JP2020197948A

JP2020197948A - Insurance suggestion system, insurance suggestion method, and insurance suggestion program

Info

Publication number: JP2020197948A
Application number: JP2019103974A
Authority: JP
Inventors: 裕也菊川; Yuya Kikukawa
Original assignee: No New Folk Studio Inc
Current assignee: No New Folk Studio Inc
Priority date: 2019-06-03
Filing date: 2019-06-03
Publication date: 2020-12-10

Abstract

To provide an insurance suggestion system capable of suggesting various insurance plans based on details of life habits in daily life.SOLUTION: In an insurance suggestion platform, an information processing server of an insurance suggestion system composed of the information processing server and a gait information database includes: a gait information acquisition part which acquires user gait information acquired from a shoe having a sensor part which detects a motion; a pedestrian database in which gait information of a plurality of pedestrians and disease history information indicating past diseases stored in correspondence with the pedestrian information are stored as pedestrian information; and an index calculation part which calculates an index value serving as an index of am insurance fee of the user with reference to the user gait information and the pedestrian information.SELECTED DRAWING: Figure 4

Description

本発明は、保険提案システム、保険提案方法、および保険提案プログラムに関する。 The present invention relates to an insurance proposal system, an insurance proposal method, and an insurance proposal program.

従来、コンピュータを用いて最適な保険を提案するシステムが知られている。
このうち、下記特許文献１には、現在位置を特定する位置情報を受信して、位置情報の危険度により、ユーザに提案する保険内容を決定する保険システムが開示されている。 Conventionally, a system that proposes the optimum insurance using a computer is known.
Of these, Patent Document 1 below discloses an insurance system that receives position information that identifies the current position and determines the insurance content to be proposed to the user based on the degree of risk of the position information.

特開２００４−６２３３５号公報Japanese Unexamined Patent Publication No. 2004-62335

ところで、上記特許文献１に記載の技術では、例えば海外旅行や海外出張等で僻地を訪れるユーザに対して、適切な保険内容を提案することはできるが、そういった出来事は必ずしも頻度が多いとはいえない。このため、当該技術では、日々の日常生活における生活習慣に起因した内容に基づいて、多種多様な保険プランを提案するということに対して、改善の余地があった。 By the way, with the technique described in Patent Document 1, it is possible to propose appropriate insurance contents to users who visit remote areas, for example, for overseas travel or overseas business trips, but such events are not always frequent. Absent. For this reason, there is room for improvement in the technology for proposing a wide variety of insurance plans based on the contents derived from lifestyle-related habits in daily life.

そこで本発明は、日々の日常生活における生活習慣に起因した内容に基づいて、多種多様な保険プランを提案することができる保険提案システムを提供することを目的とする。 Therefore, an object of the present invention is to provide an insurance proposal system capable of proposing a wide variety of insurance plans based on the contents derived from lifestyle-related habits in daily life.

上記課題を解決するために、本発明に係る保険提案システムは、動きを検出するセンサ部を有する履物用モジュールから取得したユーザの歩容情報を取得する歩容情報取得部と、複数の歩行者における歩容情報、および歩容情報と対応付けられて記憶される過去の傷病を示す傷病履歴情報が歩行者情報として蓄積される歩行者データベースと、ユーザの歩容情報、および歩行者情報を参照して、ユーザにおける保険料の指標となる指標値を算出する指標値算出部と、を備える。 In order to solve the above problems, the insurance proposal system according to the present invention includes a gait information acquisition unit that acquires user's gait information acquired from a footwear module having a sensor unit that detects movement, and a plurality of pedestrians. Refer to the pedestrian database in which the gait information in the above and the injury / illness history information indicating the past injury / illness stored in association with the gait information are accumulated as pedestrian information, the user's gait information, and the pedestrian information. Then, it is provided with an index value calculation unit that calculates an index value that is an index of insurance premiums for the user.

また、傷病履歴情報は、歩行者における歩行中の怪我の履歴情報を含み、指標値算出部は、複数の歩行者における歩容情報と、歩行中の怪我のしやすさを示す歩行リスク値と、の関係を学習した学習モデルを用いて、ユーザの歩容情報から、指標値として、ユーザにとっての歩行リスク値を算出してもよい。 In addition, the injury / illness history information includes history information of injuries during walking in pedestrians, and the index value calculation unit includes gait information in a plurality of pedestrians and a walking risk value indicating the susceptibility to injury during walking. The walking risk value for the user may be calculated as an index value from the gait information of the user by using the learning model that learned the relationship between.

また、傷病履歴情報は、歩行者における過去に罹患した病気の履歴情報を含み、指標値算出部は、複数の歩行者における歩容情報と、過去に罹患した病気の履歴情報と、の関係を学習した学習モデルを用いて、ユーザの歩容情報から、指標値として、ユーザにおける将来的に罹患する可能性を示す情報を算出してもよい。 In addition, the injury / illness history information includes the history information of the past illnesses in the pedestrian, and the index value calculation unit determines the relationship between the gait information in a plurality of pedestrians and the history information of the illnesses in the past. Using the learned learning model, information indicating the possibility of future illness in the user may be calculated as an index value from the user's gait information.

また、指標値算出部が算出した指標値に基づいて、ユーザに提案するべき保険料を算出する保険料算出部を備えてもよい。 Further, the insurance premium calculation unit may be provided to calculate the insurance premium to be proposed to the user based on the index value calculated by the index value calculation unit.

また、歩行者データベースには、歩行者それぞれに対して設定された保険料を示す保険料情報が蓄積され、指標値算出部は、複数の歩行者における歩容情報と、保険料情報と、の関係を学習した学習モデルを用いて、ユーザの歩容情報から、指標値として、ユーザに提案するべき保険料を算出してもよい。 In addition, the pedestrian database stores insurance premium information indicating the insurance premiums set for each pedestrian, and the index value calculation unit contains gait information for a plurality of pedestrians and insurance premium information. Using the learning model in which the relationship is learned, the insurance premium to be proposed to the user may be calculated as an index value from the user's gait information.

また、上記課題を解決するために、本発明の保険提案プラットフォームは、前述したいずれかの保険提案システムと、動きを検出するセンサ部を有する履物用モジュールと、を備え、センサ部は、履物の姿勢および移動速度の変化を計測する加速度センサであってもよい。 Further, in order to solve the above problems, the insurance proposal platform of the present invention includes any of the above-mentioned insurance proposal systems and a footwear module having a sensor unit for detecting motion, and the sensor unit is a footwear. It may be an acceleration sensor that measures changes in posture and moving speed.

また、上記課題を解決するために、本発明の保険提案方法は、コンピュータが、動きを検出するセンサ部を有する履物用モジュールから取得したユーザの歩容情報を取得する歩容情報取得ステップと、複数の歩行者における歩容情報、および歩容情報と対応付けられて記憶される過去の傷病を示す傷病履歴情報を歩行者情報として蓄積する歩行者情報記憶ステップと、ユーザの歩容情報、および歩行者情報を参照して、ユーザにおける保険料の指標となる指標値を算出する指標値算出ステップ部と、を実行する。 Further, in order to solve the above problems, the insurance proposal method of the present invention includes a gait information acquisition step in which a computer acquires a user's gait information acquired from a foot module having a sensor unit for detecting motion. A pedestrian information storage step that stores gait information in a plurality of pedestrians and injuries and illness history information indicating past injuries and illnesses stored in association with the gait information as pedestrian information, user gait information, and user gait information, and With reference to the pedestrian information, the index value calculation step unit for calculating the index value which is the index of the insurance premium in the user is executed.

また、上記課題を解決するために、本発明の保険提案方法は、コンピュータに、動きを検出するセンサ部を有する履物用モジュールから取得したユーザの歩容情報を取得する歩容情報取得機能と、複数の歩行者における歩容情報、および歩容情報と対応付けられて記憶される過去の傷病を示す傷病履歴情報を歩行者情報として蓄積する歩行者情報記憶機能と、ユーザの歩容情報、および歩行者情報を参照して、ユーザにおける保険料の指標となる指標値を算出する指標値算出機能と、を実現させる保険提案プログラム。 Further, in order to solve the above problems, the insurance proposal method of the present invention includes a gait information acquisition function for acquiring user's gait information acquired from a foot module having a sensor unit for detecting motion in a computer. A pedestrian information storage function that stores gait information in a plurality of pedestrians and injuries and illness history information indicating past injuries and illnesses stored in association with the gait information as pedestrian information, user gait information, and user gait information, and An insurance proposal program that realizes an index value calculation function that calculates an index value that is an index of insurance premiums for users by referring to pedestrian information.

本発明の保険提案システムでは、歩容情報取得部が、履物からユーザの歩容情報を取得し、歩行者データベースに複数の歩行者における歩容情報、および歩容情報と対応付けられて記憶される過去の傷病を示す傷病履歴情報が、歩行者情報として蓄積されている。そして、指標値算出部が、ユーザの歩容情報、および歩行者情報を参照して、ユーザにおける保険料の指標となる指標値を算出することにより、歩行者の歩き方と、過去の傷病の履歴と、からユーザの将来的な傷病のリスクを推測することが可能になり、ユーザに対して適切な保険プランを提案することができる。ユーザの歩き方という個人毎の特徴に基づいて、適切な保険プランを提案することができる。 In the insurance proposal system of the present invention, the gait information acquisition unit acquires the user's gait information from the footwear, and stores the gait information in the pedestrian database in association with the gait information and the gait information. Injury and illness history information indicating past injuries and illnesses is accumulated as pedestrian information. Then, the index value calculation unit refers to the user's gait information and pedestrian information to calculate the index value that is an index of the insurance premium for the user, so that the pedestrian's walking style and past injuries and illnesses can be determined. It is possible to infer the future risk of injury or illness of the user from the history and to propose an appropriate insurance plan to the user. It is possible to propose an appropriate insurance plan based on the individual characteristics of the user's walking style.

本発明に係る保険提案プラットフォームの構成例を示すシステム図である。It is a system diagram which shows the structural example of the insurance proposal platform which concerns on this invention. 履物及び履物用モジュールの使用形態を示す図である。It is a figure which shows the usage form of footwear and a module for footwear. 履物用モジュール、および情報処理端末の構成を示すブロック図である。It is a block diagram which shows the structure of a footwear module and an information processing terminal. 図１に示す保険提案システムにおける情報処理サーバの構成を示すブロック図である。It is a block diagram which shows the structure of the information processing server in the insurance proposal system shown in FIG. 保険提案システムの指標値算出部で行う処理を説明する図である。It is a figure explaining the process performed in the index value calculation part of the insurance proposal system. 指標値算出部における学習モデルの学習フェーズにおける学習処理を示すフローチャートである。It is a flowchart which shows the learning process in the learning phase of the learning model in the index value calculation part. 指標値算出部における学習モデルを用いた推定フェーズにおける推定処理を示すフローチャートである。It is a flowchart which shows the estimation process in the estimation phase using the learning model in the index value calculation part. 保険提案システムの処理フローを示す図である。It is a figure which shows the processing flow of an insurance proposal system. 第１変形例に係る保険提案システムにおいて、指標値算出部で行う処理を説明する図である。It is a figure explaining the process performed by the index value calculation unit in the insurance proposal system which concerns on the 1st modification. 第２変形例に係る保険提案システムにおいて、指標値算出部で行う処理を説明する図である。It is a figure explaining the process performed by the index value calculation unit in the insurance proposal system which concerns on the 2nd modification.

以下、本発明の一実施態様に係る保険提案プラットフォーム１について図面を参照しながら詳細に説明する。図１は、保険提案プラットフォーム１の構成例を示すシステム図である。
図１に示すように、保険提案システム２を構成する歩行者データベース３０および情報処理サーバ１００は、ユーザ端末５、２０および歩行者データベース３０と、ネットワークを介して接続されている。 Hereinafter, the insurance proposal platform 1 according to one embodiment of the present invention will be described in detail with reference to the drawings. FIG. 1 is a system diagram showing a configuration example of the insurance proposal platform 1.
As shown in FIG. 1, the pedestrian database 30 and the information processing server 100 constituting the insurance proposal system 2 are connected to the user terminals 5 and 20 and the pedestrian database 30 via a network.

ユーザ端末５、２０は、保険の加入を検討しているユーザＰが使用する端末であり、例えば個人で所有するパソコン５や、タブレット、スマートフォン等の情報処理端末２０である。なお、ユーザ端末５、２０はユーザＰが所属する組織が所有するものであってもよい。また、ユーザＰは既に保険に加入している者であってもよい。ここで、保険とは医療保険、生命保険、がん保険、傷害保険等の各種の保険が含まれる。 The user terminals 5 and 20 are terminals used by the user P who is considering taking out insurance, and are, for example, personal computers 5 owned by individuals, and information processing terminals 20 such as tablets and smartphones. The user terminals 5 and 20 may be owned by the organization to which the user P belongs. Further, the user P may be a person who has already taken out insurance. Here, the insurance includes various types of insurance such as medical insurance, life insurance, cancer insurance, and accident insurance.

ネットワーク４０は、保険提案システム２と各種の機器との間を相互に接続させるためのネットワークであり、例えば、無線ネットワークや有線ネットワークである。
具体的には、ネットワーク４０は、ワイヤレスＬＡＮ（ｗｉｒｅｌｅｓｓＬＡＮ：ＷＬＡＮ）や広域ネットワーク（ｗｉｄｅａｒｅａｎｅｔｗｏｒｋ：ＷＡＮ）、ＩＳＤＮｓ（ｉｎｔｅｇｒａｔｅｄｓｅｒｖｉｃｅｄｉｇｉｔａｌｎｅｔｗｏｒｋｓ）、無線ＬＡＮｓ、ＬＴＥ（ｌｏｎｇｔｅｒｍｅｖｏｌｕｔｉｏｎ）、ＬＴＥ−Ａｄｖａｎｃｅｄ、第４世代（４Ｇ）、第５世代（５Ｇ）、ＣＤＭＡ（ｃｏｄｅｄｉｖｉｓｉｏｎｍｕｌｔｉｐｌｅａｃｃｅｓｓ）、ＷＣＤＭＡ（登録商標）、イーサネット（登録商標）などである。 The network 40 is a network for interconnecting the insurance proposal system 2 and various devices, for example, a wireless network or a wired network.
Specifically, the network 40 includes a wireless LAN (wireless LAN: WLAN), a wide area network (wide area network: WAN), ISDNs (integrated service digital networks), wireless LANs, LTE (long term network), and LTE (long term evolution). 4th generation (4G), 5th generation (5G), CDMA (code division network access), WCDMA (registered trademark), Ethernet (registered trademark) and the like.

また、ネットワーク４０は、これらの例に限られず、例えば、公衆交換電話網（ＰｕｂｌｉｃＳｗｉｔｃｈｅｄＴｅｌｅｐｈｏｎｅＮｅｔｗｏｒｋ：ＰＳＴＮ）やブルートゥース（Ｂｌｕｅｔｏｏｔｈ（登録商標））、ブルートゥースローエナジー（ＢｌｕｅｔｏｏｔｈＬｏｗＥｎｅｒｇｙ）、光回線、ＡＤＳＬ（ＡｓｙｍｍｅｔｒｉｃＤｉｇｉｔａｌＳｕｂｓｃｒｉｂｅｒＬｉｎｅ）回線、ＬＰＷＡＮ（Ｌｏｗ−ＰｏｗｅｒＷｉｄｅ−ＡｒｅａＮｅｔｗｏｒｋ）回線、衛星通信網などであってもよく、どのようなネットワークであってもよい。 Further, the network 40 is not limited to these examples, and for example, the public switched telephone network (Public Switched Telephone Network: PSTN), Bluetooth (registered trademark), Bluetooth Low Energy, optical line, ADSL. It may be a (Asymmetric Digital Subscriber Line) line, an LPWAN (Low-Power Wide-Area Network) line, a satellite communication network, or any other network.

また、ネットワーク４０は、例えば、ＮＢ−ＩｏＴ（ＮａｒｒｏｗＢａｎｄＩｏＴ）や、ｅＭＴＣ（ｅｎｈａｎｃｅｄＭａｃｈｉｎｅＴｙｐｅＣｏｍｍｕｎｉｃａｔｉｏｎ）であってもよい。なお、ＮＢ−ＩｏＴやｅＭＴＣは、ＩｏＴ向けの無線通信方式であり、低コスト、低消費電力で長距離通信が可能なネットワークである。 Further, the network 40 may be, for example, NB-IoT (Narrow Band IoT) or eMTC (enhanced Machine Type Communication). NB-IoT and eMTC are wireless communication systems for IoT, and are networks capable of long-distance communication at low cost and low power consumption.

また、ネットワーク４０は、これらの組み合わせであってもよい。また、ネットワーク４０は、これらの例を組み合わせた複数の異なるネットワークを含むものであってもよい。例えば、ネットワーク４０は、ＬＴＥによる無線ネットワークと、閉域網であるイントラネットなどの有線ネットワークとを含むものであってもよい。 Further, the network 40 may be a combination of these. In addition, the network 40 may include a plurality of different networks that combine these examples. For example, the network 40 may include a wireless network by LTE and a wired network such as an intranet which is a closed network.

ここで、図１および図３に示すように、保険提案プラットフォーム１は、保険提案システム２と、動きを検出するセンサ部１７を有する履物用モジュール１０１が内蔵された履物１０と、を備えている。
センサ部１７は、履物１０の姿勢および移動速度の変化を計測する加速度センサである。図３および図４を用いて、この履物１０の構造について詳述する。 Here, as shown in FIGS. 1 and 3, the insurance proposal platform 1 includes an insurance proposal system 2 and a footwear 10 having a footwear module 101 having a sensor unit 17 for detecting motion. ..
The sensor unit 17 is an acceleration sensor that measures changes in the posture and moving speed of the footwear 10. The structure of the footwear 10 will be described in detail with reference to FIGS. 3 and 4.

図２は、履物用モジュール１０１を備える履物１０の使用形態を示す図である。図２に示すように、履物用モジュール１０１を備えた履物１０は、情報処理端末２０と通信を行って、履物１０の状態を情報処理端末２０に送信する。
履物１０は、ユーザＰが足に装着するものであり、例えば、スニーカー、革靴、パンプス、サンダルなどであるがこれらに限定されるものではない。
履物用モジュール１０１は、履物１０の内側におけるソール部分の中央部に配置される。そして、履物用モジュール１０１は、充電のためにソール部分から取り外し可能とされている。この場合には、履物用モジュール１０１は充電用端子を備えている。 FIG. 2 is a diagram showing a usage pattern of the footwear 10 including the footwear module 101. As shown in FIG. 2, the footwear 10 provided with the footwear module 101 communicates with the information processing terminal 20 and transmits the state of the footwear 10 to the information processing terminal 20.
The footwear 10 is worn by the user P on the foot, and is, for example, sneakers, leather shoes, pumps, sandals, and the like, but is not limited thereto.
The footwear module 101 is arranged at the center of the sole portion inside the footwear 10. The footwear module 101 is removable from the sole portion for charging. In this case, the footwear module 101 is provided with a charging terminal.

履物１０の状態とは、履物１０の動きＭ（傾きや移動方向、移動速度等）や、着用しているユーザＰの体温、心拍数、履物１０内の湿度などを含んでよい。履物１０の動きを示す情報は、情報処理端末２０に伝達され、ユーザＰの歩行状態を伝達することができる。情報処理端末２０は、例えば、ＰＣ、タブレット端末、スマートフォン、携帯電話機などの機器により実現することができるコンピュータである。 The state of the footwear 10 may include the movement M (tilt, movement direction, movement speed, etc.) of the footwear 10, the body temperature, heart rate, humidity in the footwear 10 of the user P who is wearing the footwear 10. Information indicating the movement of the footwear 10 is transmitted to the information processing terminal 20, and the walking state of the user P can be transmitted. The information processing terminal 20 is a computer that can be realized by a device such as a PC, a tablet terminal, a smartphone, or a mobile phone.

情報処理端末２０は、これにより、ユーザＰに対して歩行状態の改善の提案などを実現することができる。また、履物１０は、一例としてソール等にＬＥＤテープを備えて、ユーザＰの動きＭに合わせて発光することとしてもよく、動きＭに基づく発光制御を情報処理端末２０が行うこととしてもよい。また、振動モータの振動による触覚的な通知や、音声による通知により、ユーザＰに対して歩行状態の改善を提案してもよい。
そのような履物用モジュール１０１と情報処理端末２０とについて図３を用いて詳細に説明する。 As a result, the information processing terminal 20 can realize a proposal for improving the walking state to the user P. Further, as an example, the footwear 10 may be provided with an LED tape on the sole or the like to emit light in accordance with the movement M of the user P, or the information processing terminal 20 may perform light emission control based on the movement M. Further, the improvement of the walking state may be proposed to the user P by the tactile notification by the vibration of the vibration motor or the notification by voice.
Such a footwear module 101 and an information processing terminal 20 will be described in detail with reference to FIG.

図３は、履物１０に挿入（搭載）される履物用モジュール１０１、及び、情報処理端末２０それぞれの機能構成例を示すブロック図である。
図３に示すように、履物用モジュール１０１は、電源部１１と、制御部１２と、通信部１３と、記憶部１６と、センサ部１７と、を備える。 FIG. 3 is a block diagram showing a functional configuration example of each of the footwear module 101 inserted (mounted) in the footwear 10 and the information processing terminal 20.
As shown in FIG. 3, the footwear module 101 includes a power supply unit 11, a control unit 12, a communication unit 13, a storage unit 16, and a sensor unit 17.

電源部１１は、履物用モジュール１０１の各部を駆動させるための電力を供給する機能を有する。電源部１１は、例えば、マンガン電池、アルカリ電池、リチウムイオン電池などにより実現することができるが、電力を供給することができれば、これらに限定するものではない。 The power supply unit 11 has a function of supplying electric power for driving each part of the footwear module 101. The power supply unit 11 can be realized by, for example, a manganese battery, an alkaline battery, a lithium ion battery, or the like, but the power supply unit 11 is not limited to these as long as it can supply electric power.

制御部１２は、履物用モジュール１０１の各部を制御する機能を有するプロセッサである。制御部１２は、記憶部１６に記憶されている各種のプログラムを実行することで、履物用モジュール１０１の各部を制御する。制御部１２は、センサ部１７から伝達されたセンシングデータを、情報処理端末２０に送信するよう、通信部１３（送信部１５）に指示する。 The control unit 12 is a processor having a function of controlling each part of the footwear module 101. The control unit 12 controls each unit of the footwear module 101 by executing various programs stored in the storage unit 16. The control unit 12 instructs the communication unit 13 (transmission unit 15) to transmit the sensing data transmitted from the sensor unit 17 to the information processing terminal 20.

通信部１３は、情報処理端末２０と通信を実行する機能を有する通信インターフェースである。通信部１３は、受信部１４と、送信部１５とを含む。受信部１４は、情報処理端末２０からの信号を受信し、受信した信号を復号して、制御部１２に伝達する。 The communication unit 13 is a communication interface having a function of executing communication with the information processing terminal 20. The communication unit 13 includes a receiving unit 14 and a transmitting unit 15. The receiving unit 14 receives the signal from the information processing terminal 20, decodes the received signal, and transmits the received signal to the control unit 12.

また、送信部１５は、制御部１２から伝達された情報を、情報処理端末２０に送信する。通信部１３は、情報処理端末２０と無線により通信を実行するものであり、例えば、Bluetooth Low Energy（登録商標）、Bluetooth（登録商標）、３Ｇ（3rd Generation）、４Ｇ（4th Generation）、ＬＴＥ（Long Term Evolution）等に従って通信を実行するものであるが、通信規格はこれらに限定されるものではない。 Further, the transmission unit 15 transmits the information transmitted from the control unit 12 to the information processing terminal 20. The communication unit 13 wirelessly communicates with the information processing terminal 20, for example, Bluetooth Low Energy (registered trademark), Bluetooth (registered trademark), 3G (3rd Generation), 4G (4th Generation), LTE ( Communication is executed according to Long Term Evolution), etc., but the communication standard is not limited to these.

記憶部１６は、履物用モジュール１０１が動作する上で必要とする各種プログラム、データ、パラメータを記憶する機能を有する記録媒体である。記憶部１６は、例えば、フラッシュメモリ等の小型の記録媒体により実現することができるが、これに限定されるものではない。 The storage unit 16 is a recording medium having a function of storing various programs, data, and parameters required for the footwear module 101 to operate. The storage unit 16 can be realized by, for example, a small recording medium such as a flash memory, but the storage unit 16 is not limited thereto.

センサ部１７は、履物１０をユーザＰが履いて移動することで、履物１０の動きＭを検出する機能を有するセンサである。履物１０の動きを検出することで、ユーザＰの足の動きとして検出することができる。
センサ部１７は、例えば、３軸（例えば、水平面において互いに直角な２つの軸と、その２つの軸に対して垂直な軸）の加速度を検出する加速度センサ及び当該３軸各々の回転角を検出するための角速度センサから実現することができる。 The sensor unit 17 is a sensor having a function of detecting the movement M of the footwear 10 when the user P wears the footwear 10 and moves. By detecting the movement of the footwear 10, it can be detected as the movement of the foot of the user P.
The sensor unit 17 detects, for example, an acceleration sensor that detects acceleration of three axes (for example, two axes that are perpendicular to each other in a horizontal plane and an axis that is perpendicular to the two axes) and the rotation angle of each of the three axes. It can be realized from the angular velocity sensor for the purpose.

センサ部１７は、更に、当該３軸方向の地磁気を検出する地磁気センサを含んで、９軸センサとして機能してもよい。センシングデータは、少なくとも３軸の加速度情報及び当該３軸の角速度情報を含む。
センサ部１７は、得られたセンシングデータを制御部１２に伝達する。センサ部１７は、履物１０の状態を検知できるものであれば、どのようなセンサであってもよく、その他に、温度センサや荷重センサ、湿度センサなども含まれてよい。さらに、圧力、匂い、気体（ガス）、音、光などを検出するセンサが含まれてもよい。例えば気体を検出するセンサを用いると、履物１０が安全靴である場合には、二酸化炭素や一酸化炭素等の有毒ガスの検出に供することができる。 The sensor unit 17 may further function as a 9-axis sensor, including a geomagnetic sensor that detects the geomagnetism in the 3-axis direction. The sensing data includes acceleration information of at least three axes and angular velocity information of the three axes.
The sensor unit 17 transmits the obtained sensing data to the control unit 12. The sensor unit 17 may be any sensor as long as it can detect the state of the footwear 10, and may also include a temperature sensor, a load sensor, a humidity sensor, and the like. Further, sensors for detecting pressure, odor, gas, sound, light, etc. may be included. For example, when a sensor that detects gas is used, when the footwear 10 is a safety shoe, it can be used for detecting toxic gas such as carbon dioxide and carbon monoxide.

情報処理端末２０は、入力部２１と、通信部２２と、表示部２３と、記憶部２４と、制御部２５と、を備える。
入力部２１は、ユーザＰからの入力を受け付ける機能を有する。入力部２１は、例えば、ハードウェアキーやタッチパネルなどにより実現することができるが、これらに限定されるものではない。入力部２１は、ユーザＰから受け付けた入力内容を制御部２５に伝達する。 The information processing terminal 20 includes an input unit 21, a communication unit 22, a display unit 23, a storage unit 24, and a control unit 25.
The input unit 21 has a function of receiving an input from the user P. The input unit 21 can be realized by, for example, a hardware key or a touch panel, but is not limited thereto. The input unit 21 transmits the input content received from the user P to the control unit 25.

通信部２２は、履物用モジュール１０１と通信を実行する機能を有する通信インターフェースである。通信部２２は、受信部２２１と、送信部２２２とを含む。受信部２２１は、履物１０から送信されたセンシングデータを受信する。また、送信部２２２は、制御部２５から伝達された発光制御信号を履物１０に送信する。 The communication unit 22 is a communication interface having a function of executing communication with the footwear module 101. The communication unit 22 includes a reception unit 221 and a transmission unit 222. The receiving unit 221 receives the sensing data transmitted from the footwear 10. Further, the transmission unit 222 transmits the light emission control signal transmitted from the control unit 25 to the footwear 10.

表示部２３は、制御部２５からの指示に従って、画像や文字を表示する機能を有するモニターである。表示部２３は、例えば、ＬＣＤにより実現することができるが、これに限定するものではない。表示部２３は、例えば、ユーザＰの歩行の状態を表示したり、歩行方法を教示する情報を表示したりすることができる。 The display unit 23 is a monitor having a function of displaying an image or characters according to an instruction from the control unit 25. The display unit 23 can be realized by, for example, an LCD, but the display unit 23 is not limited to this. The display unit 23 can display, for example, the walking state of the user P or display information for teaching the walking method.

記憶部２４は、履物用モジュール１０１が動作する上で必要とする各種プログラム、データ、パラメータを記憶する機能を有する記録媒体である。記憶部２４は、例えば、フラッシュメモリ、ＳＳＤ、ＨＤＤなどにより実現することができるが、これらに限定されるものではない。 The storage unit 24 is a recording medium having a function of storing various programs, data, and parameters required for the footwear module 101 to operate. The storage unit 24 can be realized by, for example, a flash memory, an SSD, an HDD, or the like, but the storage unit 24 is not limited thereto.

制御部２５は、情報処理端末２０の各部を制御する機能を有するプロセッサである。制御部２５は、記憶部２４に記憶されている各種のプログラムを実行することで、情報処理端末２０の各部を制御する。
また、例えば、制御部２５は、例えば、通信部２２から伝達された履物１０の動きに基づいて、ユーザＰによりよい歩行方法を提示するための表示情報を生成して、表示部２３に表示するように指示する。 The control unit 25 is a processor having a function of controlling each unit of the information processing terminal 20. The control unit 25 controls each unit of the information processing terminal 20 by executing various programs stored in the storage unit 24.
Further, for example, the control unit 25 generates display information for presenting a better walking method to the user P based on the movement of the footwear 10 transmitted from the communication unit 22, and displays it on the display unit 23. Instruct.

なお、情報処理端末２０は、受信したユーザＰの歩行あるいは走行の際の動きを示すセンシングデータあるいはセンシングデータを加工した情報を、例えば情報処理サーバ１００等の外部サーバに送信することができる。 The information processing terminal 20 can transmit the received sensing data indicating the movement of the user P during walking or running, or the processed information of the sensing data to an external server such as the information processing server 100.

次に、保険提案システム２の構成について、図４を用いて説明する。図４は、図１に示す保険提案システム２の構成を示すブロック図である。
保険提案システム２は、この保険提案システム２は、ユーザＰに対して最適な保険プランを提案するシステムであり、歩行者データベース３０と、情報処理サーバ１００と、を備えている。情報処理サーバ１００は、ユーザＰの歩容情報を用いて、怪我のリスクや病気のリスクを評価して、最適な保険プランを提案する。 Next, the configuration of the insurance proposal system 2 will be described with reference to FIG. FIG. 4 is a block diagram showing the configuration of the insurance proposal system 2 shown in FIG.
The insurance proposal system 2 is a system that proposes an optimum insurance plan to the user P, and includes a pedestrian database 30 and an information processing server 100. The information processing server 100 evaluates the risk of injury and the risk of illness using the gait information of the user P, and proposes the optimum insurance plan.

ここで、歩容情報とは、ユーザＰがどのような歩き方、走り方をしているかを特定可能な情報であって、具体的な一例としては、履物用モジュール１０１が検出した加速度センサの値、あるいは、その時間的変化、また、それらの情報から得られるユーザの歩き方における一歩分（あるいは数歩分）の足の動かせ方を示す軌跡情報などである。 Here, the gait information is information that can identify what kind of walking and running the user P is doing, and as a specific example, the acceleration sensor detected by the footwear module 101. The value, its temporal change, and the locus information indicating how to move the foot for one step (or several steps) in the user's walking method obtained from the information.

また、保険プランとは、ユーザが支払う保険料の額と、所定の要件を満たす不測の事態に遭遇した時に、保険会社から受け取る保険金の額と、保証期間と、を含んでいる。保険金は、主に保険料に対応して設定される。保険料は、ユーザＰが抱えている潜在的なリスクにより設定されることが望ましい。 In addition, the insurance plan includes the amount of insurance premiums paid by the user, the amount of insurance money received from the insurance company in the event of an unforeseen situation satisfying a predetermined requirement, and the guarantee period. Insurance claims are mainly set according to insurance premiums. It is desirable that the insurance premium is set according to the potential risk of the user P.

本発明の保険提案システム２では、ユーザＰが抱えている潜在的なリスクを評価することで、保険会社にとって適切な保険プランを提案することができる。また、ユーザＰが抱えている潜在的なリスクをユーザＰに通知することで、ユーザＰが自身の傾向を把握し、将来に備えることができる。 In the insurance proposal system 2 of the present invention, it is possible to propose an appropriate insurance plan for an insurance company by evaluating the potential risk of the user P. Further, by notifying the user P of the potential risk that the user P has, the user P can grasp his / her own tendency and prepare for the future.

歩行者データベース３０には、複数の歩行者における歩容情報、および歩容情報と対応付けられて記憶される過去の傷病を示す傷病履歴情報が歩行者情報として蓄積されている。すなわち、歩行者情報は、複数のユーザＰについての歩容情報の集合を備えている。
傷病履歴情報は、歩行者における歩行中の怪我の履歴情報を含んでいる。 In the pedestrian database 30, gait information for a plurality of pedestrians and injury / illness history information indicating past injuries / illnesses stored in association with the gait information are accumulated as pedestrian information. That is, the pedestrian information includes a set of gait information for a plurality of users P.
The injury / illness history information includes history information of injuries during walking in pedestrians.

情報処理サーバ１００は、入力部１１０と、記憶部１２０と、処理部１３０と、出力部１４０と、を備えている。
入力部１１０は、図１に示すネットワーク４０を介して、ユーザ端末５、２０から、各種のデータを受信する通信インターフェースである。各種のデータとしては、歩容情報、および歩行者情報が含まれる。 The information processing server 100 includes an input unit 110, a storage unit 120, a processing unit 130, and an output unit 140.
The input unit 110 is a communication interface that receives various data from the user terminals 5 and 20 via the network 40 shown in FIG. Various types of data include gait information and pedestrian information.

記憶部１２０は、情報処理サーバ１００が動作するうえで必要とする各種の制御プログラムや各種のデータを記憶する機能を有する。記憶部１５０は、例えば、ＨＤＤ、ＳＳＤ、フラッシュメモリなど各種の記憶媒体により実現される。
情報処理サーバ１００は、記憶部１２０に記憶された制御プログラムを実行することで、実現すべき各機能を実現することとしてよい。ここでいう各機能とは、歩容情報取得機能、歩行者情報記憶機能、指標値算出機能、および生体情報取得機能を少なくとも含んでいる。 The storage unit 120 has a function of storing various control programs and various data required for the information processing server 100 to operate. The storage unit 150 is realized by various storage media such as HDD, SSD, and flash memory.
The information processing server 100 may realize each function to be realized by executing the control program stored in the storage unit 120. Each function referred to here includes at least a gait information acquisition function, a pedestrian information storage function, an index value calculation function, and a biological information acquisition function.

処理部１３０は、情報処理サーバの各部を制御するコンピュータであり、例えば、中央処理装置（ＣＰＵ）やマイクロプロセッサ、ＡＳＩＣ、ＦＰＧＡなどであってもよい。
処理部１３０は、歩容情報取得部１３１と、指標値算出部１３２と、保険料算出部１３３と、を備えている。
歩容情報取得部１３１は、履物１０から取得したユーザＰの歩容情報を、情報処理端末２０を介して取得する。 The processing unit 130 is a computer that controls each unit of the information processing server, and may be, for example, a central processing unit (CPU), a microprocessor, an ASIC, an FPGA, or the like.
The processing unit 130 includes a gait information acquisition unit 131, an index value calculation unit 132, and an insurance premium calculation unit 133.
The gait information acquisition unit 131 acquires the gait information of the user P acquired from the footwear 10 via the information processing terminal 20.

指標値算出部１３２は、ユーザＰの歩容情報、および歩行者情報を参照して、ユーザＰにおける保険料の指標となる指標値を算出する。この点について、以下に詳述する。
図５は、保険提案システム２の指標値算出部１３２で行う処理を説明する図である。図６は、指標値算出部１３２における学習モデルの学習フェーズを説明する図である。図７は、指標値算出部１３２における学習モデルの推定フェーズを説明する図である。 The index value calculation unit 132 calculates an index value that is an index of insurance premiums for user P by referring to the gait information and pedestrian information of user P. This point will be described in detail below.
FIG. 5 is a diagram illustrating a process performed by the index value calculation unit 132 of the insurance proposal system 2. FIG. 6 is a diagram illustrating a learning phase of the learning model in the index value calculation unit 132. FIG. 7 is a diagram illustrating an estimation phase of the learning model in the index value calculation unit 132.

図５に示すように、本実施形態に係る指標値算出部１３２は、複数の歩行者における歩容情報と、歩行中の怪我のしやすさを示す歩行リスク値と、の関係を学習した学習モデルを用いて、ユーザＰの歩容情報から、指標値として、ユーザＰにとっての歩行リスク値を算出する。 As shown in FIG. 5, the index value calculation unit 132 according to the present embodiment learns the relationship between gait information in a plurality of pedestrians and a walking risk value indicating the susceptibility to injury during walking. Using the model, the walking risk value for the user P is calculated as an index value from the gait information of the user P.

詳述すると、指標値算出部１３２は、入力層と、中間層と、出力層と、を備えた学習モデルを有している。
本実施形態における学習モデルとは、歩容情報を入力することで、歩行リスク値を出力する関数の集合である。ここでまず、学習モデルが行う学習データを用いた学習フェーズについて説明する。 More specifically, the index value calculation unit 132 has a learning model including an input layer, an intermediate layer, and an output layer.
The learning model in this embodiment is a set of functions that output walking risk values by inputting gait information. Here, first, the learning phase using the learning data performed by the learning model will be described.

図６に示すように、学習フェーズでは、まずユーザＰが、例えば歩容情報としての履物１０の単位時間当たりのセンサ部１７の変位量と、ラベルとしての歩行リスク値と、を有する学習データを、指標値算出部１３２の学習モデルに入力する（Ｓ３０１）。なお、歩容情報としては、単位時間当たりの加速度の変化量に限定されることはなく、その他の形式で特徴量を抽出してもよい。
ラベルとしての歩行リスク値とは、歩行により将来的に怪我をする可能性を示す値である。 As shown in FIG. 6, in the learning phase, the user P first obtains learning data having, for example, the displacement amount of the sensor unit 17 per unit time of the footwear 10 as gait information and the walking risk value as a label. , Input to the learning model of the index value calculation unit 132 (S301). The gait information is not limited to the amount of change in acceleration per unit time, and the feature amount may be extracted in other formats.
The walking risk value as a label is a value indicating the possibility of injury in the future due to walking.

そして、学習モデルは、様々な歩容情報と、それに対応する歩行リスク値と、を学習する必要があるため、大量の学習データが必要となる。学習モデルにおいて出力として得られる歩行リスク値として、例えば図示のように、大、中、小のような識別子が設定されている。
歩行リスク値は、例えば単純に、過去にケガをしたことがあるかどうかだけの０又は１の情報でもよいし、怪我の程度、すなわち捻挫の度合い、骨折の度合、等により、それぞれに対して重みづけをして対応する値を設定し、その値を付与するものでもよい。
そして、歩行リスクの分類については、予め設定した基準点を超えるかどうかにより、大、中、小のように分類してもよい。この数値は、過去に経験した歩行中の怪我の履歴から推定される。なお、歩行リスク値を、例えば０から１００のような所定の範囲が定められた数値により設定してもよい。 Then, since the learning model needs to learn various gait information and the corresponding walking risk value, a large amount of learning data is required. As the walking risk value obtained as an output in the learning model, for example, as shown in the figure, identifiers such as large, medium, and small are set.
The walking risk value may be, for example, 0 or 1 information simply indicating whether or not the person has been injured in the past, or the degree of injury, that is, the degree of sprain, the degree of fracture, etc. It may be weighted, a corresponding value is set, and the value is given.
Then, the walking risk may be classified into large, medium, and small depending on whether or not it exceeds a preset reference point. This number is estimated from the history of walking injuries experienced in the past. The walking risk value may be set by a numerical value having a predetermined range such as 0 to 100.

指標値算出部１３２は、歩容情報から履物１０の加速度の最大値や、変位量、左右での動きの違い等の歩行特徴量を抽出する。
歩行特徴量は、例えば加速度の変化を表す波形を、対数化した値を用いてもよいし、その他の方法により行ってもよい。 The index value calculation unit 132 extracts the maximum value of the acceleration of the footwear 10, the displacement amount, the difference in movement between the left and right, and the walking feature amount from the gait information.
As the walking feature amount, for example, a logarithmic value of a waveform representing a change in acceleration may be used, or may be performed by another method.

そして、学習モデルは、学習データを学習する（Ｓ３０２）。ここでいう学習データは、少なくとも、歩容情報と、歩行リスク値と、対応付けられた情報である。学習データに対応付けられている歩行リスク値（ラベル）は、ユーザＰ（オペレータ）が付与する。 Then, the learning model learns the learning data (S302). The learning data referred to here is at least gait information, walking risk value, and associated information. The walking risk value (label) associated with the learning data is given by the user P (operator).

学習データを学習することで、学習モデルを構成する関数それぞれの係数が変更される。すなわち、学習モデルを構成する関数が、それぞれの係数を変更してゆくことで、学習データのうち、抽出された歩行特徴量の値と、歩行リスク値の数値と、を用いて、歩行特徴量から歩行リスク値を導く学習モデルへと構築されていく。 By training the training data, the coefficients of each function that composes the training model are changed. That is, the function constituting the learning model changes each coefficient, and the walking feature amount is used from the extracted walking feature amount value and the walking risk value value in the learning data. It will be built into a learning model that derives the walking risk value from.

学習モデルの中間層は、ＬＳＴＭ（Ｌｏｎｇｓｈｏｒｔｔｅｒｍｍｅｍｏｒｙ）の機能を有している。ＬＳＴＭの機能を有する学習モデルでは、ユーザＰの歩容情報に基づいて、歩行リスク値を推定してゆく。
中間層は、指標値算出部１３２による歩行リスク値の推定結果を受付けるフィードバック部として機能し、学習フェーズにおいて、バックプロパゲーションを行うことができる。 The middle layer of the learning model has a function of LSTM (Long short term memory). In the learning model having the LSTM function, the walking risk value is estimated based on the gait information of the user P.
The intermediate layer functions as a feedback unit that receives the estimation result of the walking risk value by the index value calculation unit 132, and can perform backpropagation in the learning phase.

バックプロパゲーションとは、ある学習データにおける歩行特徴量を入力層に入力し、中間層で計算されて出力層に出力された計算結果が、該当するラベルが示す歩行リスク値と異なった場合に、その計算結果を再度中間層に戻して再度計算を行うことである。この際、再計算の結果が、該当するラベルが示す歩行リスク値と一致するように、中間層の係数を調整することで、中間層による感情推定の精度を向上することができる。 Back propagation is when the walking feature amount in a certain training data is input to the input layer, and the calculation result calculated in the intermediate layer and output to the output layer is different from the walking risk value indicated by the corresponding label. The calculation result is returned to the intermediate layer and the calculation is performed again. At this time, the accuracy of emotion estimation by the intermediate layer can be improved by adjusting the coefficient of the intermediate layer so that the result of the recalculation matches the walking risk value indicated by the corresponding label.

また中間層は、入力された歩行リスク値の推定情報を用いて、再帰学習する再帰学習部として機能してもよい。ここで、学習モデルにおける再帰学習とは、実際に学習モデルを利用するユーザＰが、入力した歩容情報に対して推定された歩行リスク値が納得いかなかった場合に行う処理である。 Further, the intermediate layer may function as a recursive learning unit for recursive learning using the input estimation information of the walking risk value. Here, the recursive learning in the learning model is a process performed when the user P who actually uses the learning model is not satisfied with the estimated walking risk value for the input gait information.

具体的には、入力した歩容情報に対して本来推定されるべき歩行リスク値を入力層に再入力し、入力した歩容情報と、そのユーザＰが指定した歩行リスク値をラベルとして、新しい追加の学習データを、元からある学習データ群に混ぜて、もう一度学習モデルを作る。これにより、学習モデルによる感情推定の精度をより一層向上することができる。 Specifically, the walking risk value that should be originally estimated for the input gait information is re-entered in the input layer, and the input gait information and the walking risk value specified by the user P are used as labels to be new. The additional training data is mixed with the original training data group to create a training model again. As a result, the accuracy of emotion estimation by the learning model can be further improved.

このようにして、学習モデルが学習済みの状態となる。この作業を大量の学習データに対して行うことで、学習モデルの精度が向上する。次に、実際に学習モデルを用いてユーザＰの歩行リスク値を推定する推定フェーズについて説明する。 In this way, the learning model is in the trained state. By performing this work on a large amount of training data, the accuracy of the training model is improved. Next, the estimation phase in which the walking risk value of the user P is actually estimated using the learning model will be described.

図７に示すように、推定フェーズでは、まず、指標値算出部１３２の学習モデルに歩容情報を入力する（Ｓ４０１）。指標値算出部１３２は、歩容情報における加速度の変化量等を含む歩行特徴量を抽出し、学習モデルに入力する。
学習モデルは、入力層に歩行特徴量が入力されると、中間層で計算をした計算結果となる確度を出力層に出力してもよい。確度とは、入力データが、どのラベルに相当するかの確からしさを定量的に評価した指標であり、例えば歩行リスクが「大０．７、中０．４、小０．２」のように表示される。この場合には、数値が最も大きい「大」が選択され、歩行リスクが「大」と推定される（Ｓ４０２）。また、確度に代えて、感情を示すタグが出力されてもよい。 As shown in FIG. 7, in the estimation phase, first, gait information is input to the learning model of the index value calculation unit 132 (S401). The index value calculation unit 132 extracts a walking feature amount including a change amount of acceleration in gait information and inputs it to a learning model.
When the walking feature amount is input to the input layer, the learning model may output the accuracy of the calculation result calculated in the intermediate layer to the output layer. The accuracy is an index that quantitatively evaluates the certainty of which label the input data corresponds to, for example, the walking risk is "large 0.7, medium 0.4, small 0.2". Is displayed. In this case, "Large" with the largest numerical value is selected, and the walking risk is estimated to be "Large" (S402). Further, instead of the accuracy, a tag indicating emotion may be output.

また、ユーザＰが保険提案システム２を使用する中で、指標値算出部１３２が推定した歩行リスク値に違和感が生じた場合には、この歩行リスク値をフィードバック部としての入力層に再入力することができる。そして、入力部１１０に入力された歩行リスク値を用いて、再帰学習部としての中間層が、ユーザＰが所期する歩行リスク値が得られるように、再帰学習をすることができる。 Further, when the user P uses the insurance proposal system 2 and the walking risk value estimated by the index value calculation unit 132 feels uncomfortable, the walking risk value is re-input to the input layer as the feedback unit. be able to. Then, using the walking risk value input to the input unit 110, the intermediate layer as the recursive learning unit can perform recursive learning so that the user P can obtain the desired walking risk value.

保険料算出部１３３は、指標値算出部１３２が算出した指標値に基づいて、ユーザＰに提案するべき保険料を算出する。保険料の算出には、前述した手順により推定された歩行リスク値が用いられる。
保険料の算出においては、指標値算出部１３２により算出された指標値の範囲と、保険料（保険プラン）と、を対応付けたテーブルデータが記憶部に記憶され、これを参照することにより保険料（保険プラン）が決定される方法であってもよい。また、当該テーブルデータを用いることなく、保険料（保険プラン）を決定してもよい。 The insurance premium calculation unit 133 calculates the insurance premium to be proposed to the user P based on the index value calculated by the index value calculation unit 132. The walking risk value estimated by the above procedure is used to calculate the insurance premium.
In the calculation of insurance premiums, table data in which the range of index values calculated by the index value calculation unit 132 and the insurance premiums (insurance plan) are associated with each other is stored in the storage unit, and insurance is provided by referring to this. It may be a method in which the fee (insurance plan) is determined. In addition, the insurance premium (insurance plan) may be determined without using the table data.

次に、図８を用いて、保険提案システム２における処理の手順を説明する。図８は、保険提案システム２の処理フローを示す図である。
図８に示すように、保険提案システム２の処理では、まず、入力部にユーザＰの歩容情報が入力される（Ｓ６０１）。次に、歩容情報取得部１３１が、入力部に入力された歩容情報を取得する（Ｓ６０２）。 Next, the procedure of processing in the insurance proposal system 2 will be described with reference to FIG. FIG. 8 is a diagram showing a processing flow of the insurance proposal system 2.
As shown in FIG. 8, in the process of the insurance proposal system 2, first, the gait information of the user P is input to the input unit (S601). Next, the gait information acquisition unit 131 acquires the gait information input to the input unit (S602).

次に、歩容情報取得部１３１が、歩容情報を記憶部に記憶させる（Ｓ６０３）。次に、指定値算出部が、歩容情報から指標値としての歩行リスク値を算出する（Ｓ６０４）。
次に、保険料算出部１３３が、指標値を用いて、保険料を算出する（Ｓ６０５）。次に、保険料をユーザ端末に表示する（Ｓ６０６）。 Next, the gait information acquisition unit 131 stores the gait information in the storage unit (S603). Next, the designated value calculation unit calculates the walking risk value as an index value from the gait information (S604).
Next, the insurance premium calculation unit 133 calculates the insurance premium using the index value (S605). Next, the insurance premium is displayed on the user terminal (S606).

（第１変形例）
次に、図９を用いて、保険提案システム２の第１変形例について説明する。図９は、保険提案システム２の第１変形例を説明する図である。
本変形例に係る保険提案システム２では、傷病履歴情報は、それぞれのユーザが、過去に罹患した病気の履歴情報を含んでいる。
そして、図９に示すように、指標値算出部１３２は、複数の歩行者における歩容情報と、過去に罹患した病気の履歴情報と、の関係を学習した学習モデルを用いて、ユーザＰの歩容情報から、指標値として、ユーザＰにおける将来的に罹患する可能性を示す情報（罹患予測）を算出する。すなわち、一定の傾向を備えた歩容を有するユーザＰでは、特定の病気（例えば脚部の骨肉腫等）を罹患する可能性が、統計的に推測できる等のように判断してもよい。 (First modification)
Next, a first modification of the insurance proposal system 2 will be described with reference to FIG. FIG. 9 is a diagram illustrating a first modification of the insurance proposal system 2.
In the insurance proposal system 2 according to this modification, the injury / illness history information includes the history information of the illnesses that each user has suffered in the past.
Then, as shown in FIG. 9, the index value calculation unit 132 uses a learning model that learns the relationship between the gait information of a plurality of pedestrians and the history information of illnesses suffered in the past, and uses the learning model of the user P. From the gait information, information (morbidity prediction) indicating the possibility of future illness in the user P is calculated as an index value. That is, the user P having a gait with a certain tendency may be judged so that the possibility of suffering from a specific disease (for example, osteosarcoma of the leg) can be statistically estimated.

この場合における指標値算出部１３２の学習モデルは、ラベルとして罹患予測を有する学習データで学習を行う。この場合には、学習モデルを構成する関数が、それぞれの係数を変更してゆくことで、学習データのうち、抽出された歩行特徴量の値と、病気の履歴情報と、を用いて、歩行特徴量から罹患予測を導く学習モデルへと構築されていく。 In this case, the learning model of the index value calculation unit 132 performs learning with learning data having morbidity prediction as a label. In this case, the functions constituting the learning model change each coefficient to walk using the extracted walking feature value and the disease history information from the learning data. It will be constructed into a learning model that derives morbidity prediction from features.

（第２変形例）
次に、図１０を用いて、保険提案システム２の第２変形例について説明する。図１０は、学習モデルの第２変形例を説明する図である。
図１０に示すように、本変形例に係る保険提案システム２では、歩行者データベース３０には、歩行者それぞれに対して設定された保険料を示す保険料情報が蓄積されている。
そして、指標値算出部１３２は、複数の歩行者における歩容情報と、保険料情報と、の関係を学習した学習モデルを用いて、ユーザＰの歩容情報から、指標値として、ユーザＰに提案するべき保険料を算出する。 (Second modification)
Next, a second modification of the insurance proposal system 2 will be described with reference to FIG. FIG. 10 is a diagram illustrating a second modification of the learning model.
As shown in FIG. 10, in the insurance proposal system 2 according to this modification, the pedestrian database 30 stores insurance premium information indicating the insurance premiums set for each pedestrian.
Then, the index value calculation unit 132 uses a learning model that learns the relationship between the gait information of a plurality of pedestrians and the insurance premium information, and converts the gait information of the user P into the user P as an index value. Calculate the premium to be proposed.

この場合における指標値算出部１３２の学習モデルは、ラベルとして保険料を有する学習データで学習を行う。この場合には、学習モデルを構成する関数が、それぞれの係数を変更してゆくことで、学習データのうち、抽出された歩行特徴量の値と、保険料と、を用いて、歩行特徴量から翻訳テキスト情報を導く学習モデルへと構築されていく。 In this case, the learning model of the index value calculation unit 132 performs learning with learning data having an insurance premium as a label. In this case, the function constituting the learning model changes each coefficient, and the walking feature amount is used from the extracted walking feature amount value and the insurance premium from the learning data. It is built into a learning model that derives translated text information from.

以上説明したように、本実施形態に係る保険提案システム２によれば、歩容情報取得部１３１が、履物１０からユーザＰの歩容情報を取得し、歩行者データベース３０に複数の歩行者における歩容情報、および歩容情報と対応付けられて記憶される過去の傷病を示す傷病履歴情報が、歩行者情報として蓄積されている。
そして、指標値算出部１３２が、ユーザＰの歩容情報、および歩行者情報を参照して、ユーザＰにおける保険料の指標となる指標値を算出することにより、歩行者の歩き方と、過去の傷病の履歴と、からユーザＰの将来的な傷病のリスクを推測することが可能になり、ユーザＰに対して適切な保険プランを提案することができる。ユーザＰの歩き方という個人毎の特徴に基づいて、適切な保険プランを提案することができる。 As described above, according to the insurance proposal system 2 according to the present embodiment, the gait information acquisition unit 131 acquires the gait information of the user P from the footwear 10 and displays the gait information of the user P in the pedestrian database 30 in a plurality of pedestrians. Gait information and injury / illness history information indicating past injuries / illnesses that are stored in association with the gait information are accumulated as pedestrian information.
Then, the index value calculation unit 132 refers to the gait information of the user P and the pedestrian information to calculate the index value which is an index of the insurance premium in the user P, so that the walking method of the pedestrian and the past It becomes possible to infer the future risk of injury or illness of user P from the history of injury or illness, and it is possible to propose an appropriate insurance plan to user P. It is possible to propose an appropriate insurance plan based on the individual characteristics of the user P's way of walking.

また、指標値算出部１３２が、複数の歩行者における歩容情報と、歩行中の怪我のしやすさを示す歩行リスク値と、の関係を学習した学習モデルを用いて、ユーザＰの歩容情報から、指標値として、ユーザＰにとっての歩行リスク値を算出する。このため、大量の歩行者データを活用して、精度の高い歩行リスク値の算出を行うことができる。 Further, the index value calculation unit 132 uses a learning model that learns the relationship between the gait information of a plurality of pedestrians and the walking risk value indicating the susceptibility to injury during walking, and uses the gait of the user P. From the information, the walking risk value for the user P is calculated as an index value. Therefore, it is possible to calculate the walking risk value with high accuracy by utilizing a large amount of pedestrian data.

また、保険料算出部１３３が、指標値算出部１３２が算出した指標値に基づいて、ユーザＰに提案するべき保険料を算出する。これにより、ユーザＰが、自身の歩容情報に基づいて算出された最適な保険料を確認することができる。 Further, the insurance premium calculation unit 133 calculates the insurance premium to be proposed to the user P based on the index value calculated by the index value calculation unit 132. As a result, the user P can confirm the optimum insurance premium calculated based on his / her gait information.

上記実施の形態に係る装置は、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。 It goes without saying that the device according to the above embodiment is not limited to the above embodiment and may be realized by another method. Hereinafter, various modification examples will be described.

例えば、上記実施形態においては、履物用モジュール１０１は、情報処理端末２０と無線通信する機能を有していたが、これは必須のものではない。後から、履物用モジュール１０１を履物１０から取り出して、ユーザＰの歩行状態に関する情報を取得することとしてもよい。 For example, in the above embodiment, the footwear module 101 has a function of wirelessly communicating with the information processing terminal 20, but this is not essential. Later, the footwear module 101 may be taken out from the footwear 10 to acquire information on the walking state of the user P.

また、上記実施形態において、履物用モジュール１０１が備える各機能部は、別途別の筐体に収められて、履物１０の別の場所に設けられることとしてもよい。 Further, in the above embodiment, each functional unit included in the footwear module 101 may be separately housed in another housing and provided in another place of the footwear 10.

また、上記実施形態においては、履物１０の一例としてスニーカーのような靴を示したが、これはその限りではない。履物１０としては、ユーザＰが足に装着し、履物用モジュール１０１やセンサ部１７を備えるスペースがあれば、どのような履物であってもよい。例えば、履物１０の一例としては、女性用のパンプスやハイヒールが挙げられる。これらの場合であれば、履物用モジュール１０１やセンサ部１７は、ヒール部材内部に設けることが考えられる。 Further, in the above embodiment, shoes such as sneakers are shown as an example of footwear 10, but this is not the case. The footwear 10 may be any footwear as long as the user P wears it on the foot and has a space for providing the footwear module 101 and the sensor unit 17. For example, examples of footwear 10 include pumps and high heels for women. In these cases, the footwear module 101 and the sensor unit 17 may be provided inside the heel member.

また、上記実施形態においては、センサ部１７の一例として９軸センサを用いることとしたが、ユーザＰの情報を取得できるのであれば、その他のセンサを用いてもよい。例えば、圧力センサを備えることで、両足の圧力センサの計測値の合算値で、ユーザＰの体重を測定することができる。また、当該圧力センサによれば、ユーザＰの足に対する荷重の変化を特定することもできる。 Further, in the above embodiment, the 9-axis sensor is used as an example of the sensor unit 17, but other sensors may be used as long as the information of the user P can be acquired. For example, by providing a pressure sensor, the weight of the user P can be measured by the total value of the measured values of the pressure sensors of both feet. Further, according to the pressure sensor, it is possible to identify the change in the load on the foot of the user P.

また、あるいは、温度センサを履物１０内部に備えて、ユーザＰのおよその体温を測定することとしてもよいし、湿度センサを備えて、履物１０内部の湿度を測定して、そこから、履物１０内部のユーザＰにとっての不快指数を求めることとしてもよい。
そして、これらの様々なセンサから得られた情報を、情報処理端末２０に送ることで、指標値の算出に活用してもよいし、ユーザＰの健康管理に役立ててもよい。例えば、温度センサから得られた体温から、ユーザＰの平均体温を算出し、ある時に測定した体温がその平均体温より一定以上高ければ、ユーザＰに熱がないかを問い合わせるＵＩを情報処理端末２０に表示してユーザＰの健康管理に役立てたりすることができる。 Alternatively, a temperature sensor may be provided inside the footwear 10 to measure the approximate body temperature of the user P, or a humidity sensor may be provided to measure the humidity inside the footwear 10 and the footwear 10 may be provided from there. The discomfort index for the internal user P may be obtained.
Then, the information obtained from these various sensors may be sent to the information processing terminal 20 to be used for calculating the index value, or may be useful for the health management of the user P. For example, the information processing terminal 20 calculates the average body temperature of the user P from the body temperature obtained from the temperature sensor, and if the body temperature measured at a certain time is higher than the average body temperature by a certain level or more, the UI for inquiring whether the user P has a fever is provided. It can be displayed on the screen and used for the health management of the user P.

また、各種の保険として、認知症保険、自動車保険、企業内健康保険、労災保険等であってもよい。
具体的には、歩容情報を評価することで、認知症のリスクを評価することができる。また、歩容情報を確認することで、自動車をどの程度使用しているかを推定することができる。
また、例えば企業の工場等の作業場で使用される安全靴に、履物用モジュール１０１を内蔵することで、歩容情報から作業中のリスクを評価して、企業内健康保険や労災保険と連動させてもよい。 In addition, various types of insurance may be dementia insurance, automobile insurance, in-house health insurance, workers' accident compensation insurance, and the like.
Specifically, the risk of dementia can be evaluated by evaluating the gait information. In addition, by checking the gait information, it is possible to estimate how much the car is being used.
In addition, for example, by incorporating a footwear module 101 into safety shoes used in a workplace such as a company factory, the risk during work is evaluated from the step information and linked with in-house health insurance and workers' accident compensation insurance. You may.

また、上記実施形態においては、履物用モジュール１０１がセンシングデータを取得し、送信する手法として、履物用モジュール１０１のプロセッサが制御プログラム等を実行することにより、実現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を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。 Further, in the above embodiment, as a method for the footwear module 101 to acquire and transmit sensing data, it is realized by the processor of the footwear module 101 executing a control program or the like. It may be realized by a logic circuit (hardware) or a dedicated circuit formed in an integrated circuit (IC (Integrated Circuit) chip, LSI (Large Scale Integration)) or the like. Further, these circuits may be realized by one or a plurality of integrated circuits, and the functions of the plurality of functional units shown in the above embodiment may be realized by one integrated circuit. LSIs are sometimes called VLSIs, super LSIs, ultra LSIs, etc., depending on the degree of integration.

また、上記制御プログラムは、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、上記制御プログラムは、当該制御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。本発明は、上記制御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。 Further, the control program may be recorded on a recording medium that can be read by a processor, and the recording medium may be a "non-temporary tangible medium" such as a tape, a disk, a card, a semiconductor memory, or a programmable logic circuit. Etc. can be used. Further, the control program may be supplied to the processor via an arbitrary transmission medium (communication network, broadcast wave, etc.) capable of transmitting the control program. The present invention can also be realized in the form of a data signal embedded in a carrier wave, in which the control program is embodied by electronic transmission.

なお、上記制御プログラムは、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）などのオブジェクト指向プログラミング言語、HTML5などのマークアップ言語などを用いて実装できる。 The control program can be implemented using, for example, a script language such as ActionScript or JavaScript (registered trademark), an object-oriented programming language such as Objective-C or Java (registered trademark), or a markup language such as HTML5.

また、上記実施形態に示した構成及び各補足に示した構成は、適宜組み合わせることとしてもよい。また、各処理手順についても、結果として得られるものが同じになるのであれば、実行手順を入れ替えてもよいし、並列に２つの処理を実行することとしてもよい。 Moreover, the configuration shown in the above-described embodiment and the configuration shown in each supplement may be appropriately combined. Further, for each processing procedure, as long as the results are the same, the execution procedures may be interchanged, or the two processes may be executed in parallel.

１保険提案プラットフォーム
２保険提案システム
１０履物
２０情報処理端末
３０歩容情報データベース
４０ネットワーク
１００情報処理サーバ
１３１歩容情報取得部
１３２指標値算出部
１３３保険料算出部 1 Insurance proposal platform 2 Insurance proposal system 10 Footwear 20 Information processing terminal 30 Step information database 40 Network 100 Information processing server 131 Step information acquisition department 132 Index value calculation department 133 Insurance premium calculation department

Claims

A gait information acquisition unit that acquires user's gait information acquired from a footwear module that has a sensor unit that detects movement, and a gait information acquisition unit.
A pedestrian database in which gait information for a plurality of pedestrians and injury / illness history information indicating past injuries / illnesses stored in association with the gait information are accumulated as pedestrian information.
An insurance proposal system including an index value calculation unit that calculates an index value as an index of insurance premiums for the user by referring to the user's gait information and the pedestrian information.

The injury / illness history information includes history information of injuries during walking in the pedestrian.
The index value calculation unit uses a learning model that learns the relationship between gait information of a plurality of pedestrians and a walking risk value indicating the susceptibility to injury during walking, from the gait information of the user. The insurance proposal system according to claim 1, wherein the walking risk value for the user is calculated as the index value.

The injury / illness history information includes history information of past illnesses in the pedestrian.
The index value calculation unit uses a learning model that learns the relationship between gait information in a plurality of pedestrians and history information of illnesses that have been affected in the past, and uses the user's gait information as the index value. The insurance proposal system according to claim 1, further comprising calculating information indicating the possibility of future illness in the user.

The invention according to any one of claims 1 to 3, further comprising an insurance premium calculation unit that calculates an insurance premium to be proposed to the user based on the index value calculated by the index value calculation unit. Insurance proposal system.

In the pedestrian database, insurance premium information indicating the insurance premiums set for each of the pedestrians is accumulated.
The index value calculation unit uses a learning model that learns the relationship between the gait information of a plurality of pedestrians and the insurance premium information, and uses the user's gait information as the index value to the user. The insurance proposal system according to claim 1, wherein the insurance premium to be proposed is calculated.

The insurance proposal system according to any one of claims 1 to 5 and
A footwear module having a sensor unit for detecting motion, and
The insurance proposal platform is characterized in that the sensor unit is an acceleration sensor that measures changes in the posture and moving speed of the footwear.

The computer
A gait information acquisition step for acquiring user's gait information acquired from a footwear module having a sensor unit for detecting motion, and a gait information acquisition step.
A pedestrian information storage step that accumulates gait information in a plurality of pedestrians and injury / illness history information indicating past injuries / illnesses stored in association with the gait information as pedestrian information.
An insurance proposal method for executing an index value calculation step unit for calculating an index value as an index of insurance premiums for the user with reference to the user's gait information and the pedestrian information.

On the computer
A gait information acquisition function that acquires user's gait information acquired from a footwear module that has a sensor unit that detects movement, and
A pedestrian information storage function that stores gait information for a plurality of pedestrians and injury / illness history information indicating past injuries and illnesses stored in association with the gait information as pedestrian information.
An insurance proposal program that realizes an index value calculation function that calculates an index value that is an index of insurance premiums for the user by referring to the user's gait information and the pedestrian information.