JP2016214775A - 行動推定装置、行動推定方法、およびプログラム - Google Patents

Abstract

【課題】ユーザが生活習慣を容易に把握することが可能な、新規かつ改良された行動推定装置を提供する。
【解決手段】生体の体重を含む身体データを時系列に記憶する記憶部と、上記記憶部に記憶された上記身体データに基づいて単位周期ごとの上記生体の周期身体データを算出する周期身体データ算出部１５２と、連続する２つの上記周期身体データからなるデータ対の比較を各データ対について行い、上記比較の結果に基づいて上記生体によるエネルギーの消費行動を含む上記生体の生活習慣を推定する推定部１５３と、を備える、行動推定装置。
【選択図】図３

Description

本発明は、行動推定装置、行動推定方法、およびプログラムに関する。

近年、高血圧症や糖尿病等の生活習慣病の患者が増加傾向にある。それに応じて、生活習慣病を起因とする死亡者数の増加や医療費負担の増大が問題となっている。そのため、生活習慣病を予防し健康状態を管理することが重要である。

健康状態を管理するため、日常的な生活習慣等を把握することが求められている。その要求に応じて、近年、生活習慣等を把握するための技術の開発が進められている。例えば、下記特許文献１では、ユーザが装着した加速度センサにより取得される生体の運動状態を検出し、検出された運動状態に基づいてエネルギーの消費量を算出する技術が開示されている。また、下記特許文献２では、食事を撮像し、専門家に撮像画像を送信することにより、専門家により算出されたエネルギーの摂取量および生活習慣に関するアドバイスを取得することができる技術が開示されている。

特開平８−１３１４２５号公報 特開２００３−１２２８５３号公報

上記特許文献１に開示されている技術では、「立つ」「座る」等のユーザの運動状態を検出するために、ユーザは加速度センサを所定の位置および方向に装着する必要があった。そのため、正しい位置および方向に加速度センサを装着することがユーザにとって負担となっていた。また、上記特許文献２に開示されている技術では、食事の画像を食事ごとに撮像して、専門家に送信する必要がある。そのため、上記の撮像処理および送信処理が、ユーザにとって負担となっていた。

そこで、本発明は、上記問題に鑑みてなされたものであり、本発明の目的とするところは、ユーザが生活習慣を容易に把握することが可能な、新規かつ改良された行動推定装置を提供することにある。

上記課題を解決するために、本発明のある観点によれば、生体の体重を含む身体データを時系列に記憶する記憶部と、上記記憶部に記憶された上記身体データに基づいて単位周期ごとの上記生体の周期身体データを算出する周期身体データ算出部と、連続する２つの上記周期身体データからなるデータ対の比較を各データ対について行い、上記比較の結果に基づいて上記生体によるエネルギーの消費行動を含む上記生体の生活習慣を推定する推定部と、を備える、行動推定装置が提供される。

上記推定部は、上記生体によるエネルギーの摂取行動を含む上記生体の生活習慣を推定してもよい。

上記推定部は、上記データ対に含まれる上記連続する２つの上記周期身体データの差を各データ対について算出し、算出された複数の上記差の関係に基づいて上記生体の上記生活習慣を推定してもよい。

上記推定部は、上記連続する２つの上記周期身体データを変数とする二次元の座標を上記データ対の座標として二次元平面に表現し、複数の上記データ対の座標を表現する点群の近似直線を用いて上記生体の上記生活習慣に関する指標の値を推定してもよい。

上記推定部は、上記近似直線の傾きに基づいて上記生体の上記消費行動によるエネルギー消費量を推定してもよい。

上記推定部は、上記データ対に含まれる上記連続する２つの上記周期身体データの示す値が同一である場合の上記データ対の座標の集合を上記二次元平面において表現する直線と上記近似直線との交点、および、推定された上記エネルギー消費量に基づいて上記生体の上記摂取行動によるエネルギー摂取量を推定してもよい。

上記推定部は、上記各データ対を表現する上記点群の密集度、または上記点群と上記近似直線との乖離の程度のいずれかに基づいて、上記生体の生活習慣安定度を推定してもよい。

上記推定部は、上記点群の密集度が第１の閾値より大きい場合、上記生体の体重、および、上記生体の身長、年齢、または性別の少なくともいずれかを含む上記生体の上記身体データに基づいて上記生体の上記生活習慣を推定してもよい。

上記行動推定装置は、上記推定部による推定結果を含む上記生体の上記生活習慣に関する情報を出力する制御を行う出力制御部をさらに備え、上記乖離の程度が第２の閾値より大きい場合、上記出力制御部は、上記推定部により推定された上記指標の値を含まないで上記生体の上記生活習慣に関する情報の出力する制御を行ってもよい。

上記推定部は、上記生体の上記身体データに含まれる体脂肪率に基づいて上記生体の上記生活習慣を推定してもよい。

上記周期身体データ算出部は、上記記憶部に記憶された上記身体データを補間することにより得られる補間データを用いて上記生体の上記周期身体データを算出してもよい。

また、上記課題を解決するために、本発明の別の観点によれば、生体の体重を含む身体データを時系列に記憶するステップと、記憶された上記身体データに基づいて単位周期ごとの上記生体の周期身体データを算出するステップと、連続する２つの上記周期身体データからなるデータ対の比較を各データ対について行い、上記比較の結果に基づいて上記生体によるエネルギーの消費行動を含む上記生体の生活習慣を推定するステップと、を含む、行動推定方法が提供される。

また、上記課題を解決するために、本発明の別の観点によれば、コンピュータを、生体の体重を含む身体データを時系列に記憶する記憶部と、上記記憶部に記憶された上記身体データに基づいて単位周期ごとの上記生体の周期身体データを算出する周期身体データ算出部と、連続する２つの上記周期身体データからなるデータ対の比較を各データ対について行い、上記比較の結果に基づいて上記生体によるエネルギーの消費行動を含む上記生体の生活習慣を推定する推定部と、として機能させるための、プログラムが提供される。

以上説明したように本発明によれば、ユーザが生活習慣を容易に把握することが可能である。

本発明の一実施形態に係る行動推定システムの概要を示す図である。 本発明の一実施形態に係る行動推定装置の構成を示すブロック図である。 本発明の一実施形態に係る行動推定装置の制御部の有する構成を示すブロック図である。 ユーザの体重の時系列変化および周期体重データの算出方法の例を示すグラフである。 本発明の一実施形態に係る推定部の処理フローを示すフローチャートである。 連続する２つの周期体重データからなるデータ対を二次元平面に表現した図である。 本発明の一実施形態に係る推定部による生活習慣に関する各指標の推定処理の流れを示すフローチャートである。 Ｃ＝１と判定される場合の差分表示点の分布の一例を示す図である。 複数の差分表示点および近似直線を表現するグラフの第１の例を示す。 複数の差分表示点および近似直線を表現するグラフの第２の例を示す。 複数の差分表示点および近似直線を表現するグラフの第３の例を示す。 複数の差分表示点および近似直線を表現するグラフの第４の例を示す。 周期体重データの時間変化および周期体重データを近似する近似曲線のグラフを示す図である。 本発明の一実施形態に係る出力制御部による第１の出力例を示す図である。 本発明の一実施形態に係る出力制御部による第２の出力例を示す図である。 本発明の一実施形態に係る出力制御部による第３の出力例を示す図である。 本発明の一実施形態に係る出力制御部による第４の出力例を示す図である。 本発明の一実施形態に係る出力制御部による第５の出力例を示す図である。 本発明の一実施形態に係る行動推定装置の動作例を示すフローチャートである。 本発明の実施形態に係る行動推定装置のハードウェア構成例を示すブロック図である。

以下に添付図面を参照しながら、本発明の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。

＜１．行動推定システムの概要＞
本発明の一実施形態に係る行動推定システム１は、ユーザの体重データを蓄積し、蓄積された体重データから単位周期ごとの周期体重データを算出し、算出された周期体重データからユーザによるエネルギーの摂取行動および消費行動を推定するものである。これにより、ユーザは体重を計測し記録するだけで日常の生活習慣を把握することができる。ここで、摂取行動とは、例えば、食事などのエネルギーの摂取に関する行動を指し、消費行動とは、例えば、身体活動などのエネルギーの消費に関する行動を指す。例えば、本実施形態に係る行動推定システム１は、ユーザが食事量を抑制し、かつ身体活動を増加させる行動を維持した場合に、ある区間におけるユーザの体重の変化から、どの程度エネルギー摂取量を減らすことができたか、または、どの程度エネルギー消費量を増やすことができたかを把握することができる。これにより、例えば、ユーザが医者や管理栄養士等から生活習慣に関する指導を受けている場合、ユーザは、体重を計測し記録するだけで、指導の効果を確認することができる。まず、図１を参照して、本発明の一実施形態に係る行動推定システム１の概要について説明する。

図１は、本発明の一実施形態に係る行動推定システム１の概要を示す図である。図１を参照すると、行動推定システム１は、体重計２、および行動推定装置１０を備える。体重計２は、ユーザＰの体重を含む身体データを測定する装置である。体重計２は、例えば、体脂肪率や体組成を測定する機能を有してもよい。なお、身体データには、ユーザＰの体脂肪率や、筋肉量や骨量などの体組成等が含まれてもよい。さらに、身体データには、ユーザＰの身長、年齢、または性別が含まれてもよい。体重計２は、無線または有線により行動推定装置１０と接続されてもよく、体重計２が測定したユーザＰの体重を身体データの一部として行動推定装置１０に送信してもよい。このとき、体重計２は、ユーザＰの体重を測定した時刻を、上述した身体データに付して送信してもよい。これにより、後述する行動推定装置１０の記憶部１２０は、測定した身体データを時刻とひも付けて記憶することが可能である。

行動推定装置１０は、ユーザＰの身体データを蓄積し、蓄積された身体データから単位周期ごとの周期身体データを算出し、算出された周期身体データからユーザＰのエネルギーの摂取行動および消費行動を推定する装置である。周期身体データには、例えば、単位周期ごとの周期体重データが含まれてもよい。行動推定装置１０は、ハードウェア端末で構成され、例えば、行動推定装置１０は、ディスプレイ端末、ゲーム端末、パーソナルコンピュータ、またはタブレット等であってもよい。行動推定装置１０は、処理回路と、通信装置と、入力装置と、出力装置とを含み得る。例えば、行動推定装置１０は、通信装置または入力装置により体重計２により計測された体重データを取得し、処理回路により取得した体重データに基づいてユーザＰのエネルギーの摂取行動および消費行動を推定し、出力装置により推定結果を出力してもよい。

ここで、特開平８−１３１４２５号公報においては、ユーザが装着した加速度センサにより取得される生体の運動状態を検出し、検出された運動状態に基づいてエネルギーの消費量を算出する技術が開示されている。しかし、「立つ」「座る」等のユーザの運動状態を検出するために、ユーザは加速度センサを所定の位置および方向に装着する必要があった。そのため、ユーザにとって正しい位置および方向に加速度センサを装着することが負担となっていた。また、歩行の際の上下方向の動きに対する加速度の変化パタンでは、「歩く」を「立つ」「座る」と誤って検出してしまう可能性が高く、また、斜面や階段などの地形の変化によってエネルギーの消費率が異なるので、正確なエネルギーの消費量の計算が困難であった。

また、特開２００３−１２２８５３号公報においては、食事を撮像し、専門家に撮像画像を送信することにより、専門家により算出されたエネルギーの摂取量および生活習慣に関するアドバイスを取得することができる技術が開示されている。しかし、ユーザが食事を撮像し、専門家に撮像画像を送信する手間が生じるため、ユーザにとって負担が大きい。また、摂取エネルギーの算出や生活習慣の把握についても専門家による高度な技能が必要となっているので、ユーザにとって、専門家により提供されるサービスにかかるコストが大きな負担となっている。

そこで、上記事情を一着眼点にし、行動推定装置１０を創作するに至った。例えば、ユーザが健康の改善のために、エネルギーの摂取量を抑制し、消費量を増加させる行動を続けているとする。このとき、本願の発明者は、上述した生活習慣に係る行動を持続した場合に、連続する所定周期ごとの体重を比較すると、複数の比較結果の間において所定の関係を示すことを見出した。すなわち、本願の発明者は、所定周期ごとの体重の変化を比較することにより、生活習慣の指標となるエネルギーの摂取行動や消費行動を推定することが可能な行動推定装置１０を創作した。本発明にかかる行動推定装置１０により、ユーザの生活習慣を容易に把握することが可能である。以下、本実施形態の行動推定装置１０について説明する。

＜２．行動推定装置の構成例＞
図２は、本発明の一実施形態に係る行動推定装置１０の構成を示すブロック図である。図２を参照すると、行動推定装置１０は、通信部１１０、記憶部１２０、入力部１３０、出力部１４０、および制御部１５０を含む。

通信部１１０は、行動推定装置１０が備える通信手段であり、ネットワークＮＷを介して（あるいは直接的に）、外部装置と無線または有線により各種通信を行う。例えば、図２を参照すると、通信部１１０は、体重計２と直接的に通信を行ってもよい。具体的には、通信部１１０は、体重計２と無線または有線により接続されている場合、体重計２からユーザが計測した体重データを受信し、制御部１５０に受信した体重データを提供してもよい。また、通信部１１０は、体重計２以外の外部装置と通信を行ってもよい。例えば、通信部１１０は、外部装置から受信した情報を制御部１５０に提供してもよいし、制御部１５０から取得した情報を外部装置に送信してもよい。

記憶部１２０は、行動推定装置１０が備える記憶手段であり、各種データを記憶する。記憶部１２０は、制御部１５０が使用するプログラムや演算パラメータ等を記憶するＲＯＭ（Read Only Memory）、制御部１５０が行う処理において使用するプログラムや、その処理において適宜変化するパラメータ等を一時記憶するＲＡＭ（Random Access Memory）、データ等を記憶するＨＤＤ（Hard Disk Drive）装置などのデータ格納用記憶装置等で構成される。例えば、記憶部１２０は、体重計２から取得した体重データを時系列に記憶してもよい。また、記憶部１２０は、後述する制御部１５０の有する各機能部により得られたデータ等を記憶してもよい。また、記憶部１２０に記憶されたデータが制御部１５０により呼び出されてもよい。

入力部１３０は、行動推定装置１０が備える入力手段であり、ユーザからの入力操作を取得する。また、入力部１３０は、取得した入力操作を制御部１５０に出力する。例えば、入力部１３０は、ユーザの入力により、身体データ、生活習慣の推定区間、および生活習慣の基準値を取得してもよい。なお、推定区間、および基準値については後述する。これにより、制御部１５０はユーザの生活習慣の推定に必要なデータを取得することができる。入力部１３０は、行動推定装置１０が有するボタンやタッチパネル等の入力装置により実現される。また、図２に示した例では入力部１３０は行動推定装置１０に含まれているが、入力部１３０は行動推定装置１０の外部において実現されてもよい。この場合、通信部１１０が、ユーザの入力操作を示す情報を当該外部装置から受信する。

出力部１４０は、行動推定装置１０が備える出力手段であり、ユーザに対して情報を出力する。また、出力部１４０は、制御部１５０による制御に従って、各種情報の出力を行う。例えば、出力部１４０は、制御部１５０によって推定された推定結果を取得してもよい。これにより、出力部１４０は推定結果をユーザに出力することができる。出力部１４０は、行動推定装置１０が有するディスプレイまたはスピーカ等の出力装置により実現される。また、図２に示した例では出力部１４０は行動推定装置１０に含まれているが、出力部１４０は行動推定装置１０の外部において実現されてもよい。この場合、通信部１１０が、出力のための制御情報を当該外部装置に送信する。なお、出力部１４０は、入力部１３０と一体となって構成されるタッチパネル等により実現されてもよい。

制御部１５０は、通信部１１０、記憶部１２０、入力部１３０、および出力部１４０、並びに、行動推定装置１０の有するその他の機能部の動作制御等を行う。より具体的には、制御部１５０は、通信部１１０、記憶部１２０、および／または入力部１３０から得られた各種情報に基づき処理を実行し、処理結果を通信部１１０、記憶部１２０、および／または出力部１４０に出力する。制御部１５０は、行動推定装置１０に含まれるＣＰＵ（Central Processing Unit）等の処理回路によって実現される。

＜３．推定処理例＞
続いて、行動推定装置１０による推定処理について説明する。本実施形態においては、行動推定装置１０による推定処理は、制御部１５０に含まれる各機能部により実現される。図３は、本発明の一実施形態に係る行動推定装置１０の制御部１５０の有する構成を示すブロック図である。図３を参照すると、制御部１５０は、取得部１５１、周期身体データ算出部１５２、推定部１５３、および出力制御部１５４を含み得る。

（取得部）
取得部１５１は、記憶部１２０に蓄積された体重データを含む身体データを取得する機能を含む。例えば、取得部１５１は、記憶部１２０に蓄積された過去および現在の身体データを、時系列にひも付けて取得してもよい。これにより、後述する周期身体データ算出部１５２において、周期身体データの算出を行うことが可能となる。取得する身体データの対象期間は特に限定されないが、行動推定装置１０が後述する推定部１５３においてユーザの生活習慣を推定するのに必要な期間が好ましく、例えば、単位周期を１週間とすると、５週間〜１０週間程度が好ましい。取得部１５１は、上述した区間を、ユーザの生活習慣を推定するための推定区間として取得してもよい。ここで、本明細書において推定区間とは、ユーザの生活習慣を推定するために用いる身体データの取得範囲を意味する。なお、単位周期および推定区間は、ユーザによる生活習慣に係る行動を持続する期間の大きさに応じて自由に設定されてもよい。例えば、本実施形態においては、単位区間は１週間、および推定区間は５週間〜１０週間程度としたが、より短期間における行動による効果を把握したい場合は、単位区間は１日、および推定区間は１週間としてもよい。

図４は、ユーザの体重の時系列変化および周期体重データの算出方法の例を示すグラフである。図４を参照すると、グラフＧ１は、横軸に時間ｔ（単位：週）、および縦軸に体重ｗ（単位：ｋｇ）を取るグラフである。グラフＧ１において、黒塗りの点はユーザの体重データの実測値を示し、白抜きの点は周期身体データ算出部１５２により算出された周期体重データである。また、曲線ＤＣは、体重データの実測値に基づいて算出される補間曲線である。なお、各点の近傍に付されたｗ（ｎ）は、ｎ週目の体重ｗを意味する。

図４を参照すると、１週目から５週目までと、５週目から１０週目までの体重の変化の傾向が異なっていることが示されている。つまり、グラフＧ１において、ユーザの生活習慣は５週目を境に変化していることが分かる。ここで、１週目から５週目までの生活習慣を生活習慣１、および、５週目から１０週目までの生活習慣を生活習慣２とする。ユーザは、生活習慣１においては一定の体重を保っているが、生活習慣２においては体重が減少していることが分かる。つまり、５週目においてユーザの生活習慣が変化したと考えられる。そのため、例えば、取得部１５１は、ユーザの入力操作により、５週目以前の区間、または５週目以降の区間を推定区間として設定してもよい。これにより、設定した推定区間内における生活習慣の推定結果を得ることができる。また、取得部１５１は、過去の身体データの履歴に基づいて、推定区間を設定してもよい。これにより、ユーザが入力しなくても、自動的に推定区間を設定することができる。なお、推定区間の大きさは、上述したように特に限定されず、例えば、ユーザの健康状態の改善の効果を確認するのに必要な期間等であってもよい。より具体的には、推定区間の大きさは、数週間から１か月、または半年等、自由に設定されてもよい。

また、取得部１５１は、上述した推定区間における摂取量および消費量の基準値を設定してもよい。ここで、基準値とは、例えば、推定区間において生活習慣により変化し得るエネルギー摂取量および消費量について基準として比較するために用いられるエネルギー摂取量および消費量の値である。例えば、取得部１５１は、上記のような推定区間の始点におけるユーザのエネルギーの摂取量および消費量を、基準値として設定してもよい。これにより、推定区間において変化し得る摂取量および消費量を、生活習慣に係る行動の開始時と比較することができる。また、例えば、取得部１５１は、ユーザの入力操作により、基準値を設定してもよい。これにより、ユーザは、複数の時点における生活習慣の変化を比較することが可能である。また、取得部１５１は、過去の身体データの履歴に基づいて、基準値を設定してもよい。これにより、ユーザが入力しなくても、自動的に基準値を設定することができる。また、基準値には、ユーザが現在の生活習慣に係る行動の持続を開始しようとする時点における体重が含まれていてもよい。これにより、体重の変化についても比較することが可能である。

なお、上述した推定区間および基準値が、先に行われた推定処理において既に設定されている場合は、取得部１５１は再度推定区間および基準値を取得しなくてもよい。取得部１５１が取得した身体データ、推定区間および基準値は、周期身体データ算出部１５２に出力される。

（周期身体データ算出部）
周期身体データ算出部１５２は、取得部１５１が取得した身体データに基づいて、単位周期ごとの周期身体データを算出する機能を含む。例えば、周期身体データ算出部１５２は、取得部１５１が取得した体重データに基づいて、単位周期ごとの周期体重データを算出してもよい。より具体的には、周期身体データ算出部１５２は、身体データを補間することにより得られる補間曲線等の補間データを用いて、周期身体データを算出してもよい。周期身体データ算出部１５２が単位周期ごとの周期体重データを算出することにより、後述する推定部１５３は一定周期ごとの体重データの比較が可能となる。

図４を再度参照すると、グラフＧ１には、体重データの実測値ｗ（１）、ｗ（２）、ｗ（３）、ｗ（４）、ｗ（５）、ｗ（６）、ｗ（６．７）、ｗ（８）、ｗ（９．５）、およびｗ（１０）が黒塗りの点として表現されている。なお、図４に示した例おいて、単位周期は１週間である。図４に示した例においては、周期身体データ算出部１５２は、ｗ（ｎ）に含まれるｎの値が整数の場合、体重データの実測値を単位周期ごとの周期体重データとして決定する。しかし、ｗ（６．７）およびｗ（９．５）等、単位周期を有する区間の始終点にあたらない時点における実測値を取得部１５１が取得する場合も存在する。そのため、周期身体データ算出部１５２は、単位周期の区間の始終点に体重データが存在しない場合、複数の身体データを補間する補間曲線ＤＣを用いて、周期体重データを推定してもよい。より具体的には、周期身体データ算出部１５２は、７週目および９週目の時点における補間曲線ＤＣの示す体重ｗの値を、周期体重データｗ（７）およびｗ（９）として決定してもよい。これにより、周期ごとの体重データを得ることができる。なお、補間曲線ＤＣの算出方法は、スプライン補間や線形補間など、公知の技術に基づく補間方法であってもよい。図４に示した例では、周期身体データ算出部１５２により算出された周期体重データｗ（７）およびｗ（９）は、白抜きの点として表現されている。

周期身体データ算出部１５２は、単位周期ごとの周期体重データを決定または算出し、各データを推定部１５３および出力制御部１５４に出力する。ここで、周期身体データ算出部１５２は、取得部１５１により取得された推定区間に含まれる周期身体データを推定部１５３および出力制御部１５４に出力してもよい。これにより、推定区間内での生活習慣の推定、および推定結果の出力が可能である。

（推定部）
推定部１５３は、周期身体データ算出部１５２から取得した周期体重データを含む周期身体データに基づいて、ユーザの生活習慣を推定する。例えば、推定部１５３は、ユーザのエネルギーの摂取行動や消費行動を推定してもよい。より具体的には、推定部１５３は、連続する２つの周期身体データからなるデータ対の比較を各データ対について行い、それらの比較結果に基づいてユーザのエネルギーの摂取行動や消費行動を推定してもよい。推定部１５３において行われる処理について、図５に示すフローチャートに従って説明する。

−周期体重データの取得
図５は、本発明の一実施形態に係る推定部１５３の処理フローを示すフローチャートである。推定部１５３は、まず、周期体重データを取得する（Ｓ１００）。ここで、推定部１５３は、取得した連続する２つの周期体重データを変数とする二次元の座標をデータ対の座標として二次元平面に表現してもよい。

図６は、連続する２つの周期体重データからなるデータ対を二次元平面に表現した図である。図６を参照すると、図６に示されるグラフＧ２Ａは、横軸をｗ（ｔ）、縦軸をｗ（ｔ＋１）とする二次元座標系のグラフである。このときｗ（ｔ）は、ｔ週目におけるユーザの体重、ｗ（ｔ＋１）は、ｔ＋１週目におけるユーザの体重を表す。例えば、（ｗ（５），ｗ（６））を示す白抜きの点は、横軸方向の座標がｗ（５）、縦軸方向の座標がｗ（６）である座標を表現する点である。グラフＧ２Ａにおいては、プロットされた点群の一例として、（ｗ（５），ｗ（６））、（ｗ（６），ｗ（７））、（ｗ（７），ｗ（８））、（ｗ（８），ｗ（９））、および（ｗ（９），ｗ（１０））が示されている。この（ｗ（ｔ），ｗ（ｔ＋１））の点を、本明細書においては差分表示点と呼称する。また、グラフＧ２Ａには、ｗ（ｔ＋１）＝ｗ（ｔ）で表現される直線ＢＬが破線として示されている。この直線ＢＬは、データ対に含まれる連続する２つの周期体重データの示す値が同一である場合のデータ対の座標の集合を示す。

例えば、体重が減少傾向にある場合、ｗ（ｔ＋１）−ｗ（ｔ）＜０となるので、差分表示点（ｗ（ｔ），ｗ（ｔ＋１））は、直線ＢＬよりも下方に位置し、時間の経過に伴って原点方向にプロットされる。一方で、体重が増加傾向にある場合は、ｗ（ｔ＋１）−ｗ（ｔ）＞０となるので、差分表示点（ｗ（ｔ），ｗ（ｔ＋１））は、直線ＢＬよりも上方に位置し、時間の経過に伴って右上に向かってプロットされる。また、体重が一定である場合は、差分表示点（ｗ（ｔ），ｗ（ｔ＋１））は、時間の経過に関わらず、略同一の位置にプロットされる。図６に示したグラフＧ２Ａにおいては、体重が減少傾向にあることが示されている。このように、体重の変化傾向に従って、グラフＧ２Ａにおいて描画される差分表示点の位置の傾向も変化する。推定部１５３は、このような差分表示点の位置の変化を利用して、ユーザの生活習慣を推定する。

−生活習慣の推定
次に、推定部１５３は、生活習慣の指標の一例である、生活習慣安定度、エネルギーの摂取行動による摂取量、およびエネルギーの消費行動による消費量の推定を行う（Ｓ２００）。これらの指標は、ステップＳ１００において二次元平面にプロットした周期体重データの差分表示点の位置の関係により決定される値である。

生活習慣安定度Ｃは、ユーザの生活習慣が安定しているか、またはどのような傾向であるかを示す値であり、周期体重データの差分表示点の位置に基づいて推定される値である。例えば、生活習慣が維持されている場合は、生活習慣安定度Ｃは低い値を示し、生活習慣が乱れている場合は、生活習慣安定度Ｃは高い値を示してもよい。また、生活習慣が維持されている場合においても、生活習慣の傾向に応じて、生活習慣安定度Ｃの値が変更されてもよい。本実施形態においては、生活習慣安定度Ｃは１〜５のいずれかの値を示す。例えば、生活習慣安定度Ｃが１の場合は、体重がほとんど変化していないことを示す。また、生活習慣安定度Ｃが５の場合は、生活習慣に乱れがあることを示す。また、生活習慣安定度Ｃが２〜４のいずれかである場合は、摂取行動または消費行動がある一定の状態に持続されていることを示す。この場合、持続されている行動に応じて、生活習慣安定度Ｃは２〜４のいずれかに設定される。

摂取量Ｅは、ユーザの食事等の摂取行動により摂取されるエネルギー量であり、単位はキロカロリー（kcal）／日である。つまり、摂取量Ｅとは、ユーザの摂取する摂取カロリーを示す。一方、消費量Ｂは、ユーザの身体活動等の消費行動により消費されるエネルギー量であり、単位はエクササイズ（Ex）／日である。また、消費カロリーは、消費量Ｂにユーザの体重を乗じた値である。摂取量Ｅに対応する摂取カロリーと消費量Ｂに対応する消費カロリーとの差は体重の増減に応じて変化するが、単純な差分のみから摂取量Ｅおよび消費量Ｂを推定することは困難である。そこで、本発明は、摂取量Ｅおよび消費量Ｂを、周期体重データの差分表示点の位置の関係に基づいて推定する。なお、摂取量Ｅおよび消費量Ｂの推定については、生活習慣安定度Ｃの値によって、その推定方法は異なる。

図７は、本発明の一実施形態に係る推定部１５３による生活習慣に関する各指標の推定処理の流れを示すフローチャートである。以下、図７のフローチャートを参照して、生活習慣安定度Ｃ、摂取量Ｅおよび消費量Ｂの推定方法について説明する。

まず、推定区間において体重が変化しているか否かを判定するために、推定部１５３は、推定区間に含まれる周期体重データの示す値が略同一であるか否かを判定する（Ｓ２０１）。例えば、推定部１５３は、各データ対を示す差分表示点が密集してプロットされているか否かを判定する。差分表示点が集中していると判定された場合（ＹＥＳ）、体重はほとんど変化していないと推定されるので、生活習慣安定度Ｃの値は１と設定される（Ｓ２０２）。

図８は、Ｃ＝１と判定される場合の差分表示点の分布の一例を示す図である。なお、図８に示す二次元座標系のグラフＧ３は、図６に示したグラフＧ２Ａの二次元座標系と同一である。図８を参照すると、グラフＧ３において、差分表示点（ｗ（１），ｗ（２））、（ｗ（２），ｗ（３））、（ｗ（３），ｗ（４））、および（ｗ（４），ｗ（５））は、直線ＢＬ上において、ほぼ一点に集中している。なお、図８に示した例においては、推定区間は１週目〜５週目であり、ｗ（１）〜ｗ（５）の値は、図４のグラフＧ１に示したｗ（１）〜ｗ（５）の値に対応している。そのため、ｗ（１）〜ｗ（５）の値はほぼ同一である。したがって、グラフＧ３の二次元座標系において、全ての差分表示点が直線ＢＬ上において集中している。この場合、例えば、プロットされた差分表示点の座標はほぼ同一となっている。そのため、推定部１５３は、差分表示点の座標に基づいて生活習慣安定度Ｃの値を１と判定することができる。

差分表示点が集中しているかを判定する手法については特に限定されない。例えば、本実施形態においては、差分表示点の集中の程度を密集度と定義する。密集度とは、例えば、複数の差分表示点のばらつきの程度を示す指標であってもよい。具体的には、密集度は、複数の差分表示点のばらつきの逆数であってもよい。この場合、推定部１５３は、プロットされた差分表示点の密集度が所定の閾値よりも大きい場合に、生活習慣安定度Ｃを１と設定してもよい。また、推定区間における周期体重データのばらつきの逆数を密集度としてもよく、この場合、密集度が所定の閾値よりも大きい場合に、推定部１５３は、生活習慣安定度Ｃを１と設定してもよい。さらに、差分表示点の密集度は、例えば、複数の差分表示点により構成される中心の位置を示す中心点から所定の半径以内に差分表示点が全て含まれているか否かを示す指標であってもよい。所定の半径以内に差分表示点が全て含まれている場合は、密集度は１としてもよい。この場合、密集度が１のときに、推定部１５３は、生活習慣安定度Ｃを１と設定してもよい。

ここで、生活習慣安定度Ｃ＝１と設定された場合、推定部１５３は、例えば、Swinburn，et al．“Estimating the changes in energy flux that characterize the rise in obesity prevalence．” Am．J．Clin．Nutr．2009；89：1723-8に開示された技術に基づいて、以下の数式１を用いて摂取量Ｅを算出してもよい。

ここで、Ｗはユーザの体重であり、Ｈはユーザの身長であり、Ａはユーザの年齢であり、Ｓはユーザの性別（男＝０、女＝１）である。Ｈ、Ａ、およびＳの値は、例えば、推定部１５３による生活習慣の推定時に、ユーザの操作により入力部１３０を介して行動推定装置１０に入力されてもよいし、予め記憶部１２０に記憶されてあってもよい。また、Ｗの値は、周期体重データｗ（１）〜ｗ（５）の平均値、中央値、または最頻値等の統計値であってもよい。Ｗ、Ｈ、ＡおよびＳの値を数式１に代入することにより、摂取量Ｅを算出することができる。

また、上記の推定区間においては体重の増減がなかったものとみなせるため、消費量Ｂを、摂取カロリーと消費カロリーの関係から、以下の数式２を用いて算出することができる。

以上より、推定部１５３は、生活習慣安定度Ｃ＝１の場合において、摂取量Ｅおよび消費量Ｂを、上述した数式１および数式２を用いて算出することができる。なお、本実施形態においては上述した数式１および数式２を用いて摂取量Ｅおよび消費量Ｂを算出したが、本発明はかかる例に限定されず、他の公知の技術を用いて、体重や身長等を含む身体データから摂取量Ｅおよび消費量Ｂを算出することも可能である。

一方、推定部１５３はステップＳ２０１において周期体重データが集中していないと判定した場合（ＮＯ）、推定部１５３は、周期体重データの複数の差分表示点の近似直線を算出する（Ｓ２０３）。近似直線は、複数の差分表示点の関係を表現する直線である。

図６を再度参照すると、ユーザがエネルギーの摂取量を減少させ、エネルギーの消費量を増加させる行動を持続させた場合、周期体重データの差分表示点は、直線ＢＬの下方において、時間が経過するにつれて、原点方向に向かってプロットされる。このとき、差分表示点の間隔は徐々に短くなる。そこで、推定部１５３は、複数の差分表示点が直線に近似されると仮定して、近似直線を算出する。近似直線は、例えば線形最小二乗法等の公知の技術を用いて算出されてもよい。

図９は、複数の差分表示点および近似直線を表現するグラフの第１の例を示す。なお、図９に示すグラフＧ２Ｂにおける各差分表示点は、図６に示したグラフＧ２Ａの各差分表示点と同一である。近似直線ＴＬ１は、複数の差分表示点（ｗ（５），ｗ（６））、（ｗ（６），ｗ（７））、（ｗ（７），ｗ（８））、（ｗ（８），ｗ（９））、および（ｗ（９），ｗ（１０））を用いて算出される近似直線である。

次に、推定部１５３は、算出された近似直線と複数の差分表示点との乖離の程度について判定する（Ｓ２０４）。例えば、算出された近似直線と複数の差分表示点との乖離が大きければ、近似直線を算出するために用いた複数の差分表示点の分布のばらつきが大きいと判断できる。そのため、この場合は生活習慣が安定していないと判定することができる。乖離の程度は、例えば、近似直線と差分表示点との残差平方和を求めることにより算出されてもよい。

乖離の程度が所定の閾値より低ければ（ＹＥＳ）、推定部１５３は、近似直線を用いて摂取量Ｅおよび消費量Ｂを算出する（Ｓ２０５）。ここで、図９に示したように、近似直線ＴＬ１の傾きをｍとし、近似直線ＴＬ１と直線ＢＬとの交点における体重の値をｗ_０とすると、推定部１５３は、ｍとｗ_０の値から摂取量Ｅおよび消費量Ｅの値を求めることが可能である。

以下、摂取量Ｅおよび消費量Ｂの算出方法について説明する。まず、ｔ週目からｔ＋１週目までの７日間のエネルギー収支について考える。ここで、ｔ週目からｔ＋１週目までに消費された消費エネルギーをΔＰ_Ｂ、摂取された摂取エネルギーをΔＰ_Ｅとする。ΔＰ_Ｂは、上述したとおり消費量Ｂと体重ｗとの積であるから、以下の数式３を用いて近似される。なお、ａは単位周期の大きさ（単位は日）であり、例えば、単位周期を１週間とすると、ａ＝７である。

一方、体重の増加（または減少）によるエネルギーの変化量ΔＰ_ｗは、以下の数式４により算出される。

ここで、ｋは体重１ｋｇあたりの熱量である。ｋの値は、体脂肪率をｆとして、以下の数式５により算出される。

数式５の右辺の第１項における７２００とは、体脂肪１ｋｇあたりの熱量である７２００ｋｃａｌであり、第２項における２０００とは、筋肉１ｋｇあたりの熱量である２０００ｋｃａｌを意味する。本実施形態においては体脂肪率ｆの値は２０％と仮定され、この場合、ｋの値は３０４０（kcal）となる。体脂肪率ｆの値は、ユーザの体脂肪率に応じて変更されてもよい。例えば、肥満気味であるようなユーザについては、体脂肪率ｆの値が高く設定されてもよい。また、体重計２が体脂肪率の測定をすることができる場合、体脂肪率ｆの値は体重計２により取得された値でもよい。ただし、一の推定区間において生活習慣の各指標を推定する場合、ｆおよびｋの値が上記の推定区間内において変動する場合、推定される指標の値の精度が低下するおそれがある。そのため、一の推定区間において、ｆおよびｋは固定値であることが好ましい。

また、摂取エネルギーΔＰ_Ｅは、ΔＰ_Ｅ＝ａＥとなる。そして、摂取エネルギーΔＰ_Ｅと消費エネルギーΔＰ_Ｂの差は、体重の増減によるエネルギーΔＰ_ｗである。よって、摂取量Ｅ（摂取エネルギーと同一）および消費量Ｂの値について、下記の数式６の関係が成立する。

数式６を変形すると、近似直線ＴＬ１を表現する関数、近似直線ＴＬ１の傾きｍ、および近似直線ＴＬ１と直線ＢＬとの交点における体重ｗ_０の値が、下記の数式７〜９により得られる。

以上の数式７〜９から、摂取量Ｅおよび消費量Ｂが下記の数式１０および１１により得られる。

このように、推定部１５３は、２つの連続する周期身体データの差分を表す差分表示点を近似する近似直線ＴＬ１の傾きｍ、および近似直線ＴＬ１と直線ＢＬとの交点における体重ｗ_０の値を数式１０および１１に代入することにより、摂取量Ｅおよび消費量Ｂを算出することができる。

次に、推定部１５３は、ステップＳ２０５において算出した摂取量Ｅおよび消費量Ｂの値に基づいて、生活習慣安定度Ｃの値を決定する（Ｓ２０６〜Ｓ２１０）。具体的には、推定部１５３は、生活習慣安定度Ｃの値が２〜４のいずれかであるかを、摂取量Ｅまたは消費量Ｂを、それぞれの基準値（摂取基準値および消費基準値）と比較することにより決定する。基準値と、推定された摂取量Ｅまたは消費量Ｂとを比較することにより、生活習慣に係る行動の効果をユーザは把握することができる。

まず、推定部１５３は、消費量Ｂが消費基準値を超えているか否かを判定する（Ｓ２０６）。これは、対象の推定区間における消費量Ｂが、ユーザによるエネルギーの消費行動の促進によって、消費基準値よりも大きくなっている場合に相当する。消費量Ｂが消費基準値を超えている場合（ＹＥＳ）、推定部１５３は、生活習慣安定度Ｃを２に設定する（Ｓ２０７）。例えば、図９に示したグラフＧ２Ｂは、生活習慣安定度Ｃが２である場合の差分表示点の分布、および近似直線ＴＬ１の傾向を示している。

一方、ステップＳ２０６において消費量Ｂが消費基準値を超えていない場合（ＮＯ）、推定部１５３は、続いて、摂取量Ｅが摂取基準値を下回るか否かを判定する（Ｓ２０８）これは、対象の推定区間における摂取量Ｅが、食事制限等により摂取基準値を下回る場合に相当する。摂取量Ｅが摂取基準値を下回る場合（ＹＥＳ）、推定部１５３は、生活習慣安定度Ｃを３に設定する（Ｓ２０９）。

図１０は、複数の差分表示点および近似直線を表現するグラフの第２の例を示す。なお、図１０に示されたグラフＧ４においては、差分表示点として用いられている周期体重データを含む推定区間において、ユーザは、エネルギー摂取量を抑制する行動を持続しているものと想定する。グラフＧ４においては、差分表示点の間隔は、図９に示したグラフＧ２Ｂにおける差分表示点の間隔よりも短くなっている。これは、ユーザがエネルギー摂取量の抑制のみの行動を持続しているためであり、単位周期における体重の減少幅が、生活習慣安定度Ｃが２とされたグラフＧ２Ｂにおける体重の減少幅よりも小さいためである。近似直線ＴＬ２の傾きｍもグラフＧ２Ｂにおける近似直線ＴＬ１と比較して、直線ＢＬの傾きである１に近くなる。そのため、数式１０の右辺の分子の数値が小さくなるため、消費量Ｂの値も小さくなる。

一方、ステップＳ２０８において、摂取量Ｅが摂取基準値を下回らない場合（ＮＯ）、推定部１５３は、生活習慣安定度Ｃを４に設定する（Ｓ２１０）。

図１１は、複数の差分表示点および近似直線を表現するグラフの第３の例を示す。なお、図１１に示されたグラフＧ５においては、差分表示点として用いられている周期体重データを含む推定区間において、ユーザは、エネルギー摂取量を増加させる行動を持続しているものと想定する。グラフＧ５においては、差分表示点が右上の方向へと順次プロットされる分布となっており、周期体重データが時間の経過につれて増加する傾向を示している。推定部１５３は、体重の減少のみならず、体重が増加した場合においても、複数の差分表示点の近似直線ＴＬ３を算出し、近似直線ＴＬ３の傾きおよび直線ＢＬとの交点における体重ｗ_０の値から摂取量Ｅおよび消費量Ｂを算出することが可能である。

さらに、ステップＳ２０４において、差分表示点の近似直線と複数の差分表示点との乖離の程度が第２の閾値を超えている場合（ＮＯ）、推定部１５３は、生活習慣安定度Ｃを５に設定する（Ｓ２１１）。上述したように、生活習慣安定度Ｃが５である場合は、複数の差分表示点の間における関係性が低い場合である。この場合、推定部１５３は、複数の差分表示点から正確な近似直線を算出することが困難である。

図１２は、複数の差分表示点および近似直線を表現するグラフの第４の例を示す。なお、図１２に示されたグラフＧ６においては、差分表示点として用いられている周期体重データを含む推定区間において、ユーザの生活習慣が乱れていたと想定する。グラフＧ６においては、差分表示点の位置がランダムであり、特定の傾向を持つ分布ではない。このとき、差分表示点より算出される近似直線ＴＬ４と各差分表示点との乖離の程度は、図１２に示されるように大きくなる。そのため、近似直線ＴＬ４は差分表示点の分布を精度高く表現するものではない。よって、近似直線ＴＬ４から推定される摂取量Ｅおよび消費量Ｂの精度も高くないと考えられる。そのため、生活習慣安定度Ｃの値が５である場合、推定部１５３は、例えば、摂取量Ｅおよび消費量Ｂの値に「−１」など、推定処理が実施できなかったことを示す値を代入してもよい。これにより、後述する出力制御部１５４は、生活習慣が乱れた場合において、精度の低い摂取量Ｅおよび消費量Ｂの値をユーザに提示しないようにすることができる。

以上まとめると、推定部１５３は、まず対象の推定区間において、周期体重データが集中しているか否かを判定する。周期体重データが集中していると判定された場合、推定部１５３は、生活習慣安定度Ｃを１と設定し、所定の式を用いて摂取量Ｅおよび消費量Ｂを推定する。次に、推定部１５３は、周期体重データが集中していない場合において、複数の差分表示点の分布により近似直線を算出する。そして、推定部１５３は、近似直線と差分表示点との乖離の程度を判定する。乖離の程度が所定の閾値より大きいと判定された場合、推定部１５３は、生活習慣安定度Ｃを５と設定し、近似直線を用いた摂取量Ｅおよび消費量Ｂの推定は実施しない。

一方、乖離の程度が所定の閾値以下であると判定された場合、推定部１５３は、近似直線を用いて摂取量Ｅおよび消費量Ｂを推定する。そして、推定された摂取量Ｅおよび消費量Ｂを、摂取基準値および消費基準値と比較することにより、推定部１５３は、生活習慣安定度Ｃを２〜４のいずれかに設定する。

なお、本実施形態においては、摂取量Ｅおよび消費量Ｂがいずれも増加するケースについては想定されていないが、上述した推定方法によれば、摂取量Ｅおよび消費量Ｂがいずれも増加する結果が推定され得る。そのため、例えば、ステップＳ２０６のＹＥＳの後処理において、さらに摂取量Ｅが基準値より低いか否かを判定する処理が行われてもよい。これにより、ユーザに対してより細かな判定基準に沿った推定結果を表示することが可能となる。また、消費量Ｂのみが増減するケース等も想定され得るので、推定部１５３は、想定されるケースに応じて生活習慣安定度Ｃの段階数を増減してもよい。これによりユーザに対してより多様な推定結果を提示することができる。

また、摂取量Ｅおよび消費量Ｂは基準値の値と同一の値を示す結果とは成り難い。そのため、例えば、推定された摂取量Ｅまたは消費量Ｂが、各々の基準値を中心とするある一定の範囲に含まれている場合、推定部１５３は、摂取量Ｅまたは消費量Ｂが各々の基準値と同じ値であるとみなしてもよい。この場合、例えば、ステップＳ２０６およびステップＳ２０８において、判定結果のバリエーションをさらに増やすことが可能である。これにより、ユーザに対してより多様な情報を提示することが可能である。

以上、推定部１５３における生活習慣の推定処理について説明した。推定部１５３は、生活習慣安定度Ｃの設定、並びに摂取量Ｅおよび消費量Ｂの推定を完了した後、各推定結果を出力制御部１５４に出力する。

・第１の変形例
なお、図７のフローチャートのステップＳ２０１において、推定部１５３は、周期体重データが集中しているか否かを判定していたが、本発明は係る例には限定されない。例えば、推定部１５３は、まずステップＳ２０３における近似直線の算出処理を全てのケースにおいて実施し、ステップＳ２０４において、近似直線と差分表示点との乖離の程度を判定してもよい。この場合、例えば図８に示したグラフＧ３のように各差分表示点が集中している場合において、これらの差分表示点から得られる近似直線は、必ずしも摂取量Ｅおよび消費量Ｂを算出するのに有用であるとは限らない。しかし、各差分表示点が集中している場合は、各差分表示点の近似直線との乖離の程度は、近似直線の方向に関わらず小さくなると考えられる。よって、推定部１５３は、ステップＳ２０４において、乖離の程度が第１の閾値よりも小さい場合、生活習慣安定度Ｃを１と設定し、乖離の程度が第２の閾値よりも大きい場合、生活習慣安定度Ｃを５と設定し、それ以外の場合、生活習慣安定度Ｃを２〜４のいずれかに設定してもよい。これにより、周期体重データが集中しているか否かを判定するステップを削減でき、推定部１５３による処理負荷を低減することができる。

・第２の変形例
また、推定部１５３は、差分表示点の分布により得られる近似直線を用いて摂取量Ｅおよび消費量Ｂを推定したが、周期体重データから直接的に摂取量Ｅおよび消費量Ｂを推定することも可能である。この場合、推定部１５３は、周期体重データを近似する、ｔを変数とする指数曲線を算出することにより、摂取量Ｅおよび消費量Ｂを推定できる。

上述した数式７は、下記の数式１２のように表現される。

また、ｔ→ｔ−１とした場合において、数式７は下記の数式１３のように表現される。

すると、数式１２および数式１３から、下記の数式１４が得られる。

上記の数式１４は、連続する２つの周期体重データの差についての関係を示す数式である。数式１４により表現される漸化式を解くと、数式１５のような、ｔを変数とする指数関数が得られる。

このとき、ｐおよびｒは定数である。ここで、ｔ→ｔ＋１とすると、次の数式１６が得られる。

数式１２と数式１６とを比較すると、ｒの値は、下記の数式１７のように表現される。

よって、周期体重データは、ｔを変数とし、ｐ、ｑ、およびｒを定数とする指数関数により表現される。具体的には、周期体重データは、下記の数式１８のように表現される。

なお、このとき、ｑの値は数式１９により決定される。

以上から、推定部１５３は、周期体重データの値を数式１８にフィッティングさせることにより、ｐ、ｑおよびｒの値を近似的に算出することができる。ｐ、ｑおよびｒの値が確定されれば、摂取量Ｅおよび消費量Ｂの値も算出され得る。

図１３は、周期体重データの時間変化および周期体重データを近似する近似曲線のグラフを示す図である。図１３を参照すると、周期体重データｗ（５）〜ｗ（１０）を近似する近似曲線ＴＬ５がグラフＧ７に描画されている。周期体重データｗ（５）〜ｗ（１０）のデータを利用してフィッティングを行うことにより、近似曲線ＴＬ５の各係数を得ることが可能である。なお、数式１８においてｒの値は、ｔが無限大に発散した場合の収束値に相当する。図１３を参照すると、近似曲線ＴＬ５の漸近線ＡＳにおける体重ｗの値が、ｒとなる。このｒの値は、数式９におけるｗ_０に対応する。

推定部１５３は、例えば、フィッティングの手段として、非線形最小二乗法等の公知技術を用いて、ｐ、ｑおよびｒの値を算出してもよい。具体的には、推定部１５３は、非線形最小二乗法を用いてｐ、ｑおよびｒを推定する場合、数式１８は下記の数式２０に変形される。

推定部１５３は、数式２０のｒの値を変化させながら、線形最小二乗法により、ｐおよびｑ、並びに、数式２０の左辺と右辺の残差平方和を算出する。残差平方和が極小となるとき、推定部１５３は、ｐ、ｑおよびｒの値を決定する。推定部１５３は、ｑおよびｒの値から、摂取量Ｅおよび消費量Ｂを推定することができる。なお、数式２０より得られる残差平方和は、近似曲線ＴＬ５と周期体重データｗ（５）〜ｗ（１０）との乖離度に相当するため、上述した生活習慣安定度Ｃの決定に用いられてもよい。

（出力制御部）
出力制御部１５４は、周期身体データ算出部１５２から出力された周期身体データ、および推定部１５３から出力された推定結果を出力する制御を行う。例えば、出力制御部１５４は、行動推定装置１０の出力部１４０に、周期身体データのグラフ、および推定結果に関する表示を出力する制御をしてもよい。また、出力制御部１５４は、推定部１５３により得られた生活習慣安定度Ｃの結果に基づいて、推定結果についての出力制御を行ってもよい。以下、出力制御部１５４による生活習慣安定度Ｃに応じた出力例について示す。

・Ｃ＝１の場合
図１４は、本発明の一実施形態に係る出力制御部１５４による第１の出力例を示す図である。図１４に示した第１の出力例では、生活習慣安定度Ｃが１の場合（体重の変動が小さい場合）が示されている。画面Ｄ１には、生活習慣に関する要旨を示すテキストＴＸ１、摂取行動に関する情報を示すテキストＥ１、消費行動に関する情報を示すテキストＢ１、および周期体重データの変化を示すグラフＷＨ１が表示されている。テキストＴＸ１には、推定結果に基づくユーザの生活習慣に関する内容が表示され、図１４に示した例においては、「食事と身体活動のバランスが安定しています。」という文が表示されている。テキストＥ１には、推定区間における周期体重データから推定された摂取行動によるエネルギーの摂取量に関する内容が表示され、図１４に示した例においては、「食事 ２５００ｋｃａｌ」という数値が表示されている。テキストＢ１には、推定区間における周期体重データから推定された消費行動によるエネルギーの消費量に関する内容が表示され、図１４に示した例においては、「身体活動 ３６．０Ｅｘ」という数値が表示されている。また、グラフＷＨ１には、周期身体データ算出部１５２から出力されたデータに基づいて描画される推定区間における体重の変動に関するグラフが表示される。図１４に示した例においては、３月１日から３月２９日までの体重の変動に関するデータが表示されている。このように、出力制御部１５４は、画面Ｄ１を介して、生活習慣に関するコメント、エネルギー摂取量、エネルギー消費量、および体重の変動データをユーザに提示する。これにより、ユーザの現在の生活習慣およびエネルギー収支の状態について把握することができる。

・Ｃ＝２の場合
図１５は、本発明の一実施形態に係る出力制御部１５４による第２の出力例を示す図である。図１５に示した第２の出力例では、生活習慣安定度Ｃが２の場合（食事量の抑制および身体活動の増加により体重が減少している場合）が示されている。画面Ｄ２には、画面Ｄ１と同様のテキストおよびグラフが表示されている。テキストＴＸ２には、「食事減少と身体活動増加が習慣化されています。」という文が表示されている。テキストＥ２には、推定摂取量を示す「食事 ２２５０ｋｃａｌ」いう数値に加えて、「（２５０kcal減少）」というように、摂取エネルギーの減少量が表示されている。同様に、テキストＢ２には、推定消費量を示す「身体活動 ３８．０Ｅｘ」いう数値に加えて、「（２．０Ｅｘ増加）」というように、消費エネルギーの増加量が表示されている。これらの減少量および増加量は、上述したような各基準値との比較量であってもよい。このように、出力制御部１５４は、画面Ｄ２を介して、摂取行動および消費行動に関するエネルギーの摂取量および消費量の変化をさらに提示してもよい。これにより、ユーザの生活習慣に係る摂取行動および消費行動の変化を容易に把握することができる。

・Ｃ＝３の場合
図１６は、本発明の一実施形態に係る出力制御部１５４による第３の出力例を示す図である。図１６に示した第３の出力例では、生活習慣安定度Ｃが３の場合（食事量の抑制により体重が減少している場合）が示されている。画面Ｄ３には、画面Ｄ１と同様のテキストおよびグラフが表示されている。ここでは、消費行動によるエネルギーの消費量は変化していないため、例えば、テキストＴＸ３には「食事減少が習慣化されています。」という文が表示され、また、テキストＢ３には、消費行動によるエネルギーの消費量が変化していない旨の記載（「増減なし」）等が表示されてもよい。これにより、ユーザは、摂取行動または消費行動の少なくともいずれかの変化が現れているかを把握することができる。

・Ｃ＝４の場合
図１７は、本発明の一実施形態に係る出力制御部１５４による第４の出力例を示す図である。図１７に示した第４の出力例では、生活習慣安定度Ｃが４の場合（食事量の増加により体重が増加している場合）が示されている。画面Ｄ４には、画面Ｄ１と同様のテキストおよびグラフが表示されている。ここでは、図１６に示した第３の出力例と同様に、摂取行動によるエネルギーの摂取量の変化のみが記載される。これにより、ユーザは、体重の増加およびエネルギーの摂取量の増加について把握することができる。

・Ｃ＝５の場合
図１８は、本発明の一実施形態に係る出力制御部１５４による第５の出力例を示す図である。図１８に示した第５の出力例では、生活習慣安定度Ｃが５の場合（生活習慣に乱れがある場合）が示されている。この場合、上述したように、推定部１５３において、エネルギーの摂取量および消費量は算出されない。そのため、画面Ｄ５には、生活習慣に関する要旨を示すテキストＴＸ５、および周期体重データの変化を示すグラフＷＨ５のみが表示されている。テキストＴＸ５には、「生活習慣（食事、身体活動）に乱れがあります。」という文が記載されている。このように、出力制御部１５４は、生活習慣に乱れがある場合は、摂取量および消費量を含まずに生活習慣に関する情報を提示してもよい。これにより、ユーザに信頼性の低い摂取量および消費量の推定量を提示しないようにすることができる。

以上、生活習慣安定度ごとに応じた出力制御部１５４による出力制御の例について説明した。出力制御部１５４は、上述したような出力例に限られず、画像や音声など、多様な態様により推定部１５３により推定された推定結果について出力することが可能である。例えば、出力制御部１５４は、推定された摂取量や消費量等の推定結果を、グラフを用いて出力することも可能である。これにより、推定結果の推移について直感的に把握することが可能である。また、出力制御部１５４は、画面Ｄ１〜Ｄ５に表示された情報のみならず、ユーザの体脂肪率等のデータを併せて表示してもよい。これにより、ユーザは生活習慣による体脂肪率への影響を併せて把握することができる。

＜４．行動推定装置の動作例＞
以上、本発明の一実施形態に係る行動推定装置１０による推定処理の例について説明した。次に、本発明の一実施形態に係る行動推定装置１０の動作について説明する。

図１９は、本発明の一実施形態に係る行動推定装置１０の動作例を示すフローチャートである。なお、以下に説明する行動推定装置１０の動作例においては、既にユーザの体重が測定され、記憶部１２０に時系列に記憶されているものと想定して説明する。

図１９を参照すると、まず行動推定装置１０は、ユーザの操作により生活習慣の推定を開始する処理を行う（Ｓ５０１）。例えば、行動推定装置１０は、出力部１４０を介してユーザに対して操作に関する指示を表示し、ユーザが上記表示に従って所定の操作を行うことにより、行動推定装置１０は推定処理を開始してもよい。

次に、行動推定装置１０は、身体データ等を取得する（Ｓ５０２）。具体的には、取得部１５１は、生活習慣の推定の対象となる推定区間に含まれる体重データ等の身体データを、記憶部１２０から取得する。また、取得部１５１は、推定結果の比較の基準となる基準値を取得してもよい。

そして、行動推定装置１０は、周期身体データを算出する（Ｓ５０３）。具体的には、周期身体データ算出部１５２は、記憶部１２０から取得された身体データについて、上述した算出処理を行うことにより、単位周期ごとの周期身体データを算出する。

次に、行動推定装置１０は、算出した周期身体データを用いて、生活習慣の推定を行う（Ｓ５０４）。具体的には、推定部１５３は、周期身体データに含まれる周期体重データの変化傾向に基づき、ユーザの生活習慣安定度を決定し、また、ユーザのエネルギーの摂取量および消費量を推定する。

そして、行動推定装置１０は、推定結果を出力する（Ｓ５０５）。具体的には、出力制御部１５４は、推定部１５３から取得した推定結果について、その推定結果に基づいて、出力部１４０等に出力する制御を行う。

＜５．ハードウェア構成例＞
以上、本発明の一実施形態に係る行動推定装置１０の動作例について説明した。上述した行動推定装置１０の情報処理は、ソフトウェアと、行動推定装置１０との協働により実現される。以下では、本発明の実施形態に係る行動推定装置１０のハードウェア構成について説明する。

図２０は、本発明の実施形態に係る行動推定装置１０のハードウェア構成例を示すブロック図である。行動推定装置１０は、ＣＰＵ９０１、ＲＯＭ９０３、およびＲＡＭ９０５、ホストバス９０７、ブリッジ９０９、外部バス９１１、インタフェース９１３、入力装置９１５、出力装置９１７、ストレージ装置９１９、ドライブ９２１、接続ポート９２５、および通信装置９２９を含む。なお、行動推定装置１０は、ＣＰＵ９０１に代えて、またはこれとともに、ＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）またはＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）と呼ばれるような処理回路を有してもよい。

ＣＰＵ９０１は、演算処理装置および制御装置として機能し、ＲＯＭ９０３、ＲＡＭ９０５、ストレージ装置９１９、またはリムーバブル記録媒体９２３に記録された各種プログラムに従って、行動推定装置１０内の動作全般またはその一部を制御する。なお、ＣＰＵ９０１は、制御部１５０の機能を実現する。ＲＯＭ９０３は、ＣＰＵ９０１が使用するプログラムや演算パラメータなどを記憶する。ＲＡＭ９０５は、ＣＰＵ９０１の実行において使用するプログラムや、その実行において適宜変化するパラメータなどを一時記憶する。ＣＰＵ９０１、ＲＯＭ９０３、およびＲＡＭ９０５は、ＣＰＵバスなどの内部バスにより構成されるホストバス９０７により相互に接続されている。さらに、ホストバス９０７は、ブリッジ９０９を介して、ＰＣＩ（Ｐｅｒｉｐｈｅｒａｌ Ｃｏｍｐｏｎｅｎｔ Ｉｎｔｅｒｃｏｎｎｅｃｔ／Ｉｎｔｅｒｆａｃｅ）バスなどの外部バス９１１に接続されている。

入力装置９１５は、例えば、マウス、キーボード、タッチパネル、ボタン、スイッチおよびレバーなど、ユーザによって操作される装置である。入力装置９１５は、例えば、赤外線やその他の電波を利用したリモートコントロール装置であってもよいし、行動推定装置１０の操作に対応した携帯電話などの外部接続機器９２７であってもよい。また、入力装置９１５は、マイクロフォンなどの音声入力装置であってもよい。入力装置９１５は、ユーザが入力した情報に基づいて入力信号を生成してＣＰＵ９０１に出力する入力制御回路を含む。ユーザは、この入力装置９１５を操作することによって、行動推定装置１０に対して各種のデータを入力したり処理動作を指示したりする。なお、入力装置９１５は、入力部１３０の機能を実現する。

出力装置９１７は、取得した情報をユーザに対して視覚的にまたは聴覚的に通知することが可能な装置で構成される。出力装置９１７は、例えば、ＬＣＤ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）、ＰＤＰ（Ｐｌａｓｍａ Ｄｉｓｐｌａｙ Ｐａｎｅｌ）、ＯＥＬＤ（Ｏｒｇａｎｉｃ Ｅｌｅｃｔｒｏ−Ｌｕｍｉｎｅｓｃｅｎｃｅ Ｄｉｓｐｌａｙ）などの表示装置、スピーカおよびヘッドホンなどの音声出力装置、ならびにプリンタ装置などであり得る。出力装置９１７は、行動推定装置１０の処理により得られた結果を、テキストまたは画像などの映像として出力したり、音声または音響などの音声として出力したりする。なお、出力装置９１７は、出力部１４０の機能を実現する。

ストレージ装置９１９は、行動推定装置１０の記憶部の一例として構成されたデータ格納用の装置である。ストレージ装置９１９は、例えば、ＨＤＤなどの磁気記憶部デバイス、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）などの半導体記憶デバイス、光記憶デバイス、または光磁気記憶デバイスなどにより構成される。このストレージ装置９１９は、ＣＰＵ９０１が実行するプログラムや各種データ、および外部から取得した各種のデータなどを格納する。なお、ストレージ装置９１９は、記憶部１２０の機能を実現する。

ドライブ９２１は、磁気ディスク、光ディスク、光磁気ディスク、または半導体メモリなどのリムーバブル記録媒体９２３のためのリーダライタであり、行動推定装置１０に内蔵、あるいは外付けされる。ドライブ９２１は、装着されているリムーバブル記録媒体９２３に記録されている情報を読み出して、ＲＡＭ９０５に出力する。また、ドライブ９２１は、装着されているリムーバブル記録媒体９２３に記録を書き込む。

接続ポート９２５は、機器を行動推定装置１０に直接接続するためのポートである。接続ポート９２５は、例えば、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）ポート、ＩＥＥＥ１３９４ポート、ＳＣＳＩ（Ｓｍａｌｌ Ｃｏｍｐｕｔｅｒ Ｓｙｓｔｅｍ Ｉｎｔｅｒｆａｃｅ）ポートなどであり得る。また、接続ポート９２５は、ＲＳ−２３２Ｃポート、光オーディオ端子などであってもよい。接続ポート９２５に外部接続機器９２７を接続することで、行動推定装置１０と外部接続機器９２７との間で各種のデータが交換され得る。外部接続機器９２７は、例えば、体重計２であってもよい。

通信装置９２９は、例えば、通信ネットワークＮＷに接続するための通信デバイスなどで構成された通信インタフェースである。通信装置９２９は、例えば、有線または無線ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、またはＷＵＳＢ（Ｗｉｒｅｌｅｓｓ ＵＳＢ）用の通信カードなどであり得る。また、通信装置９２９は、光通信用のルータ、ＡＤＳＬ（Ａｓｙｍｍｅｔｒｉｃ Ｄｉｇｉｔａｌ Ｓｕｂｓｃｒｉｂｅｒ Ｌｉｎｅ）用のルータ、または、各種通信用のモデムなどであってもよい。通信装置９２９は、例えば、インターネットや他の通信機器との間で、ＴＣＰ／ＩＰなどの所定のプロトコルを用いて信号などを送受信する。また、通信装置９２９に接続される通信ネットワークＮＷは、有線または無線によって接続されたネットワークであり、例えば、インターネット、家庭内ＬＡＮ、赤外線通信、ラジオ波通信または衛星通信などである。なお、通信装置９２９は、通信部１１０の機能を実現する。

＜６．まとめ＞
ここまで、図１〜図２０を用いて、本発明の一実施形態について説明した。本発明の一実施形態によれば、行動推定装置１０は、ユーザの体重を含む身体データについて一定の周期ごとの周期身体データを算出し、周期的な身体データの変化の傾向に基づいて、ユーザの摂取行動および消費行動に関するエネルギーの摂取量および消費量を推定する。特に、行動推定装置１０は、連続する２つの周期身体データからなるデータ対について、他のデータ対との比較結果により表現される関係から、エネルギーの摂取量および消費量を推定することができる。これにより、ユーザは、体重等を測定するだけで、ある区間におけるエネルギーの摂取量および消費量を把握することができる。したがって、ユーザは、体重を測るだけで、生活習慣に係る行動による生活習慣への効果について把握することが可能となる。

以上、添付図面を参照しながら本発明の好適な実施形態について詳細に説明したが、本発明はかかる例に限定されない。本発明の属する技術の分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本発明の技術的範囲に属するものと了解される。

例えば、上記実施形態では、推定部１５３は摂取行動および消費行動について推定したが、本発明はかかる例に限定されない。例えば、推定部１５３は、上述した数式１０のみを用いて、消費行動によるエネルギーの消費量のみを推定してもよい。これにより、近似直線を算出する処理を実施するだけで、消費行動の推定処理を完了することができる。なお、生活習慣安定度Ｃ＝１の場合には数式１の右辺第１項に含まれる摂取量Ｅを、消費量Ｂと体重Ｗとの積に置き換えることにより、消費量Ｂを推定することが可能となる。

また、上記実施形態では、出力制御部１５４が推定結果を出力部１４０に出力するとしたが、本発明はかかる例に限定されない。例えば、出力制御部１５４は、推定結果をデータとして、記憶部１２０に記憶してもよく、または外部サーバに送信してもよい。これにより、例えば、ユーザ以外の人間がユーザの生活習慣に関する推定結果を把握することが可能となる。より具体的には、ユーザの生活習慣に関する推定結果のデータを外部装置が行動推定装置１０から取得することにより、生活習慣の指導を行う医師や管理栄養士等が上記データに基づいてユーザに適切なフィードバックを行うことが可能となる。

また、上記実施形態では、体脂肪率は摂取量および消費量の算出において補助的に用いられていたが、本発明はかかる例に限定されない。例えば、単位周期ごとの体脂肪率を用いることにより、体重および体脂肪率ベースでエネルギーの摂取量および消費量を計算することも可能となる。

また、上記実施形態では、生活習慣安定度の値が５段階に設定されたが、本発明はかかる例に限定されない。例えば、推定部１５３は、近似直線を用いて推定された摂取量および消費量以外に、ユーザの体重や身長、体脂肪率などの身体データを比較対象として用いることにより、生活習慣安定度を設定してもよい。より具体的には、上記実施形態では、食事量が抑制された結果摂取量が減少し、身体活動が増加した結果消費量が増加した場合には、生活習慣安定度は２とされたが、例えば、かかる場合において、ユーザの体重が別に定めた目標値に達したか否かに応じて、さらに生活習慣安定度の値が細分化されて設定されてもよい。これにより、ユーザの生活習慣をより厳密に管理することができる。

また、上記実施形態では、体重計２と行動推定装置１０とが行動推定システム１を構成していたが、本発明はかかる例に限定されない。例えば、体重計２と行動推定装置１０とが一体となった行動推定装置または行動推定システムが提供されてもよい。また、行動推定装置１０に含まれる入力部１３０および出力部１４０の機能は、スマートフォンやタブレット等の外部端末において実現されてもよい。かかる構成により、外部端末はインタフェースとしてユーザの入力操作を受け付け、または、ユーザに情報を提示することができ、行動推定装置は、摂取行動および消費行動の推定処理のみを行うことが可能である。また、行動推定システム１は、行動推定装置１０のみを含む構成であってもよい。つまり体重計２と行動推定装置１０とは、直接的に通信を行わなくてもよい。この場合、例えば、体重計２において測定された体重をユーザが行動推定装置１０に入力することにより、行動推定装置１０は体重データを取得してもよい。これにより、既存の体重計を用いることが可能となる。

また、本明細書の行動推定装置１０の処理における各ステップは、必ずしもフローチャートとして記載された順序に沿って時系列に処理する必要はない。例えば、行動推定装置１０の処理における各ステップは、フローチャートとして記載した順序と異なる順序で処理されても、並列的に処理されてもよい。

また、行動推定装置１０に内蔵されるＣＰＵ、ＲＯＭおよびＲＡＭなどのハードウェアを、上記の行動推定装置１０の各構成と同等の機能を発揮させるためのコンピュータプログラムも作成可能である。また、該コンピュータプログラムを記憶させた記憶媒体も提供される。

１ 行動推定システム
２ 体重計
１０ 行動推定装置
１１０ 通信部
１２０ 記憶部
１３０ 入力部
１４０ 出力部
１５０ 制御部
１５１ 取得部
１５２ 周期身体データ算出部
１５３ 推定部
１５４ 出力制御部

Claims (13)

1. 生体の体重を含む身体データを時系列に記憶する記憶部と、
   前記記憶部に記憶された前記身体データに基づいて単位周期ごとの前記生体の周期身体データを算出する周期身体データ算出部と、
   連続する２つの前記周期身体データからなるデータ対の比較を各データ対について行い、前記比較の結果に基づいて前記生体によるエネルギーの消費行動を含む前記生体の生活習慣を推定する推定部と、
   を備える、行動推定装置。
2. 前記推定部は、前記生体によるエネルギーの摂取行動を含む前記生体の生活習慣を推定する、請求項１に記載の行動推定装置。
3. 前記推定部は、前記データ対に含まれる前記連続する２つの前記周期身体データの差を各データ対について算出し、算出された複数の前記差の関係に基づいて前記生体の前記生活習慣を推定する、請求項１または２に記載の行動推定装置。
4. 前記推定部は、前記連続する２つの前記周期身体データを変数とする二次元の座標を前記データ対の座標として二次元平面に表現し、複数の前記データ対の座標を表現する点群の近似直線を用いて前記生体の前記生活習慣に関する指標の値を推定する、請求項１〜３のいずれか一項に記載の行動推定装置。
5. 前記推定部は、前記近似直線の傾きに基づいて前記生体の前記消費行動によるエネルギー消費量を推定する、請求項４に記載の行動推定装置。
6. 前記推定部は、前記データ対に含まれる前記連続する２つの前記周期身体データの示す値が同一である場合の前記データ対の座標の集合を前記二次元平面において表現する直線と前記近似直線との交点、および、推定された前記エネルギー消費量に基づいて前記生体の摂取行動によるエネルギー摂取量を推定する、請求項５に記載の行動推定装置。
7. 前記推定部は、前記各データ対を表現する前記点群の密集度、または前記点群と前記近似直線との乖離の程度のいずれかに基づいて、前記生体の生活習慣安定度を推定する、請求項４〜６のいずれか一項に記載の行動推定装置。
8. 前記推定部は、前記点群の密集度が第１の閾値より大きい場合、前記生体の体重、および、前記生体の身長、年齢、または性別の少なくともいずれかを含む前記生体の前記身体データに基づいて前記生体の前記生活習慣を推定する、請求項７に記載の行動推定装置。
9. 前記推定部による推定結果を含む前記生体の前記生活習慣に関する情報を出力する制御を行う出力制御部をさらに備え、
   前記乖離の程度が第２の閾値より大きい場合、前記出力制御部は、前記推定部により推定された前記指標の値を含まないで前記生体の前記生活習慣に関する情報の出力する制御を行う、請求項７または８に記載の行動推定装置。
10. 前記推定部は、前記生体の前記身体データに含まれる体脂肪率に基づいて前記生体の前記生活習慣を推定する、請求項１〜９のいずれか一項に記載の行動推定装置。
11. 前記周期身体データ算出部は、前記記憶部に記憶された前記身体データを補間することにより得られる補間データを用いて前記生体の前記周期身体データを算出する、請求項１〜１０のいずれか一項に記載の行動推定装置。
12. 生体の体重を含む身体データを時系列に記憶するステップと、
    記憶された前記身体データに基づいて単位周期ごとの前記生体の周期身体データを算出するステップと、
    連続する２つの前記周期身体データからなるデータ対の比較を各データ対について行い、前記比較の結果に基づいて前記生体によるエネルギーの消費行動を含む前記生体の生活習慣を推定するステップと、
    を含む、行動推定方法。
13. コンピュータを、
    生体の体重を含む身体データを時系列に記憶する記憶部と、
    前記記憶部に記憶された前記身体データに基づいて単位周期ごとの前記生体の周期身体データを算出する周期身体データ算出部と、
    連続する２つの前記周期身体データからなるデータ対の比較を各データ対について行い、前記比較の結果に基づいて前記生体によるエネルギーの消費行動を含む前記生体の生活習慣を推定する推定部と、
    として機能させるための、プログラム。
    

Images