JP5216140B2 - 行動提案装置、及びその方法 - Google Patents

Description

本発明は、人の身体に装着可能で、生体情報や行動状態を計測するセンサ端末の情報から、人の行動を推定して生活の特徴を示し、その改善手段を提示する技術に関する。

現代の夜型生活や睡眠不足等の生活リズムの乱れは、生活習慣病等の要因となることが指摘されている。一方で、人の動きや歩数などを計測する歩数計や活動量計などが一般的にも認知されるようになった。非特許文献１で紹介されているように、Ｍｏｔｅ（登録商標）と呼ばれる、センサ、無線、マイコン等を搭載した小型のセンサノードも実用化段階にある。このセンサノードでは、センシングや無線通信が必要なタイミングでのみ起動し、それ以外では電源を切って消費電力を削減する間欠動作により、小型の内蔵電池で長時間動作しながら、直径３ｃｍと小型であり、人が身に付けることも容易である。従って、日常生活において、人の生活の中の活動や睡眠等の周期、つまり生活リズムの情報を容易に収集することが可能になった。

特許文献1では、個人のカロリー消費量や心拍、体温、睡眠深度、フィットネスクラブや病院の記録等の入力によって得られる生活リズムと、体重やその他健康に関わる生体情報を同時に報知（表示）することによって、生体情報の良否の原因を認識させる手段を開示している。

特許文献２では、人が海外などへ高速で長距離を移動した場合において、加速度センサや環境光センサから人の生活リズム（生体リズム）と昼夜のリズムのずれを検知して、時差ぼけを補正するように生体への刺激光を発する手段を開示している。

特開平９−１０３４１３号公報 特開平１０−６８７８７号公報

「無線センサネットワークＭＯＴＥ−２００７」カタログ、クロスボー株式会社、「平成１９年５月１日検索」、インターネット＜ＵＲＬ：http://www.xbow.jp/mote2dot.pdf＞

非特許文献１に示されるようなセンサで動きや歩数を測定しても、複数のセンサを24時間常時身に付けるということは困難であり、歩数計のように腰や、腕時計のように腕に見つけるものが実用化されている。しかしながら、単一のセンサから得られた情報だけでは、睡眠時間や歩数、運動量等の値しか定量的に評価しておらず、効果的に生活改善を促すことが困難であった。例えばダイエットにおいては、ただ毎日の歩数を増やしただけでは効果的に減量できるとは限らない。

特許文献１では、複数の生活リズムの指標と、体重などの生体情報を同時に表示して、ユーザに生活改善につながる情報を提示しているが、各個人に適した具体的な改善方法を提示する手段は開示していない。

また、特許文献2においても、時差ぼけに関わる睡眠リズムの補正手段を開示しているが、その他の生体情報から得られる健康指標等を改善する手段を開示していない。

本発明の目的は、睡眠時間や歩数、運動量等の生体情報に基づき、人の行動を推定し、その健康指標等を改善する手段を提示する行動提案装置、及びその方法を提供することにある。

上記の目的を達成するため、本発明においては、処理部と記憶部と備え、個人の生体情報に基づき個人に行動提案を行う行動提案装置として、処理部が、個人の生態情報を収集し、収集した生体情報に基づき、個人の行動を判別して行動要素データを抽出し、所定期間のこの行動要素データから、個人の習慣行動データを生成し、これら行動要素データと習慣行動データと、個人が予め設定した目標指標データとに基づき、個人の行動指針を生成し、生成した行動指針に基づき、個人の行動提案を行う行動提案装置及び方法を提供する。
また、本発明の行動提案装置として、行動指針及び行動提案を表示する表示部を更に備える行動提案装置及び方法を提供する。
更に、本発明の行動提案装置は、処理部が、複数の所定期間の習慣行動データと目標指標データとの相関分析を行い、その相関分析結果で相関性が高い習慣行動データを、行動指針に付加して表示部に表示する行動提案装置及び方法を提供する。

すなわち、上記の目的を達成するため、本発明の好適な態様において、加速度センサ等の情報入力手段によって得られる数週間から数ヶ月の長期間にわたる人の生体情報や行動履歴から、同じ時刻帯で、同じ特徴を有する生体情報を一種の習慣的な行動として分類し、習慣的な行動の時刻や時間の長さや遷移関係などの習慣行動データと、ユーザが改善を求める体重、ストレス、生活満足度、業務効率等の目標指標データとの相関性を算出し、ユーザの主な行動を時系列で表示すると同時に、目標指標を改善するのに最適な行動の時刻や時間の長さを行動提案として表示装置に提示する。また、その最適な行動の時刻や時間の長さを実現するためのより具体的な行動例やコメントを、過去に自らが入力して記録した行動履歴や、他人の入力した行動履歴をも活用して生成、提示する。

本発明によれば、ユーザは一定期間の自らの生活パターンや行動内容を、行動の特徴や時刻帯と時間の長さ等の表示、及びそれらの組み合わせから容易に想起できるのと同時に、目標とする指標の改善を達成するのに最適な行動の改善方法を知ることができる。さらに、提示された最適な行動が実行できているかの進捗状況についてフィードバックを受けて、行動を修正することができる。

第１の実施例に係わる、行動指針、及び行動提案を生成するシステムのブロック図である。 第１の実施例に係わるシステムのデータベースを更新するためのプログラムの構成を示すブロック図である。 第１の実施例に係わるシステムのセンサデータを格納するデータベースの構成例を示す図である。 第１の実施例に係わるシステムの運動量を算出する方法を説明する図である。 第１の実施例に係わるシステムの運動量や歩数を格納するデータベースの構成例を示す図である。 第１の実施例に係わるシステムの、センサデータから行動を判別するための条件を格納する行動定義データベースの構成例を示す図である。 第１の実施例に係わるシステムの、センサデータから判別した行動である行動要素を格納するデータベースの構成例を示す図である。 第１の実施例に係わるシステムの、毎日の類似した行動を分類した習慣行動を生成する過程と、表示例を示す図である。 第１の実施例に係わるシステムの、毎日の類似した行動を分類した習慣行動を格納するデータベースの構成例を示す図である。 第１の実施例に係わるシステムの、ユーザが入力した行動履歴を格納するデータベースの構成例を示す図である。 第１の実施例に係わるシステムの習慣行動表示画面の一例を示す図である。 第１の実施例に係わるシステムで解析された、あるユーザの目標指標（仕事効率）と、午前の安静時間の相関を示すプロット図である。 第１の実施例に係わるシステムの行動指針表示画面の一例を示す図である。 第１の実施例に係わるシステムの行動提案表示画面の例を示す図である。 第１の実施例に係わるシステムの行動履歴入力画面の例を示す図である。 第１の実施例に係わるシステムの行動判別処理の詳細を示すフローチャートを示す図である。 第１の実施例に係わるシステムの行動指針生成処理の詳細を示すフローチャートを示す図である。 第１の実施例に係わるシステムのセンサノードのブロック図である。 第１の実施例に係わるシステムのセンサノードの外観図である。 第１の実施例に係わるセンサノードの画面表示例を示す図である。 第１の実施例に係わるセンサノードのイベント入力操作の例を示す図である。 第２の実施例に係わる、サーバで解析を行うシステム構成のブロック図である。 第３の実施例に係わる、サーバで解析を行い、パソコン(Personal Computer：ＰＣ)のブラウザで結果を閲覧するシステム構成のブロック図である。 各実施例におけるＰＣやサーバの内部構成の一例を示すブロック図である。 各実施例における行動提案プログラムの処理のフローチャートの一例を示す図である。

以下、図面に従い、本発明の実施例を説明する。なお、本明細書において、ＰＣやサーバ等のコンピュータの処理部で実行処理されるプログラムを「部」や「手段」と表現する場合がある。例えば、「行動指針生成プログラム」を「行動指針生成部」や「行動指針生成手段」と呼ぶなどである。

図１は第1の実施例の行動指針、及び行動提案を生成するシステムの主要な構成を示す図である。本システム構成においては、ユーザ８が身に付けたセンサノード１の測定したデータであるセンサ情報を受信して、ユーザ８が日々向上させることを目標とする指標、例えば仕事の効率や成果、満足度を表す指標を改善する方法を提案するため、過去の目標指標データ３１０と、センサデータから判別した過去の行動を記録した行動要素データ３００を分析して改善指針を算出し、表示装置３などの出力装置に出力することを特徴とする。

後で説明するように、センサノード１は人が身に付けるのに適した形状、例えば腕時計型のセンサ端末であり、脈、動きなどの人の情報（以下、生体情報）を測定し、センサデータとして無線で送信する。記録して残しておきたい特別な出来事や、何かの行動の時刻を残しておきたい場合に、ボタン操作で液晶表示デバイス（Liquid Crystal Device：ＬＣＤ）に表示されるアイコンを選択し、イベント情報として、イベント種類と時刻を記録する機能を備える。これは、後から行動内容を入力する手間を省くだけでなく、正確な内容や時刻を忘れることも防止することができる。また、測定したデータを内部に記録する不揮発メモリ等の記憶部を備える。またセンサノード１はそれぞれ固有な識別ＩＤであるマック(Media Access Control：ＭＡＣ)アドレスが割り当てられて記憶している。また、ひとつの基地局６で構成するネットワーク内でのみ固有な識別ＩＤ（ショートアドレス）も記憶可能である。これらのアドレスをデータに付加して無線送信することで、どのセンサノード１から送信されたデータなのか識別することができる。

基地局６は、アンテナ７から無線の電波を受信して、センサ端末から送信されたセンサデータの内容を接続されたＰＣ２からの要求に従って送信する。また、基地局６はひとつの無線ネットワークを構成する際に、センサノード１との間で通信してアソシエーションと呼ばれるネットワーク加入の手続きを通信して行い、ＭＡＣアドレス１つに対し、１つのショートアドレスを割り振る。基地局６は、ＭＡＣアドレスとショートアドレスの対応表を、内部のメモリに保持し、センサノード１から受信したデータに付加されているアドレスをすべてＭＡＣアドレスに変換して、パーソナルコンピュータ（Personal Computer：ＰＣ）２に送信する。この結果、ＰＣ２では受信したデータの発信元であるセンサノード１を容易に識別することができる。

ＰＣ２は、例えば、図２４に示す通常のコンピュータ構成を有している。すなわち、図２４において、２４０１で示すＰＣは内部バス２４０６を介して、処理部である中央処理部(Central Processing Unit：ＣＰＵ)２４０３、記憶部である主記憶部２４０４、補助記憶部２４０５、更にはインターネット９などのネットワークや、センサデータ１のデータをＰＣに取り込むために必要な基地局６と接続するユーエスビー（Universal Serial Bus：ＵＳＢ）等のインターフェースとなるネットワークデバイスが相互に接続される。また、図１に示すＬＣＤなどのディスプレイである表示装置３や、キーボードやマウスなどの入力装置４が適当なインターフェースにより接続されている。

このＰＣ２には、基地局６からのセンサデータを受信してデータベースに格納するセンサデータ受信プログラム２２０など、ＣＰＵで実行される各種プログラムと、センサノード１で測定したデータであるセンサデータ２８０や、このセンサデータ２８０をもとに人の行動、例えば睡眠、歩行、安静、運動等の判別をするのに必要な閾値等の定義である行動定義データ２９０などの各種データが記憶部に記憶される。
更に、ＰＣ２には、行動定義データ２９０を用いてセンサデータ２８０を時系列で読み出して比較し、行動を判別し、データベースに格納する行動判別プログラム２３０、行動判別を簡単にするためにセンサデータから算出する中間データである運動量、歩数データ３２０、行動判別プログラム２３０で判別した個別の行動、行動要素を格納するデータベースである行動要素データ３００、行動要素の中で同じ時間帯で同じ行動定義の行動要素をグループ分けした習慣行動データ３３０、ユーザ８が改善したいと望んでいる指標を格納するデータベースである目標指標データ３１０、過去の行動要素データ３００と目標指標データ３１０の変化を分析して、過去の行動からどのように生活の行動を変えるべきか、例えば時刻の早い遅いや時間が長い遅い、という情報を生成して表示部である表示装置３に表示する行動指針生成プログラム２４０、行動指針生成プログラム２４０にて生成された行動指針の結果である行動指針データから、その行動指針と合致する過去の自分、或いは他人の具体的な行動履歴をデータベースから検索して表示装置３に表示する行動提案プログラム２５０、ユーザ８が入力装置４を用いて入力した日記のような行動履歴やコメントをデータベースに格納する行動履歴入力プログラム２１０、ユーザ８が自ら入力した行動履歴やコメントを格納したデータベースである行動履歴データ２７０、ＰＣ２に格納されたデータベースを、イントラネットやインターネットなどのネットワークを介して、他のサーバ等のコンピュータからデータを受信して更新するための個人データ更新プログラム２６０を備える。
一方、サーバ５は、イントラネット、またはインターネット等のネットワーク９を介してＰＣ２と接続されており、図２４に示すような通常のコンピュータ構成の処理部や記憶部を有し、その記憶部に行動定義データ５０６と目標指標データ５１０と行動履歴データ５１１を備える。行動定義データ５０６と目標指標データ５１０は、ＰＣ２の行動定義データ２９０、目標指標データ３１０と同じであるか、より新しい内容である。例えば、別のセンサなどで計測された目標指標のスコアが直接は行動指標データ３１０に追加できない場合に、一度サーバ５の目標指標データ５１０に格納され、それをＰＣ２にコピーして更新することができる。また、行動定義データ５０６の内容を追加した場合に、サーバ５のデータをそれぞれのユーザが行動定義データ２９０にコピーすることで、更新作業を容易にすることができる。

ＰＣ２内のセンサデータ受信プログラム２２０は、処理部のプログラム処理により、生体情報受信部として機能し、まずＰＣ２に接続された基地局６とのインターフェースを、専用のドライバソフト等を介して認識する。そして、センサデータ受信プログラム２２０はＰＣ２を使用している1人のユーザ８、或いは複数のユーザと、それぞれのユーザが身に付けているセンサノード１を対応させて識別するための書き換え可能なＩＤ表を保持している。従って、受信したデータに、ユーザ８を識別するＩＤ、或いは名前を付加して、センサデータ２８０にこのユーザの生体情報として格納することができる。また、センサノード１にキー操作、又はボタン操作の入力手段を備える場合、ユーザ８が自らの行動や出来事、つまりイベント情報を忘れず記録するためには、センサノード１を操作して入力し、センサデータと同様に受信することが効率的である。この場合、センサデータ受信プログラム２２０は受信したイベント情報を行動履歴データ２７０に格納する。

さて、図１の行動判別プログラム２３０は、処理部におけるプログラム処理により、行動定義データ２９０に格納されている行動定義名と、それに対応する閾値等の判定・検出条件のリストを用いて、センサデータ２８０のデータを時系列に比較していく。その結果、判定・検出条件に合致するものをひとつの行動要素として、その行動名、またはその行動の識別ＩＤと時刻、時間情報を行動要素データ３００に格納する。これにより、センサデータ２８０は加速度センサ等で測定した波形データの集合体に過ぎないが、波形データを行動という形で人がみて理解できる情報に変換することができる。また、それと同時に時刻、時間という情報を行動に付加することができるようになる。つまり、行動とそれに付随する時刻、時間という数値情報を、長期間にわたって記録していくことにより、行動の変化、その変遷を定量評価することが実現できる。

目標指標データ３１０は、ユーザ８が改善したいと望む指標を、長期間にわたって記録する。例えば、人が毎日の生活の中で、仕事の効率や生活の満足度を改善したいと望む場合に、どのような行動をとれば良いのか、どのような生活をすればよいのかということが問題となる。仕事の効率や満足度という観点では、仕事の成績、目標達成度、客観評価、主観評価等が利用できると考えられる。しかしながら、成績や目標達成度とした場合には、仕事の業種によっては結果が出る周期が数ヶ月や半年に一回となってしまう場合があり、分析に必要な十分なデータが得られず、また毎日の細かな変化を捉えられないことが問題になる。客観評価に関しても、他人に毎日のように評価を求めるのは長期的にみると容易ではない。
そこで、主観評価、例えばアンケートを毎日や数時間に一回程度回答して、結果を得るのが最も簡便に実現できる。この結果であるスコアを目標指標データとすることができる。また、センサノード１のデータを利用して、主観評価のスコアを推測することも可能である。これは適用するセンサや、評価内容によっても異なるが、重回帰分析などの公知の手法を用いて予測式を生成することで可能となる。この予測結果も目標指標データ３１０として適用できる。目標指標データ３１０はこのような仕事や生活の満足度といったスコアには限定されない。例えば、目標指標を体重や血圧などの生体情報の測定結果とすることもできる。行動指標データ３１０を体重とした場合においては、ダイエットのための生活改善をサポートすることができるようになる。これは、健康診断などで得られるような、他の健康指標においても同様のヘルスケア目的に応用することが可能になる。

行動指針生成プログラム２４０は、処理部でのプログラム処理により、行動要素データ３００と目標指標データ３１０の時系列変化と、相関関係について分析して行動指針を生成する。この行動指針は行動要素の行動定義ＩＤ、日時、時間長さ等からなる行動指針データとして、図示を省略した記憶部に保持される。最も簡単な手法を適用するならば、ある行動の時刻が早いとき（例えば出勤時刻が早い場合）に、目標指標データ５１０の仕事の満足度スコアがいつもあがるのであれば、その行動の時刻を常に早くすべきであるという行動指針を導き出すことができる。このような２つの値の相関性を導く分析手法としては、ピアソンの積率相関係数などが一般的によく知られているが、これらの公知の相関分析手法を適用することができる。また、本分析を行う際には、行動要素データ３００から、日や週を超えて同じ行動というのを認識する必要がある。本手法では、例えば、朝夕の通勤、定例会議、昼食、夜のジョギング、睡眠などの習慣行動、習慣ではないイベント行動などを識別して、その日々の時間変化を評価することに基づいている。このような複数日の中で、同じ時間帯の、同じ行動定義の行動要素をグループ分けし、そのひとつのグループを習慣行動とする。この習慣行動には、複数の行動要素が含まれるため、それらの時刻や時間を用いて、相関分析などの定量評価ができる。

行動履歴入力プログラム２１０は、処理部のプログラム処理により、ユーザが簡便に過去や現在の行動内容を、入力装置４を介して入力するためのユーザインタフェースを表示装置３に表示し、入力された内容を行動履歴として、行動履歴データ２７０に記録する。ここで、行動履歴入力プログラム２１０はセンサデータ２８０や行動要素データ３００を参照して表示することで、ユーザ８に過去の行動内容を想起させ、ユーザ８の入力を補助することができる。また、行動履歴入力プログラム２１０は、入力された行動内容をネットワーク９を介して接続されたサーバ５に送信して、同様にデータベースである行動履歴データ５１１に格納することができる。これにより、データのバックアップや、複数端末からの入力を可能にするだけでなく、他のユーザが生活改善の知見として、サーバ５の行動履歴データ５１１を活用できる。行動指針生成プログラム２４０では、導き出した指針を表示装置３に表示し、ユーザ８に通知することで、ユーザ８の生活改善を促すことができる。また、ユーザ８は入力した行動内容をサーバ５に送信するか否かを選択することが可能とすることにより、プライバシーを確保できる。

行動提案プログラム２５０は、処理部のプログラム処理より、行動指針生成プログラム２４０と連携して、生成され保持された行動指針データを受け取り、行動指針の内容である、行動定義、時刻、時間から過去の行動履歴データ２７０を検索して合致する行動内容を表示装置３に表示する。ユーザ８は自らの過去の行動を知見として、生活改善の具体策を認識することができる。また、行動提案プログラム２５０は、サーバ５の行動履歴データ５１１、つまり他のユーザの行動履歴を参照することもできる。これにより、自らの過去の行動から有効な知見が得られない場合もあるので、他人の行動に学び、生活改善を促すことができる。

図２５は、図１のＰＣ２の処理部で実行される行動提案プログラム２５０の処理をフローチャートで詳細に示しており、行動指針生成プログラム２４０で生成された行動指針データと、行動履歴データ２７０、及びサーバ５の行動履歴データ５１１から目標指針を達成するために、より具体的な行動提案を生成する処理の好適な例を示している。

行動指針生成プログラム２４０が完了して、行動指針データが生成保持されると行動提案プログラム２５０は、処理２５１で行動提案処理を開始する。

処理２５２では、行動指針生成プログラム２４０で生成した行動指針データを読み出す。読み出す行動指針データは、目標指標の達成に寄与率の高い習慣行動に含まれる行動要素の、行動定義ＩＤ３０２、日時３０３、時間長さ３０６である。

処理２５３では、処理２５２で読み出した行動指針データの行動要素の行動定義ＩＤ３０２、日時３０３、時間長さ３０６と一致するユーザ８の過去の行動内容を、行動履歴データ２７０から検索して、読み出す。また、ＰＣ２がサーバ５にネットワーク９を介して接続され、行動履歴データ５１１を読み出し可能な場合、重複しない行動履歴あれば読み出す。

処理２５４では、処理２５３と同様にＰＣ２がサーバ５にネットワーク９を介して接続され、行動履歴データ５１１を読み出し可能で、ユーザ８以外のユーザが入力した行動履歴がある場合、行動指針データの行動要素の行動定義ＩＤ３０２、日時３０３、時間長さ３０６と一致する行動履歴を読み出す。

処理２５５では、処理２５３、処理２５４で読み出した行動履歴を、例えば図１４に示す行動指針表示画面４３１に示すように、ユーザ８の行動履歴は行動提案表示４３２に、ユーザ８以外のユーザの行動履歴は行動提案表示４３３に分けて表示する。行動提案表示４３２、行動提案表示４３３に表示する順序は、目標指標が改善した順に並べ替える。この場合、表示装置３の画面サイズによってはすべて表示することができないため、並べ替えた順に表示する。また、すべて表示して画面にスクロール操作のユーザインタフェースを加える。 次に図２は、ＰＣ２の個人データ更新プログラム２６０について詳細に示したブロック図である。個人データ更新プログラム２６０は、行動定義生成プログラム２６１、行動評価プログラム２６２，行動定義更新プログラム２６３、目標指標更新プログラム２６４から構成される。

同図において、行動定義生成プログラム２６１は、行動履歴データ２７０とセンサデータ２８０を参照して、行動定義データ２９０を修正、或いは新たな定義を追加できる。行動定義データ２９０に格納されている閾値等の初期値は、ユーザ８が誰であっても共通して当てはまるように設定される。しかしながら、動き等のセンサデータから人の行動を推測する場合、精度を高めようとすると個人差が問題となる。そこで実際の行動内容である行動履歴データ２７０をもとに、対応するセンサデータ２８０を検索して参照し、高い確率で判別可能な新しい判定条件を生成して、行動定義データ２９０ｂに追加することができる。また、同様の手法にて初期状態では行動定義データ２９０には存在しない行動定義を追加することもできる。

行動評価プログラム２６２は、センサデータ２８０をもとに、目標指標データ３１０を生成するプログラムである。前記の通り、目標指標データ３１０を仕事の満足度等に関する主観評価とした場合には、重回帰分析等の手法により、主観評価の結果を、センサデータ２８０をもとに算出する近似式を生成することができる。行動評価プログラム２６２は、最も簡単な実装方法では、この主観評価の近似式によって、目標指標データ３１０を生成するものである。

行動定義更新プログラム２６３は、サーバ５と通信して行動定義データ５０６を読み出して、ＰＣ２の行動定義データ２９０を更新するプログラムである。このとき、行動定義データ２９０の中でも、行動定義生成プログラム２６１によって、修正、生成された項目については上書きしない。つまり、個人毎に合わせた判定条件はそのまま残しながら、全体で共通の判定条件は最新の内容を反映することができる。

同様に目標指標更新プログラム２６４は、サーバ５の目標指標データ５１０を読み出して、目標指標データ３１０に追加するプログラムである。サーバ５に別のセンサや、アンケート等の集計結果が格納される場合、最新のデータをＰＣ２に反映させることができる。

図３はセンサデータ２８０の構成例であり、３軸加速度センサによって５０ミリ秒間隔で測定したデータを格納した場合について示している。加速度のデータから人の行動や、特に歩数なども正確に識別するには、１秒間に１０回以上の測定が適している。日時２８１にはセンサが測定した際の、センサノード１における時刻を示している。加速度ｘ２８２、加速度ｙ２８３、加速度ｚ２８４はそれぞれ３軸の加速度測定値を示している。加速度センサの出力のデジタル値、または、加速度センサの出力のアナログ値をＡＤ変換したデジタル値の分解能が８ビットである場合、値の範囲は０〜２５５になる。加速度センサの測定範囲が±３Ｇ〜±５Ｇ程度であれば、人の動きを識別するのに十分である。温度２８５はセンサノード１で測定した温度を示している。脈波２８６は、センサノード１に、光学式等の脈拍センサを備えている場合にのみ、脈波形の出力値を格納する。

図４は、加速度のセンサデータから、波形が振れた量を示すゼロクロス回数の算出方法を示している。ゼロクロス回数は、動きの量と比例するため、運動量と見なすことができる。また、この運動量のレベルから、睡眠や運動、デスクワーク等の大まかな行動を判別することができる。最も簡単に上述のゼロクロス回数を求める方法としては、３軸の加速度を、１軸のスカラー値に変換することである。姿勢などを考慮しない場合は、スカラー値のみで運動量を推定できる。このとき、人の動きとは無関係な雑音成分を除去するために、バンドパスフィルタをかけることが好適である。また、細かな動きの検出を抑制したい場合には、閾値を設定するのが好適である。例えば、図４では、０．０３Ｇと加速度スカラー値１１が交差した点１２のみを検出してカウントしており、運動量から人の行動を推定する際に、実際のデータを踏まえ、最も適した閾値である。

図５は、センサデータ２８０から算出した運動量、および歩数のデータを格納する運動量、歩数データ３２０の構成例を示している。運動量データは、行動判別プログラム２３０にて生成される中間データであり、本データと行動定義データ２９０の判定条件を比較することで、定義や処理を容易にする。運動量の算出方法は図４に示した通りである。ひとつの値の時間範囲は、認識したい行動の最小時間範囲になるが、１日の行動で想起可能な行動単位を想定すると、１分〜５分程度が好適である。日時３２１は、示す値から１分間に対応したデータが、同行に格納されていることを示す。運動量２３２は、図４の方法で算出した値を格納する。歩数３２３は、最も簡単な方法を示せば、加速度のスカラー波形に対し、自己相関などの公知の手法で周期性を検出し、検出された周期の連続数から歩数を算出することができる。

図６は行動定義データ２９０の構成例を示している。行動定義データ２９０は、複数の行動を分類する判定条件を格納しており、後から追加、修正などで高精度化や、個人差への対応が可能である。運動量、歩数データ３２０に対して判別することで、処理や条件の設定が容易になる。行動定義ＩＤ２９１は、定義される行動に固有の識別ＩＤである。行動定義名２９２は同行に格納される条件で判別される行動の名前を示している。判別条件２９３には複数の条件、閾値を格納することができる。例えば、運動量や歩数に関する定義のみならず、その他の検出条件も指定することができ、行動判別プログラム２３０では、それぞれの条件に対し、論理和（あるいは論理積でも設定可）にて判別処理をする。判別された１つの行動単位を行動要素と呼ぶ。以下に判別条件の構成例を示す。運動量２９４は運動量、歩数データ３２０に格納される運動量３２２に対応する条件を示している。歩数２９５は歩数３２３に対応する条件を示す。連続時間２９６は、運動量２９４や歩数２９５の条件にどれだけの時間合致していれば、判別とするかを示す。つまり、ある一定時間継続した場合にのみ合致させることがでる。これは動きの少ない安静時間が１分程度と短ければ特徴的な行動と捉えられないが、１０分程度安静にしている場合には、特徴的な行動として想起される可能性が高いからである。

図７は、行動判別プログラム２３０によって判別された行動を格納している行動要素データ３００を示す。行動要素ＩＮＤＥＸ３０１は、すべての行動要素に対し固有な識別ＩＤである。行動定義ＩＤ３０２は判別した条件に対応する行動定義ＩＤ２９１を格納する。日時３０３は、行動要素の存在する日付と時間を示しており、開始日時３０４と、終了日時３０５を含む。時間長さ３０６は、行動要素の継続時間であり、終了日時３０５と開始日時３０４の差分である。上記のように、行動要素は、運動量のレベルや歩数と、日時（時刻）によって特徴付けられ、ユーザ８が後から見て、実際の記憶を想起可能とする。また、これらの時間を後述のように、長期的に分析して、定量的な評価を行うことを可能とする。

図８は本実施例における行動指針生成プログラム２４０で、長期的な行動の評価、つまり人の習慣的な行動について定量的な評価を行う手法を示している。行動要素データ３００に対し、近隣の時刻、及び同じ行動定義であれば、類似の行動としてグループ分けする。これは、複数日に跨って類似の行動であるため、習慣行動、あるいは生活リズムと呼ぶことができる。図８は１週間の行動要素データ３００を解析した例を示す。図８の例では、近隣の時刻で、同じ行動定義のグループ６０１〜６０７を分類した。このときの近隣とは前後１時間程度の範囲で処理している。
次に、それぞれのグループを習慣行動６０８〜６１５として遷移図状に表現する。また、習慣行動６０８〜６１５を構成する行動要素の前後関係から、習慣行動の遷移関係を知ることができる。この遷移関係をもとに、習慣行動６０８〜６１５に矢印を付加することができ、生活のパターンを認識しやすくする。また、それぞれの遷移回数から、遷移確率を算出することができるため、特徴的な行動の遷移パターンを知ることもできる。習慣行動６０８〜６１５は円などの図形で表現し、大きさでぞれぞれの行動の時間の長さを示す。習慣行動の時間長さとは、習慣行動を構成する行動要素の時間長さを平均して容易に算出可能である。また、それぞれの習慣行動を表現する位置は構成する行動要素の中心点、行動要素の３を例にすれば時刻６１６となる。上記表現によって、人が見て、色や前後関係から実際の行動を想起できるだけでなく、それぞれの習慣行動について、構成する行動要素の時間変化を定量的に評価できるようになる。

図９は、図８の習慣行動６０８〜６１５を例に、行同じ時間帯で同じ行動定義の行動要素をグループ分けした習慣行動データ３３０の構成例を示す。行動指針生成プログラム２４０では、習慣行動データ３３０をもとに、それぞれの習慣行動を構成する行動要素の時間について、目標指数データ３１０との相関分析を行う。習慣行動ＩＮＤＥＸ３３１は、それぞれの習慣行動について固有な識別番号である。行動定義ＩＤ３３２は、習慣行動を構成する行動要素に共通な行動定義ＩＤを示す。開始時刻３３３と終了時刻３３４は、習慣行動を構成する行動要素の平均の開始、終了時刻である。これをもとに習慣行動の表示位置を変える。時間長さ３３５は終了時刻３３４と開始時刻３３３の差分である。
行動要素ＩＮＤＥＸ３３６は、習慣行動を構成している行動要素のＩＮＤＥＸである。つまり、この行動要素ＩＮＤＥＸ３３６から行動要素データ３００を検索することで、習慣行動を構成する行動要素のすべての情報を読み出すことができる。この読み出した時間情報をもとに、目標指数データ３１０と相関分析を行う。遷移元ＩＮＤＥＸ３３７は、習慣行動の遷移関係を知るのに必要な情報である。この遷移元ＩＮＤＥＸ３３７に基づいて、習慣行動を表示する際に矢印を結ぶことができる。また、遷移回数３３８はそれぞれの遷移元から遷移した回数をカウントしたものであり、遷移回数３３８をもとに遷移確率を知ることができる。

図１０は、行動履歴データ２７０の構成例を示している。行動履歴データ２７０は、ユーザ８が行動履歴入力プログラム２１０を介して、入力した結果を格納する。また、センサノード１でユーザ８がボタン操作によって入力したイベント情報も格納する。開始日時２７２と終了日時２７３によって、行動の期間を示す。行動内容２７４は、ユーザ８が直接、入力装置４を利用して入力した内容、もしくは複数の候補から選択した内容を格納する。ユーザ８が自ら入力したデータを残すことで、行動定義データ２９０の修正や追加に利用でき、また入力内容を利用した行動提案内容を生成できる。

図１１は、本実施例における行動指針生成プログラム２４０が生成して表示装置３に伝送して表示する習慣行動表示画面４００で表示例である。この表示例では、２００８年の６月について、平日表示４０１と休日表示４０２をわけて習慣行動４０３〜４２８を算出している。休日と平日をわけることにより、例えば平日が仕事で、平日と休日の生活パターンが大きくことなるという場合にも、ユーザ８から見て自らの習慣行動や生活パターンを認識しやすくすることができる。また、休日と平日では、同じ時間帯の類似行動でも、全く意味が異なる場合があるため、解析の精度向上にも繋がる。それぞれの習慣行動４０３〜４２８は、行動凡例４２９によって色分けされる。典型的には、動きの多い行動に暖色系、動きの少ない行動に寒色系を割り当てると直感的に認識できる。この色分けと行動の時刻、および遷移関係から、ユーザ８は（…）で示す実行動を想起可能となる。上記の表示方法では、習慣行動４０３〜４２８の配置は、時刻によって横軸が指定されるが、縦軸には指定はなく、それぞれが重ならないように最適化して並べる。

図１２は、実際の１年間のある１人のユーザのデータをもとに、行動指針生成プログラム２４０にて解析を行った結果をグラフ５００に示す。それぞれのプロットが一週間の平均データを示している。グラフ５００の縦軸は目標指標データ３１０として、人の仕事効率を示す指標を適用する。ここで仕事効率は、人が仕事時間内で、いかに仕事に没頭しているかを示しており、過去の仕事中に複数回のアンケート（自己診断）で得た結果と、アンケート回答前後の加速度データに基づく重回帰分析によって、加速度データのみから仕事に没頭している状態を指標として算出できるようにしたものである。グラフ５００の横軸には１０時ごろに現れる安静の習慣行動を構成する行動要素の時間長さを示す。図１２を見てわかるとおり、プロットが直線に近い並びとなることから相関関係にあることが疑われる。また、実際に相関分析をすると、相関係数が０．５９となり、有意確率も０．０００１以下であることから、有意な相関があることがわかる。従って、この安静時間が長いほど、仕事に没頭しており、仕事効率が高いということがわかる。このように、すべての習慣行動について分析することで、人それぞれの目標指数と習慣行動との相関が得られる。行動指針生成プログラム２４０では、この相関性をもとに行動指針を表示し、提案する。

図１３は、行動提案プログラム２４０が生成し、表示装置３に伝送して表示する行動指針表示画面４３０の表示例を示している。平日表示４０１は習慣行動表示４００と同じ習慣行動を示しているが、図１２で示した手法によってそれぞれの習慣行動４０３〜４１６と目標指数（例では仕事効率）との相関係数を算出し、縦軸の値としている。この結果、どの習慣行動と、目標指数の改善が関係しているか一目で認識することができる。さらに、行動を改善するための方向性、つまり指針も同時に示すため、最も関連する習慣行動には、目標指数を改善する方向の矢印を追加する。例えば、図１２の結果を用いると、時間を長くすると仕事効率が改善するため、習慣行動４０８を横に広げる矢印を追加し、ユーザが自らの生活パターンを認識すると同時に、改善方法を一目で認識することができる。また、有意な相関があると認められれば、最も相関のある習慣行動以外にも、同指針を追加して表示することも可能である。

図１４は、行動提案プログラム２５０が生成して、表示装置３に伝送して表示する行動提案表示画面４３１の表示例を示している。行動提案プログラム２５０では、行動指針生成プログラム２４０が生成した行動指針表示画面４３０の行動指針の結果をもとに、行動履歴データ２７０を検索し、行動指針と合致する過去の行動履歴を表示する。例えば、習慣行動４０８について検索すると、行動提案表示４３２に示す例のように、過去に実際に入力した内容を表示する。これにより、自己の行動に基づいた、最適な行動提案内容を表示することができる。また、自己の行動履歴以外からも知見を得られる場合も想定される。行動提案表示４３３では、サーバ５の行動履歴データ５１１、つまり他人の過去の行動からも、行動指針に沿って検索することで、知見を得ることを可能としている。これは、自分の入力した行動履歴データ２７０が少ない場合や、自己の過去の行動からだけでは十分な改善結果が得られない場合に有効である。

図１５は行動履歴入力プログラム２１０が生成し、表示装置３に伝送して表示する行動入力画面４４０の表示例を示している。行動入力画面４４０では、ユーザ８に対し効率的に過去の行動を入力させるため、日時選択４４１で指定した日時の運動量グラフ４４２、時刻４４４と、判別された行動要素４４３に表示する。上記の運動量や行動要素を見ながら入力することで、詳細な時間の区切りなどを忘れていても簡便に入力可能であり、既に大まかな行動を行動要素として判別してあるので、より詳細な行動内容やコメントを想起することが可能になる。

図１６では処理部が実行する行動判別プログラム２３０の処理を、フローチャートで詳細に示しており、人の動きや生体情報から、人の行動を判別する処理を実現する好適な例を示している。図３の処理では、人の行動を数種類に分類するならば、動きの量に特徴が現れることを利用し、加速度などの人の動きを計測したセンサデータを、一度動きの量を表す運動量データに変換する。また、動きデータの波形の周期性から、歩数を検出し、移動しているかの判別に利用する。算出した運動量と歩数を、行動定義データ２９０の判定条件と比較し、行動を判別する。運津量、歩数データ３２０は、不揮発で、一度計算したデータは、行動判別プログラム２３０が終了しても保持されることが望ましい。

処理２３１で。行動判別プログラム２３０の処理を開始する。行動判別プログラム２３０は、センサデータ２８０に新しいデータが追加されたか、更新されたかを検知して開始する。

処理２３２では、センサデータに対し、行動判別を行う範囲（期間）において、運動量、歩数データ３２０が既に算出済みで、記録されているかを確認する。もし、算出済みであれば、これらの算出処理は行わずに処理２３５に進み、算出済みでなければ処理２３３に進む。

処理２３３では、センサデータ２８０から運動量を算出し、運動量、歩数データ３２０に記録する。本処理においては、例えばセンサデータ２８０が３軸加速度センサの波形データであれば、ベクトルの絶対値であるスカラー値に変換したのち、波形が単位時間当たりに何回振れたかをカウントしたゼロクロス回数を運動量とする。ここでの単位時間は、数秒間という単位の動きは行動と見なさないため、１分程度が望ましい。本処理において、中間的に生成したスカラー値に、バンドパスフィルタをかけて、人の動きと無関係な周波数成分を除去することが望ましい。

処理２３４では、センサデータ２８０の人の動きを計測したデータから、歩数を算出する。ここでも前記処理２３３と同様に、スカラー値を一度算出し、それをＦＦＴ（周波数解析）か、自己相関分析等の公知の手段で、周期性を検出し、周期性があれば、単位時間あたりの周期が続いた数をカウントし、歩数とする。算出した歩数を運動量、歩数データ２３０に記録する。

処理２３５では、運動量、歩数データ２３０を参照し、運動量、歩数の値を、それぞれ行動定義データ２９０に含まれる判別条件と比較していく。

処理２３６では、前記処理２３５で合致した結果を、その行動定義の名前やＩＤ，開始時刻、終了時刻などの情報を行動要素データ３００に記録する。

処理２３７で行動判別プログラム２３１の処理を終了する。行動判別プログラム２３１は、センサデータ２８０が追加される毎に実行する。

図１７は、行動指針生成プログラム２４０の処理をフローチャートで詳細に示しており、行動要素データ３００と、目標指標データ３１０から、目標指標を改善するのに最適な行動指針を生成する処理の好適な例を示している。

処理２４１で、行動指針生成プログラム２４０の処理を開始する。

処理２４２では、行動指針を生成するにあたり、必要な条件を設定する。例えば、分析対象とする範囲、曜日の指定などを行う。これは予めプログラムで定めた固定値であるか、入力装置４を介してユーザ８が入力した値を用いる。

処理２４３では、行動要素データ３００から、前記処理２４２で設定した範囲のデータを読み出して、参照する。

処理２４４では、人の行動パターンを表す習慣行動データ３３０を生成する。１つの習慣行動データを生成するための単位期間は前記処理２４２で設定した期間を適用する。処理２４４については、図８に示した通り、この単位期間の中で、日付に関わらず、時刻の近い同じ行動定義の行動要素をひとつの習慣行動データをしてグループ分けする。これら習慣行動には識別ＩＤである習慣行動ＩＤを付加する。この時刻の近さの設定においては、ユーザ８が見たい行動パターンの粒度によって異なるが、いずれの場合においても１〜２時間程度が望ましい。ただし、睡眠等の１日に１、２回しか現れない習慣行動については、例えば寝返り等で行動の繋がりが分かれるのを防ぐため、この時間を５時間程度にすることが適している。グループ化した習慣行動を構成する行動要素の平均をとって、習慣行動の開始時刻や終了時刻を記録する。また、構成する行動要素のＩＤを記録する。さらに行動要素の時系列の繋がりから、ある習慣行動に至る直前の習慣行動を遷移元として記録し、それぞれの遷移元からの遷移回数を記録する。上記習慣行動の情報を、習慣行動データ３３０に記録する。

処理２４５では、分析範囲内の目標指数データをすべて読み出して参照し、さらに目標指数データの日時に対応する習慣行動データを読み出す。例えば目標指数データが２００８年の毎平日の仕事効率であれば、同様に習慣行動データ３３０からも２００８年の習慣行動を読み出して比較する。分析するために、目標指標と対応する毎平日の行動要素を、それぞれの習慣行動から読み出す。ここで同じ日に複数の行動要素が存在する場合は、時刻の平均をとって１つの行動要素とする。次に、各習慣行動に含まれる毎平日の行動要素の時刻や時間長さ、遷移関係等と、毎平日の目標変数を相関分析し、習慣行動と目標変数の相関係数を算出する。

処理２４６では、表示装置３に習慣行動を相関係数の高い順がわかるように関連づけて表示する。

処理２４７では、最も相関係数の高い習慣行動に、目標変数を向上させるための行動指針、例えば、時間を早くする、遅くする、長くする、短くするなどの指示を表示する。

処理２４８で行動指針生成プログラム２４０の処理を完了する。

図１８は本実施例におけるセンサノード１の構成の一例を示す。センサノード１は、アンテナ１１５を備えた無線通信部１０６と、加速度センサ１０２、脈拍センサ１０３、温度センサ１０４と、マイクロコンピュータ１２０と、マイクロコンピュータ１２０に一定間隔でトリガをかけるためのタイマとして機能し、さらに時刻情報を生成するリアルタイムクロック（Real Time Clock：ＲＴＣ）１０５と、書き換え可能な不揮発な記憶媒体であるストレージ１４０、イーイーピーロム(Electrically Erasable and Programmable Read Only Memory：ＥＥＰＲＯＭ)１６０と、文字や波形、グラフ等を表示するＬＣＤ１０１と、マイクロコンピュータ１２０に対してトリガをかけることができる複数のスイッチ１１０、１１１と、端子１１２への外部機器からのＵＳＢ接続を検出してマイクロコンピュータ１２０にトリガをかけ、その状態をマイクロコンピュータ１２０に出力する外部電源検出部１０８と、マイクロコンピュータ１２０とのシリアル通信によって送信されたデータをＵＳＢ接続の外部機器に転送するＵＳＢ通信部１０７と、２次電池２６と、パーソナルコンピュータ等の外部機器とのＵＳＢ接続を介して供給される電源で２次電池１１３を充電し、または２次電池１１３の代わりにセンサノード１に電力を供給する充電／給電回路部１０９と、ＵＳＢケーブルを接続する端子２５で構成されている。

ＥＥＰＲＯＭ１６０には、図１８に示すように、イベントの日時を記録する領域１５２と、イベントを分類する識別符号であるイベントＩＤを記録する領域１５３を含むイベント記録テーブル１５０と、イベントＩＤを選択する元となる項目であるイベントＩＤを記録する領域１５５と、イベントＩＤを選択する際に、対応するアイコン画像をＬＣＤ１０１に表示するためのデータであるアイコンを記録する領域１５６を含むイベントリストテーブル１５４を備える。イベントリストテーブル１５４は書き換え可能であるため、センサノード１を使用するユーザによって使用頻度の高い任意のイベントを設定し、記録することができる。

イベント記録テーブル１５０にはイベント発生の日時だけでなく、イベントＩＤを付加することにより、簡単な操作でイベントの内容を記し、後からイベント情報を閲覧したときに内容を容易に思い出すことができる。

同図に示すように、ストレージ１４０には、センシングしたデータを記録するためのデータテーブル１４１を含む。データテーブル１４１に記録されるデータは、無線通信部１６から送信する際の１パケットごとに可変長で区切る。これにより、ストレージ１４０から読み出した１パケット分のデータをそのままデータを加工することなく無線または有線送信可能とすることで、処理を減らすことができる。

１つのパケットは、対応するアドレス１４２の位置に記録されており、フラグを記録する領域１４３もデータテーブル１４１に含む。アドレス１４２はデータテーブル１４１内で一意に割り振られており、ストレージ１４０はマイクロコンピュータ１００からシリアル通信にて読出し、または書込みコマンド内に含まれるアドレスを参照して、ストレージ１６０に記録された任意の位置のデータを読出し、または書き込むことができる。

フラグ１４３は、そのデータが無線送信された際に、すべて送信成功であった場合には１を、送信失敗のデータを含んでいれば０を書き込んでいる。つまり、後からストレージ１６０のパケットを読み出した際に、未送信データを含むか否かを判断することができ、未送信データのみを効率的に、残さず読み出すことを可能にする。

マイクロコンピュータ１２０は、演算処理を実行するＣＰＵ１２１と、ＣＰＵ１２１で実行するプログラム１３１などを記録するＲＯＭ１３０と、データなどを一時的に記録するＲＡＭ１２７と、リアルタイムクロック１０５とストレージ１４０とＥＥＰＲＯＭ１６０とＬＣＤ１１と加速度センサ１２と温度センサ１４と脈拍センサ１３と無線通信部１６とＵＳＢ通信部１７とデジタル信号にて信号の送受信を行うシリアル通信部１２２、１２６と、デジタル信号を入力、または出力するＩ／Ｏポート１２５と、外部からの信号をトリガとしてプログラム１３１を実行中のＣＰＵ１２１に割込みをかける割込制御部１２３，１２４，１２８とを含んで構成される。

ＲＯＭ１３０に予め記録されているプログラム１３１には、センシングプログラム１３２と接続切替プログラム１３３とイベント記録プログラム１３４を含む。イベント記録プログラム１３４に記述される処理はＣＰＵ１２１にて実行され、スイッチ１１０，１１１からの信号をトリガとして処理を開始し、リアルタイムクロック１５とシリアル通信部１０２を介して通信して時刻情報を取得し、ＥＥＰＲＯＭ１６０のイベント記録テーブル１５０の日時１５２に記録する。また、さらにスイッチ１１０，１１１による操作により、時刻情報に対応するイベントを分類するイベントＩＤ１５５を予めプログラムされたイベントリストテーブル１５４から選択して、イベントＩＤ１５３に記録することができる。このユーザによる操作を補助するため、イベントＩＤ１５５に対応するアイコン１５６をＬＣＤ１０１に表示する。

センシングプログラム１３１に記述される処理はＣＰＵ１２１にて実行され、リアルタイムクロック１０５の信号をトリガとして、シリアル通信部１２２を介して加速度センサ１０２、温度センサ１０４及び脈拍センサ１０３でセンシングしたデータをＲＡＭ１２７に取り込み、無線通信部１０６を制御してＲＡＭ１２７に取り込んだデータを所定のゲートウェイに無線送信し、さらにストレージ１６０に書き込んで記録する。

接続切り替えプログラム１３３に記述される処理もまたＣＰＵ１２１にて実行され、外部電源検出部１０８からの信号をトリガとして有線通信を開始し、ストレージ１４０に記録され、かつ無線または有線通信により外部に送信されていないデータ（未送信データ）を読み出し、ＵＳＢ通信部１０７に送信し、ＵＳＢ通信部１０７から外部機器に有線送信する。

リアルタイムクロック１０５は一定の周期でマイクロコンピュータ１２０の割込制御部１２３に割込み信号を生成することができる。この周期は、シリアル通信のコマンドによって変更することができる。この割込み信号によって、マイクロコンピュータ１２０ではセンシングプログラム１３１に記述されたセンシングの処理を、他の処理の実行状態に影響を受けることなく、一定の周期で開始することができる。

外部電源検出部１０８は、端子１１２の電源が接続されたことを検出する。つまり、電源を有するＵＳＢを介した外部機器との接続を検出できる。接続が検出されると、外部電源検出部１０８はマイクロコンピュータ１２０の割込制御部１２４に対し割込み信号を生成し、Ｉ／Ｏポート１２５に対しデジタル信号の１を出力する。また切断を検出した場合も割込み信号を生成し、Ｉ／Ｏポート１２５に対しデジタル信号の１を出力する。つまり、マイクロコンピュータ１２０では、端子１１２への接続状態の変化を直ちに検出し、ＵＳＢ通信部１０７を介したＵＳＢ通信を開始、または停止できる。

ＵＳＢ通信部１０７はマイクロコンピュータ１２０とのシリアル通信の信号を、ＵＳＢ端子１１２のデータ線（送信、受信）を介したＵＳＢ規格の信号に変換する。従って、マイクロコンピュータ１２０の制御では、外部機器へ送信するデータのみをシリアル通信でＵＳＢ通信部１０７に送信するだけで、自動的にＵＳＢ規格のデータに変換し、外部機器に送信できる。また、ＵＳＢ通信部１０７の電源は電源端子１１２を介して外部機器からのみ供給されるため、ＵＳＢ非接続時には余計な電力を消費しない。

図１９は本実施例の構成を適用したセンサノード１の外観を示す。図１９においては、センサノード１のＵＳＢ接続用の端子１１２が、脈拍センサ１０３のある装着面から見て側面にあることから、有線通信及び充電中もユーザが常時装着することができ、センシングを妨げないことを特徴とする。以下、個々について説明する。

センサノード１には、バンド１１６が両端に付随しており、典型的な腕時計と同様に腕に装着することができる。図１９のバンド１１６の構造からもわかるように、装着時に脈拍センサ１０３を有する面がユーザの皮膚に接触する。脈拍センサ１０３は公知の光学式測定方式であり、赤外線を生体表面に照射し、血管の脈動による反射光の変化から脈拍を推定可能とする。つまり、脈拍センサ１０３はユーザの皮膚に接触していることが不可欠である。

端子１１２は脈拍センサ１０３のある装着面とは異なる側部にある。端子１１２はＵＳＢケーブルと対応しており、電源端子、データ端子（送信、受信）によってＵＳＢに対応する外部機器と接続し、通信及び電源供給が可能である。

また、ＬＣＤ１０１には、ユーザが常時見ることのできる時刻や電池残量、無線通信状態等を表示することができる。ＬＣＤ１０１にメニューを表示し、スイッチ１１０，１１１を操作することにより、図１８に示したＣＰＵ１２１、割込制御部１２８、ＲＯＭ１３０内の各種プログラム等のマイクロコンピュータ１２０の内部機能を用い、センシングの間隔や、無線チャネル等の設定をユーザが変更することが可能である。

図２０はセンサノード１のＬＣＤ１０１の表示について示している。図９においては、ユーザ８はセンサノード１を装着中に、センシングしたデータの波形表示１６６、時刻情報１６４、無線電波状態１６１、電池残量１６２、メモリ残量１６３を確認することができる。

無線電波状態１６１は、即ち無線送信の結果を示している。また、無線通信を全く使わない場合には表示されない。

電池残量１６２は、２次電池１１３の電圧を表示する。これにより、ユーザ８はＵＳＢ接続によって充電が必要なタイミングを知ることができる。

メモリ残量１６３は、ストレージ１４０に記録可能な未送信のセンサデータの量を示しており、ユーザ３は無線または有線通信ができない環境において、ストレージ１４０に未送信のセンサデータを記録出来る時間を推定することができる。

図２１はスイッチ１１０、１１１を押して、イベントを選択、記録する処理を実行したときの、ＬＣＤ１０１の表示の遷移の一例を示す図である。図２１の表示例においては、イベントの選択、記録をアイコンの選択のみで行うことから、日常生活で多忙な場合においても、短時間で容易に選択、記録が可能であることを特徴とする。この表示の切替の制御についても、図１８のマイクロコンピュータ１２０の内部機能により実現できることは言うまでもない。

図２０の表示状態から、スイッチ１１０を押すと、表示１６７に切り替わる。この時点をイベント発生時刻として、リアルタイムクロック１０５から時刻情報を取得する。イベントＩＤが選択されていない状態をイベントＩＤ：０とすると、イベントＩＤが０の場合が表示１６７である。特に分類する必要がない場合や、選択している時間がない場合などはこれを記録する。

さらにスイッチ１１０を押すと、次のイベントＩＤに対応するアイコンが表示される。例えば表示１６８は食事を示すアイコンであり、イベントＩＤを１とする。

さらにスイッチ１１０を押すと、表示１６９、表示１７０に順次切り替わる。例として、表示１６９は車で移動中、表示１７０はランニング中を示すアイコンである。これら表示１６７〜１７０がＬＣＤ１０１に表示されている状態で、スイッチ１１１を押すことで、表示に対応するイベントＩＤ（０〜３）をＥＥＰＲＯＭ１６０に記録できる。

図２２は第２の実施例のシステム構成を示す図である。本実施例の構成においては、図１の実施例とは異なり、センサデータ受信プログラム５０１と、行動判別プログラム５０２と、センサデータ５０７と、行動定義データ５０６と、行動要素データ５０９と、目標指標データ５１０と、行動履歴データ５１１と、行動定義生成プログラム５０４と、行動指針生成プログラム５０５と、行動提案プログラム５１４と、運動量、歩数データ５１２と、習慣行動データ５１３を、ＰＣ２ではなく、サーバ５に備える。またサーバ５には、ネットワーク９に直接接続された基地局からデータを受信するセンサデータ受信プログラム５０１と、ＷＥＢサーバの機能を備え、ＷＥＢブラウザの表示画面を生成するＷＥＢ表示生成プログラム５０３を備える。これらのプログラムは、サーバ５内部のＣＰＵなどの処理部が実行する。ＰＣ２には、行動指針生成プログラム５０５と、行動提案プログラム５１４の生成した結果を、ネットワーク９を介して受信して表示装置３に伝送して表示する行動指針／提案表示プログラム３５０を備えることを特徴とする。なお、行動提案プログラム５１４は、図２５に示した行動提案プログラム２５０と同様な機能を有する。

ＰＣ２は、基地局６からデータを受信してデータベースに格納するセンサデータ受信プログラム２２０と、ユーザ８が入力装置４を用いて入力した日記のような行動履歴やコメントをデータベースに格納する行動履歴入力プログラム２１０と、サーバ５の行動指針生成プログラム５０５と行動提案プログラム５１４の結果を、ネットワーク９を経由して受信し、表示装置３に表示する行動指針／提案表示プログラムを備える。センサデータ受信プログラム２２０は基地局６から送られたセンサデータを、ネットワーク９を介してサーバ５のセンサデータ５０７に格納する。また行動履歴入力プログラム２１０は、ユーザ８が入力装置４を介して入力した結果を、ネットワーク９を介して、行動履歴データ５１１に格納する。つまりＰＣ２にはデータベースを保持しない。この結果、ネットワーク９に接続されたＰＣであれば、限定されることなく、どこからでもセンサデータを収集して、サーバ５にて解析し、結果を受信して表示可能とする。また、行動判別プログラム５０２や行動定義プログラム５０４、行動指針生成プログラム５０５、行動提案プログラム５１４の処理が複雑でＰＣ２で処置できない場合においても、サーバ５では大きさや消費電力に制約が少ない場合が多いため、低コストながら高い処理能力で、短時間で処理を完了することが可能になる。

行動判別プログラム５０２は、図１の行動判別プログラム２３０と同様にセンサデータ５０７から運動量、歩数データ５１２を算出し、行動定義データ５０６に格納されている、行動名と、それに対応する閾値等の判別条件のリストを用いて、運動量、歩数データ５１２を時系列に判別していく。その結果、判定条件に合致するものをひとつの行動要素として、その行動名、またはその行動の識別ＩＤと時刻、時間情報を行動要素データ５０９に格納する。

目標指標データ５１０は、ユーザ８が改善したいと望む指標を、長期間にわたって記録する。図１の目標指標データ３１０とは異なり、他のセンサで測定した結果や、他のＰＣ経由で入力された仕事の成績などのスコアも格納することができる。

行動指針生成プログラム５０５は、図１の行動指針生成プログラム２４０と同様に習慣行動データ５１３を生成し、各習慣行動に含まれる行動要素データ５０９と目標指標データ３１０の時系列変化と、相関関係について分析し、ユーザ８に最適な行動指針を生成する。行動指針生成プログラム２４０とは異なり、行動指針生成プログラム５０５はＰＣ２の行動指針／提案表示プログラム３５０からの要求によって開始することができる。生成した結果は行動指針／提案表示プログラム３５０に送信し、ＰＣ２を用いてユーザ８は結果を閲覧することができる。

同様に、行動提案プログラム５１４は、行動指針／提案表示プログラム３５０の要求に従うか、行動指針生成プログラム５０５が終了すると同時に開始され、結果を行動指針／提案表示プログラム３５０に送信し、ユーザ８がＰＣ２で閲覧できるようになる。他の処理については、図１の行動提案プログラム２５０と同様である。

行動定義生成プログラム５０４は、図２の行動定義生成プログラム２６１と同様に、行動履歴データ５１１とセンサデータ５０７を参照して、行動定義データ２９０を修正、或いは新たな定義を追加できる。また、行動定義生成プログラム２６１とは異なり、センサデータ５０７や行動履歴データ５１１に格納された、ユーザ８以外の他のユーザのデータを用いて解析処理を行うことができるため、判別条件の高精度化や、定義の多様化が可能である。

図２３は、第３の実施例のシステムを示す図であり、ＰＣ２に図２２で示した行動指針／提案プログラム３５０を不要とする変わりに、汎用のＷＥＢブラウザ５２０によって、同様の処理を行う構成を有する。本実施例によれば、ＷＥＢブラウザ５２０を用いることで、専用のプログラムをＰＣに備える必要がなく、場所を選ばず、多くのＰＣ、または同様の機能を備える携帯電話、端末等から容易に行動指針／提案結果を閲覧することが可能になる。また、基地局１６は、図１や図２２で示した基地局６とは異なり、ネットワーク９に直接接続し、サーバ５に受信したセンサデータを送ることが可能である。
サーバ５には、図１のセンサデータ受信プログラム２２０と同様のセンサデータプログラム５０１を備えることで、基地局１６からネットワーク９を介して送信されたデータをセンサデータ５０７に格納することができる。つまり、基地局１６をオフィスや家庭に複数設置し、ネットワーク９に接続しておけば、個人のＰＣ等でそれを接続、管理する必要がなく、簡便にセンサデータを収集できる。サーバ５のＷＥＢ入出力生成プログラムは、ＷＥＢサーバの機能を備え、行動指針生成プログラム５０５や行動提案プログラム５１４が生成した表示内容を、ＷＥＢブラウザ５２０からの要求に従って、ＷＥＢブラウザ５２０に送信する。ＷＥＢブラウザ５２０は受信した表示内容を表示装置３に表示する。また、ＷＥＢ入出力生成プログラム５０３は、行動履歴入力プログラム５１２が生成する行動入力画面４４０を、ＷＥＢブラウザ５２０の要求に従って送信し、ＷＥＢブラウザ５２０は表示装置３に表示する。また、入力装置４を介してユーザ８が入力した行動履歴をＷＥＢブラウザ５２０がＷＥＢ入出力生成プログラム５０３に送信し、行動履歴入力プログラム５１２を介して、行動履歴データ５１１に格納することができる。

本発明は、人の身体に装着可能で、生体情報や行動状態を計測するセンサ端末の情報から、人の行動を推定して生活の特徴を示し、その改善手段を提示する技術として有用性が高い。

１…センサノード
２…パーソナルコンピュータ
７…アンテナ
８…ユーザ
９…ネットワーク
１１…加速度スカラー値
１２…交差点
１０５…リアルタイムクロック（ＲＴＣ）
１１０、１１１…スイッチ
１１２…端子
１１３…２次電池
１１４…グランド
１１５…アンテナ
１２０…マイクロコンピュータ）
１２１…演算部（ＣＰＵ）
１２７…揮発記憶部（ＲＡＭ）
１３０…不揮発記憶部（ＲＯＭ）
１３２…センシングプログラム
１３３…接続切り替えプログラム
１３４…イベント記録プログラム
１４１…パケット記録テーブル
１５３…イベント記録テーブル
１５４…イベントリストテーブル
１６０…電気的に書き換え可能な不揮発記憶部（ＥＥＰＲＯＭ）
１６１…無線通信状態表示
１６２…電池電圧表示
１６３…メモリ残量表示
１６４…時刻表示
１６５…センシング状態表示
１６６…センサ波形表示
１６７〜１７０…イベント表示
２３１〜２３７、２４１〜２４８…処理
４０１…平日の習慣行動表示
４０２…休日の習慣行動表示
４２９…行動凡例
４４２…運動量
４４３…行動要素
４４４…時刻
４４５…行動履歴
４０３〜４２８、６０８〜６１５…習慣行動
６０１〜６０７…類似した行動要素のグループ。

Claims (20)

1. 処理部と記憶部と備え、個人の生体情報から、個人の行動提案を行う行動提案装置であって、
   前記処理部は、
   収集した前記個人の生体情報に基づき、前記個人の行動を判別して行動要素データとし、
   所定期間の前記行動要素データから、前記個人の習慣行動データを生成し、
   前記行動要素データと前記習慣行動データと、前記個人の目標指標データとに基づき、前記個人の行動指針を生成し、
   生成した前記行動指針に基づき、前記個人のための行動提案を行う、
   ことを特徴とする行動提案装置。
2. 請求項１に記載の行動提案装置であって、
   前記行動指針及び前記行動提案を表示する表示部を更に備える、
   ことを特徴とする行動提案装置。
3. 請求項２に記載の行動提案装置であって、
   前記処理部は、
   前記個人に対応するセンサから、前記生体情報を収集するセンサデータ受信部を備え、前記センサデータ受信部は前記生体情報から抽出した前記行動要素データを前記記憶部に記憶する、
   ことを特徴とする行動提案装置。
4. 請求項３に記載の行動提案装置であって、
   前記処理部は、前記目標指標データと前記行動要素データと前記習慣行動データに基づき、前記行動指針を生成する行動指針生成部を有し、
   前記行動指針生成部は、生成した前記行動指針を前記表示部に表示する、
   ことを特徴とする行動提案装置。
5. 請求項４に記載の行動提案装置であって、
   前記処理部は、前記行動指針基づき、前記行動提案を出力する行動提案部を有し、前記行動提案を前記表示部に表示する、
   ことを特徴とする行動提案装置。
6. 請求項５に記載の行動提案装置であって、
   前記処理部は、前記個人の行動履歴を入力する行動履歴入力部を有し、
   前記行動履歴入力部は、入力した前記行動履歴を前記記憶部に蓄積する、
   ことを特徴とする行動提案装置。
7. 請求項６に記載の行動提案装置であって、
   前記行動提案部は、前記行動指針と蓄積された前記行動履歴に基づき、前記行動提案を出力する、
   ことを特徴とする行動提案装置。
8. 請求項４に記載の行動提案装置であって、
   前記行動指針生成部は、所定期間の前記行動要素データに基づき、前記習慣行動データを生成し、生成した前記習慣行動データを前記記憶部に保持する、
   ことを特徴とする行動提案装置。
9. 請求項８に記載の行動提案装置であって、
   前記行動指針生成部は、複数の前記所定期間の保持された前記習慣行動データと前記目標指標データとの相関分析を行い、相関分析結果を前記表示部に表示する、
   ことを特徴とする行動提案装置。
10. 請求項９に記載の行動提案装置であって、
    前記行動指針生成部は、前記相関分析結果で相関性が高い前記習慣行動データを、前記行動指針に付加して、前記表示部に表示する、
    ことを特徴とする行動提案装置。
11. 処理部と記憶部と表示部を備え、個人の生体情報から、個人の行動提案を行うシステムにおける行動提案方法であって、
    前記処理部は、
    収集した前記個人の生体情報に基づき、前記個人の行動を判別することにより行動要素データを抽出し、
    所定期間の前記行動要素データから、前記個人の習慣行動データを生成し、
    前記行動要素データと前記習慣行動データと、前記個人の目標指標データとに基づき、前記個人の行動指針を生成し、
    生成された前記行動指針に基づき、前記個人ための行動提案を行う、
    ことを特徴とする行動提案方法。
12. 請求項１１に記載の行動提案方法であって、
    前記処理部は、前記表示部に前記行動指針及び前記行動提案を表示する、
    ことを特徴とする行動提案方法。
13. 請求項１２に記載の行動提案方法であって、
    前記処理部は、
    前記個人に対応するセンサから、前記生体情報を収集し、
    収集した前記生体情報から抽出した前記行動要素データを前記記憶部に蓄積する、
    ことを特徴とする行動提案方法。
14. 請求項１３に記載の行動提案方法であって、
    前記処理部は、
    前記目標指標データと前記行動要素データと前記習慣行動データに基づき、前記行動指針を生成し、
    生成した前記行動指針を前記表示部に表示する、
    ことを特徴とする行動提案方法。
15. 請求項１４に記載の行動提案方法であって、
    前記処理部は、
    入力された前記個人の行動履歴データを前記記憶部に記憶し、
    記憶した前記行動履歴データと前記行動指針に基づき、前記行動提案を出力して前記表示部に表示する、
    ことを特徴とする行動提案方法。
16. 請求項１４に記載の行動提案方法であって、
    前記処理部は、所定期間の前記行動要素データに基づき、前記習慣行動データを生成し、
    生成した前記習慣行動データを前記記憶部に保持する、
    ことを特徴とする行動提案方法。
17. 請求項１６に記載の行動提案方法であって、
    前記処理部は、複数の前記所定期間の前記習慣行動データと前記目標指標データとの相関分析を行い、相関分析結果を前記表示部に表示する、
    ことを特徴とする行動提案方法。
18. 請求項１７に記載の行動提案方法であって、
    前記処理部は、前記相関分析結果で相関性が高い前記習慣行動データを、前記行動指針に付加して、前記表示部に表示する、
    ことを特徴とする行動提案方法。
19. 請求項１５に記載の行動提案方法であって、
    前記処理部は、
    入力された他人の行動履歴データと、記憶した前記行動履歴データと、前記行動指針に基づき、前記行動提案を出力することを特徴とする行動提案方法。
20. 請求項１９に記載の行動提案方法であって、
    前記処理部は、
    前記行動指針と一致する、前記他人の行動履歴データ、又は記憶した前記行動履歴データを検索し、一致した行動履歴を前記行動提案として前記表示部に表示することを特徴とする行動提案方法。

Images