JP4783181B2

JP4783181B2 - 行動予測装置

Info

Publication number: JP4783181B2
Application number: JP2006068277A
Authority: JP
Inventors: 英樹小林; 直樹今崎; 良平折原; 知子村上; 貴史小磯
Original assignee: Toshiba Corp
Current assignee: Toshiba Corp
Priority date: 2006-03-13
Filing date: 2006-03-13
Publication date: 2011-09-28
Anticipated expiration: 2026-03-13
Also published as: US20070233631A1; JP2007249302A; US7788208B2

Description

本発明は、社会価値を考慮した行動予測装置および方法に関するものである。

最近、地球環境問題が注目されており、このような状況の中で各企業は、なるべく環境負荷の小さな社会価値の高い製品やサービスを開発し、提供することが望まれている。

ところで、これら企業が提供する効率的な製品やサービスを購入して使用すると、余暇時間が生じることがあり、この余暇時間に新たな行動を起こすと、新しい製品やサービスにより低減化した環境負荷を超えてしまうような予期せぬ環境負荷が発生することがある。このような事態をリバウンド効果と呼ぶ。

このことから、社会全体で環境負荷を低減して社会価値を高めるには、製品やサービスの直接的な環境負荷を低減するだけでなく、新たに引き起こされる行動まで含めた環境負荷を低減する、あるいは増大しないようにすることが重要である。また、このような環境負荷の低減を目的として各種の施策を検討するには、予定外に生じた余剰時間にどのような行動を行っていくかを事前に予測する必要がある。この行動予測には、余剰時間が発生する状況や、個人の嗜好性、習慣によって生じる行動の系列に差があるため、そのような要因も考慮する必要がある。

従来、このような環境負荷を考慮したもので、製品を製造するために必要な材料の採掘から製品使用後の廃棄段階に至る製品ライフサイクル全体を環境負荷の視点で評価する方法として、ＩＳＯ１４０４０で規定されているライフサイクルアセスメント（ＬＣＡ）が知られている。このＬＣＡでは、製品ライフサイクルを評価シナリオとして表現して評価しており、この評価シナリオには、例えば製品の材料構成などの製造者情報だけでなく、使用頻度などの使用者情報が含まれている。

しかし、ＬＣＡは、シナリオを与えなければ評価が行えず、また、リバウンド効果に関するシナリオを生成する手段を有していない。

一方、特許文献１には、建物内で人間の異常事態発生を検知する装置が開示されている。この装置は、例えば家庭内で老人の行動異常を検知するため、行動パターンを遷移確率として蓄積するもので、人間の存在する領域を検知する領域検知手段、人間の体動の有無とその持続時間を用いて自動的に行動にラベル付けをする行動検知手段、領域間の遷移、領域内行動遷移を計算する行動遷移確率算出手段、データ記憶手段、異常判定手段を有している。そして、異常判定手段で、時間帯毎の領域内の行動遷移、時間帯毎の領域間遷移、領域内の滞在時間のそれぞれと通常時との比較を行い、この比較結果から異常判定を行うようにしている。

また、特許文献２は、人間の生活行動パターンの異常を検知するもので、存在検知センサ、動作検知センサ、行動推定手段及び異常判定手段を有し、さらに動作検知信号に家電のＯＮ/ＯＦＦ信号も利用可能にしている。そして、異常判定手段で存在検知センサ、動作検知センサ、行動推定手段、さらに家電のＯＮ/ＯＦＦによるそれぞれの出力と統計データとの乖離度、適合度を求めることにより異常判定を行うようにしている。

さらに、非特許文献１は、家庭内での老人の異常事態発生を検知するもので、行動検知手段、領域検知手段、行動パターン計算手段、データ記憶手段及び異常判定手段を有している。そして、行動検知手段及び領域検知手段から得られる情報を基に高齢者の行動パターンを隠れマルコフモデルから学習し、さらに異常判定手段で行動パターンと予測パターンとの類似度を計算することにより老人の行動が日常的か否かを判断するようにしている。
特開２００５−３２７１３４号公報特開２００２−３５２２５２号公報電気学会論文誌Ｅ編、１２５巻６号２５９-２６４ページ

しかし、これらの特許文献１、２及び非特許文献１のものは、いずれも現在実施中の人の行動が異常行動であるか否かを判定するものであり、ある状況下において将来の社会的価値を考慮した行動を予測したり、あるいは行動を推奨して誘導するような考えは全く存在していない。

本発明は上記事情に鑑みてなされたもので、ある予測期間内での行動を社会的価値を高める方向で予測し誘導することができる行動予測装置および方法を提供することを目的とする。

本発明にかかる行動予測装置は、
予測対象の単独の行動とこれら行動の同時発生可能性を入力する入力手段と、
前記入力手段より入力された同時発生可能な行動を含む種別と前記予測対象の実際行動に伴う入力種別との対応に基づき行動種別を特定する行動判別手段と、
前記行動判別手段で特定された行動種別について一定期間の行動履歴情報を生成するとともに、該行動履歴情報に基づき各行動種別に対する行動遷移確率、行動時間、行動発生確率の各情報を生成し記録する情報生成記録手段と、
予測期間に対し前記行動発生確率情報から起点行動を求め、該起点行動に対し前記行動発生確率情報に基づき他の行動を前記行動発生確率の順に選択するとともに、これら選択された行動種別に対する前記行動時間情報を加算し、前記予測期間に相当する行動予測情報を出力する行動予測手段と、
前記行動予測手段より出力される行動予測情報と予め用意された社会価値単位情報及び前記予測期間により前記起点行動を選択したことによる単位時間当たりの社会価値を求める社会価値計算手段と
を具備したことを特徴としている。

本発明にかかる行動予測装置は、
予測対象の単独の行動とこれら行動の同時発生可能性を入力する入力手段と、
前記入力手段より入力された同時発生可能な行動を含む種別と前記予測対象の実際行動に伴う入力種別との対応に基づき行動種別を特定する行動判別手段と、
前記行動判別手段で特定された行動種別について一定期間の行動履歴情報を生成するとともに、該行動履歴情報に基づき各行動種別に対する行動遷移確率、行動時間、行動発生確率の各情報を生成し記録する情報生成記録手段と、
予測期間に対し前記行動発生確率情報から起点行動を求め、該起点行動に対し前記行動発生確率情報に基づき他の行動を前記行動発生確率の順に選択するとともに、これら選択された行動種別に対する前記行動時間情報を加算し、前記予測期間に相当する行動予測情報を出力する行動予測手段と、
前記行動予測手段より出力される行動予測情報と予め用意された社会価値単位情報及び前記予測期間により前記起点行動を選択したことによる単位時間当たりの社会価値情報を求める社会価値計算手段と、
前記社会価値計算手段より求められた社会価値情報を予め用意された基準値と比較し、該比較結果から推奨行動を選択する推奨行動選択手段と、
前記推奨行動選択手段により選択された推奨行動を表示する表示手段と
を具備したことを特徴としている。

本発明にかかる行動予測方法は、
予測対象の単独の行動とこれら行動の同時発生可能性を入力する第１のステップと、
前記第１のステップより入力された同時発生可能な行動を含む種別と前記予測対象の実際行動に伴う入力種別との対応に基づき行動種別を特定する第２のステップと、
前記第２のステップで特定された行動種別について一定期間の行動履歴情報を生成するとともに、該行動履歴情報に基づき各行動種別に対する行動遷移確率、行動時間、行動発生確率の各情報を生成し記録する第３のステップと、
予測期間に対し前記行動発生確率情報から起点行動を求め、該起点行動に対し前記行動発生確率情報に基づき他の行動を前記行動発生確率の順に選択するとともに、これら選択された行動種別に対する前記行動時間情報を加算し、前記予測期間に相当する行動予測情報を出力する第４のステップと、
前記第４のステップより出力される行動予測情報と予め用意された社会価値単位情報及び前記予測期間により前記起点行動を選択したことによる単位時間当たりの社会価値情報を求める第５のステップと、
前記第５のステップより求められた社会価値情報を予め用意された基準値と比較し、該比較結果から推奨行動を選択する第６のステップと、
前記第６のステップにより選択された推奨行動を表示する第７のステップと
を具備したことを特徴としている。

本発明によれば、ある予測期間内での行動を社会的価値を高める方向で予測し誘導することができる行動予測装置および方法を提供できる。

以下、本発明の実施の形態を図面に従い説明する。

図１は、本発明の第１の実施の形態にかかる行動予測装置の概略構成を示している。

この場合、行動予測装置は、条件入力部１、行動判別部２、信号入力装置３、データ記録部４、データ記憶部５、行動予測部６、社会価値計算部７、推奨行動選択部８、結果出力部９、表示装置１０、キー入力装置１１及びメモリ１２から構成されている。

このように構成された行動予測装置は、図２Ａに示す前処理・データ記録と、同図Ｂに示す行動予測・推奨のそれぞれの処理が実行される。

図２Ａに示す前処理・データ記録では、ステップ２０１で、データ記録前の条件入力を設定する。図３は、かかる条件入力設定の処理の流れを示している。まず、単独行動に関する行動対応表を作成する上での行動の同時発生可能性に関する制約ついて入力する(ステップ３０１)。この場合、条件入力部１は、キー入力装置１１より対象者が単独で採りえる行動と、これら行動の同時発生可能性について入力する。

図４Ａ、Ｂは、同時発生条件の入力と同時発生可能性行列への展開を示すもので、まず、図４Ａに示す同時発生可能性行列Ｓ１に対し、対象者の単独の行動と、同時発生行動に関する物理的制約条件、および個人の嗜好・習慣などの条件を三角行列の形式で入力する。物理的制約条件とは、実際の行動で使用する機器が距離的に離れているため物理的に同時操作できないような場合であり、個人の嗜好・習慣などの条件とは、意図的に同時発生行動を採らない（例えば食事をしながらテレビは見ない、など）という場合である。

図４Ａに示す同時発生可能性行列Ｓ１は、行と列方向にそれぞれ対象者が採りえる単独の行動が入力されたもので、このような同時発生可能性行列Ｓ１の行と列の交点に前記物理的制約条件、および個人の嗜好・習慣などの条件に相当する同時発生可能なデータを入力する。例えば、同時発生可能、あるいは同時発生させたい行動種別間には“１”、同時発生不可能な行動種別間には“０”のデータを入力する。図４Ａは、家庭内行動を対象にしたときの例で、テレビ視聴に対して料理、ドライヤ、食事、洗面所、食器洗いのいずれか一つは同時発生可能であり、“１”データが入力され、同様に、ラジオに対して料理、食事、食器洗いのいずれか一つは同時発生可能であり、“１”データが入力されている。

これら同時発生行動に関する条件は、キー入力装置１１より条件入力部１を介して入力され、同時発生可能性のある行動の種別として後述する行動対応表２ａに加えられる。なお、あらかじめ誘導したい同時発生行動があれば、上述の個人の嗜好・習慣と関係なく、同時発生可能性として同時発生可能性行列Ｓ１上に登録する。

次に、３種類以上の単独行動の同時発生可能性行列Ｓ２をメモリ１２上へ展開する(ステップ３０２)。この場合、図４Ａに示す同時発生可能性行列Ｓ１を以下に述べる方法を用いて同図Ｂに示す同時発生可能性行列Ｓ２に展開する。まず、同時発生可能性行列Ｓ１でデータ“１”が入力されている同時発生行動の組を同時発生可能性行列Ｓ２の行に追加する。ここでは、テレビと料理、テレビとドライヤ、テレビと食事、テレビと食器洗い、さらに料理とラジオ、食事とラジオ、食器洗いとラジオのそれぞれの組である。

次に、条件入力部１が、同時発生行動を構成する単独行動と、当該同時発生行動の対応関係を検出し、その対応関係に“０”の値を入力する。さらに残りの対応関係、すなわち異なる３種類の行動の同時発生可能性を、同時発生行動を構成する単独行動と新たな行動の同時発生可能性の値の論理積の値として計算する。例えば、図４Ｂに示す［テレビ＆料理］とドライヤの同時発生可能性は、図４Ａに示すテレビとドライヤ、料理とドライヤの同時発生可能性“１”“０”の論理積“０”の値として計算する。このとき、図４Ｂに示す計算した行動の組み合わせと、同じ組み合わせの同時発生可能性にも同じ値（“０”か“１”）を入力する。同様の計算を繰り返すことで、同時発生可能性行列Ｓ１より３種類以上の同時発生行動を含む同時発生可能性行列Ｓ２が自動的に展開される。

このようにして展開が完了した後、同時発生可能性行列Ｓ２の行に書き込まれたすべての行動種別（同時発生行動を含む）を行動対応表２ａに追加する(ステップ３０３)。また，追加された行動種別（同時発生行動を含む）後述する入力信号との対応関係を計算し、改めて行動対応表２ａに再保存する（ステップ３０４）。

ここで用いられる入力信号には、各種のセンサの検知信号および各種の機器の稼動状況信号がある。センサの種類としては、例えば、加速度センサ、音声の強弱・高低・持続時間を計測する音声センサ、赤外線センサ、焦電型センサ、ＧＰＳ、ＲＦ−ＩＤ（Radio Frequency Indentification）のように対象者の存在位置を検出する位置センサなどが考えられる。また、機器の種類としては、例えば、冷蔵庫、電気ポット、テレビ、水道蛇口などがある。これらセンサの検知信号および機器の稼動状況信号は、適当なサンプリング回数をまとめ、その平均値、分散値、最大値などを利用する。また、これら入力信号は、信号入力装置３を介して装置内に取り込まれる。

図５は，前記行動対応表２ａの一例を示している。この行動対応表２ａは、対象者が採りえる行動種別と前記信号入力装置３より入力される入力信号の対応関係を表すものである。この場合、行動対応表２ａは、前記同時発生可能性行列Ｓ２より書き込まれた行動種別（同時発生行動を含む）と、入力信号の種別、つまり対象者の実際行動に伴う入力種別（居間、台所などでの存在や、照明、冷蔵庫などの機器のオンオフ）より構成され、対象者が各部屋に存在するか否かは、前記入力信号の有無で判断し、ある行動に対して部屋に存在すると“１”、存在しないと“０”の値が記入されている。また、機器の使用状態についても前記入力信号の有無で判断し、状態コードが記入されている。本例では使用状態が真の場合に“１”、偽の場合に“０”が記入されている。図示例では、行動種別が「テレビ視聴」の場合、対象者が居間に存在し、テレビスイッチをＯＮしているとすれば、居間に存在の旨の“１”が記入され、同時にテレビＯＮの旨の“１”が記入される。

なお、入力信号が定量データの場合は、そのレンジが記入される。図示例では、対象者が発する平均音声レベル、対象者の動きを表す平均垂直方向加速度、水平方向加速度分散値などがレンジとして記入されている。

また、図５に示す行動対応表２ａには、同時発生行動の判別も含まれている。この場合、単独行動と入力信号の対応関係は、あらかじめ入力されたデータに基づくものであるが、単独行動の場合の入力信号の論理和計算、あるいは数値の上下限レンジを広い方に合わせることで、任意の同時発生行動に対応する信号入力条件を導出し、行動対応表２ａに埋め込むことができる。例えば、図５において、テレビ視聴とドライヤ使用が同時発生した場合、それらの単独行動時の信号入力条件のどちらも包含する条件を作成することで、テレビ視聴とドライヤ使用の同時発生時の信号入力条件を生成している。このような行動対応表２ａを用いることで、照明の消し忘れのような異常行動を判別できる。また、対象者に識別コードを付与し、入力信号にその識別コードを付加することで、複数の対象者、例えば家族の誰がどのような行動をしているか判別することができる。

次に、図２に示すステップ２０２の行動判別が実行される。図６は、行動判別部２での行動判別の処理を示している。この場合、行動判別部２は、ステップ６０１で、前記行動対応表２ａに基づき信号入力装置３から入力される入力信号の値（１（真），０（偽））または定量値及びこれら入力信号の組み合わせから行動種別を特定しメモリ１２に出力する。

次に、図２Ａに示すステップ２０３のデータ記録が実行される。図７は、データ記録部４でのデータ記録の処理の流れを示す。

データ記録部４は、まず、行動判別部２によって特定された行動種別と、日時、曜日、時刻データをセットにして、あらかじめ決められた一定時間の間隔で行動履歴データ(行動履歴情報)を作成し、メモリ１２に一時保持する（ステップ７０１）。図８は、一例として２月４日、日曜日の時刻９：００〜９：３０までの間の５分間隔での行動履歴データを示している。

次に、一定時間間隔で、行動遷移確率、行動遷移時間、行動発生時間をそれぞれ計算する（ステップ７０２）。この場合、予め定められた一定時間が経過したら、それまでにメモリ１２に保持された行動履歴データを用いて、最初に時間帯あたりの行動iから行動jに遷移した回数を計算する。図９は、行動遷移回数の計算結果を示すもので、ここではｉ、ｊ＝１、・・・、Ｎとして、Ｎ種類の行動種別があるものとし、例えば、行動種別が「炊事」の場合、時刻８：００〜１０：００までの時間帯で行動iから行動jに遷移した回数は、「食事」に遷移した場合の１回と計算する。

次に、図９の各要素（行動遷移回数）を、起点行動iごとの総遷移回数で除算することで、行動iから行動jに遷移する行動遷移確率Ａ_ijを計算する。図１０は、行動遷移確率の計算結果を示すもので、例えば、行動種別が「炊事」の場合、前記行動遷移回数の計算結果は１回で、これを総遷移回数で除算することで「１」と計算する。そして、この行動遷移確率Ａ_ijを遷移行列［Ａ_ij］としてデータ記憶部５の行動遷移確率データ記憶部５ａに記録する。この場合、Σ_jＡ_ij＝１である。なお、同時発生行動についても、それで一つの行動i、あるいはjとして扱う。

次に、行動変化の間隔から行動iから行動jに遷移するまでの行動時間τ_ijを計測する。例えば図１１に示すように行動i(炊事)から行動j(食事)に遷移するまでの時間を２５分とすると、この時間が炊事に要した行動時間τ_ijとなる。この行動時間τ_ijは、前記行動履歴データから求める。そして、この行動時間τ_ijと前記行動遷移確率Ａ_ij を用いて行動iの１回当たり平均行動時間τ_iを次式により計算する。

τ_i＝Σ_jＡ_ijτ_ij
このようにして計算したある時間帯の１回当たりの平均行動時間τ_iを平均行動時間ベクトルとしてデータ記憶部５の行動時間データ記憶部５ｂに記録する。

次に、各時間帯毎に各行動ｉの総発生時間を計測し、時間帯の期間で除して行動発生確率を計算する。図１２は、行動発生確率の計算結果を示している。例えば、（炊事）の場合、時刻８：００〜１０：００までの間の総発生時間が２５分ということで(図１１参照)、前記時間帯１２０分で除して０．２１の行動発生確率ｐ_iを求めることができる。このようにして計算した行動発生確率は、行動発生確率ベクトル［ｐ_i］としてデータ記憶部５の行動発生確率データ記憶部５ｃに記録する。

次に、図７のステップ７０３に進み、データ記憶部５に記録されている各データの平均値を計算し、データベースの内容を更新する。この場合、上記の行動遷移確率データ記憶部５ａ、行動時間データ記憶部５ｂ、行動発生確率データ記憶部５ｃの各データについて、月日、曜日、時間帯によって区分けし、これら区分けされた単位で過去の記録データを読み出し、新たに取得したデータとの平均値を計算し、この平均値データをデータ記憶部５の各行動遷移確率データ記憶部５ａ、行動時間データ記憶部５ｂ、行動発生確率データ記憶部５ｃに再記録する。

次に、図２Ｂに示す行動予測・推奨の処理が実行される。

この行動予測・推奨では、まず、ステップ２１１で条件入力を設定する。図１３は、かかる条件入力設定に基づく行動予測処理の流れを示している。

まず、キー入力装置１１より対象者自身特別予定のない空き時間を予測期間(隙間時間)として自ら入力する。この予測期間(隙間時間)は、対象者の空き時間の行動予測を行う期間で、行動予測開始と行動予測終了などが行動予測条件として条件入力部１に入力される。具体的には、月、曜日、予測開始時刻ＴＳ、予測終了時刻ＴＥ、予測をしようとする対象者の識別情報などを入力する（ステップ１３１)。なお、行動予測終了時刻は、特に設定せず、常に１日の終わり、すなわち０:００としてもよい。

次に、図２Ｂに示すステップ２１２の行動予測が実行される。

この場合、条件入力部１に入力された前記行動予測条件は、行動予測部６に与えられる。行動予測部６では、条件入力部１から入力される前記行動予測条件の下で発生する行動種別ｊ及びその発生時間Ｔ_jを表す行動発生時間ベクトル［Ｔ_j］を生成するが、まず、この行動発生時間ベクトル［Ｔ_j］を初期化する(ステップ１３２)。

次に、初期状態確率として、前記予測開始時点に該当する行動発生確率ベクトル［ｐ_i］を前記行動発生確率データ記憶部５ｃから読み出す。そして、前記行動予測条件として与えられた月、曜日、予測開始時刻ＴＳ、予測終了時刻ＴＥに相当する過去のデータの中で最も発生確率の高い行動、つまり初期状態確率ｐ_iが最も高い行動を起点行動iとして選択する(ステップ１３３)。ここで起点行動とは、行動予測開始後に最初に実行する行動のことを指し、図１２の例では「食事」である。

次に、この起点行動iに対する最頻パスを計算する。ここでの最頻パスは、次に遷移する確率が最も高い行動の連鎖を意味する。この場合は、前記行動遷移確率データ記憶部５ａに記録された遷移行列［Ａ_ij ］を用いて、ある行動iから行動ｊに遷移する確率Ａ_ij が最大である行動ｊを選ぶ(ステップ１３４)。

次に、前記行動時間データ記憶部５ｂに記録された平均行動時間ベクトル［τ_i］を用いて、行動ｊに関する平均行動時間τ_jを、行動発生ベクトルの該当する行動種別の項Ｔ_jに加算する(ステップ１３５)。

そして、かかる加算処理により行動系列の総時間Σ_jＴ_jが予測期間TP（＝予測終了時刻TE−予測開始時刻TS）の値に達したら連鎖計算を止め、行動毎の発生時間ベクトル［Ｔ_i］を行動予測情報として出力する(ステップ１３６)。行動系列の総時間Σ_jＴ_jが予測期間TPに達していなければ、起点行動をｊに置き換えた上で、予測期間TPに達するまで、後続する行動の選択、行動発生時間の加算の処理を繰り返す。

この場合、ある特定の行動の発生回数があらかじめ設定した規定回数に達したら、その行動種別を予測行動系列から除くことが可能である。例えば，「食事は１日に３回まで」と設定しておき，食事が４回以上含まれる予測行動系列が算出されても、４回目以降の行動系列で「食事」行動への行動遷移を無視する処理を図１３のフローに追加することで，これを実現することができる。

次に、図２Ｂに示すステップ２１３の社会価値計算が実行される。図１４は、社会価値計算部７での社会価値計算の処理の流れを示している。この場合、ステップ１４１で、行動予測部６で計算された行動jの発生時間ベクトルＴ_jと、環境負荷原単位データ記憶部５ｄより読み出された環境負荷原単位データｅ_j（社会価値単位情報）を掛け合わせて、行動ｊによる環境負荷を計算する。ここで、環境負荷原単位データｅ_j は、行動jの時間当たりの環境負荷発生量、例えば二酸化炭素発生量で、例えば、予め環境負荷原単位データ記憶部５ｄに記憶された図１５に示す環境負荷原単位データベースより与えられる。環境負荷原単位データベースは、「活動」「活動細目」及び「環境負荷原単位」からなり、例えば、「活動」として「食事」の場合は、「環境負荷原単位」として「０．２８９３」が与えられる。環境負荷は負の社会価値であり、その値が大きいほど社会価値は低い行動であると見なすことができる。そして、予測された全行動系列の環境負荷の総和を計算し、予測期間TP（＝予測終了時刻TE−予測開始時刻TS）で除することで、起点行動iを選択したことに起因する発生環境負荷の単位時間当たりの値Ｅ_i（社会価値情報）を出力する。

次に、図２Ｂに示すステップ２１４の推奨行動選択・表示が実行される。図１６は、推奨行動選択部８での推奨行動選択の処理の流れを示す。

まず、ステップ１６１で、起点行動をiとする行動系列の時間あたり環境負荷Ｅ_iが基準値以下かを判断する。本例における基準値としては、国民一人当たり時間当たりの平均使用エネルギー量から換算した二酸化炭素発生量［CO₂-kg/時間］を使用する。なお、この他の任意の基準値を設定しても良い。

ステップ１６１で、環境負荷Ｅ_iが基準値より小さいと判断すれば、推奨行動を選択せずに終了する。一方、時間あたり環境負荷Ｅ_iが基準値よりも大きい場合、ステップ１６２に進む。ステップ１６２では、起点行動i以外の行動に対し発生確率ｐ_jの高い順に識別番号kを付与しなおす。ただしk=１、・・・、N-1である。次に、k＝１となる行動（図１２の例では「炊事」）に対し、上述した「食事」を起点行動iとした場合と同様にして行動予測部６で行動系列の予測を行う（ステップ１６３、１６４）。続いて、前記社会価値計算部７で予測行動系列に関する時間あたり環境負荷Ｅ_kを算出し、その結果を推奨行動選択部８へ返す（ステップ１６５）。この環境負荷Ｅ_kが基準値よりも大きければ(ステップ１６６)、起点行動をk=k+１とした上で、ステップ１６３に戻り、上述した処理を、環境負荷Ｅ_kが基準値よりも小さくなる行動kまで繰り返す。

このようにして得た行動kを起点とする行動系列の環境負荷総量TP×Ｅ_kと、行動iを起点とする行動系列の環境負荷総量TP×Ｅ_iとの差Ｖ_ikを計算し、これを行動iから行動kに起点行動が変更されたときの社会価値向上分と見なし、TP×Ｅ_k、TP×Ｅ_ii、Ｖ_ikを出力する(ステップ１６７)。

次に、結果出力部９は、Ｖ_ikを人間にとって分かりやすい形式に変換し、表示装置１０に出力する。すなわち、結果出力部９は、「行動iの代わりに行動kを選択すれば、きっと社会価値がＶ_ikだけ向上します」のような形式で結果を表示装置１０に出力し、画像、音声などで表示させる。図１７は、表示装置１０での推奨行動の画面表示例を示すもので、ここでは同図（ａ）の（とりあえず「テレビを見る」）場合に比べて、同図（ｂ）の（「新聞から読む」から始める）場合が推奨行動であることを表示しており、さらに同図（ｃ）に示すように（とりあえず「テレビを見る」のをやめて「新聞から読む」から取り掛かかればＶ_ikだけ良いと思いますよ。）のような表示を付加して行動を推奨する。

なお、行動iおよび行動kを起点行動とすることによって生じる負の社会価値を直接出力しても良い。推奨行動が不要の場合は、結果を出力しない。また、表示装置１０は、画面出力の他に、音声出力であっても良い。また、ネットワークに接続できるテレビを表示装置として利用しても良い。

したがって、このようにすれば、条件入力部１から入力される対象者の単独の行動とこれら行動の同時発生可能性の入力より取得される行動種別と、対象者の実際行動に伴う入力種別との対応に基づいて行動判別部２より行動種別を特定し、この特定された行動種別についてデータ記録部４により一定期間の行動履歴データを生成し、この履歴データに基づいて各行動種別に対する行動遷移確率、行動時間、行動発生確率の各情報を生成して記録する。そして、予測期間に対し行動予測部６により前記行動発生確率情報から起点行動を求め、該起点行動に対し行動発生確率情報に基づき他の行動を行動発生確率の順に選択し、これら選択された行動に対する前記行動時間情報を加算し、前記予測期間に相当する行動予測情報を出力し、この行動予測情報と予め用意された環境負荷原単位情報及び前記予測期間から前記起点行動を選択したことによる単位時間当たりの環境負荷を社会価値計算部７で求める。さらに、社会価値計算部７より求められた単位時間当たりの環境負荷を推奨行動選択部８で予め用意された基準値と比較し、該比較結果から推奨行動を選択し、この選択された推奨行動を表示装置１０に表示する。これにより、ある予測期間内での予測者の行動を社会的価値を高める方向で予測し誘導することができ、将来の環境負荷の大幅な低減を実現できる。

また、予測者は、心理的負担を受けることなく、基準値を満たす社会価値の高い行動を採ることが可能になる。このとき、推奨行動選択部８に予め用意された基準値によって必ずしも社会価値の最も高い起点行動あるいは行動系列を推奨するとは限らない。むしろ、平均的に定められた社会価値基準を達成しつつ、ユーザにとって受け入れやすい起点行動を推奨することができる。これにより、単に社会価値だけを考慮した行動推奨の場合よりも、推奨結果が無視される可能性が小さくなる。このことは、予測者にとって環境配慮行動やダイエット行動などに対する心理的負担が小さくなることを意味する。さらに、一見すると社会価値の高い行動ではなさそうな起点行動、あるいは同時発生行動を推奨する可能性もある。これは予測期間内の行動系列の平均的な社会価値によって起点行動を選出しているからであり、このような結果は実際に個人的な行動履歴データを取得し、本発明に示すような装置を用いることで初めて実現される効果である。

さらに、対象者の嗜好性を考慮しつつ条件入力部１から入力される対象者の単独の行動とこれら行動の同時発生可能性の入力が行われるので、対象者にとって社会価値の高い行動を積極的に起こしやすい環境を簡単に作り出すこともできる。

（第２の実施の形態）
次に、本発明の第２の実施の形態を説明する。

この第２の実施の形態は、同時発生行動から単独行動（分解）、あるいは単独行動から同時発生行動（合成）と変更を促すことで、社会価値が向上と見込まれるならば、そのような変更要請を表示装置１０から出力する。

なお、第２の実施の形態にかかる行動予測装置の概略構成は、図１と同様なので、同図を援用する。図１８は、このように構成した行動予測装置の行動予測部６の処理フローを示すもので、上述した図１３と同一部分には同符号を付して異なる部分のみを説明する。この場合、ステップ１８１で、前記行動発生確率データ記憶部５ｃからの同時発生行動の発生確率、前記行動遷移確率データ記憶部５ａからの同時発生行動に遷移する確率を一時的に０に置換し、メモリ１２上に蓄える。そして、これらの確率データを用いて、ステップ１３３以降で、前記行動予測部６における処理で説明したのと同様に、同時発生行動を除く行動系列を予測し、その行動時間の内訳である行動発生時間ベクトル［Ｔ_j ^＊］を出力する。そして、同時発生行動を含む［Ｔ_j］と同時発生行動を除く［Ｔ_j ^＊］をそれぞれ用いて、社会価値計算部７の処理フロー(図１４参照)により時間当たりの環境負荷Ｅ_iとＥ_i ^＊を算出する。

図１９は、一例としてテレビ視聴とドライヤ使用の同時発生行動の例である。この場合、対象者がテレビを見ながらドライヤをかけると平均１０分かかるのに対し、ドライヤのみの単独行動では平均７分でドライヤをかけ終わることを示している。そして、それぞれの行動系列における環境負荷はＥ_i、Ｅ_i ^＊として算出される。

次に、推奨行動選択部８でＥ_i＞Ｅ_i ^＊か否か判定し、Ｅ_i＞Ｅ_i ^＊であれば結果出力部９から表示装置１０に対して図２０に示すような結果を出力する。図２０は、表示装置１０での画面表示例を示すもので、ここでは同図（ａ）の（「テレビを見る」と「ドライヤを使用する」と同時に実施する）場合に比べて、同図（ｂ）の（「テレビを見る」と「ドライヤを使用する」を別々に実施する）場合が推奨行動であることを表示しており、さらに同図（ｃ）に示すように（「テレビを見る」しながら「ドライヤを使用する」のは止めましょう。）のような表示を付加して起点行動を推奨する。

なお、この実施の形態では、同時発生行動から単独行動（分解）の変更を促す例を述べたが、同様に、ある単独行動を、その行動を含む同時発生行動に置き換えて、それ以降の行動系列を予測・評価することで，単独行動から同時発生行動へ変更した場合の社会価値を評価することができる。それが単独行動で構成された行動系列より高い社会価値を有していれば、その旨を表示装置に表示させる。

（第３の実施の形態）
次に、本発明の第３の実施の形態を説明する。

図２１は第３の実施の形態の概略構成を示すもので、上述した図１と同一部分には同符号を付して異なる部分のみを説明する。この場合、空き時間検出部１４と、個人のスケジュール管理を行うスケジューリング装置１３が設けられている。スケジューリング装置１３は、無線、ネットワーク回線などを介して空き時間検出部１４及び結果出力部９に接続されている。スケジューリング装置１３は、例えば携帯情報端末、携帯電話などに設けられるもので、対象者の例えば１日のスケジュールを管理する。その他は、図１と同様である。

図２２は、このように構成した行動予測装置の行動予測部６の処理フローを示すもので、上述した図１３と同一部分には同符号を付して異なる部分のみを説明する。この場合、ステップ２２１で、空き時間検出部１４は、一定間隔（例えば毎朝６:００）でスケジューリング装置１３にアクセスし（ステップ２２１）、１日のスケジュール情報の中から何も予定の入っていない空き時間帯を検出し、その結果を条件入力部１に入力する。条件入力部１は、空き時間検出部１４から入力される空き時間帯の結果を用いて、月、曜日、予測開始時刻ＴＳ、予測終了時刻ＴＥ、予測をしようとする対象者の識別情報などを行動予測条件として入力する（ステップ２２２）。その後、行動予測部６で、上述した図１３と同様な行動予測処理を実行し、スケジューリング装置１３から取得した空き時間、すなわち特別な計画のない時間帯における行動発生時間ベクトル［Ｔ_j］を推計する。さらに、ステップ２２３において前記社会価値計算部７で起点行動iを選択したことに起因する発生環境負荷の単位時間当たりの値Ｅ_iを求め、さらに、ステップ２２４において、前記推奨行動選択部８で、上述した図１６と同様な推奨行動選択処理を実行し、別の起点行動を推奨すべきか否かを判断する。もし、別の起点行動を推奨した方が良ければ、スケジューリング装置１３の当該時間帯（空き時間検出部１４が検出した空き時間）に対し、その旨の内容の情報(例えば、図１７、図２０の情報)を返送し、この起点行動を空き時間の冒頭に書き込む(ステップ２２５)。

図２３（ａ）は、本装置とスケジューリング装置１３との協調動作の流れを更に具体的に説明するものである。まず、空き時間検出部１４より一定間隔（例えば毎朝６:００）でスケジューリング装置１３の内容を検索する。ここで、スケジューリング装置１３の１日のスケジュール情報（図２３（ｂ）参照）中に何も予定の入っていない空き時間帯が存在すると（図示例では、空き時間帯Ａ，Ｂ）、これら空き時間帯Ａ，Ｂを読み出し、条件入力部１に入力する。そして、上述した行動予測、社会価値計算、推奨行動選択を行い、スケジューリング装置１３に対して推奨起点行動の書き込みを行う。この場合、図２３（ｃ）に示すように空き時間帯Ａ，Ｂのそれぞれの冒頭に推奨起点行動Ａ１、Ｂ１が登録される。

したがって、このようにすればスケジューリング装置１３でスケジュールを管理するユーザが、特別計画のない空き時間に、まず何をすれば良さそうかを簡単に知ることができる。

（第４の実施の形態）
次に、本発明の第４の実施の形態を説明する。

この第４の実施の形態では、スケジューリング装置側に先の空き時間検出部の機能を追加することで、ユーザが特別な計画のない時間帯に直面したとき、あるいは何分か前に、スケジューリング装置から本装置の起動命令を出力するようにしている。

図２４は第４の実施の形態の概略構成を示すもので、上述した図１と同一部分には同符号を付して異なる部分のみを説明する。この場合、個人の時間管理を行うスケジューリング装置１５が設けられている。スケジューリング装置１５は、無線、ネットワーク回線などを介して条件入力部１に接続されている。また、スケジューリング装置１５は、前記空き時間検出部１４と同様の空き時間検出機能を内蔵しており、例えば図２５（ｂ）に示す１日のスケジュール情報の中から、何も予定の入っていない空き時間帯の例えば１０分前に空き時間を検出し、その情報を無線、ネットワーク回線などを介して条件入力部１に入力する。

図２５（ａ）は、本装置とスケジューリング装置１５の協調動作の流れを更に具体的に説明するものである。まず、スケジューリング装置１５が空き時間検出機能により１日のスケジュール情報から空き時間帯Ａの１０分前に空き時間開始を検出すると、この空き時間の開始時刻ｔ１と終了時刻ｔ１の情報も読み出し、条件入力部１に入力する。そして、この空き時間の開始時刻ｔ１と終了時刻ｔ１の間について、上述した行動予測、社会価値計算、推奨行動選択を行い、スケジューリング装置１５に対して推奨起点行動の書き込みを行う。この場合、図２５（ｃ）に示すように空き時間帯Ａの開始時刻ｔ１に推奨起点行動Ａ１が登録される。

したがって、このようにしてもスケジューリング装置１５でスケジュールを管理するユーザが、特別計画のない空き時間に、まず何をすれば良さそうかを簡単に知ることができる。

（第５の実施の形態）
次に、本発明の第５の実施の形態を説明する。

上述した実施の形態では、個人の環境配慮生活を支援する目的としたものであるが、環境負荷の小さな企業活動を支援する目的でも適用可能である。

なお、第５の実施の形態にかかる行動予測装置の概略構成は、図１と同様なので、同図を援用する。この場合、例えば図５に示す行動対応表２ａの入力信号として、工場内の装置動作信号（例えば旋盤のON/OFF）を、また入力信号に対応させる行動種別として製造作業（例えば部品Ａの切削）などを書き込む。

このようにすれば、ある程度個人の最良で時間管理を委ねられるような製造作業についても、環境負荷を低減することが可能になる。

（第６の実施の形態）
次に、本発明の第６の実施の形態を説明する。

前述した実施の形態では、社会価値として、環境負荷に関するものについて述べたが、環境負荷だけでなく、広く公共性を有する観点を取り入れることができる。例えば、肥満は先進国における国民健康を脅かす症状であり、この改善のために本装置を適用することができる。

なお、第６の実施の形態にかかる行動予測装置の概略構成は、図１と同様なので、同図を援用する。この場合、環境負荷原単位データ記憶部５ｄに記憶された環境負荷原単位データベースを、図２７に示す消費カロリー原単位データ記憶部５ｅに記憶される図２６に示す行動単位ごとの消費カロリー原単位データベースに置き換える。

そして、社会価値計算部７において、図２７に示す社会価値計算処理を実行する。この場合、ステップ２７１で、行動予測部６で計算された行動jの発生時間ベクトルＴ_jと、消費カロリー原単位データ記憶部５ｅより読み出された消費カロリー原単位データｅ_jを掛け合わせ、行動ｊで消費する消費カロリーを計算する。さらに予測された全行動系列の消費カロリーの総和を計算し、予測期間TP（＝予測終了時刻TE−予測開始時刻TS）で除することで、起点行動iを選択したことに起因する消費カロリーの単位時間、単位体積当たりの値Ｅ_i（社会価値情報）を出力する。

次に、推奨行動選択部８において、図２８に示す推奨行動選択処理を実行する。この場合、図２８は、上述した図１６と同一部分には同符号を付して異なる部分のみを説明する。まず、ステップ２８１で、起点行動をiとする消費カロリーの単位時間、単位体積当たりの値Ｅ_iが基準値以上かを判断する。本例における基準値としては、個人の年齢、体重、性別から算定した時間および重量あたりの適正生活運動量（カロリー）とすれば良い。

ステップ２８１で、値Ｅ_iが基準値より大きければ、推奨行動を選択せずに終了する。一方、値Ｅ_iが基準値よりも小さい場合は、ステップ１６２以降に進み、図１６で述べたと同様な動作を実行する。

このようにすれば、推奨すべき行動系列として、基準値を上回るものを選択することにより、ある空き時間帯に基準となる消費カロリーを上回る行動系列を発生しそうな起点行動を予測し、これを提示することができる。

（第７の実施の形態）
次に、本発明の第７の実施の形態を説明する。

前述した実施の形態では、社会価値として、環境負荷に関するものについて述べたが、環境負荷だけでなく、家庭内事故の発生リスクを低減するように起点行動を選択し、提案することも可能である。

なお、第７の実施の形態にかかる行動予測装置の概略構成は、図１と同様なので、同図を援用する。この場合、環境負荷原単位データ記憶部５ｄの環境負荷原単位データベースを、図３０に示す事故発生確率データ記憶部５ｆに記憶される図３１に示す家庭内事故発生確率データベースに置き換える。この家庭内事故発生確率データは、統計データを基に各単位活動ごとに事故発生確率（fit/人）を計算したものである。ここで、fitは１/１０⁹時間であり、１０⁹時間に何件事故が発生するかを表した指標である。

そして、この場合も社会価値計算部７において、図３０に示す社会価値計算処理を実行する。この場合、ステップ３０１で、行動予測部６で計算された行動jの発生時間ベクトルＴ_jと、事故発生確率データ記憶部５ｆより読み出された家庭内事故発生確率データｅ_jを掛け合わせ、行動ｊで発生する累積事故発生確率を計算する。さらに予測された全行動系列の累積事故発生確率の総和を計算し、予測期間TP（＝予測終了時刻TE−予測開始時刻TS）で除することで、起点行動iを選択したことに起因する単位時間当たりの累積事故発生確率の値Ｅ_i（社会価値情報）を出力する。

次に、推奨行動選択部８において、図３１に示す推奨行動選択処理を実行する。この場合、図３１は、上述した図１６と同一部分には同符号を付して異なる部分のみを説明する。まず、ステップ３１１で、起点行動をiとする単位時間当たりの累積事故発生確率の値Ｅ_iが基準値以下かを判断する。本例における基準値としては、経験から導かれた適当な値が用いられる。

ステップ３１１で、値Ｅ_iが基準値より小さければ、推奨行動を選択せずに終了する。一方、値Ｅ_iが基準値よりも大きい場合は、ステップ１６２以降に進み、図１６で述べたと同様な動作を実行する。

このようにすれば、推奨すべき行動系列として、基準値を下回るものを選択することにより、常に基準値を下回るような累積事故発生確率を有する行動系列に導く起点行動を予測し、これを提示することができる。

なお、本発明は、上記実施の形態に限定されるものでなく、実施段階では、その要旨を変更しない範囲で種々変形することが可能である。

さらに、上記実施の形態には、種々の段階の発明が含まれており、開示されている複数の構成要件における適宜な組み合わせにより種々の発明が抽出できる。例えば、実施の形態に示されている全構成要件から幾つかの構成要件が削除されても、発明が解決しようとする課題の欄で述べた課題を解決でき、発明の効果の欄で述べられている効果が得られる場合には、この構成要件が削除された構成が発明として抽出できる。

本発明の第１の実施の形態にかかる行動予測装置の概略構成を示す図。第１の実施の形態の前処理・データ記録、行動予測・推奨のそれぞれの処理を説明するフローチャート。第１の実施の形態に用いられる条件入力部での条件入力処理を説明するフローチャート。第１の実施の形態の同時発生条件の入力と可能性行列への展開を説明する図。第１の実施の形態に用いられる行動対応表を説明する図。第１の実施の形態に用いられる行動判別部での行動判別処理を説明するフローチャート。第１の実施の形態に用いられるデータ記憶部でのデータ記録処理を説明するフローチャート。第１の実施の形態に用いられる行動判別部により作成される行動履歴データを示す図。第１の実施の形態に用いられるデータ記録部で作成される行動遷移回数データを示す図。第１の実施の形態に用いられるデータ記録部で作成される行動遷移確率データを示す図。第１の実施の形態に用いられるデータ記録部で作成される行動時間データを示す図。第１の実施の形態に用いられるデータ記録部で作成される行動発生確率データを示す図。第１の実施の形態に用いられる行動予測部での行動予測処理を説明するフローチャート。第１の実施の形態に用いられる社会価値計算部での社会価値計算処理を説明するフローチャート。第１の実施の形態に用いられる環境負荷原単位データ記憶部に記憶された環境負荷原単位データベースを示す図。第１の実施の形態に用いられる推奨行動選択部での推奨行動選択処理を説明するフローチャート。第１の実施の形態に用いられる表示装置での推奨行動の画面表示例を示す図。本発明の第２の実施の形態に用いられる行動予測部での行動予測処理を説明するフローチャート。第２の実施の形態を説明する図。第２の実施の形態に用いられる表示装置での推奨行動の画面表示例を示す図。本発明の第３の実施の形態にかかる行動予測装置の概略構成を示す図。第３の実施の形態に用いられる行動予測部での行動予測処理を説明するフローチャート。第３の実施の形態の協調処理の流れを説明する図。本発明の第４の実施の形態にかかる行動予測装置の概略構成を示す図。第４の実施の形態の協調処理の流れを説明する図。本発明の第６の実施の形態に用いられる消費カロリー原単位データ記憶部に記憶された消費カロリー原単位データベースを示す図。第６の実施の形態に用いられる社会価値計算部での社会価値計算処理を説明するフローチャート。第６の実施の形態に用いられる推奨行動選択部での推奨行動選択処理を説明するフローチャート。本発明の第７の実施の形態に用いられる事故発生確率データ記憶部に記憶された家庭内事故発生確率データベースを示す図。第７の実施の形態に用いられる社会価値計算部での社会価値計算処理を説明するフローチャート。第７の実施の形態に用いられる推奨行動選択部での推奨行動選択処理を説明するフローチャート。

符号の説明

１…条件入力部、２…行動判別部
２ａ…行動対応表、３…信号入力装置
４…データ記録部、５…データ記録部
５ａ…行動遷移確率データ記憶部
５ｂ…行動時間データ記憶部
５ｃ…行動発生確率データ記憶部
５ｄ…環境負荷原単位データ記憶部
５ｅ…消費カロリー原単位データ記憶部
５ｆ…事故発生確率データ記憶部
６…行動予測部、７…社会価値計算部
８…推奨行動選択部、９…結果出力部
１０…表示装置、１１…キー入力装置
１２…メモリ、１３…スケジューリング装置
１４…空き時間検出部、１５…スケジューリング装置

Claims

同時に行なえる同時発生可能な行動を含む、予測対象の複数の単独の行動を入力する入力手段と、
前記入力手段より入力された同時発生可能な行動を含む入力行動と前記予測対象の実際行動に伴う実際行動との対応に基づき行動の内容を示す行動種別を特定する行動判別手段と、
前記行動判別手段によって特定された行動種別と、日時、曜日、時刻とに基づいて、一定時間の間隔で行動履歴情報を作成する行動履歴情報手段と、
該行動履歴情報に基づき、行動iから行動jに遷移する行動遷移回数を前記行動iごとの総遷移回数で除算することによって前記行動iから前記行動jに遷移する行動遷移確率を算出し、前記行動iから前記行動jに遷移するまでの行動時間を計測し、各時間帯毎に各行動ｉの総発生時間を計測し、時間帯の期間で除して行動発生確率を計算する計算手段と、
予測終了時刻から予測開始時刻を差引くことによって求められる予測期間に対し前記行動発生確率から前記予測開始時点に該当する行動発生確率が高い行動を起点行動として求め、該起点行動に対し前記行動発生確率に基づき他の行動を前記行動発生確率の順に選択するとともに、これら選択された行動種別に対する前記行動時間を加算し、前記予測期間に相当する行動予測情報を出力する行動予測手段と、
社会価値単位情報を格納したデータベースと、
前記行動予測手段より出力される前記行動予測情報と前記データベースの前記社会価値単位情報を掛け合わせて行動ｊによる環境負荷を計算し、予測された全行動系列の環境負荷の総和を計算し、前記予測期間で除することで、前記予測期間により前記起点行動を選択したことによる単位時間当たりの社会価値を求める社会価値計算手段と、
前記社会価値計算手段より求められた社会価値情報を予め用意された基準値と比較し、該比較結果から推奨行動を選択する推奨行動選択手段と、
前記推奨行動選択手段により選択された推奨行動を表示する表示手段と、
を具備したことを特徴とする行動予測装置。
前記推奨行動選択手段は、前記基準値との比較結果によって、前記行動発生確率情報から異なる起点行動を求め、該異なる起点行動に対し前記行動予測及び社会価値計算により求められた社会価値情報を前記基準値と再比較し、該比較結果から推奨行動を選択することを特徴とする請求項１記載の行動予測装置。
前記入力手段は、同時発生可能な２種類以上の行動を一つの行動種別としてラベル付けされることを特徴とする請求項１又は２記載の行動予測装置。
前記入力手段は、同時発生可能な行動として嗜好性を反映した行動を入力可能としたことを特徴とする請求項１又は２記載の行動予測装置。
前記行動予測手段に対する前記予測期間は、所定の行動が行なえる、予測対象の空き時間であることを特徴とする請求項１又は２記載の行動予測装置。
さらに前記予測対象のスケジュールを管理するスケジューリング手段と、前記スケジュールの空き時間帯を検出する空き時間検出手段を有し、
前記空き時間検出手段により検出された前記スケジュールの空き時間帯で行われる行動を予測するため前記空き時間帯を前記予測期間として前記行動予測手段に入力することを特徴とする請求項１記載の行動予測装置。
前記社会価値計算手段は、前記社会価値単位情報として環境負荷原単位情報を用い、前記社会価値として単位時間当たりの環境負荷を求め、
前記推奨行動選択手段は、前記社会価値計算手段より求められた単位時間当たりの環境負荷を予め用意された基準値と比較し、該比較結果から推奨行動を選択することを特徴とする請求項１又は２記載の行動予測装置。
前記社会価値計算手段は、社会価値単位情報として消費カロリー原単位情報を用い、前記社会価値として単位時間当たりの消費カロリーを求め、
前記推奨行動選択手段は、前記社会価値計算手段より求められた単位時間当たりの消費カロリーを予め用意された基準値と比較し、該比較結果から推奨行動を選択することを特徴とする請求項１又は２記載の行動予測装置。
前記社会価値計算手段は、社会価値単位情報として事故発生確率情報を用い、前記社会価値として単位時間当たりの累積事故発生確率を求め、前記推奨行動選択手段は、前記社会価値計算手段より求められた単位時間当たりの累積事故発生確率を予め用意された基準値と比較し、該比較結果から推奨行動を選択することを特徴とする請求項１又は２記載の行動予測装置。