JP6468635B2 - 眠気推定装置及び眠気推定プログラム - Google Patents

Description

この発明は、眠気推定装置及び眠気推定プログラムに関するものである。

近年、健康管理の観点から、或いは、自動車事故防止等の観点から眠気に注目が集まっている。特に、車の運転、機器の操縦・操作、デスクワークなどの場合に、眠気が起こっていることの推定は重要である。

眠気を捕えようとする従来の技術としては、運転者の眠気度合いを心拍信号のＦＦＴ処理結果を用いて検出する装置が特許文献１に示されている。より詳細には、心拍信号のＦＦＴ処理結果であるスペクトル信号のピーク周波数を中心として覚醒度合指標帯域αを設定すると共に、覚醒時ピーク周波数に対して所定比率（６５〜９０％）を中心として眠気度合指標帯域βを設定する。運転開始後の所定時間帯において、覚醒度合指標帯域αと眠気度合指標帯域βに属するスペクトル信号の強度αｐ、βｐを用いてパラメータＳｐ（＝βｐ／（αｐ＋βｐ））を算出して、このパラメータＳｐに基づき眠気度合を評価するというものである。

また、引用文献２には、運転者の心拍等に基づいて、暗い場所、見通しが悪い場所、路上駐車が多い場所などの運転にとって慢性的な危険位置を特定して出力するに際し、眠気による心拍変動の影響を特定して適正な心拍変動を求めることにより正確な危険位置の特定を行うことが記載されている。

また、引用文献３には、心拍波形からＲ−Ｒ間隔を時系列化した心拍間隔データを求め、この心拍間隔データを周波数解析してパワースペクトル密度（ＰＳＤ）と自律神経のトータルパワー（ＴＰ）を含む心拍揺らぎの周波数解析結果を初期状態とし、初期状態に含まれる推定の眠気の位置及び推定の覚醒の位置に基づき、眠気の位置の原点と覚醒の位置の原点が設定された眠気スケールを決定して、この眠気スケールを用いて眠気判定を行うことが記載されている。

更に、引用文献４には、心拍信号から心拍間隔を検出し、心拍間隔の変動に対するスペクトル密度を求め、極大周波数と極大周波数に対応する極大スペクトル密度を算出し、算出された極大周波数と極大周波数に対応する極大スペクトル密度の変動傾向を基にして覚醒状態であるか否かを判定することが記載されている。

特開２００４−３５０７７３号公報 特開２０１３−２０５９６５号公報 特開２０１４−１２０４２号公報 国際公開２００８／０６５７２４号パンフレット

しかしながら、上記に示した従来の眠気に関する処理では、Ｒ−Ｒ間隔（以下、ＲＲＩ）に基づくものであるものの、スペクトル密度をそのまま指標として用いているものが多い。引用文献３にあっては、ＲＲＩデータを統計処理した結果と合わせてスペクトル密度を指標とするものの、スペクトル密度をそのまま指標として用いている。

上記のような従来技術によっては、十分に眠気を推定するまでの指標がなく、不完全な眠気検出に終わる可能性が高い。特に、個人差によってある指標には変化が生じ難く、また、他のある指標に対しては変化が見られるなどのケースがあり、従来の手法では的確な眠気の推定を行うことができなかった。

本発明は上記のような従来の眠気推定に関する問題点を解決せんとしてなされたもので、その目的は、個人差などに対応してより精度の高い眠気の推定を行うことができる眠気推定装置及び眠気推定プログラムを提供することである。

本発明に係る眠気推定装置は、心電図信号のＲ波に相当する信号を検出するＲＲＩセンサにより得られる信号からＲ−Ｒ間隔のデータであるＲＲＩデータを取得するＲＲＩ取得手段と、前記ＲＲＩデータを統計処理した結果と前記ＲＲＩデータのスペクトル解析の結果とに基づいて、自律神経の活動に関する複数種の活動指標について指標値を計算する指標値計算手段と、前記指標値計算手段により計算される全活動指標から選択された１以上の活動指標の指標値とこの選択された活動指標に関する閾値により作成した推定関数及び／または前記選択された活動指標の指標値に関する変動状態により作成した推定関数によって構成される眠気推定ルールに基づき、前記指標値計算手段により算出された指標値を評価し眠気を推定する眠気推定手段とを具備することを特徴とする。

本発明に係る眠気推定装置では、前記ＲＲＩデータを統計処理した結果の活動指標には、
ＳＤＲＲ：（ＲＲＩの標準偏差）
ＲＭＳＳＤ：（隣接するＲＲＩの差の二乗平均値の平方根）
ＳＤＳＤ：（隣接するＲＲＩの差の標準偏差）
ｐＲＲ５０：（隣接するＲＲＩの差が５０（ミリ秒）を超える割合）
の少なくとも１つが含まれることを特徴とする。

本発明に係る眠気推定装置では、前記ＲＲＩデータのスペクトル解析の結果の活動指標には、
ＬＦ：（ＰＳＤ（パワースペクトル密度関数）の0.04〜0.15[Hz]のパワー）
ＨＦ：（ＰＳＤの0.15〜0.40[Hz]のパワー）
ＨＦ／（ＬＦ＋ＨＦ）
ｐ_ｉ（ｉ＝０，１，２，・・・，９）：（ＰＳＤの0.15+i×0.025〜 0.15＋(ｉ＋1)×0.025 [Hz]のパワー）
の少なくとも１つが含まれることを特徴とする。

本発明に係る眠気推定装置では、前記指標値計算手段は、第１の時間毎のＲＲＩデータを用いて単位時間の指標値を算出し、単位時間の指標値を活動指標の種類分集めてベクトル化し、ベクトル化された指標値を時系列に並べて指標値ベクトル時系列を作成し、眠気推定手段は、閾値ベクトルと前記指標値ベクトル時系列を用いて評価する推定関数により眠気推定を行うことを特徴とする。

本発明に係る眠気推定装置では、眠気推定ルールの推定関数は、上記活動指標と対応するそれぞれの閾値との比較条件を含み、アンドとオアのいずれかを用いて、或いはこれらアンドとオアを用いて、前記条件を結合させて形成されていることを特徴とする。

本発明に係る眠気推定装置は、所定周波数成分の除去であるトレンド除去、異常値除去、データ補間、フィルタ処理の少なくとも１つを行うデータ整形手段を含んで構成されていることを特徴とする。

本発明に係る眠気推定プログラムは、コンピュータを、心電図信号のＲ波に相当する信号を検出するＲＲＩセンサにより得られる信号からＲ−Ｒ間隔のデータであるＲＲＩデータを取得するＲＲＩ取得手段、前記ＲＲＩデータを統計処理した結果と前記ＲＲＩデータのスペクトル解析の結果とに基づいて、自律神経の活動に関する複数種の活動指標について指標値を計算する指標値計算手段、前記指標値計算手段により計算される全活動指標から選択された１以上の活動指標の指標値とこの選択された活動指標に関する閾値により作成した推定関数及び／または前記選択された活動指標の指標値に関する変動状態により作成した推定関数によって構成される眠気推定ルールに基づき、前記指標値計算手段により算出された指標値を評価し眠気を推定する眠気推定手段として機能させることを特徴とする。

本発明に係る眠気推定プログラムでは、前記ＲＲＩデータを統計処理した結果の活動指標には、
ＳＤＲＲ：（ＲＲＩの標準偏差）
ＲＭＳＳＤ：（隣接するＲＲＩの差の二乗平均値の平方根）
ＳＤＳＤ：（隣接するＲＲＩの差の標準偏差）
ｐＲＲ５０：（隣接するＲＲＩの差が５０（ミリ秒）を超える割合）
の少なくとも１つが含まれることを特徴とする。

本発明に係る眠気推定プログラムでは、前記ＲＲＩデータのスペクトル解析の結果の活動指標には、
ＬＦ：（ＰＳＤ（パワースペクトル密度関数）の0.04〜0.15[Hz]のパワー）
ＨＦ：（ＰＳＤの0.15〜0.40[Hz]のパワー）
ＨＦ／（ＬＦ＋ＨＦ）
ｐ_ｉ（ｉ＝０，１，２，・・・，９）：（ＰＳＤの0.15+i×0.025〜 0.15＋(ｉ＋1)×0.025 [Hz]のパワー）
の少なくとも１つが含まれることを特徴とする。

本発明に係る眠気推定プログラムでは、前記指標値計算手段は、第１の時間毎のＲＲＩデータを用いて単位時間の指標値を算出し、単位時間の指標値を活動指標の種類分集めてベクトル化し、ベクトル化された指標値を時系列に並べて指標値ベクトル時系列を作成し、眠気推定手段は、閾値ベクトルと前記指標値ベクトル時系列を用いて評価する推定関数により眠気推定を行うことを特徴とする。

本発明に係る眠気推定プログラムでは、眠気推定ルールの推定関数は、上記活動指標と対応するそれぞれの閾値との比較条件を含み、アンドとオアのいずれかを用いて、或いはこれらアンドとオアを用いて、前記条件を結合させて形成されていることを特徴とする。

本発明に係る眠気推定プログラムは、前記コンピュータを、所定周波数成分の除去であるトレンド除去、異常値除去、データ補間、フィルタ処理の少なくとも１つを行うデータ整形手段として機能させることを特徴とする。

本発明によれば、ＲＲＩデータを統計処理した結果とＲＲＩデータのスペクトル解析の結果に基づいて、自律神経の活動に関する複数種の活動指標について指標値を計算し、各活動指標に関する閾値及び／または変動状態により評価する推定関数によって構成される眠気推定ルールに基づき、活動指標を評価し眠気を推定するので、ＲＲＩデータを統計処理した結果に基づく自律神経の活動指標と、ＲＲＩデータのスペクトル解析の結果に基づいて算出した複数の自律神経の活動指標とを用いて、多角的方向から眠気に関する推定がなされ、個人差などに対応してより精度の高い眠気の推定を行うことができる。

本発明に係る眠気推定装置の第１の実施形態のブロック図。 心電図信号におけるＲＲＩを説明するための心電図波形を示す図。 本発明に係る眠気推定装置の第１の実施形態を、端末を中心として構成したシステムの内部構成を示すブロック図。 本発明に係る眠気推定装置の第１の実施形態の眠気推定処理プログラムによる処理を示すフローチャート。 本発明に係る眠気推定装置の実施形態における要部であるデータ整形手段の第１の構成例を示すブロック図。 本発明に係る眠気推定装置の実施形態における要部であるデータ整形手段の第２の構成例を示すブロック図。 本発明に係る眠気推定装置の実施形態における要部であるデータ整形手段の第３の構成例を示すブロック図。 本発明に係る眠気推定装置の実施形態における要部であるデータ整形手段の第４の構成例を示すブロック図。 本発明に係る眠気推定装置の実施形態における要部である指標値計算手段の構成例を示すブロック図。 本発明に係る眠気推定装置の実施形態に取り込んだＲＲＩデータの一例を示す図。 本発明に係る眠気推定装置の実施形態に取り込んだＲＲＩデータとその取り込み時刻により構成されるデータの一例を示す図。 本発明に係る眠気推定装置の実施形態におけるループ処理のループ回数が０の場合のＲＲＩデータの一例を示す図。 本発明に係る眠気推定装置の実施形態におけるループ処理のループ回数が３の場合のＲＲＩデータの一例を示す図。 本発明に係る眠気推定装置の実施形態において用いる複数の活動指標について、指標名と指標変数、その閾値の一例を示す図。 本発明に係る眠気推定装置の実施形態において処理するＲＲＩデータであって、指標計算開始時刻Ｔ０ から４０００秒後（ｃｎｔ＝４００）のＲＲＩデータ（整形前）を示す図。 図１５に示したＲＲＩデータについて、本発明に係る眠気推定装置の実施形態のトレンド除去部により波形整形した後のデータを示す図。 図１６に示したＲＲＩデータについて、本発明に係る眠気推定装置の実施形態の異常値除去部により波形整形した後のデータを示す図。 図１７に示したＲＲＩデータについて、本発明に係る眠気推定装置の実施形態のデータ補間部により波形整形した後のデータを示す図。 本発明に係る眠気推定装置の実施形態のフィルタ処理部のフィルタ特性を示す図。 図１８に示したＲＲＩデータについて、本発明に係る眠気推定装置の実施形態のフィルタ処理部により波形整形した後のデータを示す図。 ＦＦＴ直接法により得たＰＳＤを示す図。 最大エントロピー法（burg法）により求めたＰＳＤを示す図。 図２１に示したＦＦＴ直接法により得たＰＳＤに対して、本発明に係る眠気推定装置の実施形態が用いる指標である特定周波数帯のパワーｐ_ｉを求める区間を示す図。 図２２に示した最大エントロピー法（burg法）により得たＰＳＤに対して、本発明に係る眠気推定装置の実施形態が用いる指標である特定周波数帯のパワーｐ_ｉを求める区間を示す図。 本発明に係る眠気推定装置の第２の実施形態のブロック図。 本発明に係る眠気推定装置の第２の実施形態の眠気推定プログラムによる処理を示すフローチャート。 本発明に係る眠気推定装置の第３の実施形態のブロック図。 本発明に係る眠気推定装置の第３の実施形態を、端末及びサーバを中心として構成したシステムの内部構成を示すブロック図。 本発明に係る眠気推定装置の第３の実施形態の眠気推定プログラムによる処理を示すフローチャート。 本発明に係る眠気推定装置の第４の実施形態のブロック図。 本発明に係る眠気推定装置の第４の実施形態を、端末及びサーバを中心として構成したシステムの内部構成を示すブロック図。

以下、添付図面を参照して本発明に係る眠気推定装置及び眠気推定プログラムの実施形態を説明する。各図において、同一の構成要素には、同一の符号を付して重複する説明を省略する。眠気推定装置の第１の実施形態は、図１に示すように構成される。本実施形態では、心電図信号のＲ波に相当する信号を検出するＲＲＩセンサ１０として、心拍センサを用いることができる。このＲＲＩセンサ１０は、心拍センサ以外に、心電計の心電図信号を取り出す部分の構成や脈波センサを用いても良い。

ＲＲＩセンサ１０は、生体に設けられ、無線或いは有線により図２（ｂ）に示すような心電図信号を検出して、図１に示すようにＲＲＩ（整形前）１００１を出力する。

ここで、心電図信号について説明を行う。図２（ａ）に示されるように、心電図信号には、Ｒのピークを有するＱＲＳ波を観測することができる。ＱＲＳ波は、心室全体を急速に興奮させるときに発生するものとされる。また、その前方のＰ波は、洞房結節に興奮が発生し、心房が収縮したときの波とされる。更に、ＱＲＳ波の後方に現れるＴ波は、心室の興奮か回復するときに発生する波とされる。心臓の解析には、上記のＰ波、ＱＲＳ波、Ｔ波により得られるＰＱ時間、ＱＲＳ時間、ＱＴ時間などが重要なパラメータとして用いられる。心電図信号には図２（ｂ）に示すように、拍動に応じてＲ波が所定間隔で現れるので、ＲＲＩも重要なパラメータとされ、自律神経活動に関連していることが知られている。本実施形態では、このＲＲＩデータを眠気推定に用いるものである。

図１に示すように、本実施形態の眠気推定装置では、端末２０が、ＲＲＩ取得手段２１、データ整形手段２２、指標値計算手段２３、眠気推定手段２４、出力手段２５を備える。

ＲＲＩ取得手段２１は、上記ＲＲＩセンサ１０により送出されるＲＲＩデータを取得するものである。ＲＲＩセンサ１０としては、心電図信号を出力するものでもよく、この場合には、ＲＲＩ取得手段２１が心電図信号に基づきＲＲＩデータを作成する。データ整形手段２２は、所定周波数成分の除去であるトレンド除去、異常値除去、データ補間、フィルタ処理の少なくとも１つを行う構成を備えている。これ等の構成は、トレンド除去部２２２、異常値除去部２２３、データ補間部２２４、フィルタ処理部２２５などとして後に詳述する。

指標値計算手段２３は、上記ＲＲＩデータに基づいて自律神経の指標値を算出するもので、例えば、上記ＲＲＩデータを統計処理した結果と、上記ＲＲＩデータのスペクトル解析の結果に基づいて、複数種類である自律神経の活動指標について、その指標値を算出するように構成することができる。指標値計算手段２３は、第１の時間毎のＲＲＩデータを用いて単位時間の指標値を算出し、単位時間の指標値を活動指標の種類分集めてベクトル化し、ベクトル化された指標を時系列に並べて指標値ベクトル時系列を作成する。

また、眠気推定手段２４は、活動指標に関する閾値及び／または変動状態により評価する推定関数によって構成される眠気推定ルールに基づき、上記指標値計算手段２３により算出された活動指標を評価し眠気を推定する。

出力手段２５は、眠気推定手段２４による推定結果を出力し、警報発生や機器の動作停止、警告などに用いられるようにする。上記端末２０は、スマートフォン、タブレット端末、モバイル端末などにより構成することができる。

端末２０には、クラウドストレージ３０が接続されている。クラウドストレージ３０には、センサ特性情報１１０１、眠気推定ルール１１０２が予め備えられている。センサ特性情報１１０１は、データ整形手段２２がデータ整形を実行するときに用いられる。眠気推定ルール１１０２は、眠気推定手段２４が眠気を推定するときに用いられる。クラウドストレージ３０には、端末２０において取得した取得済ＲＲＩデータを履歴データの取得済ＲＲＩ１０１２Ｘとして記憶しておいても良いことを示しており、この取得済ＲＲＩ１０１２Ｘは、本実施形態では示さないが、眠気推定ルール１１０２の更新のために用いても良い。

以上の構成の眠気推定は、具体的には、図３に示す構成を有する。既に説明したＲＲＩセンサ１０と、端末２０、クラウドストレージ３０により構成される。

端末２０は、ＣＰＵの制御によって処理を行うものであり、処理中のデータなどを一時保持するための一時記憶などを行うメモリと、各種の処理データを記憶するための不揮発性メモリなどにより構成される記憶装置を備える。端末２０は、電話回線を介した通信やネットワークを介した通信などを行う通信部、タッチ画面による情報やコマンドの入力と、各種データや画像の表示を行うことのできる入出力部、時刻データを取り出すためのタイマを有する。上記通信部によって、クラウドストレージ３０との間で通信を行うことができる。更に、記憶装置には、各種のアプリケーションプログラム、応用ソフト、各種ブラウザ、本実施形態において行うデータ取得やデータ整形等のデータ処理を行うためのデータ処理プログラム、眠気推定処理を行うための眠気推定プログラムなど、眠気推定処理用パラメータ・プログラム類を備えている。

クラウドストレージ３０は、ＣＰＵの制御によって処理を行うものであり、処理中のデータなどを一時保持するための一時記憶などを行うメモリと、各種の処理データを記憶するための不揮発性メモリなどにより構成される記憶装置、ネットワークを介した通信（ここでは、主に端末２０との間の通信）などを行う通信部を備えている。また、記憶装置には、眠気推定処理用の各種パラメータ・プログラム類を備えている。

以上の構成を有する眠気推定装置では、端末２０において、データ処理プログラムと眠気推定プログラムによってＣＰＵが図４に示すフローチャートに対応する処理を行う。クラウドストレージ３０には、図１と図４に示すように、センサ特性情報１１０１、眠気推定ルール１１０２が備えられている。センサ特性情報１１０１は、センサ機種の違いによる特性差を吸収するために、図１と図４に示すデータ整形手段２２においてＲＲＩデータを補正する目的で利用されるもので、例えば、ＱＲＳ波のピークが尖鋭でない特性や尖鋭であるが誤差が大きい特性となっている場合を補正値により補正する。クラウドストレージ３０にセンサ特性情報１１０１が存在しない場合は、特にセンサ機種の違いを吸収する目的での補正を行わなくとも良い。

眠気推定ルール１１０２は、各活動指標に関する閾値及び／または変動状態により評価する推定関数によって構成されるものである。上記眠気推定ルール１１０２の推定関数は、後に詳述するが、上記活動指標と対応するそれぞれの閾値との比較条件と、所定変動状態の有無の条件とを含み、アンドとオアのいずれかを用いて、或いはこれらアンドとオアを２以上用いて、前記条件を結合させて形成することができる。

図４に示される処理では、初めに開始処理部２０１が実行され、次にループ開始部２０２が起動され、更にＲＲＩ取得手段２１以降が実行される。ループ開始部２０２とループ終了判定部２０３に挟まれているＲＲＩ取得手段２１以降の処理はループ処理であり、ループ終了判定部２０３で終了と判定されるまでループ処理が継続される。この場合の終了は、例えば端末２０からユーザが所定のキー操作を行うことにより実行させることができる。上記ループ処理では、処理がＲＲＩ取得手段２１に戻る度に、ループカウンタｃｎｔをカウントアップする。ここに、ｃｎｔ＝０，１，２，・・・（ｃｎｔの開始値はゼロ）とする。

ループ処理（ループ開始部２０２からループ終了判定部２０３の間）は、開始処理部２０１で決定される指標値計算時間間隔ＤＴ［秒］毎に実施される。このため、ＲＲＩセンサ１０による測定開始時刻をＴ０、１回のループ処理で扱うＲＲＩのデータ長をＬＴ［秒］間分とすると、ｃｎｔ回目のループ処理では、時刻Ｔ０＋ｃｎｔ×ＤＴ〜時刻Ｔ０＋ｃｎｔ×ＤＴ＋ＬＴまでの、ＬＴ［秒］間に取得されたＲＲＩデータが処理される。

開始処理部２０１では、本処理で実施される各処理のパラメータを設定する。パラメータとは、以降のループ処理（ループ開始部２０２からループ終了判定部２０３の間）による再処理の時間間隔ＤＴ［秒］（指標値計算時間間隔）、１回のループ処理で扱うＲＲＩのデータ長ＬＴ［秒］間分をはじめとし、以降のデータ整形手段２２におけるデータ整形処理のパラメータ、定数類、以降の指標値計算手段２３における心拍解析のパラメータ類、定数類である。パラメータは、通常は予め用意しているデフォルト値を利用することができるが、幾つかの候補パラメータを用意しておき、所定のタイミングなどで変更手続きを実行して変更してもよい。

クラウドストレージ３０の説明において既述した内容と重複するが、この開始処理部２０１では、クラウドストレージ３０にアクセスし、ＲＲＩセンサ機種に応じたセンサ特性情報１１０１が存在すれば読み込む。クラウドストレージ３０にセンサ特性情報１１０１が存在しない場合は、特にセンサ機種の違いを吸収する目的での補正は行われない。

更に開始処理部２０１では、クラウドストレージ３０に接続し、推定精度向上のために更新された眠気推定ルール１１０２が存在すれば読み込む。クラウドストレージ３０に更新された眠気推定ルール１１０２が存在しない場合は、前回の眠気推定処理で使用した眠気推定ルール１１０２が適用される。

開始処理部２０１の処理に続いてループ開始部２０２が起動され、ＲＲＩ取得手段２１の処理が実行される。ＲＲＩ取得手段２１では、測定開始時刻Ｔ０、ＲＲＩ時間長ＬＴ、指標値計算時間間隔ＤＴを用いて以下を順次実行する。即ち、ＲＲＩセンサ１０からＲＲＩ（整形前）１００１をリアルタイムに取得する。例えば、図１０に示されるようなデータを取得する。図１０の例では、ＲＲＩセンサ１０からはじめに「６８０」（単位は［ミリ秒］）を取り込み、以降、「７１０」，「５９３」，「８２７」，・・・とデータを取得したことを示している。

次に、ＲＲＩ取得手段２１では、ＲＲＩセンサ１０に内蔵されるタイマ、或いは端末２０に備えられているタイマから１つのＲＲＩデータが発生した時刻１００２を取得する。時刻１００２とＲＲＩ（整形前）１００１を対応付けたデータを、ＲＲＩ２（整形前）１０１２として図示しないレジスタに追加・蓄積する。このデータは例えば、図１１に示されるデータであり、図１１では、ＲＲＩセンサ１０から取得した初めのデータが１５時０９分１９秒６００ミリ秒の時刻のものであり、以降、図１１中に示される時刻のデータであることを示している。

上記レジスタのＲＲＩ２（整形前）１０１２中の、所定の時刻から所定の時刻までのデータを抽出して図５などに示されるＲＲＩ３（整形前）１０１３を生成する。指標値計算開始時刻Ｔ０以降、図４のフローチャートによる処理の第ｃｎｔ回目のループでは（ｃｎｔ＝０，１，２，・・・）、時刻Ｔ０＋ｃｎｔ×ＤＴ〜時刻Ｔ０＋ｃｎｔ×ＤＴ＋ＬＴまでのＬＴ秒間に取得されたＲＲＩを扱う。

尚、以降のデータ整形手段２２の補間処理において、時刻Ｔ０＋ｃｎｔ×ＤＴ〜時刻Ｔ０＋ｃｎｔ×ＤＴ＋ＬＴの前後１つずつのデータも必要になるため、時刻Ｔ０＋ｃｎｔ×ＤＴ〜時刻Ｔ０＋ｃｎｔ×ＤＴ＋ＬＴまでのＬＴ秒間に取得されたＲＲＩと、その前後１つずつのＲＲＩを含めたものが、ＲＲＩ３（整形前）１０１３である。

例えば、指標値計算開始時刻Ｔ０が１５時１０分２０秒、ＬＴ＝３００［秒］（＝５［分］）、ＤＴ＝１０秒、ｃｎｔ＝０、の場合は、時刻１５時１０分２０秒〜１５時１５分２０秒までのデータに、１５時１０分２０秒の１つ前のデータと、１５時１５分２０秒の１つ後のデータを含めた図１２に示すようなデータである。

ｃｎｔ＝３の場合は、時刻１５時１０分５０秒〜１５時１５分５０秒までのデータに、１５時１０分５０秒の１つ前のデータと、１５時１５分５０秒の１つ後のデータを含めた図１３に示すようなデータである。

ＲＲＩ取得手段２１による処理に続いてデータ整形手段２２による処理が行われる。データ整形手段２２は、処理手法の相違により、例えば以下の図５から図８に示す複数の構成から所要のものが選択される。ここでは、データ整形手段２２（図５）、データ整形手段２２１Ａ（図６）、データ整形手段２２１Ｂ（図７）、データ整形手段２２１Ｃ（図８）の４種類を説明する。

データ整形手段２２は、トレンド除去部２２２、異常値除去部２２３、データ補間部２２４、フィルタ処理部２２５により構成され、この順で、ＲＲＩ３（整形前）１０１３に対して整形処理を行い、最終的にＲＲＩ（整形後）１０１４を生成する。トレンド除去部２２２では、本実施形態では扱わないＲＲＩの超低周波成分を除去する。ＲＲＩ３（整形前）１０１３にハウスホルダー法を適用し最小二乗推定量を算出する。次いでＲＲＩ３（整形前）１０１３から最小二乗曲線を除去する。５分程度のＲＲＩデータを扱う場合は、ハウスホルダー法の次数は６次程度で十分である（日野幹男、「スペクトル解析」、朝倉書店（２００９年））。

図１５にＲＲＩ３（整形前）１０１３の波形を示し、図１６にトレンド除去後の波形を示す。より詳細には、図１５は、指標値計算開始時刻Ｔ０から４０００秒後（ｃｎｔ＝４００）のＲＲＩ３（整形前）１０１３の波形である。図１６は、図１５に示したＲＲＩ３（整形前）１０１３に対して、当該トレンド除去部２２２による処理を適用して得たトレンド除去後の波形データである。

トレンド除去部２２２に続いて処理を行う異常値除去部２２３は、センサの異常値を数理的根拠に基づき除去するものである。異常値が混入すると、以降の指標値計算手段２３で算出される指標（活動指標）に関して正しい値が得られないために行われる処理である。

図１７は、図１６のトレンド除去後のデータに対して、当該異常値除去部２２３による処理を適用して得た異常値除去後のデータである。本実施形態では、図１６に示したトレンド除去後のデータについて、±３００［ｍｓ］を超えたものを異常値として扱っている。尚、±３００のような絶対的な数値による排除だけでなく、例えばＲＲＩのヒストグラムを作成した際に±５σを越えるデータは異常値として扱う、などとして処理する。

異常値除去部２２３の次に処理を行うデータ補間部２２４では、スプライン補間、線形補間等を利用して、一定時間間隔のＲＲＩデータを算出する。これは、以降に処理を行う指標値計算手段２３におけるＦＦＴの計算のための前処理に相当している。図１８は、図１７に示した異常値除去後のデータに対して、当該データ補間部２２４による処理を適用して得た補間後のデータである。尚、本実施形態では１次補間を行っている。

データ補間部２２４に続く処理を行うフィルタ処理部２２５では、適宜ＦＦＴフィルタを作用させる（日野幹男、「スペクトル解析」、朝倉書店（２００９年））。このフィルタ処理部２２５の処理は、データ補間部２２４の処理と同じく指標値計算手段２３におけるＦＦＴの計算のための前処理に相当している。図２０は、図１８の補間後のデータに対して当該フィルタ処理部２２５による処理を適用して得たＲＲＩ（整形後）１０１４を示している。

尚、本実施形態で適用したフィルタの特性は図１９に示すようであり、波形整形以降の周波数解析において、最新のデータに含まれる周波数成分を最も注目（強調）したいという目的のものであり、古いデータの信号（パワー）を小さくしている。フィルタ処理部２２５に用いるフィルタはこの実施形態に示した特性に限るものではなく、解析の目的に合わせて様々なものを採用できる。

図６に示すデータ整形手段２２１Ａは、図５に示したデータ整形手段２２の前段に１段の第１異常値除去部２２６Ａを設けた構成である。データ整形手段２２１Ａは、第１異常値除去部２２６Ａ、トレンド除去部２２２、第２異常値除去部２２３Ａ、データ補間部２２４、フィルタ処理部２２５によって構成される。これら第１異常値除去部２２６Ａからフィルタ処理部２２５によりＲＲＩ３（整形前）１０１３に対し順に整形処理を行い、最終的にＲＲＩ（整形後）１０１４を生成する。

第１異常値除去部２２６Ａと第２異常値除去部２２３Ａの相違は、第１異常値除去部２２６Ａはセンサの特性等に関する既知の「明らかな」異常値を除去するものであるのに対し、第２異常値除去部２２３Ａは、数理的根拠に基づき異常値を取り除くものである。

図７に示すデータ整形手段２２１Ｂは、データ補間部２２４とフィルタ処理部２２５によって構成される。このデータ整形手段２２１Ｂは、特に高精度の心拍センサを利用する場合に利用するものである。図８に示すデータ整形手段２２１Ｃは、データ補間部２２４のみで構成される。以上の通り、本実施形態のデータ整形手段２２は、データ補間部２２４を必須の構成要素とする他は任意の構成を採用することができる。従って、データ整形手段２２には、本実施形態により示した構成以外の構成を適宜追加してもよい。

上記に示したデータ整形手段２２、データ整形手段２２１Ａ、データ整形手段２２１Ｂ及びデータ整形手段２２１Ｃでは、所定の時点のデータに対してセンサ特性情報１１０１に応じた補正がなされる場合がある。これはセンサ機種の違いによる特性差を吸収するためのものである。

次に、図９に示されている指標値計算手段２３の説明を行う。指標値計算手段２３は、指標１計算部２３２−１〜指標ｍ計算部２３２−ｍと、ベクトル化部２３３によって構成される。指標１計算部２３２−１〜指標ｍ計算部２３２−ｍでは、ＲＲＩ３（整形前）１０１３およびＲＲＩ（整形後）１０１４を用いて、心拍変動に基づく自律神経の活動指標（複数）をｍ個算出する。

本実施形態において用いる、心拍変動に基づく自律神経の活動指標（複数）とは、例えば以下ものを挙げることができる。
・積率統計量に関する活動指標
ＳＤＲＲ：ＲＲＩの標準偏差（交感神経と副交感神経の活動指標）
ＲＭＳＳＤ：隣接するＲＲＩの差の二乗平均値の平方根（副交感神経の活動指標）
ＳＤＳＤ：隣接するＲＲＩの差の標準偏差（副交感神経の活動指標）
ｐＲＲ５０：隣接するＲＲＩの差が５０［ミリ秒］を超える割合（副交感神経の活動指標）

・スペクトル解析に基づく活動指標
ＬＦ：ＰＳＤの０．０４〜０．１５［Ｈｚ］のパワー（主として交感神経の活動指標）
ＨＦ：（ＰＳＤの０．１５〜０．４０［Ｈｚ］のパワー（副交感神経の活動指標）
ＨＦ／（ＬＦ＋ＨＦ）（副交感神経の活動比率）
特定周波数帯のパワーｐ_ｉ（ｉ＝０，１，２，・・・，９）：ＰＳＤの０．１５＋ｉ×０．０２５〜０．１５＋（ｉ＋１）×０．０２５［Ｈｚ］のパワー（副交感神経の個別周波数帯の活動指標）

積率統計量に関する活動指標は、ＲＲＩ３（整形後）１０１３のデータを
ｘ_ｉ（１≦ｉ≦ｍ）としたとき、以下の式により与えられる。

スペクトル解析に基づく指標の算出は、はじめにＲＲＩ（整形後）１０１４（即ち、｛ｘ_ｉ｝系列（１≦ｉ≦ｍ））について、ＦＦＴ、最大エントロピー法等を適用してＰＳＤ（パワースペクトル密度関数）を求める。ＦＦＴ算出については良く知られており、ここではその詳細説明を省略する。

図２１は、ＦＦＴ直接法により得たＰＳＤを示す図である。また、図２２は、最大エントロピー法（burg法）により求めたＰＳＤを示す図である。ＰＳＤを求める手法としては、上記の他に、ＦＦＴとＡＲモデル予測（Yule-Walker 法）により求める手法がある。

周波数ｆにおけるパワースペクトル密度関数をＰＳＤ（ｆ）と表すと、ＬＦ、ＨＦは以下の式により与えられる。尚、ＬＦ、ＨＦの積分区間の定義は諸説あり、定まったものは存在しない。従って、以下の式における積分区間は一例である。

上記の「スペクトル解析に基づく指標」においては、ＨＦ／(ＬＦ＋ＨＦ）を指標として示したが、Ratio は、ＬＦ／（ＬＦ＋ＨＦ）であっても、ＨＦ／ＬＦであっても良い。特定周波数帯のパワーｐ_ｉ（ｉ＝０，１，２，・・・，９）は、本願発明者が初めて提供する独自の指標であり、上記ＨＦの積分区間が０．１５〜０．４０［Ｈｚ］であるところを、該区間を１０分割し、分割区間単位でパワーを算出するものである。即ち、次の式により示す処理によりパワーを求める。

図２３は、ＦＦＴ直接法により得たＰＳＤの上記０．１５〜０．４０［Ｈｚ］の区間を、区間Ｉから区間Ｘまでの１０区間に分割し、各区間でパワーを求めることを示す図である。また、図２４は、最大エントロピー法（burg法）により求めたＰＳＤの上記０．１５〜０．４０［Ｈｚ］の区間を、区間Ｉから区間Ｘまでの１０区間に分割し、各区間でパワーを求めることを示す図である。勿論、分割数１０は一例であり、２以上の任意の数の区間に分割しても良い。

上記の実施形態において、眠気推定処理の第ｃｎｔ回目のループでは、時刻Ｔ０＋ｃｎｔ×ＤＴ〜時刻Ｔ０＋ｃｎｔ×ＤＴ＋ＬＴまでのＬＴ秒間に取得されたＲＲＩを用いて、ＳＤＲＲ、ＲＭＳＳＤ、ＳＤＳＤ、ｐＲＲ５０、ＬＦ、ＨＦ、ＨＦ／（ＬＦ＋ＨＦ）、ｐ_０、ｐ_１、ｐ_２、ｐ_３、ｐ_４、ｐ_５、ｐ_６、ｐ_７、ｐ_８、ｐ_９のｍ（＝１７）個の指標の指標値が算出される。

以降では，それぞれの指標値をｙ_ｊ（ｊ＝１，２，３，…，ｍ）と表記する。特に、時刻Ｔ０＋ｃｎｔ×ＤＴ＋ＬＴ（ｃｎｔ値に依存）における指標値であることを表す場合には、ｙ_ｊ，_ｃｎｔ（ｊ＝１，２，３，…，ｍ）、（ｃｎｔ＝０，１，２，３，…）と表記する。すなわち、ｙ_α，βは、時刻Ｔ０＋β×ＤＴ〜時刻Ｔ０＋β×ＤＴ＋ＬＴまでのＬＴ秒間に取得されたＲＲＩから算出されたα番目の指標値を意味する。

図９に示す指標値計算手段２３に備えられているベクトル化部２３３では、眠気推定処理の第ｃｎｔ回目のループで算出される指標値をベクトル化する。すなわち、時刻Ｔ０＋ｃｎｔ×ＤＴ〜時刻Ｔ０＋ｃｎｔ×ＤＴ＋ＬＴまでのＬＴ秒間に取得されたＲＲＩに基づき生成された指標値ｙ_{１，ｃｎｔ}〜ｙ_{ｍ，ｃｎｔ}をまとめてベクトル化する。これにより、指標値ベクトル１０２１
ＹＹ_ｃｎｔ＝｛ｙ_{１，ｃｎｔ}，ｙ_{２，ｃｎｔ}，ｙ_{３，ｃｎｔ}，・・・・，ｙ_{ｍ，ｃｎｔ}｝を生成する。ベクトルの標記は、文中ではＹＹのように、大文字を連続記載したものとする。以降、ＹＹ_ｃｎｔは、時刻Ｔ０＋ｃｎｔ×ＤＴ＋ＬＴにおける指標値ベクトルとして扱う。

図４の指標値計算手段２３には、図示しない指標値ベクトルの時系列化部が含まれているので、以下に指標値ベクトルの時系列化部の説明を行う。指標値ベクトルの時系列化部では、眠気推定処理の第ｋ回目（０≦ｃｎｔ≦ｋ）までに算出された指標値ベクトルＹＹ_ｋをまとめて、指標値ベクトル時系列１０５１：ＤＤ＝｛ＹＹ_０，ＹＹ_１，ＹＹ_２，・・・，ＹＹ_ｋ｝を生成する。

次に、指標値計算手段２３に次いで処理を行う眠気推定手段２４の説明を行う。眠気推定手段２４では、再処理ループ（ループ開始部２０２〜ループ終了判定部２０３）の０〜ｋ回目までのループで構成される指標値ベクトル時系列１０５１：ＤＤ＝｛ＹＹ_０，ＹＹ_１，ＹＹ_２，・・・，ＹＹ_ｋ｝を参照し、眠気推定ルール１１０２に基づき眠気の推定を行う。

ここに、眠気推定ルール１１０２とは、閾値が定められた閾値ベクトルＲＲと、指標値ベクトル時系列ＤＤと閾値ベクトルＲＲを引数とする推定関数ｆとで構成されるものである。ｆ（ＤＤ，ＲＲ）は推定値を意味する。また、推定関数ｆは、推定値ｆ（ＤＤ，ＲＲ）＝｛１，０｝（１：眠気可能性あり、０：眠気可能性なし）のように、離散化された整数値を返すように設計されている。上記では、２値のものを示したが、推定値ｆ（ＤＤ，ＲＲ）＝｛３，２，１，０｝（３：眠気可能性大、２：可能性中、１：可能性低、０：なし）のように、４値化されていても良く、特に制限は無い。

推定関数ｆは、指標値ベクトル時系列ＤＤ＝｛ＹＹ_０，ＹＹ_１，ＹＹ_２，・・・，ＹＹ_ｋ｝のｋ＋１個の要素のうち、少なくとも１つ以上のＹＹ_ｃｎｔ（０≦ｃｎｔ≦ｋ）を利用し、また、ＹＹ_ｃｎｔ＝｛ｙ_{１，ｃｎｔ}，ｙ_{２，ｃｎｔ}，・・・・，ｙ_{ｍ，ｃｎｔ}｝のｍ個の要素のうち、少なくとも１つ以上のｙ_{ｊ，ｃｎｔ}（１≦ｊ≦ｍ）を利用するように構成することができる。即ち、ｋ＋１の時刻に対応する指標値ベクトルのうち少なくとも１つ以上の時刻に対応する指標値ベクトルを参照し、これらの指標値ベクトルのｍ個の要素のうち１つ以上を利用するようにすることができる。

上記推定関数ｆのより具体的な例１を示す。例１は、以下の条件１〜３を満たすときに「眠気あり」と判定することができる。これは、２値判定の例である。

条件１：ＨＦ／（ＬＦ＋ＨＦ）≧０．２
条件２：ｐ_５≧３．８ または ｐ_６≧４．２
条件３：ＨＦ≦２００

本実施形態では、指標名と、指標変数及びその閾値は、図１４に示す如き対応があるものとする。例えば、ＨＦ／（ＬＦ＋ＨＦ）の変数はｙ_７，閾値はｒ_７（＝０．２）である。同様に、指標名ｐ_５，ｐ_６，ＨＦの変数は、ｙ_１３，ｙ_１４，ｙ_６，閾値はｒ_１３（＝３．８），ｒ_１４（＝４．２），ｒ_６（＝２００）であることを示している。これに対応する閾値ベクトルＲＲは、図１４の上から下まで連番で１〜１７までの指標番号とすると、ＲＲ＝｛｛７，０．２｝，｛１３，３．８｝，｛１４，４．２｝，｛６，２００｝｝であり、｛｛指標番号，閾値｝，｛指標番号，閾値｝，｛指標番号，閾値｝，｛指標番号，閾値｝，・・・｝などとして構成することができる。

処理時刻及びループカウントを意味する最新のｃｎｔ値をkとすると、例１の推定関数は以下のように与えられる。
ｆ（ＤＤ，ＲＲ）：＝（ｙ_７，k≧ｒ_７）∧（（ｙ_１３，ｋ≧ｒ_１３）∨（ｙ_１４，ｋ≧ｒ_１４））∧（ｙ_６，ｋ≦ｒ_６）
上記において、∧はＡＮＤを意味し、∨はＯＲを意味する。
上記の推定関数ｆ（ＤＤ，ＲＲ）がＴＲＵＥならば１、ＦＡＬＳＥならば０とすることができる。

尚、本実施形態における推定関数が処理する内容は、一般的な指標を用いた判定が条件１であり、被検者に固有の特徴である、眠気時に特にＰＳＤにおける０．２７５〜０．３［Ｈｚ］の領域或いは０．３〜０．３２５［Ｈｚ］の領域の成分が上昇するという傾向を用いた判定が条件２であり、食事やお喋りなど、副交感神経の活動が活性化する場合の判定が条件３であり、これら条件１と条件２が共に成立し、条件３を排除するようにしたものである。

上記のユーザに固有の特徴に係る条件については、ユーザについて予め全指標を用いた測定であって、眠気を生じたときの測定を行うことにより得るものとすることができる。この測定のデータから、眠気を生じたときの各活動指標において顕著な変化を求め、推定関数とすることができる。これは後述するクラウドストレージ３０において、眠気推定処理が実行される毎に眠気推定ルール１１０２が更新され、推定精度を向上させて行く構成において処理を実行することができる。これによって、ユーザに固有の眠気推定ルールを設定することができる。

上記推定関数ｆの、より具体的な例２を示す。例２は、先の例１の推定関数ｆについて、条件４を加えたものであり、以下の通りである。
条件１：ＨＦ／（ＬＦ＋ＨＦ）≧０．２
条件２：ｐ_５≧３．８ または ｐ_６≧４．２
条件３：ＨＦ≦２００
条件４：条件１が過去連続して３回（現在を含め４回）満たしている

処理時刻及びループカウントを意味する最新のｃｎｔ値をｋとすると、本例の推定関数は以下のように与えられる。
ｆ（ＤＤ，ＲＲ）：＝（ｙ_７，ｋ≧ｒ_７）∧（（ｙ_１３，ｋ≧ｒ_１３）∨（ｙ_１４，ｋ≧ｒ_１４））
∧（ｙ_６，ｋ≦ｒ_６）∧（（ｙ_{７，ｋ−１}≧ｒ_７）∧（ｙ_{７，ｋ−２}≧ｒ_７）∧（ｙ_{７，ｋ−３}≧ｒ_７））
上記の推定関数（条件式）がＴＲＵＥならば１、ＦＡＬＳＥならば０とすることができる。

以上の通り、指標値計算手段２３（図１）は、第１の時間毎のＲＲＩデータを用いて単位時間の活動指標を算出し、単位時間の活動指標を活動指標の種類分集めてベクトル化し、ベクトル化された指標値を時系列に並べて指標値ベクトル時系列を作成し、眠気推定手段２４は、閾値ベクトルと上記指標値ベクトル時系列を用いて評価する関数により眠気推定を行う。

次に、眠気推定手段２４に続き処理を行う出力手段２５の説明を行う。出力手段２５は、眠気推定手段２４において算出された推定値ｆ（ＤＤ，ＲＲ）を、眠気推定処理の呼び出し側／上位側への返り値として戻す処理を行う。

出力手段２５の処理の次には、ループ終了判定部２０３が処理を行う。眠気推定処理の呼び出し側／上位側などから終了指示により、ループ終了判定部２０３はＹＥＳへ分岐し、ＲＲＩセンサ１０によるデータ取得終了、停止し、及び眠気推定処理の呼び出し側／上位関数へコントロールを渡すことになる。ループ終了判定部２０３がＮＯへ分岐した場合には、ループ開始部２０２からＲＲＩ取得手段２１の処理へ戻り、次ステップ以降のループ処理が行われる。

ループ終了部２０４は、ループ終了判定部２０３による終了判定（ＹＥＳへの分岐）がなされた後に、図４に示すように、少なくとも、ＲＲＩセンサ１０から取得したＲＲＩ２（整形前）１０１２と、指標値ベクトルの時系列データＤＤの一部或いは全部のデータである指標値ベクトル時系列１０５１を、好ましくは眠気が生じたときのデータであるか否かを示すフラグと共にクラウドストレージ３０に転送する。この結果、クラウドストレージ３０には、取得済ＲＲＩ１０１２Ｘとして、また所定期間の指標値ベクトル時系列１０５１Ｘとして記憶されることになる。

クラウドストレージ３０に転送されたデータは、クラウドストレージ３０にアクセス可能な図示しないサーバによる眠気推定ルール１１０２の再計算のために使われても良い。眠気推定ルール１１０２は、眠気推定処理が実行される毎に更新され、推定精度を向上させて行く構成を採用しても良い。

眠気推定装置の第２の実施形態は、図２５に示すように構成される。この第２の実施形態では、端末２０が推定ルール１１０２を保持している。従って、開始処理部２０１は端末２０の記憶装置から推定ルール１１０２を読み出して用いる。これ以外の構成は第１の実施形態と同様である。この第２の実施形態では、端末２０の記憶装置から推定ルール１１０２を読み出す処理を有する図２６に示したフローチャートにより処理が実行される。

眠気推定装置の第３の実施形態は、図２７に示すように構成される。即ち、端末２０にＲＲＩセンサ１０とサーバ６０が接続され、サーバ６０にクラウドストレージ３０が接続された構成を有する。端末２０には、ＲＲＩ取得手段２１、出力手段２５が備えられる。また、サーバ６０にデータ整形手段２２、指標値計算手段２３、眠気推定手段２４が備えられる。サーバ６０において推定値１００５が得られるが、この推定値１００５は、サーバ６０及び／または端末２０が備える、眠気推定処理の呼び出し側／上位側などへ送出され、そこで使用される。

クラウドストレージ３０には、センサ特性情報１１０１、眠気推定ルール１１０２が予め備えられている。また、クラウドストレージ３０には、端末２０において取得した取得済ＲＲＩデータを履歴データの取得済ＲＲＩ１０１２Ｘとして記憶しておくことができる。

図２８に、第３の実施形態における、端末２０、サーバ６０、クラウドストレージ３０の構成を示す。クラウドストレージ３０の構成は、第１の実施形態のものと同じであり、端末２０の構成は、データ取得処理を行うためのデータ処理プログラムを備え、データ整形等のデータ処理や眠気推定処理を行うための眠気推定プログラムを備えていない点が第１の実施形態のものと異なっている。

サーバ６０は、ＣＰＵの制御によって処理を行うものであり、処理中のデータなどを一時保持するための一時記憶などを行うメモリ、各種の処理データを記憶するための不揮発メモリなどにより構成されるストレージ、ネットワークを介した通信などを行う通信部を有する。上記通信部によって、端末２０またはクラウドストレージ３０との間で通信を行うことができる。サーバ６０は、データ取得のデータ処理を行うためのデータ処理プログラムを備えておらず、データ整形等のデータ処理や眠気推定処理を行うための眠気推定プログラムを備えている。

第３の実施形態では、図２９に示すフローチャートにより処理が実行される。図４と同一の符号の処理は基本的に同じ処理であるので、異なる部分を説明する。端末２０では、開始処理部２０１がセンサ特性情報や推定ルールを取り込むことはないが、ループ処理（ループ開始部２０２からループ終了判定部２０３の間）による再処理の時間間隔ＤＴ［秒］、１回のループ処理で扱うＲＲＩのデータ長ＬＴ［秒］間分などのパラメータを取り込む。サーバ６０の開始処理部６０１は、図４の開始処理部２０１と同じ処理を行う。

この第３の実施形態では、同期して端末２０とサーバ６０が動作を行うために、端末２０には、サーバ同期開始部２０６とサーバ同期終了部２０７が設けられ、サーバ６０には、端末同期開始部６０６と端末同期終了部６０７が設けられている。サーバ同期開始部２０６と端末同期開始部６０６の通信による同期開始から、サーバ同期終了部２０７と端末同期終了部６０７の通信による同期終了まで、端末２０により収集されたＲＲＩデータをサーバ６０へ送り、サーバ６０は送られたＲＲＩデータを用いてデータ処理と眠気推定処理を行う。

サーバ同期開始部２０６からサーバ同期終了部２０７までの間、端末２０では、ＲＲＩ取得手段２１によるＲＲＩデータの取得が行われ、取得されたＲＲＩデータがサーバ６０へ送られる。サーバ６０は、端末２０から送られる時刻１００２とＲＲＩ（整形前）１００１を対応付けたデータの取り込みを行うＲＲＩ取得手段２１Ａと、図４の第１の実施形態において端末２０が備えていたデータ整形手段２２、指標値計算手段２３、眠気推定手段２４を備えている。サーバ６０では、送られた時刻１００２とＲＲＩ（整形前）１００１を対応付けたデータが取り込まれ、データ整形手段２２、指標値計算手段２３、眠気推定手段２４による処理が実行されて、推定値１００５が得られ、これが端末２０へ送出される。

端末２０では、上記推定値１００５を受け取って、出力手段２５が眠気推定処理の呼び出し側／上位側への返り値として戻す処理を行う。端末２０のループ終了判定部２０３では、前述の如くの所定の条件が整うまでＲＲＩ取得手段２１と出力手段２５によるループ処理を継続させる処理が行われ、サーバ６０のループ終了判定部６０３では、所定の条件が整うまでデータ整形手段２２と指標値計算手段２３と眠気推定手段２４によるループ処理を継続させる処理が行われる。

端末２０では、ループ終了判定部２０３による終了の判定及びループ終了部２０４による終了処理が行われ、更にサーバ同期終了部２０７による終了通知の後、終了処理部２０５が眠気推定処理を終了する。また、サーバ６０では、ループ終了判定部６０３による終了の判定及びループ終了部６０４による終了処理が行われる。このループ終了部６０４による終了処理では、サーバ６０が処理に用いたＲＲＩ２（整形前）１０１２及び指標値ベクトル時系列１０５１をクラウドストレージ３０に転送し、取得済ＲＲＩ１０１２Ｘ及び所定期間の指標値ベクトル時系列１０５１Ｘとして蓄積する。更に、端末同期終了部６０７による終了通知が行われ、その後、終了処理部６０５が眠気推定処理を終了する。

図３０に、第４の実施形態における、端末２０、サーバ６０、クラウドストレージ３０の接続構成を示す。この実施形態では、端末２０にクラウドストレージ３０及びサーバ６０が接続され、更にクラウドストレージ３０とサーバ６０が相互に接続された構成を有する。各部の構成は図２７と同一であるので、その説明を省略する。

また、図３１に、第４の実施形態における、端末２０、サーバ６０、クラウドストレージ３０の構成を示す。各部の構成は図２８と同一であるので、その説明を省略する。更に、第４の実施形態における、端末２０、サーバ６０、クラウドストレージ３０の動作は、既に説明した図２９のフローチャートの如くであり、第３の実施形態と同様に、端末２０が、ＲＲＩデータ取得処理を行い、端末２０が取得したＲＲＩデータを用いて、サーバ６０がデータ整形等のデータ処理や眠気推定処理を行う。

以上の通り、本実施形態では、ＲＲＩセンサ１０からＲＲＩ（心拍間隔）データを得て、心拍変動に基づく自律神経機能評価法を背景として、交感神経・副交感神経の活動状態を反映する指標（複数）を算出し時系列化することが特徴である。本実施形態では次に、指標の時系列データと眠気推定ルールに基づき眠気推定レベルを算出する。眠気推定レベルは、例えば（４．大、３．注意、２．低、１．なし）の離散化された整数とすることができ、眠気が高い状態の可能性を推定する。なお、本実施形態で扱う眠気推定レベルは、眠気が生じている可能性を指し示す文言であり、眠気の深さを意味するものではない。

本実施形態では、ＲＲＩ測定からの眠気推定レベル算出までの処理を所定の時間間隔毎に繰り返して（例えば１０秒間隔）、リアルタイム性の高い眠気推定を行うことができる。本実施形態では、心拍センサ（心電計等を含む心拍測定機器）が出力するＲＲＩ（心拍間隔データ）を取り込む。本実施形態では、装置内部の計算と判定に基づき、眠気推定レベルを算出出力することができる。

本実施形態は以下の特徴や特性を有する。本実施形態の装置が実装しているアプリケーション／システムは、眠気推定レベルを得て出力する。例えば、自動車の運転者や機械の作業者に対して警告を発し、休憩を促すことができ、機器類を安全停止させる等の眠気推定レベルに応じた適切なアドバイス、サービス、処理を提供可能である。本実施形態の装置が実装しているアプリケーション／システムは、本実施形態の装置を利用する作業者等が自らの眠気状態を客観的に知るために役立つことができ、作業者等が適切な処置を取ることが可能である。本実施形態の装置が実装しているアプリケーション／システムは、本実施形態の装置を利用する作業者を管理する管理者が、作業者の眠気推定時に適切な指示を与えるように使用することができる。

本実施形態に係る装置は、市販の心拍センサ、スマートフォン、モバイル端末等への適用が可能である。従って、ＲＲＩセンサ１０や計算機器（ハードウェア）と解析処理（ソフトウェア）のシステムが一体化した特殊機器や専用端末として構成するよりも低コストに実現でき、かつ利便性も高いことを特徴とする。市販のセンサ利用に関しては、異なるセンサ機種間の特性差により異なる判定結果が導かれる場合があるという課題が危惧される。本実施形態に係る装置は、センサから取得した心拍間隔データ（ＲＲＩ）に対して、センサ特性に応じた補正を加える構成を備えており、当該補正に係る情報は、クラウド経由で提供できるという特徴がある。

更に、バイタルデータには個人差、年齢差等が現れるため、眠気推定ルールや閾値等は個人毎にカスタマイズする必要があるという課題がある。これに対応して、本実施形態に係る装置は、２つの特徴を有している。その第１は、眠気推定処理による眠気推定を実行後において、心拍データに基づく指標計算と共に、心拍データ以外の眠気収集手段により眠気データを収集し、双方を照合し解析の上で、個人毎に異なる眠気推定ルール、閾値、を決定する仕組みを有する。第２の特徴は、このとき、端末側の計算負担を軽減する目的で、端末はデータ収集に特化し、サーバで該データ解析と眠気推定ルールや閾値を決定する等の分割処理を採用することができる点に求められる。

１０ ＲＲＩセンサ
２０ 端末
２１ ＲＲＩ取得手段
２２、２２１Ａ、２２１Ｂ、２２１Ｃ データ整形手段
２３ 指標値計算手段
２４ 眠気推定手段
２５ 出力手段
３０ クラウドストレージ
６０ サーバ
２０１ 開始処理部
２２２ トレンド除去部
２２３ 異常値除去部
２２４ データ補間部
２２５ フィルタ処理部
２３３ ベクトル化部

Claims (12)

1. 心電図信号のＲ波に相当する信号を検出するＲＲＩセンサにより得られる信号からＲ−Ｒ間隔のデータであるＲＲＩデータを取得するＲＲＩ取得手段と、
   前記ＲＲＩデータを統計処理した結果と前記ＲＲＩデータのスペクトル解析の結果とに基づいて、自律神経の活動に関する複数種の活動指標について指標値を計算する指標値計算手段と、
   前記指標値計算手段により計算される全活動指標から選択された１以上の活動指標の指標値とこの選択された活動指標に関する閾値により作成した推定関数及び／または前記選択された活動指標の指標値に関する変動状態により作成した推定関数によって構成される眠気推定ルールに基づき、前記指標値計算手段により算出された指標値を評価し眠気を推定する眠気推定手段と
   を具備することを特徴とする眠気推定装置。
2. 前記ＲＲＩデータを統計処理した結果の活動指標には、
   ＳＤＲＲ：（ＲＲＩの標準偏差）
   ＲＭＳＳＤ：（隣接するＲＲＩの差の二乗平均値の平方根）
   ＳＤＳＤ：（隣接するＲＲＩの差の標準偏差）
   ｐＲＲ５０：（隣接するＲＲＩの差が５０（ミリ秒）を超える割合）
   の少なくとも１つが含まれることを特徴とする請求項１に記載の眠気推定装置。
3. 前記ＲＲＩデータのスペクトル解析の結果の活動指標には、
   ＬＦ：（ＰＳＤ（パワースペクトル密度関数）の0.04〜0.15[Hz]のパワー）
   ＨＦ：（ＰＳＤの0.15〜0.40[Hz]のパワー）
   ＨＦ／（ＬＦ＋ＨＦ）
   ｐ_i（ｉ＝０，１，２，・・・，９）：（ＰＳＤの0.15＋ｉ×0.025 〜 0.15＋(ｉ＋1)×0.025 [Hz]のパワー）
   の少なくとも１つが含まれることを特徴とする請求項１または２に記載の眠気推定装置。
4. 前記指標値計算手段は、第１の時間毎のＲＲＩデータを用いて単位時間の指標値を算出し、単位時間の指標値を活動指標の種類分集めてベクトル化し、ベクトル化された指標値を時系列に並べて指標値ベクトル時系列を作成し、
   眠気推定手段は、閾値ベクトルと前記指標値ベクトル時系列を用いて評価する推定関数により眠気推定を行うことを特徴とする請求項１乃至３のいずれか１項に記載の眠気推定装置。
5. 眠気推定ルールの推定関数は、上記活動指標と対応するそれぞれの閾値との比較条件を含み、アンドとオアのいずれかを用いて、或いはこれらアンドとオアを用いて、前記条件を結合させて形成されていることを特徴とする請求項１乃至４のいずれか１項に記載の眠気推定装置。
6. 所定周波数成分の除去であるトレンド除去、異常値除去、データ補間、フィルタ処理の少なくとも１つを行うデータ整形手段を含んで構成されていることを特徴とする請求項１乃至５のいずれか１項に記載の眠気推定装置。
7. コンピュータを、
   心電図信号のＲ波に相当する信号を検出するＲＲＩセンサにより得られる信号からＲ−Ｒ間隔のデータであるＲＲＩデータを取得するＲＲＩ取得手段、
   前記ＲＲＩデータを統計処理した結果と前記ＲＲＩデータのスペクトル解析の結果とに基づいて、自律神経の活動に関する複数種の活動指標について指標値を計算する指標値計算手段、
   前記指標値計算手段により計算される全活動指標から選択された１以上の活動指標の指標値とこの選択された活動指標に関する閾値により作成した推定関数及び／または前記選択された活動指標の指標値に関する変動状態により作成した推定関数によって構成される眠気推定ルールに基づき、前記指標値計算手段により算出された指標値を評価し眠気を推定する眠気推定手段
   として機能させることを特徴とする眠気推定プログラム。
8. 前記ＲＲＩデータを統計処理した結果の活動指標には、
   ＳＤＲＲ：（ＲＲＩの標準偏差）
   ＲＭＳＳＤ：（隣接するＲＲＩの差の二乗平均値の平方根）
   ＳＤＳＤ：（隣接するＲＲＩの差の標準偏差）
   ｐＲＲ５０：（隣接するＲＲＩの差が５０（ミリ秒）を超える割合）
   の少なくとも１つが含まれることを特徴とする請求項７に記載の眠気推定プログラム。
9. 前記ＲＲＩデータのスペクトル解析の結果の活動指標には、
   ＬＦ：（ＰＳＤ（パワースペクトル密度関数）の0.04〜0.15[Hz]のパワー）
   ＨＦ：（ＰＳＤの0.15〜0.40[Hz]のパワー）
   ＨＦ／（ＬＦ＋ＨＦ）
   ｐ_i（ｉ＝０，１，２，・・・，９）：（ＰＳＤの0.15＋ｉ×0.025〜 0.15＋(ｉ＋1)×0.025 [Hz]のパワー）
   の少なくとも１つが含まれることを特徴とする請求項７または８に記載の眠気推定プログラム。
10. 前記指標値計算手段は、第１の時間毎のＲＲＩデータを用いて単位時間の指標値を算出し、単位時間の指標値を活動指標の種類分集めてベクトル化し、ベクトル化された指標値を時系列に並べて指標値ベクトル時系列を作成し、
    眠気推定手段は、閾値ベクトルと前記指標値ベクトル時系列を用いて評価する推定関数により眠気推定を行うことを特徴とする請求項７乃至９のいずれか１項に記載の眠気推定プログラム。
11. 眠気推定ルールの推定関数は、上記活動指標と対応するそれぞれの閾値との比較条件を含み、アンドとオアのいずれかを用いて、或いはこれらアンドとオアを用いて、前記条件を結合させて形成されていることを特徴とする請求項７乃至１０のいずれか１項に記載の眠気推定プログラム。
12. 前記コンピュータを、
    所定周波数成分の除去であるトレンド除去、異常値除去、データ補間、フィルタ処理の少なくとも１つを行うデータ整形手段
    として機能させることを特徴とする請求項７乃至１１のいずれか１項に記載の眠気推定プログラム。