JP7235260B2 - 歩行・足部評価システム、端末装置、歩行・足部評価方法、及び歩行・足部評価プログラム - Google Patents

Description

本発明は、歩行・足部評価システム、端末装置、歩行・足部評価方法、及び歩行・足部評価プログラムに関する。

関連分野において、ヒトの足底圧を検知するための装置の開発に関する発明がなされている（特許文献１、２）。また、静止立位状態において足部形状を計測し、足部アーチ高のデータから靴選択支援を行う技術（特許文献３）や、フィッティングポイントと盛り上げ高さを変えた標本中敷により無理に歩行バランスを崩した歩行運動データと、利用者から計測した加速度とを比較して、フィッティングポイントと盛り上げ高さを決定する技術（特許文献４）も提案されている。

これまでに本発明者らは、足底圧を評価するための計測装置を開発し、その有用性や得られたデータの分析結果について報告した（非特許文献１～３）。すなわち、足底圧を評価するための計測装置の開発およびその有効性の検証（非特許文献１）、開発デバイスを用いた足部アーチ構造と足底圧の関連に関する調査（非特許文献２）、足底部圧力値特徴と高齢者の転倒歴との関連の調査（非特許文献３）を進め、足部の状態を日常生活の中で評価可能な仕組みの提案と、得られるデータの特徴量について評価を行ってきた。

特表２０１１－５０５０１５号公報 特開２００９－２５４８１１号公報 Ｗ０２００５／００６９０５ 特開２００７－１４４１４７号公報

M. Saito. K. Nakajima, C. Takano, Y. Ohta, C. Sugimoto, R. Ezoe, K. Sasaki, H. Hosaka, T. Ifukube, S. Ino, K. Yamashita. An in-shoe device to measure planter pressure during daily human activity, Medical Engineering & physics, Vol. 33, pp.638-645, 2011. E. Anzai, K. Nakajima, Y. Iwakami, M. Sato, S. Ino, T. Ifukube, K. Yamashita and Y. Ohta. Effects of Foot Arch Structure on Postural Stability, Clinical Research on Foot & Ankle, 2:2, 2014 (Open access). K. Nakajima, E. Anzai, Y. Iwakami, S. Ino, K. Yamashita, Y. Ohta. Measuring gait pattern in elderly individuals by using a plantar pressure measurement device, Technology and Health Care, 22(6), pp.805-15, 2014.

上述した従来の技術は、個別の対象者からデータを取得することは可能であったが、複数のユーザのデータを統一的に収集することは考慮されておらず、適切な分析・評価を行う上で十分ではなかった。また、従来技術は静止した状態の計測データや試験的に設定された環境における歩行状態の計測データを用いており、いずれも、日常生活における歩行動作からデータを取得して分析・評価を行うことは実現されていない。

本発明は上記の従来の問題点に鑑み提案されたものであり、その目的とするところは、ユーザの日常の歩行状態をデータとして把捉し、さらに複数のユーザのデータが統一的に収集され、適切な分析・評価が行われるようにすることにある。

上記の課題を解決するため、本発明にあっては、歩行・足部評価システムは、靴に設けられたセンサからユーザの足部に関する計測データを取得するデータ取得部と、複数のユーザの前記計測データを解析して、立脚歩行時に取得された前記計測データに基づく歩行処理後データを含む評価データを生成する解析部と、前記複数のユーザの前記評価データと、分析対象となるユーザの前記評価データとを比較して、前記分析対象となるユーザの足部の状態を分析した第１の分析結果を少なくとも含む分析結果を得る分析部と、を有する、歩行・足部評価システムであって、前記第１の分析結果は、前記分析対象となるユーザの将来の足部の異常を予測する分析結果を含み、前記分析部は、前記分析対象となるユーザの現在の足部状態に類似している足部状態を持ち、かつ行動量が近い他のユーザが、類似時点より後の時点でどのような足部状態に遷移したかを特定することにより、前記分析対象となるユーザの将来の足部の異常を予測する。

本発明にあっては、ユーザの日常の歩行動作から得られる情報から、複数のユーザのデータが統一的に収集され、適切な分析・評価が行われる。

本発明の一実施形態にかかるシステムの構成例を示す図である。 各種データの構造例を示す図（その１）である。 各種データの構造例を示す図（その２）である。 各種データの構造例を示す図（その３）である。 各種データの構造例を示す図（その４）である。 各種データの構造例を示す図（その５）である。 各種データの構造例を示す図（その６）である。 各種データの構造例を示す図（その７）である。 センサ位置の例を示す図である。 計測デバイス、情報端末、サーバ装置および管理端末の情報処理にかかるハードウェア構成例を示す図である。 立脚期データ解析部の処理例を示すフローチャートである。 波形データの例を示す図（その１）である。 波形データの例を示す図（その２）である。 歩行時の足底圧パラメータの抽出の例を示す図である。 歩行時のＣＯＰパラメータの抽出の例を示す図である。 歩行時の時間パラメータの抽出の例を示す図である。 静止立位データ解析部の処理例を示すフローチャートである。 静止立位時の足底圧パラメータとＣＯＰパラメータの抽出の例を示す図である。 前足部局所荷重評価部の処理例を示すフローチャートである。 回内足・回外足評価部の処理例を示すフローチャートである。 複数歩バランス評価部の処理例を示すフローチャートである。 ＣＯＰのばらつきの例を示す図（その１）である。 ＣＯＰのばらつきの例を示す図（その２）である。 立脚時間評価部の処理例を示すフローチャートである。 両脚支持割合評価部の処理例を示すフローチャートである。 左右差評価部の処理例を示すフローチャートである。 足部アーチ評価部の処理例を示すフローチャートである。 母趾接地評価部の処理例を示すフローチャートである。 総合評価部の処理例を示すフローチャートである。 総合評価結果のグラフ化の例を示す図である。 靴の推奨の処理例を示すフローチャートである。 歩行機能の類似する対象データ決定の処理例を示すフローチャートである。

以下、本発明の好適な実施形態につき説明する。

＜構成＞
図１は本発明の一実施形態にかかるシステムの構成例を示す図である。図１において、ユーザが使用する靴１（左右）には計測デバイス（靴デバイス）２が設けられており、センサ部２１で検出された信号のデータは通信部２２を介し、Bluetooth（登録商標）、無線ＬＡＮ（Local Area Network）等の無線通信手段によりスマートフォン、タブレット、ＰＣ（Personal Computer）等の情報端末３に送信されるようになっている。計測デバイス２から情報端末３へのデータ送信間隔は、例えば、１０ｍｓ（ミリ秒、１００Ｈｚ）である。センサ部２１は、例えば、インソール（中敷き）型の基材２１１に複数（図示の例では片足に７個）の圧力センサ２１２が設けられている。なお、圧力センサ以外に、剪断力（摩擦力）センサ、加速度センサ、温度センサ、湿度センサ等が設けられるようにしてもよい。更に、インソールには、情報端末３側からの制御により、色が変化する機構（視覚刺激を与える機構）や素材が変形したり硬さが変化したりする機構（触覚刺激を与える機構）が設けられることで、ユーザに対して歩行や足部の状態がフィードバックされるようにしてもよい。また、通信部２２は、ＧＰＳ（Global Positioning System）等による位置データも送信する機能を備えている。位置データは、計測デバイス２からに代え、情報端末３から取得されるようにしてもよい。

情報端末３は、計測デバイス２から受信して一時的に蓄積していたデータを、所定時間間隔（例えば、１０ｓ）毎に、移動無線ネットワークやインターネット等のネットワーク４を介してサーバ装置５に送信する機能を有している。また、情報端末３は、サーバ装置５からユーザの歩行や足部の状態の情報を取得して画面表示を行い、ユーザに対して歩行や足部の状態のフィードバックや靴選択の支援等を行う機能も有している。なお、計測デバイス２から情報端末３を経由してサーバ装置５にデータが送信される場合についての説明であったが、環境によっては、計測デバイス２からサーバ装置５にデータが直接に送信されるものとしてもよい。この場合、情報端末３は計測デバイス２の操作やユーザへのフィードバック等に用いられる。

サーバ装置５は、処理機能を実現する部分として、基本データ入力部５０１と計測データ受信部５０２とデータ解析部５０３とライフログ書込部５０６と評価部５０７と総合評価部５１５と総合分析部５１６とを備えている。また、処理に際して用いられるデータを蓄積するデータベース５２１が設けられている。データベース５２１はサーバ装置５とは別に保持・管理されるようにしてもよい。

データベース５２１には、ユーザデータ５２２と靴データ５２３とライフログデータ５２４と位置データ５２５と計測データ５２６と歩行処理後データ５２７と静止立位処理後データ５２８とが保持されている。ユーザデータ５２２と靴データ５２３とは、ユーザや靴等の基本的なデータである。ライフログデータ５２４は、ユーザの行動（予定を含む）を示すデータである。位置データ５２５は、計測デバイス２または情報端末３から、計測データ５２６は計測デバイス２から、それぞれ取得されるデータである。歩行処理後データ５２７と静止立位処理後データ５２８は、計測データ５２６から解析により得られるデータである。

ユーザデータ５２２は、図２に例示されるように、「ユーザＩＤ」「名前」「靴ＩＤ」「性別」「生年月日」「身長」「体重」「靴サイズ」「足長」「足幅」「足高」「足囲」「登録日」「更新日」等の項目を有している。靴データ５２３は、図３に例示されるように、「靴ＩＤ」「ユーザＩＤ」「購入日」「使用開始日」「靴店舗ＩＤ」「靴メーカー型番」「靴タイプ」「テーマ」「靴擦れ有無」「靴擦れ部位」「胼胝有無」「胼胝部位」「痛み有無」「痛み部位」「圧迫有無」「圧迫部位」「登録日」「更新日」等の項目を有している。「靴擦れ有無」「靴擦れ部位」「胼胝有無」「胼胝部位」「痛み有無」「痛み部位」「圧迫有無」「圧迫部位」等は、例えば、ユーザから入力される。

ライフログデータ５２４は、図４に例示されるように、「ログＩＤ」「年月日時刻」「ユーザＩＤ」「１日の予定」「目的地」「移動距離」「歩数」「平均歩行速度」「最多位置情報（ＧＰＳ）」「登録日」「更新日」等の項目を有している。

位置データ５２５は、図５に例示されるように、「年月日時刻」「ユーザＩＤ」「位置情報（ＧＰＳ）」等の項目を有している。

計測データ５２６は、図６に例示されるように、「年月日時刻」「ユーザＩＤ」「左足１番センサ：後足部（踵）圧力値」「左足２番センサ：中足部１）圧力値」「左足３番センサ：前足部１）圧力値」「左足４番センサ：前足部２圧力値」「左足５番センサ：前足部３圧力値」「左足６番センサ：中足部２圧力値」「左足７番センサ：前足部４圧力値」「右足１番センサ：後足部（踵）圧力値」「右足２番センサ：中足部１圧力値」「右足３番センサ：前足部１圧力値」「右足４番センサ：前足部２圧力値」「右足５番センサ：前足部３圧力値」「右足６番センサ：中足部２圧力値」「右足７番センサ：前足部４圧力値」「両足足圧中心ＣＯＰ_Ｘ座標値」「両足足圧中心ＣＯＰ_Ｙ座標値」「左足足圧中心ＣＯＰ_Ｘ座標値」「左足足圧中心ＣＯＰ_Ｙ座標値」「右足足圧中心ＣＯＰ_Ｘ座標値」「右足足圧中心ＣＯＰ_Ｙ座標値」等の項目を有している。センサの番号は、図９に示されるものとしている。波形データは、サンプリング周期（例えば、１０ｍｓ）で情報端末３において蓄積される時間（例えば、１０ｓ）分の圧力値の連続データである。ＣＯＰは足圧中心（Center of Pressure）である。「左足１番センサ：後足部（踵）圧力値」等は圧力値の波形データを示している。「両足足圧中心ＣＯＰ_Ｘ座標値」等は座標値の軌跡を示している。

歩行処理後データ５２７は、図７に例示されるように、「年月日時刻」「ユーザＩＤ」「歩数」「左足平均立脚時間」「右足平均立脚時間」「両脚支持割合」「左足単脚支持割合」「右足単脚支持割合」「左足１番センサ：後足部（踵）最大圧力値平均」「左足２番センサ：中足部１最大圧力値平均」「左足３番センサ：前足部１最大圧力値平均」「左足４番センサ：前足部２最大圧力値平均」「左足５番センサ：前足部３最大圧力値平均」「左足６番センサ：中足部２最大圧力値平均」「左足７番センサ：前足部４最大圧力値平均」「右足１番センサ：後足部（踵）最大圧力値平均」「右足２番センサ：中足部１最大圧力値平均」「右足３番センサ：前足部１最大圧力値平均」「右足４番センサ：前足部２最大圧力値平均」「右足５番センサ：前足部３最大圧力値平均」「右足６番センサ：中足部２最大圧力値平均」「右足７番センサ：前足部４最大圧力値平均」「ＣＯＰ開始位置Ｘ座標」「ＣＯＰ開始位置Ｙ座標」「ＣＯＰ終了位置Ｘ座標」「ＣＯＰ終了位置Ｙ座標」「左足ＣＯＰ屈曲角」「右足ＣＯＰ屈曲角」「左足歩行中期ＣＯＰ_Ｘ座標範囲」「右足歩行中期ＣＯＰ_Ｘ座標範囲」等の項目を有している。「左足１番センサ：後足部（踵）最大圧力値平均」等は足底圧パラメータである。「左足ＣＯＰ屈曲角」「左足歩行中期ＣＯＰ_Ｘ座標範囲」等はＣＯＰパラメータである。「左足平均立脚時間」「右足平均立脚時間」「両脚支持割合」「左足単脚支持割合」「右足単脚支持割合」は時間パラメータである。

静止立位処理後データ５２８は、図８に例示されるように、「年月日時刻」「ユーザＩＤ」「左足１番センサ：後足部（踵）荷重比率」「左足２番センサ：中足部１荷重比率」「左足３番センサ：前足部１荷重比率」「左足４番センサ：前足部２荷重比率」「左足５番センサ：前足部３荷重比率」「左足６番センサ：中足部２荷重比率」「左足７番センサ：前足部４荷重比率」「右足１番センサ：後足部（踵）荷重比率」「右足２番センサ：中足部１荷重比率」「右足３番センサ：前足部１荷重比率」「右足４番センサ：前足部２荷重比率」「右足５番センサ：前足部３荷重比率」「右足６番センサ：中足部２荷重比率」「右足７番センサ：前足部４荷重比率」「ＣＯＰ総軌跡長」「ＣＯＰ矩形面積」等の項目を有している。「左足１番センサ：後足部（踵）荷重比率」等は足底圧パラメータである。「ＣＯＰ総軌跡長」「ＣＯＰ矩形面積」はＣＯＰパラメータである。

図１に戻り、基本データ入力部５０１は、ユーザ、靴等の基本的なデータの設定を受け付け、データベース５２１のユーザデータ５２２、靴データ５２３にそれぞれに登録する機能を有している。

計測データ受信部５０２は、計測デバイス２から情報端末３を介して送信されるデータを受信し、データベース５２１の位置データ５２５と計測データ５２６に登録する機能を有している。

データ解析部５０３は、立脚期データ解析部５０４と静止立位データ解析部５０５とを備え、後続の評価部５０７による評価の基礎となるデータを生成する機能を有している。すなわち、立脚期データ解析部５０４は計測データ５２６を解析して歩行処理後データ５２７を生成し、静止立位データ解析部５０５は計測データ５２６を解析して静止立位処理後データ５２８を生成する。

ライフログ書込部５０６は、データベース５２１の位置データ５２５とライフログデータ５２４とに記録を行う機能を有している。

評価部５０７は、前足部局所荷重評価部５０８と回内足・回外足評価部５０９と複数歩バランス評価部５１０と立脚時間評価部５１１と両脚支持割合評価部５１２と左右差評価部５１３と足部アーチ評価部５１４と母趾接地評価部５１７とを備え、各種の評価を行い、評価結果を生成する機能を有している。なお、評価部５０７ではその都度に評価が行われることが想定されているが、評価結果がユーザに対応付けられて保存されるようにしてもよい。

総合評価部５１５は、評価部５０７による各種の評価結果とライフログデータ５２４とから、美足度、カラダバランス度、歩き方リズム、活動度を算出し、ユーザの歩行・足部の総合評価を可視化してユーザに対してフィードバックする機能を有している。

総合分析部５１６は、データベース５２１に蓄積されたデータに基づき、時間的な状態変化を加味して総合分析を行い、足部異常の早期発見・予測警告等を実現する機能を有している。例えば、対象ユーザについて現時点で障害等の発生の可能性が評価されていない場合であっても、他のユーザの過去のデータから足部・静止立位の状態や歩行機能が類似し、その他のユーザがその後に障害等の発生の可能性が評価されている場合に、対象ユーザについても将来的に障害等の発生が推定され、その旨がフィードバックされる。また、総合分析部５１６は、ユーザ個人に合った靴選びのアドバイスや歩き方の提案を行う機能も有している。

また、管理者が操作する管理端末６がネットワーク４を介してサーバ装置５に接続可能となっており、管理者はサーバ装置５で管理されるデータの確認やメンテナンスが行えるようになっている。

図１０は計測デバイス２、情報端末３、サーバ装置５および管理端末６の情報処理にかかるハードウェア構成例を示す図であり、一般的なコンピュータの構成が示されている。図１０において、計測デバイス２等は、バス２０７を介して相互に接続されたＣＰＵ（Central Processing Unit）２０１、ＲＯＭ（Read Only Memory）２０２、ＲＡＭ（Random Access Memory）２０３、ＳＳＤ（Solid State Drive）／ＨＤＤ（Hard Disk Drive）２０４を備えている。また、計測デバイス２等は、接続Ｉ／Ｆ（Interface）２０５、通信Ｉ／Ｆ２０６を備えている。

ＣＰＵ２０１は、ＲＡＭ２０３をワークエリアとしてＲＯＭ２０２またはＳＳＤ／ＨＤＤ２０４等に格納されたプログラムを実行することで、計測デバイス２等の動作を統括的に制御する。図１で説明した計測デバイス２等の機能は、ＣＰＵ２０１において所定のプログラムが実行されることで実現される。プログラムは、記録媒体を経由して取得されるものでもよいし、ネットワークを経由して取得されるものでもよいし、ＲＯＭ組込でもよい。

＜立脚期データ解析部５０４による処理＞
立脚期データ解析部５０４は、立脚歩行時に取得された計測データ５２６を解析し、歩行処理後データ５２７を生成する。すなわち、立脚期データ解析部５０４は、ヒトの歩行動作を表す波形データから立脚期・遊脚期などの歩行イベント（ヒトの歩行動作はある一方の足を見たときにその足が地面に接地した状態の立脚期と地面から離床した状態の遊脚期に分けられる）を自動検知し、ヒトの歩行動作に関連する数値を取得する。

図１１は立脚期データ解析部５０４の処理例を示すフローチャートである。図１１において、立脚期データ解析部５０４は、計測データ５２６の各センサの圧力値の波形データを取得し（ステップＳ１１１）、波形の立ち上がりから接地時点を検出し、一歩行毎の波形データを切り出す（ステップＳ１１２）。すなわち、全センサの圧力値が最小になる点から次に全センサの圧力値が最小になる点までの状態を１立脚期とするが、当該の立脚期データが正常な歩行状態のデータであることを次の条件で精査し、これに当てはまるデータをパラメータ抽出に用いる１立脚期とする。
（ａ）歩行一定期間の波形データ全体のうち最も高い圧力値（トップ最大値）を示すセンサを特定し、そのセンサからの波形データの複数の最大値がいずれもトップ最大値を基準として８０％以上の値を示すこと
（ｂ）１立脚期の長さが１２００ｍｓ未満であること

図１２は７個のセンサの波形データの例を示しており、複数歩による波形が記録されているが、これらから図１３に示されるような一歩行毎の波形データが切り出される。

図１１に戻り、次いで、立脚期データ解析部５０４は、各センサの一歩行毎の波形の最大圧力値を検出し、センサ毎の複数歩の最大圧力値合計を歩数で除算することで平均（「左足１番センサ：後足部（踵）最大圧力値平均」等）をとり、足底圧パラメータとして取得する（ステップＳ１１３）。図１４は各センサの波形から最大値（黒丸で図示）が取得された様子を示している。

図１１に戻り、次いで、立脚期データ解析部５０４は、計測データ５２６の「左足足圧中心ＣＯＰ_Ｘ座標値」「左足足圧中心ＣＯＰ_Ｙ座標値」「右足足圧中心ＣＯＰ_Ｘ座標値」「右足足圧中心ＣＯＰ_Ｙ座標値」から、ＣＯＰパラメータとして、「ＣＯＰ開始位置Ｘ座標」「ＣＯＰ開始位置Ｙ座標」「ＣＯＰ終了位置Ｘ座標」「ＣＯＰ終了位置Ｙ座標」「左足ＣＯＰ屈曲角」「右足ＣＯＰ屈曲角」「左足歩行中期ＣＯＰ_Ｘ座標範囲」「右足歩行中期ＣＯＰ_Ｘ座標範囲」を取得する（ステップＳ１１４）。図１５は、ＣＯＰ開始位置であるＡ点から、Ｈ点（３番センサと５番センサを結ぶ直線とＣＯＰ軌跡の交点）を通り、ＣＯＰ終了位置であるＢ点を通るＣＯＰ軌跡が示されており、直線ＡＨと直線ＨＢのなす角度がＣＯＰ屈曲角となる。また、歩行方向（足底の長手方向）となるＹ座標方向におけるＣＯＰ開始位置Ｙ座標とＣＯＰ終了位置Ｙ座標の中点（接地と離床の中間）に最も近いＣＯＰ座標の複数歩における側方方向の最大値と最小値の差が歩行中期ＣＯＰ_Ｘ座標範囲となる。

図１１に戻り、次いで、立脚期データ解析部５０４は、時間パラメータとして、複数歩の平均である「左足平均立脚時間」「右足平均立脚時間」「両脚支持割合」「左足単脚支持割合」「右足単脚支持割合」を取得する（ステップＳ１１５）。図１６は左右の足の接地状態を示しており、片足の接地から離床までが立脚時間となり、両足が接地している期間が両脚支持期となり、片足のみが接地している期間が単脚支持期となる。両脚支持割合は、立脚時間における両脚支持期の時間の割合である。単脚支持割合は、立脚時間における単脚支持期の時間の割合である。

図１１に戻り、次いで、立脚期データ解析部５０４は、取得された足底圧パラメータ、ＣＯＰパラメータ、時間パラメータと、解析時に用いられた歩行一定時間内の立脚期の数である歩数とを歩行処理後データ５２７に記録する（ステップＳ１１６）。

＜静止立位データ解析部５０５による処理＞
静止立位データ解析部５０５は、立位姿勢が一定期間維持された際に取得された計測データ５２６を解析し、静止立位処理後データ５２８を生成する。

図１７は静止立位データ解析部５０５の処理例を示すフローチャートである。図１７において、静止立位データ解析部５０５は、計測データ５２６の各センサの圧力値の波形データを取得し（ステップＳ１２１）、ＣＯＰ軌跡データ（「両足足圧中心ＣＯＰ_Ｘ座標値」「両足足圧中心ＣＯＰ_Ｙ座標値」）を取得する（ステップＳ１２２）。ここでのＣＯＰ軌跡は、両足で立っている状態であるため、両足の中心付近に位置する。図１８にはＣＯＰ軌跡の例が示されており、若干右足寄りで変動するものとなっている。

図１７に戻り、次いで、静止立位データ解析部５０５は、ＣＯＰ軌跡から、ＣＯＰパラメータの一つとして、ＣＯＰ総軌跡長を取得する（ステップＳ１２３）。すなわち、計測データ５２６のサンプリング周期毎のＣＯＰのｘ座標とｙ座標の変位から微小移動量が求められ、それが積算されることでＣＯＰ総軌跡長が求められる。

次いで、静止立位データ解析部５０５は、ＣＯＰパラメータの一つとして、ＣＯＰ矩形面積を取得する（ステップＳ１２４）。ＣＯＰ矩形面積は、ＣＯＰ軌跡の外接矩形の面積として求められる。

次いで、静止立位データ解析部５０５は、足底圧パラメータの一つとして、各センサの荷重比率を取得する（ステップＳ１２５）。各センサの荷重比率は、各センサの平均圧力値が全センサ（両足の１４個のセンサ）の平均圧力値の総和で除算されることで求められる。図１８には各センサ（丸で図示）に荷重比率の値の例が示されている。

図１７に戻り、次いで、静止立位データ解析部５０５は、取得された足底圧パラメータ、ＣＯＰパラメータを静止立位処理後データ５２８に記録する（ステップＳ１２６）。

＜前足部局所荷重評価部５０８による処理＞
前足部局所荷重評価部５０８は、歩行処理後データ５２７に基づいて前足部の局所的荷重の有無、ひいては胼胝や魚の目等の異常発生の可能性がないか評価を行う。

図１９は前足部局所荷重評価部５０８の処理例を示すフローチャートであり、前足部の局所的荷重の有無を評価し、胼胝発生の可能性を判定する例である。ここでは、前足部の３か所のセンサからの最大圧力値平均に基づき、センサごとの値の大小の比較により局所的荷重の有り無しが評価される。

図１９において、前足部局所荷重評価部５０８は、歩行処理後データ５２７より前足部（３、５、７番センサ）の最大圧力値平均を参照する（ステップＳ２１１）。

次いで、前足部局所荷重評価部５０８は、３センサ中の最大値を示すセンサおよびその値をＳ、他の２つのセンサおよびその値をａ、ｂとする（ステップＳ２１２）。

次いで、前足部局所荷重評価部５０８は、Ｓと２ａ、Ｓと２ｂの荷重比率を判断する（ステップＳ２１３）。

前足部局所荷重評価部５０８は、Ｓが２ａより大きく、かつＳが２ｂより大きいという条件を満たさない場合（ステップＳ２１３のＮＯ）、正常荷重であるとする（ステップＳ２１４）。

また、Ｓが２ａより大きく、かつＳが２ｂより大きいという条件を満たす場合（ステップＳ２１３のＹＥＳ）、前足部局所荷重評価部５０８は、センサＳへの局所的荷重があるとし（ステップＳ２１５）、センサＳのエリアでの胼胝発生の可能性があると評価する（ステップＳ２１６）。

＜回内足・回外足評価部５０９による処理＞
回内足・回外足評価部５０９は、歩行処理後データ５２７に基づいて回内足・回外足の異常がないか評価を行う。

図２０は回内足・回外足評価部５０９の処理例を示すフローチャートである。図２０において、回内足・回外足評価部５０９は、歩行処理後データ５２７よりＣＯＰ屈曲角を参照する（ステップＳ２２１）。

次いで、回内足・回外足評価部５０９は、ＣＯＰ屈曲角が１５５より小さいか否か判断し（ステップＳ２２２）、ＣＯＰ屈曲角が１５５より小さいと判断した場合（ステップＳ２２２のＹＥＳ）、回外足の可能性があると評価する（ステップＳ２２３）。

また、回内足・回外足評価部５０９は、ＣＯＰ屈曲角が１５５より小さくないと判断した場合（ステップＳ２２２のＮＯ）、ＣＯＰ屈曲角が１７５より大きいか否か判断し（ステップＳ２２４）、ＣＯＰ屈曲角が１７５より大きいと判断した場合（ステップＳ２２４のＹＥＳ）、回内足の可能性があると評価する（ステップＳ２２５）。回内足・回外足評価部５０９は、ＣＯＰ屈曲角が１７５より大きくないと判断した場合（ステップＳ２２４のＮＯ）、正常と評価する（ステップＳ２２６）。

＜実験結果＞
回内足・回外足評価部５０９によって、７２４人について回内足・回外足の異常を評価した結果、８８％乃至９０％の精度で評価することができた。

＜複数歩バランス評価部５１０による処理＞
複数歩バランス評価部５１０は、歩行処理後データ５２７に基づいて複数歩バランスを評価する。

図２１は複数歩バランス評価部５１０の処理例を示すフローチャートである。図２１において、複数歩バランス評価部５１０は、歩行処理後データ５２７より歩行中期ＣＯＰ_Ｘ座標範囲を参照し（ステップＳ２３１）、歩行中期ＣＯＰ_Ｘ座標範囲が１より大きいか否か判断する（ステップＳ２３２）。

そして、複数歩バランス評価部５１０は、歩行中期ＣＯＰ_Ｘ座標範囲が１より大きいと判断した場合（ステップＳ２３２のＹＥＳ）、歩行立脚時の複数歩バランスのばらつきが大きいと評価する（ステップＳ２３３）。また、複数歩バランス評価部５１０は、歩行中期ＣＯＰ_Ｘ座標範囲が１より大きくないと判断した場合（ステップＳ２３２のＮＯ）、歩行立脚時の複数歩バランスのばらつきが小さいと評価する（ステップＳ２３４）。

図２２及び図２３はＣＯＰのばらつきの例を示す図であり、図２２は複数歩のＣＯＰのばらつきが少ない例、図２３は複数歩のＣＯＰのばらつきが多い例を示している。

＜立脚時間評価部５１１による処理＞
立脚時間評価部５１１は、歩行処理後データ５２７に基づいて立脚時間を評価する。

図２４は立脚時間評価部５１１の処理例を示すフローチャートである。図２４において、立脚時間評価部５１１は、歩行処理後データ５２７より時間パラメータとしての立脚時間を参照し（ステップＳ２４１）、立脚時間の正常値（例えば、６００～９００ｍｓ）と比較して正常またはそれより短いもしくは長いなどの評価を行う（ステップＳ２４２）。

＜両脚支持割合評価部５１２による処理＞
両脚支持割合評価部５１２は、歩行処理後データ５２７に基づいて両脚支持割合を評価する。

図２５は両脚支持割合評価部５１２の処理例を示すフローチャートである。図２５において、両脚支持割合評価部５１２は、歩行処理後データ５２７より時間パラメータとしての両脚支持割合と単脚支持割合を参照し（ステップＳ２５１）、それぞれの正常値（例えば、両脚支持割合については２０～４０％、単脚支持割合については６０～８０％）と比較して正常またはそれより少ないもしくは多いなどの評価を行う（ステップＳ２５２）。

＜左右差評価部５１３による処理＞
左右差評価部５１３は、静止立位処理後データ５２８に基づいて静止立位の状態における左右差を評価する。

図２６は左右差評価部５１３の処理例を示すフローチャートである。図２６において、左右差評価部５１３は、静止立位処理後データ５２８より左足１番～７番の荷重比率を参照し（ステップＳ３１１）、左足荷重比率合計(Sum_Left)を算出する（ステップＳ３１２）。

また、左右差評価部５１３は、静止立位処理後データ５２８より右足１番～７番の荷重比率を参照し（ステップＳ３１３）、右足荷重比率合計(Sum_Right)を算出する（ステップＳ３１４）。

次いで、左右差評価部５１３は、左足荷重比率合計(Sum_Left)から右足荷重比率合計(Sum_Right)を引いた値を判断し（ステップＳ３１５）、２０以上である場合は左足荷重であると評価し（ステップＳ３１６）、－２０以下の場合は右足荷重であると評価し（ステップＳ３１７）、－２０より大きく、かつ２０より小さい場合は正常であると評価する（ステップＳ３１８）。

＜足部アーチ評価部５１４による処理＞
足部アーチ評価部５１４は、静止立位処理後データ５２８に基づいて静止立位の状態における足部アーチの形成状態を評価し、ひいては扁平足発生の可能性がないかを評価する。

図２７は足部アーチ評価部５１４の処理例を示すフローチャートである。図２７において、足部アーチ評価部５１４は、静止立位処理後データ５２８より左足２番センサ：中足部１荷重比率と、左足６番センサ：中足部２荷重比率を参照する（ステップＳ３２１）。

次いで、足部アーチ評価部５１４は、左足２番センサと６番センサの荷重比率を比較する（ステップＳ３２２）。

足部アーチ評価部５１４は、２番センサの荷重比率が６番センサの荷重比率よりも大きい場合、左足正常と評価し（ステップＳ３２３）、２番センサの荷重比率が６番センサの荷重比率以下である場合、左足の足部アーチ形成不十分と評価する（ステップＳ３２４）。

その後、足部アーチ評価部５１４は、静止立位処理後データ５２８より右足２番センサ：中足部１荷重比率と、右足６番センサ：中足部２荷重比率を参照する（ステップＳ３２５、Ｓ３２６）。

次いで、足部アーチ評価部５１４は、右足２番センサと６番センサ荷重比率を比較する（ステップＳ３２７、Ｓ３２８）。

足部アーチ評価部５１４は、左足正常と評価（ステップＳ３２３）した後の比較（ステップＳ３２７）において、２番センサの荷重比率が６番センサの荷重比率以下である場合、左足正常で右足アーチ形成不十分と評価し（ステップＳ３２９）、この場合、右足が扁平足である可能性ありと判定する（ステップＳ３３０）。また、２番センサの荷重比率が６番センサの荷重比率よりも大きい場合、両足正常と評価する（ステップＳ３３１）。

また、足部アーチ評価部５１４は、左足アーチ形成不十分と評価（ステップＳ３２４）した後の比較（ステップＳ３２８）において、２番センサの荷重比率が６番センサの荷重比率よりも大きい場合、左足アーチ形成不十分で右足正常と評価し（ステップＳ３３２）、この場合、左足が扁平足である可能性ありと判定する（ステップＳ３３３）。また、２番センサの荷重比率が６番センサの荷重比率以下である場合、両足のアーチが形成不十分であると評価し（ステップＳ３３４）、両足扁平足の可能性があると判定する（ステップＳ３３５）。

＜実験結果＞
足部アーチ評価部５１４によって、７２４人について扁平足を評価した結果、９１．５％の精度で評価することができた。

＜母趾接地評価部５１７による処理＞
図２８は母趾接地評価部５１７の処理例を示すフローチャートである。図２８において、母趾接地評価部５１７は、歩行処理後データ５２７より左足４番センサ：前足部２最大圧力値平均と、右足４番センサ：前足部２最大圧力値平均を参照する（ステップＳ３４１）。

次いで、母趾接地評価部５１７は、両センサが示す圧力値を合計した合計値に基づいて、母趾の接地を評価する（ステップＳ３４２）。例えば、評価は、合計値と、あらかじめ設定される所定値とを比較して行われる。以下、説明では、所定値は、５Ｎ（ニュートン）であるとする。ただし、所定値は、設定可能な値であり、例えば、体重等によって定まる値となる。なお、所定値を「５Ｎ」とする場合は、体重が「４０ｋｇ乃至５０ｋｇ」程度の場合である。また、所定値は、「５０ｋＰａ」としてもよい。すなわち、評価は、力又は圧力のどちらで行われてもよい。

例えば、両センサが示す圧力値の合計値が５Ｎ以上であると評価される場合、母趾接地評価部５１７は、母趾の接地が通常と評価する（ステップＳ３４３）。

また、両センサが示す圧力値の合計値が５Ｎ未満かつ０Ｎより大きいと評価される場合、母趾接地評価部５１７は、母趾の接地が弱く、浮指気味であると評価する（ステップＳ３４４）。

さらに、両センサが示す圧力値の合計値が０Ｎ、すなわち、出力がないと評価される場合、母趾接地評価部５１７は、母趾の接地がなく、浮指であると評価する（ステップＳ３４５）。

以上のようにして、母趾接地評価部５１７は、母趾接地の評価結果を出力する。

＜総合評価部５１５による処理＞
総合評価部５１５は、前足部局所荷重評価部５０８、回内足・回外足評価部５０９、複数歩バランス評価部５１０、立脚時間評価部５１１、両脚支持割合評価部５１２、左右差評価部５１３、足部アーチ評価部５１４による評価結果と、母趾接地評価部５１７による評価結果と、ライフログデータ５２４とを参照し、ユーザ毎の総合評価を行う。

図２９は総合評価部５１５の処理例を示すフローチャートである。図２９において、総合評価部５１５は、複数歩バランス評価部５１０の評価結果と、左右差評価部５１３の評価結果とに基づき、カラダバランス度を算出する（ステップＳ４１）。具体的には、それぞれの評価結果（数値化されていないものは数値化を実施）の加算・乗算・規格化等により、最終的に例えば１～１０の値に点数化して、カラダバランス度を算出する。

次いで、総合評価部５１５は、立脚時間評価部５１１の評価結果と、両脚支持割合評価部５１２の評価結果とに基づき、歩き方リズム（度）を算出する（ステップＳ４２）。具体的には、それぞれの評価結果（数値化されていないものは数値化を実施）の加算・乗算・規格化等により、最終的に例えば１～１０の値に点数化して、歩き方リズムを算出する。

次いで、総合評価部５１５は、前足部局所荷重評価部５０８の評価結果と、回内足・回外足評価部５０９の評価結果と、足部アーチ評価部５１４の評価結果とに基づき、美足度を算出する（ステップＳ４３）。具体的には、それぞれの評価結果（数値化されていないものは数値化を実施）の加算・乗算・規格化等により、最終的に例えば１～１０の値に点数化して、美足度を算出する。なお、一般的な健常足と比較した場合の類似度や解剖学的に異常な荷重が行われていないか等が美足度の算出に考慮されるようにしてもよい。また、美足度は、足が健康な状態であると高くなる値である。

なお、美足度は、胼胝・魚の目評価結果と、回内足・回外足評価結果と、足部アーチ評価結果と、母趾接地の評価結果のうち、少なくとも１つを用いて算出される。そして、算出は、評価結果を重み付けしてもよい。すなわち、美足度の算出には、母趾接地の評価結果が加わってもよい。

また、足部アーチ評価結果は、他の評価結果と比較して、健康状態を示す値として重みが大きい。したがって、美足度は、足部アーチ評価結果のみで算出されたり、足部アーチ評価結果の重みを高くして算出されたりしてもよい。このような算出方法であると、精度良く美足度を算出できる。

次いで、総合評価部５１５は、ライフログデータ５２４を参照し、活動度を算出する（ステップＳ４４）。具体的には、直近の所定期間内の移動距離、歩数、平均歩行速度等の加算・乗算・規格化等により、最終的に例えば１～１０の値に点数化して、活動度を算出する。

算出された総合評価の結果（美足度、カラダバランス度、歩き方リズム、活動度）は、図３０に示されるようなグラフ（レーダーチャート）へのプロットにより表示（可視化）が可能である。

＜総合分析部５１６による処理＞
総合分析部５１６は、上述した処理により得られたデータとその他の追加的なデータに基づき、歩行動作・日常生活活動データの総合分析を行う。追加的なデータとしては、ユーザデータ５２２や靴データ５２３やライフログデータ５２４がある。「１日の予定」「目的地」等はユーザの手入力およびユーザが利用する任意のスケジュール機能やカレンダー機能を持つインターネットサービスに記録された情報を取得するなどして利用する。「移動距離」「歩数」「平均歩行速度」「最多位置情報（ＧＰＳ）」等は情報端末３またはユーザが利用する任意のウェアラブル情報端末から取得され、また取得情報から計算されて記録される。「靴メーカー型番」等はユーザの手入力や靴製品バーコードの読み取り等により情報取得が行われる。また、靴購入後１週間～１カ月などに「靴擦れ有無」「靴擦れ部位」「胼胝有無」「胼胝部位」「痛み有無」「痛み部位」「圧迫有無」「圧迫部位」等の情報がユーザにより入力される。

分析の例として、総合分析部５１６は、本システムのユーザの現在の足部状態に類似している足部状態を持ち、かつ行動量が近い他者が、類似時点より後の時点でどのような足部状態に遷移したかを特定し、未来の足部状態の予測判定をすることができる。

［分析の具体例＃１：他者との比較］
総合評価部５１５による総合評価までの処理を、蓄積しているすべてのユーザの歩行処理後データ５２７に対して行い、総合分析部５１６はクラスタリングを行うことで類似傾向のグループを分けることができる。総合分析部５１６は、その結果を、本システムのユーザに対し、属しているグループの全体に占める割合（多さ少なさ）や良好なグループの総合評価指標分布に対する距離として示すことができる。このフィードバックには、図３０に示されたようなレーダーチャートを利用することができる。

［分析の具体例＃２：靴の推奨］
総合分析部５１６は、他の分析結果のフィードバックとともに、あるいは個別の要求に応じて、ユーザに相応しい靴の候補を提示する。

成人女性において、約７割が靴選びで後悔するという結果が得られており、その要因の一つとして個人の主観や経験で靴や履物の選択が行われている点が挙げられる。また、靴販売店で一時的な足部形状計測は行われているものの、日常活動中の歩行データに基づいた靴の選択は行われていない。ここでは、客観的かつ定量的な歩行運動データに基づいて評価された個人の歩行・足部状態の特徴から、他者との比較により、類似する状態の他者であって、その後に障害等が発生していない健常足の持ち主が類似していた時期以降に履いていた靴を提案することで、適切な靴選択を支援するようにしている。

図３１は靴の推奨の処理例を示すフローチャートである。図３１において、総合分析部５１６は、対象ユーザに対し、歩行・静止立位の状態が類似する他ユーザを抽出する（ステップＳ５１）。この場合の類似は、ユーザデータ５２２から「足長」「足幅」「足高」「足囲」の情報を取り出し、足の外形の類似をみてもよいし、歩行処理後データ５２７および静止立位処理後データ５２８から各パラメータの類似をみてもよい。

次いで、総合分析部５１６は、評価部５０７または総合評価部５１５の評価結果が類似する他ユーザに絞り込みを行う（ステップＳ５２）。

次いで、総合分析部５１６は、絞り込まれた他ユーザのうち、類似するとされた時期以降に障害の評価が行われていない者に絞り込みを行う（ステップＳ５３）。

次いで、総合分析部５１６は、絞り込まれた他ユーザの、類似するとされた時期以降に使用されていた靴データ５２３を取得し、推奨される靴選択候補として提示する（ステップＳ５４）。

なお、総合分析部５１６は、ユーザデータ５２２から対象ユーザと他ユーザの性別や年齢・世代等の情報を取得し、更にはライフログデータ５２４から行動パターンを示す各種の情報を取得し、それらが類似している他ユーザに更に絞り込みを行うようにしてもよい。

なお、靴の候補が提示される場合についての処理例であったが、インソール、足指矯正パッド、外反母趾用サポーター等の補助装具についても、同様に提示されるようにしてもよい。

［分析の具体例＃３：靴の使用による足部異常の予測］
総合分析部５１６は、例えば、次のような手順で靴の使用による足部異常を予測する。

１．ユーザデータ５２２から「足長」「足幅」「足高」「足囲」の情報を取り出し、他者間比較で足の外形が類似する他者を特定する。

２．上記１．で特定した他者の処理後データ（過去のデータから本システムのユーザの利用時までのすべての時系列データを含む）から、靴データ５２３を用い、本システムのユーザが選択している靴と類似した靴を使用しているときに取得された歩行処理後データ５２７および静止立位処理後データ５２８を特定する。

３．上記２．で特定した処理後データから、本システムのユーザと歩行機能が類似するデータを選び出す。処理内容については後述する。

４．類似該当データがある場合、その該当ユーザ（ユーザ群）が、類似した靴を使用していた際の足部と靴に関する情報（具体的には「胼胝形成」、「靴擦れの有無」、「靴の圧迫」、「痛み」の情報）を捉えることで、本システムのユーザが選択している靴を使用継続した場合に足部異常発生の可能性ありあるいはなしと判定する。この場合、「胼胝形成の有無」、「靴擦れの有無」、「圧迫の有無」、「痛みの有無」の可能性が予測でき、履き始めてから発生に至るまでの、経時的な予測が可能となる。

図３２は上述の処理「３．」での歩行機能の類似する対象データ決定の処理例を示すフローチャートである。図３２において、総合分析部５１６は、本システムのユーザＡと他者のユーザ群Ｂについて、歩行処理後データ５２７により両足３、４、５、７番センサの最大圧力値平均とＣＯＰ屈曲角とを抽出・参照する（ステップＳ６１）。

次いで、総合分析部５１６は、両足３、４、５、７番センサの最大圧力値平均から離床時エリアを特定する（ステップＳ６２）。

次いで、総合分析部５１６は、Ｂ群からＡと離床時エリアが一致する対象を抽出する（ステップＳ６３）。離床時エリアが一致しない場合、処理を終了する。

次いで、総合分析部５１６は、ＣＯＰ屈曲角が１７５より大きい場合は歩行タイプＡ、ＣＯＰ屈曲角が１５５より小さい場合は歩行タイプＢ、それ以外の場合は歩行タイプＣとする（ステップＳ６４）。

次いで、総合分析部５１６は、Ｂ群からＡと歩行タイプ（Ａ～Ｃ）が一致する対象を抽出し（ステップＳ６５）、Ａに対する比較対象を決定する（ステップＳ６６）。歩行タイプが一致しない場合、処理を終了する。この場合、同じ歩行タイプに属するデータを持つユーザ同士は歩行機能が近いとみなすことができる。

＜総括＞
以上説明したように、本実施形態によれば、ユーザの日常生活中における足部・歩行データの経時的変化を捉えられ、複数のユーザのデータが統一的に収集され、適切な分析・評価が行われる。より具体的には、
・足部状態や歩行機能の個人内比較だけでなく、他者データも交えた個人間比較による評価・予測が可能である。
・疾患や障害の兆候の予測による歩行の最適化（足部の痛み等の最適化）が実現可能である。
・日常生活中でユーザ自身の健康管理や靴選択に繋がる。
・子どもから高齢者まで、全ての年代層が対象となることから、子どもの発達・成長記録として経年データの分析が可能である。

以上、本発明の好適な実施の形態により本発明を説明した。ここでは特定の具体例を示して本発明を説明したが、特許請求の範囲に定義された本発明の広範な趣旨および範囲から逸脱することなく、これら具体例に様々な修正および変更を加えることができることは明らかである。すなわち、具体例の詳細および添付の図面により本発明が限定されるものと解釈してはならない。

本国際出願は、２０１７年３月８日に出願された日本国特許出願２０１７‐０４４３８５号に基づく優先権を主張するものであり、その全内容を本国際出願に援用する。

１ 靴
２ 計測デバイス
２１ センサ部
２１１ 基材
２１２ 圧力センサ
２２ 通信部
３ 情報端末
４ ネットワーク
５ サーバ装置
５０１ 基本データ入力部
５０２ 計測データ受信部
５０３ データ解析部
５０４ 立脚期データ解析部
５０５ 静止立位データ解析部
５０６ ライフログ書込部
５０７ 評価部
５０８ 前足部局所荷重評価部
５０９ 回内足・回外足評価部
５１０ 複数歩バランス評価部
５１１ 立脚時間評価部
５１２ 両脚支持割合評価部
５１３ 左右差評価部
５１４ 足部アーチ評価部
５１５ 総合評価部
５１６ 総合分析部
５１７ 母趾接地評価部
５２１ データベース
５２２ ユーザデータ
５２３ 靴データ
５２４ ライフログデータ
５２５ 位置データ
５２６ 計測データ
５２７ 歩行処理後データ
５２８ 静止立位処理後データ
６ 管理端末

Claims (10)

1. 靴に設けられたセンサからユーザの足部に関する計測データを取得するデータ取得部と、
   複数のユーザの前記計測データを解析して、立脚歩行時に取得された前記計測データに基づく歩行処理後データを含む評価データを生成する解析部と、
   前記複数のユーザの前記評価データと、分析対象となるユーザの前記評価データとを比較して、前記分析対象となるユーザの足部の状態を分析した第１の分析結果を少なくとも含む分析結果を得る分析部と、
   を有する、歩行・足部評価システムであって、
   前記第１の分析結果は、前記分析対象となるユーザの将来の足部の異常を予測する分析結果を含み、
   前記分析部は、前記分析対象となるユーザの現在の足部状態に類似している足部状態を持ち、かつ行動量が近い他のユーザが、類似時点より後の時点でどのような足部状態に遷移したかを特定することにより、前記分析対象となるユーザの将来の足部の異常を予測する、歩行・足部評価システム。
2. 前記解析部は、前記計測データを解析して、足が地面に接地した状態の立脚期と地面から離床した状態の遊脚期とを検知し、前記立脚期における歩行動作に関連するデータである前記歩行処理後データを取得する、請求項１に記載の歩行・足部評価システム。
3. 前記第１の分析結果は、前記複数のユーザの前記評価データをクラスタリング処理して複数のグループに分類し、前記分析対象となるユーザが属しているグループの相対的な位置を示す分析結果を含む、請求項１又は２に記載の歩行・足部評価システム。
4. 前記解析部は、複数のユーザの前記計測データを解析して、立位姿勢が一定時間維持された際に取得された前記計測データに基づく静止立位処理後データをさらに含む前記評価データを生成する、請求項１又は２に記載の歩行・足部評価システム。
5. 前記第１の分析結果は、前記分析対象となるユーザに推奨される靴及び／若しくは補助装具の候補を提案する分析結果を含み、
   前記分析部は、前記分析対象となるユーザに対して、前記足部の状態が類似する他のユーザであって、その後に障害が発生していない他のユーザが履いていた靴及び／若しくは補助装具を提案する、請求項１乃至４のいずれか一項に記載の歩行・足部評価システム。
6. 前記分析結果は、更に前記分析対象となるユーザのみの前記評価データに基づく第２の分析結果を含み、前記分析部は前記分析対象となるユーザに対して第１又は第２の分析結果を選択的に提供する、請求項１乃至５のいずれか一項に記載の歩行・足部評価システム。
7. 前記歩行処理後データは、前記計測データから立脚期及び遊脚期を含む歩行イベントを自動検知し、一歩行毎の波形データを切り出すことによって取得される、請求項１乃至６のいずれか一項に記載の歩行・足部評価システム。
8. 靴に設けられたセンサから分析対象であるユーザの足部に関する計測データを受信し、前記計測データをサーバ装置に送信し、前記サーバ装置は、複数のユーザの前記計測データを解析して、立脚歩行時に取得された前記計測データに基づく歩行処理後データを含む評価データを生成すると共に、前記複数のユーザの前記評価データと前記分析対象となるユーザの前記評価データとの比較に基づく第１の分析結果及び前記分析対象となるユーザのみの前記評価データに基づく第２の分析結果を記憶し、前記サーバ装置から前記分析対象であるユーザの足部の状態を分析した分析結果を受信すると共に前記分析結果を表示する端末装置であって、
   前記サーバ装置に対して前記分析対象であるユーザが第１の分析結果の要求を送信したとき、前記サーバ装置から第１の分析結果を受信し選択的に第１の分析結果を表示し、
   前記第１の分析結果は、前記分析対象となるユーザの将来の足部の異常を予測する分析結果を含み、
   前記サーバ装置は、前記分析対象となるユーザの現在の足部状態に類似している足部状態を持ち、かつ行動量が近い他のユーザが、類似時点より後の時点でどのような足部状態に遷移したかを特定することにより、前記分析対象となるユーザの将来の足部の異常を予測する、端末装置。
9. 靴に設けられたセンサからユーザの足部に関する計測データを取得する処理と、
   複数のユーザの前記計測データを解析して、立脚歩行時に取得された前記計測データに基づく歩行処理後データを含む評価データを生成する処理と、
   前記複数のユーザの前記評価データと、分析対象となるユーザの前記評価データとを比較して、前記分析対象となるユーザの足部の状態を分析した分析結果を得る分析処理と、
   をコンピュータが実行する、歩行・足部評価方法であって、
   前記分析結果は、前記分析対象となるユーザの将来の足部の異常を予測する分析結果を含み、
   前記分析処理は、前記分析対象となるユーザの現在の足部状態に類似している足部状態を持ち、かつ行動量が近い他のユーザが、類似時点より後の時点でどのような足部状態に遷移したかを特定することにより、前記分析対象となるユーザの将来の足部の異常を予測する、歩行・足部評価方法。
10. 靴に設けられたセンサからユーザの足部に関する計測データを取得する処理と、
    複数のユーザの前記計測データを解析して、立脚歩行時に取得された前記計測データに基づく歩行処理後データを含む評価データを生成する処理と、
    前記複数のユーザの前記評価データと、分析対象となるユーザの前記評価データとを比較して、前記分析対象となるユーザの足部の状態を分析した分析結果を得る分析処理と、
    をコンピュータに実行させる、歩行・足部評価プログラムであって、
    前記分析結果は、前記分析対象となるユーザの将来の足部の異常を予測する分析結果を含み、
    前記分析処理は、前記分析対象となるユーザの現在の足部状態に類似している足部状態を持ち、かつ行動量が近い他のユーザが、類似時点より後の時点でどのような足部状態に遷移したかを特定することにより、前記分析対象となるユーザの将来の足部の異常を予測する、歩行・足部評価プログラム。

Images