JP4535398B2 - 在宅者の行動・安否確認システム - Google Patents

Description

本発明は、宅内に設けられた複数の電気機器の稼働状態に基づいて在宅者の行動や安否を確認する在宅者の行動・安否確認システムに関する。

近年、日本では高齢者人口が急増しており、これに伴って独居高齢者が増えているため、独居高齢者を対象とした安否確認システムの開発が進んでいる。この安否確認システムの一例として、特許文献１に示されているように、宅内に赤外線センサやビデオカメラなどからなる監視器具を要所、要所に設置し、これらの監視器具により得られた情報を解析することによって、在宅者の行動や安否を確認している。

しかしながら、上記従来の在宅者の行動・安否確認システムは、在宅者の行動を監視するための赤外線センサやビデオカメラなどの監視器具を多数、使用しなければならないとともに、これらの監視器具により得られた情報を解析するソフトウエアが複雑になるため、システムとしての価格が高くなるとともに、監視対象となる人のプライバシー侵害の恐れがあるため、採用されにくいという問題がある。
特開平１１−２５９６４３号公報

そこで本発明では、プライバシーの侵害の恐れがある赤外線センサやビデオカメラなどの監視器具を使用しない安価な在宅者の行動・安否確認システムを提供することを、解決すべき課題とするものである。

上記課題は、特許請求の範囲の欄に記載した在宅者の行動・安否確認システムにより解決することができる。
請求項１に記載した在宅者の行動・安否確認システムによれば、電力会社の電力引込線に接続された宅内電源幹線を流れる総電流が特徴量検出部により検出されると、線形判別部は、前記特徴量検出部からデジタル信号の形態で出力された総電流と、それぞれの電気機器の稼働時の電流とそれぞれの電気機器の稼働状態を表す変数の積を足し合わせた式から式誤差について解き、その式誤差を最小にする前記電気機器の稼働状態を表す変数の値を最小二乗法により求め、その変数の値に基づいて稼働状態の電気機器を特定する。
また、在宅者行動推定部は、判別された稼働電気機器に基づいて在宅者の行動を推定する。
このように、プライバシーの侵害の恐れがある赤外線センサやビデオカメラなどの監視器具を使用することなく、在宅者の行動、安否を安価に確認することが可能となる。

本発明によれば、プライバシーの侵害の恐れがある赤外線センサやビデオカメラなどの監視器具を使用しない安価な在宅者の行動・安否確認システムを提供することができる。

次に、本発明の実施の形態について説明する。
図１は、電力会社等の給電線（電力引込線）ＰＳＷから電力の供給を受ける宅内電源幹線ＭＬに接続されている複数台（Ｎ台）の電気機器ｋ１，ｋ２・・・ｋＮの稼働状態を判別するとともに、判別した稼働電気機器に基づいて在宅者の行動パターンを隠れマルコフモデルを適用して推定することによって、在宅者の行動や安否を確認する在宅者の行動・安否確認システム１の構成を示したシステム系統図である。

図１において、宅内電源幹線ＭＬに接続されている電気機器ｋ１，ｋ２・・・ｋＮのうちの１台、あるいは複数台の電気機器が稼働している場合に、宅内電源幹線ＭＬに流れる電流を検出するセンサ２が設けられている。また、センサ２には特徴量検出部３が接続されており、特徴量検出部３は、センサ２により検出された電流対応の信号を特徴量として検出し、その特徴量をデジタル信号の形態で出力する。

特徴量検出部３から出力された上記電流対応のデジタル信号は線形判別部４に伝送される。線形判別部４は、この電流対応のデジタル信号に基づいて各電気機器ｋ１，ｋ２・・・ｋＮのうちのどの電気機器が稼働しているかを判別するもので、以下、線形判別部４による稼働電気機器の判別原理について説明する。尚、特徴量検出部３が検出する特徴量を、宅内電源幹線ＭＬにおける総電流ｉ(ｔ）とする。また、それぞれの電気機器の稼働時の電流をｉk(ｔ）とする。ここでkは各電気機器に割り振られた番号である。また、それぞれの電気機器の稼働状況を表す変数としてｃkを考える。

上記総電流ｉ(ｔ）は、センサ２より下流に接続されているそれぞれの電気機器の稼働時の電流ｉk(ｔ）と、それぞれの電気機器の稼働状況を表す変数ｃｋの積を足し合わせたものである。ここで、式誤差ｅ(t)を用いると、特徴量検出部３により検出される総電流ｉ(ｔ）は、

ｎ
ｉ(ｔ）＝Σ ｃkｉk(ｔ）＋ｅ(t) （１）
ｋ＝１

と表現することができる。尚、式（１）においてｎは、センサ２より下流に接続されているそれぞれの電気機器の台数を表す。式（１）を式誤差ｅ(t)について解くと
ｎ
ｅ(t)＝ｉ(ｔ）−Σ ｃkｉk(ｔ） （２）
ｋ＝１

となる。ここで、最小二乗法による

Ｔ
Σｅ^２（ｔ）
ｔ＝０

を最小にする変数ｃｋを求め、そのｃｋの値より電気機器の稼働状態を推定することができる。尚、ｔは、ある時間区間（ｔ＝０，・・・・，Ｔ）を示している。
また、それぞれの電気機器の稼働時の電流ｉk(ｔ）や幹線ＭＬにおける総電流ｉ(ｔ）は、電源電圧を基準として、例えば電源電圧がゼロとなる点や、最大値もしくは最小値となる点などを基準位相ｔ＝０とする。

誤差最小化問題の解法としてしては、変数ｃｋを小数として求める場合と、０もしくは１のような整数（離散値）として求める場合とがある。このｃｋの値により、現在稼働中の電気機器を特定する。例えば変数ｃｋの値が小数である場合、ｃｋがある値よりも小さい場合には、そのｃｋに相当する電気機器ｋが稼働していないと判定する。反対に、ｃｋがある値よりも大きい場合には、そのｃｋに相当する電気機器ｋが稼働していると判定する。

また、変数ｃｋの値を０もしくは１のような整数とすると、ｃｋの値が０のときはそのｃｋに相当する電気機器ｋが稼働していないと判定する。反対に、ｃｋの値が１のときは、そのｃｋに相当する電気機器ｋが稼働していると判定する。

以下、具体例を説明する。宅内の電気機器を電気機器１，２，３の３種類とし、電気機器１，２，３それぞれの稼働時に前記センサ２により検出される電流波形がそれぞれ図２の（ａ），（ｂ），（ｃ）であるとする。いま、それらの電気機器１，２，３が同時に稼働しているときの電流波形がセンサ２により検出されたとする。電気機器１と電気機器２が同時に稼働しているときのセンサ２による電流波形を図２の（ｄ）、電気機器２と電気機器３が同時に稼働しているときのセンサ２による電流波形を図２の（ｅ）とする。このとき前記線形判別部４において求められる変数ｃｋ（ｋ＝１，２，３）の値はそれぞれ図（表図）６、図（表図）７のようになる。ただし、図６，７では変数ｃｋ（ｋ＝１，２，３）の値は０もしくは１の整数として求めた結果を示している。ここで、稼働している電気機器に相当するｃｋの値が１となり、稼働していない電気機器に相当するｃｋの値は０となる。このように、ｃｋの値により稼働中の電気機器を特定し、判別することができる。このようにして稼働している電気機器が判別されると、その稼働電気機器判別データは線形判別部４に設けられたメモリに記録される。

尚、以上の説明では、特徴量検出部３が検出する特徴量を電源電流としたが、電源電流以外の様々な電気諸量を特徴量としてもよい。また、特徴量検出部３で検出された信号に信号処理を施した二次的な信号を特徴量としてもよい。

次に、在宅者行動推定部５について説明する。
在宅者行動推定部５は、線形判別部４により稼働していると判別された電気機器に基づいて在宅者の行動パターンを隠れマルコフモデルを用いて推定するものである。尚、ここでは、前述の誤差最小化問題の解として求められるｃｋの値が０もしくは１のような整数である場合について説明する。

在宅者行動推定部５を構成する学習部５ａでは、線形判別部４により稼働していると判別された電気機器の記号の時系列で隠れマルコフモデルを学習させ、その学習した隠れマルコフモデルから在宅者の行動パターンを推定する。

まず、線形判別部４において判別された各電気機器の稼働状態から上記学習部５ａが記号化への置き換えをする過程について説明する。
宅内において例えば電子レンジ、オーブントースタ、テレビ、掃除機、ハロゲンヒータの５種類の電気機器があり、これらの電気機器は在宅者の行動パターンに応じて稼働されるものとする。このときの電気機器単独稼動もしくは同時稼働の組み合わせを図（表図）８に示す。この表図において「○」印が稼働している電気機器であり、「−」印は稼働していない電気機器であり、在宅者の行動パターンにより、稼働する電気機器の組み合わせが様々ある。これらの組み合わせに対して記号を割り当てる。図８では、稼働する電気機器の組み合わせは９通りであるから０から８までの記号を割り当てる。このようにして、前述の線形判別部４において判別された稼働電気機器を記号化して、ある時間区間の時系列（記号時系列）を作成する。

宅内で人の行動パターンに応じて使用される電気機器の稼働パターンを記号時系列に表現した場合には、人が同じような行動をした場合、その記号時系列は類似したものが観測されるが、異なった行動をした場合、異なる記号時系列が観測される。隠れマルコフモデルは、時系列において振幅軸方向や時間軸方向に、ある程度の変動が生じた場合でも精度よいパターン認識を実現できるため、人の行動のように変動が見られる記号時系列の学習に適している。

図８に示すような電気機器の稼働パターンの記号時系列を用いて隠れマルコフモデルを学習させる際に、Ｂａｕｍｕ−Ｗｅｌｃｈアルゴリズムを用いる。これは与えられた記号時系列がいかに生成されたかを最も良く記述するようにモデルパラメータを最適化するアルゴリズムである。このように学習させた隠れマルコフモデルは、学習部５ａのメモリに記憶させておく。図８では、稼働中の電気機器の組み合わせに対して記号を割りふったが、一つ一つの電気機器に記号を割り当てることでもよい。尚、学習部５ａに記憶されたパラメータは、更新もしくは交換することができるようになっているため、宅内で電気機器が追加されたり、変更されることがあっても、学習部５ａに記憶されるパラメータを更新すればよい。

次に、在宅者行動推定部５の推定部５ｂについて説明する。
在宅者行動推定部５の推定部５ｂでは、実際には観測することができない隠れた状態である「在宅者の行動」が時間的にどのように遷移していったかを、前述の学習部５ａで学習した隠れマルコフモデルにより推定する。この場合にはＶｉｔｅｒｂｉアルゴリズムを用いる。このアルゴリズムは、与えられた観測系列に対する１本の最適状態系列を見つけるものである。

例えば、オーブントースタや電子レンジが稼働する場合には「在宅者が料理をしている状態」、家事にかかわる電気機器の稼働率が低い場合には「在宅者がリラックスしている状態」、掃除機の稼働率が高い場合は「在宅者が掃除をしている状態」としておくと、上記のＶｉｔｅｒｂｉアルゴリズムを用いることで、在宅者の行動パターンが、
「リラックス→掃除→リラックス→料理→リラックス」
のように、これらの行動状態が何時ごろ、遷移していったかということを推定することができ、在宅者がどういう日常生活をしたかを確認することができる。

上記の説明では、在宅者の行動がどのように遷移したかを推定する手段について説明したが、この説明とは別に、以下の手段で在宅者の行動パターンを特定してもよい。
まず、学習部５ａにおいて、在宅者の行動パターンに相当する電気機器稼働パターンの記号時系列に対して隠れマルコフモデルを学習しておき、それを学習部５ａのメモリに記憶させておく。そして実際に在宅者の行動や安否を監視する場合に、前記特徴量検出部３で検出した特徴量から、前記宅内電源幹線ＭＬに接続されている複数台の電気機器の稼働状態を前記線形判別部４で特定し、その特定した電気機器の稼働状況の記号時系列を最も高い確率で出力する隠れマルコフモデルを、学習部５ａのメモリに記憶しておいた隠れマルコフモデルから算出し、その隠れマルコフモデルに相当する在宅者の行動を結果として求めてもよい。この場合には、前向きアルゴリズムもしくは後向きアルゴリズムを用いる。

在宅者の行動・安否確認データは、在宅者の安否確認を依頼されている事業者や、在宅者の別居親族宅等に通信回線６などを介して伝送され、上記事業者の中央監視局や別居親族宅等に設置された表示部７に在宅者の行動・安否状況が表示される。

尚、図１に示した在宅者の行動・安否確認システム１におけるセンサ２、特徴量検出部３、線形判別部４、在宅者行動推定部５は、必ずしも１箇所に構成する必要はなく、例えば図３に示すように、確認対象となる在宅者の家屋に引き込まれた給電線（電力引込線）ＰＳＷにセンサ２を取り付けるとともに、在宅者の家屋Ｈに特徴量検出部３を取り付ける一方、線形判別部４、在宅者行動推定部５、及び表示部７を上記事業者の中央監視局や別居親族宅等に設置し、センサ２により検出された電源電流対応の特徴量を特徴量検出部３から、無線もしくは有線で上記中央監視局や別居親族宅等に送信することによって、在宅者の行動や安否を確認してもよい。

以上の実施の形態では、電気機器の稼働状況と在宅者の行動パターンをモデル化した例を説明した。電気機器以外でも、在宅者の行動パターンをモデル化できる機器として水道機器やガス機器などがある。水道機器やガス機器の場合は、図４に示すように、超音波流量計のような水やガスの流量を検出するためのセンサ１１ａ，１１ｂを水道管やガス管に設置し、前述の電気機器と同様に新たに水道機器ｋｎ＋１、ガス機器ｋｎ＋２に前述のｃｋを割り当てる。水道やガスに関しては、互いに干渉することなく各センサ１１ａ，１１ｂにより直接使用状況が確認できるため、これらに対しては電気機器のような線形判別手段を適用する必要がない。尚、本発明では、上記水道機器やガス機器も特許請求の範囲に記載した電気機器の範疇に入れるものとする。

図５は、図１における線形判別部４の代わりに、隠れマルコフモデルを適用して稼働電気機器を判別する隠れマルコフモデル適用式稼働電気機器判別部２０を用いた在宅者の行動・安否確認システム１ａのシステム系統図である。尚、隠れマルコフモデル適用式稼働電気機器判別部２０以外のセンサ２、特徴量検出部３、在宅者行動推定部５、通信回線６、及び表示部７は図１に示したシステムと同様であるため、ここでは隠れマルコフモデル適用式稼働電気機器判別部２０について説明する。

図１に示したシステムと同様に、センサ２により検出された電源電流は特徴量検出部３に入力され、特徴量検出部３から特徴量として隠れマルコフモデル適用式稼働電気機器判別部２０に出力される。隠れマルコフモデル適用式稼働電気機器判別部２０の学習部２１は、宅内に設けられた電気機器ｋ１，ｋ２・・・ｋＮを予め設定した状態で稼働させておく過程で、特徴量検出部３から出力された特徴量のパターンを隠れマルコフモデルを適用してパラメータ化し、パラメータ化したそれぞれのパターンを稼働判定情報として記憶する。尚、学習部２１に記憶されたパラメータは、更新もしくは交換することができるようになっているため、宅内で電気機器が追加されたり、変更されることがあっても、学習部２１に記憶されるパラメータを更新すればよい。

隠れマルコフモデル適用式稼働電気機器判別部２０の判定部２２は、在宅者が生活に応じて電気機器ｋ１，ｋ２・・・ｋＮを稼働させている状態で、特徴量検出部３から出力された特徴量のパターンを生成する確率（尤度）を、上記学習部２１に記憶されているそれぞれのパラメータに基づいて演算し、当該生成確率（尤度）が最大となるパラメータを決定したうえ、そのパラメータに対応した稼働判定情報に基づいて、上記電気機器ｋ１，ｋ２・・・ｋＮのうちのどの電気機器が稼働しているかを判定する。

尚、上記学習部２１において特徴量のパターンをパラメータ化するとき、前向きアルゴリズムや後向きアルゴリズムを含む計算アルゴリズムを適用して計算する。また、判定部２２においては、特徴量のパターンを生成する確率（尤度）を、学習部２１に記憶されているそれぞれのパラメータに基づいて演算する場合、前向きアルゴリズムや後向きアルゴリズムを含む計算アルゴリズムを適用して計算する。

上記のように隠れマルコフモデル適用式稼働電気機器判別部２０により、電気機器ｋ１，ｋ２・・・ｋＮのうちのどの電気機器が稼働しているかが判定されると、在宅者行動推定部５は、その判定結果に基づき、図１のシステムと同様の手法により、在宅者がどういう日常生活をしたかを確認したうえ、そのデータを通信回線６を介して事業者の中央監視装置などに伝送して表示部７に表示させる。

尚、図５のシステムの場合、隠れマルコフモデル適用式稼働電気機器判別部２０及び在宅者行動推定部５は、共に隠れマルコフモデルを適用するものであり、説明の便宜上、二つに分けて説明しているが、隠れマルコフモデル適用式稼働電気機器判別部２０を構成する学習部２１、判定部２２に用いるＢａｕｍ−Ｗｅｌｃｈアルゴリズムや、前向きアルゴリズムや後向きアルゴリズムなどは、在宅者行動パターン推定部５と共通のものを用いてもよい。

以上説明したように、在宅者の行動・安否確認システム１，１ａは、プライバシーの侵害の恐れがある赤外線センサやビデオカメラなどの監視器具を使用しないため、安価に在宅者の行動や安否を確認することができる。

在宅者の行動・安否確認システムの構成を示したシステム系統図である。 特徴量の波形図である。 在宅者の行動・安否確認システムの変形例を示したシステム系統図である。 在宅者の行動・安否確認システムの拡大例を示したシステム系統図である。 在宅者の行動・安否確認システムの変形例を示したシステム系統図である。 記号化を示した表図である。 記号化を示した表図である。 記号時系列を示した表図である。

１，１ａ 在宅者の行動・安否確認システム
２ センサ
３ 特徴量検出部
４ 線形判別部
５ 在宅者行動推定部
６ 通信回線
７ 表示部
２０ 隠れマルコフモデル適用式稼働電気機器判別部
ｋ１〜ｋＮ 電気機器

Claims (1)

1. 電力引込線から宅内電源幹線に電源の供給を受けて宅内の複数の電気機器が稼働したときに前記宅内電源幹線に流れる幹線電流を総電流として検出するとともに、検出した幹線電流をデジタル信号の形態で出力する特徴量検出部と、前記複数の電気機器のうち、どの電気機器が稼働しているかを判別する線形判別部と、前記複数の電気機器のうち、どの電気機器が稼働しているかが判別された状態で在宅者の行動を推定する在宅者行動推定部とを備えた在宅者の行動・安否確認システムであって、
   前記線形判別部は、前記特徴量検出部からデジタル信号の形態で出力された総電流と、それぞれの電気機器の稼働時の電流とそれぞれの電気機器の稼働状態を表す変数の積を足し合わせた式から式誤差について解き、その式誤差を最小にする前記電気機器の稼働状態を表す変数の値を最小二乗法により求め、その変数の値に基づいて稼働状態の電気機器を特定するとともに、前記在宅者行動推定部は、特定された稼働電気機器に基づいて在宅者の行動を推定することを特徴とする在宅者の行動・安否確認システム。

Images