生活見守りシステム
【課題】入居者に装着されたセンサを用いて生体情報を収集し、生活のリズムの異常を判定して通知する生活見守りシステムを提供する。
【解決手段】体動センサを具備した生体装着型デバイス、該デバイスの検出信号に基づく生活状態判定部、該生活状態の時系列検出信号から生活リズムの特徴量を算出する生活リズム判定部，特徴量の異常判定に用いる知識データベース，生活リズムの異常を判定するアラート判定部，アラート情報の出力部等で構成された生活見守りシステムであって，該知識データベースに基準起床時刻と該基準起床時刻との差に応じた行動パターンの特徴量の基準値を格納し，該生活リズム判定部が起床時刻と該起床時刻後の行動パターンの特徴量を算出し，該アラート判定部が該基準起床時刻と該起床時刻との差に応じて基準値を変え，起床後の行動パターンの異常を判定することを特徴とする。
【解決手段】体動センサを具備した生体装着型デバイス、該デバイスの検出信号に基づく生活状態判定部、該生活状態の時系列検出信号から生活リズムの特徴量を算出する生活リズム判定部，特徴量の異常判定に用いる知識データベース，生活リズムの異常を判定するアラート判定部，アラート情報の出力部等で構成された生活見守りシステムであって，該知識データベースに基準起床時刻と該基準起床時刻との差に応じた行動パターンの特徴量の基準値を格納し，該生活リズム判定部が起床時刻と該起床時刻後の行動パターンの特徴量を算出し，該アラート判定部が該基準起床時刻と該起床時刻との差に応じて基準値を変え，起床後の行動パターンの異常を判定することを特徴とする。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は，ケアマンション，有料老人ホーム，老人保健施設，などの高齢者施設の入居者の生体情報を収集して体調異常を判定し，入居者の生活を見守るスタッフへ通知するシステムに関する。
【背景技術】
【０００２】
近年，少子高齢化，長寿化，核家族化の進行により，６０歳以上の夫婦もしくは独居者のみで構成される高齢者世帯が急増している。このため，医師や看護師，介護福祉士や生活相談員など，入居者のケアや生活の世話を行う施設スタッフ（以降スタッフとする）が常駐する，ケアマンションや有料老人ホームなどの高齢者施設が増加している。このような高齢者施設では，多数の入居者が施設内で生活している中で，ベッドからの転落等の不慮の事故，風邪や倦怠感等の体調不良，認知症や廃用症候群，鬱症状やストレス，自律神経異常などの初期兆候，など何らかの体調異常があった入居者を，見守りスタッフが即時把握し，迅速な対応が可能な見守り支援が求められている。
【０００３】
このような見守り支援に関して，従来，施設内に設置された各種センサで入居者の情報を検出するシステムがある。
例えば，特開２０００−２１４に記載の「就寝モニタ装置」では，エアマットの内部圧力を検出する圧力センサを用いて就寝中の心拍数等の信号を抽出し，異常の警報通知を行う。
また，例えば，特開２００２−２４５１６８に記載の「健康管理システム」では，携帯型と固定型の健康状態測定手段を用いて，長期離床，長期在床等を判定し，緊急通知する。
また，例えば，特開２００３−１０９１５９に記載の「生活見守りシステム」では，人感センサ等で生活動作情報を受信し，生活パターンを表示する。
また，例えば，特開２００３−２３５８１３に記載の「監視装置」では，生体信号の時系列データに基づいて使用者ごとの生物時計に合致した判定基準を設定し，報知信号を発する。
【０００４】
【特許文献１】特開２０００−２１４
【０００５】
【特許文献２】特開２００２−２４５１６８
【特許文献３】特開２００３−１０９１５９
【特許文献４】特開２００３−２３５８１３
【発明の開示】
【発明が解決しようとする課題】
【０００６】
しかし，従来の技術では，入居者の生活を見守る上で重要な個人毎の生活リズムに応じた体調異常は判らないという問題があった。特に，風邪や倦怠感等，様々な体調異常のときの，起床後の行動パターンの異常は判らないという問題があった。
本発明の目的は，入居者に装着されたセンサを用いて生体情報を収集し，生活リズムの異常状態を判定して通知するシステムを提供すること，である。
【課題を解決するための手段】
【０００７】
上記の課題は，体動量を算出する体動センサを具備し生体に装着される装着型デバイスと、前記装着型デバイスの検出信号に基づいて睡眠状態を含む特定日時の生活状態を判定する生活状態判定部と、該生活状態の時系列と検出信号から生活リズムの特徴量を算出する生活リズム判定部と，特徴量の異常の有無を判定する知識データを格納する知識データベースと，該知識データベースと該特徴量を用いて，生活リズムの異常を判定するアラート判定部と，該アラート判定部の判定結果をアラート情報として出力する出力部と，で構成される生活見守りシステムであって，該知識データベースに，基準起床時刻と，該基準起床時刻との差に応じた行動パターンの特徴量の基準値を知識データとして格納し，該生活リズム判定部が，睡眠状態から他の生活状態へ遷移する時刻である起床時刻と，該起床時刻後の行動パターンの特徴量を算出し，該アラート判定部が，該基準起床時刻と該起床時刻との差に応じて基準値を変え，起床後の行動パターンの異常を判定する，ことを特徴とする生活見守りシステムにより，解決できる。
【発明の効果】
【０００８】
本発明である生活見守りシステムにより，スタッフは，入居者の体調異常を即時把握でき，迅速な対応を行うことが可能となる。
さらに，ユーザはスタッフから見守られているという意識を得られるので，施設内での生活を安心して生活することが可能となる。
【発明を実施するための最良の形態】
【０００９】
図１に，本発明の実施例である生活見守りシステムの構成図を示す。本システムは，データサーバ１００と，スタッフ用端末１２０と，ネットワーク１４０と，装着型デバイス１５０と，無線中継器１７０と，で構成される。
【００１０】
本実施例では，前記スタッフ用端末１２０は，キーボードやマウスなどの入力部とディスプレイなどの出力部と前記データサーバ１００などと通信する通信部とを有する１つまたは複数のパーソナルコンピュータを利用する。また，入力部と出力部と通信部とを有するＰＤＡ，ＰＨＳ，携帯電話，など可搬型端末も利用できる。
【００１１】
本システムでは，前記データサーバ１００を，システム管理スタッフが入退室可能な管理部に設置し，前記スタッフ用端末１２０を，スタッフが入退室可能なスタッフルームに設置する。前記スタッフ用端末１２０は，スタッフが利用する。
【００１２】
また，前記装着型デバイス１５０を，施設の入居者（以下ユーザとする）が身体に装着して利用する。さらに，前記無線中継器１７０を，入居者の居室や，入居者が出入り可能な共用部などに設置する。
【００１３】
前記データサーバ１００を，本システムの運用者であるカスタマーセンターが管理するデータセンターに設置することもできる。これにより，ユーザの個人情報や，ユーザから收集される生体データなどのプライバシー情報を一元管理できるので，情報漏洩防止等のセキュリティ管理を簡易化できる。
【００１４】
また，本システムでは，前記データサーバ１００を前記データセンターへ設置し，前記ネットワーク１４０をインターネットとし，前記無線中継器１７０を戸建住宅（以下居室とする）に設置し，前記装着型デバイス１５０を，居室の居住者（以下ユーザとする）が身体に装着して利用することもできる。これにより，本システムを戸建住宅でも利用可能となる。
【００１５】
前記データサーバ１００は，ＤＳ制御部１０１と，ＤＳメモリ１０２と，生活状態判定部１０５と，生活リズム判定部１０６と，アラート判定部１０７と，ＤＳ通信部１０８と，知識ベース生成部１０９と，ユーザ情報データベース１１１と，データ蓄積データベース１１２と，知識ベース１１３と，アラート履歴データベース１１４と，で構成される。
【００１６】
前記装着型デバイス１５０は，ＷＤ制御部１５１と，ＷＤメモリ１５２と，装着型デバイスを識別する固有ＩＤであるＷＤ＿ＩＤを格納するＷＤ＿ＩＤ記憶部１５３と，ＷＤ演算部１５４と，ＷＤ無線通信部１５５と，生体の心臓の拍動に伴う血管内の血流量の変化を検出する脈波センサ１５６と，生体から発生する熱エネルギー量を検出する温度センサ１５８と，生体の活動を体動として検出する体動センサ１５９と，で構成される。
【００１７】
本実施例では，前記ＷＤ＿ＩＤ記憶部１５３に，「ｗｄ０１」が記憶されている。
前記装着型デバイス１５０は，前記無線中継器１７０と無線通信を行う。
【００１８】
前記装着型デバイス１５０は，リストバンドに組み込まれており，ユーザは手首に装着して利用する。また，腕時計やロッカーキー，ペンダントや指輪，衣類，シューズ，帽子，眼鏡，など身体に装着するものに組み込むこともできる。また，バンソウコウや湿布など，皮膚に直接貼りつけて利用することもできる。
【００１９】
図１４に，前記装着型デバイス１５０が，リストバンドに組み込まれているときの構成図を示す。前記脈波センサ１５６及び前記温度センサ１５８を，ユーザの皮膚に近接もしくは接触するように構成する。これにより，脈波及び体温を検出することが可能となる。また，体動センサ１５９を，手の甲と平行方向の動きを検出するようにリストバンドに組み込む。これにより，ユーザの体動を効率的に検出することが可能となる。
【００２０】
前記体動センサ１５９は，衝撃センサを利用することもできる。これにより，消費電力を低減できる。また，前記体動センサ１５９は，加速度センサを利用することもできる。これにより，体動を高精度に検出できる。
【００２１】
前記ネットワーク１４０は，前記データサーバ１００と，前記スタッフ用端末１２０と，前記無線中継器１７０と，が接続されている。前記データサーバ１００は，前記ネットワーク１４０を介して，前記スタッフ用端末１２０や，前記無線中継器１７０と，通信を行う。
【００２２】
前記ネットワーク１４０は，ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）ケーブルによる有線通信を利用する。また，電力線通信（ＰＬＣ，Ｐｏｗｅｒ Ｌｉｎｅ Ｃｏｍｍｕｎｉｃａｔｉｏｎ）や他の有線通信，または，ＩＥＥＥ８０２．１１ｂ等の無線通信の他，独自の通信方式を利用することもできる。
【００２３】
また，前記ネットワーク１４０は，構内ＰＨＳなど，他の構内ネットワークや，インターネット，ＶＰＮ，携帯電話通信網，ＰＨＳ通信網など，他の広域ネットワークを利用することもできる。
【００２４】
本システムはハードウエア構成として記載されているが，本システムの機能の一部をソフトウエアで構成してもよい。
【００２５】
図２に，前記ユーザ情報データベース１１１の例２００を示す。前記データベース例２００は，ユーザの個人情報を管理するユーザ個人情報テーブル２１０と，で構成される。前記ユーザ個人情報テーブル２１０は，ユーザを識別するユーザＩＤを格納するフィールド２１１と，ユーザがシステム利用時にユーザ認証を実施するときに使用するユーザパスワードを格納するフィールド２１２と，氏名等の個人情報を格納するフィールド２１３と，ユーザが利用する装着型デバイスを識別するＷＤ＿ＩＤを格納するフィールド２１５と，で構成される。例えば，前記テーブル例２１０のユーザ個人情報レコードの例２１０Ａでは，ユーザＩＤ「ｕｓｅｒ０００１」，氏名「Ｆ．Ｋｕｒｉ」のユーザは，ＷＤ＿ＩＤ「ｗｄ０１」で識別される装着型デバイスを利用していることを示している。
【００２６】
図３に，前記データ蓄積データベース１１２の例３００を示す。前記データ蓄積データベース１１２は，ユーザデータ履歴テーブル３１０と，で構成される。前記ユーザデータ履歴テーブル３１０は，前記ユーザＩＤを格納するフィールド３１１と，前記装着型デバイス１５０から送信されるユーザの生体データを含むＳＤデータを格納するフィールド３１２と，ユーザの生体データから算出される生活状態を識別する生活状態ＩＤを格納するフィールド３１３と，前記ＳＤデータを受信した日時を格納するフィールド３１４と，で構成される。
【００２７】
本実施例では，生活状態ＩＤ「Ｓ＿ＳＬ」は生活状態「睡眠中」，生活状態ＩＤ「Ｓ＿ＳＴ」は生活状態「安静中」，生活状態ＩＤ「Ｓ＿ＡＣ」は生活状態「活動中」，を識別するＩＤとして定義される。
【００２８】
図４に，前記知識ベース１１３の例４００を示す。前記知識ベース１１４は，生活状態を判定する知識を格納する生活状態判定知識テーブル４２０と，生活リズムの特徴量から異常の有無を判定する知識を格納する生活リズム異常判定知識テーブル４４０と，で構成される。
【００２９】
前記生活状態判定知識テーブル４２０は，前記ユーザＩＤを格納するフィールド４２１と，生活状態を識別する生活状態ＩＤを格納するフィールド４２２と，生活状態ＩＤで識別される生活状態を判定するための判定条件を格納するフィールド４２３と，備考フィールド４２４と，で構成される。
【００３０】
例えば，生活状態判定知識レコード４２０Ｃの場合，ユーザＩＤ「ｕｓｅｒ０００１」で識別されるユーザに対して，体動Ａｃが５０以上であるとき，生活状態ＩＤ「Ｓ＿ＡＣ」，すなわち生活状態「活動中」が判定されることを示している。
【００３１】
前記生活リズム異常判定知識テーブル４４０は，前記ユーザＩＤを格納するフィールド４４１と，生活リズムの特徴量を識別する特徴量ＩＤを格納するフィールド４４２と，該特徴量の異常を判定する各種パラメータを格納するフィールド４４３から４４５と，備考フィールド４４６と，で構成される。
【００３２】
前記フィールド４４３には平均値を，前記フィールド４４４には特徴量の異常を判定する条件を，それぞれ格納する。
【００３３】
本実施例では，特徴量ＩＤ「ＳＬ＿Ｓ」は特徴量「睡眠開始時刻（入眠時刻）」，特徴量ＩＤ「ＳＬ＿Ｅ」は特徴量「睡眠終了時刻（起床時刻）」，特徴量ＩＤ「ＳＬ＿Ｌ」は特徴量「睡眠時間」，特徴量ＩＤ「ＳＴ＿Ｌ」は特徴量「安静時間」，特徴量ＩＤ「ＡＣ＿Ｌ」は特徴量「活動時間」，特徴量ＩＤ「ＳＬ＿Ｐｓ」は特徴量「睡眠中の平均脈拍数」，特徴量ＩＤ「ＳＴ＿Ｐｓ」は特徴量「安静中の平均脈拍数」，特徴量ＩＤ「ＡＣ＿Ｐｓ」は特徴量「活動中の平均脈拍数」，を識別するＩＤとして定義される。
【００３４】
また，特徴量ＩＤ「ＳＬ＿Ａ１」は，ベッドからの転落などの体調異常の兆候となる，睡眠終了時（起床時）の最初の体動量である特徴量「起床時の体動」，を識別するＩＤとして定義される。
【００３５】
また，特徴量ＩＤ「ＳＬ＿Ａ６０」は，風邪や倦怠感等の体調不良，鬱症状などの体調異常の兆候となる，睡眠終了後（起床後）の行動パターンの特徴量「起床後体動量」，を識別するＩＤとして定義される。
【００３６】
また，特徴量ＩＤ「ＡＣＲ」は，認知症や廃用症候群などの体調異常の兆候となる，日中の活動時間の度合いである特徴量「活動度」を識別するＩＤとして定義される。
【００３７】
また，特徴量ＩＤ「ＰｓＲ」は，自律神経異常などの体調異常の兆候となる，睡眠時の平均脈拍数に対する安静時の平均脈拍数の比率である特徴量「脈拍変動率」，を識別するＩＤとして定義される。
【００３８】
例えば，生活リズム異常判定知識レコード４４０Ｂの場合，ユーザＩＤ「ｕｓｅｒ０００１」で識別されるユーザが特徴量ＩＤ「ＳＬ＿Ｅ」，すなわち特徴量「睡眠終了時刻（起床時刻）」のパラメータ「平均値」が「０６：００（午前６時０分）」，異常を判定するパラメータ「条件」が「０７：００（午前７時０分）より大きい」であることを示している。
【００３９】
また，例えば，生活リズム異常判定知識レコード４４０Ｇの場合，ユーザＩＤ「ｕｓｅｒ０００１」で識別されるユーザが特徴量ＩＤ「ＳＬ＿Ａ６０」，すなわち特徴量「起床後体動量」のパラメータ「平均値」が「６０」，異常を判定するパラメータ「条件」が，基準体動量の推移「…，Ｔ０（基準起床時刻）のときの基準体動量６０，Ｔ１０（基準起床時刻から１０分経過後の基準体動量７０，…，Ｔ６０（基準起床時刻から６０分経過後の基準体動量８０，…」であることを示している。
【００４０】
本実施例では，基準体動量の推移を，基準起床時刻に対する差を１０分単位として差毎の基準体動量で設定しているが，５分単位，１５分単位など，他の間隔で設定することもできる。また，基準体動量の推移を関数として設定することもできる。
【００４１】
図５に，前記実施記録データベース１１４の例５００を示す。前記実施記録データベース１１４は，実施記録履歴テーブル５１０と，で構成される。前記実施記録履歴テーブル５１０は，前記ユーザＩＤを格納するフィールド５１１と，アラートを出力した日時を格納するフィールド５１２と，アラートの種別を格納するフィールド５１３と，アラートに対してスタッフの実施記録を格納するフィールド５１４から５１５と，で構成される。
【００４２】
前記フィールド５１４にはスタッフが対応した日時を，前記フィールド５１５には，スタッフが対応した結果，ユーザの体調異常の有無を示す異常フラグを，それぞれ格納する。
【００４３】
例えば，実施記録履歴レコードの例５１０Ｃの場合，ユーザＩＤ「ｕｓｅｒ０００１」のユーザに対して，２００４年４月３日７時１分に，アラート種別「ＳＬ＿Ｅ」（睡眠終了時（起床時）の体動量が異常）のアラートを出力していることを示している。また，実施記録として，このアラートに対して，スタッフが，２００４年４月３日７時３分に対応し，実際にユーザに体調異常があったことを入力したことを示している。
【００４４】
次に，本システムの動作を，フローチャートを用いて説明する。
【００４５】
図６に，前記装着型デバイス１５０の動作を表わすフローチャートを示す。まず，前記装着型デバイス１５０が動作を開始すると，前記ＷＤ制御部１５１は，終了するか否かを判定するステップ６０１を実行する。前記ステップ６０１で，終了すると判定した場合，本動作を終了する。
【００４６】
前記ステップ６０１で，終了しないと判定した場合，前記ＷＤ制御部１５１は，待機時間Ｔｗの間待機するステップ６０２を実行する。本実施例では，待機時間Ｔｗを「６０秒」としているが，任意の時間でよい。
【００４７】
次に，前記ＷＤ制御部１５１は，前記装着型デバイス１５０をユーザが装着しているか否かを判定するステップ６０３を実行する。例えば，前記脈波センサ１５６の出力値が既定値より小さい場合に装着していると判定し，既定値以上の場合に装着していないと判定する。
【００４８】
前記ステップ６０３で，装着してないと判定した場合，前記ＷＤ制御部１５１は，前記ステップ６０１を実行し，以降の処理を繰り返し実行する。
【００４９】
前記ステップ６０３で，装着していると判定した場合，前記ＷＤ制御部１５１は，前記ＷＤ演算部を起動し，前記脈波センサ１５６から脈拍数Ｐｓを，前記温度センサ１５８から体温ＢＴを，前記体動センサ１５９から体動Ａｃを，生体データとして算出するステップ６０４を実行する。
【００５０】
例えば，脈拍数Ｐｓを算出する場合，前記脈波センサ１５６の出力する脈波からピーク値を算出し，現在時刻から過去６０秒間のピーク値の回数をカウントし，脈拍数Ｐｓとして算出する。
【００５１】
また，例えば，体温ＢＴを算出する場合，前記温度センサ１５８の出力する電圧値をもとに，電圧値を体温に変換する変換式を用いて体温ＢＴを算出する。
【００５２】
また，例えば，体動Ａｃを算出する場合，前記体動センサ１５９の出力する体動の大きさに相当するスカラー値を合算した値を体動Ａｃとして算出する。
【００５３】
また，例えば，体動Ａｃを算出する場合，前記体動センサ１５９の出力する体動の大きさに相当するスカラー値が，既定値以下の値から既定値より大きい値を示す回数と，既定値より大きい値から既定値以下を示す回数を合算した値を体動Ａｃとして算出することもできる。
【００５４】
次に，前記ＷＤ制御部１５１は，前記ＷＤ無線通信部１５５を起動し，前記ステップ６０４で算出した生体データを，前記ＷＤ＿ＩＤとともに，ＷＤデータとして，送信するステップ６０５を実行する。
【００５５】
例えば，生体データが脈拍数Ｐｓ「８０」，体温ＢＴ「３６．２」，体動Ａｃ「７０」の場合，ＷＤデータとして，「ＷＤ＿ＩＤ＝ｗｄ０１，Ｐｓ＝８０，ＢＴ＝３６．２，Ａｃ＝７０」（ＷＤＤＡＴＡ０１とする）を送信することになる。
【００５６】
前記ステップ６０５で送信された前記ＷＤデータは，前記無線中継器１７０が受信する。
【００５７】
図７に，前記ＷＤデータを前記無線中継器１７０が受信する場合の，前記無線中継器１７０の動作を表すフローチャートを示す。
【００５８】
まず，前記無線中継器１７０が動作を開始すると，前記無線中継器１７０は，終了するか否かを判定するステップ７０１を実行する。前記ステップ７０１で，終了すると判定した場合，本動作を終了する。
【００５９】
前記ステップ７０１で，終了しないと判定した場合，前記無線中継器１７０は，前記装着型デバイス１５０が送信した前記ＷＤデータを受信するステップ７０２を実行する。
【００６０】
次に，前記無線中継器１７０は，受信した前記ＷＤデータに，無線中継器１７０を識別するＳＤ＿ＩＤ（本実施例では，ＳＤ＿ＩＤ「ｔｄ１０」とする）を付加し，ＳＤデータとして送信するステップ７０３を実行する。
【００６１】
例えば，前記ＷＤＤＡＴＡ０１を受信した場合，ＳＤデータとして，「ＷＤ＿ＩＤ＝ｗｄ０１，ＳＤ＿ＩＤ＝ｔｄ１０，Ｐｓ＝８０，ＢＴ＝３６．２，Ａｃ＝７０」（ＳＤＤＡＴＡ０１とする）を送信することになる。
【００６２】
本実施例では，前記装着型デバイス１５０の前記ＷＤ無線通信部１５５と，前記無線中継器１７０との無線通信，及び，前記装着型デバイス１５０の前記ＷＤ無線通信部１５５と，前記据置型デバイス１６０の前記ＳＤ無線通信部１６５との無線通信は，ＩＥＥＥ８０２．１５．４，Ｚｉｇｂｅｅ，を想定している。これにより，消費電力を低減することが可能となる。
【００６３】
また，前記無線通信は，微弱無線，特定小電力無線，Ｂｌｕｅｔｏｏｔｈ，ＩＥＥＥ８０２．１１ｂ等，他の無線通信でもよい。これにより，より汎用的なシステム構築が可能となる。
【００６４】
前記ステップ７０３で送信された前記ＳＤデータは，前記ネットワーク１４０を介して，前記データサーバ１００が受信する。
【００６５】
図８に，前記データサーバ１００のデータ受信時の動作を表わすフローチャートを示す。まず，前記データサーバ１００が動作を開始すると，前記ＤＳ制御部１０１は，受信時の動作を終了するか否かを判定するステップ８０１を実行する。前記ステップ８０１で，終了すると判定した場合，本動作を終了する。
【００６６】
前記ステップ８０１で，終了しないと判定した場合，前記ＤＳ制御部１０１は，前記無線中継器１７０から送信された前記ＳＤデータを受信するステップ８０２を実行する。
【００６７】
次に，前記ＤＳ制御部１０１は，前記生活状態判定部１０５を起動し，前記ステップ８０２で受信したＳＤデータから，前記生活状態判定知識テーブル４２０の知識を用い，生活状態を判定するステップ８０３を実行する。
【００６８】
例えば，ＳＤＤＡＴＡ０１の場合，体動「Ａｃ」が７０であり，判定条件「Ａｃ≧５０」に一致するため，生活状態は「活動状態（活動中）」（生活状態ＩＤは「Ｓ＿ＡＣ」）となる。
【００６９】
また，例えば，ＳＤデータが「ＷＤ＿ＩＤ＝ｗｄ０１，ＳＤ＿ＩＤ＝ｔｄ１０，Ｐｓ＝７１，ＢＴ＝３６．２，Ａｃ＝２０」（ＳＤＤＡＴＡ０２とする）の場合，体動「Ａｃ」が２０であり，判定条件「１５≦Ａｃ＜５０」に一致するため，生活状態は「安静状態（安静中）」（生活状態ＩＤは「Ｓ＿ＳＴ」）となる。
【００７０】
また，例えば，ＳＤデータが「ＷＤ＿ＩＤ＝ｗｄ０１，ＳＤ＿ＩＤ＝ｔｄ１０，Ｐｓ＝６２，ＢＴ＝３５．８，Ａｃ＝１０」（ＳＤＤＡＴＡ０３とする）の場合，体動「Ａｃ」が１０であり，判定条件「Ａｃ＜１５」に一致するため，この判定条件「Ａｃ＜１５」に一致する継続時間が３０分以上の場合（判定条件「Ｌ≧３０」），生活状態は「睡眠状態（睡眠中）」（生活状態ＩＤは「Ｓ＿ＳＬ」）となる。
【００７１】
ここでは，継続時間を３０分以上としているが，任意の値に設定することができる。
【００７２】
このように，生活状態判定知識ベースを用いることで，前記装着型デバイス１５０が収集した生体情報から「安静中」「活動中」「睡眠中」という生活状態を判定することができる。
【００７３】
また，睡眠状態を判定する条件に，継続時間を追加することで，新聞や読書，パソコン操作など，静的な日常動作を行っている場合に，誤って睡眠状態と判定することを防止できるので，より正確に生活状態を判定することが可能となる。
【００７４】
前記生活状態知識テーブル４２０では，体動Ａｃのみで生活状態を判定しているが，脈拍Ｐｓ，体温ＢＴ，を組み合わせることもできる。これにより，より正確に生活状態を判定することが可能となる。
【００７５】
次に，前記ＤＳ制御部１０１は，前記ステップ８０２で受信したＳＤデータと，前記ステップ８０３で算出した生活状態を，前記ＳＤデータを受信した日時と，前記ＳＤデータに含まれるＷＤ＿ＩＤが前記ユーザ個人情報テーブル２１０の前記ＷＤ＿ＩＤフィールド２１５に一致するレコードのユーザＩＤとともに，前記データ蓄積データベース１１２に格納するステップ８０４を実行する。
【００７６】
例えば，２００４年４月２日６時３２分に，前記ＳＤＤＡＴＡ０１を受信した場合，前記ユーザデータ履歴テーブル３１０に，レコード３１０Ａが格納されることになる。
【００７７】
このように，受信したＳＤデータは全て，受信した日時とともに前記ユーザデータ履歴テーブル３１０に蓄積される。
【００７８】
次に，前記ＤＳ制御部１０１は，前記生活リズム判定部１０６を起動し，前記ユーザデータ履歴テーブル３１０に蓄積されたユーザデータをもとに，生活リズムの特徴量を算出し，前記ＤＳメモリ１０２に記憶するステップ８０５を実行する。
【００７９】
図９に，前記ステップ８０５で，生活リズムを判定するときの動作を表すフローチャートを示す。まず，前記生活リズム判定部１０６は，生活リズムの基本となる睡眠状態の継続期間である睡眠期を抽出するために，ステップ９０１から９０２を実行する。
ステップ９０１では，前記生活リズム判定部１０６は，現在日時から日付を抽出し，前記ユーザデータ履歴テーブル３１０から，該日付の既定時刻（例えば，０時）以降のユーザデータを検索し，最初に睡眠状態から他の生活状態に変わるとき，すなわち生活状態ＩＤが「Ｓ＿ＳＬ」から「Ｓ＿ＳＬ」以外になったときのレコードを抽出して，該レコードの日時フィールド３１４の日時を特徴量「睡眠終了時刻」（特徴量ＩＤ「ＳＬ＿Ｅ」）として設定する。
【００８０】
次に，ステップ９０２では，前記生活リズム判定部１０６は，前記ステップ９０１で設定した特徴量「睡眠終了時刻」から過去のユーザデータを検索し，最初に睡眠状態から睡眠状態以外に変わるとき，すなわち生活状態ＩＤが「Ｓ＿ＳＬ」から「Ｓ＿ＳＬ」以外になったときのレコードを抽出して，該レコードの日時フィールド３１４の日時を特徴量「睡眠開始時刻」（特徴量ＩＤ「ＳＬ＿Ｓ」）として設定する。
【００８１】
これにより，睡眠期が当日と前日に分散することなく，睡眠開始時刻から睡眠終了時刻までの睡眠期を抽出することができる。また，睡眠開始時刻が前日ではなく，当日の場合でも，睡眠期を正確に抽出することができる。
【００８２】
次に，前記生活リズム判定部１０６は，前記ステップ９０１で設定した特徴量「睡眠終了時刻」と，前記ステップ９０２で設定した特徴量「睡眠開始時刻」と，の差を特徴量「睡眠時間」（特徴量ＩＤ「ＳＬ＿Ｌ」）として設定するステップ９０３を実行する。
【００８３】
次に，前記生活リズム判定部１０６は，前記ステップ９０２で設定した特徴量「睡眠開始時刻」から前記ステップ９０１で設定した特徴量「睡眠終了時刻」までのユーザデータを検索し，前記ＳＤデータフィールド３１２に格納されている脈拍数Ｐｓの平均値を算出して，特徴量「睡眠中の平均脈拍数」（特徴量ＩＤ「ＳＬ＿Ｐｓ」）として設定するステップ９０４を実行する。
【００８４】
このように，睡眠期を抽出することで，すなわち睡眠終了時刻と睡眠開始時刻を設定することで，日中の睡眠状態を除外することができ，生活リズムの特徴量としての睡眠時間や睡眠中の脈拍数を正確かつ簡易に算出することができる。
【００８５】
次に，前記生活リズム判定部１０６は，睡眠期から次の睡眠期までの期間，すなわち，前記ステップ９０１で設定した特徴量「睡眠終了時刻」から，次に特徴量「睡眠開始時刻」を検出するまでのユーザデータを検索し，生活状態ＩＤが「Ｓ＿ＳＴ」のレコードを抽出し，合算した時間を特徴量「安静時間」（特徴量ＩＤ「ＳＴ＿Ｌ」）として設定するステップ９０５を実行する。
【００８６】
次に，前記生活リズム判定部１０６は，前記ステップ９０１で設定した特徴量「睡眠終了時刻」から，次に特徴量「睡眠開始時刻」を検出するまでのユーザデータを検索し，生活状態ＩＤが「Ｓ＿ＳＴ」のレコードを抽出し，前記ＳＤデータフィールド３１２に格納されている脈拍数Ｐｓの平均値を算出して，特徴量「安静中の平均脈拍数」（特徴量ＩＤ「ＳＴ＿Ｐｓ」）として設定するステップ９０６を実行する。
【００８７】
次に，前記生活リズム判定部１０６は，前記ステップ９０１で設定した特徴量「睡眠終了時刻」から，次に特徴量「睡眠開始時刻」を検出するまでのユーザデータを検索し，生活状態ＩＤが「Ｓ＿ＡＣ」のレコードを抽出し，合算した時間を特徴量「活動時間」（特徴量ＩＤ「ＡＣ＿Ｌ」）として設定するステップ９０７を実行する。
【００８８】
次に，前記生活リズム判定部１０６は，前記ステップ９０１で設定した特徴量「睡眠終了時刻」から，次に特徴量「睡眠開始時刻」を検出するまでのユーザデータを検索し，生活状態ＩＤが「Ｓ＿ＡＣ」のレコードを抽出し，前記ＳＤデータフィールド３１２に格納されている脈拍数Ｐｓの平均値を算出して，特徴量「活動中の平均脈拍数」（特徴量ＩＤ「ＡＣ＿Ｐｓ」）として設定するステップ９０８を実行する。
【００８９】
このように，睡眠期を抽出することで，睡眠期以外の活動時間や活動時の脈拍数，安静時間や安静時の脈拍数，などを正確かつ簡易に算出することができる。
【００９０】
次に，前記生活リズム判定部１０６は，睡眠期終了後，すなわち，前記ステップ９０１で設定した特徴量「睡眠終了時刻」から，最初のユーザデータを検索し，前記ＳＤデータフィールド３１２に格納されている体動Ａｃを抽出して，特徴量「起床時の体動」（特徴量ＩＤ「ＳＬ＿Ａ１」）として設定するステップ９０９を実行する。
【００９１】
次に，前記生活リズム判定部１０６は，前記ステップ９０１で設定した特徴量「睡眠終了時刻（起床時刻ｔ０）」から，基準起床時刻の６０分後（ｔ６０）までのユーザデータを検索し，数式１で示すとおり，前記ＳＤデータフィールド３１２に格納されている体動Ａｃの平均値を算出して，特徴量「起床後体動量」（特徴量ＩＤ「ＳＬ＿Ａ６０」）として設定するステップ９１０を実行する。
【００９２】
ｔｎ
ＳＬ＿Ａ６０ ＝ Σ Ａｃ（ｔ） ／（ｔｎ−ｔ０） ・・・数式１
ｔ＝ｔ０
但し，ｔ０＜基準起床時刻の場合，ｔｎ＝ｔ０＋６０
ｔ０≧基準起床時刻の場合，ｔｎ＝ｔ６０
このように，ｔｎを設定することで，起床後６０分以内，遅くとも基準起床時刻から６０分以内に異常の有無を判定できるので，異常があった場合にスタッフは迅速な対応を行うことができる。
【００９３】
ここでは，６０分を基本として時間を設定しているが，任意の時間に設定することもできる。
【００９４】
次に，前記生活リズム判定部１０６は，数式２で，特徴量「活動度」（特徴量ＩＤ「ＡＣＲ」）を算出するステップ９１１を実行する。
【００９５】
ＡＣＲ＝ＡＣ＿Ｌ／（ＡＣ＿Ｌ＋ＳＴ＿Ｌ） ・・・数式２
次に，前記生活リズム判定部１０６は，数式３で，特徴量「脈拍変動率」（特徴量ＩＤ「ＰｓＲ」）を算出するステップ９１２を実行する。
【００９６】
ＰｓＲ＝ＳＴ＿Ｐｓ／ＳＬ＿Ｐｓ ・・・数式３
次に，前記生活リズム判定部１０６は，現在日時から曜日を算出し，金曜日か否かを判定するステップ９１３を実行する。前記ステップ９１３で，否と判定された場合は，ステップ９１９を実行する。
前記ステップ９１３で，金曜日と判定された場合，前記生活リズム判定部１０６は，過去１週間分の特徴量「睡眠時間」（特徴量ＩＤ「ＳＬ＿Ｌ」）の平均値を算出し，特徴量「平均睡眠時間」（特徴量ＩＤ「ＳＬ＿Ｌ７」）として設定するステップ９１４を実行する。
【００９７】
次に，前記生活リズム判定部１０６は，過去１週間分の特徴量「安静時間」（特徴量ＩＤ「ＳＴ＿Ｌ」）の平均値を算出し，特徴量「平均安静時間」（特徴量ＩＤ「ＳＴ＿Ｌ７」）として設定するステップ９１５を実行する。
【００９８】
次に，前記生活リズム判定部１０６は，過去１週間分の特徴量「活動時間」（特徴量ＩＤ「ＡＣ＿Ｌ」）の平均値を算出し，特徴量「平均活動時間」（特徴量ＩＤ「ＡＣ＿Ｌ７」）として設定するステップ９１６を実行する。
次に，前記生活リズム判定部１０６は，過去１週間分の特徴量「活動度」（特徴量ＩＤ「ＡＣＲ」）の平均値を算出し，特徴量「平均活動度」（特徴量ＩＤ「ＡＣＲ７」）として設定するステップ９１７を実行する。
【００９９】
次に，前記生活リズム判定部１０６は，過去１週間分の特徴量「脈拍変動率」（特徴量ＩＤ「ＰｓＲ」）の平均値を算出し，特徴量「平均脈拍変動率」（特徴量ＩＤ「ＰｓＲ７」）として設定するステップ９１８を実行する。
【０１００】
次に，前記生活リズム判定部１０６は，前記ステップ９０１から９１８で設定された特徴量を前記ＤＳメモリ１０２に記憶するステップ９１９を実行し，本動作を終了する。
【０１０１】
本実施例では，前記ステップ９１１で金曜日か否かを判定したが，他の曜日で設定することもできる。
【０１０２】
ここでは，スタッフが今週１週間のリハビリメニューを金曜日に検討するため，前記ステップ９１１で金曜日か否かを判定したが，リハビリメニューを月曜日に検討する場合，前記ステップ９１１で月曜日か否かを判定することもできる。
これにより，過去１週間の生活リズムの異常の有無を参考にしながら，リハビリメニューを検討することができる。
【０１０３】
図１０に，前記ステップ８０５実行後の前記ＤＳメモリ１０２の例１０００を示す。前記ステップ９０１から９１８で設定された特徴量が記憶されていることが判る。
【０１０４】
次に，前記ＤＳ制御部１０１は，前記アラート判定部１０７を起動し，前記生活リズム異常判定知識テーブル４４０を用いて，生活リズムの異常の有無を判定するステップ８０６を実行する。
【０１０５】
例えば，特徴量ＩＤ「ＳＬ＿Ｓ」の生活リズム異常判定知識レコード４４０Ａのように，前記条件フィールド４４４に，「＞２３：００」という条件が格納されている場合，特徴量ＩＤ「ＳＬ＿Ｓ」の値が，上限値（ここでは２３時）より大きいとき，異常と判定する。
【０１０６】
また，例えば，特徴量ＩＤ「ＡＣ＿Ｌ」の生活リズム異常判定知識レコード４４０Ｅのように，前記条件フィールド４４４に，「＜１」という条件が格納されている場合，特徴量ＩＤ「ＡＣ＿Ｌ」の値が，下限値（ここでは１）より小さいとき，異常と判定する。
【０１０７】
また，例えば，特徴量ＩＤ「ＳＬ＿Ｌ」の生活リズム異常判定知識レコード４４０Ｃのように，前記条件フィールド４４４に，「＜４ ｏｒ ＞１０」という条件が格納されている場合，特徴量ＩＤ「ＳＬ＿Ｌ」の値が，下限値（ここでは４）より小さいとき，または上限値（ここでは１０）より大きいとき，異常と判定する。
【０１０８】
また，例えば，特徴量ＩＤ「ＳＬ＿Ａ６０（起床後体動量）」の場合，起床後体動量を，基準起床時刻と起床時刻との差に応じた基準体動量と比較し，異常の有無を判定する。
【０１０９】
図１６に，起床後体動量の異常の有無を判定するときの動作を表わすフローチャートを示す。
【０１１０】
まず，前記アラート判定部１０７は，睡眠終了時刻ＳＬ＿Ｅを起床時刻（ＷＴ）に設定するステップ１６０１を実行する。
【０１１１】
次に，前記アラート判定部１０７は，前記知識ベース４００を検索し，前記生活リズム異常判定知識テーブル４４６から，特徴量「睡眠終了時刻（起床時刻）」（特徴量ＩＤ「ＳＬ＿Ｅ」）の前記フィールド４４３から平均値を抽出し，基準起床時刻ＢＷＴに設定するステップ１６０２を実行する。
【０１１２】
次に，前記アラート判定部１０７は，前記知識ベース４００を検索し，前記基準起床時刻ＢＷＴと起床時刻ＷＴとの差ΔＴを算出し，その差ΔＴに応じた基準体動量ＢＡＣを抽出するステップ１６０３を実行する。
【０１１３】
次に，前記アラート判定部１０７は，起床後体動量ＳＬ＿Ａ６０と，基準体動量ＢＡＣを比較し，異常の有無を判定する。もし，起床後体動量ＳＬ＿Ａ６０が基準体動量ＢＡＣより小さい場合，異常ありと判定し（ステップ１６０５），本動作を終了する。もし，起床後体動量ＳＬ＿Ａ６０が基準体動量ＢＡＣ以上の場合，異常なしと判定し（ステップ１６０６），本動作を終了する。
【０１１４】
例えば，いつも６時に起床しているユーザ（基準起床時刻ＢＷＴが「０６：００」）が，いつもどおり６時に起床したとき（起床時刻ＷＴが「０６：００」のとき）は，基準体動量ＢＡＣは「６０」（Ｔ０＝６０）となるが，６時１０分に起床したときは，差ΔＴが１０分のため，基準体動量ＢＡＣは「７０」（Ｔ１０＝７０）となる。
【０１１５】
図１５に，起床後体動量を用いた起床後の行動パターンの異常判定の概念図を示す。
【０１１６】
ユーザＡは，通常６時に起床し，起床後の日常行動であるトイレ，洗面，着替え，食事，くつろぎなどを行うが，いつもより早く起きたときは，読書を行うなど，起床後体動量は少ない傾向にある。また，いつもより遅く起きたときは，日常行動を短時間で行うため，起床後体動量は多い傾向にある。そのため，いつもの起床時刻（基準起床時刻）と，当日の起床時刻との差に応じた体動量は，図１５（Ａ）に実線で示した推移グラフのようになる。この推移グラフを基準体動量の推移とすることで，例えば，体動量の閾値のみでは異常と誤判定してしまう場合でも，正常と判定することができる（図１５の棒グラフ１５Ａ１）。また，例えば，体動量の閾値のみでは，正常と誤判定してしまう場合でも，正確に異常と判定することができる（図１５の棒グラフ１５Ａ２）。
【０１１７】
また，ユーザＢは，通常６時に起床し，起床後の日常行動であるトイレ，洗面，着替え，食事，くつろぎなどを行うが，いつもより早く起きたときも，同じ行動のため，起床後体動量は変わらない。しかし，いつもより遅く起きたときは，着替えなど一部の行動を省略するため，起床後体動量は少ない傾向にある。そのため，いつもの起床時刻（基準起床時刻）と，当日の起床時刻との差に応じた体動量は，図１５（Ｂ）に実線で示した推移グラフのようになる。この推移グラフを基準体動量の推移とすることで，例えば，体動量の閾値のみでは異常と誤判定してしまう場合でも，正常と判定することができる（図１５の棒グラフ１５Ｂ１）。
【０１１８】
このように，起床後体動量を，基準起床時刻と起床時刻との差に応じた基準体動量と比較し，異常の有無を判定することにより，ユーザの日常生活の行動パターンに応じた判定ができるので，生活リズムの異常をより正確に判定することが可能となる。
【０１１９】
また，このように，起床後の行動パターンの特徴量として，既定時間内の体動量の統計量（例えば６０分以内の体動量の平均値）を用いることで，日常行動の順序に関係なく，行動パターンの特徴を特徴量として表すことができる。
【０１２０】
前記ステップ８０６で異常が「無し」と判定された場合，前記ＤＳ制御部１０１は，前記ステップ８０１を実行し，以降の処理を繰り返して実行する。
【０１２１】
前記ステップ８０６で異常が「有り」と判定された場合，前記ＤＳ制御部１０１は，前記ＤＳ通信部１０８を起動し，前記スタッフ用端末１２０に，アラートを出力するステップ８０７を実行する。前記スタッフ用端末１２０は，前記ステップ８０７で出力されたアラートを受信し，前記スタッフ用端末１２０の出力部の画面に表示する。
【０１２２】
次に，前記ＤＳ制御部１０１は，前記ステップ８０７で出力したアラートを前記実施履歴データベース１１４に格納するステップ８０８を実行する。
【０１２３】
図１１に，前記スタッフ用端末１２０の画面例１１００を示す。前記画面例１１００は，ユーザを表示するカラム１１０１，アラートが出力された日時を表示するカラム１１０２，アラートが出力された異常状態を表示するカラム１１０３，アラートに対して，実施記録を入力するためのチェックボックス１１０４と選択入力ボックス１１０５と，スタッフが知識ベースを更新するとき選択する更新ボタン１１０６と，で構成される。
【０１２４】
前記チェックボックス１１０４では，スタッフは，入居者の様子を確認しに行く等，アラートへの対応を実施済みであることを実施記録として入力する。前記選択入力ボックス１１０５は，スタッフがアラートに対応した結果，入居者の異常が確認されたか否かを入力する。
【０１２５】
前記画面例１１００の例では，ユーザ「Ｍ．Ｂａｎ」に対して，４月２日６時１分に，生活リズムの特徴量ＩＤ「ＳＬ＿Ａ１」で識別される特徴量「起床時の体動」が異常状態であるというアラート例１１１０Ａが出力されていることが判る。これにより，スタッフは，ユーザ「Ｍ．Ｂａｎ」に，ベッドからの転倒などの体調異常の兆候として，睡眠終了後（起床後）の体動に異常があったことが判る。
【０１２６】
また，前記画面例１１００の例では，ユーザ「Ｍ．Ｂａｎ」に対して，４月３日７時１分に，生活リズムの特徴量ＩＤ「ＳＬ＿Ａ６０」で識別される特徴量「起床後体動量」が異常状態であるというアラート例１１１０Ｂが出力されていることが判る。これにより，スタッフは，ユーザ「Ｍ．Ｂａｎ」に，風邪や倦怠感等の体調不良，鬱症状などの体調異常の兆候として，起床後体動異常というアラートが出力されていることが判る。
【０１２７】
また，前記画面例１１００の例では，ユーザ「Ｆ．Ｋｕｒｉ」に対して，４月３日７時１分に，生活リズムの特徴量ＩＤ「ＳＬ＿Ｅ」で識別される特徴量「睡眠時間」が異常状態であるというアラート例１１１０Ｃが出力されていることが判る。これにより，スタッフは，ユーザ「Ｆ．ｋｕｒｉ」に，体調異常の兆候として，睡眠時間異常というアラートが出力されていることが判る。
【０１２８】
また，前記画面例１１００の例では，ユーザ「Ｈ．Ｓｈｉｎ」に対して，４月９日７時１分に，生活リズムの特徴量ＩＤ「ＡＣＲ７」で識別される特徴量「活動度」が異常状態であるというアラート例１１１０Ｄが出力されていることが判る。これにより，スタッフは，ユーザ「Ｆ．ｋｕｒｉ」に，認知症や廃用症候群などの体調異常の兆候として，活動度異常というアラートが出力されていることが判る。
【０１２９】
また，前記画面例１１００の例では，ユーザ「Ｈ．Ｓｈｉｎ」に対して，４月１６日７時１分に，生活リズムの特徴量ＩＤ「ＰｓＲ７」で識別される特徴量「脈拍変動率」が異常状態であるというアラート例１１１０Ｅが出力されていることが判る。これにより，スタッフは，ユーザ「Ｈ．ｓｈｉｎ」に，自律神経異常などの体調異常の兆候として，脈拍変動率異常というアラートが出力されていることが判る。
【０１３０】
このように，スタッフは，アラートを確認することで，ユーザに体調異常があったことを即時把握できるので，様子を確認しに行く等，迅速な対応が可能となる。
【０１３１】
ここで，スタッフは，様子を確認しに行ったこと，及び様子を確認した結果異常があったか否かを，前記スタッフ用端末１２０を操作し，実施記録として入力する。例えば，様子を確認しに行った結果，異常があった場合，アラート例１１１０Ａで示すように，確認しに行ったことを示す「済み」を入力し，異常があったことを示す異常「有り」を入力する。また，異常がなかった場合は，異常「無し」を入力する。
【０１３２】
このように，アラートの対応状況をアラートとともに一覧で表示するので，対応したスタッフのみでなく，他のスタッフでもアラートに対して対応済みかどうかを簡単に把握でき，アラートへの未対応を未然に防止できる。
【０１３３】
スタッフが前記スタッフ用端末１２０を用いて，実施記録を入力すると，前記ＤＳ制御部１０１は，入力結果をもとに，前記実施記録データベース１１４を更新する。例えば，アラート例１１１０Ｃの場合，レコード５１０Ｃが格納されることになる。
【０１３４】
前記画面例１１００で，スタッフが前記更新ボタン１１０６を選択すると，
前記データサーバ１００は，知識ベース更新時の動作を開始する。
【０１３５】
本実施例では，アラートの例１１１０Ｃの更新ボタンが選択された場合，すなわちユーザＩＤ「ｕｓｅｒ０００１」のユーザ「Ｈ．Ｋｕｒｉ」の知識ベースを更新する場合を例に説明する。
【０１３６】
図１２に，前記データサーバ１００の知識ベース更新時の動作を表すフローチャートを示す。まず，前記データサーバ１００が知識ベース更新時の動作を開始すると，前記ＤＳ制御部１０１は，前記データ蓄積データベース１１２からユーザＩＤ「ｕｓｅｒ０００１」のユーザデータを読み出し，前記ＤＳメモリ１０２に記憶するステップ１２０２を実行する。
【０１３７】
次に，前記ＤＳ制御部１０１は，前記実施記録履歴テーブル５１０からユーザＩＤ「ｕｓｅｒ０００１」の実施記録履歴を読み出し，前記ＤＳメモリ１０２に記憶するステップ１２０３を実行する。
【０１３８】
次に，前記ＤＳ制御部１０１は，前記ＤＳメモリ１０２に記憶されたユーザデータと，実施記録履歴と，をもとに更新用ユーザデータを抽出し，前記ＤＳメモリ１０２に記憶するステップ１２０４を実行する。
【０１３９】
例えば，アラート例１１１０Ｃの場合，４月３日から過去（例えば４週間前）のユーザデータのうち，実施記録履歴テーブル５１０の前記異常フラグフィールド５１５に異常フラグが「０」（異常なし）の日付と同じ日付のユーザデータを抽出する。
【０１４０】
次に，前記ＤＳ制御部１０１は，前記知識ベース生成部１０９を起動し，前記ＤＳメモリ１０２に記憶された更新用ユーザデータから生活リズム異常判定知識を算出するステップ１２０５を実行する。
【０１４１】
例えば，特徴量「起床時刻」（特徴量ＩＤ「ＳＬ＿Ｅ」）の場合，平均値ｍと標準偏差σを算出し，前記フィールド４４３〜４４４に格納する。例えば，平均値ｍが「０７：００」，標準偏差σが「６０分」の場合，前記フィールド４４３に「０７：００」，前記フィールド４４４に上限値ｍ＋σとして「＜０８：００」を格納する。
【０１４２】
次に，前記ＤＳ制御部１０１は，前記ステップ１２０５で算出した知識を，前記知識ベースに格納し，知識ベースを更新するステップ１２０６を実行する。
【０１４３】
図１３に，前記ステップ１１０６で更新された知識ベースの例１３００を示す。レコードの例１３４０Bで示すように，生活リズムの特徴量ＩＤ「ＳＬ＿Ｅ」のパラメータが更新されていることが判る。
【０１４４】
これにより，次回以降，同じ生活状態，例えば，レコード３１０Ｃのような生活状態の場合でも，アラートが出力されなくなる。
【０１４５】
このように，スタッフが入力した実施記録を利用して，生活リズムの特徴量を更新することにより，アラート判定の正確性が向上し，不要なアラートを減少することができるので，業務効率の向上が可能となる。
【０１４６】
以上説明した生活見守りシステムにより，スタッフは，入居者の体調異常を即時把握でき，迅速な対応を行うことが可能となる。
【０１４７】
また，スタッフが入力した実施記録を利用して，生活リズムの特徴量を更新することにより，アラート判定の正確性が向上し，不要なアラートを減少することができるので，業務効率の向上が可能となる。
【０１４８】
さらに，ユーザはスタッフから見守られているという意識を得られるので，施設内での生活を安心して生活することが可能となる。
【図面の簡単な説明】
【０１４９】
【図１】本発明の実施例である生活状態通知システムの構成図。
【図２】ユーザ情報データベースの例。
【図３】データ蓄積データベースの例。
【図４】知識ベースの例。
【図５】アラート履歴データベースの例。
【図６】装着型デバイスの動作を表すフローチャート。
【図７】無線中継器の動作を表すフローチャート。
【図８】データ受信時のデータサーバの動作を表すフローチャート。
【図９】生活リズム判定時のデータサーバの動作を表すフローチャート。
【図１０】ＤＳメモリの例。
【図１１】スタッフ用端末の画面の例。
【図１２】知識ベース更新時のデータサーバの動作を表すフローチャート。
【図１３】更新された知識ベースの例。
【図１４】装着型デバイスがリストバンドに組み込まれているときの構成図。
【図１５】起床後体動量を用いた起床後の行動パターンの異常判定の概念図。
【図１６】起床後体動量の異常判定時のデータサーバの動作を表すフローチャート。
【符号の説明】
【０１５０】
１００ データサーバ，
１０１ ＤＳ制御部，１０２ ＤＳメモリ，１０５ 生活状態判定部，１０６ 生活リズム判定部，１０７ アラート判定部，１０８ ＤＳ通信部，１０９ 知識ベース生成部，１１１ ユーザ情報データベース，１１２ データ蓄積データベース，１１３ 知識ベース，１１４ 実施記録履歴データベース，
１２０ スタッフ用端末，
１４０ ネットワーク，
１５０ 装着型デバイス，
１５１ ＷＤ制御部，１５２ ＷＤメモリ，１５３ ＷＤ＿ＩＤ記憶部，
１５４ ＷＤ演算部，１５５ ＷＤ無線通信部，１５６ 脈波センサ，
１５８ 温度センサ，１５９ 体動センサ，
１７０ 無線中継器，
２００ ユーザ情報データベース１１１の例，
２１０ ユーザ個人情報テーブル，
３００ データ蓄積データベース１１２の例，
３１０ ユーザデータ履歴テーブル，
４００ 知識ベース１１３の例，
４２０ 生活状態判定知識テーブル，
４４０ 生活リズム異常判定知識テーブル，
５００ 実施記録履歴データベース１１４の例，
５１０ 実施記録履歴テーブル，
６０１〜６０５ 装着型デバイス１５０の動作を表わすフローチャートの各ステップ，
７０１〜７０３ 無線中継器１７０の動作を表わすフローチャートの各ステップ，
８０１〜８０８ データサーバ１００のデータ受信時の動作を表わすフローチャートの各ステップ，
９０１〜９１９ データサーバ１００の生活リズムを判定するときの動作を表わすフローチャートの各ステップ，
１６０１〜１６０６ データサーバ１００の起床後体動量の異常を判定するときの動作を表わすフローチャートの各ステップ，
１０００ ＤＳメモリ１０２の例，
１１００ スタッフ用端末の画面例，
１２０１〜１２０５ データサーバ１００の知識ベース更新時の動作を表わすフローチャートの各ステップ，
１３００ 更新された知識ベースの例。
【技術分野】
【０００１】
本発明は，ケアマンション，有料老人ホーム，老人保健施設，などの高齢者施設の入居者の生体情報を収集して体調異常を判定し，入居者の生活を見守るスタッフへ通知するシステムに関する。
【背景技術】
【０００２】
近年，少子高齢化，長寿化，核家族化の進行により，６０歳以上の夫婦もしくは独居者のみで構成される高齢者世帯が急増している。このため，医師や看護師，介護福祉士や生活相談員など，入居者のケアや生活の世話を行う施設スタッフ（以降スタッフとする）が常駐する，ケアマンションや有料老人ホームなどの高齢者施設が増加している。このような高齢者施設では，多数の入居者が施設内で生活している中で，ベッドからの転落等の不慮の事故，風邪や倦怠感等の体調不良，認知症や廃用症候群，鬱症状やストレス，自律神経異常などの初期兆候，など何らかの体調異常があった入居者を，見守りスタッフが即時把握し，迅速な対応が可能な見守り支援が求められている。
【０００３】
このような見守り支援に関して，従来，施設内に設置された各種センサで入居者の情報を検出するシステムがある。
例えば，特開２０００−２１４に記載の「就寝モニタ装置」では，エアマットの内部圧力を検出する圧力センサを用いて就寝中の心拍数等の信号を抽出し，異常の警報通知を行う。
また，例えば，特開２００２−２４５１６８に記載の「健康管理システム」では，携帯型と固定型の健康状態測定手段を用いて，長期離床，長期在床等を判定し，緊急通知する。
また，例えば，特開２００３−１０９１５９に記載の「生活見守りシステム」では，人感センサ等で生活動作情報を受信し，生活パターンを表示する。
また，例えば，特開２００３−２３５８１３に記載の「監視装置」では，生体信号の時系列データに基づいて使用者ごとの生物時計に合致した判定基準を設定し，報知信号を発する。
【０００４】
【特許文献１】特開２０００−２１４
【０００５】
【特許文献２】特開２００２−２４５１６８
【特許文献３】特開２００３−１０９１５９
【特許文献４】特開２００３−２３５８１３
【発明の開示】
【発明が解決しようとする課題】
【０００６】
しかし，従来の技術では，入居者の生活を見守る上で重要な個人毎の生活リズムに応じた体調異常は判らないという問題があった。特に，風邪や倦怠感等，様々な体調異常のときの，起床後の行動パターンの異常は判らないという問題があった。
本発明の目的は，入居者に装着されたセンサを用いて生体情報を収集し，生活リズムの異常状態を判定して通知するシステムを提供すること，である。
【課題を解決するための手段】
【０００７】
上記の課題は，体動量を算出する体動センサを具備し生体に装着される装着型デバイスと、前記装着型デバイスの検出信号に基づいて睡眠状態を含む特定日時の生活状態を判定する生活状態判定部と、該生活状態の時系列と検出信号から生活リズムの特徴量を算出する生活リズム判定部と，特徴量の異常の有無を判定する知識データを格納する知識データベースと，該知識データベースと該特徴量を用いて，生活リズムの異常を判定するアラート判定部と，該アラート判定部の判定結果をアラート情報として出力する出力部と，で構成される生活見守りシステムであって，該知識データベースに，基準起床時刻と，該基準起床時刻との差に応じた行動パターンの特徴量の基準値を知識データとして格納し，該生活リズム判定部が，睡眠状態から他の生活状態へ遷移する時刻である起床時刻と，該起床時刻後の行動パターンの特徴量を算出し，該アラート判定部が，該基準起床時刻と該起床時刻との差に応じて基準値を変え，起床後の行動パターンの異常を判定する，ことを特徴とする生活見守りシステムにより，解決できる。
【発明の効果】
【０００８】
本発明である生活見守りシステムにより，スタッフは，入居者の体調異常を即時把握でき，迅速な対応を行うことが可能となる。
さらに，ユーザはスタッフから見守られているという意識を得られるので，施設内での生活を安心して生活することが可能となる。
【発明を実施するための最良の形態】
【０００９】
図１に，本発明の実施例である生活見守りシステムの構成図を示す。本システムは，データサーバ１００と，スタッフ用端末１２０と，ネットワーク１４０と，装着型デバイス１５０と，無線中継器１７０と，で構成される。
【００１０】
本実施例では，前記スタッフ用端末１２０は，キーボードやマウスなどの入力部とディスプレイなどの出力部と前記データサーバ１００などと通信する通信部とを有する１つまたは複数のパーソナルコンピュータを利用する。また，入力部と出力部と通信部とを有するＰＤＡ，ＰＨＳ，携帯電話，など可搬型端末も利用できる。
【００１１】
本システムでは，前記データサーバ１００を，システム管理スタッフが入退室可能な管理部に設置し，前記スタッフ用端末１２０を，スタッフが入退室可能なスタッフルームに設置する。前記スタッフ用端末１２０は，スタッフが利用する。
【００１２】
また，前記装着型デバイス１５０を，施設の入居者（以下ユーザとする）が身体に装着して利用する。さらに，前記無線中継器１７０を，入居者の居室や，入居者が出入り可能な共用部などに設置する。
【００１３】
前記データサーバ１００を，本システムの運用者であるカスタマーセンターが管理するデータセンターに設置することもできる。これにより，ユーザの個人情報や，ユーザから收集される生体データなどのプライバシー情報を一元管理できるので，情報漏洩防止等のセキュリティ管理を簡易化できる。
【００１４】
また，本システムでは，前記データサーバ１００を前記データセンターへ設置し，前記ネットワーク１４０をインターネットとし，前記無線中継器１７０を戸建住宅（以下居室とする）に設置し，前記装着型デバイス１５０を，居室の居住者（以下ユーザとする）が身体に装着して利用することもできる。これにより，本システムを戸建住宅でも利用可能となる。
【００１５】
前記データサーバ１００は，ＤＳ制御部１０１と，ＤＳメモリ１０２と，生活状態判定部１０５と，生活リズム判定部１０６と，アラート判定部１０７と，ＤＳ通信部１０８と，知識ベース生成部１０９と，ユーザ情報データベース１１１と，データ蓄積データベース１１２と，知識ベース１１３と，アラート履歴データベース１１４と，で構成される。
【００１６】
前記装着型デバイス１５０は，ＷＤ制御部１５１と，ＷＤメモリ１５２と，装着型デバイスを識別する固有ＩＤであるＷＤ＿ＩＤを格納するＷＤ＿ＩＤ記憶部１５３と，ＷＤ演算部１５４と，ＷＤ無線通信部１５５と，生体の心臓の拍動に伴う血管内の血流量の変化を検出する脈波センサ１５６と，生体から発生する熱エネルギー量を検出する温度センサ１５８と，生体の活動を体動として検出する体動センサ１５９と，で構成される。
【００１７】
本実施例では，前記ＷＤ＿ＩＤ記憶部１５３に，「ｗｄ０１」が記憶されている。
前記装着型デバイス１５０は，前記無線中継器１７０と無線通信を行う。
【００１８】
前記装着型デバイス１５０は，リストバンドに組み込まれており，ユーザは手首に装着して利用する。また，腕時計やロッカーキー，ペンダントや指輪，衣類，シューズ，帽子，眼鏡，など身体に装着するものに組み込むこともできる。また，バンソウコウや湿布など，皮膚に直接貼りつけて利用することもできる。
【００１９】
図１４に，前記装着型デバイス１５０が，リストバンドに組み込まれているときの構成図を示す。前記脈波センサ１５６及び前記温度センサ１５８を，ユーザの皮膚に近接もしくは接触するように構成する。これにより，脈波及び体温を検出することが可能となる。また，体動センサ１５９を，手の甲と平行方向の動きを検出するようにリストバンドに組み込む。これにより，ユーザの体動を効率的に検出することが可能となる。
【００２０】
前記体動センサ１５９は，衝撃センサを利用することもできる。これにより，消費電力を低減できる。また，前記体動センサ１５９は，加速度センサを利用することもできる。これにより，体動を高精度に検出できる。
【００２１】
前記ネットワーク１４０は，前記データサーバ１００と，前記スタッフ用端末１２０と，前記無線中継器１７０と，が接続されている。前記データサーバ１００は，前記ネットワーク１４０を介して，前記スタッフ用端末１２０や，前記無線中継器１７０と，通信を行う。
【００２２】
前記ネットワーク１４０は，ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）ケーブルによる有線通信を利用する。また，電力線通信（ＰＬＣ，Ｐｏｗｅｒ Ｌｉｎｅ Ｃｏｍｍｕｎｉｃａｔｉｏｎ）や他の有線通信，または，ＩＥＥＥ８０２．１１ｂ等の無線通信の他，独自の通信方式を利用することもできる。
【００２３】
また，前記ネットワーク１４０は，構内ＰＨＳなど，他の構内ネットワークや，インターネット，ＶＰＮ，携帯電話通信網，ＰＨＳ通信網など，他の広域ネットワークを利用することもできる。
【００２４】
本システムはハードウエア構成として記載されているが，本システムの機能の一部をソフトウエアで構成してもよい。
【００２５】
図２に，前記ユーザ情報データベース１１１の例２００を示す。前記データベース例２００は，ユーザの個人情報を管理するユーザ個人情報テーブル２１０と，で構成される。前記ユーザ個人情報テーブル２１０は，ユーザを識別するユーザＩＤを格納するフィールド２１１と，ユーザがシステム利用時にユーザ認証を実施するときに使用するユーザパスワードを格納するフィールド２１２と，氏名等の個人情報を格納するフィールド２１３と，ユーザが利用する装着型デバイスを識別するＷＤ＿ＩＤを格納するフィールド２１５と，で構成される。例えば，前記テーブル例２１０のユーザ個人情報レコードの例２１０Ａでは，ユーザＩＤ「ｕｓｅｒ０００１」，氏名「Ｆ．Ｋｕｒｉ」のユーザは，ＷＤ＿ＩＤ「ｗｄ０１」で識別される装着型デバイスを利用していることを示している。
【００２６】
図３に，前記データ蓄積データベース１１２の例３００を示す。前記データ蓄積データベース１１２は，ユーザデータ履歴テーブル３１０と，で構成される。前記ユーザデータ履歴テーブル３１０は，前記ユーザＩＤを格納するフィールド３１１と，前記装着型デバイス１５０から送信されるユーザの生体データを含むＳＤデータを格納するフィールド３１２と，ユーザの生体データから算出される生活状態を識別する生活状態ＩＤを格納するフィールド３１３と，前記ＳＤデータを受信した日時を格納するフィールド３１４と，で構成される。
【００２７】
本実施例では，生活状態ＩＤ「Ｓ＿ＳＬ」は生活状態「睡眠中」，生活状態ＩＤ「Ｓ＿ＳＴ」は生活状態「安静中」，生活状態ＩＤ「Ｓ＿ＡＣ」は生活状態「活動中」，を識別するＩＤとして定義される。
【００２８】
図４に，前記知識ベース１１３の例４００を示す。前記知識ベース１１４は，生活状態を判定する知識を格納する生活状態判定知識テーブル４２０と，生活リズムの特徴量から異常の有無を判定する知識を格納する生活リズム異常判定知識テーブル４４０と，で構成される。
【００２９】
前記生活状態判定知識テーブル４２０は，前記ユーザＩＤを格納するフィールド４２１と，生活状態を識別する生活状態ＩＤを格納するフィールド４２２と，生活状態ＩＤで識別される生活状態を判定するための判定条件を格納するフィールド４２３と，備考フィールド４２４と，で構成される。
【００３０】
例えば，生活状態判定知識レコード４２０Ｃの場合，ユーザＩＤ「ｕｓｅｒ０００１」で識別されるユーザに対して，体動Ａｃが５０以上であるとき，生活状態ＩＤ「Ｓ＿ＡＣ」，すなわち生活状態「活動中」が判定されることを示している。
【００３１】
前記生活リズム異常判定知識テーブル４４０は，前記ユーザＩＤを格納するフィールド４４１と，生活リズムの特徴量を識別する特徴量ＩＤを格納するフィールド４４２と，該特徴量の異常を判定する各種パラメータを格納するフィールド４４３から４４５と，備考フィールド４４６と，で構成される。
【００３２】
前記フィールド４４３には平均値を，前記フィールド４４４には特徴量の異常を判定する条件を，それぞれ格納する。
【００３３】
本実施例では，特徴量ＩＤ「ＳＬ＿Ｓ」は特徴量「睡眠開始時刻（入眠時刻）」，特徴量ＩＤ「ＳＬ＿Ｅ」は特徴量「睡眠終了時刻（起床時刻）」，特徴量ＩＤ「ＳＬ＿Ｌ」は特徴量「睡眠時間」，特徴量ＩＤ「ＳＴ＿Ｌ」は特徴量「安静時間」，特徴量ＩＤ「ＡＣ＿Ｌ」は特徴量「活動時間」，特徴量ＩＤ「ＳＬ＿Ｐｓ」は特徴量「睡眠中の平均脈拍数」，特徴量ＩＤ「ＳＴ＿Ｐｓ」は特徴量「安静中の平均脈拍数」，特徴量ＩＤ「ＡＣ＿Ｐｓ」は特徴量「活動中の平均脈拍数」，を識別するＩＤとして定義される。
【００３４】
また，特徴量ＩＤ「ＳＬ＿Ａ１」は，ベッドからの転落などの体調異常の兆候となる，睡眠終了時（起床時）の最初の体動量である特徴量「起床時の体動」，を識別するＩＤとして定義される。
【００３５】
また，特徴量ＩＤ「ＳＬ＿Ａ６０」は，風邪や倦怠感等の体調不良，鬱症状などの体調異常の兆候となる，睡眠終了後（起床後）の行動パターンの特徴量「起床後体動量」，を識別するＩＤとして定義される。
【００３６】
また，特徴量ＩＤ「ＡＣＲ」は，認知症や廃用症候群などの体調異常の兆候となる，日中の活動時間の度合いである特徴量「活動度」を識別するＩＤとして定義される。
【００３７】
また，特徴量ＩＤ「ＰｓＲ」は，自律神経異常などの体調異常の兆候となる，睡眠時の平均脈拍数に対する安静時の平均脈拍数の比率である特徴量「脈拍変動率」，を識別するＩＤとして定義される。
【００３８】
例えば，生活リズム異常判定知識レコード４４０Ｂの場合，ユーザＩＤ「ｕｓｅｒ０００１」で識別されるユーザが特徴量ＩＤ「ＳＬ＿Ｅ」，すなわち特徴量「睡眠終了時刻（起床時刻）」のパラメータ「平均値」が「０６：００（午前６時０分）」，異常を判定するパラメータ「条件」が「０７：００（午前７時０分）より大きい」であることを示している。
【００３９】
また，例えば，生活リズム異常判定知識レコード４４０Ｇの場合，ユーザＩＤ「ｕｓｅｒ０００１」で識別されるユーザが特徴量ＩＤ「ＳＬ＿Ａ６０」，すなわち特徴量「起床後体動量」のパラメータ「平均値」が「６０」，異常を判定するパラメータ「条件」が，基準体動量の推移「…，Ｔ０（基準起床時刻）のときの基準体動量６０，Ｔ１０（基準起床時刻から１０分経過後の基準体動量７０，…，Ｔ６０（基準起床時刻から６０分経過後の基準体動量８０，…」であることを示している。
【００４０】
本実施例では，基準体動量の推移を，基準起床時刻に対する差を１０分単位として差毎の基準体動量で設定しているが，５分単位，１５分単位など，他の間隔で設定することもできる。また，基準体動量の推移を関数として設定することもできる。
【００４１】
図５に，前記実施記録データベース１１４の例５００を示す。前記実施記録データベース１１４は，実施記録履歴テーブル５１０と，で構成される。前記実施記録履歴テーブル５１０は，前記ユーザＩＤを格納するフィールド５１１と，アラートを出力した日時を格納するフィールド５１２と，アラートの種別を格納するフィールド５１３と，アラートに対してスタッフの実施記録を格納するフィールド５１４から５１５と，で構成される。
【００４２】
前記フィールド５１４にはスタッフが対応した日時を，前記フィールド５１５には，スタッフが対応した結果，ユーザの体調異常の有無を示す異常フラグを，それぞれ格納する。
【００４３】
例えば，実施記録履歴レコードの例５１０Ｃの場合，ユーザＩＤ「ｕｓｅｒ０００１」のユーザに対して，２００４年４月３日７時１分に，アラート種別「ＳＬ＿Ｅ」（睡眠終了時（起床時）の体動量が異常）のアラートを出力していることを示している。また，実施記録として，このアラートに対して，スタッフが，２００４年４月３日７時３分に対応し，実際にユーザに体調異常があったことを入力したことを示している。
【００４４】
次に，本システムの動作を，フローチャートを用いて説明する。
【００４５】
図６に，前記装着型デバイス１５０の動作を表わすフローチャートを示す。まず，前記装着型デバイス１５０が動作を開始すると，前記ＷＤ制御部１５１は，終了するか否かを判定するステップ６０１を実行する。前記ステップ６０１で，終了すると判定した場合，本動作を終了する。
【００４６】
前記ステップ６０１で，終了しないと判定した場合，前記ＷＤ制御部１５１は，待機時間Ｔｗの間待機するステップ６０２を実行する。本実施例では，待機時間Ｔｗを「６０秒」としているが，任意の時間でよい。
【００４７】
次に，前記ＷＤ制御部１５１は，前記装着型デバイス１５０をユーザが装着しているか否かを判定するステップ６０３を実行する。例えば，前記脈波センサ１５６の出力値が既定値より小さい場合に装着していると判定し，既定値以上の場合に装着していないと判定する。
【００４８】
前記ステップ６０３で，装着してないと判定した場合，前記ＷＤ制御部１５１は，前記ステップ６０１を実行し，以降の処理を繰り返し実行する。
【００４９】
前記ステップ６０３で，装着していると判定した場合，前記ＷＤ制御部１５１は，前記ＷＤ演算部を起動し，前記脈波センサ１５６から脈拍数Ｐｓを，前記温度センサ１５８から体温ＢＴを，前記体動センサ１５９から体動Ａｃを，生体データとして算出するステップ６０４を実行する。
【００５０】
例えば，脈拍数Ｐｓを算出する場合，前記脈波センサ１５６の出力する脈波からピーク値を算出し，現在時刻から過去６０秒間のピーク値の回数をカウントし，脈拍数Ｐｓとして算出する。
【００５１】
また，例えば，体温ＢＴを算出する場合，前記温度センサ１５８の出力する電圧値をもとに，電圧値を体温に変換する変換式を用いて体温ＢＴを算出する。
【００５２】
また，例えば，体動Ａｃを算出する場合，前記体動センサ１５９の出力する体動の大きさに相当するスカラー値を合算した値を体動Ａｃとして算出する。
【００５３】
また，例えば，体動Ａｃを算出する場合，前記体動センサ１５９の出力する体動の大きさに相当するスカラー値が，既定値以下の値から既定値より大きい値を示す回数と，既定値より大きい値から既定値以下を示す回数を合算した値を体動Ａｃとして算出することもできる。
【００５４】
次に，前記ＷＤ制御部１５１は，前記ＷＤ無線通信部１５５を起動し，前記ステップ６０４で算出した生体データを，前記ＷＤ＿ＩＤとともに，ＷＤデータとして，送信するステップ６０５を実行する。
【００５５】
例えば，生体データが脈拍数Ｐｓ「８０」，体温ＢＴ「３６．２」，体動Ａｃ「７０」の場合，ＷＤデータとして，「ＷＤ＿ＩＤ＝ｗｄ０１，Ｐｓ＝８０，ＢＴ＝３６．２，Ａｃ＝７０」（ＷＤＤＡＴＡ０１とする）を送信することになる。
【００５６】
前記ステップ６０５で送信された前記ＷＤデータは，前記無線中継器１７０が受信する。
【００５７】
図７に，前記ＷＤデータを前記無線中継器１７０が受信する場合の，前記無線中継器１７０の動作を表すフローチャートを示す。
【００５８】
まず，前記無線中継器１７０が動作を開始すると，前記無線中継器１７０は，終了するか否かを判定するステップ７０１を実行する。前記ステップ７０１で，終了すると判定した場合，本動作を終了する。
【００５９】
前記ステップ７０１で，終了しないと判定した場合，前記無線中継器１７０は，前記装着型デバイス１５０が送信した前記ＷＤデータを受信するステップ７０２を実行する。
【００６０】
次に，前記無線中継器１７０は，受信した前記ＷＤデータに，無線中継器１７０を識別するＳＤ＿ＩＤ（本実施例では，ＳＤ＿ＩＤ「ｔｄ１０」とする）を付加し，ＳＤデータとして送信するステップ７０３を実行する。
【００６１】
例えば，前記ＷＤＤＡＴＡ０１を受信した場合，ＳＤデータとして，「ＷＤ＿ＩＤ＝ｗｄ０１，ＳＤ＿ＩＤ＝ｔｄ１０，Ｐｓ＝８０，ＢＴ＝３６．２，Ａｃ＝７０」（ＳＤＤＡＴＡ０１とする）を送信することになる。
【００６２】
本実施例では，前記装着型デバイス１５０の前記ＷＤ無線通信部１５５と，前記無線中継器１７０との無線通信，及び，前記装着型デバイス１５０の前記ＷＤ無線通信部１５５と，前記据置型デバイス１６０の前記ＳＤ無線通信部１６５との無線通信は，ＩＥＥＥ８０２．１５．４，Ｚｉｇｂｅｅ，を想定している。これにより，消費電力を低減することが可能となる。
【００６３】
また，前記無線通信は，微弱無線，特定小電力無線，Ｂｌｕｅｔｏｏｔｈ，ＩＥＥＥ８０２．１１ｂ等，他の無線通信でもよい。これにより，より汎用的なシステム構築が可能となる。
【００６４】
前記ステップ７０３で送信された前記ＳＤデータは，前記ネットワーク１４０を介して，前記データサーバ１００が受信する。
【００６５】
図８に，前記データサーバ１００のデータ受信時の動作を表わすフローチャートを示す。まず，前記データサーバ１００が動作を開始すると，前記ＤＳ制御部１０１は，受信時の動作を終了するか否かを判定するステップ８０１を実行する。前記ステップ８０１で，終了すると判定した場合，本動作を終了する。
【００６６】
前記ステップ８０１で，終了しないと判定した場合，前記ＤＳ制御部１０１は，前記無線中継器１７０から送信された前記ＳＤデータを受信するステップ８０２を実行する。
【００６７】
次に，前記ＤＳ制御部１０１は，前記生活状態判定部１０５を起動し，前記ステップ８０２で受信したＳＤデータから，前記生活状態判定知識テーブル４２０の知識を用い，生活状態を判定するステップ８０３を実行する。
【００６８】
例えば，ＳＤＤＡＴＡ０１の場合，体動「Ａｃ」が７０であり，判定条件「Ａｃ≧５０」に一致するため，生活状態は「活動状態（活動中）」（生活状態ＩＤは「Ｓ＿ＡＣ」）となる。
【００６９】
また，例えば，ＳＤデータが「ＷＤ＿ＩＤ＝ｗｄ０１，ＳＤ＿ＩＤ＝ｔｄ１０，Ｐｓ＝７１，ＢＴ＝３６．２，Ａｃ＝２０」（ＳＤＤＡＴＡ０２とする）の場合，体動「Ａｃ」が２０であり，判定条件「１５≦Ａｃ＜５０」に一致するため，生活状態は「安静状態（安静中）」（生活状態ＩＤは「Ｓ＿ＳＴ」）となる。
【００７０】
また，例えば，ＳＤデータが「ＷＤ＿ＩＤ＝ｗｄ０１，ＳＤ＿ＩＤ＝ｔｄ１０，Ｐｓ＝６２，ＢＴ＝３５．８，Ａｃ＝１０」（ＳＤＤＡＴＡ０３とする）の場合，体動「Ａｃ」が１０であり，判定条件「Ａｃ＜１５」に一致するため，この判定条件「Ａｃ＜１５」に一致する継続時間が３０分以上の場合（判定条件「Ｌ≧３０」），生活状態は「睡眠状態（睡眠中）」（生活状態ＩＤは「Ｓ＿ＳＬ」）となる。
【００７１】
ここでは，継続時間を３０分以上としているが，任意の値に設定することができる。
【００７２】
このように，生活状態判定知識ベースを用いることで，前記装着型デバイス１５０が収集した生体情報から「安静中」「活動中」「睡眠中」という生活状態を判定することができる。
【００７３】
また，睡眠状態を判定する条件に，継続時間を追加することで，新聞や読書，パソコン操作など，静的な日常動作を行っている場合に，誤って睡眠状態と判定することを防止できるので，より正確に生活状態を判定することが可能となる。
【００７４】
前記生活状態知識テーブル４２０では，体動Ａｃのみで生活状態を判定しているが，脈拍Ｐｓ，体温ＢＴ，を組み合わせることもできる。これにより，より正確に生活状態を判定することが可能となる。
【００７５】
次に，前記ＤＳ制御部１０１は，前記ステップ８０２で受信したＳＤデータと，前記ステップ８０３で算出した生活状態を，前記ＳＤデータを受信した日時と，前記ＳＤデータに含まれるＷＤ＿ＩＤが前記ユーザ個人情報テーブル２１０の前記ＷＤ＿ＩＤフィールド２１５に一致するレコードのユーザＩＤとともに，前記データ蓄積データベース１１２に格納するステップ８０４を実行する。
【００７６】
例えば，２００４年４月２日６時３２分に，前記ＳＤＤＡＴＡ０１を受信した場合，前記ユーザデータ履歴テーブル３１０に，レコード３１０Ａが格納されることになる。
【００７７】
このように，受信したＳＤデータは全て，受信した日時とともに前記ユーザデータ履歴テーブル３１０に蓄積される。
【００７８】
次に，前記ＤＳ制御部１０１は，前記生活リズム判定部１０６を起動し，前記ユーザデータ履歴テーブル３１０に蓄積されたユーザデータをもとに，生活リズムの特徴量を算出し，前記ＤＳメモリ１０２に記憶するステップ８０５を実行する。
【００７９】
図９に，前記ステップ８０５で，生活リズムを判定するときの動作を表すフローチャートを示す。まず，前記生活リズム判定部１０６は，生活リズムの基本となる睡眠状態の継続期間である睡眠期を抽出するために，ステップ９０１から９０２を実行する。
ステップ９０１では，前記生活リズム判定部１０６は，現在日時から日付を抽出し，前記ユーザデータ履歴テーブル３１０から，該日付の既定時刻（例えば，０時）以降のユーザデータを検索し，最初に睡眠状態から他の生活状態に変わるとき，すなわち生活状態ＩＤが「Ｓ＿ＳＬ」から「Ｓ＿ＳＬ」以外になったときのレコードを抽出して，該レコードの日時フィールド３１４の日時を特徴量「睡眠終了時刻」（特徴量ＩＤ「ＳＬ＿Ｅ」）として設定する。
【００８０】
次に，ステップ９０２では，前記生活リズム判定部１０６は，前記ステップ９０１で設定した特徴量「睡眠終了時刻」から過去のユーザデータを検索し，最初に睡眠状態から睡眠状態以外に変わるとき，すなわち生活状態ＩＤが「Ｓ＿ＳＬ」から「Ｓ＿ＳＬ」以外になったときのレコードを抽出して，該レコードの日時フィールド３１４の日時を特徴量「睡眠開始時刻」（特徴量ＩＤ「ＳＬ＿Ｓ」）として設定する。
【００８１】
これにより，睡眠期が当日と前日に分散することなく，睡眠開始時刻から睡眠終了時刻までの睡眠期を抽出することができる。また，睡眠開始時刻が前日ではなく，当日の場合でも，睡眠期を正確に抽出することができる。
【００８２】
次に，前記生活リズム判定部１０６は，前記ステップ９０１で設定した特徴量「睡眠終了時刻」と，前記ステップ９０２で設定した特徴量「睡眠開始時刻」と，の差を特徴量「睡眠時間」（特徴量ＩＤ「ＳＬ＿Ｌ」）として設定するステップ９０３を実行する。
【００８３】
次に，前記生活リズム判定部１０６は，前記ステップ９０２で設定した特徴量「睡眠開始時刻」から前記ステップ９０１で設定した特徴量「睡眠終了時刻」までのユーザデータを検索し，前記ＳＤデータフィールド３１２に格納されている脈拍数Ｐｓの平均値を算出して，特徴量「睡眠中の平均脈拍数」（特徴量ＩＤ「ＳＬ＿Ｐｓ」）として設定するステップ９０４を実行する。
【００８４】
このように，睡眠期を抽出することで，すなわち睡眠終了時刻と睡眠開始時刻を設定することで，日中の睡眠状態を除外することができ，生活リズムの特徴量としての睡眠時間や睡眠中の脈拍数を正確かつ簡易に算出することができる。
【００８５】
次に，前記生活リズム判定部１０６は，睡眠期から次の睡眠期までの期間，すなわち，前記ステップ９０１で設定した特徴量「睡眠終了時刻」から，次に特徴量「睡眠開始時刻」を検出するまでのユーザデータを検索し，生活状態ＩＤが「Ｓ＿ＳＴ」のレコードを抽出し，合算した時間を特徴量「安静時間」（特徴量ＩＤ「ＳＴ＿Ｌ」）として設定するステップ９０５を実行する。
【００８６】
次に，前記生活リズム判定部１０６は，前記ステップ９０１で設定した特徴量「睡眠終了時刻」から，次に特徴量「睡眠開始時刻」を検出するまでのユーザデータを検索し，生活状態ＩＤが「Ｓ＿ＳＴ」のレコードを抽出し，前記ＳＤデータフィールド３１２に格納されている脈拍数Ｐｓの平均値を算出して，特徴量「安静中の平均脈拍数」（特徴量ＩＤ「ＳＴ＿Ｐｓ」）として設定するステップ９０６を実行する。
【００８７】
次に，前記生活リズム判定部１０６は，前記ステップ９０１で設定した特徴量「睡眠終了時刻」から，次に特徴量「睡眠開始時刻」を検出するまでのユーザデータを検索し，生活状態ＩＤが「Ｓ＿ＡＣ」のレコードを抽出し，合算した時間を特徴量「活動時間」（特徴量ＩＤ「ＡＣ＿Ｌ」）として設定するステップ９０７を実行する。
【００８８】
次に，前記生活リズム判定部１０６は，前記ステップ９０１で設定した特徴量「睡眠終了時刻」から，次に特徴量「睡眠開始時刻」を検出するまでのユーザデータを検索し，生活状態ＩＤが「Ｓ＿ＡＣ」のレコードを抽出し，前記ＳＤデータフィールド３１２に格納されている脈拍数Ｐｓの平均値を算出して，特徴量「活動中の平均脈拍数」（特徴量ＩＤ「ＡＣ＿Ｐｓ」）として設定するステップ９０８を実行する。
【００８９】
このように，睡眠期を抽出することで，睡眠期以外の活動時間や活動時の脈拍数，安静時間や安静時の脈拍数，などを正確かつ簡易に算出することができる。
【００９０】
次に，前記生活リズム判定部１０６は，睡眠期終了後，すなわち，前記ステップ９０１で設定した特徴量「睡眠終了時刻」から，最初のユーザデータを検索し，前記ＳＤデータフィールド３１２に格納されている体動Ａｃを抽出して，特徴量「起床時の体動」（特徴量ＩＤ「ＳＬ＿Ａ１」）として設定するステップ９０９を実行する。
【００９１】
次に，前記生活リズム判定部１０６は，前記ステップ９０１で設定した特徴量「睡眠終了時刻（起床時刻ｔ０）」から，基準起床時刻の６０分後（ｔ６０）までのユーザデータを検索し，数式１で示すとおり，前記ＳＤデータフィールド３１２に格納されている体動Ａｃの平均値を算出して，特徴量「起床後体動量」（特徴量ＩＤ「ＳＬ＿Ａ６０」）として設定するステップ９１０を実行する。
【００９２】
ｔｎ
ＳＬ＿Ａ６０ ＝ Σ Ａｃ（ｔ） ／（ｔｎ−ｔ０） ・・・数式１
ｔ＝ｔ０
但し，ｔ０＜基準起床時刻の場合，ｔｎ＝ｔ０＋６０
ｔ０≧基準起床時刻の場合，ｔｎ＝ｔ６０
このように，ｔｎを設定することで，起床後６０分以内，遅くとも基準起床時刻から６０分以内に異常の有無を判定できるので，異常があった場合にスタッフは迅速な対応を行うことができる。
【００９３】
ここでは，６０分を基本として時間を設定しているが，任意の時間に設定することもできる。
【００９４】
次に，前記生活リズム判定部１０６は，数式２で，特徴量「活動度」（特徴量ＩＤ「ＡＣＲ」）を算出するステップ９１１を実行する。
【００９５】
ＡＣＲ＝ＡＣ＿Ｌ／（ＡＣ＿Ｌ＋ＳＴ＿Ｌ） ・・・数式２
次に，前記生活リズム判定部１０６は，数式３で，特徴量「脈拍変動率」（特徴量ＩＤ「ＰｓＲ」）を算出するステップ９１２を実行する。
【００９６】
ＰｓＲ＝ＳＴ＿Ｐｓ／ＳＬ＿Ｐｓ ・・・数式３
次に，前記生活リズム判定部１０６は，現在日時から曜日を算出し，金曜日か否かを判定するステップ９１３を実行する。前記ステップ９１３で，否と判定された場合は，ステップ９１９を実行する。
前記ステップ９１３で，金曜日と判定された場合，前記生活リズム判定部１０６は，過去１週間分の特徴量「睡眠時間」（特徴量ＩＤ「ＳＬ＿Ｌ」）の平均値を算出し，特徴量「平均睡眠時間」（特徴量ＩＤ「ＳＬ＿Ｌ７」）として設定するステップ９１４を実行する。
【００９７】
次に，前記生活リズム判定部１０６は，過去１週間分の特徴量「安静時間」（特徴量ＩＤ「ＳＴ＿Ｌ」）の平均値を算出し，特徴量「平均安静時間」（特徴量ＩＤ「ＳＴ＿Ｌ７」）として設定するステップ９１５を実行する。
【００９８】
次に，前記生活リズム判定部１０６は，過去１週間分の特徴量「活動時間」（特徴量ＩＤ「ＡＣ＿Ｌ」）の平均値を算出し，特徴量「平均活動時間」（特徴量ＩＤ「ＡＣ＿Ｌ７」）として設定するステップ９１６を実行する。
次に，前記生活リズム判定部１０６は，過去１週間分の特徴量「活動度」（特徴量ＩＤ「ＡＣＲ」）の平均値を算出し，特徴量「平均活動度」（特徴量ＩＤ「ＡＣＲ７」）として設定するステップ９１７を実行する。
【００９９】
次に，前記生活リズム判定部１０６は，過去１週間分の特徴量「脈拍変動率」（特徴量ＩＤ「ＰｓＲ」）の平均値を算出し，特徴量「平均脈拍変動率」（特徴量ＩＤ「ＰｓＲ７」）として設定するステップ９１８を実行する。
【０１００】
次に，前記生活リズム判定部１０６は，前記ステップ９０１から９１８で設定された特徴量を前記ＤＳメモリ１０２に記憶するステップ９１９を実行し，本動作を終了する。
【０１０１】
本実施例では，前記ステップ９１１で金曜日か否かを判定したが，他の曜日で設定することもできる。
【０１０２】
ここでは，スタッフが今週１週間のリハビリメニューを金曜日に検討するため，前記ステップ９１１で金曜日か否かを判定したが，リハビリメニューを月曜日に検討する場合，前記ステップ９１１で月曜日か否かを判定することもできる。
これにより，過去１週間の生活リズムの異常の有無を参考にしながら，リハビリメニューを検討することができる。
【０１０３】
図１０に，前記ステップ８０５実行後の前記ＤＳメモリ１０２の例１０００を示す。前記ステップ９０１から９１８で設定された特徴量が記憶されていることが判る。
【０１０４】
次に，前記ＤＳ制御部１０１は，前記アラート判定部１０７を起動し，前記生活リズム異常判定知識テーブル４４０を用いて，生活リズムの異常の有無を判定するステップ８０６を実行する。
【０１０５】
例えば，特徴量ＩＤ「ＳＬ＿Ｓ」の生活リズム異常判定知識レコード４４０Ａのように，前記条件フィールド４４４に，「＞２３：００」という条件が格納されている場合，特徴量ＩＤ「ＳＬ＿Ｓ」の値が，上限値（ここでは２３時）より大きいとき，異常と判定する。
【０１０６】
また，例えば，特徴量ＩＤ「ＡＣ＿Ｌ」の生活リズム異常判定知識レコード４４０Ｅのように，前記条件フィールド４４４に，「＜１」という条件が格納されている場合，特徴量ＩＤ「ＡＣ＿Ｌ」の値が，下限値（ここでは１）より小さいとき，異常と判定する。
【０１０７】
また，例えば，特徴量ＩＤ「ＳＬ＿Ｌ」の生活リズム異常判定知識レコード４４０Ｃのように，前記条件フィールド４４４に，「＜４ ｏｒ ＞１０」という条件が格納されている場合，特徴量ＩＤ「ＳＬ＿Ｌ」の値が，下限値（ここでは４）より小さいとき，または上限値（ここでは１０）より大きいとき，異常と判定する。
【０１０８】
また，例えば，特徴量ＩＤ「ＳＬ＿Ａ６０（起床後体動量）」の場合，起床後体動量を，基準起床時刻と起床時刻との差に応じた基準体動量と比較し，異常の有無を判定する。
【０１０９】
図１６に，起床後体動量の異常の有無を判定するときの動作を表わすフローチャートを示す。
【０１１０】
まず，前記アラート判定部１０７は，睡眠終了時刻ＳＬ＿Ｅを起床時刻（ＷＴ）に設定するステップ１６０１を実行する。
【０１１１】
次に，前記アラート判定部１０７は，前記知識ベース４００を検索し，前記生活リズム異常判定知識テーブル４４６から，特徴量「睡眠終了時刻（起床時刻）」（特徴量ＩＤ「ＳＬ＿Ｅ」）の前記フィールド４４３から平均値を抽出し，基準起床時刻ＢＷＴに設定するステップ１６０２を実行する。
【０１１２】
次に，前記アラート判定部１０７は，前記知識ベース４００を検索し，前記基準起床時刻ＢＷＴと起床時刻ＷＴとの差ΔＴを算出し，その差ΔＴに応じた基準体動量ＢＡＣを抽出するステップ１６０３を実行する。
【０１１３】
次に，前記アラート判定部１０７は，起床後体動量ＳＬ＿Ａ６０と，基準体動量ＢＡＣを比較し，異常の有無を判定する。もし，起床後体動量ＳＬ＿Ａ６０が基準体動量ＢＡＣより小さい場合，異常ありと判定し（ステップ１６０５），本動作を終了する。もし，起床後体動量ＳＬ＿Ａ６０が基準体動量ＢＡＣ以上の場合，異常なしと判定し（ステップ１６０６），本動作を終了する。
【０１１４】
例えば，いつも６時に起床しているユーザ（基準起床時刻ＢＷＴが「０６：００」）が，いつもどおり６時に起床したとき（起床時刻ＷＴが「０６：００」のとき）は，基準体動量ＢＡＣは「６０」（Ｔ０＝６０）となるが，６時１０分に起床したときは，差ΔＴが１０分のため，基準体動量ＢＡＣは「７０」（Ｔ１０＝７０）となる。
【０１１５】
図１５に，起床後体動量を用いた起床後の行動パターンの異常判定の概念図を示す。
【０１１６】
ユーザＡは，通常６時に起床し，起床後の日常行動であるトイレ，洗面，着替え，食事，くつろぎなどを行うが，いつもより早く起きたときは，読書を行うなど，起床後体動量は少ない傾向にある。また，いつもより遅く起きたときは，日常行動を短時間で行うため，起床後体動量は多い傾向にある。そのため，いつもの起床時刻（基準起床時刻）と，当日の起床時刻との差に応じた体動量は，図１５（Ａ）に実線で示した推移グラフのようになる。この推移グラフを基準体動量の推移とすることで，例えば，体動量の閾値のみでは異常と誤判定してしまう場合でも，正常と判定することができる（図１５の棒グラフ１５Ａ１）。また，例えば，体動量の閾値のみでは，正常と誤判定してしまう場合でも，正確に異常と判定することができる（図１５の棒グラフ１５Ａ２）。
【０１１７】
また，ユーザＢは，通常６時に起床し，起床後の日常行動であるトイレ，洗面，着替え，食事，くつろぎなどを行うが，いつもより早く起きたときも，同じ行動のため，起床後体動量は変わらない。しかし，いつもより遅く起きたときは，着替えなど一部の行動を省略するため，起床後体動量は少ない傾向にある。そのため，いつもの起床時刻（基準起床時刻）と，当日の起床時刻との差に応じた体動量は，図１５（Ｂ）に実線で示した推移グラフのようになる。この推移グラフを基準体動量の推移とすることで，例えば，体動量の閾値のみでは異常と誤判定してしまう場合でも，正常と判定することができる（図１５の棒グラフ１５Ｂ１）。
【０１１８】
このように，起床後体動量を，基準起床時刻と起床時刻との差に応じた基準体動量と比較し，異常の有無を判定することにより，ユーザの日常生活の行動パターンに応じた判定ができるので，生活リズムの異常をより正確に判定することが可能となる。
【０１１９】
また，このように，起床後の行動パターンの特徴量として，既定時間内の体動量の統計量（例えば６０分以内の体動量の平均値）を用いることで，日常行動の順序に関係なく，行動パターンの特徴を特徴量として表すことができる。
【０１２０】
前記ステップ８０６で異常が「無し」と判定された場合，前記ＤＳ制御部１０１は，前記ステップ８０１を実行し，以降の処理を繰り返して実行する。
【０１２１】
前記ステップ８０６で異常が「有り」と判定された場合，前記ＤＳ制御部１０１は，前記ＤＳ通信部１０８を起動し，前記スタッフ用端末１２０に，アラートを出力するステップ８０７を実行する。前記スタッフ用端末１２０は，前記ステップ８０７で出力されたアラートを受信し，前記スタッフ用端末１２０の出力部の画面に表示する。
【０１２２】
次に，前記ＤＳ制御部１０１は，前記ステップ８０７で出力したアラートを前記実施履歴データベース１１４に格納するステップ８０８を実行する。
【０１２３】
図１１に，前記スタッフ用端末１２０の画面例１１００を示す。前記画面例１１００は，ユーザを表示するカラム１１０１，アラートが出力された日時を表示するカラム１１０２，アラートが出力された異常状態を表示するカラム１１０３，アラートに対して，実施記録を入力するためのチェックボックス１１０４と選択入力ボックス１１０５と，スタッフが知識ベースを更新するとき選択する更新ボタン１１０６と，で構成される。
【０１２４】
前記チェックボックス１１０４では，スタッフは，入居者の様子を確認しに行く等，アラートへの対応を実施済みであることを実施記録として入力する。前記選択入力ボックス１１０５は，スタッフがアラートに対応した結果，入居者の異常が確認されたか否かを入力する。
【０１２５】
前記画面例１１００の例では，ユーザ「Ｍ．Ｂａｎ」に対して，４月２日６時１分に，生活リズムの特徴量ＩＤ「ＳＬ＿Ａ１」で識別される特徴量「起床時の体動」が異常状態であるというアラート例１１１０Ａが出力されていることが判る。これにより，スタッフは，ユーザ「Ｍ．Ｂａｎ」に，ベッドからの転倒などの体調異常の兆候として，睡眠終了後（起床後）の体動に異常があったことが判る。
【０１２６】
また，前記画面例１１００の例では，ユーザ「Ｍ．Ｂａｎ」に対して，４月３日７時１分に，生活リズムの特徴量ＩＤ「ＳＬ＿Ａ６０」で識別される特徴量「起床後体動量」が異常状態であるというアラート例１１１０Ｂが出力されていることが判る。これにより，スタッフは，ユーザ「Ｍ．Ｂａｎ」に，風邪や倦怠感等の体調不良，鬱症状などの体調異常の兆候として，起床後体動異常というアラートが出力されていることが判る。
【０１２７】
また，前記画面例１１００の例では，ユーザ「Ｆ．Ｋｕｒｉ」に対して，４月３日７時１分に，生活リズムの特徴量ＩＤ「ＳＬ＿Ｅ」で識別される特徴量「睡眠時間」が異常状態であるというアラート例１１１０Ｃが出力されていることが判る。これにより，スタッフは，ユーザ「Ｆ．ｋｕｒｉ」に，体調異常の兆候として，睡眠時間異常というアラートが出力されていることが判る。
【０１２８】
また，前記画面例１１００の例では，ユーザ「Ｈ．Ｓｈｉｎ」に対して，４月９日７時１分に，生活リズムの特徴量ＩＤ「ＡＣＲ７」で識別される特徴量「活動度」が異常状態であるというアラート例１１１０Ｄが出力されていることが判る。これにより，スタッフは，ユーザ「Ｆ．ｋｕｒｉ」に，認知症や廃用症候群などの体調異常の兆候として，活動度異常というアラートが出力されていることが判る。
【０１２９】
また，前記画面例１１００の例では，ユーザ「Ｈ．Ｓｈｉｎ」に対して，４月１６日７時１分に，生活リズムの特徴量ＩＤ「ＰｓＲ７」で識別される特徴量「脈拍変動率」が異常状態であるというアラート例１１１０Ｅが出力されていることが判る。これにより，スタッフは，ユーザ「Ｈ．ｓｈｉｎ」に，自律神経異常などの体調異常の兆候として，脈拍変動率異常というアラートが出力されていることが判る。
【０１３０】
このように，スタッフは，アラートを確認することで，ユーザに体調異常があったことを即時把握できるので，様子を確認しに行く等，迅速な対応が可能となる。
【０１３１】
ここで，スタッフは，様子を確認しに行ったこと，及び様子を確認した結果異常があったか否かを，前記スタッフ用端末１２０を操作し，実施記録として入力する。例えば，様子を確認しに行った結果，異常があった場合，アラート例１１１０Ａで示すように，確認しに行ったことを示す「済み」を入力し，異常があったことを示す異常「有り」を入力する。また，異常がなかった場合は，異常「無し」を入力する。
【０１３２】
このように，アラートの対応状況をアラートとともに一覧で表示するので，対応したスタッフのみでなく，他のスタッフでもアラートに対して対応済みかどうかを簡単に把握でき，アラートへの未対応を未然に防止できる。
【０１３３】
スタッフが前記スタッフ用端末１２０を用いて，実施記録を入力すると，前記ＤＳ制御部１０１は，入力結果をもとに，前記実施記録データベース１１４を更新する。例えば，アラート例１１１０Ｃの場合，レコード５１０Ｃが格納されることになる。
【０１３４】
前記画面例１１００で，スタッフが前記更新ボタン１１０６を選択すると，
前記データサーバ１００は，知識ベース更新時の動作を開始する。
【０１３５】
本実施例では，アラートの例１１１０Ｃの更新ボタンが選択された場合，すなわちユーザＩＤ「ｕｓｅｒ０００１」のユーザ「Ｈ．Ｋｕｒｉ」の知識ベースを更新する場合を例に説明する。
【０１３６】
図１２に，前記データサーバ１００の知識ベース更新時の動作を表すフローチャートを示す。まず，前記データサーバ１００が知識ベース更新時の動作を開始すると，前記ＤＳ制御部１０１は，前記データ蓄積データベース１１２からユーザＩＤ「ｕｓｅｒ０００１」のユーザデータを読み出し，前記ＤＳメモリ１０２に記憶するステップ１２０２を実行する。
【０１３７】
次に，前記ＤＳ制御部１０１は，前記実施記録履歴テーブル５１０からユーザＩＤ「ｕｓｅｒ０００１」の実施記録履歴を読み出し，前記ＤＳメモリ１０２に記憶するステップ１２０３を実行する。
【０１３８】
次に，前記ＤＳ制御部１０１は，前記ＤＳメモリ１０２に記憶されたユーザデータと，実施記録履歴と，をもとに更新用ユーザデータを抽出し，前記ＤＳメモリ１０２に記憶するステップ１２０４を実行する。
【０１３９】
例えば，アラート例１１１０Ｃの場合，４月３日から過去（例えば４週間前）のユーザデータのうち，実施記録履歴テーブル５１０の前記異常フラグフィールド５１５に異常フラグが「０」（異常なし）の日付と同じ日付のユーザデータを抽出する。
【０１４０】
次に，前記ＤＳ制御部１０１は，前記知識ベース生成部１０９を起動し，前記ＤＳメモリ１０２に記憶された更新用ユーザデータから生活リズム異常判定知識を算出するステップ１２０５を実行する。
【０１４１】
例えば，特徴量「起床時刻」（特徴量ＩＤ「ＳＬ＿Ｅ」）の場合，平均値ｍと標準偏差σを算出し，前記フィールド４４３〜４４４に格納する。例えば，平均値ｍが「０７：００」，標準偏差σが「６０分」の場合，前記フィールド４４３に「０７：００」，前記フィールド４４４に上限値ｍ＋σとして「＜０８：００」を格納する。
【０１４２】
次に，前記ＤＳ制御部１０１は，前記ステップ１２０５で算出した知識を，前記知識ベースに格納し，知識ベースを更新するステップ１２０６を実行する。
【０１４３】
図１３に，前記ステップ１１０６で更新された知識ベースの例１３００を示す。レコードの例１３４０Bで示すように，生活リズムの特徴量ＩＤ「ＳＬ＿Ｅ」のパラメータが更新されていることが判る。
【０１４４】
これにより，次回以降，同じ生活状態，例えば，レコード３１０Ｃのような生活状態の場合でも，アラートが出力されなくなる。
【０１４５】
このように，スタッフが入力した実施記録を利用して，生活リズムの特徴量を更新することにより，アラート判定の正確性が向上し，不要なアラートを減少することができるので，業務効率の向上が可能となる。
【０１４６】
以上説明した生活見守りシステムにより，スタッフは，入居者の体調異常を即時把握でき，迅速な対応を行うことが可能となる。
【０１４７】
また，スタッフが入力した実施記録を利用して，生活リズムの特徴量を更新することにより，アラート判定の正確性が向上し，不要なアラートを減少することができるので，業務効率の向上が可能となる。
【０１４８】
さらに，ユーザはスタッフから見守られているという意識を得られるので，施設内での生活を安心して生活することが可能となる。
【図面の簡単な説明】
【０１４９】
【図１】本発明の実施例である生活状態通知システムの構成図。
【図２】ユーザ情報データベースの例。
【図３】データ蓄積データベースの例。
【図４】知識ベースの例。
【図５】アラート履歴データベースの例。
【図６】装着型デバイスの動作を表すフローチャート。
【図７】無線中継器の動作を表すフローチャート。
【図８】データ受信時のデータサーバの動作を表すフローチャート。
【図９】生活リズム判定時のデータサーバの動作を表すフローチャート。
【図１０】ＤＳメモリの例。
【図１１】スタッフ用端末の画面の例。
【図１２】知識ベース更新時のデータサーバの動作を表すフローチャート。
【図１３】更新された知識ベースの例。
【図１４】装着型デバイスがリストバンドに組み込まれているときの構成図。
【図１５】起床後体動量を用いた起床後の行動パターンの異常判定の概念図。
【図１６】起床後体動量の異常判定時のデータサーバの動作を表すフローチャート。
【符号の説明】
【０１５０】
１００ データサーバ，
１０１ ＤＳ制御部，１０２ ＤＳメモリ，１０５ 生活状態判定部，１０６ 生活リズム判定部，１０７ アラート判定部，１０８ ＤＳ通信部，１０９ 知識ベース生成部，１１１ ユーザ情報データベース，１１２ データ蓄積データベース，１１３ 知識ベース，１１４ 実施記録履歴データベース，
１２０ スタッフ用端末，
１４０ ネットワーク，
１５０ 装着型デバイス，
１５１ ＷＤ制御部，１５２ ＷＤメモリ，１５３ ＷＤ＿ＩＤ記憶部，
１５４ ＷＤ演算部，１５５ ＷＤ無線通信部，１５６ 脈波センサ，
１５８ 温度センサ，１５９ 体動センサ，
１７０ 無線中継器，
２００ ユーザ情報データベース１１１の例，
２１０ ユーザ個人情報テーブル，
３００ データ蓄積データベース１１２の例，
３１０ ユーザデータ履歴テーブル，
４００ 知識ベース１１３の例，
４２０ 生活状態判定知識テーブル，
４４０ 生活リズム異常判定知識テーブル，
５００ 実施記録履歴データベース１１４の例，
５１０ 実施記録履歴テーブル，
６０１〜６０５ 装着型デバイス１５０の動作を表わすフローチャートの各ステップ，
７０１〜７０３ 無線中継器１７０の動作を表わすフローチャートの各ステップ，
８０１〜８０８ データサーバ１００のデータ受信時の動作を表わすフローチャートの各ステップ，
９０１〜９１９ データサーバ１００の生活リズムを判定するときの動作を表わすフローチャートの各ステップ，
１６０１〜１６０６ データサーバ１００の起床後体動量の異常を判定するときの動作を表わすフローチャートの各ステップ，
１０００ ＤＳメモリ１０２の例，
１１００ スタッフ用端末の画面例，
１２０１〜１２０５ データサーバ１００の知識ベース更新時の動作を表わすフローチャートの各ステップ，
１３００ 更新された知識ベースの例。
【特許請求の範囲】
【請求項１】
体動量を算出する体動センサを具備し生体に装着される装着型デバイスと、前記装着型デバイスの検出信号に基づいて睡眠状態を含む特定日時の生活状態を判定する生活状態判定部と、該生活状態の時系列と検出信号から生活リズムの特徴量を算出する生活リズム判定部と，特徴量の異常の有無を判定する知識データを格納する知識データベースと，該知識データベースと該特徴量を用いて，生活リズムの異常を判定するアラート判定部と，該アラート判定部の判定結果をアラート情報として出力する出力部と，で構成される生活見守りシステムであって，
該知識データベースに，基準起床時刻と，該基準起床時刻との差に応じた行動パターンの特徴量の基準値を知識データとして格納し，該生活リズム判定部が，睡眠状態から他の生活状態へ遷移する時刻である起床時刻と，該起床時刻後の行動パターンの特徴量を算出し，該アラート判定部が，該基準起床時刻と該起床時刻との差に応じて基準値を変え，起床後の行動パターンの異常を判定する，ことを特徴とする生活見守りシステム。
【請求項２】
請求項１に記載の生活見守りシステムであって，起床後の行動パターンの特徴量として，起床時刻後における既定時間内の体動量の平均値を用いることを特徴とする生活見守りシステム。
【請求項１】
体動量を算出する体動センサを具備し生体に装着される装着型デバイスと、前記装着型デバイスの検出信号に基づいて睡眠状態を含む特定日時の生活状態を判定する生活状態判定部と、該生活状態の時系列と検出信号から生活リズムの特徴量を算出する生活リズム判定部と，特徴量の異常の有無を判定する知識データを格納する知識データベースと，該知識データベースと該特徴量を用いて，生活リズムの異常を判定するアラート判定部と，該アラート判定部の判定結果をアラート情報として出力する出力部と，で構成される生活見守りシステムであって，
該知識データベースに，基準起床時刻と，該基準起床時刻との差に応じた行動パターンの特徴量の基準値を知識データとして格納し，該生活リズム判定部が，睡眠状態から他の生活状態へ遷移する時刻である起床時刻と，該起床時刻後の行動パターンの特徴量を算出し，該アラート判定部が，該基準起床時刻と該起床時刻との差に応じて基準値を変え，起床後の行動パターンの異常を判定する，ことを特徴とする生活見守りシステム。
【請求項２】
請求項１に記載の生活見守りシステムであって，起床後の行動パターンの特徴量として，起床時刻後における既定時間内の体動量の平均値を用いることを特徴とする生活見守りシステム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【公開番号】特開２００７−１９０３０６（Ｐ２００７−１９０３０６Ａ）
【公開日】平成１９年８月２日（２００７．８．２）
【国際特許分類】
【出願番号】特願２００６−１３３２１（Ｐ２００６−１３３２１）
【出願日】平成１８年１月２３日（２００６．１．２３）
【公序良俗違反の表示】
（特許庁注：以下のものは登録商標）
１．ＺＩＧＢＥＥ
２．Ｂｌｕｅｔｏｏｔｈ
【出願人】（０００００５１０８）株式会社日立製作所 (27,607)
【Ｆターム（参考）】
【公開日】平成１９年８月２日（２００７．８．２）
【国際特許分類】
【出願日】平成１８年１月２３日（２００６．１．２３）
【公序良俗違反の表示】
（特許庁注：以下のものは登録商標）
１．ＺＩＧＢＥＥ
２．Ｂｌｕｅｔｏｏｔｈ
【出願人】（０００００５１０８）株式会社日立製作所 (27,607)
【Ｆターム（参考）】
[ Back to top ]