JP2013149104A - Action estimation device - Google Patents
Action estimation device Download PDFInfo
- Publication number
- JP2013149104A JP2013149104A JP2012009409A JP2012009409A JP2013149104A JP 2013149104 A JP2013149104 A JP 2013149104A JP 2012009409 A JP2012009409 A JP 2012009409A JP 2012009409 A JP2012009409 A JP 2012009409A JP 2013149104 A JP2013149104 A JP 2013149104A
- Authority
- JP
- Japan
- Prior art keywords
- unit
- division
- action
- actions
- order
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
Description
本発明の実施形態は、行動推定装置に関する。 Embodiments described herein relate generally to a behavior estimation apparatus.
従来、加速度センサからの情報によって利用者の移動状況を特定し、当該特定された移動状況に応じて適切な処理を行う情報処理装置が知られている。 2. Description of the Related Art Conventionally, there is known an information processing apparatus that identifies a user's movement status based on information from an acceleration sensor and performs appropriate processing according to the identified movement status.
しかしながら、位置や加速度などに代表される様々なセンシング情報から、「歩行」、「座位」などの基本動作を特定することが可能であっても、推定した基本動作に対し、基本動作の組合せからなる複雑な上位行動を推定して割り当てることは困難であった。 However, even if it is possible to identify basic motions such as “walking” and “sitting” from various sensing information represented by position and acceleration, etc. It was difficult to estimate and assign complex upper-level actions.
実施形態の行動推定装置は、変化情報取得部と、第1の推定部と、記憶部と、第2の推定部と、分割決定部と、を有する。変化情報取得部は、行動者の行動に応じて変化する変化情報を取得する。第1の推定部は、変化情報に基づいて、行動者の時系列に並ぶ複数の基本動作を推定する。記憶部は、基本動作の組合せにより構成される上位行動を予め定められた順序でk個(kは2以上の整数)含む業務フローを記憶する。第2の推定部は、予め定められた期間に含まれる複数の基本動作の上位行動における確率分布に基づいて、第1の推定部が推定した基本動作が組合されて構成される上位行動を当該基本動作ごとに暫定上位行動として推定する。分割決定部は、業務フローに基づいて、時系列に並ぶ複数の暫定上位行動を、時系列に並ぶk個のグループに分割し、グループそれぞれに、順序に合わせて業務フローに含まれる上位行動を割り当てる。 The behavior estimation device according to the embodiment includes a change information acquisition unit, a first estimation unit, a storage unit, a second estimation unit, and a division determination unit. The change information acquisition unit acquires change information that changes according to the behavior of the actor. The first estimation unit estimates a plurality of basic actions arranged in a time series of the actor based on the change information. The storage unit stores a business flow including k pieces (k is an integer of 2 or more) in a predetermined order. The second estimator is configured to determine a higher-order action configured by combining the basic actions estimated by the first estimator based on a probability distribution of higher-order actions of a plurality of basic actions included in a predetermined period. Estimated as provisional higher level action for each basic action. The division determination unit divides a plurality of provisional higher-order actions arranged in a time series into k groups arranged in a time series based on the business flow, and assigns the upper actions included in the business flow in accordance with the order of each group. assign.
以下に添付図面を参照して、行動推定装置の実施の形態を詳細に説明する。図1は、実施形態にかかる行動推定装置1の構成を例示する構成図である。図1に示すように、行動推定装置1は、例えば複数の携帯端末2がネットワーク3を介して管理サーバ4に接続されることにより構成される。なお、実施の形態の行動推定装置1は、看護業務(医療業務)を例に説明するが、これに限られることなく、例えば機械の保守業務や引っ越し業務などの他の業務に適用されてもよい。
Embodiments of a behavior estimation device will be described in detail below with reference to the accompanying drawings. FIG. 1 is a configuration diagram illustrating the configuration of the
携帯端末2は、例えばスマートフォン(又は携帯電話)などのコンピュータとしての機能を備えた携帯端末装置である。携帯端末2は、例えば医療業務に従事する看護師及び医師などの行動者それぞれの腰に装着される。ネットワーク3は、例えばWi−Fi(登録商標)により相互接続性が保証されている複数のアクセスポイント30を有する無線LAN(Local Area Network)である。アクセスポイント30は、例えば第1病棟、第2病棟などにそれぞれ1つずつ配置されている。管理サーバ4は、例えばPC(Personal Computer)などであり、図2を用いて後述する機能を有する。なお、ネットワーク3は、全ての装置が互いに無線通信を行う構成であってもよいし、一部の装置が有線通信を行う構成であってもよい。
The
図2は、実施形態にかかる行動推定装置1の機能の概要を示す機能ブロック図である。携帯端末2は、制御部20、操作部22、検知部24、通信部26及び記憶部28を有する。
FIG. 2 is a functional block diagram illustrating an outline of functions of the
制御部20は、携帯端末2を構成する各部を制御する。操作部22は、例えばタッチパネルなどであり、携帯端末2に対するユーザの入力を受入れるとともに、携帯端末2による処理結果などを出力する。
The
検知部24は、例えば3軸の加速度センサであり、鉛直方向(y軸方向)、行動者の進行方向(z軸方向)及び行動者の進行方向に対してほぼ直交する水平方向(x軸方向)の加速度(3方向の加速度)を検知する。つまり、検知部24は、携帯端末2を装着された行動者それぞれの何らかの動作(行動)に応じて変化する加速度を検知し、制御部20に対して出力する。
The
通信部26は、例えばWi−Fi(登録商標)により相互接続性が保証されている無線通信機能を備えるとともに、最も近くに位置するアクセスポイント30を予め定められた時間間隔で特定し、特定したアクセスポイント30を示す情報を制御部20に対して出力する。
The
記憶部28は、図示しないROM(Read Only Memory)及びRAM(Random Access Memory)などを含み、携帯端末2が実行するプログラムや、携帯端末2がプログラムを実行する場合に使用するデータなどを記憶する。例えば、記憶部28は、加速度データ及びアクセスポイント情報を記憶する。
The
加速度データは、検知部24が検知した加速度に対して制御部20が検知時刻を対応付けたデータであり、行動者の行動に応じて時間とともに変化する変化情報の1つである(図3参照)。アクセスポイント情報(位置データ)は、携帯端末2ごとに位置と時刻を制御部20が対応付けたデータであり、行動者の行動に応じて時間とともに変化する変化情報の1つである(図3参照)。なお、携帯端末2(行動者)それぞれの位置は、例えば携帯端末2の最も近くに位置するアクセスポイント30の位置によって示される。
The acceleration data is data in which the
携帯端末2それぞれは、通信部26によって当該携帯端末2を特定するMACアドレス(Media Access Control address)などの情報と、加速度データ及び位置データとを予め定められた時間間隔(例えば10mSごと)で管理サーバ4に対して送信する。
Each
管理サーバ4は、通信部40、記憶部5、処理部6及び出力部42を有する。通信部40は、例えばWi−Fi(登録商標)により相互接続性が保証されている無線通信機能を備る。通信部40は、ネットワーク3を介して複数の携帯端末2それぞれが送信する複数の看護師及び医師それぞれの加速度データ及び位置データなどを個別に受信し、処理部6に対して出力する。つまり、管理サーバ4は、通信部40によって携帯端末2それぞれから変化情報を個別に取得する。出力部42は、例えばディスプレイなどの表示装置であり、処理部6の処理結果などを出力する。
The management server 4 includes a
記憶部5は、図3〜図8などを用いて後述する加速度データベース(加速度DB)51、位置データベース(位置DB)52、推定ルール53、基本動作データベース(基本動作DB)54、頻度分布データベース(頻度分布DB)55、暫定上位行動データベース(暫定上位行動DB)56、分割時刻データベース(分割時刻DB)57、業務フローデータベース(業務フローDB)58及び業務状況データベース(業務状況DB)59などを記憶する。そして、記憶部5は、後述する行動推定などの処理を行うための予め記憶しているデータを処理部6に対して出力するとともに、処理部6が処理を行った結果などを記憶する。なお、記憶部5は、HDD(Hard Disk Drive)、光ディスク、メモリカード、RAM(Random Access Memory)などの一般的に利用されているあらゆる記憶媒体により構成することができる。また、各DBは、物理的に異なる記憶媒体に記憶されてもよい。
The
処理部6は、第1管理部61、第1推定部62、第2管理部63、第2推定部64、第3管理部65、分割決定部66、名称付与部67、第4管理部68及び突発事象検出部69を有する。そして、処理部6は、通信部40が受信した加速度データ及び位置データなどを受入れ、記憶部5が記憶するデータを用いて次に示す処理などを行い、記憶部5及び出力部42に対して出力する。
The processing unit 6 includes a
処理部6が行う処理は、加速度DB51及び位置DB52を作成する処理、加速度DB51及び位置DB52から基本動作(および基本動作系列データw)を推定する処理、基本動作系列データwから暫定上位行動系列データZを推定する処理、暫定上位行動系列データZを上位行動数に分割する処理、分割された暫定上位行動系列データZそれぞれに上位行動の名称を付与して管理する処理、及び暫定上位行動系列データZから突発事象を検出する処理の6つに大別される。
The processing performed by the processing unit 6 includes processing for creating the acceleration DB 51 and the
まず、処理部6が加速度DB51及び位置DB52を作成する処理について説明する。第1管理部61は、例えば通信部40が10mSごとに受信した加速度データ及び位置データなどを受入れる。第1管理部61は、加速度データ及び位置データから、ノイズデータを除去するノイズ処理や一定時間内の中央値を算出するなどの前処理を行う。第1管理部61は、前処理を行った加速度データ及び位置データを、記憶部5の加速度DB51及び位置DB52にそれぞれ格納して管理する。なお、第1管理部61は、ノイズ処理及び前処理を行わなくてもよい。また、第1管理部61は、加速度データに対して平均値算出、頻度計算又はフーリエ変換などの処理を行うものであってもよい。
First, processing in which the processing unit 6 creates the acceleration DB 51 and the
図3は、加速度DB51及び位置DB52の構成を示す概念図である。図3(a)に示すように、加速度DB51は、時刻の経過と変化する加速度とが行動者ごとにそれぞれ対応付けられている。
FIG. 3 is a conceptual diagram showing the configuration of the acceleration DB 51 and the
また、図3(b)に示すように、位置DB52は、携帯端末2(行動者)それぞれの位置(アクセスポイント30)を特定した時刻と、アクセスポイント30それぞれに対応する固有のID名(例えば病棟名)と、携帯端末2それぞれのMACアドレスとが対応付けられたデータベースである。つまり、位置DB52は、MACアドレスで特定される携帯端末2(行動者)が、ID名で特定されるアクセスポイント30の近くにいる時刻をそれぞれ時系列に示している。
Further, as shown in FIG. 3B, the
次に、処理部6が加速度DB51及び位置DB52から基本動作(および基本動作系列データw)を推定する処理について説明する。第1推定部62は、第1管理部61を介して予め決められた一定時間の加速度DB51及び位置DB52を受入れ、記憶部5に予め記憶されている推定ルール53(図4)を読み出して、行動者それぞれの基本動作を推定し、第2管理部63に対して出力する。ここで、基本動作とは、「歩行」、「走行」、「立位」、「座位」、「臥位」などの基本的な動作(単純な動作)を示す。
Next, processing in which the processing unit 6 estimates basic motion (and basic motion sequence data w) from the acceleration DB 51 and
図4は、推定ルール53を例示する図表である。推定ルール53は、加速度データ及び位置データを用いて行動者の基本動作を推定するための判定ルールである。例えば、図4の第1行目における「AP(t)=1&Ave(AccY(t))≦100&Ave(|AccY(t)-AccY(t-1)|)>50→walking」は、「時刻tにおいて第1病棟に滞在し、且つy軸方向の加速度の平均値が100以下であり、且つ時刻tと時刻t−1におけるy軸方向の加速度の変化量の平均値(絶対値)が50より大きければ、歩行している」と判定するルールを表している。なお、推定ルール53は、図4に例示したように設計者によって予め作成されたルールであってもよいし、ニューラルネットなどの機械学習手法を用いて作成されるルールであってもよい。
FIG. 4 is a chart illustrating the
そして、第1推定部62は、予め決められた一定時間の加速度データ、位置データに対して推定ルール53を適用し、図5に示したように行動者それぞれに対して時系列に並ぶ基本動作の列(基本動作系列データw)を作成し、第2管理部63に対して出力する。
Then, the
第2管理部63は、第1推定部62から受入れた基本動作系列データwを基本動作DB54に格納して管理する。
The
次に、処理部6が基本動作系列データwから暫定上位行動系列データZを推定する処理について説明する。第2推定部64は、第2管理部63を介して基本動作系列データwを受入れ、頻度分布DB55を用いて暫定上位行動が時系列に配列された暫定上位行動系列データZを推定し、第3管理部65に対して出力する。なお、暫定上位行動は、行動推定装置1が最終的に名称を付与する上位行動とは一致しないことがある暫定的な上位行動であり、図6〜図12を用いて例示するなどして後述する。
Next, a process in which the processing unit 6 estimates the provisional higher-order action series data Z from the basic action series data w will be described. The
ここで、第2推定部64は、まず、第2管理部63を介して基本動作DB54から予め決められた一定期間の基本動作系列データwを読み出す。
Here, the
そして、第2推定部64は、図6に例示するように、基本動作系列データwに対し、暫定上位行動系列データZを推定する。図6の詳細については後述する。具体的には、第2推定部64は、頻度分布DB55が予め記憶している基本動作の頻度分布(基本動作の上位行動における確率分布:図7参照)を読み出し、読み出した基本動作の頻度分布に基づいてトピックモデルを適用し、暫定上位行動系列データZを生成する。
Then, as illustrated in FIG. 6, the
第2推定部64は、トピックモデルを適用するにあたり、最初に基本動作系列データw={wi}を予め決められた固定時間窓でD個に分割し、動作データd=d1,d2,・・・dDを作成する。そして、第2推定部64は、動作データdを用いて、ある特定の基本動作wiに対して割り当てられる上位行動がj(Zi=j)である確率を下式1の条件付き確率により算出する。
In applying the topic model, the
ここで、CWTは基本動作と上位行動の頻度行列(W×T)を表し、CDTは動作データと上位行動の頻度行列(D×T)を表す。W、D、Tは、それぞれ基本動作数、動作データ数、上位行動数を表す。α、βは、それぞれ設計者が設定するパラメータを表す。 Here, C WT represents a frequency matrix (W × T) of basic motion and upper action, and C DT represents a frequency matrix (D × T) of motion data and upper action. W, D, and T represent the number of basic actions, the number of action data, and the number of upper actions, respectively. α and β represent parameters set by the designer.
第2推定部64は、式1により算出される条件付き確率の値が最大となる上位行動jを基本動作wiに対して割り当てる。つまり、第2推定部64は、基本動作それぞれに対する上位行動を一意に決定する。ただし、ここで第2推定部64が基本動作それぞれに対して決定する上位行動は暫定的に上位行動を示す暫定上位行動(ラベル)として示されており、名称付与部67(後述)が最終的に名称を付与する上位行動と一致しないことがある。
The
なお、第2推定部64は、式1による算出と基本動作に対する上位行動の割り当てとに対し、変分ベイズやギブスサンプリングなどの近似計算方法を利用してもよい。以下、第2推定部64が決定した上位行動を暫定上位行動とする。また、暫定上位行動を単にラベルと記すことがある。
Note that the
基本動作に対して暫定上位行動jが一意に決定されると、暫定上位行動jは、下式2に示すように、基本動作wiの確率分布P(w,z)=φjとして表現される。
When the provisional upper action j is uniquely determined for the basic action, the provisional upper action j is expressed as a probability distribution P (w, z) = φ j of the basic action w i as shown in the
図6は、第2推定部64が暫定上位行動を推定(決定)する具体例を示す図表である。図6に示すように、基本動作は、例えば{静止、歩行、走行、屈位、エレベータ}の5種類の要素を有する基本動作集合のいずれかの要素であるとする。例えば、第2推定部64は、第2管理部63を介して基本動作DB54から予め決められた一定期間の佐藤看護師の基本動作系列データw(w1〜w16)を読み出す。
FIG. 6 is a chart illustrating a specific example in which the
そして、第2推定部64は、基本動作系列データwを予め決められた固定時間窓ごとに分割して4個の動作データd=d1,d2,d3,d4を作成し、作成した動作データに対してトピックモデルを適用することによって暫定上位行動系列データZを生成する。
Then, the
暫定上位行動系列データZ(ラベル系列データZ)では、1つの基本動作に対して1つのラベルが割り当てられている。つまり、基本動作系列データwとラベル系列データZとは、基本動作(又はラベル)を単位として対応している。例えば、基本動作w1(静止)に対してはラベルZ1が割り当てられている。したがって、ラベル系列データZは、例えばZ1,・・・,Z6の6種類のラベルのいずれかが基本動作ごとに割り当てられ、ラベルが時系列に並べられたものである。 In the provisional upper action sequence data Z (label sequence data Z), one label is assigned to one basic operation. That is, the basic motion sequence data w and the label sequence data Z correspond to each other with the basic motion (or label) as a unit. For example, the label Z 1 is assigned to the basic operation w 1 (stationary). Therefore, in the label series data Z, for example, any of six types of labels Z 1 ,..., Z 6 is assigned for each basic operation, and the labels are arranged in time series.
各ラベル(Z1,・・・,Z6)は、図7に棒グラフで例示するように、2式の確率分布P(w,z)=φjによって表現される。例えば生成されたラベルのひとつであるZ1は、静止(0.5)、歩行(0.25)、屈位(0.1)、走行(0.1)、エレベータ(0.05)の順に基本動作の出現の確率が高いラベルであると表現される。各ラベルの確率分布P(w,z)は、上述した頻度分布DB55が予め記憶している。 Each label (Z 1 ,..., Z 6 ) is expressed by two probability distributions P (w, z) = φ j as illustrated by a bar graph in FIG. For example, Z 1 which is one of the generated labels is stationary (0.5), walking (0.25), bending position (0.1), running (0.1), elevator (0.05) in this order. It is expressed as a label that has a high probability of appearance of a basic action. The probability distribution P (w, z) of each label is stored in advance in the frequency distribution DB 55 described above.
第3管理部65は、第2推定部64から受入れたラベル系列データZを暫定上位行動DB56に格納して管理する。
The
次に、処理部6がラベル系列データZを上位行動数に分割する処理について説明する。分割決定部66は、分割部660、平均情報量算出部662、類似度算出部664、評価部666及び決定部668を有する。
Next, processing in which the processing unit 6 divides the label series data Z into the number of higher actions will be described. The
まず、分割決定部66は、業務フローDB58から業務フロー情報を読み出す。業務フローDB58は、予め業務フロー情報を記憶しているデータベースである。業務フロー情報は、例えば「申し送り」、「褥瘡回診」、「オペ送り」などの看護業務(最終的な上位行動)の予め決められた業務名称(上位行動名称)、業務順序(上位行動順序)及び業務数(上位行動数)を含む情報である。つまり、業務フローDB58は、基本動作の組合せにより構成される上位行動を予め定められた順序でk個(kは2以上の整数)含む業務フローを記憶している。なお、業務フローDB58は、業務フロー情報に代えて、予め順序が定められた行動順序情報を記憶してもよい。例えば、行動順序情報は、行動名称、行動順序及び行動数を抽出可能な情報である。
First, the
そして、分割決定部66は、第3管理部65を介して暫定上位行動DB56からラベル系列データZを受入れ、分割していないラベル系列データZ(=X0)を最初に評価する。
Then, the
例えば、図8に示すように、分割決定部66は、「申し送り」、「褥瘡回診」、「オペ送り」の上位行動名称、上位行動順序及び上位行動数(=3)を含む業務フロー情報を読み出す。そして、分割決定部66は、暫定上位行動DB56から受入れたラベル系列データZに対し、業務フロー情報に従って、最初のラベルであるZ2に「申し送り」を割り当て、Z2に続くラベルであるZ1に「褥瘡回診」を割り当て、Z1に続くラベルであるZ3に「オペ送り」を割り当てた場合の平均情報量を平均情報量算出部662によって算出する。
For example, as illustrated in FIG. 8, the
ここで、平均情報量算出部662は、分割していないラベル系列データX0の平均情報量IX0を下式3により算出する。
Here, the average information
3式において、Kは、ラベルの種類の数である。Sは、平均情報量の算出対象となるラベルの総数である。freq(Zj,S)は、ラベルZjのSにおける出現頻度を表す。
In
図8に示した例では、分割していないラベル系列データX0は、K=3、S=10、freq(Z1,10)=5、freq(Z2,10)=2、freq(Z3,10)=3となる。そして、分割決定部66は、下式4に示すように、分割していないラベル系列データX0の平均情報量IX0=1.485を得る。なお、平均情報量の算出結果は、適宜端数処理されている。
In the example shown in FIG. 8, the label series data X 0 that is not divided includes K = 3, S = 10, freq (Z 1 , 10) = 5, freq (Z 2 , 10) = 2, freq (Z 3 , 10) = 3. Then, the
次に、分割決定部66は、ラベルを単位としてラベル系列データZを分割する分割ポイントXnを順次に設定し、分割ポイントXnで分割されたラベル系列データZ(=Xn)の平均情報量を下式5により算出する。
Next, the
5式において、nは時系列にn番目のラベルの後を分割ポイントXnとしたことを示す。また、Kは、平均情報量の算出対象となるラベルの種類の数である。Mは、分割された後のラベル系列データZの数である。Smは、分割された後の時系列にm番目のグループである。|Sm|は、Smの平均情報量の算出対象となるラベルの総数である。freq(Zj,Sm)はラベルZjのSmにおける出現頻度を表す。
In
例えば、1つの分割ポイントXnでラベル系列データZが2つに分割される場合(M=2)、分割されたラベル系列データXnの平均情報量は、分割ポイントXnの前後それぞれの平均情報量の和となる。また、2つの分割ポイントで分割される場合には、M=3となる。 For example, when the label sequence data Z is divided into two at one division point Xn (M = 2), the average information amount of the divided label sequence data Xn is the average information amount before and after the division point Xn. Become sum. In the case of division at two division points, M = 3.
図9に示した例では、平均情報量算出部662は、ラベル系列データZに対して、時系列の順で最も早期(1番目のラベルの後)を分割ポイントX1(分割X1)に設定し、ラベル系列データX1の平均情報量IX1を算出している。
In the example illustrated in FIG. 9, the average information
図9においては、ラベル系列データZが2つに分割されているので、M=2である。この場合、分割ポイントX1以前のラベル系列データ(1つ目のグループ:分割データ)は、1つのラベルZ2のみから構成されるため、|S1|=1、freq(Z2,S1)=1となって真数が1になり、平均情報量が0となる。 In FIG. 9, since the label series data Z is divided into two, M = 2. In this case, since the label series data (first group: divided data) before the dividing point X 1 is composed of only one label Z 2 , | S 1 | = 1, freq (Z 2 , S 1 ) = 1, the true number becomes 1, and the average information amount becomes 0.
一方、分割ポイントX1以後のラベル系列データ(2つ目のグループ:分割データ)は、3つのラベルZ1、Z2、Z3が含まれるため、K=3、|S2|=9、freq(Z1,S2)=5、freq(Z2,S2)=1、freq(Z3,S2)=3となる。 On the other hand, since the label series data after the division point X 1 (second group: divided data) includes three labels Z 1 , Z 2 , Z 3 , K = 3, | S 2 | = 9, freq (Z 1 , S 2 ) = 5, freq (Z 2 , S 2 ) = 1, and freq (Z 3 , S 2 ) = 3.
よって、図9に示した例では、1番目のラベルの後を分割ポイントX1に設定されたラベル系列データX1の平均情報量IX1は、下式6のように算出される。 Therefore, in the example shown in FIG. 9, the average information amount I X1 of the label series data X 1 set after the first label as the division point X 1 is calculated as in the following formula 6.
そして、分割決定部66は、評価部666によって分割ポイントの設定前及び各分割ポイントで分割したラベル系列データZの平均情報量を比較することにより、分割ポイントの良さを評価する。評価部666は、平均情報量が正の最小値となる分割ポイントでラベル系列データZを分割することが最良の分割であると評価する。
Then, the
なお、分割決定部66は、平均情報量に代えてカイ二乗値やジニ係数などの他の値を算出し、算出結果を評価部666が評価するように構成されてもよい。
The
さらに、分割決定部66は、複数の行動者のラベル系列データZを読み出し、複数の行動者間で分割ポイントの前後における所定期間(予め設定する可変の時間)のラベル系列データの類似度を類似度算出部664により算出する。類似度算出部664は、例えばカルバックライブラ情報量を算出することにより、類似度を算出する。
Furthermore, the
図10(a)に示した例では、2番目のラベルの後を分割ポイントX2(分割X2)に設定されたラベル系列データX2の平均情報量IX2は、0.764になっている。例えば、類似度算出部664は、看護師A及び看護師Bの2番目のラベルの後の所定期間におけるラベルの確率分布の類似度を下式7により算出する。
In the example shown in FIG. 10A, the average information amount I X2 of the label series data X 2 set to the division point X 2 (division X 2 ) after the second label is 0.764. Yes. For example, the
ここで、Nは、所定期間(予め設定する可変の時間)を表す。xiは、時間iの上位行動zi=jにおける基本動作の確率分布φjを表す。 Here, N represents a predetermined period (a preset variable time). x i represents the probability distribution φ j of the basic action in the upper action z i = j at time i .
7式で類似度を算出した結果として、看護師A及び看護師Bの2番目のラベルの後の所定期間におけるラベルの確率分布の類似度が高く、且つ看護師Bの上位行動が明らかになっている場合には、評価部666は、看護師Aのラベル系列データZに対し、看護師Bの分割ポイントと同じ時刻の分割ポイントを最良の分割ポイントであると評価する。
As a result of calculating the similarity with the formula 7, the similarity of the probability distribution of the label in the predetermined period after the second label of the nurse A and the nurse B is high, and the upper behavior of the nurse B is clarified. If it is, the
看護師A及び看護師Bにおいて、ラベル系列データの確率分布の類似度が高い場合には、看護師A及び看護師Bが共同で(協調して)同一の上位行動を行っていることが考えられる。具体的には、分割決定部66は、看護師Bの分割ポイントが連続するラベルZ3の前(分割ポイントX8)であることが明らかである場合、ラベル系列データの確率分布の類似度が高い看護師Aに対し、図10(b)に示すように、分割ポイントを分割ポイントX8に変更する。つまり、分割決定部66は、看護師Bの上位行動が明らかになっている場合などに、看護師Bのラベル系列データZに対して類似度が高い看護師Aのラベル系列データZの分割ポイントを看護師Bの分割ポイントと同じ時刻に合わせる調整を行う。
If nurse A and nurse B have a high degree of similarity in the probability distribution of the label series data, it is possible that nurse A and nurse B are jointly (cooperatively) performing the same superior action. It is done. Specifically,
なお、類似度算出部664は、カルバックライブラ情報量に代えて、例えばユークリッド距離などによって類似度を算出するように構成されてもよい。
Note that the
評価部666は、最終的には、行動者のラベル系列データZの分割の良さを評価するために、当該行動者のラベル系列データZを分割して算出する平均情報量と、当該行動者及び他の行動者のラベル系列データZの類似度の両方を用いる。
The
すなわち、評価部666は、下式8に例示するように、平均情報量とカルバックライブラ情報量の和を分割ポイントXnの評価値Exnとする。
That is, the
ここで、αは、予め設定される係数であって、0≦α≦1の条件を満たす。そして、評価部666は、8式で算出される評価値Exnが正の最小値となる分割ポイントXnを最良の分割ポイントであると評価する。
Here, α is a coefficient set in advance and satisfies the condition of 0 ≦ α ≦ 1. Then, the
また、分割決定部66は、分割ポイントの時刻を時系列順に変更し、それぞれの分割ポイントにおける平均情報量と類似度をそれぞれ算出し、8式に例示するように平均情報量と類似度の和からなる評価値をそれぞれ算出する。分割決定部66は、評価値を算出した各分割ポイントに対応する時刻を含む情報をそれぞれ分割時刻DB57に格納する。
In addition, the
図11は、分割ポイントを順次変更し、1つ目の最良の分割ポイントを特定する処理例を示す図表である。なお、図11に示した処理例においては、α=0(Exn=Ixn)としている。また、業務フロー情報は、「申し送り」、「褥瘡回診」、「オペ送り」の上位行動名称、上位行動順序及び上位行動数(=3)を含むものとする。 FIG. 11 is a chart showing a processing example for sequentially changing the division points and specifying the first best division point. In the processing example shown in FIG. 11, α = 0 (E xn = I xn ) is set. In addition, the business flow information includes the upper action names, the upper action order, and the upper action number (= 3) of “send delivery”, “decubitus round”, and “operate sending”.
まず、分割決定部66は、図11(a)に示すように、分割していないラベル系列データZに対し、業務フロー情報に従って、最初のラベルであるZ2に「申し送り」を割り当て、Z2に続くラベルであるZ1に「褥瘡回診」を割り当て、Z1に続くラベルであるZ3に「オペ送り」を割り当てた場合の平均情報量Ix0を平均情報量算出部662によって算出する。平均情報量Ix0は、1.485である。
First, as shown in FIG. 11 (a), the
次に、分割決定部66は、図11(b)に示すように、最初のラベルZ2の後を分割ポイントX1(分割X1)とし、分割したラベル系列データZに対し、平均情報量IX1を平均情報量算出部662によって算出する。平均情報量IX1は、1.216である。
Next, as illustrated in FIG. 11B, the
次に、分割決定部66は、図11(c)に示すように、2番目のラベルZ2の後を分割ポイントX2(分割X2)とし、分割したラベル系列データZに対し、平均情報量IX2を平均情報量算出部662によって算出する。平均情報量IX2は、0.764である。
Next, as illustrated in FIG. 11C, the
そして、分割決定部66は、時系列順に分割ポイントを変更し、図11(d)に示す9番目のラベルZ3の後を分割ポイントX9(分割X9)とし、分割したラベル系列データZに対し、平均情報量IX9を平均情報量算出部662によって算出する。平均情報量IX9は、1.292である。
Then, the
分割決定部66は、時系列順に分割ポイントを変更し、全ての分割ポイントにおける平均情報量IXnを算出すると、平均情報量IXnが正の最小値となる分割ポイントでラベル系列データZを分割することが最良の分割であると評価部666によって評価する。
The
平均情報量IX0〜平均情報量IX9においては、平均情報量IX2が正の最小値である。つまり、図11に示した処理例においては、図11(c)に示した分割ポイントX2(分割X2)が1つ目の最良の分割ポイントとなる。 In the average information amount I X0 to the average information amount I X9 , the average information amount I X2 is a positive minimum value. That is, in the processing example shown in FIG. 11, the division point X 2 (division X 2 ) shown in FIG. 11C is the first best division point.
分割決定部66は、図11に示した処理と同様の処理を分割データそれぞれに対しても行い、評価値Exnが正の値である間は分割ポイントを変更し続け、評価値Exnが最小となる分割ポイントを選択し続ける。つまり、分割決定部66は、分割データが同一のラベルのみから構成されたり、評価値Exnの値が改善しなくなる(ほぼ変化しなくなる)などの終了条件を満たすまで分割ポイントを変更し続け、分割ポイントそれぞれに対応する評価値Exn及び時刻を分割時刻DB57に格納し続ける。
そして、分割決定部66は、ラベル系列データZを分割した数(分割データ数)が上位行動数と一致すると、ラベル系列データZの分割を終了する。例えば、上位行動数が3である場合、分割決定部66は、2つの最良の分割ポイントを決定して、ラベル系列データZを分割した分割データ数が3になるまで(ラベル系列データZを3つに分割するまで)分割を繰り返す。
Then, the
図12は、再帰的に分割ポイントを順次変更し、2つ目の最良の分割ポイントを特定する処理例を示す図表である。なお、図12(a)に示した処理例は、図11に示した処理例によって1つ目の最良の分割ポイントを特定したものである。 FIG. 12 is a chart showing an example of processing for recursively changing the division points and specifying the second best division point. The process example shown in FIG. 12A specifies the first best division point by the process example shown in FIG.
図12(b)に示すように、ラベル系列データZは、分割ポイントX2により分割されると、分割データS1と分割データS2とに分けられる。上述したように、分割決定部66は、評価値Exnが正の値である間は分割ポイントを変更し続け、評価値Exnが最小となる分割ポイントを選択し続ける。ここで、分割データS1は、同一のラベルZ2のみから構成されているため、分割ポイントを新たに設定すべき位置(時刻)がない。したがって、分割決定部66は、分割データS1をこれ以上分割しない。
As shown in FIG. 12 (b), label series data Z, when divided by the dividing point X 2, is divided into the divided data S1 and the divided data S2. As described above, the
一方、分割データS2には、異なる種類のラベルが含まれている。また、ラベル系列データZを分割した分割データ数は、上位行動数より少ない。よって、分割決定部66は、分割データS2を再び分割する処理を行う。分割データS2に対して設定可能な分割ポイントそれぞれにおける評価値Exnは、下式9〜15に示すように算出される。
On the other hand, the divided data S2 includes different types of labels. Further, the number of divided data obtained by dividing the label series data Z is smaller than the number of upper actions. Therefore, the
そして、最小値である評価値Ex26=0.39が算出された分割ポイントX8が2つ目の最良の分割ポイントとなる。 The split point X 8 is second best split point of the evaluation value E x26 = 0.39 which is the minimum value is calculated.
決定部668は、評価部666が最良の分割ポイントと評価した分割ポイントそれぞれの時刻をラベル系列データZに対する最終的な分割時刻とする。そして、決定部668は、ラベル系列データZを最終的な分割時刻で分割した上位行動数の上位行動(分割データ)を決定する。また、決定部668は、最終的な分割時刻(分割時刻データ)を名称付与部67に対して出力する。
The
具体例としては、図12(c)に示すように、決定部668は、評価部666が最良の分割ポイントと評価した分割ポイントそれぞれの時刻t1、t2をラベル系列データZに対する最終的な分割時刻とする。そして、決定部668は、最終的な分割時刻t1、t2によってラベル系列データZを3つに分割した上位行動数の上位行動(分割データ)を決定する。また、決定部668は、最終的な分割時刻t1、t2を名称付与部67に対して出力する。
As a specific example, as shown in FIG. 12C, the
次に、処理部6が各分割データそれぞれに上位行動の名称を付与して管理する処理について説明する。まず、名称付与部67は、業務フローDB58から業務フロー情報を読み出し、最終的な分割時刻t1、t2を決定部668から受入れる。そして、名称付与部67は、分割時刻t1、t2と業務フロー情報とに従って、上位行動(又は分割データに対応する期間)それぞれに対して上位行動名称を上位行動順序に合わせて付与し、上位行動名称を付与した上位行動を示す情報(上位行動名称を付与したラベル系列データZなど)を第4管理部68に対して出力する。
Next, the process which the process part 6 gives and manages the name of a high-order action to each division | segmentation data is demonstrated. First, the
具体的には、名称付与部67は、例えば分割時刻t1までの上位行動に対して「申し送り」の上位行動名称を付与し、分割時刻t1から分割時刻t2までの上位行動に対して「褥瘡回診」の上位行動名称を付与し、分割時刻t2以後の上位行動に対して「オペ送り」の上位行動名称を付与する。
Specifically, the
第4管理部68は、上位行動名称を付与された上位行動を示す情報を受入れ、業務状況DB59に格納して管理する。
The
出力部42は、第4管理部68を介して上位行動名称(業務名称)を付与された上位行動(業務)を示す情報を受入れ、行動者ごとに上位行動を時刻に対応させて表示する。
The
図13は、出力部42が上位行動名称を付与された上位行動を表示する表示例である。図13に示すように、行動推定装置1は、行動者ごとに予定スケジュールと実際の業務状況とを対比させた結果を出力部42が表示するように構成されてもよい。
FIG. 13 is a display example in which the
次に、処理部6がラベル系列データZから突発事象を検出する処理について説明する。突発事象検出部69は、暫定上位行動DB56が記憶するラベル系列データZと、業務フローDB58が記憶する業務フロー情報とを受入れる。また、突発事象検出部69は、ラベル系列データZに含まれるラベルが、業務フロー情報に含まれる上位行動順序とは異なる順序で並んでいるか否かを判定する。そして、突発事象検出部69は、ラベル系列データZに含まれるラベルが上位行動順序とは異なる順序で並んでいると判定した場合には、当該異なる順序で並んでいるラベルを突発事象として検出する。
Next, processing in which the processing unit 6 detects a sudden event from the label series data Z will be described. The sudden
例えば、図8に示すように、分割決定部66が最初のラベルであるZ2に「申し送り」を割り当て、Z2に続くラベルであるZ1に「褥瘡回診」を割り当て、Z1に続くラベルであるZ3に「オペ送り」を割り当てた場合、突発事象検出部69は、連続しているZ1の間に並んでいるZ3を突発事象として検出する。
For example, as shown in FIG. 8, a label
突発事象検出部69は、突発事象を検出した場合、突発事象を示す情報を出力部42に対して出力する。出力部42は、突発事象を示す情報を受入れた場合、例えば突発事象の発生を示す情報を表示する。
When the sudden
また、突発事象検出部69は、名称付与部67が上位行動名称を付与した上位行動の動作期間中に、当該上位行動に対応するラベルとは異なるラベルが含まれているか否かを検出するように構成されてもよい。
In addition, the sudden
次に、行動推定装置1の全体動作について説明する。まず、図14を用いて携帯端末2の動作を説明し、次に図15及び図16を用いて管理サーバ4の動作を説明する。
Next, the overall operation of the
図14は、携帯端末2の動作を示すフローチャートである。図14に示すように、携帯端末2は、ステップ100(S100)において、検知部24によって行動者の動作に応じて変化する加速度(図3(a)参照)を検知し、通信部26によって行動者の位置(アクセスポイント情報:図3(b)参照)を検知する。
FIG. 14 is a flowchart showing the operation of the
ステップ102(S102)において、携帯端末2は、S100の処理で検知した情報を検知情報(加速度データ及び位置データ)として管理サーバ4へ送信する。
In step 102 (S102), the
なお、携帯端末2は、一定時間(例えば10mS)ごとにS100及びS102の処理を繰り返す。
In addition, the
図15は、基本動作を推定する場合に管理サーバ4が行う動作を示すフローチャートである。図15に示すように、ステップ200(S200)において、管理サーバ4は、携帯端末2が送信した検知情報(加速度データ及び位置データ)を通信部40によって受信する。
FIG. 15 is a flowchart illustrating an operation performed by the management server 4 when the basic operation is estimated. As illustrated in FIG. 15, in step 200 (S200), the management server 4 receives the detection information (acceleration data and position data) transmitted from the
ステップ202(S202)において、管理サーバ4は、検知情報を格納する。具体的には、第1管理部61が加速度データを加速度DB51に格納し、位置データを位置DB52に格納する。
In step 202 (S202), the management server 4 stores the detection information. Specifically, the
ステップ204(S204)において、第1推定部62は、検知情報を読込む。具体的には、第1推定部62は、第1管理部61を介して加速度データ及び位置データを読込む。
In step 204 (S204), the
ステップ206(S206)において、第1推定部62は、推定ルール53(図4)を読込む。
In step 206 (S206), the
ステップ208(S208)において、第1推定部62は、加速度DB51及び位置DB52から基本動作(および基本動作系列データw)を推定する(図5)。
In step 208 (S208), the
ステップ210(S210)において、第2管理部63は、基本動作DB54に基本動作系列データwを基本動作データとして格納する。
In step 210 (S210), the
図16は、業務状況を表示するために、管理サーバ4が基本動作データを用いて行う動作を示すフローチャートである。図16に示すように、ステップ300(S300)において、管理サーバ4は、基本動作DB54から基本動作系列データwを基本動作データとして読込む。
FIG. 16 is a flowchart showing an operation performed by the management server 4 using the basic operation data in order to display the business situation. As shown in FIG. 16, in step 300 (S300), the management server 4 reads basic motion sequence data w from the
ステップ302(S302)において、第2推定部64は、基本動作DB54及び頻度分布DB55を用いて、暫定上位行動(ラベル)を推定する。
In step 302 (S302), the
ステップ304(S304)において、第3管理部65は、暫定上位行動DB56にラベル系列データZをラベルデータとして格納する。
In step 304 (S304), the
ステップ306(S306)において、分割決定部66は、業務フローDB58から業務フロー情報を読込む。
In step 306 (S306), the
ステップ308(S308)において、分割決定部66は、業務フロー情報及び暫定上位行動DB56を用いて、ラベル系列データZに分割ポイントを設定する。
In step 308 (S308), the
ステップ310(S310)において、分割決定部66は、ラベル系列データZに対して平均情報量を平均情報量算出部662によって算出する。
In step 310 (S310), the
ステップ312(S312)において、分割決定部66は、評価部666によってラベル系列データZの平均情報量を比較(分割ポイントの良さを評価)する。
In step 312 (S312), the
ステップ314(S314)において、分割決定部66は、複数の行動者間で分割ポイントの前後における所定期間のラベル系列データの類似度を類似度算出部664により算出する。
In step 314 (S314), the
ステップ316(S316)において、分割決定部66は、平均情報量と類似度の両方を用いて、分割ポイントの良さを評価する。
In step 316 (S316), the
ステップ318(S318)において、分割決定部66は、分割ポイントの候補となるすべての候補ポイント(分割可能なポイント)に対して評価が終了したか否かを判断する。分割決定部66は、すべての候補ポイントに対して評価が終了したと判断した場合(S318:Yes)にはS320の処理に進む。また、分割決定部66は、すべての候補ポイントに対して評価が終了していないと判断した場合(S318:No)にはS308の処理に進む。
In step 318 (S318), the
ステップ320(S320)において、分割決定部66は、最良の分割ポイントを決定する。
In step 320 (S320), the
ステップ322(S322)において、分割決定部66は、分割を終了するための終了条件が満たされたか否かにより、分割データの再分割の必要性を判断する。分割決定部66は、終了条件が満たされず再分割が必要であると判断した場合(S322:Yes)にはS308の処理に進む。分割決定部66は、終了条件が満たされて再分割の必要性がないと判断した場合(S322:No)にはS324の処理に進む。
In step 322 (S322), the
ステップ324(S324)において、分割決定部66は、最終的な分割ポイントに対応するデータを分割時刻データとして分割時刻DB57に格納する。具体的には、分割決定部66は、図12に例示した分割時刻t1、t2などを分割時刻DB57に格納する。
In step 324 (S324), the
ステップ326(S326)において、名称付与部67は、分割時刻t1、t2と業務フロー情報とに従って、上位行動それぞれに対して上位行動名称(業務名称)を上位行動順序に合わせて付与する。
In step 326 (S326), the
ステップ328(S328)において、第4管理部68は、上位行動名称を付与された上位行動を示す情報を業務状況データとして業務状況DB59に格納する。
In step 328 (S328), the
ステップ330(S330)において、出力部42は、第4管理部68を介して上位行動名称(業務名称)を付与された上位行動(業務)を示す情報を受入れ、行動者ごとに上位行動を時刻に対応させ、業務状況として表示する。
In step 330 (S330), the
なお、本実施形態の行動推定装置1は、処理部6が有する各部(第1管理部61、第1推定部62、第2管理部63、第2推定部64、第3管理部65、分割決定部66、名称付与部67、第4管理部68及び突発事象検出部69)がプログラムモジュールとして構成されていてもよい。
Note that the
また、本実施形態の行動推定装置1は、複数の携帯端末2と管理サーバ4とを有するクライアントサーバシステムとして構成される場合を例に説明したが、この構成に限定されない。例えば、本実施形態の行動推定装置1は、管理サーバ4の機能を複数の携帯端末2に分散させ、管理サーバ4となるPCなどを含まない構成であってもよい。また、本実施形態の行動推定装置1は、携帯端末2が管理サーバ4の全ての機能を有する構成であってもよい。
Moreover, although the
また、管理サーバ4の通信部40は、行動者の行動に応じて変化する変化情報を取得する変化情報取得部としても機能している。つまり、管理サーバ4が行動推定装置である構成であってもよい。
The
以上説明した実施形態によれば、推定した基本動作に対し、基本動作の組合せからなる複雑な上位行動を推定して割り当てることができる。 According to the embodiment described above, it is possible to estimate and assign a complex higher level action consisting of a combination of basic actions to the estimated basic actions.
また、本発明の実施形態を複数の組合わせによって説明したが、これらの実施形態は例として提示したものであり、発明の範囲を限定することは意図していない。これら新規の実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。 Moreover, although embodiment of this invention was demonstrated by the several combination, these embodiment was shown as an example and is not intending limiting the range of invention. These novel embodiments can be implemented in various other forms, and various omissions, replacements, and changes can be made without departing from the spirit of the invention. These embodiments and modifications thereof are included in the scope and gist of the invention, and are included in the invention described in the claims and the equivalents thereof.
1 行動推定装置
2 携帯端末
20 制御部
22 操作部
24 検知部
26 通信部
28 記憶部
3 ネットワーク
30 アクセスポイント
4 管理サーバ
40 通信部
42 出力部
5 記憶部
51 加速度DB
52 位置DB
53 推定ルール
54 基本動作DB
55 頻度分布DB
56 暫定上位行動DB
57 分割時刻DB
58 業務フローDB
59 業務状況DB
6 処理部
61 第1管理部
62 第1推定部
63 第2管理部
64 第2推定部
65 第3管理部
66 分割決定部
660 分割部
662 平均情報量算出部
664 類似度算出部
666 評価部
668 決定部
67 名称付与部
68 第4管理部
69 突発事象検出部
DESCRIPTION OF
52 Position DB
53
55 Frequency distribution DB
56 Provisional upper action DB
57 Division time DB
58 Business Flow DB
59 Business Status DB
6 processing
Claims (7)
前記変化情報に基づいて、前記行動者の時系列に並ぶ複数の基本動作を推定する第1の推定部と、
基本動作の組合せにより構成される上位行動を予め定められた順序でk個(kは2以上の整数)含む業務フローを記憶する記憶部と、
予め定められた期間に含まれる複数の基本動作の上位行動における確率分布に基づいて、前記第1の推定部が推定した基本動作が組合されて構成される上位行動を当該基本動作ごとに暫定上位行動として推定する第2の推定部と、
前記業務フローに基づいて、時系列に並ぶ複数の前記暫定上位行動を、時系列に並ぶk個のグループに分割し、前記グループそれぞれに、前記順序に合わせて前記業務フローに含まれる前記上位行動を割り当てる分割決定部と、
を有する行動推定装置。 A change information acquisition unit that acquires change information that changes according to the behavior of the actor;
A first estimation unit that estimates a plurality of basic motions arranged in a time series of the actor based on the change information;
A storage unit that stores a business flow including k (k is an integer of 2 or more) in a predetermined order in a higher order action constituted by a combination of basic actions;
Based on the probability distribution of the higher-level actions of a plurality of basic actions included in a predetermined period, the higher-order actions configured by combining the basic actions estimated by the first estimation unit are provisionally higher for each basic action. A second estimator for estimating the behavior;
Based on the business flow, the plurality of temporary higher-order actions arranged in time series are divided into k groups arranged in time series, and each of the groups includes the higher-order actions included in the business flow according to the order. A division determination unit for assigning
A behavior estimation apparatus.
前記分割決定部が割り当てた前記上位行動それぞれに対し、前記順序に合わせて前記上位行動名称を付与する名称付与部をさらに有する
を有する請求項1に記載の行動推定装置。 The business flow includes k upper action names associated with the order,
The behavior estimation apparatus according to claim 1, further comprising: a name assigning unit that assigns the upper action name in accordance with the order to each of the upper actions assigned by the division determination unit.
時系列に並ぶ複数の前記暫定上位行動を、1つ以上の前記暫定上位行動を含む複数の前記暫定上位行動の列に順次に分割する分割部と、
前記分割部が分割した前記暫定上位行動の列ごとに平均情報量を算出する平均情報量算出部と、
前記平均情報量算出部が算出した平均情報量が正の最小値となる分割が最良の分割であると評価する評価部と、
前記評価部が最良の分割であると評価した結果に応じて、k個の前記上位行動を決定する決定部と、
を有する請求項1に記載の行動推定装置。 The division determination unit
A division unit that sequentially divides the plurality of provisional upper actions arranged in time series into a plurality of provisional upper action columns including one or more provisional upper actions;
An average information amount calculation unit that calculates an average information amount for each column of the provisional higher level action divided by the division unit;
An evaluation unit that evaluates that the division in which the average information amount calculated by the average information amount calculation unit is a positive minimum value is the best division;
A determination unit that determines the k higher-order actions according to a result of the evaluation performed by the evaluation unit as being the best division;
The behavior estimation apparatus according to claim 1, comprising:
複数の行動者それぞれに対して前記第2の推定部が基本動作ごとに推定した前記暫定上位行動の列の類似度を算出する類似度算出部と、
前記類似度算出部が算出した類似度を比較することにより、k個の前記上位行動を決定する決定部と、
を有する請求項1に記載の行動推定装置。 The division determination unit
A similarity calculation unit that calculates the similarity of the column of the provisional higher-order actions estimated by the second estimation unit for each basic action for each of a plurality of actors;
A determination unit that determines the k top actions by comparing the similarities calculated by the similarity calculation unit;
The behavior estimation apparatus according to claim 1, comprising:
時系列に並ぶ複数の前記暫定上位行動を、1つ以上の前記暫定上位行動を含む複数の前記暫定上位行動の列に順次に分割する分割部と、
前記分割部が分割した前記暫定上位行動の列ごとに平均情報量を算出する平均情報量算出部と、
複数の行動者それぞれに対して前記第2の推定部が基本動作ごとに推定した前記暫定上位行動の列の類似度を算出する類似度算出部と、
前記平均情報量と前記類似度の和が正の最小値となる分割が最良の分割であると評価する評価部と、
前記評価部が最良の分割であると評価した結果に応じて、k個の前記上位行動を決定する決定部と、
を有する請求項1に記載の行動推定装置。 The division determination unit
A division unit that sequentially divides the plurality of provisional upper actions arranged in time series into a plurality of provisional upper action columns including one or more provisional upper actions;
An average information amount calculation unit that calculates an average information amount for each column of the provisional higher level action divided by the division unit;
A similarity calculation unit that calculates the similarity of the column of the provisional higher-order actions estimated by the second estimation unit for each basic action for each of a plurality of actors;
An evaluation unit that evaluates that the division in which the sum of the average information amount and the similarity is a positive minimum value is the best division;
A determination unit that determines the k higher-order actions according to a result of the evaluation performed by the evaluation unit as being the best division;
The behavior estimation apparatus according to claim 1, comprising:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012009409A JP5342025B2 (en) | 2012-01-19 | 2012-01-19 | Behavior estimation device |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012009409A JP5342025B2 (en) | 2012-01-19 | 2012-01-19 | Behavior estimation device |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2013149104A true JP2013149104A (en) | 2013-08-01 |
JP5342025B2 JP5342025B2 (en) | 2013-11-13 |
Family
ID=49046538
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012009409A Active JP5342025B2 (en) | 2012-01-19 | 2012-01-19 | Behavior estimation device |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5342025B2 (en) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9519672B2 (en) | 2013-06-28 | 2016-12-13 | Facebook, Inc. | User activity tracking system and device |
US9531824B2 (en) | 2013-06-28 | 2016-12-27 | Facebook, Inc. | User activity tracking system |
JP2017045147A (en) * | 2015-08-24 | 2017-03-02 | 富士電機株式会社 | Information provision device, information provision method, and program |
JP2019028930A (en) * | 2017-08-03 | 2019-02-21 | Kddi株式会社 | Care result management server, care result estimation method and program |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009122302A (en) * | 2007-11-14 | 2009-06-04 | Hitachi Ltd | Operation information processing apparatus, program and operation information processing method |
JP5159912B2 (en) * | 2011-04-20 | 2013-03-13 | 株式会社東芝 | Action estimation device, action estimation method, and program |
-
2012
- 2012-01-19 JP JP2012009409A patent/JP5342025B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009122302A (en) * | 2007-11-14 | 2009-06-04 | Hitachi Ltd | Operation information processing apparatus, program and operation information processing method |
JP5159912B2 (en) * | 2011-04-20 | 2013-03-13 | 株式会社東芝 | Action estimation device, action estimation method, and program |
Non-Patent Citations (2)
Title |
---|
CSNJ201110046086; 村上 知子 他: '業務分析のためのトピックモデルを用いて行動推定' 2011年度人工知能学会全国大会(第25回)論文集 [CD-ROM] , 20110603, pp.1-4 * |
JPN6013015034; 村上 知子 他: '業務分析のためのトピックモデルを用いて行動推定' 2011年度人工知能学会全国大会(第25回)論文集 [CD-ROM] , 20110603, pp.1-4 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9519672B2 (en) | 2013-06-28 | 2016-12-13 | Facebook, Inc. | User activity tracking system and device |
US9531824B2 (en) | 2013-06-28 | 2016-12-27 | Facebook, Inc. | User activity tracking system |
JP2017086855A (en) * | 2013-06-28 | 2017-05-25 | フェイスブック,インク. | User activity tracking system and device |
JP2017045147A (en) * | 2015-08-24 | 2017-03-02 | 富士電機株式会社 | Information provision device, information provision method, and program |
JP2019028930A (en) * | 2017-08-03 | 2019-02-21 | Kddi株式会社 | Care result management server, care result estimation method and program |
Also Published As
Publication number | Publication date |
---|---|
JP5342025B2 (en) | 2013-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2819383B1 (en) | User activity tracking system and device | |
JP6447108B2 (en) | Usability calculation device, availability calculation method, and availability calculation program | |
JP5949560B2 (en) | Flow line detection processing data distribution system, flow line detection processing data distribution method and program | |
JPWO2016199405A1 (en) | Shelf allocation support device, shelf allocation support system, shelf allocation support method, and program | |
JP5342025B2 (en) | Behavior estimation device | |
JP6299759B2 (en) | Prediction function creation device, prediction function creation method, and program | |
Nweke et al. | Analysis of multi-sensor fusion for mobile and wearable sensor based human activity recognition | |
CN111915004A (en) | Neural network training method and device, storage medium and electronic equipment | |
WO2019167556A1 (en) | Label-collecting device, label collection method, and label-collecting program | |
CN113326726A (en) | Behavior recognition method, behavior recognition apparatus, and computer-readable recording medium | |
KR20140131471A (en) | Method and Apparatus for mining temporal pattern | |
JP2024042003A (en) | Layout design device, layout design method and program | |
JP6201556B2 (en) | Prediction model learning device, prediction model learning method, and computer program | |
CN112990625A (en) | Method and device for allocating annotation tasks and server | |
US20230326041A1 (en) | Learning device, learning method, tracking device, and storage medium | |
US11392879B2 (en) | Operation estimating method and operation estimating system | |
JP2016009342A (en) | Area burst estimation presenting device, area burst estimation presenting method, and area burst estimation presenting program | |
JP6590477B2 (en) | Information processing apparatus, information processing method, and program | |
CN113557540A (en) | Job distribution device, job distribution system, and job distribution method | |
JP7152357B2 (en) | Correct data creation support system and correct data creation support method | |
JP7297240B2 (en) | User state estimation device | |
JP2012226597A (en) | Action estimation device, action estimation method, and program | |
JP6743825B2 (en) | Program, information processing method, and information processing apparatus | |
JP2018190281A (en) | Data processing apparatus, data processing method, and program | |
CN112801744B (en) | Activity recommendation method and device, electronic equipment and storage medium |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20130716 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20130808 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 5342025 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |