JP5920886B2 - 端末の位置・方位情報に基づいてｐｏｉを推定するサーバ、システム、プログラム及び方法 - Google Patents

Description

本発明は、地理空間情報を処理する技術に関する。

情報端末のユーザに、様々な地理空間情報、例えばユーザの現在位置周辺における特定の場所に関する情報、広告等、を提供するサービスが公知である。特に、近年、拡張現実感技術（ＡＲ（Augmented Reality）技術）を利用して、現実空間映像に、仮想的な注釈用メタデータであるアノテーション（annotation）を重畳させ、関連情報や広告を提供するサービスが注目されている。

このようなＡＲ技術を利用したサービスの一例として、例えば非特許文献１は、頓智ドット株式会社によって提供されるセカイカメラ(Sekai Camera)（登録商標）を開示している。セカイカメラによれば、ユーザがスマートフォン等の情報端末を用いて撮影する現実空間映像における特定の場所に、この場所の関連情報である、エアタグと称されるアノテーションが重畳表示される。

ここで、ＡＲ技術を利用して情報・広告を提示する際、ユーザが興味を持つ場所、所謂ＰＯＩ（Point Of Interest）、を的確に把握することが、情報提供者・広告主にとって重要となる。このＰＯＩを把握する技術として、例えばＬＢＳ（Location-Based Service）がある。ＬＢＳでは、地理空間上でユーザがどのエリアに何人存在するかを把握し、人気の高いエリアを特定することによってＰＯＩを把握する。

また、例えば特許文献１及び非特許文献２は、携帯端末の現在の位置に基づいて、ＰＯＩが、携帯端末の画面に適切に表示される技術を開示している。特に、特許文献１の技術は、姿勢センサを用いて携帯端末のヨー角及びピッチ角を特定し、携帯端末の現在の姿勢をも考慮して、ＰＯＩを画面に適切に表示する。

特開２０１１−０２２１１２号公報

頓智ドット株式会社、「Sekai Camera Support Center」、[online]、［平成２４年７月９日検索］、インターネット＜http://support.sekaicamera.com/ja/how-to＞ 情報処理学会誌、「特集 拡張現実感（ＡＲ）」、Vol.51、No.4、385-391ページ、2010年

しかしながら、以上に述べたような従来技術を利用しても尚、ユーザが実際に興味を持って視認する対象物・地点を、ＰＯＩとして把握することは非常に困難である。

実際、ＡＲ技術を利用して情報・広告を提示する際、如何なる対象物・地点をＰＯＩとして把握するかが重要となる。具体的には、多くの（高い割合の）ユーザから視認される位置・方位にある対象物・地点を、ＰＯＩとすることが好ましい。ここで、「視認」には、情報端末のカメラによって撮影された画像を通しての視覚による認識が含まれる。

これに対して、例えば従来のＬＢＳでは、確かに、ユーザが集まっている人気の高いエリアを特定することができる。しかしながら、当該エリア近辺で、実際に、如何なる数のユーザが如何なる対象物・地点を、如何なる方向から視認するかを把握することはできない。また、特許文献１では、情報端末の現在の位置だけでなく、現在の姿勢にも対応してＰＯＩが表示可能である。しかしながら、この技術では、あくまでも緯度・経度情報の付与されたＰＯＩの存在が前提となっており、実際に多くのユーザによって視認され得るＰＯＩを把握するものではない。

さらに、ＡＲ技術を利用して情報・広告を提示する際、情報・広告を付与するＰＯＩから見て、如何なる方位から如何なる数（割合）のユーザによって当該ＰＯＩが視認されるか、を把握することも非常に重要である。これにより、視認される割合（興味の度合い）が高い位置及び方位に、選択的に情報・広告を付与することも可能となる。また、その結果、効果的なアノテーションが適切な場所に表示されてアノテーション数が制御されるので、画面内で、ユーザが目的とする情報に辿り着き易くなる。しかしながら、以上に述べたような従来技術を利用しても、そのような視認度が高い方位やユーザの興味の度合いといった情報を得ることは非常に困難である。

そこで、本発明は、ユーザが興味を持って視認するＰＯＩを推定可能なＰＯＩ推定サーバ、システム、プログラム及び方法を提供することを目的とする。

本発明によれば、複数の情報端末とネットワークを介して通信するＰＯＩ推定サーバであって、
情報端末から取得した情報端末の位置情報及び方位情報を、情報端末毎に蓄積する位置方位情報蓄積手段と、
位置情報及び方位情報が個々に対応付けられた情報端末群を、蓄積された位置情報に基づいて複数のクラスタに分割し、クラスタ毎に、クラスタ内の位置情報の平均であるクラスタ重心位置と、クラスタ内の方位情報の和に相当するクラスタ興味ベクトルとを生成するクラスタ情報生成手段と、
最大ベクトル長のクラスタ興味ベクトルを有する第１のクラスタのクラスタ重心位置から第１のクラスタのクラスタ興味ベクトルの向きに伸長する第１の半直線と、２番目に大きいベクトル長のクラスタ興味ベクトルを有する第２のクラスタのクラスタ重心位置から第２のクラスタのクラスタ興味ベクトルの向きに伸長する第２の半直線との交点を、ＰＯＩに決定するＰＯＩ決定手段と
を有するＰＯＩ推定サーバが提供される。

この本発明によるＰＯＩ推定サーバの一実施形態として、ＰＯＩ決定手段は、
ｎを１から始まる奇数として、第ｎのクラスタ及び第（ｎ＋１）のクラスタを用いてＰＯＩを決定した際、ＰＯＩ決定に尚関与していない残りのクラスタのクラスタ興味ベクトルの中で、少なくとも（ｎ＋２）番目に大きいベクトル長のクラスタ興味ベクトルを有する（ｎ＋２）番目のクラスタのクラスタ興味ベクトルから、この（ｎ＋２）番目のクラスタのクラスタ重心位置と決定されたＰＯＩとを結ぶ方向への射影成分を差し引いたベクトルを、（ｎ＋２）番目のクラスタの新たなクラスタ興味ベクトルとして更新し、
第１のクラスタから第（ｎ＋１）のクラスタまでを除いた残りのクラスタの中で、最大ベクトル長のクラスタ興味ベクトルを有する第（ｎ＋２）のクラスタのクラスタ重心位置から第（ｎ＋２）のクラスタのクラスタ興味ベクトルの向きに伸長する第（ｎ＋２）の半直線と、２番目に大きいベクトル長のクラスタ興味ベクトルを有する第（ｎ＋３）のクラスタのクラスタ重心位置から第（ｎ＋３）のクラスタのクラスタ興味ベクトルの向きに伸長する第（ｎ＋３）の半直線との交点を、（ｎ＋３）／２番目のＰＯＩに決定する
ことも好ましい。

また、上述した射影成分を差し引いてクラスタ興味ベクトルを更新する実施形態において、ＰＯＩ決定手段は、第ｎのクラスタ及び第（ｎ＋１）のクラスタを用いてＰＯＩを決定した際、ＰＯＩ決定に尚関与していない残りの各クラスタのクラスタ興味ベクトルから、当該各クラスタのクラスタ重心位置と決定されたＰＯＩとを結ぶ方向への射影成分を差し引いたベクトルを、当該各クラスタの新たなクラスタ興味ベクトルとして更新することも好ましい。

さらに、この本発明によるＰＯＩ推定サーバの他の実施形態として、決定されたＰＯＩから見て、第１のクラスタのクラスタ重心位置を指す方位を含むＰＯＩの第１の方位範囲に、第１のクラスタのクラスタ興味ベクトルのベクトル長に対応した興味度を付与し、第２のクラスタのクラスタ重心位置を指す方位を含むＰＯＩの第２の方位範囲に、第２のクラスタのクラスタ興味ベクトルのベクトル長に対応した興味度を付与する興味度付与手段を更に有することも好ましい。

ここで、上述した興味度付与手段は、ｎを１から始まる奇数として、第ｎのクラスタ及び第（ｎ＋１）のクラスタを用いてＰＯＩを決定した際、（ｎ＋２）番目に大きいベクトル長のクラスタ興味ベクトルを有する（ｎ＋２）番目のクラスタのクラスタ興味ベクトルにおける、（ｎ＋２）番目のクラスタのクラスタ重心位置と決定されたＰＯＩとを結ぶ方向への射影成分の大きさに対応した興味度を算出し、
決定されたＰＯＩから見て、（ｎ＋２）番目のクラスタのクラスタ重心位置を指す方位を含むＰＯＩの方位範囲に、射影成分の大きさに対応した興味度を付与する
ことも好ましい。

さらに、この本発明によるＰＯＩ推定サーバの他の実施形態として、決定されたＰＯＩにおける方位範囲毎に、ＰＯＩに関連して表示されるアノテーションを対応付けて蓄積するアノテーション蓄積手段と、
情報端末から受信した位置情報及び方位情報をキーとして、情報端末の画面に表示される現実空間映像に重畳表示すべきアノテーションを検索するアノテーション検索手段と
を更に有することも好ましい。

本発明によれば、さらに、以上に述べたＰＯＩ推定サーバと、このＰＯＩ推定サーバとネットワークを介して通信する情報端末とを有するシステムであって、
情報端末は、
情報端末自体の位置を測定する測位部と、
情報端末自体の方位を測定する方位センサと、
測定された位置及び方位から、ＰＯＩ推定サーバに送信する位置情報及び方位情報を生成する位置方位情報生成手段と
を有することを特徴とするシステムが提供される。

本発明によれば、さらにまた、複数の情報端末とネットワークを介して通信するＰＯＩ推定用のサーバに搭載されたＰＯＩ推定プログラムであって、
情報端末から取得した情報端末の位置情報及び方位情報を、情報端末毎に蓄積する位置方位情報蓄積手段と、
位置情報及び方位情報が個々に対応付けられた情報端末群を、蓄積された位置情報に基づいて複数のクラスタに分割し、クラスタ毎に、クラスタ内の位置情報の平均であるクラスタ重心位置と、クラスタ内の方位情報の和に相当するクラスタ興味ベクトルとを生成するクラスタ情報生成手段と、
最大ベクトル長のクラスタ興味ベクトルを有する第１のクラスタのクラスタ重心位置から第１のクラスタのクラスタ興味ベクトルの向きに伸長する第１の半直線と、２番目に大きいベクトル長のクラスタ興味ベクトルを有する第２のクラスタのクラスタ重心位置から第２のクラスタのクラスタ興味ベクトルの向きに伸長する第２の半直線との交点を、ＰＯＩに決定するＰＯＩ決定手段と
してコンピュータを機能させるＰＯＩ推定プログラムが提供される。

本発明によれば、さらに、複数の情報端末とネットワークを介して通信するＰＯＩ推定用のサーバの有するコンピュータにおけるソフトウェアの情報処理によるＰＯＩ推定方法であって、
情報端末から取得した情報端末の位置情報及び方位情報を、情報端末毎に蓄積する第１のステップと、
位置情報及び方位情報が個々に対応付けられた情報端末群を、蓄積された位置情報に基づいて複数のクラスタに分割し、クラスタ毎に、クラスタ内の位置情報の平均であるクラスタ重心位置と、クラスタ内の方位情報の和に相当するクラスタ興味ベクトルとを生成する第２のステップと、
最大ベクトル長のクラスタ興味ベクトルを有する第１のクラスタのクラスタ重心位置から第１のクラスタのクラスタ興味ベクトルの向きに伸長する第１の半直線と、２番目に大きいベクトル長のクラスタ興味ベクトルを有する第２のクラスタのクラスタ重心位置から第２のクラスタのクラスタ興味ベクトルの向きに伸長する第２の半直線との交点を、ＰＯＩに決定する第３のステップと
を有するＰＯＩ推定方法が提供される。

本発明のＰＯＩ推定サーバ、システム、プログラム及び方法によれば、ユーザが興味を持って視認するＰＯＩを推定することができる。

本発明によるＰＯＩ推定サーバと、ネットワークを介した接続された情報端末とから構成されるシステムの一実施形態を概略的に示す構成図である。 本発明に係るクラスタ情報生成及びＰＯＩ決定の手順を示す概略図である。 本発明に係る、第２のＰＯＩを決定する手順を示す概略図である。 本発明に係る、ＰＯＩに方位毎の「興味度」を付与する手順を示す概略図である。 本発明によるＰＯＩ推定方法及び「興味度」付与方法の一実施形態を概略的に示すフローチャートである。

以下では、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。

図１は、本発明によるＰＯＩ推定サーバと、ネットワークを介して接続された情報端末とから構成されるシステムの一実施形態を概略的に示す構成図である。

図１によれば、ＰＯＩ推定サーバ１は、複数の情報端末２と無線及びインターネットを介して通信可能である情報処理装置である。ＰＯＩ推定サーバ１は、情報端末２から取得した情報端末２の位置情報及び方位情報に基づいて、以下の手順（ａ）〜（ｃ）をもって、地図空間（地理空間）の所定範囲内に存在するＰＯＩを推定する。

（ａ）複数の情報端末２から取得した情報端末２の位置情報及び方位情報を、情報端末毎に蓄積し、
（ｂ）位置情報及び方位情報が個々に対応付けられた情報端末群を、蓄積された位置情報に基づいて複数のクラスタに分割し、クラスタ毎に、クラスタ内の位置情報の平均である「クラスタ重心位置」と、クラスタ内の方位情報の和に相当する「クラスタ興味ベクトル」とを生成し、
（ｃ）最大ベクトル長の「クラスタ興味ベクトル」及び「クラスタ重心位置」と、２番目に大きいベクトル長の「クラスタ興味ベクトル」及び「クラスタ重心位置」とに基づいて、ＰＯＩを決定する。

一方、情報端末２は、例えば携帯電話機、スマートフォン、タブレット型コンピュータ、ノート型コンピュータ、ＰＤＡ（Personal Digital Assistant）、又はヘッドマウントディスプレイ（ＨＭＤ）といった、ユーザに所持される機器である。情報端末２は、通信インタフェース２００と、測位部２０１と、方位センサ２０２と、カメラ２０３と、ディスプレイ２０４と、プロセッサ・メモリとしての機能構成部とを備えている。ここで、機能構成部（プロセッサ・メモリ）は、情報端末２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、その機能を実現する。この機能構成部は、位置方位情報生成部２１０と、アノテーション取得部２１１と、表示制御部２１２とを有している。

同じく図１によれば、測位部２０１は、例えばＧＰＳ衛星３を利用し、ＧＰＳ測位方式によって情報端末２の所在位置を測定する。また、測位部２０１は、例えば地下鉄駅構内等の、ＧＰＳ衛星３からの測位信号が受信できない場所において、当該場所近辺に設置された基地局から、当該基地局（エリア）の緯度・経度情報を直接取得してもよい。

方位センサ２０２は、例えば静電容量方式又はピエゾ抵抗方式による３軸タイプの加速度センサと、例えば磁気抵抗（AMR、GMR又はTMR）効果、磁気インピーダンス（MI）効果、フラックスゲート（FG）方式又はホール効果を利用して地磁気を測定する３軸タイプの地磁気センサとを備えている。

このうち、加速度センサは、重力加速度の方向、即ち鉛直方向に対して情報端末２の所定の基準軸がなす角度を測定する。また、地磁気センサは、地磁気磁力線の方向に対する情報端末２の所定の基準軸がなす角度を測定する。これにより、少なくとも水平面内（地図空間内）における情報端末２の所定の基準軸の方位が決定される。ここで、所定の基準軸を例えばカメラ２０３の光軸とすれば、カメラ２０３の向いている方位、即ちディスプレイ２０４に表示された現実空間映像の向きが、方位センサ２０２によって決定される。

カメラ２０３は、その撮影の方向と、情報端末２のユーザがディスプレイ２０４を見る際の視線方向とが概ね一致するように固定されて設置されることが好ましい。この場合、ユーザが情報端末２を興味のある対象物・地点に差し向けて、ディスプレイ２０４にこの対象物・地点の映像を表示させた際、カメラ２０３の光軸、即ち情報端末２の（所定の基準軸の）方位は、情報端末２を基準とした興味のある対象物・地点の方位となる。

位置方位情報生成部２１０は、測位部２０１での測定結果及び方位センサ２０２での測定結果を入力し、情報端末２の位置情報及び方位情報を生成する。生成されたこれらの情報は、ＰＯＩ推定サーバ１に送信される。ここで、位置情報は、例えば情報端末２の所在位置の緯度・経度とすることができる。また、方位情報は、例えば北を基準方位として、この基準方位と情報端末２の基準軸とがなす、時計回りを正とする（水平面内での）方位角とすることができる。

アノテーション取得部２１１は、ＰＯＩ推定サーバ１からアノテーションを取得する。また、ディスプレイ２０４に表示された現実空間映像における、対応するＰＯＩの近傍位置に、アノテーションを重畳的に（例えば浮かんでいる様に）表示させるべく、表示制御部２１２にアノテーションを出力し、その表示を指示する。

同じく図１によれば、ＰＯＩ推定サーバ１は、無線及びインターネットを介して情報端末２と通信する際の、ＰＯＩ推定サーバ１側のインタフェースである通信インタフェース１００と、プロセッサ・メモリとしての機能構成部とを備えている。ここで、機能構成部（プロセッサ・メモリ）は、ＰＯＩ推定サーバ１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、その機能を実現する。この機能構成部は、位置方位情報蓄積部１１０と、クラスタ情報生成部１１１と、ＰＯＩ決定部１１２と、興味度付与部１１３と、ＰＯＩ・アノテーション蓄積部１１４と、アノテーション検索部１１５とを有している。

位置方位情報蓄積部１１０は、複数の情報端末２から取得した情報端末２の位置情報及び方位情報を、情報端末毎に蓄積する。位置方位情報蓄積部１１０は、例えば、情報端末２のＭＡＣ（Media Access Control）アドレス毎に、緯度・経度、及び方位角が記載された位置方位情報テーブルを作成する。

クラスタ情報生成部１１１は、クラスタ生成部１１１ａと興味ベクトル生成部１１１ｂとを有している。クラスタ生成部１１１ａは、位置情報及び方位情報が個々に対応付けられた情報端末群を、地図空間上に分布させ、蓄積された位置情報に基づいて複数のクラスタに分割する。興味ベクトル生成部１１１ｂは、クラスタ毎に、クラスタ内の位置情報の平均である「クラスタ重心位置」と、クラスタ内の方位情報の和に相当する「クラスタ興味ベクトル」とを生成する。クラスタ情報生成部１１１におけるこれらの機能は、後に図２を用いて詳細に説明される。

ＰＯＩ決定部１１２は、最大ベクトル長の「クラスタ興味ベクトル」を有する第１のクラスタの「クラスタ重心位置」からこの第１のクラスタの「クラスタ興味ベクトル」の向きに伸長する第１の半直線と、２番目に大きいベクトル長の「クラスタ興味ベクトル」を有する第２のクラスタの「クラスタ重心位置」からこの第２のクラスタの「クラスタ興味ベクトル」の向きに伸長する第２の半直線との交点を、ＰＯＩに決定する。ＰＯＩ決定部１１２におけるこの機能も、後に図２を用いて詳細に説明される。

ＰＯＩ決定部１１２は、さらに、第１のクラスタ及び第２のクラスタを用いてＰＯＩを決定した際、３番目に大きいベクトル長の「クラスタ興味ベクトル」を有する３番目のクラスタの「クラスタ興味ベクトル」から、この３番目のクラスタの「クラスタ重心位置」と決定されたＰＯＩとを結ぶ方向への射影成分を差し引いたベクトルを、３番目のクラスタの新たな「クラスタ興味ベクトル」として更新する。尚、後に図３を用いて詳述するように、４番目（及びそれ以降）のクラスタについても、同様の射影成分を差し引いたベクトルを、新たな「クラスタ興味ベクトル」として更新してもよい。

ＰＯＩ決定部１１２は、次いで、第１のクラスタ及び第２のクラスタを除いた残りのクラスタの中で、最大ベクトル長のクラスタ興味ベクトルを有する第３のクラスタの「クラスタ重心位置」からこの第３のクラスタの「クラスタ興味ベクトル」の向きに伸長する第３の半直線と、２番目に大きいベクトル長の「クラスタ興味ベクトル」を有する第４のクラスタの「クラスタ重心位置」からこの第４のクラスタの「クラスタ興味ベクトル」の向きに伸長する第４の半直線との交点を、２番目のＰＯＩに決定する。ＰＯＩ決定部１１２におけるこれらの機能も、後に図３を用いて詳細に説明される。

興味度付与部１１３は、決定された（１番目の）ＰＯＩから見て、第１のクラスタの「クラスタ重心位置」を指す方位を含むこのＰＯＩの第１の方位範囲に、第１のクラスタの「クラスタ興味ベクトル」のベクトル長に対応した「興味度」を付与し、第２のクラスタの「クラスタ重心位置」を指す方位を含むこのＰＯＩの第２の方位範囲に、第２のクラスタの「クラスタ興味ベクトル」のベクトル長に対応した「興味度」を付与する。

興味度付与部１１３は、また、第１のクラスタ及び第２のクラスタを用いてＰＯＩを決定した際、３番目に大きいベクトル長の「クラスタ興味ベクトル」を有する３番目のクラスタの「クラスタ興味ベクトル」における、この３番目のクラスタの「クラスタ重心位置」と決定された（１番目の）ＰＯＩとを結ぶ方向への射影成分の大きさに対応した「興味度」を算出する。次いで、決定された（１番目の）ＰＯＩから見て、３番目のクラスタの「クラスタ重心位置」を指す方位を含むこのＰＯＩの方位範囲に、この算出された「興味度」を付与する。興味度付与部１１３におけるこれらの機能も、後に図４を用いて詳細に説明される。

ＰＯＩ・アノテーション蓄積部１１４は、決定されたＰＯＩにおける方位範囲毎に、ＰＯＩに関連して表示されるアノテーションを対応付けて蓄積する。ここで、ＰＯＩの位置情報、更には興味度付与部１１３によって付与された「興味度」も、このＰＯＩの方位範囲に対応付けて蓄積される。また、アノテーション検索部１１５は、情報端末２から受信した位置情報及び方位情報をキーとして、情報端末２の画面に表示される現実空間映像に重畳表示すべきアノテーションを検索する。検索されたアノテーションは、通信インタフェース１００からインターネット及び無線を介して、情報端末２に送信される。

図２は、本発明に係るクラスタ情報生成及びＰＯＩ決定の手順を示す概略図である。

図２（Ａ）によれば、所定範囲の地図空間（地理空間）に、各々が１つの情報端末２に対応する複数のドットが、分布している。これらドットの各々は、情報端末２の位置情報（緯度・経度）及び方位情報（方位角）を含む。この分布図は、位置方位情報蓄積部１１０（図１）が複数の情報端末２から取得し蓄積した情報、例えば情報端末２のＭＡＣアドレス毎に、緯度・経度、及び方位角が記載された位置方位情報テーブル、に基づいて、クラスタ生成部１１１ａ（図１）によって作成される。

ここで、この分布図の範囲は、例えば、地図空間上を１００ｍ間隔のメッシュで区切った際の１つのメッシュの範囲としてもよい。本発明では、ユーザによって実際に視認されるＰＯＩを推定することから、このメッシュの大きさも、視認され得る対象物・地点の分布状態を考慮して決定することが好ましい。尚、「視認」には、情報端末のカメラによって撮影された画像を通しての視覚による認識が含まれるものとする。

また、情報端末２の位置情報及び方位情報を取得するタイミングとして、一定時間内にＡＲを利用した所定のアプリケーションを起動させた情報端末２から、又は更に何らかの情報を検索・収集した情報端末２から、位置情報及び方位情報を、例えばその都度又は定期的に取得してもよい。また、ユーザが、興味を持って情報端末２をある方位に向け、所定の時間範囲内でその方位を維持した際、この方位の情報を、その時点での位置情報と共に取得することも好ましい。さらに、情報端末２の方位が所定時間以上固定されている場合、例えばユーザの乗車中に情報端末２が進行方向に対して一定の方位を向いている場合、このような情報端末２からは、位置情報及び方位情報を取得しないことも好ましく、またはそれにもかかわらず定期的に位置情報及び方位情報を取得する、とすることも可能である。

次いで、図２（Ｂ）に示すように、クラスタ生成部１１１ａ（図１）は、これらのドット（情報端末群）を、その位置情報（緯度・経度）に基づいて複数のクラスタに分割する。このクラスタリングは、種々の公知の手法を用いて実施可能であるが、例えば、ＤＢＳＣＡＮ（Density-Based Spatial Clustering）法を用いて実施されてもよい。

ＤＢＳＣＡＮ法は、任意形状のクラスタを抽出可能なクラスタリング手法である。ＤＢＳＣＡＮ法では、距離の閾値Ｅｐｓと対象（ドット）数の閾値ＭｉｎＰｔｓという２つのパラメータを用いて、対象（ドット）のdirectly density-reachable（ＤＤＲ）な接続関係を定義し、このように接続されている対象を同一のクラスタとして分類する。

具体的には、次の条件（１）及び（２）を満たす場合、ｘ（ドット）からｙ（ドット）への接続はＤＤＲな関係である、とする。
（１） ｙ∈Ｎ_Ｅｐｓ（ｘ）
（２） ｜Ｎ_Ｅｐｓ（ｘ）｜≧ＭｉｎＰｔｓ
ここで、Ｎ_Ｅｐｓ（ｘ）は、ｘの近傍であり、ｘからの距離が閾値Ｅｐｓ内にあるドットの集合である。また、｜Ｎ_Ｅｐｓ（ｘ）｜は、近傍Ｎ_Ｅｐｓ（ｘ）内に含まれるドットの数である。尚、図２（Ｂ）における２つのドット間の距離は、ａ及びｂを距離換算のための定数として、
（ａ×（ドット間の緯度差）^２＋ｂ×（ドット間の緯度差）^２）^０.５
として算出される。

ＤＢＳＣＡＮ法では、あるseed点（ドット）から出発して、条件（１）及び（２）を満たすＤＤＲな関係にあるドットを同一クラスタに分類しつつ順次たどっていき、最終的に到達可能な極大集合を１つのクラスタとして抽出する。ここで、極大とは、クラスタ内のドットの近傍に、ＤＤＲな対象を新たに見つけることができない状態をいう。１つのクラスタが極大集合として確定した後、このクラスタ中のドットを取り除いて、新たなseed点（ドット）を選択し、次のクラスタを生成する。

図２（Ｂ）によれば、クラスタ生成部１１１ａ（図１）によって、複数のドット（情報端末群）が複数のクラスタに分割されている。次いで、興味ベクトル生成部１１１ｂ（図１）は、クラスタ毎に、クラスタ内の「クラスタ重心位置」及び「クラスタ興味ベクトル」を生成する。ここで、「クラスタ重心位置」は、１つのクラスタ内のドットにおける位置情報（例えば（緯度，経度））の平均であり、例えば、ドット（情報端末２）ｉの緯度値をＬＡＴ_ｉとし、経度値をＬＮＧ_ｉとすると、
（ΣＬＡＴ_ｉ／ｎ_ｄｏｔ，ΣＬＮＧ_ｉ／ｎ_ｄｏｔ）
として生成される。ここで、Σはいずれもｉ＝１，２，・・・，ｎ_ｄｏｔ（ｎ_ｄｏｔ：クラスタ内のドット数）についての総和（summation）である。

また、「クラスタ興味ベクトル」は、クラスタ内の方位情報の和に相当するベクトルとして定義される。具体的には、クラスタ内のドット（情報端末２）ｉが有する方位情報を、情報端末２の方位角θ_ａｚｉの向きを有する方位単位ベクトルｅ_ａｚｉと見なし、クラスタ内の全ての方位単位ベクトルｅ_ａｚｉのベクトル和を「クラスタ興味ベクトル」Ｖ_Ｉ、即ち、
（３） Ｖ_Ｉ＝Σｅ_ａｚｉ
とする。ここで、Σはｉ＝１，２，・・・，ｎ_ｄｏｔについてのベクトル和をとる総和である。

また、「クラスタ興味ベクトル」Ｖ_Ｉの始点を、このクラスタの「クラスタ重心位置」とする。これにより、「クラスタ興味ベクトル」Ｖ_Ｉは、このクラスタ内の情報端末２の位置・方位情報を代表する指標として捉えられる。また、ドット（情報端末群）が分布した所定範囲の地図空間において、全てのＶ_Ｉの集合Ｖ_ｓｅｔは、この地図空間を特徴付けるベクトル集合として捉えられる。

このような「クラスタ興味ベクトル」Ｖ_Ｉは、例えばクラスタ内においてより多くの情報端末２（方位単位ベクトルｅ_ａｚｉ）が１つの対象物・地点に向けられている場合、「クラスタ重心位置」からこの対象物・地点に向かう方向の成分をより多く有することになる。

実際、例えばセカイカメラ（登録商標）のようなＡＲ技術を利用した地理空間情報を提供するアプリケーションを起動させているユーザは、興味を持った対象物・地点に、「何か情報はないか？」と情報端末２（のカメラの対物レンズ（の光軸））を差し向ける場合が多い。

従って、「クラスタ興味ベクトル」Ｖ_Ｉの向きは、クラスタ内の多くのユーザが興味を持って情報端末２を差し向けた先の対象物・地点の方に概ね向く傾向にある。また、その結果、Ｖ_Ｉのベクトル長は、このような対象物・地点に対するユーザの興味の程度（興味度）に対応することになる。

尚、各クラスタにおいて、「クラスタ興味ベクトル」Ｖ_Ｉのベクトル長｜Ｖ_Ｉ｜と、クラスタ内の全ての方位単位ベクトルｅ_ａｚｉのベクトル長の和Σ｜ｅ_ａｚｉ｜とを比較し、次式
（４） ｜Ｖ_Ｉ｜＜Ｃ×Σ｜ｅ_ａｚｉ｜ （Ｃ：０＜Ｃ＜１である所定の係数）
が当てはまる場合、興味の対象となる対象物・地点が乱立又は分散しているとして、図２（Ａ）に示した分布図（地図空間）の範囲を設定し直すことも好ましい。例えば、この分布図の範囲を、地図空間上を１００ｍ間隔で区切ったメッシュから、１０ｍ間隔で区切ったメッシュの範囲に変更することも好ましい。このように、例えば大都市の繁華街では、興味を持たれる度合いが高い対象物・地点が多数存在するので、ユーザの興味の度合いを的確に反映した「クラスタ興味ベクトル」Ｖ_Ｉを得るために、調査対象となる地図空間範囲を限定することも必要となり得る。

次いで、図２（Ｃ）に示すように、ＰＯＩ決定部１１２（図１）は、複数のクラスタの中から、最大ベクトル長の「クラスタ興味ベクトル」を有する第１のクラスタとして、クラスタＡを選択し、２番目に大きいベクトル長の「クラスタ興味ベクトル」を有する第２のクラスタとして、クラスタＢを選択する。

次いで、ＰＯＩ決定部１１２は、クラスタＡの「クラスタ重心位置」からクラスタＡの「クラスタ興味ベクトル」Ｖ_ＩＡの向きに伸長する第１の半直線と、クラスタＢの「クラスタ重心位置」からクラスタＢの「クラスタ興味ベクトル」Ｖ_ＩＢの向きに伸長する第２の半直線との交点を求め、この交点を１番目のＰＯＩに決定する。

ここで、クラスタＡ（第１のクラスタ）の「クラスタ興味ベクトル」Ｖ_ＩＡは、最大ベクトル長を有している。これは、クラスタＡ内の多くのユーザが「クラスタ興味ベクトル」Ｖ_ＩＡの向きに存在する対象物・地点に、興味を持って情報端末２を差し向けている傾向にあることを意味している。また、クラスタＢ（第２のクラスタ）の「クラスタ興味ベクトル」Ｖ_ＩＢも、Ｖ_ＩＡに次ぐ大きさのベクトル長を有している。これは、同じくクラスタＢ内の多くのユーザが「クラスタ興味ベクトル」Ｖ_ＩＢの向きに存在する対象物・地点に、興味を持って情報端末２を差し向けている傾向にあることを意味している。

従って、上述したクラスタＡの第１の半直線と、クラスタＢの第２の半直線との交点は、クラスタＡ及びＢ内の多くのユーザが共通して興味を持つ、興味の度合いが高い対象物・地点、即ちＰＯＩ、に対応している確率が高いことが理解される。尚、第１及び第２の半直線の交点が、所定の地図空間範囲に存在しない場合、興味の度合いの高いＰＯＩは存在しないとして、本ＰＯＩ推定の手順を終了してもよい。

以上説明したように、本発明によれば、情報端末群をクラスタリングし、各クラスタ内の情報端末２の位置・方位情報を代表する指標として、「クラスタ重心位置」及び「「クラスタ興味ベクトル」Ｖ_ＩＡを算出する。次いで、これらの量から、多くのユーザが興味を持って情報端末２を差し向けている確率が高い対象物・地点を、ＰＯＩに決定する。これにより、ユーザが興味を持って視認するＰＯＩを推定することが可能となる。

図３は、本発明に係る、第２のＰＯＩを決定する手順を示す概略図である。

図３（Ａ）によれば、クラスタＡ及びクラスタＢ（図１（Ｃ））を用いて１番目のＰＯＩを決定した際、ＰＯＩ決定部１１２は、さらに、３番目に大きいベクトル長の「クラスタ興味ベクトル」を有する３番目のクラスタとして、クラスタＣを選択する。次いで、クラスタＣの「クラスタ興味ベクトル」Ｖ_ＩＣを、
（ａ）「クラスタ重心位置」と、決定された１番目のＰＯＩとを結ぶ方向への射影成分と、
（ｂ）この射影成分に直交する非射影成分と
に分解する。

次いで、ＰＯＩ決定部１１２は、「クラスタ興味ベクトル」Ｖ_ＩＣの非射影成分を、クラスタＣ（３番目のクラスタ）の新たな「クラスタ興味ベクトル」Ｖ_ＩＣ’として更新する。言い換えると、「クラスタ興味ベクトル」Ｖ_ＩＣから、Ｖ_ＩＣの射影成分を差し引いたベクトルを、クラスタＣの新たな「クラスタ興味ベクトル」Ｖ_ＩＣ’として更新する。

この後、図３（Ｂ）に示すように、ＰＯＩ決定部１１２は、クラスタＡ（第１のクラスタ）及びクラスタＢ（第２のクラスタ）を除いた残りのクラスタの中で、最大ベクトル長の「クラスタ興味ベクトル」を有する第３のクラスタと、２番目に大きいベクトル長の「クラスタ興味ベクトル」を有する第４のクラスタとを決定する。図３（Ｂ）では、第３のクラスタとしてクラスタＣが選択され、第４のクラスタとしてクラスタＤが選択される。

ＰＯＩ決定部１１２は、次いで、クラスタＣの「クラスタ重心位置」から、クラスタＣの「クラスタ興味ベクトル」Ｖ_ＩＣ’の向きに伸長する第３の半直線と、クラスタＤの「クラスタ重心位置」から、クラスタＤの「クラスタ興味ベクトル」Ｖ_ＩＤの向きに伸長する第４の半直線との交点を、２番目のＰＯＩに決定する。

ここで、変更態様として、図３（Ｃ）に示すように、クラスタＡ及びクラスタＢを用いて１番目のＰＯＩを決定した際、ＰＯＩ決定部１１２は、ＰＯＩ決定に尚関与していない残りの各クラスタのクラスタ興味ベクトル（図３（Ｃ）では、Ｖ_ＩＣ及びＶ_ＩＤの各々）を、
（ａ’）「クラスタ重心位置」と、決定された１番目のＰＯＩとを結ぶ方向への射影成分と、
（ｂ’）この射影成分に直交する非射影成分と
に分解することも好ましい。

この場合、ＰＯＩ決定部１１２は、「クラスタ興味ベクトル」Ｖ_ＩＣの非射影成分を、クラスタＣ（３番目のクラスタ）の新たな「クラスタ興味ベクトル」Ｖ_ＩＣ’として更新し、さらに、「クラスタ興味ベクトル」Ｖ_ＩＤの非射影成分を、クラスタＤ（４番目のクラスタ）の新たな「クラスタ興味ベクトル」Ｖ_ＩＤ’として更新する。言い換えると、ＰＯＩ決定に尚関与していない残りの各クラスタのクラスタ興味ベクトルから、当該各クラスタのクラスタ重心位置と決定されたＰＯＩとを結ぶ方向への射影成分を差し引いたベクトルを、当該各クラスタの新たなクラスタ興味ベクトルとして更新する。

さらに、ＰＯＩ決定部１１２は、ＰＯＩ決定に尚関与していない残りのクラスタのクラスタ興味ベクトルの中で、ベクトル長の大きい順に数えて所定数だけのクラスタのクラスタ興味ベクトルにおいて、射影成分を差し引いた非射影成分を新たなクラスタ興味ベクトルとして更新することも可能である。いずれにしても、更新するクラスタ興味ベクトルの数を少なくするほど、ＰＯＩ決定のための計算量は低減する。

以後、図３（Ａ）に示したステップに戻って、クラスタＡ〜Ｄを除いた中で、最大ベクトル長の「クラスタ興味ベクトル」を有する５番目のクラスタを決定し、この「クラスタ興味ベクトル」の非射影成分を、この５番目のクラスタの新たな「クラスタ興味ベクトル」として更新する。次いで、上述した２番目のＰＯＩを決定したステップと同様にして、３番目のＰＯＩを決定する。

このように、図３に示した一連のステップを繰り返して順次、新たなＰＯＩを決定することができる。ここで、図３（Ａ）（又は図３（Ｃ））で求めた非射影成分（新たな「クラスタ興味ベクトル」）のベクトル長が、所定閾値ｌ_ｔｈ未満である場合、ＰＯＩ決定の手順を終了することも好ましい。このように非射影成分（新たな「クラスタ興味ベクトル」）のベクトル長が所定閾値ｌ_ｔｈ未満ということは、興味の度合いが所定以上である対象物・地点が存在しないと解釈される。

以上説明したように、図３に示した実施形態によれば、（１番目の）ＰＯＩを決定した後に、３番目のクラスタ（又はそれ以降のクラスタ）の「クラスタ興味ベクトル」における非射影成分を、新たな「クラスタ興味ベクトル」とする。このように、決定したＰＯＩに対する興味の度合い（射影成分）を差し引くことによって、ユーザが興味を持って視認し得る、次の新たなＰＯＩを適切に推定することが可能となる。

図４は、本発明に係る、ＰＯＩに方位毎の「興味度」を付与する手順を示す概略図である。

図４（Ａ）には、決定された１番目のＰＯＩと、このＰＯＩ決定に関係したクラスタＡ及びＢの「クラスタ興味ベクトル」Ｖ_ＩＡ及びＶ_ＩＢと、２番目のＰＯＩを決定する際に算出された、クラスタＣの「クラスタ興味ベクトル」Ｖ_ＩＣの射影成分Ｖ_ＩＣｐとが示されている。この射影成分Ｖ_ＩＣｐは、２番目のＰＯＩを決定する際に、「クラスタ興味ベクトル」Ｖ_ＩＣにおける１番目のＰＯＩに向かう成分として除外されたベクトル成分である。以下、この成分をも考慮して、１番目のＰＯＩについての「興味度」を算出する。

興味度付与部１１３（図１）は、「クラスタ興味ベクトル」Ｖ_ＩＡ及びＶ_ＩＢ、並びに「クラスタ興味ベクトル」Ｖ_ＩＣの射影成分Ｖ_ＩＣｐから、Ｖ_ＩＡ、Ｖ_ＩＢ及びＶ_ＩＣｐに対応した「興味度」を算出する。例えば、１番目のＰＯＩから見て、クラスタＡの「クラスタ重心位置」を指す方位に関する「興味度」をＩｖ_Ａとし、クラスタＢの「クラスタ重心位置」を指す方位に関する「興味度」をＩｖ_Ｂとし、クラスタＣの「クラスタ重心位置」を指す方位に関する「興味度」をＩｖ_Ｃとすると、Ｉｖ_Ａ、Ｉｖ_Ｂ及びＩｖ_Ｃは、例えば、
（５） Ｉｖ_Ａ＝｜Ｖ_ＩＡ｜／（｜Ｖ_ＩＡ｜＋｜Ｖ_ＩＢ｜＋｜Ｖ_ＩＣｐ｜）
（６） Ｉｖ_Ｂ＝｜Ｖ_ＩＢ｜／（｜Ｖ_ＩＡ｜＋｜Ｖ_ＩＢ｜＋｜Ｖ_ＩＣｐ｜）
（７） Ｉｖ_Ｃ＝｜Ｖ_ＩＣｐ｜／（｜Ｖ_ＩＡ｜＋｜Ｖ_ＩＢ｜＋｜Ｖ_ＩＣｐ｜）
として算出される。ここで、｜Ｖ_ＩＡ｜、｜Ｖ_ＩＢ｜及び｜Ｖ_ＩＣｐ｜はそれぞれ、Ｖ_ＩＡ、Ｖ_ＩＢ及びＶ_ＩＣｐのベクトル長である。式（５）〜（７）の定義では、Ｉｖ_Ａ＋Ｉｖ_Ｂ＋Ｉｖ_Ｃ＝１であり、「興味度」は相対評価値として最大値１に規格化されている。

尚、Ｉｖ_Ａ、Ｉｖ_Ｂ及びＩｖ_Ｃは、式（５）〜（７）に限定されるものではないが、それぞれ｜Ｖ_ＩＡ｜、｜Ｖ_ＩＢ｜及び｜Ｖ_ＩＣｐ｜が大きいほど、大きな値を取ることが好ましい。即ち、「クラスタ興味ベクトル」の定義からして、そのベクトル長が「興味度」に相当することが好ましい。また、Ｉｖ_Ａ、Ｉｖ_Ｂ及びＩｖ_Ｃとしてそれぞれ、｜Ｖ_ＩＡ｜、｜Ｖ_ＩＢ｜及び｜Ｖ_ＩＣｐ｜に所定の定数を掛けた絶対評価値を採用してもよい。また、ＰＯＩ決定に関係した「クラスタ興味ベクトル」Ｖ_ＩＡ及びＶ_ＩＢだけで、Ｉｖ_Ａ及びＩｖ_Ｂのみを算出することも可能である。

図４（Ｂ）に、Ｉｖ_Ａ＝０.４５、Ｉｖ_Ｂ＝０.３９、Ｉｖ_Ｃ＝０.１６である場合の、ＰＯＩに対する「興味度」の付与の様子を示す。１番目のＰＯＩから見て、クラスタＡの「クラスタ重心位置」を指す方位を含む方位範囲（第１の方位範囲）Ｗ_ＩＡに、「興味度」Ｉｖ_Ａ＝０.４５が付与され、クラスタＢの「クラスタ重心位置」を指す方位を含む方位範囲（第２の方位範囲）Ｗ_ＩＢに、「興味度」Ｉｖ_Ｂ＝０.３９が付与され、クラスタＣの「クラスタ重心位置」を指す方位を含む方位範囲（第３の方位範囲）Ｗ_ＩＣに、「興味度」Ｉｖ_Ｃ＝０.１６が付与される。

ここで、方位範囲Ｗ_ＩＡ、Ｗ_ＩＢ及びＷ_ＩＣはそれぞれ、１番目のＰＯＩから見た、クラスタＡ、Ｂ及びＣ内の全ての情報端末２を指す方位を含むように設定されることが好ましい。

また、方位範囲Ｗ_ＮＯは、この範囲の方位からは１番目のＰＯＩが見えないような方位範囲である。例えば、１番目のＰＯＩがビルの角部に設けられた柱状の広告塔である場合、この広告塔の広告表示壁は、このビルの背後からは視認できない。この場合、この広告塔から見て、この背後の方位範囲がＷ_ＮＯとなる。

尚、１番目のＰＯＩがクラスタＤ（図３（Ｂ））内の情報端末２からも視認される場合、クラスタＤの「クラスタ興味ベクトル」Ｖ_ＩＤにおける１番目のＰＯＩに向かう射影成分Ｖ_ＩＤｐを抽出し、このベクトル長｜Ｖ_ＩＤｐ｜に応じた「興味度」を、クラスタＤの「クラスタ重心位置」を指す方位を含む方位範囲Ｗ_ＩＤに付与することも可能である。

以上説明したように、本実施形態によれば、クラスタの「クラスタ興味ベクトル」に基づいて推定されたＰＯＩに対し、ＰＯＩから見て「クラスタ重心位置」を指す方位を含むＰＯＩの方位範囲毎に、「クラスタ興味ベクトル」のベクトル長に対応した「興味度」を付与することができる。即ち、ユーザが視認する方向に応じたＰＯＩを推定するだけではなく、ＰＯＩから見た方位毎に、ユーザの興味の度合いを推定することができる。これにより、例えば、ユーザに対して、この方位範囲毎に、付与された「興味度」に応じた、互いに異なる関連情報、広告等のアノテーションを表示することができる。このように、ＰＯＩから見てユーザを指す方位（ユーザがこのＰＯＩを視認する方向）によって異なるアノテーションを提示できることは、本実施形態をＡＲ技術に適用することによって奏功され得る１つの格別の効果である。

さらに、方位範囲毎に「興味度」が規定されたＰＯＩを準備した上で、例えば、ＰＯＩの各方位範囲を、付与された「興味度」に応じた広告掲載料をもって、広告掲載媒体として提供することも可能となる。即ち、興味・人気の度合いを数値化することによって、方位範囲毎に興味・人気の度合いに応じた広告料金を設定することができる。また、「興味度」に応じた順序で、または「興味度」が高い方位に優先して、情報・広告の提示を行うことも可能である。

また、このように視認される割合（興味の度合い）が高い位置及び方位に、選択的に情報・広告を付与可能であることから、例えば、効果的なアノテーションが適切な場所に表示されてアノテーション数が制御可能となる。その結果、情報端末２の画面内で、ユーザが目的とする情報に辿り着き易くなる。

さらに、本実施形態によれば、情報端末の位置・方位情報を収集した時点・時間帯・期間でのＰＯＩ及びその方位毎の「興味度」が推定されるので、例えば、情報・広告提供者が気付かなかったＰＯＩの存在や、新たなＰＯＩの出現を適宜把握することができる。また、ＰＯＩの発生、「興味度」の変化、ＰＯＩの消滅等、ＰＯＩの時間的変遷を把握することができるので、例えば、時間帯及び方位に応じた情報・広告の提示や、時間帯及び方位毎の広告料金設定を行うことも可能となる。

図５は、本発明によるＰＯＩ推定方法及び「興味度」付与方法の一実施形態を概略的に示すフローチャートである。

（Ｓ５００）情報端末２毎に、情報端末２の位置情報及び方位情報を蓄積する。
（Ｓ５０１）情報端末群を、位置情報に基づいて複数のクラスタに分割する（クラスタリングする）。
（Ｓ５０２）クラスタ毎に、「クラスタ重心位置」と「クラスタ興味ベクトル」とを生成する。

（Ｓ５０３）ＰＯＩ決定ループ（ステップＳ５０３〜Ｓ５０９）を開始する。ここで、ｎを奇数（＝１，３，５，・・・）とし、ｎの初期値を１とする。また、所定のベクトル長閾値をｌ_ｔｈに設定する。
（Ｓ５０４）最大ベクトル長の「クラスタ興味ベクトル」を有する第ｎのクラスタと、２番目に大きいベクトル長の「クラスタ興味ベクトル」を有する第（ｎ＋１）のクラスタとのそれぞれにおける、「クラスタ重心位置」及び「クラスタ興味ベクトル」から規定される第ｎの半直線及び第（ｎ＋１）の半直線の交点を、ＰＯＩとして決定する。

（Ｓ５０５）（ｎ＋２）番目に大きいベクトル長の「クラスタ興味ベクトル」を有する（ｎ＋２）番目のクラスタの「クラスタ興味ベクトル」から、射影成分を差し引いたベクトル（非射影成分）を、（ｎ＋２）番目のクラスタの新たな「クラスタ興味ベクトル」として更新する。
（Ｓ５０６）決定されたＰＯＩから見て、第ｎのクラスタ及び第（ｎ＋１）のクラスタの「クラスタ重心位置」を指す方位を含む方位範囲毎に、並びに（ｎ＋２）番目のクラスタの「クラスタ重心位置」を指す方位を含む方位範囲に、「クラスタ興味ベクトル」又は射影成分のベクトル長に対応した「興味度」を付与する。

（Ｓ５０７）第１のクラスタから第（ｎ＋１）のクラスタまでを除いた残りのクラスタの中で、最大ベクトル長の「クラスタ興味ベクトル」を有する第（ｎ＋２）のクラスタと、２番目に大きいベクトル長の「クラスタ興味ベクトル」を有する第（ｎ＋３）のクラスタとを決定する。
（Ｓ５０８）ｎを２だけ増分する（ｎを次に大きな奇数値とする）。

（Ｓ５０９）第ｎのクラスタにおける「クラスタ興味ベクトル」のベクトル長が、所定のベクトル長閾値ｌ_ｔｈ以上であって、且つｎが、生成されたクラスタ数よりも小さいというループ条件を満たす場合、ステップＳ５０３に戻って、ＰＯＩ決定ループを繰り返す（次のＰＯＩを決定する）。一方、上記ループ条件を満たさない場合、決定可能なＰＯＩはこれ以上存在しないとして、本ＰＯＩ推定方法を完了する。

以上に述べ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。

１ ＰＯＩ推定サーバ
１００、２００ 通信インタフェース
１１０ 位置方位情報蓄積部
１１１ クラスタ情報生成部
１１１ａ クラスタ生成部
１１１ｂ 興味ベクトル生成部
１１２ ＰＯＩ決定部
１１３ 興味度付与部
１１４ ＰＯＩ・アノテーション蓄積部
１１５ アノテーション検索部
２ 情報端末
２０１ 測位部
２０２ 方位センサ
２０３ カメラ
２０４ ディスプレイ
２１０ 位置方位情報生成部
２１１ アノテーション取得部
２１２ 表示制御部
３ ＧＰＳ衛星

Claims (9)

1. 複数の情報端末とネットワークを介して通信するＰＯＩ（Point Of Interest）推定サーバであって、
   当該情報端末から取得した当該情報端末の位置情報及び方位情報を、情報端末毎に蓄積する位置方位情報蓄積手段と、
   当該位置情報及び方位情報が個々に対応付けられた情報端末群を、蓄積された当該位置情報に基づいて複数のクラスタに分割し、クラスタ毎に、クラスタ内の当該位置情報の平均であるクラスタ重心位置と、クラスタ内の方位情報の和に相当するクラスタ興味ベクトルとを生成するクラスタ情報生成手段と、
   最大ベクトル長のクラスタ興味ベクトルを有する第１のクラスタのクラスタ重心位置から該第１のクラスタのクラスタ興味ベクトルの向きに伸長する第１の半直線と、２番目に大きいベクトル長のクラスタ興味ベクトルを有する第２のクラスタのクラスタ重心位置から該第２のクラスタのクラスタ興味ベクトルの向きに伸長する第２の半直線との交点を、ＰＯＩに決定するＰＯＩ決定手段と
   を有することを特徴とするＰＯＩ推定サーバ。
2. 前記ＰＯＩ決定手段は、
   ｎを１から始まる奇数として、第ｎのクラスタ及び第（ｎ＋１）のクラスタを用いてＰＯＩを決定した際、ＰＯＩ決定に尚関与していない残りのクラスタのクラスタ興味ベクトルの中で、少なくとも（ｎ＋２）番目に大きいベクトル長のクラスタ興味ベクトルを有する（ｎ＋２）番目のクラスタのクラスタ興味ベクトルから、該（ｎ＋２）番目のクラスタのクラスタ重心位置と決定されたＰＯＩとを結ぶ方向への射影成分を差し引いたベクトルを、該（ｎ＋２）番目のクラスタの新たなクラスタ興味ベクトルとして更新し、
   第１のクラスタから第（ｎ＋１）のクラスタまでを除いた残りのクラスタの中で、最大ベクトル長のクラスタ興味ベクトルを有する第（ｎ＋２）のクラスタのクラスタ重心位置から該第（ｎ＋２）のクラスタのクラスタ興味ベクトルの向きに伸長する第（ｎ＋２）の半直線と、２番目に大きいベクトル長のクラスタ興味ベクトルを有する第（ｎ＋３）のクラスタのクラスタ重心位置から該第（ｎ＋３）のクラスタのクラスタ興味ベクトルの向きに伸長する第（ｎ＋３）の半直線との交点を、（ｎ＋３）／２番目のＰＯＩに決定する
   ことを特徴とする請求項１に記載のＰＯＩ推定サーバ。
3. 前記ＰＯＩ決定手段は、第ｎのクラスタ及び第（ｎ＋１）のクラスタを用いてＰＯＩを決定した際、ＰＯＩ決定に尚関与していない残りの各クラスタのクラスタ興味ベクトルから、当該各クラスタのクラスタ重心位置と決定されたＰＯＩとを結ぶ方向への射影成分を差し引いたベクトルを、当該各クラスタの新たなクラスタ興味ベクトルとして更新することを特徴とする請求項２に記載のＰＯＩ推定サーバ。
4. 決定されたＰＯＩから見て、前記第１のクラスタのクラスタ重心位置を指す方位を含む当該ＰＯＩの第１の方位範囲に、該第１のクラスタのクラスタ興味ベクトルのベクトル長に対応した興味度を付与し、前記第２のクラスタのクラスタ重心位置を指す方位を含む当該ＰＯＩの第２の方位範囲に、該第２のクラスタのクラスタ興味ベクトルのベクトル長に対応した興味度を付与する興味度付与手段を更に有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ＰＯＩ推定サーバ。
5. 前記興味度付与手段は、ｎを１から始まる奇数として、第ｎのクラスタ及び第（ｎ＋１）のクラスタを用いてＰＯＩを決定した際、（ｎ＋２）番目に大きいベクトル長のクラスタ興味ベクトルを有する（ｎ＋２）番目のクラスタのクラスタ興味ベクトルにおける、該（ｎ＋２）番目のクラスタのクラスタ重心位置と決定されたＰＯＩとを結ぶ方向への射影成分の大きさに対応した興味度を算出し、
   決定されたＰＯＩから見て、前記（ｎ＋２）番目のクラスタのクラスタ重心位置を指す方位を含む当該ＰＯＩの方位範囲に、当該射影成分の大きさに対応した興味度を付与する
   ことを特徴とする請求項４に記載のＰＯＩ推定サーバ。
6. 決定されたＰＯＩにおける方位範囲毎に、当該ＰＯＩに関連して表示されるアノテーションを対応付けて蓄積するアノテーション蓄積手段と、
   当該情報端末から受信した位置情報及び方位情報をキーとして、当該情報端末の画面に表示される現実空間映像に重畳表示すべきアノテーションを検索するアノテーション検索手段と
   を更に有することを特徴とする請求項４又は５に記載のＰＯＩ推定サーバ。
7. 請求項１から６のいずれか１項に記載のＰＯＩ推定サーバと、該ＰＯＩ推定サーバとネットワークを介して通信する情報端末とを有するシステムであって、
   前記情報端末は、
   情報端末自体の位置を測定する測位部と、
   情報端末自体の方位を測定する方位センサと、
   測定された当該位置及び当該方位から、前記ＰＯＩ推定サーバに送信する位置情報及び方位情報を生成する位置方位情報生成手段と
   を有することを特徴とするシステム。
8. 複数の情報端末とネットワークを介して通信するＰＯＩ推定用のサーバに搭載されたＰＯＩ推定プログラムであって、
   当該情報端末から取得した当該情報端末の位置情報及び方位情報を、情報端末毎に蓄積する位置方位情報蓄積手段と、
   当該位置情報及び方位情報が個々に対応付けられた情報端末群を、蓄積された当該位置情報に基づいて複数のクラスタに分割し、クラスタ毎に、クラスタ内の当該位置情報の平均であるクラスタ重心位置と、クラスタ内の方位情報の和に相当するクラスタ興味ベクトルとを生成するクラスタ情報生成手段と、
   最大ベクトル長のクラスタ興味ベクトルを有する第１のクラスタのクラスタ重心位置から該第１のクラスタのクラスタ興味ベクトルの向きに伸長する第１の半直線と、２番目に大きいベクトル長のクラスタ興味ベクトルを有する第２のクラスタのクラスタ重心位置から該第２のクラスタのクラスタ興味ベクトルの向きに伸長する第２の半直線との交点を、ＰＯＩに決定するＰＯＩ決定手段と
   してコンピュータを機能させることを特徴とするＰＯＩ推定プログラム。
9. 複数の情報端末とネットワークを介して通信するＰＯＩ推定用のサーバの有するコンピュータにおけるソフトウェアの情報処理によるＰＯＩ推定方法であって、
   当該情報端末から取得した当該情報端末の位置情報及び方位情報を、情報端末毎に蓄積する第１のステップと、
   当該位置情報及び方位情報が個々に対応付けられた情報端末群を、蓄積された当該位置情報に基づいて複数のクラスタに分割し、クラスタ毎に、クラスタ内の当該位置情報の平均であるクラスタ重心位置と、クラスタ内の方位情報の和に相当するクラスタ興味ベクトルとを生成する第２のステップと、
   最大ベクトル長のクラスタ興味ベクトルを有する第１のクラスタのクラスタ重心位置から該第１のクラスタのクラスタ興味ベクトルの向きに伸長する第１の半直線と、２番目に大きいベクトル長のクラスタ興味ベクトルを有する第２のクラスタのクラスタ重心位置から該第２のクラスタのクラスタ興味ベクトルの向きに伸長する第２の半直線との交点を、ＰＯＩに決定する第３のステップと
   を有することを特徴とするＰＯＩ推定方法。

Images