JP6468876B2 - 移動分析装置、移動分析方法および移動分析プログラム - Google Patents
移動分析装置、移動分析方法および移動分析プログラム Download PDFInfo
- Publication number
- JP6468876B2 JP6468876B2 JP2015029345A JP2015029345A JP6468876B2 JP 6468876 B2 JP6468876 B2 JP 6468876B2 JP 2015029345 A JP2015029345 A JP 2015029345A JP 2015029345 A JP2015029345 A JP 2015029345A JP 6468876 B2 JP6468876 B2 JP 6468876B2
- Authority
- JP
- Japan
- Prior art keywords
- cluster
- detection unit
- movement
- information
- clustering
- 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.)
- Active
Links
Images
Landscapes
- Mobile Radio Communication Systems (AREA)
- Telephonic Communication Services (AREA)
Description
なお、非特許文献1では、S1アプリケーション(S1 Application)のプロトコル(Protocol)を規定しているが、UEの状態管理を行うことはできない。
従来技術においては、UEを利用するユーザ(利用者)の移動手段を推定することはできず、また、UEのユーザの移動手段と当該UEの状態を同時に測定し、相互の関係を管理することはできない。
図1は、本発明の一実施形態に係る通信システム1の概略的な構成を示すブロック図である。
本実施形態では、LTEのネットワークに適用した場合を示す。
LTEのネットワークは、eUTRAN(evolved Universal Terrestrial Radio Network)と呼ばれる無線ネットワークと、EPC(Evolved Packet Core)と呼ばれるコアネットワークから構成されている。
eUTRANは、eNodeBのみで構成される。
EPCは、MME、SGW(Serving Gateway)、PGW(PDN(Packet Data Network) Gateway)、HSSなど、複数の装置群によって構成される。
eNodeB12−1は、回線101−1を介して、MME13と接続されている。
eNodeB12−2は、回線101−2を介して、MME13と接続されている。
ここで、回線101−1および回線101−2は、S1−MMEのインタフェースの回線である。
MME13は、回線111−1を介して、SGW14と接続されている。
SGW14は、回線111−2を介して、PGW15と接続されている。
MME13は、回線111−3を介して、HSS16と接続されている。
ここで、回線111−3は、S6aのインタフェースの回線である。
本実施形態では、移動分析装置201が独立な装置として、通信システム1に備えられている。または、移動分析装置201の機能が、通信システム1におけるいずれかの装置(例えば、MME13または他の装置)に備えられてもよい。または、移動分析装置201の機能が、通信システム1における2個以上の装置に分散されて備えられてもよい。
移動分析部214は、位置検出部231と、移動速度検出部232と、クラスタリング部233と、類似性検出部234と、同行数検出部235と、マッピング部236を備える。
入力部211は、情報を入力する。入力部211は、例えば、他の装置から情報を入力してもよく、または、操作部を有し、人により行われた当該操作部の操作の情報を受け付けて入力してもよい。
出力部212は、情報を出力する。出力部212は、例えば、他の装置に情報を出力してもよく、一例として、ディスプレイ装置などの表示装置の画面に情報を表示出力してもよい。
記憶部213は、情報を記憶する。
移動分析部214は、UEの移動に関する分析を行う。
状態検出部215は、UEの通信状態の検出(本実施形態では、推定的な検出)を行う。
入力部211は、移動分析部214においてUEの移動に関する分析を行う際に使用される情報を入力する。具体例として、入力部211は、UEの識別情報(ID)、制御信号の発生時刻の情報、eNodeBの識別情報(ID)、およびeNodeBの位置の情報を入力する。
ここで、UEのIDとしては、複数のUEのそれぞれを識別することが可能な情報が用いられ、UEの同一性を識別することが可能な情報が用いられる。
制御信号の発生時刻の情報としては、UEのハンドオーバの発生時刻の情報、または、それに近いとみなされる時刻の情報が用いられる。
eNodeBのIDとしては、UEのハンドオーバ元のeNodeBのID、および、UEのハンドオーバ先のeNodeBのIDが用いられる。なお、例えば、UEが各eNodeBに収容されていた時刻(時間帯)を把握することも可能である。
eNodeBの位置の情報としては、通信システム1に備えられた所定のデータベース(基地局データベース)に記憶された情報に基づいて取得される。このデータベースには、各eNodeBのIDおよび設置された位置の情報が記憶されている。
一例として、この情報は、S1−MMEのインタフェースを流れるデータ・パケットをキャプチャしてモニタリングし、制御信号をUE単位にマッピングする処理、マッピングされた制御信号のシーケンスを解析する処理により、取得されてもよい。この場合、UEの状態の管理が、TMSI(Temporary Mobility Subscriber Identity)の単位で行われてもよい。
他の構成例として、この情報が、移動分析装置201の内部の機能により取得されてもよい。この場合、入力部211は、この情報を取得するために使用される情報を入力する。
入力部211には、移動分析装置201における処理に必要な情報のみが入力されてもよく、または、それ以外の情報も含めて入力されて、移動分析装置201における処理に必要な情報が抽出されてもよい。
また、出力部212は、例えば、移動分析部214により行われた分析の結果などの情報を出力してもよい。
これらの処理を順に説明する。
位置検出部231は、UEの位置に関する情報を検出(本実施形態では、推定的に検出)する。
ここで、本実施形態では、UEの状態を管理することが可能な信号(シグナル)のうち、ハンドオーバに関わるもの(ハンドオーバシグナル)を抽出して使用する。この抽出の処理は、例えば、移動分析装置201の外部で行われて抽出された情報が入力部211に入力されてもよく、または、他の構成例として、位置検出部231により行われてもよい。
本実施形態では、ハンドオーバの前後における2個のeNodeB(ハンドオーバ元のeNodeBおよびハンドオーバ先のeNodeB)の中間地点にUEが位置したときに当該ハンドオーバが発生したとみなす。なお、本例は、ハンドオーバ時におけるUEの位置を簡単にして求めるものであり、周波数、建物、出力電波強度の影響を考慮しない場合であるが、ハンドオーバ時におけるUEの位置は、他の位置に定義されてもよい。
本実施形態では、連続する2個のハンドオーバについて、ハンドオーバ時におけるUEの位置を地図上で結んだ直線が、ユーザ移動経路(UEの移動経路)とみなされる。
図3には、5個のeNodeB301−1〜301−5を示してある。また、UEについて、当該UEが収容されるeNodeB301−1〜301−5の変化(eNodeBの切り替え)を表す線として、ハンドオーバ元のeNodeBとハンドオーバ先のeNodeBとを結ぶ線(ハンドオーバ線)を示してある。また、このハンドオーバ線の中点を、ハンドオーバ時におけるUEの位置を表すハンドオーバポイントh1〜h5として示してある。また、ユーザ移動経路の推定結果を表す線として、ハンドオーバポイントh1〜h5を時系列の順(図3の例では、h1〜h5の順)で結んだ線を示してある。
位置検出部231は、例えば、UEごとに、UEのハンドオーバに関する位置の情報を演算して取得する。
移動速度検出部232は、位置検出部231により検出された情報に基づいて、時刻に対するユーザ移動速度(UEの移動速度)を検出(本実施形態では、推定的に検出)する。移動速度検出部232は、ユーザ移動経路の距離と、当該距離の移動に要した時間に基づいて、当該ユーザ移動速度を演算する。ユーザ移動経路の距離はeNodeBの位置の情報を用いて把握され、当該距離の移動に要した時間は制御信号の発生時刻の情報を用いて把握される。また、時刻は、制御信号の発生時刻の情報に基づいて決定される。
図4には、図3に示されるものと同じ3個のeNodeB301−1〜301−3と、eNodeB301−1からeNodeB301−3へのハンドオーバに関するハンドオーバ線およびハンドオーバポイントh1と、eNodeB301−3からeNodeB301−2へのハンドオーバに関するハンドオーバ線およびハンドオーバポイントh2と、これらのハンドオーバポイントh1、h2を結ぶユーザ移動経路を示してある。
移動速度検出部232は、eNodeBの位置の情報(図4の例では、eNodeB301−1〜301−3の位置の情報)に基づいて、当該ユーザ移動経路の距離d1を演算する。また、移動速度検出部232は、各ハンドオーバポイントにUEが位置する時刻(図4の例では、各ハンドオーバポイントh1、h2にUEが位置する時刻t1、t2)を、該当するハンドオーバに関する制御信号の発生時刻であるとみなす。そして、移動速度検出部232は、UEごとに、式(1)により、それぞれのユーザ移動経路に関するユーザ移動速度vを演算して取得する。式(1)において、距離d>0、かつ、移動前の時刻tbefore<移動後の時刻tafter、である。図4の例では、d=d1であり、tbefore=t1であり、tafter=t2である。
v=d/(tafter−tbefore) ・・(1)
クラスタリング部233は、管理されたすべてのユーザ移動経路のそれぞれについて、時間(時刻)および速度の観点で、クラスタリングを行う。
ここで、クラスタリングのアルゴリズムとしては、例えば、サンプルをn(nは、例えば、2以上の整数)個のグループに分類する様々な方式が用いられてもよい。
まず、クラスタ化により生成されるクラスタ(既存のクラスタ)に格納されるすべてのサンプル(最初は1個で次第に増加し得る)について、時刻tSおよび速度vSが管理されている。クラスタに格納されるすべてのサンプルに対して、分類対象となる他のサンプル(時刻tO、速度vO)について、vTH≧|vO−vS|が満たされる場合、|tO−tS|を演算する。ここで、|vO−vS|は(vO−vS)の絶対値を表し、|tO−tS|は(tO−tS)の絶対値を表す。また、vTHは所定の正の値であり、任意に設定されてもよい。
この場合、次に、クラスタに格納されるすべてのサンプルに対して、|tO−tS|を演算して、当該演算結果の最小値を求める。当該最小値となるとき、tS=tMとする。当該最小値がtTH以下となる場合(つまり、tTH≧|tO−tM|となる場合)、前記した分類対象となる他のサンプル(時刻tO、速度vO)を、前記した既存のクラスタに追加する。tTHは所定の正の値であり、任意に設定されてもよい。
一方、前記した分類対象となる他のサンプル(時刻tO、速度vO)が既存のクラスタに追加されない場合には、当該サンプル(時刻tO、速度vO)を新しいクラスタに格納する。
なお、時刻tとしては、ユーザ移動経路の始点における時刻が用いられてもよく、または、ユーザ移動経路の終点における時刻が用いられてもよく、または、これら2個の時刻の平均値などが用いられてもよい。
図5に示されるグラフにおいて、横軸は時刻tを表わしており、縦軸は速度vを表わしている。図5の例では、時刻t=T1の付近で生成されたクラスタ401、時刻t=T2の付近で生成されたクラスタ402、および時刻t=T3の付近で生成されたクラスタ403が示されている。
各クラスタ401〜403には、複数のサンプルが格納されている。クラスタ401には、UEのIDが1〜10である異なる10個のUEのサンプルが格納されている。クラスタ402には、UEのIDが11〜18である異なる8個のUEのサンプルが格納されている。クラスタ403には、UEのIDが21〜28である異なる8個のUEのサンプルが格納されている。なお、図5では、各UEのIDを示すことで、各サンプルを区別している。また、各UEには異なるIDが設定されるとする。
これから、推定の一例として、クラスタ401に格納される複数のUEは同一の移動手段(本実施形態では、電車)に搭乗していると推定され、クラスタ402に格納される複数のUEは同一の移動手段(本実施形態では、電車)に搭乗していると推定され、クラスタ403に格納される複数のUEは同一の移動手段(本実施形態では、電車)に搭乗していると推定される。ここで、これら3個の電車は、時刻(T1、T2、T3)が異なるため、互いに異なると推定される。
但し、各クラスタ401〜403について、同一の移動手段に搭乗していないUEが、偶然に格納されることもあり得る。また、各クラスタ401〜403について、時刻tおよび速度vに関する誤差は、例えば、各UEのハンドオーバのタイミングのずれなどに起因し得るものであり、また、電車であれば各UEが搭乗している車両の違いなどに起因し得る。
上記の処理では、1個のユーザ移動経路についてUEの移動に関する分析を行った。本処理以降では、複数のユーザ移動経路についてUEの移動に関する分析を行う。
類似性検出部234は、複数のユーザ移動経路について、UEの移動の類似性を表す指標値を算出(演算)して検出することなどを行う。
類似性検出部234は、各UEについて、所定の条件を満たす他のUEを検出する。当該所定の条件としては、対象となるUE(対象UE)に対して、同一のユーザ移動経路における同一のクラスタに格納されている回数Ntogetherが所定値NTH以上となる他のUE(他UE)を検出する、という条件が用いられる。当該所定値NTHとしては、1以上の任意の整数が設定されてもよい。
本例では、類似性検出部234は、それぞれの対象UEごとに、すべての他UEに関して、同一のユーザ移動経路における同一のクラスタに格納されている回数Ntogether(本実施形態では、UEの移動の類似性を表す指標値)をカウントして算出する。そして、類似性検出部234は、算出された回数Ntogetherが所定の閾値(所定値NTH)以上となるか否かを判定し、そうである場合には、該当する対象UEと他UEは一緒に行動(本実施形態では、移動)しているUE(同行ユーザ)であると判定する。そして、類似性検出部234は、当該判定の結果の情報を管理する。この情報は、例えば、記憶部213に記憶されてもよい。
なお、類似性検出部234は、算出された回数Ntogetherが所定の閾値(所定値NTH)未満である場合には、該当する対象UEと他UEは一緒に行動(本実施形態では、移動)していないUE(非同行ユーザ)であると判定する。
図6には、複数のeNodeB501−1〜501−11を示してある。また、ハンドオーバ線の中点を、ハンドオーバ時におけるUEの位置を表すハンドオーバポイントhP1〜hP8として示してある。また、ユーザ移動経路の推定結果(検出結果)を表す線として、ハンドオーバポイントhP1〜hP8を時系列の順(図6の例では、hP1〜hP8の順)で結んだ線(ユーザ移動経路P1〜P7)を示してある。また、1個の移動手段(本実施形態では、電車)の移動経路531を示してある。
図6の例では、同一の移動経路531を走行する同一の移動手段に搭乗した複数のUEは、同一または付近の時刻で、同一のユーザ移動経路P1〜P7を経由して移動すると推定される。
図7(A)は、ユーザ移動経路P1についてクラスタ化の結果の例を示す図である。
図7(B)は、ユーザ移動経路P2についてクラスタ化の結果の例を示す図である。
図7(C)は、ユーザ移動経路P3についてクラスタ化の結果の例を示す図である。
図7(A)、図7(B)および図7(C)に示されるグラフにおいて、横軸は時刻tを表わしており、縦軸は速度vを表わしている。
図7(A)の例では、時刻t=T11の付近で生成されたクラスタ601が示されている。
図7(B)の例では、時刻t=T12の付近で生成されたクラスタ602が示されている。
図7(C)の例では、時刻t=T13の付近で生成されたクラスタ603が示されている。
各クラスタ601〜603には、複数のサンプルが格納されている。なお、図7(A)、図7(B)および図7(C)では、各UEのIDを示すことで、各サンプルを区別している。また、各UEには異なるIDが設定されるとする。
同行数検出部235は、処理対象とするすべてのユーザ移動経路および処理対象とするすべてのクラスタについて、ユーザの同行数(同行ユーザ数)Lsimilarをカウント(演算)して検出する。
ここで、1個のクラスタについて、同行ユーザ数Lsimilarとしては、本実施形態では、当該クラスタに格納される各UEについての同行ユーザの数を、当該クラスタに格納されるすべてのUEについて総和した結果の値が用いられる。他の構成例として、1個のクラスタについて同行ユーザ数Lsimilarを決定する場合に、例えば、当該クラスタに格納される複数のUEの間で互いに同行ユーザである分(重複する分)についてはカウントしない構成が用いられてもよく、または、当該クラスタに格納されるUEのうちで同行ユーザの数が最も大きい値であるUEの値(当該同行ユーザ数)を採用する構成などが用いられてもよい。
また、すべてのクラスタを処理対象とする場合、例えば、移動分析装置201において把握されたすべてのクラスタが処理対象とされてもよく、または、クラスタに対応する時刻などに応じて、同時に分析を行う対象とするクラスタの集合が設定されて、その集合ごとに処理対象とされてもよい。具体例として、同時に分析を行う必要がないほど離れた時刻(例えば、所定の閾値以上離れた時刻)に対応するクラスタを同時に分析の対象としない構成が用いられてもよい。
本実施形態では、処理対象とするユーザ移動経路の集合Cおよび処理対象とするクラスタの集合cを合わせた集合{C、c}を処理対象とする。
なお、同行数検出部235は、処理対象とする各クラスタについて、算出された同行ユーザ数Lsimilarが所定の閾値(所定値LTH)未満である場合には、該当するクラスタは、所定の移動手段(本実施形態では、電車)の移動が反映されていないクラスタであると判定する。
マッピング部236は、同行数検出部235により所定の移動手段(本実施形態では、電車)の移動が反映されたクラスタ(移動対応クラスタ)であると判定されたクラスタおよび他のクラスタについて、ユーザ移動経路およびクラスタの時間推移を判定して、移動手段に関するマッピングを行う。当該判定の仕方(精査の仕方)は、例えば、あらかじめ、規定される。また、マッピング部236は、例えば、すべてのUEに関する情報について、当該判定および当該マッピングを行う。また、マッピング部236は、例えば、不自然な移動手段の変化が無いように、所定の補正を行ってもよい。
移動手段に関するマッピングのアルゴリズムの一例を示す。
本例のアルゴリズムでは、処理対象とするすべてのユーザ移動経路における処理対象とするすべてのクラスタのうち、対象のUEが移動対応クラスタに格納されている(所属している)期間は、当該UEは移動手段に搭乗していると判定する。
また、本例のアルゴリズムでは、移動対応クラスタ以外のクラスタのうち、十分に短い時間(所定の閾値未満である時間)に生起した2個の移動対応クラスタに時間推移で挟まれたクラスタに対象のUEが格納されている(所属している)期間は、当該UEは移動手段に搭乗しているとみなして判定する。直感的には、このような移動対応クラスタ以外のクラスタは、所定の移動手段が所定の場所(本実施形態では、電車の駅)に停車中の状態である事象が反映されたものであるとみなし、所定の移動手段に搭乗中であるとみなす。
また、本例のアルゴリズムでは、上記に該当するクラスタ以外のクラスタに対象のUEが格納されている(所属している)期間は、当該UEは所定の移動手段に搭乗していないと判定する。
このようなアルゴリズムは、所定の移動手段の移動軌跡を追跡(トラッキング)することを可能とする。
図8(A)は、ユーザ移動経路P6における1個のクラスタ606の例を示す図である。
図8(B)は、ユーザ移動経路P7における1個のクラスタ607の例を示す図である。
図8(A)および図8(B)に示されるグラフにおいて、横軸は時刻tを表わしており、縦軸は速度vを表わしている。
図8(A)の例では、時刻t=T21の付近で生成されたクラスタ606が示されている。
図8(B)の例では、時刻t=T22の付近で生成されたクラスタ607が示されている。
各クラスタ606、607には、複数のサンプルが格納されている。なお、図8(A)および図8(B)では、各UEのIDを示すことで、各サンプルを区別している。また、各UEには異なるIDが設定されるとする。
図8(A)および図8(B)の例では、マッピング部236は、UEのIDが1、2、3、6、7、8であるUEについては、同一の移動手段に対応すると推定(検出)されるクラスタ606,607(移動対応クラスタ)に格納されることから、当該移動手段に搭乗していると判定する。
状態検出部215は、UEの状態を検出(本実施形態では、推定的に検出)する。また、状態検出部215は、検出されたUEの状態と、移動分析部214により検出された当該UEの移動の状況とを対応付ける。UEの状態の情報、およびUEの状態と当該UEの移動の状況との対応付けの情報は、例えば、記憶部213に記憶されてもよい。
なお、UEの状態としては、様々な状態が用いられてもよい。また、UEの状態を検出(推定)する手法としては、様々な手法が用いられてもよい。
この場合、状態検出部215は、UEがアイドル状態からアクティブ状態へ状態遷移したことを表す情報を取得する。この情報は、S1−MMEのインタフェースを流れるデータ・パケットをキャプチャしてモニタリングし、制御信号をUE単位にマッピングする処理、マッピングされた制御信号のシーケンスを解析する処理により、取得されてもよい。この場合、UEの状態の管理が、TMSIの単位で行われてもよい。
また、この情報は、例えば、移動分析装置201の外部の機能により抽出されて入力部211に入力されることで、状態検出部215により取得されてもよく、または、この情報を取得するために使用される情報が入力部211に入力されて、移動分析装置201の内部の機能(ここでは、状態検出部215)により取得されてもよい。
また、UEの状態の情報の集計として、例えば、所定のeNodeBに収容されるUEの状態の情報の集計(基地局単位の集計)が行われてもよく、または、任意の所定のエリアに存在するUEの状態の情報の集計(エリア単位の集計)が行われてもよい。
これにより、UEの状態と当該UEの移動の状況とが対応付けられる。そして、この対応付けに基づいて、UEの状態と当該UEの移動の状況との関係の検出(例えば、推定的な検出)を行うことが可能である。一例として、「電車に乗っているUEは、電車に乗っていないUEと比べて、アクティブ状態であることの割合が多い」つまり「電車に乗っているUEのユーザは、電車に乗っていないUEのユーザと比べて、UEをアクティブ状態として利用していることの割合が多い」といったことを検証することが可能となる。
このような検証(例えば、推定的な検証)は、例えば、あらかじめ定められた処理手順によって移動分析装置201により行われてもよく、または、人により行われてもよい。このような検証が人により行われる場合、移動分析装置201は、出力部212により、当該検証に必要な情報を人に提示してもよい。
また、本実施形態に係る移動分析装置201では、UEの状態を検出して管理することができる。また、UEの状態と当該UEの移動の状況との相関関係を検出して管理することができ、例えば、UEの通信行動と移動手段とを同時に管理することが可能である。例えば、UEの通信行動と移動手段との相互関係を管理することで、ネットワークの負荷を予測することが可能である。
このように、本実施形態に係る移動分析装置201では、端末装置(本実施形態では、UE)の移動に関する分析を行うことができる。
また、本実施形態では、ハンドオーバに関する情報に基づいて、UEの移動に関する分析が行われたが、他の構成例として、ハンドオーバ以外に関する情報が用いられてもよく、例えば、時刻とUEの速度(移動速度)との関係が把握される情報が用いられる。
また、本実施形態では、LTEのネットワークにおけるUE(端末装置の一例)およびeNodeB(基地局装置の一例)が用いられたが、他の構成例として、様々な通信システムに適用されてもよい。
一構成例として、移動分析装置201は、クラスタリング部233により生成されたクラスタに基づいて、複数の端末装置について類似性に関する情報を検出する類似性検出部234と、類似性検出部234により検出された情報に基づいて、クラスタについて、端末装置の同行数に関する情報を検出する同行数検出部235と、同行数検出部235により検出された情報に基づいて、クラスタについて、時間推移を判定して、移動手段に関するマッピングを行うマッピング部236と、を備える。
一構成例として、移動分析装置201は、端末装置の状態に関する情報を検出し、端末装置の状態と端末装置の移動の状況とを対応付ける状態検出部215を備える。
一構成例として、移動分析装置201では、位置検出部231および移動速度検出部232は、複数の基地局装置(本実施形態では、eNodeB)の間における端末装置のハンドオーバに関する情報に基づいて、情報を検出する。
一構成例として、移動分析プログラム(本実施形態では、移動分析装置201において行われる処理を実現するプログラム)では、端末装置の位置に関する情報を検出するステップ(位置検出ステップ)と、位置検出ステップにより検出された情報に基づいて、時刻に対する端末装置の移動速度に関する情報を検出するステップ(移動速度検出ステップ)と、移動速度検出ステップにより検出された情報に基づいて、時刻に対する移動速度に関して、複数の端末装置のクラスタリングを行ってクラスタを生成するステップ(クラスタリングステップ)と、をコンピュータに実行させるためのプログラムである。
なお、ここでいう「コンピュータシステム」とは、オペレーティングシステム(OS:Operating System)あるいは周辺機器等のハードウェアを含むものであってもよい。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ROM(Read Only Memory)、フラッシュメモリ等の書き込み可能な不揮発性メモリ、DVD(Digital Versatile Disk)等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。
さらに、「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークあるいは電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ(例えばDRAM(Dynamic Random Access Memory))のように、一定時間プログラムを保持しているものも含むものとする。
また、上記のプログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク(通信網)あるいは電話回線等の通信回線(通信線)のように情報を伝送する機能を有する媒体のことをいう。
また、上記のプログラムは、前述した機能の一部を実現するためのものであってもよい。さらに、上記のプログラムは、前述した機能をコンピュータシステムに既に記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル(差分プログラム)であってもよい。
Claims (6)
- 端末装置の位置に関する情報を検出する位置検出部と、
前記位置検出部により検出された情報に基づいて、時刻に対する前記端末装置の移動速度に関する情報を検出する移動速度検出部と、
前記移動速度検出部により検出された情報に基づいて、時刻に対する移動速度に関して、複数の前記端末装置のクラスタリングを行ってクラスタを生成するクラスタリング部と、
前記クラスタリング部により生成されたクラスタに基づいて、複数の前記端末装置について類似性に関する情報を検出する類似性検出部と、
前記類似性検出部により検出された情報に基づいて、前記クラスタについて、前記端末装置の同行数に関する情報を検出する同行数検出部と、
を備え、
前記類似性検出部は、前記クラスタリング部により生成された前記クラスタについて、異なる前記端末装置が同一の前記クラスタに格納されている回数が所定の閾値以上となる場合に、これら異なる前記端末装置が同行していると判定し、
前記同行数検出部は、前記類似性検出部による判定結果に基づいて、前記クラスタごとの同行数をカウントし、カウントされた前記同行数が所定の閾値以上となる前記クラスタを、移動が反映された前記クラスタであると判定する、
移動分析装置。 - 前記同行数検出部により検出された情報に基づいて、前記クラスタについて、時間推移を判定して、移動手段に関するマッピングを行うマッピング部を備える、
請求項1に記載の移動分析装置。 - 前記端末装置の状態に関する情報を検出し、前記端末装置の状態と前記端末装置の移動
の状況とを対応付ける状態検出部を備える、
請求項1または請求項2のいずれか1項に記載の移動分析装置。 - 前記位置検出部および前記移動速度検出部は、複数の基地局装置の間における前記端末
装置のハンドオーバに関する情報に基づいて、情報を検出する、
請求項1から請求項3のいずれか1項に記載の移動分析装置。 - 位置検出部が、端末装置の位置に関する情報を検出し、
移動速度検出部が、前記位置検出部により検出された情報に基づいて、時刻に対する前記端末装置の移動速度に関する情報を検出し、
クラスタリング部が、前記移動速度検出部により検出された情報に基づいて、時刻に対する移動速度に関して、複数の前記端末装置のクラスタリングを行ってクラスタを生成し、
類似性検出部が、前記クラスタリング部により生成されたクラスタに基づいて、複数の前記端末装置について類似性に関する情報を検出し、
同行数検出部が、前記類似性検出部により検出された情報に基づいて、前記クラスタについて、前記端末装置の同行数に関する情報を検出し、
前記類似性検出部は、前記クラスタリング部により生成された前記クラスタについて、異なる前記端末装置が同一の前記クラスタに格納されている回数が所定の閾値以上となる場合に、これら異なる前記端末装置が同行していると判定し、
前記同行数検出部は、前記類似性検出部による判定結果に基づいて、前記クラスタごとの同行数をカウントし、カウントされた前記同行数が所定の閾値以上となる前記クラスタを、移動が反映された前記クラスタであると判定する、
移動分析方法。 - 端末装置の位置に関する情報を検出する位置検出ステップと、
前記位置検出ステップにより検出された情報に基づいて、時刻に対する前記端末装置の移動速度に関する情報を検出する移動速度検出ステップと、
前記移動速度検出ステップにより検出された情報に基づいて、時刻に対する移動速度に関して、複数の前記端末装置のクラスタリングを行ってクラスタを生成するクラスタリングステップと、
前記クラスタリングステップにより生成されたクラスタに基づいて、複数の前記端末装置について類似性に関する情報を検出する類似性検出ステップと、
前記類似性検出ステップにより検出された情報に基づいて、前記クラスタについて、前記端末装置の同行数に関する情報を検出する同行数検出ステップと、
をコンピュータに実行させるための移動分析プログラムであって、
前記類似性検出ステップは、前記クラスタリングステップにより生成された前記クラスタについて、異なる前記端末装置が同一の前記クラスタに格納されている回数が所定の閾値以上となる場合に、これら異なる前記端末装置が同行していると判定し、
前記同行数検出ステップは、前記類似性検出ステップによる判定結果に基づいて、前記クラスタごとの同行数をカウントし、カウントされた前記同行数が所定の閾値以上となる前記クラスタを、移動が反映された前記クラスタであると判定する、
移動分析プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015029345A JP6468876B2 (ja) | 2015-02-18 | 2015-02-18 | 移動分析装置、移動分析方法および移動分析プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015029345A JP6468876B2 (ja) | 2015-02-18 | 2015-02-18 | 移動分析装置、移動分析方法および移動分析プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016152527A JP2016152527A (ja) | 2016-08-22 |
JP6468876B2 true JP6468876B2 (ja) | 2019-02-13 |
Family
ID=56696947
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015029345A Active JP6468876B2 (ja) | 2015-02-18 | 2015-02-18 | 移動分析装置、移動分析方法および移動分析プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6468876B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10506380B2 (en) * | 2016-12-22 | 2019-12-10 | Nokia Solutions And Networks Oy | User motion profiling based on user equipment cell location |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5417214B2 (ja) * | 2010-02-12 | 2014-02-12 | 株式会社Kddi研究所 | 移動通信システム |
JP2012008957A (ja) * | 2010-06-28 | 2012-01-12 | Navitime Japan Co Ltd | 位置特定システム、サーバ装置、端末装置、位置特定方法、および、プログラム |
US9530081B2 (en) * | 2011-10-03 | 2016-12-27 | Nec Corporation | Similarity detecting apparatus and directional nearest neighbor detecting method |
JP2013251849A (ja) * | 2012-06-04 | 2013-12-12 | Kyocera Corp | 基地局及びその制御方法 |
CN111586783B (zh) * | 2012-12-10 | 2022-07-19 | 索尼公司 | 管理设备、通信设备、运动估计设备、***、方法和介质 |
-
2015
- 2015-02-18 JP JP2015029345A patent/JP6468876B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2016152527A (ja) | 2016-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Michalevsky et al. | {PowerSpy}: Location Tracking Using Mobile Device Power Analysis | |
CN106131784B (zh) | 一种嫌疑号码确定方法、装置和*** | |
US9532291B2 (en) | Network system and communication log analyzer | |
Jin et al. | Impact of primary user emulation attacks on dynamic spectrum access networks | |
US9954778B2 (en) | Gateways for sensor data packets in cellular networks | |
US10313278B2 (en) | Contact matching method, instant messaging client, server and system | |
Das et al. | Contextual localization through network traffic analysis | |
US20170213444A1 (en) | System and method for prediction of threatened points of interest | |
US8976689B2 (en) | Methods, systems, and computer program products for monitoring network performance | |
Gebru | A privacy-preserving scheme for passive monitoring of people’s flows through WiFi beacons | |
JP6468876B2 (ja) | 移動分析装置、移動分析方法および移動分析プログラム | |
US20150281986A1 (en) | Server device capable of analyzing communication behavior, control device, control method for mobile terminal, and computer readable medium | |
Gebru et al. | IoT-based mobility tracking for smart city applications | |
Li et al. | Drone profiling through wireless fingerprinting | |
Song et al. | Real-time public transport service-level monitoring using passive WiFi: a spectral clustering approach for train timetable estimation | |
Håkegård et al. | Statistical modelling for estimation of OD matrices for public transport using Wi-Fi and APC data | |
US20160189160A1 (en) | System and method for deanonymization of digital currency users | |
JP6661298B2 (ja) | 管理装置、管理方法およびプログラム | |
CN106130764B (zh) | 一种监控视频直播间数据服务是否可用的方法及*** | |
WO2021008393A1 (zh) | 一种无线小区的覆盖黑洞识别方法及*** | |
US9326098B1 (en) | Identifying suspects and witness to shooting based on examination of calls made after shooting | |
Torkamandi et al. | Characterizing wi-fi probing behavior for privacy-preserving crowdsensing | |
JP6169954B2 (ja) | サービス推定装置及び方法 | |
KR20200077703A (ko) | Ict 기반 사회재난에 대한 스마트 서비스 운영 방법 | |
Mikkelsen et al. | Accurate bus occupancy estimation for WLAN probing utilising probabilistic models |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170828 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20170829 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180823 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180828 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20181010 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20181011 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20190108 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190115 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6468876 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |