JP6694801B2 - 散策行動頻出範囲抽出装置、方法、及びプログラム - Google Patents

Description

本発明は、散策行動頻出範囲抽出装置、方法、及びプログラムに係り、特に、人々の移動軌跡情報に基づいて実世界の情報を理解するための散策行動頻出範囲抽出装置、方法、及びプログラムに関する。

地域活性化の施策などを目的として、人々の行動を分析したいというニーズがある。様々な情報を用いてそれらの分析は行われているが、代表的なものの一つに人々の移動軌跡情報を用いたものがある。

移動軌跡情報とは、ある人がいつどこにいたかを連続して記録したものである。つまり、移動軌跡情報は、連続して記録された測位点の集合として表される。各測位点には、一例として、ユーザＩＤ(Identification)、時刻、緯度、及び経度を含む情報が割り当てられている。

上記の移動軌跡情報を用いて人々の行動を分析する試みとして、エリア単位で分析する試みがある。この試みは、例えば、渋谷エリアといったようなある程度の範囲を持った観光行動の対象となるエリアを考え、そこに滞在した時間の長さやエリア間での遷移を分析する試みである。

こういった分析を行う場合に、分析単位となるエリアの範囲を決定する方法として、大きく分けて二種類が存在する。一つ目は、地図情報を用いる手法である。例えば、大きな道路で区切られた区画単位での個人の行動、すなわち、個人がどの区画からどの区画に何時ごろ移動したかを分析した研究がある（例えば、非特許文献１を参照）。

二つ目は、個人の移動軌跡から、個人が一点に滞留している部分を切り出し、それがどのスポットでの滞留なのかを推定した後、そのスポット同士をクラスタリングする手法である。

図１１は、個人の移動軌跡から滞留部分の軌跡のみを抽出する従来の手法を示す模式図である。

図１１に示すように、個人Ａの移動軌跡Ｔａは、個人Ａの測位点Ｐａの集合として示される。「１」が割り当てられた測位点Ｐａの集合は、個人Ａの移動軌跡Ｔａから抽出される滞留部分の軌跡を示す。また、個人Ｂの移動軌跡Ｔｂは、個人Ｂの測位点Ｐｂの集合として示される。「２」が割り当てられた測位点Ｐｂの集合は、個人Ｂの移動軌跡Ｔｂから抽出される滞留部分の軌跡を示す。

上記滞留部分に含まれる測位点の集合を１つのスポットとみなす。個人Ａの場合、「１」が割り当てられた測位点Ｐａの集合を１つのスポットとみなし、個人Ｂの場合、「２」が割り当てられた測位点Ｐｂの集合を１つのスポットとみなす。

例えば、滞留したスポット同士をクラスタリングしてエリアとみなし、どのエリアが人気であるかを推定することで他の人に訪問するスポット及びエリアを推薦することを試みた研究がある（例えば、非特許文献２を参照）。

N. J. Yuan et al, "Discovering Regions of Different Functions in a City Using Human Mobility and POIs", in Proc. of KDD, 2014. Y. Zheng et al, "Mining interesting locations and travel sequences from GPS trajectories", in Proc. of WWW, 2009.

しかしながら、上記の従来技術には以下の未解決な点がある。
地図情報を用いる一つ目の手法では、エリア単位での行動分析をする上で適切な各エリアの範囲は地図情報から読み取れる形状をしているとは限らないという問題がある。例えば、上述の例に挙げた大きな道路で区切られた区画を分析の単位とする手法では、区画を跨ぐような商店街が存在する場合に、実際には同一の商店街に滞在し続けた人の行動を、区画から区画への遷移であると分析してしまう可能性がある。

一方、スポットへの滞留をクラスタリングする二つ目の手法では、２つの滞留地点が近い場合、それらの滞留地点は同一のエリアに属するものと仮定している。しかし、距離が近くても２つの滞留地点の間を移動する人が少ない場合、それら２つの滞留地点は同一のエリアに属するとは言えない場合がある。これは、個人の行動分析をする上で、距離の近い２つの滞留地点が同一のエリアに属する場合、それら２つの滞留地点をまとめて訪問する人が多い、すなわち、それら２つの滞留地点を移動する人が多いと考えられるためである。

また、エリア単位で行う行動には、一点にとどまる滞留行動だけではなく、低速で移動する散策行動も含まれる。例えば、古い町並みのような、ゆっくりと移動しながら観光することが多いエリアが存在する。しかし、上記のスポットへの滞留をクラスタリングする手法では、図１１に示すように、エリアにおける人々の散策行動（ゆっくりとした移動）は考慮していないため抽出することが出来ない。

本発明は、上記の事情に鑑みてなされたもので、人々の移動軌跡から、散策が行われているエリアの範囲を精度良く抽出することができる散策行動頻出範囲抽出装置、方法、及びプログラムを提供することを目的とする。

上記目的を達成するために、第１の発明に係る散策行動頻出範囲抽出装置は、複数人の、測位点の集合で表される移動軌跡から、前記複数人が散策する範囲を抽出する散策行動頻出範囲抽出装置であって、前記複数人における各個人について、前記個人の移動軌跡から、前記個人が一点に滞留していた滞留部分の軌跡を抽出する個人滞留部分軌跡抽出部と、各個人について、前記個人の移動軌跡から、前記個人滞留部分軌跡抽出部により抽出された前記個人の滞留部分の軌跡を差し引き、残った部分から前記個人が低速で移動していた散策部分の軌跡を抽出し、同一の散策測位点クラスタＩＤを割り当てる個人散策部分軌跡抽出部と、前記個人散策部分軌跡抽出部により各個人の散策部分の軌跡に割り当てられた散策測位点クラスタＩＤを有し、かつ、近くに位置する散策部分をクラスタリングすることで、同一のクラスタに属する散策測位点クラスタＩＤが割り当てられた前記散策部分の軌跡を表す測位点の集合を、前記複数人が散策している範囲に存在する測位点の集合として抽出する散策部分軌跡結合部と、を備える。

第２の発明に係る散策行動頻出範囲抽出方法は、個人滞留部分軌跡抽出部と、個人散策部分軌跡抽出部と、散策部分軌跡結合部と、を備え、複数人の、測位点の集合で表される移動軌跡から、前記複数人が散策する範囲を抽出する散策行動頻出範囲抽出装置における散策行動頻出範囲抽出方法であって、前記個人滞留部分軌跡抽出部が、前記複数人における各個人について、前記個人の移動軌跡から、前記個人が一点に滞留していた滞留部分の軌跡を抽出するステップと、前記個人散策部分軌跡抽出部が、各個人について、前記個人の移動軌跡から、前記個人滞留部分軌跡抽出部により抽出された前記個人の滞留部分の軌跡を差し引き、残った部分から前記個人が低速で移動していた散策部分の軌跡を抽出し、同一の散策測位点クラスタＩＤを割り当てるステップと、前記散策部分軌跡結合部が、前記個人散策部分軌跡抽出部により各個人の散策部分の軌跡に割り当てられた散策測位点クラスタＩＤを有し、かつ、近くに位置する散策部分をクラスタリングすることで、同一のクラスタに属する散策測位点クラスタＩＤが割り当てられた前記散策部分の軌跡を表す測位点の集合を、前記複数人が散策している範囲に存在する測位点の集合として抽出するステップと、を含む。

第１及び第２の発明によれば、個人滞留部分軌跡抽出部が、複数人における各個人について、個人の移動軌跡から、個人が一点に滞留していた滞留部分の軌跡を抽出する。そして、個人散策部分軌跡抽出部が、各個人について、個人の移動軌跡から、個人滞留部分軌跡抽出部により抽出された個人の滞留部分の軌跡を差し引き、残った部分から個人が低速で移動していた散策部分の軌跡を抽出し、同一の散策測位点クラスタＩＤを割り当てる。そして、散策部分軌跡結合部が、個人散策部分軌跡抽出部により各個人の散策部分の軌跡に割り当てられた散策測位点クラスタＩＤを有し、かつ、近くに位置する散策部分をクラスタリングすることで、同一のクラスタに属する散策測位点クラスタＩＤが割り当てられた散策部分の軌跡を表す測位点の集合を、複数人が散策している範囲に存在する測位点の集合として抽出する。

このように、各個人について、個人の移動軌跡から個人の滞留部分の軌跡を差し引き、残った部分から個人の散策部分の軌跡を抽出し、抽出された個人の散策部分の軌跡に基づいて、近くに位置する散策部分を結合するため、人々の移動軌跡から、散策が行われているエリアの範囲を精度良く抽出することができる。

また、第１の発明に係る散策行動頻出範囲抽出装置は、前記散策部分軌跡結合部による結合結果から散策が頻出する範囲を表す多角形を抽出する散策頻出多角形範囲抽出部を更に備える。

また、第２の発明に係る散策行動頻出範囲抽出方法は、散策頻出多角形範囲抽出部が、前記散策部分軌跡結合部による結合結果から散策が頻出する範囲を表す多角形を抽出するステップを更に含む。

このように、近くに位置する散策部分を結合した結果から散策が頻出する範囲を表す多角形を抽出するため、人々の移動軌跡から、散策が行われているエリアの形状を精度良く抽出することができる。

また、本発明に係る散策行動頻出範囲抽出プログラムは、コンピュータに、第２の発明に係る散策行動頻出範囲抽出方法における各ステップを実行させるためのプログラムである。

以上説明したように、本発明に係る散策行動頻出範囲抽出装置、方法、及びプログラムによれば、人々の移動軌跡から、散策が行われているエリアの範囲を精度良く抽出することができる。
また、人々の移動軌跡から、散策が行われているエリアの形状も精度良く抽出することができる。
これにより、例えば、観光客の行動分析などを行う場合に、散策が多く行われるエリアを抽出したり、個人の移動傾向を考慮した上で滞在場所をクラスタリングして分析したり、することが可能になる。

実施形態に係る散策行動頻出範囲抽出装置の機能的な構成の一例を示すブロック図である。 実施形態に係る個人移動軌跡蓄積部に蓄積される移動軌跡情報の一例を示す図である。 実施形態に係る個人滞留部分軌跡蓄積部に蓄積される滞留部分軌跡情報の一例を示す図である。 実施形態に係る個人散策部分軌跡蓄積部に蓄積される散策部分軌跡情報の一例を示す図である。 実施形態に係る、個人の移動軌跡から滞留部分の軌跡及び散策部分の軌跡を抽出する手法の一例を示す模式図である。 実施形態に係る散策部分軌跡結合結果蓄積部に蓄積される散策部分軌跡結合結果の一例を示す図である。 実施形態に係る散策頻出範囲蓄積部に蓄積される散策頻出範囲情報の一例を示す図である。 実施形態に係る散策頻出範囲蓄積部に蓄積される散策頻出範囲情報により表される多角形の一例を示す模式図である。 実施形態に係る散策行動中の測位点の集合及びその範囲を囲う多角形の一例を示す模式図である。 実施形態に係る散策行動頻出範囲抽出プログラムによる処理の流れの一例を示すフローチャートである。 個人の移動軌跡から滞留部分の軌跡のみを抽出する従来の手法を示す模式図である。

以下、図面を参照して、本発明を実施するための形態の一例について詳細に説明する。

図１は、本実施形態に係る散策行動頻出範囲抽出装置１０の機能的な構成の一例を示すブロック図である。
図１に示すように、散策行動頻出範囲抽出装置１０は、個人滞留部分軌跡抽出部１２と、個人散策部分軌跡抽出部１４と、散策部分軌跡結合部１６と、散策頻出多角形範囲抽出部１８と、を備えている。散策行動頻出範囲抽出装置１０は、さらに、個人移動軌跡蓄積部２０と、個人滞留部分軌跡蓄積部２２と、個人散策部分軌跡蓄積部２４と、散策部分軌跡結合結果蓄積部２６と、散策頻出範囲蓄積部２８と、を備えている。

本実施形態に係る散策行動頻出範囲抽出装置１０は、ＣＰＵ（Central Processing Unit）、ＲＡＭ(Random Access Memory)、ＲＯＭ(Read Only Memory)、及びＨＤＤ(Hard Disk Drive)等を備えたコンピュータとして構成される。ＲＯＭには、本実施形態に係る散策行動頻出範囲抽出処理を実行するための散策行動頻出範囲抽出プログラムが記憶されている。なお、散策行動頻出範囲抽出プログラムは、ＨＤＤに記憶されていてもよい。

上記の散策行動頻出範囲抽出プログラムは、例えば、散策行動頻出範囲抽出装置１０に予めインストールされていてもよい。散策行動頻出範囲抽出プログラムは、不揮発性の記憶媒体に記憶して、又は、ネットワークを介して配布して、散策行動頻出範囲抽出装置１０に適宜インストールすることで実現してもよい。なお、不揮発性の記憶媒体の例としては、ＣＤ-ＲＯＭ(Compact Disc Read Only Memory)、光磁気ディスク、ＤＶＤ-ＲＯＭ(Digital Versatile Disc Read Only Memory)、フラッシュメモリ、メモリカード等が挙げられる。

ＣＰＵは、ＲＯＭに記憶されている散策行動頻出範囲抽出プログラムを読み込んで実行することにより、上記の個人滞留部分軌跡抽出部１２、個人散策部分軌跡抽出部１４、散策部分軌跡結合部１６、及び散策頻出多角形範囲抽出部１８として機能する。また、ＨＤＤは、上記の個人移動軌跡蓄積部２０、個人滞留部分軌跡蓄積部２２、個人散策部分軌跡蓄積部２４、散策部分軌跡結合結果蓄積部２６、及び散策頻出範囲蓄積部２８として機能する。

本実施形態に係る散策行動頻出範囲抽出装置１０は、複数人の移動軌跡から、複数人が散策する範囲を抽出する。なお、ここでいう複数人とは、２人以上であればよく、当然ながら多人数であることを含む。以下、散策行動頻出範囲抽出装置１０が備える各部の機能について説明する。

個人移動軌跡蓄積部２０は、図２に示すように、複数人における各個人に関する移動軌跡情報を蓄積する。

図２は、本実施形態に係る個人移動軌跡蓄積部２０に蓄積される移動軌跡情報の一例を示す図である。
図２に示すように、移動軌跡情報は、各個人の移動軌跡を示す情報である。ここでいう移動軌跡とは、個人の移動に伴う測位点の集合を意味する。より具体的には、移動軌跡情報は、各個人の測位点に割り当てられた情報を時系列で順番に記録したものである。なお、測位点には、一例として、ユーザＩＤ、測位点ＩＤ、時刻、緯度、及び経度を含む情報が割り当てられている。

１人の個人に対して固有のユーザＩＤが割り当てられ、１つの測位点に対して固有の測位点ＩＤが割り当てられる。そして、１つのユーザＩＤに対して複数の測位点ＩＤが時系列で順番に割り当てられる。複数の測位点ＩＤにおいては、測位点の緯度及び経度の少なくとも一方が異なっている。

上記の移動軌跡情報は、例えば、各個人が持つ携帯端末のＧＰＳ(Global Positioning System)機能を利用することで取得される。また、上記の移動軌跡情報は、３ヶ所以上の携帯電話基地局における電波強度により位置を特定する方法（三角測量）や、Ｗｉ-Ｆｉ（登録商標）等の無線ＬＡＮ(Local Area Network)を介して所定のアクセスポイントと通信することで位置を特定する方法等により取得してもよい。

個人滞留部分軌跡抽出部１２は、個人移動軌跡蓄積部２０から各個人の移動軌跡情報を読み込み、各個人について、読み込んだ個人の移動軌跡情報により示される個人の移動軌跡から、個人が一点に滞留していた滞留部分の軌跡を抽出する。ここでいう滞留部分の軌跡とは、個人が一点に滞留していたと推定される測位点の集合を意味する。

個人滞留部分軌跡抽出部１２は、同一の滞留部分に属する測位点ＩＤに同一の滞留測位点クラスタＩＤを割り当て、ユーザＩＤ、測位点ＩＤ、及び滞留測位点クラスタＩＤを含む滞留部分軌跡情報を、個人滞留部分軌跡蓄積部２２に出力する。

個人滞留部分軌跡蓄積部２２は、図３に示すように、個人滞留部分軌跡抽出部１２から出力された、複数の個人の各々に関する滞留部分軌跡情報を蓄積する。

図３は、本実施形態に係る個人滞留部分軌跡蓄積部２２に蓄積される滞留部分軌跡情報の一例を示す図である。
図３に示すように、滞留部分軌跡情報とは、各個人のユーザＩＤ、測位点ＩＤ、及び滞留測位点クラスタＩＤを含む情報である。上記したように、同一の滞留部分に属する測位点ＩＤには同一の滞留測位点クラスタＩＤが割り当てられる。

ここで、個人の移動軌跡から滞留部分の測位点の集合を抽出する手法として、例えば、参考文献（K. Nishida et al, "Extracting Arbitrary-shaped Stay Regions from Geospatial Trajectories with Outliers and Missing Points" in Proc. of IWCTS, 2015）に記載されたＤ-Ｓｔａｒと呼ばれるアルゴリズムを適用してもよい。Ｄ-Ｓｔａｒとは、Duration-based Stay region extraction algorithm、の略称である。

上記Ｄ-Ｓｔａｒは、移動している範囲の大きさを指定し、隣接する測位点との距離が、指定した範囲内に含まれる測位点を、滞留部分の測位点として抽出する手法である。本実施形態に係る個人滞留部分軌跡抽出部１２では、上記範囲を比較的狭く指定することで、個人が一点に滞留していた滞留部分の測位点の集合を抽出する。

個人散策部分軌跡抽出部１４は、個人移動軌跡蓄積部２０から各個人の移動軌跡情報を読み込み、個人滞留部分軌跡蓄積部２２から各個人の滞留部分軌跡情報を読み込む。そして、個人散策部分軌跡抽出部１４は、各個人について、移動軌跡情報により示される移動軌跡から、滞留部分軌跡情報により示される滞留部分の軌跡を差し引き、残った部分から個人が低速で移動していた散策部分の軌跡を抽出する。なお、散策とは、低速で移動しながら観光活動等をしている状態のことをいう。低速とは、予め定められた速度以下であることを意味し、一例として、成人が歩く速度以下（例えば、１０ｋｍ／ｈ以下）等としてもよい。また、ここでいう散策部分の軌跡とは、個人が低速で移動していたと推定される測位点の集合を意味する。

個人散策部分軌跡抽出部１４は、同一の散策部分に属する測位点ＩＤに同一の散策測位点クラスタＩＤを割り当て、ユーザＩＤ、測位点ＩＤ、及び散策測位点クラスタＩＤを含む散策部分軌跡情報を、個人散策部分軌跡蓄積部２４に出力する。

個人散策部分軌跡蓄積部２４は、図４に示すように、個人散策部分軌跡抽出部１４から出力された、複数の個人の各々に関する散策部分軌跡情報を蓄積する。

図４は、本実施形態に係る個人散策部分軌跡蓄積部２４に蓄積される散策部分軌跡情報の一例を示す図である。
図４に示すように、散策部分軌跡情報とは、各個人のユーザＩＤ、測位点ＩＤ、及び散策測位点クラスタＩＤを含む情報である。上記したように、同一の散策部分に属する測位点ＩＤには同一の散策測位点クラスタＩＤが割り当てられている。

ここで、個人の移動軌跡から滞留部分の軌跡を差し引く手法としては、個人の移動軌跡を示す測位点の集合から、滞留部分の測位点の集合を削除する。そして、滞留部分の測位点の集合を削除して残った部分から、散策部分の測位点の集合を抽出する。散策部分の測位点の集合を抽出する手法としては、例えば、上記Ｄ-Ｓｔａｒにて指定する範囲の大きさを、滞留部分の測位点の集合を抽出する場合に指定した範囲の大きさと比べ、広く指定する等が考えられる。

図５は、本実施形態に係る、個人の移動軌跡から滞留部分の軌跡及び散策部分の軌跡を抽出する手法の一例を示す模式図である。

図５に示すように、「１」が割り当てられた測位点Ｐａの集合は、個人Ａの移動軌跡Ｔａから抽出される滞留部分の軌跡を示し、「３」が割り当てられた測位点Ｐａの集合は、個人Ａの移動軌跡Ｔａから抽出される散策部分の軌跡を示す。なお、「１」は滞留測位点クラスタＩＤを示し、「３」は散策測位点クラスタＩＤを示す。一方、「２」が割り当てられた測位点Ｐｂの集合は、個人Ｂの移動軌跡Ｔｂから抽出される滞留部分の軌跡を示し、「４」が割り当てられた測位点Ｐｂの集合は、個人Ｂの移動軌跡Ｔｂから抽出される散策部分の軌跡を示す。なお、「２」は滞留測位点クラスタＩＤを示し、「４」は散策測位点クラスタＩＤを示す。

なお、個人の散策部分を抽出するだけであれば、個人の移動軌跡を示す測位点の集合から、その個人が一定速度以下で移動している部分の測位点の集合を抽出すればよい。しかし、この場合、滞留部分と散策部分とを区別することが出来ない。そこで、本実施形態では、以上に説明したように、個人の移動軌跡を示す測位点の集合から、滞留部分の測位点の集合を差し引き、残った部分から、散策部分の測位点の集合を抽出するようにしている。

散策部分軌跡結合部１６は、個人散策部分軌跡蓄積部２４から各個人の散策部分軌跡情報を読み込み、各個人について、読み込んだ個人の散策部分軌跡情報により示される個人の散策部分の軌跡に基づいて、近くに位置する散策部分を結合する。より具体的には、散策部分軌跡結合部１６は、各個人の散策部分の軌跡を示す測位点の集合のうち類似した散策部分をクラスタリングすることで、クラスタに属する散策部分を、多くの人々が散策している範囲に存在する測位点の集合として抽出する。

類似した散策部分をクラスタリングする手法としては、例えば、同一の散策測位点クラスタＩＤを持つ測位点の重心を計算したあと、散策測位点クラスタＩＤ毎に計算した重心を、参考文献（M. Ankerst et al, "OPTICS: Ordering Points To Identify the Clustering Structure" in ACM Sigmod Record, 1999）に記載されたＯＰＴＩＣＳを用いて、クラスタリングすること等が考えられる。ＯＰＴＩＣＳとは、各点について一定距離以内に一定以上の数の点が存在するかをチェックし、存在すればそれらの点を同一のクラスタであるとみなしてクラスタリングする、密度ベースクラスタリングと呼ばれる手法の一種である。

散策部分軌跡結合部１６は、多くの人々が散策している範囲に存在する測位点の集合を示すクラスタＩＤ、緯度、及び経度を含む散策部分軌跡結合結果を、散策部分軌跡結合結果蓄積部２６に出力する。なお、散策部分軌跡結合部１６は、同一の散策測位点クラスタＩＤを持つ測位点の集合を、散策部分とし、類似する散策部分同士をクラスタリングした後に得られる、クラスタに属する散策部分の測位点の集合に対して、同一のクラスタＩＤを割り当てる。

散策部分軌跡結合結果蓄積部２６は、図６に示すように、散策部分軌跡結合部１６から出力された、散策部分軌跡結合結果を蓄積する。

図６は、本実施形態に係る散策部分軌跡結合結果蓄積部２６に蓄積される散策部分軌跡結合結果の一例を示す図である。
図６に示すように、散策部分軌跡結合結果とは、多くの人々が散策している範囲に存在する測位点の集合を示すクラスタＩＤ、緯度、及び経度を含む情報である。

散策頻出多角形範囲抽出部１８は、散策部分軌跡結合結果蓄積部２６から散策部分軌跡結合結果を読み込み、読み込んだ散策部分軌跡結合結果から散策が頻出する範囲を表す多角形を抽出する。ここでいう多角形とは、三角形以上であることを意味する。また、変形例として、多角形の代わりに、例えば、円形、楕円形等を適用してもよい。

散策が頻出する範囲を表す多角形を抽出する手法としては、例えば、参考文献（E. Herbert et al, "On the shape of a set of points in the plane" in IEEE Transactions on information theory, 1983）に記載されたＡｌｐｈａ（α） Ｓｈａｐｅの抽出手法を適用すること等が考えられる。Ａｌｐｈａ Ｓｈａｐｅとは、点の集合が与えられた場合に、その集合の外周に相当する位置に存在する点を抽出する手法であり、抽出された点を順番に結ぶことで点の集合を囲う多角形を得ることが出来る。本実施形態では、同一のクラスタＩＤが割り当てられた測位点の集合の外周に相当する位置に存在する測位点を抽出し、抽出した測位点を順番に結ぶことで多角形を得る。

散策頻出多角形範囲抽出部１８は、同一のクラスタとみなした測位点の集合を囲う多角形を形成する、測位点の集合の外周に相当する位置に存在する測位点の各々についてのクラスタＩＤ、緯度、及び経度を含む散策頻出範囲情報を、散策頻出範囲蓄積部２８に出力する。

散策頻出範囲蓄積部２８は、図７に示すように、散策頻出多角形範囲抽出部１８から出力された、散策頻出範囲情報を蓄積する。

図７は、本実施形態に係る散策頻出範囲蓄積部２８に蓄積される散策頻出範囲情報の一例を示す図である。
図７に示すように、散策頻出範囲情報とは、同一のクラスタとみなした測位点の集合を囲う多角形を形成する、測位点の集合の外周に相当する位置に存在する測位点の各々についてのクラスタＩＤ、緯度、及び経度を含む情報である。

図８は、本実施形態に係る散策頻出範囲蓄積部２８に蓄積される散策頻出範囲情報により表される多角形の一例を示す模式図である。

図８に示す多角形は、図７に示す散策頻出範囲情報において同一クラスタ内の緯度及び経度により示される測位点の集合を順番にプロットしていくことで得ることが出来る。

図９は、本実施形態に係る散策行動中の測位点の集合及びその範囲を囲う多角形の一例を示す模式図である。

本実施形態では、散策測位点クラスタＩＤ毎に、当該散策測位点クラスタＩＤが付された測位点の重心を算出し、算出した重心に基づいてクラスタリングすることで、図９に示すように、クラスタに属する散策測位点クラスタＩＤが付された測位点の集合を、散策が頻出する範囲に相当する測位点の集合として抽出する。これにより、人々が散策によって同時に訪問する可能性の高い部分を範囲として抽出することが可能になる。この範囲は、人々が散策によって同時に訪問する範囲であり、人々により一塊の範囲として認識されている範囲と考えることができる。このため、エリア単位で人々の行動を分析する場合に用いる各エリアの範囲として適している。

さらに、図９に示すように、上記で抽出した測位点の集合から、散策が頻出する範囲を表す多角形を抽出するようにしてもよい。これにより、例えば、携帯端末に表示中の地図上に該当範囲を示したり、携帯端末において個人が多角形で表される範囲内に入ったことが検出された場合にその範囲に関係する観光情報を提示したり、することが出来るようになる。

次に、図１０を参照して、本実施形態に係る散策行動頻出範囲抽出装置１０の作用を説明する。なお、図１０は、本実施形態に係る散策行動頻出範囲抽出プログラムによる処理の流れの一例を示すフローチャートである。
本実施形態に係る散策行動頻出範囲抽出装置１０は、操作者の操作により散策行動頻出範囲抽出処理の実行が指示されると、ＣＰＵがＲＯＭに記憶されている散策行動頻出範囲抽出プログラムを読み出して実行する。

まず、ステップ１００では、個人滞留部分軌跡抽出部１２が、個人移動軌跡蓄積部２０から各個人の移動軌跡情報を読み込む。そして、個人滞留部分軌跡抽出部１２は、各個人について、読み込んだ個人の移動軌跡情報により示される個人の測位点の集合から、個人が滞留行動をしていた滞留部分の測位点の集合を抽出する。個人滞留部分軌跡抽出部１２は、抽出した滞留部分の測位点の集合に関する、ユーザＩＤ、測位点ＩＤ、及び滞留測位点クラスタＩＤを含む滞留部分軌跡情報を個人滞留部分軌跡蓄積部２２に出力する。個人滞留部分軌跡蓄積部２２は、個人滞留部分軌跡抽出部１２から出力された滞留部分軌跡情報を蓄積する。

ステップ１０２では、個人散策部分軌跡抽出部１４が、個人移動軌跡蓄積部２０から各個人の移動軌跡情報を読み込み、個人滞留部分軌跡蓄積部２２から各個人の滞留部分軌跡情報を読み込む。そして、個人散策部分軌跡抽出部１４は、各個人について、移動軌跡情報により示される測位点の集合から、滞留部分軌跡情報により示される滞留部分の測位点の集合を差し引き、残った部分から個人が低速で移動していた散策部分の測位点の集合を抽出する。個人散策部分軌跡抽出部１４は、抽出した散策部分の測位点の集合に関する、ユーザＩＤ、測位点ＩＤ、及び散策測位点クラスタＩＤを含む散策部分軌跡情報を個人散策部分軌跡蓄積部２４に出力する。個人散策部分軌跡蓄積部２４は、個人散策部分軌跡抽出部１４から出力された散策部分軌跡情報を蓄積する。

ステップ１０４では、散策部分軌跡結合部１６が、個人散策部分軌跡蓄積部２４から各個人の散策部分軌跡情報を読み込む。そして、散策部分軌跡結合部１６は、各個人について、読み込んだ個人の散策部分軌跡情報により示される個人の散策部分の軌跡（測位点の集合）に基づいて、近くに位置する散策部分を結合する。すなわち、散策部分軌跡結合部１６は、各個人の散策部分の軌跡から、類似した散策部分をクラスタリングすることで、クラスタに属する散策部分の測位点の集合を、多くの人々が散策している範囲に存在する測定点の集合として抽出する。散策部分軌跡結合部１６は、抽出した多くの人々が散策している範囲に存在する測位点の集合に関する、クラスタＩＤ、緯度、及び経度を含む散策部分軌跡結合結果を散策部分軌跡結合結果蓄積部２６に出力する。散策部分軌跡結合結果蓄積部２６は、散策部分軌跡結合部１６から出力された散策部分軌跡結合結果を蓄積する。

ステップ１０６では、散策頻出多角形範囲抽出部１８が、散策部分軌跡結合結果蓄積部２６から散策部分軌跡結合結果を読み込む。そして、散策頻出多角形範囲抽出部１８は、読み込んだ散策部分軌跡結合結果から、同一のクラスタとみなした測位点の集合を囲う多角形を抽出する。散策頻出多角形範囲抽出部１８は、抽出した測位点の集合を囲う多角形を形成する、測位点の集合の外周に相当する位置に存在する測位点の各々についてのクラスタＩＤ、緯度、及び経度を含む散策頻出範囲情報を散策頻出範囲蓄積部２８に出力する。散策頻出範囲蓄積部２８は、散策頻出多角形範囲抽出部１８から出力された散策頻出範囲情報を蓄積する。

以上、実施形態として散策行動頻出範囲抽出装置及び散策行動頻出範囲抽出方法を例示して説明した。実施形態は、散策行動頻出範囲抽出方法に含まれる各ステップをコンピュータに実行させるための散策行動頻出範囲抽出プログラムの形態としてもよい。実施形態は、この散策行動頻出範囲抽出プログラムを記憶したコンピュータが読み取り可能な記憶媒体の形態としてもよい。

その他、上記実施形態で説明した散策行動頻出範囲抽出装置の構成は、一例であり、主旨を逸脱しない範囲内において状況に応じて変更してもよい。

また、上記実施形態で説明した散策行動頻出範囲抽出プログラムの処理の流れも、一例であり、主旨を逸脱しない範囲内において不要なステップを削除したり、新たなステップを追加したり、処理順序を入れ替えたりしてもよい。

また、上記実施形態では、散策行動頻出範囲抽出プログラムを実行することにより、実施形態に係る処理がコンピュータを利用してソフトウェア構成により実現される場合について説明したが、これに限らない。実施形態は、例えば、ハードウェア構成や、ハードウェア構成とソフトウェア構成との組み合わせによって実現してもよい。

１０ 散策行動頻出範囲抽出装置
１２ 個人滞留部分軌跡抽出部
１４ 個人散策部分軌跡抽出部
１６ 散策部分軌跡結合部
１８ 散策頻出多角形範囲抽出部
２０ 個人移動軌跡蓄積部
２２ 個人滞留部分軌跡蓄積部
２４ 個人散策部分軌跡蓄積部
２６ 散策部分軌跡結合結果蓄積部
２８ 散策頻出範囲蓄積部

Claims (5)

1. 複数人の、測位点の集合で表される移動軌跡から、前記複数人が散策する範囲を抽出する散策行動頻出範囲抽出装置であって、
   前記複数人における各個人について、前記個人の移動軌跡から、前記個人が一点に滞留していた滞留部分の軌跡を抽出する個人滞留部分軌跡抽出部と、
   各個人について、前記個人の移動軌跡から、前記個人滞留部分軌跡抽出部により抽出された前記個人の滞留部分の軌跡を差し引き、残った部分から前記個人が低速で移動していた散策部分の軌跡を抽出し、同一の散策測位点クラスタＩＤを割り当てる個人散策部分軌跡抽出部と、
   前記個人散策部分軌跡抽出部により各個人の散策部分の軌跡に割り当てられた散策測位点クラスタＩＤを有し、かつ、近くに位置する散策部分をクラスタリングすることで、同一のクラスタに属する散策測位点クラスタＩＤが割り当てられた前記散策部分の軌跡を表す測位点の集合を、前記複数人が散策している範囲に存在する測位点の集合として抽出する散策部分軌跡結合部と、
   を備えた散策行動頻出範囲抽出装置。
2. 前記散策部分軌跡結合部による結合結果から散策が頻出する範囲を表す多角形を抽出する散策頻出多角形範囲抽出部を更に備えた請求項１に記載の散策行動頻出範囲抽出装置。
3. 個人滞留部分軌跡抽出部と、個人散策部分軌跡抽出部と、散策部分軌跡結合部と、を備え、複数人の、測位点の集合で表される移動軌跡から、前記複数人が散策する範囲を抽出する散策行動頻出範囲抽出装置における散策行動頻出範囲抽出方法であって、
   前記個人滞留部分軌跡抽出部が、前記複数人における各個人について、前記個人の移動軌跡から、前記個人が一点に滞留していた滞留部分の軌跡を抽出するステップと、
   前記個人散策部分軌跡抽出部が、各個人について、前記個人の移動軌跡から、前記個人滞留部分軌跡抽出部により抽出された前記個人の滞留部分の軌跡を差し引き、残った部分から前記個人が低速で移動していた散策部分の軌跡を抽出し、同一の散策測位点クラスタＩＤを割り当てるステップと、
   前記散策部分軌跡結合部が、前記個人散策部分軌跡抽出部により各個人の散策部分の軌跡に割り当てられた散策測位点クラスタＩＤを有し、かつ、近くに位置する散策部分をクラスタリングすることで、同一のクラスタに属する散策測位点クラスタＩＤが割り当てられた前記散策部分の軌跡を表す測位点の集合を、前記複数人が散策している範囲に存在する測位点の集合として抽出するステップと、
   を含む散策行動頻出範囲抽出方法。
4. 散策頻出多角形範囲抽出部が、前記散策部分軌跡結合部による結合結果から散策が頻出する範囲を表す多角形を抽出するステップを更に含む請求項３に記載の散策行動頻出範囲抽出方法。
5. コンピュータに、請求項３又は４に記載の散策行動頻出範囲抽出方法における各ステップを実行させるための散策行動頻出範囲抽出プログラム。