特許 7438797 情報処理装置、業種推定方法、業種推定プログラム及びその記憶媒体

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2024-02-16

(45)【発行日】2024-02-27

(54)【発明の名称】情報処理装置、業種推定方法、業種推定プログラム及びその記憶媒体

(51)【国際特許分類】

   G06Q 50/10 20120101AFI20240219BHJP

【ＦＩ】

G06Q50/10

【請求項の数】 11

(21)【出願番号】P 2020042925

(22)【出願日】2020-03-12

(65)【公開番号】P2021144482

(43)【公開日】2021-09-24

【審査請求日】2023-01-16

(73)【特許権者】

【識別番号】501271479

【氏名又は名称】株式会社トヨタマップマスター

(74)【代理人】

【識別番号】110002516

【氏名又は名称】弁理士法人白坂

(72)【発明者】

【氏名】太田 洋介

【審査官】深津 始

(56)【参考文献】

【文献】特開２０１８－０７７８２１（ＪＰ，Ａ）

【文献】特開２０２０－１７３５５６（ＪＰ，Ａ）

【文献】特開２０１９－１４８５２１（ＪＰ，Ａ）

【文献】特開２０１７－１８７８５０（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｑ １０／００ －Ｇ０６Ｑ ９９／００

(57)【特許請求の範囲】

【請求項1】

施設の画像情報と、当該施設の業種の対応関係を学習した学習モデルを記憶する記憶部と、
施設に関連する画像を取得する画像取得部と、
前記画像取得部が取得した画像と、前記学習モデルとを用いて、前記画像取得部が取得した画像に対応する施設の業種を推定する推定部と、
前記推定部が推定した少なくとも１つ以上の業種を示す業種情報とを出力する出力部と、
を備える情報処理装置。

【請求項2】

前記記憶部は、少なくとも複数の施設各々の営業日時に関する情報を含む施設情報を記憶し、
前記情報処理装置は、
人又は車両が移動した経路と、前記経路を移動した際の時刻を示す時刻情報とを含む経路情報を受信する受信部と、
前記経路情報と前記施設情報とに基づいて、前記人又は車両が訪問した施設が、２種類以上の業種を有する施設であるか否かを判定する判定部と、
前記画像取得部は、前記判定部により２種類以上の業種を有すると判定された施設に関連する画像を取得する
ことを特徴とする請求項１に記載の情報処理装置。

【請求項3】

前記判定部は、前記施設の前記施設情報で示される営業時間外に、前記施設を訪問したことを示す経路情報がある場合に、当該施設が、業種が２種類以上ある施設であると判定する
ことを特徴とする請求項２に記載の情報処理装置。

【請求項4】

前記判定部は、前記施設の前記施設情報で示される営業時間外に、訪問したことを示す経路情報が複数ある場合に、当該施設が、業種が２種類以上ある施設であると判定する
ことを特徴とする請求項３に記載の情報処理装置。

【請求項5】

前記記憶部は、更に、複数の施設を連続で訪問する場合の訪問履歴と、連続で訪問した施設の業種とを対応付けた連続訪問情報を記憶し、
前記推定部は、更に、前記経路情報が複数の施設を訪問していることを示し、かつ、前記複数の施設のうちの少なくとも一つの施設の業種が取得できる場合に、前記連続訪問情報を用いて、前記少なくとも一つの施設の前又は後に訪問した施設の業種を推定する
ことを特徴とする請求項２～４のいずれか一項に記載の情報処理装置。

【請求項6】

前記施設情報は、さらに、前記施設の業種を示す情報が対応付けられており、
前記出力部が出力した業種情報が示す施設に対して前記施設情報において対応付けられている業種に、前記推定部が推定した業種が対応付けられていなかった場合に、当該対応付けられていなかった業種を、前記施設の新たな業種として、前記施設情報に登録する登録部を備えることを特徴とする請求項２～５のいずれか一項に記載の情報処理装置。

【請求項7】

前記画像取得部は、前記施設に関連する画像として、当該施設を訪問した車両の車載カメラにより撮像された画像を取得する
ことを特徴とする請求項２～６のいずれか一項に記載の情報処理装置。

【請求項8】

前記画像取得部は、前記施設に関連する画像として、少なくとも異なる時間に撮像された互いに異なる画像を取得する
ことを特徴とする請求項２～７のいずれか一項に記載の情報処理装置、

【請求項9】

情報処理装置が実行する施設の業種を推定する業種推定方法であって、
施設に関連する画像を取得する画像取得ステップと、
前記画像取得ステップが取得した画像と、施設の画像情報と当該施設の業種の対応関係を学習した学習モデルとを用いて、前記画像取得ステップが取得した画像に対応する施設の業種を推定する推定ステップと、
前記推定ステップが推定した少なくとも１つ以上の業種を示す業種情報とを出力する出力ステップと、
を実行する業種推定方法。

【請求項10】

施設の業種を推定する業種推定プログラムであって、
コンピュータに、
施設に関連する画像を取得する画像取得機能と、
前記画像取得機能が取得した画像と、施設の画像情報と当該施設の業種の対応関係を学習した学習モデルとを用いて、前記画像取得機能が取得した画像に対応する施設の業種を推定する推定機能と、
前記推定機能が推定した少なくとも１つ以上の業種を示す業種情報とを出力する出力機能と、
を実行させる業種推定プログラム。

【請求項11】

請求項１０に記載の業種推定プログラムを記録した記録媒体。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、車両の進行方向に対する他の車両の進入を予測できる情報処理装置、業種推定方法、業種推定プログラム、及び当該プログラムを記録した記録媒体に関する。

【背景技術】

【0002】

従来、各種の検索システムにおいて店舗等の検索を行う場合に、店舗の業種をクエリとして用いることがままある。そのためデータベースとして、店舗の業種を特定して、予め店舗ごとにその業種に係る情報を対応付けておく必要がある。特許文献１には、店舗の業種を特定する手法として、店舗の売り上げデータに含まれる売上商品データに基づいて店舗の業種を特定する手法が開示されている。また、特許文献２には、店舗を利用したユーザの購買履歴に基づいて店舗の業種を特定する手法が開示されている。

【先行技術文献】

【特許文献】

【0003】

【文献】特開２０１６－６６２５１号公報

【文献】特開２０１６－９９７７７号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

ところで、上記特許文献１や特許文献２に記載の技術では、店舗の売り上げデータを入手したり、ユーザの購買履歴情報を入手したりする必要があるため、各種の店舗の業種推定に用いるには現実的ではない。

【0005】

そこで、本発明は、上述のような問題を解決するために、容易に取得することができる情報を用いて店舗の業種を推定することができる情報処理装置、業種推定方法及び業種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】

上記課題を解決するために、本発明の一態様に係る情報処理装置は、施設の画像情報と、当該施設の業種の対応関係を学習した学習モデルを記憶する記憶部と、施設に関連する画像を取得する画像取得部と、画像取得部が取得した画像と、学習モデルとを用いて、画像取得部が取得した画像に対応する施設の業種を推定する推定部と、推定部が推定した少なくとも１つ以上の業種と、画像取得部が取得した画像に対応する施設の情報とを含む業種情報とを出力する出力部と、を備える。

【0007】

上記課題を解決するために、本発明の一態様に係る情報処理方法は、情報処理装置が実行する施設の業種を推定する業種推定方法であって、施設に関連する画像を取得する画像取得ステップと、画像取得ステップが取得した画像と、施設の画像情報と当該施設の業種の対応関係を学習した学習モデルとを用いて、画像取得ステップが取得した画像に対応する施設の業種を推定する推定ステップと、推定ステップが推定した少なくとも１つ以上の業種と、画像取得ステップが取得した画像に対応する施設の情報とを含む業種情報とを出力する出力ステップと、を実行する。

【0008】

上記課題を解決するために、本発明の一態様に係る情報処理プログラムは、施設の業種を推定する業種推定プログラムであって、コンピュータに、施設に関連する画像を取得する画像取得機能と、画像取得機能が取得した画像と、施設の画像情報と当該施設の業種の対応関係を学習した学習モデルとを用いて、画像取得機能が取得した画像に対応する施設の業種を推定する推定機能と、推定機能が推定した少なくとも１つ以上の業種と、画像取得機能が取得した画像に対応する施設の情報とを含む業種情報とを出力する出力機能と、を実行させる。

【0009】

上記情報処理装置において、記憶部は、少なくとも複数の施設各々の営業日時に関する情報を含む施設情報を記憶し、情報処理装置は、人又は車両が移動した経路と、経路を移動した際の時刻を示す時刻情報とを含む経路情報を受信する受信部と、経路情報と施設情報とに基づいて、人又は車両が訪問した施設が、２種類以上の業種を有する施設であるか否かを判定する判定部と、画像取得部は、判定部により２種類以上の業種を有すると判定された施設の画像を取得することとしてもよい。

【0010】

上記情報処理装置において、判定部は、施設の施設情報で示される営業時間外に、施設を訪問したことを示す経路情報がある場合に、当該施設が、業種が２種類以上ある施設であると判定することとしてもよい。

【0011】

上記情報処理装置において、判定部は、施設の施設情報で示される営業時間外に、訪問したことを示す経路情報が複数ある場合に、当該施設が、業種が２種類以上ある施設であると判定することとしてもよい。

【0012】

上記情報処理装置において、施設情報は、更に、営業時間を複数に区切った時間帯ごとの訪問者数に関する情報を含み、判定部は、施設情報と経路情報とに基づいて、訪問者数が所定以上増加した時間帯がある施設があった場合に、当該施設が、業種が２種類以上ある施設であると判定することとしてもよい。

【0013】

上記情報処理装置において、記憶部は、更に、複数の施設を連続で訪問する場合の訪問履歴と、連続で訪問した施設の業種とを対応付けた連続訪問情報を記憶し、推定部は、更に、経路情報が複数の施設を訪問していることを示し、かつ、複数の施設のうちの少なくとも一つの施設の業種が取得できる場合に、連続訪問情報を用いて、少なくとも一つの施設の前又は後に訪問した施設の業種を推定することとしてもよい。

【0014】

上記情報処理装置において、施設情報は、さらに、施設の業種を示す情報が対応付けられており、出力部が出力した業種情報が示す施設に対して施設情報において対応付けられている業種に、推定部が推定した業種が対応付けられていなかった場合に、当該対応付けられていなかった業種を、施設の新たな業種として、施設情報に登録する登録部を備えることとしてもよい。

【0015】

上記情報処理装置において、画像取得部は、施設に関連する画像として、当該施設を訪問した車両の車載カメラにより撮像された画像を取得することとしてもよい。

【0016】

上記情報処理装置において、画像取得部は、施設に関連する画像として、少なくとも異なる時間に撮像された互いに異なる画像を取得することとしてもよい。

【発明の効果】

【0017】

本発明の一態様に係る情報処理装置は、店舗を撮像した撮像画像という売り上げデータや購買履歴よりも入手が容易な情報を用いて、店舗の業種を推定することができる。

【図面の簡単な説明】

【0018】

【図1】情報処理装置の機能構成例を示すブロック図である。

【図2】業種推定に係る処理の概要図である。

【図3】施設情報のデータ構成例を示すデータ概念図である。

【図4】教師データのデータ構成例を示すデータ概念図である。

【図5】情報処理装置の学習に係る動作例を示すフローチャートである。

【図6】情報処理装置の推定に係る動作例を示すフローチャートである。

【図7】情報処理装置の施設の絞り込み処理に係る動作例を示すフローチャートである。

【図8】複数の施設を連続で訪問する場合の施設の対応関係を示す連続訪問情報のデータ構成例を示すデータ概念図である。

【図9】複数の施設を連続で訪問した移動情報から施設の業種を特定する情報処理装置の動作例を示すフローチャートである。

【図10】情報処理装置の他の構成例を示すブロック図である。

【発明を実施するための形態】

【0019】

以下、本発明の一実施態様に係る情報処理装置について、図面を参照しながら詳細に説明する。

【0020】

＜実施の形態１＞
＜情報処理装置の構成＞
本発明の一態様に係る情報処理装置は、施設の画像情報と、当該施設の業種の対応関係を学習した学習モデルを記憶する記憶部（図１の１０４参照）と、施設に関連する画像を取得する画像取得部（図１の１０５参照）と、画像取得部が取得した画像と、学習モデルとを用いて、画像取得部が取得した画像に対応する施設の業種を推定する推定部（図１の１０５参照）と、推定部が推定した少なくとも１つ以上の業種と、画像取得部が取得した画像に対応する施設の情報とを含む業種情報とを出力する出力部と（図１の１０３参照）、を備える。情報処理装置１００は、図２に示すように、施設に関連する撮像画像の入力を受け付けて、画像と業種の関係を学習した学習モデルを用いて、入力された撮像画像に関する施設の業種情報を推定する装置である。

【0021】

図１は、情報処理装置１００の機能構成例を示すブロック図である。図１に示すように、情報処理装置１００は、受信部１０１と、受付部１０２と、出力部１０３と、記憶部１０４と、ＣＰＵ１０５とを備える。情報処理装置１００は、一例として車両などに搭載されて経路案内をするためのナビゲーション用のデータベースに登録すべき情報を生成する装置であり、サーバ装置、ＰＣなどにより実現されるが、これらに限定するものではなく、スマートフォン等の携帯端末などにより実現されるものであってもよい。以下、各機能部について詳細に説明する。

【0022】

受信部１０１は、他の装置から通信により情報を受信する機能を有する。受信部１０１は、例えば、実際に自動車が走行した位置や車速などの情報を用いて生成された車両の走行履歴である走行履歴情報、所謂プローブ情報（プローブ交通情報）を受信する。また、受信部１０１は、人が移動した移動経路を示す経路情報を受信する。受信部１０１は、例えば、プローブ情報を、プローブ情報を収集、蓄積する道路交通情報通信システム（サーバ）等から受信する。受信部１０１は、取得したプローブ情報を、ＣＰＵ１０５に伝達する。また、受信部１０１は、施設の外観や内装、施設で提供される物品等の施設に関連する撮像画像を受信する。受信部１０１は、例えば、ユーザのＰＣやウェブ、フラッシュメモ等から撮像画像を受信する。受信部１０１は、受信した撮像画像を、ＣＰＵ１０５に伝達する。

【0023】

受付部１０２は、情報処理装置１００のユーザからの入力を受け付けて、ＣＰＵ１０５に伝達する機能を有する。受付部１０２は、例えば、情報処理装置１００に備えられたハードウェアキーや、タッチキーなどのソフトキーなどにより実現することができる。受付部１０２は、受け付けた目的地を示す情報をＣＰＵ１０５に伝達する。なお、受付部１０２に対する入力は音声による入力であってもよい。

【0024】

出力部１０３は、ＣＰＵ１０５からの指示に従って、指示されたデータを出力する機能を有する。出力部１０３は、例えば、施設の業種を示す業種情報を出力する。出力部１０３は、業種情報を、情報処理装置１００に接続されたモニタに画像情報（テキストデータでもよい）として出力することとしてもよいし、業種情報を示す音声データを情報処理装置１００に接続されたスピーカに出力することとしてもよいし、外部の装置に対して、通信により業種情報を送信することとしてもよい。即ち、出力部１０３は、ＣＰＵ１０５から指定された情報を、指定された宛先に出力する通信インターフェースとして機能する。

【0025】

記憶部１０４は、情報処理装置１００が動作するうえで必要とする各種のプログラム及び地図情報を含む各種のデータを記憶する記録媒体である。地図情報には、道路網に関する情報のほか、施設（ＰＯＩ（Points Of Interest）と呼称することもある）に関する情報が含まれる。施設に関する情報には、施設の業種を示す情報が含まれる。記憶部１０４は、例えば、ＨＤＤ（Hard Disc Drive）、ＳＳＤ（Solid State Drive）、フラッシュメモリ等により実現される。

【0026】

記憶部１０４は、学習モデル１４１と、施設情報１４２を記憶している。

【0027】

学習モデル１４１は、施設に関する撮像画像と、施設の業種との対応関係を学習した学習モデルである。学習モデル１４１は、撮像画像を入力として、入力された撮像画像に関する施設の業種を示す業種情報を出力するモデルである。学習モデル１４１は外部の装置が作成したものであってもよいし、情報処理装置１００が作成したものであってもよい。

【0028】

施設情報１４２は、既存の施設について、その施設名や営業時間、業種等の情報を含む施設に関するデータベースである。施設情報１４２の詳細については後述する。

【0029】

ＣＰＵ１０５は、記憶部１０４に記憶されている各種のプログラム及び各種のデータを利用して、情報処理装置１００が実行すべき処理を実行するプロセッサである。

【0030】

ＣＰＵ１０５は、情報処理装置１００の各部を制御し、施設の撮像画像を取得して、その施設の業種を推定する。とくに、ＣＰＵ１０５は、時間帯や曜日で営業形態を異ならせた、いわゆる、「二毛作ビジネス」を実施している施設を特定し、その業種を推定する。

【0031】

ＣＰＵ１０５は、施設に関する撮像画像を入力として、撮像画像に関する施設の業種を推定する推定部として機能する。ＣＰＵ１０５は、記憶部１４０に記憶されている学習モデル１４１に対して、取得した撮像画像を入力することで、入力した撮像画像に関する施設の業種を推定する。

【0032】

また、ＣＰＵ１０５は、推定部が推定した業種の情報を、対応する施設の業種として、地図情報あるいは検索用のデータベース等に登録する登録部として機能してもよい。

【0033】

また、ＣＰＵ１０５は、受信部１０１が受信しているプローブ情報または移動経路情報から、ユーザが施設を訪問したかどうか、そして、施設を訪問している場合に、その施設の営業態様が変化しているか否かを判定する判定部として機能する。

【0034】

また、ＣＰＵ１０５は、少なくとも撮像画像と、当該撮像画像が示す施設の業種を示す業種情報と、を含む教師データとして、撮像画像と撮像が示す施設の業種との対応関係を学習した学習モデルを学習する学習部として機能してもよい。

【0035】

以上が情報処理装置１００の構成例である。

【0036】

＜データ＞
ここで、施設情報１４２と、学習モデル１４１の元となる教師データについて説明する。

【0037】

図３は、施設情報１４２のデータ構成例を示すデータ概念図である。図３に示すように、施設情報１４２は、施設名称３０１と、施設位置３０２と、営業時間３０３と、業種情報３０４と、画像情報３０５と、が対応付けられた情報である、

【0038】

施設名称３０１は、施設を識別するための情報であり、施設の名称を示す情報である。

【0039】

施設位置３０２は、対応する施設名称３０１で示される施設の位置を示す情報であり、ここでは、経緯度情報で示している。施設位置３０２は、経緯度情報である必要はなく、施設の住所で示されてもよいし、経緯度の範囲で示されてもよい。

【0040】

営業時間３０３は、対応する施設名称３０１で示される施設が営業している日時を示す情報である。ここでは、営業している曜日とその時間帯で示しているが、これは、特定の日にちとその日の営業時間帯を示すものであってもよい。

【0041】

業種情報３０４は、対応する施設名称３０１で示される施設の業種を示す情報である。業種情報３０４は、一つであってもよいし、二つ以上あってもよい。

【0042】

画像情報３０５は、対応する施設名称３０１で示される施設に関する画像情報である。画像情報３０５は、例えば、施設の外観、内装、施設で提供しているサービスや商品、施設への道順等に関する画像や撮像画像である。

【0043】

図３に示す例では、施設名称３０１が、「Ａフレンチ」である施設の位置は、「（Ｘ１、Ｙ１）」であり、営業時間は、「月曜から土曜の１０時から２２時まで」となっている。そして、「Ａフレンチ」には業種情報３０４として、「レストラン、フレンチ」の情報が対応付けられ、画像情報３０５として、「ＰＡ００１．ｊｐｇ」等の画像が対応付けられている。

【0044】

施設情報１４２があることにより、施設の運用態様が変わった可能性がある施設を特定することができる。情報処理装置１００は、施設情報で示される位置にある施設を訪問しているプローブ情報があり、その訪問時間が施設情報で示される営業時間外であった場合に、施設の運用態様が変わった可能性がある

【0045】

図４は、学習モデル１４１を生成する際に用いる教師データの一例を示している。図４は、教師データ４００のデータ構成例を示すデータ概念図である。

【0046】

図４に示すように、教師データ４００は、管理ＩＤ４０１と、画像データ４０２と、撮影日時４０３と、撮影場所４０４と、業種４０５と、が対応付けられた情報である。

【0047】

図４に示す一行ずつが一つの教師データであり、教師データ４００はその集合である。教師データ４００は、画像データと業種との関係を学習するに足るだけの所定数以上の教師データを含んでいれば、いくつの教師データが含まれていてもよい。

【0048】

管理ＩＤ４０１は、各教師データを個別に管理するための管理情報である。管理ＩＤ４０１は、学習の態様とはならない。

【0049】

画像データ４０２は、施設に関する撮像画像である。施設に関する撮像画像とは、上述の通り、施設の外観、内装、施設で提供されるサービスや商品、施設までの道程を撮像したものであってよい。画像データ４０２は、一例として、ドライブレコーダー等の車載カメラにより撮像された画像であってよいし、ユーザの端末により撮像された画像であってもよいし、ウェブから取得した画像であてもよい。

【0050】

撮影日時４０３は、対応する画像データ４０２が撮影された日時を示す情報である。

【0051】

撮影場所４０４は、対応する画像データ４０２が撮影された場所を示す情報である。ここでは、経緯度情報で示す例を示しているが、これは住所であってもよい。

【0052】

業種４０５は、対応する画像データ４０２が撮影対象としている施設の業種を示す情報である。業種４０５は、教師あり学習における、いわゆる、ラベルに相当する情報である。

【0053】

したがって、教師データ４００を用いて作成された学習モデル１４１は、施設に関する画像データと、その画像データが示す施設の業種と、の関係を学習した学習モデルとなり、画像データの入力を受け付けて、その画像データに関連する施設の業種を推定するモデルとなる。

【0054】

なお、教師データ４００は、少なくとも画像データ４０２と、ラベルとして機能する業種４０５とがあればよく、その他の撮影日時４０３や撮影場所４０４等の情報は、必須の情報ではない。また、逆に教師データ４００には、図４に示した情報以外の情報も含まれてよく、例えば、撮影場所を訪問して撮像を行った人物の属性（例えば、性別や年齢）の情報が含まれてもよい。

【0055】

また、前述の通り、学習モデル１４１は、情報処理装置１００ではなく、他の装置が作成してもよく、他の装置が作成した学習モデル１４１を使って推定処理を行ってもよい。

【0056】

＜情報処理装置の動作＞
次に、情報処理装置１００の動作について説明する。

【0057】

図５は、情報処理装置１００が学習モデル１４１を生成する処理を示すフローチャートである。

【0058】

図５に示すように情報処理装置１００のＣＰＵ１０５は、教師データとして、少なくとも、施設に関する画像（例えば、施設の外観や内装、商品等の撮像画像）と、その画像データの施設の業種情報とが対応付けられたデータの入力を受け付ける（ステップＳ５０１）。業種情報は、画像を撮像したユーザが付与することとしてもよい。また、あるいは、業種情報は、画像がウェブサイト等から取得したものであれば、そのウェブサイトから特定される業種を、当該ウェブサイトから取得した画像に対応付けたものであってもよい。一例として、ＣＰＵ１０５は、図４に示されるような教師データ４００の入力を受け付ける。

【0059】

ＣＰＵ１０５は、入力された教師データに基づき、施設に関する画像と、施設の業種との関係を学習し、学習モデル１４１を生成する（ステップＳ５０２）。ＣＰＵ１０５が用いる学習のアルゴリズムは、既存のアルゴリズムを用いることとしてよい。

【0060】

そして、ＣＰＵ１０５は生成した学習モデル１４１を、記憶部１０４に記憶し（ステップＳ５０３）、処理を終了する。

【0061】

次に、学習モデル１４１を用いての施設の業種の推定処理について説明する。図６は、ＣＰＵ１０５の動作であって、画像に関連する施設の業種を推定する処理の動作例を示すフローチャートである。

【0062】

図６に示すように、ＣＰＵ１０５は、業種を推定したい処理対処の施設に関する画像情報の入力を受け付ける（ステップＳ６０１）。当該画像情報は、情報処理装置１００のオペレータにより入力されてもよいし、外部の装置から入力されてもよい。

【0063】

ＣＰＵ１０５は、入力された施設に関する画像を、学習モデル１４１に入力して、施設の業種を推定する（ステップＳ６０２）。学習モデル１４１は、一つの業種を一意に推定するものであってもよいし、複数の業種それぞれについて、各業種である可能性を示すパーセンテージを出力するものであってもよいし、そのパーセンテージが所定の閾値（例えば、５０％）を超えた全ての業種すべての情報を出力するものであってもよい。

【0064】

そして、ＣＰＵ１０５は、推定した業種を示す業種情報を出力して（ステップＳ６０３）、処理を終了する。ここでいう出力として、ＣＰＵ１０５は、情報処理装置１００に接続されているモニタに画像情報として出力することとしてもよいし、音声によりスピーカから出力してもよい。また、ＣＰＵ１０５は、業種情報の出力に代えて（もしくは加えて）、推定した施設の業種の情報を、データベース、例えば、記憶部１０４に記憶されている地図情報に登録することとしてもよい。このようにして情報処理装置１００は、撮像画像から施設の業種を特定することができる。例えば、ナビゲーション装置により案内される施設の情報として、その業種を推定し、人の手によることなく業種の情報を登録することもできる。このとき、推定した業種が複数ある場合に、それら全てを登録することとしてよく、それらのうち、すでに登録済みのものがある場合には、登録済みのものを除いた業種を追加で登録することとしてよい。

【0065】

ところで、業種を推定する対象となる施設として、特に、二毛作ビジネスを展開している施設を特定したい場合がある。そこで、情報処理装置１００は、二毛作ビジネスを実行している施設を特定したうえで、その施設に関する画像を取得して業種を推定することとしてもよい。図７は、情報処理装置１００による施設が二毛作ビジネスを行っているかどうかを特定する処理を示すフローチャートである。

【0066】

図７に示すように、情報処理装置１００は、同じ場所を訪問（あるいは通過）していることを示す時刻情報が対応付けられた移動経路情報を複数取得する（ステップＳ７０１）。この移動経路情報は、プローブ情報、即ち、車両の移動経路を示す情報であってもよいし、人が自身の端末のＧＰＳ等の測位システムにより取得された移動経路を示す情報であってもよい。

【0067】

ＣＰＵ１０５は、取得した移動経路情報のうち、過去の移動経路情報が示す訪問時間と異なる施設があるかどうかを判定する（ステップＳ７０２）。この判定は、取得した移動経路情報から訪問した施設を特定し、特定した施設の営業時間外に訪問しているかどうかにより判定するものであってもよく、その両方であってもよい。

【0068】

ＣＰＵ１０５は、過去の訪問時間と異なる時間に施設を訪れている移動経路情報があった場合に（ステップＳ７０２のＹＥＳ）、訪問している場所の画像データを取得する（ステップＳ７０３）。即ち、ＣＰＵ１０５は、二毛作ビジネスを行っている可能性がある施設に関する撮像画像を取得する。

【0069】

そして、ＣＰＵ１０５は、図６に示した画像データを用いた業種の推定処理を、ステップ７０３で取得した画像のみを利用して推定処理を実行する（ステップＳ７０４）。

【0070】

このようにして情報処理装置１００は、二毛作ビジネスを行っている施設を特定し、その業種を推定することができる。

【0071】

例えば、それまで夜の営業のみを行っていた居酒屋に、昼間も訪問しているユーザが複数いる場合に、その居酒屋が昼も営業を行っている可能性があると特定できる。そして、その上で、その居酒屋の撮像画像を得る、特に、昼間の撮像画像を得ることで、昼間の営業形態を特定し、特定した情報としての業種情報を地図情報等に登録することができるようになる。

【0072】

＜実施の形態１まとめ＞
本実施の形態１に係る情報処理装置１００は、施設に関する画像と、その施設の業種との関係を学習した学習モデル１４１を保持している。したがって、情報処理装置１００は、業種が判明していない施設に関する画像を入力することで、その施設の業種を特定することができる。

【0073】

また、情報処理装置１００は、施設を訪問する移動経路情報を取得し、その訪問時刻が、それまでの訪問時刻と異なる訪問時刻であった場合に、その施設が二毛作ビジネスを開始していると推定し、新たに開始したサービスの業種を推定することができる。特に、移動経路情報を入手するだけで二毛作ビジネスを行っている可能性のある施設を特定し、その業種を特定できるので、現地まで足を運んだり、二毛作ビジネスを行っている可能性のある施設を人が探索したりする必要がなくなる。

【0074】

＜実施の形態２＞
上記実施の形態１においては、施設に関する撮像画像を用いて、施設の業種を特定する手法について説明したが、本実施の形態２においては、ユーザの行動履歴に基づいて、施設の業種を特定する手法について説明する。ここでいう行動履歴とは、ユーザが複数の施設を連続して訪問した場合に、それらの施設の関連性に着目して、施設の業種を推定するものである。
＜構成＞

【0075】

情報処理装置１００の構成としては、基本的には。上記実施形態１に図１を用いて示した構成と同様である。そこで、ここでは、上記実施の形態１との差異点について説明する。

【0076】

まず、記憶部１０４は、連続訪問情報８００を記憶している。連続訪問情報８００は、ユーザが複数の施設を連続して訪問する場合の、その施設の業種を規定した情報である。

【0077】

そして、ＣＰＵ１０５（推定部）は、移動経路情報から特定される施設に、業種が判明していない施設が有る場合に、その施設の業種を、連続訪問情報８００を参照して推定する。なお、移動経路情報は、プローブ情報であってもよいし、ユーザの端末により取得される移動経路情報であってもよい。

【0078】

＜データ＞
ここで、連続訪問情報８００について説明する。

【0079】

連続訪問情報８００は、管理ＩＤ８０１と、連続訪問施設８０２と、時間帯８０３と、エリア８０４と、が対応付けられた情報である。

【0080】

管理ＩＤ８０１は、各連続訪問情報を管理するための識別情報である。

【0081】

連続訪問施設８０２は、ユーザが連続して訪問する可能性のある施設の業種を示す情報である。

【0082】

時間帯８０３は、対応する管理ＩＤで示される連続訪問情報の訪問態様がユーザにより取られる可能性のある時間帯を示す情報である。

【0083】

エリア８０４は、対応する管理ＩＤで示される連続訪問情報の訪問態様がユーザにより実行される可能性の高い地域を示す情報である。エリア８０４は、実際の地名等の地域であってもよいし、職場周辺などの概念的な場所を示す情報であってもよい。

【0084】

図８の例で言えば、管理ＩＤ「００４６」で示される連続訪問情報は、最初に、業種が「居酒屋」である施設を訪問し、その後で、業種が「ステーキハウス」である施設を訪問した情報であることを示している。そして、この訪問を行う可能性がある時間帯が、「２０～２４時」であり、「沖縄」で取られる可能性のある行動であることを示している。したがって、仮に、移動経路情報が、沖縄での移動を示し、その時間帯が２１時であり、複数の施設を訪問しており、そのうちの片方が「ステーキハウス」であって、その前に訪問した施設の業種が不明であれば、その施設の業種は、「居酒屋」であると、連続訪問情報８００から推定することができる。

【0085】

連続訪問情報８００があることにより、情報処理装置１００は、ユーザが複数の施設を訪問していることがわかっており、それらの施設のうち、１以上の施設についての業種はわかっているものの、業種が特定できない施設がある場合に、その施設の業種を推定するために用いる情報である。

【0086】

＜動作＞
図９は、情報処理装置１００の、連続訪問情報８００を用いた施設の業種の推定処理の動作例を示すフローチャートである。

【0087】

図９に示すように、情報処理装置１００のＣＰＵ１０５は、移動経路情報を取得する（ステップＳ９０１）。この取得は、情報処理装置１００のオペレータにより入力されてもよいし、外部の装置から取得したプローブ情報の入力であってもよい。

【0088】

ＣＰＵ１０５は、取得した移動経路情報から、訪問している複数の施設を特定する（ステップＳ９０２）。移動経路情報から施設を訪問しているかどうかは、例えば、同じ位置に所定時間（例えば、１０分など何らかの施設を訪問した場合にかかる可能性のある時間）以上、滞在しているかどうかにより、施設を訪問したかどうかを特定できる。

【0089】

ＣＰＵ１０５は、特定した複数の施設それぞれについて、業種を特定する（ステップＳ９０３）。具体的には、施設情報１４２を参照して、特定した施設の名称または場所に、業種情報３０４が対応付けられている業種を特定する。

【0090】

ＣＰＵ１０５は、施設情報１４２により業種が特定できない施設があるか否かを判断する（ステップＳ９０４）。業種が特定できていない施設がない場合には（ステップＳ９０４のＮＯ）、処理を終了する。

【0091】

一方で、業種が特定できていない施設があった場合に（ステップＳ９０４のＹＥＳ）、その前後で訪問している施設の業種を特定する。そして、前後で訪問している施設の業種と、連続訪問情報８００を参照して、業種が不明であった施設の業種を特定する（ステップＳ９０５）。このとき、移動経路情報が示す訪問時間や、エリアによる絞り込みを行ってもよい。

【0092】

ＣＰＵ１０５は、特定した業種情報を出力部１０３に伝達する。そして、出力部１０３は、特定した業種情報を出力し（ステップＳ９０６）、処理を終了する。なお、ＣＰＵ１０５は、推定した業種情報を出力するのではなく、推定した業種情報を、地図情報やナビゲーション用のデータベースに登録することとしてもよい。

【0093】

＜実施の形態２まとめ＞
本実施の形態に係る情報処理装置１００によれば、移動経路情報から複数の施設を連続して訪問していることが検出でき、かつ、それらの施設のうちの少なくとも１つの施設の業種が特定できる場合に、連続訪問情報８００を参照することで、業種が不明な施設の業種を推定することができる。

【0094】

＜補足＞
上記実施の形態に係る情報処理装置は、上記実施の形態に限定されるものではなく、他の手法により実現されてもよいことは言うまでもない。以下、各種変形例について説明する。

【0095】

（１）上記実施の形態においては、情報処理装置は、二毛作ビジネスを展開しているなど営業形態に変化があった施設を特定するにあたって、過去と異なる時間帯に施設を訪問する移動経路情報が一つでもあった場合には、その移動経路情報で示される経路で訪問した可能性のある施設を、二毛作ビジネスを展開している可能性のある施設として特定したが、二毛作ビジネスを展開している施設の特定方法はこれに限定するものではない。以下、種々の特定方法について説明する。

【0096】

まず、施設が二毛作ビジネスを展開しているかどうかを特定するために参照する移動経路情報は複数あってよい。即ち、情報処理装置１００のＣＰＵ１０５は、施設を訪問している移動経路情報であって、過去と異なる時間帯に訪問している施設情報が複数（所定数（例えば、２０）以上）あった場合に、その施設が二毛作ビジネスを展開している可能性のある施設として特定することとしてもよい。また、ここでは、所定数としているが、これは、同じ施設を訪問している複数の移動経路情報を取得したとき、それらの移動経路情報のうち、所定割合以上の移動経路情報が、過去の訪問時間と異なる時間帯の訪問であった場合に、当該施設を営業形態が変化した施設であると特定してもよい。

【0097】

また、ＣＰＵ１０５は、施設が二毛作ビジネスを展開しているかどうかを、滞在時間の変化があるかどうかによって特定することとしてもよい。例えば、過去の滞在時間に特段の傾向がなかったのに、最近だと、多くの滞在者が２時間滞在していることが検知できた場合に、営業形態に変化があった可能性がある施設であると特定することとしてもよい。具体的には、移動経路情報を用いて、施設への滞在時間を特定する。滞在時間の特定は、移動経路情報が移動していない時間長を算出することで特定することができる。そして、過去の移動経路情報から特定される施設の滞在時間の平均値と、新たに取得して複数の移動経路情報から特定される同施設の滞在時間の平均値とを比較し、所定以上の差（例えば、１５分以上）があれば、営業形態に変化があった施設であると特定することとしてもよい。

【0098】

また、ＣＰＵ１０５は、異なる時間帯で、滞在時間の異なる移動経路情報がある場合に、その施設を時間帯で営業形態を変えている二毛作ビジネスを展開している施設であると特定してもよい。例えば、１１時～１３時の時間帯での滞在時間が４０分である移動経路情報が複数ある一方で、１８時～２２時の時間帯での滞在時間が２時間３０分である移動経路情報が複数ある場合に、その施設を、二毛作ビジネスを展開している施設であると特定することとしてもよい。異なる時間帯で滞在時間に差があるかは、それぞれの時間帯での移動経路情報が示す滞在時間の平均値に、所定以上の差（例えば、２０分以上）があるかどうかで判定することとしてよい。

【0099】

また、これらの特定手法に対して、移動経路情報に移動したユーザの属性（年齢や性別など）が付与されていれば、その属性ごとで特定してもよい。即ち、特定の属性を有するユーザの移動経路情報のみが、過去の訪問時間や訪問時間帯と異なる訪問時間や訪問時間帯に訪問しているだけでも、その施設の営業形態に変化があったと特定してもよい。これにより、情報処理装置１００は、施設側で特定の年齢層であったり、性別に対して、今までしていなかったサービスを展開していることを検知できる可能性があり、その展開しているサービス（業種）を特定することができる。
（２）上記実施の形態においては、情報処理装置における施設の業種の推定処理の手法として、情報処理装置のプロセッサが業種推定プログラム等を実行することにより、作成することとしているが、これは装置に集積回路（ＩＣ（Integrated Circuit）チップ、ＬＳＩ（Large Scale Integration））等に形成された論理回路（ハードウェア）や専用回路によって実現してもよい。また、これらの回路は、１または複数の集積回路により実現されてよく、上記実施の形態に示した複数の機能部の機能は１つの集積回路により実現されることとしてもよい。ＬＳＩは、集積度の違いにより、ＶＬＳＩ、スーパーＬＳＩ、ウルトラＬＳＩなどと呼称されることもある。すなわち、図１０に示すように、情報処理装置１００は、受信回路１０１ａ、受付回路１０２ａ、出力回路１０３ａ、記憶回路１０４ａ、制御回路１０５ａ、とから構成されてよく、それぞれ、受信部１０１、受付部１０２、出力部１０３、記憶部１０４、ＣＰＵ１０５、に相当する。

【0100】

また、上記業種推定プログラムは、プロセッサが読み取り可能な記録媒体に記録されていてよく、記録媒体としては、「一時的でない有形の媒体」、例えば、テープ、ディスク、カード、半導体メモリ、プログラマブルな論理回路などを用いることができる。また、上記業種推定プログラムは、当該業種推定プログラムを伝送可能な任意の伝送媒体（通信ネットワークや放送波等）を介して上記プロセッサに供給されてもよい。つまり、例えば、スマートフォン等の情報処理機器を利用して、ネットワーク上から業種推定プログラムをダウンロードして実行する構成としてもよい。本発明は、上記業種推定プログラムが電子的な伝送によって具現化された、搬送波に埋め込まれたデータ信号の形態でも実現され得る。

【0101】

なお、上記業種推定プログラムは、例えば、ActionScript、JavaScript（登録商標）などのスクリプト言語、Objective-C、Java（登録商標）、Ｃ＋＋、Ｐｙｔｈｏｎ、Ｒなどのオブジェクト指向プログラミング言語などを用いて実装できる。

【0102】

（３）上記実施の形態に示した各種の実施例や、＜補足＞に示した各種の例は適宜組み合わせることとしてもよい。また、各フローチャートに示した各動作は、結果として矛盾がなければその実行順序を入れ替えたり、並列に実行したりすることとしてもよい。

【符号の説明】

【0103】

１００ 情報処理装置
１０１ 受信部
１０２ 受付部
１０３ 出力部
１０４ 記憶部
１０５ ＣＰＵ（画像取得部、推定部、判定部）
１４１ 学習モデル
１４２ 施設情報

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】