JP7410510B2 - 位置推定装置、位置推定方法及び位置推定プログラム - Google Patents

位置推定装置、位置推定方法及び位置推定プログラム Download PDF

Info

Publication number
JP7410510B2
JP7410510B2 JP2020020395A JP2020020395A JP7410510B2 JP 7410510 B2 JP7410510 B2 JP 7410510B2 JP 2020020395 A JP2020020395 A JP 2020020395A JP 2020020395 A JP2020020395 A JP 2020020395A JP 7410510 B2 JP7410510 B2 JP 7410510B2
Authority
JP
Japan
Prior art keywords
information
received signal
signal strength
rssi
user terminal
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
Application number
JP2020020395A
Other languages
English (en)
Other versions
JP2021124478A (ja
Inventor
英裕 最首
Original Assignee
株式会社グルーヴノーツ
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 株式会社グルーヴノーツ filed Critical 株式会社グルーヴノーツ
Priority to JP2020020395A priority Critical patent/JP7410510B2/ja
Publication of JP2021124478A publication Critical patent/JP2021124478A/ja
Application granted granted Critical
Publication of JP7410510B2 publication Critical patent/JP7410510B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Navigation (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Description

本発明は、位置推定装置、位置推定方法及び位置推定プログラムに関する。
携帯電話、スマートフォン等のユーザ端末の普及により、当該ユーザ端末の位置を利用するサービスが増加している。当該ユーザ端末の位置は、一般に、全地球測位システム（Global Positioning System（ＧＰＳ））衛星からの信号を利用する場合が多い。一方、例えば、ショッピングモール、空港、駅等の施設内では、ＧＰＳ衛星からの信号を適切に受信できないことも想定される。
このため、無線Local Area Network（ＬＡＮ）（Ｗｉ－Ｆｉ（登録商標）ともいう）（例えば、ＩＥＥＥ８０２．１１ｎ、ＩＥＥＥ８０２．１１ａｃ等）を用いて受信される信号の強度を示す情報（受信信号強度情報）を用いてユーザ端末の位置を推定する種々の方法が検討されている（例えば、特許文献１）。特許文献１では、無線ＬＡＮのアクセスポイント（ＡＰ）において受信されるユーザ端末からの信号のＲＳＳＩを用いて、施設内のユーザ端末の位置が推定される。
特開２０１８－２０５２４９号公報
近年、ショッピングモール、空港、駅等の施設には、無線ＬＡＮのアクセスポイントが設置されている。また、ユーザ端末は、無線ＬＡＮを用いた通信機能を一般に搭載している。このため、無線ＬＡＮにおける受信信号強度情報を用いたユーザ端末の位置推定は、既存設備を利用することができ、導入コストを抑制できる。しかしながら、アクセスポイントのカバーエリアは半径数メートル程度に限られ、アクセスポイントとユーザ端末との間には障害物が生じる場合もある。このため、無線ＬＡＮにおける受信信号強度情報に基づいて推定されるユーザ端末の位置には、誤差が生じる場合が多いという問題点があった。
そこで、本発明は、無線ＬＡＮにおける受信信号強度情報に基づくユーザ端末の位置の推定精度を向上可能な位置推定装置、位置推定方法及び位置推定プログラムを提供することを目的の一つとする。
本発明の一態様に係る位置推定装置は、一以上のアクセスポイントにおける所定装置からの信号の強度を示す受信信号強度情報と、所定領域内における前記所定装置の位置を示す位置情報と、を対応付けた学習用データを用いた機械学習により生成される位置推定モデルを記憶する記憶部と、前記一以上のアクセスポイントにおけるユーザ端末からの信号の強度を示す受信信号強度情報を取得する取得部と、前記取得された受信信号強度情報を前記位置推定モデルに入力して、前記所定領域内における前記ユーザ端末の位置を推定する推定部と、を備える。
この態様によれば、一以上のアクセスポイントにおけるユーザ端末からの信号の強度を示す受信信号強度情報を上記位置推定モデルに入力して、所定領域内におけるユーザ端末の位置が推定されるので、当該受信信号強度情報に基づくユーザ端末の位置の推定精度を向上できる。
上記態様において、前記受信信号強度情報に関連付けられる日時と前記位置情報に関連付けられる日時とが所定の時間範囲内であるか否かに基づいて、前記学習用データにおける前記受信信号強度情報と前記位置情報との対応付けが決定されてもよい。
この態様によれば、上記位置推定モデルの生成に用いる学習用データを適切に生成できるので、上記受信信号強度情報を上記位置推定モデルに入力して推定されるユーザ端末の位置の推定精度を向上できる。
上記態様において、前記受信信号強度情報に関連付けられる端末識別情報と前記位置情報に関連付けられる端末識別情報とが同一であるか否かに基づいて、前記学習用データにおける前記受信信号強度情報と前記位置情報との対応付けが決定されてもよい。
この態様によれば、上記位置推定モデルの生成に用いる学習用データを適切に生成できるので、上記受信信号強度情報を上記位置推定モデルに入力して推定されるユーザ端末の位置の推定精度を向上できる。
上記態様において、前記所定装置及び／又は前記ユーザ端末からの信号は、前記所定装置及び／又は前記ユーザ端末から送信されるプローブ要求、又は、前記所定装置と各アクセスポイントとの間の接続が確立された後に前記所定装置から送信されるデータ信号であってもよい。この態様によれば、プローブ要求は無線ＬＡＮによる通信機能を備える任意の端末から送信されるので、受信信号強度情報の取得を効率化できる。
上記態様において、前記位置情報は、前記所定装置に搭載されるセンサを用いて推定される２次元座標又は３次元座標の点であってもよい。この態様によれば、位置推定モデルの生成に用いられる学習用データの生成を効率化できる。
上記態様において、前記ユーザ端末の前記推定された位置に基づいて、前記ユーザ端末の動線を示す情報を出力する出力部、を更に備えてもよい。この態様によれば、所定領域に備えられた既存のアクセスポイントを利用しながら、ユーザ端末の動線を高精度に把握できる。
本発明の他の態様に係る位置推定方法は、一以上のアクセスポイントにおける所定装置からの信号の強度を示す受信信号強度情報と、所定領域内における前記所定装置の位置を示す位置情報と、を対応付けた学習用データを用いた機械学習により生成される位置推定モデルを用いた位置推定方法であって、前記一以上のアクセスポイントにおけるユーザ端末からの信号の強度を示す受信信号強度情報を取得する工程と、前記取得された受信信号強度情報を前記位置推定モデルに入力して、前記所定領域内における前記ユーザ端末の位置を推定する工程と、を備える。
本発明の他の態様に係る位置推定プログラムは、一以上のアクセスポイントにおける所定装置からの信号の強度を示す受信信号強度情報と、所定領域内における前記所定装置の位置を示す位置情報と、を対応付けた学習用データを用いた機械学習により生成される位置推定モデルを記憶する位置推定装置が備えられた演算部を、前記一以上のアクセスポイントにおけるユーザ端末からの信号の強度を示す受信信号強度情報を取得する取得部と、前記取得された受信信号強度情報を前記位置推定モデルに入力して、前記所定領域内における前記ユーザ端末の位置を推定する推定部と、として機能させる。
本発明によれば、無線ＬＡＮにおける受信信号強度情報に基づくユーザ端末の位置の推定精度を向上できる。
本実施形態に係る位置推定システムの概略構成の一例を示す図である。 本実施形態に係る位置推定装置及び学習装置の機能構成の一例を示す図である。 本実施形態に係るＲＳＳＩ情報の一例を示す図である。 本実施形態に係る位置関連情報の一例を示す図である。 本実施形態に係る学習用データの一例を示す図である。 本実施形態に係る位置推定システム内の各装置のハードウェア構成の一例を示す図である。 本実施形態に係る学習動作の一例を示すフローチャートである。 本実施形態に係る学習用データの生成の一例を示す図である。 本実施形態に係る位置推定動作の一例を示すフローチャートである。 本実施形態に係るユーザ端末の動線の一例を示す図である。
添付図面を参照して、本発明の実施形態について説明する。なお、各図において、同一の符号を付したものは、同一又は同様の構成を有する。
（位置推定システムの構成）
＜概略構成＞
図１は、本実施形態に係る位置推定システム１の概略構成の一例を示す図である。位置推定システム１は、位置推定装置１０と、学習装置２０と、ユーザ端末３０と、ユーザ端末３０と無線ＬＡＮを用いて通信を行うアクセスポイント（ＡＰ）４０と、自己位置推定装置５０と、を有する。なお、無線ＬＡＮは、Ｗｉ－Ｆｉ（登録商標）とも呼ばれ、例えば、ＩＥＥＥ８０２．１１ｎ、ＩＥＥＥ８０２．１１ａｃ等に従ってもよい。
位置推定装置１０は、機械学習に基づいて生成される位置推定モデルを用いて、ユーザ端末３０の位置を推定する装置である。具体的には、位置推定装置１０は、Ｎ（Ｎ≧１）個のＡＰ４０i（１≦ｉ≦Ｎ、図１では、例えば、Ｎ＝３）におけるユーザ端末３０からの信号の強度を示す情報（受信信号強度情報）を位置推定モデルに入力して、当該ユーザ端末３０の位置を推定する。当該受信信号強度情報は、受信信号強度、受信強度、受信強度情報、Received Signal Strength Indicator（ＲＳＳＩ）等とも呼ばれる。以下では、当該受信信号強度情報をＲＳＳＩと呼ぶが、呼称はこれに限られない。
位置推定装置１０は、ネットワークＮを介して、ＡＰ４０iに接続されてもよい。また、位置推定装置１０は、ネットワークＮを介して、学習装置２０に接続されてもよい。なお、ネットワークＮは、例えば、ゲートウェイ等の一つ又は複数のネットワーク装置を含んでもよい。また、ネットワークＮは、一以上のネットワーク（例えば、インターネット及び無線ＬＡＮ等）を含んでもよい。
学習装置２０は、ユーザ端末３０の位置の推定に用いられる位置推定モデルの機械学習による学習処理を行う。具体的には、学習装置２０は、一以上のＡＰ４０（例えば、３つのＡＰ４０）で測定される自己位置推定装置５０からの受信信号強度を示すＲＳＳＩ（受信信号強度情報）と、自己位置推定装置５０により計測される当該自己位置推定装置５０自身の位置を示す情報（位置情報）と、に基づいて、位置推定モデルの機械学習による学習処理を行う。
ユーザ端末３０は、位置推定装置１０に実装された位置推定モデルを用いて所定（given）領域内における位置が推定される端末であり、例えば、スマートフォン、パーソナルコンピュータ（ＰＣ）等である。当該所定領域は、例えば、屋内の商業施設（例えば、ショッピングセンター、空港、駅等）や、スポーツアリーナ（例えば、屋内競技場、体育館、屋内競技場、プール等）等、ＧＰＳ衛星からの信号を受信し難い空間であってもよい。また、当該所定領域は、これらの施設内の各部屋又は各エリア等であってもよい。また、ユーザ端末３０は、上記無線ＬＡＮを用いた通信機能を有する。
ＡＰ４０i（１≦ｉ≦Ｎ、図１では、例えば、Ｎ＝３）は、上記無線ＬＡＮのアクセスポイントであり、基地局、無線基地局、アクセスノード、ノード等とも呼ばれる。ＡＰ４０i（ｉ≧１）は、所定範囲（例えば、半径１０メートル程度）のセル（通信エリア）Ｃiを形成する。ＡＰ４０iは、当該セルＣ内に位置し、かつ、無線ＬＡＮの通信機能を有する端末（例えば、ユーザ端末３０、自己位置推定装置５０等）と通信を行う。
ＡＰ４０iは、ネットワークＮを介して、位置推定装置１０及び学習装置２０に接続されてもよい。なお、図１では、３つのＡＰ４０1、４０2及び４０3が示されるが、これに限られず、一以上であればよい。上記所定領域内には一以上のＡＰ４０iが設けられる。なお、一以上のＡＰ４０i（ｉ≧１）及び当該ＡＰiにより形成される一以上のセルＣiをそれぞれ特に区別しない場合は、ＡＰ４０、セルＣと総称する。
自己位置推定（localization）装置５０は、当該自己位置推定装置５０自身の位置を推定する自己位置推定（localization）機能と、を有する移動体（例えば、カート、車輪付き台車、ドローン等）である。また、自己位置推定装置５０は、上記無線ＬＡＮを用いた通信機能を備えてもよいし、上記無線ＬＡＮを用いた通信機能を備えていなくともよい。例えば、自己位置推定装置５０は、当該自己位置推定機能を備えたカートに、上記ユーザ端末３０を搭載したものであってもよい。自己位置推定機能は、例えば、以下の少なくとも一つのセンサ又は機能によって実現されてもよい。
・Simultaneous Localization And Mapping（ＳＬＡＭ）
・レーザセンサ（例えば、Light Detection And Ranging（ＬｉＤＡＲ））
・レーダセンサ（例えば、RAdio Detection And Ranging（ＲＡＤＡＲ））
・カメラ（イメージ）センサ（Image Sensor）
・拡張カルマンフィルタ（Extended Kalman Filter）
・Unscentedカルマンフィルタ（Unscented Kalman Filter）
・ヒストグラムフィルタ（Histogram Filter）
・パーティクルフィルタ（Particle Filter）
・ジャイロセンサ（Gyro Sensor）
・加速度センサ（Accelerometer）
・Indoor MEssaging System（ＩＭＥＳ））
・赤外線センサ
・Global Positioning System（ＧＰＳ）
・Global Navigation Satellite System（ＧＮＳＳ）
例えば、自己位置推定装置５０が、レーザセンサを用いたＳＬＡＭ（ＬｉＤＡＲ ＳＬＡＭ等ともいう）を搭載する場合、レーザセンサの出力値（例えば、２次元座標上の位置（ｘ，ｙ）又は３次元座標上の位置（ｘ、ｙ、ｚ）の点群データ）に基づいて、上記所定領域の地図（例えば、２次元や３次元の点群地図、グリッドマップ又はボクセルマップ等）を構築してもよい。具体的には、自己位置推定装置５０は、レーザセンサから出力される点群同士をマッチングすることで移動量を逐次推定し、移動量を積算することで自己位置を推定してもよい。
なお、図１では、自己位置推定装置５０が、自己位置推定機能（又は、自己位置推定機能及び無線ＬＡＮによる通信機能）が組み込まれた単一の装置に限られず、複数の装置を組み合わせて構成されてもよい。例えば、自己位置推定装置５０は、自己値推定機能を有する装置（例えば、ＳＬＡＭ装置）と、無線ＬＡＮによる通信機能を有する装置（例えば、ユーザ端末３０）とを、移動体（例えば、カート、車輪付き台車、ドローン等）に搭載して構成されてもよい。なお、以下において、自己位置推定装置とは、所定センサを搭載したＳＬＡＭ装置を乗せた移動体等も含むものとする。
また、本例では、位置推定装置１０及び学習装置２０が別体の場合を示しているが、位置推定装置１０及び学習装置２０は一体の装置で構成されてもよい。例えば、位置推定装置１０及び学習装置２０は、ＰＬＣ（Programmable Logic Controller）の異なる動作として実現されてもよい。
＜機能構成＞
≪学習装置≫
図２は、本実施形態に係る位置推定装置及び学習装置の機能構成の一例を示す図である。図２に示すように、学習装置２０は、ＲＳＳＩ情報取得部２１と、位置関連情報取得部２２と、生成部２３と、記憶部２４と、学習部２５と、を有する。
ＲＳＳＩ情報取得部２１は、ＡＰ４０における自己位置推定装置５０（所定装置）からの信号の強度を示すＲＳＳＩに関する情報（ＲＳＳＩ情報）を取得する。当該自己位置推定装置５０からの信号は、例えば、当該自己位置推定装置５０（当該自己位置推定装置５０を構成する無線ＬＡＮの通信機能、又は、当該自己位置推定装置５０を構成するユーザ端末）から送信されるプローブ要求（probe request）、又、自己位置推定装置５０と各ＡＰ４０との間の接続が確立された後に自己位置推定装置５０から送信されるデータ信号であってもよい。
ここで、プローブ要求（プローブ要求フレーム等とも呼ばれる）は、無線ＬＡＮ用の端末による周辺のＡＰ４０の探索（アクティブスキャン）に用いられる信号である。当該プローブ要求は、（１）プローブ要求を送信する端末の識別情報（端末識別情報、ソースアドレス（Source Address（ＳＡ））等ともいう）（例えば、ＭＡＣ（Media Access Control）アドレス）、（２）シーケンス番号の少なくとも一つを含んでもよい。シーケンス番号は、各端末におけるプローブ要求の送信毎にカウントアップされてもよく、同一のシーケンス番号は同一のプローブ要求であることを示してもよい。また、上記データ信号が、上記端末識別情報、シーケンス番号の少なくとも一つを含んでもよい。
具体的には、ＲＳＳＩ情報取得部２１は、ＲＳＳＩ、ＲＳＳＩの測定用の信号を送信する自己位置推定装置５０の識別情報（端末識別情報）、当該ＲＳＳＩを測定したＡＰ４０の識別情報（ＡＰ ＩＤ）、当該ＲＳＳＩに関する日時（例えば、ＲＳＳＩの測定日時又は受信日時、タイムスタンプともいう）を関連付ける（associate）ＲＳＳＩ情報を各ＡＰ４０から取得してもよい。また、ＲＳＳＩ情報には、当該ＲＳＳＩ、端末識別情報、ＲＳＳＩに関する日時に加えて、当該ＲＳＳＩの測定用の信号のシーケンス番号が関連付けられてもよい。
図３は、本実施形態に係るＲＳＳＩ情報の一例を示す図である。なお、図３では、ＲＳＳＩの測定用の信号が上記プローブ要求であるものとするが、これに限られず、上記データ信号であってもよい。図３に示すように、ＲＳＳＩ情報は、自己位置推定装置５０からの信号（例えば、プローブ要求）のＲＳＳＩ、当該自己位置推定装置５０の端末識別情報（例えば、プローブ要求に含まれるＭＡＣアドレス）、当該ＲＳＳＩが測定されるＡＰ４０のＡＰ－ＩＤ、当該プローブ要求のシーケンス番号、当該ＲＳＳＩに関する日時（例えば、ＲＳＳＩの測定日時）を関連付けてもよい。
上記の通り、プローブ要求のシーケンス番号は、端末におけるプローブ要求の送信毎にカウントアップされる。このため、同一の端末識別情報及び同一のシーケンス番号に関連付けられる複数のＲＳＳＩは、同一のプローブ要求に基づいて異なるＡＰ４０で測定された複数のＲＳＳＩであると判断される。
例えば、図３において、シーケンス番号「００１」に関連付けられる各ＲＳＳＩは、所定領域内の地点Ａにおいて自己位置推定装置５０から送信されるプローブ要求に基づいて各ＡＰ４０で測定されたと判断されてもよい。また、シーケンス番号「００２」に関連付けられる各ＲＳＳＩは、シーケンス番号「００１」のプローブ要求から所定期間（例えば、６０秒）後に、当該所定領域内の地点Ｂにおいて自己位置推定装置５０から送信されるプローブ要求に基づいて各ＡＰ４０で測定されたと判断されてもよい。シーケンス番号「００３」に関連付けられる各ＲＳＳＩについても同様に判断されてもよい。当該所定領域内におけるプローブ要求の送信位置（例えば、地点Ａ、Ｂ、Ｃ）における当該自己位置推定装置５０と各ＡＰ４０との間の距離は同一ではなく、障害物等がある場合もある。このため、図３に示すように、同一のプローブ要求に基づいて異なるＡＰ４０で測定される複数のＲＳＳＩは、異なる値を有し得る。
このように、異なるＡＰ ＩＤに関連付けられる複数のＲＳＳＩが同一のプローブ要求に基づくか否かは、当該複数のＲＳＳＩにそれぞれ関連付けられるシーケンス番号に基づいて判断されてもよい。或いは、当該複数のＲＳＳＩが同一のプローブ要求に基づくか否かは、当該複数のＲＳＳＩにそれぞれ関連付けられる日時に基づいて判断されてもよい。例えば、当該複数のＲＳＳＩに同一の端末識別情報で関連付けられる複数の日時が所定の時間範囲（例えば、１秒）内である場合、当該複数のＲＳＳＩが同一のプローブ要求に基づいて測定されると判断されてもよい。ＲＳＳＩ情報取得部２１は、同一のプローブ要求に基づくと判断される一以上のＲＳＳＩをグループ化してもよい。
同様に、各ＡＰ４０におけるＲＳＳＩの測定に上記データ信号を用いる場合も、同一のデータ信号に基づく一以上のＲＳＳＩをグループ化してもよい。当該グループ化は、各ＲＳＳＩに同一の端末識別情報で関連付けられる日時に基づいて行われてもよいし、又は、データ信号内のシーケンス番号に基づいて行われてもよい。例えば、当該複数のＲＳＳＩに同一の端末識別情報で関連付けられる複数の日時が所定の時間範囲（例えば、１秒）内である場合、当該複数のＲＳＳＩが同一のデータ信号に基づいて測定されると判断されてもよい。
なお、同一のプローブ要求又はデータ信号に基づく一以上のＲＳＳＩのグループ化が日時に基づいて行われる場合、ＲＳＳＩ情報は、シーケンス番号は含まれなくともよい。すなわち、ＲＳＳＩ情報では、ＲＳＳＩ、当該自己位置推定装置５０の端末識別情報、当該ＲＳＳＩが測定されるＡＰ４０のＡＰ－ＩＤ、当該ＲＳＳＩに関する日時が関連付けられてもよい。
なお、図３では、ＲＳＳＩ情報が、同一のプローブ要求に基づいて５つのＡＰ４０1～４０5で測定されたＲＳＳＩが示されるが、同一のプローブ要求又は上記データ信号に基づいてＲＳＳＩが測定されるＡＰ４０の数（すなわち、同一のプローブ要求又は上記データ信号に基づいて測定されるＲＳＳＩの数）は３に限られない。自己位置推定装置５０から送信されるプローブ要求又は上記データ信号の到達範囲（例えば、１０メートル程度）内に存在するＡＰ４０の数に応じて、当該プローブ要求又は上記データ信号に基づいて測定されるＲＳＳＩの数は変化してもよい。
また、図示しないが、ＲＳＳＩ情報は、所定領域内の各ＡＰ４０において、プローブ要求又は上記データ信号の検出に関係なく測定されるＲＳＳＩを含んでもよい。プローブ要求又は上記データ信号を検出していないＡＰ４０のＡＰ ＩＤには、「ｎｕｌｌ」又は「０」を示すＲＳＳＩが関連付けられてもよい。
また、ＲＳＳＩ情報は、所定の条件を満たすＲＳＳＩを含んでもよい（又は、ＲＳＳＩ情報取得部２１が所定の条件を満たすＲＳＳＩを抽出してもよい）。当該所定の条件は、例えば、ＲＳＳＩの値が所定の閾値以上又は当該所定の閾値より大きいこと、又は、当該ＲＳＳＩの値が所定の閾値以上又は当該所定の閾値より大きい方から所定数（例えば、３つ）のＲＳＳＩであることであってもよい。
位置関連情報取得部２２は、所定領域内における自己位置推定装置５０（所定装置）の位置に関する情報（位置関連情報）を取得する。位置関連情報は、所定領域内における自己位置推定装置５０の位置を示す情報（位置情報）と、自己位置推定装置５０の識別情報（端末識別情報）と、当該位置情報に関する日時（例えば、当該位置情報の推定日時）とを関連付けてもよい。当該位置情報は、自己位置推定装置５０により推定される自身の位置を示し、例えば、自己位置推定装置５０に搭載された所定センサ（例えば、レーザセンサ、各種電波受信機（例えば、ＧＰＳ、ＧＮＳＳ等）、加速度センサ、ジャイロセンサ、イメージセンサ）の出力値（例えば、２次元座標上の位置（ｘ，ｙ）、又は、３次元座標上の位置（ｘ、ｙ、ｚ））であってもよい。
図４は、本実施形態に係る位置関連情報の一例を示す図である。なお、図４では、位置関連情報に含まれる位置情報が、自己位置推定装置５０の所定センサから出力される２次元座標の位置を示す情報（ｘ，ｙ）であるものとするが、これに限られず、上記自己位置推定機能により推定されるどのような情報であってもよい。
図４に示すように、位置関連情報は、所定領域内における自己位置推定装置５０の位置を示す位置情報（図４では、２次元座標上の位置）と、当該位置情報に関する日時（例えば、位置情報の推定日時）を関連付けてもよい。なお、図示しないが、位置関連情報には、当該位置情報が示す位置が含まれる所定領域（例えば、部屋、エリア、売り場、階等）の識別情報が関連付けられてもよい。当該識別情報を位置情報に関連付けることにより、所定領域（例えば、ある部屋）内の詳細な位置が把握できる。また、上記位置情報及び日時に、自己位置推定装置５０の端末識別情報（例えば、ＭＡＣアドレス）が関連付けられてもよい。
生成部２３は、ＲＳＳＩ情報取得部２１で取得されたＲＳＳＩ情報と、位置関連情報取得部２２によって取得された位置関連情報と、に基づいて、学習用データを生成する。具体的には、生成部２３は、ＲＳＳＩ情報内の測定日時と当該位置関連情報内の推定日時とに基づいて、当該所定領域内の各ＡＰ４０におけるＲＳＳＩと、位置情報と、を対応付けた学習用データを生成してもよい。
例えば、生成部２３は、当該ＲＳＳＩに関連付けられる測定日時と当該位置情報に関連付けられる推定日時とに基づいて、学習用データにおける同一の信号（例えば、同一のプローブ要求）に基づいて測定される一以上のＲＳＳＩと、当該自己位置推定装置５０の位置情報との対応付け（correspondence）を決定してもよい（当該一以上のＲＳＳＩと当該位置情報とを突合又はマッチングさせてもよい）。
図５は、本実施形態に係る学習用データの一例を示す図である。図５の学習用データでは、図３の一以上のＲＳＳＩに関連付けられる日時と図４の位置情報に関連付けられる日時とが所定の時間範囲内であるか否かに基づいて、図３の一以上のＲＳＳＩと図４の位置情報との対応付けが決定される。なお、図５では、位置の推定対象となる所定領域内に１１個のＡＰ４０1～４０11が設けられるものとするが、所定領域内のＡＰ４０の数はこれに限られない。
例えば、図４における位置情報の推定日時「２０１９年７月７日８時１９分２０．２５４秒」に基づいて決定される時間範囲（例えば、２０１９年７月７日８時１９分２０．０００秒～２１．０００秒）の間には、図３において、ＡＰ－ＩＤ「１」～「５」のＡＰ４０で測定された５つのＲＳＳＩが存在する。この場合、図５に示すように、学習用データでは、位置情報の推定日時「２０１９年７月７日８時１９分２０．２５４秒」と、ＡＰ４０1～４０5のＲＳＳＩと、が対応付けられてもよい。
ここで、時間範囲（例えば、２０１９年７月７日８時１９分２０．０００秒～２１．０００秒）の間には、図３において、ＡＰ－ＩＤ「６」～「１１」のＡＰ４０6～４０11で測定されたＲＳＳＩが含まれない（すなわち、当該時間範囲においてＡＰ４０6～４０11では、プローブ要求又はデータ信号が検出されない）。このため、図５に示すように、学習用データでは、位置情報の推定日時「２０１９年７月７日８時１９分２０．２５４秒」の位置情報に対応付けられるＡＰ４０6～４０11のＲＳＳＩは、０又はｎｕｌｌに設定されてもよい。このように、学習用データは、同一の時間範囲内に存在する測定日時及び推定日時にそれぞれ関連付けられる各ＡＰ４０のＲＳＳＩと位置情報とを対応付けた情報であってもよい。
記憶部２４は、生成部２３によって生成される学習用データと、位置推定モデルと、を記憶する。
学習部２５は、記憶部２４に記憶された学習用データを用いた機械学習によって位置推定モデルの学習処理を実行する。具体的には、学習部２５は、学習用データ内の一以上のＡＰ４０で測定されるＲＳＳＩを入力として、当該ＲＳＳＩに関連付けられる位置情報が出力されるように、位置推定モデルの学習処理を行ってもよい。
学習部２５によって機械学習される位置推定モデルは、例えば、ニューラルネットワークで構成されてよい。位置推定モデルがニューラルネットワークで構成される場合、学習部２５は、例えば、誤差逆伝播法によってニューラルネットワークの学習処理を行ってよい。また。位置推定モデルは、２以上の中間層を持つニューラルネットワークである深層学習（ディープラーニング（deep learning））に基づいて構成されてもよい。
≪位置推定装置≫
図２に示すように、位置推定装置１０は、ＲＳＳＩ情報取得部１１と、推定部１２と、記憶部１３と、制御部１４と、を具備する。
ＲＳＳＩ情報取得部１１は、各ＡＰ４０で測定される、ユーザ端末３０からの信号（例えば、プローブ要求）のＲＳＳＩに関するＲＳＳＩ情報を取得する。具体的には、ＲＳＳＩ情報取得部１１は、ＲＳＳＩ、ＲＳＳＩの測定用の信号を送信するユーザ端末３０の識別情報（端末識別情報）、当該ＲＳＳＩを測定したＡＰ４０の識別情報（ＡＰ ＩＤ）、当該ＲＳＳＩに関する日時を関連付けるＲＳＳＩ情報を各ＡＰ４０から取得してもよい。
ＲＳＳＩ情報取得部２１で説明したように、ＲＳＳＩ情報取得部１１は、ＲＳＳＩ情報内で異なるＡＰ ＩＤに関連付けられる複数のＲＳＳＩが、ユーザ端末３０からの同一の信号（例えば、同一のプローブ要求又は同一のデータ信号）に基づくか否かを、当該複数のＲＳＳＩにそれぞれ関連付けられるシーケンス番号又は測定日時に基づいて判断してもよい。ＲＳＳＩ情報取得部１１は、同一の信号に基づくと判断される一以上のＲＳＳＩをグループ化してもよい。ＲＳＳＩ情報取得部１１の詳細は、ＲＳＳＩ情報取得部２１で説明した通りである。
推定部１２は、一以上のＡＰ４０でされるユーザ端末３０からの信号の強度を示すＲＳＳＩを位置推定モデルに入力して、所定領域内における当該ユーザ端末３０の位置を推定する。具体的には、推定部１２は、ＲＳＳＩ情報取得部１１でグループ化された一以上のＲＳＳＩを位置推定モデルに入力して、当該ユーザ端末３０の位置を推定する。推定部１２は、推定された位置を示す情報（推定位置情報）を記憶部１３に記憶させてもよい。
推定部１２に実装される位置推定モデルは、学習装置２０における機械学習により生成される位置推定モデルであってもよいし、又は、機械学習における“蒸留（distillation）”により生成又は蒸留により生成される新たな位置推定モデルであってもよい。“蒸留”では、学習装置２０で機械学習された位置推定モデルへの入出力データを用いて新たな予測モデルが生成されてもよい。なお、位置推定モデルは、位置推定プログラム、位置推定アルゴリズム、推定器、予測プログラム、予測アルゴリズム、予測モデル、プログラム、アルゴリズム、モデル等と言い換えられてもよい。
制御部１４は、推定部１２により推定されたユーザ端末３０の位置に基づいて、当該ユーザ端末の動線を示す情報（動線情報）の出力を制御する。具体的には、制御部１４は、記憶部１３に記憶された推定位置情報に基づいて生成されるユーザ端末３０の動線情報を出力部１０ｅ（例えば、ディスプレイ）に表示させる、又は、通信部１０ｃを介して他の装置に送信させてもよい。
＜ハードウェア構成＞
次に、位置推定システム１内の各装置（例えば、位置推定装置１０、学習装置２０、ユーザ端末３０、ＡＰ４０、自己位置推定装置５０、自己位置推定装置５０を構成する各装置の少なくとも一つ）のハードウェア構成を説明する。図６に示すように、位置推定システム１内の各装置は、演算装置に相当するＣＰＵ（Central Processing Unit）１０ａと、記憶装置１０ｂと、通信部１０ｃと、入力部１０ｄと、出力部１０ｅとを有する。これらの各構成は、バスを介して相互にデータ送受信可能に接続される。なお、本例では、位置推定装置１０及び学習装置２０は、別々のコンピュータで構成されるが、一台のコンピュータで構成されてもよい。
ＣＰＵ１０ａは、記憶装置１０ｂに記憶されたプログラムの実行に関する制御やデータの演算、加工を行う制御部である。ＣＰＵ１０ａは、一以上のＡＰ４０におけるユーザ端末３０からの信号のＲＳＳＩに基づいて当該ユーザ端末３０の位置を推定するプログラム（位置推定プログラム）を実行する演算装置（演算部）であってもよい。ＣＰＵ１０ａは、入力部１０ｄ及び／又は通信部１０ｃから種々の入力データを受け取り、入力データの演算結果を出力部１０ｅに出力（例えば、表示）したり、記憶装置１０ｂに格納したり、又は、通信部１０ｃを介して送信したりする。
記憶装置１０ｂは、メモリ、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、の少なくとも一つである。学習装置２０の記憶装置１０ｂは、記憶部２４を構成してもよい。位置推定装置１０の記憶装置１０ｂは、ＣＰＵ１０ａが実行する位置推定プログラムを記憶してもよい。また、位置推定装置１０の記憶装置１０ｂは、記憶部１３を構成してもよい。
通信部１０ｃは、位置推定システム１内の各装置を外部機器に接続するインターフェースである。なお、位置推定装置１０及び学習装置２０が一体の装置で構成される場合、通信部１０ｃは、位置推定装置１０として動作するプロセスと、学習装置２０として動作するプロセスとの間のプロセス間通信を含んでよい。
入力部１０ｄは、ユーザからデータの入力を受け付けるものであり、例えば、キーボード、マウス、タッチパネル、マイクの少なくとも一つを含んでよい。
出力部１０ｅは、ＣＰＵ１０ａによる演算結果を出力するものであり、例えば、ＬＣＤ（Liquid Crystal Display）等のディスプレイ及びスピーカの少なくとも一つにより構成されてよい。
位置推定プログラムは、記憶装置１０ｂ等のコンピュータによって読み取り可能な記憶媒体に記憶されて提供されてもよいし、通信部１０ｃにより接続されるネットワークＮを介して提供されてもよい。当該判定プログラムを格納した記憶媒体は、コンピュータ読み取り可能な非一時的な記憶媒体（Non-transitory computer readable medium）であってもよい。非一時的な記憶媒体は特に限定されないが、例えば、ＵＳＢメモリ、ＣＤ－ＲＯＭ又はＤＶＤ等の記憶媒体であってもよい。
位置推定装置１０では、ＣＰＵ１０ａが位置推定プログラムを実行することにより、図２を用いて説明したＲＳＳＩ情報取得部１１、推定部１２、制御部１４の動作が実現される。なお、これらの物理的な構成は例示であって、必ずしも独立した構成でなくてもよい。例えば、位置推定装置１０は、ＣＰＵ１０ａと記憶装置１０ｂが一体化したＬＳＩ（Large-Scale Integration）を備えていてもよい。
また、ＲＳＳＩ情報取得部１１及び２１、位置関連情報取得部２２は、それぞれ、通信部１０ｃで受信されるＲＳＳＩ情報及び位置関連情報を取得してもよいし、又は、記憶装置１０ｂ等のコンピュータによって読み取り可能な記憶媒体に記憶されたＲＳＳＩ情報及び位置関連情報を取得してもよい。
（位置推定システムの動作）
＜学習動作＞
図７は、本実施形態に係る学習動作の一例を示すフローチャートである。図７に示すように、ステップＳ１０１において、学習装置２０は、自己位置推定装置５０から送信される信号を用いて各ＡＰ４０で測定されたＲＳＳＩを取得する。具体的には、学習装置２０は、当該ＲＳＳＩを含むＲＳＳＩ情報（例えば、図３）を各ＡＰ４０から取得してもよい。また、学習装置２０は、自己位置推定装置５０からの同一の信号に基づいて一以上のＡＰ４０で測定されるＲＳＳＩをグループ化してもよい。
ステップ１０２において、学習装置２０は、自己位置推定装置５０の位置を示す位置情報を取得する。具体的には、学習装置２０は、当該位置情報を含む位置関連情報（例えば、図４）を自己位置推定装置５０から取得してもよい。
ステップＳ１０３において、学習装置２０は、ステップＳ１０１で取得される一以上のＲＳＳＩと、ステップＳ１０２で取得される自己位置推定装置５０の位置情報とを対応付けた学習用データを生成する。
図７のステップＳ１０４において、学習装置２０は、以上のように生成される学習用データを用いた機械学習により、位置推定モデルの学習処理を実行する。
図８は、本実施形態に係る学習動作における自己位置推定装置の移動経路の一例を示す図である。図８では、自己位置推定装置５０は、所定領域（例えば、ショッピングモール内の対象領域）を回遊して、所定周期（例えば、６０秒）でプローブ要求を送信するものとする。また、図８では、自己位置推定装置５０は、ＳＬＡＭにより、自己位置推定及び環境地図の作成を行うものとする。なお、自己位置推定は、プローブ要求の周期と等しい又は当該周期よりも短い周期で、プローブ要求の送信タイミングと合わせて行われてもよい。なお、図８において、プローブ要求に代えて上記データ信号が用いられてもよいことは勿論である。
また、図８では、自己位置推定装置５０からのプローブ要求を用いてＲＳＳＩが測定されるものとするが、上記の通り、ＲＳＳＩの測定用の信号はプローブ要求に限られない。また、図８では、同一のプローブ要求は、当該プローブ要求のシーケンス番号によって特定されるものするが、当該プローブ要求に基づく各ＲＳＳＩの測定日時に基づいて特定されてもよい。
例えば、図８において、自己位置推定装置５０が地点Ａにおいて、シーケンス番号「００１」のプローブ要求を送信する場合、当該プローブ要求を検出した各ＡＰ４０（ここでは、ＡＰ４０1～ＡＰ４０5)にそれぞれにおいて当該プローブ要求のＲＳＳＩが測定される。この場合、例えば、ＡＰ４０1～ＡＰ４０5は、当該ＲＳＳＩと当該ＲＳＳＩが測定された日時とを関連付けたＲＳＳＩ情報（例えば、図３の地点Ａのレコード）を生成してもよい。同様に、地点Ｂ及びＣ、自己位置推定装置５０の移動経路上の所定地点で送信されたプローブ要求のＲＳＳＩと、当該ＲＳＳＩの測定日時とを関連付けたＲＳＳＩ情報(例えば、図３の地点Ｂ、Ｃのレコード等)が当該プローブ要求を検出する各ＡＰ４０で生成される。
また、自己位置推定装置５０は、センサ（例えば、レーザセンサ等）の出力値に基づいて自身の位置（図８の地点Ａ、Ｂ、Ｃ等）を推定し、環境地図上における自身の位置を示す位置情報（例えば、２次元座標の位置（ｘ，ｙ）又は３次元座標の位置（ｘ，ｙ，ｚ））を生成する。この場合、自己位置推定装置５０は、当該位置情報と当該位置情報の推定日時とを関連付けた位置関連情報（例えば、図４の地点Ａ、Ｂ、Ｃのレコード）を生成してもよい。
学習装置２０は、ＲＳＳＩの測定日時と当該位置情報の推定日時とに基づいて、所定領域内の各ＡＰ４０におけるＲＳＳＩと、当該位置情報と、を対応付けた学習用データを生成してもよい。具体的には、学習装置２０は、位置情報の推定日時を基準として決定される所定の時間範囲（例えば、１秒）内に存在する一以上の測定日時に関連付けられるＲＳＳＩと当該位置情報とを対応づける学習用データを生成してもよい。例えば、図３の地点Ａのレコード内の日時（測定日時）と、図４の地点Ａのレコード内の日時（推定日時）とをマッチングさせて、図５の「２０１９年７月７日８時１９分２０．２５４秒」（すなわち、図４の地点Ａの位置情報の推定日時）における、所定領域内のＡＰ４０1～４０11のＲＳＳＩと、当該地点Ａの位置情報が対応付けられてもよい。
上述のように、同一のプローブ要求を検出した一以上のＡＰ４０で測定されたＲＳＳＩ（例えば、図３の地点Ａ、Ｂ、Ｃそれぞれに対応する３つのＲＳＳＩ）は、当該プローブ要求のシーケンス番号に基づいてグループ化されてもよいし、当該ＲＳＳＩの測定日時に基づいてグループ化されてもよい。また、当該グループ化されたＲＳＳＩと位置情報との対応付けは、当該ＲＳＳＩに関連付けられる日時と当該位置情報に関連付けられる日時とに基づいて決定されてもよい。
このように、所定領域内で自己位置推定装置５０を回遊させることにより、所定領域内の各ＡＰ４０のＲＳＳＩと、自己位置推定機能により推定される自己位置推定装置５０の位置を示す位置情報とを対応付けた学習用データを効率的に生成することができる。また、学習用データには、所定領域内の各ＡＰ４０において自己位置装置５０からの信号（例えば、プローブ要求又はデータ信号）が検出されるか否かに関係なく、当該所定領域内のの全ＡＰ４０のＲＳＳＩが含まれるので、当該学習用データに基づいて生成される位置推定モデルの性能を向上できる。
＜位置推定動作＞
図９は、本実施形態に係る位置推定動作の一例を示す図である。図９に示すように、ステップＳ２０１において、位置推定装置１０は、ユーザ端末３０からの信号（例えば、プローブ要求）を用いて測定されたＲＳＳＩ（ユーザ端末３０のＲＳＳＩともいう）を各ＡＰ４０から取得する。なお、ステップＳ２０１の詳細は、図７のステップＳ１０１と同様である。
ステップＳ２０２において、位置推定装置１０は、ステップＳ２０１で各ＡＰ４０から取得されたユーザ端末３０のＲＳＳＩを位置推定モデルに入力して、当該位置推定モデルの出力として所定領域内におけるユーザ端末３０の位置を推定してもよい。また、位置推定装置１０は、推定された位置を示す推定位置情報を生成する。
ステップＳ２０３において、位置推定装置１０は、ステップＳ２０２で生成された推定位置情報に基づいて、当該ユーザ端末３０の所定領域内での動線を示す情報（動線情報）を生成してもよい。
図１０は、本実施形態に係るユーザ端末３０の動線情報の生成の一例を示す図である。図１０では、ユーザ端末３０は、所定領域（例えば、ショッピングモール）において所定周期でプローブ要求を送信するものとする。なお、プローブ要求の代わりに上記データ信号等が用いられてもよいことは、勿論である。
例えば、図１０の地点Ａ’においてユーザ端末３０がプローブ要求を送信する場合、当該プローブ要求を検出したＡＰ４０1～ＡＰ４０5のそれぞれにおいて、当該プローブ要求のＲＳＳＩが測定される。一方、ＡＰ４０1～ＡＰ４０11のそれぞれでは、ユーザ端末３０からのプローブ要求は検出されない。当該位置推定装置１０は、同一のプローブ要求が測定されたと推定される時間範囲内のＡＰ４０1～ＡＰ４０11におけるＲＳＳＩを位置推定モデルに入力して、当該位置推定モデルの出力として地点Ａ’の位置を示す位置情報を生成してもよい。同様に、位置推定装置１０は、ユーザ端末３０の移動に従って異なる地点Ｂ’及びＣ’それぞれで送信されるプローブ要求が測定されたと推定される時間範囲内の所定領域内の全ＡＰ４０のＲＳＳＩに基づいて、当該地点Ｂ’及びＣ’それぞれの位置を示す位置情報を生成してもよい。
スマートフォン等のユーザ端末３０は、一般に、無線ＬＡＮの通信機能を備えている。このため、ユーザ端末３０から送信されるプローブ要求のＲＳＳＩを位置推定モデルに入力して、当該プローブ要求の送信地点の位置情報を得ることにより、導入コストを抑制しながら、ユーザ端末３０の動線を把握することができる。
以上のように、本実施形態に係る位置推定システムによれば、無線ＬＡＮにおけるＲＳＳＩを位置推定モデルに入力してユーザ端末３０の位置を推定することにより、所定領域内における当該ユーザ端末３０の位置の推定精度を向上できる。
（その他の実施形態）
なお、上記実施形態では、ＲＳＳＩは、端末（位置推定装置１０又はユーザ端末３０）からの信号に基づいてＡＰ４０で測定されるものとしたが、これに限られない。ＲＳＳＩは、ＡＰ４０からの信号に基づいて当該端末で測定されてもよい。この場合、位置推定装置１０は、上記ＲＳＳＩ情報を当該端末から取得してもよい。
また、上記実施形態では、自己位置推定装置５０からの同一の信号に基づいて一以上のＡＰ４０で測定されたＲＳＳＩを入力とし、当該所定領域内の自己位置推定装置５０の位置情報を出力として、位置推定モデルの学習処理が実施されるが、これに限られない。位置推定モデルの学習処理は、当該ＲＳＳＩと他のパラメータを入力とし、当該位置情報（例えば、２次元座標の位置（ｘ，ｙ）又は３次元座標の位置（ｘ，ｙ，ｚ））を出力として実施されてもよい。
例えば、所定領域（例えば、倉庫等）において、ある棚が複数の段（下段、中段、上段等）を有する場合、自己位置推定装置５０をドローン等の無人航空機で構成する場合、３次元座標の位置（ｘ，ｙ，ｚ）を自己位置推定機能で取得すれば、ある陳列棚のどの段を特定できる。ＲＳＳＩに加えて他のパラメータを入力パラメータとし、３次元座標の位置（ｘ，ｙ，ｚ）を出力パラメータとして、位置推定モデルの学習処理を行ってもよい。この場合、ユーザ端末３０のＲＳＳＩと当該他のパラメータを当該位置推定モデルに入力して、３次元座標の位置を得ることにより、３次元でのユーザ端末３０の動線を把握することができる。
以上説明した実施形態は、本発明の理解を容易にするためのものであり、本発明を限定して解釈するためのものではない。実施形態が備える各要素並びにその配置、材料、条件、形状及びサイズ等は、例示したものに限定されるわけではなく適宜変更することができる。また、異なる実施形態で示した構成同士を部分的に置換し又は組み合わせることが可能である。
１…位置推定システム、１０…位置推定装置、２０…学習装置、３０…ユーザ端末、４０…アクセスポイント（ＡＰ）、５０…自己位置推定装置、１１…ＲＳＳＩ情報取得部
１２…推定部、１３…記憶部、１４…制御部、２１…ＲＳＳＩ情報取得部、２２…位置関連情報取得部、２３…生成部、２４…記憶部、２５…学習部、１０ａ…ＣＰＵ、１０ｂ…記憶装置、１０ｃ…通信部、１０ｄ…入力部、１０ｅ…出力部

Claims (7)

  1. 一以上のアクセスポイントにおける所定装置からの信号の強度を示す受信信号強度情報と、所定領域内における前記所定装置の位置を示す位置情報と、を対応付けた学習用データを用いた機械学習により生成される位置推定モデルを記憶する記憶部と、
    前記一以上のアクセスポイントにおけるユーザ端末からの信号の強度を示す受信信号強度情報を取得する取得部と、
    前記取得された受信信号強度情報を前記位置推定モデルに入力して、前記所定領域内における前記ユーザ端末の位置を推定する推定部と、
    を備え、
    前記受信信号強度情報に関連付けられる日時と前記所定装置によって前記位置が推定された日時とが所定の時間範囲内であるか否かに基づいて、前記学習用データにおける前記受信信号強度情報と前記位置情報との対応付けが決定される、
    位置推定装置。
  2. 前記受信信号強度情報に関連付けられる端末識別情報と前記位置情報に関連付けられる端末識別情報とが同一であるか否かに基づいて、前記学習用データにおける前記受信信号強度情報と前記位置情報との対応付けが決定される、
    請求項１に記載の位置推定装置。
  3. 前記所定装置からの信号は、前記所定装置からのプローブ要求、又は、前記所定装置と各アクセスポイントとの間の接続が確立された後に前記所定装置から送信されるデータ信号である、
    請求項１又は請求項２に記載の位置推定装置。
  4. 前記位置情報は、前記所定装置に搭載されるセンサを用いて推定される２次元座標又は３次元座標の点である、
    請求項１から請求項３のいずれかに記載の位置推定装置。
  5. 前記ユーザ端末の前記推定された位置に基づいて、前記ユーザ端末の動線を示す情報を出力する出力部、
    を更に備える請求項１から請求項４のいずれかに記載の位置推定装置。
  6. 一以上のアクセスポイントにおける所定装置からの信号の強度を示す受信信号強度情報と、所定領域内における前記所定装置の位置を示す位置情報と、を対応付けた学習用データを用いた機械学習により生成される位置推定モデルを用いた位置推定装置による位置推定方法であって、
    前記位置推定装置が、前記一以上のアクセスポイントにおけるユーザ端末からの信号の強度を示す受信信号強度情報を取得する工程と、
    前記位置推定装置が、前記取得された受信信号強度情報を前記位置推定モデルに入力して、前記所定領域内における前記ユーザ端末の位置を推定する工程と、
    を備え、
    前記受信信号強度情報に関連付けられる日時と前記所定装置によって前記位置が推定された日時とが所定の時間範囲内であるか否かに基づいて、前記学習用データにおける前記受信信号強度情報と前記位置情報との対応付けが決定される、
    位置推定方法。
  7. 一以上のアクセスポイントにおける所定装置からの信号の強度を示す受信信号強度情報と、所定領域内における前記所定装置の位置を示す位置情報と、を対応付けた学習用データを用いた機械学習により生成される位置推定モデルを記憶する位置推定装置が備えられた演算部を、
    前記一以上のアクセスポイントにおけるユーザ端末からの信号の強度を示す受信信号強度情報を取得する取得部と、
    前記取得された受信信号強度情報を前記位置推定モデルに入力して、前記所定領域内における前記ユーザ端末の位置を推定する推定部と、
    として機能させ、
    前記受信信号強度情報に関連付けられる日時と前記所定装置によって前記位置が推定された日時とが所定の時間範囲内であるか否かに基づいて、前記学習用データにおける前記受信信号強度情報と前記位置情報との対応付けが決定される、
    位置推定プログラム。
JP2020020395A 2020-02-10 2020-02-10 位置推定装置、位置推定方法及び位置推定プログラム Active JP7410510B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2020020395A JP7410510B2 (ja) 2020-02-10 2020-02-10 位置推定装置、位置推定方法及び位置推定プログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2020020395A JP7410510B2 (ja) 2020-02-10 2020-02-10 位置推定装置、位置推定方法及び位置推定プログラム

Publications (2)

Publication Number Publication Date
JP2021124478A JP2021124478A (ja) 2021-08-30
JP7410510B2 true JP7410510B2 (ja) 2024-01-10

Family

ID=77458693

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020020395A Active JP7410510B2 (ja) 2020-02-10 2020-02-10 位置推定装置、位置推定方法及び位置推定プログラム

Country Status (1)

Country Link
JP (1) JP7410510B2 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114563000B (zh) * 2022-02-23 2024-05-07 南京理工大学 一种基于改进型激光雷达里程计的室内外slam方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013053930A (ja) 2011-09-05 2013-03-21 Nippon Telegr & Teleph Corp <Ntt> 物品位置特定システム、物品位置特定方法および物品位置特定プログラム
CN103945533A (zh) 2014-05-15 2014-07-23 济南嘉科电子技术有限公司 基于大数据的无线实时位置定位方法
JP2015040721A (ja) 2013-08-20 2015-03-02 国立大学法人東京工業大学 推定方法およびそれを利用した推定装置
JP2016176907A (ja) 2015-03-23 2016-10-06 石川県 位置測定システム、位置測定装置、位置測定方法、及びプログラム
JP2017106798A (ja) 2015-12-09 2017-06-15 富士通株式会社 測位プログラム、測位方法及び測位装置
JP2018521311A (ja) 2015-05-22 2018-08-02 華為技術有限公司Ｈｕａｗｅｉ Ｔｅｃｈｎｏｌｏｇｉｅｓ Ｃｏ．，Ｌｔｄ． 人工ニューラルネットワークの測位性能を改善するための方法および装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013053930A (ja) 2011-09-05 2013-03-21 Nippon Telegr & Teleph Corp <Ntt> 物品位置特定システム、物品位置特定方法および物品位置特定プログラム
JP2015040721A (ja) 2013-08-20 2015-03-02 国立大学法人東京工業大学 推定方法およびそれを利用した推定装置
CN103945533A (zh) 2014-05-15 2014-07-23 济南嘉科电子技术有限公司 基于大数据的无线实时位置定位方法
JP2016176907A (ja) 2015-03-23 2016-10-06 石川県 位置測定システム、位置測定装置、位置測定方法、及びプログラム
JP2018521311A (ja) 2015-05-22 2018-08-02 華為技術有限公司Ｈｕａｗｅｉ Ｔｅｃｈｎｏｌｏｇｉｅｓ Ｃｏ．，Ｌｔｄ． 人工ニューラルネットワークの測位性能を改善するための方法および装置
JP2017106798A (ja) 2015-12-09 2017-06-15 富士通株式会社 測位プログラム、測位方法及び測位装置

Also Published As

Publication number Publication date
JP2021124478A (ja) 2021-08-30

Similar Documents

Publication Publication Date Title
US10750470B2 (en) Systems and methods for determining if a receiver is inside or outside a building or area
US9113291B2 (en) Location detection within identifiable pre-defined geographic areas
CN107209248B (zh) 支持无线电模型质量保证的方法和设备、计算机存储介质
US9081079B2 (en) Adaptive updating of indoor navigation assistance data for use by a mobile device
JP5680649B2 (ja) ビーコン場所データベースを構築および利用する装置および方法
CN110582114B (zh) 检测移动接入点
CN107209247B (zh) 支持数据的协作收集
JP5980122B2 (ja) 電磁信号源の位置特定
JP5778154B2 (ja) 同時無線送信機マッピングおよび移動局測位
JP5956446B2 (ja) 気圧センサを使用した屋内ポジショニング
CN103402258B (zh) 一种基于Wi‑Fi的室内定位***和方法
JP7157754B2 (ja) 屋内測位のための正確な高度推定
US9357520B2 (en) Methods and systems for signal diffusion modeling for a discretized map of signal strength
WO2021077218A1 (en) Stable and accurate indoor localization based on predictive hyperbolic location fingerprinting
US20160124069A1 (en) Systems and methods for estimating a two-dimensional position of a receiver
EP3234505B1 (en) Providing constraint to a position
JP7410510B2 (ja) 位置推定装置、位置推定方法及び位置推定プログラム
US20150189478A1 (en) Apparatus and method for loading radiomap database, and terminal device
US20150211845A1 (en) Methods and Systems for Applying Weights to Information From Correlated Measurements for Likelihood Formulations Based on Time or Position Density
Ramaneti et al. IoT based 2D indoor navigation system using BLE beacons and Dijkstra's algorithm
Zhuang et al. Fast WiFi access point localization and autonomous crowdsourcing
KR20240086309A (ko) Uam의 3차원 측위 방법 및 이를 위한 시스템
CN116952240A (zh) 基于加权最小二乘法的室内无人机定位方法、介质及无人机

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20230118

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230908

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20231010

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: 20231204

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20231214

R150 Certificate of patent or registration of utility model

Ref document number: 7410510

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150