KR101872702B1 - System and method for walking activity prediction service for exercise motive - Google Patents

System and method for walking activity prediction service for exercise motive Download PDF

Info

Publication number
KR101872702B1
KR101872702B1 KR1020160135347A KR20160135347A KR101872702B1 KR 101872702 B1 KR101872702 B1 KR 101872702B1 KR 1020160135347 A KR1020160135347 A KR 1020160135347A KR 20160135347 A KR20160135347 A KR 20160135347A KR 101872702 B1 KR101872702 B1 KR 101872702B1
Authority
KR
South Korea
Prior art keywords
prediction
user
walking activity
screen
app
Prior art date
Application number
KR1020160135347A
Other languages
Korean (ko)
Other versions
KR20180042894A (en
Inventor
김도현
Original Assignee
제주대학교 산학협력단
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 제주대학교 산학협력단 filed Critical 제주대학교 산학협력단
Priority to KR1020160135347A priority Critical patent/KR101872702B1/en
Publication of KR20180042894A publication Critical patent/KR20180042894A/en
Application granted granted Critical
Publication of KR101872702B1 publication Critical patent/KR101872702B1/en

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M1/00—Substation equipment, e.g. for use by subscribers
    • H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
    • H04M1/724—User interfaces specially adapted for cordless or mobile telephones
    • H04M1/72519—
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1118—Determining activity level

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Dentistry (AREA)
  • Biomedical Technology (AREA)
  • Physiology (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Human Computer Interaction (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

본 발명은 운동 동기 부여를 위한 걷기 활동량 예측 시스템 및 방법에 관한 것이다. 본 발명은, 만보기로 사용되는 센서(3); 및 센서(3)를 이용해 사용자(1) 걸음 수를 측정하며, 센서(3)가 걸음 수를 측정할 때마다 내부의 앱 DB(30)에 측정 값을 저장하며, 저장된 값들은 뷰(View) 화면을 통해 사용자(1)에게 제공하는 걷기 활동량 예측 앱(10); 을 포함하며, 뷰(View)에서는 과거 화면, 현재 화면, 미래 예측 화면으로 구분되며, 미래 예측 화면에서 보여주는 데이터는 걷기 활동량 예측 앱(10)의 예측 필터(30)를 이용해 계산할 수 있다.
이에 의해, 걷기 운동 활동량 예측 서비스를 통해서 사용자의 기본적인 현재 및 과거에 대한 걷기 운동 정보 데이터뿐만 아니라, 사용자에게 운동을 해야 한다는 것에 대한 강압적인 메시지가 아닌 예측 데이터를 제공해 넛지(nudge) 효과를 유도하여 사용자에게 운동에 대한 동기부여의 도움이 되도록 하는 효과를 제공한다.
뿐만 아니라, 추출된 데이터를 단순히 사용자에게 제공하는 것을 넘어서 동기부여를 주어 사용자에게 건강상태 향상에 기여할 수 있는 효과를 제공한다. The present invention relates to a system and method for predicting walking activity for motivation. The present invention relates to a sensor (3) used as a pedometer; And stores the measured values in the internal app DB 30 every time the sensor 3 measures the number of steps, and the stored values are stored in the view (View) A walking activity prediction app 10 provided to the user 1 through a screen; A current screen and a future prediction screen, and the data displayed on the future prediction screen can be calculated using the prediction filter 30 of the walking activity prediction app 10.
Thus, not only the walking exercise information data for the user's basic current and past but also the prediction data for the user should be given to the user to exercise, through the walking exercise activity prediction service, to provide the nudge effect And provides an effect that helps the user to motivate the exercise.
In addition, it provides motivation beyond providing the extracted data to the user, and provides the user with an effect to contribute to improvement of the health condition.

Description

운동 동기 부여를 위한 걷기 활동량 예측 방법{SYSTEM AND METHOD FOR WALKING ACTIVITY PREDICTION SERVICE FOR EXERCISE MOTIVE}BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a method of predicting walking activity,

본 발명은 운동 동기 부여를 위한 걷기 활동량 예측 시스템 및 방법에 관한 것으로, 보다 구체적으로는, 개인의 건강 상태 및 운동을 위해서 현재 및 과거에 대한 측정뿐만 아니라 미래의 걷기 운동 활동량 예측을 통해 유용한 정보와 동기부여를 제공하도록 하기 위한 운동 동기 부여를 위한 걷기 활동량 예측 시스템 및 방법에 관한 것이다.
The present invention relates to a system and method for predicting walking activity for exercise motivation, and more particularly, to a method and system for estimating walking activity, And more particularly, to a system and method for estimating a walking activity amount for exercise motivation to provide motivation.

직장과 공부 등의 이유로 바쁜 현대인들은 의자에 오랫동안 앉아있는 경우가 많기 때문에 활동량이 적어 운동 부족에 시달리고 건강에 좋지 않은 생활 패턴을 가진 상황을 인식한 대부분의 현대인에게 건강과 운동에 대한 관심과 필요성이 강조되고 있다.Modern people who are busy due to work and study are often sitting in a chair for a long time. Therefore, most modern people who are aware of situations that have a lack of activity and suffer from lack of exercise and have a bad health pattern are interested in health and exercise. It is emphasized.

이러한 사회적 상황을 바탕으로 간단하면서도 누구나 어디서든 쉽고 간단하게 할 수 있는 걷기 운동에 대한 중요성이 커지고 있으며, 단순히 걷기 운동하는 것을 넘어서 걷기 운동을 어느 정도 했는지, 어떻게 해야 할지에 대한 분석에 대한 요구도 늘고 있다. Based on this social situation, the importance of the walking exercise, which is simple and easy to do anywhere, is becoming more important, and there is an increasing demand for an analysis of the degree of walking and how to do the walking beyond the simple walking have.

하드웨어(H/W) 및 소프트웨어(S/W)의 발전은 웨어러블, 스마트폰 등의 스마트 디바이스의 보편화를 불러왔고 사용자들의 요구사항을 하나둘씩 만족시킬 수 있는 상황을 만들어갈 수 있게 되었다. The development of hardware (H / W) and software (S / W) has led to the universalization of smart devices such as wearables and smart phones, and it has become possible to satisfy the requirements of users one by one.

소비자들의 많은 요구사항과 이러한 요구사항을 채울 수 있는 환경이 만들어지면서 개인의 운동 데이터 측정 및 접근에 대한 어플리케이션(application, 이하, '앱' ) 서비스가 우후죽순 늘어나고 있다. With many consumer requirements and an environment that meets these requirements, applications for measuring and accessing individual athletic data ("apps") have become more popular.

그러나 운동 관련 앱 서비스의 대부분은 단순히 현재 및 과거 데이터에 국한되어 현재 걸음 수를 측정하고 과거의 측정 기록을 보여주는데 초점을 두고 있는 한계점이 있다.
However, most exercise-related app services are limited to current and historical data, and there are limitations that focus on measuring the current number of steps and showing historical measurement records.

대한민국 특허등록공보 등록번호 제10-1647361호 "호흡 운동 예측 장치 및 호흡 운동 예측 방법(APPARATUS AND METHOD FOR PREDICTING RESPIRATORY MOTION)"Korean Patent Registration No. 10-1647361 entitled " APPARATUS AND METHOD FOR PREDICTING RESPIRATORY MOTION " 대한민국 특허등록공보 등록번호 제10-1545258호 "운동 민감도 예측용 바이오마커(BIOMARKER FOR PREDICTING OF SENSITIVITY TO EXERCISE)"Korean Patent Registration No. 10-1545258 entitled " BIOMARKER FOR PREDICTING OF SENSITIVITY TO EXERCISE " 대한민국 특허공개공보 공개번호 제10-2005-0095326호 "운동량측정센서가 내장된 핸드폰(CELLULAR PHONE WITH THE SENSOR DETECTING QUANTITY OF MOTION)"Korean Patent Laid-Open Publication No. 10-2005-0095326 "CELLULAR PHONE WITH THE SENSOR DETECTING QUANTITY OF MOTION" 대한민국 특허등록공보 등록번호 제10-0195366호 "운동량측정장치(EXERCISE AMOUNT MEASURING DEVICE)"Korean Patent Registration No. 10-0195366 entitled "EXERCISE AMOUNT MEASURING DEVICE"

본 발명은 상기의 문제점을 해결하기 위한 것으로, 걷기 운동 활동량 예측 서비스를 통해서 사용자의 기본적인 현재 및 과거에 대한 걷기 운동 정보 데이터뿐만 아니라, 사용자에게 운동을 해야 한다는 것에 대한 강압적인 메시지가 아닌 예측 데이터를 제공해 넛지(nudge) 효과를 유도하여 사용자에게 운동에 대한 동기부여의 도움이 되도록 하기 위한 운동 동기 부여를 위한 걷기 활동량 예측 시스템 및 방법을 제공하기 위한 것이다.SUMMARY OF THE INVENTION The present invention has been made to solve the above-mentioned problems, and it is an object of the present invention to provide a method and apparatus for estimating a walking exercise activity data by using not only a walking exercise information data for a user's basic current and past, The present invention provides a system and method for predicting a walking activity amount for providing a motive for inducing a nudge effect and providing a user with motivation for exercise.

또한, 본 발명은 추출된 데이터를 단순히 사용자에게 제공하는 것을 넘어서 동기부여를 주어 사용자에게 건강상태 향상에 기여하도록 하기 위한 운동 동기 부여를 위한 걷기 활동량 예측 시스템 및 방법을 제공하기 위한 것이다.The present invention also provides a system and method for estimating a walking activity amount for motivating a user to motivate a user not only to provide extracted data to a user but also to contribute to improvement of a health condition to a user.

그러나 본 발명의 목적들은 상기에 언급된 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
However, the objects of the present invention are not limited to the above-mentioned objects, and other objects not mentioned can be clearly understood by those skilled in the art from the following description.

상기의 목적을 달성하기 위해 본 발명의 실시예에 따른 운동 동기 부여를 위한 걷기 활동량 예측 시스템은, 만보기로 사용되는 센서(3); 및 센서(3)를 이용해 사용자(1) 걸음 수를 측정하며, 센서(3)가 걸음 수를 측정할 때마다 내부의 앱 DB(30)에 측정 값을 저장하며, 저장된 값들은 뷰(View) 화면을 통해 사용자(1)에게 제공하는 걷기 활동량 예측 앱(10); 을 포함하며, 뷰(View)에서는 과거 화면, 현재 화면, 미래 예측 화면으로 구분되며, 미래 예측 화면에서 보여주는 데이터는 걷기 활동량 예측 앱(10)의 예측 필터(30)를 이용해 계산할 수 있다.In order to achieve the above object, a walking activity estimation system for exercise motivation according to an embodiment of the present invention includes a sensor 3 used as a pedometer; And stores the measured values in the internal app DB 30 every time the sensor 3 measures the number of steps, and the stored values are stored in the view (View) A walking activity prediction app 10 provided to the user 1 through a screen; A current screen and a future prediction screen, and the data displayed on the future prediction screen can be calculated using the prediction filter 30 of the walking activity prediction app 10.

이때, 본 발명의 다른 실시예에 따른 운동 동기 부여를 위한 걷기 활동량 예측 시스템에 있어서, 걷기 활동량 예측 앱(10)은, 사용자(1)가 선택할 수 있는 화면으로 개인 정보 화면, 목표 화면, 과거 화면, 현재 측정 화면, 미래 예측 화면, 개인 기록 화면을 제공할 수 있다.Here, in the walking activity estimation system for exercise motivation according to another embodiment of the present invention, the walking activity estimation app 10 may display a personal information screen, a target screen, a past screen , A current measurement screen, a future prediction screen, and a personal recording screen.

또한, 본 발명의 또 다른 실시예에 따른 운동 동기 부여를 위한 걷기 활동량 예측 시스템에 있어서, 걷기 활동량 예측 앱(10)은, 기간 선택 정보 입력을 받는 경우, 기간 선택 정보에 예측 데이터에 해당하는 데이터 기간이 포함된 경우 예측 계산을 수행할 수 있다.In addition, in the walking activity estimation system for exercise motivation according to another embodiment of the present invention, when receiving the period selection information input, the walking activity estimation application 10 adds the data corresponding to the prediction data to the period selection information If the period is included, a prediction calculation can be performed.

상기의 목적을 달성하기 위해 본 발명의 실시예에 따른 운동 동기 부여를 위한 걷기 활동량 예측 방법은, 걷기 활동량 예측 앱(10)이 사용자(1)의 개인 정보를 수신한 뒤, 개인 정보를 걷기 활동량 예측 앱(10) 내부 데이터베이스인 앱 DB(20)에 저장하는 제 1 단계; 걷기 활동량 예측 앱(10)이 사용자(1)의 개인 목표를 입력받은 뒤, 개인 목표를 앱 DB(20)에 저장하는 제 2 단계; 걷기 활동량 예측 앱(10)이 센서(3)에 대한 제어를 통해 사용자(1)의 걸음 수 측정을 시작하는 제 3 단계; 걷기 활동량 예측 앱(10)이 사용자(1)의 걸음을 인식할 때마다 걷기 활동량 예측 앱(10) 내부 앱 DB(20)에 시간과 걸음 수를 저장하는 제 4 단계; 걷기 활동량 예측 앱(10)이 사용자(1)로 예측 값을 요청받은 경우, 저장된 걸음 수를 가지고 걷기 활동량 예측 앱(10) 내부에 있는 칼만 필터를 이용한 예측 필터(prediction filer)(30)를 통해 값을 계산하는 제 5 단계; 및 걷기 활동량 예측 앱(10)이 측정 값과 예측 값을 출력하는 제 6 단계; 를 포함할 수 있다. In order to achieve the above object, the method for predicting walking activity for exercise motivation according to the embodiment of the present invention is a method for predicting walking activity of a user (1) after receiving the personal information of the user (1) In an app DB (20) which is an internal database of the predictive app (10); A second step of storing the personal goal in the app DB 20 after the walking activity estimation application 10 receives the personal goal of the user 1; A third step in which the walking activity estimation app 10 starts measuring the number of steps of the user 1 through the control of the sensor 3; A fourth step of storing the time and the number of steps in the internal application DB 20 of the walking activity estimation app 10 every time the walking activity estimation application 10 recognizes the user 1 walking; When the walking activity estimation application 10 is requested by the user 1 with a predicted value, the walking activity estimation application 10 uses a prediction filter 30 using the Kalman filter in the walking activity estimation app 10, A fifth step of calculating a value; And a walking activity estimation app (10) outputting a measured value and a predicted value; . ≪ / RTI >

상기의 목적을 달성하기 위해 본 발명의 다른 실시예에 따른 운동 동기 부여를 위한 걷기 활동량 예측 방법은, 걷기 활동량 예측 앱(10)이 사용자(1)의 개인 정보 입력 여부를 확인에 따라, 개인 정보 입력시 사용자(1)의 목표 입력 여부를 확인하는 제 1 단계; 개인 정보뿐만 아니라 목표를 입력하게 되면, 걷기 활동량 예측 앱(10)이 사용자(1)로부터 과거, 현재, 미래 중 원하는 데이터 선택 정보를 수신하는 제 2 단계; 데이터 선택 정보 수신에 따라, 걷기 활동량 예측 앱(10)이 사용자(1)로부터 원하는 데이터의 기간 선택 정보를 수신하는 제 3 단계; 및 기간 선택 정보 수신에 따라, 걷기 활동량 예측 앱(10)이 기간 선택 정보에 예측 데이터에 해당하는 데이터 기간이 포함된 경우 예측 계산 과정을 진행하는 제 4 단계; 를 포함할 수 있다.In order to achieve the above object, according to another aspect of the present invention, there is provided a method for predicting a walking activity amount for exercise motivation, the walking activity prediction application (10) A first step of confirming whether or not to input a target of the user (1) upon inputting; A second step of receiving the data selection information of the past, present, and future from the user 1 when the walking activity estimation application 10 inputs the goal as well as the personal information; A third step in which the walking activity estimation app 10 receives period information of desired data from the user 1 according to reception of the data selection information; And a fourth step of, when receiving the period selection information, proceeding to a prediction calculation process when the walking activity estimation application 10 includes a data period corresponding to prediction data in the period selection information; . ≪ / RTI >

이때, 본 발명의 또 다른 실시예에 따른 운동 동기 부여를 위한 걷기 활동량 예측 방법은, 상기 제 4 단계 이후, 걷기 활동량 예측 앱(10)이 사용자(1)의 요구한 내용을 바탕으로 결과를 출력하는 제 5 단계; 를 더 수행할 수 있다.
Hereinafter, the method for predicting walking activity for exercise motivation according to another embodiment of the present invention may further include, after the fourth step, outputting a result based on the contents requested by the user (1) 5 < th > . ≪ / RTI >

본 발명의 실시예에 따른 운동 동기 부여를 위한 걷기 활동량 예측 시스템 및 방법은, 걷기 운동 활동량 예측 서비스를 통해서 사용자의 기본적인 현재 및 과거에 대한 걷기 운동 정보 데이터뿐만 아니라, 사용자에게 운동을 해야 한다는 것에 대한 강압적인 메시지가 아닌 예측 데이터를 제공해 넛지(nudge) 효과를 유도하여 사용자에게 운동에 대한 동기부여의 도움이 되도록 하는 효과를 제공한다. The system and method for predicting the walking activity amount for exercise motivation according to the embodiment of the present invention can be applied not only to the user's basic current and past walking exercise information data through the walking exercise activity prediction service, Provides predictive data rather than a coercive message to induce a nudge effect, which provides the user with the motivation for motivation.

뿐만 아니라, 본 발명의 다른 실시예에 따른 운동 동기 부여를 위한 걷기 활동량 예측 시스템 및 방법은, 추출된 데이터를 단순히 사용자에게 제공하는 것을 넘어서 동기부여를 주어 사용자에게 건강상태 향상에 기여할 수 있는 효과를 제공한다.
In addition, the system and method for predicting the walking activity for motivation in accordance with another embodiment of the present invention can provide motivation beyond providing the extracted data to the user and contribute to improvement of the health condition to the user to provide.

도 1은 본 발명의 실시예에 따른 운동 동기 부여를 위한 걷기 활동량 예측 시스템에서 걷기 활동량 예측 걷기 활동량 예측 앱(10)의 서비스 개념을 나타내는 도면.
도 2는 본 발명의 실시예에 따른 운동 동기 부여를 위한 걷기 활동량 예측 방법 중 사용자(1)에 의한 걷기 활동량 예측 앱(10)의 사용 과정을 나타내는 흐름도.
도 3은 본 발명의 실시예에 따른 운동 동기 부여를 위한 걷기 활동량 예측 시스템에서의 걷기 활동량 예측 앱(10)의 시스템 아키텍처를 나타내는 도면.
도 4는 본 발명의 실시예에 따른 운동 동기 부여를 위한 걷기 활동량 예측 방법의 전체적인 과정을 나타내는 흐름도.
도 5는 도 4의 본 발명의 실시예에 따른 운동 동기 부여를 위한 걷기 활동량 예측 방법 중 데이터 예측 계산 과정을 설명하기 위한 칼만 필터 사이클을 설명하기 위한 도면.
도 6은 본 발명의 실시예에 따른 운동 동기 부여를 위한 걷기 활동량 예측 방법 중 걷기 활동량 예측 앱(10)에 의해 모바일 스마트 디바이스(2)에서 출력부(4)로 사용자(1)의 신체 정보를 구현한 UI 화면(Display of body information)을 나타내는 도면.
도 7은 본 발명의 실시예에 따른 운동 동기 부여를 위한 걷기 활동량 예측 시스템에서 걷기 활동량 예측 앱(10)이 사용자(1)가 입력한 목표와 추정치 계산법을 통해 계산한 내용을 나타내는 UI 화면을 나타내는 도면.
도 8은 본 발명의 실시예에 따른 운동 동기 부여를 위한 걷기 활동량 예측 시스템에서 걷기 활동량 예측 앱(10)에 의해 구현된 과거 걷기 현황 일별 차트 UI 화면.
도 9는 본 발명의 실시예에 따른 운동 동기 부여를 위한 걷기 활동량 예측 시스템에서 걷기 활동량 예측 앱(10)이 구현한 현재 걷기 현황을 차트를 통해 나타내는 UI 화면(UI display of current walking activity).
도 10은 본 발명의 실시예에 따른 운동 동기 부여를 위한 걷기 활동량 예측 시스템에서 걷기 활동량 예측 앱(10)이 구현한 미래 걷기 현황 화면을 차트를 통해 나타내는 UI 화면(UI display of walking activity in the future).
도 11은 본 발명의 실시예에 따른 운동 동기 부여를 위한 걷기 활동량 예측 시스템에서 걷기 활동량 예측 앱(10)이 구현한 기록 UI 화면(UI display of record in walking activity).1 is a diagram illustrating a concept of a service of the walking activity prediction application for estimating walking activity in the system for predicting the walking activity for exercise motivation according to the embodiment of the present invention.
FIG. 2 is a flowchart showing a usage process of the walking activity estimation app 10 by the user 1 among the walking activity estimation methods for motivation for exercise according to the embodiment of the present invention.
3 is a diagram showing the system architecture of the walking activity estimation app 10 in the walking activity estimation system for motive motivation according to the embodiment of the present invention.
FIG. 4 is a flowchart illustrating an overall process of a method for predicting walking activity for exercise motivation according to an embodiment of the present invention. FIG.
FIG. 5 is a diagram for explaining a Kalman filter cycle for explaining a data prediction calculation process among the walking activity estimation methods for motional exercise according to the embodiment of the present invention shown in FIG. 4;
6 is a flowchart illustrating a method of predicting the walking activity of a user (1) from the mobile smart device (2) to the output unit (4) by the walking activity prediction application (10) A diagram showing an implemented UI screen (Display of body information).
FIG. 7 is a graph showing a UI screen showing the contents calculated by the walking activity estimation application 10 in the walking activity estimation system for motivation exercise according to an embodiment of the present invention, drawing.
FIG. 8 is a chart showing the past walking status daily chart UI implemented by the walking activity estimation application 10 in the walking activity estimation system for exercise motivation according to the embodiment of the present invention.
FIG. 9 is a UI display of current walking activity, which is a chart showing current walking statuses implemented by the walking activity prediction application 10 in the walking activity amount prediction system for exercise motivation according to the embodiment of the present invention.
FIG. 10 is a diagram showing a UI screen of a future walking status screen implemented by the walking activity prediction application 10 in a walking activity amount prediction system for motivation in accordance with an embodiment of the present invention, ).
FIG. 11 is a UI display of record in walking activity implemented by the walking activity prediction application 10 in the walking activity estimation system for exercise motivation according to the embodiment of the present invention.

이하, 본 발명의 바람직한 실시예의 상세한 설명은 첨부된 도면들을 참조하여 설명할 것이다. 하기에서 본 발명을 설명함에 있어서, 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다.DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Hereinafter, a detailed description of preferred embodiments of the present invention will be given with reference to the accompanying drawings. In the following description of the present invention, detailed description of known functions and configurations incorporated herein will be omitted when it may make the subject matter of the present invention rather unclear.

본 명세서에 있어서는 어느 하나의 구성요소가 다른 구성요소로 데이터 또는 신호를 '전송'하는 경우에는 구성요소는 다른 구성요소로 직접 상기 데이터 또는 신호를 전송할 수 있고, 적어도 하나의 또 다른 구성요소를 통하여 데이터 또는 신호를 다른 구성요소로 전송할 수 있음을 의미한다.
In the present specification, when any one element 'transmits' data or signals to another element, the element can transmit the data or signal directly to the other element, and through at least one other element Data or signal can be transmitted to another component.

도 1은 본 발명의 실시예에 따른 운동 동기 부여를 위한 걷기 활동량 예측 시스템에서 걷기 활동량 예측 걷기 활동량 예측 앱(이하 '걷기 활동량 예측 앱')(10)의 서비스 개념을 나타내는 도면이다. 1 is a diagram illustrating a concept of a service of a walking activity prediction application (hereinafter referred to as a 'walking activity prediction application') 10 in a walking activity estimation system for motivation in accordance with an embodiment of the present invention.

도 1을 참조하면, 사용자(1)는 걷기 활동량 예측 앱(10)을 사용하기 위해 건강상태에 대한 정보를 입력한 후 걷기 운동에 대한 데이터를 제공받는다. Referring to FIG. 1, a user 1 inputs information on a health state to use the walking activity estimation app 10, and then receives data on a walking exercise.

사용자(1)는 자신의 키, 몸무게와 같은 신체 정보와 일일 목표 걸음 수와 같은 개인의 목표를 입력하면, 걷기 활동량 예측 앱(10)에서는 데이터를 측정 및 예측해 과거, 현재, 미래 3가지 요소로 나누어 사용자(1)가 원하는 부분에 대한 선택지를 주어 정보를 제공한다. When the user 1 inputs personal information such as his / her key, body weight, and the number of daily goal steps, the walking activity prediction app 10 measures and predicts data to determine the past, present, and future factors And the user 1 gives an option to the desired part to provide information.

또한, 걷기 활동량 예측 앱(10)은 측정된 데이터를 바탕으로 추출한 기록을 사용자(1)에게 제공한다.
Further, the walking activity prediction app 10 provides the user 1 with a record extracted based on the measured data.

도 2는 본 발명의 실시예에 따른 운동 동기 부여를 위한 걷기 활동량 예측 방법 중 사용자(1)에 의한 걷기 활동량 예측 앱(10)의 사용 과정을 나타내는 흐름도이다. 도 2를 참조하면, 사용자(1)는 걷기 활동량 예측 앱(10)을 실행하면(S11), 제일 먼저 사용자(1)의 개인 정보를 입력한다(S12). 사용자(1)가 입력한 개인 정보는 걷기 활동량 예측 앱(10) 내부 데이터베이스인 앱 DB(20)에 저장된다(S13). FIG. 2 is a flowchart showing a usage process of the walking activity estimation app 10 by the user 1 among the walking activity estimation methods for motivation in accordance with the embodiment of the present invention. Referring to FIG. 2, when the user 1 executes the walking activity estimation app 10 (S11), the user 1 first inputs the personal information of the user 1 (S12). The personal information input by the user 1 is stored in the app DB 20, which is an internal database of the walking activity prediction app 10 (S13).

단계(S13) 이후, 동일한 방식으로 걷기 활동량 예측 앱(10)은 사용자(1)로부터 개인 목표를 입력받고 받은 내용을 앱 DB(20)에 저장한다(S14, S15). After step S13, the walking activity estimation app 10 stores the contents of the personal goal input from the user 1 in the same manner as the user's personal goal in the application DB 20 (S14, S15).

개인 정보와 다른 목표 입력이 모두 저장된 후부터 걷기 활동량 예측 앱(10)은 걸음 수 측정을 시작한다. After storing both personal information and other goal inputs, the walking activity prediction app 10 starts measuring the number of steps.

이에 따라, 걷기 활동량 예측 앱(10)은 사용자(1)의 걸음을 인식할 때마다 걷기 활동량 예측 앱(10) 내부 앱 DB(20)에 시간과 걸음 수를 저장한다(S16). Accordingly, the walking activity estimation application 10 stores the time and the number of steps in the internal activity DB 20 of the walking activity estimation app 10 every time the user 1 recognizes the user's step (S16).

사용자(1)가 예측 값을 원하는 경우(S17) 저장된 걸음 수를 가지고 걷기 활동량 예측 앱(10) 내부에 있는 칼만 필터를 이용한 예측 필터(prediction filer)(30)를 통해 값을 계산한다(S18, S19). 계산이 끝나면 걷기 활동량 예측 앱(10)은 측정 값과 예측 값을 사용자(1)에게 보여준다(S20 내지 S22).
If the user 1 desires a predicted value (S17), a value is calculated through a prediction filter (30) using the Kalman filter in the walking activity prediction app (10) with the stored number of steps (S18, S19). When the calculation is completed, the walking activity estimation app 10 displays the measured value and the predicted value to the user 1 (S20 to S22).

도 3은 본 발명의 실시예에 따른 운동 동기 부여를 위한 걷기 활동량 예측 시스템에서의 걷기 활동량 예측 앱(10)의 시스템 아키텍처를 나타내는 도면이다. FIG. 3 is a diagram illustrating a system architecture of the walking activity estimation app 10 in the walking activity estimation system for motive motivation according to the embodiment of the present invention.

도 3을 참조하면, 걷기 활동량 예측 앱(10)은 안드로이드 OS 기반 모바일 스마트 디바이스(2)에서 자체적으로 제공하는 만보기 센서(3)를 이용해 걸음 수를 측정한다. 센서(3)가 걸음 수를 측정할 때마다 걷기 활동량 예측 앱(10)은 내부의 앱 DB(30)에 측정 값을 저장한다. 이러한 저장된 값들은 뷰(View) 화면을 통해 사용자(1)에게 제공한다. 뷰(View)에서는 대표적으로 과거 화면, 현재 화면, 미래 예측 화면이 있다. 미래 예측 화면에서 보여주는 데이터는 걷기 활동량 예측 앱(10)의 예측 필터(30)를 이용해 계산한다.
Referring to FIG. 3, the walking activity prediction app 10 measures the number of steps using the pedometer sensor 3 provided by the mobile smart device 2 based on the Android OS. Every time the sensor 3 measures the number of steps, the walking activity estimation app 10 stores the measurement value in the internal app DB 30. [ These stored values are provided to the user 1 through a View screen. The view typically includes a past screen, a current screen, and a future prediction screen. The data displayed on the future prediction screen is calculated using the prediction filter 30 of the walking activity prediction app 10.

도 4는 본 발명의 실시예에 따른 운동 동기 부여를 위한 걷기 활동량 예측 방법의 전체적인 과정을 나타내는 흐름도이다. 도 4를 참조하면, 걷기 활동량 예측 앱(10)이 실행되면, 제일 먼저 사용자(1)의 개인 정보 입력 여부를 확인한다(S10). 개인 정보를 입력하면(S120), 사용자(1)의 목표 입력 여부를 확인한다(S130). 4 is a flowchart illustrating an overall process of a walking activity estimation method for motivation for exercise according to an embodiment of the present invention. Referring to FIG. 4, when the walking activity estimation app 10 is executed, it is first checked whether personal information of the user 1 is input (S10). When the personal information is inputted (S120), it is confirmed whether or not the user 1 inputs a target (S130).

개인 정보뿐만 아니라 목표를 입력하게 되면(S140), 걷기 활동량 예측 앱(10)은 사용자(1)로부터 과거, 현재, 미래 중 원하는 데이터 선택 정보를 수신한다(S150). If the user inputs not only the personal information but also the target (S140), the walking activity prediction app 10 receives the data selection information of past, present, and future from the user 1 (S150).

데이터 선택 정보 수신에 따라, 걷기 활동량 예측 앱(10)은 사용자(1)로부터 원하는 데이터의 기간 선택 정보를 수신한다(S160).Upon receipt of the data selection information, the walking activity estimation app 10 receives period information of desired data from the user 1 (S160).

기간 선택 정보 수신에 따라, 걷기 활동량 예측 앱(10)은 기간 선택 정보에 예측 데이터에 해당하는 데이터 기간이 포함된 경우(S170), 예측 계산 과정을 진행한다(S180). Upon receipt of the period selection information, the walking activity prediction app 10 proceeds with the prediction calculation process when the period selection information includes the data period corresponding to the prediction data (S170) (S180).

단계(S180) 이후, 걷기 활동량 예측 앱(10)은 사용자(1)의 요구한 내용을 바탕으로 결과를 출력한다.
After step S180, the walking activity estimation app 10 outputs a result based on the contents requested by the user 1. [

도 5는 도 4의 본 발명의 실시예에 따른 운동 동기 부여를 위한 걷기 활동량 예측 방법 중 데이터 예측 계산 과정인 단계(S180)를 설명하기 위한 칼만 필터 사이클을 설명하기 위한 도면이다. 도 4를 참조하면, 예측 필터(30)는 데이터 예측을 위해, 즉 걸음 수의 예측 부분을 구현하기 위해 칼만 필터를 응용한다. 칼만 필터는 예측 단계와 보정 단계로 나눌 수 있다. 예측 단계인 (1) Project the state ahead, (2) Project the error convariance ahead에서는 상태 추정과 추정에 대한 에러 변화를 계산한다. 보정 단계인 (1) Compute the Kalman gain, (2) Update estimate with measurement zk, (3) Update the error convariance에서는 최적의 칼만 이득(Kalman gain)값 K를 계산하고 예측 단계에서의 예측 값과 실제 측정값 간의 오차를 이용해 이전에 얻은 값을 귀납적으로 수정한다.FIG. 5 is a diagram for explaining a Kalman filter cycle for explaining step S180, which is a data predictive calculation process in the method of predicting walking activity for exercise motivation according to the embodiment of the present invention shown in FIG. Referring to FIG. 4, the prediction filter 30 applies a Kalman filter for data prediction, that is, to implement a predicted part of the number of steps. The Kalman filter can be divided into a prediction step and a correction step. (1) Project the state ahead, (2) Project the error The convariance ahead calculates the error changes for the state estimation and the estimation. Correction step (1), the predicted value of the calculate Compute the Kalman gain, (2) Update estimate with measurement z k, (3) Update the error convariance the optimal Kalman gain (Kalman gain) value K, and the predicting step and the actual Use the error between measured values to inductively modify the previously obtained values.

건기 운동 활동량의 예측을 위해서는 선형 역학계의 상태를 추적하기 위해서 로봇 제어, 데이터 예측, 경로 추정 등에 널리 활용된 칼만 필터를 활용한다. 이를 통해서 시간에 따라 축적되는 현재의 운동량 정보로부터 최적의 통계적 예측이 가능할 수 있다. In order to predict the movement of the dry-period motion, a Kalman filter widely used for robot control, data prediction, and path estimation is used to track the state of the linear dynamic system. This allows optimal statistical prediction from current momentum information accumulated over time.

칼만 필터를 이용하여 걸음 수의 예측 부분을 구현하며, 도 8에서 칼만 필터 사이클에 대한 과정을 제시하고 있다. 칼만 필터는 예측 단계와 보정 단계로 나눌 수 있다. 예측 단계 (1),(2)에서는 상태 추정과 추정에 대한 에러 변화를 계산한다. 보정 단계 (1),(2),(3)에서는 최적의 칼만 이득(Kalman gain)값 를 계산하고 예측 단계에서의 예측 값과 실제 측정값 간의 오차를 이용해 이전에 얻은 값을 귀납적으로 수정한다.  A predicted part of the number of steps is implemented using a Kalman filter, and FIG. 8 shows a process for a Kalman filter cycle. The Kalman filter can be divided into a prediction step and a correction step. In the prediction steps (1) and (2), error changes for the state estimation and estimation are calculated. In the correction steps (1), (2), and (3), the optimal Kalman gain value is calculated and the previously obtained value is corrected inductively using the error between the predicted value and the actual measured value in the prediction step.

예측 단계(1, 수학식 1 참조)에서 이전 데이터를 통해 예측 값을 추정한다. 구하는 은

Figure 112018050292191-pat00027
은 특정 시간 k에서의 보정을 하기 전인 걸음 수 예측 값이다.
Figure 112018050292191-pat00028
은 k-1에서의 걸음 수인 xk-1, 이전 상태에 대한 상태 전이인 A, 사용자 입력에 의한 상태 전이인 B, 특정 시간에서 사용자 입력인 uk를 통해 구할 수 있다. 예측 단계(2, 수학식 2)에서 공분산 Pk-을 추정한다. 본 발명에서의 예측은 상태가 전이 되지 않기 때문에 A = 1 이라 정의하고, 사용자 입력이 없기 때문에 uk=0이라 정의한다. 수학식 1과 수학식 2는 다음과 같이 정의한다. The prediction value is estimated through the previous data in the prediction step (1, see equation (1)). Seeking silver
Figure 112018050292191-pat00027
Is a step number prediction value before correction at a specific time k.
Figure 112018050292191-pat00028
Is a B, the state transition by the state transition A, the user inputs to the step number x k-1, k-1 from the previous state at a particular time is available through a user input of u k. The covariance Pk - is estimated in the prediction step (2, equation (2)). The prediction in the present invention defines A = 1 because the state does not transit, and u k = 0 because there is no user input. Equations (1) and (2) are defined as follows.

Figure 112016101124842-pat00001
Figure 112016101124842-pat00001

Figure 112018050292191-pat00002

예측 단계(2, 수학식 2)에서 공분산 Pk-을 추정하되, 예측은 상태가 전이 되지 않기 때문에 A = 1 이라 정의하고, 사용자 입력이 없기 때문에 uk=0이라 정의되며, Q는 예측 노이즈 공분산으로 정의하고,
보정 단계 (3, 수학식 3)에서는 Pk-, H, R을 이용해 특정 시간 k에서의 칼만 게인 Kk을 구하고, H는 전달함수, R은 측정 노이즈 공분산으로 정의하고, 보정 단계 수학식 4에서 xk-와 Kk, zk를 통해 특정 시간 k에서의 구하려는 걸음 수 예측 값 xk을 구할 수 있다. 보정 단계 수학식 5에서 공분산 Pk을 보정한다. 수학식 3, 수학식 4, 수학식 5는 다음과 같이 정의한다.
Figure 112018050292191-pat00002
In the prediction step (2, equation (2)), the covariance Pk - is estimated. Since the state is not transitioned, A = 1 is defined and uk = 0 because there is no user input. Covariance defined as covariance,
In the correction step (3, Equation 3), Kalman gain Kk at a specific time k is obtained by using Pk-, H and R, H is defined as a transfer function, R is defined as a measured noise covariance, - and Kk, zk, the predicted step number xk to be obtained at a specific time k can be obtained. Correction step Correct the covariance Pk in equation (5). Equations (3), (4) and (5) are defined as follows.

삭제delete

Figure 112016101124842-pat00003
Figure 112016101124842-pat00003

Figure 112016101124842-pat00004
Figure 112016101124842-pat00004

Figure 112016101124842-pat00005
Figure 112016101124842-pat00005

상술한 내용을 바탕으로 걷기 활동량 예측 앱(10) 예측 서비스를 구현을 위한 걷기 활동량 예측 앱(10)을 개발한 환경은 하기의 [표 1]과 같을 수 있다.Based on the above description, the environment in which the walking activity prediction application 10 for implementing the prediction service of the walking activity estimation application 10 is developed can be as shown in [Table 1] below.

개발 언어Development language 개발 도구Development Tools 실행 환경Execution environment Java, XMLJava, XML Android StudioAndroid Studio Samsung Galaxy
Note 4
Android 6.0
MashmallowSamsung Galaxy
Note 4
Android 6.0
Mashmallow

도 6은 걷기 활동량 예측 앱(10)에 의해 모바일 스마트 디바이스(2)에서 출력부(4)로 사용자(1)의 신체 정보를 구현한 유저 인터페이스(User Interface, 이하 'UI') 화면(Display of body information)을 나타내는 도면이다. 도 6을 참조하면, 걷기 활동량 예측 앱(10)을 실행하고 보다 정확한 데이터를 계산하기 위해서는 먼저 사용자(1)의 신체 정보 입력이 필요하다. 사용자(1)의 신체 정보로는 기본적으로 키, 몸무게가 있다.
6 is a diagram showing a user interface (UI) screen displaying the physical information of the user 1 from the mobile smart device 2 to the output unit 4 by the walking activity prediction app 10 body information. Referring to FIG. 6, in order to execute the walking activity estimation app 10 and calculate more accurate data, first, the user needs to input body information. The body information of the user 1 is basically a key and a weight.

하기의 [표 2]는 추정치 계산법(Calculation method of estimation)의 예를 도식화한 것이다. Table 2 below shows an example of a calculation method of estimation.

보폭stride 키(cm) * 0.4Key (cm) * 0.4 예상 거리Expected distance 보폭(cm) * 걸음 수(보)Stride (cm) * Number of steps (beam) 예상 소모 시간Estimated consumption time 거리(m) / 성인 평균 걸음 속도(4km/h)Distance (m) / adult average walking speed (4km / h) 예상 소모 칼로리Expected calorie consumption 0.0669 Kcal * 체중(kg) * 시간(분)0.0669 Kcal * Weight (kg) * Time (minutes)

사용자(1)는 신체 정보를 입력 후 개인의 목표를 입력한다. 목표는 보 단위의 걸음 수다. 사용자(1)가 입력한 목표에 따라 예상 거리, 예상 소모 시간, 예상 소모 칼로리의 추정치를 계산하며 [표 2]의 계산법을 통해 추정치를 계산할 수 있다.
The user 1 inputs personal information after inputting the personal information. The goal is the step number of the beam unit. Estimates can be calculated using the calculations in Table 2, by calculating estimates of expected distance, expected consumption time, and estimated calories burned according to the goal entered by the user (1).

이러한 계산에 따라, 도 10은 본 발명의 실시예에 따른 운동 동기 부여를 위한 걷기 활동량 예측 시스템에서 걷기 활동량 예측 앱(10)이 사용자(1)가 입력한 목표와 추정치 계산법을 통해 계산한 내용을 나타내는 UI 화면을 나타내는 도면이다.
According to this calculation, FIG. 10 shows the results of calculation of the walking activity estimation appara- tus 10 by the user (1) and the calculation method of the estimation value in the walking activity estimation system for exercise motivation according to the embodiment of the present invention Fig.

도 8은 본 발명의 실시예에 따른 운동 동기 부여를 위한 걷기 활동량 예측 시스템에서 걷기 활동량 예측 앱(10)에 의해 구현된 과거 걷기 현황 일별 차트 UI 화면이다. 도 8을 참조하면, 사용자(1)가 신체 정보와 목표를 설정한 후부터 걷기 활동량 예측 앱(10)은 만보기 센서(3)를 통해 걸음 수를 측정하고 분 단위로 저장한다. 저장된 데이터 집합은 사용자(1)에게 보기 쉽게 시각적으로 제공한다.
FIG. 8 is a chart showing the past walking status daily chart UI implemented by the walking activity prediction app 10 in the walking activity estimation system for motivation in accordance with the embodiment of the present invention. Referring to FIG. 8, after the user 1 sets the body information and the target, the walking activity prediction app 10 measures the number of steps through the pedometer sensor 3 and stores it in units of minutes. The stored data set is visually provided to the user 1 for easy viewing.

도 9는 본 발명의 실시예에 따른 운동 동기 부여를 위한 걷기 활동량 예측 시스템에서 걷기 활동량 예측 앱(10)이 구현한 현재 걷기 현황을 차트를 통해 나타내는 UI 화면(UI display of current walking activity)이다. 도 9를 참조하면, 사용자(1)는 설정한 목표와 현재(당일 하루) 측정한 데이터를 비교하면서 운동한 시간, 운동 예상 소모 칼로리 등의 데이터 즉 현재 현황을 볼 수 있다.
FIG. 9 is a UI display of current walking activity, which is a chart showing a walking current state implemented by the walking activity prediction application 10 in the walking activity amount prediction system for exercise motivation according to the embodiment of the present invention. Referring to FIG. 9, the user 1 can view data such as exercise time, consumed calories burned, and the like, while comparing the set target with data measured at the current time (one day).

도 10은 본 발명의 실시예에 따른 운동 동기 부여를 위한 걷기 활동량 예측 시스템에서 걷기 활동량 예측 앱(10)이 구현한 미래 걷기 현황 화면을 차트를 통해 나타내는 UI 화면(UI display of walking activity in the future)이다. 도 13을 참조하면, 사용자(1)는 과거, 현재 데이터뿐만 아니라 미래 예측 데이터도 확인 가능하다. 미래 예측 데이터는 칼만 필터를 응용해 예상치를 계산한다. 즉, 도 13과 같이 칼만 필터를 이용해 예측한 1일 후, 2일 후, 3일 후의 예상 걸음 수를 보여줄 수 있다.
FIG. 10 is a diagram showing a UI screen of a future walking status screen implemented by the walking activity prediction application 10 in a walking activity amount prediction system for motivation in accordance with an embodiment of the present invention, )to be. Referring to FIG. 13, the user 1 can check past and current data as well as future prediction data. Future forecast data is calculated by applying a Kalman filter. That is, as shown in FIG. 13, it is possible to show the estimated number of steps after one day, two days, and three days after the prediction using the Kalman filter.

도 11은 본 발명의 실시예에 따른 운동 동기 부여를 위한 걷기 활동량 예측 시스템에서 걷기 활동량 예측 앱(10)이 구현한 기록 UI 화면(UI display of record in walking activity)이다. 도 11을 참조하면, 측정된 걸음 수 데이터를 단순히 일별, 월별, 시간별 데이터를 제공하는 것을 넘어서 다른 형태로 가공하여 분당 최고 걸음 수, 분당 평균 걸음 수, 누적 걸음 수 등 사용자(1)는 활동량 내용을 하나의 통계 자료로 제공받을 수 있다.
FIG. 11 is a UI display of record in walking activity implemented by the walking activity prediction application 10 in the walking activity estimation system for exercise motivation according to the embodiment of the present invention. 11, the measured number of steps data is processed in a different form beyond simply providing data for each day, month, and hour, and the user 1 can calculate the activity amount contents such as the maximum number of steps per minute, the average number of steps per minute, Can be provided as a single statistical data.

이에 따른 운동 동기 부여를 위한 걷기 활동량 예측 시스템 및 방법은 넛지 개념을 이용한 걷기 운동 활동량 예측 서비스를 제공할 수 있다. 이러한 걷기 활동량 예측 앱(10) 서비스를 통해 사용자(1)는 자신의 건강상태와 신체 활동에 대한 측정 데이터 및 예측 데이터를 제공받는다. 이 걷기 활동량 예측 앱(10)으로부터 추출된 데이터는 단순히 사용자(1)에게 데이터를 제공하는 것을 넘어서 동기부여를 주어 사용자(1)에게 건강상태 향상에 기여할 것이다. 본 발명에서는 걸음 수 예측만이 아니라 소모 칼로리, 몸무게 등의 예측 데이터를 같이 보여줄 수 있게 확장가능하여, 사용자(1)에게 더욱 큰 동기부여를 보여줄 것이다. Accordingly, the system and method for predicting the walking activity amount for the exercise motive can provide a service for predicting the walking exercise amount using the nudge concept. The user (1) is provided with measurement data and prediction data on his / her health state and physical activity through the walking activity estimation app (10) service. The data extracted from the walking activity prediction app 10 will motivate the user 1 not only to provide data to the user 1 but also contribute to improving the health state to the user 1. In the present invention, it is possible to expand not only the step number prediction but also the predicted data such as the consumed calories and the weight, so that the user 1 can show more motivation.

본 발명의 다른 실시예로, 예측 부분에서는 칼만 필터 기반이 아닌 더욱 더 상세하고 정확한 예측을 위해서는 딥 러닝(Deep Learning) 등의 인공지능 방식이 사용될 수 있다.
In another embodiment of the present invention, an artificial intelligence method such as Deep Learning may be used for more detailed and accurate prediction rather than Kalman filter based prediction.

본 발명은 또한 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다.The present invention can also be embodied as computer-readable codes on a computer-readable recording medium. A computer-readable recording medium includes all kinds of recording apparatuses in which data that can be read by a computer system is stored.

컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기테이프, 플로피 디스크, 광 데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어, 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. Examples of the computer-readable recording medium include a ROM, a RAM, a CD-ROM, a magnetic tape, a floppy disk, an optical data storage device and the like, and also implemented in the form of a carrier wave (for example, transmission over the Internet) .

또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고 본 발명을 구현하기 위한 기능적인(functional) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술 분야의 프로그래머들에 의해 용이하게 추론될 수 있다.
The computer readable recording medium may also be distributed over a networked computer system so that computer readable code can be stored and executed in a distributed manner. And functional programs, codes, and code segments for implementing the present invention can be easily inferred by programmers skilled in the art to which the present invention pertains.

이상과 같이, 본 명세서와 도면에는 본 발명의 바람직한 실시예에 대하여 개시하였으며, 비록 특정 용어들이 사용되었으나, 이는 단지 본 발명의 기술 내용을 쉽게 설명하고 발명의 이해를 돕기 위한 일반적인 의미에서 사용된 것이지, 본 발명의 범위를 한정하고자 하는 것은 아니다. 여기에 개시된 실시예 외에도 본 발명의 기술적 사상에 바탕을 둔 다른 변형 예들이 실시 가능하다는 것은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 자명한 것이다.
As described above, preferred embodiments of the present invention have been disclosed in the present specification and drawings, and although specific terms have been used, they have been used only in a general sense to easily describe the technical contents of the present invention and to facilitate understanding of the invention , And are not intended to limit the scope of the present invention. It is to be understood by those skilled in the art that other modifications based on the technical idea of the present invention are possible in addition to the embodiments disclosed herein.

1 : 사용자
2 : 모바일 스마트 디바이스
3 : 센서
4 : 출력부
10 : 걷기 활동량 예측 앱
20 : 앱 DB(application DB)
30 : 예측 필터(prediction filer)1: User
2: Mobile Smart Device
3: Sensor
4: Output section
10: Walking activity prediction app
20: App DB (application DB)
30: prediction filter

Claims (6)

삭제delete 삭제delete 삭제delete 만보기로 사용되는 센서(3); 및
센서(3)를 이용해 사용자(1) 걸음 수를 측정하며, 센서(3)가 걸음 수를 측정할 때마다 내부의 앱 DB(30)에 측정 값을 저장하며, 저장된 값들은 뷰(View) 화면을 통해 사용자(1)에게 제공하는 걷기 활동량 예측 앱(10); 을 포함하되,
걷기 활동량 예측 앱(10)은, 사용자(1)가 선택할 수 있는 화면으로 개인 정보 화면, 목표 화면, 과거 화면, 현재 측정 화면, 미래 예측 화면, 개인 기록 화면을 제공하고,
뷰(View)에서는 과거 화면, 현재 화면, 미래 예측 화면으로 구분되며, 미래 예측 화면에서 보여주는 데이터는 걷기 활동량 예측 앱(10)의 예측 필터(30)를 이용해 계산하는 것을 특징으로 하는 운동 동기 부여를 위한 걷기 활동량 예측 시스템을 이용한 걷기 활동량 예측 방법에 있어서,
걷기 활동량 예측 앱(10)이 사용자(1)의 개인 정보를 수신한 뒤, 개인 정보를 걷기 활동량 예측 앱(10) 내부 데이터베이스인 앱 DB(20)에 저장하는 제 1 단계;
걷기 활동량 예측 앱(10)이 사용자(1)의 개인 목표를 입력받은 뒤, 개인 목표를 앱 DB(20)에 저장하는 제 2 단계;
걷기 활동량 예측 앱(10)이 센서(3)에 대한 제어를 통해 사용자(1)의 걸음 수 측정을 시작하는 제 3 단계;
걷기 활동량 예측 앱(10)이 사용자(1)의 걸음을 인식할 때마다 걷기 활동량 예측 앱(10) 내부 앱 DB(20)에 시간과 걸음 수를 저장하는 제 4 단계;
걷기 활동량 예측 앱(10)이 사용자(1)로 예측 값을 요청받은 경우, 저장된 걸음 수를 가지고 걷기 활동량 예측 앱(10) 내부에 있는 칼만 필터를 이용한 예측 필터(prediction filer)(30)를 통해 값을 계산하는 제 5 단계; 및
걸음 수의 예측 부분을 구현하기 위한 칼만 필터는,
(1) Project the state ahead, (2) 상태 추정과 추정에 대한 에러 변화를 계산하는 Project the error convariance ahead로 이루어져 상태 추정과 추정에 대한 에러 변화를 계산하는 예측단계와, (1) Compute the Kalman gain, (2) Update estimate with measurement zk, (3) 최적의 칼만 이득(Kalman gain)값 K를 계산하고 예측 단계에서의 예측 값과 실제 측정값 간의 오차를 이용해 이전에 얻은 값을 귀납적으로 수정하는 Update the error convariance로 이루어져 최적의 칼만 이득(Kalman gain)값을 계산하고 예측 단계에서의 예측 값과 실제 측정값 간의 오차를 이용해 이전에 얻은 값을 귀납적으로 수정하는 보정 단계로 나뉘며,
예측 단계(1, 수학식 1 참조)에서
(수학식 1)
Figure 112018050292191-pat00017
로서 이전 데이터를 통해 예측 값을 추정하되, 구하는
Figure 112018050292191-pat00029
은 특정 시간 k에서의 보정을 하기 전인 걸음 수 예측 값이고,
Figure 112018050292191-pat00030
은 k-1에서의 걸음 수인 xk-1, 이전 상태에 대한 상태 전이인 A, 사용자 입력에 의한 상태 전이인 B, 특정 시간에서 사용자 입력인 uk를 통해 구하고,
예측 단계(2, 수학식 2)에서
(수학식 2)
Figure 112018050292191-pat00018
로서 공분산 Pk-을 추정하되, 예측은 상태가 전이 되지 않기 때문에 A = 1 이라 정의하고, 사용자 입력이 없기 때문에 uk=0이라 정의되며, Q는 예측 노이즈 공분산으로 정의하고,
보정 단계 (3, 수학식 3)에서
(수학식 3)
Figure 112018050292191-pat00019
로서 Pk-, H, R을 이용해 특정 시간 k에서의 칼만 게인 Kk을 구하고, H는 전달함수, R은 측정 노이즈 공분산으로 정의하고,
보정 단계 수학식 4에서
(수학식 4)
Figure 112018050292191-pat00020
로서 xk-와 Kk, zk를 통해 특정 시간 k에서의 구하려는 걸음 수 예측 값 xk을 구하며,
보정 단계 수학식 5에서
(수학식 5)
Figure 112018050292191-pat00021
로서 공분산 Pk을 보정하고,
걷기 활동량 예측 앱(10)이 측정 값과 예측 값을 출력하는 제 6 단계; 를 포함하는 것을 특징으로 하는 운동 동기 부여를 위한 걷기 활동량 예측 방법.
A sensor 3 used as a pedometer; And
The sensor 3 measures the number of steps of the user 1 and the measured value is stored in the internal app DB 30 every time the sensor 3 measures the number of steps. To a user (1) through a walking activity estimation app (10); ≪ / RTI >
The walking activity prediction app 10 provides a personal information screen, a target screen, a past screen, a current measurement screen, a future prediction screen, and a personal record screen with a screen that the user 1 can select,
Wherein the view is divided into a past screen, a current screen, and a future prediction screen, and data displayed on a future prediction screen is calculated using a prediction filter (30) of a walking activity prediction application (10) A method for predicting walking activity using a walking activity prediction system,
A first step of storing the personal information in the app DB 20 which is an internal database of the walking activity prediction app 10 after the walking activity estimation app 10 receives the personal information of the user 1;
A second step of storing the personal goal in the app DB 20 after the walking activity estimation application 10 receives the personal goal of the user 1;
A third step in which the walking activity estimation app 10 starts measuring the number of steps of the user 1 through the control of the sensor 3;
A fourth step of storing the time and the number of steps in the internal application DB 20 of the walking activity estimation app 10 every time the walking activity estimation application 10 recognizes the user 1 walking;
When the walking activity estimation application 10 is requested by the user 1 with a predicted value, the walking activity estimation application 10 uses a prediction filter 30 using the Kalman filter in the walking activity estimation app 10, A fifth step of calculating a value; And
The Kalman filter for implementing the predicted part of the step number,
(1) Project the state ahead; (2) Project the error, which calculates the error change for the state estimation and the estimation, and the prediction step for calculating the error change for the state estimation and the estimation; and (1) Compute the Kalman (2) Update estimate with measurement z k , (3) Calculate the optimal Kalman gain value K and inductively correct the previously obtained value using the error between the predicted value and the actual measured value at the prediction step And a correction step of inductively correcting the previously obtained value by using the error between the predicted value and the actual measured value at the prediction step,
In the prediction step (1, see equation 1)
(1)
Figure 112018050292191-pat00017
The prediction value is estimated through the previous data,
Figure 112018050292191-pat00029
Is the step number predicted value before the correction at the specific time k,
Figure 112018050292191-pat00030
Is obtained in B, the state transition by the state transition A, the user inputs to the step number x k-1, k-1 from the previous state at a particular time through the user input is u k,
In the prediction step (2, equation 2)
(2)
Figure 112018050292191-pat00018
A covariance P k - but estimating, the prediction is defined as u k = 0 Because of the state transition is not A = 1 because there is not defined, and the user input, Q is defined as a noise covariance predictions,
In the correction step (3, Equation 3)
(3)
Figure 112018050292191-pat00019
The Kalman gain Kk at a specific time k is obtained by using Pk-, H, and R as follows: H is a transfer function, R is a measured noise covariance,
In the correction step (4)
(4)
Figure 112018050292191-pat00020
The predicted step number xk to be obtained at a specific time k is obtained through xk-, Kk, and zk,
In the correction step (5)
(5)
Figure 112018050292191-pat00021
The covariance Pk is corrected,
A sixth step of the walking activity prediction app 10 outputting a measured value and a predicted value; Wherein the step of estimating the walking activity amount comprises:
만보기로 사용되는 센서(3); 및
센서(3)를 이용해 사용자(1) 걸음 수를 측정하며, 센서(3)가 걸음 수를 측정할 때마다 내부의 앱 DB(30)에 측정 값을 저장하며, 저장된 값들은 뷰(View) 화면을 통해 사용자(1)에게 제공하는 걷기 활동량 예측 앱(10); 을 포함하되,
걷기 활동량 예측 앱(10)은, 사용자(1)가 선택할 수 있는 화면으로 개인 정보 화면, 목표 화면, 과거 화면, 현재 측정 화면, 미래 예측 화면, 개인 기록 화면을 제공하고,
뷰(View)에서는 과거 화면, 현재 화면, 미래 예측 화면으로 구분되며, 미래 예측 화면에서 보여주는 데이터는 걷기 활동량 예측 앱(10)의 예측 필터(30)를 이용해 계산하는 것을 특징으로 하는 운동 동기 부여를 위한 걷기 활동량 예측 시스템을 이용한 걷기 활동량 예측 방법에 있어서,
걷기 활동량 예측 앱(10)이 사용자(1)의 개인 정보 입력 여부를 확인에 따라, 개인 정보 입력시 사용자(1)의 목표 입력 여부를 확인하는 제 1 단계;
개인 정보뿐만 아니라 목표를 입력하게 되면, 걷기 활동량 예측 앱(10)이 사용자(1)로부터 과거, 현재, 미래 중 원하는 데이터 선택 정보를 수신하는 제 2 단계;
데이터 선택 정보 수신에 따라, 걷기 활동량 예측 앱(10)이 사용자(1)로부터 원하는 데이터의 기간 선택 정보를 수신하는 제 3 단계;
기간 선택 정보 수신에 따라, 걷기 활동량 예측 앱(10)이 기간 선택 정보에 예측 데이터에 해당하는 데이터 기간이 포함된 경우 예측 계산 과정을 진행하되, 예측 계산 과정은 걷기 활동량 예측 앱(10) 내부에 있는 칼만 필터를 이용한 예측 필터(prediction filer)(30)를 통해 값을 계산하는 제 4 단계; 를 포함하고,
걸음 수의 예측 부분을 구현하기 위한 칼만 필터는,
(1) Project the state ahead, (2) 상태 추정과 추정에 대한 에러 변화를 계산하는 Project the error convariance ahead로 이루어져 상태 추정과 추정에 대한 에러 변화를 계산하는 예측단계와, (1) Compute the Kalman gain, (2) Update estimate with measurement zk, (3) 최적의 칼만 이득(Kalman gain)값 K를 계산하고 예측 단계에서의 예측 값과 실제 측정값 간의 오차를 이용해 이전에 얻은 값을 귀납적으로 수정하는 Update the error convariance로 이루어져 최적의 칼만 이득(Kalman gain)값을 계산하고 예측 단계에서의 예측 값과 실제 측정값 간의 오차를 이용해 이전에 얻은 값을 귀납적으로 수정하는 보정 단계로 나뉘며,
예측 단계(1, 수학식 1 참조)에서
(수학식 1)
Figure 112018050292191-pat00022
로서 이전 데이터를 통해 예측 값을 추정하되, 구하는
Figure 112018050292191-pat00031
은 특정 시간 k에서의 보정을 하기 전인 걸음 수 예측 값이고,
Figure 112018050292191-pat00032
은 k-1에서의 걸음 수인 xk-1, 이전 상태에 대한 상태 전이인 A, 사용자 입력에 의한 상태 전이인 B, 특정 시간에서 사용자 입력인 uk를 통해 구하고,
예측 단계(2, 수학식 2)에서
(수학식 2)
Figure 112018050292191-pat00023
로서 공분산 Pk-을 추정하되, 예측은 상태가 전이 되지 않기 때문에 A = 1 이라 정의하고, 사용자 입력이 없기 때문에 uk=0이라 정의되며, Q는 예측 노이즈 공분산으로 정의하고,
보정 단계 (3, 수학식 3)에서
(수학식 3)
Figure 112018050292191-pat00024
로서 Pk-, H, R을 이용해 특정 시간 k에서의 칼만 게인 Kk을 구하고, H는 전달함수, R은 측정 노이즈 공분산으로 정의하고,
보정 단계 수학식 4에서
(수학식 4)
Figure 112018050292191-pat00025
로서 xk-와 Kk, zk를 통해 특정 시간 k에서의 구하려는 걸음 수 예측 값 xk을 구하며,
보정 단계 수학식 5에서
(수학식 5)
Figure 112018050292191-pat00026
로서 공분산 Pk을 보정하고,
걷기 활동량 예측 앱(10)이 사용자(1)의 요구한 내용을 바탕으로 결과를 출력하는 제 5 단계; 를 더 포함하는 것을 특징으로 하는 운동 동기 부여를 위한 걷기 활동량 예측 방법.
A sensor 3 used as a pedometer; And
The sensor 3 measures the number of steps of the user 1 and the measured value is stored in the internal app DB 30 every time the sensor 3 measures the number of steps. To a user (1) through a walking activity estimation app (10); ≪ / RTI >
The walking activity prediction app 10 provides a personal information screen, a target screen, a past screen, a current measurement screen, a future prediction screen, and a personal record screen with a screen that the user 1 can select,
Wherein the view is divided into a past screen, a current screen, and a future prediction screen, and data displayed on a future prediction screen is calculated using a prediction filter (30) of a walking activity prediction application (10) A method for predicting walking activity using a walking activity prediction system,
A first step of confirming whether or not the walking activity estimation application 10 inputs a target of the user 1 when the personal information is inputted according to confirmation of whether the user 1 inputs personal information;
A second step of receiving the data selection information of the past, present, and future from the user 1 when the walking activity estimation application 10 inputs the goal as well as the personal information;
A third step in which the walking activity estimation app 10 receives period information of desired data from the user 1 according to reception of the data selection information;
When receiving the period selection information, the walking activity prediction application 10 proceeds to a prediction calculation process when the period selection information includes a data period corresponding to the prediction data, and the prediction calculation process is performed in the walking activity prediction application 10 A fourth step of calculating a value through a prediction filter (30) using a Kalman filter; Lt; / RTI >
The Kalman filter for implementing the predicted part of the step number,
(1) Project the state ahead; (2) Project the error, which calculates the error change for the state estimation and the estimation, and the prediction step for calculating the error change for the state estimation and the estimation; and (1) Compute the Kalman (2) Update estimate with measurement z k , (3) Calculate the optimal Kalman gain value K and inductively correct the previously obtained value using the error between the predicted value and the actual measured value at the prediction step And a correction step of inductively correcting the previously obtained value by using the error between the predicted value and the actual measured value at the prediction step,
In the prediction step (1, see equation 1)
(1)
Figure 112018050292191-pat00022
The prediction value is estimated through the previous data,
Figure 112018050292191-pat00031
Is the step number predicted value before the correction at the specific time k,
Figure 112018050292191-pat00032
Is obtained in B, the state transition by the state transition A, the user inputs to the step number x k-1, k-1 from the previous state at a particular time through the user input is u k,
In the prediction step (2, equation 2)
(2)
Figure 112018050292191-pat00023
A covariance P k - but estimating, the prediction is defined as u k = 0 Because of the state transition is not A = 1 because there is not defined, and the user input, Q is defined as a noise covariance predictions,
In the correction step (3, Equation 3)
(3)
Figure 112018050292191-pat00024
The Kalman gain Kk at a specific time k is obtained by using Pk-, H, and R as follows: H is a transfer function, R is a measured noise covariance,
In the correction step (4)
(4)
Figure 112018050292191-pat00025
The predicted step number xk to be obtained at a specific time k is obtained through xk-, Kk, and zk,
In the correction step (5)
(5)
Figure 112018050292191-pat00026
The covariance Pk is corrected,
A fifth step in which the walking activity prediction app 10 outputs a result based on the contents requested by the user 1; And calculating a walking activity amount for the motivation.
삭제delete
KR1020160135347A 2016-10-18 2016-10-18 System and method for walking activity prediction service for exercise motive KR101872702B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160135347A KR101872702B1 (en) 2016-10-18 2016-10-18 System and method for walking activity prediction service for exercise motive

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160135347A KR101872702B1 (en) 2016-10-18 2016-10-18 System and method for walking activity prediction service for exercise motive

Publications (2)

Publication Number Publication Date
KR20180042894A KR20180042894A (en) 2018-04-27
KR101872702B1 true KR101872702B1 (en) 2018-08-03

Family

ID=62081696

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160135347A KR101872702B1 (en) 2016-10-18 2016-10-18 System and method for walking activity prediction service for exercise motive

Country Status (1)

Country Link
KR (1) KR101872702B1 (en)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPWO2022230108A1 (en) * 2021-04-28 2022-11-03

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101114722B1 (en) 2005-02-11 2012-02-29 삼성전자주식회사 Apparatus and method of guiding rout based on step
KR101250215B1 (en) * 2012-05-31 2013-04-03 삼성탈레스 주식회사 Pedestrian dead-reckoning system using kalman filter and walking state estimation algorithm and method for height estimation thereof
JP2013239115A (en) * 2012-05-17 2013-11-28 Hitachi Ltd Exercise support system and exercise support method

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ES2229224T3 (en) 1994-09-07 2005-04-16 Omron Healthcare Co., Ltd. DEVICE MEASURING AN AMOUNT OF EXERCISE, ABLE TO PRESENT THE AMOUNT OF EXERCISE THAT STILL MUST BE CARRIED OUT.
KR20050095326A (en) 2004-03-26 2005-09-29 주식회사 지테크인터내셔날 Cellular phone with the sensor detecting quantity of motion
KR20110109603A (en) * 2010-03-31 2011-10-06 (주)유카이트 Device for measuring physiological signals, safety monitoring system and service method for safety monitoring and health management using the same
KR101647361B1 (en) 2014-08-08 2016-08-11 경북대학교 산학협력단 Apparatus and method for predicting respiratory motion
KR101545258B1 (en) 2014-08-14 2015-08-24 주식회사 대웅제약 Biomarker for predicting of sensitivity to exercise

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101114722B1 (en) 2005-02-11 2012-02-29 삼성전자주식회사 Apparatus and method of guiding rout based on step
JP2013239115A (en) * 2012-05-17 2013-11-28 Hitachi Ltd Exercise support system and exercise support method
KR101250215B1 (en) * 2012-05-31 2013-04-03 삼성탈레스 주식회사 Pedestrian dead-reckoning system using kalman filter and walking state estimation algorithm and method for height estimation thereof

Also Published As

Publication number Publication date
KR20180042894A (en) 2018-04-27

Similar Documents

Publication Publication Date Title
TWI650713B (en) Customized training advice
Brodie et al. Big data vs accurate data in health research: large-scale physical activity monitoring, smartphones, wearable devices and risk of unconscious bias
US9721066B1 (en) Smart fitness tracker
Phipps et al. Robust estimates of the true (population) infection rate for COVID-19: a backcasting approach
JP5185358B2 (en) Action history search device
US20160107031A1 (en) Computing weight control profile
Cano Martín et al. Economic impact assessment from the use of a mobile app for the self-management of heart diseases by patients with heart failure in a Spanish region
KR20150086293A (en) Systems and methods for frequency-based stride length correction in a pedometer device
EP3229196A1 (en) Behavior prediction
US20180293911A1 (en) Systems and methods for tracking and exchanging wellness, fitness, and productivity data using an electronic platform
KR101308872B1 (en) Service server and terminal for providing service based on prediction of user's behavior
WO2015162922A1 (en) Electronic device, health support system, and health support method
JP2017097401A (en) Behavior modification analysis system, behavior modification analysis method and behavior modification analysis program
US20220037029A1 (en) Infectious disease heat map and prediction model generation
KR20160043777A (en) Method and apparatus for disease occurrence prediction
KR101872702B1 (en) System and method for walking activity prediction service for exercise motive
US11978071B2 (en) Methods and apparatus to determine reach with time dependent weights
JP5266476B2 (en) Action record storage system, server device, action record storage method, and computer program
US11571144B2 (en) System and method for estimating cardiorespiratory fitness
JP2018101201A (en) Policy introduction effect prediction device, policy introduction effect prediction program and policy introduction effect prediction method
JP2019057069A (en) Electronic apparatus, server, and method and program for providing privilege information
JP6265277B2 (en) Information processing apparatus, information processing system, information processing method, and program
JP2018055269A (en) Information processor and program
JP2011076186A (en) Device, method and program for supporting operation
JP2018096861A (en) Ranking system, server, method for ranking, ranking program, recording medium, and electronic apparatus

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant