JP2017027378A

JP2017027378A - 行動推薦プログラム及び情報処理装置

Info

Publication number: JP2017027378A
Application number: JP2015145525A
Authority: JP
Inventors: 智幸加地; Tomoyuki Kachi
Original assignee: Fuji Xerox Co Ltd
Current assignee: Fujifilm Business Innovation Corp
Priority date: 2015-07-23
Filing date: 2015-07-23
Publication date: 2017-02-02

Abstract

【課題】利用者の行動範囲について事前の設定がなくとも、現在の利用者の行動に応じて現在以降の行動を推薦する行動推薦プログラム及び情報処理装置を提供する。【解決手段】行動推薦サーバ１は、利用者の位置を示す位置情報の変化から当該利用者の行動パターンを学習する行動パターン学習手段１０２と、行動パターン学習手段１０２の学習結果と、現在までの位置情報の変化とから当該利用者の現在の行動パターンを推定する行動パターン推定手段１０３と、行動パターン学習手段１０２の学習結果と、行動パターン推定手段１０３が推定した現在の行動パターンとに基づいて、現在以降の行動を推薦する行動推薦手段１０４とを有する。【選択図】図２

Description

本発明は、行動推薦プログラム及び情報処理装置に関する。

従来の技術として、仮想空間において移動するオブジェクトを監視する情報処理装置が提案されている（例えば、特許文献１参照）。

特許文献１に開示された情報処理装置は、仮想空間と当該仮想空間内で移動する人間や車両等のオブジェクトとを管理するものであって、オブジェクトに対する存在可否領域をシステム開発者や利用者によって事前に設定できるものとし、オブジェクトの挙動を把握することで領域、時間、動作特性、空間情報を考慮して危険を通報したり、バス、来訪者等が接近した場合に事前通知したりする。

特開２００３−２２８７９７号公報

本発明の目的は、利用者の行動範囲について事前の設定がなくとも、現在の利用者の行動に応じて現在以降の行動を推薦する行動推薦プログラム及び情報処理装置を提供することにある。

本発明の一態様は、上記目的を達成するため、以下の行動推薦プログラム及び情報処理装置を提供する。

［１］コンピュータを、
利用者の位置を示す位置情報の変化から当該利用者の行動パターンを学習する学習手段と、
前記学習手段の学習結果と、現在までの位置情報の変化とから当該利用者の現在の行動パターンを推定する推定手段と、
前記学習手段の学習結果と、前記推定手段が推定した現在の行動パターンとに基づいて、現在以降の行動を推薦する推薦手段として機能させるための行動推薦プログラム。
［２］前記学習手段は、学習の際に、前記利用者の行動パターンを当該行動パターンの頻度に基づいて通常又は通常外の行動パターンのいずれであるかを判定し、
前記推定手段は、前記学習結果のうち、通常と判定された行動パターンに基づいて前記利用者の現在の行動パターンを推定する前記［１］に記載の行動推薦プログラム。
［３］前記推薦手段は、前記学習結果のうち、通常外と判定された行動パターンに基づいて前記現在以降の行動を推薦する前記［２］に記載の行動推薦プログラム。
［４］利用者の位置を示す位置情報の変化から当該利用者の行動パターンを学習する学習手段と、
前記学習手段の学習結果と、現在までの位置情報の変化とから当該利用者の現在の行動パターンを推定する推定手段と、
前記学習手段の学習結果と、前記推定手段が推定した現在の行動パターンとに基づいて、現在以降の行動を推薦する推薦手段とを有する情報処理装置。

請求項１又は４に係る発明によれば、利用者の行動範囲について事前の設定がなくとも、現在の利用者の行動に応じて現在以降の行動を推薦することができる。
請求項２に係る発明によれば、利用者の行動パターンを通常又は通常外のいずれであるかを判定し、通常と判定された行動パターンに基づいて利用者の現在の行動パターンを推定することができる。
請求項３に係る発明によれば、通常外と判定された行動パターンに基づいて現在以降の行動を推薦することができる。

図１は、実施の形態に係る行動推薦システムの構成の一例を示す概略図である。図２は、実施の形態に係る行動推薦サーバの構成例を示すブロック図である。図３は、利用者の移動経路の一例を示す地図である。図４は、位置情報の構成の一例を示す図である。図５は、位置情報の構成の一例を示す図である。図６は、拠点名情報の構成の一例を示す図である。図７は、拠点タイプ情報の構成の一例を示す図である。図８は、行動パターン情報の構成の一例を示す図である。図９は、行動パターン情報の構成の一例を示す図である。図１０は、通常外の行動パターンの分析の動作を説明するための図である。図１１は、拠点タイプ毎にまとめた行動パターン情報の構成の一例を示す図である。図１２は、行動パターンの推定動作を説明するための図である。図１３は、端末の表示部に表示される情報の一例を示す概略図である。図１４は、端末の表示部に表示される情報の他の例を示す概略図である。図１５は、行動を推薦する際の評価計算の動作を説明するための図である。図１６は、行動を推薦する際の評価計算の動作を説明するための図である。図１７は、行動を推薦する際の評価計算の動作を説明するための図である。

［実施の形態］
（行動推薦システムの構成）
図１は、実施の形態に係る行動推薦システムの構成の一例を示す概略図である。

この行動推薦システムは、行動推薦サーバ１と、端末２とをネットワーク３によって互いに通信可能に接続することで構成される。端末２は、利用者４によって携帯され、操作される。

行動推薦サーバ１は、サーバ型の情報処理装置であり、端末２の要求に応じて動作するものであって、本体内に情報を処理するための機能を有するＣＰＵ（ＣｅｎｔｒａｌＰｒｏｃｅｓｓｉｎｇＵｎｉｔ）やフラッシュメモリ等の電子部品を備える。行動推薦サーバ１は、利用者４の行動を分析し、要求に応じて現在以降の行動を推薦する。

端末２は、例えば、スマートフォン等の携帯型の情報処理端末であって、本体内に情報を処理するための機能を有するＣＰＵやフラッシュメモリ等の電子部品を備える。また、端末２は、ＧＰＳ（ＧｒｏｂａｌＰｏｓｉｔｉｏｎｉｎｇＳｙｓｔｅｍ）等の位置情報取得手段を少なくとも備え、位置情報を行動推薦サーバ１に送信するものとする。

ネットワーク３は、高速通信が可能な通信ネットワークであり、例えば、インターネットやＬＡＮ（ＬｏｃａｌＡｒｅａＮｅｔｗｏｒｋ）等の有線又は無線の通信網である。

（情報処理装置の構成）
図２は、実施の形態に係る行動推薦サーバ１の構成例を示すブロック図である。

行動推薦サーバ１は、ＣＰＵ等から構成され、各部を制御するとともに、各種のプログラムを実行する制御部１０と、フラッシュメモリ等の記憶媒体から構成され情報を記憶する記憶部１１と、ネットワークを介して外部と通信する通信部１２とを備える。

制御部１０は、後述する行動推薦プログラム１１０を実行することで、位置情報受付手段１００、位置情報変換手段１０１、行動パターン学習手段１０２、行動パターン推定手段１０３及び行動推薦手段１０４等として機能する。

位置情報受付手段１００は、端末２から位置情報を受け付けて記憶部１１に位置情報１１１として格納する。

位置情報変換手段１０１は、位置情報１１１を利用者毎に予め設定された情報や地図情報等に基づいて拠点名情報１１２に変換する。また、位置情報変換手段１０１は、拠点名情報１１２を拠点タイプ情報１１３に変換する。

行動パターン学習手段１０２は、拠点タイプ情報１１３に基づいて利用者の行動パターンを学習し、学習結果として行動パターン情報１１４を生成する。

行動パターン推定手段１０３は、行動パターン学習手段１０２の学習結果である行動パターン情報１１４に基づいて利用者の行動パターンを推定し、行動パターン推定情報１１５を生成する。

行動推薦手段１０４は、行動パターン推定情報１１５に基づいて利用者に現在の行動パターンを、端末２の表示部に表示するとともに、他の行動パターンも表示して推薦する。

記憶部１１は、制御部１０を上述した各手段１００−１０４として動作させる行動推薦プログラム１１０、位置情報１１１、拠点名情報１１２、拠点タイプ情報１１３、行動パターン情報１１４及び行動パターン推定情報１１５等を記憶する。

（情報処理装置の動作）
次に、本実施の形態の作用を、（１）行動パターン学習動作、（２）行動パターン推定動作、（３）行動推薦動作に分けて説明する。

（１）行動パターン学習動作
まず、利用者４は、端末２を所持して移動する。

図３は、利用者の移動経路の一例を示す地図である。

利用者４は、一例として図３に示すように、経路Ｐａに沿って移動したものとする。

端末２は、利用者の移動に伴い、位置情報取得手段により定期的に位置情報を取得し、行動推薦サーバ１に送信する。

図４は、位置情報の構成の一例を示す図である。

位置情報１１１ａ’は、端末２によって取得された位置情報であり、図４に示すように、１分毎に緯度、経度、高度が記録される。

行動推薦サーバ１の位置情報受付手段１００は、端末２から位置情報を受け付けて記憶部１１に位置情報１１１として格納する。

図５は、位置情報の構成の一例を示す図である。

位置情報１１１ａは、位置情報１１１の一例であり、ある利用者の月曜から金曜まで、例えば、１分毎に緯度、経度、高度を記録した情報である。図中で「Ｘ」で示しているが、実際には具体的な数値が記録される。

次に、位置情報変換手段１０１は、位置情報１１１を利用者毎に予め設定された情報や地図情報等に基づいて拠点名情報１１２に変換する。

図６は、拠点名情報の構成の一例を示す図である。

拠点名情報１１２ａは、拠点名情報１１２の一例であり、緯度、経度、高度を予め設定された情報に基づいて「マンションＡ」、「ＧＹＲ＆Ｄスクエア」、「東京ミッドタウン」等の拠点名に変換した情報である。位置情報変換手段１０１は、例えば、１５分以上滞在している位置の拠点名を取得し、それ以外の位置では移動中であると判定する。

次に、位置情報変換手段１０１は、拠点名情報１１２を拠点タイプ情報１１３に変換する。

図７は、拠点タイプ情報の構成の一例を示す図である。

拠点タイプ情報１１３ａは、拠点タイプ情報１１３の一例であり、拠点名情報１１２ａの「マンションＡ」、「ＧＹＲ＆Ｄスクエア」、「東京ミッドタウン」等の拠点名を、利用者によって予め設定された情報に基づいて、それぞれ「自宅」、「職場」、「施設Ｂ」等の拠点タイプに変換した情報である。

次に、行動パターン学習手段１０２は、拠点タイプ情報１１３ａに基づいて利用者の行動パターンを学習する。

図８は、行動パターン情報の構成の一例を示す図である。

行動パターン情報１１４ａは、行動パターン情報１１４の一例であり、拠点タイプ情報１１３ａに基づいてある利用者の拠点タイプを時系列に沿ってまとめたものである。「滞在拠点１」、「滞在拠点２」…は、利用者が滞在した拠点を順番に並べたものである。

次に、行動パターン学習手段１０２は、行動パターン情報１１４ａから行動パターンを抽出し、抽出した行動パターンが通常の行動パターン又は通常外の行動パターンのいずれであるかを判定する。

図９は、行動パターン情報の構成の一例を示す図である。

行動パターン推定情報１１４ｂは、行動パターン情報１１４の一例であり、抽出された行動パターン毎に、当該行動パターンの発生回数、平均行動開始時刻、平均行動完了時刻、行動開始時刻、行動終了時刻及び通常／通常外判定を有する。

通常／通常外判定は、ある拠点タイプを始点とする行動パターンについて、割合の大きい行動パターンが「通常」、それ以外が「通常外」と判定される。例えば、拠点タイプ「自宅」を始点とする行動パターンについて、つまり枠１１４０の行動パターンに全７回ついて、拠点タイプ「自宅」から拠点タイプ「職場」へ移動した行動パターンが５回以上発生し、割合の大きい行動パターンであるため、行動パターン学習手段１０２は、枠１１４１のように当該行動パターンを「通常」と判定し、それ以外を「通常外」と判定する。一例として、行動パターンの回数の割合が２０％より大きく、割合が最も大きい場合に「通常」と判定する。

次に、行動パターン学習手段１０２は、「通常外」と判定された行動パターンの組み合わせのうち、始点と終点の拠点タイプが「通常」と判定された行動パターンと一致するものを「通常外」から「通常」へと修正する。

図１０は、通常外の行動パターンの分析の動作を説明するための図である。

「通常外」と推定された行動パターンを集めた行動パターン情報１１４ｂについて、「職場」から「ファミレス」へ移動した行動パターン１１４Ｂ_１、「ファミレス」から「スポーツクラブ」へ移動した行動パターン１１４Ｂ_２、「スポーツクラブ」から「自宅」へ移動した行動パターン１１４Ｂ_３の組み合わせは、始点と終点の拠点タイプが「通常」と判定された行動パターン１１５Ａと一致するため、判定を「通常外」から「通常」へと修正する。

図１１は、拠点タイプ毎にまとめた行動パターン情報の構成の一例を示す図である。

行動パターン情報１１４ｃは、行動パターン情報１１４の他の例であり、ある利用者について、拠点タイプ毎に、滞在時間、滞在開始時刻、滞在終了時刻の平均や、滞在回数、滞在時間の合計、次に滞在した拠点タイプの上位、通常／通常外判定等の情報をまとめたものである。

（２）行動パターン推定動作
次に、行動パターン推定手段１０３は、行動パターン学習手段１０２の学習結果である行動パターン情報１１４に基づいて利用者の現在の行動パターンを推定する。

まず、行動パターン推定手段１０３は、拠点名情報１１２ａを確認し、現在が移動中である場合、直前に滞在した拠点タイプを確認する。ここで、直前に滞在した拠点タイプが「職場」であったとする。

次に、行動パターン推定手段１０３は、図９に示す行動パターン情報１１４ｂを参照し、拠点タイプ「職場」を始点とする行動パターンを抽出する。

図１２は、行動パターンの推定動作を説明するための図である。

行動パターン情報１１４ｄは、行動パターン情報１１４ｂから抽出された情報であり、拠点タイプ「職場」を始点とする行動パターンである。

行動パターン推定手段１０３は、行動パターン情報１１４ｄに基づいて評価値を算出する。評価値は、（各行動パターンの発生回数）×（現在と同じ曜日の発生回数）×（現時刻が平均行動開始時刻と平均行動完了時刻の間＝５；それ以外＝１）から算出される。

行動パターン推定手段１０３は、算出された評価値が最も高いものを現在の行動パターンとして推定し、行動パターン推定情報１１５として記憶部１１に格納する。ここでは、拠点タイプ「職場」から拠点タイプ「自宅」へ移動する行動パターンであると推定したものとする。

（３）行動推薦動作
次に、行動推薦手段１０４は、行動パターン推定情報１１５に基づいて利用者に現在の行動パターンを、以下の図１３、図１４に示すように、端末２の表示部に表示するとともに、他の行動パターンも表示して推薦する。

図１３は、端末２の表示部に表示される情報の一例を示す概略図である。

端末２は、行動推薦手段１０４から受信した情報に基づいて表示部２０に行動推薦情報１０４ａを表示する。行動推薦情報１０４ａは、行動パターン推定手段１０３が推定した現在の行動パターン１０４０と、現在の行動パターン以外に推薦する拠点タイプ１０４１とを有する。

拠点タイプ１０４１は、行動推薦手段１０４によって選択されたものであり、図１２において現在の行動パターンであると推定されなかった行動パターンの終点である「ファミレス」及び「施設Ｂ」の上位概念の拠点タイプ「飲食店」及び「レジャー施設」を表示するものである。当該拠点タイプ１０４１が利用者に選択操作されると、例えば、「飲食店」が選択されると行動推薦手段１０４は、図１４に示す情報を表示する。

図１４は、端末２の表示部に表示される情報の他の例を示す概略図である。

端末２は、行動推薦手段１０４から受信した情報に基づいて表示部２０に行動推薦情報１０４ｂを表示する。行動推薦情報１０４ｂは、拠点タイプ「飲食店」の店名１０４１を有する。

店名１０４１は、行動推薦手段１０４によって選択される。まず、行動推薦手段１０４は、利用者の現在の行動パターンが「職場」から「自宅」へ移動するものであると推定しているため、「職場」と「自宅」の間の「飲食店」を候補に挙げる。次に、現在時刻が、利用者が通常飲食店に入る時刻より早い時刻であった場合、「職場」の近くの飲食店より「自宅」の近くの飲食店の評価スコアを高くする。また、飲食店の評価サイトの評価点や現在の飲食店の混雑状況等を評価スコアに反映してもよい。また、利用者が訪問したことのある「飲食店」であって、複数回訪れている店の評価スコアを高くしてもよい。行動推薦手段１０４は、評価スコアの高い順に店名１０４１を表示する。

行動推薦手段１０４の具体的な評価スコア算出動作について以下の図１５−図１７を参照して説明する。

図１５は、行動を推薦する際の評価計算の動作を説明するための図である。

行動推薦手段１０４は、利用者の現在の行動パターンが「職場」から「自宅」へ移動するものであると推定しているため、公共交通機関の乗換情報取得ＡＰＩ等を利用し、「自宅」までの複数の移動経路を抽出する。図１５に示す例では、「Ａ駅」及び「Ｂ駅」を経由する移動経路と、「Ｃ駅」及び「Ｄ駅」を経由する移動経路とが抽出され、それぞれの経由地点の到着予定時刻が抽出される。

図１６は、行動を推薦する際の評価計算の動作を説明するための図である。

次に、行動推薦手段１０４は、図１６に示す評価情報１０４ｃを作成し、図１１に示した行動パターン情報１１４ｃを参照して、直近３ヶ月の飲食店の滞在開始時刻に基づいて「発生回数」の欄に記録する。現在時刻、到着予定時刻の評価値は、発生回数に係数を乗じて算出される。係数は、例えば、到着予定時刻の時間帯を１．０、当該時間帯から３０分ずれる毎に０．２を減じた係数として定める。

行動推薦手段１０４は、上記した方法で評価値を算出し、現在時刻、到着予定時刻毎に評価値を積算した値の最も大きい、枠１０４０で示した「到着予定時刻１９：１０の評価（Ｄ駅）」を推薦するべき飲食店の存在する駅と判断する。

次に、行動推薦手段１０４は、Ｄ駅の飲食店を検索し、飲食店の公開情報取得ＡＰＩを利用して、検索結果の飲食店の評価を取得する。

図１７は、行動を推薦する際の評価計算の動作を説明するための図である。

行動推薦手段１０４は、図１７に示す評価情報１０４ｄを作成し、取得した評価を「評価（公開情報）」の欄に記録するとともに、図１１に示した行動パターン情報１１４ｃを参照して、直近３ヶ月の飲食店の滞在回数に基づいて「滞在回数」の欄に記録する。

行動推薦手段１０４は、例えば、利用者がこれまでに滞在したことのない飲食店を好む傾向にあると判定している場合に、滞在回数が少ない方が高評価となるように「係数」の欄の係数を定め、「評価（公開情報）」の値に乗じることで「評価」の値を算出する。

行動推薦手段１０４は、評価情報１０４ｄの「評価」の値の順で飲食店を並び換えて図１４に示すように表示処理する。

［実施の形態の効果］
上記した実施の形態によれば、利用者の行動パターンを学習し、行動パターンの頻度から通常か通常外かを判断することで、利用者の現在の行動パターンを通常の行動パターンから推定するとともに、利用者に推薦する行動パターンを通常外の行動パターンを利用して選択するようにしたため、利用者の現在の行動に応じて新たな行動を推薦することができる。

［他の実施の形態］
なお、本発明は、上記実施の形態に限定されず、本発明の趣旨を逸脱しない範囲で種々な変形が可能である。

上記実施の形態では制御部１０の各手段１００〜１０４の機能をプログラムで実現したが、各手段の全て又は一部をＡＳＩＣ等のハードウエアによって実現してもよい。また、上記実施の形態で用いたプログラムをＣＤ−ＲＯＭ等の記録媒体に記憶して提供することもできる。また、上記実施の形態で説明した上記ステップの入れ替え、削除、追加等は本発明の要旨を変更しない範囲内で可能である。

１行動推薦サーバ
２端末
３ネットワーク
４利用者
１０制御部
１１記憶部
１２通信部
２０表示部
１００位置情報受付手段
１０１位置情報変換手段
１０２行動パターン学習手段
１０３行動パターン推定手段
１０４行動推薦手段
１１０行動推薦プログラム
１１１位置情報
１１２拠点名情報
１１３拠点タイプ情報
１１４行動パターン情報
１１５行動パターン推定情報

Claims

コンピュータを、
利用者の位置を示す位置情報の変化から当該利用者の行動パターンを学習する学習手段と、
前記学習手段の学習結果と、現在までの位置情報の変化とから当該利用者の現在の行動パターンを推定する推定手段と、
前記学習手段の学習結果と、前記推定手段が推定した現在の行動パターンとに基づいて、現在以降の行動を推薦する推薦手段として機能させるための行動推薦プログラム。
前記学習手段は、学習の際に、前記利用者の行動パターンを当該行動パターンの頻度に基づいて通常又は通常外の行動パターンのいずれであるかを判定し、
前記推定手段は、前記学習結果のうち、通常と判定された行動パターンに基づいて前記利用者の現在の行動パターンを推定する請求項１に記載の行動推薦プログラム。
前記推薦手段は、前記学習結果のうち、通常外と判定された行動パターンに基づいて前記現在以降の行動を推薦する請求項２に記載の行動推薦プログラム。
利用者の位置を示す位置情報の変化から当該利用者の行動パターンを学習する学習手段と、
前記学習手段の学習結果と、現在までの位置情報の変化とから当該利用者の現在の行動パターンを推定する推定手段と、
前記学習手段の学習結果と、前記推定手段が推定した現在の行動パターンとに基づいて、現在以降の行動を推薦する推薦手段とを有する情報処理装置。