JP5691073B2 - 情報処理システム、管理サーバ及び情報処理方法 - Google Patents

Description

本発明は、センサデバイス及び人物関係情報を用いて、人の対面活動及び個人活動中の行動の特徴を収集し、異なる人物関係情報を与えられたときの対面情報を推定する技術に関する。

企業は、各組織（以下、課及びグループを含む）に社員を配置する際、年齢、役職又は資格などの同一の能力又はスキルの条件に基づいて、組織として生産性が最も高くなるように人材を必要とする組織に配置するのが一般的である。

従来、このように社員の配置及び特定の仕事への社員の割り振りを行う際、社員の配置を支援する人材配置支援システムが幾つか提案されている。

その１つの支援システムは、予め人員ＩＤに対応付けて社員の能力を表す能力情報を記憶し、要求情報入力部から社員割当ての対象業務に必要な要求能力情報を受けたとき、支援システムが要求能力情報と記憶されている能力情報とから対象業務に対する社員の適性を表す情報を生成し、この生成された適性情報に基づいて対象業務に社員を割当てる（特許文献１）。

一方で、近年のセンサ技術の発達によって、上記の年齢、役職や資格などの静的な情報だけでなく、非特許文献１のように業務内の動的に変化するコミュニケーションが測定可能になってきている。コミュニケーションの測定が可能になってきたことによって、上記の年齢、役職及び資格などの静的な情報だけでなく、組織内のコミュニケーションが生産性に大きく関わっていることが明らかになってきた。非特許文献２は、オフィス内でシステムコンフィグレーションを行なう９００件の業務に対し、コンフィグレーションの要求を受け取ってからコンフィグレーションが完了するまでの時間と、コミュニケーションのパターンの関係を統計的に分析した例を開示している。単純なコミュニケーションの時間及び人数の他、さまざまなコミュニケーションパターンを指標化し、それらと生産性との関係を調べたところ、単純なコミュニケーション時間及び人数と生産性の間には関係がないが、結束度（ＣＯＨＥＳＩＯＮ）という指標が高い人ほど、生産性が高いことが示されている。

特開２００２−１０９１６１号公報

Ｗａｋｉｓａｋａ、「Ｂｅａｍ−Ｓｃａｎ ＳｅｎｓｏｒＮｏｄｅ：Ｒｅｌｉａｂｌｅ Ｓｅｎｓｉｎｇ Ｏｆ Ｈｕｍａｎ Ｉｎｔｅｒａｃｔｉｏｎｓ Ｉｎ Ｏｒｇａｎｉｚａｔｉｏｎ」、Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ Ｏｎ Ｎｅｔｗｏｒｋｅｄ Ｓｅｎｓｉｎｇ Ｓｙｓｔｅｍｓ、（米国）、２００９年６月１７日 Ｌｙｎｎ他、"Ｍｉｎｉｎｇ Ｆａｃｅ−ｔｏ−Ｆａｃｅ Ｉｎｔｅｒａｃｔｉｏｎ Ｎｅｔｗｏｒｋｓ Ｕｓｉｎｇ Ｓｏｃｉｏｍｅｔｒｉｃ Ｂａｄｇｅｓ： Ｅｖｉｄｅｎｃｅ Ｐｒｅｄｉｃｔｉｎｇ Ｐｒｏｄｕｃｔｉｖｉｔｙ ｉｎ ＩＴ Ｃｏｎｆｉｇｕｒａｔｉｏｎ"、Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｙｓｔｅｍｓ （フランス）、２００８年１２月１４日

組織において、人材をどのように配置するかという問題は最も重要であり、かつ難しい意思決定である。これらの難しさの最たる理由として、人間がある環境で発揮する能力はその人だけで決まるものではなく、周囲の人を含むコミュニケーションが非常に大きな要素であることが挙げられる。非特許文献２によれば、個人の周囲のコミュニケーションパターンの指標である結束度が個人の生産性と相関していることを示している。つまり、人材配置において、配置後の組織がどのようなコミュニケーションパターンになるかということは、その成否に大きく関わってくる。しかし、組織におけるコミュニケーションパターンは、単純に体制上の関係通りにはならないということも明らかになっていて、現状の技術で予測することは困難である。

以上より、人材配置後の組織のコミュニケーションパターンを事前に推測し、提示することを可能とすることは、人材配置支援の大きな課題である。

本発明の代表的な一例を示せば次のとおりである。すなわち、組織を構成する複数の人物それぞれに装着される端末と、前記端末と通信する基地局と、前記基地局とネットワークを介して接続される管理サーバと、を備える情報処理システムであって、前記各端末は、前記各端末を装着した人物の行動情報を取得するセンサと、前記行動情報を前記基地局に送信する送信装置と、を有し、前記管理サーバは、前記ネットワークに接続されるネットワークインターフェースと、前記ネットワークインターフェースに接続されるプロセッサと、前記プロセッサに接続される記憶装置と、を有し、前記記憶装置は、前記組織における前記複数の人物間の予め定義された関係を示す人物関係情報を格納し、前記プロセッサは、前記ネットワークインターフェースを介して前記行動情報を受信して前記記憶装置に格納し、前記行動情報に基づいて、前記各人物の他の人物に対する行動の特徴を示す一つ以上の種類の行動特徴量を計算し、前記計算された行動特徴量を前記記憶装置に格納し、前記計算された行動特徴量を前記各人物と前記他の人物との前記定義された関係ごとに集計し、前記集計された行動特徴量をさらに前記記憶装置に格納し、まだ実行されていない前記定義された関係の変更を示す情報を取得すると、前記取得した情報、前記記憶装置に格納された行動特徴量、及び、過去に実行された前記定義された関係の変更の前後の前記行動特徴量に基づいて、前記定義された関係が前記取得した情報の通りに変更された後の前記人物の行動特徴量を推定し、前記推定された行動特徴量を出力することを特徴とする。

本発明の一実施形態によれば、組織が体制を変更する際に、事前に任意の変更後の組織における任意の２者間のコミュニケーション量及び全体構造を推定し、それを表示することで、人材配置を支援することが可能となる。

本発明の実施形態のセンサネットワークシステムの基本構成を示すブロック図である。 本発明の実施形態の管理サーバに格納されたセンサデータのデータベースの構成及びデータの例を示す説明図である。 本発明の実施形態において例示される組織の構造の説明図である。 本発明の実施形態の記録装置に格納される個人情報テーブルの説明図である。 本発明の実施形態の管理サーバが実行する解析及び可視化の手順を示すフローチャートである。 本発明の実施形態において参照される体制関係指標の説明図である。 本発明の実施形態の管理サーバによって作成される体制関係マトリクスの説明図である。 本発明の実施形態の管理サーバによって実行される個人特徴量抽出処理のフローチャートである。 本発明の実施形態の第１の対面リストを示す説明図である。 本発明の実施形態の第２の対面リストを示す説明図である。 本発明の実施形態の第３の対面リストを示す説明図である。 本発明の実施形態の活性リストを示す説明図である。 本発明の実施形態の２者対面時間マトリクスの説明図である。 本発明の実施形態における活性状態の遷移パターンの説明図である。 本発明の実施形態の対面時間マトリクスの説明図である。 本発明の実施形態の体制関係特徴量リストの説明図である。 本発明の実施形態の個人特徴量リストの説明図である。 本発明の実施形態の管理サーバによって実行される関係推定処理のフローチャートである。 本発明の実施形態の管理サーバによって実行される係数学習処理のフローチャートである。 本発明の実施形態の表示部に表示される関係特徴量表示図の説明図である。 本発明の実施形態の表示部に表示されるバネネットワーク図の説明図である。 本発明の実施形態の表示部に表示される体制変更受付図の説明図である。 本発明の実施形態の表示部に表示される推定結果図の説明図である。 本発明の実施形態の表示部に表示される、推定生産性の表示を含む推定結果図の説明図である。 本発明の実施形態の表示部に表示される、推定生産性の変化の表示を含む推定結果図の説明図である。 本発明の実施形態の表示部に表示される、推定生産性の確率的幅の表示を含む推定結果図の説明図である。 本発明の実施形態の表示部に表示される、複数の選択された状態に対応する推定結果図の説明図である。 本発明の実施形態において生産性の指標として使用される結束度の説明図である。 本発明の実施形態における体制変更の説明図である。 本発明の実施形態の表示部に表示される、複数の選択された状態に対応する推定結果図の説明図である。

以下、本発明の実施の形態を、図面を参照しながら詳細に説明する。なお、同一符号を付した構成要素は、同一または類似の構成を示すものである。

図１は、本発明の実施形態のセンサネットワークシステムの基本構成を示すブロック図である。

作業者ＷＫＲ１は、腕輪や名札に実装されたセンサノードＳＮ０を保持する。センサノードＳＮ０は、プロセッサ回路ＣＰＵ０、アンテナＡＮＴ０に接続された無線回路ＲＦ０、音・加速度・温度・赤外線などのセンサＳＮＳ０、センシングプログラムＭＳ２を格納するメモリＭＥＭ０、ボタンＩＮ０、ＬＣＤ・ＬＥＤ・ブザーなどの出力装置ＯＵＴ０、及び、時刻を管理するタイマーＴＭＲで構成されるセンサデバイスである。上記の構成要素は、バスＢＵＳ０によって相互に接続されている。

赤外線センサが赤外線信号を送受信することによって、センサノードＳＮ０が腕輪型である場合には脈拍、名札型である場合には正対する赤外線デバイスとの対面が検出できる。つまり作業者ＷＫＲ１と別の作業者ＷＫＲ２が二人とも名札型のセンサノードＳＮ０を装着して対面した場合、赤外線通信ＣＶ１によって、互いの対面コミュニケーションを検出できる。赤外線通信ＣＶ１によって送信される情報は、少なくとも、送信したセンサノードＳＮ０に割り当てられた識別子（例えば「ＷＫＲ２」）を含む。この識別子は、各センサノードＳＮ０に一意に割り当てられ、これを用いて各センサノードＳＮ０を装着した作業者を識別することができる。このような情報を相互に送受信することによって、各作業者が、いつ、誰と対面したかを検出することができる。図１に示すように、さらに別の作業者ＷＫＲ３も名札型のセンサノードＳＮ０を装着している場合、同様にして作業者ＷＫＲ１と作業者ＷＫＲ３との対面コミュニケーション、及び、作業者ＷＫＲ２と作業者ＷＫＲ３との対面コミュニケーションを検出することができる。

センサノードＳＮ０がセンシングした情報は、一旦メモリＭＥＭ０に格納された後、無線回路ＲＦ０から、無線通信ＷＣ１によって、又は、中継機ＲＴ１を介した無線通信ＷＣ２及びＷＣ３によって、基地局デバイスＢＳ１に送信される。あるいは、センシングした情報は、有線通信ＦＬ１によって基地局デバイスＢＳ１に送られてもよい。基地局デバイスＢＳ１は複数の受信部を保持し、複数のセンサノードから同時にデータを受信することも可能である。

基地局ＢＳ１が受け取った情報は、有線ネットワークＬＡＮ１を介して管理サーバＳＶ１に送信され、管理サーバＳＶ１のセンサデータベースＳＤ１に格納される。管理サーバＳＶ１にはその他に、後述のプログラム、及び生成されたリストが格納される。

有線ネットワークＬＡＮ１には、作業者が利用するコンピュータＰＣ１が有線又は無線ＬＡＮによって接続される。

赤外線発信装置ＢＣ１は、赤外線ＢＩＲ１を一定間隔で発信する装置であり、会議室、実験室、又は喫茶室などの会合所に設置する。その正面で名札型のセンサデバイスＳＮ０を装着した作業者ＷＫＲ１が作業をすると、センサノードＳＮ０によって赤外線ＢＩＲ１を検出できる。その情報を、無線通信ＷＣ１によって送信することで、各作業者の作業会合所を知ることができる。

ディスプレイＤＩＳＰ１及びそれに接続されるパソコンＰＣ１は、管理サーバＳＶ１が実行した処理の結果をユーザ向けに表示することができる。

管理サーバＳＶ１には時刻を管理するＮＴＰサーバＮＴＰＳが格納され、インターネット上の標準時刻などを定期的に参照するなどして正確な時刻を管理する。

管理サーバＳＶ１は、有線ネットワークＬＡＮ１に接続されるインターフェースＩＦ１と、プロセッサＣＰＵ１と、メモリＭＥＭ１と、センサデータベースＳＤ１と、記録装置ＤＢ１と、を備える。センサデータベースＳＤ１は、各種センサが取得したセンシングデータを格納する。記録装置ＤＢ１は、後述する各種プログラム及び各種データテーブルを記録する。センサデータベースＳＤ１及び記録装置ＤＢ１は、例えば、ハードディスクドライブ、ＣＤ−ＲＯＭドライブ又はフラッシュメモリなどである。なお、センサデータベースＳＤ１と記録装置ＤＢ１を一つの記録装置で構成することもできる。プロセッサＣＰＵ１は、記録装置ＤＢ１に格納されている後述する各種プログラムをメモリＭＥＭ１に読み出して実行することによって各種機能を実現する。

図１の例では、記録装置ＤＢ１に、個人特徴量抽出処理ＣＩＣ、関係推定処理ＰＲ、個人情報テーブルＴＥＡＭＩＮＦＯ、推定用個人情報テーブルＴＥＡＭＩＮＦＯ２、体制関係マトリクスＴＲＭ、個人特徴量リストＩＣＬ、及び推定関係特徴量マトリクスＰＲＭを含む。これらは、プロセッサＣＰＵ１によって実行されるプログラム、又は、それらのプログラムによって作成若しくは参照されるデータである。これらの詳細については後述する。

図２は、本発明の実施形態の管理サーバＳＶ１に格納されたセンサデータのデータベースＳＤ１の構成及びデータの例を示す説明図である。

データベースＳＤ１では、センサデータ、作業者が利用するセンサデバイスの識別情報、及び作業者の識別情報などが対応づけて管理される。

データベースＳＤ１には、テーブルＤＩＲ１、テーブルＤＡＣＣ１及びテーブルＤＶＯ１が含まれる。

テーブルＤＩＲ１は、温度データ、照度データ、及び赤外線の検出データを対応づけて格納するテーブルである。

列ＲＵＳＩＤには、本センサデバイスを利用する利用者（すなわち、そのセンサデバイスを備えるセンサノードＳＮ０を装着している作業者）の識別ＩＤが格納される。

列ＲＵＰＴＭには、データをテーブルＳＤ１に格納した時刻が格納される。

列ＲＧＷＡＤには、無線でデータを受信した基地局デバイス（たとえばＢＳ１）の識別子が格納される。

列ＲＡＰＨＤには、センサデバイスの種別を示す値が格納される。たとえば腕輪型デバイスでは１、名札型デバイスでは２などが格納される。

列ＲＤＡＴＹには、無線パケットに格納したデータの種類を示す値が格納される。たとえば温度データ、照度データ、及び赤外線の検出データのセットを含むデータが無線パケットに格納された場合の列ＲＤＡＴＹには１、加速度データの場合には２、音声データの場合には３などが格納される。

列ＲＳＥＮＵは、センサデバイスでフレームの送信順に００００からＦＦＦＦまで付与され、ＦＦＦＦの次は００００にリセットする周期的カウンタである。分割フレーム（すなわち、同一のセンシング周期にサンプリングしたデータを含む複数のフレーム）が結合した場合は，最初のフレームのシーケンス番号を格納する。

列ＲＳＡＩＤには、データをサンプリングしたタイミングを識別するサンプリング識別子が格納される。同一センシング周期にサンプリングしたデータを含む分割フレームには、同一のサンプリング識別子が付与される。

列ＲＯＢＰＥには、センサデバイスの現在のセンシング間隔が格納される。

列ＲＳＥＰＥには、センサデバイスの現在の無線送信間隔を格納する。無線送信間隔を表す数値が格納されてもよいし、無線送信間隔がセンシング間隔の何倍であるかを示す値が格納されてもよい。

列ＲＳＡＲＡには、センサデバイスにおけるセンサデータの取得周期が格納される。例えば、１０秒ごとに１秒間のセンシングが行われ、その１秒間におけるセンサのサンプリング周波数が５０ＨＺである場合、列ＲＳＡＲＡには「５０ＨＺ」が、列ＲＯＢＰＥには「１０秒」がそれぞれ格納される。

列ＲＳＡＮＵには、センサノードの現在のサンプリング回数が格納される。

列ＲＭＡＣＩＤには、デバイスのネットワークアドレス（例えばＭＡＣアドレス）が格納される。これによって、センサノードＳＮ０のＩＤ（列ＲＭＡＣＩＤ）とそれを装着する作業者のＩＤ（列ＲＵＳＩＤ）とが対応付けられる。

列ＲＦＲＮＵには、フレームが複数に分割された場合、各フレームの順序を示す値が格納される。合計Ｎ個の分割フレームの場合、Ｎ、Ｎ−１、Ｎ−２、…３、２、１と降順の番号が各フレームに付与される。１は最終分割フレームを、０は２５６番目のフレームを表す。

列ＲＦＲＳＩには、分割して送信される一連のフレームの合計個数が格納される。

列ＲＴＩＳＴには、本データをセンサで取得した時のセンサデバイスの時刻が格納される。

列ＲＴＥＭＰには、センサデバイスで取得した温度データが格納される。

列ＲＬＵＸには、センサデバイスで取得した照度データが格納される。

列ＲＢＡＬＥには、センサデバイスのバッテリ残量を示す値、たとえば電源電圧が格納される。

列ＲＬＱＩには、センサデバイスと基地局間の無線通信品質を示す値、たとえばＬＱＩ（ＬＩＮＫＱＵＡＬＩＴＹＩＮＤＩＣＡＴＯＲ）が格納される。

列ＲＩＲＤＳには、本データに含まれる赤外線データの検出数が格納される。

列ＲＩＲには、センサデバイスが取得した赤外線データが格納される。

テーブルＤＡＣＣ１は、テーブルＤＩＲの赤外線などのデータの替わりに、加速度センサのデータを格納する。列ＲＭＡＣＩＤから列ＲＴＩＳＴまでには、テーブルＤＩＲと同様の内容が格納される。

列ＲＡＣＤＳには、本データに含まれる加速度データの検出数が格納される。

列ＲＡＣＣには、センサデバイスが取得した加速度データが格納される。

テーブルＤＶＯ１は、テーブルＤＩＲの赤外線などのデータの替わりに、音声のデータを格納する。列ＲＭＡＣＩＤから列ＲＴＩＳＴまでには、テーブルＤＩＲと同様の内容が格納される。

列ＲＶＯＤＳには、本データに含まれる音声データの検出数が格納される。

列ＲＶＯＤＡには、センサデバイスが取得した音声データが格納される。

次に、個人情報テーブルＴＥＡＭＩＮＦＯについて説明する。

最初に、以下の説明において例示される組織の構造について説明する。

図３は、本発明の実施形態において例示される組織の構造の説明図である。

図３に示す組織図ＯＲＧＣＨＡＲＴは、作業者Ｗ０からＷ１２までの１３人からなる組織の構成を示す。この組織は、作業者Ｗ１〜Ｗ７からなるグループＡ（ＧＲＯＵＰ Ａ）と、作業者Ｗ８〜Ｗ１２からなるグループＢ（ＧＲＯＵＰ Ｂ）とを含む。作業者Ｗ０は、グループＡ及びＢを含む組織全体のリーダである。各グループは、さらに細かいグループ（本実施形態ではチームと記載する）を内包してもよい。図３の例では、各グループは、一つ以上のチームを含む。図３の例において、グループＡは、作業者Ｗ２〜Ｗ４からなるチームＡ１と、作業者Ｗ５〜Ｗ７からなるチームＡ２とを含む。チームＡ１及びＡ２のチームリーダは、それぞれ作業者Ｗ２及びＷ５である。グループＢは、作業者Ｗ９及びＷ１０からなるチームＢ１と、作業者Ｗ１１及びＷ１２からなるチームＢ２とを含む。チームＢ１及びＢ２のチームリーダは、それぞれ作業者Ｗ９及びＷ１１である。

図４は、本発明の実施形態の記録装置ＤＢ１（図１）に格納される個人情報テーブルＴＥＡＭＩＮＦＯの説明図である。

個人情報テーブルＴＥＡＭＩＮＦＯには、各作業者の識別ＩＤに対応づけられて、各作業者の所属、職位及び体制関係等が格納される。この作業者情報は、表示装置ＤＩＳＰ１からデータ閲覧者等によって予め入力され、記録装置ＤＢ１に格納される。図４のデータの例は、図３の組織図ＯＲＧＣＨＡＲＴのように構成される組織のデータを格納したものである。

図４に示す個人情報テーブルＴＥＡＭＩＮＦＯには、例えば以下のデータが格納される。列ＵＳＥＲＩＤには、センサノードを利用する作業者の識別ＩＤが格納される。列ＵＮＡＭＥには、作業者の氏名が格納される。列ＧＲＯＵＰＩＤには、作業者の所属するグループを識別するＩＤが格納される。どのグループにも属さない作業者についてはＮＵＬＬが格納される。列ＧＬＥＡＤＥＲには、グループのリーダを表すフラグが格納される。例えばグループのリーダには１、それ以外には０が格納される。列ＴＥＡＭＩＤには、作業者の属するチームを識別するＩＤが格納される。どのチームにも属さない作業者についてはＮＵＬＬが格納される。列ＴＬＥＡＤＥＲには、チームのリーダを表すフラグが格納される。例えばリーダには１、それ以外には０が格納される。列ＰＯＳＩＤには、職位を表す情報が格納される。例えばマネージャには１、主任には２、新人には３が格納される。列ＳＵＰＥＲＩＯＲＩＤには、作業者の上司の識別ＩＤが格納される。上司のいない作業者についてはＮＵＬＬが格納される。列ＦＯＬＬＥＷＥＲＩＤには、作業者の部下の識別ＩＤが格納される。部下のいない作業者についてはＮＵＬＬが格納される。これら、個人情報テーブルは更新されるたびに、更新日付と更新前の情報が格納され、任意の日付のテーブルを参照し直すことを可能としている。

上記の個人情報テーブルＴＥＡＭＩＮＦＯは、企業のような、そこに属する人物の系列及び各人物の職位の階層等が明確な組織の例を示している。一方、例えば同好会のような、系列及び階層が明確でない組織に本発明が適用される場合、各作業者が属するグループ等を示す情報のみが個人情報テーブルＴＥＡＭＩＮＦＯ格納されてもよい。

図５は、本発明の実施形態の管理サーバＳＶ１が実行する解析及び可視化の手順を示すフローチャートである。

ここでは、個人情報テーブルＴＥＡＭＩＮＦＯを、任意の２者間の体制関係を表す体制関係マトリクスＴＲＭに変換して、それとセンサデータを用いて取得された対面データ、加速度データ及び音声データとを合わせて、個人の関係特徴量を解析する処理（個人特徴量抽出処理ＣＩＣ）が実行される。ここで求められる関係特徴量とは、各個人のコミュニケーションの平均的な傾向、例えば、ある個人はその上司とはどの程度コミュニケーションを取る人であり、かつそのコミュニケーション中にどれだけ活発に会話出来る人かなどを示す。

これら具体的な関係特徴量とその求め方は後述するが、このような関係特徴量はその個人の他者との付き合い方を強く反映することが知られている。これら関係特徴量を定量的に求めることによって、人材配置などでチームのメンバが異動したとき、あるいはメンバが変わらずともその関係性が変わったとき（例えば同僚が上司になったとき）などに、あらかじめどのような関係が構築されるか推定することが可能となる。ある体制関係においてメンバ間にどのような関係が構築されるかを推定したい場合、その体制関係を入力し、その入力された体制関係と、求められた関係特徴量が格納された個人特徴量リストＩＣＬとに基づいて関係推定処理ＰＲを実行することで、推定された関係特徴量のリスト（推定関係特徴量マトリクスＰＲＭ）が作成される。以後各ステップの詳細について記述する。

最初に、個人情報テーブルＴＥＡＭＩＮＦＯを体制関係マトリクスＴＲＭに変換するステップについて、図６及び図７を参照して説明する。

図６は、本発明の実施形態において参照される体制関係指標ＴＲＩの説明図である。

図７は、本発明の実施形態の管理サーバＳＶ１によって作成される体制関係マトリクスＴＲＭの説明図である。

図７に示す体制関係マトリクスＴＲＭには、個人情報テーブルＴＥＡＭＩＮＦＯに含まれる個人の情報から抽出された任意の２者間の体制関係指標ＴＲＩが格納される。体制関係指標ＴＲＩとは、図６に示す通り、図３に示したような組織図の情報を各２者間の関係を示す情報として展開したものである。ここでは、図３の組織図の縦方向の位置関係によって示される階層情報と、横方向の位置関係によって示される系列情報の２軸で各２者間の関係を定義したデータが格納される。

階層情報は、上司「ｓ」、同階層「ｐ」、部下「ｆ」に大別され、さらに、その関係の近さで小別される。すなわち、ある作業者から見たときの、その作業者と同階層の作業者との関係を記述する体制関係指標は「ｐ」となる。同様に、その作業者と１階層上の上司との関係、その作業者とｎ階層上の上司との関係、その作業者と１階層下の部下との関係、及び、その作業者とｎ階層下の部下との関係を記述する体制関係指標ＴＲＩは、それぞれ、「ｓ１」、「ｓｎ」、「ｆ１」及び「ｆｎ」となる。

例えば、図３において、作業者Ｗ２から見て、作業者Ｗ３は直属の部下なので、作業者Ｗ２から見た作業者Ｗ２と作業者Ｗ３の関係を示す体制関係指標ＴＲＩは「ｆ１」となる。一方、作業者Ｗ２から見て、Ｗ０は２階層上の上司なので、作業者Ｗ２から見た作業者Ｗ２と作業者Ｗ０の関係を示す体制関係指標ＴＲＩは「ｓ２」となる。

体制関係マトリクスＴＲＭ（図７）には、縦軸のユーザ識別子（ＵＳＥＲＩＤ）によって識別される作業者から見た各作業者の関係を記述する体制関係指標ＴＲＩが、そのユーザ識別子に対応する行の、横軸の各ユーザ識別子に対応する列に格納される。この例において、作業者Ｗ０〜Ｗ１２のユーザ識別子は、それぞれ、「０」〜「１２」である。すなわち、上記の作業者Ｗ２と作業者Ｗ３の関係を示す「ｆ１」は、縦軸のユーザ識別子「２」に対応する行の、横軸のユーザ識別子「３」に対応する列に格納され、作業者Ｗ２と作業者Ｗ０の関係を示す体制関係指標「ｓ２」は、縦軸のユーザ識別子「２」に対応する行の、横軸のユーザ識別子「３」に対応する列に格納される。

系列情報の例としては、２人の作業者が同じ系列に属するのか、同グループの他チームに属するのか、他グループに属するのか、を示す修飾情報を体制関係指標ＴＲＩに付加することによって分類することができる。図６及び図７の例では、２人の作業者が同じ系列に属する場合には修飾情報が付加されず、同グループの他チームに属する場合には修飾情報「ｏｔ」が付加され、他グループに属する場合には修飾情報「ｏｇ」が付加される。

例えば、図３の作業者Ｗ３から見て、作業者Ｗ２は同系列の直属の上司であるので、作業者Ｗ３から見た作業者Ｗ３と作業者Ｗ２の関係を示す体制関係指標ＴＲＩは「ｓ１」となる。この「ｓ１」は、縦軸のユーザ識別子「３」に対応する行の、横軸のユーザ識別子「２」に対応する列に格納される（図７）。作業者Ｗ３から見て、作業者Ｗ５は同グループ他チームの一階層上の上司なので、作業者Ｗ３から見た作業者Ｗ３と作業者Ｗ５の関係を示す体制関係指標ＴＲＩは「ｏｔｓ１」となる。この「ｏｔｓ１」は、縦軸のユーザ識別子「３」に対応する行の、横軸のユーザ識別子「５」に対応する列に格納される（図７）。作業者Ｗ３から見て、作業者Ｗ９及びＷ１１は他グループの一階層上の上司なので、作業者Ｗ３から見た作業者Ｗ３と作業者Ｗ９の関係及び作業者Ｗ３と作業者Ｗ１１の関係を示す体制関係指標ＴＲＩはいずれも「ｏｇｓ１」となる。この「ｏｇｓ１」は、縦軸のユーザ識別子「３」に対応する行の、横軸のユーザ識別子「９」に対応する列、及び、横軸のユーザ識別子「１１」に対応する列に格納される（図７）。

ここでは、例えば２階層上の上司との間に一階層上の上司がいなくても、２階層上の上司との体制関係指標ＴＲＩはＦ２とする。このような任意の２者間の体制関係を示したマトリクスが図７の体制関係マトリクスＴＲＭとなる。

上記のように、体制関係マトリクスＴＲＭには、組織に属する人物間の関係、特に、人物の実際の行動によって成立し、行動に応じて変化する関係ではなく、予め明示的に定義され、明示的に変更される関係（すなわち体制関係）を示す情報が格納される。例えば企業のような組織では、そこに属する人物の系列及び各人物の職位の階層等が明確であるため、それらの系列及び階層等の関係を示す情報（具体的には、各人物が属するグループ等の関係を示す情報、各人物の指揮命令系統内の位置の関係を示す情報、及び各人物の職位の階層の関係を示す情報等）が体制関係マトリクスＴＲＭに格納される。図７は、このような人物関係情報の例を示す。

本実施形態においては、企業のような系列及び階層が明確な体制関係を例にしているが、例えば同好会などのように系列及び階層が特に決められていない組織においては、このマトリクスの全ての要素として同一の関係指標を用いてもよい。また、個人情報テーブルＴＥＡＭＩＮＦＯにデータが無い場合には、同様にこの体制関係マトリクスＴＲＭの全ての要素に同一の関係指標を用いてもよい。体制関係マトリクスＴＲＭを用いた２者間の関係特徴量を求める際のラベリングについては後述する。

次に、図６の個人特徴量抽出処理ＣＩＣについて説明する。

図８は、本発明の実施形態の管理サーバＳＶ１によって実行される個人特徴量抽出処理ＣＩＣのフローチャートである。

まず、管理サーバＳＶ１は、対面データＤＩＲを読み込み（ステップ８０１）、対面判定を行うことによって（ステップ８０２）、図９に示すような対面リスト１を生成する（ステップ８０３）。

図９に示す対面リスト１＿９００は、時刻９０１、自己ＩＤ９０２、対面ＩＤ１＿９０３、対面ＩＤ２＿９０４及び対面ＩＤ３＿９０５等の列を含む。

時刻９０１には、例えば名札型のセンサノードＳＮ０の赤外線センサが作業者間の対面を検出した時刻が格納される。

自己ＩＤ９０２には、受信者のＩＤ、すなわち対面を検出した赤外線センサを含むセンサノードＳＮ０を装着した作業者の識別子（ＩＤ）が格納される。

対面ＩＤ１＿９０３には、送信者のＩＤ、すなわち赤外線センサが検出した対面の相手方の作業者のＩＤが格納される。

同一の時刻に複数の作業者との対面が検出された場合、それらの対面の相手方の作業者のＩＤは対面ＩＤ１＿９０３、対面ＩＤ２＿９０４及び対面ＩＤ３＿９０５に順次格納される。各作業者が４人以上の作業者と対面する可能性がある場合は、対面ＩＤ４（図示省略）等、対面ＩＤを格納するための列がさらに設けられてもよい。

図９の例では、時刻「１２：００」及び自己ＩＤ「１」に対応する対面ＩＤ１＿９０３及び対面ＩＤ２＿９０４に、それぞれ「２」及び「３」が格納されている。これは、ＩＤ「１」によって識別される作業者（以下、作業者「１」とも記載する。他のＩＤについても同様）が、時刻１２：００に、作業者「２」及び「３」と対面したことを示す。この対面は、例えば、作業者「１」が装着したセンサノードＳＮ０の赤外線センサが、作業者「２」が装着したセンサノードＳＮ０からの赤外線信号及び作業者「３」が装着したセンサノードＳＮ０からの赤外線信号を受信することによって検出される。

次に、管理サーバＳＶ１は、対面リスト１について二者間補完を行い（ステップ８０４）、それによって対面リスト２を作成する（ステップ８０５）。

ここで二者間補完について説明する。例えば作業者Ｉ及びＪの２人が対面しているときに、Ｉが装着したセンサノードＳＮ０はＪが装着したセンサノードＳＮ０からの赤外線信号を受信しているが、Ｊが装着したセンサノードＳＮ０はＩが装着したセンサノードＳＮ０からの赤外線信号を受信できない場合がある。その場合にデータを補間する。具体的には、管理サーバＳＶ１は、対面リスト１を読み込み、ある時刻に送信者Ｉから送信された赤外線信号を受信者Ｊが受信した記録を対面リスト２に複写する。さらに、それと同じ時刻に送信者Ｊから送信された赤外線信号を受信者Ｉが受信した記録がない場合には、それを対面リスト２に追加する。このようにして作成された対面リスト２を図１０に示す。

図１０に示す対面リスト２＿１０００は、時刻１００１、自己ＩＤ１００２、対面ＩＤ１＿１００３、対面ＩＤ２＿１００４及び対面ＩＤ３＿１００５等の列を含む。これらは、それぞれ、図9の時刻９０１、自己ＩＤ９０２、対面ＩＤ１＿９０３、対面ＩＤ２＿９０４及び対面ＩＤ３＿９０５等に対応する。

図９の例は、時刻「１２：００」に作業者「１」が作業者「２」からの赤外線信号を受信したが、作業者「２」が作業者「１」からの赤外線信号を受信していないことを示す。この場合、実際には作業者「１」と作業者「２」とが対面していたにもかかわらず、何らかの原因で作業者「２」のセンサノードＳＮ０が作業者「１」のセンサノードＳＮ０からの赤外線信号の受信に失敗したと考えられる。このため、管理サーバＳＶ１は、対面リスト２＿１０００の時刻「１２：００」及び自己ＩＤ「２」に対応する対面ＩＤ１＿１００３に「１」を追加する。

同様に、三者が同時に対面している場合において、３人のうち全てのペアの間で赤外線の送受信ができるとは限らない。このため、管理サーバＳＶ１は、対面リスト２＿１０００のデータを補間する（ステップ８０６）。具体的には、管理サーバＳＶ１は、対面リスト２＿１０００を読み込み、それを対面リスト３＿１１００に複写する。さらに、ある時刻においてある受信者が複数の送信者Ｋ及びＬのＩＤを受信した記録があるにもかかわらず、それと同じ時刻に送信者Ｋが受信者ＬのＩＤを受信した記録がない場合には、それを対面リスト３に追加する（ステップ８０７）。このようにして作成された対面リスト３を図１１に示す。

図１１に示す対面リスト３＿１１００は、時刻１１０１、自己ＩＤ１１０２、対面ＩＤ１＿１１０３、対面ＩＤ２＿１１０４及び対面ＩＤ３＿１１０５等の列を含む。これらは、それぞれ、図１０の時刻１００１、自己ＩＤ１００２、対面ＩＤ１＿１００３、対面ＩＤ２＿１００４及び対面ＩＤ３＿１００５等に対応する。

図１０の例は、時刻「１２：００」に作業者「１」が作業者「２」及び作業者「３」からの赤外線信号を受信したが、作業者「２」は作業者「３」からの赤外線信号を受信しておらず、作業者「３」も作業者「２」からの赤外線信号を受信していないことを示す。この場合、実際には作業者「１」と作業者「２」と作業者「３」とが対面していたにもかかわらず、何らかの原因で作業者「２」のセンサノードＳＮ０が作業者「３」のセンサノードＳＮ０からの赤外線信号の受信に失敗し、同様に作業者「３」のセンサノードＳＮ０が作業者「２」のセンサノードＳＮ０からの赤外線信号の受信に失敗したと考えられる。このため、管理サーバＳＶ１は、対面リスト３＿１１００の時刻「１２：００」及び自己ＩＤ「２」に対応する対面ＩＤ２＿１１０４に「３」を、時刻「１２：００」及び自己ＩＤ「３」に対応する対面ＩＤ２＿１１０４に「２」を、それぞれ追加する。

対面リストを作成する場合に、単純に対面しているだけでなく、なんらかの情報のやり取りをしながら対面している場合のみを対面していると判定することも可能である。これは、「話す」などの情報の発信及び「うなずく」などの情報の受信が行なわれている場合のみを意味のある対面として抽出するということである。この場合には、管理サーバＳＶ１は、対面リスト３＿１１００を読み込み、対面リスト３＿１１００に登録されている時刻と同一の時刻における送信者及び受信者の加速度情報を加速度データＤＡＣＣから読み込む。そして、送信者及び受信者の加速度信号の大きさ及び加速度の周波数があらかじめ定められた閾値以下であった場合には、管理サーバＳＶ１は、両者がただ対面しているだけあり、重要なやり取りを行っていないと判断して、当該時刻における当該送信者及び受信者のＩＤを対面リスト３から削除する。

例えば、図１１からは、時刻１２：００において作業者「１」、「２」及び「３」の３人が対面していたことが読み取れるが、これらの作業者全員の加速度信号の大きさ及び加速度の周波数が閾値以下であった場合、管理サーバＳＶ１は、これらの３人はただその場に居合わせただけであり、有効な会合は行われていなかったと推定して、これらの対面データを対面リスト３から削除してもよい。ただし、このような削除を実行するか否かは、ユーザが選択することができる。

次に、管理サーバＳＶ１は、加速度情報を格納したテーブルＤＡＣＣ１における加速度データの検出数ＲＡＣＤＳ及び加速度データＲＡＣＣの値から、下記の方法で作業者の活性度合いを計算して、その結果を活性リスト（後述）に格納する。

ここで、各作業者が活性状態であるか否かについて判定する手法について説明する。業務中に積極的な行動をすることで、組織の内部／外部からの情報を集めることができ、白熱した議論をすることでアイデアを練ることを促進させることができる。その場合に想定される行動として、「言葉だけでなく身振り（ジェスチャ）を含めた対面」及び「相手がいる場所まで出向いて対面」などが挙げられる。本発明者らは、このようなユーザの行動と動作リズムの関係について実験を行ったところ、ビデオ観察などの結果から、活性的な作業をしている時間帯は、それ以外の時間帯に比べて加速度の周波数が高いことがわかった。たとえば会話を行っている時には、２ＨＺから３ＨＺの周波数成分が高くなる。そこでここでは、加速度の周波数がある閾値を上回っている時間帯を、活性的な状態と判定する。典型的には、加速度の周波数が２ＨＺ以上などである。もちろんこの値は人または業務の種類によって異なるため、状況に応じて設定変更可能である。

再び図８を参照して、活性度合いを算出するフローについて説明する。最初の加速度周波数計算８０９は、時系列に並んだ加速度データ８０８から周波数を求める処理である。周波数は、一秒間の波の振動数と定義され、つまり振動の激しさを表している指標である。フーリエ変換によって周波数を計算してもよいが、本実施形態では、計算を簡略化するために、周波数に相当するものとして、ゼロクロス値を用いる。これによってサーバの処理負荷が低減され、センサノードの数の増加によるサーバの計算量の増加に対しても有効である。

ゼロクロス値とは、一定の期間内における時系列データの値がゼロとなった回数、より正確には、時系列データが正の値から負の値へ、又は負の値から正の値へと変化した回数を計数したものである。例えば、加速度の値が正から負に変化してから、次にその値が再び正から負に変化するまでの期間を１周期とみなすと、計数されたゼロクロスの回数から、１秒間当たりの振動数を算出することができる。このようにして算出された一秒間当たりの振動数を、加速度の近似的な周波数として使用することができる。

さらに、本実施例のセンサノードＳＮ０は、三軸方向の加速度センサを備えているため、同じ期間の三軸方向のゼロクロス値を合計することによって一つのゼロクロス値が算出される。これによって、特に左右及び前後方向の細かい振り子運動を検出し、振動の激しさを表す指標として用いることができる。

ゼロクロス値を計数する「一定の期間」として、連続したデータの間隔（つまり元のセンシング間隔）よりも大きな値が設定される。たとえば１秒毎のゼロクロス値又は１分毎のゼロクロス値を求めてもよい。

加速度周波数計算８０９の結果、各時間におけるゼロクロス値、及びそこから算出された秒単位の振動数が、加速度リスト８１０としてメモリ上に、又はファイルとして生成される。

次に、管理サーバＳＶ１は、このリスト８１０を対象に、活性判定８１１を実施する。上述したように、ここでは作業者が各時間帯において活性状態にあるか否かを、その作業者が装着したセンサノードＳＮ０によって計測された加速度の周波数がある閾値を上回っているか否かに基づいて判定される。具体的には、管理サーバＳＶ１は、加速度リスト８１０を時刻の順に走査し、加速度の周波数が閾値を上回っている行には活性状態として判定値に”１”、下回った行には非活性状態として判定値に”０”を挿入する。この結果、作業者が各時間帯において活性状態にあるか否かを秒単位で判定した結果を含む活性リスト１＿８１２が生成される。

ここで、ある短い時間帯の加速度の周波数が閾値以下であっても、その前後の時間帯の加速度の周波数は閾値以上（すなわち活性状態）である場合、逆に、ある短い時間帯の加速度の周波数が閾値以上であったが、その前後の時間帯の加速度の周波数は閾値以下（すなわち活性状態）である場合がある。このような瞬間的なノイズを除去する機構が必要となる。

そこで、管理サーバＳＶ１は、次にこの活性リスト１＿８１２を対象に、ノイズ除去８１３を実施する。ノイズ除去の役割は、上記で求めた活性度の時系列変化、たとえば”０００１０００１１１１１１００１１１１”といった系列に対し、前後関係を加味して瞬間的な変化を取り除いた、たとえば”０００００００１１１１１１１１１１１１”という系列を生成することである。このようなノイズ除去処理を行うことによって、その前後の時間帯を考慮して活性度を算出することができ、より実際の状況を反映した活性度を把握することが可能となる。

ノイズを除去する処理は、ローパスフィルタを用いて高周波の成分を除去することによって実行することも可能であるが、ここではより単純な方法として、多数決的な方法を説明する。本方法では、時系列順に先頭から末尾までの時間帯がひとつずつ判定の対象として選択される。現在、活性リスト１＿８１２のＩ番目の時間帯が判定の対象であるとする。ここで、管理サーバＳＶ１は、Ｉ−Ｎ番目の時間帯から、Ｉ＋Ｎ番目の時間帯までの合計２Ｎ＋１個の時間帯に関し、活性状態の時間帯の数と、非活性状態の時間帯の数を数える。ここでもし活性状態の時間帯の数のほうが多く、かつ、Ｉ番目の時間帯が活性状態でない場合、管理サーバＳＶ１は、Ｉ番目の状態を活性状態に変更する。逆に非活性状態の時間帯の数の方が多ければ、Ｉ番目の状態を非活性状態に変更する。

たとえば”０００１０００１１１１１１００１１１１”という系列に、Ｎ＝２としてこの方法を適用すると、”０００００００１１１１１１１１１１１１”という系列が生成される。Ｎが小さければ各時間帯の前後の短時間の状態のみを反映してノイズが除去され、Ｎが大きければより長時間の状態を反映してノイズが除去される。Ｎをどの程度にするかは人や業務の種類によるが、最初に小さいＮで細かいノイズを除去したあと、再度大きいＮで少し長めのノイズを除去することなども可能である。このように多数決的な方法を実行することによって、サーバの計算量を減らし、処理負荷を低減することができる。この結果、各時間帯において作業者が活性状態にあるか否かを秒単位で判定した結果を含む活性リスト２＿８１４が生成される。

この活性リスト２＿８１４は秒単位のデータであるが、管理サーバＳＶ１は、後の処理を簡単にする目的で、より長い時間単位での活性度を計算するための期間集計処理８１５を行うことができる。ここでは秒単位の活性度から、分単位の活性度を計算する例を示す。ひとつの方法は、１分の中で活性状態であった秒数を集計して、それがしきい値以上であれば、その１分は活性状態と見なす方法である。例えば活性状態であった秒数の割合が５０％を超えたら活性状態と見なしてもよい。管理サーバＳＶ１は、このようにして算出された作業者の活性度合いを、活性リスト３＿８１６に格納する。１分後毎の各時間帯において作業者が活性状態である場合、すなわち作業者が積極的な行動をしていると推定される場合には活性度合いを示す値として”１”が、作業者が非活性状態である場合、すなわち作業者が非積極的な行動をしていると推定される場合には”０”が格納される。

上記の活性状態の判定は加速度の周波数に基づいて行われるが、それ以外の情報に基づく判定が行われてもよい。例えば、音声の強度に基づいて活性状態が判定されてもよい。その場合にも、加速度の周波数（ゼロクロス値）の代わりに音声の強度が用いられることを除いて、上記と同様の手順を適用することができる。

図１２は、本発明の実施形態の活性リスト３＿８１６を示す説明図である。

図１２に示す活性リスト３＿８１６は、時刻１２０１、自己ＩＤ１２０２、及び活性状態１２０３の列を含む。

時刻１２０１には、各時間帯を代表する時刻（例えば各時間帯の始点の時刻）が格納される。自己ＩＤ１２０２には、作業者を識別する情報が格納される。活性状態１２０３には、各時間帯における各作業者の活性度合いを示す値が格納される。図１２の例では、活性状態を示す値として”１”が、非活性状態を示す値として”０”が格納される。

次に、管理サーバＳＶ１は、各２者間の関係を数値化した関係特徴量マトリクス８１８を作成する。関係特徴量は、２者間の関係、特に、対面する、会話するなどといった２者間の行動によって成立する関係の状態を示す指標である。後述するように、２者間の関係を対面リスト３＿１１００及び活性リスト３＿８１６から種々の関係特徴量を抽出することができ、抽出された関係特徴量の種類ごとにそれらを格納する関係特徴量マトリクス８１８が作成される。この関係特徴量としては、例えば以下のようなものが挙げられる。ここでは、ＵＳＥＲＩＤが「１」である作業者Ｗ１からみた、ＵＳＥＲＩＤが「２」である作業者Ｗ２との関係を例として説明する。

関係特徴量の一例は、作業者Ｗ１及びＷ２が対面していた時間、及び、その時間が、どちらがどの程度活性している時間で構成されていたかを示す２者対面時間特徴量（対面特徴量とも記載する）がある。これら特徴量は図１３の２者対面時間マトリクスＰＣＭのように分類される。

図１３は、本発明の実施形態の２者対面時間マトリクスＰＣＭの説明図である。

本実施形態では、関係特徴量として、対面時間ＲＣＨ１、双方向時間ＲＣＨ２、ピッチャー時間ＲＣＨ３、キャッチャー時間ＲＣＨ４及び同席時間ＲＣＨ５が計算され、それぞれ、対面時間マトリクスＲＣＨＭＭ１、双方向時間マトリクスＲＣＨＭＭ２、ピッチャー時間マトリクスＲＣＨＭＭ３、キャッチャー時間マトリクスＲＣＨＭＭ４及び同席時間マトリクスＲＣＨＭＭ５に格納される。関係特徴量マトリクスは、これらのマトリクスの総称である。

以下、関係特徴量マトリクス８１８として格納される各マトリクスの詳細を説明する。

対面時間ＲＣＨ１は、対象期間中に組織内の２者（例えば作業者Ｗ１及びＷ２）がどれだけ会話を行ったかを示す指標である。具体的には、対面時間ＲＣＨ１は、対面リスト３＿１１００を参照して、対象期間中に作業者Ｗ１及びＷ２が対面したと判定された時間を対象期間の日数で正規化することによって計算される。管理サーバＳＶ１は、組織内の全ての２者の組み合わせについて対面時間ＲＣＨ１を計算し、その結果を図１５に示すような対面時間マトリクスＲＣＨＭＭ１に格納する。

図１５は、本発明の実施形態の対面時間マトリクスＲＣＨＭＭ１の説明図である。

図１５に示す対面時間マトリクスＲＣＨＭＭ１の縦軸及び横軸の「０」〜「１２」は、各作業者を識別するＩＤである。縦軸及び横軸のＩＤに対応して格納された数値は、それぞれのＩＤによって識別される２作業者間の対面時間ＲＣＨ１である。例えば、縦軸のＩＤ「１」及び横軸のＩＤ「２」に対応する対面時間ＲＣＨ１は「２０」である。これは、対象期間中に作業者Ｗ１とＷ２が対面した１日当たりの時間が２０分であったことを示す。

双方向時間ＲＣＨ２は、２者がどの程度活性化した会話を行っているかを示す指標である。例えば、作業者Ｗ１が主体的に話していて活性化していて、作業者Ｗ２も相槌を打つなどして活性化している時間などが双方向時間ＲＣＨ２に該当する。具体的には、双方向時間ＲＣＨ２は、次の手順で計算される。まず、管理サーバＳＶ１は、対面リスト３＿１１００を参照して、対象期間中の作業者Ｗ１及びＷ２が対面したと判定されている時間を特定し、次に、活性リスト３＿８１６を参照して、上記の特定された時間のうち、作業者Ｗ１及びＷ２ともに活性であると判定された時間を合計し、次に、その合計された時間を対象期間の日数で正規化する。管理サーバＳＶ１は、組織内の全ての２者の組み合わせについて双方向ＲＣＨ２を計算し、その結果を双方向時間マトリクスＲＣＨＭＭ２に格納する。

双方向時間マトリクスＲＣＨＭＭ２の図示は省略するが、その形式は対面時間マトリクスＲＣＨＭＭ１（図１５）と同様である。例えば、仮に、双方向時間マトリクスＲＣＨＭＭ２において、縦軸のＩＤ「１」及び横軸のＩＤ「２」に対応する双方向時間ＲＣＨ２が「５」であった場合、対象期間中に作業者Ｗ１とＷ２が対面した１日当たりの時間である２０分（図１５参照）のうち、作業者Ｗ１及びＷ２がいずれも活性であった時間が５分であったことを示す。

ピッチャー時間ＲＣＨ３は、ある作業者（例えば作業者Ｗ１）が対面の相手（例えば作業者Ｗ２）に対して主導権を取っていた会話時間がどの程度あったかを示す指標である。例えば、作業者Ｗ１が一方的に活性化して話していて、Ｗ２が黙って聞いている時間などが作業者Ｗ１のピッチャー時間ＲＣＨ３に該当する。具体的には、ピッチャー時間ＲＣＨ３は、次の手順で計算される。まず、管理サーバＳＶ１は、対面リスト３＿１１００を参照して、対象期間中に作業者Ｗ１及びＷ２が対面したと判定された時間を特定し、次に、活性リスト３＿８１６を参照して、上記の特定された時間のうち、作業者Ｗ１が活性と判定され、作業者Ｗ２が不活性と判定された時間を合計し、次に、その合計された時間を対象期間の日数で正規化する。管理サーバＳＶ１は、組織内の全ての２者の組み合わせについてピッチャー時間ＲＣＨ３を計算し、その結果をピッチャー時間マトリクスＲＣＨＭＭ３に格納する。

ピッチャー時間マトリクスＲＣＨＭＭ３の図示は省略するが、その形式は対面時間マトリクスＲＣＨＭＭ１（図１５）と同様である。例えば、仮に、ピッチャー時間マトリクスＲＣＨＭＭ３において、縦軸のＩＤ「１」及び横軸のＩＤ「２」に対応するピッチャー時間ＲＣＨ３が「１０」であった場合、対象期間中に作業者Ｗ１とＷ２が対面した１日当たりの時間である２０分（図１５参照）のうち、作業者Ｗ１が活性であり、Ｗ２が不活性であった時間（すなわち作業者Ｗ１のピッチャー時間ＲＣＨ３）が１０分であったことを示す。

キャッチャー時間ＲＣＨ４は、ピッチャー時間の逆であり、ある作業者（例えば作業者Ｗ１）が対面の相手（例えば作業者Ｗ２）に主導権を取られていた会話時間がどの程度あったかを示す指標である。具体的には、キャッチャー時間ＲＣＨ４は、次の手順で計算される。まず、管理サーバＳＶ１は、対面リスト３＿１１００を参照して、対象期間中に作業者Ｗ１及びＷ２が対面したと判定された時間を特定し、次に、活性リスト３＿８１６を参照して、Ｗ２が活性と判定され、Ｗ１が不活性と判定された時間を合計し、次に、その合計された時間を対象期間の日数で正規化する。管理サーバＳＶ１は、組織内の全ての２者の組み合わせについてキャッチャー時間ＲＣＨ４を計算し、その結果をキャッチャー時間マトリクスＲＣＨＭＭ４に格納する。

キャッチャー時間マトリクスＲＣＨＭＭ４の図示は省略するが、その形式は対面時間マトリクスＲＣＨＭＭ１（図１５）と同様である。例えば、仮に、キャッチャー時間マトリクスＲＣＨＭＭ４において、縦軸のＩＤ「１」及び横軸のＩＤ「２」に対応するキャッチャー時間ＲＣＨ４が「３」であった場合、対象期間中に作業者Ｗ１とＷ２が対面した１日当たりの時間である２０分（図１５参照）のうち、作業者Ｗ１が不活性であり、Ｗ２が活性であった時間（すなわち作業者Ｗ１のキャッチャー時間ＲＣＨ４）が３分であったことを示す。

同席時間ＲＣＨ５は、２者がどの程度不活性な会話を行っているかを示す指標である。例えば、大人数の会議に参加している作業者Ｗ１及びＷ２が対面している状態にあるが、両者ともただ黙って聞いている時間などが同席時間ＲＣＨ５に該当する。具体的には、同席時間ＲＣＨ５は、次の手順で計算される。まず、管理サーバＳＶ１は、対面リスト３＿１１００を参照して、対象期間中に作業者Ｗ１，Ｗ２が対面したと判定された時間を特定し、次に、活性リスト３＿８１６を参照して、上記の特定された時間のうち、作業者Ｗ１及びＷ２ともに不活性であると判定された時間を合計し、次に、その合計された時間を対象期間の日数で正規化する。管理サーバＳＶ１は、組織内の全ての２者の組み合わせについて同席時間ＲＣＨ５を計算し、その結果を同席時間マトリクスＲＣＨＭＭ５に格納する。

同席時間マトリクスＲＣＨＭＭ５の図示は省略するが、その形式は対面時間マトリクスＲＣＨＭＭ１（図１５）と同様である。例えば、仮に、同席時間マトリクスＲＣＨＭＭ５において、縦軸のＩＤ「１」及び横軸のＩＤ「２」に対応する同席時間ＲＣＨ５が「２」であった場合、対象期間中に作業者Ｗ１とＷ２が対面した１日当たりの時間である２０分（図１５参照）のうち、作業者Ｗ１及びＷ２のいずれもが不活性であった時間が２分であったことを示す。

上記の関係特徴量は一日あたりの絶対時間を指標化したものであるが、絶対時間だけでなく、対面時間に対する割合を指標として用いることも可能である。双方向率ＲＲＣＨ２、ピッチャー率ＲＲＣＨ３、キャッチャー率ＲＲＣＨ３、同席率ＲＲＣＨ４はそれぞれ双方向時間ＲＣＨ２、ピッチャー時間ＲＣＨ３、キャッチャー時間ＲＣＨ３、同席時間ＲＣＨ４を対面時間ＲＣＨ１で割ったものである。これら割合の特徴量を任意の２者間で求めたものを双方向率マトリクスＲＲＣＨＭＭ２、ピッチャー率マトリクスＲＲＣＨＭＭ３、キャッチャー率マトリクスＲＲＣＨＭＭ３、同席率マトリクスＲＲＣＨＭＭ４に格納してもよい。

あるいは、単純な対面時間中の活性状態の絶対時間又は割合だけでなく、お互いの活性度がどの程度影響し合っているかを指標化し、それを関係特徴量として使用することも可能である。

同調度ＲＣＨ１は、相手と自分の活性度が同調しているか否かを指標化したものである。同調度が高いことは、相手の活性のリズムに自分の活性のリズムが合っているということであり、付き合いが長く意思疎通の取れている関係に多く見られる。逆に同調度の低い関係とは、ちぐはぐな対話の多い関係を意味している。例えば、同調度の高い対話においては、作業者Ｗ２が落ち着いているなどの不活性状態であることに反して、作業者Ｗ１が非同調的に不活性状態から活性状態に遷移する確率は低い。逆に、作業者Ｗ２が盛り上がっていて身振り手振りを加えて話している活性状態のときには、作業者Ｗ１が落ち着いている不活性状態から同じように盛り上がって活性状態に遷移する確率は高くなる。

この同調度を示す指標として、作業者の活性状態の遷移確率がどれだけ対面相手の活性状態に影響されているかを示す値を用いることが可能である。これら活性状態の遷移パターンについて図１４を参照して説明する。

図１４は、本発明の実施形態における活性状態の遷移パターンの説明図である。

活性状態の遷移パターンは、図１４に示すＳＴ１１、ＳＴ１２、ＳＴ１３、ＳＴ１４、ＳＴ２１、ＳＴ２２、ＳＴ２３、ＳＴ２４のように自分の活性状態の事前状態、事後状態の４通りと相手の活性状態の事前状態の２通りの積の８遷移状態で表される。ここで、「自分」とは、影響を受ける側の作業者、「相手」とは影響を与える側の作業者をそれぞれ意味する。例えば、作業者Ｗ１と作業者Ｗ２とが相互に与える影響について検討する場合、管理サーバＳＶ１は、対面リスト３＿１１００を参照して、作業者Ｗ１とＷ２が連続して２つの時間対面している時間帯を抽出し、その２つの時間における作業者Ｗ１とＷ２の活性状態を活性リスト３＿８１６から抽出し、８遷移状態のどの遷移状態であるかを判定する。例えば１２：００のＷ１、Ｗ２の活性状態が｛０，１｝で１２：０１のＷ１、Ｗ２の活性状態が｛１，１｝である場合、作業者Ｗ１が作業者Ｗ２から受ける影響に関しては、事前状態が「自分不活性、相手活性」であり、事後状態が「自分活性」であるため、作業者Ｗ１の遷移状態はＳＴ２２となる。一方、作業者Ｗ２が作業者Ｗ１から受ける影響に関しては、事前状態が「自分活性、相手不活性」であり、事後状態が「自分活性」であるため、作業者Ｗ２の遷移状態はＳＴ２３となる。管理サーバＳＶ１は、連続する対面時間全てに対して、遷移状態ＳＴ１１、ＳＴ１２、ＳＴ１３、ＳＴ１４、ＳＴ２１、ＳＴ２２、ＳＴ２３、ＳＴ２４それぞれの生起回数ＳＴＮ１１、ＳＴＮ１２、ＳＴＮ１３、ＳＴＮ１４、ＳＴＮ２１、ＳＴＮ２２、ＳＴＮ２３、ＳＴＮ２４を集計する。これら、遷移状態の生起回数から、同調度ＲＣＨ６は式（１）によって求められる。同調度ＲＣＨ６を任意の２者間で求めた結果を同調度マトリクスＲＣＨＭＭ６に格納する。

上記の式（１）の右辺の第１項は、「自分不活性、相手活性」から「自分活性」に遷移する割合、第２項は、「自分不活性、相手不活性」から「自分活性」に遷移する割合である。例えば、作業者Ｗ１が作業者Ｗ２の活性状態の影響を全く受けない場合、上記の第１項と第２項の値は同じになるはずであり、その場合、同調度ＲＣＨ６の値は０になる。このため、例えば作業者Ｗ１の作業者Ｗ２に対する同調度ＲＣＨ６の値が大きいほど、作業者Ｗ１が作業者Ｗ２の活性状態の影響を受け易いこと（言い換えると、作業者Ｗ２が活性である場合、作業者Ｗ１はその影響を受けて活性になり易いこと）を示す。

同調度マトリクスＲＣＨＭＭ６の図示は省略するが、その形式は対面時間マトリクスＲＣＨＭＭ１（図１５）と同様である。例えば、作業者Ｗ１が作業者Ｗ２から受ける影響を示す同調度ＲＣＨ６は、同調度マトリクスＲＣＨＭＭ６において、縦軸のＩＤ「１」及び横軸のＩＤ「２」に対応するフィールドに格納される。

上記の関係特徴量を求めるプロセスでは、同時に対面している人が作業者Ｗ１及びＷ２の２者だけである場合と、それ以外の第３者が存在している場合とが等価に扱われる。しかし、実際には第３者の存在が作業者Ｗ１及びＷ２の状態（例えば活性度等）に影響を与える可能性がある。このような第３者の影響を除くため、対面リスト３のうち、Ｗ１とＷ２の２者だけの対面を対象として上記の関係特徴量を求めることも可能である。

次に、求めた関係特徴量マトリクス８１８に基づいて、各人の関係特徴量を相手との体制関係ごとに集約した体制関係特徴量リスト８２１を作成する関係特徴量集積部８２０の説明をする。例えば、ある個人は直属の上司とは十分な対面時間を求めるが、直属の部下とは対面時間をとらないといった個人的特徴を示す関係特徴量が求められ、体制関係特徴量リスト８２１に格納される。このような関係特徴量の具体的な計算手順を下記に記す。

管理サーバＳＶ１は、先に求めた関係特徴量マトリクス８１８と体制関係マトリクスＴＲＭ（８１９）とを用いて、各人が体制関係ごとにどのような関係を築く人であるかを示す体制関係特徴量リスト８２１を作成する。関係特徴量のうち、対面時間ＲＣＨ１を例にとって説明する。体制関係マトリクスＴＲＭ（図７）によれば、例えば作業者Ｗ２の直属の部下Ｆ１は作業者Ｗ３及びＷ４であり、対面時間マトリクスＲＣＨＭＭ１（図１５）によれば、作業者Ｗ２の作業者Ｗ３及びＷ４との対面時間ＲＣＨ１はそれぞれ１２分及び１０分である。これより、体制関係特徴量リスト８２１に格納される作業者Ｗ２と直属の部下Ｆ１との対面時間は１２分と１０分の平均をとって１１分となる。

図１６は、本発明の実施形態の体制関係特徴量リストの説明図である。

上記のように、各人の各体制関係に対する関係特徴量が集約され、体制関係特徴量リストＴＲＣＬ（図８の体制関係特徴量リスト８２１に相当）に格納される。体制関係特徴量リストＴＲＣＬは、各ユーザ（作業者）の識別子を格納するＵＳＥＲＩＤ部１７０１と、体制関係特徴部１７０３と、からなる。各行には各個人（例えば作業者Ｗ０〜Ｗ１２）が対応し、体制関係特徴部１７０３の各列には各個人と他者との体制関係ごとの関係特徴量が格納されている。上記の説明では直属の部下Ｆ１との対面時間ＲＣＨ１を例として示したが、同様に、ピッチャー時間ＲＣＨ３、キャッチャー時間ＲＣＨ４、双方向時間ＲＣＨ２、同席時間ＲＣＨ５及び同調度ＲＣＨ６等の関係特徴量が、直属の部下Ｆ１、２階層下の部下Ｆ２、直属の上司Ｓ１、等の体制関係ごとに集計されて体制関係特徴量リストＴＲＣＬに格納される。

上記の例では、体制関係ごとの関係特徴量を、同じ体制関係の相手の関係特徴量の平均値を計算することによって求めているが、平均以外の分布の特徴、例えば最大値、最小値、最頻値、中央値、四分位値等を体制関係ごとの関係特徴量として計算してもよい。

図８における時間解析部８２２では、関係解析部８１７で解析した対面時以外の、センサＳＮ０から取得可能な個人の特徴量を計算する。例えば、センサＳＮ０の装着情報から測定されるセンサＳＮ０の装着時間、非装着時間、対面リスト及び活性リスト３から測定される非対面時の活動時間、非活動時間等が計算可能である。これらの特徴量は時間特徴量リスト８２３に体制関係特徴リスト８２１と同じ形式にて格納される。管理サーバＳＶ１は、体制関係特徴リスト８２１及び時間特徴量リスト８２３を合成することによって個人特徴量リスト８２１を作成する。

図１７は、本発明の実施形態の個人特徴量リストの説明図である。

図１７に示す個人特徴量リストＩＣＬ（図８の個人特徴量リスト８２４に相当）は体制関係特徴量リストＴＲＣＬと時間特徴量リスト８２３をユーザごとに集約したものであり、各ユーザ（作業者）の識別子を格納するＵＳＥＲＩＤ部１７０１と、時間特徴量リスト８２３に対応する時間特徴部１７０２と、体制関係特徴量リストＴＲＣＬ（８２１）に対応する体制関係特徴部１７０３と、からなる。

次に、関係推定処理ＰＲ（図５）について説明する。

図１８は、本発明の実施形態の管理サーバＳＶ１によって実行される関係推定処理ＰＲのフローチャートである。

ここでは、ユーザが推定したい組織体制表が入力され、当該体制になったときに各２者間の関係がどのようになるかを推定し、推定の結果を可視化し、それをユーザにフィードバックする手順を示す。フィードバックされた情報から、ユーザはさらなる体制変更を行うか否かを判断し、体制が決定されるまで、このプロセスをくり返し行う。以下、各処理の詳細を推定する関係特徴量が対面時間である場合を例として記述する。

図１８の係数学習部１８０１では、管理サーバＳＶ１は、関係特徴量を推定するための学習を行う。この処理に関しての詳細は後述する（図１９等参照）。

図１８の現組織体制取得部１８０２では、管理サーバＳＶ１は、個人情報テーブルＴＥＡＭＩＮＦＯから現在の組織情報を取得し、推定用個人情報テーブルＴＥＡＭＩＮＦＯ２に格納する。推定用個人情報テーブルＴＥＡＭＩＮＦＯ２の図示は省略するが、その形式は個人情報テーブルＴＥＡＭＩＮＦＯと同一である。現組織体制取得部１８０２が実行された直後において、推定用個人情報テーブルＴＥＡＭＩＮＦＯ２の内容は個人情報テーブルＴＥＡＭＩＮＦＯと同一である。

図１８の現組織体制表示部１８０３では、管理サーバＳＶ１は、個人情報テーブルＴＥＡＭＩＮＦＯから取得した現組織体制情報を表示する。具体的には、管理サーバＳＶ１は、個人情報テーブルを図４のようにそのままテキスト表示してもよいし、図３のように人をノードとして、体制関係をエッジとしたネットワークグラフを表示してもよいし、音声情報などの聴覚情報又は点字などの触覚情報に変換して表示してもよい。

図１８の現関係特徴量表示部１８０４では、管理サーバＳＶ１は、現組織体制に対して、関係特徴量マトリクスから取得された２者間の関係特徴量の値を表示部ＤＩＳＰ１に表示する。

図２０は、本発明の実施形態の表示部ＤＩＳＰ１に表示される関係特徴量表示図ＭＣＤの説明図である。

図２０には、具体例として、図３に示す組織における現在の２者間の関係特徴量が、組織内の体制関係を示す組織図に重畳表示される例を示す。ここでは、特徴量として対面時間ＲＣＨ１を例にしているので、センサによって取得された現状の実績の対面時間ＲＣＨ１がエッジとして表現されている。

エッジの太さは対面時間ＲＣＨ１の実績値の大きさに依存し、時間が長い程エッジが太くなるように表示される。これによって、２者間の関係性の強さが表現される（エッジ２００３）。また、関係性を強調するために、図２０の例では、ある２者間の対面時間ＲＣＨ１が閾値以下であることが、その２者間を接続するエッジを細くするのではなく、エッジを表示しないことによって表現される。また、想定されている体制と実績値との差を強調するために、体制上で直属の上司部下の関係にあるのに対面時間ＲＣＨ１が閾値以下である２者間のエッジを点線によって表示し（エッジ２００１）、体制上では直属の上司部下の関係でないのに、対面時間ＲＣＨ１が閾値以上である２者間の関係を、それらを２重線のエッジで接続することによって、表現している（エッジ２００２）。

エッジの強調方法としては、上記の他に、線の形又は色を変える方法を採用することも可能である。また、本例では対面時間ＲＣＨ１という無向性の対象特徴量であるが、ピッチャー率ＲＣＨ３など有向性の指標に関しては、矢印及び線幅によって有効度の強さを表現することも可能である。

２者間の関係特徴量の値の別の表示例について説明する。

図２１は、本発明の実施形態の表示部ＤＩＳＰ１に表示されるバネネットワーク図ＳＮＴの説明図である。

図２１に示すバネネットワーク図ＳＮＴのように、体制関係に依存する配置を用いず、関係特徴量マトリクスの値（例えば対面時間ＲＣＨ１のような関係特徴量）を、各作業者に対応するノード間の引力として用いたばねモデルによって２者間の関係を表示してもよい。これによって、より実績の関係を強調することが可能である。バネネットワーク図ＳＮＴの利点としては、体制情報を考慮に入れず、集団２１０１のように体制図とは異なるグループ及びノード２１０２のように組織から孤立している人の発見が容易になることが挙げられる。

図１８の組織体制変更部取得部１８０５では、管理サーバＳＶ１は、上記の現組織体制に対するユーザの変更希望をクエリとして取得する。ここで、ユーザが作業者Ｗ５とＷ９の体制位置の交換を希望した場合について説明する。体制位置の交換とは、２者の体制関係を入れ替えることに相当し、具体的には、個人情報テーブルＴＥＡＭＩＮＦＯ（又は推定用個人情報テーブルＴＥＡＭＩＮＦＯ２）における２者のＩＤ及びユーザ名を全て入れ替えることに相当する。ユーザからの情報入力は、例えば次の形式で行われる。ユーザは、作業者Ｗ９とＷ５の体制位置を交換することを示す部分的情報を入出力ＰＣ１からコマンドライン操作によって入力してもよい。あるいは、ユーザは、図２２のような体制変更受付図が表示されていれば、図示された作業者Ｗ９及びＷ５のそれぞれに対応するノードを手順２２０２に示すようにＧＵＩを用いて選択して移動するといったグラフィカル操作を入出力ＰＣ１及び表示部ＤＩＳＰ１を介して行ってもよい。あるいは、ユーザは、変更後の全組織員の情報をテキストファイルで入出力ＰＣ１から一括登録してもよい。

図２２は、本発明の実施形態の表示部ＤＩＳＰ１に表示される体制変更受付図の説明図である。

ユーザが試行したい体制変更を入力する前の体制変更受付図は、例えば、図３に示す組織図ＯＲＧＣＨＡＲＴと同一である。ここで、作業者Ｗ９とＷ５の体制位置を交換した場合のコミュニケーションパターン（例えば交換後の組織内の任意の２者間の対面時間等）を推定したい場合、ユーザは、グラフィカル操作によって、表示部ＤＩＳＰ１に表示された作業者Ｗ９及びＷ５を示すシンボルを入れ替える（手順２２０２）。これによって、作業者Ｗ９とＷ５の体制位置の交換が入力される。その後、作業者Ｗ９とＷ５の体制位置が交換された組織図２２０１が表示される。

図１８の新組織体制計算部１８０７では、管理サーバＳＶ１は、上記で取得した組織体制の変更部を推定用個人情報テーブルＴＥＡＭＩＮＦＯ２に反映する。例えば、組織体制変更部取得部１８０５において作業者Ｗ５とＷ９の体制位置を交換するといったクエリを入出力ＰＣ１から取得した場合には、図４と同等の推定用個人情報テーブルＴＥＡＭＩＮＦＯ２の作業者Ｗ５に対応する行の内容と、作業者Ｗ９に対応する行の内容とを、ＵＳＥＲＩＤ及びＵＮＡＭＥを残して、ＧＲＯＵＰＩＤ〜ＦＯＬＬＯＷＥＲＩＤの組織体制情報を交換する。その結果、ＵＳＥＲＩＤ「５」及びＵＮＡＭＥ「Ｗ５」に対応するＧＲＯＵＰＩＤ〜ＦＯＬＬＯＷＥＲＩＤには、それぞれ「Ｂ」、「０」、「Ｂ１」、「１」、「３」、「Ｗ８」及び「Ｗ１０」が格納され、ＵＳＥＲＩＤ「９」及びＵＮＡＭＥ「Ｗ９」に対応するＧＲＯＵＰＩＤ〜ＦＯＬＬＯＷＥＲＩＤには、それぞれ「Ａ」、「０」、「Ａ２」、「１」、「３」、「Ｗ１」及び「Ｗ６、Ｗ７」が格納される。さらに、管理サーバＳＶ１は、それら以外の行に格納された「Ｗ５」を「Ｗ９」に、「Ｗ９」を「Ｗ５」に変更する。

さらに、管理サーバＳＶ１は、推定用個人情報テーブルＴＥＡＭＩＮＦＯ２を用いて、推定用体制関係マトリクスＴＲＭ２を作成する。推定用体制関係マトリクスＴＲＭ２については図示を省略するが、その形式は体制関係マトリクスＴＲＭと同様であり、図７を参照して説明した手順で、推定用個人情報テーブルＴＥＡＭＩＮＦＯ２に基づいて作成される。

図１８の係数取得部１８０８では、管理サーバＳＶ１は、係数学習部１８０１において学習された係数を取得する。ただし、後述するように、係数学習部１８０１が省略された場合には、用意された係数（例えば予め他の組織等で得られたパラメータ）を取得する。

図１８の推定関係特徴量計算部１８０９では、管理サーバＳＶ１は、与えられた推定用体制関係マトリクスＴＲＭ２と予め格納されている個人特徴量リストＩＣＬ（図１７）とを用いて、各２者間の関係特徴量を計算する。ここでは、関係特徴量として、対面時間を用いて説明する。ここでは、異動した作業者Ｗ９と、その新しい上司である作業者Ｗ１との関係がどのようになるか推定したい場合を説明する。

管理サーバＳＶ１は、個人特徴量リストＩＣＬに基づいて、個人ごとに個人特徴量ベクトルＶが作成される。個人特徴量ベクトルＶの第一要素には１が格納され、その後の要素には個人特徴量リストの指標の全てが格納される。管理サーバＳＶ１は、この個人ごとの個人特徴量ベクトルＶを用いて、２者間の体制関係がどのようになったときに、対面時間がどの程度になるかを推定する。ここでは、線形での推定方法について説明する。

ここで、Ｖ_W1は作業者Ｗ１の個人特徴ベクトルＶであり、Ｖ_W9 ^tは作業者Ｗ９の個人特徴ベクトルＶの転置ベクトルであり、Ｓ_(1,9)はその内積の個人特徴量相互マトリクスである。この個人特徴量相互マトリクスには、各作業者Ｗ１及びＷ９の個人特徴量ベクトルの相性を求めるためのマトリクスであり、式（３）のように、個人特徴量ベクトルの各要素同士の積が要素となる。

求める作業者Ｗ１とＷ９の対面時間は、作業者Ｗ１とＷ９の個人の特徴から計算されるＳ_(1,9)によって基本的に決定されるが、それ以外にもＷ１とＷ９の過去の面識の有無にも少なからず影響される。そこで、求める推定時間Ｒ_1,9は、式（４）のようにＳ_(1,9)の各要素の和の項、及び作業者Ｗ１とＷ９の過去の対面時間ＭＴ_1,9の項の和として求められる。対面時間ＭＴ_1,9は、対面時間マトリクスＲＣＨＭＭ１の、ＩＤ「１」に対応する行の、ＩＤ「９」に対応する列の要素に相当する。ここで係数マトリクスＡ、及び係数Ｂは各項の対面時間への影響係数である。

この係数マトリクスＡ及び係数Ｂは、図６に示す２者の関係ごとに異なるものであり、詳細な導出方法は後述する。式（４）の具体的な例を式（５）に示す。ここでは、係数学習部１８０１の実行の結果、直属の上司と部下の対面時間は、その上司がどれだけ一階層下の部下と平均的に対面時間を取るかという要素と、上司が一階層下の部下との対面中に聞き手にまわる割合（キャッチャー率）という要素と、部下が一階層上の上司との対面中に積極的に話し手にまわる割合（ピッチャー率）という要素と、２者の過去の対面時間という要素と、によって決まると推定される場合について説明する。

ここで、Ｖ_W1（一階層下の部下への対面時間）は、作業者Ｗ１の、一階層下の（すなわち直属の）部下との対面時間ＲＣＨ１である。Ｖ_W1（一階層下の部下へのキャッチャー率）は、作業者Ｗ１の、一階層下の部下との対面時間ＲＣＨ１のうち、キャッチャー時間の割合である。これらは、いずれも、個人特徴量リストＩＣＬ（図１７）の自己ＩＤ「１」の行から読み取るか、又は、読み取られた値から算出することができる。同様に、Ｖ_W9（一階層上の上司へのピッチャー率）は、作業者Ｗ９の、一階層上の上司との対面時間ＲＣＨ１のうち、ピッチャー時間の割合である。これは、個人特徴量リストＩＣＬの自己ＩＤ「９」の行から読み取られた値から算出することができる。

同様にして、管理サーバＳＶ１は、全ての２者間の推定対面時間を求め、それを推定対面時間マトリクスＲ（図示省略）に格納する。推定対面時間マトリクスＲは、図５の推定関係特徴量マトリクスＰＲＭに相当する。推定対面時間マトリクスＲの図示は省略するが、その形式は、対面時間マトリクスＲＣＨＭＭ１と同様である。

推定関係特徴量表示部１８１０は、推定結果をユーザにフィードバックする処理である。表現方法は現組織体制表示部１８０４と同一であってよい。ただし、ここでは変更点や変更効果に着目できるよう、異動した人を表すノードをハッチ又は色で強調表示すること、及び、異動によって変化した対面量をエッジの太さ、色、形、又は点滅表示等で強調することも可能である。

変更判定部１８１１は推定関係特徴量表示部１８１０によって出力された結果をユーザが確認し、さらなる変更を行うかどうかを判定する処理である。ユーザの判定結果は、ＣＵＩ、ＧＵＩ、音声などによって取得可能であり、追加変更がある場合には組織体制変更部取得部処理に戻り、追加変更が無い場合には関係推定処理ＰＲのフローを終了する。

ここで推定する関係特徴量は対面時間に限らず、関係特徴量マトリクスに格納されている特徴量は全て推定の対象となり得る。例えば、管理サーバＳＶ１は、上記と同様の方法によって推定双方向時間、推定ピッチャー時間等を計算し、それらを推定双方向時間マトリクス（図示省略）、推定ピッチャー時間マトリクス（図示省略）等の推定関係特徴量マトリクスＰＲＭに格納してもよい。

図１９は、本発明の実施形態の管理サーバＳＶ１によって実行される係数学習処理のフローチャートである。

図１９は、関係推定処理ＰＲのフローにおける係数学習部１８０１の詳細な処理を示すフローである。本フローでは関係推定処理ＰＲにおいて最終的に組織の体制変更後のコミュニケーションパターン（例えば任意の２者間の対面時間）を推定するために、当該組織において過去に体制変更があったときの対面量等の変化を利用して、組織毎の式（４）の推定パラメータである係数マトリクスＡ及び係数Ｂの学習を行う。なお、この処理は組織ごとの特徴を反映したい場合及び推定の精度を上げたい場合には必要となるが、ここでの学習を行わず予め他の組織等で得られたパラメータを陽に用いる場合には、必ずしも必要ではない。学習する場合には、当該組織において、体制変更が行われた前後のセンサデータを用いて学習を行う。具体的には、直属の上司と部下の対面時間を推定する場合を例として説明する。

図１９の体制変更時期取得部１９０２では、管理サーバＳＶ１は、本フローにおける体制変更の前後での学習を行うために、過去に実際に体制変更が起きた時期を取得する。具体的には、個人情報テーブルＴＥＡＭＩＮＦＯ（１９０１）が書き替えられた時期が体制変更の起きた時期であるので、個人情報テーブルＴＥＡＭＩＮＦＯの変更ログから取得される。また、上記の利用目的のため、単純なテーブル操作ミスなどは変更ログに残さないものとする。

図１９の体制変更前後個人特徴量抽出部１９０６では、管理サーバＳＶ１は、体制変更前の個人特徴量リストＩＣＬ（１９０７）と体制変更後の関係特徴量マトリクス（１９０８）を出力する。このステップは、図８の個人特徴量抽出部ＣＩＣと基本的に同じものである。ただし、体制変更前の個人特徴量リストＩＣＬに関しては、体制が変更する前のセンサデータ（例えば対面データ１９０３、加速度データ１９０４及び音声データ１９０５等）を用いて算出し、体制変更後関係特徴量マトリクスに関しては、体制が変更してからのセンサデータを用いて算出するものとする。

ここで、体制変更後の関係特徴量マトリクスを算出する期間ＡＮＴは任意に設定することができる。例えば、ここでは変更後１日目から一カ月のデータを用いることとする。期間ＡＮＴは、例えば、長期的な結果を見たい場合に変更後半年から一年のデータを用いる、等のように変更することによって、短期間から長期間まで、任意の期間が経過した後のコミュニケーションパターンを推定することができる。

図１９の関係解析部１９０９では、管理サーバＳＶ１は、体制変更前の個人特徴量リストＩＣＬと体制変更後の関係特徴量マトリクスとを用いて、推定パラメータである係数マトリクスＡ及び係数Ｂの学習を行う。具体的には、この体制変更によって、図２９に示すように体制が変化したときを例として説明する。

図２９は、本発明の実施形態における体制変更の説明図である。

体制変更後の組織図２９０２は、図３に示したものと同一であるため、説明を省略する。図２９に示す体制変更は、作業者Ｗ２とＷ５の体制位置を入れ替え、さらに、作業者Ｗ９とＷ１１の体制位置を入れ替えることである。したがって、体制変更前の組織図２９０１は、作業者Ｗ２、Ｗ５、Ｗ９及びＷ１１の体制位置を除いて、体制変更後の組織図２９０２と同一である。

関係解析部１９０９において、管理サーバＳＶ１は、最初に、学習の対象となる体制関係を抽出する。ここでは、直属の上司部下関係となる作業者Ｗ１とＷ９の対面時間を推定する場合を例にしているので、対象となる組み合わせは、図２９の組織においては、体制変更後の組織図２９０２において直属の上司部下関係である｛Ｗ０，Ｗ１｝，｛Ｗ０，Ｗ８｝，｛Ｗ１，Ｗ２｝，｛Ｗ１，Ｗ５｝，｛Ｗ８，Ｗ９｝，｛Ｗ８，Ｗ１１｝，｛Ｗ２，Ｗ３｝，｛Ｗ２，Ｗ４｝，｛Ｗ５，Ｗ６｝，｛Ｗ５，Ｗ７｝，｛Ｗ９，Ｗ１０｝，｛Ｗ１１，Ｗ１２｝の１２通りの内、本体制変更によって変化があった（すなわち本体制変更によって体制位置が変更された作業者を含む）｛Ｗ１，Ｗ２｝，｛Ｗ１，Ｗ５｝，｛Ｗ８，Ｗ９｝，｛Ｗ８，Ｗ１１｝，｛Ｗ２，Ｗ３｝，｛Ｗ２，Ｗ４｝，｛Ｗ５，Ｗ６｝，｛Ｗ５，Ｗ７｝，｛Ｗ９，Ｗ１０｝，｛Ｗ１１，Ｗ１２｝の１０通りとなる。

これらの１０通りの組み合わせに関して、管理サーバＳＶ１は、式（４）の係数マトリクスＡ及び係数Ｂの学習を行う。学習の例としては、線形の重回帰分析を示す。この場合、目的変数を体制変更後関係特徴量マトリクスの当該ペア（すなわち作業者Ｗ１とＷ９）の対面量として、説明変数を当該ペアの個人特徴量相互マトリクスの各要素と当該ペアの変更前の対面時間として最小二乗法を行う。分析結果の各係数のうち、体制変更後関係特徴量マトリクスの各要素の係数は係数マトリクスＡに、対面時間の係数は係数Ｂとなる。ここでは、一回の体制変更に基づく係数の学習を例示したが、実際の解析では、体制変更時期取得部１９０２で取得された全ての体制変更のデータを用いて、上記の重回帰分析を行うことによって、係数マトリクスＡ及び係数Ｂが決定される。

このようにして決定された係数マトリクスＡ及び係数Ｂは、過去の体制変更後の２作業者間の関係特徴量（例えば対面時間ＲＨＣ１）が、当該体制変更前の２作業者の行動に関するどの特徴量（例えば、体制関係特徴部１７０３に格納された関係特徴量、時間特徴部１７０２に格納されたセンサの装着時間等、及び２作業者の過去の対面時間ＭＴ等、又はそれらの積）にどの程度依存したかを示す。このため、現在までに実測された作業者の行動に関する特徴量に係数マトリクスＡ及び係数Ｂを適用することによって、これから行おうとする体制変更によってある２作業者の関係特徴量がどのように変化するかを推定することが可能になる。

例えば、式（５）は、係数マトリクスＡに含まれる係数として、Ｖ_W1（一階層下の部下への対面時間）の係数「０．１」、及び、Ｖ_W1（一階層下の部下へのキャッチャー率）＊Ｖ_W9（一階層上の上司へのピッチャー率）の係数「４０」が決定され、係数Ｂとして「０．２」が決定された場合に相当する。これは、直属の上司部下の関係となる２者の対面時間が、一階層下の部下へのキャッチャー率と一階層上の上司へのピッチャー率との積に最も大きく依存し、さらに、１階層下の部下への対面時間と、当該２者の過去の対面時間にもわずかに依存し、その他の特徴量には全く依存しない（又は、無視できる程度に少ししか依存しない）ことを示す。

なお、上記は最小二乗法によって係数を決定する例であるが、最小二乗法以外の任意の機械学習によって係数を決定してもよい。

図２３は、本発明の実施形態の表示部ＤＩＳＰ１に表示される推定結果図ＳＲ１の説明図である。

推定結果図ＳＲ１は、関係推定フロー（図１８）の推定関係特徴量表示部１８１０において表示部ＤＩＳＰ１に表示される推定結果の第１の表示例である。推定結果図ＳＲ１は、体制変更後の組織図２２０１を含み、さらに、体制変更によって体制位置が変更された作業者（この例では作業者Ｗ９及びＷ５）が例えばハッチング２３０１によって強調表示される。さらに、式（４）（又はその具体例である式（５））等によって計算された、体制変更後の組織における作業者間の関係特徴量（例えば対面時間ＲＣＨ１）の推定結果が表示される。この推定結果は、図２０と同様に、例えばエッジ２３０２の太さ等によって組織図に重畳表示されてもよい。図２０の例と図２３の例とを比較すると、体制変更によって、チームＡ２内の上司と部下の間の対面時間、及び、グループＢのリーダとチームＢ１のリーダとの間の対面時間がいずれも増加すると推定されたことが分かる。

図２４は、本発明の実施形態の表示部ＤＩＳＰ１に表示される、推定生産性の表示を含む推定結果図ＳＲ２の説明図である。

推定結果図ＳＲ２は、関係推定フロー（図１８）の推定関係特徴量表示部１８１０において表示部ＤＩＳＰ１に表示される推定結果の第２の表示例である。非特許文献２に記載されたように、組織内の対面のネットワーク構造が分かるとネットワーク指標から個人の生産性を推定できる。図２４ではネットワーク指標の一つである結束度を用いて、推定された組織の対面時間とともに組織の予測生産性を表示する方法を示す。結束度に関しての詳細は後述する（図２８参照）。推定結果図ＳＲ２は、推定結果図ＳＲ１と同様の関係特徴量が表示された組織図２４０１に加えて、グループごとの結束度が体制変更によってどのように変化したかを表示するグラフ２４０２を含む。例えば、グラフ２４０２には、グループＡの体制変更前の生産性（すなわち結束度）２４０４及び体制変更後の予測生産性２４０３が表示される。図２４の例では、体制変更によってグループＡの生産性が向上すると予測される。これによって、個々のグループとしては当該体制変更が良いものか、また全体としてバランスがとれているかなどが把握できるようになる。

図２８は、本発明の実施形態において生産性の指標として使用される結束度の説明図である。

結束度とは、ある人物ｉと、その周囲の人物との互いに連携している度合いを示す指標である。ここで、「人物ｉの周囲」とは組織全体のネットワークの中で人物ｉと直接リンクが繋がっている人々の範囲を意味し、ネットワーク分析の用語ではこれを「ｉのエゴセントリックネットワーク（Ｅｇｏ−ｃｅｎｔｒｉｃＮｅｔｗｏｒｋ）」と呼ぶ。

図２８は、組織のネットワークから抽出された人物ｉのエゴセントリックネットワークの例である。人物ｉの周囲の人物間において全くリンクがない場合のネットワークは人物ｉを中心としたスター型になり、この場合の結束度は低い（図２８（ａ））。一方、人物ｉの周囲の人物が全て相互にリンクしている場合のネットワークはメッシュ型となり、この場合の結束度は高くなる（図２８（ｂ））。

人物ｉの結束度Ｃｉを算出する方法を式（６）に示す。なお、次数Ｎｉとは人物ｉと繋がっている人数のことである。間接リンクとは人物ｉと直接繋がっていないリンクを指す。エゴセントリックネットワーク内で、間接リンクが１本増えると、人物と他の二者からなる三者の間に三角形が１つ増えることになる（図２８（ｃ））。つまり、人物ｉのエゴセントリックネットワーク内の最大間接リンク数Ｌｉ＿ＭＡＸは人物ｉが作ることのできる三角形の最大個数であり、実際の間接リンク数Ｌｉは人物ｉの回りの実際の三角形の個数を表す。また、三角形の割合に（Ｎｉ−１）を掛けて１を足すことで、結束度Ｃｉは、人物ｉと繋がっている人物が、エゴセントリックネットワーク内で有する平均リンク数（人物ｉとのリンクも含んだもの）を意味することになる。なお、次数が０または１の場合には結束度は１とする。個人ごとでなく、チーム、グループ、又は組織の結束度を求める場合には、これら個人ごとの結束度を平均すればよい。

本発明者らの研究において、ある組織における結束度の時間変化と業務報告書の質の関係を調べたところ、半年間で結束度が１．５倍に向上したのと同期して、業務報告書の創造性指標が１．８倍向上したことが分かった。このように、結束度と生産性の高さの間に正の相関があることが報告されている。そのため、結束度は組織を評価する指標として利用することは有用である。

図２５は、本発明の実施形態の表示部ＤＩＳＰ１に表示される、推定生産性の変化の表示を含む推定結果図ＳＲ３の説明図である。

推定結果図ＳＲ３は、関係推定フロー（図１８）の推定関係特徴量表示部１８１０において表示部ＤＩＳＰ１に表示される推定結果の第３の表示例である。推定結果図ＳＲ３では、推定結果図ＳＲ１と同様の関係特徴量が表示された組織図２５０１に加えて、組織の結束度が体制変更によってどのように変化するかを推定した結果を表示するグラフ２５０２を含む。

組織の結束度の時系列的な変化は、係数学習部１８０１において、学習する期間ＡＮＴの日数を変えることで推定可能である。例えば、学習する期間を過去の体制変更後最初の一カ月、次の一カ月、さらに次の一カ月、と一カ月ずつずらしてそれぞれの期間について学習することで、それぞれの期間に対応する推定パラメータの組（すなわち係数マトリクスＡ及び係数Ｂ）が得られる。この場合、それぞれの推定パラメータを用いることによって、体制変更後一カ月、二カ月、三カ月の状態を予測することができる。このようにして予測されたそれぞれの期間の組織状態に基づいて結束度を計算すれば、予測結束度の時系列的変化を取得することが可能となる。

さらに、バー２５０３を用いて、体制変更後の日数を変化させることで、体制変更から指定された日数経過後の関係特徴量図２５０１を表示することが出来る。例えば、図２５ではバー２５０３が体制変更から３０日後を指示しているため、関係特徴量図２５０１には体制変更から３０日後について予測された関係特徴量が表示されている。

図２６は、本発明の実施形態の表示部ＤＩＳＰ１に表示される、推定生産性の確率的幅の表示を含む推定結果図ＳＲ４の説明図である。

推定結果図ＳＲ４は、関係推定フロー（図１８）の推定関係特徴量表示部１８１０において表示部ＤＩＳＰ１に表示される推定結果の第４の表示例である。推定結果図ＳＲ４では、推定結果図ＳＲ１と同様の関係特徴量が表示された組織図２６０１に加えて、組織の結束度の推定結果の確率的幅を表示するグラフ２６０２を含む。推定結果図ＳＲ１では、ある２者間の推定対面量（例えば推定された対面時間ＲＣＨ１）が、設定された閾値を超えた場合に、その２者間がつながっていると判定して、それに基づいてネットワーク指標を計算しているが、ここではそれらの推定対面量も確率的幅を持つことを加味している。実際には各２者間の推定対面量を、所定の幅で所定の回数（例えば上下３０％の幅で１００回）ランダムに変化させ、その結果の結束度を逐一記録し、その結果の分布の平均値、±１σ値、最大値、及び最小値を推定生産性として箱髭図に表示する。

図２７は、本発明の実施形態の表示部ＤＩＳＰ１に表示される、複数の選択された状態に対応する推定結果図ＳＲ５の説明図である。

推定結果図ＳＲ５は、関係推定フロー（図１８）の推定関係特徴量表示部１８１０において表示部ＤＩＳＰ１に表示される推定結果の第５の表示例である。例えば、ユーザが二つの体制変更プランのどちらを採用するか判断したい場合に、それらの体制変更のそれぞれを入力した場合の推定結果を示す推定結果図ＳＲ４を表示部ＤＩＳＰ１に同時に表示して、さらに各々の推定生産性の状態を表示することができる。例えば第１の体制変更プラン（図３に示す組織の作業者Ｗ５とＷ９を入れ替える）に基づく推定結果が、関係特徴量が表示された組織図２７０１、及び、グラフ２７０３の箱髭図２７０４として表示され、第２の体制変更プラン（図３に示す組織の作業者Ｗ５とＷ１０を入れ替える）に基づく推定結果が、関係特徴量が表示された組織図２７０２及び箱髭図２７０５として表示される。これによって、ユーザが二つの体制変更プランのどちらを採用するか迷っているときの両者の比較が容易に行えるようになる。

図３０は、本発明の実施形態の表示部ＤＩＳＰ１に表示される、複数の選択された状態に対応する推定結果図ＳＲ６の説明図である。

推定結果図ＳＲ６は、関係推定フロー（図１８）の推定関係特徴量表示部１８１０において表示部ＤＩＳＰ１に表示される推定結果の第６の表示例である。推定結果図ＳＲ６は、チェックボックス３００１を含み、そのチェックボックス３００１を用いたユーザからの入力に応じて、関係特徴量の表示を含む組織図（体制図）の代わりに、ネットワーク図が表示される点を除いて、推定結果図ＳＲ５と同じである。

体制図の代わりに表示されるネットワーク図は、図２１に示したものと同様に作成される。図３０に示すネットワーク図３００２は、図２７の組織図２７０２に表示された関係特徴量をネットワーク図として表示したものである。図３０のグラフ３００３に表示された箱髭図３００４及び３００５は、それぞれ、図２７のグラフ２７０３に表示された箱髭図２７０４及び２７０５に相当する。

ＳＮ０ センサノード
ＷＫＲ１〜ＷＫＲ３ 作業者
ＲＴ１ 中継器
ＢＳ１ 基地局デバイス
ＬＡＮ１ 有線ネットワーク
ＰＣ１ コンピュータ
ＤＩＳＰ１ ディスプレイ
ＳＶ１ 管理サーバ

Claims (19)

1. 組織を構成する複数の人物それぞれに装着される端末と、前記端末と通信する基地局と、前記基地局とネットワークを介して接続される管理サーバと、を備える情報処理システムであって、
   前記各端末は、前記各端末を装着した人物の行動情報を取得するセンサと、前記行動情報を前記基地局に送信する送信装置と、を有し、
   前記管理サーバは、前記ネットワークに接続されるネットワークインターフェースと、前記ネットワークインターフェースに接続されるプロセッサと、前記プロセッサに接続される記憶装置と、を有し、
   前記記憶装置は、前記組織における前記複数の人物間の予め定義された関係を示す人物関係情報を格納し、
   前記プロセッサは、
   前記ネットワークインターフェースを介して前記行動情報を受信して前記記憶装置に格納し、
   前記行動情報に基づいて、前記各人物の他の人物に対する行動の特徴を示す一つ以上の種類の行動特徴量を計算し、
   前記計算された行動特徴量を前記記憶装置に格納し、
   前記計算された行動特徴量を前記各人物と前記他の人物との前記定義された関係ごとに集計し、
   前記集計された行動特徴量をさらに前記記憶装置に格納し、
   まだ実行されていない前記定義された関係の変更を示す情報を取得すると、前記取得した情報、前記記憶装置に格納された行動特徴量、及び、過去に実行された前記定義された関係の変更の前後の前記行動特徴量に基づいて、前記定義された関係が前記取得した情報の通りに変更された後の前記人物の行動特徴量を推定し、
   前記推定された行動特徴量を出力することを特徴とする情報処理システム。
2. 前記各端末の前記センサは、前記端末を装着した人物と他の前記端末を装着した人物との対面を検出する対面センサを含み、
   前記行動情報は、前記各端末を装着した人物と他の前記端末を装着した人物との対面の記録である対面情報を含み、
   前記プロセッサは、
   前記対面情報に基づいて、前記各人物と他の人物との対面時間を前記行動特徴量として計算することを特徴とする請求項１に記載の情報処理システム。
3. 前記各端末の前記センサは、さらに、加速度を検出する加速度センサ及び音声を検出する音声センサの少なくとも一つを含み、
   前記行動情報は、さらに、前記加速度の記録である加速度情報及び前記音声の記録である音声情報の少なくとも一つを含み、
   前記プロセッサは、
   前記加速度情報又は前記音声情報に基づいて、前記各人物が活性であったか否かを判定し、
   前記対面情報と、前記各人物が活性であったか否かの判定結果と、に基づいて、前記各人物と他の人物との対面時間のうち、前記各人物及び前記他の人物の両方が活性であった双方向時間、前記各人物が活性であり前記他の人物が不活性であったピッチャー時間、前記各人物が不活性であり前記他の人物が活性であったキャッチャー時間、前記各人物及び前記他の人物の両方が不活性であった同席時間、及び、前記他の人物が活性である場合に前記各人物が不活性から活性に遷移する割合を示す同調度、の少なくとも一つを、前記行動特徴量として計算することを特徴とする請求項２に記載の情報処理システム。
4. 前記プロセッサは、
   過去に実行された前記定義された関係の変更前の前記行動特徴量、及び、前記過去に実行された前記定義された関係の変更後の所定の期間の前記行動特徴量に基づいて、前記定義された関係の変更後の前記所定の期間の各種類の前記行動特徴量が前記定義された関係の変更前の各種類の前記行動特徴量に依存する程度を示す係数を計算し、
   まだ実行されていない前記定義された関係の変更を示す情報を取得すると、前記取得した情報、前記記憶装置に格納された行動特徴量、及び、前記計算された係数に基づいて、前記定義された関係が前記取得した情報の通りに変更された後の前記所定の期間の前記人物の行動特徴量を推定することを特徴とする請求項３に記載の情報処理システム。
5. 前記プロセッサは、
   過去に実行された前記定義された関係の変更前の前記行動特徴量、及び、前記過去に実行された前記定義された関係の変更後の複数の所定の期間の前記行動特徴量に基づいて、前記定義された関係の変更後の前記所定の期間の各種類の前記行動特徴量が前記定義された関係の変更前の各種類の前記行動特徴量に依存する程度を示す、前記複数の所定の期間のそれぞれに対応する係数を計算し、
   まだ実行されていない前記定義された関係の変更を示す情報を取得すると、前記取得した情報、前記記憶装置に格納された行動特徴量、及び、前記計算された複数の所定の期間のそれぞれに対応する係数に基づいて、前記定義された関係が前記取得した情報の通りに変更された後の前記複数の所定の期間のそれぞれにおける前記人物の行動特徴量を推定することを特徴とする請求項４に記載の情報処理システム。
6. 前記プロセッサは、前記過去に実行された前記定義された関係の変更後の前記所定の期間の行動特徴量を目的変数、前記過去に実行された前記定義された関係の変更前の前記行動特徴量を説明変数として使用した機械学習によって前記係数を計算することを特徴とする請求項４に記載の情報処理システム。
7. 前記定義された関係は、前記組織内の前記各人物が所属するグループの関係、前記各人物の指揮命令系統内の位置の関係及び前記各人物の職位の階層の関係の少なくとも一つを含むことを特徴とする請求項１に記載の情報処理システム。
8. 前記プロセッサは、前記一つ以上の種類の行動特徴量の一つとして、前記各人物が前記他の人物と対面していない時間の行動の特徴を示す量を計算して、前記記憶装置に格納することを特徴とする請求項２に記載の情報処理システム。
9. 前記プロセッサは、前記加速度センサによって検出された加速度の周波数が所定の条件を満たす場合に、前記加速度センサを含む前記端末を装着した前記人物が活性であると判定することを特徴とする請求項３に記載の情報処理システム。
10. 前記情報処理システムは、さらに表示装置を備え、
    前記プロセッサは、前記組織内の前記人物間の前記定義された関係を示す組織図を前記表示装置に表示させ、さらに、前記推定された前記各人物の行動特徴量を前記組織図に重畳表示させることを特徴とする請求項１に記載の情報処理システム。
11. 前記情報処理システムは、さらに表示装置を備え、
    前記プロセッサは、前記各人物をノードとして含み、前記推定された行動特徴量を前記ノード間の引力として用いたばねネットワーク図を前記表示装置に表示させることを特徴とする請求項１に記載の情報処理システム。
12. 前記情報処理システムは、さらに表示装置を備え、
    前記プロセッサは、前記推定された前記各人物の行動特徴量に基づいて前記組織の結束度を計算し、前記推定された前記各人物の行動特徴量及び前記計算された結束度を前記表示装置に表示させることを特徴とする請求項１に記載の情報処理システム。
13. 前記情報処理システムは、さらに表示装置を備え、
    前記プロセッサは、前記推定された前記各人物の前記複数の所定の期間のそれぞれについての行動特徴量に基づいて前記組織の前記複数の所定の期間のそれぞれについての結束度を計算し、前記計算された結束度の変化を示すグラフを前記表示装置に表示させることを特徴とする請求項５に記載の情報処理システム。
14. 複数の端末と通信する基地局とネットワークを介して接続される管理サーバであって、
    前記各端末は、
    組織を構成する複数の人物それぞれに装着され、
    前記各端末を装着した人物の行動情報を取得するセンサと、前記行動情報を前記基地局に送信する送信装置と、を有し、
    前記管理サーバは、前記ネットワークに接続されるネットワークインターフェースと、前記ネットワークインターフェースに接続されるプロセッサと、前記プロセッサに接続される記憶装置と、を備え、
    前記記憶装置は、前記組織における前記複数の人物間の予め定義された関係を示す人物関係情報を格納し、
    前記プロセッサは、
    前記ネットワークインターフェースを介して前記行動情報を受信して前記記憶装置に格納し、
    前記行動情報に基づいて、前記各人物の他の人物に対する行動の特徴を示す一つ以上の種類の行動特徴量を計算し、
    前記計算された行動特徴量を前記記憶装置に格納し、
    前記計算された行動特徴量を前記各人物と前記他の人物との前記定義された関係ごとに集計し、
    前記集計された行動特徴量をさらに前記記憶装置に格納し、
    まだ実行されていない前記定義された関係の変更を示す情報を取得すると、前記取得した情報、前記記憶装置に格納された行動特徴量、及び、過去に実行された前記定義された関係の変更の前後の前記行動特徴量に基づいて、前記定義された関係が前記取得した情報の通りに変更された後の前記人物の行動特徴量を推定し、
    前記推定された行動特徴量を出力することを特徴とする管理サーバ。
15. 前記各端末の前記センサは、前記端末を装着した人物と他の前記端末を装着した人物との対面を検出する対面センサを含み、さらに、加速度を検出する加速度センサ及び音声を検出する音声センサの少なくとも一つを含み、
    前記行動情報は、前記各端末を装着した人物と他の前記端末を装着した人物との対面の記録である対面情報を含み、さらに、前記加速度の記録である加速度情報及び前記音声の記録である音声情報の少なくとも一つを含み、
    前記プロセッサは、
    前記対面情報に基づいて、前記各人物と他の人物との対面時間を前記行動特徴量として計算し、
    前記加速度情報又は前記音声情報に基づいて、前記各人物が活性であったか否かを判定し、
    前記対面情報と、前記各人物が活性であったか否かの判定結果と、に基づいて、前記各人物と他の人物との対面時間のうち、前記各人物及び前記他の人物の両方が活性であった双方向時間、前記各人物が活性であり前記他の人物が不活性であったピッチャー時間、前記各人物が不活性であり前記他の人物が活性であったキャッチャー時間、前記各人物及び前記他の人物の両方が不活性であった同席時間、及び、前記他の人物が活性である場合に前記各人物が不活性から活性に遷移する割合を示す同調度、の少なくとも一つを、さらに、前記行動特徴量として計算することを特徴とする請求項１４に記載の管理サーバ。
16. 前記プロセッサは、
    過去に実行された前記定義された関係の変更前の前記行動特徴量、及び、前記過去に実行された前記定義された関係の変更後の所定の期間の前記行動特徴量に基づいて、前記定義された関係の変更後の前記所定の期間の各種類の前記行動特徴量が前記定義された関係の変更前の各種類の前記行動特徴量に依存する程度を示す係数を計算し、
    まだ実行されていない前記定義された関係の変更を示す情報を取得すると、前記取得した情報、前記記憶装置に格納された行動特徴量、及び、前記計算された係数に基づいて、前記定義された関係が前記取得した情報の通りに変更された後の前記所定の期間の前記人物の行動特徴量を推定することを特徴とする請求項１５に記載の管理サーバ。
17. 組織を構成する複数の人物それぞれに装着される端末と、前記端末と通信する基地局と、前記基地局とネットワークを介して接続される管理サーバと、を有する情報処理システムにおいて実行される情報処理方法であって、
    前記各端末は、前記各端末を装着した人物の行動情報を取得するセンサと、前記行動情報を前記基地局に送信する送信装置と、を有し、
    前記管理サーバは、前記ネットワークに接続されるネットワークインターフェースと、前記ネットワークインターフェースに接続されるプロセッサと、前記プロセッサに接続される記憶装置と、を有し、
    前記記憶装置は、前記組織における前記複数の人物間の予め定義された関係を示す人物関係情報を格納し、
    前記情報処理方法は、
    前記ネットワークインターフェースを介して前記行動情報を受信して前記記憶装置に格納する第１手順と、
    前記行動情報に基づいて、前記各人物の他の人物に対する行動の特徴を示す一つ以上の種類の行動特徴量を計算し、前記計算された行動特徴量を前記記憶装置に格納する第２手順と、
    前記計算された行動特徴量を前記各人物と前記他の人物との前記定義された関係ごとに集計し、前記集計された行動特徴量を前記記憶装置に格納する第３手順と、
    まだ実行されていない前記定義された関係の変更を示す情報を取得すると、前記取得した情報、前記記憶装置に格納された行動特徴量、及び、過去に実行された前記定義された関係の変更の前後の前記行動特徴量に基づいて、前記定義された関係が前記取得した情報の通りに変更された後の前記人物の行動特徴量を推定する第４手順と、
    前記推定された行動特徴量を出力する第５手順と、を含むことを特徴とする情報処理方法。
18. 前記各端末の前記センサは、前記端末を装着した人物と他の前記端末を装着した人物との対面を検出する対面センサを含み、さらに、加速度を検出する加速度センサ及び音声を検出する音声センサの少なくとも一つを含み、
    前記行動情報は、前記各端末を装着した人物と他の前記端末を装着した人物との対面の記録である対面情報を含み、さらに、前記加速度の記録である加速度情報及び前記音声の記録である音声情報の少なくとも一つを含み、
    前記第２手順は、
    前記対面情報に基づいて、前記各人物と他の人物との対面時間を前記行動特徴量として計算する手順と、
    前記加速度情報又は前記音声情報に基づいて、前記各人物が活性であったか否かを判定する手順と、
    前記対面情報と、前記各人物が活性であったか否かの判定結果と、に基づいて、前記各人物と他の人物との対面時間のうち、前記各人物及び前記他の人物の両方が活性であった双方向時間、前記各人物が活性であり前記他の人物が不活性であったピッチャー時間、前記各人物が不活性であり前記他の人物が活性であったキャッチャー時間、前記各人物及び前記他の人物の両方が不活性であった同席時間、及び、前記他の人物が活性である場合に前記各人物が不活性から活性に遷移する割合を示す同調度、の少なくとも一つを、さらに、前記行動特徴量として計算する手順と、を含むことを特徴とする請求項１７に記載の情報処理方法。
19. 前記情報処理方法は、さらに、過去に実行された前記定義された関係の変更前の前記行動特徴量、及び、前記過去に実行された前記定義された関係の変更後の所定の期間の前記行動特徴量に基づいて、前記定義された関係の変更後の前記所定の期間の各種類の前記行動特徴量が前記定義された関係の変更前の各種類の前記行動特徴量に依存する程度を示す係数を計算する第６手順を含み、
    前記第４手順は、まだ実行されていない前記定義された関係の変更を示す情報を取得すると、前記取得した情報、前記記憶装置に格納された行動特徴量、及び、前記計算された係数に基づいて、前記定義された関係が前記取得した情報の通りに変更された後の前記所定の期間の前記人物の行動特徴量を推定する手順を含むことを特徴とする請求項１８に記載の情報処理方法。