JP7388379B2 - 推定装置、推定方法及び推定プログラム - Google Patents
推定装置、推定方法及び推定プログラム Download PDFInfo
- Publication number
- JP7388379B2 JP7388379B2 JP2021036660A JP2021036660A JP7388379B2 JP 7388379 B2 JP7388379 B2 JP 7388379B2 JP 2021036660 A JP2021036660 A JP 2021036660A JP 2021036660 A JP2021036660 A JP 2021036660A JP 7388379 B2 JP7388379 B2 JP 7388379B2
- Authority
- JP
- Japan
- Prior art keywords
- information
- user
- facility
- predetermined
- estimation
- 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
Links
- 238000000034 method Methods 0.000 title claims description 21
- 230000007613 environmental effect Effects 0.000 claims description 64
- 230000006399 behavior Effects 0.000 claims description 44
- 238000010586 diagram Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- 230000001133 acceleration Effects 0.000 description 9
- 230000010365 information processing Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000005286 illumination Methods 0.000 description 5
- 230000007423 decrease Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000003442 weekly effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 210000002837 heart atrium Anatomy 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
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、ユーザが所有する端末装置10nからユーザの位置情報と動き情報等及び建物内の環境音情報と照度(環境光)情報等を取得し、それらのデータが推定装置100に送信され、推定装置100が建物の識別、建物における各スペースのフロアにおけるユーザの数、ユーザの動き、各スペースのフロアにおける混雑の度合い、建物全体の混雑の度合い等を推定する処理の一例について記載した。
図1に示すように、推定システム1には、端末装置101~10n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101~10nを区別する必要がない場合は、端末装置101~10n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。
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、気圧センサー、加速度センサー、地磁気センサー、照度(環境光)センサー、音センサー等が搭載されている。推定装置100は、特に、気圧センサーが取得したデータを主に利用して、階層構造を有する商業施設や交通施設等の建物に滞在するユーザの位置と高さ方向の移動態様等を推定し、商業施設や交通施設等の建物内における利用客の混雑の度合いを推定する。気圧センサー以外のセンサーから取得したデータは、高さ方向の移動態様を推定する際、さらに精度を向上させる目的で使用する。
推定装置100は、GPSを用いてユーザの位置を推定し、その位置と地図情報を用いて、ユーザが滞在している建物を識別する(ステップS31)。推定装置100は、施設建物データベース等を利用し、建物の階層構造等を取得する。
また、推定装置100は、ユーザの位置、移動態様を取得する。推定装置100は、例えば商業施設や交通施設の場合、フロア間、コンコース間及びホーム・コンコース間の高低差は大きいので、フロア間、コンコース間又はホーム・コンコース間の気圧データの変化から、ユーザが何階にフロアに滞在しているか、フロア間を移動しているのか等を推定する(ステップS32)。推定装置100は、ユーザが、施設建物のメインゲート(メインエントランス)付近を通過した際、そのユーザの高度の基準点をゼロメートルにリセットし、気圧データから換算した高度情報の差分を算出し、高度情報の差分により所定の階のフロアに滞在しているのか、所定のホーム又はコンコースに滞在しているのか、またはフロア間、ホーム・コンコース間を移動しているのかを推定する。
推定する。これらの動線データを記憶しておけば、商業施設や交通施設におけるテナント、カウンター等のレイアウト変更、フロア、ホーム又はコンコース等のリニューアルの参考に資すると考えられる。
また、推定装置100は、建物の各スペースにおけるユーザの数を推定する。推定装置100は、例えば、商業施設又は交通施設等の所定の建物について、一定時間ごとに、各ユーザが何階のフロア、ホーム又はコンコースに滞在しているか、又はその階を経由して他の階に移動しているのかを記憶する。このようにして、推定装置100は、所定時間帯におけるフロア、ホーム又はコンコースの各スペースにおけるユーザ数を推定する(ステップS33)。
また、推定装置100は、建物の各スペースにおける混雑の度合いを推定する。推定装置100は、例えば、所定時間帯におけるフロア、ホーム又はコンコースの各スペースにおけるユーザ数の推定値と、フロア、ホーム又はコンコースの面積を用いて、各スペースにおける混雑の度合いを算出する(ステップS34)。また、商業施設について、推定装置100は、例えば、所定のフロアについて、所定のテナントに滞在したユーザ数の推定値と、そのテナントの占有面積を用いて、テナントごとの混雑の度合いを算出できる。また、交通施設について、推定装置100は、例えば、所定の改札口について、所定の改札口を利用したユーザ数の推定値と、その改札口の占有面積又は改札ゲート数を用いて改札口ごとの混雑の度合いを算出できる。
また、推定装置100は、建物前提の混雑の度合いを推定する。推定装置100は、例えば、所定時間帯におけるフロア、ホーム又はコンコースの各スペースにおけるユーザ数の推定値を合算し、フロア、ホーム又はコンコースの面積を合算して、建物全体における混雑の度合いを算出する(ステップS35)。推定装置100は、例えば、日単位、週単位、月単位、季節単位、イベント単位等で、建物全体の混雑の度合いを算出する。推定装置100は、ユーザが所持する端末装置10からユーザの属性情報(性別、年齢、居住地域等)を取得すれば、ユーザの属性情報ごとに建物全体の混雑の度合いを算出できる。推定装置100は、上述した推定結果を情報処理装置200に送信する(ステップS40)。
また、推定装置100は、ユーザ行動モデルを生成する。商業施設や交通施設等の建物の構造は、独自の建築デザインを備え、管理されていることから、ゲート付近、フロア間、コンコース間、フロア・コンコース間の移動では、独特の高低差、速度(動く歩道が設定されている場合もある)、照度(環境光)の強弱、BGMや環境音のいずれを組み合わせるかで推定結果が大きく変わると考えられる。したがって、推定装置100は、建物ごとに、ゲート付近、フロア間、コンコース間、フロア・コンコース間におけるユーザの滞在、移動態様について、気圧センサーデータを主として、他に使用するセンサーデータの組み合わせをモデル化しておき、経験的に学習させていくことにより、推定結果を最適化する。
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、商業施設・交通施設データベース221と、ユーザ行動データ222と、施設建物利用状況データ223と、ユーザ行動モデル224と、地図データベース225とを有する。
商業施設・交通施設データベース221は、図3に示すように、建物種別、建物の位置情報、建物の構造情報、フロア等の高度情報等に係るデータを記憶する。商業施設・交通施設データベース221では、例えば、建物種別を「商業施設」、「交通施設」等で区分する。商業施設について、例えば、商業施設「commercial_facility_01」、位置情報である緯度・経度情報「cf_latitude_01、cf_longitude_01」、建物構造情報として階層情報「B2F、B1F、1F、2F」、それぞれのフロアの環境光情報「cf_ambient_ligth_01_B2F、cf_ambient_ligth_01_B1F、cf_ambient_ligth_01_1F、cf_ambient_ligth_01_2F」、それぞれのフロアの環境音情報「cf_ambient_tone_01_B2F、cf_ambient_tone_01_B1F、cf_ambient_tone_01_1F、cf_ambient_tone_01_2F」、それぞれのフロアの高度情報「cf_height_01_B2F、cf_height_01_B1F、cf_height_01_1F、cf_height_01_2F」等を記憶しておく。交通施設についても同様に、例えば、交通施設「transportation_facility_01」、位置情報である緯度・経度情報「tf_latitude_01、tf_longitude_01」、建物構造情報として階層情報「B2F、B1F、1F、2F」、それぞれのコンコース又はホームの環境光情報「tf_ambient_ligth_01_B2F、tf_ambient_ligth_01_B1F、tf_ambient_ligth_01_1F、tf_ambient_ligth_01_2F」、それぞれのコンコース又はホームの環境音情報「tf_ambient_tone_01_B2F、tf_ambient_tone_01_B1F、tf_ambient_tone_01_1F、tf_ambient_tone_01_2F」、それぞれのコンコース又はホームの高度情報「tf_height_01_B2F、tf_height_01_B1F、tf_height_01_1F、tf_height_01_2F」等を記憶しておく。交通施設の場合、例えば鉄道の場合、建物構造情報には階層情報だけでなく、路線名、コンコース又はホームの識別情報を含む。推定装置100は、商業施設、交通施設等の建物において、ユーザが所持する端末装置10が取得したセンサー情報に係るデータを用いて、それらを参照しながら、ユーザが何階のフロア、コンコース又はホームに滞在するのか、移動しているのかを推定する。
ユーザ行動データ222は、図4に示すように、ユーザID、時刻、ユーザの位置情報、ユーザが滞在している建物種別等のユーザの行動に係るデータを記憶する。ユーザ行動データ222は、各ユーザについて、例えば、ユーザID「user_0001」、時刻「time_1001, time_1002」、位置情報「(cf_latitude_1001、cf_longitude_1001),(cf_latitude_1002、cf_longitude_1002)」、建物種別「commercial_facility_0001」、高度情報「height_1001、height_1002」、速度情報「velociy_1001、velocity_1002」、環境音情報「ambient_tone_1001、ambient_tone_1002」、環境光情報「cf_ambient_ligth_1001、cf_ambient_ligth_1002」方角情報「direction_1001、direction_1002」等を記憶しておく。推定装置100は、各ユーザの行動データを用いて、以下に述べる施設建物利用状況データ223を生成する。
施設建物利用状況データ223は、図5に示すように、施設建物情報、その施設建物を利用しているユーザID、利用開始及び退場の時刻、ユーザの位置情報等の建物施設の利用状況に係るデータを記憶する。施設建物利用状況データ223は、例えば、商業施設「commercial_facility_01」について、利用客の一人について、ユーザを識別するためのユーザID「user_0001」、入場したことを示す、入場「visit_0001」、入場の際の時刻は、時刻「time_01」であり、その位置情報は、位置情報「position_00011」、最初に滞在したフロアは、滞在フロア「stay_floor_00011」である。その際、どのフロアからどのフロアへ移動したかは、移動「move_floor_00011」で示し、その時の移動速度は、移動速度「move_velocity_0001」である。また、退場したことを示すのは、退場「return_0001」、退場の際の時刻は、時刻「time_0n」であり、その位置情報は、位置情報「position_0001n」、最後に滞在したフロアは、滞在フロア「stay_floor_0001n」である。その際、どのフロアからどのフロアへ移動したかは、移動「move_floor_0001n」で示し、その時の移動速度は、移動速度「move_velocity_0001n」である。
ユーザ行動モデル224では、ユーザの移動パターン等をイベント毎にモデル化し記憶しておく。例えば、ショッピングモール等の商業施設では、イベントが開催される際、商業施設の構造上、イベントの開催会場に出入りするユーザの行動は、ほぼ限定されると推定される。推定装置100は、ユーザの移動パターンをイベントごとにモデル化し、採用するセンサーデータの種類も移動パターンに合わせて選別し記憶しておく。推定装置100は、ユーザのフロア間の移動態様について、モデルを利用して推定する。
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。
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、気圧センサー、加速度センサー、地磁気センサー、照度(環境光)センサー、音センサー等から、ユーザの位置情報、建物内における高度情報、移動速度情報、移動の際の方角情報、環境光情報、環境音情報に係るデータを取得する。また、取得部231は、商業施設・交通施設データベース221から、ショッピングモール等の商業施設、鉄道や空港等の交通施設等に係る建物の位置情報、建物構造情報、フロア、コンコース、ホーム等における環境光情報、環境音情報、高度情報等を取得する。さらに、取得部231は、ユーザ行動データ222から、利用客に係るユーザID、入退場時刻、位置情報、利用した施設に係る建物種別、建物内における高度情報、移動速度、環境音情報、環境光情報、移動の方角情報等を取得する。さらに、取得部231は、施設建物利用状況データ223から、施設建物ごとに、ユーザID、入退場時刻、建物内における位置情報、滞在したフロア、コンコース又はホーム情報、移動態様、移動速度等を取得する。取得部231は、商業施設・交通施設に係る建物内における利用客の施設の利用状況を把握するため、各建物について生成されたユーザ行動モデル224を取得する。必要がある場合、取得部231は、商業施設・交通施設に係る建物の所在と名称を把握するため、地図データベース225から、それらの位置情報を取得する。例えば、地図データベース255は、商業施設・交通施設等に係る施設建物の名称が記載された既存の地図データベースであってよい。
推定部232は、ユーザが所持する端末装置10に搭載されているGPSからユーザの位置情報を取得し、商業施設又は交通施設等に係る建物を推定する。推定部232は、所定の商業施設又は交通施設等に係る建物が商業施設・交通施設データベース221に記憶されていない場合、利用客が所持する端末装置10に搭載されている気圧センサー、照度(環境光)センサー、環境音センサー等からセンサーデータを取得し、建物内部の階層構造を推定する。具体的には、推定部232は、商業施設の階数や高度差、吹き抜け部分が何階から何階までか、推定部232は、コンコース間、ホーム間、ホーム・コンコース間の高度差等を推定する。
学習部233は、ユーザ行動モデル224の学習を行う。例えば、取得部231がユーザの属性情報(年齢、性別、生活エリア等)を取得できれば、学習部233は、ユーザの属性情報に基づいて、商業施設や交通施設等の建物における行動パターンを学習し、ユーザ行動モデル224に記憶させてもよい。また、例えば、取得部231がユーザの端末で使用されている乗換案内アプリケーション等の定期経路データを取得できれば、学習部233は、交通施設の建物における行動パターンを学習し、ユーザ行動モデル224に記憶させてもよい。また、平日、週末、連休等の利用客が一定数以上の場合のユーザの行動パターンについては統計処理等をしてモデル化し、ユーザ行動モデル224に記憶させてもよい。
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、端末装置10から位置情報、気圧情報、加速度情報、照度(環境光)情報、音情報等のセンサー情報を取得し、ユーザの行動態様、施設建物の混雑の度合いを推定する処理手順を示すフローチャートである。
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、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。
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、学習部233とを有する。
100 推定装置
200 情報処理装置
210 通信部
220 記憶部
221 商業施設・交通施設データベース
222 ユーザ行動データ
223 施設建物利用状況データ
224 ユーザ行動モデル
225 地図データベース
230 制御部
231 取得部
232 推定部
233 学習部
Claims (11)
- ユーザが所有する端末装置から前記ユーザの位置情報と高度情報と所定のデモグラフィック情報とを取得する取得部と、
前記位置情報と所定の地図情報とに基づき、前記ユーザが滞在する施設を識別し、前記所定のデモグラフィック情報と、予め記憶した、階層構造を含む施設情報とを用いて所定の行動パターンを学習したユーザ行動モデルを用いて、前記ユーザが滞在する施設の施設情報と前記高度情報とに基づいて、前記施設における前記ユーザの位置を推定する推定部と
を有することを特徴とする推定装置。 - 前記取得部は、ユーザが所有する端末装置から前記ユーザの位置情報と高度情報と所定のデモグラフィック情報とを取得し、
前記推定部は、前記位置情報と所定の地図情報とに基づき、前記ユーザが滞在する施設を識別し、前記ユーザ行動モデルを用いて、前記ユーザが滞在する施設の施設情報と前記高度情報とに基づいて、前記施設の階層構造における前記ユーザの移動態様を推定する
ことを特徴とする請求項1に記載の推定装置。 - 前記取得部は、ユーザが所有する端末装置から、さらに環境音情報を取得し、
前記推定部は、前記位置情報と所定の地図情報とに基づき、前記ユーザが滞在する施設を識別し、前記所定のデモグラフィック情報と、予め記憶した、階層構造と環境音情報とを含む施設情報とを用いて所定の行動パターンを学習した前記ユーザ行動モデルを用いて、前記ユーザが滞在する施設の施設情報と前記高度情報と前記環境音情報とに基づいて、前記施設の階層構造における前記ユーザの移動態様を推定する
ことを特徴とする請求項1又は2に記載の推定装置。 - 前記取得部は、ユーザが所有する端末装置から、さらに環境光情報を取得し、
前記推定部は、前記位置情報と所定の地図情報とに基づき、前記ユーザが滞在する施設を識別し、前記所定のデモグラフィック情報と、予め記憶した、階層構造と環境光情報とを含む施設情報とを用いて所定の行動パターンを学習した前記ユーザ行動モデルを用いて、前記ユーザが滞在する施設の施設情報と前記高度情報と前記環境光情報とに基づいて、前記施設の階層構造における前記ユーザの移動態様を推定する
ことを特徴とする請求項1~3のいずれか1つに記載の推定装置。 - 前記取得部は、ユーザが所有する端末装置から、さらに方角情報を取得し、
前記推定部は、前記位置情報と所定の地図情報とに基づき、前記ユーザが滞在する施設を識別し、前記所定のデモグラフィック情報と、予め記憶した、階層構造と方角情報とを含む施設情報とを用いて所定の行動パターンを学習した前記ユーザ行動モデルを用いて、前記ユーザが滞在する施設の施設情報と前記高度情報と前記方角情報とに基づいて、前記施設の階層構造における前記ユーザの移動態様を推定する
ことを特徴とする請求項1~4のいずれか1つに記載の推定装置。 - 前記取得部は、複数のユーザが所有する端末装置から、各ユーザの位置情報と高度情報と所定のデモグラフィック情報とを取得し、
前記推定部は、前記位置情報と前記所定の地図情報とに基づき、当該各ユーザが滞在する施設を識別し、前記ユーザ行動モデルを用いて、当該各ユーザが滞在する施設の施設情報と前記高度情報とに基づいて、前記施設における当該各ユーザの位置を推定し、所定の施設の中の所定の階に滞在しているユーザの数を推定する
ことを特徴とする請求項1~5のいずれか1つに記載の推定装置。 - 前記推定部は、前記施設情報と、推定された所定の施設の中の所定の階に滞在しているユーザの数とに基づいて、当該所定の階に滞在しているユーザの混雑度合いを推定する
ことを特徴とする請求項6に記載の推定装置。 - 前記推定部は、前記施設情報と、推定された所定の施設の中の所定の階に滞在しているユーザの数とに基づいて、当該施設の全体の混雑の度合いを推定する
ことを特徴とする請求項6に記載の推定装置。 - 前記推定部が、前記ユーザが滞在する施設における前記ユーザの前記階層構造における移動態様を推定した結果を、所定のタイミングで推定部に提供することを学習する学習部を備える
ことを特徴とする請求項2~5のいずれか1つに記載の推定装置。 - 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前記ユーザの位置情報と高度情報と所定のデモグラフィック情報とを取得する取得工程と、
前記位置情報と所定の地図情報とに基づき、前記ユーザが滞在する施設を識別し、前記所定のデモグラフィック情報と、予め記憶した、階層構造を含む施設情報とを用いて所定の行動パターンを学習したユーザ行動モデルを用いて、前記ユーザが滞在する施設の施設情報と前記高度情報とに基づいて、前記施設における前記ユーザの位置を推定する推定工程と
を含むことを特徴とする推定方法。 - ユーザが所有する端末装置から前記ユーザの位置情報と高度情報と所定のデモグラフィック情報とを取得する取得手順と、
前記位置情報と所定の地図情報とに基づき、前記ユーザが滞在する施設を識別し、前記所定のデモグラフィック情報と、予め記憶した、階層構造を含む施設情報とを用いて所定の行動パターンを学習したユーザ行動モデルを用いて、前記ユーザが滞在する施設の施設情報と前記高度情報とに基づいて、前記施設における前記ユーザの位置を推定する推定手順と
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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021036660A JP7388379B2 (ja) | 2021-03-08 | 2021-03-08 | 推定装置、推定方法及び推定プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021036660A JP7388379B2 (ja) | 2021-03-08 | 2021-03-08 | 推定装置、推定方法及び推定プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022136856A JP2022136856A (ja) | 2022-09-21 |
JP7388379B2 true JP7388379B2 (ja) | 2023-11-29 |
Family
ID=83312107
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021036660A Active JP7388379B2 (ja) | 2021-03-08 | 2021-03-08 | 推定装置、推定方法及び推定プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7388379B2 (ja) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008185554A (ja) | 2007-01-31 | 2008-08-14 | Toyota Motor Corp | 車両用経路案内装置 |
JP2011040063A (ja) | 2009-08-13 | 2011-02-24 | Palo Alto Research Center Inc | モバイルデバイスで検知された情報に基づく立ち寄り場所推定方法 |
JP2011232271A (ja) | 2010-04-30 | 2011-11-17 | Clarion Co Ltd | ナビゲーション装置、車載センサの精度推定方法、および、プログラム |
JP2013544351A (ja) | 2010-09-17 | 2013-12-12 | クゥアルコム・インコーポレイテッド | 気圧センサを使用した屋内ポジショニング |
JP2014119293A (ja) | 2012-12-14 | 2014-06-30 | Fuji Xerox Co Ltd | 情報処理装置及び情報処理プログラム |
JP2014164728A (ja) | 2013-02-27 | 2014-09-08 | Nippon Signal Co Ltd:The | 施設利用を管理するシステム |
JP2014178159A (ja) | 2013-03-14 | 2014-09-25 | Keio Gijuku | 測定装置、測定方法及びプログラム |
JP2017004168A (ja) | 2015-06-08 | 2017-01-05 | 日本電信電話株式会社 | 施設混雑度情報提供装置及び施設混雑度情報提供方法 |
JP2017020846A (ja) | 2015-07-08 | 2017-01-26 | Kddi株式会社 | 複数の標高値を用いて高度誤差を推定する装置、プログラム及び方法 |
JP2017026537A (ja) | 2015-07-27 | 2017-02-02 | 清水建設株式会社 | ナビゲーションシステム及びナビゲーションシステムの経路選択方法 |
JP2017072437A (ja) | 2015-10-06 | 2017-04-13 | 株式会社東芝 | 測位用情報処理装置、方法及びプログラム |
-
2021
- 2021-03-08 JP JP2021036660A patent/JP7388379B2/ja active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008185554A (ja) | 2007-01-31 | 2008-08-14 | Toyota Motor Corp | 車両用経路案内装置 |
JP2011040063A (ja) | 2009-08-13 | 2011-02-24 | Palo Alto Research Center Inc | モバイルデバイスで検知された情報に基づく立ち寄り場所推定方法 |
JP2011232271A (ja) | 2010-04-30 | 2011-11-17 | Clarion Co Ltd | ナビゲーション装置、車載センサの精度推定方法、および、プログラム |
JP2013544351A (ja) | 2010-09-17 | 2013-12-12 | クゥアルコム・インコーポレイテッド | 気圧センサを使用した屋内ポジショニング |
JP2014119293A (ja) | 2012-12-14 | 2014-06-30 | Fuji Xerox Co Ltd | 情報処理装置及び情報処理プログラム |
JP2014164728A (ja) | 2013-02-27 | 2014-09-08 | Nippon Signal Co Ltd:The | 施設利用を管理するシステム |
JP2014178159A (ja) | 2013-03-14 | 2014-09-25 | Keio Gijuku | 測定装置、測定方法及びプログラム |
JP2017004168A (ja) | 2015-06-08 | 2017-01-05 | 日本電信電話株式会社 | 施設混雑度情報提供装置及び施設混雑度情報提供方法 |
JP2017020846A (ja) | 2015-07-08 | 2017-01-26 | Kddi株式会社 | 複数の標高値を用いて高度誤差を推定する装置、プログラム及び方法 |
JP2017026537A (ja) | 2015-07-27 | 2017-02-02 | 清水建設株式会社 | ナビゲーションシステム及びナビゲーションシステムの経路選択方法 |
JP2017072437A (ja) | 2015-10-06 | 2017-04-13 | 株式会社東芝 | 測位用情報処理装置、方法及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2022136856A (ja) | 2022-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10295350B2 (en) | Providing a route guide using building information modeling (BIM) data | |
US5335180A (en) | Method and apparatus for controlling moving body and facilities | |
US8963740B2 (en) | Crowd-sourced parking advisory | |
GB2524496A (en) | Dynamic tracking and control of passenger travel progress | |
JP6454222B2 (ja) | データ処理システム、及び、データ処理方法 | |
US11343636B2 (en) | Automatic building detection and classification using elevator/escalator stairs modeling—smart cities | |
US20240272308A1 (en) | Systems and Methods of Determining an Improved User Location Using Real World Map and Sensor Data | |
JP2014235487A (ja) | 情報処理システム、情報処理サーバ、情報処理方法、および、情報処理プログラム | |
US20210406709A1 (en) | Automatic building detection and classification using elevator/escalator/stairs modeling-mobility prediction | |
JP5296720B2 (ja) | 探索情報提供システム、サーバ装置、探索情報提供装置、探索情報提供方法、および、プログラム | |
US20210232819A1 (en) | Method and system of determining a recommended pathway through a physical structure environment | |
JP7388379B2 (ja) | 推定装置、推定方法及び推定プログラム | |
EP3929125A1 (en) | Travel-speed based predictive dispatching | |
JP7004280B2 (ja) | 情報処理システム、情報処理プログラム、情報処理装置、および情報処理方法 | |
JP7155196B2 (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
US11521023B2 (en) | Automatic building detection and classification using elevator/escalator stairs modeling—building classification | |
US11128982B1 (en) | Automatic building detection and classification using elevator/escalator stairs modeling | |
US11494673B2 (en) | Automatic building detection and classification using elevator/escalator/stairs modeling-user profiling | |
JP6678476B2 (ja) | 移動経路推定装置、及び移動経路推定方法 | |
WO2020240932A1 (ja) | 移動需要推定システム、移動需要推定方法、人流推定システムおよび人流推定方法 | |
JP2022006482A (ja) | ナビゲーション装置、及びナビゲーション方法 | |
JP6978230B2 (ja) | 提供装置、提供方法、提供プログラムおよび算出装置 | |
JP7352527B2 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
JP7174979B2 (ja) | 情報処理システム、情報処理プログラム、情報処理装置および情報処理方法 | |
KR102536170B1 (ko) | 폴리곤 서비스 지역 내 노선을 설정하는 장치 및 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210819 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220927 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221128 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230404 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230605 |
|
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: 20231003 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20231026 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231030 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7388379 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |