JP7318451B2 - 生体リズム予測装置及びプログラム - Google Patents

Description

本発明は、生体リズム予測装置及びプログラムに関する。

従来から、ユーザの現在の生体リズムを予測する方法が知られている（例えば、特許文献１～３）。特許文献１では、ユーザの心循環系のゆらぎから生体リズムの乱れを検出する。特許文献２では、ユーザの脳波や心拍から、集中度を推定する。特許文献３では、睡眠中のユーザの心拍数からウルトラディアンリズムに対応した周期成分（ウルトラディアンリズム周期）を推定する。

特開２０１５－１１２１１７号公報 特開２０１４－１００２２７号公報 特開２０１０－０８５０７６号公報

上記特許文献１～３の技術は、ユーザの覚醒期又は睡眠期における現在の生体リズムに関する情報は検出又は推定することは可能であるが、後続期の生体リズムを予測することができない、という問題があった。

本発明は、上記問題点を解決するためになされたもので、生体リズムを予測することができる生体リズム予測装置及びプログラムを提供することを目的とする。

上記の目的を達成するために、本発明の生体リズム予測装置は、ユーザのウルトラディアンリズム周期の生体信号と、前記ユーザの活動量、前記ユーザ周辺の外部環境情報、及び前記ユーザの生活行動に関する行動指標の少なくとも１つを含む影響要因とを取得する取得部と、前記ユーザが行う予定の行動である予定行動の入力を受け付ける入力部と、前記生体信号から、前記影響要因に基づく影響を低減した前記ユーザの生体信号のウルトラディアンリズム波形を抽出する抽出部と、前記ウルトラディアンリズム波形と、前記影響要因とに基づいて、前記予定行動が行われる時間である予測対象時間のウルトラディアンリズム波形を予測する予測部と、を含んで構成されている。

また、本発明のプログラムは、コンピュータを、ユーザのウルトラディアンリズム周期の生体信号と、前記ユーザの活動量、外部環境情報、及び生活行動に関する行動指標の少なくとも１つを含む影響要因とを取得する取得部、前記生体信号から、前記影響要因に基づく影響を低減した前記ユーザの生体信号のウルトラディアンリズム波形を抽出する抽出部、及び前記ウルトラディアンリズム波形と、予測対象時間における前記影響要因とに基づいて、前記予測対象時間におけるウルトラディアンリズム波形を予測する予測部として機能させるためのプログラムである。

本発明の生体リズム予測装置及びプログラムによれば、取得部が、ユーザのウルトラディアンリズム周期の生体信号と、ユーザの活動量、ユーザ周辺の外部環境情報、及びユーザの生活行動に関する行動指標の少なくとも１つを含む影響要因とを取得し、入力部が、ユーザが行う予定の行動である予定行動の入力を受け付ける。

そして、抽出部が、当該生体信号から、当該影響要因に基づく影響を低減したユーザの生体信号のウルトラディアンリズム波形を抽出し、予測部が、当該ウルトラディアンリズム波形と、当該影響要因とに基づいて、当該予定行動が行われる時間である予測対象時間のウルトラディアンリズム波形を予測する。

このように、ユーザのウルトラディアンリズム周期の生体信号と、ユーザの活動量、ユーザ周辺の外部環境情報、及びユーザの生活行動に関する行動指標の少なくとも１つを含む影響要因とを取得し、ユーザが行う予定の行動である予定行動の入力を受け付け、当該生体信号から、当該影響要因に基づく影響を低減したユーザの生体信号のウルトラディアンリズム波形を抽出し、当該ウルトラディアンリズム波形と、当該影響要因とに基づいて、当該予定行動が行われる時間である予測対象時間のウルトラディアンリズム波形を予測することにより、生体リズムを予測することができる。

また、本発明の生体リズム予測装置の前記抽出部は、前記生体信号の波形と前記影響要因に基づく波形との差分を用いて、ウルトラディアンリズム波形を表す式を最適化することにより、前記生体信号のウルトラディアンリズム波形を抽出することができる。

また、本発明の生体リズム予測装置の前記予測部は、前記ユーザのウルトラディアンリズムよりも長周期の生体信号及び影響要因に基づいて表される影響要因モデル波形であって、前記予測対象時間における前記影響要因モデル波形と、前記生体信号のウルトラディアンリズム波形とを合成することにより、前記予測対象時間におけるウルトラディアンリズム波形を予測することができる。

また、本発明の生体リズム予測装置は、学習部を更に含み、前記影響要因モデル波形は、前記長周期の生体信号と、前記影響要因とを変数とする関数で表され、前記学習部は、予め格納した複数の前記生体信号及び前記影響要因に基づいて、前記影響要因モデル波形が、前記長周期の生体信号に一時的に影響する波形となるように、前記影響要因モデル波形のパラメータを学習し、前記予測部は、前記学習部により学習された前記影響要因モデル波形と、前記生体信号のウルトラディアンリズム波形とを合成することにより、前記予測対象時間における前記生体信号のウルトラディアンリズム波形を予測することができる。

また、本発明の生体リズム予測装置は、記憶部と、決定部と、提示部と、を更に含み、前記影響要因は、前記活動量、前記外部環境情報、及び前記行動指標であり、前記取得部は、前記ユーザの生体信号を計測する生体信号計測装置により計測された前記ウルトラディアンリズム周期の生体信号と、前記ユーザの前記外部環境情報を計測する外部環境計測装置により計測されたウルトラディアンリズム周期の前記外部環境情報と、前記ユーザの生活行動に関する行動指標の入力を受け付ける入力装置により受け付けられた前記行動指標とを取得し、前記記憶部は、前記取得部が取得した、前記生体信号、前記外部環境情報、及び前記行動指標を複数格納し、前記決定部は、前記抽出部により抽出された前記生体信号のウルトラディアンリズム波形と、前記予測部により予測された前記予測対象時間のウルトラディアンリズム波形と、前記予定行動とに基づいて、前記予定行動を行うための推奨行動を決定し、前記提示部は、前記決定部により決定された前記推奨行動を提示することができる。

以上説明したように、本発明の生体リズム予測装置及びプログラムによれば、ユーザのウルトラディアンリズム周期の生体信号と、ユーザの活動量、ユーザ周辺の外部環境情報、及びユーザの生活行動に関する行動指標の少なくとも１つを含む影響要因とを取得し、ユーザが行う予定の行動である予定行動の入力を受け付け、当該生体信号から、当該影響要因に基づく影響を低減したユーザの生体信号のウルトラディアンリズム波形を抽出し、当該ウルトラディアンリズム波形と、当該影響要因とに基づいて、当該予定行動が行われる時間である予測対象時間のウルトラディアンリズム波形を予測することにより、生体リズムを予測することができる、という効果が得られる。

本実施形態の推奨行動提示システムの概略構成を示すブロック図である。 差分波形とウルトラディアンリズム波形との例を示すグラフである。 推奨行動提示システム１の実装例を示す図である。 推奨行動を提示した画面の例を示す図である。 本実施形態の生体情報蓄積処理ルーチンの内容を示すフローチャートである。 本実施形態の生体リズム予測処理ルーチンの内容を示すフローチャートである。

以下、図面を参照して本発明の実施形態を詳細に説明する。

＜推奨行動提示システムのシステム構成＞
図１に示すように、本発明の実施形態に係る推奨行動提示システム１は、生体リズム予測装置１０と、生体信号計測装置２０と、外部環境計測装置３０と、入力装置４０と、情報収集装置５０とを備えて構成される。本実施形態では、生体リズム予測装置１０と、生体信号計測装置２０、外部環境計測装置３０、入力装置４０、及び情報収集装置５０とは直接接続されているものとして説明するが、無線通信で相互に接続される構成としても、インターネットや無線基地局等を介して接続される構成としてもよい。

生体信号計測装置２０は、ユーザの生体信号を計測する。具体的には、生体信号計測装置２０は、ユーザに装着されることにより、ユーザの体温や心拍指標等の生体信号を計測する。また、生体信号計測装置２０は、ユーザの行動に関する情報を計測する。具体的には、行動に関する情報は、ユーザの活動量である。そして、生体信号計測装置２０は、計測した生体信号及び活動量を、生体リズム予測装置１０に渡す。

外部環境計測装置３０は、ユーザ周辺の外部環境情報を計測する。具体的には、外部環境計測装置３０は、ユーザ周辺の照度（光環境）や気温（温熱環境）を外部環境情報として計測する。そして、外部環境計測装置３０は、計測した外部環境情報を、生体リズム予測装置１０に渡す。

入力装置４０は、ユーザの生活行動に関する行動指標の入力を受け付ける。具体的には、入力装置４０は、ユーザの食事、運動、就寝起床といった生活行動に関する情報、眠気等の体調についての主観評価に関する情報、ユーザの動作の種類を含むユーザの行動に関する情報等の情報を行動指標として、ユーザから入力を受け付ける。食事としては、例えばエネルギー摂取量が入力される。そして、入力装置４０は、受け付けた、行動指標を、生体リズム予測装置１０に渡す。

情報収集装置５０は、ユーザが行う予定の行動である予定行動の入力を受け付ける。予定行動には、予定行動を行う場所、予定行動を行う時刻等の情報が含まれる。予定行動には、動作の種類、又は活動量（ＭＥＴｓ等）が含まれる。ここで、ＭＥＴｓは、身体活動の強度を示す値の単位である。そして、情報収集装置５０は、取得した予定行動を、生体リズム予測装置１０に渡す。

生体リズム予測装置１０は、ＣＰＵと、ＲＡＭと、後述する生体情報蓄積処理ルーチン及び生体リズム予測処理ルーチンを実行するためのプログラムを記憶したＲＯＭとを備え、機能的には次に示すように構成されている。生体リズム予測装置１０は、取得部１００と、記憶部１１０と、学習部１４０と、抽出部１２０と、予測部１３０と、入力部１５０と、決定部１６０と、提示部１７０とを備えて構成される。

取得部１００は、ユーザのウルトラディアンリズム周期の生体信号と、ユーザの活動量、ユーザ周辺の外部環境情報、及びユーザの生活行動に関する行動指標の少なくとも１つを含む影響要因とを取得する。

具体的には、取得部１００は、生体信号計測装置２０により計測された生体信号を取得する。また、取得部１００は、生体信号計測装置２０により計測されたユーザの活動量、外部環境計測装置３０により計測された外部環境情報、及び入力装置４０により受け付けられた行動指標を取得する。本実施形態では、影響要因に、活動量、外部環境情報、及び行動指標が全て含まれる場合を例に説明する。取得部１００は、定期的に生体情報及び影響要因を生体信号計測装置２０、外部環境計測装置３０、及び入力装置４０から取得する。そして、取得部１００は、取得した行動指標及び影響要因を記憶部１１０に格納する。

記憶部１１０には、取得部１００が取得した生体信号及び影響要因が複数格納されている。また、記憶部１１０には、学習部１４０により学習された影響要因モデル波形が格納されている。影響要因モデル波形については後述する。

抽出部１２０は、生体信号から、影響要因に基づく影響を低減したユーザの生体信号のウルトラディアンリズム波形を抽出する。具体的には、抽出部１２０は、まず、記憶部１１０に格納された生体信号及び影響要因を取得する。次に、抽出部１２０は、生体信号及び影響要因からウルトラディアンリズムよりも長い周期成分を、ハイパスフィルタ等を用いて除去する。ここで、ウルトラディアンリズムは、数十分から数時間程度の周期である。本実施形態では、ウルトラディアンリズムを１時間から４時間の周期として扱う。本実施形態に係る推奨行動提示システム１では、ユーザの睡眠周期の変化に対応して推奨行動を提示するため、睡眠周期に対応可能な周期とするためである。なお、他の行動以外の場合は、ウルトラディアンリズムは３０分でも５時間でも良いが、時間生物学上の定義の範囲を超えないものとする。

次に、抽出部１２０は、長い周期成分を除去した生体信号の波形Ｓ_ｒと長い周期成分を除去した影響要因に基づく波形との差分波形Ｓ_ｍを用いて、ウルトラディアンリズム波形を表す式を最適化することにより、生体信号のウルトラディアンリズム波形Ｕｅを抽出する。具体的には、抽出部１２０は、下記式（１）により、差分波形Ｓ_ｍを求める。

ここで、上記式（１）において、Ａは活動量の波形、Ｔは外部環境情報の波形、Ｅは行動指標の波形であるまた、ａ１～ａ３は、影響を表す係数である。

抽出部１２０は、下記式（２）で表される生体信号のウルトラディアンリズム波形Ｕｅの上記式（１）への適合度が最も高くなるように、下記式（２）のパラメータＰ_１～Ｐ_４を最適化することにより、生体信号のウルトラディアンリズム波形Ｕｅを抽出する。例えば、抽出部１２０は、非線形最小二乗法を用いて最適化する。

抽出部１２０は、最適化されたパラメータＰ_１～Ｐ_４を用いて表されるウルトラディアンリズム波形Ｕｅを抽出結果とする。なお、複数の差分波形Ｓ_ｍを用いることにより、より最適なウルトラディアンリズム波形Ｕｅを抽出することができる。この場合、抽出部１２０は、記憶部１１０から複数の生体信号及び影響要因を取得し、同様の処理を行う。

図２は、差分波形Ｓ_ｍとウルトラディアンリズム波形Ｕｅとの例を示すグラフである。図２に示すように、差分波形Ｓ_ｍでは、外部要因の影響を低減させていても、生体信号の波形としては、ノイズが含まれてしまう。しかし、抽出したウルトラディアンリズム波形Ｕｅでは、ウルトラディアンリズムの周期で安定した生体信号を抽出することができる。そして、抽出部１２０は、抽出したウルトラディアンリズム波形Ｕｅを、予測部１３０に渡す。

予測部１３０は、ウルトラディアンリズム波形Ｕｅと、影響要因とに基づいて、予定行動が行われる時間である予測対象時間におけるウルトラディアンリズム波形を予測する。具体的には、予測部１３０は、まず、ユーザのウルトラディアンリズムよりも長周期の生体信号及び影響要因に基づいて表される影響要因モデル波形であって、予測対象時間における影響要因モデル波形を、記憶部１１０から取得する。当該影響要因モデル波形は、学習部１４０により予めパラメータが学習されている。次に、予測部１３０は、影響要因モデル波形と、生体信号のウルトラディアンリズム波形Ｕｅとを合成することにより、予測対象時間における影響要因の影響を反映した予測対象時間におけるウルトラディアンリズム波形Ｕｐを予測する。予測部１３０は、例えば、下記式（３）のように影響要因モデル波形と、生体信号のウルトラディアンリズム波形Ｕｅとを合成する。

ここで、上記式（３）において、Ｔｐは影響要因モデル波形のうち、生体信号及び外部環境情報に基づいて表される波形、Ｅｐは影響要因モデル波形のうち、生体信号及び影響要因に基づいて表される波形である。影響要因モデル波形は、ウルトラディアンリズムよりも長周期の生体信号と、影響要因とを変数とする関数で表される。例えば、長周期を概日リズムとする場合、
・Ｔｐ＝ｆ_ｉ（概日リズム，外部環境情報）
・Ｅｐ＝ｇ_ｉ（概日リズム，行動指標）
のように表すことができる。以下では、長周期として、概日リズムを採用することとして説明する。ここで、ｉは時間を示す。すなわち、ｉに予測対象時間を代入した場合のＴｐ及びＥｐを、上記式（３）において用いる。そして、予測部１３０は、予測対象時間におけるウルトラディアンリズム波形Ｕｐを、決定部１６０に渡す。

学習部１４０は、予め格納した複数の生体信号及び影響要因に基づいて、ユーザのウルトラディアンリズムよりも長周期の生体信号及び影響要因に基づいて表される影響要因モデル波形が、当該長周期の生体信号に一時的に影響する波形となるように、影響要因モデル波形のパラメータを学習する。

具体的には、学習部１４０は、まず、記憶部１１０から、複数の生体信号及び影響要因を取得する。次に、学習部１４０は、複数の生体信号から、概日リズムの生体信号を抽出する。例えば、学習部１４０は、２４時間毎の生体信号波形の平均を取ることにより、概日リズムの生体信号を抽出する。次に、学習部１４０は、概日リズムの生体信号と、複数の影響要因とを用いて、複数の時刻の各々について、当該時刻の影響要因モデル波形が、概日リズムの生体信号に一時的に影響する波形となるように、当該時刻の影響要因モデル波形のパラメータを学習する。そして、学習部１４０は、学習した各時刻の影響要因モデル波形を、記憶部１１０に格納する。

入力部１５０は、ユーザが行う予定の行動である予定行動の入力を受け付ける。具体的には、入力部１５０は、情報収集装置５０から、予定行動の入力を受け付ける。そして、入力部１５０は、受け付けた予定行動を、決定部１６０に渡す。

決定部１６０は、抽出部１２０により抽出された生体信号のウルトラディアンリズム波形Ｕｅと、予測部１３０により予測された予測対象時間のウルトラディアンリズム波形Ｕｐと、予定行動とに基づいて、当該予定行動を行うための推奨行動を決定する。

具体的には、決定部１６０は、生体信号のウルトラディアンリズム波形Ｕｅと、予測対象時間のウルトラディアンリズム波形Ｕｐとに基づいて、予定行動時に生体信号が予定行動に沿った行動となるか否かに応じて、推奨行動を決定する。推奨行動とは、推奨行動を行う時間を含む。予定行動が睡眠である場合を例にすると、特に何もしなくてもウルトラディアンリズム波形Ｕｅとウルトラディアンリズム波形Ｕｐとに基づいて睡眠に近づくと判断できる場合、推奨行動は不要とする。そうでない場合、予定行動時に睡眠に移行するための推奨行動を必要とするため、例えば、「予定行動の２時間前に入浴をする」ことを推奨行動とする。また、予定行動が外出である場合、特に何もしなくてもウルトラディアンリズム波形Ｕｅとウルトラディアンリズム波形Ｕｐとに基づいて状態に変化が無いと判断できる場合、推奨行動は不要とする。そうでない場合、例えば、ウルトラディアンリズム波形Ｕｅとウルトラディアンリズム波形Ｕｐとに基づいて予定行動時に眠気が来る場合には、眠気を覚ますための行動、例えば「予定行動の３０分以上前にカフェインを摂取する」を推奨行動とする。そして、決定部１６０は、決定した推奨行動を、提示部１７０に渡す。

提示部１７０は、決定部１６０により決定された推奨行動を提示する。

次に、推奨行動提示システム１の実装例について説明する。図３は、推奨行動提示システム１の実装例を示す図である。図３ａは、腕時計型センサ兼表示装置に本実施形態に係る推奨行動提示システム１を実装した例を示している。この場合、腕時計型センサ兼表示装置が、生体リズム予測装置１０、生体信号計測装置２０、外部環境計測装置３０、入力装置４０、及び情報収集装置５０の各機能を備えるように実装される。

図３ｂは、衣服型センサとスマートフォンアプリケーションとして本実施形態に係る推奨行動提示システム１を実装した例を示している。この場合、例えば、衣服型センサが、生体信号計測装置２０及び外部環境計測装置３０の各機能を、スマートフォンアプリケーションが、生体リズム予測装置１０、入力装置４０、及び情報収集装置５０の各機能を備えるようにそれぞれ実装される。

図４は、図３ａの腕時計型センサ兼表示装置の表示部、又は図３ｂのスマートフォンのディスプレイに、推奨行動を提示した画面の例を示す図である。図４の例では、概日リズムを計測する計測装置と併用しているため、画面上部は、概日リズムを表すグラフが表示される。図４の画面下部に示すように、抽出したウルトラディアンリズムの生体信号の波形が実線で表示されると共に、予測されたウルトラディアンリズムの生体信号が破線で表示される。図４の画面下部のアイコンは、黒塗りの場合予定行動を示し、白抜きの場合推奨行動を示す。また、アイコンが三日月の場合は就寝を、雫の場合は入浴を示す。図４のように、予定行動が黒塗りの三日月である場合、すなわち、２３時頃の就寝が予定される。この場合、当該時刻に予測されたウルトラディアンリズムの生体信号に基づき、推奨行動として２１時半頃に白抜きの雫、すなわち入浴が表示される。

＜生体リズム予測装置１０の動作＞
次に、図５を参照して、本実施形態の生体リズム予測装置１０の生体情報蓄積処理ルーチンについて説明する。

まず、ステップＳ１００において、取得部１００は、生体信号計測装置２０により計測された生体信号と、生体信号計測装置２０により計測されたユーザの活動量、外部環境計測装置３０により計測された外部環境情報、及び入力装置４０により受け付けられた行動指標を含む影響要因とを取得する。

ステップＳ１１０において、取得部１００は、上記ステップＳ１００により取得した行動指標及び影響要因を記憶部１１０に格納する。

ステップＳ１２０において、学習部１４０は、予め格納した複数の生体信号及び影響要因に基づいて、ユーザのウルトラディアンリズムよりも長周期の生体信号及び影響要因に基づいて表される影響要因モデル波形が、当該長周期の生体信号に一時的に影響する波形となるように、影響要因モデル波形のパラメータを学習する。

ステップＳ１３０において、学習部１４０は、学習した各時刻の影響要因モデル波形を、記憶部１１０に格納し、ステップＳ１００に戻る。

また、次に、図６を参照して、本実施形態の生体リズム予測装置１０の生体リズム予測処理ルーチンについて説明する。

ステップＳ２００において、入力部１５０は、ユーザが行う予定の行動である予定行動の入力を受け付ける。

ステップＳ２１０において、抽出部１２０は、記憶部１１０に格納された生体信号及び影響要因を取得する。

ステップＳ２２０において、抽出部１２０は、上記ステップＳ２１０により取得した生体信号及び影響要因からウルトラディアンリズムよりも長い周期成分を、ハイパスフィルタ等を用いて除去する。

ステップＳ２３０において、抽出部１２０は、長い周期成分を除去した生体信号の波形Ｓ_ｒと長い周期成分を除去した影響要因に基づく波形との差分波形Ｓ_ｍを用いて、ウルトラディアンリズム波形を表す式を最適化する

ステップＳ２４０において、抽出部１２０は、長い周期成分を除去した生体信号の波形Ｓ_ｒと長い周期成分を除去した影響要因に基づく波形との差分波形Ｓ_ｍを用いて、ウルトラディアンリズム波形を表す式を最適化することにより、生体信号のウルトラディアンリズム波形Ｕｅを抽出する。

ステップＳ２５０において、予測部１３０は、まず、ユーザのウルトラディアンリズムよりも長周期の生体信号及び影響要因に基づいて表される影響要因モデル波形であって、予測対象時間における影響要因モデル波形を、記憶部１１０から取得する。

ステップＳ２６０において、予測部１３０は、影響要因モデル波形と、生体信号のウルトラディアンリズム波形Ｕｅとを合成することにより、予測対象時間における影響要因の影響を反映した予測対象時間におけるウルトラディアンリズム波形Ｕｐを予測する。

ステップＳ２７０において、決定部１６０は、上記ステップＳ２４０により抽出された生体信号のウルトラディアンリズム波形Ｕｅと、上記ステップＳ２６０により予測された予測対象時間のウルトラディアンリズム波形Ｕｐと、予定行動とに基づいて、当該予定行動を行うための推奨行動を決定する。

ステップＳ２８０において、提示部１７０は、上記ステップＳ２７０により決定された推奨行動を提示し、処理を終了する。

以上説明したように、本発明の実施形態に係る生体リズム予測装置によれば、ユーザのウルトラディアンリズム周期の生体信号と、ユーザの活動量、ユーザ周辺の外部環境情報、及びユーザの生活行動に関する行動指標の少なくとも１つを含む影響要因とを取得し、ユーザが行う予定の行動である予定行動の入力を受け付け、当該生体信号から、当該影響要因に基づく影響を低減したユーザの生体信号のウルトラディアンリズム波形を抽出し、当該ウルトラディアンリズム波形と、当該影響要因とに基づいて、当該予定行動が行われる時間である予測対象時間のウルトラディアンリズム波形を予測するため、生体リズムを予測することができる。

また、生体信号のウルトラディアンリズムは、環境や行動により変化するが、覚醒期から睡眠期にかけて、概ね一定のリズムがみられる。自律神経活動を反映する体温と心拍指標とにおいて、体温低下に伴い眠気が誘発されること（参考文献１）、睡眠ステージ変化と心拍指標のリズムが連動していること（参考文献２）、睡眠ステージにより体温に関わる発汗量が変化すること（参考文献３）が報告されている。
［参考文献１］Krauchi K, et al. DOI: 10.1152/jappl.1997.83.1.134.
［参考文献２］奥平進之、睡眠学ハンドブック、日本睡眠学会編、１９９４年、ｐ．ｐ．４２－５２。
［参考文献３］林光緒、睡眠心理学、堀忠雄編、２００８年、ｐ．ｐ．５５－７０。

このため、体温や心拍指標のウルトラディアンリズムの生体信号を抽出及び予測することにより、眠気や睡眠周期の予測に応用することが可能となる。例えば、時差ボケがある場合に、予測したウルトラディアンリズムの生体信号からは、眠気が来ると予測できるが、まだ寝るべき時間でない場合には、本開示の推奨行動提示システムにより、睡眠を回避するための準備行動を提示することができる。また、シフト勤務従事者等においては、任意の時間に睡眠を取って起きたい場合がある。この場合にも、本開示の推奨行動提示システムにより、眠気を誘うための準備行動を提示することができる。

すなわち、抽出された生体信号のウルトラディアンリズム波形と、予測された予測対象時間のウルトラディアンリズム波形と、予定行動とに基づいて、予定行動を行うための推奨行動を決定し、推奨行動を提示することにより、予定行動に最適な準備行動を提示することができる。

なお、本発明は、上述した実施形態に限定されるものではなく、この発明の要旨を逸脱しない範囲内で様々な変形や応用が可能である。

例えば、上記実施形態において、生体リズム予測処理の開始処理を、予定行動の入力からとしたが、これに限定されるものではない。例えば、定期的にウルトラディアンリズム波形を予測しておき、予定行動の入力があった場合に、推奨行動を決定して提示する構成としてもよい。

また、情報収集装置５０は、インターネット（図示しない）を介して、予定行動を行う場所・時刻に基づいて、天候情報を取得し、取得した天候情報を予定行動に含めることとしてもよい。この場合、学習部１４０は、学習時において、季節や加齢変化も考慮して各時刻の影響要因モデル波形を学習する構成としてもよい。

また、本願明細書中において、プログラムが予めインストールされている実施形態として説明したが、当該プログラムを、コンピュータ読み取り可能な記録媒体に格納して提供することも可能である。

１ 推奨行動提示システム
１０ 生体リズム予測装置
２０ 生体信号計測装置
３０ 外部環境計測装置
４０ 入力装置
５０ 情報収集装置
１００ 取得部
１１０ 記憶部
１２０ 抽出部
１３０ 予測部
１４０ 学習部
１５０ 入力部
１６０ 決定部
１７０ 提示部

Claims (6)

1. ユーザのウルトラディアンリズム周期の生体信号と、前記ユーザの活動量、前記ユーザ周辺の外部環境情報、及び前記ユーザの生活行動に関する行動指標の少なくとも１つを含む影響要因とを取得する取得部と、
   前記ユーザが行う予定の行動である予定行動の入力を受け付ける入力部と、
   前記生体信号から、前記影響要因に基づく影響を低減した前記ユーザの生体信号のウルトラディアンリズム波形を抽出する抽出部と、
   前記ウルトラディアンリズム波形と、前記影響要因とに基づいて、前記予定行動が行われる時間である予測対象時間のウルトラディアンリズム波形を予測する予測部と、
   を含み、
   前記抽出部は、前記生体信号の波形と前記影響要因に基づく波形との差分を用いて、ウルトラディアンリズム波形を表す式を最適化することにより、前記生体信号のウルトラディアンリズム波形を抽出する
   生体リズム予測装置。
2. ユーザのウルトラディアンリズム周期の生体信号と、前記ユーザの活動量、前記ユーザ周辺の外部環境情報、及び前記ユーザの生活行動に関する行動指標の少なくとも１つを含む影響要因とを取得する取得部と、
   前記ユーザが行う予定の行動である予定行動の入力を受け付ける入力部と、
   前記生体信号から、前記影響要因に基づく影響を低減した前記ユーザの生体信号のウルトラディアンリズム波形を抽出する抽出部と、
   前記ウルトラディアンリズム波形と、前記影響要因とに基づいて、前記予定行動が行われる時間である予測対象時間のウルトラディアンリズム波形を予測する予測部と、
   を含み、
   前記予測部は、前記ユーザのウルトラディアンリズムよりも長周期の生体信号及び影響要因に基づいて表される影響要因モデル波形であって、前記予測対象時間における前記影響要因モデル波形と、前記生体信号のウルトラディアンリズム波形とを合成することにより、前記予測対象時間におけるウルトラディアンリズム波形を予測する
   生体リズム予測装置。
3. 学習部
   を更に含み、
   前記影響要因モデル波形は、前記長周期の生体信号と、前記影響要因とを変数とする関数で表され、
   前記学習部は、予め格納した複数の前記生体信号及び前記影響要因に基づいて、前記影響要因モデル波形が、前記長周期の生体信号に一時的に影響する波形となるように、前記影響要因モデル波形のパラメータを学習し、
   前記予測部は、前記学習部により学習された前記影響要因モデル波形と、前記生体信号のウルトラディアンリズム波形とを合成することにより、前記予測対象時間における前記生体信号のウルトラディアンリズム波形を予測する
   請求項２記載の生体リズム予測装置。
4. 記憶部と、決定部と、提示部と、
   を更に含み、
   前記影響要因は、前記活動量、前記外部環境情報、及び前記行動指標であり、
   前記取得部は、前記ユーザの生体信号を計測する生体信号計測装置により計測された前記ウルトラディアンリズム周期の生体信号と、前記ユーザの前記外部環境情報を計測する外部環境計測装置により計測されたウルトラディアンリズム周期の前記外部環境情報と、前記ユーザの生活行動に関する行動指標の入力を受け付ける入力装置により受け付けられた前記行動指標とを取得し、
   前記記憶部は、前記取得部が取得した、前記生体信号、前記外部環境情報、及び前記行動指標を複数格納し、
   前記決定部は、前記抽出部により抽出された前記生体信号のウルトラディアンリズム波形と、前記予測部により予測された前記予測対象時間のウルトラディアンリズム波形と、前記予定行動とに基づいて、前記予定行動を行うための推奨行動を決定し、
   前記提示部は、前記決定部により決定された前記推奨行動を提示する
   請求項１～請求項３の何れか１項記載の生体リズム予測装置。
5. コンピュータを、
   ユーザのウルトラディアンリズム周期の生体信号と、前記ユーザの活動量、外部環境情報、及び生活行動に関する行動指標の少なくとも１つを含む影響要因とを取得する取得部、
   前記生体信号から、前記影響要因に基づく影響を低減した前記ユーザの生体信号のウルトラディアンリズム波形を抽出する抽出部、及び
   前記ウルトラディアンリズム波形と、予測対象時間における前記影響要因とに基づいて、前記予測対象時間におけるウルトラディアンリズム波形を予測する予測部
   として機能させるためのプログラムであって、
   前記抽出部は、前記生体信号の波形と前記影響要因に基づく波形との差分を用いて、ウルトラディアンリズム波形を表す式を最適化することにより、前記生体信号のウルトラディアンリズム波形を抽出する
   プログラム。
6. コンピュータを、
   ユーザのウルトラディアンリズム周期の生体信号と、前記ユーザの活動量、外部環境情報、及び生活行動に関する行動指標の少なくとも１つを含む影響要因とを取得する取得部、
   前記生体信号から、前記影響要因に基づく影響を低減した前記ユーザの生体信号のウルトラディアンリズム波形を抽出する抽出部、及び
   前記ウルトラディアンリズム波形と、予測対象時間における前記影響要因とに基づいて、前記予測対象時間におけるウルトラディアンリズム波形を予測する予測部
   として機能させるためのプログラムであって、
   前記予測部は、前記ユーザのウルトラディアンリズムよりも長周期の生体信号及び影響要因に基づいて表される影響要因モデル波形であって、前記予測対象時間における前記影響要因モデル波形と、前記生体信号のウルトラディアンリズム波形とを合成することにより、前記予測対象時間におけるウルトラディアンリズム波形を予測する
   プログラム。