特開 2022-167128 情報処理方法、プログラム、コンピュータ記憶媒体及び情報処理装置

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2022167128

(43)【公開日】2022-11-04

(54)【発明の名称】情報処理方法、プログラム、コンピュータ記憶媒体及び情報処理装置

(51)【国際特許分類】

   G06Q 50/10 20120101AFI20221027BHJP

【ＦＩ】

G06Q50/10

【審査請求】未請求

【請求項の数】22

【出願形態】ＯＬ

(21)【出願番号】P 2021072703

(22)【出願日】2021-04-22

(71)【出願人】

【識別番号】000196587

【氏名又は名称】西日本旅客鉄道株式会社

(71)【出願人】

【識別番号】513186383

【氏名又は名称】株式会社ギックス

(74)【代理人】

【識別番号】100096389

【弁理士】

【氏名又は名称】金本 哲男

(74)【代理人】

【識別番号】100101557

【弁理士】

【氏名又は名称】萩原 康司

(74)【代理人】

【識別番号】100167634

【弁理士】

【氏名又は名称】扇田 尚紀

(74)【代理人】

【識別番号】100187849

【弁理士】

【氏名又は名称】齊藤 隆史

(74)【代理人】

【識別番号】100212059

【弁理士】

【氏名又は名称】三根 卓也

(72)【発明者】

【氏名】宮崎 祐丞

(72)【発明者】

【氏名】岩木 麻子

(72)【発明者】

【氏名】山田 洋

(72)【発明者】

【氏名】花谷 慎太郎

【テーマコード（参考）】

5L049

【Ｆターム（参考）】

5L049CC11

(57)【要約】

【課題】人の行動履歴を適切に分析する。
【解決手段】情報処理装置を用いた情報処理方法であって、人の行動を含むデータから、個人を識別する識別子毎に行動履歴を抽出する抽出工程（Ｓ１２）と、行動履歴をマッピングするマッピング工程（Ｓ１３）と、時間的に連続する２つの行動の近さと、当該２つの行動間の時間の一方又は両方を算出する算出工程（Ｓ１４）と、近さと時間の一方又は両方に基づいて、２つの行動間を滞在と移動に分類する分類工程（Ｓ１５）と、を有する。
【選択図】図２

【特許請求の範囲】

【請求項1】

情報処理装置を用いた情報処理方法であって、
人の行動を含むデータから、個人を識別する識別子毎に行動履歴を抽出する抽出工程と、
前記行動履歴をマッピングするマッピング工程と、
時間的に連続する２つの前記行動の近さと、当該２つの行動間の時間の一方又は両方を算出する算出工程と、
前記近さと前記時間の一方又は両方に基づいて、前記２つの行動間を滞在と移動に分類する分類工程と、を有することを特徴とする、情報処理方法。

【請求項2】

前記滞在を可視化する可視化工程をさらに有することを特徴とする、請求項１に記載の情報処理方法。

【請求項3】

前記マッピング工程において、前記行動履歴をベクトル化して、ベクトル空間にマッピングすることを特徴とする、請求項１又は２に記載の情報処理方法。

【請求項4】

前記マッピング工程において、前記行動履歴を地理空間にマッピングすることを特徴とする、請求項１又は２に記載の情報処理方法。

【請求項5】

前記算出工程において、前記２つの行動が行われた位置の物理的な距離を前記近さとして算出することを特徴とする、請求項１～４のいずれか一項に記載の情報処理方法。

【請求項6】

前記算出工程において、前記２つの行動の類似度を前記近さとして算出することを特徴とする、請求項１～４のいずれか一項に記載の情報処理方法。

【請求項7】

前記分類工程において、前記近さと前記時間の一方又は両方と、所定の閾値とを比較して、前記滞在と前記移動に分類することを特徴とする、請求項１～６のいずれか一項に記載の情報処理方法。

【請求項8】

前記算出工程において、前記近さと前記時間の両方を算出し、
前記分類工程において、前記近さの時間微分を導出し、当該近さの時間微分と所定の閾値とを比較して、前記滞在と前記移動に分類することを特徴とする、請求項１～６のいずれか一項に記載の情報処理方法。

【請求項9】

前記データは、前記行動を行った人の識別情報を含むことを特徴とする、請求項１～８のいずれか一項に記載の情報処理方法。

【請求項10】

前記データは、交通系ＩＣカード又は携帯端末から取得されたデータを含むことを特徴とする、請求項１～９のいずれか一項に記載の情報処理方法。

【請求項11】

請求項１～１０のいずれか一項に記載の情報処理方法を情報処理装置によって実行させるように、当該情報処理装置を制御する、コンピュータ上で動作するプログラム。

【請求項12】

請求項１１に記載のプログラムを格納した読み取り可能なコンピュータ記憶媒体。

【請求項13】

情報処理装置であって、
人の行動を含むデータから、個人を識別する識別子毎に行動履歴を抽出する抽出部と、
前記行動履歴をマッピングするマッピング部と、
時間的に連続する２つの前記行動の近さと、当該２つの行動間の時間の一方又は両方を算出する算出部と、
前記近さと前記時間の一方又は両方に基づいて、前記２つの行動間を滞在と移動に分類する分類部と、を有することを特徴とする、情報処理装置。

【請求項14】

前記滞在を可視化する可視化部をさらに有することを特徴とする、請求項１３に記載の情報処理装置。

【請求項15】

前記マッピング部は、前記行動履歴をベクトル化して、ベクトル空間にマッピングすることを特徴とする、請求項１３又は１４に記載の情報処理装置。

【請求項16】

前記マッピング部は、前記行動履歴を地理空間にマッピングすることを特徴とする、請求項１３又は１４に記載の情報処理装置。

【請求項17】

前記算出部は、前記２つの行動が行われた位置の物理的な距離を前記近さとして算出することを特徴とする、請求項１３～１６のいずれか一項に記載の情報処理装置。

【請求項18】

前記算出部は、前記２つの行動の類似度を前記近さとして算出することを特徴とする、請求項１３～１６のいずれか一項に記載の情報処理装置。

【請求項19】

前記分類部は、前記近さと前記時間の一方又は両方と、所定の閾値とを比較して、前記滞在と前記移動に分類することを特徴とする、請求項１３～１８のいずれか一項に記載の情報処理装置。

【請求項20】

前記算出部は、前記近さと前記時間の両方を算出し、
前記分類部は、前記近さの時間微分を導出し、当該近さの時間微分と所定の閾値とを比較して、前記滞在と前記移動に分類することを特徴とする、請求項１３～１８のいずれか一項に記載の情報処理装置。

【請求項21】

前記データは、前記行動を行った人の識別情報を含むことを特徴とする、請求項１３～２０のいずれか一項に記載の情報処理装置。

【請求項22】

前記データは、交通系ＩＣカード又は携帯端末から取得されたデータを含むことを特徴とする、請求項１３～２１のいずれか一項に記載の情報処理装置。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、情報処理方法、プログラム、コンピュータ記憶媒体及び情報処理装置に関する。

【背景技術】

【0002】

従来、人の行動を含むデータから行動履歴を抽出して、当該行動履歴を分析することが行われている。行動履歴の分析結果は、例えば商品やサービスのマーケティングやレコメンデーション、イベント計画、交通計画など、多様な目的のために用いられる。

【0003】

上述した行動履歴の分析方法の一例として、例えば特許文献１には、非接触型交通系ＩＣカードあるいは同等の機能を持つ携帯端末の利用履歴に基づいて、利用者の行動傾向を分析する方法が開示されている。具体的には、上記利用履歴に基づき、駅の利用頻度、駅の滞在時間、駅構内や駅周辺で利用した店舗が娯楽性のある店舗か利便性のある店舗かという利用傾向を算出し、その指標値により駅の利用者を特徴付けて分類する。そして、利用者の分類結果に基づいて、駅構内や駅周辺における購買行動を対象としたリコメンデーションなどの情報提供を行う。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特開２０１１－７６２９１号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

ここで、本発明者らが鋭意検討した結果、行動履歴の分析には、時間的に連続する２つの行動間を滞在と移動に分類することが、上述した多様な目的を達成するために有用であることを見出した。しかしながら、例えば従来文献１に開示された方法のような従来の行動分析方法は、かかる分類については考慮されておらず、改善の余地がある。

【0006】

本発明は、かかる点に鑑みてなされたものであり、人の行動履歴を適切に分析することを目的とする。

【課題を解決するための手段】

【0007】

前記の目的を達成するため、本発明は、情報処理装置を用いた情報処理方法であって、人の行動を含むデータから、個人を識別する識別子毎に行動履歴を抽出する抽出工程と、前記行動履歴をマッピングするマッピング工程と、時間的に連続する２つの前記行動の近さと、当該２つの行動間の時間の一方又は両方を算出する算出工程と、前記近さと前記時間の一方又は両方に基づいて、前記２つの行動間を滞在と移動に分類する分類工程と、を有することを特徴としている。

【0008】

前記情報処理方法は、前記滞在を可視化する可視化工程をさらに有していてもよい。

【0009】

前記情報処理方法では、前記マッピング工程において、前記行動履歴をベクトル化して、ベクトル空間にマッピングしてもよい。あるいは、前記マッピング工程において、前記行動履歴を地理空間にマッピングしてもよい。

【0010】

前記情報処理方法では、前記算出工程において、前記２つの行動が行われた位置の物理的な距離を前記近さとして算出してもよい。あるいは、前記算出工程において、前記２つの行動の類似度を前記近さとして算出してもよい。

【0011】

前記情報処理方法では、前記分類工程において、前記近さと前記時間の一方又は両方と、所定の閾値とを比較して、前記滞在と前記移動に分類してもよい。あるいは、前記算出工程において、前記近さと前記時間の両方を算出し、前記分類工程において、前記近さの時間微分を導出し、当該近さの時間微分と所定の閾値とを比較して、前記滞在と前記移動に分類してもよい。

【0012】

前記情報処理方法において、前記データは、前記行動を行った人の識別情報を含んでいてもよい。

【0013】

前記情報処理方法において、前記データは、交通系ＩＣカード又は携帯端末から取得されたデータを含んでいてもよい。

【0014】

また別な観点による本発明によれば、前記情報処理方法を情報処理装置によって実行させるように、当該情報処理装置を制御する、コンピュータ上で動作するプログラムが提供される。

【0015】

さらに別な観点による本発明によれば、前記プログラムを格納した読み取り可能なコンピュータ記憶媒体が提供される。

【0016】

また別な観点による本発明は、情報処理装置であって、人の行動を含むデータから、個人を識別する識別子毎に行動履歴を抽出する抽出部と、前記行動履歴をマッピングするマッピング部と、時間的に連続する２つの前記行動の近さと、当該２つの行動間の時間の一方又は両方を算出する算出部と、前記近さと前記時間の一方又は両方に基づいて、前記２つの行動間を滞在と移動に分類する分類部と、を有することを特徴としている。

【0017】

前記情報処理装置は、前記滞在を可視化する可視化部をさらに有していてもよい。

【0018】

前記情報処理装置において、前記マッピング部は、前記行動履歴をベクトル化して、ベクトル空間にマッピングしてもよい。あるいは、前記マッピング部は、前記行動履歴を地理空間にマッピングしてもよい。

【0019】

前記情報処理装置において、前記算出部は、前記２つの行動が行われた位置の物理的な距離を前記近さとして算出してもよい。あるいは、前記算出部は、前記２つの行動の類似度を前記近さとして算出してもよい。

【0020】

前記情報処理装置において、前記分類部は、前記近さと前記時間の一方又は両方と、所定の閾値とを比較して、前記滞在と前記移動に分類してもよい。あるいは、前記算出部は、前記近さと前記時間の両方を算出し、前記分類部は、前記近さの時間微分を導出し、当該近さの時間微分と所定の閾値とを比較して、前記滞在と前記移動に分類してもよい。

【0021】

前記情報処理装置において、前記データは、前記行動を行った人の識別情報を含んでいてもよい。

【0022】

前記情報処理装置において、前記データは、交通系ＩＣカード又は携帯端末から取得されたデータを含んでいてもよい。

【発明の効果】

【0023】

本発明によれば、時間的に連続する２つの行動間を滞在と移動に分類するので、人の行動履歴を適切に分析することができる。その結果、例えば商品やサービスのマーケティングやレコメンデーション、イベント計画、交通計画など、多様な目的に分析結果を用いることができる。

【図面の簡単な説明】

【0024】

【図1】本実施形態にかかる情報処理システムの構成の概略を示す説明図である。

【図2】第１の実施形態にかかる情報処理方法の主な工程を示すフロー図である。

【図3】第１の実施形態において行動履歴データの一例を示す表である。

【図4】第１の実施形態において駅のマスタデータを示す表である。

【図5】第１の実施形態において行動履歴データから行動履歴を抽出した結果を示す表である。

【図6】第１の実施形態において行動履歴をマッピングした結果を示す表である。

【図7】第１の実施形態において２つの行動の近さを算出した結果を示す表である。

【図8】第１の実施形態において２つの行動を滞在と移動に分類した結果を示す表である。

【図9】第１の実施形態において滞在と移動を可視化したグラフである。

【図10】第２の実施形態にかかる情報処理方法の主な工程を示すフロー図である。

【図11】第２の実施形態において２つの行動の近さと２つの行動間の時間を算出した結果を示す表である。

【図12】第２の実施形態において２つの行動を滞在と移動に分類した結果を示す表である。

【図13】第２の実施形態において滞在と移動を可視化したグラフである。

【図14】第３の実施形態にかかる情報処理方法の主な工程を示すフロー図である。

【図15】第３の実施形態において行動履歴データの一例を示す表である。

【図16】第３の実施形態において店舗のマスタデータを示す表である。

【図17】第３の実施形態において品目のマスタデータを示す表である。

【図18】第３の実施形態において行動履歴データから行動履歴を抽出した結果を示す表である。

【図19】第３の実施形態において行動履歴をベクトル化した結果を示す表である。

【図20】第３の実施形態において２つの行動の近さと２つの行動間の時間を算出した結果を示す表である。

【図21】第３の実施形態において２つの行動を滞在と移動に分類した結果を示す表である。

【発明を実施するための形態】

【0025】

以下、本発明の実施形態について図面を参照して説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。

【0026】

＜情報処理システム１の構成＞
図１は、本実施形態にかかる情報処理システム１の構成の概略を示す説明図である。

【0027】

情報処理システム１は、データベース装置１０と情報処理装置２０を有している。データベース装置１０と情報処理装置２０は、ネットワーク３０を介して接続可能に構成されている。ネットワーク３０は、通信を行うことができるものであれば特に限定されるものではないが、例えばインターネットや有線ＬＡＮ、無線ＬＡＮなどが用いられる。なお、本実施形態においては説明を簡略化するためにデータベース装置１０を一台のみ図示しているが、情報処理システム１には複数のデータベース装置１０が含まれる。

【0028】

（データベース装置１０の構成）
データベース装置１０は、演算部１１、記憶部１２、及び通信部１３を有している。

【0029】

演算部１１は、回路（ハードウェア）又はＣＰＵなどの中央演算処理部である。演算部１１は、記憶部１２に格納されたプログラム（ソフトウェア）に従って、データベース装置１０の制御を行う。

【0030】

記憶部１２は、情報処理装置２０に出力するデータのデータベースを格納する。このデータには、人の行動を含むデータ（以下、「行動履歴データ」という場合がある。）が含まれる。行動履歴データには、人の行動に加えて、当該人の識別情報も含まれる。

【0031】

人の識別情報は、個人と個人を識別できる識別子であって、例えばユーザＩＤを含む。識別子は、ユーザＩＤに加えて、他の因子、例えば日時や場所を組み合わせたものであってもよい。例えば１月１日の甲と１月２日の甲を、別の個人として扱って別の識別子を付与してもよい。また、人の識別情報は、個人に紐づけられた属性情報（例えば年齢、性別など）を含んでいてもよい。

【0032】

行動履歴データは、換言すれば、個人が意志を持って行った行動を含むデータ（トランザクションデータ）であり、当該個人に紐づけられている。また、行動履歴データは時間軸上の点で表される行動を含み、これら時間的に連続する一連の行動が行動履歴を構成する。なお、行動履歴データの種別は、特に限定されるものではなく、種々のデータを含む。

【0033】

行動履歴データには、例えば交通系ＩＣカード又は同等の機能を持つ携帯端末（以下、「交通系ＩＣカード」と総称する。）から取得される情報が含まれる。例えば鉄道の駅の改札機やバスなどの交通機関で交通系ＩＣカードを利用すると、その利用履歴がデータベース装置１０に送信され、記憶部１２に記憶される。また、交通機関以外の例えば駅構内や駅周辺の店舗に設置されているカード読み取り端末、ＰＯＳレジ端末、自動販売機などで交通系ＩＣカードを利用した場合も同様に、その利用履歴がデータベース装置１０に送信され、記憶部１２に記憶される。このように利用履歴が記憶される際、交通系ＩＣカードを識別するユーザＩＤや、交通系ＩＣカードを利用した場所の位置情報も、利用履歴に紐づけられて記憶される。

【0034】

また、行動履歴データには、例えばウェブサイトの操作履歴が含まれる。ウェブサイトの操作履歴には、例えばＥＣ（電子商取引）サイトにおける商品の購買履歴やサービスの利用履歴、ウェブサイトの閲覧履歴などが含まれる。これらウェブサイトの操作履歴が記憶部１２に記憶される際、ウェブサイトにおけるユーザＩＤも操作履歴に紐づけられて記憶される。

【0035】

さらに、行動履歴データには、例えば小売店などにおける購買データ（ＰＯＳデータ）、クレジットカードや電子マネーの使用データ、金融機関におけるトランザクションデータ（例えば預け入れや引き出し、決済など）、飲食店における飲食データ、宿泊施設における宿泊データ、音楽・動画サービスやゲームの再生・プレイデータ、ポイントサイトにおけるポイント使用データなどが含まれていてもよい。

【0036】

また、記憶部１２には、データベース装置１０の制御を行うための各種プログラムが格納される。

【0037】

通信部１３は、ネットワーク３０との間の通信を媒介する通信インタフェースであり、情報処理装置２０とデータ通信を行う。

【0038】

（情報処理装置２０の構成）
情報処理装置２０は、演算部２１、記憶部２２、抽出部２３、マッピング部２４、算出部２５、分類部２６、可視化部２７、及び通信部２８を有している。

【0039】

演算部２１は、回路（ハードウェア）又はＣＰＵなどの中央演算処理部である。演算部２１は、記憶部２２に格納されたプログラム（ソフトウェア）に従って、情報処理装置２０の制御を行う。

【0040】

記憶部２２は、情報処理装置２０で処理される各種データを記憶する。例えば記憶部２２には、データベース装置１０から情報処理装置２０に入力された入力データ、抽出部２３における抽出結果のデータ、マッピング部２４におけるマッピング結果のデータ、算出部２５における算出結果のデータ、分類部２６における分類結果のデータ、可視化部２７において可視化されたデータが記憶される。また、記憶部２２には、情報処理装置２０の制御を行うための各種プログラムが格納される。

【0041】

抽出部２３は、データベース装置１０から情報処理装置２０に入力された行動履歴データから、行動履歴を抽出する。上述したように行動履歴は個人に紐づけられており、抽出部２３は、個人を識別する識別子毎に行動履歴を抽出する。また、データベース装置１０から入力される生データには不要な情報が含まれている場合があり、抽出部２３では、このような不要な情報を除くなどのクレンジング処理も行う。

【0042】

マッピング部２４は、抽出部２３で抽出された行動履歴をマッピングする。具体的にマッピング部２４では、行動履歴をベクトル化して、ベクトル空間にマッピングする。行動履歴のベクトル化では、各行動に含まれる複数のパラメータのうち、処理に必要なパラメータを選択して各行動をベクトル化する。パラメータの選択方法は任意であるが、例えばオペレータによってパラメータが選択されてもよいし、あるいは機械学習によってパラメータが選択されてもよい。ベクトル空間は、物理的に存在する現実空間をベクトルで表現したものであってもよいし、物理的に存在しない仮想空間をベクトルで表現したものであってもよい。例えば、処理対象の行動履歴が交通機関や実店舗などにおける行動である場合、ベクトル空間は現実空間をベクトルで表現したものとなる。一方、例えば処理対象の行動履歴がウェブサイトなどにおける行動である場合、ベクトル空間は仮想空間をベクトルで表現したものとなる。

【0043】

なお、各行動においてベクトル化するパラメータは、単一のパラメータであってもよいし、複数のパラメータを次元削減（次元圧縮）したパラメータであってもよい。複数のパラメータを次元削減する場合、複数のパラメータを行列に入力し、例えば主成分分析を行うことで主成分を抽出して、次元を落としたパラメータを生成する。

【0044】

また、行動履歴データが地理情報と紐づけ可能な場合、マッピング部２４は、行動履歴を地理空間にマッピングしてもよい。

【0045】

算出部２５は、時間的に連続する２つの行動（以下、単に「２つの行動」という場合がある。）の近さと、当該２つの行動間の時間の一方又は両方を算出する。

【0046】

２つの行動の近さを算出する場合において、例えば処理対象の行動履歴が交通機関や実店舗などにおける行動であって、地理情報と紐づけ可能な場合、算出部２５は、２つの行動が行われた位置の物理的な距離を近さとして算出する。物理的な距離は、例えば地理的な直線距離であってもよいし、地理的な経路に沿った距離であってもよい。また、算出部２５は、ある位置から見たときの２つの行動が行われた位置の方位角の差を近さとして算出してもよい。

【0047】

また、２つの行動の近さを算出する場合において、例えば処理対象の行動履歴がウェブサイトなどにおける行動であって、行動履歴のベクトル化が可能な場合、算出部２５は、２つの行動の類似度を近さとして算出する。類似度は任意であるが、例えばコサイン類似度、ユークリッド距離、マンハッタン距離などが例示される。

【0048】

分類部２６は、算出部２５で算出された２つの行動の近さと２つの行動間の時間の一方又は両方に基づいて、２つの行動間を滞在と移動に分類する。２つの行動間は、時間的に連続する２つの行動の間における人の状態を含む。滞在は、ベクトル空間において２つの行動間で人が留まっている状態を示す。一方、移動は、ベクトル空間において２つの行動間で人が移動している状態を示す。

【0049】

算出部２５において２つの行動の近さを算出する場合、分類部２６は、算出された近さと、予め設定された閾値とを比較して、２つの行動間を滞在と移動に分類する。例えば算出された近さが閾値未満の場合、２つの行動間は滞在と分類され、算出された近さが閾値以上場合、２つの行動間は移動と分類される。

【0050】

算出部２５において２つの行動間の時間を算出する場合、分類部２６は、算出された時間と、予め設定された閾値とを比較して、２つの行動間を滞在と移動に分類する。例えば算出された時間が閾値未満の場合、２つの行動間は滞在と分類され、算出された時間が閾値以上の場合、２つの行動間は移動と分類される。

【0051】

算出部２５において２つの行動の近さと時間を両方算出する場合、分類部２６は、先ず、算出された近さと時間から近さの時間微分を導出する。近さが距離の場合、近さの時間微分は速度となり、近さが角度の場合、近さの時間微分は角速度となる。また、近さが類似度の場合、近さの時間微分は類似度の変化の時間当たりの変化率となる。そして分類部２６は、導出された近さの時間微分と、予め設定された閾値とを比較して、２つの行動間を滞在と移動に分類する。例えば導出された近さの時間微分が閾値未満の場合、２つの行動間は滞在と分類され、導出された近さの時間微分が閾値以上の場合、２つの行動間は移動と分類される。

【0052】

可視化部２７は、分類部２６において分類した滞在を可視化する。

【0053】

通信部２８は、ネットワーク３０との間の通信を媒介し、データベース装置１０とデータ通信を行う。

【0054】

なお、本実施形態の情報処理装置２０では、上記プログラムは記憶部２２に格納されたが、例えばコンピュータ読み取り可能なハードディスクドライブ（ＨＤＤ）、ソリッドステートドライブ（ＳＳＤ）、フレキシブルディスク（ＦＤ）、コンパクトディスク（ＣＤ）、マグネットオプティカルデスク（ＭＯ）、各種メモリなどのコンピュータに読み取り可能な記憶媒体に格納されてもよい。また、上記プログラムは、インターネットなどの通信回線網を介してダウンロードすることにより、上記記憶媒体などに格納することができる。

【0055】

＜情報処理方法＞
次に、以上のように構成された情報処理システム１を用いて行われる情報処理方法について説明する。以下においては、３つの具体的な事例を含む実施形態を用いて、本発明の情報処理方法について説明する。

【0056】

（第１の実施形態）
第１の実施形態にかかる情報処理方法について説明する。図２は、第１の実施形態にかかる情報処理方法の主な工程を示すフロー図である。第１の実施形態では、処理対象の行動履歴データが、駅の改札機で交通系ＩＣカードが利用された際の利用履歴を含むデータである場合について説明する。

【0057】

［Ｓ１１：記憶工程］
先ず、駅の改札機で交通系ＩＣカードが利用されると、その利用履歴がデータベース装置１０に送信され、記憶部１２に記憶される。記憶部１２に記憶された行動履歴データは、ネットワーク３０を介して情報処理装置２０に入力され、記憶部２２に記憶される。

【0058】

図３は、行動履歴データの一例を示す表である。行動履歴データは、例えばユーザＩＤ、日時、駅、入出場を含み、これらが時系列に並べられている。また、記憶部２２には、図４に示す駅のマスタデータも記憶される。駅のマスタデータは、駅の地理情報、すなわち緯度及び経度を含む。

【0059】

［Ｓ１２：抽出工程］
次に、抽出部２３において、工程Ｓ１１で記憶部１２に記憶された行動履歴データから行動履歴を抽出する。工程Ｓ１２では、図５に示すように識別子であるユーザＩＤ毎に行動履歴を抽出する。

【0060】

［Ｓ１３：マッピング工程］
次に、マッピング部２４において、工程Ｓ１２で抽出された行動履歴を地理空間にマッピングする。工程Ｓ１３では、図６に示すように、図５の行動履歴の駅に対して、図４の駅マスタデータの駅の地理情報（緯度及び経度）が紐づけられる。かかる場合、行動履歴に地理情報が紐づけられるので、行動履歴が地理空間にマッピングされる。

【0061】

なお、工程Ｓ１２における識別子が、ユーザＩＤに加えて、他の因子、例えば日時や場所を組み合わせたものである場合、行動履歴には当該識別子が付与される。かかる場合、工程Ｓ１２と工程Ｓ１３は、順序が逆であってもよい。すなわち、行動履歴に地理情報を紐づけて、当該行動履歴を地理空間にマッピングした後、識別子を付与してもよい。

【0062】

［Ｓ１４：算出工程］
次に、算出部２５において、工程Ｓ１３でマッピングされた行動履歴を用いて、時間的に連続する２つの行動の近さを算出する。工程Ｓ１４では、先ず、図７に示すようにユーザＩＤ及び日付毎に、連続する２つの行動を要素とするベクトルを生成する。以下、連続する２つの行動において、前の行動を「前行動」といい、後の行動を「後行動」という。そして、前行動と後行動の要素には、時刻、駅、入出場、駅の地理情報が含まれる。次に、２つの行動の近さとして、前行動の駅の地理情報（緯度及び経度）と後行動の駅の地理情報を用いて、これら前後行動の駅間距離を算出する。なお、第１の実施形態においては前後行動の駅の直線距離を算出したが、地理的な経路に沿った距離を算出してもよい。

【0063】

［Ｓ１５：分類工程］
次に、分類部２６において、工程Ｓ１４で算出された２つの行動の近さ（駅間距離）に基づいて、２つの行動間を滞在と移動に分類する。工程Ｓ１５では、滞在と移動に分類するための駅間距離の閾値を例えば３０００ｍとする。そして図８に示すように、前後行動の駅間距離が３０００ｍ未満であれば「滞在」と分類し、３０００ｍ以上であれば「移動」と分類する。

【0064】

［Ｓ１６：可視化工程］
次に、可視化部２７において、工程Ｓ１５で分類された滞在と移動を可視化する。工程Ｓ１６では、図９に示すように日付毎に滞在と移動を集計し、グラフに表して可視化する。なお、第１の実施形態においては、日付毎に滞在と移動を集計したが、集計単位はこれに限定されない。例えば駅毎に滞在と移動を集計してもよい。

【0065】

以上の第１の実施形態によれば、工程Ｓ１５において連続する２つの行動間を滞在と移動に分類するので、各駅の利用実態及び人の流動を適切に把握することができる。また、工程Ｓ１６において滞在と移動を可視化するので、これら各駅の利用実態及び人の流動の把握がさらに容易になる。例えば、滞在場所毎の人数を集計することでヒートマップを作成すれば、滞在場所を判定することができ、また居住エリアを推定することができる。また例えば、滞在と購買履歴を紐づけることで、購買傾向を推定することができる。さらに例えば、滞在とイベント等を紐づけることで、滞在目的を推定することができる。そして、このように人の行動履歴を適切に分析することができるので、例えば商品やサービスのマーケティングやレコメンデーション、イベント計画、交通計画など、多様な目的に分析結果を用いることができる。

【0066】

ここで従来、ＯＤ（Ｏｒｉｇｉｎ：出発地、Ｄｅｓｔｉｎａｔｉｏｎ：目的地）データを用いて人の流動を分析することが行われている。しかしながら、第１の実施形態のように駅に入場してから出場するまでのデータ（上記ＯＤデータ）に加えて、駅を出場してから入場するまでのデータも用いて分析することは、従来行われていない。そして、第１の実施形態によればこのように連続する２つの行動間を滞在と分類することで、従来よりも人の行動履歴を適切に分析することが可能になる。

【0067】

また従来、例えば特許文献１に記載されているように、交通系ＩＣカードの利用履歴に基づいて、駅構内や駅周辺における利用傾向を分析することは行われている。一方、第１の実施形態では、駅を出場してから入場するまでのデータも用いて、２つの行動間の滞在と移動を分析することで、駅間のエリアを含み、駅周辺より広いエリアにおける滞在と移動を把握することができる。かかる観点からも、第１の実施形態によれば、従来よりも人の行動履歴を適切に分析することができる。

【0068】

また、第１の実施形態では、個人が意志を持って行った行動を含む行動履歴データを分析するので、人の行動として、連続する２つの行動間を滞在と移動に分類する意味がある。例えばＧＰＳを用いて取得されるログデータのように自動で取得されるデータを分析して人の滞在と移動を分類しても、人の行動を適切に分析することはできない。

【0069】

（第２の実施形態）
第２の実施形態にかかる情報処理方法について説明する。図１０は、第２の実施形態にかかる情報処理方法の主な工程を示すフロー図である。第２の実施形態では、第１の実施形態と同様に、処理対象の行動履歴データが、駅の改札機で交通系ＩＣカードが利用された際の利用履歴を含むデータである場合について説明する。また、第２の実施形態では、第１の実施形態と同じ行動履歴データを用いる。

【0070】

［Ｓ２１：記憶工程、Ｓ２２：抽出工程、Ｓ２３：マッピング工程］
第２の実施形態にける工程Ｓ２１～Ｓ２３はそれぞれ、第１の実施形態の工程Ｓ１１～Ｓ１３と同様である。すなわち先ず、工程Ｓ２１において、図３に示した行動履歴データと図４に示した駅のマスタデータが、情報処理装置２０の記憶部２２に記憶される。次に、工程Ｓ２２において、図５に示したように行動履歴データから、ユーザＩＤ毎に行動履歴を抽出する。次に、工程Ｓ２３において、図６に示したように、図５の行動履歴の駅に対して、図４の駅マスタデータの駅の地理情報が紐づけられ、行動履歴が地理空間にマッピングされる。

【0071】

［Ｓ２４：算出工程］
次に、算出部２５において、工程Ｓ２３でマッピングされた行動履歴を用いて、時間的に連続する２つの行動の近さと、当該２つの行動間の時間を算出する。工程Ｓ２４では、先ず、第１の実施形態の工程Ｓ１４と同様に、図１１に示すようにユーザＩＤ及び日付毎に、連続する２つの行動を要素とするベクトルを生成する。次に、２つの行動の近さとして、前行動の駅の地理情報と後行動の駅の地理情報を用いて、これら前後行動の駅間距離を算出する。この２つの行動の近さの算出は、第１の実施形態と同様である。第２の実施形態では、さらに前行動の時間と後行動の時間を用いて、これら前後行動間の時間を算出する。

【0072】

［Ｓ２５：分類工程］
次に、分類部２６において、工程Ｓ２４で算出された２つの行動の近さ（駅間距離）と２つの行動間の時間に基づいて、２つの行動間を滞在と移動に分類する。工程Ｓ２５では、滞在と移動に分類するための駅間距離の閾値を例えば３０００ｍとし、時間の閾値を３０分とする。そして図１２に示すように、前後行動の駅間距離が３０００ｍ未満かつ前後行動間の時間が３０分未満であれば「滞在」と分類し、前後行動の駅間距離が３０００ｍ以上又は前後行動間の時間が３０分以上であれば「移動」と分類する。なお、工程Ｓ２５では、駅間距離を時間で割って速度を導出し、当該導出された速度と所定の閾値とを比較して、２つの行動間を滞在と移動に分類してもよい。

【0073】

［Ｓ２６：可視化工程］
次に、可視化部２７において、工程Ｓ２５で分類された滞在と移動を可視化する。工程Ｓ２６では、図１２に示した表において、前行動が出場である場合の、前行動の駅毎に滞在と移動を集計する。そして図１３に示すように、滞在と移動の集計結果をグラフに表して可視化する。

【0074】

以上の第２の実施形態においても、上述した第１の実施形態と同様の効果を享受することができる。しかも、工程Ｓ２５において２つの行動の近さに加え、２つの行動間の時間に基づいて、２つの行動間を滞在と移動に分類するので、当該分類をより精緻に行うことができる。その結果、各駅の利用実態及び人の流動をより正確に把握することができる。

【0075】

また、鉄道を利用して駅で出場した後の行動の分析は、交通系ＩＣカードの利用履歴データからは通常は困難であるが、第２の実施形態の情報処理方法を用いることで駅を出場した後の行動を分析することができる。特に、駅別に集計することで、駅の利用のされ方を把握することができる。

【0076】

（第３の実施形態）
第３の実施形態にかかる情報処理方法について説明する。図１４は、第３の実施形態にかかる情報処理方法の主な工程を示すフロー図である。第３の実施形態では、処理対象の行動履歴データが、ＥＣサイトにおける商品の購買履歴を含むデータである場合について説明する。

【0077】

［Ｓ３１：記憶工程］
先ず、ＥＣサイトにおいて商品が購入されると、その購買履歴がデータベース装置１０に送信され、記憶部１２に記憶される。記憶部１２に記憶された行動履歴データは、ネットワーク３０を介して情報処理装置２０に入力され、記憶部２２に記憶される。

【0078】

図１５は、行動履歴データの一例を示す表である。行動履歴データは、例えばユーザＩＤ、購買日時、購買店舗、購買品目を含み、これらが時系列に並べられている。また、記憶部２２には、図１６に示す店舗のマスタデータと、図１７に示す品目のマスタデータも記憶される。店舗のマスタデータにおける店舗トピックは、トピックモデルにより行動履歴データからトピックを抽出して作成される。同様に、品目のマスタデータにおける品目トピックも、トピックモデルにより行動履歴データからトピックを抽出して作成される。

【0079】

［Ｓ３２：抽出工程］
次に、抽出部２３において、工程Ｓ３１で記憶部１２に記憶された行動履歴データから行動履歴を抽出する。工程Ｓ３２では、図１８に示すようにユーザＩＤ毎に行動履歴を抽出する。

【0080】

［Ｓ３３：マッピング工程］
次に、マッピング部２４において、工程Ｓ３２で抽出された行動履歴をベクトル化して、ベクトル空間にマッピングする。工程Ｓ３３では、図１９に示すように行動履歴データに店舗及び品目のマスタを紐づけることにより、購入を行った店舗及び品目を要素とするベクトルを生成する。

【0081】

［Ｓ３４：算出工程］
次に、算出部２５において、工程Ｓ３３でベクトル化された行動履歴を用いて、時間的に連続する２つの行動の近さと、当該２つの行動間の時間を算出する。工程Ｓ３４では、図２０に示すように２つの行動の近さとして、前行動の店舗トピック及び品目トピックからなるベクトルと、後行動の店舗トピック及び品目トピックからなるベクトルを用いて、これら前後行動のベクトルのコサイン類似度を算出する。なお、第３の実施形態においてはコサイン類似度を算出したが、ユークリッド距離やマンハッタン距離を算出してもよい。また、工程Ｓ３４では、前行動の購買時間と後行動の購買時間を用いて、これら前後行動間の時間を算出する。

【0082】

［Ｓ３５：分類工程］
次に、分類部２６において、工程Ｓ３４で算出された２つの行動の近さ（コサイン類似度）と２つの行動間の時間に基づいて、２つの行動間を滞在と移動に分類する。工程Ｓ３５では、滞在と移動に分類するためのコサイン類似度の閾値を例えば０．７０７とし、時間の閾値を６０分とする。そして図２１に示すように、コサイン類似度が０．７０７より大きく又は時間が６０分より大きければ「滞在」と分類し、コサイン類似度が０．７０７以下かつ時間が６０分以下であれば「移動」と分類する。

【0083】

以上の第３の実施形態においても、上述した第１及び第２の実施形態と同様の効果を享受することができる。すなわち、工程Ｓ３５において連続する２つの行動間を滞在と移動に分類するので、ウェブサイトの利用実態を適切に把握することができ、その結果、例えば商品やサービスのマーケティング、レコメンデーションなど、多様な目的に分析結果を用いることができる。

【0084】

以上、添付図面を参照しながら本発明の好適な実施形態について説明したが、本発明はかかる例に限定されない。当業者であれば、特許請求の範囲に記載された思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、それらについても当然に本発明の技術的範囲に属するものと了解される。

【産業上の利用可能性】

【0085】

本発明は、人の行動履歴を分析する際に有用である。

【符号の説明】

【0086】

１ 情報処理システム
１０ データベース装置
１１ 演算部
１２ 記憶部
１３ 通信部
２０ 情報処理装置
２１ 演算部
２２ 記憶部
２３ 抽出部
２４ マッピング部
２５ 算出部
２６ 分類部
２７ 可視化部
２８ 通信部
３０ ネットワーク

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16】

【図17】

【図18】

【図19】

【図20】

【図21】