特集ユビキタスプラットフォームコンテキスト解析松本　真介　西崎　渉太　橋本　洋一概要自宅で据置きのPCを利用する時代から、スマートフォンなどのモバイル端末でいつでもどこでもサービスを利用できる時代となり、ユーザの状況に配慮した情報サービスの提供が求められている。コンテキスト解析技術とは、このようなサービスの実現のためにユーザのセンサデータから、そのユーザが置かれている状況やユーザの個人特性などの背景といったコンテキストを計算機が把握する技術である。本稿では、ユビキタスプラットフォーム向けに開発したコンテキスト解析機能について紹介する。 1. はじめにこれまでの情報サービスの利用者は、デスクの上に置かれた 2. ユビキタスプラットフォームのコンテキスト解析機能 PCを利用するユーザであった。このため計算機が行う利用者我々が車載ナビ向けに研究を行っていたGPSデータによるのコンテキストの解析は、アクセスログを中心としたものが大人のコンテキストの解析技術で培ったノウハウをもとに、以下の半であり、その内容も“どのページから来たのか”や“どういう２機能を実装した。タイミングで何回ページを開いたか”といったものが主流で（１）訪問地推定あった。緯度経度の羅列である GPS データから、人の移動の区切しかし、ユビキタス社会が実現しつつある現在の情報サービりとなる時間と位置を見つけることにより、その人が訪れたス提供者は、以下の理由により、実生活のコンテキストを把握場所を推定する。する技術を模索している。 ● （２）個人特性解析スマートフォンや車載ナビの発展により、実生活におけるあ訪問地推定で生成されたデータをもとに、人ごとの時間らゆる場所・あらゆるタイミングに情報サービスを提供す的、地理的な特性を解析する。ることが可能になり、ユーザのコンテキストに配慮した情以降の章でこれらの機能について詳述する。報サービスの提供が求められるようになった ● スマートフォンの普及による、GPSや加速度センサなどの 2.1 訪問地推定各種センサの価格低下・高度化により、ユーザの地理的な本章ではGPSで取得した位置情報から訪問地の推定に至る位置や行動を推測するための情報を容易に収集できるよまでの手法について述べる。本稿での訪問地とは、施設内の部うになった屋の移動や着席などのミクロな移動における停止地点ではなユビキタスプラットフォームはユビキタス社会に向けた共通く、自宅から最寄り駅、最寄り駅から勤務先などの地図で表さ基盤であるため、これらの要望にこたえるべくコンテキスト解れるようなマクロな移動における滞在地点を指す。析機能を実装した。これにより、より多くの情報サービス提供者に参画してもらうことを目指す。 2.1.1 推定手法次章以降、ユビキタスプラットフォームに実装したコンテキスト GPSを利用して取得した位置情報は、観測地点が屋内や地下解析機能について紹介する。であったり、周りに高層ビルが立ち並んでいたり、天候であった 16 2015 第15号特集ノイズ除去前の位置情報ノイズ除去後の位置情報図１位置情報のノイズ除去比較りと様々な要因によって精度が著しく低下する場合がある。多くけた位置情報と欠損した位置情報が含まれた場合では位置情の場合、精度が低下した位置情報(以下、ノイズと言う)は実際の報の密度が異なるため、訪問地推定精度が低下する。位置とかい離しており、以降の解析処理にも悪影響を及ぼす。この問題を解決するため、過去に正常に取得できた位置情報この問題を解決するため、訪問地推定の前処理として、推定を用いて欠損した部分の位置情報を補完する手法を考案した。に利用する位置情報群からノイズの除去を考案した。図1は、弊その上で、各位置情報の時間と距離から近傍の位置情報を利用社東京本社滞在中に発生したノイズを今回考案した方法によりして補正を実施している。図２は、ノイズ除去後の位置情報群に除去した結果である。処理前の生の観測データでは実際には滞対し、欠損した位置情報を補完・補正した結果である。処理前の在していない位置も含まれている（図１左の丸）が、処理を行っ生の観測データでは実際には滞在していたが観測されていなた後は除外されていることが確認できる（図１右の丸）。い箇所が散見されるが、処理を行った後は欠損した位置が補完また取得した位置情報は必ずしも一定間隔ではなく、スマーされ滑らかな移動が再現されている。位置情報の密度を一定にトフォンの電波状況(地下鉄利用時等)やバッテリ切れ等によって保つことにより、欠損した状態と比較すると地図上に表示され位置情報が取得できずに欠損することがある。正常に取得し続た位置情報も滑らかに見ることが可能である。ノイズ除去後の位置情報補完・補正後の位置情報図２ノイズ除去後位置情報から補完・補正 17 補完・補正後の位置情報訪問地推定結果図３訪問地推定結果次に、前述した補正まで実施した位置情報は単純な時系列の 2.2 個人特性解析情報であるため、特定の地点での滞留時間や移動距離を利用し一口にコンテキストと言っても、その状況を表すパラメーて訪問地が推定される。図３は、補完・補正後の位置情報からタは様々であり、各パラメータが取りうる値も多様である。訪問地を推定した結果である。弊社東京本社での勤務と最寄りしかし、情報をレコメンドするシステムにおいては、システ駅での待ち状態の２地点が訪問地として推定された。ムによって取得でき、かつ推薦情報の選択やランキングに影響を及ぼしそうなコンテキストのみに注目するというの 2.1.2 移動履歴データ、現在状況の推定が現実的な対応であろう。訪問地を推定することで、移動履歴データの作成や現例えば、スマートフォンに何らかの情報をプッシュするサー在状況の推定も可能である。ビスを考えた場合、情報を配信するタイミングを推し量るこ移動履歴データとは訪問地間の移動した位置情報のまとで、利用者が感じる煩わしさを軽減することが期待できるとまりである。現在状況の推定とは、訪問地に滞留中であ（図４）。例えば、勤務先に向かう途中では娯楽に関する情報るか移動中であるかを推定した結果である。を避け、ニュースや交通情報を配信する。あるいは、金曜日の帰宅途上であればレジャーに関する情報を配信するという 2.1.3 利用例ことが考えられる。この場合は“勤務先へ移動中か” 、 “帰宅本章で紹介した訪問地推定機能により、緯度経度の羅途上か”といった状況が解析すべきコンテキストである（表１）。列であるGPSデータを以下のような抽象度の高いデータに変換することが可能となる。 ● 移動ごとに区切った移動履歴データ ● その人が現在移動中か訪問地に滞在中かも判断するこ休日、自宅周辺で買い物勤務先へ移動中その状況に応じたコンテンツの配信とが可能となる。これらのデータは、それのみでは利用用途は限定的であるが、２.２章に記載する個人特性解析のような上位のデータ解析を行うためには前処理として必須のものであり、位置情報を利用したサービス提供のためのデータ解析全般で利用できると考えられる。 18 帰宅のため移動中勤務中図４情報配信サービスにおけるコンテキストの例 2015 第15号する時間帯、帰宅する時間帯など（これらをカレンダーとコンテキスト配信コンテンツの例称している）を推定する機能である。プライバシーへの配自宅周辺エリアに滞在自宅周辺のイベント、お買い得情報慮から一定期間の移動履歴から導かれる統計的な値とし勤務先へ移動中ニュース、交通情報勤務中緊急速報（それ以外は配信しない）帰宅中娯楽、レジャー情報てこれらを表現している。自宅周辺エリアを出発し、勤務先エリアに向かう移動履歴だけを選択すると、曜日ごとの出勤確率を計算するこ上記のようなサービスの実現を想定して、コンテキストを推とができる。これに基づき、その個人にとっての平日・休定するために必要な基礎的な情報をここでは個人特性と称して日をデータから推定することができる。土日に出勤し、そいる。個人特性を明らかにする上では、プライバシーの侵害に当れ以外の曜日に休みを取る人であっても、全く同じ仕組みたらないよう配慮が必要になるが、ビジネスとプライバシーをで平日・休日の推定が可能になる。踏まえて効率性と秘匿性の間の解を見つける、というのが現実同様に、出社時に自宅周辺エリアを出発する時刻に注目的なアプローチであると考える。して、確率分布を得ることができる。これを用いれば、あそこで、本章で紹介する個人特性解析機能では自宅や勤務先る時刻に自宅周辺エリアを出発したときに、それが勤務先の位置をピンポイントで特定することを避けて地域メッシュのに向かう確率がどの程度かを見積もることが可能になる。集合として表現しており、それぞれを自宅周辺エリア・勤務先周帰宅における移動についても、同じ考えで推定することが辺エリアと称している。また、通勤や帰宅のための移動を推定すできる。図５は、月曜から金曜を平日とし、朝７時ころにるための基礎情報として、時間帯ごとに移動履歴を統計的に捉出社し、夜１８時から２１時に帰宅するという特性をもつ個えた確率分布として表現する方法を採用した。人の実際のデータによる確率分布である。このように個人の行動を特徴付ける情報を、広がりのあるエリア、広がりのある時間帯として捉えることにより、個人が特定曜日別出社確率されないような形で個人特性の表現を実現している。以下、それらの実現方法について説明する。 1.0 0.8 0.6 （１）個人ごとの生活圏推定訪問地推定の結果得られる移動履歴データを用いて、個人ごとの生活圏を推定する機能である。ここでは、自宅 0.4 0.2 0.0 月曜　火曜　水曜　木曜　金曜　土曜　日曜周辺エリアと勤務先周辺エリアを生活圏として称している。まず、特定の個人の移動履歴から、地域メッシュの特出勤時の出発時刻確率分布徴量を計算する。特徴量とは、例えば個人の移動履歴からわかる出発地点・到着地点の出現頻度や、滞在時間の 0.4 0.2 0.0 □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ 分布のような値である。そうした複数の特徴量に基づい 0.6 0 0 1 1 2 2 3 3 4 4 5 5 6 6 7 7 8 8 9 9 10 10 11 11 12 12 13 13 14 14 15 15 16 16 17 17 18 18 19 19 20 20 21 21 22 22 23 23 時時時時時時時時時時時時時時時時時時時時時時時時時時時時時時時時時時時時時時時時時時時時時時時時て、地域メッシュの集合が自宅周辺に該当するのか、勤務分分分分分分分分分分分分分分分分分分分分分分分分分分分分分分分分分分分分分分分分分分分分分分分分 00 30 00 30 00 30 00 30 00 30 00 30 00 30 00 30 00 30 00 30 00 30 00 30 00 30 00 30 00 30 00 30 00 30 00 30 00 30 00 30 00 30 00 30 00 30 00 30 先周辺に該当するのかを推定する。例えば、訪問頻度が非常に高いエリアがあった場合、帰宅時の出発時刻確率分布それが自宅を含むエリアである可能性が高い。さらに自宅周辺エリアに次いで高頻度で訪れるエリアがあれば、それが勤務先周辺エリアの候補として考えることができる。 0.10 0.00 □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ 0 0 1 1 2 2 3 3 4 4 5 5 6 6 7 7 8 8 9 9 10 10 11 11 12 12 13 13 14 14 15 15 16 16 17 17 18 18 19 19 20 20 21 21 22 22 23 23 時時時時時時時時時時時時時時時時時時時時時時時時時時時時時時時時時時時時時時時時時時時時時時時時 00 30 00 30 00 30 00 30 00 30 00 30 00 30 00 30 00 30 00 30 00 30 00 30 00 30 00 30 00 30 00 30 00 30 00 30 00 30 00 30 00 30 00 30 00 30 00 30 分分分分分分分分分分分分分分分分分分分分分分分分分分分分分分分分分分分分分分分分分分分分分分分分（２）個人ごとのカレンダー推定 0.20 移動履歴データと自宅・勤務先周辺エリアの推定結果を結びつけることにより、その個人が出勤する曜日、出社図５個人ごとのカレンダー 19 特集表１コンテキストと配信コンテンツの例 3. おわりに本稿ではユビキタスプラットフォームに実装したコンテキスト解析機能について紹介した。今後、ユーザから得られるセンサ情報は増加し続けると予想され、またこれらを利用したよりよいサービスの提供が求められると予想されるため、コンテキスト解析機能の必要性も増すと考えられる。今回ユビキタスプラットフォームに実装した機能は、訪問地やエリア・カレンダーなど限定的なコンテキストが対象であるが、把握したい状況はサービスによって様々であるため、解析できるコンテキストの種類の拡充が望まれる。今後は応用範囲の広い基礎的な状況解析機能の拡充を進めていく予定である。 20 2015 第15号 [1] Jannach D., Zanker M., Felfernig A., Friedrich G.( 著 ); 田中克己、角谷和俊（訳）：情報推薦システム入門 - 理論と実践 -,p.306, 共立出版 ,(2012) [2] 曽根原登、宍戸常寿（著）; 安岡寛道（編）：ビッグデータ時代のライフログ―ICT 社会の“人の記憶”,p.9, 東洋経済新報社 , (2012) 松本　真介 MATSUMOTO Shinsuke ● ● 先端技術研究所　事業開発部ユビキタスプラットフォームの開発に従事西崎　渉太 NISHIZAKI Shota 先端技術研究所　事業開発部ユビキタスプラットフォームの開発に従事 ● EXAGE の開発に従事 ● ● 橋本　洋一 HASHIMOTO Youichi 先端技術研究所　研究開発部ユビキタスプラットフォームにおける分析機能の開発に従事 ● ビッグデータ分析の研究開発に従事 ● ● 21 特集参考文献