JP6890102B2 - Landing determination method, program, and landing determination device - Google Patents

Landing determination method, program, and landing determination device Download PDF

Info

Publication number
JP6890102B2
JP6890102B2 JP2018078658A JP2018078658A JP6890102B2 JP 6890102 B2 JP6890102 B2 JP 6890102B2 JP 2018078658 A JP2018078658 A JP 2018078658A JP 2018078658 A JP2018078658 A JP 2018078658A JP 6890102 B2 JP6890102 B2 JP 6890102B2
Authority
JP
Japan
Prior art keywords
landing
user
acceleration
pattern
landing pattern
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2018078658A
Other languages
Japanese (ja)
Other versions
JP2019181040A (en
Inventor
英也 岡本
英也 岡本
良信 渡辺
良信 渡辺
康平 見邨
康平 見邨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mizuno Corp
Original Assignee
Mizuno Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Mizuno Corp filed Critical Mizuno Corp
Priority to JP2018078658A priority Critical patent/JP6890102B2/en
Publication of JP2019181040A publication Critical patent/JP2019181040A/en
Application granted granted Critical
Publication of JP6890102B2 publication Critical patent/JP6890102B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Description

本開示は、ユーザーの移動運動における着地を評価するための、着地判定方法、プログラム、および着地判定装置に関する。 The present disclosure relates to a landing determination method, a program, and a landing determination device for evaluating landing in a user's locomotion.

従来、ユーザーの走行に関するパターンを自動的に判定する技術が種々提案されている。たとえば、特許第５３１４２２４号公報（特許文献１）は、トレッドミル上を走行するユーザーについての身体動作情報を取得し、取得した身体動作情報から特徴を抽出し、抽出された特徴を所与の演算式に適用することにより当該ユーザーのランニングフォーム得点を算出する、ランニングフォーム診断システムを提案する。 Conventionally, various techniques for automatically determining a pattern related to a user's running have been proposed. For example, Japanese Patent No. 5314224 (Patent Document 1) acquires body motion information about a user running on a treadmill, extracts features from the acquired body motion information, and performs a given calculation on the extracted features. We propose a running form diagnostic system that calculates the running form score of the user by applying it to the formula.

特許第５３１４２２４号公報Japanese Patent No. 5314224

上記システムは、マーカーを装着したユーザーをハイスピードカメラで撮影した上で、モーションキャプチャ技術を用いて、ランニングフォームを診断していた。このような背景において、より簡易な設備でユーザーの移動運動における着地を評価できる技術が求められている。 In the above system, a user wearing a marker was photographed with a high-speed camera, and then motion capture technology was used to diagnose a running form. Against this background, there is a need for a technique that can evaluate landing in a user's locomotion with simpler equipment.

本開示は、かかる実情に鑑み考え出されたものであり、その目的は、簡易な設備でユーザーの移動運動における着地を評価することを可能にする技術を提供することである。 The present disclosure has been conceived in view of such circumstances, and an object thereof is to provide a technique capable of evaluating landing in a user's locomotion with simple equipment.

本開示のある局面に従うと、移動運動中のユーザーの脚部に装着された加速度センサの検出出力を取得するステップと、検出出力を用いて、ユーザーの着地に関する判定結果を生成するステップと、判定結果を出力するステップと、を備える着地判定方法が提供される。 According to a certain aspect of the present disclosure, a step of acquiring the detection output of the acceleration sensor attached to the leg of the user during a moving motion, and a step of generating a judgment result regarding the landing of the user by using the detection output, and a judgment. A landing determination method including a step of outputting a result is provided.

判定結果は、ユーザーの着地態様についての判定結果を含んでいてもよい。
判定結果を生成するステップは、ユーザーの進行方向の加速度の検出出力を用いて、着地態様についての判定結果を生成することを含んでいてもよい。 The determination result may include the determination result regarding the landing mode of the user.
The step of generating the determination result may include generating the determination result about the landing mode by using the detection output of the acceleration in the traveling direction of the user.

ユーザーの移動速度を取得するステップをさらに備えていてもよい。着地態様についての判定結果を生成することは、２以上の移動速度のそれぞれの加速度と着地態様とに基づいて得られる着地判定基準と、移動速度と、ユーザーの進行方向の加速度の検出出力とを用いて、着地態様についての判定結果を生成することを含んでいてもよい。 It may further include a step of acquiring the moving speed of the user. To generate the judgment result about the landing mode, the landing judgment criteria obtained based on the respective accelerations of the two or more moving speeds and the landing mode, the moving speed, and the detection output of the acceleration in the traveling direction of the user are obtained. It may be used to generate a determination result about the landing mode.

着地判定基準は、２以上の着地態様を区別するための、移動速度と加速度との間の関係式を含んでいてもよい。 The landing criterion may include a relational expression between the moving speed and the acceleration for distinguishing two or more landing modes.

着地態様についての判定結果を生成することは、ユーザーの進行方向の加速度の検出出力が所与の着地態様に関連付けられた加速度の範囲に含まれるか否かによって、ユーザーの着地態様が所与の着地態様であるか否かを決定することを含んでいてもよい。 Generating the determination result for the landing mode is given by the user's landing mode depending on whether the detection output of the acceleration in the direction of travel of the user is included in the range of acceleration associated with the given landing mode. It may include determining whether or not it is a landing mode.

判定結果は、ユーザーの着地時の衝撃についての判定結果を含んでいてもよい。
衝撃についての判定結果を生成することは、複数の被験者の加速度の平均値および標準偏差に基づく衝撃判定基準を用いて、ユーザーの着地時の衝撃のレベルを決定することを含んでいてもよい。 The determination result may include the determination result regarding the impact at the time of landing of the user.
Generating a determination result for impact may include determining the level of impact at the time of landing of the user using impact criteria based on the mean and standard deviation of the accelerations of multiple subjects.

衝撃についての判定結果を生成することは、複数の被験者の加速度の対数変換された値の平均値および標準偏差に基づく衝撃判定基準を用いて、ユーザーの着地時の衝撃のレベルを決定することを含んでいてもよい。 Generating the impact judgment results can determine the level of impact at the time of landing of the user using impact criteria based on the mean and standard deviation of the logarithmically transformed values of the accelerations of multiple subjects. It may be included.

ユーザーの移動速度を取得するステップをさらに備えていてもよい。衝撃判定基準は、移動速度と加速度との間の関係式を含んでいてもよい。衝撃についての判定結果を生成することは、衝撃判定基準における、ユーザーの移動速度に対応する部分を利用してユーザーの着地時の衝撃のレベルを決定することを含んでいてもよい。 It may further include a step of acquiring the moving speed of the user. The impact criterion may include a relational expression between the moving speed and the acceleration. Generating the determination result for the impact may include determining the level of impact at the time of landing of the user by using the portion of the impact determination criterion corresponding to the moving speed of the user.

本開示の他の局面に従うと、コンピュータによって実行されるプログラムであって、コンピュータに上記着地判定方法を実現させるための、プログラムが提供される。 According to another aspect of the present disclosure, a program executed by a computer is provided for the computer to realize the landing determination method.

本開示のさらに他の局面に従うと、加速度センサと、コンピュータと、上記プログラムを格納したメモリとを備える、着地判定装置が提供される。 According to still another aspect of the present disclosure, a landing determination device including an acceleration sensor, a computer, and a memory storing the program is provided.

本開示によれば、ユーザーの脚部に装着された加速度センサを用いて、当該ユーザーの移動運動における着地についての判定結果が生成される。 According to the present disclosure, an acceleration sensor mounted on a user's leg is used to generate a determination result regarding landing in the user's locomotion.

着地判定方法が実現される着地判定システムの構成の一例を示す図である。It is a figure which shows an example of the structure of the landing determination system which realizes the landing determination method. ユーザーの脚部における加速度計９０の装着態様の具体例を示す図である。It is a figure which shows the specific example of the wearing mode of the accelerometer 90 in the leg part of a user. 情報処理装置３０のハードウェア構成の一例を示す図である。It is a figure which shows an example of the hardware composition of the information processing apparatus 30. 情報処理装置３０が出力装置４０に出力する、ユーザーの走行についての判定結果の一例を示す図である。It is a figure which shows an example of the determination result about the driving of the user which the information processing apparatus 30 outputs to the output apparatus 40. 着地パターン判定用の基準を生成するための処理のフローチャートである。It is a flowchart of the process for generating the reference for landing pattern determination. 回帰直線ＲAPの一例を示す図である。It is a figure which shows an example of a regression line RAP. 着地時の衝撃レベル判定用の基準を生成するための処理のフローチャートである。It is a flowchart of the process for generating the reference for impact level determination at the time of landing. 回帰直線ＲVERおよびレベル判定用の直線ＬＤ１〜ＬＤ４の一例を示す図である。It is a figure which shows an example of the regression line R VER and the straight line LD1 to LD4 for level determination. ユーザーの走行に対する判定結果を出力する処理のフローチャートである。It is a flowchart of the process which outputs the determination result with respect to the running of a user. 回帰直線ＲVERおよびレベル判定用の直線ＬＤ１〜ＬＤ４の他の例を示す図である。It is a figure which shows another example of the regression line R VER and the straight line LD1 to LD4 for level determination.

以下、図面を参照しつつ、着地判定方法の実施の形態について説明する。以下の説明では、同一の部品および構成要素には同一の符号を付してある。それらの名称および機能も同じである。したがって、これらについての詳細な説明は繰り返さない。 Hereinafter, embodiments of the landing determination method will be described with reference to the drawings. In the following description, the same parts and components are designated by the same reference numerals. Their names and functions are the same. Therefore, the detailed description of these will not be repeated.

［着地判定システムの概要］
図１は、着地判定方法が実現される着地判定システムの構成の一例を示す図である。図１に示されるように、着地判定システム１００は、トレッドミル１０と、ユーザー９００に取り付けられた加速度計９０と、加速度計９０が検出する加速度を取得する情報処理装置３０と、ユーザー９００の移動運動における着地についての判定結果を出力する出力装置４０とを備える。加速度計９０は、たとえばユーザー９００の踝（脛骨遠位端）に取り付けられる。出力装置４０および加速度計９０の少なくとも一方が、情報処理装置３０の一部として構成されていてもよい。 [Overview of landing judgment system]
FIG. 1 is a diagram showing an example of the configuration of a landing determination system in which a landing determination method is realized. As shown in FIG. 1, the landing determination system 100 includes a tread mill 10, an accelerometer 90 attached to the user 900, an information processing device 30 that acquires the acceleration detected by the accelerometer 90, and movement of the user 900. It is provided with an output device 40 that outputs a determination result of landing in motion. The accelerometer 90 is attached, for example, to the ankle (distal end of the tibia) of the user 900. At least one of the output device 40 and the accelerometer 90 may be configured as a part of the information processing device 30.

情報処理装置３０は、着地判定装置の一例であって、たとえば所与のアプリケーション（以下、適宜「着地判定用アプリ」ともいう）がインストールされた汎用のコンピュータである。情報処理装置３０は、ユーザーの移動運動の速度として、トレッドミル１０の駆動速度（トレッドミル１０上のユーザー９００の移動速度）を取得する。出力装置４０は、画面を表示するモニタであってもよいし、評価結果が印刷された用紙を出力するプリンタであってもよい。なお、本明細書は、「移動運動」の単なる一例として「走行」について言及するが、着地判定システムにおいて判定されるものは、走行における着地に限定されず、歩行等の他の態様の移動における着地であってもよい。 The information processing device 30 is an example of a landing determination device, and is, for example, a general-purpose computer in which a given application (hereinafter, also appropriately referred to as a “landing determination application”) is installed. The information processing device 30 acquires the driving speed of the treadmill 10 (the moving speed of the user 900 on the treadmill 10) as the speed of the user's locomotion. The output device 40 may be a monitor that displays a screen, or may be a printer that outputs paper on which the evaluation result is printed. In addition, although this specification refers to "running" as a mere example of "moving motion", what is determined by the landing determination system is not limited to landing in running, but in other modes of movement such as walking. It may be a landing.

［加速度計９０によって検出される加速度の方向の具体例］
図２は、ユーザーの脚部における加速度計９０の装着態様の具体例を示す図である。図２に示されるように、加速度計９０は、ベルト９０Ａによって、ユーザー９００の脚部９０１の踝に装着される。 [Specific example of the direction of acceleration detected by the accelerometer 90]
FIG. 2 is a diagram showing a specific example of how the accelerometer 90 is attached to the user's leg. As shown in FIG. 2, the accelerometer 90 is attached to the ankle of the leg 901 of the user 900 by the belt 90A.

加速度計９０は、図２において矢印ＡＰと矢印ＶＥＲのそれぞれによって示される２つの方向の加速度を計測する。矢印ＡＰはユーザー９００の走行方向（以下、「前後方向」ともいう）に沿う。矢印ＶＥＲはユーザー９００の足の長手方向（以下、「上下方向」ともいう）に沿う。 The accelerometer 90 measures acceleration in two directions, respectively, indicated by arrows AP and VER in FIG. The arrow AP follows the traveling direction of the user 900 (hereinafter, also referred to as "front-back direction"). The arrow VER is along the longitudinal direction of the user 900's foot (hereinafter, also referred to as "vertical direction").

加速度計９０は、ユーザーの両方の脚のそれぞれに装着されてもよい。この場合、情報処理装置３０は、ユーザーの右足と左足のそれぞれにおける加速度を取得し、これにより、右足と左足のそれぞれに対して、着地に関する判定を出力し得る。 The accelerometer 90 may be attached to each of both legs of the user. In this case, the information processing device 30 acquires the acceleration of each of the user's right foot and left foot, and thereby can output the determination regarding landing for each of the right foot and the left foot.

［情報処理装置３０のハードウェア構成］
図３は、情報処理装置３０のハードウェア構成の一例を示す図である。情報処理装置３０は、ＣＰＵ（Central Processing Unit）３００、グラフィック・コントローラ３１０、ＶＲＡＭ（Video ＲＡＭ（Random Access Memory））３１２、Ｉ／Ｏ（入力／出力）コントローラ３１６、インターフェイス３２４、通信機器（インターフェイス）３２６、メインメモリ３２８、ＢＩＯＳ（Basic Input Output System）３３０、ＵＳＢ（Universal Serial Bus）ボード３３６、および、バスライン３３８を備える。 [Hardware configuration of information processing device 30]
FIG. 3 is a diagram showing an example of the hardware configuration of the information processing device 30. The information processing device 30 includes a CPU (Central Processing Unit) 300, a graphic controller 310, a VRAM (Video RAM (Random Access Memory)) 312, an I / O (input / output) controller 316, an interface 324, and a communication device (interface). It includes 326, a main memory 328, a BIOS (Basic Input Output System) 330, a USB (Universal Serial Bus) board 336, and a bus line 338.

ＣＰＵ３００は、通信機器３２６を介し、たとえば無線通信によって、加速度計９０およびトレッドミル１０からの検出出力を取得する。通信機器３２６は、トレッドミル１０と有線で接続されていてもよい。ＣＰＵ３００は、グラフィック・コントローラ３１０を介して、出力装置４０の一例であるモニタに画面を出力する。 The CPU 300 acquires the detection output from the accelerometer 90 and the treadmill 10 via the communication device 326, for example, by wireless communication. The communication device 326 may be connected to the treadmill 10 by wire. The CPU 300 outputs a screen to a monitor, which is an example of the output device 40, via the graphic controller 310.

ＢＩＯＳ３３０は、情報処理装置３０の起動時にＣＰＵ３００が実行するブートプログラムや、情報処理装置３０のハードウェアに依存するプログラム等を格納する。ハードディスク３１８、光ディスクドライブ３２２、および、半導体メモリ３２０等の記憶装置は、Ｉ／Ｏコントローラ３１６に接続される。インターフェイス３２４は、たとえばタッチパネルやキーボード等の、情報処理装置３０に対して情報を入力するための装置である。 The BIOS 330 stores a boot program executed by the CPU 300 when the information processing device 30 is started, a program depending on the hardware of the information processing device 30, and the like. Storage devices such as the hard disk 318, the optical disk drive 322, and the semiconductor memory 320 are connected to the I / O controller 316. The interface 324 is a device for inputting information to the information processing device 30 such as a touch panel and a keyboard.

情報処理装置３０は、さらに、無線部３３４とＢｌｕｅｔｏｏｔｈ（登録商標）モジュール３１４とを含む。情報処理装置３０は、無線部３３４を介して、外部機器と無線で通信できる。情報処理装置３０は、Ｂｌｕｅｔｏｏｔｈモジュール３１４を利用することにより、Ｂｌｕｅｔｏｏｔｈ方式（近距離無線通信方式の一例）で外部機器と通信できる。 The information processing device 30 further includes a radio unit 334 and a Bluetooth® module 314. The information processing device 30 can wirelessly communicate with an external device via the wireless unit 334. The information processing device 30 can communicate with an external device by the Bluetooth method (an example of the short-range wireless communication method) by using the Bluetooth module 314.

光ディスクドライブ３２２としては、例えば、ＣＤ−ＲＯＭ（Compact Disc - ＲＯＭ（Read Only Memory））ドライブ、ＤＶＤ（Digital Versatile Disc）−ＲＯＭドライブ、ＤＶＤ−ＲＡＭドライブ、ＢＤ（Blu-ray（登録商標） Disk）−ＲＯＭドライブが採用される。光ディスク５００は、光ディスクドライブ３２２に対応した形式の記録媒体である。ＣＰＵ３００は、光ディスクドライブ３２２を利用して光ディスク５００からプログラムまたはデータを読み取る。ＣＰＵ３００は、読み取ったプログラムまたはデータを、Ｉ／Ｏコントローラ３１６を介して、メインメモリ３２８にロードでき、また、ハードディスク３１８にインストールできる。通信機器３２６は、ＬＡＮ（Local Area Network）カード等の、他の機器と通信するために情報処理装置３０に搭載される機器である。 Examples of the optical disk drive 322 include a CD-ROM (Compact Disc-ROM (Read Only Memory)) drive, a DVD (Digital Versatile Disc) -ROM drive, a DVD-RAM drive, and a BD (Blu-ray (registered trademark) Disk). -ROM drive is adopted. The optical disc 500 is a recording medium in a format compatible with the optical disc drive 322. The CPU 300 uses the optical disk drive 322 to read a program or data from the optical disk 500. The CPU 300 can load the read program or data into the main memory 328 via the I / O controller 316 and install it on the hard disk 318. The communication device 326 is a device mounted on the information processing device 30 for communicating with another device such as a LAN (Local Area Network) card.

ＣＰＵ３００は、光ディスク５００または記録媒体（メモリカード等）に格納されてユーザーに提供され得るプログラムを実行可能である。ＣＰＵ３００は、光ディスク５００以外の記録媒体に格納されたプログラムを実行しても良く、通信機器３２６を介してダウンロードされるプログラムを実行しても良い。 The CPU 300 can execute a program stored in the optical disk 500 or a recording medium (memory card or the like) and can be provided to the user. The CPU 300 may execute a program stored in a recording medium other than the optical disk 500, or may execute a program downloaded via the communication device 326.

［着地判定結果の出力例］
図４は、情報処理装置３０が出力装置４０に出力する、ユーザーの走行についての判定結果の一例を示す図である。判定結果の出力態様の一例は、表示装置での表示であり、他の例は、用紙上への印刷である。図４を参照して、判定結果の一例の内容を説明する。 [Output example of landing judgment result]
FIG. 4 is a diagram showing an example of a determination result regarding the running of the user, which is output from the information processing device 30 to the output device 40. An example of the output mode of the determination result is display on a display device, and another example is printing on paper. The contents of an example of the determination result will be described with reference to FIG.

図４の判定結果４００は、フィールド４１０，４２０，４３０を含む。フィールド４１０は、ユーザーの情報（ＩＤ、名前）および計測の日時を示す。フィールド４１０に示される情報は、たとえば、インターフェイス３２４等を介して入力される。ＣＰＵ３００は、当該情報を読み出して、フィールド４１０に配置する。 The determination result 400 of FIG. 4 includes fields 410, 420, 430. Field 410 indicates the user's information (ID, name) and the date and time of the measurement. The information shown in field 410 is entered via, for example, interface 324. The CPU 300 reads the information and arranges it in the field 410.

フィールド４２０は、着地パターン４２１と、着地時の衝撃のレベル４２２とを含む。着地パターン４２１は、予め設定されたパターンの中からユーザーの着地態様が該当するパターンを示す。一例では、２つのパターン（「踵着地」「ミッドフット・フォアフット着地」）が予め設定される。図４の着地パターン４２１は、ユーザーの着地態様が「踵着地」と判定された場合の結果（文字列「踵着地モード」）を表わす。 Field 420 includes a landing pattern 421 and an impact level 422 at the time of landing. The landing pattern 421 indicates a pattern to which the user's landing mode corresponds from among the preset patterns. In one example, two patterns (“heel landing” and “midfoot / forefoot landing”) are preset. The landing pattern 421 of FIG. 4 represents a result (character string “heel landing mode”) when the landing mode of the user is determined to be “heel landing”.

一般的に、走行における着地パターンは、「フォアフット（前足部）」、「ミッドフット（中足部）」、および、「ヒールストライク（かかと部）」の３種類に分類される。「フォアフット（前足部）」は、足の裏の指の付け根辺りから着地するパターンである。「ミッドフット（中足部）」は、足の裏の中央部分から着地するパターンである。「ヒールストライク（かかと部）」は、踵から着地するパターンである。本明細書では、着地パターン「ヒールストライク（かかと部）」を「踵着地」と称し、着地パターン「ミッドフット（中足部）」と着地パターン「フォアフット（前足部）」とを併せて「ミッドフット・フォアフット着地」と称する。 Generally, the landing pattern in running is classified into three types: "forefoot (forefoot)", "midfoot (midfoot)", and "heel strike (heel)". The "forefoot" is a pattern that lands from the base of the toes on the sole of the foot. The "midfoot" is a pattern that lands from the center of the sole of the foot. "Heel strike" is a pattern that lands from the heel. In the present specification, the landing pattern "heel strike (heel part)" is referred to as "heel landing", and the landing pattern "midfoot (midfoot part)" and the landing pattern "forefoot (forefoot part)" are combined to form "forefoot part". It is called "midfoot forefoot landing".

レベル４２２は、ユーザーの着地時の衝撃の大きさを、他のユーザー（被験者）との対比によって決定されたレベルとして表す。一例では、５つのレベルが設定され、レベルが低いほど衝撃が小さいことを表す。図４のレベル４２２は、ユーザーの着地時の衝撃の大きさが２つ目のレベルであると判定された場合の結果（文字列「レベル２（やや小さい）」）を表わす。 Level 422 expresses the magnitude of the impact at the time of landing of the user as a level determined by comparison with other users (subjects). In one example, five levels are set, and the lower the level, the smaller the impact. Level 422 in FIG. 4 represents the result (character string "level 2 (slightly small)") when the magnitude of the impact at the time of landing of the user is determined to be the second level.

図４の例では、フィールド４２０は、さらに、ユーザーの着地時の衝撃の大きさ（グラフ「あなたの脚に加わる衝撃値」）と、当該大きさを他のユーザー（被験者）の衝撃の大きさとともに統計処理されることによって生成されたグラフ（グラフ「衝撃値の分布」）とを含む。 In the example of FIG. 4, the field 420 further determines the magnitude of the impact when the user lands (graph “impact value applied to your leg”) and the magnitude of the impact of another user (subject). Includes a graph (graph “impact value distribution”) generated by statistical processing with.

フィールド４３０は、３種類のシューズ（モデルＡ〜Ｃ）と、当該３種類のシューズのうちユーザーに最も適合するものに付された印（チェックマーク）とを含む。情報処理装置３０は、判定結果と推奨シューズの種類とを関連付ける情報を参照し、判定結果に従って、ユーザーに適合するシューズを決定する。一例では、当該情報は、着地パターン４２１と推奨されるシューズの種類とを関連付ける。他の例では、当該情報は、衝撃のレベル（レベル４２２）とシューズの種類とを関連付ける。さらに他の例では、当該情報は、着地パターン４２１およびレベル４２２の組合せと推奨されるシューズの種類とを関連付ける。 Field 430 includes three types of shoes (models A to C) and a mark (check mark) on which of the three types of shoes is most suitable for the user. The information processing device 30 refers to the information relating the determination result and the recommended shoe type, and determines the shoe suitable for the user according to the determination result. In one example, the information associates a landing pattern 421 with a recommended shoe type. In another example, the information associates the level of impact (level 422) with the type of shoe. In yet another example, the information associates a combination of landing patterns 421 and level 422 with the recommended shoe type.

［着地のパターン判定の基準生成］
図５は、着地のパターン判定用の基準を生成するための処理のフローチャートである。図５の処理は、たとえば、情報処理装置３０のＣＰＵ３００が所与のプログラムを実行することによって実現される。図５を参照して、当該処理の内容を説明する。一例では、基準の生成には、複数セットの走行データ（加速度の検出結果）が利用される。 [Criteria generation for landing pattern judgment]
FIG. 5 is a flowchart of a process for generating a reference for determining a landing pattern. The process of FIG. 5 is realized, for example, by the CPU 300 of the information processing apparatus 30 executing a given program. The content of the process will be described with reference to FIG. In one example, a plurality of sets of running data (acceleration detection results) are used to generate the reference.

本実施の形態では、ユーザーの移動運動における着地を判定するのに利用される基準が、複数の走行のデータを用いて生成される。本明細書では、基準生成のために走行のデータを利用される者を「被験者」と呼び、基準を利用して着地に対する判定を与えられる者を「ユーザー」と呼ぶ。 In the present embodiment, the criteria used to determine the landing in the user's locomotion are generated using a plurality of running data. In the present specification, a person who uses the running data to generate a reference is called a "subject", and a person who is given a judgment on landing by using the reference is called a "user".

１セットのデータは、被験者の片方の脚についての、所定時間（たとえば、３０秒間）分の、走行方向（図２の「ＡＰ方向」）と足の長手方向（図２の「ＶＥＲ方向」）のそれぞれの加速度データを含む。当該加速度データには、走速度と着地パターンとが関連付けられていてもよい。走速度は、たとえばトレッドミル１０の駆動速度として取得される。着地パターンは、各被験者の走行を視認した専門家によって付与される。一例では、付与されるパターンは、「踵着地」「ミッドフット・フォアフット着地」「判定が難しい」（専門家が、「踵着地」「ミッドフット・フォアフット着地」のいずれにも分類できなかった）のいずれかである。 One set of data is the running direction (“AP direction” in FIG. 2) and the longitudinal direction of the foot (“VER direction” in FIG. 2) for a predetermined time (for example, 30 seconds) for one leg of the subject. Includes each acceleration data of. The acceleration data may be associated with a running speed and a landing pattern. The running speed is acquired as, for example, the driving speed of the treadmill 10. The landing pattern is given by an expert who has visually recognized the running of each subject. In one example, the patterns given cannot be classified into either "heel landing", "midfoot / forefoot landing", or "difficult to judge" (experts cannot classify them into "heel landing" or "midfoot / forefoot landing". T).

たとえば、被験者が右足に加速度計９０を装着して３０秒間トレッドミル１０上を走行した場合、当該走行によって、１セットのデータが生成される。当該セットのデータは、ＡＰ方向の３０秒間分の加速度データと、ＶＥＲ方向の３０秒間分の加速度データと、当該３０秒間の走行におけるトレッドミル１０の駆動速度とを含む。さらに、当該被験者の走行に対して専門家が着地パターン「踵着地」を付与した場合、当該セットのデータは、着地パターン「踵着地」を含む。 For example, when a subject wears an accelerometer 90 on his right foot and runs on the treadmill 10 for 30 seconds, one set of data is generated by the running. The data of the set includes acceleration data for 30 seconds in the AP direction, acceleration data for 30 seconds in the VER direction, and a driving speed of the treadmill 10 in the running for 30 seconds. Further, when the expert gives the landing pattern "heel landing" to the running of the subject, the data of the set includes the landing pattern "heel landing".

ステップＳ５００にて、ＣＰＵ３００は、１セット分のデータのうち走行方向の加速度データから、１サイクル分ずつデータを切り出す。１サイクルとは、計測対象の足が地面を蹴ってから着地するまでの動作を表わす。ＣＰＵ３００は、たとえば、被験者が１サイクルに２秒間を要した場合、３０秒分の加速度データから１５サイクル分のデータが切り出される。一例では、ＣＰＵ３００は、パターン認識等によって、１セット分のデータから各サイクルのデータを認識する。 In step S500, the CPU 300 cuts out data for one cycle from the acceleration data in the traveling direction out of the data for one set. One cycle represents the movement from when the foot to be measured kicks the ground to when it lands. For example, when the subject takes 2 seconds for one cycle, the CPU 300 cuts out data for 15 cycles from the acceleration data for 30 seconds. In one example, the CPU 300 recognizes the data of each cycle from the data of one set by pattern recognition or the like.

ステップＳ５０２にて、ＣＰＵ３００は、ステップＳ５００において切り出されたデータのうち、走行開始から５秒後から２５秒後までの期間に含まれるデータを抽出する。ＣＰＵ３００は、抽出されたデータにおいて、各サイクルにおける加速度（走行方向の加速度ＧAP）の着地直後のピークの値を選択する。そして、ＣＰＵ３００は、各サイクルの加速度ＧAPのピークの平均値を算出する。 In step S502, the CPU 300 extracts the data included in the period from 5 seconds to 25 seconds after the start of traveling from the data cut out in step S500. CPU300, in the extracted data, to select the value of the peak immediately after landing of the acceleration (acceleration G AP direction of travel) in each cycle. Then, CPU 300 calculates the average value of the peak of the acceleration G AP of each cycle.

ステップＳ５０４にて、ＣＰＵ３００は、処理対象となっている加速度データのセットに関連付けられた走速度を読み出し、当該走速度とステップＳ５０２において算出された平均値とをハードディスク３１８に格納する。 In step S504, the CPU 300 reads out the running speed associated with the set of acceleration data to be processed, and stores the running speed and the average value calculated in step S502 in the hard disk 318.

ステップＳ５０６にて、ＣＰＵ３００は、基準生成用に準備された全セットのデータがステップＳ５００からステップＳ５０４において処理されたか否かを判断する。ＣＰＵ３００は、まだ処理されていないセットがあると判断すると（ステップＳ５０６にてＮＯ）、ステップＳ５００へ制御を戻し、未処理のセットのデータについての処理を開始する。一方、すべてのセットのデータが処理されたと判断すると（ステップＳ５０６にてＹＥＳ）、ＣＰＵ３００は、ステップＳ５０８へ制御を進める。この時点で、ハードディスク３１８には、処理されたセットと同じ数だけ、走速度と加速度ＧAPのピークの平均値の組が格納される。 In step S506, the CPU 300 determines whether or not all the sets of data prepared for reference generation have been processed in steps S500 through S504. When the CPU 300 determines that there is a set that has not been processed yet (NO in step S506), the CPU 300 returns control to step S500 and starts processing the data of the unprocessed set. On the other hand, if it is determined that all the sets of data have been processed (YES in step S506), the CPU 300 proceeds to control to step S508. At this point, the hard disk 318 stores as many sets of average values of running speed and acceleration GAP peaks as there are processed sets.

ステップＳ５０８にて、ＣＰＵ３００は、ステップＳ５０４にて格納された走速度と加速度ＧAPのピークの平均値との組を利用して回帰直線ＲAPを求める。当該回帰直線ＲAPは、所与の着地パターンについてのみ求められてもよい。ステップＳ５１０にて、ＣＰＵ３００は、パターン判定用の直線ＰＤを求める。その後、ＣＰＵ３００は、図５の処理を終了させる。 In step S508, CPU 300 utilizes a set of the average value of the peak of the stored run speed and acceleration G AP at step S504 obtains the regression line R AP. The regression line R AP may be determined only for a given landing pattern. In step S510, the CPU 300 obtains a straight line PD for pattern determination. After that, the CPU 300 ends the process shown in FIG.

図６は、回帰直線ＲAPの一例を示す図である。図６を参照して、回帰直線ＲAP（ステップＳ５０８）およびパターン判定用の直線ＰＤ（ステップＳ５１０）の求め方について説明する。 FIG. 6 is a diagram showing an example of a regression line RAP. Referring to FIG. 6, it will be described how to obtain the regression line R AP (step S508) and pattern determination linear PD (step S510).

図６に示されたグラフでは、加速度ＧAPのピークの平均値が走速度に対してプロットされている。図６の例では、７３セット分の加速度データが利用されているため、グラフは７３個のプロットを含む。図６のグラフには、３種類のプロット（○，△，×）を含む。○は、着地パターン「踵着地」を有するセットについてのプロットである。×は、着地パターン「ミッドフット・フォアフット着地」を有するセットについてのプロットである。△は、着地パターン「判定が難しい」を有するセットについてのプロットである。 In the graph shown in FIG. 6, the average value of the peaks of the acceleration GAP is plotted against the running speed. In the example of FIG. 6, since 73 sets of acceleration data are used, the graph includes 73 plots. The graph of FIG. 6 includes three types of plots (◯, Δ, ×). ◯ is a plot for a set having a landing pattern “heel landing”. X is a plot for a set having the landing pattern "midfoot forefoot landing". Δ is a plot for a set having a landing pattern “difficult to determine”.

図６において、線ＲAP（ｖ）は、着地パターン「踵着地」のプロットについての、走速度と加速度ＧAPのピークの平均値の組とによって生成された回帰直線ＲAPを表わす。線ＰＤは、回帰直線ＲAPに対して、着地パターン「踵着地」のプロットについて算出された標準偏差（ＳＤAP）の３倍の値（３ＳＤAP）を加えられた値を表わす。 6, a line R AP (v) represents about a plot of land pattern "heel landing", the regression line R AP generated by a set of mean value of the peak of the run speed and the acceleration G AP. Line PD represents relative regression line R AP, three times the value (3SD AP) was added the value of the landing pattern "heel landing" standard deviation calculated for the plot of (SD AP).

標準偏差ＳＤAPは、走速度（ｖ）の関数として算出される。この場合、まず、次の式(1)で示される、加速度ＧAPの回帰直線ＲAPが利用される。回帰直線ＲAPでは、加速度ＧAPが走速度（ｖ）の関数として表される。式(1)中、ａAPおよびｂAPは、回帰直線ＲAPにおいて利用される係数である。 The standard deviation SD AP is calculated as a function of running speed (v). In this case, first, represented by the following formula (1), the regression line R AP of the acceleration G AP is used. In the regression line RAP , the acceleration GAP is expressed as a function of the running speed (v). In equation (1), a AP and b AP are coefficients used in the regression line RAP.

ＧAP（ｖ）＝ａAP・ｖ＋ｂAP …(1)
変動係数（ＣＶAP）を用いると、標準偏差ＳＤAPは、次の式(2)として表される。 G AP (v) = a AP · v + b AP … (1)
Using the coefficient of variation (CV AP ), the standard deviation SD AP is expressed as the following equation (2).

ＳＤAP（ｖ）＝ＧAP（ｖ）×ＣＶAP …(2)
なお、変動係数ＣＶAPは、任意の走速度について算出されたものが、全走速度に亘って利用される。変動係数ＣＶAPの算出対象となる走速度は、たとえば、２以上の加速度ＧAPのデータを有する走速度である。変動係数ＣＶAPは、２以上の走速度（速度帯）のそれぞれについて算出された複数の値の平均値など、２以上の速度帯について算出された値に基づいて生成されてもよい。図６の例では、走速度８，８．５，９，９．５，１０，１２，１２．５［ｋｍ／ｈ］で測定された加速度ＧAPを用いて回帰直線ＲAPが生成されており、例えば、加速度ＧAPのデータ数の多い走速度１０ｋｍのデータを用いて変動係数が算出される。 SD AP (v) = G AP (v) x CV AP ... (2)
As the coefficient of variation CV AP , the one calculated for an arbitrary running speed is used over the entire running speed. The running speed for which the coefficient of variation CV AP is calculated is, for example, a running speed having data of two or more acceleration GAPs. The coefficient of variation CV AP may be generated based on the values calculated for two or more speed zones, such as the average value of a plurality of values calculated for each of the two or more running speeds (speed bands). In the example of FIG. 6, the regression line R AP using the acceleration G AP measured by the run speed 8,8.5,9,9.5,10,12,12.5 [km / h] is generated For example, the coefficient of variation is calculated using the data of the running speed of 10 km, which has a large number of data of the acceleration GAP.

式(1)のＧAP（ｖ）を式(2)に代入することにより、標準偏差ＳＤAPは、次の式(3)として示されるように、走速度（ｖ）の関数として表される。 By substituting the GAP (v) of equation (1) into equation (2), the standard deviation SD AP is expressed as a function of running speed (v), as shown in equation (3) below. ..

ＳＤAP＝（ａAP・ｖ＋ｂAP）×ＣＶAP
＝ａAP・ｖ・ＣＶAP＋ｂAP・ＣＶAP …(3)
式(3)を利用すると、線ＰＤは、次の式(4)として示されるように、走速度（ｖ）の関数として表される。 SD AP = (a AP・ v + b AP ) × CV AP
= A AP・ v ・ CV AP + b AP・ CV AP … (3)
Using equation (3), the line PD is represented as a function of running speed (v), as shown in equation (4) below.

ＰＤ＝ＧAP（ｖ）＋３ＳＤAP
＝ａAP・ｖ＋ｂAP＋３（ａAP・ｖ・ＣＶAP＋ｂAP・ＣＶAP）
＝（３ＣＶAP＋１）・ａAP・ｖ＋（３ＣＶAP＋１）・ｂAP …(4)
図６に示されるように、着地パターン「踵着地」のプロット（○）のほとんどが、線ＰＤより下方に位置する。着地パターン「ミッドフット・フォアフット着地」のプロット（×）のほとんどが、線ＰＤより上方に位置する。この関係を利用して、本実施の形態では、線ＰＤを利用してユーザーの着地パターンを判定する。 PD = GAP (v) + 3SD AP
= A AP・ v + b AP +3 (a AP・ v ・ CV AP + b AP・ CV AP )
= (3CV AP +1) ・ a AP・ v + (3CV AP +1) ・ b AP … (4)
As shown in FIG. 6, most of the plots (◯) of the landing pattern “heel landing” are located below the line PD. Most of the plots (x) of the landing pattern "midfoot forefoot landing" are located above the line PD. Utilizing this relationship, in the present embodiment, the landing pattern of the user is determined using the line PD.

この意味において、着地パターンは、ユーザーの着地態様についての判定結果の一例であり、線ＰＤは、２以上の走速度のそれぞれについて加速度と着地態様との関係を表わす着地判定基準の一例である。着地判定基準は、それぞれに着地パターンを付加された加速度データを用いて導出される。加速度データは、加速度の値を対数変換されたものであってもよい。着地判定基準の導出方法は、図５の処理に限定されない。加速度ＧAPの平均値が用いられたとしても、その回帰直線に追加される値は３ＳＤに限定されず、２ＳＤであってもよいし、４ＳＤであってもよい。 In this sense, the landing pattern is an example of the judgment result regarding the landing mode of the user, and the line PD is an example of the landing judgment standard showing the relationship between the acceleration and the landing mode for each of the two or more running speeds. The landing judgment criteria are derived using acceleration data to which a landing pattern is added to each. The acceleration data may be logarithmically transformed from the acceleration value. The method for deriving the landing judgment criteria is not limited to the process shown in FIG. Be the average value of the acceleration G AP is used, the value to be added to the regression line is not limited to 3SD, it may be a 2SD, or may be a 4-SD.

本実施の形態では、着地パターン「踵着地」のデータを用いて着地判定基準（線ＰＤ）を求め、当該線ＰＤを用いてユーザーの着地パターンを判定する。なお、着地判定基準は、着地パターン「ミッドフット・フォアフット着地」のデータを用いて求められてもよい。一例では、着地パターン「ミッドフット・フォアフット着地」のデータから求められた回帰直線に３ＳＤを加えられた直線ＰＤ´が着地判定基準とされてもよい。ユーザーのデータが、直線ＰＤ´に対して所定の関係にある場合に当該ユーザーの着地パターンが「ミッドフット・フォアフット着地」と判定され、直線ＰＤ´に対して上記所定の関係にない場合に当該ユーザーの着地パターンが「踵着地」と判定されてもよい。 In the present embodiment, the landing determination criterion (line PD) is obtained using the data of the landing pattern “heel landing”, and the landing pattern of the user is determined using the line PD. The landing determination criteria may be obtained using the data of the landing pattern "midfoot / forefoot landing". In one example, the straight line PD', which is obtained by adding 3SD to the regression line obtained from the data of the landing pattern "midfoot forefoot landing", may be used as the landing determination criterion. When the user's data has a predetermined relationship with the straight line PD', the landing pattern of the user is determined to be "midfoot / forefoot landing", and the user's data does not have the above-mentioned predetermined relationship with the straight line PD'. The landing pattern of the user may be determined to be "heel landing".

本実施の形態では、図６に示されたように走速度と加速度ＧAPとをプロットした場合、ユーザーのプロットが線ＰＤ上または線ＰＤより下方に位置するとき、当該ユーザーの着地パターンを「踵着地」と判定し、ユーザーのプロットが線ＰＤより上方に位置するとき、当該ユーザーの着地パターンを「ミッドフット・フォアフット着地」と判定する。線ＰＤは、加速度の範囲を規定する。この意味において、ユーザーの進行方向の加速度の検出出力が所与の着地態様に関連付けられた加速度の範囲に含まれるか否かによって、ユーザーの着地態様が上記所与の着地態様（「踵着地」）であるか否かが決定される。着地判定基準として、ユーザーの着地パターンを３種類以上の着地パターンから１の着地パターンに特定する基準が生成されてもよい。 In the present embodiment, when the running speed and the acceleration GAP are plotted as shown in FIG. 6, when the user's plot is located on the line PD or below the line PD, the landing pattern of the user is set to ". When the user's plot is located above the line PD, the user's landing pattern is determined to be "midfoot / forefoot landing". The line PD defines the range of acceleration. In this sense, the user's landing mode is the above-mentioned given landing mode (“heel landing”” depending on whether or not the detection output of the acceleration in the direction of travel of the user is included in the range of acceleration associated with the given landing mode. ) Is determined. As a landing determination criterion, a criterion for specifying a user's landing pattern as one landing pattern from three or more types of landing patterns may be generated.

図６に示されるように、線ＰＤが走速度（ｖ）の関数として与えられている。このため、線ＰＤを用いれば、ユーザーの走速度と被験者の走速度とが一致しない場合であっても、ユーザーの走行に対する着地パターンが判定され得る。たとえば、図６の例では、走速度１５［ｋｍ／ｈ］には、着地パターン「踵着地」の被験者のデータは存在しない。しかしながら、線ＰＤを走速度１５［ｋｍ／ｈ］に対応する部分まで延長させることにより、ユーザーの走速度が１５［ｋｍ／ｈ］である場合であっても、当該ユーザーの走行が着地パターン「踵着地」であるか否かが判定され得る。 As shown in FIG. 6, the line PD is given as a function of running speed (v). Therefore, if the line PD is used, the landing pattern for the user's running can be determined even when the running speed of the user and the running speed of the subject do not match. For example, in the example of FIG. 6, there is no data of the subject of the landing pattern “heel landing” at the running speed of 15 [km / h]. However, by extending the line PD to the portion corresponding to the running speed of 15 [km / h], even if the running speed of the user is 15 [km / h], the running of the user is the landing pattern ". It can be determined whether or not it is "heel landing".

たとえば、ユーザーの走速度が１５［ｋｍ／ｈ］である場合、加速度ＧAPが５［Ｇ］であれば、当該ユーザーの着地パターンは「踵着地」であると判定される。走速度１５［ｋｍ／ｈ］，加速度ＧAP５［Ｇ］のプロットは、図６において線ＰＤより下方に位置するためである。 For example, when the running speed of the user is 15 [km / h] and the acceleration GAP is 5 [G], the landing pattern of the user is determined to be “heel landing”. This is because the plot of the running speed of 15 [km / h] and the acceleration of GAP 5 [G] is located below the line PD in FIG.

一方、ユーザーの走速度が１５［ｋｍ／ｈ］である場合、加速度ＧAPが１５［Ｇ］であれば、当該ユーザーの着地パターンは「ミッドフット・フォアフット着地」であると判定される。走速度１５［ｋｍ／ｈ］，加速度ＧAP１５［Ｇ］のプロットは、図６において線ＰＤより上方に位置するためである。 On the other hand, when the running speed of the user is 15 [km / h] and the acceleration GAP is 15 [G], the landing pattern of the user is determined to be "midfoot / forefoot landing". This is because the plot of the running speed 15 [km / h] and the acceleration GAP 15 [G] is located above the line PD in FIG.

［衝撃のレベル判定の基準生成］
図７は、着地時の衝撃のレベル判定用の基準を生成するための処理のフローチャートである。図７の処理は、たとえば、情報処理装置３０のＣＰＵ３００が所与のプログラムを実行することによって実現される。図７を参照して、当該処理の内容を説明する。 [Criteria generation for impact level judgment]
FIG. 7 is a flowchart of a process for generating a reference for determining the impact level at the time of landing. The process of FIG. 7 is realized, for example, by the CPU 300 of the information processing apparatus 30 executing a given program. The content of the process will be described with reference to FIG. 7.

一例では、基準の生成には、複数セットの走行データ（加速度の検出結果）が利用される。ＣＰＵ３００は、着地パターンごとに基準を生成してもよい。 In one example, a plurality of sets of running data (acceleration detection results) are used to generate the reference. The CPU 300 may generate a reference for each landing pattern.

ステップＳ７００にて、ＣＰＵ３００は、基準を生成する着地パターンの走行データを抽出する。たとえば、着地パターン「踵着地」についての基準を生成する場合、ＣＰＵ３００は、ハードディスク３１８に格納された複数セットのデータのうち、着地パターンの値として「踵着地」を持つセットのデータを抽出する。 In step S700, the CPU 300 extracts the running data of the landing pattern that generates the reference. For example, when generating a reference for the landing pattern "heel landing", the CPU 300 extracts the data of the set having "heel landing" as the value of the landing pattern from the plurality of sets of data stored in the hard disk 318.

ステップＳ７０２にて、ＣＰＵ３００は、ステップＳ７００にて抽出した複数セットのデータの中の１セット分のデータについて、足の長手方向の加速度データから、１サイクル分ずつデータを切り出す。 In step S702, the CPU 300 cuts out data for one cycle from the acceleration data in the longitudinal direction of the foot for one set of data among the data of the plurality of sets extracted in step S700.

ステップＳ７０４にて、ＣＰＵ３００は、ステップＳ７０２において切り出されたデータのうち、走行開始から５秒後から２５秒後までの期間に含まれるデータを抽出する。ＣＰＵ３００は、抽出されたデータにおいて、各サイクルにおける加速度（足の長手方向の加速度ＧVER）の着地直後のピークの値を選択する。そして、ＣＰＵ３００は、各サイクルの加速度ＧVERのピークの平均値を算出する。 In step S704, the CPU 300 extracts the data included in the period from 5 seconds to 25 seconds after the start of traveling from the data cut out in step S702. In the extracted data, the CPU 300 selects the value of the peak immediately after landing of the acceleration (acceleration G VER in the longitudinal direction of the foot) in each cycle. Then, the CPU 300 calculates the average value of the peaks of the acceleration G VER of each cycle.

ステップＳ７０６にて、ＣＰＵ３００は、処理対象となっている加速度データのセットに関連付けられた走速度を読み出し、当該走速度とステップＳ７０４において算出された平均値とをハードディスク３１８に格納する。 In step S706, the CPU 300 reads out the running speed associated with the set of acceleration data to be processed, and stores the running speed and the average value calculated in step S704 in the hard disk 318.

ステップＳ７０８にて、ＣＰＵ３００は、ステップＳ７００で抽出された全セットのデータがステップＳ７０２からステップＳ７０６において処理されたか否かを判断する。ＣＰＵ３００は、まだ処理されていないセットがあると判断すると（ステップＳ７０８にてＮＯ）、ステップＳ７０２へ制御を戻し、未処理のセットのデータについての処理を開始する。一方、すべてのセットのデータが処理されたと判断すると（ステップＳ７０８にてＹＥＳ）、ＣＰＵ３００は、ステップＳ７１０へ制御を進める。この時点で、ハードディスク３１８には、処理されたセットと同じ数だけ、走速度と加速度ＧVERのピークの平均値の組が格納される。 In step S708, the CPU 300 determines whether or not all the sets of data extracted in step S700 have been processed in steps S702 to S706. When the CPU 300 determines that there is a set that has not been processed yet (NO in step S708), the CPU 300 returns control to step S702 and starts processing the data of the unprocessed set. On the other hand, if it is determined that all the sets of data have been processed (YES in step S708), the CPU 300 proceeds to control to step S710. At this point, the hard disk 318 stores as many sets of average values of running speed and acceleration G VER peaks as there are processed sets.

ステップＳ７１０にて、ＣＰＵ３００は、ステップＳ７０６にて格納された走速度と加速度ＧVERのピークの平均値との組を利用して回帰直線ＲVERを求める。ステップＳ７１２にて、ＣＰＵ３００は、レベル判定用の直線ＬＤ１〜ＬＤ４を求める。その後、ＣＰＵ３００は、図７の処理を終了させる。 In step S710, the CPU 300 obtains the regression line R VER by using the set of the running speed stored in step S706 and the average value of the peaks of the acceleration G VER. In step S712, the CPU 300 obtains straight lines LD1 to LD4 for level determination. After that, the CPU 300 ends the process of FIG. 7.

図８は、回帰直線ＲVERおよびレベル判定用の直線ＬＤ１〜ＬＤ４の一例を示す図である。図８を参照して、回帰直線ＲVERおよびレベル判定用の直線ＬＤ１〜ＬＤ４の求め方について説明する。 FIG. 8 is a diagram showing an example of the regression line R VER and the straight lines LD1 to LD4 for level determination. With reference to FIG. 8, how to obtain the regression line R VER and the straight lines LD1 to LD4 for level determination will be described.

図８に示されたグラフでは、加速度ＧVERのピークの平均値が走速度に対してプロットされている。図８の例では、７３セット分の加速度データのうち、着地パターン「踵着地」に関連付けられたデータについてプロットされている。線ＲVER（ｖ）は、走速度と加速度ＧVERのピークの平均値の組とによって生成された回帰直線ＲVERを表わす。 In the graph shown in FIG. 8, the average value of the peaks of the acceleration G VER is plotted against the running speed. In the example of FIG. 8, out of 73 sets of acceleration data, the data associated with the landing pattern “heel landing” is plotted. The line R VER (v) represents the regression line R VER generated by the set of average values of the running speed and the peak of the acceleration G VER.

図８において、線ＬＤ３は、回帰直線ＲVERに対して、着地パターン「踵着地」のプロットについて算出された標準偏差（ＳＤVER）を加算されることによって導出される。 In FIG. 8, the line LD3 is derived by adding the standard deviation (SD VER ) calculated for the plot of the landing pattern “heel landing” to the regression line R VER.

標準偏差ＳＤVERは、走速度（ｖ）の関数として算出される。この場合、まず、次の式(5)で示される、加速度ＧVERの回帰直線ＲVERが利用される。回帰直線ＲVERでは、加速度ＧVERが走速度（ｖ）の関数として表される。式(5)中、ａVERおよびｂVERは、回帰直線ＲVERにおいて利用される係数である。 The standard deviation SD VER is calculated as a function of running speed (v). In this case, first, the regression line R VER of the acceleration G VER represented by the following equation (5) is used. In the regression line R VER , the acceleration G VER is expressed as a function of the running speed (v). In Eq. (5), a VER and b VER are coefficients used in the regression line R VER.

ＧVER（ｖ）＝ａVER・ｖ＋ｂVER …(5)
変動係数（ＣＶVER）を用いると、標準偏差ＳＤVERは、次の式(6)として表される。 G VER (v) = a VER · v + b VER … (5)
Using the coefficient of variation (CV VER ), the standard deviation SD VER is expressed as the following equation (6).

ＳＤVER（ｖ）＝ＧVER（ｖ）×ＣＶVER …(6)
なお、変動係数ＣＶVERは、任意の走速度について算出されたものが、全走速度に亘って利用される。変動係数ＣＶVERの算出対象となる走速度は、たとえば、２以上の加速度ＧVERのデータを有する走速度である。変動係数ＣＶVERは、２以上の走速度（速度帯）のそれぞれについて算出された複数の値の平均値など、２以上の速度帯について算出された値に基づいて生成されてもよい。図８の例では、走速度８，８．５，９，９．５，１０，１２，１２．５［ｋｍ／ｈ］で測定された加速度ＧVERを用いて回帰直線ＲVERが生成されており、例えば、加速度ＧVERのデータ数の多い走速度１０ｋｍのデータを用いて変動係数が算出される。 SD VER (v) = G VER (v) x CV VER … (6)
The coefficient of variation CV VER calculated for an arbitrary running speed is used over the entire running speed. The running speed for which the coefficient of variation CV VER is calculated is, for example, a running speed having data of two or more accelerations G VER. The coefficient of variation CV VER may be generated based on the values calculated for two or more speed zones, such as the average value of a plurality of values calculated for each of the two or more running speeds (speed bands). In the example of FIG. 8, a regression line R VER is generated using the acceleration G VER measured at a running speed of 8,8.5,9,9.5,10,12,12.5 [km / h]. For example, the coefficient of variation is calculated using the data of the running speed of 10 km, which has a large number of data of the acceleration G VER.

式(5)を式(6)に代入することにより、標準偏差ＳＤVERは、次の式(7)として示されるように、走速度（ｖ）の関数として表される。 By substituting Eq. (5) into Eq. (6), the standard deviation SD VER is expressed as a function of running speed (v), as shown in Eq. (7) below.

ＳＤVER＝（ａVER・ｖ＋ｂVER）×ＣＶVER
＝ａVER・ｖ・ＣＶVER＋ｂVER・ＣＶVER …(7)
式(7)を利用すると、線ＬＤ３は、次の式(8)として示されるように、走速度（ｖ）の関数として表される。 SD VER = (a VER・ v + b VER ) × CV VER
= A VER・ v ・ CV VER ＋ b VER・ CV VER … (7)
Using equation (7), the line LD3 is represented as a function of running speed (v), as shown in equation (8) below.

ＬＤ３＝ＧVER（ｖ）＋ＳＤVER（ｖ）
＝ａVER・ｖ＋ｂVER＋（ａVER・ｖ・ＣＶVER＋ｂVER・ＣＶVER）
＝（ＣＶVER＋１）・ａVER・ｖ＋（ＣＶVER＋１）・ｂVER …(8)
図８において、線ＬＤ４は、回帰直線ＲVERに対して、１．５ＳＤVERを加算されることによって導出される。すなわち、線ＬＤ４は、次の式(9)として示されるように、走速度（ｖ）の一次関数として表される。 LD3 = G VER (v) + SD VER (v)
= A VER・ v + b VER + (a VER・ v ・ CV VER + b VER・ CV VER )
= (CV VER +1) ・ a VER・ v + (CV VER +1) ・ b VER … (8)
In FIG. 8, the line LD4 is derived by adding 1.5SD VER to the regression line R VER. That is, the line LD4 is expressed as a linear function of the running speed (v) as shown by the following equation (9).

ＬＤ４＝ＧVER（ｖ）＋１．５ＳＤVER（ｖ）
＝（１．５ＣＶVER＋１）・ａVER・ｖ＋（１．５ＣＶVER＋１）・ｂVER …(9)
図８において、線ＬＤ２は、回帰直線ＲVERに対して、ＳＤVERを減算されることによって導出される。すなわち、線ＬＤ２は、次の式(10)として示されるように、走速度（ｖ）の一次関数として表される。 LD4 = G VER (v) + 1.5SD VER (v)
= (1.5CV VER +1) ・ a VER・ v + (1.5CV VER +1) ・ b VER … (9)
In FIG. 8, the line LD2 is derived by subtracting the SD VER from the regression line R VER. That is, the line LD2 is expressed as a linear function of the running speed (v) as shown by the following equation (10).

ＬＤ２＝ＧVER（ｖ）−ＳＤVER（ｖ）
＝（１−ＣＶVER）・ａVER・ｖ＋（１−ＣＶVER）・ｂVER …(10)
図８において、線ＬＤ１は、回帰直線ＲVERに対して、１．５ＳＤVERを減算されることによって導出される。すなわち、線ＬＤ１は、次の式(11)として示されるように、走速度（ｖ）の一次関数として表される。 LD2 = G VER (v) -SD VER (v)
= (1-CV VER ) ・ a VER・ v + (1-CV VER ) ・ b VER … (10)
In FIG. 8, the line LD1 is derived by subtracting 1.5SD VER from the regression line R VER. That is, the line LD1 is expressed as a linear function of the running speed (v) as shown by the following equation (11).

ＬＤ１＝ＧVER（ｖ）−１．５ＳＤVER（ｖ）
＝（１−１．５ＣＶVER）・ａVER・ｖ＋（１−１．５ＣＶVER）・ｂVER …(11)
本実施の形態では、図８に示されるように、線ＬＤ１〜ＬＤ４によって、走速度５〜２０［ｋｍ／ｈ］の範囲が上下方向に５つの領域に区切られる。当該５つの領域のそれぞれに、走行時の衝撃についてのレベルが割当てられる。線ＬＤ２と線ＬＤ３の間にある領域には、レベル１〜５のうち「レベル３」が割当てられる。線ＬＤ１より下方の領域には、「レベル１」が割当てられる。線ＬＤ１と線ＬＤ２の間にある領域には、「レベル２」が割当てられる。線ＬＤ３と線ＬＤ４の間にある領域には、「レベル４」が割当てられる。線ＬＤ４より上方の領域には、「レベル５」が割当てられる。すなわち、各レベルは、当該レベルに付される数値が大きいほど、着地時に受ける衝撃が大きいことを表わす。 LD1 = G VER (v) -1.5SD VER (v)
= (1-1.5CV VER ) ・ a VER・ v + (1-1.5CV VER ) ・ b VER … (11)
In the present embodiment, as shown in FIG. 8, the range of the running speed of 5 to 20 [km / h] is divided into five regions in the vertical direction by the lines LD1 to LD4. A level for impact during running is assigned to each of the five regions. "Level 3" out of levels 1 to 5 is assigned to the region between the line LD2 and the line LD3. "Level 1" is assigned to the region below the line LD1. "Level 2" is assigned to the area between the line LD1 and the line LD2. "Level 4" is assigned to the area between the line LD3 and the line LD4. "Level 5" is assigned to the region above the line LD4. That is, for each level, the larger the numerical value attached to the level, the greater the impact received at the time of landing.

この意味において、衝撃のレベルは、ユーザーの着地時の衝撃についての判定結果の一例であり、線ＬＤ１〜ＬＤ４は、ユーザーの着地時の衝撃のレベルを決定するために利用される衝撃判定基準の一例である。 In this sense, the impact level is an example of the determination result regarding the impact at the time of landing of the user, and the lines LD1 to LD4 are the impact determination criteria used for determining the impact level at the time of landing of the user. This is an example.

［着地判定］
図９は、ユーザーの走行に対する判定結果を出力する処理のフローチャートである。図９の処理は、たとえば、ＣＰＵ３００が所与のプログラム（たとえば、「着地判定用アプリ」）を実行することによって実現される。図９の処理には、ユーザー９００の３０秒間の加速度データ（走行方向の加速度ＧAPおよび足の長手方向の加速度ＧVER）と走速度とが利用される。これらのデータは、たとえば、ユーザー９００が３０秒間トレッドミル１０上を走行することによって取得される。図９を参照して、当該処理の内容を説明する。 [Landing judgment]
FIG. 9 is a flowchart of a process for outputting a determination result for the user's running. The process of FIG. 9 is realized, for example, by the CPU 300 executing a given program (for example, a “landing determination application”). In the process of FIG. 9, and (longitudinal acceleration G VER in the running direction of the acceleration G AP and foot) and run speed acceleration data 30 seconds user 900 is utilized. These data are acquired, for example, by the user 900 running on the treadmill 10 for 30 seconds. The content of the process will be described with reference to FIG.

ステップＳ９００にて、ＣＰＵ３００は、ユーザーの加速度データのうち走行方向の加速度ＧAPから、１サイクル分ずつデータを切り出す。 In step S900, CPU 300 from the acceleration G AP in the running direction of the user of the acceleration data, cuts out data one cycle minutes.

ステップＳ９０２にて、ＣＰＵ３００は、ステップＳ９００において切り出されたサイクルのうち走行開始から５秒後から２５秒後までの期間に含まれるサイクルを抽出し、抽出されたサイクルにおいて、各サイクルの加速度ＧAPのピークの値を選択し、選択されたピークの平均値を算出する。 In step S902, the CPU 300 extracts the cycles included in the period from 5 seconds to 25 seconds after the start of running among the cycles cut out in step S900, and in the extracted cycles, the acceleration GAP of each cycle. Select the peak value of and calculate the average value of the selected peaks.

ステップＳ９０４にて、ＣＰＵ３００は、トレッドミル１０からユーザーの走速度を読み出す。 In step S904, the CPU 300 reads the running speed of the user from the treadmill 10.

ステップＳ９０６にて、ＣＰＵ３００は、ステップＳ９０２にて算出された加速度ＧAPのピークの平均値とステップＳ９０４にて読み出された走速度とを用いて、ユーザーの着地パターンを判定する。ＣＰＵ３００は、着地パターンの判定に、図６を参照して説明されたような基準が用いてもよい。すなわち、ＣＰＵ３００は、ユーザーの加速度ＧAPの平均値と走速度とが図６のグラフにプロットされた場合、当該プロットが線ＰＤ上または線ＰＤより下方に位置する場合、ユーザーの着地パターンが「踵着地」であると判定する。一方、ＣＰＵ３００は、当該プロットが線ＰＤより上方に位置する場合、ユーザーの着地パターンが「ミッドフット・フォアフット着地」であると判定する。 In step S906, CPU 300 uses the run speed and read at an average value of the peak of the calculated acceleration G AP and step S904 in step S902, the determining the user of the landing pattern. The CPU 300 may use the criteria as described with reference to FIG. 6 for determining the landing pattern. That, CPU 300 includes a speed run and the average value for the user of the acceleration G AP if plotted in the graph of FIG. 6, if the plot is located below the line PD on or line PD, the user of the landing pattern is " Judged as "heel landing". On the other hand, when the plot is located above the line PD, the CPU 300 determines that the user's landing pattern is "midfoot / forefoot landing".

ステップＳ９０８にて、ＣＰＵ３００は、ユーザーの加速度データのうち足の長手方向の加速度ＧVERから、１サイクル分ずつデータを切り出す。 In step S908, the CPU 300 cuts out the data for each cycle from the acceleration G VER in the longitudinal direction of the foot among the acceleration data of the user.

ステップＳ９１０にて、ステップＳ９０８において切り出されたサイクルのうち走行開始から５秒後から２５秒後までの期間に含まれるサイクルを抽出し、抽出されたサイクルにおいて、各サイクルの加速度ＧVERのピークの値を選択し、選択されたピークの平均値を算出する。 In step S910, the cycles included in the period from 5 seconds to 25 seconds after the start of running are extracted from the cycles cut out in step S908, and in the extracted cycles, the peak of the acceleration G VER of each cycle is extracted. Select a value and calculate the average value of the selected peaks.

ステップＳ９１２にて、ＣＰＵ３００は、ステップＳ９０６における着地パターンの判定結果、ならびに、ステップＳ９１０において算出された加速度ＧVERの平均値およびステップＳ９０４において読み出された走速度を用いて、ユーザーの着地時の衝撃のレベルを判定する。 In step S912, the CPU 300 uses the determination result of the landing pattern in step S906, the average value of the acceleration G VER calculated in step S910, and the running speed read in step S904 at the time of landing by the user. Determine the level of impact.

ＣＰＵ３００は、レベルの判定に、図８を参照して説明された線ＬＤ１〜ＬＤ４を利用してもよい。この場合、ＣＰＵ３００は、まず、ユーザーの着地パターンに対応するレベル判定基準を読み出す。ユーザーの着地パターンが「踵着地」である場合、図８の線ＬＤ１〜ＬＤ４が読み出される。ユーザーの着地パターンが「ミッドフット・フォアフット着地」である場合、ミッドフット・フォアフット着地に対応するレベル判定基準が読み出される。そして、ＣＰＵ３００は、ユーザーの加速度ＧVERの平均値と走速度の組合せとレベル判定基準との関係に基づいて、ユーザーの衝撃のレベルを判定する。たとえば、ユーザーの着地パターンが「踵着地」である場合、ＣＰＵ３００は、ユーザーの加速度ＧVERの平均値と走速度とが図８のグラフにプロットされた場合、当該プロットと線ＬＤ１〜ＬＤ４との位置関係に基づいて、ユーザーの衝撃のレベルを判定する。当該プロットが線ＬＤ１上または線ＬＤ１より下方に位置すれば、判定結果は「レベル１」である。当該プロットが線ＬＤ２上または線ＬＤ１と線ＬＤ２の間に位置すれば、判定結果は「レベル２」である。当該プロットが線ＬＤ３上または線ＬＤ２と線ＬＤ３の間に位置すれば、判定結果は「レベル３」である。当該プロットが線ＬＤ４上または線ＬＤ３と線ＬＤ４の間に位置すれば、判定結果は「レベル４」である。当該プロットが線ＬＤ４より上方に位置すれば、判定結果は「レベル５」である。 The CPU 300 may use the lines LD1 to LD4 described with reference to FIG. 8 for determining the level. In this case, the CPU 300 first reads the level determination standard corresponding to the landing pattern of the user. When the landing pattern of the user is "heel landing", the lines LD1 to LD4 of FIG. 8 are read out. When the landing pattern of the user is "midfoot / forefoot landing", the level criterion corresponding to the midfoot / forefoot landing is read out. Then, the CPU 300 determines the level of impact of the user based on the relationship between the combination of the average value of the acceleration G VER of the user and the running speed and the level determination standard. For example, when the landing pattern of the user is "heel landing", when the average value and the running speed of the user's acceleration G VER are plotted in the graph of FIG. 8, the CPU 300 draws the plot and the lines LD1 to LD4. Determine the level of impact of the user based on the positional relationship. If the plot is located on the line LD1 or below the line LD1, the determination result is "level 1". If the plot is located on line LD2 or between line LD1 and line LD2, the determination result is "level 2". If the plot is located on line LD3 or between line LD2 and line LD3, the determination result is "level 3". If the plot is located on line LD4 or between line LD3 and line LD4, the determination result is "level 4". If the plot is located above the line LD4, the determination result is "level 5".

ステップＳ９１４にて、ＣＰＵ３００は、判定結果を出力する。判定結果の一例は、図４の判定結果４００として示される。判定結果は、ステップＳ９０６の判定結果およびステップＳ９１２の判定結果の少なくとも一方を含む。なお、本実施の形態の着地判定システムによって出力される判定結果は、ステップＳ９０６の判定結果またはステップＳ９１２の判定結果の一方のみを含んでいてもよい。すなわち、判定結果は、着地パターンのみを含む場合もあれば、着地時の衝撃レベルのみを含む場合もある。 In step S914, the CPU 300 outputs a determination result. An example of the determination result is shown as the determination result 400 in FIG. The determination result includes at least one of the determination result of step S906 and the determination result of step S912. The determination result output by the landing determination system of the present embodiment may include only one of the determination result of step S906 and the determination result of step S912. That is, the determination result may include only the landing pattern or only the impact level at the time of landing.

以上説明された図９の処理により、ユーザー９００は、加速度計９０を装着してトレッドミル１０上を走行することにより、着地パターンと衝撃のレベルについての判定結果を得ることができる。この場合、ユーザー９００は、加速度計９０を装着していれば、マーカーを装着する必要はない。また、マーカーを撮影することによりユーザーの走行態様を追跡する装置も必要とされない。 By the process of FIG. 9 described above, the user 900 can obtain the determination result about the landing pattern and the impact level by running on the treadmill 10 with the accelerometer 90 attached. In this case, the user 900 does not need to wear the marker if the accelerometer 90 is worn. In addition, there is no need for a device that tracks the driving mode of the user by photographing the marker.

図６を参照して説明されたように、変動係数ＣＶAPが走速度ｖの関数として表されることにより、着地パターンの判定基準（線ＰＤ）が所与の走速度の範囲に亘って提供される（図６の例では、走速度が６〜２０［ｋｍ／ｈ］の範囲）。また、図８に示されるように、変動係数ＣＶVERが走速度ｖの関数として表されることにより、衝撃レベルの判定基準（ＬＤ１〜ＬＤ４）は、所与の走速度の範囲に亘って提供される（図８の例では、走速度が６〜２０［ｋｍ／ｈ］の範囲）。これにより、ユーザーは、当該範囲内の速度で走行すれば判定結果を得られ、特定の速度（基準が生成された際の被験者と同じ走速度）で走行することを必要とされない。 As described with reference to FIG. 6, the coefficient of variation CV AP is represented as a function of running speed v to provide a landing pattern criterion (line PD) over a given running speed range. (In the example of FIG. 6, the running speed is in the range of 6 to 20 [km / h]). Further, as shown in FIG. 8, the coefficient of variation CV VER is expressed as a function of the running speed v, so that the impact level determination criteria (LD1 to LD4) are provided over a given running speed range. (In the example of FIG. 8, the running speed is in the range of 6 to 20 [km / h]). As a result, the user can obtain a determination result by traveling at a speed within the range, and is not required to travel at a specific speed (the same running speed as the subject when the reference is generated).

図９の処理では、衝撃レベルの判定のために、着地パターンが判定される（ステップＳ９０６）。衝撃レベルの判定には、判定された着地パターンに対応する基準が利用される。着地時の衝撃特性は、着地パターンによって大きく異なることが知られている。図９の処理によれば、ユーザーの着地パターンに応じた衝撃レベルの判定が提供され得る。 In the process of FIG. 9, the landing pattern is determined for determining the impact level (step S906). The criteria corresponding to the determined landing pattern are used to determine the impact level. It is known that the impact characteristics at the time of landing differ greatly depending on the landing pattern. According to the process of FIG. 9, the impact level determination according to the landing pattern of the user can be provided.

なお、着地パターンや衝撃レベルの判定では、図６および／または図８のグラフの縦軸として示された加速度の代わりに、加速度の対数変換された値が利用されてもよい。これにより、被験者間で検出される加速度の差が比較的大きい場合であっても、データを容易に扱うことができる。 In the determination of the landing pattern and the impact level, a logarithmically transformed value of the acceleration may be used instead of the acceleration shown as the vertical axis of the graph of FIG. 6 and / or FIG. As a result, the data can be easily handled even when the difference in acceleration detected between the subjects is relatively large.

図１０は、回帰直線ＲVERおよびレベル判定用の直線ＬＤ１〜ＬＤ４の他の例を示す図である。図１０のグラフは、着地パターン「ミッドフット・フォアフット着地」に分類される複数の被験者についてのデータを表わす。図１０のグラフの縦軸は、各被験者の着地直後の加速度ＧVERのピークが対数変換された値を表わす。横軸は、縦軸の加速度が検出されたときの各被験者の走速度を表わす。 FIG. 10 is a diagram showing another example of the regression line R VER and the straight lines LD1 to LD4 for level determination. The graph of FIG. 10 represents data for a plurality of subjects classified into the landing pattern "midfoot forefoot landing". The vertical axis of the graph of FIG. 10 represents a logarithmically transformed value of the peak of the acceleration G VER immediately after landing of each subject. The horizontal axis represents the running speed of each subject when the acceleration on the vertical axis is detected.

図１０に示された例では、各被験者の着地時における、加速度ＧVERのピークの平均値の対数（ＬＯＧ＿ＧVER）が算出される。線ＲVER（ｖ）は、上記平均値の対数（ＬＯＧ＿ＧVER）と走速度との組によって生成された回帰直線ＲVERを表わす。図１０の回帰直線ＲVERでは、次の式(12)として示されるように、上記対数が走速度（ｖ）の関数として表される。 In the example shown in FIG. 10, the logarithm (LOG_G VER ) of the average value of the peaks of the acceleration G VER at the time of landing of each subject is calculated. The line R VER (v) represents the regression line R VER generated by the pair of the logarithm of the average value (LOG_G VER ) and the running speed. In the regression line R VER of FIG. 10, the logarithm is expressed as a function of the running speed (v) as shown by the following equation (12).

ＬＯＧ＿ＧVER（ｖ）＝ａVER・ｖ＋ｂVER …(12)
変動係数（ＣＶVER）を用いると、標準偏差ＳＤVERは、次の式(13)として表される。なお、変動係数ＣＶVERは、式(6)について説明されたのと同様に、任意の走速度について算出されたものが全走速度に亘って利用される。 LOG_G VER (v) = a VER · v + b VER … (12)
Using the coefficient of variation (CV VER ), the standard deviation SD VER is expressed as the following equation (13). As the coefficient of variation CV VER , the one calculated for an arbitrary running speed is used over the entire running speed, as described in the equation (6).

ＳＤVER（ｖ）＝ＬＯＧ＿ＧVER（ｖ）×ＣＶVER …(13)
式(12)を式(13)に代入することにより、標準偏差ＳＤVERは、次の式(14)として示されるように、走速度（ｖ）の関数として表される。 SD VER (v) = LOG_G VER (v) × CV VER … (13)
By substituting Eq. (12) into Eq. (13), the standard deviation SD VER is expressed as a function of running speed (v), as shown by Eq. (14) below.

ＳＤVER＝（ａVER・ｖ＋ｂVER）×ＣＶVER
＝ａVER・ｖ・ＣＶVER＋ｂVER・ＣＶVER …(14)
式(14)を利用すると、線ＬＤ３は、次の式(15)として示されるように、走速度（ｖ）の関数として表される。 SD VER = (a VER・ v + b VER ) × CV VER
= A VER・ v ・ CV VER ＋ b VER・ CV VER … (14)
Using equation (14), the line LD3 is represented as a function of running speed (v), as shown by equation (15) below.

ＬＤ３＝ＬＯＧ＿ＧVER（ｖ）＋ＳＤVER（ｖ）
＝ａVER・ｖ＋ｂVER＋（ａVER・ｖ・ＣＶVER＋ｂVER・ＣＶVER）
＝（ＣＶVER＋１）・ａVER・ｖ＋（ＣＶVER＋１）・ｂVER …(15)
線ＬＤ４は、次の式(16)として示されるように、走速度（ｖ）の一次関数として表される。 LD3 = LOG_G VER (v) + SD VER (v)
= A VER・ v + b VER + (a VER・ v ・ CV VER + b VER・ CV VER )
= (CV VER +1) ・ a VER・ v + (CV VER +1) ・ b VER … (15)
The line LD4 is expressed as a linear function of the running speed (v) as shown by the following equation (16).

ＬＤ４＝ＬＯＧ＿ＧVER（ｖ）＋１．５ＳＤVER（ｖ）
＝（１．５ＣＶVER＋１）・ａVER・ｖ＋（１．５ＣＶVER＋１）・ｂVER …(16)
線ＬＤ２は、回帰直線ＲVERに対して、ＳＤVERを減算されることによって導出される。すなわち、線ＬＤ２は、次の式(17)として示されるように、走速度（ｖ）の一次関数として表される。 LD4 = LOG_G VER (v) + 1.5SD VER (v)
= (1.5CV VER +1) ・ a VER・ v + (1.5CV VER +1) ・ b VER … (16)
The line LD2 is derived by subtracting the SD VER from the regression line R VER. That is, the line LD2 is expressed as a linear function of the running speed (v) as shown by the following equation (17).

ＬＤ２＝ＬＯＧ＿ＧVER（ｖ）−ＳＤVER（ｖ）
＝（１−ＣＶVER）・ａVER・ｖ＋（１−ＣＶVER）・ｂVER …(17)
線ＬＤ１は、次の式(18)として示されるように、走速度（ｖ）の一次関数として表される。 LD2 = LOG_G VER (v) -SD VER (v)
= (1-CV VER ) ・ a VER・ v + (1-CV VER ) ・ b VER … (17)
The line LD1 is expressed as a linear function of the running speed (v) as shown by the following equation (18).

ＬＤ１＝ＬＯＧ＿ＧVER（ｖ）−１．５ＳＤVER（ｖ）
＝（１−１．５ＣＶVER）・ａVER・ｖ＋（１−１．５ＣＶVER）・ｂVER …(18)
以上、図１０を参照して説明された例によれば、着地時の衝撃レベルの判定基準（ＳＤ１〜ＳＤ４）の生成において、加速度の代わりに加速度の対数変換された値が利用される。線ＳＤ１〜ＳＤ４によって、図１０のグラフが、上下方向に５つの領域に分ける。５つの領域のそれぞれは、レベル１〜５のそれぞれに対応する。この判定基準てユーザーの衝撃レベルが判定される場合、ユーザーの走速度と着地時の加速度ＧVERの対数との組が上記５つの領域のいずれに属するかによって、ユーザーの衝撃レベルが判定される。 LD1 = LOG_G VER (v) -1.5SD VER (v)
= (1-1.5CV VER ) ・ a VER・ v + (1-1.5CV VER ) ・ b VER … (18)
As described above, according to the example described with reference to FIG. 10, in the generation of the impact level determination criteria (SD1 to SD4) at the time of landing, the logarithmically converted value of the acceleration is used instead of the acceleration. The graph of FIG. 10 is divided into five regions in the vertical direction by the lines SD1 to SD4. Each of the five regions corresponds to each of levels 1-5. When the user's impact level is determined based on this criterion, the user's impact level is determined depending on which of the above five regions the pair of the user's running speed and the logarithm of the acceleration G VER at the time of landing belongs. ..

今回開示された実施の形態はすべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は上記した説明ではなくて特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。 It should be considered that the embodiments disclosed this time are exemplary in all respects and not restrictive. The scope of the present invention is shown by the scope of claims rather than the above description, and it is intended to include all modifications within the meaning and scope equivalent to the scope of claims.

１０ トレッドミル、３０ 情報処理装置、４０ 出力装置、９０ 加速度計、１００ 着地判定システム、３００ ＣＰＵ、３１８ ハードディスク、４００ 判定結果、４１０，４２０，４３０ フィールド、４２１ 着地パターン、９００ ユーザー。 10 treadmill, 30 information processing device, 40 output device, 90 accelerometer, 100 landing judgment system, 300 CPU, 318 hard disk, 400 judgment result, 410, 420, 430 fields, 421 landing pattern, 900 users.

Claims (5)

コンピューターによって実行される着地判定方法であって、
移動運動中のユーザーの脚部に装着された加速度センサから、前記ユーザーの脚の長手方向に沿う第１の方向の加速度と、前記第１の方向およびユーザーの内外踝を通る軸に直交し前記ユーザーの走行方向に沿う第２の方向の加速度とを、検出出力として取得するステップと、
移動運動中のユーザーの移動速度を取得するステップと、
前記検出出力および前記移動速度を用いて、前記ユーザーの着地に関する判定結果を生成するステップと、
前記判定結果を出力するステップと、を備え、
前記判定結果を生成することは、
所与の着地パターンに分類された複数のランナーより得られた前記第２の方向の加速度のピーク値と移動速度とより、前記所与の着地パターンについての前記第２の方向の加速度のピーク値と移動速度との関係を示す第１の回帰直線を求め、前記ユーザーの脚部に装着された前記加速度センサによる前記第２の方向の加速度のピーク値の検出出力、前記ユーザーの移動速度、および前記第１の回帰直線を用いて、前記ユーザーの着地パターンを、前記所与の着地パターンまたは前記所与の着地パターンとは異なる他の着地パターンであると判定することと、
前記ユーザーの着地パターンが前記所与の着地パターンであると判定されたときに、前記所与の着地パターンに分類された複数のランナーより得られた、前記第１の方向の加速度のピーク値と移動速度との関係を示す所与の着地パターンに関する第２の回帰直線を求め、前記ユーザーの脚部に装着された前記加速度センサによる前記第１の方向の加速度のピーク値の検出出力、前記ユーザーの移動速度、および前記所与の着地パターンに関する第２の回帰直線を用いて、前記所与の着地パターンに対する前記ユーザーの着地時の衝撃のレベルを決定することと、
前記ユーザーの着地パターンが前記他の着地パターンであると判定されたときに、前記他の着地パターンに分類された複数のランナーより得られた、前記第１の方向の加速度のピーク値と移動速度との関係を示す他の着地パターンに関する第２の回帰直線を求め、前記ユーザーの脚部に装着された前記加速度センサによる前記第１の方向の加速度のピーク値の検出出力、前記ユーザーの移動速度、および前記他の着地パターンに関する第２の回帰直線を用いて、前記他の着地パターンに対する前記ユーザーの着地時の衝撃のレベルを決定することと、を含む、着地判定方法。 It is a landing judgment method executed by a computer.
From the acceleration sensor attached to the user's leg during the moving motion, the acceleration in the first direction along the longitudinal direction of the user's leg and the axis passing through the first direction and the user's inner and outer ankles are orthogonal to each other. A step of acquiring the acceleration in the second direction along the user's traveling direction as a detection output, and
Steps to get the movement speed of the user during locomotion, and
A step of generating a determination result regarding the landing of the user using the detection output and the movement speed, and
A step of outputting the determination result is provided.
Generating the determination result
Based on the peak value of the acceleration in the second direction and the moving speed obtained from a plurality of runners classified into the given landing pattern, the peak value of the acceleration in the second direction for the given landing pattern. The first regression line showing the relationship between the movement speed and the movement speed is obtained, and the detection output of the peak value of the acceleration in the second direction by the acceleration sensor mounted on the user's leg, the movement speed of the user, and the movement speed of the user, and Using the first regression line, the user's landing pattern is determined to be the given landing pattern or another landing pattern different from the given landing pattern .
When the landing pattern of the user is determined to the a given landing pattern, the obtained from a plurality of runners, which are classified into a given landing pattern, and the peak value of the acceleration of the first direction obtains a second regression line for a given landing pattern showing the relationship between the moving speed, the detection output of the acceleration of the peak value of the first direction by the acceleration sensor mounted on the legs of the user, the Using the speed of movement of the user and the second regression line for the given landing pattern, determining the level of impact of the user on landing with respect to the given landing pattern .
When it is determined that the landing pattern of the user is the other landing pattern, the peak value and the moving speed of the acceleration in the first direction obtained from a plurality of runners classified into the other landing patterns. A second regression line related to another landing pattern showing the relationship with is obtained, and the detection output of the peak value of the acceleration in the first direction by the acceleration sensor mounted on the leg of the user, the moving speed of the user. A landing determination method , which comprises determining the level of impact of the user on landing with respect to the other landing pattern using a second regression line relating to the other landing pattern. 前記判定結果を生成するステップにおいて、
前記第１の方向の加速度のピーク値に代えて、前記第１の方向の加速度のピーク値の対数変換された値を利用し、
前記第２の方向の加速度のピーク値に代えて、前記第２の方向の加速度のピーク値の対数変換された値を利用する、請求項１に記載の着地判定方法。 In the step of generating the determination result,
Instead of the peak value of the acceleration in the first direction, the logarithmically transformed value of the peak value of the acceleration in the first direction is used.
The landing determination method according to claim 1, wherein a logarithmically transformed value of the peak value of the acceleration in the second direction is used instead of the peak value of the acceleration in the second direction. 前記ユーザーの着地パターンを、前記所与の着地パターンまたは前記所与の着地パターンとは異なる他の着地パターンであると判定することにおいて、前記第１の回帰直線に、前記所与の着地パターンに分類された複数のランナーより得られた前記第２の方向の加速度のピーク値の標準偏差を加えて新たな第１の直線を生成し、前記第１の回帰直線に代えて、前記新たな第１の直線を用いて、前記ユーザーの着地パターンを、前記所与の着地パターンまたは前記他の着地パターンであると判定し、
前記所与の着地パターンに対する前記ユーザーの着地時の衝撃のレベルを決定することにおいて、
前記ユーザーの着地パターンが前記所与の着地パターンであると判定されたときに、前記所与の着地パターンに関する第２の回帰直線に、前記所与の着地パターンに分類された複数のランナーより得られた前記第１の方向の加速度のピーク値の標準偏差を加えて、前記所与の着地パターンに関する新たな第２の直線を生成し、前記所与の着地パターンに関する第２の回帰直線に代えて、前記所与の着地パターンに関する新たな第２の直線を用いて前記ユーザーの着地時の衝撃のレベルを決定し、
前記ユーザーの着地パターンが前記他の着地パターンであると判定されたときに、前記他の着地パターンに関する第２の回帰直線に、前記他の着地パターンに分類された複数のランナーより得られた第１の方向の加速度のピーク値の標準偏差を加えて、前記他の着地パターンに関する新たな第２の直線を生成し、前記他の着地パターンに関する第２の回帰直線に代えて、前記他の着地パターンに関する新たな第２の直線を用いて前記ユーザーの着地時の衝撃のレベルを決定する、請求項１〜２のいずれかに記載の着地判定方法。 The landing pattern of the user, in determining that the other different landing pattern from said given landing pattern or said given landing pattern, the first regression line, before Symbol given landing pattern A new first straight line is generated by adding the standard deviation of the peak value of the acceleration in the second direction obtained from the plurality of runners classified into the above, and the new straight line is replaced with the first regression line. Using the first straight line, the user's landing pattern is determined to be the given landing pattern or the other landing pattern.
In determining the level of impact of the user on landing with respect to the given landing pattern.
When the landing pattern of the user is determined to the a given landing pattern, the second regression line regarding the given landing pattern, a plurality of runners classified before Symbol given landing pattern It was added to the resultant standard deviation of the acceleration of the peak value of the first direction to generate a second straight new about the given landing pattern, the second regression line regarding the given landing pattern Instead, a new second straight line for the given landing pattern is used to determine the level of impact of the user on landing .
When it is determined that the landing pattern of the user is the other landing pattern, a second regression line related to the other landing pattern is obtained from a plurality of runners classified into the other landing pattern. The standard deviation of the peak value of acceleration in one direction is added to generate a new second straight line for the other landing pattern, which replaces the second regression line for the other landing pattern. The landing determination method according to any one of claims 1 and 2, wherein the level of impact at the time of landing of the user is determined by using a new second straight line related to the pattern. コンピュータによって実行されるプログラムであって、前記コンピュータに請求項１〜請求項３のいずれか１項に記載の着地判定方法を実現させるための、プログラム。 A program executed by a computer for realizing the landing determination method according to any one of claims 1 to 3 on the computer. 前記加速度センサと、
前記コンピュータと、
請求項４に記載のプログラムを格納したメモリとを備える、着地判定装置。 With the accelerometer
With the computer
A landing determination device including a memory for storing the program according to claim 4.
JP2018078658A 2018-04-16 2018-04-16 Landing determination method, program, and landing determination device Active JP6890102B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2018078658A JP6890102B2 (en) 2018-04-16 2018-04-16 Landing determination method, program, and landing determination device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2018078658A JP6890102B2 (en) 2018-04-16 2018-04-16 Landing determination method, program, and landing determination device

Publications (2)

Publication Number Publication Date
JP2019181040A JP2019181040A (en) 2019-10-24
JP6890102B2 true JP6890102B2 (en) 2021-06-18

Family

ID=68338494

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018078658A Active JP6890102B2 (en) 2018-04-16 2018-04-16 Landing determination method, program, and landing determination device

Country Status (1)

Country Link
JP (1) JP6890102B2 (en)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7143872B2 (en) * 2020-08-14 2022-09-29 カシオ計算機株式会社 Information processing device, running index derivation method and program
EP4194065A4 (en) * 2020-10-20 2023-10-04 ASICS Corporation Exercise analysis device, exercise analysis method, and exercise analysis program

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4881517B2 (en) * 2001-07-12 2012-02-22 マイクロストーン株式会社 Physical condition monitoring device
EP2556795A1 (en) * 2011-08-09 2013-02-13 Nederlandse Organisatie voor toegepast -natuurwetenschappelijk onderzoek TNO Method and system for feedback on running style
JP6596945B2 (en) * 2014-07-31 2019-10-30 セイコーエプソン株式会社 Motion analysis method, motion analysis apparatus, motion analysis system, and motion analysis program
US10820836B2 (en) * 2016-06-08 2020-11-03 ShoeSense, Inc. Foot strike analyzer system and methods

Also Published As

Publication number Publication date
JP2019181040A (en) 2019-10-24

Similar Documents

Publication Publication Date Title
EP2005887B1 (en) Gait assessment system
JP6890102B2 (en) Landing determination method, program, and landing determination device
WO2019082376A1 (en) Motion state evaluation system, motion state evaluation device, motion state evaluation server, motion state evaluation method, and motion state evaluation program
KR102102931B1 (en) Dementia prediction system
KR20200067878A (en) Small electronic box that can be integrated into any sole
JP6519981B2 (en) Gait evaluation method
JP2009261595A (en) System for analyzing walking and proposing exercise menu
JP7431354B2 (en) System and method for controlling shoe parts manufacturing machine
Iraqi et al. Kinematics and kinetics of the shoe during human slips
JPWO2018003910A1 (en) Walking state determination device, walking state determination system, walking state determination method and program
CN109887373B (en) Driving behavior data acquisition method, evaluation method and device based on vehicle driving
JP2014140640A (en) Stabilometer, centroid oscillation evaluation method, personal authentication device and personal authentication method
KR20170120047A (en) An inner sole for a shoe
CN109817056B (en) Driving behavior data acquisition device and evaluation device based on vehicle driving
JP7041869B2 (en) Activity estimation device
KR102054818B1 (en) Method of providing virtual reality based on footprint image pattern analysis
US20220005575A1 (en) Information processing device, information processing method, and non-transitory recording medium
JP6054905B2 (en) Path shape determination device, exercise support system, and program
JP2020156552A (en) Landing mode determination method, algorithm generation method, program and computer system
CN116249573A (en) Exercise improvement guidance device, exercise improvement guidance method, and exercise improvement guidance program
WO2022249608A1 (en) Ground-reaction-force-index estimation system, ground-reaction-force-index estimation method, and ground-reaction-force-index estimation program
JP6473338B2 (en) Shoes with altitude measurement function
CN114279441B (en) Zero-speed interval detection method, pedestrian navigation system and storage medium
US20240257975A1 (en) Estimation device, estimation system, estimation method, and recording medium
WO2023067694A1 (en) Data generation device, learning system, estimation device, data generation method, and recording medium

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20190315

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20190315

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20200213

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200324

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20200520

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200721

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20201117

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210105

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20210518

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20210524

R150 Certificate of patent or registration of utility model

Ref document number: 6890102

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250