JP2019115580A - 情報処理装置、情報処理方法及び情報処理プログラム - Google Patents

Abstract

【課題】対象者の状況を推定する情報処理装置、情報処理方法及び情報処理プログラムを提供する。【解決手段】情報処理装置は、対象者の動きを検出するセンサから前記対象者の動きを表す信号を取得する信号取得部と、前記対象者の動きを表す信号に基づいて前記対象者の活動量及び歩数の少なくとも一方を計測する計測部と、前記活動量及び前記歩数の少なくとも一方に基づいて、前記対象者の状況を推定する推定部とを備える情報処理装置。【選択図】図７

Description

この発明は、対象者の状況を推定する情報処理装置、情報処理方法及び情報処理プログラムに関する。

近年、どこでも血圧を測定することができるウェアラブル血圧計の開発が進められている。特許文献１には、血圧測定の開始指示の入力に応じて血圧測定を開始するウェアラブル血圧計が開示されている。

また、特定の状況で高血圧になる事象にも関心が集まっている。例えば、自宅では正常な血圧値であるが、職場では高血圧になるいわゆる職場高血圧という事象がある。血圧測定の対象者は、職場高血圧の疑いがあるのかどうかを確認するために、職場での滞在中に定期的に血圧を測定することが望まれている。

特開２０１７−０２３５４６号公報

しかしながら、血圧値を取得したときの対象者の状況は、自分自身で判断し、管理するしかない。このため、対象者の状況を推定する技術が望まれている。

この発明は上記事情に着目してなされたもので、対象者の状況を推定する情報処理装置、情報処理方法及び情報処理プログラムを提供しようとするものである。

上記課題を解決するためにこの発明の第１の態様は、対象者の動きを検出するセンサから前記対象者の動きを表す信号を取得する信号取得部と、前記対象者の動きを表す信号に基づいて前記対象者の活動量及び歩数の少なくとも一方を計測する計測部と、前記活動量及び前記歩数の少なくとも一方に基づいて、前記対象者の状況を推定する推定部とを備える情報処理装置である。

この発明の第１の態様によれば、情報処理装置は、既に搭載されているセンサからの情報を参照して被測定者の状況を推定することができるので、簡易な構成で被測定者の状況を推定することができる。また、情報処理装置は、ＧＰＳ（Global Positioning System）信号といった外部からの信号を参照する必要がないので、ＧＰＳ信号を取得できない場合であっても被測定者の状況を推定することができる。また、情報処理装置は、ＧＰＳ信号に基づいて被測定者の状況を推定する場合のように被測定者の状況を推定するための種々の場所の位置情報をメモリに登録する必要はない。このため、情報処理装置は、メモリ資源を有効に活用することができる。また、例えば、情報処理装置は、推定された状況における血圧値を取得することができる。その結果、被測定者は、推定された状況における高血圧の疑いを早期に判断することができる。

この発明の第２の態様は、第１の態様の情報処理装置において、前記推定部が、単位時間当たりの前記活動量及び単位時間当たりの前記歩数の少なくとも一方の変動に基づいて、前記対象者の状況として、前記対象者が移動中であること及び前記対象者が滞在中であることを推定するようにしたものである。

この発明の第２の態様によれば、情報処理装置は、異なる状況の推定結果を提供することができる。また、例えば、情報処理装置は、対象者の移動中における血圧値及び対象者の滞在中における血圧値を取得することができる。その結果、対象者は、移動中（例えば、電車の乗車中）における高血圧の疑いを早期に判断することができる。同様に、対象者は、どこかの場所での滞在中における高血圧の疑いを早期に判断することができる。

この発明の第３の態様は、第１の態様または第２の態様の情報処理装置において、前記対象者の少なくとも１つの場所に関する滞在予定時間帯を含む生活パターンデータを取得する設定取得部をさらに備え、前記推定部が、前記対象者が滞在中であることを推定した場合に、前記生活パターンデータを参照して、前記対象者の滞在場所を推定するようにしたものである。

この発明の第３の態様によれば、情報処理装置は、精度良く対象者の滞在場所を推定することができる。例えば、情報処理装置は、対象者の各滞在場所での血圧値を取得することができる。その結果、対象者は、各滞在場所（例えば、高血圧になり易い場所である職場）での高血圧の疑いを早期に判断することができる。

この発明の第４の態様によれば、情報処理装置は、前記対象者による指定に基づく指定場所及び前記指定場所での過去の滞在日時範囲を含む指定情報を取得する指定情報取得部と、前記滞在日時範囲を含む時間帯における前記活動量及び前記歩数の少なくとも一方に基づいて、前記指定場所に滞在中であることの推定に用いられる推定条件を作成する作成部をさらに備え、前記推定部が、前記推定条件を参照して、前記対象者が前記指定場所に滞在中であることを推定するようにしたものである。

この発明の第４の態様によれば、情報処理装置は、実際に計測された活動量及び歩数の少なくとも一方に基づく推定条件を参照することで、対象者が指定場所に滞在中であることを精度よく推定することができる。

この発明の第５の態様は、対象者の動きを検出するセンサから前記対象者の動きを表す信号を取得する信号取得過程と、前記対象者の動きを表す信号に基づいて前記対象者の活動量及び歩数の少なくとも一方を計測する計測過程と、前記活動量及び前記歩数の少なくとも一方に基づいて、前記対象者の状況を推定する推定過程とを備える情報処理方法である。

この発明の第５の態様によれば、情報処理方法は、上述の第１の態様と同様の効果を得ることができる。すなわち、情報処理方法は、対象者の状況を推定することができる。

この発明の第６の態様は、第１の態様から第４の態様の何れかの態様の情報処理装置が備える各部としてコンピュータを機能させる情報処理プログラムである。

この発明の第６の態様によれば、情報処理プログラムは、上述の第１の態様と同様の効果を得ることができる。すなわち、情報処理プログラムは、対象者の状況を推定することができる。

本発明によれば、対象者の状況を推定することができる技術を提供することができる。

一実施形態に係る血圧計の外観を示す図。 一実施形態に係る血圧計のブロック図。 一実施形態に係る血圧計の断面図。 一実施形態に係る血圧計の機能ブロック図。 一実施形態に係る複数の生活パターン候補の例を示す図。 一実施形態に係る被測定者の状況を推定する手順を示すフローチャート。 一実施形態に係る血圧計で測定される活動量の分布図。

以下、図面を参照してこの発明に係る実施形態を説明する。
［一実施形態］
（血圧計の構成）
図１は、この発明に係る情報処理装置の一実施形態である血圧計１の外観を示す図である。
血圧計１は、腕時計型ウェアラブルデバイスである。血圧計１は、血圧測定部としての血圧測定機能を備え、さらに種々の情報処理機能を備えている。情報処理機能には、例えば、活動量測定機能、歩数計測機能、睡眠状態計測機能、及び、環境（温度・湿度）計測機能が含まれる。血圧計１は、例えば、被測定者による血圧測定の開始指示の入力、または血圧計１が自律的に発生するトリガー信号に基づいて血圧測定を開始するタイプの血圧計である。なお、被測定者は、以下で説明する血圧計１による状況推定の対象となる対象者の一例である。
血圧計１は、本体１０と、ベルト２０と、カフ構造体３０とを備えている。

本体１０の構成について説明する。
本体１０は、血圧計１の制御系の要素などの複数の要素を搭載可能に構成されている。
本体１０は、ケース１０Ａと、ガラス１０Ｂと、裏蓋１０Ｃとを備えている。
ケース１０Ａは、例えば、略短円筒状である。ケース１０Ａは、その側面の２カ所それぞれに、ベルト２０を取り付けるための１対の突起状のラグを備えている。
ガラス１０Ｂは、ケース１０Ａの上部に取り付けられている。ガラス１０Ｂは、例えば、円形状である。
裏蓋１０Ｃは、ガラス１０Ｂと対向するように、ケース１０Ａの下部に着脱可能に取り付けられる。

本体１０は、表示部１０１と、操作部１０２とを搭載している。
表示部１０１は、種々の情報を表示する。表示部１０１は、本体１０内にあって、ガラス１０Ｂを介して被測定者が視認可能な位置に設けられている。表示部１０１は、例えば、ＬＣＤ（Liquid Crystal Display）である。表示部１０１は、有機ＥＬ（Electro Luminescence）ディスプレイであってもよい。表示部１０１は、種々の情報を表示する機能を備えていればよく、これらに限定されるものではない。表示部１０１は、ＬＥＤ（Light Emitting Diode）を備えていてもよい。

操作部１０２は、血圧計１に対する種々の指示を入力するための要素である。操作部１０２は、本体１０の側面に設けられている。操作部１０２は、例えば、１以上のプッシュ式スイッチを備えている。操作部１０２は、感圧式（抵抗式）または近接式（静電容量式）のタッチパネル式スイッチであってもよい。操作部１０２は、血圧計１に対する種々の指示を入力する機能を備えていればよく、これらに限定されるものではない。

操作部１０２が備えるスイッチの例について説明する。
操作部１０２は、血圧測定の開始または停止を指示するための測定スイッチを備えている。また操作部１０２は、表示部１０１の表示画面を予め定められたホーム画面へ戻すためのホームスイッチや、過去の血圧、活動量などの測定記録を表示部１０１に表示させるための記録呼出スイッチを備えていてもよい。

なお、本体１０は、表示部１０１及び操作部１０２以外の複数の要素を搭載している。本体１０が搭載する複数の要素については後述する。

ベルト２０の構成について説明する。
ベルト２０は、被測定者の被測定部位（例えば、左手首）を取り巻き可能に構成されている。ベルト２０の幅方向をＸ方向とする。ベルト２０が被測定部位を取り巻く方向をＹ方向とする。
ベルト２０は、第１ベルト部２０１と、第２ベルト部２０２と、尾錠２０３と、ベルト保持部２０４とを備えている。

第１ベルト部２０１は、本体１０から一方向片側（図１では、右側）へ延在する帯状である。第１ベルト部２０１のうち本体１０に近い根元部２０１ａは、本体１０の１対のラグに対して、連結棒４０１を介して回動自在に取り付けられている。

第２ベルト部２０２は、本体１０から一方向他側（図１では、左側）へ延在する帯状である。第２ベルト部２０２のうち本体１０に近い根元部２０２ａは、本体１０の１対のラグに対して、連結棒４０２を介して回動自在に取り付けられている。第２ベルト部２０２のうち根元部２０２ａと本体１０から遠い先端部２０２ｂとの間には、複数の小穴２０２ｃが、第２ベルト部２０２の厚さ方向に貫通して形成されている。

尾錠２０３は、第１ベルト部２０１と第２ベルト部２０２とを締結可能に構成されている。尾錠２０３は、第１ベルト部２０１のうち本体１０から遠い先端部２０１ｂに取り付けられている。尾錠２０３は、枠状体２０３Ａと、つく棒２０３Ｂと、連結棒２０３Ｃとを備えている。

枠状体２０３Ａ及びつく棒２０３Ｂは、第１ベルト部２０１の先端部２０１ｂに対して、連結棒２０３Ｃを介して回動自在に取り付けられている。枠状体２０３Ａ及びつく棒２０３Ｂは、例えば、金属材料で構成されている。枠状体２０３Ａ及びつく棒２０３Ｂは、プラスチック材料で構成されていてもよい。第１ベルト部２０１と第２ベルト部２０２との締結時に、第２ベルト部２０２の先端部２０２ｂは、枠状体２０３Ａに通される。つく棒２０３Ｂは、第２ベルト部２０２の複数の小穴２０２ｃのうちのいずれか１つに挿通される。

ベルト保持部２０４は、第１ベルト部２０１のうち根元部２０１ａと先端部２０１ｂとの間に取り付けられている。第１ベルト部２０１と第２ベルト部２０２との締結時に、第２ベルト部２０２の先端部２０２ｂは、ベルト保持部２０４に通される。

カフ構造体３０の構成について説明する。
カフ構造体３０は、血圧測定時に被測定部位を圧迫可能に構成されている。
カフ構造体３０は、Ｙ方向に沿って延在する帯状である。カフ構造体３０は、ベルト２０の内周面に対向している。カフ構造体３０の一端３０ａは、本体１０に取り付けられている。カフ構造体３０の他端３０ｂは、自由端である。このため、カフ構造体３０は、ベルト２０の内周面から離間自在である。
カフ構造体３０は、カーラ３０１と、押圧カフ３０２と、背板３０３と、センシングカフ３０４とを備えている。

カーラ３０１は、カフ構造体３０の最外周に配置されている。カーラ３０１は、自然状態では、Ｙ方向に沿って湾曲している。カーラ３０１は、所定の可撓性及び硬さを有する樹脂板である。樹脂板は、例えば、ポリプロピレンで構成されている。

押圧カフ３０２は、カーラ３０１の内周面に沿って配置されている。押圧カフ３０２は、袋状である。押圧カフ３０２には、可撓性チューブ５０１（図２に示す）が取り付けられている。可撓性チューブ５０１は、本体１０側から圧力伝達用の流体（以下、単に「流体」とも称する）を供給し、または、押圧カフ３０２から流体を排出するための要素である。流体は、例えば、空気である。流体が押圧カフ３０２に供給されると、押圧カフ３０２は膨張し、被測定部位を圧迫する。

なお、押圧カフ３０２は、例えば、厚さ方向に積層されている２つの流体袋を含んでいてもよい。各流体袋は、例えば、伸縮可能なポリウレタンシートで構成されている。流体が押圧カフ３０２に供給されると、流体は、各流体袋に流入する。各流体袋が膨張することで、押圧カフ３０２は膨張する。

背板３０３は、押圧カフ３０２の内周面に沿って配置されている。背板３０３は、帯状である。背板３０３は、例えば、樹脂で構成されている。樹脂は、例えば、ポリプロピレンである。背板３０３は、補強板として機能する。このため、背板３０３は、押圧カフ３０２からの押圧力をセンシングカフ３０４の全域に伝えることができる。
背板３０３の内周面及び外周面には、方向Ｘに延びる断面Ｖ字状またはＵ字状の溝が、方向Ｙに関して互いに離間して複数平行に設けられている。背板３０３は屈曲し易いので、背板３０３は、カフ構造体３０が湾曲しようとすることを妨げない。

センシングカフ３０４は、背板３０３の内周面に沿って配置されている。センシングカフ３０４は、袋状である。センシングカフ３０４は、第１のシート３０４Ａ（図３に示す）と、第１のシート３０４Ａに対向する第２のシート３０４Ｂ（図３に示す）とを備えている。第１のシート３０４Ａは、カフ構造体３０の内周面３０ｃに相当する。このため、第１のシート３０４Ａは、被測定部位に接する。第２のシート３０４Ｂは、背板３０３の内周面に対向する。第１のシート３０４Ａ及び第２のシート３０４Ｂは、例えば、伸縮可能なポリウレタンシートである。センシングカフ３０４には、可撓性チューブ５０２（図２に示す）が取り付けられている。可撓性チューブ５０２は、センシングカフ３０４に流体を供給し、または、センシングカフ３０４から流体を排出するための要素である。

次に、本体１０が搭載する複数の要素について説明する。
図２は、血圧計１のブロック図である。
本体１０は、上述の表示部１０１及び操作部１０２に加えて、ＣＰＵ（Central Processing Unit）１０３と、メモリ１０４と、加速度センサ１０５と、温湿度センサ１０６と、気圧センサ１０７と、通信部１０８と、電池１０９と、第１圧力センサ１１０と、第２圧力センサ１１１と、ポンプ駆動回路１１２と、ポンプ１１３と、開閉弁１１４とを搭載している。

ＣＰＵ１０３は、コンピュータを構成するプロセッサの一例である。ＣＰＵ１０３は、メモリ１０４に記憶されているプログラムに従って、制御部として各種機能を実行し、血圧計１の各部の動作を制御する。ＣＰＵ１０３に実装される各部の構成については後述する。

メモリ１０４は、血圧計１が備える各部としてＣＰＵ１０３を機能させるプログラムを記憶する。プログラムは、ＣＰＵ１０３を動作させる命令ということもできる。さらに、メモリ１０４は、血圧計１を制御するために用いられるデータ、血圧計１の各種機能を設定するための設定データ、血圧値の測定結果のデータなどを記憶する。メモリ１０４は、プログラムが実行されるときのワークメモリなどとして用いられる。

加速度センサ１０５は、３軸加速度センサである。加速度センサ１０５は、互いに直交する３方向の加速度を表す加速度信号をＣＰＵ１０３へ出力する。ＣＰＵ１０３は、加速度信号を用いて、被測定者の歩行だけでなく、家事やデスクワークなどの様々な活動における活動量を算出することができる。活動量は、例えば、移動（歩行）距離、消費カロリー、または、脂肪燃焼量などの被測定者の活動に関連する指標である。ＣＰＵ１０３は、加速度信号を用いて、被測定者の寝返りの状態を検出することで、睡眠状態を推定することもできる。

温湿度センサ１０６は、血圧計１の周辺の環境温度及び湿度を計測する。温湿度センサ１０６は、環境温度及び湿度を表す環境データをＣＰＵ１０３へ出力する。ＣＰＵ１０３は、環境データを温湿度センサ１０６における計測時刻と紐づけてメモリ１０４に記憶させる。例えば、気温（気温の変化）は、人間の血圧変動を引き起こしうる要素の１つとして考えられる。このため、環境データは、被測定者の血圧変動の要因となりうる情報である。

気圧センサ１０７は、気圧を検出する。気圧センサ１０７は、気圧データをＣＰＵ１０３へ出力する。ＣＰＵ１０３は、気圧データ及び加速度信号を用いて、被測定者の歩数、早歩き歩数、及び、階段のぼり歩数などを計測することができる。

通信部１０８は、血圧計１を外部装置８０と接続するためのインタフェースである。外部装置８０は、例えば、スマートフォンやタブレット端末などの携帯端末またはサーバである。通信部１０８は、ＣＰＵ１０３によって制御される。通信部１０８は、ネットワークを介して、情報を外部装置８０へ送信する。通信部１０８は、ネットワークを介して受信した外部装置８０からの情報をＣＰＵ１０３へ受け渡す。このネットワークを介した通信は、無線、有線のいずれでもよい。ネットワークは、例えば、インターネットであるが、これに限定されない。ネットワークは、病院内ＬＡＮ（Local Area Network）のような他の種類のネットワークであってもよいし、ＵＳＢケーブルなどを用いた１対１の通信であってもよい。通信部１０８は、マイクロＵＳＢコネクタを含んでいてもよい。通信部１０８は、ブルートゥース（登録商標）などの近距離無線通信により、情報を外部装置８０へ送信してもよい。

電池１０９は、例えば、充電可能な２次電池である。電池１０９は、本体１０に搭載されている各要素へ電力を供給する。電池１０９は、例えば、表示部１０１、操作部１０２、ＣＰＵ１０３、メモリ１０４、加速度センサ１０５、温湿度センサ１０６、気圧センサ１０７、通信部１０８、第１圧力センサ１１０、第２圧力センサ１１１、ポンプ駆動回路１１２、ポンプ１１３、及び、開閉弁１１４へ電力を供給する。

第１圧力センサ１１０は、例えば、ピエゾ抵抗式圧力センサである。第１圧力センサ１１０は、第１の流路を構成する可撓性チューブ５０１及び第１の流路形成部材５０３を介して、押圧カフ３０２内の圧力を検出する。第１圧力センサ１１０は、圧力データをＣＰＵ１０３へ出力する。

第２圧力センサ１１１は、例えば、ピエゾ抵抗式圧力センサである。第２圧力センサ１１１は、第２の流路を構成する可撓性チューブ５０２及び第２の流路形成部材５０４を介して、センシングカフ３０４内の圧力を検出する。第２圧力センサ１１１は、圧力データをＣＰＵ１０３へ出力する。

ポンプ駆動回路１１２は、ＣＰＵ１０３からの制御信号に基づいて、ポンプ１１３を駆動する。

ポンプ１１３は、例えば、圧電ポンプである。ポンプ１１３は、第１の流路を介して、押圧カフ３０２に流体流通可能に接続されている。ポンプ１１３は、第１の流路を通して、押圧カフ３０２に流体を供給することができる。なお、ポンプ１１３には、ポンプ１１３のオン／オフに伴って開閉が制御される図示しない排気弁が搭載されている。すなわち、この排気弁は、ポンプ１１３がオンされると閉じて、押圧カフ３０２内に流体を封入するのを助ける。一方、この排気弁は、ポンプ１１３がオフされると開いて、押圧カフ３０２内の流体を第１の流路を通して、大気中へ排出させる。なお、この排気弁は、逆止弁の機能を有し、排出される流体が逆流することはない。

ポンプ１１３は、さらに、第２の流路を介して、センシングカフ３０４に流体流通可能に接続されている。ポンプ１１３は、第２の流路を通して、センシングカフ３０４に流体を供給することができる。

開閉弁１１４は、第２の流路形成部材５０４に介挿されている。開閉弁１１４は、例えば、常開の電磁弁である。開閉弁１１４の開閉（開度）は、ＣＰＵ１０３からの制御信号に基づいて制御される。開閉弁１１４が開状態にあるとき、ポンプ１１３は、第２の流路を通して、センシングカフ３０４に流体を供給することができる。

次に、血圧計１が被測定部位に装着された状態（以下、「装着状態」とも称する）について説明する。
図３は、装着状態における被測定部位である左手首９０に垂直な断面を示す図である。本体１０とベルト２０の図示は省略されている。図３には、左手首９０の橈骨動脈９１、尺骨動脈９２、橈骨９３、尺骨９４、及び、腱９５が示されている。

この装着状態では、カーラ３０１は、左手首９０の外周（Ｚ方向）に沿って延在する。押圧カフ３０２は、カーラ３０１の内周側で、Ｚ方向に沿って延在する。背板３０３は、押圧カフ３０２とセンシングカフ３０４との間に介挿され、Ｚ方向に沿って延在する。センシングカフ３０４は、左手首９０に接し、かつ、左手首９０の動脈通過部分９０ａを横切るようにＺ方向に延在する。ベルト２０、カーラ３０１、押圧カフ３０２、及び、背板３０３は、左手首９０へ向かって押圧力を発生可能な押圧部材として働き、センシングカフ３０４を介して左手首９０を圧迫する。

次に、ＣＰＵ１０３により実装される各部の構成について説明する。
図４は、血圧計１の機能ブロック図である。ＣＰＵ１０３は、信号取得部１０３Ａと、計測部１０３Ｂと、設定取得部１０３Ｃと、推定部１０３Ｄと、信号出力部１０３Ｅと、血圧測定部１０３Ｆと、指定情報取得部１０３Ｇと、作成部１０３Ｈとを実装する。なお、各部は、２以上のプロセッサに分散されて実装されてもよい。

信号取得部１０３Ａの構成について説明する。
信号取得部１０３Ａは、加速度センサ１０５から加速度信号を取得する。加速度センサ１０５は、被測定者の動きを検出するセンサの一例である。加速度信号は、被測定者の動きを表す信号の一例である。信号取得部１０３Ａは、加速度センサ１０５から逐次取得した加速度信号を計測部１０３Ｂへ逐次出力する。

計測部１０３Ｂの構成について説明する。
計測部１０３Ｂは、加速度信号に基づいて被測定者の活動量及び歩数の少なくとも一方を計測（計算）する。計測部１０３Ｂは、活動量データ及び歩数データの少なくとも一方を推定部１０３Ｄへ出力する。例えば、計測部１０３Ｂは、単位時間毎の活動量を計測する度に、単位時間毎の活動量データを推定部１０３Ｄへ出力することができる。同様に、計測部１０３Ｂは、単位時間毎の歩数を計測する度に、単位時間毎の歩数データを推定部１０３Ｄへ出力することができる。単位時間の長さは、任意に設定可能である。
計測部１０３Ｂは、計測時刻に紐付けて単位時間毎の活動量データ及び単位時間毎の歩数データをメモリ１０４に記憶させる。

設定取得部１０３Ｃの構成について説明する。
設定取得部１０３Ｃは、メモリ１０４から被測定者によって予め設定されている被測定者の生活パターンデータを取得する。設定取得部１０３Ｃは、生活パターンデータを推定部１０３Ｄへ出力する。生活パターンデータは、被測定者による操作部１０２を用いた生活パターンの設定に基づいて、メモリ１０４に登録されている。

ここで、生活パターンデータについて説明する。
生活パターンデータは、被測定者の行動の目安である。生活パターンデータは、後述する推定部１０３Ｄによる被測定者の状況の推定に用いられる。被測定者の状況は、例えば、「移動中」及び「滞在中」であるが、これらに限定されるものではない。

生活パターンデータは、被測定者の少なくとも１つの場所に関する滞在予定時間帯を含んでいる。例えば、生活パターンデータは、少なくとも被測定者が通う職場もしくは学校での滞在予定時間帯を含んでいてもよい。なお、以下の説明における「職場」という記載は、「職場または学校」と適宜読み替えてもよい。例えば、生活パターンデータは、少なくとも自宅での滞在予定時間帯を含んでいてもよい。生活パターンデータは、自宅及び職場以外の少なくとも１つの場所での滞在予定時間帯を含んでいてもよい。

滞在予定時間帯は、例えば、日中または夜間といった単位である。ここでは、一例として、日中は午後１２時を跨ぐ所定時間帯であるものとし、夜間は午前０時を跨ぐ所定時間帯であるものとする。滞在予定時間帯は、日中または夜間といった単位に代えて、始まりの時刻及び終わりの時刻が指定された具体的な時間帯であってもよい。なお、生活パターンデータが２以上の場所での滞在予定時間帯を含んでいる場合、２以上の場所の滞在予定時間帯は、互いに重複しない時間帯である。その理由は、推定部１０３Ｄが生活パターンデータを参照して被測定者の滞在場所を推定するからである。仮に２以上の場所の滞在予定時間帯に１以上の重複する時間帯が存在していると、推定部１０３Ｄは、被測定者の滞在場所を推定することができない。

生活パターンデータは、職場に関連する出勤曜日または学校に関連する通学曜日を含んでいてもよい。なお、以下の説明における「出勤」という記載は、「出勤または通学」と適宜読み替えてもよい。生活パターンデータは、職場とは異なる場所で滞在する曜日を含んでいてもよい。

生活パターンデータは、上述の事項以外の事項を含んでいてもよい。例えば、生活パターンデータは、被測定者の任意の日の単一のモデルケースについて設定されている。生活パターンデータは、単一のモデルケースについての設定に代えて、曜日毎に設定されていてもよい。

例えば、生活パターンデータは、被測定者が複数の生活パターン候補の中から自身の生活パターンに近い１つの生活パターン候補を選択することによって設定される。生活パターン候補のいくつかの例については後述する。生活パターンデータは、被測定者による生活パターン候補の選択に代えて、被測定者が生活パターンデータの各事項について入力することで設定されてもよい。

推定部１０３Ｄの構成について説明する。
推定部１０３Ｄは、計測部１０３Ｂで計測された被測定者の活動量及び歩数の少なくとも一方に基づいて、被測定者の状況を推定する。推定部１０３Ｄによる活動量及び歩数の少なくとも一方に基づく被測定者の状況の推定については後述する。さらに、推定部１０３Ｄは、被測定者の状況として被測定者が滞在中であることを推定した場合に、生活パターンデータを参照して、被測定者の滞在場所を推定する。なお、推定部１０３Ｄは、生活パターンデータを参照することなく、被測定者の滞在場所を推定することもできる。推定部１０３Ｄによる被測定者の滞在場所の推定については後述する。

推定部１０３Ｄは、後述する作成部１０３Ｈで作成される推定条件を参照して、被測定者の活動量及び歩数の少なくとも一方に基づいて、被測定者の状況を推定することもできる。推定部１０３Ｄによる推定条件を参照した被測定者の状況の推定については後述する。

推定部１０３Ｄは、被測定者の状況を含む推定結果を信号出力部１０３Ｅへ出力する。例えば、推定結果に含まれている被測定者の状況は、日時と対応付けられている。なお、推定部１０３Ｄは、血圧計１が有する時計機能により、日時の情報を取得することができる。
一例では、推定部１０３Ｄは、所定時間間隔で推定結果を信号出力部１０３Ｅへ出力する。所定時間は、例えば固定時間であるが、任意に変更可能な時間であってもよい。

別の例では、推定部１０３Ｄは、被測定者の状況が第１の状況から第２の状況へ遷移したことを推定した場合に、推定結果を信号出力部１０３Ｅへ出力する。例えば、推定部１０３Ｄは、被測定者の状況が移動中から滞在中へ遷移したことを推定した場合に、被測定者が滞在中であることを表す情報を含む推定結果を信号出力部１０３Ｅへ出力する。例えば、推定部１０３Ｄは、被測定者の状況が滞在中から移動中へ遷移したことを推定した場合に、被測定者が移動中であることを表す情報を含む推定結果を信号出力部１０３Ｅへ出力する。この例によれば、推定部１０３Ｄが推定結果を信号出力部１０３Ｅへ出力する頻度は減るので、ＣＰＵ１０３の処理負荷も減る。

信号出力部１０３Ｅの構成について説明する。
信号出力部１０３Ｅは、推定部１０３Ｄから推定結果を受け取り、推定結果に基づく信号を出力する。推定結果に基づく信号のいくつかの例について説明する。

一例では、信号出力部１０３Ｅは、推定結果に基づく信号として、被測定者に対する血圧測定の支援の実行を指示する指示信号を出力する。
指示信号は、血圧測定の支援として、被測定者に対して血圧測定の開始指示の入力を促す指示を含んでいる。信号出力部１０３Ｅは、指示信号を表示部１０１へ出力する。表示部１０１は、指示信号に基づいて、被測定者に血圧測定の開始指示の入力を促す画像を表示する。画像の内容は、被測定者が血圧測定の開始指示を入力する必要があることを認識できればよく、限定されるものではない。これにより、被測定者は、血圧測定を行う必要があることを認識し、血圧測定を開始するために測定スイッチを押下することができる。なお、血圧計１は、指示信号に基づいて、振動や音声などにより、被測定者に対して血圧測定の開始指示の入力を促すようにしてもよい。

指示信号は、被測定者に対して血圧測定の開始指示の入力を促す指示に代えて、血圧測定部１０３Ｆに対する血圧測定の開始のトリガーとなる血圧測定の開始指示を含んでいてもよい。信号出力部１０３Ｅは、指示信号を血圧測定部１０３Ｆへ出力する。これにより、血圧計１は、被測定者による血圧測定の開始指示の入力を必要とすることなく、被測定者に対する血圧測定を開始することができる。すなわち、被測定者にとっては、測定開始指示の入力操作を行わなくても、自動的に血圧測定が行われる。

別の例では、信号出力部１０３Ｅは、推定結果に基づく信号として、推定結果を含む信号をメモリ１０４へ出力する。メモリ１０４は、推定結果を記憶する。これにより、血圧計１は、被測定者の状況を日時と対応付けて蓄積することができる。

さらに別の例では、信号出力部１０３Ｅは、推定結果に基づく信号として、通信部１０８を介して、推定結果を含む信号を外部装置８０へ出力する。外部装置８０は、推定結果を記憶する。これにより、外部装置８０は、被測定者の状況を日時と対応付けて蓄積することができる。

信号出力部１０３Ｅは、上述の指示信号及び推定結果を含む信号の少なくとも何れか一方を出力する。信号出力部１０３Ｅは、推定結果を含む信号を出力する場合、メモリ１０４または外部装置８０の少なくとも何れか一方へ出力する。

血圧測定部１０３Ｆの構成について説明する。
血圧測定部１０３Ｆは、例えば以下のように被測定者の血圧測定を制御する。
血圧測定部１０３Ｆは、被測定者による測定スイッチの押下の検出、または、血圧測定の開始のトリガーとなる指示信号の検出に基づいて、メモリ１０４の処理用メモリ領域を初期化する。血圧測定部１０３Ｆは、ポンプ駆動回路１１２を介してポンプ１１３をオフし、ポンプ１１３に内蔵された排気弁を開くとともに、開閉弁１１４を開状態に維持して、押圧カフ３０２内及びセンシングカフ３０４内の流体を排気するように制御する。血圧測定部１０３Ｆは、第１圧力センサ１１０、及び、第２圧力センサ１１１の０ｍｍＨｇの調整を行うように制御する。血圧測定部１０３Ｆは、ポンプ駆動回路１１２を介してポンプ１１３をオンし、開閉弁１１４を開状態に維持して、押圧カフ３０２及びセンシングカフ３０４の加圧を開始するように制御する。血圧測定部１０３Ｆは、第１圧力センサ１１０及び第２圧力センサ１１１によって押圧カフ３０２及びセンシングカフ３０４の圧力をそれぞれモニタしながら、ポンプ駆動回路１１２を介してポンプ１１３を駆動するように制御する。血圧測定部１０３Ｆは、第１の流路を通して押圧カフ３０２に、また、第２の流路を通してセンシングカフ３０４に、それぞれ流体を送るように制御する。血圧測定部１０３Ｆは、センシングカフ３０４の圧力が所定の圧力（例えば、１５ｍｍＨｇ）に到達するか、もしくは、ポンプ１１３の駆動時間が所定の時間（例えば、３秒間）だけ経過するまで待つ。血圧測定部１０３Ｆは、開閉弁１１４を閉状態にして、ポンプ１１３から第１の流路を通して押圧カフ３０２に流体を供給する制御を継続する。これにより、押圧カフ３０２は、徐々に加圧され、左手首９０を徐々に圧迫していく。背板３０３は、押圧カフ３０２からの押圧力をセンシングカフ３０４へ伝える。センシングカフ３０４は、左手首９０（動脈通過部分９０ａを含む。）を圧迫する。この加圧過程で、血圧測定部１０３Ｆは、血圧値（収縮期血圧ＳＢＰ（Systolic Blood Pressure）と拡張期血圧ＤＢＰ（Diastolic Blood Pressure）を算出するために、第２圧力センサ１１１によって、センシングカフ３０４の圧力Ｐｃ、すなわち、左手首９０の動脈通過部分９０ａの圧力をモニタし、変動成分としての脈波信号Ｐｍを取得する。血圧測定部１０３Ｆは、脈波信号Ｐｍに基づいて、オシロメトリック法により公知のアルゴリズムを適用して血圧値を算出する。血圧測定部１０３Ｆは、血圧値を算出すると、ポンプ１１３を停止し、開閉弁１１４を開いて、押圧カフ３０２内及びセンシングカフ３０４内の流体を排出するように制御する。

血圧測定部１０３Ｆは、上述の制御により、被測定者の状況毎に血圧測定を実行することができる。例えば、血圧測定部１０３Ｆは、推定部１０３Ｄによって被測定者が移動中であると推定された場合に血圧測定を実行することができる。例えば、血圧測定部１０３Ｆは、推定部１０３Ｄによって被測定者が自宅に滞在中であると推定された場合に血圧測定を実行することができる。例えば、血圧測定部１０３Ｆは、推定部１０３Ｄによって被測定者が職場に滞在中であると推定された場合に血圧測定を実行することができる。血圧測定部１０３Ｆは、血圧値を、血圧測定の日時及び被測定者の状況と対応付けてメモリ１０４に記憶させる。なお、血圧測定部１０３Ｆは、血圧計１が有する時計機能により、血圧測定の日時の情報を取得することができる。血圧測定部１０３Ｆは、推定部１０３Ｄによる推定結果を参照することで、被測定者の状況を取得することができる。

指定情報取得部１０３Ｇの構成について説明する。
指定情報取得部１０３Ｇは、被測定者による指定に基づく指定場所及び指定場所での過去の滞在日時範囲を含む指定情報を取得する。一例を説明する。被測定者は、操作部１０２を用いて、指定場所及び指定場所での過去の滞在日時範囲を指定する。指定場所は、血圧計１による被測定者の滞在場所の推定対象である。滞在日時範囲は、被測定者が指定場所に過去に滞在していた日時の範囲である。例えば、被測定者は、指定場所として職場を指定し、過去に職場に滞在していた日時の範囲として具体的な滞在開始日時及び滞在終了日時を指定することができる。

操作部１０２は、指定場所及び指定場所での過去の滞在日時範囲を含む指定情報をＣＰＵ１０３へ出力する。これにより、指定情報取得部１０３Ｇは、操作部１０２から指定情報を取得することができる。
指定情報取得部１０３Ｇは、指定情報を作成部１０３Ｈへ出力する。

作成部１０３Ｈの構成について説明する。
作成部１０３Ｈは、滞在日時範囲を含む時間帯における活動量及び歩数の少なくとも一方に基づいて、指定場所での滞在の推定に用いられる推定条件を作成する。ここでは活動量を例にして説明する。なお、作成部１０３Ｈは、ここで説明する活動量の例と同様に歩数に基づいて推定条件を作成することができる。そのため、歩数を例にした説明は省略する。

作成部１０３Ｈは、指定情報に含まれる滞在日時範囲を含む時間帯における活動量データをメモリ１０４から取得する。例えば、滞在日時範囲を含む時間帯は、滞在日時範囲の前後に所定時間を加えた時間帯であるが、これに限定されない。作成部１０３Ｈは、滞在日時範囲を含む時間帯における活動量を用いることで、指定場所での滞在中における活動量だけでなく、指定場所へ到着する過程及び指定場所から離れる過程における活動量も取得することができる。

作成部１０３Ｈは、滞在日時範囲を含む時間帯における活動量に基づいて、被測定者が指定場所へ到着する過程における活動量の第１の変化パターン、被測定者の指定場所での滞在中における活動量の第２の変化パターン及び被測定者が指定場所から離れる過程における活動量の第３の変化パターンのうちの少なくとも１つを含む推定条件を作成する。例えば、第１の変化パターンは、滞在開始日時の近傍の所定時間帯における単位時間毎の活動量の変化（減少）パターンであるが、これに限定されない。例えば、第２の変化パターンは、滞在日時範囲のうちの所定時間帯における単位時間毎の活動量の変化パターンであるが、これに限定されない。滞在日時範囲のうちの所定時間帯は、単位時間毎の活動量の分布が特徴的に変化する時間帯である。例えば、滞在日時範囲のうちの所定時間帯は昼休みを含む時間帯であるが、これに限定されない。第３の変化パターンは、滞在終了日時の近傍の所定時間帯における単位時間毎の活動量の変化（増加）パターンであるが、これに限定されない。
作成部１０３Ｈは、推定条件を推定部１０３Ｄへ出力する。

次に、上述の生活パターン候補の例について説明する。
図５は、複数の生活パターン候補の例を示す図である。なお、ここに示す複数の生活パターン候補は例示であり、これらに限られるものではない。

図５に示す複数の生活パターン候補は、それぞれ、自宅での滞在予定時間帯、職場での滞在予定時間帯、及び、出勤曜日を含む例である。生活パターン候補Ａ、生活パターン候補Ｂ、生活パターン候補Ｃ、及び、生活パターン候補Ｄは、互いに異なっている。生活パターン候補Ａでは、自宅での滞在予定時間帯が夜間であり、職場での滞在予定時間帯が日中であり、出勤曜日が平日である。生活パターン候補Ｂでは、自宅での滞在予定時間帯が日中であり、職場での滞在予定時間帯が夜間であり、出勤曜日が平日である。生活パターン候補Ｃでは、自宅での滞在予定時間帯が夜間であり、職場での滞在予定時間帯が日中であり、出勤曜日が土曜日及び日曜日である。生活パターン候補Ｄでは、自宅での滞在予定時間帯が日中であり、職場での滞在予定時間帯が夜間であり、出勤曜日が土曜日及び日曜日である。

被測定者は、操作部１０２を操作することにより、表示部１０１に複数の生活パターン候補を表示させることができる。被測定者は、複数の生活パターン候補の中から自身の生活パターンに近い１つの生活パターン候補を選択することができる。ＣＰＵ１０３は、被測定者によって選択された生活パターン候補を被測定者の生活パターンデータとしてメモリ１０４に記憶させる。

（動作）
血圧計１による活動量及び歩数の少なくとも一方を用いた被測定者の状況の推定について説明する。
図６は、被測定者の状況を推定する手順とその内容の一例を示すフローチャートである。

信号取得部１０３Ａは、被測定者の動きを検出するセンサから被測定者の動きを表す信号を取得する（ステップＳ１０１）。ステップＳ１０１では、例えば、信号取得部１０３Ａは、加速度センサ１０５から加速度信号を取得する。

計測部１０３Ｂは、被測定者の動きを表す信号に基づいて被測定者の活動量及び歩数の少なくとも一方を計測する（ステップＳ１０２）。ステップＳ１０２では、例えば、計測部１０３Ｂは、加速度信号に基づいて被測定者の活動量及び歩数の少なくとも一方を計測する。

推定部１０３Ｄは、活動量及び歩数の少なくとも一方に基づいて、被測定者の状況を推定する（ステップＳ１０３）。ステップＳ１０３における推定部１０３Ｄによる活動量及び歩数の少なくとも一方を用いた被測定者の状況の推定については後述する。

信号出力部１０３Ｅは、推定部１０３Ｄによる推定結果に基づく信号を出力する（ステップＳ１０４）。ステップＳ１０４では、例えば、信号出力部１０３Ｅは、推定結果に基づく信号として、指示信号及び推定結果を含む信号の少なくとも何れか一方を出力する。なお、信号出力部１０３Ｅが指示信号を出力する場合、血圧測定部１０３Ｆは、被測定者による測定スイッチの押下の検出または指示信号の検出に基づいて、血圧測定を実行することができる。

次に、上述のステップＳ１０３における推定部１０３Ｄによる活動量及び歩数の少なくとも一方を用いた被測定者の状況の推定について説明する。

図７は、血圧計１によって計測される被測定者のある日の単位時間毎の活動量の分布を示す図である。横軸は、時刻である。縦軸は、活動量である。この例では、被測定者は、７時から９時までの間は通勤（出勤）のために移動し、９時から１８時までの間は職場に滞在し、１８時から２０時までの間は通勤（退勤）のために移動し、２０時以降は自宅に滞在している。

被測定者が歩いたり動いたりする場合、単位時間当たりの活動量は多い。これとは逆に、被測定者がどこかの場所に滞在中のためにほとんど動かない場合、単位時間当たりの活動量は少ない。このため、被測定者がどこかの場所に滞在中である場合の単位時間当たりの活動量は、被測定者が移動中である場合の単位時間当たりの活動量よりも小さい。つまり、単位時間毎の活動量の大きさは、被測定者の状況に応じて異なる。

このように、一日分の活動量データは、被測定者の状況に応じて単位時間毎の活動量が変動するという特性を有している。推定部１０３Ｄは、活動量に基づいて、例えば以下のように、被測定者の状況を推定する。

一例では、推定部１０３Ｄは、被測定者の移動中を推定するための基準値（以下、「移動推定用基準値」とも称する）及び被測定者のどこかの場所での滞在中を推定するための基準値（以下、「滞在推定用基準値」とも称する）を用いる。移動推定用基準値及び滞在推定用基準値は、それぞれ、例えば任意の固定値であるが、被測定者に応じて適宜変更可能な値であってもよい。滞在推定用基準値は、移動推定用基準値と同じであっても、移動推定用基準値よりも小さくてもよい。

推定部１０３Ｄは、移動推定用基準値を用いて、例えば以下のように、被測定者が移動中であると推定する。例えば、推定部１０３Ｄは、単位時間当たりの活動量が移動推定用基準値以上であると判断した場合に、被測定者が移動中であると推定する。これに代えて、例えば、推定部１０３Ｄは、連続する複数の単位時間において活動量が移動推定用基準値以上であると判断した場合に、被測定者が移動中であると推定してもよい。その理由は、被測定者がどこかの場所に滞在中である場合であっても、被測定者の挙動によっては、１つの単位時間において活動量が移動推定用基準値以上となることがあるからである。これにより、推定部１０３Ｄは、被測定者の状況を誤って推定することを低減することができる。同様の理由で、推定部１０３Ｄは、連続する複数の単位時間のうちの所定数の単位時間において活動量が移動推定用基準値以上であると判断した場合に、被測定者が移動中であると推定してもよい。

推定部１０３Ｄは、滞在推定用基準値を用いて、例えば以下のように、被測定者がどこかの場所に滞在中であると推定する。例えば、推定部１０３Ｄは、単位時間当たりの活動量が滞在推定用基準値未満であると判断した場合に、被測定者がどこかの場所に滞在中であると推定する。これに代えて、例えば、推定部１０３Ｄは、連続する複数の単位時間において活動量が滞在推定用基準値未満であると判断した場合に、被測定者がどこかの場所に滞在中であると推定してもよい。その理由は、被測定者が移動中である場合であっても、被測定者の挙動によっては、１つの単位時間において活動量が滞在推定用基準値未満となることがあるからである。これにより、推定部１０３Ｄは、被測定者の状況を誤って推定することを低減することができる。同様の理由で、推定部１０３Ｄは、連続する複数の単位時間のうちの所定数の単位時間において活動量が滞在推定用基準値未満であると判断した場合に、被測定者がどこかの場所に滞在中であると推定してもよい。

このように、推定部１０３Ｄは、単位時間当たりの活動量の変動に基づいて、被測定者の状況として、被測定者が移動中であること及び被測定者が滞在中であることを推定することができる。

別の例では、推定部１０３Ｄは、連続する２つの単位時間の活動量の変化量を用いる。例えば、推定部１０３Ｄは、第１の単位時間の活動量から第２の単位時間の活動量への変化量を検出する。第２の単位時間は、第１の単位時間に連続する単位時間であり、第１の単位時間よりも後の時刻の単位時間である。変化量は、例えば差であるが、割合であってもよい。

推定部１０３Ｄは、連続する２つの単位時間の活動量の変化量を用いて、例えば以下のように、被測定者がどこかの場所に滞在中であると推定する。
例えば、推定部１０３Ｄは、活動量の変化量が基準量または基準割合以上の減少であると検出した場合、被測定者の状況が移動中から滞在中へ遷移したと推定する。基準量及び基準割合は、それぞれ、例えば任意の固定値であるが、被測定者に応じて適宜変更可能な値であってもよい。

例えば、推定部１０３Ｄは、活動量の変化量が基準量または基準割合以上の減少であることを検出した後、連続して検出される複数の活動量の変化量を監視する。その理由は、被測定者が移動中である場合であっても、被測定者の挙動によっては、一時的に活動量の変化量が基準量または基準割合以上の減少となることがあるからである。例えば、推定部１０３Ｄは、連続して検出される複数の活動量の変化量が基準量または基準割合未満であることを検出した場合に、被測定者の状況が移動中から滞在中へ遷移したと推定する。これに代えて、例えば、推定部１０３Ｄは、連続して検出される複数の活動量の変化量のうちの所定数の活動量の変化量が基準量または基準割合未満であることを検出した場合に、被測定者の状況が移動中から滞在中へ遷移したと推定してもよい。これにより、推定部１０３Ｄは、被測定者の状況を誤って推定することを低減することができる。

推定部１０３Ｄは、連続する２つの単位時間の活動量の変化量を用いて、例えば以下のように、被測定者が移動中であると推定する。
例えば、推定部１０３Ｄは、活動量の変化量が基準量または基準割合以上の増加であると検出した場合、被測定者の状況が滞在中から移動中へ遷移したと推定する。基準量及び基準割合は、それぞれ、例えば任意の固定値であるが、被測定者に応じて適宜変更可能な値であってもよい。

例えば、推定部１０３Ｄは、活動量の変化量が基準量または基準割合以上の増加であることを検出した後、連続して検出される複数の活動量の変化量を監視する。その理由は、被測定者が滞在中である場合であっても、被測定者の挙動によっては、一時的に活動量の変化量が基準量または基準割合以上の増加となることがあるからである。例えば、推定部１０３Ｄは、連続して検出される複数の活動量の変化量が基準量または基準割合未満であることを検出した場合に、被測定者の状況が滞在中から移動中へ遷移したと推定する。これに代えて、例えば、推定部１０３Ｄは、連続して検出される複数の活動量の変化量のうちの所定数の活動量の変化量が基準量または基準割合未満であることを検出した場合に、被測定者の状況が滞在中から移動中へ遷移したと推定してもよい。これにより、推定部１０３Ｄは、被測定者の状況を誤って推定することを低減することができる。

このように、推定部１０３Ｄは、単位時間当たりの活動量の変動に基づいて、被測定者の状況として、被測定者が移動中であること及び被測定者が滞在中であることを推定することができる。

次に、推定部１０３Ｄによる被測定者の滞在場所の推定について説明する。
推定部１０３Ｄは、上述のように被測定者がどこかの場所に滞在中であることを推定した場合に、例えば以下のように、被測定者の滞在場所を推定することができる。なお、以下の説明における「現在日時」という記載は、「推定部１０３Ｄによって被測定者が滞在中であると推定された日時」と適宜読み替えてもよい。なお、推定部１０３Ｄは、血圧計１が有する時計機能により、現在日時の情報を取得することができる。推定部１０３Ｄは、現在日時の情報及びメモリ１０４に記憶されているカレンダー情報を参照して、現在日時が平日、土日または休日（祝日）の何れであるのかを判断することができる。

一例では、推定部１０３Ｄは、上述の生活パターンデータを参照して、被測定者の滞在場所を推定する。ここでは５つの異なる生活パターンデータを例にして説明する。

（第１の生活パターンデータの例）
生活パターンデータが自宅での滞在予定時間帯を含む例について説明する。
現在日時が自宅での滞在予定時間帯に含まれている場合、推定部１０３Ｄは、被測定者の滞在場所を自宅と推定する。一方、現在日時が自宅での滞在予定時間帯に含まれていない場合、推定部１０３Ｄは、被測定者の滞在場所を自宅とは異なる場所と推定する。これに代えて、推定部１０３Ｄは、現在日時が自宅での滞在予定時間帯の前後の所定時間に含まれているか否かを判断してもよい。その理由は、生活パターンデータに含まれている滞在予定時間帯が被測定者の実際の滞在時間帯とはずれる可能性があるからである。現在日時が自宅での滞在予定時間帯の前後の所定時間に含まれている場合、推定部１０３Ｄは、推定部１０３Ｄは、被測定者の滞在場所を自宅と推定する。現在日時が自宅での滞在予定時間帯の前後の所定時間に含まれていない場合、推定部１０３Ｄは、被測定者の滞在場所を自宅とは異なる場所と推定する。

（第２の生活パターンデータの例）
生活パターンデータが職場での滞在予定時間帯を含むが、出勤曜日を含んでいない例について説明する。
現在日時が職場での滞在予定時間帯に含まれている場合、推定部１０３Ｄは、被測定者の滞在場所を職場と推定する。これに代えて、現在日時が職場での滞在予定時間帯に含まれている場合、推定部１０３Ｄは、現在日時に対応する曜日が平日か否かを判断してもよい。現在日時に対応する曜日が平日である場合、推定部１０３Ｄは、被測定者の滞在場所を職場と推定する。その理由は、多くの人は平日には職場に滞在している可能性が高いからである。一方、現在日時に対応する曜日が平日ではない場合、推定部１０３Ｄは、被測定者の滞在場所を職場とは異なる場所と推定する。その理由は、多くの人は平日以外の日には職場に滞在している可能性が低いからである。

現在日時が職場での滞在予定時間帯に含まれていない場合、推定部１０３Ｄは、被測定者の滞在場所を職場とは異なる場所と推定する。これに代えて、推定部１０３Ｄは、上述のように、現在日時と職場での滞在予定時間帯の前後の所定時間との関係及び現在日時に対応する曜日を考慮して、被測定者の滞在場所を推定してもよい。

（第３の生活パターンデータの例）
生活パターンデータが職場での滞在予定時間帯及び出勤曜日を含む例について説明する。
現在日時が職場での滞在予定時間帯に含まれている場合、推定部１０３Ｄは、現在日時に対応する曜日が出勤曜日か否かを判断する。現在日時に対応する曜日が出勤曜日である場合、推定部１０３Ｄは、被測定者の滞在場所を職場と推定する。現在日時に対応する曜日が出勤曜日ではない場合、推定部１０３Ｄは、被測定者の滞在場所を職場とは異なる場所と推定する。

現在日時が職場での滞在予定時間帯に含まれていない場合、推定部１０３Ｄは、被測定者の滞在場所を職場とは異なる場所と推定する。これに代えて、推定部１０３Ｄは、上述のように、現在日時と職場での滞在予定時間帯の前後の所定時間との関係及び現在日時に対応する曜日と出勤曜日との関係を考慮して、被測定者の滞在場所を推定してもよい。

（第４の生活パターンデータの例）
生活パターンデータが自宅での滞在予定時間帯、職場での滞在予定時間帯及び出勤曜日を含む例について説明する。この例の生活パターンデータは、図５に示す生活パターン候補に相当する。

現在日時が自宅での滞在予定時間帯に含まれている場合、推定部１０３Ｄは、被測定者の滞在場所を自宅と推定する。現在日時が職場での滞在予定時間帯に含まれている場合、推定部１０３Ｄは、第３の生活パターンデータの例で説明したように被測定者の滞在場所を推定する。つまり、推定部１０３Ｄは、現在日時に対応する曜日と出勤曜日との関係を考慮して、被測定者の滞在場所を職場または職場とは異なる場所と推定する。

現在日時が自宅での滞在予定時間帯及び職場での滞在予定時間帯の何れにも含まれていない場合、推定部１０３Ｄは、例えば以下のように処理する。
一例では、推定部１０３Ｄは、被測定者の滞在場所を自宅及び職場の何れとも異なる場所と推定する。

別の例では、推定部１０３Ｄは、現在日時が自宅での滞在予定時間帯または職場での滞在予定時間帯のどちらに近いのかを判断する。現在日時が職場での滞在予定時間帯よりも自宅での滞在予定時間帯に近い場合、推定部１０３Ｄは、被測定者の滞在場所を自宅と推定する。一方、現在日時が自宅での滞在予定時間帯よりも職場での滞在予定時間帯に近い場合、推定部１０３Ｄは、現在日時に対応する曜日と出勤曜日との関係を考慮して、被測定者の滞在場所を推定する。つまり、現在日時に対応する曜日が出勤曜日である場合、推定部１０３Ｄは、被測定者の滞在場所を職場と推定する。一方、現在日時に対応する曜日が出勤曜日ではない場合、推定部１０３Ｄは、被測定者の滞在場所を職場とは異なる場所と推定する。

さらに別の例では、推定部１０３Ｄは、第１の生活パターンデータの例で説明したように現在日時と自宅での滞在予定時間帯の前後の所定時間との関係を考慮して、被測定者の滞在場所を推定する。同様に、推定部１０３Ｄは、第３の生活パターンデータの例で説明したように、現在日時と職場での滞在予定時間帯の前後の所定時間との関係及び現在日時に対応する曜日と出勤曜日との関係を考慮して、被測定者の滞在場所を推定する。

（第５の生活パターンデータの例）
生活パターンデータが自宅での滞在予定時間帯及び職場での滞在予定時間帯を含むが、出勤曜日を含んでいない例について説明する。

現在日時が自宅での滞在予定時間帯に含まれている場合、推定部１０３Ｄは、被測定者の滞在場所を自宅と推定する。現在日時が職場での滞在予定時間帯に含まれている場合、推定部１０３Ｄは、第２の生活パターンデータの例で説明したように被測定者の滞在場所を推定する。つまり、推定部１０３Ｄは、現在日時に対応する曜日を考慮して、被測定者の滞在場所を職場または職場とは異なる場所と推定する。

現在日時が自宅での滞在予定時間帯及び職場での滞在予定時間帯の何れにも含まれていない場合、推定部１０３Ｄは、例えば以下のように処理する。
一例では、推定部１０３Ｄは、被測定者の滞在場所を自宅及び職場の何れとも異なる場所と推定する。

別の例では、推定部１０３Ｄは、現在日時が自宅での滞在予定時間帯または職場での滞在予定時間帯のどちらに近いのかを判断する。現在日時が職場での滞在予定時間帯よりも自宅での滞在予定時間帯に近い場合、推定部１０３Ｄは、被測定者の滞在場所を自宅と推定する。一方、現在日時が自宅での滞在予定時間帯よりも職場での滞在予定時間帯に近い場合、推定部１０３Ｄは、現在日時に対応する曜日を考慮して、被測定者の滞在場所を推定する。つまり、現在日時に対応する曜日が平日である場合、推定部１０３Ｄは、被測定者の滞在場所を職場と推定する。一方、現在日時に対応する曜日が平日以外の日である場合、推定部１０３Ｄは、被測定者の滞在場所を職場とは異なる場所と推定する。

さらに別の例では、推定部１０３Ｄは、第１の生活パターンデータの例で説明したように現在日時と自宅での滞在予定時間帯の前後の所定時間との関係を考慮して、被測定者の滞在場所を推定してもよい。同様に、推定部１０３Ｄは、第２の生活パターンデータの例で説明したように、現在日時と職場での滞在予定時間帯の前後の所定時間との関係及び現在日時に対応する曜日を考慮して、被測定者の滞在場所を推定する。

生活パターンデータが３以上の場所に関する滞在予定時間帯を含む例は、上述の第４の生活パターンデータの例及び第５の生活パターンデータの例と同様であるので、その説明を省略する。

このように、推定部１０３Ｄは、生活パターンデータを参照することで、精度良く被測定者の滞在場所を推定することができる。生活パターンデータが出勤曜日を含んでいる場合、推定部１０３Ｄは、より高精度に被測定者の場所を推定することができる。生活パターンデータに含まれる滞在予定時間帯の数が増えるにつれ、推定部１０３Ｄは、より高精度に被測定者の場所を推定することができる。

なお、生活パターンデータが曜日毎に設定されていれば、推定部１０３Ｄは、現在日時に対応する曜日に設定されている生活パターンデータを参照することができる。被測定者は、曜日毎に異なる生活を過ごすことがある。例えば、被測定者は、ある曜日には日中に仕事をし、別の曜日には夜間に仕事をすることがある。推定部１０３Ｄは、曜日毎に設定されている生活パターンデータを参照することで、より高精度に被測定者の滞在場所を推定することができる。

別の例では、推定部１０３Ｄは、生活パターンデータを参照することなく、例えば以下のように、被測定者の滞在場所を推定する。

一例では、推定部１０３Ｄは、現在日時を参照して、被測定者の滞在場所を推定する。現在日時が夜間に含まれている場合、推定部１０３Ｄは、被測定者の滞在場所を自宅と推定する。その理由は、多くの人は夜間には自宅に滞在している可能性が高いからである。現在日時が平日の日中に含まれている場合、推定部１０３Ｄは、被測定者の滞在場所を職場と推定する。その理由は、多くの人は平日の日中には職場に滞在している可能性が高いからである。なお、現在日時が平日の日中に含まれている場合、推定部１０３Ｄは、被測定者の滞在場所を職場と推定する代わりに、自宅とは異なる場所と推定してもよい。その理由は、仕事をリタイアした人が平日の日中に滞在する場所は職場ではないからである。

別の例では、推定部１０３Ｄは、現在日時及び活動量を参照して、被測定者の滞在場所を推定する。この例では、メモリ１０４は、被測定者が第１の場所と第２の場所との間の移動に要する合計活動量を予め記憶している。合計活動量は、被測定者が第１の場所と第２の場所との間を移動したか否かの推定に用いられる。例えば、メモリ１０４は、被測定者が自宅と職場との間の移動に要する合計活動量（以下、「第１の合計活動量」とも称する）を予め記憶している。推定部１０３Ｄは、単位時間当たりの活動量が上述の移動推定用基準値以上であると判断した後の所定時間内の合計活動量（以下、「第２の合計活動量」とも称する）を算出する。例えば、所定時間は、被測定者が自宅と職場との間の移動に要する時間に対応し、予め設定されている。推定部１０３Ｄは、第２の合計活動量を第１の合計活動量と比較する。推定部１０３Ｄは、第２の合計活動量が第１の合計活動量に一致または所定範囲内で略一致すると判断した場合、被測定者が自宅と職場との間を移動したと推定する。この場合、推定部１０３Ｄは、さらに、現在日時に応じて、例えば以下のように滞在場所を推定する。

現在日時が平日の午前である場合、推定部１０３Ｄは、被測定者が自宅から職場へ移動したと推定する。その理由は、多くの人は平日の午前中に出勤する可能性が高いからである。これにより、推定部１０３Ｄは、第２の合計活動量が第１の合計活動量に一致または所定範囲内で略一致すると判断した後の時刻以降は、被測定者の滞在場所を職場と推定することができる。現在日時が平日の午後である場合、推定部１０３Ｄは、被測定者が職場から自宅へ移動したと推定する。その理由は、多くの人は平日の午後に帰宅する可能性が高いからである。これにより、推定部１０３Ｄは、第２の合計活動量が第１の合計活動量に一致または所定範囲内で略一致すると判断した後の時刻以降は、被測定者の滞在場所を自宅と推定することができる。

次に、上述のステップＳ１０３における推定部１０３Ｄによる推定条件を参照した被測定者の状況の推定について説明する。
推定部１０３Ｄは、推定条件を参照して、活動量に基づいて、被測定者が指定場所に滞在中であることを推定する。一例を説明する。推定部１０３Ｄは、単位時間毎の活動量の分布を推定条件に含まれる複数の変化パターンと比較する。推定部１０３Ｄは、単位時間毎の活動量の分布が推定条件に含まれる複数の変化パターンの何れかに一致または略一致するか否かを判断する。例えば、推定部１０３Ｄは、単位時間毎の活動量の分布が変化パターンから所定割合未満の乖離度であれば、この変化パターンに略一致すると判断することができる。

単位時間毎の活動量の分布が推定条件に含まれる第１の変化パターンに一致または略一致している場合、推定部１０３Ｄは、被測定者が指定場所に滞在中であることを推定する。単位時間毎の活動量の分布が推定条件に含まれる第２の変化パターンに一致または略一致している場合、推定部１０３Ｄは、被測定者が指定場所に滞在中であることを推定する。単位時間毎の活動量の分布が推定条件に含まれる第３の変化パターンに一致または略一致している場合、推定部１０３Ｄは、被測定者が指定場所から離れていると推定する。つまり、推定部１０３Ｄは、被測定者が指定場所に滞在中ではないと推定する。他方、単位時間毎の活動量の分布が推定条件に含まれる複数の変化パターンの何れにも一致または略一致していない場合、推定部１０３Ｄは、被測定者が指定場所に滞在中ではないと推定する。

なお、単位時間毎の歩数の分布も図７で示した単位時間毎の活動量の分布と類似している。このため、推定部１０３Ｄは、上述の活動量を用いた被測定者の状況の推定と同様に、歩数に基づいて被測定者の状況を推定することができる。例えば、推定部１０３Ｄは、単位時間当たりの歩数の変動に基づいて、被測定者の状況として、被測定者が移動中であること及び被測定者が滞在中であることを推定することができる。
なお、推定部１０３Ｄは、活動量及び歩数の両方に基づいて、被測定者の状況を推定することもできる。これにより、推定部１０３Ｄは、精度良く被測定者の状況を推定することができる。
このように、推定部１０３Ｄは、活動量及び歩数の少なくとも一方に基づいて、被測定者の状況を推定することができる。例えば、推定部１０３Ｄは、単位時間当たりの活動量及び単位時間当たりの歩数の少なくとも一方の変動に基づいて、被測定者の状況として、被測定者が移動中であること及び被測定者が滞在中であることを推定することができる。例えば、推定部１０３Ｄは、推定条件を参照して、活動量及び歩数の少なくとも一方に基づいて、被測定者が指定場所に滞在中であることを推定することができる。

（効果）
以上詳述したようにこの発明の一実施形態では、血圧計１は、被測定者の活動量及び歩数の少なくとも一方に基づいて、被測定者の状況を推定することができる。これにより、血圧計１は、既に搭載されているセンサからの情報を参照して被測定者の状況を推定することができるので、簡易な構成で被測定者の状況を推定することができる。また、血圧計１は、ＧＰＳ信号といった外部からの信号を参照する必要がないので、ＧＰＳ信号を取得できない場合であっても被測定者の状況を推定することができる。また、血圧計１は、ＧＰＳ信号に基づいて被測定者の状況を推定する場合のように被測定者の状況を推定するための種々の場所の位置情報をメモリ１０４に登録する必要はない。このため、血圧計１は、メモリ資源を有効に活用することができる。また、例えば、血圧計１は、推定された状況における血圧値を取得することができる。その結果、被測定者は、推定された状況における高血圧の疑いを早期に判断することができる。

さらに、この発明の一実施形態では、血圧計１は、被測定者が移動中であること及び被測定者が滞在中であることを推定することができる。これにより、血圧計１は、異なる状況の推定結果を提供することができる。また、例えば、血圧計１は、被測定者の移動中における血圧値及び被測定者の滞在中における血圧値を取得することができる。その結果、被測定者は、移動中（例えば、電車の乗車中）における高血圧の疑いを早期に判断することができる。同様に、被測定者は、どこかの場所での滞在中における高血圧の疑いを早期に判断することができる。

さらに、この発明の一実施形態では、血圧計１は、生活パターンデータを参照して、被測定者の滞在場所を推定することができる。これにより、血圧計１は、精度良く被測定者の滞在場所を推定することができる。例えば、血圧計１は、被測定者の各滞在場所での血圧値を取得することができる。その結果、被測定者は、各滞在場所（例えば、高血圧になり易い場所である職場）での高血圧の疑いを早期に判断することができる。

さらに、この発明の一実施形態では、血圧計１は、活動量及び歩数の少なくとも一方に基づいて推定条件を作成し、推定条件を参照して、被測定者が指定場所に滞在中であることを推定することができる。これにより、血圧計１は、実際に計測された活動量及び歩数の少なくとも一方に基づく推定条件を参照することで、被測定者が指定場所に滞在中であることを精度よく推定することができる。

［その他の実施形態］
なお、血圧計１は、上述のように、被測定者による血圧測定の開始指示の入力、または血圧計１が自律的に発生するトリガー信号に基づいて血圧測定を開始するタイプの血圧計に限られるものではない。血圧計１は、例えば、ＰＴＴ（Pulse Transmit Time）方式、トノメトリ方式、光学方式、電波方式、または、超音波方式などを用いた連続測定型の血圧検出方式を採用した血圧計であってもよい。ＰＴＴ方式は、脈波伝播時間（ＰＴＴ）を測定し、測定した脈波伝播時間から血圧値を推定する方式である。トノメトリ方式は、手首の橈骨動脈等の動脈が通る生体部位（被測定部位）に圧力センサを直接接触させて、圧力センサが検出する情報を用いて血圧値を測定する方式である。光学方式、電波方式、及び、超音波方式は、光、電波または超音波を血管にあててその反射波から血圧値を測定する方式である。

なお、一実施形態で説明した血圧計１の処理は、情報処理装置の一例となる活動量計または歩数計で実行されてもよい。つまり、活動量計または歩数計が備えるＣＰＵは、信号取得部１０３Ａと、計測部１０３Ｂと、設定取得部１０３Ｃと、推定部１０３Ｄとを実装していてもよい。

なお、一実施形態で説明した血圧計１の処理は、情報処理装置の一例となる外部装置８０で実行されてもよい。外部装置８０が備えるＣＰＵは、信号取得部１０３Ａと、計測部１０３Ｂと、設定取得部１０３Ｃと、推定部１０３Ｄとを実装していてもよい。この場合、外部装置８０は、血圧計１から加速度信号等を取得し、上述のＣＰＵ１０３により実装される各部の処理と同様の処理を実行することができる。

要するにこの発明は、上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合せにより種々の発明を形成できる。例えば、実施形態に示される全構成要素からいくつかの構成要素を削除してもよい。さらに、異なる実施形態に亘る構成要素を適宜組み合わせてもよい。

上記各実施形態において説明された種々の機能部は、回路を用いることで実現されてもよい。回路は、特定の機能を実現する専用回路であってもよいし、プロセッサのような汎用回路であってもよい。

上記各実施形態の処理の少なくとも一部は、汎用のコンピュータを基本ハードウェアとして用いることでも実現可能である。上記処理を実現するプログラムは、コンピュータで読み取り可能な記録媒体に格納して提供されてもよい。プログラムは、インストール可能な形式のファイルまたは実行可能な形式のファイルとして記録媒体に記憶される。記録媒体としては、磁気ディスク、光ディスク（ＣＤ−ＲＯＭ（Compact Disc-Read Only Memory）、ＣＤ−Ｒ（Compact Disc-Recordable）、ＤＶＤ（Digital Versatile Disc）等）、光磁気ディスク（ＭＯ（Magneto Optical）等）、半導体メモリなどである。記録媒体は、プログラムを記憶でき、かつ、コンピュータが読み取り可能であれば、何れであってもよい。また、上記処理を実現するプログラムを、インターネットなどのネットワークに接続されたコンピュータ（サーバ）上に格納し、ネットワーク経由でコンピュータ（クライアント）にダウンロードさせてもよい。

上記の実施形態の一部または全部は、以下の付記のようにも記載され得るが、以下には限られるものではない。
（付記１）
対象者の動きを検出するセンサから前記対象者の動きを表す信号を取得し、
前記対象者の動きを表す信号に基づいて前記対象者の活動量及び歩数の少なくとも一方を計測し、
前記活動量及び前記歩数の少なくとも一方に基づいて、前記対象者の状況を推定するように構成されているプロセッサと、
前記プロセッサを動作させる命令を記憶するメモリと、
を備える情報処理装置。

（付記２）
少なくとも１つのプロセッサを用いて、対象者の動きを検出するセンサから前記対象者の動きを表す信号を取得する信号取得過程と、
前記少なくとも１つのプロセッサを用いて、前記対象者の動きを表す信号に基づいて前記対象者の活動量及び歩数の少なくとも一方を計測する計測過程と、
前記少なくとも１つのプロセッサを用いて、前記活動量及び前記歩数の少なくとも一方に基づいて、前記対象者の状況を推定する推定過程と、
を備える情報処理方法。

１…血圧計、１０…本体、１０Ａ…ケース、１０Ｂ…ガラス、１０Ｃ…裏蓋、２０…ベルト、３０…カフ構造体、３０ａ…一端、３０ｂ…他端、３０ｃ…内周面、８０…外部装置、９０…左手首、９１…橈骨動脈、９２…尺骨動脈、９３…橈骨、９４…尺骨、９５…腱、１０１…表示部、１０２…操作部、１０３…ＣＰＵ、１０３Ａ…信号取得部、１０３Ｂ…計測部、１０３Ｃ…設定取得部、１０３Ｄ…推定部、１０３Ｅ…信号出力部、１０３Ｆ…血圧測定部、１０３Ｇ…指定情報取得部、１０３Ｈ…作成部、１０４…メモリ、１０５…加速度センサ、１０６…温湿度センサ、１０７…気圧センサ、１０８…通信部、１０９…電池、１１０…第１圧力センサ、１１１…第２圧力センサ、１１２…ポンプ駆動回路、１１３…ポンプ、１１４…開閉弁、２０１…第１ベルト部、２０１ａ…根元部、２０１ｂ…先端部、２０２…第２ベルト部、２０２ａ…根元部、２０２ｂ…先端部、２０２ｃ…小穴、２０３…尾錠、２０３Ａ…枠状体、２０３Ｂ…つく棒、２０３Ｃ…連結棒、２０４…ベルト保持部、３０１…カーラ、３０２…押圧カフ、３０３…背板、３０４…センシングカフ、３０４Ａ…第１のシート、３０４Ｂ…第２のシート、４０１…連結棒、４０２…連結棒、５０１…可撓性チューブ、５０２…可撓性チューブ、５０３…第１の流路形成部材、５０４…第２の流路形成部材。

Claims (6)

1. 対象者の動きを検出するセンサから前記対象者の動きを表す信号を取得する信号取得部と、
   前記対象者の動きを表す信号に基づいて前記対象者の活動量及び歩数の少なくとも一方を計測する計測部と、
   前記活動量及び前記歩数の少なくとも一方に基づいて、前記対象者の状況を推定する推定部と、
   を備える情報処理装置。
2. 前記推定部は、単位時間当たりの前記活動量及び単位時間当たりの前記歩数の少なくとも一方の変動に基づいて、前記対象者の状況として、前記対象者が移動中であること及び前記対象者が滞在中であることを推定する、請求項１に記載の情報処理装置。
3. 前記対象者の少なくとも１つの場所に関する滞在予定時間帯を含む生活パターンデータを取得する設定取得部をさらに備え、
   前記推定部は、前記対象者が滞在中であることを推定した場合に、前記生活パターンデータを参照して、前記対象者の滞在場所を推定する、請求項１または２に記載の情報処理装置。
4. 前記対象者による指定に基づく指定場所及び前記指定場所での過去の滞在日時範囲を含む指定情報を取得する指定情報取得部と、
   前記滞在日時範囲を含む時間帯における前記活動量及び前記歩数の少なくとも一方に基づいて、前記指定場所に滞在中であることの推定に用いられる推定条件を作成する作成部をさらに備え、
   前記推定部は、前記推定条件を参照して、前記対象者が前記指定場所に滞在中であることを推定する、
   請求項１に記載の情報処理装置。
5. 対象者の動きを検出するセンサから前記対象者の動きを表す信号を取得する信号取得過程と、
   前記対象者の動きを表す信号に基づいて前記対象者の活動量及び歩数の少なくとも一方を計測する計測過程と、
   前記活動量及び前記歩数の少なくとも一方に基づいて、前記対象者の状況を推定する推定過程と、
   を備える情報処理方法。
6. 請求項１から４の何れか１項に記載の情報処理装置が備える各部としてコンピュータを機能させる情報処理プログラム。