特開 2023-76239 位置推定装置、位置推定方法および位置推定プログラム

(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】P2023076239

(43)【公開日】2023-06-01

(54)【発明の名称】位置推定装置、位置推定方法および位置推定プログラム

(51)【国際特許分類】

   G01S 5/02 20100101AFI20230525BHJP

   G06Q 50/10 20120101ALI20230525BHJP

   H04W 64/00 20090101ALI20230525BHJP

【ＦＩ】

G01S5/02 Z

G06Q50/10

H04W64/00 160

H04W64/00 110

【審査請求】未請求

【請求項の数】10

【出願形態】ＯＬ

(21)【出願番号】P 2021189546

(22)【出願日】2021-11-22

(71)【出願人】

【識別番号】319013263

【氏名又は名称】ヤフー株式会社

(74)【代理人】

【識別番号】110002147

【氏名又は名称】弁理士法人酒井国際特許事務所

(72)【発明者】

【氏名】水口 達矢

(72)【発明者】

【氏名】西尾 大智

【テーマコード（参考）】

5J062

5K067

5L049

【Ｆターム（参考）】

5J062BB05

5J062CC11

5J062CC18

5J062FF01

5J062GG01

5J062GG02

5K067AA21

5K067BB21

5K067DD20

5K067DD43

5K067DD44

5K067EE02

5K067EE16

5K067HH22

5L049CC11

(57)【要約】

【課題】各利用者の位置情報を適切に推定すること。
【解決手段】本願に係る位置推定装置は、位置情報の提供を許諾した利用者である許諾利用者の利用者端末から位置情報と、当該位置情報に対応する電波情報を取得する取得部と、取得部によって取得された位置情報と、電波情報とに基づき、位置情報に対応する領域毎に電波情報の特徴を学習する学習部と、学習部による学習結果に基づき、利用者端末から取得した電波情報を用いて当該利用者端末の領域を推定する推定部とを備える。
【選択図】図１

【特許請求の範囲】

【請求項1】

位置情報の提供を許諾した利用者である許諾利用者の利用者端末から位置情報と、当該位置情報に対応する電波情報を取得する取得部と、
前記取得部によって取得された前記位置情報と、前記電波情報とに基づき、前記位置情報に対応する領域毎に前記電波情報の特徴を学習する学習部と、
前記学習部による学習結果に基づき、利用者端末から取得した前記電波情報を用いて当該利用者端末の前記領域を推定する推定部と
を備えることを特徴とする位置推定装置。

【請求項2】

前記取得部は、
前記電波情報として、前記利用者端末によって受信された電波を識別する識別子に関する情報を取得し、
前記学習部は、
前記領域毎に受信可能な前記電波の識別子の組み合わせに関する特徴を学習すること
を特徴とする請求項１に記載の位置推定装置。

【請求項3】

前記取得部は、
前記電波情報として、前記利用者端末によって受信された電波の電波強度に関する情報を取得し、
前記学習部は、
前記領域毎に受信可能な電波の識別子と電波強度とに関する特徴を学習すること
を特徴とする請求項２に記載の位置推定装置。

【請求項4】

前記領域毎の前記位置情報と前記電波情報の取得結果に応じて当該領域を分割する分割部
を備えること
を特徴とする請求項１、２または３に記載の位置推定装置。

【請求項5】

前記学習部は、
前記取得部によって取得された所定期間内の前記位置情報と前記電波情報とを用いて、前記領域毎の特徴を学習すること
を特徴とする請求項１～４のいずれか一つに記載の位置推定装置。

【請求項6】

前記推定部は、
前記利用者端末によって計測された気圧情報をさらに取得し、
前記学習部は、
前記位置情報と、前記電波情報と、前記気圧情報とに基づき、前記領域毎の特徴を学習し、
前記推定部は、
前記電波情報と、前記気圧情報とに基づき、前記領域を推定すること
を特徴とする請求項１～５のいずれか一つに記載の位置推定装置。

【請求項7】

前記取得部は、
ｗｉｆｉ（登録商標）に関する前記電波情報を取得すること
を特徴とする請求項１～６のいずれか一つに記載の位置推定装置。

【請求項8】

前記推定部によって推定された前記領域と、前記領域毎の店舗情報とに基づき、前記利用者の訪問した店舗を特定する特定部
を備えることを特徴とする請求項１～７のいずれか一つに記載の位置推定装置。

【請求項9】

コンピュータが実行する位置推定方法であって、
位置情報の提供を許諾した利用者である許諾利用者の利用者端末から位置情報と、当該位置情報に対応する電波情報を取得する取得工程と、
前記取得工程によって取得された前記位置情報と、前記電波情報とに基づき、前記位置情報に対応する領域毎の前記電波情報の特徴を学習する学習工程と、
前記学習工程による学習結果に基づき、利用者端末から取得した前記電波情報を用いて当該利用者端末の前記領域を推定する推定工程と
を含むことを特徴とする位置推定方法。

【請求項10】

位置情報の提供を許諾した利用者である許諾利用者の利用者端末から位置情報と、当該位置情報に対応する電波情報を取得する取得手順と、
前記取得手順によって取得された前記位置情報と、前記電波情報とに基づき、前記位置情報に対応する領域毎の前記電波情報の特徴を学習する学習手順と、
前記学習手順による学習結果に基づき、利用者端末から取得した前記電波情報を用いて当該利用者端末の前記領域を推定する推定手順と
をコンピュータに実行させることを特徴とする位置推定プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、位置推定装置、位置推定方法および位置推定プログラムに関する。

【背景技術】

【0002】

従来、利用者の位置情報に応じて種々のサービスを提供する技術が提供されている。例えば、利用者の生活圏を判定し、生活圏に関するコンテンツを配信する技術が提供されている。例えば、このような技術においては、ＧＰＳ（Global Positioning System）により検知される情報や、利用者が利用する利用者端末の通信に用いられる所定の無線ＬＡＮ（Local Area Network）の設置位置に関する情報等により推定されるユーザの位置情報が用いられる（たとえば、特許文献１参照）。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０１４－０６３４０８号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

しかしながら、従来技術では、各利用者の位置情報を適切に推定することができない場合があった。具体的には、近年では、個人情報保護の観点から、スマートフォン等の端末装置の仕様により、個人の端末装置の位置情報を外部に送信することに対して制約が厳しくなる傾向にあり、位置情報の提供を許諾していない利用者については位置情報を推定することができない。

【0005】

本発明は、上記に鑑みてなされたものであって、各利用者の位置情報を適切に推定することができる位置推定装置、位置推定方法および位置推定プログラムを提供することを目的とする。

【課題を解決するための手段】

【0006】

上述した課題を解決し、目的を達成するために、本発明に係る位置推定装置は、位置情報の提供を許諾した利用者である許諾利用者の利用者端末から位置情報と、当該位置情報に対応する電波情報とを取得する取得部と、前記取得部によって取得された前記位置情報と、前記電波情報とに基づき、前記位置情報に対応する領域毎に前記電波情報の特徴を学習する学習部と、前記学習部による学習結果に基づき、利用者端末から取得した前記電波情報を用いて当該利用者端末の前記領域を推定する推定部とを備える。

【発明の効果】

【0007】

本発明によれば、各利用者の位置情報を適切に推定することができる。

【図面の簡単な説明】

【0008】

【図1】図１は、実施形態に係る情報処理の一例を示す図である。

【図2】図２は、実施形態に係る位置推定装置の構成例を示すブロック図である。

【図3】図３は、実施形態に係る学習データ記憶部の一例を示す図である。

【図4】図４は、実施形態に係る学習結果記憶部の一例を示す図である。

【図5】図５は、実施形態に係る推定部による処理の一例を示す図である。

【図6】図６は、実施形態に係る分割部による処理の一例を示す模式図である。

【図7】図７は、実施形態に係る学習処理の一例を示すフローチャートである。

【図8】図８は、実施形態に係る領域推定処理の一例を示すフローチャートである。

【図9】図９は、変形例に係る学習結果の一例を示す模式図である。

【図10】図１０は、実施形態に係る位置推定装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。

【発明を実施するための形態】

【0009】

以下に、本願に係る位置推定装置、位置推定方法および位置推定プログラムを実施するための形態（以下、「実施形態」と記載する。）について図面を参照しつつ詳細に説明する。なお、この実施形態により本願に係る位置推定装置、位置推定方法および位置推定プログラムが限定されるものではない。

【0010】

［実施形態］
〔１．情報処理〕
まず、図１を用いて、実施形態に係る情報処理の一例について説明する。図１は、実施形態に係る情報処理の一例を示す図である。

【0011】

図１に示すように、実施形態に係る位置推定装置１０は、利用者Ｕが所有する利用者端末５０から取得した情報に基づき、各利用者Ｕの位置情報を推定する装置である。位置推定装置１０は、たとえば、サーバ装置やクラウドシステム等によって実現される。

【0012】

利用者端末５０は、利用者Ｕが所有する端末装置である。たとえば、利用者端末５０は、ＧＰＳ（Global Positioning System）によって現在地を測位する機能、４Ｇ（Generation）、５Ｇ、ＬＴＥ（Long Term Evolution）、Ｗｉｆｉ（登録商標）若しくは無線ＬＡＮ（Local Area Network）等といった各種の無線通信網若しくは各種の有線通信網といったネットワークを介して、位置推定装置１０等の間で情報の送受信を行う機能を有する。

【0013】

ところで、たとえば、位置推定装置１０は、利用者端末５０からＧＰＳの測位情報を取得すれば、各利用者端末５０の位置情報を把握することが可能となる。

【0014】

一方で、近年では、個人情報保護の観点から、スマートフォン等の利用者端末５０の仕様により、位置情報を外部に送信することに対して制約が厳しくなる傾向にあり、位置情報の提供を許諾していない利用者については位置情報を把握することが困難である。

【0015】

特に、ユーザＩＤ（ＧＵＩＤ）に位置情報を紐づけて提供する利用者が限定される。一方、Ｗｉｆｉに関する電波情報はＧＰＳに比べてセキュリティ面での制約が弱く、より多くの利用者ＵからユーザＩＤと紐付けて入手することが可能である。

【0016】

そこで、実施形態に係る位置推定装置１０は、かかる点に着目し、位置情報の提供を許諾した利用者Ｕの利用者端末５０から位置情報とＷｉｆｉに関する電波情報とを取得し、位置情報に対応する領域毎に電波情報の特徴を学習したマップを生成することとした。

【0017】

たとえば、かかるマップを用いることで、電波情報から位置情報を逆算的に推定することが可能となる。ここで、後述するように、実施形態に係る位置推定装置１０は、厳密な位置情報を推定せず、領域単位で位置情報を推定する。これにより、厳密な位置情報を推定する場合に比べて、高速な位置推定を実現することができる。

【0018】

たとえば、図１に示すように、位置推定装置１０は、位置情報の提供を許諾した利用者である許諾利用者Ｕ１の利用者端末５０から学習データを取得する（ステップＳ１）。ここで、学習データには、位置情報および電波情報が含まれる。なお、位置推定装置１０は、利用者端末５０からユーザＩＤをあわせて取得するようにしてもよい。

【0019】

また、電波情報は、ＢＳＳＩＤ（Basic Service Set Identifier）、ＲＳＳＩ（Received Signal Strength Indicator）に関する情報が含まれる。なお、ＢＳＳＩＤは、Ｗｉｆｉを識別するための識別子であり、ＲＳＳＩは、受信信号強度である。

【0020】

つづいて、位置推定装置１０は、位置情報それぞれに対応する領域毎に電波情報の特徴を学習する（ステップＳ２）。ここで、領域とは、たとえば、地図を一定の規則（たとえば、メッシュ状）にしたがって分割した分割領域である。

【0021】

図１では、位置推定装置１０が、緯度・経度に基づき分割された領域Ａｒ１～Ａｒ４それぞれで受信されるＢＳＳＩＤ（同図に示すＡ、Ｂ）およびＲＳＳＩ（同図に示すＡ、Ｂに付随する数値）の特徴を学習した場合を例示する。なお、同図に示す「Ｎ．Ｄ」は、Ｎｏｔ Ｄｅｔｅｃｔｅｄの略語であり、対応するＢＳＳＩＤの電波が観測されなかったことを指す。

【0022】

位置推定装置１０は、電波情報に関する学習を終えると、たとえば、位置情報の提供を許諾していない一般利用者Ｕ２の利用者端末５０から電波情報を取得し（ステップＳ３）、かかる電波情報に基づき、一般利用者Ｕ２の領域を推定する（ステップＳ４）。

【0023】

たとえば、位置推定装置１０は、一般利用者Ｕ２の電波情報と各領域Ａｒ１～Ａｒ４の類似スコアを算出し、一般利用者Ｕ２がどの領域に存在するかを推定する。なお、ここでの類似スコアとは、たとえば、一般利用者Ｕ２がどの領域に存在するかを示唆する確率であり、類似スコアが高いほど、一般利用者Ｕ２が対応する領域に存在する確率が高くなる。

【0024】

たとえば、位置推定装置１０は、類似スコアが所定値を超える領域に一般利用者Ｕ２が存在すると推定する。なお、この際、位置推定装置１０は、類似スコアが所定値を超える領域が複数存在する場合、複数の領域を統合した領域に一般利用者Ｕ２が存在すると推定することにしてもよい。

【0025】

このように、実施形態に係る位置推定装置１０は、許諾利用者Ｕ１から位置情報および電波情報を取得し、領域毎に電波情報の特徴を学習したうえで、一般利用者Ｕ２の電波情報を利用して一般利用者Ｕ２の位置情報を推定する。

【0026】

したがって、実施形態に係る位置推定装置１０によれば、各利用者の位置情報を適切に推定することができる。

【0027】

また、位置推定装置１０は、一般利用者Ｕ２の存在する領域を推定するので、位置情報に換算すると、領域全体の緯度・経度となる。すなわち、位置推定装置１０は、領域単位で一般利用者Ｕ２の位置情報を推定することで、厳密な位置情報を推定する場合に比べて、高速な位置推定を実現することが可能となる。

【0028】

〔２．位置推定装置の構成例〕
次に、図２を用いて、位置推定装置１０の構成例について説明する。図２は、実施形態に係る位置推定装置１０の構成例を示すブロック図である。図２に示すように、位置推定装置１０は、通信部１１０と、制御部１２０と、記憶部１３０とを有する。

【0029】

通信部１１０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。そして、通信部１１０は、４Ｇ（Generation）、５Ｇ、ＬＴＥ（Long Term Evolution）、ＷｉＦｉ（登録商標）若しくは無線ＬＡＮ（Local Area Network）等といった各種の無線通信網若しくは各種の有線通信網といったネットワークを介して、外部装置との間で情報の送受信を行う。

【0030】

記憶部１３０は、例えば、ＲＡＭ、フラッシュメモリ等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。また、記憶部１３０は、学習データ記憶部１３１、学習結果記憶部１３２および店舗マップ記憶部１３３を有する。

【0031】

学習データ記憶部１３１は、学習データを記憶する。上述のように、学習データは、位置情報と電波情報とを含むデータである。図３は、実施形態に係る学習データ記憶部１３１の一例を示す図である。

【0032】

図３に示すように、学習データ記憶部１３１は、「位置情報」項目と、「電波情報」項目とを互いに対応付けて記憶する。「位置情報」項目には、位置情報が格納される。また、「電波情報」項目には、電波情報が格納される。また、「電波情報」項目に格納される電波情報は、ＢＳＳＩＤとＲＳＳＩとを対応付けた情報である。

【0033】

すなわち、図３に示すように、学習データ記憶部１３１は、位置情報と、対応する位置において観測されたｗｉｆｉのＢＳＳＩＤとＲＳＳＩとを対応付けて記憶する。

【0034】

学習結果記憶部１３２は、領域毎の電波情報の特徴を学習した学習結果を記憶する。図４は、実施形態に係る学習結果記憶部１３２の一例を示す図である。図４に示すように、たとえば、学習結果記憶部１３２は、「領域ＩＤ」項目、「メッシュ情報」項目および「特徴情報」項目といった項目の情報を互いに対応付けて記憶する。

【0035】

「領域ＩＤ」項目には、各領域を識別するための識別子が格納される。「メッシュ情報」項目には、対応する領域ＩＤによって識別される領域の位置情報が格納される。「特徴情報」項目には、対応する領域ＩＤによって識別される領域の電波情報の特徴が格納される。

【0036】

店舗マップ記憶部１３３は、店舗マップを記憶する。たとえば、店舗マップは、マップに対し各領域の店舗の位置情報を付与したマップである。なお、学習結果記憶部１３２に格納される学習結果がマップ情報である場合、店舗マップをかかるマップ情報に紐づけておくことにしてもよい。

【0037】

制御部１２０は、たとえば、コントローラ（controller）であり、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、位置推定装置１０内部の記憶装置に記憶されている各種プログラムがＲＡＭを作業領域として実行されることにより実現される。

【0038】

図２に示すように、制御部１２０は、取得部１２１、学習部１２２、推定部１２３、分割部１２４および特定部１２５を有する。取得部１２１は、位置情報の提供を許諾した利用者である許諾利用者の利用者端末５０から位置情報と、当該位置情報に対応する電波情報を取得する。

【0039】

すなわち、取得部１２１は、許諾利用者の利用者端末５０から上述の学習データを取得する。そして、取得部１２１は、取得した学習データを学習データ記憶部１３１へ格納する。また、取得部１２１は、位置情報の提供を許諾していない一般利用者の利用者端末５０から電波情報を取得し、取得した電波情報を推定部１２３へ渡す。

【0040】

学習部１２２は、取得部１２１によって取得された位置情報と、電波情報とに基づき、位置情報に対応する領域毎に電波情報の特徴を学習する。たとえば、学習部１２２は、所定の周期で、学習データ記憶部１３１から学習データを読み出して、位置情報に対応する領域毎に電波情報の特徴を学習する。

【0041】

たとえば、学習部１２２は、各領域のＢＳＳＩＤおよびＲＳＳＩの特徴を学習する。学習部１２２は、たとえば、領域毎に受信可能なＢＳＳＩＤごとのＲＳＳＩの分散を算出し、ＲＳＳＩの平均と標準偏差を特徴として学習する。

【0042】

すなわち、学習部１２２は、ＢＳＳＩＤ毎に各領域で受信可能なＲＳＳＩの正規化した情報を特徴として学習する。なお、学習部１２２は、学習した特徴を特徴ベクトルとして出力するようにしてもよい。特徴ベクトルは、ＢＳＳＩＤごとのＲＳＳＩの平均や標準偏差が近いほど、近似するように生成されたベクトルである。

【0043】

また、学習部１２２は、各領域で受信可能なＢＳＳＩＤの組み合わせを特徴として学習するようにしてもよい。また、学習部１２２は、取得部１２１によって取得された所定期間内の位置情報と電波情報を用いて、学習結果を更新するようにしてもよい。

【0044】

これは、ｗｉｆｉの基地局（あるいはルータ）が定期的に更新される場合に対応するためである。すなわち、学習部１２２は、所定期間内の位置情報および電波情報を用いて、学習を行うことで、古い位置情報と電波情報を排除した状態で学習を行うことが可能となる。

【0045】

そして、学習部１２２は、電波情報の特徴に関する学習結果を学習結果記憶部１３２へ格納する。

【0046】

推定部１２３は、学習部１２２による学習結果に基づき、利用者端末５０から取得した電波情報を用いて当該利用者端末５０の領域を推定する。たとえば、推定部１２３は、取得部１２１から受け取った一般利用者の電波情報と、学習結果記憶部１３２に格納された学習結果とに基づき、利用者端末５０の領域（すなわち位置情報）を推定する。

【0047】

図５は、実施形態に係る推定部による処理の一例を示す図である。図５位に示すように、たとえば、推定部１２３は、推定対象となる電波情報と、各領域Ａｒ１～Ａｒ４の特徴との類似度を示すスコア（類似スコア）を算出することで、利用者端末５０の領域を推定する。

【0048】

同図に示す例では、領域Ａｒ１～Ａｒ４に対する類似スコアがそれぞれ「０．７５」、「０．８０」、「０．９０」、「０．２０」である場合を示す。たとえば、推定部１２３は、類似スコアを算出すると、類似スコアが所定値を超える領域に利用者端末５０が存在すると推定する。

【0049】

仮に、所定値が「０．７０」である場合、領域Ａｒ４を除く領域Ａｒ１～Ａｒ３が条件を満たすことになる。そのため、この場合、推定部１２３は、領域Ａｒ４を除いて、領域Ａｒ１～Ａｒ３を統合した統合領域に利用者端末５０が存在すると推定する。

【0050】

なお、推定部１２３は、類似スコアが所定値を超える領域が一つである場合には、対応する１つの領域に利用者端末５０が存在すると推定する。また、たとえば、推定部１２３は、類似スコアが所定値を超える領域が複数あり、かかる領域が地理的に連続していない場合、すなわち、各領域が離間している場合についても。対応する複数の領域を統合した領域に利用者端末５０が存在すると推定すると推定することにしてもよい。

【0051】

また、推定部１２３は、利用者端末５０の領域を推定すると、推定結果を特定部１２５へ渡す。なお、学習部１２２による学習結果が各領域のＢＳＳＩＤの組み合わせである場合、推定部１２３は、利用者端末５０から受け取った電波情報が示すＢＳＳＩＤの組み合わせと上記学習結果に基づき、領域を推定するようにしてもよい。

【0052】

図２の説明に戻り、分割部１２４について説明する。分割部１２４は、領域で受信可能な電波の電波密度に応じて分割する。ここで、電波密度とは、領域内で観測された学習データの密度を指す。

【0053】

すなわち、分割部１２４は、十分な学習データが収集された領域を分割する。なお、たとえば、分割部１２４は、十分な学習データが収集されていない領域については領域の推定精度が担保される程度に周囲の領域と統合を行うことにしてもよい。

【0054】

図６は、実施形態に係る分割部による処理の一例を示す模式図である。図６では、学習データの収集位置を各領域に対応するメッシュ上にプロットして示す。この場合、たとえば、領域Ａｒ２は、他の領域Ａｒ１、Ａｒ３、Ａｒ４に比べて、ブロット数が多く、他の領域Ａｒ１、Ａｒ３、Ａｒ４に比べて、領域Ａｒ２をさらに分割したとしても、分割した領域それぞれを区別して利用者端末５０が存在する領域を推定可能である。

【0055】

そのため、分割部１２４は、各領域における電波密度に応じて、領域を分割する。図６では、領域Ａｒ２をさらにメッシュ状に９分割した場合を例示する。なお、分割部１２４は、電波密度に応じて、分割数を決定することにしてもよく、分割数は、９分割未満であってもよく、９分割より多くてもよい。また、図６では、メッシュ状に分割する場合を示しているが、これに限定されるものではなく、円形状などに領域を分割するようにしもてよい。また、分割部１２４は、各領域の電波密度が閾値以下である領域については隣接する領域を統合するようにしてもよい。

【0056】

図２の説明に戻り、特定部１２５について説明する。特定部１２５は、推定部１２３によって推定された領域と、領域毎の店舗情報とに基づき、利用者の訪問した店舗を特定する。

【0057】

特定部１２５は、店舗マップ記憶部１３３に格納された店舗マップと、推定部１２３から受けとった利用者の存在する領域とを照合することで、利用者が訪問した店舗を特定する。

【0058】

なお、ここでの店舗は、テナント単位であってもよく、たとえば、施設単位であってもよい。また、特定部１２５は、推定部１２３から受けとった利用者の存在する領域に複数の店舗が存在する場合、複数の店舗のいずれかに訪問したと推定するようにしてもよい。

【0059】

この場合、特定部１２５は、たとえば、利用者が過去に訪問した店舗の傾向等に基づき、複数の店舗それぞれに対し重みづけを行ったうえで、利用者が訪問した店舗を特定するようにしてもよい。

【0060】

たとえば、特定部１２５は、複数の店舗のうち、利用者が訪問する可能性が高い店舗、訪問する可能性が低い店舗を過去の傾向から導出し、利用者が実際に訪問した店舗を特定するようにしてもよい。なお、この場合、１つの店舗に特定することにしてもよいが、複数の店舗を利用者が訪問した店舗として特定するようにしてもよい。

【0061】

特定部１２５は、特定した店舗に対し、たとえば、利用者に関する情報を提供する。これにより、かかる店舗では、利用者に関する情報を分析することで、実際に店舗を訪れた利用者の傾向等を把握することができ、利用者に対して各種サービスを提供することができる。

【0062】

〔３．処理フロー〕
次に、図７および図８を用いて、実施形態に係る位置推定装置１０が実行する処理手順について説明する。図７は、実施形態に係る学習処理の一例を示すフローチャートである。図８は、実施形態に係る領域推定処理の一例を示すフローチャートである。

【0063】

図７に示すように、学習段階において、まず、位置推定装置１０は、位置情報の提供を許可した許可利用者から位置情報および電波情報を取得する（ステップＳ１０１）。つづいて、位置推定装置１０は、領域毎の電波情報の特徴を学習し（ステップＳ１０２）、処理を終了する。

【0064】

また、図８に示すように、領域推定段階において、位置推定装置１０は、一般利用者から電波情報を取得し（ステップＳ１１１）、図７の学習結果に基づき、領域を推定し（ステップＳ１１２）、処理を終了する。

【0065】

〔４．変形例〕
ところで、上述した実施形態では、領域毎に電波情報の特徴を学習する場合について説明したが、これに限定されるものではない。たとえば、位置推定装置１０は、電波情報に加え、気圧情報の特徴をあわせて学習することにしてもよい。

【0066】

図９は、変形例に係る変形例に係る学習結果の一例を示す模式図である。図９に示すように、気圧情報を加えて、学習を行うことで、緯度、経度に加え、気圧の３次元で領域を推定することができる。すなわち、気圧は、通常、高度が高くなるほど低下するので、図９に示す気圧は、高度（高さ）に対応する。

【0067】

たとえば、位置推定装置１０は、学習段階において、位置情報、電波情報に加え、気圧情報を利用者端末５０から取得する。そして、位置推定装置１０は、気圧情報に基づき、領域の高さ領域を設定したうえで、領域毎に電波情報の特徴を学習する。

【0068】

そして、位置推定装置１０は、一般利用者から電波情報および気圧情報を取得し、取得した電波情報および気圧情報と、かかる学習結果とを用い、一般利用者の存在する領域を推定する。

【0069】

これにより、位置推定装置１０は、たとえば、ビル内部において、フロアを含めた位置の推定が可能となる。

【0070】

また、上述した実施形態では、電波がｗｉｆｉを例に挙げて説明したが、これに限定されるものではない。たとえば、電波をビーコンや、Ｂｌｕｅｔｏｏｔｈ（登録商標）として本願発明を適用することにしてもよい。

【0071】

〔５．効果〕
上述した実施形態に係る位置推定装置１０は、位置情報の提供を許諾した利用者である許諾利用者の利用者端末から位置情報と、当該位置情報に対応する電波情報を取得する取得部１２１と、取得部１２１によって取得された位置情報と、電波情報とに基づき、位置情報に対応する領域毎に前記電波情報の特徴を学習する学習部１２２と、学習部１２２による学習結果に基づき、利用者端末５０から取得した電波情報を用いて当該利用者端末５０の領域を推定する推定部１２３とを備える。したがって、実施形態に係る位置推定装置１０によれば、各利用者の位置を適切に推定することができる。

【0072】

また、上述した実施形態に係る取得部１２１は、電波情報として、利用者端末５０によって受信された電波を識別する識別子に関する情報を取得し、学習部１２２は、領域毎に受信可能な電波の識別子の組み合わせに関する特徴を学習する。したがって、実施形態に係る位置推定装置１０によれば、各領域で受信可能な電波の識別子の組み合わせによって、位置を推定することができる。

【0073】

また、上述した実施形態に係る取得部１２１は、電波情報として、利用者端末５０によって受信された電波の電波強度に関する情報を識別子毎に取得し、学習部１２２は、領域毎に受信可能な電波の識別子と電波強度とに関する特徴を学習する。したがって、実施形態に係る位置推定装置１０によれば、領域を精度よく推定することができる。

【0074】

また、実施形態に係る位置推定装置１０は、領域毎の位置情報と電波情報の取得結果に応じて当該領域を分割する分割部１２４を備える。したがって、実施形態に係る位置推定装置１０によれば、領域を分割することで、位置の推定誤差を小さくすることができる。

【0075】

また、実施形態に係る位置推定装置１０は、取得部１２１によって取得された所定期間内の位置情報と電波情報を用いて領域毎の特徴を学習する。したがって、実施形態に係る位置推定装置１０によれば、古い学習データの影響を抑えつつ、新たな学習データに基づいて学習を行うことができる。

【0076】

また、実施形態に係る取得部１２１は、利用者端末５０によって計測された気圧情報をさらに取得し、学習部１２２は、位置情報と、電波情報と、気圧情報に基づき、領域毎の特徴を学習し、推定部１２３は、電波情報と、気圧情報とに基づき、領域を推定する。したがって、実施形態に係る位置推定装置１０によれば、高さを含めた３次元空間で領域推定を行うことができる。

【0077】

また、実施形態に係る取得部１２１は、ｗｉｆｉに関する電波情報を取得する。したがって、実施形態に係る位置推定装置１０によれば、汎用性高く位置を推定することができる。

【0078】

また、実施形態に係る位置推定装置１０は、推定部１２３によって推定された領域と、領域毎の店舗情報とに基づき、利用者の訪問した店舗を特定する特定部１２５を備える。したがって、実施形態に係る位置推定装置１０によれば、多様な利用者の来店計測が可能となる。

【0079】

また、実施形態に係る位置推定方法は、コンピュータが実行する位置推定方法であって、位置情報の提供を許諾した利用者である許諾利用者の利用者端末から位置情報と、当該位置情報に対応する電波情報を取得する取得工程と、前記取得工程によって取得された前記位置情報と、前記電波情報とに基づき、前記位置情報に対応する領域毎の前記電波情報の特徴を学習する学習工程と、前記学習工程による学習結果に基づき、利用者端末から取得した前記電波情報を用いて前記領域を推定する推定工程とを含む。したがって、実施形態に係る位置推定方法によれば、各利用者の位置を適切に推定することができる。

【0080】

また、実施形態に係る位置推定プログラムは、位置情報の提供を許諾した利用者である許諾利用者の利用者端末から位置情報と、当該位置情報に対応する電波情報を取得する取得手順と、前記取得手順によって取得された前記位置情報と、前記電波情報とに基づき、前記位置情報に対応する領域毎の前記電波情報の特徴を学習する学習手順と、前記学習手順による学習結果に基づき、利用者端末から取得した前記電波情報を用いて前記領域を推定する推定手順とをコンピュータに実行させる。したがって、実施形態に係る位置推定プログラムによれば、各利用者の位置を適切に推定することができる。

【0081】

〔６．ハードウェア構成〕
また、上述してきた実施形態に係る位置推定装置１０は、例えば図１０に示すような構成のコンピュータ１０００によって実現される。図１０は、実施形態に係る位置推定装置１０の機能を実現するコンピュータの一例を示すハードウェア構成図である。コンピュータ１０００は、ＣＰＵ１１００、ＲＡＭ１２００、ＲＯＭ１３００、ＨＤＤ１４００、通信インターフェイス（Ｉ／Ｆ）１５００、入出力インターフェイス（Ｉ／Ｆ）１６００、及びメディアインターフェイス（Ｉ／Ｆ）１７００を有する。

【0082】

ＣＰＵ１１００は、ＲＯＭ１３００またはＨＤＤ１４００に格納されたプログラムに基づいて動作し、各部の制御を行う。ＲＯＭ１３００は、コンピュータ１０００の起動時にＣＰＵ１１００によって実行されるブートプログラムや、コンピュータ１０００のハードウェアに依存するプログラム等を格納する。

【0083】

ＨＤＤ１４００は、ＣＰＵ１１００によって実行されるプログラム、及び、かかるプログラムによって使用されるデータ等を格納する。通信インターフェイス１５００は、ネットワーク（通信ネットワーク）Ｎを介して他の機器からデータを受信してＣＰＵ１１００へ送り、ＣＰＵ１１００が生成したデータをネットワークＮを介して他の機器へ送信する。

【0084】

ＣＰＵ１１００は、入出力インターフェイス１６００を介して、ディスプレイやプリンタ等の出力装置、及び、キーボードやマウス等の入力装置（図１０では、出力装置および入力装置を総称して「入出力装置」と記載する）を制御する。ＣＰＵ１１００は、入出力インターフェイス１６００を介して、入力装置からデータを取得する。また、ＣＰＵ１１００は、生成したデータを入出力インターフェイス１６００を介して出力装置へ出力する。

【0085】

メディアインターフェイス１７００は、記録媒体１８００に格納されたプログラムまたはデータを読み取り、ＲＡＭ１２００を介してＣＰＵ１１００に提供する。ＣＰＵ１１００は、かかるプログラムを、メディアインターフェイス１７００を介して記録媒体１８００からＲＡＭ１２００上にロードし、ロードしたプログラムを実行する。記録媒体１８００は、例えばＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto-Optical disk）等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等である。

【0086】

例えば、コンピュータ１０００が実施形態に係る位置推定装置１０として機能する場合、コンピュータ１０００のＣＰＵ１１００は、ＲＡＭ１２００上にロードされたプログラムを実行することにより、制御部１２０の機能を実現する。コンピュータ１０００のＣＰＵ１１００は、これらのプログラムを記録媒体１８００から読み取って実行するが、他の例として、他の装置からネットワークＮを介してこれらのプログラムを取得してもよい。

【0087】

以上、本願の実施形態のいくつかを図面に基づいて詳細に説明したが、これらは例示であり、発明の開示の欄に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。

【0088】

〔７．その他〕
また、上記実施形態及び変形例において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。

【0089】

また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。

【0090】

また、上述してきた実施形態及び変形例は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。

【0091】

また、上述してきた「部（section、module、unit）」は、「手段」や「回路」などに読み替えることができる。例えば、取得部は、取得手段や取得回路に読み替えることができる。

【符号の説明】

【0092】

１０ 位置推定装置
５０ 利用者端末
１２１ 取得部
１２２ 学習部
１２３ 推定部
１２４ 分割部
１２５ 特定部
１３１ 学習データ記憶部
１３２ 学習結果記憶部
１３３ 店舗マップ記憶部
Ｕ１ 許諾利用者
Ｕ２ 一般利用者

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】