JP2008040726A - ユーザ支援システム及びユーザ支援方法 - Google Patents

Abstract

【課題】設備機器の作動状況の変化、生活空間内の状況の変化がある度に動作予測とパラメータの変更を行って、ユーザの行動に応じたきめ細かい支援を行う支援システムを提供する。
【解決手段】収集データから時系列に沿った一連の動作パターンを抽出するパターン抽出部２、動作パターンデータ群の中から現在状況データを含む動作パターンデータを抽出しマッチングデータとして記憶するマッチング部３、次に行われる動作を予測する動作パターンパラメータ決定部４、「機器操作の提案」、「機器操作の代行」、「提案も代行もしない」を選択し支援内容を決定すると共に、パラメータを変更するインタラクション決定部５、支援内容を実行するインタラクション実行部６を有する。動作パターンパラメータ決定部４による動作予測と、インタラクション決定部５でのパラメータの変更を、機器の作動状況データ及び／又はセンサによる状況データが発生する度に行う。
【選択図】図２

Description

本発明は、居住空間やオフィスなどの生活空間に設置された各種生活設備機器の制御の代行や代行の提案を行って、ユーザの行動を支援するユーザ支援システム及びユーザ支援方法に関する。

今日、家電製品などの各種生活設備機器の多くは、リモート操作による制御が可能であり、これらの機器をホーム内ネットワークなどで接続し、１つの制御部で統合してコントロールする、所謂ホームコントローラシステムというユーザの行動支援概念が種々提案されている（例えば特許文献１〜３など参照）。

特開２００１−２７３３９５号公報 特開２００３−１１１１５７号公報 特開２００４−１８５６１２号公報

しかしながら、従来提案されている支援システムにおいては、ユーザの動作履歴から動作パターンを予測し、その予測結果に応じて、それ以降の全ての機器制御を自動で行ってしまうため、ユーザの行動の微妙な変化や、その度ごとのユーザの感情を配慮して柔軟に対応できるものではなかった。

本発明は、このような従来事情に鑑みてなされたもので、生活設備機器の作動状況の変化や、ユーザの行動などに起因する生活空間内の状況の変化がある度に動作予測を行って、ユーザの行動に応じたきめ細かい支援を行うことができる支援システムを提供することを目的とする。また、本発明は、ユーザの感情などをも考慮して支援を行うことができる新規な支援システムを提供することを目的とする。

以上の目的を達成するために、本発明は、支援の結果に対するユーザの対応（「ユーザの反応」「ユーザの動作」「ユーザの評価」等に関するデータ）に基づき、「生活設備機器の操作を提案する（Ｔｅｌｌ−ｍｅ）」、「生活設備機器の操作を代行する（Ｄｏ−ｉｔ）」に関するパラメータ（閾値）を自動的に変更する処理機能を有することを特徴とする。
すなわち、本発明に係るユーザ支援システムは、
生活空間におけるユーザの行動を支援するシステムであって、
生活空間内に設置された生活設備機器（Ｋ１，Ｋ２，・・・）と、
前記生活空間内の状況を検出するセンサ（Ｓ１，Ｓ２，・・・）と、
前記生活設備機器の作動状況データ（Ｖｘ）及び前記センサによる生活空間内の状況データ（Ｖｘ）を収集して記憶するデータ収集部（１）と、
前記データ収集部に記憶された収集データから時系列に沿った一連の動作パターンを抽出して動作パターンデータとして記憶するパターン抽出部（２）と、
前記データ収集部から現在状況データを取り出し、前記パターン抽出部内の動作パターンデータ群の中から、前記現在状況データを含む動作パターンデータを抽出しマッチングデータとして記憶するマッチング部（３）と、
前記データ収集部、パターン抽出部、マッチング部に記憶された前記各データに基づき、少なくとも、前記現在状況データの次に行われる動作を予測する動作パターンパラメータ決定部（４）と、
前記マッチング部に記憶されたマッチングデータと、前記動作パターンパラメータ決定部での動作予測結果に基づき、「生活設備機器の操作を提案する（Ｔｅｌｌ−ｍｅ）」、「生活設備機器の操作を代行する（Ｄｏ−ｉｔ）」、「提案も代行も行わない」の３つの支援内容の内のいずれか一つを決定すると共に、該支援内容に対するユーザの対応（「ユーザの反応」、「ユーザの動作」、「ユーザの評価」に関するデータ）に基づき、前記「Ｔｅｌｌ−ｍｅ」及び／又は「Ｄｏ−ｉｔ」に関するパラメータ（閾値）を変更するインタラクション決定部（５）と、
前記インタラクション決定部で決定した前記ユーザへの支援内容を実行するインタラクション実行部（６）と、を有し、
前記動作パターンパラメータ決定部による前記動作予測と、前記インタラクション決定部による前記パラメータの変更を、前記生活設備機器の作動状況データ又は前記センサによる状況データが前記データ収集部に収集される度に行うことを特徴とする。

また本発明は、前記動作パターンパラメータ決定部による前記動作予測結果が、該動作パターンパラメータ決定部の確信度決定手段（４ａ）により、下記式１で算出される「時系列的因果確信度（％）」であり、該算出された時系列的因果確信度（％）に基づき、前記「Ｔｅｌｌ−ｍｅ」、「Ｄｏ−ｉｔ」の２つのパラメータとの比較から、前記インタラクション決定部で前記ユーザへの支援内容を決定することを特徴とする。
〔式１〕
時系列的因果確信度（％）＝動作パターンが起きた回数／現在状況が起きた回数

また本発明は、前記動作パターンパラメータ決定部が、前記パターン抽出部で抽出された動作パターンデータと、該パターン抽出部に記憶された過去の動作パターンデータとを比較して、前記抽出された動作パターンデータ内の「抜け落ち要素（忘れ動作）」を検出する動作忘れ検出処理機能をさらに有することを特徴とする。

また本発明は、前記動作パターンパラメータ決定部による前記動作忘れ検出結果が、該動作パターンパラメータ決定部の確信度決定手段４ａにより、下記式２で求められる「必要確信度（％）」であり、該算出された必要確信度（％）に基づき、前記「Ｔｅｌｌ−ｍｅ」、「Ｄｏ−ｉｔ」の２つのパラメータとの比較から、前記インタラクション決定部で前記ユーザへの支援内容を決定することを特徴とする。
〔式２〕
必要確信度（％）＝動作パターンが起きた回数／抜け落ち要素以外が起きた回数

また本発明は、前記動作パターンパラメータ決定部が、前記インタラクション実行部での実行結果に対するユーザの対応に基づき、ユーザの行動に対する「楽しみ度」を判定する感情パラメータ決定手段４ｂをさらに有し、該判定された楽しみ度に基づき、前記「Ｔｅｌｌ−ｍｅ」、「Ｄｏ−ｉｔ」の２つのパラメータとの比較から、前記インタラクション決定部で前記ユーザへの支援内容を決定することを特徴とする。
前記「楽しみ度」に応じて、前記「Ｄｏ−ｉｔ」のパラメータ（閾値）を大きくすることが好ましい。

また本発明は、前記動作パターンパラメータ決定部における前記感情パラメータ決定手段（４ｂ）が、前記インタラクション実行部での実行結果に対するユーザの対応に基づき、ユーザの行動に対する重要度を判定する処理機能をさらに有し、該判定された重要度に基づき、前記「Ｔｅｌｌ−ｍｅ」、「Ｄｏ−ｉｔ」の２つのパラメータとの比較から、前記インタラクション決定部で前記ユーザへの支援内容を決定することを特徴とする。
前記「重要度」に応じて、前記「Ｔｅｌｌ−ｍｅ」のパラメータ（閾値）を小さくすることが好ましい。

また本発明は、前記インタラクション決定部が、前記動作パターンパラメータ決定部において判定された前記「重要度」に基づき、重要度が高いと判定された動作に対し、前記「Ｄｏ−ｉｔ」のパラメータ（閾値）を上げて、該動作を代行しないとする処理機能を有することを特徴とする。

また本発明は、前記データ収集部で収集されるデータ（Ｖ１，Ｖ２，・・・）が、生活空間内に設置された生活設備機器（Ｋ１，Ｋ２，・・・）の作動状況データと、該生活空間内に設置されたセンサ（Ｓ１，Ｓ２・・・）で検出される状況データであって、前記それぞれの状況データをユーザ支援の対象とすることを特徴とする。

また本発明は、生活空間内におけるユーザの行動に起因するデータの入力が無い場合に異常発生と判断し、外部に通知する機能を有することを特徴とする。

本発明に係るユーザ支援方法は、
生活空間内に設置された生活設備機器の作動状況、及び、前記生活空間内の状況に基づき、前記生活空間におけるユーザの行動を支援する方法であって、
前記生活設備機器の作動状況データ及び前記生活空間内の状況データを収集してデータ収集部に記憶するステップと、
その収集データから時系列に沿った一連の動作パターンを抽出して動作パターンデータとしてパターン抽出部に記憶するステップと、
前記データ収集部から現在状況データを取り出し、前記パターン抽出部内の動作パターンデータ群の中から、前記現在状況データを含む動作パターンデータを抽出しマッチングデータとしてマッチング部に記憶するステップと、
前記データ収集部、パターン抽出部、マッチング部に記憶された前記各データに基づき、少なくとも、前記現在状況データの次に行われる動作を動作パターンパラメータ決定部で予測するステップと、
前記マッチング部に記憶されたマッチングデータと、前記動作パターンパラメータ決定部での動作予測結果に基づき、インタラクション決定部で、「生活設備機器の操作を提案する（Ｔｅｌｌ−ｍｅ）」、「生活設備機器の操作を代行する（Ｄｏ−ｉｔ）」、「提案も代行も行わない」の３つの支援内容の内のいずれか一つを決定するステップと、
前記支援内容に対する「ユーザの反応」、「ユーザの動作」、「ユーザの評価」に関するデータに基づき、前記「Ｔｅｌｌ−ｍｅ」及び／又は「Ｄｏ−ｉｔ」に関するパラメータをインタラクション決定部で変更するステップと、
前記インタラクション決定部で決定した前記ユーザへの支援内容をインタラクション実行部で実行するステップと、を含み、
前記動作パターンパラメータ決定部による前記動作予測と、前記インタラクション決定部による前記パラメータの変更を、前記生活設備機器の作動状況データ又は前記生活空間内の状況データが前記データ収集部に収集される度に行うことを特徴とする。

以上説明したように、本発明は、ユーザの過去の動作履歴（動作パターンデータ）に基づき、ユーザの次の動作を予測して支援内容を決定するが、その動作予測を、生活設備機器の作動状況データ及び／又はセンサによる状況データが収集される度に行うので、その都度変化する可能性があるユーザの行動パターンに適時に対応して、的確にユーザを支援することができる。また、支援結果に対するユーザの反応などに基づいて、「操作の提案（Ｔｅｌｌ−ｍｅ）」、「操作の代行（Ｄｏ−ｉｔ）」に係るパラメータを、常に最新の数値（「Ｎｅｗ Ｔｅｌｌ−ｍｅ」、「Ｎｅｗ Ｄｏ−ｉｔ」）に変更するので、使用に伴いユーザとの間で信頼関係を構築していくことが可能な新規な支援システム、支援方法として提供することができる。

また、動作予測の確信度を算出することで、ユーザの次の動作を適確に予測して、信頼性の高いユーザ支援を行うことが可能になる。

また、動作パターン中の抜け落ち要素の検出により、ユーザの「し忘れ」の提案をも支援の対象とした、新規なユーザ支援システム、支援方法として提供することができる。さらに、動作忘れの確信度を算出することで、ユーザの「し忘れ」であるか否かを適確に判断して、信頼性の高いユーザ支援を行うことが可能になる。

また、ユーザの行動に対し、「楽しみ度」、「重要度」という従来の支援システムには無い感情パラメータを用いて支援を行うので、ユーザの個性、感情などの属人性をも考慮し得、さらに、重要度の高い動作は代行せずにユーザ自身に再認識させるという、従来のシステムには無いユーザ支援を行うことができる。

また、生活空間内に設置された生活設備機器の作動状況の変化、生活空間内の状況の変化を対象として支援内容を決定するので、刻一刻と変化する生活空間内の状況に応じた的確な支援を行うことができる。

さらに、生活空間内におけるユーザの異常発生にも対応できるなど、多くの効果を有する。

以下、本発明に係るユーザ支援システムの実施形態の一例（本システム）を図面に基づいて説明する。図１は本システムの構成の概要を、図２は本システムによる処理の流れ（プロセス）の概要をそれぞれ示す。
本例のユーザ支援システムは、その一部もしくは全部を、コンピュータや専用回路などのハードウエア資源、コンピュータ・プログラムなどのソフトウエア資源で実現し得るもので、生活空間内に設置された複数の生活設備機器（機器）から送られる作動状況データと、生活空間内の状況を検出する複数のセンサから送られる生活空間内の状況データに基づきユーザに対する支援内容を決定するべく、前記作動状況データ及び状況データを収集して記憶するデータ収集部１、データ収集部１に記憶された収集データから時系列に沿った一連の動作パターンを抽出して動作パターンデータとして記憶するパターン抽出部２、データ収集部１から現在状況データを取り出しパターン抽出部２内の動作パターンデータ群の中から現在状況データを含む動作パターンデータを抽出して記憶するマッチング部３、データ収集部１，パターン抽出部２，マッチング部３に記憶された各データに基づき後述する処理を行う動作パターンパラメータ決定部４、マッチング部３に記憶された動作パターンデータ（マッチングデータ）と動作パターンパラメータ決定部４での処理結果などに基づきユーザへの支援内容を決定すると共に、その決定のためのパラメータ（閾値）を変更するインタラクション決定部５、インタラクション決定部５で決定したユーザへの支援内容を実行するインタラクション実行部６などの各処理部及びデータベース（ＤＢ）を備えてなる。

〔データ整理プロセス１０１〕
データ収集部１は、それぞれの機器及びセンサからのデータを収集してこれを前処理し、収集データとして収集データ用データベース（ＤＢ）１ａに記憶するもので、記憶された収集データは前記した各処理部２〜４から取り出せるようになっている。
それぞれの機器およびセンサから受け取るデータ形式はＸＭＬ形式であり、各機器、センサ、各処理部、各ＤＢ間のデータのやりとりはすべてＸＭＬ形式データで行う。

収集データ用データベース１ａは、データ収集部１から送られてくるデータを保存するデータベースである。データ収集部１でのデータ整理プロセス１０１から送られてくるデータは、各機器のＩＤ（Ｋ１，Ｋ２，・・・）、各センサのＩＤ（Ｓ１，Ｓ２，・・・）、各機器からの作動状況データ及び各センサからの状況データの値（Ｖ１，Ｖ２，・・・）、時間（ｔ１，ｔ２，・・・）であり、図３に示すように、各データはデータ収集部１での処理により時間順に並べて記憶される。

本例のシステムでは、各機器（Ｋ１，Ｋ２，・・・）からの作動状況データ（Ｖｘ）も、各センサ（Ｓ１，Ｓ２，・・・）からの状況データ（Ｖｘ）も支援対象にしたユーザの動作パターン抽出を行う。生活空間内に設置した各機器、各センサに変化がおきたときに、その状況をデータ収集部１がデータとして収集する。

センサ（Ｓ１，Ｓ２，・・・）は、圧力センサ、人感センサ、温度センサ、光センサなどを用いる。ユーザが少し動いた場合でも、気温の変化でも、いずれかのセンサから状況データが送られてくるので、機器からの作動状況データに比べ、センサからの状況データは膨大な量になる。また、センサからの状況データは、ユーザが動作しなくても送られてくるので、支援の対象になりにくい。
一方、機器からの作動状況データは、ユーザが目的をもって機器を操作した結果だと考えられる。さらに支援方法の面から見ると、機器に対しては支援の提案も代行もできるが、センサに対しては提案のみで代行はできない。よって、本システムでは、機器からの作動状況データを軸にした動作パターン抽出を行う。
機器（Ｋ１，Ｋ２，・・・）は、生活空間内に設置される各種設備機器、電気機器、電子機器などであって、例えば、冷暖房機器、ＴＶ、オーディオ機器、照明機器、給湯機器、電子式施錠装置、その他のリモートコントロールによる作動制御が可能な各種の機器をあげることができる。

〔動作パターンの抽出プロセス１０２〕
パターン抽出部２は、収集データ用データベース１ａから収集データを取り出して動作パターンを抽出し、抽出した動作パターンを動作パターンデータベース（ＤＢ）２ａに記憶するもので、記憶された動作パターンデータは前記した各処理部３、４から取り出せるようになっている。

パターン抽出部２における動作パターン抽出プロセス１０２は、図４に示すように、収集データ用データベース１ａから収集データを取り出して一連の動作パターンの抽出を行い、既存のパターンで無い場合、動作パターンデータベース２ａへ送って記憶させる。

各機器、各センサから送られてきた状況データ（Ｖ１，Ｖ２，・・・）から動作パターンを抽出する処理（動作パターン抽出プロセス１０２）を以下に説明する。
図５（ａ）に機器Ｋ１，Ｋ２，・・・、センサＳ１，Ｓ２，・・・から送られてきた状況データＶ１，Ｖ２，・・・を時間経過順に並べたグラフを示す。縦線は各機器、各センサから状況データが送られてきた時間と値を表している。
本例では、機器から作動状況データが送られてきた時間を動作パターンを抽出する「軸」とする。「軸」とした時間の前後一定時間（「前処理」の範囲内）に起きた状況データが動作パターン抽出の対象である。対象とする各状況データに関して「前処理」を行う。
「前処理」により各データを時間順に並べたものが抽出した「動作パターン」である。動作パターンデータを図５（ｂ）に示す。動作パターンデータは、各機器、各センサのＩＤ（Ｋｘ，Ｓｘ）と、その値（Ｖｘ）、各要素間の時間（ｔｘ）からなる。

尚、本例では、前記動作パターンの抽出を各機器Ｋ１，Ｋ２，・・・からの作動状況データを「軸」に行うが、本発明は機器のみを支援対象とせず、動作パターンの抽出をする時間を決めるのみに用いる。実際に支援を決定するための動作パターンの利用方法は後述する。

図４に示すように、抽出した動作パターンがまだ動作パターンデータベース２ａになければ、パターン抽出部２が「動作予測の条件パターン」と、「動作忘れの条件パターン」を生成し、これらを一組のデータとして動作パターンデータベース２ａへ送る。抽出する動作パターンと前記各条件パターンの例を図６に示す。抽出した動作がすでに動作パターンデータベース２ａにあれば、これ以上の処理を行わない。

動作パターンデータベース２ａは、パターン抽出部２による動作パターン抽出プロセス１０２から送られてくる動作パターンと前記各条件パターンの組を保存するデータベースである。
動作パターン抽出プロセス１０２から送られてくる動作パターンと各条件パターンは、図７に示すように、動作パターンと条件パターンをすべて一列に並べたパターン群と、動作パターンと条件パターンの組とを関連付けた形式で記憶する。動作パターンと条件パターンの組は「重要度」と「楽しみ度」、パターン群にある各パターンは「回数」というパラメータをそれぞれ持っており、これらパラメータは、後述する動作パターンパラメータ決定部４での処理に係る。

〔パターンマッチングプロセス１０３〕
マッチング部３は、現在の状況（機器・センサから送られてきた最新の状況データ）を収集データ用データベース１ａから取り出し、動作パターンデータベース２ａのデータと比べて、現在の状況にマッチした（現在の状況を含む）動作パターンを抽出し、その結果をマッチングデータとしてマッチング結果データベース３ａに送る。

マッチング部３でのパターンマッチングプロセス１０３は、図８で示す処理の流れで、収集データ用データベース１ａから取り出した現在状況データにマッチする動作パターンを、動作パターンデータベース２ａのパターン群から見つけ出し、マッチした動作パターン（マッチングデータ）として取り出し、マッチング結果データベース３ａへ送る。
パターンマッチングは図９に示すように、収集データ用データベース１ａのデータで最新のデータからさかのぼる向きに、動作パターンデータベース２ａ内の動作パターンデータ群にあるパターン１つ１つに対してマッチするかどうか調べていく。動作パターンデータ群の中でマッチしたパターンが前記した条件パターンなら、「動作パターン」と「重要度」、「楽しみ度」を組み合わせた図１０のようなデータにしてマッチング結果データベース３ａへ送る。
このとき、後述するように、条件パターンが「動作予測条件パターン」であれば「時系列的因果確信度（％）」を図１１（ｂ）の一般式で、「動作忘れ検出条件パターン」であれば「必要確信度（％）」を図１３（ｂ）の一般式で、動作パターンパラメータ決定部４が算出する。

マッチング結果データベース３ａは、パターンマッチングプロセス１０３でマッチした動作パターンを保存するデータベースである。
パターンマッチングプロセス１０３から送られるマッチした動作パターン（マッチングデータ）とは、図１０で示す「動作パターン」、「条件パターン」、「重要度」、「楽しみ度」、「時系列的因果確信度（％）」、「必要確信度（％）」からなるパターンである。

〔動作パターンパラメータ決定部４でのプロセス〕
動作パターンパラメータ決定部４では、収集データ用データベース１ａ、動作パターンデータベース２ａ、マッチング結果データベース３ａからデータを取り出し、「動作予測」、「動作忘れ検出」、「重要操作の検出」、「楽しみ操作の検出」と、「Ｔｅｌｌ−ｍｅ（機器の操作を提案する）」・「Ｄｏ−ｉｔ（機器の操作を代行する）」のパラメータ（閾値）の変更を行う。具体的手法は後述するが、各パラメータをどこに送るかを以下に説明する。
「動作予測」、「動作忘れ検出」、「重要操作の検出」、「楽しみ操作の検出」は、ユーザ動作と状況に依存した値なので、動作パターンデータベース２ａに送る。
「Ｔｅｌｌ−ｍｅ」、「Ｄｏ−ｉｔ」の変更値（「Ｎｅｗ Ｔｅｌｌ−ｍｅ」、「Ｎｅｗ Ｄｏ−ｉｔ」）は支援方法の決定に用いるパラメータなので、インタラクション決定部５に送る。

ここで、本システムが行う処理と必要なデータを表１に示す。表１より、「収集データ」、「ユーザの反応」、「本システムによる支援方法」、「動作パターン」は複数の処理に用いられるので、いつでもどこからでも参照できるよう、各データベース１ａ，２ａ，３ａ，５ａに記憶して管理する必要がある。
ユーザからの反応、つまり、収集データによって値が変動する「動作予測」、「動作忘れ検出」、「重要操作の検出」、「楽しみ操作の検出」、「Ｔｅｌｌ−ｍｅ」・「Ｄｏ−ｉｔ」の変更は、必要なデータが似通っているので同じ処理部で行う方がよい。この処理部を動作パターンパラメータ決定部４とする。

〔確信度決定手段４ａでの動作予測と確信度決定プロセス１０６〕
動作の予測支援を行うために、動作パターンを対象とした評価方法を用いる。
動作予測には、前記したように、動作パターンがデータ中に時間順に並んでいることを利用する。図１２に示すように動作パターンの途中までが成り立った場合、その後に起こる状態パターンが予測できる。例えば、図１１（ａ）に示す動作パターンにおいて、（１）まで起きた場合を図１２（ａ）に、（２）まで起きた場合を図１２（ｂ）に示す。どちらの場合も、起こった時間までの動作パターンのデータを予測の条件（ｉｆ）、起こった時間以降の動作パターンのデータを動作予測（ｔｈｅｎ）とする。

本例における動作予測の評価方法は、前記した条件と結果（ｉｆ−ｔｈｅｎ）の関係から、予測の条件（ｉｆ）が起こる回数（＝現在状況が起きた回数）に対する、動作の予測(ｔｈｅｎ)が起こる度合い（＝動作パターンが起きた回数）、つまり、動作パターンが起こる確率を動作予測の評価値とする。一般的な算出式は図１１（ｂ）に示す。動作予測の評価値を「時系列的因果確信度（％）」と呼ぶ。前述の（１）まで起きた場合の具体的算出方法を図１２（ｃ）に、（２）まで起きた場合の具体的算出方法を図１２（ｄ）に示す。

〔確信度決定手段４ａでの忘れ動作の検出と確信度決定プロセス１０６〕
動作忘れを検出するために、動作パターンを対象とした評価方法を用いる。
まず、動作パターンからの抜け落ち要素（忘れ動作）を検出する方法について述べる。忘れ動作とは、動作パターンの一部が抜け落ちている状態である。したがって、各機器、各センサからの状況データを、動作パターンデータに対して前記したマッチングを行う際、大半がマッチした動作パターンには抜け落ちている要素（忘れ動作）があることが検出できる。本例では、図１４に示すように抜け落ちている動作が１つの場合を扱う。
動作パターンからの忘れ動作の検出は、図１４のように、動作パターン内のある要素（動作）が行われなかったが、他のすべての動作が行われた場合に検出される。ただし、動作パターンの最後の要素以外が行われた場合は、動作パターンの最後の要素は抜け落ち要素として検出するのではなく、動作予測とする。例えば、図１３（ａ）に示す動作パターンにおいて、（１）が抜け落ち要素の場合を図１４（ａ）に、（２）が抜け落ち要素の場合を図１４（ｂ）に示す。どちらの場合も抜け落ち要素以外が起こった動作パターンを条件（ｉｆ）、抜け落ち要素が忘れ動作（ｔｈｅｎ）とする。

本例における動作忘れの検出に対する評価方法は、前記条件と結果（ｉｆ−ｔｈｅｎ）の関係から、抜け落ち要素以外の動作パターン（ｉｆ）が起きるとき（＝抜け落ち要素以外が起きた回数）に対する、抜け落ち要素の動作忘れ（ｔｈｅｎ）が起きる度合い（＝動作パターンが起きた回数）、つまり、動作パターンが起こる確率を、動作忘れを検出する評価値とする。一般的な算出式は図１３（ｂ）に示す。動作忘れの検出に対する評価値を「必要確信度（％）」と呼ぶ。（１）が抜け落ち要素の場合の具体的算出方法を図１４（ｃ）に、（２）が抜け落ち要素の場合の具体的算出方法を図１４（ｄ）に示す。

〔感情パラメータ決定手段４ｂでの重要度の判定と感情パラメータ決定プロセス１０７〕
各種機器の操作の大切さは、ユーザ毎に異なり、かつ、状況によってその都度変動する。ゆえに、一般的な知識を用いて各操作の大切さを決定できないし、ある操作が常に大切だともいえないので、従来の支援システムでは、これらに対する対応はできなかった。
そこで、本システムでは、ユーザの動作パターンごとに大切さを設定する機能を有することとした。動作パターン毎の大切さを以下「重要度」と呼ぶ。ユーザ毎に異なる動作パターンの大切さを検出するためには、なんらかの基準が必要である。本システムでは、大切な操作を検出するための方法を、大切な操作に対するユーザの行動（反応）から導き出す。
すなわち、大切な操作に対してユーザは、その操作を行い忘れても戻ってきて行うという行動や、忘れてはいけない操作こそ「提案」を受け入れるという行動をとる。つまり、本システムが前記したようにユーザの行い忘れた動作を「提案」した場合に、その提案内容がユーザにとって大切であれば、ユーザが戻ってきて行う、もしくは、本システムに「代行」を頼むと推論できる。
したがって、本発明では、行い忘れた操作を本システムが「提案」した時のユーザの反応から、ユーザにとって忘れてはいけない動作がある状況かどうかを検出する。

本システムが、ユーザの行い忘れた操作（忘れ動作）を「提案」し、ユーザの反応から動作パターンの「重要度」を評価するまでの流れを以下に述べる。
まず、前記したように、「行い忘れた操作の提案」を動作パターンからの忘れ動作を検出して「提案」をする。
表２に、この提案に対するユーザの反応とユーザの反応に合わせた「重要度」の変更を示す。行い忘れた動作の提案がユーザにとって大切な操作であった場合、ユーザの評価を「正解」とし、大切でなかった場合、「不正解」と考える。「重要度」に係るパラメータ（閾値）の変更方法は、「正解」だった場合に上げ（大きくする）、「不正解」だった場合に下げる（小さくする）。

次に重要になるのは、前記した動作パターン毎に設定した「重要度」がユーザへ支援を行う際に、どのような役割を果たすかである。重要度が高いほど、ユーザにとって大切であり、忘れないようになるべく提案してほしい動作パターンである。「重要度」には、本システムがユーザへの支援方法を決める際に、提案するように働きかける役割がある。
図１５に示すように、本システムのインタラクション決定部５がもつパラメータ（閾値）：「Ｔｅｌｌ−ｍｅ」を、動作パターンがもつ「重要度」に応じて一時的に下げ（小さくする）、「Ｎｅｗ Ｔｅｌｌ−ｍｅ」に変更した上で支援方法を決定する。すなわち、「機器の操作を提案する」の支援頻度を上げる。
「Ｔｅｌｌ−ｍｅ」のパラメータを下げる割合は「重要度」によって決定するので、重要度は０〜１の値とする。「Ｔｅｌｌ−ｍｅ」の下げ幅：（差分）Ｔｅｌｌは、図１５中の式で求める。

〔感情パラメータ決定手段４ｂでの楽しみ度の判定と感情パラメータ決定プロセス〕
ユーザが必ず自分で行いたいような楽しむための機器の操作は、自分で行うので本システムに「代行」も「提案」もして欲しくない操作である。
操作の大切さと同様、操作の楽しみの度合いは、ユーザ毎に異なり、かつ、状況によってその都度変動する。よって、本システムでは、「動作パターン」ごとに「楽しみ度」を設定する。すなわち、楽しみ操作とは何かを分析することで、ユーザ毎に異なる動作パターンの「楽しみ度」を検出するための基準を見つけ出す。
ユーザが楽しむための動作（操作）はユーザが自分で行いたいので、本システムからの「提案」や「代行」の支援に対して、ユーザは支援を拒むと考えられる。つまり、本システムがユーザへ「提案」や「代行」の支援をした時のユーザの反応から、ユーザにとって自分で行いたい「楽しみ度」の高い動作がある状況かどうかを検出する。

本システムが動作パターンに応じた支援を行い、ユーザの反応から動作パターンの「楽しみ度」を評価するまでの流れを以下に説明する。
本システムによる支援に対するユーザの反応による「楽しみ度」に係るパラメータ（閾値）の変更方法を表３に示す。「楽しみ度」は、本システムが決定した支援内容がユーザにとって「正解」のときに、ユーザがとった動作によって変更方法を決定する。「正解」にもかかわらずユーザが自分でおこなった場合は「楽しみ度」に係るパラメータを上げ（大きくする）、本システムに任せた場合は「楽しみ度」に係るパラメータを下げる（小さくする）。

次に、動作パターン毎に設定した「楽しみ度」が、ユーザへ支援を行う際にどのように影響するかを説明する。「楽しみ度」が高いほど、ユーザ自身で行いたい動作であり、本システムは支援を行うべきではない。「楽しみ度」の変更には、本システムがユーザへの支援方法を決める際に、代行しないように働きかける役割がある。
図１６に示すように、本システムのインタラクション決定部５が持つパラメータ（閾値）：「Ｄｏ−ｉｔ」を、動作パターンが持つ「楽しみ度」に応じて一時的に上げ（大きくする）、「Ｎｅｗ Ｄｏ−ｉｔ」に変更した上で、支援方法を決定する。すなわち、「代行」、「提案」の支援頻度を下げる。
「Ｄｏ−ｉｔ」のパラメータを上げる割合は「楽しみ度」によって決定するので、「楽しみ度」は０〜１の値とする。「Ｄｏ−ｉｔ」の上げ幅：（差分）Ｄｏは、図１６中の式で求める。

〔Ｔｅｌｌ−ｍｅ・Ｄｏ−ｉｔの自動変更〕
以下、ユーザと本システムとの信頼関係に基づくパラメータの自動修正について説明する。
本システムの使用開始当初、ユーザは、本システムの信頼度がよくわからないし、何をするのか不安である。
本システムは、まず、ユーザの行動などからその動作パターンを学習し、ある日、ユーザへ、支援を提案する。この支援内容が良ければ、ユーザは本システムへより多くの提案を求める。すなわち、本システムのパラメータ「Ｔｅｌｌ−ｍｅ（機器操作の提案）」を下げたいと考える。
本システムの動作パターン学習が進んでいくと、ユーザの動作を「代行」するようになる。代行内容がよければ、ユーザは本システムにより多くの「代行」を求める。つまり、本システムのパラメータ「Ｄｏ−ｉｔ（機器操作の代行）」を下げたいと考える。
このように、本システムに対するユーザの対応としての３つの要素（「ユーザの反応」「ユーザの動作」「ユーザの評価」）と、「Ｔｅｌｌ−ｍｅ」、「Ｄｏ−ｉｔ」の２つのパラメータの変更を結びつけることで、表４に示す「Ｔｅｌｌ−ｍｅ」と「Ｄｏ−ｉｔ」のパラメータの変更を行うことができる。

〔Ｔｅｌｌ−ｍｅの変更〕
「Ｔｅｌｌ−ｍｅ」のパラメータを下げるのは、動作予測の確信度が「Ｔｅｌｌ−ｍｅ」より低いので支援しなかったが、本システムにとって支援内容が合っているときである。支援内容が合っているかどうかは、ユーザが動作パターンをすべて行ったかどうかで判断できる。逆に、「Ｔｅｌｌ−ｍｅ」のパラメータを上げるのは、本システムが提案した内容が間違っていたときである。提案した内容が間違っているのは、ユーザが本システムに操作を任せず、提案内容とは別のことをユーザが自身の判断で行ったときであり、動作パターンに行われなかった動作がある場合である。

〔Ｄｏ−ｉｔの変更〕
「Ｄｏ−ｉｔ」のパラメータを下げるのは、本システムの提案がユーザにとって合っているときである。支援内容がユーザにとって「正解」かどうかは、ユーザが本システムの提案を受け入れた場合と、ユーザが提案を受け入れなかったが、提案の内容を行った場合に「正解」と評価する。逆に、「Ｄｏ−ｉｔ」のパラメータを上げるのは、本システムが代行した内容が間違っていたときである。代行した内容が間違っているのは、本システムが行ったことをユーザがやり直すことで判断できる。

表４で、「Ｔｅｌｌ−ｍｅ」と「Ｄｏ−ｉｔ」の２つのパラメータの変更方法を、動作予測の支援操作と、動作忘れの支援とに分けて考えている。これは、動作忘れの支援で、ユーザが忘れた操作を代行することに問題があるので、動作忘れ支援には本システムは「代行」を行わないからである。

〔動作パターンパラメータ決定部４での処理〕
前述したように、動作パターンパラメータ決定部４の役割は、「動作予測」、「動作忘れ検出」、「重要操作の検出」、「楽しみ操作の検出」、「Ｔｅｌｌ−ｍｅ・Ｄｏ−ｉｔの変更」である。つまり、決定するパラメータは「時系列的因果確信度」、「必要確信度」、「重要度」、「楽しみ度」、「Ｔｅｌｌ−ｍｅ」、「Ｄｏ−ｉｔ」、である。
それぞれのパラメータを決定するために必要なデータを表５に示す。表５での必要データから、「時系列的因果確信度」と「必要確信度」は他のパラメータには必要な支援方法がない。そこで、本システムでは、「時系列的因果確信度」と「必要確信度」を他のパラメータとは別に処理することとした。

〔動作パターンデータの「回数」の更新処理〕
動作パターンパラメータ決定部４の確信度決定手段４ａは、確信度決定プロセス１０６において、図１７の処理の流れで、前述した動作パターンデータベース２ａ内の「動作パターン」の出現の「回数」を変更する。まず、マッチ結果データベース３ａからマッチングデータを取り出す。次に、動作パターンデータベース２ａを参照して、マッチ結果データベース３ａのマッチングデータと一致するパターンを検出する。最後に、動作パターンデータベース２ａ内にある一致したパターンの出現回数を更新する。

〔感情パラメータ決定プロセス１０７での処理の流れ〕
動作パターンパラメータ決定部４における感情パラメータ決定プロセス１０７で行う処理は、本システムの支援内容とユーザの反応から、前記したように「重要度」、「楽しみ度」、「Ｔｅｌｌ−ｍｅ」、「Ｄｏ−ｉｔ」の４つのパラメータを変更するプロセスである。４つのパラメータ（重要度、楽しみ度、Ｔｅｌｌ−ｍｅ、Ｄｏ−ｉｔ）の変更方法はそれぞれ、表２、表３、表４で示した前述の通りであって、これらを表６にまとめて示す。

表６から、各パラメータの変更方法を決定するには、「ユーザの反応」と「ユーザの動作」という２種類のユーザの様子を判断できればいいといえる。「ユーザの反応」については、本システムが動作したときの情報（支援後の状況）をみる必要があるので、収集データ用データベース１ａを参照して判断する。もう１種類のユーザの様子である「ユーザの動作」については、本システムが予測した操作、もしくは、忘れと検出した操作をユーザがしたかどうかの情報が必要なので、マッチング結果データベース３ａを参照して判断する。

ところで、本システムによるユーザ支援の動作は「提案も代行もしない」、「提案する（Ｔｅｌｌ−ｍｅ）」、「代行する（Ｄｏ−ｉｔ）」に分けられることは前述の通りである。これら動作についての本システムによる処理の一連の流れを以下説明する。
前提として、本システムの動作、すなわち支援内容は、支援方法データベース５ａから取り出した支援データから分かるとする。
本システムの動作（支援内容）が「提案も代行もしない（何もしない）」のときの処理の流れを図１８に、「提案する（Ｔｅｌｌ‐ｍｅ）」のときの処理の流れを図１９に、「代行する（Ｄｏ‐ｉｔ）」のときの処理の流れを図２０に示す。

〔インタラクションの決定プロセス１０４〕
インタラクション決定部５では、マッチング結果データベース３ａにあるデータに応じて、以下のようにインタラクション方法（支援内容）を決定し、決定したインタラクション方法とマッチング結果をインタラクション実行部６に送る。

インタラクション決定部５におけるインタラクション決定プロセス１０４は、図２１で示す処理の流れである。
まず、マッチ結果データベース３ａからマッチした動作パターンのデータ（マッチングデータ）を取り出し、動作パターンの「重要度」と「楽しみ度」を用いて、現在の「代行する（Ｄｏ‐ｉｔ）」と「提案する（Ｔｅｌｌ−ｍｅ）」から「Ｎｅｗ Ｄｏ−ｉｔ」と「Ｎｅｗ Ｔｅｌｌ−ｍｅ」を導き出す。「Ｎｅｗ Ｄｏ−ｉｔ」と「Ｎｅｗ Ｔｅｌｌ−ｍｅ」を導き出す式は図１５、図１６に示した通りである。
次に、前述した動作パターンの確信度と「Ｎｅｗ Ｄｏ−ｉｔ」、「Ｎｅｗ Ｔｅｌｌ−ｍｅ」を比べ、インタラクション方法を決定する。インタラクションの決定方法は、図２２のように、「時系列的因果確信度」と「必要確信度」の場合で異なる。
最後に、決定したインタラクション方法を動作パターンと共に支援データとして支援方法データベース５ａに記憶する。

支援方法データベース５ａは、インタラクション決定プロセス１０４で決定したインタラクション方法と動作パターンの組、支援データを保存するデータベースである。
インタラクション決定プロセス１０４から送られてくる支援データは、図２３で示す動作パターンと条件パターン、重要度、楽しみ度、時系列的因果確信度、必要確信度とインタラクション方法からなるパターンである。

〔インタラクションの実行プロセス１０５〕
インタラクション実行部６では、インタラクション決定部５から送られてきたデータ内容に沿った実行内容を決め、実行する。
インタラクション実行部６で行うインタラクション実行プロセス１０５は、図２４で示す処理の流れで、インタラクションを実行する。処理の流れは、まず、支援方法データベース５ａから支援データをとりだす。次に、インタラクション方法を実行できるように、支援方法を所定のデータ形式（ＸＭＬ形式など）に変換する。最後に、支援を行う機器を決定し、支援を行う機器にデータを送る。
支援内容が「提案する（Ｔｅｌｌ−ｍｅ）」の場合、音声や文字情報などで報知する機器、ＴＶ、インターフォンなどを用いることができる。

尚、本システムにおいては、前述したデータ収集部１、動作パターンパラメータ決定部４、インタラクション決定部５、インタラクション実行部６などに、ユーザの行動に起因するデータの入力が一定時間以上無い場合に「異常発生」と判断する手段を持たせ、インタラクション実行部６に、インタラクション決定部５などから「異常発生」の指令が送られた場合、インターネットや電話回線などを介して外部（例えば消防署、病院、隣家など）に通知する機能を具備させることができる。

以上、本発明の実施形態の一例を図面に基づいて説明したが、本発明は図示例に限定されるものではなく、特許請求の範囲に記載された技術的思想の範疇において各種の変更が可能であることは言うまでもない。

本発明に係るユーザ支援システムの一例の全体構成の概略図。 図１のユーザ支援システムによる処理の流れの概要を示す概略図。 データ収集部での収集データの処理に係るイメージ図。 動作パターン抽出の処理の流れを示すフローチャート。 動作パターン抽出の概念図。 抽出した動作パターンと条件パターンの関連付けの例を示す概念図。 動作パターンＤＢにおける動作パターンと条件パターンを関連付けたデータ例を示す概念図。 パターンマッチングプロセスでの処理の流れを示すフローチャート。 パターンマッチング処理の概念図。 マッチ結果ＤＢのマッチングデータ例の概念図。 （ａ）動作パターンからの動作予測の処理を示す概念図、（ｂ）時系列的因果確信度の一般的な算出式。 （ａ，ｂ）動作パターンからの動作予測の例を示す概念図、（ｃ，ｄ）時系列的因果確信度の具体的な算出式。 （ａ）動作パターンからの動作忘れの処理を示す概念図、（ｂ）必要確信度の一般的な算出式。 （ａ，ｂ）動作パターンからの動作忘れの処理の例を示す概念図、（ｃ，ｄ）必要確信度の具体的な算出式。 「重要度」に合わせた「Ｔｅｌｌ−ｍｅ」の変更処理を示す概念図。 「楽しみ度」に合わせた「Ｄｏ−ｉｔ」の変更処理を示す概念図。 マッチ結果ＤＢ内の動作パターンの出願回数の処理の流れを示す概念図。 支援内容が「提案も代行もしない」場合のインタラクション決定プロセスを示すフローチャート。 支援内容が「Ｔｅｌｌ−ｍｅ」である場合のインタラクション決定プロセスを示すフローチャート。 支援内容が「Ｄｏ−ｉｔ」である場合のインタラクション決定プロセスを示すフローチャート。 インタラクション決定から支援方法の記憶までの処理の流れを示すフローチャート。 「時系列的因果確信度」・「必要確信度」に係る閾値変更とインタラクション決定との関係を示す概念図。 支援方法ＤＢ内の支援データ例の概念図。 インタラクション実行プロセスを示すフローチャート。

符号の説明

１：データ収集部
１ａ：収集データ用データベース
２：パターン抽出部
２ａ：動作パターン用データベース
３： マッチング部
３ａ：マッチング結果データベース
４：動作パターンパラメータ決定部
４ａ：確信度決定手段
４ｂ：感情パラメータ決定手段
５：インタラクション決定部
５ａ：支援方法データベース
６：インタラクション実行部
Ｋ１，Ｋ２，・・・：生活設備機器（機器）
Ｓ１，Ｓ２，・・・：センサ

Claims (12)

1. 生活空間におけるユーザの行動を支援するシステムであって、
   生活空間内に設置された生活設備機器と、
   前記生活空間内の状況を検出するセンサと、
   前記生活設備機器の作動状況データ及び前記センサによる生活空間内の状況データを収集して記憶するデータ収集部と、
   前記データ収集部に記憶された収集データから時系列に沿った一連の動作パターンを抽出して動作パターンデータとして記憶するパターン抽出部と、
   前記データ収集部から現在状況データを取り出し、前記パターン抽出部内の動作パターンデータ群の中から、前記現在状況データを含む動作パターンデータを抽出しマッチングデータとして記憶するマッチング部と、
   前記データ収集部、パターン抽出部、マッチング部に記憶された前記各データに基づき、少なくとも、前記現在状況データの次に行われる動作を予測する動作パターンパラメータ決定部と、
   前記マッチング部に記憶されたマッチングデータと、前記動作パターンパラメータ決定部での動作予測結果に基づき、「生活設備機器の操作を提案する（Ｔｅｌｌ−ｍｅ）」、「生活設備機器の操作を代行する（Ｄｏ−ｉｔ）」、「提案も代行も行わない」の３つの支援内容の内のいずれか一つを決定すると共に、該支援内容に対する「ユーザの反応」、「ユーザの動作」、「ユーザの評価」に関するデータに基づき、前記「Ｔｅｌｌ−ｍｅ」及び／又は「Ｄｏ−ｉｔ」に関するパラメータを変更するインタラクション決定部と、
   前記インタラクション決定部で決定した前記ユーザへの支援内容を実行するインタラクション実行部と、を有し、
   前記動作パターンパラメータ決定部による前記動作予測と、前記インタラクション決定部による前記パラメータの変更を、前記生活設備機器の作動状況データ又は前記センサによる状況データが前記データ収集部に収集される度に行うことを特徴とするユーザ支援システム。
2. 前記動作パターンパラメータ決定部による前記動作予測結果が、該動作パターンパラメータ決定部の確信度決定手段により、下記式１で算出される「時系列的因果確信度（％）」であり、該算出された時系列的因果確信度（％）に基づき、前記「Ｔｅｌｌ−ｍｅ」、「Ｄｏ−ｉｔ」の２つのパラメータとの比較から、前記インタラクション決定部で前記ユーザへの支援内容を決定することを特徴とする請求項１記載のユーザ支援システム。
   〔式１〕
   時系列的因果確信度（％）＝動作パターンが起きた回数／現在状況が起きた回数
3. 前記動作パターンパラメータ決定部が、前記パターン抽出部で抽出された動作パターンデータと、該パターン抽出部に記憶された過去の動作パターンデータとを比較して、前記抽出された動作パターンデータ内の「抜け落ち要素（忘れ動作）」を検出する動作忘れ検出処理機能をさらに有することを特徴とする請求項１又は２記載のユーザ支援システム。
4. 前記動作パターンパラメータ決定部による前記動作忘れ検出結果が、該動作パターンパラメータ決定部の前記確信度決定手段により、下記式２で求められる「必要確信度（％）」であり、該算出された必要確信度（％）に基づき、前記「Ｔｅｌｌ−ｍｅ」、「Ｄｏ−ｉｔ」の２つのパラメータとの比較から、前記インタラクション決定部で前記ユーザへの支援内容を決定することを特徴とする請求項３記載のユーザ支援システム。
   〔式２〕
   必要確信度（％）＝動作パターンが起きた回数／抜け落ち要素以外が起きた回数
5. 前記動作パターンパラメータ決定部が、前記インタラクション実行部での実行結果に対するユーザの対応に基づき、ユーザの行動に対する「楽しみ度」を推測する感情パラメータ決定手段をさらに有し、該推測された楽しみ度に基づき、前記「Ｔｅｌｌ−ｍｅ」、「Ｄｏ−ｉｔ」の２つのパラメータとの比較から、前記インタラクション決定部で前記ユーザへの支援内容を決定することを特徴とする請求項１〜４のいずれかに記載のユーザ支援システム。
6. 前記「楽しみ度」に応じて、前記「Ｄｏ−ｉｔ」のパラメータを一時的に大きくすることを特徴とする請求項５記載のユーザ支援システム。
7. 前記動作パターンパラメータ決定部における前記感情パラメータ決定手段が、前記インタラクション実行部での実行結果に対するユーザの対応に基づき、ユーザの行動に対する「重要度」を推測する処理機能をさらに有し、該推測された重要度に基づき、前記「Ｔｅｌｌ−ｍｅ」、「Ｄｏ−ｉｔ」の２つのパラメータとの比較から、前記インタラクション決定部で前記ユーザへの支援内容を決定することを特徴とする請求項１〜６のいずれかに記載のユーザ支援システム。
8. 前記「重要度」に応じて、前記「Ｔｅｌｌ−ｍｅ」のパラメータを一時的に小さくすることを特徴とする請求項７記載のユーザ支援システム。
9. 前記インタラクション決定部が、前記動作パターンパラメータ決定部において推測された前記「重要度」に基づき、該重要度が高いと推測された動作に対し、前記「Ｄｏ−ｉｔ」のパラメータを一時的に上げて該動作を代行しないとする処理機能を有することを特徴とする請求項７記載のユーザ支援システム。
10. 前記データ収集部で収集されるデータが、生活空間内に設置された生活設備機器の作動状況データと、該生活空間内に設置されたセンサで検出される状況データであって、前記それぞれの状況データをユーザ支援の対象とすることを特徴とする請求項１〜９のいずれかに記載のユーザ支援システム。
11. 生活空間内におけるユーザの行動に起因するデータの入力が無い場合に異常発生と判断し、外部に通知する機能を有することを特徴とする請求項１〜１０のいずれかに記載のユーザ支援システム。
12. 生活空間内に設置された生活設備機器の作動状況、及び、前記生活空間内の状況に基づき、前記生活空間におけるユーザの行動を支援する方法であって、
    前記生活設備機器の作動状況データ及び前記生活空間内の状況データを収集してデータ収集部に記憶するステップと、
    その収集データから時系列に沿った一連の動作パターンを抽出して動作パターンデータとしてパターン抽出部に記憶するステップと、
    前記データ収集部から現在状況データを取り出し、前記パターン抽出部内の動作パターンデータ群の中から、前記現在状況データを含む動作パターンデータを抽出しマッチングデータとしてマッチング部に記憶するステップと、
    前記各データに基づき、少なくとも、前記現在状況データの次に行われる動作を動作パターンパラメータ決定部で予測するステップと、
    前記マッチング部に記憶されたマッチングデータと、前記動作パターンパラメータ決定部での動作予測結果に基づき、インタラクション決定部で、「生活設備機器の操作を提案する（Ｔｅｌｌ−ｍｅ）」、「生活設備機器の操作を代行する（Ｄｏ−ｉｔ）」、「提案も代行も行わない」の３つの支援内容の内のいずれか一つを決定するステップと、
    前記支援内容に対する「ユーザの反応」、「ユーザの動作」、「ユーザの評価」に関するデータに基づき、前記「Ｔｅｌｌ−ｍｅ」及び／又は「Ｄｏ−ｉｔ」に関するパラメータをインタラクション決定部で変更するステップと、
    前記インタラクション決定部で決定した前記ユーザへの支援内容をインタラクション実行部で実行するステップと、を含み、
    前記動作パターンパラメータ決定部による前記動作予測と、前記インタラクション決定部による前記パラメータの変更を、前記生活設備機器の作動状況データ又は前記生活空間内の状況データが前記データ収集部に収集される度に行うことを特徴とするユーザ支援方法。