JP7250647B2 - 仮眠補助システム、および、仮眠補助用プログラム - Google Patents

Description

本発明は、疲労を回復させるための仮眠を補助するシステムに関するものである。

近年、日中の仮眠には、疲労を回復させる効果があり、仮眠後の仕事や学習の効率を向上させることができるとして注目されている。

例えば、特許文献１には、時間や場所にとらわれずに短時間の睡眠を効率よくとることができるようにするために、枕の表面に、ユーザの脳波を計測する電極を配置し、計測した脳波信号を解析することにより、眠りの深さを検出し、所定の眠りの深さに達してから所定の時間が経過したならば、アラーム等の刺激を発生してユーザを覚醒させる枕型の睡眠補助装置が開示されている。

特開２０１３－３１５４２号公報

近年、人々の健康的な生活の確保と福祉の促進を図るとともに、持続可能な経済成長と働きがいのある雇用の促進を実現することが重要視されている。そのため、子育てや自宅で介護をしている人や、企業や団体で働く労働者が、隙間時間の仮眠で疲労を回復でき、日中の活動効率（パフォーマンス）を最大化する仮眠補助システムが期待されている。

仮眠は疲労回復の効果があるが、日中の仮眠は短すぎると効果がなく、長すぎると覚醒後に眠気が残ったり、夜寝つきが悪くなるなど逆効果になることもある。また、人間の活動によって生じる疲労は、その日の活動内容や個人の体力や体調等の複数の要因に依存して変化する。その一方で、自分がどの程度疲労しており、どのタイミングで仮眠をとれば、疲労を効果的に回復させることができるのかを、自分で把握したり予測したりすることは難しいため、ユーザが仮眠を積極的にとって疲労を回復させて、仮眠後の作業や仕事の効率を向上させようという動機を得にくいのが現状である。

特許文献１の技術は、仮眠中の脳波信号を計測することにより、覚醒させるタイミングを調節することができるが、ユーザが自発的に仮眠をとった場合に初めて脳波を計測することができる構成である。

本発明の目的は、ユーザの疲労度を予測し、仮眠をとるタイミングを提案することのできる仮眠補助システムを提供することにある。

上記目的を達成するために、本発明は、ユーザの活動時の情報を受け取って、現在時刻以降の疲労度および活動能力の少なくとも一方の時間変化を予測する疲労度予測部と、疲労度予測部の予測結果を用いて、仮眠の推奨タイミングを少なくとも含む仮眠プランを算出する仮眠プラン算出部とを有する仮眠補助システムを提供する。

本発明によれば、ユーザが自覚しにくい疲労度や活動能力の時間変化を予測して、仮眠を推奨することができるため、ユーザが仮眠をとることにことによりユーザの疲労を回復させて、仮眠後の作業や仕事の効率を向上させることができる。

本実施形態の仮眠補助システムの構成を示すブロック図。 図１の入出力装置７０に表示された疲労度等の予測値と仮眠プランの例を示す説明図。 仮眠中のユーザを示す説明図。 図１の疲労度予測部１０の機械学習モデル１０ａの一例を示す説明図。 （ａ）および（ｂ）図１の入出力装置７０に表示された仮眠プランの評価を受け付ける画面例を示す説明図。 本実施形態の仮眠補助システムの構成例を示すブロック図。 本実施形態の仮眠補助システムの動作を示すフローチャート。

以下、本発明を一実施形態の仮眠補助システムについて、図面を参照して説明する。

本実施形態の仮眠補助システム１は、図１に機能ブロック図を示したように、疲労度予測部１０と仮眠プラン生成部２０とを少なくとも備えている。

疲労度予測部１０は、ユーザの活動時の１以上の情報を受け取って、所定の疲労度を表す値および活動能力（パフォーマンス）を表す値の少なくとも一方の現在時刻以降の時間変化を予測する（図２参照）。ユーザの活動時の情報としては、ユーザの活動量（加速度、運動量および歩数の１以上、または、それらから算出した値）、緊張度合い（またはリラックス度合い）、心拍（脈拍）、年齢、性別、および、職種の１以上を用いることができる。

疲労度を表す値および活動能力を表す値は、ユーザの疲労の度合いや活動能力の高さを表す値であればどのような値であってもよく、ユーザの情報を用いて、予め定めた数式等により算出可能な値であることが望ましいが、これらの情報から直接算出できない値であってもよい。疲労度や活動能力がユーザの活動時の情報から直接算出できない値である場合には、後述する機械学習モデル１０ａに予めユーザ情報を入力とし、疲労度または活動能力を表す値を教師データとして学習させておくことにより、ユーザの活動時の情報から疲労度や活動能力を予測することができる。機械学習モデル１０ａについては後で詳しく説明する。

仮眠プラン生成部２０は、疲労度予測部１０の予測結果を用いて、推奨する仮眠開始タイミングを少なくとも含む仮眠プラン（図２参照）２１を算出する。

例えば、疲労度予測部１０が疲労度の時間変化を予測している場合には、予測された疲労度が所定値に達する時点、または、疲労度が上昇し始める時点、もしくは、これらの時点から所定の時間範囲、等の予め定めておいた時点（範囲）を推奨する仮眠（入眠）タイミングとする仮眠プラン２１を設定することができる。また、活動能力の時間変化を予測している場合には、活動能力が所定値まで低下する時点、または、活動能力が下降し始める時点、から所定の時間範囲を推奨する仮眠タイミング２１として設定することができる。

仮眠プラン２１には、推奨する仮眠開始タイミングの他、何分間仮眠するかを示す推奨仮眠継続時間または推奨仮眠終了（覚醒）タイミングが含まれていてもよい。推奨仮眠継続時間は、予め定めた長さであってもよいし、ユーザの活動時の１以上の情報の値に応じて変化させてもよい。例えば、リラックス度合いに応じて、推奨仮眠継続時間を変化させてもよい。

なお、仮眠継続時間または覚醒タイミングは、後述するように仮眠中（入眠後）のユーザの情報（例えば脳波）を用いて、仮眠中に演算により決定してもよい。

予測した疲労度や活動能力（パフォーマンス）の時間変化と、仮眠プランの仮眠タイミングは、図２に示したように、スマートフォン等の入出力装置７０の表示部に表示する等する。

ユーザは、入出力装置７０の表示部を見る等することにより、自分の疲労度または活動能力の時間変化の予測を把握することができる。同時に、推奨される仮眠タイミングも把握できる。

このように、本実施形態の仮眠補助システムは、通常は自分では自覚しにくい疲労度や活動能力の時間変化を予測して、ユーザに仮眠をとることを推奨することができるため、推奨される仮眠タイミングでユーザが仮眠をとることによりユーザの疲労を回復させて、仮眠後の作業や仕事の効率を向上させることができる。

また、仮眠プランには、図２に示すように、推奨する仮眠タイミングで仮眠した場合の、仮眠後の疲労度および活動能力の少なくとも一方の時間変化の予測が含まれていてもよい。これにより、ユーザは、自分が推奨される仮眠タイミングで仮眠をとった場合、自分の疲労度がどの程度軽減されるのか、または、自分の活動能力がどの程度向上するのか、を把握することができるため、ユーザが積極的に仮眠をとって、疲労軽減および活動能力向上させようと思う動機付けになる。仮眠をとった場合の疲労度および／または活動能力の時間変化は、疲労度予測部１０によって予測することができる。

また、本実施形態の仮眠補助システム１は、仮眠中のユーザの情報を受け取って、ユーザを覚醒させるタイミングを演算により決定する覚醒タイミング決定部３０をさらに有する構成であることが望ましい。覚醒タイミング決定部３０には、目覚まし装置４０が接続されている。目覚まし装置４０は、覚醒タイミング決定部３０が決定したユーザを覚醒させるタイミングをでユーザに対して所定の動作を行うことによりユーザを覚醒させる。所定の動作としては、例えば、音、光、振動、におい、熱、および、体を持ち上げる等のユーザに対する刺激を発生することにより、ユーザを覚醒させる。

覚醒タイミング決定部３０は、例えば、ユーザの脳波および仮眠してからの時間の少なくとも一方を用いて覚醒タイミングを決定する。具体的には、図３に示すように、仮眠中のユーザの脳波の計測データを、仮眠時信号計測装置６４に接続された脳波測定デバイス１３１からリアルタイムで取り込んで、α波に対するθ波のスペクトルの割合（θ波／α波）に基づいて、覚醒タイミングを決定する構成とする。例えば、所定の睡眠ステージ（自覚（意識）を伴う浅い睡眠ステージ）に入ったことを覚醒タイミング決定部３０が確認したならば、その時点から所定時間（例えば１０分）仮眠させ、深い睡眠に入る前に覚醒させる。

また、覚醒タイミング決定部３０は、ユーザの脈拍数の計測データを仮眠時信号計測装置６４に接続された脈波測定デバイス１３２からリアルタイムで取り込んで、脈拍数に基づいて覚醒タイミングを決定してもよい。また、脈拍数と脳波とを組み合わせて覚醒タイミングを決定してもよい。例えば、脳波のθ波／α波のスペクトルの割合が覚醒した安静時より増加し、脈拍が覚醒した安静時時より所定量（１０％程度）減少した浅い睡眠に入ったことを検出したならば、所定時間（例えば１０分）仮眠させ、深い睡眠に入る前に覚醒させる構成とする。

上述の疲労度予測部１０は、図１に示すように、機械学習モデル１０ａを含む構成とすることができる。ここでいう機械学習は、ディープラーニングを含む。機械学習モデル１０ａの例としては、図４に一例を示したように、種々のニューラルネットワークを用いることができる。疲労度予測部１０が機械学習モデル１０ａを含むことにより、ユーザの活動時の種々の情報を受け取って、現在時刻以降の疲労度／活動能力の時間変化を精度よく予測することができる。

機械学習モデル１０ａは、入力データおよび教師データ（正解データ）を用いて、予め学習済みである。入力データとしては、ユーザまたは他人の活動時の情報を用いる。教師データとしては、活動時の情報を提供したユーザまたは他人の現在時点以降の疲労度および／または活動能力の時間変化を実測力から算出したデータを用いる。入力データとするユーザまたは他人の活動時の情報は、ユーザの活動量（加速度、運動量および歩数の１以上、または、それらから算出した値）、心拍（脈拍）、年齢、性別、および、緊張度合い（またはリラックス度合い）の１以上を用いることができる。教師データとする疲労度を表す値および活動能力を表す値は、これらの１以上の情報を用いて予め定めた数式等により算出した値であってもよいし、上記以外の情報を用いて算出した値や、別途計測装置を用いて計測した値であってもよい。

また、疲労度予測部１０は、再学習部１０ｂを備える構成としてもよい。再学習部１０ｂは、疲労度等の予測に用いたユーザの活動時の情報を入力データとし、予測後に実際に計測されたユーザの情報から算出された疲労度または活動能力、もしくは、実際に計測された疲労度または活動能力の時間変化を教師データとして、機械学習モデルを再学習させる。

ここで、実際に計測されたユーザの情報から疲労度または活動能力を算出する数式の一例としては、下式（１）を用いることができる。
（数１）
疲労度（ｔ）＝疲労度（ｔ－１）＋ｆ１（活動量，心拍数） ・・・（１）
ここで、疲労度（ｔ）、および、疲労度（ｔ－１）は、それぞれ、時刻ｔ、ｔ－１における疲労度を表す。また、ｆ１（活動量，心拍数）は活動量および心拍数の関数を示す。一般にユーザーの活動量が高いことによって疲労度は上昇する。また、例えば、心拍が高い状態では心身の緊張の度合いが高く疲労が蓄積する。活動量や心拍数が疲労度に与える影響は個々人によって異なるため、教師データと比較して機械学習を行うことにより関数ｆ１の重みづけを行い、疲労度を算出することができる。

また、本実施形態の仮眠補助システム１は、ユーザによる仮眠後の主観的な評価を受け付ける仮眠評価受付部８０をさらに備える構成としてもよい。再学習部１０ｂは、仮眠評価受付部８０が受け付けた、ユーザの主観的な評価を、教師データの一部として機械学習モデル１０ａの再学習に用いる。これにより、疲労度予測部１０の機械学習モデルは、評価点の高い仮眠プランを生成することが可能になる。ユーザの主観的な評価の項目としては、例えば、図５（ａ），（ｂ）のように仮眠から気持ちよく起きることができたか、仮眠後に頭や体がすっきりしたか、仮眠（入眠）のタイミング（時刻）や仮眠長さは適切であったか、目覚まし装置の起こし方は適切であったか、等が例として挙げられる。

また、覚醒タイミング決定部３０は、仮眠評価受付部８０が過去に受け付けた主観的な評価データを用いて、覚醒タイミングを決定することができる。

＜仮眠補助システムの動作＞
以下、仮眠補助システムの各部の動作について図７のフローを用いて説明する。なお、ここでは、図６に示したように、仮眠補助システム１は、ネットワーク９０に接続されたサーバ１００内に配置され、ソフトウエアにより仮眠補助システム１の機能が実現される構成である場合について説明する。

すなわち、仮眠補助システム１の各部の機能は、サーバ（コンピュータ）１００が内蔵するＣＰＵが、同じく内蔵するメモリに予め格納されているプログラムを読み込んで実行することによりソフトウエアによって実現される。しかしながら、仮眠補助システム１の各部の機能の一部または全部は、ＡＳＩＣ（application specific integrated circuit）やＦＰＧＡ（field-programmable gate array）等のハードウエアにより実現することも可能である。

また、ネットワーク９０には、入出力装置７０とデータベース５０が接続されている。入出力装置７０は、ここではスマートフォンやパーソナルコンピュータ等の端末装置を用いる。

また、活動時のユーザは、運動量と歩数と心拍数（脈拍数）を少なくとも計測する活動時情報計測装置６２を身に着けている。活動時情報計測装置６２としては、例えば、加速度を計測して運動量と歩数を算出する活動量計と脈拍計との組み合わせや、腕の血管の脈拍数を光学的に計測する機能と加速度やＧＰＳ位置情報等から運動量および歩数を計測する機能とを備えたスポーツウオッチ等を用いることができる。さらに、体温や呼吸数等をユーザが身に着けたデバイスで計測してもよい。

また、活動時情報計測装置６２は、心拍数（脈拍数）のゆらぎ（RR間隔等）から緊張度合とリラックス度合を予め求めておいた数式により算出する機能を備えている。

活動時のユーザは、ユーザ基本情報受付部６１から年令、性別、職業を少なくとも基本情報として入力する。さらに、前日の睡眠時間、前日の睡眠深さ、服薬状況、満腹度等をユーザがユーザ基本情報受付部６１から入力する構成としてもよい。ユーザ基本情報受付部６１は、スマートフォン等の入出力装置７０が兼用する構成としてもよい。

また、仮眠時には、ユーザは、脳波計測デバイス１３１および脈波測定デバイス１３２の少なくとも一方を身に着ける。これらのデバイス３１，１３２の出力信号は、仮眠時信号計測装置６４に接続されており、脳波と心拍数（脈拍数）が計測される。脳波計測デバイス１３１はどのようなものであってもよい。例えば、頭に装着してこめかみにあてる形状であってもよいし、枕に組み込んだり、イヤホンに組み込むことも可能である。脈波測定デバイス１３２は、活動時情報計測装置６２の脈拍計やスポーツウオッチを兼用してもよい。

目覚まし装置４０は、どのような構成のものであってもよいが、覚醒タイミング決定部３０が決定した覚醒タイミングにおいて、例えば、音、光、振動、におい、温度、および、体を持ち上げる等のユーザに対する刺激を発生する装置である。これにより、ユーザを覚醒させる。

なお、脳波測定デバイス１３１や脈波測定デバイス１３２を、目覚まし装置４０内に配置してもよい。

ユーザが活動したり、仮眠したりする空間には、気温、気圧および湿度の１以上を計測するとともに、カレンダーから季節を読み取る機能を備えた環境情報取得装置６３が配置されている。なお、環境情報取得装置６３は、インターネット上で公開されているその地域の天気予報の気温、気圧、湿度、カレンダー情報により代用することも可能である。

活動時情報計測装置６２、ユーザ基本情報受付部６１、仮眠時信号計測装置６４、および、環境情報取得装置６３の取得する情報は、ここでは入出力装置７０に取り込まれ、入出力装置７０およびネットワーク９０を介してデータベース５０に格納される。

ネットワーク９０に接続されたサーバ１００内には、仮眠補助システム１が備えられている。仮眠補助システム１の各部の動作について図７のフローを用いて説明する。

なお、仮眠補助システム１の疲労度予測部１０は、機械学習モデル１０ａとして、ここではリカレントニューラルネットワークを備えている。リカレントニューラルネットワークは、図４に示すように、入力層４０１と１層以上の中間層４０２と出力層４０３とを含み、入力データと教師データを用いて通時的誤差逆伝搬による重み調節によって学習済みである。学習時の入力データは、ユーザまたは他人の基本情報および活動時の情報（年令、性別および職種等の１以上と、運動量、歩数、心拍（脈拍）、および、緊張度合い（またはリラックス度合い）の１以上と、季節、気温、気圧および湿度の１以上）と、仮眠の有無および仮眠ありの場合の入眠時間および継続時間とを含む。教師データとしては、ユーザまたは他人の疲労度を表す値および活動能力を表す値の時間変化であり、これらの１以上の情報を用いて予め定めた数式等により算出した値を用いている。

仮眠補助システム１の疲労度予測部１０は、ユーザの活動時の情報として、データベースからユーザの年令、性別および職種等の１以上と、運動量、歩数、心拍、および、緊張度合い（またはリラックス度合い）の１以上と、季節、気温、気圧および湿度の１以上とを取り込み、学習済みの機械学習モデル１０ａに入力する（ステップ６０１）。

機械学習モデル１０ａは、入力されたユーザの情報等に対応する、所定の疲労度を表す値および活動能力（パフォーマンス）を表す値の現在時刻以降の時間変化を出力する。これにより、疲労度および活動能力の時間変化を予測する（ステップ６０２）。疲労度および活動能力の時間変化の予測値は、図２のように入出力装置７０の表示部に表示する。

仮眠プラン生成部２０は、予測された疲労度に基づいて、推奨する仮眠（入眠）タイミングを示す仮眠プラン２１を生成する（ステップ６０３）。例えば、疲労度の予測値が予め定めた値に到達する時間から所定の時間範囲を推奨する仮眠（入眠）タイミングとする仮眠プラン２１を生成し、図２のように入出力装置７０の表示部に疲労度の時間変化の予測値と併せて表示する。

疲労度予測部１０は、ステップ６０２で用いた入力情報に、ステップ６０３で生成した仮眠プラン２１の推奨仮眠タイミングを加えて、機械学習モデル１０ａに入力する。これにより、機械学習モデル１０ａは、仮眠プラン２１の推奨仮眠タイミングで仮眠した場合の、疲労度および活動能力の時間変化の予測値を出力する（ステップ６０４）。疲労度予測部１０は、仮眠した場合の予測値を、図２のように入出力装置７０の表示部に疲労度の時間変化の予測値と併せて表示する。

ユーザは、入出力装置７０の表示部を見る等することにより、自分の疲労度または活動能力の時間変化の予測を把握することができる。同時に、推奨される仮眠タイミングも把握できる。ユーザは、仮眠して疲労を回復させるかどうかを自分で判断し、仮眠する場合は、脳波測定デバイス１３１を身に着ける等する。

覚醒タイミング決定部３０は、データベース５０から仮眠時信号計測装置６４が格納したユーザの脳波と脈拍をリアルタイミングで取り込んで、それらの値からユーザが仮眠に入ったか（入眠したか）どうかを判定する（ステップ６０５）。具体的には、脳波のθ波/α波のスペクトルの割合が所定値以上に増加し、脈拍数が入眠前により10％以上減少した場合、自覚を伴う浅い睡眠（睡眠ステージ１～２）に入ったと判定し、ステップ６０６に進む。

ステップ６０６では、覚醒タイミング決定部３０は、深い睡眠に入る前に覚醒させるために、ステップ６０５で入眠したと判定してから予め定めた時間（例えば１０分）後に、覚醒タイミング（時刻）を決定する。これにより、適度な仮眠をユーザに取らせることが可能になる。

覚醒タイミング決定部３０は、覚醒タイミングに時刻が達したならば（ステップ６０７）、目覚まし装置４０に動作を指示する（ステップ６０８）。目覚まし装置４０は、アラーム音を発生する等の所定の目覚まし動作を実行し、ユーザを覚醒させる。

覚醒後、仮眠評価受付部８０は、入出力装置７０の表示部に図５（ａ），（ｂ）のような画面を表示させ、仮眠プラン２１に対する評価をユーザから受け付ける（ステップ６０９）。

再学習部１０ｂは、データベース５０から、仮眠前および仮眠後のユーザの活動時の情報を取り込んで、予め定めた数式を用いて、疲労度および活動能力の変化の値を算出する（ステップ６１０）。

再学習部１０ｂは、ステップ６１０で算出した疲労度および活動能力の変化の値および仮眠のタイミング、ならびに、仮眠評価受付部８０が受け付けた評価結果を、機械学習モデル１０ａの教師データとし、入力データは、ステップ６０１の入力データを用い、機械学習モデル１０ａを再学習させる（ステップ６１１）。これにより、再学習後の機械学習モデル１０ａは、実際の疲労度および活動能力の変化の予測値とその仮眠評価の予測値を、出力可能になるため、ステップ６０２、６０３、６０４においては、疲労度の予測精度が向上するとともに、仮眠による疲労度の回復がより大きく、仮眠評価の予測値が高い仮眠プランを生成可能になる。

また、覚醒タイミング決定部３０は、仮眠評価受付部８０が受け付けた評価結果を仮眠評価受付部８０から受け取って、仮眠評価の点が高くなるように、次回、覚醒タイミングを決定する際に時間等を調整する（ステップ６１２）。例えば、図５（ｂ）のように仮眠の長さが短すぎると評価された場合は、ステップ６０５で入眠したと判断してから覚醒させるタイミングまでの時間を、予め定めた時間（例えば、３分）長くする等する。

なお、ステップ６１２において、覚醒タイミングのみならず、仮眠プラン生成部２０が生成する仮眠プラン（仮眠タイミング）を仮眠評価の点が高くなるように調整してもよい。

上述してきたように、本実施形態によれば、ユーザが自覚しにくい疲労度や活動能力の時間変化を予測して、仮眠を推奨することができる。この推奨に応じてユーザが仮眠をとることによりユーザの疲労を回復させて、仮眠後の作業や仕事の効率を向上させることができる。

上述の実施形態では、仮眠補助システム１は、データベース５０に一旦格納されたユーザの活動時や仮眠時の情報を受け取る構成であったが、本実施形態はこの構成に限定されるものではない。例えば、仮眠補助システム１が、ユーザ基本情報受付部６１、活動時情報計測装置６２、環境情報取得装置６３および仮眠時信号計測装置６４から直接信号を受け取って、内蔵するメモリに格納して用いる構成にすることももちろん可能である。

また、仮眠補助システム１は、ユーザのスケジューラや、ユーザの労務を管理するシステムと連携する構成とすることも可能である。これにより、仮眠補助システム１は、ユーザのスケジュールに合わせて仮眠タイミングを設定したり、仮眠から覚醒させたりすることが可能になる。また、仮眠補助システム１は、ユーザの疲労度が強い場合には、長い仮眠を推奨したり、場合によっては、仕事を休むように推奨するメッセージをユーザに対して表示し、安全に労働することのできる環境をつくる補助をすることも可能である。

１…仮眠補助システム、１０…疲労度予測部、１０ａ…機械学習モデル、１０ｂ…再学習部、２０…仮眠プラン生成部、３０…覚醒タイミング決定部、４０…目覚まし装置、５０…データベース、６１…ユーザ基本情報受付部、６２…活動時情報計測装置、６４…仮眠時信号計測装置、７０…入出力装置、８０…仮眠評価受付部、１００…サーバ

Claims (10)

1. ユーザの活動時の情報を受け取って、所定の疲労度を表す値および活動能力を表す値の少なくとも一方の、現在時刻以降の時間変化を予測する疲労度予測部と、
   前記疲労度予測部の予測結果を用いて、仮眠プランを算出する仮眠プラン生成部とを有し、
   前記仮眠プラン生成部は、前記疲労度予測部が前記疲労度の時間変化を予測している場合には、予測された前記疲労度が所定値に達する第１時点、または、前記疲労度が上昇し始める第２時点、または、前記第１時点または前記第２時点から所定の時間範囲を、入眠タイミングとする前記仮眠プランを生成し、前記疲労度予測部が前記活動能力の時間変化を予測している場合には、前記活動能力が所定値まで低下する第３時点、または、前記活動能力が下降し始める第４時点、から所定の時間範囲を、入眠タイミングとする前記仮眠プランを生成し、
   前記疲労度予測部は、前記仮眠プラン生成部が生成した前記仮眠プランの前記入眠タイミングを用いて、前記入眠タイミングで仮眠をとった場合の前記疲労度の時間変化、および、前記活動能力の時間変化の少なくとも一方を予測し、
   前記疲労度予測部は、予測した前記疲労度の時間変化および前記活動能力の時間変化の少なくとも一方を表す第１グラフと、前記仮眠プラン生成部の生成した前記仮眠プランと、予測した前記仮眠プランの前記入眠タイミングで仮眠をとった場合の前記疲労度の時間変化および前記活動能力の時間変化の少なくとも一方を表す第２グラフとを併せて表示部に表示する
   ことを特徴とする仮眠補助システム。
2. 請求項１に記載の仮眠補助システムであって、前記仮眠プランには、仮眠継続時間または仮眠終了タイミングが含まれていることを特徴とする仮眠補助システム。
3. 請求項１に記載の仮眠補助システムであって、ユーザが仮眠に入った場合、仮眠中のユーザの情報を受け取って、ユーザを覚醒させるタイミングを演算により決定する覚醒タイミング決定部を有することを特徴とする仮眠補助システム。
4. 請求項１に記載の仮眠補助システムであって、前記疲労度予測部は、機械学習モデルを含み、
   前記機械学習モデルは、入力データおよび教師データを用いて予め学習済みであり、前記入力データは、ユーザまたは他人の活動時の情報を含み、前記教師データは、そのユーザまたはその他人の現在時点以降の疲労度を表す値および／または活動能力を表す値の時間変化のデータを含むことを特徴とする仮眠補助システム。
5. 請求項４に記載の仮眠補助システムであって、前記疲労度予測部は、再学習部を含み、
   前記再学習部は、前記ユーザの活動時の情報を用いて、その時点のユーザの前記疲労度を表す値および前記活動能力を表す値の少なくとも一方を算出し、
   前記予測に用いた前記ユーザの活動時の情報を入力データとし、算出した前記疲労度を表す値および前記活動能力を表す値の少なくとも一方の時間変化を教師データとして、前記機械学習モデルを再学習させることを特徴とする仮眠補助システム。
6. 請求項５に記載の仮眠補助システムであって、ユーザによる仮眠後の主観的な評価を受け付ける仮眠評価受付部をさらに有し、前記再学習部は、前記仮眠評価受付部が受け付けた前記評価を、前記教師データの一部として用いることを特徴とする仮眠補助システム。
7. 請求項３に記載の仮眠補助システムであって、前記覚醒タイミング決定部は、仮眠中のユーザの脳波の計測データをリアルタイムで取り込んで、計測した脳波に含まれるα波に対するθ波のスペクトルの割合（θ波／α波）に基づいて、前記覚醒させるタイミングを決定することを特徴とする仮眠補助システム。
8. 請求項３に記載の仮眠補助システムであって、前記覚醒タイミング決定部は、仮眠中のユーザの脈拍数の計測データをリアルタイムで取り込んで、取り込んだ脈拍数に基づいて、前記覚醒させるタイミングを決定することを特徴とする仮眠補助システム。
9. 請求項３に記載の仮眠補助システムであって、ユーザによる仮眠後の主観的な評価を受け付ける仮眠評価受付部をさらに有し、前記覚醒タイミング決定部は、前記仮眠評価受付部が受け付けた前記主観的な評価のデータを用いて、次回、前記覚醒させるタイミングを決定する際に、入眠から覚醒させるまでの時間を調整することを特徴とする仮眠補助システム。
10. コンピュータを、
    ユーザの活動時の情報を受け取って、所定の疲労度を表す値および活動能力を表す値の少なくとも一方の、現在時刻以降の時間変化を予測する疲労度予測手段と、
    前記疲労度予測手段の予測結果を用いて、仮眠プランを算出する仮眠プラン生成手段
    として機能させる仮眠補助用プログラムであって、
    前記仮眠プラン生成手段は、前記疲労度予測手段が前記疲労度の時間変化を予測している場合には、予測された前記疲労度が所定値に達する第１時点、または、前記疲労度が上昇し始める第２時点、または、前記第１時点または前記第２時点から所定の時間範囲を、入眠タイミングとする前記仮眠プランを生成し、前記疲労度予測手段が前記活動能力の時間変化を予測している場合には、前記活動能力が所定値まで低下する第３時点、または、前記活動能力が下降し始める第４時点、から所定の時間範囲を、入眠タイミングとする前記仮眠プランを生成し、
    前記疲労度予測手段は、前記仮眠プラン生成手段が生成した前記仮眠プランの前記入眠タイミングを用いて、前記入眠タイミングで仮眠をとった場合の前記疲労度の時間変化、および、前記活動能力の時間変化の少なくとも一方を予測し、
    前記疲労度予測手段は、予測した前記疲労度の時間変化および前記活動能力の時間変化の少なくとも一方を表す第１グラフと、前記仮眠プラン生成手段の生成した前記仮眠プランと、予測した前記仮眠プランの前記入眠タイミングで仮眠をとった場合の前記疲労度の時間変化および前記活動能力の時間変化の少なくとも一方を表す第２グラフとを併せて表示手段に表示する
    ことを特徴とする仮眠補助用プログラム。

Images