JP7121778B2 - 情報処理装置、情報処理方法、及び情報処理プログラム - Google Patents

情報処理装置、情報処理方法、及び情報処理プログラム Download PDF

Info

Publication number
JP7121778B2
JP7121778B2 JP2020124042A JP2020124042A JP7121778B2 JP 7121778 B2 JP7121778 B2 JP 7121778B2 JP 2020124042 A JP2020124042 A JP 2020124042A JP 2020124042 A JP2020124042 A JP 2020124042A JP 7121778 B2 JP7121778 B2 JP 7121778B2
Authority
JP
Japan
Prior art keywords
user
information
information processing
action
behavioral
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
JP2020124042A
Other languages
English (en)
Other versions
JP2022020506A (ja
Inventor
幸弘 寺田
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.)
Yahoo Japan Corp
Original Assignee
Yahoo Japan Corp
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 Yahoo Japan Corp filed Critical Yahoo Japan Corp
Priority to JP2020124042A priority Critical patent/JP7121778B2/ja
Publication of JP2022020506A publication Critical patent/JP2022020506A/ja
Application granted granted Critical
Publication of JP7121778B2 publication Critical patent/JP7121778B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Medical Treatment And Welfare Office Work (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Description

本出願は、情報処理装置、情報処理方法、及び情報処理プログラムに関する。
従来、インターネット上の検索データを用いて感染症の流行を把握する技術が知られている。例えば、特定の検索クエリの使用頻度と、インフルエンザの流行との相関性に基づき、インフルエンザの流行を予測する技術が提案されている。
"Detecting influenza epidemics using search engine query data" Jeremy Ginsberg, Matthew H. Mohebbi, Rajan S. Patel, Lynnette Brammer, Mark S. Smolinski & Larry Brilliant ＜インターネット＞ http://static.googleusercontent.com/media/research.google.com/en/us/archive/papers/detecting-influenza-epidemics.pdf（令和２年６月２６日検索）
しかしながら、上記の従来技術は、ユーザごとに、感染症の原因となる病原体への感染リスクに応じて適切な提案を提供できるとは限らない。上記の従来技術では、各地域のインフルエンザの流行を予測し、ユーザに予測結果を提供するに過ぎない。このため、上記の従来技術では、ユーザ個人の感染リスクに応じて、適切な提案を行うことは難しい。
本願は、上記に鑑みてなされたものであって、ユーザごとに、感染症の原因となる病原体への感染リスクに応じて適切な提案を提供できる情報処理装置、情報処理方法、及び情報処理プログラムを提供することを目的とする。
本願に係る情報処理装置は、取得部と、検知部と、推定部と、提供部とを備える。取得部は、各ユーザに関するユーザ情報を取得する。検知部は、ユーザ情報に基づいて、感染症を発症している可能性がある第１のユーザを検知する。推定部は、第１のユーザの行動内容と、第１のユーザ以外の第２のユーザの行動内容との比較結果に基づいて、第２のユーザが感染症の原因となる病原体に感染する危険度を推定する。提供部は、危険度に応じて、病原体への感染を防止する対策を提案する提案情報を提供する。
実施形態の態様の１つによれば、ユーザごとに、感染症の原因となる病原体への感染リスクに応じて適切な提案を提供できる。
図１は、実施形態に係る情報処理の一例を示す図である。 図２は、実施形態に係る感染濃厚ユーザの検知例を示す図である。 図３は、実施形態に係る危険度の推定例を示す図である。 図４は、実施形態に係る提案情報の一例を示す図である。 図５は、実施形態に係る提案情報の一例を示す図である。 図６は、実施形態にかかる情報処理システムの構成例を示す図である。 図７は、実施形態に係る情報処理装置の構成例を示す図である。 図８は、実施形態に係る行動情報の一例を示す図である。 図９は、実施形態に係る行動情報の一例を示す図である。 図１０は、実施形態に係る感染検知情報の一例を示す図である。 図１１は、実施形態に係る活動時間帯の比較例を示す図である。 図１２は、実施形態に係る情報処理装置による情報処理手順を示すフローチャートである。 図１３は、実施形態に係る情報処理装置による情報処理手順を示すフローチャートである。 図１４は、実施形態に係る行動パターンへの執着度を考慮した提案情報の一例を示す図である。 図１５は、実施形態に係る行動パターンへの執着度を考慮した提案情報の一例を示す図である。 図１６は、実施形態に係る情報処理装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。
以下に、本願に係る情報処理装置、情報処理方法、及び情報処理プログラムを実施するための形態（以下、「実施形態」と呼ぶ）について図面を参照しつつ詳細に説明する。なお、以下に説明する複数の実施形態により本願に係る情報処理装置、情報処理方法、及び情報処理プログラムが限定されるものではない。また、以下に説明する複数の実施形態は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。また、以下に説明する複数の実施形態において同一の部位には同一の符号を付し、重複する説明は省略される。
［１．情報処理の概要］
図１を用いて、実施形態にかかる情報処理の一例を説明する。図１は、実施形態に係る情報処理の一例を示す図である。図１に示す例において、情報処理システム１は、複数の端末装置１０と、情報処理装置１００とを有する。端末装置１０と、情報処理装置１００とは、ネットワークを介して有線または無線により通信可能に接続される。なお、図１に示す例には特に限定される必要はなく、情報処理システム１は、図１に示す場合よりも多くの端末装置１０及び情報処理装置１００を含んでよい。
図１に示す端末装置１０は、ユーザによって利用される情報処理装置である。端末装置１０は、ＧＰＳ（Global Positioning System）等の各種センサや、液晶ディスプレイ等の表示デバイス（以下、「画面」と適宜記載する。）や、マイク等の音声入力デバイスを有する。例えば、端末装置１０は、デスクトップ型ＰＣ（Personal Computer）や、ノート型ＰＣや、タブレット端末や、携帯電話機や、ＰＤＡ（Personal Digital Assistant）や、ウェアラブルデバイス等である。
なお、図１に示す例において、端末装置１０１は、ユーザＵ１１１によって利用されるスマートフォンやタブレット等のスマートデバイスである場合を示す。また、図１に示す例において、端末装置１０２は、ユーザＵ２２２によって利用されるスマートフォンやタブレット等のスマートデバイスである場合を示す。また、図１に示す例において、端末装置１０ｎは、ユーザＵｎｎｎによって利用されるスマートフォンやタブレット等のスマートデバイスである場合を示す。
端末装置１０のユーザは、端末装置１０を操作することにより、ネットワークを通じて、情報処理装置１００により提供される各種サービスを利用する。端末装置１０は、ウェブページ又はアプリケーション（以下、「アプリ」と適宜記載する。）により、情報処理装置１００から提供される各種サービスを利用できる。端末装置１０は、各種サービスの利用に伴って、ユーザの行動内容を示す行動情報を情報処理装置１００に送信する。行動情報は、端末装置１０の位置情報を含む。また、端末装置１０は、起動中、音声入力デバイスにより取得した音声情報を情報処理装置１００に送信する。また、端末装置１０は、健康管理サービスを提供するための健康管理アプリにより記録された体温等のバイタルサインを情報処理装置１００に送信する。
端末装置１０は、情報処理装置１００により提供（配信）される提案情報を画面に表示する。提案情報は、端末装置１０のユーザに対し、感染症の原因となる病原体に感染する危険度に応じた提案を行う情報である。
図１に示す情報処理装置１００は、端末装置１０のユーザからの求めに応じて、ネットワークを介した各種サービスを提供するサーバ装置である。情報処理装置１００は、例えば、ネットワークを通じて、路線検索サービスや、地図提供サービスや、旅行サービスや、飲食店紹介サービスや、天気予報サービスや、スケジュール管理サービス等を提供できる。また、以下に説明するように、情報処理装置１００は、端末装置１０のユーザに対し、感染症の原因となる病原体に感染する危険度に応じた提案情報を提供する。以下、図１～図５を用いて、実施形態に係る情報処理装置１００が行う情報処理について説明する。
情報処理装置１００は、端末装置１０の各ユーザのユーザ情報として、端末装置１０からセンシング情報及び行動情報を取得する（ステップＳ１）。すなわち、情報処理装置１００は、端末装置１０１のユーザＵ１１１や、端末装置１０２のユーザＵ２２２や、端末装置１０ｎのユーザＵｎｎｎ等から、それぞれユーザ情報を取得する。センシング情報は、端末装置１０において記録された音声情報や、健康管理アプリに記録された体温等のバイタルサインの情報である。情報処理装置１００は、予め定められる周期でセンシング情報を取得する。情報処理装置１００は、端末装置１０のユーザのサービス利用に伴って、逐次的に行動情報を取得する。
行動情報は、情報処理装置１００が提供する各種サービスの利用に伴って、端末装置１０から送信される端末装置１０のユーザの行動内容を示す情報である。例えば、端末装置１０のユーザが路線検索サービスを利用した場合、情報処理装置１００は、端末装置１０から、ユーザが移動手段として利用する電車の路線及び経路（例えば、出発駅、経由駅、到着駅など）に関する情報を取得する。また、端末装置１０のユーザが飲食店紹介サービスを利用した場合、飲食店の利用に関する情報（予約時間）を取得する。情報処理装置１００は、行動情報とともに、端末装置１０の位置情報（緯度及び経度等）を取得する。なお、行動情報として、端末装置１０が位置する施設の情報を取得してもよい。施設の情報は、例えば、ユーザが所在する施設の名称や階数の情報を含んでよい。施設の階数は、例えば、施設の各フロアに設置された無線基地局の情報の検出結果を端末装置１０から取得することにより特定される。
情報処理装置１００は、端末装置１０から取得する行動情報を記録する（ステップＳ２）。情報処理装置１００は、行動情報から、移動情報や、行動エリアの情報や、活動時間帯の情報等を取得して記録する。移動情報は、例えば、端末装置１０のユーザが移動手段として利用する電車の路線及び経路（例えば、出発駅、経由駅、到着駅）に関する情報である。行動エリアの情報は、端末装置１０の位置情報（緯度及び経度等）に基づく情報である。行動エリアの情報には、緯度及び経度に基づいて既存の地図情報を予め区分けした複数のエリアを識別するためのエリア情報の中から、端末装置１０の位置に対応するエリア情報が割り当てられる。活動時間帯は、スケジュール管理サービスに登録された端末装置１０のユーザのスケジュールに基づく情報である。活動時間帯には、スケジュールに登録された外出時間の情報が割り当てられる。
また、情報処理装置１００は、端末装置１０から取得したセンシング情報に基づいて、感染症を発症している可能性のある感染濃厚ユーザを検知する（ステップＳ３）。図２は、実施形態に係る感染濃厚ユーザの検知例を示す図である。
図２に示すように、情報処理装置１００は、例えば、端末装置１０１からセンシング情報として取得した音声情報を解析して、端末装置１０１のユーザＵ１１１の咳（せき）の回数を取得する。そして、情報処理装置１００は、咳の回数が正常範囲内にあるかを判定する。咳の回数の正常範囲は、音声情報を取得する周期（時間）における咳の回数として、医療機関等において異常な回数としてとり取り扱われない範囲に基づいて決定される。
情報処理装置１００は、咳（せき）の回数が正常範囲外である場合、端末装置１０１からセンシング情報として取得したバイタルサインの情報に含まれるユーザＵ１１１の体温を取得し、取得した体温が正常範囲内にあるかを判定する。体温の正常範囲は、医療機関等において平熱としてとり扱われる範囲に相当する。
情報処理装置１００は、咳（せき）の回数が正常範囲外であり、かつ体温が正常範囲外である場合、端末装置１０１のユーザＵ１１１を、感染症を発症している可能性のある感染濃厚ユーザ（「第１のユーザ」の一例）と判定する。
なお、情報処理装置１００は、端末装置１０１のユーザＵ１１１を感染濃厚ユーザと判定する際、検索サービスにおける端末装置１０１のユーザＵ１１１の検索履歴を加味してもよい。例えば、情報処理装置１００は、検索履歴に、「感染症 症状」、「感染症 せき 熱」などの所定の検索クエリが含まれる場合、感染濃厚ユーザと推認する際の有利な客観的事実として取り扱う。
また、情報処理装置１００は、感染濃厚ユーザの行動内容と、感染濃厚ユーザ以外の他のユーザ（「第２のユーザ」の一例）の行動内容との比較結果に基づいて、他のユーザが感染症を発症させる病原体に感染する危険度を推定する（ステップＳ４）。図３は、実施形態に係る危険度の推定例を示す図である。
図３に示すように、情報処理装置１００は、記録した行動情報の中から、感染濃厚ユーザであるユーザＵ１１１以外の他のユーザＵ２２２の行動情報を取得する。そして、情報処理装置１００は、感染濃厚ユーザであるユーザＵ１１１の行動内容と、感染濃厚ユーザ以外の他のユーザであるユーザＵ２２２の行動内容との一致率αを算出する。情報処理装置１００は、例えば、行動内容が一致する項目の数に基づいて一致率αを算出する。情報処理装置１００は、移動情報、行動エリア、及び活動時間帯の各項目が完全一致する場合、一致率αを１００％と算出する。情報処理装置１００は、移動情報、行動エリア、及び活動時間帯の各項目のうち、いずれか２つが一致する場合、一致率αを６７％と算出する。情報処理装置１００は、移動情報、行動エリア、及び活動時間帯の各項目のうち、いずれか１つが一致する場合、一致率αを３３％と算出する。なお、一致するか否かの判断基準は、項目ごとに変更できる。例えば、情報処理装置１００は、電車の路線及び経路が同一であるとき、移動情報が一致すると判断する。また、情報処理装置１００は、行動エリアを示すエリア情報が同一であるとき、行動エリアが一致すると判断する。また、情報処理装置１００は、活動時間帯の少なくとも一部が重複するとき、活動時間帯が一致すると判断する。
情報処理装置１００は、算出した一致率αが予め定められる閾値Ｔｈ１よりも大きいか否かを判定する。情報処理装置１００は、一致率αが閾値Ｔｈ１よりも大きい場合、危険度：「大」と推定する。また、情報処理装置１００は、一致率αが予め定められた閾値Ｔｈ２（＜閾値Ｔｈ１）よりも大きい場合、危険度：「中」と推定する。また、情報処理装置１００は、一致率αが閾値Ｔｈ２以下である場合、危険度：「小」と推定する。
また、情報処理装置１００は、推定した危険度に応じて、病原体への感染を防止する対策を提案する提案情報をユーザＵ２２２に提供する（ステップＳ５）。図４及び図５は、実施形態に係る提案情報の一例を示す図である。
図４に示すように、ユーザＵ２２２の危険度が「中」である場合、情報処理装置１００は、ユーザＵ２２２に対して、感染症予防として一般的な提案を行う提案情報を提供する。一方、図５に示すように、ユーザＵ２２２の危険度が「大」である場合、情報処理装置１００は、ユーザＵ２２２の行動に対して、より具体的な提案を行う提案情報を提供する。
このようにして、情報処理装置１００は、感染濃厚ユーザの行動内容と、感染濃厚ユーザ以外の他のユーザの行動内容とを比較することにより、感染濃厚ユーザ以外の他のユーザが感染症の原因となる病原体に感染する危険度を推定する。これにより、情報処理装置１００は、ユーザごとに、感染症の原因となる病原体への感染リスクに応じて適切な提案を提供できる。
［２．情報処理システムの構成］
図６を用いて、実施形態にかかる情報処理システム１の構成について説明する。図６は、実施形態にかかる情報処理システムの構成例を示す図である。図６に示すように、情報処理システム１は、端末装置１０と、情報処理装置１００とを有する。
端末装置１０及び情報処理装置１００は、ネットワークＮを介して、有線または無線により通信可能に接続される。ネットワークＮは、ＬＡＮ（Local Area Network）、ＷＡＮ（Wide Area Network）、電話網（携帯電話網、固定電話網等）、地域ＩＰ（Internet Protocol）網、インターネット等の通信ネットワークである。ネットワークＮには、有線ネットワークが含まれていてもよいし、無線ネットワークが含まれていてもよい。なお、図６に示す例には特に限定されず、情報処理システム１は、複数台の端末装置１０、複数台の情報処理装置１００を有してもよい。
端末装置１０は、ユーザによって利用される端末装置である。端末装置１０は、例えば、スマートフォンや、タブレット型端末や、ノート型ＰＣ（Personal Computer）や、デスクトップＰＣや、携帯電話機や、ＰＤＡ（Personal Digital Assistant）等である。端末装置１０は、端末装置１０にプリインストールされたウェブブラウザ又はアプリケーションにより、情報処理装置１００から取得するウェブページをディスプレイに表示し、情報処理装置１００により提供される各種サービスを利用する。端末装置１０は、情報処理装置１００によって提供される情報の表示処理を実現する制御情報を情報処理装置１００から受け取った場合には、制御情報に従って表示処理を実現する。
また、端末装置１０は、各種サービスの利用に際し、ウェブページやアプリケーションにおける端末装置１０のユーザの行動内容を示す行動情報を、情報処理装置１００に送信する。行動情報は、例えば、路線検索サービスであれば、端末装置１０のユーザの利用電車や電車利用経路に関する情報を含む。行動情報は、例えば、飲食店紹介サービスであれば、端末装置１０のユーザの飲食店の予約日時に関する情報を含む。行動情報は、例えば、健康管理サービスであれば、端末装置１０のユーザの体温や、脈拍や、血圧や、呼吸数等のバイタルサインの情報を含む。また、端末装置１０は、端末装置１０の起動中、端末装置１０において検出されたセンシング情報を情報処理装置１００に送信する。センシング情報には、端末装置１０が備えるマイクにより取得された音声情報が含まれる。音声情報には、端末装置１０のユーザの咳（せき）の音声が含まれ得る。
情報処理装置１００は、端末装置１０のユーザからの求めに応じて、ネットワークＮを介した各種サービスを提供するサーバ装置である。また、情報処理装置１００は、端末装置１０に対する各種サービスの提供に際し、端末装置１０から送信される行動情報を端末装置１０のユーザに関連付けて記録する。また、情報処理装置１００は、端末装置１０から送信されたセンシング情報を端末装置１０のユーザに関連付けて記録する。センシング情報には、端末装置１０が備えるマイクにより取得された音声情報が含まれる。音声情報には、端末装置１０のユーザの咳（せき）の音声が含まれ得る。また、センシング情報には、端末装置１０にインストールされた健康管理アプリに記録されたバイタルサインの情報が含まれる。バイタルサインとしては、体温や、脈拍や、血圧や、呼吸数等が例示される。
また、情報処理装置１００は、後述するように、端末装置１０のユーザに対し、感染症を発症させる病原体に感染する危険度に応じて、病原体への感染を防止する対策を提案する提案情報を提供するサーバ装置としても機能する。なお、情報処理装置１００は、提案情報を提供するアプリケーションのデータそのものを配信するサーバ装置であってもよい。また、情報処理装置１００は、端末装置１０に制御情報を配信する配信装置として機能してもよい。ここで、制御情報は、例えば、所定のスクリプト言語またはＣＳＳ（Cascading Style Sheets）等のスタイルシート言語により記述される。なお、情報処理装置１００から配信されるコンテンツに関するアプリケーションそのものを制御情報とみなしてもよい。なお、実施形態において、情報処理装置１００は、各種サービスを提供するサーバ装置として機能するが、病原体への感染を防止する対策を提案する提案情報を提供するサーバ装置としてのみ機能してもよい。この場合、情報処理装置１００は、各ユーザの行動内容を示す行動情報を、各種サービスを提供するサーバ装置から取得すればよい。
［３．情報処理装置の構成］
図７を用いて、実施形態に係る情報処理装置１００の構成について説明する。図７は、実施形態に係る情報処理装置の構成例を示す図である。図７に示すように、情報処理装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。
（通信部１１０について）
通信部１１０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。通信部１１０は、ネットワークＮと有線または無線で接続される。情報処理装置１００は、ネットワークＮを介して、端末装置１０との間で情報の送受信を行う。
（記憶部１２０について）
記憶部１２０は、例えば、ＲＡＭ（Random Access Memory)、フラッシュメモリ等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。図７に示すように、記憶部１２０は、行動情報格納部１２１と、感染検知情報格納部１２２とを有する。
（行動情報格納部１２１について）
行動情報格納部１２１は、端末装置１０のユーザの行動内容を示す行動情報を記憶する。図８を用いて、実施形態に係る行動情報について説明する。図８及び図９は、実施形態に係る行動情報の一例を示す図である。
図８に示すように、行動情報格納部１２１に記憶される行動情報は、「ユーザＩＤ」や、「日付」や、「移動情報」や、「行動エリア」や、「活動時間帯」といった項目を有する。これらの項目は、相互に対応付けられている。
「ユーザＩＤ」の項目は、端末装置１０のユーザを識別するための識別情報を記憶する。「ユーザＩＤ」として記憶される識別情報として、例えば、情報処理装置１００が端末装置１０のユーザに各種サービスを提供する際に、端末装置１０のユーザのそれぞれに固有に割り当てた識別子等が例示される。図８に示す例では、端末装置１０のあるユーザに対応する「ユーザＩＤ」として、「Ｕ１１１」が記憶されている。
「日付」の項目は、行動情報が記録された日付の情報を記憶する。図８に示す例は、ユーザＩＤ「Ｕ１１１」のユーザの行動情報が記録された日付として、例えば、「ＤＴ１」が記憶されている。「ＤＴ１」は、説明の便宜上、日付を概念的に示すものである。
「移動情報」の項目は、ユーザの移動情報を記憶する。「移動情報」の項目は、「路線名」、「出発駅」、「到着駅」、「経由駅」といった項目をさらに含む。「路線名」の項目は、ユーザが移動に利用した電車の路線名を記憶する。「出発駅」の項目は、ユーザが乗車した出発駅を示す情報を記憶する。「到着駅」の項目は、ユーザが降車した到着駅の情報を記憶する。「経由駅」の項目は、出発駅から到着駅までの経由駅の情報を記憶する。図８に示す例では、ユーザＩＤ「Ｕ１１１」のユーザの移動情報として、例えば、移動手段「Ｒ１電鉄、Ｄ線」と、出発駅「ＳＴＡ０１」と、到着駅「ＳＴＡ１０」と、経由駅「ＳＴＡ０４、ＳＴＡ０７」とが記憶されている。移動情報は、例えば、端末装置１０のユーザが利用する路線検索サービスから取得する。なお、移動情報は電車に関する情報に特に限定される必要はなく、ユーザが移動手段として利用する電車以外の交通機関の情報が記憶されてもよい。例えば、情報処理装置１００は、配車サービスの利用履歴に基づいて、ユーザの移動手段としてタクシーの情報が記録されてもよい。タクシーの情報には、タクシー会社名や、ドライバー名や、出発地点や、到着地点などの情報が含まれてよい。なお、移動情報は、概念的な情報に限定される必要はなく、実際の路線名や駅名の情報が記憶されてもよい。
「行動エリア」の項目は、移動情報に対応するユーザの行動エリアの情報を記憶する。行動エリアの情報は、例えば、端末装置１０の位置情報（緯度及び経度）に基づいて記録される。行動エリアの情報には、緯度及び経度に基づいて既存の地図情報を予め区分けした複数のエリアを識別するためのエリア情報の中から、ユーザの位置に対応するエリア情報が割り当てられる。図８に示す例では、ユーザＩＤ「Ｕ１１１」のユーザの行動エリアの情報として、「ＡＲ２１」が記憶されている。なお、エリア情報には、エリアの属性（オフィス街や繁華街等）が含まれていてもよい。エリア情報は、例えば、情報処理装置１００が提供する地図サービスから取得する。端末装置１０の位置情報は、端末装置１０のユーザによるサービス利用に際して端末装置１０から取得する。なお、行動エリアの情報は、概念的な情報に限定される必要はなく、実際の住所、緯度及び経度の情報が記憶されてもよい。
「活動時間帯」の項目は、行動エリアに対応するユーザの活動時間帯の情報を記憶する。図８に示す例では、ユーザＩＤ「Ｕ１１１」のユーザの行動エリア「ＡＲ２１」における活動時間帯の情報として、「ＡＭ８：００～ＰＭ５：００」が記憶されている。活動時間帯の情報は、端末装置１０のユーザが利用するスケジュール管理サービスから取得する。なお、活動時間帯の情報は、ユーザの活動時間帯を特定できるものであれば、飲食店紹介サービスに登録された飲食店の予約時間等、スケジュール管理サービス以外のサービスの利用情報から取得されもよい。活動時間帯を示す時刻は、１２時間表記に特に限定されるものではなく、２４時間表記で記録されてもよい。
図８に示す例によれば、情報処理装置１００は、ユーザＩＤ「Ｕ１１１」のユーザについて、日付「ＤＴ１」で示される該当日に、電車（「Ｒ１電鉄、Ｄ線」）を利用して、エリア「ＡＲ２１」まで移動し、午前８時から午後５時まで活動していたという行動情報を取得できる。
また、図９に示すように、行動情報格納部１２１は、端末装置１０のユーザの検索履歴を記憶する。行動情報格納部１２１が記憶する検索履歴は、「ユーザＩＤ」や、「検索日」や、「検索クエリ」といった項目を有する。これらの項目は、相互に対応付けられている。
「ユーザＩＤ」の項目は、端末装置１０のユーザを識別するための識別情報を記憶する。「ユーザＩＤ」として記憶される識別情報は、前述した図８に示す「ユーザＩＤ」に記憶される識別情報に対応する。
「検索日」の項目は、ユーザが検索サービスを利用した日付の情報を記憶する。図９に示す例では、ユーザＩＤ「Ｕ１１１」に対応する検索日の情報として「ＤＴ１」が記憶されている。また、「検索クエリ」の項目は、ユーザが検索サービスを利用する際に入力した検索クエリの情報を記憶する。図９に示す例では、ユーザＩＤ「Ｕ１１１」に対応する検索クエリの情報として、「感染症、症状」や「感染症、せき、熱」といった検索クエリが記憶されている。
図９に示す例によれば、情報処理装置１００は、ユーザＩＤ「Ｕ１１１」のユーザについて、日付「ＤＴ１」で示される該当日に、検索サービスを利用して、「感染症、症状」や「感染症、せき、熱」について検索を行ったという行動情報を取得できる。
（感染検知情報格納部１２２について）
感染検知情報格納部１２２は、端末装置１０のユーザについて、感染症を発症している可能性があるか否かを示す感染検知情報を記憶する。図１０は、実施形態に係る感染検知情報の一例を示す図である。
図１０に示すように、感染検知情報格納部１２２に記憶される感染検知情報は、相互に対応付けられた「ユーザＩＤ」及び「感染検知フラグ」の項目を有する。
「ユーザＩＤ」の項目は、端末装置１０のユーザを識別するための識別情報を記憶する。「ユーザＩＤ」として記憶される識別情報は、前述した図８及び図９に示す「ユーザＩＤ」に記憶される識別情報に対応する。
「感染検知フラグ」は、感染症を発症している可能性があるか否かを示す情報を記憶する。例えば、図９に示す「○」は、感染症を発症している可能性があるユーザとして検知されたことを示す。一方、図９に示す「×」は、感染症を発症している可能性があるユーザとして検知されなかったことを示す。「感染検知フラグ」は、後述する検知部１３２により格納される。
（制御部１３０について）
制御部１３０は、コントローラ（controller）であり、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、情報処理装置１００内部の記憶装置に記憶されている各種プログラムがＲＡＭを作業領域として実行されることにより実現される。また、制御部１３０は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現される。
図７に示すように、制御部１３０は、取得部１３１と、検知部１３２と、推定部１３３と、提供部１３４とを有する。制御部１３０は、これらの各部により、以下に説明する情報処理の機能や作用を実現または実行する。なお、制御部１３０の内部構成は、図７に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。
（取得部１３１について）
取得部１３１は、端末装置１０から、ユーザの状態をセンシングしたセンシング情報及びユーザの行動内容を示す行動情報を含むユーザ情報を取得する。取得部１３１は、センシング情報として、端末装置１０において取得されたユーザの音声情報を取得する。音声情報には、ユーザの発する音声が含まれ、例えば、ユーザの咳（せき）の音声が含まれ得る。また、取得部１３１は、センシング情報として、端末装置１０において測定されたバイタルサインの情報を取得する。バイタルサインには、端末装置１０のユーザの体温や、脈拍や、血圧や、呼吸数等が含まれる。
取得部１３１は、行動情報から、ユーザが移動手段として利用する電車の路線及び経路に関する情報を取得する。例えば、取得部１３１は、路線検索サービスにおいて端末装置１０のユーザが検索した検索結果に含まれる路線名と、出発駅と、到着駅と、経由駅の情報とを取得する。取得部１３１は、取得した情報をユーザＩＤに関連付けて記憶部１２０に記録する。なお、取得部１３１が移動情報として取得する情報は、電車に関する情報に特に限定される必要はなく、端末装置１０等から取得可能であれば、ユーザが移動手段として利用する電車以外の交通機関の情報が取得してもよい。
また、取得部１３１は、行動情報から、ユーザの行動範囲を示す行動エリアの情報を取得する。例えば、取得部１３１は、緯度及び経度に基づいて既存の地図情報を予め区分けした複数のエリアを識別するための各エリア情報の中から、ユーザの位置に対応するエリア情報を取得する。取得部１３１は、取得した情報をユーザＩＤに関連付けて記憶部１２０に記録する。なお、取得部１３１は、エリア情報として概念的な情報の代わりに、実際の住所、緯度及び経度の情報を取得してもよい。
また、取得部１３１は、行動情報から、ユーザの行動エリアにおける活動時間帯に関する情報を取得する。例えば、取得部１３１は、スケジュール管理サービスに登録された端末装置１０の外出時間を取得する。取得部１３１は、取得した情報を、ユーザＩＤに関連付けて記憶部１２０に記録する。取得部１３１は、ユーザの活動時間帯を特定できるものであれば、飲食店紹介サービスに登録された飲食店の予約時間等、スケジュール管理サービス以外のサービスの利用情報から活動時間帯の情報を取得してもよい。
（検知部１３２について）
検知部１３２は、センシング情報に基づいて、感染症を発症している可能性がある第１のユーザを検知する。具体的には、前述の図２に示すように、検知部１３２は、端末装置１０からセンシング情報として取得した音声情報を解析して、端末装置１０のユーザの咳（せき）の回数を取得する。そして、情報処理装置１００は、咳の回数が正常範囲内にあるかを判定する。また、検知部１３２は、咳の回数が正常範囲外である場合、端末装置１０からセンシング情報として取得したバイタルサインの情報に含まれる端末装置１０のユーザの体温を取得する。検知部１３２は、取得した体温が正常範囲内にあるかを判定する。検知部１３２は、咳の回数及び体温が正常範囲外である場合、該当ユーザを、感染症を発症している可能性があるユーザとして検知する。検知部１３２は、該当ユーザのユーザＩＤに関連付けて、検知フラグを記憶部１２０に登録する。検知部１３２は、感染症を発症している可能性があるユーザとして検知した場合、該当ユーザのユーザＩＤに関連付けて、検知フラグ「○」を登録する。一方、感染症を発症している可能性があるユーザとして検知しなかった場合、該当ユーザのユーザＩＤに関連付けて、検知フラグ「×」を登録する。
なお、検知部１３２は、ユーザの音声解析結果、又は、ユーザのバイタルサインのいずれかに基づいて、感染症の発症を検知してもよい。この場合、検知部１３２は、音声解析結果またはバイタルサインのいずれかが正常範囲外にある場合、感染症を発症している可能性があるユーザとして検知する。また、検知部１３２は、端末装置１０１のユーザＵ１１１を感染濃厚ユーザと判定する際、検索サービスにおける端末装置１０１のユーザＵ１１１の検索履歴を加味してもよい。例えば、情報処理装置１００は、検索履歴に、「感染症 症状」、「感染症 せき 熱」などの所定の検索クエリが含まれる場合、感染濃厚ユーザと推認する際の有利な客観的事実として取り扱う。
（推定部１３３について）
推定部１３３は、第１のユーザの行動内容と、第１のユーザ以外の第２のユーザの行動内容との比較結果に基づいて、第２のユーザが感染症を発症させる病原体に感染する危険度を推定する。
具体的には、前述の図３に示すように、推定部１３３は、行動情報の中から、感染濃厚ユーザ以外の他のユーザＵ２２２の行動情報を取得する。そして、推定部１３３は、感染濃厚ユーザであるユーザの行動内容と、感染濃厚ユーザ以外の他のユーザの行動内容との一致率αを算出する。
例えば、推定部１３３は、行動内容が一致する項目の数に基づいて一致率αを算出する。推定部１３３は、移動情報、行動エリア、及び活動時間帯の各項目が完全一致する場合、一致率αを１００％と算出する。推定部１３３は、移動情報、行動エリア、及び活動時間帯の各項目のうち、いずれか２つが一致する場合、一致率αを６７％と算出する。推定部１３３は、移動情報、行動エリア、及び活動時間帯の各項目のうち、いずれか１つが一致する場合、一致率αを３３％と算出する。なお、一致するか否かの判断基準は、項目ごとに変更できる。例えば、推定部１３３は、電車の路線及び経路が同一であるとき、移動情報が一致すると判断する。また、推定部１３３は、行動エリアを示すエリア情報が同一であるとき、行動エリアが一致すると判断する。
また、推定部１３３は、行動エリアにおける活動時間帯の少なくとも一部が重複するとき、活動時間帯が一致すると判断する。図１１は、実施形態に係る活動時間帯の比較例を示す図である。図１１に示すように、ユーザＩＤ「Ｕ１１１」のユーザが行動エリア「ＡＲ２２」で活動した活動時間帯と、ユーザＩＤ「Ｕ２２２」のユーザが行動エリア「ＡＲ２２」で活動した活動時間帯とが、「午後７時から午前３時」において重複している。この場合、推定部１３３は、ユーザＩＤ「Ｕ１１１」のユーザの活動時間帯と、ユーザＩＤ「Ｕ２２２」のユーザの活動時間帯とが一致していると判断する。
推定部１３３は、算出した一致率αが予め定められる閾値Ｔｈ１よりも大きいか否かを判定する。推定部１３３は、一致率αが閾値Ｔｈ１よりも大きい場合、危険度：「大」と推定する。また、情報処理装置１００は、一致率αが予め定められた閾値Ｔｈ２（＜閾値Ｔｈ１）よりも大きい場合、危険度：「中」と推定する。また、情報処理装置１００は、一致率αが閾値Ｔｈ２以下である場合、危険度：「小」と推定する。
（提供部１３４について）
提供部１３４は、推定した危険度に応じて、病原体への感染を防止する対策を提案する提案情報をユーザに提供する。具体的には、前述の図４に示すように、提供部１３４は、ユーザの危険度が「中」である場合、ユーザに対して、感染症予防として一般的な提案を行う提案情報を提供する。また、前述の図５に示すように、提供部１３４は、ユーザの危険度が「大」である場合、ユーザの行動に対して、より具体的な提案を行う提案情報を提供する。
［４．処理手順］
図１２及び図１３用いて、実施形態に係る情報処理装置１００が実行する情報処理の手順について説明する。図１２及び図１３は、実施形態に係る情報処理装置による情報処理手順を示すフローチャートである。図１２及び図１３に示す処理手順は、情報処理装置１００の制御部１３０により実行される。図１２及び図１３に示す処理手順は、情報処理装置１００の稼働中、繰り返し実行される。
（４－１．感染検知処理について）
まず、図１２を用いて、情報処理装置１００による感染検知処理について説明する。図１２に示す処理は、情報処理装置１００が提供する各種サービスを利用する全てのユーザについて実行される。
図１２に示すように、取得部１３１は、端末装置１０から、音声情報及びバイタルサインの情報を取得する（ステップＳ１０１）。
検知部１３２は、取得部１３１が取得した音声情報を解析して得られるユーザの咳の回数が正常範囲内にあるかを判定する（ステップＳ１０２）。
検知部１３２は、咳の回数が正常範囲内ではないと判定した場合（ステップＳ１０２；Ｎｏ）、取得部１３１が取得したバイタルサインの情報に含まれる体温が正常範囲内にあるかを判定する（ステップＳ１０３）。
検知部１３２は、バイタルサインの情報に含まれる体温が正常範囲内にないと判定した場合（ステップＳ１０３；Ｎｏ）、該当ユーザのユーザＩＤに関連付けて、感染検知フラグ「○」を登録し（ステップＳ１０４）、図１２に示す処理手順を終了する。
一方、検知部１３２は、バイタルサインの情報に含まれる体温が正常範囲内にあると判定した場合（ステップＳ１０３；Ｙｅｓ）、該当ユーザのユーザＩＤに関連付けて、感染検知フラグ「×」を登録し（ステップＳ１０５）、図１２に示す処理手順を終了する。
前述のステップＳ１０２において、検知部１３２は、咳の回数が正常範囲内であると判定した場合（ステップＳ１０２；Ｙｅｓ）、前述のステップＳ１０５の処理手順に移る。
（４－２．危険度推定処理について）
続いて、図１３を用いて、情報処理装置１００による危険度推定処理について説明する。図１３に示す処理は、図１２に示す感染検知処理により、感染濃厚ユーザが検知されることを契機として、情報処理装置１００が提供する各種サービスを利用する複数のユーザのうち、感染濃厚ユーザと判定されていない全てのユーザについて実行される。
推定部１３３は、感染検知フラグ「×」が関連付けられているユーザＩＤに基づいて、感染検知フラグ「×」のユーザの行動情報を取得する（ステップＳ２０１）。
推定部１３３は、感染検知フラグ「×」のユーザの行動情報と、感染検知フラグ「○」のユーザの行動情報との一致率を算出する（ステップＳ２０２）。
推定部１３３は、算出した一致率が予め定められる閾値Ｔｈ１よりも大きいか否かを判定する（ステップＳ２０３）。
推定部１３３は、算出した一致率が予め定められる閾値Ｔｈ１よりも大きいと判定した場合（ステップＳ２０３；Ｙｅｓ）、該当ユーザの危険度を危険度：「大」と推定する（ステップＳ２０４）。
提供部１３４は、推定部１３３により推定された危険度に応じた提案情報を、該当ユーザに提供し（ステップＳ２０５）、図１３に示す処理手順を終了する。
前述のステップＳ２０３において、推定部１３３は、算出した一致率が予め定められる閾値Ｔｈ１以下であると判定した場合（ステップＳ２０３；Ｎｏ）、算出した一致率が予め定められる閾値Ｔｈ２よりも大きいか否かを判定する（ステップＳ２０６）。閾値Ｔｈ２は、予め定められる閾値Ｔｈ１よりも小さい閾値である。すなわち、ステップＳ２０６では、推定部１３３は、一致率が閾値Ｔｈ２と閾値Ｔｈ１の間にあるか否かを判定する。
推定部１３３は、算出した一致率が予め定められる閾値Ｔｈ２よりも大きいと判定した場合（ステップＳ２０６；Ｙｅｓ）、該当ユーザの危険度を危険度：「中」と推定する（ステップＳ２０７）。そして、推定部１３３は、前述のステップＳ２０５の処理手順に移る。
一方、推定部１３３は、算出した一致率が予め定められる閾値Ｔｈ２以下であると判定した場合（ステップＳ２０６；Ｎｏ）、該当ユーザの危険度を危険度：「小」と推定し（ステップＳ２０８）、図１３に示す処理手順を終了する。すなわち、情報処理装置１００は、危険度が小さいと推定されたユーザについては、提案情報の提供を行わない。
［５．変形例］
上記実施形態にかかる情報処理装置１００は、上記実施形態以外にも種々の異なる形態にて実施されてよい。そこで、以下では、情報処理装置１００の他の実施形態について説明する。
（５－１．行動パターンへの執着の度合いに基づく提案情報の提供）
また、情報処理装置１００は、感染濃厚ユーザ以外のユーザ（例えば、ユーザＵ２２２）のユーザ情報に基づく行動内容から、感染濃厚ユーザ以外のユーザの行動パターンへの執着の度合いである執着度を推定してもよい。そして、情報処理装置１００は、感染濃厚ユーザ以外のユーザの行動パターンへの執着度の推定結果と、感染濃厚ユーザ（例えば、ユーザＵ１１１）の行動内容とに基づいて、病原体への感染を防止する対策を提案する提案情報を他のユーザに提供してもよい。図１４及び図１５は、実施形態に係る行動パターンへの執着度を考慮した提案情報の一例を示す図である。
情報処理装置１００の推定部１３３は、感染濃厚ユーザであるユーザＵ１１１以外の他のユーザであるユーザＵ２２２の行動パターンから、ユーザＵ２２２の行動パターンへの執着度を推定する。
情報処理装置１００提供部１３４は、例えば、ユーザＵ２２２のスケジュール等などから、ユーザＵ２２２の散髪の予定を検出すると、ユーザＵ２２２の行動パターンから推定される行動パターンへの執着度を取得する。例えば、情報処理装置１００の提供部１３４は、執着度が予め定められる閾値Ｔ以下である場合、ユーザＵ２２２の行動パターンへの執着度は余り高くないと評価する。つまり、情報処理装置１００の提供部１３４は、ユーザＵ２２２が最寄りの美容室ＢＹへ向かう可能性が高いと評価する。そして、情報処理装置１００の提供部１３４は、感染濃厚ユーザＵ１１１の行動内容から、最寄りの美容室ＢＹが感染濃厚ユーザＵ１１１の行動範囲内である場合、図５に示すように、最寄りの美容室ＢＹへの来店を避け、他の店舗への来店を勧める提案情報Ｊ３を提供する。すなわち、情報処理装置１００は、行動パターンへの執着度があまり高くないユーザは、散髪ができるのであれば、他の店舗への来店に応じる可能性があることを考慮し、例えば、感染リスクの低い店舗（ユーザＵ１１１の行動範囲外の店舗等）を案内することにより、感染リスクの低減を図る。
また、情報処理装置１００の提供部１３４は、取得した執着度が予め定められる閾値Ｔよりも大きい場合、ユーザＵ２２２の行動パターンへの執着度が高いと評価する。つまり、ユーザＵ２２２が行きつけの美容室ＢＹへ向かう可能性が高いと評価する。感染濃厚ユーザＵ１１１の行動内容から、最寄りの美容室ＢＹが感染濃厚ユーザＵ１１１の行動範囲内である場合、情報処理装置１００の提供部１３４は、図５に示すように、行きつけの美容室ＢＹへの来店を避け、散髪の自粛を提案する提案情報Ｊ４を提供する。すなわち、情報処理装置１００は、行動パターンへの執着度が高いユーザは、散髪するのであれば行きつけの美容室へ行く可能性が高いことを考慮し、散髪そのものの自粛を提案することにより、感染リスクの低減を図る。
（５－２．感染症の種別の特定について）
上記実施形態において、情報処理装置１００は、音声情報に含まれる咳（せき）の回数や、バイタルサインの情報に含まれる体温の情報に基づいて、感染症に感染している可能性のあるユーザを検知する例を示した。しかしながら、情報処理装置１００により実現または実行される機能や作用は、このような例に限定されない。例えば、情報処理装置１００は、咳（せき）の状態（例えば、乾いた咳（せき）か、或いは湿った咳（せき）かなど）や、体温の数値（４０℃未満か、或いは４０℃以上かなど）に基づいて、感染症の種別を特定してもよい。そして、情報処理装置１００は、感染症の種別に応じた危険度を推定してもよい。そして、情報処理装置１００は、特定した感染症の感染経路（例えば、空気感染か、飛沫感染か、接触感染か、或いは経口感染かなど）や、感染力などに応じた危険度を推定してもよい。例えば、特定した感染症の感染経路が空気感染で感染力が強いものである場合、情報処理装置１００は、危険度が高いと推定した端末装置１０のユーザに対して、外出そのものを自粛することを提案する提案情報を送信する。
また、情報処理装置１００は、感染症を発症することにより体調の変化として現れる特有の情報があれば、バイタルサインの情報に含まれる体温以外の脈拍や、呼吸数や、血圧などの情報を用いて、感染症を発症している可能性のあるユーザを検知してもよい。例えば、流行中の感染症を発症した場合の体調の変化として血圧に変化がみられる場合、情報処理装置１００は、ユーザのバイタルサインのうち、血圧に基づいて、感染濃厚ユーザを検知する。
（５－３．感染症以外の疾患を発症しているユーザの検知について）
また、情報処理装置１００は、音声情報の解析結果（例えば、くしゃみの回数）に基づいて、花粉症や喘息などのアレルギー性の疾患を発症している可能性のあるユーザを検知してもよい。その他、情報処理装置１００は、端末装置１０から取得可能な情報に基づいて推定可能であれば、公害病や、風土病や、寄生虫症などといった特定地域において発症する疾患を発症している可能性のあるユーザを検知してもよい。
（５－４．行動の類似度に基づく危険度推定）
上記実施形態において、情報処理装置１００は、感染症を発症している可能性がある感染濃厚ユーザの行動内容と、感染症を発症していない他のユーザの行動内容との一致度から、他のユーザが病原体に感染する危険度を推定する例を説明した。しかしながら、情報処理装置１００により実現または実行される機能や作用は、このような例に限定されない。例えば、情報処理装置１００は、感染濃厚ユーザの行動内容の特徴を示す特徴情報と、感染症を発症していない他のユーザの行動内容の特徴を示す特徴情報との類似度から、他のユーザが病原体に感染する危険度を推定してもよい。
具体的には、情報処理装置１００は、端末装置１０のユーザの行動内容を示す行動情報と、端末装置１０においてセンシングされる情報とに基づいて、ユーザの日常の行動内容の特徴を示す行動パターンを生成する。例えば、情報処理装置１００は、ユーザによるサービスの利用履歴等に基づいて推定される端末装置１０のユーザの位置の推移と各位置におけるユーザの滞在時間の特徴をパターン化する。情報処理装置１００は、曜日に関係なく、取得した全てのデータサンプルを用いて、ユーザの行動の特徴を示す１つのパターンを生成してもよいし、曜日ごとのユーザの特徴をパターン化した複数のパターンを生成してもよい。あるいは、情報処理装置１００は、曜日よりも更に細分化された時間帯ごとの行動の特徴を示す行動パターンを生成してもよい。
このように、情報処理装置１００は、ユーザの行動内容の特徴をパターン化した行動パターンを各ユーザについて生成する。そして、情報処理装置１００は、感染濃厚ユーザの行動パターンと、感染症を発症していない他のユーザの行動パターンとの類似度を算出する。例えば、情報処理装置１００は、感染濃厚ユーザの位置の推移と各位置における滞在時間のパターンと、感染症を発症していない他のユーザの位置の推移と各位置における滞在時間のパターンとの一致度合いを算出する。なお、類似度を算出する場合、比較対象となる位置について類似と判定する範囲（数百メートル等）や、時間の幅（「前後５分」等）を予め設定してもよい。情報処理装置１００は、算出した類似度に基づいて、感染症を発症していない他のユーザが病原菌に感染する危険度を推定する。情報処理装置１００が、算出した類似度が高ければ高いほど、危険度が高いと推定する。
なお、情報処理装置１００は、ユーザの位置に対して、オフィス街や歓楽街等の属性を持たせることにより、抽象化してもよい。そして、情報処理装置１００は、抽象化した位置の推移と、各位置における滞在時間の特徴をパターン化した行動パターンをユーザごとに生成する。情報処理装置１００は、抽象化した行動パターンを比較することにより、感染症を発症していない他のユーザが病原菌に感染する危険度を推定する。これにより、感染濃厚ユーザの実際の行動範囲（緯度及び経度）と、他のユーザの実際の行動範囲（緯度及び経度）が類似していなくても、概念的に行動パターンが類似しているか否かに基づいて、他のユーザの危険度を推定できる。例えば、感染濃厚ユーザ及び感染症を発症していない他のユーザが、実際のエリアは異なるが、歓楽街の属性を持ったエリアで夜中に活動しているという行動パターンを有する場合、行動パターンが相互に類似していると判定して、他のユーザの危険度を推定できる。
（５－４．センシング情報について）
上記実施形態において、情報処理装置１００は、センシング情報として音声情報、及びバイタルサインの情報を取得する例を示したが、情報処理装置１００により実現または実行される機能や作用は、このような例に限定される必要はない。例えば、情報処理装置１００は、端末装置１０のセンシング情報として、端末装置１０のユーザが乗車した電車の車両情報（例えば、何両目に乗車したか等）、電車に乗っているときの乗車状態の情報（例えば、立っていたか、座っていたか等）を取得してもよい。また、情報処理装置１００は、センシング情報として、ユーザが階段を移動しているか、エレベータ及びエスカレータ等の昇降装置を利用しているかなどの情報を取得してもよい。そして、情報処理装置１００は、電車における乗車状態や、階段移動や昇降装置での移動などユーザの移動方法を加味して、病原菌への感染リスクを推定してもよい。
［６．ハードウェア構成］
実施形態にかかる情報処理装置１００は、例えば図１６に示すような構成のコンピュータ１０００によって実現される。図１６は、実施形態に係る情報処理装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。
コンピュータ１０００は、ＣＰＵ１１００、ＲＡＭ１２００、ＲＯＭ１３００、ＨＤＤ１４００、通信インターフェイス（Ｉ／Ｆ）１５００、入出力インターフェイス（Ｉ／Ｆ）１６００、及びメディアインターフェイス（Ｉ／Ｆ）１７００を有する。
ＣＰＵ１１００は、ＲＯＭ１３００又はＨＤＤ１４００に格納されたプログラムに基づいて動作し、各部の制御を行う。ＲＯＭ１３００は、コンピュータ１０００の起動時にＣＰＵ１１００によって実行されるブートプログラムや、コンピュータ１０００のハードウェアに依存するプログラム等を格納する。
ＨＤＤ１４００は、ＣＰＵ１１００によって実行されるプログラム、および、かかるプログラムによって使用されるデータ等を格納する。通信インターフェイス１５００は、通信網５０を介して他の機器からデータを受信してＣＰＵ１１００へ送り、ＣＰＵ１１００が生成したデータを、ネットワーク（通信網）Ｎを介して他の機器へ送信する。
ＣＰＵ１１００は、入出力インターフェイス１６００を介して、ディスプレイやプリンタ等の出力装置、及び、キーボードやマウス等の入力装置を制御する。ＣＰＵ１１００は、入出力インターフェイス１６００を介して、入力装置からデータを取得する。また、ＣＰＵ１１００は、生成したデータを、入出力インターフェイス１６００を介して出力装置へ出力する。
メディアインターフェイス１７００は、記録媒体１８００に格納されたプログラム又はデータを読み取り、ＲＡＭ１２００を介してＣＰＵ１１００に提供する。ＣＰＵ１１００は、かかるプログラムを、メディアインターフェイス１７００を介して記録媒体１８００からＲＡＭ１２００上にロードし、ロードしたプログラムを実行する。記録媒体１８００は、例えばＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto-Optical disk）等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等である。
例えば、コンピュータ１０００が実施形態にかかる情報処理装置１００として機能する場合、コンピュータ１０００のＣＰＵ１１００は、ＲＡＭ１２００上にロードされたプログラムを実行することにより、制御部１３０の機能を実現する。また、ＨＤＤ１４００には、記憶部１２０内のデータが格納される。コンピュータ１０００のＣＰＵ１１００は、これらのプログラムを、記録媒体１８００から読み取って実行するが、他の例として、他の装置から、通信網５０を介してこれらのプログラムを取得してもよい。
［７．その他］
上記実施形態において説明した各処理のうち、自動的に行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行うこともでき、あるいは、手動的に行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行うこともできる。この他、上記文書中や図面中で示した処理手順、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。
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などに応じて、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。
また、上述してきた各実施形態は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。
［８．効果］
実施形態に係る情報処理装置１００は、取得部１３１と、検知部１３２と、推定部１３３と、提供部１３４とを備える。取得部１３１は、各ユーザに関するユーザ情報を取得する。検知部１３２は、ユーザ情報に基づいて、感染症を発症している可能性がある第１のユーザを検知する。推定部１３３は、第１のユーザの行動内容と、第１のユーザ以外の第２のユーザの行動内容との比較結果に基づいて、第２のユーザが感染症の原因となる病原体に感染する危険度を推定する。提供部１３４は、危険度に応じて、病原体への感染を防止する提案情報を提供する。
このように、実施形態に係る情報処理装置１００は、感染症を発症していないユーザが病原菌に感染する危険度を推定できるので、ユーザごとに、感染症の原因となる病原体への感染リスクに応じて適切な提案を提供できる。また、情報処理装置１００は、普段の行動における感染リスクをユーザに認識させることができる。
また、情報処理装置１００において、取得部１３１は、ユーザの状態をセンシングしたセンシング情報及びユーザの行動内容を示す行動情報を含むユーザ情報を取得する。検知部１３２は、センシング情報に基づいて、感染症を発症している可能性がある第１のユーザを検知する。推定部１３３は、第１のユーザの行動情報に基づく行動内容と、第１のユーザ以外の第２のユーザの行動情報に基づく行動内容との比較結果に基づいて危険度を推定する。このため、情報処理装置１００は、端末装置１０においてセンシングされる情報から感染症を発症している可能性があるユーザをいち早く検知し、ユーザの具体的な行動内容からユーザ個々の感染リスクを推定できる。
また、情報処理装置１００において、取得部１３１は、センシング情報としてユーザの音声情報を取得する。検知部１３２は、音声情報を解析し、センシング情報の取得元であるユーザの咳（せき）の回数が正常範囲内にあるか否かに基づいて、第１のユーザを検知する。このため、情報処理装置１００は、ユーザの状態に基づいて、感染症を発症している可能性のあるユーザを検知できる。
また、情報処理装置１００において、取得部１３１は、センシング情報としてユーザのバイタルサインの情報を取得する。検知部１３２は、バイタルサインが正常値の範囲にあるか否かに基づいて、第１のユーザを検知する。このため、情報処理装置１００は、ユーザの体調に基づいて、感染症を発症している可能性のあるユーザを検知できる。
また、情報処理装置１００において、取得部１３１は、行動情報からユーザが移動手段として利用する電車の路線及び経路に関する情報を取得する。推定部１３３は、第１のユーザに対応する路線及び経路と、第２のユーザに対応する路線及び経路とに基づいて、危険度を推定する。このため、情報処理装置１００は、ユーザの移動経路に基づく感染リスクを推定できる。
また、情報処理装置１００において、取得部１３１は、行動情報に基づいて、地図情報を予め区分けした複数のエリアを識別するための各エリア情報の中から、ユーザの行動範囲を示す行動エリアを決定する。推定部１３３は、第１のユーザに対応する行動エリアと、第２のユーザに対応する行動エリアの情報とに基づいて、危険度を推定する。このため、情報処理装置１００は、ユーザの行動エリアに基づく感染リスクを推定できる。
また、情報処理装置１００において、取得部１３１は、行動情報から行動エリアにおける活動時間帯に関する情報を取得する。推定部１３３は、第１のユーザに対応する活動時間帯と、第２のユーザに対応する活動時間帯とに基づいて、危険度を推定する。このため、情報処理装置１００は、行動エリアにおける活動時間に基づく感染リスクを推定できる。
また、情報処理装置１００において、取得部１３１は、行動情報としてユーザの検索履歴を取得する。検知部１３２は、検索履歴に感染症に関する所定の検索クエリが含まれているか否かを加味して、第１のユーザを検知する。このため、情報処理装置１００は、ユーザに関する客観的な事実に基づいて、感染症の発症を推認できる。
また、情報処理装置１００において、提供部１３４は、危険度に応じて、提案の内容を変更する。このため、情報処理装置１００は、ユーザの感染リスクをできるだけ低減できる。
また、情報提供装置１００において、推定部１３３は、第１のユーザ以外の第２のユーザのユーザ情報に基づく第２のユーザの行動内容から、第１のユーザ以外の第２のユーザの行動パターンへの執着の度合いである執着度を推定してもよい。そして、提供部１３４は、推定部１３３により推定された執着度と、第１のユーザの行動内容とに基づいて、病原体への感染を防止する対策を提案する提案情報を第２のユーザに提供してもよい。このようなことから、情報処理装置１００は、ユーザの行動パターンに対する執着度（嗜好性）に応じて、病原体への感染リスクを低減させる提案を実現できる。
以上、本願の実施形態をいくつかの図面に基づいて詳細に説明したが、これらは例示であり、発明の開示の欄に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。
また、上述してきた「部（section、module、unit）」は、「手段」や「回路」などに読み替えることができる。例えば、特定部は、特定手段や特定回路に読み替えることができる。
１ 情報処理システム
１０ 端末装置
１００ 情報処理装置
１１０ 通信部
１２０ 記憶部
１２１ 行動情報格納部
１２２ 感染検知情報格納部
１３０ 制御部
１３１ 取得部
１３２ 検知部
１３３ 推定部
１３４ 提供部

Claims (12)

  1. 各ユーザに関するユーザ情報として、ユーザの状態をセンシングしたセンシング情報及び前記ユーザの行動内容を示す行動情報を取得する取得部と、
    前記センシング情報に基づいて、感染症を発症している可能性がある第１のユーザを検知する検知部と、
    前記第１のユーザの前記行動情報に基づく行動内容の特徴をパターン化した行動パターンと、前記第１のユーザ以外の第２のユーザの前記行動情報に基づく行動内容の特徴をパターン化した行動パターンとの間の類似度に基づいて、前記第２のユーザが前記感染症を発症させる病原体に感染する危険度を推定する推定部と、
    前記危険度に応じて、前記病原体への感染を防止する対策を提案する提案情報を前記第２のユーザに提供する提供部と
    を備え、
    前記行動パターンは、前記ユーザによるサービスの利用履歴に基づいて推定される前記ユーザの位置の推移と、各位置における前記ユーザの滞在時間の特徴をパターン化することにより生成される
    ことを特徴とする情報処理装置。
  2. 前記行動パターンは、前記ユーザによるサービスの利用履歴に基づいて推定される前記ユーザの位置に予め対応付けられた属性により抽象化された位置の推移と、各位置における前記ユーザの滞在時間の特徴をパターン化することにより生成されることを特徴とする請求項１に記載の情報処理装置。
  3. 前記取得部は、
    前記センシング情報としてユーザの音声情報を取得し、
    前記検知部は、
    前記音声情報を解析し、前記センシング情報の取得元であるユーザの咳の回数が正常範囲内にあるか否かに基づいて、前記第１のユーザを検知する
    ことを特徴とする請求項１又は２に記載の情報処理装置。
  4. 前記取得部は、
    前記センシング情報としてユーザのバイタルサインの情報を取得し、
    前記検知部は、
    前記バイタルサインが正常値の範囲にあるか否かに基づいて、前記第１のユーザを検知する
    ことを特徴とする請求項１～３のいずれか１つに記載の情報処理装置。
  5. 前記取得部は、
    前記行動情報からユーザが移動手段として利用する電車の路線及び経路に関する情報を取得し、
    前記推定部は、
    前記第１のユーザに対応する前記路線及び前記経路と、前記第２のユーザに対応する前記路線及び前記経路とに基づいて、前記危険度を推定する
    ことを特徴とする請求項１～４のいずれか１つに記載の情報処理装置。
  6. 前記取得部は、
    前記行動情報に基づいて、地図情報を予め区分けした複数のエリアを識別するための各エリア情報の中から、ユーザの行動範囲を示す行動エリアを決定し、
    前記推定部は、
    前記第１のユーザに対応する前記行動エリアの情報と、前記第２のユーザに対応する前記行動エリアの情報とに基づいて、前記危険度を推定する
    ことを特徴とする請求項１～５のいずれか１つに記載の情報処理装置。
  7. 前記取得部は、
    前記行動情報から前記行動エリアにおける活動時間帯に関する情報を取得し、
    前記推定部は、
    前記第１のユーザに対応する前記活動時間帯と、前記第２のユーザに対応する前記活動時間帯とに基づいて、前記危険度を推定する
    ことを特徴とする請求項６に記載の情報処理装置。
  8. 前記取得部は、
    前記ユーザ情報としてユーザの検索履歴を取得し、
    前記検知部は、
    前記検索履歴に感染症に関する所定の検索クエリが含まれているか否かを加味して、前記第１のユーザを検知する
    ことを特徴とする請求項１に記載の情報処理装置。
  9. 前記提供部は、
    前記危険度に応じて、前記提案の内容を変更する
    ことを特徴とする請求項１～８のいずれか１つに記載の情報処理装置。
  10. 各ユーザに関するユーザ情報として、ユーザの状態をセンシングしたセンシング情報及び前記ユーザの行動内容を示す行動情報を取得する取得部と、
    前記センシング情報に基づいて、感染症を発症している可能性がある第１のユーザを検知する検知部と、
    前記第１のユーザ以外の第２のユーザの前記行動情報に基づく前記第２のユーザの行動内容の特徴をパターン化した行動パターンから、前記第２のユーザの前記行動パターンへの執着の度合いである執着度を推定する推定部と、
    前記推定部により推定された執着度と、前記第１のユーザの前記行動情報に基づく行動内容の特徴をパターン化した行動パターンとに基づいて、前記感染症を発症させる原因となる病原体への感染を防止する対策を提案する提案情報を前記第２のユーザに提供する提案情報を前記第２のユーザに提供する提供部と
    を備え、
    前記行動パターンは、前記ユーザによるサービスの利用履歴に基づいて推定される前記ユーザの位置の推移と、各位置における前記ユーザの滞在時間の特徴をパターン化することにより生成される
    ことを特徴とする情報処理装置。
  11. コンピュータが実行する情報処理方法であって、
    各ユーザに関するユーザ情報として、ユーザの状態をセンシングしたセンシング情報及び前記ユーザの行動内容を示す行動情報を取得するステップと、
    前記センシング情報に基づいて、感染症を発症している可能性がある第１のユーザを検知するステップと、
    前記第１のユーザの前記行動情報に基づく行動内容の特徴をパターン化した行動パターンと、前記第１のユーザ以外の第２のユーザの前記行動情報に基づく行動内容の特徴をパターン化した行動パターンとの間の類似度に基づいて、前記第２のユーザが前記感染症を発症させる病原体に感染する危険度を推定するステップと、
    前記危険度に応じて、前記病原体への感染を防止する対策を提案する提案情報を前記第２のユーザに提供するステップと
    を含み、
    前記行動パターンは、前記ユーザによるサービスの利用履歴に基づいて推定される前記ユーザの位置の推移と、各位置における前記ユーザの滞在時間の特徴をパターン化することにより生成される
    ことを特徴とする情報処理方法。
  12. コンピュータに、
    各ユーザに関するユーザ情報として、ユーザの状態をセンシングしたセンシング情報及び前記ユーザの行動内容を示す行動情報を取得するステップと、
    前記センシング情報に基づいて、感染症を発症している可能性がある第１のユーザを検知するステップと、
    前記第１のユーザの前記行動情報に基づく行動内容の特徴をパターン化した行動パターンと、前記第１のユーザ以外の第２のユーザの前記行動情報に基づく行動内容の特徴をパターン化した行動パターンとの間の類似度に基づいて、前記第２のユーザが前記感染症を発症させる病原体に感染する危険度を推定するステップと、
    前記危険度に応じて、前記病原体への感染を防止する対策を提案する提案情報を前記第２のユーザに提供するステップと
    を実行させ、
    前記行動パターンは、前記ユーザによるサービスの利用履歴に基づいて推定される前記ユーザの位置の推移と、各位置における前記ユーザの滞在時間の特徴をパターン化することにより生成される
    ことを特徴とする情報処理プログラム。
JP2020124042A 2020-07-20 2020-07-20 情報処理装置、情報処理方法、及び情報処理プログラム Active JP7121778B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2020124042A JP7121778B2 (ja) 2020-07-20 2020-07-20 情報処理装置、情報処理方法、及び情報処理プログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2020124042A JP7121778B2 (ja) 2020-07-20 2020-07-20 情報処理装置、情報処理方法、及び情報処理プログラム

Publications (2)

Publication Number Publication Date
JP2022020506A JP2022020506A (ja) 2022-02-01
JP7121778B2 true JP7121778B2 (ja) 2022-08-18

Family

ID=80216081

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020124042A Active JP7121778B2 (ja) 2020-07-20 2020-07-20 情報処理装置、情報処理方法、及び情報処理プログラム

Country Status (1)

Country Link
JP (1) JP7121778B2 (ja)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015161987A (ja) 2014-02-26 2015-09-07 日本電気株式会社 情報提供システム、情報提供ネットワークシステム、情報提供方法および情報提供プログラム
US20190252078A1 (en) 2018-02-15 2019-08-15 X Development Llc Predicting the spread of contagions
JP2019197269A (ja) 2018-05-07 2019-11-14 ルネサスエレクトロニクス株式会社 健康サポートシステム
JP2020027610A (ja) 2018-08-08 2020-02-20 パナソニックＩｐマネジメント株式会社 情報提供方法、サーバ、音声認識装置、情報提供プログラム、及び情報提供システム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015161987A (ja) 2014-02-26 2015-09-07 日本電気株式会社 情報提供システム、情報提供ネットワークシステム、情報提供方法および情報提供プログラム
US20190252078A1 (en) 2018-02-15 2019-08-15 X Development Llc Predicting the spread of contagions
JP2019197269A (ja) 2018-05-07 2019-11-14 ルネサスエレクトロニクス株式会社 健康サポートシステム
JP2020027610A (ja) 2018-08-08 2020-02-20 パナソニックＩｐマネジメント株式会社 情報提供方法、サーバ、音声認識装置、情報提供プログラム、及び情報提供システム

Also Published As

Publication number Publication date
JP2022020506A (ja) 2022-02-01

Similar Documents

Publication Publication Date Title
Zhang et al. Interactive COVID-19 mobility impact and social distancing analysis platform
Hamidi et al. Compact development and adherence to stay-at-home order during the COVID-19 pandemic: A longitudinal investigation in the United States
Boukhechba et al. Predicting social anxiety from global positioning system traces of college students: feasibility study
JP7117089B2 (ja) 決定装置、決定方法および決定プログラム
US11841232B2 (en) Re-routing autonomous vehicles using dynamic routing and memory management
JP7090575B2 (ja) 情報処理装置、情報処理方法及び情報処理プログラム
JP6533243B2 (ja) 提供装置、提供方法、及び提供プログラム
Ilarri et al. A review of the role of sensors in mobile context-aware recommendation systems
Khowaja et al. VIRFIM: an AI and Internet of Medical Things-driven framework for healthcare using smart sensors
KR20160000522A (ko) 응급 정신의학적 정신 상태 예측 모델 기반의 응급 원격정신의학 시스템 및 방법
Wallace et al. Measurement of driving routes and correlation to optimal navigation paths
Khowaja et al. Internet of Everything enabled solution for COVID-19, its new variants and future pandemics: Framework, Challenges, and Research Directions
JP7121778B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
Ponchillia et al. Developing an indoor navigation application: Identifying the needs and preferences of users who are visually impaired
EP3779857A1 (en) Information processing device and information processing method
Bergquist et al. Presenting to the emergency department versus clinic-based sexually transmitted disease care locations for testing for chlamydia and gonorrhea: a spatial exploration
Fraccaro et al. Behavioural phenotyping of daily activities relevant to social functioning based on smartphone-collected geolocation data
KR20190061282A (ko) 카풀 멤버의 매칭 장치 및 방법
JP7326024B2 (ja) 受診予約支援装置
KR20220086186A (ko) 사용자 맞춤형 건강 관리 장치 및 방법
JP7153610B2 (ja) 判定装置、判定方法及び判定プログラム
Zeng et al. The minimum sampling rate and sampling duration when applying geolocation data technology to human activity monitoring
JP7350529B2 (ja) 判定装置、判定方法及び判定プログラム
JP2021060659A (ja) 提案装置、提案方法及び提案プログラム
JP7284130B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210317

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20220421

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220426

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220620

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: 20220712

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220805

R150 Certificate of patent or registration of utility model

Ref document number: 7121778

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

S111 Request for change of ownership or part of ownership

Free format text: JAPANESE INTERMEDIATE CODE: R313111

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350