JP5428039B2

JP5428039B2 - 目標運動量達成予測システム及びセンサデバイス

Info

Publication number: JP5428039B2
Application number: JP2010062597A
Authority: JP
Inventors: 裕之栗山
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 2010-03-18
Filing date: 2010-03-18
Publication date: 2014-02-26
Anticipated expiration: 2030-03-18
Also published as: JP2011197890A

Description

本発明は、生体情報を測定するセンサを備えたセンサデバイスで生体の運動量を測定して生体の行動パターンを解析し、行動パターンに応じた運動量の指標を提示する計算機システムに関する。

生体の運動量を測定して運動量及び運動量の指標を提示する装置として、人体の歩行数を測定する歩数計などが知られている。このような歩数計では、目標とする運動量を予め設定しておき、実際に測定した運動量が目標運動量を達成したか否かを提示している（例えば、特許文献１）。

特許文献１では、過去の歩行パターンを歩数計に記憶しておき、歩数計に目標歩数を入力し、過去の歩行パターンと目標歩数から現在時刻までに達成すべき歩行数の目標値を予測し、実際に測定した歩行数の目標値に対する割合を達成度合いとして歩数計に表示する。この種の歩数計では、歩数計の利用者の歩行パターンを反映した目標運動量の達成度合いを歩数計に表示することで、健康管理を支援する。

目標運動量を設定して実際の運動量を管理するものとしては、時系列の区間毎にチェックポイントを設定し、目標運動量を入力しておき、チェックポイントの度に実際の運動量を入力して目標運動量の達成度合いを提示するものや（例えば、特許文献２）、先週全体の運動量と先週木曜日までの運動量の比率から、今週木曜までの運動量を与えて今週全体の運動量を目標運動量として算出する装置が知られている（例えば、特許文献３）。

特開２００８−１１７１７４号公報特開昭６３−２０８１８５号公報特開２００８−１０４７５８号公報

しかしながら、上記特許文献１では、過去の歩行パターンから目標運動量を求める際に、１日の総歩行数に対する各時間ごとの歩行数の割合から、目標歩行数を達成するために必要な歩行数を算出しているだけである。このため、過去の歩行パターンから歩行数の分布の比率を時間毎に算出しているだけであるため、目標運動量を大きく設定すれば、各時間の目標歩行数が大きくなるだけであって、１日の歩行パターン自体は変化しない、という問題がある。上記特許文献３についても同様であり、過去の運動量の比率と、現在の運動量から１週間の運動量を比率に応じて推定するだけであるため、目標運動量の変化に対応できない、という問題があった。

すなわち、上記従来例において、目標運動量を大きく設定する場合は、運動量が多い期間の運動量をさらに多く設定してしまい、たとえば通勤や通学など、あらかじめ決まっている距離を移動するため運動量が一定であるにもかかわらず、この期間の目標運動量が大きく設定されてしまったり、本来運動量を増やすべきである運動量が少ない期間の目標運動量がたいして増えないといった事態が発生する。このため、目標運動量と過去の歩行パターンから推定される各時間の目標歩行パターンは、実際の歩行パターンと乖離してしまい、達成度合いが意味を持たなくなる、という問題があった。

また、上記従来例では、過去の運動パターンを集計して、目標運動量に対応する各時間の目標歩行数を求めているが、人の行動は日によって異なることが多く、例えば、平日と休日など曜日によって歩行パターンが変化する場合、上記従来例では、適切な目標歩行パターンを提示することができない、という問題があった。

つまり、上記従来例では、目標運動量の変化や曜日の違いなどからなる歩数計のユーザの生活パターンの変化に対応した運動量の指標を提供することができない、という問題があった。

また、上記特許文献１では、歩数計に過去の歩行パターンを記憶しておき、入力された目標運動量に応じて各時間の目標歩行数を演算するため、過去の歩行パターンは膨大なデータ量となるため記憶装置の容量が増大し、また、膨大なデータ量から目標運動量に対応する歩行パターンを演算する際にプロセッサの演算負荷が高くなるため電力消費量が大きくなり、電池の寿命が短くなるという問題があった。すなわち、記憶装置の容量が増大することで、装置の製造コストが増大し、電池の寿命が短くなるため、頻繁に充電や電池の交換が必要になり、メンテナンスに係るコストが増大する、という問題があった。

そこで本発明は、上記問題点に鑑みてなされたもので、装置のユーザの生活パターンが変化した場合でも、目標運動量に対する実際の運動量の達成度合いを的確に提示することを目的とする。

本発明は、人に装着されて運動量を測定するセンサと、前記測定された運動量と測定日時を蓄積する記憶部と、を備えたセンサデバイスと、前記センサデバイスから前記運動量を取得して運動量積算値を求め、予め設定した目標運動量に対する前記運動量積算値の評価値を演算する計算機と、を備えた目標運動量達成予測システムであって、前記計算機は、前記運動量と測定日時を蓄積するデータ格納部と、前記データ格納部に蓄積された運動量と測定日時から所定の時間間隔毎に運動量積算値を演算する運動量積算部と、前記運動量積算値と前記目標運動量から、前記目標運動量を達成する確率を達成確率として、前記運動量積算値毎の達成確率を所定の時刻毎に生成する予測部と、予め設定した前記達成確率に対応する前記運動量積算値を評価値として前記各時刻毎に設定する評価値生成部と、を備え、前記予測部は、前記運動量積算値毎の達成確率を、ロジスティック回帰分析により所定の時刻毎に生成し、前記評価値生成部は、前記達成確率が所定値以上となる運動量積算値の閾値としての評価値を、前記各時刻毎に設定し、前記センサデバイスは、前記計算機から前記各時刻毎の評価値を取得して格納する評価値格納部と、前記記憶部に蓄積された運動量と測定日時から所定の時間間隔毎に運動量積算値を演算する第２の運動量積算部と、前記運動量積算値と前記評価値の比較を行う比較部と、を備え、前記比較部は、所定のタイミングとなったときに、現在の時刻に対応する前記評価値を前記評価値格納部から求め、現在の運動量積算値が前記評価値以上の場合、目標運動量を達成可能と判定する。

また、前記センサデバイスは、表示部を備え、前記比較部は、前記判定結果に応じて前記表示部を駆動する。

したがって、本発明は、センサデバイスの利用者の過去の加速度データに基づいて達成確率の予測曲線を生成するので、運動量の多かった日、少なかった日など過去の実績に基づき現在の運動量積算値における目標運動量の達成確率を求めることができ、利用者の多様な生活スタイルや運動パターンに合わせて目標運動量の達成確率について正確に予測することが可能となる。

また、演算負荷が高く、大量のデータを記憶する処理を計算機で行うようにしたため、センサデバイスの処理の負荷を抑制でき、センサデバイスの電力消費を低減できる。

本発明の実施形態を示し、目標運動量達成予測システムの概要を示すブロック図である。本発明の実施形態を示し、センサデバイスの外観を示す斜視図である。本発明の実施形態を示し、センサデバイスの機能ブロック図である。本発明の実施形態を示し、サーバの機能ブロック図である。本発明の実施形態を示し、目標運動量達成予測システムの処理の概要を示すフローチャートである。本発明の実施形態を示し、加速度データテーブルの一例を示す説明図である。本発明の実施形態を示し、サーバから取得した各曜日の時刻毎の評価値を格納する時刻毎評価値配列テーブル３３の一例を示す説明図である。本発明の実施形態を示し、日付切替時刻記憶領域３４に格納された日付切替時刻の一例を示す説明図である。本発明の実施形態を示し、運動量積算記憶領域３５に格納された運動量積算値の一例を示す説明図である。本発明の実施形態を示し、センサデバイス１の運動量積算プログラム３０で行われる処理の一例を示すフローチャートである。本発明の実施形態を示し、入力ボタン６が押されたときに起動する運動量比較プログラム３１の処理の一例を示すフローチャートである。本発明の実施形態を示し、サーバの通信処理プログラム４０で行われる処理の一例を示すフローチャート本発明の実施形態を示し、サーバの１分毎集計テーブル４８の一例を示す説明図である。本発明の実施形態を示し、スカラー量とゼロクロス回数の関係を示すグラフである。本発明の実施形態を示し、サーバの時刻毎予測曲線テーブル４５０の一例を示す説明図である。本発明の実施形態を示し、運動頻度と動作と経過時間の関係を示すグラフである。本発明の実施形態を示し、予測曲線テーブル４５０から求めた１２時における達成確率と運動量積算値の関係を示す予想曲線のグラフである。本発明の実施形態を示し、予測曲線テーブル４５０からロジスティック回帰により求めた１２時における達成確率と運動量積算値の関係を示す予想曲線のグラフである。本発明の実施形態を示し、運動強度の分布と、運動量積算値と時刻の関係を示すグラフである。本発明の実施形態を示し、目標運動量の設定処理の一例を示すフローチャートである。本発明の実施形態を示し、目標運動量設定画面１５０を示す画面イメージである。本発明の実施形態を示し、目標運動量設定画面１５１を示す画面イメージである。本発明の実施形態を示し、目標運動量設定画面１５２を示す画面イメージである。本発明の実施形態を示し、センサデバイスの正面図である。本発明の実施形態の変形例を示し、センサデバイスの正面図である。本発明の実施形態の他の変形例を示し、センサデバイスの正面図である。従来例を示し、時刻と歩数の関係を示すグラフである。従来例を示し、比例により目標歩数を変更した場合の時刻と目標歩数の関係を示すグラフである。従来例を示し、歩数を増やした場合の実際の歩数と時刻の関係を示すグラフである。

以下、本発明の一実施形態を添付図面に基づいて説明する。

図１は、本発明の実施の形態を示し、目標運動量達成予測システムの概要を示すブロック図である。

目標運動量達成予測システムは、人体に装着されて生体情報を収集するセンサデバイス１と、センサデバイス１が測定した生体情報を収集して、過去の生体情報から運動量の目標値を演算するサーバ１０を主体として構成される。センサデバイス１は、所定の周期（例えば、１日ごと）でサーバ１０に接続され、後述するように、サーバ１０はセンサデバイス１が測定した生体情報を読み込んで蓄積し、翌日の運動量の目標値をセンサデバイス１に送信する。本実施形態では、センサデバイス１は生体情報の一例として、腕の加速度を測定し、センサデバイス１を装着するユーザの運動量を加速度から演算する例を示す。なお、生体情報としては、加速度に限定されるものではなく、歩行数や脈拍、血圧、体温などから運動量を推定して用いることができる。

図１において、センサデバイス１は、直交３軸（Ｘ軸、Ｙ軸、Ｚ軸）の加速度を測定する加速度センサ４と、センサデバイス１を装着する人（以下、ユーザという）からの入力を受け付ける入力ボタン６と、後述する目標運動量に対する達成度合いを表示するＬＥＤ７と、所定の周期（例えば、５０msec）でセンサデバイス１を起動するリアルタイムクロック（ＲＴＣ）８と、加速度データ及びプログラムを格納する記憶装置３と、演算処理を行うＣＰＵ（またはプロセッサ２）と、サーバ１０と通信を行うための通信手段５と、を備える。なお、センサデバイス１は、図示しない電池を備えて各部に電力を供給する。

記憶装置２は、ＲＡＭやＲＯＭあるいはフラッシュメモリ等の不揮発性の記憶媒体を含んで構成することができる。

加速度センサ４は、直交する３軸の加速度を検出する。ＬＥＤ７は、複数の色を発光可能に構成される。

サーバ１０は、演算処理を行うＣＰＵ１２と、データやプログラムを記憶する記憶装置１３と、センサデバイス１と通信するための通信手段１６と、入力を受け付けるキーボード１４及び情報を表示する表示装置１５と、を備える。なお、サーバ１０は、通信手段１６を備えた計算機で構成したものであればよく、図１の構成に限定されるものではない。また、キーボード１４の他にマウスなどの入力装置を備えていても良い。

記憶装置１３は、ＲＡＭやＲＯＭあるいはフラッシュメモリやディスクドライブなどの不揮発性の記憶媒体を含んで構成することができる。

通信手段５、１６は、例えば、ＵＳＢのインターフェースで構成される。なお、通信手段５、１６としては、ＵＳＢの他、有線通信手段に限らずＩＥＥＥ１３９４等の無線通信手段を用いることができる。

図２は、センサデバイス１の外観を示す斜視図である。センサデバイス１は、ベルトを介して人体の手首などに装着される腕輪型のセンサデバイスとして構成される。センサデバイス１の表面には、目標運動量に対する達成度合いを確認するための入力ボタン６と、目標運動量に対する達成度合いを表示するためのＬＥＤ７が設けられる。入力ボタン６を操作すると、後述する処理により、現在までの運動量について目標運動量に対する達成度合いがＬＥＤ７により表示される。ＬＥＤ７は、複数の色を発光可能に構成され、後述するように発光する色によって目標運動量に対する達成度合いを表示する。

図３は、センサデバイス１の機能ブロック図である。記憶装置３には、各種プログラムとデータが格納されて、ＣＰＵ２によって実行される。記憶装置２には、加速度センサ４が検出した３軸の加速度を加速度データテーブル３２へ格納し、この加速度から当該センサデバイス１を装着しているユーザの運動量を求め、この運動量を所定の期間まで積算する運動量積算プログラム３０と、入力ボタン６がされると起動して、運動量積算記憶領域３５に格納された実際の運動量積算値と、時刻毎評価値配列テーブル３３に格納された目標運動量の指標とを比較し、現在までの運動量積算値で本日の目標運動量を達成可能か否かを判定し、判定結果に応じてＬＥＤ７を発光する運動量比較プログラム３１が格納されてＣＰＵ２によって実行される。なお、目標運動量の指標は、後述するように、目標運動量の達成確率に対応する運動量積算値の閾値であり、以下の例では、現在までの運動量を継続しても本日の目標運動量に到達できないことを示す第１の閾値と、現在までの運動量を継続していけば本日の目標運動量を達成可能な第２の閾値を用いる例を示す。また、これらの閾値は、以下では評価値として扱う。

ＣＰＵ２は所定の周期（５０msec）でＲＴＣ８から割り込みを受けて起動し、運動量積算プログラム３０を実行する。また、入力ボタン６が操作されたときには、運動量比較プログラム３１を実行する。

記憶装置２に格納されるデータとしては、所定の周期で測定した３軸の加速度を格納する加速度データテーブル３２と、サーバ１０から読み込んだ時刻毎の目標運動量の指標となる運動量積算値の閾値を格納する時刻毎評価値配列テーブル３３と、運動量を積算する期間を設定する値を格納する日付切替時刻記憶領域３４と、積算した運動量を格納する運動量積算記憶領域３５が含まれる。なお、日付切替時刻記憶領域３４の運動量を積算する期間を設定する値は、サーバ１０から読み込んだ値である。

図６は、加速度データテーブル３２の一例を示す説明図である。加速度データテーブル３２は、加速度の測定日時を格納する測定日時３２１と、Ｘ軸の加速度センサ４の測定値を格納するＸ軸３２２と、Ｙ軸の加速度センサ４の測定値を格納するＹ軸３２３と、Ｚ軸の加速度センサ４の測定値を格納するＺ軸３２４からひとつのレコードが構成される。なお、本実施形態の例では、加速度センサ４の各軸の測定値は＋１２７〜−１２７の範囲で表現される。また、本実施形態においては、ＲＴＣ８が５０msec毎に割り込みを発生して運動量積算プログラム３０を実行するので、加速度センサ４の測定日時３２１は５０msec毎の値が格納される。

センサデバイス１はサーバ１０と接続したときに、加速度データテーブル３２の内容をサーバ１０に転送する。また転送が完了した加速度データは、新たな加速度データを格納する前にクリアしてもかまわない。

図７は、サーバ１０から取得した各曜日の時刻毎の評価値を格納する時刻毎評価値配列テーブル３３の一例を示す説明図である。

時刻毎評価値配列テーブル３３は、曜日を格納する評価曜日３３１と、評価対象の時刻を格納する評価時刻３３２と、運動量積算値の第１の閾値を格納する評価値Ａ３３３と、運動量積算値の第２の閾値を格納する評価値Ｂ３３４からひとつのレコードが構成される。評価値Ａ３３３と評価値Ｂ３３４は、サーバ１０が演算する各曜日の各時刻毎に設定された値である。本実施形態の例では、例えば、評価時刻３３２において現在の運動量積算値が評価値Ｂ３３４以上であれば本日の目標運動量を達成する確率が８０％以上であることを示し、評価時刻３３２において現在の運動量積算値が評価値Ａ３３３未満であれば本日の目標運動量を達成する確率が２０％未満であることを示す。

なお、現在時刻が評価時刻３３２と一致しない場合には、現在時刻から最も近い評価時刻３３２を選択すればよい。あるいは、現在の曜日と同一の評価曜日３３１で現在時刻の直近の２つの評価時刻３３２の評価値Ａ、Ｂから線形補間等によって２つの評価値Ａ、Ｂ求めてもよい。

図８は、日付切替時刻記憶領域３４に格納された日付切替時刻の一例を示す説明図である。日付切替時刻はサーバ１０がユーザの加速度データから演算された睡眠期間の中央値で、運動量を積算する起点とする。センサデバイス１の運動量積算プログラム３０を実行することにより、現在時刻が日付切替時刻に到達する度に運動量積算値３５をリセットして、本日の積算を再開する。

図９は、運動量積算記憶領域３５に格納された運動量積算値の一例を示す説明図である。運動量積算値は、上述のように、１日に１回リセットされて、運動量の積算を繰り返す。

図４は、サーバ１０の機能ブロック図である。記憶装置１３には、各種プログラムとデータが格納されて、ＣＰＵ２によって実行される。記憶装置１３には、通信手段を１６に接続されたセンサデバイス１と通信を行い、センサデバイス１から加速度データを取得して加速度データテーブル４７に格納し、後述する各機能部を実行して評価値配列を求めて、評価値配列をセンサデバイス１に転送する通信処理プログラム４０と、目標運動量を目標運動量テーブル４１０に設定する目標運動量設定プログラム４１と、加速度データテーブル４７に蓄積された加速度データから所定時間間隔として設定された１分毎の運動頻度と、運動強度と運動量積算値を後述するように演算して１分毎集計テーブル４８に格納する１分毎集計生成プログラム４２と、１分毎集計テーブル４８から所定の期間（例えば、３ヶ月間）の運動頻度を取得して後述するように日付切替時刻を演算する日付切替時刻生成プログラム４３と、１分毎集計テーブル４８の運動強度を日付切替時刻から所定時間毎に運動量に変換して積算し、運動量の積算値と、運動量積算値が目標運動量を達成したか否かを１分毎集計テーブル４８に格納する時刻毎運動量積算プログラム４４と、１分毎集計テーブル４８の運動量積算値と目標運動量の達成状況から各曜日毎かつ所定時間毎にロジスティック回帰分析により時刻毎予測曲線を求める時刻毎予測曲線生成プログラム４５と、各曜日の所定時間毎の予測曲線から予め設定した達成確率に対応する運動量積算値を求めて時刻毎評価値配列テーブル４９に格納する時刻毎評価値配列生成プログラム４６とが格納される。

サーバ１０の、加速度データテーブル４７は、図６に示したセンサデバイス１の加速度データテーブル３２と同一の構成であり、測定日時３２１、Ｘ軸３２２、Ｙ軸３２３、Ｚ軸３２４から構成される。

また、サーバ１０の時刻毎評価値配列テーブル４９は、図７に示したセンサデバイス１の時刻毎評価値配列テーブル３３と同一の構成であり、評価曜日３３１、価時刻３３２、評価値Ａ３３３、評価値Ｂ３３４からひとつのレコードが構成される。

図１３は、サーバ１０の１分毎集計テーブル４８の一例を示す説明図である。１分毎集計テーブル４８は、後述するように、サーバ１０がセンサデバイス１から読み込んだ加速度データテーブル４７の５０msec毎の加速度データから所定時間間隔毎（本実施形態では１分間）の運動頻度と運動強度及び運動量積算値を求めて格納する。

１分毎集計テーブル４８は、加速度データを集計した所定時間間隔（この例では、１分間）の起点となる日時を格納する測定日時４８１と、後述するように所定時間間隔内の３軸の加速度データのスカラー量から求めた運動頻度を格納する運動頻度４８２と、所定時間間隔内の運動量の積分値を格納する運動強度４８３と、各測定日時４８１の運動量の積算値を格納する運動量積算値４８４と、運動量積算値４８４の値で目標運動量が達成できたか否かの判定結果を格納する達成判定４８５からひとつのレコードが構成される。

図１５は、サーバ１０の時刻毎予測曲線テーブル４５０の一例を示す説明図である。時刻毎予測曲線テーブル４５０は、後述するように、１分毎集計テーブル４８の各時間間隔毎の運動量積算値４８４と、達成判定４８５からロジスティック回帰により達成確率と運動量積算値の予測曲線を求めるために作成される。時刻毎予測曲線テーブル４５０は、１分毎集計テーブル４８の各データを所定の時刻毎に抽出したもので、所定時間間隔の起点を格納する日時４５１と、１分毎集計テーブル４８から日時４５１に対応する運動量積算値４８４と達成判定４８５を格納する運動量積算値４５２と、達成判定４８５からひとつのレコードが構成され、同一の時刻単位でグループ化される。

＜処理の概要＞
図５は、目標運動量達成予測システムの処理の概要を示すフローチャートである。センサデバイス１の使用開始時には、サーバ１０にセンサデバイス１を接続し、サーバ１０の通信処理プログラム４０を起動して初期設定を行う。

目標運動量達成予測システムの処理の概要は、サーバ１０がステップＳ１ａ〜Ｓ５ａで初期値を設定してセンサデバイス１に送信し（Ｓ１１）、センサデバイス１はサーバ１０と接続を解除して、所定の周期（５０msec毎）でユーザの腕の加速度データを測定して蓄積する（Ｓ１２、Ｓ１３）。そして、ユーザが入力ボタン６を操作すると、センサデバイス１は現時点の運動量積算値で、本日の目標運動量が達成可能か否かの判定を行い（Ｓ１４）、判定結果をＬＥＤ７にて表示する（Ｓ１４０）。

ユーザは所定の間隔（例えば、１日毎）にセンサデバイス１をサーバ１０に接続して、蓄積した加速度データをサーバ１０に転送する（Ｓ１６）。サーバ１０は、センサデバイス１から取得した加速度データを加速度データテーブル４７に格納する（Ｓ５）。サーバ１０では、目標運動量を変更する場合には、新たな目標運動量を設定し（Ｓ１）、加速度データから時刻毎運動量積算プログラム４４を実行することにより１分毎集計テーブル４８に各値を設定し（Ｓ２）、１分毎集計テーブル４８の運動量積算値から曜日毎の各時刻の予測曲線を生成し、各曜日の各時刻毎の評価値を求めて時刻毎評価値配列テーブル４９を更新する（Ｓ３）。

サーバ１０は、センサデバイス１で運動量積算の起点となる日付切替時刻を加速度データテーブル４７の値に基づいて演算する（Ｓ４）
サーバ１０は時刻毎評価値配列と日付切替時刻をセンサデバイス１に送信し（Ｓ５）、センサデバイス１はサーバ１０から受信した時刻毎評価値配列で記憶装置３の時刻毎評価値配列テーブル３３を更新する。また、センサデバイス１は、サーバ１０から受信した日付切替時刻で日付切替時刻記憶領域３４を更新する。

なお、目標運動量の設定（Ｓ１）では、目標運動量を変更しない場合には前回の目標運動量をそのまま使用することができる。

ユーザは上記サーバ１０の処理が完了すると、センサデバイス１とサーバ１０の接続を解除して上記ステップＳ１２〜Ｓ１７の処理を繰り返す。サーバ１０の加速度データテーブル４５には日々新たな加速度データが蓄積され、ユーザの運動パターンの精度を日々向上させることになる。

まず、上記ステップＳ１ａ〜Ｓ５ａの初期化では、サーバ１０の加速度データテーブル４５にユーザの加速度データが蓄積されていないので、予め設定した平均値や典型値を初期値として１分毎集計テーブル４８に設定し、新規に設定した目標運動量（Ｓ１ａ）に対して時刻の予測曲線を生成し、時刻毎評価値配列テーブル４９を設定し（Ｓ３ａ）、センサデバイス１に時刻毎評価値配列を送信する（Ｓ５ａ）。また、サーバ１０は、新規のユーザ（またはセンサデバイス１）に対して所定の日付切替時刻（例えば、午前３時など睡眠中の時刻）を設定してセンサデバイス１に送信する。

＜センサデバイスの処理＞
センサデバイス１で行われる各処理の詳細を以下に説明する。図５のセンサデータ収集（Ｓ１２）と運動量積算（Ｓ１３）は、図３に示した運動量積算プログラム３０の処理を示し、所定の周期（５０msec毎）で実行される。また、図５の運動量比較（Ｓ１４）と比較結果表示（Ｓ１４０）は、図３に示した運動量比較プログラム３１の処理を示す。

図１０は、センサデバイス１の運動量積算プログラム３０で行われる処理の一例を示すフローチャートである。この処理は、ＲＴＣ８から所定の周期（５０msec毎）で割り込みが発生する度に実行される。

センサデバイス１は、まず、加速度センサ４から３軸の加速度データをそれぞれ取得する（Ｓ３１）。次に、センサデバイス１は、取得した３軸の加速度データを現在の日時とともに図６に示した加速度データテーブル３２に格納する（Ｓ３２）。

次に、センサデバイス１は、現在の時刻が日付切替時刻記憶領域３４に格納された日付切替時刻となったか否かを判定し（Ｓ３３）、現在時刻が日付切替時刻であれば運動量積算記憶領域３５の運動量積算値を０にリセットし（Ｓ３４）、積算を再開する。

センサデバイス１は取得した加速度データから、Ｘ、Ｙ、Ｚの３軸の加速度のスカラー量を演算する（Ｓ３５）。

ここで、スカラー量Ｓは、各軸の加速度をＸｇ，Ｙｇ、Ｚｇとすると、
スカラー量Ｓ＝（Ｘｇ²＋Ｙｇ²＋Ｚｇ²）^1/2 ・・・（１）
で求められる。

次に、求めたスカラー量Ｓをフィルタ（バンドパスフィルタ）処理し、所定の周波数帯域（例えば、１Ｈｚ〜５Ｈｚ）のみを抽出し、ノイズ成分を除去する（Ｓ３６）。そして、センサデバイス１は、フィルタ処理したスカラー量Ｓから運動強度を示すＭＥＴｓ（Metabolic Equivalents）値を、
ＭＥＴｓ＝ａ×Ｓ＋１・・・（２）
より求める（Ｓ３７）。ただし、ａは定数である。このＭＥＴｓ値は、安静時、すなわちスカラー量Ｓ＝０のときにＭＥＴｓ＝１となり、運動強度が安静時の何倍であるかを示す値である。

次に、センサデバイス１は、ＭＥＴｓ値から運動量を演算して、運動量積算値Ｕに加算する（Ｓ３８）。運動量は、
運動量＝ＭＥＴｓ×時間（ｈ）・・・（３）
より求められる。加速度データの測定周期が５０msecであるので１時間当たりの運動量積算値Ｕは、
運動量積算値Ｕ＝運動量積算値Ｕ＋（ａ×Ｓ＋１）／（６０×６０×２０）
・・・（４）
より運動量積算値Ｕを演算する。

上記処理が終了すると、センサデバイス１は休止状態に移行して次回のＲＴＣ８からの割り込みまたは入力ボタン６の操作を待つ。

センサデバイス１は、ＲＴＣ８によって間欠的に加速度データを測定して運動量積算値Ｕを更新し、ユーザの運動状態を加速度データテーブル３２と運動量積算値Ｕに蓄積する。間欠的にＣＰＵ２を起動することで、電池の消耗を抑制してメンテナンスを簡易にすることができる。

次に、図１１は、入力ボタン６が押されたときに起動する運動量比較プログラム３１の処理の一例を示すフローチャートである。

センサデバイス１は、記憶装置３の運動量積算記憶領域３５から運動量積算値Ｕを取得する（Ｓ４１）。次に、センサデバイス１は、時刻毎評価値配列テーブル３３から、現在の曜日及び時刻から最も近い評価時刻３３２を選択し、当該評価時刻３３２に対応する評価値Ａ３３３と評価値Ｂ３３４を取得する（Ｓ４２）。

そして、センサデバイス１は、運動量積算値Ｕと評価値Ａ、Ｂの比較を行う（Ｓ４３）。運動量積算値Ｕが評価値Ｂ以上であれば、現在の運動パターンを継続すれば本日の目標運動量を達成できる確率が高い（８０％）ことを示すため、ＬＥＤ７を一定時間緑色で点灯する（Ｓ４４）。一方、運動量積算値Ｕが評価値Ａ未満であれば、現在の運動パターンを継続しても本日の目標運動量を達成できる確率が低い（２０％）ことを示すため、ＬＥＤ７を一定時間赤色で点灯する（Ｓ４５）。また、運動量積算値Ｕが評価値Ａ以上かつ評価値Ｂ未満であれば、現在の運動パターンでは本日の目標運動量を達成できる確率が高くない（２０〜８０％）ことを示すため、ＬＥＤ７を一定時間橙色で点灯する（Ｓ４６）。

以上のように、ＬＥＤ７の色にて現在までの運動量に対する目標運動量の達成確率を表示した後、ＬＥＤ７を消灯する。

センサデバイス１のユーザは、ＬＥＤ７により本日の運動量と目標運動量の関係を容易に把握でき、ＬＥＤ７が緑色でなければ、運動量を増やすように努力することができる。

以上の処理により、センサデバイス１では、所定の周期でＣＰＵ２を起動して加速度センサ４から加速度データを取得して加速度データテーブル３２に格納し、加速度データのスカラー量Ｓから運動強度を示すＭＥＴｓ値を求め、ＭＥＴｓ値から運動量を求めて運動量積算値Ｕに加算する処理を繰り返す。

そして、ユーザが入力ボタン６を操作すると、運動量積算値Ｕと時刻毎評価値配列テーブル３３の評価値Ａ、Ｂとの比較を行って、現在の運動量積算値Ｕで本日の目標運動量を達成可能か否かを判定し、判定結果を図２４で示すようにＬＥＤ７の発色にて報知する。

センサデバイス１では、加速度データの取得と運動量積算値Ｕの加算処理や、運動量積算値Ｕの比較処理などのＣＰＵ２の演算負荷の低い処理を実行することで、電池の消耗を抑制することができる。そして、センサデバイス１はサーバ１０に接続されると、蓄積した加速度データをサーバ１０に転送してから加速度データテーブル３２をクリアする。これにより、センサデバイス１の記憶装置３の加速度データテーブル３２は、センサデバイス１をサーバ１０に接続する周期と、加速度センサ４の測定周期に応じた容量を備えればよいので、前記従来例のように、過去の加速度データを格納するための大容量の記憶装置が不要となって、センサデバイス１の製造コストを低減できる。

＜サーバの処理＞
次に、サーバ１０で行われる処理に詳細について以下に説明する。図５のセンサデータ取得（Ｓ５）は、通信処理プログラム４０の基本的な機能として実行され、センサデバイス１の加速度データテーブル３２の内容を、そのままサーバ１０の加速度データテーブル４７に格納する。

図５に示したサーバ１０の時刻毎運動量積算処理（Ｓ２）〜時刻毎評価値配列送信処理（Ｓ５）は、センサデバイス１が接続されたときに実行される。時刻毎運動量積算処理（Ｓ２）は、図４に示したサーバ１０の１分毎集計生成プログラム４２と時刻毎運動量積算プログラム４４で実行される。時刻毎評価値配列生成処理（Ｓ３）は、図４に示したサーバ１０の時刻毎予測曲線生成プログラム４５と時刻毎評価値配列生成プログラム４６で実行される。

図５に示したサーバ１０の日付切替時刻演算処理（Ｓ４）は、図４に示したサーバ１０の日付切替時刻生成プログラム４３にて実行される。

また、図５において、サーバ１０の目標運動量設定処理（Ｓ１）は、センサデータ取得処理（Ｓ１）の後に実施する例を示したが、任意のタイミングで行うことができる。

なお、図３に示した、初期化処理のＳ１ａ〜Ｓ５ａの各処理は、上記各処理Ｓ１〜Ｓ５と同様の処理で、所定の初期値等を用いる点が相違するだけである。

図１２は、図４に示した通信処理プログラム４０で行われる処理の一例を示すフローチャートで、センサデバイス１を接続するときにユーザによって起動される。なお、センサデバイス１が接続されたときに、サーバ１０が自動的に通信処理プログラム４０を起動するようにしても良い。

まず、サーバ１０は、センサデバイス１と通信可能であるか否かを判定し（Ｓ５１）、通信可能であれば、センサデバイス１から加速度データを取得して加速度データテーブル４７へ格納する（Ｓ５２）。この処理は、センサデバイス１が格納している加速度データのうち、加速度データテーブル４７に存在しないデータのみを取得すればよい。

次に、１分毎集計生成プログラム４２の実行により加速度データテーブル４７に格納された加速度データから、所定時間間隔（ここでは、１分ごと）の運動頻度と運動頻度が演算されて、所定時間間隔の起点となる日時を測定日時４８１として運動頻度４８２と、運動強度４８３が１分毎集計テーブル４８に格納される（Ｓ５３）。

１分毎集計生成プログラム４２の実行により、加速度データテーブル４７の３軸の加速度データ（Ｘｇ，Ｙｇ、Ｚｇ）からセンサデバイス１と同様にして、上記（１）式からスカラー量Ｓを求める。

次に、１分毎集計生成プログラム４２の実行により、求めたスカラー量Ｓをフィルタ（バンドパスフィルタ）処理し、所定の周波数帯域（例えば、０．１Ｈｚ〜５Ｈｚ）のみを抽出し、ノイズ成分を除去する。そして、図１４で示すように、フィルタ処理を施した加速度のスカラー量が所定の閾値（例えば０．０５Ｇ）となった回数をゼロクロス回数として演算する。そして、所定の時間間隔内のゼロクロス回数を運動頻度として求める。

また、サーバ１０は、上記（２）式より、運動強度を示すＭＥＴｓ値を求める。なお、運動強度としては、所定の時間間隔内の運動量の積分値をゼロクロス回数とスカラー量から求めてもよい。

次に、サーバ１０は、上記運動頻度から日付切替時刻を算出する（Ｓ５４）。

本発明では、運動量積算値Ｕを求めるに当たって、睡眠を検知することにより、日常の人間の行動シーンを抽出し、１日の運動量を積算する起点を日付切替時刻として定める。本実施形態では、睡眠期間の中央値を日付切替時刻とする。しかし、これに限定されるものでなく、睡眠期間の開始時点や終了時点、あるいは睡眠期間の任意の時点を日付切替時刻とすることができる。

ここで、睡眠状態では運動頻度は極めて低いが、睡眠中でも人体は寝返りなどの運動を行うため、運動頻度はゼロにはならない。睡眠状態を判定する手法はいくつか知られており、例えば、Ｃｏｌｅ法（Cole RJ, Kripke DF, Gruen W, Mullaney DJ, Gillin JC. Automatic sleep/wake identification from wrist activity. Sleep 1992; 15: 491-469）などを適用すればよい。これらの手法によって運動頻度が所定の条件を満たして睡眠状態と判定された期間については、動作内容を睡眠期間と判定する。

また、サーバ１０では、睡眠が複数の期間で構成された場合、直近の睡眠のシーンを結合して全体として一つの睡眠の期間に結合する。例えば、就寝後に、一時的に起きて、トイレなどに行った後に再度就寝する場合には、複数の睡眠の期間は、一日の人間の行動パターンとしては、一つの睡眠の睡眠期間と捉えることができるので、複数の睡眠のシーンを結合して一つの睡眠期間とする。

すなわち、運動頻度と動作と経過時間の関係は、例えば、図１６のようになる。図１６で示すように、現在着目する睡眠期間Ｔ１〜Ｔ２とし、この睡眠期間Ｔ１〜Ｔ２の次の期間Ｔ２〜Ｔ３の動作内容が「睡眠」以外で、かつ期間Ｔ２〜Ｔ３の次の期間が睡眠期間Ｔ３〜Ｔ４であるときに、２つの睡眠期間Ｔ１〜Ｔ２、Ｔ３〜Ｔ４を結合してひとつの睡眠期間Ｔ１〜Ｔ４とする。

この処理は第１の睡眠期間の終了時刻Ｔ２から次の睡眠期間の開始時刻Ｔ３までの時間が、所定時間（例えば、３０分）以下であれば、３つの期間Ｔ１〜Ｔ２、Ｔ２〜Ｔ３、Ｔ３〜Ｔ４をひとつの睡眠期間Ｔ１〜Ｔ４にまとめる。すなわち、期間Ｔ２〜Ｔ３を削除して、第１の睡眠期間の終了時刻をＴ４に置き換える。

サーバ１０は、上記処理で得られた睡眠期間Ｔ１〜Ｔ４の中央値を日付切替時刻として設定する。上記処理により、日々の睡眠開始時刻が変化する場合であっても、運動量積算値の起点となる時刻を正確に設定することができ、運動量積算値の精度を高めることができる。

次に、サーバ１０は、１分毎集計テーブル４８の運動強度４８３から、１日の運動量積算値Ｕを求める（Ｓ５５）。ここで、「１日」とは、日付切替時刻から次の日付切替時刻までの期間を示す。

サーバ１０における運動量積算値の演算は、運動量積算値Ｕをリセットしてから、日時の昇順でソートした１分毎集計テーブル４８を順次読み込んで、上記（３）式及び（４）式からセンサデバイス１と同様にして運動量積算値Ｕを求め、１分毎集計テーブル４８の運動量積算値４８４に格納する。

そして、１分毎集計テーブル４８のレコードを読み込む度に、１分毎集計テーブル４８の測定日時４８１が日付切替時刻に到達したら運動量積算値Ｕを０にリセットして、次の日の運動量積算値Ｕの演算を再開する。

また、１分毎集計テーブル４８の測定日時４８１が日付切替時刻に到達したときには、この時点の運動量積算値Ｕ（以下、最終目標運動量Ｕｅ）が、目標運動量テーブル４１０に設定されている目標運動量に達したか否かを判定する。最終目標運動量Ｕｅが目標運動量以上の場合には、１日の運動量積算値が目標運動量を達成しているので、前回の日付切替時刻以降の１分毎集計テーブル４８の各レコードの達成判定４８５に「１」をセットする。一方、最終目標運動量Ｕｅが目標運動量未満の場合には、１日の運動量積算値が目標運動量を達しなかったので、前回の日付切替時刻以降の１分毎集計テーブル４８の各レコードの達成判定４８５に未達を示す「０」をセットする。

上記ステップＳ５５により、図１３の１分毎集計テーブル４８の各測定日時４８１の運動量積算値４８４と達成判定４８５が設定される。

次に、図１２に戻って、サーバ１０は、時刻毎評価値配列を生成する準備として、所定時間間隔毎に目標運動量を達成する確率を求めた時刻毎予測曲線を生成する（Ｓ５６）。

時刻毎予測曲線生成処理では、サーバ１０が上記ステップＳ５５で求めた、１分毎集計テーブル４８の測定日時４８１のうち各時刻の運動量積算値４８４と達成判定４８５から、ある時刻における運動量積算値４８４毎の目標運動量の達成確率を示す予想曲線を求める。

このため、まずサーバ１０は、１分間集計テーブル４８から所定の時刻毎に各データを抽出した時刻毎予測曲線テーブル４５０を生成する。図１５は、時刻＝１２：００について１分毎集計テーブル４８から各データを抽出した時刻毎予測曲線テーブル４５０の例を示す。

ここで、各時刻の時刻毎予測曲線テーブル４５０は必ずしも毎分である必要はなく、１０分毎、１時間毎等であってもよく、本実施形態では、１分毎集計テーブル４８の測定日時４８１から１０分ごとに時刻毎予測曲線テーブル４５０を作成する。ここで運動量積算値４８４と運度量積算値４５２、達成判定４８５と達成判定４５３は特定の時刻において同じ値である。

まず、時刻毎予測曲線テーブル４５０により得た、ある時刻における運度量積算値４５２と達成判定４５３より、運動量積算値４５２の区分ごとに集計し、達成確率を求める。すなわち、運動量積算値４５２の値が４以上、５未満であるデータが２０個存在し、そのうち１６個のデータにおいて達成判定４５３が「１」であるならば、その運動量積算値区分における達成確率は１６÷２０＝０．８、つまり達成確率は８０％である。

このように運動量積算値区分毎に達成確率を求めた結果の例を図１７に示す。

図１７は、ある人の予測曲線テーブル４５０から求めた１２時における目標運動量の達成確率と運動量積算値の関係を示す予想曲線である。図１７の横軸は該当時刻（この例では１２時）の運動量積算値で、縦軸は達成確率である。図１７の予想曲線より、ある時刻における運動量積算値がわかれば、その日に目標運動量を達成する確率が得られる。この予想曲線は各時刻毎に必要で、たとえば毎分生成すればより細かく予想できるが、より多くのデータ量が必要で、生成されるデータ配列も膨大である。このため、本実施形態では、各時刻毎を１０分毎として演算負荷と記憶装置の容量の増大を抑制する。なお、目標運動量が変化した場合には、予想曲線も再計算しなくてはならない。

上記時刻毎予測曲線テーブル４５０より、ある時刻における特定の達成確率を満たすための運動量積算値を求めるには、図１７に示す予測曲線の傾きから算出できる。このように上記時刻毎予測曲線テーブル４５０には、多数の運動量積算値と達成判定が含まれ、過去の加速度データ群（例えば、過去３カ月分）のデータより、ある特定の時刻における運動量積算値と、その日に目標運動量を達成したか否かのデータ対より、運動量積算値毎に目標運動量の達成確率を求めることも可能ではあるが、予測曲線テーブル４５０のデータ数が少ない場合には達成確率が大きくばらついてしまい、予測精度が下がる可能性がある。このことを考慮すると、上記データにロジスティック回帰による回帰式を用いることにより、少ないデータ数でも予測が可能である。

ロジスティック回帰に関する詳細な説明は省略するが、データが独立変数と従属変数の対からなり、従属変数は、「あり」。「なし」のように２値を採る場合に利用できる。独立変数は、連続値でも、名義変数でもよい。ロジスティック回帰では、各独立変数に対してオッズ比が計算される。なお、ロジスティック回帰については公知または周知の理論を用いればよく、例えば、"ロジスティック回帰入門"（URL:http://www.ibaraki-kodomo.com/toukei/logis.html）などが知られており、一般的な統計ソフトで計算が可能である。

ロジスティック回帰による回帰式は、次式の通りとなる。

ただし、ｘ＝運動量積算値、ｙ＝達成確率、α、βは定数である。
この回帰式を用いることにより、ある時刻における特定の達成確率ｙから、これを満たすための運動量積算値を容易に算出することが可能である。

ある時刻における運動量積算値４８４毎の目標運動量の達成確率より、ロジスティック回帰を用いて求めた場合の運動量積算値の評価値Ａ，Ｂの例は、図１８のようになる。

以上のステップＳ５６の時刻毎予測曲線生成処理では、図１９に示すように、運動強度の分布と、運動量積算値と、１分毎集計テーブル４８の目標運動量の達成判定から、図１７、図１８に示すように、運動量積算値毎の達成確率を求めた予測曲線が時刻毎に生成される。各時刻毎（１０分毎）の予測曲線により、現時刻における運動量積算値が求まれば、過去にその運動量積算値で目標運動量を達成する確率が求められるのである。なお、図１９は、日付切替時刻を０時に設定した例を示す。

また、本実施形態では、予測曲線を各曜日毎の各時刻毎について求めておく。このため、サーバ１０には、日付に対応する曜日を予め設定したテーブルまたは関数を備える。

図１２のステップＳ５７では、上記各時刻毎の達成確率と運動量積算値の予測曲線から、時刻毎評価値配列テーブル４９を生成する。なお、予測曲線を求める際に、平日の予測曲線と、休日の予測曲線の２つを生成するようにしても良い。この場合、各曜日毎に予測曲線を生成する場合に比して、時刻毎評価値配列テーブル４９のサイズを低減でき、センサデバイス１での演算負荷及び記憶装置の容量を低減できる。

サーバ１０は、予測曲線を生成した時刻毎に、第１の達成確率を判定するため、運動量積算値の第１の閾値を格納する評価値Ａ３３３と、第２の達成確率を判定するため、運動量積算値の第２の閾値を格納する評価値Ｂ３３４を求め、評価曜日３３１と評価時刻３３２毎に、図７に示した時刻毎評価値配列テーブル４９（３３）に設定する。

本実施形態では、第１の達成確率として達成確率＝２０％、第２の達成確率として達成確率＝８０％を設定した場合を示す。なお、図７の例では、日付切替時刻が０時の例を示す。

本実施形態の例では、評価時刻３３２において現在の運動量積算値が評価値Ｂ３３４以上であれば本日の目標運動量を達成する確率が８０％以上であることを示し、このままの運動量で行動すれば目標運動量が達成可能であることを示す。

一方、評価時刻３３２において現在の運動量積算値が評価値Ａ３３３未満であれば本日の目標運動量を達成する確率が２０％未満であることを示し、本日の目標運動量を達成するにはかなりの運動量が必要であることを示す。

上記評価値Ａ、Ｂを各曜日の各時刻毎に生成してから、時刻毎評価値配列テーブル４９と日付切替時刻をセンサデバイス１に送信する（Ｓ５８）。

以上の処理により、センサデバイス１から取得した加速度データから、ユーザの運動量の履歴に基づいて目標運動量の達成確率を求め、各曜日の各時刻毎に目標運動量を達成可能な第２の閾値と、目標運動量の達成が難しい第１の閾値を設定した時刻毎評価値配列テーブル４９をセンサデバイス１に与えることができる。

以上の処理により、演算負荷が高く、記憶装置の容量が必要な１分毎集計テーブル４８の集計と、予測曲線生成処理をサーバ１０で実施することで、センサデバイス１では、加速度データの収集と、運動量積算値の演算と、運動量積算値と時刻毎評価値配列テーブル３３の比較のみを行えば良いので、センサデバイス１の電池の消費を抑制し、また、記憶装置３の容量も抑制できるのである。

図２０は、図５のＳ１ａ、Ｓ１で行われる目標運動量の設定処理の一例を示すフローチャートである。図５のＳ１ａ、Ｓ１の処理は、図４に示したサーバ１０の目標運動量設定プログラム４１が実行する処理である。

図２０において、サーバ１０は、図２１に示す目標運動量の設定画面を表示装置１５に表示して、ユーザによる選択を受け付ける（Ｓ６１）。図２１は、目標運動量設定画面１５０を示し、体重維持コース１６１、ダイエットコース１６２、消費カロリー入力１６３の複数のコースの何れかの選択を受け付ける（Ｓ６２）。

サーバ１０は、体重維持コース１６１が選択されると、体重維持のためには、
目標運動量＝２４×１．４＝３３．６ＭＴＥｓ・ｈ
として目標運動量を求め、目標運動量テーブル４１０に設定する（Ｓ６３）。ただし、１．４ＭＥＴｓ・ｈは、体重維持のために適切な運動量の一例であり、ユーザの体重や年齢などに応じて適宜設定することができる。

サーバ１０は、ダイエットコース１６２が選択されると、図２２に示す設定画面１５１を表示装置１５に出力し、ユーザから日数と減少すべき体重を受け付ける（Ｓ６２）。

ダイエットのためには、体重１ｋｇ＝７２００ｋｃａｌとすると、
目標運動量＝（７２００ｋｃａｌ／体重（ｋｇ））／日数＋３３．６ＭＴＥｓ・ｈ
より目標運動量を求め、目標運動量テーブル４１０に設定する（Ｓ６３）
サーバ１０は、消費カロリー入力１６３が選択されると、図２３に示す設定画面１５２を表示装置１５に出力し、ユーザから１日当たりの消費カロリー（ｋｃａｌ）と減少すべき体重を受け付ける（Ｓ６２）。

消費カロリーを直接入力する場合には、
目標運動量＝消費カロリー（ｋｃａｌ）／（体重（ｋｇ）×１．０５）
より目標運動量を求め、目標運動量テーブル４１０に設定する（Ｓ６３）
以上により、ユーザの要求に応じた目標運動量が目標運動量テーブル４１０に設定される。

図２５は、センサデバイス１のＬＥＤの変形例を示し、ＬＥＤ７ａ〜ＬＥＤ７ｄの点灯個数で目標運動量の達成確率を表示するものである。この例では、達成確率が２０％未満であれば、ひとつのＬＥＤ７ａのみが点灯し、達成確率が８０％以上であれば全てのＬＥＤ７ａ〜ＬＥＤ７ｄが点灯する。そして、達成確率が２０％以上５０％未満であれば、２つのＬＥＤ７ａ〜ＬＥＤ７ｂが点灯し、達成確率が５０％以上８０％未満であれば、３つのＬＥＤ７ａ〜ＬＥＤ７ｃが点灯する。

ＬＥＤ７ａ〜ＬＥＤ７ｂの点灯個数により、本日の目標運動量の達成確率を明示できる。

図２６は、センサデバイス１のＬＥＤの変形例を示し、ＬＥＤに代わって液晶表示装置７０によって本日の達成確率を表示するものである。達成確率を数値で表示したり、アイコンやキャラクタ等で達成確率を提示するようにしても良い。

以上のように、本実施形態によれば、達成確率の予測曲線は、センサデバイス１のユーザの過去の行動の実績からなる加速度データに基づき生成するので、ユーザの生活スタイルや運動パターンに合わせて目標運動量の達成について正確に予測することが可能となる。

そして、センサデバイス１のユーザはＬＥＤ７の予測の判定結果を見て、「もう少し頑張って歩くか」など、リアルタイムに行動を変えることができ、健康の維持を推進できる。また、無理なダイエットを抑制するためにも毎日一定量のカロリーを消費し続けることが大切であり、日々の目標運動量を設定し、目標運動量が達成できそうかどうかをセンサデバイス１で予測し、運動量を調整することが可能となり、継続的な健康管理を補助することができる。

さらに、本実施形態では、毎日の運動量積算値の日付切替時刻は、睡眠中時刻の中心時刻とする。これにより、生活途中で日付が切り替わってしまうことを防止でき、予測の精度を損なうことはない。一般に前記従来例に示した歩数計では、一般に０時を境に歩数がリセットされるものがあるが、０時過ぎに帰宅することも多く、このとき本日の歩数がわからなくなる、という問題もあった。これに対して、本実施例のように、過去の加速度データから、睡眠期間を抽出し、睡眠期間の時刻を運動量積算値の起点とすることで、深夜の帰宅や生活パターンの変化にも対応することができる。

なお、前記従来例に示した歩数計の歩行パターンの比率で歩数の管理を行った場合、図２７Ａ、図２７Ｂようになる。図２７Ａは、歩数計の利用者のある日の歩数の分布を示し８５００歩を歩いた例である。図２７Ｂは、図２７Ａの歩数の比率を時間毎に求め、１７０００歩を歩行する場合の歩行パターンの目標運動量を示す。図２７Ｂでは、単純に比率により、目標運動量の１７０００歩とししたため、実際には実現が難しい歩数の領域も存在する。一方、図２７Ｃは、図２７Ａよりも歩数を増やした場合の歩行パターンで、単位時間当たりの歩数よりも、歩行する時間帯が広がっていることがわかる。このように前記従来例では、実際の人間の行動パターンに対応する目標運動量の配分を適切に提示できなかった。

これに対して、本発明によれば、センサデバイス１のユーザの過去の加速度データに基づいて達成確率の予測曲線を生成するので、ユーザの生活スタイルや運動パターンに合わせて目標運動量の達成について正確に予測することが可能となり、目標運動量の指標を適切に提示できるのである。

なお、センサデバイス１の使用開始時など、ユーザの過去の加速度データが少ない時には、予測精度を維持するために予め設定した複数の他者の平均値を用いることができる。

また、上記実施形態では、標運動量の達成確率について、一日単位の予測を行う例を示したが、予測の期間は１週間あるいは１カ月とした場合でも、上記と同様に予測することができる。

また、上記実施形態では、時刻毎評価値配列テーブル３３，４９は１０分ごとに評価値を設定する例を示したが、評価値の時間間隔は１時間や１分等に設定することができる。

また、上記実施形態においては、評価値Ａ，Ｂを用いて、運動量積算値との比較を行う例を示したが、一日の目標運動量を達成可能な評価値を少なくともひとつ求めて、センサデバイス１で求めた運動量積算値と比較するようにしても良い。あるいはロジスティック回帰による予測式の演算手段をセンサデバイス１に実装し、サーバ１０から評価値の代わりに定数α、βを受け取り、現在の運動量積算値から達成確率を計算して表示しても構わない。

また、上記実施形態においては、センサデバイス１では入力ボタン６を操作したときに運動量積算値と評価値の比較を行う例を示したが、所定の時刻や所定の時間間隔毎など、所定のタイミングで運動量積算値と評価値の比較を行ってもよい。

また、達成確率の予測曲線の生成の際に用いる過去の加速度データは、本願発明者らの実験によれば、３ヶ月程度の加速度データを蓄積するのが望ましい、という知見を得た。加速度データの蓄積期間が、３ヶ月よりも短い場合では、実績が少ないために予測精度が低下し、逆に、蓄積期間が３ヶ月以上では季節変動や生活スタイルの変化により予測精度が低下する、という知見に基づくものである。

以上のように、本発明は、生体情報を測定するセンサデバイスに適用することができ、特に、センサデバイスを装着する生体の健康管理を行う計算機システムに適用することができる。

１センサデバイス
１０サーバ
４加速度センサ
５、１６通信手段
３０運動量積算プログラム
３１運動量比較プログラム
３２、４７加速度データテーブル
３３、４９時刻毎評価値配列テーブル
３４日付切替時刻記憶領域
３５運動量積算記憶領域
４０通信処理プログラム
４１目標運動量設定プログラム
４２１分毎集計生成プログラム
４３日付切替時刻生成プログラム
４４時刻毎運動量積算プログラム
４５時刻毎予測曲線生成プログラム
４６時刻毎評価値配列生成プログラム
４８１分毎集計テーブル

Claims

人に装着されて運動量を測定するセンサと、
前記測定された運動量と測定日時を蓄積する記憶部と、
を備えたセンサデバイスと、
前記センサデバイスから前記運動量を取得して運動量積算値を求め、予め設定した目標運動量に対する前記運動量積算値の評価値を演算する計算機と、を備えた目標運動量達成予測システムであって、
前記計算機は、
前記運動量と測定日時を蓄積するデータ格納部と、
前記データ格納部に蓄積された運動量と測定日時から所定の時間間隔毎に運動量積算値を演算する運動量積算部と、
前記運動量積算値と前記目標運動量から、前記目標運動量を達成する確率を達成確率として、前記運動量積算値毎の達成確率を所定の時刻毎に生成する予測部と、
予め設定した前記達成確率に対応する前記運動量積算値を評価値として前記各時刻毎に設定する評価値生成部と、を備え、
前記予測部は、
前記運動量積算値毎の達成確率を、ロジスティック回帰分析により所定の時刻毎に生成し、
前記評価値生成部は、
前記達成確率が所定値以上となる運動量積算値の閾値としての評価値を、前記各時刻毎に設定し、
前記センサデバイスは、
前記計算機から前記各時刻毎の前記評価値を取得して格納する評価値格納部と、
前記記憶部に蓄積された運動量と測定日時から所定の時間間隔毎に運動量積算値を演算する第２の運動量積算部と、
前記運動量積算値と前記評価値の比較を行う比較部と、を備え、
前記比較部は、
所定のタイミングとなったときに、現在の時刻に対応する前記評価値を前記評価値格納部から求め、現在の運動量積算値が前記評価値以上の場合、目標運動量を達成可能と判定することを特徴とする目標運動量達成予測システム。
請求項１に記載の目標運動量達成予測システムであって、
前記センサデバイスは、表示部を備え、
前記比較部は、
前記判定結果に応じて前記表示部を駆動することを特徴とする目標運動量達成予測システム。
請求項１に記載の目標運動量達成予測システムであって、
前記計算機は、
前記データ格納部に蓄積された運動量から運動頻度を求め、前記運動頻度が所定の条件となる期間を睡眠期間として検出し、前記睡眠期間内の所定の時刻を前記運動量の積算を開始する起点としての日付切替時刻を演算する日付切替時刻生成部をさらに有し、
前記計算機の運動量積算部は、
前記日付切替時刻を起点として所定の時間間隔毎に前記データ格納部の運動量を積算して運動量積算値を演算し、
前記センサデバイスは、
前記計算機から前記日付切替時刻を取得し、
前記第２の運動量積算部は、
前記記憶部に蓄積された運動量と測定日時から前記日付切替時刻を起点として所定の時間間隔毎に運動量積算値を演算することを特徴とする目標運動量達成予測システム。
請求項１に記載の目標運動量達成予測システムであって、
前記データ格納部は、
予め設定された月数の前記運動量と測定日時を蓄積することを特徴とする目標運動量達成予測システム。
請求項１に記載の目標運動量達成予測システムであって、
前記予測部は、
前記運動量積算値と前記目標運動量から、前記運動量積算値毎の達成確率を曜日毎または平日と休日のそれぞれについて所定の時刻毎に生成することを特徴とする目標運動量達成予測システム。
人に装着されて運動量を測定するセンサと、
前記測定された運動量と測定日時を蓄積する記憶部と、
前記運動量に関する情報を表示する表示部と、を備えたセンサデバイスにおいて、
所定の目標運動量を達成する確率を達成確率として、予め設定した前記達成確率に対応する運動量積算値を評価値として前記各時刻毎に予め格納した評価値格納部と、
前記記憶部に蓄積された運動量と測定日時から所定の時間間隔毎に運動量積算値を演算する第２の運動量積算部と、
前記運動量積算値と前記評価値の比較を行う比較部と、を備え、
前記評価値格納部は、
前記運動量積算値毎の達成確率を、ロジスティック回帰分析により所定の時刻毎に生成し、前記達成確率が所定値以上となる運動量積算値の閾値としての評価値を設定し、
前記比較部は、
所定のタイミングとなったときに、現在の時刻に対応する前記評価値を前記評価値格納部から求め、現在の運動量積算値が前記評価値以上の場合、目標運動量を達成可能と判定し、前記判定結果に応じて前記表示部を駆動することを特徴とするセンサデバイス。
請求項６に記載のセンサデバイスであって、
前記第２の運動量積算部は、
予め日付切替時刻を記憶し、前記記憶部に蓄積された運動量と測定日時から前記日付切替時刻を起点として所定の時間間隔毎に運動量積算値を演算することを特徴とするセンサデバイス。