KR101872702B1 - 운동 동기 부여를 위한 걷기 활동량 예측 방법 - Google Patents

운동 동기 부여를 위한 걷기 활동량 예측 방법 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
English (en)
Other versions
KR20180042894A (ko
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/ko
Publication of KR20180042894A publication Critical patent/KR20180042894A/ko
Application granted granted Critical
Publication of KR101872702B1 publication Critical patent/KR101872702B1/ko

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.

Description

운동 동기 부여를 위한 걷기 활동량 예측 방법{SYSTEM AND METHOD FOR WALKING ACTIVITY PREDICTION SERVICE FOR EXERCISE MOTIVE}
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.
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.
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.
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.
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.
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.
대한민국 특허등록공보 등록번호 제10-1647361호 "호흡 운동 예측 장치 및 호흡 운동 예측 방법(APPARATUS AND METHOD FOR PREDICTING RESPIRATORY MOTION)" 대한민국 특허등록공보 등록번호 제10-1545258호 "운동 민감도 예측용 바이오마커(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)" 대한민국 특허등록공보 등록번호 제10-0195366호 "운동량측정장치(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.
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.
그러나 본 발명의 목적들은 상기에 언급된 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
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.
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.
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.
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.
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.
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.
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.
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.
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).
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.
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.
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.
도 1을 참조하면, 사용자(1)는 걷기 활동량 예측 앱(10)을 사용하기 위해 건강상태에 대한 정보를 입력한 후 걷기 운동에 대한 데이터를 제공받는다.
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.
또한, 걷기 활동량 예측 앱(10)은 측정된 데이터를 바탕으로 추출한 기록을 사용자(1)에게 제공한다.
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).
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).
개인 정보와 다른 목표 입력이 모두 저장된 후부터 걷기 활동량 예측 앱(10)은 걸음 수 측정을 시작한다.
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).
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).
도 3은 본 발명의 실시예에 따른 운동 동기 부여를 위한 걷기 활동량 예측 시스템에서의 걷기 활동량 예측 앱(10)의 시스템 아키텍처를 나타내는 도면이다.
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.
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).
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).
데이터 선택 정보 수신에 따라, 걷기 활동량 예측 앱(10)은 사용자(1)로부터 원하는 데이터의 기간 선택 정보를 수신한다(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).
단계(S180) 이후, 걷기 활동량 예측 앱(10)은 사용자(1)의 요구한 내용을 바탕으로 결과를 출력한다.
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.
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.
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.
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.
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.
삭제
Figure 112016101124842-pat00003
Figure 112016101124842-pat00004
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.
개발 언어 개발 도구 실행 환경
Java, XML Android Studio Samsung 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.
하기의 [표 2]는 추정치 계산법(Calculation method of estimation)의 예를 도식화한 것이다.
보폭 키(cm) * 0.4
예상 거리 보폭(cm) * 걸음 수(보)
예상 소모 시간 거리(m) / 성인 평균 걸음 속도(4km/h)
예상 소모 칼로리 0.0669 Kcal * 체중(kg) * 시간(분)
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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)

Claims (6)

  1. 삭제
  2. 삭제
  3. 삭제
  4. 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.
  5. 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.
  6. 삭제
KR1020160135347A 2016-10-18 2016-10-18 운동 동기 부여를 위한 걷기 활동량 예측 방법 KR101872702B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160135347A KR101872702B1 (ko) 2016-10-18 2016-10-18 운동 동기 부여를 위한 걷기 활동량 예측 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160135347A KR101872702B1 (ko) 2016-10-18 2016-10-18 운동 동기 부여를 위한 걷기 활동량 예측 방법

Publications (2)

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

Family

ID=62081696

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160135347A KR101872702B1 (ko) 2016-10-18 2016-10-18 운동 동기 부여를 위한 걷기 활동량 예측 방법

Country Status (1)

Country Link
KR (1) KR101872702B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022230108A1 (ja) * 2021-04-28 2022-11-03 日本電信電話株式会社 情報処理装置、情報処理方法及びプログラム

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101114722B1 (ko) 2005-02-11 2012-02-29 삼성전자주식회사 걸음을 기반으로 하는 경로 안내 장치 및 방법
KR101250215B1 (ko) * 2012-05-31 2013-04-03 삼성탈레스 주식회사 칼만 필터와 보행 상태 추정 알고리즘을 이용한 보행자 관성항법 시스템 및 보행자 관성항법 시스템의 높이 추정 방법
JP2013239115A (ja) * 2012-05-17 2013-11-28 Hitachi Ltd 運動支援システム及び運動支援方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0700661B1 (en) 1994-09-07 2004-12-01 Omron Healthcare Co., Ltd. Exercise amount measuring device capable of displaying the amount of exercise to be performed further
KR20050095326A (ko) 2004-03-26 2005-09-29 주식회사 지테크인터내셔날 운동량측정센서가 내장된 핸드폰
KR20110109603A (ko) * 2010-03-31 2011-10-06 (주)유카이트 생체신호 측정기기, 이를 이용한 안전 모니터링 시스템 및 안전 모니터링과 건강관리 서비스 방법
KR101647361B1 (ko) 2014-08-08 2016-08-11 경북대학교 산학협력단 호흡 운동 예측 장치 및 호흡 운동 예측 방법
KR101545258B1 (ko) 2014-08-14 2015-08-24 주식회사 대웅제약 운동 민감도 예측용 바이오마커

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101114722B1 (ko) 2005-02-11 2012-02-29 삼성전자주식회사 걸음을 기반으로 하는 경로 안내 장치 및 방법
JP2013239115A (ja) * 2012-05-17 2013-11-28 Hitachi Ltd 運動支援システム及び運動支援方法
KR101250215B1 (ko) * 2012-05-31 2013-04-03 삼성탈레스 주식회사 칼만 필터와 보행 상태 추정 알고리즘을 이용한 보행자 관성항법 시스템 및 보행자 관성항법 시스템의 높이 추정 방법

Also Published As

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

Similar Documents

Publication Publication Date Title
TWI650713B (zh) 客製化的訓練建議
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 (ja) 行動履歴検索装置
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
US20180293911A1 (en) Systems and methods for tracking and exchanging wellness, fitness, and productivity data using an electronic platform
KR20150086293A (ko) 보수계 디바이스에서의 빈도 기반 보폭 정정을 위한 시스템 및 방법
EP3229196A1 (en) Behavior prediction
WO2015162922A1 (ja) 電子機器、健康支援システム及び健康支援方法
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
US20220037029A1 (en) Infectious disease heat map and prediction model generation
KR20160043777A (ko) 질환 발병 예측 방법 및 그 장치
JP5266476B2 (ja) 行動記録保存システム、サーバ装置、行動記録保存方法及びコンピュータプログラム
KR20130071755A (ko) 사용자 행동의 예측에 기반하여 서비스를 제공하기 위한 서비스 서버 및 단말
KR101872702B1 (ko) 운동 동기 부여를 위한 걷기 활동량 예측 방법
US11978071B2 (en) Methods and apparatus to determine reach with time dependent weights
US11571144B2 (en) System and method for estimating cardiorespiratory fitness
JP2018101201A (ja) 施策導入効果予測装置、施策導入効果予測プログラム及び施策導入効果予測方法
JP2019057069A (ja) 電子機器、サーバ、特典情報提供方法及びプログラム
JP6265277B2 (ja) 情報処理装置、情報処理システム、情報処理方法、及びプログラム
JP2018055269A (ja) 情報処理装置及びプログラム
Rahmandad et al. Estimating the global spread of COVID-19
JP2011076186A (ja) 操作支援装置、操作支援方法およびプログラム

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