JP7715328B2 - 情報処理方法、プログラム、記憶媒体及び情報処理装置 - Google Patents

Description

本発明は、情報処理方法、プログラム、記憶媒体及び情報処理装置に関する。

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、レコメンデーション、あるいは交通計画など、多様な目的のために用いられる。

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。

特開２０１１－７６２９１号公報

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、一連の行動履歴を所定の行動遷移パターンに分類することが、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。

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。

前記の目的を達成するため、本発明の情報処理方法は、情報処理装置が、人の行動を含むデータから、個人を識別する識別子毎に、前記行動の開始から終了までの時間的に連続する行動履歴を抽出する抽出工程と、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マッピング工程と、前記マッピングされた前記行動履歴を用いて、前記行動履歴において時間的に最初の前記行動と最後の前記行動の近さと、前記行動履歴における滞在数の一方又は両方を算出する算出工程と、前記近さと前記滞在数の一方又は両方に基づいて、前記行動履歴を行動遷移パターンに分類する分類工程と、を実行することを特徴としている。
また、本発明の情報処理方法は、情報処理装置が、人の行動を含むデータから、個人を識別する識別子毎に、前記行動の開始から終了までの時間的に連続する行動履歴を抽出する抽出工程と、前記行動履歴を地理空間にマッピングするマッピング工程と、前記マッピングされた前記行動履歴を用いて、前記行動履歴において時間的に最初の前記行動と最後の前記行動の近さと、前記行動履歴における滞在数の一方又は両方を算出する算出工程と、前記近さと前記滞在数の一方又は両方に基づいて、前記行動履歴を行動遷移パターンに分類する分類工程と、を実行することを特徴としている。

前記情報処理方法では、前記算出工程において、前記近さと前記滞在数の両方を算出し、前記分類工程において、前記近さと前記滞在数に基づいて、前記行動履歴を形状により行動遷移パターンに分類してもよい。なお、形状は、行動履歴を地理空間又はベクトル空間上にマッピングし、そのマッピングした行動履歴間を線で結ぶことにより形成されるものである。

前記情報処理方法では、前記算出工程において、前記最初の行動と前記最後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、前記算出工程において、前記最初の行動と前記最後の行動の類似度を前記近さとして算出してもよい。

前記情報処理方法において、前記算出工程は、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工程と、前記２つの行動の近さと前記２つの行動間の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判定する工程と、前記滞在の数を算出する工程と、を有していてもよい。あるいは、前記算出工程において、前記行動履歴における前記行動の数を前記滞在数として算出してもよい。

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。

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。

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ためのプログラムが提供される。

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コンピュータが読み取り可能な記憶媒体が提供される。

また別な観点による本発明は、情報処理装置であって、前記情報処理装置の制御を行うためのプログラムを格納する記憶部と、前記プログラムに従って前記情報処理装置の制御を行う演算部と、人の行動を含むデータから、個人を識別する識別子毎に、前記行動の開始から終了までの時間的に連続する行動履歴を抽出する抽出部と、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マッピング部と、前記マッピングされた前記行動履歴を用いて、前記行動履歴において時間的に最初の前記行動と最後の前記行動の近さと、前記行動履歴における滞在数の一方又は両方を算出する算出部と、前記近さと前記滞在数の一方又は両方に基づいて、前記行動履歴を行動遷移パターンに分類する分類部と、を有することを特徴としている。
また、本発明は、情報処理装置であって、前記情報処理装置の制御を行うためのプログラムを格納する記憶部と、前記プログラムに従って前記情報処理装置の制御を行う演算部と、人の行動を含むデータから、個人を識別する識別子毎に、前記行動の開始から終了までの時間的に連続する行動履歴を抽出する抽出部と、前記行動履歴を地理空間にマッピングするマッピング部と、前記マッピングされた前記行動履歴を用いて、前記行動履歴において時間的に最初の前記行動と最後の前記行動の近さと、前記行動履歴における滞在数の一方又は両方を算出する算出部と、前記近さと前記滞在数の一方又は両方に基づいて、前記行動履歴を行動遷移パターンに分類する分類部と、を有することを特徴としている。

前記情報処理装置において、前記算出部は、前記近さと前記滞在数の両方を算出し、前記分類部は、前記近さと前記滞在数に基づいて、前記行動履歴を形状により行動遷移パターンに分類してもよい。なお、形状は、行動履歴を地理空間又はベクトル空間上にマッピングし、そのマッピングした行動履歴間を線で結ぶことにより形成されるものである。

前記情報処理装置において、前記算出部は、前記最初の行動と前記最後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、前記最初の行動と前記最後の行動の類似度を前記近さとして算出してもよい。

前記情報処理装置において、前記算出部は、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し、前記２つの行動の近さと前記２つの行動間の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判定し、前記滞在の数を算出してもよい。あるいは、前記算出部は、前記行動履歴における前記行動の数を前記滞在数として算出してもよい。

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。

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。

本発明によれば、人の行動履歴を行動遷移パターンに分類するので、当該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。

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。 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の実施形態において行動履歴データの一例を示す表である。 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。 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。 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。 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。 第１の実施形態において始終端行動近さを算出した結果を示す表である。 第１の実施形態において行動履歴を行動遷移パターンに分類した結果を示す表である。 第１の実施形態において行動遷移パターンを可視化したグラフである。 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の実施形態において滞在数を算出した結果を示す表である。 第２の実施形態において行動履歴を行動遷移パターンに分類した結果を示す表である。 第２の実施形態において行動遷移パターンを可視化したグラフである。 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の実施形態において最大経過時間の滞在駅を導出した結果を示す表である。 第３の実施形態において駅別の旅客数の集計結果を可視化したグラフである。 第４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４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。 第４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。 第４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。 第４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。 第４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。 第４の実施形態において行動履歴における最初の行動と最後の行動を抽出した結果を示す表である。 第４の実施形態において始終端行動近さを算出した結果を示す表である。 第４の実施形態において滞在数を算出した結果を示す表である。 第４の実施形態における行動遷移パターンの分類ルールを示す表である。 第４の実施形態において行動履歴を行動遷移パターンに分類した結果を示す表である。 第４の実施形態において行動遷移パターンを可視化したグラフである。

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。

＜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。

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。

（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。

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。

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。

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。なお、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。

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。

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。

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。

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。

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。

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。

（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。

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。

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。

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、抽出する行動履歴は、行動の開始から終了までの時間的に連続する行動履歴である。行動の開始から終了までの時間は、任意に設定できる。例えば、当該時間は１日であってもよく、例えば人の行動が駅への入退場である場合、駅が開いてから閉じるまでの時間であってもよい。また、例えば人の行動が記録されている場合、当該時間は開始レコードから終了レコードまでの時間であってもよい。また、例えば人の行動がＥＣサイトにおける商品の購買履歴やサービスの利用履歴である場合、当該時間はＥＣサイトへのログインからログアウトまでの時間であってもよい。また、当該時間は人が起きてから寝るまでの時間であってもよいし、人が自宅を出てから自宅に帰るまでの時間であってもよい。なお、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。

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。

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。

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。

算出部２５は、行動履歴において時間的に最初の行動と最後の行動の近さ（以下、「始終端行動近さ」という場合がある。）と行動履歴における滞在数の一方又は両方を算出する。

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、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。

行動履歴における滞在数を算出する場合において、算出部２５は、例えば下記（１）～（３）を行う。
（１）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。以下、時間的に連続する２つの行動を単に「２つの行動」といい、当該２つの行動の近さを「連続行動近さ」という場合がある。
（２）上記（１）で算出した連続行動近さと２つの行動間の時間（以下、「連続行動時間」という場合がある。）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判定する。
（３）上記（２）で判定した滞在の数を滞在数として算出する。

上記（１）において、連続行動近さの算出方法は、始終端行動近さの算出方法と同様である。すなわち、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連続行動近さとして算出してもよいし、あるいは２つの行動の類似度を連続行動近さとして算出してもよい。

上記（２）において、２つの行動間を滞在と移動に判定する場合、当該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、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。なお、第１の実施形態では、上記（２）を算出部２５で行うが、分類部２６で行ってもよい。

上記（１）で連続行動近さを算出する場合、上記（２）において、算出部２５は、算出された連続行動近さと、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判定する。例えば算出された連続行動近さが閾値未満の場合、２つの行動間は滞在と判定され、算出された連続行動近さが閾値以上場合、２つの行動間は移動と判定される。

上記（１）で連続行動時間を算出する場合、上記（２）において、算出部２５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判定する。例えば算出された連続行動時間が閾値未満の場合、２つの行動間は滞在と判定され、算出された連続行動時間が閾値以上の場合、２つの行動間は移動と判定される。

上記（１）で連続行動近さと連続行動時間を算出する場合、上記（２）において、算出部２５は、先ず、算出された連続行動近さと連続行動時間から連続行動近さの時間微分を導出する。連続行動近さが距離の場合、連続行動近さの時間微分は速度となり、連続行動近さが角度の場合、連続行動近さの時間微分は角速度となる。そして算出部２５は、導出された連続行動近さの時間微分と、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判定する。例えば導出された連続行動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判定され、導出された連続行動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判定される。

また、行動履歴における滞在数を算出する場合において、算出部２５は、例えば行動履歴における行動の数を滞在数とする。すなわち、例えば商品を購買する場合など、人の行動が直接滞在を示すものであれば、この人の行動の数が滞在数となる。

以上のように算出部２５で算出する滞在数は、時間的に連続する２つの行動間の滞在の数である場合や、人の行動の数である場合などである。すなわち、滞在数は、行動履歴における人の滞在数である。

分類部２６は、算出部２５で算出された始終端行動近さと滞在数の一方又は両方に基づいて、行動履歴を行動遷移パターンに分類する。行動遷移パターンは、人が行動を始めてから行動を終えるまでの一連の行動履歴を所定のパターンに分類したものである。

算出部２５において始終端行動近さと滞在数の両方を算出する場合、分類部２６は、当該始終端行動近さと滞在数に基づいて、行動履歴を形状により行動遷移パターンに分類する。具体的に分類部２６では、行動を開始した場所、行動を終了した場所、及び滞在した場所を「点」としてとらえ、その点と点を「線」でつないで形状を導出する。換言すれば、形状は、行動履歴を地理空間又はベクトル空間上にマッピングし、そのマッピングした行動履歴間を線で結ぶことにより形成されるものである。

可視化部２７は、分類部２６において分類した行動遷移パターンを可視化する。

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。

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。

＜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、４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。

（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。

［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。

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。

［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毎に行動履歴を抽出する。第１の実施形態の識別子は、ユーザＩＤと日付を組み合わせたものである。例えば、ユーザＩＤが０００４は２０２０年４月２日と４月３日に行動を行っているが、識別子はそれぞれ「０００４＿２０２００４０２」と「０００４＿２０２００４０３」で別の識別子が付与される。また、工程Ｓ１２において、抽出する行動履歴は、行動の開始から終了までの時間的に連続する行動履歴である。例えば、識別子「０００１＿２０２００４０１」では、１０時５４分が行動の開始で１４時３３分が行動の終了である。

［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。

なお、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。

［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、行動履歴において時間的に最初の行動と最後の行動の近さを算出する。工程Ｓ１４では、先ず、図７に示すように識別子毎に、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、時間、駅、入出場、駅の地理情報が含まれる。次に、２つの行動の近さである連続行動近さとして、識別子毎に、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。次に、識別子毎に、上記距離の総和を算出する。そして、図８に示すように識別子毎に、最初の行動と最後の行動の近さである始終端行動近さとして、最初の行動の駅（最初駅）と最後の行動の駅（最後駅）の距離を算出する。

［Ｓ１５：分類工程］
次に、分類部２６において、工程Ｓ１４で算出された始終端行動近さに基づいて、行動履歴を行動遷移パターンに分類する。工程Ｓ１５では、図９に示すように、始終端行動近さに基づいて、最初駅と最後駅が同一か否かを判定する。

最初駅と最後駅が異なる駅であった場合、当該識別子の行動遷移パターンは、「片道パターン」であると判定される。図１０（ａ）に示すように片道パターンは、最初駅から最後駅まで移動し、最初駅に戻らないパターンである。

一方、最初駅と最後駅が同一の駅であった場合、当該識別子の行動遷移パターンは、「往復パターン」又は「周遊パターン」であると判定される。図１０（ｂ）に示すように往復パターンは、最初駅（出発地）から最後駅（目的地）へ移動し、さらに最初駅に戻るパターンである。図１０（ｃ）に示すように周遊パターンは、最初駅から最後駅まで移動するに際し、複数の駅（目的）を経由して、より詳細には複数の駅で入退場するパターンである。

以上の第１の実施形態によれば、工程Ｓ１５において行動履歴を行動遷移パターンに分類するので、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。例えば、旅客の移動において、出発地に帰着する交通の利用と、移動を目的とした（出発地に帰着しない）交通の利用とを分別することにより、旅客の移動の目的の仮定や、その旅客数の集計を行うことができる。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。

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行動履歴を行動遷移パターンに分類することで、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。

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、行動遷移パターンを分析することで、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。

また、第１の実施形態では、識別子毎に行動履歴を行動遷移パターンに分類する。このように識別子単位で行動履歴を集計して分析することにより、交通系ＩＣカードに記録されている多大な情報を過度に圧縮することを抑制でき、すなわち行動履歴を集計し易くなるが、詳細な情報が失われるということを抑制することができる。また、多大な情報を過度に展開することを抑制でき、すなわち詳細な情報を把握できるが、定量的に集計できないということを抑制することができる。換言すれば、識別子単位で行動履歴を集計して分析することにより、情報の圧縮と展開のバランスを取ることができる点に、第１の実施形態において行動履歴を行動遷移パターンに分類する意義がある。

また、第１の実施形態の識別子はユーザＩＤと日付を組み合わせたものであり、１日毎に行動履歴を行動遷移パターンに分類する。このように意味のある節で時間を区切ることにより、人の行動履歴を適切に分析することができる。なお、第１の実施形態では、１日毎に行動履歴を分類したが、時間単位はこれに限定されない。例えば１旅行単位で識別子を付与して行動履歴を行動遷移パターンに分類してもよい。

さらに、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、行動履歴を行動遷移パターン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行動遷移パターンを分類しても、人の行動を適切に分析することはできない。

（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１１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。

［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、識別子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。

［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、行動履歴における滞在数を算出する。工程Ｓ２４では、以下の工程Ｓ２４－１～工程Ｓ２４－３の３つの工程を行って、滞在数を算出する。

工程Ｓ２４－１では、先ず、第１の実施形態の工程Ｓ２４と同様に、図１２に示すように識別子毎に、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つの行動の近さである連続行動近さとして、識別子毎に、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。この連続行動近さの算出は、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、２つの行動間の時間である連続行動時間として、これら前後行動間の時間を算出する。

次に、工程Ｓ２４－２では、識別子毎に、連続行動近さと連続行動時間に基づいて、２つの行動間を滞在と移動に判定する。ここでは、滞在と移動に判定するための連続行動近さ（駅間距離）の閾値を例えば３０００ｍとし、連続行動時間の閾値を３０分とする。そして、連続行動近さが３０００ｍ未満かつ連続行動時間が３０分未満であれば「滞在」と判定し、連続行動近さが３０００ｍ以上又は連続行動時間が３０分以上であれば「移動」と判定する。なお、工程Ｓ２４－１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判定してもよい。

次に、工程Ｓ２４－３では、識別子毎に、滞在の数をカウントし滞在数として算出する。

なお、第２の実施形態の工程Ｓ２４では、連続行動近さと連続行動時間の両方を用いて２つの行動間を滞在と移動に判定したが、いずれか一方を用いてもよい。例えば、連続行動近さを用いる場合、連続行動近さの閾値を３０００ｍし、連続行動近さが３０００ｍ未満であれば「滞在」と判定し、３０００ｍ以上であれば「移動」と判定する。また例えば、連続行動時間を用いる場合、連続行動時間が３０分未満であれば「滞在」と判定し、３０分以上であれば「移動」と判定する。

また、第２の実施形態の工程Ｓ２４における滞在と移動の判定は算出部２５で行ったが、分類部２６でおこなってもよい。

［Ｓ２５：分類工程］
次に、分類部２６において、工程Ｓ２４で算出された滞在数に基づいて、識別子毎に、行動履歴を行動遷移パターンに分類する。工程Ｓ２５では、図１３に示すように、滞在数が０回であれば、「滞在無し」の行動遷移パターンに分類される。滞在数が１回であれば、「一か所滞在」の行動遷移パターンに分類される。滞在数が２回以上であれば、「複数か所滞在」の行動遷移パターンに分類される。

［Ｓ２６：可視化工程］
次に、可視化部２７において、工程Ｓ２５で分類された行動遷移パターンを可視化する。工程Ｓ２６では、図１３に示した表における滞在数毎の旅客数を識別子単位で集計する。そして図１４に示すように滞在数毎の旅客数の集計結果をグラフに表して可視化する。

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。すなわち、工程Ｓ２５において行動履歴を行動遷移パターンに分類するので、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。具体的には、旅客の滞在先の数を集計することにより、旅客の移動の目的や、複数の駅への立ち寄り方を把握することができる。また、工程Ｓ２６において行動遷移パターンを可視化するので、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。

（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１５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、第１の実施形態及び第２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３の実施形態では、第１の実施形態及び第２の実施形態と同じ行動履歴データを用いる。

［Ｓ３１：記憶工程、Ｓ３２：抽出工程、Ｓ３３：マッピング工程］
第３の実施形態にける工程Ｓ３１～Ｓ３３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Ｓ３１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Ｓ３２において、図５に示したように行動履歴データから、識別子毎に行動履歴を抽出する。次に、工程Ｓ３３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。

［Ｓ３４：導出工程］
次に、算出部２５において、工程Ｓ３３でマッピングされた行動履歴を用いて、識別子毎に最も経過時間の長い滞在駅を導出する。工程Ｓ３４では、先ず、図１６に示すように識別子毎に、連続する２つの行動間を滞在と移動に判定する。この滞在と移動の判定は、図１２に示した第２の実施形態と同様であり、連続行動近さと連続行動時間に基づいて、２つの行動間を滞在と移動に判定する。次に、２つの行動間が滞在である場合において、連続行動時間（経過時間）が最も長いか否かを判定する。そして、経過時間が最大の滞在を抽出して、当該滞在駅を導出する。図１６の例においては、経過時間が最大である滞在が「真」となる駅が滞在駅となる。

なお、第３の実施形態の工程Ｓ３４における最大経過時間の滞在駅の導出は算出部２５で行ったが、分類部２６でおこなってもよい。

［Ｓ３５：可視化工程］
次に、可視化部２７において、工程Ｓ３４で導出された最大経過時間の滞在駅に基づいて、駅別の主要滞在客数を可視化する。工程Ｓ３５では、識別子毎に当日中の主要な滞在駅を目的地と仮定して、駅別の旅客数を識別子単位で集計する。そして図１７に示すように駅別の旅客数の集計結果をグラフに表して可視化する。

以上の第３の実施形態によれば、工程Ｓ３４において、最も経過時間の長い滞在駅を導出することにより、旅客の移動における主要な目的地を把握することができる。その結果、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。

（第４の実施形態）
第４の実施形態にかかる情報処理方法について説明する。図１８は、第４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４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。なお、行動履歴データが、ＥＣサイトにおける商品の購買履歴ではなく、ショッピングセンターにおける商品の購買履歴であっても同様である。

［Ｓ４１：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。

図１９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２０に示す店舗のマスタデータと、図２１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。

［Ｓ４２：抽出工程］
次に、抽出部２３において、工程Ｓ４１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Ｓ４２では、先ず、図２２に示すようにユーザＩＤ毎に行動履歴を抽出し、さらに識別子毎に行動履歴を抽出する。第４の実施形態の識別子は、ユーザＩＤと日付を組み合わせたものである。例えば、ユーザＩＤが０００１は２０２０年１２月１日と１２月２３日に購買行動を行っているが、識別子はそれぞれ「０００１」と「０００２」で別の識別子が付与される。また、工程Ｓ４２において、抽出する行動履歴は、行動の開始から終了までの時間的に連続する行動履歴である。

［Ｓ４３：マッピング工程］
次に、マッピング部２４において、工程Ｓ４２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Ｓ４３では、図２３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。

［Ｓ４４：算出工程］
次に、算出部２５において、工程Ｓ４３でベクトル化された行動履歴を用いて、行動履歴において時間的に最初の行動と最後の行動の近さである始終端行動近さと、当該行動履歴における滞在数を算出する。工程Ｓ４４では、工程Ｓ４４－１において始終端近さを算出し、工程Ｓ４４－２において滞在数を算出する。

工程Ｓ４４－１では、先ず、図２４に示すように識別子毎に、一連の行動履歴における最初の行動と最後の行動を抽出する。次に、図２５に示すように識別子毎に、最初の行動と最後の行動の近さである始終端行動近さとして、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４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。

工程Ｓ４４－２では、図２６に示すように識別子毎に、行動履歴における行動の数（ベクトル数）を滞在数と算出する。なお、工程Ｓ４４－１とＳ４４－２の順序は、いずれが先であってもよい。

［Ｓ４５：分類工程］
次に、分類部２６において、工程Ｓ４４で算出された始終端行動近さと滞在数に基づいて、行動履歴を形状により行動遷移パターンに分類する。工程Ｓ４５では、図２７に示すルールに従って、行動履歴を５つの形状に分類する。すなわち、滞在数であるベクトル数を点としてとらえ、その点と点を線でつないで形状を導出する。したがって、ベクトル数が１つの場合、形状は「点」となり、ベクトル数が２つの場合、形状は「線」となり、ベクトル数が３以上の場合、形状は「多角形」となる。またこの際、この際、形状の大小を決定するためのコサイン類似度の閾値を例えば０．７０７とする。そして本ルールに従って、図２８に示すように識別子毎に、行動履歴を形状により行動遷移パターンに分類する。

［Ｓ４６：可視化工程］
次に、可視化部２７において、工程Ｓ４５で分類された行動遷移パターンを可視化する。工程Ｓ２７では、図２９に示すように、行動遷移パターンを表す形状を可視化する。

以上の第４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Ｓ４５において行動履歴を行動遷移パターンに分類するので、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、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。

また、第４の実施形態では、行動履歴を形状により行動遷移パターンに分類する。この形状には、主として２つの要素がある。１つ目の要素は、始終端行動近さであって、例えば多角形においては一端が閉じているか否かである。これにより、片道パターンであるのか、あるいは往復・周遊パターンであるのかを把握することができる。２つ目の要素は、滞在数であって、例えば多角形における点である。これにより、往復パターンであるのか、あるいは周遊パターンであるのかを把握することができる。

また、このように行動履歴を形状により分類することで、行動のバリエーションと数の相関を把握することができる。例えば、行動のバリエーションを増やすことが目的である場合、多角形の点の数が多くなるように商品やサービスをレコメンドすればよい。また、多角形における点と形状との関係が分かると、商品やサービスのレコメンデーションや、店舗の配置の設計に活かすことができる。例えば、Ａ商品とＢ商品の相性が良い場合、Ａ商品の購入者にＢ商品をレコメンドすることができる。あるいは、Ｃ店舗とＤ店舗の相性が良い場合、Ｃ店舗とＤ店舗を近接して配置することも可能となる。

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。

本発明は、人の行動履歴を分析する際に有用である。

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

Claims (20)

1. 情報処理装置が、
   人の行動を含むデータから、個人を識別する識別子毎に、前記行動の開始から終了までの時間的に連続する行動履歴を抽出する抽出工程と、
   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マッピング工程と、
   前記マッピングされた前記行動履歴を用いて、前記行動履歴において時間的に最初の前記行動と最後の前記行動の近さと、前記行動履歴における滞在数の一方又は両方を算出する算出工程と、
   前記近さと前記滞在数の一方又は両方に基づいて、前記行動履歴を行動遷移パターンに分類する分類工程と、を実行することを特徴とする、情報処理方法。
2. 情報処理装置が、
   人の行動を含むデータから、個人を識別する識別子毎に、前記行動の開始から終了までの時間的に連続する行動履歴を抽出する抽出工程と、
   前記行動履歴を地理空間にマッピングするマッピング工程と、
   前記マッピングされた前記行動履歴を用いて、前記行動履歴において時間的に最初の前記行動と最後の前記行動の近さと、前記行動履歴における滞在数の一方又は両方を算出する算出工程と、
   前記近さと前記滞在数の一方又は両方に基づいて、前記行動履歴を行動遷移パターンに分類する分類工程と、を実行することを特徴とする、情報処理方法。
3. 前記算出工程において、前記近さと前記滞在数の両方を算出し、
   前記分類工程において、前記近さと前記滞在数に基づいて、前記行動履歴を形状により行動遷移パターンに分類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。
4. 前記算出工程において、前記最初の行動と前記最後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１～３のいずれか一項に記載の情報処理方法。
5. 前記算出工程において、前記最初の行動と前記最後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１～３のいずれか一項に記載の情報処理方法。
6. 前記算出工程は、
   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工程と、
   前記２つの行動の近さと前記２つの行動間の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判定する工程と、
   前記滞在の数を算出する工程と、を有することを特徴とする、請求項１～５のいずれか一項に記載の情報処理方法。
7. 前記算出工程において、前記行動履歴における前記行動の数を前記滞在数として算出することを特徴とする、請求項１～５のいずれか一項に記載の情報処理方法。
8. 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１～７のいずれか一項に記載の情報処理方法。
9. 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１～８のいずれか一項に記載の情報処理方法。
10. 請求項１～９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ためのプログラム。
11. 請求項１０に記載のプログラムを格納したコンピュータが読み取り可能な記憶媒体。
12. 情報処理装置であって、
    前記情報処理装置の制御を行うためのプログラムを格納する記憶部と、
    前記プログラムに従って前記情報処理装置の制御を行う演算部と、
    人の行動を含むデータから、個人を識別する識別子毎に、前記行動の開始から終了までの時間的に連続する行動履歴を抽出する抽出部と、
    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マッピング部と、
    前記マッピングされた前記行動履歴を用いて、前記行動履歴において時間的に最初の前記行動と最後の前記行動の近さと、前記行動履歴における滞在数の一方又は両方を算出する算出部と、
    前記近さと前記滞在数の一方又は両方に基づいて、前記行動履歴を行動遷移パターン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。
13. 情報処理装置であって、
    前記情報処理装置の制御を行うためのプログラムを格納する記憶部と、
    前記プログラムに従って前記情報処理装置の制御を行う演算部と、
    人の行動を含むデータから、個人を識別する識別子毎に、前記行動の開始から終了までの時間的に連続する行動履歴を抽出する抽出部と、
    前記行動履歴を地理空間にマッピングするマッピング部と、
    前記マッピングされた前記行動履歴を用いて、前記行動履歴において時間的に最初の前記行動と最後の前記行動の近さと、前記行動履歴における滞在数の一方又は両方を算出する算出部と、
    前記近さと前記滞在数の一方又は両方に基づいて、前記行動履歴を行動遷移パターン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。
14. 前記算出部は、前記近さと前記滞在数の両方を算出し、
    前記分類部は、前記近さと前記滞在数に基づいて、前記行動履歴を形状により行動遷移パターンに分類することを特徴とする、請求項１２又は１３に記載の情報処理装置。
15. 前記算出部は、前記最初の行動と前記最後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１２～１４のいずれか一項に記載の情報処理装置。
16. 前記算出部は、前記最初の行動と前記最後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１２～１４のいずれか一項に記載の情報処理装置。
17. 前記算出部は、
    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し、
    前記２つの行動の近さと前記２つの行動間の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判定し、
    前記滞在の数を算出することを特徴とする、請求項１２～１６のいずれか一項に記載の情報処理装置。
18. 前記算出部は、前記行動履歴における前記行動の数を前記滞在数として算出することを特徴とする、請求項１２～１６のいずれか一項に記載の情報処理装置。
19. 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１２～１８のいずれか一項に記載の情報処理装置。
20. 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１２～１９のいずれか一項に記載の情報処理装置。