WO2016185913A1 - 情報処理装置、情報処理方法、及び、プログラム - Google Patents

情報処理装置、情報処理方法、及び、プログラム Download PDF

Info

Publication number
WO2016185913A1
WO2016185913A1 PCT/JP2016/063621 JP2016063621W WO2016185913A1 WO 2016185913 A1 WO2016185913 A1 WO 2016185913A1 JP 2016063621 W JP2016063621 W JP 2016063621W WO 2016185913 A1 WO2016185913 A1 WO 2016185913A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
map
unit
request
request destination
Prior art date
Application number
PCT/JP2016/063621
Other languages
English (en)
French (fr)
Inventor
正典 宮原
Original Assignee
ソニー株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by ソニー株式会社 filed Critical ソニー株式会社
Priority to EP16796307.3A priority Critical patent/EP3300058A4/en
Priority to CN201680027265.8A priority patent/CN107533811B/zh
Priority to JP2017519113A priority patent/JPWO2016185913A1/ja
Priority to US15/559,146 priority patent/US10606868B2/en
Publication of WO2016185913A1 publication Critical patent/WO2016185913A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B29/00—Maps; Plans; Charts; Diagrams, e.g. route diagram
    • G09B29/003—Maps
    • G09B29/006—Representation of non-cartographic information on maps, e.g. population distribution, wind direction, radiation levels, air and sea routes
    • G09B29/007—Representation of non-cartographic information on maps, e.g. population distribution, wind direction, radiation levels, air and sea routes using computer methods
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B29/00—Maps; Plans; Charts; Diagrams, e.g. route diagram
    • G09B29/10—Map spot or coordinate position indicators; Map reading aids
    • G09B29/106—Map spot or coordinate position indicators; Map reading aids using electronic means
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
    • G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
    • G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
    • G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
    • G08B13/19608—Tracking movement of a target, e.g. by detecting an object predefined as a target, using target direction and or velocity to predict its new position
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/2866—Architectures; Arrangements
    • H04L67/30—Profiles
    • H04L67/306—User profiles

Definitions

  • the present technology relates to an information processing device, an information processing method, and a program, and particularly relates to an information processing device, an information processing method, and a program that can generate a spatiotemporal map efficiently.
  • a space map showing data of each place in a predetermined space has been widely used.
  • the spatial map include a topographic map by surveying, a railway route map, and the like.
  • a spatial map (hereinafter referred to as a spatio-temporal map) in which displayed data changes with time has also been widely used.
  • the spatio-temporal map include a weather map and a traffic jam situation map.
  • Patent Document 1 when an event to be notified in the monitoring area is detected by the photo sensor and the microwave sensor, the camera is turned on and transmission of an image of the monitoring area is started.
  • a technique has been proposed in which the camera is turned off and the image transmission is stopped after the event ends. By using this technique, power saving can be realized.
  • Patent Document 1 only controls on / off of a power source of a camera fixed in the monitoring area, and when the image of the same place taken by the same camera changes with time. It can only be applied to a spatial map.
  • the present technology makes it possible to efficiently generate an arbitrary space-time map.
  • An information processing apparatus is configured to specify a request destination of data related to a certain place on a spatiotemporal map in which data changes with time, from among a plurality of data acquisition units, the context and profile of the data acquisition unit.
  • the space-time map using at least one of them, a request destination selection unit that selects based on the content of requested data, a data request unit that requests data from the request destination, and data from the request destination And a map generation unit that generates
  • the context of the user who uses the data acquisition unit may be included in the context of the data acquisition unit, and the user may provide data related to the certain location to the request selection unit based on the user context
  • the request destination can be selected based on the estimated result.
  • the profile of the data acquisition unit includes a past record of provision of data by a user who uses the data acquisition unit, and the request selection unit includes the request destination based on the past record of provision of data by the user. Can be selected.
  • an event detection unit that detects an event in the space corresponding to the spatiotemporal map is further provided, and the request destination selection unit is near the place where the event was detected It is possible to select a request destination of data regarding.
  • the request destination selection unit can select a request destination of data related to a location specified by a user who uses the spatiotemporal map.
  • the reward setting unit can set the reward based on an estimated value of the access number of requested data.
  • a condition setting unit for setting conditions for collecting data is further provided, and the request destination selection unit can select the request destination from the data acquisition units capable of acquiring data satisfying the set condition. .
  • a request destination of data regarding a certain place on a spatiotemporal map in which data changes with time is obtained from a plurality of data acquisition units, and the context and profile of the data acquisition unit.
  • the space-time map using at least one of them, a request destination selection step for selecting based on the content of requested data, a data request step for requesting data from the request destination, and data from the request destination Generating a map.
  • a program is configured to specify a request destination of data regarding a certain place on a spatio-temporal map in which data changes with time, from among a plurality of data acquisition units, among the context and profile of the data acquisition unit.
  • the space-time map is generated using at least one of them, a request destination selection step for selecting based on the content of the requested data, a data request step for requesting data from the request destination, and data from the request destination And causing the computer to execute processing including a map generation step.
  • a request destination of data regarding a certain place on a spatiotemporal map in which data changes with time is at least one of the context and profile of the data acquisition unit from among a plurality of data acquisition units. On the other hand, it is selected based on the contents of the requested data, the data is requested from the request destination, and the space-time map is generated using the data from the request destination.
  • an arbitrary spatiotemporal map can be generated efficiently.
  • FIG. 1 shows an embodiment of an information processing system 101 to which the present technology is applied.
  • the information processing system 101 is a system that generates a space-time map and provides it to a user.
  • the type of spatiotemporal map provided by the information processing system 101 is not particularly limited.
  • examples of the spatio-temporal map provided by the information processing system 101 include a weather information map, a sightseeing spot map, a traffic abnormality map, a farmland monitoring map, a content viewing map, a restaurant review map, a hazard map, a monitoring map, a human body map, and the like. Can be mentioned.
  • the meteorological information map is, for example, a map showing changes in time series of weather conditions in each place.
  • Sightseeing map is a map in which, for example, data of events and the degree of congestion of each sightseeing spot is updated over time.
  • the traffic abnormality map is, for example, a map in which data such as the occurrence status, occurrence history, and necessary data of car accidents in a predetermined space are updated with time.
  • data such as the occurrence status, occurrence history, and necessary data of car accidents in a predetermined space are updated with time.
  • what is necessary is, for example, an ambulance or a doctor.
  • the farmland monitoring map is, for example, a map in which data such as the occurrence status and occurrence history of farmland abnormalities in a predetermined space are updated with time.
  • the content viewing map is, for example, a map in which data such as the audience rating and the number of viewers of various contents in each region are updated with time.
  • the restaurant review map is, for example, a map in which the display of reviews given to each restaurant in a predetermined space is updated as appropriate.
  • the hazard map is, for example, a map in which data such as a place where a crime or a disaster occurs in a predetermined space, a probability that a crime or a disaster occurs in each place, etc. is updated with time.
  • the human body map is, for example, a map showing a time-series change in data such as the amount and temperature of a predetermined substance in the human body.
  • the amount of the predetermined substance is, for example, the amount of hydrogen atoms measured by MRI (Magnetic-Resonance-Imaging).
  • the data of the spatiotemporal map may be updated in real time or may be updated at a predetermined timing. Further, the spatiotemporal map may have a function of designating an arbitrary time and place and displaying data of the designated time and place.
  • the space-time map is also simply referred to as a map.
  • the information processing system 101 is configured to include a server 111, data acquisition units 112-1 to 112-m, and clients 113-1 to 113-n.
  • the server 111 is connected to the data acquisition units 112-1 to 112-m and the clients 113-1 to 113-n via a network (not shown) and performs communication.
  • the data acquisition units 112-1 to 112-m are simply referred to as the data acquisition unit 112 when it is not necessary to distinguish them individually.
  • the clients 113-1 to 113-n they are simply referred to as clients 113.
  • the server 111 is configured to include a map generation unit 121, a database 122, a data collection control unit 123, and a data registration unit 124.
  • the map generation unit 121 When the map generation unit 121 receives a map request from the client 113, the map generation unit 121 generates a space-time map requested from the client 113 using data registered in the database 122. Then, the map generation unit 121 transmits map information including the generated spatiotemporal map to the requesting client 113. The map generation unit 121 supplies the received map request to the request control unit 133 as necessary.
  • the database 122 includes a space-time map database that stores data used for the space-time map, a data acquisition unit database that stores data related to each data acquisition unit 112, a client database that stores data related to the client 113, and the like. Data relating to a user who uses the data acquisition unit 112 is also stored in the data acquisition unit database.
  • the client database also stores data related to users who use the client 113.
  • the former is referred to as an owner and the latter is referred to as a user.
  • the data collection control unit 123 controls data collection from each data acquisition unit 112.
  • the data collection control unit 123 is configured to include a feature extraction unit 131, an event detection unit 132, and a request control unit 133.
  • the feature extraction unit 131 extracts a feature amount of data stored in the spatiotemporal map database, and supplies information indicating the extracted feature amount to the event detection unit 132.
  • the event detection unit 132 detects an event in a space corresponding to the spatiotemporal map (a space covered by the spatiotemporal map) based on the feature amount extracted by the feature extraction unit 131.
  • the event detection unit 132 supplies the event detection result to the request control unit 133.
  • the request control unit 133 controls a data provision request to each data acquisition unit 112. For example, the request control unit 133 selects the data acquisition unit 112 that transmits a data request based on a map request, an event detection result, and the like. Further, the request control unit 133 generates a data request including the content of the requested data, a reward, and the like based on the map request, the detection result of the event, and the like. Then, the request control unit 133 transmits the generated data request to the selected data acquisition unit 112.
  • the data registration unit 124 registers the data transmitted from each data acquisition unit 112 in the space-time map database in the database 122.
  • the data acquisition unit 112 acquires data used for the spatiotemporal map.
  • the data acquisition unit 112 may be of any format as long as it can acquire data used for the spatiotemporal map.
  • the data acquisition unit 112 includes a low-level sensor.
  • Low-level sensors include, for example, acceleration sensors, GPS receivers, watches, barometric pressure sensors, geomagnetic sensors, wireless communication devices such as WiFi and Bluetooth (registered trademark), microphones, cameras, pedometers, and illuminance Meter, thermometer, hygrometer, raindrop sensor, etc.
  • the data acquisition unit 112 is configured by a device that acquires various logs.
  • the system log is, for example, an application program startup log, content viewing log, item purchase log, website browsing history, various device operation logs, search keyword log, and the like.
  • the data acquisition unit 112 is configured by a device that performs various types of recognition.
  • Various types of recognition include, for example, action recognition, voice recognition, image recognition, companion recognition, high context recognition, and the like.
  • the action recognition refers to recognizing a person's action while standing, walking, running, and riding on various vehicles (for example, bicycle, train, bus, passenger car, etc.).
  • Image recognition is, for example, recognition of a face, facial expression, age, sex, general object, etc. using an image.
  • High context recognition refers to, for example, recognizing a person's context such as home, work, shopping, commuting, traveling, or doing housework.
  • the data acquisition unit 112 is configured by a device that acquires data input by a person.
  • Data input by humans include, for example, SNS (Social Networking Service) comments, product reviews, manual recognition results, expert judgment, business judgment, photographed / edited still images / videos, summarized text Etc.
  • SNS Social Networking Service
  • the data acquisition unit 112 is configured by a device for a specific purpose.
  • the specific application device include an MRI device, a CT (Computed Tomography) device, a blood pressure sensor, a heart rate sensor, a thermometer, and a Geiger counter.
  • the data acquisition unit 112 is divided into, for example, an automatic type, a semi-automatic type, a passive type, and a manual type.
  • the automatic data acquisition unit 112 operates regardless of the data request. That is, the automatic data acquisition unit 112 acquires data periodically, at a predetermined timing, or when a predetermined condition is satisfied, regardless of the presence or absence of a data request from the server 111, The acquired data is transmitted to the server 111.
  • the passive data acquisition unit 112 operates according to the data request. For example, when receiving a data request from the server 111, the passive data acquisition unit 112 acquires data and transmits the acquired data to the server 111.
  • the semi-automatic data acquisition unit 112 is a data acquisition unit 112 of a combination of an automatic type and a passive type. For example, the semi-automatic data acquisition unit 112 performs the same operation as the automatic data acquisition unit 112 when there is no data request.
  • the semi-automatic data acquisition unit 112 when receiving a data request from the server 111, the semi-automatic data acquisition unit 112 operates in accordance with the data request in the same manner as the passive data acquisition unit 112. For example, when a data request from the server 111 is received, the semi-automatic data acquisition unit 112 acquires data, transmits the acquired data to the server 111, increases the frequency of data acquisition, Increase quality and accuracy.
  • the manual data acquisition unit 112 acquires data by a user operation and transmits the data to the server 111 or allows transmission of data to the server 111.
  • the data acquisition unit 112 operates as an automatic, passive, or semi-automatic data acquisition unit 112 when no user operation is performed, and a manual data acquisition unit when a user operation is performed. It is possible to operate as 112.
  • the data acquisition unit 112 can acquire a plurality of types of data.
  • the data acquisition unit 112 transmits some data as the automatic, passive, or semi-automatic data acquisition unit 112 to the server 111 without user operation, and the remaining data. Can be transmitted to the server 111 by a user operation as the manual data acquisition unit 112.
  • the data acquisition unit 112 includes a fixed installation location, a fixed moving route, and a free moving device.
  • the client 113 is composed of various devices that can use the space-time map.
  • the client 113 is configured by a smartphone, a tablet, a mobile phone, a personal computer, a wearable device, a game machine, or the like.
  • the client 113 transmits a map request to the server 111, and displays the requested map based on the map information transmitted from the server 111 in response to the map request.
  • the map request includes the type of spatiotemporal map that the user wants to browse.
  • the map request may include a location where the user wants to see the data (hereinafter referred to as a desired viewing location), a content of the data that the user wants to see (hereinafter referred to as a desired browsing content), and the like as necessary. Is possible.
  • the data acquisition unit 112 and the client 113 are separated, but may partially overlap. That is, one apparatus may acquire the data for the spatiotemporal map as the data acquisition unit 112 and may use the spatiotemporal map as the client 113.
  • the request control unit 133 is configured to include a condition setting unit 151, a reward setting unit 152, a request destination selection unit 153, and a data request unit 154.
  • the condition setting unit 151 sets conditions for collecting data based on the event detection result by the event detection unit 132, the map request supplied from the map generation unit 121, and the like.
  • the condition setting unit 151 notifies the reward setting unit 152 and the request destination selection unit 153 of the set condition.
  • the reward setting unit 152 sets a reward for data based on the conditions set by the condition setting unit 151.
  • the reward setting unit 152 notifies the data request unit 154 of the set reward.
  • the request destination selection unit 153 selects a data request destination from the data acquisition unit 112 based on the conditions set by the condition setting unit 151.
  • the request destination selection unit 153 notifies the data request unit 154 of the selected request destination.
  • the data request unit 154 generates a data request including the content of the requested data, a reward, and the like, and transmits the generated data request to the data acquisition unit 112 selected as the request destination.
  • FIG. 3 shows an example of the data structure of the space-time map database.
  • the spatiotemporal map database is configured to include fields of place ID, time, data type, data, and access count.
  • a location ID for uniquely identifying the data acquisition location is registered.
  • the location classification method can be arbitrarily set according to the type of the spatiotemporal map. For example, the space corresponding to the spatio-temporal map may be divided into 100 m square mesh-like locations, and different location IDs may be assigned to the respective locations. In addition, for example, a place may be divided into prefectures or municipalities, and a different place ID may be given to each place.
  • the time when the data was acquired is registered.
  • the data type field the acquired data type is registered.
  • the data type includes, for example, the type and content of data.
  • data types such as “number of people staying at this place within the past hour” and “photos taken at this place within the past hour” are registered.
  • the actual acquired data or the storage location of the acquired data is registered.
  • the data access count field the data access count is registered.
  • map providing process executed by the server 111 will be described with reference to the flowchart of FIG. This process is started when a map request is transmitted from the client 113.
  • step S1 the map generation unit 121 receives a map request transmitted from the client 113.
  • step S2 the map generation unit 121 determines whether or not the requested map data is the latest. For example, the map generation unit 121 updates the space-time map database for the map requested from the client 113 within a predetermined time (for example, within one day, within one hour, within ten minutes, within one minute, etc.). Check whether there is any.
  • the update time of the spatio-temporal map database which is a determination criterion, is set based on the map type, map update frequency, timing, and the like. Then, if the spatiotemporal map database is updated within a predetermined time, the map generation unit 121 determines that the requested map data is the latest, and the process proceeds to step S3.
  • the map generation unit 121 is requested based on whether or not the data related to the desired browsing location in the spatio-temporal map database is updated within a predetermined time when the desired browsing location is included in the map request, for example. You may make it determine whether the data of a map are the newest. Further, the map generation unit 121 is requested based on whether or not the data related to the browsing desired contents in the spatio-temporal map database is updated within a predetermined time when the browsing request contents are included in the map request, for example. You may make it determine whether the data of a map are the newest.
  • step S3 the map generation unit 121 generates the requested map using data registered in the spatiotemporal map database.
  • step S4 the map generation unit 121 transmits map information including the generated map to the requesting client 113.
  • the requesting client 113 displays a map based on the received map information.
  • step S2 if the spatiotemporal map database has not been updated within a predetermined time, the map generation unit 121 determines that the requested map data is not the latest, and the process proceeds to step S5.
  • step S5 the map generation unit 121 supplies a map request to the request control unit 133 and instructs data collection.
  • step S6 the request control unit 133 executes data request processing.
  • the details of the data request process will be described later with reference to FIG. 8.
  • the data acquisition unit 112 that requests data is selected, and the data request is transmitted to the selected data acquisition unit 112.
  • the map generation unit 121 may transmit map information including a map generated using non-latest data to the requesting client 113.
  • the map generation unit 121 may transmit map information including a map generated using the acquired data to the requesting client 113 after acquiring the latest data.
  • the map generation unit 121 may notify the requesting client 113 that the latest map cannot be provided.
  • step S101 the feature extraction unit 131 executes feature extraction processing.
  • details of the feature extraction processing will be described with reference to the flowchart of FIG.
  • the feature extraction unit 131 identifies the type of each data. Specifically, the feature extraction unit 131 identifies the type of data registered in the spatiotemporal map database within a predetermined period.
  • the predetermined period is set to, for example, a period from the previous execution of the feature extraction process to the present, or a period from a predetermined time before to the present.
  • the data type is classified into, for example, voice, text, image, and other general-purpose data.
  • step S122 the feature extraction unit 131 generates a feature vector of each data by processing according to the type of each data. Note that any method can be adopted as a method for extracting feature amounts of each data and a method for generating feature vectors.
  • the feature extraction unit 131 emphasizes frequency components important for human perception by MFCC (Mel Frequency Cepstrum Coefficient) and extracts feature amounts.
  • MFCC Mel Frequency Cepstrum Coefficient
  • the feature extraction unit 131 divides the data into the smallest meaningful units by morphological analysis, and then considers the appearance frequency of the morphemes in the text by TF / IDF (Term Frequency / Inverse Document Frequency) Weighting is performed, and feature quantities are extracted.
  • TF / IDF Term Frequency / Inverse Document Frequency
  • the feature extraction unit 131 focuses on a local luminance gradient and extracts a feature amount that is robust to image rotation and enlargement / reduction.
  • the feature extraction unit 131 performs general-purpose feature extraction processing on the feature amount extracted by the above processing, or general numerical data other than those described above, and generates a feature vector. For example, the feature extraction unit 131 creates a histogram from the frequency of data, and generates a feature vector based on the created histogram. In addition, for example, the feature extraction unit 131 reduces the dimension of data using PCA (Principal Component Analysis), SVD (Singular Value Decomposition), pLSA (probabilistic Latent Semantic Analysis), DNN (Deep Neural Network), and the like. Thus, a feature vector is generated.
  • PCA Principal Component Analysis
  • SVD Small Value Decomposition
  • pLSA probabilistic Latent Semantic Analysis
  • DNN Deep Neural Network
  • the feature extraction unit 131 calculates various statistics such as a maximum value, minimum value, average value, median value, variance, and total value, and generates a feature vector based on the calculated statistics. Further, for example, the feature extraction unit 131 performs clustering based on distance, density, graph, or the like, and generates a feature vector based on the clustering result.
  • the feature extraction unit 131 supplies the generated feature vector of each data to the event detection unit 132.
  • step S102 the event detection unit 132 performs an event detection process.
  • the details of the event detection processing will be described with reference to the flowchart of FIG.
  • step S141 the event detection unit 132 divides the extracted feature vector into predetermined units.
  • the event detection unit 132 divides the extracted feature vector into predetermined time units such as one minute, one hour, and one day.
  • the event detection unit 132 divides the extracted feature vector into predetermined place units such as prefecture units, administrative district units, 10 km square units, and the like.
  • step S142 the event detection unit 132 detects an event based on the feature vector for each unit. For example, the event detection unit 132 detects in which unit the event has occurred based on the difference in the feature vectors between the units. As a result, when the feature vector is divided into time units and place units, it is detected which event occurs in which place and in which time zone.
  • the event detection unit 132 uses an unsupervised extraordinary pattern extraction or abnormality detection method to detect an event. Perform detection. For example, techniques such as One Class SVM (Support Vector Machine) and Local Outlier Factor are used.
  • One Class SVM Small Vector Machine
  • Local Outlier Factor Local Outlier Factor
  • the event detection unit 132 detects not only the occurrence of an event but also the content of the event.
  • the event detection unit 132 notifies the request control unit 133 of the event detection result.
  • the unit for dividing the feature vector can be set other than the time and place described above.
  • the feature vector can be divided for each movie category such as action, comedy, romance, and mystery. In this case, for example, it is possible to detect an event in which a different viewing tendency occurs in a certain category.
  • step S103 the request control unit 133 executes the data request process, and the data collection control process ends.
  • the details of the data request process will be described with reference to the flowchart of FIG.
  • step S161 the condition setting unit 151 sets conditions for collecting data.
  • the condition setting unit 151 stores the data near the browsing location as data. It is set as a collection place (hereinafter referred to as a collection target place).
  • the condition setting unit 151 sets the vicinity of the place where the event is detected as the collection target place.
  • the condition setting unit 151 sets, for example, the entire space corresponding to the map as the collection target location when both the designation of the desired browsing location and the detection of the event are not performed.
  • the condition setting unit 151 sets the content of data to be collected based on the desired browsing content included in the map request, the content of the detected event, the collection target location, the time zone for collecting the data, and the like.
  • the contents of the data to be collected for example, the data type of the spatio-temporal map database in FIG. 3 is set, and more detailed conditions than the data type are set as necessary.
  • the condition more detailed than the data type includes, for example, data quality (for example, image quality, sound quality, etc.), data accuracy, specific contents of data, and the like.
  • the specific contents of the data are specific subjects.
  • the condition setting unit 151 displays the browsing request content. Is set to the contents of the data to be collected.
  • the condition setting unit 151 notifies the reward setting unit 152 and the request destination selecting unit 153 of the set condition.
  • the reward setting unit 152 sets a reward for the data. Specifically, the reward setting unit 152 sets a reward based on the value of data to be collected. The value of data is set based on, for example, importance, rarity, urgency, information amount, and the like.
  • the reward setting unit 152 sets the reward higher for data with higher importance, and sets the reward lower for data with lower importance.
  • the reward setting unit 152 estimates the number of data accesses as one of the importance levels of data, and sets a reward based on the estimated number of accesses.
  • a reward setting method based on the number of accesses will be described with reference to FIG.
  • the reward setting unit 152 checks the transition of the number of accesses of data of the data type B related to the location A set as the collection target location. Then, it is assumed that the number of accesses of the data type B relating to the location A has changed as shown in the graph 201 of FIG.
  • the time ta is the current time.
  • the reward setting unit 152 searches a history similar to the transition of the number of accesses in the graph 201 from the history of the number of accesses of the data of the data type B regarding the past place A. As a result, it is assumed that the history shown in the graph 202 of FIG. 9 is detected.
  • the transition in the number of accesses until time tb in the graph 202 is similar to the transition in the number of accesses until time ta in the graph 201.
  • the reward setting unit 152 predicts that the number of accesses after the time ta changes in the same manner as after the time tb of the graph 202, as indicated by the shaded portion of the graph 203. Thereby, the reward setting part 152 can estimate the access count of the data of the data type B regarding the place A after the time ta.
  • the reward setting unit 152 sets a reward for data of data type B based on the estimated number of accesses. That is, the reward setting unit 152 sets the reward higher as the estimated value of the access number is larger, and sets the reward lower as the estimated value of the access number is larger.
  • the reward setting unit 152 sets a higher reward for data with a high degree of urgency, that is, data that is highly urgently collected and presented to the user.
  • the reward control unit 152 sets a lower reward for data with lower urgency, that is, data that is less urgently collected and presented to the user.
  • the reward setting unit 152 sets a higher reward for data with a higher degree of rarity, and sets a lower reward for data with a lower degree of rarity.
  • data with a high degree of rarity include, for example, data that is difficult to collect, data that has a small number of data acquisition units 112 that can be acquired, data that is expected to have a small number of data provision, and the like.
  • data with low rarity are, for example, data that can be easily collected, data that has a large number of data acquisition units 112 that can be acquired, data that is expected to provide a large number of data, and the like.
  • the reward setting unit 152 sets the reward higher for data with a larger amount of information, and sets the reward lower for data with a lower amount of information. For example, the reward setting unit 152 sets higher than the reward for the high-quality image data than the low-quality image data. Further, for example, the reward setting unit 152 sets the reward for the image data higher than the sound data.
  • the reward setting unit 152 may set a reward by combining a plurality of viewpoints. Further, the reward setting unit 152 may set a reward based on another viewpoint. Further, for example, the reward setting unit 152 performs machine learning using a method such as linear regression or multiple regression, generates a model for estimating the value of the data, and sets the reward using the generated model. Also good.
  • the reward setting unit 152 may set an upper limit of the reward that can be provided, and distribute the reward depending on the number of providers.
  • the reward can be set to any content such as cash, points, benefits, evaluations, and the like.
  • the reward setting unit 152 notifies the data request unit 154 of the set reward.
  • step S163 the request destination selection unit 153 selects a data request destination based on at least one of the context and profile of each data acquisition unit 112 and the content of the requested data.
  • the context of the data acquisition unit 112 includes, for example, the current position of the data acquisition unit 112, the operating status, and the like.
  • the context of the manual data acquisition unit 112 includes the owner's context.
  • the context of the owner includes, for example, the current position of the owner, the current action content, and the like.
  • the profile of the data acquisition unit 112 includes, for example, the type, specifications, performance, functions, and the like of the data acquisition unit 112. Further, the profile of the manual data acquisition unit 112 includes the owner's profile.
  • the owner's profile includes, for example, information such as the owner's preference, behavior pattern, and past data provision history.
  • the request destination selection unit 153 searches the data acquisition unit 112 that can acquire data that satisfies the conditions set in the process of step S161, and selects the detected data acquisition unit 112 as a request destination candidate.
  • the request destination selection unit 153 is a semi-automatic type, a passive type, or a manual type that exists in the vicinity of the collection target location set in the process of step S161 and can acquire data having the contents set in the process of step S161.
  • the type data acquisition unit 112 is selected as a request destination candidate.
  • the request destination selection unit 153 selects all or part of the semi-automatic and passive data acquisition units 112 from the request destination candidates as the request destination.
  • the request destination selection unit 153 for the manual data acquisition unit 112, for example, among the request destination candidates, based on the past data provision history, the owner context, and the profile, as described below. Select the request destination.
  • the request destination selection unit 153 selects the data acquisition unit 112 that has provided data with the same content in the past or data about the same location from the manual data acquisition unit 112 that is a candidate of the request destination. Search for. Then, the request destination selection unit 153 selects all or part of the detected data acquisition unit 112 as the request destination. When selecting a part of the detected data acquisition unit 112 as a request destination, the request destination selection unit 153 selects, for example, a predetermined number of data acquisition units 112 from the top in order of descending provision results. Alternatively, the request destination selection unit 153 randomly selects a request destination from the data acquisition units 112 that have been provided.
  • the request destination selection unit 153 includes the manual type data acquisition unit 112 that has no provision results from the request destination candidates. May be selected as a request destination.
  • the request destination selection unit 153 uses the technique such as collaborative filtering from among the owners of the manual data acquisition unit 112 that has no provision record, and the owner of the manual data acquisition unit 112 that has the provision record. Find owners similar to. Then, the request destination selecting unit 153 selects the detected data acquisition unit 112 of the owner as the request destination. Alternatively, for example, the request destination selection unit 153 randomly selects a request destination from the manual data acquisition unit 112 that has no provision record.
  • the request destination selection unit 153 preferentially selects the data acquisition unit 112 that has a high possibility of providing data from the manual data acquisition units 112 that are request destination candidates. For example, the request destination selection unit 153 estimates the possibility that the owner of each request destination selection unit 153 provides data, and based on the estimated result, the data acquisition unit that is highly likely that the owner provides data 112 is preferentially selected as a request destination.
  • the possibility that the owner will provide the data is based on the data supplied from the data acquisition unit 112, the content of the requested data, the type of the data acquisition unit 112, the collection target location, the time zone for collecting the data, etc. Presumed.
  • the request destination selection unit 153 detects the context of the owner of the data acquisition unit 112 based on the data from the data acquisition unit 112. Then, for example, when the owner is walking near the collection target location, the request destination selection unit 153 estimates that there is a high possibility of providing the data, and may provide the data when working or driving. Is estimated to be low.
  • the request destination selection unit 153 estimates that the possibility of providing data is low if the owner is sitting in the driver's seat, and if the owner is sitting in a seat other than the driver's seat , Presumably likely to provide data.
  • the request destination selection unit 153 notifies the data request unit 154 of the request destination selection result.
  • step S164 the data request unit 154 requests data from the request destination, and the data request process ends. Specifically, the data request unit 154 generates a data request including the content of the requested data, a reward, and the like. The data request unit 154 transmits the generated data request to the data acquisition unit 112 selected as the request destination. As a result, the content of the requested data and the reward are notified to the request destination.
  • FIG. 10 shows an example of a screen 252 that is displayed when the smartphone 251, which is a form of the manual data acquisition unit 112, receives a data request from the server 111.
  • the screen 252 a message requesting to take a nearby photograph and a window 253 indicating 10 yen as a reward are displayed.
  • the window 254 shown on the right side may be displayed in the screen 252.
  • a message and an icon requesting to take a picture and a reward of 10 yen are displayed.
  • the owner of the smartphone 251 looks at the window 253 or the window 254, takes a nearby photo with the smartphone 251, and transmits the taken photo to the server 111.
  • the owner may take a picture with a device such as a digital camera other than the smartphone 251 and transmit the photograph to the server 111.
  • FIG. 11 shows an example of the setting screen 261 when the smartphone 251 is used as the automatic data acquisition unit 112.
  • the setting screen 261 displays a menu for selecting the type of data that is automatically acquired and provided to the server 111.
  • position information (details), position information (simple), acceleration, temperature, number of steps, and search keyword are included in the options.
  • the owner automatically selects the type of data to be provided by inputting a circle or a cross in the left frame of each option.
  • position information (simple), acceleration, temperature, and search keywords are automatically selected as data to be provided, and position information (details) and the number of steps are not selected as automatically provided data. Has been.
  • the reward for automatically providing the selected data is displayed below the menu. In this example, it is shown that the reward is 525 yen per month. This reward varies depending on the combination of selected data.
  • the server 111 may transmit the same data request to the plurality of data acquisition units 112 and accept provision of data in an auction format.
  • an auction format for example, the server 111 employs data provided earliest or employs data that most closely matches the conditions.
  • Data registration process Next, data registration processing executed by the server 111 will be described with reference to the flowchart of FIG. This process is started when data is transmitted from the data acquisition unit 112, for example. This process is executed not only when data is transmitted in response to a data request from the data acquisition unit 112 but also when data is automatically transmitted.
  • step S201 the data registration unit 124 receives the data transmitted from the data acquisition unit 112.
  • step S202 the data registration unit 124 converts the format into a predetermined format. That is, the data registration unit 124 converts the format of the received data so as to match the format of the space-time map database according to the data type.
  • step S203 the data registration unit 124 performs data interpolation or the like as necessary. For example, when the received data is time-series data, the data registration unit 124 interpolates time data between adjacent measurement times using linear interpolation or the like.
  • step S204 the data registration unit 124 removes abnormal data.
  • the data registration unit 124 removes data having abnormal values or defective data according to a predetermined rule or the like.
  • step S205 the data registration unit 124 registers the data in the database 122 (time-space map database) except for the data excluded in the process of step S104.
  • a spatiotemporal map is generated using the registered data.
  • FIG. 13 shows an example in which an event is detected at a location P1 on the map 311 of the traffic abnormality map 301.
  • the balloon 312 shows the specific contents of the event at this point. Specifically, it is shown that an event was detected 3 seconds ago near the head office of Company S at location P1. In addition, many people stopped at the place P1, the noise level was 2.5 times normal, the temperature was 3 degrees higher than expected, and no major accidents have occurred in the past. Yes.
  • the server 111 sets the content of the data to be acquired for this event detection, and transmits a data request to the data acquisition unit 112 that can acquire the data of the set content regarding the place P1.
  • a data request is made.
  • a data request is transmitted to the manual data acquisition unit 112 that is expected to move near the place P1 or near the place P1.
  • the server 111 notifies the client 113 that is expected to move to the place P1 from now on.
  • the user U1 who has the client 113 notified of the alert needs to go to the vicinity of the place P1, and transmits a map request.
  • the latest data in the vicinity of the place P1 is transmitted to the server 111 one after another from the data acquisition unit 112 that has received the data request, and the user U1 quickly details the latest information in the vicinity of the place P1.
  • the balloon 314 indicates that a traffic accident has occurred at the place P1 along with the time of occurrence.
  • a flow of a person is detected based on a change in the current position notified from the data acquisition unit 112, and as a result, the server 111 has estimated a detour route.
  • an image, a message, and the like showing the state of the site provided from the data acquisition unit 112 that has received the data request are displayed.
  • FIG. 15 shows an example in which an event is detected at a place P2 on the map 361 of the farmland monitoring map 351. In the balloon 362, it is shown that a sensor attached to the field fence at the place P2 has reacted.
  • the server 111 sets the content of data to be acquired, and transmits a data request to the data acquisition unit 112 that can acquire data of the set content regarding the place P2.
  • a data request is also transmitted to the data acquisition unit 112 of the owner.
  • the owner V1 having the data acquisition unit 112 to which the data request is transmitted acquires data regarding the field in the place P2 using the drone and transmits the data to the server 111.
  • the user U2 who is the owner of the field at the place P2 can know the current state of his field quickly and in detail.
  • FIG. 16 shows an example of a content viewing map 401 including a Japan map 411 showing the distribution of TV ratings of yesterday's TV in each prefecture.
  • the balloon 412 information that the audience rating is higher than usual in Osaka and Nara, and especially that the audience rating of Drama A is significantly increased is shown. That is, in this case, it is detected as an event that the audience rating of the drama A is high in the place P3 including Osaka and Nara.
  • the user U3 who sees the content viewing map 401 knows why the drama A is popular in Osaka and Nara, and wants to utilize the reason for marketing. Therefore, the user U3 designates Osaka and Nara as the desired browsing location, and transmits a map request specifying the questions Q1 to Q3 as the desired browsing content to the server 111.
  • Question Q1 is “Did you watch drama A yesterday?”
  • Question Q2 is “Why did you watch drama A?”
  • the server 111 transmits a data request to the data acquisition unit 112 of the owner who has a high possibility of answering the questions Q1 to Q3, for example, residing in Osaka or Nara.
  • the owner of the data acquisition unit 112 that has received the data request transmits answers to the questions Q1 to Q3 to the server 111.
  • the server 111 can present to the user U3 the reason why the audience rating of the drama A is high in Osaka and Nara, as indicated by the balloon 413 in FIG. Specifically, it was heavy rain yesterday, half of viewers were over 60 years old, and drama A was a popular actor in the local area (Osaka and Nara). It is cited as the reason for the high rate.
  • the user U3 can quickly perform actions such as pressing the CM frame or using it for marketing using the obtained information.
  • FIG. 18 shows an example in which some event is detected in the sightseeing spot C of the map 461 of the sightseeing spot map 451.
  • the balloon 462 it is shown that more people gather at the tourist spot C and more pictures are taken.
  • photographs taken at the sightseeing spot C are displayed, and a cat is reflected in these photographs.
  • the user U4 who is considering sightseeing in the sightseeing spot C browses the sightseeing spot map 451 in order to obtain information on the sightseeing spot C. Then, the user U4 knows that many photos of cats have been taken in the sightseeing spot C, and wants to know if there are cats even now, and sends a map request to the server 111. At this time, the user U4 designates the sightseeing spot C as a desired browsing place, and designates that the user wants to know whether there are still many cats in the sightseeing spot C as the browsing desired content. Moreover, the user U4 sets the reward for data provision to 100 points.
  • the server 111 transmits a data request to the data acquisition unit 112 of the owner in the vicinity of the sightseeing spot C, for example.
  • This data request indicates that there is a lot of information in the sightseeing spot C and that information is desired, and that 100 points are given as a reward.
  • the owner V2 of the data acquisition unit 112 that has received the data request transmits text data including information indicating that there are still many cats in the sightseeing spot C and that it will be in time even now. Thereby, owner V2 can acquire 100 points which are remuneration.
  • the user U4 can quickly know that there are still many cats in the sightseeing spot C. And user U4 can meet many cats by heading to sightseeing spot C immediately.
  • the place and time zone where the data changes in the space-time map is usually limited, and the data does not change much in most places and time zones. Also, usually, the places viewed by the user in the spatiotemporal map are concentrated at a specific place. Therefore, it is not always necessary to acquire and update data with the same accuracy and frequency for all locations in the spatiotemporal map.
  • the server 111 efficiently transmits necessary data by transmitting a data request to the data acquisition unit 112 that can acquire data related to a place where some change has occurred or a place that the user wants to see. Can be collected.
  • the server 111 can change the data request destination on an ad hoc basis. Therefore, the server 111 can flexibly respond to provision of a new type of space-time map, change of specifications of an existing space-time map, and the like without installing a new sensor or the like.
  • the dedicated data acquisition unit 112 is not necessarily provided, and the data acquisition unit 112 that can acquire necessary data when data is necessary can be used. Therefore, a spatio-temporal map can be generated at a low cost.
  • a smartphone that is a form of the data acquisition unit 112 includes a large number of sensors, but most of the data acquired by these sensors is discarded without being used.
  • the information processing system 101 can generate a spatio-temporal map by effectively utilizing data that has been discarded without being used by the data acquisition unit 112.
  • the owner of the data acquisition unit 112 can effectively use the data acquired by the data acquisition unit 112 to obtain a reward.
  • each data acquisition unit 112 may perform event detection and notify the server 111 of the event detection result. In this case, each data acquisition unit 112 may automatically transmit data to the server 111 when an event is detected.
  • a condition for collecting data from the server 111 may be transmitted to each data acquisition unit 112, and the data acquisition unit 112 may determine whether or not data that satisfies the condition can be acquired. If the data acquisition unit 112 determines that acquisition is possible, the data acquisition unit 112 may acquire data that satisfies the conditions and transmit the data to the server 111.
  • each manual data acquisition unit 112 may detect the context of each owner and notify the server 111 of the detection result.
  • the series of processes described above can be executed by hardware or can be executed by software.
  • a program constituting the software is installed in the computer.
  • the computer includes, for example, a general-purpose personal computer capable of executing various functions by installing various programs by installing a computer incorporated in dedicated hardware.
  • FIG. 20 is a block diagram showing an example of the hardware configuration of a computer that executes the above-described series of processing by a program.
  • a CPU Central Processing Unit
  • ROM Read Only Memory
  • RAM Random Access Memory
  • An input / output interface 605 is further connected to the bus 604.
  • An input unit 606, an output unit 607, a storage unit 608, a communication unit 609, and a drive 610 are connected to the input / output interface 605.
  • the input unit 606 includes a keyboard, a mouse, a microphone, and the like.
  • the output unit 607 includes a display, a speaker, and the like.
  • the storage unit 608 includes a hard disk, a nonvolatile memory, and the like.
  • the communication unit 609 includes a network interface or the like.
  • the drive 610 drives a removable medium 611 such as a magnetic disk, an optical disk, a magneto-optical disk, or a semiconductor memory.
  • the CPU 601 loads the program stored in the storage unit 608 to the RAM 603 via the input / output interface 605 and the bus 604 and executes the program, for example. Is performed.
  • the program executed by the computer (CPU 601) can be provided by being recorded on a removable medium 611 as a package medium, for example.
  • the program can be provided via a wired or wireless transmission medium such as a local area network, the Internet, or digital satellite broadcasting.
  • the program can be installed in the storage unit 608 via the input / output interface 605 by attaching the removable medium 611 to the drive 610. Further, the program can be received by the communication unit 609 via a wired or wireless transmission medium and installed in the storage unit 608. In addition, the program can be installed in the ROM 602 or the storage unit 608 in advance.
  • the program executed by the computer may be a program that is processed in time series in the order described in this specification, or in parallel or at a necessary timing such as when a call is made. It may be a program for processing.
  • the system means a set of a plurality of components (devices, modules (parts), etc.), and it does not matter whether all the components are in the same housing. Accordingly, a plurality of devices housed in separate housings and connected via a network and a single device housing a plurality of modules in one housing are all systems. .
  • the present technology can take a cloud computing configuration in which one function is shared by a plurality of devices via a network and is jointly processed.
  • each step described in the above flowchart can be executed by one device or can be shared by a plurality of devices.
  • the plurality of processes included in the one step can be executed by being shared by a plurality of apparatuses in addition to being executed by one apparatus.
  • the present technology can take the following configurations.
  • the request destination of data related to a certain place on the spatio-temporal map where the data changes with time is selected from a plurality of data acquisition units, at least one of the context and profile of the data acquisition unit, and the requested data
  • a request destination selection unit to select based on the content A data request unit that requests data from the request destination;
  • An information processing apparatus comprising: a map generation unit that generates the spatiotemporal map using data from the request destination.
  • the context of the data acquisition unit includes a context of a user who uses the data acquisition unit, The said request selection part estimates the possibility that the said user will provide the data regarding the said certain place based on the said user's context, and selects the said request destination based on the estimated result. Said (1).
  • Information processing device includes a context of a user who uses the data acquisition unit, The said request selection part estimates the possibility that the said user will provide the data regarding the said certain place based on the said user's context, and selects the said request destination based on the estimated result.
  • the profile of the data acquisition unit includes provision results of past data of a user who uses the data acquisition unit, The information processing apparatus according to (1) or (2), wherein the request selection unit selects the request destination based on a past record of provision of data by the user.
  • An event detection unit that detects an event in a space corresponding to the spatiotemporal map based on data from the plurality of data acquisition units; The information processing apparatus according to any one of (1) to (3), wherein the request destination selection unit selects a request destination of data regarding the vicinity of the place where the event is detected.
  • a reward setting unit for setting a reward for the data based on the value of the requested data
  • the information requesting apparatus according to any one of (1) to (5), wherein the data request unit notifies the requestee of a set reward.
  • a condition setting unit that sets conditions for collecting data, The information processing apparatus according to any one of (1) to (7), wherein the request destination selection unit selects the request destination from the data acquisition units capable of acquiring data satisfying a set condition.
  • the request destination of data related to a certain place on the spatio-temporal map where the data changes with time is selected from a plurality of data acquisition units, at least one of the context and profile of the data acquisition unit, and the requested data
  • a requestee selection step to select based on the content
  • a data requesting step for requesting data from the request destination
  • the request destination of data related to a certain place on the spatio-temporal map where the data changes with time is selected from a plurality of data acquisition units, at least one of the context and profile of the data acquisition unit, and the requested data
  • a requestee selection step to select based on the content
  • a data requesting step for requesting data from the request destination
  • 101 Information processing system 111 server, 112-1 to 112-m data acquisition unit, 113-1 to 113-n client, 121 map generation unit, 122 database, 123 data collection control unit, 124 data registration unit, 131 feature extraction Part, 132 event detection part, 133 request control part, 151 condition setting part, 152 reward setting part, 153 request destination selection part, 154 data request part

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Educational Technology (AREA)
  • Educational Administration (AREA)
  • Mathematical Physics (AREA)
  • Remote Sensing (AREA)
  • Computer Hardware Design (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Ecology (AREA)
  • Multimedia (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Instructional Devices (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本技術は、任意の時空間マップを効率よく生成することができるようにする情報処理装置、情報処理方法、及び、プログラムに関する。 要求先選択部は、時間とともにデータが変化する時空間マップ上の或る場所に関するデータの要求先を、複数のデータ取得部の中から、前記データ取得部のコンテキスト及びプロファイルのうちの少なくとも一方、並びに、要求するデータの内容に基づいて選択し、データ要求部は、前記要求先にデータを要求し、マップ生成部は、前記要求先からのデータを用いて、前記時空間マップを生成する。本技術は、例えば、時空間マップを提供するサーバに提供できる。

Description

情報処理装置、情報処理方法、及び、プログラム
　本技術は、情報処理装置、情報処理方法、及び、プログラムに関し、特に、時空間マップを効率よく生成できるようにした情報処理装置、情報処理方法、及び、プログラムに関する。
　従来より、所定の空間内の各場所のデータを示す空間マップが広く使用されている。空間マップの例として、例えば、測量による地形図、鉄道の路線図等が挙げられる。
　また、近年、表示されるデータが時間ととともに変化する空間マップ（以下、時空間マップと称する）も広く使用されている。時空間マップの例としては、例えば、天気図、渋滞状況マップ等が挙げられる。
　時空間マップのデータの精度を向上させるためには、より細かい空間密度、かつ、より短い時間間隔で、より多くの種類のデータを収集することが望ましい。しかし、そのためには、データの収集に用いるセンサ等の数を増やしたり、センサ等がデータを取得する頻度を増やしたりする必要があり、必要なコストが上昇したり、消費電力が増大したりする。
　これに対して、特許文献１には、フォトセンサ及びマイクロ波センサにより監視領域内において通知すべきイベントが検出された場合、カメラの電源をオンし、監視領域を撮影した画像の送信を開始し、イベントが終了した後、カメラの電源をオフし、画像の送信を停止する技術が提案されている。この技術を用いることにより、省電力化を実現することができる。
特開２００５－３９６１２号公報
　しかしながら、特許文献１に記載の技術は、監視領域内に固定されたカメラの電源のオン、オフを制御するだけであり、同じカメラにより撮影された同じ場所の画像が時間とともに変化するタイプの時空間マップにしか適用することができない。
　そこで、本技術は、任意の時空間マップを効率よく生成できるようにするものである。
　本技術の一側面の情報処理装置は、時間とともにデータが変化する時空間マップ上の或る場所に関するデータの要求先を、複数のデータ取得部の中から、前記データ取得部のコンテキスト及びプロファイルのうちの少なくとも一方、並びに、要求するデータの内容に基づいて選択する要求先選択部と、前記要求先にデータを要求するデータ要求部と、前記要求先からのデータを用いて、前記時空間マップを生成するマップ生成部とを備える。
　前記データ取得部のコンテキストに、前記データ取得部を使用するユーザのコンテキストを含ませ、前記要求選択部には、前記ユーザのコンテキストに基づいて、前記ユーザが前記或る場所に関するデータを提供する可能性を推定させ、推定させた結果に基づいて前記要求先を選択させることができる。
　前記データ取得部のプロファイルに、前記データ取得部を使用するユーザの過去のデータの提供実績を含ませ、前記要求選択部には、前記ユーザの過去のデータの提供実績に基づいて、前記要求先を選択させることができる。
　複数の前記データ取得部からのデータに基づいて、前記時空間マップに対応する空間内のイベントの検出を行うイベント検出部をさらに設け、前記要求先選択部には、イベントが検出された場所付近に関するデータの要求先を選択させることができる。
　前記要求先選択部には、前記時空間マップを使用するユーザにより指定された場所付近に関するデータの要求先を選択させることができる。
　要求するデータの価値に基づいて、データに対する報酬を設定する報酬設定部をさらに設け、前記データ要求部には、設定された報酬を前記要求先に通知させることができる。
　前記報酬設定部には、要求するデータのアクセス数の推定値に基づいて、前記報酬を設定させることができる。
　データを収集する条件を設定する条件設定部をさらに設け、前記要求先選択部には、設定された条件を満たすデータを取得可能な前記データ取得部の中から前記要求先を選択させることができる。
　本技術の一側面の情報処理方法は、時間とともにデータが変化する時空間マップ上の或る場所に関するデータの要求先を、複数のデータ取得部の中から、前記データ取得部のコンテキスト及びプロファイルのうちの少なくとも一方、並びに、要求するデータの内容に基づいて選択する要求先選択ステップと、前記要求先にデータを要求するデータ要求ステップと、前記要求先からのデータを用いて、前記時空間マップを生成するマップ生成ステップとを含む。
　本技術の一側面のプログラムは、時間とともにデータが変化する時空間マップ上の或る場所に関するデータの要求先を、複数のデータ取得部の中から、前記データ取得部のコンテキスト及びプロファイルのうちの少なくとも一方、並びに、要求するデータの内容に基づいて選択する要求先選択ステップと、前記要求先にデータを要求するデータ要求ステップと、前記要求先からのデータを用いて、前記時空間マップを生成するマップ生成ステップとを含む処理をコンピュータに実行させる。
　本技術の一側面においては、時間とともにデータが変化する時空間マップ上の或る場所に関するデータの要求先が、複数のデータ取得部の中から、前記データ取得部のコンテキスト及びプロファイルのうちの少なくとも一方、並びに、要求するデータの内容に基づいて選択され、前記要求先に対してデータが要求され、前記要求先からのデータを用いて、前記時空間マップが生成される。
　本技術の一側面によれば、任意の時空間マップを効率よく生成することができる。
　なお、本明細書に記載された効果は、あくまで例示であり、本技術の効果は、本明細書に記載された効果に限定されるものではなく、付加的な効果があってもよい。
本技術を適用した情報処理装置の一実施の形態を示すブロック図である。 要求制御部の構成例を示すブロック図である。 時空間マップデータベースのデータ構造の例を示す図である。 マップ提供処理を説明するためのフローチャートである。 データ収集制御処理を説明するためのフローチャートである。 特徴抽出処理を説明するためのフローチャートである。 イベント検出処理を説明するためのフローチャートである。 データ要求処理を説明するためのフローチャートである。 データのアクセス数の推定方法の例を説明するための図である。 データリクエストを受信した場合に表示される画面の例を示す図である。 設定画面の例を示す図である。 データ登録処理を説明するためのフローチャートである。 本技術を用いて交通異常マップを提供する場合のユースケースを説明するための図である。 本技術を用いて交通異常マップを提供する場合のユースケースを説明するための図である。 本技術を用いて農地監視マップを提供する場合のユースケースを説明するための図である。 本技術を用いてコンテンツ視聴マップを提供する場合のユースケースを説明するための図である。 本技術を用いてコンテンツ視聴マップを提供する場合のユースケースを説明するための図である。 本技術を用いて観光地マップを提供する場合のユースケースを説明するための図である。 本技術を用いて観光地マップを提供する場合のユースケースを説明するための図である。 コンピュータの構成例を示すブロック図である。
　以下、本技術を実施するための形態（以下、実施の形態という）について説明する。なお、説明は以下の順序で行う。
１．実施の形態
２．ユースケース
３．変形例
＜１．実施の形態＞
｛情報処理システム１０１の構成例｝
　図１は、本技術を適用した情報処理システム１０１の一実施の形態を示している。情報処理システム１０１は、時空間マップを生成し、ユーザに提供するシステムである。
　なお、情報処理システム１０１が提供する時空間マップの種類は特に問わない。例えば、情報処理システム１０１が提供する時空間マップの例として、気象情報マップ、観光地マップ、交通異常マップ、農地監視マップ、コンテンツ視聴マップ、レストランレビューマップ、ハザードマップ、監視マップ、人体マップ等が挙げられる。
　気象情報マップは、例えば、各地の気象状況の時系列の変化を示すマップである。
　観光地マップは、例えば、各観光地のイベントや混雑度合い等のデータが時間とともに更新されるマップである。
　交通異常マップは、例えば、所定の空間内の自動車事故の発生状況、発生履歴、及び、必要なもの等のデータが時間とともに更新されるマップである。ここで、必要なものとは、例えば、救急車、医者等である。
　農地監視マップは、例えば、所定の空間内の農地の異常の発生状況及び発生履歴等のデータが時間とともに更新されるマップである。
　コンテンツ視聴マップは、例えば、各地域における各種コンテンツの視聴率や視聴者数等のデータが時間とともに更新されるマップである。
　レストランレビューマップは、例えば、所定の空間内の各レストランに付与されたレビューの表示が適宜更新されるマップである。
　ハザードマップは、例えば、所定の空間内の犯罪や災害が発生した場所、各場所の犯罪や災害が発生する確率等のデータが時間とともに更新されるマップである。
　人体マップとは、例えば、人体内の所定の物質の量や温度等のデータの時系列の変化を示すマップである。ここで、所定の物質の量とは、例えば、MRI（Magnetic Resonance Imaging）により測定される水素原子の量等である。
　なお、時空間マップのデータは、リアルタイムに更新されてもよいし、所定のタイミングで更新されてもよい。また、時空間マップは、任意の時間や場所を指定して、指定した時間や場所のデータを表示できる機能を有していてもよい。
　なお、以下、時空間マップのことを単にマップとも称する。
　情報処理システム１０１は、サーバ１１１、データ取得部１１２－１乃至１１２－ｍ、及び、クライアント１１３－１乃至１１３－ｎを含むように構成される。サーバ１１１と、データ取得部１１２－１乃至１１２－ｍ及びクライアント１１３－１乃至１１３－ｎとは、図示せぬネットワーク等を介して接続され、通信を行う。
　なお、以下、データ取得部１１２－１乃至１１２－ｍを個々に区別する必要がない場合、単にデータ取得部１１２と称する。以下、クライアント１１３－１乃至１１３－ｎを個々に区別する必要がない場合、単にクライアント１１３と称する。
　サーバ１１１は、マップ生成部１２１、データベース１２２、データ収集制御部１２３、及び、データ登録部１２４を含むように構成される。
　マップ生成部１２１は、クライアント１１３からマップリクエストを受信した場合、データベース１２２に登録されているデータを用いて、クライアント１１３から要求された時空間マップを生成する。そして、マップ生成部１２１は、生成した時空間マップを含むマップ情報を、要求元のクライアント１１３に送信する。また、マップ生成部１２１は、必要に応じて、受信したマップリクエストを要求制御部１３３に供給する。
　データベース１２２は、時空間マップに用いるデータを格納する時空間マップデータベース、各データ取得部１１２に関するデータを格納するデータ取得部データベース、クライアント１１３に関するデータを格納するクライアントデータベース等を含む。データ取得部データベースには、データ取得部１１２を使用するユーザに関するデータも格納される。クライアントデータベースには、クライアント１１３を使用するユーザに関するデータも格納される。
　なお、以下、データ取得部１１２を使用するユーザとクライアント１１３を使用するユーザとを区別するために、前者を所有者と称し、後者をユーザと称する。
　データ収集制御部１２３は、各データ取得部１１２からのデータの収集を制御する。データ収集制御部１２３は、特徴抽出部１３１、イベント検出部１３２、及び、要求制御部１３３を含むように構成される。
　特徴抽出部１３１は、時空間マップデータベースに格納されているデータの特徴量を抽出し、抽出した特徴量を示す情報をイベント検出部１３２に供給する。
　イベント検出部１３２は、特徴抽出部１３１により抽出された特徴量に基づいて、時空間マップに対応する空間（時空間マップがカバーする空間）内におけるイベントの検出を行う。イベント検出部１３２は、イベントの検出結果を要求制御部１３３に供給する。
　要求制御部１３３は、各データ取得部１１２へのデータの提供の要求を制御する。例えば、要求制御部１３３は、マップリクエスト、及び、イベントの検出結果等に基づいて、データリクエストを送信するデータ取得部１１２を選択する。また、要求制御部１３３は、マップリクエスト、及び、イベントの検出結果等に基づいて、要求するデータの内容及び報酬等を含むデータリクエストを生成する。そして、要求制御部１３３は、生成したデータリクエストを、選択したデータ取得部１１２に送信する。
　データ登録部１２４は、各データ取得部１１２から送信されてくるデータをデータベース１２２内の時空間マップデータベースに登録する。
　データ取得部１１２は、時空間マップに用いるデータを取得する。データ取得部１１２は、時空間マップに用いるデータを取得することができれば、特に形式等は問わない。
　例えば、データ取得部１１２は、Low-levelのセンサにより構成される。Low-levelのセンサとは、例えば、加速度センサ、ＧＰＳ受信器、時計、気圧センサ、地磁気センサ、WiFiやBluetooth（登録商標）等の無線通信を行う無線通信機、マイクロフォン、カメラ、歩数計、照度計、温度計、湿度計、雨滴センサ等である。
　また、例えば、データ取得部１１２は、各種のログを取得する装置により構成される。システムログとは、例えば、アプリケーションプログラムの起動ログ、コンテンツの視聴ログ、アイテムの購入ログ、ウェブサイトの閲覧履歴、各種装置の操作ログ、検索キーワードのログ等である。
　さらに、例えば、データ取得部１１２は、各種の認識を行う装置により構成される。各種の認識とは、例えば、行動認識、音声認識、画像認識、同伴者認識、ハイコンテキスト認識等である。行動認識とは、例えば、静止中、歩行中、走行中、各種乗り物（例えば、自転車、電車、バス、乗用車等）に乗車中等の人の行動を認識することである。画像認識とは、例えば、画像を用いて、顔、表情、年齢、性別、一般物体等の認識を行うことである。ハイコンテキスト認識とは、例えば、自宅、職場、買い物中、通勤中、旅行中、家事中等の人のコンテキストを認識することである。
　また、例えば、データ取得部１１２は、人により入力されるデータを取得する装置により構成される。人により入力されるデータとは、例えば、ＳＮＳ（Social Networking Service）のコメント、商品レビュー、人手による認識結果、専門家による判断、ビジネス判断、撮影・編集された静止画・動画、要約された文章等である。
　さらに、例えば、データ取得部１１２は、特定用途の装置により構成される。特定用途の装置とは、例えば、MRI装置、CT（Computed Tomography）装置、血圧センサ、心拍数センサ、体温計、ガイガーカウンタ等である。
　また、データ取得部１１２は、例えば、自動型、半自動型、受動型、手動型に分かれる。
　自動型のデータ取得部１１２は、データリクエストとは無関係に動作する。すなわち、自動型のデータ取得部１１２は、サーバ１１１からのデータリクエストの有無に関わらず、定期的に、所定のタイミングで、又は、所定の条件が満たされた場合等に、データを取得し、取得したデータをサーバ１１１に送信する。
　受動型のデータ取得部１１２は、データリクエストに従って動作する。例えば、受動型のデータ取得部１１２は、サーバ１１１からのデータリクエストを受信した場合、データを取得し、取得したデータをサーバ１１１に送信する。
　半自動型のデータ取得部１１２は、自動型と受動型を組み合わせたタイプのデータ取得部１１２である。例えば、半自動型のデータ取得部１１２は、データリクエストがない場合、自動型のデータ取得部１１２と同様の動作を行う。一方、半自動型のデータ取得部１１２は、サーバ１１１からデータリクエストを受信した場合、受動型のデータ取得部１１２と同様に、データリクエストに従って動作する。例えば、半自動型のデータ取得部１１２は、サーバ１１１からのデータリクエストを受信した場合、データを取得し、取得したデータをサーバ１１１に送信したり、データの取得頻度を増やしたり、取得するデータの質や精度を高めたりする。
　手動型のデータ取得部１１２は、ユーザ操作により、データを取得し、サーバ１１１に送信したり、サーバ１１１へのデータの送信が許可されたりする。
　なお、手動型と他のタイプとは組み合わせることが可能である。例えば、データ取得部１１２は、ユーザ操作が行われていない場合、自動型、受動型、又は、半自動型のデータ取得部１１２として動作し、ユーザ操作が行われた場合、手動型のデータ取得部１１２として動作するようにすることが可能である。
　また、例えば、データ取得部１１２は、複数の種類のデータを取得するようにすることも可能である。この場合、例えば、データ取得部１１２は、一部のデータについては、自動型、受動型、又は、半自動型のデータ取得部１１２として、ユーザ操作によらずにサーバ１１１に送信し、残りのデータについては、手動型のデータ取得部１１２として、ユーザ操作によりサーバ１１１に送信するようにすることが可能である。
　さらに、自動型、受動型、半自動型、及び、手動型を、設定等により切り替えるようにすることも可能である。
　また、データ取得部１１２は、設置場所が固定されたもの、移動するルートが決められているもの、自由に移動することが可能なものを含む。
　クライアント１１３は、時空間マップの利用が可能な各種の装置により構成される。例えば、クライアント１１３は、スマートフォン、タブレット、携帯電話機、パーソナルコンピュータ、ウェアラブルデバイス、ゲーム機等により構成される。
　クライアント１１３は、サーバ１１１にマップリクエストを送信し、それに対してサーバ１１１から送信されてくるマップ情報に基づいて、リクエストしたマップを表示する。なお、マップリクエストは、ユーザが閲覧したい時空間マップの種類を含む。また、マップリクエストには、必要に応じて、ユーザがデータを見たい場所（以下、閲覧希望場所と称する）、ユーザが見たいデータの内容（以下、閲覧希望内容と称する）等を含めることが可能である。
　なお、図１では、データ取得部１１２とクライアント１１３が分かれているが、一部重複していてもよい。すなわち、１つの装置が、データ取得部１１２として、時空間マップ用のデータを取得するとともに、クライアント１１３として、時空間マップを利用してもよい。
｛要求制御部１３３の構成例｝
　次に、図２を参照して、要求制御部１３３の構成例について説明する。
　要求制御部１３３は、条件設定部１５１、報酬設定部１５２、要求先選択部１５３、及び、データ要求部１５４を含むように構成される。
　条件設定部１５１は、イベント検出部１３２によるイベントの検出結果、及び、マップ生成部１２１から供給されるマップリクエスト等に基づいて、データを収集する条件を設定する。条件設定部１５１は、設定した条件を報酬設定部１５２及び要求先選択部１５３に通知する。
　報酬設定部１５２は、条件設定部１５１により設定された条件等に基づいて、データに対する報酬を設定する。報酬設定部１５２は、設定した報酬をデータ要求部１５４に通知する。
　要求先選択部１５３は、条件設定部１５１により設定された条件等に基づいて、データ取得部１１２の中からデータの要求先を選択する。要求先選択部１５３は、選択した要求先をデータ要求部１５４に通知する。
　データ要求部１５４は、要求するデータの内容及び報酬等を含むデータリクエストを生成し、生成したデータリクエストを、要求先に選択されたデータ取得部１１２に送信する。
｛時空間マップデータベースの例｝
　図３は、時空間マップデータベースのデータ構造の例を示している。時空間マップデータベースは、場所ＩＤ、時刻、データタイプ、データ、及び、アクセス回数のフィールドを含むように構成される。
　場所ＩＤのフィールドには、データの取得場所を一意に識別するための場所ＩＤが登録される。なお、場所の区分方法は、時空間マップの種類等に応じて、任意に設定することが可能である。例えば、時空間マップに対応する空間を１００ｍ四方のメッシュ状の場所に区分し、各場所に異なる場所ＩＤを付与するようにしてもよい。また、例えば、都道府県単位や市町村単位で場所を区分し、各場所に異なる場所ＩＤを付与するようにしてもよい。
　時刻のフィールドには、データを取得した時刻が登録される。
　データタイプのフィールドには、取得したデータのタイプが登録される。データタイプは、例えば、データの種類や内容を含む。この例では、「過去１時間以内にこの場所に滞在した人数」、「過去１時間以内にこの場所で撮影された写真」等のデータタイプが登録されている。
　データのフィールドには、実際の取得したデータ、或いは、取得したデータの保管先等が登録される。
　アクセス回数のフィールドには、データのアクセス回数が登録される。
｛情報処理システム１０１の処理｝
　次に、情報処理システム１０１の処理について説明する。
（マップ提供処理）
　まず、図４のフローチャートを参照して、サーバ１１１により実行されるマップ提供処理について説明する。なお、この処理は、クライアント１１３からマップリクエストが送信されてきたとき開始される。
　ステップＳ１において、マップ生成部１２１は、クライアント１１３から送信されてきたマップリクエストを受信する。
　ステップＳ２において、マップ生成部１２１は、リクエストされたマップのデータが最新であるか否かを判定する。例えば、マップ生成部１２１は、クライアント１１３からリクエストされたマップ用の時空間マップデータベースが所定の時間内（例えば、１日以内、１時間以内、１０分以内、１分以内等）に更新されているか否かを調べる。ここで、判定基準となる時空間マップデータベースの更新時期は、マップの種類、マップの更新頻度やタイミング等に基づいて設定される。そして、マップ生成部１２１は、時空間マップデータベースが所定の時間内に更新されている場合、リクエストされたマップのデータが最新であると判定し、処理はステップＳ３に進む。
　なお、マップ生成部１２１は、例えば、マップリクエストに閲覧希望場所が含まれる場合、時空間マップデータベースの閲覧希望場所に関するデータが所定の時間内に更新されているか否かに基づいて、リクエストされたマップのデータが最新であるか否かを判定するようにしてもよい。また、マップ生成部１２１は、例えば、マップリクエストに閲覧希望内容が含まれる場合、時空間マップデータベースの閲覧希望内容に関するデータが所定の時間内に更新されているか否かに基づいて、リクエストされたマップのデータが最新であるか否かを判定するようにしてもよい。
　ステップＳ３において、マップ生成部１２１は、時空間マップデータベースに登録されているデータを用いて、リクエストされたマップを生成する。
　ステップＳ４において、マップ生成部１２１は、生成したマップ含むマップ情報を要求元のクライアント１１３に送信する。これに対して、要求元のクライアント１１３は、受信したマップ情報に基づいて、マップを表示する。
　その後、マップ提供処理は終了する。
　一方、ステップＳ２において、マップ生成部１２１は、時空間マップデータベースが所定の時間内に更新されていない場合、リクエストされたマップのデータが最新でないと判定し、処理はステップＳ５に進む。
　ステップＳ５において、マップ生成部１２１は、マップリクエストを要求制御部１３３に供給し、データの収集を指令する。
　ステップＳ６において、要求制御部１３３は、データ要求処理を実行する。なお、データ要求処理の詳細は、図８を参照して後述するが、この処理により、データを要求するデータ取得部１１２が選択され、選択されたデータ取得部１１２にデータリクエストが送信される。
　その後、マップ提供処理は終了する。
　なお、ステップＳ６の処理の後、例えば、マップ生成部１２１は、最新でないデータを用いて生成したマップを含むマップ情報を、要求元のクライアント１１３に送信するようにしてもよい。或いは、マップ生成部１２１は、最新のデータを取得した後に、取得したデータを用いて生成したマップを含むマップ情報を、要求元のクライアント１１３に送信するようにしてもよい。或いは、マップ生成部１２１は、最新のマップが提供できない旨を、要求元のクライアント１１３に通知するようにしてもよい。
（データ収集制御処理）
　次に、図５のフローチャートを参照して、サーバ１１１により実行されるデータ収集制御処理について説明する。なお、この処理は、例えば、データベース１２２が更新されたタイミング、所定の間隔、又は、任意のタイミングで実行される。
　ステップＳ１０１において、特徴抽出部１３１は、特徴抽出処理を実行する。ここで、図６のフローチャートを参照して、特徴抽出処理の詳細について説明する。
　ステップＳ１２１において、特徴抽出部１３１は、各データの種類を識別する。具体的には、特徴抽出部１３１は、所定の期間内に時空間マップデータベースに登録されたデータの種類を識別する。ここで、所定の期間は、例えば、前回の特徴抽出処理の実行後から現在までの期間、又は、所定の時間前から現在までの期間等に設定される。また、データの種類は、例えば、音声、テキスト、画像、その他汎用のデータ等に分類される。
　ステップＳ１２２において、特徴抽出部１３１は、各データの種類に応じた処理により各データの特徴ベクトルを生成する。なお、各データの特徴量を抽出する手法、及び、特徴ベクトルを生成する手法には、任意の手法を採用することができる。
　例えば、特徴抽出部１３１は、音声データの場合、MFCC（メル周波数ケプストラム係数）によって人間の知覚上重要な周波数成分を強調して、特徴量を抽出する。
　例えば、特徴抽出部１３１は、テキストデータの場合、形態素解析により意味をもつ最小単位にデータを分割した後、TF/IDF（Term Frequency / Inverse Document Frequency）により、テキスト中の形態素の出現頻度を加味した重みづけを行い、特徴量を抽出する。
　例えば、特徴抽出部１３１は、画像データの場合、局所的な輝度勾配に着目し、画像の回転や拡大縮小に頑健な特徴量を抽出する。
　また、特徴抽出部１３１は、以上の処理により抽出された特徴量、又は、上述した以外の一般的な数値データ等に対して、汎用的な特徴抽出処理を行い、特徴ベクトルを生成する。例えば、特徴抽出部１３１は、データの頻度からヒストグラムを作成し、作成したヒストグラムに基づいて、特徴ベクトルを生成する。また、例えば、特徴抽出部１３１は、PCA（Principal Component Analysis）、SVD（Singular Value Decomposition）、pLSA（probabilistic Latent Semantic Analysis）、DNN（Deep Neural Network）等を用いて、データの次元を削減することにより、特徴ベクトルを生成する。さらに、例えば、特徴抽出部１３１は、最大値、最小値、平均値、中央値、分散、合計値等の各種の統計量を算出し、算出した統計量に基づいて特徴ベクトルを生成する。また、例えば、特徴抽出部１３１は、距離、密度、又は、グラフ等に基づくクラスタリング行い、クラスタリングの結果に基づいて特徴ベクトルを生成する。
　特徴抽出部１３１は、生成した各データの特徴ベクトルをイベント検出部１３２に供給する。
　その後、特徴抽出処理は終了する。
　図５に戻り、ステップＳ１０２において、イベント検出部１３２は、イベント検出処理を行う。ここで、図７のフローチャートを参照して、イベント検出処理の詳細について説明する。
　ステップＳ１４１において、イベント検出部１３２は、抽出した特徴ベクトルを所定の単位毎に分ける。例えば、イベント検出部１３２は、抽出した特徴ベクトルを、１分、１時間、１日等の所定の時間単位に分ける。また、例えば、イベント検出部１３２は、抽出した特徴ベクトルを、都道府県単位、行政区単位、１０ｋｍ四方単位等の所定の場所単位に分ける。
　ステップＳ１４２において、イベント検出部１３２は、単位毎の特徴ベクトルに基づいてイベントを検出する。例えば、イベント検出部１３２は、各単位間の特徴ベクトルの差に基づいて、どの単位においてイベントが発生しているかを検出する。これにより、特徴ベクトルが時間単位及び場所単位に分けられている場合、どの場所でどの時間帯にイベントが発生しているかが検出される。
　ここで、過去に一度も起きていないイベントを教師あり学習で検出することは困難であるため、例えば、イベント検出部１３２は、教師なしの非日常パターン抽出又は異常検知の手法を用いてイベントの検出を行う。例えば、One Class SVM（Support Vector Machine）や、Local Outlier Factorのような手法が用いられる。
　また、イベント検出部１３２は、可能であれば、イベントの発生の有無だけでなく、イベントの内容まで検出する。
　イベント検出部１３２は、イベントの検出結果を要求制御部１３３に通知する。
　その後、イベント検出処理は、終了する。
　なお、特徴ベクトルを分ける単位は、上述した時間や場所以外に設定することも可能である。例えば、データが映画の視聴履歴の場合、アクション、コメディ、ロマンス、ミステリーといった映画のカテゴリ毎に特徴ベクトルを分けることができる。この場合、例えば、あるカテゴリにおいて普段と異なる視聴傾向が発生しているといったイベントを検出することができる。
　なお、以下の説明においては、特徴ベクトルを時間単位及び空間単位で分けた場合の例について説明する。
　図５に戻り、ステップＳ１０３において、要求制御部１３３は、データ要求処理を実行し、データ収集制御処理は終了する。ここで、図８のフローチャートを参照して、データ要求処理の詳細について説明する。
　ステップＳ１６１において、条件設定部１５１は、データを収集する条件を設定する。
　例えば、条件設定部１５１は、上述した図４のステップＳ５の処理で、マップ生成部１２１からマップリクエストが供給され、そのマップリクエストに閲覧希望場所が含まれている場合、閲覧場所付近をデータを収集する場所（以下、収集対象場所と称する）に設定する。或いは、条件設定部１５１は、上述した図７のステップＳ１４２の処理でイベントが検出されている場合、イベントが検出された場所付近を収集対象場所に設定する。或いは、条件設定部１５１は、閲覧希望場所の指定、及び、イベントの検出の両方が行われていない場合、例えば、マップに対応する空間全体を収集対象場所に設定する。
　また、例えば、条件設定部１５１は、マップリクエストに含まれる閲覧希望内容、検出されたイベントの内容、収集対象場所、データを収集する時間帯等に基づいて、収集するデータの内容を設定する。ここで、収集するデータの内容として、例えば、図３の時空間マップデータベースのデータタイプが設定され、さらに必要に応じて、データタイプより詳細な条件が設定される。データタイプより詳細な条件には、例えば、データの質（例えば、画質、音質等）、データの精度、データの具体的な内容等が含まれる。データの具体的な内容とは、例えば、画像データの場合、具体的な被写体等である。また、例えば、条件設定部１５１は、上述した図４のステップＳ５の処理で、マップ生成部１２１からマップリクエストが供給され、そのマップリクエストに閲覧希望内容が含まれている場合、その閲覧希望内容を、収集するデータの内容に設定する。
　条件設定部１５１は、設定した条件を報酬設定部１５２及び要求先選択部１５３に通知する。
　ステップＳ１６２において、報酬設定部１５２は、データに対する報酬を設定する。具体的には、報酬設定部１５２は、収集するデータの価値に基づいて報酬を設定する。データの価値は、例えば、重要度、希少度、緊急度、情報量等の観点に基づいて設定される。
　例えば、報酬設定部１５２は、重要度が高いデータほど報酬を高く設定し、重要度が低いデータほど報酬を低く設定する。例えば、報酬設定部１５２は、データの重要度の１つとして、データのアクセス数を推定し、アクセス数の推定値に基づいて、報酬を設定する。ここで、図９を参照して、アクセス数に基づく報酬の設定方法の一例について説明する。
　例えば、報酬設定部１５２は、収集対象場所に設定されている場所Ａに関するデータタイプＢのデータのアクセス数の推移を調べる。そして、場所Ａに関するデータタイプＢのデータのアクセス数が、図９のグラフ２０１に示されるように推移しているものとする。なお、時刻ｔａは現在の時刻である。
　次に、報酬設定部１５２は、過去の場所Ａに関するデータタイプＢのデータのアクセス数の履歴の中から、グラフ２０１のアクセス数の推移と類似する履歴を検索する。その結果、図９のグラフ２０２に示される履歴が検出されたものとする。グラフ２０２の時刻ｔｂまでのアクセス数の推移は、グラフ２０１の時刻ｔａまでのアクセス数の推移と類似している。
　そして、報酬設定部１５２は、グラフ２０３の網掛けの部分に示されるように、時刻ｔａ以降のアクセス数が、グラフ２０２の時刻ｔｂ以降と同様に推移すると予測する。これにより、報酬設定部１５２は、時刻ｔａ以降の場所Ａに関するデータタイプＢのデータのアクセス数を推定することができる。
　そして、報酬設定部１５２は、推定したアクセス数に基づいて、データタイプＢのデータの報酬を設定する。すなわち、報酬設定部１５２は、アクセス数の推定値が大きいほど、報酬を高く設定し、アクセス数の推定値が大きいほど、報酬を低く設定する。
　また、例えば、報酬設定部１５２は、緊急度が高いデータ、すなわち、緊急に収集してユーザに提示する必要性が高いデータほど、報酬を高く設定する。一方、報酬制御部１５２は、緊急度が低いデータ、すなわち、緊急に収集してユーザに提示する必要性が低いデータほど、報酬を低く設定する。
　さらに、例えば、報酬設定部１５２は、希少度が高いデータほど報酬を高く設定し、希少度が低いデータほど報酬を低く設定する。ここで、希少度が高いデータとは、例えば、収集が困難なデータ、取得することが可能なデータ取得部１１２の数が少ないデータ、データの提供数が少ないと予想されるデータ等である。逆に、希少度が低いデータとは、例えば、収集が容易なデータ、取得することが可能なデータ取得部１１２の数が多いデータ、データの提供数が多いと予想されるデータ等である。
　また、例えば、報酬設定部１５２は、情報量が多いデータほど報酬を高く設定し、情報量が低いデータほど報酬を低く設定する。例えば、報酬設定部１５２は、低画質の画像データよりも高画質の画像データに対する報酬より高く設定する。また、例えば、報酬設定部１５２は、音声データよりも画像データに対する報酬を高く設定する。
　なお、報酬設定部１５２は、複数の観点を組み合わせて、報酬を設定するようにしてもよい。また、報酬設定部１５２は、他の観点に基づいて、報酬を設定するようにしてもよい。さらに、報酬設定部１５２は、例えば、線形回帰や重回帰等の手法を用いて機械学習を行い、データの価値を推定するモデルを生成し、生成したモデルを用いて報酬を設定するようにしてもよい。
　また、報酬設定部１５２は、例えば、提供することが可能な報酬の上限を設定し、提供者の数により、報酬を分配するようにしてもよい。
　さらに、報酬は、例えば、現金、ポイント、特典、評価等、任意の内容に設定することが可能である。
　報酬設定部１５２は、設定した報酬をデータ要求部１５４に通知する。
　ステップＳ１６３において、要求先選択部１５３は、各データ取得部１１２のコンテキスト及びプロファイルのうち少なくとも一方、並びに、要求するデータの内容に基づいて、データの要求先を選択する。
　ここで、データ取得部１１２のコンテキストには、例えば、データ取得部１１２の現在位置、稼働状況等が含まれる。また、手動型のデータ取得部１１２のコンテキストには、所有者のコンテキストが含まれる。所有者のコンテキストには、例えば、所有者の現在位置、現在の行動内容等が含まれる。
　また、データ取得部１１２のプロファイルには、例えば、データ取得部１１２の種類、仕様、性能、機能等が含まれる。また、手動型のデータ取得部１１２のプロファイルには、所有者のプロファイルが含まれる。所有者のプロファイルには、例えば、所有者の嗜好、行動パターン、過去のデータの提供履歴等の情報が含まれる。
　具体的には、要求先選択部１５３は、ステップＳ１６１の処理で設定した条件を満たすデータを取得可能なデータ取得部１１２を検索し、検出されたデータ取得部１１２を要求先の候補に選択する。例えば、要求先選択部１５３は、ステップＳ１６１の処理で設定した収集対象場所付近に存在し、かつ、ステップＳ１６１の処理で設定した内容のデータを取得可能な、半自動型、受動型、又は、手動型のデータ取得部１１２を要求先の候補に選択する。
　そして、要求先選択部１５３は、要求先の候補の中から、半自動型及び受動型のデータ取得部１１２の全部又は一部を要求先に選択する。
　また、要求先選択部１５３は、手動型のデータ取得部１１２については、例えば、以下のように、過去のデータの提供履歴、所有者のコンテキスト及びプロファイル等に基づいて、要求先の候補の中から要求先を選択する。
　すなわち、要求先選択部１５３は、要求先の候補である手動型のデータ取得部１１２の中から、過去に同じ内容のデータ、又は、同じ場所付近に関するデータの提供実績があるデータ取得部１１２を検索する。そして、要求先選択部１５３は、検出されたデータ取得部１１２の全部又は一部を要求先に選択する。要求先選択部１５３は、検出されたデータ取得部１１２の一部を要求先に選択する場合、例えば、提供実績の多い順に上位から所定数のデータ取得部１１２を要求先に選択する。或いは、要求先選択部１５３は、提供実績のあるデータ取得部１１２の中からランダムに要求先を選択する。
　また、要求先選択部１５３は、要求先の候補の中に提供実績のある手動型のデータ取得部１１２が少ない場合、要求先の候補の中から、提供実績のない手動型のデータ取得部１１２の全て又は一部を要求先に選択するようにしてもよい。例えば、要求先選択部１５３は、提供実績がない手動型のデータ取得部１１２の所有者の中から、協調フィルタリング等の手法を用いて、提供実績のある手動型のデータ取得部１１２の所有者と類似する所有者を検出する。そして、要求先選択部１５３は、検出した所有者のデータ取得部１１２を要求先に選択する。或いは、例えば、要求先選択部１５３は、提供実績のない手動型のデータ取得部１１２からランダムに要求先を選択する。
　さらに、例えば、要求先選択部１５３は、要求先の候補である手動型のデータ取得部１１２の中から、データを提供する可能性が高いデータ取得部１１２を優先的に要求先に選択する。例えば、要求先選択部１５３は、各要求先選択部１５３の所有者がデータを提供する可能性を推定し、推定した結果に基づいて、所有者がデータを提供する可能性が高いデータ取得部１１２を優先的に要求先に選択する。
　なお、所有者がデータを提供する可能性は、データ取得部１１２から供給されるデータ、要求するデータの内容、データ取得部１１２の種類、収集対象場所、データを収集する時間帯等に基づいて推定される。例えば、要求先選択部１５３は、データ取得部１１２からのデータに基づいて、当該データ取得部１１２の所有者のコンテキストを検出する。そして、要求先選択部１５３は、例えば、所有者が収集対象場所付近を歩いている場合、データを提供する可能性が高いと推定し、仕事中又は運転中の場合、データを提供する可能性が低いと推定する。また、例えば、要求先選択部１５３は、所有者が車両内にいる場合、運転席に座っていれば、データを提供する可能性が低いと推定し、運転席以外の席に座っていれば、データを提供する可能性が高いと推定する。
　そして、要求先選択部１５３は、要求先の選択結果をデータ要求部１５４に通知する。
　ステップＳ１６４において、データ要求部１５４は、要求先にデータを要求し、データ要求処理は終了する。具体的には、データ要求部１５４は、要求するデータの内容及び報酬等を含むデータリクエストを生成する。データ要求部１５４は、生成したデータリクエストを、要求先として選択されたデータ取得部１１２に送信する。これにより、要求先に、要求するデータの内容及び報酬が通知される。
　図１０は、手動型のデータ取得部１１２の一形態であるスマートフォン２５１が、サーバ１１１からデータリクエストを受信した場合に表示される画面２５２の例を示している。画面２５２内には、近くの写真を撮るよう要求するメッセージと、その報酬である１０円を示すウインドウ２５３が表示されている。
　また、画面２５２内にウインドウ２５３の代わりに、右側に示されるウインドウ２５４を表示するようにしてもよい。ウインドウ２５４内には、写真の撮影を要求するメッセージ及びアイコンと、その報酬である１０円が表示されている。
　例えば、スマートフォン２５１の所有者は、ウインドウ２５３又はウインドウ２５４を見て、スマートフォン２５１で近くの写真を撮影し、撮影した写真をサーバ１１１に送信する。なお、所有者は、スマートフォン２５１以外のデジタルカメラ等のデバイスにより写真を撮影し、サーバ１１１に送信してもよい。
　一方、図１１は、スマートフォン２５１を自動型のデータ取得部１１２として使用する場合の設定画面２６１の例を示している。設定画面２６１には、自動的に取得してサーバ１１１に提供するデータの種類を選択するためのメニューが表示されている。この例では、位置情報（詳細）、位置情報（簡易）、加速度、温度、歩数、検索キーワードが選択肢に含まれている。そして、所有者は、各選択肢の左の枠内にマル又はバツを入力することにより、自動的に提供するデータの種類を選択する。この例では、位置情報（簡易）、加速度、温度、検索キーワードが、自動的に提供するデータに選択され、位置情報（詳細）、歩数が自動的に提供するデータに選択されていない例が示されている。
　また、メニューの下には、選択したデータを自動的に提供することによる報酬が表示されている。この例では、報酬が月額５２５円であることが示されている。なお、この報酬は、選択したデータの組み合わせにより変動する。
　なお、サーバ１１１は、同じデータリクエストを複数のデータ取得部１１２に送信し、オークション形式でデータの提供を受け付けるようにしてもよい。オークション形式の場合、例えば、サーバ１１１は、最も早く提供されたデータを採用したり、最も条件に合致するデータを採用したりする。
（データ登録処理）
　次に、図１２のフローチャートを参照して、サーバ１１１により実行されるデータ登録処理について説明する。この処理は、例えば、データ取得部１１２からデータが送信されてきたとき開始される。なお、この処理は、データ取得部１１２からデータリクエストに対してデータが送信されてきたときだけでなく、自動的にデータが送信されてきたときにも実行される。
　ステップＳ２０１において、データ登録部１２４は、データ取得部１１２から送信されてきたデータを受信する。
　ステップＳ２０２において、データ登録部１２４は、フォーマットを所定の形式に変換する。すなわち、データ登録部１２４は、受信したデータのフォーマットを、そのデータタイプに応じて、時空間マップデータベースの形式に合うように変換する。
　ステップＳ２０３において、データ登録部１２４は、必要に応じて、データの補間等を行う。例えば、データ登録部１２４は、受信したデータが時系列のデータである場合、隣接する測定時刻の間の時刻のデータを、線形補間等を用いて補間する。
　ステップＳ２０４において、データ登録部１２４は、異常なデータを除去する。例えば、データ登録部１２４は、所定のルール等に従って、異常値を持つデータや欠陥のあるデータを除去する。
　ステップＳ２０５において、データ登録部１２４は、ステップＳ１０４の処理で除外したデータを除いて、データをデータベース１２２（時空間マップデータベース）に登録する。そして、上述したマップ生成処理において、登録されたデータを用いて、時空間マップが生成される。
　その後、データ登録処理は終了する。
＜２．ユースケース＞
　次に、図１３乃至図１９を参照して、本技術のユースケースについて説明する。
｛交通異常マップ｝
　まず、図１３及び図１４を参照して、本技術を用いて、交通異常マップ３０１を提供する場合について説明する。
　図１３には、交通異常マップ３０１の地図３１１上の場所Ｐ１において、イベントが検出された例が示されている。吹き出し３１２内には、この時点におけるイベントの具体的な内容が示されている。具体的には、場所Ｐ１にあるＳ社本社付近で、３秒前にイベントが検出されたことが示されている。また、場所Ｐ１において、多くの人が足を止め、騒音レベルが平常時の２．５倍であり、気温が予想よりも３度高く、過去に大きな事故が発生していないことが示されている。
　サーバ１１１は、このイベント検出に対して、取得するデータの内容を設定し、場所Ｐ１に関して、設定した内容のデータの取得が可能なデータ取得部１１２にデータリクエストを送信する。例えば、吹き出し３１３内に示されるように、場所Ｐ１付近の半自動型又は受動型のデータ取得部１１２に対して、現在位置の測位の頻度を高頻度に設定し、環境音認識をオンにするようにリクエストが行われる。また、例えば、場所Ｐ１付近、又は、これから場所Ｐ１付近に移動すると予想される手動型のデータ取得部１１２に、データリクエストが送信される。
　また、吹き出し３１３内に示されるように、サーバ１１１は、これから場所Ｐ１に移動すると予想されるクライアント１１３に対して、アラートを通知する。これに対して、アラートが通知されたクライアント１１３を持つユーザＵ１は、場所Ｐ１付近に行く必要があるため、マップリクエストを送信する。
　その後、図１４に示されるように、データリクエストを受信したデータ取得部１１２から場所Ｐ１付近の最新のデータが続々とサーバ１１１に送信され、ユーザＵ１は、迅速に場所Ｐ１付近の最新情報を詳細に知ることができる。例えば、吹き出し３１４内には、場所Ｐ１において交通事故が発生した模様であることが、発生時刻とともに示されている。また、火災が発生し、通行止めになり、周辺で渋滞が発生していることが示されている。さらに、データ取得部１１２から通知される現在位置の変化に基づいて、人の流れが検出され、その結果、サーバ１１１が迂回ルートを推定したことが示されている。
　また、吹き出し３１５内に、データリクエストを受信したデータ取得部１１２から提供された、現場の様子を示す画像やメッセージ等が表示されている。
｛農地監視マップ｝
　次に、図１５を参照して、本技術を用いて、農地監視マップ３５１を提供する場合について説明する。
　図１５には、農地監視マップ３５１の地図３６１上の場所Ｐ２において、イベントが検出された例が示されている。吹き出し３６２内には、場所Ｐ２の畑の柵に取り付けられたセンサが反応したことが示されている。
　サーバ１１１は、このイベント検出に対して、取得するデータの内容を設定し、場所Ｐ２に関して、設定した内容のデータの取得が可能なデータ取得部１１２にデータリクエストを送信する。このとき、場所Ｐ２付近にあるデータ取得部１１２や、今後場所Ｐ２付近に移動すると予測されるデータ取得部１１２だけでなく、場所Ｐ２付近のデータを取得可能な手段（例えば、ドローン等）を有する所有者のデータ取得部１１２にもデータリクエストが送信される。
　これに対して、データリクエストが送信されたデータ取得部１１２を持つ所有者Ｖ１は、ドローンを用いて場所Ｐ２の畑に関するデータを取得し、サーバ１１１に送信する。その結果、場所Ｐ２の畑の所有者であるユーザＵ２は、自分の畑の現状を迅速かつ詳細に知ることができる。
｛コンテンツ視聴マップ｝
　次に、図１６及び図１７を参照して、本技術を用いて、コンテンツ視聴マップ４０１を提供する場合について説明する。
　図１６には、各都道府県の昨日のＴＶの視聴率の分布を示す日本地図４１１を含むコンテンツ視聴マップ４０１の例が示されている。そして、吹き出し４１２内には、大阪及び奈良でいつもより視聴率が高く、特にドラマＡの視聴率の上昇が顕著であったという情報が示されている。すなわち、この場合、大阪及び奈良を含む場所Ｐ３でドラマＡの視聴率が高かったということが、イベントとして検出されている。
　このコンテンツ視聴マップ４０１を見たユーザＵ３は、大阪及び奈良でドラマＡの人気がある理由を知り、その理由をマーケティングに活かしたいと考えている。そこで、ユーザＵ３は、閲覧希望場所に大阪及び奈良を指定し、閲覧希望内容に質問Ｑ１乃至Ｑ３を指定したマップリクエストをサーバ１１１に送信する。質問Ｑ１は「昨日ドラマＡを見たか？」、質問Ｑ２は「なぜドラマＡを見たか？」、質問Ｑ３は「昨日何か特別なことがあったか？」である。
　これに対して、サーバ１１１は、例えば、大阪又は奈良在住で、質問Ｑ１乃至Ｑ３に対して回答する可能性が高い所有者のデータ取得部１１２にデータリクエストを送信する。データリクエストを受信したデータ取得部１１２の所有者は、質問Ｑ１乃至Ｑ３に対する回答をサーバ１１１に送信する。これにより、サーバ１１１は、図１７の吹き出し４１３に示されるように、大阪及び奈良でドラマＡの視聴率が高かった理由をユーザＵ３に提示することができる。具体的には、昨日大雨であり、視聴者の半分が６０歳以上であり、ドラマＡに地元（大阪及び奈良）で人気の俳優が出演していたことが、大阪及び奈良でドラマＡの視聴率が高かった理由として挙げられている。
　そして、ユーザＵ３は、得られた情報を用いて、ＣＭ枠を押さえたり、マーケティングに活かしたりする等の行動を迅速に行うことができる。
｛観光地マップ｝
　次に、図１８及び図１９を参照して、本技術を用いて、観光地マップ４５１を提供する場合について説明する。
　図１８には、観光地マップ４５１の地図４６１の観光地Ｃにおいて、何らかのイベントが検出された例が示されている。吹き出し４６２内には、観光地Ｃにいつもより多くの人が集まり、多くの写真が撮られていることが示されている。また、吹き出し４６３内には、観光地Ｃで撮られた写真が表示され、それらの写真に猫が写っている。
　そして、観光地Ｃの観光を検討しているユーザＵ４は、観光地Ｃの情報を得るために、観光地マップ４５１を閲覧する。そして、ユーザＵ４は、観光地Ｃで猫の写真が多く撮られていることを知り、今から行っても猫がいるのか知りたいと思い、マップリクエストをサーバ１１１に送信する。このとき、ユーザＵ４は、閲覧希望場所に観光地Ｃを指定し、閲覧希望内容として、観光地Ｃにまだ猫がたくさんいるか知りたい旨を指定する。また、ユーザＵ４は、データ提供に対する報酬を１００ポイントに設定する。
　サーバ１１１は、例えば、観光地Ｃ付近にいる所有者のデータ取得部１１２に、データリクエストを送信する。このデータリクエストには、観光地Ｃに猫はたくさんいるか情報が欲しい旨、及び、その報酬として１００ポイントが与えられる旨が示される。
　これに対して、データリクエストを受信したデータ取得部１１２の所有者Ｖ２は、観光地Ｃにまだ猫がたくさんおり、今から来ても間に合う旨の情報を含むテキストデータをサーバ１１１に送信する。これにより、所有者Ｖ２は、報酬である１００ポイントを取得することができる。
　また、ユーザＵ４も、観光地Ｃにまだ猫がたくさんいることを迅速に知ることができる。そして、ユーザＵ４は、すぐに観光地Ｃに向かうことにより、たくさんの猫に会うことができる。
　以上のように、本技術によれば、データ取得部１１２を有効に活用して、各種の時空間マップを効率よく生成し、ユーザに提供することができる。
　具体的には、通常、時空間マップにおいてデータが変化する場所や時間帯は限られており、ほとんどの場所や時間帯においてデータがあまり変化しない。また、通常、時空間マップにおいてユーザが見る場所は、特定の場所に集中する。従って、必ずしも時空間マップ内の全ての場所について、同じ精度や頻度でデータを取得し、更新する必要はない。
　これに対して、サーバ１１１は、何らかの変化が発生した場所やユーザが見たい場所に関するデータを取得することが可能なデータ取得部１１２にデータリクエストを送信することにより、必要なデータを効率的に収集することができる。
　また、サーバ１１１は、データの要求先を臨機応変に変更することができる。従って、サーバ１１１は、新たなセンサ等を設置することなく、新たな種類の時空間マップの提供や、既存の時空間マップの仕様の変更等に柔軟に対応することができる。
　さらに、一般的にデータの情報量が多くなるほど、また、データの精度やフレキシビリティが高くなるほど、データの取得に必要なコストが高くなる。例えば、音声データを取得するマイクロフォンより、画像データを取得する画像センサの方が、消費電力が大きくなる。また、OCR等の機械による文字認識と比較して、人によるデータ認識の方が、人件費等によりコストが高くなる。
　これに対して、情報処理システム１０１においては、専用のデータ取得部１１２を必ずしも設ける必要はなく、データが必要なときに必要なデータを取得できるデータ取得部１１２を用いることができる。そのため、低コストで時空間マップを生成することができる。
　また、例えば、データ取得部１１２の一形態であるスマートフォンは、数多くのセンサを備えているが、それらのセンサが取得したデータのほとんどは使用されることなく捨てられてしまう。これに対して、情報処理システム１０１では、データ取得部１１２で使用されることなく捨てられていたデータを有効に活用して、時空間マップを生成することができる。さらに、データ取得部１１２の所有者は、データ取得部１１２が取得したデータを有効に活用して、報酬を得ることができる。
＜３．変形例＞
　以下、上述した本技術の実施の形態の変形例について説明する。
　以上の説明では、データに対して報酬を設定する例を示したが、報酬を設定しないようにしてもよい。
　また、例えば、各データ取得部１１２がイベント検出を行い、イベントの検出結果をサーバ１１１に通知するようにしてもよい。また、この場合、各データ取得部１１２が、イベントを検出した場合に自動的にサーバ１１１にデータを送信するようにしてもよい。
　さらに、例えば、サーバ１１１からデータを収集する条件を各データ取得部１１２に送信し、データ取得部１１２が、その条件を満たすデータを取得可能か否かを判定するようにしてもよい。そして、データ取得部１１２は、取得可能であると判定した場合、条件を満たすデータを取得し、サーバ１１１に送信するようにしてもよい。
　また、例えば、手動型の各データ取得部１１２が、各所有者のコンテキストを検出し、検出結果をサーバ１１１に通知するようにしてもよい。
｛コンピュータの構成例｝
　上述した一連の処理は、ハードウエアにより実行することもできるし、ソフトウエアにより実行することもできる。一連の処理をソフトウエアにより実行する場合には、そのソフトウエアを構成するプログラムが、コンピュータにインストールされる。ここで、コンピュータには、専用のハードウエアに組み込まれているコンピュータや、各種のプログラムをインストールすることで、各種の機能を実行することが可能な、例えば汎用のパーソナルコンピュータなどが含まれる。
　図２０は、上述した一連の処理をプログラムにより実行するコンピュータのハードウエアの構成例を示すブロック図である。
　コンピュータにおいて、CPU（Central Processing Unit）６０１，ROM（Read Only Memory）６０２，RAM（Random Access Memory）６０３は、バス６０４により相互に接続されている。
　バス６０４には、さらに、入出力インタフェース６０５が接続されている。入出力インタフェース６０５には、入力部６０６、出力部６０７、記憶部６０８、通信部６０９、及びドライブ６１０が接続されている。
　入力部６０６は、キーボード、マウス、マイクロフォンなどよりなる。出力部６０７は、ディスプレイ、スピーカなどよりなる。記憶部６０８は、ハードディスクや不揮発性のメモリなどよりなる。通信部６０９は、ネットワークインタフェースなどよりなる。ドライブ６１０は、磁気ディスク、光ディスク、光磁気ディスク、又は半導体メモリなどのリムーバブルメディア６１１を駆動する。
　以上のように構成されるコンピュータでは、CPU６０１が、例えば、記憶部６０８に記憶されているプログラムを、入出力インタフェース６０５及びバス６０４を介して、RAM６０３にロードして実行することにより、上述した一連の処理が行われる。
　コンピュータ（CPU６０１）が実行するプログラムは、例えば、パッケージメディア等としてのリムーバブルメディア６１１に記録して提供することができる。また、プログラムは、ローカルエリアネットワーク、インターネット、デジタル衛星放送といった、有線または無線の伝送媒体を介して提供することができる。
　コンピュータでは、プログラムは、リムーバブルメディア６１１をドライブ６１０に装着することにより、入出力インタフェース６０５を介して、記憶部６０８にインストールすることができる。また、プログラムは、有線または無線の伝送媒体を介して、通信部６０９で受信し、記憶部６０８にインストールすることができる。その他、プログラムは、ROM６０２や記憶部６０８に、あらかじめインストールしておくことができる。
　なお、コンピュータが実行するプログラムは、本明細書で説明する順序に沿って時系列に処理が行われるプログラムであっても良いし、並列に、あるいは呼び出しが行われたとき等の必要なタイミングで処理が行われるプログラムであっても良い。
　また、本明細書において、システムとは、複数の構成要素（装置、モジュール（部品）等）の集合を意味し、すべての構成要素が同一筐体中にあるか否かは問わない。したがって、別個の筐体に収納され、ネットワークを介して接続されている複数の装置、及び、１つの筐体の中に複数のモジュールが収納されている１つの装置は、いずれも、システムである。
　さらに、本技術の実施の形態は、上述した実施の形態に限定されるものではなく、本技術の要旨を逸脱しない範囲において種々の変更が可能である。
　例えば、本技術は、１つの機能をネットワークを介して複数の装置で分担、共同して処理するクラウドコンピューティングの構成をとることができる。
　また、上述のフローチャートで説明した各ステップは、１つの装置で実行する他、複数の装置で分担して実行することができる。
　さらに、１つのステップに複数の処理が含まれる場合には、その１つのステップに含まれる複数の処理は、１つの装置で実行する他、複数の装置で分担して実行することができる。
　また、本明細書に記載された効果はあくまで例示であって限定されるものではなく、他の効果があってもよい。
　さらに、本技術の実施の形態は、上述した実施の形態に限定されるものではなく、本技術の要旨を逸脱しない範囲において種々の変更が可能である。
　また、例えば、本技術は以下のような構成も取ることができる。
（１）
　時間とともにデータが変化する時空間マップ上の或る場所に関するデータの要求先を、複数のデータ取得部の中から、前記データ取得部のコンテキスト及びプロファイルのうちの少なくとも一方、並びに、要求するデータの内容に基づいて選択する要求先選択部と、
　前記要求先にデータを要求するデータ要求部と、
　前記要求先からのデータを用いて、前記時空間マップを生成するマップ生成部と
　を備える情報処理装置。
（２）
　前記データ取得部のコンテキストは、前記データ取得部を使用するユーザのコンテキストを含み、
　前記要求選択部は、前記ユーザのコンテキストに基づいて、前記ユーザが前記或る場所に関するデータを提供する可能性を推定し、推定した結果に基づいて前記要求先を選択する
　前記（１）に記載の情報処理装置。
（３）
　前記データ取得部のプロファイルは、前記データ取得部を使用するユーザの過去のデータの提供実績を含み、
　前記要求選択部は、前記ユーザの過去のデータの提供実績に基づいて、前記要求先を選択する
　前記（１）又は（２）に記載の情報処理装置。
（４）
　複数の前記データ取得部からのデータに基づいて、前記時空間マップに対応する空間内のイベントの検出を行うイベント検出部を
　さらに備え、
　前記要求先選択部は、イベントが検出された場所付近に関するデータの要求先を選択する
　前記（１）乃至（３）のいずれかに記載の情報処理装置。
（５）
　前記要求先選択部は、前記時空間マップを使用するユーザにより指定された場所付近に関するデータの要求先を選択する
　前記（１）乃至（４）のいずれかに記載の情報処理装置。
（６）
　要求するデータの価値に基づいて、データに対する報酬を設定する報酬設定部を
　さらに備え、
　前記データ要求部は、設定された報酬を前記要求先に通知する
　前記（１）乃至（５）のいずれかに記載の情報処理装置。
（７）
　前記報酬設定部は、要求するデータのアクセス数の推定値に基づいて、前記報酬を設定する
　前記（６）に記載の情報処理装置。
（８）
　データを収集する条件を設定する条件設定部を
　さらに備え、
　前記要求先選択部は、設定された条件を満たすデータを取得可能な前記データ取得部の中から前記要求先を選択する
　前記（１）乃至（７）のいずれかに記載の情報処理装置。
（９）
　時間とともにデータが変化する時空間マップ上の或る場所に関するデータの要求先を、複数のデータ取得部の中から、前記データ取得部のコンテキスト及びプロファイルのうちの少なくとも一方、並びに、要求するデータの内容に基づいて選択する要求先選択ステップと、
　前記要求先にデータを要求するデータ要求ステップと、
　前記要求先からのデータを用いて、前記時空間マップを生成するマップ生成ステップと
　を含む情報処理方法。
（１０）
　時間とともにデータが変化する時空間マップ上の或る場所に関するデータの要求先を、複数のデータ取得部の中から、前記データ取得部のコンテキスト及びプロファイルのうちの少なくとも一方、並びに、要求するデータの内容に基づいて選択する要求先選択ステップと、
　前記要求先にデータを要求するデータ要求ステップと、
　前記要求先からのデータを用いて、前記時空間マップを生成するマップ生成ステップと
　を含む処理をコンピュータに実行させるためのプログラム。
　１０１　情報処理システム，　１１１　サーバ，　１１２－１乃至１１２－ｍ　データ取得部，　１１３－１乃至１１３－ｎ　クライアント，　１２１　マップ生成部，　１２２　データベース，　１２３　データ収集制御部，　１２４　データ登録部，　１３１　特徴抽出部，　１３２　イベント検出部，　１３３　要求制御部，　１５１　条件設定部，　１５２　報酬設定部，　１５３　要求先選択部，　１５４　データ要求部

Claims (10)

  1. 　時間とともにデータが変化する時空間マップ上の或る場所に関するデータの要求先を、複数のデータ取得部の中から、前記データ取得部のコンテキスト及びプロファイルのうちの少なくとも一方、並びに、要求するデータの内容に基づいて選択する要求先選択部と、
    　前記要求先にデータを要求するデータ要求部と、
    　前記要求先からのデータを用いて、前記時空間マップを生成するマップ生成部と
    　を備える情報処理装置。
  2. 　前記データ取得部のコンテキストは、前記データ取得部を使用するユーザのコンテキストを含み、
    　前記要求選択部は、前記ユーザのコンテキストに基づいて、前記ユーザが前記或る場所に関するデータを提供する可能性を推定し、推定した結果に基づいて前記要求先を選択する
    　請求項１に記載の情報処理装置。
  3. 　前記データ取得部のプロファイルは、前記データ取得部を使用するユーザの過去のデータの提供実績を含み、
    　前記要求選択部は、前記ユーザの過去のデータの提供実績に基づいて、前記要求先を選択する
    　請求項１に記載の情報処理装置。
  4. 　複数の前記データ取得部からのデータに基づいて、前記時空間マップに対応する空間内のイベントの検出を行うイベント検出部を
    　さらに備え、
    　前記要求先選択部は、イベントが検出された場所付近に関するデータの要求先を選択する
    　請求項１に記載の情報処理装置。
  5. 　前記要求先選択部は、前記時空間マップを使用するユーザにより指定された場所付近に関するデータの要求先を選択する
    　請求項１に記載の情報処理装置。
  6. 　要求するデータの価値に基づいて、データに対する報酬を設定する報酬設定部を
    　さらに備え、
    　前記データ要求部は、設定された報酬を前記要求先に通知する
    　請求項１に記載の情報処理装置。
  7. 　前記報酬設定部は、要求するデータのアクセス数の推定値に基づいて、前記報酬を設定する
    　請求項６に記載の情報処理装置。
  8. 　データを収集する条件を設定する条件設定部を
    　さらに備え、
    　前記要求先選択部は、設定された条件を満たすデータを取得可能な前記データ取得部の中から前記要求先を選択する
    　請求項１に記載の情報処理装置。
  9. 　時間とともにデータが変化する時空間マップ上の或る場所に関するデータの要求先を、複数のデータ取得部の中から、前記データ取得部のコンテキスト及びプロファイルのうちの少なくとも一方、並びに、要求するデータの内容に基づいて選択する要求先選択ステップと、
    　前記要求先にデータを要求するデータ要求ステップと、
    　前記要求先からのデータを用いて、前記時空間マップを生成するマップ生成ステップと
    　を含む情報処理方法。
  10. 　時間とともにデータが変化する時空間マップ上の或る場所に関するデータの要求先を、複数のデータ取得部の中から、前記データ取得部のコンテキスト及びプロファイルのうちの少なくとも一方、並びに、要求するデータの内容に基づいて選択する要求先選択ステップと、
    　前記要求先にデータを要求するデータ要求ステップと、
    　前記要求先からのデータを用いて、前記時空間マップを生成するマップ生成ステップと
    　を含む処理をコンピュータに実行させるためのプログラム。
PCT/JP2016/063621 2015-05-19 2016-05-06 情報処理装置、情報処理方法、及び、プログラム WO2016185913A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
EP16796307.3A EP3300058A4 (en) 2015-05-19 2016-05-06 INFORMATION PROCESSING DEVICE, INFORMATION PROCESSING PROCESS AND PROGRAM
CN201680027265.8A CN107533811B (zh) 2015-05-19 2016-05-06 信息处理装置、信息处理方法和程序
JP2017519113A JPWO2016185913A1 (ja) 2015-05-19 2016-05-06 情報処理装置、情報処理方法、及び、プログラム
US15/559,146 US10606868B2 (en) 2015-05-19 2016-05-06 Information processing device, information processing method, and program

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2015-101573 2015-05-19
JP2015101573 2015-05-19

Publications (1)

Publication Number Publication Date
WO2016185913A1 true WO2016185913A1 (ja) 2016-11-24

Family

ID=57319954

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2016/063621 WO2016185913A1 (ja) 2015-05-19 2016-05-06 情報処理装置、情報処理方法、及び、プログラム

Country Status (5)

Country Link
US (1) US10606868B2 (ja)
EP (1) EP3300058A4 (ja)
JP (1) JPWO2016185913A1 (ja)
CN (1) CN107533811B (ja)
WO (1) WO2016185913A1 (ja)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7060014B2 (ja) 2017-04-21 2022-04-26 ソニーグループ株式会社 情報処理装置、情報処理方法及びプログラム
EP3690751A1 (en) * 2019-01-31 2020-08-05 Siemens Aktiengesellschaft A method for building a deep latent feature extractor for industrial sensor data
JP2021163048A (ja) * 2020-03-31 2021-10-11 株式会社トプコン 情報処理装置、情報処理システム、および情報処理方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002218436A (ja) * 2001-01-18 2002-08-02 Minolta Co Ltd 画像取得方法、画像取得システム、撮影仲介システム、通信端末およびコンピュータプログラム
JP2003029625A (ja) * 2001-07-18 2003-01-31 Koujiro Omoto 地図作成方法
JP2004184106A (ja) * 2002-11-29 2004-07-02 Xanavi Informatics Corp 地図更新情報提供装置および地図情報更新装置
JP2005241715A (ja) * 2004-02-24 2005-09-08 Denso Corp 地図情報収集システム
JP2009098446A (ja) * 2007-10-17 2009-05-07 Sony Corp 情報提供システム、情報提供装置、情報提供方法、端末装置、表示方法
JP2011022004A (ja) * 2009-07-15 2011-02-03 Pioneer Electronic Corp 地図データ更新装置、地図データ更新方法、地図データ更新プログラムおよび記録媒体
JP2013534662A (ja) * 2010-06-17 2013-09-05 マイクロソフト コーポレーション 場所に基づくデータのユーザーフィードバックを通じた拡張と修正

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3965580B2 (ja) 2003-07-16 2007-08-29 ソニー株式会社 監視システムおよび方法、情報処理装置および方法、記録媒体、並びにプログラム
JP2005077642A (ja) * 2003-08-29 2005-03-24 Mitsubishi Electric Corp 地図情報処理装置、地図修正情報記憶媒体、地図修正情報データ構造、地図修正情報作成システム及び地図情報更新システム
JP2006099156A (ja) * 2004-09-28 2006-04-13 Sony Corp 情報処理装置および方法、並びにプログラム
US20070044539A1 (en) * 2005-03-01 2007-03-01 Bryan Sabol System and method for visual representation of a catastrophic event and coordination of response
JP2008083402A (ja) * 2006-09-27 2008-04-10 Map Motion Kk 携帯端末装置、地図情報表示システム及び地図情報表示方法、並びに情報処理プログラム
US20090319180A1 (en) * 2007-04-27 2009-12-24 Aaron Thomas Robinson Emergency responder geographic information system
JP5789268B2 (ja) * 2010-11-26 2015-10-07 インターナショナル・ビジネス・マシーンズ・コーポレーションＩｎｔｅｒｎａｔｉｏｎａｌ Ｂｕｓｉｎｅｓｓ Ｍａｃｈｉｎｅｓ Ｃｏｒｐｏｒａｔｉｏｎ 経路選択システム、方法及びプログラム
US8874474B2 (en) * 2011-03-23 2014-10-28 Panasonic Intellectual Property Corporation Of America Communication server, communication method, memory medium and integrated circuit for mediating requests for content delivery according to expectation values of a probability of acceptance of the request, desired location, and history information
US8521128B1 (en) * 2011-12-09 2013-08-27 Google Inc. Method, system, and computer program product for obtaining crowd-sourced location information
US8818101B1 (en) * 2012-01-03 2014-08-26 Google Inc. Apparatus and method for feature matching in distorted images
JP5794190B2 (ja) * 2012-03-30 2015-10-14 株式会社デンソー 情報処理システム
JP5956079B2 (ja) * 2012-09-24 2016-07-20 クアルコム，インコーポレイテッド 社会的、時間的および空間的パラメータに基づくデータオブジェクトの統合的表示および管理
JP6044971B2 (ja) * 2013-05-14 2016-12-14 国立研究開発法人産業技術総合研究所 推定方位角評価装置、移動体端末装置、推定方位角評価装置の制御プログラム、コンピュータ読み取り可能な記録媒体、推定方位角評価装置の制御方法、および測位装置
CN103886014A (zh) * 2014-02-18 2014-06-25 陈新 一种时空信息结合的统计数据网页显示方法
CN104346475A (zh) * 2014-11-20 2015-02-11 刘希平 一种搜索具有时空属性信息的方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002218436A (ja) * 2001-01-18 2002-08-02 Minolta Co Ltd 画像取得方法、画像取得システム、撮影仲介システム、通信端末およびコンピュータプログラム
JP2003029625A (ja) * 2001-07-18 2003-01-31 Koujiro Omoto 地図作成方法
JP2004184106A (ja) * 2002-11-29 2004-07-02 Xanavi Informatics Corp 地図更新情報提供装置および地図情報更新装置
JP2005241715A (ja) * 2004-02-24 2005-09-08 Denso Corp 地図情報収集システム
JP2009098446A (ja) * 2007-10-17 2009-05-07 Sony Corp 情報提供システム、情報提供装置、情報提供方法、端末装置、表示方法
JP2011022004A (ja) * 2009-07-15 2011-02-03 Pioneer Electronic Corp 地図データ更新装置、地図データ更新方法、地図データ更新プログラムおよび記録媒体
JP2013534662A (ja) * 2010-06-17 2013-09-05 マイクロソフト コーポレーション 場所に基づくデータのユーザーフィードバックを通じた拡張と修正

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP3300058A4 *

Also Published As

Publication number Publication date
EP3300058A1 (en) 2018-03-28
CN107533811A (zh) 2018-01-02
CN107533811B (zh) 2020-11-24
US10606868B2 (en) 2020-03-31
EP3300058A4 (en) 2019-01-16
JPWO2016185913A1 (ja) 2018-03-15
US20180067967A1 (en) 2018-03-08

Similar Documents

Publication Publication Date Title
US11934186B2 (en) Augmented reality in a vehicle configured for changing an emotional state of a rider
US20180049001A1 (en) Method of and server for processing wireless device sensor data to generate an entity vector associated with a physical location
US20180108048A1 (en) Method, apparatus and system for recommending contents
US10748121B2 (en) Enriching calendar events with additional relevant information
KR101643915B1 (ko) 지역적 특성이 반영된 맞춤형 광고를 위한 빅데이터 구축시스템
CN110710190B (zh) 一种生成用户画像的方法、终端、电子设备以及计算机可读存储介质
US9911136B2 (en) Method and system for providing sign data and sign history
EP3879480A1 (en) A method and a device for enabling users to identify one or more available charging stations for electric vehicles
US11054270B1 (en) Generating catalogs of navigation information
JP6109970B2 (ja) オンライン・ソーシャル・ネットワーク上での画像に対するタグ付けの提案
US10304325B2 (en) Context health determination system
US20220346683A1 (en) Information processing system and information processing method
JPWO2014171373A1 (ja) 情報処理装置、情報処理方法、及び、プログラム
US10907983B1 (en) Navigation information on an online system
US10664531B2 (en) Peer-based user evaluation from multiple data sources
WO2018142685A1 (ja) 情報処理装置、情報処理方法、およびプログラム
CN109120719A (zh) 信息推送方法、信息展示方法、计算机设备及存储介质
WO2017012481A1 (zh) 一种信息显示方法及装置
WO2016185913A1 (ja) 情報処理装置、情報処理方法、及び、プログラム
EP3090391A1 (en) System and method for recommending target locations
JP6089764B2 (ja) 活動状況処理装置及び活動状況処理方法
US11029170B1 (en) Predicting user intent in navigation information
KR101643548B1 (ko) 차량 위치 정보 기반 운전자 맞춤형 정보 제공 시스템 및 방법
US11468474B2 (en) Data processing to predict affinity for geographical locations
RU2658876C1 (ru) Способ и сервер для обработки данных датчика беспроводного устройства для создания вектора объекта, связанного с физическим положением

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 16796307

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 15559146

Country of ref document: US

ENP Entry into the national phase

Ref document number: 2017519113

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 2016796307

Country of ref document: EP