JP2017097401A - 行動変容解析システム、行動変容解析方法および行動変容解析プログラム - Google Patents
行動変容解析システム、行動変容解析方法および行動変容解析プログラム Download PDFInfo
- Publication number
- JP2017097401A JP2017097401A JP2015225458A JP2015225458A JP2017097401A JP 2017097401 A JP2017097401 A JP 2017097401A JP 2015225458 A JP2015225458 A JP 2015225458A JP 2015225458 A JP2015225458 A JP 2015225458A JP 2017097401 A JP2017097401 A JP 2017097401A
- Authority
- JP
- Japan
- Prior art keywords
- information
- analysis
- behavior change
- subject
- activity
- 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.)
- Pending
Links
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
【課題】時間の経過に伴い変動した被験者の活動情報を検知し、変動した活動情報に基づいてコメントを的確に生成するシステムを提供する。【解決手段】行動変容解析システム1は、被験者Pの活動情報を取得する検出部20と、所定期間分の活動情報を解析した解析情報を生成する解析部45と、少なくとも1つの所定期間を含む第1の期間における活動情報を解析して生成された第1解析情報と、少なくとも第1の期間とは異なる所定期間を含む第2の期間における活動情報を解析して生成された第2解析情報と、に基づいて、被験者Pの行動変容を示す行動変容情報を生成する行動変容情報生成部46と、を備える。【選択図】図2
Description
本発明は、行動変容解析システム、行動変容解析方法および行動変容解析プログラムに関する。
被験者が利用するバイタル計測装置から得られた健康管理データを分析し、分析情報に対応付けられたコメント情報を被験者に通知するアドバイス提供システムが知られている。
例えば、下記特許文献1では、バイタル計測装置が計測した健康管理データと、予め設定した健康管理データの基準値と、を比較し、比較結果に基づいて健康管理データの異常を検知し、検知した健康管理データに対応付けられたコメント情報テーブルを用いて端末装置にアドバイスを送信するシステムが開示されている。
例えば、下記特許文献1では、バイタル計測装置が計測した健康管理データと、予め設定した健康管理データの基準値と、を比較し、比較結果に基づいて健康管理データの異常を検知し、検知した健康管理データに対応付けられたコメント情報テーブルを用いて端末装置にアドバイスを送信するシステムが開示されている。
しかしながら、従来のアドバイス提供システムでは、計測した健康管理データと、健康管理データの基準値と、の比較に基づいてアドバイスを生成するため、健康管理データが計測された時点での基準値との差分は検知できるが、時間経過に従い被験者の行動パターンが変化した場合、その変化により生じた健康管理データの変動を検知できなかった。換言すると、従来のアドバイス提供システムでは、被験者の生活リズムの変化を検知できなかった。
本発明は、上述の課題に鑑みてなされたものであり、時間の経過に伴い変動した健康管理データを検知し、変動した健康管理データに基づいてアドバイスを的確に生成することを目的とする。換言すれば、被験者の生活リズムの変化を検知することを目的とする。
本発明は、上述の課題に鑑みてなされたものであり、時間の経過に伴い変動した健康管理データを検知し、変動した健康管理データに基づいてアドバイスを的確に生成することを目的とする。換言すれば、被験者の生活リズムの変化を検知することを目的とする。
本発明は、上述の課題の少なくとも一部を解決するためになされたものであり、以下の形態又は適用例として実現することが可能である。
[適用例1]
本適用例にかかる行動変容解析システムは、被験者の活動情報を取得する活動情報取得部と、所定期間分の前記活動情報を解析した解析情報を生成する解析情報生成部と、少なくとも1つの前記所定期間を含む第1の期間における前記活動情報を解析して生成された第1解析情報と、少なくとも前記第1の期間とは異なる前記所定期間を含む第2の期間における前記活動情報を解析して生成された第2解析情報と、に基づいて、前記被験者の行動変容を示す行動変容情報を生成する行動変容情報生成部と、を備えることを特徴とする。
本適用例にかかる行動変容解析システムは、被験者の活動情報を取得する活動情報取得部と、所定期間分の前記活動情報を解析した解析情報を生成する解析情報生成部と、少なくとも1つの前記所定期間を含む第1の期間における前記活動情報を解析して生成された第1解析情報と、少なくとも前記第1の期間とは異なる前記所定期間を含む第2の期間における前記活動情報を解析して生成された第2解析情報と、に基づいて、前記被験者の行動変容を示す行動変容情報を生成する行動変容情報生成部と、を備えることを特徴とする。
このような構成によれば、第1の期間における活動情報を解析して生成された第1解析情報と、少なくとも第1の期間とは異なる第2の期間における活動情報を解析して生成された第2解析情報と、に基づいて、被験者の行動変容を示す行動変容情報を生成するため、時間の経過に伴う行動変容情報を生成できる。
[適用例2]
上記適用例にかかる行動変容解析システムにおいて、前記解析情報は、前記所定期間における、歩数、運動量、運動時間および消費カロリーのうち少なくとも1つを含む活動量を1週間における曜日、または、1日における時間帯の少なくともいずれかに応じて集計した指標であることが好ましい。
上記適用例にかかる行動変容解析システムにおいて、前記解析情報は、前記所定期間における、歩数、運動量、運動時間および消費カロリーのうち少なくとも1つを含む活動量を1週間における曜日、または、1日における時間帯の少なくともいずれかに応じて集計した指標であることが好ましい。
このような構成によれば、歩数、運動量、運動時間および消費カロリーのうち少なくとも1つを含む活動量を、1週間における曜日、または、1日における時間帯に応じて変動した行動変容情報を生成できる。
[適用例3]
上記適用例にかかる行動変容解析システムにおいて、前記解析情報は、前記指標に基づいて推測された前記被験者の行動パターンを含むことが好ましい。
上記適用例にかかる行動変容解析システムにおいて、前記解析情報は、前記指標に基づいて推測された前記被験者の行動パターンを含むことが好ましい。
このような構成によれば、時間の経過に伴い変動した被験者の行動パターンに関する行動変容情報を生成できる。
[適用例4]
上記適用例にかかる行動変容解析システムにおいて、前記行動変容情報は、前記第1解析情報と、前記第2解析情報と、の差異を示す差異情報を含むことが好ましい。
上記適用例にかかる行動変容解析システムにおいて、前記行動変容情報は、前記第1解析情報と、前記第2解析情報と、の差異を示す差異情報を含むことが好ましい。
このような構成によれば、時間の経過に伴う解析情報の差異情報を行動変容情報から取得できる。
[適用例5]
上記適用例にかかる行動変容解析システムにおいて、前記差異情報は、前記第1解析情報および前記第2解析情報における、前記歩数、前記運動量、前記運動時間または前記消費カロリーの変化量を示すことが好ましい。
上記適用例にかかる行動変容解析システムにおいて、前記差異情報は、前記第1解析情報および前記第2解析情報における、前記歩数、前記運動量、前記運動時間または前記消費カロリーの変化量を示すことが好ましい。
このような構成によれば、時間の経過に伴う、歩数、運動量、運動時間または消費カロリーの変化量を行動変容情報から取得できる。
[適用例6]
上記適用例にかかる行動変容解析システムにおいて、前記行動変容情報に基づいて、前記被験者の前記行動変容に関するテキスト情報や、前記被験者の前記行動変容を示すグラフを出力する出力部を備えることが好ましい。
上記適用例にかかる行動変容解析システムにおいて、前記行動変容情報に基づいて、前記被験者の前記行動変容に関するテキスト情報や、前記被験者の前記行動変容を示すグラフを出力する出力部を備えることが好ましい。
このような構成によれば、行動変容情報に基づくテキスト情報やグラフを出力できる。
[適用例7]
上記適用例にかかる行動変容解析システムにおいて、前記行動変容情報に基づいて、前記被験者の前記行動変容を報知する報知部を備えることが好ましい。
上記適用例にかかる行動変容解析システムにおいて、前記行動変容情報に基づいて、前記被験者の前記行動変容を報知する報知部を備えることが好ましい。
このような構成によれば、被験者の行動変容を報知できる。
[適用例8]
上記適用例にかかる行動変容解析システムにおいて、前記行動変容情報に基づいて、コメント情報を生成するコメント生成部を備えることが好ましい。
上記適用例にかかる行動変容解析システムにおいて、前記行動変容情報に基づいて、コメント情報を生成するコメント生成部を備えることが好ましい。
このような構成によれば、行動変容情報に基づくコメント情報を生成できる。
[適用例9]
上記適用例にかかる行動変容解析システムにおいて、前記コメント生成部は、前記被験者の前記行動変容が生じた要因を前記行動変容情報に基づいて推定し、推定結果に基づいて前記コメント情報を生成することが好ましい。
上記適用例にかかる行動変容解析システムにおいて、前記コメント生成部は、前記被験者の前記行動変容が生じた要因を前記行動変容情報に基づいて推定し、推定結果に基づいて前記コメント情報を生成することが好ましい。
このような構成によれば、被験者の行動変容が生じた要因を行動変容情報に基づいて推定するため、推定結果に基づいたコメント情報を生成できる。
[適用例10]
上記適用例にかかる行動変容解析システムにおいて、前記被験者の生体情報を取得する生体情報取得部を備え、前記解析情報生成部は、前記生体情報を解析することにより前記解析情報を生成することが好ましい。
上記適用例にかかる行動変容解析システムにおいて、前記被験者の生体情報を取得する生体情報取得部を備え、前記解析情報生成部は、前記生体情報を解析することにより前記解析情報を生成することが好ましい。
このような構成によれば、生体情報を解析することにより解析情報を生成できる。
[適用例11]
上記適用例にかかる行動変容解析システムにおいて、前記解析情報生成部は、前記活動情報に基づいて前記被験者の移動時におけるピッチを算出し、前記生体情報に基づいて前記被験者の心拍数を算出し、前記ピッチおよび前記心拍数に基づいて前記被験者の活動時間の累計を示す前記解析情報を生成しても良い。
上記適用例にかかる行動変容解析システムにおいて、前記解析情報生成部は、前記活動情報に基づいて前記被験者の移動時におけるピッチを算出し、前記生体情報に基づいて前記被験者の心拍数を算出し、前記ピッチおよび前記心拍数に基づいて前記被験者の活動時間の累計を示す前記解析情報を生成しても良い。
[適用例12]
本適用例にかかる行動変容解析方法は、被験者の活動情報を取得し、所定期間分の前記活動情報を解析した解析情報を生成し、少なくとも1つの前記所定期間を含む第1の期間における前記活動情報を解析して生成された第1解析情報と、少なくとも前記第1の期間とは異なる前記所定期間を含む第2の期間における前記活動情報を解析して生成された第2解析情報と、に基づいて、前記被験者の行動変容を示す行動変容情報を生成することを特徴とする。
本適用例にかかる行動変容解析方法は、被験者の活動情報を取得し、所定期間分の前記活動情報を解析した解析情報を生成し、少なくとも1つの前記所定期間を含む第1の期間における前記活動情報を解析して生成された第1解析情報と、少なくとも前記第1の期間とは異なる前記所定期間を含む第2の期間における前記活動情報を解析して生成された第2解析情報と、に基づいて、前記被験者の行動変容を示す行動変容情報を生成することを特徴とする。
このような方法によれば、第1の期間における活動情報を解析して生成された第1解析情報と、少なくとも第1の期間とは異なる第2の期間における活動情報を解析して生成された第2解析情報と、に基づいて、被験者の行動変容を示す行動変容情報を生成するため、時間の経過に伴う行動変容情報を生成できる。
[適用例13]
本適用例にかかる行動変容解析プログラムは、被験者の活動情報を取得する機能と、所定期間分の前記活動情報を所定期間に応じて解析した解析情報を生成する機能と、少なくとも1つの前記所定期間を含む第1の期間における前記活動情報を解析して生成された第1解析情報と、少なくとも前記第1の期間とは異なる前記所定期間を含む第2の期間における前記活動情報を解析して生成された第2解析情報と、に基づいて、前記被験者の行動変容を示す行動変容情報を生成する機能と、をコンピューターに実行させることを特徴とする。
本適用例にかかる行動変容解析プログラムは、被験者の活動情報を取得する機能と、所定期間分の前記活動情報を所定期間に応じて解析した解析情報を生成する機能と、少なくとも1つの前記所定期間を含む第1の期間における前記活動情報を解析して生成された第1解析情報と、少なくとも前記第1の期間とは異なる前記所定期間を含む第2の期間における前記活動情報を解析して生成された第2解析情報と、に基づいて、前記被験者の行動変容を示す行動変容情報を生成する機能と、をコンピューターに実行させることを特徴とする。
このような構成によれば、第1の期間における活動情報を解析して生成された第1解析情報と、少なくとも第1の期間とは異なる第2の期間における
活動情報を解析して生成された第2解析情報と、に基づいて、被験者の行動変容を示す行動変容情報を生成するため、時間の経過に伴う行動変容情報を生成できる。
活動情報を解析して生成された第2解析情報と、に基づいて、被験者の行動変容を示す行動変容情報を生成するため、時間の経過に伴う行動変容情報を生成できる。
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。
(実施形態)
本実施形態の概要について図1を用いて説明する。図1は、行動変容解析システム1の概要を表す説明図である。
行動変容解析システム1は、被験者Pの運動データを検出し、検出した運動データに基づいて、被験者Pの行動パターンにおける変容を解析し、解析した結果をコメントとして提供するシステムである。
本実施形態の概要について図1を用いて説明する。図1は、行動変容解析システム1の概要を表す説明図である。
行動変容解析システム1は、被験者Pの運動データを検出し、検出した運動データに基づいて、被験者Pの行動パターンにおける変容を解析し、解析した結果をコメントとして提供するシステムである。
行動変容解析システム1は、被験者Pに装着される端末装置2、サーバールームなどに設置されるサーバー4、および、被験者Pを指導するメンターMや、家族や第三者などの関係者により利用される外部装置8などから構成されている。
端末装置2は、被験者Pの手首WRに装着される腕時計型の端末装置であり、被験者Pの運動データを検出する検出部20を内蔵し、被験者Pへのコメント文言を表示する表示部21が手首WR側の対面に露出して配置されている。
端末装置2は、被験者Pの手首WRに装着される腕時計型の端末装置であり、被験者Pの運動データを検出する検出部20を内蔵し、被験者Pへのコメント文言を表示する表示部21が手首WR側の対面に露出して配置されている。
サーバー4は、データベースエンジンなどで構成される1台または複数台のサーバーであり、蓄積したデータの提供サービスのみに限らず後述する各種機能を実現する。サーバー4は、ネットワーク78に接続されており、サーバー4と端末装置2とは、通信3により相互に各種データを送受信可能に接続されている。
外部装置8は、メンターMにより利用される一般的なタブレット端末またはPC(Personal Computer)などであり、コメント文言を編集可能な表示部91および操作部93などを備えている。外部装置8とサーバー4とは、通信5により相互に各種データを送受信可能に接続されている。本実施形態では、外部装置8は、被験者P用のコメント情報を生成すべく、メンターMにより操作される態様を想定する。
外部装置8は、メンターMにより利用される一般的なタブレット端末またはPC(Personal Computer)などであり、コメント文言を編集可能な表示部91および操作部93などを備えている。外部装置8とサーバー4とは、通信5により相互に各種データを送受信可能に接続されている。本実施形態では、外部装置8は、被験者P用のコメント情報を生成すべく、メンターMにより操作される態様を想定する。
(行動変容解析システムの構成)
図2は、行動変容解析システム1の概略構成を表すブロック図である。
図2は、行動変容解析システム1の概略構成を表すブロック図である。
(端末装置の構成)
端末装置2は、検出部20、表示部21、操作部23、通信部25、および制御部27などから構成される。
端末装置2は、検出部20、表示部21、操作部23、通信部25、および制御部27などから構成される。
検出部20は、好適例として、脈波センサー、加速度センサー、ジャイロセンサー、およびGPS(Global Positioning System)センサー(いずれも図示せず)を含んで構成されたセンサーユニットである。但し、この構成に限定するものではなく、端末装置2を装着する被験者Pの姿勢情報、位置情報、環境情報および運動状態情報を収集可能なセンサーであれば良い。
脈波センサーは、LED(Light Emitting Diode)などの発光素子およびフォトダイオードなどの受光素子を有し、発光素子により照射された光が手首WRの血管で反射され、反射された光を集光し受光素子で受光する。この際、脈波センサーは、血管の拡張時と収縮時とで光の反射率が異なる現象を利用して、受光量の変動情報から被験者の脈波を検出する。検出された脈波のデータに基づいて、制御部27により脈拍数(心拍数)、脈拍数から導出される消費カロリー、運動時間、運動強度などの運動データが算出される。即ち、運動データには、被験者の活動情報および生体情報を含んでいる。
脈波センサーは、LED(Light Emitting Diode)などの発光素子およびフォトダイオードなどの受光素子を有し、発光素子により照射された光が手首WRの血管で反射され、反射された光を集光し受光素子で受光する。この際、脈波センサーは、血管の拡張時と収縮時とで光の反射率が異なる現象を利用して、受光量の変動情報から被験者の脈波を検出する。検出された脈波のデータに基づいて、制御部27により脈拍数(心拍数)、脈拍数から導出される消費カロリー、運動時間、運動強度などの運動データが算出される。即ち、運動データには、被験者の活動情報および生体情報を含んでいる。
加速度センサーは、1軸方向または2軸以上の軸方向(例えば、X、Y、Z軸の3軸方向)に取り付けられた加速度センサーであり、各軸の加速度変化を単位時間ごとに計測する。
ジャイロセンサーは、加速度センサーにおける各X、Y、Z軸を中心軸として角速度を単位時間ごとに計測する。加速度センサーおよびジャイロセンサーにより、検出された加速度変化データおよび角速度データを用いて、その変化量を積算し変化量に応じた運動強度および運動量を算出する。このようにして得られた運動強度や運動量より、運動時間や運動日数等を算出する。
GPSセンサーは、GPS受信機能および位置情報演算回路を備えており、単位時間ごとに位置情報(緯度、経度、高度)データを計測する。単位時間毎の位置情報から、移動距離や移動速度を算出し、他のセンサー情報とも組み合わせて被験者Pの運動量を算出する。
また、更に、温度センサーや気圧センサー等の環境センサーを備え、端末装置2の周囲の気温や気圧などの環境情報を収集しても良い。
ジャイロセンサーは、加速度センサーにおける各X、Y、Z軸を中心軸として角速度を単位時間ごとに計測する。加速度センサーおよびジャイロセンサーにより、検出された加速度変化データおよび角速度データを用いて、その変化量を積算し変化量に応じた運動強度および運動量を算出する。このようにして得られた運動強度や運動量より、運動時間や運動日数等を算出する。
GPSセンサーは、GPS受信機能および位置情報演算回路を備えており、単位時間ごとに位置情報(緯度、経度、高度)データを計測する。単位時間毎の位置情報から、移動距離や移動速度を算出し、他のセンサー情報とも組み合わせて被験者Pの運動量を算出する。
また、更に、温度センサーや気圧センサー等の環境センサーを備え、端末装置2の周囲の気温や気圧などの環境情報を収集しても良い。
また、検出部20は、端末装置2に内蔵することに限定するものではなく、体重測定器、身長測定器、スポーツジム等に設置されるランニングマシンやエアロバイクなどの他の機器と通信する事で、他の機器が計測した身体情報などを含む各種情報を運動データとして取得する構成であっても良い。この場合は、他の機器から端末装置2へ計測データを送信し、端末装置からサーバー4へ計測データを送信するように構成しても良いし、他の機器からサーバー4へ直接計測データを送信するように構成しても良い。
尚、検出部20は、活動情報取得部および生体情報取得部に相当する。
尚、検出部20は、活動情報取得部および生体情報取得部に相当する。
表示部21は、文字やアイコンの表示が可能な表示装置であり、例えば、柔軟に変形可能なフレキシブルタイプのドットマトリックス型EPD(Electrophoretic Display)などである。制御部27から出力される表示信号に基づいて、コメント文言等の情報を表示する。
操作部23は、タッチセンサーやタッチパネル等を有して構成される入力装置であり、表示部21の表面に配設され、静電容量方式または抵抗膜方式などの方式でタッチされた部位を検出し、検出信号を制御部27へ出力する。
通信部25は、好適例として、近距離無線装置であり、サーバー4の通信部79と共通の通信プロトコルを有し、通信3を介してサーバー4と各種データを送受信可能に接続する。尚、通信部25は、有線の通信装置であっても良く、その場合は通信3がケーブル等を介して接続される。また、通信部25は、外部装置8の通信部95と共通の通信プロトコルを有し、端末装置2と外部装置8との間で各種データを送受信可能な構成としても良い。本実施形態では、検出部20で検出された被験者Pの運動データは、通信部25の通信を介してサーバー4へ送信される。
制御部27は、CPU(Central Processing Unit)やDSP(Digital Signal Processor)等のプロセッサー、ROM(Read Only Memory)やフラッシュROM、RAM(Random Access Memory)等の記憶装置を有して構成され、記憶装置に記憶される各種プログラムに従って端末装置2の各部を統括的に制御する制御装置および演算装置である。
(サーバーの構成)
サーバー4は、被験者情報記憶部30、活動情報管理部40、およびコメント生成部60などのデータベースサーバーと、通信部79などから構成される。また、これらのサーバー4や通信部79は、ネットワーク78によって接続されている。
サーバー4は、被験者情報記憶部30、活動情報管理部40、およびコメント生成部60などのデータベースサーバーと、通信部79などから構成される。また、これらのサーバー4や通信部79は、ネットワーク78によって接続されている。
通信部79は、LAN(Local Area Network)通信装置、無線LAN通信装置、および近距離無線通信装置などの複数の通信装置で構成され、サーバー4内の各サーバー間、端末装置2、および外部装置8と共通の通信プロトコルを有し、それぞれの機器間において各種データを通信可能に接続する。
被験者情報記憶部30は、データベースのデータ格納領域を含む記憶部33を有する。また、記憶部33は、ROMやフラッシュROM、RAM、HDD(Hard Disk Drive)、SSD(Solid State Drive)等の記憶装置によって構成され、テーブル形式で管理される被験者情報DB35が配置されている。被験者情報DB35には、被験者Pの固有情報が格納されている。
本実施形態では、被験者情報DB35は、被験者PにUID(ユーザーID)を割り当てることにより識別する。被験者情報DB35には、被験者Pの固有情報として、UID、氏名、性別、生年月日、運動目的、仕事情報、疾患情報などの情報が格納されている。尚、固有情報は一例であり、その他にも運動プログラム開始時の身長や体重、住所や地域の情報などが含まれていても良い。
尚、被験者情報DB35で管理するテーブルの構成例および他のテーブルとの連携については、図3を用いて後述する。
尚、被験者情報DB35で管理するテーブルの構成例および他のテーブルとの連携については、図3を用いて後述する。
活動情報管理部40は、CPUおよびリレーショナルデータベース等のデータベースエンジンを含む処理部41、およびデータベースのデータ格納領域を含む記憶部47などで構成される。データベースエンジンは、データベースを管理する基本的な機能を有しており、CPUの制御によりデータベースへのデータの登録、更新、削除、検索等の各処理およびトランザクション処理が実行される。
処理部41は、運動データ受信部43、解析部45および行動変容情報生成部46の機能部を含み構成される。これらの機能部の機能は、データベースエンジンの各処理を制御する手続きや演算処理などが記述された行動変容解析プログラム(図示は省略)がCPU(コンピューター)によって実行されることによって実現される。尚、これらの機能部は一例であり、必ずしも必須の構成要素ではなく、また他の機能部を含めても良い。
尚、行動変容解析プログラムは、被験者Pの活動情報を取得し、活動情報を所定期間に応じて解析した分析情報を生成し、期間が異なる分析情報に基づいて、被験者Pの行動変容を示す行動変容情報を生成する行動変容解析方法に基づいて作成されている。
尚、行動変容解析プログラムは、被験者Pの活動情報を取得し、活動情報を所定期間に応じて解析した分析情報を生成し、期間が異なる分析情報に基づいて、被験者Pの行動変容を示す行動変容情報を生成する行動変容解析方法に基づいて作成されている。
運動データ受信部43は、通信部79を介して端末装置2から運動データおよび運動データに関連するデータを受信し、運動データDB49へ格納する。
解析部45は、被験者情報記憶部30から被験者Pの固有情報と、運動データ受信部43から所定期間分の運動データと、を取得して解析し、解析した結果を分析情報(解析情報)として、分析情報DB51へ格納する。分析情報には、指導プログラム経過日数、体力レベル、消費カロリー達成率、運動日数、運動時間、脈拍数帯域毎のゾーン滞在時間、運動強度、消費カロリー増減、機器装着時間、曜日別や時間帯別の活動量(曜日別活動量、時間帯別活動量)、曜日別や時間帯別の安静時心拍数、歩行ピッチ心拍数分布等が含まれている。
また、分析情報には、他の機器により収集された身体情報などから算出される体重変化傾向およびBMI(Body Mass Index)変化傾向などが含まれていても良い。尚、解析部45は、解析情報生成部に相当する。
また、分析情報は、運動データを所定の時間経過に応じて解析したものであっても良い。例えば、所定期間分の各種運動データを積算、平均、またはそれぞれの算術式が適用されて算出されても良い。また、分析情報には環境情報や環境情報が加味された情報が含まれていてもよい。
また、分析情報には、他の機器により収集された身体情報などから算出される体重変化傾向およびBMI(Body Mass Index)変化傾向などが含まれていても良い。尚、解析部45は、解析情報生成部に相当する。
また、分析情報は、運動データを所定の時間経過に応じて解析したものであっても良い。例えば、所定期間分の各種運動データを積算、平均、またはそれぞれの算術式が適用されて算出されても良い。また、分析情報には環境情報や環境情報が加味された情報が含まれていてもよい。
尚、指導プログラム経過日数は、被験者Pが運動プログラムを開始してから経過した日数である。
また、体力レベルは、被験者Pの心肺能力、筋力、運動能力などを総合して5段階で表した指標であり、運動強度の各段階の体力レベルを表す脈拍数の基準値と、被験者Pから取得して運動データとを比較して算出される。尚、このような体力レベルの算出は一例であり、被験者Pの体力レベルの程度を表した指標を定義して算出することができれば、どのような算出方法が利用されても良い。
また、体力レベルは、被験者Pの心肺能力、筋力、運動能力などを総合して5段階で表した指標であり、運動強度の各段階の体力レベルを表す脈拍数の基準値と、被験者Pから取得して運動データとを比較して算出される。尚、このような体力レベルの算出は一例であり、被験者Pの体力レベルの程度を表した指標を定義して算出することができれば、どのような算出方法が利用されても良い。
また、消費カロリー達成率は、所定期間の運動データにおいて、目標としている消費カロリーを100%として、達成した割合が算出された数値(%)である。
また、運動日数は、所定期間の運動データにおいて、1日当たりに所定の時間(例えば2時間)以上運動した日数である。
また、運動時間は、所定期間の運動データにおいて運動されていた時間が積算された時間である。
また、運動日数は、所定期間の運動データにおいて、1日当たりに所定の時間(例えば2時間)以上運動した日数である。
また、運動時間は、所定期間の運動データにおいて運動されていた時間が積算された時間である。
また、脈拍数帯域毎のゾーン滞在時間は、運動負荷によって変化する脈拍数が所定の帯域毎に積算された時間である。例えば、所定の帯域には、脂肪燃焼ゾーンを示す脈拍数の帯域、筋力アップゾーンを示す脈拍数の帯域などがある。
また、運動強度は、所定期間の運動データにおける運動強度の平均値であり、単位は例えば、メッツである。
また、消費カロリー増減は、数回前の所定期間における運動データの情報を取得して、数回前の所定期間の消費カロリーに対する増減の結果を、「増加」または「減少」で表した情報である。
また、運動強度は、所定期間の運動データにおける運動強度の平均値であり、単位は例えば、メッツである。
また、消費カロリー増減は、数回前の所定期間における運動データの情報を取得して、数回前の所定期間の消費カロリーに対する増減の結果を、「増加」または「減少」で表した情報である。
また、体重変化傾向およびBMI変化傾向は、数回前の所定期間の運動データの情報を取得して、数回前の所定期間の体重およびBMIに対する増減の結果を、「増加」または「減少」で表した情報である。
また、機器装着時間は、所定期間において被験者Pにより端末装置2が装着されていた時間である。
また、曜日別活動量は、過去の一定期間に計測された歩数、運動時間、消費カロリー等の活動量を、1週間の曜日別に集計した指標である。
また、時間帯別活動量は、過去の一定期間に計測された歩数、運動時間、消費カロリー等の活動量を、1日の時間帯別に集計した指標である。
また、機器装着時間は、所定期間において被験者Pにより端末装置2が装着されていた時間である。
また、曜日別活動量は、過去の一定期間に計測された歩数、運動時間、消費カロリー等の活動量を、1週間の曜日別に集計した指標である。
また、時間帯別活動量は、過去の一定期間に計測された歩数、運動時間、消費カロリー等の活動量を、1日の時間帯別に集計した指標である。
また、曜日別安静時心拍数は、過去の一定期間に計測された安静時の心拍数を、曜日別に集計した指標である。
また、時間帯別安静時心拍数は、過去の一定期間に計測された安静時の心拍数を、1日の時間帯別に集計した指標である。
また、歩行ピッチ心拍数分布は、過去の一定期間に計測された歩行時のピッチ(歩/分)と、心拍数の度数と、を集計し、2次元ヒストグラム化した指標である。
また、時間帯別安静時心拍数は、過去の一定期間に計測された安静時の心拍数を、1日の時間帯別に集計した指標である。
また、歩行ピッチ心拍数分布は、過去の一定期間に計測された歩行時のピッチ(歩/分)と、心拍数の度数と、を集計し、2次元ヒストグラム化した指標である。
(曜日別および時間帯別の詳細分析)
ここで、時間軸として、曜日別および時間帯別を採用した場合の詳細な分析情報、および、歩行ピッチ心拍数分布の分析情報について説明する。
尚、本実施形態では、活動量として被験者Pの歩行時間を採用しているが、歩数、運動時間、消費カロリー等の計測値を用いて、曜日別歩数、時間帯別歩数や曜日別運動時間、時間帯別運動時間を算出する態様も想定できる。
ここで、時間軸として、曜日別および時間帯別を採用した場合の詳細な分析情報、および、歩行ピッチ心拍数分布の分析情報について説明する。
尚、本実施形態では、活動量として被験者Pの歩行時間を採用しているが、歩数、運動時間、消費カロリー等の計測値を用いて、曜日別歩数、時間帯別歩数や曜日別運動時間、時間帯別運動時間を算出する態様も想定できる。
(曜日別の歩行時間の分析)
図4は、解析部45が、被験者PであるユーザーA〜ユーザーFに関して、過去1カ月程度の期間の歩行時間を曜日毎に分類し、分類した結果を1日当たりの歩行時間として正規化した図である。ここで、ユーザーA、ユーザーBおよびユーザーCは、歩行時間が少ない場合を想定し、ユーザーD、ユーザーEおよびユーザーFは、歩行時間が多い場合を想定している。また、解析部45は、歩行時間を、1分以上5分未満、5分以上30分未満および30分以上の3水準に分類している。
解析部45は、この分類結果から、歩行時間の少ないユーザーにおいては、各曜日とも歩行時間が少なく、1分以上5分未満の歩行が多いと分析する。また、歩行時間の多いユーザーにおいては、5分以上の歩行が多く、例えば、ユーザーEは平日により多く活動していると分析する。同様に、ユーザーFは土日により多く活動していると分析する。
図4は、解析部45が、被験者PであるユーザーA〜ユーザーFに関して、過去1カ月程度の期間の歩行時間を曜日毎に分類し、分類した結果を1日当たりの歩行時間として正規化した図である。ここで、ユーザーA、ユーザーBおよびユーザーCは、歩行時間が少ない場合を想定し、ユーザーD、ユーザーEおよびユーザーFは、歩行時間が多い場合を想定している。また、解析部45は、歩行時間を、1分以上5分未満、5分以上30分未満および30分以上の3水準に分類している。
解析部45は、この分類結果から、歩行時間の少ないユーザーにおいては、各曜日とも歩行時間が少なく、1分以上5分未満の歩行が多いと分析する。また、歩行時間の多いユーザーにおいては、5分以上の歩行が多く、例えば、ユーザーEは平日により多く活動していると分析する。同様に、ユーザーFは土日により多く活動していると分析する。
(時間帯別の歩行時間の分析)
図5は、解析部45が、被験者Pの過去の一定期間に計測された歩行時間を1日の時間帯別に分類し、分類した結果を時間当たりに正規化した図である。
ここで、図5は、時間帯別歩行時間を平日と土日に分けて分類している。平日と土日は、一般的に生活習慣が異なるため、このように分離して集計することは有効である。無論、土日が休日でない場合は、被験者Pの休日を個別に設定して集計することが好ましい。
図5は、解析部45が、被験者Pの過去の一定期間に計測された歩行時間を1日の時間帯別に分類し、分類した結果を時間当たりに正規化した図である。
ここで、図5は、時間帯別歩行時間を平日と土日に分けて分類している。平日と土日は、一般的に生活習慣が異なるため、このように分離して集計することは有効である。無論、土日が休日でない場合は、被験者Pの休日を個別に設定して集計することが好ましい。
また、図5において、上段が歩行時間の少ない場合であり、下段が歩行時間の多い場合を示している。解析部45は、歩行時間を、1分以上5分未満、5分以上30分未満および30分以上の3水準に分類している。
解析部45は、この分類結果から、歩行時間の少ないユーザーにおいては、1分以上5分未満の歩行が支配的であり、全体として歩行時間が少なく、時間帯ごとのメリハリも乏しいと分析する。更に、朝夕に歩行時間の増加がないことから、解析部45は、通勤方法として自家用車を利用していると分析する。
解析部45は、この分類結果から、歩行時間の少ないユーザーにおいては、1分以上5分未満の歩行が支配的であり、全体として歩行時間が少なく、時間帯ごとのメリハリも乏しいと分析する。更に、朝夕に歩行時間の増加がないことから、解析部45は、通勤方法として自家用車を利用していると分析する。
また、歩行時間の多いユーザーにおいては、5分以上の歩行が多く、平日は朝と夕方から夜にかけての通勤時間帯の歩行時間が長いことから、解析部45は、この被験者Pは通勤に公的交通機関を利用し、通勤時に積極的に歩行していると分析する。更に、解析部45は、朝夕の歩行時間のピークから普段の勤務時間も推定できる。また、土日は午前6時前後の歩行時間が多いことから、解析部45は、休日の朝に運動する習慣があると分析する。
(時間帯別の安静時心拍数の分析)
解析部45は、被験者Pの過去の一定期間に計測された安静時心拍数の出現度数をその値毎に計数し、1日の時間帯別にその割合を示す第1指標や、1日の時間帯別に集計された安静時心拍数の総平均を示す第2指標の何れか、または、その両方を分析できる。
図6は、時間帯別の安静時心拍数の第1指標の一例を示す図であり、上段のユーザーAおよびユーザーBは習慣的な飲酒が無いと思われるユーザーの例を示し、下段のユーザーCおよびユーザーDは習慣的な飲酒が疑われるユーザーの例である。
解析部45は、被験者Pの過去の一定期間に計測された安静時心拍数の出現度数をその値毎に計数し、1日の時間帯別にその割合を示す第1指標や、1日の時間帯別に集計された安静時心拍数の総平均を示す第2指標の何れか、または、その両方を分析できる。
図6は、時間帯別の安静時心拍数の第1指標の一例を示す図であり、上段のユーザーAおよびユーザーBは習慣的な飲酒が無いと思われるユーザーの例を示し、下段のユーザーCおよびユーザーDは習慣的な飲酒が疑われるユーザーの例である。
周知のように、安静時心拍数は、食事や飲酒、ストレスや緊張等によって上昇することが知られている。解析部45は、ユーザーCおよびユーザーDが、ユーザーAおよびユーザーBに比べて、夕刻から未明にかけて安静時心拍数の上昇が見られることから、ユーザーCおよびユーザーDは習慣的に飲酒していると分析する。
(歩行ピッチ心拍数分布の分析)
図7は、被験者Pの過去の一定期間に計測された移動時、例えば、歩行時のピッチ(単位時間あたりの歩数)と、心拍数と、の2次元データの出現度数を集計した図である。これらは3次元で示したグラフであり、高さ方向の軸は歩行時間(活動時間)の累計を示す累計歩行時間を示し、水平面の一方の軸は歩行ピッチ(歩/分)を示し、他方の軸は心拍数を示している。
図7は、ユーザーA〜ユーザーDの歩行条件を表している。例えば、ユーザーAは、ピークが1つで非常にきれいな山になっており、解析部45は、常に安定した歩行を行っていると分析する。また、ユーザーBは、ほぼ同じ歩行ピッチで2つの脈拍ピークがあり、解析部45は、荷物の量などが関係していると分析する。
図7は、被験者Pの過去の一定期間に計測された移動時、例えば、歩行時のピッチ(単位時間あたりの歩数)と、心拍数と、の2次元データの出現度数を集計した図である。これらは3次元で示したグラフであり、高さ方向の軸は歩行時間(活動時間)の累計を示す累計歩行時間を示し、水平面の一方の軸は歩行ピッチ(歩/分)を示し、他方の軸は心拍数を示している。
図7は、ユーザーA〜ユーザーDの歩行条件を表している。例えば、ユーザーAは、ピークが1つで非常にきれいな山になっており、解析部45は、常に安定した歩行を行っていると分析する。また、ユーザーBは、ほぼ同じ歩行ピッチで2つの脈拍ピークがあり、解析部45は、荷物の量などが関係していると分析する。
また、ユーザーCは、一方のピークの他に、歩行ピッチの高い山が存在するため、解析部45は、習慣的なジョギングを行っていると分析する。また、ユーザーDは、ピークが複数あるため、解析部45は、普段の歩行経路に坂道や階段があると分析する。
また、解析部45は、この指標を過去の長期的な計測データで算出したものと直近の1週間などの短期的な計測データで算出したものとを比較することで、登山やハイキングなど普段と異なる歩行を行ったと分析できる。
尚、上述した解析部45の一部の機能は、端末装置2の制御部27で実行する態様も想定できる。例えば、指導プログラム経過日数、体力レベル、消費カロリー達成率、運動日数、運動時間、脈拍数帯域毎のゾーン滞在時間、運動強度、消費カロリー増減、機器装着時間、安静時心拍数および歩行ピッチ等に関する処理を制御部27で実行しても良い。
また、解析部45は、この指標を過去の長期的な計測データで算出したものと直近の1週間などの短期的な計測データで算出したものとを比較することで、登山やハイキングなど普段と異なる歩行を行ったと分析できる。
尚、上述した解析部45の一部の機能は、端末装置2の制御部27で実行する態様も想定できる。例えば、指導プログラム経過日数、体力レベル、消費カロリー達成率、運動日数、運動時間、脈拍数帯域毎のゾーン滞在時間、運動強度、消費カロリー増減、機器装着時間、安静時心拍数および歩行ピッチ等に関する処理を制御部27で実行しても良い。
図2に戻り、行動変容情報生成部46は、解析部45が運動データに基づいて分析した第1分析情報と、分析情報DB51に格納されている第2分析情報と、に基づいて、被験者Pの行動パターンの変化(行動変容)を分析し、分析した結果に基づいて被験者Pの行動変容を示す行動変容情報を生成する。生成した行動変容情報は分析情報DB51に格納される。
本実施形態では、行動変容情報生成部46は、所定期間、例えば、直近の1週間のような第1の期間における第1分析情報(第1解析情報)と、第1の期間よりも長く、過去1か月のような第2の期間における第2分析情報(第2解析情報)と、の差異を解析することにより行動変容情報を生成する。この場合、2つの期間は、時間軸上で重畳する領域があっても良く、また、重畳することなく離間していても良い。
本実施形態では、行動変容情報生成部46は、所定期間、例えば、直近の1週間のような第1の期間における第1分析情報(第1解析情報)と、第1の期間よりも長く、過去1か月のような第2の期間における第2分析情報(第2解析情報)と、の差異を解析することにより行動変容情報を生成する。この場合、2つの期間は、時間軸上で重畳する領域があっても良く、また、重畳することなく離間していても良い。
尚、本実施形態では、第1分析情報および第2分析情報の差異は、運動量、運動時間、歩数および消費カロリーの少なくとも1つに関して時間経過に伴う変化量(差異情報)を示す。即ち、行動変容情報は、運動量、運動時間、歩数および消費カロリーの少なくとも1つに関して、時間経過に伴う変動傾向を示す。
記憶部47は、ROMやフラッシュROM、RAM、HDD、SSD等の記憶装置によって構成され、テーブル形式で管理される運動データDB49および分析情報DB51が配置されている。運動データDB49には、端末装置2から取得した運動データが被験者P毎に格納されている。分析情報DB51には、運動データDB49に格納されている運動データに基づいて算出された分析情報や行動変容情報が運動データと対応付けられて格納されている。
記憶部47は、ROMやフラッシュROM、RAM、HDD、SSD等の記憶装置によって構成され、テーブル形式で管理される運動データDB49および分析情報DB51が配置されている。運動データDB49には、端末装置2から取得した運動データが被験者P毎に格納されている。分析情報DB51には、運動データDB49に格納されている運動データに基づいて算出された分析情報や行動変容情報が運動データと対応付けられて格納されている。
コメント生成部60は、分析情報DB51に格納された分析情報や行動変容情報に基づいて被験者Pへ提供するコメント文言やコメント文言の候補(コメント情報)を生成する。生成したコメント情報は、外部装置8へ送信される。
例えば、行動変容情報が朝夕の時間帯別の歩行時間における増加を示す場合、コメント生成部60は、朝夕の歩行時間が増加したことに加えて、被験者Pの固有情報や行動変容情報に基づいて、行動変容が生じた要因を推定し、推定結果に基づいてアドバイスを生成しても良い。例えば、通勤方法を自家用車から公的交通機関に変更したと推定する情報のように、行動パターンの変化に基づく推測をコメント文言に含んでも良い。また、コメント生成部60は、被験者Pの行動変容に合わせ、被験者Pに対して好適な運動メニューをコメント文言に含んでも良い。
例えば、行動変容情報が朝夕の時間帯別の歩行時間における増加を示す場合、コメント生成部60は、朝夕の歩行時間が増加したことに加えて、被験者Pの固有情報や行動変容情報に基づいて、行動変容が生じた要因を推定し、推定結果に基づいてアドバイスを生成しても良い。例えば、通勤方法を自家用車から公的交通機関に変更したと推定する情報のように、行動パターンの変化に基づく推測をコメント文言に含んでも良い。また、コメント生成部60は、被験者Pの行動変容に合わせ、被験者Pに対して好適な運動メニューをコメント文言に含んでも良い。
同様に、行動変容情報が時間帯別の安静時心拍数における安定傾向を示す場合、コメント生成部60は、例えば、飲酒習慣のような生活習慣が改善したことをコメント文言に含んでも良い。また、飲酒の抑制を推奨するように、生活習慣の改善を促すコメント文言を含んでも良い。
また、時間帯別の歩行時間の分析および歩行ピッチ心拍数分布の分析のように、行動変容情報が複数の項目における変化を示している場合、コメント生成部60は、複数の項目から推測できる情報をコメント文言に含んでも良い。
また、時間帯別の歩行時間の分析および歩行ピッチ心拍数分布の分析のように、行動変容情報が複数の項目における変化を示している場合、コメント生成部60は、複数の項目から推測できる情報をコメント文言に含んでも良い。
(サーバー/データベースの構成)
図3は、サーバー4のデータベーステーブルの関連を示す実体関連図である。尚、以降の説明では、各データベースをリレーショナルデータベースで構成したものとして説明している。
被験者情報DB35の主キー351は、UIDである。レコード352は、固有情報を格納する領域であり、氏名、性別、生年月日、運動目的、仕事情報、疾患情報の各データが格納されている。
図3は、サーバー4のデータベーステーブルの関連を示す実体関連図である。尚、以降の説明では、各データベースをリレーショナルデータベースで構成したものとして説明している。
被験者情報DB35の主キー351は、UIDである。レコード352は、固有情報を格納する領域であり、氏名、性別、生年月日、運動目的、仕事情報、疾患情報の各データが格納されている。
分析情報DB51の主キー511は、複合型でWIDとUIDで構成されている。レコード512は、分析情報が格納される領域であり、指導プログラム経過日数、体力レベル、消費カロリー達成率、運動日数、運動時間、運動強度、消費カロリー増減、体重増減、機器装着時間、曜日別活動量、時間帯別活動量、時間帯別安静時脈拍のデータが格納されている。
検索情報DB73の主キー731は、複合型でAID、WID、UIDで構成され、レコード733には、レコード352のレプリカX1が設定され、レコード735には、レコード512のレプリカX2が設定されている。
検索情報DB73の主キー731は、複合型でAID、WID、UIDで構成され、レコード733には、レコード352のレプリカX1が設定され、レコード735には、レコード512のレプリカX2が設定されている。
被験者情報DB35および分析情報DB51は、所定の関連R1を有していることを示している。また、分析情報DB51および検索情報DB73は、所定の関連R3を有していることを示している。
(外部装置の構成)
図2に戻り、外部装置8を説明する。
外部装置8は、表示部91、操作部93、通信部95、報知部96、記憶部97、制御部80などから構成される。
図2に戻り、外部装置8を説明する。
外部装置8は、表示部91、操作部93、通信部95、報知部96、記憶部97、制御部80などから構成される。
表示部91は、一般的なLCD(Liquid Crystal Display)等の表示パネルを有して構成され、制御部80から入力される表示信号に基づく各種表示を行う表示装置である。表示部91は、活動情報管理部40が生成した行動変容情報が示すテキスト情報や、グラフ画像を表示する。尚、表示部91は出力部に相当する。
操作部93は、ボタンスイッチやタッチパネル等を有して構成される入力装置であり、押下されたボタンやタッチパネルの信号を制御部80へ出力する。
操作部93は、ボタンスイッチやタッチパネル等を有して構成される入力装置であり、押下されたボタンやタッチパネルの信号を制御部80へ出力する。
通信部95は、好適例として無線LAN通信装置であり、サーバー4の通信部79と共通の通信プロトコルを有し、通信5を介してサーバー4と各種データを送受信可能に接続する。尚、通信部95は、有線の通信装置であっても良く、その場合は通信5がケーブル等を介して接続される。
また、通信部95は、端末装置2の通信部25と共通の通信プロトコルを有し、外部装置8と端末装置2との間で各種データを送受信可能な構成としても良い。この構成によれば、外部装置8からサーバー4を介さずに端末装置2へ直接決定したコメント文言を送信することができる。
また、報知部96は、行動変容情報に基づく行動変容を報知する。
また、通信部95は、端末装置2の通信部25と共通の通信プロトコルを有し、外部装置8と端末装置2との間で各種データを送受信可能な構成としても良い。この構成によれば、外部装置8からサーバー4を介さずに端末装置2へ直接決定したコメント文言を送信することができる。
また、報知部96は、行動変容情報に基づく行動変容を報知する。
記憶部97は、ROMやフラッシュROM、RAM、HDD、SSD等の記憶装置によって構成され、制御部80の各機能部を実現するための各種プログラム、データ等を記憶している。
制御部80は、CPUやDSP等のプロセッサー、ROMやフラッシュROM、RAM等の記憶装置を有して構成され、記憶装置に記憶される各種プログラムに従って外部装置8の各部を統括的に制御する制御装置および演算装置である。
制御部80は、被験者Pの固有情報、運動データ、分析情報などの情報を収集する機能、収集した情報に基づいて、サーバー4から提供されるコメント情報を取得する機能を有する。更に、制御部80は、メンターMからの指示に基づいて、コメント情報を編集する機能や、編集した機能を被験者Pへ提供する機能を有する。
また、制御部80は、行動変容情報に基づいて、行動変容が生じたことを報知部96からメンターMに報知する機能を有する。
制御部80は、被験者Pの固有情報、運動データ、分析情報などの情報を収集する機能、収集した情報に基づいて、サーバー4から提供されるコメント情報を取得する機能を有する。更に、制御部80は、メンターMからの指示に基づいて、コメント情報を編集する機能や、編集した機能を被験者Pへ提供する機能を有する。
また、制御部80は、行動変容情報に基づいて、行動変容が生じたことを報知部96からメンターMに報知する機能を有する。
以上述べたように、本実施形態に係わる行動変容解析システム1においては、以下の効果を得ることができる。
(1)行動変容解析システム1は、被験者Pの時間経過に伴う行動パターンの変化を行動変容情報として生成し、生成した行動変容情報に基づいてコメントを生成し、被験者Pに通知するため、被験者Pの活動変化を捉えてコメントを生成できることから、被験者Pの活動変化に基づいて適切にコメントできる。
(2)コメント生成部60は、行動変容情報が示す変化に加えて、被験者Pの固有情報や行動変容情報から推測される行動パターンの変化要因をコメントに含めることで、被験者Pの生活習慣に合致したコメントを生成できる。
(1)行動変容解析システム1は、被験者Pの時間経過に伴う行動パターンの変化を行動変容情報として生成し、生成した行動変容情報に基づいてコメントを生成し、被験者Pに通知するため、被験者Pの活動変化を捉えてコメントを生成できることから、被験者Pの活動変化に基づいて適切にコメントできる。
(2)コメント生成部60は、行動変容情報が示す変化に加えて、被験者Pの固有情報や行動変容情報から推測される行動パターンの変化要因をコメントに含めることで、被験者Pの生活習慣に合致したコメントを生成できる。
なお、本発明は上述した実施形態に限定されず、上述した実施形態に種々の変更や改良などを加えることが可能である。変形例を以下に述べる。
(変形例1)
曜日別活動量、時間帯別活動量、曜日別安静時心拍、時間帯別安静時心拍および歩行ピッチ心拍分布のような分析情報は、何れも多次元指標であり、コメント検索キーとして利用するために、次元数を削減する態様も想定できる。以下に、分析情報として時間帯別歩行時間を想定した場合について説明する。
図8は、変形例1を説明するブロック図である。変形例1では、予め、数百人から数千人以上のユーザーの計測データから時間帯別歩行時間を算出し、それらを1日の総歩行時間等で正規化を行った後、K平均法等の周知のクラスター分析手法を用いて、少数のパターンに類型化する。平日および土日の時間帯別歩行時間を各々6つの基本パターンに類型化した例を図9に示す。
図9は、例えば、平日パターン1〜平日パターン6は、平日における各時間帯の歩行時間を正規化して分類した例を示している。また、休日パターン1〜休日パターン6は、土曜日および日曜日等の休日における各時間帯の歩行時間を正規化して分類した例を示している。
曜日別活動量、時間帯別活動量、曜日別安静時心拍、時間帯別安静時心拍および歩行ピッチ心拍分布のような分析情報は、何れも多次元指標であり、コメント検索キーとして利用するために、次元数を削減する態様も想定できる。以下に、分析情報として時間帯別歩行時間を想定した場合について説明する。
図8は、変形例1を説明するブロック図である。変形例1では、予め、数百人から数千人以上のユーザーの計測データから時間帯別歩行時間を算出し、それらを1日の総歩行時間等で正規化を行った後、K平均法等の周知のクラスター分析手法を用いて、少数のパターンに類型化する。平日および土日の時間帯別歩行時間を各々6つの基本パターンに類型化した例を図9に示す。
図9は、例えば、平日パターン1〜平日パターン6は、平日における各時間帯の歩行時間を正規化して分類した例を示している。また、休日パターン1〜休日パターン6は、土曜日および日曜日等の休日における各時間帯の歩行時間を正規化して分類した例を示している。
(変形例2)
また、図10は、類型化の手法として、パターンマッチングを採用した場合を示すブロック図である。
変形例2では、コメント検索のための検索キーは、算出された時間帯別歩行時間に最も近いパターンを、類型化パターンの中からパターンマッチングで探し出し、その類型化パターンを示す番号とする。具体的には、あるユーザーXの時間帯別歩行時間を変形例1と同様に正規化を行い、パターンマッチング処理により、類型化パターンとの二乗誤差を求めるなどして、誤差が最も小さいパターンの番号を出力する。
また、図10は、類型化の手法として、パターンマッチングを採用した場合を示すブロック図である。
変形例2では、コメント検索のための検索キーは、算出された時間帯別歩行時間に最も近いパターンを、類型化パターンの中からパターンマッチングで探し出し、その類型化パターンを示す番号とする。具体的には、あるユーザーXの時間帯別歩行時間を変形例1と同様に正規化を行い、パターンマッチング処理により、類型化パターンとの二乗誤差を求めるなどして、誤差が最も小さいパターンの番号を出力する。
また、図11のテーブルに示すように、平日と土日に分割された類型化パターンである場合、平日と土日の組み合わせに1つのコメント検索用キー番号を割り当てても良い。即ち、平日のパターンが「2」であり、休日のパターンが「4」である場合、コメント検索用キー番号として「19」が出力される。
また、時間帯別の安静時心拍数の第1指標(安静時心拍数の出現割合)を用いて飲酒習慣を判定しても良い。即ち、上述したようなクラスタリングにより飲酒習慣が疑われるパターンと、そうでないパターンと、に類型化し、飲酒習慣の有無や程度に合わせたコメント検索キー番号を定義して、判定しても良い。また、時間帯別安静時心拍数の第2指標(安静時心拍数の総平均)を用いて、例えば、指標のピークが午後7〜午前3時にある場合、飲酒習慣が有ると判定し、そうでない場合、飲酒習慣はないと判定しても良い。
また、時間帯別の安静時心拍数の第1指標(安静時心拍数の出現割合)を用いて飲酒習慣を判定しても良い。即ち、上述したようなクラスタリングにより飲酒習慣が疑われるパターンと、そうでないパターンと、に類型化し、飲酒習慣の有無や程度に合わせたコメント検索キー番号を定義して、判定しても良い。また、時間帯別安静時心拍数の第2指標(安静時心拍数の総平均)を用いて、例えば、指標のピークが午後7〜午前3時にある場合、飲酒習慣が有ると判定し、そうでない場合、飲酒習慣はないと判定しても良い。
(変形例3)
図12は、変形例3に係わる端末装置2の概要を表す説明図である。
上述の実施形態では、端末装置2を被験者Pの運動データを検出する検出部20とコメント情報を表示する表示部21とを備えた腕時計型の端末装置として説明していたが、その構成に限らない。端末装置2は、検出部20を備えたセンサーバンド2aと、表示部21を備えた情報端末2bを備える複数装置の構成であっても良い。
図12は、変形例3に係わる端末装置2の概要を表す説明図である。
上述の実施形態では、端末装置2を被験者Pの運動データを検出する検出部20とコメント情報を表示する表示部21とを備えた腕時計型の端末装置として説明していたが、その構成に限らない。端末装置2は、検出部20を備えたセンサーバンド2aと、表示部21を備えた情報端末2bを備える複数装置の構成であっても良い。
端末装置2は、被験者Pの手首WRに装着されるセンサーバンド2aと、同じ被験者Pにより利用される情報端末2b等から構成され、それぞれは通信2cにより各種データ通信可能に接続されている。
センサーバンド2aは、検出部20、通信部25a、制御部27aなどから構成される。検出部20は、被験者Pの運動データを検出する。通信部25aは、好適例として近距離無線通信装置であり、通信2cを介して情報端末2bの通信部25bと通信を確立し、運動データの送信を含む各種データの送受信を行う。制御部27aはCPUやDSPでありROMやRAM等の記憶装置を有している。
センサーバンド2aは、被験者Pから運動データを取得するための最小限の要素で構成されているため、小型化、軽量化、省電力化に優れており、被験者Pの運動データを長時間に亘り検出することができる。
センサーバンド2aは、検出部20、通信部25a、制御部27aなどから構成される。検出部20は、被験者Pの運動データを検出する。通信部25aは、好適例として近距離無線通信装置であり、通信2cを介して情報端末2bの通信部25bと通信を確立し、運動データの送信を含む各種データの送受信を行う。制御部27aはCPUやDSPでありROMやRAM等の記憶装置を有している。
センサーバンド2aは、被験者Pから運動データを取得するための最小限の要素で構成されているため、小型化、軽量化、省電力化に優れており、被験者Pの運動データを長時間に亘り検出することができる。
情報端末2bは、一般的なスマートフォンやタブレット端末、PCなどであり、表示部21、操作部23、通信部25b、制御部27bなどから構成されている。
表示部21は、一般的な高解像度カラーLCD等の表示パネルを有して構成され、サーバー4から送信されるコメント情報が表示される表示装置である。
操作部23は、ボタンスイッチやタッチパネル等を有して構成される入力装置である。
通信部25bは、好適例として無線LAN通信装置であり、通信2cを介してセンサーバンド2aの通信部25aと通信を確立し、運動データの受信を含む各種データの送受信を行う。また、通信部25bは、サーバー4の通信部79と通信を確立し、通信3を介して運動データおよびコメント情報を含む各種データの送受信を行う。制御部27bはCPUやDSPでありROMやRAM等の記憶装置を有している。
表示部21は、一般的な高解像度カラーLCD等の表示パネルを有して構成され、サーバー4から送信されるコメント情報が表示される表示装置である。
操作部23は、ボタンスイッチやタッチパネル等を有して構成される入力装置である。
通信部25bは、好適例として無線LAN通信装置であり、通信2cを介してセンサーバンド2aの通信部25aと通信を確立し、運動データの受信を含む各種データの送受信を行う。また、通信部25bは、サーバー4の通信部79と通信を確立し、通信3を介して運動データおよびコメント情報を含む各種データの送受信を行う。制御部27bはCPUやDSPでありROMやRAM等の記憶装置を有している。
本変形例によれば、端末装置2は、センサーバンド2aにより被験者Pの運動データを長時間に亘り検出することができ、情報端末2bにより被験者Pへのコメント情報を大きな画面で精細に表示することができる。従って、被験者Pに対して使い勝手が良く、コメント情報をわかり易く視認させることができる端末装置2を提供することができる。
(変形例4)
上述の実施形態および変形例では、サーバー4を構成するデータベースエンジンは、リレーショナルデータベースを例に説明したが、このデータベースエンジンに限定するものではなく、オブジェクト指向データベースなどの他のデータベースエンジンや高級言語によりプログラミングされたプログラムを用いて管理されるものでもよい。
上述の実施形態および変形例では、サーバー4を構成するデータベースエンジンは、リレーショナルデータベースを例に説明したが、このデータベースエンジンに限定するものではなく、オブジェクト指向データベースなどの他のデータベースエンジンや高級言語によりプログラミングされたプログラムを用いて管理されるものでもよい。
(変形例5)
また、サーバー4の解析結果をユーザーにフィードバックするだけの形態も想定できる。これにより、被験者Pの生活リズムの変化をサーバー4で自動的に検知し、ユーザーへ変化を知らせる通知を行うことで、被験者Pの気付かないような変化も的確に把握し、通知することができる。
(変形例6)
また、メンターでは無く、家族や友人など、許可された第3者が被験者の情報を閲覧可能な装置であることも想定できる。これにより、被験者の生活リズムの変化を、あらかじめ許可された人に通知できるので、遠距離の家族にも現在の被験者の状況を通知することができる。
また、サーバー4の解析結果をユーザーにフィードバックするだけの形態も想定できる。これにより、被験者Pの生活リズムの変化をサーバー4で自動的に検知し、ユーザーへ変化を知らせる通知を行うことで、被験者Pの気付かないような変化も的確に把握し、通知することができる。
(変形例6)
また、メンターでは無く、家族や友人など、許可された第3者が被験者の情報を閲覧可能な装置であることも想定できる。これにより、被験者の生活リズムの変化を、あらかじめ許可された人に通知できるので、遠距離の家族にも現在の被験者の状況を通知することができる。
1…行動変容解析システム、2…端末装置、2a…センサーバンド、2b…情報端末、2c…通信、3…通信、4…サーバー、5…通信、8…外部装置、20…検出部、21…表示部、23…操作部、25…通信部、25a…通信部、25b…通信部、27…制御部、27a…制御部、27b…制御部、30…被験者情報記憶部、33…記憶部、35…被験者情報DB、40…活動情報管理部、41…処理部、43…運動データ受信部、45…解析部、46…行動変容情報生成部、47…記憶部、49…運動データDB、51…分析情報DB、60…コメント生成部、73…検索情報DB、78…ネットワーク、79…通信部、80…制御部、91…表示部、93…操作部、95…通信部、96…報知部、97…記憶部、351…主キー、352…レコード、511…主キー、512…レコード、731…主キー、733…レコード、735…レコード。
Claims (13)
- 被験者の活動情報を取得する活動情報取得部と、
所定期間分の前記活動情報を解析した解析情報を生成する解析情報生成部と、
少なくとも1つの前記所定期間を含む第1の期間における前記活動情報を解析して生成された第1解析情報と、少なくとも前記第1の期間とは異なる前記所定期間を含む第2の期間における前記活動情報を解析して生成された第2解析情報と、に基づいて、前記被験者の行動変容を示す行動変容情報を生成する行動変容情報生成部と、を備えることを特徴とする行動変容解析システム。 - 請求項1に記載の行動変容解析システムにおいて、
前記解析情報は、前記所定期間における、歩数、運動量、運動時間および消費カロリーのうち少なくとも1つを含む活動量を1週間における曜日、または、1日における時間帯の少なくともいずれかに応じて集計した指標であることを特徴とする行動変容解析システム。 - 請求項2に記載の行動変容解析システムにおいて、
前記解析情報は、前記指標に基づいて推測された前記被験者の行動パターンを含むことを特徴とする行動変容解析システム。 - 請求項1乃至3のいずれか1項に記載の行動変容解析システムにおいて、
前記行動変容情報は、前記第1解析情報と、前記第2解析情報と、の差異を示す差異情報を含むことを特徴とする行動変容解析システム。 - 請求項4に記載の行動変容解析システムにおいて、
前記差異情報は、前記第1解析情報および前記第2解析情報における、前記歩数、前記運動量、前記運動時間または前記消費カロリーの変化量を示すことを特徴とする行動変容解析システム。 - 請求項1乃至5のいずれか1項に記載の行動変容解析システムにおいて、
前記行動変容情報に基づいて、前記被験者の前記行動変容に関するテキスト情報や、前記被験者の前記行動変容を示すグラフを出力する出力部を備えることを特徴とする行動変容解析システム。 - 請求項1乃至6のいずれか1項に記載の行動変容解析システムにおいて、
前記行動変容情報に基づいて、前記被験者の前記行動変容を報知する報知部を備えることを特徴とする行動変容解析システム。 - 請求項1乃至7のいずれか1項に記載の行動変容解析システムにおいて、
前記行動変容情報に基づいて、コメント情報を生成するコメント生成部を備えることを特徴とする行動変容解析システム。 - 請求項8に記載の行動変容解析システムにおいて、
前記コメント生成部は、前記被験者の前記行動変容が生じた要因を前記行動変容情報に基づいて推定し、推定結果に基づいて前記コメント情報を生成することを特徴とする行動変容解析システム。 - 請求項1乃至9のいずれか1項に記載の行動変容解析システムにおいて、
前記被験者の生体情報を取得する生体情報取得部を備え、
前記解析情報生成部は、前記生体情報を解析することにより前記解析情報を生成することを特徴とする行動変容解析システム。 - 請求項10に記載の行動変容解析システムにおいて、
前記解析情報生成部は、前記活動情報に基づいて前記被験者の移動時におけるピッチを算出し、前記生体情報に基づいて前記被験者の心拍数を算出し、前記ピッチおよび前記心拍数に基づいて前記被験者の活動時間の累計を示す前記解析情報を生成することを特徴とする行動変容解析システム。 - 被験者の活動情報を取得し、
所定期間分の前記活動情報を解析した解析情報を生成し、
少なくとも1つの前記所定期間を含む第1の期間における前記活動情報を解析して生成された第1解析情報と、少なくとも前記第1の期間とは異なる前記所定期間を含む第2の期間における前記活動情報を解析して生成された第2解析情報と、に基づいて、前記被験者の行動変容を示す行動変容情報を生成することを特徴とする行動変容解析方法。 - 被験者の活動情報を取得する機能と、
所定期間分の前記活動情報を所定期間に応じて解析した解析情報を生成する機能と、
少なくとも1つの前記所定期間を含む第1の期間における前記活動情報を解析して生成された第1解析情報と、少なくとも前記第1の期間とは異なる前記所定期間を含む第2の期間における前記活動情報を解析して生成された第2解析情報と、に基づいて、前記被験者の行動変容を示す行動変容情報を生成する機能と、をコンピューターに実行させることを特徴とする行動変容解析プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015225458A JP2017097401A (ja) | 2015-11-18 | 2015-11-18 | 行動変容解析システム、行動変容解析方法および行動変容解析プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015225458A JP2017097401A (ja) | 2015-11-18 | 2015-11-18 | 行動変容解析システム、行動変容解析方法および行動変容解析プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2017097401A true JP2017097401A (ja) | 2017-06-01 |
Family
ID=58817773
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015225458A Pending JP2017097401A (ja) | 2015-11-18 | 2015-11-18 | 行動変容解析システム、行動変容解析方法および行動変容解析プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2017097401A (ja) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019160006A (ja) * | 2018-03-15 | 2019-09-19 | 花王株式会社 | 疾病予防支援方法、疾病予防支援装置及び疾病予防支援システム |
WO2019187099A1 (ja) * | 2018-03-30 | 2019-10-03 | 株式会社日立製作所 | 身体機能自立支援装置およびその方法 |
JP2020010894A (ja) * | 2018-07-19 | 2020-01-23 | 花王株式会社 | 活動分類方法及び活動分類装置 |
WO2020100319A1 (ja) * | 2018-11-14 | 2020-05-22 | オムロン株式会社 | 習慣改善装置、方法及びプログラム |
WO2020100318A1 (ja) * | 2018-11-14 | 2020-05-22 | オムロン株式会社 | 習慣改善装置、方法及びプログラム |
WO2020208944A1 (ja) * | 2019-04-09 | 2020-10-15 | パナソニックIpマネジメント株式会社 | 行動支援システム及び行動支援方法 |
JP2020184168A (ja) * | 2019-05-07 | 2020-11-12 | 花王株式会社 | 生活パターン判定装置 |
WO2022269959A1 (ja) * | 2021-06-21 | 2022-12-29 | 株式会社日立製作所 | ヒューマンライフ・トレーサビリティ装置および改善案提案支援方法 |
-
2015
- 2015-11-18 JP JP2015225458A patent/JP2017097401A/ja active Pending
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019160006A (ja) * | 2018-03-15 | 2019-09-19 | 花王株式会社 | 疾病予防支援方法、疾病予防支援装置及び疾病予防支援システム |
JP7214354B2 (ja) | 2018-03-15 | 2023-01-30 | 花王株式会社 | 疾病予防支援方法、疾病予防支援装置及び疾病予防支援システム |
JP7019796B2 (ja) | 2018-03-30 | 2022-02-15 | 株式会社日立製作所 | 身体機能自立支援装置およびその方法 |
CN111937078A (zh) * | 2018-03-30 | 2020-11-13 | 株式会社日立制作所 | 身体功能自主辅助装置及其方法 |
WO2019187099A1 (ja) * | 2018-03-30 | 2019-10-03 | 株式会社日立製作所 | 身体機能自立支援装置およびその方法 |
JPWO2019187099A1 (ja) * | 2018-03-30 | 2021-01-07 | 株式会社日立製作所 | 身体機能自立支援装置およびその方法 |
JP2020010894A (ja) * | 2018-07-19 | 2020-01-23 | 花王株式会社 | 活動分類方法及び活動分類装置 |
US20210254996A1 (en) * | 2018-11-14 | 2021-08-19 | Omron Corporation | Habit improving device, method and recording medium |
WO2020100318A1 (ja) * | 2018-11-14 | 2020-05-22 | オムロン株式会社 | 習慣改善装置、方法及びプログラム |
CN112567467B (zh) * | 2018-11-14 | 2024-02-27 | 欧姆龙株式会社 | 习惯改善装置、方法及计算机可读存储介质 |
JP2020080125A (ja) * | 2018-11-14 | 2020-05-28 | オムロン株式会社 | 習慣改善装置、方法及びプログラム |
CN112534509A (zh) * | 2018-11-14 | 2021-03-19 | 欧姆龙株式会社 | 习惯改善装置、方法及程序 |
CN112567467A (zh) * | 2018-11-14 | 2021-03-26 | 欧姆龙株式会社 | 习惯改善装置、方法及程序 |
WO2020100319A1 (ja) * | 2018-11-14 | 2020-05-22 | オムロン株式会社 | 習慣改善装置、方法及びプログラム |
CN112534509B (zh) * | 2018-11-14 | 2024-02-23 | 欧姆龙株式会社 | 习惯改善装置、方法及计算机可读存储介质 |
JP2020080123A (ja) * | 2018-11-14 | 2020-05-28 | オムロン株式会社 | 習慣改善装置、方法及びプログラム |
JP7351078B2 (ja) | 2018-11-14 | 2023-09-27 | オムロン株式会社 | 習慣改善装置、方法及びプログラム |
JPWO2020208944A1 (ja) * | 2019-04-09 | 2021-12-02 | パナソニックIpマネジメント株式会社 | 行動支援システム及び行動支援方法 |
JP7182319B2 (ja) | 2019-04-09 | 2022-12-02 | パナソニックIpマネジメント株式会社 | 行動支援システム及び行動支援方法 |
WO2020208944A1 (ja) * | 2019-04-09 | 2020-10-15 | パナソニックIpマネジメント株式会社 | 行動支援システム及び行動支援方法 |
JP7277730B2 (ja) | 2019-05-07 | 2023-05-19 | 花王株式会社 | 生活パターン判定装置 |
JP2020184168A (ja) * | 2019-05-07 | 2020-11-12 | 花王株式会社 | 生活パターン判定装置 |
WO2022269959A1 (ja) * | 2021-06-21 | 2022-12-29 | 株式会社日立製作所 | ヒューマンライフ・トレーサビリティ装置および改善案提案支援方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2017097401A (ja) | 行動変容解析システム、行動変容解析方法および行動変容解析プログラム | |
Yang et al. | Lifelogging data validation model for internet of things enabled personalized healthcare | |
JP5250827B2 (ja) | 行動履歴の生成方法及び行動履歴の生成システム | |
JP4636206B2 (ja) | 活動量計測システム | |
WO2015179861A1 (en) | Operating system with color-based health state themes | |
US9486161B2 (en) | Information processing system and method | |
CA2738623A1 (en) | Personalized activity monitor and weight management system | |
KR102080534B1 (ko) | 맞춤형 건강관리 서비스 시스템 | |
US20210241651A1 (en) | Habit improving device, method and recording medium | |
JP2016031569A (ja) | 生活活動解析装置、生活活動解析システム、生活活動解析方法及びプログラム | |
JP2017086195A (ja) | 体力指標表示システム、体力指標出力装置および体力指標表示方法 | |
US11158414B2 (en) | System and method for health data management with wearable devices | |
CN112534509B (zh) | 习惯改善装置、方法及计算机可读存储介质 | |
JP2021122580A (ja) | 体調評価方法、および、体調評価システム | |
US10105095B2 (en) | Method and system for defining balance between physical activity and rest | |
JP7074566B2 (ja) | 体調評価システム | |
JP2017194887A (ja) | 間食管理システム、装着装置、間食管理方法、およびプログラム | |
JP2017004151A (ja) | 出退勤及び健康管理システム | |
US20230260646A1 (en) | Relationship estimatation system | |
WO2023021738A1 (ja) | 情報処理装置、情報処理方法、プログラム、並びに情報処理システム | |
US20220270722A1 (en) | Behavior effect analysis system, behavior effect analysis program, and behavior effect analysis method | |
Chinrungrueng et al. | My act: an automatic detection of daily physical activity and calorie expenditure using smart phones | |
US20220409187A1 (en) | Illness detection with menstrual cycle pattern analysis | |
JP2008253280A (ja) | 活動量管理システム | |
JP2016163292A (ja) | 情報処理装置、コミュニケーション支援システム、情報処理方法、およびプログラム |