JP2013143004A - 運動管理装置、運動管理方法及びプログラム - Google Patents

Abstract

【課題】健康への影響を考慮したリアルタイムな健康管理や運動計画の立案を可能とし、ユーザが簡単に効率の良いエクササイズを行う。
【解決手段】利用者の属性情報と、利用者の健康状態を示す健康情報と、利用者が実施した運動を示す運動情報とを利用者毎に格納する履歴情報格納部３０と、利用者に適した運動を推奨する運動推奨情報を導出するための分析モデルを格納する分析モデル格納部４０と、履歴情報格納部３０に格納された健康情報及び運動情報を用いて、運動情報によって示される運動の実施に伴う、健康情報によって示される利用者の健康状態の変化を分析した結果と、分析モデル格納部４０に格納された分析モデルとを用いて運動推奨情報３を導出する分析部２０とを有する。
【選択図】図１

Description

本発明は、ネットワークを介したヘルスケアに関し、特に、健康管理や運動管理を行う運動管理装置、運動管理方法及びプログラムに関する。

従来の運動管理のツールとして、歩行に対する歩数計や自転車に対する走行計、さらにはフィットネスクラブ等におけるエクササイズマシンによる管理等がある。最近のこれらのツールは、歩数や移動距離、運動量だけでなく、ＧＰＳや加速度、傾斜角度、温度等の各種センサーと、ネットワークへの接続機能も有し、それらのデータがネットワーク上のシステムに蓄積され、ユーザは、簡単にＰＣ等を使って自己の運動管理を行うことができる（非特許文献１）。

一方、健康管理をチェックするツールとして、体重計や血圧計等がある。最近のこれらのツールは、体重や血圧値を計測するだけでなく、ネットワークへの接続機能も有し、ユーザは体重や血圧値を計測するだけで、それらのデータがネット上に蓄積され、ＰＣ等を用いて自己の健康管理を行うことができる（非特許文献２）。

従来は、こうした運動管理ツールと健康管理ツールとの連携はなく、それぞれの情報を参考に自身で運動計画をたてたり、あるいはコーチや健康管理システム等がそれら情報だけを参考に運動計画を推薦したりしていた。

http://www.orienteering.com/magazine/2007/06/07_gps_hrm.pdf http://www.withings.com/static/press/en/CP_Withings_HT01-US.pdf

上述したような従来の方法では、健康管理ツールと運動管理ツールとの連携がないため、どういった運動が体重や血圧にどう影響するのかが不明であることが多く、効率のいい健康管理や運動計画をたてることが難しかった。また、気温や湿度、地形情報（傾斜情報）等の運動中の環境情報の変化をリアルタイムに考慮して運動方法に即時に反映させることなど不可能であった。

本発明は、上述したような従来の技術が有する問題点に鑑みてなされたものであって、健康への影響を考慮したリアルタイムな健康管理や運動計画の立案を可能とし、ユーザが簡単に効率の良いエクササイズを行うことができる運動管理装置、運動管理方法及びプログラムを提供することを目的とする。

上記目的を達成するために本発明は、
利用者の属性情報と、利用者の健康状態を示す健康情報と、利用者が実施した運動を示す運動情報とを利用者毎に格納する履歴情報格納手段と、
利用者に適した運動を推奨する運動推奨情報を導出するための分析モデルを格納する分析モデル格納手段と、
前記履歴情報格納手段に格納された健康情報及び運動情報を用いて、前記運動情報によって示される運動の実施に伴う、前記健康情報によって示される利用者の健康状態の変化を分析した結果と、前記分析モデル格納手段に格納された分析モデルとを用いて前記運動推奨情報を導出する分析手段とを有する。

また、利用者の属性情報と、利用者の健康状態を示す健康情報と、利用者が実施した運動を示す運動情報とを利用者毎に第１のデータベースに格納する履歴情報格納処理と、
利用者に適した運動を推奨する運動推奨情報を導出するための分析モデルを第２のデータベースに格納しておく分析モデル格納処理と、
前記１のデータベースに格納された健康情報及び運動情報を用いて、前記運動情報によって示される運動の実施に伴う、前記健康情報によって示される利用者の健康状態の変化を分析した結果と、前記第２のデータベースに格納された分析モデルとを用いて前記運動推奨情報を導出する分析処理とを有する。

また、コンピュータに実行させるためのプログラムであって、
利用者の属性情報と、利用者の健康状態を示す健康情報と、利用者が実施した運動を示す運動情報とを利用者毎に第１のデータベースに格納する履歴情報格納手順と、
利用者に適した運動を推奨する運動推奨情報を導出するための分析モデルを第２のデータベースに格納しておく分析モデル格納手順と、
前記第１のデータベースに格納された健康情報及び運動情報を用いて、前記運動情報によって示される運動の実施に伴う、前記健康情報によって示される利用者の健康状態の変化を分析した結果と、前記第２のデータベースに格納された分析モデルとを用いて前記運動推奨情報を導出する分析手順とを実行させる。

本発明においては、利用者の健康状態を示す健康情報と、利用者が実施した運動を示す運動情報とを用いて、利用者の運動の実施に伴う健康状態の変化を分析した結果と、分析モデル格納手段に格納された分析モデルとを用いて利用者に適した運動を推奨する運動推奨情報を導出する構成としたため、健康への影響を考慮したリアルタイムな健康管理や運動計画の立案を可能とし、ユーザが簡単に効率の良いエクササイズを行うことができる。

本発明の運動管理装置の概要を示す図である。 図１に示した運動管理装置を用いたシステム構成の一例を示す図である。 図２に示した運動管理装置の実施の一形態を示す図である。 図３に示した構成における運動管理装置の動作を説明するためのフローチャートである。 図３に示した履歴情報格納部に格納された情報を示す図である。 図３に示した分析部にて構築された分析モデルの例を示す図である。 図２に示した運動管理装置の他の実施の形態を示す図である。 図７に示した例において履歴情報格納部に格納された情報を示す図である。 図７に示した例において分析部にて構築された分析モデルの例を示す図である。 図２に示した運動管理装置の他の実施の形態を示す図である。 図１０に示した例において履歴情報格納部に格納された情報を示す図である。 図１０に示した例において分析部にて構築された分析モデルの例を示す図である。 図２に示した運動管理装置の他の実施の形態を示す図である。

以下に、本発明の実施の形態について図面を参照して説明する。

図１は、本発明の運動管理装置の概要を示す図である。

図１に示すように、本発明の運動管理装置１は、属性情報２ａ、健康情報２ｂ、運動情報２ｃ及び環境情報２ｄからなるユーザ情報２を受け付ける入力部１０と、入力部１０にて受け付けられたユーザ情報２を利用者毎に格納する履歴情報格納部３０と、履歴情報格納部３０に格納されたユーザ情報２を用いて分析モデルを構築し、利用者に提供する運動推奨情報３を導出する分析部２０と、分析部２０にて構築された分析モデルを格納する分析モデル格納部４０とを有している。ここで、分析部２０にて構築される分析モデルとは、機械学習等によって、コンピュータが入力データと出力結果との関係を解析、抽出した、入力データと出力結果との関係のパターンであり、入力データを基に出力結果を導出させる規則や判断基準である。例えば、ｙ＝ｆ（ｘ）という式で表わした場合、ｘが入力データ、ｙが出力結果、ｆ（ｘ）が分析モデルに相当する。本発明における分析モデルは、利用者の属性情報や健康情報、運動情報等を入力データとし、その入力データに対して利用者に推奨される運動推奨情報を出力結果とする場合の、入力データと出力結果との対応関係を導出するためのモデルである。

属性情報２ａは、生年月日、性別等の利用者の属性を示す情報であり、健康情報２ｂは、当該利用者の身体的特徴や健康状態等を示す情報であり、身長、目標体重、実際の体重、血圧等からなる情報である。運動情報２ｃは、当該利用者が実施している運動を示す情報であり、歩数、速度、加速度等からなる。また、環境情報２ｄは、主に運動中の外部環境の情報であり、温度、湿度、場所（位置）、地形等の情報からなる。

入力部１０は、ユーザ情報２のうち、予め入力される生年月日、性別、身長、目標体重等の変化が少ない静的な情報の他、リアルタイムに計測し、通知されるユーザ情報を取得することも可能である。例えば、実体重、体脂肪率、血圧、心拍数、歩数、速度、移動距離、温度、湿度、位置情報等の運動等によって変化する情報をセンサー等で計測し、リアルタイムに通知するような場合が該当する。入力部１０は、これらのユーザ情報をベクトルとして分析部２０の入力とする。

履歴情報格納部３０は、これら属性情報２ａ、健康情報２ｂ、運動情報２ｃ及び環境情報２ｄからなるユーザ情報２を利用者毎に対応づけて第１のデータベースに格納する。

分析部２０は、入力部１０にて受け付けられたユーザ情報２のベクトルに基づいて、履歴情報格納部３０に格納されたユーザ情報２を参照し、機械学習によって新しい運動推奨情報３を導出するための分析モデルを構築するとともに、この分析モデルと分析モデル格納部４０に格納された分析モデルとを用いて、入力されたユーザ情報２に対応するユーザに適した運動推奨情報（移動ルート、歩行速度等）を分析、導出する。具体的には、分析部２０は、履歴情報格納部３０に格納されたユーザ情報２を用いて、運動情報２ｃによって示される運動の実施に伴って生じた、健康情報２ｂによって示される利用者の健康状態の変化を分析することにより分析結果として分析モデルを構築し、この分析モデルと分析モデル格納部４０に格納された分析モデルと用いて利用者に適した運動を推奨する運動推奨情報３を導出する。また、分析部２０は、利用者が運動を行った環境を示す環境情報２ｄも参照することが考えられ、その場合、分析部２０は、履歴情報格納部３０に格納された健康情報２ｂ、運動情報２ｃ及び環境情報２ｄを用いて、環境情報２ｄによって示される環境下における、運動情報２ｃによって示される運動の実施に伴う、健康情報２ｂによって示される利用者の健康状態の変化を分析することにより分析結果として分析モデルを構築し、この分析モデルと分析モデル格納部４０に格納された分析モデルと用いて運動推奨情報３を導出する。さらに、分析部２０は、利用者について、所定の条件の運動についての分析モデルが分析モデル格納部４０に格納されていない場合、他の条件の運動についての分析モデルがその他の条件の運度についてのその利用者の分析モデルに類似した他の利用者のその所定の条件の運動についての分析モデルを用いて運動推奨情報３を導出する。また、分析部２０は、利用者の現在の位置情報を取得した場合、その位置情報によって示される位置からの運動推奨情報３に応じた移動を推奨する。なお、分析モデルの構築にあたり、機械学習の技術を用いることが可能であり、特に、オンライン機械学習技術を利用することで、分析モデルを分析モデル格納部４０にリアルタイムに格納することや、リアルタイムに変化する分析モデルを用いて、運動推奨情報３を導出することが可能となる。オンライン機械学習技術として、Jubatus等の技術が存在する（Jubatus 「ビッグデータのリアルタイム処理を可能にする大規模データ分析基盤技術を世界に先駆けて開発」http://www.ntt.co.jp/news2011/1110/111026a.html、大規模分散リアルタイム機械学習を支える技術と今後の展望, 岡野原、海野、小田、上西, WebDB forum 2011/11/15）。

また、後述するが、運動推奨情報３を通知する手段を備えることで、利用者に対し、分析部２０によって決定された、利用者に適した運動推奨情報３を通知することが可能である。

このように、健康情報２ｂと運動情報２ｃ、運動中の外部環境となる環境情報２ｄに応じた利用者毎の最適な運動計画が推奨できるため、利用者は自身の状況に応じた最適な運動を簡単に知ることが可能となる。

図２は、図１に示した運動管理装置１を用いたシステム構成の一例を示す図である。

図１に示した運動管理装置１は、例えば図２に示すようにネットワーク（不図示）を介して、ユーザ端末４、健康機器５、運動／環境測定機器６に接続されて利用される。

ユーザ端末４は、属性情報２ａを入力してネットワークを介して運動管理装置１に通知するものであって、ＰＣやスマートフォン等が挙げられる。

健康機器５は、健康情報２ｂを入力してネットワークを介して運動管理装置１に通知するものであって、体重計や血圧計等が挙げられる。

運動／環境測定機器６は、環境情報２ｃを入力してネットワークを介して運動管理装置１に通知するものであって、歩数計や自転車の走行メータ、スマートフォン等が挙げられる。

また、本例においては、運動管理装置１は、分析部３０にて導出した運動推奨情報３を利用者に通知する運動推奨情報通知部５０を有しており、運動推奨情報通知部５０から通知された運動推奨情報３は、ユーザ端末４や運動／環境測定機器６にネットワークを介して通知される。

図３は、図２に示した運動管理装置１の実施の一形態を示す図である。

本形態は図３に示すように、図２に示した運動管理装置１が体重計５ａと歩数計６ａと連携した構成となっている。本形態においては、図２に示したユーザ端末４としてＰＣ４ａが用いられ、健康機器５として体重計５ａが用いられ、運動／環境測定機器６として歩数計６ａが用いられている。

以下に、上記のように構成された運動管理装置１の動作について図３に示した構成における動作を例に挙げて説明する。

図４は、図３に示した構成における運動管理装置１の動作を説明するためのフローチャートである。

まず、利用者が、属性情報２ａとして、生年月日、性別、身長、目標体重等の情報をＰＣ４ａに入力すると、この属性情報２ａがネットワークを介して運動管理装置１の入力部１０に通知され、履歴情報格納部３０に利用者毎に設定、格納される（ステップ１）。

その後、利用者が、通信機能を備えた体重計に乗ると、利用者の実体重、体脂肪率等が測定され、それらの情報が利用者の健康状態を示す健康情報２ｂとして自動的にＷｉＦｉ等の通知手段によって運動管理装置１の入力部１０に通知され、履歴情報格納部３０に利用者毎に設定、格納される（ステップ２）。その際、利用者を示すユーザＩＤも健康情報２ｂとともに運動管理装置１に通知される。

また、利用者は、例えば、体重を減らすために、運動の実施として散歩を行うが、その運動量管理に歩数計６ａを用いている。この歩数計６ａは、歩数だけでなく、ＧＰＳ機能、速度センサー、温度センサー、通信機能を備えている。この歩数計６ａは、専用ハードウェアだけでなく、携帯電話等に専用ソフトウェアを搭載することよっても実現される。運動中、この歩数計６ａから、ユーザＩＤ、観測日時と運動情報（歩数、速度）、環境情報（位置、温度）が定期的（１秒おき等）に運動管理装置１の入力部１０に通知され、履歴情報格納部３０に利用者毎に設定、格納される（ステップ３）。

図５は、図３に示した履歴情報格納部３０に格納された情報を示す図である。

図５に示すように、履歴情報格納部３０には、上記のように通知されてきた属性情報２ａ、健康情報２ｂ、運動情報２ｃ及び環境情報２ｄが、利用者毎に格納されている。

その後、分析部２０において、上記のように入力部１０にて受け付けられた情報に基づいて、オンライン機械学習等を用いて運動推奨情報３を導出するための分析モデルの構築と推奨内容の分析が行われる。分析モデルの構築では、入力されたある利用者の運動情報２ｃと、その利用者の属性情報２ａ及び直近の体重値等の健康情報２ｂをあわせて分析部２０への入力情報として、分析モデルが学習される。学習には、本利用者及び他の利用者の過去の属性情報２ａ、健康情報２ｂ、運動情報２ｄも参照される。

また、利用者数が多くなった場合、非常に大量のデータがシステムに集中することになる。こうした大量のデータに対して、オンライン機械学習を効率よく処理するためにはJubatus等のオンライン機械学習の基盤システムが必要となる。

図６は、図３に示した分析部２０にて構築された分析モデルの例を示す図である。

図６に示すように、分析部２０にて構築された分析モデルは、各テーブルが年齢幅、性別、身長幅、体重幅、温度幅の組み合わせ毎となっており、分析モデル格納部４０にて第２のデータベースに格納されている。そして、各テーブルでは、各条件（条件０，１，…，Ｎ，…）が、歩数幅、移動速度幅、勾配の組み合わせによって定義されており、利用者毎の各条件における運動の実施に伴って生じた効果（例：体重削減効果）が５段階評価として記録されている。この評価値は、運動した後に体重計に乗った際に、運動前の状態と比較して、その差分から評価される。すなわち、運動情報２ｃによって示される運動の実施に伴う、健康情報２ｂによって示される利用者の健康状態の変化が分析されることになる（ステップ４）。運動推奨の際には、他の利用者と効果に関する類似性が近傍探索（協調フィルタリング）等によって分析され、図中「値なし」となっている箇所が、類似する利用者の値に基づいて予測される。その結果、利用者にとって最も効果の高い運動条件が運動推奨情報３として導出され（ステップ５）、その運動推奨情報３が歩数計６ａに通知される（ステップ６）。例えば、図５に示した利用者ＩＣＨＩＲＯが温度１８℃で運動を実施しているとき、図６に示した２番目の分析モデル（分析モデル２）が選択され、そこで利用者間の類似度が分析され、仮に、最も類似度の高い利用者がＴＡＲＯであったとすると、ＴＡＲＯの中で運動の実施に伴って生じた効果が最も高かった条件Ｎ（中勾配の道を歩数３０００歩分、時速１０ｋｍで歩く）がＩＣＨＩＲＯに推薦されることになる。すなわち、分析部２０においては、ある利用者について、所定の条件の運動についての分析モデルが分析モデル格納部４０に格納されていない場合、他の条件の運動についての分析モデルがその他の条件の運度についての当該利用者の分析モデルに類似した他の利用者の当該所定の条件の運動についての分析モデルを用いて運動推奨情報が導出されることになる。この際、分析部２０においては、歩数計６ａから取得した利用者の位置情報と勾配データとに基づいて、位置情報によって示される利用者の現時点の位置から中勾配となるルートを自動的に選択したり、中勾配がない場合は、「勾配なし」となっている条件から最良のものを推薦したりする等のバリエーションが考えられ、そのルートにおける移動が推奨されることになる。

（他の実施の形態）
図７は、図２に示した運動管理装置１の他の実施の形態を示す図である。

図７に示すように、本形態においては、図３に示したものに対して、運動管理装置１に血圧計５ｂが接続可能に構成されている点のみが異なるものである。

本形態においては、利用者が血圧計５ｂを装着し、健康情報２ｂとして利用者の血圧値も運動管理装置１に定期的に通知され、分析部２０において、変化する血圧値も含めて分析モデルが学習され、利用者に適した運動推奨情報３が導出される。なお、腕時計式歩数計の中に血圧計を装備する構成も考えられる。

図８は、図７に示した例において履歴情報格納部３０に格納された情報を示す図である。

図８に示すように、図７に示した例においては、履歴情報格納部３０には、図５に示したものに加えて、血圧計５ｂにて測定された血圧値が利用者毎に格納されている。

図９は、図７に示した例において分析部２０にて構築された分析モデルの例を示す図である。

図９に示すように、図７に示した例においては、分析部２０にて構築された分析モデルは、各テーブルが年齢幅、性別、身長幅、体重幅、温度幅、さらには、血圧値の幅の組み合わせ毎となっている。

図１０は、図２に示した運動管理装置１の他の実施の形態を示す図である。

図１０に示すように、本形態においては、図３に示したものに対して、運動管理装置１に歩数計６ａの代わりに自転車走行計６ｂが接続可能に構成されている点のみが異なるものである。

本形態においては、利用者が自転車で走行し、運動情報２ｃとして利用者の走行距離が運動管理装置１に定期的に通知され、分析部２０において、走行距離も含めて分析モデルが学習され、利用者に適した運動推奨情報３が導出される。

図１１は、図１０に示した例において履歴情報格納部３０に格納された情報を示す図である。

図１１に示すように、図１０に示した例においては、履歴情報格納部３０には、図５に示した歩数の代わりに、自転車走行計６ｂにて測定された走行距離が利用者毎に格納されている。

図１２は、図１０に示した例において分析部２０にて構築された分析モデルの例を示す図である。

図１２に示すように、図１０に示した例においては、分析部２０にて構築された分析モデルは、自転車走行計６ｂにて測定された走行距離が条件として加えられている。

図１３は、図２に示した運動管理装置１の他の実施の形態を示す図である。

図１３に示すように、本形態においては、図３に示したものに対して、運動管理装置１に歩数計６ａの代わりに、フィットネスクラブに設置されたエクササイズマシン６ｃが接続可能に構成されている点のみが異なるものである。

本形態においては、利用者がエクササイズマシン６ｃで運動し、運動情報２ｃとして利用者の運動量が運動管理装置１に定期的に通知され、分析部２０において、利用者の運動量も含めて分析モデルが学習され、利用者に適した運動推奨情報３が導出され、その運動推奨情報３がエクササイズマシン６ｃに通知、表示される。

また、利用者が、摂取カロリーをＰＣ４ａに入力し、この情報が健康情報２ｂとして運動管理装置１に通知され、摂取カロリーも含めて分析する構成とすることも考えられる。

このように、本発明の運動管理装置１を用いることにより、属性情報２ａ、健康情報２ｂ、運動情報２ｃ及び環境情報２ｄからなるユーザ情報２を連携させて、利用者にとってより適切な運動推奨情報３を分析する分析モデルの学習、及び該分析モデルに基づく運動推奨情報３の導出、提示が可能となり、その結果、健康への影響を考慮した健康管理や運動計画の立案が可能となる。また、分析モデルの学習、及び運動推奨情報３の分析にあたり、オンライン機械学習技術を用いることで、リアルタイムに変化するユーザ情報２に係るデータ（体重や血圧、温度、湿度等）を即時適用した運動推奨情報の導出によって、運動計画をリアルタイムに更新し、推薦できるため、利用者は簡単に効率のいいエクササイズが可能となる。

なお、本発明においては、運動管理装置内の処理は上述の専用のハードウェアにより実現されるもの以外に、その機能を実現するためのプログラムを運動管理装置にて読取可能な記録媒体に記録し、この記録媒体に記録されたプログラムを運動管理装置に読み込ませ、実行するものであっても良い。運動管理装置にて読取可能な記録媒体とは、ＩＣカードやメモリカード、あるいは、フロッピーディスク（登録商標）、光磁気ディスク、ＤＶＤ、ＣＤ等の移設可能な記録媒体の他、運動管理装置に内蔵されたＨＤＤ等を指す。この記録媒体に記録されたプログラムは、例えば、制御ブロックにて読み込まれ、制御ブロックの制御によって、上述したものと同様の処理が行われる。

１ 運動管理装置
２ ユーザ情報
２ａ 属性情報
２ｂ 健康情報
２ｃ 運動情報
２ｄ 環境情報
３ 運動推奨情報
４ ユーザ端末
４ａ ＰＣ
５ 健康機器
５ａ 体重計
５ｂ 血圧計
６ 運動／環境測定機器
６ａ 歩数計
６ｂ 自転車走行計
６ｃ エクササイズマシン
１０ 入力部
２０ 分析部
３０ 履歴情報格納部
４０ 分析モデル格納部
５０ 運動推奨情報通知部

Claims (8)

1. 利用者の属性情報と、利用者の健康状態を示す健康情報と、利用者が実施した運動を示す運動情報とを利用者毎に格納する履歴情報格納手段と、
   利用者に適した運動を推奨する運動推奨情報を導出するための分析モデルを格納する分析モデル格納手段と、
   前記履歴情報格納手段に格納された健康情報及び運動情報を用いて、前記運動情報によって示される運動の実施に伴う、前記健康情報によって示される利用者の健康状態の変化を分析した結果と、前記分析モデル格納手段に格納された分析モデルとを用いて前記運動推奨情報を導出する分析手段とを有する運動管理装置。
2. 請求項１に記載の運動管理装置において、
   前記履歴情報格納手段は、利用者が運動を実施した環境を示す環境情報を前記健康情報及び運動情報とともに利用者毎に格納し、
   前記分析手段は、前記履歴情報格納手段に格納された健康情報、運動情報及び環境情報を用いて、前記環境情報によって示される環境下における、前記運動情報によって示される運動の実施に伴う、前記健康情報によって示される利用者の健康状態の変化を分析した結果と、前記分析モデル格納手段に格納された分析モデルとを用いて前記運動推奨情報を導出する運動管理装置。
3. 請求項１または請求項２に記載の運動管理装置において、
   前記分析手段は、前記履歴情報格納手段に格納された健康情報及び運動情報を用いて、前記運動情報によって示される運動の実施に伴う、前記健康情報によって示される利用者の健康状態の変化を分析した結果を前記分析モデルとして前記分析モデル格納手段に格納する運動管理装置。
4. 請求項１乃至３のいずれか１項に記載の運動管理装置において、
   前記分析手段は、利用者について、所定の条件の運動についての分析モデルが前記分析モデル格納手段に格納されていない場合、他の条件の運動についての分析モデルが当該他の条件の運度についての当該利用者の分析モデルに類似した他の利用者の当該所定の条件の運動についての分析モデルを用いて前記運動推奨情報を導出する運動管理装置。
5. 請求項１乃至４のいずれか１項に記載の運動管理装置において、
   前記分析手段にて導出した運動推奨情報を利用者に通知する運動推奨情報通知手段を有する運動管理装置。
6. 請求項５に記載の運動管理装置において、
   前記分析手段は、利用者の現在の位置情報を取得し、当該位置情報によって示される位置からの前記運動推奨情報に応じた移動を推奨する運動管理装置。
7. 利用者の属性情報と、利用者の健康状態を示す健康情報と、利用者が実施した運動を示す運動情報とを利用者毎に第１のデータベースに格納する履歴情報格納処理と、
   利用者に適した運動を推奨する運動推奨情報を導出するための分析モデルを第２のデータベースに格納しておく分析モデル格納処理と、
   前記第１のデータベースに格納された健康情報及び運動情報を用いて、前記運動情報によって示される運動の実施に伴う、前記健康情報によって示される利用者の健康状態の変化を分析した結果と、前記第２のデータベースに格納された分析モデルとを用いて前記運動推奨情報を導出する分析処理とを有する運動管理方法。
8. コンピュータに、
   利用者の属性情報と、利用者の健康状態を示す健康情報と、利用者が実施した運動を示す運動情報とを利用者毎に第１のデータベースに格納する履歴情報格納手順と、
   利用者に適した運動を推奨する運動推奨情報を導出するための分析モデルを第２のデータベースに格納しておく分析モデル格納手順と、
   前記第１のデータベースに格納された健康情報及び運動情報を用いて、前記運動情報によって示される運動の実施に伴う、前記健康情報によって示される利用者の健康状態の変化を分析した結果と、前記第２のデータベースに格納された分析モデルとを用いて前記運動推奨情報を導出する分析手順とを実行させるためのプログラム。

Images