図面 (/)

技術 ユーザの将来期間の生活パターンを予測する生活パターン予測装置、携帯端末、プログラム及び方法

出願人 KDDI株式会社
発明者 佐々木祥
出願日 2016年3月22日 (4年9ヶ月経過) 出願番号 2016-057240
公開日 2017年9月28日 (3年3ヶ月経過) 公開番号 2017-173999
状態 特許登録済
技術分野 検索装置
主要キーワード 過去期間 教師データ群 条件つき確率 記録時間間隔 将来期間 滞在日数 過去ログ 有向非巡回グラフ
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2017年9月28日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (10)

課題

ユーザの将来期間生活パターン予測することができる生活パターン予測装置携帯端末プログラム及び方法を提供する。

解決手段

生活パターン予測装置は、携帯端末の位置情報及び日時刻の時系列データを蓄積した位置情報蓄積手段と、時系列データから、滞在に基づく行動類型を抽出する行動類型抽出手段とを有する。その上で、生活パターン予測装置は、単位期間毎に、1つ以上の行動類型に基づいて、所定のいずれかの生活パターン類型割り当てる生活パターン類型割当手段と、過去期間(>単位期間)における時系列の生活パターン類型に基づいて、ユーザの将来期間の生活パターン類型を予測する生活パターン類型予測手段と、を有する。

概要

背景

通信設備では、携帯端末が配下となる基地局の位置情報履歴が記録されるため、この情報を用いて、携帯端末を所持したユーザ行動としての滞在地及び滞在時間を推定することができる。この場合、携帯端末は、GPS(Global Positioning System)機能を起動させる必要もないし、ネットワークを介して測位情報を送信する必要もない。一方で、基地局位置情報は、空間的粒度が粗くかつ時間間隔が一定でないという問題がある。但し、例えば「滞在」のようなユーザの大まかな行動を判定するための情報とすることはできる。

従来、ユーザが特定の地理経路を移動した際に、特定のイベントに参加していたとする行動ログを記録する技術がある(例えば特許文献1参照)。この技術によれば、ユーザがその地理的経路を移動すると共に、そのイベントに参加可能である場合に、そのイベントに関するコンテンツをユーザへ提供する。

概要

ユーザの将来期間生活パターン予測することができる生活パターン予測装置、携帯端末、プログラム及び方法を提供する。生活パターン予測装置は、携帯端末の位置情報及び日時刻の時系列データを蓄積した位置情報蓄積手段と、時系列データから、滞在に基づく行動類型を抽出する行動類型抽出手段とを有する。その上で、生活パターン予測装置は、単位期間毎に、1つ以上の行動類型に基づいて、所定のいずれかの生活パターン類型割り当てる生活パターン類型割当手段と、過去期間(>単位期間)における時系列の生活パターン類型に基づいて、ユーザの将来期間の生活パターン類型を予測する生活パターン類型予測手段と、を有する。

目的

この技術によれば、ユーザがその地理的経路を移動すると共に、そのイベントに参加可能である場合に、そのイベントに関するコンテンツをユーザへ提供する

効果

実績

技術文献被引用数
0件
牽制数
0件

この技術が所属する分野

(分野番号表示ON)※整理標準化データをもとに当社作成

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

携帯端末位置情報及び日時刻の時系列データを蓄積した位置情報蓄積手段と、前記時系列データから、滞在に基づく行動類型を抽出する行動類型抽出手段とを有し、ユーザの将来期間生活パターン予測する生活パターン予測装置において、単位期間毎に、1つ以上の行動類型に基づいて、所定のいずれかの生活パターン類型割り当てる生活パターン類型割当手段と、過去期間(>単位期間)における時系列の生活パターン類型に基づいて、前記ユーザの将来期間の生活パターン類型を予測する生活パターン類型予測手段とを有することを特徴とする生活パターン予測装置。

請求項2

前記生活パターン類型割当手段は、前記単位期間における複数の行動類型の組み合わせに基づいて、前記生活パターン類型を割り当てることを特徴とする請求項1に記載の生活パターン予測装置。

請求項3

前記生活パターン類型割当手段は、前記単位期間における複数の行動類型の遷移に基づいて、前記生活パターン類型を割り当てることを特徴とする請求項1又は2に記載の生活パターン予測装置。

請求項4

前記生活パターン類型予測手段は、前記過去期間における各生活パターン類型の出現確率に基づいて、前記ユーザの将来期間の生活パターン類型を予測することを特徴とする請求項1から3のいずれか1項に記載の生活パターン予測装置。

請求項5

前記生活パターン類型予測手段は、前記過去期間における複数の生活パターン類型の周期性に基づいて、前記生活パターン類型毎の出現確率を算出することを特徴とする請求項4に記載の生活パターン予測装置。

請求項6

前記将来期間の開始後、前記行動類型抽出手段によって抽出された前記行動類型が、前記生活パターン類型予測手段によって予測された生活パターン類型を構成する前記行動類型と整合するか否かを検証する生活パターン類型検証手段を更に有することを特徴とする請求項1から5のいずれか1項に記載の生活パターン予測装置。

請求項7

前記行動類型抽出手段は、各行動類型の開始終了時刻を更に抽出し、前記生活パターン類型予測手段によって予測された前記生活パターン類型と、前記行動類型抽出手段によって抽出された前記行動類型及びその開始終了時刻に基づいて、前記ユーザの前記将来期間における前記行動類型の開始終了時刻を予測する行動時間予測手段を更に有することを特徴とする請求項1から6のいずれか1項に記載の生活パターン予測装置。

請求項8

前記行動時間予測手段は、前記生活パターン類型予測手段によって最も出現確率が高いと算出された前記生活パターン類型における前記行動類型の開始終了時刻の分布を適用することを特徴とする請求項7に記載の生活パターン予測装置。

請求項9

前記行動時間予測手段は、前記生活パターン類型毎に、前記行動類型の開始終了時刻の分布を算出し、前記生活パターン類型毎の出現確率と前記行動類型の開始終了時刻の分布による確率に基づいて予測することを特徴とする請求項7又は8に記載の生活パターン予測装置。

請求項10

前記将来期間の開始後、前記行動類型抽出手段によって抽出された前記行動類型の開始終了時刻が、前記行動時間予測手段によって予測された行動類型の開始終了時刻と整合するか否かを検証する行動時間検証手段を更に有することを特徴とする請求項7から9のいずれか1項に記載の生活パターン予測装置。

請求項11

不特定多数の人から収集された、単位期間毎の時系列の生活パターン類型を教師データとして構築された機械学習エンジンを更に有し、前記生活パターン類型予測手段は、前記機械学習エンジンへ、前記過去期間における時系列の生活パターン類型を入力し、その出力として前記将来期間の生活パターン類型を予測することを特徴とする請求項1から10のいずれか1項に記載の生活パターン予測装置。

請求項12

前記単位期間は、日であり、前記過去期間は、連続日であり、前記将来期間は、次日であり、前記機械学習エンジンの前記教師データは、日毎の時系列の生活パターン類型に、曜日対応付けられており、前記生活パターン類型予測手段は、前記機械学習エンジンへ、過去の連続日における時系列の生活パターン類型を入力し、その出力として次日の生活パターン類型を予測することを特徴とする請求項10又は11に記載の生活パターン予測装置。

請求項13

位置情報及び日時刻の時系列データを蓄積した位置情報蓄積手段と、前記時系列データから、滞在に基づく行動類型を抽出する行動類型抽出手段とを有し、ユーザの将来期間の生活パターンを予測する携帯端末において、単位期間毎に、1つ以上の行動類型に基づいて、所定のいずれかの生活パターン類型を割り当てる生活パターン類型割当手段と、過去期間(>単位期間)における時系列の生活パターン類型に基づいて、前記ユーザの将来期間の生活パターン類型を予測する生活パターン類型予測手段と、を有することを特徴とする携帯端末。

請求項14

ユーザの将来期間の生活パターンを予測する装置に搭載されたコンピュータを、携帯端末の位置情報及び日時刻の時系列データを蓄積した位置情報蓄積手段と、前記時系列データから、滞在に基づく行動類型を抽出する行動類型抽出手段として機能させるプログラムにおいて、単位期間毎に、1つ以上の行動類型に基づいて、所定のいずれかの生活パターン類型を割り当てる生活パターン類型割当手段と、過去期間(>単位期間)における時系列の生活パターン類型に基づいて、前記ユーザの将来期間の生活パターン類型を予測する生活パターン類型予測手段としてコンピュータを機能させることを特徴とするプログラム。

請求項15

ユーザの将来期間の生活パターンを予測する装置の生活パターン予測方法において、前記装置は、携帯端末の位置情報及び日時刻の時系列データを蓄積した位置情報蓄積部を有し、前記装置は、前記時系列データから、滞在に基づく行動類型を抽出する第1のステップと、単位期間毎に、1つ以上の行動類型に基づいて、所定のいずれかの生活パターン類型を割り当てる第2のステップと、過去期間(>単位期間)における時系列の生活パターン類型に基づいて、前記ユーザの将来期間の生活パターン類型を予測する第3のステップとを有することを特徴とする装置の生活パターン予測方法。

技術分野

0001

本発明は、携帯端末位置情報における過去ログ分析することによって、ユーザの行動予測する技術に関する。

背景技術

0002

通信設備では、携帯端末が配下となる基地局の位置情報の履歴が記録されるため、この情報を用いて、携帯端末を所持したユーザ行動としての滞在地及び滞在時間を推定することができる。この場合、携帯端末は、GPS(Global Positioning System)機能を起動させる必要もないし、ネットワークを介して測位情報を送信する必要もない。一方で、基地局位置情報は、空間的粒度が粗くかつ時間間隔が一定でないという問題がある。但し、例えば「滞在」のようなユーザの大まかな行動を判定するための情報とすることはできる。

0003

従来、ユーザが特定の地理経路を移動した際に、特定のイベントに参加していたとする行動ログを記録する技術がある(例えば特許文献1参照)。この技術によれば、ユーザがその地理的経路を移動すると共に、そのイベントに参加可能である場合に、そのイベントに関するコンテンツをユーザへ提供する。

先行技術

0004

特開2014−139837号公報

発明が解決しようとする課題

0005

前述した従来技術によれば、ユーザが所持する携帯端末の位置情報を明確に特定した上で、その滞在目的に応じた情報が携帯端末へ提供されるものである。

0006

これに対し、本願の発明者らは、不特定多数の人の1日の行動は、おおよそ数個生活パターン区分されるのではないか?と考えた。即ち、特定のユーザについて、過去の毎日の生活パターンを分析することによって、例えば当日の生活パターンを予測することができるのではないか?と考えた。この場合、予測された生活パターンに応じて適切な時刻に必要な情報を、ユーザの携帯端末へ提供することができる。

0007

そこで、本発明によれば、ユーザの将来期間の生活パターンを予測することができる生活パターン予測装置、携帯端末、プログラム及び方法を提供することを目的とする。

課題を解決するための手段

0008

本発明によれば、
携帯端末の位置情報及び日時刻の時系列データを蓄積した位置情報蓄積手段と、
時系列データから、滞在に基づく行動類型を抽出する行動類型抽出手段と
を有し、ユーザの将来期間の生活パターンを予測する生活パターン予測装置において、
単位期間毎に、1つ以上の行動類型に基づいて、所定のいずれかの生活パターン類型割り当てる生活パターン類型割当手段と、
過去期間(>単位期間)における時系列の生活パターン類型に基づいて、ユーザの将来期間の生活パターン類型を予測する生活パターン類型予測手段と
を有することを特徴とする。

0009

本発明の生活パターン予測装置における他の実施形態によれば、
生活パターン類型割当手段は、単位期間における複数の行動類型の組み合わせに基づいて、生活パターン類型を割り当てることも好ましい。

0010

本発明の生活パターン予測装置における他の実施形態によれば、
生活パターン類型割当手段は、単位期間における複数の行動類型の遷移に基づいて、生活パターン類型を割り当てることも好ましい。

0011

本発明の生活パターン予測装置における他の実施形態によれば、
生活パターン類型予測手段は、過去期間における各生活パターン類型の出現確率に基づいて、ユーザの将来期間の生活パターン類型を予測することも好ましい。

0012

本発明の生活パターン予測装置における他の実施形態によれば、
生活パターン類型予測手段は、過去期間における複数の生活パターン類型の周期性に基づいて、生活パターン類型毎の出現確率を算出することも好ましい。

0013

本発明の生活パターン予測装置における他の実施形態によれば、
将来期間の開始後、行動類型抽出手段によって抽出された行動類型が、生活パターン類型予測手段によって予測された生活パターン類型を構成する行動類型と整合するか否かを検証する生活パターン類型検証手段を更に有することも好ましい。

0014

本発明の生活パターン予測装置における他の実施形態によれば、
行動類型抽出手段は、各行動類型の開始終了時刻を更に抽出し、
生活パターン類型予測手段によって予測された生活パターン類型と、行動類型抽出手段によって抽出された行動類型及びその開始終了時刻に基づいて、ユーザの将来期間における行動類型の開始終了時刻を予測する行動時間予測手段を更に有することも好ましい。

0015

本発明の生活パターン予測装置における他の実施形態によれば、
行動時間予測手段は、生活パターン類型予測手段によって最も出現確率が高いと算出された生活パターン類型における行動類型の開始終了時刻の分布を適用することも好ましい。

0016

本発明の生活パターン予測装置における他の実施形態によれば、
行動時間予測手段は、
生活パターン類型毎に、行動類型の開始終了時刻の分布を算出し、
生活パターン類型毎の出現確率と行動類型の開始終了時刻の分布による確率に基づいて予測することも好ましい。

0017

本発明の生活パターン予測装置における他の実施形態によれば、
将来期間の開始後、行動類型抽出手段によって抽出された行動類型の開始終了時刻が、行動時間予測手段によって予測された行動類型の開始終了時刻と整合するか否かを検証する行動時間検証手段を更に有することも好ましい。

0018

本発明の生活パターン予測装置における他の実施形態によれば、
不特定多数の人から収集された、単位期間毎の時系列の生活パターン類型を教師データとして構築された機械学習エンジンを更に有し、
生活パターン類型予測手段は、機械学習エンジンへ、過去期間における時系列の生活パターン類型を入力し、その出力として将来期間の生活パターン類型を予測することも好ましい。

0019

本発明の生活パターン予測装置における他の実施形態によれば、
単位期間は、日であり、
過去期間は、連続日であり、
将来期間は、次日であり、
機械学習エンジンの教師データは、日毎の時系列の生活パターン類型に、曜日対応付けられており、
生活パターン類型予測手段は、機械学習エンジンへ、過去の連続日における時系列の生活パターン類型を入力し、その出力として次日の生活パターン類型を予測することも好ましい。

0020

本発明によれば、
位置情報及び日時刻の時系列データを蓄積した位置情報蓄積手段と、
時系列データから、滞在に基づく行動類型を抽出する行動類型抽出手段と
を有し、ユーザの将来期間の生活パターンを予測する携帯端末において、
単位期間毎に、1つ以上の行動類型に基づいて、所定のいずれかの生活パターン類型を割り当てる生活パターン類型割当手段と、
過去期間(>単位期間)における時系列の生活パターン類型に基づいて、ユーザの将来期間の生活パターン類型を予測する生活パターン類型予測手段と、
を有することを特徴とする。

0021

本発明によれば、
ユーザの将来期間の生活パターンを予測する装置に搭載されたコンピュータを、
携帯端末の位置情報及び日時刻の時系列データを蓄積した位置情報蓄積手段と、
時系列データから、滞在に基づく行動類型を抽出する行動類型抽出手段と
して機能させるプログラムにおいて、
単位期間毎に、1つ以上の行動類型に基づいて、所定のいずれかの生活パターン類型を割り当てる生活パターン類型割当手段と、
過去期間(>単位期間)における時系列の生活パターン類型に基づいて、ユーザの将来期間の生活パターン類型を予測する生活パターン類型予測手段と
してコンピュータを機能させることを特徴とする。

0022

本発明によれば、ユーザの将来期間の生活パターンを予測する装置の生活パターン予測方法において、
装置は、携帯端末の位置情報及び日時刻の時系列データを蓄積した位置情報蓄積部を有し、
装置は、時系列データから、滞在に基づく行動類型を抽出する第1のステップと、
単位期間毎に、1つ以上の行動類型に基づいて、所定のいずれかの生活パターン類型を割り当てる第2のステップと、
過去期間(>単位期間)における時系列の生活パターン類型に基づいて、ユーザの将来期間の生活パターン類型を予測する第3のステップと
を有することを特徴とする。

発明の効果

0023

本発明の生活パターン予測装置、携帯端末、プログラム及び方法によれば、ユーザの将来期間の生活パターンを予測することができる。

図面の簡単な説明

0024

携帯端末の滞在を表す空間的な外観図である。
本発明における生活パターン予測装置の機能構成図である。
位置情報蓄積部及び行動類型抽出部の処理を表す説明図である。
生活パターン類型割当部の処理を表す説明図である。
生活パターン類型予測部の処理を表す説明図である。
生活パターン類型検証部の処理を表す説明図である。
行動時間予測部の処理を表す説明図である。
行動時間検証部の処理を表す説明図である。
通信設備装置として配置された生活パターン予測装置のシステム構成図である。

実施例

0025

以下、本発明の実施の形態について、図面を用いて詳細に説明する。

0026

図1は、携帯端末の滞在を表す空間的な外観図である。

0027

ユーザに所持された携帯端末(例えば携帯電話機スマートフォン)は、いずれの位置にあっても、常に基地局の配下にあって。広域無縁通信網携帯電話網)に接続されている。図1によれば、ユーザは、自宅住所及び職場居所と、訪問先となるD周辺とが、「滞在地」となる。また、そのユーザは、自宅、職場及びD駅周辺以外の場所では、移動中となる。

0028

多数の基地局を統合する通信設備では、携帯端末毎に、空間的粒度が粗く、且つ、時間間隔が一定でない基地局位置情報が記録される。「空間的粒度が粗く」とは、位置情報同士の地理的な距離が比較的長いことを意味する。また、「時間間隔が一定でない」とは、位置情報の記録時間間隔が比較的ばらついていることを意味する。

0029

広域無線通信網に接続された基地局は、その配下に位置する携帯端末2と通信することによって、その日時刻を通信履歴として記録する。通信履歴は、携帯端末に対するユーザ操作を要する通話や、メールの送受信Webページ閲覧の時に限られない。携帯端末にインストールされたアプリケーションが自動的に実行するデータの送受信の時にも、基地局によって携帯端末2からの通信履歴として記録される。

0030

図2は、本発明における生活パターン予測装置の機能構成図である。

0031

本発明における生活パターン予測装置1は、ユーザの将来期間の生活パターンを予測するものである。図2によれば、位置情報蓄積部101と、教師データ群102と、行動類型抽出部11と、生活パターン類型割当部12と、生活パターン類型予測部13と、機械学習エンジン14と、生活パターン類型検証部15と、行動時間予測部16と、行動時間検証部17とを有する。予測された生活パターンはアプリケーション処理部へ入力され、ユーザに対してその生活パターンに応じた様々なサービスが提供される。これら機能構成部は、装置に搭載されたコンピュータを機能させるプログラムを実行することによって実現される。また、図2によれは、各機能構成部を用いた処理の流れは、装置の生活パターン推定方法としても理解できる。

0032

図3は、位置情報蓄積部及び行動類型抽出部の処理を表す説明図である。

0033

[位置情報蓄積部101]
位置情報蓄積部101は、携帯端末の位置情報及び日時刻の時系列データを蓄積したものである。
図3によれば、位置情報として緯度経度が表されている。この緯度経度は、その携帯端末を配下に通信する基地局の位置情報であってもよい。
位置情報蓄積部101の時系列データは、行動類型抽出部11から参照される。

0034

[行動類型抽出部11]
行動類型抽出部11は、位置情報蓄積部101の時系列データを参照し、滞在に基づく行動類型を抽出するものである。
「滞在」とは、所定時間以上で且つ所定距離範囲内に位置することを意味する。又は、所定時間以上、地図上を等分区画化した1つの地図範囲内に位置することとしてもよい。
「行動類型」とは、自宅への滞在である「自宅滞在」、職場への滞在である「職場滞在」、それ以外の場所への滞在である「その他滞在」など、行動を推定できる範囲で「滞在」に意味付けを行い分類したものであり、後述する「生活パターン類型」を類型化するための構成要素である。尚、「滞在」に基づき「滞在」ではない期間を抽出して「移動中」とし、行動を推定できる範囲で意味付けを行い分類してもよく、これを「生活パターン類型」を類型化するための構成要素としてもよい。
行動類型抽出部11によって抽出された日毎の行動類型は、生活パターン類型割当部12へ出力される。

0035

行動類型抽出部11は、ユーザの行動を特徴付け自宅位置及び職場位置などを、位置情報履歴から抽出する。まず、ユーザの複数の滞在点と、各滞在点における滞在開始日時及び滞在終了日時を特定する。そして、複数の滞在点のそれぞれについて滞在日数を算出し、当該滞在日数が最も多い滞在点を自宅滞在点として抽出し、当該滞在日数が2番目に多い滞在点を職場滞在点として抽出する。

0036

また、他の実施形態として、行動類型抽出部11は、機械学習エンジンであって、行動類型付き時間帯(時間帯に対する自宅滞在/職場滞在など)を教師データとして学習させたものであってもよい。この場合、位置情報蓄積部101の時系列データを機械学習エンジンに入力することによって、最も近い行動類型を抽出することができる。

0037

図3によれば、自宅滞在点及び職場滞在点とから、ユーザの1日の行動類型が特定されている。このユーザによればおおよそ、自宅滞在は21時から7時であり、職場滞在は9時〜19時であることが表されている。

0038

図4は、生活パターン類型割当部の処理を表す説明図である。

0039

[生活パターン類型割当部12]
生活パターン類型割当部12は、単位期間毎に、1つ以上の行動類型に基づいて、所定のいずれかの生活パターン類型を割り当てる。
単位期間は、例えば1日24時間としてもよいし、所定の場所における日の出時刻から翌日の日の出時刻までのように必ずしも24時間に固定されない1日であってもよいし、24時間のうち所定の時間帯のみを毎日抽出したものであってもよい。また、半日12時間などの短期であってもよいし、1週間、1ヶ月、1年などの長期であってもよい。

0040

「生活パターン類型」とは、単位期間(例えば1日24時間)における「行動類型」(自宅滞在/職場滞在など)の種類・組合せ・出現回数出現順序(遷移)などに基づき類型化された雛形である。図4によれば、人の生活パターン類型は、以下のように大きく5つに区分することができる。
<生活パターン類型A(勤務タイプ)>
連続自宅滞在及び連続職場滞在がそれぞれ、2時間を超えて存在し、且つ、連続その他滞在が2時間以下である場合
想定ユーザ:社会人(通常勤務、複数勤務)、学生(通常通学アルバイト)、
主婦パート通常勤務)
<生活パターン類型B(外出タイプ)>
連続自宅滞在及び連続その他滞在がそれぞれ、2時間超存在し、且つ、連続職場滞在が2時間以下である場合
想定ユーザ:社会人(休日)、学生(平日+交際)、主婦(平日)
<生活パターン類型C(自宅タイプ)>
連続自宅滞在が2時間を超えて存在し、且つ、連続職場滞在及び連続その他滞在が2時間以下である場合
想定ユーザ:社会人(休日)、学生(休日)、主婦(休日)
<生活パターン類型D(勤務&外出タイプ)>
連続自宅滞在、連続職場滞在及び連続その他滞在が2時間を超えて存在する場合
想定ユーザ:社会人(通常勤務+交際)、学生(通常通学+交際)、
主婦(パート勤務)
<生活パターン類型Z(その他)>
自宅滞在が2時間以下である場合
想定ユーザ:社会人(出張旅行)、学生(旅行)、主婦(旅行)

0041

生活パターン類型割当部12は、単位期間(例えば1日)における「複数の行動類型の組み合わせ」に基づいて、生活パターン類型を割り当てるものであってもよい。
また、生活パターン類型割当部12は、単位期間における「複数の行動類型の遷移」に基づいて、生活パターン類型を割り当てるものであってもよい。
生活パターン類型は、サービスの用途に応じて様々なパターンに分類することができる。

0042

生活パターン類型割当部12は、割り当てた生活パターンを、生活パターン類型予測部13へ出力する。

0043

図5は、生活パターン類型予測部の処理を表す説明図である。

0044

[生活パターン類型予測部13]
生活パターン類型予測部13は、過去期間(>単位期間)における時系列の生活パターン類型に基づいて、ユーザの将来期間の生活パターン類型を予測する。ここで、「期間」は、例えば以下のように定義する。
単位期間:日(例えば1日(24時間))
過去期間:連続日(例えば2週間(14日分))
将来期間:次日(例えば当日(翌日)(24時間))
具体的には、「過去2週間分」の生活パターン類型から、ユーザの「当日」の生活パターン類型を予測することができる。

0045

また、生活パターン類型予測部13は、過去期間における各生活パターン類型の「出現確率」に基づいて、ユーザの将来期間の生活パターン類型を予測するものであってもよい。ここで、生活パターン類型毎の出現確率は、過去期間における複数の生活パターン類型の「周期性」に基づいて算出されるものであってもよい。

0046

本発明の生活パターン類型予測部13は、機械学習エンジン14へ、過去期間における時系列の生活パターン類型を入力し、その出力として将来期間の生活パターン類型を予測する。

0047

[機械学習エンジン14]
機械学習エンジン14は、不特定多数の人から収集された、単位期間毎の時系列の生活パターン類型を教師データとして構築したものである。
不特定多数の人のおおよそ98%は、前述した生活パターンA〜Dに含まれる。図5によれば、機械学習エンジン14はおおよそ、以下の割合で、生活パターンを学習するであろうと考えられる。
生活パターンA:34%
生活パターンB:28%
生活パターンC:24%
生活パターンD:12%
生活パターンZ:2%

0048

機械学習エンジン14の教師データは、日毎の時系列の生活パターン類型に、曜日が対応付けられたものである。この場合、生活パターン類型予測部13は、機械学習エンジン14へ、過去の曜日付きの連続日における時系列の生活パターン類型を入力し、その出力として次日の曜日に応じた生活パターン類型を予測することができる。

0049

具体的には、機械学習エンジン14は、連続日の生活パターンによって次日の生活パターンを予測するベイジアンネットワークに基づくものであってもよい。

0050

「ベイジアンネットワーク」とは、ノード間の因果関係を、確率によって記述するグラフカルネットワークである。本発明におけるネットワークとは、連続日の生活パターン類型を「ノード」とし、ノード間のアークに付与された類似度を「重み」として付与したグラフ構造をいう。ベイジアンネットワークは、複数ノード間の因果関係の推論有向非巡回グラフ構造によって表し、個々の変数の関係を条件つき確率で表す確率推論モデルである。有向非巡回グラフ構造とは、アークに矢印が付与され(有向)、その矢印の経路がノードを巡回することが無いものをいう。ベイジアンネットワークを用いることによって、既に過ぎ去った過去数日の生活パターン類型から、将来となる当日の生活パターン類型を、不確実な事象の確率として定量的に推定することができる。

0051

生活パターン類型予測部13によって予測された生活パターン類型は、アプリケーション処理部へ出力される。

0052

図6は、生活パターン類型検証部の処理を表す説明図である。

0053

[生活パターン類型検証部15]
生活パターン類型検証部15は、オプション的なものであって、将来期間の開始後、当該ユーザの当日の携帯端末の時系列データから、行動類型抽出部11によって抽出された行動類型が、生活パターン類型予測部13によって予測された生活パターン類型を構成する行動類型と整合するか否かを検証する。検証に基づく正否は、アプリケーション処理部へ出力される。

0054

生活パターン類型検証部によると、例えば、当日は生活パターン類型A(勤務タイプ)と予測され、アプリケーション処理部により帰宅時間に合わせて帰宅者ダイレクトメールが配信される予定であったユーザが、実際には外出しておらず、当該日は生活パターン類型C(自宅タイプ)であることが検知されたとする。その場合、検証結果をアプリケーション処理部へ出力し、急遽、メール配信を取りやめることができる。

0055

図7は、行動時間予測部の処理を表す説明図である。
[行動時間予測部16]
行動類型抽出部11は、各行動類型の開始終了時刻を更に抽出する。このとき、行動時間予測部16は、生活パターン類型予測部13によって予測された生活パターン類型と、行動類型抽出部11によって抽出された行動類型及びその開始終了時刻に基づいて、ユーザの将来期間における行動類型の開始終了時刻を予測する。予測された開始終了時刻は、アプリケーション処理部へ出力される。

0056

ここで、行動時間予測部16は、生活パターン類型予測部13によって最も出現確率が高いと算出された生活パターン類型における行動類型の開始終了時刻の分布を適用することもできる。
また、行動時間予測部16は、生活パターン類型毎に、行動類型の開始終了時刻の分布を算出し、生活パターン類型毎の出現確率と行動類型の開始終了時刻の分布による確率に基づいて予測するものであってもよい。

0057

図8は、行動時間検証部の処理を表す説明図である。

0058

[行動時間検証部17]
行動時間検証部17は、将来期間の開始後、当該ユーザの当日の携帯端末の時系列データから、行動類型抽出部11によって抽出された行動類型の開始終了時刻が、行動時間予測部16によって予測された行動類型の開始終了時刻と整合するか否かを検証する。検証に基づく正否は、アプリケーション処理部へ出力される。

0059

行動時間検証部17によれば、例えば、当日は生活パターン類型A(勤務タイプ)で21時に帰宅と予測され、アプリケーション処理部により帰宅時間に合わせて帰宅者用ダイレクトメールが配信される予定であったユーザが、実際には生活パターン類型A(勤務タイプ)であるものの18時に帰宅したことが検知されたとする。その場合、検証結果をアプリケーション処理部へ出力し、急遽、21時に予定されていたメール配信を取りやめることができる。

0060

図9は、通信設備装置として配置された生活パターン予測装置のシステム構成図である。

0061

生活パターン予測装置1は、広域無線通信網(携帯電話網)に設置された通信設備装置として構成することも好ましい。この場合、生活パターン予測装置1は、位置情報蓄積部101へ通信履歴を蓄積するために、オプション機能として、広域通信網に接続する通信インタフェース部と、基地局位置情報管理部と、通信履歴収集部と、位置情報履歴生成部とを更に有する。

0062

基地局位置情報管理部は、基地局識別子と基地局位置情報とを対応付けて記憶する。
通信履歴収集部は、携帯端末2を配下に接続させる基地局から、携帯端末2毎における日時刻及び基地局識別子の通信履歴を収集する。
通信履歴(端末識別子、日時刻、基地局識別子)
位置情報履歴生成部は、基地局位置情報管理部を用いて、通信履歴毎に、基地局識別子に対応する基地局位置情報を更に対応付ける。その通信履歴は、位置情報蓄積部101へ出力される。

0063

以上、詳細に説明したように、本発明の生活パターン予測装置、携帯端末、プログラム及び方法によれば、ユーザの将来期間の生活パターンを予測することができる。

0064

将来期間の生活パターンが予測されることによって、アプリケーション処理部は、ユーザ毎に適切な時間帯に効果的な情報を提供することができる。例えば、当日の夕方に空き時間がありそうなユーザに対して、その時間帯に夕方のイベント情報を配信することもできる。特に、ユーザが出現する位置の特徴を分析しつつ、具体的な位置情報(緯度経度)を取得しないことによって、そのユーザのプライバシー情報を必要とすることなく、そのユーザの将来期間における生活パターンを予測することができる。

0065

尚、前述した本発明の実施形態では、将来期間の生活パターンの予測としたが、必ずしも将来期間の予測には限らない。位置情報が取得できなかった過去又は現在の特定期間の生活パターンを推定してもよい。また、ユーザに対して、予測した生活パターン類型自体を通知したり、予測した生活パターン類型に基づく健康指導アドバイスするものであってもよい。
また、基地局により位置情報を取得するとしたが、GPSシステム等、他のシステムにより位置情報を取得してもよい。

0066

前述した本発明の種々の実施形態について、本発明の技術思想及び見地の範囲の種々の変更、修正及び省略は、当業者によれば容易に行うことができる。前述の説明はあくまで例であって、何ら制約しようとするものではない。本発明は、特許請求の範囲及びその均等物として限定するものにのみ制約される。

0067

1生活パターン予測装置
101位置情報蓄積部
102教師データ群
11行動類型抽出部
12 生活パターン類型割当部
13 生活パターン類型予測部
14機械学習エンジン
15 生活パターン類型検証部
16行動時間予測部
17 行動時間検証部
2 携帯端末

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

関連する公募課題

ページトップへ

技術視点だけで見ていませんか?

この技術の活用可能性がある分野

分野別動向を把握したい方- 事業化視点で見る -

(分野番号表示ON)※整理標準化データをもとに当社作成

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

この 技術と関連性が強い技術

関連性が強い 技術一覧

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

関連する挑戦したい社会課題一覧

この 技術と関連する公募課題

関連する公募課題一覧

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ