WO2017073719A1 - 覚醒状態判定方法 - Google Patents
覚醒状態判定方法 Download PDFInfo
- Publication number
- WO2017073719A1 WO2017073719A1 PCT/JP2016/082036 JP2016082036W WO2017073719A1 WO 2017073719 A1 WO2017073719 A1 WO 2017073719A1 JP 2016082036 W JP2016082036 W JP 2016082036W WO 2017073719 A1 WO2017073719 A1 WO 2017073719A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- data
- person
- respiration
- unit
- state
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000036626 alertness Effects 0.000 title abstract 6
- 230000029058 respiratory gaseous exchange Effects 0.000 claims abstract description 44
- 206010041349 Somnolence Diseases 0.000 claims abstract description 23
- 230000037007 arousal Effects 0.000 claims description 60
- 206010062519 Poor quality sleep Diseases 0.000 claims description 28
- 230000000241 respiratory effect Effects 0.000 claims description 25
- 230000008859 change Effects 0.000 claims description 24
- 208000032140 Sleepiness Diseases 0.000 claims description 15
- 230000037321 sleepiness Effects 0.000 claims description 15
- 230000007704 transition Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 description 27
- 238000012423 maintenance Methods 0.000 description 11
- 230000007423 decrease Effects 0.000 description 7
- 230000036962 time dependent Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 230000002889 sympathetic effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000002618 waking effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/18—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state for vehicle drivers or machine operators
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47C—CHAIRS; SOFAS; BEDS
- A47C7/00—Parts, details, or accessories of chairs or stools
- A47C7/62—Accessories for chairs
- A47C7/72—Adaptations for incorporating lamps, radio sets, bars, telephones, ventilation, heating or cooling arrangements or the like
- A47C7/727—Adaptations for incorporating lamps, radio sets, bars, telephones, ventilation, heating or cooling arrangements or the like with speakers
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
-
- 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
- A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
- A61B5/6893—Cars
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60N—SEATS SPECIALLY ADAPTED FOR VEHICLES; VEHICLE PASSENGER ACCOMMODATION NOT OTHERWISE PROVIDED FOR
- B60N2/00—Seats specially adapted for vehicles; Arrangement or mounting of seats in vehicles
- B60N2/002—Seats provided with an occupancy detection means mounted therein or thereon
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60N—SEATS SPECIALLY ADAPTED FOR VEHICLES; VEHICLE PASSENGER ACCOMMODATION NOT OTHERWISE PROVIDED FOR
- B60N2/00—Seats specially adapted for vehicles; Arrangement or mounting of seats in vehicles
- B60N2/002—Seats provided with an occupancy detection means mounted therein or thereon
- B60N2/0021—Seats provided with an occupancy detection means mounted therein or thereon characterised by the type of sensor or measurement
- B60N2/0022—Seats provided with an occupancy detection means mounted therein or thereon characterised by the type of sensor or measurement for sensing anthropometric parameters, e.g. heart rate or body temperature
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60N—SEATS SPECIALLY ADAPTED FOR VEHICLES; VEHICLE PASSENGER ACCOMMODATION NOT OTHERWISE PROVIDED FOR
- B60N2/00—Seats specially adapted for vehicles; Arrangement or mounting of seats in vehicles
- B60N2/002—Seats provided with an occupancy detection means mounted therein or thereon
- B60N2/0021—Seats provided with an occupancy detection means mounted therein or thereon characterised by the type of sensor or measurement
- B60N2/0023—Seats provided with an occupancy detection means mounted therein or thereon characterised by the type of sensor or measurement for detection of driver fatigue
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60N—SEATS SPECIALLY ADAPTED FOR VEHICLES; VEHICLE PASSENGER ACCOMMODATION NOT OTHERWISE PROVIDED FOR
- B60N2/00—Seats specially adapted for vehicles; Arrangement or mounting of seats in vehicles
- B60N2/002—Seats provided with an occupancy detection means mounted therein or thereon
- B60N2/0021—Seats provided with an occupancy detection means mounted therein or thereon characterised by the type of sensor or measurement
- B60N2/003—Seats provided with an occupancy detection means mounted therein or thereon characterised by the type of sensor or measurement characterised by the sensor mounting location in or on the seat
- B60N2/0033—Seats provided with an occupancy detection means mounted therein or thereon characterised by the type of sensor or measurement characterised by the sensor mounting location in or on the seat mounted on or in the foam cushion
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60N—SEATS SPECIALLY ADAPTED FOR VEHICLES; VEHICLE PASSENGER ACCOMMODATION NOT OTHERWISE PROVIDED FOR
- B60N2/00—Seats specially adapted for vehicles; Arrangement or mounting of seats in vehicles
- B60N2/90—Details or parts not otherwise provided for
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60N—SEATS SPECIALLY ADAPTED FOR VEHICLES; VEHICLE PASSENGER ACCOMMODATION NOT OTHERWISE PROVIDED FOR
- B60N2/00—Seats specially adapted for vehicles; Arrangement or mounting of seats in vehicles
- B60N2/90—Details or parts not otherwise provided for
- B60N2002/981—Warning systems, e.g. the seat or seat parts vibrates to warn the passenger when facing a danger
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60N—SEATS SPECIALLY ADAPTED FOR VEHICLES; VEHICLE PASSENGER ACCOMMODATION NOT OTHERWISE PROVIDED FOR
- B60N2210/00—Sensor types, e.g. for passenger detection systems or for controlling seats
- B60N2210/40—Force or pressure sensors
- B60N2210/46—Electric switches
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
- B60W2040/0818—Inactivity or incapacity of driver
- B60W2040/0827—Inactivity or incapacity of driver due to sleepiness
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0019—Control system elements or transfer functions
- B60W2050/0028—Mathematical models, e.g. for simulation
- B60W2050/0029—Mathematical model of the driver
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2540/00—Input parameters relating to occupants
- B60W2540/221—Physiology, e.g. weight, heartbeat, health or special needs
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/10—Historical data
Definitions
- the present invention relates to an arousal state determination method, and more particularly to an arousal state determination method capable of accurately determining a human arousal state.
- a pressure signal is detected based on a load applied from a person using a pressure sensor, and RI and RrMSSD related to the breathing data of the person are calculated from the detected pressure signal, and fluctuations in these values are detected.
- a technique for determining a state of wakefulness based on this is disclosed. Specifically, the wake-up device according to this document determines that drowsiness is occurring (in a low-wake state) when an increase in RI and a predetermined amount of increase in RrMSSD occur simultaneously.
- Patent Literature 1 since it is possible to accurately obtain instantaneous variations in RI by determining the wakefulness particularly using RrMSSD as an index, vibration noise caused by external factors such as during driving of the vehicle can be obtained. It was possible to determine the arousal state while suppressing the influence.
- RI and RrMSSD may rise at the same time during attention-concentrated state that temporarily stops breathing or during conversation, and if sleepiness is occurring even when there is no actual sleepiness An erroneous determination was sometimes made.
- RI and RrMSSD since the relationship between fluctuations in the values of RI and RrMSSD and the state in which sleepiness occurs varies depending on individual characteristics, it is difficult to accurately determine the arousal state. For this reason, a method capable of more accurately determining a person's arousal state has been desired.
- the present invention has been made in view of the above problems, and an object of the present invention is to provide a wakefulness determination method with high determination accuracy of the wakefulness. Another object of the present invention is to determine the arousal state with high accuracy while suppressing the influence of individual characteristics.
- the wakefulness determination method includes a respiration sensor that acquires respiration data that varies depending on a person's respiration, a calculation unit that calculates the respiration data acquired from the respiration sensor, and the state of the person
- a controller having a determination unit for determining whether the respiratory sensor is a wakefulness state determination method, wherein the respiratory sensor acquires the respiratory data of the person, and the calculation unit is acquired.
- a calculation step of calculating a change rate of respiration, which is a change rate of respiration data per unit time, and the determination unit use the probability of sleepiness in the person with respect to the change rate of respiration as a likelihood.
- an acquisition unit that acquires a wakefulness signal related to the wakefulness state of the person by an operation of the person, and a recording unit that records the awakening state signal transmitted from the acquisition unit and various conditions during the operation are used.
- the calculation unit may set the likelihood or the prior probability based on data recorded in the recording unit. According to the above configuration, since the determination criterion can be adjusted by a human operation, the influence of the individual characteristics can be suppressed, and the accuracy of the awakening determination can be further increased.
- the calculation unit calculates a pattern related to the number of reductions per predetermined time with respect to the degree of change in respiration, and the likelihood is a probability that the person is sleepy about the pattern. Is preferably included. According to the above configuration, the likelihood of drowsiness occurring in a person in the pattern related to the number of decreases per predetermined time regarding the degree of change in breathing is included in the likelihood, thereby suppressing the influence of individual characteristics and the accuracy of arousal determination Can be further enhanced.
- the calculation unit calculates an RI which is an interval of one breath of the person from the breath data acquired from the breath sensor, and the likelihood is calculated based on the person about the RI. It is preferable to include the probability that sleepiness will occur. According to the said structure, the precision of arousal determination can be raised by including the probability that a person's sleepiness about the value which shows a person's respiration space
- interval will be included in likelihood.
- the controller has a waveform generation unit that generates RI waveform data that is a transition of RI in a predetermined time, which is an interval of one breath of the person, with respect to a respiratory waveform obtained from the respiratory sensor,
- RI waveform data that is a transition of RI in a predetermined time, which is an interval of one breath of the person, with respect to a respiratory waveform obtained from the respiratory sensor
- the calculation unit preferably calculates the RrMSSD from the RI waveform by calculation, and the likelihood includes a probability that the person will feel sleepy about the RrMSSD. According to the said structure, the precision of arousal determination can be improved by including the probability that sleepiness will arise in the person about RrMSSD in likelihood.
- the likelihood is preferably composed of 5 or 6 data. According to the above configuration, when the data constituting the likelihood is 5 or 6, the accuracy of the arousal determination can be improved while suppressing an increase in the load related to the arousal determination process.
- ADVANTAGE OF THE INVENTION it can suppress determining an arousal state accidentally, and can provide the arousal state determination method with high determination accuracy of an arousal state.
- the influence of individual characteristics can be suppressed and the accuracy of arousal determination can be further increased.
- the accuracy of the awakening determination can be improved while suppressing an increase in the load related to the awakening determination process.
- the present invention relates to an arousal state determination method, and more particularly to an arousal state determination method capable of accurately determining a human arousal state.
- Embodiment described below is only an example for making an understanding of this invention easy, and does not limit this invention. That is, the shape, size, arrangement, method procedure, and the like of the members described below can be modified or modified without departing from the spirit of the present invention, and the present invention has equivalents thereof. Of course, is included. DESCRIPTION OF EMBODIMENTS
- embodiments of a wakefulness determination method according to the present invention will be specifically described with reference to the accompanying drawings.
- FIG. 1 is a diagram showing an overall configuration of the awakening device 10 according to the embodiment of the present invention.
- the awakening device 10 according to the present embodiment performs determination of the awakening state of a seated person who is a person based on respiratory data obtained by a pressure sensor 20 as a respiratory sensor.
- the awakening device 10 includes a vehicle seat S including two pressure sensors 20 inside the seat cushion 1 and a vibration motor M inside the seat back 2, the pressure sensor 20, and the vibration motor. And a controller 70 for controlling M.
- the vehicle seat S includes a seat cushion 1 on which a seated person sits and a seat back 2 that serves as a backrest of the seated person, and a pressure sensor 20 is provided in the seat cushion 1 near the seated person side.
- a vibration motor M is provided in the vicinity of the seated person side inside the back 2.
- the pressure sensor 20 is a resistance pressure-sensitive sensor that has electrodes on the upper and lower sides, is provided on the seat cushion 1 with a circular detection surface, and detects an electrical resistance that changes according to the breathing of the seated person.
- the contact resistance increases due to the pressure applied to the electrodes on the upper surface of the pressure sensor 20 and the electrodes on the upper surface deform downward, the electrical resistance value between the electrodes decreases.
- An electrical signal related to the electrical resistance value is transmitted from the pressure sensor 20 to the controller 70 described later.
- the controller 70 calculates a pressure based on an electrical signal related to the electrical resistance value, and measures respiratory data based on the calculated pressure.
- the controller 70 includes a recording unit 72 configured by a RAM (not shown), a waveform generation unit 73a that generates voltage waveform data, a calculation unit 73b that performs data calculation for wakefulness determination, and a determination unit 73c that performs wakefulness determination. And a drive unit 73d for driving the vibration motor M.
- a recording unit 72 configured by a RAM (not shown)
- a waveform generation unit 73a that generates voltage waveform data
- a calculation unit 73b that performs data calculation for wakefulness determination
- a determination unit 73c that performs wakefulness determination.
- a drive unit 73d for driving the vibration motor M.
- the recording unit 72 temporarily stores parameters including signals under calculation control and input / output signals, and records pressure signals and other signals converted into digital signals in this embodiment.
- the waveform generation unit 73a is based on the electrical signal related to the resistance value of the pressure sensor 20 obtained from the pressure sensor 20 and recorded in the recording unit 72, and the respiration waveform data with the ordinate representing the respiration data and the abscissa representing time.
- the calculation unit 73b performs a calculation described later based on the respiratory waveform data generated by the waveform generation unit 73a.
- the determination unit 73c determines the arousal state using the data calculated by the calculation unit 73b as an index.
- the drive unit 73d drives the vibration motor M according to the determination of the decrease in the awakening level of the seated person to give a vibration stimulus to the seated person. Details of the functions of the recording unit 72, the waveform generation unit 73a, the calculation unit 73b, the determination unit 73c, and the drive unit 73d will be described later.
- FIG. 2 is a flowchart showing an example of the arousal state determination process
- FIG. 3 is a diagram showing a change over time of the pressure signal
- FIG. 4 is an RI and RIm that is an average value of RI every 30 seconds to be described later.
- FIG. 5 is a diagram showing a time-dependent change of RrMSSD described later
- FIG. 6 is a diagram showing a time-dependent change of P_vel described later
- FIG. 7 is a diagram showing a time-dependent change of P_vel. It is a figure which shows the counting method for dividing into the P_vel pattern mentioned later.
- the arousal state determination processing includes RI (Respiration Interval) indicating a breathing interval, RrMSSD (Respiration Root Mean Square Successive Difference), which will be described later, indicating variations in RI, and data related to P_vel (Pressure velocity), which will be described later.
- RI Respiration Interval
- RrMSSD Respiration Root Mean Square Successive Difference
- P_vel Pressure velocity
- the pressure sensor 20 acquires respiration data that fluctuates according to the breathing depth of the seated person based on a change in electrical resistance in response to starting the vehicle engine or pressing a start switch (not shown).
- the pressure sensor 20 acquires respiratory data of the seated person as a respiratory data acquisition process, and the controller 70 records (acquires) the respiratory data transmitted from the pressure sensor 20 as potential difference data in the recording unit 72 (step S11).
- the waveform generation unit 73a is the waveform data of the respiratory sensor pressure illustrated in FIG. 3 which is the transition of the pressure in a predetermined time based on the acquired respiratory data in the pressure sensor 20, and the interval of one breath of the person.
- the RI waveform data illustrated in FIG. 4 which is the transition of the RI over a predetermined time is generated (step S12).
- the calculation unit 73b calculates an average RIm RIm for each section, with 30 seconds as one section of the generated RI waveform data, as shown in FIG.
- the determination unit 73c compares the calculated RIm (t) of one section with the RIm (t + 1) of the next section, and RIm (t + 1) is larger than the immediately preceding RIm (t). It is determined whether or not there is (step S13).
- step S13: No the determination unit 73c determines that the seated person is in an awake state (step S20).
- the determination unit 73c determines that RIm (t + 1) is larger than RIm (t), in other words, when the value of RIm is higher than that of the previous section in the subsequent section.
- Step S13: Yes the calculation unit 73b calculates RrMSSD in the calculation step (step S14). Specifically, the computing unit 73b calculates RrMSSD for each section, with 30 seconds as one section.
- RrMSSD is a value calculated by the following Equation 1 when the t-th RI is defined as RI (t) and the n-th RI from the t-th is defined as RI (t + n). This shows the variation of RI.
- RrMSSD increases in the early stage of the state of reduced arousal with the activation of sympathetic nerves when trying to wake up sleepiness. Therefore, more accurate awakening determination is realized by using this RrMSSD as one of the awakening determination indexes.
- the determination unit 73c compares the calculated RrMSSD (t) of one section shown in FIG. 5 with the RrMSSD (t + 1) of the next section, and RrMSSD (t + 1) is greater than the previous RrMSSD (t). Is also a large value (step S15).
- step S15: No If the determination unit 73c determines that RrMSSD (t + 1) is equal to or less than RrMSSD (t) (step S15: No), the determination unit 73c determines that the seated person is in an awake state (step S20). On the other hand, when the determination unit 73c determines that RrMSSD (t + 1) is larger than RrMSSD (t), in other words, when the value of RrMSSD is higher than that of the previous interval in the later interval. (Step S15: Yes), the calculation unit 73b calculates P_vel illustrated in FIG. 6 as a calculation step (Step S16).
- P_vel is the degree of change of respiratory data per unit time (degree of change of breathing) as described above.
- P_vel is the absolute value of a value obtained by time-differentiating the respiratory data obtained within a predetermined time. is there.
- P_vel is a value from which noise has been removed by passing a median filter and a low-pass filter.
- P_vel is data for applying a Bayes filter to be described later.
- the calculation unit 73b calculates P_vel mean, which is an average value of P_vel every 10 seconds, and determines the P_vel pattern shown in FIG. 7 and Table 1 based on P_vel mean (step S17).
- Table 1 is a table showing a P_vel pattern determined by the count number when P_vel at time t decreases and the count number when P_vel at t + 1 decreases.
- the P_vel pattern is a pattern determined by the number of times P_vel mean has decreased within a predetermined time, and there are a total of 16 patterns in this embodiment.
- the P_vel pattern is counted when the P_vel mean falls below the P_vel mean for the previous 10 seconds between the time t for 30 seconds and the time t + 1 for 30 seconds after the time t. Determined by combination with number. For example, as shown in FIG. 7, when the decrease number of P_vel mean at time t is 1 and the decrease number of P_vel pattern at time t + 1 is 0, the P_vel pattern is determined to be 5 as shown in Table 1. Is done.
- the number for the first 10 seconds of time t is a comparison of P_velvmean for the first 10 seconds of time t and P_vel mean for 10 seconds before time t (not shown).
- This P_vel pattern is data for applying a Bayes filter to be described later.
- the determination unit 73c uses a Bayesian filter that uses RIm, P_vel, and P_vel pattern values calculated by the calculation unit 73b as data, and the seated person is in a low arousal state (drowsiness occurs). It is determined whether the probability that the seated person is awake is greater than the probability that the seated person is awake (step S18).
- the expression of the Bayes filter is expressed by Expression 2. In this way, P (D1
- H2) corresponds to the likelihood of the Bayes filter, respectively.
- P (H1) and P (H2) correspond to prior probabilities. Next, the probability and the prior probability regarding the data used for the Bayes filter will be described in detail.
- H2) will be described with reference to Table 2.
- H1) of 2000 ⁇ D1 ⁇ 3250 when the seated person is in the low arousal state is P11a
- H2) of is P12a.
- H1) of 3250 ⁇ D1 ⁇ 4750 when the seated person is in the low arousal state is P11b
- H2) is P12b.
- H1) of 4750 ⁇ D1 when the seated person is in the low arousal state is P11c
- H1) that the data D2 is obtained when the seated person is in a low arousal state and the probability P (D2 that the data D2 is obtained when the seated person is in the awake state.
- H2) will be described with reference to Table 3. As shown in Table 3, the probability P (D2
- H1) of 0.10 ⁇ D2 ⁇ 0.22 when the seated person is in the low arousal state is P21b, and when the seated person is in the alert state, 0.10 ⁇ D2 ⁇ 0.
- H2) of 22 is P22b.
- H1) of 4750 ⁇ D1 when the occupant is in the low arousal state is P21c
- H2) of 4750 ⁇ D1 when the occupant is in the awakening state is P22c. It is. That is, the sum of P21a, P21b, and P21c and the sum of P22a, P22b, and P22c are each 1.
- the P_vel pattern is suitable for the determination of a person's arousal state because the P_vel pattern shows a certain tendency regardless of the individual characteristics, unlike the magnitude of the P_vel_mean value that varies depending on the individual characteristics. That is, since the Bayes filter includes (D3
- the prior probability P (H1) is the probability that the seated person will be in a low awake state
- the prior probability P (H2) is the probability that the seated person will be in the awake state. That is, the sum of P (H1) and P (H2) is 1.
- step S19 the determination unit 73c determines that the seated person is in a low arousal state.
- Formula 2 is not satisfied, that is, when the value on the left side is equal to or smaller than the value on the right side (step S18: No)
- the determination unit 73c determines that the seated person is in an awake state (step S20). ).
- the controller 70 displays the determination result on a display (not shown) provided in the vehicle so as to notify the passenger, or by a vibration motor M described later. Awakening maintenance processing may be performed.
- the controller 70 determines whether or not there is an instruction to end the process by pressing a stop switch (not shown) by the seated person (step S21), and if there is no instruction, the controller 70 returns to step S11 to acquire respiratory data. (Step S21: No), when there is an instruction to end the process, the process ends (Step S21: Yes).
- section for calculating RIm which is the average value of RI in step S13 and the section for calculating RrMSSD in step S14
- 30 seconds is set as one section, but not limited thereto, 20 to 300 seconds is set as one section. Also good. The longer this section is set, the slower the wakefulness determination, but the greater the number of extracted data for averaging each parameter, the higher the reliability of the wakefulness determination.
- the ranges of the RIm that is the data D1 to which the Bayes filter is applied, the P_vel_mean that is the data D2, and the P_vel pattern that is the data D3 are examples. That is, these ranges may be subdivided, conversely the ranges may be widened, or the number of ranges may be increased or decreased.
- FIG. 8 is a flowchart illustrating an example of the awakening maintenance process.
- steps S31 to S38 and S42 in the wakefulness maintenance process shown in FIG. 8 is substantially the same as steps S11 to S18 and S21 in the wakefulness determination process shown in FIG. 2, in order to clarify the difference, Only the differences will be described, and some other descriptions will be omitted.
- the awakening maintenance process is a process for maintaining the awakened state of the seated person by driving the vibration motor M according to the determination result that the seated person is in the low awakened state by the awakened state judging process.
- One of the points different from the wakefulness determination process in the wakefulness maintenance process is that when the condition that the seated person is in the wakefulness is satisfied (step S33: No, step S35: No or step S38: No), the process ends. Regardless of whether or not there is an instruction, the process returns to the step of acquiring respiratory data (step S31).
- the drive unit 73d drives the vibration motor M (step S39). Then, the driving unit 73d continues driving the vibration motor M for a predetermined time, and after applying vibration stimulation to the seated person for a predetermined time (step S40), stops the vibration motor M (step S41).
- the vibration motor M can be driven in a timely manner when it is determined that the seated person is in a low-wakened state, and the seated person's awakening can be effectively maintained.
- the RIm, P_vel mean, and P_vel patterns have been described as examples of data included in the likelihood to be applied by the Bayes filter.
- RrMSSD may be included in the data.
- the value of RrMSSD is divided into a plurality of ranges such as data D1 and data D2, and the probability of being in each range when the seated person is in the low arousal state, and the range in each range when the seated person is in the awake state.
- a certain probability may be included in the likelihood of the Bayes filter.
- what is included in the likelihood is arbitrary as long as it is a probability relating to data relating to a person's arousal state.
- the data related to the state of arousal of a person may be, for example, data during driving on an expressway with little change in road conditions determined by a signal by ETC, or data during daytime or nighttime driving.
- the data which comprises likelihood may be one, especially when it is five or six, the precision of arousal determination can be improved, suppressing the increase in the load which concerns on arousal determination processing.
- a switch acquisition unit that acquires a signal related to a low arousal state or awakening state (awakening state signal) according to the operation of the seated person and transmits the signal to the controller 70 ) May be provided.
- the calculation unit 73b determines the probability of low wakefulness or the probability of wakefulness or prior probability regarding each data recorded in the recording unit 72 according to the signal from the switch. Update (set) various conditions and adjust the criteria for awakening. By doing so, it is possible to suppress an adverse effect that an error occurs in the determination of the arousal state due to the characteristics of the individual seated person, and the determination of the arousal level can be performed with high accuracy.
- the waveform generation unit 73a has been described as generating respiratory sensor pressure waveform data and RI waveform data, but it is not necessary to generate the waveform itself. That is, it is only necessary to calculate a function of the pressure signal obtained from the pressure sensor 20 and the elapsed time.
- the determination part 73c determines that the seated person was in a low arousal state, it demonstrated on a display, or a stimulus was given to a seated person by the vibration motor M, but it is like this
- the present invention is not limited to such a form.
- an alarm sound may be emitted by a speaker, or light may be emitted by a light emitter.
- a vehicle seat that can be mounted on an automobile has been described as a specific example.
- the present invention is not limited to this, and the vehicle seat can also be used as a vehicle seat for airplanes, ships, and the like. Furthermore, it can be used for cinema, theater seats, relaxation sheets, beds or other things that touch people.
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Heart & Thoracic Surgery (AREA)
- Surgery (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Physiology (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Psychiatry (AREA)
- Aviation & Aerospace Engineering (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Mathematical Physics (AREA)
- Automation & Control Theory (AREA)
- Hospice & Palliative Care (AREA)
- Pulmonology (AREA)
- Child & Adolescent Psychology (AREA)
- Developmental Disabilities (AREA)
- Educational Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Signal Processing (AREA)
- Dentistry (AREA)
- Cardiology (AREA)
- Traffic Control Systems (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Chair Legs, Seat Parts, And Backrests (AREA)
- Seats For Vehicles (AREA)
- Passenger Equipment (AREA)
Abstract
覚醒状態の判定精度の高い覚醒状態判定方法を提供する。 覚醒状態判定方法は、着座者の呼吸によって変動する呼吸データを取得する呼吸センサと、呼吸センサから取得された呼吸データを演算する演算部、及び着座者の状態を判定する判定部を有するコントローラと、を用いる。呼吸センサが、着座者の呼吸データを取得する呼吸データ取得工程(ステップS11)と、演算部が、取得された呼吸データのP_velを演算により算出する演算工程(ステップS16)と、判定部が、P_velについての着座者に眠気が生じる確率を尤度とし、尤度に眠気の生じる事前確率を乗じるベイズフィルタを使用して、着座者の覚醒状態を判定する覚醒判定工程(ステップS18,S19,S20,S21)と、を有する。
Description
本発明は、覚醒状態判定方法に係り、特に、人の覚醒状態を精度よく判定可能な覚醒状態判定方法に関する。
近年、安定した車両運転のために運転者の体調変化を検出することが必要となり、このために、運転者の状態を示す各種パラメータを検出して演算することで、体調変化、特に覚醒状態の判定する技術が種々提案されている。
例えば、特許文献1には、圧力センサを用いて人から加わる荷重に基づき圧力信号を検出し、検出した圧力信号を人の呼吸データに係るRI及びRrMSSDを算出して、これらの値の変動に基づいて覚醒状態の判定を行う技術が開示されている。具体的には、同文献に係る覚醒装置は、RIの上昇及びRrMSSDの所定量の上昇が同時に生じたときに眠気が生じている(低覚醒状態にある)と判定するものである。
特許文献1の技術によれば、特にRrMSSDを指標として覚醒状態の判定を行うことで、RIの瞬時的なばらつきを正確に取得することができるため、車両運転時等の外部要因による振動ノイズの影響を抑制して覚醒状態の判定を行うことができた。
しかしながら、呼吸を一時的に止めるような注意集中状態にあるときや会話時においては、RI及びRrMSSDが同時に上昇してしまうことがあり、実際に眠気が生じていないときでも眠気が生じていると誤判定がされることがあった。
また、RI及びRrMSSDの値の変動と眠気の生じる状態との関係性は、個人の特性によって異なるため、正確な覚醒状態の判定を行うことは困難であった。
このため、人の覚醒状態をより正確に判定できる方法が望まれていた。
また、RI及びRrMSSDの値の変動と眠気の生じる状態との関係性は、個人の特性によって異なるため、正確な覚醒状態の判定を行うことは困難であった。
このため、人の覚醒状態をより正確に判定できる方法が望まれていた。
本発明は上記の課題に鑑みてなされたものであり、本発明の目的は、覚醒状態の判定精度の高い覚醒状態判定方法を提供することにある。
また、本発明の他の目的は、個人の特性による影響を抑制して、覚醒状態の判定を高い精度で行うことにある。
また、本発明の他の目的は、個人の特性による影響を抑制して、覚醒状態の判定を高い精度で行うことにある。
前記課題は、本発明に係る覚醒状態判定方法が、人の呼吸によって変動する呼吸データを取得する呼吸センサと、該呼吸センサから取得された前記呼吸データを演算する演算部、及び前記人の状態を判定する判定部を有するコントローラと、を用いた覚醒状態判定方法であって、前記呼吸センサが、前記人の前記呼吸データを取得する呼吸データ取得工程と、前記演算部が、取得された前記呼吸データの単位時間当たりの変化度合である呼吸の変化度合を演算により算出する演算工程と、前記判定部が、前記呼吸の変化度合についての前記人に眠気が生じる確率を尤度とし、該尤度に眠気の生じる事前確率を乗じるベイズフィルタを使用して、前記人の覚醒状態を判定する覚醒判定工程と、有すること、により解決される。
上記構成によれば、呼吸の変化度合についての人に眠気が生じる確率を尤度とするベイズフィルタを使用することで、RI及びRrMSSDが同時に上昇したときに、覚醒状態を誤って判定することを抑制でき、覚醒状態の判定精度の高い覚醒状態判定方法を提供することができる。
また、前記人の操作によって、前記人の覚醒状態に係る覚醒状態信号を取得する取得部と、前記取得部から送信される前記覚醒状態信号及び前記操作時の各種条件を記録する記録部を用い、前記演算工程において、前記演算部は、前記記録部に記録されたデータに基づいて前記尤度又は前記事前確率を設定してもよい。
上記構成によれば、人の操作により判定基準を調整できることにより、個人の特性による影響を抑制して覚醒判定の精度をより高めることができる。
上記構成によれば、人の操作により判定基準を調整できることにより、個人の特性による影響を抑制して覚醒判定の精度をより高めることができる。
さらに、前記演算工程において、前記演算部は、前記呼吸の変化度合についての所定時間当たりの低下数に係るパターンを演算により算出し、前記尤度は、前記パターンについての前記人に眠気が生じる確率を含むと好ましい。
上記構成によれば、呼吸の変化度合についての所定時間当たりの低下数に係るパターンにおいて人に眠気が生じる確率を尤度に含むことで、個人の特性による影響を抑制して、覚醒判定の精度をより高めることができる。
上記構成によれば、呼吸の変化度合についての所定時間当たりの低下数に係るパターンにおいて人に眠気が生じる確率を尤度に含むことで、個人の特性による影響を抑制して、覚醒判定の精度をより高めることができる。
また、前記演算工程において、前記演算部は、前記呼吸センサから取得された前記呼吸データから前記人の1呼吸の間隔であるRIを演算により算出し、前記尤度は、前記RIについての前記人に眠気が生じる確率を含むと好ましい。
上記構成によれば、人の呼吸の間隔を示す値についての人に眠気が生じる確率を尤度に含むことで、覚醒判定の精度を高めることができる。
上記構成によれば、人の呼吸の間隔を示す値についての人に眠気が生じる確率を尤度に含むことで、覚醒判定の精度を高めることができる。
さらに、前記コントローラは、前記呼吸センサから得られた呼吸波形について、前記人の1呼吸の間隔であるRIの所定時間における推移であるRI波形データを生成する波形生成部を有し、該波形生成部によって生成された前記RI波形データのうち、t番目のRIをRI(t)とし、t番目からn番後のRIをRI(t+n)と定義して、下記数式1によってRrMSSDを定義した場合に、前記演算工程において、前記演算部は、前記RI波形から前記RrMSSDを演算により算出し、前記尤度は、前記RrMSSDについての前記人に眠気が生じる確率を含むと好ましい。
上記構成によれば、RrMSSDについての人に眠気が生じる確率を尤度に含むことで、覚醒判定の精度を高めることができる。
上記構成によれば、RrMSSDについての人に眠気が生じる確率を尤度に含むことで、覚醒判定の精度を高めることができる。
また、前記尤度は、5又は6のデータから構成されるものであると好ましい。
上記構成によれば、尤度を構成するデータが、5又は6であると、覚醒判定処理に係る負荷の増加を抑制しつつ、覚醒判定の精度を高めることができる。
上記構成によれば、尤度を構成するデータが、5又は6であると、覚醒判定処理に係る負荷の増加を抑制しつつ、覚醒判定の精度を高めることができる。
本発明によれば、覚醒状態を誤って判定することを抑制でき、覚醒状態の判定精度の高い覚醒状態判定方法を提供することができる。
また、個人の特性による影響を抑制して覚醒判定の精度をより高めることができる。
さらに、覚醒判定処理に係る負荷の増加を抑制しつつ、覚醒判定の精度を高めることができる。
また、個人の特性による影響を抑制して覚醒判定の精度をより高めることができる。
さらに、覚醒判定処理に係る負荷の増加を抑制しつつ、覚醒判定の精度を高めることができる。
本発明は、覚醒状態判定方法に関するものであり、特に、人の覚醒状態を精度よく判定可能な覚醒状態判定方法に関するものである。
以下に説明する実施形態は、本発明の理解を容易にするための一例に過ぎず、本発明を限定するものではない。すなわち、以下に説明する部材の形状、寸法、配置や、方法の手順等については、本発明の趣旨を逸脱することなく、改良や組み合わせ等の変更がされ得るとともに、本発明にはその等価物が含まれることは勿論である。
以下、本発明に係る覚醒状態判定方法の実施形態について、添付の図面を参照して具体的に説明する。
以下に説明する実施形態は、本発明の理解を容易にするための一例に過ぎず、本発明を限定するものではない。すなわち、以下に説明する部材の形状、寸法、配置や、方法の手順等については、本発明の趣旨を逸脱することなく、改良や組み合わせ等の変更がされ得るとともに、本発明にはその等価物が含まれることは勿論である。
以下、本発明に係る覚醒状態判定方法の実施形態について、添付の図面を参照して具体的に説明する。
まず、本実施形態に係る覚醒装置10について、図1を参照して説明する。ここで、図1は、本発明の実施形態に係る覚醒装置10の全体構成を示す図である。
本実施形態に係る覚醒装置10は、人である着座者の覚醒状態の判定を、呼吸センサとしての圧力センサ20によって得られる呼吸データに基づいて行うものである。覚醒装置10は、図1に示すように、2個の圧力センサ20をシートクッション1の内部に備え、振動モータMをシートバック2の内部に備える車両用シートSと、圧力センサ20及び振動モータMを制御するコントローラ70と、から主に構成される。
本実施形態に係る覚醒装置10は、人である着座者の覚醒状態の判定を、呼吸センサとしての圧力センサ20によって得られる呼吸データに基づいて行うものである。覚醒装置10は、図1に示すように、2個の圧力センサ20をシートクッション1の内部に備え、振動モータMをシートバック2の内部に備える車両用シートSと、圧力センサ20及び振動モータMを制御するコントローラ70と、から主に構成される。
車両用シートSは、着座者が着座するシートクッション1と、着座者の背もたれとなるシートバック2とを備え、シートクッション1の内部の着座者側近傍に圧力センサ20が設けられており、シートバック2の内部の着座者側近傍に振動モータMが設けられている。
圧力センサ20は、上下に電極を有し円形の検出面を有してシートクッション1に設けられており、着座者の呼吸に応じて変化する電気抵抗を検出する抵抗感圧式のセンサである。
圧力センサ20の上面の電極に加えられる圧力によって、上面の電極が下方に変形することで接触抵抗が大きくなると電極間の電気抵抗値が小さくなる。この電気抵抗値に係る電気信号が圧力センサ20から後述するコントローラ70に送信される。コントローラ70は、電気抵抗値に係る電気信号に基づいて圧力が演算され、演算された圧力に基づいて呼吸データを計測する。
圧力センサ20の上面の電極に加えられる圧力によって、上面の電極が下方に変形することで接触抵抗が大きくなると電極間の電気抵抗値が小さくなる。この電気抵抗値に係る電気信号が圧力センサ20から後述するコントローラ70に送信される。コントローラ70は、電気抵抗値に係る電気信号に基づいて圧力が演算され、演算された圧力に基づいて呼吸データを計測する。
コントローラ70は、不図示のRAMによって構成される記録部72と、電圧波形データを生成する波形生成部73aと、覚醒判定のためのデータ演算を行う演算部73bと、覚醒判定を行う判定部73cと、振動モータMを駆動する駆動部73dとを備える。これらのコントローラ70の構成部は、コントローラ70に設けられた不図示のROMに記憶されたプログラムがコントローラ70に設けられた不図示のCPUによって実行されることによって機能する。
記録部72は、演算制御中の信号及び入出力される信号を含むパラメータを一時記憶するものであり、本実施形態においてデジタル信号に変換された圧力信号その他の信号を記録するものである。
波形生成部73aは、圧力センサ20から得られ記録部72に記録された圧力センサ20の抵抗値に係る電気信号を基に、呼吸データを縦軸、時間を横軸とする呼吸波形データ、呼吸波形データから算出される波形データを生成する機能を有する。
演算部73bは、波形生成部73aによって生成された呼吸波形データに基づいて後述する演算を行うものである。
判定部73cは、演算部73bによって演算されたデータを指標として覚醒状態の判定を行うものである。
駆動部73dは、着座者の覚醒度の低下の判定に応じて振動モータMを駆動して着座者に振動刺激を付与するものである。
なお、記録部72、波形生成部73a、演算部73b、判定部73c及び駆動部73dの機能の詳細については後述する。
波形生成部73aは、圧力センサ20から得られ記録部72に記録された圧力センサ20の抵抗値に係る電気信号を基に、呼吸データを縦軸、時間を横軸とする呼吸波形データ、呼吸波形データから算出される波形データを生成する機能を有する。
演算部73bは、波形生成部73aによって生成された呼吸波形データに基づいて後述する演算を行うものである。
判定部73cは、演算部73bによって演算されたデータを指標として覚醒状態の判定を行うものである。
駆動部73dは、着座者の覚醒度の低下の判定に応じて振動モータMを駆動して着座者に振動刺激を付与するものである。
なお、記録部72、波形生成部73a、演算部73b、判定部73c及び駆動部73dの機能の詳細については後述する。
<覚醒状態判定処理>
次に、図2~図7を参照し、上記のように構成された覚醒装置10の覚醒状態判定処理及び覚醒維持処理の処理内容の詳細をフローの流れに沿って説明する。
なお、図2は、覚醒状態判定処理の一例を示すフローチャート、図3は、圧力信号の経時的変化を示す図、図4は、後述するRIと、RIの30秒ごとの平均値であるRImの経時的変化を示す図、図5は、後述するRrMSSDの経時的変化を示す図、図6は、後述するP_velの経時的変化を示す図、図7は、P_velの経時的変化を示す図であり、後述するP_velパターンに区分けするためのカウント方法を示す図である。
次に、図2~図7を参照し、上記のように構成された覚醒装置10の覚醒状態判定処理及び覚醒維持処理の処理内容の詳細をフローの流れに沿って説明する。
なお、図2は、覚醒状態判定処理の一例を示すフローチャート、図3は、圧力信号の経時的変化を示す図、図4は、後述するRIと、RIの30秒ごとの平均値であるRImの経時的変化を示す図、図5は、後述するRrMSSDの経時的変化を示す図、図6は、後述するP_velの経時的変化を示す図、図7は、P_velの経時的変化を示す図であり、後述するP_velパターンに区分けするためのカウント方法を示す図である。
本実施形態に係る覚醒状態判定処理は、呼吸間隔を示すRI(Respiration Interval)、及びRIのばらつきを示し後述するRrMSSD(Respiration root Mean Square Successive Difference)、並びに後述するP_vel(Pressure velocity)に係るデータ等にベイズフィルタを適用したものに基づいて着座者の覚醒状態を判定する処理である。なお、呼吸データ(圧力信号ともいう。)の単位時間当たりの変化度合について、P_velという用語を本実施形態において便宜的に用いる。
まず、圧力センサ20が、車両のエンジンを始動又は不図示のスタートスイッチの押下に応じて、着座者の呼吸の深度に応じて変動する呼吸データを電気抵抗の変化に基づいて取得する。
圧力センサ20が、呼吸データ取得工程として着座者の呼吸データを取得し、コントローラ70が、圧力センサ20から送信された呼吸データを記録部72に電位差データとして記録(取得)する(ステップS11)。
圧力センサ20が、呼吸データ取得工程として着座者の呼吸データを取得し、コントローラ70が、圧力センサ20から送信された呼吸データを記録部72に電位差データとして記録(取得)する(ステップS11)。
次に、波形生成部73aが、取得された圧力センサ20における呼吸データに基づき、圧力の所定時間における推移である図3に例示する呼吸センサ圧力の波形データ、及び人の1呼吸の間隔であるRIの所定時間における推移である図4に例示するRI波形データを生成する(ステップS12)。
次に、演算部73bが、演算工程において、生成されたRI波形データのうち、図4に示すように、30秒を1区間として、区間ごとにRIの平均値RImを算出する。
次に、判定部73cは、算出された1区間のRIm(t)と、次の区間のRIm(t+1)とを比較して、RIm(t+1)が直前のRIm(t)よりも大きな値であるかを判定する(ステップS13)。
そして、判定部73cは、RIm(t+1)がRIm(t)以下の値であると判定した場合には(ステップS13:No)、着座者が覚醒状態にあると判定する(ステップS20)。
一方、判定部73cが、RIm(t+1)がRIm(t)よりも大きな値であると判定した場合、換言すると、後の区間において先の区間よりもRImの値が上昇している場合には(ステップS13:Yes)、演算部73bは、演算工程において、RrMSSDを算出する(ステップS14)。詳細には、演算部73bが、30秒を1区間として、区間ごとにRrMSSDを算出する。
ここで、RrMSSDとは、t番目のRIをRI(t)とし、t番目からn番後のRIをRI(t+n)と定義したときに、次の数式1で算出される値であって、RIのばらつきを示すものである。
RrMSSDは、眠気を覚まそうとする際の交感神経の活性化に伴って覚醒低下状態の初期段階に大きくなる。そこで、このRrMSSDを覚醒判定の指標の一つとすることで、より正確な覚醒判定を実現するものである。
一方、判定部73cが、RIm(t+1)がRIm(t)よりも大きな値であると判定した場合、換言すると、後の区間において先の区間よりもRImの値が上昇している場合には(ステップS13:Yes)、演算部73bは、演算工程において、RrMSSDを算出する(ステップS14)。詳細には、演算部73bが、30秒を1区間として、区間ごとにRrMSSDを算出する。
ここで、RrMSSDとは、t番目のRIをRI(t)とし、t番目からn番後のRIをRI(t+n)と定義したときに、次の数式1で算出される値であって、RIのばらつきを示すものである。
RrMSSDは、眠気を覚まそうとする際の交感神経の活性化に伴って覚醒低下状態の初期段階に大きくなる。そこで、このRrMSSDを覚醒判定の指標の一つとすることで、より正確な覚醒判定を実現するものである。
次に、判定部73cは、算出された図5に示す1区間のRrMSSD(t)と、次の区間のRrMSSD(t+1)とを比較して、RrMSSD(t+1)が直前のRrMSSD(t)よりも大きな値であるかを判定する(ステップS15)。
そして、判定部73cは、RrMSSD(t+1)がRrMSSD(t)以下の値であると判定した場合には(ステップS15:No)、着座者が覚醒状態にあると判定する(ステップS20)。
一方、判定部73cが、RrMSSD(t+1)がRrMSSD(t)よりも大きな値であると判定した場合、換言すると、後の区間において先の区間よりもRrMSSDの値が上昇している場合には(ステップS15:Yes)、演算部73bは、演算工程として図6に示すP_velを算出する(ステップS16)。
一方、判定部73cが、RrMSSD(t+1)がRrMSSD(t)よりも大きな値であると判定した場合、換言すると、後の区間において先の区間よりもRrMSSDの値が上昇している場合には(ステップS15:Yes)、演算部73bは、演算工程として図6に示すP_velを算出する(ステップS16)。
ここで、P_velとは、上記したように呼吸データの単位時間当たりの変化度合(呼吸の変化度合)であり、換言すると、所定時間内で得られた呼吸データを時間微分した値の絶対値である。特に、P_velは、メディアンフィルタとローパスフィルタが通され、ノイズが除去された値である。なお、P_velは、後述するベイズフィルタを適用するためのデータである。
次に、演算部73bは、演算工程において、P_velの10秒毎の平均値であるP_vel meanを算出し、P_vel meanに基づいて、図7及び表1に示すP_velパターンを決定する(ステップS17)。
この表1は、時間tにおけるP_velが低下したときのカウント数と、t+1におけるP_velが低下したときのカウント数とによって定まるP_velパターンを示す表である。
この表1は、時間tにおけるP_velが低下したときのカウント数と、t+1におけるP_velが低下したときのカウント数とによって定まるP_velパターンを示す表である。
P_velパターンとは、図7及び表1に示すように、所定の時間内でP_vel meanの低下した回数によって定めるパターンであって、本実施形態においては計16のパターンがある。
本実施形態においては、P_velパターンは、30秒間の時間tと時間tの後の30秒間の時間t+1間との間で、P_vel meanが前10秒間のP_vel meanよりも低下したときにカウントされる数との組み合わせによって決定される。
例えば、図7に示すように、時間tにおけるP_vel meanの低下数が1であり、時間t+1におけるP_velパターンの低下数が0である場合は、表1に示すように、P_velパターンは5に決定される。
本実施形態においては、P_velパターンは、30秒間の時間tと時間tの後の30秒間の時間t+1間との間で、P_vel meanが前10秒間のP_vel meanよりも低下したときにカウントされる数との組み合わせによって決定される。
例えば、図7に示すように、時間tにおけるP_vel meanの低下数が1であり、時間t+1におけるP_velパターンの低下数が0である場合は、表1に示すように、P_velパターンは5に決定される。
厳密には、時間tのうち最初の10秒間についての数は、時間tのうち最初の10秒間のP_vel meanと、図示せぬ時間tの前10秒間のP_vel meanとを比較したものである。このP_velパターンは、後述するベイズフィルタを適用するためのデータである。
次に、判定部73cは、覚醒判定工程において、演算部73bにより算出されたRIm、P_vel及びP_velパターンの値をデータとするベイズフィルタを使用して、着座者が低覚醒状態(眠気が生じている状態)である確率が、着座者が覚醒状態である確率よりも大きいかを判定する(ステップS18)。
ここで、ベイズフィルタの式は、数式2によって表される。
このように、後述する各種データに係る覚醒状態に関わる確率を乗じた、P(D1|H1)×P(D2|H1)×P(D3|H1)、及びP(D1|H2)×P(D2|H2)×P(D3|H2)は、それぞれベイズフィルタの尤度に相当するものである。また、P(H1)及びP(H2)は、事前確率に相当するものである。次に、ベイズフィルタに用いられるデータに関する確率及び事前確率について詳細に説明する。
ここで、ベイズフィルタの式は、数式2によって表される。
このように、後述する各種データに係る覚醒状態に関わる確率を乗じた、P(D1|H1)×P(D2|H1)×P(D3|H1)、及びP(D1|H2)×P(D2|H2)×P(D3|H2)は、それぞれベイズフィルタの尤度に相当するものである。また、P(H1)及びP(H2)は、事前確率に相当するものである。次に、ベイズフィルタに用いられるデータに関する確率及び事前確率について詳細に説明する。
(RImに係るデータD1に関する確率について)
RImの値であるデータD1に関し、着座者が低覚醒状態であるときにデータD1が得られる確率P(D1|H1)、着座者が覚醒状態であるときにデータD1が得られる確率P(D1|H2)について表2を参照して説明する。
表2に示すように、着座者が低覚醒状態であるときに2000<D1≦3250である確率P(D1|H1)はP11aであり、着座者が覚醒状態であるときに2000<D1≦3250である確率P(D1|H2)はP12aである。また、着座者が低覚醒状態であるときに3250<D1≦4750である確率P(D1|H1)はP11bであり、着座者が覚醒状態であるときに3250<D1≦4750である確率P(D1|H2)はP12bである。そして、着座者が低覚醒状態であるときに4750<D1である確率P(D1|H1)はP11cであり、着座者が覚醒状態であるときに4750<D1である確率P(D1|H2)はP12cである。
つまり、P11a、P11b及びP11cの合計、及びP12a、P12b及びP12cの合計はそれぞれ1となる。
なお、表2に示す内容のデータベース、及び後述する表3及び表4に示す内容のデータベースは、記録部72に事前に記録されているものである。
RImの値であるデータD1に関し、着座者が低覚醒状態であるときにデータD1が得られる確率P(D1|H1)、着座者が覚醒状態であるときにデータD1が得られる確率P(D1|H2)について表2を参照して説明する。
表2に示すように、着座者が低覚醒状態であるときに2000<D1≦3250である確率P(D1|H1)はP11aであり、着座者が覚醒状態であるときに2000<D1≦3250である確率P(D1|H2)はP12aである。また、着座者が低覚醒状態であるときに3250<D1≦4750である確率P(D1|H1)はP11bであり、着座者が覚醒状態であるときに3250<D1≦4750である確率P(D1|H2)はP12bである。そして、着座者が低覚醒状態であるときに4750<D1である確率P(D1|H1)はP11cであり、着座者が覚醒状態であるときに4750<D1である確率P(D1|H2)はP12cである。
つまり、P11a、P11b及びP11cの合計、及びP12a、P12b及びP12cの合計はそれぞれ1となる。
なお、表2に示す内容のデータベース、及び後述する表3及び表4に示す内容のデータベースは、記録部72に事前に記録されているものである。
(P_vel meanに係るデータD2に関する確率について)
P_vel meanの値であるデータD2に関し、着座者が低覚醒状態であるときにデータD2が得られる確率P(D2|H1)、着座者が覚醒状態であるときにデータD2が得られる確率P(D2|H2)について表3を参照して説明する。
表3に示すように、着座者が低覚醒状態であるときに0<D2≦0.10である確率P(D2|H1)はP21aであり、着座者が覚醒状態であるときに0<D2≦0.10である確率P(D2|H2)はP22aである。着座者が低覚醒状態であるときに0.10<D2≦0.22である確率P(D2|H1)はP21bであり、着座者が覚醒状態であるときに0.10<D2≦0.22である確率P(D2|H2)はP22bである。着座者が低覚醒状態であるときに4750<D1である確率P(D2|H1)はP21cであり、着座者が覚醒状態であるときに4750<D1である確率P(D2|H2)はP22cである。
つまり、P21a、P21b及びP21cの合計、及びP22a、P22b及びP22cの合計はそれぞれ1となる。
P_vel meanの値であるデータD2に関し、着座者が低覚醒状態であるときにデータD2が得られる確率P(D2|H1)、着座者が覚醒状態であるときにデータD2が得られる確率P(D2|H2)について表3を参照して説明する。
表3に示すように、着座者が低覚醒状態であるときに0<D2≦0.10である確率P(D2|H1)はP21aであり、着座者が覚醒状態であるときに0<D2≦0.10である確率P(D2|H2)はP22aである。着座者が低覚醒状態であるときに0.10<D2≦0.22である確率P(D2|H1)はP21bであり、着座者が覚醒状態であるときに0.10<D2≦0.22である確率P(D2|H2)はP22bである。着座者が低覚醒状態であるときに4750<D1である確率P(D2|H1)はP21cであり、着座者が覚醒状態であるときに4750<D1である確率P(D2|H2)はP22cである。
つまり、P21a、P21b及びP21cの合計、及びP22a、P22b及びP22cの合計はそれぞれ1となる。
(P_velパターンに係るデータD3に関する確率について)
P_velパターンの値であるデータD3に関し、着座者が低覚醒状態であるときにデータD3が得られる確率P(D3|H1)、着座者が覚醒状態であるときにデータD3が得られる確率P(D3|H2)について表4を参照して説明する。
P_velパターンの値であるデータD3に関し、着座者が低覚醒状態であるときにデータD3が得られる確率P(D3|H1)、着座者が覚醒状態であるときにデータD3が得られる確率P(D3|H2)について表4を参照して説明する。
表4に示すように、着座者が低覚醒状態であるときにD3=1,2・・・15,16が得られるそれぞれの確率P(D3|H1)は、順にP31a,P31b・・・P31o,P31pである。また、着座者が覚醒状態であるときにD3=1,2・・・15,16が得られるそれぞれの確率P(D3|H2)は、順にP32a,P32b・・・・P32o,P32pである。
つまり、P31a,P31b・・・P31o,P31pの合計、及びP32a,P32b・・・・P32o,P32pの合計はそれぞれ1となる。
P_velパターンは、個人の特性によって異なるP_vel meanの値の大小の値とは異なり、個人の特性によらず一定の傾向を示すものであるため、人の覚醒状態の判定に好適である。つまり、ベイズフィルタがP_velパターンに係る(D3|H1)、(D3|H2)を尤度に含むことで、着座者の覚醒状態の判定をより正確に行うことができる。
(事前確率について)
事前確率P(H1)は、着座者が低覚醒状態となる確率であり、事前確率P(H2)は着座者が覚醒状態となる確率である。つまり、P(H1)とP(H2)の合計は1となる。
事前確率P(H1)は、着座者が低覚醒状態となる確率であり、事前確率P(H2)は着座者が覚醒状態となる確率である。つまり、P(H1)とP(H2)の合計は1となる。
(ベイズフィルタの使用による覚醒状態の判定について)
演算部73bが、上記の数式2にそれぞれの確率を代入した場合に数式2が成立するとき、つまり、左辺の値が右辺の値よりも大きくなるときに(ステップS18:Yes)、覚醒判定工程において、判定部73cは、着座者が低覚醒状態にあると判定する(ステップS19)。一方、数式2が成立しないとき、つまり、左辺の値が右辺の値と同じか小さくなるときに(ステップS18:No)、判定部73cは、着座者が覚醒状態にあると判定する(ステップS20)。
例えば、D1=3500、D2=0.15、D3=7のとき、表5に示すように、P(D1|H1)=P11b、P(D1|H2)=P12b、P(D2|H1)=P21b、P(D2|H2)=P22b、P(D3|H1)=P31g、P(D3|H2)=P32gとなる。
そして、表5に示すようにP(H1)=0.7、P(H2)=0.3のときに、演算部73bが数式2にこれらの値を代入して数式3とし、判定部73cが、数式3が成立するか否かを判定部73cが判定し、着座者が覚醒状態にあるか否かを判定する。
演算部73bが、上記の数式2にそれぞれの確率を代入した場合に数式2が成立するとき、つまり、左辺の値が右辺の値よりも大きくなるときに(ステップS18:Yes)、覚醒判定工程において、判定部73cは、着座者が低覚醒状態にあると判定する(ステップS19)。一方、数式2が成立しないとき、つまり、左辺の値が右辺の値と同じか小さくなるときに(ステップS18:No)、判定部73cは、着座者が覚醒状態にあると判定する(ステップS20)。
例えば、D1=3500、D2=0.15、D3=7のとき、表5に示すように、P(D1|H1)=P11b、P(D1|H2)=P12b、P(D2|H1)=P21b、P(D2|H2)=P22b、P(D3|H1)=P31g、P(D3|H2)=P32gとなる。
そして、表5に示すようにP(H1)=0.7、P(H2)=0.3のときに、演算部73bが数式2にこれらの値を代入して数式3とし、判定部73cが、数式3が成立するか否かを判定部73cが判定し、着座者が覚醒状態にあるか否かを判定する。
着座者の覚醒状態の判定(ステップS19,ステップS20)の後に、コントローラ70は、同乗者に知らせるように車内に設けられた図示せぬディスプレイに判定結果を表示させたり、後述する振動モータMにより覚醒維持処理を行うようにしてもよい。
最後に、コントローラ70は、着座者による不図示のストップスイッチの押下等による処理終了の指示があるかどうかを判断し(ステップS21)、指示がない場合には呼吸データを取得するステップS11に戻り(ステップS21:No)、処理終了の指示がある場合には処理を終了する(ステップS21:Yes)。
なお、ステップS13においてRIの平均値であるRImを算出する区間、及びステップS14においてRrMSSDを算出する区間に関して、30秒を1区間としたが、これに限らず、20~300秒を1区間としてもよい。この区間を長く設定するほど、覚醒判定が遅くなるが、各パラメータを平均化するための抽出データ数が多くなるため覚醒判定の信頼性は高くなる。
なお、上記実施形態における、ベイズフィルタを適用するデータD1であるRIm、データD2であるP_vel mean、データD3であるP_velパターンのそれぞれの範囲は一例である。つまり、これらの範囲を細分化してもよく、逆に範囲を広くしてもよく、範囲の数を増減してもよい。
<覚醒維持処理>
次に、覚醒維持処理について図8を参照して説明する。なお、図8は、覚醒維持処理の一例を示すフローチャートである。
次に、覚醒維持処理について図8を参照して説明する。なお、図8は、覚醒維持処理の一例を示すフローチャートである。
図8に示す覚醒維持処理におけるステップS31~S38,S42のそれぞれについては、図2に示す覚醒状態判定処理におけるステップS11~S18,S21とそれぞれ略同じであるため、相違点を明確にするため、相違点のみを説明し、それ以外の一部の説明を省略する。
覚醒維持処理は、上記の覚醒状態判定処理によって着座者が低覚醒状態であるという判定結果に応じて振動モータMを駆動することによって、着座者の覚醒状態を維持させるための処理である。
覚醒維持処理における覚醒状態判定処理と異なる点の一つは、着座者が覚醒状態であるという条件が成立したときに(ステップS33:No、ステップS35:No又はステップS38:No)、処理終了の指示があるか否かに関わらず、呼吸データを取得する工程(ステップS31)に戻るという点にある。
覚醒維持処理における覚醒状態判定処理と異なる点の一つは、着座者が覚醒状態であるという条件が成立したときに(ステップS33:No、ステップS35:No又はステップS38:No)、処理終了の指示があるか否かに関わらず、呼吸データを取得する工程(ステップS31)に戻るという点にある。
また、覚醒維持処理においては、判定部73cがベイズフィルタによって着座者が覚醒状態にあると判定したときに(ステップS38:Yes)は、駆動部73dが振動モータMを駆動する(ステップS39)。そして、駆動部73dは、振動モータMの駆動を所定時間継続して、着座者に振動刺激を所定時間付与した後(ステップS40)、振動モータMを停止する(ステップS41)。
上記の覚醒維持処理によって、着座者が低覚醒状態であると判定されたときに振動モータMを適時駆動でき、効果的に着座者の覚醒を維持することができる。
上記の覚醒維持処理によって、着座者が低覚醒状態であると判定されたときに振動モータMを適時駆動でき、効果的に着座者の覚醒を維持することができる。
上記実施形態においては、ベイズフィルタの適用する尤度に含まれるデータとして、RIm、P_vel mean、P_velパターンを例に説明したが、RrMSSDをデータに含めるようにしてもよい。つまり、RrMSSDの値を、データD1やデータD2のように複数の範囲に分け、着座者が低覚醒状態であるときに各範囲にある確率、及び着座者が覚醒状態にあるときに各範囲にある確率を、ベイズフィルタの尤度に含めるようにしてもよい。
その他、尤度に含まれるものとしては、人の覚醒状態に関わるデータに係る確率であれば任意である。人の覚醒状態に関わるデータとして、例えば、ETCによる信号により判別される道路状況の変化の少ない高速道路の運転中のデータであってもよく、昼間又は夜間運転時のデータであってもよい。なお、尤度を構成するデータは1つでもいいが、特に、5つ又は6つであると、覚醒判定処理に係る負荷の増加を抑制しつつ、覚醒判定の精度を高めることができる。
その他、尤度に含まれるものとしては、人の覚醒状態に関わるデータに係る確率であれば任意である。人の覚醒状態に関わるデータとして、例えば、ETCによる信号により判別される道路状況の変化の少ない高速道路の運転中のデータであってもよく、昼間又は夜間運転時のデータであってもよい。なお、尤度を構成するデータは1つでもいいが、特に、5つ又は6つであると、覚醒判定処理に係る負荷の増加を抑制しつつ、覚醒判定の精度を高めることができる。
また、着座者が眠気を感じたときや感じないときに、着座者の操作に応じて低覚醒状態や覚醒状態に係る信号(覚醒状態信号)を取得し、コントローラ70に送信するスイッチ(取得部)を設けるようにしてもよい。これらを用いた処理としては、演算工程において、演算部73bが、スイッチからの信号に応じて、記録部72に記録された各データに関する低覚醒状態の確率若しくは覚醒状態の確率又は事前確率等の各種条件を更新し(設定し)、覚醒状態の判定基準を調整する。このようにすることで、着座者個人の特性によって覚醒状態の判定に誤りが生じるという悪影響を抑制でき、覚醒度の判定を高精度に行うことが可能となる。
また、上記実施形態においては、波形生成部73aが呼吸センサ圧力の波形データ及びRI波形データを生成するものとして説明したが、必ずしも波形そのものを生成する必要はない。つまり、圧力センサ20から得られた圧力信号と経過時間との関数を算出することができればよい。
また、上記実施形態において、着座者が低覚醒状態にあると判定部73cが判定した場合に、ディスプレイに表示したり、振動モータMによって、着座者に刺激を加えるものとして説明したが、このような形態に本発明は限定されない。例えば、着座者が低覚醒状態と判定した場合に、スピーカーによってアラーム音声を発するようにしてもよく、発光器によって、光を発するようにしてもよい。
上記実施形態では、具体例として自動車に搭載可能な車両用シートについて説明したが、これに限定されることなく、飛行機、船等の乗物用シートとしても利用することができる。更には、映画館用、劇場用のシート、リラクゼーションシート又はベッドその他の人に触れるものに採用することができる。
S 車両用シート
1 シートクッション
2 シートバック
10 覚醒装置
20 圧力センサ(呼吸センサ)
70 コントローラ
72 記録部
73a 波形生成部
73b 演算部
73c 判定部
73d 駆動部
M 振動モータ
1 シートクッション
2 シートバック
10 覚醒装置
20 圧力センサ(呼吸センサ)
70 コントローラ
72 記録部
73a 波形生成部
73b 演算部
73c 判定部
73d 駆動部
M 振動モータ
Claims (6)
- 人の呼吸によって変動する呼吸データを取得する呼吸センサと、
該呼吸センサから取得された前記呼吸データを演算する演算部、及び前記人の状態を判定する判定部を有するコントローラと、を用いた覚醒状態判定方法であって、
前記呼吸センサが、前記人の前記呼吸データを取得する呼吸データ取得工程と、
前記演算部が、取得された前記呼吸データの単位時間当たりの変化度合である呼吸の変化度合を演算により算出する演算工程と、
前記判定部が、前記呼吸の変化度合についての前記人に眠気が生じる確率を尤度とし、該尤度に眠気の生じる事前確率を乗じるベイズフィルタを使用して、前記人の覚醒状態を判定する覚醒判定工程と、有することを特徴とする覚醒状態判定方法。 - 前記人の操作によって、前記人の覚醒状態に係る覚醒状態信号を取得する取得部と、
前記取得部から送信される前記覚醒状態信号及び前記操作時の各種条件を記録する記録部を用い、
前記演算工程において、前記演算部は、前記記録部に記録されたデータに基づいて前記尤度又は前記事前確率を設定することを特徴とする請求項1に記載の覚醒状態判定方法。 - 前記演算工程において、前記演算部は、前記呼吸の変化度合についての所定時間当たりの低下数に係るパターンを演算により算出し、
前記尤度は、前記パターンについての前記人に眠気が生じる確率を含むことを特徴とする請求項1に記載の覚醒状態判定方法。 - 前記演算工程において、前記演算部は、前記呼吸センサから取得された前記呼吸データから前記人の1呼吸の間隔であるRIを演算により算出し、
前記尤度は、前記RIについての前記人に眠気が生じる確率を含むことを特徴とする請求項1に記載の覚醒状態判定方法。 - 前記尤度は、5又は6のデータから構成されることを特徴とする請求項1に記載の覚醒状態判定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/770,622 US10470697B2 (en) | 2015-10-30 | 2016-10-28 | Wakefulness determination method |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015214731A JP6114802B1 (ja) | 2015-10-30 | 2015-10-30 | 覚醒状態判定方法 |
JP2015-214731 | 2015-10-30 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2017073719A1 true WO2017073719A1 (ja) | 2017-05-04 |
Family
ID=58630280
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/JP2016/082036 WO2017073719A1 (ja) | 2015-10-30 | 2016-10-28 | 覚醒状態判定方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10470697B2 (ja) |
JP (1) | JP6114802B1 (ja) |
WO (1) | WO2017073719A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110786869A (zh) * | 2019-10-29 | 2020-02-14 | 浙江工业大学 | 一种程序员的疲劳程度的检测方法 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7401782B2 (ja) | 2018-08-24 | 2023-12-20 | テイ・エス テック株式会社 | センサ付きシート |
KR102631160B1 (ko) * | 2019-07-11 | 2024-01-30 | 엘지전자 주식회사 | 차량 탑승자 상태 감지방법 및 차량 탑승자 상태 감지장치 |
US11941896B1 (en) * | 2020-05-20 | 2024-03-26 | Kismet Technologies Inc. | System and method for alerting and monitoring health and wellness conditions of an individual within a defined environment |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010143535A1 (ja) * | 2009-06-08 | 2010-12-16 | 公立大学法人名古屋市立大学 | 眠気判定装置 |
WO2011118393A1 (ja) * | 2010-03-23 | 2011-09-29 | アイシン精機株式会社 | 覚醒度判定装置、覚醒度判定方法及びプログラム |
WO2015060268A1 (ja) * | 2013-10-21 | 2015-04-30 | テイ・エス テック株式会社 | 覚醒装置、シート及び覚醒度判定方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2538758C (en) * | 2000-06-16 | 2014-10-28 | Bodymedia, Inc. | System for monitoring and managing body weight and other physiological conditions including iterative and personalized planning, intervention and reporting capability |
US7689437B1 (en) * | 2000-06-16 | 2010-03-30 | Bodymedia, Inc. | System for monitoring health, wellness and fitness |
-
2015
- 2015-10-30 JP JP2015214731A patent/JP6114802B1/ja active Active
-
2016
- 2016-10-28 WO PCT/JP2016/082036 patent/WO2017073719A1/ja active Application Filing
- 2016-10-28 US US15/770,622 patent/US10470697B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010143535A1 (ja) * | 2009-06-08 | 2010-12-16 | 公立大学法人名古屋市立大学 | 眠気判定装置 |
WO2011118393A1 (ja) * | 2010-03-23 | 2011-09-29 | アイシン精機株式会社 | 覚醒度判定装置、覚醒度判定方法及びプログラム |
WO2015060268A1 (ja) * | 2013-10-21 | 2015-04-30 | テイ・エス テック株式会社 | 覚醒装置、シート及び覚醒度判定方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110786869A (zh) * | 2019-10-29 | 2020-02-14 | 浙江工业大学 | 一种程序员的疲劳程度的检测方法 |
CN110786869B (zh) * | 2019-10-29 | 2021-12-21 | 浙江工业大学 | 一种程序员的疲劳程度的检测方法 |
Also Published As
Publication number | Publication date |
---|---|
JP6114802B1 (ja) | 2017-04-12 |
US20190053748A1 (en) | 2019-02-21 |
US10470697B2 (en) | 2019-11-12 |
JP2017080297A (ja) | 2017-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6124011B2 (ja) | 覚醒装置及びシート | |
WO2017073719A1 (ja) | 覚醒状態判定方法 | |
JP5704612B2 (ja) | 眠気判定装置 | |
JP4727688B2 (ja) | 覚醒度推定装置 | |
JP5842857B2 (ja) | 覚醒度改善装置 | |
JP4596023B2 (ja) | 睡眠装置 | |
JP5544826B2 (ja) | 刺激効果予測装置、刺激効果予測方法及び車両制御装置 | |
JP2014092965A (ja) | 乗員監視装置 | |
WO2015060267A1 (ja) | 覚醒装置、シート及び覚醒度判定方法 | |
JP2015080521A5 (ja) | ||
JP2010220649A (ja) | 睡眠装置及び睡眠維持方法 | |
JP2015033457A (ja) | 運転状態推定装置及び運転状態推定方法 | |
JP2010020618A (ja) | 運転者覚醒装置 | |
JP2017084071A (ja) | 車載機 | |
JP6968526B2 (ja) | 覚醒状態判定装置、覚醒状態判定方法及びプログラム | |
JP6352028B2 (ja) | 体調判定装置 | |
JP6465949B2 (ja) | 体調判定装置 | |
JP2019012501A (ja) | 運転支援装置、運転支援方法、および運転支援プログラム | |
JP2004329956A (ja) | 運転者モニター装置とこれを用いた安全装置 | |
JP2007195615A (ja) | 覚醒度推定装置および覚醒度推定方法 | |
JP2024001914A (ja) | 覚醒度推定システム、覚醒度推定装置、覚醒度推定方法、および、プログラム | |
JP2013172828A (ja) | 睡眠制御装置 | |
JP2013162892A (ja) | 睡眠制御装置 | |
JP2011110261A (ja) | 生体状態判定装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 16859947 Country of ref document: EP Kind code of ref document: A1 |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 16859947 Country of ref document: EP Kind code of ref document: A1 |