JP6459311B2 - 行動推定装置、行動推定方法、および、行動推定プログラム - Google Patents

Description

本発明は、ユーザが所持している携帯端末によってそのユーザの行動を推定する技術に関する。

従来から、１つ以上のセンサ（加速度センサなど）を内蔵したデバイスをユーザが携帯し、そのデバイスのセンサ信号から得られる情報を元にユーザがどのような行動をとったのかを推定する行動推定技術が存在する（例えば特許文献１）。

特開２０１０−１９６６９号公報

しかしながら、従来の行動推定技術では、行動推定に誤判定が起きることが少なからずある。これについて、図８〜図１０を参照して説明する。図８は、従来技術における、行動推定装置が算出した行動候補ごとの尤度の例を示す図である。また、図９は、従来技術における行動推定結果の例を示す図である。

図８（ａ）に示すように、例えば、ユーザのとりえる行動の候補が「静」（静止している）、「歩」（歩いている）、「走」（走っている）の３種類の場合、機械学習などの手法で算出した行動候補のそれぞれ尤度のうち、１つの尤度（ここでは「歩」）が他の尤度よりも有意に大きいと、その大きな尤度の行動である「歩」をユーザの行動と推定すれば、誤判定が起きる可能性は低い。実際に、ユーザがずっと歩いている場合、図８（ａ）のように「歩」の尤度が他の尤度よりも有意に大きい状態が続けば、図９（ａ）に示すように、推定された行動も「歩」が継続し、誤判定は起きない。

しかし、図８（ｂ）に示すように、行動候補のそれぞれ尤度のうち、上位２つの尤度（ここでは「静」と「歩」）が近いと、誤判定が起きる可能性は高い。実際に、ユーザがずっと歩いている場合でも、図８（ｂ）のように「静」の尤度と「歩」の尤度が近い場面が何度か起きると、図９（ｂ）に示すように、推定された行動として「歩」の間に「静」が何度か入り込んでしまうことがあり、その「静」の部分は誤判定である。

また、他の例として、登山の場合について考える。登山の場合、平地と比較して、足場が不安定であり、歩いたり走ったりしていてもセンサから得られる情報の揺らぎが大きくなるので、行動推定の誤判定が特に起きやすい。また、歩き方の個人差が平地の場合よりも大きい、というのも誤判定が起きる一因である。図１０は、従来技術における登山の場合の行動推定の例の説明図である。

図１０に示すように、例えば、符号９１の尤度図に対応する登山道では、道が狭く、休む場所が無いので歩くしかない状況になっており、図示のように「歩」の尤度が他の尤度よりも有意に大きければ、その「歩」を行動と推定することで、誤判定は起きない。

しかし、符号９２の尤度図に対応する登山道では、段差で急な折り返しがあり、乗り越えるために止まることも多く、実際には折り返し地点で止まっていたとしても、図示のように「静」の尤度と「歩」の尤度が近いと、「歩」を行動と推定してしまうという誤判定が起きる可能性がある。

また、符号９３の尤度図に対応する登山道では、広くなだらかな道で、休む場所も十分にある状況になっており、実際には休んでいたとしても、図示のように「静」の尤度と「歩」の尤度が近いと、「歩」を行動と推定してしまうという誤判定が起きる可能性がある。

また、符号９４の尤度図に対応する登山道では、比較的急な下り坂で、つい走る人もいる状況になっており、実際には走っていたとしても、図示のように「歩」の尤度と「走」の尤度が近いと、「歩」を行動と推定してしまうという誤判定が起きる可能性がある。

このように、従来の行動推定技術では、１つの尤度が有意に大きい場合は誤判定が起きる可能性が小さいが、上位２つの尤度が近いと誤判定が起きる可能性が高く、行動を正確に推定するのが難しい。

そこで、本発明は、このような背景に鑑みてなされたものであり、行動推定を行う場合に、上位２つの尤度が近い場合でも、ユーザの行動をより正確に推定することを課題とする。

前記課題を解決するために、
本発明の第１の発明は、
ユーザの行動を推定する行動推定装置であって、
前記ユーザの位置を特定する位置特定手段と、
前記位置特定手段によって特定された位置と対応付けられた複数種類の行動候補それぞれの発生確率を示す行動情報を取得する取得手段と、
前記ユーザの状態を検出するセンサデータに基づいて、前記ユーザの行動に関する前記複数種類の行動候補それぞれの尤度を算出し、当該尤度と前記取得手段によって取得された前記複数の行動候補それぞれの発生確率とに基づいて、前記ユーザの行動を推定する処理手段と、を備え、
前記処理手段は、
前記算出した前記ユーザの行動に関する前記複数種類の行動候補それぞれの尤度のうち、上位２つの差が所定の閾値以上であった場合に、
前記複数種類の行動候補それぞれの尤度のうち、一番大きい尤度に対応する行動候補を前記ユーザの行動と推定し、
前記算出した前記ユーザの行動に関する前記複数種類の行動候補それぞれの尤度のうち、上位２つの差が所定の閾値未満であった場合に、
前記取得手段によって取得された前記複数の行動候補それぞれの発生確率と、前記算出した尤度とに基づいて前記ユーザの行動を推定する
ことを特徴とする行動推定装置である。

また、第２の発明は、
ユーザの行動を推定する行動推定装置による行動推定方法であって、
前記ユーザの位置を特定する位置特定ステップと、
特定された位置と対応付けられた複数種類の行動候補それぞれの発生確率を示す行動情報を取得する取得ステップと、
前記ユーザの状態を検出するセンサデータに基づいて、前記ユーザの行動に関する前記複数種類の行動候補それぞれの尤度を算出し、当該尤度と前記取得ステップによって取得された前記複数の行動候補それぞれの発生確率とに基づいて、前記ユーザの行動を推定する処理ステップと、を含み、
前記ユーザの行動を推定する処理ステップは、
前記算出した前記ユーザの行動に関する前記複数種類の行動候補それぞれの尤度のうち、上位２つの差が所定の閾値以上であった場合に、
前記複数種類の行動候補それぞれの尤度のうち、一番大きい尤度に対応する行動候補を前記ユーザの行動と推定し、
前記算出した前記ユーザの行動に関する前記複数種類の行動候補それぞれの尤度のうち、上位２つの差が所定の閾値未満であった場合に、
前記取得ステップによって取得された前記複数の行動候補それぞれの発生確率と、前記算出した尤度とに基づいて前記ユーザの行動を推定する
ことを特徴とする行動推定方法である。

本発明によれば、行動推定を行う場合に、上位２つの尤度が近い場合でも、ユーザの行動をより正確に推定することができる。

本実施形態の行動推定システムの構成図である。 地図情報の例を示す図である。 地点位置情報の例を示す図である。 行動情報の例を示す図である。 本実施形態において行動を推定する処理の流れを示すフローチャートである。 行動推定結果の表示例を示す図である。 本実施形態において携帯端末の行動情報を更新する処理の流れを示すフローチャートである。 従来技術における行動候補と尤度の例を示す図である。 従来技術における行動推定結果の例を示す図である。 従来技術における登山の場合の行動推定の例の説明図である。

以下、本発明に係る行動推定装置、行動推定プログラム、および、行動推定方法について、実施形態を示して詳しく説明する。なお、以下の説明では、本発明に係る行動推定装置を所持するユーザが市街地内を移動する場合について説明する。本実施形態の特徴は、従来のようにセンサから得られる情報だけでなく、行動領域ごとの各行動の発生確率（発生しやすさ）を考慮して、行動を推定する点である。

図１に示すように、本実施形態の行動推定システム１０００は、ネットワーク３０１を介して接続される携帯端末１０１（行動推定装置）とサーバ２０１とを備えて構成される。

携帯端末１０１は、例えばスマートフォンやタブレット端末であり、処理部１０２（位置特定手段、取得手段、処理手段）、記憶部１０３（記憶手段）、ＧＰＳ（Global Positioning System）信号受信部１０４、表示部１０５（表示手段）、加速度センサ１０６、および操作部１０７を備えている。なお、携帯端末１０１は、基本クロックを生成する発振器を有する計時回路や、携帯端末１０１の各構成に駆動用電力を供給する動作電源なども備えるが、それらは、本発明の技術的特徴に直接的な関係がないので、図示や詳細な説明を省略する。

処理部１０２は、携帯端末１０１全体の制御を司り、例えば、ＣＰＵ（Central Processing Unit）とメモリから構成され、不図示の計時回路において生成される動作クロックに基づいて、記憶部１０３に保存された所定の制御プログラムを実行する。これにより、処理部１０２は、行動推定や、ＧＰＳ信号受信部１０４、加速度センサ１０６を用いたセンシング動作や、表示部１０５における表示等の、各種の動作を制御する。

記憶部１０３は、図示の各情報などを記憶する手段であり、例えば、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、ＨＤＤ（Hard Disk Drive）などによって構成される。また、記憶部１０３は、携帯端末１０１を行動推定装置として機能させるための行動推定プログラム（制御プログラム）を記憶する。なお、記憶部１０３は、その一部または全部が、例えばメモリカード等のリムーバブル記憶媒体としての形態を有し、携帯端末１０１に対して着脱可能に構成されていてもよい。記憶部１０３は、地図情報、地点位置情報、行動情報、行動推定結果ログ、ＧＰＳ情報を記憶する。

地図情報は、市街地の地図の情報であり、例えば、インターネット上で入手が可能な地図データであってもよいし、地図ディスクのような形態で市販されている地図データであってもよい（図２で後記）。

地点位置情報は、地図情報上の地点と、その地点の緯度情報、経度情報とを対応付けた情報である（図３で後記）。

行動情報は、地図情報における分割された区間（行動領域）ごとに、複数種類の行動候補それぞれの発生確率が対応付けられた情報である（図４で後記）。

行動推定結果ログは、処理部１０２が行った行動推定結果のログである（詳細は後記）。

ＧＰＳ情報は、ＧＰＳ信号受信部１０４が複数のＧＰＳ衛星から受信した信号により特定した携帯端末１０１の位置情報などの情報である（詳細はＧＰＳ信号受信部１０４の説明で後記）。

ＧＰＳ信号受信部１０４は、複数のＧＰＳ衛星からの電波（信号）を、ＧＰＳアンテナを介して受信することにより、緯度情報、経度情報に基づく地理的な位置を検出して位置データとして出力する。また、ＧＰＳ信号受信部１０４は、ＧＰＳ衛星からの電波のドップラーシフト効果を利用して、ユーザの移動速度を検出して速度データとして出力する。なお、速度データは、前記した位置データと経過時間とに基づいて算出してもよい。これらの位置データや速度データを含むＧＰＳ情報は、取得（算出）した日時データに関連付けられて記憶部１０３に保存される。

表示部１０５は、処理部１０２からの指示により画像、文字、図形などを表示する手段であり、例えば、カラーやモノクロ表示が可能な液晶方式や、有機ＥＬ素子等の発光素子方式の表示パネルである。

加速度センサ１０６は、携帯端末１０１の三軸の各方向の加速度を計測する手段であり、携帯端末１０１を所持するユーザの動きの動作速度の変化の割合（加速度）を検出して加速度データとして出力する。加速度データは、ユーザの動き情報を算出するために使用されるほかに、例えば、ＧＰＳ情報の補完情報としての携帯端末１０１の移動の加速度、速度（加速度を時間積分）、変位（速度を時間積分）の各情報の算出に使用される。つまり、処理部１０２は、ＧＰＳ情報とともにこの加速度データを用い、カルマンフィルタによる合成などの技術に基づいて、携帯端末１０１の正確な位置を特定できる。

操作部１０７は、ユーザによる各種操作を受け付ける手段であり、例えば、押しボタン型のスイッチやタッチパネルである。

通信部１０８は、基地局などの外部装置との間で、各種のデータを送受信する際のインターフェースとして機能する。例えば、通信部１０８を介して外部装置から最新の地図情報を取得することができる。

サーバ２０１は、処理部２０２、記憶部２０３、表示部２０４、操作部２０５および通信部２０６を備える。

処理部２０２は、サーバ２０１全体の制御を司り、例えば、ＣＰＵとメモリから構成され、不図示の計時回路において生成される動作クロックに基づいて、記憶部２０３に保存された所定の制御プログラムを実行する。

記憶部２０３は、図示の各情報などを記憶する手段であり、例えば、ＲＡＭ、ＲＯＭ、ＨＤＤなどによって構成される。記憶部２０３は、地図情報、地点位置情報、行動情報、行動推定結果ログを記憶する。

地図情報、地点位置情報、行動情報は、それぞれ、携帯端末１０１の記憶部１０３に保存されている地図情報、地点位置情報、行動情報と同様である。
行動推定結果ログは、携帯端末１０１を所持するユーザの行動だけでなく、他の複数人の行動も合わせて分析して得た行動推定結果ログである。

表示部２０４は、処理部２０２からの指示により画像、文字、図形などを表示する手段であり、例えば、カラーやモノクロ表示が可能な液晶方式や、有機ＥＬ素子等の発光素子方式の表示パネルである。

操作部２０５は、サーバ２０１の管理者による各種操作を受け付ける手段であり、例えば、マウスやキーボードである。

通信部２０６は、ルータなどの外部装置との間で、各種のデータを送受信する際のインターフェースとして機能する。サーバ２０１は、通信部２０６を介して携帯端末１０１と通信することができる。

次に、記憶部１０３、記憶部２０３に保存される地図情報について説明する。図２に示すように、本実施形態において、地図情報は、市街地の地図に関する情報である。下方に線路と駅があり、また、上下方向、左右方向に延びた複数の道路がある。なお、図２では、以下の説明の便宜上、Ａ地点、Ｂ地点、Ｃ地点、Ｄ地点、Ｅ地点を表している。

次に、記憶部１０３、記憶部２０３に保存される地点位置情報について説明する。図３に示すように、地点位置情報は、地図情報（図２）における地点と位置（緯度情報、経度情報）とを対応付けた情報である。具体的には、図３では、Ａ地点、Ｂ地点、Ｃ地点、Ｄ地点、Ｅ地点、駅に対して、それぞれ、位置として（ｘ_１，ｙ_１）、（ｘ_２，ｙ_２）、（ｘ_３，ｙ_３）、（ｘ_４，ｙ_４）、（ｘ_５，ｙ_５）、（ｘ_６，ｙ_６）が対応付けられている。

次に、記憶部１０３、記憶部２０３に保存される行動情報について説明する。図４に示すように、行動情報は、地図情報における分割された区間（行動領域）の識別子を示す区間ＩＤ（IDentifier）に対して、当該区間の一方の端点を示す第１端点、当該区間の他方の端点を示す第２端点、発生確率が対応付けられた情報である。

発生確率は、対応する区間を通過した人々の行動の発生確率を示す統計情報であり、ここでは、前記した「静」、「歩」、「走」のほかに「乗り物」も入れた４種類の行動の発生確率を示す情報である。「乗り物」は、例えば、自動車、自動二輪車、自転車を含む。

具体的には、区間ＩＤ「００１」には、第１端点「Ａ」、第２端点「Ｂ」、発生確率として「静」の「０．１」（１０％）、「歩」の「０．６」（６０％）、「走」の「０．２」（２０％）、「乗り物」の「０．１」（１０％）が対応付けられている。つまり、この区間では、統計的に、「歩」の人が６０％と多かったことを示している。なお、「静」は、この区間で一度でも止まったことがあることを示す。

区間ＩＤ「００２」には、第１端点「Ｂ」、第２端点「Ｃ」、発生確率として「静」の「０．１」、「歩」の「０．２」、「走」の「０．２」、「乗り物」の「０．５」が対応付けられている。つまり、この区間では、統計的に、「乗り物」の人が５０％と多かったことを示している。

区間ＩＤ「００３」には、第１端点「Ｃ」、第２端点「Ｄ」、発生確率として「静」の「０．１」、「歩」の「０．４」、「走」の「０．３」、「乗り物」の「０．２」が対応付けられている。つまり、この区間では、統計的に、「歩」の人が４０％と多かったことを示している。

区間ＩＤ「００４」には、第１端点「Ｄ」、第２端点「Ｅ」、発生確率として「静」の「０．２」、「歩」の「０．５」、「走」の「０．２」、「乗り物」の「０．１」が対応付けられている。つまり、この区間では、統計的に、「歩」の人が５０％と多かったことを示している。

区間ＩＤ「００５」には、第１端点「Ｅ」、第２端点「駅」、発生確率として「静」の「０．１」、「歩」の「０．４」、「走」の「０．３」、「乗り物」の「０．２」が対応付けられている。つまり、この区間では、統計的に、「歩」の人が４０％と多かったことを示している。

次に、携帯端末１０１において行動を推定する処理の流れについて説明する。
図５に示すように（図１〜図４も適宜参照）、携帯端末１０１の処理部１０２は、ユーザ（携帯端末１０１）の現在地の位置情報を算出する（ステップＳ１１）。具体的には、処理部１０２は、ＧＰＳ信号受信部１０４が出力する位置データを、加速度センサ１０６が出力する加速度データを二階時間積分して得た位置情報などで補間してから、記憶部１０３の地図情報と照合することで、ユーザの現在地の位置情報を算出し、記憶部１０３の一時記憶領域に保存する。

ステップＳ１２において、携帯端末１０１の処理部１０２は、ユーザの動き情報を算出する。具体的には、処理部１０２は、加速度センサ１０６が出力する加速度データを用いて、携帯端末１０１を所持するユーザの移動の速度や方向、その他の細かい動きなどを算出する。

次に、ステップＳ１３において、携帯端末１０１の処理部１０２は、複数種類の行動候補それぞれの尤度を算出する。具体的には、処理部１０２は、加速度センサ１０６が出力した加速度データから特徴量（例：平均、分散、自己相関など）を算出して特徴量ベクトルを作成し、その特徴量ベクトルを用いてクラスタリングを行う。それから、処理部１０２は、ＨＭＭ（Hidden Markov Model）、ＳＶＭ（Support vector machine）、ランダムフォレストなど機械学習の手法を利用して複数種類の行動候補それぞれの尤度を算出する。なお、ステップＳ１３〜ステップＳ１８の具体例については後記する。

次に、ステップＳ１４において、携帯端末１０１の処理部１０２は、上位２つの尤度差が所定の閾値未満か否かを判定し、Ｙｅｓの場合はステップＳ１５に進み、Ｎｏの場合はステップＳ１７に進む。

ステップＳ１４では、例えば、図８（ｂ）のように上位２つの尤度（「静」と「歩」）が近く、その上位２つの尤度差が所定の閾値未満である場合、ステップＳ１５に進む。この場合、次のステップＳ１６で尤度を調整することで、行動推定の誤判定が起きる可能性を低減させることができる。

また、ステップＳ１４では、図８（ａ）のように１つの尤度（「歩」）が他の尤度よりも大きく、上位２つの尤度差が所定の閾値未満でない場合、ステップＳ１７に進む。この場合、尤度を調整しなくても誤判定が起きる可能性は小さいからである。

ステップＳ１５において、携帯端末１０１の処理部１０２は、該当区間（携帯端末１０１が位置する区間）の行動情報を取得する。

次に、ステップＳ１６において、携帯端末１０１の処理部１０２は、ステップＳ１３で算出した尤度をステップＳ１５で取得した行動情報を加味した尤度に調整する。

ステップＳ１７において、携帯端末１０１の処理部１０２は、尤度が一番大きい行動候補を行動と推定する。
具体的には、ステップＳ１４でＹｅｓの場合は、ステップＳ１６で算出した調整後の尤度が一番大きいものに対応する行動候補を行動と推定する。
また、ステップＳ１４でＮｏの場合は、ステップＳ１３で算出した尤度が一番大きいものに対応する行動候補を行動と推定する。

ステップＳ１８において、携帯端末１０１の処理部１０２は、行動推定結果を表示部１０５に表示する。また、処理部１０２は、行動推定結果を記憶部１０３に行動推定結果ログとして記憶させる。

次に、ステップＳ１３〜ステップＳ１８について、具体的に説明する。ここでは、携帯端末１０１を所持するユーザが、図２の地点Ａから、地点Ｂ、地点Ｃ、地点Ｄ、地点Ｅを経由して駅まで移動するものとする。

ユーザは、Ａ地点からＢ地点まで、実際には歩いていたものとする。そして、ステップＳ１３で算出した尤度が、次の通りであったものとする。
「静」の尤度 「０．４」
「歩」の尤度 「０．４」
「走」の尤度 「０．２」
「乗り物」の尤度 「０」

この場合、上位２つ（「静」と「歩」）の尤度差が「０」なので、ステップＳ１４でＹｅｓに進み、ステップＳ１５で、図４の行動情報のうち区間ＩＤ「００１」の行の各情報を取得し、ステップＳ１６で、各尤度に図４の発生確率を乗算することで、次のように調整を行う。

（元の尤度） （発生確率） （調整後の尤度）
「静」 ０．４ × ０．１ ＝０．０４
「歩」 ０．４ × ０．６ ＝０．２４
「走」 ０．２ × ０．２ ＝０．０４
「乗り物」 ０ × ０．１ ＝０

そして、ステップＳ１７で、調整後の尤度が「０．２４」と一番大きい「歩」を行動と推定する。したがって、誤判定は起きていない。

また、ユーザは、Ｂ地点からＣ地点まで、実際には自動車（バスなど）に乗っていたものとする。そして、ステップＳ１３で算出した尤度が、次の通りであったものとする。
「静」の尤度 「０」
「歩」の尤度 「０．２」
「走」の尤度 「０．４」
「乗り物」の尤度 「０．４」

この場合、上位２つ（「走」と「乗り物」）の尤度差が「０」なので、ステップＳ１４でＹｅｓに進み、ステップＳ１５で、図４の行動情報のうち区間ＩＤ「００２」の行の各情報を取得し、ステップＳ１６で、各尤度に図４の発生確率を乗算することで、次のように調整を行う。

（元の尤度） （発生確率） （調整後の尤度）
「静」 ０ × ０．１ ＝０
「歩」 ０．２ × ０．２ ＝０．０４
「走」 ０．４ × ０．２ ＝０．０８
「乗り物」 ０．４ × ０．５ ＝０．２

そして、ステップＳ１７で、調整後の尤度が「０．２」と一番大きい「乗り物」を行動と推定する。したがって、誤判定は起きていない。

また、ユーザは、Ｃ地点からＤ地点まで、実際には歩いたものとする。そして、ステップＳ１３で算出した尤度のうち、「歩」の尤度が一番大きく、二番目に大きい尤度と閾値以上の差があったものとする。その場合、ステップＳ１４でＮｏとなり、ステップＳ１７で「歩」を行動と推定する。

また、ユーザは、Ｄ地点からＥ地点まで、実際には歩いたものとする。そして、ステップＳ１３で算出した尤度のうち、「歩」の尤度が一番大きく、二番目に大きい尤度と閾値以上の差があったものとする。その場合、ステップＳ１４でＮｏとなり、ステップＳ１７で「歩」を行動と推定する。

また、ユーザは、Ｅ地点から駅まで、実際には走ったものとする。そして、ステップＳ１３で算出した尤度のうち、「走」の尤度が一番大きく、二番目に大きい尤度と閾値以上の差があったものとする。その場合、ステップＳ１４でＮｏとなり、ステップＳ１７で「走」を行動と推定する。

この例の場合の行動推定結果の表示例は、図６の通りである。この表示画面は、ステップＳ１８で、処理部１０２が、記憶部１０３の地図情報に、行動推定結果を、行動の種類が識別可能に重ね合わせて作成したものである。

図６に示すように、携帯端末１０１の表示部１０５には、携帯端末１０１を所持するユーザが、Ａ地点からＢ地点まで歩き、Ｂ地点からＣ地点まで乗り物（自動車など）に乗り、Ｃ地点からＤ地点まで歩き、Ｄ地点からＥ地点まで歩き、Ｅ地点から駅まで走ったことが表示されている（凡例１０５１参照）。

このように、本実施形態の携帯端末１０１によれば、携帯端末１０１を所持するユーザの行動の推定を行い、複数種類の行動候補の上位２つの尤度が近い場合でも、より正確に行動を推定できる。つまり、従来技術では行動推定結果の信頼性が低い状況（上位２つの尤度差が小さい状況）でも、本実施形態では、その地点でよく行われる行動という情報（発生確率）を考慮することで、信頼性を向上させることができている。

次に、図７を参照して、携帯端末１０１の行動情報を更新する処理について説明する。
ステップＳ２１において、携帯端末１０１の処理部１０２は、通信部１０８を介して記憶部１０３の行動推定結果ログをサーバ２０１に送信する。この送信のタイミングは、例えば、所定時間ごとでもよいし、あるいは、行動推定結果ログが所定量蓄積されたときごとでもよい。

ステップＳ２２において、サーバ２０１の処理部２０２は、行動推定結果ログを収集し、記憶部２０３に蓄積する。ここで、サーバ２０１が収集、蓄積する行動推定結果ログは、携帯端末１０１から受信した行動推定結果ログだけでなく、他のユーザが所持する他の携帯端末から受信した行動推定結果ログも含めたものである。これによって、統計的に信頼性の高い行動推定結果ログとすることができる。

ステップＳ２３において、サーバ２０１の処理部２０２は、ステップＳ２２で収集、蓄積した行動推定結果ログに基づいて、記憶部２０３の行動情報を更新する（図４参照）。具体的には、処理部２０２は、ステップＳ２２で収集、蓄積した行動推定結果ログに基づいて、図４の行動情報における発生確率を再計算し、更新する。

ステップＳ２４において、サーバ２０１の処理部２０２は、ステップＳ２３で更新した行動情報を、通信部２０６を介して携帯端末１０１に送信する。

ステップＳ２５において、携帯端末１０１の処理部１０２は、行動情報を更新する。具体的には、処理部１０２は、サーバ２０１から受信した更新後の行動情報を用いて、記憶部１０３の行動情報を更新する。これにより、携帯端末１０１は、最新の行動情報を取得し、その後の行動の推定に用いることができるので、行動の推定をより正確に行うことができる。

（変形例）
例えば、携帯端末１０１は、ユーザの行動を推定するために用いるセンサとして、加速度センサ１０６のほかに、地磁気センサ（方位センサ）、ジャイロセンサなどの他のセンサを搭載していてもよい。

また、行動推定の適用場面は、市街地内での移動に限らず、例えば登山など、他の場面であってもよい。
また、行動候補の種類は、「静」、「歩」、「走」、「乗り物」に限らず、例えば、適用場面がサッカー場であれば、「サッカー」を行動候補に追加し、サッカー場では「サッカー」の行動の発生確率が高いものとして行動を推定すればよい。

また、携帯端末１０１の記憶部１０３に保存される行動情報において、行動候補の種類ごとの発生確率すべてを記憶するものとしたが、これに限らず、その代わりに、例えば、発生確率が一番高い行動候補だけを記憶していてもよい。その場合、図５のステップＳ１６で尤度を調整するときに、その発生確率が一番高い行動候補の尤度だけを１．５倍する、あるいは、その行動候補を無条件で行動と推定する、などとすればよい。

また、高速道路での移動は「自動車」、電車線路での移動は「電車」と行動推定するようにしてもよい。そうすれば、例えば、高速道路で渋滞している自動車内にいる人が少し動いたことを「歩」と推定してしまうという誤判定が起きる可能性を低減できる。また、ＧＰＳ情報が一時的に得られなくても、「自動車」や「電車」の行動が継続しているものとして推定してもよい。これにより、行動推定結果ログを的確に補完できる。

また、サーバ２０１の記憶部２０３に保存される行動推定結果ログは、複数人の行動を分析して得た行動推定結果ログであるものとしたが、携帯端末１０１のユーザのみの過去の行動を分析して得た行動推定結果ログとしてもよい。そうすれば、そのユーザ個人の行動の特性も考慮して、より正確な行動推定を行うことができる。

また、携帯端末１０１の位置を特定する手法としては、ＧＰＳ情報を用いる手法に限定されず、例えば、携帯端末１０１が通信する複数の基地局からの電波の強度を用いた手法であってもよい。

また、本実施形態では、携帯端末１０１を所持するユーザの行動を推定する構成を示したが、人間の行動を検出する用途に限定されるものではなく、例えば、動物の行動を推定する用途にも適用できる。

また、前記した一連の処理は、ハードウェアにより実行させることもできるし、ソフトウェアにより実行させることもできる。
換言すると、図１の機能的構成は例示に過ぎず、特に限定されない。すなわち、前記した一連の処理を全体として実行できる機能が携帯端末１０１に備えられていれば足り、この機能を実現するためにどのような機能ブロックを用いるのかは特に図１の例に限定されない。
また、１つの機能ブロックは、ハードウェア単体で構成してもよいし、ソフトウェア単体で構成してもよいし、それらの組み合わせで構成してもよい。

一連の処理をソフトウェアにより実行させる場合には、そのソフトウェアを構成するプログラムが、コンピュータ等にネットワークや記録媒体からインストールされる。
このようなプログラムを含む記録媒体は、ユーザにプログラムを提供するために装置本体とは別に配布されるリムーバブルメディアにより構成されるだけでなく、装置本体に予め組み込まれた状態でユーザに提供される記録媒体等で構成される。リムーバブルメディアは、例えば、磁気ディスク（フレキシブルディスクを含む）、光ディスク、または光磁気ディスク等により構成される。光ディスクは、例えば、ＣＤ−ＲＯＭ（Compact Disk-Read Only Memory），ＤＶＤ（Digital Versatile Disk）等により構成される。光磁気ディスクは、ＭＤ（Mini-Disk）等により構成される。また、装置本体に予め組み込まれた状態でユーザに提供される記録媒体は、例えば、プログラムが記録されているＲＯＭや、図１の記憶部１０３に含まれるハードディスク等で構成される。

なお、本明細書において、記録媒体に記録されるプログラムを記述するステップは、その順序に沿って時系列的に行われる処理はもちろん、必ずしも時系列的に処理されなくとも、並列的あるいいは個別に実行される処理をも含むものである。

以上、本発明のいくつかの実施形態について説明したが、本発明は、前記した実施形態に限定されるものではなく、特許請求の範囲に記載された発明とその均等の範囲を含むものである。
以下に、本願出願の当初の特許請求の範囲に記載された発明を付記する。

（付記）
［１］
ユーザの行動を推定する行動推定装置であって、
前記ユーザの位置を特定する位置特定手段と、
前記位置特定手段によって特定された位置と対応付けられた複数種類の行動候補それぞれの発生確率を示す行動情報を取得する取得手段と、
前記ユーザの動きの加速度を検出して加速度データを出力する加速度センサと、
前記加速度センサが出力した加速度データを用いて、前記ユーザの行動に関する前記複数種類の行動候補それぞれの尤度を算出し、当該尤度と前記取得手段によって取得された前記複数の行動候補それぞれの発生確率とに基づいて前記ユーザの行動を推定する処理手段と、を備える
ことを特徴とする行動推定装置である。
［２］
前記処理手段は、
前記算出した前記ユーザの行動に関する前記複数種類の行動候補それぞれの尤度のうち、上位２つの差が所定の閾値以上であった場合に、
前記複数種類の行動候補それぞれの尤度のうち、一番大きい尤度に対応する行動候補を前記ユーザの行動と推定し、
前記算出した前記ユーザの行動に関する前記複数種類の行動候補それぞれの尤度のうち、上位２つの差が所定の閾値未満であった場合に、
前記取得手段によって取得された前記複数の行動候補それぞれの発生確率と、前記算出した尤度とに基づいて前記ユーザの行動を推定する
ことを特徴とする［１］に記載の行動推定装置である。
［３］
前記位置特定手段は、複数のＧＰＳ衛星からの信号を用いて、前記ユーザの位置を特定する
ことを特徴とする［１］または［２］に記載の行動推定装置である。
［４］
前記位置特定手段は、複数のＧＰＳ衛星からの信号に加えて、前記加速度センサから出力された加速度データを用いて、前記ユーザの位置を特定する
ことを特徴とする［３］に記載の行動推定装置である。
［５］
前記行動情報は、前記ユーザの過去の行動を分析して得た行動情報を含む
ことを特徴とする［１］乃至［４］のいずれかに記載の行動推定装置である。
［６］
前記行動情報は、複数人の行動を分析して得た行動情報を含む
ことを特徴とする［１］乃至［４］のいずれかに記載の行動推定装置である。
［７］
前記取得手段は、前記行動推定装置と通信接続されているサーバから前記行動情報を取得する
ことを特徴とする［１］乃至［６］のいずれかに記載の行動推定装置である。
［８］
地図情報を記憶した記憶手段と、
前記記憶手段に記憶された地図情報に、前記処理手段が推定した前記ユーザの行動を、行動の種類が識別可能に重ね合わせて表示する表示手段と、をさらに備える
ことを特徴とする［１］乃至［７］のいずれかに記載の行動推定装置である。
［９］
ユーザの動きの加速度を検出して加速度データを出力する加速度センサを備えた前記ユーザの行動を推定する行動推定装置による行動推定方法であって、
前記ユーザの位置を特定する位置特定ステップと、
特定された位置と対応付けられた複数種類の行動候補それぞれの発生確率を示す行動情報を取得する取得ステップと、
前記加速度センサが出力した加速度データを用いて、前記ユーザの行動に関する前記複数種類の行動候補それぞれの尤度を算出し、当該尤度と前記取得ステップによって取得された前記複数の行動候補それぞれの発生確率とに基づいて前記ユーザの行動を推定する処理ステップと、
を含むことを特徴とする行動推定方法である。
［１０］
ユーザの位置を特定する位置特定手段と、前記ユーザの動きの加速度を検出して加速度データを出力する加速度センサと、を備えたユーザの行動を推定する行動推定装置が備えるコンピュータを、
前記位置特定手段によって特定された位置と対応付けられた複数種類の行動候補それぞれの発生確率を示す行動情報を取得する取得手段、
前記加速度センサが出力した加速度データを用いて、前記ユーザの行動に関する前記複数種類の行動候補それぞれの尤度を算出し、当該尤度と前記取得ステップによって取得された前記複数の行動候補それぞれの発生確率とに基づいて前記ユーザの行動を推定する処理手段
として機能させるための行動推定プログラムである。

１０１ 携帯端末
１０２ 処理部（位置特定手段、取得手段、処理手段）
１０３ 記憶部（記憶手段）
１０４ ＧＰＳ信号受信部
１０５ 表示部（表示手段）
１０６ 加速度センサ
１０７ 操作部
１０８ 通信部
２０１ サーバ
２０２ 処理部
２０３ 記憶部
２０４ 表示部
２０５ 操作部
２０６ 通信部
３０１ ネットワーク
１０００ 行動推定システム

Claims (9)

1. ユーザの行動を推定する行動推定装置であって、
   前記ユーザの位置を特定する位置特定手段と、
   前記位置特定手段によって特定された位置と対応付けられた複数種類の行動候補それぞれの発生確率を示す行動情報を取得する取得手段と、
   前記ユーザの状態を検出するセンサデータに基づいて、前記ユーザの行動に関する前記複数種類の行動候補それぞれの尤度を算出し、当該尤度と前記取得手段によって取得された前記複数の行動候補それぞれの発生確率とに基づいて、前記ユーザの行動を推定する処理手段と、を備え、
   前記処理手段は、
   前記算出した前記ユーザの行動に関する前記複数種類の行動候補それぞれの尤度のうち、上位２つの差が所定の閾値以上であった場合に、
   前記複数種類の行動候補それぞれの尤度のうち、一番大きい尤度に対応する行動候補を前記ユーザの行動と推定し、
   前記算出した前記ユーザの行動に関する前記複数種類の行動候補それぞれの尤度のうち、上位２つの差が所定の閾値未満であった場合に、
   前記取得手段によって取得された前記複数の行動候補それぞれの発生確率と、前記算出した尤度とに基づいて前記ユーザの行動を推定する
   ことを特徴とする行動推定装置。
2. 前記位置特定手段は、複数のＧＰＳ衛星からの信号を用いて、前記ユーザの位置を特定する
   ことを特徴とする請求項１に記載の行動推定装置。
3. 前記ユーザの動きの加速度を検出して加速度データを出力する加速度センサを備え、
   前記位置特定手段は、複数のＧＰＳ衛星からの信号に加えて、前記加速度センサから出力された加速度データを用いて、前記ユーザの位置を特定する
   ことを特徴とする請求項２に記載の行動推定装置。
4. 前記行動情報は、前記ユーザの過去の行動を分析して得た行動情報を含む
   ことを特徴とする請求項１乃至３のいずれか１項に記載の行動推定装置。
5. 前記行動情報は、複数人の行動を分析して得た行動情報を含む
   ことを特徴とする請求項１乃至３のいずれか１項に記載の行動推定装置。
6. 前記取得手段は、前記行動推定装置と通信接続されているサーバから前記行動情報を取得する
   ことを特徴とする請求項１乃至５のいずれか１項に記載の行動推定装置。
7. 地図情報を記憶した記憶手段と、
   前記記憶手段に記憶された地図情報に、前記処理手段が推定した前記ユーザの行動を、行動の種類が識別可能に重ね合わせて表示する表示手段と、をさらに備える
   ことを特徴とする請求項１乃至６のいずれか１項に記載の行動推定装置。
8. ユーザの行動を推定する行動推定装置による行動推定方法であって、
   前記ユーザの位置を特定する位置特定ステップと、
   特定された位置と対応付けられた複数種類の行動候補それぞれの発生確率を示す行動情報を取得する取得ステップと、
   前記ユーザの状態を検出するセンサデータに基づいて、前記ユーザの行動に関する前記複数種類の行動候補それぞれの尤度を算出し、当該尤度と前記取得ステップによって取得された前記複数の行動候補それぞれの発生確率とに基づいて、前記ユーザの行動を推定する処理ステップと、を含み、
   前記ユーザの行動を推定する処理ステップは、
   前記算出した前記ユーザの行動に関する前記複数種類の行動候補それぞれの尤度のうち、上位２つの差が所定の閾値以上であった場合に、
   前記複数種類の行動候補それぞれの尤度のうち、一番大きい尤度に対応する行動候補を前記ユーザの行動と推定し、
   前記算出した前記ユーザの行動に関する前記複数種類の行動候補それぞれの尤度のうち、上位２つの差が所定の閾値未満であった場合に、
   前記取得ステップによって取得された前記複数の行動候補それぞれの発生確率と、前記算出した尤度とに基づいて前記ユーザの行動を推定する
   ことを特徴とする行動推定方法。
9. ユーザの位置を特定する位置特定手段を備えたユーザの行動を推定する行動推定装置が備えるコンピュータを、
   前記位置特定手段によって特定された位置と対応付けられた複数種類の行動候補それぞれの発生確率を示す行動情報を取得する取得手段、
   前記ユーザの状態を検出するセンサデータに基づいて、前記ユーザの行動に関する前記複数種類の行動候補それぞれの尤度を算出し、当該尤度と前記取得手段によって取得された前記複数の行動候補それぞれの発生確率とに基づいて、前記ユーザの行動を推定する処理手段、
   として機能させるための行動推定プログラムであって、
   前記処理手段は、
   前記算出した前記ユーザの行動に関する前記複数種類の行動候補それぞれの尤度のうち、上位２つの差が所定の閾値以上であった場合に、
   前記複数種類の行動候補それぞれの尤度のうち、一番大きい尤度に対応する行動候補を前記ユーザの行動と推定し、
   前記算出した前記ユーザの行動に関する前記複数種類の行動候補それぞれの尤度のうち、上位２つの差が所定の閾値未満であった場合に、
   前記取得手段によって取得された前記複数の行動候補それぞれの発生確率と、前記算出した尤度とに基づいて前記ユーザの行動を推定する
   ことを特徴とする行動推定プログラム。
   
   

Images