JP2022053411A - 情報処理装置、情報処理方法、およびプログラム - Google Patents

Abstract

【課題】ユーザの行動状態に関する情報に基づいて、ユーザの行動パターンを特定すること。【解決手段】情報処理装置は、ユーザの行動状態に関する行動状態情報を検出する行動状態センサと、ユーザの生体情報に関する生体情報を検出する生体センサと、生体情報に基づいて、ユーザの自律神経活性度を算出する自律神経活性度算出部と、自律神経活性度の強度に応じて出力部からの出力の強度を変更する出力制御部と、を備える。【選択図】図１

Description

本発明は、情報処理装置、情報処理方法、およびプログラムに関する。

ユーザに装着されるウェアラブルデバイスを用いて、ユーザの動きを検出してユーザの行動を識別する技術が知られている。

例えば、特許文献１には、ユーザの加速度情報を検出し、検出された加速度情報を用いて動作モードの制御を行う携帯電話装置が記載されている。特許文献２には、ユーザの所望の部位の動作情報を計測し、全身の運動状態を認識する動作情報計測システムが記載されている。

特開２００３－４６６３０号公報 特開２００４－１８４３５１号公報

ここで、ユーザの行動状態に関する情報に基づいて、ユーザの行動パターンを特定することが求められている。

本発明は、ユーザの行動状態に関する情報に基づいて、ユーザの行動パターンを特定することのできる情報処理装置、情報処理方法、およびプログラムを提供することを目的とする。

本発明の一態様に係る情報処理装置は、ユーザの行動状態に関する行動状態情報を検出する行動状態センサと、前記ユーザの生体情報に関する生体情報を検出する生体センサと、前記生体情報に基づいて、前記ユーザの自律神経活性度を算出する自律神経活性度算出部と、前記自律神経活性度の強度に応じて出力部からの出力の強度を変更する出力制御部と、を備える。

本発明の一態様に係る情報処理方法は、ユーザの行動状態に関する行動状態情報を検出するステップと、前記ユーザの生体情報に関する生体情報を検出するステップと、前記生体情報に基づいて、前記ユーザの自律神経活性度を算出するステップと、前記自律神経活性度の強度に応じて出力部からの出力の強度を変更するステップと、を含む。

本発明の一態様に係るプログラムは、ユーザの行動状態に関する行動状態情報を検出するステップと、前記ユーザの生体情報に関する生体情報を検出するステップと、前記生体情報に基づいて、前記ユーザの自律神経活性度を算出するステップと、前記自律神経活性度の強度に応じて出力部からの出力の強度を変更するステップと、をコンピュータに実行させる。

本発明によれば、ユーザの行動状態に関する情報に基づいて、ユーザの行動パターンを特定することができる。

図１は、第１実施形態に係る情報処理装置を模式的に示す模式図である。 図２は、第１実施形態に係る情報処理装置の構成例を示すブロック図である。 図３は、第１実施形態に係る情報処理装置の処理の流れの一例を示すフローチャートである。 図４は、行動パターン情報を生成する多次元空間について説明するための図である。 図５は、行動パターンを記憶するフォーマットを説明するための図である。 図６は、第２実施形態に係る情報処理装置の処理の流れの一例を示すフローチャートである。 図７は、日常行動と、非日常行動とを説明するための図である。 図８は、第３実施形態に係る情報処理装置の構成例を示すブロック図である。 図９は、第３実施形態に係る情報処理装置の処理の流れの一例を示すフローチャートである。 図１０は、脈波の一例を示すグラフである。 図１１は、行動パターンを記憶するフォーマットを説明するための図である。 図１２は、第４実施形態に係る情報処理装置の構成例を示すブロック図である。 図１３は、補正データの一例を説明するための図である。 図１４は、第４実施形態に係る情報処理装置の処理の流れの一例を示すフローチャートである。 図１５は、補正データの一例を説明するための図である。 図１６は、第５実施形態に係る情報処理装置の処理の流れの一例を示すフローチャートである。 図１７は、第６実施形態に係る情報処理装置の構成例を示すブロック図である。 図１８Ａは、ユーザの履歴データの一例を説明するための図である。 図１８Ｂは、ユーザの履歴データの一例を説明するための図である。 図１８Ｃは、ユーザの履歴データの一例を説明するための図である。 図１９は、第６実施形態に係る学習処理の流れの一例を示すフローチャートである。 図２０は、第６実施形態に係る情報処理装置の処理の流れの一例を示すフローチャートである。 図２１は、第７実施形態に係る情報処理システムの構成例を説明するための図である。 図２２は、第７実施形態に係るサーバ装置の構成例を示すブロック図である。 図２３は、第７実施形態に係るサーバ装置の処理の流れの一例を示すフローチャートである。 図２４は、第７実施形態に係る学習処理の流れの一例を示すフローチャートである。 図２５は、第７実施形態に係る情報処理装置の処理の流れの一例を示すフローチャートである。 図２６は、第８実施形態に係る情報処理装置の構成例を示すブロック図である。 図２７Ａは、活性度スコアの時間的な推移を相対的に表示する方法を説明するための図である。 図２７Ｂは、活性度スコアの時間的な推移を相対的に表示する方法を説明するための図である。 図２７Ｃは、活性度スコアの時間的な推移を相対的に表示する方法を説明するための図である。 図２７Ｄは、活性度スコアの時間的な推移を相対的に表示する方法を説明するための図である。 図２７Ｅは、活性度スコアの時間的な推移を相対的に表示する方法を説明するための図である。 図２８は、活性度スコアの時間的な推移を示す情報を出力する方法を説明するための図である。

以下、添付図面を参照して、本発明に係る実施形態を詳細に説明する。なお、この実施形態により本発明が限定されるものではなく、また、実施形態が複数ある場合には、各実施形態を組み合わせて構成するものも含む。また、以下の実施形態において、同一の部位には同一の符号を付することにより重複する説明を省略する。

［第１実施形態］
図１は、第１実施形態に係る情報処理装置の模式図である。図１に示すように、情報処理装置１０は、ユーザＵの体に装着される、いわゆるウェアラブルデバイスである。本実施形態の例では、情報処理装置１０は、ユーザＵの目に装着される装置１０Ａと、ユーザＵの耳に装着される装置１０Ｂと、ユーザの腕に装着される装置１０Ｃとを含む。ユーザＵの目に装着される装置１０ＡはユーザＵに視覚刺激を出力する（画像を表示する）後述の表示部２６Ａを含み、ユーザＵの耳に装着される装置１０Ｂは、ユーザＵに聴覚刺激（音声）を出力する後述の音声出力部２６Ｂを含み、ユーザＵの腕に装着される装置１０Ｃは、ユーザＵに触覚刺激を出力する後述の触覚刺激出力部２６Ｃを含む。ただし、図１の構成は一例であり、装置の数や、ユーザＵへの装着位置も任意であってよい。例えば、情報処理装置１０は、ウェアラブルデバイスに限られず、ユーザＵに携帯される装置であってよく、例えばいわゆるスマートフォンやタブレット端末などであってもよい。

図２は、第１実施形態に係る情報処理装置の構成例を示すブロック図である。図１に示すように、情報処理装置１０は、行動状態センサ２０と、入力部２２と、出力部２４と、通信部２６と、記憶部２８と、制御部３０とを備える。

行動状態センサ２０は、情報処理装置１０を装着しているユーザＵの行動状態に関する行動状態情報を検出するセンサである。ユーザＵの行動状態情報には、ユーザＵの行動に関する各種の情報が含まれ得る。ユーザＵの行動状態情報には、少なくともユーザＵの物理的な身体の動き、行動をする日時、行動をする場所、行動を行っている時間に関する情報が含まれ得る。

行動状態センサ２０は、カメラ２０Ａと、マイク２０Ｂと、ＧＮＳＳ受信器２０Ｃと、加速度センサ２０Ｄと、ジャイロセンサ２０Ｅと、光センサ２０Ｆと、温度センサ２０Ｇと、湿度センサ２０Ｈとを含む。ただし、行動状態センサ２０は、行動状態情報を検出する任意のセンサを含むものであってよく、例えば、カメラ２０Ａと、マイク２０Ｂと、ＧＮＳＳ受信器２０Ｃと、加速度センサ２０Ｄと、ジャイロセンサ２０Ｅと、光センサ２０Ｆと、温度センサ２０Ｇと、湿度センサ２０Ｈとの、少なくとも１つを含んだものであってよいし、他のセンサを含んだものであってもよい。

カメラ２０Ａは、撮像装置であり、行動状態情報として、情報処理装置１０（ユーザＵ）の周辺の可視光を検出することで、情報処理装置１０の周辺を撮像する。カメラ２０Ａは、所定のフレームレート毎に撮像するビデオカメラであってよい。情報処理装置１０においてカメラ２０Ａの設けられる位置や向きは任意であるが、例えば、カメラ２０Ａは、図１に示す装置１０Ａに設けられており、撮像方向がユーザＵの顔が向いている方向であってよい。これにより、カメラ２０Ａは、ユーザＵの視線の先にある対象物を、すなわちユーザＵの視野の範囲に入る対象物を、撮像できる。また、カメラ２０Ａの数は任意であり、単数であっても複数であってもよい。なお、カメラ２０Ａが複数ある場合には、カメラ２０Ａが向いている方向の情報も、取得される。

マイク２０Ｂは、行動状態情報として、情報処理装置１０（ユーザＵ）の周辺の音声（音波情報）を検出するマイクである。情報処理装置１０においてマイク２０Ｂの設けられる位置、向き、及び数などは任意である。なお、マイク２０Ｂが複数ある場合には、マイク２０Ｂが向いている方向の情報も、取得される。

ＧＮＳＳ受信器２０Ｃは、行動状態情報として、情報処理装置１０（ユーザＵ）の位置情報を検出する装置である。ここでの位置情報とは、地球座標である。本実施形態では、ＧＮＳＳ受信器２０Ｃは、いわゆるＧＮＳＳ（Global Navigation Satellite System）モジュールであり、衛星からの電波を受信して、情報処理装置１０（ユーザＵ）の位置情報を検出する。

加速度センサ２０Ｄは、行動状態情報として、情報処理装置１０（ユーザＵ）の加速度を検出するセンサであり、例えば、重力、振動、及び衝撃などを検出する。

ジャイロセンサ２０Ｅは、行動状態情報として、情報処理装置１０（ユーザＵ）の回転や向きを検出するセンサであり、コリオリの力やオイラー力や遠心力の原理などを用いて検出する。

光センサ２０Ｆは、行動状態情報として、情報処理装置１０（ユーザＵ）の周辺の光の強度を検出するセンサである。光センサ２０Ｆは、可視光線や赤外線や紫外線の強度を検出できる。

温度センサ２０Ｇは、行動状態情報として、情報処理装置１０（ユーザＵ）の周辺の温度を検出するセンサである。

湿度センサ２０Ｈは、行動状態情報として、情報処理装置１０（ユーザＵ）の周辺の湿度を検出するセンサである。

入力部２２は、ユーザの操作を受け付ける装置であり、例えばタッチパネルなどであってよい。

出力部２４は、情報処理装置１０による出力結果を出力する。出力部２４は、例えば映像を表示する表示部２４Ａと、音声を出力する音声出力部２４Ｂとを有する。本実施形態では、表示部２４Ａは、例えば、いわゆるＨＭＤ（Ｈｅａｄ Ｍｏｕｎｔｅｄ Ｄｉｓｐｌａｙ）である。音声出力部２４Ｂは、音声を出力するスピーカである。

通信部２６は、外部の装置などと通信するモジュールであり、例えば、アンテナなどを含んでよい。通信部２６による通信方式は、本実施形態では無線通信であるが、通信方式は任意であってよい。

記憶部２８は、制御部３０の演算内容やプログラムなどの各種情報を記憶するメモリであり、例えば、ＲＡＭ（Random Access Memory）と、ＲＯＭ（Read Only Memory）のような主記憶装置と、ＨＤＤ（Hard Disk Drive）などの外部記憶装置とのうち、少なくとも１つ含む。

記憶部２８には、学習モデル２８Ａと、地図データ２８Ｂとが記憶されている。学習モデル２８Ａは、環境情報に基づいてユーザＵのおかれている環境を特定するために用いられるＡＩモデルである。地図データ２８Ｂは、実在の建造物や自然物などの位置情報を含んだデータであり、地球座標と実在の建造物や自然物などとが、関連付けられたデータといえる。学習モデル２８Ａ、及び地図データ３０Ｂなどを用いた処理については、後述する。なお、学習モデル２８Ａ、及び地図データ２８Ｂや、記憶部２８が保存する制御部３０用のプログラムは、情報処理装置１０が読み取り可能な記録媒体に記憶されていてもよい。また、記憶部２８が保存する制御部３０用のプログラムや、学習モデル２８Ａ、及び地図データ２８Ｂは、記憶部２８に予め記憶されていることに限られず、これらのデータを使用する際に、情報処理装置１０が通信によって外部の装置から取得してもよい。

制御部３０は、情報処理装置１０の各部の動作を制御する。制御部３０は、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、図示しない記憶部に記憶されたプログラムがＲＡＭ等を作業領域として実行されることにより実現される。制御部３０は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現されてもよい。制御部３０は、ハードウェアと、ソフトウェアとの組み合わせで実現されてもよい。

制御部３０は、行動状態情報取得部４０と、行動パターン情報生成部４２と、行動スコア算出部４４と、行動パターン特定部４６と、記憶制御部４８と、出力制御部５０とを備える。

行動状態情報取得部４０は、行動状態センサ２０を制御して、行動状態センサ２０にユーザＵの行動状態情報を検出させる。行動状態情報取得部４０は、行動状態センサ２０が検出した行動状態情報を取得する。

行動パターン情報生成部４２は、行動状態情報取得部４０が取得した行動状態情報に基づいて、行動パターン情報を生成する。行動パターン情報生成部４２は、例えば、行動状態情報に基づいて、少なくともユーザＵの行動状態が検出された日時、場所、時間のパラメータを座標軸とする多次元空間に行動パターン情報を生成する。

行動スコア算出部４４は、行動パターン情報生成部４２が生成した行動パターン情報に基づいて、行動スコアを算出する。行動スコア算出部４４は、例えば、行動状態情報が集まる行動パターン情報群の密度が所定の密度を超えている空間ごとにグループ化する。行動スコア算出部４４は、グループ化された行動パターン情報群を含む空間に基づいて、行動パターン情報群の行動スコアを算出する。具体的には、行動スコア算出部４４は、例えば、行動パターン情報群を含む空間の大きさに関する情報を行動スコアとして算出する。

行動パターン特定部４６は、行動スコア算出部４４が算出した行動スコアに基づいて、ユーザＵの行動パターンを特定する。行動パターン特定部４６は、行動スコアの値が所定の閾値を超えている行動パターン情報群に対応する行動をユーザＵの行動パターンであると判定する。行動パターン特定部４６は、例えば、行動状態情報取得部４０が取得した画像データ、音声データ、位置情報、加速度情報、姿勢情報、赤外線及び紫外線の強度情報、温度情報、及び湿度情報などに基づいて、ユーザＵが行っていた行動の種類を特定する。

記憶制御部４８は、記憶部２８を制御して、記憶を行わせる。行動パターン特定部４６が特定したユーザＵの行動パターンに関する情報を記憶部２８に記憶する。記憶制御部４８は、行動パターン特定部４６が特定したユーザＵの行動パターンに関する情報を所定のフォーマットで記憶部２８に記憶する。所定のフォーマットについては、後述する。

出力制御部５０は、出力部２４を制御して、出力を行わせる。出力制御部５０は、例えば、表示部２４Ａを制御して、行動パターンに関する情報を表示させる。出力制御部５０は、例えば、音声出力部２４Ｂを制御して、行動パターンに関する情報を音声で出力する。

［処理内容］
図３を用いて、第１実施形態に係る情報処理装置１０の処理内容について説明する。図３は、第１実施形態に係る情報処理装置１０の処理の流れの一例を示すフローチャートである。

制御部３０は、行動状態センサ２０からユーザＵの行動に関する行動状態情報を取得する（ステップＳ１０）。具体的には、行動状態情報取得部４０は、情報処理装置１０（ユーザＵ）の周辺を撮像した画像データをカメラ２０Ａから取得する。行動状態情報取得部４０は、情報処理装置１０（ユーザＵ）の周辺の音声を収音した音声データをマイク２０Ｂから取得する。行動状態情報取得部４０は、情報処理装置１０（ユーザＵ）の位置情報をＧＮＳＳ受信器２０Ｃから取得する。行動状態情報取得部４０は、情報処理装置１０（ユーザＵ）の加速度情報を加速度センサ２０Ｄから取得する。行動状態情報取得部４０は、情報処理装置１０（ユーザＵ）の姿勢情報をジャイロセンサ２０Ｅから取得する。行動状態情報取得部４０は、情報処理装置１０（ユーザＵ）の周辺の赤外線及び紫外線の強度情報を光センサ２０Ｆから取得する。行動状態情報取得部４０は、情報処理装置１０（ユーザＵ）の周辺の温度情報を温度センサ２０Ｇから取得する。行動状態情報取得部４０は、情報処理装置１０（ユーザＵ）の周辺の湿度情報を湿度センサ２０Ｈから取得する。行動状態情報取得部４０は、これらの情報を、所定期間ごとに、逐次取得する。行動状態情報取得部４０は、それぞれの行動状態情報を、同じタイミングで取得してもよいし、異なるタイミングで取得してもよい。また、次の行動状態情報を取得するまでの所定期間は、任意に設定してよく、環境情報毎に所定期間を同じにしてもよいし、異ならせてもよい。

ユーザＵの行動には、行動自体の物理的な身体の動き、その行動をする日時、その行動をする場所、その行動をその場所で行っている時間の３つの要素が含まれ得る。ユーザＵの行動には、ユーザＵの身体の動きだけでなく、例えば、「ゴルフをする」、「映画を見る」、「買い物をする」などの行為も含まれ得る。行動状態情報取得部４０が取得したユーザＵの身体の動きが同じであっても、位置情報が異なっていれば行っている行為が異なることもあり得る。

制御部３０は、ユーザＵの行動パターン情報を生成する（ステップＳ１１）。具体的には、行動パターン情報生成部４２は、行動状態情報取得部４０が取得したユーザＵの行動状態情報に基づいて、ユーザＵの行動パターン情報を生成する。制御部３０は、行動パターン情報群をグループ化する（ステップＳ１２）。具体的には、行動パターン情報生成部４２は、行動パターン情報が集まる行動パターン情報群の密度が所定の密度を超えている空間ごとにグループ化する。制御部３０は、行動スコアを算出する（ステップＳ１３）。具体的には、行動スコア算出部４４は、行動パターン情報群を含む空間の中心から端部までの距離を行動スコアとして算出する。言い換えれば、行動スコア算出部４４は、行動パターン情報群を含む空間の大きさを行動スコアとして算出する。

図４は、行動パターン情報を生成する多次元空間について説明するための図である。

図４は、日時、場所、時間を座標軸とする３次元空間を示す。図４では、日時は０時から２４時、場所は自宅からの１次元的な直線距離、時間は行動の開始と判断されてから終了と判断されるまでの時間であるが、これに限られない。例えば、場所は名称および住所などであってもよい。

行動パターン情報生成部４２は、図４に示す３次元空間において、所定の時間間隔ごとに点Ｐをプロットすることで行動パターン情報を生成する。行動パターン情報生成部４２は、例えば、１分間隔ごとに点Ｐをプロットするが、これに限られない。行動パターン情報生成部４２は、例えば、ユーザＵが「正午頃」に「エリアＡ２付近」で、「２時間」映画を見ていたとする。この場合、行動パターン情報生成部４２は、「正午頃」と、「エリアＡ２付近」と、「２時間」とか交差する点から日時の軸と平行に、「１４時頃」まで所定間隔で点Ｐをプロットする。なお、ユーザＵが映画館にいたことは、行動パターン特定部４６が、ユーザＵの周辺の画像データ、音声データ、位置情報、加速度情報、姿勢情報、赤外線及び紫外線の強度情報、温度情報、及び湿度情報などに基づいて、特定することができる。ユーザＵの行動として「食料品を購入する」の場合、通常、スーパーマーケット及びデパートの地下街などの食料品店の候補は複数あり得る。

行動パターン情報生成部４２は、図４に示す３次元空間において、行動パターン情報として生成されて点Ｐが集まる行動パターン情報群の密度が所定の密度を超えている空間を同一の行動パターンとしてグループ化する。行動パターン情報生成部４２は、例えば、行動パターン情報が生成され得る空間Ｓに対して、単位空間ＵＳを用いてスキャニングを行う。行動パターン情報生成部４２は、例えば、空間Ｓの各箇所における単位空間ＵＳに含まれる点Ｐの数をカウントする。行動パターン情報生成部４２は、例えば、単位空間ＵＳに含まれる点Ｐの数が最も多い箇所を行動パターン情報の中心として特定する。行動パターン情報生成部４２は、点Ｐの数が最も多い単位空間ＵＳの周囲の単位空間ＵＳに含まれる点Ｐの数をカウントし、点Ｐの数が最も多い単位空間ＵＳの６０％程度の点Ｐが含まれている単位空間ＵＳまでを同一のグループＧとして特定する。行動スコア算出部４４は、例えば、グループＧの中心から何れかの面に引いた垂線の長さを行動スコアとして算出する。行動スコア算出部４４は、例えば、グループＧの体積を行動スコアとして算出する。なお、行動パターン情報生成部４２は、図４に示す３次元空間において、複数のグループＧを特定することもあり得る。

ここで、ユーザＵの行動には、例えば、「車の購入」であれば「ディーラーに行く」及び「椅子の購入」であれば「ホームセンターに行く」などの購入する対象が頻繁ではないものを購入する行動もあり得る。これらの行動については、図４に示す３次元空間上において、場所も、時間も、日時もばらばらにプロットされるものと考えられる。しかしながら、例えば、ユーザＵが毎日朝６時に、近くの「公園」で「体操」を「約１０分」するとしたら、３次元空間上にプロットされる点は日を追うごとに空間上に密集してくる。同じ公園の場所の中でも数ｍから数十ｍは体操をする場所が日によって違うこともあり得るし、時間も１０分から±２分程度ばらつくこともあり得る。このため、行動パターン情報生成部４２は、３次元空間上において比較的大きな密集された群のように偏りがあるように行動パターン情報をプロットして生成し得る。このように、比較的簡単な情報である時刻、場所、時間というパラメータを座標軸に選ぶことで、特定の揺らぎを持つ３次元空間の密集した群を１つの行動パターンとして扱うことができるようになる。

図４に示す例では、ユーザＵの行動パターンを３次元空間上に示したが、本発明はこれに限定されない。本実施形態では、ユーザＵの行動パターンは、任意の多次元空間に生成してよい。例えば、場所は「自宅からの直線距離」としたが、場所を「緯度」と「経度」としてもよい。この場合、行動パターン情報が生成される空間は、４次元空間となる。さらに、日時は「０時から２４時」として１日間を示したが、「曜日」として７単位のスカラー値を持つ軸を加えて、５次元空間としてもよい。すこの場合、例えば、ユーザＵが月曜日から金曜日に出勤し、土曜日及び日曜日が休日である場合、月曜日から金曜日と、土曜日及び日曜日とでは、行動パターン情報群のプロットが大きく変化し得る。「曜日」の軸の視点で見ると、日常行動の行動パターンと、非日常行動な行動パターンとを判別しやすくなる。日常行動及び非日常行動の行動パターンについては、後述する。

なお、時間は、その行動の開始から終了までの時間としたが、本発明はこれに限られない。例えば、「バットの素振りを２００回行った」とか、「何歩歩いた（又は走った）」とかなどの断続的な継続事象のような行動である場合、頻度であってもよい。例えば、ユーザＵが定期的に運動をする習慣が場合に時間を頻度に変更することにより、あらゆる行動パターンを「動き」という「運動」のパラメータとして捉えることができ、ユーザＵにとって興味あるデータとして表示できる可能性が高くなる。

図３に戻る。制御部３０は、行動スコアが閾値未満であるか否かを判定する（ステップＳ１４）。具体的には、行動パターン特定部４６は、ステップＳ１３で行動スコア算出部４４が算出した行動スコアが所定の閾値未満であるか否かを判定する。閾値未満であると判定された場合（ステップＳ１４；Ｙｅｓ）、ステップＳ１５に進む。閾値未満でないと判定された場合（ステップＳ１４；Ｎｏ）、ステップＳ１８に進む。

ステップＳ１４でＹｅｓと判定された場合、制御部３０は、行動パターンを特定する（ステップＳ１５）。具体的には、行動パターン特定部４６は、行動スコアが所定の閾値以下であった行動パターン情報群に対応する行動をユーザＵの行動パターンであると特定する。

制御部３０は、特定された行動パターンの行動状態の種類を識別する（ステップＳ１６）。具体的には、行動パターン特定部４６は、行動状態情報取得部４０が取得した行動状態情報に基づいて、ユーザＵが行った行動状態の種類を識別してよい。

より具体的には、行動パターン特定部４６は、例えば、学習モデル２８Ａを用いて、ユーザＵの行動状態を特定してもよい。学習モデル２８Ａは、行動状態センサ２０の検出結果と、行動状態センサ２０の検出結果が示す行動状態の種類を示す情報とを１つのデータセットとし、複数のデータセットを教師データとして学習して構築されたＡＩモデルである。行動パターン特定部４６は、学習済みの学習モデル２８Ａに、行動状態センサ２０の検出結果を入力して、その検出結果が示す行動状態の種類を示す情報を取得して、ユーザＵの行動状態の種類を識別する。行動パターン特定部４６は、学習済みの学習モデル２８Ａを用いて、例えば、ユーザＵがゴルフをしている、ショッピングをしている、映画館にいることなどを特定する。

制御部３０は、行動パターンを記憶部２８に記憶させる（ステップＳ１７）。具体的には、記憶制御部４８は、ステップＳ１６で特定された行動パターンを所定のフォーマットで記録する。

図５は、行動パターンを記憶するフォーマットを説明するための図である。本実施形態では、行動パターンは、例えば、１６種類から６４種類程度の行動を予測できる場所を予め対応付けられ得る。例えば、「ゴルフ場」であれば「ゴルフをしている」ことが予測でき、「映画館」であれば「映画を見ている」ことが予測でき、「ショッピングセンター」であれば「買い物をしている」ことが予測でき、「公園」であれば「体操をしている」ことが予測できる。本実施形態は、ユーザＵの位置情報は、行動状態センサ２０のＧＮＳＳ受信器２０Ｃから取得できるので、数週間程度に渡って、ユーザＵが訪れた場所を登録することができる。これにより、本実施形態は、ユーザＵのライフスタイルに係る行動パターンの候補に順番に番号を付けることができる。

図５に示すように、記憶フォーマットＦ１には、領域Ｄ１と、領域Ｄ２と、領域Ｄ３と、領域Ｄ４と、領域Ｄ５とを、含み得る。

領域Ｄ１には、特定された行動パターンをナンバリングされた数値が記憶される。領域Ｄ１は、例えば、３バイトで構成される。領域Ｄ２には、行動パターン情報を群としてプロットした空間の次元数が記憶される。領域Ｄ２は、例えば、１バイトで構成される。この場合、空間は最大で、２５５次元になり得る。領域Ｄ３には、ユーザＵの行動パターンであると判定された、行動パターン情報群の行動スコアＲが記憶される。行動スコアＲは、行動パターンの判定誤差の揺らぎを持ち、行動スコアＲが小さい値であるほど、行動パターンの信頼度が高いことを意味する。領域Ｄ４は、リザーブ領域である。リザーブ領域の最後の１バイトの領域の最終ビットである領域Ｄ５には、行動パターンが日常であるものか、非日常であるものかを示す識別子が記憶される。領域Ｄ５には、後述する日常行動の行動パターンである場合には０が記述され、非日常行動の行動パターンである場合には１が記述される。リザーブ領域には、各々の行動パターンが発生したときに、付随的な情報を追加したい場合に使用され得る。リザーブ領域は、例えば、６バイト以上の領域を持ち、Ｎ次元（Ｎは任意の整数）の次元に相当する各数字情報を記述してもよい。

図３に戻る。制御部３０は、他のグループがあるか否かを判定する（ステップＳ１８）。具体的には行動スコア算出部４４は、行動スコアを算出すべき、グループ化された行動パターン情報群があるか否かを判定する。他のグループがあると判定された場合（ステップＳ１８；Ｙｅｓ）、ステップＳ１３に進む。他のグループがないと判定された場合（ステップＳ１８；Ｎｏ）、ステップＳ１９に進む。

制御部３０は、処理を終了するか否かを判定する（ステップＳ１９）。具体的には、制御部３０は、処理を終了する操作を受け付けた場合、及び電源をオフする操作などを受け付けた場合に、処理を終了すると判定する。処理を終了しないと判定された場合（ステップＳ１９；Ｎｏ）、ステップＳ１０に進む。処理を終了すると判定された場合（ステップＳ１９；Ｙｅｓ）、図３の処理を終了する。

上述のとおり、第１実施形態に係る情報処理装置１０は、ユーザＵの行動状態を検出し、行動状態に応じた行動パターン情報群を多次元空間に生成する。これにより、第１実施形態に係る情報処理装置１０は、行動パターン情報群に基づいて、ユーザＵの行動パターンを特定することができる。

［第２実施形態］
次に、第２実施形態について説明する。図６は、第２実施形態に係る情報処理装置の処理の流れの一例を示すフローチャートである。第２実施形態に係る情報処理装置の構成は、図２に示す情報処理装置１０と同一の構成なので、説明を省略する。

第２実施形態では、情報処理装置１０は、特定されたユーザＵの行動パターンが日常的な日常行動であるか、又は非日常的な非日常行動であるか否かを判定する。

図７は、日常行動と、非日常行動とを説明するための図である。

図７において、空間ＳＡは、例えば、同一の行動パターンとしてグループ化された範囲を示す。空間ＳＢは、例えば、中心が空間ＳＡと同じあり、体積が空間ＳＡの６０％程度である。

第２実施形態では、空間ＳＢに含まれている行動パターン情報は、行動スコアが第１閾値未満の行動パターンである。第２実施形態では、行動スコアが第１閾値未満の行動パターンを日常行動の行動パターンであると判定する。図７に示す例では、空間ＳＢ内の点Ｐ１に対応する行動パターンが日常行動の行動パターンと判定される。

第２実施形態では、空間ＳＡと、空間ＳＢとの間の空間に含まれている行動パターンは、行動スコアが第１閾値以上第２閾値未満の行動パターンである。第２実施形態では、行動スコアが第１閾値以上第２閾値未満の行動パターンを非日常行動の行動パターンであると判定する。図７に示す例では、空間ＳＡと、空間ＳＢとの間の空間内の点Ｐ２に対応する行動パターンが非日常行動の行動パターンと判定される。

第２実施形態では、空間ＳＡの外側の空間に含まれている行動パターンは、行動スコアが第２閾値以上の行動パターンである。第２実施形態では、行動パターンが第２閾値以上の行動パターンを、対象外としてユーザの行動パターンとして含めない。

図６に戻る。図ステップＳ２０からステップＳ２３の処理は、図３に示すステップＳ１０からステップＳ１３の処理と同一の処理なので、説明を省略する。

制御部３０は、行動スコアが第１閾値未満であるか否かを判定する（ステップＳ２４）。具体的には、行動パターン特定部４６は、ステップＳ２３で行動スコア算出部４４が算出した行動スコアが所定の第１閾値未満であるか否かを判定する。第１閾値未満であると判定された場合（ステップＳ２４；Ｙｅｓ）、ステップＳ２５に進む。第１閾値未満でないと判定された場合（ステップＳ２４；Ｎｏ）、ステップＳ２８に進む。

ステップＳ２４でＹｅｓと判定された場合、制御部３０は、日常行動の行動パターンを特定する（ステップＳ２５）。具体的には、行動パターン特定部４６は、行動スコアが所定の第１閾値未満であった行動パターン情報群に対応する行動をユーザＵの日常行動の行動パターンであると特定する。

制御部３０は、特定された日常行動の行動パターンの行動状態の種類を識別する（ステップＳ２６）。具体的には、行動パターン特定部４６は、行動状態情報取得部４０が取得した行動状態情報に基づいて、ユーザＵが行った日常行動の行動状態の種類を識別してよい。

制御部３０は、日常行動の行動パターンを記憶部２８に記憶させる（ステップＳ２７）。具体的には、記憶制御部４８は、ステップＳ２５で特定された日常行動の行動パターンを所定のフォーマットで記録する。

ステップＳ２４でＮｏと判定された場合、制御部３０は、行動スコアの第１閾値以上第２閾値未満であるか否かを判定する（ステップＳ２８）。具体的には、行動パターン特定部４６は、ステップＳ２３で行動スコア算出部４４が算出した行動スコアが所定の第１閾値以上第２閾値未満であるか否かを判定する。第１閾値以上第２閾値未満であると判定された場合（ステップＳ２８；Ｙｅｓ）、ステップＳ２９に進む。第１閾値以上第２閾値未満でないと判定された場合（ステップＳ２８；Ｎｏ）、ステップＳ３２に進む。

ステップＳ２８でＹｅｓと判定された場合、制御部３０は、非日常行動の行動パターンを特定する（ステップＳ２９）。具体的には、行動パターン特定部４６は、行動スコアが所定の第１閾値以上第２閾値満であった行動パターン情報群に対応する行動を非日常行動の行動パターンであると判定する。

制御部３０は、特定された非日常行動の行動パターンの行動状態の種類を識別する（ステップＳ３０）。具体的には、行動パターン特定部４６は、行動状態情報取得部４０が取得した行動状態情報に基づいて、ユーザＵが行った非日常行動の行動状態の種類を識別してよい。

制御部３０は、非日常行動の行動パターンを記憶部２８に記憶させる（ステップＳ３１）。具体的には、記憶制御部４８は、ステップＳ２９で特定された非日常行動の行動パターンを所定のフォーマットで記録する。

ステップＳ３２及びステップ３３の処理は、ぞれぞれ、図３に示すステップＳ１８及びステップＳ１９の処理と同一の処理なので、説明を省略する。

上述のとおり、第２実施形態に係る情報処理装置１０は、行動スコアに基づいて、行動パターンが日常行動であるか、非日常行動であるかを判定する。これにより、第２実施形態に係る情報処理装置１０は、同じ行動においても日常のルーチンであるのか、新しい行動であるのかを判定することができる。

具体的には、第２実施形態における、日常行動および非日常行動の識別は、例えば、平日の通勤時間に発生した行動パターンは、ルーチンによる行動なのか、または意図的にその行動パターンを行ったかなどの興味の有無の判断に使用することができる。例えば、毎日決まった時刻にある駅から別の駅まで通勤している場合、駅に向かって歩く行動は同じ時刻であればルーチンであり、興味を持って起こした能動的な行動ではないとして、統計上その行動パターンのデータを無視して計算するなどすることができる。

［第３実施形態］
次に、図８を用いて、第３実施形態に係る情報処理装置について説明する。図８は、第３実施形態に係る情報処理装置の構成例を示すブロック図である。

図８に示すように、情報処理装置１０ａは、生体センサ３２を備える点と、制御部３０ａが生体情報取得部５２及び活性度スコア算出部５４を備える点で、図２に示す情報処理装置１０とは異なる。

ユーザＵの行動には、物理的な動きと共に、興奮度合いなどの生体情報が伴う。そのため、ユーザＵの行動パターンを特定する際には、その行動時のユーザＵの心理的な状況を考慮することが好ましい。情報処理装置１０ａは、ユーザＵが行動を楽しんでいる度合いを示す活性度スコアを算出する。

生体センサ３２は、ユーザＵの生体情報を検出するセンサである。生体センサ３２は、ユーザＵの生体情報を検出可能であれば、任意の位置に設けられてよい。ここでの生体情報は、指紋など不変のものではなく、例えばユーザＵの状態に応じて値が変化する情報であることが好ましい。さらに言えば、ここでの生体情報は、ユーザＵの自律神経に関する情報、すなわちユーザＵの意思にかかわらず値が変化する情報であることが好ましい。具体的には、生体センサ３２は、脈波センサ３２Ａを含み、生体情報として、ユーザＵの脈波を検出する。生体センサ３２は、ユーザＵの脳波を検出する脳波センサを含んでもよい。

脈波センサ３２Ａは、ユーザＵの脈波を検出するセンサである。脈波センサ３２Ａは、例えば、発光部と受光部とを備える透過型光電方式のセンサであってよい。この場合、脈波センサ３２Ａは、例えば、ユーザＵの指先を挟んで発光部と受光部とが対峙する構成となっており、指先を透過してきた光を受光部が受光し、脈波の圧力が大きいほど血流が大きくなることを利用して、脈の波形を計測するものであってよい。ただし、脈波センサ３２Ａは、それに限られず、脈波を検出可能な任意の方式のものであってよい。

生体情報取得部５２は、生体センサ３２を制御して、生体センサ３２に生体情報を検出させる。生体情報取得部５２は、生体センサ３２が検出した生体情報を取得する。

活性度スコア算出部５４は、生体情報が取得した生体情報に基づいて、自律神経活性度を算出する。自律神経活性度を算出する方法については、後述する。活性度スコア算出部５４は、活性度スコアを算出する。活性度スコア算出部５４は、行動スコア算出部４４が算出した行動スコアと、行動パターン特定部４６が特定した行動パターンと、自律神経活性度に基づいて、活性度スコアを算出する。

［処理内容］
図９を用いて、第３実施形態に係る情報処理装置１０ａの処理内容について説明する。図９は、第３実施形態に係る情報処理装置１０ａの処理の流れの一例を示すフローチャートである。

ステップＳ４０の処理は、図３に示すステップＳ１０と同一の処理なので、説明を省略する。

制御部３０ａは、ユーザＵの生体情報を取得する（ステップＳ４１）。具体的には、生体情報取得部５２は、生体センサ３２の脈波センサ３２Ａを制御して、ユーザＵの脈波情報を取得する。本実施形態では、後述するように、ユーザＵの脈波情報を用いて、ユーザＵの心理面におけるストレス度、リラックス度、興味度、および集中度の度合いを示す指針となる自律神経活性度を算出する。

ステップＳ４２からステップＳ４７の処理は、それぞれ、図３に示すステップＳ１１からステップＳ１７の処理と同一の処理なので、説明を省略する。

制御部３０ａは、活性度スコアを算出する（ステップＳ４８）。具体的には、活性度スコア算出部５４は、ステップＳ４１で取得された脈波情報に基づいて、ユーザＵの活性度スコアを算出する。

図１０を用いて、脈波について説明する。図１０は、脈波の一例を示すグラフである。図１０に示すように、脈波は、所定時間毎にＲ波ＷＲと呼ばれるピークが現れる波形となる。脈の拍動は、心臓の洞結節にあるペースメーカ細胞の自然発火で生じする。脈拍のリズムは、交感神経と副交感神経の両方の影響を強く受けている。交感神経は、心臓活動を促進させる。副交感神経は、心臓活動を抑制させる。通常、交感神経と、副交感神経とは拮抗して作用する。安静時又はそれに近い状態では、副交感神経が支配的となる。通常、脈拍数は、交感神経の興奮によってアドレナリンが分泌されると増加し、副交感神経の興奮によってアセチルコリンが分泌されると減少する。したがって、自律神経の機能検査は、心電図におけるＲ－Ｒ間隔の変動調べることが有用であるとされている。これは、藤本等の「心電図Ｒ－Ｒ間隔の変動を用いた自律神経機能検査の正常参考値および標準予測式」（自律神経，３０巻２号，１９８７年，１６７－１７３頁）及び早野等の「心拍変動と自律神経機能」（生物物理，２８－４，Ｐ３２－３６，１９８８）に記載されている。Ｒ－Ｒ間隔とは、図１０に示すように、時系列で連続するＲ波ＷＲ同士の間隔である。心拍変動は、信号波形のＱＰＳ波の頂点であるＲ波を脈の１発として測定される。心電図のＲ波の間隔の変動、つまり図１０のＲ波間を示すＲ－Ｒ間隔の時間間隔の揺らぎが、自律神経指標として用いられている。自律神経指標としてＲ－Ｒ間隔の時間間隔の揺らぎを用いることの妥当性は、多くの医療機関で報告されている。Ｒ－Ｒ間隔のゆらぎは、安静時に大きくなり、ストレス時には小さくなる。

Ｒ－Ｒ間隔の変動には、いくつかの特徴的な揺らぎある。１つは０．１Ｈｚ付近に出現する低周波成分であり、血管の血圧のフィードバック調節に伴う交感神経系活動の変調に由来する。もう１つは呼吸に同調した変調であり、呼吸性洞性不整脈を反映する高周波成分である。高周波成分は、呼吸中枢による迷走神経前節ニューロンへの直接干渉と肺の伸展受容体および呼吸による血圧変化の反受容体反射を反映し、主に心臓に影響する副交感神経指標とされている。すなわち、脈波のＲ－Ｒ波間の揺らぎを測定した波形成分のうち、低周波成分のパワースペクトルは交感神経の活性度を示し、高周波成分のパワースペクトルは副交感神経の活性度を示しているといえる。

入力される脈波の揺らぎは、Ｒ－Ｒ間隔値の微分値で求められる。この場合、Ｒ－Ｒ間隔の微分値が時間的に等間隔のデータでない場合、活性度スコア算出部５４は、三次元スプライン補間などを用いて等間隔な時系列データに変換する。活性度スコア算出部５４は、Ｒ－Ｒ間隔の微分値を、高速フーリエ変換などで直交変換を行う。これにより、活性度スコア算出部５４は、脈波のＲ－Ｒ間隔値の微分値の高周波成分のパワースペクトルと、低周波成分のパワースペクトルを算出する。活性度スコア算出部５４は、高周波成分のパワースペクトルの総和をＲＲＨＦとして算出する。活性度スコア算出部５４は、低周波成分のパワースペクトルの総和のＲＲＬＦとして算出する。活性度スコア算出部５４は、式（１）を用いて、自律神経活性度を算出する。活性度スコア算出部５４は、自律神経活性度算出部と呼ばれることもある。

式（１）において、ＡＮは自律神経活性度、ＲＲＨＦは高周波成分のパワースペクトルの総和、ＲＲＬＦは低周波成分の低周波成分のパワースペクトルの総和である。Ｃ１及びＣ２は、ＡＮの解の発散を抑えるために規定した固定値である。

活性度スコア算出部５４は、式（２）を用いて、活性度スコアを算出する。

式（２）において、ＮＳは活性度スコア、ＡＰは行動パターン、Ｒは行動スコア、ＡＮは自律神経活性度である。すなわち、活性度スコア算出部５４は、行動パターンと、行動スコアと、自律神経活性度とをパラメータとして含む関数を用いて、活性度スコアを算出してもよい。

また、活性度スコア算出部５４は、例えば、学習モデルを用いて、活性度スコアを算出してもよい。学習モデルは、行動パターンと、行動スコアと、自律神経活性度と、活性度スコアとを１つのデータセットとし、複数のデータセットを教師データとして学習して構築されたＡＩモデルである。この場合、活性度スコア算出部５４は、学習済みの学習モデルに行動パターンと、行動スコアと、自律神経活性度とを入力して、活性度スコアを示す
情報を取得して、活性度スコアを算出する。

制御部３０は、ユーザＵに対して活性度スコアを提示する（ステップＳ４９）。具体的には、出力制御部５０は、表示部２４Ａ及び音声出力部２４Ｂの少なくとも一方を制御して、ユーザＵに対して活性度スコアを提示する。

制御部３０は、行動パターンと活性スコアを記憶部２８に記憶させる（ステップＳ５０）。具体的には、記憶制御部４８は、ステップＳ４６で特定された行動パターンと活性度スコアとを所定のフォーマットで記録する。

図１１は、行動パターンを記憶するフォーマットを説明するための図である。図１１に示すように、記憶フォーマットＦ２は、領域Ｄ１ａと、領域Ｄ２ａと、領域Ｄ３ａと、領域Ｄ４ａと、領域Ｄ５ａと、領域Ｄ６ａとを、含み得る。

領域Ｄ１ａは、特定された行動パターンをナンバリングされた数値が記憶される。領域Ｄ１ａは、例えば、３バイトで構成される。領域Ｄ２ａには、行動パターン情報を群としてプロットした空間の次元数が記憶される。領域Ｄ２ａは、例えば、１バイトで構成される。領域Ｄ３ａには、ユーザＵの行動パターンであると判定された、行動パターン情報群の行動スコアＲが記憶される。領域Ｄ４ａには、自律神経活性度が記憶される。領域Ｄ４ａは、例えば、２バイトで構成される。領域Ｄ５ａには、活性度スコアが記憶される。領域Ｄ５は、例えば、２バイトで構成されている。領域Ｄ６ａは、リザーブ領域である。

ステップＳ５１及びステップＳ５２の処理は、それぞれ、図３に示すステップＳ１８及びステップＳ１９の処理と同一の処理なので説明を省略する。

上述のとおり、第３実施形態に係る情報処理装置１０ａは、ユーザＵの行動パターンとして特定された行動を行っていた際の、ユーザがその行動を楽しんでいた度合いを示す活性度スコアを算出することができる。これにより、第３実施形態に係る情報処理装置１０ａは、ユーザＵの行動パターンをより適切に特定することができる。

［第４実施形態］
次に、図１２を用いて、第４実施形態に係る情報処理装置について説明する。図１２は、第４実施形態に係る情報処理装置の構成例を示すブロック図である。

図１２に示すように、情報処理装置１０ｂは、記憶部２８ａが補正データ２８Ｃを記憶している点と、制御部３０ｂが活性度スコア補正部５６を備える点で、図８に示す情報処理装置１０ａとは異なる。

国又は地域などが変われば、同じ行動パターンであっても感性などの違いにより感じ方に違いが生じることもあり得る。情報処理装置１０ｂは、国又は地域に応じて、活性度スコアを補正する。

補正データ２８Ｃは、活性度スコア補正部５６が活性度スコアを補正する際に用いるデータである。補正データ２８Ｃは、例えば、行動パターンと、国又は地域などに応じて活性度スコアに乗算する補正係数とが対応付けられているデータである。

図１３は、補正データの一例を説明するための図である。図１３には、行動パターンとして、行動パターンＭＰ１と、行動パターンＭＰ２と、行動パターンＭＰ３とが示されている。また、国又は地域として、エリアＡ１と、エリアＡ２と、エリアＡ３とが示されている。図１３では、行動パターンは、行動パターンＭＰ１などのように概念的に示しているが、実施には、「ゴルフをする」などにように具体的に示される。また、国又は地域は、エリアＡ１などのように概念的に示しているが、実際には、日本などの具体的な国名や、東京などの具体的な地域名が示される。

図１３に示すように、エリアＡ１では、行動パターンＭＰ１の活性度スコアには０．５を乗じ、行動パターンＭＰ２の活性度スコアには０．２を乗じ、行動パターンＭＰ３の活性度スコアには０．１を乗じる。エリアＡ２では、行動パターンＭＰ１の活性度スコアには０．２を乗じ、行動パターンＭＰ２の活性度スコアには０．６を乗じ、行動パターンＭＰ３の活性度スコアには０．９を乗じる。エリアＡ３では、行動パターンＭＰ１の活性度スコアには０．３を乗じ、行動パターンＭＰ２の活性度スコアには０．７を乗じ、行動パターンＭＰ３の活性度スコアには０．５を乗じる。図１３に示すように、国又は地域が異なれば、行動パターンが同じであっても、活性度スコアに乗じる補正係数は変化し得る。補正係数は、各国又は地域ごとに予め想定し得る行動パターンについてアンケート調査を行うことで生成される。なお、図１３では、エリアＡ１からエリアＡ３のように地域ごとに補正係数を分類しているが、地域以外の所定の条件で、補正係数を分類してもよい。例えば、対象とする行動パターンの種類によっては、年齢や性別などで補正係数を分類してもよい。

活性度スコア補正部５６は、活性度スコア算出部５４が算出した活性度スコアを補正する。具体的には、活性度スコア補正部５６は、行動パターンが特定された国又は地域に基づいて、補正データ２８Ｃを用いて、活性度スコアを補正する。

［処理内容］
図１４を用いて、第４実施形態に係る情報処理装置１０ｂの処理内容について説明する。図１４は、第４実施形態に係る情報処理装置１０ｂの処理の流れの一例を示すフローチャートである。

ステップＳ６０からステップＳ６８の処理は、それぞれ、図９に示すステップＳ４０からステップＳ４８の処理と同一の処理なので、説明を省略する。

制御部３０ｂは、活性度スコアを補正する（ステップＳ６９）。具体的には、活性度スコア補正部５６は、行動パターン特定部４６によって特定された位置情報に基づいて、補正データ２８Ｃを用いて、活性度スコア算出部５４が算出した活性度スコアを補正する。

制御部３０ｂは、ユーザＵに対して補正後の活性度スコアを提示する（ステップＳ７０）。具体的には、出力制御部５０は、表示部２４Ａ及び音声出力部２４Ｂの少なくとも一方を制御して、ユーザＵに対して補正後の活性度スコアを提示する。

制御部３０ｂは、行動パターンと補正後の活性スコアを記憶部２８に記憶させる（ステップＳ７１）。具体的には、記憶制御部４８は、ステップＳ６６で特定された行動パターンと補正後の活性度スコアとを所定のフォーマットで記録する。

ステップＳ７２及びステップＳ７３の処理は、それぞれ、図９に示すステップＳ５１及びステップＳ５２の処理と同一の処理なので、説明を省略する。

上述のとおり、第４実施形態に係る情報処理装置１０ｂは、国又は地域に応じて活性度スコアに補正係数を乗ずることにより、活性度スコアを補正する。これにより、第４実施形態に係る情報処理装置１０ｂは、国又は地域に応じてより適切に活性度スコアを補正することができる。

［第４実施形態の変形例］
次に、第４実施形態の変形例について説明する。第４実施形態では、図１３に示すように、行動パターンとエリアとが対応付けられた補正データ２８Ｃを用いて、活性度スコアを補正する。しかしながら、補正データには、行動パターンが対応付けられていなくてもよい。すなわち、エリアごとに専用の補正係数が定められていてもよい。この場合、活性度スコア補正部５６は、活性度スコア算出部５４が算出した自律神経活性度を補正データに基づいて補正するようにすればよい。この場合、活性度スコア補正部５６は、自律神経活性度補正部とも呼ばれ得る。

図１５は、補正データの一例を説明するための図である。図１５に示すように、補正データ２８Ｃａには、エリアごとに補正係数が定められている。図１５に示す例では、エリアＡ１の補正係数は０．５、エリアＡ２の補正係数は０．２、及びエリアＡ３の補正係数は０．３である。

活性度スコア補正部５６は、例えば、ユーザＵの自律神経活性度が算出された地域がエリアＡ１であると判定された場合、算出された自律神経活性度に０．５を乗ずることで、自律神経の活性度を補正する。これにより、第４実施形態の変形例では、各地域に応じて自律神経の活性度をより適切に算出することができる。

［第５実施形態］
次に、第５実施形態について説明する。図１６は、第５実施形態に係る情報処理装置の処理の流れの一例を示すフローチャートである。第５実施形態に係る情報処理装置の構成は、図２に示す情報処理装置１０ｂと同一の構成なので、説明を省略する。

第５実施形態では、情報処理装置１０ｂは、特定されたユーザＵの日常行動の行動パターンと、非日常行動の行動パターンについて、それぞれ独立に活性度スコアを算出する。また、第５実施形態では、情報処理装置１０ｂは、算出されたユーザＵの日常行動の行動パターンの活性度スコアと、非日常行動の行動パターンの活性度スコアについて、それぞれ独立に補正する。

ステップＳ８０からステップＳ８４の処理は、それぞれ、図９に示すステップＳ４０からステップＳ４４の処理と同一の処理なので、説明を省略する。

ステップＳ８５からステップＳ８７の処理は、ぞれぞれ、図６に示すステップＳ２４からステップＳ２６の処理と同一の処理なので、説明を省略する。

制御部３０ｂは、日常行動の行動パターンの活性度スコアを算出する（ステップＳ８８）。具体的には、活性度スコア算出部５４は、ステップＳ８１で取得された脈波情報に基づいて、ユーザＵの日常行動の行動パターンの活性度スコアを算出する。

制御部３０ｂは、日常行動の行動パターンの活性度スコアを補正する（ステップＳ８９）。具体的には、活性度スコア補正部５６は、行動パターン特定部４６によって特定された位置情報に基づいて、補正データ２８Ｃを用いて、活性度スコア算出部５４が算出した日常行動の行動パターンの活性度スコアを補正する。

制御部３０ｂは、ユーザＵに対して補正後の日常行動の行動パターンの活性度スコアを提示する（ステップＳ９０）。具体的には、出力制御部５０は、表示部２４Ａ及び音声出力部２４Ｂの少なくとも一方を制御して、ユーザＵに対して補正後の活性度スコアを提示する。

制御部３０ｂは、日常行動の行動パターンと補正後の活性スコアを記憶部２８に記憶させる（ステップＳ９１）。具体的には、記憶制御部４８は、ステップＳ６６で特定された日常行動の行動パターンと補正後の活性度スコアとを所定のフォーマットで記録する。

ステップＳ８５でＮｏと判定された場合、ステップＳ９２に進む。ステップＳ９２からステップＳ９４の処理は、それぞれ、図６に示すステップＳ２８からステップＳ３０の処理と同一の処理なので、説明を省略する。

制御部３０ｂは、非日常行動の行動パターンの活性度スコアを算出する（ステップＳ９５）。具体的には、活性度スコア算出部５４は、ステップＳ８１で取得された脈波情報に基づいて、ユーザＵの非日常行動の行動パターンの活性度スコアを算出する。

制御部３０ｂは、非日常行動の行動パターンの活性度スコアを補正する（ステップＳ９６）。具体的には、活性度スコア補正部５６は、行動パターン特定部４６によって特定された位置情報に基づいて、補正データ２８Ｃを用いて、活性度スコア算出部５４が算出した非日常行動の行動パターンの活性度スコアを補正する。

制御部３０ｂは、ユーザＵに対して補正後の非日常行動の行動パターンの活性度スコアを提示する（ステップＳ９７）。具体的には、出力制御部５０は、表示部２４Ａ及び音声出力部２４Ｂの少なくとも一方を制御して、ユーザＵに対して補正後の活性度スコアを提示する。

制御部３０ｂは、非日常行動の行動パターンと補正後の活性スコアを記憶部２８に記憶させる（ステップＳ９８）。具体的には、記憶制御部４８は、ステップＳ６６で特定された非日常行動の行動パターンと補正後の活性度スコアとを所定のフォーマットで記録する。

ステップＳ９９及びステップＳ１００の処理は、それぞれ、図９に示すステップＳ５１及びステップＳ５２の処理と同一の処理なので、説明を省略する。

上述のとおり、第５実施形態に係る情報処理装置１０ｂは、日常行動の行動パターンと、非日常行動の行動パターンとして特定された行動を行っていた際の活性度スコアをそれぞれ独立に算出することができる。これにより、第３実施形態に係る情報処理装置１０ａは、ユーザＵの行動パターンをより適切に特定することができる。

また、第５実施形態に係る情報処理装置１０ｂは、国又は地域に応じて活性度スコアに補正係数を乗ずることにより、日常行動の行動パターンの活性度スコアと、非日常行動の行動パターンの活性度スコアを補正する。これにより、第５実施形態に係る情報処理装置１０ｂは、国又は地域に応じてより適切に活性度スコアを補正することができる。

［第６実施形態］
次に、図１７を用いて、第６実施形態に係る情報処理装置について説明する。図１７は、第６実施形態に係る情報処理装置の構成例を示すブロック図である。

図１７に示すように、情報処理装置１０ｃは、記憶部２８ｂが履歴データ２８Ｄを記憶している点と、制御部３０ｃが履歴データ取得部５８と、学習部６０とを備える点で、図８に示す情報処理装置１０ａとは異なる。

趣味や趣向はユーザごとに異なることがあるため、同じ行動を行っている場合でも、活性度スコアの値は、ユーザごとに異なることもあり得る。第６実施形態に係る情報処理装置１０ｃは、ユーザごとにカスタマイズされた学習済みモデルを用いて、活性スコアを算出する。

履歴データ２８Ｄは、活性度スコアの履歴に関するデータである。履歴データ２８Ｄは、ユーザごとに所定期間における、活性度スコアの順位に関する情報を含み得る。具体的には、履歴データ２８Ｄは、所定期間における活性度スコアが所定よりも高い行動パターンの情報を含み得る。所定期間は、例えば、３カ月であるが、これに限定されない。

図１８Ａから図１８Ｃは、履歴データ２８Ｄの一例を説明するための図である。図１８Ａから図１８Ｃに示すように、履歴データ２８Ｄにおいては、順位と、行動パターンと、行動スコアと、活性度スコアとが対応付けられている。図１８Ａは、ユーザＵ１の履歴データの一例である。図１８Ｂは、ユーザＵ２の履歴データの一例である。図１８Ｃは、ユーザＵ３の履歴データの一例である。図１８Ａから図１８Ｃには、それぞれ、ユーザＵ１からユーザＵ３の所定期間における活性度スコアが高かった行動パターンの１位から５位までが示されている。

図１８Ａに示すように、ユーザＵ１の１位は、行動スコアが１０、活性度スコアが９９の行動パターンＭＰ４である。ユーザＵ１の２位は、行動スコアが９、活性度スコアが８５の行動パターンＭＰ３である。ユーザＵ１の３位は、行動スコアが８、活性度スコアが８０の行動パターンＭＰ１である。ユーザＵ１の４位は、行動スコアが７、活性度スコアが５８の行動パターンＭＰ９である。ユーザＵ１の５位は、行動スコアが７、活性度スコアが５３の行動パターンＭＰ３である。

図１８Ｂに示すように、ユーザＵ２の１位は、行動スコアが８、活性度スコアが９０の行動パターンＭＰ４である。ユーザＵ２の２位は、行動スコアが７、活性度スコアが８８の行動パターンＭＰ３である。ユーザＵ２の３位は、行動スコアが８、活性度スコアが７９の行動パターンＭＰ１である。ユーザＵ２の４位は、行動スコアが９、活性度スコアが５１の行動パターンＭＰ８である。ユーザＵ２の５位は、行動スコアが９、活性度スコアが４９の行動パターンＭＰ３である。

図１８Ｃに示すように、ユーザＵ３の１位は、行動スコアが１０、活性度スコアが８９の行動パターンＭＰ７である。ユーザＵ３の２位は、行動スコアが６、活性度スコアが７１の行動パターンＭＰ２である。ユーザＵ３の３位は、行動スコアが７、活性度スコアが６８の行動パターンＭＰ９である。ユーザＵ３の４位は、行動スコアが８、活性度スコアが６５の行動パターンＭＰ４である。ユーザＵ３の５位は、行動スコアが９、活性度スコアが５７の行動パターンＭＰ３である。

図１８Ａから図１８Ｃに示すように、同じ行動パターンであってもユーザに応じて活性度スコアの高い行動パターンは異なり、活性度スコアには個人差が存在する。

履歴データ取得部５８は、記憶部２８ｃから履歴データ２８Ｄを取得する。具体的には、履歴データ取得部５８は、活性度スコアの算出対象となるユーザの履歴データ２８Ｄを取得する。

学習部６０は、学習用データに基づいて、機械学習による学習によりユーザの活性度スコアを算出するための学習済みモデルを生成する。本実施形態では、学習部６０は、例えば、履歴データ取得部５８が取得した履歴データ２８Ｄに基づいて、活性度スコアを算出するための学習済みモデルを生成する。学習部６０は、例えば、活性度スコアを算出する学習済みモデルとしてＤＮＮ（Deep Neural Network）の重みを学習する。学習部６０は、例えば、ディープラーニングなどの周知の機械学習の方法を用いて学習すればよい。学習部６０は、例えば、学習用データが更新されるごとに、学習済みモデルを更新してもよい。

図１９を用いて、第６実施形態に係る学習処理について説明する。図１９は、第６実施形態に係る学習処理の流れの一例を示すフローチャートである。

制御部３０ｃは、学習用データを取得する（ステップＳ１１０）。具体的には、履歴データ取得部５８は、記憶部２８ｂから活性度スコアの算出対象となるユーザの所定期間の履歴データ２８Ｄを取得する。履歴データ取得部５８が取得する履歴データ２８Ｄには、少なくとも順位と、行動パターンと、行動スコアと、活性度スコアに関する情報が含まれ得る。履歴データ取得部５８は、例えば、過去３カ月の１位から１０００位までの履歴データ２８Ｄを取得する。

制御部３０ｃは、学習処理を実行する（ステップＳ１１１）。具体的には、学習部６０は、履歴データ取得部５８が取得した履歴データ２８Ｄを用いて、ユーザの活性度スコアを算出するための学習済みモデルを機械学習により学習して生成する。より具体的には、学習部６０は、行動パターンと、行動スコアと、自律神経活性度と、活性度スコアとを１つのデータセットとし、複数（例えば、１０００個）のデータセットを教師データとして学習して学習済みモデルを生成する。学習部６０は、例えば、活性度スコアの算出対象となるユーザごとに学習済みモデルを生成する。すなわち、本実施形態では、ユーザごとにカスタマイズされた学習済みモデルを生成する。

制御部３０ｃは、学習済みモデルを記憶する（ステップＳ１１２）。具体的には、学習部６０は、生成した学習済みモデルを記憶部２８ｃに記憶する。

［処理内容］
図２０を用いて、第６実施形態に係る情報処理装置１０ｃの処理内容について説明する。図２０は、第６実施形態に係る情報処理装置１０ｃの処理の流れの一例を示すフローチャートである。

ステップＳ１２０からステップＳ１２７の処理は、それぞれ、図９に示すステップＳ４０からステップＳ４７の処理と同一の処理なので、説明を省略する。

制御部３０ｃは、ユーザに応じた学習済みモデルに基づいて、活性度スコアを算出する（ステップＳ１２８）。具体的には、活性度スコア算出部５４は、ユーザに応じてカスタマイズされた学習済みモデルを用いて、ユーザの活性度スコアを算出する。

ステップＳ１２９からステップＳ１３２の処理は、それぞれ、図９に示すステップＳ４９からステップＳ５２の処理と同一の処理なので、説明を省略する。

上述のとおり、第６実施形態に係る情報処理装置１０ｃは、ユーザＵ１からユーザＵ３のそれぞれのユーザごとに活性度スコアの履歴に応じてカスタマイズして生成された学習済みモデルを用いて、ユーザＵ１からユーザＵ３の活性スコアを算出する。これにより、第６実施形態に係る情報処理装置１０ｃは、ユーザの感性に合わせ、より適切に活性度スコアを算出することができる。

［第７実施形態］
図２１を用いて、第７実施形態に係る情報処理システムについて説明する。図２１は、第７実施形態に係る情報処理システムの構成例を説明するための図である。

図２１に示すように、第７実施形態に係る情報処理システム１は、複数の情報処理装置１０ｃと、サーバ装置１００と、を含む。情報処理装置１０ｃと、サーバ装置１００とは、ネットワークＮ（例えば、インターネット）を介して、通信可能に接続されている。すなわち、第７実施形態に係る情報処理システム１は、第６実施形態に係る情報処理装置１０ｃと、サーバ装置１００とが通信可能に接続された構成を有している。

上述の第６実施形態は、ユーザごとに活性度スコアの履歴に応じてカスタマイズして生成された学習済みモデルを用いて、ユーザの活性度を算出する。第７実施形態では、サーバ装置１００が複数のユーザの履歴データを共有データとして記憶することにより、活性度スコアと行動パターンの傾向が近似している複数のユーザの履歴データに基づいて、学習済みモデルを生成して、ユーザの活性度を算出する。

図２２を用いて、第７実施形態に係るサーバ装置の構成について説明する。図２２は、第７実施形態に係るサーバ装置の構成例を示すブロック図である。

図２２に示すように、サーバ装置１００は、通信部１１０と、制御部１２０と、記憶部１３０と、を備える。サーバ装置１００は、いわゆるクラウドサーバである。

通信部１１０は、例えば、ＮＩＣ（Network Interface Card）又は通信回路などによって実現される。通信部１１０は、ネットワークＮと無線又は有線で接続され、情報処理装置１０ｃとの間で情報の送受信を行う。

制御部１２０は、サーバ装置１００の各部の動作を制御する。制御部１２０は、例えば、ＣＰＵやＭＰＵ等によって、図示しない記憶部に記憶されたプログラムがＲＡＭ等を作業領域として実行されることにより実現される。制御部１２０は、例えば、ＡＳＩＣやＦＰＧＡ等の集積回路により実現されてもよい。制御部１２０は、ハードウェアと、ソフトウェアとの組み合わせで実現されてもよい。制御部１２０は、取得部１２２と、判定部１２４と、要求部１２６と、提供部１２８と、を備える。

取得部１２２は、例えば、通信部１１０から情報処理装置１０ｃを装着している各ユーザの活性度スコアの履歴に関する履歴データを取得する。取得部１２２は、例えば、図１８Ａから図１８Ｃに示すユーザＵ１からユーザＵ３の履歴データ２８Ｄ_１から履歴データ２８Ｄ_３を取得する。取得部１２２は、取得した履歴データを共有データ１３２として記憶部１３０に記憶させる。

判定部１２４は、共有データ１３２のうち、履歴データの傾向を判定する。判定部１２４は、例えば、履歴データの傾向が近似しているユーザがいるか否かを判定する。

要求部１２６は、履歴データの傾向が近似している複数のユーザ存在した場合に、自身の履歴データを他のユーザに使用させることについての可否を要求する。

提供部１２８は、履歴データの使用が許可された場合に、履歴データの傾向が近似しているユーザに対して、履歴データを提供する。

記憶部１３０は、制御部１２０の演算内容やプログラムなどの各種情報を記憶するメモリであり、例えば、ＲＡＭと、ＲＯＭのような主記憶装置と、ＨＤＤなどの外部記憶装置とのうち、少なくとも１つ含む。

記憶部１３０には、共有データ１３２が記憶されている。共有データ１３２は、情報処理装置１０ｃを装着している複数のユーザの活性度スコアに関する履歴データを含み得る。共有データ１３２は、例えば、例えば、図１８Ａから図１８Ｃに示すユーザＵ１からユーザＵ３の履歴データ２８Ｄ_１から履歴データ２８Ｄ_３を含み得る。

［サーバ装置の処理］
図２３を用いて、第７実施形態に係るサーバ装置の処理について説明する。図２３は、第７実施形態に係るサーバ装置の処理の流れの一例を示すフローチャートである。

制御部１２０は、共有データ１３２を参照し、履歴データが近似しているユーザがいるか否かを判定する（ステップＳ１４０）。例えば、共有データ１３２には、図１８Ａから図１８Ｃに示すユーザＵ１からユーザＵ３の履歴データ２８Ｄ_１から履歴データ２８Ｄ_３が含まれているとする。判定部１２４は、例えば、１位から３位までの行動パターンが同じであり、各行動パターンの行動スコアが８以上であり、かつ互いの活性度スコアの差が１０以下のユーザ同士を、履歴データが近似しているユーザであると判定する。この場合、判定部１２４は、ユーザＵ１と、ユーザＵ２の活性度スコアの１位が行動パターンＭＰ４であり、２位が行動パターンＭＰ３であり、３位が行動パターンＭＰ１であることを特定する。判定部１２４は、ユーザＵ１について、行動パターンＭＰ４の行動スコアが１０であり、行動パターンＭＰ３の行動スコアが９であり、行動パターンＭＰ１の行動スコアが８であることを特定する。判定部１２４は、ユーザＵ２について、行動パターンＭＰ４の行動スコアが８であり、行動パターンＭＰ３の行動スコアが８であり、行動パターンＭＰ１の行動スコアが８であることを特定する。判定部１２４は、ユーザＵ１及びユーザＵ２について、行動パターンＭＰ１の活性度スコアの差が９であり、行動パターンＭＰ３の活性度スコアの差が３であり、行動パターンＭＰ１の活性度スコアの差が１であることを特定する。この場合、判定部１２４は、ユーザＵ１と、ユーザＵ２とは履歴データが近似していると判定する。

本実施形態では、判定部１２４は、ユーザＵ１からユーザＵ３の３人の中から２人を選択している場合を説明したが、これは例示であり、実際のユーザの母集団の人数に特に制限はない。判定部１２４は、３人以上のユーザの履歴データが近似していると判定することもあり得る。判定部１２４は、本実施形態で説明した方法以外の方法で、履歴データが近似しているか否かを判定してもよい。判定部１２４は、例えば、数学的に定義された所定の条件式に従って、履歴データが近似しているか否かを判定してもよい。

近似しているユーザがいると判定された場合（ステップＳ１４０；Ｙｅｓ）、ステップＳ１４１に進む。近似しているユーザがいないと判定された場合（ステップＳ１４０；Ｎｏ）、図２３の処理を終了する。

ステップＳ１４０でＹｅｓと判定された場合、制御部１２０は、履歴データが近似しているユーザに対して共有の許可を要求する（ステップＳ１４１）。具体的には、要求部１２６は、通信部１１０を介して、ユーザＵ１及びユーザＵ２に対して、履歴データの共有の許可を求める通知を送信する。

制御部１２０は、共有の要求が許可されたか否かを判定する（ステップＳ１４２）。具体的には、要求部１２６は、ステップＳ１４１で送信した履歴データの共有の許可の要求に対して、ユーザＵ１又はユーザＵ２から履歴データの共有を許可する旨の返答があったか否かを判定する。共有の要求が許可されたと判定された場合（ステップＳ１４２；Ｙｅｓ）、ステップＳ１４３に進む。共有の要求が許可されていないと判定された場合（ステップＳ１４２；Ｎｏ）、図２３の処理を終了する。

ステップＳ１４２でＹｅｓと判定された場合、制御部１２０は、履歴データを共有させる（ステップＳ１４３）。具体的には、提供部１２８は、例えば、ユーザＵ２から履歴データの共有を許可された場合には、通信部１１０を介して、ユーザＵ１が装着している情報処理装置１０ｃに対してユーザＵ１の履歴データ２８Ｄ_１を送信する。そして、図２３の処理を終了する。

図２４を用いて、第７実施形態に係る学習処理について説明する。図２４は、第７実施形態に係る学習処理の流れの一例を示すフローチャートである。以下では、ユーザＵ１が装着している情報処理装置１０ｃがユーザＵ２の履歴データ２８Ｄ_２を取得して、学習処理を行う処理について説明する。

制御部３０ｃは、履歴データを取得する（ステップＳ１５０）。具体的には、履歴データ取得部５８は、記憶部２８ｃから活性度スコアの算出対象となるユーザの所定期間の履歴データ２８Ｄ_１を取得する。履歴データ取得部５８が取得する履歴データ２８Ｄ_１には、少なくとも順位と、行動パターンと、行動スコアと、活性度スコアに関する情報が含まれ得る。履歴データ取得部５８は、例えば、過去３カ月の１位から１０００位までの履歴データ２８Ｄ_１を所得する。すなわち、履歴データ取得部５８は、１０００組のデータセットを教師データとして取得する。

制御部３０ｃは、サーバ装置１００からユーザＵ１の履歴データと近似している履歴データを取得する（ステップＳ１５１）。具体的には、履歴データ取得部５８は、例えば、通信部２６を介して、サーバ装置１００からユーザＵ２の履歴データ２８Ｄ２を取得する。ここで、例えば、履歴データ２８Ｄ_１の１０００組のデータセットに含まれる数の少ない行動パターンが存在することも想定され得る。例えば、学習済みモデルを生成する場合には、６０００から８０００組以上のデータセットが必要な場合もあり得る。本実施形態では、履歴データ取得部５８がサーバ装置１００から履歴データ２８Ｄ_１に近似する履歴データ２８Ｄ_２を取得することで、データセット数を補い、より最適な学習済みモデルを生成することができる。

制御部３０ｃは、学習処理を実行する（ステップＳ１５２）。具体的には、学習部６０は、履歴データ取得部５８が取得した履歴データ２８Ｄ_１と履歴データ２８Ｄ_２とを用いて、ユーザの活性度スコアを算出するための学習済みモデルを機械学習により学習して生成する。

制御部３０ｃは、学習済みモデルを記憶する（ステップＳ１５３）。具体的には、学習部６０は、生成した学習済みモデルを記憶部２８ｂに記憶する。そして、図２４の処理を終了する。

［処理内容］
図２５を用いて、第７実施形態に係る情報処理装置１０ｃの処理内容について説明する。図２５は、第７実施形態に係る情報処理装置１０ｃの処理の流れの一例を示すフローチャートである。

ステップＳ１６０からステップＳ１６７の処理は、それぞれ、図２０に示すステップＳ１２０からステップＳ１２７の処理と同一の処理なので、説明を省略する。

制御部３０ｃは、共有データを用いて生成された学習済みモデルに基づいて、活性度スコアを算出する（ステップＳ１６８）。具体的には、活性度スコア算出部５４は、履歴データ２８Ｄ_１と履歴データ２８Ｄ_２とを用いて生成された学習済みモデルを用いて、ユーザＵ１の活性度スコアを算出する。

ステップＳ１６９からステップＳ１７２の処理は、それぞれ、図２０に示すステップＳ１２９からステップＳ１３２の処理と同一の処理なので、説明を省略する。

上述のとおり、第７実施形態に係る情報処理装置１０ｃは、ユーザＵ１の履歴データ２８Ｄ_１と、履歴データ２８Ｄ_１に近似するユーザＵ２の履歴データ２８Ｄ_２とを用いて学習済みモデルを生成し、その学習済みモデルを用いて活性度スコアを算出する。これにより、第７実施形態に係る情報処理装置１０ｃは、より適切に活性度スコアを算出することができる。

［第８実施形態］
次に、図２６を用いて、第８実施形態に係る情報処理装置について説明する。図２６は、第８実施形態に係る情報処理装置の構成例を示すブロック図である。

図２６に示すように、情報処理装置１０ｄは、出力部２４ａが触覚刺激出力部２４Ｃを備える点で、図２に示す情報処理装置１０とは異なる。

ユーザの生体情報を時々刻々と変化するため、ユーザの活性度スコアも生体情報に変化に応じて、変化する可能性がある。情報処理装置１０ｃは、ユーザの活性度スコアの時間的推移を相対的に提示することにより、活性度スコアの変化を分かりやすく提示する。

触覚刺激出力部２６Ｃは、ユーザＵの触覚刺激を出力する装置である。例えば、触覚刺激出力部２６Ｃは、振動などの物理的に作動することで、ユーザに触覚刺激を出力するが、触覚刺激の種類は、振動などに限られず任意のものであってよい。

第８実施形態に係る情報処理装置１０ｄの制御部３０ｄの出力制御部５０は、出力制御部５０は、出力部２４ａを制御して、活性度スコア算出部５４が算出した活性度スコアの時間的な推移を示す情報を出力させる。言い換えれば、出力制御部５０は、出力部２４ａを制御して、活性度スコアの相対的な変化を示す情報を出力させる。

図２７Ａから図２７Ｅを用いて、活性度スコアの時間的な推移を相対的に表示する方法について説明する。図２７Ａから図２７Ｅは、活性度スコアの時間的な推移を相対的に表示する方法を説明するための図である。

図２７Ａに示すように、出力制御部５０は、例えば、表示部２４Ａを制御して、活性度スコアの時間的な推移をグラフＧ１として表示させる。図２７Ａは、横軸が時間、縦軸が活性度スコアを示す。グラフＧ１において、時刻ｔ０は、活性度スコアの算出を開始した時点を示す。ユーザは、グラフＧ１を視認することで、活性度スコアの時間的な推移を容易に把握することができる。

図２７Ｂに示すように、出力制御部５０は、例えば、表示部２４Ａを制御して、開始時の活性度スコアの値と、現在の活性度スコアの値とを並列に表示させる。図２７Ｂに示す例では、開始時の活性度スコアが５６で、現在の活性度スコアが７８であることが示されている。これにより、ユーザは、活性度スコアの時間的な推移を容易に把握することができる。

図２７Ｃに示すように、出力制御部５０は、例えば、表示部２４Ａを制御して、画面の左下隅を中心とする円を４等分した円弧を表示させる。図２７Ｃに示す例では、円弧Ｃ１が、開始時点の活性度スコアを示し、その半径ｒ１が活性度スコアの大きさを示す。図２７Ｃに示す例では、円弧Ｃ２及び円弧Ｃ３は、現在の活性度スコアを示す。出力制御部５０は、現在の活性度スコアが開始時点よりも大きければ、半径ｒ１よりも大きい半径ｒ２の円弧Ｃ２を半径ｒ１の円弧Ｃ１と共に表示部２４Ａに表示させる。出力制御部５０は、現在の活性度スコアが開始時点よりも小さければ、半径ｒ１よりも小さい半径ｒ３の円弧Ｃ３を半径ｒ１の円弧Ｃ１と共に表示部２４Ａに表示させる。これにより、ユーザは、活性度スコアの時間的な推移を容易に把握することができる。

図２７Ｄに示すように、出力制御部５０は、例えば、表示部２４Ａを制御して、棒を表示させる。図２７Ｄに示す例では、棒Ｂ１が表示部２４Ａの中央部分に表示されているが、これに限らず、左下隅に表示されてもよいし、右下隅に表示されてもよい。図２７Ｄに示す例では、棒Ｂ１が、開始時点の活性度スコアを示し、その高さｈ１が活性度スコアの大きさを示す。図２７Ｄに示す例では、棒Ｂ２及び棒Ｂ３は、現在の活性度スコアを示す。出力制御部５０は、現在の活性度スコアが開始時点よりも大きければ、高さｈ１よりも高い高さｈ２の棒Ｂ２を高さｈ１の棒Ｂ１と共に表示部２４Ａに表示させる。出力制御部５０は、現在の活性度スコアが開始時点よりも小さければ、高さｈ１よりも低い高さｈ３の棒Ｂ３を高さｈ１の棒Ｂ１と共に表示部２４Ａに表示させる。これにより、ユーザは、活性度スコアの時間的な推移を容易に把握することができる。

図２７Ｅに示すように、出力制御部５０は、例えば、表示部２４Ａを制御して、グラフＧ２を表示する。グラフＧ２は、棒グラフであり得る。図２７Ｅは、横軸が時間を示し、縦軸が活性度スコアを示す。グラフＧ２において、時刻ｔ０は、活性度スコアの算出を開始した時点を示す。ユーザは、グラフＧ２を視認することで、活性度スコアの時間的な推移を容易に把握することができる。

出力制御部５０は、例えば、音声出力部２４Ｂ又は触覚刺激出力部２６Ｃを制御して、活性度スコアの時間的な推移を示す情報を出力してもよい。

図２８を用いて、音声出力部２４Ｂ又は触覚刺激出力部２４Ｃにより、活性度スコアの時間的な推移を示す情報を出力する方法について説明する。図２８は、音声出力部２４Ｂ又は触覚刺激出力部２４Ｃにより活性度スコアの時間的な推移を示す情報を出力する方法を説明するための図である。

図２８は、横軸が時間を示し、縦軸が活性度スコアを示す。時刻ｔ０における活性度スコアＮＳ１は、活性度スコアの算出を開始した時点の活性度スコアである。図２８に示す例では、活性度スコアＮＳ１が基準となる。出力制御部５０は、例えば、基準である活性度スコアＮＳ１を示す音声出力部２４Ｂから出力させる音声の大きさを設定する。出力制御部５０は、例えば、基準である活性度スコアＮＳ１を示す触覚刺激出力部２４Ｃから出力させる刺激（例えば、振動）の強さを設定する。

ここで、時刻ｔ１の時点で活性度スコアが活性度スコアＮＳ１よりも大きい、活性度スコアＮＳ２になったとする。この場合、出力制御部５０は、例えば、音声出力部２４Ｂを制御して、活性度スコアＮＳ１に対応する音声と、活性度スコアＮＳ２に対応する音声とをセットで出力させる。出力制御部５０は、例えば、触覚刺激出力部２４Ｃを制御して、活性度スコアＮＳ１に対応する刺激と、活性度スコアＮＳ２に対応する刺激とをセットで出力させる。活性度スコアＮＳ２に対応する音声は、活性度スコアＮＳ１に対応する音声よりも大きい。活性度スコアＮＳ２に対応する刺激は、活性度スコアＮＳ１に対応する刺激よりも強い。活性度スコアＮＳ２に対応する音声の大きさは、例えば、活性度スコアＮＳ１対する活性度スコアＳＮ２の比に応じて変化させることが好ましい。活性度スコアＮＳ２に対応する刺激の強さは、例えば、活性度スコアＮＳ１に対する活性度スコアＮＳ２の比に応じて変化させることが好ましい。これにより、ユーザは、活性度スコアＮＳ２の活性度スコアＮＳ１に対する相対的な大きさを把握することができる。

ここで、時刻ｔ２の時点で活性度スコアが活性度スコアＮＳ１よりも小さい、活性度スコアＮＳ３になったとする。この場合、出力制御部５０は、例えば、音声出力部２４Ｂを制御して、活性度スコアＮＳ１に対応する音声と、活性度スコアＮＳ３に対応する音声とをセットで出力させる。出力制御部５０は、例えば、触覚刺激出力部２４Ｃを制御して、活性度スコアＮＳ１に対応する刺激と、活性度スコアＮＳ３に対応する刺激とをセットで出力させる。活性度スコアＮＳ３に対応する音声は、活性度スコアＮＳ１に対応する音声よりも小さい。活性度スコアＮＳ３に対応する刺激は、活性度スコアＮＳ１に対応する刺激よりも弱い。活性度スコアＮＳ３に対応する音声の大きさは、例えば、活性度スコアＮＳ１対する活性度スコアＳＮ２の比に応じて変化させることが好ましい。活性度スコアＮＳ３に対応する刺激の強さは、例えば、活性度スコアＮＳ１に対する活性度スコアＮＳ２の比に応じて変化させることが好ましい。これにより、ユーザは、活性度スコアＮＳ２の活性度スコアＮＳ１に対する相対的な大きさを把握することができる。

上述のとおり、第８実施形態に係る情報処理装置１０ｄは、ユーザの活性度スコアの時間的推移を相対的に提示する。これにより、第８実施形態に係る情報処理装置１０ｄは、活性度スコアの時間的な変化が分かりやすくなる。

以上、本発明の実施形態を説明したが、これら実施形態の内容により本発明が限定されるものではない。また、前述した構成要素には、当業者が容易に想定できるもの、実質的に同一のもの、いわゆる均等の範囲のものが含まれる。さらに、前述した構成要素は適宜組み合わせることが可能である。さらに、前述した実施形態の要旨を逸脱しない範囲で構成要素の種々の省略、置換又は変更を行うことができる。

１０，１０ａ，１０ｂ，１０ｃ，１０ｄ 情報処理装置
２０ 行動状態センサ
２０Ａ カメラ
２０Ｂ マイク
２０Ｃ ＧＮＳＳ受信器
２０Ｄ 加速度センサ
２０Ｅ ジャイロセンサ
２０Ｆ 光センサ
２０Ｇ 温度センサ
２０Ｈ 湿度センサ
２２ 入力部
２４ 出力部
２４Ａ 表示部
２４Ｂ 音声出力部
２４Ｃ 触覚刺激出力部
２６，１１０ 通信部
２８，１３０ 記憶部
２８Ａ 学習モデル
２８Ｂ 地図データ
２８Ｃ，２８Ｃａ 補正データ
２８Ｄ 履歴データ
３０，３０ａ，３０ｂ，３０ｃ，３０ｄ，１２０ 制御部
３２ 生体センサ
３２Ａ 脈波センサ
４０ 行動状態情報取得部
４２ 行動パターン情報生成部
４４ 行動スコア算出部
４６ 行動パターン特定部
４８ 記憶制御部
５０ 出力制御部
５２ 生体情報取得部
５４ 活性度スコア算出部
５６ 活性度スコア補正部
５８ 履歴データ取得部
６０ 学習部
１００ サーバ装置
１２２ 取得部
１２４ 判定部
１２６ 要求部
１２８ 提供部

Claims (5)

1. ユーザの行動状態に関する行動状態情報を検出する行動状態センサと、
   前記ユーザの生体情報に関する生体情報を検出する生体センサと、
   前記生体情報に基づいて、前記ユーザの自律神経活性度を算出する自律神経活性度算出部と、
   前記自律神経活性度の強度に応じて出力部からの出力の強度を変更する出力制御部と、
   を備える、情報処理装置。
2. 前記出力制御部は、前記ユーザの自律神経活性度の強度の時間的な推移に応じて、前記出力部からの出力の強度を変更する、
   請求項１に記載の情報処理装置。
3. 前記出力部は、触覚刺激出力部を有し、
   前記出力制御部は、前記自律神経活性度の強度に応じて、前記触覚刺激出力部の振動の強度を変更する、
   請求項１または２に記載の情報処理装置。
4. ユーザの行動状態に関する行動状態情報を検出するステップと、
   前記ユーザの生体情報に関する生体情報を検出するステップと、
   前記生体情報に基づいて、前記ユーザの自律神経活性度を算出するステップと、
   前記自律神経活性度の強度に応じて出力部からの出力の強度を変更するステップと、
   を含む、情報処理方法。
5. ユーザの行動状態に関する行動状態情報を検出するステップと、
   前記ユーザの生体情報に関する生体情報を検出するステップと、
   前記生体情報に基づいて、前記ユーザの自律神経活性度を算出するステップと、
   前記自律神経活性度の強度に応じて出力部からの出力の強度を変更するステップと、
   をコンピュータに実行させる、プログラム。

Images