JP6077349B2

JP6077349B2 - 分類器構築装置、分類装置、分類器構築方法、分類方法及びプログラム

Info

Publication number: JP6077349B2
Application number: JP2013056910A
Authority: JP
Inventors: 関本　義秀; 義秀関本; 柴崎　亮介; 亮介柴崎; ティーラユット・ホラノント; アピチョン・ウィタヤンクン; 龍太郎足立; 久之森永; 敏典高山; 雅史佐藤
Original assignee: University of Tokyo NUC; Zenrin Datacom Co Ltd
Current assignee: University of Tokyo NUC; Zenrin Datacom Co Ltd
Priority date: 2013-03-19
Filing date: 2013-03-19
Publication date: 2017-02-08
Anticipated expiration: 2033-03-19
Also published as: JP2014182609A

Description

本発明は、携帯端末の測位情報を処理する技術に関する。

携帯端末の測位情報を用いて、ユーザが良く滞在する場所を分類する技術が知られている。例えば、引用文献１には、ＧＰＳ（Global Positioning System）により取得した測位情報から算出されたある場所へのユーザの総滞在時間と滞在時間帯の情報を用いて、ユーザが頻繁に滞在する場所が自宅であるか、勤務地であるかを分類する技術について開示されている。

特表２０１２−５０７７６０号公報

しかしながら、上記の従来技術のように、単純に総滞在時間と滞在時間帯の情報を条件として用いるというだけでは、例えば、総滞在時間と滞在時間帯とがどのような値である場合にどのような分類をするべきかという適切な分類基準を決めることが困難である場合がある。従って、ユーザが滞在した場所をより高い精度で分類する方法が望まれている。

本発明は上記に鑑みてなされたものであり、その目的は、ユーザが良く滞在する場所をより高い精度で分類するために用いられる技術を提供することにある。

本発明に係る分類器構築装置は、携帯端末の測位情報に基づき、前記携帯端末のユーザの滞在地を検出し、前記検出した滞在地のクラスタ（以下、滞在地クラスタ）を生成する生成手段と、前記生成された滞在地クラスタについて、滞在地クラスタについて定義されている特徴の値を算出する算出手段と、前記携帯端末のユーザに関連付けられた所定の行動拠点の位置情報を参照し、前記生成された滞在地クラスタが、前記所定の行動拠点に分類されるか否かを判定する判定手段と、前記算出された特徴の値と前記判定結果とに基づいて教師付き学習を行い、前記特徴を説明変数とし、滞在地クラスタが所定の行動拠点に分類されるか否かを目的変数とする分類器を生成する分類器生成手段とを備えたことを特徴とする。

本発明に係る分類装置は、分類器を記憶する記憶手段と、携帯端末の測位情報に基づき、前記携帯端末のユーザの滞在地を検出し、前記検出した滞在地のクラスタ（以下、滞在地クラスタ）を生成する生成手段と、前記生成された滞在地クラスタについて、滞在地クラスタについて定義されている特徴の値を算出する算出手段と、前記算出された特徴の値を説明変数として用いて、前記記憶された分類器により、前記生成手段により生成された滞在地クラスタを分類する分類手段とを備え、前記分類器は、携帯端末の測位情報に基づき当該携帯端末のユーザの滞在地を検出し、当該検出した分類器用滞在地クラスタを生成し、当該生成された分類器用滞在地クラスタについて、滞在地クラスタについて定義されている特徴の値を算出し、前記携帯端末のユーザに関連付けられた所定の行動拠点の位置情報を参照して、前記生成された分類器用滞在地クラスタが、前記所定の行動拠点に分類されるか否かを判定し、前記算出された特徴の値と前記判定結果とに基づいて教師付き学習を行い、前記特徴を説明変数とし、滞在地クラスタが所定の行動拠点に分類されるか否かを目的変数として生成された分類器であることを特徴とする。

本発明に係る分類器構築方法は、制御部を備える情報処理装置において実施される分類器構築方法であって、前記制御部が、携帯端末の測位情報に基づき、前記携帯端末のユーザの滞在地を検出し、前記検出した滞在地のクラスタ（以下、滞在地クラスタ）を生成する生成ステップと、前記制御部が、前記生成された滞在地クラスタについて、滞在地クラスタについて定義されている特徴の値を算出する算出ステップと、前記制御部が、前記携帯端末のユーザに関連付けられた所定の行動拠点の位置情報を参照し、前記生成された滞在地クラスタが、前記所定の行動拠点に分類されるか否かを判定する判定ステップと、前記制御部が、前記算出された特徴の値と前記判定結果とに基づいて教師付き学習を行い、前記特徴を説明変数とし、滞在地クラスタが所定の行動拠点に分類されるか否かを目的変数とする分類器を生成する分類器生成ステップとを備えることを特徴とする。

本発明に係る分類方法は、制御部と、分類器を記憶する記憶手段とを備える情報処理装置において実施される分類方法であって、前記制御部が、携帯端末の測位情報に基づき、前記携帯端末のユーザの滞在地を検出し、前記検出した滞在地のクラスタ（以下、滞在地クラスタ）を生成する生成ステップと、前記制御部が、前記生成された滞在地クラスタについて、滞在地クラスタについて定義されている特徴の値を算出する算出ステップと、前記制御部が、前記算出された特徴の値を説明変数として用いて、前記記憶された分類器により、前記生成ステップにより生成された滞在地クラスタを分類する分類ステップと、を備え、前記分類器は、携帯端末の測位情報に基づき当該携帯端末のユーザの滞在地を検出し、当該検出した分類器用滞在地クラスタを生成し、当該生成された分類器用滞在地クラスタについて、滞在地クラスタについて定義されている特徴の値を算出し、前記携帯端末のユーザに関連付けられた所定の行動拠点の位置情報を参照して、前記生成された分類器用滞在地クラスタが、前記所定の行動拠点に分類されるか否かを判定し、前記算出された特徴の値と前記判定結果とに基づいて教師付き学習を行い、前記特徴を説明変数とし、滞在地クラスタが所定の行動拠点に分類されるか否かを目的変数として生成された分類器であることを特徴とする。

本発明に係るプログラムは、コンピュータを、携帯端末の測位情報に基づき、前記携帯端末のユーザの滞在地を検出し、前記検出した滞在地のクラスタ（以下、滞在地クラスタ）を生成する生成手段、前記生成された滞在地クラスタについて、滞在地クラスタについて定義されている特徴の値を算出する算出手段、前記携帯端末のユーザに関連付けられた所定の行動拠点の位置情報を参照し、前記生成された滞在地クラスタが、前記所定の行動拠点に分類されるか否かを判定する判定手段、前記算出された特徴の値と前記判定結果とに基づいて教師付き学習を行い、前記特徴を説明変数とし、滞在地クラスタが所定の行動拠点に分類されるか否かを目的変数とする分類器を生成する分類器生成手段、を備えた分類器構築装置として機能させることを特徴とする。

本発明に係るプログラムは、コンピュータを、分類器を記憶する記憶手段、携帯端末の測位情報に基づき、前記携帯端末のユーザの滞在地を検出し、前記検出した滞在地のクラスタ（以下、滞在地クラスタ）を生成する生成手段、前記生成された滞在地クラスタについて、滞在地クラスタについて定義されている特徴の値を算出する算出手段、前記算出された特徴の値を説明変数として用いて、前記記憶された分類器により、前記生成手段により生成された滞在地クラスタを分類する分類手段、を備え、前記分類器は、携帯端末の測位情報に基づき当該携帯端末のユーザの滞在地を検出し、当該検出した分類器用滞在地クラスタを生成し、当該生成された分類器用滞在地クラスタについて、滞在地クラスタについて定義されている特徴の値を算出し、前記携帯端末のユーザに関連付けられた所定の行動拠点の位置情報を参照して、前記生成された分類器用滞在地クラスタが、前記所定の行動拠点に分類されるか否かを判定し、前記算出された特徴の値と前記判定結果とに基づいて教師付き学習を行い、前記特徴を説明変数とし、滞在地クラスタが所定の行動拠点に分類されるか否かを目的変数として生成された分類器である、分類装置として機能させることを特徴とする。

また、本発明のプログラムは、ＣＤ−ＲＯＭ等の光学ディスク、磁気ディスク、半導体メモリなどの各種の記録媒体を通じて、又は通信ネットワークなどを介してダウンロードすることにより、コンピュータにインストール又はロードすることができる。

また、本明細書等において、「部」とは、単に物理的構成を意味するものではなく、その構成が有する機能をソフトウェアによって実現する場合も含む。また、１つの構成が有する機能が２つ以上の物理的構成により実現されても、２つ以上の構成の機能が１つの物理的構成により実現されてもよい。

本発明によれば、ユーザが良く滞在する場所をより高い精度で分類するために用いられる技術を提供することができる。

一実施形態における情報処理装置のハードウェア構成の概略を示すブロック図である。一実施形態における分類器構築装置の機能構成の概略を示すブロック図である。一実施形態における分類装置の機能構成の概略を示すブロック図である。一実施形態において、記憶部に記憶された情報の構成を示す図である。一実施形態における分類器構築の処理を示すフローチャートである。一実施形態における分類の処理を示すフローチャートである。

以下、本発明の実施形態について、図面を参照しつつ詳細に説明する。ただし、発明の範囲をこれらに限定するものではない。

図１を参照して、一実施形態に係る分類器構築装置又は分類装置を実装するために用いられる情報処理装置のハードウェア構成の概略を説明する。情報処理装置１０は、ハードウェア構成として、制御部１１、通信部１４、記憶部１５、ディスプレイ１６及び操作部１７を主に備える。制御部１１は、ＣＰＵ（ＣｅｎｔｒａｌＰｒｏｃｅｓｓｉｎｇＵｎｉｔ）１２及びメモリ１３を主に備えて構成される。情報処理装置１０は、サーバ装置や端末装置などのコンピュータを用いて構成することができ、例えば、ＣＰＵ１２がメモリ１３等に格納された所定のプログラムを実行することにより、各種の機能実現手段として機能する。なお、情報処理装置１０は、単一の情報処理装置より構成されるものであっても、ネットワーク上に分散した複数の情報処理装置より構成されるものであってもよい。

制御部１１では、ＣＰＵ１２は、記憶部１５等に記憶されたプログラムをメモリ１３に展開して実行することにより、情報処理装置１０が備える各種構成の動作を制御し、また、各種処理の実行を制御する。制御部１１において実行される処理の詳細は後述する。

通信部１４は、各種の外部装置との間で通信をするための通信インタフェースである。

記憶部１５は、ハードディスク等の記憶装置によって構成される。記憶部１５は、制御部１１における処理の実行に必要な各種プログラムや、制御部１１による処理結果の情報など、各種の情報を記憶する。記憶部１５に記憶されている情報の具体例については後述する。

ディスプレイ１６は、制御部１１による処理結果などの各種情報を表示する表示装置である。ディスプレイ１６は、液晶や有機ＥＬ等によって構成される。

操作部１７は、情報処理装置１０に対する操作を受け付けるためのユーザインタフェースである。操作部１７は、キーボード、マウスなどの入力装置によって構成される。

図２を参照して、一実施形態に係る分類器構築装置２０の機能構成を説明する。分類器構築装置２０は、携帯端末のユーザが良く行く場所を分類するための分類器を構築する処理を行う。分類モデルとしては、ナイーブベイズ、ｋ近傍法、ランダムフォレストなど、任意のモデルを用いることができる。ここで、本発明の発明者は、多くの実験を重ねた結果、分類モデルの中で、ランダムフォレストを用いて構築された分類器が特に有効であることを見出した。しかしながら、本発明における分類モデルをランダムフォレストに限定するものではない。

分類器構築装置２０は、主な機能構成として、滞在地検出部２１１、クラスタリング部２１２、特徴計算部２１３、分類判定部２１４、分類器生成部２１５、及びデータベース２１７を備える。分類器構築装置２０は、例えば、情報処理装置１０により実装される。分類器構築装置２０に備える機能は、例えば、情報処理装置１０の制御部１１において、ＣＰＵ１２が、記憶部１５等に記憶されたプログラムをメモリ１３に展開して実行することにより実現される。

滞在地検出部２１１は、データベース２１７に記憶された携帯端末の測位情報を用いて、携帯端末のユーザの滞在地（所定時間以上滞在した場所）を検出する。ここで用いられる測位情報は、データベース２１７に記憶された携帯端末の測位情報のうち、データベース２１７に携帯端末のユーザの行動拠点（例えば、勤務地、自宅など、そのユーザが良く行く場所）の情報がユーザ情報として記憶されている測位情報である。すなわち、滞在地検出部２１１は、分類器の構築のために、教師付きの測位情報を用いて処理を行う。また、滞在地は任意の方法で検出することができるが、本実施形態において、滞在地検出部２１１は、まず、データベース２１７に記憶された測位情報を参照して、測位位置及び測位時間が所定の関係を満たす前記測位情報の集合を決定し、当該集合に基づいて決定した位置を滞在地として検出する。所定の関係とは、例えば、測位位置間の距離が所定の距離以内（例えば、２００ｍ以内）であり、測位時間の時間差が所定の時間内（例えば、１０分以内）であるような関係である。このように滞在地を検出することによって、携帯端末のユーザが単に通過したに過ぎない位置を滞在地から除くことができる。また、滞在地の位置としては、例えば、測位情報の集合に含まれる全ての測位情報の測位位置を囲む領域の重心又は当該領域内の任意の位置の緯度及び経度とすることができる。また、滞在地の位置を点とせず、ある程度の幅を持たせた領域とすることができる。

図４（Ａ）は、データベース２１７に記憶された携帯端末の測位情報の例を示している。この例では、測位情報は、携帯端末ＩＤ、測位時刻、及び測位位置（緯度、経度）の情報を含む。

図４（Ｂ）は、データベース２１７に記憶されたユーザ情報の例を示している。ユーザ情報は、ユーザＩＤ、携帯端末ＩＤ、自宅エリアＩＤ、勤務地エリアＩＤ、及び他の良く行くエリアＩＤの情報を含む。携帯端末ＩＤは、対応するユーザが所持する携帯端末の識別情報である。自宅エリアＩＤは、対応するユーザの自宅が位置するエリアの識別情報である。勤務地エリアＩＤは、対応するユーザの勤務地が位置するエリアの識別情報である。他の良く行くエリアＩＤは、ユーザが、自宅及び勤務地以外に良く行く他のエリアの識別情報である。

クラスタリング部２１２は、滞在地検出部２１１により検出された滞在地に対して、少なくともその滞在地の位置に基づいてクラスタリングを行う。詳細には、クラスタリング部２１２は、同じ携帯端末についての滞在地が、所定の密度以上存在する領域をその携帯端末のユーザの滞在地のクラスタとして出力する。このように出力されたクラスタは、滞在地が多く含まれているほど、その携帯端末のユーザが良く滞在する領域を示すことになる。このように、単に測位点の数をカウントするのではなく、クラスタに含まれる滞在地の数によって携帯端末のユーザの滞在頻度を把握することで、より現実に近い滞在頻度を把握することができる。

特徴計算部２１３は、クラスタリング部２１２により出力されたクラスタについて、滞在地のクラスタについて予め定義されている特徴の値を計算する。値が計算される特徴の種類は任意である。特徴計算部２１３は、例えば、クラスタに含まれる滞在地の情報に基づいて、滞在率、滞在数ランク、最小滞在時間、最大滞在時間、平均滞在時間、滞在日数、昼間滞在率、及び夜間滞在率を特徴として計算することができる。計算される特徴はこれらに限定はしないが、以下に、それぞれの特徴について説明する。

（１）滞在率：同一の携帯端末について、クラスタリング部２１２により出力された全てのクラスタに含まれる滞在地数に対する、特徴量計算の対象となるクラスタ（対象クラスタ）に含まれる滞在地数の割合である。

（２）滞在数ランク：同一の携帯端末について、クラスタリング部２１２により検出された全てのクラスタ内おける、対象クラスタに含まれる滞在地数に基づくクラスタの順位である。クラスタに含まれる滞在地数が多いほど、そのクラスタの滞在数ランクは高くなる。

（３）最小滞在時間、最大滞在時間、平均滞在時間：対象クラスタに含まれる滞在地についての滞在時間の最小値、最大値、平均値である。これらの特徴によって、例えば、そのクラスタへの滞在時間は長いのか短いのかの傾向を把握できる。

（４）滞在日数：対象クラスタへの滞在の日数である。クラスタ内で同じ日に１つ以上同じ携帯端末についての滞在地が表れた日を１日としてカウントする。

（５）昼間滞在率、夜間滞在率：対象クラスタへの総滞在時間（若しくは回数）に対する昼間（例えば、９：００から１８：００）に滞在した時間（若しくは回数）の比率、又はクラスタへ夜間（例えば、２２：００から６：００）に滞在した時間（又は回数）の比率である。

分類判定部２１４は、データベース２１７に記憶された携帯端末のユーザ情報に示されたユーザの行動拠点の位置を参照し、当該ユーザについてのクラスタリング部２１２により生成されたクラスタが行動拠点に分類されるか否かを判定する。例えば、分類判定部２１４は、あるユーザについてクラスタリング部２１２により生成されたクラスタの位置が、そのユーザについてのデータベース２１７に記憶された携帯端末のユーザ情報の自宅エリアＩＤ（図４（Ｂ）参照）が示す位置に対応するか否かを判定する。同様に、分類判定部２１４は、クラスタリング部２１２により生成されたクラスタの位置が、ユーザ情報の勤務地エリアＩＤ及び他の良く行くエリアＩＤのそれぞれが示す位置に対応するか否かを判定する。

分類器生成部２１５は、特徴計算部２１３により算出された特徴の値と、分類判定部２１４による判定結果とに基づいて、教師付き学習を行い、特徴を説明変数とし、滞在地クラスタが所定の行動拠点に分類されるか否かを目的変数とする分類器を生成する。また、分類器生成部２１５は、分類器を生成するために、特徴計算部２１３により値が計算された全ての特徴を用いるのではなく、クラスタの分類に重要な影響を与える特徴を選択して用いてもよい。クラスタの分類に重要な影響を与える特徴の選択は、例えば、情報ゲイン（Information Gain）を用いて行われる。また、分類器の構築は、任意の学習アルゴリズムに基づいて行われる。構築された分類器の情報は、分類器情報としてデータベース２１７に記憶される。クラスタの分類に重要な影響を与える特徴として分類器生成部２１５により選択される特徴は、分類器の構築のために用いる情報等によって大きく左右される。しかしながら、参考として、本発明の発明者は、実験を重ねた結果、クラスタの分類に用いる特徴として、上述した８つの特徴が重要な影響を与えることが多いことを見出した。また、これらの特徴を（１）から（５）の順で記載したが、特に影響が大きいものから順に特徴を記載している。

データベース２１７は、分類器構築装置２０において実行される上記の処理に必要な情報、及び当該処理により生成された情報など、各種情報を記憶する。データベース２１７は、例えば、測位情報、ユーザ情報、分類器情報、滞在地情報、クラスタ情報、及び地図情報を主に記憶する。

次に、図３を参照して、一実施形態に係る分類装置３０の機能構成を説明する。分類装置３０は、分類器構築装置２０により構築された分類器を用いて、携帯端末のユーザが良く行く場所（滞在地のクラスタ）を分類する処理を行う。分類装置３０は、主な機能構成として、滞在地検出部２２１、クラスタリング部２２２、特徴計算部２２３、分類実行部２２４、及びデータベース２２７を備える。分類装置３０は、例えば、情報処理装置１０により実装される。分類装置３０に備える機能は、例えば、情報処理装置１０の制御部１１において、ＣＰＵ１２が、記憶部１５等に記憶されたプログラムをメモリ１３に展開して実行することにより実現される。

滞在地検出部２２１は、データベース２２７に記憶された携帯端末の測位情報を用いて、携帯端末のユーザの滞在地（所定時間以上滞在した場所）を検出する。ここで用いられる測位情報は、データベース２２７に記憶された携帯端末の測位情報のうち、ユーザが良く行く場所の分類処理の対象となる測位情報である。滞在地を検出する方法は、前述と同様に任意の方法が用いられる。

クラスタリング部２２２は、滞在地検出部２２１により検出された滞在地に対して、少なくともその滞在地の位置に基づいてクラスタリングを行う。詳細には、クラスタリング部２２２は、同じ携帯端末についての滞在地が、所定の密度以上存在する領域をその携帯端末のユーザの滞在地のクラスタとして出力する。

特徴計算部２２３は、クラスタリング部２２２により出力されたクラスタについて、滞在地のクラスタについて予め定義されている特徴の値を計算する。値が計算される特徴の種類は任意である。特徴計算部２２３は、例えば、クラスタに含まれる滞在地の情報に基づいて、滞在率、滞在数ランク、最小滞在時間、最大滞在時間、平均滞在時間、滞在日数、昼間滞在率、及び夜間滞在率を特徴として計算することができる。各特徴の意味は、前述したとおりである。

分類実行部２２４は、クラスタリング部２２２により出力されたクラスタに対して特徴計算部２２３により計算された特徴値を用いて、分類器生成部２１５により生成されデータベース２２７に記憶された分類器により、当該クラスタの分類結果を出力する。例えば、分類実行部２２４は、クラスタが「住宅エリア」、「勤務地エリア」、「他の良く行くエリア」を含むいずれの行動拠点に分類されるかの分類結果を出力する。

また、分類実行部２２４は、データベース２２７に記憶されている地図情報を用いて、分類結果をより精度の高いものに修正することができる。例えば、地図情報に含まれている住宅地図情報を用いて、分類結果を修正することができる。以下に具体例を説明する。住宅地図情報は、建物が住宅用家屋であるか、事業用建物であるかの情報を含む。地図を所定の広さのグリッド（例えば、２５０ｍ四方）で区切り、各グリッド内の住宅用家屋の数と事業用建物の数とを算出する。ここで、本発明の発明者によるある地域での調査によれば、（Ａ）住宅用家屋の数が５０％以上の比率を持つグリッドに住宅エリアを持つ携帯端末のユーザの比率は、７２．６１％であった。また、（Ｂ）住宅用家屋の数が５０％未満の比率を持つグリッドに勤務地エリアを持つ携帯端末のユーザの比率は、７４．３１％であった。さらに、（Ｃ）８０．１２％のグリッドで、そのグリッドを勤務地エリアとするユーザよりも住宅エリアとするユーザの方が多いグリッドとなった。これらの（Ａ）、（Ｂ）及び（Ｃ）の数値（もしくは、いずれか一部の数値）を分類実行部２２４による分類結果の集計値と比較し、所定の閾値以上の差異がある場合に、差異が小さくなるように分類結果を修正する（例えば、分類結果のうち「住宅エリア」の数が大きすぎる場合、「住宅エリア」と分類されたクラスタのうち、尤度が低いものを他の分類に割り当てるような修正を行う）。すなわち、分類実行部２２４は、所定の領域に存在する建物の総数に対する住宅用建物の数の割合を用いて、分類の結果を修正することができる。

データベース２２７は、分類装置３０において実行される上記の処理に必要な情報、及び当該処理により生成された情報など、各種情報を記憶する。データベース２２７は、例えば、測位情報、ユーザ情報、分類器情報、滞在地情報、クラスタ情報、及び地図情報を主に記憶する。特に、データベース２２７に記憶された分類器情報は、分類器生成部２１５により生成された分類器の情報を含む。

次に、図５及び図６を参照して、分類器構築装置２０及び分類装置３０において実行される処理のフローを説明する。なお、以下に説明する処理のフローに含まれる各処理ステップは、処理内容に矛盾を生じない範囲で、任意に順番を変更して又は並列に実行することができるとともに、各処理ステップ間に他のステップを追加してもよい。また、便宜上１ステップとして記載されているステップは、複数ステップに分けて実行することができる一方、便宜上複数ステップに分けて記載されているものは、１ステップとして把握することができる。

図５は、携帯端末のユーザが良く行く場所（滞在地のクラスタ）を分類するための分類器を構築するために、分類器構築装置２０において実行される処理のフローを示している。各ステップにおける処理の詳細は前述したとおりであるため、ここでは省略する。

まず、ステップＳ１１において、滞在地検出部２１１は、データベース２１７に記憶された携帯端末の測位情報のうち、データベース２１７に携帯端末のユーザの行動拠点（ユーザが良く行く場所）の情報がユーザ情報として記憶されている測位情報を取得又は参照する。ステップＳ１２において、滞在地検出部２１１は、取得又は参照した測位情報を用いて、携帯端末のユーザの滞在地（所定時間以上滞在した場所）を検出する。

ステップＳ１３において、クラスタリング部２１２は、滞在地検出部２１１により検出された滞在地に対して、少なくともその滞在地の位置に基づいてクラスタリングを行う。詳細には、クラスタリング部２１２は、同じ携帯端末についての滞在地が、所定の面積の領域に所定の数以上存在する領域をその携帯端末のユーザの滞在地のクラスタとして出力する。

ステップＳ１４において、特徴計算部２１３は、クラスタリング部２１２により出力されたクラスタについて、滞在地のクラスタについて予め定義されている特徴の値を計算する。値が計算される特徴の種類は、前述したように任意である。特徴計算部２１３は、例えば、クラスタに含まれる滞在地の情報に基づいて、滞在率、滞在数ランク、最小滞在時間、最大滞在時間、平均滞在時間、滞在日数、昼間滞在率、及び夜間滞在率を特徴として計算することができる。

ステップＳ１５において、分類判定部２１４は、データベース２１７に記憶された携帯端末のユーザ情報に示されたユーザの行動拠点の位置を参照し、当該ユーザについてのクラスタリング部２１２により生成されたクラスタが行動拠点に分類されるか否かを判定する。例えば、分類判定部２１４は、あるユーザについてクラスタリング部２１２により生成されたクラスタの位置が、そのユーザについてのデータベース２１７に記憶された携帯端末のユーザ情報の自宅エリアＩＤが示す位置に対応するか否かを判定する。

ステップＳ１６において、分類器生成部２１５は、ステップＳ１４における計算の結果得られたクラスタの特徴の値と、ステップＳ１５における判定の結果とを用いて、クラスタの分類に重要な影響を与える特徴を選択する。クラスタの分類に重要な影響を与える特徴の選択は、例えば、情報ゲイン（Information Gain）を用いて行われる。

ステップＳ１７において、分類器生成部２１５は、ステップＳ１６で選択された特徴についての特徴値と、ステップＳ１５における分類判定部２１４による判定結果とに基づいて、教師付き学習を行い、特徴を説明変数とし、滞在地クラスタが所定の行動拠点に分類されるか否かを目的変数とする分類器を生成する。分類器の生成は、任意の学習アルゴリズムに基づいて行われる。生成された分類器の情報は、分類器情報としてデータベース２１７に記憶される。

以上のように図５に示した処理によれば、ユーザが良く滞在する場所（クラスタ）をより高い精度で分類するための分類器を構築することができる。

図６は、分類器構築装置２０により構築された分類器を用いて、携帯端末のユーザが良く行く場所を分類するために分類装置３０により実行される処理を示している。各ステップにおける処理の詳細は前述したとおりであるため、ここでは省略する。

まず、ステップＳ２１において、滞在地検出部２２１は、データベース２２７に記憶された携帯端末の測位情報のうち、ユーザが良く行く場所の分類処理の対象となる測位情報を取得又は参照し、ステップＳ２２において、携帯端末のユーザの滞在地を検出する。滞在地を検出する方法は、前述と同様に任意の方法が用いられる。

ステップＳ２３において、クラスタリング部２２２は、滞在地検出部２２１により検出された滞在地に対して、少なくともその滞在地の位置に基づいてクラスタリングを行う。詳細には、クラスタリング部２２２は、同じ携帯端末についての滞在地が、所定の密度以上存在する領域をその携帯端末のユーザの滞在地のクラスタとして出力する。

ステップＳ２４において、特徴計算部２２３は、クラスタリング部２２２により出力されたクラスタについて、滞在地のクラスタについて予め定義されている特徴の値を計算する。値が計算される特徴の種類は、前述したように任意である。特徴計算部２２３は、例えば、クラスタに含まれる滞在地の情報に基づいて、滞在率、滞在数ランク、最小滞在時間、最大滞在時間、平均滞在時間、滞在日数、昼間滞在率、及び夜間滞在率を特徴として計算することができる。

ステップＳ２５において、分類実行部２２４は、クラスタリング部２２２により出力されたクラスタに対して特徴計算部２２３により計算された特徴値を用いて、分類器生成部２１５により生成されデータベース２２７に記憶された分類器により、当該クラスタの分類結果を出力する。

以上のように図６に示した処理によれば、分類器構築装置２０により構築された分類器と携帯端末の測位情報とを用いて、携帯端末のユーザが良く行く場所を分類しているため、より高い精度で分類を行うことができる。

本発明は、上記した実施の形態に限定されるものではなく、本発明の要旨を逸脱しない範囲内において、他の様々な形で実施することができる。上記実施形態はあらゆる点で単なる例示にすぎず、限定的に解釈されるものではない。

１０情報処理装置、１１制御部、１２ＣＰＵ、１３メモリ、１４通信部、１５記憶部、１６ディスプレイ、１７操作部、２０分類器構築装置、３０分類装置

Claims

携帯端末の測位情報に基づき、前記携帯端末のユーザの滞在地を検出し、前記検出した滞在地のクラスタ（以下、滞在地クラスタ）を生成する生成手段と、
前記生成された滞在地クラスタについて、滞在地クラスタについて定義されている特徴の値を算出する算出手段と、
前記携帯端末のユーザに関連付けられた所定の行動拠点の位置情報を参照し、前記生成された滞在地クラスタが、前記所定の行動拠点に分類されるか否かを判定する判定手段と、
前記算出された特徴の値と前記判定結果とに基づいて教師付き学習を行い、前記特徴を説明変数とし、滞在地クラスタが所定の行動拠点に分類されるか否かを目的変数とする分類器を生成する分類器生成手段と
を備えたことを特徴とする分類器構築装置。
前記特徴は、
（ａ）同一の携帯端末についての全ての滞在地クラスタに含まれる滞在地数に対する、対象滞在地クラスタに含まれる滞在地数の割合、
（ｂ）同一の携帯端末についての全ての滞在地クラスタ内おける、対象滞在地クラスタに含まれる滞在地数に基づく対象滞在地クラスタの順位、
（ｃ）対象滞在地クラスタに含まれる滞在地について求めた滞在時間の最小値、
（ｄ）対象滞在地クラスタに含まれる滞在地について求めた滞在時間の最大値、
（ｅ）対象滞在地クラスタに含まれる滞在地について求めた滞在時間の平均値、
（ｆ）対象滞在地クラスタへの滞在日数、
（ｇ）対象滞在地クラスタへの総滞在時間に対する昼間に滞在した時間の比率、及び
（ｈ）対象滞在地クラスタへの総滞在時間に対する夜間に滞在した時間の比率、
の少なくともいずれか一つを含むことを特徴とする請求項１に記載の分類器構築装置。
前記測位情報は、測位位置及び測位時間を含み、
前記生成手段は、測位位置及び測位時間が所定の関係を満たす前記測位情報の集合を決定し、前記集合に基づいて決定した位置を滞在地として検出する検出手段であって、前記所定の関係は、測位位置間の距離が所定の距離以内であり、測位時間の時間差が所定の時間内である、検出手段を備えることを特徴とする請求項１又は２に記載の分類器構築装置。
分類器を記憶する記憶手段と、
携帯端末の測位情報に基づき、前記携帯端末のユーザの滞在地を検出し、前記検出した滞在地のクラスタ（以下、滞在地クラスタ）を生成する生成手段と、
前記生成された滞在地クラスタについて、滞在地クラスタについて定義されている特徴の値を算出する算出手段と、
前記算出された特徴の値を説明変数として用いて、前記記憶された分類器により、前記生成手段により生成された滞在地クラスタを分類する分類手段と
を備え、
前記分類器は、携帯端末の測位情報に基づき当該携帯端末のユーザの滞在地を検出し、当該検出した分類器用滞在地クラスタを生成し、当該生成された分類器用滞在地クラスタについて、滞在地クラスタについて定義されている特徴の値を算出し、前記携帯端末のユーザに関連付けられた所定の行動拠点の位置情報を参照して、前記生成された分類器用滞在地クラスタが、前記所定の行動拠点に分類されるか否かを判定し、前記算出された特徴の値と前記判定結果とに基づいて教師付き学習を行い、前記特徴を説明変数とし、滞在地クラスタが所定の行動拠点に分類されるか否かを目的変数として生成された分類器であることを特徴とする分類装置。
前記分類手段は、宅地地図情報を用いて、前記分類の結果を修正することを特徴とする請求項４に記載の分類装置。
前記修正は、所定の領域に存在する建物の総数に対する住宅用建物の数の割合を用いて、前記分類の結果を修正することを含むことを特徴とする請求項５に記載の分類装置。
制御部を備える情報処理装置において実施される分類器構築方法であって、
前記制御部が、携帯端末の測位情報に基づき、前記携帯端末のユーザの滞在地を検出し、前記検出した滞在地のクラスタ（以下、滞在地クラスタ）を生成する生成ステップと、
前記制御部が、前記生成された滞在地クラスタについて、滞在地クラスタについて定義されている特徴の値を算出する算出ステップと、
前記制御部が、前記携帯端末のユーザに関連付けられた所定の行動拠点の位置情報を参照し、前記生成された滞在地クラスタが、前記所定の行動拠点に分類されるか否かを判定する判定ステップと、
前記制御部が、前記算出された特徴の値と前記判定結果とに基づいて教師付き学習を行い、前記特徴を説明変数とし、滞在地クラスタが所定の行動拠点に分類されるか否かを目的変数とする分類器を生成する分類器生成ステップと
を備えることを特徴とする分類器構築方法。
制御部と、分類器を記憶する記憶手段とを備える情報処理装置において実施される分類方法であって、
前記制御部が、携帯端末の測位情報に基づき、前記携帯端末のユーザの滞在地を検出し、前記検出した滞在地のクラスタ（以下、滞在地クラスタ）を生成する生成ステップと、
前記制御部が、前記生成された滞在地クラスタについて、滞在地クラスタについて定義されている特徴の値を算出する算出ステップと、
前記制御部が、前記算出された特徴の値を説明変数として用いて、前記記憶された分類器により、前記生成ステップにより生成された滞在地クラスタを分類する分類ステップと
を備え、
前記分類器は、携帯端末の測位情報に基づき当該携帯端末のユーザの滞在地を検出し、当該検出した分類器用滞在地クラスタを生成し、当該生成された分類器用滞在地クラスタについて、滞在地クラスタについて定義されている特徴の値を算出し、前記携帯端末のユーザに関連付けられた所定の行動拠点の位置情報を参照して、前記生成された分類器用滞在地クラスタが、前記所定の行動拠点に分類されるか否かを判定し、前記算出された特徴の値と前記判定結果とに基づいて教師付き学習を行い、前記特徴を説明変数とし、滞在地クラスタが所定の行動拠点に分類されるか否かを目的変数として生成された分類器であることを特徴とする分類方法。
コンピュータを、
携帯端末の測位情報に基づき、前記携帯端末のユーザの滞在地を検出し、前記検出した滞在地のクラスタ（以下、滞在地クラスタ）を生成する生成手段、
前記生成された滞在地クラスタについて、滞在地クラスタについて定義されている特徴の値を算出する算出手段、
前記携帯端末のユーザに関連付けられた所定の行動拠点の位置情報を参照し、前記生成された滞在地クラスタが、前記所定の行動拠点に分類されるか否かを判定する判定手段、
前記算出された特徴の値と前記判定結果とに基づいて教師付き学習を行い、前記特徴を説明変数とし、滞在地クラスタが所定の行動拠点に分類されるか否かを目的変数とする分類器を生成する分類器生成手段
を備えた分類器構築装置として機能させるためのプログラム。
コンピュータを、
分類器を記憶する記憶手段、
携帯端末の測位情報に基づき、前記携帯端末のユーザの滞在地を検出し、前記検出した滞在地のクラスタ（以下、滞在地クラスタ）を生成する生成手段、
前記生成された滞在地クラスタについて、滞在地クラスタについて定義されている特徴の値を算出する算出手段、
前記算出された特徴の値を説明変数として用いて、前記記憶された分類器により、前記生成手段により生成された滞在地クラスタを分類する分類手段
を備え、
前記分類器は、携帯端末の測位情報に基づき当該携帯端末のユーザの滞在地を検出し、当該検出した分類器用滞在地クラスタを生成し、当該生成された分類器用滞在地クラスタについて、滞在地クラスタについて定義されている特徴の値を算出し、前記携帯端末のユーザに関連付けられた所定の行動拠点の位置情報を参照して、前記生成された分類器用滞在地クラスタが、前記所定の行動拠点に分類されるか否かを判定し、前記算出された特徴の値と前記判定結果とに基づいて教師付き学習を行い、前記特徴を説明変数とし、滞在地クラスタが所定の行動拠点に分類されるか否かを目的変数として生成された分類器である、分類装置として機能させるためのプログラム。