JP5015191B2 - 平常／非平常判定システム、方法及びプログラム - Google Patents

Description

この発明は、ユーザの状態や環境状態をセンシングしてその状態が平常であるか又は非平常であるかを判定するシステム、方法及びプログラムに関する。

近年、ユーザが身に付けたセンサにより得られるセンサデータをもとに当該ユーザの日常的な平常／非平常の検知を行い、これにより常時健康管理をするシステムが提案されている。例えば、ユーザが日常の生活をおくる中で、身に付けているセンサから得た過去のセンサデータを分析して閾値を求め、最新のセンサデータについて上記閾値をもとに平常／非平常を判定する。そして、判定結果が正常の場合には、一定の周期（例えば毎月）でその健康状態を表すデータをユーザの端末と契約医師や病院の端末へ送信する。これに対し、判定結果が異常の場合には、当該データを直ちにユーザの端末と契約医師や病院の端末へ送信すると共に、健康状態を監視する装置とユーザの携帯端末に表示する。このシステムを利用すると、病院等で受診しなくてもユーザの日常的な平常／非平常を検知することが可能となる（例えば、特許文献１を参照。）。

特開２００３−１５０７１８号公報

ところが、平常時におけるセンサデータの測定値はユーザの個人差や周囲状況の変化などの様々な要因によって変動する。このため、時間区間によっては平常／非平常を判定するための閾値が異なることが想定される。さらに、センサデータの分布が測定ごとに異なるような時間区間がある場合には、このような時間区間で得たセンサデータの分布を用いて統計的に平常／非平常を判定するための閾値を求めることは困難である。先に述べた従来のシステムは、このような事情を何ら考慮していないため、不適切な閾値をもとに平常／非平常の判定を行ってしまうことがあった。また、平常／非平常の判定が不可能な時間区間であるにもかかわらず平常／非平常の判定処理を行ってしまうこともあり、これが誤報の原因となっていた。

この発明は上記事情に着目してなされたもので、その目的とするところは、時間区間によるセンサデータの変動を考慮して正確で安定性の高い平常／非平常の判定を可能とし、これにより誤報の発生を低減した平常／非平常判定システム、方法及びプログラムを提供することにある。

上記目的を達成するためにこの発明の第１の観点は、以下のような構成要素を備えている。すなわち、ユーザ又はその周囲の状態を計測するセンサから当該計測結果を表すセンサデータを受信して、この受信されたセンサデータを蓄積する。また、判定対象となる時間区間を複数の分割区間に分割する際に、分割区間の時間長及び分割開始時点をパラメータとする複数の分割パターンの各々について、上記蓄積されたセンサデータをもとに当該センサデータのばらつきの度合いを示す指標を算出し、この算出された指標が予め設定した条件を満たす最適な分割パターンを選択する。さらに、この選択された最適分割パターンにより上記判定対象の時間区間を分割したときの各分割区間の各々について、上記蓄積されたセンサデータをもとに上記状態を判定するための閾値を生成する。そして、上記最適分割パターンにより分割設定される分割区間ごとに、当該分割区間に対し生成された上記判定閾値と、当該分割区間に得られるセンサデータとに基づいて、上記ユーザ又はその周囲の状態が平常であるか非平常であるかを判定する。

したがって、判定対象となる時間区間を複数の分割区間に分割し、これらの分割区間ごとに当該区間に得られるセンサデータをもとにユーザ又はその周囲の状態が平常であるか非平常であるかを判定する際に、センサデータのばらつき度合いが所定条件を満たすような最適な分割パターンと、この分割パターンに応じた最適な判定閾値が自動的に求められ、この求められた分割パターンにより分割設定される分割区間ごとにその閾値をもとに平常／非平常の判定が行われる。このため、ユーザの個人差や状況の違いによりセンサデータのばらつきが大きい場合でも、このばらつきの影響が例えば最小となる条件のもとで平常／非平常を判定することが可能となる。したがって、平常／非平常の判定が不可能な時間区間が可能な限り短縮され、これにより誤報の発生を減らすことができる。

一方、この発明の第２の観点は以下のような構成要素を備えている。すなわち、ユーザ又はその周囲の状態を計測するセンサから当該計測結果を表すセンサデータを受信して、この受信されたセンサデータを蓄積する。また、ユーザの行動種別ごとにその行動区間を特定する。そして、上記特定された行動区間を複数の分割区間に分割する際に、分割時間長及び分割開始時点をパラメータとする複数の分割パターンの各々について、上記蓄積されたセンサデータをもとに当該センサデータのばらつき度合いを示す指標を算出し、この算出された指標が予め設定した条件を満たす最適な分割パターンを選択する。さらに、この選択された最適分割パターンにより上記行動区間を分割したときの分割区間の各々について、上記蓄積されたセンサデータをもとに上記状態を判定するための閾値を生成する。そして、上記最適分割パターンにより分割設定される分割区間ごとに、当該分割区間に対し生成された判定閾値と、当該分割区間に得られるセンサデータとに基づいて、上記ユーザ又はその周囲の状態が平常であるか非平常であるかを判定する。

したがって、ユーザの行動種別に応じた行動区間ごとに、当該行動区間を分割する際の最適な分割パターンとその分割区間ごとの閾値が自動的に求められ、この求められた分割パターンにより分割設定される分割区間ごとにその閾値をもとに平常／非平常の判定が行われる。このため、ユーザの行動種別ごとにその各行動区間について、それぞれセンサデータのばらつきの影響が最小となる条件のもとで平常／非平常を判定することが可能となる。したがって、ユーザの行動種別を考慮した分割区間ごとの平常／非平常の判定が可能となり、これにより誤報の発生をさらに減らすことができる。

また、この発明の第１及び第２の観点は以下のような実施態様を備えることを特徴とする。
すなわち、最適な分割パターンを選択する際に、センサデータのばらつき度合いを示す指標として過去の複数のセンサデータの再現性を表す評価値を算出し、この算出されたセンサデータの再現性を表す評価値をもとに、再現性の評価値が最小となる分割パターンを最適分割パターンとして選択する。

より具体的には、上記再現性を表す評価値を算出する際に、先ず分割区間ごとに当該分割区間に得られた過去の複数のセンサデータの各々についてその平均値及び分散値を算出する。次に、センサデータの平均値及び分散値により表される二次元座標平面を定義し、上記センサデータごとに算出された平均値及び分散値により表される座標値を上記二次元座標平面上に配置する。そして、上記二次元座標平面上において上記各センサデータの座標値の重心点を算出して、この算出された重心点から上記各センサデータの座標値までの距離の平均値を算出し、この算出された距離の平均値を当該分割区間におけるセンサデータの再現性を表す評価値とする。
このようにすると、センサデータの再現性の評価値を数値的に算出することができ、これにより最適な分割パターンの選択をすべて計算処理により実行することが可能となる。

また、この発明の第２の観点は、行動区間を特定する際に、ユーザの時間帯ごとの行動種別を表すスケジュール情報と、受信されたユーザのセンサデータのうちの少なくとも一方に基づいて、ユーザの行動種別ごとの行動区間を特定するものである。
このようにすると、ユーザの行動種別ごとの行動区間を、当該ユーザのスケジュール情報を取得可能な場合には当該スケジュール情報をもとに特定することができ、また例えばＧＰＳを使用した位置検出手段や加速度センサ、気圧計等のセンサデータを取得可能な場合にはこのセンサデータをもとに特定することができる。さらに、上記スケジュール情報とセンサデータの両方を取得可能な場合には、このスケジュール情報とセンサデータの両方をもとに、ユーザの行動種別ごとの行動区間をより正確に特定することが可能となる。

すなわちこの発明によれば、時間区間によるセンサデータの変動を考慮して正確で安定性の高い平常／非平常の判定を可能とし、これにより誤報の発生を低減することが可能な平常／非平常判定システム、方法及びプログラムを提供することができる。

この発明の一実施形態に係わる平常／非平常判定システムの全体構成を示す図である。 図１に示したシステムに設けられるデータサーバのハードウエア及びソフトウエアの構成を示すブロック図である。 図１に示したシステムに設けられる時間分割最適化処理装置のハードウエア及びソフトウエアの構成を示すブロック図である。 図１に示したシステムに設けられる判定閾値生成処理装置のハードウエア及びソフトウエアの構成を示すブロック図である。 図１に示したシステムに設けられる平常／非平常判定処理装置のハードウエア及びソフトウエアの構成を示すブロック図である。 図１に示したシステムにおけるデータサーバと時間分割最適化処理装置との間の処理手順と処理内容を示すフローチャートである。 図１に示したシステムにおけるデータサーバと判定閾値生成処理装置との間の処理手順と処理内容を示すフローチャートである。 図１に示したシステムにおけるデータサーバと平常／非平常処理装置との間の処理手順と処理内容を示すフローチャートである。 図６に示したフローチャート中の時間分割最適化処理の具体的な手順と処理内容を示すフローチャートである。 図９に示したフローチャート中の再現性算出処理の具体的な手順と処理内容を示すフローチャートである。 特定の時間区間におけるセンサ値の分散の一例を示す図である。 特定の時間区間におけるセンサ値の分散の他の例を示す図である。 図９のフローチャートに示される時間分割最適化処理を説明するための図である。 図１０のフローチャートに示される重心点から各プロットへの距離の算出処理を説明するための図である。 図７に示したフローチャート中の判定閾値生成処理の具体的な手順と処理内容を示すフローチャートである。 図８に示したフローチャート中の平常／非平常処理の具体的な手順と処理内容を示すフローチャートである。 図９のフローチャートに示される時間分割最適化処理において使用する変数ｍ，ｋを説明するための図である。 図９のフローチャートに示される時間分割最適化処理において使用する変数Ｎ_k ，ｊを説明するための図である。 図９のフローチャートに示される時間分割最適化処理において使用する変数ｎ_k ，ｉを説明するための図である。

以下、図面を参照してこの発明に係わる実施形態を説明する。
図１は、この発明の一実施形態に係わる平常／非平常判定システムの全体構成図である。この実施形態の平常／非平常判定システムは、データサーバＤＳＶと、時間分割最適化処理装置ＰＳ１と、判定閾値生成処理装置ＰＳ２と、平常／非平常判定処理装置ＰＳ３とを備え、これらのサーバＤＳＶ及び各処理装置ＰＳ１〜ＰＳ３は通信ネットワークＮＷを介して相互に接続可能となっている。

一方、各ユーザにはそれぞれセンサＳ１〜Ｓｎが取着されている。センサＳ１〜Ｓｎとしては、例えば血圧や脈拍、体温等を計測するバイタルセンサや、歩数等の運動量を計測する歩数センサ、周囲の気温や湿度等の環境状態を計測する環境センサ等がある。センサＳ１〜Ｓｎは、センシング部と、センシングデータの一時記憶部と、通信インタフェース部を備えており、センシング部の計測動作により得られたセンサデータを一時記憶部に蓄積したのち、通信インタフェース部から上記通信ネットワークＮＷを介してデータサーバＤＳＶへ向け送信する。

また、各ユーザはそれぞれユーザ端末ＴＭ１〜ＴＭｎを所有している。ユーザ端末ＴＭ１〜ＴＭｎとしては、例えば家庭又はオフィスに設置されたパーソナル・コンピュータ、或いはユーザが所持する携帯端末が用いられる。これらのユーザ端末ＴＭ１〜ＴＭｎはブラウザ又はメーラを有し、上記通信ネットワークＮＷを介して平常／非平常判定処理装置ＰＳ３との間で通信が可能となっている。
なお、通信ネットワークＮＷは、例えばインターネットに代表されるＩＰ（Internet Protocol）網と、このＩＰ網に対しアクセスするための複数のアクセス網とから構成される。アクセス網としては、例えばＬＡＮ（Local Area Network）、無線ＬＡＮ、携帯電話網、有線電話網、ＣＡＴＶ（Cable Television）網が用いられる。

ところで、データベースサーバＤＳＶは次のように構成される。図２はそのハードウエア及びソフトウエアの構成を示すブロック図である。
すなわち、データベースサーバＤＳＶは中央処理ユニット（Central Processing Unit；ＣＰＵ）１１を備え、このＣＰＵ１１に対しバス１２を介して、プログラムメモリ１３と、データメモリ１４と、通信インタフェース１５を接続したものとなっている。

通信インタフェース１５は、ＣＰＵ１１の制御の下で通信ネットワークＮＷを介して、センサＳ１〜Ｓｎ、時間分割最適化処理装置ＰＳ１、判定閾値生成処理装置ＰＳ２及び平常／非平常判定処理装置ＰＳ３との間でデータ通信を行う。

データメモリ１４は、記憶媒体としてハードディスクやフラッシュメモリ等のような随時書き込み及び読み出しが可能な媒体を使用したもので、この発明を実施するために必要な記憶部として、センサデータ記憶部１４１と、時間分割最適化情報記憶部１４２と、判定閾値記憶部１４３を備えている。

センサデータ記憶部１４１は、上記センサＳ１〜Ｓｎから送られたセンサデータを記憶するために用いられる。時間分割最適化情報記憶部１４２は、時間分割最適化処理装置ＰＳ１により求められた時間分割最適化情報を記憶するために用いられる。判定閾値記憶部１４３は、判定閾値生成処理装置ＰＳ２により生成された判定閾値を記憶するために用いられる。

プログラムメモリ１３は、記憶媒体としてＲＯＭ等の不揮発性メモリ又はハードディスクを使用したもので、この発明を実施するために必要なアプリケーション・プログラムとして、センサデータ管理プログラム１３１と、時間分割最適化情報管理プログラム１３２と、判定閾値管理プログラム１３３を格納している。

センサデータ管理プログラム１３１は、以下の処理を上記ＣＰＵ１１に実行させる。
(1) 各ユーザのセンサＳ１〜Ｓｎから例えばポーリング方式によりセンサデータを受信し、この受信されたセンサデータをユーザ識別情報（ユーザＩＤ）及びセンシング時刻を表す情報と共に上記センサデータ記憶部１４１に記憶させる処理。
(2) 時間分割最適化処理装置ＰＳ１、判定閾値生成処理装置ＰＳ２及び平常／非平常判定処理装置ＰＳ３からセンサデータの読込要求が到来した場合に、上記センサデータ記憶部１４１からセンサデータを読み出して、このセンサデータを通信インタフェース１５から要求元の処理装置へ送信させる処理。

時間分割最適化情報管理プログラム１３２は、以下の処理を上記ＣＰＵ１１に実行させる。
(1) 時間分割最適化処理装置ＰＳ１から時間分割最適化情報の保存要求が到来した場合に、当該時間分割最適化情報を受信して時間分割最適化情報記憶部１４２に記憶させる処理。
(2) 判定閾値生成処理装置ＰＳ２又は平常／非平常判定処理装置ＰＳ３から時間分割最適化情報の読込要求が到来した場合に、時間分割最適化情報記憶部１４２から時間分割最適化情報を読み出して、この時間分割最適化情報を通信インタフェース１５から要求元の判定閾値生成処理装置ＰＳ２又は平常／非平常判定処理装置ＰＳ３へ送信させる処理。

判定閾値管理プログラム１３３は、以下の処理を上記ＣＰＵ１１に実行させる。
(1) 判定閾値生成処理装置ＰＳ２から判定閾値の保存要求が到来した場合に、当該判定閾値を受信して判定閾値記憶部１４３に記憶させる処理。
(2)平常／非平常判定処理装置ＰＳ３から判定閾値の読込要求が到来した場合に、判定閾値記憶部１４３から判定閾値を読み出して、この判定閾値を通信インタフェース１５から要求元の平常／非平常判定処理装置ＰＳ３へ送信させる処理。

時間分割最適化処理装置ＰＳ１は次のように構成される。図３はそのハードウエア及びソフトウエアの構成を示すブロック図である。
すなわち、時間分割最適化処理装置ＰＳ１は、ＣＰＵ２１に対しバス２２を介してプログラムメモリ２３と、データメモリ２４と、通信インタフェース２５を接続したものとなっている。

通信インタフェース２５は、ＣＰＵ２１の制御の下で通信ネットワークＮＷを介して、データベースサーバＤＳＶとの間でデータ通信を行う。
データメモリ２４は、時間分割最適化処理に際し、データベースサーバＤＳＶから読み込んだセンサデータ、処理過程で算出されるデータ及び最終的に得られる時間分割最適化情報を一時保存するために使用される。

プログラムメモリ２３には、この発明を実現するために必要なアプリケーション・プログラムとして、時間分割最適化処理プログラム２３１が格納されている。この時間分割最適化処理プログラム２３１は、ＣＰＵ２１に以下の処理を実行させる。
(1) データベースサーバＤＳＶに対しユーザごとにそのセンサデータの読込要求を送信し、これに対しデータベースサーバＤＳＶから送信されたセンサデータを受信してデータメモリ２４に保存させる処理。
(2) 特定の周期で繰り返される判定対象の時間区間（例えば１日、１週間、１ヶ月、１年）を複数の分割区間に分割する際の最適な分割パターンを選択する処理。この最適な分割パターンの選択処理は、分割区間の時間長と分割開始時点をパラメータとし、これらのパラメータをそれぞれ一定間隔で変化させることで生成されるすべての分割パターンの中から最適な分割パターンを選択することにより行われる。より具体的には、分割パターンごとに、当該分割パターンにより特定周期を分割することにより生成される各分割区間においてセンサデータの再現性を表す評価値をそれぞれ算出し、この算出された各分割区間の再現性評価値の和又は平均を算出する。そして、この再現性評価値の和又は平均が最小となる分割パターンを最適な分割パターンとして選択し、この選択した分割パターンのパラメータである分割時間長と分割開始時点を時間分割最適化情報とする。
(3) 上記求められた時間分割最適化情報の保存要求を通信ネットワーク２５からデータベースサーバＤＳＶへ送信させる処理。

判定閾値生成処理装置ＰＳ２は次のように構成される。図４はそのハードウエア及びソフトウエアの構成を示すブロック図である。
すなわち、判定閾値生成処理装置ＰＳ２も、上記時間分割最適化処理装置ＰＳ１と同様に、ＣＰＵ３１に対しバス３２を介してプログラムメモリ３３、データメモリ３４及び通信インタフェース３５を接続したものとなっている。

通信インタフェース３５は、ＣＰＵ３１の制御の下で通信ネットワークＮＷを介して、データベースサーバＤＳＶとの間でデータ通信を行う。
データメモリ３４は、判定閾値生成処理に際し、データベースサーバＤＳＶから読み込んだセンサデータ、処理過程で算出されるデータ及び最終的に得られる判定閾値を一時保存するために使用される。

プログラムメモリ３３には、この発明を実現するために必要なアプリケーション・プログラムとして、判定閾値生成処理プログラム３３１が格納されている。この判定閾値生成処理プログラム３３１は、ＣＰＵ３１に以下の処理を実行させる。
(1) データベースサーバＤＳＶに対し、ユーザ別に時間分割最適化情報の読込要求を送信し、これに対しデータベースサーバＤＳＶから送信された時間分割最適化情報を受信する処理。
(2) データベースサーバＤＳＶに対し、ユーザ別にその過去のセンサデータの読込要求を送信し、これに対しデータベースサーバＤＳＶから送信されたセンサデータを受信してデータメモリ３４に保存させる処理。
(3) 上記(1) により受信された時間分割最適化情報により表される分割パターンに従い判定対象の特定周期に相当する区間を複数の時間区間ｊ(＝1,2,…,Ｎ_k)に分割し、これらの時間区間ｊ(＝1,2,…,Ｎ_k)について、上記(2) によりデータベースサーバＤＳＶから読み込んだ過去のセンサデータからその平均値Ｅ_j 及び分散値σ_j を算出して、この算出された平均値Ｅ_j 及び分散値σ_jをもとにＥ_j＋σ_j ，Ｅ_j−σ_j を計算し、これらを閾値とする処理。
(3) 上記(2) により生成された判定閾値Ｅ_j +σ_{j 、Ｅj}−σ_j の保存要求を通信ネットワーク３５からデータベースサーバＤＳＶへ送信させる処理。

平常／非平常判定処理装置ＰＳ３は次のように構成される。図５はそのハードウエア及びソフトウエアの構成を示すブロック図である。
すなわち、平常／非平常判定処理装置ＰＳ３も、上記時間分割最適化処理装置ＰＳ１及び判定閾値生成処理装置ＰＳ２と同様に、ＣＰＵ４１に対しバス４２を介してプログラムメモリ４３、データメモリ４４及び通信インタフェース４５を接続したものとなっている。

通信インタフェース４５は、ＣＰＵ４１の制御の下で通信ネットワークＮＷを介して、データベースサーバＤＳＶとの間でデータ通信を行う。
データメモリ４４は、平常／非平常判定処理に際し、データベースサーバＤＳＶから読み込んだ判定対象のセンサデータ、時間分割最適化情報及び判定閾値と、処理過程で算出されるデータ及び最終的に得られる平常／非平常の判定結果を一時保存するために使用される。

プログラムメモリ４３には、この発明を実現するために必要なアプリケーション・プログラムとして、平常／非平常判定処理プログラム４３１が格納されている。この平常／非平常判定処理プログラム４３１は、ＣＰＵ４１に以下の処理を実行させる。
(1) データベースサーバＤＳＶに対し、ユーザ別に時間分割最適化情報及び判定閾値の読込要求を送信し、これに対しデータベースサーバＤＳＶから送信された時間分割最適化情報及び判定閾値を受信してデータメモリ４４に一時保存させる処理。
(2) データベースサーバＤＳＶに対し、ユーザ別にその最新のセンサデータの読込要求を送信し、これに対しデータベースサーバＤＳＶから送信された最新のセンサデータを受信してデータメモリ４４に一時保存させる処理。
(3) ユーザごとに、上記(1) によりデータベースサーバＤＳＶから読み込んだ時間分割最適化情報により表される分割パターンに従い判定対象の時間区間を複数の分割区間に分割し、これらの分割区間ごとに、当該分割区間に対応して生成された判定閾値を用いて、上記(2) によりデータベースサーバＤＳＶから読み込んだ最新のセンサデータが平常であるか非平常であるかを判定する処理。
(4) 上記(3) により判定された平常／非平常の判定結果を示す情報を、通信インタフェース４５から該当するユーザの端末ＴＭ１〜ＴＭｎに向け送信させる処理。

次に、以上のように構成された平常／非平常判定システムの動作を説明する。図６乃至図８はその処理手順と処理内容を示すフローチャートである。
（１）センサデータの収集
各ユーザのセンサＳ１〜Ｓｎはそれぞれ、一定時間間隔でユーザの健康状態、運動状態或いは周辺環境を測定し、その測定データに測定時刻を表すデータを付して一時記憶部に蓄積する。データベースサーバＤＳＶのＣＰＵ１１は、図６のステップＳ１１において、例えばユーザごとに設定したタイミングでセンサＳ１〜Ｓｎに対しポーリングを行い、これによりセンサＳ１〜Ｓｎから送信されたセンサデータを通信インタフェース１５により受信し、センサデータ記憶部１４１に記憶させる（ステップＳ１２）。

（２）時間分割最適化処理
平常／非平常判定処理装置ＰＳ３が判定処理を開始する前に、時間分割最適化処理装置ＰＳ１のＣＰＵ２１は、ステップＳ１３によりユーザ別にセンサデータ読込要求を生成し、このセンサデータ読込要求を通信インタフェース２５からデータベースサーバＤＳＶへ送信する。データベースサーバＤＳＶのＣＰＵ１１は、ステップＳ１４においてセンサデータ読取要求の到来を監視している。この状態で、上記センサデータ読込要求が到来すると、ステップＳ１５により該当するユーザの過去のセンサデータをセンサデータ記憶部１４１から読み出し、この読み出されたセンサデータを通信インタフェース１５から要求元の時間分割最適化処理装置ＰＳ１に向け送信する。時間分割最適化処理装置ＰＳ１のＣＰＵ２１は、上記データベースサーバＤＳＶから送られたセンサデータをステップＳ１６により通信インタフェース２５を介して受信し、データメモリ２４に一旦保存する。

さて、次に時間分割最適化処理装置ＰＳ１のＣＰＵ２１は、ステップＳ１７において時間分割最適化処理を実行する。この時間分割最適化処理は、判定対象の時間区間である特定の周期（例えば１日、１週間、１ヶ月、１年）を複数の分割区間に分割する際の最適な分割パターンを選択するものである。この最適な分割パターンの選択は、分割区間の時間長と分割開始時点をパラメータとし、これらのパラメータをそれぞれ一定間隔で変化させることで生成されるすべての分割パターンの中から最適な分割パターンを選択することにより行われる。

例えば、特定の周期に対し分割開始点と時間区間長をそれぞれ可変しながら分割を施し、各分割区間におけるセンサデータの再現性を算出し記録する。そして、各時間区間におけるセンサデータの再現性の和が最も小さくなる分割開始点及び分割時間長による分割パターンを最適な分割パターンとする。

以下、この最適分割パターンの選択処理を具体的に説明する。図９はこの時間分割最適化処理の手順を示すフローチャート、図１３は時間分割最適化処理の処理内容を示す図である。
いま、図１７に示すように分割時間長の種類をｋ（＝１，２，…，ｍ）、図１８に示すように特定周期をｋ（＝１，２，…，ｍ）番目の分割時間長で分割したときの分割区間の数をＮ_k （ｊ＝１，２，…，Ｎ_k ）、図１９に示すようにｋ（＝１，２，…，ｍ）番目の分割時間長で分割するときの分割開始時点の総数をｎ_k （ｉ＝１，２，…，ｎ_k ）とする。

時間分割最適化処理装置ＰＳ１のＣＰＵ２１は、ステップＳ５１により変数ｉ，ｊを初期化したのち、先ずステップＳ５３で変数ｊをインクリメントするごとに、ステップＳ５２において分割区間（Ｔ＋Ｌ_k ・（ｉ／ｎ＋ｊ）〜Ｔ＋Ｌ_k ・（ｉ／ｎ＋ｊ＋１））の再現性を表す特徴量Ｄ_ijk を算出する。そして、変数ｊが最大値Ｎ_k に達したことがステップＳ５４で検出されると、続いてステップＳ５５で変数ｉをインクリメントするごとに、ステップＳ５２において分割区間（Ｔ＋Ｌ_k ・（ｉ／ｎ＋ｊ）〜Ｔ＋Ｌ_k ・（ｉ／ｎ＋ｊ＋１））の再現性を表す特徴量Ｄ_ijk を算出する。そして、変数ｉが最大値ｎ_k ＋１に達したことがステップＳ５６で検出されると、次にステップＳ５７で変数ｋをインクリメントするごとに、ステップＳ５２において分割区間（Ｔ＋Ｌ_k ・（ｉ／ｎ＋ｊ）〜Ｔ＋Ｌ_k ・（ｉ／ｎ＋ｊ＋１））の再現性を表す特徴量Ｄ_ijk を算出する。そして、変数ｋが最大値ｍに達したことがステップＳ５８で検出されると、ステップＳ５９において再現性を表す特徴量Ｄ_ijk の和が最も小さくなる分割開始点の変数ｉ及び分割時間長の変数ｋを最適な分割パターンを表す情報としてデータメモリ２４に記憶する。

ところで、以上の処理手順のうち再現性を表す特徴量Ｄ_ijk の算出処理は以下のように行われる。
すなわち、センサデータの再現性算出処理では、上記したように時間区間ごとに過去の同じ時間区間に計測されたセンサデータの再現性を数値的に算出する。過去のセンサデータの再現性を調べることで、当該時間区間において平常／非平常を判定することの妥当性がどれだけあるかを調べることが可能である。再現性が低ければ、当該時間区間においてセンサデータの分布は毎回変わることになり、平常時のセンサデータの分布のモデルは定まりにくい。このため、同じ時間区間内で新たに得られたセンサデータの分布を、上記平常時のセンサデータのモデル分布と比較して平常／非平常判定を行うと、正確な平常／非平常の判定が実現されない可能性がある。逆に、再現性が高ければ、特定時間区間におけるセンサデータの分布は毎回ほぼ同じになり、平常時のセンサデータ分布のモデルは定まりやすい。このため、同じ時間区間内で新たに得られたセンサデータの分布を、平常時のセンサデータのモデル分布と比較して平常／非平常判定を行うと、正確な平常／非平常の判定が実現されやすい。このため、ユーザにとって最適な分割パターン、つまり分割時間長と分割開始点を評価するための指標として、時間区間のセンサデータの再現性を用いることは有用であると考えられる。

図１０は、このセンサデータの再現性を表す特徴量Ｄ_ijk を算出するための処理手順と処理内容を示すフローチャートである。
時間分割最適化処理装置ＰＳ１のＣＰＵ２１は、先ずセンサデータの再現性を調べたい時間区間（時刻Ｔから時刻Ｔ＋Ｌ間）において得られた、過去Ｍ周期分のセンサデータをデータベースサーバＤＳＶから読み込み、時刻Ｔから時刻Ｔ＋Ｌ間におけるセンサデータの度数分布を生成する。ここで、周期とは例えば１日、１週間、１ヶ月、１年のような、平常／非平常を繰り返し判定したい時間区間である。

なお、この実施形態では、上記過去のＭ周期分のセンサデータを、単純に現在の時刻から連続的にＭ周期分遡る間に存在する時刻Ｔから時刻Ｔ＋Ｌ間に得られたセンサデータとしたが、これに限らない。例えば、平日中の時刻Ｔから時刻Ｔ＋Ｌ間における過去Ｍ周期分のセンサデータ、特定曜日における時刻Ｔから時刻Ｔ＋Ｌ間の過去Ｍ周期分のセンサデータ、スケジュールの内容が同じ日の時刻Ｔから時刻Ｔ＋Ｌ間における過去Ｍ周期分のセンサデータ、ＧＰＳ（Global Positioning System）等の位置測定手段により測定されるユーザの滞在場所の遷移パターンが特定周期内で同じ時間区間の時刻Ｔから時刻Ｔ＋Ｌ間における過去Ｍ周期分のセンサデータを収集することで、複数ある様々なセンサデータの変動パターンに対して平常／非平常が判定可能になる。

時間分割最適化処理装置ＰＳ１のＣＰＵ２１は、次にステップＳ６２において、上記ステップＳ６１において算出された各度数分布からその平均値及び分散値を算出する。そして、ステップＳ６３において上記度数分布の平均値及び分散値を座標軸として表される二次元座標空間を定義し、上記算出された平均値及び分散値により表される座標値を上記二次元座標空間上にプロットする。つまり、上記度数分布の平均値及び分散値により表される二次元座標空間上に過去のＭ周期分のセンサデータをマッピングする。そして、上記ステップＳ６２による平均値及び分散値の算出からステップＳ６３による二次元座標空間へのプロットまでの処理を、Ｍ周期分繰り返す。

上記マッピングの結果から明らかなように、ある時間区間におけるセンサデータの分布が毎回変わる場合には、平均と分散により表される二次元座標空間における各プロットの分布の分散は大きくなり、一方センサデータの分布が毎回ほぼ同じ場合には、平均と分散により表される二次元座標空間における各プロットの分布の分散は小さくなる。したがって、上記平均と分散により表される二次元座標空間における各プロットの分布の分散状態から、時間区間におけるセンサデータの再現性を評価することが可能である。図１１及び図１２は、それぞれセンサデータの分布が毎回変わる場合と、毎回ほぼ同じ場合の、各プロットの分散の様子を示す図である。

上記Ｍ周期分のプロット処理が終了したことをステップＳ６４により検出すると、時間分割最適化処理装置ＰＳ１のＣＰＵ２１は、続いてステップＳ６５において上記各プロットの分散状態を以下のように算出する。
すなわち、上記平均値と分散値により表される二次元座標空間において、先ず各プロットの座標値の重心点を求める。次に、この求められた重心点から各プロットまでの距離をそれぞれ求め、この求められた各距離の総和を算出する。そして、この算出された距離の総和を上記プロットの数で除算する。つまり、上記重心点から各プロットまでの距離の平均値を算出する。そして、この算出された平均値を、センサデータの再現性を表す特徴量とする。

上記再現性を表す特徴量の計算式を以下に示す。

ここで、Ｅ_l 、σ_l はそれぞれ過去ｌ（＝１，２，…，Ｍ）回目におけるある時間区間のセンサデータの平均値及び分散値を示し、またＤはセンサデータの再現性を表す特徴量を、ｄ（Ｅ_l，σ_l）は重心値（Ｅ_l ￣，σ_l ￣）から各プロットの座標値（Ｅ_l ，σ_l ）までの距離をそれぞれ示す。図１４は、この再現性を表す特徴量Ｄの計算手法を説明するための図である。同図から明らかなように、再現性を表す特徴量Ｄが小さければ小さいほど、特定周期におけるある時間区間でのセンサデータの再現性は高くなる。

時間分割最適化処理装置ＰＳ１のＣＰＵ２１は、上記センサデータ再現性算出方法を用いて、ｉ（＝１，２，…，ｎ_k ）番目の分割開始時点、ｋ（＝１，２，…，ｍ）番目の時間長におけるセンサデータの再現性として、Ｄ_ikを以下のように計算する。

上記式（３）において、Ｎ_k は特定周期に収まるｋ番目の時間区間長の個数であり、上式は各時間区間におけるセンサデータの再現性の平均をとることを意味している。そして、Ｄ_ikの最小値となるＤ_IK、つまり
Ｄ_IK＝minＤ_ik （４）
より、ユーザの平常／非平常を判定するために最適な分割時間長Ｌ_K、分割開始時点Ｔ＋Ｌ_K×Ｉ／ｎ_k となる。

なお、センサデータの再現性の特徴量を算出するための計算式としては、上記式（３）を下記の式（５）のように拡張し、時間区間の長さに対する重み付けや、特定周期におけるある時間区間の平常／非平常判定可能性を高めるための各時間区間に対する重み付けを行うこともできる。

上記式（５）において、Ｔｈはセンサデータの再現性が平常／非平常判定に必要な値であるか否かを判定するための閾値となる定数である。Ｘ_ijkは、ｉ番目の分割開始時点からｋ番目の時間区間長で分割を開始したときにｊ番目の時間区間に含まれる、平常／非平常の判定可能性を高めたい特定時間区間の長さである。式（５）のＬ_k ／Ｌ_m は時間区間の長さに対する重みであり、これにより時間区間長が短い分割方法を優先できる。また、Σ内部のＤ_ijkの係数は平常／非平常判定可能性を高めたい時間区間に対する重みであり、この時間区間でセンサデータの再現性が高い分割方法を優先することができるようになっている。

上記時間分割最適化処理が終了すると、時間分割最適化処理装置ＰＳ１のＣＰＵ２１は、図６に示すようにステップＳ１７からステップＳ１８に移行し、ここで上記時間分割最適化処理により得られた時間分割最適化情報、つまり最適な分割パターンを表す分割時間長及び分割開始時点と、ユーザＩＤを、保存要求と共に通信インタフェース２５からデータベースサーバＤＳＶへ送信する。これに対しデータベースサーバＤＳＶのＣＰＵ１１は、上記時間分割最適化処理装置ＰＳ１からの保存要求の到来をステップＳ１９により検出すると、ステップＳ２０により通信インタフェース１５を介して上記時間分割最適化情報を受信し、この受信された時間分割最適化情報とユーザＩＤを相互に対応付けてデータメモリ１４内の時間分割最適化情報記憶部１４２に格納する。
以上の時間分割最適化処理は、利用登録されているすべてのユーザについてそれぞれ行われる。

（３）判定閾値の生成処理
判定閾値生成処理装置ＰＳ２は、以下のように判定閾値の生成処理を実行する。図７はその処理手順と処理内容を示すフローチャートである。
すなわち、判定閾値生成処理装置ＰＳ２のＣＰＵ３１は、ステップＳ２１においてユーザ別に時間分割最適化情報及びセンサデータの読込要求を生成し、この読込要求を通信インタフェース３５からデータベースサーバＤＳＶへ送信する。データベースサーバＤＳＶのＣＰＵ１１は、ステップＳ２２において読取要求の到来を監視している。この状態で、上記読込要求が到来すると、ステップＳ２３により該当するユーザの時間分割最適化情報及び過去のセンサデータをそれぞれ時間分割最適化情報記憶部１４２及びセンサデータ記憶部１４１から読み出し、この読み出された時間分割最適化情報及び過去のセンサデータを通信インタフェース１５から要求元の判定閾値生成処理装置ＰＳ２に向け送信する。判定閾値生成処理装置ＰＳ２のＣＰＵ３１は、上記データベースサーバＤＳＶから送られた時間分割最適化情報及び過去のセンサデータをステップＳ２４により通信インタフェース３５を介して受信し、データメモリ３４に一旦保存する。

次に、判定閾値生成処理装置ＰＳ２のＣＰＵ３１は、ステップＳ２５において判定閾値生成処理を実行する。図１５はその処理手順と処理内容を示すフローチャートである。
判定閾値生成処理装置ＰＳ２のＣＰＵ３１は、先ず上記受信された時間分割最適化情報により表される分割パターンに従い判定対象の特定周期に相当する区間を複数の時間区間ｊ(＝1,2,…,Ｎ_k)に分割する。次に、ステップＳ７１により、データメモリ３４から上記分割区間ｊに計測された過去のＭ周期分のセンサデータを読み出し、ステップＳ７２において上記読み出された過去のＭ周期分のセンサデータからその平均値Ｅ_j 及び分散値σ_j をそれぞれ算出する。そして、ステップＳ７３により、上記算出された平均値Ｅ_j及び分散値σ_j をもとにＥ_j+σ_{j ，Ｅj}−σ_j を計算し、この計算されたＥ_j+σ_{j ，Ｅj}−σ_j をステップＳ７４により上記時間区間ｊの判定閾値Ｔｈ_1j ，Ｔｈ_2j としてデータメモリ３４に保存する。

そして、ステップＳ７５によりｊをインクリメントし、このインクリメント後のｊの値（ｊ＋１）が最大値であるＮ_k を超えていなければ、上記ステップＳ７１に戻って当該インクリメント後のｊで示される時間区間について上記ステップＳ７１〜ステップＳ７４による判定閾値Ｔｈ_1j ，Ｔｈ_2j の計算とその結果の保存処理が実行される。以後同様に、ｊで示されるすべての時間区間について上記ステップＳ７１〜ステップＳ７４による判定閾値Ｔｈ_1j ，Ｔｈ_2j の計算とその結果の保存処理が繰り返し実行され、（ｊ＋１）＞Ｎ_k となると処理を終了する。

上記時間区間ｊ(＝1,2,…,Ｎ_k)についての閾値Ｔｈ_1j ，Ｔｈ_2j の生成が終了すると、判定閾値生成処理装置ＰＳ２のＣＰＵ３１は、ステップＳ２６により上記生成された判定閾値Ｔｈ_1j ，Ｔｈ_2j を保存要求と共に通信インタフェース３５からデータベースサーバＤＳＶへ送信させる。データベースサーバＤＳＶのＣＰＵ１１は、上記判定閾値生成処理装置ＰＳ２からの判定閾値保存要求の到来をステップＳ２７で検出すると、ステップＳ２８により上記判定閾値Ｔｈ_1j ，Ｔｈ_2j を通信インタフェース１５を介して受信し、この受信された判定閾値Ｔｈ_1j ，Ｔｈ_2j を判定閾値記憶部１４３に格納する。
以上の判定閾値生成処理は、利用登録されているすべてのユーザについてそれぞれ行われる。

（４）平常／非平常の判定処理
上記時間分割最適化情報及び判定閾値がデータベースサーバＤＳＶに記憶された状態で、平常／非平常判定処理装置ＰＳ３は各ユーザから得られる最新のセンサデータに対し、以下のように平常／非平常を判定する処理を実行する。図８はその処理手順と処理内容を示すフローチャートである。

平常／非平常判定処理装置ＰＳ３のＣＰＵ４１は、ステップＳ２９においてユーザ別に時間分割最適化情報の読込要求を生成し、この読込要求を通信インタフェース４５からデータベースサーバＤＳＶへ送信する。データベースサーバＤＳＶのＣＰＵ１１は、ステップＳ３０において読取要求の到来を監視しており、上記時間分割最適化情報の読込要求が到来すると、ステップＳ３１により該当するユーザの時間分割最適化情報を時間分割最適化情報記憶部１４２から読み出し、この読み出された時間分割最適化情報を通信インタフェース１５から要求元の平常／非平常判定処理装置ＰＳ３へ送信する。平常／非平常判定処理装置ＰＳ３のＣＰＵ４１は、上記データベースサーバＤＳＶから送られた時間分割最適化情報をステップＳ３２により通信インタフェース４５を介して受信し、データメモリ４４に保存する。

またそれと共に、平常／非平常判定処理装置ＰＳ３のＣＰＵ４１は、ステップＳ３３においてユーザ別に判定閾値の読込要求を生成し、この読込要求を通信インタフェース４５からデータベースサーバＤＳＶへ送信する。データベースサーバＤＳＶのＣＰＵ１１は、ステップＳ３４において読取要求の到来を監視しており、上記判定閾値の読込要求が到来すると、ステップＳ３５により該当するユーザの判定閾値Ｔｈ_1j ，Ｔｈ_2jを判定閾値記憶部１４３から読み出し、この読み出された判定閾値Ｔｈ_1j ，Ｔｈ_2j を通信インタフェース１５から要求元の平常／非平常判定処理装置ＰＳ３へ送信する。平常／非平常判定処理装置ＰＳ３のＣＰＵ４１は、上記データベースサーバＤＳＶから送られた判定閾値Ｔｈ_1j ，Ｔｈ_2j をステップＳ３６により通信インタフェース４５を介して受信し、データメモリ４４に保存する。

続いて、平常／非平常判定処理装置ＰＳ３のＣＰＵ４１は、ステップＳ３７においてユーザ別にセンサデータの読込要求を生成し、この読込要求を通信インタフェース４５からデータベースサーバＤＳＶへ送信する。データベースサーバＤＳＶのＣＰＵ１１は、ステップＳ３８において読取要求の到来を監視している。この状態で、上記センサデータの読込要求が到来すると、ステップＳ３９により該当するユーザについて得られた最新のセンサデータをセンサデータ記憶部１４１から読み出し、この読み出された最新のセンサデータを通信インタフェース１５から要求元の平常／非平常判定処理装置ＰＳ３へ送信する。平常／非平常判定処理装置ＰＳ３のＣＰＵ４１は、上記データベースサーバＤＳＶから送られた最新のセンサデータをステップＳ４０により通信インタフェース４５を介して受信し、データメモリ４４に一旦保存する。

次に、平常／非平常判定処理装置ＰＳ３のＣＰＵ４１は、ステップＳ４１において、上記最新のセンサデータに対し平常／非平常を判定する処理を実行する。図１６はその処理手順と処理内容を示すフローチャートである。

平常／非平常判定処理装置ＰＳ３のＣＰＵ４１は、先ず上記受信した時間分割最適化情報により表される分割パターン、つまり分割時間長及び分割開始時点に従い判定対象の時間区間を複数の分割区間ｊ(1,2,…,Ｎ_k )に分割する。次に、ステップＳ８１において、各分割区間ｊごとに当該区間に計測されたセンサデータをデータメモリ４４から読み出し、この読み出したセンサデータの区間内における平均値ｘを算出する。そして、ステップＳ８２において、上記算出された平均値ｘが、上記受信した判定閾値Ｔｈ_1j（＝Ｅ_j ＋σ_j） ，Ｔｈ_2j（＝Ｅ_j −σ_j ）に対し、
Ｅ_j ＋σ_j ＞ｘ＞Ｅ_j −σ_j
を満たしているか否かを判定する。

そして、この条件を満足していれば、上記時間区間ｊにおけるセンサデータを正常であるとステップＳ８３で判定する。これに対し上記条件を満足していなければ、上記時間区間ｊにおけるセンサデータを異常であるとステップＳ８４で判定する。そして、ステップＳ４２により、上記判定結果を表す通知情報を生成し、この生成された通知情報を通信インタフェース４５から該当するユーザの端末ＴＭ１〜ＴＭｎへ、例えば電子メールにより送信する。なお、この電子メールの送信は、ユーザ端末のアドレス情報をユーザＩＤに対応付けてデータメモリ４４に予め格納しておき、このデータメモリ４４から該当するユーザＩＤに対応するアドレス情報を読み出すことにより、行うことができる。
以上の平常／非平常判定処理は、利用登録されているすべてのユーザについてそれぞれ行われる。

以上述べたようにこの実施形態では、特定の周期で繰り返される判定対象の時間区間（例えば１日、１週間、１ヶ月、１年）を複数の分割区間に分割する際に、時間分割最適化処理装置ＰＳ１により、分割区間ごとのセンサデータの再現性に着目してこの再現性の評価値が最小となる分割パターン（分割開始点及び分割時間長）を最適な分割パターンとして選択し、この選択した分割パターンに従い上記判定対象の時間区間を時間分割するようにしている。また、判定閾値生成処理装置ＰＳ２において、上記最適な分割パターンにより分割された分割区間ごとに、そのセンサデータの平均値と分散値をもとに判定しきい値を生成して、この生成された判定閾値により上記各分割区間における最新のセンサデータが平常であるか非平常であるかを判定するようにしている。

したがって、ユーザ別に、特定の周期で繰り返される判定対象の時間区間に対する最適な分割開始点と分割時間区間長の選択が可能になり、これにより平常／非平常の判定が不可能な時間帯において平常／非平常の判定処理を行ってしまうことによる誤報の発生を減らすことができる。

なお、この発明は上記実施形態に限定されるものではない。例えば、判定閾値の生成手法及び平常／非平常の判定手法には、次のような各種他の手法が考えられる。すなわち、閾値生成のために参照する過去のセンサデータは、同じユーザのものでなくてもよく、また同じ時間区間から得たものでなくともよい。

また、閾値として用いる特徴量についても、センサデータの平均値及び分散値に限らない。例えば、過去に収集したセンサデータから生成した度数分布の尖度及び歪度を閾値の特徴量として用い、同じ時間区間において得た最新のセンサデータ度数分布の尖度及び歪度を、尖度及び歪度の閾値と比較して、その乖離度合いをもとに平常／非平常を判断する手法や、過去に収集したセンサデータから生成した度数分布と、同じ時間区間において得た最新のセンサデータの度数分布との差分を算出して、その大きさをもとに平常／非平常を判定する手法、さらには上述のような手法により各時間区間で過去のセンサデータとの乖離度を算出し、複数の時間区間の乖離度をもとに特定周期の平常／非平常を判断する手法等が考えられる。

さらに、前記実施形態では、特定周期で繰り返される区間を複数の区間に分割する場合を例にとって説明した。しかし、この発明に係わる時間分割最適化処理は、周期性のないユーザ行動区間に対しても適用することができる。周期性のないユーザ行動区間を特定する手段としては、ＧＰＳ等を用いた位置検出手段や加速度センサ、気圧計等により得られるセンサデータを用いるものと、ユーザのスケジュール情報を利用するものが考えられる。
このうち、センサデータはユーザの行動の変化に伴い変動することが考えられる。そこで、会議や食事、運動といったユーザの行動種別をスケジュール情報から取得し、この取得されたスケジュール情報に基づいてユーザの行動種別ごとにその行動区間を特定する。そして、この特定された行動区間を複数の分割区間に分割する際に、当該分割区間の時間長及び分割開始時点をパラメータとする複数の分割パターンの各々について、データベースサーバのセンサデータ記憶部に蓄積されたセンサデータをもとに当該センサデータの再現性を表す評価値を算出し、この算出された再現性を表す評価値が予め設定した条件を満たす分割パターンを、最適な分割パターンとして選択する。
なお、ユーザの行動履歴を高精度に表すセンサデータを取得できる場合には、このセンサデータのみをもとに行動区間を特定してもよいし、センサデータとスケジュール情報の両方をもとに行動区間を特定してもよい。

また、スケジュール情報をもとにユーザの行動種別ごとの行動区間を特定するための他の処理手段としては、次のようなものも考えられる。すなわち、取得されたスケジュール情報からユーザの行動種別を判定して、この行動種別を表すラベルを対応するセンサデータに付加し、このラベルをもとに同一の行動種別に該当するセンサデータを収集する。そして、この収集されたセンサデータに対してこの発明の時間分割最適化処理を施すようにしてもよい。このようにすると、ユーザの行動種別ごとにその行動開始から終わりまでの行動区間に対し最適な分割を行うことができる。

さらに、前記実施形態における時間分割最適化処理は、平常／非平常の判定に用いるセンサデータの特徴量の選択や重み付け等へも応用することができる。すなわち、評価する時間区間を固定し、センサデータの特徴量ごとに先に述べた式（１）を用いて評価を行うことで、ある時間区間における平常／非平常の判定に用いるセンサデータの最適な特徴量の選択、重み付けを行うことが可能になる。

さらに、前記実施形態では、データベースサーバＤＳＶ、時間分割最適化処理装置ＰＳ１、判定閾値生成処理装置ＰＳ２及び平常／非平常判定処理装置ＰＳ３を別々に設置し、これらの間を通信ネットワークＮＷを介して接続するようにした。しかし、これに限らず、時間分割最適化処理装置ＰＳ１、判定閾値生成処理装置ＰＳ２及び平常／非平常判定処理装置ＰＳ３を適宜統合したり、時間分割最適化処理、判定閾値生成処理及び平常／非平常判定処理の各機能をデータベースサーバＤＳＶに設けるように構成してもよい。

その他、データベースサーバＤＳＶ、時間分割最適化処理装置ＰＳ１、判定閾値生成処理装置ＰＳ２及び平常／非平常判定処理装置ＰＳ３の各構成と、時間分割最適化処理、判定閾値生成処理及び平常／非平常判定処理の各処理手順と処理内容等についても、この発明の要旨を逸脱しない範囲で種々変形して実施可能である。

要するにこの発明は、上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合せにより種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態に亘る構成要素を適宜組み合せてもよい。

ＤＳＶ…データサーバ、ＰＳ１…時間分割最適化処理装置、ＰＳ２…判定閾値生成処理装置、ＰＳ３…平常／非平常判定処理装置、ＮＷ…通信ネットワーク、Ｓ１〜Ｓｎ…センサ、ＴＭ１〜ＴＭｎ…ユーザ端末、１１，２１，３１，４１…ＣＰＵ、１２，２２，３２，４２…バス、１３，２３，３３，４３…プログラムメモリ、１４，２４，３４，４４…データメモリ、１５，２５，３５，４５…通信インタフェース、１３１…センサデータ管理プログラム、１３２…時間分割最適化情報管理プログラム、１３３…判定閾値管理プログラム、１４１…センサデータ記憶部、１４２…時間分割最適化情報記憶部、１４３…判定閾値記憶部、２３１…時間分割最適化処理プログラム、３３１…判定閾値生成処理プログラム、４３１…平常／非平常判定処理プログラム。

Claims (10)

1. 判定対象となる時間区間を複数の分割区間に分割し、これらの分割区間ごとに当該区間に得られるセンサデータをもとにユーザ又はその周囲の状態が平常であるか非平常であるかを判定する状態判定システムであって、
   前記ユーザ又はその周囲の状態を計測するセンサから当該計測結果を表すセンサデータを受信し、この受信されたセンサデータを蓄積する手段と、
   前記分割区間の時間長及び分割開始時点をパラメータとする複数の分割パターンの各々について、前記蓄積されたセンサデータをもとに当該センサデータのばらつき度合いを示す指標を算出し、この算出された指標が予め設定した条件を満たす分割パターンを最適な分割パターンとして選択する手段と、
   前記判定対象の時間区間を前記選択された最適分割パターンにより分割することにより設定される複数の分割区間の各々について、前記蓄積されたセンサデータをもとに前記状態を判定するための閾値を生成する手段と、
   前記最適分割パターンにより分割設定される分割区間ごとに、当該分割区間に対し生成された判定閾値と、当該分割区間に得られるセンサデータとに基づいて、前記ユーザ又はその周囲の状態が平常であるか非平常であるかを判定する手段と
   を具備することを特徴とする平常／非平常判定システム。
2. 判定対象となる時間区間を複数の分割区間に分割し、これらの分割区間ごとに当該区間に得られるセンサデータをもとにユーザ又はその周囲の状態が平常であるか非平常であるかを判定する状態判定システムであって、
   前記ユーザ又はその周囲の状態を計測するセンサから当該計測結果を表すセンサデータを受信し、この受信されたセンサデータを蓄積する手段と、
   前記ユーザの行動種別ごとにその行動区間を特定する手段と、
   前記特定された行動区間を複数の分割区間に分割する際に、当該分割区間の時間長及び分割開始時点をパラメータとする複数の分割パターンの各々について、前記蓄積されたセンサデータをもとに当該センサデータのばらつき度合いを示す指標を算出し、この算出された指標が予め設定した条件を満たす分割パターンを最適な分割パターンとして選択する手段と、
   前記特定された行動区間を前記選択された最適分割パターンにより分割することにより設定される複数の分割区間の各々について、前記蓄積されたセンサデータをもとに前記状態を判定するための閾値を生成する手段と、
   前記最適分割パターンにより分割設定される分割区間ごとに、当該分割区間に対し生成された判定閾値と、当該分割区間に得られるセンサデータとに基づいて、前記ユーザ又はその周囲の状態が平常であるか非平常であるかを判定する手段と
   を具備することを特徴とする平常／非平常判定システム。
3. 前記最適分割パターンを選択する手段は、
   複数の分割パターンにより分割設定される各分割区間ごとに、当該分割区間に得られた過去の複数のセンサデータをもとにその再現性を表す評価値を算出する手段と、
   前記分割区間ごとに算出されたセンサデータの再現性を表す評価値をもとに前記分割パターンごとの再現性評価値を算出する手段と、
   前記分割パターンごとに算出された再現性評価値を比較し、再現性評価値が最小となる分割パターンを最適な分割パターンとして選択する手段と
   を具備することを特徴とする請求項１又は２記載の平常／非平常判定システム。
4. 前記再現性を表す評価値を算出する手段は、
   前記分割区間ごとに、当該分割区間に得られた過去の複数のセンサデータの各々についてその平均値及び分散値を算出する手段と、
   前記センサデータの平均値及び分散値により表される二次元座標平面を定義し、前記センサデータごとに算出された平均値及び分散値により表される座標値を前記二次元座標平面上に配置する手段と、
   前記二次元座標平面上において前記各センサデータの座標値の重心点を算出して、この算出された重心点から前記各センサデータの座標値までの距離の平均値を算出し、この算出された距離の平均値を当該分割区間におけるセンサデータの再現性を表す評価値とする手段と
   を有することを特徴とする請求項３記載の平常／非平常判定システム。
5. 前記行動区間を特定する手段は、ユーザの時間帯ごとの行動種別を表すスケジュール情報と、前記受信されたユーザのセンサデータのうちの少なくとも一方に基づいて、前記ユーザの行動種別ごとの行動区間を特定することを特徴とする請求項２記載の平常／非平常判定システム。
6. 判定対象となる時間区間を複数の分割区間に分割し、これらの分割区間ごとに当該区間に得られるセンサデータをもとにユーザ又はその周囲の状態が平常であるか非平常であるかを判定する平常／非平常判定方法であって、
   前記ユーザ又はその周囲の状態を計測するセンサから当該計測結果を表すセンサデータを受信し、この受信されたセンサデータを蓄積する過程と、
   前記分割区間の時間長及び分割開始時点をパラメータとする複数の分割パターンの各々について、前記蓄積されたセンサデータをもとに当該センサデータのばらつき度合いを示す指標を算出し、この算出された指標が予め設定した条件を満たす分割パターンを最適な分割パターンとして選択する過程と、
   前記判定対象の時間区間を前記選択された最適分割パターンにより分割することにより設定される複数の分割区間の各々について、前記蓄積されたセンサデータをもとに前記状態を判定するための閾値を決定する過程と、
   前記最適分割パターンにより分割設定される分割区間ごとに、当該区間に得られるセンサデータをもとに前記ユーザ又はその周囲の状態が平常であるか非平常であるかを、前記決定された閾値に基づいて判定する過程と
   を具備することを特徴とする平常／非平常判定方法。
7. 判定対象となる時間区間を複数の分割区間に分割し、これらの分割区間ごとに当該区間に得られるセンサデータをもとにユーザ又はその周囲の状態が平常であるか非平常であるかを判定する平常／非平常判定方法であって、
   前記ユーザ又はその周囲の状態を計測するセンサから当該計測結果を表すセンサデータを受信し、この受信されたセンサデータを蓄積する過程と、
   前記ユーザの行動種別ごとにその行動区間を特定する過程と、
   前記特定された行動区間を複数の分割区間に分割する際に、当該分割区間の時間長及び分割開始時点をパラメータとする複数の分割パターンの各々について、前記蓄積されたセンサデータをもとに当該センサデータのばらつき度合いを示す指標を算出し、この算出された指標が予め設定した条件を満たす分割パターンを最適な分割パターンとして選択する過程と、
   前記特定された行動区間を前記選択された最適分割パターンにより分割することにより設定される複数の分割区間の各々について、前記蓄積されたセンサデータをもとに前記状態を判定するための閾値を決定する過程と、
   前記最適分割パターンにより分割設定される分割区間ごとに、当該区間に得られるセンサデータをもとに前記ユーザ又はその周囲の状態が平常であるか非平常であるかを、前記決定された閾値に基づいて判定する過程と
   を具備することを特徴とする平常／非平常判定方法。
8. 前記最適分割パターンを選択する過程は、
   複数の分割パターンにより分割設定される各分割区間ごとに、当該分割区間に得られた過去の複数のセンサデータをもとにその再現性を表す評価値を算出する過程と、
   前記分割区間ごとに算出されたセンサデータの再現性を表す評価値をもとに前記分割パターンごとの再現性評価値を算出する過程と、
   前記分割パターンごとに算出された再現性評価値を比較し、再現性評価値が最小となる分割パターンを最適な分割パターンとして選択する過程と
   を具備することを特徴とする請求項６又は７記載の平常／非平常判定方法。
9. 前記再現性を表す評価値を算出する過程は、
   前記分割区間ごとに、当該分割区間に得られた過去の複数のセンサデータの各々についてその平均値及び分散値を算出する過程と、
   前記センサデータの平均値及び分散値により表される二次元座標平面を定義し、前記センサデータごとに算出された平均値及び分散値により表される座標値を前記二次元座標平面上に配置する過程と、
   前記二次元座標平面上において前記各センサデータの座標値の重心点を算出して、この算出された重心点から前記各センサデータの座標値までの距離の平均値を算出し、この算出された距離の平均値を当該分割区間におけるセンサデータの再現性を表す評価値とする過程と
   を有することを特徴とする請求項８記載の平常／非平常判定方法。
10. 請求項１乃至請求項５記載の平常／非平常判定装置が具備する手段に係わる処理をコンピュータに実行させることを特徴とする平常／非平常判定プログラム。

Images