーブル生成処理で生成された特定ユーザの位置集計テーブル５２から、時間帯ｉにおける行データを取得する。
なお、図９は、ステップＳ２００の処理で取得する、時間帯ｉの行データの一例を示す図である。
ステップＳ２０５において、選択部２４は、ステップＳ２００の処理で取得した行データから、自治体ｋのＳＮＳデータ発信数を取得する。
次に、ステップＳ２１０において、選択部２４は、ステップＳ２０５の処理で取得した時間帯ｉでの自治体ｋのＳＮＳデータ発信数と、時間帯ｉでの自治体ｋ以外の他の自治体のＳＮＳデータ発信数の各々と、を比較する。そして、選択部２４は、例えばカイ２乗検定等の、比較したい事象に対する発生頻度の偏りを判定する統計的な検定手法を用いて、自治体ｋのＳＮＳデータ発信数に、他の自治体のＳＮＳデータ発信数に対する有意差が認められるか否かを判定する。
例えば、図３に示した位置集計テーブル５２でｉ＝ｋ＝１の場合、時間帯１における自治体ｋ、即ちＡ市のＳＮＳデータ発信数であるａ１が、時間帯１における他の自治体のＳＮＳデータ発信数の各々に対して有意差が認められる程度に多いか否かを判定する。仮に、肯定判定の場合には、参照している位置集計テーブル５２に対応する特定ユーザは、時間帯１においてＡ市にいると推定できる。しかし、否定判定の場合には、参照している位置集計テーブル５２に対応する特定ユーザは、時間帯１においてＡ市にいると推定することは統計的に困難である。
従って、ステップＳ２１０の判定処理で肯定判定となった場合には、ステップＳ２５０に移行し、時間帯ｉにおいて特定ユーザが存在すると推定される自治体を位置推定テーブル５４に登録する。
一方、ステップＳ２１０の判定処理で否定判定となった場合には、引き続き特定ユーザが何れの自治体にいるか推定するためステップＳ２１５に移行する。
ステップＳ２１５において、選択部２４は変数ｋを１つ増加して、ＳＮＳデータ発信数に関して有意差を判定する対象を別の自治体に変更する。
そして、ステップＳ２２０において、選択部２４は、ステップＳ２００の処理で取得した時間帯ｉの行データに、他の自治体のＳＮＳデータ発信数が含まれるか否かを判定する。肯定判定の場合にはステップＳ２０５に移行し、ステップＳ２０５〜ステップＳ２２０の処理を繰り返すことで、選択部２４は、時間帯ｉの行データから、ＳＮＳデータの発信数に有意差が認められる自治体を選択する。
一方、ステップＳ２２０の判定処理で否定判定となる場合には、時間帯ｉにおいて、特定の単一自治体のＳＮＳデータ発信数と、他の自治体のＳＮＳデータ発信数と、の間には有意差がないことを表している。従って、選択部２４は、他の自治体のＳＮＳデータ発信数に対して有意差が現れるような自治体の組み合わせを選択する。
そのため、ステップＳ２２５では、選択部２４は、ステップＳ２００の処理で取得した時間帯ｉの行データの各要素に対応する複数の自治体をｎ個選択する組み合わせの中から、未選択の組み合わせを１つ選択する。なお、以降では、選択したｎ個の自治体の組み合わせを、「要素数ｎの自治体セット」という。
ステップＳ２３０において、選択部２４は、時間帯ｉの行データから、ステップＳ２２５の処理で選択した各々の自治体のＳＮＳデータ発信数を取得し、取得したＳＮＳデータ発信数の合計を自治体セットのＳＮＳデータ発信数とする。
図１０は、例えばＡ市及びＢ町を自治体セットとして選択し、Ａ市及びＢ町の各々のＳＮＳデータ発信数を自治体セットのＳＮＳデータ発信数とした場合の、時間帯ｉにおけるＳＮＳデータ発信数を示す図である。この場合、図１０に示すように、自治体セットに含まれるＡ市及びＢ町を１つの自治体と捉えることができる。
更に、選択部２４は、自治体セットのＳＮＳデータ発信数と、時間帯ｉの行データに含まれる自治体セット以外の他の自治体のＳＮＳデータ発信数の各々と、を比較する。そして、選択部２４は、自治体セットのＳＮＳデータ発信数に、他の自治体のＳＮＳデータ発信数に対する有意差が認められるか否かを判定する。
肯定判定の場合、即ち、参照している位置集計テーブル５２に対応する特定ユーザが、時間帯ｉにおいて自治体セットに含まれる自治体にいると推定できる場合には、ステップＳ２５０に移行する。
ステップＳ２５０の処理は、ステップＳ２１０の判定処理で肯定判定となった場合、及び、ステップＳ２３０の判定処理で肯定判定となった場合に実行される。即ちステップＳ２５０の処理は、時間帯ｉにおいて、参照している位置集計テーブル５２に対応する特定ユーザの位置が推定できた場合に実行される処理である。
ステップＳ２５０において、算出部２５は、他の自治体のＳＮＳデータ発信数に対して有意差が認められる自治体又は自治体セットに対して、時間帯ｉにおける各自治体のＳＮＳデータの発信比率を算出する。
図１１は、例えば位置集計テーブル５２の時間帯１において、Ａ市、Ｂ町、及びＣ村が自治体セットとして選択された状況を示す図である。
この場合、選択された自治体セットにおけるＡ市の発信比率をｒａ１、Ｂ町の発信比率をｒｂ１、Ｃ村の発信比率をｒｃ１とすれば、算出部２５は発信比率ｒａ１、発信比率ｒｂ１、及び発信比率ｒｃ１を、それぞれ（１）式〜（３）式に従って算出する。
（数１）
ｒａ１＝ａ１／（ａ１＋ｂ１＋ｃ１）・・・（１）
ｒｂ１＝ｂ１／（ａ１＋ｂ１＋ｃ１）・・・（２）
ｒｃ１＝ｃ１／（ａ１＋ｂ１＋ｃ１）・・・（３）
そして、算出部２５は、時間帯１において、発信比率ｒａ１、発信比率ｒｂ１、及び発信比率ｒｃ１を、各自治体と対応づけて図４に示す位置推定テーブル５４を生成する。
即ち、位置推定テーブル５４に対応する特定ユーザは、時間帯１において、発信比率ｒａ１の割合でＡ市に存在し、発信比率ｒｂ１の割合でＢ町に存在し、発信比率ｒｃ１の割合でＣ村に存在することがわかる。
なお、ステップＳ２１０の判定処理で肯定判定となった場合、他の自治体のＳＮＳデータ発信数に対して有意差が認められる自治体は１つとなる。この場合は要素数１の自治体セットとみなすことができるため、算出部２５は、発信比率を１に設定して自治体と対応付け、位置推定テーブル５４を生成する。
一方、ステップＳ２３０の判定処理が否定判定の場合には、参照している位置集計テーブル５２に対応する特定ユーザが、時間帯ｉにおいて自治体セットに含まれる自治体にいると推定することは統計的に困難である。
従って、否定判定の場合にはステップＳ２３５に移行し、ステップＳ２３５において、選択部２４は、ステップＳ２００の処理で取得した時間帯ｉの行データにおいて、未選択の要素数ｎの自治体セットがあるか否かを判定する。そして、肯定判定の場合には、ステップＳ２２５に移行して、ステップＳ２２５〜ステップＳ２３５の処理を繰り返すことで、選択部２４は、時間帯ｉの行データから、ＳＮＳデータの発信数に有意差が認められる要素数ｎの自治体セットを選択する。
一方、ステップＳ２３５の判定処理が否定判定の場合、要素数ｎの自治体セットのＳＮＳデータ発信数と、要素数ｎの自治体セット以外の他の自治体のＳＮＳデータ発信数と、の間には有意差がないことを表している。
従って、ステップＳ２３５の判定処理が否定判定の場合には、ステップＳ２４０に移行し、自治体セットに含まれる自治体数を増加することで自治体セットのＳＮＳデータ発信数に有意差が現れるか判定する。
そこで、ステップＳ２４０において、選択部２４は変数ｎを１つ増加する。そして、ステップＳ２４５において、選択部２４は、変数ｎが閾値Ｎ以下か否かを判定する。ここで、閾値Ｎは自治体の最大組み合わせ数を定義した値であり、例えば閾値Ｎは、図３に示した位置集計テーブル５２の時間帯ｉの行データに含まれる自治体数未満に設定される。
ステップＳ２４５の判定処理が肯定判定の場合には、ステップＳ２２５に移行する。そして、ステップＳ２２５〜ステップＳ２４５の処理を繰り返すことで、選択部２４は、要素数ｎを１つずつ増加させながら、時間帯ｉの行データからＳＮＳデータの発信数に有意差が認められる要素数ｎの自治体セットを選択する。
一方、ステップＳ２４５の判定処理が否定判定の場合には、参照している位置集計テーブル５２に対応する特定ユーザが、時間帯ｉにどの自治体にいるか推定できないことを意味する。この場合、ステップＳ２５５に移行する。
ステップＳ２５５において、選択部２４は変数ｉを１つ増加して、次の時間帯の行データから要素数ｎの自治体を選択する準備を行う。
そして、ステップＳ２６０において、選択部２４は、ステップＳ２００の処理で参照した、特定ユーザの位置集計テーブル５２に、ステップＳ２５５の処理で更新した時間帯ｉの行データが存在するか否かを判定する。肯定判定の場合にはステップＳ２００に移行し、選択部２４は、更新した時間帯ｉにおける特定ユーザの位置を推定し、否定判定の場合には位置推定テーブル生成処理を終了する。
上記に説明した位置推定テーブル生成処理により、図６のステップＳ１０の処理でＳＮＳデータを収集した特定ユーザに対する位置推定テーブル５４が生成できる。
なお、ステップＳ２２５の処理では、時間帯ｉにおける行データの各要素に対応する複数の自治体から、要素数ｎの自治体セットを選択した。しかし、通常、ユーザは各自治体を連続的に移動する。
図１２は、各自治体の形状を矩形状に単純化して配置した地図である。地図５６には、一例としてＡ市、Ｂ町、Ｃ村、Ｄ町、Ｅ市、及びＦ村が記載されている。
例えばユーザがＡ市にいる場合、ユーザはＡ市から隣接する自治体を経由して各自治体に移動する。従って、要素数ｎ（この場合、ｎは２以上）の自治体セットが複数選択できる場合、選択部２４は、地理的に隣接する自治体を選択する方が、ユーザの移動形態に近い自治体の選択となり好ましい。
例えば、要素数２の自治体セットとして、隣接する自治体であるＡ市及びＢ町の自治体セットと、隣接していない自治体であるＡ市及びＣ村の自治体セットと、があるとする。この際、Ａ市及びＢ町の自治体セットに対してＳＮＳデータ発信数の有意差を判定する方が、Ａ市及びＣ村の自治体セットからＳＮＳデータ発信数の有意差を判定する場合より、効率よくユーザの位置を推定できる場合がある。
なお、選択した自治体セットに含まれる自治体が隣接しているか否かの判定は、例えば選択部２４が要素数ｎの自治体セットを選択する際、隣接自治体テーブルを参照することで可能となる。
図１３は、隣接自治体テーブルの一例を示す図である。隣接自治体テーブル５８は、自治体と、当該自治体に隣接する自治体と、を対応付けるテーブルである。図１３に示す隣接自治体テーブル５８の例によれば、Ａ市はＢ町、Ｅ市、及びＦ村に隣接していることを示している。なお、隣接自治体テーブル５８は、メモリ１０４の予め定めた領域に予め記憶しておけばよい。
また、図１４に示すように、時間帯ｉにおいてＡ市でのＳＮＳデータ発信数ａｉと、Ｄ町でのＳＮＳデータ発信数ｄｉと、を足し合わせると、他の自治体のＳＮＳデータ発信数に対して有意差が認められる状況になるとする。この場合、Ａ市とＤ町とは隣接していないが、選択部２４は、Ａ市及びＤ町にそれぞれ隣接するＦ村を含めて、Ａ市、Ｄ町、及びＦ村のように連続的に隣接する自治体を組み合わせた自治体セットを選択してもよい。なお、既にＡ市及びＤ町でのＳＮＳデータ発信数の合計（ａｉ＋ｄｉ）で、他の自治体のＳＮＳデータ発信数に対して有意差が認められるため、時間帯ｉでのＦ村のＳＮＳデータ発信数は“０”であってもよい。
このように、選択部２４は、時間帯ｉにおいてＳＮＳデータ発信数が“０”の自治体であっても、連続的に隣接する自治体を組み合わせた自治体セットを生成するため、要素数ｎ（ｎは３以上）の自治体セットに含めることができる。この場合、時間帯ｉにおいてＳＮＳデータ発信数が“０”の自治体は、位置集計テーブル５２に含まれない自治体であってもよいことは言うまでもない。
更に、選択部２４は、自治体セットに含まれる各自治体の面積の合計がより小さくなるように、自治体セットを選択する方が好ましい。なぜなら、自治体セットに含まれる各自治体の面積の合計が小さくなるに従ってユーザの位置が絞られ、ユーザの位置を精度よく推定することができるためである。なお、各自治体の面積情報は、メモリ１０４の予め定めた領域に予め記憶しておけばよい。
例えば、図１４に示す例において、Ａ市及びＤ町にそれぞれ隣接するＦ村及びＥ市のＳＮＳデータ発信数は共に“０”であるが、Ｆ村の面積がＥ市の面積より小さいとすれば、選択部２４はＡ市、Ｄ町、及びＦ村のように自治体セットを選択する方が好ましい。
しかし、例えば、図１５に示すように、Ａ市、Ｅ市、及びＤ町を通る路線又は幹線道路等の移動ルート６０は存在するが、Ａ市、Ｆ村、及びＤ町を通る移動ルートは存在しない場合には、選択部２４はＡ市、Ｄ町、及びＥ市のように自治体セットを選択してもよい。なぜなら、ユーザは、車両又は鉄道等の交通機関を使い、移動ルート６０に沿って移動する傾向がある。従って、図１５の例では、ユーザは時間帯ｉにおいてＡ市、Ｄ町、及びＦ村の自治体セットより、Ａ市、Ｄ町、及びＥ市の自治体セットにいる確率が高いため、選択部２４は、Ａ市、Ｄ町、及びＥ市の自治体セットを選択した方が精度よくユーザの位置を推定できる。
なお、自治体間にどのような移動ルート６０が存在するかは、選択部２４が移動ルートテーブルを参照することで可能となる。
図１６は、移動ルートテーブルの一例を示す図である。移動ルートテーブル６２は、鉄道及び道路等の交通インフラと、交通インフラが通過する自治体と、を対応付けるテーブルである。例えば移動ルートテーブル６２の例によれば、国道Ｗ号線は、Ａ市、Ｂ町及びＣ村を通過することを示している。なお、移動ルートテーブル６２は、メモリ１０４の予め定めた領域に予め記憶しておけばよい。
また、算出部２５は、図８のステップＳ２５０の処理で算出した位置推定テーブル５４の内容を更に修正するようにしてもよい。
図１７は、例えばユーザＣの位置推定テーブル５４の一例を示す図である。なお、図１７に示す位置推定テーブル５４において、記号“−”はデータが存在しないことを表している。
例えば図１７に示す位置推定テーブル５４は、時間帯２においてユーザＣがＣ村にいる場合があることを示している。一方、図１７に示す位置推定テーブル５４は、時間帯２より早い時間帯である時間帯１では、ユーザＣはＡ市又はＥ町にいることを示している。例えば時間帯１が７時以上８時未満の時間帯を表し、時間帯２が８時以上９時未満の時間帯を表す場合、ユーザＣはＡ市又はＥ町からＣ村に２時間以内で移動することになる。しかし、如何なる方法を使っても、ユーザＣが２時間以内でＡ市又はＥ町からＣ村に移動できないことが明確である場合、算出部２５は、時間帯２における自治体セットからＣ村を削除する。具体的には、算出部２５は、時間帯２におけるＣ村の発信比率ｒｃ２を“０”する。更に、算出部２５は、ユーザＣが２時間以内でＡ市からＥ町に移動できると判定できれば、時間帯２においてユーザＣがいると推定できる自治体がＥ町だけとなるため、Ｅ町の発信比率ｒｅ２を“１”にする。
なお、例えば時間帯２でＣ村、Ｅ町、及びＦ村の自治体セットが選択され、且つ、Ｃ村への移動が不可能である場合、Ｃ村の発信比率ｒｃ２を“０”にすると共に、発信比率ｒｃ２を、Ｅ町及びＦ村の発信比率の割合に応じてＥ町及びＦ村に比例配分すればよい。
このように、位置推定装置１０は、位置推定テーブル５４の隣接する時間帯毎に選択された自治体セットの中に、隣接する時間帯で表される期間では移動が不可能な自治体が含まれる場合、自治体セットから移動が不可能と考えられる自治体を削除する。
なお、隣接する時間帯で表される期間とは、隣接する時間帯を１つの時間帯にまとめた場合の開始時間から終了時間までの期間をいう。例えば時間帯１及び時間帯２の例で言えば、時間帯１の開始期間から時間帯２の終了時間までの期間をいう。
更に、図１７に示す位置推定テーブル５４の例では、時間帯４においてＳＮＳデータの発信数に有意差が認められる自治体セットが選択できなかったため、何れの自治体の発信比率も登録されていない。従って、位置推定装置１０は、ユーザＣが時間帯４に何れの自治体にいるか推定することができない。
従って、算出部２５は、ＳＮＳデータの発信数に有意差が認められる自治体セットが選択できなかった時間帯（推定不能時間帯）に隣接する時間帯の自治体の発信比率から、推定不能時間帯でＳＮＳデータを発信したと考えられる自治体の発信比率を算出する。
具体的には、推定不能時間帯に隣接する時間帯の自治体の発信比率を経過時間に応じて比例配分することで、推定不能時間帯における自治体の発信比率を算出する。
例えば図１７に示す位置推定テーブル５４の例において、時間帯ｉにおける時刻をｔｉとすれば、時間帯４における各自治体の発信比率ｒα４”は（４）式〜（６）式を用いて（７）式のように表される。
（数２）
ｒａ４’＝ｒａ３＋（ｒａ５−ｒａ３）／（ｔ５−ｔ３）＊（ｔ４−ｔ３） ・・・（４）
ｒｄ４’＝ｒｄ３−ｒｄ３／（ｔ５−ｔ３）＊（ｔ４−ｔ３） ・・・（５）
ｒｃ４’＝ｒｃ５／（ｔ５−ｔ３）＊（ｔ４−ｔ３） ・・・（６）
ｒα４”＝ｒα４’／（ｒａ４＋ｒｄ４−ｒｃ４）・・・（７）
ここで、α＝ａ、ｂ、及びｃであり、時間帯ｉにおける時刻とは、例えば時間帯ｉの中央の時刻である。具体的には、時間帯３が９時以上１０時未満を示す時間帯であれば、時刻ｔ３は９時３０分となる。
図１８は、図１７に示す位置推定テーブル５４の例に対して、上記で説明した時間帯２及び時間帯４に対する修正を実行した後の位置推定テーブル５４の例を示す図である。図１８に示すように、位置推定テーブル５４の時間帯２における自治体からＣ村が削除されてＥ町だけとなり、また、時間帯４に、時間帯３及び時間帯５の自治体の発信比率から推定した自治体の発信比率が追加される。
従って、位置推定装置１０は、自治体間の移動に要する時間と、隣接する時間帯で表される期間と、の関係に基づいて、一度生成した位置推定テーブル５４を修正しない場合に比べて、精度よくユーザの位置を推定することができる。また、位置推定装置１０は、推定不能時間帯における自治体の発信比率を不明のままとする場合に比べて、精度よくユーザの位置を推定することができる。
次に、図８に示した位置推定テーブル生成処理で生成された位置推定テーブル５４を利用して、何れの自治体から発信されたか不明のＳＮＳデータの発信位置を推定し、例えば災害の発生位置を推定する災害発生位置推定処理について説明する。
図１９は、災害発生位置推定処理の流れの一例を示すフローチャートである。
ステップＳ３００において、災害情報収集部３１はＡＰＩを利用して、ＳＮＳサーバ５０にＳＮＳデータが存在するか否かを判定する。否定判定の場合、災害情報収集部３１は、ＳＮＳに登録するユーザからＳＮＳサーバ５０にＳＮＳデータが発信されるまで、ステップＳ３００の処理を繰り返し実行する。一方、肯定判定の場合にはステップＳ３０５に移行する。
ステップＳ３０５において、災害情報収集部３１はＡＰＩを利用して、ＳＮＳサーバ５０から未取得のＳＮＳデータを１件収集する。なお、この際収集するＳＮＳデータは、何れのユーザのＳＮＳデータであってもよい。
次に、ステップＳ３１０において、災害情報収集部３１は、メモリ１０４に記憶される災害語句ＤＢ３５から災害語句テーブルを取得する。
図２０は、災害語句テーブル６６の一例を示す図である。図２０に示すように、災害語句テーブル６６は、“氾濫”、“土砂崩れ”、“竜巻”等の災害の発生を連想させる語句と、各々の語句に対応する災害の種別と、を対応付けるテーブルである。
ステップＳ３１０において、災害情報収集部３１は、ステップＳ３０５の処理で収集したＳＮＳデータが、災害語句テーブル６６に登録された何れかの災害語句を含む災害情報であるか否かを判定する。否定判定の場合には、ステップＳ３０５の処理で収集したＳＮＳデータは災害情報ではないため、ステップＳ３００に移行して新たなＳＮＳデータを収集する。
一方、ステップＳ３１０の判定処理で肯定判定の場合には、災害情報収集部３１は、災害語句テーブル６６から、ＳＮＳデータに含まれる災害語句に対応する災害の種類を取得し、ステップＳ３０５の処理で収集した災害情報と対応づける。更に、災害情報収集部３１は、災害情報を発信したユーザ情報、及び災害情報の発信時間を、ステップＳ３０５の処理で収集した災害情報と対応付け、メモリ１０４の予め定めた領域に記憶する。
ステップＳ３１５において、ユーザ位置推定部３２は、ステップＳ３０５の処理で収集した災害情報にＧＰＳ情報が付加されているか否かを判定する。肯定判定の場合には、ＧＰＳ情報に含まれる緯度及び経度から災害情報の発信位置を自治体単位で推定することができるため、ステップＳ３２５に移行する。一方、否定判定の場合には、現時点において災害情報の発信位置が不明であるため、ステップＳ３２０に移行する。
ステップＳ３２０において、ユーザ位置推定部３２は、ランドマークＤＢ２６に格納される図２に示したランドマークテーブル５１を参照し、取得した災害情報の本文に、ランドマークテーブル５１に登録されているランドマーク情報が含まれるか否かを判定する。肯定判定の場合には、災害情報の本文に含まれるランドマーク情報から災害情報の発信位置を自治体単位で推定することができるため、ステップＳ３２５に移行する。
ステップＳ３２５において、ユーザ位置推定部３２は、災害情報集計ＤＢ３６に格納される災害検知テーブルを用いて、災害の種別の各々に対して、自治体毎に災害情報の発信数を集計する。
図２１は、特定の災害の種別における災害検知テーブルの一例を示す図である。災害検知テーブル６８は、自治体と、自治体における災害情報の発信数と、を対応付けるテーブルである。例えばＡ市の災害情報の発信数がＳＡであり、ステップＳ３０５の処理で収集した災害情報がＡ市から発信されたものと推定される場合、ユーザ位置推定部３２は、災害検知テーブル６８のＡ市の災害情報の発信数を（ＳＡ＋１）にする。
一方、ステップＳ３２０の判定処理が否定判定の場合には、現時点において災害情報の発信位置が不明であるため、ステップＳ３３０に移行する。
ステップＳ３３０において、ユーザ位置推定部３２は、ユーザ位置推定ＤＢ２８から、ステップＳ３０５の処理で収集した災害情報を発信したユーザに対応する位置推定テーブル５４を取得する。そして、ユーザ位置推定部３２は、取得した位置推定テーブル５４の時間帯のうち、災害情報に対応付けられた発信時間を含む時間帯に含まれる自治体名及び自治体の発信比率を取得する。
ステップＳ３３５において、ユーザ位置推定部３２は、災害情報で表される災害の種別に対応した災害検知テーブル６８の自治体の発信数に、ステップＳ３３０の処理で取得した自治体毎の発信比率を加算する。
図２２は、自治体の発信数に発信比率を加算した場合の災害検知テーブル６８を示す図である。
例えば、時間帯ｉにおけるＡ市の発信比率がｒａｉ、Ｂ町の発信比率がｒｂｉ、及びＣ村の発信比率がｒｃｉであり、発信比率を加算する前のＡ市の災害情報の発信数が（ＳＡ＋１）、Ｂ町の災害情報の発信数がＳＢ、及びＣ村の災害情報の発信数がＳＣであるとする。この場合、図２２に示すように、Ａ市の災害情報の発信数は（ＳＡ＋１＋ｒａｉ）、Ｂ町の災害情報の発信数は（ＳＢ＋ｒｂｉ）、Ｃ村の災害情報の発信数は（ＳＣ＋ｒｃｉ）となる。
ステップＳ３４０において、判定部３３は、ステップＳ３２５又はステップＳ３３５の処理で災害情報の発信数を更新した災害検知テーブル６８に対して公知のバースト検知手法を適用する。そして、判定部３３は、災害情報の発信数の変化から、災害検知テーブル６８に対応する種別の災害が発生しているか否かを判定する。否定判定の場合にはステップＳ３００に移行して、新たなＳＮＳデータを収集する。一方、肯定判定の場合には、判定部３３は、例えば災害が発生していることを示す識別子を更新した災害検知テーブル６８に対応付け、ステップＳ３４５に移行する。
ステップＳ３４５において、災害位置推定部３４は、災害情報集計ＤＢ３６から、災害が発生していることを示す識別子が対応付けられた災害検知テーブル６８を取得する。そして、災害位置推定部３４は、取得した災害検知テーブル６８を参照し、災害情報の発信数に対する自治体数の関係を示す発信頻度分布を生成する。
図２３は、災害の発生が推定される災害検知テーブル６８から生成した発信頻度分布の一例を示す図である。なお、図２３に示す発信頻度分布７０の縦軸は自治体数、横軸は災害情報の発信数を示す。通常、実際に災害が発生している自治体からの災害情報の発信数は、災害の発生していない自治体からの発信数に比べて多くなる。従って、災害位置推定部３４は、例えば災害情報の発信数に関して上位１０％に含まれる自治体で災害が発生していると推定する。なお、災害が発生している自治体を推定する際の閾値である“１０％”の値は一例であり、他の閾値を用いてもよいことは言うまでもない。
災害位置推定部３４は、災害が発生していると推定した自治体の名称等の情報を、例えば図５に示した出力装置１１４から位置推定装置１０の外部に出力してもよい。
以上、図１９に示す災害発生位置推定処理により、位置情報が含まれない災害情報であっても、図４に示した位置推定テーブル５４を使用して、災害が発生している自治体を推定することができる。
従って、位置推定装置１０は、位置情報が含まれる災害情報だけでは公知のバースト検知手法を適用するのにサンプル数が足りない場合であっても、位置推定テーブル５４から発信位置を推定した災害情報を利用できるため、より短時間に災害の発生を推定できる。
また、位置推定装置１０は、位置情報が含まれる災害情報だけで災害の発生位置を推定する場合に比べて、利用できる災害情報の数が多くなるため、精度よく災害の発生位置を推定できる。
なお、位置推定テーブル５４を利用した位置推定サービスの利用範囲は防災関連に限定されない。例えば、位置推定テーブル５４から特定の人物の時間帯毎の行動エリアが推定できるため、ユーザの推定位置周辺にある店の広告をユーザが所有するスマートフォン等の情報機器に送信する等、マーケティング分野に適用することができる。その他、位置推定テーブル５４は、ユーザの位置を利用して何らかの処理を行う分野であれば、如何なる分野にも適用できることは言うまでもない。
また、図８に示した位置推定テーブル生成処理のステップＳ２２５では、選択部２４は、他の自治体のＳＮＳデータ発信数に対して有意差が認められるように、要素数ｎの自治体セットを選択した。しかし、選択部２４は、他の自治体のＳＮＳデータ発信数に対して有意差が認められるように、図３に示した位置集計テーブル５２の複数の時間帯の中からｍ個（ｍは１以上）の時間帯の組み合わせを選択するようにしてもよい。この際、選択部２４は、時間帯が連続し、且つ、できるだけ組み合わせる時間帯の数が少なくなるような時間帯の組み合わせを選択することが好ましい。
ここで時間帯が連続するとは、図３に示す位置集計テーブル５２の場合、時間帯１、時間帯２、及び時間帯３のように、時間帯に切れ目がない状態をいう。時間帯１及び時間帯３と選択した場合、時間帯１と時間帯３の間に時間帯２による時間の切れ目が入るため、時間帯が連続していない。
また、選択部２４は、できるだけ組み合わせる時間帯の数が少なくなるように、位置集計テーブル５２から時間帯の組み合わせを選択することで、より短い期間毎にユーザの位置が推定された位置推定テーブル５４を生成できる。従って、位置推定装置１０は、ユーザの位置をより精度よく推定することができる。
また、選択部２４は、他の自治体のＳＮＳデータ発信数に対して有意差が認められるように、位置集計テーブル５２の複数の自治体及び複数の時間帯の中から、ｎ個の自治体及びｍ個の時間帯の組み合わせを選択するようにしてもよい。
この場合、選択部２４は、位置集計テーブル５２の複数の自治体の中からｎ個の自治体を選択する際に説明した好ましい選択方法、及び、複数の時間帯の中からｍ個の時間帯を選択する際に説明した好ましい選択方法を適用することができる。
以上、実施形態を用いて開示の技術を説明したが、開示の技術は各々の実施形態に記載の範囲には限定されない。開示の技術の要旨を逸脱しない範囲で各々の実施形態に多様な変更または改良を加えることができ、当該変更または改良を加えた形態も開示の技術の技術的範囲に含まれる。例えば、開示の技術の要旨を逸脱しない範囲で処理の順序を変更してもよい。
また、実施形態では、位置推定プログラム１２０が記憶部に予め記憶（インストール）されている態様を説明したが、これに限定されるものではない。開示の技術に係る位置推定プログラム１２０は、コンピュータ読取可能な記録媒体１１８に記録されている形態で提供することも可能である。例えば、開示の技術に係る位置推定プログラム１２０は、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、及びＵＳＢメモリ等の可搬型記録媒体に記録されている形態で提供することも可能である。また、開示の技術に係る位置推定プログラム１２０は、フラッシュメモリ等の半導体メモリ等に記録されている形態で提供することも可能である。
以上の実施形態に関し、更に以下の付記を開示する。
（付記１）
コンピュータに、
ソーシャルメディアに発信された情報に紐づけられたユーザ情報毎に、複数の基礎自治体における基礎自治体毎で、且つ、複数の時間帯における時間帯毎に情報発信数を集計し、
前記情報発信数に基づいて、前記ユーザ情報毎に、前記複数の基礎自治体から、他の基礎自治体に比べて前記情報発信数に有意差が現れる基礎自治体の組み合わせを前記時間帯毎に選択し、
前記選択した基礎自治体の組み合わせにおける基礎自治体毎の前記情報発信数から、前記ユーザ情報毎に、前記選択した基礎自治体の組み合わせにおける基礎自治体毎の前記情報の発信比率を前記時間帯毎に算出し、
前記ソーシャルメディアから新たに収集した情報に情報の発信位置を特定する位置情報が含まれない場合、前記新たに収集した情報に含まれる情報の発信時間、及び前記新たに収集した情報を発信したユーザ情報に対応する算出した発信比率に従って、前記新たに収集した情報を発信したユーザの位置を推定する
ことを含む処理を実行させる位置推定方法。
（付記２）
コンピュータに、
ソーシャルメディアに発信された情報に紐づけられたユーザ情報毎に、複数の基礎自治体における基礎自治体毎で、且つ、複数の時間帯における時間帯毎に情報発信数を集計し、
前記情報発信数に基づいて、前記ユーザ情報毎に、前記複数の時間帯から、前記複数の基礎自治体における各基礎自治体の何れかで、他の基礎自治体に比べて前記情報発信数に関する有意差が現れる時間帯の組み合わせを選択し、
前記ソーシャルメディアから新たに収集した情報に情報の発信位置を特定する位置情報が含まれない場合、前記新たに収集した情報に含まれる情報の発信時間、及び前記新たに収集した情報を発信したユーザ情報に対応する選択した時間帯の組み合わせに従って、前記新たに収集した情報を発信したユーザの位置を推定する
ことを含む処理を実行させる位置推定方法。
（付記３）
前記複数の基礎自治体及び前記複数の時間帯の項目のうち、一方の項目に関する組み合わせでは前記情報発信数に関する有意差が現れない場合、前記複数の基礎自治体における各基礎自治体及び前記複数の時間帯における各時間帯の組み合わせの中から、他の基礎自治体に比べて前記情報発信数に関する有意差が現れるような組み合わせを選択する
付記１又は付記２記載の位置推定方法。
（付記４）
前記複数の基礎自治体における各基礎自治体から、他の基礎自治体に比べて前記情報発信数に関する有意差が現れる基礎自治体の組み合わせを選択する場合、地理的に連続するような基礎自治体の組み合わせを選択する
付記１又は付記３記載の位置推定方法。
（付記５）
前記地理的に連続する基礎自治体の組み合わせのうち、面積が他の基礎自治体の組み合わせに比べて小さくなるような基礎自治体の組み合わせを選択する
付記４記載の位置推定方法。
（付記６）
前記地理的に連続する基礎自治体の組み合わせのうち、交通機関の沿線に位置する基礎自治体の組み合わせを選択する
付記４記載の位置推定方法。
（付記７）
前記複数の時間帯における隣接する時間帯のうち、より早い第１の時間帯での前記基礎自治体の組み合わせに含まれる特定の基礎自治体から、より遅い第２の時間帯での前記基礎自治体の組み合わせに含まれる前記特定の基礎自治体と異なる他の基礎自治体に移動するのに要する時間が、前記隣接する時間帯で表される期間より短い場合、前記第２の時間帯における前記基礎自治体の組み合わせから前記他の基礎自治体を削除し、前記第２の時間帯における前記情報の発信比率を再度算出する
付記４〜付記６の何れか１項に記載の位置推定方法。
（付記８）
前記情報発信数に関する有意差が認められない時間帯が存在する場合、前記情報発信数に関する有意差が認められない時間帯に隣接する時間帯における前記情報の発信比率から、前記情報発信数に関する有意差が認められない時間帯における前記情報の発信比率を算出する
付記３〜付記７の何れか１項に記載の位置推定方法。
（付記９）
前記複数の時間帯から、前記複数の基礎自治体における各基礎自治体の何れかで、他の基礎自治体に比べて前記情報発信数に関する有意差が現れる時間帯の組み合わせを選択する場合、時間的に連続するような時間帯の組み合わせで、且つ、期間が他の時間帯の組み合わせに比べて短くなるような時間帯の組み合わせを選択する
付記２又は付記３記載の位置推定方法。
（付記１０）
コンピュータに、
ソーシャルメディアに発信された情報に紐づけられたユーザ情報毎に、複数の基礎自治体における基礎自治体毎で、且つ、複数の時間帯における時間帯毎に情報発信数を集計し、
前記情報発信数に基づいて、前記ユーザ情報毎に、前記複数の基礎自治体から、他の基礎自治体に比べて前記情報発信数に有意差が現れる基礎自治体の組み合わせを前記時間帯毎に選択し、
前記選択した基礎自治体の組み合わせにおける基礎自治体毎の前記情報発信数から、前記ユーザ情報毎に、前記選択した基礎自治体の組み合わせにおける基礎自治体毎の前記情報の発信比率を前記時間帯毎に算出し、
前記ソーシャルメディアから新たに収集した情報に情報の発信位置を特定する位置情報が含まれない場合、前記新たに収集した情報に含まれる情報の発信時間、及び前記新たに収集した情報を発信したユーザ情報に対応する算出した発信比率に従って、前記新たに収集した情報を発信したユーザの位置を推定する
ことを含む処理を実行させるための位置推定プログラム。
（付記１１）
コンピュータに、
ソーシャルメディアに発信された情報に紐づけられたユーザ情報毎に、複数の基礎自治体における基礎自治体毎で、且つ、複数の時間帯における時間帯毎に情報発信数を集計し、
前記情報発信数に基づいて、前記ユーザ情報毎に、前記複数の時間帯から、前記複数の基礎自治体における各基礎自治体の何れかで、他の基礎自治体に比べて前記情報発信数に関する有意差が現れる時間帯の組み合わせを選択し、
前記ソーシャルメディアから新たに収集した情報に情報の発信位置を特定する位置情報が含まれない場合、前記新たに収集した情報に含まれる情報の発信時間、及び前記新たに収集した情報を発信したユーザ情報に対応する選択した時間帯の組み合わせに従って、前記新たに収集した情報を発信したユーザの位置を推定する
ことを含む処理を実行させるための位置推定プログラム。
（付記１２）
前記複数の基礎自治体及び前記複数の時間帯の項目のうち、一方の項目に関する組み合わせでは前記情報発信数に関する有意差が現れない場合、前記複数の基礎自治体における各基礎自治体及び前記複数の時間帯における各時間帯の組み合わせの中から、他の基礎自治体に比べて前記情報発信数に関する有意差が現れるような組み合わせを選択する
付記１０又は付記１１記載の位置推定プログラム。
（付記１３）
前記複数の基礎自治体における各基礎自治体から、他の基礎自治体に比べて前記情報発信数に関する有意差が現れる基礎自治体の組み合わせを選択する場合、地理的に連続するような基礎自治体の組み合わせを選択する
付記１０又は付記１２記載の位置推定プログラム。
（付記１４）
前記地理的に連続する基礎自治体の組み合わせのうち、面積が他の基礎自治体の組み合わせに比べて小さくなるような基礎自治体の組み合わせを選択する
付記１３記載の位置推定プログラム。
（付記１５）
前記地理的に連続する基礎自治体の組み合わせのうち、交通機関の沿線に位置する基礎自治体の組み合わせを選択する
付記１３記載の位置推定プログラム。
（付記１６）
前記複数の時間帯における隣接する時間帯のうち、より早い第１の時間帯での前記基礎自治体の組み合わせに含まれる特定の基礎自治体から、より遅い第２の時間帯での前記基礎自治体の組み合わせに含まれる前記特定の基礎自治体と異なる他の基礎自治体に移動するのに要する時間が、前記隣接する時間帯で表される期間より短い場合、前記第２の時間帯における前記基礎自治体の組み合わせから前記他の基礎自治体を削除し、前記第２の時間帯における前記情報の発信比率を再度算出する
付記１３〜付記１７の何れか１項に記載の位置推定プログラム。
（付記１７）
前記情報発信数に関する有意差が認められない時間帯が存在する場合、前記情報発信数に関する有意差が認められない時間帯に隣接する時間帯における前記情報の発信比率から、前記情報発信数に関する有意差が認められない時間帯における前記情報の発信比率を算出する
付記１２〜付記１６の何れか１項に記載の位置推定プログラム。
（付記１８）
前記複数の時間帯から、前記複数の基礎自治体における各基礎自治体の何れかで、他の基礎自治体に比べて前記情報発信数に関する有意差が現れる時間帯の組み合わせを選択する場合、時間的に連続するような時間帯の組み合わせで、且つ、期間が他の時間帯の組み合わせに比べて短くなるような時間帯の組み合わせを選択する
付記１１又は付記１２記載の位置推定プログラム。
（付記１９）
ソーシャルメディアに発信された情報に紐づけられたユーザ情報毎に、複数の基礎自治体における基礎自治体毎で、且つ、複数の時間帯における時間帯毎に情報発信数を集計する集計部と、
前記情報発信数に基づいて、前記ユーザ情報毎に、前記複数の基礎自治体から、他の基礎自治体に比べて前記情報発信数に有意差が現れる基礎自治体の組み合わせを前記時間帯毎に選択する選択部と、
前記選択部で選択した基礎自治体の組み合わせにおける基礎自治体毎の前記情報発信数から、前記ユーザ情報毎に、前記選択した基礎自治体の組み合わせにおける基礎自治体毎の前記情報の発信比率を前記時間帯毎に算出する算出部と、
前記ソーシャルメディアから新たに収集した情報に情報の発信位置を特定する位置情報が含まれない場合、前記新たに収集した情報に含まれる情報の発信時間、及び前記新たに収集した情報を発信したユーザ情報に対応する前記算出部で算出した発信比率に従って、前記新たに収集した情報を発信したユーザの位置を推定するユーザ位置推定部と、
を含む位置推定装置。
（付記２０）
ソーシャルメディアに発信された情報に紐づけられたユーザ情報毎に、複数の基礎自治体における基礎自治体毎で、且つ、複数の時間帯における時間帯毎に情報発信数を集計する集計部と、
前記情報発信数に基づいて、前記ユーザ情報毎に、前記複数の時間帯から、前記複数の基礎自治体における各基礎自治体の何れかで、他の基礎自治体に比べて前記情報発信数に関する有意差が現れる時間帯の組み合わせを選択する選択部と、
前記ソーシャルメディアから新たに収集した情報に情報の発信位置を特定する位置情報が含まれない場合、前記新たに収集した情報に含まれる情報の発信時間、及び前記新たに収集した情報を発信したユーザ情報に対応する前記選択部で選択した時間帯の組み合わせに従って、前記新たに収集した情報を発信したユーザの位置を推定するユーザ位置推定部と、
を含む位置推定装置。
（付記２１）
前記選択部は、前記複数の基礎自治体及び前記複数の時間帯の項目のうち、一方の項目に関する組み合わせでは前記情報発信数に関する有意差が現れない場合、前記複数の基礎自治体における各基礎自治体及び前記複数の時間帯における各時間帯の組み合わせの中から、他の基礎自治体に比べて前記情報発信数に関する有意差が現れるような組み合わせを選択する
付記１９又は付記２０記載の位置推定装置。
（付記２２）
前記選択部は、前記複数の基礎自治体における各基礎自治体から、他の基礎自治体に比べて前記情報発信数に関する有意差が現れる基礎自治体の組み合わせを選択する場合、地理的に連続するような基礎自治体の組み合わせを選択する
付記１９又は付記２１記載の位置推定装置。
（付記２３）
前記選択部は、前記地理的に連続する基礎自治体の組み合わせのうち、面積が他の基礎自治体の組み合わせに比べて小さくなるような基礎自治体の組み合わせを選択する
付記２２記載の位置推定装置。
（付記２４）
前記選択部は、 前記地理的に連続する基礎自治体の組み合わせのうち、交通機関の沿線に位置する基礎自治体の組み合わせを選択する
付記２２記載の位置推定装置。
（付記２５）
前記算出部は、前記複数の時間帯における隣接する時間帯のうち、より早い第１の時間帯での前記基礎自治体の組み合わせに含まれる特定の基礎自治体から、より遅い第２の時間帯での前記基礎自治体の組み合わせに含まれる前記特定の基礎自治体と異なる他の基礎自治体に移動するのに要する時間が、前記隣接する時間帯で表される期間より短い場合、前記第２の時間帯における前記基礎自治体の組み合わせから前記他の基礎自治体を削除し、前記第２の時間帯における前記情報の発信比率を再度算出する
付記２２〜付記２４の何れか１項に記載の位置推定装置。
（付記２６）
前記算出部は、前記情報発信数に関する有意差が認められない時間帯が存在する場合、前記情報発信数に関する有意差が認められない時間帯に隣接する時間帯における前記情報の発信比率から、前記情報発信数に関する有意差が認められない時間帯における前記情報の発信比率を算出する
付記２１〜付記２５の何れか１項に記載の位置推定装置。
（付記２７）
前記選択部は、前記複数の時間帯から、前記複数の基礎自治体における各基礎自治体の何れかで、他の基礎自治体に比べて前記情報発信数に関する有意差が現れる時間帯の組み合わせを選択する場合、時間的に連続するような時間帯の組み合わせで、且つ、期間が他の時間帯の組み合わせに比べて短くなるような時間帯の組み合わせを選択する
付記２０又は付記２１記載の位置推定装置。
（付記２８）
コンピュータに、
ソーシャルメディアに発信された情報に紐づけられたユーザ情報毎に、複数の基礎自治体における基礎自治体毎で、且つ、複数の時間帯における時間帯毎に情報発信数を集計し、
前記情報発信数に基づいて、前記ユーザ情報毎に、前記複数の基礎自治体から、他の基礎自治体に比べて前記情報発信数に有意差が現れる基礎自治体の組み合わせを前記時間帯毎に選択し、
前記選択した基礎自治体の組み合わせにおける基礎自治体毎の前記情報発信数から、前記ユーザ情報毎に、前記選択した基礎自治体の組み合わせにおける基礎自治体毎の前記情報の発信比率を前記時間帯毎に算出し、
前記ソーシャルメディアから新たに収集した情報に情報の発信位置を特定する位置情報が含まれない場合、前記新たに収集した情報に含まれる情報の発信時間、及び前記新たに収集した情報を発信したユーザ情報に対応する算出した発信比率に従って、前記新たに収集した情報を発信したユーザの位置を推定する
ことを含む処理を実行させるための位置推定プログラムを記録したコンピュータ読み取り可能な記録媒体。
（付記２９）
コンピュータに、
ソーシャルメディアに発信された情報に紐づけられたユーザ情報毎に、複数の基礎自治体における基礎自治体毎で、且つ、複数の時間帯における時間帯毎に情報発信数を集計し、
前記情報発信数に基づいて、前記ユーザ情報毎に、前記複数の時間帯から、前記複数の基礎自治体における各基礎自治体の何れかで、他の基礎自治体に比べて前記情報発信数に関する有意差が現れる時間帯の組み合わせを選択し、
前記ソーシャルメディアから新たに収集した情報に情報の発信位置を特定する位置情報が含まれない場合、前記新たに収集した情報に含まれる情報の発信時間、及び前記新たに収集した情報を発信したユーザ情報に対応する選択した時間帯の組み合わせに従って、前記新たに収集した情報を発信したユーザの位置を推定する
ことを含む処理を実行させるための位置推定プログラムを記録したコンピュータ読み取り可能な記録媒体。
１・・・位置推定システム、１０・・・位置推定装置、２０・・・ユーザ位置推定情報生成部、２１・・・データ収集部、２２・・・抽出部、２３・・・集計部、２４・・・選択部、２５・・・算出部、２６・・・ランドマークＤＢ、２７・・・位置情報集計ＤＢ、２８・・・ユーザ位置推定ＤＢ、３０・・・災害推定部、３１・・・災害情報収集部、３２・・・ユーザ位置推定部、３３・・・判定部、３４・・・災害位置推定部、３５・・・災害語句ＤＢ、３６・・・災害情報集計ＤＢ、４０・・・通信回線、５０・・・ＳＮＳサーバ、５１・・・ランドマークテーブル、５２・・・位置集計テーブル、５４・・・位置推定テーブル、５８・・・隣接自治体テーブル、６２・・・移動ルートテーブル、６６・・・災害語句テーブル、６８・・・災害検知テーブル、１００・・・コンピュータ、１０２・・・ＣＰＵ、１０４・・・メモリ、１０６・・・記憶部、１０８・・・バス、１１２・・・入力装置、１１４・・・出力装置、１１６・・・通信装置、１１８・・・記録媒体、１２０・・・位置推定プログラム

Claims (13)

  1. コンピュータに、
    ソーシャルメディアに発信された情報に紐づけられたユーザ情報毎に、複数の基礎自治体における基礎自治体毎で、且つ、複数の時間帯における時間帯毎に情報発信数を集計し、
    前記情報発信数に基づいて、前記ユーザ情報毎に、前記複数の基礎自治体から、他の基礎自治体に比べて前記情報発信数に有意差が現れる基礎自治体の組み合わせを前記時間帯毎に選択し、
    前記選択した基礎自治体の組み合わせにおける基礎自治体毎の前記情報発信数から、前記ユーザ情報毎に、前記選択した基礎自治体の組み合わせにおける基礎自治体毎の前記情報の発信比率を前記時間帯毎に算出し、
    前記ソーシャルメディアから新たに収集した情報に情報の発信位置を特定する位置情報が含まれない場合、前記新たに収集した情報に含まれる情報の発信時間、及び前記新たに収集した情報を発信したユーザ情報に対応する算出した発信比率に従って、前記新たに収集した情報を発信したユーザの位置を推定する
    ことを含む処理を実行させる位置推定方法。
  2. コンピュータに、
    ソーシャルメディアに発信された情報に紐づけられたユーザ情報毎に、複数の基礎自治体における基礎自治体毎で、且つ、複数の時間帯における時間帯毎に情報発信数を集計し、
    前記情報発信数に基づいて、前記ユーザ情報毎に、前記複数の時間帯から、前記複数の基礎自治体における各基礎自治体の何れかで、他の基礎自治体に比べて前記情報発信数に関する有意差が現れる時間帯の組み合わせを選択し、
    前記ソーシャルメディアから新たに収集した情報に情報の発信位置を特定する位置情報が含まれない場合、前記新たに収集した情報に含まれる情報の発信時間、及び前記新たに収集した情報を発信したユーザ情報に対応する選択した時間帯の組み合わせに従って、前記新たに収集した情報を発信したユーザの位置を推定する
    ことを含む処理を実行させる位置推定方法。
  3. 前記複数の基礎自治体及び前記複数の時間帯の項目のうち、一方の項目に関する組み合わせでは前記情報発信数に関する有意差が現れない場合、前記複数の基礎自治体における各基礎自治体及び前記複数の時間帯における各時間帯の組み合わせの中から、他の基礎自治体に比べて前記情報発信数に関する有意差が現れるような組み合わせを選択する
    請求項１又は請求項２記載の位置推定方法。
  4. 前記複数の基礎自治体における各基礎自治体から、他の基礎自治体に比べて前記情報発信数に関する有意差が現れる基礎自治体の組み合わせを選択する場合、地理的に連続するような基礎自治体の組み合わせを選択する
    請求項１又は請求項３記載の位置推定方法。
  5. 前記地理的に連続する基礎自治体の組み合わせのうち、面積が他の基礎自治体の組み合わせに比べて小さくなるような基礎自治体の組み合わせを選択する
    請求項４記載の位置推定方法。
  6. 前記地理的に連続する基礎自治体の組み合わせのうち、交通機関の沿線に位置する基礎自治体の組み合わせを選択する
    請求項４記載の位置推定方法。
  7. 前記複数の時間帯における隣接する時間帯のうち、より早い第１の時間帯での前記基礎自治体の組み合わせに含まれる特定の基礎自治体から、より遅い第２の時間帯での前記基礎自治体の組み合わせに含まれる前記特定の基礎自治体と異なる他の基礎自治体に移動するのに要する時間が、前記隣接する時間帯で表される期間より短い場合、前記第２の時間帯における前記基礎自治体の組み合わせから前記他の基礎自治体を削除し、前記第２の時間帯における前記情報の発信比率を再度算出する
    請求項４〜請求項６の何れか１項に記載の位置推定方法。
  8. 前記情報発信数に関する有意差が認められない時間帯が存在する場合、前記情報発信数に関する有意差が認められない時間帯に隣接する時間帯における前記情報の発信比率から、前記情報発信数に関する有意差が認められない時間帯における前記情報の発信比率を算出する
    請求項３〜請求項７の何れか１項に記載の位置推定方法。
  9. 前記複数の時間帯から、前記複数の基礎自治体における各基礎自治体の何れかで、他の基礎自治体に比べて前記情報発信数に関する有意差が現れる時間帯の組み合わせを選択する場合、時間的に連続するような時間帯の組み合わせで、且つ、期間が他の時間帯の組み合わせに比べて短くなるような時間帯の組み合わせを選択する
    請求項２又は請求項３記載の位置推定方法。
  10. コンピュータに、
    ソーシャルメディアに発信された情報に紐づけられたユーザ情報毎に、複数の基礎自治体における基礎自治体毎で、且つ、複数の時間帯における時間帯毎に情報発信数を集計し、
    前記情報発信数に基づいて、前記ユーザ情報毎に、前記複数の基礎自治体から、他の基礎自治体に比べて前記情報発信数に有意差が現れる基礎自治体の組み合わせを前記時間帯毎に選択し、
    前記選択した基礎自治体の組み合わせにおける基礎自治体毎の前記情報発信数から、前記ユーザ情報毎に、前記選択した基礎自治体の組み合わせにおける基礎自治体毎の前記情報の発信比率を前記時間帯毎に算出し、
    前記ソーシャルメディアから新たに収集した情報に情報の発信位置を特定する位置情報が含まれない場合、前記新たに収集した情報に含まれる情報の発信時間、及び前記新たに収集した情報を発信したユーザ情報に対応する算出した発信比率に従って、前記新たに収集した情報を発信したユーザの位置を推定する
    ことを含む処理を実行させるための位置推定プログラム。
  11. コンピュータに、
    ソーシャルメディアに発信された情報に紐づけられたユーザ情報毎に、複数の基礎自治体における基礎自治体毎で、且つ、複数の時間帯における時間帯毎に情報発信数を集計し、
    前記情報発信数に基づいて、前記ユーザ情報毎に、前記複数の時間帯から、前記複数の基礎自治体における各基礎自治体の何れかで、他の基礎自治体に比べて前記情報発信数に関する有意差が現れる時間帯の組み合わせを選択し、
    前記ソーシャルメディアから新たに収集した情報に情報の発信位置を特定する位置情報が含まれない場合、前記新たに収集した情報に含まれる情報の発信時間、及び前記新たに収集した情報を発信したユーザ情報に対応する選択した時間帯の組み合わせに従って、前記新たに収集した情報を発信したユーザの位置を推定する
    ことを含む処理を実行させるための位置推定プログラム。
  12. ソーシャルメディアに発信された情報に紐づけられたユーザ情報毎に、複数の基礎自治体における基礎自治体毎で、且つ、複数の時間帯における時間帯毎に情報発信数を集計する集計部と、
    前記情報発信数に基づいて、前記ユーザ情報毎に、前記複数の基礎自治体から、他の基礎自治体に比べて前記情報発信数に有意差が現れる基礎自治体の組み合わせを前記時間帯毎に選択する選択部と、
    前記選択部で選択した基礎自治体の組み合わせにおける基礎自治体毎の前記情報発信数から、前記ユーザ情報毎に、前記選択した基礎自治体の組み合わせにおける基礎自治体毎の前記情報の発信比率を前記時間帯毎に算出する算出部と、
    前記ソーシャルメディアから新たに収集した情報に情報の発信位置を特定する位置情報が含まれない場合、前記新たに収集した情報に含まれる情報の発信時間、及び前記新たに収集した情報を発信したユーザ情報に対応する前記算出部で算出した発信比率に従って、前記新たに収集した情報を発信したユーザの位置を推定するユーザ位置推定部と、
    を含む位置推定装置。
  13. ソーシャルメディアに発信された情報に紐づけられたユーザ情報毎に、複数の基礎自治体における基礎自治体毎で、且つ、複数の時間帯における時間帯毎に情報発信数を集計する集計部と、
    前記情報発信数に基づいて、前記ユーザ情報毎に、前記複数の時間帯から、前記複数の基礎自治体における各基礎自治体の何れかで、他の基礎自治体に比べて前記情報発信数に関する有意差が現れる時間帯の組み合わせを選択する選択部と、
    前記ソーシャルメディアから新たに収集した情報に情報の発信位置を特定する位置情報が含まれない場合、前記新たに収集した情報に含まれる情報の発信時間、及び前記新たに収集した情報を発信したユーザ情報に対応する前記選択部で選択した時間帯の組み合わせに従って、前記新たに収集した情報を発信したユーザの位置を推定するユーザ位置推定部と、
    を含む位置推定装置。
JP2015030957A 2015-02-19 2015-02-19 位置推定方法、位置推定プログラム、及び位置推定装置 Active JP6458537B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2015030957A JP6458537B2 (ja) 2015-02-19 2015-02-19 位置推定方法、位置推定プログラム、及び位置推定装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2015030957A JP6458537B2 (ja) 2015-02-19 2015-02-19 位置推定方法、位置推定プログラム、及び位置推定装置

Publications (2)

Publication Number Publication Date
JP2016152028A JP2016152028A (ja) 2016-08-22
JP6458537B2 true JP6458537B2 (ja) 2019-01-30

Family

ID=56695447

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2015030957A Active JP6458537B2 (ja) 2015-02-19 2015-02-19 位置推定方法、位置推定プログラム、及び位置推定装置

Country Status (1)

Country Link
JP (1) JP6458537B2 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018128849A (ja) * 2017-02-08 2018-08-16 富士通株式会社 判定プログラム、判定方法、および判定装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8990327B2 (en) * 2012-06-04 2015-03-24 International Business Machines Corporation Location estimation of social network users
EP2763479B1 (en) * 2012-12-28 2016-11-30 Rakuten, Inc. Information processing device, information processing method, information processing program, and storage medium onto which information processing program is recorded
JP6221453B2 (ja) * 2013-07-22 2017-11-01 富士通株式会社 位置推定方法、位置推定プログラム、及び、位置推定装置

Also Published As

Publication number Publication date
JP2016152028A (ja) 2016-08-22

Similar Documents

Publication Publication Date Title
US8930123B2 (en) Systems and methods for determining traffic intensity using information obtained through crowdsourcing
Chen et al. Reliable shortest path problems in stochastic time-dependent networks
CN107615345B (zh) 移动辅助装置、移动辅助用服务器及移动辅助系统
US8412667B2 (en) Comparing and identifying similar tracks
JP6464849B2 (ja) 移動経路データ匿名化装置および方法
US11162801B2 (en) Methods and systems for detecting an open navigable element
CN110175691B (zh) 规划区域交通运营线路的方法、装置和电子设备
JP5785973B2 (ja) 新規出店候補地分析装置及び方法及びプログラム
CN107038620B (zh) 基于用户打车偏好的信息推送及装置
JP6634511B2 (ja) 人口推定装置、プログラム及び人口推定方法
CN103310281A (zh) 旅游路线提取系统和方法
JP2019530042A (ja) 注文振り分け装置及び方法
JP5234637B2 (ja) ユーザ動線生成サーバ、ユーザ動線生成方法、及びユーザ動線生成プログラム
JP6469465B2 (ja) 位置情報管理装置及び位置情報管理方法
JP6277709B2 (ja) 経路情報処理方法、装置、及びプログラム
CN107291784B (zh) 地理围栏类别的获取方法、装置及业务设备
JP6458537B2 (ja) 位置推定方法、位置推定プログラム、及び位置推定装置
JP2017091435A (ja) 滞在場所予測装置
Rahman et al. The effect of time interval of bus location data on real-time bus arrival estimations
Lee et al. Congestion pattern model for predicting short-term traffic decongestion times
JP2016153971A (ja) 災害発生場所推定方法、災害発生場所推定プログラム、及び災害発生場所推定装置
JP6417272B2 (ja) 情報処理装置、および、コンピュータプログラム
JP2014048916A (ja) 周辺情報検索装置、周辺情報検索方法、及び周辺情報検索プログラム
JP5615777B2 (ja) 経路案内装置及び経路案内方法
WO2018122998A1 (ja) 経路情報提供装置、経路探索装置、経路情報提供システム、経路情報提供プログラム、及び経路情報提供方法

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20171215

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20181116

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: 20181127

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20181210

R150 Certificate of patent or registration of utility model

Ref document number: 6458537

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150