JP2010145115A - Destination prediction system, destination prediction method, and program - Google Patents
Destination prediction system, destination prediction method, and program Download PDFInfo
- Publication number
- JP2010145115A JP2010145115A JP2008319578A JP2008319578A JP2010145115A JP 2010145115 A JP2010145115 A JP 2010145115A JP 2008319578 A JP2008319578 A JP 2008319578A JP 2008319578 A JP2008319578 A JP 2008319578A JP 2010145115 A JP2010145115 A JP 2010145115A
- Authority
- JP
- Japan
- Prior art keywords
- destination
- area
- movement
- point
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Navigation (AREA)
- Traffic Control Systems (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
Description
本発明は、目的地予測システム、目的地予測方法及びプログラムに関する。 The present invention relates to a destination prediction system, a destination prediction method, and a program.
従来、カーナビゲーションの操作の簡易化、より効果的な位置情報サービスを実現するために、運転者は日常生活において同じ経路を移動していることが多いことを利用して、カーナビゲーションの移動履歴から移動軌跡と目的地の関係を学習し、現在までの移動軌跡から自動的に目的地を推測する方法が発明されている。その発明の代表例として、特許文献1のようなものがある。 Conventionally, in order to simplify the operation of car navigation and realize more effective location information services, the movement history of car navigation is utilized by utilizing the fact that the driver often travels the same route in daily life. A method has been invented that learns the relationship between a movement trajectory and a destination from the above and automatically estimates the destination from the movement trajectory up to the present. As a typical example of the invention, there is one as disclosed in Patent Document 1.
図13に示すように、この従来の目的地予測システムは、1はユーザが乗った車に搭載されたカーナビ、2はカーナビ1からの要求に応じて情報を提供するためのサーバ、3はカーナビ1とサーバ2とをつなぐ例えばインターネットなどのネットワークである。
As shown in FIG. 13, this conventional destination prediction system includes a car navigation system 1 mounted on a car on which a user rides, a
カーナビ1において、11はGPSなどを用いてユーザの車の現在位置に関する情報を検出する位置情報検出部であり、12は地図情報を記憶する地図データベースである。
In the car navigation 1, reference numeral 11 denotes a position information detection unit that detects information related to the current position of the user's car using GPS or the like, and
13は位置情報検出部11によって検出された現在位置と地図データベース12とを参照して、検出した現在位置が記憶すべき場所であるか否か(後述するノードであるか否か)を判定する記憶位置判定部、14は現在の日時を検出する日時検出部、15は記憶位置判定部13によって現在位置が記憶すべき場所であると判定されたとき、現在位置と日時検出部14によって検出された現在の日時とを対にして時系列に記憶する移動情報履歴蓄積部である。16は移動情報履歴蓄積部15に記憶されている位置と日時の情報(移動情報)の履歴から、時系列の移動パタンを検出する移動パタン検出部であり、17は所定のイベントが発生したとき、移動パタン検出部16によって検出された移動パタンからユーザの車の行き先を予測する行動予測部である。
18は行動予測部17によって予測されたユーザの行き先に関する情報をネットワーク3を介してサーバ2から取得する情報取得部であり、19はユーザに対して、情報取得部18によって取得した情報や地図データベース12に格納された地図情報を例えば液晶ディスプレイに表示する情報提供部である。
またサーバ2において、21はカーナビ1に対して情報を送受信するための情報送受信部であり、22はカーナビ1に対して送信するための情報を記憶している情報蓄積部である。
In the
このような構成を有する従来の目的地予測システムは概略つぎのように動作する。 The conventional destination prediction system having such a configuration generally operates as follows.
すなわち、記憶位置判定部13で出発位置/目的地を車のエンジンのon/offで検出し、その位置を記憶するとともに、出発地〜目的地までの移動の間、地図データベース12を参照しながら、交差点を通過するたびに通過軌跡として目的地および日時と対応付ける形で移動情報履歴蓄積部15に保存する。移動パタン検出部16は、図14に示したベイジアンネットワークを学習する。なお、図14中のエリアとは特許文献1においては交差点に該当する。行動予測部17においては、出発してからの経路と運転者、時間帯などからベイズ推定を行う。
That is, the starting position / destination is detected by the on / off of the car engine by the storage
類似した方式は、本特許文献以外にもいくつか提案されている。例えば、非特許文献1においては、エリアとして、空間を正方形に区切ったグリッドと、移動履歴における分岐から分岐までの一辺の両方でモデルを作成し、推定したものもある。
ところが,このような方式を携帯電話に適用した場合,以下の問題があった。 However, when this method is applied to a mobile phone, there are the following problems.
第1の問題点は、正確にエリア内に存在していることを判定できないということである。その理由は、携帯電話で測位する場合、(特に屋内に存在する場合において)GPSの信号を受信できない場合が多く、その場合受信している基地局のIDや電界強度などから位置を推定するがその精度が悪いためである。 The first problem is that it cannot be accurately determined that the object exists in the area. The reason is that when positioning with a mobile phone, GPS signals cannot be received (especially when they are indoors), and in that case, the position is estimated from the ID of the receiving base station or the electric field strength. This is because the accuracy is poor.
第2の問題点は、位置の変化などから出発・到着を推定しなければならないということである。その理由は、携帯電話の場合、車と違って、出発・到着のシグナルが与えられないためである。 The second problem is that departure / arrival must be estimated from a change in position. The reason is that in the case of a mobile phone, unlike a car, a departure / arrival signal is not given.
そこで、本発明は上記課題に鑑みて発明されたものであって、その目的は、良い位置精度を常に得ることが難しい携帯電話等の端末でも目的地を予測できる目的地予測システム、目的地予測方法及びプログラムを提供することにある。 Therefore, the present invention has been invented in view of the above problems, and its object is to provide a destination prediction system and a destination prediction that can predict a destination even in a terminal such as a mobile phone for which it is difficult to always obtain good position accuracy. It is to provide a method and a program.
上記課題を解決する本発明は、端末の予測位置とその測定誤差とを検出する位置情報検出手段と、前記予測位置と測定誤差との複数の時系列の測定結果に基づいて、複数の測定結果の間を補間する位置情報補間手段と、前記複数の測定結果が補間された軌跡に属するエリアを通過した確率を計算するエリア存在確率分布検出手段とを有する目的地予測システムである。 The present invention for solving the above-mentioned problems is based on position information detection means for detecting a predicted position of a terminal and its measurement error, and a plurality of measurement results based on a plurality of time-series measurement results of the predicted position and measurement error. A destination prediction system having position information interpolating means for interpolating between and an area existence probability distribution detecting means for calculating a probability that the plurality of measurement results have passed through an area belonging to the interpolated locus.
上記課題を解決する本発明は、端末の予測位置とその測定誤差とを検出し、前記予測位置と測定誤差との複数の時系列の測定結果に基づいて、複数の測定結果の間を補間し、前記複数の測定結果が補間された軌跡に属するエリアを通過した確率を計算する目的地予測方法である。 The present invention for solving the above problems detects a predicted position of a terminal and its measurement error, and interpolates between a plurality of measurement results based on a plurality of time-series measurement results of the predicted position and the measurement error. A destination prediction method for calculating a probability that the plurality of measurement results have passed through an area belonging to the interpolated trajectory.
上記課題を解決する本発明は、端末の予測位置とその測定誤差とを検出する位置情報検出処理と、前記予測位置と測定誤差との複数の時系列の測定結果に基づいて、複数の測定結果の間を補間する位置情報補間処理と、前記複数の測定結果が補間された軌跡に属するエリアを通過した確率を計算するエリア存在確率分布検出処理とを情報処理装置に実行させるプログラムである。 The present invention for solving the above-described problems is based on position information detection processing for detecting a predicted position of a terminal and its measurement error, and a plurality of measurement results based on a plurality of time-series measurement results of the predicted position and measurement error. The information processing apparatus executes position information interpolation processing for interpolating between and an area presence probability distribution detection processing for calculating a probability that the plurality of measurement results have passed through an area belonging to the interpolated locus.
本発明によれば、位置精度が悪い携帯電話等の端末でも目的地を予測できる。 According to the present invention, a destination can be predicted even by a terminal such as a mobile phone with poor position accuracy.
本発明の第1の実施の形態を説明する。 A first embodiment of the present invention will be described.
図1は本実施の形態のブロック図である。 FIG. 1 is a block diagram of the present embodiment.
図1を参照すると、本実施の形態は、位置情報検出部11’と、地図データベース12と、位置情報補間部100と、エリア存在確率検出部101と、日時検出部14と、記憶位置判定部13’と、移動情報履歴蓄積部15’と、移動パタン検出部16’と、行動予測部17’と、情報取得部18と、情報提供部19とから構成されている。尚、記憶位置判定部13’は、位置属性判定部13aを含む。移動パタン検出部16’は、エリア存在確率付学習部16bを含む。
Referring to FIG. 1, the present embodiment includes a position information detection unit 11 ′, a
位置情報検出部11’は、GPSなどを用いてユーザの携帯電話などの端末の現在位置と測定誤差に関する情報とを検出する。 The position information detection unit 11 ′ detects the current position of the terminal such as the user's mobile phone and information related to the measurement error using GPS or the like.
地図データベース12には、地図情報が記憶されている。
The
図2は地図データベース12に格納されたデータの例を示す図であり、本実施形態で参照するデータの一部を抜粋したものである。
FIG. 2 is a diagram illustrating an example of data stored in the
本実施形態では、地図を格子状などに区切った領域を「エリア」という概念で表すものとする。図2において、エリアIDは、これらエリアに唯一に割り当てられたID番号(識別情報)を示し、エリア境界を示す緯度・経度情報とともにそれぞれ記憶されている。この例では緯度、経度の大きさに応じてエリアに区切っているが、住所や携帯電話のセルなど違う領域でもよい。その場合も境界を表す緯度経度情報が格納されているものとする。 In the present embodiment, an area obtained by dividing the map into a lattice shape is represented by the concept of “area”. In FIG. 2, an area ID indicates an ID number (identification information) uniquely assigned to these areas, and is stored together with latitude / longitude information indicating an area boundary. In this example, the area is divided according to the size of latitude and longitude, but different areas such as an address and a cell phone cell may be used. Also in that case, it is assumed that latitude / longitude information representing the boundary is stored.
なお、ID番号の代わりに、エリアの名称を、各エリアが唯一に特定できるように記述してもよい。すなわち、移動情報履歴蓄積部15’に蓄積される移動経路において、エリアが特定できればよい。
Instead of the ID number, the area name may be described so that each area can be uniquely identified. That is, it is only necessary that the area can be specified in the movement route accumulated in the movement information
また、この地図データベース12は、携帯電話などの端末で管理するものとしたが、例えば携帯電話事業者などが管理するサーバに蓄えられており、携帯電話がサーバに緯度・経度などの位置情報を送信すると、サーバがこれに対応するエリアIDを携帯電話に通知するようにしてもよい。
The
位置情報補間部100は、位置情報検出部11’で検出された誤差を含む離散的な位置に対して補間処理を行い、誤差を含む連続的な軌跡を生成する。
The position
エリア存在確率検出部101は、位置情報補間部100で得られた軌跡をもとに、地図データベース12で定義された各エリアにどのくらいの確率で存在するかを検出する。
The area presence
記憶位置判定部13’は、検出した現在位置が記憶すべき場所であるか否かを判定する。位置属性判定部13aは、一定時間以上移動しなかった場所を基準に、そこから始めて場所が変化した場合、移動元の場所を出発地と判定し、いったん出発すると、一定時間以上移動しなくなった場所を検出するとそこを到着地と判定し、出発地から到着地までの移動を移動途中の経路と判定する。
The storage position determination unit 13 'determines whether or not the detected current position is a place to be stored. The position
日時検出部14は、現在の日時を検出する。
The date /
移動情報履歴蓄積部15’は、記憶位置判定部13’によって現在位置が記憶すべき場所であると判定されたとき、現在位置と日時検出部14によって検出された現在の日時とを対にして時系列に記憶する。
The movement information
移動パタン検出部16’は、移動情報履歴蓄積部15’に記憶されている位置と日時の情報(移動情報)の履歴から、時系列の移動パタンを検出する。エリア存在確率付学習部16aは、エリア存在確率検出部101で検出された確率つきの位置情報の履歴から、時系列の移動パタンを学習する。
The movement pattern detection unit 16 'detects a time-series movement pattern from the history of position and date information (movement information) stored in the movement information history storage unit 15'. The area presence probability learning unit 16a learns a time-series movement pattern from the history of position information with probability detected by the area presence
行動予測部17’は、所定のイベントが発生したとき、移動パタン検出部16’によって検出された移動パタンからユーザの行き先を予測する。
The
情報取得部18は、行動予測部17’によって予測されたユーザの行き先に関する情報を取得する。
The
情報提供部19は、ユーザに対して、情報取得部18によって取得した情報や地図データベース12に格納された地図情報を例えば液晶ディスプレイに表示する。
The
次に、端末を持つ人の移動経路が移動情報履歴として移動情報履歴蓄積部15’に蓄積される処理の流れについて、図3のフローチャートを用いて説明する。 Next, a flow of processing in which the movement route of the person having the terminal is accumulated as the movement information history in the movement information history accumulation unit 15 'will be described with reference to the flowchart of FIG.
まず、携帯電話などの端末の電源が入っているかどうか判定し(ステップS11)、電源が入っている場合、以下の処理を実行する。 First, it is determined whether or not a terminal such as a mobile phone is turned on (step S11). If the terminal is turned on, the following processing is executed.
まず、位置情報検出部11’において、端末で現在位置を測位する(ステップS12)。この測位は、GPS、あるいは受信できる携帯電話基地局のIDおよび電界強度から算出される緯度経度情報でもよい。さらに、この測位においては測定誤差も合わせて検出する。例えば、NTTドコモ社の位置情報サービスにおいては、測定誤差の範囲をレベル1(水平誤差300m以上)〜レベル3(水平誤差50m未満)と3段階に通知されるが、それを利用して、レベル3のとき50m、レベル2のとき300m、レベル3のとき1Kmなどと指定することができる(参考 http://www.nttdocomo.co.jp/service/imode/make/content/gps/)。
First, the position information detection unit 11 'measures the current position with the terminal (step S12). This positioning may be GPS or latitude / longitude information calculated from the ID and electric field strength of a mobile phone base station that can be received. Further, in this positioning, a measurement error is also detected. For example, in the location information service of NTT DoCoMo, the measurement error range is notified in three stages, level 1 (horizontal error 300 m or more) to level 3 (horizontal error less than 50 m). 3m can be specified as 50m,
また、測定位置の緯度経度と測定誤差とを送信する別の形態として、端末が存在する可能性のある領域の境界を送る場合がある。例えば、NTTドコモ社のiエリアのように、地域が検出される場合は、地域コードと境界位置の緯度経度との対応関係を別途もっておき、検出された地域コードから境界位置をすべて検出する。 Further, as another form of transmitting the latitude / longitude of the measurement position and the measurement error, there is a case where a boundary of an area where the terminal may exist is transmitted. For example, when an area is detected as in the i area of NTT Docomo, the correspondence between the area code and the latitude / longitude of the boundary position is set separately, and all the boundary positions are detected from the detected area code.
携帯電話基地局やGPS以外の位置検出部として、Place Engine(http://www.placeengine.com)のように周辺の無線LANなどの電波から住所をもとめる方式もあるが、この場合も住所に対応する境界の緯度経度情報の対応を別途もっておき、検出された住所から境界の緯度経度情報を求める。 As a position detection unit other than a mobile phone base station or GPS, there is a method of obtaining an address from a radio wave of a surrounding wireless LAN such as Place Engine (http://www.placeengine.com). The correspondence of the latitude and longitude information of the corresponding boundary is prepared separately, and the latitude and longitude information of the boundary is obtained from the detected address.
次に、位置情報検出部11’が検出した端末の位置のエリア存在確率を計算する。 Next, the area existence probability of the position of the terminal detected by the position information detection unit 11 ′ is calculated.
この存在確率の計算例を図4に示す。図4では、エリアA1〜エリアA9の境界は地図データベース12にて事前に与えられているものとし、位置情報検出部11’で検出された位置の緯度・経度が図中の×の位置、その誤差の範囲は図中の円で示した領域であるとする。
An example of calculating the existence probability is shown in FIG. In FIG. 4, the boundaries of the areas A1 to A9 are assumed to be given in advance in the
ここで、それぞれのエリアごとに円の領域が含まれる面積の比、もしくは検出位置(図中の×の位置)を最大としたガウス分布などをもちいた確率密度分布を積分して得られた値などをもとに、位置情報検出部11’で検出された位置がそれぞれのエリアに含まれる存在確率を算出する。その結果、例えば図4に示すように、エリアA2は0.20、エリアA3は0.05、エリアA5は0.6、エリアA6は0.15のような確率が得られる(全部足すと1になることに注意)。 Here, the value obtained by integrating the probability density distribution using the ratio of the area including the circle area for each area or the Gaussian distribution with the maximum detection position (the position of x in the figure). Based on the above, the existence probability that the position detected by the position information detection unit 11 ′ is included in each area is calculated. As a result, for example, as shown in FIG. 4, the area A2 has a probability of 0.20, the area A3 has a probability of 0.05, the area A5 has a probability of 0.6, and the area A6 has a probability of 0.15. Note that becomes).
次に、位置情報補間部100において、端末の位置が測定された範囲をつなぐ軌跡の補間を行う(ステップS100)。
Next, the position
図5はこの補間方式の例を示した模式図である。図5では、70に分割されたエリア内で出発地Aから目的地BまでP、Q、Rが観測された例を示している。なお、説明の便宜上、図中の左下をエリア(0,0)とし、各エリアは{(x,y)|xは左からの順番、yは下からの順番}と定める。A、B、P、Q、Rの丸で囲んだ領域は、ステップS12で、測定誤差から端末が存在する可能性のある領域として検出されたものである。補間される領域は、これら領域を検出された時刻順につないだものである。ここでは単純な方式として領域の接線(軌跡の境界線)を求め、その接線と検出された領域を囲む領域を補間された軌跡として検出している。これ以外に、スプライン曲線による補間や、マップマッチングによる補間などが考えられるがいずれの部を用いてもよい。 FIG. 5 is a schematic diagram showing an example of this interpolation method. FIG. 5 shows an example in which P, Q, and R are observed from the departure point A to the destination B in the area divided into 70. For convenience of explanation, the lower left in the figure is the area (0, 0), and each area is defined as {(x, y) | x is the order from the left, and y is the order from the bottom}. A region surrounded by circles A, B, P, Q, and R is detected as a region where a terminal may exist from the measurement error in step S12. Interpolated areas are obtained by connecting these areas in the order of detection times. Here, as a simple method, a tangent of a region (boundary line of the trajectory) is obtained, and a region surrounding the detected tangent and the detected region is detected as an interpolated trajectory. In addition to this, interpolation by a spline curve or interpolation by map matching can be considered, but any part may be used.
次に、エリア存在確率検出部101において、補間された軌跡内の領域における各エリア存在確率を計算する(ステップS13)。この補間された軌跡内の領域における各エリア存在確率とは、出発地Aから目的地Bを移動する軌跡が当該エリアを通過する確率である。これは、軌跡に内接する円のうち、当該エリアを最も含む円を求め、その円の内部が当該エリアにどの程度含まれるかを示す割合から算出される。算出においては以下の処理を行う。
Next, the area existence
まず、図5のように、補間される軌跡の中心線(図中の点線で示された線)を求める。これはA、B、P、Q、Rの中心間を結ぶ直線(スプライン曲線ならスプライン曲線、マップマッチングなら地図に規定された経路)を求めることによって算出することができる。 First, as shown in FIG. 5, the center line of the trajectory to be interpolated (line indicated by a dotted line in the figure) is obtained. This can be calculated by obtaining a straight line connecting the centers of A, B, P, Q, and R (a spline curve for a spline curve, a route defined on a map for map matching).
次に、各エリアの中心と軌跡の中心線との距離が最小になる点を求める。これを図5の例を利用し説明すると、エリア(6,4)の中心O(6,4)から軌跡の中心線に垂線を引き、その垂線の足を当該点Mとして求めている。このように中心線が直線の場合は1点に定まるが、スプライン曲線やマップマッチングにより中心線を定める場合には垂線の足が複数存在することがあるので、その場合はそれぞれの点を求めて、距離が最小になる点を求めればよい。 Next, a point where the distance between the center of each area and the center line of the locus is minimized is obtained. Explaining this using the example of FIG. 5, a perpendicular is drawn from the center O (6, 4) of the area (6, 4) to the center line of the locus, and the foot of the perpendicular is obtained as the point M. In this way, when the center line is a straight line, it is fixed to one point, but when the center line is determined by a spline curve or map matching, there may be a plurality of perpendicular feet. What is necessary is just to obtain | require the point where distance becomes the minimum.
このようにして求めた点Mについて誤差の領域を計算する。この誤差の領域は、図5に示すように点Mを中心とし、軌跡の境界線に接する円を求めることによって定まる。それから、それぞれのエリアごとにこの誤差の領域が含まれる面積の比、もしくは点Mを最大としたガウス分布などをもちいた確率密度分布を積分して得られた値などをもとに、それぞれのエリアに含まれる存在確率を算出する。その結果、例えば図4に示すように、エリア(6,4)は0.80、エリア(5,4)は0.10、エリア(6,5)は0.10のような確率が得られる(全部足すと1になることに注意)。 An error region is calculated for the point M thus obtained. As shown in FIG. 5, this error region is determined by obtaining a circle centered on the point M and touching the boundary line of the locus. Then, based on the ratio of the area including this error region for each area, or the value obtained by integrating the probability density distribution using the Gaussian distribution with the maximum point M, etc. The existence probability included in the area is calculated. As a result, for example, as shown in FIG. 4, probabilities such as 0.80 for area (6, 4), 0.10 for area (5, 4), and 0.10 for area (6, 5) are obtained. (Note that all add to 1).
続いて、日時検出部14で現在時刻を検出し、ステップS100で得られた各エリアに時刻を対応付ける(ステップS14)。
Subsequently, the date and
次に、位置属性判定部13aは、ステップS15〜ステップS17を実行し、得られた位置が出発地、到着地、移動途中、又はそれ以外のいずれかを判定する。
Next, the position
まず、ステップS13で測位されたエリア確率の時系列変化を見て、移動中かどうか判定する(ステップS15)。これは、現在時刻から過去T(あらかじめ与えられた時間間隔)の間に位置が検出された点をOi(i=0…N:ただし、i=0のときを現在時刻の位置とし、以下時刻が新しい順にi=1…Nとする)、それらの誤差の範囲をCi(i=0…N:iの番号の振り方はOiと同様)とするとき、
を満たす場合、移動中であると判定する。
First, it is determined whether or not the user is moving by looking at the time series change of the area probability measured in step S13 (step S15). This is because O i (i = 0... N: where i = 0) is the position where the position is detected between the current time and the past T (predetermined time interval). I = 1... N in order of newest time), and the range of their errors is C i (i = 0... N: i is numbered in the same way as Oi).
When satisfying, it determines with moving.
なお、(式1)の
は、Ci(i=0…N)の重なりの領域の大きさ、
αはあらかじめ定めた定数、
は、Ci(i=0…N)のうち、もっとも領域の小さいものの広さを指す。
In addition, (Formula 1)
Is the size of the overlapping area of C i (i = 0... N),
α is a predetermined constant,
Denotes the width of the smallest region among C i (i = 0... N).
ステップS15のもう1つの方法として、携帯電話などの端末に搭載された加速度センサを利用する方法もある。これは、加速度センサによって一定時間以上、加速度センサの出力値の分散が一定以上、振幅が一定以上あった場合は移動中であると判定することもできる。 As another method of step S15, there is also a method of using an acceleration sensor mounted on a terminal such as a mobile phone. This can also be determined to be moving when the acceleration sensor output value dispersion is more than a certain value and the amplitude is more than a certain value by the acceleration sensor.
ステップS15で移動中と判定された場合、その1つ前の位置は停止状態であったか判定する(ステップS16)。これは、上記の位置Oi(i=1…N+1:ただし、i=1のときを現在時刻から1つ前に検出された位置とし、以下時刻が新しい順にi=1…N+1とする)、それらの誤差の範囲をCi(i=1…N+1:iの番号の振り方はOiと同様)とするとき、
を満たす場合、その1つ前の位置は停止状態であると判定する。
If it is determined in step S15 that it is moving, it is determined whether the previous position is in a stopped state (step S16). This is the position O i (i = 1... N + 1: where i = 1 is the position detected immediately before the current time, and i = 1... When the range of these errors is C i (i = 1... N + 1: i is numbered in the same way as O i ),
When satisfy | filling, it determines with the position immediately before that being a stop state.
ここで、ステップS16で、その1つ前の位置は停止状態であったと判定された場合、
を出発地として、O0とC0を移動中の経路としてステップS18の処理を実行する。また、ステップS16で、その1つ前の位置は停止状態でなかったと判定された場合、単にO0とC0を移動中の経路としてステップS19の処理を実行する。
Here, when it is determined in step S16 that the previous position is in a stopped state,
Is used as a starting point, and the process of step S18 is executed using O 0 and C 0 as a moving route. If it is determined in step S16 that the previous position is not in the stopped state, the process of step S19 is executed simply using O 0 and C 0 as a moving route.
ステップS15で移動中でないと判定された場合、その1つ前の位置は移動状態であったか判定する(ステップS17)。これは、上記の位置Oi(i=1…N+1:ただし、i=1のときを現在時刻から1つ前に検出された位置とし、以下時刻が新しい順にi=1…N+1とする)、それらの誤差の範囲をCi(i=1…N+1:iの番号の振り方はOiと同様)とするとき、
を満たす場合、その1つ前の位置は移動状態であると判定する。
If it is determined in step S15 that it is not moving, it is determined whether the previous position is in a moving state (step S17). This is the position O i (i = 1... N + 1: where i = 1 is the position detected immediately before the current time, and i = 1... When the range of these errors is C i (i = 1... N + 1: i is numbered in the same way as O i ),
When satisfy | filling, it determines with the position before that being a movement state.
ここで、ステップS17で、その1つ前の位置は移動状態であったと判定された場合、
を到着地として、ステップS20の処理を実行する。また、ステップS17で、その1つ前の位置は移動状態でなかったと判定された場合、何も処理を行わず、ある程度の時間を待って、ステップS12以降の処理を実行する。
Here, if it is determined in step S17 that the previous position is in a moving state,
Is used as the arrival place, the process of step S20 is executed. If it is determined in step S17 that the previous position is not in the moving state, no processing is performed and the processing after step S12 is executed after waiting for some time.
次に、移動情報履歴蓄積部15’に、出発地/到着地の情報、移動中のエリア、およびその際の日時を記憶する(ステップS18〜ステップS21)。 Next, the departure / arrival place information, the area being moved, and the date and time at that time are stored in the movement information history accumulating unit 15 '(steps S18 to S21).
図6、図7は移動情報履歴蓄積部15’に蓄積された移動情報履歴の例である。図6は、出発地、又は到着地を登録している。地点IDとは、出発地又は到着地を特定するIDである。なお、説明の便宜上、出発地と到着地を総称した概念を以降登録地点と呼ぶことにする。図6は、ステップS16、もしくはステップS17で、新しい出発地/到着地が生成されるたびに新しく割り当てられる。 6 and 7 are examples of the movement information history stored in the movement information history storage unit 15 '. In FIG. 6, the departure place or the arrival place is registered. The point ID is an ID that specifies a departure place or an arrival place. For convenience of explanation, the concept that collectively refers to the departure place and the arrival place will be referred to as a registration point hereinafter. FIG. 6 shows a new assignment every time a new departure / arrival place is generated in step S16 or step S17.
以降、ステップS16で、
が出発地として検出された場合を例にあげて説明する(以降の処理がステップS18に該当)。
とし、過去に同様にして得られた登録地点をCM−j(j=1…L)とすると、すべてのjについて、
が成立するとき、新しい登録地点として、図6で示されたリストにCM−NEWを登録する。この場合、中心北緯、東経は、Oi(i=1…N+1:Ciに対応する検出位置)の重心の北緯、東経を記憶する。誤差の範囲は、CM−NEWと同等の面積をもつ円の半径を算出し、その円の半径の長さを記憶する。累積滞在時間は、ON+1が検出されてからO1が検出されるまでの時間間隔を記憶する。
Thereafter, in step S16,
Is described as an example (the subsequent processing corresponds to step S18).
And C M−j (j = 1... L) is the registration point obtained in the same way in the past,
Is established, C M-NEW is registered in the list shown in FIG. 6 as a new registration point. In this case, the north latitude and the east longitude store the north latitude and the east longitude of the center of gravity of O i (i = 1... N + 1: detection position corresponding to Ci). As the error range, the radius of a circle having the same area as that of CM -NEW is calculated, and the length of the radius of the circle is stored. The accumulated stay time stores a time interval from when O N + 1 is detected to when O 1 is detected.
すべてのjについて(式4)が成立しない場合は、
を満たすjが少なくとも1つは存在するが、このときは、
が最大となるOM−jを求め、
を従来の登録地点に上書きする形で保存する。ただし、図6で記憶するには、
は形状が複雑で難しいことから、以下に示すように、
を円で近似して記憶する。
If (Equation 4) does not hold for all j,
There is at least one j that satisfies
Find OM-j that maximizes
Is saved over the existing registration point. However, to memorize in FIG.
Since the shape is complicated and difficult, as shown below,
Is approximated by a circle and stored.
OM−NEWをOi(i=1…N+1:Ciに対応する検出位置)の重心とし、OM−jをCM−jに対応する各検出位置の重心とし、OM−NEWに滞在した累積滞在時間をTM−NEWとし、OM−jに滞在した累積滞在時間をTM−jとすると、OM−jとOM−NEWを、(TM−j:TM−NEW)で内分する点を新しい登録地点の中心とし、この中心の北緯東経をCM−jの北緯東経として更新する。また、
と同等の面積をもつ円の半径を算出し、その円の半径の長さをCM−jの誤差の範囲として更新する。また、CM−jの累積滞在時間を(TM−j+TM−NEW)に更新する。
O M-NEW is defined as the center of gravity of O i (i = 1... N + 1: detection position corresponding to C i ), O M-j is defined as the center of gravity of each detection position corresponding to C M-j , and O M-NEW If the accumulated stay time stayed is T M-NEW and the accumulated stay time stayed in O M-j is T M-j , OM -j and O M-NEW are expressed as (T M-j : T M- the point where the internal division in nEW) to the center of the new registration point, to update the north east of the center as the north east longitude of C M-j. Also,
And calculating a radius of a circle having the same area, and updates the radius length of the circle as a margin of error of C M-j. Further, the accumulated stay time of C M−j is updated to (T M−j + T M−NEW ).
なお、1>β>αとすることによって、(式5)を満たすCM−jを極力1個にするように制限することが可能である。以上が、ステップS18の処理内容である。 Incidentally, 1> by the beta> alpha, it is possible to limit to the utmost one of C M-j satisfying (Equation 5). The above is the processing content of step S18.
ステップS19では、O0とC0が移動軌跡と検出されているので、それを図7のように登録する。図6は、到着地点、出発地点、エリアID、存在確率、通過日時は対になって時系列に記憶されている。図中のP1は、ステップS18で求められた出発位置である。例えば、O0は図4のような位置に3月21日の午前8:20に通過した場合の例を挙げている。このように、O0が複数のエリアにまたがっている場合、それぞれのエリアごとに存在確率とともに履歴が蓄積される。この例では、O0がエリアA2、A3、A5、A6に対して存在確率は、それぞれ、0.2、0.05、0.6、0.15であるため、そのように記載されている。なお、ステップS19の時点では、まだ到着地点は分からないので、登録されていない。 In step S19, since O 0 and C 0 are detected as movement trajectories, they are registered as shown in FIG. In FIG. 6, the arrival point, the departure point, the area ID, the existence probability, and the passage date and time are stored in time series. P1 in the figure is the starting position obtained in step S18. For example, O 0 gives an example in the case of passing through the position shown in FIG. 4 at 8:20 am on March 21. In this way, when O 0 extends over a plurality of areas, the history is accumulated together with the existence probability for each area. In this example, O 0 is described as such because the existence probabilities for areas A2, A3, A5, and A6 are 0.2, 0.05, 0.6, and 0.15, respectively. . At the time of step S19, the arrival point is not yet known, so it is not registered.
次に、ステップS16においてその1つ前の位置は停止状態でなかったと判定された場合、O0とC0が移動軌跡と検出されるので、それを図7のように登録する(ステップS20)。ステップS20は、ステップS19と処理が同じなので、記載を省略する。 Next, if it is determined in step S16 that the previous position is not in a stopped state, O 0 and C 0 are detected as movement trajectories and are registered as shown in FIG. 7 (step S20). . Since step S20 is the same as step S19, the description is omitted.
最後に、ステップS17においてその1つ前の位置は移動状態と判定された場合、
を到着地として、以下の処理を実行する(ステップS21)。
Finally, if it is determined in step S17 that the previous position is a moving state,
Is used as an arrival place, and the following processing is executed (step S21).
まず、ステップS18と同様の処理を行って、図7のようなリストに到着地の地点登録を行う。 First, the same processing as in step S18 is performed, and the destination location is registered in the list as shown in FIG.
次に、C1…CNについては、ステップS19の処理で図7のようなリストに途中経路として登録されているが、それを削除する。 Next, the C 1 ... C N, have been registered as a route point to the list as shown in FIG. 7 in the processing in step S19, to delete it.
最後に、到着地を図7のようなリストに登録する。 Finally, the arrival place is registered in a list as shown in FIG.
以上の処理により、図7のように、出発地から到着地までの一連の移動軌跡を時間情報とともに記憶することができる。 Through the above processing, a series of movement trajectories from the departure place to the arrival place can be stored together with time information as shown in FIG.
次に、移動パタン検出部16’の動作について説明する。 Next, the operation of the movement pattern detection unit 16 'will be described.
移動パタン検出部16’は、移動情報履歴蓄積部15に蓄積された移動情報履歴から、ユーザの移動傾向を抽出する。移動傾向は、移動情報履歴蓄積部15’に蓄積された全ての移動情報履歴の中から、出発地=目的地の組み合わせごとにエリアごとの存在確率の平均を格納したものである。この処理を図8の例を挙げて説明する。
The movement
図8は、図5のような出発地Aから目的地Bへの移動において、ステップS14で各エリアでの存在確率を計算した結果を示す。このような結果を、出発地Aから目的地Bへの移動の複数の履歴から集めると、エリアごとの存在確率の分布を求めることが出来る。 FIG. 8 shows the result of calculating the existence probability in each area in step S14 in the movement from the departure place A to the destination B as shown in FIG. When such results are collected from a plurality of histories of movement from the departure place A to the destination B, the distribution of existence probabilities for each area can be obtained.
エリア存在確率分布検出部16bでは、得られた分布から各エリアにおいて、出発地s、目的地tとの組み合わせごとに平均を計算する。
The area existence probability
次に、ユーザの行動予測とそれに従ったユーザへの情報提供の処理について、図9のフローチャートを参照して説明する。 Next, user behavior prediction and information provision processing to the user according to the prediction will be described with reference to the flowchart of FIG.
所定のイベントの発生が検知されると(ステップS21)、現在までの移動軌跡の出発地を取得する(ステップS111)。これは、図3のステップS18の結果を取得することによって実現する。 When the occurrence of a predetermined event is detected (step S21), the starting point of the movement trajectory up to the present is acquired (step S111). This is realized by acquiring the result of step S18 in FIG.
次に、行動予測部17’は移動パタン検出部16’を参照して、ユーザの現在以降の行動を予測する(ステップS22)。なお、上述した移動パタン検出部16’の動作は、予めなされていてもよいし、この所定のイベントを検知したときに行われるようにしてもかまわない。
Next, the
なお、所定のイベントとしては例えば、端末の開閉、情報提供の要求操作などがあり、この他にも、所定の時間間隔などの定期的なタイミング、または新たな情報の入手時等が考えられる。 Note that the predetermined event includes, for example, opening / closing of a terminal, a request operation for providing information, etc. In addition to this, a regular timing such as a predetermined time interval or the acquisition of new information can be considered.
ここで、行動の予測方法について説明する。ステップS111で現在までの移動の出発地が検出されている場合、過去の履歴からその出発地から向かう全ての移動パタンを検出する。つぎに、検出された各移動パタンにおいて、出発してから測位された位置の履歴から尤度を計算する。この尤度は、出発してからの経路をそれぞれRという事象で表現すると、すべての登録地点Pk(k=1..Np)に向かう尤度L(Pk|R)は、以下のように求めることができる。
ただし、
は地点Pkに向かう軌跡のエリアIDがiであるエリアの存在確率(ステップS14の処理結果)、
は出発してから測位された1つの位置Pjが、エリアIDがiであるエリアに含まれる存在確率を示す。
Here, a behavior prediction method will be described. If the departure place of the movement up to the present is detected in step S111, all movement patterns from the departure place are detected from the past history. Next, in each detected movement pattern, the likelihood is calculated from the history of positions measured since the departure. When this likelihood is expressed by an event of R for each route after departure, the likelihood L (P k | R) toward all the registration points P k (k = 1..N p ) is Can be asking.
However,
Is the existence probability of the area where the area ID of the locus toward the point Pk is i (the processing result of step S14),
Indicates the existence probability that one position P j measured from the start is included in the area whose area ID is i.
この尤度の計算を、図8、図10、図11を例に挙げて説明する。 This likelihood calculation will be described with reference to FIG. 8, FIG. 10, and FIG.
あるユーザの過去の移動履歴において、エリア存在確率分布検出部16bで検出された出発地Aから目的地Bへの移動パタンが図8、出発地Aから目的地Cへの移動パタンが図10であるとする。
In the past movement history of a certain user, the movement pattern from the departure place A to the destination B detected by the area existence probability
このとき、出発地Aからの移動が図11のS、T、Uのように観測されたとする。 At this time, it is assumed that movement from the departure place A is observed as S, T, and U in FIG.
処理としては、まず、地点S、T、Uの各エリアに対する存在確率を、以下のように求める。 As processing, first, the existence probability for each area of the points S, T, and U is obtained as follows.
例えば、図4に示すように、エリアA1〜エリアA9の境界は地図データベース12にて事前に与えられているものとし、位置情報検出部11’で検出された位置の緯度・経度が図中の×の位置、その誤差の範囲は図中の円で示した領域であるとする。ここで、それぞれのエリアごとに円の領域が含まれる面積の比、もしくは検出位置(図中の×の位置)を最大としたガウス分布などをもちいた確率密度分布を積分して得られた値などをもとに、位置情報検出部11’で検出された位置がそれぞれのエリアに含まれる存在確率を算出する。その結果、例えば図4に示すように、エリアA2は0.20、エリアA3は0.05、エリアA5は0.6、エリアA6は0.15のような確率が得られる(全部足すと1になることに注意)。
For example, as shown in FIG. 4, the boundaries of the areas A1 to A9 are given in advance in the
このような方法により、各エリアに含まれる面積の比から以下のように求まったとする。
地点S エリア(2,1):0.4、エリア(3,1):0.6
地点T エリア(4,2):0.3、エリア(5,2):0.7
地点U エリア(6,2):0.2、エリア(7,2):0.8
すると、目的地Bに向かう尤度と、目的地Cに向かう尤度は以下のように求まる。
L(B|S→T→U) = 0.4*1.0 + 0.6*0.3 + 0.3*0.0 + 0.7*0.0 + 0.2*0.0 + 0.8*0.0 = 0.58
L(C|S→T→U) = 0.4*0.8 + 0.9*0.3 + 0.3*0.9 + 0.7*0.8 + 0.2*0.9 + 0.8*1.0 = 2.40
行動予測部17’は、このような尤度が所定の基準を満たす地点を、予測される行き先として選択する。
By such a method, it is assumed that the following is obtained from the ratio of the areas included in each area.
Point S Area (2, 1): 0.4, Area (3, 1): 0.6
Point T Area (4, 2): 0.3, Area (5, 2): 0.7
Point U Area (6, 2): 0.2, Area (7, 2): 0.8
Then, the likelihood toward the destination B and the likelihood toward the destination C are obtained as follows.
L (B | S → T → U) = 0.4 * 1.0 + 0.6 * 0.3 + 0.3 * 0.0 + 0.7 * 0.0 + 0.2 * 0.0 + 0.8 * 0.0 = 0.58
L (C | S → T → U) = 0.4 * 0.8 + 0.9 * 0.3 + 0.3 * 0.9 + 0.7 * 0.8 + 0.2 * 0.9 + 0.8 * 1.0 = 2.40
The
所定の基準は例えば、予測の確からしさを示す閾値を定めておき、尤度がこの閾値×観測数よりも大きいこととする。例えば、上記の例で、閾値を0.7とすると、0.7×3(観測数はS、T、Uの3つ)を超える地点Cが今後進む目的地として予測される。 The predetermined standard is, for example, a threshold value indicating the likelihood of prediction, and the likelihood is larger than this threshold value × the number of observations. For example, in the above example, assuming that the threshold is 0.7, a point C exceeding 0.7 × 3 (the number of observations is three of S, T, and U) is predicted as a destination to be advanced in the future.
また、現在までの経路情報による尤度では閾値を超える地点が存在しない場合には、現在以降測位される毎に確率を計算し直し、閾値を超える地点が見つかった時点で、進路に関して予測を行う、といったことが考えられる。 Also, if there is no point that exceeds the threshold in the likelihood based on the route information up to now, the probability is recalculated every time positioning is performed after the present, and prediction is made regarding the route when a point exceeding the threshold is found. , Etc. can be considered.
あるいは、出発地Aから向かうすべての目的地に対し、尤度を算出し、その最大となる場所を目的地と推定することができる。例えば、上記の例では、出発地Aの場合の目的地はBとCの2つ存在するが、そのうちの尤度最大となる地点Cを今後進む目的地として推定するものである。 Alternatively, likelihoods can be calculated for all destinations from the departure point A, and the maximum location can be estimated as the destination. For example, in the above example, there are two destinations B and C in the case of the departure place A, and the point C having the maximum likelihood is estimated as a destination to be advanced in the future.
いずれかの方法により、行動予測部17がユーザの行き先を、例えば、エリアA7であると予測すると、情報取得部18は、予測されたエリアA7の位置情報に関連する情報の検索が行われる(ステップS23)。検索に際しては、例えば、各情報に関連する位置情報をあらかじめ与えておき、登録地点からの中心との距離が一定値以内である、登録地点の誤差の範囲に入っているかどうかをもとに、検索することができる。そして、検索結果として、予測された目的地に近い情報を受信する。(ステップS24)
最後に、情報提供部19は受信した情報をユーザに表示する(S25)。提供方法としては例えば、ディスプレイ上に視覚的に表示したり、音声により聴覚的にユーザに伝達したりする方法などがある。
When the
Finally, the
本実施の形態では、位置情報補間部100で、離散的に測位された位置情報を補間し、エリア存在確率分布検出部16bで補間された軌跡をもとに、出発地=目的地の組み合わせ毎に存在確率を計算し、行動予測部17で、出発してから観測された各位置のエリア毎の存在確率に、エリア存在確率分布検出部16bで求めているエリア毎の存在確率を乗じることによって得られる目的地ごとの尤度を求め、目的地を予測することによって、位置測位が離散的に行えない状態でも目的地を予測できる。
In the present embodiment, the position
次に、本発明の第2の実施の形態について図面を参照して詳細に説明する。 Next, a second embodiment of the present invention will be described in detail with reference to the drawings.
図12を参照すると、本発明の第2の実施の形態は、第1の実施の形態に加えて移動判定部200、変化点検出部201が追加されていることが構成上の特徴となっている。
Referring to FIG. 12, the second embodiment of the present invention has a structural feature in that a
これらの部はそれぞれ概略つぎのように動作する。 Each of these units generally operates as follows.
移動判定部200は、加速度センサなどによる移動を検出する。変化点検出部201では加速度センサの変化パタンを検出する。この変化とは、例えばウェーブレット変換や分散値の変化を使うことによって検出することができる。
The
位置情報検出部11’は変化パタンを利用して、動的に間隔を変えながら位置を測位する。これは、変化してから同じ動きが継続すると同じ状態が続いているものと考えられるので、補間がしやすいためである。したがって、同じ動きが継続しているときは序々にサンプリングを粗くする。これ以降の部は、上述した実施の形態と同じであるため、説明を省略する。 The position information detection unit 11 ′ uses the change pattern to measure the position while dynamically changing the interval. This is because interpolation is easy because the same state is considered to continue if the same movement continues after the change. Therefore, when the same movement continues, the sampling is gradually roughened. Since the subsequent parts are the same as those in the above-described embodiment, the description thereof is omitted.
本実施の形態では、移動判定部200で携帯電話に内蔵された加速度センサの変動を求め、変化点検出部201で加速度センサのパタンの変動から位置取得に必要なタイミングを推定し、位置情報検出部11’は不必要なときは測位を間引き、必要なときは頻繁に位置を取得することにより、携帯電話の電池を節約することができる。また、測位に際し、携帯電話事業者が管理するサーバにアクセスする必要がある場合はその通信を節約することにより、通信により発生するパケット代を節約することができる。
In the present embodiment, the
本発明によれば、携帯電話を利用した情報配信、および携帯電話・ワンセグなどの放送を利用した広告配信といった用途に適用できる。また、携帯電話を利用した先回りの設定(行き先に応じた無線などの端末設定など)といった用途にも適用可能である。 INDUSTRIAL APPLICABILITY According to the present invention, the present invention can be applied to uses such as information distribution using a mobile phone and advertisement distribution using broadcasting such as a mobile phone / one seg. Further, the present invention can also be applied to applications such as advanced settings using a mobile phone (terminal settings such as wireless depending on the destination).
11’ 位置情報検出部
12 地図データベース
14 日時検出部
13’ 記憶位置判定部
13’a 位置属性判定部
15’ 移動情報履歴蓄積部
16’ 移動パタン検出部
17’ 行動予測部
18 情報取得部
19 情報提供部
16a エリア存在確率付学習部
101 エリア存在確率検出部
200 移動判定部
201 変化点検出部
11 'position
Claims (27)
前記予測位置と測定誤差との複数の時系列の測定結果に基づいて、複数の測定結果の間を補間する位置情報補間手段と、
前記複数の測定結果が補間された軌跡に属するエリアを通過した確率を計算するエリア存在確率分布検出手段と
を有する目的地予測システム。 Position information detecting means for detecting the predicted position of the terminal and its measurement error;
Position information interpolation means for interpolating between a plurality of measurement results based on a plurality of time-series measurement results of the predicted position and measurement error;
A destination prediction system comprising area presence probability distribution detection means for calculating a probability that the plurality of measurement results have passed through an area belonging to the interpolated locus.
前記移動判定手段により検出された信号をもとに変化パタンを検出する変化点検出手段と
とを有し、
前記位置情報検出手段が、前記変化パタンを利用して、動的に間隔を変えながら位置を測位する
請求項1から請求項11のいずれかに記載の目的地予測システム。 Movement determination means for detecting movement by an acceleration sensor;
Change point detection means for detecting a change pattern based on the signal detected by the movement determination means,
The destination prediction system according to any one of claims 1 to 11, wherein the position information detection means measures a position while dynamically changing an interval using the change pattern.
前記予測位置と測定誤差との複数の時系列の測定結果に基づいて、複数の測定結果の間を補間し、
前記複数の測定結果が補間された軌跡に属するエリアを通過した確率を計算する
目的地予測方法。 Detect the predicted position of the device and its measurement error,
Interpolating between a plurality of measurement results based on a plurality of time series measurement results of the predicted position and measurement error,
A destination prediction method for calculating a probability that the plurality of measurement results have passed through an area belonging to an interpolated locus.
前記移動判定手段により検出された信号をもとに変化パタンを検出し、前記変化パタンを利用して、動的に間隔を変えながら位置を測位する
請求項13から請求項22のいずれかに記載の目的地予測方法。 The movement is detected by the acceleration sensor,
23. The position according to any one of claims 13 to 22, wherein a change pattern is detected based on a signal detected by the movement determination means, and the position is measured while dynamically changing the interval using the change pattern. Destination prediction method.
前記予測位置と測定誤差との複数の時系列の測定結果に基づいて、複数の測定結果の間を補間する位置情報補間処理と、
前記複数の測定結果が補間された軌跡に属するエリアを通過した確率を計算するエリア存在確率分布検出処理と
を情報処理装置に実行させるプログラム。 Position information detection processing for detecting the predicted position of the terminal and its measurement error;
Position information interpolation processing for interpolating between a plurality of measurement results based on a plurality of time-series measurement results of the predicted position and measurement error;
A program for causing an information processing apparatus to execute an area existence probability distribution detection process for calculating a probability that the plurality of measurement results have passed through an area belonging to an interpolated locus.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008319578A JP2010145115A (en) | 2008-12-16 | 2008-12-16 | Destination prediction system, destination prediction method, and program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008319578A JP2010145115A (en) | 2008-12-16 | 2008-12-16 | Destination prediction system, destination prediction method, and program |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2010145115A true JP2010145115A (en) | 2010-07-01 |
Family
ID=42565721
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008319578A Pending JP2010145115A (en) | 2008-12-16 | 2008-12-16 | Destination prediction system, destination prediction method, and program |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2010145115A (en) |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010145356A (en) * | 2008-12-22 | 2010-07-01 | Ntt Docomo Inc | Mobile unit, server, and system and method for determination of positioning method |
WO2012029878A1 (en) * | 2010-09-03 | 2012-03-08 | トヨタ自動車株式会社 | Device and method for creating environment map and device and method for action prediction |
WO2012132950A1 (en) * | 2011-03-25 | 2012-10-04 | ソニー株式会社 | Information processing device, information processing method, and program |
JP2012202795A (en) * | 2011-03-25 | 2012-10-22 | Sony Corp | Information processing apparatus, information processing method, and program |
JP2012202796A (en) * | 2011-03-25 | 2012-10-22 | Sony Corp | Information processing apparatus, information processing method, and program |
WO2013111506A1 (en) * | 2012-01-25 | 2013-08-01 | 日本電気株式会社 | Route prediction information providing device, route prediction information providing method, and program |
WO2015025614A1 (en) * | 2013-08-22 | 2015-02-26 | ソニー株式会社 | Information processing device, information processing method, and recording medium |
JP2015169999A (en) * | 2014-03-05 | 2015-09-28 | トヨタ自動車株式会社 | Action area prediction device |
JP2016038297A (en) * | 2014-08-07 | 2016-03-22 | 株式会社インテック | Destination prediction device, destination prediction method and program |
JP2016038743A (en) * | 2014-08-07 | 2016-03-22 | 株式会社インテック | Area attribute estimation apparatus in navigation system, and area attribute estimation method |
JP2016038744A (en) * | 2014-08-07 | 2016-03-22 | 株式会社インテック | Area attribute estimation apparatus and area attribute estimation method |
JP2016122922A (en) * | 2014-12-24 | 2016-07-07 | ソフトバンク株式会社 | Program and information processing device |
US9476727B2 (en) | 2012-08-29 | 2016-10-25 | Tomtom International B.V. | Method and apparatus for predicting destinations |
JP2017084079A (en) * | 2015-10-27 | 2017-05-18 | 日本電信電話株式会社 | Destination prediction apparatus, destination prediction method, and destination prediction program |
JP2017106779A (en) * | 2015-12-08 | 2017-06-15 | 日本電信電話株式会社 | Destination prediction device, method, and program |
JP2017111099A (en) * | 2015-12-18 | 2017-06-22 | Kddi株式会社 | Information processing device, positioning method, and program |
JP2018100921A (en) * | 2016-12-21 | 2018-06-28 | Kddi株式会社 | Program, device and method for estimating route on map according to movement locus |
JP2018160096A (en) * | 2017-03-23 | 2018-10-11 | カシオ計算機株式会社 | Information processing device, information processing method, and program |
JP2020098539A (en) * | 2018-12-19 | 2020-06-25 | 株式会社Subaru | Action prediction system |
WO2020166406A1 (en) * | 2019-02-15 | 2020-08-20 | 日本電信電話株式会社 | Destination prediction device, method, and program |
CN111861535A (en) * | 2020-04-22 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | Order type prediction method, prediction device and readable storage medium |
-
2008
- 2008-12-16 JP JP2008319578A patent/JP2010145115A/en active Pending
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010145356A (en) * | 2008-12-22 | 2010-07-01 | Ntt Docomo Inc | Mobile unit, server, and system and method for determination of positioning method |
WO2012029878A1 (en) * | 2010-09-03 | 2012-03-08 | トヨタ自動車株式会社 | Device and method for creating environment map and device and method for action prediction |
JP2012058780A (en) * | 2010-09-03 | 2012-03-22 | Toyota Motor Corp | Device and method for creating environment map and device and method for action prediction |
US9285235B2 (en) | 2011-03-25 | 2016-03-15 | Sony Corporation | Information processing device, information processing method, and program |
WO2012132950A1 (en) * | 2011-03-25 | 2012-10-04 | ソニー株式会社 | Information processing device, information processing method, and program |
JP2012202795A (en) * | 2011-03-25 | 2012-10-22 | Sony Corp | Information processing apparatus, information processing method, and program |
JP2012202796A (en) * | 2011-03-25 | 2012-10-22 | Sony Corp | Information processing apparatus, information processing method, and program |
WO2013111506A1 (en) * | 2012-01-25 | 2013-08-01 | 日本電気株式会社 | Route prediction information providing device, route prediction information providing method, and program |
US9476727B2 (en) | 2012-08-29 | 2016-10-25 | Tomtom International B.V. | Method and apparatus for predicting destinations |
JP2015040783A (en) * | 2013-08-22 | 2015-03-02 | ソニー株式会社 | Information processing device, information processing method, and recording medium |
WO2015025614A1 (en) * | 2013-08-22 | 2015-02-26 | ソニー株式会社 | Information processing device, information processing method, and recording medium |
US9927237B2 (en) | 2013-08-22 | 2018-03-27 | Sony Corporation | Information processing apparatus, information processing method, and recording medium |
JP2015169999A (en) * | 2014-03-05 | 2015-09-28 | トヨタ自動車株式会社 | Action area prediction device |
JP2016038743A (en) * | 2014-08-07 | 2016-03-22 | 株式会社インテック | Area attribute estimation apparatus in navigation system, and area attribute estimation method |
JP2016038744A (en) * | 2014-08-07 | 2016-03-22 | 株式会社インテック | Area attribute estimation apparatus and area attribute estimation method |
JP2016038297A (en) * | 2014-08-07 | 2016-03-22 | 株式会社インテック | Destination prediction device, destination prediction method and program |
JP2016122922A (en) * | 2014-12-24 | 2016-07-07 | ソフトバンク株式会社 | Program and information processing device |
JP2017084079A (en) * | 2015-10-27 | 2017-05-18 | 日本電信電話株式会社 | Destination prediction apparatus, destination prediction method, and destination prediction program |
JP2017106779A (en) * | 2015-12-08 | 2017-06-15 | 日本電信電話株式会社 | Destination prediction device, method, and program |
JP2017111099A (en) * | 2015-12-18 | 2017-06-22 | Kddi株式会社 | Information processing device, positioning method, and program |
JP2018100921A (en) * | 2016-12-21 | 2018-06-28 | Kddi株式会社 | Program, device and method for estimating route on map according to movement locus |
JP2018160096A (en) * | 2017-03-23 | 2018-10-11 | カシオ計算機株式会社 | Information processing device, information processing method, and program |
JP2020098539A (en) * | 2018-12-19 | 2020-06-25 | 株式会社Subaru | Action prediction system |
JP7284576B2 (en) | 2018-12-19 | 2023-05-31 | 株式会社Subaru | Action prediction system |
WO2020166406A1 (en) * | 2019-02-15 | 2020-08-20 | 日本電信電話株式会社 | Destination prediction device, method, and program |
JP2020134236A (en) * | 2019-02-15 | 2020-08-31 | 日本電信電話株式会社 | Destination prediction device, method and program |
CN111861535A (en) * | 2020-04-22 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | Order type prediction method, prediction device and readable storage medium |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2010145115A (en) | Destination prediction system, destination prediction method, and program | |
JP2010145116A (en) | Destination prediction system, destination prediction method, and program | |
US8571514B2 (en) | Mobile device and method for providing location based content | |
CN100511324C (en) | Navigation system | |
JP6736293B2 (en) | Method and system for displaying enhanced turn-by-turn guidance on a personal navigation device | |
JP3959997B2 (en) | Vehicle traffic monitoring system and method | |
CN102112891B (en) | Robust location estimation | |
JP5313186B2 (en) | Mobile terminal and mobile terminal control method | |
JP4695123B2 (en) | POSITION INFORMATION ACQUISITION DEVICE, POSITION INFORMATION ACQUISITION METHOD, AND POSITION INFORMATION ACQUISITION PROGRAM | |
US8942718B2 (en) | Method and system for using cellular communication device availability information to predict coverage overlap between callers | |
WO2015169219A1 (en) | Navigation method and apparatus | |
WO2012138849A2 (en) | System for transmitting, processing, receiving, and displaying traffic information | |
CN104655130B (en) | Parking garage environment measuring for automobile navigation determines with horizontal estimated position mistake | |
US9749805B2 (en) | Methods, wireless device and network node for managing positioning method based on prediction | |
CN112997048A (en) | Using radio frequency signal strength to improve route options in navigation services | |
JP6206337B2 (en) | Information providing apparatus and information providing method | |
JP6541044B2 (en) | Mobile computing device location method and mobile computing device for performing the same | |
KR101934800B1 (en) | Apparatus for proving public transportation | |
JP5239592B2 (en) | Information communication system and information communication method | |
JP2004150853A (en) | Information terminal device | |
JP2005147992A (en) | Navigation apparatus of mobile unit | |
JP2016138816A (en) | Navigation device and computer program | |
KR20180069592A (en) | Position estimation system and method for estimating position thereof | |
JP2004212199A (en) | Apparatus and method for determining region, program for realizing region determination function, and computer-readable medium in which the program is recorded | |
KR101007017B1 (en) | Method and apparatus for selecting POI between different users using location base service |