JP7248725B2 - 推定装置、推定方法及び推定プログラム - Google Patents

Description

本発明は、推定装置、推定方法及び推定プログラムに関する。

近年、ユーザが所持している携帯端末から、ＧＰＳ（Global Positioning System）を用いて、ユーザの位置情報が容易に推定できるようになり、様々な用途に利用されている。例えば、鉄道の駅の混雑予測をし、混雑の原因となる利用客の属性情報から、混雑の原因となるイベント等を推定する等が行われている。

特開２０１８－１５５４９８号公報 特開２００８－１０２０４６号公報

しかし、混雑の原因となる利用客の数やイベント等を推定するだけでは、混雑情報が溢れるだけである。

本願は、上記に鑑みてなされたものであって、ユーザが所持している携帯端末からユーザの位置履歴情報、属性情報等を取得し、定常的な混雑を推定することを目的とする。

本願に係る推定装置は、ユーザが所有する端末装置から、ユーザの位置履歴情報と属性情報を取得する取得部と、位置履歴情報と属性情報に基づいて、ユーザの拠点を推定し、拠点間の移動に係る混雑状況を推定し、ユーザに対し混雑回避のための情報を提供する提供部とを有することを特徴とする。

実施形態の一態様によれば、ユーザの拠点を推定し、拠点間を移動する際、その混雑態様に応じて、ユーザに所定の情報を提供して混雑を回避させるという効果を奏する。

図１は、実施形態に係る推定装置が実行する推定処理の一例を示す図である。 図２は、実施形態に係る推定装置の構成例を示す図である。 図３は、実施形態に係るユーザ行動データの一例を示す図である。 図４は、実施形態に係る駅情報データベースの一例を示す図である。 図５は、実施形態に係る広告店舗データベースの一例を示す図である。 図６は、実施形態に係る推定装置が実行する処理の流れの一例を示すフローチャートである。 図７は、ハードウエア構成の一例を示す図である。

以下に、本願に係る推定装置、推定方法及び推定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、この実施形態により本願に係る推定装置、推定方法及び推定プログラムが限定されるものではない。１つ又は複数の実施形態の詳細は、以下の説明および図面に記載される。また、１つ又は複数の実施形態の各々は、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、以下の１つ又は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する。

〔１．推定装置について〕
まず、図１を用いて、推定装置１００が実行する処理の一例について説明する。図１は、実施形態に係る推定装置１００が実行する推定処理の一例を示す図である。図１では、ユーザが所持する端末装置１０_１、１０_２が、ユーザの位置情報、その他のセンサー情報、ユーザの属性情報等を取得し、それらを推定装置１００に送信し、推定装置１００が、ユーザの拠点、拠点間の移動手段、移動時間、移動に伴う混雑態様を推定し、さらに、推定装置１００は、所定時間後に混雑に巻き込まれるユーザを推定し、ユーザの属性情報や移動手段に合わせた混雑回避のための情報を提供する処理の一例について記載した。

〔１－１．推定装置の概要〕
図１に示すように、推定システム１には、端末装置１０_１～１０_ｎと、推定装置１００、情報端末装置２００、サーバ装置３００とが含まれる（ｎは任意の自然数）。本願明細書では、端末装置１０_１～１０_ｎを区別する必要がない場合は、端末装置１０_１～１０_ｎを「端末装置１０」と総称する。図１では図示していないが、推定システム１は、複数台の推定装置１００、複数台の情報端末装置２００を含んでもよい。
推定装置１００は、インターネット等の所定のネットワークを介して、任意の端末装置と通信可能な情報処理装置であり、例えば、サーバ装置やクラウドシステム等により実現される。なお、推定装置１００は、ネットワーク（例えば、インターネット網）を介して、任意の数の端末装置１０、情報端末装置２００と通信可能であってよい。

情報端末装置２００は、例えば、商業施設や交通施設の管理会社等が使用する端末装置であり、スマートフォン、デスクトップ型ＰＣ（Personal Computer）、ノート型ＰＣ、タブレット型ＰＣを含む、任意のタイプの情報処理装置であってもよい。例えば、情報端末装置２００は、ユーザから各種の情報の入力を受付けると、推定装置１００と有線又は無線により通信を行い、通信結果となる情報を出力する機能を有する。

サーバ装置３００は、例えば、複数の商業施設や交通施設を管理する会社が所有するサーバ装置である。インターネット等の所定のネットワークを介して、任意の情報端末装置と通信可能な情報処理装置であり、各種商業用データベース等からデータを収集する機能等を有する。

〔１－２．端末装置によるユーザ情報の取得〕
端末装置１０は、ユーザが携帯するスマートフォン等であり、ＧＰＳ、加速度センサー等が搭載されている。端末装置１０は、ＧＰＳを用いて、ユーザの位置データを取得する。ＧＰＳは、複数の衛星信号を捕捉して、現在位置を算出するセンサーであり、端末装置１０は、ＧＰＳ信号から算出した緯度及び経度に係るデータを取得する。また、端末装置１０は、加速度センサーを用いて、ユーザの移動速度の変化を取得する。加速度センサーは、１秒当たりの速度変化を測定できる。推定装置１００は、速度変化のデータを用いて、ユーザがどのくらいの速度変化で、所定の場所を移動しているのかを推定することで、ユーザが歩いているのか、バスや電車等の公共の交通機関を利用しているのか等を推定する。

端末装置１０には、例えば、ユーザ属性情報が登録されており、電車の乗換案内アプリケーション（以下、「乗換アプリ」という。）、カーナビゲーションアプリケーション（以下、カーナビアプリ）という。）、スケジュール管理アプリケーション（以下、「スケジュールアプリ」という。）等がインストールされているとする。例えば、ユーザ属性情報は、性別、年齢、居住エリア、職場エリア等である。例えば、電車の乗換案内アプリケーションではユーザの定期情報等、カーナビアプリケーションでは通勤経路等、スケジュール管理アプリではイベント参加予定等が登録されている。

まず、推定装置１００は、端末装置１０から、ユーザ属性情報、位置情報、乗換アプリやカーナビアプリ等のユーザ登録情報等のユーザ情報を取得する（ステップＳ２０）。

〔１－３．ユーザに係る拠点の推定〕
また、推定装置１００は、ユーザに係る拠点を推定する。例えば、推定装置１００は、ユーザの位置履歴データが、所定の時間に所定の範囲内にある場合、ユーザは居住地に滞在している、または職場に滞在していると推定する（ステップＳ３１）。典型的なユーザであれば、推定装置１００は、ユーザの位置履歴データが、夜間、所定の時間に所定の範囲内にあり、それが居住エリアと一致していれば、居住地に滞在していると推定する。例えば、推定装置１００は、夜間１２時間以上、ユーザの位置履歴データが所定の範囲内にあれば、自宅に滞在していると推定する。一方、推定装置１００は、ユーザの位置履歴データが、昼間、所定の時間に所定の範囲内にあり、それが職場エリアと一致していれば、職場に滞在していると推定する。例えば、推定装置１００は、昼間６時間以上、ユーザの位置履歴データが所定の範囲内にあれば、職場に滞在していると推定する。また、職種によっては、居住地と職場の位置が略一致している場合や、上記とは逆に、昼間に居住地に滞在し、夜間に職場に滞在している場合等がある。この場合、推定装置１００は、端末装置１０の位置履歴データから、予め設定しておいた職種・業務形態パターンの中で最も近いものを参照して、そのユーザの居住地と職場の拠点を推定してもよい。また、ユーザによっては、２か所以上の拠点を持つ場合があってもよい。推定装置１００は、ユーザの位置履歴データから、所定時間以上滞在している等の滞在パターンを基に、居住地と職場の拠点を推定する。

ここで、ユーザに係る拠点は、居住地や職場に限られず、学校等であってもよい。また、イベント会場や、出張、旅行等の滞在先等、ユーザが所定時間に滞在するエリアであってもよい。推定装置１００は、ユーザが所持する端末装置から取得した位置履歴データを基に、学校、イベント会場や出張、旅行等における滞在先をユーザに係る拠点として推定する。

〔１－４．拠点間の移動手段の推定〕
また、推定装置１００は、拠点間の移動手段を推定する。例えば、推定装置１００は、ユーザの端末装置１０において乗換アプリの定期経路が登録されている場合、居住地と職場間の移動手段は電車であると推定する（ステップＳ３２）。定期経路が登録されていない場合、推定装置１００は、ユーザの位置履歴データから、居住エリアに近接しており、利用頻度の高い駅を定期的に利用している駅として割り出す。また、推定装置１００は、ユーザの端末装置１０から取得したカーナビアプリにおける登録された経路の出発地又は到着地が居住エリア内の推定された居住地又はその近辺であり、到着地又は出発地が職場エリア内の推定された職場又はその近辺である場合、自動車が移動手段であると推定する。例えば、推定装置１００は、ユーザの位置履歴データと加速度センサーの履歴データから、どの区間で、徒歩、電車、自動車、公共バス等での移動であるかを割り出してもよい。推定装置１００は、徒歩、電車、自動車、公共バス等について、所定の範囲の速度を予め把握しておき、それらと端末装置の加速度センサーのデータ履歴から速度を算出し、どの移動手段を利用しているかを推定する。

〔１－５．拠点間の移動時間の推定〕
また、推定装置１００は、拠点間の移動時間を推定する。例えば、推定装置１００は、ユーザの端末装置１０において乗換アプリの定期経路が登録されている場合、アプリで設定されている経験的な所要時間を居住地と職場間の移動時間と推定する（ステップＳ３３）。定期経路が登録されていない場合、推定装置１００は、ユーザの位置履歴データを基に、居住エリアと職場エリアの移動を推定し、それらの時刻の差分を移動時間と推定する。また、推定装置１００は、ユーザの端末装置１０から取得したカーナビアプリにおける登録された経路の出発地又は当着地が居住地エリア内であり、到着地又は出発地が職場エリア内である場合、カーナビアプリで予想されている所要時間を、移動時間と推定する。例えば、推定装置１００は、ユーザの位置履歴データと加速度センサーのデータ履歴から、どの区間で徒歩、電車、自動車、公共バス等での移動であるか推定し、それぞれの移動時間を算出し、居住地と職場間の移動時間を推定してもよい。

〔１－６．移動手段における主要拠点の混雑態様の推定〕
また、推定装置１００は、移動手段における主要拠点の混雑態様を推定する。例えば、推定装置１００は、端末装置１０が取得した位置履歴情報と乗換アプリの登録情報から交通機関の主要拠点における混雑態様を推定する（ステップＳ３４）。
例えば、推定装置１００は、各ユーザの端末装置１０にインストールされている乗換アプリの経路登録に所定の主要駅が登録されている場合、その登録数を集計し、集計数を所定の基準値と比較して、混雑態様を推定する。また、推定装置１００は、所定の主要駅が、所定時間ごとに乗換アプリ等の検索履歴に記憶されている件数を集計し、所定の基準値と比較して、混雑態様を推定してもよい。例えば、推定装置１００は、この混雑態様について、所定期間ごとにデータを更新し、ユーザに提供してもよい。また、推定装置１００は、主要駅について、鉄道会社が集計している駅ごとの乗降客数を用いて混雑態様として用いてもよい。

〔１－７．所定時間後に混雑に巻き込まれるユーザの推定〕
また、推定装置１００は、所定時間後に混雑に巻き込まれるユーザを推定する。例えば、電車の乗客についてのリアルタイムでの混雑態様の他に、これからユーザが所定の駅に向かう場合、所定時間後の混雑態様の推定を取得したい場合がある。そこで、例えば、ユーザが所定に駅に向かって歩いて行く場合、推定装置１００は、その駅について、その駅を囲む所定のエリア内でその駅に向かって移動している電車利用予定客数を推定し、ユーザがその駅を利用する予定時刻に、ほぼ同時に到着する電車利用予定客の数を推定する。推定装置１００は、その人数がどの程度であるかを、所定エリア内のユーザの行動態様を用いて、予定時刻における駅の混雑の度合いを推定する。これにより、推定装置１００は、所定時間後に、ユーザが利用予定の駅において混雑に巻き込まれるかどうかを推定する（ステップＳ３５）。ここで、推定装置１００は、ほぼ同時に駅に到着する電車利用予定客数について、利用客が所持している端末装置１０に搭載されている地磁気センサーから取得する方角と、加速度センサーから取得する速度情報と、ＧＰＳから取得する位置情報を用いて行う。さらにユーザのスケジュールアプリに登録されているイベントと同じものが電車利用予定客のスケジュールアプリに登録されている者について、推定装置１００は、ユーザとほぼ同時に到着する電車利用予定客数として、混雑の度合いを推定する。例えば、推定装置１００は、その駅の混雑の関与する利用客について、電車の通常の乗降客数、駅周辺の所定エリア内において徒歩で駅に向かっている利用客等を集計し、混雑の度合いを推定する。ここで、鉄道会社の各路線の各駅における所定の時間帯における乗降客数は、駅ごとに把握されているため、それが提供する各駅の乗降客数を利用する。所定の時間帯の所定の駅において、既に通常の乗降客数が混雑の度合いが高い場合、所定時間後に混雑に巻き込まれることが推定し、一方、通常の乗降客数について混雑の度合いが高くない場合であって、通常の乗降客数と電車利用予定客数を加算しても、混雑の度合いが所定値以下の場合、混雑に巻き込まれることはないと推定する。

〔１－８．ユーザの属性情報・移動手段に合わせた混雑回避のための情報提供〕
また、推定装置１００は、ユーザの属性情報・移動手段に合わせた混雑回避のための情報をユーザに提供する。例えば、推定装置１００は、ユーザの属性情報と移動手段に合わせて混雑を回避するための情報を端末装置１０に送信する。その際、端末装置１０は、情報提供の際、平日か休日か、時間帯、仕事の前後等について採用する広告の基準とする。さらに、推定装置１００は、ユーザの属性情報に加えて、本人の直近のＳＮＳ投稿や検索クエリ、ショッピング履歴、イベント参加履歴等も基準とする。また、推定装置１００は、ユーザのスケジュールアプリを参照し、その時刻以降の予定の登録状況を確認する。例えば、推定装置１００は、仕事帰りのユーザであり、通勤経路の電車が混雑している場合、所定時間内に雑貨屋に係る投稿をしているユーザの場合、その位置情報から、その地点近辺で、そのユーザのＳＮＳ投稿には含まれていない雑貨屋に係るバナー広告等をそのユーザの端末装置１０に表示する。例えば、推定装置１００は、仕事帰りのユーザであり、１～２時間後、プロ野球観戦を予定している場合であって、時間潰しのＳＮＳ投稿しており、また所定のジャンルの本の書評についてＳＮＳ投稿をしている場合、ブックストアとコーヒーショップが合体しているブックカフェに係るバナー広告等をそのユーザの端末装置に表示する。

〔１－９．寄り道広告の入札〕
また、推定装置１００は、寄り道広告の入札を行う。例えば、推定装置１００は、寄り道先の広告については、各店舗から入札を受け入れる。推定装置１００は、入札額の下限は、例えば、寄り道をしなかった場合に巻き込まれる混雑の度合いが高い程、より高い下限にする。推定装置１００は、目的地までの混雑の度合いに応じた下限を設定してもよい。また、推定装置１００は、混雑の原因となるイベント、ユーザの属性情報により、寄り道先の広告を提供する。

〔２. 推定装置の構成〕
次に、図２を参照して、実施形態に係る推定装置１００の構成例について説明する。図２は、実施形態に係る推定装置１００の構成例を示す図である。図２に示すように、推定装置１００は、通信部２１０と、記憶部２２０と、制御部２３０とを有する。なお、推定装置１００は、推定装置１００を利用する管理者等から各種操作を受け付ける入力部（例えば、キーボードやマウス等）や、各種情報を表示するための表示部（液晶ディスプレイ等）を有してもよい。

（通信部２１０）
通信部２１０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。通信部２１０は、ネットワーク網と有線又は無線により接続され、ネットワーク網を介して、端末装置１０、情報処理装置２００との間で情報の送受信を行う。

（記憶部２２０）
記憶部２２０は、例えば、ＲＡＭ（Random Access Memory)、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、又は、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２に示すように、記憶部２２０は、ユーザ行動データ２２１と、駅情報データベース２２２と、広告店舗データベース２２３とを有する。

（ユーザ行動データ２２１）
ユーザ行動データ２２１では、図３に示すように、例えば、所定のユーザについて、ユーザＩＤを「user_ID_001」、位置情報である緯度・経度情報「latitude_01、longitude_01」、居住エリア「residential_area_001」、職場エリア「work_area_001」、移動態様「walk」、移動速度「velocity_0011, velocity_0012, …」、移動方向「direction_0011, direction_0012, …」、最寄り駅「AAA_station」等を記憶しておく。例えば、推定装置１００は、このテーブルを参照して、所定の駅の混雑の度合いについて計算する。例えば、ユーザが所定の駅に向かって歩いていく際、所定の時間後に、駅がどのくらい混んでいるかを推定する場合、所定の駅が「最寄り駅」であり、「歩いている」他のユーザを抽出し、その「移動速度」と「移動方向」と、所定の時間を用いてユーザとほぼ同時に所定の駅に到着する所定の駅の利用客の数を推定する。

（駅情報データベース２２２）
駅情報データベース２２２は、図４に示すように、各時刻について、例えば、駅名「station_001」、混雑度「not crowded」、既知の乗降客数「PSGR_ON_AND_ORR_001」、乗車予定客数「commercial_facility_0001」等を記憶しておく。既知の乗降客数「PSGR_ON_AND_ORR_001」とは、鉄道会社が提供する各駅の乗降客数である。各路線の各駅における所定の時間帯における乗降客数は、駅ごとに把握されている。推定装置１００は、既に通常の乗降客数について混雑の度合いが高い場合、所定時間後に混雑に巻き込まれると推定する。

（広告店舗データベース２２３）
広告店舗データベース２２３は、図５に示すように、混雑を緩和するため、ユーザに寄り道情報として、例えば、店舗「shop_001」について、駅名「AAA_sta.」、混雑原因「プロ野球」、広告内容「XXXXXXXX….!」を基準として、ユーザの属性１の場合の広告が「add_100」、ユーザの属性２の場合の公告が「add_101」、ユーザの属性３の場合の広告が「add_102」である。ユーザの属性は、年齢や性別、居住エリア、職場エリア、直近のＳＮＳ投稿、検索クエリ等により分類されたものである。これにより、推定装置１００は、ユーザの端末措置１０に、ユーザの属性に合わせた適切な寄り道広告を表示する。

（制御部２３０）
制御部２３０は、コントローラ（controller）であり、例えば、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）等のプロセッサによって、推定装置１００内部の記憶装置に記憶されている各種プログラム（推定プログラムの一例に相当）がＲＡＭ等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２３０は、コントローラ（controller）であり、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てもよい。

制御部２３０は、図２に示すように、取得部２３１と、推定部２３２と、提供部２３３とを有し、以下に説明する情報処理の機能や作用を実現又は実行する。なお、制御部２３０の内部構成は、図２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２３１）
取得部２３１は、ユーザが所持する端末装置１０に搭載されているＧＰＳ、加速度センサー、地磁気センサー等から、ユーザの位置情報、移動速度情報、移動の際の方角情報に係るデータを取得し、さらにユーザの属性情報を取得する。また、取得部２３１は、ユーザ行動データ２２１から、ユーザＩＤ、ユーザの位置情報、居住エリア、職場エリア、移動態様、移動速度、移動方向、最寄り駅等を取得する。さらに、取得部２３１は、駅情報データベース２２２から、時刻、駅名、混雑度、既知の乗降客数、乗車予定客数を取得する。さらに、取得部２３１は、広告店舗データベース２２３から、店舗名、駅名、混雑原因、基準となる広告、ユーザの属性1～３等に対応する広告を取得する。

（推定部２３２）
推定部２３２は、例えば、ユーザの位置履歴データが、所定の時間に所定の範囲内にある場合、ユーザは居住地に滞在している、または職場に滞在していると推定する。典型的なユーザであれば、推定部２３２は、ユーザの位置履歴データが、夜間、所定の時間に所定の範囲内にあり、それが居住エリアと一致していれば、居住地に滞在していると推定する。一方、推定部２３２は、ユーザの位置履歴データが、昼間、所定の時間に所定の範囲内にあり、それが職場エリアと一致していれば、職場に滞在していると推定する。また、職種によっては、居住地と職場の位置が略一致している場合や、上記とは逆に、昼間に居住地に滞在し、夜間に職場に滞在している場合等がある。この場合、推定部２３２は、端末装置１０の位置履歴データから、予め設定しておいた職種・業務形態パターンを参照し、そのユーザの居住地と職場に係る拠点を推定してもよい。また、ユーザによっては、２か所以上の拠点を持つ場合もあってよい。推定部２３２は、ユーザの位置履歴データから、所定時間以上滞在している等の滞在パターンを基に、居住地と職場の拠点を推定してもよい。

推定部２３２は、例えば、ユーザの端末装置１０において乗換アプリの定期経路が登録されている場合、居住地と職場間の移動手段は電車であると推定する。定期経路が登録されていない場合、推定部２３２は、ユーザの位置履歴データから、居住エリアに近接しており、利用頻度の高い駅を定期的に利用している駅として割り出す。また、推定部２３２は、ユーザの端末装置１０から取得したカーナビアプリにおける登録された経路の出発地又は到着地が居住エリア内の推定された居住地又はその近辺であり、到着地又は出発地が職場エリア内の推定された職場又はその近辺である場合、自動車が移動手段であると推定する。例えば、推定部２３２は、ユーザの位置履歴データと加速度センサーの履歴データから、どの区間で、徒歩、電車、自動車、公共バス等での移動であるかを割り出してもよい。推定部２３２は、徒歩、電車、自動車、公共バス等について、所定の範囲の速度を予め把握しておき、それらと端末装置の加速度センサーのデータ履歴から速度を算出し、どの移動手段を利用しているかを推定する。

推定部２３２は、例えば、ユーザの端末装置１０において乗換アプリの定期経路が登録されている場合、アプリで設定されている経験的な所要時間を居住地と職場間の移動時間と推定する。定期経路が登録されていない場合、推定部２３２は、ユーザの位置履歴データを基に、居住エリアと職場エリアの移動を検出し、それらの時刻の差分を移動時間と推定する。また、推定部２３２は、ユーザの端末装置１０から取得したカーナビアプリにおける登録された経路の出発地又は当着地が居住地エリア内であり、到着地又は出発地が職場エリア内である場合、カーナビアプリで予想されている所要時間を、移動時間と推定する。例えば、推定部２３２は、ユーザの位置履歴データと加速度センサーのデータ履歴から、どの区間で徒歩、電車、自動車、公共バス等での移動であるか推定し、それぞれの移動時間を算出し、居住地と職場間の移動時間を推定してもよい。

推定部２３２は、例えば、各ユーザの端末装置１０にインストールされている乗換アプリの経路登録に所定の主要駅が登録されている場合、その登録数を集計し、集計数を所定の基準値と比較して、混雑態様を推定する。また、推定部２３２は、所定の主要駅が、所定時間ごとに乗換アプリ等の検索履歴に記憶されている件数を集計し、所定の基準値と比較して、混雑態様を推定してもよい。例えば、推定部２３２は、この混雑態様について、所定期間ごとにデータを更新し、ユーザに提供してもよい。また、推定部２３２は、主要駅について、鉄道会社が集計している駅ごとの乗降客数を用いて混雑態様として用いてもよい。

推定部２３２は、例えば、所定ユーザが所定の駅に向かって歩いて行く場合、その駅について、その駅を囲む所定のエリア内でその駅に向かって移動している電車利用予定客数を推定し、所定のユーザがその駅を利用する予定時刻に、ほぼ同時に到着する電車利用予定客の数を推定する。推定部２３２は、その人数がどの程度であるかを、所定エリア内の他のユーザの行動態様を用いて、予定時刻における駅の混雑の度合いを推定する。これにより、推定部２３２は、所定時間後に、ユーザが利用予定の駅において混雑に巻き込まれるかどうかを推定する。ここで、推定部２３２は、ほぼ同時に駅に到着する電車利用予定客数について、利用客が所持している端末装置１０に搭載されている地磁気センサーから取得する方角と、加速度センサーから取得する速度情報と、ＧＰＳから取得する位置情報を用いて行う。さらにユーザのスケジュールアプリに登録されているイベントと同じものが電車利用予定客のスケジュールアプリに登録されている者について、推定部２３２は、ユーザとほぼ同時に到着する電車利用予定客数として、混雑の度合いを推定する。例えば、推定部２３２は、その駅の混雑の関与する利用客について、電車の通常の乗降客数、駅周辺の所定エリア内において徒歩で駅に向かっている利用客等を集計し、混雑の度合いを推定する。ここで、各路線の各駅における所定の時間帯における乗降客数は、駅ごとに把握されており、鉄道会社が提供する各駅の乗降客数を利用する。所定の時間帯の所定の駅において、既に通常の乗降客数が混雑の度合いが高い場合、所定時間後に混雑に巻き込まれると推定する。一方、通常の乗降客数について混雑の度合いが高くない場合であって、通常の乗降客数と電車利用予定客数を加算しても、混雑の度合いが高くない場合、混雑に巻き込まれることはないと推定する。

（提供部２３３）
提供部２３３は、推定部２３２により推定されたユーザの拠点、拠点間の移動手段、拠点間の移動時間、主要駅の混雑態様、所定時間後に混雑に巻き込まれるユーザ等を所定の情報処理装置に提供する。また、提供部２３３は、所定のイベントに参加するスケジュールが登録されている端末装置１０に対し、端末装置１０に登録されている移動手段に対応して、鉄道等の移動手段に係る混雑態様に係る情報を提供する。また、所定のイベントに参加するスケジュールが登録されていない端末装置１０に対しても、端末装置１０に登録されている移動手段に対応し、鉄道等の移動手段に係る混雑対応に係る情報を提供する。

提供部２３３は、混雑を緩和するため、ユーザに寄り道情報として、例えば、ユーザの属性情報、登録されたスケジュール、直近のＳＮＳ投稿、検索クエリ等を基に、ユーザの状況にあわせて、端末装置１０に寄り道広告を提供する。例えば、提供部２３３は、移動経路に沿って、「カフェで休みませんか？〇〇店のアイリッシュラテがおススメです」等の広告情報を提供する。また、例えば、提供部２３３は、「〇〇書店で△△に関する書籍を見てはいかがでしょう？（ブックカフェ等）」等、店舗へ誘導する情報を提供する。これらに加えて、提供部２３３は、エクササイズアプリ等のアプリケーションへの誘導をしてもよい。

〔３．推定処理のフロー〕
次に、実施形態に係る推定装置１００による推定処理の手順について説明する。
図６は、実施形態に係る推定装置１００が、ユーザが所有する端末装置１０から、ユーザの位置履歴情報と属性情報を取得し、位置履歴情報と属性情報に基づいて、ユーザの拠点を推定し、拠点間の移動に係る混雑状況を推定し、混雑回避のための情報を提供する処理手順を示すフローチャートである。

まず、推定装置１００の取得部２３１は、端末装置１０から位置情報、ユーザ属性情報を取得する（ステップＳ１０１）。具体的には、取得部２３１は、端末装置に搭載されているＧＰＳから位置情報を取得し、性別、年齢、居住エリア、職場エリア等のユーザ属性情報を取得する。

次いで、推定装置１００の推定部２３２は、ユーザの居住地、職場等の拠点となる場所を推定する（ステップＳ１０２）。具体的には、推定部２３２は、ユーザの位置履歴データが、所定時間、所定の範囲内に存する場合、居住地、職場等の拠点と推定する。

次いで、推定装置１００の推定部２３２は、拠点間の移動手段を推定する（ステップＳ１０３）。具体的には、推定部２３２は、ユーザの端末装置１０にインストールされている乗換アプリやカーナビアプリ等に定期経路が登録されている場合、その経路で移動していると推定し、移動手段を推定する。また、推定装置１００の推定部２３２は、端末装置１０が取得した位置履歴データや加速度データを用いて、徒歩、電車、公共バス等の移動手段を推定する。

次いで、推定装置１００の推定部２３２は、拠点間の移動時間を推定する（ステップＳ１０４）。具体的には、推定部２３２は、ユーザの端末装置１０にインストールされている乗換アプリやカーナビアプリ等に定期経路が登録されている場合、アプリで設定されている経験的な所要時間を移動事案と推定する。登録されていない場合、推定部２３２は、ユーザの位置履歴データと基に拠点間の移動を推定し、それらの時刻の差分を移動時間と推定する。

次いで、推定装置１００の推定部２３２は、移動手段における混雑態様を推定する（ステップＳ１０５）。具体的には、推定部２３２は、端末装置１０が取得した位置履歴情報と乗換アプリやカーナビアプリ等の登録情報から交通機関の主要拠点における混雑態様を推定する。

次いで、推定装置１００の推定部２３２は、所定時間後の混雑の巻き込まれるユーザを推定する（ステップＳ１０６）。具体的には、推定部２３２は、所定の拠点を囲む所定エリア内で、その拠点に向かって移動する交通機関利用予定客の数を推定する。

次いで、推定装置１００の提供部２３３は、ユーザの属性情報、移動手段に合わせた混雑回避のための情報を提供する（ステップＳ１０７）。具体的には、提供部２３３は、ユーザのスケジュールアプリを参照し、その予定と属性情報、移動手段に合わせて、混雑回避と時間調整をするためのバナー広告等をユーザの端末装置１０に提供する。

次いで、推定装置１００は、上記の推定結果を、情報端末装置２００に提供する（ステップＳ１０８）。

〔４．その他〕
また、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一部を手動的に行うこともできる。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又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。例えば、各図に示した各種情報は、図示した情報に限られない。

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、その全部又は一部を、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又は物理的に分散・統合して構成することができる。

例えば、図２に示した記憶部２２０の一部又は全部は、推定装置１００によって保持されるのではなく、ストレージサーバ等に保持されてもよい。この場合、推定装置１００は、ストレージサーバにアクセスすることで、各種情報を取得する。

〔５．ハードウェア構成〕
また、上述してきた実施形態に係る推定装置１００は、例えば図７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７は、ハードウェア構成の一例を示す図である。コンピュータ１０００は、出力装置１０１０、入力装置１０２０と接続され、演算装置１０３０、一次記憶装置１０４０、二次記憶装置１０５０、出力ＩＦ（Interface）１０６０、入力ＩＦ１０７０、ネットワークＩＦ１０８０がバス１０９０により接続された形態を有する。

演算装置１０３０は、一次記憶装置１０４０や二次記憶装置１０５０に格納されたプログラムや入力装置１０２０から読み出したプログラム等に基づいて動作し、各種の処理を実行する。一次記憶装置１０４０は、ＲＡＭ等、演算装置１０３０が各種の演算に用いるデータを一時的に記憶するメモリ装置である。また、二次記憶装置１０５０は、演算装置１０３０が各種の演算に用いるデータや、各種のデータベースが登録される記憶装置であり、ＲＯＭ(Read Only Memory)、ＨＤＤ、フラッシュメモリ等により実現される。

出力ＩＦ１０６０は、モニタやプリンタといった各種の情報を出力する出力装置１０１０に対し、出力対象となる情報を送信するためのインタフェースであり、例えば、ＵＳＢ（Universal Serial Bus）やＤＶＩ（Digital Visual Interface）、ＨＤＭＩ（登録商標）（High Definition Multimedia Interface）といった規格のコネクタにより実現される。また、入力ＩＦ１０７０は、マウス、キーボード、およびスキャナ等といった各種の入力装置１０２０から情報を受信するためのインタフェースであり、例えば、ＵＳＢ等により実現される。

なお、入力装置１０２０は、例えば、ＣＤ（Compact Disc）、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、又は半導体メモリ等から情報を読み出す装置であってもよい。また、入力装置１０２０は、ＵＳＢメモリ等の外付け記憶媒体であってもよい。

ネットワークＩＦ１０８０は、ネットワークＮを介して他の機器からデータを受信して演算装置１０３０へ送り、また、ネットワークＮを介して演算装置１０３０が生成したデータを他の機器へ送信する。

演算装置１０３０は、出力ＩＦ１０６０や入力ＩＦ１０７０を介して、出力装置１０１０や入力装置１０２０の制御を行う。例えば、演算装置１０３０は、入力装置１０２０や二次記憶装置１０５０からプログラムを一次記憶装置１０４０上にロードし、ロードしたプログラムを実行する。

例えば、コンピュータ１０００が推定装置１００として機能する場合、コンピュータ１０００の演算装置１０３０は、一次記憶装置１０４０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２３０の機能を実現する。

〔６．効果〕
上述してきたように、実施形態に係る推定装置１００は、取得部２３１と、推定部２３２、提供部２３３とを有する。

実施形態に係る推定装置１００において、取得部２３１は、ユーザが所有する端末装置から、ユーザの位置履歴情報と属性情報とを取得し、推定部２３２は、位置履歴情報と属性情報とに基づいて、ユーザの拠点を推定し、拠点の間の移動に伴う混雑態様を推定し、混雑態様と属性情報とに基づいて所定時間後に混雑に巻き込まれるユーザを推定し、提供部２３３は、推定部２３２により所定時間後に混雑に巻き込まれると推定されたユーザに対し、所定の情報をユーザの端末装置に提供する。

これにより、取得部２３１が、ユーザが所有する端末装置から、ユーザの位置履歴情報と属性情報とを取得し、推定部２３２が、位置履歴情報と属性情報とに基づいて、ユーザの拠点を推定し、拠点の間の移動に伴う混雑態様を推定し、混雑態様と属性情報とに基づいて所定時間後に混雑に巻き込まれるユーザを推定し、提供部２３３が、推定部２３２により所定時間後に混雑に巻き込まれると推定されたユーザに対し、所定の情報をユーザの端末装置に提供するため、所定のユーザに対し、事前に、巻き込まれそうな混雑を回避させることができる。

また、実施形態に係る推定装置１００において、推定部２３２は、拠点の間のユーザの移動手段を推定し、移動手段に基づいて移動時間を推定し、移動時間に基づいて所定時間後にユーザが混雑に巻き込まれるか否かを推定する。

これにより、推定部２３２が、拠点の間のユーザの移動手段を推定し、移動手段に基づいて移動時間を推定し、移動時間に基づいて所定時間後にユーザが混雑に巻き込まれるか否かを推定するため、ユーザごとに、巻き込まれそうな混雑を回避させることができる。

また、実施形態に係る推定装置１００において、取得部２３１は、ユーザが所有する端末装置から加速度情報を取得し、推定部２３２は、ユーザの拠点と位置履歴情報と加速度情報とに基づいて、移動手段に係る移動時間を推定する。

これにより、取得部２３１が、ユーザが所有する端末装置から加速度情報を取得し、推定部２３２が、ユーザの拠点と位置履歴情報と加速度情報とに基づいて、移動手段に係る移動時間を推定するため、ユーザごとに、巻き込まれそうな混雑を回避させることができる。

また、実施形態に係る推定装置１００において、取得部２３１は、ユーザが所有する端末装置から所定のアプリケーションの登録情報を取得し、推定部２３２は、ユーザの位置履歴情報と登録情報とに基づいて、交通機関の混雑態様を推定する。

これにより、取得部２３１が、ユーザが所有する端末装置から所定のアプリケーションの登録情報を取得し、推定部２３２が、ユーザの位置履歴情報と登録情報とに基づいて、交通機関の混雑態様を推定するため、ユーザごとに、巻き込まれそうな混雑を回避させることができる。

また、実施形態に係る推定装置１００において、取得部２３１は、ユーザが所有する端末装置から加速度及び地磁気に係る情報を取得し、推定部２３２は、ユーザの位置履歴情報と登録情報と、加速度及び地磁気に係る情報とに基づいて、所定時間後に所定の拠点における混雑に巻き込まれるユーザを推定する。

これにより、取得部２３１が、ユーザが所有する端末装置から加速度及び地磁気に係る情報を取得し、推定部２３２が、ユーザの位置履歴情報と登録情報と、加速度及び地磁気に係る情報とに基づいて、所定時間後に所定の拠点における混雑に巻き込まれるユーザを推定するため、ユーザごとに、巻き込まれそうな混雑を回避させることができる。

また、実施形態に係る推定装置１００において、提供部２３３は、推定部２３２により、所定時間後に所定の拠点における混雑に巻き込まれると推定されたユーザに対し、所定の情報をユーザの端末装置に提供する。

これにより、提供部２３３が、推定部２３２により、所定時間後に所定の拠点における混雑に巻き込まれると推定されたユーザに対し、所定の情報をユーザの端末装置に提供するため、ユーザごとに、巻き込まれそうな混雑を回避させることができる。

また、実施形態に係る推定装置１００において、取得部２３１は、ユーザが巻き込まれる混雑の度合いに応じた入札額で店舗から入札した広告を取得し、提供部２３３は、広告をユーザの端末装置に提供する。

これにより、取得部２３１が、ユーザが巻き込まれる混雑の度合いに応じた入札額で店舗から入札した広告を取得し、提供部２３３は、広告をユーザの端末装置に提供するため、ユーザごとに、巻き込まれそうな混雑を回避させながら、ユーザの趣向に沿った寄り道広告を提供できる。

また、実施形態に係る推定装置１００において、提供部２３３は、ユーザの属性と検索クエリとに基づいた、混雑を回避するための推薦行動をユーザの端末装置に提供する。

これにより、提供部２３３が、ユーザの属性と検索クエリとに基づいた、混雑を回避するための推薦行動をユーザの端末装置に提供するため、ユーザの趣向に沿った寄り道情報を提供できる。

また、実施形態に係る推定装置１００において、提供部２３３は、推定部２３２が推定したユーザの移動手段に係る店舗の利用案内をユーザの端末装置に提供する。

これにより、提供部２３３が、推定部２３２が推定したユーザの移動手段に係る店舗の利用案内をユーザの端末装置に提供するため、ユーザの趣向に沿った寄り道情報を提供できる。

上述した各処理により、推定装置１００は、ユーザが所有する端末装置から、ユーザの位置履歴情報と属性情報を取得し、置履歴情報と属性情報に基づいて、ユーザの拠点を推定し、拠点の間の移動に伴う混雑態様を推定し、混雑態様と属性情報に基づいて所定時間後に混雑に巻き込まれるユーザを推定し、推定されたユーザに対し、所定の情報をユーザの端末装置に提供することができるという効果を奏する。

以上、本願の実施形態のいくつかを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、上述した推定装置１００は、複数のサーバコンピュータで実現してもよく、また、機能によっては外部のプラットフォーム等をＡＰＩ（Application Programming Interface）やネットワークコンピューティングなどで呼び出して実現するなど、構成は柔軟に変更できる。

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、取得部２３１は、取得手段や取得回路に読み替えることができる。

１ 推定システム
１００ 推定装置
２００ 情報処理装置
２１０ 通信部
２２０ 記憶部
２２１ ユーザ行動データ
２２２ 駅情報データベース
２２３ 広告店舗データベース
２３０ 制御部
２３１ 取得部
２３２ 推定部
２３３ 提供部

Claims (11)

1. ユーザが所有する端末装置から、当該ユーザの位置履歴情報と属性情報とを取得する取得部と、
   前記位置履歴情報が示すユーザが所定の時間以上、所在した場所と、当該ユーザの属性情報とに基づき、各時間帯における当該ユーザの拠点を推定し、該推定したユーザの拠点に基づいて、各時間帯における当該ユーザの拠点間の移動態様を推定し、各ユーザの位置履歴情報に基づいて、各時間帯における各エリアの混雑態様を推定し、各時間帯における混雑態様と各時間帯における各ユーザの拠点とに基づいて、拠点間の移動において混雑に巻き込まれるユーザを推定する推定部と、
   前記推定部により所定時間後に混雑に巻き込まれると推定されたユーザに対し、所定の情報を当該ユーザの端末装置に提供する提供部と
   を有することを特徴とする推定装置。
2. 前記拠点の間の前記ユーザの移動手段を推定し、前記移動手段に基づいて移動時間を推定し、前記移動時間に基づいて所定時間後に前記ユーザが混雑に巻き込まれるか否かを推定する
   ことを特徴とする請求項１に記載の推定装置。
3. 前記取得部は、前記ユーザが所有する端末装置から加速度情報を取得し、
   前記推定部は、前記ユーザの前記拠点と前記位置履歴情報と前記加速度情報とに基づいて、前記移動手段に係る移動時間を推定する
   ことを特徴とする請求項２に記載の推定装置。
4. 前記取得部は、前記ユーザが所有する端末装置から所定のアプリケーションの登録情報を取得し、
   前記推定部は、前記ユーザの前記位置履歴情報と前記登録情報とに基づいて、交通機関の混雑態様を推定する
   ことを特徴とする請求項１又は２に記載の推定装置。
5. 前記取得部は、前記ユーザが所有する端末装置から加速度及び地磁気に係る情報を取得し、
   前記推定部は、前記ユーザの位置履歴情報と前記登録情報と、前記加速度及び地磁気に係る情報とに基づいて、所定時間後に所定の拠点における混雑に巻き込まれるユーザを推定する
   ことを特徴とする請求項４に記載の推定装置。
6. 前記推定部により、所定時間後に所定の拠点における混雑に巻き込まれると推定されたユーザに対し、所定の情報を前記ユーザの端末装置に提供する提供部
   を有することを特徴とする請求項５に記載の推定装置。
7. 前記取得部は、前記ユーザが巻き込まれる混雑の度合いに応じた入札額で店舗から入札した広告を取得し、
   前記提供部は、前記広告を前記ユーザの端末装置に提供する
   ことを特徴とする請求項６に記載の推定装置。
8. 前記提供部は、前記ユーザの属性と検索クエリとに基づいた、混雑を回避するための推薦行動を前記ユーザの端末装置に提供する
   ことを特徴とする請求項５～７のいずれか１つに記載の推定装置。
9. 前記提供部は、前記推定部が推定した前記ユーザの移動手段に係る店舗の利用案内を前記ユーザの端末装置に提供する
   ことを特徴とする請求項５～８のいずれか１つに記載の推定装置。
10. コンピュータが実行する推定方法であって、
    ユーザが所有する端末装置から、当該ユーザの位置履歴情報と属性情報とを取得する取得工程と、
    前記位置履歴情報が示すユーザが所定の時間以上、所在した場所と、当該ユーザの属性情報とに基づき、各時間帯における当該ユーザの拠点を推定し、該推定したユーザの拠点に基づいて、各時間帯における当該ユーザの拠点間の移動態様を推定し、各ユーザの位置履歴情報に基づいて、各時間帯における各エリアの混雑態様を推定し、各時間帯における混雑態様と各時間帯における各ユーザの拠点とに基づいて、拠点間の移動において混雑に巻き込まれるユーザを推定する推定工程と、
    前記推定工程により所定時間後に混雑に巻き込まれると推定されたユーザに対し、所定の情報を当該ユーザの端末装置に提供する提供工程と
    を含むことを特徴とする推定方法。
11. ユーザが所有する端末装置から、当該ユーザの位置履歴情報と属性情報とを取得する取得手順と、
    前記位置履歴情報が示すユーザが所定の時間以上、所在した場所と、当該ユーザの属性情報とに基づき、各時間帯における当該ユーザの拠点を推定し、該推定したユーザの拠点に基づいて、各時間帯における当該ユーザの拠点間の移動態様を推定し、各ユーザの位置履歴情報に基づいて、各時間帯における各エリアの混雑態様を推定し、各時間帯における混雑態様と各時間帯における各ユーザの拠点とに基づいて、拠点間の移動において混雑に巻き込まれるユーザを推定する推定手順と、
    前記推定手順により所定時間後に混雑に巻き込まれると推定されたユーザに対し、所定の情報を当該ユーザの端末装置に提供する提供手順と
    をコンピュータに実行させることを特徴とする推定プログラム。

Images