JPWO2019026439A1 - 深部体温推定システム、ヒートストレス警報システム、及び、深部体温推定方法 - Google Patents

Abstract

温度センサ（２１０）は、ユーザが着用する衣服の内側の温度である衣服内温度を測定する。加速度センサ（２２０）は、ユーザに加わる加速度を検出する。処理装置（１００）は、温度センサ（２１０）により測定された衣服内温度と加速度センサ（２２０）により検出された加速度とに基づいて、ユーザの体内の温度である深部体温を推定する。

Description

本発明は、深部体温推定システム、ヒートストレス警報システム、及び、深部体温推定方法に関する。

消火活動を実施する消防士や炎天下で作業する作業者などのユーザが熱中症になることを防止することは重要である。熱中症を防止するためには、例えば、熱中症を引き起こすヒートストレスを検出し、この検出結果に応じて警報を発する方法が考えられる。

例えば、特許文献１には、温度センサにより検出された防護装備の内側温度に基づいて、ヒートストレス状況を把握する技術が記載されている。特許文献１に記載された技術では、防護装備の内側温度を把握することで熱中症の予測ができるという前提のもと、温度センサにより防護装備の内側温度を検出している。

特開２００４−３０１８０号公報

ところで、熱中症と深部体温との間には関係があることは知られている。すなわち、深部体温は熱中症をはじめとする、人体が感じるヒートストレスの危険性を示す指標となりうるものである。しかし、先行技術では深部体温を直接予測するものではなく、熱中症の予測精度としては十分なものではなかった。また、深部体温を測定するためには温度測定プローブを口腔、耳、あるいは肛門より体内に挿入する必要があり、ユーザの作業中に深部体温を測定することは困難であった。

本発明は、上記問題に鑑みてなされたものであり、ユーザの深部体温を精度良く推定することが可能な深部体温推定システム、ヒートストレス警報システム、及び、深部体温推定方法を提供することを目的とする。

上記目的を達成するために、本発明の第１の観点に係る深部体温推定システムは、
ユーザが着用する衣服の内側の温度である衣服内温度を測定する温度センサと、
前記ユーザに加わる加速度を検出する加速度センサと、を備え、
前記ユーザの体内の温度である深部体温を推定する。

前記温度センサにより測定された衣服内温度と前記加速度センサにより検出された加速度とに基づいて、前記深部体温を推定する深部体温推定手段を更に備えていてもよい。

前記加速度センサにより検出された加速度に基づいて、前記ユーザの体内で産出される熱量である産熱量を推定する産熱量推定手段を更に備え、
前記深部体温推定手段は、前記温度センサにより測定された衣服内温度と前記産熱量推定手段により推定された産熱量とに基づいて、前記深部体温を推定してもよい。

前記深部体温推定手段は、前記衣服内温度と前記産熱量と前記深部体温との対応関係を示す数理モデルを用いて、前記深部体温を推定してもよい。

前記数理モデルは、
前記ユーザの筋肉が有する熱量である第１の熱量の変化量を、前記産熱量と前記ユーザの筋肉から前記ユーザの血液に供給される熱流量である第１の熱流量との差で示す第１の式と、
前記ユーザの血液が有する熱量である第２の熱量の変化量を、前記第１の熱流量と前記ユーザの血液から前記衣服の内側に供給される熱流量である第２の熱流量との差で示す第２の式と、
前記第１の熱流量を、前記ユーザの筋肉から前記ユーザの血液への熱抵抗値である第１の熱抵抗値に対する、前記ユーザの筋肉の温度である第１の温度の変化量と前記ユーザの血液の温度である第２の温度の変化量との差の割合で示す第３の式と、
前記第２の熱流量を、前記ユーザの血液から前記衣服の内側への熱抵抗値である第２の熱抵抗値に対する、前記第２の温度の変化量と前記衣服内温度の変化量との差の割合で示す第４の式と、
前記第１の温度の変化量を、前記ユーザの筋肉が有する熱容量である第１の熱容量に対する前記第１の熱量の割合で示す第５の式と、
前記第２の温度の変化量を、前記ユーザの血液が有する熱容量である第２の熱容量に対する前記第２の熱量の割合で示す第６の式と、を含む連立微分方程式により表され、
前記深部体温推定手段は、前記第２の温度を前記深部体温として推定してもよい。

前記第１の熱容量と前記第２の熱容量とは、前記ユーザの身体上の特徴に基づく値であり、
前記第１の熱抵抗値と前記第２の熱抵抗値とは、予め定められた値であってもよい。

前記ユーザの周囲の気圧を検出する気圧センサを更に備え、
前記産熱量推定手段は、前記加速度センサにより検出された加速度と前記気圧センサにより検出された気圧とに基づいて、前記産熱量を推定してもよい。

前記ユーザに加わる角速度を検出する角速度センサと、
前記ユーザの周囲の磁場の方向を検出する磁気センサと、を更に備え、
前記加速度センサと前記角速度センサと前記磁気センサとは、相互に固定されており、
前記産熱量推定手段は、前記加速度センサにより検出された加速度と前記角速度センサにより検出された角速度と前記磁気センサにより検出された方向とに基づいて、前記産熱量を推定してもよい。

前記深部体温推定手段により推定された深部体温に基づいて、前記ユーザの異常を報知する報知手段を更に備えてもよい。

前記衣服が、遮熱効果を有する衣服であってもよい。

前記遮熱効果が、ＩＳＯ９１５１に準拠した方法で測定されるＨＴＩ２４が３秒以上であることを満たしてもよい。

前記衣服が、ＪＩＳ Ｌ １０９６に準拠した方法であってフラジール形試験機を用いた方法で測定される通気度の値が１．０ｃｍ^３／ｃｍ^２／ｓ以下であってもよい。

前記衣服が、ＪＩＳ Ｌ １０９９に準拠した方法であってカップ法により測定される透湿度の値が１０００ｇ／ｍ^２／ｈ以下であってもよい。

前記衣服の熱伝導率が、１ｋｃａｌ／ｈ／ｍ／℃以下であってもよい。

上記目的を達成するために、本発明の第２の観点に係るヒートストレス警報システムは、
ユーザが着用する衣服の内側の温度である衣服内温度と前記ユーザに加わる加速度とに基づいて、前記ユーザの体内の温度である深部体温を推定する深部体温推定手段と、
前記深部体温推定手段により推定された深部体温に基づいて、警報を発する警報手段と、を備える。

上記目的を達成するために、本発明の第３の観点に係る深部体温推定方法は、
ユーザが着用する衣服の内側の温度である衣服内温度を測定し、
前記ユーザに加わる加速度を検出し、
前記測定された衣服内温度と前記検出された加速度とに基づいて、前記ユーザの体内の温度である深部体温を推定する。

本発明によれば、ユーザの深部体温を精度良く推定することができる。

本発明の実施形態に係る深部体温推定システムの構成図 本発明の実施形態に係る処理装置の構成図 各モジュールの格納場所を示す図 数理モデルの説明図 本発明の実施形態に係る処理装置が実行する深部体温推定処理を示すフローチャート 被験者の基本データを示す図 実施例１の結果データを示す図 実測値と算出値との関係を示す図 実施例２の結果データを示す図 実施例３の結果データ１を示す図 体重とＣ１との関係を示す図 実施例３の結果データ２を示す図 実施例４の結果データ１を示す図 実施例４の結果データ２を示す図 実施例５の結果データを示す図 実施例の最終結果データを示す図

以下、本発明の実施形態について、図面を参照して説明する。なお、図中において、同一又は対応する部分には、同一の符号を付す。

（実施形態）
図１は、本発明の実施形態に係る深部体温推定システム１０００の構成図である。深部体温推定システム１０００は、ユーザの体の中心部の体温（以下「深部体温」という。）を推定するシステムである。より詳細には、深部体温推定システム１０００は、ユーザの動作により発生する熱量（以下「産熱量」という。）と、ユーザとユーザが着用する衣服との間の空間の温度（以下「衣服内温度」という。）と、を用いた数理モデルを用いて、ユーザの深部体温を推定するシステムである。

また、深部体温推定システム１０００は、深部体温を推定する機能に加え、深部体温から熱中症のおそれがある場合に警報を発する機能を有する。本実施形態では、ユーザは、消防活動を実施する消防士であり、衣服として防火服を着用しているものとする。ただし、ユーザは、消防士ではなく、炎天下で作業する作業者であってもよい。また、ユーザが着用する衣服は、防火服に限定されない。ただし、ユーザが着用する衣服は、一般の衣服よりも、遮熱効果が高い衣服であることが望ましい。

ここで言う遮熱効果の指標である遮熱性とは、例えば衣服に用いられている布帛が、ＩＳＯ９１５１に準拠した方法により、規定の火炎に暴露し、温度上昇が２４℃に達するまでの時間（ＨＴＩ２４）が３秒以上であることを満たすことが挙げられるが、これに限定されない。

また、遮熱効果が高い衣服としては、例えば特開２０１４−０９１３０７号公報や特開２０１１−１０６０６９号公報に記載された多層構造布帛を有する衣服が挙げられる。すなわち、外層および内層の２層以上からなる積層布帛を有する衣服であることが好適である。積層布帛の各層の厚みは、遮熱性に大きく影響する。このため、例えば、特開２０１０−２５５１２４号公報に記載されているように、表地層の厚みと内層の厚みは、下記式を満足する布帛を用いた衣服であることが好ましいが、これに限定されない。
５．０ｍｍ≧遮熱層厚み（ｍｍ）≧−２９．６×（表地層厚み（ｍｍ））＋１４．１（ｍｍ）

多層構造布帛においては、火炎暴露下において定常時と布帛形態が変化するものであっても良い。例えば、火炎暴露下において布帛厚みが増加することが考えられる。また、衣服を構成する布帛の遮熱性は、ＩＳＯ９１５１に準拠した方法で測定してＨＴＩ２４が３秒以上であることが好ましい。ＨＴＩ２４は、規定の火炎に暴露した場合において、温度上昇が２４℃に達するまでの時間である。

また、多層構造布帛においては、上記温度センサを保護する為、難燃性の高い繊維素材であることが好ましい。例えば、多層構造布帛を構成する繊維の限界酸素指数（ＬＯＩ）が２１以上であり、好ましくは２４以上である。限界酸素指数とは燃焼継続するのに必要な雰囲気の酸素濃度（％）であり、２１以上であると通常の空気中では燃焼が継続せずに自己消火することを意味し、高い耐熱性を発揮することができる。ここで、限界酸素指数（ＬＯＩ）は、ＪＩＳ Ｌ１０９１（Ｅ法）により測定された値である。

このように、最外層が限界酸素指数（ＬＯＩ）２１以上の繊維を用いることにより、高い耐熱性を発揮することができる。上記繊維としては、例えば、メタ型アラミド繊維、パラ型アラミド繊維、ポリベンゾイミダゾール繊維、ポリイミド繊維、ポリアミドイミド繊維、ポリエーテルイミド繊維、ポリアリレート繊維、ポリパラフェニレンベンゾビスオキサゾール繊維、ノボロイド繊維、ポリクラール繊維、難燃アクリル繊維、難燃レーヨン繊維、難燃ポリエステル繊維、難燃綿繊維、難燃ウール繊維などを挙げることができる。

特に、ポリメタフェニレンイソフタルアミドなどのメタ系アラミド繊維や、織物や編物強度を向上させる目的でパラ系のアラミド繊維、すなわち、ポリパラフェニレンテレフタルアミド、あるいは、これに第３成分を共重合した繊維などを用いることが有用である。ポリパラフェニレンテレフタルアミド共重合体の一例として、コポリパラフェニレン・３．４’−オキシジフェニレンテレフタルアミドが例示される。ただし、難燃性を阻害しない範囲で、ポリエステル繊維やポリアミド繊維、ナイロン繊維、アクリル繊維などの易撚素材を混用しても構わない。また、繊維は原着繊維であっても、後染め繊維であっても構わない。また、必要に応じて、布帛を製織後に難燃加工を付与しても構わない。

上述した繊維には、長繊維または短繊維を用いてもよい。また、上記繊維を２種類以上混繊または混紡して用いてもよい。特に、外層に用いられる布帛として、本発明において、メタ系アラミド繊維とパラ系アラミド繊維はフィラメントあるいは混紡して紡績糸の形態で使用するものが好ましく例示される。使用される紡績糸はシングルプライ、ダブルプライであってもよい。該パラ系のアラミド繊維の混合比率としては、布帛を構成する全繊維に対して５重量％以上が好ましいが、パラ系のアラミド繊維は、フィブリル化を起こしやすいため、混合比率を６０重量％以下に抑えることが好ましい。

上記布帛は、織物、編物、不織布などの形態で用いてもよいが、特に織物が好ましい。また、織物としては、平織、綾織、朱子織など、どのような織組織であってもよい。また、織物、編物では、２種類の繊維を用い、交織、交編させてもよい。なお、最外層（表地層）に用いる布帛は、目付けが、好ましくは１４０〜５００ｇ／ｍ^２、より好ましくは１６０〜４００ｇ／ｍ^２、さらに好ましくは２００〜４００ｇ／ｍ^２の範囲にあるものを使用することが好ましい。上記目付けが１４０ｇ／ｍ^２未満の場合には、十分な耐熱性能が得られないおそれがあり、一方該目付けが５００ｇ／ｍ^２を超える場合には、遮熱活動服にした場合の着用感が阻害されるおそれがある。

多層構造布帛においては、内層が、引張弾性率が８０〜８００ｃＮ／ｄｔｅｘ、該布帛の熱伝導率が６．０Ｗ・ｍ^−１・ｋ^−１以下、好ましくは５．０Ｗ・ｍ^−１・ｋ^−１以下、かつ密度が３．０ｇ／ｃｍ^３以下の繊維で構成された布帛であり、８００〜３０００ｎｍの波長の電磁波の透過率が１０％以下であり、かつ目付けが６０〜５００ｇ／ｍ^２であることが好ましい。

また、繊維の引張弾性率は、８０〜８００ｃＮ／ｄｔｅｘ（より好ましくは８０〜５００ｃＮ／ｄｔｅｘ、さらに好ましくは１２０〜５００ｃＮ／ｄｔｅｘ）であることが好ましい。引張弾性率が８０ｃＮ／ｄｔｅｘ未満の場合、遮熱活動服などとして使用する場合に、着用者の動きや姿勢によっては一部の部位で繊維が伸びて、布帛が薄くなり十分な遮熱効果が得られない場合がある。また、引張弾性率が８００ｃＮ／ｄｔｅｘを超える場合、いわゆる「突っ張る」着用感を与える場合がある。紡績糸を用いることによりこれを避けることも可能な場合もあるが、十分な効果を発揮するには引張弾性率が８００ｃＮ／ｄｔｅｘ以下であることが好ましい。

多層構造布帛において、布帛の目付けは６０〜５００ｇ／ｍ^２（より好ましくは８０〜４００ｇ／ｍ^２、さらに好ましくは１００〜３５０ｇ／ｍ^２）であることが好ましい。目付けが６０ｇ／ｍ^２より低いと電磁波の透過を十分に防ぐことができない場合がある。一方、目付けが５００ｇ／ｍ^２より高いと、熱を溜め込む傾向が顕著になり遮熱性を阻害するおそれがあり、軽量性も損なわれるおそれがある。

上記の多層構造布帛を構成する繊維には、特に限定を受けるものではない。電磁波の吸収や反射を向上させるために、金属やカーボンなどを練り込んだり、表面付着させたりしたものを用いることも可能である。上記繊維としては、炭素繊維を用いることもができるが、アラミド繊維、ポリベンゾイミダゾール繊維、ポリイミド繊維、ポリアミドイミド繊維、ポリエーテルイミド繊維、ポリアリレート繊維、ポリパラフェニレンベンゾビスオキサゾール繊維、ノボロイド繊維、ポリクラール繊維、難燃アクリル繊維、難燃レーヨン繊維、難燃ポリエステル繊維、難燃綿繊維、難燃ウール繊維などの有機高分子からなる繊維（以下、有機高分子繊維と称することがある）を好適に挙げることができる。

多層構造布帛においては、電磁波吸収率と熱伝導率の改良のため、カーボン、金、銀、銅、アルミニウムなどの微粒子を、有機高分子繊維に含有させたり、有機高分子繊維の表面に付着させたりすることができる。この際、カーボン等は、これを含有する顔料または塗料として有機高分子繊維に含有または表面に付与等してもよい。これらの微粒子の有機高分子繊維の全重量に対する含有率または付着率は、微粒子の比重等にもよるが、好ましくは０．０５〜６０重量％、より好ましくは０．０５〜４０重量％である。また、カーボン微粒子の場合は、好ましくは０．０５重量％以上、より好ましくは０．０５〜１０重量％、さらに好ましくは０．０５重量％以上５重量％未満である。さらに、アルミニウム微粒子の場合は、好ましくは１重量％以上、より好ましくは１〜２０重量％、さらに好ましくは１〜１０重量％である。

また、上記微粒子の数平均粒子径は、好ましくは１０μｍ以下（より好ましくは０．０１〜１μｍ）である。炭素繊維や金属繊維など、それ自体が上記のＬＯＩ値や熱伝導性等の要件を満たせば、微粒子を練り込んだりすることなく、そのまま用いることもできる。特に、内層を構成する繊維としては、炭素繊維や金属繊維の含有率が好ましくは５０重量％以上、より好ましくは８０重量％以上、さらに好ましくは１００重量％からなる布帛を例として挙げることができる。

多層構造布帛には、上記の外層と内層の間に、中間層として、ＬＯＩ値が２５以上の繊維からなる布帛に透湿防水性フィルムを積層固着したものを配することも可能である。これにより布帛構造体としての快適性を保持したまま外からの水の浸入を抑えることができるため、放水などが行われる消防活動を行う消防隊員用の防護服としてより好適である。用いる中間層の目付けは、５０〜２００ｇ／ｍ^２の範囲にあるものを使用することが好ましい。目付が５０ｇ／ｍ^２未満の場合には、十分な遮熱性能が得られない恐れがあり、一方該目付けが２００ｇ／ｍ^２を超える場合には、遮熱活動服にした場合の着用感が阻害されるおそれがある。

この布帛は、透湿防水性のあるポリテトラフルオロエチレン等からなる薄膜フィルムをラミネート加工されていることが好ましく、これにより透湿防水性や耐薬品性が向上し、着用者の汗の蒸散を促進することができ、着用者のヒートストレスを減少することができる。上記の中間層にラミネート加工する薄膜フィルムの単位面積あたりの目付けは１０〜５０ｇ／ｍ^２の範囲とすることが好ましい。なお、このように中間層の布帛に薄膜フィルムをラミネート加工する場合でも、該加工を施した中間層の布帛の目付けが前述した５０〜２００ｇ／ｍ^２の範囲にあることが好ましい。

さらに、本実施形態においては通気度の低い生地を用いられていることが望ましい。望ましくはＪＩＳ Ｌ １０９６（フラジール形試験機）で測定した値が１．０ｃｍ^３／ｃｍ^２／ｓ以下であり、さらに望ましくは０．０１ｃｍ^３／ｃｍ^２／ｓ以下である。

さらに、本実施形態においては透湿度の低い生地を用いられていることが望ましい。望ましくはＪＩＳ Ｌ １０９９（カップ法）で測定した値が１０００ｇ／ｍ^２／ｈ以下であり、さらに望ましくは１０ｇ／ｍ^２／ｈ以下である。

さらに、本実施形態においては熱伝導率の低い生地を用いられていることが望ましい。望ましくは１ｋｃａｌ／ｈ／ｍ／℃以下であり、さらに望ましくは１ｃａｌ／ｈ／ｍ／℃以下である。

図１に示すように、深部体温推定システム１０００は、処理装置１００と、温度センサ２１０と、加速度センサ２２０と、気圧センサ２３０と、角速度センサ２４０と、磁気センサ２５０と、ブザー３００と、端末装置４００と、を備える。処理装置１００と各種のセンサ（温度センサ２１０、加速度センサ２２０、気圧センサ２３０、角速度センサ２４０、磁気センサ２５０）とは相互に接続される。また、処理装置１００とブザー３００とは相互に接続され、処理装置１００と端末装置４００とは図示しないネットワークを介して相互に接続される。

処理装置１００は、深部体温推定システム１０００の中核をなすモジュールである。処理装置１００は、例えば、マイクロコンピュータ、パーソナルコンピュータである。処理装置１００は、予め定められた数理モデルを用いて、各種のセンサから取得した情報からユーザの深部体温を推定する。また、処理装置１００は、ユーザが熱中症になる可能性が高いと判別した場合、つまり、推定した深部体温が異常であると判別した場合、音、光、画面表示により警報を発する。処理装置１００は、自ら警報を発してもよいし、ブザー３００や端末装置４００に警報を発させてもよい。以下、図２を参照して、処理装置１００の構成について説明する。

図２に示すように、処理装置１００は、ＣＰＵ（Central Processing Unit）１１、ＲＯＭ（Read Only Memory）１２、ＲＡＭ（Random Access Memory）１３、フラッシュメモリ１４、ＲＴＣ（Real Time Clock）１５、タッチスクリーン１６、第１の通信インターフェース１７、第２の通信インターフェース１８を備える。処理装置１００が備える各構成要素は、バスを介して相互に接続される。

ＣＰＵ１１は、処理装置１００の全体の動作を制御する。なお、ＣＰＵ１１は、ＲＯＭ１２に格納されているプログラムに従って動作し、ＲＡＭ１３をワークエリアとして使用する。ＲＯＭ１２には、処理装置１００の全体の動作を制御するためのプログラムやデータが記憶される。ＲＡＭ１３は、ＣＰＵ１１のワークエリアとして機能する。つまり、ＣＰＵ１１は、ＲＡＭ１３にプログラムやデータを一時的に書き込み、これらのプログラムやデータを適宜参照する。深部体温推定手段の機能と産熱量推定手段の機能とは、例えば、ＣＰＵ１１がＲＡＭ１３をワークエリアとして使用してＲＯＭ１２に格納されたプログラムを実行することにより実現される。

フラッシュメモリ１４は、各種の情報を記憶する不揮発性メモリである。ＲＴＣ１５は、計時用のデバイスである。ＲＴＣ１５は、例えば、電池を内蔵し、処理装置１００の電源がオフの間も計時を継続する。ＲＴＣ１５は、例えば、水晶発振子を備える発振回路を備える。タッチスクリーン１６は、ユーザによりなされたタッチ操作を検知し、検知の結果を示す信号をＣＰＵ１１に供給する。また、タッチスクリーン１６は、ＣＰＵ１１から供給された画像信号に基づく画像を表示する。このように、タッチスクリーン１６は、処理装置１００のユーザインターフェースとして機能する。

第１の通信インターフェース１７は、処理装置１００を、図示しないネットワーク（例えば、インターネット）に接続するためのインターフェースである。処理装置１００は、図示しないネットワークを介して端末装置４００と通信する。第１の通信インターフェース１７は、例えば、無線ＬＡＮ（Local Area Network）用のインターフェースである。

第２の通信インターフェース１８は、処理装置１００を、各種のセンサやブザー３００と接続するためのインターフェースである。第２の通信インターフェース１８は、図示しない通信ケーブルを介して各種のセンサやブザー３００に接続されてもよいし、無線通信により各種のセンサやブザー３００に接続されてもよい。第２の通信インターフェース１８は、無線ＬＡＮ用のインターフェースであってもよいし、ＵＳＢ（Universal Serial Bus）やＲＳ−２３２（Recommended Standard 232）に準拠したインターフェースであってもよい。

温度センサ２１０は、周囲の温度を測定するセンサである。温度センサ２１０は、例えば、衣服の内部に配置され、衣服内温度を測定する。温度センサ２１０は、測定した衣服内温度を示す情報（以下「温度情報」という。）を処理装置１００に供給する。温度センサ２１０は、例えば、水銀式温度計、アルコール式温度計、サーミスタ式温度計、赤外線式温度計、測温抵抗体、ＣＭＯＳ（ＣｏｍｐｌｅｍｅｍｙａｒｙＭＯＳ）温度センサである。

加速度センサ２２０は、加速度センサ２２０に加わる加速度を測定するセンサである。加速度センサ２２０は、ユーザや衣服に装着され、ユーザに加わる加速度、つまり、ユーザの動作により加速度センサ２２０に生じる加速度を測定する。加速度センサ２２０は、ＸＹＺ軸の３軸の加速度を測定する加速度センサであるものとする。加速度センサ２２０は、Ｘ軸の加速度とＹ軸の加速度とＺ軸の加速度とを示す情報（以下「加速度情報」という。）を、処理装置１００に供給する。加速度センサ２２０は、例えば、半導体方式の加速度センサ、機械的変位測定方式の加速度センサ、光学的方式の加速度センサである。半導体方式の加速度センサは、ＭＥＭＳ（Micro Electro Mechanical Systems）技術を用いた加速度センサであり、例えば、静電容量型の加速度センサ、ピエゾ抵抗型の加速度センサ、ガス温度分布型の加速度センサである。

気圧センサ２３０は、周囲の気圧を測定するセンサである。気圧センサ２３０は、例えば、衣服の外部に配置され、ユーザの周囲の気圧を測定する。気圧センサ２３０は、測定した気圧を示す情報（以下「気圧情報」という。）を処理装置１００に供給する。気圧センサ２３０は、例えば、半導体を用いた電気式気圧センサであり、静電容量式の気圧センサ、振動式のセンサである。

角速度センサ２４０は、角速度センサ２４０に加わる角速度を測定するセンサである。角速度センサ２４０は、例えば、ユーザや衣服に装着され、ユーザに加わる角速度、つまり、ユーザの動作により角速度センサ２４０に生じる角速度を測定する。角速度センサ２４０は、ＸＹＺ軸の３軸の加速度を測定する加速度センサであるものとする。角速度センサ２４０は、測定した角速度を示す情報（以下「角速度情報」という。）を、処理装置１００に供給する。角速度センサ２４０は、例えば、水晶発振子や圧電セラミック素子を用いて、コリオリの力によって生じるひずみを電気信号として取り出すジャイロセンサである。

磁気センサ２５０は、周囲の磁場の大きさや方向を検出するセンサである。磁気センサ２５０は、例えば、ユーザや衣服に装着され、地磁気（地球により生じる磁場）を検出し、方角を検出する。磁気センサ２５０は、検出した方角を示す情報（以下「方角情報」という。）を、処理装置１００に供給する。磁気センサ２５０は、例えば、ホール素子、磁気抵抗効果素子、磁気インピーダンス素子を備える。

ブザー３００は、処理装置１００による制御に従って、警報を発する。この警報は、例えば、推定された深部体温が予め定められた閾値よりも高い場合、あるいは、推定された深部体温が予め定められた値を超えて上昇した（例えば、１．５℃以上）場合、ユーザが熱中症になる可能性があることをユーザに知らせる音である。ブザー３００は、電磁石と振動板とを備え、処理装置１００から供給された電気信号に従って、音を発する。警報手段の機能は、例えば、処理装置１００とブザー３００とが協働することにより実現される。

端末装置４００は、処理装置１００のユーザインターフェースとして機能する装置である。端末装置４００は、例えば、処理装置１００による制御に従って、音又は画面表示により警報を発する。端末装置４００は、例えば、図示しない、ＣＰＵ、ＲＯＭ、ＲＡＭ、フラッシュメモリ、通信インターフェースを備える。端末装置４００は、例えば、スマートフォン、タブレット端末、スマートウォッチ、ヘッドマウントディスプレイである。

次に、図３を参照して、処理装置１００、各種のセンサ、ブザー３００の配置例について説明する。図３は、処理装置１００、各種のセンサ、ブザー３００が、衣服５００に装着されている様子を示す図である。図３には、衣服５００が、裏地５１０と表地５２０とを備え、裏地５１０と表地５２０との間に、空間５３０を有する例が示されている。衣服５００は、空間５３０を有することにより、衣服５００の内側の空間（衣服５００とユーザが着用する下着６００との間の空間）である空間５４０と、衣服５００の外側の空間である空間５５０との間の断熱性を高めている。また、表地５２０は、断熱性の高い素材で構成される。

裏地５１０には、内ポケット５１１が設けられ、表地５２０には、外ポケット５２１が設けられている。処理装置１００、各種のセンサ、ブザー３００は、例えば、内ポケット５１１と外ポケット５２１とのいずれか一方に収容される。温度センサ２１０は、衣服内温度を測定するために、内ポケット５１１に収容される。気圧センサ２３０は、衣服５００の内側の気圧よりも衣服５００の外側の気圧を測定する方が好ましいため、外ポケット５２１に収容される。ブザー３００は、警報がユーザに伝わりやすいように、外ポケット５２１に収容される。

処理装置１００と加速度センサ２２０と角速度センサ２４０と磁気センサ２５０とは、内ポケット５１１と外ポケット５２１とのいずれに収容されてもよい。ただし、加速度センサ２２０により検出される加速度の軸や角速度センサ２４０により検出される角速度の軸は、磁気センサ２５０により検出された方向を基準として決定される。このため、加速度センサ２２０と角速度センサ２４０と磁気センサ２５０とは、互いの位置関係が変化しないように、互いに固定される。本実施形態では、処理装置１００と温度センサ２１０と加速度センサ２２０と角速度センサ２４０と磁気センサ２５０とが、互いの位置関係が変化しないように、互いに固定されるものとする。

次に、図４を参照して、深部体温の推定に用いられる数理モデルについて説明する。数理モデルは、以下に示す式（１）から式（６）までの６つの式により構成される連立微分方程式により表現される。第１の式は、例えば、式（１）に対応する。第２の式は、例えば、式（２）に対応する。第３の式は、例えば、式（３）に対応する。第４の式は、例えば、式（４）に対応する。第５の式は、例えば、式（５）に対応する。第６の式は、例えば、式（６）に対応する。

ｄＱ１／ｄｔ＝Ｆ０−Ｆ１ 式（１）
ｄＱ２／ｄｔ＝Ｆ１−Ｆ２ 式（２）
Ｆ１＝（Ｔ１−Ｔ２）／Ｒ１ 式（３）
Ｆ２＝（Ｔ２−Ｔ３）／Ｒ２ 式（４）
Ｔ１＝Ｑ１／Ｃ１ 式（５）
Ｔ２＝Ｑ２／Ｃ２ 式（６）

式（１）は、第１の熱量の変化量を、産熱量と第１の熱流量との差で表す式である。第１の熱量は、ユーザの筋肉が有する熱量である。第１の熱流量は、ユーザの筋肉からユーザの血液に供給される熱流量である。Ｑ１は、第１の熱量であり、ｄＱ１／ｄｔは、単位時間当たりの第１の熱量の変化量である。単位時間は、例えば、１分間、１０秒間、１秒間である。以下、単位時間は、１分間を意味するものとする。Ｆ０は、産熱量である。産熱量に関しては、後述する。Ｆ１は、第１の熱流量である。式（１）は、筋肉が有する熱量の変化量は、筋肉に入ってくる熱流量である産熱量と、筋肉から血液に出ていく熱流量との差で定義されることを示している。

式（２）は、第２の熱量の変化量を、第１の熱流量と第２の熱流量との差で表す式である。第２の熱量は、ユーザの血液が有する熱量である。第２の熱流量は、ユーザの血液から衣服５００の内側に供給される熱流量である。Ｑ２は、第２の熱量であり、ｄＱ２／ｄｔは、単位時間当たりの第２の熱量の変化量である。Ｆ２は、第２の熱流量である。式（２）は、血液が有する熱量の変化量は、筋肉から血液に入ってくる熱流量と、血液から衣服５００の内側に出ていく熱流量との差で定義されることを示している。

式（３）は、第１の熱流量を、第１の熱抵抗値に対する、第１の温度の変化量と第２の温度の変化量との差の割合で表す式である。第１の熱抵抗値は、ユーザの筋肉からユーザの血液への熱抵抗値であり、筋肉から血液への熱の伝わりにくさを示す値である。第１の温度は、ユーザの筋肉の温度である。第２の温度は、ユーザの血液の温度である。Ｒ１は、第１の熱抵抗値である。Ｔ１は、単位時間当たりの第１の温度の変化量である。Ｔ２は、単位時間当たりの第２の温度の変化量である。式（３）は、筋肉から血液に流れる熱流量が、筋肉の温度の変化量と血液の温度の変化量との差と、筋肉から血液への熱の伝わりにくさとの比で定義されることを示している。

式（４）は、第２の熱流量を、第２の熱抵抗値に対する、第２の温度の変化量と衣服内温度の変化量との差の割合で表す式である。第２の熱抵抗値は、ユーザの血液から衣服５００の内側への熱抵抗値であり、血液から衣服の内側への熱の伝わりにくさを示す値である。Ｒ２は、第２の熱抵抗値である。Ｔ３は、単位時間当たりの衣服内温度の変化量である。式（４）は、筋肉から血液に流れる熱流量が、筋肉の温度の変化量と血液の温度の変化量との差と、筋肉から血液への熱の伝わりにくさとの比で定義されることを示している。

式（５）は、第１の温度の変化量を、第１の熱容量に対する第１の熱量の割合で示す式である。第１の熱容量は、ユーザの筋肉が有する熱容量である。Ｃ１は、第１の熱容量である。式（５）は、筋肉の温度変化が、筋肉の熱容量と筋肉が有する熱量との比で定義されることを示している。

式（６）は、第２の温度の変化量を、第２の熱容量に対する第２の熱量の割合で示す式である。第２の熱容量は、ユーザの血液が有する熱容量である。Ｃ２は、第２の熱容量である。式（６）は、血液の温度変化が、血液の熱容量と血液が有する熱量との比で定義されることを示している。

図４は、筋肉において産熱量（Ｆ０）の熱が発生すると、第１の熱抵抗値（Ｒ１）に応じた速度で、筋肉から血液に向けて第１の熱流量（Ｆ１）の熱が流れ、第２の熱抵抗値（Ｒ２）に応じた速度で、血液から衣服５００の内側に向けて第２の熱流量（Ｆ２）の熱が流れる様子を示している。ここで、産熱量と衣服内温度とに基づいて、第２の温度が推定され、第２の温度が深部体温として推定される。つまり、本実施形態では、ユーザの血液の温度である第２の温度が、ユーザの深部体温と見做される。

なお、本実施形態では、Ｆ０が加速度情報と気圧情報とから求められ、Ｔ３が温度情報から求められ、Ｒ１、Ｒ２、Ｃ１、Ｃ２が固定値であり、Ｑ１、Ｑ２、Ｆ１、Ｆ２、Ｔ１、Ｔ２が変数であるものとする。上記固定値は、例えば、深部体温の算出値の時間変化を示す算出値波形と、深部体温の実測値の時間変化を示す実測値波形との相関係数が、最も１に近いときの値により決定される。或いは、この固定値は、この相関係数が最も１に近い時の値と、ユーザの身体上の特徴に基づく値、例えば、ユーザの体重などに基づく値との相関式により算出することも可能である。

ここで、産熱量を求める手法について説明する。産熱量は、基本的に、運動時におけるユーザの加速度から求めることができる。ただし、産熱量は、ユーザの加速度だけではなく、ユーザの高さ方向における移動量も考慮した方が、正確に求めることが期待できる。そこで、本実施形態では、産熱量を、ユーザの加速度とユーザの高さ方向における移動量とから求める手法について説明する。この手法に関しては、特開２００８−２２０５１７号公報に詳細に説明されているため、ここでは、要約して説明する。産熱量は、例えば、以下に示す式（７）から式（１０）の４つの式から求められる。

ＶＭ＝Σ√（ｘ^２＋ｙ^２＋ｚ^２） 式（７）
ＶＯ_２＝０．０４４×ＶＭ＋１．３６５×Ｈｕ＋０．５５３×Ｈｄ 式（８）
ＥＥ＝ＶＯ２×４．８２５×ＢＷ／１０００ 式（９）
Ｆ０＝ＥＥ×０．８ 式（１０）

式（７）において、ＶＭは、ユーザの加速度の大きさを示す。厳密には、ＶＭは、単位時間に亘ってユーザに課された加速度の累積値である累積加速度の大きさを示す。ＶＭの単位は、ｍＧである。ｘは、ｘ軸方向における加速度の瞬時値である。ｙは、ｙ軸方向における加速度の瞬時値である。ｚは、ｚ軸方向における加速度の瞬時値である。ＶＭは、加速度センサ２２０から処理装置１００に供給される加速度情報に基づいて算出される。具体的には、ＶＭは、予め定められたサンプリング周期（例えば、０．１秒）毎に取得される加速度情報により示される加速度の瞬時値を、単位時間に亘って累積することにより求められる。以下、サンプリング周期は、０．１秒を意味するものとする。なお、重力加速度は、酸素消費量や産熱量に影響を与えないと考えられる。従って、上述した加速度の瞬時値は、重力加速度を除外した値であるものとする。例えば、ｚ軸方向が鉛直方向である場合、ｚ軸方向における加速度の瞬時値から重力加速度を除外した値が、式（７）においてｚとして採用される。

式（８）において、ＶＯ_２は、単位時間当たり、単位体重（例えば、１ｋｇ）当たりの酸素消費量である。ＶＯ_２の単位は、ｍＬ／ｋｇ／ｍｉｎである。Ｈｕは、単位時間当たりの累積上昇量である。Ｈｄは、単位時間当たりの累積下降量である。Ｈｕ、Ｈｄの単位は、ｍ／ｍｉｎである。Ｈｕ、Ｈｄは、予め定められたサンプリング周期毎に取得される気圧情報により示される気圧の変化量から算出可能である。なお、ユーザが高さ方向に移動した場合、気圧が変化することを利用する。つまり、ユーザが上方向に移動した場合、気圧が低下し、ユーザが下方向に移動した場合、気圧が上昇することを利用する。

式（９）において、ＥＥは、総エネルギー消費量を示す。ＥＥの単位は、ｋｃａｌ／ｍｉｎである。４．８２５は、予め定められた定数であり、単位は、ｋｃａｌ／Ｌである。ＢＷは、体重である。ＢＷの単位は、ｋｇである。１０００は、予め定められた定数であり、単位は、ｍＬ／Ｌである。

式（１０）において、Ｆ０は、単位時間当たりの産熱量である。Ｆ０の単位は、ｋｃａｌ／ｍｉｎである。０．８は、予め定められた定数である。０．８は、総消費エネルギーのうち、運動による消費分が２０％であり、熱に変換される分が８０％であることを示している。

以上説明したように、ユーザの産熱量は、ユーザに加わる加速度とユーザの上下方向の移動量とから算出可能である。つまり、ユーザの産熱量は、加速度情報と気圧情報とから求めることができる。なお、ユーザの上下方向の移動量が小さい場合、ユーザの産熱量は、ユーザに加わる加速度から算出可能であり、気圧情報は不要である。

また、角速度センサ２４０により供給される角速度情報に基づいて、ユーザの動きを正確に特定し、ユーザの産熱量の算出精度を向上させることができる。また、磁気センサ２５０により供給される方角情報に基づいて、ユーザの動きを正確に特定し、ユーザの産熱量の算出精度を向上させることができる。

次に、図５を参照して、本実施形態に係る処理装置１００が実行する深部体温推定処理について説明する。深部体温推定処理は、例えば、処理装置１００の電源が投入されたことに応答して実行される。

まず、ＣＰＵ１１は、衣服内温度の初期値を測定する（ステップＳ１０１）。例えば、ＣＰＵ１１は、温度センサ２１０から温度情報を取得し、取得した温度情報を衣服内温度の初期値を示す情報としてフラッシュメモリ１４に記憶する。

ＣＰＵ１１は、ステップＳ１０１の処理を完了すると、加速度を測定する（ステップＳ１０２）。例えば、ＣＰＵ１１は、加速度センサ２２０から加速度情報を取得し、フラッシュメモリ１４に記憶する。

ＣＰＵ１１は、ステップＳ１０２の処理を完了すると、気圧を測定する（ステップＳ１０３）。例えば、ＣＰＵ１１は、気圧センサ２３０から気圧情報を取得し、フラッシュメモリ１４に記憶する。

ＣＰＵ１１は、ステップＳ１０３の処理を完了すると、深部体温の推定タイミングであるか否かを判別する（ステップＳ１０４）。深部体温の推定タイミングは、単位時間毎に到来するタイミングであり、例えば、１分毎に到来するタイミングである。ＣＰＵ１１は、ＲＴＣ１５から供給される情報に基づいて、深部体温の推定タイミングであるか否かを判別する。ＣＰＵ１１は、深部体温の推定タイミングでないと判別すると（ステップＳ１０４：ＮＯ）、ステップＳ１０２に処理を戻す。なお、ステップＳ１０２の処理とステップＳ１０３の処理とは、サンプリング周期毎、例えば、０．１秒毎に実行されるものとする。

ＣＰＵ１１は、深部体温の推定タイミングであると判別すると（ステップＳ１０４：ＹＥＳ）、衣服内温度を測定する（ステップＳ１０５）。例えば、ＣＰＵ１１は、温度センサ２１０から温度情報を取得し、取得した温度情報を衣服内温度を示す情報としてフラッシュメモリ１４に記憶する。

ＣＰＵ１１は、ステップＳ１０５の処理を完了すると、累積加速度を算出する（ステップＳ１０６）。例えば、ＣＰＵ１１は、式（７）を用いて、ステップＳ１０２で測定された加速度から累積加速度を算出する。

ＣＰＵ１１は、ステップＳ１０６の処理を完了すると、高さ方向の移動量を算出する（ステップＳ１０７）。例えば、ＣＰＵ１１は、ステップＳ１０３で測定された気圧から高さ方向の移動量を算出する。高さ方向の移動量は、累積上昇量と累積下降量とである。

ＣＰＵ１１は、ステップＳ１０７の処理を完了すると、産熱量を算出する（ステップＳ１０８）。例えば、ＣＰＵ１１は、ステップＳ１０６で算出した累積加速度と、式（８）と、式（９）と、式（１０）とを用いて、産熱量を算出する。

ＣＰＵ１１は、ステップＳ１０８の処理を完了すると、深部体温を推定する（ステップＳ１０９）。例えば、ＣＰＵ１１は、ステップＳ１０５で測定した衣服内温度と、ステップＳ１０８で算出した産熱量と、式（１）から式（６）までの連立微分方程式とを用いて、深部体温を推定する。なお、連立微分方程式から算出されるのは、深部体温の変化量であるが、予め定められた深部体温の基準値（例えば、３７度）に深部体温の変化量を加えることにより、深部体温を算出することができる。なお、深部体温を推定することは、基本的に、深部体温の変化量を推定することと同義である。

ＣＰＵ１１は、ステップＳ１０９の処理を完了すると、深部体温が異常であるか否かを判別する（ステップＳ１１０）。例えば、ＣＰＵ１１は、深部体温が閾値を超えた場合（例えば、３９度）を超えた場合や、深部体温が予め定められた値を超えて上昇した（例えば、１．５度）場合、深部体温が異常であると判別する。ＣＰＵ１１は、深部体温が異常でないと判別すると（ステップＳ１１０：ＮＯ）、ステップＳ１０２に処理を戻す。

一方、ＣＰＵ１１は、深部体温が異常であると判別すると（ステップＳ１１０：ＹＥＳ）、警報を発する（ステップＳ１１１）。例えば、ＣＰＵ１１は、ブザー３００から警報を応じた音声を出力させる。ＣＰＵ１１は、ステップＳ１１１の処理を完了すると、深部体温推定処理を終了する。

本実施形態では、ユーザの衣服内の温度である衣服内温度とユーザの体内で産出される熱量である産熱量との対応関係を示す連立微分方程式が用いられて、衣服内温度と産熱量とから深部体温が推定される。従って、本実施形態によれば、ユーザの深部体温を精度良く推定することができる。

また、本実施形態によれば、深部体温を精度よく推定することができる。このため、推定された深部体温は、熱中症をはじめとする、人体が感じるヒートストレスの危険性の指標としても使用することができる。

また、本実施形態では、ユーザの血液の温度が、ユーザの深部体温と見做されて推定される。ここで、血液の温度は、例えば、直腸の温度よりも、深部体温に近いと考えられる。このため、本実施形態によれば、ユーザの深部体温を精度良く推定することができる。また、本実施形態では、測定対象の温度は、衣服内温度である。従って、例えば、直腸の温度を測定する場合に比べ、温度の測定が容易である。

本実施形態では、６つの式により構成される連立微分方程式により定義される数理モデルが、産熱量と衣服内温度とから深部体温を精度良く求めることができる前提で説明した。以下、実施例１から実施例３では、この数理モデルの妥当性の検証結果や、この数理モデルで用いるパラメータの決定方法について説明する。

（実施例１）
まず、実施例１における条件について説明する。実施例１では、衣服５００を着用した被験者に、深部体温としての食道温を実測するためのプローブ式深部体温測定装置（図示せず）と、衣服内温度を測定する温度センサ２１０と、加速度センサ２２０と、気圧センサ２３０と、角速度センサ２４０と、磁気センサ２５０とを装着させた。また、カプセル式発汗量測定装置、マスク型酸素摂取量測定装置なども使用した。被験者は、Ｓ、Ｈ、Ｍ、Ｙ、Ｋ、Ｕにより示される６人とした。プローブ式深部体温測定装置のプローブは、被験者の食道に装着された。温度センサ２１０と加速度センサ２２０と角速度センサ２４０と磁気センサ２５０とは、衣服５００が備える内ポケット５１１内に配置された。気圧センサ２３０は、衣服５００が備える外ポケット５２１内に配置された。

被験者が着用する衣服５００は、特開２０１４−０９１３０７号公報の比較例４に記載された衣服であるものとする。この衣服５００は、多層構造布帛であり、消防用防護服（防火服）の形状に縫合されたものである。具体的には、最外層には、ポリメタフェニレンイソフタルアミド繊維（帝人社製、商標名：コーネックス）と、コポリパラフェニレン・３、４’−オキシジフェニレンテレフタルアミド繊維（帝人テクノプロダクツ社製、商標名：テクノーラ）とを、混合比率が９０：１０となる割合で混合した耐熱繊維からなる紡績糸（番手：４０／２）を用いて、平織リップストップに構成した布帛を製織した。この表地層の目付けは、３８０ｇ／ｍ^２であった。

中間層には、ポリメタフェニレンイソフタルアミド繊維（帝人社製、商標名：コーネックス）と、コポリパラフェニレン・３、４’−オキシジフェニレンテレフタルアミド繊維（帝人テクノプロダクツ社製、商標名：テクノーラ）とを、混合比率が９５：５となる割合で混合した耐熱繊維からなる紡績糸（番手：４０／−）を用いて平織に織成した織布（目付：８０ｇ／ｍ^２）に、ポリテトラフルオロエチレン製の透湿防水性フィルム（ジャパンゴアテックス社製）をラミネートしたものを採用した。遮熱層（内層）には、コポリパラフェニレン・３、４’−オキシジフェニレンテレフタルアミド繊維ヤーン（帝人テクノプロダクツ社製、商標名：テクノーラ）からなる総繊度１６７０ｄｔｅｘのフィラメントを用いて、平織に構成した布帛を製織した。遮熱層の目付は２１０ｇ／ｍ^２であった。

被験者を歩行させるトレッドミルの傾斜角度は５％に設定され、トレッドミルの運転速度を、段階的に早くした。具体的には、運転速度は、測定開始からの経過時間が０分から３分までの３分間は０ｋｍ／ｈとし、経過時間が３分から１２分までの９分間は１．５ｋｍ／ｈとし、経過時間が１２分から２１分までの９分間は３．０ｋｍ／ｈとし、経過時間が２１分から３０分までの９分間は４．５ｋｍ／ｈとし、経過時間が３０分以後は６．０ｋｍ／ｈとした。なお、安全のため、心拍数１８０以上、あるいは、食道温３８．５度に達した時点で評価を終了した。

図６に、被験者の基本データを示す。基本データは、年齢、性別、身長（ｃｍ）、体重（ｋｇ）、ＢＭＩ、体表面積（ｃｍ^２）、測定時間（ｍｉｎ）、運動後体重（ｋｇ）、体重差（ｋｇ）を含む。ＢＭＩは、体重／身長^２により示される。体表面積は、体重^{０．４４４}×身長^{０．６６３}×８８．８３／１００００により示される。体重差は、体重（運動前体重）から運動後体重を減じた値である。

産熱量は、実施形態で説明した手法により算出した。ただし、産熱量は、特開２００８−２２０５１７号公報に記載された手法や、特許第３５７１２７２号公報に記載された手法を採用してもよい。衣服内温度は、温度センサ２１０により測定された温度である。図７に、実施例１の結果データを示す。図８に、実測値と算出値との関係を示す。なお、実施例１は、全パラメータを個別に算出する実施例である。パラメータは、式（１）から式（６）までの６つの式を含む連立微分方程式における、Ｃ１、Ｃ２、Ｒ１、Ｒ２の４つである。

図８に示すように、深部体温の実測値は、時間の経過とともに上昇する。なお、理解を容易にするため、深部体温は、測定開始時の深部体温を基準とした温度変化量（深部体温上昇度）により示している。ここで、上述した連立微分方程式により表される数理モデルが適切である場合、数理モデルを用いて算出された深部体温の時間変化と、実測された深部体温の時間変化との差が小さいはずである。つまり、深部体温の算出値の時間変化を示す算出値波形と、深部体温の実測値の時間変化を示す実測値波形との相関係数が、１に近いはずである。そこで、被験者毎に、Ｃ１、Ｃ２、Ｒ１、Ｒ２のそれぞれを切り替えながら、深部体温の算出値を求めて算出値波形を取得する。そして、算出値波形と実測値波形との相関係数が、最も１に近いときのパラメータ（Ｃ１、Ｃ２、Ｒ１、Ｒ２）を特定した。図７は、被験者毎に相関係数が最大となるパラメータ（Ｃ１、Ｃ２、Ｒ１、Ｒ２）を示している。

なお、相関係数が１から０．７の間であることは、強い正の相関があることを意味する。相関係数が０．７から０．４の間であることは、中程度の正の相関があることを意味する。相関係数が０．４から０．２の間であることは、弱い正の相関があることを意味する。相関係数が０．２から−０．２の間であることは、ほとんど相関がないことを意味する。相関係数が−０．２から−０．４の間であることは、弱い負の相関があることを意味する。相関係数が−０．４から−０．７の間であることは、中程度の負の相関があることを意味する。相関係数が−０．７から−１の間であることは、強い負の相関があることを意味する。

Ｓｌｏｐｅは、算出値を横軸、実測値を縦軸として、１分毎の深部体温の変化量をプロットした場合において、プロットされた点により近似される直線の傾きである。なお、この直線は、例えば、最小二乗法により求めることができる。Ｉｎｔｅｒｃｅｐｔは、この直線の切片である。ＡＶＧは、平均値を示す。ＳＤは、標準偏差、つまり、ばらつきを示す。ＳＥは、標準誤差、つまり、推定量の推定誤差を示す。

図７に示すように、被験者毎に、Ｃ１、Ｃ２、Ｒ１、Ｒ２を調整した場合、どの被験者についても、相関係数がほぼ０．９７以上となった。つまり、実施例１によれば、上述した数理モデルが尤もらしいと考えられる。

（実施例２）
実施例２では、実施例１の結果データを踏まえて、パラメータの一般化を試みた。具体的には、実施例２では、実施例１で求められた被験者毎のパラメータの平均値を採用した。図９に、実施例２の結果データを示す。

図９に示すように、全パラメータ（Ｃ１、Ｃ２、Ｒ１、Ｒ２）に平均値を採用した場合、どの被験者についても、相関係数がほぼ０．９７以上となった。つまり、実施例２によれば、上述した数理モデルにおいて、全パラメータ（Ｃ１、Ｃ２、Ｒ１、Ｒ２）に予め定められた値（つまり、平均値）を採用しても、数理モデルが成立すると考えられる。

（実施例３）
実施例３では、実施例１の結果データを踏まえて、パラメータがユーザの体重と相関関係があるか検証した。具体的には、実施例３では、まず、全パラメータ（Ｃ１、Ｃ２、Ｒ１、Ｒ２）について、体重との間に相関があるか否かを検証した。図１０に、実施例３の結果データ１を示す。

図１０において、相関係数は、各パラメータと体重との相関係数である。図１１を参照して、各パラメータと体重との相関係数を求める手法について説明する。図１１は、体重とＣ１との関係を示す図であり、体重を横軸、Ｃ１を縦軸にしたときの各被験者の散布図である。図１１において、ＰＳは、Ｓにより示される被験者（以下、単に「Ｓ」という。他の被験者についても同様。）の体重と、Ｓの実施例１による調整後のＣ１とにより特定される点を示す。ＰＨは、Ｈの体重と、Ｈの調整後のＣ１とにより特定される点を示す。ＰＭは、Ｍの体重と、Ｍの調整後のＣ１とにより特定される点を示す。ＰＹは、Ｙの体重と、Ｙの調整後のＣ１とにより特定される点を示す。ＰＫは、Ｋの体重と、Ｋの調整後のＣ１とにより特定される点を示す。ＰＵは、Ｕの体重と、Ｕの調整後のＣ１とにより特定される点を示す。

ここで、体重とＣ１との相関係数であるｒは、全被験者の体重を順に並べたときの体重波形と、全被験者のＣ１を順に並べたときのＣ１波形との相関係数である。ここで、ｒ＝０．７５４、ｒ^２＝０．５６８となった。体重とＣ１との相関係数は、０．７５４であることから、体重とＣ１とは正の相関が強いと考えられる。つまり、体重を指標としてＣ１を設定することは、有効であると考えられる。そこで、体重とＣ１との対応関係を特定することを試みる。まず、Ｌ１は、ＰＳ、ＰＨ、ＰＭ、ＰＹ、ＰＫ、ＰＵを近似する直線を示す。Ｌ１は、例えば、最小二乗法により特定される。ここで、体重をＢＷとすると、Ｃ１＝０．１２３４×ＢＷ＋１３．０６２となる。

体重とＣ２との関係、体重とＲ１との関係、体重とＲ２との関係についても、体重とＣ１との関係と同様に、相関係数を求めることにより検証することができる。体重とＣ２との相関係数は０．５５５であることから、体重とＣ２とは正の相関がある程度あると考えられる。そこで、体重とＣ２との対応関係を求めると、Ｃ２＝０．０８８７×ＢＷ＋１５．９６３となる。一方、体重とＲ１との相関係数は０．３５６であることから、体重とＲ１とはあまり相関がないと考えられる。同様に、体重とＲ２との相関係数は０．０３９であることから、体重とＲ２とはあまり相関がないと考えられる。

そこで、実施例３では、Ｃ１とＣ２とは、体重を用いた相関式で求め、Ｒ１とＲ２とは、平均値を採用する。図１２に、実施例３の結果データ２を示す。図１２に示すように、Ｃ１とＣ２とを体重を用いて特定し、Ｒ１とＲ２とに平均値を採用すると、どの被験者についても、相関係数がほぼ０．９７以上となった。つまり、実施例３によれば、上述した数理モデルにおいて、Ｃ１とＣ２とを体重を用いて特定し、Ｒ１とＲ２とに予め定められた値（つまり、平均値）を採用しても、数理モデルが成立すると考えられる。

（実施例４）
実施例４では、実施例１の結果データを踏まえて、パラメータがユーザの体表面積と相関関係があるか検証した。具体的には、実施例４では、まず、全パラメータ（Ｃ１、Ｃ２、Ｒ１、Ｒ２）について、体表面積との間に相関係数があるか否かを検証した。図１３に、実施例４の結果データ１を示す。

図１３において、相関係数は、各パラメータと体表面積との相関係数である。各パラメータと体表面積との相関係数を求める手法は、基本的に、各パラメータと体重との相関係数を求める手法と同様である。図１３に示す例では、Ｃ１に関しては、ｒ＝０．８４４、ｒ^２＝０．７１２である。体表面積とＣ１との相関係数は、０．８４４であることから、体表面積とＣ１とは正の相関が強いと考えられる。つまり、体表面積を指標としてＣ１を設定することは、有効であると考えられる。そこで、体表面積とＣ１との対応関係を特定することを試みる。体表面積をＢＳＡとすると、Ｃ１＝０．００１０×ＢＳＡ＋０．７４５０となる。

体表面積とＣ２との関係、体表面積とＲ１との関係、体表面積とＲ２との関係についても、体表面積とＣ１との関係と同様に、相関係数を求めることにより検証することができる。体表面積とＣ２との相関係数は０．６８０であることから、体表面積とＣ２とは正の相関がある程度あると考えられる。そこで、体表面積とＣ２との対応関係を求めると、Ｃ２＝０．０００９×ＢＳＡ＋５．７３６０となる。一方、体表面積とＲ１との相関係数は０．４２９であることから、体表面積とＲ１とはあまり相関がないと考えられる。同様に、体表面積とＲ２との相関係数は０．１２５であることから、体表面積とＲ２とはあまり相関がないと考えられる。

そこで、実施例４では、Ｃ１とＣ２とは、ＢＳＡを用いた式で求め、Ｒ１とＲ２とは、平均値を採用する。図１４に、実施例４の結果データ２を示す。図１４に示すように、Ｃ１とＣ２とをＢＳＡを用いて特定し、Ｒ１とＲ２とに平均値を採用すると、どの被験者についても、相関係数がほぼ０．９７以上となった。つまり、実施例４によれば、上述した数理モデルにおいて、Ｃ１とＣ２とをＢＳＡを用いて特定し、Ｒ１とＲ２とに予め定められた値（つまり、平均値）を採用しても、数理モデルが成立すると考えられる。

（実施例５）
実施例５では、実施例３及び実施例４の結果データを踏まえて、Ｃ１を体重により特定し、Ｃ２を体表面積により特定し、Ｒ１及びＲ２として平均値を採用した。つまり、実施例５では、Ｃ１＝０．１２３４×ＢＷ＋１３．０６２、Ｃ２＝０．０００９×ＢＳＡ＋５．７３６０、Ｒ１＝２．４、Ｒ２＝２４．２を採用した。図１５に、実施例５の結果データを示す。

図１５において、Ｔ値は、統計検定量である。Ｔ値は、Ｔ＝ｒ×（√（Ｎ−２））／（√１−ｒ^２）により表現される。なお、Ｎは、データ数である。また、Ｐ値は、Ｔ分布の両側確率である。図１５に示すように、Ｃ１をＢＷを用いて特定し、Ｃ２をＢＳＡを用いて特定し、Ｒ１とＲ２とに平均値を採用すると、どの被験者についても、相関係数がほぼ０．９７以上となった。つまり、実施例５によれば、上述した数理モデルにおいて、Ｃ１をＢＷを用いて特定し、Ｃ２をＢＳＡを用いて特定し、Ｒ１とＲ２とに予め定められた値（つまり、平均値）を採用しても、数理モデルが成立すると考えられる。

図１６に、実施例１から実施例５に基づく、最終結果データを示す。図１６には、４つの条件において、相関係数と、ＳＬＯＰＥと、Ｉｎｔｅｒｃｅｐｔとを示している。４つの条件は、体重によりＣ１を特定し体表面積によりＣ２を特定する第１の条件と、体重によりＣ１を特定しＣ２として平均値を採用する第２の条件と、体重によりＣ１とＣ２とを特定する第３の条件と、体表面積によりＣ１とＣ２とを特定する第４の条件と、を含む。なお、いずれの条件においても、Ｒ１とＲ２とに予め定められた値（つまり、平均値）を採用している。また、第１の条件は実施例５に対応し、第３の条件は実施例３に対応し、第４の条件は実施例４に対応する。

図１６に示すように、Ｃ１とＣ２とをユーザの身体上の特徴に基づく値（例えば、体重や体表面積）により特定し、Ｒ１とＲ２とに予め定められた値（つまり、平均値）を採用すれば、数理モデルが成立すると考えられる。なお、相関係数と、ＳＬＯＰＥと、Ｉｎｔｅｒｃｅｐｔとを考慮すると、第１の条件（実施例５）のように、体重によりＣ１を特定し、体表面積によりＣ２を特定し、Ｒ１とＲ２とに予め定められた値（つまり、平均値）を採用すると、最も好ましいと考えられる。

（変形例）
以上、本発明の実施形態を説明したが、本発明を実施するにあたっては、種々の形態による変形及び応用が可能である。

本発明において、上記実施形態において説明した構成、機能、動作のどの部分を採用するのかは任意である。また、本発明において、上述した構成、機能、動作のほか、更なる構成、機能、動作が採用されてもよい。また、上述した実施形態は、適宜、自由に組み合わせることができる。また、本発明において採用可能な素材、サイズ、電気的特性などが、上記実施形態において示したものに限定されないことは勿論である。

上記衣服内温度は、衣服と人体との間の空気温度、最外層に着用している衣服とその内側の衣服との間の空気温度、衣服に覆われている人体の皮膚温度、などが挙げられるがこれに限定されるものではない。

上記ユーザの身体上の特徴とは体重や身長、ＢＭＩ、体脂肪率、発汗量、呼吸量、体表面積、筋肉量などが挙げられるが、これに限定されない。

上記報知手段は、例えば、上記深部体温が予め定められた閾値を超える場合、あるいは上記深部体温の上昇度合いが予め定められた上昇限界度合いを超える場合に報知するが、これに限定されない。

実施形態１では、処理装置１００が有する機能を多くがソフトウェア（又は、ファームウェア）により実現される例、つまり、処理装置１００が有する機能を多くがプロセッサによるプログラムの実行により実現されるについて説明した。本発明において、このような機能は、ハードウェアにより実現されてもよい。この場合、例えば、処理装置１００は、ＣＰＵ１１に代えて、処理回路を備える。この処理回路は、例えば、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field Programmable Gate Array）、又はこれらの組合せにより構成される。

本発明に係る処理装置１００の動作を規定する動作プログラムを既存のパーソナルコンピュータや情報端末装置に適用することで、当該パーソナルコンピュータを本発明に係る処理装置１００として機能させることも可能である。また、このようなプログラムの配布方法は任意であり、例えば、ＣＤ−ＲＯＭ（Compact Disk Read-Only Memory）、ＤＶＤ（Digital Versatile Disk）、メモリカードなどのコンピュータ読み取り可能な記録媒体に格納して配布してもよいし、通信ネットワーク（例えば、インターネット）を介して配布してもよい。

本発明は、本発明の広義の精神と範囲を逸脱することなく、様々な実施形態及び変形が可能とされるものである。また、上述した実施形態は、この発明を説明するためのものであり、本発明の範囲を限定するものではない。すなわち、本発明の範囲は、実施形態ではなく、請求の範囲によって示される。そして、請求の範囲内及びそれと同等の発明の意義の範囲内で施される様々な変形が、この発明の範囲内とみなされる。

本出願は、２０１７年７月３１日に出願された日本国特許出願特願２０１７−１４７３５５号に基づく。本明細書中に日本国特許出願特願２０１７−１４７３５５号の明細書、特許請求の範囲、図面全体を参照として取り込むものとする。

１１ ＣＰＵ、１２ ＲＯＭ、１３ ＲＡＭ、１４ フラッシュメモリ、１５ ＲＴＣ、１６ タッチスクリーン、１７ 第１の通信インターフェース、１８ 第２の通信インターフェース、１００ 処理装置、２１０ 温度センサ、２２０ 加速度センサ、２３０ 気圧センサ、２４０ 角速度センサ、２５０ 磁気センサ、３００ ブザー、４００ 端末装置、５００ 衣服、５１０ 裏地、５１１ 内ポケット、５２０ 表地、５２１ 外ポケット、５３０，５４０，５５０ 空間、６００ 下着、１０００ 深部体温推定システム。

Claims (16)

1. ユーザが着用する衣服の内側の温度である衣服内温度を測定する温度センサと、
   前記ユーザに加わる加速度を検出する加速度センサと、を備え、
   前記ユーザの体内の温度である深部体温を推定する、
   深部体温推定システム。
2. 前記温度センサにより測定された衣服内温度と前記加速度センサにより検出された加速度とに基づいて、前記深部体温を推定する深部体温推定手段を更に備える、
   請求項１に記載の深部体温推定システム。
3. 前記加速度センサにより検出された加速度に基づいて、前記ユーザの体内で産出される熱量である産熱量を推定する産熱量推定手段を更に備え、
   前記深部体温推定手段は、前記温度センサにより測定された衣服内温度と前記産熱量推定手段により推定された産熱量とに基づいて、前記深部体温を推定する、
   請求項２に記載の深部体温推定システム。
4. 前記深部体温推定手段は、前記衣服内温度と前記産熱量と前記深部体温との対応関係を示す数理モデルを用いて、前記深部体温を推定する、
   請求項３に記載の深部体温推定システム。
5. 前記数理モデルは、
   前記ユーザの筋肉が有する熱量である第１の熱量の変化量を、前記産熱量と前記ユーザの筋肉から前記ユーザの血液に供給される熱流量である第１の熱流量との差で示す第１の式と、
   前記ユーザの血液が有する熱量である第２の熱量の変化量を、前記第１の熱流量と前記ユーザの血液から前記衣服の内側に供給される熱流量である第２の熱流量との差で示す第２の式と、
   前記第１の熱流量を、前記ユーザの筋肉から前記ユーザの血液への熱抵抗値である第１の熱抵抗値に対する、前記ユーザの筋肉の温度である第１の温度の変化量と前記ユーザの血液の温度である第２の温度の変化量との差の割合で示す第３の式と、
   前記第２の熱流量を、前記ユーザの血液から前記衣服の内側への熱抵抗値である第２の熱抵抗値に対する、前記第２の温度の変化量と前記衣服内温度の変化量との差の割合で示す第４の式と、
   前記第１の温度の変化量を、前記ユーザの筋肉が有する熱容量である第１の熱容量に対する前記第１の熱量の割合で示す第５の式と、
   前記第２の温度の変化量を、前記ユーザの血液が有する熱容量である第２の熱容量に対する前記第２の熱量の割合で示す第６の式と、を含む連立微分方程式により表され、
   前記深部体温推定手段は、前記第２の温度を前記深部体温として推定する、
   請求項４に記載の深部体温推定システム。
6. 前記第１の熱容量と前記第２の熱容量とは、前記ユーザの身体上の特徴に基づく値であり、
   前記第１の熱抵抗値と前記第２の熱抵抗値とは、予め定められた値である、
   請求項５に記載の深部体温推定システム。
7. 前記ユーザの周囲の気圧を検出する気圧センサを更に備え、
   前記産熱量推定手段は、前記加速度センサにより検出された加速度と前記気圧センサにより検出された気圧とに基づいて、前記産熱量を推定する、
   請求項３から６の何れか１項に記載の深部体温推定システム。
8. 前記ユーザに加わる角速度を検出する角速度センサと、
   前記ユーザの周囲の磁場の方向を検出する磁気センサと、を更に備え、
   前記加速度センサと前記角速度センサと前記磁気センサとは、相互に固定されており、
   前記産熱量推定手段は、前記加速度センサにより検出された加速度と前記角速度センサにより検出された角速度と前記磁気センサにより検出された方向とに基づいて、前記産熱量を推定する、
   請求項３から７の何れか１項に記載の深部体温推定システム。
9. 前記深部体温推定手段により推定された深部体温に基づいて、前記ユーザの異常を報知する報知手段を更に備える、
   請求項２から８の何れか１項に記載の深部体温推定システム。
10. 前記衣服が、遮熱効果を有する衣服である、
    請求項１から９の何れか１項に記載の深部体温推定システム。
11. 前記遮熱効果が、ＩＳＯ９１５１に準拠した方法で測定されるＨＴＩ２４が３秒以上であることを満たす、
    請求項１０に記載の深部体温推定システム。
12. 前記衣服が、ＪＩＳ Ｌ １０９６に準拠した方法であってフラジール形試験機を用いた方法で測定される通気度の値が１．０ｃｍ^３／ｃｍ^２／ｓ以下である、
    請求項１から１１の何れか１項に記載の深部体温推定システム。
13. 前記衣服が、ＪＩＳ Ｌ １０９９に準拠した方法であってカップ法により測定される透湿度の値が１０００ｇ／ｍ^２／ｈ以下である、
    請求項１から１２の何れか１項に記載の深部体温推定システム。
14. 前記衣服の熱伝導率が、１ｋｃａｌ／ｈ／ｍ／℃以下である、
    請求項１から１３の何れか１項に記載の深部体温推定システム。
15. ユーザが着用する衣服の内側の温度である衣服内温度と前記ユーザに加わる加速度とに基づいて、前記ユーザの体内の温度である深部体温を推定する深部体温推定手段と、
    前記深部体温推定手段により推定された深部体温に基づいて、警報を発する警報手段と、を備える、
    ヒートストレス警報システム。
16. ユーザが着用する衣服の内側の温度である衣服内温度を測定し、
    前記ユーザに加わる加速度を検出し、
    前記測定された衣服内温度と前記検出された加速度とに基づいて、前記ユーザの体内の温度である深部体温を推定する、
    深部体温推定方法。

Images