JP6421475B2 - データ解析装置及びデータ解析方法、データ解析プログラム - Google Patents

Description

本発明は、人体の運動時の動作状態（運動状態）を可視化して提供するためのデータ解析装置及びデータ解析方法、データ解析プログラムに関する。

近年、健康志向の高まりなどを背景に、日常的にランニングやウォーキング、サイクリング等の運動を行い、健康状態を維持、増進する人々が増えている。また、日常の運動を通して、マラソン大会等の競技大会への参加を目指す人も増加している。このような人々は、自らの健康状態や運動状態を把握するため、種々の生体情報や運動情報を数値やデータで測定したり、記録したりすることに対して、意識や関心が非常に高い。また、競技大会等への参加を目指す人々は、当該競技での好成績を目標としているため、効率的かつ効果的なトレーニング方法に対する意識や関心も非常に高い。

運動中に測定された数値やデータに基づいて、自らの健康状態や運動状態を把握するための指標としては、様々なものが知られている。例えば、ランニングの状況やフォームを定量的に評価する場合には、走行速度やストライド等の情報を、重要かつ基礎的な指標として用いることができる。ここで、ランニング中やマラソン中の走行速度やストライドを測定する方法としては、例えばＧＰＳ（全地球測位システム；Global Positioning System）による測位データや受信信号を利用する手法が知られている。例えば特許文献１には、人体に装着されたＧＰＳ受信装置により受信した搬送波のドップラー周波数から測定した人体の速度に基づいて算出された距離と、加速度センサにより検出された振動変位に基づいて演算された歩数と、に基づいて一歩あたりのストライドを演算し、その後は、定期的にＧＰＳ電波を受信して更新されるストライドと積算される歩数に基づいて移動距離や移動速度を算出することが記載されている。また、例えば特許文献２には、ＧＰＳ信号により取得されるユーザの現在位置に基づいて、ユーザの運動態様を判断し、運動エリア内にある場合には、ユーザの移動距離や移動速度、消費カロリー等の運動量を算出することが記載されている。

特開平１０−３２５７３５号公報 特開２００２−３０６６６０号公報

上述した特許文献１、２には、ＧＰＳによる測位データや受信信号に基づいて、人体の移動速度や移動距離、ストライド等を算出したり、その補正をしたりする手法が開示されている。しかしながら、このような手法においては、屋内やビルの谷間などＧＰＳ電波の受信が困難な場所では、ＧＰＳ信号を取得できなかったり、その取得状況によっては算出される移動速度や移動距離、ストライド等の精度が大きく変わってしまったりして、運動状態の的確な把握やその判断、改善に充分に役立てることができないという問題を有している。

そこで、本発明においては上記問題点に鑑みて、ＧＰＳを用いることなく、時系列的に収集された各種のデータに基づいて、人体の運動状態に関わる指標を的確に推定し、運動状態の把握やその判断、改善に役立てることができるデータ解析装置及びデータ解析方法、データ解析プログラムを提供することを目的とする。

本発明に係るデータ解析装置は、
隣接する２つの区間が互いに繋がっている複数の区間を有し、互いに繋がっている前記区間の各々の延在方向に沿った形状が互いに異なっているコース内を移動中のユーザの身体の体軸上又はその近傍に装着された角速度センサからの角速度データを時系列的に収集し、前記角速度データの前記コースの形状に対応した変化に基づいて、前記ユーザが前記複数の区間のそれぞれの間の複数の境界を通過した時刻に対応する、複数の区間変化点の時刻を推定する、区間推定部と、
前記複数の区間変化点の時刻と、前記各区間の距離の値と、に基づいて、前記ユーザの前記各区間における移動速度の前記ユーザの移動開始時からの経過時間における推定値を示す時系列速度データを生成する時系列速度データ生成部と、
前記複数の区間における互いに繋がっている２つの前記区間での前記移動速度の差を算出し、前記差の合算値を減らす方向に、前記複数の区間変化点の少なくとも何れかの時刻を調整して、前記各区間における前記移動速度の値を適正な値にする、速度データ調整部と、
を有することを特徴とする。

本発明に係るデータ解析方法は、
隣接する２つの区間が互いに繋がっている複数の区間を有し、互いに繋がっている前記区間の各々の延在方向に沿った形状が互いに異なっているコース内を移動中のユーザの身体の体軸上又はその近傍に装着された角速度センサからの角速度データを時系列的に収集し、
前記角速度データに基づいて、前記ユーザが前記複数の区間のそれぞれの間の複数の境界を通過した時刻に対応する複数の区間変化点の時刻を推定し、
前記推定した前記複数の区間変化点の時刻と、前記各区間の距離の値と、に基づいて、前記ユーザの前記各区間における移動速度の、前記複数の経過時間毎の推定値を示す時系列速度データを生成し、
前記複数の区間における互いに繋がっている２つの前記区間での前記移動速度の差を算出し、
前記差の合算値を減らす方向に、前記複数の区間変化点の少なくとも何れかの時刻を調整して、前記各区間における前記移動速度の値を適正な値にする、
ことを特徴とする。

本発明に係るデータ解析プログラムは、
コンピュータに、
延在方向に沿った形状が互いに異なっていて、隣接する２つの区間が互いに繋がっている複数の区間を有するコース内を移動中のユーザの身体の体軸上又はその近傍に装着された角速度センサからの角速度データを時系列的に収集させ、
前記角速度データに基づいて、前記ユーザが前記複数の区間のそれぞれの間の複数の境界を通過した時刻に対応する複数の区間変化点の時刻を推定させ、
前記推定させた前記複数の区間変化点に基づいて前記ユーザが前記各区間の移動に要したと推定される時間と、前記各区間の距離の値と、に基づいて、前記ユーザの前記各区間における移動速度の、前記複数の経過時間毎の推定値を示す時系列速度データを生成させ、
前記複数の区間における互いに隣接する２つの前記区間での前記移動速度の差を算出させ、
前記複数の区間の各々における複数の前記差を合算した値を減らす方向に、前記複数の区間変化点の少なくとも何れかの時刻を調整させて、前記各区間における前記移動速度の値を適正化させる、
ことを特徴とする。

本発明によれば、ＧＰＳを用いることなく、時系列的に収集された各種のデータに基づいて、人体の運動状態に関わる指標を的確に推定し、運動状態の把握やその判断、改善に役立てることができる。

本発明に係るデータ解析装置を適用した運動支援装置の一実施形態を示す概略構成図である。 一実施形態に係る運動支援装置の制御方法（データ解析方法）の一例を示すフローチャートである。 一実施形態に係るデータ解析方法において生成される角速度データの積分値と時系列角度データとの関係を示す図である。 一実施形態に係るデータ解析方法におけるクラスタ分類処理の一例を示すフローチャートである。 一実施形態に係るデータ解析方法におけるクラスタ分類処理を説明するための概念図である。 一実施形態に係るデータ解析方法における区間推定処理の一例を示すフローチャートである。 一実施形態に係るデータ解析方法における区間推定処理を説明するための概念図（その１）である。 一実施形態に係るデータ解析方法における区間推定処理を説明するための概念図（その２）である。 一実施形態に係るデータ解析方法における最適化処理の一例を示すフローチャートである。 一実施形態に係るデータ解析方法における最適化処理を説明するための図（その１）である。 一実施形態に係るデータ解析方法における最適化処理を説明するための図（その２）である。 一実施形態に係るデータ解析方法における変化点位置決定処理の一例を示すフローチャートである。 一実施形態に係るデータ解析方法における変化点位置決定処理を説明するための図である。 一実施形態に係るデータ解析方法における最適化処理の効果を示す図である。

以下に、本発明に係るデータ解析装置及びデータ解析方法、データ解析プログラムについて、実施形態を示して詳しく説明する。なお、以下の実施形態においては、本発明に係るデータ解析装置を運動支援装置に適用し、ユーザ（利用者）が陸上競技場等のトラックや所定のランニングコース、マラソンコース等を走った場合に収集される各種のデータ（センサデータ）に基づいて、走行中の移動速度やストライド（歩幅）を推定して、ユーザに提供する場合について説明する。

（運動支援装置）
図１は、本発明に係るデータ解析装置を適用した運動支援装置の一実施形態を示す概略構成図である。図１（ａ）は本実施形態に係る運動支援装置に適用されるセンサ機器等の人体への装着状態を示す概念図であり、図１（ｂ）はセンサ機器及びデータ解析装置の構成を示す概略ブロック図である。

本発明の実施形態に係る運動支援装置は、例えば図１（ａ）に示すように、ユーザＵＳの腰部等に装着されるセンサ機器１００と、ユーザＵＳの手首等に装着されるコントロール機器３００と、センサ機器１００により収集されたセンサデータを解析するデータ解析装置２００と、を有している。

センサ機器１００は、ランニングやマラソン等の移動を伴う運動中の人体の動作状態に関する各種のセンサデータを測定して蓄積する機能を有するモーションセンサである。ここで、本実施形態においては、センサ機器１００としてユーザＵＳの腰部に装着する構成を示したが、本発明はこれに限定されるものではない。人体の中心を通る体軸上に装着するものであれば他の位置、例えば胸部や頸部、腹部等に装着されるものであってもよい。また、センサ機器１００の人体への装着方法についても、特に限定するものではなく、例えばトレーニングウェアにクリップで挟み込む形態やテープ部材等で貼り付ける形態、ベルト等により体に巻き付ける形態等、種々の装着方法を適宜適用するものであってもよい。

センサ機器１００は、具体的には、例えば図１（ｂ）に示すように、加速度計測部１１０と、角速度計測部１２０と、記憶部１３０と、制御部１４０と、無線通信用インターフェース（以下、「無線通信Ｉ／Ｆ」と略記する）１５０と、有線通信用インターフェース（以下、「有線通信Ｉ／Ｆ」と略記する）１６０と、を備えている。

加速度計測部１１０は、ユーザＵＳの運動中の動作速度の変化の割合（加速度）を計測する。加速度計測部１１０は、３軸加速度センサを有し、互いに直交する３軸方向の各々に沿った加速度成分（加速度信号）を検出して加速度データとして出力する。また、角速度計測部１２０は、ユーザＵＳの運動中の動作方向の変化（角速度）を計測する。角速度計測部１２０は、３軸角速度センサを有し、上記加速度データを規定する、互いに直交する３軸について、各軸に沿った回転運動の回転方向に生じる角速度成分（角速度信号）を検出して角速度データとして出力する。加速度計測部１１０及び角速度計測部１２０により取得されたセンサデータ（加速度データ、角速度データ）は、後述する制御部１４０において生成される時間データに関連付けられて、後述する記憶部１３０の所定の記憶領域に保存される。

記憶部１３０は、加速度計測部１１０及び角速度計測部１２０により取得されたセンサデータ（加速度データ、角速度データ）を、時間データに関連付けて所定の記憶領域に保存する。なお、記憶部１３０は、その一部又は全部が、例えばメモリカード等のリムーバブル記憶媒体としての形態を有し、センサ機器１００に対して着脱可能に構成されているものであってもよい。

制御部１４０は、計時機能を備えたＣＰＵ（中央演算処理装置）やＭＰＵ（マイクロプロセッサ）等の演算処理装置であって、所定の動作クロックに基づいて、所定の制御プログラムを実行する。これにより、制御部１４０は、加速度計測部１１０や角速度計測部１２０におけるセンシング動作や、記憶部１３０への各種のデータ保存、読出し動作、後述する無線通信Ｉ／Ｆ１５０や有線通信Ｉ／Ｆ１６０における外部機器との通信やデータ転送動作等の、各種の動作を制御する。

無線通信Ｉ／Ｆ１５０は、少なくとも、後述するコントロール機器３００から送信される、センサ機器１００におけるログ開始又はログ終了を指示する命令信号を受信して制御部１４０に転送する。これにより、加速度計測部１１０や角速度計測部１２０におけるセンシング動作の開始又は終了が制御されて、当該センシング動作の期間中に取得されたセンサデータが、記憶部１３０の所定の記憶領域に時系列的に保存される。ここで、無線通信Ｉ／Ｆ１５０において、センサ機器１００とコントロール機器３００との間で、各種の信号を伝送する手法としては、例えばブルートゥース（Bluetooth（登録商標））やワイファイ（WiFi；wireless fidelity（登録商標））等の各種の無線通信方式を適用することができる。

有線通信Ｉ／Ｆ１６０は、少なくとも、記憶部１３０に保存されたセンサデータを、後述するデータ解析装置２００に転送する機能を有している。これにより、データ解析装置２００において、ユーザＵＳの走行速度やストライドを推定する所定のデータ解析処理が実行される。ここで、有線通信Ｉ／Ｆ１６０において、センサ機器１００からデータ解析装置２００にセンサデータを伝送する手法としては、例えばＵＳＢ（Universal Serial Bus）規格の通信ケーブル（ＵＳＢケーブル）等を介した各種の有線通信方式を適用することができる。

データ解析装置２００は、ユーザＵＳの運動中にセンサ機器１００により測定され蓄積された各種のセンサデータに基づいて、人体の運動状態に関わる指標（運動指標）として、移動速度（走行速度）及びストライドを推定して提供する機能を有している。ここで、データ解析装置２００は、後述するデータ解析プログラムを実行できる機能を有するものであれば、ノート型やデスクトップ型のパーソナルコンピュータであってもよいし、スマートフォン（高機能携帯電話機）やタブレット端末のような携帯情報端末であってもよい。また、データ解析装置２００は、データ解析プログラムをネットワーク上のクラウドシステムを利用して実行する場合には、当該クラウドシステムに接続された通信端末であってもよい。

データ解析装置２００は、具体的には、例えば図１（ｂ）に示すように、表示部２１０と、記憶部２３０と、制御部（時系列角度データ生成部、クラスタ分類部、区間推定部、時系列速度データ生成部、速度データ調整部、運動指標提供部）２４０と、入力操作部２５０と、有線通信Ｉ／Ｆ２６０と、を備えている。

表示部２１０は、例えばカラー表示が可能な液晶方式や、有機ＥＬ素子等の発光素子方式の表示パネルを有し、少なくとも後述する入力操作部２５０を用いた入力操作や、センサデータに基づく解析結果に関連する情報等を所定の形態で表示する。具体的には、表示部２１０は、例えば、後述する記憶部２３０に保存されたセンサデータ（加速度データ、角速度データ）や、これらのセンサデータに基づいて算出される走行速度やストライドを示すグラフ、各種の設定メニュー等を表示する。

記憶部２３０は、後述する有線通信Ｉ／Ｆ２６０を介してセンサ機器１００から転送されたセンサデータを所定の記憶領域に保存する。ここで、記憶部２３０に蓄積されるセンサデータは、例えば走行方法（練習内容等）やコース条件（コースの種類や走行距離、コーナー角度等）に関連付けて時系列的に保存される。また、記憶部２３０に蓄積されるセンサデータは、特定の一ユーザのものであってもよいし、複数のユーザのものであってもよい。また、記憶部２３０は、後述する制御部２４０において、所定の制御プログラムやアルゴリズムプログラムを実行して、走行速度やストライドを示すデータやグラフを生成する際や、表示部２１０に各種の情報を表示する際に使用するデータや生成されるデータを保存する。なお、記憶部２３０は、制御部２４０において実行される制御プログラムやアルゴリズムプログラムが保存されるものであってもよい。また、記憶部２３０は、その一部又は全部が、例えばメモリカード等のリムーバブル記憶媒体としての形態を有し、データ解析装置２００に対して着脱可能に構成されているものであってもよい。

制御部２４０は、ＣＰＵやＭＰＵ等の演算処理装置であって、所定の制御プログラムを実行することにより、表示部２１０における各種情報の表示や、後述する有線通信Ｉ／Ｆ２６０におけるセンサ機器１００からのセンサデータの転送、記憶部２３０におけるセンサデータの保存や読出し等の、各種の動作を制御する。また、制御部２４０は、記憶部１３０に保存されている所定のアルゴリズムプログラムを実行することにより、ユーザＵＳが所望するトレーニングや試技について、対応するセンサデータを記憶部２３０から抽出し、運動指標である走行速度やストライドを推定する解析処理を行う。ここで、制御部２４０において実行される制御プログラムやアルゴリズムプログラムは、制御部２４０の内部に予め組み込まれているものであってもよい。なお、本実施形態に係るデータ解析方法については、詳しく後述する。

入力操作部２５０は、データ解析装置２００に付設されるキーボードやマウス、タッチパッド、タッチパネル等の入力手段である。入力操作部２５０は、ユーザＵＳが表示部２１０に表示される任意の項目やアイコンを選択したり、画面表示中の任意の位置を指示したりすることにより、当該項目やアイコン、位置に対応する機能が実行される。入力操作部２５０は、例えば、記憶部２３０に保存されたセンサデータから解析処理を行うトレーニングや試技を選択する際等の入力操作に用いられる。ここで、入力操作部２５０に適用される入力手段は、例えば上述した各種の入力手段のうち、いずれか１つを備えているものであってもよいし、複数の入力手段を備えているものであってもよい。

有線通信Ｉ／Ｆ２６０は、少なくとも、上述したセンサ機器１００から送信されるセンサデータを受信して記憶部２３０に転送する機能を有している。ここで、有線通信Ｉ／Ｆ２６０において、センサ機器１００からセンサデータを受信する手法としては、上述したＵＳＢケーブル等を介した有線通信方式を適用することができる。

コントロール機器３００は、少なくともセンサ機器１００に対して、所定の無線通信方式を用いて接続され、ユーザＵＳがコントロール機器３００の操作部を操作することにより、コントロール機器３００からセンサ機器１００にログ開始又はログ終了を指示する命令信号が送信される。これにより、センサ機器１００において、加速度計測部１１０や角速度計測部１２０におけるセンシング動作の開始又は終了が制御される。ここで、コントロール機器３００とセンサ機器１００との間で各種の信号を伝送する手法としては、上述したブルートゥース（Bluetooth（登録商標））やワイファイ（WiFi；wireless fidelity（登録商標））等の各種の無線通信方式を適用することができる。なお、コントロール機器３００は、上記のセンサ機器１００におけるセンシング動作の制御の他、センサ機器１００において取得されたセンサデータや、センサ機器１００の動作状態、時刻情報等を表示（又は報知）する機能を有しているものであってもよい。

なお、本実施形態に係る運動支援装置においては、有線通信によりセンサ機器１００とデータ解析装置２００との間でデータ伝送を行い、無線通信によりセンサ機器１００とコントロール機器３００との間でデータ伝送を行う構成を示したが、本発明はこれに限定されるものではない。すなわち、無線通信によりセンサ機器１００とデータ解析装置２００との間でデータ伝送するものであってもよいし、有線通信によりセンサ機器１００とコントロール機器３００との間でデータ伝送するものであってもよい。また、センサ機器１００の記憶部１３０やデータ解析装置２００の記憶部２３０を構成するメモリカード等のリムーバブル記憶媒体を差し替えることにより、センサ機器１００からデータ解析装置２００にセンサデータを伝送する手法を適用するものであってもよい。

また、本実施形態においては、コントロール機器３００として、図１（ａ）に示すように、ユーザＵＳの手首に装着する腕時計型（又はリストバンド型）の形態を有する機器を示したが、本発明はこれに限定されるものでない。すなわち、コントロール機器は、例えばポケットに収納されたり、上腕部に装着されたりしたスマートフォン等の携帯情報端末や専用端末であってもよいし、センサ機器１００とは別個の機器を用いることなく、センサ機器本体にログ開始又はログ終了を指示する操作スイッチを設けたものであってもよい。

（データ解析方法）
次に、本実施形態に係る運動支援装置における制御方法（データ解析方法）について、図面を参照して説明する。ここでは、本実施形態に係るセンサ機器１００における運動中のセンサデータの収集、蓄積から、データ解析装置２００における運動状態に関わる指標（走行速度、ストライド）を推定してユーザに提供するまでの、一連の制御処理について説明する。

図２は、本実施形態に係る運動支援装置の制御方法（データ解析方法）の一例を示すフローチャートであり、図３は、本実施形態に係るデータ解析方法において生成される角速度データの積分値と時系列角度データとの関係を示す図である。図４は、本実施形態に係るデータ解析方法におけるクラスタ分類処理の一例を示すフローチャートであり、図５は、本実施形態に係るデータ解析方法におけるクラスタ分類処理を説明するための概念図である。図６は、本実施形態に係るデータ解析方法における区間推定処理の一例を示すフローチャートであり、図７、図８は、本実施形態に係るデータ解析方法における区間推定処理を説明するための概念図である。図９は、本実施形態に係るデータ解析方法における最適化処理の一例を示すフローチャートであり、図１０、図１１は、本実施形態に係るデータ解析方法における最適化処理を説明するための図である。図１２は、本実施形態に係るデータ解析方法における変化点位置決定処理の一例を示すフローチャートであり、図１３は、本実施形態に係るデータ解析方法における変化点位置決定処理を説明するための図である。図１４は、本実施形態に係るデータ解析方法における最適化処理の効果を示す図である。

本実施形態に係る運動支援装置における制御方法（データ解析方法）は、大別して、ランニング時の運動状態に関する各種のセンサデータを収集して蓄積する手順（センサデータ収集手順）と、収集したセンサデータに基づいて運動状態に関わる指標（走行速度、ストライド）を推定してユーザＵＳに提供する手順（指標推定手順）と、を有している。ここで、指標を推定するための処理は、データ解析装置２００の制御部２４０において実行される所定のアルゴリズムプログラムに基づいて実現される。

センサデータ収集手順においては、まず、図１（ａ）に示したように、ユーザＵＳがセンサ機器１００を腰部に装着した状態で、競技場のトラックや所定のランニングコース、マラソンコースのような、ユーザの進行方向におけるコースの角度が互いに異なる複数の区間（例えばトラックのストレートとカーブ等）を有し、且つ、全体の距離及び各区間の距離が既知である（判明している）コースを、ランニング等により走行する。ここで、ランニングを開始する際に、ユーザＵＳが手首等に装着したコントロール機器３００を操作することにより、コントロール機器３００からセンサ機器１００にログ開始を指示する命令信号が送信される。これにより、センサ機器１００の制御部１４０は、加速度計測部１１０及び角速度計測部１２０におけるセンサデータ（加速度データ、角速度データ）の計測を開始し、記憶部１３０に順次保存する。そして、ランニングを終了する際に、ユーザＵＳがコントロール機器３００を操作することにより、センサ機器１００にログ終了を指示する命令信号が送信されて、加速度計測部１１０及び角速度計測部１２０におけるセンサデータの計測が終了する。これにより、ランニング中の動作状態を示すセンサデータが、時間データに関連付けられて取得される。

次いで、センサ機器１００とデータ解析装置２００とをＵＳＢケーブルで接続することにより、走行中に蓄積されたセンサデータがセンサ機器１００からデータ解析装置２００に転送され、記憶部２３０に保存される。ここで、ユーザＵＳは、センサ機器１００からデータ解析装置２００にセンサデータを転送する際（又は、記憶部２３０に保存されたセンサデータを表示部２１０で参照しつつ）、当該センサデータを取得した際のランニング（運動状態）に関する諸情報を、入力操作部２５０を用いて入力する。具体的には、ランニング時の走行方法（練習内容等）やコース条件（コースの種類や走行距離、コーナー角度等）、ユーザ名等の項目情報が入力される。

次いで、制御部２４０は、記憶部２３０に保存されたセンサデータのうちの加速度データに対して軸補正処理を実行する。一般に、人体の体幹に装着したセンサ機器１００は、ランニング等の運動中の上体の揺れや傾きの影響を受けるため、重力方向の軸と、センサ機器１００により検出される人体の上下方向の加速度の軸との間に差異が生じている。そのため、センサ機器１００により取得された角速度データの値に基づいて、時刻ごとに異なる上記軸方向の差異成分を相殺する補正を行う必要がある。

軸補正処理においては、具体的には、まず、制御部２４０がセンサ機器１００により取得された角速度データに基づいて、各時刻の重力方向を推定する。そして、制御部２４０は、推定した重力方向と加速度データの上下方向が一致するように、加速度データの各軸を回転することで、加速度データの値を補正する。この補正後の加速度データと角速度データは、補正後センサデータとして記憶部２３０の所定の記憶領域に保存される。

次いで、指標推定手順においては、制御部２４０は、上記の補正後センサデータを解析して、ランニング時の運動状態に関わる指標として、ピッチ、上下動、接地時間等をランニング動作の一歩毎に計算し、さらに、走行速度及びストライドを算出して推定する処理を実行する。なお、本実施形態においては、説明を簡明にするために、典型的なストレート区間とカーブ区間の２種類の、コースの角度が互いに異なる２つの区間を有する陸上競技場等のトラックを、ユーザＵＳが走行する場合を想定するものとする。しかしながら、本実施形態の対象となるコースは、このようなトラックに限定されるものではなく、走行距離が既知であれば、コースの角度が互いに異なる、３つ以上の区間（例えばストレート区間、緩いカーブ区間、急なカーブ区間等）を有するコースであっても同様の概念を適用することができる。

指標推定処理においては、具体的には、まず、ユーザＵＳがデータ解析装置２００の入力操作部２５０を用いて、記憶部２３０に保存された任意の補正後センサデータを選択する。これにより、制御部２４０は、所定のアルゴリズムプログラム（データ解析プログラム）を実行して、図２のフローチャートに示すように、当該補正後センサデータについて、鉛直軸回りの角速度を積分する（ステップＳ１０２）。ここで、鉛直軸とは、地表に垂直な重力方向を示す軸であって、制御部２４０は、補正後センサデータから当該鉛直軸回りの角速度データを抽出して積分処理する。この角速度データを積分処理した結果は、例えば図３（ａ）中の破線で示される。

次いで、制御部２４０は、上記の角速度データを積分処理した結果について、ランニング動作の周期ごとに平均値を算出し、時系列角度データを生成する（ステップＳ１０４）。この時系列角度データは、例えば図３（ａ）中の実線で示される。ここで、周期とは、ランニング時に正面を向いている時を起点として、２歩進んだ後、再び正面を向くまでの期間とする。具体的には、例えば図３（ｂ）に示すように、周期的な変化を繰り返す時系列角度データにおいて、ランニング動作の２歩分（角度が正方向及び負方向に１回ずつ振れる期間）が１周期を示す。あるいは、ランニング動作の周期は、センサデータのうちの上下方向の加速度データから検出される左右の足の着地タイミングに基づいて１周期を算出するものであってもよい。また、図３（ａ）に示した時系列角度データにおいて、時間の経過とともに角度が増加する領域Ｒ１はカーブ区間を示し、時間の経過に関わらず角度が略一定（略均等）の領域Ｒ２はストレート区間を示す。すなわち、ユーザＵＳがストレート区間とカーブ区間を交互に繰り返す陸上競技場等のトラックを走行する場合、図３（ａ）に示した時系列角度データは、当該トラックの連続するカーブ区間（領域Ｒ１）とストレート区間（領域Ｒ２）に相当する。
このようにして生成された時系列角度データは、例えば表示部２１０の画面上にグラフ等の所定の形態で表示される。

次いで、制御部２４０は、上記の時系列角度データを、ストレートクラスタとカーブクラスタとに分類する一連のクラスタ分類処理（クラスタリング）を実行する（ステップＳ１０６）。本実施形態においては、例えば周知の手法である「判別分析法（大津の二値化）」を適用して、クラスタ分類処理を実行する。具体的には、図４のフローチャートに示すように、制御部２４０は、まず時系列角度データを角度順に昇順でソート（並び替え）を行う（ステップＳ２０２）。

次いで、制御部２４０は、例えば図５（ａ）に示すように、角度順にソートされた時系列角度データに対して、判別分析法を用いて、角度データを良好に分離するための閾値を決定する（ステップＳ２０４）。ここで、判別分離法（例えば、大津の二値化）においては、例えば図５（ａ）、（ｂ）に示すように、閾値となる角度を順次変化（増加）させて、角度データの分布において分散度（実質的にクラス間分散）の値が最大となる閾値が求められる。次いで、例えば図５（ｂ）に示すように、制御部２４０は、決定した閾値を基準（境界）にして、角度データの分布における当該閾値未満のクラスタ（図中、左側のクラスタ）の重心と、当該閾値以上のクラスタ（図中、右側のクラスタ）の重心を算出する（ステップＳ２０６）。そして、例えば図５（ｂ）に示すように、制御部２４０は、算出した２つの重心のうち、角度の絶対値が０に近い方の重心のクラスタ（図中、左側のクラスタ）をストレートクラスタとし、他方のクラスタ（図中、右側のクラスタ）をカーブクラスタとする（ステップＳ２０８）。このようなクラスタの分類及び属性の決定は、一般にランニング等の走行動作において、ストレート区間を走行中は人体の傾斜や揺れ等を示す角度の変化が相対的に少なく、カーブ区間を走行中は角度の変化が相対的に大きいことを根拠とするものである。

次いで、制御部２４０は、ストレートクラスタ及びカーブクラスタに分類（決定）された角度データを、角度順にソートされている状態から元の時系列順にソートし直して（ステップＳ２１０）、クラスタ分類処理を終了し、図２に示したフローチャートに戻る。

なお、制御部２４０は、上記のステップＳ２０８において角度データをストレートクラスタ及びカーブクラスタに分類した後、例えば図５（ｃ）に示すように、各クラスタに含まれる角度データのうち、重心から大きく外れるデータを当該クラスタから除外する処理をさらに実行するものであってもよい。ここで、各クラスタにおいて重心から大きく外れるデータとは、ストレート区間とカーブ区間の境界において取得されたデータであったり、突発的な動きの影響を受けたデータであったりする可能性がある。そこで、例えば各クラスタの標準偏差の２倍以上、重心から外れるデータを除外の対象とする。

また、上述した一連のクラスタ分類処理（クラスタリング）においては、判別分析法（大津の二値化）を適用した手法を示したが、本発明はこれに限定されるものではなく、例えば「Ｋ平均法（k-means clustering）」等の、他の周知の手法を適用するものであってもよい。

次いで、制御部２４０は、上記のクラスタ分類処理の結果に基づいて、ストレート区間及びカーブ区間を推定する一連の区間推定処理を実行する（ステップＳ１０８）。ここで、本実施形態において実行する区間推定処理は、時系列角度データに適用することにより、センサ機器１００により収集したセンサデータに含まれているノイズやドリフト成分の影響を除去又は低減する作用を含んでいる。

本実施形態においては、上記のステップＳ１０６におけるクラスタ分類処理の結果に基づいて、例えば図７（ａ）に示すように、時系列角度データがストレートとカーブの２つのクラスタに分類されている。ここで、図７（ａ）に示す時系列角度データは、図５に示したような、理想的な状態における時系列角度データとは異なり、センサデータにノイズやドリフト成分が含まれている、より現実的な状態における時系列角度データの一例である。

本実施形態における区間推定処理においては、図６のフローチャートに示すように、制御部２４０は、時系列角度データ上で分類されているストレートとカーブのクラスタを、次の手順で所定の時間以内でのまとまりからグループ化する（ステップＳ３０２）。

具体的には、制御部２４０は、まず、時系列角度データ上の同じクラスタで時間的に連続している点を、例えば図７（ｂ）に示すように、同一のグループとしてまとめる。図７（ｂ）においては、ストレート１〜３とカーブ１〜３にグループ化した状態を示している。ここで、ストレート２とカーブ２に含まれる点は、センサデータに含まれているノイズやドリフト成分に起因する異常値である。

次いで、制御部２４０は、同じクラスタ内のグループ同士を比較し、所定時間Ｔａ以上離れていないグループ同士を統合する。例えば図７（ｂ）において、同じクラスタ内のストレート１、２、３の各グループに着目し、グループ相互が例えば１０秒以上離れていない場合には、例えば図７（ｃ）に示すように、これらのグループが１つのグループ（ストレート１）に統合される。ここで、グループ同士の統合の可否を判断するための所定時間Ｔａは、本実施形態のようにトラックを走行する場合には、例えば１０秒程度に設定することが好ましい。

次いで、制御部２４０は、上記のグループの統合後、例えば図７（ｄ）に示すように、各グループ内に存在する所定時間Ｔｂ以下のグループを削除する。図７（ｄ）においては、ストレート１のグループ内に存在するカーブ２のグループを削除した状態を示している。ここで、グループの削除の可否を判断するための所定時間Ｔｂは、本実施形態のようにトラックを走行する場合には、例えば１０秒程度に設定することが好ましい。

次いで、制御部２４０は、グループ化されたクラスタごとに最小二乗法を用いて直線を算出する（ステップＳ３０４）。具体的には、例えば図８（ａ）に示すように、時系列角度データにおいてグループＧ１〜Ｇ４をそれぞれ含む各クラスタについて、例えば図８（ｂ）に示すように、各クラスタ（グループＧ１〜Ｇ４）の角度の時間変化の傾向を示す直線Ｌ１〜Ｌ４が算出される。

次いで、制御部２４０は、時間的に隣接する異なるクラスタの直線の交点を算出する（ステップＳ３０６）。具体的には、例えば図８（ｂ）に示すように、時系列角度データ上のクラスタ（グループＧ１〜Ｇ４）ごとに算出された直線Ｌ１〜Ｌ４について、例えば図８（ｃ）に示すように、時間的に隣接する異なるクラスタの直線相互の交点が算出される。図８（ｃ）においては、直線Ｌ１とＬ２の交点ＣＰ１、直線Ｌ２とＬ３の交点ＣＰ２、直線Ｌ３とＬ４の交点ＣＰ３を算出した状態を示している。

次いで、制御部２４０は、時間的に隣接する２つの交点間の区間を、その区間のクラスタの属性に基づいて、ストレート区間、カーブ区間と決定して記憶部２３０に保存する（ステップＳ３０８）。具体的には、例えば図８（ｃ）に示すように、時系列角度データ上のクラスタ（グループＧ１〜Ｇ４）ごとの直線Ｌ１〜Ｌ４に基づいて算出された交点ＣＰ１〜ＣＰ３について、隣接する交点間の区間が、例えば当該区間のクラスタに含まれるグループＧ１〜Ｇ４における角度の時間変化の傾向（又は、直線Ｌ１〜Ｌ４の傾き）に基づいて、例えば図８（ｄ）に示すように、各区間がストレート区間又はカーブ区間として決定される。図８（ｄ）においては、交点ＣＰ１とＣＰ２間の区間をストレート区間、交点ＣＰ２とＣＰ３間の区間をカーブ区間と決定した状態を示している。

このような区間推定処理の終了後、図２に示したフローチャートに戻る。なお、以下の説明においては、上記の交点を、便宜的に「区間変化点」と表記する。上述したように、区間変化点（交点ＣＰ１〜ＣＰ３）は、各ストレート区間及びカーブ区間を規定するものであるとともに、ストレート区間とカーブ区間相互の境界を示すものである。

次いで、制御部２４０は、上記のステップＳ１０８において決定（推定）したストレート区間及びカーブ区間の所要時間と、既知である各区間の距離とに基づいて、次の（１）式によりランニング中の走行速度を算出して時系列速度データを生成する（ステップＳ１１０）。
走行速度（ｍ/ｓ）＝ 区間距離(ｍ)／所要時間(ｓ) ・・・（１）
このようにして生成された時系列速度データは、例えば表示部２１０の画面上にグラフ等の所定の形態で表示される。

次いで、制御部２４０は、上記のステップＳ１１０において生成された時系列速度データについて、走行速度を最適化（又は適正化）するための一連の最適化処理を実行する（ステップＳ１１２）。本実施形態においては、陸上競技場等のトラックのように、少なくとも連続するストレート区間とカーブ区間を走行する場合には、走行速度が急激に変化することは少なく、緩やか（又は、滑らか）に変化するという仮定に基づいて最適化処理を行う。ここで、本実施形態で実行される最適化処理においては、繰り返し処理を行うことにより処理結果を徐々に解（真の値）に近付けていく手法を適用する。

最適化処理においては、具体的には、図９のフローチャートに示すように、まず、制御部２４０が一連の最適化処理の繰り返しが所定回数未満か否かを判定する（ステップＳ４０２）。そして、処理の繰り返しが所定回数未満の場合には、制御部２４０は、時系列速度データの隣接する区間ごとの速度差及びその総和を計算する（ステップＳ４０４）。一連の最適化処理が所定回数繰り返されている場合には、制御部２４０は、繰り返し処理を終了して、図２に示したフローチャートに戻る。

次いで、前回の繰り返し処理において上記ステップＳ４０４により計算された速度差の総和が存在する場合には、制御部２４０は、今回と前回の速度差の総和の差の絶対値が所定の閾値以下であるか否かを判定する（ステップＳ４０６）。速度差の総和の差の絶対値が所定の閾値以下であれば、制御部２４０は、繰り返し処理を終了して、図２に示したフローチャートに戻る。すなわち、上記の速度差の総和の差の絶対値が所定の閾値以下である場合には、今回と前回の繰り返し処理において、処理結果が解（真の値）に収束したとみなすことができるため、制御部２４０は、最適化処理を終了する。

一方、上記の終了条件（ステップＳ４０２、Ｓ４０６）を満たさなかった場合、すなわち、最適化処理が所定回数繰り返されておらず、かつ、今回と前回の速度差の総和の差の絶対値が所定の閾値よりも大きい場合には、区間ごとの速度差に基づいて、隣接する速度差の和（隣接速度差和）を計算する（ステップＳ４０８）。

ここで、図１０（ａ）に示すようなグラフで表される時系列角度データ（上図）及びそれに対応する時系列速度データ（下図）において、時系列角度データのある区間変化点ＣＰａを移動させた場合（上図中、矢印で表記）、図１０（ｂ）に示すように、時系列速度データの、当該区間変化点ＣＰａにより規定される隣接するカーブ区間ＳＣａとストレート区間ＳＣｂとの速度差が同時に影響を受ける（下図中、矢印で表記）ことになる。そのため、一箇所（すなわち、特定の区間）の速度差だけを考慮するのではなく、隣接する区間の速度差も考慮する必要がある。そこで、本実施形態においては、隣接する区間の速度差の和を計算して、走行速度の最適化処理に用いる。

具体的には、制御部２４０は、例えば図１１に示すように、時系列角度データ（上図）の各区間変化点ＣＰａ〜ＣＰｄについて、時系列速度データ（下図）における各区間の走行速度の差分Δ１〜Δ６を用いて、各隣接速度差和Ａ〜Ｄを計算する。図１１においては、区間変化点ＣＰａに着目した場合、当該区間変化点ＣＰａにおけるカーブ区間とストレート期間との走行速度の差Δ２と、区間変化点ＣＰａに隣接する区間変化点ＣＰｘにおけるカーブ区間とストレート期間との走行速度の差Δ１と、区間変化点ＣＰｂにおけるカーブ区間とストレート期間との走行速度の差Δ３と、の総和を、区間変化点ＣＰａにおける隣接速度差和Ａとして算出した状態を示している。なお、詳細を省略するが、他の区間変化点ＣＰｂ〜ＣＰｄにおける隣接速度差和Ｂ〜Ｄについても同様にして算出される。

次いで、制御部２４０は、上記のステップＳ４０８により各区間変化点における隣接速度差和を算出した後、当該隣接速度差和が大きい順に、区間変化点の位置を適正な位置に決定する一連の変化点位置決定処理を実行する（ステップＳ４１０）。

変化点位置決定処理においては、具体的には、図１２のフローチャートに示すように、まず、制御部２４０が一連の変化点位置決定処理を全ての隣接速度差和に対して実行したか否かを判定する（ステップＳ５０２）。全ての隣接速度差和に対して処理が完了している場合には、制御部２４０は、変化点位置決定処理を終了して、図９に示したフローチャートに戻る。

一方、全ての隣接速度差和に対して処理が完了していない場合には、制御部２４０は、隣接速度差和のうち、最大となるものを決定（抽出）する（ステップＳ５０４）。次いで、制御部２４０は、決定された最大の隣接速度差和の区間変化点を所定範囲内で移動させた時の、特定のパラメータを算出する。具体的には、制御部２４０は、図１３に示すように、最大の隣接速度差和の区間変化点ＣＰiを所定範囲内で移動させつつ（上図中、矢印で表記）、次の（２）式で表されるパラメータである「cost」を算出して、そのときの区間変化点ＣＰiの位置（移動位置）に関連付けて記憶部２３０の所定の記憶領域に順次保存する（ステップＳ５０８）。なお、ここで、区間変化点を移動させる所定範囲内とは、対象とする区間変化点に隣接するストレート区間とカーブ区間の長さの和を１とした時に±0.1程度に設定することが好ましい。
cost ＝ ｃ1×｜Δi−Δi0｜＋ｃ2×（Δi-1＋Δi＋Δi+1） ・・・（２）
ここで、Δi-1、Δi、Δi+1は、それぞれ区間変化点ＣＰi-1、ＣＰi、ＣＰi+1における速度差であり、Δi0は速度差の初期値、ｃ1、ｃ2は係数である。

このcostを表す（２）式において、第一項は最大の隣接速度差和の区間変化点ＣＰiを移動させた時の速度差Δiと初期値の速度差Δi0との差の絶対値であり、costを小さくするということは、区間変化点ＣＰiを初期値の位置から変化させないように作用することを意味している。また、（２）式において、第二項は区間変化点ＣＰiにおける隣接速度差和（区間変化点ＣＰiの速度差Δiと、その両隣の区間変化点ＣＰi-1、ＣＰi+1の速度差Δi-1、Δi+1との総和）であり、costを小さくするということは、隣接する区間の速度差を無くし（又は、低減し）、滑らかに変化するように作用させることを意味している。（２）式においては、これらの２つの項の影響（作用）を、係数ｃ1、ｃ2の値を調整することにより最適化する処理を行う。

具体的には、係数ｃ1、ｃ2の値は、本実施形態においてデータ解析の対象としているセンサデータを取得する際の練習内容が、例えばペース走等のように基本的に速度があまり変化しない走行動作の場合には、例えば、ｃ1＝１、ｃ2＝１のように、ｃ2の値を大きく設定して隣接する区間の速度差を無くして（低減して）滑らかに変化するように作用させる。また、練習内容が、例えばビルドアップ走インターバルトレーニング等の場合には、速度差が急激に変化する場合も想定して、例えば、ｃ1＝２、ｃ2＝１のように、c1の値を大きく設定して初期値の影響を大きくするように作用させる。さらに、急激な速度変化に対応するために、練習内容に応じて速度差に上限を設けるようにしてもよい。

制御部２４０は、上記のcostを算出して記憶する処理を、最大の隣接速度差和の区間変化点ＣＰiが所定範囲内を移動終了するまで繰り返し実行する（ステップＳ５０６）。そして、最大の隣接速度差和の区間変化点ＣＰiが所定範囲内を移動終了した場合には、制御部２４０は、上記の（２）式により算出され記憶部２３０に保存された、区間変化点ＣＰiの各移動位置におけるcostが最小となるときの移動位置を、区間変化点ＣＰiの位置に決定して記憶部２３０の所定の記憶領域に保存する（ステップＳ５１０）。

次いで、制御部２４０は、上記のステップＳ５１０において着目している、最もcostが小さい区間変化点と、その両隣にそれぞれ位置する第一隣接及び第二隣接（計４点）の区間変化点とを除外した後（ステップＳ５１２）、再びステップＳ５０２に戻って、上述した一連の変化点位置決定処理を繰り返し実行する。すなわち、制御部２４０は、一連の変化点位置決定処理を、区間変化点の隣接速度差和が大きい順に実行するが、上述したように、対象とする区間変化点を移動させた場合、図１０に示したように、隣接する区間の速度が影響を受けてしまうため、その影響を完全に排除するために２隣接する（第一隣接及び第二隣接の）区間変化点を繰り返し処理から除外する。

そして、制御部２４０は、全ての隣接速度差和に対して、上記の一連の変化点位置決定処理が完了した場合には、図９に示したフローチャートに戻り、さらに、上記の一連の最適化処理が所定回数繰り返された場合には、最適化処理を終了して図２に示したフローチャートに戻る。

次いで、制御部２４０は、上記の最適化処理（ステップＳ１１２）により決定された区間変化点の位置に基づいて規定された、時系列速度データにおける各ストレート区間及びカーブ区間の値を、走行速度として記憶部２３０の所定の記憶領域に保存する（ステップＳ１１４）。ここで、本実施形態における最適化処理の効果について検証したところ、図１４に示すように、最適化処理前の走行速度（図中、点線で表記）に比較して、最適化処理後の走行速度（図中、実線で表記）がより正解の走行速度（真の値；図中、一点鎖線で表記）に大幅に近付いていることが判明した。

また、制御部２４０は、各ストレート区間及びカーブ区間について、上記のようにして得られた走行速度と、随時計算されるピッチとに基づいて、次の（３）式によりランニング中のストライドを算出して、記憶部２３０の所定の記憶領域に保存する（ステップＳ１１６）。ここで、ピッチは、１分間の歩数であるので、例えば、各区間について、記憶部２３０に保存された加速度データのうちの上下方向の成分の信号波形における、１分当たりの周期の回数を計測することにより取得される。
ストライド（ｍ/歩） ＝ 走行速度（ｍ/ｓ）／ピッチ（歩/s） ・・・（３）

このように、本実施形態においては、走行距離が既知であり（判明しており）、かつ、コースの角度が異なる複数の区間を有するコース（例えば、ストレート及びカーブを有する陸上競技場のトラック等）を走行した時の走行速度及びストライドを、ＧＰＳを用いることなく、モーションセンサにより時系列的に収集されたセンサデータのみに基づいて精度良く推定することができる。ここで、本実施形態においては、収集したセンサデータのうちの鉛直軸回りの角速度に基づいて生成した時系列角度データをクラスタリングし、その結果に基づいてストレート区間とカーブ区間を規定する区間変化点を推定することができる。そして、推定結果に基づいて生成した時系列速度データについて、各区間の速度変化が滑らかになるように最適化し、最適化された時系列速度データに基づいて各区間の走行速度及びストライドを精度良く推定することができる。

したがって、本実施形態によれば、ユーザＵＳのランニング中の運動状態に関わる指標（走行速度及びストライド）が自動的かつ的確に推定され、その結果を表示部２１０の画面上にグラフや数値の形態で表示することができるので、ユーザＵＳは当該運動状態を的確に把握して、その判断や改善に役立てることができる。

なお、上述した実施形態においては、説明を簡明にするために、ユーザＵＳが陸上競技場等のトラックを周回走行する場合について具体的に説明したが、本発明はこれに限定されるものではない。本発明は、走行距離が既知であり、かつ、コースの角度が異なる複数の区間（ストレートや角度の異なるカーブ等）を有するコースを走行するものであれば、任意のランニングコースやマラソン大会のコース等を走る場合であっても、ストレート区間及びカーブ区間を精度よく推定して、ランニング中の運動状態に関わる指標（走行速度及びストライド）をユーザに提供することができる。

以上、本発明のいくつかの実施形態について説明したが、本発明は、上述した実施形態に限定されるものではなく、特許請求の範囲に記載された発明とその均等の範囲を含むものである。
以下に、本願出願の当初の特許請求の範囲に記載された発明を付記する。

（付記）
［１］
利用者が既知の距離を有するコースを移動する運動中に、前記利用者に装着されたセンサから時系列的に収集された角速度データに基づいて、前記運動中に移動した経路の前記利用者の進行方向における角度の時間変化を示す時系列角度データを生成する時系列角度データ生成部と、
前記時系列角度データに基づいて、前記時系列角度データの前記角度の変化傾向が異なる複数の区間相互の境界となる区間変化点を推定して、前記各区間を規定する区間推定部と、
前記各区間の移動に要した時間と前記各区間の距離の値とに基づいて、前記各区間の移動速度を示す時系列速度データを生成する時系列速度データ生成部と、
前記各区間相互の前記移動速度の変化を低減させる方向に前記区間変化点を調整して、前記時系列速度データを最適化する速度データ最適化部と、
を有することを特徴とするデータ解析装置。

［２］
更に、前記最適化された前記時系列速度データにおける前記各区間の前記移動速度に基づく指標を運動指標として提供する運動指標提供部を備えることを特徴とする［１］に記載のデータ解析装置。

［３］
更に、前記時系列角度データを、前記角度に応じた複数のクラスタに分類するクラスタ分類部を備え、
前記区間推定部は、前記複数のクラスタに分類された前記時系列角度データに基づいて前記区間変化点を推定することを特徴とする［１］又は［２］に記載のデータ解析装置。

［４］
前記クラスタ分類部は、前記時系列角度データの分布に基づいて前記複数のクラスタに分類し、各クラスタの重心位置に基づいて前記複数のクラスタの属性を決定することを特徴とする［３］に記載のデータ解析装置。

［５］
前記区間推定部は、時間的に隣接する前記各クラスタにおける前記角速度データの変化傾向を示す直線の交点を算出して前記区間変化点とし、時間的に隣接する前記区間変化点間を前記各区間と規定することを特徴とする［３］又は［４］に記載のデータ解析装置。

［６］
前記速度データ最適化部は、時間的に隣接する前記各区間相互の前記移動速度の変化、及び、その両隣の前記各区間との前記移動速度の変化に基づいて、前記各区間相互の前記移動速度の変化が最も小さくなる前記区間変化点の位置を決定し、
前記運動指標提供部は、前記区間変化点が決定された前記時系列速度データにおける前記各区間の前記移動速度に基づく指標を、前記運動指標とすることを特徴とする［１］に記載のデータ解析装置。

［７］
前記センサは、前記利用者の身体の体幹に装着されたモーションセンサを有し、
前記センサデータは、前記モーションセンサにより時系列的に収集された、前記運動中の加速度及び角速度を含むことを特徴とする［１］乃至［６］のいずれかに記載のデータ解析装置。

［８］
利用者が既知の距離を有するコースを移動する運動中に、前記利用者に装着されたセンサから時系列的に収集された角速度データに基づいて、前記運動中に移動した経路の前記利用者の進行方向における角度の変化を示す時系列角度データを生成し、
前記時系列角度データに基づいて、前記時系列角度データの前記角度の変化傾向が異なる複数の区間相互の境界となる区間変化点を推定して、前記各区間を規定し、
前記各区間の移動に要した時間と前記各区間の距離の値とに基づいて、前記各区間の移動速度を示す時系列速度データを生成し、
前記各区間相互の前記移動速度の変化を低減させる方向に前記区間変化点を調整して、前記時系列速度データを最適化する、
ことを特徴とするデータ解析方法。

［９］
コンピュータに、
利用者が既知の距離を有するコースを移動する運動中に、前記利用者に装着されたセンサから時系列的に収集された角速度データに基づいて、前記運動中に移動した経路の前記利用者の進行方向における角度の変化を示す時系列角度データを生成させ、
前記時系列角度データに基づいて、前記時系列角度データの前記角度の変化傾向が異なる複数の区間相互の境界となる区間変化点を推定して、前記各区間を規定させ、
前記各区間の移動に要した時間と前記各区間の距離の値とに基づいて、前記各区間の移動速度を示す時系列速度データを生成させ、
前記各区間相互の前記移動速度の変化を低減させる方向に前記区間変化点を調整して、前記時系列速度データを最適化させる、
ことを特徴とするデータ解析プログラム。

１００ センサ機器
１１０ 加速度計測部
１２０ 角速度計測部
１３０ 記憶部
１４０ 制御部
１５０ 無線通信Ｉ／Ｆ
１６０ 有線通信Ｉ／Ｆ
２００ データ解析装置
２１０ 表示部
２３０ 記憶部
２４０ 制御部
２５０ 入力操作部
２６０ 有線通信Ｉ／Ｆ
３００ コントロール機器
ＵＳ ユーザ

Claims (11)

1. 隣接する２つの区間が互いに繋がっている複数の区間を有し、互いに繋がっている前記区間の各々の延在方向に沿った形状が互いに異なっているコース内を移動中のユーザの身体の体軸上又はその近傍に装着された角速度センサからの角速度データを時系列的に収集し、前記角速度データの前記コースの形状に対応した変化に基づいて、前記ユーザが前記複数の区間のそれぞれの間の複数の境界を通過した時刻に対応する、複数の区間変化点の時刻を推定する、区間推定部と、
   前記複数の区間変化点の時刻と、前記各区間の距離の値と、に基づいて、前記ユーザの前記各区間における移動速度の前記ユーザの移動開始時からの経過時間における推定値を示す時系列速度データを生成する時系列速度データ生成部と、
   前記複数の区間における互いに繋がっている２つの前記区間での前記移動速度の差を算出し、前記差の合算値を減らす方向に、前記複数の区間変化点の少なくとも何れかの時刻を調整して、前記各区間における前記移動速度の値を適正な値にする、速度データ調整部と、
   を有することを特徴とするデータ解析装置。
2. 前記各区間の前記移動速度の前記適正な値に基づく指標を運動指標として提供する運動指標提供部を備えることを特徴とする請求項１に記載のデータ解析装置。
3. 前記速度データ調整部は、
   (i)前記複数の区間変化点の少なくとも何れかの時刻を調整したときの、時間的に隣接する２つの前記区間の各々における前記移動速度の差の変化、
   (ii)前記２つの区間のうちの、時間的に前の一方の区間と、当該一方の区間と時間的に隣接して、時間的に前の前記区間の各々における前記移動速度の差の変化、及び、
   (iii)前記２つの区間のうちの、時間的に後の他方の区間と、当該他方の区間と時間的に隣接して、時間的に後の前記区間の各々における前記移動速度の差の変化、
   に基づいて、前記各区間変化点の時刻を調整することを特徴とする請求項１又は２に記載のデータ解析装置。
4. 前記速度データ調整部は、
   前記区間推定部により推定される１つの第１区間変化点をＣＰiとし、
   前記第１区間変化点ＣＰiに隣接して前記第１区間変化点ＣＰiより前の時刻の第２区間変化点をＣＰi-1とし、
   前記第１区間変化点ＣＰiに隣接して前記第１区間変化点ＣＰiより後の時刻の第３区間変化点をＣＰi+1とし、
   前記第１区間変化点ＣＰiに対し時間的に前後の前記区間における前記移動速度の推定値の差の絶対値の、前記区間変化点の時刻の調整を行う前の値をΔi0、
   前記第２区間変化点ＣＰi-1に対し時間的に前後の前記区間における前記移動速度の推定値の差の絶対値の、前記区間変化点の時刻の調整を行った後の値をΔi-1、
   前記第１区間変化点ＣＰiに対し時間的に前後の前記区間における前記移動速度の推定値の差の絶対値の、前記区間変化点の時刻の調整を行った後の値をΔi、
   前記第３区間変化点ＣＰi+1に対し時間的に前後の前記区間における前記移動速度の推定値の差の絶対値の、前記区間変化点の時刻の調整を行った後の値をΔi+1とし、
   ｃ1、ｃ2を定数として、式（Ａ）によるcostの値が最小となるように前記第１区間変化点ＣＰiの時刻を調整することを特徴とする請求項３に記載のデータ解析装置。
   cost ＝ ｃ1×｜Δi−Δi0｜＋ｃ2×（Δi-1＋Δi＋Δi+1） ・・・（Ａ）
5. 前記角速度データに基づいて、前記ユーザの前記コース上の進行方向の、所定方向に対する角度の、複数の前記経過時間毎の複数の値を示す時系列角度データを生成する時系列角度データ生成部を有し、
   前記区間推定部は、前記時系列角度データにおける前記角度の一定の前記経過時間に対する変化量の値の相違に基づいて、前記複数の区間変化点の時刻を推定することを特徴とする請求項１乃至４のいずれか１項に記載のデータ解析装置。
6. 前記時系列角度データの前記複数の角度の値を、前記複数の角度の値の、前記経過時間に対する変化量の値の分布が互いに異なる複数のクラスタに分類するクラスタ分類部を備え、
   前記区間推定部は、前記クラスタ分類部による前記複数のクラスタへの分類に基づいて、前記区間変化点を推定することを特徴とする請求項５に記載のデータ解析装置。
7. 前記クラスタ分類部は、
   前記時系列角度データの前記角度の複数の値を、一定の前記経過時間毎の変化量の値の順に並べ替えた結果に基づいて、前記角度の複数の値を前記複数のクラスタに分類し、
   前記複数のクラスタにおける、前記複数の角度の値の、前記経過時間に対する変化量の値の分布の中心の値に基づいて、前記複数のクラスタの各々の、前記コースの延在方向に沿った形状に対応する属性を決定することを特徴とする請求項６に記載のデータ解析装置。
8. 前記区間推定部は、
   前記複数のクラスタにおける時間的に隣接する２つの前記クラスタの各々における前記時系列角度データの前記経過時間に対する変化傾向を示す直線の交点を算出し、
   前記複数のクラスタに対する複数の前記交点を前記複数の区間変化点として推定することを特徴とする請求項６に記載のデータ解析装置。
9. 前記時系列角度データ生成部は、前記角速度データを前記経過時間に対して積分し、前記角速度データを前記積分した結果に対して、前記ユーザの前記体軸回りの回転動作の１周期毎の平均値を算出して、前記時系列角度データを生成することを特徴とする請求項５乃至８のいずれか１項に記載のデータ解析装置。
10. 隣接する２つの区間が互いに繋がっている複数の区間を有し、互いに繋がっている前記区間の各々の延在方向に沿った形状が互いに異なっているコース内を移動中のユーザの身体の体軸上又はその近傍に装着された角速度センサからの角速度データを時系列的に収集し、
    前記角速度データに基づいて、前記ユーザが前記複数の区間のそれぞれの間の複数の境界を通過した時刻に対応する複数の区間変化点の時刻を推定し、
    前記推定した前記複数の区間変化点の時刻と、前記各区間の距離の値と、に基づいて、前記ユーザの前記各区間における移動速度の、前記複数の経過時間毎の推定値を示す時系列速度データを生成し、
    前記複数の区間における互いに繋がっている２つの前記区間での前記移動速度の差を算出し、
    前記差の合算値を減らす方向に、前記複数の区間変化点の少なくとも何れかの時刻を調整して、前記各区間における前記移動速度の値を適正な値にする、
    ことを特徴とするデータ解析方法。
11. コンピュータに、
    延在方向に沿った形状が互いに異なっていて、隣接する２つの区間が互いに繋がっている複数の区間を有するコース内を移動中のユーザの身体の体軸上又はその近傍に装着された角速度センサからの角速度データを時系列的に収集させ、
    前記角速度データに基づいて、前記ユーザが前記複数の区間のそれぞれの間の複数の境界を通過した時刻に対応する複数の区間変化点の時刻を推定させ、
    前記推定させた前記複数の区間変化点に基づいて前記ユーザが前記各区間の移動に要したと推定される時間と、前記各区間の距離の値と、に基づいて、前記ユーザの前記各区間における移動速度の、前記複数の経過時間毎の推定値を示す時系列速度データを生成させ、
    前記複数の区間における互いに隣接する２つの前記区間での前記移動速度の差を算出させ、
    前記複数の区間の各々における複数の前記差を合算した値を減らす方向に、前記複数の区間変化点の少なくとも何れかの時刻を調整させて、前記各区間における前記移動速度の値を適正化させる、
    ことを特徴とするデータ解析プログラム。

Images