数据处理设备、数据处理方法、以及程序技术

本发明专利技术公开了一种数据处理设备、数据处理方法、以及程序。所述数据处理设备包括：动作学习单元，被配置为使用用户的时序位置数据项训练以概率状态转移模型形式代表用户的活动状态的用户活动模型；动作识别单元，被配置为使用通过动作学习单元获得的用户活动模型识别用户的当前位置；动作估算单元，被配置为估算由动作识别单元识别出的当前位置起用户的可能路线以及路线的选择概率；以及行进时间估算单元，被配置为使用估算出的路线以及估算出的选择概率估算用户到达目的地的到达概率以及去往目的地的行进时间。

【技术实现步骤摘要】

本专利技术涉及数据处理设备、数据处理方法、以及程序，更具体地，涉及如下这 种数据处理设备、数据处理方法、以及程序通过使用获取的时序数据项训练代表用户 活动状态的概率状态转移模型来计算到目的地的路线以及到目的地的行进时间。
技术介绍
近年来，进行了很多用于使用从用户可以穿戴的可穿戴式传感器获取的时序数 据项对用户的状态进行建模、学习用户状态以及使用通过学习获得的模型识别用户的当 前状态的研究(参考例如日本未审查专利申请公开No.2006-134080和2008-204040以及"Life Patterns structure fromwearable sensors"，Brian Patrick Clarkson, Doctor Thesis, MIT, 2002)。另外，本专利技术人此前提出了一种用于对用户在期望的未来时刻处的多个可能活 动状态进行概率估算的方法作为日本专利申请No.2009-180780。在此方法中，学习用户 的活动状态并使用时序数据项把用户的活动状态建模成概率状态转移模型。此后，可以 使用所训练的概率状态转移模型识别当前活动状态，可以对“预定时间段”逝去之后的 时间点处的用户活动状态进行概率估算。在日本专利申请No.2009-180780中，作为估 算“预定时间段”逝去之后的用户活动的示例，识别用户的当前位置，估算“预定时间 段”逝去之后用户的目的地(位置)。
技术实现思路
在一些情形中，估算预定时间段逝去之后用户的目的地(位置)。然而，在大多 数情形中，目的地是预先确定的，期望获得用户到达目的地所需的路线和时间段。然而，在日本专利申请No.2009-180780中描述的方法中，如果未设置“预定时 间段”(即，自当前时刻起逝去的时间)，则难以获得用户到达目的地所需的路线和时间 段。相应地，本专利技术提供了如下这种数据处理设备、数据处理方法、以及程序通 过使用概率状态转移模型以及获取的时序数据项学习用户的活动状态来提供用户到达目 的地的路线和行进时间。根据本专利技术的一个实施例，一种数据处理设备，包括动作学习装置，用于使 用用户的时序位置数据项训练以概率状态转移模型的形式代表用户的活动状态的用户活 动模型；动作识别装置，用于使用通过动作学习装置获得的用户活动模型识别用户的当 前位置；动作估算装置，用于估算由动作识别装置识别出的当前位置起用户的可能路线 以及路线的选择概率；以及行进时间估算装置，用于使用估算出的路线以及估算出的选 择概率估算用户到达目的地的到达概率以及去往目的地的行进时间。根据本专利技术的另一个实施例，提供了一种用于处理时序数据项的数据处理设备 中使用的数据处理方法。所述数据处理方法包括如下步骤使用用户的时序位置数据项训练以概率状态转移模型的形式代表用户活动状态的用户活动模型；使用通过学习获得 的用户活动模型识别用户的当前位置；估算自识别出的用户当前位置起用户的可能路线 以及路线的选择概率；以及使用估算出的路线以及估算出的选择概率估算用户到达目的 地的到达概率以及去往目的地的行进时间。根据本专利技术的又一个实施例，一种程序，包括程序代码，用于使得计算机用 作动作学习装置，用于使用用户的时序位置数据项训练以概率状态转移模型的形式代 表用户活动状态的用户活动模型；动作识别装置，用于使用通过动作学习装置获得的用 户活动模型识别用户的当前位置；动作估算装置，用于估算由动作识别装置识别出的当 前位置起用户的可能路线以及路线的选择概率；以及行进时间估算装置，用于使用估算 出的路线以及估算出的选择概率估算用户到达目的地的到达概率以及去往目的地的行进 时间。根据本专利技术的实施例，使用用户的时序位置数据项训练以概率状态转移模型的 形式代表用户活动状态的用户活动模型。使用通过学习获得的用户活动模型识别用户的 当前位置。估算自识别出的用户当前位置起用户的可能路线以及路线的选择概率。使用 估算出的路线以及估算出的选择概率估算用户到达目的地的到达概率以及去往目的地的 行进时间。根据本专利技术的实施例，使用时序位置数据项以概率状态转移模型的形式学习用 户的活动状态，可以获得去往目的地的路线和行进时间。附图说明图1是示出了根据本专利技术第一实施例的估算系统的示范性配置的框图2是示出了估算系统的示范性硬件配置的框图3示出了输入到估算系统的时序数据项的示例；图4示出了 HMM的示例；图5示出了用于语音识别的HMM的示例；图6A和图6B示出了施加了稀疏约束的HMM的示例；图7是动作估算单元执行的路线查找处理的示例的示意性图示；图8是用户活动模型训练处理的流程图9是行进时间估算处理的流程图10是示出了根据本专利技术第二实施例的估算系统的示范性配置的框图11是示出了图10中所示的动作学习单元的配置的第一示例的框图12是示出了图10中所示的动作学习单元的配置的第二示例的框图13是与图11中所示的动作状态识别子单元对应的学习器的配置的第一示例的 框图14示出了动作状态的类别的示例；图15示出了提供给图13中所示的动作状态标记单元的时序移动速度数据的示 例；图16示出了提供给图13中所示的动作状态标记单元的时序移动速度数据的示 例；图17是图13中所示的动作状态学习单元的示范性配置的框图18A至图18D示出了图13中所示的动作状态学习单元执行的学习的结果；图19是与图13中所示的动作状态识别子单元对应的动作状态识别子单元的框 图20是与图11中所示的动作状态识别子单元对应的学习器的配置的第二示例的 框图21示出了动作状态标记单元执行的示范性处理；图22示出了图20中所示的动作状态学习单元执行的学习的结果的示例；图23是与图20中所示的动作状态学习单元对应的动作状态识别子单元的示范性 配置的框图M是估计去往目的地的行进时间的处理的流程图25是图M中所示的流程图的续图沈示出了图10中所示的估算系统执行的处理的结果；图27示出了图10中所示的估算系统执行的处理的结果；图观示出了图10中所示的估算系统执行的处理的结果；图四示出了图10中所示的估算系统执行的处理的结果；以及图30是根据本专利技术的实施例的计算机的示范性配置的框图。具体实施方式下面对本专利技术的实施例进行描述。注意，按如下次序进行描述1.第一实施例(在指定目的地时估算路线和行进时间的情形)2.第二实施例(在估算目的地之后估算路线和行进时间的情形)1.第一实施例根据第一实施例的估算系统的框图图1是示出了根据本专利技术第一实施例的估算系统的示范性配置的框图。估算系统1包括全球定位系统(GPS)传感器11、时序数据存储单元12、动作学 习单元13、动作识别单元14、动作估算单元15、行进时间估算单元16、操作单元17、以 及显示单元18。估算系统1执行如下这种学习处理估算系统1使用GPS传感器11获取的代表 用户位置的时序数据项训练代表用户活动状态(代表动作和活动模式的状态)的概率状态 转移模型。另外，估算系统1执行其中估算去往用户指定目的地的路线以及用户到达目 的地所需的时间段的估算处理。在图1中，虚线箭头代表学习处理中的数据流，实线箭头代表估算处理中的数 据流。GPS传感器11以预定时间间隔(例如，每15秒)按顺序获取GPS传感器11自 身的纬度和经度。然而，在一些情形中，GPS传感器11难以以预本文档来自技高网...

【技术保护点】
一种数据处理设备，包括：动作学习装置，用于使用用户的时序位置数据项训练以概率状态转移模型形式代表所述用户的活动状态的用户活动模型；动作识别装置，用于使用通过所述动作学习装置获得的用户活动模型识别所述用户的当前位置；动作估算装置，用于估算由所述动作识别装置识别出的当前位置起所述用户的可能路线以及路线的选择概率；以及行进时间估算装置，用于使用估算出的路线以及估算出的选择概率估算所述用户到达目的地的到达概率以及去往所述目的地的行进时间。

【技术特征摘要】
...

【专利技术属性】
技术研发人员：井手直纪，伊藤真人，佐部浩太郎，
申请(专利权)人：索尼公司，
类型：发明
国别省市：JP[日本]