簇生成装置、簇生成方法以及簇生成程序与流程

1.本公开涉及一种基于用户的位置信息和用户所到访的地点信息来对用户进行分类的簇(cluster)生成装置、簇生成方法以及簇生成程序。


背景技术：

2.随着近年来智能手机的普及，能够简单地获取用户的位置信息。若能够获取多个用户的位置信息，则能够将人的流动可视化，分析怎样的人们聚集到怎样的场所或者人从哪里流向哪里，来掌握/分析人会聚集的场所，由此能够有助于地区振兴/文化保护/商务等。
3.例如，在专利文献1中，以使用gps等的信息将人流可视化来辅助城市的高效运用为目的，提出了将人的流动图示在地图上的方法。
4.现有技术文献
5.专利文献
6.专利文献1：国际公开第2016/067369号


技术实现要素：

7.发明要解决的问题
8.但是，专利文献1所公开的技术仅限于基于人的移动信息来对到访某个地点的人从哪里来或者去向哪里等人的流动进行分析。专利文献1所公开的技术不包含使用与所到访的场所有关的信息来分析数据的观点。
9.因此，在本公开中，目的在于提供一种能够通过除了参考人的移动信息之外还参考所到访的地点的信息进行分析、来进行对到访某个地点的人的分析、对到访某个区域的人的分析或者对到访多个地点的人的分析等、从而掌握它们的特征的簇生成装置、簇生成方法以及簇生成程序。
10.用于解决问题的方案
11.本公开的一个方式中的簇生成装置具备：用户信息获取部，其获取多个用户的位置信息和时间信息；簇生成部，其使用用户的位置信息，基于用户所访问的地点来生成作为用户的分类的簇；以及路径生成部，其按由簇生成部生成的每个簇，根据属于簇的用户的时间信息和位置信息，基于簇的地点间的移动历史记录来生成移动路径。
12.本公开的一个方式中的簇生成方法包括以下步骤：用户信息获取步骤，获取多个用户的位置信息和时间信息；簇生成步骤，使用用户的位置信息，基于用户所访问的地点来生成作为用户的分类的簇；以及路径生成步骤，按在簇生成步骤中生成的每个簇，根据属于簇的用户的时间信息和位置信息，基于簇的地点间的移动历史记录来生成移动路径。
13.本公开的一个方式中的簇生成程序是用于使计算机执行以下步骤的程序：用户信息获取步骤，获取多个用户的位置信息和时间信息；簇生成步骤，使用用户的位置信息，基于用户所访问的地点来生成作为用户的分类的簇；以及路径生成步骤，按在簇生成步骤中
生成的每个簇，根据属于簇的用户的时间信息和位置信息，基于簇的地点间的移动历史记录来生成移动路径。
14.发明的效果
15.根据本公开，通过使用用户的位置信息以及与用户所访问的地点有关的信息来进行簇生成，能够进行许多人会聚集在哪个地点等对地点的分析、人在区域内的行动路径等对区域的分析、属于簇的平均的人物的行动模式和意向等对簇的分析。
附图说明
16.图1是示出本公开的簇生成系统的结构的一例的图。
17.图2是示出本公开的实施方式1所涉及的簇生成装置的结构的一例的图。
18.图3是示出用户信息db 121的数据结构的一例的图。
19.图4是示出地点信息db 122的数据结构的一例的图。
20.图5是示出基于用户所访问的地点的共同性来进行聚类分析(clustering)的一例的图。
21.图6是示出除了基于用户所访问的地点的共同性之外还基于停留时间、访问次数等来进行聚类分析的一例的图。
22.图7是示出地点间的移动关系的一例的图。
23.图8是示出表示移动路径的网络图的一例的图。
24.图9是示出了将移动路径显示在地图上的一例的图。
25.图10是示出簇生成装置中的实施方式1的处理的流程的一例的流程图。
26.图11是示出本公开的实施方式2所涉及的簇生成装置的结构的一例的图。
27.图12是示出地点摘要(summary)的一例的图。
28.图13是示出区域摘要的一例的图。
29.图14是示出簇摘要的一例的图。
30.图15是示出簇生成装置中的实施方式2的处理的流程的一例的流程图。
31.图16是示出本公开的实施方式3所涉及的簇生成装置的结构的概要框图。
具体实施方式
32.以下，参照附图来对本公开的实施方式所涉及的簇生成装置、簇生成方法以及簇生成程序进行说明。此外，以下说明的实施方式并非无理限定权利要求书所记载的本公开的内容。另外，在实施方式中说明的全部结构未必是本公开的必要结构要件。另外，在用于说明实施方式的全部图中，对共同的结构要素标注相同的附图标记，并省略重复的说明。
33.《实施方式1》
34.在实施方式1中，根据用户的位置信息、时间信息和用户所访问的地点来生成作为用户的分类的簇，并显示每个簇的地点的访问路径。如图1所示，本实施方式所涉及的簇生成系统具备簇生成装置100以及用户终端200。
35.簇生成装置100与用户终端200经由网络nw以能够通信的方式连接。网络nw由wan(world area network：广域网)、lan(local area network：局域网)等构成。簇生成系统1定期地获取用户的位置信息、时间信息，根据用户所访问的地点来生成簇。
36.簇生成装置100由通信运营商、进行信息分析的运营商等运营商管理。簇生成装置100通过用户终端200来定期地获取用户的位置信息、时间信息。簇生成装置100掌握了用户所访问的地点之后，基于用户所访问的地点来生成作为用户的分类的簇。
37.用户终端200由用户使用。用户终端200例如是智能手机、平板终端等具有获取位置信息的功能和通信功能的终端装置。此外，用户终端200也可以未必具有以单体获取位置信息的功能，例如也可以是用于识别用户的ic卡和设置于地点的ic读取终端的组合，并且是获取用户的访问时刻和位置信息的结构。
38.《簇生成装置的结构》
39.以下，对簇生成装置100的结构进行详细说明。如图2所示，簇生成装置100具备：用于与其它装置进行通信的通信部110、存储各种数据的存储部120以及进行装置整体的控制的控制部130。这些结构要素通过总线bl相互连接。
40.通信部110是具备用于进行有线通信或无线通信的nic(network interface card controller：网络接口卡控制器)的通信接口。通信部110经由网络nw与用户终端200进行通信。
41.存储部120由ram(random access memory：随机存取存储器)、rom(read only memory：只读存储器)等构成。存储部120存储用于执行各种控制处理的程序、各种数据等。
42.另外，存储部120具有用户信息db 121，该用户信息db 121存储用于识别用户的用户id、经由通信部110从用户终端200获取到的用户的位置信息以及作为获取到的时间的时间信息。
43.此外，存储部120具有地点信息db 122，该地点信息db 122存储用于识别地点的地点id、位置信息、地点名、地点的分类/属性等信息。
44.控制部130由cpu(central processing unit：中央处理单元)等构成。控制部130通过执行存储部120中存储的程序来控制簇生成装置100的整体的动作。
45.以下，对控制部130的功能性结构进行说明。控制部130作为用户信息获取部131、簇生成部132、路径生成部133、显示部134来发挥功能。
46.用户信息获取部131经由通信部110和网络nw从用户终端200获取用户的位置信息和时间信息。用户的位置信息例如是纬度、经度等信息。另外，时间信息是获取到位置信息的时间点的时间信息。
47.在获取用户的位置信息时，可以使用搭载于用户持有的智能手机、智能手表等的gps(global positioning system：全球定位系统)等的信息。另外，也可以在地点等设置磁性读取器、ic读取器等终端，通过用户使这些终端读取用户自身的终端等来获取位置信息。
48.此外，用户信息获取部131也可以基于发送到sns(social networking service：社交网络服务)的信息来获取位置信息。
49.用户信息获取部131以固定的时间间隔来定期地从用户获取位置信息和时间信息。获取用户的位置信息的间隔越短，则能够进行越详细的分析，因此是优选的。
50.另一方面，若获取位置信息的时间间隔长，则能够减轻系统和网络上的负担，若获取位置信息的时间间隔短，则能够更详细地分析用户的行动的可能性提高。因而，可以在考虑分析的对象和系统的负荷的同时设定时间间隔。
51.用户信息获取部131将从用户获取到的位置信息与用户id、获取到的时间信息一
起存储于用户信息db 121。在簇生成装置100中，优选将用户的位置信息一次性地存储于存储部120，使得能够从各种观点进行簇分析。
52.簇生成部132基于用户所访问的地点，来生成作为用户的分类的簇。此外，地点是指店铺、设施等能够根据纬度和经度确定的固定场所。另外，在没有特征性设施等的情况下，也可以按固定间隔设置虚拟的地点。
53.簇生成部132首先基于从用户信息获取部获取到的信息和地点信息db 122的信息，来掌握用户在哪个地点进行了登记、即对哪个地点进行了访问。
54.簇生成部132例如将用户的纬度经度等位置信息与地点的纬度经度等位置信息进行对照以判定用户的地点访问，在该场所一致的情况下判定为访问。
55.另外，若根据位置信息严格一致来视为访问，则有可能判定为用户未对任何地点进行访问。因此，也可以设定某个阈值l，在地点与用户的距离为l以下的情况下视为用户访问了地点。由此，能够吸收位置信息的误差。此外，也可以使用一般的算法来对用户访问了地点进行判定。
56.在簇生成部132对用户的地点访问进行判定时，根据用户的位置信息与地点的位置信息一致来进行判定，但此时，可以单纯根据一致来判定为访问，也可以使用连续的时间内的一致信息来区别地判定通过、访问、利用。
57.例如，还存在以下情况：即使在用户信息获取部131以固定的时间间隔获取用户的位置信息时用户的位置信息与地点的位置信息一致，这也只不过是用户通过了地点，并非用户访问了地点。在该情况下，可以判定为通过。另外，也可以是，在用户的位置信息与地点的位置信息一致的次数为时间上连续的固定次数(第一阈值)以上的情况下，判定为访问了该地点。并且，还可以是，在电影院、温泉设施、主题公园等地点处用户的位置信息与地点的位置信息一致的次数为时间上连续的固定次数(第二阈值)以上的情况下，判定为利用了该地点。并且，还可以是，在用户的位置信息与地点的位置信息一致的次数为时间上连续的固定次数(第三阈值)以上的情况下，判定为在该地点处工作。
58.也就是说，也可以是，在连续的时间内用户的位置信息与地点的位置信息的一致的次数小于第一阈值时判定为通过，在连续的时间内用户的位置信息与地点的位置信息的一致的次数为第一阈值以上且小于第二阈值时判定为访问，在连续的时间内用户的位置信息与地点的位置信息的一致的次数为第二阈值以上且小于第三阈值时判定为利用。另外，关于各阈值，也可以按地点来设定。
59.在簇生成部132对用户的地点访问进行判定时，也可以考虑用户的移动方法。例如，用户信息获取部131以固定的时间间隔获取用户的位置信息，但此时，用户信息获取部131也可以利用连续的时间内的位置信息的移动距离，根据每单位时间的移动距离来推测移动速度，判别用户的移动方法是步行还是使用汽车、电车等移动方法。而且，至少在判断为正在利用汽车、电车等进行移动时，即使用户的位置信息与地点的位置信息一致，用户也只不过是通过了地点，而并非访问了地点，因此簇生成部132可以不判定为用户访问了地点。
60.关于获取用户的位置信息，例如在基于设置于地点的磁性读取器、ic读取器等终端来进行获取的情况下，簇生成部132可以根据用户的终端被这些终端读取来判断为用户访问了地点。
61.簇生成部132基于用户所访问的地点，来生成作为用户的分类的簇。簇生成部132例如基于用户所访问的地点的共同性(从地点来看，进行了访问的用户的共同性)，使用分层聚类分析、非分层聚类分析或者已知的算法等来进行簇生成。此时，簇生成部132也可以在将簇生成的目标设为m个并进行了聚类分析后，根据共同的地点及用户数多的地点生成m个簇。
62.另外，簇生成部132也可以在进行聚类分析时参考地点的访问次数、访问时刻、停留时间、地点的分类的共同性等来生成簇。此外，簇生成部132也可以参考总停留时间、平均停留时间、在电视/杂志/互联网/sns等媒体中介绍/引用的次数、移动体等来生成簇。
63.并且，簇生成部132也可以在进行聚类分析时，针对地点的共同性、地点的访问次数、访问时刻、停留时间、地点的分类的共同性、总停留时间、平均停留时间、在电视/杂志/互联网/sns等媒体中介绍/引用的次数、移动体、购买数据、地点所经办的商品或劳务的费用、商品或劳务的类别/种类等要素，在对它们进行加权的基础上参考它们来生成簇。
64.簇生成部132也可以针对地点，对有意义的场所、即稀有度(rarity)高的场所赋予高的值。关于稀有度，在一部分用户采取共同的行动的情况下赋予高的值。例如，也可以对访问次数少的场所赋予高的稀有度。关于车站、便利店等，由于许多人访问，因此赋予低的稀有度。另一方面，关于受具有特定的爱好的人欢迎的书店、小型现场演出的场所(live house)等访问次数少的场所，赋予高的稀有度。
65.另外，例如，也可以对地点的停留时间长、每人的访问次数多的场所赋予高的稀有度。也可以在某个地点的停留时间通常为15分钟以内但仅一部分用户会停留60分钟以上的情况下对其赋予高的稀有度。即，也可以在虽然利用某个车站的用户通常为了从车站乘坐电车而进行利用、但是一部分用户为了拍摄电车而访问时间长的情况下，将停留60分钟以上的用户设为与通常的地点a不同的伪地点a2来生成簇。
66.并且，例如，也可以针对某个地点，对关联的地点少的地点赋予高的稀有度。
67.簇生成部132也可以在进行簇生成时，仅选择稀有度超过固定阈值的地点，之后基于用户所访问的地点的共同性来进行簇生成。
68.簇生成部132也可以在生成簇时将包含大量的稀有度高的地点的簇的分数设定得高并优先生成分数高的簇，或者在簇生成后按簇的分数从高到低的顺序重新排列簇并且提取簇。
69.簇生成部132在生成簇时，可以使用分层聚类分析、非分层聚类分析或者已知的聚类分析算法。
70.簇生成部132在生成簇时，也可以不是基于共同的地点来生成簇，而是形成汇集了若干个地点的区域，并基于区域来生成簇。此时，簇生成部132也可以与地点同样地使用区域的位置信息、属于区域的地点的分类、属性、用户的访问次数等信息来进行聚类分析。
71.簇生成部132也可以在生成簇时限定进行分类的地点、区域的范围，基于该被限定的范围内的地点、区域来生成簇。另外，簇生成部132也可以以固定的时间范围生成被指定的时间内的簇。此时，可以以星期几、时间段等范围来生成簇。
72.并且，簇生成部132也可以在生成簇时，在考虑地点、区域的访问次数、访问时刻、停留时间等的基础上生成簇。
73.通过基于地点的共同性等固定要素来进行聚类分析，由此能够掌握每个簇或每个
地点的特性。
74.路径生成部133针对簇生成部132所生成的簇，生成用户在属于簇的地点和/或区域如何移动的移动路径。
75.路径生成部133在生成移动路径时，例如按每个用户绘制各地点间的移动关系来进行路径的生成。即，在假定为在簇内存在a～e这5个地点时，路径生成部133按用户的每个行动生成a～a(停留)、a～b、a～c、
…
b～a、b～b(停留)、b～c、
…
e～d、e～e(停留)的移动模式的矩阵。在此基础上，路径生成部133例如将数量最多的移动模式生成为路径，从而生成为属于簇的用户的移动路径。
76.通过像这样生成移动路径，能够在还掌握地点间的移动的前后关系的同时生成路径。
77.通过使用地点间的移动关系进行路径生成，与根据用户的位置信息制作移动路径相比，能够削减计算量，另外，能够通过使用地点间的移动关系，来进行将成为簇生成的基础的用户所访问的共同的地点设为起点的分析。
78.路径生成部133在生成移动路径时，不仅可以在聚类分析之后生成移动路径，还可以在聚类分析的同时生成移动路径。
79.也可以在生成移动路径时，不是生成唯一的路径，而是划分为主要的移动路径和次要的移动路径地生成。例如，也可以是，在地点间的移动关系中，将对移动模式最多的路径进行连接而成的路径设为主要的移动路径，设定阈值t，在此基础上，将存在t个以上的移动的路径生成为次要的移动路径。并且，次要的移动路径可以不为一个，也可以生成多个次要的移动路径。
80.在生成移动路径时，如上所述，并不限于使用地点间的移动关系，也可以使用已知的路径生成算法来生成属于簇的地点的移动路径。
81.显示部134针对路径生成部133所生成的路径，使用网络图来制作并显示属于簇的地点和/或区域间的移动路径。此时，显示部134可以仅显示主要的移动路径，也可以将主要的移动路径和次要的移动路径一并显示。
82.显示部134也可以在将主要的移动路径和次要的移动路径一并显示时以使线种类和/或颜色区分开的方式进行显示，以知晓主要的移动路径与次要的移动路径之间的区别。由此，能够在视觉上一眼就掌握簇中的移动路径包含主要的移动路径/次要的移动路径。
83.另外，显示部134也可以不仅用网络图显示地点间的移动路径，还在地图上示出地点之后示出移动路径。通过在地图上进行显示，利用者能够在视觉上掌握移动路径的距离感，还能够在视觉上掌握附近还存在怎样的地点等。
84.在将移动路径显示在地图上时，可以使用现有的算法等来沿着地点间的道路显示路径。
85.(存储部所存储的db的具体例)
86.在图3中示出用户信息db 121的具体例。用户信息获取部131以固定的时间间隔来定期地从用户获取位置信息和时间信息。然后，用户信息获取部131将获取到位置信息的用户的用户id、获取时间、用户的位置信息(纬度和经度)存储于用户信息db 121。用户信息db 121所存储的信息不限于这些，也可以存储用户的年龄(年代)、性别、居住地区等其它信息。
87.在图4中示出地点信息db 122的具体例。在地点信息db 122中存储用于识别地点
的标识id、地点的位置信息(纬度、经度)、地点名(商店名等)、分类(餐馆、主题公园、车站等该地点的分类)。另外，在地点信息db中可以存储该地点的开店时间、平均预算等其它信息，也可以保存该地点官方主页、介绍页面等的链接，使得能够获取地点的各种信息。
88.(簇生成的具体例)
89.簇生成部132基于用户所访问的地点，来生成作为用户的分类的簇。例如如下所示那样使用分层聚类分析来进行簇生成。
90.在分层聚类分析中，例如将从用户观察到的地点的共同性(从地点观察到的用户的共同性)当作距离或类似度来进行地点的聚类分析。具体而言，例如，在具有a、b、c这3个地点、并且访问了该地点的用户的id分别为a＝(01，02，03，04，05)、b＝(01，02，03，04，06)、c＝(01，02，07，08，09)的情况下，首先对用户的共同性高的(类似度高的)a和b进行聚类分析，之后，以a+b、c这样的形式进行聚类分析。作为分层聚类分析的候选，生成a+b+c、a+b、c、a、b这样的模式。
91.簇生成部132一边将类似的地点进行组合一边进行分层聚类分析，来生成簇。此时，共同地点少的簇仅限于对车站、便利店等一般的场所的访问，被认为特征少。因而，也可以提取共同地点多(共同的用户数变少)的簇来生成最终的簇。
92.另外，为了选择具有特征的簇，可以根据共同的地点的数量
×
用户数而按值从大到小的顺序重新排列簇。此外，也可以使用共同的地点的停留时间的总和等指标，此外还可以参考用于提取具有特征的簇的要素。并且，还可以在使用这些指标提取前m个簇的基础上构成为簇。
93.在簇生成部132中，不限于分层聚类分析，也可以使用非分层聚类分析、已知的聚类分析算法来进行簇生成。
94.簇生成部132也可以使用有意义的场所、即稀有度来生成簇。例如，对仅一部分用户访问的地点(访问的用户数为a以上且b以下)的地点分配稀有度10，将除此以外的地点的稀有度设为1。而且，也可以是，在生成簇时，根据包含在簇内的地点计算稀有度，将生成的簇按稀有度从高到低的顺序重新排列。此时，也可以从稀有度高的簇起提取m个簇。
95.另外，也可以在考虑稀有度时，不仅考虑用户的访问次数，还考虑访问时刻、停留时间、地点的分类的共同性、总停留时间、平均停留时间、在电视/杂志/互联网/sns等媒体中介绍/引用的次数、移动体、购买数据、地点所经办的商品或劳务的费用、商品或劳务的类别/种类等要素来赋予稀有度。
96.在图5中示出簇生成部132进行聚类分析后生成的簇的具体例141。例如示出在以生成100个簇为目标的情况下根据共同的地点多、构成人数多的簇生成100个簇的例子。
97.簇生成部132可以不仅参考地点的共同性(用户的共同性)，还参考访问时刻、访问次数、停留时间、地点的分类的共同性等要素，在此基础上进行聚类分析。此时，簇生成部132也可以在对地点的共同性(用户的共同性)、访问时刻、访问次数、停留时间、地点的分类的共同性等各要素分别进行加权的基础上进行聚类分析。
98.在图6中示出除了参考地点的共同性(用户的共同性)之外还参考停留时间、访问频度(图6中表示为ci频度)、停留时间方差、访问频度方差、最大停留时间、最小停留时间、最大访问频度、最小访问频度来进行聚类分析的具体例142。另外，虽然在图6中进行了省略，但实际上与图5同样，在各簇中存在多个地点，例如在图6的簇id1的簇中，不仅存在地点
a还存在地点bcde，来作为要素。
99.(路径生成的具体例)
100.路径生成部133针对簇生成部132所生成的簇，生成用户在属于簇的地点和/或区域如何移动的移动路径。例如，路径生成部133使用地点间的移动关系来进行路径生成。
101.在图7中示出地点间的移动关系的具体例。例如，假定属于某个簇的地点为a～f这6个地点。此时，将a～f的各用户的移动路径输入到地点间的移动关系中。例如，若处于a地点的用户移动到e地点，则对a行e列的单元格加1。另外，若处于a地点的用户仍旧停留在a地点，则对a行a列的单元格加1。
102.路径生成部133在生成地点间的移动关系时，可以在任意分割后的时间(从某一日期时间到某一日期时间为止的固定时间)内生成。
103.在图7中示出地点间的移动关系的具体例143。在该矩阵中将a设为起点的情况下，停留在a的移动为4，向b的移动为1，向c的移动为1，向d的移动为2，向e的移动为4，向f的移动为10。因而，从a到f的移动是最多数的，作为主要的移动路径来掌握。
104.与上述同样，若继续掌握最多数的移动，则为b
→
f、c
→
d、d
→
e、e
→
a、f
→
b。若将该路径相连，则为c
→d→e→a→f→
b。路径生成部133将该路径掌握为主要的移动路径。
105.接着，在图7的地点间的移动关系143中，也可以将虽然未被掌握为主要的移动路径但是存在多数移动的移动路径掌握为次要的移动路径。例如，将阈值设为10，掌握虽然未被掌握为主要的移动路径但是存在10以上的移动的路径。于是，能够掌握b
→
c、c
→
b。因而，除了掌握主要的移动路径之外，还将b
→
c、c
→
b掌握为次要的移动路径。
106.(路径显示的具体例)
107.显示部134针对路径生成部133所生成的路径，使用网络图来制作并显示属于簇的地点和/或区域间的移动路径。在图8中示出网络图的具体例144。这是对于图7的地点间的移动关系143用实线表示主要的移动路径并且用虚线表示次要的移动路径。
108.在图8中，例如也可以仅示出主要的移动路径、或者仅示出次要的移动路径。另外，也可以如c
→
d、d
→
e那样以包含朝向的方式进行显示。
109.显示部134也可以在地图上示出移动路径。图9是在地图上示出了移动路径的具体例145。在该具体例中，示出了将3个簇的路径同时显示在地图上的例子。在地图上显示的路径可以是一个簇的路径，也可以是任意选择出的多个簇的路径。
110.(处理的流程)
111.图10示出本公开的实施方式1中的簇生成装置的处理的流程。
112.用户信息获取部131获取用户的位置信息和时间。然后，用户信息获取部131将获取到的信息存储于用户信息db 121(步骤s101)。
113.簇生成部132使用用户的位置信息、时间信息和地点的信息，掌握用户访问了哪个地点。在此基础上，簇生成部132使用访问了地点的用户的信息来生成簇(步骤s102)。用户共同访问了的共同地点属于各簇。
114.路径生成部133针对属于簇的共同地点，使用地点间的移动关系，来生成用户的移动路径(步骤s103)。此时，路径生成部133可以不仅生成主要的移动路径，还生成次要的移动路径。
115.显示部134使用网络图来显示用户的移动路径(步骤s104)。此时，显示部134也可
以将移动路径显示在地图上。
116.(效果)
117.根据本实施方式，能够使用用户的位置信息以及与用户所访问的地点有关的信息，来进行人如何在地点或区域聚集的分析。并且，通过生成簇并进行分析，能够对到访了某个地点的用户还有可能到访怎样的地点、或者每个地区的行动路径的特性等进行分析。
118.通过进行这样的分类为簇的分析，能够掌握在某个地点或区域怎样的簇的人会聚集。例如，通过参考类似的簇在其它地点或区域采取怎样的行动，也能够有助于地区经济的激活和城市建设。
119.此外，在本实施方式中，即使不获取用于确定个人的信息即个人信息，也能够掌握地点、区域、簇等的个性、特性，能够在不易受到个人信息保护法等法律的制约的环境下分析信息并进行市场营销等的推荐。
120.并且，通过本实施方式的分析，能够通过掌握停留时间和访问次数来进行是工作地还是居住地等的判别，由此还能够推进分析。另外，也能够进行按星期几、时间段的分析、每个移动体的分析。并且，通过还参照在媒体中介绍的信息，还能够分析由媒体带来的经济效果。
121.《实施方式2》
122.在实施方式2中，还具备使用从用户获取到的信息来显示地点的访问者数、平均停留时间等地点的摘要的功能。此外，整体的系统结构与图1的簇生成系统相同。
123.《簇生成装置的结构》
124.在图11中示出本实施方式中的簇生成装置300的结构。通信部110、存储部120的结构与簇生成装置100相同。另外，控制部330中的用户信息获取部131、簇生成部132、路径生成部133、显示部134的结构也与簇生成装置100的控制部130相同，控制部330还具备摘要显示部335、推荐部336。
125.摘要显示部335使用从用户获取到的信息来制作并显示地点的摘要。具体而言，制作的摘要是地点的访问者数、总停留时间、每个用户的平均停留时间、每个用户的平均访问次数、在电视/杂志/互联网/sns等媒体中介绍/引用的次数、与该地点的关系性强的簇、与该地点的关系性强的其它地点、与该地点的关系性强的地点的分类、属性。
126.摘要显示部335基于从用户获取到的信息并且基于簇生成部132所进行的用户的地点访问判定，来分析并计算地点的访问者数、总停留时间、每个用户的平均停留时间、每个用户的平均访问次数。
127.摘要显示部335从包含该地点作为共同地点的簇中选择关系性强的簇。例如，也可以将属于各簇的人数多的簇设为关系性强，选择预先指定的前n件。另外，例如，也可以根据各簇计算访问次数多的簇、总停留时间长的簇、每人的访问次数多的簇或者每人的停留时间长的簇来作为关系性强的簇。
128.另外，摘要显示部335也可以从如之前那样求出的关系性强的簇中选择该地点的移动目的地或移动源的地点作为关系性强的地点。
129.摘要显示部335也可以针对关系性强的地点的分类、属性来选择与该地点相同的分类、属性，并选择关系性强的地点所包含的分类、属性。
130.摘要显示部335如上所述那样进行地点的分析，并制作地点摘要。然后，例如当利
用者选择地点时，摘要显示部335以显示与该地点有关的地点摘要等的方式显示地点摘要。
131.摘要显示部335也可以进行区域的分析，制作并显示区域摘要。区域例如除了是指行政划区的
●●
镇、
●●
市、
●●
县等之外，还是指距
●●
车站半径1km以内等固定广度内包含多个地点的范围。而且，摘要显示部335显示：区域所包含的地点数、总停留时间、每人平均停留时间、每人平均访问次数、主要簇、停留时间长的地点或簇、每人平均停留时间长的地点或簇、每人平均访问次数多的地点或簇等。
132.摘要显示部335也可以访问因特网等网络上的信息并且显示在电视、杂志等中介绍的次数多的地点等。
133.摘要显示部335也可以针对属于区域的地点，使用该地点所属的簇等的信息来显示与该区域有关联的簇。此时，也可以显示关联强的前n个。
134.摘要显示部335例如也可以基于属于簇的用户的数量的多少、簇所包含的共同地点的数量的多少等，来分析主要簇并制作区域摘要。
135.摘要显示部335也可以如上所述那样进行区域的分析，制作并显示区域摘要。
136.摘要显示部335也可以在进行簇的分析来估计簇的属性的基础上制作并显示簇摘要。而且，摘要显示部335也可以制作并显示：簇所包含的用户的总停留时间、每人平均停留时间、每人平均访问次数、每人平均停留时间长的地点、每人平均访问次数多的地点、主要的行动路径等。
137.摘要显示部335也可以从用户获取性别、年龄、居住地、用户的外观、经常穿在身上的服装等信息，使用这些信息将簇的男女比、世代比、主要的居住地、平均的外观等作为簇摘要进行制作并显示。
138.也可以是，在摘要显示部335计算地点摘要、区域摘要、簇摘要时，在预先指定了从何时到何时之类的日期时间范围的基础上进行分析。
139.通过像这样显示摘要，能够一眼就掌握信息。
140.推荐部336在进行簇分析的基础上进行推荐。例如，推荐部336设想地点的所有人接受推荐，在摘要显示部335中对与某个地点的关联强的簇进行分析时，针对该地点，对用户还访问了怎样的地点、访问了经办怎样的种类的商品或劳务的店铺、购入了怎样的种类的商品或劳务等进行分析。由此，也可以在该地点推荐经办的商品/劳务等，推荐应合作的店铺等。
141.推荐部336例如设想地区振兴协会的负责人接受推荐，在摘要显示部335中对与某个区域的关联强的簇进行分析时，针对该区域，对用户访问了怎样的地点、访问了经办怎样的种类的商品或劳务的店铺、在其它区域访问了怎样的地点等进行分析。由此，也可以在该地点推荐虽然未处于该区域但用户利用的可能性高的地点，另外推荐用户购入的可能性高的商品/劳务等。
142.推荐部336例如设想用户接受推荐，在摘要显示部335中根据用户所属的簇对属于该簇的其它用户访问了怎样的地点、访问了经办怎样的种类的商品或劳务的店铺等进行分析。由此，也可以对用户推荐该用户未访问的其它地点，并推荐商品或劳务。
143.推荐部336也可以通过如上所述那样借助簇分析，来推荐地点、店铺或设施的种类、商品/劳务的种类等。
144.(具体例)
145.在图12中示出摘要显示部335所显示的地点摘要的具体例。摘要显示部335通过显示地点摘要，能够在视觉上示出地点根据行动模式不同的多个簇而被进行不同的活用。如图12所示，摘要显示部335可以显示访问的总数、总停留时间、每人平均停留时间、每人平均访问时刻。另外，也可以显示地点a成为共同的地点的簇，并显示每个簇的值。并且，也可以将关系性强的簇、关系性强的地点、关系性强的分类、属性一并显示。
146.摘要显示部335通过按每个地点显示基于簇分析的地点摘要，能够进行对到访该地点的用户组的分析、对如何被用户利用的分析，还能够与其它地点或区域进行比较。
147.在图13中示出摘要显示部335所显示的区域摘要的具体例。摘要显示部335通过显示区域摘要，能够在视觉上示出区域由怎样的地点和簇构成。如图12所示，摘要显示部335可以显示总地点数、总停留时间、每人平均停留时间、每人平均访问次数。另外，也可以显示属于区域的每个地点的值。并且，也可以显示该区域中的主要的簇、总停留时间长的地点、每人平均停留时间长的地点、每人平均访问次数多的地点。
148.摘要显示部335通过按每个区域显示基于簇分析的区域摘要，能够进行对到访该区域的用户组的分析、对如何被用户利用的分析，还能够与其它地点或区域进行比较。
149.在图14中示出摘要显示部335所显示的簇摘要的具体例。摘要显示部335通过显示簇摘要，能够在视觉上示出根据簇得到的针对共同的地点的行动模式。如图14所示，摘要显示部335可以除了显示属于簇的用户的数量、男女比、世代比、居住地区之外，还显示总停留时间、每人平均停留时间、每人平均访问次数等。另外，也可以按每个地点显示这些值。并且，也可以显示簇的平均外观、每人平均停留时间长的地点、每人平均访问次数多的地点、移动路径。
150.(处理的流程)
151.图15示出本公开的实施方式2中的簇生成装置的处理的流程。
152.获取用户的信息的过程(步骤s101)及生成簇的过程(步骤s102)与实施方式1相同。
153.另外，也可以插入生成路径的过程(步骤s103)以及显示路径的过程(步骤s104)。
154.摘要显示部335使用簇生成部132所生成的簇的信息，来对用于显示每个地点的访问次数、总停留时间等的地点摘要、用于显示每个区域的地点数、总停留时间等的区域摘要、每个簇的用户数、总停留时间等进行分析并且制作、显示(步骤s105)。
155.推荐部336使用簇生成部132所生成的簇的信息，来对属于地点、区域、簇的店铺或用户推荐要经办的商品/劳务的种类或还应访问的地点、应购入的商品/劳务等(步骤s106)。
156.(效果)
157.根据本实施方式，仅通过使用用户的位置信息以及与用户所访问的地点有关的信息，就能够进行人在地点、区域如何聚集的分析。并且，通过按每个地点进行分析，能够分析地点的人气度、还与哪个地点的来往较多，能够有助于市场营销等。
158.此外，通过按每个区域进行分析，来对区域间进行比较，分析在该区域中用户对怎样的地点进行访问并度过时间，由此能够在设置新的商业设施时进行怎样的属性的设施适合的预测。
159.并且，通过按每个簇进行分析，能够对某个地点、区域中的主要的簇具有怎样的特
性，在某个地点今后投入力量的情况下应以怎样的观点(例如在店铺中提供怎样的商品、劳务等)投入力量等进行分析。
160.另外，推荐部336基于簇分析来推荐要举荐的地点、要举荐的商品/劳务等，由此能够有助于地区振兴、消费的激活。
161.《实施方式3》
162.在实施方式3中，在簇的生成时，使用用户在地点购入的商品/劳务、其价格等购买信息来进行聚类分析。整体的系统结构与图1的簇生成系统相同。
163.《簇生成装置的结构》
164.在图16中示出本实施方式中的簇生成装置400的结构。通信部110的结构与簇生成装置100相同。在存储部120中的用户信息db 121中，除了存储用户的位置信息和时间信息之外，还存储在地点购入的商品/劳务及其价格的信息等。控制部430包括用户信息获取部431、簇生成部432、路径生成部133、显示部434、摘要显示部435、推荐部436。
165.用户信息获取部431除了从用户获取位置信息和时间信息之外，还在地点购入了商品或劳务时获取该商品/劳务的种类、金额、名称等信息。这些信息例如也可以在用户所使用的智能手机等终端中从以智能手机进行的结算获取。此外，也可以通过从pos终端获取、用户从用户终端输入等方法来获取。
166.用户信息获取部431将从用户获取到的商品/劳务的购入信息存储于用户信息db 121。
167.簇生成部432也可以参考用户在地点购入的商品/劳务、其种类、金额等信息来进行聚类分析。
168.簇生成部432例如不仅参考地点的共同性(用户的共同性)，还参考在a地点利用了p日元的用户、在a地点购入了衣服的用户、在a地点购入了b商品的用户等购买信息的共同性来进行聚类分析。即，基于用户的共同性、购入的商品/劳务的共同性、购入金额的共同性、购入的商品/劳务的种类/分类的共同性等来进行聚类分析。
169.如上所述，簇生成部432也可以在还参考用户购入的商品/劳务、其种类、金额等信息的基础上进行聚类分析以生成作为目标的m个簇。
170.这样，通过参考用户的购买数据来生成簇，由此能够进行地点、区域、簇的经济观点下的分析。
171.显示部434也可以在显示簇中的用户的行进路径时将用户在每个地点支出的金额等购买信息一并显示。
172.例如，显示部434也可以显示作为在某个地点支出的钱款的总和的总消费金额、作为每个用户所支出的钱款的平均的平均消费金额、在该地点购入数多的人气高的商品/劳务等。
173.摘要显示部435使用簇生成部432所生成的簇，来生成地点摘要、区域摘要、簇摘要。此时，也可以在还参考用户所购入的商品/劳务、其种类、金额等信息的基础上生成地点摘要、区域摘要、簇摘要。
174.例如，摘要显示部435也可以在地点摘要、区域摘要、簇摘要中，根据属于地点、区域、簇的用户的信息，将支出了钱款的金额的总额计算为总消费金额，并且将支出的金额的每人的平均额计算为平均消费金额，来生成摘要。
175.摘要显示部也可以按照时间序列制作并显示各个地点、区域、簇在何时以多少金额消费了怎样的商品/劳务等信息。
176.在本实施方式中，示出了在簇生成部432中参考用户的购买数据来进行簇生成的例子，但在簇生成部432中，也可以不参考用户的购买数据就进行簇生成。在此基础上，在摘要显示部435中制作摘要时，也可以参考用户所购入的商品/劳务、其种类、金额等信息来显示摘要。
177.即使在簇生成部432中未参考用户所购入的商品/劳务的共同性、购入金额的共同性、所购入的商品/劳务的种类/分类的共同性等，也能够通过在摘要显示部435中参考用户所购入的商品/劳务、其种类、金额等信息，来分析在各个地点、区域、簇的购买动向。
178.(效果)
179.像这样，在簇生成部432和/或摘要显示部435中，还参考用户所购入的商品/劳务、其种类、金额等信息，由此能够分析在地点、区域、簇的购买动向以及经济活动。
180.通过进行立足于用户的购买动向的分析，来进行分布图(profile)型的市场营销。能够期待用作推荐工具。并且，还能够期待用于城市建设、设施招揽顾客、事件等的效果测定。
181.如以上那样，通过从多个观点制作并显示摘要，能够有助于例如设计经济活动、今后的开发的方针，对于政府和企业而言能够进行视觉上的分析。
182.以上结束实施方式的说明，但上述实施方式只不过是一例。因此，簇生成系统1以及簇生成装置100、300的具体的结构、处理内容等不限于在上述实施方式中说明的具体的结构、处理内容等。
183.另外，本公开所涉及的决断受理系统也可以不依赖于上述装置，例如通过由计算机执行程序来实现其功能。用于实现信息提供系统的功能的程序可以被存储于usb(universal serial bus：通用串行总线)存储器、cd-rom(compact disc-read only memory：只读光盘存储器)、dvd(digital versatile disc：数字通用光盘)、hdd(hard disc drive：硬盘驱动器)等计算机可读取的记录介质，也可以经由网络被下载到计算机。
184.以上，对本公开的优选的实施方式进行了说明，但本公开并不限定于这样的特定的实施方式，本公开包含权利要求书所记载的发明及其等同的范围。另外，在上述实施方式以及变形例中说明的装置的结构只要不产生技术上的矛盾，就能够适当组合。
185.附图标记说明
186.1：簇生成系统；100、300：簇生成装置；200：用户终端；110：通信部；120、420：存储部；121、421：用户信息db；122：地点信息db；130、330、430：控制部；131、431：用户信息获取部；132、432：簇生成部；133：路径生成部；134、434：显示部；335、435：摘要显示部；336、436：推荐部；141：簇的具体例1；142：簇的具体例2；143：地点间的移动关系的具体例；144：移动路径网络图的具体例；145：在地图上示出移动路径的具体例；341：地点摘要的具体例；342：区域摘要的具体例；343：簇摘要的具体例。