JP2018011721A - ストレス推定装置、ストレス推定方法、及び、ストレス推定プログラム - Google Patents

Abstract

【課題】測定対象が測定された測定タイミングだけでなく、該測定タイミングと異なるタイミングに関しても、慢性ストレスの程度を推定することができるストレス推定装置等を提供する。【解決手段】ストレス推定装置３０１は、ストレスを受ける対象に生じるイベント（以下、対象イベント）が生じる期間（以下、イベント期間）を含むスケジュール情報と、単位時間あたりに該イベントから受ける心理的負担の程度を含む負担情報とに基づき、該対象イベントから該対象が受ける該心理的負担の程度を特定するスケジュール情報処理部３０２と、該対象イベントに関して特定された該心理的負担の程度を該イベント期間に亘って受けた場合における該対象の該心理的負担の程度を算出し、算出した該心理的負担の程度を該スケジュール情報に含まれている該対象イベントに関して累積することによって、該スケジュール情報に関して該対象が受ける該ストレスの程度として推定する慢性ストレス推定部３０３とを有する。【選択図】 図１３

Description

本発明は、たとえば、測定対象に関する慢性ストレスを推定するストレス推定装置等に関する。

特許文献１は、被験者に関して測定された体動データに基づき該被験者におけるストレスの状態を推定するストレス状態推定装置を開示する。ストレス状態推定装置は、被験者の体動を測定し、測定した体動を表す測定情報を作成する。ストレス状態推定装置は、測定情報に関する特徴を表す特徴量を算出し、算出した特徴量に該特徴量とストレスの状態との関係性を表す関係性モデルを適用することによって、ストレスの状態を推定する。ストレス状態推定装置は、該測定情報に関して該被験者が実際に感じたストレスの状態を入力した場合に、入力したストレスの状態に基づき関係性モデルを帰納的に算出する。

特許文献２は、被験者に関して測定された心血管信号に基づき、心理的なストレスのレベルを推定する測定装置を開示する。該測定装置は、心血管信号におけるＲ−Ｒ間隔の標準偏差を算出し、算出した標準偏差に関する特徴を表す特徴量を算出する。該測定装置は、算出した特徴量の値の大きさに応じて、心理的なストレスのレベルを推定する。

特開２００３−２９０１７６号公報 特開２０１２−７５７０８号公報

しかし、特許文献１、及び、特許文献２に開示されたいずれの装置を用いたとしても、測定対象が測定された測定タイミング以外の慢性ストレスを正確に推定することは難しい。この理由は、特許文献１、及び、特許文献２が、いずれも、現状で測定対象が受けている慢性ストレスを判定するからである。

そこで、本発明の目的の１つは、測定対象が測定された測定タイミングだけでなく、該測定タイミングと異なるタイミングに関しても、慢性ストレスの程度を推定することができるストレス推定装置等を提供することである。

前述の目的を達成するために、本発明の一態様において、ストレス推定装置は、
ストレスを受ける対象に生じるイベント（以下、対象イベント）が生じる期間（以下、イベント期間）を含むスケジュール情報と、単位時間あたりに前記イベントから受ける心理的負担の程度を含む負担情報とに基づき、前記対象イベントから前記対象が受ける前記心理的負担の程度を特定するスケジュール情報処理手段と、
前記対象イベントに関して特定された前記心理的負担の程度を前記イベント期間に亘って受けた場合における前記対象の前記心理的負担の程度を算出し、算出した前記心理的負担の程度を前記スケジュール情報に含まれている前記対象イベントに関して累積することによって、前記スケジュール情報に関して前記対象が受ける前記ストレスの程度として推定するストレス推定手段と
を備える。

また、本発明の他の見地として、ストレス推定方法は、
ストレスを受ける対象に生じるイベント（以下、対象イベント）が生じる期間（以下、イベント期間）を含むスケジュール情報と、単位時間あたりに前記イベントから受ける心理的負担の程度を含む負担情報とに基づき、前記対象イベントから前記対象が受ける前記心理的負担の程度を特定し、前記対象イベントに関して特定された前記心理的負担の程度を前記イベント期間に亘って受けた場合における前記対象の前記心理的負担の程度を算出し、算出した前記心理的負担の程度を前記スケジュール情報に含まれている前記対象イベントに関して累積することによって、前記スケジュール情報に関して前記対象が受ける前記ストレスの程度として推定する。

また、本発明の他の見地として、係るストレス推定プログラムは、
ストレスを受ける対象に生じるイベント（以下、対象イベント）が生じる期間（以下、イベント期間）を含むスケジュール情報と、単位時間あたりに前記イベントから受ける心理的負担の程度を含む負担情報とに基づき、前記対象イベントから前記対象が受ける前記心理的負担の程度を特定するスケジュール情報処理機能と、
前記対象イベントに関して特定された前記心理的負担の程度を前記イベント期間に亘って受けた場合における前記対象の前記心理的負担の程度を算出し、算出した前記心理的負担の程度を前記スケジュール情報に含まれている前記対象イベントに関して累積することによって、前記スケジュール情報に関して前記対象が受ける前記ストレスの程度として推定するストレス推定機能と
をコンピュータに実現させる。

さらに、同目的は、係るプログラムを記録するコンピュータが読み取り可能な記録媒体によっても実現される。

本発明に係るストレス推定装置等によれば、測定対象が測定された測定タイミングだけでなく、該測定タイミングと異なるタイミングに関しても、慢性ストレスの程度を推定することができる。

本発明の第１の実施形態に係るストレス推定システムが有する構成を示すブロック図である。 第１の実施形態に係るストレス推定システムにおける学習処理の流れを示すフローチャートである。 第１の実施形態に係るストレス推定システムにおける推定処理の流れを示すフローチャートである。 圧力分布センサが有する構造の一例、及び、該圧力分布センサが設置される場所の一例を表す図である。 リストバンド状の心拍センサが有する構造の一例を表す図である。 心理的負担情報記憶部に格納されている心理的負担訓練情報の一例を概念的に表す図である。 第１慢性ストレス情報記憶部に格納されている、第１慢性ストレス訓練情報の一例を概念的に表す図である。 第２慢性ストレス情報記憶部に格納されている第２慢性ストレス推定モデルの一例を概念的に表す図である。 本発明の第２の実施形態に係るストレス推定システムが有する構成を示すブロック図である。 第２の実施形態に係るストレス推定システムにおける処理の流れを示すフローチャートである。 スケジュール情報の一例を概念的に表す図である。 項目負担情報記憶部に格納されている項目負担情報の一例を概念的に表す図である。 本発明の第３の実施形態に係るストレス推定装置が有する構成を示すブロック図である。 第３の実施形態に係るストレス推定装置における処理の流れを示すフローチャートである。 本発明の第４の実施形態に係るストレス推定装置が有する構成を示すブロック図である。 第４の実施形態に係るストレス推定装置における処理の流れを示すフローチャートである。 本発明の各実施形態に係るストレス推定装置を実現可能な計算処理装置のハードウェア構成例を概略的に示すブロック図である。

本発明の理解を容易にする目的のために、本発明において用いる技術、及び、本発明が解決しようとする課題を詳細に説明する。

心理的な負担（ａｃｕｔｅ ｓｔｒｅｓｓ）を推定する技術の一例について説明する。以降、心理的負担の程度、または、心理的負担の有無を、まとめて、「心理的負担」と表す。

測定対象（たとえば、被験者、以降、単に、「対象」とも表す）における心理的負担は、たとえば、該測定対象の姿勢に関する特徴を表す特徴量の値に基づき推定される。姿勢に関する特徴を表す特徴量は、たとえば、測定対象の姿勢に応じて生じる圧力分布における圧力の中心（以降、圧力の中心を「圧力中心」と表す）が、時間的にばらついている程度を表すばらつき具合（たとえば、標準偏差ＳＤ、式１０等を参照しながら後述する）である。測定対象における心理的負担は、たとえば、該圧力中心のばらつき具合（程度）に関する時間的な推移を表す数値に自己組織化マップ等の機械学習技術を適用することにより、推定される。

測定対象における心理的負担は、たとえば、該測定対象の心拍における特定の周波数帯に関する特徴量の値に基づき、判定される。該特定の周波数帯の比に基づき測定対象における心理的負担が判定される場合には、測定対象間における個人差が解消されつつ、心理的負担を推定することができる。心拍を測定する方法には、たとえば、心拍センサを用いて測定対象の脈波を直接的に測定する方法や、測定対象が座っている椅子に設置された圧力センサを用いて測定対象の心拍を測定する方法等がある。

測定対象における心理的負担（ストレス）は、該測定対象から測定される電気的な皮膚反応（ＧＳＲ）、脳波、表情、視線の動き、瞳孔径、瞬きの回数、声のトーン、話し方、加速度センサを用いて測定された測定対象の身体の動き、ジェスチャ、行動等の特徴を表す特徴量の値に基づき推定することができる。

測定対象におけるストレスは、該測定対象における交感神経の活動と、該測定対象における副交感神経の活動との間のバランスに関係している。交感神経の活動と、副交感神経の活動との間のバランスは、測定対象から測定される脈波における低周波成分（ＬＦ）と、高周波成分（ＨＦ）との比に関係している。

脈波に関して検知されるＭａｙｅｒ波は、収縮期血圧が約１０秒周期（すなわち、０．１ヘルツ程度の低周波成分）にて変動する現象を表す。Ｍａｙｅｒ波により生じる刺激は、頸動脈洞等の圧受容体を介して心血管中枢に到達し、その後、遠心路（心臓迷走神経系または、交感神経系）を介して洞結節を抑制する。したがって、Ｍａｙｅｒ波は、心臓迷走神経系（心臓副交感神経系）の活動と、心臓血管交感神経系の活動とを反映している。また、高周波成分は、心臓迷走神経系（心臓副交感神経系）の活動を反映している。この理由は、肺圧受容体の呼気時における伸展刺激が心血管中枢を介して心臓迷走神経を抑制し、毎分９回（すなわち、０．１５ヘルツ）以上の周期の呼吸刺激が心臓迷走神経を介して洞結節に伝わるからである。

以上の事実から、交感神経の活動の程度は、心拍の低周波成分（０．０５ヘルツから０．１５ヘルツ）のパワースペクトル密度の積分値を、高周波成分（０．１５ヘルツから０．４５ヘルツ）のパワースペクトル密度の積分値で割った値（すなわち、ＬＦ／ＨＦとの比）を用いて表される。また、副交感神経の活動の程度は、高周波成分（０．１５ヘルツから０．４５ヘルツ）のパワースペクトル密度の積分値を用いて表される。

また、測定対象の心拍数の揺らぎ（ＳＤＮＮ）も、該測定対象の心理的負担が増大した場合には低下し、心理的負担の特徴量となり得る。

測定対象における心理的負担は、該測定対象から測定される脈波、電気的な皮膚反応（ＧＳＲ）、脳波、表情、視線の動き、瞳孔径、瞬きの回数、声のトーン、話し方、加速度センサを用いて測定された測定対象の身体の動き、ジェスチャ、行動等の特徴を表す特徴量の値に基づき推定することができる。

次に、慢性ストレス（ｃｈｒｏｎｉｃ ｓｔｒｅｓｓ）を推定する技術の一例について説明する。

測定対象における慢性的なストレス（以降、「慢性ストレス」と表す）は、継続的に該測定対象に対して実施されるアンケート調査等によって測定される。しかし、アンケート調査は、該測定対象にとって余分な作業であるので、該測定対象に対して心理的負担、または、慢性ストレスを与える一因である可能性がある。

測定対象に対してアンケート調査を実施することなく、たとえば、該測定対象の心拍を表す時系列データに関する相関次元Ｄ２（式９等を参照しながら後述する）の値に基づき、該測定対象における慢性ストレスを推定することもできる。言い換えると、相関次元Ｄ２は、測定対象に対する心理的負担、慢性ストレスを軽減しつつ、該測定対象における慢性ストレスを測定できる可能性がある特徴量の一例である。測定対象の心拍を測定する方法には、たとえば、心拍センサを用いて脈波を直接的に測定する方法や、測定対象が座っている椅子に設置された圧力センサを用いて測定対象の心拍を間接的に測定する方法等がある。しかし、測定対象の外部から与えられた心理的負担と、測定対象に関する慢性ストレスに該心理的負担が与える影響とには、各測定対象間の個人差がある。

まとめると、圧力分布センサを用いて測定される圧力分布から推定される測定対象の体動データ、生体情報センサを用いて測定される測定対象の生体情報データ等の測定情報に基づき、該測定対象に関する慢性ストレス、または、心理的負担の蓄積を推定することができる。しかし、心理的負担の蓄積と慢性ストレスとの関係性には個人差がある。したがって、心理的負担の蓄積に基づき慢性ストレスを正確に予測する目的のためには、該個人差を加味しつつ慢性ストレスを予測する必要がある。

測定対象の一例である被験者において、慢性ストレスは、心理的負担が蓄積された結果生じる。しかし、心理的負担が慢性ストレスを引き起こす否かに関しては、個人差（個体差）がある結果、慢性ストレスが測定対象に精神的な疾患を引き起こす程度にも個人差がある。

測定対象における慢性ストレスに基づき、該測定対象に休暇・休息を催促することは可能である。該測定対象における慢性ストレスがある程度まで高くなった場合に、休暇（または、休息）を催促する等のストレスを軽減することが該測定対象に催促される。しかし、測定対象は、休息を催促されたとしても、必ずしも、休息を催促されたタイミングにて休息を取ることができるとは限らない。測定対象は、休息を取ることができない場合に、慢性ストレスを感じ続ける。この場合に、休息を催促されつつも催促された休息を取ることができないこと自体が、測定対象にとって慢性ストレスの原因となる可能性がある。

また、慢性ストレスを常時モニタリングしておき、慢性ストレスの増大の程度を推定し、これによって測定対象が経験した各スケジュールが慢性ストレスの増大にどのような影響を及ぼすのかを記録し、心理的負荷を測定することなく、この各スケジュールと、慢性ストレスの増大の程度との関係性を用いてスケジュールを調整することは困難である。なぜなら、慢性ストレスは、測定対象に与えられている仕事に起因する心理的負荷だけでなく、測定対象が想起する過去の記憶等を含むあらゆる心理的負荷に由来するからである。このため、心理的負荷とスケジュールの内容との間において、及び、慢性ストレスと心理的負荷と間においては、それぞれ、統計的な処理（慢性ストレスと心理的負荷との関係性ならば線形回帰等）によって関係性を明らかにする必要があり、スケジュールの内容と慢性ストレスとの関係性を統計的な処理によって明らかにしようとすれば正確性が失われてしまう。

心理的負担に基づき、測定対象に休息を催促することは可能である。しかし、該測定対象においては、心理的負担をある程度経験しても、慢性ストレスが非常に低い程度にとどまっている可能性が有るので、心理的負担に基づき休息を催促する場合には、該催促が測定対象にとって早すぎる可能性がある。同様に、心理的負担に基づき休息を催促されるタイミングは、慢性ストレスが精神疾患を引き起こす程度にまで増大しており、測定対象にとって遅すぎる可能性がある。したがって、測定対象における慢性ストレスを軽減するためには、適切なタイミングにストレスを軽減することを該測定対象に催促することが必要である。

たとえば、仕事によって心理的負担が蓄積された結果、慢性ストレスにつながるリスクがある測定対象に関して、心理的負担の蓄積に基づき慢性ストレスを予測する技術によれば、計画的な休暇（または、休息）に関する助言ができる。しかし、上述したように、測定対象に対する心理的負担の蓄積が慢性ストレスにつながるか否かに関しては、測定対象間の個人差が存在している。たとえば、該個人差は、ストレスに対する各測定対象の耐性の違い、慢性ストレスを軽減する習慣を測定対象が有しているか否かの違い、該習慣に応じて軽減される慢性ストレスの程度の違い等によって生じる。さらに、慢性ストレスを軽減する習慣は、１つの測定対象に関しても変化する。

しかし、特許文献１、及び、特許文献２に開示された技術は、測定時における慢性ストレスを推定することはできるが、慢性ストレスが測定時以降にどのように変化するのかを推定することはできない。

発明者は、上述したような課題を見出すとともに、係る課題を解決する手段を導出するに至った。以降、このような課題を解決可能な、本発明を実施する実施形態に係るシステムについて、図面を参照しながら詳細に説明する。

＜第１の実施形態＞
図１を参照しながら、本発明の第１の実施形態に係るストレス推定（判定）システム１０１が有する構成について詳細に説明する。図１は、本発明の第１の実施形態に係るストレス推定システム１０１が有する構成を示すブロック図である。

本発明の第１の実施形態に係るストレス推定システム１０１は、ストレス推定（判定）装置１０２と、測定部１０３と、出力装置１０４とを有する。

第１の実施形態に係るストレス推定装置１０２は、入力部１０５と、第１慢性ストレス推定部１０６と、心理的負担推定部１０７と、心理的負担累積部１０８と、第２慢性ストレス推定部１０９と、慢性ストレス判定部１１０と、第１慢性ストレス学習部１１１と、心理的負担学習部１１２と、第２慢性ストレス学習部１１３とを有する。ストレス推定装置１０２は、さらに、第１慢性ストレス情報記憶部１１４と、心理的負担情報記憶部１１５と、第２慢性ストレス情報記憶部１１６とを有してもよい。

測定部１０３は、被験者等の測定対象に関する情報（以降、「測定情報」と表す）を測定する。測定部１０３は、たとえば、圧力分布センサ（図４を参照しながら後述する）、加速度センサ、肌表面導電センサ、脈波センサ、生体情報センサである。測定部１０３は、脈波センサ、加速度センサ、肌表面導電センサ、及び、心拍センサ等のうち、少なくとも１つのセンサを有しているリストバンド状のウェアラブル機器（図５を参照しながら後述する）であってもよい。また、測定部１０３は、測定対象に関する情報を測定可能なセンサを少なくとも１つ有していればよく、上述した例に限定されない。測定部１０３が測定する測定情報は、測定対象に関する心理的負担、または、慢性ストレスに関係している可能性がある情報である。ここで、測定部１０３の一例であるセンサについて説明する。

図４を参照しながら、圧力分布センサについて説明する。図４は、圧力分布センサが有する構造の一例、及び、該圧力分布センサが設置される場所の一例を表す図である。

圧力分布センサ（圧力分布センサ１２５乃至圧力分布センサ１２７）は、所定の領域における複数の測定箇所にて、該所定の領域に関する圧力を測定する圧力検知セル（たとえば、圧力検知セル１２１、圧力検知セル１２２）を有する。圧力分布センサは、測定した圧力の変化に基づき、たとえば、測定対象である測定対象の心拍、または、該測定対象の動きを推定してもよい。

説明の便宜上、所定の領域における複数の測定箇所にて測定された圧力を「圧力分布」と表す。また、所定の領域における複数の測定箇所にて圧力を測定することを、「圧力分布を測定する」と表す。すなわち、圧力分布センサは、圧力分布を測定する。

圧力分布センサは、たとえば、測定対象が座る椅子の座面１２４（該椅子の背もたれ１２３、または、該椅子の前方等に設置される。椅子の前方に設置された圧力分布センサ１２７は、たとえば、椅子に座っている測定対象の足の裏における圧力分布を測定する。椅子の座面１２４に設置された圧力分布センサ１２６は、たとえば、座位にて作業することが多い測定対象の臀部における圧力分布を正確に測定することができる。椅子の背もたれ１２３に設置された圧力分布センサ１２５は、たとえば、測定対象の背中における圧力を測定することができる。

圧力分布センサによって、心拍を測定することもできる。この場合、後述のＰＰＧ方式の他、特に手首等の脈波による血管の動きに起因する微小な肌表面での圧力変化に基づき心拍を推定する方法もある。こうしたセンサは、図５に例示されているように、測定対象の手首等に装着されるリストバンド状の心拍センサ１３１であってもよい。図５は、リストバンド状の心拍センサ１３１が有する構造の一例を表す図である。

圧力分布センサが、椅子の座面１２４に設置された圧力分布センサ１２６、及び、リストバンド状の心拍センサ１３１である場合に、心拍センサ１３１によれば、測定対象の動きをより正確に測定することができる。

加速度センサは、測定対象の動きに関する加速度を測定する。加速度センサは、たとえば、動くことが多い測定対象の手首に装着され、該測定対象の動きにおける加速度を測定する。加速度は、測定対象における心理的負担や慢性ストレスに関係している可能性がある情報を表す。

肌表面導電センサは、測定対象の肌の表面上に装着され、装着された箇所にて導電性を測定する。導電性は、測定対象における心理的負担や慢性ストレスに関係している可能性がある情報を表す。

心拍を測定するには、手足等の身体末端に取り付けたセンサ（ＰＰＧ方式、上述したような肌表面での圧力変化に基づき心拍を推定する方式、または、脈波に由来する加速度を検知する方式等）から測定した脈波から推定する方法、測定対象が座る椅子等の座面１２４、背もたれ等に設置された座面圧力分布センサから、被検者の身体の心拍に由来する微細な振動を検知して心拍を推定する方法、同じく測定対象が座る椅子等の座面１２４、背もたれ等に設置された座面圧力分布センサから、被検者の身体末端における脈波による振動を推定し、更に心拍を推定する方法、測定対象の胸部（心臓付近）に装着した筋電計により心筋の筋電図（いわゆる「心電図」）を直接取得する方法、両手の手指等から同時に取得する電気信号により前述の心筋の筋電の挙動を推定する方法等が挙げられるが、これらに限らない。

測定部１０３が有する構成は、測定対象に関する状況に応じて決定されてもよい。測定対象がウェアラブル機器を身に着けることに不慣れな場合に、該測定対象は、リストバンド状のセンサ（図５に例示された圧力分布センサによるリストバンドや、その他加速度センサ、肌表面導電センサ、ＰＰＧ方式の脈波センサ等のリストバンド）を装着することを、心理的負担に感じる可能性がある。該測定対象が、さらに、コンピュータの操作や自動車の運転等、座位にて作業を行うことが多い場合に、測定部１０３は、たとえば、測定対象が座る椅子の座面１２４に設置された圧力分布センサ１２６（図４に例示）を有する。また、測定対象が動くことが多く、さらに、ウェアラブル機器を装着することに慣れている場合に、測定部１０３は、たとえば、リストバンド状のウェアラブル機器（図５に例示された圧力分布センサによるリストバンドや、その他加速度センサ、肌表面導電センサ、ＰＰＧ方式の脈波センサ等のリストバンド）を有し、さらに、椅子の座面１２４に設置された圧力分布センサ１２６（図４に例示）を有してもよい。測定部１０３が、複数の場所に設置されたセンサを有している場合には、該測定部１０３によれば、たとえば、一部の情報を測定できない場合であっても、測定できた測定情報に基づき、測定できない情報を推定することができる。

測定部１０３は、測定対象における慢性ストレスに関係している可能性がある情報、または、測定対象における心理的負担に関係している可能性がある情報を取得できればよく、上述した例に限定されない。

ストレス推定装置１０２は、上述したようなセンサを有している測定部１０３によって測定対象に関して測定された測定情報に基づき、該測定対象における慢性ストレスの程度と、該測定対象に関する休息（または、休暇）のタイミングとを推定する。ストレス推定装置１０２は、測定部１０３が測定した測定情報を入力できればよく、たとえば、汎用の情報処理装置、専用の装置、または、携帯端末等が有する機能を用いて実現することができる。ストレス推定装置１０２は、たとえば、測定対象が使用するコンピュータ、または、携帯端末等に格納されているソフトウェア等を用いて実現することができる。

出力装置１０４は、ストレス推定装置１０２が算出した休息のタイミング、ストレスの程度等を出力する。出力装置１０４は、たとえば、ディスプレー、スピーカー等の装置である。出力装置１０４は、上述した例に限定されない。

次に、本発明の第１の実施形態に係るストレス推定システム１０１における処理について詳細に説明する。ストレス推定システム１０１における処理は、大別して、慢性ストレスを推定する推定処理と、該推定処理の基である情報（訓練情報、推定モデル等）を作成する学習処理とを含む。図２を参照しながら、第１の実施形態に係るストレス推定システム１０１における学習処理について説明し、その後、図３を参照しながら、第１の実施形態に係るストレス推定システム１０１における推定処理について説明する。図２は、第１の実施形態に係るストレス推定システム１０１における学習処理の流れを示すフローチャートである。図３は、第１の実施形態に係るストレス推定システム１０１における推定処理の流れを示すフローチャートである。

説明の便宜上、推定処理と、学習処理とに分けて説明するが、ストレス推定システム１０１は、並行して、または、擬似的に並行して、推定処理と、学習処理とを実行してもよい。

図２に示された学習処理において、入力部１０５は、測定部１０３によって測定された測定情報を入力する（ステップＳ１０１）。測定情報は、測定対象に関する情報を表す。入力部１０５は、入力した測定情報を測定情報記憶部（不図示）に格納してもよい。入力部１０５は、さらに、測定対象に対するアンケート調査等を介して取得された慢性ストレスの程度、または、心理的負担の程度を入力する（ステップＳ１０２）。

心理的負担学習部１１２は、入力部１０５によって入力された測定情報に関して、該測定情報の特徴を表す特徴量の値を、所定の特徴量算出手順に従い算出する。該所定の特徴量算出手順に従い算出される特徴量は、心理的負担に関係している可能性がある情報（たとえば、式１０等を参照しながら後述する「標準偏差ＳＤ」）を表す。心理的負担学習部１１２は、算出した特徴量の値と、入力した心理的負担とが関連付けされた心理的負担訓練情報（図６を参照しながら後述する）を作成し（ステップＳ１０３）、作成した心理的負担訓練情報を心理的負担情報記憶部１１５に格納する。

心理的負担学習部１１２は、作成した心理的負担訓練情報（心理的負担教師データ）を機械学習技術に関する手順に従って演算処理することによって、該特徴量と、該心理的負担との関係性を表す心理的負担推定モデルを作成する（ステップＳ１０４）。機械学習技術は、たとえば、サポートベクターマシンや、回帰木等の方法である。心理的負担推定モデルを、所定の特徴量算出手順に従い算出された特徴量の値に対して適用することによって、該特徴量の値は算出される。

測定対象の人数が多いほど（または、該測定対象に対する測定期間が長いほど、該測定対象に対するアンケートにて調査される項目が多いほど）、推定精度がより高い心理的負担推定モデルを作成することができる。心理的負担訓練情報は、たとえば、特定の測定対象のみに依存しない測定対象非依存（ｓｕｂｊｅｃｔ−ｉｎｄｅｐｅｎｄｅｎｔ）な手法に従い作成されてもよい。

第１慢性ストレス学習部１１１は、入力部１０５によって入力された測定情報に関して、該測定情報の特徴を表す特徴量の値を、所定の特徴量算出手順に従い算出する。該所定の特徴量算出手順に従い算出される特徴量は、慢性ストレスに関係している可能性がある情報（たとえば、式６等を参照しながら後述する「相関次元Ｄ２」）を表す。第１慢性ストレス学習部１１１は、作成した特徴量の値と、入力した慢性ストレスの程度とが関連付けされた第１慢性ストレス訓練情報（図７を参照しながら後述する）を作成し（ステップＳ１０５）、作成した第１慢性ストレス訓練情報を第１慢性ストレス情報記憶部１１４に格納する。

第１慢性ストレス学習部１１１は、作成した第１慢性ストレス訓練情報（第１慢性ストレス教師データ）を機械学習技術に関する手順に従って演算処理することによって、該特徴量の値と、該心理的負担との関係性を表す第１慢性ストレス推定モデルを作成する（ステップＳ１０６）。機械学習技術は、たとえば、サポートベクターマシンや、回帰木等の方法である。第１慢性ストレス推定モデルを、所定の特徴量算出手順に従い算出された特徴量（たとえば、「相関次元Ｄ２」）に対して適用することによって、該特徴量の値に関する慢性ストレスの程度は算出される。

測定対象における慢性ストレスに関しても、心理的負担を推定する手順と同様な手順に従い推定することができる。慢性ストレスを推定する基である測定情報は、慢性ストレスに関係している可能性がある情報をセンサによって測定することによって取得される。また、測定対象の人数が多いほど（または、該測定対象に対する測定期間が長いほど、該測定対象に対するアンケートにて調査される項目が多いほど）、推定精度がより高いモデルを作成することができる。すなわち、第１慢性ストレス訓練情報は、特定の測定対象のみに依存しない測定対象非依存（ｓｕｂｊｅｃｔ−ｉｎｄｅｐｅｎｄｅｎｔ）な手法に従い作成される。

次に、第２慢性ストレス学習部１１３は、入力された慢性ストレスの程度と、入力された心理的負担の程度との関係性を表す第２慢性ストレス推定モデル（図８を参照しながら後述する）を作成する（ステップＳ１０７）。

説明の便宜上、ある期間における心理的負担の程度をＰ（ただしＰ≧０）と表し、該ある期間における慢性ストレスの程度をＳ（ただしＳ≧０）と表すとする。この場合に、第２慢性ストレス学習部１１３は、ＳとＰとの関係性を表す第２慢性ストレス推定モデル「Ｓ＝Ｆ（Ｐ）」を、たとえば、Ｐと、Ｓとに関する回帰分析を実行する手順に従い算出する。回帰分析は、たとえば、「Ｓ＝Ｆ（Ｐ）」が線形である線形回帰分析を表す。すなわち、第２慢性ストレス学習部１１３は、心理的負担の程度に基づき、慢性ストレスの程度を予測可能な第２慢性ストレス推定モデルを算出する。第２慢性ストレス学習部１１３は、入力部１０５に情報が入力されるのに応じて、入力された慢性ストレスの程度、及び、入力された心理的負担の程度に基づき、第２慢性ストレス推定モデルを更新してもよい。この場合に、第２慢性ストレス学習部１１３は、新たに入力された心理的負担の程度、及び、ストレスの程度に基づき、新たに追加された程度に対して適合している第２慢性ストレス推定モデル「Ｓ＝Ｆ（Ｐ）」を算出する。

説明の便宜上、圧力中心に関する標準偏差ＳＤが心理的負担の程度を表していると仮定する。この場合、標準偏差ＳＤは、厳密に時間軸上のある一点における値というわけではなく、ある程度の幅を持った時間区間（たとえば１０秒、１分等）の中での、測定対象の身体の動きに基づく圧力分布中心の変動によるばらつきから算出される。この場合、ＳＤ（ｔ）の「ｔ」とは、前記時間区間内の代表点（始点、終点、中央点その他）である。また、測定対象の心拍に関する相関次元Ｄ２が慢性ストレスの程度を表していると仮定する。Ｄ２（ｔ）におけるｔも、前述のＳＤ（ｔ）における「ｔ」と同様のものとする。さらに、心理的負担の程度と、慢性ストレスの程度との関係性は、線形な相関関係を用いて表されていると仮定する。

ある期間（説明の便宜上、タイミングＴ_ｉからタイミングＴ_ｆまでの期間であるとする）に蓄積された心理的負担は、該期間内の各タイミングにおける心理的負担が、該ある期間に関して累積された情報である。したがって、上述した仮定に従えば、ある期間に蓄積された心理的負担は、たとえば、標準偏差ＳＤが、ある期間にて積分された値として算出することができる。

上述した仮定の下では、標準偏差ＳＤと、相関次元Ｄ２との間には、式１に示すように、線形な相関関係がある。

ただし、Ａ、Ｂは、定数を表す。

ここで、式２に示すような複数の期間に関して、標準偏差ＳＤ、及び、相関次元Ｄ２が算出されるとする。

ただし、ｔ_ｉ＿１、ｔ_ｆ＿１、ｔ_ｆ＿２、・・・、ｔ_ｆ＿Ｎは、タイミングを表す。ｆ、ｉ、及び、Ｎは、自然数を表す。

定数Ａ、及び、Ｂは、式３乃至式５に示すように、上述したような複数の期間に含まれている期間に関する誤差を最小にする値として算出することができる。

ただし、ｊは、自然数を表す。

たとえば、第２慢性ストレス学習部１１３は、最小二乗法における処理手順に従い、定数Ａ、及び、定数Ｂを算出することができる。

図８においては、第２慢性ストレス推定モデル「Ｓ＝Ｆ（Ｐ）」は、１次関数であるが、２次以上の高次関数、指数関数等の関数、または、複数の関数の重みつき和であってもよい。すなわち、第２慢性ストレス推定モデルは、上述した例、または、図１に示された例に限定されない。

図２のステップＳ１０３乃至ステップＳ１０６に示された処理は、必ずしも、図２に示された順序に従い実行される必要はなく、異なる順序にて実行されてもよいし、並行して（または、擬似的に並行して）実行されてもよい。すなわち、学習処理における処理順序は、図２に示された例に限定されない。また、第１慢性ストレス学習部１１１と、心理的負担学習部１１２とは、必ずしも、同じ機械学習技術に従い処理を実行する必要はない。また、第２慢性ストレス学習部１１３は、入力された心理的負担の程度に基づき、第２慢性ストレス推定モデルを作成したが、心理的負担累積部１０８（または、心理的負担推定部１０７）によって算出される心理的負担の程度に基づき、第２慢性ストレス推定モデルを作成してもよい。

さらに、心理的負担学習部１１２は、測定対象ごとに、第２慢性ストレス推定モデルを作成してもよい。または、心理的負担学習部１１２は、測定対象に類似している生物に関して測定された測定情報に関して算出された心理的負担の程度に基づき、該測定対象に関する第２慢性ストレス推定モデルを作成してもよい。この場合には、第２慢性ストレス推定モデルが、個人差を反映したモデルであるので、本実施形態に係るストレス推定装置１０２によれば、個人差によらず、高精度に慢性ストレスを推定することができる。

本実施形態に係るストレス推定装置１０２において、特徴量の値が算出される手順を表す所定の特徴量算出手順について説明する。

測定情報が測定対象等の測定対象の心拍である場合に、所定の特徴量算出手順に従い算出される特徴量は、たとえば、該心拍に関して算出される相関次元Ｄ２である。以降、相関次元Ｄ２の値等の慢性ストレスの程度に関係している可能性がある特徴量を算出する手順を算出する手順を「所定の第２特徴量算出手順」と表すこともある。相関次元Ｄ２は、該測定対象に関する慢性ストレスに関係している可能性がある情報の一例を表す。該心拍は、たとえば、生体情報センサ、または、圧力分布センサ等を用いて測定される。

相関次元Ｄ２は、ある期間において測定された心拍等の時系列データが有している特徴が、該時系列データが有しているフラクタル性（フラクタル構造）の程度として表された特徴量である。時系列データが心拍を表す場合の例を参照しながら、相関次元Ｄ２について説明する。

ξ（ｔ）は、時刻ｔにおける心拍を表すとする。また、τは、２つの時刻の間の間隔を表すタイムラグを表すとする。また、ある時刻ｔから時刻（ｔ＋τ×（Ｍ−１））までの期間（すなわち、ある時刻からＭ回分のタイムラグを経過するまでの期間）をタイムウィンドウと表すとする。ただし、ｔ≧０、τ≧０、Ｍ≧１である。

上記のように仮定した場合に、時刻ｉを基点とするタイムウィンドウにおける心拍は、式６に示すような、埋め込みベクトルｖ_ｉとして表すことができる。

ここで、タイムラグτは、式７に示すような、複数の異なる埋め込みベクトル間における自己相関関数Ｒが時間に関して微分された関数が極小である場合の時刻ｔのうち、最初に現れる時刻であるとする。

埋め込みベクトルｖ_ｉ間の組み合わせの個数をＮ_ｐと表すとする。この場合に、ｖ_ｉを中心とする半径ｒ（ただし、ｒ＞０）の球を考え、該球の中にｖ_ｊが入る確率の対数と、半径ｒの対数との比の微分によって、Ｄ２（Ｍ；ｒ）は、式８に示すように定義される。

ただし、Θ（ｚ）は、階段関数（ｚ≧０にて１、ｚ＜０にて０である関数）を表す。

相関次元Ｄ２は、Ｍが十分に大きく、半径ｒが十分に０に近い場合の極限値として定義される。

特徴量は、慢性ストレスに関係している可能性がある情報であればよく、式９に示された相関次元Ｄ２に限定されない。

次に、心理的負担に関係している可能性がある特徴量の値を算出する手順を表す所定の特徴量算出手順について説明する。

心理的負担に関係している可能性がある特徴量は、たとえば、圧力分布センサによって測定された圧力分布のうち、該圧力分布の中心位置（以降、「圧力中心」と表す）が時間的にばらつく程度を表す標準偏差ＳＤである。圧力中心に関する標準偏差ＳＤを算出する手順の一例について説明する。以降、標準偏差ＳＤの値等の心理的負担の程度に関係している可能性がある特徴量を算出する手順を「所定の第１特徴量算出手順」と表すこともある。

圧力分布センサは、たとえば、所定の領域において格子状に配置された複数の圧力検知セル（図４、たとえば、圧力検知セル１２１、圧力検知セル１２２）を有する。説明の便宜上、該圧力分布センサにおいては、縦方向にＹ（ただし、Ｙは自然数）個、横方向にＸ（ただし、Ｘは自然数）個の圧力検知セルが配置されているとする。また、圧力検知セルが、圧力を測定する位置を位置（ｘ，ｙ）と表すとする。さらに、位置（ｘ，ｙ）（ただし、ｘ、ｙは実数）にて時刻ｔ（ただし、ｔは実数）に測定された圧力をＰ（ｘ，ｙ，ｔ）と表し、圧力分布センサによって測定された圧力分布に関して、時刻ｔにおける圧力中心を表すｘ座標をＣｏＰ＿ｘ（ｔ）と表し、該中心を表すｙ座標をＣｏＰ＿ｙ（ｔ）と表すとする。

式１０に従い、圧力中心のｘ座標ＣｏＰ＿ｘ（ｔ）は算出される。すなわち、

式１１に従い、圧力中心のｙ座標ＣｏＰ＿ｙ（ｔ）は算出される。すなわち、

圧力中心のｘ座標ＣｏＰ＿ｘ（ｔ）に関して、式１２に従い、タイミング１からタイミングＴまでの期間における平均は算出される。すなわち、

圧力中心のｙ座標ＣｏＰ＿ｙ（ｔ）に関して、式１３に従い、タイミング１からタイミングＴまでの期間における平均は算出される。すなわち、

圧力中心のｘ座標ＣｏＰ＿ｘ（ｔ）に関して、式１４に従い、タイミング１からタイミングＴまでの期間における標準偏差（すなわち、該圧力中心のｘ座標がばらつく程度）は算出される。すなわち、

圧力中心のｙ座標ＣｏＰ＿ｙ（ｔ）に関して、式１５に従い、タイミング１からタイミングＴまでの期間における標準偏差（すなわち、該圧力中心のｙ座標がばらつく程度）は算出される。すなわち、

式１４、及び、式１５に従い算出されるばらつきは、心理的負担に関係している可能性がある特徴量を表す。圧力中心のｘ座標の値がばらつく程度、及び、圧力中心のｙ座標の値がばらつく程度を表す特徴量は、たとえば、式１６に従い算出されてもよい。すなわち、

したがって、特徴量は、心理的負担に関係している可能性がある指標を表す。心理的負担に関係している可能性がある特徴量は、上述した圧力中心の標準偏差に限定されない。

図６を参照しながら、心理的負担訓練情報について説明する。図６は、心理的負担情報記憶部１１５に格納されている心理的負担訓練情報の一例を概念的に表す図である。

心理的負担訓練情報においては、心理的負担の程度に関係している可能性がある情報（たとえば、式１６に従い算出される特徴量）と、心理的負担の程度とが関連付けされている。心理的負担訓練情報においては、さらに、測定部１０３によって測定された測定情報、または、該測定情報に基づき算出された特徴量に関連付けされていてもよい。

たとえば、図６に例示された心理的負担訓練情報においては、項目１乃至項目８が関連付けされている。すなわち、
○（項目１）圧力中心のｘ軸方向のばらつき「２．５」（たとえば、式１４に従い算出される）、
○（項目２）圧力中心のｙ軸方向のばらつき「３．８」（たとえば、式１５に従い算出される）、
○（項目３）標準偏差ＳＤ「６．３」（たとえば、式１６に従い算出される）、
○（項目４）加速度「１．３」、（ただし、図６の「ｇ」は、ｇｒａｖｉｔｙの略称を表す）、
○（項目５）皮膚導電性「５．０」、（ただし、図６の「μＳ」は、マイクロ秒を表す）、
○（項目６）心拍数「６０」、
○（項目７）皮膚の温度「３５．５」、（ただし、図６の「℃」は、セルシウス度（セ氏）を表す）、
○（項目８）心理的負担「３．４」。

これは、心理的負担に関係している可能性がある情報が項目１乃至項目７に示された情報であり、項目１乃至項目７である場合の心理的負担が「３．４」であることを表す。また、項目１乃至項目３、及び、項目６に示された情報は、測定情報に基づき算出された特徴量を表す。項目４、項目５、及び、項目７に示された情報は、測定部１０３によって測定された測定情報を表す。

心理的負担訓練情報は、項目１乃至項目７に示された情報を、必ずしも、すべて含んでいる必要はない。心理的負担訓練情報は、心理的負担の程度に関係している可能性がある情報であれば、他の項目を含んでいてもよい。すなわち、心理的負担訓練情報は、図６に示された例に限定されない。

図７を参照しながら、第１慢性ストレス訓練情報について説明する。図７は、第１慢性ストレス情報記憶部１１４に格納されている、第１慢性ストレス訓練情報の一例を概念的に表す図である。

第１慢性ストレス訓練情報においては、慢性ストレスの程度に関係している可能性がある情報（たとえば、式９に従い算出される特徴量）と、慢性ストレスの程度とが関連付けされている。第１慢性ストレス訓練情報においては、さらに、測定部１０３によって測定された測定情報、または、該測定情報に基づき算出された特徴量に関連付けされていてもよい。

たとえば、図７に例示された第１慢性ストレス訓練情報においては、相関次元「４．２」と、慢性ストレス「３．１」とが関連付けされている。これは、式９に従い算出された相関次元が４．２であった場合の慢性ストレスの程度が３．１であったことを表す。

第１慢性ストレス訓練情報は、慢性ストレスの程度に関係している可能性がある情報であれば、他の項目を含んでいてもよい。すなわち、第１慢性ストレス訓練情報は、図７に示された例に限定されない。

図８を参照しながら、第２慢性ストレス推定モデルについて説明する。図８は、第２慢性ストレス情報記憶部１１６に格納されている第２慢性ストレス推定モデルの一例を概念的に表す図である。

第２慢性ストレス情報記憶部１１６には、式１乃至式５に従い算出された第２慢性ストレス推定モデル「Ｓ＝Ｆ（Ｐ）」が、たとえば、測定対象ごとに格納されている。たとえば、図８に例示された第２慢性ストレス情報記憶部１１６においては、測定対象Ｃに関して算出された第２慢性ストレス推定モデルと、測定対象Ｄに関して算出された第２慢性ストレス推定モデルとが格納されている。

図８においては、横軸が心理的負担の程度を表し、縦軸が慢性ストレスの程度を表すグラフとして第２慢性ストレス推定モデルが、第２慢性ストレス情報記憶部１１６に格納されているが、必ずしも、グラフでなくともよく、該グラフを用いて表されている関数の係数、または、該関数を表す情報が格納されていてもよい。すなわち、第２慢性ストレス推定モデルは、上述した例に限定されない。

第２慢性ストレス学習部１１３は、測定情報が増えた場合に、増えた測定情報に基づき算出される特徴量の値、心理的負担の程度に対して、式３乃至式５に示された手順に従い、定数Ａ、及び、定数Ｂを算出してもよい。すなわち、第２慢性ストレス学習部１１３は、増えた測定情報に関して算出される心理的負担に基づき、定数Ａ、及び、定数Ｂを更新してもよい。第２慢性ストレス学習部１１３が第２慢性ストレス推定モデルを更新することによって、該第２慢性ストレス推定モデルには、より多くの測定情報に関する心理的負担の程度が反映される。この結果、該第２慢性ストレス推定モデルに基づく推定精度は、更新する処理を実行しない場合に比べて向上する。

次に、図３を参照しながら、第１の実施形態に係るストレス推定システム１０１における推定処理について説明する。

入力部１０５は、測定部１０３によって測定された測定情報を入力する（ステップＳ１１１）。測定情報は、測定対象に関する情報を表す。入力部１０５は、入力した測定情報を測定情報記憶部（不図示）に格納してもよい。

心理的負担推定部１０７は、入力部１０５が入力した測定情報を、所定の特徴量算出手順に従い演算することによって、心理的負担に関係している可能性がある特徴量の値を算出する（ステップＳ１１２）。心理的負担推定部１０７は、式６乃至式１６を参照しながら上述したような処理に従い、測定情報に関する特徴量の値を算出する。心理的負担推定部１０７は、算出した特徴量の値と、入力した測定情報とのうち、少なくとも、いずれかを含む情報が、心理的負担訓練情報（図６に例示）における項目（たとえば、項目１乃至項目７）の順序にて並べられた情報を作成する。心理的負担推定部１０７は、上述した情報と、心理的負担との関係性を表す心理的負担推定モデルを、作成した情報に対して適用することによって、心理的負担の程度を表す負担推定情報を作成する（ステップＳ１１３）。心理的負担推定モデルは、図２を参照しながら説明したように、心理的負担学習部１１２によって作成される。心理的負担推定部１０７は、作成した該負担推定情報を、心理的負担情報記憶部１１５に格納する。

心理的負担累積部１０８は、所定の期間に測定された心理的負担の程度、または、所定の期間に測定された測定情報に基づき算出された心理的負担の程度を累積する（ステップＳ１１４）。心理的負担累積部１０８は、たとえば、式１に示されているような積分演算を、心理的負担の程度に関して実行することによって、心理的負担の程度を累積する。

尚、心理的負担累積部１０８が累積値を算出する対象である期間は、必ずしも、該累積値を算出するタイミング以前である必要はなく、累積値が算出される以降のタイミングであってもよい。この場合に、心理的負担累積部１０８は、累積値が算出される以降のタイミングを含む期間における心理的負担の程度の推定値に基づき、上述したような処理に従い、該心理的負担の程度に関する累積値を算出する。

心理的負担累積部１０８は、測定対象が心理的負担の要因にさらされる予定の時間（たとえば、勤務時間）における心理的負担の程度を推定してもよい。この場合に、勤務時間は、勤務した実績である時間を表している必要はなく、勤務する予定である時間を表す。勤務時間が勤務する予定である時間を表す予定時間である場合に、心理的負担累積部１０８は、該予定時間における心理的負担の程度として、たとえば、所定の心理的負担の程度に従い、該累積値を算出する。また、第２の実施形態に示すように、心理的負担累積部１０８は、測定対象が心理的負担の要因にさらされる予定の時間を含むスケジュール情報に基づき、心理的負担の程度の累積値を算出してもよい。

また、測定対象がストレスの要因にさらされる時間と、該測定対象に関する心理的負担の累積値とが線形な関係にある場合に、心理的負担累積部１０８は、該線形な関係に従い心理的負担の程度を算出してもよい。すなわち、すなわち、心理的負担累積部１０８における処理は、上述した例に限定されない。

第２慢性ストレス推定部１０９は、心理的負担累積部１０８が算出した累積値に、心理的負担の程度の累積値と、慢性ストレスの程度との関係性を表す第２慢性ストレス推定モデル（たとえば、式１を参照しながら説明したような線形な相関関係）を適用することによって慢性ストレスの程度の程度を算出する（ステップＳ１１５）。第２慢性ストレス推定部１０９は、算出した慢性ストレスの程度の程度を第２慢性ストレス情報記憶部１１６に格納してもよい。

慢性ストレス判定部１１０は、第２慢性ストレス推定部１０９によって算出された慢性ストレスの程度の程度が、所定の条件を満たしているか否かを算出する（ステップＳ１１６）。所定の条件は、たとえば、該慢性ストレスの程度が所定の閾値以上であるかという条件である。所定の閾値は、精神的な疾患を患うリスクがあるか否かを判定可能な閾値であってもよいし、該閾値よりも小さな値であってもよい。

慢性ストレスの程度が所定の条件を満たしている場合に、慢性ストレス判定部１１０は、ストレスが高いと判定する。慢性ストレスの程度が所定の条件を満たしている場合に（ステップＳ１１６にてＹＥＳ）、慢性ストレス判定部１１０は、たとえば、ストレスを軽減することを助言するメッセージを作成し、作成したメッセージを出力装置１０４に出力する（ステップＳ１１７）。慢性ストレスの程度が所定の条件を満たしていない場合に（ステップＳ１１６にてＮＯ）、ステップＳ１１７に示された処理は実行されない。

所定の閾値が精神的な疾患を患うリスクがあるか否かを判定可能な閾値よりも小さな値である場合に、慢性ストレス判定部１１０によれば、精神的な疾患を患うリスクが高くなる前に、あらかじめ、慢性ストレスが高いことを表すメッセージを測定対象に対して予告的に提示することができる。精神的な疾患を患うリスクに関する閾値は、たとえば、ホームページ（ｈｔｔｐ：／／ｋｏｋｏｒｏ．ｍｈｌｗ．ｇｏ．ｊｐ／ｃｈｅｃｋ）等に示される心理学的にストレス測定効果が保証されたアンケート調査の結果において、該リスクが精神的な疾患を患うリスクがあると判定される水準（前述の具体例では、「要注意ゾーン」）に含まれる水準を表す。しかし、所定の閾値は、この例に限定されない。また、メッセージは、たとえば、慢性ストレスが高いことを表す内容であってもよい。

次に、第１の実施形態に係るストレス推定装置１０２に関する効果について説明する。

本発明の第１の実施形態に係るストレス推定装置１０２によれば、測定対象が測定された測定タイミングだけでなく、該測定タイミングと異なるタイミングに関しても、慢性ストレスの程度を高精度に推定することができる。この理由は、ストレス推定装置１０２が心理的負担の累積値に基づき慢性ストレスを推定することによって、慢性ストレスが推定される処理に時刻を表す値が導入されているからである。すなわち、ストレス推定装置１０２は、該時刻を表す値を変更することによって、測定対象が測定された測定タイミングだけでなく、該測定タイミングと異なるタイミングに関しても、慢性ストレスの程度を高精度に推定することができる。

また、本発明の第１の実施形態に係るストレス推定装置１０２によれば、将来の慢性ストレスの程度を推定することができる。この理由は、ストレス推定装置１０２が、将来受けると予測される心理的負担の程度に基づき、慢性ストレスの程度を算出するからである。たとえば、第１の実施形態に係るストレス推定装置１０２によれば、測定対象が精神的な疾患を患うリスクがある場合に、測定対象が、あらかじめ、該リスクを知ることができる。この理由は、将来受けると予測される心理的負担の程度に基づき推定された慢性ストレスの程度の大きさに応じて、ストレス推定装置１０２が、たとえば、慢性ストレスが高いことを表すメッセージを出力するからである。

また、本発明の第１の実施形態に係るストレス推定装置１０２によれば、各測定対象に対し、慢性ストレスの程度を高精度に推定することができる。この理由は、第２ストレス推定モデルを、たとえば、各測定対象に関して作成することができるからである。したがって、ストレス推定装置１０２によって作成された第２ストレス推定モデルは、個人差が反映されたモデルである。

また、本発明の第１の実施形態に係るストレス推定装置１０２によれば、短期間に、慢性ストレスを推定することができる。この理由は、推定処理において、ストレス推定装置１０２が、測定情報、及び、各モデルを作成する基である訓練情報（たとえば、心理的負担訓練情報、及び、第１慢性ストレス訓練情報）を参照することなく慢性ストレスを推定することができるからである。一般に、モデルを作成する処理が、該モデルに基づき推定する処理より、処理量が多いので、ストレス推定装置１０２は、短期間に予測処理を実行することができる。

＜第２の実施形態＞
次に、上述した第１の実施形態を基本とする本発明の第２の実施形態に係るストレス推定（判定）システム２０１について説明する。

以降の説明においては、本実施形態に係る特徴的な部分を中心に説明すると共に、上述した第１の実施形態と同様な構成については、同一の参照番号を付すことにより、重複する説明を省略する。

図９を参照しながら、本発明の第２の実施形態に係るストレス推定システム２０１が有する構成について詳細に説明する。図９は、本発明の第２の実施形態に係るストレス推定システム２０１が有する構成を示すブロック図である。

本発明の第２の実施形態に係るストレス推定システム２０１は、ストレス推定（判定）装置２０２と、測定部１０３と、出力装置１０４とを有する。

第２の実施形態に係るストレス推定装置２０２は、入力部１０５と、第１慢性ストレス推定部１０６と、心理的負担推定部１０７と、スケジュール情報処理部２０８と、第２慢性ストレス推定部１０９と、慢性ストレス判定部１１０と、第１慢性ストレス学習部１１１と、心理的負担学習部１１２と、第２慢性ストレス学習部１１３とを有する。ストレス推定装置２０２は、さらに、第１慢性ストレス情報記憶部１１４と、心理的負担情報記憶部１１５と、第２慢性ストレス情報記憶部１１６と、項目負担情報記憶部２１７（図１２を参照しながら後述する）と、負担情報算出部２２２とを有してもよい。

ストレス推定装置２０２は、あるタイミングにおけるストレスの程度を算出可能な慢性ストレス算出部２２１に、通信接続されていてもよい。

まず、図１１を参照しながら、ストレス推定装置２０２が慢性ストレスを予測する対象であるスケジュール情報について説明する。図１１は、スケジュール情報の一例を概念的に表す図である。

スケジュール情報は、測定対象が実行する処理、または、測定対象に関して実行される処理を表す項目名と、該処理の日時とが関連付けされた情報である。言い換えると、スケジュール情報は、ストレスを受ける測定対象に生じるイベントを表す対象イベントが生じる期間を表すイベント期間を含む情報である。

以降、説明の便宜上、イベント、及び、上述した処理を「処理」を表す。また、イベント期間を、該処理に関する日時を用いて表す。

スケジュール情報は、たとえば、該項目名が表す処理の日時（たとえば、開始日時、終了日時）、曜日、処理の種類を表す種類情報、該処理が定期的に実行されるか否か、該処理が重要である程度を表す重要度等を含んでいてもよい。重要度が大きな値であるほど、重要度は高いことを表す。

図１１に例示されたスケジュール情報においては、項目名「Ａ」、開始日時「１５：１０」、終了日時「１５：５０」、曜日「月」、種類「会議」、定期性「非定期」、及び、重要度「３」が関連付けされている。これは、たとえば、項目名「Ａ」が表す処理が、月曜日の開始日時「１５：１０」から終了日時「１５：５０」までの実行時間（実行期間）に、非定期的に実行されることを表す。また、項目名「Ａ」が表す処理は、会議の一例であり、重要度が３であることを表す。

スケジュール情報は、必ずしも、上述した項目のすべてを含んでいる必要はなく、また、上述した項目と異なる項目を含んでいてもよい。すなわち、スケジュール情報は、上述した例に限定されない。

次に、ストレス推定装置２０２において、スケジュール情報処理部２０８が心理的負担の程度を算出する基となる項目負担情報について、図１２を参照しながら説明する。図１２は、項目負担情報記憶部２１７に格納されている項目負担情報の一例を概念的に表す図である。

項目負担情報においては、測定対象が実行する（または、測定対象に対して実行される）処理を表す項目名と、該測定対象が該処理に起因して受ける心理的負担の程度とが関連付けされている。項目負担情報においては、さらに、測定対象を表す情報と、該処理が実行される曜日と、該処理の種類と、該処理に重要度とが関連付けされていてもよい。重要度が大きな値であるほど、重要度は高いことを表す。

項目負担情報において、心理的負担は、入力部１０５に入力された情報であってもよいし、心理的負担推定部１０７によって算出された情報であってもよい。また、心理的負担は、該処理全体に起因する心理的負担であってもよいし、該心理的負担に関する単位時間あたりの情報であってもよい。

以降の説明においては、説明の便宜上、項目負担情報において、心理的負担は、単位時間あたりの情報を表しているとする。

図１２を参照すると、項目名「Ｅ」と、測定対象「Ｑ」と、曜日「月」と、種類「外出」と、重要度「７」と、心理的負担「２．１」とが関連付けされている。これは、たとえば、測定対象「Ｑ」が、項目名「Ｅ」が表す処理を、月曜日に実行した場合に、測定対象「Ｑ」に対する心理的負担が２．１であったことを表す。また、これは、項目名「Ｅ」が表す処理が、「外出」なる処理の一例であり、重要度が７であることを表す。

項目負担情報においては、ある特定の曜日（たとえば、月曜日）に関する心理的負担の程度が、他の曜日に関する心理的負担の程度よりも大きな値であってもよい。この場合には、ストレス推定装置２０２は、月曜日が他の曜日よりも心理的負担が高いという経験則に基づき、図１０を参照しながら後述するような処理に従って処理を行うことによって、正確に慢性ストレスの程度を予測することができる。

次に、図１０を参照しながら、第２の実施形態に係るストレス推定システム２０１における処理について説明する。図１０は、第２の実施形態に係るストレス推定システム２０１における処理の流れを示すフローチャートである。

入力部１０５は、スケジュール情報（図１１に例示）を入力する（ステップＳ２０１）。

スケジュール情報処理部２０８は、入力されたスケジュール情報に含まれている項目名が表す処理に関する心理的負担の累積値を算出する（ステップＳ２０２）。言い換えると、スケジュール情報処理部２０８は、入力されたスケジュール情報に含まれている対象イベントから受ける心理的負担の累積値を算出する。ステップＳ２０２に示された処理を、より具体的に説明する。

スケジュール情報処理部２０８は、入力されたスケジュール情報（図１１に例示）に含まれている項目名を読み取り、読み取った項目名に関する心理的負担を、項目負担情報（図１２に例示）に基づき特定する。たとえば、スケジュール情報処理部２０８は、項目負担情報（図１２に例示）において、スケジュール情報（図１１に例示）に含まれている項目名に関連付けされた心理的負担を読み取る。スケジュール情報処理部２０８は、スケジュール情報に含まれている各項目に関して、該項目に関する開始日時と、該項目に関する終了日時とを読み取り、特定した心理的負担を表す数値と、開始日時から終了日時までの時間を掛け算し、その結果の総和を算出することによって、心理的負担の累積値を算出する。

スケジュール情報（図１１に例示）における項目名が項目負担情報（図１２に例示）に含まれていない場合に、スケジュール情報処理部２０８は、所定の値に基づき、心理的負担の累積値を算出してもよい。この場合に、入力部１０５は、たとえば、アンケート調査等によって取得された、該項目名に関する心理的負担の程度を表す情報を入力するのに応じて、入力した情報を含む項目負担情報（図１２に例示）を作成する。または、心理的負担推定部１０７が該項目名に関する心理的負担の程度を表す情報を算出するのに応じて、算出した情報を含む項目負担情報（図１２に例示）を作成する。項目負担情報が作成されることによって、該項目名が表す処理に関する心理的負担情報が正確になるので、第２の実施形態に係るストレス推定装置２０２は、スケジュール情報に基づき、より正しく、慢性ストレスの程度を算出することができる。

また、項目負担情報（図１２に例示）において、ある項目名に関する心理的負担の程度を表す数値が複数ある場合に、スケジュール情報処理部２０８は、該複数の数値の平均値を、該ある項目名が表す処理に関する心理的負担の程度を表す情報として算出してもよい。この場合に、スケジュール情報処理部２０８は、ある項目名に関する複数の数値の平均値を算出し、算出した平均値と、該ある項目名とが関連付けされた項目負担情報を作成し、項目負担情報記憶部２１７に格納されている項目負担情報を、作成した項目負担情報を用いて更新してもよい。この場合に、平均値を算出する基である数値の個数が多いほど、該平均値が正確な値であるので、第２の実施形態に係るストレス推定装置２０２によれば、さらに正確に、慢性ストレスの程度を算出することができる。

たとえば、スケジュール情報処理部２０８は、スケジュール情報に含まれている種類を表す種類情報に基づき、心理的負担の累積値を算出してもよい。この場合に、スケジュール情報処理部２０８は、項目名に関して上述した処理と同様な処理を、種類情報に関して実行することによって、心理的負担の累積値を算出する。スケジュール情報処理部２０８は、項目負担情報（図１２に例示）において、該種類情報に関連付けされた心理的負担を表す数値が複数ある場合に、複数の該数値の平均値を算出することによって、心理的負担の累積値を算出してもよい。この場合に、スケジュール情報（図１１に例示）に含まれている項目名が、項目負担情報（図１２に例示）に含まれていない場合であっても、スケジュール情報処理部２０８は、該種類情報に基づき心理的負担の累積値を算出することができる。したがって、第２の実施形態に係るストレス推定装置２０２によれば、正確に、慢性ストレスの程度を算出することができる。

図１０におけるステップＳ２０２の処理の後に、第２慢性ストレス推定部１０９は、スケジュール情報処理部２０８が算出した累積値に対して、第２慢性ストレス推定モデルを適用することにより、慢性ストレスの程度を算出する（ステップＳ１１５）。言い換えると、第２慢性ストレス推定部１０９は、スケジュール情報処理部２０８が算出した累積値に対して、第２慢性ストレス推定モデルを適用することにより、対象イベントから受ける慢性ストレスの程度を算出する。

また、慢性ストレス判定部１１０は、慢性ストレスの程度が所定の条件を満たした場合に（ステップＳ１１６にてＹＥＳ）、スケジュール情報（図１１に例示）における項目名のうち、該項目名に関連付けされた重要度が低い（たとえば、図１２において、重要度の値が小さい）処理を選択してもよい。たとえば、慢性ストレス判定部１１０は、該スケジュール情報（図１１に例示）に含まれている項目のうち、重要度が最低（または、略最低）の項目を選択する。この場合に、慢性ストレス判定部１１０は、選択した項目に関する処理が実行されている期間中にストレスを軽減することを催促するメッセージを出力してもよい（ステップＳ１１７）。重要度が低い処理を慢性ストレス判定部１１０が選択することによって、ストレス推定装置２０２は、測定対象が休息できる適切なタイミングを出力することができる。

ストレス推定装置２０２は、測定部１０３によって測定情報が測定されるのに応じて、図１０に示された処理を実行してもよい。この場合に、測定情報が測定されるのに応じて、第１慢性ストレス推定モデル、心理的負担推定モデル、または、第２慢性ストレス推定モデルを作成する基となる測定情報は増える。これらの推定モデルに関しては、測定情報が増えるのに応じて、推定精度が高くなるので、ストレス推定装置２０２によれば、より正確に慢性ストレスの程度を、より正確に推定することができる。

次に、第２の実施形態に係るストレス推定装置２０２に関する効果について説明する。将来の慢性ストレスの程度を推定することができる。この理由は、第２の実施形態に係るストレス推定装置２０２が有する構成は、第１の実施形態に係るストレス推定装置１０２が有する構成を含むからである。

さらに、第２の実施形態に係るストレス推定装置２０２によれば、より正確に、将来の慢性ストレスの程度を推定することができる。この理由は、ストレス推定装置２０２が、測定対象に関するスケジュールを表すスケジュール情報に含まれている各項目名ごとに、心理的負担の程度を推定するからである。

尚、上述した例においては、心理的負担推定部１０７が心理的負担を推定するとしたが、心理的負担は、たとえば、慢性ストレス算出部２２１によって算出される、あるタイミングに関するストレスの程度に基づき算出することができる。

説明の便宜上、測定対象に関する第１処理が実行される期間が第１タイミングから第２タイミングまでの第１期間であると仮定する。

慢性ストレス算出部２２１、測定対象の第１タイミングにおけるストレスの程度（以降、「第１算出ストレスの程度」と表す）と、該測定対象の第２タイミングにおけるストレスの程度（以降、「第２算出ストレスの程度」と表す）とを算出する。負担情報算出部２２２は、該第１算出ストレスの程度、及び、該第２算出ストレスとの程度の差分と、該第１期間の長さに基づき、該第１処理に関する心理的負担を算出する。負担情報算出部２２２は、たとえば、測定対象に関する処理に関して心理的負担を算出し、算出した心理的負担と、該第１処理を表す項も項目名とが関連付けされた項目負担情報（図１２に例示）を作成する。すなわち、あるタイミングに関するストレスの程度を算出可能な慢性ストレス算出部２２１を用いて、項目負担情報（図１２に例示）を算出することができる。この場合に、ストレス推定装置２０２によれば、上述した効果と同様な効果を奏する。

＜第３の実施形態＞
次に、本発明の第３の実施形態に係るストレス推定（判定）装置３０１について説明する。

図１３を参照しながら、本発明の第３の実施形態に係るストレス推定装置３０１が有する構成について詳細に説明する。図１３は、本発明の第３の実施形態に係るストレス推定装置３０１が有する構成を示すブロック図である。

本発明の第３の実施形態に係るストレス推定装置３０１は、スケジュール情報処理部３０２と、慢性ストレス推定部３０３とを有する。ストレス推定装置３０１は、さらに、慢性ストレス情報記憶部３０４を有してもよい。

慢性ストレス情報記憶部３０４には、図８に例示されているように、心理的負担の程度と、慢性ストレスの程度との関係性を表す第２慢性ストレス推定モデルが格納されている。

説明の便宜上、ストレス推定装置３０１が参照する項目負担情報（図１２に例示）は、項目名が表す処理から受ける単位時間当たりの心理的負担の程度を含む情報であるとする。しかし、項目負担情報における心理的負担の程度は、単位時間当たりの程度でなくともよい。

次に、図１４を参照しながら、本発明の第３の実施形態に係るストレス推定装置３０１における処理について詳細に説明する。図１４は、第３の実施形態に係るストレス推定装置３０１における処理の流れを示すフローチャートである。

スケジュール情報処理部３０２は、スケジュール情報（図１１に例示）に含まれている項目名に関して、項目負担情報（図１２に例示）に基づき、該項目名が表す処理に関する心理的負担の程度を特定する（ステップＳ３０１）。たとえば、スケジュール情報処理部３０２は、図１１に例示されたスケジュール情報のうち項目名「Ａ」が表す処理に関して、項目負担情報（図１２に例示）に基づき、該項目名「Ａ」に関連付けされた心理的負担「４．５」を特定する。スケジュール情報処理部３０２は、項目負担情報（図１２に例示）において、ある項目名に関連付けされた心理的負担を表す数値が複数ある場合に、複数の数値を特定してもよい。スケジュール情報処理部３０２は、複数の数値を特定した場合には、たとえば、特定した複数の数値の平均値を求めることによって、該項目名が表す処理に関する心理的負担の程度を算出する。

慢性ストレス推定部３０３は、スケジュール情報（図１１に例示）に含まれている項目名に関して特定された心理的負担の程度が、該スケジュール情報に含まれている項目名に関して累積された累積値を算出する（ステップＳ３０２）。この処理によって、慢性ストレス推定部３０３は、該スケジュール情報（図１１に例示）に関する慢性ストレスの程度を算出する。または、慢性ストレス推定部３０３は、慢性ストレス情報記憶部３０４に格納されている第２慢性ストレス推定モデルを読み取り、読み取った第２慢性ストレス推定モデルを、スケジュール情報処理部３０２によって算出された累積値に適用することによって、慢性ストレスの程度を算出してもよい。

スケジュール情報処理部３０２は、第１の実施形態に示された心理的負担累積部１０８、または、第２の実施形態に示されたスケジュール情報処理部２０８等が有する機能と同様な機能によって実現することができる。慢性ストレス推定部３０３は、第１の実施形態に示された第２慢性ストレス推定部１０９、または、第２の実施形態に示された第２慢性ストレス推定部１０９等が有する機能と同様な機能によって実現することができる。慢性ストレス情報記憶部３０４は、第１の実施形態に示された第２慢性ストレス情報記憶部１１６、または、第２の実施形態に示された第２慢性ストレス情報記憶部１１６等が有する機能と同様な機能によって実現することができる。したがって、第３の実施形態に係るストレス推定装置３０１は、第１の実施形態に係るストレス推定装置１０２が有する機能、または、第２の実施形態に係るストレス推定装置２０２が有する機能と同様な機能によって実現することができる。

次に、第３の実施形態に係るストレス推定装置３０１に関する効果について説明する。

第３の実施形態に係るストレス推定装置３０１によれば、将来の慢性ストレスの程度を推定することができる。この理由は、ストレス推定装置３０１が、測定対象に関するスケジュールを表すスケジュール情報に含まれている各項目名ごとに、心理的負担の程度を特定し、特定された心理的負担の累積値を、慢性ストレスの程度として推定するからである。

＜第４の実施形態＞
次に、本発明の第４の実施形態に係るストレス推定（判定）装置４０１について説明する。

図１５を参照しながら、本発明の第４の実施形態に係るストレス推定装置４０１が有する構成について詳細に説明する。図１５は、本発明の第４の実施形態に係るストレス推定装置４０１が有する構成を示すブロック図である。

本発明の第４の実施形態に係るストレス推定装置４０１は、心理的負担推定部４０２と、心理的負担累積部４０３と、慢性ストレス推定部４０４とを有する。ストレス推定装置４０１は、さらに、心理的負担情報記憶部４０５と、慢性ストレス情報記憶部４０６とを有する。

心理的負担情報記憶部４０５には、測定情報（または、測定情報の特徴を表す特徴量）と、心理的負担の程度を表す情報との関係性を表す心理的負担推定モデルが格納されている。慢性ストレス情報記憶部４０６には、心理的負担の累積値と、慢性ストレスの程度との関係性を表す第２慢性ストレス推定モデルが格納されている。

次に、図１６を参照しながら、本発明の第４の実施形態に係るストレス推定装置４０１における処理について詳細に説明する。図１６は、第４の実施形態に係るストレス推定装置４０１における処理の流れを示すフローチャートである。

心理的負担推定部４０２は、測定対象を測定するセンサ等によって作成された測定情報に関して、所定の特徴量算出手順に従い処理を実行することによって、該測定情報の特徴を表す特徴量の値を算出する（ステップＳ４０１）。心理的負担推定部４０２は、たとえば、式６乃至式１６を参照しながら説明したような処理に従い、測定情報に関する特徴量を算出する。心理的負担推定部４０２は、算出した特徴量の値に心理的負担推定モデルを適用することによって、該測定情報に関する心理的負担の程度を表す数値情報を算出する（ステップＳ４０２）。

心理的負担累積部４０３は、ある期間に測定された測定情報に関して算出された心理的負担の程度を表す数値情報の累積値を算出する（ステップＳ４０３）。心理的負担累積部４０３は、たとえば、式１に示された処理と同様な処理に従い、心理的負担の程度の累積値を算出する。

慢性ストレス推定部４０４は、心理的負担累積部４０３によって算出された累積値に第２慢性ストレス推定モデルを適用することによって（ステップＳ４０４）、該測定情報に関する慢性ストレスの程度を算出する。

心理的負担推定部４０２は、第１の実施形態に示された心理的負担推定部１０７、または、第２の実施形態に示された心理的負担推定部１０７等が有する機能と同様な機能を用いて実現することができる。心理的負担累積部４０３は、第１の実施形態に示された心理的負担累積部１０８、または、第２の実施形態に示されたスケジュール情報処理部２０８が有する機能と同様な機能を用いて実現することができる。慢性ストレス推定部４０４は、第１の実施形態に示された第２慢性ストレス推定部１０９、または、第２の実施形態に示された第２慢性ストレス推定部１０９等が有する機能と同様な機能を用いて実現することができる。すなわち、第４の実施形態に係るストレス推定装置４０１は、第１の実施形態に係るストレス推定装置１０２が有する機能、または、第２の実施形態に係るストレス推定装置２０２が有する機能と同様な機能を用いて実現することができる。

次に、第４の実施形態に係るストレス推定装置４０１に関する効果について説明する。

第４の実施形態に係るストレス推定装置４０１によれば、測定対象が測定された測定タイミングだけでなく、該測定タイミングと異なるタイミングに関しても、慢性ストレスの程度を高精度に推定することができる。この理由は、ストレス推定装置４０１が心理的負担の累積値に基づき慢性ストレスを推定することによって、慢性ストレスが推定される処理に時刻を表す値が導入されているからである。すなわち、ストレス推定装置４０１は、該時刻を表す値を変更することによって、測定対象が測定された測定タイミングだけでなく、該測定タイミングと異なるタイミングに関しても、慢性ストレスの程度を高精度に推定することができる。

（ハードウェア構成例）
上述した本発明の各実施形態におけるストレス推定（判定）装置を、１つの計算処理装置（情報処理装置、コンピュータ）を用いて実現するハードウェア資源の構成例について説明する。ただし、係るストレス推定装置は、物理的または、機能的に少なくとも２つの計算処理装置を用いて実現されてもよい。また、係るストレス推定装置は、専用の装置として実現されてもよい。

図１７は、第１の実施形態乃至第４の実施形態に係るストレス推定（判定）装置を実現可能な計算処理装置のハードウェア構成例を概略的に示すブロック図である。計算処理装置２０は、中央処理演算装置（Ｃｅｎｔｒａｌ＿Ｐｒｏｃｅｓｓｉｎｇ＿Ｕｎｉｔ、以降「ＣＰＵ」と表す）２１、メモリ２２、ディスク２３、不揮発性記録媒体２４、及び、通信インターフェース（以降、「通信ＩＦ」と表す）２７を有する。計算処理装置２０は、入力装置２５、出力装置２６に接続可能、または、通信可能である。計算処理装置２０は、通信ＩＦ２７を介して、他の計算処理装置、及び、通信装置と情報を送受信することができる。入力装置２５は、脈波センサ、加速度センサ、肌表面導電センサ、心拍センサ、または、ウェアラブル機器等を表す。

不揮発性記録媒体２４は、コンピュータが読み取り可能な、たとえば、コンパクトディスク（Ｃｏｍｐａｃｔ＿Ｄｉｓｃ）、デジタルバーサタイルディスク（Ｄｉｇｉｔａｌ＿Ｖｅｒｓａｔｉｌｅ＿Ｄｉｓｃ）である。また、不揮発性記録媒体２４は、ユニバーサルシリアルバスメモリ（ＵＳＢメモリ）、ソリッドステートドライブ（Ｓｏｌｉｄ＿Ｓｔａｔｅ＿Ｄｒｉｖｅ）等であってもよい。不揮発性記録媒体２４は、電源を供給しなくても係るプログラムを保持し、持ち運びを可能にする。不揮発性記録媒体２４は、上述した媒体に限定されない。また、不揮発性記録媒体２４の代わりに、通信ＩＦ２７、及び、通信ネットワークを介して係るプログラムを持ち運びしてもよい。

すなわち、ＣＰＵ２１は、ディスク２３に格納されているソフトウェア・プログラム（コンピュータ・プログラム：以下、単に「プログラム」と称する）を、実行する際にメモリ２２にコピーし、演算処理を実行する。ＣＰＵ２１は、プログラム実行に必要なデータをメモリ２２から読み取る。外部への出力が必要な場合に、ＣＰＵ２１は、出力装置２６に出力結果を出力する。外部からプログラムを入力する場合に、ＣＰＵ２１は、入力装置２５からプログラムを読み取る。ＣＰＵ２１は、上述した図１、図９、図１３、または、図１５に示す各部が表す機能（処理）に対応するところのメモリ２２にあるストレス推定（判定）プログラム（図２、図３、図１０、図１４、または、図１６）を解釈し実行する。ＣＰＵ２１は、上述した本発明の各実施形態において説明した処理を順次実行する。

すなわち、このような場合に、本発明は、係るストレス推定プログラムによっても成し得ると捉えることができる。さらに係るストレス推定（判定）プログラムが記録されたコンピュータが読み取り可能な不揮発性の記録媒体によっても、本発明は成し得ると捉えることができる。

以上、上述した実施形態を模範的な例として本発明を説明した。しかし、本発明は、上述した実施形態には限定されない。すなわち、本発明は、本発明のスコープ内において、当業者が理解し得る様々な態様を適用することができる。

１０１ ストレス推定システム
１０２ ストレス推定装置
１０３ 測定部
１０４ 出力装置
１０５ 入力部
１０６ 第１慢性ストレス推定部
１０７ 心理的負担推定部
１０８ 心理的負担累積部
１０９ 第２慢性ストレス推定部
１１０ 慢性ストレス判定部
１１１ 第１慢性ストレス学習部
１１２ 心理的負担学習部
１１３ 第２慢性ストレス学習部
１１４ 第１慢性ストレス情報記憶部
１１５ 心理的負担情報記憶部
１１６ 第２慢性ストレス情報記憶部
１２１ 圧力検知セル
１２２ 圧力検知セル
１２３ 背もたれ
１２４ 座面
１２５ 圧力分布センサ
１２６ 圧力分布センサ
１２７ 圧力分布センサ
１３１ 心拍センサ
２０１ ストレス推定システム
２０２ ストレス推定装置
２０８ スケジュール情報処理部
２１７ 項目負担情報記憶部
２２１ 慢性ストレス算出部
２２２ 負担情報算出部
３０１ ストレス推定装置
３０２ スケジュール情報処理部
３０３ 慢性ストレス推定部
３０４ 慢性ストレス情報記憶部
４０１ ストレス推定装置
４０２ 心理的負担推定部
４０３ 心理的負担累積部
４０４ 慢性ストレス推定部
４０５ 心理的負担情報記憶部
４０６ 慢性ストレス情報記憶部
２０ 計算処理装置
２１ ＣＰＵ
２２ メモリ
２３ ディスク
２４ 不揮発性記録媒体
２５ 入力装置
２６ 出力装置
２７ 通信ＩＦ

Claims (10)

1. ストレスを受ける対象に生じるイベント（以下、対象イベント）が生じる期間（以下、イベント期間）を含むスケジュール情報と、単位時間あたりに前記イベントから受ける心理的負担の程度を含む負担情報とに基づき、前記対象イベントから前記対象が受ける前記心理的負担の程度を特定するスケジュール情報処理手段と、
   前記対象イベントに関して特定された前記心理的負担の程度を前記イベント期間に亘って受けた場合における前記対象の前記心理的負担の程度を算出し、算出した前記心理的負担の程度を前記スケジュール情報に含まれている前記対象イベントに関して累積することによって、前記スケジュール情報に関して前記対象が受ける前記ストレスの程度として推定するストレス推定手段と
   を備えるストレス推定装置。
2. 前記ストレス推定手段は、自手段が累積した前記心理的負担の程度を表す累積値に対して、ある期間における前記累積値と、前記ある期間における前記ストレスの程度との関係性を表す第２慢性ストレス推定モデルを適用することによって算出した値を、前記ストレスの程度として推定する
   請求項１に記載のストレス推定装置。
3. あるタイミングにおける前記ストレスの程度を算出可能なストレス算出手段と、
   前記対象イベントが実行される期間が第１タイミングから第２タイミングまでの第１期間である場合に、前記ストレス算出手段が第１タイミングに関して算出する第１慢性ストレスの程度と、前記ストレス算出手段が第２タイミングに関して算出する第２慢性ストレスの程度との差分と、前記第１期間とに基づき、前記対象イベントに関する前記負担情報を算出する負担情報算出手段と
   をさらに備える請求項１、または、請求項２に記載のストレス推定装置。
4. 前記ストレス推定手段によって推定された前記ストレスの程度が所定の条件を満たした場合には、前記ストレスが高いことを表すメッセージを作成するストレス判定手段
   をさらに備える請求項１乃至請求項３のいずれかに記載のストレス推定装置。
5. 前記スケジュール情報は、さらに、前記対象イベントが重要である程度を表す重要度をさらに含み、
   前記ストレス判定手段は、前記ストレスの程度が前記所定の条件を満たした場合には、前記スケジュール情報に含まれている前記対象イベントのうち、前記重要度が最低、または、略最低である前記対象イベントを選択する
   請求項４に記載のストレス推定装置。
6. 第２測定対象に関して測定された測定情報に基づき、所定の第１特徴量算出手順に従い算出された前記測定情報の特徴を表す第１特徴量の値と、該第２測定対象に関する心理的負担の程度との関係性を表す心理的負担推定モデルが格納されている心理的負担情報記憶手段と、
   前記対象イベントから前記心理的負担を受ける前記対象に関して測定された測定情報に基づき、前記所定の第１特徴量算出手順に従い前記対象に関する前記第１特徴量の値を求め、前記対象に関して求めた前記値に前記心理的負担推定モデルを適用することによって、前記対象イベントから前記対象が受ける前記心理的負担の程度を算出する心理的負担推定手段と、
   算出された前記心理的負担の程度に基づき、前記対象イベントに関する前記第２慢性ストレス推定モデルを更新する第２慢性ストレス学習手段と
   をさらに備える請求項２に記載のストレス推定装置。
7. 前記負担情報が前記対象イベントに関する心理的負担の程度を複数個含んでいる場合に、前記スケジュール情報処理手段は、前記複数の心理的負担の程度を平均した値を、前記対象イベントから前記対象が受ける前記心理的負担の程度として特定する
   請求項１乃至請求項６のいずれかに記載のストレス推定装置。
8. 前記負担情報は、さらに、前記イベントに関する種類を表す種類情報を含み、
   前記スケジュール情報処理手段は、前記負担情報が、前記対象イベントに関する前記心理的負担の程度を含んでいない場合に、前記対象イベントに関する種類情報と同じ種類情報である前記イベントに関する前記心理的負担の程度を、前記対象イベントに関する前記心理的負担の程度として特定する
   請求項１乃至請求項６のいずれかに記載のストレス推定装置。
9. ストレスを受ける対象に生じるイベント（以下、対象イベント）が生じる期間（以下、イベント期間）を含むスケジュール情報と、単位時間あたりに前記イベントから受ける心理的負担の程度を含む負担情報とに基づき、前記対象イベントから前記対象が受ける前記心理的負担の程度を特定し、前記対象イベントに関して特定された前記心理的負担の程度を前記イベント期間に亘って受けた場合における前記対象の前記心理的負担の程度を算出し、算出した前記心理的負担の程度を前記スケジュール情報に含まれている前記対象イベントに関して累積することによって、前記スケジュール情報に関して前記対象が受ける前記ストレスの程度として推定するストレス推定方法。
10. ストレスを受ける対象に生じるイベント（以下、対象イベント）が生じる期間（以下、イベント期間）を含むスケジュール情報と、単位時間あたりに前記イベントから受ける心理的負担の程度を含む負担情報とに基づき、前記対象イベントから前記対象が受ける前記心理的負担の程度を特定するスケジュール情報処理機能と、
    前記対象イベントに関して特定された前記心理的負担の程度を前記イベント期間に亘って受けた場合における前記対象の前記心理的負担の程度を算出し、算出した前記心理的負担の程度を前記スケジュール情報に含まれている前記対象イベントに関して累積することによって、前記スケジュール情報に関して前記対象が受ける前記ストレスの推定として算出するストレス推定機能と
    をコンピュータに実現させるストレス推定プログラム。

Images