JP2023143450A - 生活パターン判定システム - Google Patents

Abstract

【課題】生活パターンの状態の変化度合いを容易に取得可能な生活パターン判定システムを提供する。【解決手段】対象者Ｐ１が利用する住宅１に設けられた設備の使用状況を検出可能することで、前記対象者Ｐ１の行動を検出可能な電力センサ１１０と、検出された対象者Ｐ１の行動に関する実行動データと、予め学習した対象者Ｐ１の行動に関する学習行動データと、を比較するサーバ１２０と、実行動データに対応する対象者Ｐ１の行動に、正常を示す１又は２以上の段階的なランクを含む正常ランク（活動時間正常ランク、睡眠時間正常ランク、行動回数正常ランク）、及び、異常を示す１又は２以上の段階的なランクを含む異常ランク（活動時間異常ランク、睡眠時間異常ランク、行動回数異常ランク）を設定するサーバ１２０と、を具備する。【選択図】図１

Description

本発明は、対象者の生活パターンの状態を判定可能な生活パターン判定システムの技術に関する。

従来、対象者の生活パターンの状態を判定可能な生活パターン判定システムの技術は公知となっている。例えば、特許文献１に記載の如くである。

特許文献１には、被験者の生体データ（脳血流データ、心拍データ、脈波データ、呼吸データ、体動データ等）を検出可能な生体データ検出センサと、被験者の生体データと認知症の症状に関するデータを比較して認知症の発症リスクを判定する認知症リスク判定装置と、を備える認知症リスク判定システム（生活パターン判定システム）が記載されている。

特許文献１に記載の生体データ検出センサは、一定期間だけ被験者に貸し出され、被験者は自身の操作により生体データ検出センサを用いて生体データを検出する。具体的には、被験者は、生体データ検出センサからの近赤外線光を前額部（おでこ）等に照射して、その反射波によって生体データを検出する。こうして得られた生体データに基づいて、認知症の発症リスクが判定され、ひいては生活パターンの状態が推測される。

しかしながら、特許文献１に記載の技術では、生活パターンの状態の変化度合いが分かり難いという問題があった。

特開２０２１－４５２０８号公報

本発明は以上の如き状況に鑑みてなされたものであり、その解決しようとする課題は、生活パターンの状態の変化度合いを容易に取得可能な生活パターン判定システムを提供することである。

本発明の解決しようとする課題は以上の如くであり、次にこの課題を解決するための手段を説明する。

即ち、請求項１においては、対象者が利用する建物に設けられた設備の使用状況を検出可能することで、前記対象者の行動を検出可能な行動検出部と、前記行動検出部により検出された前記対象者の行動に関する実行動データと、予め学習した前記対象者の行動に関する学習行動データと、を比較する比較部と、前記比較部の比較結果に基づいて前記実行動データに対応する前記対象者の行動に、正常を示す１又は２以上の段階的なランクを含む正常ランク、及び、異常を示す１又は２以上の段階的なランクを含む異常ランクを設定するランク設定部と、を具備するものである。

請求項２においては、前記ランク設定部は、前記比較部の比較結果として、前記対象者が所定の行動を行った時間帯と学習した時間帯との差の大きさに基づいてランク分けするものである。

請求項３においては、前記ランク設定部は、前記比較部の比較結果として、前記対象者が睡眠した時間帯と学習した時間帯との差の大きさに基づいてランク分けするものである。

請求項４においては、前記ランク設定部は、前記比較部の比較結果として、所定の期間において前記対象者が所定の行動を行った回数と学習した回数との差の大きさに基づいてランク分けするものである。

請求項５においては、通知対象者に対して所定情報の通知を行うことが可能な通知部をさらに具備し、前記ランク設定部は、前記異常ランクが設定された場合において、前記差の大きさに所定閾値以上の大きさの差が含まれる場合、前記所定情報として、前記学習行動データを前記通知対象者に通知するものである。

請求項６においては、通知対象者に対して所定情報の通知を行うことが可能な通知部をさらに具備し、前記ランク設定部は、前記正常ランク及び前記異常ランクの設定を所定の期間ごとに行い、前記所定情報として、前記所定の期間ごとに設定した前記正常ランク及び／又は前記異常ランクの変動傾向を前記通知対象者に通知するものである。

請求項７においては、前記ランク設定部は、前記所定情報に対するアドバイスを前記通知対象者に通知するものである。

本発明の効果として、以下に示すような効果を奏する。

本発明においては、生活パターンの状態の変化度合いを容易に取得可能である。

本発明の一実施形態に係る生活パターン判定システムの構成を示した模式図。 生活パターン判定システムによる一連の処理の概要を示した図。 学習結果及び日毎処理における検出結果の一例を示した図。 日毎処理の内容を示したフローチャート。 活動時間帯判定の内容を示したフローチャート。 就寝～起床時間帯判定の内容を示したフローチャート。 週毎処理（行動回数判定）の内容を示したフローチャート。 （ａ）週間結果通知の内容を示したフローチャート。（ｂ）月間結果通知の内容を示したフローチャート。 長期判定結果通知の内容を示したフローチャート。

以下では、図１を用いて、本発明の一実施形態に係る生活パターン判定システム１００の構成について説明する。

生活パターン判定システム１００は、対象者Ｐ１の生活パターンの状態（異常の有無及び正常異常の程度）を判定するものである。本実施形態では一例として、住宅１に居住する高齢者を対象者Ｐ１として、当該高齢者の生活パターンの状態（ひいては当該対象者Ｐ１の認知機能の状態）を判定する場合を想定している。生活パターン判定システム１００は、主として電力センサ１１０、サーバ１２０及び端末１３０を具備する。

電力センサ１１０は、対象者Ｐ１が使用する各種設備（特に、日常生活において使用する設備）の消費電力を検出するものである。電力センサ１１０は、対象者Ｐ１が居住する建物（住宅１）の分電盤２に設けられる。電力センサ１１０は、分電盤２の分岐回路毎の電力を検出することができる。これによって電力センサ１１０は、各分岐回路に接続された設備の使用状況（使用されているか否か）を検出することができる。設備の使用状況を検出することで、間接的に、対象者Ｐ１の行動（どの設備を使用しているか）を検出することができる。

本実施形態では、電力センサ１１０による消費電力の検出の対象となる設備の一例として、調理機器（ＩＨ、電子レンジ等）、冷蔵庫、テレビ、ドライヤー、掃除機、洗濯機、エアコン、暖房器具、照明等を想定している。例えば調理機器の使用が検出された場合、間接的に、対象者Ｐ１が調理機器を使用したこと（ひいては、食事をしたこと）が検出される。またテレビの使用が検出された場合、間接的に、対象者Ｐ１がテレビを見たことが検出される。

なお、各種設備の使用状況を検出する方法は、電力センサ１１０によって分岐回路毎の電力を検出する方法に限るものではなく、種々の方法を用いることが可能である。例えば、分電盤２の主幹回路の電力（主幹電力）を検出し、その電力の波形を分析することで、使用されている機器を識別して把握することも可能である。また、分電盤２の電力を検出するのではなく、各種設備自身の稼働状況（各種設備の電源のオン・オフ、各種設備が接続されたコンセントの電力等）を直接検出することも可能である。また、住宅１に各種設備の使用状況を把握（管理）するシステム（例えば、ＨＥＭＳ：Ｈｏｍｅ Ｅｎｅｒｇｙ Ｍａｎａｇｅｍｅｎｔ Ｓｙｓｔｅｍ 等）が設けられている場合は、そのシステムが把握している情報を利用することも可能である。

サーバ１２０は、電力センサ１１０の検出結果に基づいて各種処理を行うものである。サーバ１２０は、例えばクラウド上に設けられた仮想サーバ（クラウドサーバ）により構成される。サーバ１２０は、電力センサ１１０からの情報を取得することで、各種設備の使用状況を把握することができる。サーバ１２０は、各種設備の使用状況に基づいて、対象者Ｐ１の認知機能の状態を判定することができる。またサーバ１２０は、後述する端末１３０との間で、各種情報を送受信することができる。またサーバ１２０は、後述する専門家Ｐ３が有する所定の通信機器１４０との間で、各種情報を送受信することができる。

サーバ１２０は、複数のデータベースを有する。本実施形態においては、サーバ１２０は、活動時間帯判定履歴データベース１２１、睡眠時間帯判定履歴データベース１２２及び行動回数判定履歴データベース１２３を有する。活動時間帯判定履歴データベース１２１は、後述する日毎処理のうち、活動時間帯判定に関する情報（データ）を登録（蓄積）可能に構成される。睡眠時間帯判定履歴データベース１２２は、後述する日毎処理のうち、就寝～起床時間帯（睡眠時間帯）判定に関する情報（データ）を登録（蓄積）可能に構成される。行動回数判定履歴データベース１２３は、後述する週毎処理（行動回数判定）に関する情報（データ）を登録（蓄積）可能に構成される。

端末１３０は、各種情報を表示することが可能なものである。端末１３０は、対象者Ｐ１の認知機能の状態を把握すべき者（例えば、対象者Ｐ１の家族、親戚等）によって所持される。本実施形態では、対象者Ｐ１の家族Ｐ２が端末１３０を所持しているものとする。端末１３０は、例えば対象者Ｐ１の家族Ｐ２が携帯可能な機器（例えば、スマートフォンやタブレット端末等）によって構成される。端末１３０は、サーバ１２０からの情報を適宜の方法（液晶画面への表示、音声等）で対象者Ｐ１の家族Ｐ２に報知することができる。

以上の如く構成された生活パターン判定システム１００を用いることで、対象者Ｐ１の認知症の予兆や発症を発見することができる。

例えば、認知症の症状としては、「記憶障害」、「見当識障害」、「実行機能障害」、「昼夜逆転」等が考えられる。

「記憶障害」は、新しいことが覚えられない、以前覚えていたはずの記憶が欠損する等の症状が発生する障害である。対象者Ｐ１に「記憶障害」が発症すると、食事をしたことを忘れて再度食事をとるようになる、掃除したことを忘れて再度掃除をするようになる、等の行動の変化（異常）が生じることが想定される。

「見当識障害」は、「いつ、どこ、だれ」など、自分の置かれた状況が把握できなくなる障害である。対象者Ｐ１に「見当識障害」が発症すると、夏なのに暖房をつけるようになる、家の中の場所がわからなくなりトイレや風呂場に行けなくなる、外出したら帰れなくなる、等の行動の変化（異常）が生じることが想定される。

「実行機能障害」は、段取りや計画を立てて順序よく物事を行うことができなくなる障害である。対象者Ｐ１に「実行機能障害」が発症すると、食事の準備ができなくなる、電化製品の使い方が分からなくなる、等の行動の変化（異常）が生じることが想定される。

「昼夜逆転」は、睡眠・覚醒のリズムが崩れて昼と夜が逆転する障害である。対象者Ｐ１に「昼夜逆転」が発症すると、本来睡眠をとっているはずの時間帯（夜中）に活動する等の行動の変化（異常）が生じることが想定される。

そこで本実施形態の生活パターン判定システム１００は、上述のような対象者Ｐ１の行動の変化を検出し、この行動の変化に基づいて当該対象者Ｐ１の認知機能の状態（異常の有無及び正常異常の程度）を判定する。そして、必要に応じて対象者Ｐ１の家族Ｐ２に、対象者Ｐ１の認知機能の状態を報知する。これによって対象者Ｐ１の家族Ｐ２は、対象者Ｐ１の認知症の予兆や発症を把握することができ、早期に適切な対応（治療等）をとることができる。

以下では、この生活パターン判定システム１００による一連の処理の概要について説明する。

図２に示すように、サーバ１２０は、住宅１に設けられた各種設備を、使用頻度に応じて分類して記憶している。具体的にはサーバ１２０は、各種設備を、毎日使用する設備（分類（１））と、毎日ではないが週に１回以上使用する設備（分類（２））に分類して記憶している。例えば図２に示した例では、調理機器（ＩＨ、電子レンジ）、冷蔵庫、テレビ、ドライヤー等は毎日使用されるため、分類（１）に分類されている。また掃除機、洗濯機等は毎日使用されるわけではないが週に１回以上使用されるため、分類（２）に分類されている。

さらにサーバ１２０は、特定の季節に限定して使用される設備についても、分類（１）又は分類（２）に分類して記憶している。例えば図２に示した例では、エアコンや暖房器具は、必要な季節（夏や冬）に毎日使用されるため、分類（１）に分類されている。図２では分類（２）には特に例を挙げていないが、例えば梅雨の時期にのみ洗濯乾燥機を使用する場合、この洗濯乾燥機は分類（２）に分類することができる。

なお、サーバ１２０は、予め電力センサ１１０の検出結果を学習し、この学習結果に基づいて各種設備を分類することができる。すなわち、所定の期間における各種設備が使用される頻度を判定し、この頻度に基づいて分類（１）又は（２）に分類することができる。また、学習した結果を用いるのではなく、生活パターン判定システム１００の製造・販売者や利用者等によって任意に分類を決定することも可能である。

サーバ１２０は、分類された設備ごとに適宜の処理を行うことで、対象者Ｐ１の認知機能の状態を判定し、必要に応じて対象者Ｐ１の家族Ｐ２に認知機能の状態に関する報知を行う。

具体的には、サーバ１２０は、分類（１）に分類された設備について、一日毎（毎日）の使用状況（ひいては、対象者Ｐ１の行動）を検出し、この検出結果に基づいて対象者Ｐ１の認知機能の状態を判定する処理を行う。より詳細には、サーバ１２０は、対象者Ｐ１の認知機能の異常の有無及び正常異常の程度を判定し、判定結果に基づいて対象者Ｐ１の認知機能の状態をランク分けする処理を行う。以下、この処理を「日毎処理」と称する。サーバ１２０は、日毎処理において、判定対象となった行動、付与されたランク、判定の理由を互いに紐付けて所定のデータベース（活動時間帯判定履歴データベース１２１又は睡眠時間帯判定履歴データベース１２２）に記憶する。

またサーバ１２０は、一週間の間に上記日毎処理によって異常が検知された回数を、行動毎に算出する。そして、所定回数以上異常が検知された行動について、端末１３０を用いてアラート（警告）を発報する。以下、この処理を「週間結果通知」と称する。週間結果通知によって、端末１３０を所持している対象者Ｐ１の家族Ｐ２は、対象者Ｐ１の所定の行動に異常が発生していること、ひいては、認知機能が低下しているおそれがあることを把握することができる。

一方、サーバ１２０は、分類（２）に分類された設備について、一週間毎（毎週）の使用状況（ひいては、対象者Ｐ１の行動）を検出し、この検出結果に基づいて対象者Ｐ１の認知機能の状態を判定する処理を行う。より詳細には、サーバ１２０は、対象者Ｐ１の認知機能の異常の有無及び正常異常の程度を判定し、判定結果に基づいて対象者Ｐ１の認知機能の状態をランク分けする処理を行う。以下、この処理を「週毎処理」と称する。サーバ１２０は、週毎処理において、判定対象となった行動、付与されたランク、判定の理由を互いに紐付けて行動回数判定履歴データベース１２３に記憶する。

またサーバ１２０は、一か月の間に上記週毎処理によって異常が検知された回数を、行動毎に算出する。そして、所定回数以上異常が検知された行動について、端末１３０を用いてアラートを発報する。以下、この処理を「月間結果通知」と称する。これによって、端末１３０を所持している対象者Ｐ１の家族Ｐ２は、対象者Ｐ１の行動に異常が発生していること、ひいては、認知機能が低下しているおそれがあることを把握することができる。

さらにサーバ１２０は、分類（１）に分類された設備に関する処理（日毎処理）において活動時間帯判定履歴データベース１２１又は睡眠時間帯判定履歴データベース１２２に記憶されたデータ、及び、分類（２）に分類された設備に関する処理（週毎処理）において行動回数判定履歴データベース１２３に記憶されたデータ（長期保存データ）を利用し、対象者Ｐ１の認知機能の状態の変化度合いを判定し、さらに診断する処理を行う。以下、この処理を「長期判定処理」と称する。

またサーバ１２０は、長期判定処理の結果を端末１３０を用いて通知する。以下、この処理を「長期結果通知」と称する。こうして長期結果通知によって、端末１３０を所持している対象者Ｐ１の家族Ｐ２は、対象者Ｐ１の所定の行動の状態の長期的な変化度合い（例えば、悪化具合や回復具合）や、診断情報を把握することができる。なお本実施形態においては、長期判定処理及び長期結果通知を包含する処理として、図９に示す長期判定結果通知が行われる。

以下では、上述の生活パターン判定システム１００の処理内容（日毎処理、週毎処理、週間結果通知、月間結果通知及び長期判定結果通知）について、具体的に説明する。

各種処理の前提として、サーバ１２０は、予め（上記日毎処理等の処理を行うよりも前に）、住宅１の各種設備の使用状況を所定の期間（例えば、２週間～１か月程度）に亘って検出することで、対象者Ｐ１の行動の傾向を学習し、その情報（学習行動データ）を記憶している。具体的には、サーバ１２０は、電力センサ１１０の検出結果に基づいて、対象者Ｐ１が一日の生活の中で行う行動とその時間帯を検出し、時間帯ごとに対象者Ｐ１が行う行動を把握している。図３の表の「学習結果」には、その一例を示している。

例えば、サーバ１２０は、調理機器（ＩＨ、電子レンジ）が使用されたことを検出した場合、その時間帯を学習する。これを所定の期間繰り返し行い、対象者Ｐ１が普段どの時間帯に調理機器を使用するか、対象者Ｐ１の行動を把握する。またサーバ１２０は、住宅１の照明が消されたこと等から間接的に対象者Ｐ１が就寝したことを検出し、対象者Ｐ１の睡眠時間を学習する。

なお、エアコンや暖房器具は必要な季節（夏や冬）にしか使われないなど、対象者Ｐ１の行動は季節に応じて変化する。そこでサーバ１２０は、季節ごとに対象者Ｐ１の行動の傾向を学習し、以下で説明する日毎処理等を行う場合には、その時点での季節に応じた学習結果を使用する。

また、サーバ１２０は、上記日毎処理等の処理の対象となる期間では、住宅１の各種設備の使用状況（ひいては、対象者Ｐ１の行動）を常時検出して、その情報（実行動データ）を記憶している。より具体的には、サーバ１２０は、対象者Ｐ１が実際にどの時間帯にどのような行動を行ったのかを記憶している。図３の表の「検出結果」には、その一例を示している。

まず、図４から図６を用いて日毎処理について説明する。

サーバ１２０は、毎日所定の時間に、日毎処理を行う。なお、サーバ１２０は、対象者Ｐ１が夜間にきちんと眠っているかどうかを判定する必要があるため、対象者Ｐ１が睡眠していると思われる時間帯の最中に日毎処理を行うのは好ましくない。そこで本実施形態に係るサーバ１２０は、対象者Ｐ１が確実に起床していると思われる時間帯（例えば、午前１０時等）に日毎処理を実行するものとする。

ステップＳ１０１において、サーバ１２０は、記憶している対象者Ｐ１の行動の中から、直近の２４時間（例えば午前１０時に日毎処理を行う場合、前日の午前９時から当日の午前９時まで）の行動を抽出する。この２４時間が、日毎処理による判定の対象となる期間となる。以下、この期間を「日毎処理対象期間」と称する。サーバ１２０は、ステップＳ１０１の処理を行った後、ステップＳ１０２に移行する。

ステップＳ１０２において、サーバ１２０は、ステップＳ１０１で抽出された各行動の時間を確認し、最後に対象者Ｐ１が行動を行ったことが検出されてから所定の時間（Ｘ１時間）が経過しているか否かを判定する。対象者Ｐ１が最後に行動を行ってからＸ１時間以上経過している場合とは、言い換えると、対象者Ｐ１の行動がＸ１時間以上検出されていないということである。すなわちこの場合、対象者Ｐ１が倒れているなど、何らかの非常事態が生じている可能性がある。なお、所定の時間（Ｘ１時間）の値は任意に設定することができるが、特に、対象者Ｐ１に非常事態が生じていることが推認できる程度の時間（例えば、１２時間、２４時間など）が設定されることが望ましい。

サーバ１２０は、対象者Ｐ１が最後に行動を行ってからＸ１時間以上経過していると判定した場合、ステップＳ１０３に移行する。一方、サーバ１２０は、対象者Ｐ１が最後に行動を行ってからＸ１時間以上経過していないと判定した場合、ステップＳ１０４に移行する。

ステップＳ１０３において、サーバ１２０は、端末１３０を用いて所定のアラートを発報する。このアラートを確認した家族Ｐ２は、対象者Ｐ１に非常事態が生じていることを認識することができ、対象者Ｐ１の住宅１に向かうなどの対応をとることができる。

なお、このようなステップＳ１０１～ステップＳ１０３の処理は、対象者Ｐ１に非常事態が生じていることを確認することができる処理であるため、一日に一度だけ（午前１０時に）実行するのではなく、常時実行するようにしてもよい。これによって、より迅速に対象者Ｐ１の非常事態に対応することができる。サーバ１２０は、ステップＳ１０３の処理を行った後、ステップＳ１０４に移行する。

ステップＳ１０４において、サーバ１２０は、対象者Ｐ１の活動時間帯（起床して活動している時間帯）における行動に基づいて、対象者Ｐ１の行動の状態（活動時間の異常の有無及び正常異常の程度）を判定する。以下、この処理を「活動時間帯判定」と称する。以下では図５を用いて、活動時間帯判定について説明する。

なお活動時間帯判定においては上述の如くランク分けが行われる。活動時間帯判定において使用されるランクとしては、活動時間に異常が無い（正常である）と判断された場合に付与される複数のランク（活動時間正常ランク）と、活動時間に異常が有ると判断された場合に付与される複数のランク（活動時間異常ランク）と、が含まれる。

活動時間正常ランクは、活動時間の正常の程度（異常と判断される状態との差の大きさ）に応じて、３つのランクに分けられる。具体的には、活動時間正常ランクには、差が最も大きい場合に付与される活動時間ランク１と、その次に差が大きい場合に付与される活動時間ランク２と、その次に差が大きい（差が最も小さい）場合に付与される活動時間ランク３と、が含まれる。すなわち、活動時間正常ランクとしては、活動時間の正常の程度が高いランクが活動時間ランク１であり、以下、活動時間ランク２、活動時間ランク３の順番で正常の程度の低いランクが設けられる。

活動時間異常ランクは、活動時間の異常の程度（正常と判断される状態との差の大きさ）等に応じて、３つのランクに分けられる。具体的には、活動時間異常ランクには、差が最も大きい場合に付与される活動時間ランク５と、その次に差が大きい（差が最も小さい）場合に付与される活動時間ランク４と、そもそも活動時間が無い場合に付与される活動時間ランク６と、が含まれる。すなわち、活動時間異常ランクとしては、活動時間の異常の程度が高いランクが活動時間ランク６であり、以下、活動時間ランク５、活動時間ランク４の順番に異常の程度の低いランクが設けられる。なお以下の説明では、活動時間ランク６がランクが最も大きく、活動時間ランク５、４、３、２、１の順番にランクが小さいと称する場合がある。

サーバ１２０は、図５のステップＳ２０１からステップＳ２０４までの処理を、分類（１）に分類された対象者Ｐ１の行動毎に繰り返す。また、一日に複数回行われる行動（例えば、調理機器（ＩＨ、電子レンジ）を使用する、テレビを観る、など）に対しては、その回数分だけ処理を行う。以下、ステップＳ２０１からステップＳ２０４までの各処理について説明する。

ステップＳ２０１において、サーバ１２０は、日毎処理対象期間において、判定の対象となる行動が検出されているか否かを判定する。具体的には、サーバ１２０は、対象者Ｐ１が行う行動として学習されているもの（例えば、図３に示す調理機器（ＩＨ、電子レンジ）の使用等）が、日毎処理対象期間において検出されているか否かを判定する。

サーバ１２０は、判定の対象となる行動が検出されている場合、ステップＳ２０３に移行する。一方、サーバ１２０は、判定の対象となる行動が検出されていない場合、ステップＳ２０２に移行する。

ステップＳ２０２において、サーバ１２０は、対象者Ｐ１の行動の状態が活動時間異常ランク６であると判定する。すなわち、対象者Ｐ１が毎日行うはずの行動が、一日（日毎処理対象期間）の間に一度も行われていない場合、対象者Ｐ１に記憶障害、見当識障害、実行機能障害等の、何らかの認知症の症状が発症していることが推認される。そこで、サーバ１２０は、このような場合、活動時間の異常の程度が最も高いランクである活動時間ランク６を付与する。

ステップＳ２０３において、サーバ１２０は、学習結果に対して、検出された対象者Ｐ１の行動の時間帯（活動時間帯）のズレ（乖離Ｙａ（時間））を所定の閾値と比較し、比較結果に応じてランク分けを行う。本実施形態においては、前記閾値として、Ｘ１ａ、Ｘ２ａ、Ｘ３ａ、Ｘ４ａという４種類の時間が予め設けられる。これら４種類の時間（閾値）は、Ｘ１ａ＜Ｘ２ａ＜Ｘ３ａ＜Ｘ４ａという関係を有する。また閾値Ｘ３ａは、対象者Ｐ１の活動時間の異常の有無を判定するための閾値でもある。すなわち、ＹａがＸ３ａ以下である場合、活動時間が正常と判断され、ＹａがＸ３ａを越える場合、活動時間が異常と判断される。

こうして、ステップＳ２０４において、サーバ１２０は、Ｙａ≦Ｘ１ａである場合、検出された対象者Ｐ１の行動の状態が活動時間ランク１であると判定する。同様にサーバ１２０は、Ｘ１ａ＜Ｙａ≦Ｘ２ａである場合、活動時間ランク２であると判定する。またサーバ１２０は、Ｘ２ａ＜Ｙａ≦Ｘ３ａである場合、活動時間ランク３であると判定する。またサーバ１２０は、Ｘ３ａ＜Ｙａ≦Ｘ４ａである場合、活動時間ランク４であると判定する。またサーバ１２０は、Ｘ４ａ＜Ｙａである場合、活動時間ランク５であると判定する。

このように、サーバ１２０から付与されたランクにより、検出された対象者Ｐ１の活動時間の正常異常を判断可能であると共に、正常又は異常の程度の大小が判断可能となる。

こうして、サーバ１２０は、分類（１）に分類された対象者Ｐ１の行動毎に図５のステップＳ２０１からステップＳ２０４までの処理が行われると、その処理結果を活動時間帯判定履歴データベース１２１に保存する。

具体的には、付与されたランクが活動時間異常ランク（活動時間ランク４から６）の何れかである場合、対象者Ｐ１に実行機能障害、見当識障害、昼夜逆転等の、何らかの認知症の症状が発症していることが推認される。サーバ１２０は、この判定対象となった行動、活動時間異常ランク、判定の理由を互いに紐付けて記憶する。例えばサーバ１２０は、「テレビ」、「活動時間ランク４」、「活動時間帯のズレが、Ｘ３ａより大きく、かつ、Ｘ４ａ以下」という情報を互いに紐付けて記憶する。

また、付与されたランクが活動時間正常ランク（活動時間ランク１から３）の何れかである場合、対象者Ｐ１の行動の状態が正常であることが推認される。サーバ１２０は、この判定対象となった行動、活動時間正常ランク、判定の理由を互いに紐付けて記憶する。例えばサーバ１２０は、「調理機器（ＩＨ、電子レンジ）」、「活動時間ランク２」、「活動時間帯のズレが、Ｘ１ａより大きく、かつ、Ｘ２ａ以下」という情報を互いに紐付けて記憶する。

こうして、付与されたランクが、活動時間異常ランク（活動時間ランク４から６）だけでなく、活動時間正常ランク（活動時間ランク１から３）も活動時間帯判定履歴データベース１２１に保存するため、将来において過去の判定状態や状態の程度を効果的に活用することができ、例えば後述する専門家Ｐ３の診断に活用することもできる。

なお、時間帯のズレの算出方法は特に限定するものではなく、両者（学習された行動と、検出された行動）の時間帯が変化しているか否かを判定可能なものであればよい。例えば、両者が重複していない時間を合計して算出する方法や、両者の行動の開始時間同士のズレと終了時間同士のズレを合計して算出する方法等が考えられる。また、所定の閾値の値は任意に設定することができる。

サーバ１２０は、ステップＳ２０１からステップＳ２０４までの処理を、対象者Ｐ１の行動毎、かつその回数分だけ繰り返し行う。これによってサーバ１２０は、対象者Ｐ１の行動毎、かつ回毎に、活動時間の異常の有無及び正常異常の程度を判定することができる。その後サーバ１２０は、図４のステップＳ１０５に移行する。

図４のステップＳ１０５において、サーバ１２０は、対象者Ｐ１が就寝してから起床するまでの時間帯における行動に基づいて、対象者Ｐ１の行動の状態（就寝～起床時間（睡眠時間）の異常の有無及び正常異常の程度）を判定する。以下、この処理を「就寝～起床時間帯（睡眠時間帯）判定」と称する。以下では図６を用いて、就寝～起床時間帯判定について説明する。

なお就寝～起床時間帯判定においては上述の如くランク分けが行われる。就寝～起床時間帯判定において使用されるランクとしては、睡眠時間に異常が無い（正常である）と判断された場合に付与される複数のランク（睡眠時間正常ランク）と、睡眠時間に異常が有ると判断された場合に付与される複数のランク（睡眠時間異常ランク）と、が含まれる。

睡眠時間正常ランクは、睡眠時間の正常の程度（異常と判断される状態との差の大きさ）に応じて、２つのランクに分けられる。具体的には、睡眠時間正常ランクには、差が最も大きい場合に付与される睡眠時間ランク１と、その次に差が大きい（差が最も小さい）場合に付与される睡眠時間ランク２と、が含まれる。すなわち、睡眠時間正常ランクとしては、睡眠時間の正常の程度が高いランクが睡眠時間ランク１であり、次に睡眠時間ランク２の順番で正常の程度の低いランクが設けられる。

睡眠時間異常ランクは、睡眠時間の異常の程度（正常と判断される状態との差の大きさ）に応じて、３つのランクに分けられる。具体的には、睡眠時間異常ランクには、差が最も大きい場合に付与される睡眠時間ランク５と、その次に差が大きい場合に付与される睡眠時間ランク４と、その次に差が大きい（差が最も小さい）場合に付与される睡眠時間ランク３と、が含まれる。すなわち、睡眠時間異常ランクとしては、睡眠時間の異常の程度が高いランクが睡眠時間ランク５であり、以下、睡眠時間ランク４、睡眠時間ランク３の順番に異常の程度の低いランクが設けられる。なお以下の説明では、睡眠時間ランク５がランクが最も大きく、睡眠時間ランク４、３、２、１の順番にランク小さいと称する場合がある。

図６のステップＳ３０１において、サーバ１２０は、記憶している対象者Ｐ１の行動から、対象者Ｐ１が就寝して起床するまでの時間帯を判定する。サーバ１２０は、ステップＳ３０１の処理を行った後、ステップＳ３０２に移行する。

ステップＳ３０２において、サーバ１２０は、学習結果に対して、検出された対象者Ｐ１の睡眠時間帯のズレ（乖離Ｙｂ（時間））を所定の閾値と比較し、比較結果に応じてランク分けを行う。本実施形態においては、前記閾値として、Ｘ１ｂ、Ｘ２ｂ、Ｘ３ｂ、Ｘ４ｂという４種類の時間が予め設けられる。これら４種類の時間（閾値）は、Ｘ１ｂ＜Ｘ２ｂ＜Ｘ３ｂ＜Ｘ４ｂという関係を有する。また閾値Ｘ２ｂは、対象者Ｐ１の睡眠時間の異常の有無を判定するための閾値でもある。すなわち、ＹｂがＸ２ｂ以下である場合、睡眠時間が正常と判断され、ＹｂがＸ２ｂを越える場合、睡眠間が異常と判断される。

こうして、ステップＳ３０３において、サーバ１２０は、Ｙｂ≦Ｘ１ｂである場合、検出された対象者Ｐ１の行動の状態が睡眠時間ランク１であると判定する。同様にサーバ１２０は、Ｘ１ｂ＜Ｙｂ≦Ｘ２ｂである場合、睡眠時間ランク２であると判定する。またサーバ１２０は、Ｘ２ｂ＜Ｙｂ≦Ｘ３ｂである場合、睡眠時間ランク３であると判定する。またサーバ１２０は、Ｘ３ｂ＜Ｙｂ≦Ｘ４ｂである場合、睡眠時間ランク４であると判定する。またサーバ１２０は、Ｘ４ｂ＜Ｙｂである場合、睡眠時間ランク５であると判定する。

このように、サーバ１２０から付与されたランクにより、検出された対象者Ｐ１の睡眠時間の正常異常を判断可能であると共に、正常又は異常の程度の大小が判断可能となる。サーバ１２０は、ステップＳ３０３の処理を行った後、ステップＳ３０４に移行する。

なお、時間帯のズレの算出方法は特に限定するものではなく、両者（学習された行動と、検出された行動）の時間帯が変化しているか否かを判定可能なものであればよい。例えば、両者が重複していない時間を合計して算出する方法や、両者の行動の開始時間同士のズレと終了時間同士のズレを合計して算出する方法等が考えられる。また、所定の閾値の値は任意に設定することができる。

ステップＳ３０４において、サーバ１２０は、ステップＳ３０１からステップＳ３０３までの処理結果を睡眠時間帯判定履歴データベース１２２に保存する。

具体的には、付与されたランクが睡眠時間異常ランク（睡眠時間ランク３から５）の何れかである場合、対象者Ｐ１に実行機能障害、見当識障害、昼夜逆転等の、何らかの認知症の症状が発症していることが推認される。サーバ１２０は、この判定対象となった行動（睡眠）、睡眠時間異常ランク、判定の理由を互いに紐付けて記憶する。例えばサーバ１２０は、「睡眠」、「睡眠時間ランク５」、「睡眠時間のズレが、Ｘ４より大きい」という情報を互いに紐付けて記憶する。

また付与されたランクが睡眠時間正常ランク（睡眠時間ランク１及び２）の何れかである場合、対象者Ｐ１の行動の状態が正常であることが推認される。サーバ１２０は、この判定対象となった行動（睡眠）、睡眠時間正常ランク、判定の理由を互いに紐付けて記憶する。例えばサーバ１２０は、「睡眠」、「睡眠時間ランク２」、「睡眠時間のズレが、Ｘ１ｂより大きく、かつ、Ｘ２ｂ以下」という情報を互いに紐付けて記憶する。サーバ１２０は、ステップＳ３０４の処理を行った後、ステップＳ３０５に移行する。

こうして、付与されたランクが、睡眠時間異常ランク（睡眠時間ランク４から６）だけでなく、睡眠時間正常ランク（睡眠時間ランク１及び２）も睡眠時間帯判定履歴データベース１２２に保存するため、将来において過去の判定状態や状態の程度を効果的に活用することができ、例えば後述する専門家Ｐ３の診断に活用することもできる。

ステップＳ３０５において、サーバ１２０は、対象者Ｐ１が就寝して起床するまでの時間帯（睡眠時間帯、ステップＳ３０１参照）において、対象者Ｐ１の行動（睡眠以外の行動）を検出したか否かを判定する。

具体的には、睡眠時間帯にトイレに行く場合、それに関連して何らかの行動を行うことが想定される。例えば対象者Ｐ１は、トイレに行く場合には、トイレの照明を点灯させるだけでなく、トイレに行く際の視界を確保するために寝室や廊下等の照明を点灯させるものと想定される。サーバ１２０は、このようなトイレに行くのに関連する行動（必要な行動）以外に、何らかの行動があったか否かを判定する。なお、トイレに関連する行動の種別は、サーバ１２０が学習したり、生活パターン判定システム１００の製造・販売者や利用者等によって決定することが可能である。

サーバ１２０は、トイレ及びそれに関連する行動以外の行動がなかったと判定した場合、就寝～起床時間帯判定（ひいては、日毎処理（図４参照））を終了する。一方、サーバ１２０は、睡眠以外の行動があったと判定した場合、ステップＳ３０６に移行する。

ステップＳ３０６において、サーバ１２０は、ステップＳ３０５で判定した対象者Ｐ１の行動（睡眠以外の行動）に応じて、ステップＳ３０４で睡眠時間帯判定履歴データベース１２２に保存したランクの加減を行う。

すなわち、睡眠時間帯にトイレに関連する行動以外の行動があった場合には、対象者Ｐ１に実行機能障害、見当識障害、昼夜逆転等の、何らかの認知症の症状が発症していることが推認される。このような場合において、例えばステップＳ３０４で保存したランクが睡眠時間正常ランクであった場合には、サーバ１２０は、睡眠時間異常ランクに下げることができる。またサーバ１２０は、この判定対象となった行動（睡眠、及び、トイレに関連する行動以外の行動）、新たに付与されたランク、判定の理由を互いに紐付けて睡眠時間帯判定履歴データベース１２２に記憶する。

また、睡眠時間帯にトイレに関連する行動があった場合には、対象者Ｐ１の行動の状態が正常であることが推認される。このような場合において、例えばステップＳ３０４で保存したランクが睡眠時間異常ランクであった場合には、サーバ１２０は、睡眠時間正常ランクに上げることができる。またサーバ１２０は、この判定対象となった行動（トイレに関連する行動）、新たに付与されたランク、判定の理由を互いに紐付けて睡眠時間帯判定履歴データベース１２２に記憶する。

なお、ステップＳ３０６におけるランクの加減（補正）は、上述の如き態様に限定されず、種々の態様を採用することができる。例えば、ステップＳ３０６におけるランクの加減は、ステップＳ３０４で保存したランク（正常か異常か）にかかわらず、所定の段階数（例えば１段階）上げる又は下げるものであってもよい。また、ランクを下げるのみで、上げることは行わなくてもよい。また、ステップＳ３０５及びステップＳ３０６の処理は省略することもできる（必ずしも実行しなくてもよい）。

サーバ１２０は、ステップＳ３０６の処理を行った後、就寝～起床時間帯判定（ひいては、日毎処理（図４参照））を終了する。

次に、図７を用いて週毎処理（行動回数判定）について説明する。

サーバ１２０は、一週間に一度、所定の日時に週毎処理を行う。例えば、サーバ１２０は、一週間に一度、日毎処理と同じ時間帯（例えば、午前１０時等）に週毎処理を行う。サーバ１２０は、週毎処理において、判定の対象となる行動に関する対象者Ｐ１の一週間内の回数（行動回数）に基づいて、対象者Ｐ１の行動の状態（行動回数の異常の有無及び正常異常の程度）を判定する。

なお行動回数判定においては上述の如くランク分けが行われる。行動回数判定において使用されるランクとしては、行動回数に異常が無い（正常である）と判断された場合に付与される複数のランク（行動回数正常ランク）と、行動回数に異常が有ると判断された場合に付与される複数のランク（行動回数異常ランク）と、が含まれる。

行動回数正常ランクは、行動回数の正常の程度（異常と判断される状態との差の大きさ）に応じて、３つのランクに分けられる。具体的には、行動回数正常ランクには、差が最も大きい場合に付与される行動回数ランク１と、その次に差が大きい場合に付与される行動回数ランク２と、その次に差が大きい（差が最も小さい）場合に付与される行動回数ランク３と、が含まれる。すなわち、行動回数正常ランクとしては、行動回数の正常の程度が高いランクが行動回数ランク１であり、以下、行動回数ランク２、行動回数ランク３の順番に正常の程度の低いランクが設けられる。

行動回数異常ランクは、行動回数の異常の程度（正常と判断される状態との差の大きさ）に応じて、３つのランクに分けられる。具体的には、行動回数異常ランクには、差が最も大きい場合に付与される行動回数ランク５と、その次に差が大きい（差が最も小さい）場合に付与される行動回数ランク４と、そもそも行動回数が無い場合に付与される行動回数ランク６と、が含まれる。すなわち、行動回数異常ランクとしては、行動回数の異常の程度が高いランクが行動回数ランク６であり、以下、行動回数ランク５、行動回数ランク４の順番に異常の程度の低いランクが設けられる。なお以下の説明では、行動回数ランク６がランクが最も大きく、行動回数ランク５、４、３、２、１の順番にランク小さいと称する場合がある。

サーバ１２０は、図７のステップＳ４０１からステップＳ４０４までの処理を、分類（２）に分類された対象者Ｐ１の行動毎に繰り返す。以下、ステップＳ４０１からステップＳ４０４までの各処理について説明する。

ステップＳ４０１において、サーバ１２０は、週毎処理対象期間において、判定の対象となる行動が検出されているか否かを判定する。具体的には、サーバ１２０は、対象者Ｐ１が行う行動として学習されているもの（例えば、図２に示す掃除機、洗濯機の使用等）が、週毎処理対象期間において検出されているか否かを判定する。

サーバ１２０は、判定の対象となる行動が検出されている場合、ステップＳ４０３に移行する。一方、サーバ１２０は、判定の対象となる行動が検出されていない場合、ステップＳ４０２に移行する。

ステップＳ４０２において、サーバ１２０は、対象者Ｐ１の行動の状態が行動回数異常ランク６であると判定する。すなわち、対象者Ｐ１が週１回以上行うはずの行動が、一週間（週毎処理対象期間）の間に一度も行われていない場合、対象者Ｐ１に記憶障害、見当識障害、実行機能障害等の、何らかの認知症の症状が発症していることが推認される。そこで、サーバ１２０は、このような場合、行動回数の異常の程度が最も高いランクである行動回数ランク６を付与する。

ステップＳ４０３において、サーバ１２０は、学習結果に対して、検出された対象者Ｐ１の行動回数のズレ（乖離Ｙｃ（回数））を所定の閾値と比較し、比較結果に応じてランク分けを行う。本実施形態においては、前記閾値として、Ｘ１ｃ、Ｘ２ｃ、Ｘ３ｃ、Ｘ４ｃという４種類の回数が設けられる。これら４種類の回数（閾値）は、Ｘ１ｃ＜Ｘ２ｃ＜Ｘ３ｃ＜Ｘ４ｃという関係を有する。また、閾値Ｘ３ｃは、対象者Ｐ１の行動回数の異常の有無を判定するための閾値でもある。すなわち、ＹｃがＸ３ｃ以下である場合、行動回数が正常と判断され、ＹａがＸ３ａを越える場合、行動回数が異常と判断される。

こうして、ステップＳ４０４において、サーバ１２０は、Ｙｃ≦Ｘ１ｃである場合、検出された対象者Ｐ１の行動の状態が行動回数ランク１であると判定する。同様にサーバ１２０は、Ｘ１ｃ＜Ｙｃ≦Ｘ２ｃである場合、行動回数ランク２であると判定する。またサーバ１２０は、Ｘ２ｃ＜Ｙｃ≦Ｘ３ｃである場合、行動回数ランク３であると判定する。またサーバ１２０は、Ｘ３ｃ＜Ｙｃ≦Ｘ４ｃである場合、行動回数ランク４であると判定する。またサーバ１２０は、Ｘ４ｃ＜Ｙｃである場合、行動回数ランク５であると判定する。

このように、サーバ１２０から付与されたランクにより、検出された対象者Ｐ１の行動回数の正常異常を判断可能であると共に、正常又は異常の程度の大小が判断可能となる。

こうして、サーバ１２０は、分類（２）に分類された対象者Ｐ１の行動毎に図７のステップＳ４０１からステップＳ４０４までの処理が行われると、その処理結果を行動回数判定履歴データベース１２３に保存する。

具体的には、付与されたランクが行動回数異常ランク（行動回数ランク４から６）の何れかである場合、対象者Ｐ１に実行機能障害、見当識障害、昼夜逆転等の、何らかの認知症の症状が発症していることが推認される。サーバ１２０は、この判定対象となった行動、行動回数異常ランク、判定の理由を互いに紐付けて記憶する。例えばサーバ１２０は、「掃除機」、「行動回数ランク４」、「行動回数のズレが、Ｘ３ｃより大きく、かつ、Ｘ４ｃ以下」という情報を互いに紐付けて記憶する。

また、付与されたランクが行動回数正常ランク（行動回数ランク１から３）の何れかである場合、対象者Ｐ１の行動の状態が正常であることが推認される。サーバ１２０は、この判定対象となった行動、行動回数正常ランク、判定の理由を互いに紐付けて記憶する。例えばサーバ１２０は、「洗濯機」、「行動回数ランク２」、「行動回数のズレが、Ｘ１ｃよりも大きく、かつ、Ｘ２ｃ以下」という情報を互いに紐付けて記憶する。

こうして、付与されたランクが、行動回数異常ランク（行動回数ランク４から６）だけでなく、行動回数正常ランク（行動回数ランク１から３）も行動回数判定履歴データベース１２３に保存するため、将来において過去の判定状態や状態の程度を効果的に活用することができ、例えば後述する専門家Ｐ３の診断に活用することもできる。

なお、所定の閾値の値は任意に設定することができる。例えば、学習結果を用いて行動回数の確率分布を推定し、推定された確率分布を用いて適宜設定することができる。すなわち、比較的高い確率である所定の範囲に含まれる行動回数を正常な行動回数と規定し、当該規定した行動回数に対して、当該規定した行動回数から段階的にズレた回数を任意に抽出して複数の閾値として用いることができる。

サーバ１２０は、ステップＳ４０１からステップＳ４０４までの処理を、対象者Ｐ１の行動毎、かつその回数分だけ繰り返し行う。これによってサーバ１２０は、対象者Ｐ１の行動毎、かつ回毎に、行動回数の異常の有無及び正常異常の程度を判定することができる。その後サーバ１２０は、週毎処理（行動回数判定）を終了する。

次に、図８（ａ）を用いて、週間結果通知について説明する。

サーバ１２０は、一週間に一度、所定の日時に週間結果通知を行う。例えば、サーバ１２０は、一週間に一度、日毎処理と同じ時間帯（例えば、午前１０時等）に週間結果通知を行う。

ステップＳ５０１において、サーバ１２０は、活動時間帯判定履歴データベース１２１及び睡眠時間帯判定履歴データベース１２２を参照し、一週間の間に、日毎処理の対象となった行動の中で、所定のランク（ランクＹ１以上）が所定の回数（Ｙ２回）以上検出された行動があるか否かを判定する。なお、所定のランク（ランクＹ１）及び所定の回数（Ｙ２回）は、それぞれ任意の値を設定することができる。ただし、本実施形態では異常の判定が繰り返されていることを判断するため、ランクＹ１としては、少なくとも異常ランク（活動時間異常ランク又は睡眠時間異常ランク）の値に設定することが望ましく、Ｙ２回としては、２以上の値に設定することが望ましい。

こうして、サーバ１２０は、所定のランク（ランクＹ１以上）が所定の回数（Ｙ２回）以上検出された行動があると判定した場合、ステップＳ５０２に移行する。一方、サーバ１２０は、所定のランク（ランクＹ１以上）が所定の回数（Ｙ２回）以上検出された行動がないと判定した場合、週間結果通知を終了する。

ステップＳ５０２において、サーバ１２０は、端末１３０を用いてアラート（認知機能の異常警告）を発報する。具体的には、判定の対象となった行動、及びその判定の理由を、端末１３０を用いて家族Ｐ２に報知する。報知の方法としては、例えば端末１３０の液晶画面に表示する方法や、端末１３０から音声を発することで報知する方法等がある。

このようにサーバ１２０は、所定のランク（ランクＹ１以上）が所定の回数（Ｙ２回）以上検出された行動については、認知機能の異常が発生している可能性が高いと考えられるため、家族Ｐ２に報知する。これによって家族Ｐ２は、適切な対応（治療等）をとることができる。また言い換えると、サーバ１２０は、所定のランク（ランクＹ１以上）と判定されたのが所定の回数（Ｙ２回）未満である行動については、家族Ｐ２に報知することがない。これによって、対象者Ｐ１の認知機能とは無関係に、たまたま対象者Ｐ１の行動が普段と違っていた場合に所定のランク（ランクＹ１以上）が付与された行動（異常の誤検出）について、家族Ｐ２に報知を行うのを防止することができる。

サーバ１２０は、ステップＳ５０２の処理を行った後、週間結果通知を終了する。

次に、図８（ｂ）を用いて、月間結果通知について説明する。

サーバ１２０は、一か月に一度、所定の日時に月間結果通知を行う。例えば、サーバ１２０は、一か月に一度、週間結果通知と同じ時間帯（例えば、午前１０時等）に月間結果通知を行う。

ステップＳ６０１において、サーバ１２０は、行動回数判定履歴データベース１２３を参照し、一か月の間に、週毎処理の対象となった行動の中で、所定のランク（ランクＹ３以上）が所定の回数（Ｙ４回）以上検出された行動があるか否かを判定する。なお、所定のランク（ランクＹ３）及び所定の回数（Ｙ４回）は、それぞれ任意の値を設定することができる。ただし、本実施形態では異常の判定が繰り返されていることを判断するため、ランクＹ３としては、少なくとも異常ランク（行動回数異常ランク）の値に設定することが望ましく、Ｙ４回としては、２以上の値に設定することが望ましい。

こうして、サーバ１２０は、所定のランク（ランクＹ３以上）が所定の回数（Ｙ４回）以上検出された行動があると判定した場合、ステップＳ６０２に移行する。一方、サーバ１２０は、所定のランク（ランクＹ３以上）が所定の回数（Ｙ４回）以上検出された行動がないと判定した場合、月間結果通知を終了する。

ステップＳ６０２において、サーバ１２０は、端末１３０を用いてアラート（認知機能の異常警告）を発報する。具体的には、判定の対象となった行動、及びその判定の理由を、端末１３０を用いて家族Ｐ２に報知する。このようにサーバ１２０は、所定のランク（ランクＹ３以上）と判定されたのが所定の回数（Ｙ３回）未満である行動については、家族Ｐ２に報知することがない。

サーバ１２０は、ステップＳ６０２の処理を行った後、月間結果通知を終了する。

次に、図９を用いて、長期判定結果通知について説明する。

サーバ１２０は、長期間に一度、所定の日時に長期判定結果通知を行う。例えば、サーバ１２０は、半年に一度、月間結果通知と同じ時間帯（例えば、午前１０時等）に長期判定結果通知を行う。なお、長期間とは、半年に限定するものではないが、対象者Ｐ１の行動の認知機能の状態の変化度合いを判定し易くする観点から、複数月に亘るような期間であることが望ましい。

ステップＳ７０１において、サーバ１２０は、活動時間帯判定履歴データベース１２１、睡眠時間帯判定履歴データベース１２２及び行動回数判定履歴データベース１２３を参照し、半年間の間に、日毎処理及び週毎処理の対象となった行動の中で、所定のランク（ランクＺ１以上）が所定の回数（Ｚ２回）以上検出された行動があるか否かを判定する。なお、所定のランク（ランクＺ１）及び所定の回数（Ｚ２回）は、それぞれ任意の値を設定することができる。ただし、本実施形態では異常の判定が繰り返されていることを判断するため、ランクＺ１としては、少なくとも異常ランク（活動時間異常ランク、睡眠時間異常ランク又は行動回数異常ランク）の値に設定することが望ましく、Ｚ２回としては、２以上の値に設定することが望ましい。

こうして、サーバ１２０は、所定のランク（ランクＺ１以上）が所定の回数（Ｚ２回）以上検出された行動があると判定した場合、ステップＳ７０２に移行する。一方、サーバ１２０は、所定のランク（ランクＺ１以上）が所定の回数（Ｚ２回）以上検出された行動がないと判定した場合、長期判定結果通知を終了する。

ステップＳ７０２において、サーバ１２０は、学習結果（学習データ）の精査判定を行う。具体的には、サーバ１２０は、所定の統計データに対して、自身が保持している学習結果が一定以上乖離しているか否かを判定する。すなわち、上述の如き日毎処理及び週毎処理においてランク分けに用いられた学習結果に不備がある場合、付与されたランクが適切でない（付与されたランクが、対象者Ｐ１の現状の行動の状態を適切に示していない）可能性がある。そこで、本実施形態においては、所定のランク（ランクＺ１以上）が所定の回数（Ｚ２回）以上検出された行動があると判定された場合、学習結果に不備がある可能性（学習結果の適切・不適切）について判定する。

具体的には、サーバ１２０は、例えば外部の公共機関等から公表される比較可能な統計データや、生活パターン判定システム１００が導入された他の住宅から集められた統計データ等の、任意の統計データを取得する。そして、サーバ１２０は、取得した統計データと学習結果とを比較し、学習結果が一定以上乖離している（所定の閾値との差が大きいか）否かを判定する。サーバ１２０は、学習結果が一定以上乖離していると判定した場合（すなわち、学習結果が不適切であると推測される場合）、ステップＳ７０４に移行する。一方、サーバ１２０は、学習結果が一定以上乖離していないと判定した場合（すなわち、学習結果が適切であると推測される場合）、ステップＳ７０３に移行する。

なお、学習結果が不適切である場合とは、例えば対象者Ｐ１が住宅１に入居した（生活を開始した）タイミングと、判定の対象となる設備が設置されたタイミングとが異なっていた場合や、判定の対象となる設備が故障している場合等が想定される。また、サーバ１２０は、所定の統計データを外部から取得するのではなく、予め記憶していてもよい。

ステップＳ７０３において、サーバ１２０は、ステップＳ７０１にて検出された行動に関してランクが悪化傾向にあるかの判定（悪化傾向判定）を行う。具体的には、サーバ１２０は、長期判定結果通知対象期間において、ステップＳ７０１にて検出された行動に関するランクの変動傾向を分析する。例えばサーバ１２０は、対象となる行動のランクを時系列データとした移動平均を用いる等、任意の手法でランクの変動傾向を分析することができる。こうして、サーバ１２０は、分析した変動傾向を所定の閾値と比較することにより、ステップＳ７０１にて検出された行動に関してランクが悪化傾向であるか又は改善傾向がない（現状維持である）かの判定を行う。

サーバ１２０は、ステップＳ７０１にて検出された行動に関してランクが悪化傾向であるか又は改善傾向がないと判定した場合、ステップＳ７０４に移行する。一方、サーバ１２０は、ステップＳ７０１にて検出された行動に関してランクが改善傾向である（悪化傾向ではなく、かつ、現状維持ではない）と判定した場合、長期判定結果通知を終了する。

ステップＳ７０４において、サーバ１２０は、所定のデータを、専門家Ｐ３及び家族Ｐ２に送信する。具体的には、ステップＳ７０２から移行したステップＳ７０４においては、サーバ１２０は、所定のデータとして、ステップＳ７０２での学習結果の精査の判定に関する種々のデータ（例えば該当期間、学習結果、対象となる行動（設備）等の、判定に用いたデータや、判定結果に関するデータ等）を専門家Ｐ３及び家族Ｐ２に送信する。また、ステップＳ７０３から移行したステップＳ７０４においては、サーバ１２０は、所定のデータとして、ステップＳ７０３での悪化傾向判定に関する種々のデータ（例えば悪化傾向判定に用いたデータや、判定結果に関するデータ等）を専門家Ｐ３及び家族Ｐ２に送信する。

ここで、専門家Ｐ３とは、所定の判定結果（ステップＳ７０２における学習データの精査判定の判定結果、及び、ステップＳ７０３における悪化傾向判定の判定結果）について、診断を打診すると共に、診断結果に対してアドバイスを依頼する者である。例えば、専門家Ｐ３には、認知症について見識を有する医療関係者や、医療系団体の職員、生活パターンの状態の学習について見識を有する者、生活パターン判定システム１００の管理者等の種々の者が含まれる。また、専門家Ｐ３には、個人だけでなく団体や法人が含まれる。

こうして、専門家Ｐ３及び家族Ｐ２は、サーバ１２０から送信されたデータにより、例えば学習結果が不備の可能性についての情報を取得することができる。また、専門家Ｐ３及び家族Ｐ２は、サーバ１２０から送信されたデータにより、対象者Ｐ１の行動の状態が悪化傾向にある（又は改善傾向がない）ことについての情報を取得することができる。サーバ１２０は、ステップＳ７０４の処理を行った後、ステップＳ７０５に移行する。

ステップＳ７０５において、サーバ１２０は、専門家Ｐ３から診断結果及びアドバイスを取得すると共に、端末１３０を用いて家族Ｐ２に通知する。

具体的には、ステップＳ７０２・Ｓ７０４から移行したステップＳ７０５において、サーバ１２０は、例えば異常ランクが継続した場合に、学習結果が不備の可能性についての診断結果を取得する。また、サーバ１２０は、取得した診断結果において、学習結果が不備の可能性があると診断された場合、当該専門家Ｐ３から対処方法についてのアドバイスを取得する。こうして、サーバ１２０が、取得した診断結果及びアドバイスを家族Ｐ２に通知することにより、家族Ｐ２は、学習結果が不備である可能性について今後の対応を検討することができる。

また、ステップＳ７０３・Ｓ７０４から移行したステップＳ７０５において、サーバ１２０は、例えば異常ランクが継続した場合に、ランクが悪化傾向であるか又は改善傾向がない（以下「悪化傾向等である」と称する場合がある）ことについての診断結果を取得する。また、サーバ１２０は、取得した診断結果において、ランクが悪化傾向等であると診断された場合、当該専門家Ｐ３から対処方法についてのアドバイスを取得する。こうして、サーバ１２０が、取得した診断結果及びアドバイスを家族Ｐ２に通知することにより、家族Ｐ２は、ランクが悪化傾向等であることについて今後の対応を検討することができる。

生活パターン判定システム１００は、以上のような処理（日毎処理、週毎処理、週間結果通知、月間結果通知及び長期判定結果通知）を行うことで、対象者Ｐ１の日常生活の行動に基づいて、認知機能の状態（異常の有無及び正常異常の程度）を検出することができる。これによって、対象者Ｐ１に特別な検査等を受けさせることなく、簡便に認知機能の状態を検出することができ、家族Ｐ２に報知することができる。

また、長期判定結果通知においては、長期判定（ステップＳ７０１）を行い、半年間の間に所定のランク（ランクＺ１以上）が所定の回数（Ｚ２回）以上検出された行動があるか否かを判定するため、比較的長期間における対象者Ｐ１の行動の状態を把握することができる。

また、学習結果の精査判定（ステップＳ７０２）を行い、学習結果に不備がある可能性（学習結果の適切・不適切）について判定するため、付与されたランクが対象者Ｐ１の現状の行動の状態を適切に示していない場合に、これを是正することができる。

また、悪化傾向判定（ステップＳ７０３）を行い、対象者Ｐ１の行動に関してランクが悪化傾向等であるかを判定するため、比較的長期間における対象者Ｐ１の行動の状態（変動度合い）を把握することができる。

以上の如く、本実施形態に係る生活パターン判定システム１００は、
対象者Ｐ１が利用する住宅１（建物）に設けられた設備の使用状況を検出可能することで、前記対象者Ｐ１の行動を検出可能な電力センサ１１０（行動検出部）と、
前記電力センサ１１０（行動検出部）により検出された前記対象者Ｐ１の行動に関する実行動データと、予め学習した前記対象者Ｐ１の行動に関する学習行動データ（学習結果）と、を比較するサーバ１２０（比較部）と、
前記サーバ１２０（比較部）の比較結果に基づいて前記実行動データに対応する前記対象者Ｐ１の行動に、正常を示す１又は２以上の段階的なランクを含む正常ランク（活動時間正常ランク、睡眠時間正常ランク、行動回数正常ランク）、及び、異常を示す１又は２以上の段階的なランクを含む異常ランク（活動時間異常ランク、睡眠時間異常ランク、行動回数異常ランク）を設定するサーバ１２０（ランク設定部）と、
を具備するものである。

このような構成により、生活パターンの状態の変化度合いを容易に取得することができる。すなわち、対象者Ｐ１の行動の状態をランク分けするため、一見して容易に対象者Ｐ１の生活パターンの変化度合いを把握することができる。さらに、異常と判定される場合だけでなく正常と判定される場合もランク分けされるため、より容易に対象者Ｐ１の生活パターンの変化度合いを把握することができる。

また、正常ランク（活動時間正常ランク、睡眠時間正常ランク、行動回数正常ランク）及び異常ランク（活動時間異常ランク、睡眠時間異常ランク、行動回数異常ランク）は段階的なランクを含むため、例えば正常（又は異常）と判定した場合に、異常（又は正常）に近いかどうか、すなわち軽度か重症かを推定することができる。正常ランク及び異常ランクは、対象者Ｐ１の自立度や要介護度の推定や判断材料として活用することができる。

また、本実施形態に係る生活パターン判定システム１００において、
前記サーバ１２０（ランク設定部）は、
前記サーバ１２０（比較部）の比較結果として、前記対象者Ｐ１が所定の行動を行った時間帯と学習した時間帯との差の大きさに基づいてランク分けするものである。

このような構成により、活動時間に関する生活パターンの状態の変化度合いを容易に取得することができる。

また、本実施形態に係る生活パターン判定システム１００において、
前記サーバ１２０（ランク設定部）は、
前記サーバ１２０（比較部）の比較結果として、前記対象者Ｐ１が睡眠した時間帯と学習した時間帯との差の大きさに基づいてランク分けするものである。

このような構成により、睡眠時間に関する生活パターンの状態の変化度合いを容易に取得することができる。

また、本実施形態に係る生活パターン判定システム１００において、
前記サーバ１２０（ランク設定部）は、
前記サーバ１２０（比較部）の比較結果として、所定の期間において前記対象者Ｐ１が所定の行動を行った回数と学習した回数との差の大きさに基づいてランク分けするものである。

このような構成により、行動回数に関する生活パターンの状態の変化度合いを容易に取得することができる。

また、本実施形態に係る生活パターン判定システム１００においては、
家族Ｐ２（通知対象者）に対して所定情報の通知を行うことが可能な端末１３０（通知部）をさらに具備し、
前記サーバ１２０（ランク設定部）は、
前記異常ランクが設定された場合において、前記差の大きさに所定閾値以上の大きさの差が含まれる場合、前記所定情報として、前記学習行動データ（学習結果）を前記家族Ｐ２（通知対象者）に通知するものである。

このような構成により、学習結果に不備がある可能性について家族Ｐ２に通知することができる。こうして、付与されたランクが、対象者Ｐ１の現状の行動の状態を適切に示していない場合（ランクが誤っている場合）でも、家族Ｐ２は、誤ったランクをそのまま信頼するのを抑制することができる。

また、本実施形態に係る生活パターン判定システム１００においては、
家族Ｐ２（通知対象者）に対して所定情報の通知を行うことが可能な端末１３０（通知部）をさらに具備し、
前記サーバ１２０（ランク設定部）は、
前記正常ランク及び前記異常ランクの設定を所定の期間ごとに行い、
前記所定情報として、前記所定の期間ごとに設定した前記正常ランク及び／又は前記異常ランクの変動傾向を前記家族Ｐ２（通知対象者）に通知するものである。

このような構成により、長期間に亘る生活パターンの変動傾向を家族Ｐ２に通知することができる。

また、本実施形態に係る生活パターン判定システム１００において、
前記サーバ１２０（ランク設定部）は、
前記所定情報に対するアドバイスを前記家族Ｐ２（通知対象者）に通知するものである。

このような構成により、例えば長期間に亘る生活パターンの変動傾向や、学習結果に不備がある可能性についてアドバイスを家族Ｐ２に通知し、今後の対応を検討し易くすることができる。

なお、本実施形態に係る住宅１は、本発明に係る建物の実施の一形態である。
また、本実施形態に係る電力センサ１１０は、本発明に係る行動検出部の実施の一形態である。
また、本実施形態に係るサーバ１２０は、本発明に係る比較部、ランク設定部の実施の一形態である。
また、本実施形態に係る端末１３０は、本発明に係る通知部の実施の一形態である。
また、本実施形態に係る家族Ｐ２は、本発明に係る通知対象者の実施の一形態である。
また、本実施形態に係る検出された対象者Ｐ１の行動の時間帯（活動時間帯）、検出された対象者Ｐ１の睡眠時間帯、検出された対象者Ｐ１の行動回数は、本発明に係る実行動データの実施の一形態である。
また、本実施形態に係る学習結果（学習データ）は、本発明に係る学習行動データの実施の一形態である。

以上、本発明の実施形態について説明したが、本発明は上記実施形態に限定されるものではなく、特許請求の範囲に記載された発明の技術的思想の範囲内で適宜の変更が可能である。

例えば、本実施形態では、対象者Ｐ１の所定の場合（例えば異常ランクが付与された場合）、端末１３０にその旨を通知する例を示したが、さらに、家族Ｐ２等がその情報を確認し、問題ない（異常ではない）と判断した場合には、端末１３０等を用いてその旨をサーバ１２０に伝達する構成とすることも可能である。このように、家族Ｐ２等が異常の有無を確認してサーバ１２０へとフィードバックすることで、サーバ１２０は対象者Ｐ１の行動をより正確に学習することができる。これによって、生活パターンの状態の異常の検出をより精度よく行うことができる。

また本実施形態では、対象者Ｐ１の行動が繰り返して異常等と判定された場合に家族Ｐ２にその旨を通知する例を示したが、本発明はこれに限るものではなく、例えば対象者Ｐ１の行動が一度でも異常等と判定された場合には、すぐに家族Ｐ２に報知することも可能である。

また本実施形態で例示した各処理（日毎処理、週毎処理、週間結果通知、月間結果通知及び長期判定結果通知）の対象となる期間は、任意に変更することも可能である。

また、学習結果の精査判定（ステップＳ７０２）、ステップＳ７０４、ステップＳ７０５という一連の処理は、長期判定結果通知だけでなく、別の処理でも行うことができる。具体的には、前記一連の処理は、日毎処理、週毎処理、週間結果通知及び月間結果通知の各処理で行うこともできる。また同様に、悪化傾向判定（ステップＳ７０３）、ステップＳ７０４、ステップＳ７０５という一連の処理は、日毎処理、週毎処理、週間結果通知及び月間結果通知の各処理で行うこともできる。

また、本実施形態では、ステップＳ７０２での学習結果の精査の判定に関する種々のデータ、及び、ステップＳ７０３での悪化傾向判定に関する種々のデータの何れか一方を専門家Ｐ３及び家族Ｐ２に送信するものとしたが、両方のデータを送信してもよい。

また、悪化傾向判定（ステップＳ７０３）において、ステップＳ７０１にて検出された行動に関してランクが悪化傾向であるか又は改善傾向がない（現状維持である）かの判定を行うものとしたが、改善傾向であるかの判定を行ってもよい。

また、本実施形態に係る生活パターン判定システム１００は、高齢者を対象者Ｐ１とした例を示したが、本発明は高齢者に限るものではなく、様々な人を対象者Ｐ１とすることができる。

また本実施形態では、高齢者の生活パターンの状態を検出し、ひいては当該対象者Ｐ１の認知機能の状態を検出するものとしたが、これに限定するものではない。例えば、対象者Ｐ１が認知症患者である場合には、認知機能の変化や異常行動の変化等を追跡することもできる。

また、生活パターン判定システム１００を、単身赴任や学生の一人暮らしなど、家族と離れて過ごす人の住宅に導入した場合には、離れた家族の生活パターンの状態を検出することができる。こうして、生活パターンの状態を検出することにより、安否確認や、生活リズムの変化、体調の変化、活動量の変化等を検出することができ、判定アルゴリズムもこれらの判定に応用することができる。

また、生活パターン判定システム１００を睡眠障害の患者の住宅に導入した場合には、正常ランク及び異常ランクによって、睡眠質を判断することも可能である。

また、生活パターンを推測できるため、生活パターン判定システム１００を将来の電力消費予測に活用することができる。すなわち、生活パターン判定システム１００を、デマンド契約等、消費電力量が電力料金に影響を及ぼす場合や、太陽光発電の有効利用に活用することもできる。

また本実施形態では、電力センサ１１０（行動検出部）は住宅１に設けられるものとしたが、本発明はこれに限るものではなく、対象者Ｐ１が利用する種々の建物に設けることも可能である。すなわち、住宅１に限らず、その他種々の建物、施設等において、生活パターンの状態を検出することが可能である。また行動検出部は、電力センサに限定されず、人の行動を検出することができる種々のセンサを採用することができる。具体的には、行動検出部としては、人感センサや、撮像した画像から人の行動を認識可能な認識手段等を採用することができる。

また本実施形態では、サーバ１２０（クラウド上に設けられた仮装サーバ等）が各種処理を行う例を示したが、本発明はこれに限るものではなく、各種処理を実行する主体は任意に変更することが可能である。例えば、住宅１に設けられたホームサーバ、パソコン、携帯型端末等により実行することも可能である。

１００ 生活パターン判定システム
１１０ 電力センサ
１２０ サーバ
１３０ 端末

Claims (7)

1. 対象者が利用する建物に設けられた設備の使用状況を検出可能することで、前記対象者の行動を検出可能な行動検出部と、
   前記行動検出部により検出された前記対象者の行動に関する実行動データと、予め学習した前記対象者の行動に関する学習行動データと、を比較する比較部と、
   前記比較部の比較結果に基づいて前記実行動データに対応する前記対象者の行動に、正常を示す１又は２以上の段階的なランクを含む正常ランク、及び、異常を示す１又は２以上の段階的なランクを含む異常ランクを設定するランク設定部と、
   を具備する、
   生活パターン判定システム。
2. 前記ランク設定部は、
   前記比較部の比較結果として、前記対象者が所定の行動を行った時間帯と学習した時間帯との差の大きさに基づいてランク分けする、
   請求項１に記載の生活パターン判定システム。
3. 前記ランク設定部は、
   前記比較部の比較結果として、前記対象者が睡眠した時間帯と学習した時間帯との差の大きさに基づいてランク分けする、
   請求項１又は請求項２に記載の生活パターン判定システム。
4. 前記ランク設定部は、
   前記比較部の比較結果として、所定の期間において前記対象者が所定の行動を行った回数と学習した回数との差の大きさに基づいてランク分けする、
   請求項１から請求項３までのいずれか一項に記載の生活パターン判定システム。
5. 通知対象者に対して所定情報の通知を行うことが可能な通知部をさらに具備し、
   前記ランク設定部は、
   前記異常ランクが設定された場合において、前記差の大きさに所定閾値以上の大きさの差が含まれる場合、前記所定情報として、前記学習行動データを前記通知対象者に通知する、
   請求項１から請求項４までのいずれか一項に記載の生活パターン判定システム。
6. 通知対象者に対して所定情報の通知を行うことが可能な通知部をさらに具備し、
   前記ランク設定部は、
   前記正常ランク及び前記異常ランクの設定を所定の期間ごとに行い、
   前記所定情報として、前記所定の期間ごとに設定した前記正常ランク及び／又は前記異常ランクの変動傾向を前記通知対象者に通知する、
   請求項１から請求項５までのいずれか一項に記載の生活パターン判定システム。
7. 前記ランク設定部は、
   前記所定情報に対するアドバイスを前記通知対象者に通知する、
   請求項５又は請求項６に記載の生活パターン判定システム。

Images