JP7409397B2 - 情報処理装置及び情報処理方法 - Google Patents

Description

本発明は、情報処理装置及び情報処理方法に関する。

従来より、ＰＯＩ（ＰＯＩＮＴ ＯＦ ＩＮＴＥＲＥＳＴ）のアイコンを表示するナビゲーション装置が知られている（特許文献１）。特許文献１に記載された発明は、ユーザが使用したＰＯＩの使用頻度を記録し、使用頻度が高いＰＯＩのアイコンをディスプレイに表示する。

特開２０１２－５７９５７号公報

しかしながら、特許文献１に記載された発明は、単に使用頻度の高いＰＯＩをディスプレイに表示するのみであり、ＰＯＩにおけるユーザの行動を記録することについて言及がないため、改善の余地がある。

本発明は、上記問題に鑑みて成されたものであり、その目的は、ＰＯＩにおけるユーザの行動を記録することが可能な情報処理装置及び情報処理方法を提供することである。

本発明の一態様に係る情報処理装置は、乗車検出装置から取得した信号によってユーザの乗車を検出したとき、車両の位置情報に基づいてＰＯＩの属性を決定し、ＰＯＩの属性に応じてユーザの車両への乗車前の行動を推定し、ＰＯＩの属性に応じて、推定したユーザの乗車前の行動である推定行動の精度を算出し、算出した推定行動の精度に応じて、少なくともユーザの乗車前の行動に関する質問を含む出力データを出力装置から出力し、質問に対するユーザの回答を入力データとして入力装置を介して取得し、入力データを車両の位置情報、またはＰＯＩと関連付けて記憶装置に記憶する。

本発明によれば、ＰＯＩにおけるユーザの行動を記録することが可能となる。

図１は、本発明の実施形態の全体的な概略を説明する図である。 図２は、本発明の実施形態に係る情報処理装置の概略構成図である。 図３は、本発明の実施形態に係るＰＯＩの一例を説明する図である。 図４は、本発明の実施形態に係るＰＯＩの他の例を説明する図である。 図５は、本発明の実施形態に係る情報処理装置の一動作例を説明するフローチャートである。 図６は、本発明の変形例に係る情報処理装置の概略構成図である。 図７は、本発明の変形例に係る推定行動の精度について説明する図である。 図８は、本発明の変形例に係る質問の構造について説明する図である。 図９は、行動履歴と推定行動の精度との関係について説明する図である。 図１０は、本発明の変形例に係る情報処理装置の一動作例を説明するフローチャートである。 図１１は、本発明の他の実施形態を説明する図である。

以下、本発明の実施形態について、図面を参照して説明する。図面の記載において同一部分には同一符号を付して説明を省略する。

（全体概略図）
図１を参照して、本実施形態の全体的な概略を説明する。図１に示すように、車両４０は、通信ネットワーク３０を介してコンピュータ２０と通信する。

コンピュータ２０は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）２１と、メモリ２２と、通信Ｉ／Ｆ２３と、ストレージ２４とを備え、これらの構成要素が図示しないバスなどを介して電気的に接続されている。コンピュータ２０の設置場所は特に限定されず、任意の場所に設置可能である。

ＣＰＵ２１は、ストレージ２４などに記憶されている様々なプログラムをメモリ２２に読み込んで、プログラムに含まれる各種の命令を実行する。メモリ２２は、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）などの記憶媒体である。ストレージ２４は、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）などの記憶媒体である。なお、コンピュータ２０の機能は、通信ネットワーク３０上に配置されたアプリケーション（Ｓｏｆｔｗａｒｅ ａｓ ａ Ｓｅｒｖｉｃｅ（ＳａａＳ）など）によって提供されてもよい。また、コンピュータ２０は、サーバであってもよい。

通信Ｉ／Ｆ２３は、ネットワークアダプタなどのハードウェア、各種の通信用ソフトウェア、及びこれらの組み合わせとして実装され、通信ネットワーク３０などを介した有線または無線の通信を実現できるように構成されている。

通信ネットワーク３０は、無線または有線の何れかの方式、あるいは両方の方式によって構成されてもよく、通信ネットワーク３０には、インターネットが含まれてもよい。本実施形態では、コンピュータ２０と車両４０は、無線通信方式によって通信ネットワーク３０と接続する。

（情報処理装置の構成例）
次に、図２を参照して、車両４０に搭載される情報処理装置１００の構成例について説明する。

図２に示すように、情報処理装置１００は、センサ群５０と、ＧＰＳ受信機５１と、マイク５２と、記憶装置５３と、スピーカ５４と、コントローラ６０と、を備える。

情報処理装置１００は、自動運転機能を有する車両に搭載されてもよく、自動運転機能を有しない車両に搭載されてもよい。また、情報処理装置１００は、自動運転と手動運転とを切り替えることが可能な車両に搭載されてもよい。なお、本実施形態における自動運転とは、例えば、ブレーキアクチュエータ、アクセルアクチュエータ、ステアリングホイールアクチュエータの内、少なくとも何れかのアクチュエータがユーザの操作なしに制御されている状態を指す。そのため、その他のアクチュエータがユーザの操作により作動していたとしても構わない。また、自動運転とは、加減速制御、横位置制御などのいずれかの制御が実行されている状態であればよい。また、本実施形態における手動運転とは、例えば、ブレーキペダル、アクセルペダル、ステアリングホイールをユーザが操作している状態を指す。

センサ群５０（乗車検出装置）は、ユーザの乗車を検出するために用いられる。センサ群５０には、シートクッションに設けられる感圧センサ（着座センサとも呼ばれる）、車室内のユーザを撮像するカメラ、ドアの開閉を検出するセンサなどが含まれる。コントローラ６０は、これらのセンサから取得した信号を用いてユーザの乗車を検出する。

ＧＰＳ受信機５１は、人工衛星からの電波を受信することにより、地上における車両４０の位置情報を検出する。ＧＰＳ受信機５１が検出する車両４０の位置情報には、緯度情報、及び経度情報が含まれる。ＧＰＳ受信機５１は、検出した車両４０の位置情報をコントローラ６０に出力する。なお、車両４０の位置情報を検出する方法は、ＧＰＳ受信機５１に限定されない。例えば、オドメトリと呼ばれる方法を用いて位置を推定してもよい。オドメトリとは、車両４０の回転角、回転角速度に応じて車両４０の移動量及びと移動方向を求めることにより、車両４０の位置を推定する方法である。

マイク５２は、ユーザの音声入力に用いられる。

記憶装置５３は、コントローラ６０のメモリとは異なる記憶装置であり、例えばハードディスク、ソリッドステートドライブなどである。記憶装置５３には、地図データベース５３ａ、行動履歴データベース５３ｂ、及び質問データベース５３ｃが記憶されている。

地図データベース５３ａには、道路情報、施設情報など経路案内に必要となる地図情報が記憶されている。道路情報とは、例えば、道路の車線数、道路境界線、車線の接続関係などに関する情報である。地図データベース５３ａは、コントローラ６０の要求に応じて地図情報をコントローラ６０に出力する。本実施形態では、情報処理装置１００が地図データベース５３ａを有するものとして説明するが、必ずしも情報処理装置１００が地図データベース５３ａを有する必要はない。地図情報は、車車間通信、路車間通信を用いて取得されてもよい。また、地図情報が外部に設置されたサーバ（例えば図１に示すコンピュータ２０）に記憶されている場合、情報処理装置１００は、通信により随時地図情報をサーバから取得してもよい。また、情報処理装置１００は、サーバから定期的に最新の地図情報を入手して、保有する地図情報を更新してもよい。

地図データベース５３ａには、ＰＯＩ（ＰＯＩＮＴ ＯＦ ＩＮＴＥＲＥＳＴ）に関する情報も記憶されている。本実施形態において、ＰＯＩとは、特定の場所を示すデータである。ＰＯＩには少なくとも、属性、位置情報（緯度、経度）が含まれる。属性とは、レストラン、ショッピングモール、公園など、ＰＯＩを分類するための情報である。さらにＰＯＩには、名称、住所、電話番号、アイコンが含まれてもよい。名称とは、例えばＰＯＩの属性がレストランであれば、レストランの具体的な店舗名を意味する。ＰＯＩの位置情報には緯度、経度の他に高度が含まれてもよい。

行動履歴データベース５３ｂには、ＰＯＩにおけるユーザの行動が、車両４０の位置情報、またはＰＯＩと関連付けられて記憶される。これにより、ＰＯＩにおけるユーザの行動は履歴としてデータベース化される。

質問データベース５３ｃには、ＰＯＩの属性と、ＰＯＩにおけるユーザの行動に関する質問とが関連付けられて記録されている。

コントローラ６０は、ＣＰＵ（中央処理装置）、メモリ、及び入出力部を備える汎用のマイクロコンピュータである。マイクロコンピュータには、情報処理装置１００として機能させるためのコンピュータプログラムがインストールされている。コンピュータプログラムを実行することにより、マイクロコンピュータは、情報処理装置１００が備える複数の情報処理回路として機能する。なお、ここでは、ソフトウェアによって情報処理装置１００が備える複数の情報処理回路を実現する例を示すが、もちろん、以下に示す各情報処理を実行するための専用のハードウェアを用意して、情報処理回路を構成することも可能である。また、複数の情報処理回路を個別のハードウェアにより構成してもよい。コントローラ６０は、複数の情報処理回路の一例として、ユーザ特定部６１と、目的地到着判断部６２と、音声解析部６３と、行動履歴更新部６４と、行動推定部６５と、質問選択部６６と、乗車検出部６７と、質問出力部６８と、を備える。

スピーカ５４は、車両４０の車室内に設置され、音声を出力する。

ユーザ特定部６１は、ユーザが車両４０に乗車したときに撮像された顔画像を用いてユーザを特定する。具体的には、ユーザ特定部６１は、撮像された顔画像と、予め記憶装置５３に登録されている顔画像とが一致するかまたは類似するかを判定する。撮像された顔画像と、予め記憶装置５３に登録されている顔画像とが一致するまたは類似する場合、ユーザ特定部６１は、車両４０に乗車したユーザを予め登録されているユーザとして特定する。なお、このような顔認識は、イグニッションがオフでも実施可能である。

その他のユーザ特定方法として、インテリジェンスキー（スマートキーと呼ばれる場合もある）のＩＤを用いてもよい。インテリジェンスキーシステムでは、車両とキーの両方に、電波を発信するアンテナと、電波を受信する受信機が設けられる。ユーザがドアハンドル、トランクなどに付いているスイッチを押すと、車両のアンテナから電波が発信され、その電波を受けたキーは自動で電波を返す。この電波を車両の受信機が受信することで施錠もしくは開錠が行われる。キーが発信する電波には識別暗号が含まれており、その暗号を予め車両に登録して使用される。この識別暗号と、ユーザ情報とを関連付けることにより、ユーザの特定が可能となる。

目的地到着判断部６２は、車両４０が目的地に到着したか否かを判断する。本実施形態において、目的地とは、ユーザがナビゲーション装置（図示せず）を操作して設定した目的地をいう。目的地の位置情報は、地図データベース５３ａに記憶されている。目的地到着判断部６２は、ＧＰＳ受信機５１から取得した車両４０の位置情報と、地図データベース５３ａに記憶されている目的地の位置情報とを照らし合わせ、両者が一致、またはほぼ一致したとき、車両４０が目的地に到着したと判断する。

音声解析部６３は、マイク５２を介して入力されたユーザの音声を解析する。解析方法には、周知の方法が用いられる。

行動履歴更新部６４は、ユーザがＰＯＩで行った行動を、車両４０の位置情報、またはＰＯＩと関連付けて行動履歴データベース５３ｂに記憶して、ＰＯＩにおけるユーザの行動履歴を更新する。

行動推定部６５は、ユーザの乗車前の行動を推定する。本実施形態において、ユーザの乗車前の行動とは、ユーザが車両４０に乗車する前において行った行動を意味する。より詳しくは、ユーザの乗車前の行動とは、ユーザが車両４０に乗車する前に、ユーザが目的地で行った行動を意味する。

また、行動推定部６５は、通信ネットワーク３０を介してコンピュータ２０からユーザのスケジュールデータを取得する。ユーザのスケジュールデータには、いつ（Ｗｈｅｎ）、どこで（Ｗｈｅｒｅ）、何をする（Ｗｈａｔ）といったユーザの行動予定に関する情報が含まれる。なお、スケジュールデータは、ユーザが保持する端末（例えばスマートフォン）から取得されてもよい。

質問選択部６６は、行動推定部６５によって推定された行動と質問データベース５３ｃとを参照して、ユーザに行う質問を選択する。質問選択部６６が質問を選択したとき、選択された質問を示す信号は質問出力部６８に出力される。

乗車検出部６７は、センサ群５０から取得した信号に基づいて、ユーザの乗車を検出する。具体的には、乗車検出部６７は、感圧センサから抵抗値の変化を示す信号を取得したとき、ユーザが乗車したことを検出する。あるいは、乗車検出部６７は、カメラ画像の解析により、車室内にユーザが居ることが検出されたとき、ユーザが乗車したことを検出する。なお、乗車検出部６７は、ドアの開閉が検出された後に感圧センサから抵抗値の変化を示す信号を取得したとき、ユーザが乗車したことを検出してもよい。乗車検出部６７がユーザの乗車を検出したとき、検出されたことを示す信号は質問出力部６８に出力される。

質問出力部６８は、ユーザ８０の乗車が検出されたことを示す信号を受信したとき、質問選択部６６によって選択された質問を出力する。質問は、スピーカ５４を介して音声で出力されてもよく、ディスプレイ（例えばナビゲーション装置のディスプレイ）に文字情報で出力されてもよい。本実施形態では、質問は、スピーカ５４を介して音声で出力されるものとして説明する。

次に、図３を参照して、ユーザがＰＯＩで行った行動の記憶方法の一例について説明する。

図３に示すシーンは、車両４０が、ユーザ８０によって設定された目的地（ここではラーメン屋９０）に到着し、ラーメン屋９０の駐車場で駐車したシーンである。ユーザ８０は車両４０から降車し、ラーメン屋９０に入る。ユーザ８０は、ラーメン屋９０での用事を済ませた後、ラーメン屋９０から出て車両４０に乗車する。

車両４０が目的地に到着したことが目的地到着判断部６２によって判断されたとき、判断されたことを示す信号が行動推定部６５に出力される。この信号を受信した行動推定部６５は、ユーザ８０の乗車前の行動を推定する。上述した通り、ユーザ８０の乗車前の行動とは、ユーザ８０が車両４０に乗車していないときの、ユーザ８０が目的地で行った行動を意味する。図３に示す例では、ユーザ８０の目的地はラーメン屋９０であるため、ユーザ８０の乗車前の行動とは、ユーザ８０がラーメン屋９０で行った行動を意味する。

行動推定部６５によるユーザ８０の行動の推定方法について説明する。まず行動推定部６５は、ＧＰＳ受信機５１から車両４０の位置情報を取得する。より詳しくは、行動推定部６５は、車両４０が目的地に到着したことが目的地到着判断部６２によって判断されたときの車両４０の位置情報を取得する。

行動推定部６５は、車両４０の位置情報と地図データベース５３ａとを照らし合わせ、現在地（車両４０の駐車位置）のＰＯＩを取得する。具体的には行動推定部６５は、図３に示すように、ＰＯＩの位置情報（緯度、経度）と、ＰＯＩの属性（ラーメン屋）を取得する。図３に示す例では、車両４０はラーメン屋９０の駐車場で駐車しているため、車両４０の位置情報はＰＯＩの位置情報とみなせる。行動推定部６５は、車両４０の位置情報と一致する、あるいはほぼ一致するＰＯＩの位置情報を取得する。そして、行動推定部６５は、ＰＯＩの位置情報と関連付けられているＰＯＩの属性を取得する。

このように、行動推定部６５は、車両４０の位置情報と地図データベース５３ａとを照らし合わせることにより、現在地がラーメン屋９０であることを把握する。次に行動推定部６５は、記憶装置５３に記憶されている、ＰＯＩの属性とユーザの行動種類とが関連付けられたテーブルデータを参照して、ユーザ８０の乗車前の行動を推定する。本実施形態においてユーザの行動種類とは、ＰＯＩにおいてユーザが行い得る行動を分類したものである。例えば、ＰＯＩの属性がレストランである場合、ユーザの行動種類として、食事、打合せの２つの行動がレストランと関連付けられて記憶されている。ただし、ユーザの行動種類は、複数でなく、単一でもよい。図３に示すように、ＰＯＩの属性がラーメン屋である場合、ユーザの行動種類として食事のみがラーメン屋と関連付けられている。よって、図３に示す例では、行動推定部６５によって推定される、ユーザ８０の乗車前の行動は、食事となる。

行動推定部６５による推定結果に係る信号は、質問選択部６６に出力される。行動推定部６５からの信号を受信した質問選択部６６は、ユーザ８０の乗車前の行動（食事）と、質問データベース５３ｃとを参照することによって、ユーザに行う質問を選択する。上述したように、質問データベース５３ｃには、ＰＯＩの属性と、ＰＯＩにおけるユーザの行動に関する質問とが関連付けられて記録されている。質問選択部６６は、ユーザ８０の乗車前の行動（食事）と、質問データベース５３ｃとを参照することによって、食事に関する質問を選択することが可能となる。食事に関する質問として、例えば、「何か食べましたか？」というＹＥＳまたはＮＯで回答可能な二者択一形式の質問が記憶されている。また、「何を食べましたか？」という具体的な回答を求める質問も記憶されている。質問選択部６６は、食事に関する質問であれば、任意に選択可能である。質問選択部６６が質問を選択したとき、選択された質問を示す信号が質問出力部６８に出力される。

ユーザ８０に質問するタイミングは、特に限定されないが、ユーザ８０が車両４０に乗車した直後が考えられる。理由は、ユーザ８０が車両４０に乗車してから時間が経過するにつれて、ユーザ８０はＰＯＩで行った行動を忘れる可能性があるからである。このため、乗車検出部６７は、センサ群５０から取得した信号に基づいて、ユーザの乗車を検出する。乗車検出部６７によってユーザ８０の乗車が検出されたとき、検出されたことを示す信号が質問出力部６８に出力される。

質問出力部６８は、ユーザ８０の乗車が検出されたことを示す信号を受信したとき、質問選択部６６によって選択された質問をスピーカ５４を介して音声でユーザに行う。ここで、質問として、「何か食べましたか？」という質問が行われたと仮定する。

この質問に対し、ユーザ８０は、マイク５２を用いて音声で回答する。音声解析部６３は、ユーザ８０の音声データを解析する。ユーザ８０が「はい」と回答した場合、音声解析によって、ユーザ８０がラーメン屋９０で行った行動が食事であったことが確定する。行動履歴更新部６４は、車両４０の位置情報と、ユーザ８０がラーメン屋９０で行った食事という行動とを関連付けて行動履歴データベース５３ｂに記憶する。また、行動履歴更新部６４は、ＰＯＩと、ユーザ８０がラーメン屋９０で行った食事という行動とを関連付けて行動履歴データベース５３ｂに記憶してもよい。このように本実施形態によれば、ＰＯＩにおけるユーザ８０の行動を記録することが可能となる。

行動履歴データベース５３ｂに記憶されるデータは、例えば、ユーザ８０の回答が入力された時の日時、車両４０の位置情報、ＰＯＩ（位置情報及び属性）、ＰＯＩにおける行動内容である。

次の、図４を参照して、ユーザがＰＯＩで行った行動の記憶方法の他の例について説明する。

図４に示すシーンは、車両４０が、ユーザ８０によって設定された目的地（ここではショッピングモール９１）に到着し、ショッピングモール９１の駐車場で駐車したシーンである。ユーザ８０は車両４０から降車し、ショッピングモール９１に入る。ユーザ８０は、ショッピングモール９１での用事を済ませた後、ショッピングモール９１から出て車両４０に乗車する。

図３に示す例と同様に、行動推定部６５は、車両４０の位置情報と地図データベース５３ａとを照らし合わせることにより、現在地がショッピングモール９１であることを把握する。次に行動推定部６５は、ＰＯＩの属性とユーザの行動種類とが関連付けられたテーブルデータを参照して、ユーザ８０の行動を推定する。

本実施形態において、ショッピングモール９１は、複数の小売店舗、飲食店、美容院、旅行代理店、スポーツジムなどが入居する商業施設である。なお、ショッピングモールはショッピングセンターと呼ばれる場合もある。

ショッピングモール９１におけるユーザの行動種類には、食事、買い物、待ち合せ、散髪、運動などの複数の行動が含まれる。複数の行動の中から、精度よくユーザ８０の行動を推定するために、行動推定部６５は、コンピュータ２０から取得した、ユーザ８０のスケジュールデータを参照する。上述したようにスケジュールデータにはユーザ８０の行動予定に関する情報が含まれているため、行動推定部６５はスケジュールデータを参照することによって、ショッピングモール９１におけるユーザの行動を精度よく推定することが可能となる。ここでスケジュールデータには、ユーザ８０の行動予定としてショッピングモール９１で食事する、という情報が含まれていたと仮定する。この場合、行動推定部６５はスケジュールデータを参照することによって、ショッピングモール９１におけるユーザの行動を食事と推定する。

行動推定部６５からの信号を受信した質問選択部６６は、ユーザ８０の乗車前の行動（食事）と、質問データベース５３ｃとを参照することによって、ユーザに行う質問を選択する。ここでは図３に示す例と同様に「何か食べましたか？」という質問が行われたと仮定する。

この質問に対し、ユーザ８０は、マイク５２を用いて音声で回答する。音声解析部６３は、ユーザ８０の音声データを解析する。ユーザ８０が「はい」と回答した場合、音声解析によって、ユーザ８０がショッピングモール９１で行った行動が食事であったことが確定する。行動履歴更新部６４は、車両４０の位置情報と、ユーザ８０がショッピングモール９１で行った食事という行動とを関連付けて行動履歴データベース５３ｂに記憶する。また、行動履歴更新部６４は、ＰＯＩと、ユーザ８０がショッピングモール９１で行った食事という行動とを関連付けて行動履歴データベース５３ｂに記憶してもよい。このようにＰＯＩにおけるユーザの行動種類が複数あったとしても、スケジュールデータの参照により、ＰＯＩにおけるユーザ８０の行動を正確に記録することが可能となる。

なお、行動推定部６５は、行動履歴データベース５３ｂに記憶されているユーザ８０の行動履歴を参照して、ユーザ８０の行動を推定してもよい。例えば、行動履歴に記憶されている行動のうち、回数が多い行動をユーザ８０の行動として推定してもよい。

次に、図５のフローチャートを参照して、情報処理装置１００の一動作例を説明する。

ステップＳ１０１において、ユーザ特定部６１は、カメラで撮像された顔画像、インテリジェンスキーから発信される識別暗号などを用いて車両４０に乗車したユーザ８０を特定する。処理はステップＳ１０３に進み、ユーザ８０によって目的地が設定される。

処理はステップＳ１０５に進み、目的地到着判断部６２は、ＧＰＳ受信機５１から取得した車両４０の位置情報と、地図データベース５３ａに記憶されている目的地の位置情報とを照らし合わせることにより、車両４０が目的地に到着したか否かを判断する。車両４０が目的地に到着したと判断された場合（ステップＳ１０５でＹＥＳ）、処理はステップＳ１０７に進む。一方、車両４０が目的地に到着したと判断されない場合（ステップＳ１０５でＮＯ）、処理は待機する。

ステップＳ１０７において、行動推定部６５は、ユーザの乗車前の行動を推定する。具体的には、行動推定部６５は、ＧＰＳ受信機５１から取得した車両４０の位置情報と地図データベース５３ａとを照らし合わせ、現在地（車両４０の駐車位置）のＰＯＩを取得する。これにより、行動推定部６５は、現在地がラーメン屋９０である（図３参照）、あるいは現在地がショッピングモール９１である（図４参照）ことを把握できる。行動推定部６５は、ＰＯＩの属性（ラーメン屋、ショッピングモール）とユーザの行動種類とが関連付けられたテーブルデータを参照して、ユーザ８０の乗車前の行動を推定する。行動推定部６５による推定結果に係る信号は、質問選択部６６に出力される。

処理はステップＳ１０９に進み、行動推定部６５からの信号を受信した質問選択部６６は、ユーザ８０の乗車前の行動と、質問データベース５３ｃとを参照することによって、ユーザに行う質問を選択する。質問選択部６６によって選択された質問を示す信号は質問出力部６８に出力される。

処理はステップＳ１１１に進み、乗車検出部６７は、センサ群５０から取得した信号に基づいて、ユーザの乗車を検出する。乗車検出部６７によってユーザ８０の乗車が検出されたとき、ユーザ８０の乗車が検出されたことを示す信号が質問出力部６８に出力される。

処理はステップＳ１１３に進み、質問出力部６８は、ユーザ８０の乗車が検出されたことを示す信号を受信したとき、質問選択部６６によって選択された質問をスピーカ５４を介して音声でユーザに行う。

マイク５２を通して音声による回答が入力された場合（ステップＳ１１５でＹＥＳ）、処理はステップＳ１１７に進む。ユーザ８０の回答が得られない場合（ステップＳ１１５でＮＯ）、処理は待機する。なお、ユーザ８０から回答を得る方法は、音声に限定されず、タッチパネルの操作によってユーザ８０の回答が取得されてもよい。

ステップＳ１１７において、音声解析部６３は、ユーザ８０の音声データを解析する。音声解析部６３による解析結果に基づいて、行動履歴更新部６４は、車両４０の位置情報と、ユーザ８０がＰＯＩで行った行動とを関連付けて行動履歴データベース５３ｂに記憶する。行動履歴更新部６４は、ＰＯＩと、ユーザ８０がＰＯＩで行った行動とを関連付けて行動履歴データベース５３ｂに記憶してもよい。

（作用効果）
以上説明したように、本実施形態に係る情報処理装置１００によれば、以下の作用効果が得られる。

情報処理装置１００は、コントローラ６０と、ユーザ８０の車両４０に対する乗車を検出する乗車検出装置（センサ群５０）と、ユーザ８０の行動データを記録する記憶装置（行動履歴データベース５３ｂ）と、ユーザ８０に対し回答を求める質問データを出力する出力装置（スピーカ５４）と、ユーザ８０からの入力を受け付ける入力装置（マイク５２）と、を備える。

コントローラ６０は、乗車検出装置から取得した信号によってユーザ８０の乗車を検出したとき、車両４０の位置情報に基づいて、少なくともユーザ８０の前記車両への乗車前の行動に関する質問を含む出力データを出力装置から出力する。コントローラ６０は、質問に対するユーザ８０の回答を入力データとして入力装置を介して取得する。そして、コントローラ６０は、入力データを車両４０の位置情報、またはＰＯＩと関連付けて記憶装置に記憶する。これにより、ＰＯＩにおけるユーザ８０の行動を正確に記録することが可能となる。

コントローラ６０は、車両４０の位置情報に基づいて決定されるＰＯＩの属性に応じて質問を決定する。図３に示すように、車両４０はラーメン屋９０の駐車場で駐車しているため、車両４０の位置情報に基づいてＰＯＩの属性はラーメン屋９０であると決定される。記憶装置（質問データベース５３ｃ）には、ＰＯＩの属性（ラーメン屋）と、ＰＯＩにおけるユーザの行動（食事）に関する質問とが関連付けられて記録されているため、コントローラ６０は、ＰＯＩの属性に応じて質問を決定することができる。

コントローラ６０は、行動履歴データベース５３ｂに記憶されている行動履歴、またはＰＯＩの属性に応じて乗車前の行動を推定してもよい。図３に示すように、ＰＯＩの属性がラーメン屋であれば、コントローラ６０は、乗車前の行動は食事と推定することができる。また、コントローラ６０は、行動履歴に記憶されている行動のうち、回数が多い行動をユーザ８０の行動として推定してもよい。これにより、コントローラ６０は、精度よく乗車前の行動を推定することができる。

コントローラ６０は、通信によりユーザ８０の行動予定に関するデータ（ユーザ８０のスケジュールデータ）を取得し、このスケジュールデータを参照して質問を決定してもよい。これにより、ＰＯＩにおけるユーザの行動種類が複数あったとしても、適切な質問を決定することが可能となり、ＰＯＩにおけるユーザ８０の行動を正確に記録することが可能となる。なお、通信とは、コンピュータ２０（サーバ）との通信、またはユーザ８０が保持する端末との通信を意味する。

入力データは、ユーザ８０の音声を変換したデータ、または、ユーザ８０からの操作を受け付けて生成されたデータである。質問に対するユーザ８０の回答手段として、マイク５２、タッチパネルが用いられる。ユーザ８０は、マイク５２、タッチパネルを用いることにより簡単に回答することができる。

コントローラ６０は、ユーザ８０によって設定された目的地に車両４０が到着した後にユーザ８０の降車を検出し、さらにその後、ユーザ８０の乗車を検出したときに質問を出力する。これにより、コントローラ６０は、適切なタイミングで質問することができる。

ＰＯＩは、車両４０の位置情報の周囲に位置するＰＯＩ、車両４０に備えられたナビゲーション装置において設定された目的地、通信により取得されたユーザ８０の行動予定に関するデータに含まれるＰＯＩ、または、通信により取得されたユーザ８０の乗車前の行動履歴に関するデータに含まれるＰＯＩのいずれかであってもよい。

［変形例］
次に本実施形態の変形例について説明する。

図６に示すように、変形例に係る情報処理装置１０１は、精度算出部６９をさらに備える。精度算出部６９は、行動推定部６５によって推定されたユーザ８０の行動の、確からしさ（蓋然性）を示す精度を算出する。推定精度は、低、中、高の３段階で評価されてもよく、確率（０％～１００％）で評価されてもよい。

図７を参照して、ユーザ８０がＰＯＩで行った行動の記憶方法の一例について説明する。

図７では、ＰＯＩの属性として、レストラン、ショッピングモール、教室を取り上げて説明する。本実施形態において、教室には、水泳教室、ダンス教室、生け花教室などが含まれる。レストランにおけるユーザの行動種類には、食事、打合せなどが含まれる。ショッピングモールにおけるユーザの行動種類には、上述したように食事、買い物、待ち合せ、散髪、運動などが含まれる。教室におけるユーザの行動種類には、運動、稽古などが含まれる。

上述したようにＰＯＩの属性とユーザの行動種類とが関連付けられているため、図７に示すように行動推定部６５は、上述の行動種類の中からユーザ８０の行動を推定する。なお、説明の都合上、図７において、ショッピングモールにおけるユーザの推定行動は、食事、買い物、待ち合せを例示する。

図７に示すように、推定の対象となる行動が複数ある場合、行動推定部６５によって推定された行動（以下単に推定行動ともいう）の精度は高いことが求められるが、常に精度よく推定されるとは限らない。推定行動の精度は高いことが求められる理由は、推定行動が間違っていた場合、ユーザ８０への質問は的外れとなってしまうからである。しかしながら、上述したように、常に精度よく推定されるとは限らない。

そこで変形例に係る情報処理装置１０１は、推定行動の精度を算出し、算出した精度に応じて質問を決定する。推定行動の精度を算出するために、行動履歴データベース５３ｂに記憶されているユーザ８０の行動履歴が用いられる。ここでは、行動履歴データベース５３ｂに記憶されているユーザ８０の行動履歴がゼロの場合と、行動履歴データベース５３ｂに記憶されているユーザ８０の行動履歴が所定回数（例えば１０回）の場合の２つに分けて説明する。

まず、行動履歴データベース５３ｂに記憶されているユーザ８０の行動履歴がゼロの場合について説明する。

ユーザ８０の目的地がレストランである場合、図７に示すように、行動推定部６５によって推定される行動は、食事、または打合せとなる。行動推定部６５は、食事、打合せの内、どちらか一方を推定する。推定方法は特に限定されないが、一例として、行動推定部６５は、一般的に確率が高いと想定される行動を推定してもよい。レストランにおける行動のうち、一般的に確率が高いと想定される行動は食事である。この点もテーブルデータに記憶されている。よって行動推定部６５は、ＰＯＩの属性がレストランであるとき、テーブルデータを参照してユーザ８０の行動は食事であると推定してもよい。

また、他の例として、行動推定部６５は、行動履歴データベース５３ｂに記憶されているユーザ８０の行動履歴を参照して、ユーザ８０の行動を推定してもよい。例えば、行動履歴に記憶されている行動のうち、回数が多い行動をユーザ８０の行動として推定してもよい。ただし、行動履歴がゼロの場合、この方法は使えない。

精度算出部６９は、行動推定部６５によって推定された食事という行動の精度を算出する。まず精度算出部６９は、行動履歴データベース５３ｂを参照して、レストランにおけるユーザ８０の行動履歴を取得する。ここで、レストランにおけるユーザ８０の行動履歴はゼロであるため、精度算出部６９は、ユーザ８０がレストランに来たのは初めて（１回目）だと判断する。この場合、精度算出部６９は、ユーザ８０がレストランで行った行動が食事である可能性は低い、と判断する。理由は、ユーザ８０がレストランで行う行動として、食事なのか、あるいは打合せなのかを判断することが難しいからである。食事のほうが一般的に確率が高いと想定されるが、打合せの可能性を排除できない。よって、精度算出部６９は、行動推定部６５によって推定された食事という行動の精度は低いと算出する。そして、算出結果を示す信号が質問選択部６６に出力される。

精度算出部６９からの信号を受信した質問選択部６６は、行動推定部６５によって推定された食事という行動の精度は低いことを把握する。この把握により、質問選択部６６は、食事に関する質問の選択を回避し、ユーザ８０の行動自体を問う質問を選択する。ユーザ８０の行動自体を問う質問を選択する理由は、将来ユーザ８０がレストランに再度来る場合に備えて、行動履歴を蓄積するためである。

行動自体を問う質問として、図７に示すように、「何をしていましたか？」という質問が挙げられる。質問に対するユーザ８０の回答は、車両４０の位置情報、またはＰＯＩと関連付けられて行動履歴データベース５３ｂに記憶される。このように、行動履歴データベース５３ｂに記憶されているユーザ８０の行動履歴がゼロの場合は、ユーザ８０の行動自体を問う質問を行うことにより、将来ユーザ８０がレストランに再度来る場合に備えて、行動履歴を蓄積することができる。また、ユーザ８０の行動自体を問う質問を行うことにより、的外れな質問を回避することが可能となる。

次に、行動履歴データベース５３ｂに記憶されているユーザ８０の行動履歴が所定回数（例えば１０回）の場合について説明する。

行動履歴データベース５３ｂに記憶されているユーザ８０の行動履歴がゼロの場合と同様に、ユーザ８０の目的地はレストランであると仮定する。精度算出部６９は、行動履歴データベース５３ｂを参照して、レストランにおけるユーザ８０の行動履歴を取得する。ここで、１０回の行動履歴の内、食事が７回、打合せが３回であったと仮定する。この場合、食事の回数は打合せの回数より多いため、精度算出部６９は、ユーザ８０がレストランで行った行動が食事である可能性は中程度、と算出する。換言すれば、精度算出部６９は、行動推定部６５によって推定された食事という行動の精度は中程度と算出する。そして、算出結果を示す信号が質問選択部６６に出力される。なお、行動推定部６５によって推定された食事という行動の精度は、確率として算出されてもよい。１０回の行動履歴の内、食事が７回、打合せが３回である場合、ユーザ８０がレストランで行う行動が食事である確率は７０％であると算出されてもよい。なお、行動推定部６５によって推定された行動の精度が中程度とは、確率に換算すれば７０％程度である。

精度算出部６９からの信号を受信した質問選択部６６は、ユーザ８０がレストランで行った行動として食事である可能性が高いと判断し、食事に関する質問を選択する。食事に関する質問として、図７に示すように、「何か食べましたか？」、「何か飲みましたか？」という質問が挙げられる。質問に対するユーザ８０の回答は、車両４０の位置情報、またはＰＯＩと関連付けられて行動履歴データベース５３ｂに記憶される。なお、１０回の行動履歴の内、食事が３回、打合せが７回である場合、質問選択部６６は打合せに関する質問を選択する。打合せに関する質問として、図７に示すように、「何かの打合せ？」、「誰かと打合せ？」という質問が挙げられる。

所定回数を１０回として説明したが、所定回数は１０回に限定されない。行動履歴データベース５３ｂに記憶されているユーザ８０の行動履歴の回数は多いほど、推定行動の精度向上に寄与する。換言すれば、行動履歴データベース５３ｂに記憶されているユーザ８０の行動履歴の回数は少ないほど、推定行動の精度はばらつく。よって、行動履歴データベース５３ｂに記憶されているユーザ８０の行動履歴の回数が５回未満の場合、行動履歴データベース５３ｂに記憶されているユーザ８０の行動履歴の回数はゼロとして扱われてもよい。

同様に、ユーザ８０の目的地がショッピングモールであり、行動推定部６５によって推定されたユーザ８０の行動（食事）の精度は中程度と算出された場合、質問選択部６６は食事に関する質問を選択する。食事に関する質問は、上述と同じであるため省略する。同様に、行動推定部６５によって推定されたユーザ８０の行動（買い物）の精度は中程度と算出された場合、質問選択部６６は買い物に関する質問を選択する。買い物に関する質問として、図７に示すように、「何か買いましたか？」、「何かありましたか？」という質問が挙げられる。同様に、行動推定部６５によって推定されたユーザ８０の行動（待ち合せ）の精度は中程度と算出された場合、質問選択部６６は待ち合せに関する質問を選択する。待ち合せに関する質問として、図７に示すように、「誰かと待ち合せですか？」、「○○さん？」という質問が挙げられる。

同様に、ユーザ８０の目的地が教室であり、行動推定部６５によって推定されたユーザ８０の行動（運動）の精度は中程度と算出された場合、質問選択部６６は運動に関する質問を選択する。運動に関する質問として、図７に示すように、「運動しましたか？」、「水泳？ヨガ？ダンス？」という質問が挙げられる。同様に、行動推定部６５によって推定されたユーザ８０の行動（稽古）の精度は中程度と算出された場合、質問選択部６６は稽古に関する質問を選択する。稽古に関する質問として、図７に示すように、「習い事ですか？」、「お花？お茶？お習字？」という質問が挙げられる。

このように行動推定部６５によって推定されたユーザ８０の行動の精度を算出し、算出した精度に応じて質問を決定することにより、的外れな質問を回避することが可能となる。

次に、レストランにおける１０回の行動履歴の内、食事が１０回、打合せが０回であったと仮定する。この場合、行動履歴の全てが食事であるため、精度算出部６９は、ユーザ８０がレストランで行う行動が食事である可能性は高い、と算出する。換言すれば、精度算出部６９は、行動推定部６５によって推定されたユーザ８０の行動（食事）の精度は高いと算出する。そして、算出結果を示す信号が質問選択部６６に出力される。なお、ユーザ８０がレストランで行う行動が食事である確率は１００％であると算出されてもよい。

精度算出部６９からの信号を受信した質問選択部６６は、ユーザ８０がレストランで行った行動として食事である可能性が極めて高いと判断し、食事に関する質問の中から、精度が中程度のときの質問よりも深堀りした質問を選択する。深堀りした質問として、図７に示すように、「美味しかったですか？」、「また食べに来たいですか？」という質問が挙げられる。音声解析部６３は、この質問に対するユーザ８０の回答を肯定的であるかあるいは否定的であるかに分類することができる。行動履歴更新部６４は、分類された結果を分類データとしてＰＯＩに関連付けて行動履歴データベース５３ｂに記録することができる。ユーザ８０の回答を肯定的あるいは否定的に分類することにより、次回ユーザ８０に質問する際に、さらに深堀りした質問が可能となる。

なお、１０回の行動履歴の内、食事が０回、打合せが１０回である場合、質問選択部６６は打合せに関する質問の中から、精度が中程度のときの質問よりも深堀りした質問を選択する。深堀りした質問として、図７に示すように、「無事終わりましたか？」、「○○さんは元気でしたか？」という質問が挙げられる。

同様に、ユーザ８０の目的地がショッピングモールであり、行動推定部６５によって推定されたユーザ８０の行動（食事）の精度は高いと算出された場合、質問選択部６６は食事に関する質問の中から、精度が中程度のときの質問よりも深堀りした質問を選択する。深堀りした質問は、上述と同じであるため省略する。同様に、行動推定部６５によって推定されたユーザ８０の行動（買い物）の精度は高いと算出された場合、質問選択部６６は買い物に関する質問の中から、精度が中程度のときの質問よりも深堀りした質問を選択する。深堀りした質問として、図７に示すように、「安いものがありましたか？」、「良い物を買えましたか？」という質問が挙げられる。同様に、行動推定部６５によって推定されたユーザ８０の行動（待ち合せ）の精度は高いと算出された場合、質問選択部６６は待ち合せに関する質問の中から、精度が中程度のときの質問よりも深堀りした質問を選択する。深堀りした質問として、図７に示すように、「無事に会えましたか？」、「○○さんは元気でしたか？」という質問が挙げられる。

同様に、ユーザ８０の目的地が教室であり、行動推定部６５によって推定されたユーザ８０の行動（運動）の精度は高いと算出された場合、質問選択部６６は運動に関する質問の中から、精度が中程度のときの質問よりも深堀りした質問を選択する。深堀りした質問として、図７に示すように、「いい汗をかきましたか？」、「気持ち良かったですか？」という質問が挙げられる。同様に、行動推定部６５によって推定されたユーザ８０の行動（稽古）の精度は高いと算出された場合、質問選択部６６は稽古に関する質問の中から、精度が中程度のときの質問よりも深堀りした質問を選択する。深堀りした質問として、図７に示すように、「上手になりましたか？」、「悟りを開けましたか？」という質問が挙げられる。

このように行動推定部６５によって推定されたユーザ８０の行動の精度を算出し、算出した精度に応じて質問を決定することにより、ユーザ８０との会話を活発化させることが可能となる。

なお、精度算出部６９は推定行動の精度を算出する際に、ユーザ８０のスケジュールデータを参照してもよい。スケジュールデータの参照により、算出する精度を向上させることが可能となる。上述では、行動履歴データベース５３ｂに記憶されているユーザ８０の行動履歴がゼロの場合、推定行動（食事）の精度は低いと説明した。この場合において、スケジュールデータに「レストランで食事する」という情報が含まれていれば、行動推定部６５はスケジュールデータを参照することによって、推定行動（食事）の精度は中程度、あるいは高いと算出することも可能である。

次に、図８を参照して、質問データベース５３ｃに記憶されている質問の構造の一例について説明する。

図８に示すように、質問は、複数の階層（第１階層～第３階層）に分類されて質問データベース５３ｃに記憶されている。質問選択部６６は、精度算出部６９によって算出された推定行動の精度に応じていずれかの階層に属する質問を選択する。具体的には、質問選択部６６は、推定行動の精度が第１所定値より小さい場合は、第１階層に含まれる質問を選択する。図８に示すように、第１階層に含まれる質問は、ユーザ８０の行動自体を問う質問である。

質問選択部６６は、推定行動の精度が第１所定値以上、かつ第２所定値以下の場合（第１所定値＜第２所定値）は、第２階層に含まれる質問を選択する。図８に示すように、第２階層に含まれる質問は、推定行動を確認するための質問である。

質問選択部６６は、推定行動の精度が第２所定値より大きい場合は、第３階層に含まれる質問を選択する。図８に示すように、第３階層に含まれる質問は、乗車前の行動に関する感想あるいは評価を回答させる質問である。第３階層には、ＰＯＩに関する感想あるいは評価を回答させる質問が含まれてもよい。乗車前の行動に関する感想あるいは評価を回答させる質問として、乗車前の行動が食事であれば、図８に示すように「美味しかったですか？」、「また食べに来たいですか？」という質問が挙げられる。ＰＯＩに関する感想あるいは評価を回答させる質問として、ＰＯＩの属性がレストランであれば、図８に示すように「店内は清潔でしたか？」という質問が挙げられる。

図８に示す第１所定値、第２所定値として、精度算出部６９によって算出された確率が用いられてもよい。例えば、第１所定値は３０％、第２所定値は７０％であってもよい。第１階層は、図７における推定精度が低いに該当する。第２階層は、図７における推定精度が中程度に該当する。第３階層は、図７における推定精度が高いに該当する。

第１階層から第３階層に向かうにつれて、すなわち、推定行動の精度が高くなるにつれて、質問が掘り下げられる。ＰＯＩにおけるユーザ８０の行動は、行動履歴データベース５３ｂに記録され、行動履歴が蓄積される。行動履歴の蓄積が増えるほど、精度算出部６９によって算出される推定行動の精度が高くなり、質問が掘り下げられる。このように行動履歴の蓄積が増えるほど、ユーザ８０との会話を活発化させることが可能となる。なお、図８では質問は３つの階層に分類されるが、これに限定されない。第４階層、第５階層のように、さらに質問が掘り下げられてもよい。つまり、各階層は質問の抽象度または具体性の度合いに応じて設定されており、質問が各階層に割り振られており、より上の階層になるにつれて質問の抽象度が上がり、より下の階層になるにつれて質問の具体性が上がっている、ということもできる。

次に、図９を参照して、行動履歴データベース５３ｂに記憶されている行動履歴と、精度算出部６９によって算出される推定行動の精度との関係について説明する。

上述したように、行動履歴データベース５３ｂに記憶されている行動履歴が少ないほど、推定行動の精度は低くなる。一方、行動履歴データベース５３ｂに記憶されている行動履歴が多いほど、推定行動の精度は高くなる。

同様に、行動履歴データベース５３ｂに記憶されている行動履歴の確率が低いほど、推定行動の精度は低くなる。一方、行動履歴データベース５３ｂに記憶されている行動履歴の確率が高いほど、推定行動の精度は高くなる。上述では、１０回の行動履歴の内、食事が７回、打合せが３回である場合、ユーザ８０がレストランで行う行動が食事である確率は７０％と説明したが、この７０％という確率が行動履歴の確率を意味する。

なお、精度算出部６９は、推定行動の精度を算出する際に、行動履歴データベース５３ｂに記憶されている行動履歴を参照しなくてもよい。ＰＯＩの属性がショッピングモールであれば、上述したように、ユーザ８０が行い得る行動は多数あるため、ユーザ８０が行った行動を推定することは難しい。このため、推定行動の精度は低くなる。一方、ＰＯＩの属性がラーメン屋であれば、ユーザ８０が行い得る行動は食事に特定されるため、推定行動の精度は高くなる。ＰＯＩの属性がスーパーマーケットであれば、ユーザ８０が行いうる行動はほぼ買い物に特定されるため、推定行動の精度は中程度となる。このように、精度算出部６９は、行動履歴データベース５３ｂに記憶されている行動履歴を参照することなく、ＰＯＩの属性のみを用いて推定行動の精度を算出することも可能である。

次に、図１０のフローチャートを参照して、変形例に係る情報処理装置１０１の一動作例を説明する。ただし、ステップＳ２０１～２０７、２１９～２２５の処理は、図５に示すステップＳ１０１～１０７、１１１～１１７の処理と同様であるため、説明を省略する。

ステップＳ２０９において、精度算出部６９は、行動推定部６５によって推定されたユーザ８０の行動の、確からしさ（蓋然性）を示す精度を算出する。

処理はステップＳ２１１に進み、質問選択部６６は、精度算出部６９によって算出された推定行動の精度に応じていずれかの階層に属する質問を選択する（図８参照）。具体的には、質問選択部６６は、推定行動の精度が第１所定値より小さい場合は、ユーザ８０の行動自体を問う質問を選択する（ステップＳ２１３）。また、質問選択部６６は、推定行動の精度が第１所定値以上、かつ第２所定値以下の場合は、推定行動を確認するための質問を選択する（ステップＳ２１５）。また、質問選択部６６は、推定行動の精度が第２所定値より大きい場合は、乗車前の行動に関する感想あるいは評価を回答させる質問、または、ＰＯＩに関する感想あるいは評価を回答させる質問を選択する（ステップＳ２１７）。

（作用効果）
以上説明したように、変形例に係る情報処理装置１０１によれば、以下の作用効果が得られる。

コントローラ６０は、行動履歴データベース５３ｂに記憶されている行動履歴、またはＰＯＩの属性に応じて推定行動の精度を算出し、算出した推定行動の精度に応じて質問を決定する。これにより、的外れな質問を回避することが可能となる。

質問は、複数の階層に分類されている（図８参照）。コントローラ６０は、推定行動の精度に応じていずれかの階層に属する質問を出力データとして決定する。推定行動の精度に応じて質問を決定することにより、ユーザ８０との会話を活発化させることが可能となる。なお、コントローラ６０は、推定行動の精度に応じて質問の抽象度を決定し、決定された質問を出力データとして決定してもよい。

出力データには、乗車前の行動を回答させる質問、乗車前の行動に関する感想あるいは評価を回答させる質問、または、ＰＯＩに関する感想あるいは評価を回答させる質問が含まれる。様々な質問を用いることにより、ユーザ８０との会話を活発化させることが可能となる。

コントローラ６０は、ユーザ８０の回答を肯定的であるかあるいは否定的であるかに分類し、分類した結果を分類データとしてＰＯＩに関連付けて行動履歴データベース５３ｂに記録する。ユーザ８０の回答を肯定的あるいは否定的に分類することにより、次回ユーザ８０に質問する際に、さらに深堀りした質問が可能となる。

コントローラ６０は、車両４０の位置情報に応じて、ＰＯＩに関連付けられた分類データを出力してもよい。ラーメン屋９０での食事に対するユーザ８０の回答が、「美味しかった」という肯定的なものであったと仮定する。この場合において、車両４０がラーメン屋９０の近くを通ったとき、コントローラ６０は、「ラーメン、美味しかったですね」という音声を出力してもよい。これにより、ユーザ８０との会話を活発化させることが可能となる。

上述の実施形態に記載される各機能は、１または複数の処理回路により実装され得る。処理回路は、電気回路を含む処理装置等のプログラムされた処理装置を含む。処理回路は、また、記載された機能を実行するようにアレンジされた特定用途向け集積回路（ＡＳＩＣ）や回路部品等の装置を含む。

上記のように、本発明の実施形態を記載したが、この開示の一部をなす論述及び図面はこの発明を限定するものであると理解すべきではない。この開示から当業者には様々な代替実施の形態、実施例及び運用技術が明らかとなろう。

図３に示す例では、車両４０がラーメン屋９０の駐車場で駐車したため、車両４０の位置情報はＰＯＩの位置情報とみなせる、と説明した。しかしながら、目的地に駐車場が設けられているとは限らない。目的地に駐車場が設けられていない場合、例えばユーザ８０は、図１１に示すように、目的地の近くのコインパーキングに駐車して、コインパーキングから歩いて目的地に向かうことが考えられる。この場合、車両４０の位置情報と、目的地の位置情報（ＰＯＩの位置情報）は一致しない。よって、車両４０の位置情報とユーザ８０の乗車前の行動とを関連付けて記憶しても、有用なデータとはならない。

そこで情報処理装置１００は、ユーザ８０が保持する端末（以下、ユーザ端末と呼ぶ）の位置情報と、ユーザ８０の乗車前の行動とを関連付けて行動履歴データベース５３ｂに記憶してもよい。具体的には、情報処理装置１００は、ユーザ８０が目的地に到着したとき、ユーザ端末の位置情報を通信により取得する。なお、前提条件として、情報処理装置１００と、ユーザ端末とは通信が可能となるように設定されている。一例として、情報処理装置１００は、ユーザ端末から送信されるデータを受信する受信機を備える。ユーザ８０が目的地に到着したかどうかについて、情報処理装置１００は、ユーザ端末にインストールされている案内アプリの情報を参照することにより判断することが可能である。

情報処理装置１００は、ユーザ端末から取得した位置情報に基づいて、目的地におけるユーザ８０の行動を推定する。情報処理装置１００は、推定した行動に関する質問を行う。そして、情報処理装置１００は、ユーザ端末から取得した位置情報と、ユーザ８０の乗車前の行動とを関連付けて行動履歴データベース５３ｂに記憶する。これにより、車両４０の駐車位置と目的地の位置（ＰＯＩの位置）とが離れていたとしても、ＰＯＩにおけるユーザ８０の行動を正確に記録することが可能となる。

４０ 車両
５０ センサ群
５１ ＧＰＳ受信機
５２ マイク
５３ 記憶装置
５３ａ 地図データベース
５３ｂ 行動履歴データベース
５３ｃ 質問データベース
５４ スピーカ
６０ コントローラ
６１ ユーザ特定部
６２ 目的地到着判断部
６３ 音声解析部
６４ 行動履歴更新部
６５ 行動推定部
６６ 質問選択部
６７ 乗車検出部
６８ 質問出力部
６９ 精度算出部
１００、１０１ 情報処理装置

Claims (13)

1. コントローラと、
   ユーザの車両に対する乗車を検出する乗車検出装置と、
   前記ユーザの行動履歴を記録する記憶装置と、
   前記ユーザに対し回答を求める質問データを出力する出力装置と、
   前記ユーザからの入力を受け付ける入力装置と、を備え、
   前記コントローラは、
   前記乗車検出装置から取得した信号によって前記ユーザの乗車を検出したとき、前記車両の位置情報に基づいてＰＯＩの属性を決定し、
   前記ＰＯＩの属性に応じて前記ユーザの前記車両への乗車前の行動を推定し、
   前記記憶装置に記憶されているユーザの行動履歴及び前記ＰＯＩの属性に応じて、推定した前記乗車前の行動である推定行動の精度を算出し、
   算出した前記推定行動の精度に応じて、少なくとも前記乗車前の行動に関する質問を含む出力データを前記出力装置から出力し、
   前記質問に対する前記ユーザの回答を入力データとして前記入力装置を介して取得し、
   前記入力データを前記車両の位置情報、または前記ＰＯＩと関連付けて前記記憶装置に記憶する
   ことを特徴とする情報処理装置。
2. 前記ＰＯＩは、前記車両の位置情報の周囲に位置するＰＯＩ、前記車両に備えられたナビゲーション装置において設定された目的地、通信により取得された前記ユーザの行動予定に関するデータに含まれるＰＯＩ、または、通信により取得された前記ユーザの乗車前の行動履歴に関するデータに含まれるＰＯＩのいずれかである
   ことを特徴とする請求項１に記載の情報処理装置。
3. 前記コントローラは、前記車両の位置情報に基づいて決定される前記ＰＯＩの属性に応じて、前記質問を決定する
   ことを特徴とする請求項１または２に記載の情報処理装置。
4. 前記記憶装置には、前記ＰＯＩの属性と、前記ＰＯＩにおいて前記ユーザが行い得る行動が分類された行動種類とが関連付けられて記録され、
   前記コントローラは、前記ＰＯＩの属性に関連付けられた前記ユーザの行動種類に応じて前記質問を決定する
   ことを特徴とする請求項１～３のいずれか１項に記載の情報処理装置。
5. 前記コントローラは、通信により前記ユーザの行動予定に関するデータを取得し、
   前記ユーザの行動予定に関するデータを参照して前記質問を決定する
   ことを特徴とする請求項１～４のいずれか１項に記載の情報処理装置。
6. 前記ユーザが保持する端末から送信されるデータを受信する受信機をさらに備え、
   前記コントローラは、前記端末から送信された、前記乗車前における前記端末の位置情報に基づいて、前記質問を決定する
   ことを特徴とする請求項１～５のいずれか１項に記載の情報処理装置。
7. 前記コントローラは、前記推定行動の精度に応じて質問の抽象度を決定し、決定された前記質問を出力データとして決定する
   ことを特徴とする請求項１に記載の情報処理装置。
8. 前記出力データには、前記乗車前の行動を回答させる質問、前記乗車前の行動に関する感想あるいは評価を回答させる質問、または、前記ＰＯＩに関する感想あるいは評価を回答させる質問が含まれる
   ことを特徴とする請求項１～７のいずれか１項に記載の情報処理装置。
9. 前記コントローラは、前記ユーザの回答を肯定的であるかあるいは否定的であるかに分類し、分類した結果を分類データとして前記ＰＯＩに関連付けて前記記憶装置に記録する
   ことを特徴とする請求項１～８のいずれか１項に記載の情報処理装置。
10. 前記入力データは、前記ユーザの音声を変換したデータ、または、前記ユーザからの操作を受け付けて生成されたデータである
    ことを特徴とする請求項１～９のいずれか１項に記載の情報処理装置。
11. 前記コントローラは、前記ユーザによって設定された目的地に前記車両が到着した後に前記ユーザの降車を検出し、さらにその後、前記ユーザの乗車を検出したときに前記質問を出力する
    ことを特徴とする請求項１～１０のいずれか１項に記載の情報処理装置。
12. 前記コントローラは、前記車両の位置情報に応じて、前記ＰＯＩに関連付けられた前記分類データを出力する
    ことを特徴とする請求項９に記載の情報処理装置。
13. 車両に乗車するユーザの行動を記録する情報処理装置の情報処理方法であって、
    前記情報処理装置は、
    前記ユーザの前記車両に対する乗車を乗車検出装置によって検出したとき、前記車両の位置情報に基づいてＰＯＩの属性を決定し、
    前記ＰＯＩの属性に応じて前記ユーザの前記車両への乗車前の行動を推定し、
    前記ユーザの行動履歴及び前記ＰＯＩの属性に応じて、推定した前記乗車前の行動である推定行動の精度を算出し、
    算出した前記推定行動の精度に応じて、少なくとも前記乗車前の行動に関する質問を含む出力データを出力し、
    前記質問に対する前記ユーザの回答を入力データとして取得し、
    前記入力データを前記車両の位置情報、または前記ＰＯＩと関連付けて記憶装置に記憶する
    ことを特徴とする情報処理方法。

Images