JP6462264B2 - 目的地予測装置、目的地予測方法、及びプログラム - Google Patents

Description

本発明は、目的地予測装置、目的地予測方法、及びプログラムに関する。

従来、使用者が行動目的を入力しなくても自動的に使用者の行動目的を推測し、案内情報を提示することを目的とした技術が提案されている（例えば、特許文献１）。当該技術では、ナビゲーション装置において、車内に存在する人物の情報、物体の情報等に基づいて使用者の行動目的を推定するとしている。

また、移動中の車両のある時点までの移動経路と、蓄積された移動情報履歴とを参照して車両の行先を予測するという技術も提案されている（例えば、特許文献２）。

また、運転開始地点と運転終了地点、これらの発生した日時及び走行距離を運転履歴記憶手段に累積記憶させておき、運転開始日時と現在位置に関する情報とに基づき運転履歴情報を検索して目的地の名称と所要時間とを予測するという技術も提案されている（例えば、特許文献３）。当該技術では、さらに特定動作検出手段が運転者の特定の操作若しくは動作を検出したときに、目的地の名称に関する情報若しくは前記目的地までの所要時間に関する情報を出力するとしている。

また、蓄積された複数の移動履歴の中から、現在経路記録手段で記録された現在経路と類似する移動履歴を選択するという技術も提案されている（例えば、特許文献４）。当該技術では、移動履歴および現在経路は、地図上の位置を特定するノードの系列で示され、移動履歴と現在経路に共通に含まれるノードに付与された重みに基づいて、移動経路を選択するとしている。

特許第４９２５０８２号公報 特許第３５２７５０５号公報 特許第３４４９１９９号公報 特許第４４９５６２０号公報

従来、使用者の移動先を推定する技術は提案されていた。しかし、例えば交差点等をノードとして、ノードの系列で経路を表現するような技術の場合、処理に道路の情報を用いるため、地図情報（道路情報）の維持管理にコストがかかる。そこで、本発明は、コストを抑えつつ移動体の目的地を推定可能とすることを目的とする。

本発明に係る目的地予測装置は、移動体の位置を示す情報を継続的に取得する位置情報取得部と、地域を予め定められた位置及び大きさの網目状に区画するメッシュを用いて位置情報の遷移を表す履歴情報に基づき、目的地予測の指標となる予測モデルを生成するモデル生成部と、予測モデルと、出発地から現在地までの履歴情報とを用いて目的地を予測する予測部とを有する。

このようにすれば、地図又は道路に関する情報を利用することなく目的地の予測を行う
ことができる。すなわち、地図情報の維持及び管理にかかるコストを抑えつつ移動体の目的地を推定可能となる。

また、履歴情報は、曜日に関する情報及び時刻に関する情報をさらに含み、モデル生成部は、曜日に関する情報又は時刻に関する情報を用いて目的地予測の指標となる出発時の予測モデルを生成し、出発時の予測モデルと、出発時の曜日又は時刻とを用いて目的地を予測する出発時予測部をさらに有するようにしてもよい。出発時における曜日又は時刻といった条件を用いることで、ユーザの習慣性に基づく予測処理を行うことができる。

また、予測モデルは、隣接するメッシュ間の移動を示す有向グラフごとに求められた目的地別の到達確率を示す確率分布であり、予測部は、移動体がメッシュ間を移動した場合、当該隣接するメッシュ間の有向グラフについて求められた確率分布を用いて目的地の予測を修正するようにしてもよい。このようにすれば、メッシュ間の移動のたびに予測を修正し、精度を向上させることができる。

また、予測モデルは、隣接するメッシュ間の移動を示す有向グラフを要素とする特徴ベクトルであり、予測部は、予測モデルと、出発地から現在地までの隣接するメッシュ間の移動を示す有向グラフを要素とする特徴ベクトルとの類似性に基づいて目的地を予測するようにしてもよい。具体的には、このような手法によってもメッシュ間の移動のたびに精度が向上する予測を行うことができる。

また、予測された目的地、又は現在地から予測された目的地までの経路に基づいて関連する情報を出力する情報出力部をさらに有するようにしてもよい。このようにすれば、移動体の目的地の入力を受け付けることなく、推定された目的地に基づいて関連する情報を提供することができるようになる。

なお、課題を解決するための手段に記載の内容は、本発明の課題や技術的思想を逸脱しない範囲で可能な限り組み合わせることができる。課題を解決するための手段の内容は、コンピュータ等の装置若しくは複数の装置を含むシステム、コンピュータが実行する方法、又はコンピュータに実行させるプログラムとして提供することができる。また、プログラムを保持する記録媒体を提供するようにしてもよい。

本発明によれば、コストを抑えつつ移動体の目的地を推定可能となる。

システム構成の一例を示す図である。 処理の概要を説明するための図である。 地域メッシュコードを説明するための図である。 目的地予測装置の一例を示す機能ブロック図である。 コンピュータの一例を示す装置構成図である。 モデル作成処理の一例を示す処理フロー図である。 位置情報の一例を説明するための図である。 移動履歴の一例を説明するための図である。 条件付き確率表の一例を示す図である。 メッシュ間の有向グラフを説明するための図である。 移動時の条件付き確率表の一例を示す図である。 予測処理の一例を示す処理フロー図である。 ベイズ更新を説明するための図である。 デフォルトの目的地到達確率の一例を示す図である。

以下、本発明の実施形態について、図面を用いて説明する。なお、下記の実施形態は本発明の例示であり、本発明は、下記の構成には限定されない。

＜システムの構成＞
図１は、本実施形態に係るシステムの構成を示す図である。本システムは、目的地予測装置１と、ネットワーク２と、移動体３（３ａ、３ｂ・・・）とを含む。移動体３はＧＰＳ（Global Positioning System）受信機等の位置情報を取得可能なセンサを備えている
。具体的には、移動体３は、乗用車や二輪車等であってナビゲーション装置を備える車両３ａや、携帯電話機、スマートフォン、タブレット（スレートＰＣ（Personal Computer
））、ノート型ＰＣといったモバイル装置３ｂを所持して外出する使用者等である。ナビゲーション装置やモバイル装置には所定のアプリケーションソフトウェアがインストールされており、当該アプリケーションソフトウェアはネットワーク２を介して目的地予測装置１へ継続的に位置情報を送信するものとする。本実施形態では、移動体３が位置情報を送信するものとして説明する。一方、目的地予測装置１は、移動体３の移動に伴い目的地を予測する処理を行う。

＜処理の概要＞
図２は、本実施形態に係る処理の概要を説明するための図である。図２は、車両の移動開始から目的地への到着（駐車）までを５つの段階（１）〜（５）で表している。各段階における処理は、次のとおりである。

（１）：まず、例えば自宅に駐車されていた車両が移動を開始した場合、又はエンジンが始動された場合、ネットワーク２を介してその旨の通知を受けた目的地予測装置１は、出発時における目的地予測処理を実行する。出発時予測処理は、出発時の時刻、曜日、出発地等の情報を用いて、過去の移動履歴から算出した確率分布に基づく目的地の予測を行う処理である。なお、予測された目的地（「予測地」とも呼ぶ）に応じて、目的地予測装置１から車両へ何らかの情報を出力するようにしてもよい。図２の例では、例えば勤務先の建物の位置が予測されたものとする。なお、本実施形態では、過去の移動において到達した目的地を特に「訪問先」とも呼ぶものとする。

（２）〜（４）：車両の移動中において、車両は目的地予測装置１へ継続的に位置情報を送信する。一方、目的地予測装置１は、変化する位置情報の系列を、車両ごとに記憶する。また、今回の移動開始から現在の位置までの移動履歴を用いて、過去の移動履歴に基づく目的地の予測処理を行う。本実施形態では、移動中に予測が繰り返され、予測地が変更されることもある。図２の例では、段階（３）において、車両は例えば公園の横を通過し、予測地が学校に更新されたものとする。なお、移動中においても、予測された目的地に応じて目的地予測装置１から車両へ情報を出力するようにしてもよい。

（５）：そして、車両が所定時間以上駐車されたこと等の条件により目的地に到着したと判断された場合、目的地予測装置１は、今回の移動開始から目的地までの移動履歴、時刻、曜日等を用いて、出発時や移動時における目的地予測処理に用いる予測モデルを生成（更新）する。予測モデルは、次回の移動開始時及び移動時における予測処理に用いられる。

図３は、地域メッシュコードを説明するための図である。なお、本実施形態では、日本工業規格のＪＩＳ Ｘ０４１０に規定された地域メッシュコードを用いている。また、本実施形態では、緯度及び経度を含む位置情報を例えば地域メッシュコードに変換し、地域メッシュコードの遷移を表す移動履歴から予測モデルを生成する。ここで、地域メッシュ
コードは、第１次メッシュ（「第１次地域区画」とも呼ぶ）、第２次メッシュ（「第２次地域区画」、「統合地域メッシュ」とも呼ぶ）及び第３次メッシュ（「第３次地域区画」、「基準地域メッシュ」とも呼ぶ）といった標準地域メッシュ、並びに２分の１地域メッシュ、４分の１地域メッシュ及び８分の１地域メッシュといった分割地域メッシュの各段階の大きさのメッシュで位置を表現する。

第１次メッシュとは、地域を１辺の長さが約８０ｋｍの略矩形の領域に分割したものであり、第１次メッシュコードは、緯度を表す上２桁の数字及び経度を表す下２桁の数値からなる４桁の数字で表される。第２次メッシュは、第１次メッシュを東西方向及び南北方向にそれぞれ８等分したものであり、第２次メッシュコードは、緯度方向を表す上１桁の数字及び経度方向を表す下１桁の数字からなる２桁の数字を「−（ハイフン）」で第１次メッシュコードに連結した形式で表される。第３次メッシュは、第２次メッシュを東西方向及び南北方向にそれぞれ１０等分したものであり、第３次メッシュコードは、緯度方向を表す上１桁の数字及び経度方向を表す下１桁の数字からなる２桁の数字を第１次メッシュコード及び第２次メッシュコードに連結した形式で表される。２分の１地域メッシュは、第３次メッシュを東西方向及び南北方向にそれぞれ２等分したものであり、２分の１地域メッシュコードは、南西の領域を１、南東の領域を２、北西の領域を３、北東の領域を４として第１次〜第３次メッシュコードに連結した形式で表される。４分の１地域メッシュは、２分の１地域メッシュを東西方向及び南北方向にそれぞれ２等分したものであり、４分の１地域メッシュコードは、南西の領域を１、南東の領域を２、北西の領域を３、北東の領域を４として第１次〜２分の１地域メッシュコードに連結した形式で表される。８分の１地域メッシュは、４分の１地域メッシュを東西方向及び南北方向にそれぞれ２等分したものであり、８分の１地域メッシュコードは、南西の領域を１、南東の領域を２、北西の領域を３、北東の領域を４として第１次〜４分の１地域メッシュコードに連結した形式で表される。

なお、緯度及び経度を含む位置情報から地域メッシュコードへの変換処理は既存のアルゴリズムを用いて行うことができるため、詳細は省略する。また、本実施形態では、便宜上、第１次メッシュ側を上位のメッシュ、８分の１地域メッシュ側を下位のメッシュと相対的に呼ぶ。なお、既存の地域メッシュコードに限らず、地域を予め定められた位置及び大きさの網目状に区画するメッシュを独自に定義して用いるようにしてもよい。

例えば交差点をノードとした位置情報の系列で移動履歴を表す場合等のような地図情報を必要とする方式と異なり、地域メッシュコードを用いることで、地図情報の更新及び管理にかかるコストを削減することができる。また、メッシュコードに対して商業施設や観光地、その他のランドマーク（例えば、ＰＯＩ（Point Of Interest））を関連付けて保
存したり、メッシュコードの系列に対して渋滞や工事等の交通情報を関連付けて保存したりしておくことで、目的地予測装置１から移動体３への適切な情報出力を可能とする。なお、地域メッシュコードは、位置情報を複数段階の詳細度で表すことができる。移動体３の移動距離や、目的地予測装置１の処理負荷等に応じて詳細度を変更することで、予測の精度を向上させたり、処理速度を向上させたりすることもできる。

＜機能構成＞
図４は、目的地予測装置１の一例を示す機能ブロック図である。目的地予測装置１は、記憶部１１と、位置情報取得部１２と、移動履歴生成部１３と、モデル生成部１４と、出発時予測処理部１５と、移動時予測処理部１６と、情報出力部１７とを含む。

記憶部１１は、いわゆる主記憶装置または補助記憶装置であり、情報を一時的又は永続的に保持する。位置情報取得部１２は、ネットワーク２を介して移動体３から緯度及び経度を含む位置情報を継続的に取得し、記憶部１１に格納する。また、移動履歴生成部１３
は、記憶部１１が格納している位置情報を読み出し、所定の条件に基づいて出発から到着までを１つの単位とした移動履歴を生成する。モデル生成部１４は、記憶部１１が格納している移動履歴を読み出し、予測処理に用いる予測モデルを生成する。なお、予測モデルは、移動開始時の予測に用いる予測モデル（出発時予測モデルとも呼ぶ）と、移動中の予測に用いる予測モデル（移動時予測モデルとも呼ぶ）とを生成するものとする。

また、出発時予測処理部１５は、移動体３が移動を開始した場合、当該時点の時刻、曜日、記憶部１１が格納している予測モデル等に基づき目的地を予測する。移動時予測処理部１６は、記憶部１１が格納している移動開始から現時点までの移動履歴、及び予測モデルに基づき、移動体３の移動中において継続的に目的地を予測する。また、情報出力部１７は、予測された目的地や現在地から目的地までの経路等に基づいて、記憶部１１から関連する情報を抽出し、ネットワーク２を介して移動体３に出力する。

＜装置構成＞
図５は、コンピュータの一例を示す装置構成図である。目的地予測装置１や図示していない移動体３のナビゲーション装置、モバイル端末等は、例えば図５に示すようなコンピュータである。図５に示すコンピュータ１０００は、ＣＰＵ（Central Processing Unit
）１００１、主記憶装置１００２、補助記憶装置（外部記憶装置）１００３、通信ＩＦ（Interface）１００４、入出力ＩＦ（Interface）１００５、ドライブ装置１００６、通信バス１００７を備えている。ＣＰＵ１００１は、プログラムを実行することにより本実施の形態に係る処理等を行う。主記憶装置１００２は、ＣＰＵ１００１が読み出したプログラムやデータをキャッシュしたり、ＣＰＵの作業領域を展開したりする。主記憶装置は、具体的には、ＲＡＭ（Random Access Memory）やＲＯＭ（Read Only Memory）等である。補助記憶装置１００３は、ＣＰＵ１００１により実行されるプログラムや、位置情報などを記憶する。補助記憶装置１００３は、具体的には、ＨＤＤ（Hard-disk Drive）やＳＳ
Ｄ（Solid State Drive）、ｅＭＭＣ（embedded Multi-Media Card）、フラッシュメモリ等である。主記憶装置１００２や補助記憶装置１００３は、目的地予測装置１の記憶部１１等として働く。通信ＩＦ１００４は、他のコンピュータとの間でデータを送受信する。目的地予測装置１は、通信ＩＦ１００４を介してネットワーク２に接続される。通信ＩＦ１００４は、具体的には、有線又は無線のネットワークカード等である。入出力ＩＦ１００５は、入出力装置と接続され、ユーザから入力を受け付けたり、ユーザへ情報を出力したりする。入出力装置は、具体的には、キーボード、マウス、ディスプレイ、タッチパネル等である。ドライブ装置１００６は、磁気ディスク、光磁気ディスク、光ディスク等の記憶媒体に記録されたデータを読み出したり、記憶媒体にデータを書き込んだりする。そして、以上のような構成要素が、通信バス１００７で接続されている。なお、これらの構成要素はそれぞれ複数設けられていてもよいし、一部の構成要素（例えば、ドライブ装置１００６）を設けないようにしてもよい。また、入出力装置がコンピュータと一体に構成されていてもよい。また、ドライブ装置１００６で読み取り可能な可搬性の記憶媒体や、フラッシュメモリのような可搬性の補助記憶装置１００３、通信ＩＦ１００４などを介して、本実施の形態で実行されるプログラムが提供されるようにしてもよい。そして、ＣＰＵ１００１がプログラムを実行することにより、図５に示すようなコンピュータを図４に示した目的地予測装置１等として働かせる。

＜モデル作成処理＞
次に、目的地予測装置１の処理の詳細について説明する。図２に概要を示した通り、目的地予測装置１は、移動履歴の記憶及び予測モデルの生成と、目的地の推定処理とを並行して行う。ここでは、モデル作成処理と予測処理とに分けて説明する。

図６は、モデル作成処理の一例を示す処理フロー図である。目的地予測装置１の位置情報取得部１２は、ネットワーク２を介して移動体３から任意のタイミングで位置情報を取
得する（図６：Ｓ１）。まず、移動体３は、例えばＧＰＳ受信機によって、緯度及び経度によって自身の位置を示す位置情報を測定する。そして、移動体３は、所定の時間ごと、又は所定の距離を移動するごと等のタイミングで、位置情報を目的地予測装置１へ送信する。なお、位置情報は、いわゆるプローブ情報であってもよい。一方、目的地予測装置１の位置情報取得部１２は、受信した位置情報を記憶部１１に格納する。図７は、記憶部１１に格納される位置情報の一例を示す図である。図７の例では、ある移動体のある時点における位置情報として、移動体ＩＤ、日時、緯度、経度、方角、速度等の各項目に対応する値が１つのレコードに格納されている。なお、方角の項目は移動体の進行方向を示し、進行方向を示す値は、例えば、真北を０度又は１２時等とする方位角で表す。

そして、位置情報取得部１２は、移動体３が目的地へ到着したか判断する（Ｓ２）。位置情報取得部１２は、例えば所定時間以上、移動体３から位置情報が送信されなくなった場合に移動体３が目的地へ到着したと判断してもよいし、移動体３が目的地へ到着した旨の情報を送信するようにしてもよい。車両のエンジン停止を目的地への到着と判断するような場合、車載装置の電源のオフが指示されたとき目的地への到着を示す情報及び当該地点の位置情報を目的地予測装置１へ送信してからシャットダウンするようにしてもよい。また、エンジンや車載装置の電源と連動した制御ができない場合は、次に車載装置の電源がオンになったとき、当該地点の位置情報及び前回のシャットダウン直前の日時等を目的地予測装置１へ送信するようにしてもよい。目的地へ到着していないと判断された場合（Ｓ２：ＮＯ）、処理はＳ１に戻り、位置情報取得部１２は、移動体３が送信する位置情報を順次記憶部１１に格納する。

一方、目的地へ到着したと判断された場合（Ｓ２：ＹＥＳ）、目的地予測装置１の移動履歴生成部１３は、移動開始から目的地到着までを１つの単位とした移動履歴を生成する（Ｓ３）。本ステップでは、例えば図８に示すような移動履歴の１レコードが生成される。図８の移動履歴は、移動体ＩＤ、履歴ＩＤ、出発情報、到着情報、移動時間、通過点、天候等の各項目に対応する値を含む。なお、出発情報及び到着情報は、それぞれメッシュ、緯度、経度、ＰＯＩ及び日時の各項目に対応する値を含む。移動体ＩＤの項目には、移動体の識別情報が登録される。履歴ＩＤの項目には、移動開始から目的地到着までを表す移動履歴の識別情報が登録される。また、目的地予測装置１の図示していないＰＯＩ情報更新部は、地域メッシュにより表される位置情報と当該位置に存在する施設等の情報とを対応付けて記憶部１１に保持させておくようにしてもよい。また、図示していない天候情報取得部は、地域ごと且つ過去の時間帯ごとの天候を示す情報を、例えばインターネット上の情報配信サーバから取得し、記憶部１１に保持させておくようにしてもよい。そして、移動履歴生成部１３は、出発地及び到着地の位置情報にそれぞれ関連付けられたＰＯＩや、例えば出発地における出発時刻の天候情報を読み出して移動履歴に格納する。天候情報とは、例えば、晴れ、曇り、雨、雪、不明等の天候区分、並びに最高気温及び最低気温とする。また、移動時間の項目には、到着に係る日時から出発に係る日時を減じて求めた所要時間が保持される。通過点の項目には、出発地から到着地までに経由した１以上の地点の系列が保持される。

その後、目的地予測装置１のモデル生成部１４は、目的地の予測処理に用いる予測モデルを生成する（Ｓ４）。予測モデルとは、後述する予測処理において指標となる情報である。本実施形態では、出発時の予測処理に用いる予測モデルと、移動時の予測処理に用いる予測モデルとを生成する。また、出発時の予測処理に用いる予測モデルとして、（１）隠れマルコフモデル方式と、（２）ベイジアンネットワーク方式とを例示する。一方、移動時の予測処理に用いる予測モデルとしては、（３）類似度方式と、（４）ベイズ更新方式とを例示する。以下、各方式について説明する。

（１）モデル作成：隠れマルコフモデル方式
隠れマルコフモデル方式では、過去の出発地及び目的地（すなわち、訪問先）の組み合わせを複数含む系列のパターンと、現在地に至るまでの移動に係る経由地の系列のパターンとの類似性に基づき、今回の移動の目的地を確率的に予測する。本実施形態では、過去所定回数（Ｎ）分の出発地から目的地への移動履歴に基づいて（いわゆるＮ階マルコフ連鎖に基づいて）目的地を推定するものとする。すなわち、過去所定回数分の出発地と目的地との組み合わせを予測モデルする。このようにすれば、移動体の移動が所定の経路で目的地を巡回するような周期性を有する場合、適切に目的地を予測可能となる。なお、曜日や出発時刻、天気等の条件を加味して予測モデルを生成するようにしてもよい。

（２）モデル作成：ベイジアンネットワーク方式
本方式では、蓄積された移動履歴に基づき、出発時の条件ごとに各目的地（すなわち、訪問先）に到達した確率である予測モデルを算出する。例えば、出発時の条件である出発地、出発曜日、出発時刻の組み合わせごとに、各目的地への遷移確率を算出する。詳細には、次のような処理を行う。
（１−１）移動履歴の中から新たに生成された１つのレコードを読み出し、出発地、出発曜日、出発時刻等の組み合わせとして表される出発時の条件を抽出する。なお、出発地及び目的地は、例えば、４分の１地域メッシュ又はＰＯＩで表すものとする。
（１−２）抽出した出発時の条件に基づき、読み出したレコードを所定のカテゴリに分類する。例えば、目的地ごと、且つ出発時刻を０時から４時間刻みの６つの時間帯ごと、且つ曜日ごとの条件の組み合わせで表されるカテゴリに分類する。
（１−３）上述の組み合わせに基づく条件付確率表（ＣＰＴ：Conditional Probability Table）のセルに対応付けて記憶される当該目的地の総訪問回数に所定の調整値ｕを加算
する。なお、一般的にはｕ＝１として１回の訪問につき１を加算するが、最近の移動履歴を高く重みづけしてもよい。例えば、ｕを次の数１のように定義する。なお、ｄは、例えば、移動履歴の最も古い日にちから当該処理対象のレコードの生成された日にちまでの日数とする。

以上のようにして集計した重み付きの訪問回数を正規化し、確率分布を求める。

図９は、条件付き確率表の一例を示す図である。条件付き確率表の各セルは、上述の条件の組み合わせで表されるカテゴリに相当する。また、各カテゴリにおいて、目的地別の頻度を示す確率分布が集計される。このような条件付き確率表が、出発地ごとに生成される。後述する目的地推定処理では、出発時の条件に基づいて目的地の確率分布を読み出し、最も確率の高い目的地を予測された目的地とする。なお、モデル生成処理において、出発曜日が月曜から金曜であれば平日、土曜又は日曜であれば休日としてカテゴリに分類してもよい。なお、天候情報等をさらに用いて予測モデルを生成するようにしてもよい。

（３）モデル作成：類似度方式
次に、移動時の目的地予測に用いる予測モデルについて説明する。なお、移動時の予測処理においては、位置情報を隣接するメッシュ間の有向グラフ（区間とも呼ぶ）で表すものとする。類似度方式では、出発地から現在地までの経路に存在する区間の類似度に基づいて、各目的地の尤もらしさを表すスコアを算出する。

図１０は、メッシュ間の有向グラフを説明するための図である。図１０の例では、便宜上、メッシュの縦方向にＡ〜Ｊ、横方向に１〜１０の符号を付している。また、図１０には、Ａ１〜Ｊ１０の１００個のメッシュが示されている。ここで、Ｇ２からＤ８まで直線的に移動する場合の経路を表す位置情報の系列について説明する。まず、移動体はＧ２か
らＧ３に向かって移動する。このような方向を有する隣接メッシュのペアによって、経路を表すものとする。その後、移動体は、Ｇ３からＦ３へ、Ｆ３からＦ４へ、Ｆ４からＦ５へ、Ｆ５からＥ５へ、Ｅ５からＥ６へ、Ｅ６からＥ７へ、Ｅ７からＤ７へ、Ｄ７からＤ８へ移動し、目的地へ到着する。

類似度方式では、過去の移動履歴を用いて、目的地（すなわち、訪問先）ごとに、方向を有する隣接メッシュのペアを要素とする特徴ベクトルを生成する。この特徴ベクトルが本方式における予測モデルに相当する。そして、予測処理においては、出発地から現在地までの経路を示す特徴ベクトルと、予測モデルに係る特徴ベクトルとの類似度を算出し、いずれの目的地が尤もらしいか判断する。

（４）モデル作成：ベイズ更新方式
ベイズ更新方式では、あるメッシュから隣接するメッシュへ移動した場合におけるという条件付きの、各目的地（すなわち、訪問先）への到達確率（尤度関数とも呼ぶ）を算出し、隣接するメッシュ間の双方向の移動について移動時の確率表を生成する。そして、予測処理においては、出発時の条件付き確率表から推定した目的地に対し、移動時の確率表に基づく推定の修正を繰り返す。なお、出発時の条件付き確率表は、上述の（２）ベイジアンネットワーク方式において生成したものと同様である。移動時の条件付き確率表は、出発時の条件付き確率表を、出発地別でなく区間別に生成したものとする。

図１１は、移動時の条件付き確率表の一例を示す図である。移動時の条件付き確率表は、方向を有する隣接メッシュのペアによって表される区間、曜日、時間帯別の目的地到達確率を表す。図１１は、Ｇ２からＧ３への区間に係る確率表である。図１０のような経路の移動履歴が記憶部１１に格納されている場合、Ｇ２からＧ３への区間のほか、Ｇ３からＦ３へ、Ｆ３からＦ４へ、Ｆ４からＦ５へ、Ｆ５からＥ５へ、Ｅ５からＥ６へ、Ｅ６からＥ７へ、Ｅ７からＤ７へ、Ｄ７からＤ８へのそれぞれの区間（すなわち、通過区間のすべて）に係る確率表において、移動した曜日及び時間帯のセルに、目的地への重み付き訪問回数ｕ（例えば、数１）を加算する。以上のようにして、出発時の条件付き確率表及び移動時の条件付き確率表（すなわち、予測モデル）が生成される。

なお、本実施形態では、ある区間を通過した場合、特定の目的地へ行く傾向が所定の閾値以上高くなるような区間を求めるようにしてもよい。このような区間を、特異的区間と呼ぶものとする。特異的区間は、例えば、移動履歴の各レコードについて、出発地から順に各区間のエントロピーを算出することで求める。エントロピーは、次の数２によって算出することができる。

そして、エントロピーの最小値を更新した区間を特定し、特定された区間に係る曜日及び時間帯のセルを特異的区間とする。後述する予測処理においては、このような特異的区間であるか否かという情報に基づいて処理を行うようにしてもよい。

＜予測処理＞
図１２は、予測処理の一例を示す処理フロー図である。目的地予測装置１の出発時予測処理部１５は、移動体３が移動を開始した場合、又は移動体３のエンジンが始動させられた場合、出発時の予測処理を行う（図１２：Ｓ１１）。本ステップでは、例えば上述の隠れマルコフモデル方式又はベイジアンネットワーク方式で予測処理を行う。例えば、過去
所定回数分の出発地と目的地との組み合わせに基づく予測モデルを用いて、現在地に至る過程において通過してきた出発地と目的地との組み合わせとの類似性に基づき次の目的地を予測する。また、出発地、曜日、時刻に基づいて、予測モデルとして生成された目的地別の確率分布によって次の目的地を予測するようにしてもよい。目的地は、例えば最も確率の高い目的地を特定するようにしてもよいし、上位所定数の目的地を特定するようにしてもよい。

次に、情報出力部１７は、予測された目的地に応じて移動体３に対し情報を出力する（Ｓ１２）。本実施形態では、例えば図示していない情報取得部が、位置情報（例えば任意の詳細度の地域メッシュコード）と関連付けられた様々な情報を取得し、予め記憶部１１に記憶させておくものとする。例えば、道路工事のスケジュールに関する情報が現場の位置情報と関連付けて登録されたり、渋滞の発生に関する情報が現場の位置情報と関連付けて登録されたりする。また、新たに開店した店舗に関する情報や、広告に関する情報、観光地に関する情報等を、位置情報と関連付けて登録するようにしてもよい。Ｓ１２では、目的地の位置情報、又は現在地から予測された目的地までの経路周辺の位置情報に関連付けて記憶されている情報を記憶部１１から抽出し、移動体３のコンピュータに送信する。なお、本ステップの処理は行わなくてもよい。

次に、目的地予測装置１の移動時予測処理部１６は、移動体３が目的地に到着したか否か判断する（Ｓ１３）。なお、移動時予測処理部１６は、例えば所定時間以上、移動体３から位置情報が送信されなくなった場合に移動体３が目的地へ到着したと判断してもよいし、移動体３が目的地へ到着した旨の情報を送信するようにしてもよい。本ステップにおける判断基準は、図６のＳ２と同様である。目的地へ到着たと判断された場合（Ｓ１３：ＹＥＳ）、目的地予測装置１は、処理を終了する。

一方、目的地へ到着していないと判断された場合（Ｓ１３：ＮＯ）、移動時予測処理部１６は、移動時の予測処理を実行する（Ｓ１４）。本ステップでは、上述した移動時における予測モデルを用いて目的地を予測する。なお、予測処理は、移動体３が隣接するメッシュ（換言すれば、新たな区間）に進入する度に実行するようにしてもよい。本実施形態では新たな区間に入ることで予測される目的地が変わる可能性があるため、このようなタイミングで処理を行うと効率がよい。

類似度方式による移動時の予測処理を行う場合、出発地から現在地までの経路を示す特徴ベクトルと、予測モデルに係る特徴ベクトルとの類似度を算出し、いずれの目的地が尤もらしいか判断する。なお、特徴ベクトルの類似度については、例えば２つのベクトルのなす角が小さいほど類似していると判断する等、既存の判断手法により評価することができる。また、変形Jaccard係数を用いて類似スコアを算出するようにしてもよい。変形Jaccard係数は、次の数３によって求めることができる。

また、ベイズ更新方式による移動時の予測処理を行う場合、出発時の予測処理によって得られた目的地への到達確率を事前確率として、事前確率に対して、新たな区間に関する目的地到達確率を乗ずることにより事後確率を算出（すなわち、ベイズ更新）する。ベイズ更新は、例えば隣接するメッシュに進入する度に実行する。すなわち、事前確率及び事後確率は相対的なものであり、ある区間において算出された事後確率は、次の区間において事前確率として用いられ、当該事前確率を修正した事後確率が算出される。このように
、移動体の移動中において、過去の同一区間の移動と最終的な訪問先に基づき、今回の移動に係る目的地到達確率が修正される。より具体的には、事前確率を示す確率分布に尤度関数を乗じ、さらに正規化して事後確率を示す確率分布を得る。

例えば、ベイズ更新は次の数４によって表すことができる。なお、ここでは図１３に示すメッシュＡ〜Ｉを用いて説明する。

ただし、初回の移動時予測処理（Ｓ１４）では、出発時予測処理の結果を事前確率に用いるため、ベイズ更新は次の数５によって表される。

なお、Ｈ_ｉは、図示していない目的地ｉに向かうという仮説を示し、Ｐ（Ｈ_ｉ）は出発時予測の結果として得られた目的地ｉに向かう確率である。また、Ｄ_ＢＣは、メッシュＢを通過後、メッシュＣへ移動するという事象を示し、Ｐ（Ｄ_ＢＣ）は、メッシュＢを通過後、メッシュＣに移動する確率を示すものとする。すなわち、図８に示した移動履歴において、通過点にメッシュＢからメッシュＣの順に移動したレコードの件数を、通過点にＢを含むレコードの件数で除した割合である。ここで、割合の算出に用いるレコードの件数（区間を移動した回数）は、例えば上述の数１に示したような重みづけした値ｕを用いるようにしてもよい。すなわち、履歴情報のうち時間的に新しい移動ほど影響が大きくなるように重みづけした疑似的な移動回数を用いて、ベイズ更新に係る処理を行うようにしてもよい。また、Ｐ（Ｄ_ＢＣ｜Ｈ_ｉ）は、目的地ｉに向かっている場合において、メッシュＢを通過した後、メッシュＣに移動する確率を示している。すなわち、図８に示した移動履歴において、到着情報のメッシュ又はＰＯＩが目的地ｉを示しているレコードのうち、通過点においてメッシュＢからメッシュＣに移動したレコードの件数の割合である。例えば、Ｐ（Ｄ_ＡＢ｜Ｈ_ｉ）は、次の数６で表すことができる。

なお、Ｃ_ＡＢは、図８の移動履歴において、メッシュＡの次にメッシュＢへ移動したレコード数をカウントした値である。数６では、Ｃ_ＡＢからＣ_ＡＩまでの８方向へ移動したレコードの数を用いている。また、数４のＰ（Ｈ_ｉ｜Ｄ_ＡＢ）は、メッシュＡからメッシュＢへ移動した場合において、目的地ｉに向かっている確率を示すものとする。すなわち、図８の通過点において、メッシュＡからメッシュＢへ移動したレコードのうち、到着情報のメッシュ又はＰＯＩが目的地ｉを示しているレコードの割合である。このような計算を各目的地について実行し、確率分布を更新する。

なお、過去に通過したことのない区間へ進入した場合、予測モデルの代わりに予め定められたデフォルトの目的地到達確率を用いてベイズ更新を行うようにしてもよい。図１４は、デフォルトの目的地到達確率の一例である。デフォルトの目的地到達確率は、例えば次のような性質を持つ確率とする。
（１）目的地として、対象の移動体に係る移動履歴に含まれるすべての目的地及び「不明」を有する。
（２）対象の移動体に係る移動履歴に含まれるすべての目的地及び「不明」の各々に確率が与えられ、これらの総和は１とする。
（３）対象の移動体に係る移動履歴に含まれるすべての目的地の各々に関する確率は同一の値とする。
（４）「不明」に関する確率は、対象の移動体に係る移動履歴に含まれる各目的地に関する確率の２倍とする。

また、新たに進入した区間が上述の特異的区間であるか否かを判断し、特異的区間であると判断された場合に、新たに進入した区間に関する目的地到達確率を乗ずるようにしてもよい。一方、特異的区間でないと判断された場合は、ベイズ更新を行わず、事前確率をそのまま事後確率とするようにしてもよい。

以上のような処理を行い、例えば最も確率の高い目的地、又は上位所定数の目的地を特定し、予測された目的地とする。

その後、情報出力部１７は、予測された目的地に応じて移動体３に対し情報を出力する（Ｓ１５）。本ステップは、Ｓ１２と同様である。その後、Ｓ１３に戻り、目的地に到着するまで所定のタイミングで移動時予測処理を繰り返す。

なお、目的地予測装置１から移動体３のコンピュータが予測モデルを受信しておき、予測処理を移動体３側で行うようにしてもよい。この場合、予測された目的地に基づいて、目的地予測装置１の情報出力部１７から出力する情報を取得するようにしてもよい。

本発明によれば、位置情報を地域メッシュや隣接する地域メッシュ間の有向グラフで表現することにより、地図情報（道路情報）の維持及び管理にかかるコストを低減させることができるようになる。また、地域メッシュを用いることで、処理負荷も低減及び均一化することができるようになる。

また、地域メッシュは段階的に複数の詳細度で位置情報を表現することができる。複数の詳細度で予測モデルを生成しておき、予測処理で用いる予測モデルを変更できるようにしてもよい。このようにすれば、下位の詳細なメッシュに変更することで、予測の精度を向上させることができるようになる。また、上位の粗いメッシュに変更することで、処理の負荷を低減させることができるようになる。また、位置情報を移動体が送信する際に粗いメッシュで特定するようにしてもよい。このようにすれば、自宅の位置や目的地を詳細に特定することなく、ユーザのプライバシーに配慮した目的地予測サービスを提供することができる。

＜その他＞
本発明は上述の処理を実行するコンピュータプログラムを含む。さらに、当該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も、本発明の範疇に属する。当該プログラムが記録された記録媒体については、コンピュータに、この記録媒体のプログラムを読み込ませて実行させることにより、上述の処理が可能となる。

ここで、コンピュータ読み取り可能な記録媒体とは、データやプログラム等の情報を電気的、磁気的、光学的、機械的、または化学的作用によって蓄積し、コンピュータから読み取ることができる記録媒体をいう。このような記録媒体のうちコンピュータから取り外し可能なものとしては、フレキシブルディスク、光磁気ディスク、光ディスク、磁気テープ、メモリカード等がある。また、コンピュータに固定された記録媒体としては、ハード
ディスクドライブやＲＯＭ等がある。

１ 目的地推定装置
１１ 記憶部
１２ 位置情報取得部
１３ 移動履歴生成部
１４ モデル生成部
１５ 出発時予測処理部
１６ 移動時予測処理部
１７ 情報出力部
２ ネットワーク
３（３ａ、３ｂ・・・） 移動体

Claims (7)

1. 移動体の位置を示す位置情報を継続的に取得する位置情報取得部と、
   地域を予め定められた位置及び大きさの網目状に区画するメッシュを用いて前記位置情報の遷移を表す履歴情報に基づき、隣接するメッシュ間の移動を示す有向グラフごとに求められた目的地別の到達確率を示す確率分布であり目的地予測の指標となる予測モデルを生成するモデル生成部と、
   前記予測モデルと、出発地から現在地までの前記履歴情報とを用いて目的地を予測すると共に、前記移動体がメッシュ間を移動した場合、当該隣接するメッシュ間の有向グラフについて求められた前記確率分布を用いて目的地の予測を修正する予測部と、
   を有し、
   前記予測部は、前記履歴情報において移動したことのないメッシュ間については予め定められた所定の目的地別の到達確率を用いて目的地の予測を修正する
   目的地予測装置。
2. 移動体の位置を示す位置情報を継続的に取得する位置情報取得部と、
   地域を予め定められた位置及び大きさの網目状に区画するメッシュを用いて前記位置情報の遷移を表す履歴情報に基づき、隣接するメッシュ間の移動を示す有向グラフを要素とする特徴ベクトルであり目的地予測の指標となる予測モデルを生成するモデル生成部と、
   前記予測モデルと、出発地から現在地までの前記履歴情報とを用いて、前記予測モデルと、出発地から現在地までの隣接するメッシュ間の移動を示す有向グラフを要素とする特徴ベクトルとの類似性に基づいて目的地を予測する予測部と、
   を有する目的地予測装置。
3. 前記履歴情報は、曜日に関する情報及び時刻に関する情報をさらに含み、
   前記モデル生成部は、前記曜日に関する情報又は前記時刻に関する情報を用いて目的地予測の指標となる出発時の予測モデルを生成し、
   前記出発時の予測モデルと、出発時の曜日又は時刻とを用いて目的地を予測する出発時予測部をさらに有する
   請求項１又は２に記載の目的地予測装置。
4. 予測された目的地、又は現在地から前記予測された目的地までの経路に基づいて関連す
   る情報を出力する情報出力部
   をさらに有する請求項１から３のいずれか一項に記載の目的地予測装置。
5. 前記予測部は、前記移動体がメッシュ間を移動する度に、前記目的地の予測を修正する処理を実行する
   請求項１から４のいずれか一項に記載の目的地予測装置。
6. 移動体の位置を示す位置情報を継続的に取得する位置情報取得ステップと、
   地域を予め定められた位置及び大きさの網目状に区画するメッシュを用いて前記位置情報の遷移を表す履歴情報に基づき、隣接するメッシュ間の移動を示す有向グラフごとに求められた目的地別の到達確率を示す確率分布であり目的地予測の指標となる予測モデルを生成するモデル生成ステップと、
   前記予測モデルと、出発地から現在地までの前記履歴情報とを用いて目的地を予測すると共に、前記移動体がメッシュ間を移動した場合、当該隣接するメッシュ間の有向グラフについて求められた前記確率分布を用いて目的地の予測を修正する予測ステップと、
   をコンピュータが実行し、
   前記予測ステップにおいて、前記履歴情報において移動したことのないメッシュ間については予め定められた所定の目的地別の到達確率を用いて目的地の予測を修正する
   目的地予測方法。
7. 移動体の位置を示す位置情報を継続的に取得する位置情報取得ステップと、
   地域を予め定められた位置及び大きさの網目状に区画するメッシュを用いて前記位置情報の遷移を表す履歴情報に基づき、隣接するメッシュ間の移動を示す有向グラフごとに求められた目的地別の到達確率を示す確率分布であり目的地予測の指標となる予測モデルを生成するモデル生成ステップと、
   前記予測モデルと、出発地から現在地までの前記履歴情報とを用いて目的地を予測すると共に、前記移動体がメッシュ間を移動した場合、当該隣接するメッシュ間の有向グラフについて求められた前記確率分布を用いて目的地の予測を修正する予測ステップと、
   をコンピュータに実行させ、
   前記予測ステップにおいて、前記履歴情報において移動したことのないメッシュ間については予め定められた所定の目的地別の到達確率を用いて目的地の予測を修正する
   プログラム。
   

Images