JP2019197269A - 健康サポートシステム - Google Patents
健康サポートシステム Download PDFInfo
- Publication number
- JP2019197269A JP2019197269A JP2018089390A JP2018089390A JP2019197269A JP 2019197269 A JP2019197269 A JP 2019197269A JP 2018089390 A JP2018089390 A JP 2018089390A JP 2018089390 A JP2018089390 A JP 2018089390A JP 2019197269 A JP2019197269 A JP 2019197269A
- Authority
- JP
- Japan
- Prior art keywords
- support system
- health
- cold
- data
- health support
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Bidet-Like Cleaning Device And Other Flush Toilet Accessories (AREA)
- Air Conditioning Control Device (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【課題】ユーザの健康状態の推定および健康状態の改善を促す健康サポートシステムを構築する。【解決手段】健康サポートシステムは、ユーザの生体情報を取得する第一センシング装置と、抽象化データに基づいて動作する第一アクチュエータ装置と、前記第一センシング装置と前記第一アクチュエータ装置とにネットワークを介して接続される第一サーバと、を前記ユーザが普段生活を行う日常生活空間に備える。前記第一センシング装置または前記サーバは前記生体情報に基づいて前記抽象化データを生成する。前記抽象化データは前記ユーザの健康状態を推定して分類したものである。前記第一アクチュエータ装置は前記ユーザの健康状態の改善を促す。【選択図】図1
Description
本開示は健康サポートシステムに関し、例えば家電機器を用いた健康サポートシステムに適用可能である。
家電機器は、一般家庭に広く浸透し、人々の生活を大きく変化させてきた。例えば、冷蔵庫や洗濯機などの白物家電は家事の効率を大幅に向上させ、テレビやステレオなどの映像音響機器は新しい娯楽を提供してきた。これら複数の家電機器とホームサーバとにより家電システムを構成したり(例えば、特開2002−315079号公報)、複数の家電機器をネットワークで接続して家電システムを構成したりすることが提案されている(例えば、特開2015−184563号公報)。
日常生活における活動をサポートする機能を持つ装置(例えば、家電機器、住宅施設品、車載装置)を用いて、ユーザの健康状態の推定および健康状態の改善を促す健康サポートシステムを構築する。
その他の課題と新規な特徴は、本開示の記述および添付図面から明らかになるであろう。
その他の課題と新規な特徴は、本開示の記述および添付図面から明らかになるであろう。
本開示のうち、代表的なものの概要を簡単に説明すれば、下記のとおりである。
すなわち、健康サポートシステムは、日常生活空間にあるセンシング装置でセンシングされたセンシングデータに基づいてユーザの健康状態を推定して抽象化し、抽象化された前記健康状態の抽象化データに基づいてアクチュエータ装置が前記ユーザの健康状態の改善を促す。
すなわち、健康サポートシステムは、日常生活空間にあるセンシング装置でセンシングされたセンシングデータに基づいてユーザの健康状態を推定して抽象化し、抽象化された前記健康状態の抽象化データに基づいてアクチュエータ装置が前記ユーザの健康状態の改善を促す。
上記健康サポートシステムによれば、ユーザの健康状態の推定および健康状態の改善を促すことができる。
以下、実施形態および実施例について、図面を用いて説明する。ただし、以下の説明において、同一構成要素には同一符号を付し繰り返しの説明を省略することがある。
<実施形態>
(日常空間の健康サポート)
普段生活を行う居住空間(以下、日常生活空間という。)における健康サポートシステムについて図1〜4を用いて説明する。図1は日常生活空間の健康サポートシステムの構成例を示す図である。図2は図1のセンシング装置、アクチュエータ装置およびバイ・ファンクション装置の概略構成を示すブロック図である。図3は図2のセンシング装置に内蔵されたセンサおよびそのセンシング情報を処理するマイクロコンピュータ(MCU)のブロック図である。図4は図2のアクチュエータ装置に内蔵されたMCUおよびアクチュエータ機器のブロック図である。
(日常空間の健康サポート)
普段生活を行う居住空間(以下、日常生活空間という。)における健康サポートシステムについて図1〜4を用いて説明する。図1は日常生活空間の健康サポートシステムの構成例を示す図である。図2は図1のセンシング装置、アクチュエータ装置およびバイ・ファンクション装置の概略構成を示すブロック図である。図3は図2のセンシング装置に内蔵されたセンサおよびそのセンシング情報を処理するマイクロコンピュータ(MCU)のブロック図である。図4は図2のアクチュエータ装置に内蔵されたMCUおよびアクチュエータ機器のブロック図である。
図1に示すように、日常生活空間の一例である自宅100は、サーバの一例であるホームサーバ110と、アクチュエータ装置120と、バイ・ファンクション装置130と、センシング装置140と、それらを接続するネットワークの一例であるホームネットワーク150と、を備える。
ホームサーバ110はCPUと入力部と表示部と通信部と記憶部とを備え、記憶部は健康情報データベース111および健康情報データベース111より解析した機器の最適な制御情報である機器制御情報112を格納している。ホームサーバ110の健康情報データベース111はマスターデータである。
また、ホームサーバ110の通信部は自宅100に設置されたアクチュエータ装置120、バイ・ファンクション装置130およびセンシング装置140との通信IF(インタフェース)を持ち、データ送受信の機能を有する。また、アクチュエータ装置120、バイ・ファンクション装置130およびセンシング装置140はすべて通信IFを有しており、ホームネットワーク150を介してホームサーバ110と機能分類に応じた内容の通信を行う。
アクチュエータ装置120は、外部より制御を行うことで機器動作や情報表示する機能を有する、受動的な動作を行う装置であり、ホームサーバ110より機器制御情報112の制御信号を受信し、設定や動作を変更する。例えば、照明120aやTV(テレビジョン)120b、電子レンジ120c、炊飯器120d、冷蔵庫120e等の家電機器、および風呂120f等の住宅施設品がアクチュエータ装置120に該当し、ホームサーバ110より受信した装置のユーザ(利用者)である居住者(住人)の健康状態に応じて最適な動作を提案する。
センシング装置140は、各装置に内蔵されたセンサなどによりセンシング情報を取得し動作状況を外部にデータ送信する機能を有する装置であり、ホームサーバ110に対しセンシング情報を送信する。例えば、トイレ140a等の住宅施設品、ベッド140b等の家具、および電話機140c、電動歯ブラシ140d、ドライヤ140e等の家電機器がセンシング装置140に該当し、体温、脈拍、心拍、声の調子、咳の回数など生体情報を取得し、抽象化健康情報(以下、抽象化データという。)を推定し、ホームサーバ110に送信する。抽象化データの推定はホームサーバ110で行ってもよい。
バイ・ファンクション装置130はアクチュエータ装置120とセンシング装置140の両方の機能を持ち、外部からの制御およびセンサによるセンシング情報を他機器にデータ送信、およびセンシング情報を自己の制御にも用いることができる、能動的な装置である。バイ・ファンクション装置130はセンシング機能を有するアクチュエータ装置であり、アクチュエータ機能を有するセンシング装置である。バイ・ファンクション装置130はホームサーバ110から制御信号を受信したり、センシング情報を送信したりする。例えば、エアコン130aや洗濯機130c等の家電機器および洗面台130b等の住宅施設品がバイ・ファンクション装置130に該当する。
図2に示すように、センシング装置140はホームサーバ110を介してアクチュエータ装置120およびバイ・ファンクション装置130を動作させる。センシング装置140はマイクロコントローラ(MCU)141とセンサ142とを備える。センサ142は例えば温度センサ、着座センサ、湿度センサ、音量センサ等である。MCU141はセンサ142のセンシング情報を処理し抽象化しホームサーバ110に送信する。
アクチュエータ装置120はMCU121とアクチュエータ123とを備える。アクチュエータ123は例えばモータ、スピーカ、ヒータ、灯り等である。MCU121はホームサーバ110からの機器制御情報112に基づいてアクチュエータ123を動作させる。
バイ・ファンクション装置130はMCU131とセンサ132とアクチュエータ133とを備える。センサ132は例えば温度センサ、着座センサ、湿度センサ、音量センサ等である。アクチュエータ133は例えばモータ、スピーカ、ヒータ、灯り等である。MCU131はセンサ132のセンシング情報を処理し抽象化しホームサーバ110に送信する。MCU131はホームサーバ110からの機器制御情報112または自身がセンシング情報を処理し抽象化した情報に基づいてアクチュエータ機器123を動作させる。
図3に示すように、センサ142(温度センサ142a、着座センサ142b、湿度センサ142c、音量センサ142d)から出力された信号はMCU141に内蔵された周辺装置(Peripheral)144(アナログ/デジタル変換器(ADC)144aやタイマ(TIMER)144b、汎用I/Oポート(GPIO)144c、シリアルインタフェース(Serial IF)144dなど)でMCU141に取り込まれる。CPU145の解析により記憶装置146の不揮発性メモリ(FLASH)146aおよび揮発性メモリ(RAM)145bに記録されているセンシング情報のパターンから抽象化データを選択する。抽象化データは周辺装置144の通信モジュール(シリアルインタフェース(Serial IF)144d)でホームサーバ110に送信される。CPU145により実行されるソフトウェアプログラムは記憶装置146に格納される。抽象化データの選択は記憶装置146にある既存データを読み出すのではなく、MCU141内でセンシング情報を蓄積および学習したデータからユーザの健康状態を割り出し、抽象化データを生成するAI機能であってもよい。
図4に示すように、CPU125はホームサーバ110から受信した抽象化データを解析し、記憶装置126の不揮発性メモリ(FLASH)126aおよび揮発性メモリ(RAM)126bに記録されている最適な制御方法を選択する。CPU125は周辺装置124であるデジタル/アナログ変換器(DAC)124eやタイマ124bを制御し、アクチュエータ123のモータ(Motor)123aやスピーカ(Speaker)123b、ヒータ(Heater)123c、灯り(Lighting)123d、その他の家電機器(Other Home Appliance)123eの駆動制御を行う。制御方法の選択方法は、記憶装置126に保存された既存制御データを読み出すのではなく、MCU121内で蓄積および学習したデータから最適な制御方法を割り出すAI機能であってもよい。
次に、健康サポートシステムの動作について説明する。
(1)センシング情報から抽象化データの作成
自宅100に設置され、かつホームネットワーク150に接続されたセンシング装置40やバイ・ファンクション装置130が装置使用状況などを各装置自身で収集する。情報収集手段としては、電源ON、OFFや機器のコース設定、センサなどによる接触情報などがある。各装置は収集したデータを解析し、居住者の抽象的な体調をホームネットワーク150を通じてホームサーバ110の健康情報データベース111に蓄積する。
(1)センシング情報から抽象化データの作成
自宅100に設置され、かつホームネットワーク150に接続されたセンシング装置40やバイ・ファンクション装置130が装置使用状況などを各装置自身で収集する。情報収集手段としては、電源ON、OFFや機器のコース設定、センサなどによる接触情報などがある。各装置は収集したデータを解析し、居住者の抽象的な体調をホームネットワーク150を通じてホームサーバ110の健康情報データベース111に蓄積する。
ホームサーバ110は機器制御情報112を蓄積して解析し、居住者の抽象的な体調を健康情報データベース111に格納してもよい。例えば室内温度や炊飯器の調理設定など長期間同じ使い方であれば健康状態は良好のように記録する。一定期間平常時と異なる使い方や設定を検知すると体調に問題があると判断し、ストレス状態や風邪のような症状と、症状の度合いを抽象的な健康情報(抽象化データ)として記録する。
(2)抽象化データに基づいたアクチュエータ装置の制御
自宅100では、健康情報データベース111を基に機器制御情報112を生成し、設置されたアクチュエータ装置120およびバイ・ファンクション装置130に制御信号を送信し自動制御を行ったり、情報表示を行ったりする。居住者の体調に合わせて各装置の設定を変更したり、体調を整える装置の使い方を居住者に提案したりすることもできる。
(2)抽象化データに基づいたアクチュエータ装置の制御
自宅100では、健康情報データベース111を基に機器制御情報112を生成し、設置されたアクチュエータ装置120およびバイ・ファンクション装置130に制御信号を送信し自動制御を行ったり、情報表示を行ったりする。居住者の体調に合わせて各装置の設定を変更したり、体調を整える装置の使い方を居住者に提案したりすることもできる。
ここではホームサーバ110により機器制御情報112を生成し装置を制御する方法を記述したが、健康情報データベース111に格納された体調等の健康情報を直接アクチュエータ装置120およびバイ・ファンクション装置130に送信し、各装置が居住者の体調にあわせて自動制御したり、情報提供を行ったりする構成としもよい。
(多拠点での健康サポート)
次に、日常生活空間および普段生活を行わない居住空間(以下、非日常生活空間という。)における健康サポートシステムについて図5A〜5C、6、7A〜7Dを用いて説明する。
次に、日常生活空間および普段生活を行わない居住空間(以下、非日常生活空間という。)における健康サポートシステムについて図5A〜5C、6、7A〜7Dを用いて説明する。
図5Aは自宅と、健康情報データベースを持ち出す外出先との構成を示す図である。図5Bはホテルのアクチュエータ装置、バイ・ファンクション装置およびセンシング装置の構成例を示す図である。図5Cは民泊住居のアクチュエータ装置、バイ・ファンクション装置およびセンシング装置の装置例を示す図である。図6は自宅およびホテルでの健康生活サポートシステムを説明する図である。図7Aは自宅とホテルとの健康情報データベースの記録内容を示す図である。図7B、7Dは図7Aの自宅のホームサーバの健康情報データベースの記録内容を拡大して示す図であり、図7Cは図7Aのホテルの端末の健康情報データベースの記録内容を拡大して示す図である。
非日常生活空間の一例であるビジネスホテル等のホテル200は、自宅100より装置の少ない生活空間である。非日常生活空間の他例である民泊住居300は、自宅100より装置の多い生活空間である。ここで、民泊とは、宿泊用に提供された個人宅の一部や空き別荘、マンションの空き室などに宿泊することである。
ホテル200の端末210および民泊住居300のホームサーバ310はホームサーバ110と同様の機能を持つが、健康情報データベース111を持ち帰るか、別生活空間に移動した場合に消去される点が異なる。
図5B、5Cに示すように、アクチュエータ装置220、バイ・ファンクション装置230、センシング装置240、アクチュエータ装置320、バイ・ファンクション装置330およびセンシング装置340は、アクチュエータ装置120、バイ・ファンクション装置130およびセンシング装置140と同様の装置種類であるが、設置されている装置の数量や機種、機能が異なるものである。例えば、ホテル200のアクチュエータ装置220には電子レンジおよび炊飯器が含まれていない。また、バイ・ファンクション装置230には洗濯機が含まれていない。また、センシング装置240には電話機および電動歯ブラシが含まれていない。一方、民泊住居300のアクチュエータ装置320には電子レンジが含まれていないが、ガスレンジ320g、IH調理器320hおよび空気清浄器320iが含まれている。また、センシング装置340には、トイレ140aの代わりに洗浄トイレ340aが含まれ、AIスピーカ340fが含まれている。
次に、自宅およびホテルでの健康サポートシステムの動作について説明する。
(1)抽象化データの作成
図7Bに示すように、ホームサーバ110内の健康情報データベース111には毎日の居住者の体調が記録されている。体調の記録である「健康情報記録」には、例えば「お腹」、「ストレス」等の状態が記録される。健康情報データベース111には、「ステータス」として自宅、外出等の「環境設定」も記録される。
(2)抽象化データに基づいたアクチュエータ装置の制御
(3)抽象化データのホテルや民泊住居への持ち込み
健康情報データベース111は、不揮発性メモリなどのデータ保存手段やインターネットなどのネットワークを通じて自宅110からホテル200へ持ち出すことが可能である。
(1)抽象化データの作成
図7Bに示すように、ホームサーバ110内の健康情報データベース111には毎日の居住者の体調が記録されている。体調の記録である「健康情報記録」には、例えば「お腹」、「ストレス」等の状態が記録される。健康情報データベース111には、「ステータス」として自宅、外出等の「環境設定」も記録される。
(2)抽象化データに基づいたアクチュエータ装置の制御
(3)抽象化データのホテルや民泊住居への持ち込み
健康情報データベース111は、不揮発性メモリなどのデータ保存手段やインターネットなどのネットワークを通じて自宅110からホテル200へ持ち出すことが可能である。
図5Aに示すように、ユーザは自宅100からホテル200および民泊住居300に健康情報データベース111を持ち出す。
持ち出した健康情報データベース111は非日常生活空間であるホテル200や民泊住居300に持ち込むことで、その空間に設置され装置に応じて最適な制御を行い、居住者の快適な空間を作り出すことができる。
10月8日より出張のためホテル200へ外出し、自宅100から持ち出した健康情報データベース111を端末210にロードすると当日以前までのデータによってアクチュエータ装置220、バイ・ファンクション装置230およびセンシング装置240の制御を行う。また、当日よりホテル200の室内のバイ・ファンクション装置230およびセンシング装置240により抽象化した健康情報を取得し、図7CのCに示すように、持ち出した健康情報データベース111へデータを追記していく。この場合、「環境設定」の蘭には「外出」が記録される。10月9日より体調を崩す(下痢になる)と、ホテル200の室内において体調に合わせたアクチュエータ装置220およびバイ・ファンクション装置230の制御を行う。
(4)自宅100の装置と同じ環境でなくとも、ホテル200、民泊住居300に設置されている装置は、可能な限り最適な動作を提供する。
(4)自宅100の装置と同じ環境でなくとも、ホテル200、民泊住居300に設置されている装置は、可能な限り最適な動作を提供する。
日常生活空間である自宅100と非日常生活空間であるホテル200、および民泊住居300とでは、設置している装置の過不足や機種が異なる場合がある。その性能差を吸収するため、ホテル200の端末210および民泊住居300のホームサーバ310は、その空間に設置された装置の情報と、ロードされた抽象化した健康情報データベース111の内容を基に、各装置の最適な制御方法を自動で決定する。
(5)ホテル200や民泊住居300で蓄積した抽象化データは自宅100に持ち帰ることで、継続して健康状態に応じた装置のサポートを受けることができる。
(5)ホテル200や民泊住居300で蓄積した抽象化データは自宅100に持ち帰ることで、継続して健康状態に応じた装置のサポートを受けることができる。
10月11日に帰宅したが、体調は戻っておらず普段の装置の制御とは異なる設定を行うが、図7Cに示すように健康情報データベース111にはホテル200の室内で取得した抽象化データが記録されており、帰宅してホームサーバ110へロードすると図7Dに示すように外出時のデータが統合されその情報を基にホテル200の室内の環境と同じ、体調不良時における快適環境を継続して受けることが出来る。図7DのDは帰宅後に記録されたデータである。
外出先など生活空間が変わった場合でも、持出しデータによりそのときの健康状態に最適な装置の制御を自動で行うことができ、快適な空間を得られる。また、健康情報と設置されている装置とからユーザに適した生活環境を再現するよう装置の制御を行うため、生活空間を移動した場合でも装置の操作を意識することはない。また、ユーザの健康情報を携帯化することにより、普段の生活空間で蓄積したデータに引き続き外出先でのデータを追記することができるため、データの連続性を確保することができる。また、外出先でユーザの使用状況を取得することができるようになるため、どこにいても体調変化の兆候や発生を早期に知ることができ健康維持ができる。さらに、帰宅後に外出先で収集したデータと自宅のデータとを統合できるため、安定した健康サポートを受けることができる。
次に、外環境が異なる地域へ健康情報データベースを持ち出した場合の装置の動作例について図8、9A、9Bを用いて説明する。図8は温暖地域の自宅から寒冷地域のホテルに外出した場合を示す図である。図9Aは自宅のホームサーバとホテルの端末と民泊住居のホームサーバの動作をシーケンス図で示す図である。図9Bはセンシング装置とホームサーバとアクチュエータ装置の動作をシーケンス図で示した図である。
外出先地域(ホテル200)の外環境が自宅100の外環境と異なる場合、外出先の気候状況に合わせて装置の設定を微調整する。自宅100の外環境の気候情報(例えば気温データ)を取得し健康情報データベース111に記録しておく。例えば温暖地域の自宅100から寒冷地域への旅行などの場合で大きく気温差がある時期は、寒冷地域のホテル200でも外環境の気候情報を取得し、エアコンの温度を上げたり、日照時間が異なるのであれば早めに点灯させたり、冷蔵庫の温度を高めに設定したり、風呂を温めにすることを表示したりする。
ステップS1:温暖地域の自宅100のホームサーバ110はセンシング装置140またはバイ・ファンクション装置130から抽象化データを取得し健康情報データベース(抽象化データベース)111に蓄積する(ステップS1a)。抽象化データベースを寒冷地のホテル200の端末210に持ち込む(ホームサーバ110が端末210に送信する)(ステップS1b)。
ステップS2:ホテル200の端末210は持出し中であることをホームサーバ110の通知する(ステップS2a)。端末210は健康情報データベース111の抽象化データをアクチュエータ装置220に送信する(ステップS2b)。
アクチュエータ装置220は抽象化データと外環境情報である気候情報とで設定され(ステップS2c)、設定完了を端末210に通知する(S2d)。センシング装置240はセンシングデータを取得し(ステップS2e)、端末210に送信する(ステップS2f)。または、取得したセンシングデータを抽象化して抽象化データを端末210に送信する(ステップS2f)。
端末210は受信完了をセンシング装置240に送信する(ステップS2g)。抽象化データを健康情報データベース111に追記する(ステップS2h)。ステップS2bからステップS2hを繰り返す。
健康情報データベース111を自宅100に持ち帰る(端末210がホームサーバ110に送信する)(ステップS2i)。
ステップS3:ホームサーバ110は持ち出した健康情報データベースと持ち帰った健康情報データベース111との抽象化データの差分を反映する(ステップS3a)。ホームサーバ110は端末210の健康情報データベース111を削除する(ステップS3b)。ホームサーバ110はセンシング装置140またはバイ・ファンクション装置130から抽象化データを取得し健康情報データベース111に蓄積する(ステップS3c)。抽象化データベースを温暖地域の民泊住居300のホームサーバ310に持ち込む(ホームサーバ110がホームサーバ310に送信する)(ステップS3d)。
ステップS4:民泊住居300のホームサーバ310は持出し中であることをホームサーバ110の通知する(ステップS4a)。ホームサーバ310はセンシング装置340またはバイ・ファンクション家電330から抽象化データを取得し抽象化データを健康情報データベース111に追記する(ステップS4b)。健康情報データベース111を自宅100に持ち帰る(ホームサーバ310がホームサーバ110に送信する)(ステップS4c)。
ステップS5:ホームサーバ110は持ち出した健康情報データベースと持ち帰った健康情報データベース111との抽象化データの差分を反映する(ステップS5a)。
実施形態では、非日常生活空間としてホテルや民泊住居の例を説明したが、これに限定されるものではなく、自家用車やタクシー、電車等の車内空間、自家用船舶やクルーズ客船等の船内空間、自家用飛行機や旅客機等の機内空間であってもよい。
実施形態によれば、下記の効果がある。
(1)日常生活空間に設置されたセンシング装置により、意識することなく、その居住者(ユーザ)の抽象化された健康状態を把握することができる。
(2)センシング装置の情報によりアクチュエータ装置を直接制御する場合、それぞれの機種や機器数に一対一の関係が必要な特殊制御系となる。言い換えれば、センシング装置とアクチュエータ装置との間に一対一の関係が存在しない場合、その制御関係を保つことができない。一方、センシング装置からのセンシングデータに基づいた抽象化された健康状態をもとに、アクチュエータ装置が健康サポートする場合、必ずしもセンシング装置とアクチュエータ装置との間に一対一の関係が存在しなくともよい。その結果、居住者が異なるアクチュエータ装置から構成される仮の生活空間(例えば、民泊・ホテル)等に仮泊した場合や仮の生活空間で移動する場合においても、抽象化された健康状態情報を持ち運ぶことで、その場に存在するアクチュエータ装置により健康サポートを行うことができる。すなわち、センシング装置からのセンシングデータに基づいた抽象化された健康状態をもとに、アクチュエータ装置に健康サポートをさせることで、それら装置による制御の汎用性・可搬性が付与される。
(3)上記(1)と(2)により、居住者(ユーザ)は、意識することなく、生活空間の場所・様式によらず、常に健康サポートを受けることが可能となる。
(1)日常生活空間に設置されたセンシング装置により、意識することなく、その居住者(ユーザ)の抽象化された健康状態を把握することができる。
(2)センシング装置の情報によりアクチュエータ装置を直接制御する場合、それぞれの機種や機器数に一対一の関係が必要な特殊制御系となる。言い換えれば、センシング装置とアクチュエータ装置との間に一対一の関係が存在しない場合、その制御関係を保つことができない。一方、センシング装置からのセンシングデータに基づいた抽象化された健康状態をもとに、アクチュエータ装置が健康サポートする場合、必ずしもセンシング装置とアクチュエータ装置との間に一対一の関係が存在しなくともよい。その結果、居住者が異なるアクチュエータ装置から構成される仮の生活空間(例えば、民泊・ホテル)等に仮泊した場合や仮の生活空間で移動する場合においても、抽象化された健康状態情報を持ち運ぶことで、その場に存在するアクチュエータ装置により健康サポートを行うことができる。すなわち、センシング装置からのセンシングデータに基づいた抽象化された健康状態をもとに、アクチュエータ装置に健康サポートをさせることで、それら装置による制御の汎用性・可搬性が付与される。
(3)上記(1)と(2)により、居住者(ユーザ)は、意識することなく、生活空間の場所・様式によらず、常に健康サポートを受けることが可能となる。
以下、健康状態の抽象化およびそれに基づくアクチュエータ装置等の動作の例について幾つかの実施例を用いて説明する。
次に、センサを有する便器を備えるトイレでユーザのお腹の調子を判定する例を説明する。
ここで、自宅100のトイレ140aはセンサ付き便器を備え、便座の昇降状態を検知するセンサ、便座にユーザの体重を測定する重量センサ、便器内に落ちた物質の重量を測定するセンサ、および便器内の水の汚れを測定する水汚れセンサを内蔵しており、各種センサの測定結果を組み合わせて排泄状態およびユーザの体調を判定する構成である。ホテル200のトイレ240aは、トイレ140aの重量センサ、水汚れセンサが省略された、センサの少ない下位機種の便器を備える。民泊居住300のトイレ340aは、トイレ140aのセンサに加え、匂いセンサや感音センサを内蔵した上位機種の便器を備える。以下、トイレ140a,240a,340aを区別する必要がない場合は単にトイレという。
お腹の調子による装置制御処理の概要について図10を用いて説明する。図10はお腹の調子による装置制御処理のフローチャートである。お腹の調子による装置制御処理は以下のステップを有する。
ステップS210ではセンシング装置140によるセンシングデータの取得、例えばトイレ140aは内蔵されるセンサによるデータ取得処理を行う。
ステップS220ではセンシングデータの解析・抽象化、例えばトイレ140aはお腹の調子レベル判定処理(抽象化)を行う。
ステップS230では抽象化データによるアクチュエータ装置等制御、例えばアクチュエータ装置120またはバイ・ファンクション装置130の制御処理を行う。
(データ取得処理)
トイレの内蔵センサによるデータ取得処理(ステップS210)について図11、12を用いて説明する。図11はトイレによるデータ取得処理を示すフローチャートである。図12はトイレ140aによるセンシングデータの取り得る組合せを表で表す図である。
トイレの内蔵センサによるデータ取得処理(ステップS210)について図11、12を用いて説明する。図11はトイレによるデータ取得処理を示すフローチャートである。図12はトイレ140aによるセンシングデータの取り得る組合せを表で表す図である。
まず、トイレはユーザがトイレに入るかどうかを判断し(ステップS211)、ユーザがトイレに入ると、使用時間計測を行うためタイマをスタートさせる(ステップS212)。トイレは洗浄レバーが未操作かどうかを判断し(ステップS218)、ユーザが洗浄レバーを操作すると排泄終了と認識し、タイマを止め使用時間を記録する(ステップS21A)。使用時間は入室および退室時刻から算出してもよい。タイマスタートと同時に各種センサは初期値を測定し記録する(ステップS213)。その後は逐次センサ測定を行い(ステップS219)、洗浄レバー操作まで排泄内容のモニタリングを行う。
トイレは、便座が上がっている状態(ステップS214でNO)で洗浄レバーが操作された場合(ステップS218でNOの場合)、各センシングデータの格納処理を行い(ステップS21B)、水の汚れセンサの初期値とモニタリング時の値を比較し、少量の汚れ(濁り)を検知したならば、男性が小便を行ったと判断する。なお、トイレ240aは水の汚れセンサを備えていないが、汚れを検知しなくても、普段の使用時間から排泄を行ったと判断することができる。
トイレは、便座が下がっている状態(ステップS214でYES)で、かつ便座への着座を検知すると(ステップS214でYESの場合)、各種センサは着座状態の排泄処理開始と認識し、再度初期値を測定する(ステップS217)。洗浄レバーが操作されると(ステップS218でNOの場合)排泄終了と判断し、各センシングデータの格納処理を行う(ステップS21B)。トイレ140aはセンシングデータを各種センサの初期値とモニタリング時の値を比較し、図12に示すように、着座の有無、水濁りの状態、着座時間、排出までの時間、体重変化および水中重量変化として記憶装置146に格納する。
(抽象化処理)
お腹の調子の抽象化処理(お腹の調子レベル判定処理)(ステップS220)について図13A、13B、14〜20を用いて説明する。図13A、13Bはお腹の調子の抽象化処理のフローチャートである。図14はトイレ140aのセンシングデータを中間データに変換するテーブルを示す図である。図15はトイレ240aのセンシングデータを中間データに変換するテーブルを示す図である。図16はトイレ340aのセンシングデータを中間データに変換するテーブルを示す図である。図17は中間データを1日単位で積算した表を示す図である。図18はお腹の体調を抽象化する条件を表にした図である。図19はある期間において下痢を検出した場合のお腹の体調記録例を示す図である。図20は図19の下痢回数を折れ線グラフで表した図である。
お腹の調子の抽象化処理(お腹の調子レベル判定処理)(ステップS220)について図13A、13B、14〜20を用いて説明する。図13A、13Bはお腹の調子の抽象化処理のフローチャートである。図14はトイレ140aのセンシングデータを中間データに変換するテーブルを示す図である。図15はトイレ240aのセンシングデータを中間データに変換するテーブルを示す図である。図16はトイレ340aのセンシングデータを中間データに変換するテーブルを示す図である。図17は中間データを1日単位で積算した表を示す図である。図18はお腹の体調を抽象化する条件を表にした図である。図19はある期間において下痢を検出した場合のお腹の体調記録例を示す図である。図20は図19の下痢回数を折れ線グラフで表した図である。
トイレ使用毎の体調判定処理はお腹の調子の抽象化処理によって行う。トイレ140aにおける処理を以下説明する。判定処理は、トイレ設備によりセンサ構成が異なるため例示のフローチャートの手順に限らない場合があるが、トイレ240aおよびトイレ340aも同様に処理する。また処理効率化のための処理削減、および高機能化のための処理追加を行ってもよく、判定処理は例示の限りではない。
トイレ140aは使用されたかどうかを判断し(ステップS221)、使用された場合、ステップS210で取得したセンシングデータ(図12)に基づいて中間データを生成する(ステップS222)。センシングデータを図14の変換テーブルを用いて中間データに変換する処理を行う(ステップS222a)。各種センサの測定結果からユーザのお腹の調子を判断するには、トイレ使用毎の体調判定表である中間データ変換テーブル(図14〜16)を用いてデータと合致するものを選択する。センシングデータの組み合わせによりお腹の体調が平常か、下痢気味か、便秘気味かを判断する。
なお、図15に示すように、トイレ240aのセンサはトイレ140aよりセンサが少ないため判定に使う項目が減る傾向にある。そのため測定結果に対し体調信頼度係数を乗じ、体調判定の精度を上げる工夫をする。図16に示すように、トイレ340aのセンサはトイレ140aよりセンサが多いため、体調判断の精度が向上する。
体調判定表は例示の組み合わせに限らず、便器の搭載センサにより項目を変更したり、他の体調を追加したり、通信手段を用いた項目アップデートが行われてもよい。また体調判定表はお腹の調子を体調ポイントとして表し、下痢気味を+1、便秘気味を−1として判定を行ったり、プログラムのフラグに割り当て判定を行ったりしてもよい。なお、体調ポイントで判断する場合、例えば0ポイント以外を体調異常として判断するが、個人の体質により常に0以外となることも考えられる。その場合、期間の制限は設けないが、長期間の累積データを持ち、これをユーザの体調判断の基準データとし、1日ごとの記録との剥離から体調判断を行ってもよい。さらに体調判定表を用意せず、日々の使用状況から使用者の体調を類推するシステムであってもよい。
次に、トイレ140aは所定期間(例えば1日)が経過したかどうかを判断し(ステップS222b)、所定期間が経過していない場合、排便回数や下痢回数、便秘回数の積算を行う(ステップS222c)。所定期間が経過した場合は、図17に示すように、お腹の体調履歴に記録する(ステップS222d)。図17の表には各体調データの判断頻度が履歴として記録される。例えば、破線Aで囲った箇所は、ステップS222cで積算される1日の排便情報であり、破線Bで囲った箇所は1日の排便状況の積算回数(中間データの積算)である。
次に、トイレ140aは、図18に示すような中間データの抽象化条件に基づいて抽象化データを生成する。図18は履歴の体調頻度がある条件にあてはまる場合に抽象化データとして体調を確定させるためのものである。判定日数などの期間は症状や個人差に合わせて変更可能である。例えば、2日以上連続で下痢判定があるかどうかを判断し(ステップS223)、YESの場合、直近1週間以上連続で下痢判定があるかどうかを判断しステップS224)、YESの場合、抽象化データとして「下痢レベル2」を生成する(ステップS225a)。ステップS224でNOの場合、トイレ140aは抽象化データとして「下痢レベル1」を生成する(ステップS225b)。
ステップS223で、NOの場合、2日以上連続で便秘判定があるかどうかを判断し(ステップS227)、YESの場合、直近2週間のうち7日以上で便秘判定があるかどうかを判断し(ステップS228)、YESの場合、抽象化データとして「便秘レベル2」を生成する(ステップS225c)。ステップS228でNOの場合、トイレ140aは抽象化データとして「便秘レベル1」を生成する(ステップS225d)。ステップS227でNOの場合、トイレ140aは抽象化データとして「平常」を生成する(ステップS225e)。
図19、20に示すように、10月5日までは下痢回数は0であり、快調であることを示している。一方で、10月6日より下痢回数が1回になり下痢気味であることを示している。
体調に異常なしの期間は特に通知を行わないが、下痢回数が1回以上の日数が2日目となる(2日連続下痢が検出されて抽象化データが「下痢レベル1」になる)10月7日にトイレはホームサーバ110に健康情報(抽象化データ)を送信する。抽象化データを受信したホームサーバ110はアクチュエータ装置120またはバイ・ファンクション装置130に健康情報や制御信号を送信する。この情報送信は中間データの平常が2日以上継続(抽象化データは「平常」)になる10月11日まで続き、アクチュエータ装置120またはバイ・ファンクション装置130はユーザの体調に合わせ、少しでも快適に過ごせるよう各自の制御を行ったり、体調を戻すため食事や行動の提案をユーザに対し行ったりする。
本実施例は1日ごとの記録より体調判定を行っているが、例えば1時間ごとのトイレ使用状況を用いて、使用回数が増加したら体調変化の予兆など、体調変化の予測を行いユーザに対し早期の通知を行う使い方をしてもよい。
(アクチュエータ装置等の制御処理)
図21は自宅のアクチュエータ装置等の動作を示すフローチャートである。
アクチュエータ装置120がホームサーバ110より抽象化データを受信すると、健康状態の分類およびそのレベルから最適な処理を選択し制御する。この処理はバイ・ファンクション装置130も同様に適用される。また、アクチュエータ装置220およびバイ・ファンクション装置230が端末210より抽象化データを受信しても同様の処理を行い、アクチュエータ装置320およびバイ・ファンクション装置330がホームサーバ310より抽象化データを受信しても同様の処理を行う。
図21は自宅のアクチュエータ装置等の動作を示すフローチャートである。
アクチュエータ装置120がホームサーバ110より抽象化データを受信すると、健康状態の分類およびそのレベルから最適な処理を選択し制御する。この処理はバイ・ファンクション装置130も同様に適用される。また、アクチュエータ装置220およびバイ・ファンクション装置230が端末210より抽象化データを受信しても同様の処理を行い、アクチュエータ装置320およびバイ・ファンクション装置330がホームサーバ310より抽象化データを受信しても同様の処理を行う。
アクチュエータ装置120は受信処理を行い(ステップS231)、受信した健康情報(抽象化データ)がお腹、風邪、ストレス等の分類を判定する(ステップS232)。お腹の場合、健康情報(抽象化データ)のレベル判定を行う(ステップS233)。「平常」の場合、下記の平常時の処理を行い(ステップS234a)、「下痢レベル1」の場合、下記の下痢レベル1の処理を行い(ステップS234b)、「下痢レベル2」の場合、下記の下痢レベル2の処理を行い(ステップS234c)、「便秘レベル1」の場合、下記の便秘レベル1の処理を行い(ステップS234d)、「便秘レベル2」の場合、下記の便秘レベル2の処理を行う(ステップS234e)。
なお、ステップ231〜S233をホームサーバ110で行い、ステップS234a〜S234eをアクチュエータ装置120またはバイ・ファンクション装置130で行ってもよい。
ステップS234aの平常時の処理は、例えば、エアコン130aは平常時の運転を行う。冷蔵庫120eは音声ガイダンスで例えば「庫内の材料で作れるメニューを考えます。」と提案する。洗面台130bの前に立つと、洗面台130bは音声ガイダンスにより例えば「今日も快調ですね。」と告げる。また、洗面台130bは内蔵ディスプレイ上に健康体シンボルを表示する。
ステップS234bの下痢レベル1の処理は、例えば、エアコン130aはお腹が冷えないよう設定温度を1℃上げる。冷蔵庫120eは音声ガイダンスで例えば「お腹の調子が悪いですか?スポーツドリンクで水分補給しましょう。」と提案する。洗面台130bの前に立つと、洗面台130bは音声ガイダンスにより下痢気味であることを例えば「お腹が下り気味です。水分補給と消化に良い食事をしましょう。」と告げ、体調改善に向けたアドバイスを提案する。また、洗面台130bは内蔵ディスプレイ上に身体シンボルを表示し、身体シンボルのお腹の部分を点滅等により強調表示することで、一目で体調不良を確認できるようにする。
ステップS234cの下痢レベル2の処理は、例えば、エアコン130aは下痢レベル1と同じ動作をする。冷蔵庫120eは音声ガイダンスで例えば「お腹の調子が悪いですね。消化によいメニューを考えます。」と提案する。洗面台130bの前に立つと、洗面台130bは音声ガイダンスにより下痢気味であることを例えば「下痢が長引いています。お医者さんへ相談も考えましょう。」と告げる。また、洗面台130bは内蔵ディスプレイ上に身体シンボルを表示し、身体シンボルのお腹の部分を点滅等により強調表示する。
ステップS234dの便秘レベル1の処理は、例えば、エアコン130aは足の冷えによる便秘解消、または悪化を防ぐためルーバーを下方向に向け、足元を温めるよう動作する。冷蔵庫120eはお腹の張りがある場合は野菜や果物のように食物繊維を摂取できる食材を音声ガイダンスで例えば「お腹が張っていますか?野菜や果物を多めに取りましょう。」と提案する。洗面台130bの前に立つと、洗面台130bは音声ガイダンスにより便秘気味であることを例えば「便秘気味ですね。水分補給と食物繊維を含む食事をしましょう。」と告げ、体調改善に向けたアドバイスを提案する。また、洗面台130bは「長時間踏ん張ると痔になります。」と音声ガイダンで注意を促す。また、洗面台130bは内蔵ディスプレイ上に身体シンボルを表示し、お腹の部分を点滅等により強調表示することで、一目で体調不良を確認できるようにする。炊飯器120dは音声ガイダンスで「便秘ですか?おかゆは、どうでしょう。」と提案する。
ステップS234dの便秘レベル2の処理は、例えば、エアコン130aは「便秘レベル1」の動作に加え、設定温度を1℃上げる。冷蔵庫120eは音声ガイダンスで例えば「お腹が張っていますね。食物繊維が取れるメニューを考えます。」と提案する。洗面台130bの前に立つと、洗面台130bは音声ガイダンスにより例えば「便秘が長引いています。お医者さんへ相談も考えましょう。」と告げる。また、洗面台130bは、「便秘レベル1」と同様に、内蔵ディスプレイ上に身体シンボルを表示し、お腹の部分を点滅等により強調表示する。
ホテル200は自宅100とは装置構成や装置機能が異なるため同じ体調の情報でも動作が異なる。例えば冷蔵庫220eには通常食材は用意されない。そのため、ホテル内の食堂やカフェでの食事を促す提案を行う。洗面台230bは表示機能がないので、洗面台130bと同様の音声ガイダンスのみを行う。なお、エアコン230aはエアコン130aと同様の機能であるので、エアコン130aと同様の動作を行う。
例えば、ステップS234aの平常の処理では、冷蔵庫220eは音声ガイダンスで「お食事は当ホテル食堂の本日のお勧め○○はいかがでしょうか。」と提案する。
ステップS234bの下痢レベル1の処理では、冷蔵庫220eは音声ガイダンスで「お腹の調子が悪いですか?スポーツドリンクで水分補給しましょう。当ホテルの売店は1Fロビー前にあります。」と提案する。
ステップS234cの下痢レベル2の処理では、冷蔵庫220eは音声ガイダンスで「お腹の調子が悪いですね。お食事は消化に良い△△を当ホテル食堂にてご用意しています。」と告げる。
ステップS234dの便秘レベル1の処理は、「お腹が張っていますか?野菜や果物を多めに取りましょう。当ホテルカフェにて軽食をご用意しています。」と提案する。
ステップS234eの便秘レベル2の処理は、「お腹が張っていますね。お食事はお通じを促すのに良い××を当ホテル食堂にてご用意しています。」と告げる。
風邪判定の例を図22〜37を用いて説明する。図22は風邪判定の概要を示すフローチャートである。
本例は居住者であるユーザの体温、発声内容(閉鼻音、咳、くしゃみ、鼻啜音、こう
鼻音)、および動作(くしゃみ、こう鼻動作)をセンシングおよび信号処理(ステップS310〜S330)により、平常時と風邪をひいたときの違いを検知し風邪と判断する処理の例である。
鼻音)、および動作(くしゃみ、こう鼻動作)をセンシングおよび信号処理(ステップS310〜S330)により、平常時と風邪をひいたときの違いを検知し風邪と判断する処理の例である。
(体温から風邪を判定する方法)
(1)ユーザ体温の測定
ユーザの体温は、センシング装置140またはバイ・ファンクション装置130に内蔵される温度センサなどで測定を行う。装置はユーザの体温変動を継続的かつ定期的に記録し、図23に示すようなユーザ体温変動の履歴を蓄積する。図23では半日毎に体温を記録しているが、より精密に体温変動を検知するため測定間隔を短くしたりしてもよい。またこの体温変動の履歴より、事前にユーザの平熱が算出されているものとする。
(2)ユーザ体温を風邪レベルに変換
図24は発熱風邪判定表を示す図である。図25は発熱風邪検知処理のフローチャートである。
(1)ユーザ体温の測定
ユーザの体温は、センシング装置140またはバイ・ファンクション装置130に内蔵される温度センサなどで測定を行う。装置はユーザの体温変動を継続的かつ定期的に記録し、図23に示すようなユーザ体温変動の履歴を蓄積する。図23では半日毎に体温を記録しているが、より精密に体温変動を検知するため測定間隔を短くしたりしてもよい。またこの体温変動の履歴より、事前にユーザの平熱が算出されているものとする。
(2)ユーザ体温を風邪レベルに変換
図24は発熱風邪判定表を示す図である。図25は発熱風邪検知処理のフローチャートである。
センシング装置140またはバイ・ファンクション装置130は体温測定後、検知タイマをスタートさせて(ステップS311)、検知タイマをカウントアップする(ステップS312)。検知タイマが設定周期になったかどうか判断し、YESの場合は検知タイマをリセットする(ステップS314)。定期的にユーザ体温を検知して、設定された周期が経過すると、その都度風邪判定を行う(ステップS315)。本例では体温上昇量(ユーザの最新の体温測定値と平熱情報の差分)から、図24に示すように、5段階の抽象化された風邪判定(抽象化データ)に分類する。
風邪判定0は測定された体温が平熱に対し0〜0.3℃高い状態であり、ステップS315で風邪判定0と判定された場合、風邪レベル0の処理を行う(ステップS316a)。
風邪判定1は測定された体温が平熱に対し0.4〜0.6℃高い状態であり、ステップS315で風邪判定1と判定された場合、風邪レベル1の処理を行う(ステップS316b)。
風邪判定2は測定された体温が平熱に対し0.7〜1.0℃高い状態であり、ステップS315で風邪判定2と判定された場合、風邪レベル2の処理を行う(ステップS316c)。
風邪判定3は測定された体温が平熱に対し1.1〜1.9℃高い状態であり、ステップS315で風邪判定3と判定された場合、風邪レベル3の処理を行う(ステップS316d)。
風邪判定4は測定された体温が平熱に対し2.0℃以上高い状態であり、ステップS315で風邪判定4と判定された場合、風邪レベル4の処理を行う(ステップS316e)。
図25のユーザ体温変化は、図27に示すように、10月31日の2回目は風邪判定2、11月1日の1回目は風邪判定3、11月1日の2回目は風邪判定2と、判定される。
体温履歴を更新し(ステップS317)、ステップS312に戻る。
健康状態の分類は、体温の絶対温度を閾値とし、健康状態を分類する方法でもよい。また、運動や入浴、過剰な空調などによる一時的な体温上昇も考えられる。これらと区別するために、1時間以上継続して体温上昇量が維持された場合に発熱風邪判定に移行し、1時間以内に平温に戻った場合は、風邪判定0(健康)と判定するような処理を追加してもよい。
(発声から風邪を判定する方法)
発声から風邪を判定する方法には、例えば閉鼻声による風邪判定、咳による風邪判定、くしゃみ、鼻啜音およびこう鼻音による鼻風邪判定がある。
発声から風邪を判定する方法には、例えば閉鼻声による風邪判定、咳による風邪判定、くしゃみ、鼻啜音およびこう鼻音による鼻風邪判定がある。
[閉鼻声による風邪判定]
まず、閉鼻声による風邪判定について図26A、26B、27、28を用いて説明する。図26Aはユーザの開鼻声スペクトラム履歴を示す図であり、図26Bは閉鼻声スペクトラム履歴を示す図である。図27は閉鼻声風邪判定表の一例を示す図である。図28は閉鼻声風邪検知処理のフローチャートである。
まず、閉鼻声による風邪判定について図26A、26B、27、28を用いて説明する。図26Aはユーザの開鼻声スペクトラム履歴を示す図であり、図26Bは閉鼻声スペクトラム履歴を示す図である。図27は閉鼻声風邪判定表の一例を示す図である。図28は閉鼻声風邪検知処理のフローチャートである。
センシング装置140に内蔵されるマイクを用い、図26Aに示すようなユーザの通常時の音声(開鼻声)スペクトラム履歴を保存し、風邪により変化した鼻声(閉鼻声)の程度を、図26Bに示すようなユーザ音声スペクトラムの部分的な周波数帯域(FB)のレベルの変化量(Lc−Lo)から数値化し、鼻水、鼻づまりによる風邪の症状のレベルを抽象化データとする閉鼻声風邪判定を行う。閉鼻声のレベル(Lc)は開鼻声のレベル(Lo)よりも大きい。
センシング装置140またはバイ・ファンクション装置130は音声スペクトラム測定後、検知タイマをスタートさせて(ステップS311)、検知タイマをカウントアップする(ステップS312)。検知タイマが設定周期になったかどうか判断し(ステップS313)、YESの場合は検知タイマをリセットする(ステップS314)。所定期間が経過すると、閉鼻声検知による風邪の判定を行う(ステップS325)。本例では音声スペクトラムの閉鼻声周波数帯のレベル変化量(閉鼻声のレベルと開鼻声のレベルの差分)から、図27に示すように、5段階の抽象化された風邪判定に分類する。
風邪判定0は測定された閉鼻声のレベルが通常の開鼻声に対し0%以上1%未満高い状態であり、ステップS325で風邪判定0と判定された場合、風邪レベル0の処理を行う(ステップS316a)。
風邪判定1は測定された閉鼻声のレベルが通常の開鼻声に対し1%以上2%未満高い状態であり、ステップS325で風邪判定1と判定された場合、風邪レベル1の処理を行う(ステップS316b)。
風邪判定2は測定された閉鼻声のレベルが通常の開鼻声に対し2%以上3%未満高い状態であり、ステップS325で風邪判定2と判定された場合、風邪レベル2の処理を行う(ステップS316c)。
風邪判定3は測定された閉鼻声のレベルが通常の開鼻声に対し3%以上4%未満高い状態であり、ステップS325で風邪判定3と判定された場合、風邪レベル3の処理を行う(ステップS316d)。
風邪判定4は測定された閉鼻声のレベルが通常の開鼻声に対し4%以上高い状態であり、ステップS325で風邪判定4と判定された場合、風邪レベル4の処理を行う(ステップS316e)。
図27に示すように、10月31日の2回目は風邪判定1、11月1日の1回目は風邪判定2、11月1日の2回目は風邪判定1と、判定される。
音声スペクトラム履歴を更新し(ステップS327)、ステップS312に戻る。
[咳による風邪判定]
次に、咳による風邪判定について図29〜31を用いて説明する。図29はユーザの咳の音声波形パターンを示す図である。図30は咳回数風邪判定表の一例を示す図である。図31は咳回数風邪検知処理のフローチャートである。
次に、咳による風邪判定について図29〜31を用いて説明する。図29はユーザの咳の音声波形パターンを示す図である。図30は咳回数風邪判定表の一例を示す図である。図31は咳回数風邪検知処理のフローチャートである。
センシング装置140に内蔵されるマイクを用い図29に示すようなユーザの咳の音声波形パターンを検知し、その咳の回数の履歴を保存する。通常時その咳の回数との変化量から風邪の症状のレベルを抽象化データとする、咳回数風邪判定を行う。
センシング装置140またはバイ・ファンクション装置130は音声波形パターン測定後、検知タイマをスタートさせて(ステップS311)、検知タイマをカウントアップする(ステップS312)。検知タイマが設定周期になったかどうか判断し(ステップS313)、YESの場合は検知タイマをリセットする(ステップS314)。所定期間が経過すると、咳による風邪の判定を行う(ステップS335、S336)。本例では音声波形パターンから咳を検知し(ステップS335)、その回数を咳回数風邪検知カウンタで累積し、測定された咳回数と通常時の咳の回数との差分から、図30に示すように、5段階の抽象化された風邪判定に分類する(ステップS336)。
風邪判定0は測定された咳回数が通常時の咳回数に対し0回以上10回未満多い状態であり、ステップS336で風邪判定0と判定された場合、風邪レベル0の処理を行う(ステップS316a)。
風邪判定1は測定された咳回数が通常時の咳回数に対し10回以上20回未満多い状態であり、ステップS336で風邪判定1と判定された場合、風邪レベル1の処理を行う(ステップS316b)。
風邪判定2は測定された咳回数が通常時の咳回数に対し20回以上30回未満多い状態であり、ステップS336で風邪判定2と判定された場合、風邪レベル2の処理を行う(ステップS316c)。
風邪判定3は測定された咳回数が通常時の咳回数に対し30回以上40回未満多い状態であり、ステップS336で風邪判定3と判定された場合、風邪レベル3の処理を行う(ステップS316d)。
風邪判定4は測定された咳回数が通常時の咳回数に対し41回以上多い状態であり、ステップS336で風邪判定4と判定された場合、風邪レベル4の判定処理を行う(ステップS316e)。図30に示すように、10月31日の2回目は風邪判定1、11月1日の1回目は風邪判定2、11月1日の2回目は風邪判定1と、判定される。
咳回数風邪検知カウンタの履歴を更新し(ステップS337)、ステップS312に戻る。
[鼻風邪判定]
次に、くしゃみ、鼻啜音およびこう鼻音による鼻風邪判定について図32〜34を用いて説明する。図32はユーザのくしゃみの音声波形パターンを示す図である。図33は鼻風邪音声回数判定表の一例を示す図である。図34は鼻風邪音声回数検知処理のフローチャートである。
次に、くしゃみ、鼻啜音およびこう鼻音による鼻風邪判定について図32〜34を用いて説明する。図32はユーザのくしゃみの音声波形パターンを示す図である。図33は鼻風邪音声回数判定表の一例を示す図である。図34は鼻風邪音声回数検知処理のフローチャートである。
センシング装置140に内蔵されるマイクを用い図32に示すようなユーザのくしゃみの音声波形パターンを検知し、その回数の履歴を保存する。同様にユーザの鼻啜音(鼻を啜る音)やこう鼻音(鼻をかむ音)の回数の履歴を保存し、通常時との変化量から風邪の症状のレベルを抽象化データとする、鼻風邪音声回数判定を行う。くしゃみ、鼻啜音およびこう鼻音の回数を鼻風邪音声回数という。
センシング装置140またはバイ・ファンクション装置130は音声波形パターン測定後、検知タイマをスタートさせて(ステップS311)、検知タイマをカウントアップする(ステップS312)。検知タイマが設定周期になったかどうか判断し(ステップS313)、YESの場合は検知タイマをリセットする(ステップS314)。所定期間が経過すると、音声波形パターンによる風邪の判定を行う(ステップS345〜S347)。本例では音声波形パターンからくしゃみを検知し(ステップS345)、または鼻啜音を検知し(ステップS346)、またはこう鼻音を検知(ステップS347)する。その回数を鼻風邪検知カウンタで累積し、測定されたくしゃみの回数と通常時のくしゃみの回数との差分、または測定された鼻啜音の回数と通常時の鼻啜音の回数との差分、または測定されたこう鼻音の回数と通常時のこう鼻音の回数との差分から、図33に示すように、5段階の抽象化された風邪判定に分類する(ステップS348)。
風邪判定0は測定された鼻風邪音声回数が通常時の鼻風邪音声回数に対し0回以上10回未満多い状態であり、ステップS348で風邪判定0と判定された場合、風邪レベル0の処理を行う(ステップS316a)。
風邪判定1は測定された鼻風邪音声回数が通常時の鼻風邪音声回数に対し10回以上20回未満多い状態であり、ステップS348で風邪判定1と判定された場合、風邪レベル1の処理を行う(ステップS316b)。
風邪判定2は測定された鼻風邪音声回数が通常時の鼻風邪音声回数に対し20回以上30回未満多い状態であり、ステップS348で風邪判定2と判定された場合、風邪レベル2の処理を行う(ステップS316c)。
風邪判定3は測定された鼻風邪音声回数が通常時の鼻風邪音声回数に対し30回以上40回未満多い状態であり、ステップS348で風邪判定3と判定された場合、風邪レベル3の処理を行う(ステップS316d)。
風邪判定4は測定された鼻風邪音声回数が通常時の鼻風邪音声回数に対し41回以上多い状態であり、ステップS348で風邪判定4と判定された場合、風邪レベル4の処理を行う(ステップS316e)。
図33に示すように、10月31日の2回目は風邪判定1、11月1日の1回目は風邪判定2、11月1日の2回目は風邪判定1と、判定される。
鼻風邪検知カウンタの履歴を更新し(ステップS349)、ステップS312に戻る。
(動作から風邪を判定する方法)
鼻風邪に伴う動作による風邪判定について図35〜37を用いて説明する。図35はユーザのくしゃみ動作パターンを示す図である。図36は鼻風邪動作回数判定表の一例を示す図である。図37は鼻風邪動作回数検知処理のフローチャートである。
鼻風邪に伴う動作による風邪判定について図35〜37を用いて説明する。図35はユーザのくしゃみ動作パターンを示す図である。図36は鼻風邪動作回数判定表の一例を示す図である。図37は鼻風邪動作回数検知処理のフローチャートである。
センシング装置140に内蔵されるムービカメラを用い図35に示すようなユーザのくしゃみ動作パターンを検知し、その回数の履歴を保存する。同様にユーザのこう鼻動作(鼻をかむ動作)の回数の履歴を保存し、通常時との変化量から風邪の症状のレベルを抽象データとする、鼻風邪動作回数判定を行う。
センシング装置140またはバイ・ファンクション装置130は鼻風邪動作測定後、検知タイマをスタートさせて(ステップS311)、検知タイマをカウントアップする(ステップS312)。検知タイマが設定周期になったかどうか判断し(ステップS313)、YESの場合は検知タイマをリセットする(ステップS314)。所定期間が経過すると、鼻風邪動作による風邪の判定を行う(ステップS355〜S357)。本例ではユーザの動作からくしゃみ動作を検知し(ステップS355)、またはこう鼻動作を検知し(ステップS356)、その回数を鼻風邪動作検知カウンタで累積し、測定されたくしゃみ動作の回数と通常時のくしゃみ動作の回数との差分、または測定されたこう鼻動作の回数と通常時のこう鼻動作の回数との差分から、図36に示すように、5段階の抽象化された風邪判定に分類する(ステップS357)。
風邪判定0は測定された鼻風邪動作回数が通常時の鼻風邪動作回数に対し0回以上10回未満多い状態であり、ステップS357で風邪判定0と判定された場合、風邪レベル0の処理を行う(ステップS316a)。
風邪判定1は測定された鼻風邪動作回数が通常時の鼻風邪音声回数に対し10回以上20回未満多い状態であり、ステップS357で風邪判定1と判定された場合、風邪レベル1の処理を行う(ステップS316b)。
風邪判定2は測定された鼻風邪動作回数が通常時の鼻風邪動作回数に対し20回以上30回未満多い状態であり、ステップS357で風邪判定2と判定された場合、風邪レベル2の処理を行う(ステップS316c)。
風邪判定3は測定された鼻風邪動作回数が通常時の鼻風邪動作回数に対し30回以上40回未満多い状態であり、ステップS357で風邪判定3と判定された場合、風邪レベル3の処理を行う(ステップS316d)。
風邪判定4は測定された鼻風邪動作回数が通常時の鼻風邪動作回数に対し41回以上多い状態であり、ステップS357で風邪判定4と判定された場合、風邪レベル4の処理を行う(ステップS316e)。
図36に示すように、10月31日の2回目は風邪判定1、11月1日の1回目は風邪判定2、11月1日の2回目は風邪判定1と、判定される。
鼻風邪動作検知カウンタの履歴を更新し(ステップS358)、ステップS312に戻る。
[総合判定]
ただし、鼻風邪音声回数判定や鼻風邪動作回数判定は花粉症やアレルギー性鼻炎など風邪以外の症状に対して風邪判定をしてしまう可能性があるため、発熱風邪判定や咳回数風邪判定などと併用することが望ましい。図38は各センシング結果から導出した風邪レベルから抽象化データを総合判定する例である。
ただし、鼻風邪音声回数判定や鼻風邪動作回数判定は花粉症やアレルギー性鼻炎など風邪以外の症状に対して風邪判定をしてしまう可能性があるため、発熱風邪判定や咳回数風邪判定などと併用することが望ましい。図38は各センシング結果から導出した風邪レベルから抽象化データを総合判定する例である。
風邪判定の抽象化データは、閉鼻声風邪判定レベルや咳回数風邪判定レベル、鼻風邪回数判定レベルなどの複数の情報により総合判定する。図38に示すように、各風邪症状により判定した風邪レベルは、体温風邪判定では風邪レベル1、咳回数風邪判定では風邪レベル2、閉鼻声風邪判定では風邪レベル4、鼻啜音回数風邪判定で風邪レベル2、と異なるが、ユーザの体調不良を見逃さないという観点で判定した場合、総合判断は風邪レベル4が選択される。ここで、風邪レベル0は健康、風邪レベル1および風邪レベル2は風邪気味、風邪レベル3および風邪レベル4は風邪とする。
総合判定は各風邪症状により判定した風邪レベルに重みづけをする、またはレベルの平均値をとるなど手法は問わず、抽象化データが出力されるものである。総合判定することにより、自宅100で使用しているバイ・ファンクション装置130、例えば温度センサまたはサーモグラフィを備える装置が旅行先のホテル200に無い場合でもセンシング装置240からの情報を使用するなど相互補完をしながら風邪判定を継続することが出来る。
(アクチュエータ装置等の動作)
風邪判定の抽象化データが確定されると、アクチュエータ装置120またはバイ・ファンクション装置130はユーザに対して風邪判定抽象データに応じた動作をする。例えば、バイ・ファンクション装置130は風邪を引いているユーザに対して空調設定温度や設定湿度を高くしたり、設定を変更する提案をしたりすることができる。
風邪判定の抽象化データが確定されると、アクチュエータ装置120またはバイ・ファンクション装置130はユーザに対して風邪判定抽象データに応じた動作をする。例えば、バイ・ファンクション装置130は風邪を引いているユーザに対して空調設定温度や設定湿度を高くしたり、設定を変更する提案をしたりすることができる。
アクチュエータ装置120およびバイ・ファンクション装置130の風邪判定レベル毎の動作(ステップS316a〜S316e)の一例を以下に説明する。
ステップS316aの風邪レベル0の処理では、例えば、エアコン130aは通常温度設定に従って動作し、加湿器除湿器は通常湿度設定に従って動作する。
ステップS16bの風邪レベル1の処理では、例えば、エアコン130aは通常温度設定より1℃高い温度に設定され、加湿器除湿器は通常湿度設定より1%高い湿度に設定される。洗面台130bは、音声ガイダンスで例えば「食事の前に手を洗いましょう。」と提案する。
ステップS316cの風邪レベル2の処理では、例えば、エアコン130aは通常温度設定より2℃高い温度に設定され、加湿器除湿器は通常湿度設定より2%高い湿度に設定される。冷蔵庫120eは音声ガイダンスで、例えば「暖かいスープはどうですか?」と提案する。炊飯器120dは音声ガイダンスで、例えば「消化の良いお粥はいかがでしょうか?」と提案する。洗面台130bは音声ガイダンスで、例えば「食事の前に手を洗いましょう。」と提案する。電子レンジ120cは音声ガイダンスで、例えば「電子レンジで蒸しタオルが作れますよ?」と提案する。
ステップS316dの風邪レベル3の処理では、例えば、エアコン130aは通常温度設定より3℃高い温度に設定され、加湿器除湿器は通常湿度設定より3%高い湿度に設定される。冷蔵庫120eは音声ガイダンスで、例えば「野菜たっぷりのお鍋はどうですか?」と提案する。炊飯器120dは音声ガイダンスで、例えば「消化の良いお粥はいかがでしょうか?」と提案する。洗面台130bは音声ガイダンスで、例えば「手洗い、うがいをしましょう。」と提案する。電子レンジ120cは音声ガイダンスで、例えば「電子レンジで蒸しタオルが作れますよ?」と提案する。
ステップS316eの風邪レベル4の処理では、例えば、エアコン130aは通常温度設定より5℃高い温度に設定され、加湿器除湿器は通常湿度設定より5%高い湿度に設定される。冷蔵庫120eは音声ガイダンスで、例えば「身体が温まる辛いお鍋はどうですか?」と提案する。炊飯器120dは音声ガイダンスで、例えば「お鍋の最後に雑炊はいかがですか?」と提案する。洗面台130bは音声ガイダンスで、例えば「手洗い、うがいをしましょう。」と提案する。電子レンジ120cは音声ガイダンスで、例えば「電子レンジで卵酒が作れますよ?」と提案する。
また、外環境が異なる環境へ移動した場合のアクチュエータ装置220およびバイ・ファンクション装置130の動作例を以下に説明する。温暖地域から寒冷地に外出(健康情報データベース111を移動)した場合、移動先の地域に応じた追加制御が適用される。
風邪レベル0の処理では、例えば、エアコン130aは通常温度設定に従って動作し、加湿器除湿器は通常湿度設定に従って動作するが、エアコン230aは温度設定をエアコン130aよりも2℃高くし、ホテル200の加湿器除湿器は湿度設定を自宅の加湿器除湿器の湿度設定より5%高く設定する。冷蔵庫220eは庫内温度を弱に設定する。
風邪レベル1の処理では、例えば、エアコン130aは通常温度設定より1℃高い温度に設定され、加湿器除湿器は通常湿度設定より1%高い湿度に設定されるが、エアコン230aは温度設定をエアコン130aよりも2℃高くし、ホテル200の加湿器除湿器は湿度設定を自宅の加湿器除湿器の湿度設定より5%高く設定する。冷蔵庫220eは庫内温度を弱に設定する。
風邪レベル2の処理では、例えば、エアコン130aは通常温度設定より2℃高い温度に設定され、加湿器除湿器は通常湿度設定より2%高い湿度に設定されるが、エアコン230aは温度設定をエアコン130aよりも2℃高くし、ホテル200の加湿器除湿器は湿度設定を自宅の加湿器除湿器の湿度設定より5%高く設定する。冷蔵庫120eは音声ガイダンスで「暖かいスープはどうですか?」と提案するが、冷蔵庫220eは庫内温度を弱に設定する。
風邪レベル3の処理では、例えば、エアコン130aは通常温度設定より3℃高い温度に設定され、加湿器除湿器は通常湿度設定より3%高い湿度に設定されるが、エアコン230aは温度設定をエアコン130aよりも2℃高くし、ホテル200の加湿器除湿器は湿度設定を自宅の加湿器除湿器の湿度設定より5%高く設定する。冷蔵庫120eは音声ガイダンスで「野菜たっぷりのお鍋はどうですか?」と提案するが、冷蔵庫220eは庫内温度を弱に設定する。
風邪レベル4の処理では、例えば、エアコン130aは通常温度設定より5℃高い温度に設定され、加湿器除湿器は通常湿度設定より5%高い湿度に設定されるが、エアコン230aは温度設定をエアコン130aよりも2℃高くし、ホテル200の加湿器除湿器は湿度設定を自宅の加湿器除湿器の湿度設定より5%高く設定する。冷蔵庫120eは音声ガイダンスで「身体が温まる辛いお鍋はどうですか?」と提案するが、冷蔵庫220eは庫内温度を弱に設定する。
居住者のストレス軽減に向けた健康サポートを行う例について図39〜41を用いて説明する。図39はストレスレベル抽象化の処理を示すフローチャートである。図40はセンシングデータから抽象化の中間データを抽出するテーブルである。図41はストレス判定テーブルの一例を示す図である。
センシング装置140およびバイ・ファンクション装置130は、音声による感情認識情報、カメラの顔認識による感情認識情報、脈拍数、行動量情報、肩こりの情報など、居住者のストレスレベルを判定するための情報を、ホームサーバ110に送信する。
まず、自宅100に存在するセンシング装置140およびバイ・ファンクション装置130からセンシング可能なストレス情報を抽出し、図40に示すようなセンシングデータ(「眉間のしわ数」、「脈拍」、「心拍」、「歩数」)を蓄積する(ステップS411)。図40の「抽象化のための中間データ」に示すようなストレス状態(「感情」、「通常時の脈拍変動」、「熟睡度(睡眠時の脈拍変動)」、「行動」、「肩こり」)を抽出するテーブルを設定し(ステップS401)、格納する(ステップS401)。抽象化のための中間データの「感情」は、例えば「眉間のしわ数」等により「幸福が多い」、「平常が多い」、「怒り多い」に分類される。「通常時の脈拍変動」は、例えば「脈拍」により「10%未満」、「20%未満」、「20%以上」に分類される。「熟睡度(睡眠時の脈拍変動)」は、例えば「心拍」により「5未満」、「10未満」、「10以上」に分類される。「行動」は、例えば「歩数」により「活発」、「普通」、「ほとんど動かない」に分類される。「肩こり」は、例えば「心拍」により「ほとんどない」、「少しある」、「非常にある」に分類される。
次にホームサーバ110は、センシング装置140およびバイ・ファンクション装置130から受信したストレス情報を、図40に示すような予め設定したストレス抽出テーブルに基づいて居住者のストレス状態を数値化(点数化)する(ステップS412)。図41に示すような予め蓄積された(ステップS403)ストレス判定テーブル(点数と抽象化データの関係)に基づいてストレス状態を抽象化し(ステップS413)、抽象化したストレス情報(抽象化データ)を蓄積する(ステップS414)。本実施例では高ストレス、中ストレス、ストレスなしの3段階に抽象化している。高ストレスの状態が長期間継続する場合に超高ストレスレベルを増やす等も可能である。
次に、ホームサーバ110は抽象化データをアクチュエータ装置120およびバイ・ファンクション装置130へ送信する。アクチュエータ装置120およびバイ・ファンクション装置130(例えば、TV120b、CDプレーヤ、冷蔵庫120e、洗面台130b、照明120a、風呂120f等)の各装置は、それぞれが受信した抽象化データに基づいて、居住者に対してストレス軽減に向けた健康サポートを提供する。アクチュエータ装置120およびバイ・ファンクション装置130の動作例を以下に説明する。
抽象化データが「ストレスなし」の場合、洗面台130dは、例えば「おはよう!今日も一日元気に頑張ろう!」と告げる。
「中ストレス」の場合、TV120bは、例えば、ストレス発散に効果的な運動、お勧めの趣味、ストレス解消グッズ情報を提供する。CDプレーヤは、例えば、睡眠時にリラックスしやすい音楽を流したり、起床時にさわやかな朝をイメージした音楽を流したりする。冷蔵庫120eは、例えば、ストレスに効果的な食材(ビタミンB群、ビタミンC等が豊富な食材)を使った献立を提案する。洗面台130dは、例えば「おはよう!少しストレスが溜まっているよ!あまり無理しないで!」と告げる。照明120aは睡眠時、段階的に明るさを調整する。風呂120fは、お湯の温度を40℃に設定し、最低10分の入浴を音声ガイダンスで提案する。
「高ストレス」の場合、TV120bは、例えば、ストレス発散に効果的な運動、お勧めの趣味、ストレス解消グッズ情報、医療機関情報を提供する。CDプレーヤは、例えば、睡眠時にリラックスしやすい音楽を流したり、起床時にさわやかな朝をイメージした音楽を流したり、癒しのBGMを流したりする。冷蔵庫120eは、例えば、ストレスに効果的な食材(ビタミンB群、ビタミンC等が豊富な食材)を使った献立を提案したり、サプリメントの飲用を提案したりする。洗面台130dは、例えば「おはよう!だいぶストレスが溜まっているね!何でもひとりで抱え込まないで!」と告げる。照明120aは睡眠時、段階的に明るさを調整する。風呂120fは、お湯の温度を40℃に設定し、最低10分の入浴を音声ガイダンスで提案する。
日常生活空間などで取得した抽象化データは、建物以外の非日常空間に設けられるアクチュエータ装置においても適用できる。移動手段に備えられたアクチュエータ装置の制御について図42、43を用いて説明する。図42は自宅からタクシーを用いて外出する場合の健康情報データベース持ち出し例を説明する図である。図43はアクチュエータ装置の一例であるエアクッションの構成を示す図である。
自宅100のトイレ440aは、トイレ140aやトイレ240aなどのセンサ内蔵便器に、さらに血液センサが追加された便器を備える。トイレ440aには便秘や下痢のレベル判定機能の他に、血液センサによる痔のレベル判定機能が追加されている。トイレ440aは排便時に血液成分を検出した場合、ユーザが痔を患っていると判断し、血液濃度により痔のレベルを判定し、抽象化データとして出力する機能を持つ。ホームサーバ110は痔のレベルを抽象化データとして健康情報データベース111に蓄積する。抽象化データは例えば「痔疾患無」、「痔レベル1」、「痔レベル2」にレベル分けされる。自宅100からタクシー400を利用して外出する場合に乗車時に乗客の抽象化データを健康情報データベース111からタクシー400の端末410にロードする。
タクシー400は、図43に示すようなエアクッション430dを備えている。エアクッション430dは複数のブロックを有するエアクッション本体4301と、エアクッション本体4301の各ブロックに空気を供給するエア供給チューブ4302と、エアクッション本体4301が有する弁を制御するブロック弁制御線4303と、エアクッション本体4301の各ブロックに供給する空気を生成するエアコンプレッサ4304と、各ブロックの空気の充填と排気を制御する動作制御部4305と、を備える。エアクッション本体4301はいくつかのブロック毎に弁を持ち、各ブロックが独立して空気の充填と排出制御が可能な構成になっている。
乗客が痔を持っていると判断された場合、エアクッション430dはエアクッション本体4301の中央部の空気のみ排出しドーナツ状のクッションを形成する。これにより乗客は着座時のお尻の痛みが軽減されるため、着座体勢や疾病状況を気にすることなくタクシー400に乗車でき、快適に移動することが可能となる。
痔の抽象化データによる車内装置の動作制御例を以下に説明する。
痔疾患無の場合、エアコン430aは平常時の運転を行い、エアクッション430dは全ブロックに空気を充填する。
痔レベル1の場合、エアコン430aは乗客の足元が冷えないように足元の送風比率を上げて温める。エアクッション430dは中心ブロックの空気を排気し、外周ブロックに空気を充填する。
痔レベル2の場合、エアコン430aは、「痔レベル1」の動作に加え、設定温度を1℃上げる。エアクッション430dは中心ブロックの空気を排気し、外周ブロックに空気を充填する。また、「風邪レベル1」以上の場合も設定温度を1℃上げる。
以上、本発明者によってなされた発明を実施形態および実施例に基づき具体的に説明したが、本発明は、上記実施形態および実施例に限定されるものではなく、種々変更可能であることはいうまでもない。
100・・・自宅(日常生活空間)
110・・・ホームサーバ
111・・・健康情報データベース
112・・・機器制御情報
120・・・アクチュエータ装置
121・・・MCU
123・・・アクチュエータ
130・・・バイ・ファンクション装置
140・・・センシング装置
141・・・MCU
142・・・センサ
150・・・ホームネットワーク
110・・・ホームサーバ
111・・・健康情報データベース
112・・・機器制御情報
120・・・アクチュエータ装置
121・・・MCU
123・・・アクチュエータ
130・・・バイ・ファンクション装置
140・・・センシング装置
141・・・MCU
142・・・センサ
150・・・ホームネットワーク
Claims (20)
- 日常生活空間にあるセンシング装置でセンシングされたセンシングデータに基づいてユーザの健康状態を推定して抽象化し、抽象化された前記健康状態の抽象化データに基づいてアクチュエータ装置が前記ユーザの健康状態の改善を促す健康サポートシステム。
- 請求項1の健康サポートシステムにおいて、
前記センシング装置が前記センシングデータに基づいて前記ユーザの健康状態を分類しレベル分けして抽象化する健康サポートシステム。 - 請求項1の健康サポートシステムにおいて、
ホームサーバが前記センシングデータに基づいて前記ユーザの健康状態を分類しレベル分けして抽象化する健康サポートシステム。 - 請求項1の健康サポートシステムにおいて、
前記抽象化データをデータベースに蓄積し、前記データベースが前記日常生活空間と異なる非日常生活空間に持ち出される健康サポートシステム。 - 請求項4の健康サポートシステムにおいて、
前記抽象化データに基づいて前記非日常生活空間のアクチュエータ装置が前記ユーザの健康サポートを行う健康サポートシステム。 - 請求項4の健康サポートシステムにおいて、
前記非日常生活空間のセンシング装置がセンシングしたセンシングデータに基づいて前記非日常生活空間のセンシング装置が前記ユーザの健康状態を抽象化し、抽象化された健康情報の抽象化データが前記データベースに追記され、前記データベースが前記日常生活空間へ持ち帰えられる健康サポートシステム。 - 請求項4の健康サポートシステムにおいて、
前記非日常生活空間の前記アクチュエータ装置が動作する時に外部環境を取り込む健康サポートシステム。 - 請求項1の健康サポートシステムにおいて、
前記センシング装置はアクチュエータ機能を含み、
前記アクチュエータ装置はセンシング機能を含む健康サポートシステム。 - 請求項1の健康サポートシステムにおいて、
前記センシングデータはトイレが取得したものであり、
前記抽象化データは、お腹の調子の平常、第一下痢レベル、第二下痢レベル、第一便秘レベルおよび第二便秘レベルにレベル化される健康サポートシステム。 - 請求項1の健康サポートシステムにおいて、
前記センシングデータは前記センシング装置の温度センサまたはサーモグラフィが取得した前記ユーザの体温であり、
前記抽象化データは、取得した前記体温に基づいて、平常、第一風邪レベル、第二風邪レベル、第三風邪レベルおよび第四風邪レベルにレベル化される健康サポートシステム。 - 請求項1の健康サポートシステムにおいて、
前記センシングデータは前記センシング装置のマイクが取得した前記ユーザの音声情報であり、
前記抽象化データは、取得した前記音声情報に基づいて、平常、第一風邪レベル、第二風邪レベル、第三風邪レベルおよび第四風邪レベルにレベル化される健康サポートシステム。 - 請求項11の健康サポートシステムにおいて、
前記音声情報は閉鼻声のスペクトラム、咳の音声波形パターン、くしゃみの音声波形パターン、鼻啜音の音声波形パターン、こう鼻音の音声波形パターンの少なくとも一つである健康サポートシステム。 - 請求項1の健康サポートシステムにおいて、
前記センシングデータは前記センシング装置のムービカメラが取得した前記ユーザの動作であり、
前記抽象化データは、取得した前記動作に基づいて、平常、第一風邪レベル、第二風邪レベル、第三風邪レベルおよび第四風邪レベルにレベル化される健康サポートシステム。 - 請求項13の健康サポートシステムにおいて、
前記動作はくしゃみ動作およびこう鼻動作の少なくとも一つである健康サポートシステム。 - 請求項1の健康サポートシステムにおいて、
前記センシングデータは前記センシング装置が取得した前記ユーザの感情情報および生体情報であり、
前記抽象化データは、取得した前記感情情報および生体情報に基づいて、平常、第一ストレスレベルおよび第二ストレスレベルにレベル化される健康サポートシステム。 - ユーザの生体情報を取得する第一センシング装置と、
抽象化データに基づいて動作する第一アクチュエータ装置と、
前記第一センシング装置と前記第一アクチュエータ装置とにネットワークを介して接続される第一サーバと、
を前記ユーザが普段生活を行う日常生活空間に備え、
前記第一センシング装置または前記第一サーバは前記生体情報に基づいて前記抽象化データを生成し、
前記抽象化データは前記ユーザの健康状態を推定して分類したものであり、
前記第一アクチュエータ装置は前記ユーザの健康状態の改善を促す健康サポートシステム。 - 請求項16の健康サポートシステムにおいて、さらに、
ユーザの生体情報を取得する第二センシング装置と、
抽象化データに基づいて動作する第二アクチュエータ装置と、
前記第二センシング装置と前記第二アクチュエータ装置とに接続される第二サーバまたは端末と、
を前記日常生活空間と異なる非日常生活空間に備え、
前記日常生活空間の前記抽象化データを前記第一サーバのデータベースに蓄積し、前記データベースが前記非日常生活空間に持ち出される健康サポートシステム。 - 請求項17の健康サポートシステムにおいて、
前記データベースに蓄積された抽象化データに基づいて前記第二アクチュエータ装置が前記ユーザの健康状態の改善を促す健康サポートシステム。 - 請求項17の健康サポートシステムにおいて、
前記第二センシング装置がセンシングしたセンシングデータに基づいて前記第二センシング装置または前記第二サーバまたは前記端末が前記ユーザの生体情報を抽象化し、抽象化された前記生体情報の抽象化データが前記データベースに追記され、前記データベースが前記日常生活空間へ持ち帰えられる健康サポートシステム。 - 請求項17の健康サポートシステムにおいて、
前記第二アクチュエータ装置が動作する時に外部環境を取り込む健康サポートシステム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018089390A JP2019197269A (ja) | 2018-05-07 | 2018-05-07 | 健康サポートシステム |
US16/380,694 US20190341151A1 (en) | 2018-05-07 | 2019-04-10 | Health support system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018089390A JP2019197269A (ja) | 2018-05-07 | 2018-05-07 | 健康サポートシステム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2019197269A true JP2019197269A (ja) | 2019-11-14 |
Family
ID=68385491
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018089390A Pending JP2019197269A (ja) | 2018-05-07 | 2018-05-07 | 健康サポートシステム |
Country Status (2)
Country | Link |
---|---|
US (1) | US20190341151A1 (ja) |
JP (1) | JP2019197269A (ja) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021240866A1 (ja) * | 2020-05-27 | 2021-12-02 | パナソニック株式会社 | 排出物判定方法、排出物判定装置、及び排出物判定プログラム |
JP2022020506A (ja) * | 2020-07-20 | 2022-02-01 | ヤフー株式会社 | 情報処理装置、情報処理方法、及び情報処理プログラム |
JP2022052910A (ja) * | 2020-09-24 | 2022-04-05 | 株式会社東芝 | 体調評価システム、サーバ、プログラムおよび体調評価サービス提供方法 |
WO2022168827A1 (ja) * | 2021-02-05 | 2022-08-11 | サントリーホールディングス株式会社 | 情報処理装置、情報処理方法、及び記録媒体 |
JPWO2022176103A1 (ja) * | 2021-02-18 | 2022-08-25 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11468908B2 (en) | 2020-04-15 | 2022-10-11 | Optum, Inc. | Hybrid input machine learning frameworks |
CN113819597A (zh) * | 2021-08-26 | 2021-12-21 | 青岛海尔空调器有限总公司 | 一种预防过敏性鼻炎的空调控制方法及装置 |
-
2018
- 2018-05-07 JP JP2018089390A patent/JP2019197269A/ja active Pending
-
2019
- 2019-04-10 US US16/380,694 patent/US20190341151A1/en not_active Abandoned
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021240866A1 (ja) * | 2020-05-27 | 2021-12-02 | パナソニック株式会社 | 排出物判定方法、排出物判定装置、及び排出物判定プログラム |
JP2022020506A (ja) * | 2020-07-20 | 2022-02-01 | ヤフー株式会社 | 情報処理装置、情報処理方法、及び情報処理プログラム |
JP7121778B2 (ja) | 2020-07-20 | 2022-08-18 | ヤフー株式会社 | 情報処理装置、情報処理方法、及び情報処理プログラム |
JP2022052910A (ja) * | 2020-09-24 | 2022-04-05 | 株式会社東芝 | 体調評価システム、サーバ、プログラムおよび体調評価サービス提供方法 |
JP7183232B2 (ja) | 2020-09-24 | 2022-12-05 | 株式会社東芝 | 体調評価システム、サーバ、プログラムおよび体調評価サービス提供方法 |
WO2022168827A1 (ja) * | 2021-02-05 | 2022-08-11 | サントリーホールディングス株式会社 | 情報処理装置、情報処理方法、及び記録媒体 |
JPWO2022176103A1 (ja) * | 2021-02-18 | 2022-08-25 | ||
WO2022176103A1 (ja) * | 2021-02-18 | 2022-08-25 | 三菱電機株式会社 | 空調装置システム |
Also Published As
Publication number | Publication date |
---|---|
US20190341151A1 (en) | 2019-11-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2019197269A (ja) | 健康サポートシステム | |
US11892811B2 (en) | Geographic analysis of water conditions | |
US11949533B2 (en) | Sink device | |
US9173576B2 (en) | Biometric monitoring device having a body weight sensor, and methods of operating same | |
CN109326081A (zh) | 基于物联网的老人家庭看护预警系统及健康状况评估方法 | |
EP2246797A2 (en) | Personalized article of domestic electronic equipment, and a method for implementing the same | |
CN109936997A (zh) | 睡眠系统 | |
JP5551013B2 (ja) | 環境調整システム | |
EP2472487A2 (en) | Remote monitoring system | |
JP2011036649A (ja) | ユーザの睡眠を管理するための方法およびシステム | |
CN106154856B (zh) | 一种基于dsp技术的家庭现代化舒适设备组合控制方法 | |
JP2003339674A (ja) | 睡眠段階推定方法及びその方法を用いた装置 | |
CN109405224A (zh) | 一种空调的控制方法、装置、存储介质及空调 | |
JPH0515598A (ja) | パーソナル快適性制御システム | |
JP2002352352A (ja) | 生活行動パターンの異常度判定システム及び生活行動パターンの異常度判定方法 | |
JP2008234371A (ja) | 個人情報記憶システム | |
JP2005188969A (ja) | トイレシステムおよび住環境制御システム | |
JP2006026037A (ja) | 健康管理支援システム | |
JP2006276283A (ja) | 宅内システム | |
JP2021068396A (ja) | 生体情報管理システム | |
Dingli et al. | Smart homes | |
CN113038873A (zh) | 信息处理方法、信息处理系统以及信息处理程序 | |
US20220328061A1 (en) | Action estimation device, action estimation method, and recording medium | |
JP7499425B1 (ja) | 見守り支援システム、装置、方法及びプログラム | |
CN216697004U (zh) | 一种智慧家居系统 |