JP2019004924A - システム及び方法 - Google Patents

Abstract

【課題】 メンタルストレスの度合いを高精度に推定できるシステムを実現する。【解決手段】 実施形態によれば、システムは、決定手段を具備する。決定手段は、車の運転を開始する前の短期ストレスが第１値であり、前記車の運転中の短期ストレスが前記第１値よりも大きい第２値であるとき、前記車の運転を終了した後の前記第２値から前記第１値に向かうストレスの値の変化に応じて、長期ストレスの大きさを判定する。【選択図】図１

Description

本発明の実施形態は、メンタルストレスを推定する技術に関する。

近年、ウェアラブル型の生体センサデバイスを用いて心拍又は脈拍を計測し、心拍又は脈拍の変動を解析することにより自律神経指標を推定する技術が利用されている。また、メンタルストレスの推定には、常時センサを装着し、データを蓄積し解析する方法や、データを常に解析する方法がある。

特開２０１１−１２３５７９号公報

しかし、このような推定では、メンタルストレスの度合いを高精度に推定できないという課題がある。

本発明の一形態は、メンタルストレスの度合いを高精度に推定できるシステム、方法及びプログラムを提供することを目的とする。

実施形態によれば、システムは、決定手段を具備する。決定手段は、車の運転を開始する前の短期ストレスが第１値であり、前記車の運転中の短期ストレスが前記第１値よりも大きい第２値であるとき、前記車の運転を終了した後の前記第２値から前記第１値に向かうストレスの値の変化に応じて、長期ストレスの大きさを判定する。

実施形態に係るシステムを説明するための概念図。 同実施形態のシステムの構成の例を示すブロック図。 同実施形態のシステムの構成の別の例を示すブロック図。 同実施形態のシステムの構成のさらに別の例を示すブロック図。 同実施形態のシステムに設けられるサーバのシステム構成例を示すブロック図。 同実施形態のシステムに設けられるデバイス（センシングデバイス）のシステム構成例を示すブロック図。 図５のサーバと図６のデバイスとの機能構成例を示すブロック図。 同実施形態のシステムに設けられる車載のデバイス（車載器）の外観の例を示す斜視図。 図８のデバイスの機能構成を示すブロック図。 図８のデバイスを用いて推定されるストレス値を説明するための図。 図１０のストレス値の変動の例を示す図。 図１０のストレス値の変動の別の例を示す図。 図１０及び図１１のストレス値に対応する、唾液アミラーゼとＳＴＡＩとの結果を示す図。 同実施形態のシステムに設けられる携帯型のデバイスの外観の例を示す斜視図。 同実施形態のシステムに設けられる装着型のデバイスの外観の例を示す斜視図。 図１４及び図１５のデバイスの機能構成を示すブロック図。 同実施形態のシステムに設けられる据え置き型のデバイスであるノートＰＣの外観の例を示す斜視図。 図１７のノートＰＣの機能構成を示すブロック図。 同実施形態のシステムに設けられる据え置き型のデバイスであるセキュリティゲートの外観の例を示す斜視図。 図１９のセキュリティゲートの機能構成を示すブロック図。 同実施形態のシステムに設けられる自律走行デバイスの外観の例を示す斜視図。 図２１の自律走行デバイスの機能構成を示すブロック図。 同実施形態のシステムに設けられるトイレ型のデバイスの外観の例を示す斜視図。 図２３のトイレ型のデバイスの機能構成を示すブロック図。 同実施形態のシステムに設けられるトイレ型のデバイスの外観の別の例を示す斜視図。 図２５のトイレ型のデバイスの機能構成を示すブロック図。

以下、実施の形態について図面を参照して説明する。

まず、図１を参照して、一実施形態に係るシステムの構成を説明する。このシステムは、ユーザの慢性的なメンタルストレスを推定し、推定されたストレスに応じた情報を提供するストレス推定システム１である。ユーザに関する情報は、種々のセンシングデバイス２を用いて取得される。センシングデバイス２は、ユーザに対する負荷の低いセンシングが可能なデバイスであり、したがって、さりげないセンシングを実現し、センシングされていることをユーザに意識させないようにすることができる。各センシングデバイス２は、一人のユーザをセンシングするものであってもよいし、複数のユーザをセンシングするものであってもよい。センシングにより得られるデータ（センサデータ）は、複数のセンシングデバイス２の各々によって並行して収集され得る。そして、複数のセンシングデバイス２によって収集された、例えば、時間同期の取れていない複数のセンサデータを統合することにより、マルチモーダルで、高精度なメンタルストレス値をユーザ毎に推定することができる。

センシングデバイス２には、人体装着型のデバイス、携帯型のデバイス、据え置き型のデバイス、自律走行型のデバイス等がある。人体装着型のデバイスは、人体の一部に固定可能（すなわち、常時装着可能）なデバイスであって、例えば、手首（リストバンド型）デバイス、足首デバイス、貼り付けデバイス、パンツ型デバイス、シャツ型デバイスのようなウェアラブルデバイスである。携帯型のデバイスは、把持する、服のポケットに入れる、バッグに入れる等の形態で常時携帯可能なデバイスであって、例えば、スマートフォン、携帯電話機、ＰＤＡ、タブレットコンピュータ等を含む。据え置き型のデバイスは、特定の場所に配置して利用されるデバイスであって、ノートブック型のコンピュータ（ノートＰＣ）、デスクトップ型のコンピュータ（デスクトップＰＣ）、セキュリティゲート、車載器、監視カメラ等のデバイスを含み、さらに、センサが組み込まれた椅子、トイレ、ＩｏＴ機器等のデバイスも含み得る。また、自律走行型のデバイスは、例えば、ロボットクリーナーやコミュニケーションロボット等のロボット型デバイスを含む。

センシングデバイス２は、人体に接触するセンサと人体に接触しない非接触のセンサの少なくとも一方を備える。接触型のセンシングデバイス２Ａには、例えば、脈波（脈拍）を検知する光電脈波センサ、心電図（心拍）を検知する心電センサ、動作（運動、睡眠）を検知する加速度センサ等が含まれる。非接触型のセンシングデバイス２Ｂには、脈波（脈拍）や動作（運動、表情、睡眠）を検知するための映像を撮影するカメラ、会話量や発話に基づく感情を検出するために音声を録音するマイク、尿や唾液から特定の物質を検知するためのバイオマーカ、環境情報を検知するための温度及び湿度センサ等が含まれる。なお、キーボードやポインティングデバイス、ＩＣタグの読み取り装置等の入力デバイスを、ユーザによる動作を検知するセンサとして用いることもできる。

クラウド検査サービスでは、センシングデバイス２を用いて取得されたデータを用いて、ユーザが感じているストレスの度合いを示すストレス値（ストレス指標）が推定される。このクラウド検査サービスは、例えば、ユーザのセンサデータを利用可能なサーバ３によって実現される。サーバ３は、個人健康記録（ｐｅｒｓｏｎａｌ ｈｅａｌｔｈ ｒｅｃｏｒｄ：ＰＨＲ）等のデータベース４に含まれるゲノム検査や産業医診断、鬱病診断のような各種の診断・検査結果、既往歴、問診票、アンケート、等も用いて、ストレス値を推定してもよい。

また、サーバ３は、特定の疾患（例えば、鬱病）を発症した事例のデータを用いて、ストレスとの相関がある有為なファクター（要因）を選定することもできる。サーバ３は、選定されたファクターのデータに基づいて、ユーザのストレス値を推定する。

さらに、ストレス値の推定やストレスとの相関があるファクターの選定は、病院、医師、産業医等の医療分野と連携して、ストレス値やファクターを検証することにより、精度や信頼性を高めることができる。サーバ３は、例えば、医療分野でストレス値として既に用いられている唾液や尿に含まれる特定の物質に関する指標、主観アンケート（例えば、状態−特性不安尺度（Ｓｔａｔｅ−Ｔｒａｉｔ Ａｎｘｉｅｔｙ Ｉｎｖｅｎｔｏｒｙ：ＳＴＡＩ））に基づく指標等をさらに用いて、ストレス値を推定することもできる。

サーバ３は、推定されたストレス値に基づいて行動変容プログラムを決定する。行動変容プログラムは、例えば、産業医やカウンセラー、臨床心理士のような専門家によって監修されたプログラムである。サーバ３は、ストレス値が高いユーザに対して、ストレス値が高いことを通知し、ストレスを低減するための情報を提供する。サーバ３は、例えば、ユーザが使用しているスマートフォンに、推奨される行動（マインドフルネス）や勤務形態等のアドバイスを配信してもよい。

サーバ３は、ユーザの属性に応じて行動変容プログラムを変更することもできる。サーバ３は、例えば、コールセンターのような対人業務に就く従業員やドライバーである複数のユーザの中に、ストレス値が高いユーザが含まれる場合に、そのユーザのストレス値が低減されるように組み直された勤務シフト（スケジュール）を自動的に生成してもよい。同様に、サーバ３は、特定の疾患に罹患中（例えば、癌患者）、産後、育児中、介護中等のユーザの属性を考慮して、ストレスを低減するための情報を提供したり、勤務シフトを自動生成したりしてもよい。

サーバ３によるクラウド検査サービスは、例えば、ストレスチェックの提供会社、対人業務のある企業、保険会社等で利用され得る。

次いで、図２から図４を参照して、ストレス推定システム１の構成のいくつかの例について説明する。

まず、図２に示すストレス推定システム１は、複数のデバイス２−１，２−２，２−３と、メンタルストレス推定部３１とを備える。

デバイス２−１はセンサ２１−１を有している。センサ２１−１は、ユーザがデバイス２−１にアクセスしたログを示すアクセスログ情報を収集し、メンタルストレス推定部３１に出力（送信）する。デバイス２−１は、例えば、デスクトップＰＣ、ノートＰＣ、車載器、セキュリティゲート等である。

デバイス２−２はセンサ２１−２を有している。センサ２１−２は、ユーザによるデバイス２−２の操作を示す操作情報を収集し、メンタルストレス推定部３１に出力（送信）する。デバイス２−２は、例えば、手首デバイスのような装着型デバイス、携帯型デバイス、デスクトップＰＣ、ノートＰＣ等である。

また、デバイス２−３はセンサ２１−３を有している。センサ２１−３は、ユーザの生体情報を収集し、メンタルストレス推定部３１に出力（送信）する。デバイス２−３は、例えば、手首デバイスのような装着型デバイス、携帯型デバイス、デスクトップＰＣ、ノートＰＣ、ホームＩｏＴデバイス、ホームロボット、セキュリティゲート、車載器、トイレ型デバイス等である。また、生体情報には、例えば、脈波や心拍の解析結果が含まれている。

メンタルストレス推定部３１は、デバイス２−１，２−２，２−３により収集されたアクセスログ情報と操作情報と生体情報とを用いて、ユーザのメンタルストレスを示すストレス値を推定する。より具体的には、メンタルストレス推定部３１は、例えば、アクセスログ情報を用いてユーザの勤怠状況や活動状況を推定し、また、操作情報を用いてユーザの活動状況や感情を推定する。そして、メンタルストレス推定部３１は、推定された勤怠状況、活動状況及び感情と、生体情報とを用いて、ストレス値を推定する。

なお、ここでは、一つのデバイスに一つのセンサが設けられる例を示したが、一つのデバイスに複数のセンサが設けられてもよい。したがって、複数のセンサを備える一つのデバイスによって、アクセスログ情報と操作情報のような複数種の情報が収集され得る。メンタルストレス推定部３１は、少なくとも一つのセンサを備える少なくとも一つのデバイスから得られた情報を用いて、ユーザのストレス値を推定することができる。

次に、図３に示すストレス推定システム１は、図２に示した構成に加えて、デバイス２−４とゲノムデータベース（ＤＢ）４−１とを備える。

デバイス２−４はセンサ２１−４を有している。センサ２１−４は、例えば、唾液や尿に含まれる特定の物質の量や濃度等を検知するバイオマーカを含み、このバイオマーカによる検知結果を示すバイオマーカ情報をメンタルストレス推定部３１に出力（送信）する。バイオマーカは、例えば、唾液アミラーゼ、唾液クロモグラニン、唾液コルチゾール、尿カテコールアミン等を検知する。デバイス２−４は、例えば、トイレ型デバイス、パンツ型デバイス等である。

ゲノムＤＢ４−１は、ユーザがゲノム検査等を受けた際に得られたゲノム解析結果を格納する。メンタルストレス推定部３１は、ゲノムＤＢ４−１に格納された情報から、ストレスとの関連性が高い情報を取得する。取得されるゲノム情報により、ストレスへの耐性が判別可能である。取得される情報は、例えば、ストレスに弱い一塩基多型（Ｓｉｎｇｌｅ Ｎｕｃｌｅｏｔｉｄｅ Ｐｏｌｙｍｏｒｐｈｉｓｍ：ＳＮＰ）情報、躁鬱病の発症に関連している遺伝子情報等である。躁鬱病の発症に関連している遺伝子は特定されているため、その遺伝子を有するユーザをストレスに弱いと判定することができる。

メンタルストレス推定部３１は、デバイス２−１，２−２，２−３により収集されたアクセスログ情報と操作情報と生体情報とに加えて、デバイス２−４により収集されたバイオマーカ情報と、ゲノムＤＢ４−１から取得されたゲノム情報とを用いて、ストレス値を推定する。

また、図４に示すストレス推定システム１は、ストレス値の推定が関数化される例を示す。メンタルストレス推定部３１は、ストレス値を推定する前に、過去の産業医受診状況や鬱病診断状況を用いて、特定の疾患（例えば、鬱病）を発症した事例のセンサデータやゲノム情報等を抽出し、その疾患の発症との関連性が高いパラメータ（ファクター）２２（例えば、ｘ１（ｔ），ｘ２（ｔ），……，ｘｎ（ｔ））を学習する。そして、メンタルストレス推定部３１は、それらパラメータ２２を用いて、ストレス値を算出するための関数Ｆ（ｘ）を生成する。メンタルストレス推定部３１は、この関数Ｆ（ｘ）を用いて、新たに得られたセンサデータ等に基づくストレス値ｙ（ｔ）を算出することにより、実際の事例に即したユーザのストレス値を推定することができる。メンタルストレス推定部３１は、ユーザ毎に、例えば、毎日、一つのストレス値ｙ（ｔ）を算出し、継続してストレス値が高くなっていること（例えば、基準値を超えていること）、普段とは異なる異常値になっていること等を検知する。

ストレス推定システム１はさらに、行動変容決定部３２を有していてもよい。行動変容決定部３２は、算出されたストレス値ｙ（ｔ）に基づいて、ストレスを低減するための情報を出力する。行動変容決定部３２は、例えば、継続してストレス値が高くなっている場合や、普段とは異なる異常値になっている場合に、ストレスを低減するための情報を出力する。このような情報は、例えば、メールやスマートフォンのアプリ等を介して、ユーザに提示することができる。

より具体的には、行動変容決定部３２は、ストレス値の大きさに応じて、ユーザに対する警告を出力する。行動変容決定部３２は、例えば、ユーザが使用するデバイス２の画面上に、ストレス値の高さ、慢性ストレスのリスクの高さ等を表示させる。

また、行動変容決定部３２は、ストレス値の大きさに応じて、ストレスを低下させるためにユーザに推奨される行動に関する情報を出力する。行動変容決定部３２は、例えば、ユーザが使用するデバイス２の画面上に、メンタルフルネスの受講、深呼吸、気分転換になる体操、座禅、運動、自然を眺めること、花鳥風月を愛でること等を促すメッセージを表示させる。また、推奨される行動は、ユーザが特定の疾患（例えば、認知症、癌等）に罹患しているか、あるいは勤労者、育児者、又は介護者であるかと云った属性に応じて決定されてもよい。

さらに、行動変容決定部３２は、ストレス値の大きさに応じて、推奨される勤務形態に関する情報を出力し得る。行動変容決定部３２は、例えば、ユーザが使用するデバイス２の画面上に、時間休憩、年休取得、短期休暇、長期休暇等の取得を推奨するメッセージを表示する。また、行動変容決定部３２は、複数のユーザがストレス推定システム１を利用している場合に、例えば、コールセンター業務、ドライバー業務のようなストレスが極めてかかりやすい業務に従事する従業員に対して、ストレス値の大きさに応じて組み替えられた勤務シフト表を提示することもできる。行動変容決定部３２は、例えば、高いストレス値のユーザの状態を改善するために、そのユーザの勤務時間が削減された勤務シフト表を自動生成する。また、行動変容決定部３２は、例えば、繁忙期の直前に、従業員全体のストレスを低く維持するための勤務シフト表を自動生成する。なお、推奨される勤務形態（勤務シフト）は、ユーザが特定の疾患（例えば、認知症、癌等）に罹患しているか、あるいは勤労者、育児者、又は介護者であるかと云った属性に応じて決定されてもよい。

以下では、ストレス推定システム１がサーバ３と一つ以上のデバイス２とによって構成される場合を例示する。サーバ３と各デバイス２とはネットワークを介して相互に通信可能である。一つ以上のデバイス２は、各々に設けられるセンサ２１を用いてユーザに関するセンサデータを収集し、サーバ３に送信する。サーバ３は、収集されたセンサデータを用いてストレス値を推定し、そのストレス値に応じてストレスを低減するための情報を生成する。

図５は、サーバ３のシステム構成例を示す。サーバ３は、例えば、サーバコンピュータとして実現され得る。サーバ３は、ＣＰＵ３０１、主メモリ３０２、不揮発性メモリ３０３、ＢＩＯＳ−ＲＯＭ３０４、通信モジュール３０５等を備える。

ＣＰＵ３０１は、サーバ３内の様々なコンポーネントの動作を制御するプロセッサである。ＣＰＵ３０１は、ストレージデバイスである不揮発性メモリ３０３から主メモリ３０２にロードされる様々なプログラムを実行する。これらプログラムには、オペレーティングシステム（ＯＳ）３０２Ａ、及び様々なアプリケーションプログラムが含まれている。アプリケーションプログラムには、ストレス推定プログラム３０２Ｂが含まれている。このストレス推定プログラム３０２Ｂには、デバイス２からセンサデータを取得するための命令群、ストレス値を推定するための命令群、ストレス値に基づく行動変容のための命令群等が含まれている。つまり、ストレス推定プログラム３０２Ｂは、図２から図４を参照して上述したメンタルストレス推定部３１と行動変容決定部３２との機能を有している。

また、ＣＰＵ３０１は、ＢＩＯＳ−ＲＯＭ３０４に格納された基本入出力システム（ＢＩＯＳ）も実行する。ＢＩＯＳは、ハードウェア制御のためのプログラムである。

通信モジュール３０５は、有線又は無線通信を実行するように構成されたデバイスである。通信モジュール３０５は、信号を送信する送信部と、信号を受信する受信部とを含む。

また、図６は、デバイス２のシステム構成例を示す。デバイス２は、ＣＰＵ２０１、主メモリ２０２、不揮発性メモリ２０３、通信モジュール２０４、センサ２１等を備える。

ＣＰＵ２０１は、デバイス２内の様々なコンポーネントの動作を制御するプロセッサである。ＣＰＵ２０１は、ストレージデバイスである不揮発性メモリ２０３から主メモリ２０２にロードされる様々なプログラムを実行する。これらプログラムには、オペレーティングシステム（ＯＳ）２０２Ａ、及び様々なアプリケーションプログラムが含まれている。アプリケーションプログラムには、ストレス監視プログラム２０２Ｂが含まれている。このストレス監視プログラム２０２Ｂには、センサ２１からデータを収集するための命令群、収集されたデータを解析するための命令群、データをサーバ３に送信するための命令群等が含まれている。

通信モジュール２０４は、有線又は無線通信を実行するように構成されたデバイスである。通信モジュール２０４は、信号を送信する送信部と、信号を受信する受信部とを含む。なお、デバイス２は、映像出力のためのディスプレイ２０５や、音声出力のためのスピーカ２０６をさらに備えていてもよい。

次いで、図７を参照して、サーバ３によって実行されるストレス推定プログラム３０２Ｂと各デバイス２−１，２−２，……，２−Ｎによって実行されるストレス監視プログラム２０２Ｂとの機能構成を説明する。デバイス２−１，２−２，……，２−Ｎの各々は、図６を参照して上述したシステム構成を有している。サーバ３と各デバイス２−１，２−２，……，２−Ｎとは、ネットワーク１５を介して、相互にデータを送受信することができる。

各デバイス２−１，２−２，……，２−Ｎによって実行されるストレス監視プログラム２０２Ｂは、例えば、センサ処理部２５１と表示制御部２５２とを備える。また、サーバ３によって実行されるストレス推定プログラム３０２Ｂは、例えば、蓄積処理部３１１、ファクター決定部３１２、ストレス値決定部３１３、アラート生成部３１４、及びスケジュール生成部３１５を備える。

デバイス２のセンサ処理部２５１は、センサ２１−１によって出力されたデータに、解析等の特定の処理を施すことにより得られたセンサデータを、通信モジュール２０４を介してサーバ３に送信する。送信されるデータには、センシング対象のユーザを識別するための情報（ユーザＩＤ）と、センシングされた日時を示す情報（タイムスタンプ）とが含まれていてもよい。なお、センサ処理部２５１は、センサ２１−１によって出力されたデータをそのままサーバ３に送信してもよい。その場合、データに解析等の特定の処理を施すためのセンサ処理部２５１の機能がサーバ３内に設けられる。

サーバ３の蓄積処理部３１１は、通信モジュール３０５を介して、デバイス２（デバイス２−１，２−２，……，２−Ｎ）からセンサデータを受信する。蓄積処理部３１１は、受信したセンサデータをセンサデータベース３５に格納する。センサデータベース３５には、例えば、不揮発性メモリ３０３が用いられる。センサデータベース３５には、複数種のデバイス２（又は複数種のセンサ２１）を用いて得られたセンサデータがまとめて格納されてもよいし、デバイス２（又はセンサ２１）毎にセンサデータを格納するために複数のセンサデータベース３５が設けられてもよい。格納されるセンサデータは、センシングされた対象のユーザやセンシングされた日時が識別可能である。また、センサデータベース３５は、サーバ３によってセンサデータが利用できる形態であれば、サーバ３の外部に設けられていてもよい。

ファクター決定部３１２は、センサデータベース３５に格納されたセンサデータと健康記録データベース４に格納されたデータとを用いて、長期ストレスとの関連性が高いファクター（要因）を決定する。本実施形態では、ユーザにより知覚されるストレスを、ある一期間にわたるストレスの大きさについての指標で表し、またその期間の長さに応じた短期ストレスと長期ストレスとで規定する。長期ストレスの指標（値）は、少なくとも短期ストレスの期間よりも長い期間にわたるストレスの大きさを示す。また、短期ストレスの指標（値）は、少なくとも長期ストレスの期間よりも短い期間にわたるストレスの大きさを示す。一例として、長期とは、１週間以上、２週間、１ヶ月、３ヶ月等の期間であり、短期とは、一週間未満、２〜３日、１日、半日、２〜３時間、１時間、３０分、数分、数秒等の期間である。したがって、長期ストレスはユーザの慢性的なストレスであり、短期ストレスはユーザの一時的なストレス（すなわち、瞬時ストレス）であると云える。

ファクター決定部３１２は、例えば、第１の方法によるストレスの大きさの変動度合いと、ストレスに関連する複数の要因の変動度合いとを用いて、それら複数の要因のうち、一つ以上の要因を、長期ストレスの判定に用いる要因とする。この第１の方法は、例えば、医者によるストレスの判定、問診票に基づくストレスの判定、尿に基づくストレスの判定、及び唾液に基づくストレスの判定の内の、少なくとも一つ以上に基づいてストレスを判定する方法である。また、複数の要因は、人間の心拍又は脈拍の少なくとも一方に関する一つ以上の要因、電子機器の操作状況に関する一つ以上の要因、勤怠状況に関する一つ以上の要因、感情に関する一つ以上の要因、人体の動きの状況に関する一つ以上の要因、発話状況に関する一つ以上の要因、睡眠状況に関する一つ以上の要因、及び環境に関する一つ以上の要因の内の、少なくとも二つ以上を含む。なお、上述した第１の方法に、ストレスを判定するための他の方法がさらに含まれていてもよく、また複数の要因に、ユーザをセンシングしたセンサデータに基づく他の要因がさらに含まれていてもよい。また、電子機器は、携帯型のデバイス２又は人体装着型のデバイス２である。

ストレス値決定部３１３は、あるユーザの、センサデータベース３５に格納されたセンサデータを用いて、ある短期間における短期ストレスの値を決定した後、さらに、別の短期間における短期ストレスの値を決定する。短期ストレスの値は、ある短期間に、例えば、少なくとも一つのセンサから得られたセンサデータを用いて決定される。そして、ストレス値決定部３１３は、それら二つの短期ストレスの値の変化に基づいて、そのユーザの長期ストレスの大きさ（例えば、長期ストレス値）を判定する。ストレス値決定部３１３は、健康記録データベース４に格納されたデータをさらに用いて長期ストレスの大きさを判定してもよい。

より具体的には、ストレス値決定部３１３は、特定の作業（例えば、車の運転）を開始する前の短期ストレスが第１値であり、作業中の短期ストレスが第１値よりも大きい第２値であるとき、その作業が終了した後の第２値から第１値に向かうストレスの値の変化に応じて、長期ストレスの大きさ（長期ストレス値）を判定する。ストレス値決定部３１３は、電子機器の操作の頻度に関する情報をさらに用いて、長期ストレスの大きさを判定してもよい。また、ストレス値決定部３１３は、閾値以上の人体の変動の繰り返し（例えば、貧乏ゆすり）に関する情報をさらに用いて、長期ストレスの大きさを判定してもよい。

アラート生成部３１４は、ストレス値決定部３１３によって定められた長期ストレスの大きさに応じて、ユーザに対する警告を生成する。また、アラート生成部３１４は、定められた長期ストレスの大きさに応じて、ストレスを低下させるためのユーザに推奨される行動に関する情報を生成してもよい。アラート生成部３１４は、生成された警告や情報を、通信モジュール３０５を介してデバイス２に送信する。送信先のデバイス２は、例えば、ディスプレイ２０５を備えるデバイスやユーザによって予め指定されたデバイスである。

また、スケジュール生成部３１５は、ストレス値決定部３１３によって定められた長期ストレスの大きさ（例えば、長期ストレス値）に応じて、推奨される勤務形態に関する情報を生成する。スケジュール生成部３１５は、例えば、ある業務に従事する複数の従業員の各々の長期ストレス値が決定された場合、高い長期ストレス値の従業員にかかるストレスが軽減されるように、それら複数の従業員の勤務スケジュールを生成する。スケジュール生成部３１５は、勤務スケジュールのような勤務形態に関する情報を、通信モジュール３０５を介してデバイス２に送信する。

デバイス２の表示制御部２５２は、通信モジュール２０４を介して、サーバ３から警告や情報を受信する。そして、表示制御部２５２は、警告や情報をディスプレイ２０５の画面に表示する。

なお、サーバ３内の各部がデバイス２内に設けられていてもよい。その場合、例えば、あるデバイス２に、複数のデバイス２によって取得されたセンサデータが蓄積されてもよい。また、例えば、あるデバイス２によって、センサデータを用いたストレス値の決定、ストレス値に基づく警告や情報の生成等が行われてもよい。

以下では、上述した構成が適用されるいくつかのデバイス２について例示する。

＜車載器＞
図８から図１３を参照して、自動車を運転するユーザのストレス指標が推定される例について説明する。このユーザは、例えば、自動車に搭載されるデバイス２である車載器２−６と装着型デバイス２−５とに設けられるセンサによってセンシングされる。車載器２−６を搭載した自動車は、勤務時間外に利用されてもよいし、配送業務等に従事するユーザの勤務中に利用されてもよい。

図８は、車載器２−６の外観の例を示す。車載器２−６には、例えば、電源ボタン５０１、カメラ５０３、心電センサ５０４、湿度センサ５０５、温度センサ５０６、振動センサ／加速度センサ（図示せず）等が含まれる。

電源ボタン５０１は、例えばハンドルの右側に配置され、自動車のエンジンを始動するために用いられる。電源ボタン５０１の操作を検知したことに応じて、始動されたエンジン動作を検出することにより、ユーザによる運転に関する情報を取得することができる。電源ボタン５０１はＵＩセンサの一種である。カメラ５０３は、サンバイザ部、あるいはメーター類が設置されるインストルメンタルパネル（インパネ）部に設けられ、自動車を運転するユーザの顔画像（映像）を撮影する。カメラ５０３はメディアセンサの一種である。

心電センサ５０４は、座席に設けられ、着席したユーザの心拍の波形（心電図）を検知する。心電センサ５０４は生体センサの一種である。湿度センサ５０５及び温度センサ５０６は、例えばインパネ部に設けられ、車内の湿度及び温度を検知する。湿度センサ５０５及び温度センサ５０６は環境センサの一種である。また、振動センサ／加速度センサは、車載器２−６に生じる振動／加速度を検知することにより、自動車の動きを検知する。

なお、このユーザは、装着型（例えば、リストバンド型）のデバイス２−５を装着していてもよい。デバイス２−５は、例えば、振動センサ／加速度センサ５０２、マイク、光電脈波センサ、環境センサ等を備えている。車載器２−６は、車載器２−６に設けられる振動センサ／加速度センサに加えて、あるいはその代わりに、デバイス２−５に設けられる振動センサ／加速度センサ５０２を利用することができる。

車載器２−６は、このようなセンサ５０１〜５０６を利用して、センサデータを収集することができる。車載器２−６には、ＧＰＳレシーバ等の他のセンサがさらに設けられていてもよい。また、車載器２−６及び装着型デバイス２−５の各々には、図６を参照して上述したように、ＣＰＵ２０１、主メモリ２０２、不揮発性メモリ２０３、通信モジュール２０４等が内蔵されている。

次いで、図９を参照して、車載器２−６の機能構成について説明する。車載器２−６は、上述したセンサ５０１〜５０６やＧＰＳレシーバ５０７を備え、ストレス監視プログラム２０２Ｂを実行する。以下では、まず、ストレス監視プログラム２０２Ｂに含まれるセンサ処理部２５１の機能構成について述べる。

このセンサ処理部２５１は、例えば、エンジン動作検出部５１１、顔検出部５１２、映像脈波算出部５１３、脈波ピーク間隔算出部５１４、自律神経解析部５１５、顔表情認識部５１６、心拍ピーク間隔算出部５１７、自律神経解析部５１８、環境不快度算出部５１９、走行／停止検知部５２０、及びルート解析部５１０を含む。

エンジン動作検出部５１１は、電源ボタン５０１の操作によってエンジンが始動されたことに応じて、エンジン動作、各種オドメトリ、自動車の乗車時間、速度等を検出する。エンジン動作検出部５１１は、このような検出された情報を、車載器２−６へのアクセスログ情報として、メンタルストレス推定部３１に出力（送信）する。また、エンジン動作検出部５１１は、検出された情報に基づいて、エンジンが始動又は停止したことを示す情報を映像脈波算出部５１３に出力する。

走行／停止検知部５２０は、振動センサ／加速度センサ５０２によって得られた振動データと加速度データの少なくとも一方を用いて、自動車が走行（移動）しているか、それとも停止しているかを検知する。走行／停止検知部５２０は、さらに、振動データと加速度データの少なくとも一方を用いて、急ハンドル、急加速、急ブレーキのような特定の運転操作を検知することもできる。走行／停止検知部５２０は、検知された自動車の走行又は停止を示す情報と、運転操作を示す情報とを映像脈波算出部５１３に出力する。なお、走行／停止検知部５２０は、振動データ及び／又は加速度データをそのままメンタルストレス推定部３１に送信してもよい。

顔検出部５１２は、カメラ５０３を用いて得られた映像から顔を検出する。顔検出部５１２は、映像を構成する連続した映像フレームの各々から、例えば、予め用意された顔特徴量に類似する特徴量を有する領域を検出することにより、映像フレーム上の顔画像を検出する。顔検出部５１２は、検出された顔画像に関する情報を映像脈波算出部５１３及び顔表情認識部５１６に出力する。

映像脈波算出部５１３は、顔検出部５１２により出力された情報を用いて、ユーザの脈波に関する情報を算出する。より具体的には、映像脈波算出部５１３は、連続した映像フレームから検出された顔画像の変化（例えば、皮膚の色の変化）に基づいて、ユーザの脈波を算出する。

算出されたユーザの脈波には、エンジン動作検出部５１１によって出力されたエンジンが始動又は停止したことを示す情報と、走行／停止検知部５２０によって出力された自動車が走行又は停止していることを示す情報と運転操作を示す情報とが関連付けられる。このような情報を用いることにより、自動車の運転を開始する前、運転中、運転を終了した後、ある運転操作が検知されたタイミング等を特定して、情報を抽出することができる。なお、運転の開始、運転中、及び運転の終了を示すタイミングは、車載器２−６又は装着型デバイス２−５に設けられた入力デバイスを用いて、ユーザによって明示的に入力されてもよい。

脈波ピーク間隔算出部５１４は、算出された脈波のピーク間隔（ＰＰＩ）を算出する。そして、自律神経解析部５１５は、算出された脈波のピーク間隔を解析することにより、脈拍数や脈拍のばらつきを示す自律神経指標を算出する。この自律神経指標は、自律神経のバランスを表している。自律神経解析部５１５は、自動車の運転を開始する前、運転中、運転を終了した後、ある運転操作が検知されたタイミング等における、脈拍数や脈拍のばらつきを示す自律神経指標を算出してもよい。自律神経解析部５１５は、算出された自律神経指標を含む生体情報をメンタルストレス推定部３１に送信する。

また、顔表情認識部５１６は、映像から検出された顔画像の表情を認識する。顔表情認識部５１６は、例えば、喜怒哀楽のような表情の種別だけでなく、眉間のしわ、顔の動き等も認識することができる。顔表情認識部５１６は、認識された表情の種別等を含む感情情報をメンタルストレス推定部３１に送信する。

なお、顔検出部５１２及び顔表情認識部５１６は、カメラ５０３を用いて得られた映像から、運転中の手、足、頭等の体の動きを検出し、眠気（例えば、頭の揺れ）や、いら立っている場合に起きやすい動作（例えば、指や足の繰り返し動作）を認識してもよい。認識された動作を示す情報は、感情情報としてメンタルストレス推定部３１に送信され得る。

次いで、心拍ピーク間隔算出部５１７は、心電センサ５０４により計測された波形のピーク間隔である心拍間隔（Ｒ−Ｒ間隔）を算出する。自律神経解析部５１８は、算出された心拍間隔を解析することにより、心拍数や心拍のばらつきを示す自律神経指標を算出する。この自律神経指標は、自律神経のバランスを表している。自律神経解析部５１８は、算出された自律神経指標を含む生体情報をメンタルストレス推定部３１に送信する。

環境不快度算出部５１９は、湿度センサ５０５により計測された湿度と温度センサ５０６によって計測された温度とを用いて、環境不快度を算出する。この環境不快度には、例えば、予測温冷感申告（Ｐｒｅｄｉｃｔｅｄ Ｍｅａｎ Ｖｏｔｅ：ＰＭＶ）や、暑さ指数（Ｗｅｔ Ｂｕｌｂ Ｇｌｏｂｅ Ｔｅｍｐｅｒａｔｕｒｅ：ＷＢＧＴ）が用いられる。環境不快度算出部５１９は、算出された環境不快度を含む環境情報をメンタルストレス推定部３１に送信する。

ルート解析部５１０は、ＧＰＳレシーバ５０７を用いて取得された自動車の位置と、カーナビゲーションシステム等で用いられる地図データとを用いて、自動車が走行している道路を特定する。そして、ルート解析部５１０は、特定された道路が、いつも走行する道路であるか、それともまれにしか走行しない不慣れな道路であるか、また一般道路と高速道路のいずれであるか、等を示すルート情報を生成し、メンタルストレス推定部３１に送信する。

メンタルストレス推定部３１（ストレス値決定部３１３）は、車載器２−６によって出力された情報を用いてユーザの短期ストレスの値を決定し、決定された短期ストレスの値を用いてユーザの長期ストレスの大きさを判定する。例えば、メンタルストレス推定部３１は、車載器２−６から出力されたデバイスへのアクセスログ情報、生体情報、感情情報、環境情報、及びルート情報の少なくともいずれか一つを用いて、ある短期間における短期ストレスの値を算出する。そして、メンタルストレス推定部３１は、ユーザが自動車の運転を開始する前の短期ストレスが第１値であり、自動車の運転中の短期ストレスが第１値よりも大きい第２値であるとき、自動車の運転を終了した後の第２値から第１値に向かうストレスの値の変化に応じて、長期ストレスの大きさ（例えば、長期ストレス値）を判定する。この変化（すなわち、短期ストレス値が下がる速度）が速いほど長期ストレスは小さくなり、変化が遅いほど長期ストレスは大きくなる。これは、長期ストレスが小さいユーザでは、運転等のストレスのかかる作業によって一時的に短期ストレス値が上昇したとしても、その作業が終了すれば平常の短期ストレス値に戻りやすく、一方、長期ストレスが大きいユーザでは、作業によって短期ストレス値が一旦上昇してしまうと、その作業が終了しても平常の短期ストレス値に戻りにくかったり、戻らなかったりすることに基づくものである。したがって、運転中の短期ストレス値（第２値）から、平常（運転開始前）の短期ストレス値（第１値）への運転終了後の戻りやすさに応じて、長期ストレスの大きさを判定することができる。

自動車の運転を終了した後の第２値から第１値に向かうストレスの値の変化は、例えば、絶対値として表され、例えば、一時間で閾値以上低下したか否か等に基づいて、長期ストレスの大きさ（長期ストレス値）が決定される。また、このストレス値の変化は、相対値で表されてもよい。その場合、例えば、一時間で、第１値から第２値までの上昇分の何割が低下したか等に基づいて、長期ストレスの大きさ（長期ストレス値）が決定される。

なお、急ハンドルのような運転操作は、ストレスによって注意力散漫となったことにより生じると推定されるので、センサデータから急ハンドル等の運転操作が検知されたことは、メンタルストレス推定部３１によって決定される短期ストレス値が高くなる一因となり得る。同様に、メンタルストレス推定部３１によって決定される短期ストレス値が高くなる要因として、平常よりも脈拍数／心拍数が高いことや、脈波や心拍のばらつきが大きいこと、怒りのような特定の表情が認識されたこと、眠気やいら立ちを示す動作が認識されたこと、高速道路やまれにしか利用されない道路が走行されたこと、乗車時間が長いこと、環境不快度が高いこと等が含まれ得る。

また、ストレス値は、車載器２−６及び装着型デバイス２−５によって取得されたセンサデータだけでなく、他のデバイス２（例えば、携帯型デバイス、据え置き型デバイス、トイレ型デバイス、自律走行型デバイス等）によって取得されたセンサデータも用いて決定されてもよい。その場合、メンタルストレス推定部３１は、例えば、自動車の運転時のストレス値と、次の就寝中のストレス値とを比較することによって、長期ストレスの値を算出してもよいし、また自動車の運転時のストレス値と、次の起床後のストレス値とを比較することによって、長期ストレスの値を算出してもよい。

図１０は、脈波又は心拍の波形データを用いて、ストレス指標が決定される例を示す。上述したように、映像脈波算出部５１３により算出された脈波５２１を用いて、脈波ピーク間隔算出部５１４は脈波ピーク間隔（脈拍間隔）５３５を算出する。また、心拍ピーク間隔算出部５１７は、心電センサ５０４により計測された波形のピーク間隔である心拍間隔５３６を算出する。自律神経解析部５１５，５１８は、算出された脈拍間隔５３５又は心拍間隔５３６を周波数解析して、所定の周波数毎のパワースペクトル密度を算出する。高い周波数帯（例えば、０．１５ヘルツから０．４ヘルツ）に含まれるパワースペクトル密度の総和（ＨＦ）は、副交感神経の働きの度合い、すなわち、リラックス状態の度合いを表す。また、高い周波数帯に含まれるパワースペクトル密度の総和（ＨＦ）に対する、低い周波数帯（例えば、０．０５ヘルツから０．１５ヘルツ）に含まれるパワースペクトル密度の総和（ＬＦ）を示す指標（ＬＦ／ＨＦ）は、交感神経の働きの度合い、すなわち、ストレス状態の度合いを表す。メンタルストレス推定部３１は、この指標ＬＦ／ＨＦを、短期ストレス（瞬時ストレス）のストレス指標として用いる。

図１０に示すように、交感神経の働き５２５と副交感神経の働き５２６とは逐次変化している。メンタルストレス推定部３１は、例えば、交感神経の優位性に応じてストレス指標を算出することができる。

図１１及び図１２は、運転時のストレス指標ＬＦ／ＨＦの変化を示すグラフである。

まず、図１１のグラフ５２７は、高速道路を含む往路を走行した場合のストレス指標の変化を示す。このグラフ５２７では、出発時（出発直後）の低いストレス指標５２７−１が、走行中に上昇していることが分かる。特に、高速道路を走行している期間のストレス指標５２７−２は、高速道路を走行していない期間のストレス指標５２７−１，５２７−３よりも相対的に高くなっている。

次に、図１２のグラフ５２８は、不慣れな道路を含む復路を走行した場合のストレス指標の変化を示す。このグラフ５２８でも、出発時の低いストレス指標５２８−１が、走行中に上昇していることが分かる。特に、不慣れな道路を走行している期間のストレス指標５２８−２は、その道路を走行していない期間のストレス指標５２８−１，５２８−３よりも相対的に高くなっている。

また、図１３は、医療分野等で既に用いられているストレス指標である唾液アミラーゼ値と主観アンケート結果（ＳＴＡＩ）との運転時の変化を示している。図１３に示す例では、図１１に示したグラフ５２７に対応する往路の運転開始前及び運転終了後の値と、図１２に示したグラフ５２８に対応する復路の運転開始前及び運転終了後の値とが示されている。唾液アミラーゼとＳＴＡＩのいずれも、運転終了後の値は運転開始前の値から上昇していることが分かる。

メンタルストレス推定部３１は、このようなＬＦ／ＨＦ、唾液アミラーゼ、ＳＴＡＩ等の種々のセンサデータを統合して、短期ストレス値及び長期ストレス値のようなストレス指標を算出することもできる。

＜携帯型デバイス及び装着型デバイス＞
図１４から図１６を参照して、携帯型デバイス２−７を使用し、装着型デバイス２−８を装着するユーザのストレス指標が推定される例について説明する。このユーザは、例えば、携帯型デバイス２−７と装着型デバイス２−８とに設けられるセンサによってセンシングされる。

図１４は、携帯型デバイス２−７の外観の例を示す。図１４では、携帯型デバイス２−７がスマートフォンである場合を例示している。携帯型デバイス２−７は、屋外に持ち出して携帯して使用する電子機器であり、屋内でも使用可能であってもよい。携帯型デバイス２−７は、例えば、マイク６０１、ボタン６０２、加速度センサ６０３、カメラ６０８等のセンサを有している。

携帯型デバイス２−７の本体６０の上面には、ディスプレイ２０５が設けられている。ディスプレイ２０５は、例えば、タッチスクリーンディスプレイであり、ＬＣＤと、その上面に配置された静電容量型のタッチパネルとで構成されている。ボタン６０２は、ディスプレイ２０５の下部と、本体６０の左側面に設けられ、携帯型デバイス２−７をロック状態（スリープ状態）に移行する操作や、ロック状態から復帰させる操作等に用いられる。携帯型デバイス２−７は、ディスプレイ２０５の画面に表示されたＧＵＩのボタン等を用いて操作することもできる。

マイク６０１は、本体６０の下側面に設けられ、ユーザによる発話を含む音声を集音する。加速度センサ６０３は、本体６０内の、例えば、下部に設けられ、携帯型デバイス２−７の動きを検知する。また、カメラ６０８は、ディスプレイ２０５の上部に設けられ、例えば、ディスプレイ２０５の画面を見ているときのユーザの顔等を撮影可能である。なお、本体６０には、図６を参照して上述したように、ＣＰＵ２０１、主メモリ２０２、不揮発性メモリ２０３、通信モジュール２０４等が内蔵されている。

次いで、図１５は、装着型デバイス２−８の外観の例を示す。ここでは、装着型デバイス２−８がパンツ型デバイスである場合を例示する。この装着型デバイス２−８は、例えば、二つのマイク６０１、四つの加速度センサ６０３、光電脈波センサ６０４、心電センサ６０５、超音波センサ６０９等のセンサを有している。光電脈波センサ６０４と心電センサ６０５はいずれか一方であってもよい。また、装着型デバイス２−８に、操作のためのボタンがさらに設けられていてもよい。

装着型デバイス２−８のユーザの腰部に接する収縮部分（例えば、ゴム部）６２には、二つのマイク６０１、二つの加速度センサ６０３、光電脈波センサ６０４、及び心電センサ６０５が設けられている。

マイク６０１は、ユーザによる発話やユーザの対話相手の発話、ユーザの動きに伴う音、体内音等を含む音声を集音する。二つのマイク６０１が配置されることでビームフォーミングにより、ユーザによる発話と対話相手の発話とを識別することもできる。

加速度センサ６０３は、装着型デバイス２−８に生じる加速度を検知することにより、装着型デバイス２−８の動き、すなわち、装着型デバイス２−８を装着するユーザの動きを検知する。収縮部分６２には、腹部側と背部側とにそれぞれ一つの加速度センサ６０３が配置されている。

光電脈波センサ６０４は、例えば、発光ダイオード（ＬＥＤ）と光検出器（Ｐｈｏｔｏ Ｄｅｔｅｃｔｏｒ：ＰＤ）とで構成され、光電容積脈波法に基づきユーザの脈波を検知する。心電センサ６０５は、ユーザの心拍の波形（心電図）を検知する。なお、収縮部分６２の一部６１には、図６を参照して上述したような、ＣＰＵ２０１、主メモリ２０２、不揮発性メモリ２０３、通信モジュール２０４等が内蔵され得る。

また、装着型デバイス２−８のユーザの左右の大腿部に接する部分には、各々に加速度センサ６０３と超音波センサ６０９とが設けられている。超音波センサ６０９は、超音波により大腿部の筋肉量を検知する。

なお、上述したセンサ６０１〜６０９は一例であり、各センサはいずれのデバイス２−７，２−８に設けられていてもよい。また、これらデバイス２−７，２−８に、気圧センサ、照度センサ、感圧センサ（静電センサ）、ジャイロセンサ、温度センサ、湿度センサのような他のセンサがさらに設けられていてもよい。

また、ユーザは、図８に示したような別の装着型（例えば、リストバンド型）デバイス２−５を装着していてもよい。デバイス２−５は、例えば、振動センサ／加速度センサ、マイク、光電脈波センサ、環境センサ等を備えている。

次いで、図１６を参照して、携帯型デバイス２−７及び装着型デバイス２−８の機能構成について説明する。例えば、携帯型デバイス２−７及び装着型デバイス２−８は、上述したセンサ６０１〜６０５や、湿度センサ６０６、温度センサ６０７を備え、ストレス監視プログラム２０２Ｂを実行する。なお、湿度センサ６０６及び温度センサ６０７は、デバイス２−７，２−８に設けられていてもよいし、環境内に設置されていてもよい。環境内に設置される場合、デバイス２−７，２−８は、例えば、通信モジュール２０４を介した通信により、これらセンサ６０６，６０７から湿度データ及び温度データを取得する。以下では、まず、ストレス監視プログラム２０２Ｂに含まれるセンサ処理部２５１の機能構成について述べる。

このセンサ処理部２５１は、例えば、会話量推定部６１１、声質変化検出部６１２、変動検知部６１３、いらいら度算出部６１４、活動量算出部６１５、脈波ピーク間隔算出部６１６、睡眠解析部６１７、自律神経解析部６１８、心拍ピーク間隔算出部６１９、自律神経解析部６２０、及び環境不快度算出部６２１を含む。

会話量推定部６１１は、マイク６０１によって得られた音声データを解析することにより、会話量を推定する。会話量推定部６１１は、音声から、ユーザによる発話と他者の発話とを識別し、各々の発話量を推定してもよい。会話量推定部６１１は、会話量（又は発話量）を示す発話情報をメンタルストレス推定部３１に送信（出力）する。

声質変化検出部６１２は、マイク６０１によって得られた音声データを解析することにより、喜怒哀楽や緊張による声質の変化を検出する。声質変化検出部６１２は、検出された声質の変化を示す発話情報をメンタルストレス推定部３１に送信する。

変動検知部６１３は、加速度センサ６０３によって得られた加速度データを用いて、閾値以上の人体の変動の繰り返しを検知する。変動検知部６１３は、いわゆる貧乏ゆすりのような、ストレスに起因する可能性がある体、足、腕、頭等の閾値以上の動き（揺れ、振り）の繰り返しを検知する。

加速度センサ６０３が携帯型デバイス２−７に設けられている場合、変動検知部６１３は、加速度データに加えて、携帯型デバイス２−７にさらに設けられる気圧センサ、照度センサ、感圧センサ（静電センサ）等により得られるデータを用いて、その携帯型デバイス２−７が、バッグの中にあるか、服のポケットの中にあるか、あるいは手で把持されているかを判別する。この判別結果に基づき、携帯型デバイス２−７が服のポケットの中にあるか、又は手で把持されている場合に、変動検知部６１３は、閾値以上の人体の変動の繰り返しを検知してもよい。

また、加速度センサ６０３が装着型デバイス２−８に設けられている場合には、変動検知部６１３は、例えば、光電脈波センサ６０４を用いて、ユーザがデバイス２−８を装着していることを識別した後、閾値以上の人体の変動の繰り返しを検知する。

変動検知部６１３は、さらに、加速度センサ６０３、気圧センサ、ジャイロセンサ等により得られるデータを用いて、ユーザが座っているか、それとも立っているかを判別してもよい。ユーザが座っていると判別された場合、変動検知部６１３は、例えば、カメラ６０８によって得られた映像を解析することにより、せわしなく頭を揺らしている、手（指）を動かしている、髪を触っている等のストレスに起因する可能性がある動作を検知してもよい。

いらいら度算出部６１４は、変動検知部６１３による検知結果と、ボタン６０２やディスプレイ（タッチスクリーンディスプレイ）２０５の画面上に表示されたボタン（ＧＵＩ）等の操作に基づくデバイス２−７，２−８への操作情報とを用いて、ユーザのいら立ちの度合い（いらいら度）を算出する。

例えば、いらいら度算出部６１４は、ボタン６０２等の操作に基づいて、デバイス２−７，２−８を操作する頻度や短さ等を算出し、その頻度や短さを用いていらいら度を算出する。より具体的には、いらいら度算出部６１４は、デバイス２−７，２−８のロックを解除した後、アプリケーションを何等操作することなく、あるいは閾値期間未満のアプリケーションの操作で、再度オフ（ロック）するような、無用な操作が行われる回数や頻度を用いて、いらいら度を算出する。この閾値期間には、デバイス２−７，２−８の有為な操作に必要な時間よりも短い期間が設定され、例えば、数秒、数十秒、数分のような極めて短時間が設定される。つまり、ロックを解除したものの、有用な操作が行われることなく再度オフされるような、無用な操作の回数が多いことは、ユーザのいら立ちや落ち着きの無さから生じると推定されるので、いらいら度算出部６１４は、この回数が多いほどいらいら度を高く設定する。同様に、いらいら度算出部６１４は、無用な操作の頻度が高いほどいらいら度を高く設定してもよい。なお、対象のアプリケーションは、特定の種別のアプリケーションであってもよく、例えば、アラーム鳴動、メール受信、メッセージ受信等に応じた操作のような短時間の操作が想定される場合のアプリケーションを除外し、ブラウザを用いたウェブページの閲覧やメール送信時のような、短時間では有為な操作が行われないことが想定される場合のアプリケーションであってもよい。

いらいら度算出部６１４は、このようなデバイス２−７，２−８の操作状況と、閾値以上の人体の変動の繰り返しの有無やその度合いとに基づいて、いらいら度を算出する。いらいら度算出部６１４は、算出されたいらいら度を含む感情情報をメンタルストレス推定部３１に送信する。

活動量算出部６１５は、加速度センサ６０３によって得られた加速度データを用いてユーザの動きを解析することにより、ユーザの活動量を算出する。この活動量により、ユーザによる活動が活発であるか否かを推定することができる。活動量算出部６１５は、算出された活動量をメンタルストレス推定部３１に送信する。

脈波ピーク間隔算出部６１６は、光電脈波センサ６０４により検知された脈波のピーク間隔（ＰＰＩ）を算出する。睡眠解析部６１７は、算出された脈波のピーク間隔を用いて睡眠状態を解析する。睡眠解析部６１７は、この解析により、例えば、睡眠時間、睡眠の質（例えば、眠りの深さ、周期）等を推定し、推定結果を含む生体情報をメンタルストレス推定部３１に送信する。また、自律神経解析部６１８は、算出された脈波のピーク間隔を解析することにより、脈拍数や脈拍のばらつきを示す自律神経指標を算出する。自律神経解析部６１８は、算出された自律神経指標を含む生体情報をメンタルストレス推定部３１に送信する。

また、心拍ピーク間隔算出部６１９、自律神経解析部６２０、及び環境不快度算出部６２１は、それぞれ、図９を参照して上述した心拍ピーク間隔算出部５１７、自律神経解析部５１８、及び環境不快度算出部５１９と同様に動作する。

メンタルストレス推定部３１（ストレス値決定部３１３）は、携帯型デバイス２−７及び装着型デバイス２−８によって出力された情報を用いてユーザの長期ストレスの大きさ（例えば、長期ストレス値）を判定する。メンタルストレス推定部３１は、デバイス２−７，２−８から出力された発話情報、感情情報、活動量、生体情報、及び環境情報の少なくともいずれか一つを用いて、長期ストレスの値を算出する。

メンタルストレス推定部３１は、例えば、感情情報に含まれるいらいら度をさらに用いて、長期ストレスの大きさを判定する。例えば、メンタルストレス推定部３１は、いらいら度が高い場合に高い長期ストレス値を決定し、いらいら度が低い場合に低い長期ストレス値を決定する。なお、メンタルストレス推定部３１は、閾値以上の人体の変動の繰り返しに関する情報をさらに用いて、長期ストレスの大きさを判定してもよい。例えば、メンタルストレス推定部３１は、閾値以上の人体の変動の繰り返しが検知された場合、高い長期ストレス値を決定し、それが検知されない場合、低い長期ストレス値を決定する。また、メンタルストレス推定部３１は、電子機器の操作の頻度に関する情報をさらに用いて、長期ストレスの大きさを判定してもよい。例えば、メンタルストレス推定部３１は、無用な操作が行われる回数（又は頻度）が閾値以上である場合に高い長期ストレス値を決定し、その回数（頻度）が閾値未満である場合に低い長期ストレス値を決定する。

さらに、メンタルストレス推定部３１は、いらいら度、閾値以上の人体の変動の繰り返し、無用な操作が行われる回数（又は頻度）等に基づく短期ストレス値の変化の度合いに基づいて、長期ストレスの大きさ（長期ストレス値）を判定してもよい。例えば、メンタルストレス推定部３１は、特定の作業（例えば、車の運転）を開始する前のいらいら度（短期ストレス値）が第１値であり、作業中のいらいら度が第１値よりも大きい第２値であるとき、その作業が終了した後の第２値から第１値に向かういらいら度の変化に応じて、長期ストレスの大きさを判定する。

同様に、メンタルストレス推定部３１によって決定されるストレス値が高くなる要因としては、平常よりも脈拍数／心拍数が高いことや、脈波や心拍のばらつきが大きいこと、会話量や活動量が少ないこと、怒りや緊張のような特定の声質に変化する時間が長いこと、あるいはその頻度が高いこと、睡眠時間が短いことや睡眠の質が悪いこと、環境不快度が高いこと等が含まれ得る。

また、ストレス値は、携帯型デバイス２−７及び装着型デバイス２−８によって取得されたセンサデータだけでなく、他のデバイス２（例えば、車載器、据え置き型デバイス、トイレ型デバイス、自律走行型デバイス等）によって取得されたセンサデータも用いて決定されてもよい。

＜据え置き型コンピュータ＞
図１７及び図１８を参照して、据え置き型コンピュータ２−９を使用するユーザのストレス指標が推定される例について説明する。ユーザは、据え置き型コンピュータ２−９に設けられるセンサによってセンシングされる。

図１７は、据え置き型コンピュータ２−９の外観の例を示す。図１７では、据え置き型コンピュータ２−９がノートブック型のコンピュータである場合を例示している。この据え置き型コンピュータ２−９は、例えば、ユーザの勤務時間内に利用される。据え置き型コンピュータ２−９は、例えば、電源ボタン６５１、カメラ６５２、キーボード６５３、タッチパッド６５４、入力操作パネル６５５等のセンサを有している。

図１７に示すように、据え置き型コンピュータ２−９は、コンピュータ本体６８と、ディスプレイユニット６９とから構成される。ディスプレイユニット６９には、ディスプレイ２０５が組み込まれている。ディスプレイユニット６９は、コンピュータ本体６８の上面が露出される開放位置とコンピュータ本体６８の上面を覆う閉塞位置との間を回動自在にコンピュータ本体６８に取り付けられている。

コンピュータ本体６８は、薄い箱形の筐体を有しており、その上面には、キーボード６５３、据え置き型コンピュータ２−９を電源オン／電源オフするための電源ボタン６５１、タッチパッド６５４、入力操作パネル６５５、スピーカ２０６などが配置されている。入力操作パネル６５５上には、各種操作ボタンが設けられている。また、コンピュータ本体６８には、図６を参照して上述したように、ＣＰＵ２０１、主メモリ２０２、不揮発性メモリ２０３、通信モジュール２０４等が内蔵されている。

次いで、図１８を参照して、据え置き型コンピュータ２−９の機能構成について説明する。据え置き型コンピュータ２−９は、ストレス監視プログラム２０２Ｂを実行する。以下では、まず、ストレス監視プログラム２０２Ｂに含まれるセンサ処理部２５１の機能構成について述べる。

このセンサ処理部２５１は、オン／オフ監視部６６１、顔検出部６６２、映像脈波算出部６６３、脈波ピーク間隔算出部６６４、自律神経解析部６６５、顔認証ログイン部６６６、ステータス監視部６６７、メール監視部６６８、及びコミュニケーションツール監視部６６９を含む。

オン／オフ監視部６６１は、据え置き型コンピュータ２−９の電源オンと電源オフとを検知する。オン／オフ監視部６６１は、電源オンの日時と電源オフの日時とを含むデバイスへのアクセスログ情報を勤怠データベース３５１に格納する。勤怠データベース３５１には、電源オンの日時と電源オフの日時とに加えて、例えば、電源オン／オフの日時に基づく出勤時間、残業時間、無断欠勤等の二次情報を含む勤怠情報が格納される。

顔検出部６６２、映像脈波算出部６６３、脈波ピーク間隔算出部６６４、及び自律神経解析部６６５は、それぞれ、図９を参照して上述した顔検出部５１２、映像脈波算出部５１３、脈波ピーク間隔算出部５１４、自律神経解析部５１５と同様に動作する。したがって、自律神経解析部６６５は、脈拍数や脈拍のばらつきを示す自律神経指標を含む生体情報をメンタルストレス推定部３１に送信する。

また、顔認証ログイン部６６６は、顔検出部６６２により検出された顔画像を用いて、据え置き型コンピュータ２−９へのログイン処理を行い、顔認証によるログインが行われたことを示すデバイスへの操作情報を操作データベース３５２に格納する。操作データベース３５２には、この操作情報に基づいて、例えば、ログインの頻度を示すデータが格納される。

ステータス監視部６６７は、キーボード６５３、タッチパッド６５４、入力操作パネル６５５等の入力デバイスを用いた操作に基づいて、ユーザのステータスを監視する。ステータス監視部６６７は、例えば、入力デバイスを用いた操作に基づいて非操作時間の長さを検出する。ステータス監視部６６７は、非操作時間の長さを含む操作情報を操作データベース３５２に格納する。

メール監視部６６８は、メーラによってメールが送信又は受信されたことを検知し、メールの送受信回数や送受信頻度を算出する。メール監視部６６８は、算出されたメールの送受信回数や送受信頻度をメール頻度データベース３５３に格納する。

コミュニケーションツール監視部６６９は、ＶｏＩＰ電話やチャット用ソフトウェアのようなコミュニケーションツールが利用されたことを検知し、ツールの利用回数や利用頻度を算出する。コミュニケーションツール監視部６６９は、算出されたツールの利用回数や利用頻度をコミュニケーション頻度データベース３５４に格納する。

なお、メール頻度データベース３５３及びコミュニケーション頻度データベース３５４に格納されたデータは、操作データベース３５２内に統合して蓄積されてもよい。また、勤怠データベース３５１、操作データベース３５２、メール頻度データベース３５３、及びコミュニケーション頻度データベース３５４は、図７に示したセンサデータベース３５の一つであり、例えば、サーバ３内に設けられる。各データベース３５１〜３５４は、サーバ３によってアクセス可能であれば、サーバ３とは別のサーバ内に設けられていてもよい。

メンタルストレス推定部３１（ファクター決定部３１２）は、産業医診断、鬱病診断のような各種の診断・検査結果、既往歴、問診票、アンケート等を用いて、特定の疾患（例えば、鬱病）を発症した事例のセンサデータやゲノム情報等を抽出し、その疾患の発症との関連性が高いファクター（要因）を学習する。産業医診断、鬱病診断のような各種の診断・検査結果、既往歴、問診票、アンケート等は、例えば、健康記録データベース４から取得される。そして、メンタルストレス推定部３１は、それらファクターを用いて、ストレス値を算出するための関数を生成する。メンタルストレス推定部３１は、この関数を用いて、新たに得られたセンサデータ等に基づくストレス値を算出することにより、実際の事例に即したユーザのストレス値を推定することができる。

より具体的には、メンタルストレス推定部３１は、勤怠データベース３５１から、特定の疾患を発症した事例の勤怠データを抽出する。メンタルストレス推定部３１は、例えば、鬱病と診断されたユーザの、その診断前後のデータを勤怠データベース３５１から抽出する。抽出されたデータには、例えば、出勤時間、残業時間、無断欠勤日数のような複数の勤怠ファクターが含まれている。メンタルストレス推定部３１は、多数の発症事例のデータを用いて、各勤怠ファクターが発症に関わるリスクの有無や、そのリスクの度合いを学習する。メンタルストレス推定部３１は、複数の勤怠ファクターの内、発症に関わるリスクを有するファクターを、長期ストレスの値の決定に用いるファクターに決定する。また、メンタルストレス推定部３１は、各ファクターに対応するリスクの度合いを用いて、長期ストレスの値を算出するための関数を生成してもよい。メンタルストレス推定部３１は、この関数を用いて、あるユーザの勤怠データに基づく長期ストレス値を算出する。この長期ストレス値に基づき、そのユーザによる勤怠状況が特定の疾患を発症しやすい状況であるかどうかを判断することができる。

また、メンタルストレス推定部３１は、操作データベース３５２、メール頻度データベース３５３及びコミュニケーション頻度データベース３５４から、特定の疾患を発症した事例の操作データを抽出してもよい。メンタルストレス推定部３１は、例えば、鬱病と診断されたユーザの、その診断前後のデータをこれらデータベース３５２，３５３，３５４から抽出する。抽出されたデータには、例えば、ログイン頻度（回数）、非操作時間の長さ、メールの送受信頻度（回数）、コミュニケーションツールの利用頻度（回数）のような複数の操作ファクターが含まれている。メンタルストレス推定部３１は、多数の発症事例のデータを用いて、各操作ファクターが発症に関わるリスクの有無や、そのリスクの度合いを学習する。メンタルストレス推定部３１は、複数の操作ファクターの内、発症に関わるリスクを有するファクターを、長期ストレスの値の決定に用いるファクターに決定する。また、メンタルストレス推定部３１は、各ファクターに対応するリスクの度合いを用いて、長期ストレスの値を算出するための関数を生成してもよい。メンタルストレス推定部３１（ストレス値決定部３１３）は、この関数を用いて、あるユーザの操作データに基づく長期ストレス値を算出する。この長期ストレス値に基づき、そのユーザによる操作状況が特定の疾患を発症しやすい状況であるかどうかを判断することができる。

なお、メンタルストレス推定部３１は、生体情報、勤怠データ及び操作データのような多種のデータを併せて用い、上記の方法と同様にして、長期ストレスの値の決定に用いるファクターを決定し、長期ストレス値を算出するための関数を生成してもよい。また、メンタルストレス推定部３１は、勤怠ファクター、操作ファクターのような種類別のファクターに基づく長期ストレス値を算出した後に、複数の長期ストレス値が統合された値を算出してもよい。

このような発症に関わるリスクを有するファクターの決定や関数の生成には、勤怠データや操作データだけでなく、種々のセンサデータを用いることができる。例えば、他のデバイス２（例えば、携帯型デバイス、装着型デバイス、トイレ型デバイス、自律走行型デバイス等）によって取得されたセンサデータを用いた場合も同様に、メンタルストレス推定部３１は、発症に関わるリスクを有するファクターを決定し、長期ストレス値を算出するための関数を生成することができる。

また、メンタルストレス推定部３１は、医者によるストレスの判定、問診票に基づくストレスの判定、尿に基づくストレスの判定、及び唾液に基づくストレスの判定の少なくとも一つ以上に基づくストレスの大きさの変動度合いと、ストレスに関連する複数のファクター（要因）の変動度合いとを用いて、それら複数のファクターのうち、一つ以上のファクターを、長期ストレスの判定又は長期ストレス値の算出に用いる要因に決定してもよい。複数のファクターは、人間の心拍又は脈拍の少なくとも一方に関する一つ以上のファクター、電子機器の操作状況に関する一つ以上のファクター、勤怠状況に関する一つ以上のファクター、感情に関する一つ以上のファクター、人体の動きの状況に関する一つ以上のファクター、発話状況に関する一つ以上のファクター、睡眠状況に関する一つ以上のファクター、及び環境に関する一つ以上のファクターの内の、少なくとも二つ以上を含む。なお、医者によるストレスの判定、問診票に基づくストレスの判定、尿に基づくストレスの判定、及び唾液に基づくストレスの判定（判定結果を示すデータ）は、例えば、診断や検査時に健康記録データベース４に格納され、メンタルストレス推定部３１は、健康記録データベース４からこの判定結果を示すデータを取得することができる。

＜セキュリティゲート＞
図１９及び図２０を参照して、セキュリティゲート２−１０を利用するユーザのストレス指標が推定される例について説明する。セキュリティゲート２−１０は、据え置き型デバイスの一種であり、建物や部屋の出入口等に設置される。

図１９に示すように、セキュリティゲート２−１０は、ゲート部を構成する筐体７０と、カメラ７０２とで構成される。筐体７０の上面には、このセキュリティゲート２−１０を通過しようとするユーザがＩＣカード７０１Ａを接触又は近接させるＩＣタグ受け部７０１が設けられている。ＩＣタグ受け部７０１は、ＵＩセンサの一種である。ＩＣタグ受け部７０１は、接触（近接）されたＩＣカード７０１Ａからデータを読み出す。また、筐体７０内には、図６を参照して上述したような、ＣＰＵ２０１、主メモリ２０２、不揮発性メモリ２０３、通信モジュール２０４等が内蔵されている。カメラ７０２は、セキュリティゲート２−１０を通過しようとするユーザを撮影可能な位置に取り付けられている。カメラ７０２による撮影で取得された映像データは、例えば、筐体７０内のＣＰＵ２０１等によって処理される。

次いで、図２０を参照して、セキュリティゲート２−１０の機能構成について説明する。セキュリティゲート２−１０は、ストレス監視プログラム２０２Ｂを実行する。以下では、まず、ストレス監視プログラム２０２Ｂに含まれるセンサ処理部２５１の機能構成について述べる。センサ処理部２５１は、ＩＣカード認証部７１１、顔検出部７１２、顔認証部７１３、映像脈波算出部７１４、脈波ピーク間隔算出部７１５、自律神経解析部７１６、及び顔表情認識部７１７を含む。

ＩＣカード認証部７１１は、ＩＣタグ受け部７０１によって読み出されたＩＣカード７０１Ａ内のデータを用いて、ユーザの認証処理を行う。ＩＣカード認証部７１１は、認証されたユーザがセキュリティゲート２−１０を通過したことを示すアクセスログ情報を勤怠データベース３５１又はアクティビティデータベース３５５に格納する。これにより、勤怠データベース３５１又はアクティビティデータベース３５５に、ユーザが活動しているか否かのようなアクティビティに関する情報が格納される。また、建物や部屋の出入口に設置されたセキュリティゲート２−１０での認証により、例えば、ユーザの入室や退室を検知し、タイムレコーダーのように出勤時刻や退勤時刻を勤怠データベース３５１に入力することもできる。

顔検出部７１２は、カメラ７０２を用いて得られた映像から顔を検出する。顔検出部７１２は、映像を構成する連続した映像フレームの各々から、例えば、予め用意された顔特徴量に類似する特徴量を有する領域を検出することにより、映像フレーム上の顔画像を検出する。顔検出部７１２は、検出された顔画像に関する情報を顔認証部７１３、映像脈波算出部７１４及び顔表情認識部７１７に出力する。

顔認証部７１３は、顔検出部７１２により検出された顔画像を用いて顔認証処理を行う。顔認証部７１３は、予め用意された複数の人物（例えば、社員）に対応する複数の顔特徴量を用いて、セキュリティゲート２−１０を通過しようとする人物を特定する。顔認証部７１３は、ＩＣカード認証部７１１と同様に、特定されたユーザがセキュリティゲート２−１０を通過したことを示すアクセスログ情報を勤怠データベース３５１又はアクティビティデータベース３５５に格納することができる。

映像脈波算出部７１４、脈波ピーク間隔算出部７１５、自律神経解析部７１６、及び顔表情認識部７１７は、それぞれ、図９を参照して上述した映像脈波算出部５１３、脈波ピーク間隔算出部５１４、自律神経解析部５１５、及び顔表情認識部５１６と同様に動作する。したがって、自律神経解析部７１６は、脈拍数や脈拍のばらつきを示す自律神経指標を含む生体情報をメンタルストレス推定部３１に送信する。また、顔表情認識部７１７は、認識された表情の種別（例えば、喜怒哀楽）等を含む感情情報をメンタルストレス推定部３１に送信する。

なお、勤怠データベース３５１及びアクティビティデータベース３５５は、図７に示したセンサデータベース３５の一つであり、例えば、サーバ３内に設けられる。各データベース３５１，３５５は、サーバ３によってアクセス可能であれば、サーバ３とは別のサーバ内に設けられていてもよい。

メンタルストレス推定部３１（ファクター決定部３１２）は、図１８に示した据え置き型コンピュータ２−９の例と同様にして、勤怠データベース３５１（又はアクティビティデータベース３５５）から、特定の疾患を発症した事例の勤怠データ（又はアクティビティデータ）を抽出する。メンタルストレス推定部３１は、例えば、鬱病と診断されたユーザの、その診断前後のデータを勤怠データベース３５１から抽出する。抽出されたデータには、例えば、出勤時間、残業時間、無断欠勤日数のような複数の勤怠ファクターが含まれている。なお、抽出されたデータを解析することにより得られたデータがファクターとして用いられてもよい。例えば、出勤時間を示すデータに基づいて算出された出勤時間のばらつきがファクターとして用いられ得る。

メンタルストレス推定部３１は、多数の発症事例のデータを用いて、各勤怠ファクターが発症に関わるリスクの有無や、そのリスクの度合いを学習する。メンタルストレス推定部３１は、複数の勤怠ファクターの内、発症に関わるリスクを有するファクターを、長期ストレスの値の決定に用いるファクターに決定する。また、メンタルストレス推定部３１は、各ファクターに対応するリスクの度合いを用いて、長期ストレスの値を算出するための関数を生成してもよい。

メンタルストレス推定部３１（ストレス値決定部３１３）は、この関数を用いて、あるユーザの勤怠データに基づく長期ストレス値を算出する。この長期ストレス値に基づき、そのユーザによる勤怠状況が特定の疾患を発症しやすい状況であるかどうかを判断することができる。

＜自律移動型ロボット＞
図２１及び図２２を参照して、自律移動型ロボット２−１１を利用するユーザのストレス指標が推定される例について説明する。自律移動型ロボット２−１１は、例えば、家庭内で利用されるホームロボットである。

図２１は、自律移動型ロボット２−１１の外観の例を示す。図２１では、人型の自律移動型ロボット２−１１を例示している。自律移動型ロボット２−１１は、例えば、マイク７５１、カメラ７５２、湿度センサ７５３、温度センサ７５４等のセンサを有している。

自律移動型ロボット２−１１は、頭部７５にマイク７５１とカメラ７５２とスピーカ２０６とを備え、胴体部７６に湿度センサ７５３と温度センサ７５４とを備えている。また、胴体部７６の前面には、ディスプレイ（タッチスクリーンディスプレイ）２０５が取り付けられている。また、頭部７５及び／又は胴体部７６内には、図６を参照して上述したような、ＣＰＵ２０１、主メモリ２０２、不揮発性メモリ２０３、通信モジュール２０４等が内蔵されている。

マイク７５１は、自律移動型ロボット２−１１の周囲にいるユーザによる発話を含む音声を集音する。カメラ７５２は、自律移動型ロボット２−１１の周囲（例えば、前方）を撮影する。自律移動型ロボット２−１１は、ユーザが顔をカメラ７５２に向けるような処理を行うことができる。例えば、対話処理によってスピーカ２０６から出力される音声でユーザに話しかけること、頭部７５や胴体部７６に接続された腕部７７，７８の動きにより可愛らしいしぐさをすること、ディスプレイ２０５の画面にユーザの興味を引くような画像を表示することが可能である。湿度センサ７５３及び温度センサ７５４は、湿度と温度とを検知する。

次いで、図２２を参照して、自律移動型ロボット２−１１の機能構成について説明する。自律移動型ロボット２−１１は、ストレス監視プログラム２０２Ｂを実行する。以下では、まず、ストレス監視プログラム２０２Ｂに含まれるセンサ処理部２５１の機能構成について述べる。センサ処理部２５１は、会話量推定部７６１、声質変化検出部７６２、顔検出部７６３、映像脈波算出部７６４、脈波ピーク間隔算出部７６５、自律神経解析部７６６、顔表情認識部７６７、及び環境不快度算出部７６８を含む。

会話量推定部７６１、声質変化検出部７６２は、それぞれ、図１６を参照して上述した会話量推定部６１１、声質変化検出部６１２と同様に動作する。顔検出部７６３、映像脈波算出部７６４、脈波ピーク間隔算出部７６５、自律神経解析部７６６、顔表情認識部７６７、及び環境不快度算出部７６８は、それぞれ、図９を参照して上述した顔検出部５１２、映像脈波算出部５１３、脈波ピーク間隔算出部５１４、自律神経解析部５１５、顔表情認識部５１６、及び環境不快度算出部５１９と同様に動作する。

したがって、会話量推定部７６１は、会話量（又は発話量）を示す発話情報をメンタルストレス推定部３１に送信する。声質変化検出部７６２は、検出された声質の変化を示す発話情報をメンタルストレス推定部３１に送信する。自律神経解析部７６６は、脈拍数や脈拍のばらつきを示す自律神経指標を含む生体情報をメンタルストレス推定部３１に送信する。顔表情認識部７６７は、認識された表情の種別（例えば、喜怒哀楽）等を含む感情情報をメンタルストレス推定部３１に送信する。また、環境不快度算出部７６８は、算出された環境不快度（例えば、ＰＭＶ、ＷＢＧＴ等）を含む環境情報をメンタルストレス推定部３１に送信する。送信された発話情報、生体情報、感情情報、及び環境情報は、例えば、サーバ３内のセンサデータベース３５に格納される。

メンタルストレス推定部３１は、センサデータベース３５に格納されたデータを用いて、会話量、声質変化、自律神経指標、表情の種別、環境不快度のような複数のファクターの内の少なくとも一つに基づいて、ストレスの大きさ（例えば、長期ストレス値）を判定する。より具体的には、メンタルストレス推定部３１（ファクター決定部３１２）は、センサデータベース３５から、特定の疾患を発症した事例のセンサデータを抽出する。メンタルストレス推定部３１は、例えば、鬱病と診断されたユーザの、その診断前後のデータを勤怠データベース３５１から抽出する。抽出されたデータには、例えば、会話量、声質変化、自律神経指標、表情の種別、環境不快度のような複数のファクターが含まれている。なお、抽出されたデータを解析することにより得られたデータがファクターとして用いられてもよい。例えば、表情の種別を示すデータに基づいて算出された笑顔の回数や頻度がファクターとして用いられ得る。

メンタルストレス推定部３１は、多数の発症事例のデータを用いて、各ファクターが発症に関わるリスクの有無や、そのリスクの度合いを学習する。メンタルストレス推定部３１は、複数のファクターの内、発症に関わるリスクを有するファクターを、長期ストレスの値の決定に用いるファクターに決定する。また、メンタルストレス推定部３１は、各ファクターに対応するリスクの度合いを用いて、長期ストレスの値を算出するための関数を生成してもよい。

メンタルストレス推定部３１（ストレス値決定部３１３）は、この関数を用いて、あるユーザのセンサデータに基づく長期ストレス値を算出する。この長期ストレス値に基づき、そのユーザが特定の疾患を発症しやすい状況にあるかどうかを判断することができる。

＜トイレ型デバイス＞
図２３から図２６を参照して、トイレ型デバイス２−１２，２−１３を利用するユーザのストレス指標が推定される例について説明する。なお、このユーザは、マイク等を備える装着型デバイス（例えば、手首デバイス）を装着していてもよい。

図２３は、第１のトイレ型デバイス２−１２の外観の例を示す。図２３では、トイレ型デバイス２−１２が小便器の形状を有する場合を例示する。

トイレ型デバイス２−１２は、便器８３とカメラ８０３とで構成される。便器８３の上部には水洗ボタン８０４と人感センサ８０１とが設けられ、便器８３内の下部には尿センサ８０２が設けられている。人感センサ８０１は、例えば、赤外線（ＩＲ）センサであり、ユーザが便器８３に近付いたことを検知する。尿センサ８０２は、バイオセンサ（バイオマーカ）の一種であり、便器８３内に排泄された尿に含まれる成分やその成分に関する指標（例えば、濃度等）を検知する。カメラ８０３は、便器８３を使用するユーザの顔を撮影するように設置される。また、便器８３には、図６を参照して上述したような、ＣＰＵ２０１、主メモリ２０２、不揮発性メモリ２０３、通信モジュール２０４等を含むモジュールが内蔵又は取り付けられている。

次いで、図２４を参照して、トイレ型デバイス２−１２の機能構成について説明する。トイレ型デバイス２−１２は、ストレス監視プログラム２０２Ｂを実行する。以下では、まず、ストレス監視プログラム２０２Ｂに含まれるセンサ処理部２５１の機能構成について述べる。センサ処理部２５１は、バイオマーカ検知部８１１、顔検出部８１２、映像脈波算出部８１３、脈波ピーク間隔算出部８１４、及び自律神経解析部８１５を含む。

バイオマーカ検知部８１１は、人感センサ８０１により有人が検知されたことに応じて、尿センサ８０２から尿データを取得し、水洗ボタン８０４が押し下げられたことに応じて尿データの取得を終了する。尿データには、例えば、尿カテコールアミンの指標が含まれている。バイオマーカ検知部８１１は、尿データを含むバイオマーカ情報をメンタルストレス推定部３１に送信する。

顔検出部８１２は、人感センサ８０１により有人が検知された時点から、水洗ボタン８０４が押し下げられるまで、カメラ８０３を用いて得られた映像から顔を検出する。顔検出部８１２は、映像を構成する連続した映像フレームの各々から、例えば、予め用意された顔特徴量に類似する特徴量を有する領域を検出することにより、映像フレーム上の顔画像を検出する。顔検出部８１２は、検出された顔画像に関する情報を映像脈波算出部８１３に出力する。

映像脈波算出部８１３は、顔検出部８１２により出力された情報を用いて、ユーザの脈波に関する情報を算出する。より具体的には、映像脈波算出部８１３は、連続した映像フレームから検出された顔画像の変化（例えば、皮膚の色の変化）に基づいて、ユーザの脈波を算出する。

脈波ピーク間隔算出部８１４は、算出された脈波のピーク間隔を算出する。そして、自律神経解析部８１５は、算出された脈波のピーク間隔を解析することにより、脈拍数や脈拍のばらつきを示す自律神経指標を算出する。自律神経解析部８１５は、排泄中の少なくとも一部の期間、排泄後の期間のような特定の期間の自律神経指標を算出してもよい。自律神経解析部８１５は、算出された自律神経指標を含む生体情報をメンタルストレス推定部３１に送信する。送信されたバイオマーカ情報及び生体情報は、例えば、サーバ３内のセンサデータベース３５に格納される。

また、図２５は、第２のトイレ型デバイス２−１３の外観の例を示す。図２５では、トイレ型デバイス２−１３が大便器の形状を有する場合を例示する。

トイレ型デバイス２−１３は、便器８７１、便座８７２、操作パネル８７３等で構成される。操作パネル８７３上には、水洗ボタン８７３−１等のいくつかのボタンが配置されている。ユーザがトイレ型デバイス２−１３を使用するとき、便器８７１の上部には便座８７２が配置されている。この便座８７２には、ユーザが着座した際に接触する位置に接触センサ８５１が設けられ、着座したユーザの大腿部に接する位置に心電センサ８５３が設けられている。また、便器８７１内の下部には尿センサ８５２が設けられている。接触センサ８５１は、ユーザが便座８７２に接触（着座）したことを検知する。心電センサ８５３は、着座したユーザの心拍の波形（心電図）を検知する。尿センサ８５２は、便器８７１内に排泄された尿に含まれる成分やその成分に関する指標（例えば、濃度等）を検知する。

図２６を参照して、トイレ型デバイス２−１３の機能構成について説明する。トイレ型デバイス２−１３は、ストレス監視プログラム２０２Ｂを実行する。以下では、まず、ストレス監視プログラム２０２Ｂに含まれるセンサ処理部２５１の機能構成について述べる。センサ処理部２５１は、バイオマーカ検知部８６１、心拍ピーク間隔算出部８６２、及び自律神経解析部８６３を含む。

バイオマーカ検知部８１１は、接触センサ８５１により有人が検知されたことに応じて、尿センサ８５２から尿データを取得し、水洗ボタン８７３−１が押し下げられたことに応じて尿データの取得を終了する。尿データには、例えば、尿カテコールアミンの指標が含まれている。バイオマーカ検知部８６１は、尿データを含むバイオマーカ情報をメンタルストレス推定部３１に送信する。

心拍ピーク間隔算出部８６２は、心電センサ８５３により計測された波形のピーク間隔である心拍間隔を算出する。自律神経解析部８６３は、算出された心拍間隔を解析することにより、心拍数や心拍のばらつきを示す自律神経指標を算出する。自律神経解析部８６３は、排泄中の少なくとも一部の期間、排泄後の期間のような特定の期間の自律神経指標を算出してもよい。自律神経解析部８６３は、算出された自律神経指標を含む生体情報をメンタルストレス推定部３１に送信する。送信されたバイオマーカ情報及び生体情報は、例えば、サーバ３内のセンサデータベース３５に格納される。

なお、各トイレ型デバイス２−１２，２−１３は、ユーザが装着している装着型デバイス（例えば、手首デバイス２−５、パンツ型デバイス２−８）と連携して動作してもよい。これらトイレ型デバイス２−１２，２−１３と装着型デバイスとは、近距離無線通信によりデータを送受信する。その場合、装着型デバイスは、装着型デバイスに設けられたマイクで得られた音声データから水洗音を認識し、水洗音が認識されたことをトイレ型デバイス２−１２，２−１３に通知する。バイオマーカ検知部８１１，８６１、顔検出部８１２、及び心拍ピーク間隔算出部８６２は、この通知に基づいて、尿データの取得と映像からの顔検出を終了することもできる。なお、トイレ型デバイス２−１２，２−１３は、装着型デバイスから音声データ又は音声特徴量を受信し、デバイス２−１２，２−１３上で水洗音を認識してもよい。

メンタルストレス推定部３１（ストレス値決定部３１３）は、バイオマーカ情報と生体情報とを用いて、例えば、排泄（放尿）前、排泄中、及び排泄後の短期ストレス値を算出する。排泄中の少なくとも一部の期間（例えば、後半）や排泄後の期間には、ユーザが平常心（すなわち、心理的に無の状態）になりやすいので、メンタルストレス推定部３１は、その期間の生体情報を用いて、基準（ベースライン）となる短期ストレス値を算出することができる。このストレス値は、例えば、一日毎の基準となる短期ストレス値である。なお、事前の尿検査等により、バイオマーカを用いて尿カテコールアミンの指標を取得し、これを基準値（リファレンス）としてもよい。

メンタルストレス推定部３１は、排泄中の少なくとも一部の期間、又は排泄後の期間のストレスの値に基づいて、長期ストレスの有無や長期ストレスの大きさ（例えば、長期ストレス値）を判定する。また、メンタルストレス推定部３１は、排泄前の短期ストレス値と、排泄中の短期ストレス値と、排泄後の短期ストレス値とを用いて、それら値の相違や変化の度合いに基づいて、長期ストレスの有無や長期ストレスの大きさを判定してもよい。例えば、排泄前と排泄後で短期ストレス値が下降していなければ、長期ストレス（慢性ストレス）があると判定され、またそれら短期ストレス値の差が小さいほど、長期ストレスが大きくなる。

さらに、メンタルストレス推定部３１（ファクター決定部３１２）は、バイオマーカ情報と生体情報とを用いて、長期ストレスの値を算出するための関数を生成してもよい。バイオマーカ情報に含まれる尿カテコールアミンの指標は、医療分野等で慢性ストレスを示す指標として用いられている。そのため、メンタルストレス推定部３１は、尿カテコールアミンの指標と、その他のファクターとを照らし合わせ、慢性ストレスに関わる有為なファクターを探索する。なお、その他のファクターとしては、トイレ型デバイス２−１２で得られた自律神経指標のような生体ファクターに限らず、上述した勤怠ファクター、操作ファクター、環境不快度等の環境ファクター、表情の種別のような感情ファクター、会話量や声質変化のような発話ファクター等の、センサデータに基づくあらゆるファクターが含まれ得る。メンタルストレス推定部３１は、例えば、尿カテコールアミンの指標と関連（連動）するファクターを特定し、その関連の度合いを算出する。

メンタルストレス推定部３１は、複数のファクターの内、尿カテコールアミンの指標と関連するファクターを、長期ストレスの値の決定に用いるファクターに決定する。また、メンタルストレス推定部３１は、各ファクターに対応する関連の度合いを用いて、長期ストレスの値を算出するための関数を生成してもよい。メンタルストレス推定部３１（ストレス値決定部３１３）は、この関数を用いて、あるユーザのセンサデータに基づく長期ストレス値を算出することができる。

ストレス推定システム１は、例示したデバイス２−５〜２−１３のような複数のデバイス２の少なくとも一つで取得されたセンサデータを用いて、ユーザのストレス値を推定し、ストレス値やストレスを低減するための情報を提供できる。また、ストレス推定システム１は、複数のデバイス２から得られた複数のセンサデータを統合して、ユーザのストレス値を推定し、ストレス値やストレスを低減するための情報を提供できる。

以上説明したように、本実施形態によれば、メンタルストレスの度合いを高精度に推定することができる。メンタルストレス推定部３１は、車の運転を開始する前の短期ストレスが第１値であり、車の運転中の短期ストレスが第１値よりも大きい第２値であるとき、車の運転を終了した後の第２値から第１値に向かうストレスの値の変化に応じて、長期ストレスの大きさを判定する。これにより、運転中の短期ストレス値（第２値）から、平常（運転開始前）の短期ストレス値（第１値）への運転終了後の戻りやすさに応じて、長期ストレスの大きさを判定することができるので、メンタルストレスの度合いを高精度に推定できる。

また、本実施形態に記載された様々な機能の各々は、回路（処理回路）によって実現されてもよい。処理回路の例には、中央処理装置（ＣＰＵ）のような、プログラムされたプロセッサが含まれる。このプロセッサは、メモリに格納されたコンピュータプログラム（命令群）を実行することによって、記載された機能それぞれを実行する。このプロセッサは、電気回路を含むマイクロプロセッサであってもよい。処理回路の例には、デジタル信号プロセッサ（ＤＳＰ）、特定用途向け集積回路（ＡＳＩＣ）、マイクロコントローラ、コントローラ、他の電気回路部品も含まれる。本実施形態に記載されたＣＰＵ以外の他のコンポーネントの各々もまた処理回路によって実現されてもよい。

また、本実施形態の各種処理はコンピュータプログラムによって実現することができるので、このコンピュータプログラムを格納したコンピュータ読み取り可能な記憶媒体を通じてこのコンピュータプログラムをコンピュータにインストールして実行するだけで、本実施形態と同様の効果を容易に実現することができる。

本発明のいくつかの実施形態を説明したが、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。これら新規な実施形態は、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。

１…ストレス推定システム、１５…ネットワーク、２…センシングデバイス、３…サーバ（クラウド検査サービス）、４…健康記録データベース（ＰＨＲ）、２０１…ＣＰＵ、２０２…主メモリ、２０２Ａ…ＯＳ、２０２Ｂ…ストレス監視プログラム、２０３…不揮発性メモリ、２０４…通信モジュール、２０５…ディスプレイ、２０６…スピーカ、２５１…センサ処理部、２５２…表示制御部、３０１…ＣＰＵ、３０２…主メモリ、３０２Ａ…ＯＳ、３０２Ｂ…ストレス推定プログラム、３０３…不揮発性メモリ、３０４…ＢＩＯＳ−ＲＯＭ、３０５…通信モジュール、３１…メンタルストレス推定部、３２…行動変容決定部、３１１…蓄積処理部、３１２…ファクター決定部、３１３…ストレス値決定部、３１４…アラート生成部、３１５…スケジュール生成部。

Claims (17)

1. 車の運転を開始する前の短期ストレスが第１値であり、前記車の運転中の短期ストレスが前記第１値よりも大きい第２値であるとき、前記車の運転を終了した後の前記第２値から前記第１値に向かうストレスの値の変化に応じて、長期ストレスの大きさを判定する決定手段を備えるシステム。
2. 前記決定手段は、電子機器の操作の頻度に関する情報をさらに用いて、長期ストレスの大きさを判定し、
   前記電子機器は、携帯型の機器であるか、人体装着型の機器である請求項１記載のシステム。
3. 前記決定手段は、閾値以上の人体の変動の繰り返しに関する情報をさらに用いて、長期ストレスの大きさを判定する請求項１または請求項２に記載のシステム。
4. 第１の方法によるストレスの大きさの変動度合いと、ストレスに関連する複数の要因の変動度合いとを用いて、前記決定手段は、前記複数の要因のうち、１以上の要因を、長期ストレスの判定に用いる要因とし、
   前記第１の方法とは、医者によるストレスの判定、問診票に基づくストレスの判定、尿に基づくストレスの判定、唾液に基づくストレスの判定の少なくとも１以上に基づいてストレスを判定する方法であり、
   前記複数の要因は、人間の心拍又は脈拍の少なくとも一方に関する１以上の要因、電子機器の操作状況に関する１以上の要因、勤怠状況に関する１以上の要因、感情に関する１以上の要因、人体の動きの状況に関する１以上の要因、発話状況に関する１以上の要因、睡眠状況に関する１以上の要因、及び環境に関する１以上の要因の内の少なくとも２以上を含む請求項１乃至請求項３のいずれか一項に記載のシステム。
5. 前記決定手段は、排泄中の少なくとも一部の期間、又は排泄後の期間のストレスの値に基づいて、長期ストレスの大きさを判定する請求項１乃至請求項４のいずれか一項に記載のシステム。
6. 前記決定手段によって定められた長期ストレスの大きさに応じて、ユーザに対する警告を出力する出力手段をさらに備える請求項１乃至請求項５のいずれか一項に記載のシステム。
7. 前記決定手段によって定められた長期ストレスの大きさに応じて、ストレスを低下させるためのユーザに推奨される行動に関する情報を出力する出力手段をさらに備える請求項１乃至請求項５のいずれか一項に記載のシステム。
8. 前記決定手段によって定められた長期ストレスの大きさに応じて、推奨される勤務形態に関する情報を出力する出力手段をさらに備える請求項１乃至請求項５のいずれか一項に記載のシステム。
9. 車の運転を開始する前の短期ストレスが第１値であり、前記車の運転中の短期ストレスが前記第１値よりも大きい第２値であるとき、前記車の運転を終了した後の前記第２値から前記第１値に向かうストレスの値の変化に応じて、コンピュータにより、長期ストレスの大きさを判定する方法。
10. 前記判定することは、電子機器の操作の頻度に関する情報をさらに用いて、長期ストレスの大きさを判定し、
    前記電子機器は、携帯型の機器であるか、人体装着型の機器である請求項９記載の方法。
11. 前記判定することは、閾値以上の人体の変動の繰り返しに関する情報をさらに用いて、長期ストレスの大きさを判定する請求項９または請求項１０に記載の方法。
12. 第１の方法によるストレスの大きさの変動度合いと、ストレスに関連する複数の要因の変動度合いとを用いて、前記判定することは、前記複数の要因のうち、１以上の要因を、長期ストレスの判定に用いる要因とし、
    前記第１の方法とは、医者によるストレスの判定、問診票に基づくストレスの判定、尿に基づくストレスの判定、唾液に基づくストレスの判定の少なくとも１以上に基づいてストレスを判定する方法であり、
    前記複数の要因は、人間の心拍又は脈拍の少なくとも一方に関する１以上の要因、電子機器の操作状況に関する１以上の要因、勤怠状況に関する１以上の要因、感情に関する１以上の要因、人体の動きの状況に関する１以上の要因、発話状況に関する１以上の要因、睡眠状況に関する１以上の要因、及び環境に関する１以上の要因の内の少なくとも２以上を含む請求項９乃至請求項１１のいずれか一項に記載の方法。
13. 前記判定することは、排泄中の少なくとも一部の期間、又は排泄後の期間のストレスの値に基づいて、長期ストレスの大きさを判定する請求項９乃至請求項１２のいずれか一項に記載の方法。
14. 前記判定することによって定められた長期ストレスの大きさに応じて、ユーザに対する警告を出力する請求項９乃至請求項１３のいずれか一項に記載の方法。
15. 前記判定することによって定められた長期ストレスの大きさに応じて、ストレスを低下させるためのユーザに推奨される行動に関する情報を出力する請求項９乃至請求項１３のいずれか一項に記載の方法。
16. 前記判定することによって定められた長期ストレスの大きさに応じて、推奨される勤務形態に関する情報を出力する請求項９乃至請求項１３のいずれか一項に記載の方法。
17. コンピュータにより実行されるプログラムであって、前記プログラムは、
    車の運転を開始する前の短期ストレスが第１値であり、前記車の運転中の短期ストレスが前記第１値よりも大きい第２値であるとき、前記車の運転を終了した後の前記第２値から前記第１値に向かうストレスの値の変化に応じて、長期ストレスの大きさを判定する手順を前記コンピュータに実行させるプログラム。

Images