JPWO2011093475A1 - 指標スケジュール抽出装置、指標スケジュール抽出プログラム記録媒体、および指標スケジュール抽出方法 - Google Patents
指標スケジュール抽出装置、指標スケジュール抽出プログラム記録媒体、および指標スケジュール抽出方法 Download PDFInfo
- Publication number
- JPWO2011093475A1 JPWO2011093475A1 JP2011551948A JP2011551948A JPWO2011093475A1 JP WO2011093475 A1 JPWO2011093475 A1 JP WO2011093475A1 JP 2011551948 A JP2011551948 A JP 2011551948A JP 2011551948 A JP2011551948 A JP 2011551948A JP WO2011093475 A1 JPWO2011093475 A1 JP WO2011093475A1
- Authority
- JP
- Japan
- Prior art keywords
- model
- route
- time
- average
- action
- 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.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
装置は、標準的、非標準的行動を混在して行うユーザの行動履歴から、ユーザの標準的行動パターンを適切に抽出することが出来ない。装置は、所定開始時点以降、所定時間幅で区切られた連続的な区間ごとに、ユーザの地点移動経路と当該経路に含まれる２地点間の移動のおのおの（各経路辺）の開始および終了時刻を抽出可能な行動実績データを格納した実績データ格納手段と、行動実績データの複数の区間から、最も重要度が高い地点移動経路（行動モデル）を抽出するモデル解析手段と、行動モデルの経路辺ごとに、複数区間中の行動モデルを有する区間における開始時刻の平均値および終了時刻の平均値を求めて出力する実績解析手段を備える。
Description
本発明は、指標スケジュール抽出装置、指標スケジュール抽出プログラム記録媒体、および指標スケジュール抽出方法に関する。
ライフログビジネスが急速に発展している。当該ビジネスに用いられるサーバは、携帯電話のＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）機能等を用いてユーザの行動パターンを解析する。ユーザの行動パターン情報は、ユーザに適したサービスの実施に有用である。
特許文献１は、共通する起点及び終点の移動例データが、同じ曜日について所定期間の中で所定以上の割合で出現すると、それらに基づいて、移動パターンデータを作成する装置を開示する。
特許文献２は、ユーザが確認証装置を通過した発生確率を行動パターンとして抽出する装置を開示する。
特許文献３は、行動履歴データから行動発生確率等を生成し、当該確率等に基づいて対象者の行動を予測する装置を開示する。
特許文献４は、異常要因を抽出し、その影響を除外した実績データから、将来販売予測を行う装置を開示する。
特許文献１は、共通する起点及び終点の移動例データが、同じ曜日について所定期間の中で所定以上の割合で出現すると、それらに基づいて、移動パターンデータを作成する装置を開示する。
特許文献２は、ユーザが確認証装置を通過した発生確率を行動パターンとして抽出する装置を開示する。
特許文献３は、行動履歴データから行動発生確率等を生成し、当該確率等に基づいて対象者の行動を予測する装置を開示する。
特許文献４は、異常要因を抽出し、その影響を除外した実績データから、将来販売予測を行う装置を開示する。
上述の特許文献に記載された技術は、標準的、非標準的行動を混在して行うユーザの行動履歴から、ユーザの標準的行動パターンを適切に抽出することが出来ない。
特許文献１の装置は、異なる行動パターンの日のデータが混在した移動例データに基づいて、標準的な行動パターンの移動開始時刻等を算出する。たとえ、共通する起点及び終点の移動（例えば、自宅から最寄り駅等）であっても、１日の行動が標準的な日（会社に行く日等）と非標準的な日（出張のある日等）では、移動開始時刻等は異なることが多い。このような混在データを元に算出した、移動開始時刻等の値はユーザの標準的な行動パターンとして適切な値でない可能性が大きい。
特許文献２の装置は、通過確率が同じであれば標準的行動パターンとして認識する。同装置は、行動経路が異なる等の非標準的な行動を、標準的行動パターンとして抽出する可能性がある。
本発明の目的は、ユーザの行動履歴から当該ユーザの行動傾向の検知を行うための指標となる標準的なスケジュールを適切に得る為の装置、方法、プログラムを提供することである。
特許文献１の装置は、異なる行動パターンの日のデータが混在した移動例データに基づいて、標準的な行動パターンの移動開始時刻等を算出する。たとえ、共通する起点及び終点の移動（例えば、自宅から最寄り駅等）であっても、１日の行動が標準的な日（会社に行く日等）と非標準的な日（出張のある日等）では、移動開始時刻等は異なることが多い。このような混在データを元に算出した、移動開始時刻等の値はユーザの標準的な行動パターンとして適切な値でない可能性が大きい。
特許文献２の装置は、通過確率が同じであれば標準的行動パターンとして認識する。同装置は、行動経路が異なる等の非標準的な行動を、標準的行動パターンとして抽出する可能性がある。
本発明の目的は、ユーザの行動履歴から当該ユーザの行動傾向の検知を行うための指標となる標準的なスケジュールを適切に得る為の装置、方法、プログラムを提供することである。
本発明の指標スケジュール抽出装置は、所定開始時点以降、所定時間幅で区切られた連続的な区間ごとに、ユーザの地点移動経路と当該経路に含まれる２地点間の移動のおのおの（各経路辺）の開始および終了時刻を抽出可能な行動実績データを格納した実績データ格納手段と、
前記行動実績データの複数の区間から、最も重要度が高い地点移動経路（行動モデル）を抽出するモデル解析手段と、
前記行動モデル上の経路辺ごとに、前記複数区間中の前記行動モデルを有する区間における開始時刻の平均値（モデル経路辺平均開始時刻）および終了時刻の平均値（モデル経路辺平均終了時刻）を求めて出力する実績解析手段、を備える。
本発明のコンピュータ読み取り可能な記録媒体に格納された指標スケジュール抽出プログラムは、コンピュータに、
所定開始時点以降、所定時間幅で区切られた連続的な区間ごとに、ユーザの地点移動経路と当該経路に含まれる２地点間の移動のおのおの（各経路辺）の開始および終了時刻を抽出可能な行動実績データを実績データ格納手段に格納させる格納処理と、
前記行動実績データの複数の区間から、最も重要度が高い地点移動経路（行動モデル）を抽出する行動モデル解析処理と、
前記行動モデル上の経路辺ごとに、前記複数区間中の前記行動モデルを有する区間における開始時刻の平均値（モデル経路辺平均開始時刻）および終了時刻の平均値（モデル経路辺平均終了時刻）を求めて出力する行動実績解析処理、を実行させる。
本発明の指標スケジュール抽出方法は、所定開始時点以降、所定時間幅で区切られた連続的な区間ごとに、ユーザの地点移動経路と当該経路に含まれる２地点間の移動のおのおの（各経路辺）の開始および終了時刻を抽出可能な行動実績データを実績データ格納手段に格納する格納工程と、
前記行動実績データの複数の区間から、最も重要度が高い地点移動経路（行動モデル）を抽出する行動モデル解析工程と、
前記行動モデル上の経路辺ごとに、前記複数区間中の前記行動モデルを有する区間における開始時刻の平均値（モデル経路辺平均開始時刻）および終了時刻の平均値（モデル経路辺平均終了時刻）を求めて出力する行動実績解析工程、を有する。
前記行動実績データの複数の区間から、最も重要度が高い地点移動経路（行動モデル）を抽出するモデル解析手段と、
前記行動モデル上の経路辺ごとに、前記複数区間中の前記行動モデルを有する区間における開始時刻の平均値（モデル経路辺平均開始時刻）および終了時刻の平均値（モデル経路辺平均終了時刻）を求めて出力する実績解析手段、を備える。
本発明のコンピュータ読み取り可能な記録媒体に格納された指標スケジュール抽出プログラムは、コンピュータに、
所定開始時点以降、所定時間幅で区切られた連続的な区間ごとに、ユーザの地点移動経路と当該経路に含まれる２地点間の移動のおのおの（各経路辺）の開始および終了時刻を抽出可能な行動実績データを実績データ格納手段に格納させる格納処理と、
前記行動実績データの複数の区間から、最も重要度が高い地点移動経路（行動モデル）を抽出する行動モデル解析処理と、
前記行動モデル上の経路辺ごとに、前記複数区間中の前記行動モデルを有する区間における開始時刻の平均値（モデル経路辺平均開始時刻）および終了時刻の平均値（モデル経路辺平均終了時刻）を求めて出力する行動実績解析処理、を実行させる。
本発明の指標スケジュール抽出方法は、所定開始時点以降、所定時間幅で区切られた連続的な区間ごとに、ユーザの地点移動経路と当該経路に含まれる２地点間の移動のおのおの（各経路辺）の開始および終了時刻を抽出可能な行動実績データを実績データ格納手段に格納する格納工程と、
前記行動実績データの複数の区間から、最も重要度が高い地点移動経路（行動モデル）を抽出する行動モデル解析工程と、
前記行動モデル上の経路辺ごとに、前記複数区間中の前記行動モデルを有する区間における開始時刻の平均値（モデル経路辺平均開始時刻）および終了時刻の平均値（モデル経路辺平均終了時刻）を求めて出力する行動実績解析工程、を有する。
本発明に係る装置等は、標準的、非標準的行動を混在して行うユーザの行動履歴から、ユーザの標準的行動パターンを適切に抽出する。
図１は、第１の実施形態の指標スケジュール抽出装置１７を用いたシステム例（情報配信システム１８）の全体構成を示す図である。本システムに於いて、指標スケジュール抽出装置１７はネットワーク５０を介して、操作端末５１、中継装置５２、情報配信サーバ５４と接続されている。
中継装置５２は、ＧＰＳ機能等を有する携帯型のユーザ端末５３から位置情報等を受信して指標スケジュール抽出装置１７に出力する。指標スケジュール抽出装置１７は、当該位置情報を蓄積し、蓄積された位置情報からユーザの日々の行動パターンを抽出し、指標スケジュール４０として情報配信サーバ５４等に出力する。
情報配信サーバ５４は、多くのユーザの指標スケジュール４０を入力し、それに基づいて、例えばユーザのクラスタリングを行い、クラスタ毎にカスタマイズされた情報をユーザ端末５３等に配信する。
本実施形態の指標スケジュール抽出装置１７は、情報配信システム１８以外にも、ユーザの行動パターンに応じてサービスを提供する様々なライフログサービスに使用可能である。
本実施形態の指標スケジュール抽出装置１７は、モデル解析部１２、実績解析部１０、実績データ格納部１１を包含する。同装置は、実績収集部１５、指標スケジュール出力部１６、作業データ格納部１３、生成データ格納部１４を包含しても良い。実績収集部１５、指標スケジュール出力部１６、作業データ格納部１３、生成データ格納部１４は、同装置に接続された別装置にあっても良い。
実績収集部１５は、ユーザ端末５３の位置情報を受信して時刻情報等と併せて、ユーザの行動実績データとして実績データ格納部１１に格納する。
モデル解析部１２は、行動実績データからユーザの標準的地点移動経路（行動モデル）を抽出する。実績解析部１０は、行動モデルに含まれる各移動のおのおの（各経路辺）の開始及び終了時刻を算出して、指標スケジュール４０を作成する。
指標スケジュール出力部１６は、指標スケジュール４０を外部、例えば情報配信サーバ５４に出力する。
モデル解析部１２、実績解析部１０、実績収集部１５、指標スケジュール出力部１６は、専用のハードウェア装置として実現される。モデル解析部１２、実績解析部１０、実績収集部１５、または指標スケジュール出力部１６は、コンピュータである指標スケジュール抽出装置１７のプロセッサが、指標スケジュール抽出プログラム１９を実行することで実現されても良い。
実績データ格納部１１、作業データ格納部１３、生成データ格納部１４は、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ディスク装置等の記憶装置である。
図２は、実績データ格納部１１に格納される行動実績データの例である。行動実績データは、例えば、ユーザＩＤ２０、行動ＩＤ２１、行動区分２２、行動開始絶対時刻２３、行動終了絶対時刻２４を包含するレコード（行）の時系列集合である。
ユーザＩＤ２０は、ユーザ端末５３から受信したユーザの識別子である。ユーザＩＤ２０は、ユーザ端末５３のＳＩＭカード（Ｓｕｂｓｃｒｉｂｅｒ Ｉｄｅｎｔｉｔｙ Ｍｏｄｕｌｅ Ｃａｒｄ）等に格納されている。図２はユーザＩＤ２０がＵｓｅｒＡのデータだけを示している。しかし、行動実績データは異なるユーザＩＤ２０のデータを含みうる。行動実績データは、同一のユーザＩＤ２０毎に連続していても良いし、不連続であっても良い。
行動区分２２は、ユーザの行動が「滞留」であるか「移動」であるかの区別を示す。同一ユーザＩＤ２０の行動実績データは、「滞留」と「移動」のレコードが時系列で交互に並ぶ。指標スケジュール抽出装置１７は、一般に滞留時間に比べ移動時間のほうが所要時間の誤差が少ないことを利用し、「移動」について所要時間の計算を行う。
レコードの行動区分２２が「滞留」である場合、当該レコードの行動ＩＤ２１は滞留の地点を示す。行動ＩＤ２１は緯度経度であっても、緯度経度に対応する地点名であってもよい。行動区分２２が「移動」である場合、行動ＩＤ２１はどの地点からどの地点に移動したかを示す。
行動開始絶対時刻２３及び行動終了絶対時刻２４は、ユーザが当該レコードの行動ＩＤ２１で示される行動を開始及び終了した時点を示す。行動開始絶対時刻２３及び行動終了絶対時刻２４は、例えば年月日時分秒のデータである。
実績収集部１５は、例えば、定期的に各ユーザ端末５３から位置情報を入力して以下の手順を実行して行動実績データを生成する。１）同手段は、所定時間以上連続して所定位置範囲内の位置情報を入力すると、当該時間に対応して「滞留」のレコードを生成する。２）同手段は、一の「滞留」レコードと次の「滞留」レコードとの間の時間に対応して、「移動」のレコードを生成する。
なお、所定位置範囲は、例えば予想される滞留候補地点に応じて地点名等と共に、システムパラメータとして同手段に与えられる。所定時間は、システムパラメータ等として同手段に与えられる。
図３は、分割行動実績データ３０の構成例を示す図である。例えば、モデル解析部１２が、実績データ格納部１１から指定されたユーザの所定開始時間以降の行動実績データを読み込む。同手段は、当該データを所定時間幅で区切られた連続的な区間ごとに分割し、区間対応に分割行動実績データ３０を作成して作業データ格納部１３に格納する。
ここで、所定時間幅は、ユーザの行動モデルを抽出したい時間周期を示す値であり、パラメータとしてモデル解析部１２に与えられる。所定時間幅は、２４時間であることが多い。しかし、６時間毎に一定の行動を繰り返すユーザを処理対象とした場合、所定時間幅は６時間となる。
なお、モデル解析部１２は、指定された条件（グルーピング条件値）を満足する分割行動実績データ３０を選択して作業データ格納部１３に格納しても良い。グルーピング条件値は、特定の区間（例えば、金曜日、午前中等）について指標スケジュール４０を抽出する場合に用いられる。
図３は、２００９年１０月２３日０時以降の行動実績データ（図２）を、２４時間幅の連続的な区間対応に分割し、金曜日の分割行動実績データ３０を抽出した場合の例である。
分割行動実績データ３０は、例えば、ユーザＩＤ２０、行動ＩＤ２１、行動区分２２、行動開始時刻３１、行動終了時刻３２を包含するレコード（行）の集合である。ユーザＩＤ２０、行動ＩＤ２１、行動区分２２は、行動実績データのものと同じデータである。
行動開始時刻３１、行動終了時刻３２は、行動実績データの行動開始絶対時刻２３及び行動終了絶対時刻２４の値を、対応区間の開始時間からの相対時刻で表現した情報である。
図５は、指標スケジュール４０の構成例を示す図である。例えば、実績解析部１０が、分割行動実績データ３０に基づいて指標スケジュール４０を生成データ格納部１４内に作成する。
指標スケジュール４０は、ユーザＩＤ２０、行動ＩＤ２１、行動区分２２、平均行動開始時刻４１、平均行動終了時刻４２を包含するレコード（行）の集合である。ユーザＩＤ２０、行動ＩＤ２１、行動区分２２は、分割行動実績データ３０のものと同じデータである。平均行動開始時刻４１、平均行動終了時刻４２は、１以上の分割行動実績データ３０の行動開始時刻３１、行動終了時刻３２から後述する手順で算出された値である。
図４は、指標スケジュール４０の作成過程例を示す図である。
図２に示す行動実績データを入力して、「ＵｓｅｒＡ」について「金曜日」の指標スケジュール４０を抽出する場合、指標スケジュール抽出装置１７は、例えば概略下記のごとく動作する。
指標スケジュール抽出装置１７は、図１の操作端末５１から対象ユーザを「ＵｓｅｒＡ」、時間幅を「０：００−２４：００」、グルーピング条件値を「金曜日」とパラメータ指定された起動命令を入力し、図３に示す分割行動実績データ３０を作成する。
続いて、同装置は、当該データから「ＵｓｅｒＡ」の「金曜日」の標準的な地点移動経路を示す行動モデルを抽出する。
図３において、１０／２３、１０／３０の両日の分割実績データ３０のおのおのは、地点移動経路として「（Ａ地点）（Ａ地点⇒Ｂ地点）−（Ｂ地点）−（Ｂ点⇒Ａ地点）−（Ａ地点）」（第一の経路）を包含する。１１／６の分割行動実績データ３０は、地点移動経路として「（Ａ地点）（Ａ地点⇒Ｂ地点）−（Ｂ地点）−（Ｂ点⇒Ｃ地点）−（Ｃ地点）−（Ｃ点⇒Ａ地点）−（Ａ地点）」（第２の経路）を包含する。
同装置は、上記２つの地点移動経路から標準的な地点移動経路である行動モデルの選択を行う。図３に示す分割行動実績データ３０の場合、第一の経路が２回、第二の経路が１回登場する。したがって、同装置は最も出現頻度の高い第一の経路を行動モデルに決定する。
次に、同装置は、決定した行動モデルが包含する「移動」（経路の辺）ごとの平均所要時間（経路辺平均所要時間）の計算を行う。
決定した行動モデルは（Ａ地点⇒Ｂ地点）、（Ｂ点⇒Ａ地点）の２つの「移動」を含む。（Ａ地点⇒Ｂ地点）に関するレコードは、図３の全ての分割行動実績データ３０内で３回登場している。これらの各レコードの所要時間は、それぞれ６０分、９０分、９０分である。同装置は、平均所要時間を８０分と算出する。同装置は、２回登場する（Ｂ地点⇒Ａ地点）のレコードの所要時間をそれぞれ７０分、８０分と算出し、平均所要時間を７５分と算出する。
次に、同装置は、決定した行動モデルが包含する「移動」の平均行動開始時刻４１の計算を行う。
同装置は、決定した行動モデルが包含する２つの「移動」の平均行動開始時刻４１を、行動モデルを含む１０／２３、１０／３０の両日の分割行動実績データ３０に基づいて算出する。
１０／２３、１０／３０の両日に於ける（Ａ地点⇒Ｂ地点）の移動の開始時刻は７：００、６：５０であり、同装置は平均行動開始時刻４１を６：５５と算出する。同様に、同装置は（Ｂ地点⇒Ａ地点）の平均行動開始時刻４１を１８：３０と算出する。
続いて、同装置は、決定した行動モデルが包含する「移動」の平均行動終了時刻４２の計算を行う。
同装置は、平均行動開始時刻４１に上述の平均所要時間を加えて平均行動終了時刻４２を求める。（Ａ地点⇒Ｂ地点）については、平均行動開始時刻４１が６：５５、平均所要時間が８０分であるので、平均行動終了時刻４２は８：１５となる。同様に（Ｂ地点⇒Ａ地点）については、平均行動開始時刻４１が１８：３０、平均所要時間が７５分であるので、平均行動終了時刻４２は１９：４５となる。図４は、この時点における作成途中の指標スケジュール４０を示す。
次に同装置は、決定した行動モデルに包含される「滞留」に関する平均行動開始時刻４１及び平均行動終了時刻４２の計算を行う。
当該計算に於いて、同装置は、行動モデルに於ける「滞留」前後の「移動」についての平均行動終了時刻４２及び平均行動開始時刻４１を用いる。同装置は、（Ｂ地点）の「滞留」に関する平均行動開始時刻４１を、（Ａ地点⇒Ｂ地点）の「移動」に関する平均行動終了時刻４２（８：１５）とする。同様に、同装置は、（Ｂ地点）の「滞留」に関する平均行動終了時刻４２を、（Ｂ地点⇒Ａ地点）の「移動」に関する平均行動開始時刻４１（８：３０）とする。
行動モデルの最初に登場する「滞留」の平均行動開始時刻４１は、所定時間幅の区間の開始相対時刻０：００である。行動モデルの最後に登場する「滞留」の平均行動終了時刻４２は、所定時間幅の終了相対時刻２４：００である。以上の計算により、同装置は、「ＵｓｅｒＡ」の「金曜日」指標スケジュール４０を、図４に例示するように決定する。
図６および図７は、指標スケジュール抽出装置１７の主要な動作を示す。図６は、モデル解析部１２の動作例を示すフローチャートである。
まず、モデル解析部１２は、操作端末５１から指定パラメータ値を含む起動指示を入力する（Ａ１）。指定パラメータは、指標スケジュール４０抽出の対象ユーザのユーザＩＤ２０、抽出対象開始時点、時間幅、グルーピング条件値等を包含する。
同手段は、実績データ格納部１１から、パラメータで指定されたユーザＩＤ２０の行動実績データを取得する（Ａ２）。
同手段は、パラメータで指定された開始時点以降、指定された時間幅で区切られた連続的な区間ごとに分割行動実績データ３０を順次作成し、作業データ格納部１３に格納する（Ａ３）。同手段は、指定されたグルーピング条件値を満足する分割行動実績データ３０の集合（条件集合）を抽出する（Ａ４）。図３は条件集合を例示する。
次に同手段は、条件集合中の分割行動実績データ３０ごとに行動ＩＤ２１の時系列順の並びを抽出し、最も重要度の高い並びを行動モデルとして決定し、当該行動モデルと条件集合中の分割行動実績データ３０の一覧を出力する（Ａ５）。
ここで、同手段は、例えば、出現頻度の大きさを重要度の高さとする。同手段は、出現回数に、出現からの経過日時の短さ（出現の最新度合い）に応じて大きくなる値で重み付けをしたスコアを算出し、スコアの合計値の大きさを重要度の高さとしても良い。
図４の行動ＩＤ２１の並び「（Ａ地点）（Ａ地点⇒Ｂ地点）−（Ｂ地点）−（Ｂ点⇒Ａ地点）−（Ａ地点）」は行動モデルを例示する。
図７は、実績解析部１０の動作例を示すフローチャートである。
実績解析部１０は、モデル解析部１２から行動モデル等を入力すると、行動モデルを包含する一つの分割行動実績データ３０のユーザＩＤ２０、行動ＩＤ２１、行動区分２２を生成データ格納部１４にコピーする（Ａ１１）。コピーされたデータは、指標スケジュール４０のユーザＩＤ２０、行動ＩＤ２１、行動区分２２となる（図４）
次に、実績解析部１０は、作成過程にある指標スケジュール４０の行動区分２２が「移動」である各レコードについて、以下のＡ１２乃至Ａ１４の処理を行う。なお、処理中の各行は、おのおの第ｎ番目の行であるとする。ここで、ｎは１以上かつ行動モデルの行数の間の数である。
同手段は、作業データ格納部１３の全ての分割行動実績データ３０から、処理中レコードと同じ行動ＩＤ２１を持つレコードを検出し、当該レコードの行動終了時刻３２と行動開始時刻３１の差分の平均値（経路辺平均所要時間）を算出する（Ａ１２）。
同手段は、条件集合に含まれ、かつ行動モデルを有する分割行動実績データ３０中にある、第ｎ番目の行の行動開始時刻３１の平均値（モデル経路辺平均開始時刻）を算出する（Ａ１３）。
同手段は、処理中レコードの平均行動開始時刻４１にモデル経路辺平均開始時刻を、処理中レコードの平均行動終了時刻４２にモデル経路辺平均開始時刻と経路辺所要平均値の加算値を格納する（Ａ１４）。
なお、同手段は、経路辺平均所要時間の算出を省略しても良い。この場合、同手段は、条件集合に含まれ、かつ行動モデルを有する分割行動実績データ３０中にある、第ｎ番目の行の行動終了時刻３２の平均値（モデル経路辺平均終了時刻）を算出して、処理中レコードの平均行動終了時刻４２に格納する。
最後に同手段は、行動区分２２が「滞留」である各レコードの平均行動開始時刻４１と平均行動終了時刻４２を格納する（Ａ１５）。ここで、同手段は、時系列上前のレコードの平均行動終了時刻４２または０（区間の開始時刻）を平均行動開始時刻４１に、時系列上後ろのレコードの平均行動開始時刻４１または区間の時間幅を示す値を平均行動終了時刻４２に設定する。
本実施の形態に係る指標スケジュール抽出装置１７は、標準的、非標準的行動を混在して行うユーザの行動実績データから、ユーザの指標スケジュール４０を適切に抽出できる。
その理由は、モデル解析部１２がユーザの行動モデルを決定し、実績解析部１０が、行動モデルを有する分割行動実績データ３０から行動開始時刻３１の平均値を求めて平均行動開始時刻４１とするからである。
指標スケジュール抽出装置１７は、非標準的行動のデータにより、算定値が不正確になることを防止できる。同装置が、行動モデルを有する分割行動実績データ３０から行動終了時刻３２の平均値を求めて、平均行動終了時刻４２とする場合は、これが更に徹底される。
本実施の形態に係る指標スケジュール抽出装置１７は、少ないユーザの行動実績データから、ユーザの指標スケジュール４０を適切に抽出できる。実績解析部１０が、全ての分割行動実績データ３０に基づいて、経路辺平均所要時間を算出し、平均行動終了時刻４２にモデル経路辺平均開始時刻と経路辺所要平均値の加算値を格納することも可能だからである。同手段は、ユーザの行動実績データが少ないときでも、適切な経路辺平均所要時間を算出できる。
＜第２の実施形態＞本実施形態の実績解析部１０は、「移動」の経路辺平均所要時間の計算時（図７のＡ１２）、統計的な外れ値に該当する所要時間（行動終了時刻３２と行動開始時刻３１の差分値）を除外し、残りの値の平均をとる。
具体的に同手段は、条件集合に含まれ、かつ行動モデルを有する分割行動実績データ３０中にある、第ｎ番目の行の所要時間の分布を調べ、パラメータなどで与えられた信頼区間内に収まらない値を除外する。例えば、同一の行動ＩＤ２１の「移動」において、所要時間が、それぞれ６０、６０、６０、６０、９０分かかった移動の分割行動実績データ３０があった場合に、９０分のデータを排除して経路辺平均所要時間を求める。
本実施形態の指標スケジュール抽出装置１７は、例えば交通機関の遅れなどにより通常より「移動」の所要時間が長くなってしまったような場合を含む行動実績データからでも適切な指標スケジュール４０を抽出できる。その理由は、平均の計算時に、統計的な外れ値を除外するからである。
＜第３の実施形態＞
本実施形態の実績解析部１０は、「移動」のモデル経路辺平均開始時刻の計算時（図７のＡ１３）、統計的な外れ値に該当する行動開始時刻３１を除外し、残りの値の平均をとる。
具体的に同手段は、条件集合に含まれ、かつ行動モデルを有する分割行動実績データ３０中にある、第ｎ番目の行の行動開始時刻３１の分布を調べ、パラメータなどで与えられた信頼区間内に収まらない値を除外する。例えば、同一の行動ＩＤ２１の「移動」において、行動開始時刻３１が、それぞれ１８：００、１８：００、１８：００、１８：００、２１：００である分割行動実績データ３０があった場合に、２１：００分のデータを排除してモデル経路辺平均開始時刻を求める。
本実施形態の指標スケジュール抽出装置１７は、例えば仕事の残業等の理由で普段より帰りが遅くなったような場合を含む行動実績データからでも適切な指標スケジュール４０を抽出できる。その理由は、平均の計算時に、統計的な外れ値を除外するからである。
＜第４の実施形態＞
図８は、第４の実施形態の指標スケジュール抽出装置１７の構成を示す図である。
指標スケジュール抽出装置１７は、実績データ格納部１１、モデル解析部１２と実績解析部１０を備える。
実績データ格納部１１は、所定開始時点以降、所定時間幅で区切られた連続的な区間ごとに、ユーザの地点移動経路と当該経路に含まれる２地点間の移動のおのおの（各経路辺）の開始および終了時刻を抽出可能な行動実績データを格納する。
モデル解析部１２は、行動実績データの複数の区間から、最も重要度が高い地点移動経路（行動モデル）を抽出する。実績解析部１０は、行動モデル上の経路辺ごとに、複数区間中の行動モデルを有する区間における開始時刻の平均値および終了時刻の平均値を求めて出力する。
本実施の形態に係る指標スケジュール抽出装置１７は、標準的、非標準的行動を混在して行うユーザの行動実績データから、ユーザの指標スケジュール４０を適切に抽出できる。
その理由は、モデル解析部１２がユーザの行動モデルを決定し、実績解析部１０が、行動モデルを有する分割行動実績データ３０から行動開始時刻３１の平均値を求めて平均行動開始時刻４１とするからである。
以上、実施形態を参照して本願発明を説明したが、本願発明は上記実施形態に限定されものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。
この出願は、２０１０年２月１日に出願された日本出願特願２０１０−０１９９９４を基礎とする優先権を主張し、その開示の全てをここに取り込む。
中継装置５２は、ＧＰＳ機能等を有する携帯型のユーザ端末５３から位置情報等を受信して指標スケジュール抽出装置１７に出力する。指標スケジュール抽出装置１７は、当該位置情報を蓄積し、蓄積された位置情報からユーザの日々の行動パターンを抽出し、指標スケジュール４０として情報配信サーバ５４等に出力する。
情報配信サーバ５４は、多くのユーザの指標スケジュール４０を入力し、それに基づいて、例えばユーザのクラスタリングを行い、クラスタ毎にカスタマイズされた情報をユーザ端末５３等に配信する。
本実施形態の指標スケジュール抽出装置１７は、情報配信システム１８以外にも、ユーザの行動パターンに応じてサービスを提供する様々なライフログサービスに使用可能である。
本実施形態の指標スケジュール抽出装置１７は、モデル解析部１２、実績解析部１０、実績データ格納部１１を包含する。同装置は、実績収集部１５、指標スケジュール出力部１６、作業データ格納部１３、生成データ格納部１４を包含しても良い。実績収集部１５、指標スケジュール出力部１６、作業データ格納部１３、生成データ格納部１４は、同装置に接続された別装置にあっても良い。
実績収集部１５は、ユーザ端末５３の位置情報を受信して時刻情報等と併せて、ユーザの行動実績データとして実績データ格納部１１に格納する。
モデル解析部１２は、行動実績データからユーザの標準的地点移動経路（行動モデル）を抽出する。実績解析部１０は、行動モデルに含まれる各移動のおのおの（各経路辺）の開始及び終了時刻を算出して、指標スケジュール４０を作成する。
指標スケジュール出力部１６は、指標スケジュール４０を外部、例えば情報配信サーバ５４に出力する。
モデル解析部１２、実績解析部１０、実績収集部１５、指標スケジュール出力部１６は、専用のハードウェア装置として実現される。モデル解析部１２、実績解析部１０、実績収集部１５、または指標スケジュール出力部１６は、コンピュータである指標スケジュール抽出装置１７のプロセッサが、指標スケジュール抽出プログラム１９を実行することで実現されても良い。
実績データ格納部１１、作業データ格納部１３、生成データ格納部１４は、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ディスク装置等の記憶装置である。
図２は、実績データ格納部１１に格納される行動実績データの例である。行動実績データは、例えば、ユーザＩＤ２０、行動ＩＤ２１、行動区分２２、行動開始絶対時刻２３、行動終了絶対時刻２４を包含するレコード（行）の時系列集合である。
ユーザＩＤ２０は、ユーザ端末５３から受信したユーザの識別子である。ユーザＩＤ２０は、ユーザ端末５３のＳＩＭカード（Ｓｕｂｓｃｒｉｂｅｒ Ｉｄｅｎｔｉｔｙ Ｍｏｄｕｌｅ Ｃａｒｄ）等に格納されている。図２はユーザＩＤ２０がＵｓｅｒＡのデータだけを示している。しかし、行動実績データは異なるユーザＩＤ２０のデータを含みうる。行動実績データは、同一のユーザＩＤ２０毎に連続していても良いし、不連続であっても良い。
行動区分２２は、ユーザの行動が「滞留」であるか「移動」であるかの区別を示す。同一ユーザＩＤ２０の行動実績データは、「滞留」と「移動」のレコードが時系列で交互に並ぶ。指標スケジュール抽出装置１７は、一般に滞留時間に比べ移動時間のほうが所要時間の誤差が少ないことを利用し、「移動」について所要時間の計算を行う。
レコードの行動区分２２が「滞留」である場合、当該レコードの行動ＩＤ２１は滞留の地点を示す。行動ＩＤ２１は緯度経度であっても、緯度経度に対応する地点名であってもよい。行動区分２２が「移動」である場合、行動ＩＤ２１はどの地点からどの地点に移動したかを示す。
行動開始絶対時刻２３及び行動終了絶対時刻２４は、ユーザが当該レコードの行動ＩＤ２１で示される行動を開始及び終了した時点を示す。行動開始絶対時刻２３及び行動終了絶対時刻２４は、例えば年月日時分秒のデータである。
実績収集部１５は、例えば、定期的に各ユーザ端末５３から位置情報を入力して以下の手順を実行して行動実績データを生成する。１）同手段は、所定時間以上連続して所定位置範囲内の位置情報を入力すると、当該時間に対応して「滞留」のレコードを生成する。２）同手段は、一の「滞留」レコードと次の「滞留」レコードとの間の時間に対応して、「移動」のレコードを生成する。
なお、所定位置範囲は、例えば予想される滞留候補地点に応じて地点名等と共に、システムパラメータとして同手段に与えられる。所定時間は、システムパラメータ等として同手段に与えられる。
図３は、分割行動実績データ３０の構成例を示す図である。例えば、モデル解析部１２が、実績データ格納部１１から指定されたユーザの所定開始時間以降の行動実績データを読み込む。同手段は、当該データを所定時間幅で区切られた連続的な区間ごとに分割し、区間対応に分割行動実績データ３０を作成して作業データ格納部１３に格納する。
ここで、所定時間幅は、ユーザの行動モデルを抽出したい時間周期を示す値であり、パラメータとしてモデル解析部１２に与えられる。所定時間幅は、２４時間であることが多い。しかし、６時間毎に一定の行動を繰り返すユーザを処理対象とした場合、所定時間幅は６時間となる。
なお、モデル解析部１２は、指定された条件（グルーピング条件値）を満足する分割行動実績データ３０を選択して作業データ格納部１３に格納しても良い。グルーピング条件値は、特定の区間（例えば、金曜日、午前中等）について指標スケジュール４０を抽出する場合に用いられる。
図３は、２００９年１０月２３日０時以降の行動実績データ（図２）を、２４時間幅の連続的な区間対応に分割し、金曜日の分割行動実績データ３０を抽出した場合の例である。
分割行動実績データ３０は、例えば、ユーザＩＤ２０、行動ＩＤ２１、行動区分２２、行動開始時刻３１、行動終了時刻３２を包含するレコード（行）の集合である。ユーザＩＤ２０、行動ＩＤ２１、行動区分２２は、行動実績データのものと同じデータである。
行動開始時刻３１、行動終了時刻３２は、行動実績データの行動開始絶対時刻２３及び行動終了絶対時刻２４の値を、対応区間の開始時間からの相対時刻で表現した情報である。
図５は、指標スケジュール４０の構成例を示す図である。例えば、実績解析部１０が、分割行動実績データ３０に基づいて指標スケジュール４０を生成データ格納部１４内に作成する。
指標スケジュール４０は、ユーザＩＤ２０、行動ＩＤ２１、行動区分２２、平均行動開始時刻４１、平均行動終了時刻４２を包含するレコード（行）の集合である。ユーザＩＤ２０、行動ＩＤ２１、行動区分２２は、分割行動実績データ３０のものと同じデータである。平均行動開始時刻４１、平均行動終了時刻４２は、１以上の分割行動実績データ３０の行動開始時刻３１、行動終了時刻３２から後述する手順で算出された値である。
図４は、指標スケジュール４０の作成過程例を示す図である。
図２に示す行動実績データを入力して、「ＵｓｅｒＡ」について「金曜日」の指標スケジュール４０を抽出する場合、指標スケジュール抽出装置１７は、例えば概略下記のごとく動作する。
指標スケジュール抽出装置１７は、図１の操作端末５１から対象ユーザを「ＵｓｅｒＡ」、時間幅を「０：００−２４：００」、グルーピング条件値を「金曜日」とパラメータ指定された起動命令を入力し、図３に示す分割行動実績データ３０を作成する。
続いて、同装置は、当該データから「ＵｓｅｒＡ」の「金曜日」の標準的な地点移動経路を示す行動モデルを抽出する。
図３において、１０／２３、１０／３０の両日の分割実績データ３０のおのおのは、地点移動経路として「（Ａ地点）（Ａ地点⇒Ｂ地点）−（Ｂ地点）−（Ｂ点⇒Ａ地点）−（Ａ地点）」（第一の経路）を包含する。１１／６の分割行動実績データ３０は、地点移動経路として「（Ａ地点）（Ａ地点⇒Ｂ地点）−（Ｂ地点）−（Ｂ点⇒Ｃ地点）−（Ｃ地点）−（Ｃ点⇒Ａ地点）−（Ａ地点）」（第２の経路）を包含する。
同装置は、上記２つの地点移動経路から標準的な地点移動経路である行動モデルの選択を行う。図３に示す分割行動実績データ３０の場合、第一の経路が２回、第二の経路が１回登場する。したがって、同装置は最も出現頻度の高い第一の経路を行動モデルに決定する。
次に、同装置は、決定した行動モデルが包含する「移動」（経路の辺）ごとの平均所要時間（経路辺平均所要時間）の計算を行う。
決定した行動モデルは（Ａ地点⇒Ｂ地点）、（Ｂ点⇒Ａ地点）の２つの「移動」を含む。（Ａ地点⇒Ｂ地点）に関するレコードは、図３の全ての分割行動実績データ３０内で３回登場している。これらの各レコードの所要時間は、それぞれ６０分、９０分、９０分である。同装置は、平均所要時間を８０分と算出する。同装置は、２回登場する（Ｂ地点⇒Ａ地点）のレコードの所要時間をそれぞれ７０分、８０分と算出し、平均所要時間を７５分と算出する。
次に、同装置は、決定した行動モデルが包含する「移動」の平均行動開始時刻４１の計算を行う。
同装置は、決定した行動モデルが包含する２つの「移動」の平均行動開始時刻４１を、行動モデルを含む１０／２３、１０／３０の両日の分割行動実績データ３０に基づいて算出する。
１０／２３、１０／３０の両日に於ける（Ａ地点⇒Ｂ地点）の移動の開始時刻は７：００、６：５０であり、同装置は平均行動開始時刻４１を６：５５と算出する。同様に、同装置は（Ｂ地点⇒Ａ地点）の平均行動開始時刻４１を１８：３０と算出する。
続いて、同装置は、決定した行動モデルが包含する「移動」の平均行動終了時刻４２の計算を行う。
同装置は、平均行動開始時刻４１に上述の平均所要時間を加えて平均行動終了時刻４２を求める。（Ａ地点⇒Ｂ地点）については、平均行動開始時刻４１が６：５５、平均所要時間が８０分であるので、平均行動終了時刻４２は８：１５となる。同様に（Ｂ地点⇒Ａ地点）については、平均行動開始時刻４１が１８：３０、平均所要時間が７５分であるので、平均行動終了時刻４２は１９：４５となる。図４は、この時点における作成途中の指標スケジュール４０を示す。
次に同装置は、決定した行動モデルに包含される「滞留」に関する平均行動開始時刻４１及び平均行動終了時刻４２の計算を行う。
当該計算に於いて、同装置は、行動モデルに於ける「滞留」前後の「移動」についての平均行動終了時刻４２及び平均行動開始時刻４１を用いる。同装置は、（Ｂ地点）の「滞留」に関する平均行動開始時刻４１を、（Ａ地点⇒Ｂ地点）の「移動」に関する平均行動終了時刻４２（８：１５）とする。同様に、同装置は、（Ｂ地点）の「滞留」に関する平均行動終了時刻４２を、（Ｂ地点⇒Ａ地点）の「移動」に関する平均行動開始時刻４１（８：３０）とする。
行動モデルの最初に登場する「滞留」の平均行動開始時刻４１は、所定時間幅の区間の開始相対時刻０：００である。行動モデルの最後に登場する「滞留」の平均行動終了時刻４２は、所定時間幅の終了相対時刻２４：００である。以上の計算により、同装置は、「ＵｓｅｒＡ」の「金曜日」指標スケジュール４０を、図４に例示するように決定する。
図６および図７は、指標スケジュール抽出装置１７の主要な動作を示す。図６は、モデル解析部１２の動作例を示すフローチャートである。
まず、モデル解析部１２は、操作端末５１から指定パラメータ値を含む起動指示を入力する（Ａ１）。指定パラメータは、指標スケジュール４０抽出の対象ユーザのユーザＩＤ２０、抽出対象開始時点、時間幅、グルーピング条件値等を包含する。
同手段は、実績データ格納部１１から、パラメータで指定されたユーザＩＤ２０の行動実績データを取得する（Ａ２）。
同手段は、パラメータで指定された開始時点以降、指定された時間幅で区切られた連続的な区間ごとに分割行動実績データ３０を順次作成し、作業データ格納部１３に格納する（Ａ３）。同手段は、指定されたグルーピング条件値を満足する分割行動実績データ３０の集合（条件集合）を抽出する（Ａ４）。図３は条件集合を例示する。
次に同手段は、条件集合中の分割行動実績データ３０ごとに行動ＩＤ２１の時系列順の並びを抽出し、最も重要度の高い並びを行動モデルとして決定し、当該行動モデルと条件集合中の分割行動実績データ３０の一覧を出力する（Ａ５）。
ここで、同手段は、例えば、出現頻度の大きさを重要度の高さとする。同手段は、出現回数に、出現からの経過日時の短さ（出現の最新度合い）に応じて大きくなる値で重み付けをしたスコアを算出し、スコアの合計値の大きさを重要度の高さとしても良い。
図４の行動ＩＤ２１の並び「（Ａ地点）（Ａ地点⇒Ｂ地点）−（Ｂ地点）−（Ｂ点⇒Ａ地点）−（Ａ地点）」は行動モデルを例示する。
図７は、実績解析部１０の動作例を示すフローチャートである。
実績解析部１０は、モデル解析部１２から行動モデル等を入力すると、行動モデルを包含する一つの分割行動実績データ３０のユーザＩＤ２０、行動ＩＤ２１、行動区分２２を生成データ格納部１４にコピーする（Ａ１１）。コピーされたデータは、指標スケジュール４０のユーザＩＤ２０、行動ＩＤ２１、行動区分２２となる（図４）
次に、実績解析部１０は、作成過程にある指標スケジュール４０の行動区分２２が「移動」である各レコードについて、以下のＡ１２乃至Ａ１４の処理を行う。なお、処理中の各行は、おのおの第ｎ番目の行であるとする。ここで、ｎは１以上かつ行動モデルの行数の間の数である。
同手段は、作業データ格納部１３の全ての分割行動実績データ３０から、処理中レコードと同じ行動ＩＤ２１を持つレコードを検出し、当該レコードの行動終了時刻３２と行動開始時刻３１の差分の平均値（経路辺平均所要時間）を算出する（Ａ１２）。
同手段は、条件集合に含まれ、かつ行動モデルを有する分割行動実績データ３０中にある、第ｎ番目の行の行動開始時刻３１の平均値（モデル経路辺平均開始時刻）を算出する（Ａ１３）。
同手段は、処理中レコードの平均行動開始時刻４１にモデル経路辺平均開始時刻を、処理中レコードの平均行動終了時刻４２にモデル経路辺平均開始時刻と経路辺所要平均値の加算値を格納する（Ａ１４）。
なお、同手段は、経路辺平均所要時間の算出を省略しても良い。この場合、同手段は、条件集合に含まれ、かつ行動モデルを有する分割行動実績データ３０中にある、第ｎ番目の行の行動終了時刻３２の平均値（モデル経路辺平均終了時刻）を算出して、処理中レコードの平均行動終了時刻４２に格納する。
最後に同手段は、行動区分２２が「滞留」である各レコードの平均行動開始時刻４１と平均行動終了時刻４２を格納する（Ａ１５）。ここで、同手段は、時系列上前のレコードの平均行動終了時刻４２または０（区間の開始時刻）を平均行動開始時刻４１に、時系列上後ろのレコードの平均行動開始時刻４１または区間の時間幅を示す値を平均行動終了時刻４２に設定する。
本実施の形態に係る指標スケジュール抽出装置１７は、標準的、非標準的行動を混在して行うユーザの行動実績データから、ユーザの指標スケジュール４０を適切に抽出できる。
その理由は、モデル解析部１２がユーザの行動モデルを決定し、実績解析部１０が、行動モデルを有する分割行動実績データ３０から行動開始時刻３１の平均値を求めて平均行動開始時刻４１とするからである。
指標スケジュール抽出装置１７は、非標準的行動のデータにより、算定値が不正確になることを防止できる。同装置が、行動モデルを有する分割行動実績データ３０から行動終了時刻３２の平均値を求めて、平均行動終了時刻４２とする場合は、これが更に徹底される。
本実施の形態に係る指標スケジュール抽出装置１７は、少ないユーザの行動実績データから、ユーザの指標スケジュール４０を適切に抽出できる。実績解析部１０が、全ての分割行動実績データ３０に基づいて、経路辺平均所要時間を算出し、平均行動終了時刻４２にモデル経路辺平均開始時刻と経路辺所要平均値の加算値を格納することも可能だからである。同手段は、ユーザの行動実績データが少ないときでも、適切な経路辺平均所要時間を算出できる。
＜第２の実施形態＞本実施形態の実績解析部１０は、「移動」の経路辺平均所要時間の計算時（図７のＡ１２）、統計的な外れ値に該当する所要時間（行動終了時刻３２と行動開始時刻３１の差分値）を除外し、残りの値の平均をとる。
具体的に同手段は、条件集合に含まれ、かつ行動モデルを有する分割行動実績データ３０中にある、第ｎ番目の行の所要時間の分布を調べ、パラメータなどで与えられた信頼区間内に収まらない値を除外する。例えば、同一の行動ＩＤ２１の「移動」において、所要時間が、それぞれ６０、６０、６０、６０、９０分かかった移動の分割行動実績データ３０があった場合に、９０分のデータを排除して経路辺平均所要時間を求める。
本実施形態の指標スケジュール抽出装置１７は、例えば交通機関の遅れなどにより通常より「移動」の所要時間が長くなってしまったような場合を含む行動実績データからでも適切な指標スケジュール４０を抽出できる。その理由は、平均の計算時に、統計的な外れ値を除外するからである。
＜第３の実施形態＞
本実施形態の実績解析部１０は、「移動」のモデル経路辺平均開始時刻の計算時（図７のＡ１３）、統計的な外れ値に該当する行動開始時刻３１を除外し、残りの値の平均をとる。
具体的に同手段は、条件集合に含まれ、かつ行動モデルを有する分割行動実績データ３０中にある、第ｎ番目の行の行動開始時刻３１の分布を調べ、パラメータなどで与えられた信頼区間内に収まらない値を除外する。例えば、同一の行動ＩＤ２１の「移動」において、行動開始時刻３１が、それぞれ１８：００、１８：００、１８：００、１８：００、２１：００である分割行動実績データ３０があった場合に、２１：００分のデータを排除してモデル経路辺平均開始時刻を求める。
本実施形態の指標スケジュール抽出装置１７は、例えば仕事の残業等の理由で普段より帰りが遅くなったような場合を含む行動実績データからでも適切な指標スケジュール４０を抽出できる。その理由は、平均の計算時に、統計的な外れ値を除外するからである。
＜第４の実施形態＞
図８は、第４の実施形態の指標スケジュール抽出装置１７の構成を示す図である。
指標スケジュール抽出装置１７は、実績データ格納部１１、モデル解析部１２と実績解析部１０を備える。
実績データ格納部１１は、所定開始時点以降、所定時間幅で区切られた連続的な区間ごとに、ユーザの地点移動経路と当該経路に含まれる２地点間の移動のおのおの（各経路辺）の開始および終了時刻を抽出可能な行動実績データを格納する。
モデル解析部１２は、行動実績データの複数の区間から、最も重要度が高い地点移動経路（行動モデル）を抽出する。実績解析部１０は、行動モデル上の経路辺ごとに、複数区間中の行動モデルを有する区間における開始時刻の平均値および終了時刻の平均値を求めて出力する。
本実施の形態に係る指標スケジュール抽出装置１７は、標準的、非標準的行動を混在して行うユーザの行動実績データから、ユーザの指標スケジュール４０を適切に抽出できる。
その理由は、モデル解析部１２がユーザの行動モデルを決定し、実績解析部１０が、行動モデルを有する分割行動実績データ３０から行動開始時刻３１の平均値を求めて平均行動開始時刻４１とするからである。
以上、実施形態を参照して本願発明を説明したが、本願発明は上記実施形態に限定されものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。
この出願は、２０１０年２月１日に出願された日本出願特願２０１０−０１９９９４を基礎とする優先権を主張し、その開示の全てをここに取り込む。
１０ 実績解析部
１１ 実績データ格納部
１２ モデル解析部
１３ 作業データ格納部
１４ 生成データ格納部
１５ 実績収集部
１６ 指標スケジュール出力部
１７ 指標スケジュール抽出装置
１８ 情報配信システム
１９ 指標スケジュール抽出プログラム
２０ ユーザＩＤ
２１ 行動ＩＤ
２２ 行動区分
２３ 行動開始絶対時刻
２４ 行動終了絶対時刻
３０ 分割行動実績データ
３１ 行動開始時刻
３２ 行動終了時刻
４０ 指標スケジュール
４１ 平均行動開始時刻
４２ 平均行動終了時刻
５０ ネットワーク
５１ 操作端末
５２ 中継装置
５３ ユーザ端末
５４ 情報配信サーバ
１１ 実績データ格納部
１２ モデル解析部
１３ 作業データ格納部
１４ 生成データ格納部
１５ 実績収集部
１６ 指標スケジュール出力部
１７ 指標スケジュール抽出装置
１８ 情報配信システム
１９ 指標スケジュール抽出プログラム
２０ ユーザＩＤ
２１ 行動ＩＤ
２２ 行動区分
２３ 行動開始絶対時刻
２４ 行動終了絶対時刻
３０ 分割行動実績データ
３１ 行動開始時刻
３２ 行動終了時刻
４０ 指標スケジュール
４１ 平均行動開始時刻
４２ 平均行動終了時刻
５０ ネットワーク
５１ 操作端末
５２ 中継装置
５３ ユーザ端末
５４ 情報配信サーバ
Claims (10)
- 所定開始時点以降、所定時間幅で区切られた連続的な区間ごとに、ユーザの地点移動経路と当該経路に含まれる２地点間の移動のおのおの（各経路辺）の開始および終了時刻を抽出可能な行動実績データを格納した実績データ格納手段と、
前記行動実績データの複数の区間から、最も重要度が高い地点移動経路（行動モデル）を抽出するモデル解析手段と、
前記行動モデル上の経路辺ごとに、前記複数区間中の前記行動モデルを有する区間における開始時刻の平均値（モデル経路辺平均開始時刻）および終了時刻の平均値（モデル経路辺平均終了時刻）を求めて出力する実績解析手段、を備える指標スケジュール抽出装置。 - 前記行動モデル上の経路辺ごとに、当該経路辺のモデル経路辺平均終了時刻に代えて、当該経路辺と同じ２地点間の移動（特定移動）の所要時間の、前記特定移動を包含する全区間における平均値（経路辺平均所要時間）を算出し、当該経路辺のモデル経路辺平均開始時刻との加算値を出力する前記実績解析手段、を備える請求項１の指標スケジュール抽出装置。
- 統計的な異常値を除外して、前記モデル経路開始平均値、または前記経路辺平均所要時間を算出する前記実績解析手段、を備える請求項２の指標スケジュール抽出装置。
- 前記複数の区間における前記行動モデルの出現回数、または前記行動モデルの出現からの経過時間の短さに応じて重み付けされた出現回数を、前記重要度とする前記モデル解析手段、を備える請求項１乃至３の何れかの指標スケジュール抽出装置。
- コンピュータに、
所定開始時点以降、所定時間幅で区切られた連続的な区間ごとに、ユーザの地点移動経路と当該経路に含まれる２地点間の移動のおのおの（各経路辺）の開始および終了時刻を抽出可能な行動実績データを実績データ格納手段に格納させる格納処理と、
前記行動実績データの複数の区間から、最も重要度が高い地点移動経路（行動モデル）を抽出するモデル解析処理と、
前記行動モデル上の経路辺ごとに、前記複数区間中の前記行動モデルを有する区間における開始時刻の平均値（モデル経路辺平均開始時刻）および終了時刻の平均値（モデル経路辺平均終了時刻）を求めて出力する実績解析処理、を実行させる指標スケジュール抽出プログラムを格納したコンピュータ読み取り可能な記録媒体。 - 前記コンピュータに、
前記行動モデル上の経路辺ごとに、当該経路辺のモデル経路辺平均終了時刻に代えて、当該経路辺と同じ２地点間の移動（特定移動）の所要時間の、前記特定移動を包含する全区間における平均値（経路辺平均所要時間）を算出し、当該経路辺のモデル経路辺平均開始時刻との加算値を出力する前記実績解析処理、を実行させる前記指標スケジュール抽出プログラムを格納した請求項１のコンピュータ読み取り可能な記録媒体。 - 前記コンピュータに、
統計的な異常値を除外して、前記モデル経路開始平均値、または前記経路辺平均所要時間を算出する前記実績解析処理、を実行させる前記指標スケジュール抽出プログラムを格納した請求項２のコンピュータ読み取り可能な記録媒体。 - 前記コンピュータに、
前記複数の区間における前記行動モデルの出現回数、または前記行動モデルの出現からの経過時間の短さに応じて重み付けされた出現回数を、前記重要度とする前記モデル解析処理、を実行させる前記指標スケジュール抽出プログラムを格納した請求項１乃至３の何れかのコンピュータ読み取り可能な記録媒体。 - 所定開始時点以降、所定時間幅で区切られた連続的な区間ごとに、ユーザの地点移動経路と当該経路に含まれる２地点間の移動のおのおの（各経路辺）の開始および終了時刻を抽出可能な行動実績データを実績データ格納手段に格納し、
前記行動実績データの複数の区間から、最も重要度が高い地点移動経路（行動モデル）を抽出し、
前記行動モデル上の経路辺ごとに、前記複数区間中の前記行動モデルを有する区間における開始時刻の平均値（モデル経路辺平均開始時刻）および終了時刻の平均値（モデル経路辺平均終了時刻）を求めて出力する指標スケジュール抽出方法。 - 前記行動モデル上の経路辺ごとに、当該経路辺のモデル経路辺平均終了時刻に代えて、当該経路辺と同じ２地点間の移動（特定移動）の所要時間の、前記特定移動を包含する全区間における平均値（経路辺平均所要時間）を算出し、当該経路辺のモデル経路辺平均開始時刻との加算値を出力する請求項９の指標スケジュール抽出方法。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2010019994 | 2010-02-01 | ||
| JP2010019994 | 2010-02-01 | ||
| PCT/JP2011/051838 WO2011093475A1 (ja) | 2010-02-01 | 2011-01-24 | 指標スケジュール抽出装置、指標スケジュール抽出プログラム記録媒体、および指標スケジュール抽出方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPWO2011093475A1 true JPWO2011093475A1 (ja) | 2013-06-06 |
Family
ID=44319453
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2011551948A Withdrawn JPWO2011093475A1 (ja) | 2010-02-01 | 2011-01-24 | 指標スケジュール抽出装置、指標スケジュール抽出プログラム記録媒体、および指標スケジュール抽出方法 |
Country Status (2)
| Country | Link |
|---|---|
| JP (1) | JPWO2011093475A1 (ja) |
| WO (1) | WO2011093475A1 (ja) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014106671A (ja) * | 2012-11-27 | 2014-06-09 | Mitsubishi Electric Building Techno Service Co Ltd | 保守業務管理装置及びプログラム |
| JP6389583B1 (ja) * | 2018-02-07 | 2018-09-12 | 株式会社ウフル | 行動指標評価システム、行動指標評価方法、及びプログラム |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3816068B2 (ja) * | 2001-08-06 | 2006-08-30 | 松下電器産業株式会社 | 情報提供方法および情報提供装置 |
| JP4100293B2 (ja) * | 2003-08-19 | 2008-06-11 | 株式会社ノーリツ | ふろシステムの予約運転制御方法 |
| JP4986874B2 (ja) * | 2008-01-31 | 2012-07-25 | 株式会社エヌ・ティ・ティ・ドコモ | シチュエーション推定装置、及び、シチュエーション推定プログラム |
| JP4834038B2 (ja) * | 2008-06-10 | 2011-12-07 | ヤフー株式会社 | ウェブサイト更新装置、方法及びプログラム |
| JP5199152B2 (ja) * | 2009-03-12 | 2013-05-15 | 株式会社日立製作所 | 行動予測方法及び行動予測システム |
-
2011
- 2011-01-24 JP JP2011551948A patent/JPWO2011093475A1/ja not_active Withdrawn
- 2011-01-24 WO PCT/JP2011/051838 patent/WO2011093475A1/ja active Application Filing
Also Published As
| Publication number | Publication date |
|---|---|
| WO2011093475A1 (ja) | 2011-08-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108289121B (zh) | 营销信息的推送方法及装置 | |
| US10748121B2 (en) | Enriching calendar events with additional relevant information | |
| CN107683486B (zh) | 用户事件的具有个人影响性的改变 | |
| US9449053B2 (en) | Ranking nearby destinations based on visit likelihoods and predicting future visits to places from location history | |
| US9576443B2 (en) | Systems and methods for providing beacon-based notifications | |
| CN110045965B (zh) | 一种管理应用的方法和移动终端 | |
| US10887424B2 (en) | Opportunity events | |
| EP3803726A1 (en) | User event pattern prediction and presentation | |
| US10560797B2 (en) | Information processing device and method | |
| JP2006268529A (ja) | データセンタの需要予測システム、需要予測方法および需要予測プログラム | |
| CN111478963B (zh) | 消息推送方法、装置、电子设备及计算机可读存储介质 | |
| EP2988261A1 (en) | Information processing device, information processing method, and program | |
| CN109408262B (zh) | 一种业务数据处理方法及相关设备 | |
| US20220129483A1 (en) | Data processing method and device, computing device and medium | |
| US20170046376A1 (en) | Method and system for monitoring data quality and dependency | |
| JPWO2017168651A1 (ja) | 人口推定装置、プログラム及び人口推定方法 | |
| CN108647735B (zh) | 用户出行规律分析方法、装置、设备及存储介质 | |
| JP2019067462A (ja) | 情報処理装置、配達成否予測方法及び配達成否予測プログラム | |
| JP6688149B2 (ja) | タクシー需要推定システム | |
| JP2017211790A (ja) | 情報処理装置、配達成否予測方法及び配達成否予測プログラム | |
| WO2011093475A1 (ja) | 指標スケジュール抽出装置、指標スケジュール抽出プログラム記録媒体、および指標スケジュール抽出方法 | |
| JP2014204155A (ja) | 外れ値原因判定装置及び外れ値原因判定方法 | |
| CN110321495B (zh) | 活动消息的推送方法、装置、计算机设备及存储介质 | |
| JP7231192B2 (ja) | コミュニティの活性度測定方法、コミュニティの成熟度測定方法及びコミュニティの活性度測定プログラム | |
| JP6774917B2 (ja) | 所定行動に対するグループ内の同調圧力を推定するプログラム、装置及び方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A300 | Withdrawal of application because of no request for examination |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20140401 |