JP6791707B2

JP6791707B2 - 眠気推定装置及び眠気推定プログラム

Info

Publication number: JP6791707B2
Application number: JP2016195180A
Authority: JP
Inventors: 朋行真尾; 秀俊奥富
Original assignee: Toshiba Information Systems Japan Corp
Current assignee: Toshiba Information Systems Japan Corp
Priority date: 2016-09-30
Filing date: 2016-09-30
Publication date: 2020-11-25
Anticipated expiration: 2036-09-30
Also published as: JP2018057449A

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。

本願発明者らは、ＲＲＩ取得手段、指標値計算手段、眠気推定手段を備える眠気推定装置の出願を行った。この発明は、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及び／または前記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、各活動指標に関する閾値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、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備えるものである（特許文献１参照）。

ところで、作業開始に比べて心拍数は時間と共に低下してゆく傾向にあることが知られている。また、上記発明において用いた活動指標であるＳＤＳＤ（ＲＭＳＳＤ）、ｐＮＮ５０などの副交感神経に関係する活動指標は、時間経過と共にその値が大きくなる傾向にある。

しかしながら、上記発明の眠気推定ルールに用いられている閾値は、活動指標の平均値や最小値或いは最大値である。つまり、当該閾値は時間経過に関わりなく一定の値のものである。従って、閾値が一定値であるのに対し、この閾値を用いて評価する対象の活動指標が時間経過と共に変動するため、ある時点では不適切な閾値によって評価が行われていることになり、適切な眠気推定を行うことができないという問題があった。

一方、特許文献２には、居眠り判定装置において、照度に応じて瞬き検出用の閾値を変更するようにして適切な判定に繋げている。しかしながら、時間経過による変動に追従できるものとはなっていない。

更に、特許文献３には、眠気レベルが所定警報閾値よりも高い場合に警報を出力する警報出力部を備えた居眠り運転防止装置が開示されている。この特許文献３の発明では、警報閾値を補正する警報閾値補正部を備えるものの、眠気レベルが閾値を超えた回数や、眠気レベルが閾値を超えた合計時間等に基づき、補正を行うもので、人間の生理に基づく時間経過を考慮したものとなっていない。

特開２０１６−１２００６１号公報特開平８−１５３２８８号公報特開２０１５−２１９７７１号公報

本発明は上記のような眠気推定技術の現状に鑑みてなされたもので、その目的は、人間の生理に基づく時間経過を考慮し、時間変化する活動指標に追従して適切な眠気推定を可能とす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を目的とする。

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及び／または前記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、各活動指標に関する閾値により評価する推定関数を含んで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前記複数の活動指標の指標値をそれぞれ評価し眠気を推定する眠気推定手段と、前記複数の活動指標の指標値を時系列に並べたそれぞれの指標値時系列データに基づき、この指標値時系列データの変化に近似する近似関数をそれぞれ得て、このそれぞれの近似関数に対して所定値の変化を与えた複数の閾値関数を求め、この複数の閾値関数から１つの閾値関数を得てこの１つの閾値関数を前記眠気推定手段にて用いる前記閾値とする閾値関数算出手段とを具備したことを特徴とする。

本発明に係る眠気推定装置では、前記閾値関数算出手段は、過去に得られた複数日分の指標値時系列データにつき、一日分毎に前記閾値関数を求め、この閾値関数を統計処理して最終的な閾値関数を得ることを特徴とする。

本発明に係る眠気推定装置では、前記閾値関数算出手段は、一日における指標値の変動率が略同一の時間帯毎に一つの閾値関数を得ることを特徴とする。

本発明に係る眠気推定装置では、前記閾値関数算出手段は、昼休み前後の午前と午後の２通りの時間帯毎に一つの閾値関数を得ることを特徴とする。

本発明に係る眠気推定装置では、前記閾値関数算出手段は、休憩までの時間帯毎に一つの閾値関数を得ることを特徴とする。

本発明に係る眠気推定装置では、前記閾値関数算出手段は、指標値時系列データの平均値と従前の閾値との差に基づき、近似関数に対して所定値の変化を与えて閾値関数を求め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として、
ＳＤＮＮ：（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）
ｐＮＮ５０：（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つを用い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として、
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）
ｐｉ（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つを用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及び／または前記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の活動指標について指標値を計算する指標値計算手段、各活動指標に関する閾値により評価する推定関数を含んで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前記複数の活動指標の指標値をそれぞれ評価し眠気を推定する眠気推定手段、前記複数の活動指標の指標値を時系列に並べたそれぞれの指標値時系列データに基づき、この指標値時系列データの変化に近似する近似関数をそれぞれ得て、このそれぞれの近似関数に対して所定値の変化を与えた複数の閾値関数を求め、この複数の閾値関数から１つの閾値関数を得てこの１つの閾値関数を前記眠気推定手段にて用いる前記閾値とする閾値関数算出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、前記閾値関数算出手段を、過去に得られた複数日分の指標値時系列データにつき、一日分毎に前記閾値関数を求め、この閾値関数を統計処理して最終的な閾値関数を得るように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、前記閾値関数算出手段を、一日における指標値の変動率が略同一の時間帯毎に一つの閾値関数を得るように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、前記閾値関数算出手段を、昼休み前後の午前と午後の２通りの時間帯毎に一つの閾値関数を得るように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、前記閾値関数算出手段を、休憩までの時間帯毎に一つの閾値関数を得るように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、前記閾値関数算出手段を、指標値時系列データの平均値と従前の閾値との差に基づき、近似関数に対して所定値の変化を与えて閾値関数を求めるように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として、
ＳＤＮＮ：（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）
ｐＮＮ５０：（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つを用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では、前記ＲＲＩデータのスペクトル解析の結果の活動指標として、
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）
ｐｉ（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つを用いることを特徴とする。

本発明によれば、指標値を時系列に並べた指標値時系列データに基づき、この指標値時系列データの変化に近似する近似関数を得て、この近似関数に対して所定値の変化を与えた閾値関数を求め、この閾値関数を前記閾値とする閾値関数算出手段を備えるので、人間の生理に基づく時間経過を考慮し、時間変化する活動指標に追従して適切な眠気推定を可能とする。

本発明に係る眠気推定装置の実施形態を示すブロック図。本発明に係る眠気推定装置の実施形態の動作モード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の閾値関数生成モードの動作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の閾値関数生成モードにおいて算出される平均値と標準偏差を示す図。本発明に係る眠気推定装置の実施形態の閾値関数生成モードにおいて求められる近似関数の一例示す図。本発明に係る眠気推定装置の実施形態の閾値関数生成モードにおいて求められる閾値関数の一例示す図。

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。図１には、本発明に係る眠気推定装置の実施形態のブロック図が示されている。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心電図信号を検出して、にＲＲＩ（整形前）１００１を出力する。

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。これらの手段の機能と動作については特許文献１に詳述されている。本実施形態の眠気推定装置では、更に、閾値関数算出手段２６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。これらの構成の詳細は特許文献１に記載の通りである。

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及び／または上記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、眠気推定ルール１１０２の更新のために用いても良い。

端末２０は、ＣＰＵの制御によって処理を行うものであり、上記各手段は、上記ＣＰＵがプログラムを実行することにより実現される。閾値関数算出手段２６は、指標値を時系列に並べた指標値時系列データに基づき、この指標値時系列データの変化に近似する近似関数を得て、この近似関数に対して所定値の変化を与えた閾値関数を求め、この閾値関数を上記閾値とするものである。

以上のように構成された本実施形態に係る眠気推定装置は、図２に示すように、予備運用モードＳ１１、閾値関数生成モードＳ１２、実用モードＳ１３により動作する。予備運用モードＳ１１は、特許文献１に示された処理が行われるモードであり、本発明の前提となる。予備運用モードＳ１１の動作は、特許文献１に詳述されているので、その説明を省略する。

閾値関数生成モードＳ１２では、図３に示されるように、指標値計算手段２３が取得済ＲＲＩ１０１２Ｘの取得済ＲＲＩデータを用いて自律神経の活動に関する活動指標について指標値を計算する（Ｓ２１）。例えば、ｎ日分の取得済ＲＲＩデータを用いて活動指標について指標値を計算する。なお、予めこの計算を行ってクラウドストレージ３０に記憶しておくのであれば、この処理は省略される。また、指標値の評価に閾値を用いない場合は、当該指標値についても、この処理は行わない。

次に、ｉ（１≦ｉ≦ｎ）番目の指標値の平均値μ_iと標準偏差σ_iを算出する（Ｓ２２）。次に、この指標値に対する閾値は決まっている（予備運用モードＳ１１で用いている）ので、上記平均値μ_iから閾値Ｋまでがｒ_iσ_iの距離であるとして、ｒ_iを算出する（Ｓ２３）。このステップＳ２２、Ｓ２３の処理に対応する指標を示す図を、図４に示す。ここでは、指標としてＳＤＳＤを用いた説明となっている。勿論、他の指標であっても良い。

次に、ｉ番目の指標値について近似関数ｆ_i（ｔ）を求める（Ｓ２４）。この近似関数を求める処理は、最小二乗法等の適当な手法を採用することができる。また、近似関数としては１次関数を採用した例を図５に示す。

次に、ｉ番目の指標値について近似関数ｆ_i（ｔ）の値を差し引き、得られたデータの標準偏差σA_iを求める（Ｓ２５）。上記ステップＳ２３において求めたｒ_iと上記ステップＳ２５において求めたσA_iの乗算値ｒ_iσA_iを、近似関数ｆ_i（ｔ）に加え、これをｉ番目の閾値関数ｈ_i（ｔ）として求める（Ｓ２６）。

ステップＳ２６による処理結果を図６に示す。ここに、ｆ_i（ｔ）を
ｆ_i（ｔ）＝ａ_iｔ＋ｂ_iとすると、閾値関数ｈ_i（ｔ）は、
ｈ_i（ｔ）＝ａ_iｔ＋ｂ_i＋ｒ_iσA_i
となる。なお、ここでは、１次関数の例を示したが、これに限定されるものでなく、近似により適宜な関数なるものである。

ステップＳ２２からステップＳ２６をｎ回分繰り返し、最後に１番目からｎ番目までの指標についての閾値関数ｈ₁（ｔ）〜ｈ_n（ｔ）を求め、これらの平均を最終的な閾値関数Ｈ（ｔ）を求める（Ｓ２７）。つまり、下記の式１である。

以上のような処理により必要な種類の指標についての閾値関数をすべて求め、図２の実用モードＳ１３では、予備運用モードＳ１１において用いた閾値を閾値関数生成モードに求めた閾値関数に代えて予備運用モードＳ１１と同様な処理を行う。

本実施形態では、指標値計算手段２３が、ＲＲＩデータを統計処理した結果及び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活動指標について指標値を計算するが、ＲＲＩデータを統計処理した結果または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活動指標について指標値を計算するものであって良い。

また、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が、各活動指標に関する閾値により評価する推定関数を含んで構成される眠気推定ルールであれば良い。

本実施形態で用いる活動指標は、ＲＲＩデータを統計処理した結果の活動指標として、
ＳＤＮＮ：（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）
ｐＮＮ５０：（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つを用いる。この活動指標の詳細については特許文献１に記載したので、その説明を省略する。

本実施形態で用いる活動指標は、上記ＲＲＩデータのスペクトル解析の結果の活動指標として、
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）
ｐｉ（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つを用いる。この活動指標の詳細については特許文献１に記載したので、その説明を省略する。

更に、各指標の時間変化は、休憩を挟むことによって異なるものとなる傾向が確かめられている。このため、一日における指標値の変動率が略同一の時間帯毎に一つの閾値関数を得るように機能させると好的である。この場合は、指標値の変動率を求めて時間帯の区切りを求めてもよい。

また、昼休み前後の午前と午後の２通りの時間帯毎に一つの閾値関数を得るように機能させることもできる。或いは、休憩までの時間帯毎に一つの閾値関数を得るように機能させることもできる。例えば始業から数時間業務を行い、休憩し、更に数時間業務を行い、休憩し、・・・と続く業務の場合、休憩までの時間帯毎に一つの閾値関数を得るようにすると好的である。

更に、上記時間的な変動は、デスクワークや運転等の座った状態の業務において顕著に現れ、所謂肉体労働や運動についてはほぼ現れないことから、本実施形態は、デスクワークや運転等の座った状態の業務の人に適用すると好的である。

また、図１の構成は一例に過ぎず、クラウドストレージ３０が保持するものを端末２０が備えても良い。また、クラウドストレージ３０に代えてサーバを設け、クラウドストレージ３０の代りを行っても良い。更に、また、クラウドストレージ３０に代えてサーバを設け、クラウドストレージ３０の代りを行うと共に、端末２０の機能の一部をサーバにおいて行っても良い。その他、システム構成は適宜変更することができる。

１０センサ
２０端末
２１取得手段
２２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
２６閾値関数算出手段
３０クラウドストレージ

Claims

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及び／または前記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、
各活動指標に関する閾値により評価する推定関数を含んで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前記複数の活動指標の指標値をそれぞれ評価し眠気を推定する眠気推定手段と、
前記複数の活動指標の指標値を時系列に並べたそれぞれの指標値時系列データに基づき、この指標値時系列データの変化に近似する近似関数をそれぞれ得て、このそれぞれの近似関数に対して所定値の変化を与えた複数の閾値関数を求め、この複数の閾値関数から１つの閾値関数を得てこの１つの閾値関数を前記眠気推定手段にて用いる前記閾値とする閾値関数算出手段と
を具備したことを特徴とする眠気推定装置。
前記閾値関数算出手段は、過去に得られた複数日分の指標値時系列データにつき、一日分毎に前記閾値関数を求め、この閾値関数を統計処理して最終的な閾値関数を得ることを特徴とする請求項１に記載の眠気推定装置。
前記閾値関数算出手段は、一日における指標値の変動率が略同一の時間帯毎に一つの閾値関数を得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。
前記閾値関数算出手段は、昼休み前後の午前と午後の２通りの時間帯毎に一つの閾値関数を得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。
前記閾値関数算出手段は、休憩までの時間帯毎に一つの閾値関数を得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。
前記閾値関数算出手段は、指標値時系列データの平均値と従前の閾値との差に基づき、近似関数に対して所定値の変化を与えて閾値関数を求め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。
前記ＲＲＩデータを統計処理した結果の活動指標として、
ＳＤＮＮ：（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）
ｐＮＮ５０：（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つを用いることを特徴とする請求項１乃至６のいずれか１項に記載の眠気推定装置。
前記ＲＲＩデータのスペクトル解析の結果の活動指標として、
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）
ｐｉ（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つを用いることを特徴とする請求項１乃至７のいずれか１項に記載の眠気推定装置。
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及び／または前記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の活動指標について指標値を計算する指標値計算手段、
各活動指標に関する閾値により評価する推定関数を含んで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前記複数の活動指標の指標値をそれぞれ評価し眠気を推定する眠気推定手段、
前記複数の活動指標の指標値を時系列に並べたそれぞれの指標値時系列データに基づき、この指標値時系列データの変化に近似する近似関数をそれぞれ得て、このそれぞれの近似関数に対して所定値の変化を与えた複数の閾値関数を求め、この複数の閾値関数から１つの閾値関数を得てこの１つの閾値関数を前記眠気推定手段にて用いる前記閾値とする閾値関数算出手段
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。
前記閾値関数算出手段を、過去に得られた複数日分の指標値時系列データにつき、一日分毎に前記閾値関数を求め、この閾値関数を統計処理して最終的な閾値関数を得るように機能させることを特徴とする請求項９に記載の眠気推定プログラム。
前記閾値関数算出手段を、一日における指標値の変動率が略同一の時間帯毎に一つの閾値関数を得るように機能させることを特徴とする請求項９または１０に記載の眠気推定プログラム。
前記閾値関数算出手段を、昼休み前後の午前と午後の２通りの時間帯毎に一つの閾値関数を得るように機能させることを特徴とする請求項９または１０に記載の眠気推定プログラム。
前記閾値関数算出手段を、休憩までの時間帯毎に一つの閾値関数を得るように機能させることを特徴とする請求項９または１０に記載の眠気推定プログラム。
前記閾値関数算出手段を、指標値時系列データの平均値と従前の閾値との差に基づき、近似関数に対して所定値の変化を与えて閾値関数を求めるように機能させることを特徴とする請求項９乃至１３のいずれか１項に記載の眠気推定プログラム。
前記ＲＲＩデータを統計処理した結果の活動指標として、
ＳＤＮＮ：（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）
ｐＮＮ５０：（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つを用いることを特徴とする請求項９乃至１４のいずれか１項に記載の眠気推定プログラム。
前記ＲＲＩデータのスペクトル解析の結果の活動指標として、
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）
ｐｉ（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つを用いることを特徴とする請求項９乃至１５のいずれか１項に記載の眠気推定プログラム。