JP6861033B2 - ユーザ端末、サーバ、改善提案作成装置の作動方法および状態データ生成方法 - Google Patents

Description

本発明は、生体情報を測定するユーザ端末におけるデータの送信技術に関する。

血圧異常（典型的には高血圧）の患者は、日常的に血圧管理をすることが望まれる。特許文献１には、ユーザの健康状態を直観的に把握できるように表示するために、ユーザ端末が測定データをサーバ装置に送信し、サーバ装置が健康評価値を算出して当該健康評価値に応じたオブジェクトをユーザ端末に返送し、ユーザ端末が当該オブジェクトを表示する健康管理システムが開示されている。

従来の据え置き型の血圧測定装置は持ち運びに適しておらず、職場や外出先などの家庭外で血圧を測定することはユーザにとって大きな負担となる。また、１日に数回程度血圧を測定するだけでは、脳・心血管疾患の発症リスクとなり得る急激な血圧変動を捉えることは極めて困難である。

近年、センサ技術の発展に伴い、例えばユーザの手首に装着するだけでユーザの血圧を測定可能なユーザ端末が実現されている。このようなユーザ端末によれば、ユーザに大きな負担を掛けることなく血圧を適時に測定することが可能となる。係るユーザ端末には、例えばトノメトリ法などの技法を用いて、１拍毎に連続測定できるものもある。

特開２０１６−２７４６０号公報

ユーザの生体情報を連続測定することは当該ユーザの生体データが大量に発生することを意味する。例えば、人間の１日の心拍は約１０万回であるから、ユーザ１人あたり約１０万セット／日の血圧データが発生することになる。

大量の生体データを全て保存するには、大容量の記憶装置が必要となる。また、大量の生体データを全て、医師または健康指導者からアクセス可能とするために、外部機器に送信するとすれば、当該外部機器との通信路に多大な負荷が掛るとともに大電力を消費することになる。さらに、医師、健康指導者またはコンピュータがユーザの健康指導の判断材料とするために生体データに加えて加速度データ、角速度データ、環境データなどの追加的なデータの送信を必要とする可能性もあり、この場合には問題はより深刻となる。

本発明は、ユーザ端末から外部機器への送信データ量を抑制することを目的とする。

本発明の一態様に係るユーザ端末は、特徴量算出部と、特徴量符号化部と、通信部とを含む。特徴量算出部は、生体センサによって生成される生体データと、加速度センサによって生成される加速度データと、ジャイロセンサによって生成される角速度データと、環境センサによって生成される環境データとのうち少なくとも１つに基づいて複数の特徴量を算出し、当該複数の特徴量を要素として含む特徴量ベクトルを得る。特徴量符号化部は、特徴量ベクトルの要素の少なくとも一部を符号化し、第１の状態データを生成する。通信部は、第１の状態データを送信する。特徴量ベクトルは、第１の特徴量を要素として含む。第１の特徴量は、第１の時間単位における生体データに基づく第１の生体特徴量と、第１の時間単位における加速度データおよび角速度データの少なくとも一方に基づく第１の活動特徴量と、第１の時間単位における環境データに基づく第１の環境特徴量とのうち少なくとも１つを含む。

本発明の別の態様に係るサーバは、通信部と、状態データ記憶部と、状態遷移モデル記憶部と、要因分析部とを含む。通信部は、第１の状態データを受信する。状態データ記憶部は、第１の状態データを含む受信済みの状態データを格納する。状態遷移モデル記憶部は、複数の異なるユーザ状態の間での状態遷移をモデル化した状態遷移モデルを格納する。要因分析部は、第１の状態データよりも過去に受信した第２の状態データに対応する過去のユーザ状態から第１の状態データに対応する現在のユーザ状態に遷移した要因を状態遷移モデルを用いて分析し、要因分析結果を得る。第１の状態データは、生体センサによって生成される生体データと、加速度センサによって生成される加速度データと、ジャイロセンサによって生成される角速度データと、環境センサによって生成される環境データとのうち少なくとも１つに基づく複数の特徴量を要素として含む特徴量ベクトルの要素の少なくとも一部を符号化することによって得られる。特徴量ベクトルは、第１の特徴量を要素として含む。第１の特徴量は、第１の時間単位における生体データに基づく第１の生体特徴量と、第１の時間単位における加速度データおよび角速度データの少なくとも一方に基づく第１の活動特徴量と、第１の時間単位における環境データに基づく第１の環境特徴量とのうち少なくとも１つを含む。

本発明の別の態様に係るサーバは、通信部と、状態データ記憶部と、状態遷移モデル記憶部と、改善提案作成部とを含む。通信部は、第１の状態データを受信する。状態データ記憶部は、第１の状態データを含む受信済みの状態データを格納する。状態遷移モデル記憶部は、複数の異なるユーザ状態の間での状態遷移をモデル化した状態遷移モデルを格納する。改善提案作成部は、第１の状態データに対応する現在のユーザ状態からより良好と定義されるユーザ状態に遷移するための改善提案を作成する。第１の状態データは、生体センサによって生成される生体データと、加速度センサによって生成される加速度データと、ジャイロセンサによって生成される角速度データと、環境センサによって生成される環境データとのうち少なくとも１つに基づく複数の特徴量を要素として含む特徴量ベクトルの要素の少なくとも一部を符号化することによって得られる。特徴量ベクトルは、第１の特徴量を要素として含む。第１の特徴量は、第１の時間単位における生体データに基づく第１の生体特徴量と、第１の時間単位における加速度データおよび角速度データの少なくとも一方に基づく第１の活動特徴量と、第１の時間単位における環境データに基づく第１の環境特徴量とのうち少なくとも１つを含む。

本発明の別の態様に係る改善提案作成方法は、状態データを受信することを含む。この方法は、状態データに対応する現在のユーザ状態からより良好と定義されるユーザ状態に遷移するための改善提案を、複数の異なるユーザ状態の間での状態遷移をモデル化した状態遷移モデルを用いて作成することを含む。状態データは、生体センサによって生成される生体データと、加速度センサによって生成される加速度データと、ジャイロセンサによって生成される角速度データと、環境センサによって生成される環境データとのうち少なくとも１つに基づく複数の特徴量を要素として含む特徴量ベクトルの要素の少なくとも一部を符号化することによって得られる。特徴量ベクトルは、第１の特徴量を要素として含む。第１の特徴量は、第１の時間単位における生体データに基づく第１の生体特徴量と、第１の時間単位における加速度データおよび角速度データの少なくとも一方に基づく第１の活動特徴量と、第１の時間単位における環境データに基づく第１の環境特徴量とのうち少なくとも１つを含む。

本発明の別の態様に係る状態データ生成方法は、生体センサによって生成される生体データと、加速度センサによって生成される加速度データと、ジャイロセンサによって生成される角速度データと、環境センサによって生成される環境データとのうち少なくとも１つに基づいて複数の特徴量を算出し、当該複数の特徴量を要素として含む特徴量ベクトルを得ることを含む。この方法は、特徴量ベクトルの要素の少なくとも一部を符号化し、状態データを生成することを含む。特徴量ベクトルは、第１の特徴量を要素として含む。第１の特徴量は、第１の時間単位における生体データに基づく第１の生体特徴量と、第１の時間単位における加速度データおよび角速度データの少なくとも一方に基づく第１の活動特徴量と、第１の時間単位における環境データに基づく第１の環境特徴量とのうち少なくとも１つを含む。

本発明によれば、ユーザ端末から外部機器への送信データ量を抑制することができる。

第１の実施形態に係るユーザ端末を例示するブロック図。 図１のユーザ端末の外観を例示する図。 図１のユーザ端末を含む生体情報管理システムを例示する図。 図１の特徴量算出部によって算出される特徴量の説明図。 図１の特徴量符号化部によって生成される状態データの説明図。 図１のユーザ端末の動作を例示するフローチャート。 第２の実施形態に係るサーバを例示するブロック図。 図７のサーバの動作を例示するフローチャート。

以下、図面を参照しながら実施形態の説明を述べる。なお、以降、説明済みの要素と同一または類似の要素には同一または類似の符号を付し、重複する説明については基本的に省略する。

（第１の実施形態）
第１の実施形態に係るユーザ端末は、例えば図２に示される腕時計型のウェアラブル端末であってよい。このユーザ端末１００は、例えば、今日の日付、現在時刻などの一般的な時計に表示される情報に加えて、ユーザの収縮期血圧（Ｓｙｓｔｏｌｉｃ Ｂｌｏｏｄ Ｐｒｅｓｓｕｒｅ）ＳＹＳ、拡張期血圧（Ｄｉａｓｔｏｌｉｃ Ｂｌｏｏｄ Ｐｒｅｓｓｕｒｅ）ＤＩＡおよび脈拍数ＰＵＬＳＥなどの生体情報を表示する。ユーザ端末１００は、ユーザの生体情報を例えば一拍毎に連続測定し、最新のＳＹＳおよびＤＩＡを表示することができる。

ユーザ端末１００は、図３に例示されるように、スマートデバイス（典型的にはスマートフォン、タブレット）２００に接続されていてもよい。スマートデバイス２００は、ユーザ端末１００によって送信される状態データをグラフ化して表示したり、当該状態データをネットワークＮＷ経由でサーバ３００に送信したりする。状態データの詳細は後述される。スマートデバイス２００には、状態データを管理するためのアプリケーションがインストールされていてもよい。

サーバ３００は、ユーザ端末１００またはスマートデバイス２００から送信された状態データを蓄積する。サーバ３００は、例えばユーザの健康指導または診断に供するために、医療機関に設置されたＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）などからのアクセスに応じて当該ユーザの状態データを送信してもよい。

また、後述されるように、サーバ３００は、蓄積された状態データに基づいて、ユーザ状態が変化した要因を分析したり、ユーザ状態がより良好と定義されるユーザ状態になるための改善提案を作成したりする。そして、サーバ３００は、要因分析結果および改善提案を、ユーザに閲覧させるためにユーザ端末１００またはスマートデバイス２００に送信する。

図１に例示されるように、第１の実施形態に係るユーザ端末１００は、生体センサ１１０と、加速度センサ１２１と、環境センサ１２２と、時計部１２３と、ユーザ入力部１２４と、特徴量算出部１３１と、特徴量記憶部１３２と、特徴量符号化部１４１と、符号化パラメータ記憶部１４２と、状態データ記憶部１４３と、通信部１５０と、表示制御部１６０と、表示部１７０とを含む。

生体センサ１１０は、ユーザの生体情報を測定（例えば連続測定）することで生体データを得て、生体データを特徴量算出部１３１および表示制御部１６０に送る。生体センサ１１０は、少なくとも、ユーザの血圧を測定することで血圧データを得る血圧センサ１１１を含む。すなわち、生体データは少なくとも血圧データを含む。血圧データは、例えば、一拍ごとの収縮期血圧および拡張期血圧の値を含み得るが、これに限られない。このほか、生体データは、心電データ、心拍データ、脈波データ、脈拍データ、体温データなどを含むことができる。各生体データは、時計部１２３から受け取った時刻情報に基づいて設定された測定時刻に紐づけられ得る。

血圧センサ１１１は、ユーザの血圧を１拍毎に連続測定可能な血圧センサ（以降、連続型の血圧センサと称する）を含むことができる。連続型の血圧センサは、脈波伝播時間（ＰＴＴ；Ｐｕｌｓｅ Ｔｒａｎｓｉｔ Ｔｉｍｅ）からユーザの血圧を連続測定してもよいし、トノメトリ法または他の技法により連続測定を実現してもよい。

血圧センサ１１１は、連続型の血圧センサに加えて、連続測定不可能な血圧センサ（以降、非連続型の血圧センサと称する）を含むこともできる。非連続型の血圧センサは、例えば、カフを圧力センサとして用いてユーザの血圧を測定する（オシロメトリック法）。

非連続型の血圧センサ（特に、オシロメトリック法の血圧センサ）は、連続型の血圧センサに比べて、測定精度が高い傾向にある。故に、血圧センサ１１１は、例えば、何らかの条件が満足する（例えば、連続型の血圧センサによって測定されたユーザの血圧データが所定の高リスク状態を示唆した）ことをトリガとして、連続型の血圧センサに代えて非連続型の血圧センサを作動させることにより、血圧データをより高い精度で測定してもよい。

加速度センサ１２１は、当該加速度センサ１２１の受ける加速度を検出することで３軸の加速度データを得る。この加速度データは、ユーザ端末１００を装着しているユーザの活動状態（姿勢および／または動作）を推定するために用いることができる。加速度センサ１２１は、加速度データを特徴量算出部１３１および表示制御部１６０へと送る。加速度データは、時計部１２３から受け取った時刻情報に基づいて設定された測定時刻に紐づけられ得る。

なお、ユーザ端末１００は、加速度センサ１２１に代えて、または、加速度センサ１２１に加えて、ジャイロセンサを含んでいてもよい。ジャイロセンサは、回転を検知し、角速度データを得る。この角速度データは、ユーザ端末１００を装着しているユーザの活動状態を推定するために用いることができる。ジャイロセンサは、角速度データを特徴量算出部１３１および表示制御部１６０へと送る。角速度データは、時計部１２３から受け取った時刻情報に基づいて設定された測定時刻に紐づけられ得る。

環境センサ１２２は、ユーザ端末１００の周囲の環境情報を測定することで環境データを得て、特徴量算出部１３１および表示制御部１６０へと送る。環境データは、温度データ、湿度データ、気圧データなどを含むことができる。各環境データは、時計部１２３から受け取った時刻情報に基づいて設定された測定時刻に紐づけられ得る。

時計部１２３は、現在時刻を表す時刻情報を所定周期で発生し、生体センサ１１０、加速度センサ１２１（および／またはジャイロセンサ）、環境センサ１２２および表示制御部１６０に送る。時刻情報は、生体センサ１１０による生体データの測定時刻、加速度センサ１２１による加速度データ（および／またはジャイロセンサによる角速度データ）の測定時刻、環境センサ１２２による環境データの測定時刻などとして用いることができる。

時計部１２３は、カレンダー機能を備えていてもよい。すなわち、時計部１２３は、今日の日付を表す日付情報を例えば発生し、表示制御部１６０に送ってもよい。例えば血圧は、毎日同じように変動するのではなく、曜日毎、季節毎に異なる変動傾向を示すことがあるので、日付情報は生体情報の分析に役立つ。

ユーザ入力部１２４は、ユーザ入力を受け付けるためのボタン、ダイヤル、竜頭などである。或いは、ユーザ入力部１２４および後述される表示部１７０の組み合わせが例えばタッチスクリーンを用いて実装されてもよい。ユーザ入力は、表示部１７０の表示画面を制御する操作などであってよい。

特徴量算出部１３１は、生体センサ１１０から生体データを受け取り、加速度センサ１２１から加速度データ（および／またはジャイロセンサから角速度データ）を受け取り、環境センサ１２２から環境データを受け取る。特徴量算出部１３１は、生体データ、加速度データ（および／または角速度データ）、および環境データに基づいて複数の特徴量を算出し、当該複数の特徴量を要素として含む特徴量ベクトルを得る。特徴量算出部１３１は、特徴量ベクトルを特徴量記憶部１３２に格納する。

特徴量ベクトルは、第１の特徴量を要素として含むことができる。第１の特徴量は、第１の時間単位における生体データに基づく第１の生体特徴量と、当該第１の時間単位における加速度データ（および／または角速度データ）に基づく第１の活動特徴量と、当該第１の時間単位における環境データに基づく第１の環境特徴量とのうち少なくとも１つを含むことができる。第１の時間単位は、例えば１日、１週、１ヶ月または１年などであってよい。

また、特徴量ベクトルは、第１の特徴量に加えて第２の特徴量を要素として含むことができる。第２の特徴量は、第１の時間単位よりも長い第２の時間単位における生体データに基づく第２の生体特徴量と、当該第２の時間単位における加速度データ（および／または角速度データ）に基づく第２の活動特徴量と、当該第２の時間単位における環境データに基づく第２の環境特徴量とのうち少なくとも１つを含むことができる。第２の時間単位は、例えば１週、１ヶ月または１年などであってよい。

さらに、特徴量ベクトルは、第１の特徴量および第２の特徴量に加えて第３の特徴量を要素として含むことができる。第３の特徴量は、第２の時間単位よりも長い第３の時間単位における生体データに基づく第３の生体特徴量と、当該第３の時間単位における加速度データ（および／または角速度データ）に基づく第３の活動特徴量と、当該第３の時間単位における環境データに基づく第３の環境特徴量とのうち少なくとも１つを含むことができる。第３の時間単位は、例えば１ヶ月または１年などであってよい。

特徴量算出部１３１によって算出される特徴量が図４に例示される。図４の例では、第１の時間単位、第２の時間単位および第３の時間単位は、それぞれ、１日、１週および１年である。

第１の生体特徴量は、図４においてＢＰ_ｄ（ｉ）として表される。図４では、第１の生体特徴量として、対象日における日中および夜間それぞれの血圧の最小値、最大値およびサージ回数が示されている。

血圧サージとは、例えば、睡眠時無効吸症候群（Ｓｌｅｅｐ Ａｐｎｅａ Ｓｙｎｄｒｏｍｅ）の発作時に低酸素状態をトリガとして生じることがある急激な血圧変動を指す。従って、血圧サージ回数をモニタリングすることは、ユーザのＳＡＳの症状の軽重を把握するのに役立つ。

なお、ｉは、１以上の整数である。図４の例では、ＢＰ_ｄ（１）＝対象日における日中の血圧の最小値、ＢＰ_ｄ（２）＝対象日における日中の血圧の最大値、ＢＰ_ｄ（３）＝対象日における日中の血圧サージ回数、ＢＰ_ｄ（４）＝対象日における夜間の血圧の最小値、ＢＰ_ｄ（５）＝対象日における夜間の血圧の最大値、ＢＰ_ｄ（６）＝対象日における夜間の血圧サージ回数のように定めることができる。

人間の１日の心拍は約１０万回であるから、１拍毎の収縮期血圧データおよび拡張期血圧データを全て収集するだけでもデータ件数は約２０万に達する。他方、図４の例では、１日の血圧の挙動を６個の特徴量で表現することができる。このようにセンサデータを特徴量化すれば、センサデータをそのまま送信する場合に比べて送信データ量をはるかに抑制することができる。

第１の活動特徴量は、図４においてＡＣＴ_ｄ（ｉ）として表される。図４では、第１の活動特徴量として、対象日における活動量、活動時間および活動パタン、ならびに、対象日における睡眠時間および睡眠パタンが示されている。なお、第１の活動特徴量は、公知の技法を用いて、第１の時間単位における加速度データ（および／または角速度データ）に基づいてユーザの活動を推定することで算出可能である。

第１の環境特徴量は、図４においてＥＮＶ_ｄ（ｉ）として表される。図４では、第１の環境特徴量として、対象日における各環境因子の最小値、最大値および変化量が示されている。環境因子とは、環境センサ１２２の測定対象を指しており、例えば、温度、湿度、気圧などである。

第２の生体特徴量は、図４においてＢＰ_ｗ（ｉ）として表される。図４では、第２の生体特徴量として、対象週において血圧の最小値および最大値がそれぞれ測定された曜日、対象週における曜日別の血圧サージ回数、ならびに、対象週における曜日別の血圧変動が示されている。

第２の活動特徴量は、図４においてＡＣＴ_ｗ（ｉ）として表される。図４では、第２の活動特徴量として、対象週において活動量、活動時間および睡眠時間の最小値および最大値がそれぞれ測定された曜日、ならびに、対象週における活動量、活動時間および睡眠時間の曜日別のばらつきが示されている。

図４の例では、第２の環境特徴量、すなわち、対象週の環境データに基づく特徴量は定義されていない。しかしながら、第２の環境特徴量が定義され、特徴量ベクトルの要素に加えられてもよい。また、図４に例示されている特徴量の一部が特徴量ベクトルの要素から除外されてもよい。

第３の生体特徴量は、図４においてＢＰ_ｙ（ｉ）として表される。図４では、第３の生体特徴量として、対象年において血圧の最小値および最大値がそれぞれ測定された月、対象年における月別の血圧サージ回数、ならびに、対象年における月別または季節別の血圧変動が示されている。

第３の活動特徴量は、図４においてＡＣＴ_ｙ（ｉ）として表される。図４では、第３の活動特徴量として、対象年において活動量、活動時間および睡眠時間の最小値および最大値がそれぞれ測定された月、ならびに、対象年における活動量、活動時間および睡眠時間の月別のばらつきが示されている。

第３の環境特徴量は、図４においてＥＮＶ_ｙ（ｉ）として表される。図４では、第３の環境特徴量として、対象年における各環境因子の月別の最小値、最大値および平均変化量、ならびに、対象年における各環境因子の月別のばらつきが示されている。

特徴量記憶部１３２は、特徴量算出部１３１によって生成された特徴量ベクトルを格納する。特徴量記憶部１３２に格納された特徴量ベクトル（の要素）は、特徴量符号化部１４１および表示制御部１６０によって必要に応じて読み出される。

特徴量符号化部１４１は、特徴量記憶部１３２から特徴量ベクトルを読み出し、符号化パラメータ記憶部１４２から符号化パラメータを読み出す。特徴量符号化部１４１は、特徴量ベクトルの各要素を符号化パラメータを用いて符号化することによって状態データを生成する。特徴量符号化部１４１は、状態データを状態データ記憶部１４３に格納する。

符号化パラメータは、特徴量ベクトルの各要素を２値または多値のインデックスに変換（離散化）するための１つまたは複数の閾値を含むことができる。例えば、ＢＰ_ｄ（ｉ）＝対象日における夜間の血圧の最大値である場合に、特徴量符号化部１４１は、ＢＰ_ｄ（ｉ）が１３０以上であれば「１」（高）へと変換し、ＢＰ_ｄ（ｉ）が１３０よりも低ければ「０」（低）へと変換してもよい。係る符号化によれば、ＢＰ_ｄ（ｉ）を２値化することができる。特徴量ベクトルの各要素をこのように符号化（セグメンテーション）することで、例えば図５に示される状態データを生成することができる。特徴量ベクトルの各要素は離散化されるので、状態データのデータサイズは特徴量ベクトルに比べて小さくなる。なお、特徴量ベクトルの要素の一部が符号化されなくてもよい（生データであってもよい）。

閾値は、特徴量毎に設定可能である。各閾値は、例えば医療系のガイドラインに定められた値に基づいて決定されてもよいし、集団の特徴量の統計的分布などから決定されてもよい。すなわち、特徴量符号化部１４１は、ガイドラインに定められた値に基づいてセグメンテーションを行ってもよいし、現行のデータの分布の相関関係からセグメンテーションを行ってもよいし、または現存するデータと降圧等の効果の有無の発生確率からセグメンテーションを行ってもよい。閾値は、外部機器からネットワークＮＷおよび通信部１５０経由で符号化パラメータ記憶部１４２に設定されてもよい。

符号化パラメータ記憶部１４２は、例えば前述の閾値を含む符号化パラメータを格納する。符号化パラメータ記憶部１４２に格納された符号化パラメータは、特徴量符号化部１４１によって必要に応じて読み出される。また、符号化パラメータは、通信部１５０によって受信された符号化パラメータを用いて更新されてもよい。なお、符号化パラメータを更新する仕組みは必須ではない。すなわち、符号化パラメータは、ユーザ端末１００の製造時に設定され、符号化パラメータ記憶部１４２において静的に保持されてもよい。

状態データ記憶部１４３は、特徴量符号化部１４１によって生成された状態データを格納する。状態データ記憶部１４３に格納された状態データは、通信部１５０および表示制御部１６０によって必要に応じて読み出される。

通信部１５０は、ネットワークＮＷを介して外部機器とデータをやり取りする。通信部１５０は、無線通信および有線通信の一方または両方を行ってもよい。一例として、通信部１５０は、例えばスマートデバイス２００との間でＢｌｕｅｔｏｏｔｈ（登録商標）などの近距離無線通信を行ってもよい。

通信部１５０は、状態データ記憶部１４３から状態データを読み出し、当該状態データを外部機器へと送信する。また、通信部１５０は、外部機器から符号化パラメータを受信し、当該符号化パラメータによって符号化パラメータ記憶部１４２に格納されている符号化パラメータを書き換えてもよい。通信部１５０は、外部機器から後述される要因分析結果および改善提案を受信し、当該要因分析結果および改善提案を表示制御部１６０に送ってもよい。

なお、以降の説明において、要因分析結果および改善提案は必ずしも両方とも提供される必要はなく、一方のみが提供されてもよいし、両方とも提供されなくてもよい。

表示制御部１６０は、表示部１７０を制御する。具体的には、表示制御部１６０は、画面データを生成し、表示部１７０に送る。表示制御部１６０は、例えば、生体センサ１１０からの生体データ、加速度センサ１２１からの加速度データ（および／またはジャイロセンサからの角速度データ）、環境センサ１２２からの環境データ、時計部１２３からの時刻情報および日付情報、特徴量記憶部１３２からの特徴量、状態データ記憶部１４３からの状態データ、通信部１５０からの要因分析結果および改善提案などに基づいて画面データを生成できる。表示制御部１６０は、表示部１７０の表示画面を制御する操作に相当するユーザ入力に従って画面データを生成するために利用する情報を選択してもよい。

表示制御部１６０は、状態データに基づいて画面データを生成する場合に、例えば状態データに対応するユーザ状態をランク化し、ランクの高低が視覚的に認識できるような画面データを生成してもよい。

ユーザ状態は、状態データと一対一対応となるように定義されてもよいがこれに限られない。例えば、複数の異なる状態データが同一のユーザ状態に対応付けられるように定義されてもよい。この場合に、ユーザ状態は、例えば状態データの一部（例えば血圧に関する要素）によって決定されてもよい。例えば、生体特徴量は同一であるが活動特徴量および環境特徴量の異なる特徴量ベクトルを符号化した状態データが、同一のユーザ状態に対応付けられてもよい。この場合に、ユーザ状態は、ユーザの健康状態と読み替えることができる。状態データのうちユーザ状態の決定に関与しない要素は、例えばサーバ３００において、異なるユーザ状態間の状態遷移のモデル化、ユーザ状態の変化の要因分析、ユーザ状態をより良くするための改善提案の作成などに利用されてもよい。

表示部１７０は、例えば、液晶ディスプレイ、有機ＥＬ（ｅｌｅｃｔｒｏｌｕｍｉｎｅｓｃｅｎｃｅ）ディスプレイなどである。表示部１７０は、表示制御部１６０からの画面データを表示することで、ユーザに様々な情報を知らせることができる。具体的には、表示部１７０は、生体情報（例えば、血圧、心電図、心拍数、脈波、脈拍数、体温など）、加速度データ、角速度データ、活動量情報（例えば、加速度データおよび／または角速度データに基づいて計数された歩数、消費カロリーなど）、睡眠情報（例えば、睡眠時間など）、環境情報（例えば、気温、湿度、気圧など）、特徴量ベクトル（の要素）、状態データ、要因分析結果、改善提案、現在時刻、カレンダーなどを表示してもよい。

ユーザ端末１００は、図６に例示されるように動作する。図６の動作は周期的に実施され、その周期は例えば前述の第１の時間単位に一致してもよい。
まず、特徴量算出部１３１は、生体センサ１１０、加速度センサ１２１（および／またはジャイロセンサ）、および環境センサ１２２によって生成された各センサデータに基づいて特徴量を算出し、特徴量ベクトルを得る（ステップＳ４０１）。

特徴量符号化部１４１は、ステップＳ４０１において得られた特徴量ベクトルを符号化パラメータを用いて符号化し、状態データを生成する（ステップＳ４０２）。通信部１５０は、ステップＳ４０２において生成された状態データをネットワークＮＷ経由で外部機器へ送信する（ステップＳ４０３）。

ステップＳ４０３において送信された状態データは、直接的にまたは間接的に（例えばスマートデバイス２００を経由して）、サーバ３００によって受信される。サーバ３００は、ユーザ状態が変化した要因を分析したり、ユーザ状態がより良好と定義されるユーザ状態になるための改善提案を作成したりする。通信部１５０は要因分析結果および改善提案を受信し、表示部１７０はこれらを表示する（ステップＳ４０４）。

以上説明したように、第１の実施形態に係るユーザ端末は、所定の時間単位におけるセンサデータに基づいて特徴量を算出し、これらの特徴量を符号化することで状態データを生成し、当該状態データを外部機器へ送信する。従って、このユーザ端末によれば、全てのセンサデータをスマートデバイスまたはサーバなどの外部機器へ送信する場合に比べて、送信データ量をはるかに抑制することができる。すなわち、センサデータの送信に関わる消費電力および通信路の負荷を小さくすることができる。さらに、センサデータに代えて状態データを蓄積することで、記憶装置（状態データ記憶部）の容量も抑制することができる。また、このユーザ端末は、状態データに対応するユーザ状態を表示したり、送信済みの状態データに基づいて提供される要因分析結果および改善提案を表示したりする。故に、このユーザ端末によれば、ユーザに行動変容を促すことができる。

（第２の実施形態）
前述のように、第１の実施形態に係るユーザ端末から状態データを送信されたサーバは、ユーザ状態が変化した要因を分析したり、ユーザ状態がより良好と定義されるユーザ状態になるための改善提案を作成したりすることができる。第２の実施形態は係るサーバに関する。

図７に例示されるように、第２の実施形態に係るサーバ３００は、通信部３０１と、状態データ記憶部３０２と、状態遷移モデル化部３０３と、状態遷移モデル記憶部３０４と、要因分析部３０５と、改善提案作成部３０６とを含む。

通信部３０１は、ユーザ端末１００からネットワークＮＷ経由で状態データを受信する。状態データには、当該状態データの送信元であるユーザ端末１００（のユーザ）の識別子が付加されていてもよい。サーバ３００は、係る識別子を用いて、ユーザ別に状態データを管理することができる。通信部３０１は、受信した状態データを（識別子に対応付けて）状態データ記憶部３０２に格納する。

通信部３０１は、要因分析部３０５から要因分析結果を受け取り、改善提案作成部３０６から改善提案を受け取る。通信部３０１は、要因分析結果および改善提案をネットワーク経由でユーザ端末１００またはスマートデバイス２００へ送信する。

状態データ記憶部３０２は、状態データを格納する。状態データ記憶部３０２には、例えばユーザ別の状態データを管理するデータベースが構築される。状態データ記憶部３０２に蓄積された状態データは、ユーザ状態の経時変化を分析するために用いることができる。状態データ記憶部３０２に格納された状態データは、状態遷移モデル化部３０３、要因分析部３０５および改善提案作成部３０６によって必要に応じて読み出される。

状態遷移モデル化部３０３は、状態データ記憶部３０２から状態データを読み出す。状態遷移モデル化部３０３は、状態データに基づいて、複数の異なるユーザ状態の間での状態遷移をモデル化する。状態遷移モデル化部３０３は、生成した状態遷移モデルを状態遷移モデル記憶部３０４に格納する。

状態遷移モデルは、例えば、各ユーザ状態から他のユーザ状態に遷移する状態遷移確率（条件付き確率）を含むことができる。状態遷移確率は、例えば、要因ｆ_ｔが生じた場合にユーザ状態ｓ_ｔからユーザ状態ｓ_ｔ＋１に遷移する確率Ｐ_Ｔ（ｓ_ｔ＋１｜ｓ_ｔ，ｆ_ｔ）であり得る。要因は、内的要因（例えばユーザが取る行動）および外的要因（例えばユーザが置かれる環境）などを含み得る。また、ユーザの年齢層、性別などの静的なパラメータを条件に加えてもよい。

状態遷移モデルは、状態遷移モデル化部３０３によって動的に変更されてもよいが、静的であってもよい。静的な状態遷移モデルを使用する場合には、状態遷移モデル化部３０３はサーバ３００から取り除かれてもよい。

状態遷移モデル記憶部３０４は、状態遷移モデルを格納する。状態遷移モデル記憶部３０４に格納された状態遷移モデルは、要因分析部３０５および改善提案作成部３０６によって必要に応じて読み出される。

要因分析部３０５は、状態データ記憶部３０２から対象となるユーザの現在の状態データおよび過去の状態データとを読み出し、状態遷移モデル記憶部３０４から状態遷移モデルを読み出す。現在の状態データは、状態データ記憶部３０２に格納された日時が最も新しい（例えば本日の）状態データであってよく、過去の状態データは、状態データ記憶部３０２に格納された日時が２番目に新しい（例えば昨日の）状態データであってよい。

要因分析部３０５は、状態遷移モデルを用いて、過去の状態データに対応する過去のユーザ状態ｓ_ｔ−１から現在の状態データに対応する現在のユーザ状態ｓ_ｔに遷移した要因を分析する。要因分析部３０５は、例えば、過去のユーザ状態ｓ_ｔ−１から現在のユーザ状態ｓ_ｔへの状態遷移確率Ｐ_Ｔ（ｓ_ｔ｜ｓ_ｔ−１，ｆ_ｔ−１）を最大化する要因ｆ_ｔ−１（例えば、最高気温が低かったこと）を状態遷移の主要因と推定してもよい。要因分析部３０５は、要因分析結果（例えば状態遷移の主要因）を通信部３０１に送る。なお、要因分析結果の提供を行わない場合には要因分析部３０５はサーバ３００から取り除かれてよい。

改善提案作成部３０６は、状態データ記憶部３０２から対象となるユーザの現在の状態データを読み出し、状態遷移モデル記憶部３０４から状態遷移モデルを読み出す。現在の状態データは、状態データ記憶部３０２に格納された日時が最も新しい（例えば本日の）状態データであってよい。

改善提案作成部３０６は、状態遷移モデルを用いて、現在の状態データに対応する現在のユーザ状態ｓ_ｔからより良好と定義されるユーザ状態ｓ_ｂに遷移するための改善提案を作成する。より良好と定義されるユーザ状態ｓ_ｂは、例えば、最も高いランクと定義されるユーザ状態であってもよいし、現在のユーザ状態ｓ_ｔよりも高いランクと定義される任意のユーザ状態であってもよい。改善提案作成部３０６は、現在のユーザ状態ｓ_ｔからより良好と定義される現在のユーザ状態ｓ_ｂへの状態遷移確率Ｐ_Ｔ（ｓ_ｂ｜ｓ_ｔ，ｆ_ｔ）を最大化する要因ｆ_ｔ（例えば、活動量を増やすこと）を示す情報を改善提案として作成してもよい。改善提案作成部３０６は、改善提案を通信部３０１に送る。なお、改善提案の提供を行わない場合には改善提案作成部３０６はサーバ３００から取り除かれてよい。

・改善提案作成部３０６は、例えばエキスパートシステムにおいて用いられるようなＩＦ−ＴＨＥＮルールで記述されたテーブルから改善提案をルックアップしてもよい。
・改善提案作成部３０６は、ユーザ状態に紐付けられた例えばＷａｔｓｏｎのような（高度な）事例ベースを用いて、改善提案を都度ルックアップしてもよい。
・改善提案作成部３０６は、上記の２つの例の一方または両方の運用を通じて収集された介入（改善提案の提供）とユーザの反応との実績に基づいて、改善提案の候補毎の成功確率を評価してもよい。さらに、この成功確率を指標として、ユーザに提供する改善提案を絞り込んでもよい。

サーバ３００は、図８に例示されるように動作する。
まず、通信部３０１は、いずれかのユーザ端末１００によって生成された状態データをネットワークＮＷ経由で受信する（ステップＳ５０１）。この状態データは、例えば前述の識別子に対応付けて状態データ記憶部３０２に格納される。

状態遷移モデル化部３０３は、ステップＳ５０１において受信された状態データを用いて状態遷移モデルを更新してもよい（ステップＳ５０２）。例えば、状態遷移モデル化部３０３は、この状態データに対応するユーザ状態への状態遷移確率を調整してもよい。

なお、ステップＳ５０２は、オプションであって、例えば状態遷移モデルが静的である場合には省略可能である。また、ステップＳ５０２は、後述されるステップＳ５０３およびステップＳ５０４よりも後に行われてもよい。

要因分析部３０５は、過去の状態データに対応する過去のユーザ状態からステップＳ５０１において受信された状態データに対応する現在のユーザ状態に遷移した要因を状態遷移モデルを用いて分析する（ステップＳ５０３）。

他方、改善提案作成部３０６は、ステップＳ５０１において受信された状態データに対応する現在のユーザ状態からより良好と定義されるユーザ状態に遷移するための改善提案を状態遷移モデルを用いて作成する（ステップＳ５０４）。

なお、ステップＳ５０３およびステップＳ５０４は、図８とは逆の順序で実行されてもよいし、並列的に実行されてもよい。また、要因分析結果の提供を行わない場合にはステップＳ５０３は省略可能であるし、改善提案の提供を行わない場合にはステップＳ５０４は省略可能である。

通信部３０１は、ステップＳ５０３において得られた要因分析結果とステップＳ５０４において作成された改善提案とをネットワークＮＷ経由でユーザ端末１００またはスマートデバイス２００へと送信する（ステップＳ５０５）。

以上説明したように、第２の実施形態に係るサーバは、受信した状態データを対象に、状態遷移モデルを用いた要因分析および改善提案の作成を行い、要因分析結果および改善提案をユーザ端末またはスマートデバイスへ送信する。故に、このサーバによれば、ユーザに行動変容を促すことができる。なお、このサーバが受信する状態データは、前述の第１の実施形態において説明された状態データと同一であってよい。故に、センサデータの受信に関わる消費電力および通信路の負荷を小さくすることができる。さらに、センサデータに代えて状態データを蓄積することで、記憶装置（状態データ記憶部）の容量も抑制することができる。

上述の実施形態は、本発明の概念の理解を助けるための具体例を示しているに過ぎず、本発明の範囲を限定することを意図されていない。実施形態は、本発明の要旨を逸脱しない範囲で、様々な構成要素の付加、削除または転換をすることができる。

上記各実施形態において説明された種々の機能部は、回路を用いることで実現されてもよい。回路は、特定の機能を実現する専用回路であってもよいし、メモリに接続され、当該メモリに格納された所定のプログラムを実行するプロセッサのような汎用回路であってもよい。

上記各実施形態の処理の少なくとも一部は、汎用のコンピュータを基本ハードウェアとして用いることでも実現可能である。上記処理を実現するプログラムは、コンピュータで読み取り可能な記録媒体に格納して提供されてもよい。プログラムは、インストール可能な形式のファイルまたは実行可能な形式のファイルとして記録媒体に記憶される。記録媒体としては、磁気ディスク、光ディスク（ＣＤ−ＲＯＭ、ＣＤ−Ｒ、ＤＶＤ等）、光磁気ディスク（ＭＯ等）、半導体メモリなどである。記録媒体は、プログラムを記憶でき、かつ、コンピュータが読み取り可能であれば、何れであってもよい。また、上記処理を実現するプログラムを、インターネットなどのネットワークに接続されたコンピュータ（サーバ）上に格納し、ネットワーク経由でコンピュータ（クライアント）にダウンロードさせてもよい。

上記各実施形態の一部または全部は、特許請求の範囲のほか以下の付記に示すように記載することも可能であるが、これに限られない。
（付記１）
メモリと、
前記メモリに接続されたプロセッサと
を具備し、
前記プロセッサは、
（ａ）生体センサによって生成される生体データと、加速度センサによって生成される加速度データと、ジャイロセンサによって生成される角速度データと、環境センサによって生成される環境データとのうち少なくとも１つに基づいて複数の特徴量を算出し、当該複数の特徴量を要素として含む特徴量ベクトルを得て、
（ｂ）前記特徴量ベクトルの要素の少なくとも一部を符号化し、第１の状態データを生成し、
（ｃ）前記第１の状態データを送信する
ように構成され、
前記特徴量ベクトルは、第１の特徴量を要素として含み、
前記第１の特徴量は、第１の時間単位における生体データに基づく第１の生体特徴量と、前記第１の時間単位における加速度データおよび角速度データの少なくとも一方に基づく第１の活動特徴量と、前記第１の時間単位における環境データに基づく第１の環境特徴量とのうち少なくとも１つを含む、
ユーザ端末。

（付記２）
メモリと、
補助記憶装置と、
前記メモリおよび前記補助記憶装置に接続されたプロセッサと
を具備し、
前記プロセッサは、（ａ）第１の状態データを受信するように構成され、
前記補助記憶装置は、（ｂ）前記第１の状態データを含む受信済みの状態データと、（ｃ）複数の異なるユーザ状態の間での状態遷移をモデル化した状態遷移モデルとを格納し、
前記プロセッサは、（ｄ）前記第１の状態データよりも過去に受信した第２の状態データに対応する過去のユーザ状態から前記第１の状態データに対応する現在のユーザ状態に遷移した要因を前記状態遷移モデルを用いて分析し、要因分析結果を得るようにさらに構成され、
前記第１の状態データは、生体センサによって生成される生体データと、加速度センサによって生成される加速度データと、ジャイロセンサによって生成される角速度データと、環境センサによって生成される環境データとのうち少なくとも１つに基づく複数の特徴量を要素として含む特徴量ベクトルの要素の少なくとも一部を符号化することによって得られ、
前記特徴量ベクトルは、第１の特徴量を要素として含み、
前記第１の特徴量は、第１の時間単位における生体データに基づく第１の生体特徴量と、前記第１の時間単位における加速度データおよび角速度データの少なくとも一方に基づく第１の活動特徴量と、前記第１の時間単位における環境データに基づく第１の環境特徴量とのうち少なくとも１つを含む、
サーバ。

（付記３）
メモリと、
補助記憶装置と、
前記メモリおよび前記補助記憶装置に接続されたプロセッサと
を具備し、
前記プロセッサは、（ａ）第１の状態データを受信するように構成され、
前記補助記憶装置は、（ｂ）前記第１の状態データを含む受信済みの状態データと、（ｃ）複数の異なるユーザ状態の間での状態遷移をモデル化した状態遷移モデルとを格納し、
前記プロセッサは、（ｄ）前記第１の状態データに対応する現在のユーザ状態からより良好と定義されるユーザ状態に遷移するための改善提案を作成するようにさらに構成され、
前記第１の状態データは、生体センサによって生成される生体データと、加速度センサによって生成される加速度データと、ジャイロセンサによって生成される角速度データと、環境センサによって生成される環境データとのうち少なくとも１つに基づく複数の特徴量を要素として含む特徴量ベクトルの要素の少なくとも一部を符号化することによって得られ、
前記特徴量ベクトルは、第１の特徴量を要素として含み、
前記第１の特徴量は、第１の時間単位における生体データに基づく第１の生体特徴量と、前記第１の時間単位における加速度データおよび角速度データの少なくとも一方に基づく第１の活動特徴量と、前記第１の時間単位における環境データに基づく第１の環境特徴量とのうち少なくとも１つを含む、
サーバ。

（付記（４））
プロセッサが、状態データを受信することと、
プロセッサが、前記状態データに対応する現在のユーザ状態からより良好と定義されるユーザ状態に遷移するための改善提案を、複数の異なるユーザ状態の間での状態遷移をモデル化した状態遷移モデルを用いて作成することと
を具備し、
前記状態データは、生体センサによって生成される生体データと、加速度センサによって生成される加速度データと、ジャイロセンサによって生成される角速度データと、環境センサによって生成される環境データとのうち少なくとも１つに基づく複数の特徴量を要素として含む特徴量ベクトルの要素の少なくとも一部を符号化することによって得られ、
前記特徴量ベクトルは、第１の特徴量を要素として含み、
前記第１の特徴量は、第１の時間単位における生体データに基づく第１の生体特徴量と、前記第１の時間単位における加速度データおよび角速度データの少なくとも一方に基づく第１の活動特徴量と、前記第１の時間単位における環境データに基づく第１の環境特徴量とのうち少なくとも１つを含む、
改善提案作成方法。

（付記（５））
プロセッサが、生体センサによって生成される生体データと、加速度センサによって生成される加速度データと、ジャイロセンサによって生成される角速度データと、環境センサによって生成される環境データとのうち少なくとも１つに基づいて複数の特徴量を算出し、当該複数の特徴量を要素として含む特徴量ベクトルを得ることと、
プロセッサが、前記特徴量ベクトルの要素の少なくとも一部を符号化し、状態データを生成することと
を具備し、
前記特徴量ベクトルは、第１の特徴量を要素として含み、
前記第１の特徴量は、第１の時間単位における生体データに基づく第１の生体特徴量と、前記第１の時間単位における加速度データおよび角速度データの少なくとも一方に基づく第１の活動特徴量と、前記第１の時間単位における環境データに基づく第１の環境特徴量とのうち少なくとも１つを含む、
状態データ生成方法。

１００・・・ユーザ端末
１１０・・・生体センサ
１１１・・・血圧センサ
１２１・・・加速度センサ
１２２・・・環境センサ
１２３・・・時計部
１２４・・・ユーザ入力部
１３１・・・特徴量算出部
１３２・・・特徴量記憶部
１４１・・・特徴量符号化部
１４２・・・符号化パラメータ記憶部
１４３，３０２・・・状態データ記憶部
１５０，３０１・・・通信部
１６０・・・表示制御部
１７０・・・表示部
３０３・・・状態遷移モデル化部
３０４・・・状態遷移モデル記憶部
３０５・・・要因分析部
３０６・・・改善提案作成部

Claims (9)

1. 生体センサによって生成される生体データと、加速度センサによって生成される加速度データと、ジャイロセンサによって生成される角速度データと、環境センサによって生成される環境データとのうち少なくとも１つに基づいて複数の特徴量を算出し、当該複数の特徴量を要素として含む特徴量ベクトルを得る特徴量算出部と、
   前記特徴量ベクトルの要素の少なくとも一部を符号化し、第１の状態データを生成する特徴量符号化部と、
   前記第１の状態データを送信する通信部と
   を具備し、
   前記特徴量ベクトルは、第１の特徴量を要素として含み、
   前記第１の特徴量は、第１の時間単位における生体データに基づく第１の生体特徴量と、前記第１の時間単位における加速度データおよび角速度データの少なくとも一方に基づく第１の活動特徴量と、前記第１の時間単位における環境データに基づく第１の環境特徴量とのうち少なくとも１つを含む、
   ユーザ端末。
2. 前記特徴量ベクトルは、第２の特徴量を要素としてさらに含み、
   前記第２の特徴量は、前記第１の時間単位よりも長い第２の時間単位における生体データに基づく第２の生体特徴量と、前記第２の時間単位における加速度データおよび加速度データの少なくとも一方に基づく第２の活動特徴量と、前記第２の時間単位における環境データに基づく第２の環境特徴量とのうち少なくとも１つを含む、
   請求項１に記載のユーザ端末。
3. 前記第１の時間単位は１日であり、
   前記第１の生体特徴量は、対象日の日中および夜間それぞれの血圧の最小値、最大値およびサージ回数の少なくとも１つを含む、請求項１または請求項２に記載のユーザ端末。
4. 前記通信部は、前記第１の状態データよりも過去に送信した第２の状態データに対応する過去のユーザ状態から前記第１の状態データに対応する現在のユーザ状態に遷移した要因の分析結果と、前記現在のユーザ状態からより良好と定義されるユーザ状態に遷移するための改善提案との少なくとも一方を受信する、請求項１乃至請求項３のいずれか１項に記載のユーザ端末。
5. 第１の状態データを受信する通信部と、
   前記第１の状態データを含む受信済みの状態データを格納する状態データ記憶部と、
   複数の異なるユーザ状態の間での状態遷移をモデル化した状態遷移モデルを格納する状態遷移モデル記憶部と、
   前記第１の状態データよりも過去に受信した第２の状態データに対応する過去のユーザ状態から前記第１の状態データに対応する現在のユーザ状態に遷移した要因を前記状態遷移モデルを用いて分析し、要因分析結果を得る要因分析部と
   を具備し、
   前記第１の状態データは、生体センサによって生成される生体データと、加速度センサによって生成される加速度データと、ジャイロセンサによって生成される角速度データと、環境センサによって生成される環境データとのうち少なくとも１つに基づく複数の特徴量を要素として含む特徴量ベクトルの要素の少なくとも一部を符号化することによって得られ、
   前記特徴量ベクトルは、第１の特徴量を要素として含み、
   前記第１の特徴量は、第１の時間単位における生体データに基づく第１の生体特徴量と、前記第１の時間単位における加速度データおよび角速度データの少なくとも一方に基づく第１の活動特徴量と、前記第１の時間単位における環境データに基づく第１の環境特徴量とのうち少なくとも１つを含む、
   サーバ。
6. 第１の状態データを受信する通信部と、
   前記第１の状態データを含む受信済みの状態データを格納する状態データ記憶部と、
   複数の異なるユーザ状態の間での状態遷移をモデル化した状態遷移モデルを格納する状態遷移モデル記憶部と、
   前記第１の状態データに対応する現在のユーザ状態からより良好と定義されるユーザ状態に遷移するための改善提案を前記状態遷移モデルを用いて作成する改善提案作成部と
   を具備し、
   前記第１の状態データは、生体センサによって生成される生体データと、加速度センサによって生成される加速度データと、ジャイロセンサによって生成される角速度データと、環境センサによって生成される環境データとのうち少なくとも１つに基づく複数の特徴量を要素として含む特徴量ベクトルの要素の少なくとも一部を符号化することによって得られ、
   前記特徴量ベクトルは、第１の特徴量を要素として含み、
   前記第１の特徴量は、第１の時間単位における生体データに基づく第１の生体特徴量と、前記第１の時間単位における加速度データおよび角速度データの少なくとも一方に基づく第１の活動特徴量と、前記第１の時間単位における環境データに基づく第１の環境特徴量とのうち少なくとも１つを含む、
   サーバ。
7. 前記状態データ記憶部に格納された状態データに基づいて前記状態遷移モデルを生成する状態遷移モデル化部をさらに具備する、請求項５または請求項６に記載のサーバ。
8. 通信部と、記憶部と、改善提案作成部とを備える改善提案作成装置の作動方法であって、
   前記通信部が状態データを受信することと、
   前記記憶部が複数の異なるユーザ状態の間での状態遷移をモデル化した状態遷移モデルを格納することと、
   前記改善提案作成部が前記状態データに対応する現在のユーザ状態からより良好と定義されるユーザ状態に遷移するための改善提案を前記状態遷移モデルを用いて作成することと
   を具備し、
   前記状態データは、生体センサによって生成される生体データと、加速度センサによって生成される加速度データと、ジャイロセンサによって生成される角速度データと、環境センサによって生成される環境データとのうち少なくとも１つに基づく複数の特徴量を要素として含む特徴量ベクトルの要素の少なくとも一部を符号化することによって得られ、
   前記特徴量ベクトルは、第１の特徴量を要素として含み、
   前記第１の特徴量は、第１の時間単位における生体データに基づく第１の生体特徴量と、前記第１の時間単位における加速度データおよび角速度データの少なくとも一方に基づく第１の活動特徴量と、前記第１の時間単位における環境データに基づく第１の環境特徴量とのうち少なくとも１つを含む、
   改善提案作成装置の作動方法。
9. 生体センサによって生成される生体データと、加速度センサによって生成される加速度データと、ジャイロセンサによって生成される角速度データと、環境センサによって生成される環境データとのうち少なくとも１つに基づいて複数の特徴量を算出し、当該複数の特徴量を要素として含む特徴量ベクトルを得ることと、
   前記特徴量ベクトルの要素の少なくとも一部を符号化し、状態データを生成することと、
   前記状態データをユーザ端末から外部装置へ送信することと
   を具備し、
   前記特徴量ベクトルは、第１の特徴量を要素として含み、
   前記第１の特徴量は、第１の時間単位における生体データに基づく第１の生体特徴量と、前記第１の時間単位における加速度データおよび角速度データの少なくとも一方に基づく第１の活動特徴量と、前記第１の時間単位における環境データに基づく第１の環境特徴量とのうち少なくとも１つを含む、
   状態データ生成方法。

Images