病気予測システム及び病気予測方法
【課題】気象条件に応じて病気が発生しやすいエリアの予測精度を高めることが可能な病気予測システム及び病気予測方法を提供すること。
【解決手段】病気予測システム１は、病気の発生予測の対象地域に分散して配置される複数の気象計測装置２と、病気予測装置４と、を含む。病気予測装置４は、複数の気象計測装置２の各々が計測した気象データを取得する気象データ取得部２１と、気象データ取得部が取得した気象データを利用して、気象を予測する気象予測部２２と、気象予測部２２の予測結果を、気象条件と病気との対応情報と照合し、病気別に発生する危険度を予測して病気予測情報を生成する病気予測情報生成部２３と、を含む。
【解決手段】病気予測システム１は、病気の発生予測の対象地域に分散して配置される複数の気象計測装置２と、病気予測装置４と、を含む。病気予測装置４は、複数の気象計測装置２の各々が計測した気象データを取得する気象データ取得部２１と、気象データ取得部が取得した気象データを利用して、気象を予測する気象予測部２２と、気象予測部２２の予測結果を、気象条件と病気との対応情報と照合し、病気別に発生する危険度を予測して病気予測情報を生成する病気予測情報生成部２３と、を含む。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、病気予測システム及び病気予測方法に関する。
【背景技術】
【０００２】
気象条件がトリガーとなって発生すると考えられる病気が知られている。片頭痛、乾燥肌、うつ病、リュウマチ、脳梗塞、脳出血、心筋梗塞などの健康および精神的な病気の原因は様々な要因が重なり合って発生するものであり、それら病気の原因の一つとして気象条件が挙げられている。これらの病気がどのような気象条件の時に発生するかを正確に予想することは難しいと言われている。その難しい予報の１つとして、広島県医師会と日本気象協会が共同して、全国に先駆けて「心筋梗塞・脳卒中予報」を提供している。広島県の過去の救急搬送のデータから、一日の平均気温が６度未満になると、６度以上の時より心筋梗塞の患者の搬送患者が増えることがわかった。これに加え、平均気圧が、１０１３へクトパスカル未満だとより搬送患者が多くなった。また、気温、気圧に関わらず、寒冷前線が通過する時なども患者が多かった。こうした結果から、心筋梗塞では３段階で、県を北部、南部に２分して危険度を予報している。
【０００３】
この他にも、気象情報に基づいて病気の発生を予想する手法として以下に示すようなものが提案されている。
【０００４】
特許文献１では、「インターネットを介して気象情報をユーザーに提供する気象情報の提供方法であって、ＷＷＷサーバーもしくはクライアント端末は、ユーザー固有のソフトウェアプロセスを備え、上記ユーザー固有のソフトウェアプロセスは、ユーザーの要求に応じて、ユーザー属性に基づいて気象情報を収集・監視・加工しユーザーに提供することを特徴とする気象情報の提供方法」等が提案されている。特に、「００３７」段落には、「また、気象は、いろいろな分野と密接にかかわっており、防災業務以外でも、さまざまな分野に、気象情報を積極的に活用していこう、という、動きが、民間気象会社を中心に出てきている。その１つが「医療と気象」であり、主に、民間気象会社の人間によるサービス提供が行われている。例えば、低気圧の接近してくる時には、腰痛などの疾病が発生しやすいことが知られている。また、２月から４月にかけ、気温が高く、風が強い日には、空気中の花粉量が増大し、花粉症の症状が悪化することが知られている。また、９月〜１０月にかけ気温が急激に低くなる日には、喘息の発作が起きやすくなることが知られている。」と記載されている。
【０００５】
特許文献２では、「健康管理委託会員と管理センターと医療機関の三者間において、公衆回線、専用回線、ＣＡＴＶ回線などを利用して双方向映像・音声・データ通信機能を具備したコンピュータネットワークシステムを構築し、端末器を介して入力・送信される会員の日々の健康データをサービスセンターと医療機関の端末器に表示させて監視するとともに会員の個別データベースとして蓄積し、逐次健康・医療アドバイスを遂行するとともに、体の機能に影響を与える気象因子を説明変数、疾病発生を目的変数として数量化理論II類に基づく多変量解析を行って気象と疾病発生予測との相関関係を明らかにしたモデル判別式を作成し、気象変化の予想とともに疾病発生確立を予測して疾病発生の予防を図ることを特徴とする在宅健康管理システム」等が提案されている。特に、「００３６」段落には、「管理センターＣＳには各種情報の入出力を行うとともに会員ＨＭから送られてくる日々の健康データを監視する端末器、当該日々の健康データをデータベース化して蓄えるサーバー、日々の健康データとデータベース内データを比較して異常の有無を判断する演算処理装置、刻々と変化する気象データの精細情報を取得する端末器、取得した気象データを蓄える気象データベースサーバー、気象状況と健康データとの相関関係に基いて疾病の発生確率を予測し、データベース化した気象−疾病データベースなどが設置されている。」と記載されている。
【０００６】
特許文献３では、「利用者個人についての医学気象予報情報を配信する医学気象予報配信システムであって、入力される気象情報及び入力される医学情報並びに前記利用者についての健康状態等の身体的特徴を示す個人データに基づいた、個人ごとの医学気象予報情報を配信することを特徴とする医学気象予報配信システム」等が提案されている。
【０００７】
特許文献４では、「ネットワークを介して接続された移動端末と解析センターとを含み、前記移動端末を保持するユーザーの疾患の罹患可能性を判断する診断支援システムであって、前記移動端末は、前記ユーザーから採取した試料中に前記疾患の罹患を特徴的に示す特徴成分が存在するか否かを検出する検出部と、前記検出部による検出結果をユーザーの症状を示す症状データとして前記解析センターに送信する送信処理部と、を含み、前記解析センターは、前記症状データを、前記移動端末から前記症状データが送信されたときの前記移動端末の位置に対応付けて取得するデータ取得部と、前記症状データと前記疾患の罹患者に発生する特徴を示す参照パラメーターとに基づき、前記ユーザーが前記疾患に罹患している罹患可能性を計算する罹患可能性計算部と、複数の前記ユーザーの前記罹患可能性と対応する前記位置とに基づき、エリア毎に前記疾患の罹患者の存在状況を推定する推定処理部と、を含むことを特徴とする診断支援システム」等が提案されている。
【０００８】
特許文献５では、「環境変化や流行病の傾向を表わす環境因子を取得する環境因子取得手段と、前記取得した環境因子又は該環境因子の組み合わせを基に所定の疾病の発生を予測する疾病予測手段と、予め前記疾病の発生するリスクを有する通知対象者の群を記憶しておき、前記発生が予測された疾病の情報を受けて、該疾病の発生するリスクに対応する群を検索する通知対象者管理手段と、前記検索された群に含まれる前記通知対象者に警告を通知する警告手段とを備えることを特徴とする疾病管理装置」等が提案されている。
【０００９】
特許文献６では、「健康食品、機能性食品、機能性飲料、栄養補助食品、調味料、もしくはサプリメントなどの食品類あるいは薬剤を複数収容した収容手段と、前記収容手段のそれぞれの収容物を指示に基づいて出力する吐出部と、利用者の生体データ値を検出する生体センサーと、操作部あるいは外部から入力される利用者の行動に関するスケジュールデータを記憶するスケジュール記憶部と、前記生体センサーによって検出された前記生体データ値と、前記スケジュール記憶部に記憶された前記スケジュールデータとにより、前記収容物のそれぞれの中から適した配合を決定すると共に、前記吐出部を介して前記決定に応じた前記収容物を出力させる制御手段と、を備えたことを特徴とする配合出力装置」等が提案されている。
【００１０】
特許文献７では、「将来の疾病症状を、過去の疾病症状時系列データと、過去の環境に関する時系列データと、将来の環境予測データとの関数とみなし、前記データが得られるごとに、前記関数に含まれる係数を推定し、疾病症状の予測式を算出し、最新の前記データを前記疾病症状の予測式に入力し、前記疾病症状の予測式の値により将来の疾病症状を予測し、症状に応じた対策情報を提供する、ことを特徴とする疾病対策支援方法」等が提案されている。
【００１１】
特許文献８では、「ネギ栽培圃場ごとに計測された気温とネギ葉面の濡れとに基づき予測モデルを用いて、降水量と風速データを参考にネギに感染した日、およびその発病の急増日を予測する方法」等が提案されている。
【先行技術文献】
【特許文献】
【００１２】
【特許文献１】特開２００２−２５１４８４号公報
【特許文献２】特開２００１−０６７４０３号公報
【特許文献３】特開２００２−３１１１５８号公報
【特許文献４】再公表ＷＯ２００４／０９８４０２号公報
【特許文献５】特開２００８−１６５７１６号公報
【特許文献６】特開２００８−２３７７１８号公報
【特許文献７】特開２００５−０６３２１８号公報
【特許文献８】特開２００８−１２５４９６号公報
【発明の概要】
【発明が解決しようとする課題】
【００１３】
しかしながら、県を２分した予報では、特に注意すべき時間帯、地域が、わかりづらいという問題がある。また、特許文献１乃至８の手法では、一般的な広域の気象情報を使用して病気の予測を行うため、病気が発生しやすいエリアや時間の予測精度が粗いという問題がある。
【００１４】
本発明は、以上のような問題点に鑑みてなされたものであり、本発明のいくつかの態様によれば、気象条件に応じて病気が発生しやすいエリアの予測精度を高めることが可能な病気予測システム及び病気予測方法を提供することができる。
【課題を解決するための手段】
【００１５】
本発明は前述の課題の少なくとも一部を解決するためになされたものであり、以下の態様または適用例として実現することが可能である。
【００１６】
［適用例１］
本適用例に係る病気予測システムは、病気の発生予測の対象地域に分散して配置される複数の気象計測装置と、前記複数の気象計測装置の各々が計測した気象データを利用して、病気の発生を予測する病気予測装置と、を含み、前記病気予測装置は、前記気象データを取得する気象データ取得部と、前記気象データ取得部が取得した気象データを利用して、気象を予測する気象予測部と、前記気象予測部の予測結果を、気象条件と病気との対応情報と照合し、病気別に発生する危険度を予測して病気予測情報を生成する病気予測情報生成部と、を含む。
【００１７】
この病気予測システムによれば、病気の発生予測の対象地域に複数の気象計測装置を分散して配置し、各気象計測装置が計測する気象データを取得することで、広域的な気象情報と比較して、より狭いエリア毎の詳細な気象情報が得られる。そして、このエリア毎の詳細な気象情報を用いて気象に関係する病気の発生を予測するので、気象条件に応じて病気が発生しやすいエリアの予測精度を高めることができる。
【００１８】
［適用例２］
上記適用例に係る病気予測システムにおいて、前記病気予測情報は、病気の種類毎に、病気が発生する危険度と病気が発生するエリアとの対応関係の情報を含むようにしてもよい。
【００１９】
このようにすれば、病気別の危険度が高いエリアの情報を提供することができる。
【００２０】
［適用例３］
上記適用例に係る病気予測システムにおいて、前記複数の気象計測装置の各々は、気圧センサーを備え、前記病気予測装置は、前記気象予測部が、前記気象データ取得部が取得した気象データに含まれる気圧データから得られる気圧変化の情報を利用して、気象を予測するようにしてもよい。
【００２１】
［適用例４］
上記適用例に係る病気予測システムにおいて、前記病気予測装置は、前記気象予測部が、前記気圧変化の情報に基づいて所与の気象変動が発生するか否かを判定し、判定結果に基づいて気象を予測するようにしてもよい。
【００２２】
このようにすれば、局地的な気象変動を考慮したより正確な気象予測を行うことができる。
【００２３】
［適用例５］
上記適用例に係る病気予測システムにおいて、前記病気予測装置は、前記気象予測部が、前記気象データ取得部が取得した気象データに含まれる気圧データから得られる気圧傾度の変化の情報を利用して、気象を予測するようにしてもよい。
【００２４】
気圧傾度は２点間の気圧差に相当し、気圧傾度と風向・風速の間には相関があるので、気圧傾度の変化の情報から概略的な風向・風速を知ることができる。また、気圧傾度の変化から、局地的な気象変動を引き起こす局地的な低気圧の移動速度や移動方向を推測することができる。従って、気圧変化の情報と合わせて気圧傾度の変化の情報を利用することで、気象予測の精度を高めることが期待できる。
【００２５】
［適用例６］
上記適用例に係る病気予測システムにおいて、前記病気予測装置は、前記病気予測情報生成部が、ユーザー毎の特性を示すユーザー情報を利用して、ユーザー毎に前記病気予測情報を生成するようにしてもよい。
【００２６】
このようにすれば、ユーザーの特性に応じてカスタマイズされた予測精度の高い病気予測情報を提供することができる。
【００２７】
［適用例７］
上記適用例に係る病気予測システムにおいて、前記病気予測装置は、病気を発症する危険度が所定レベル以上のユーザーの情報端末に、注意を喚起する情報を送信するようにしてもよい。
【００２８】
このようにすれば、発病する危険性の高いユーザーが行動を自粛する等して発病を未然に防ぐことが期待できる。
【００２９】
［適用例８］
上記適用例に係る病気予測システムにおいて、前記病気予測装置は、ユーザー毎に、病気を発症する危険度に応じた時間間隔で、前記注意を喚起する情報を繰り返し送信するようにしてもよい。
【００３０】
たとえば、病気を発症する危険度が高いユーザーほど短い時間間隔で注意を喚起する情報を繰り返し送信すれば、危険性を自覚させることができる。
【００３１】
［適用例９］
本適用例に係る病気予測方法は、分散して配置される複数の気象計測装置の各々から気象データを取得する気象データ取得ステップと、前記気象データ取得ステップで取得した気象データを利用して、気象を予測する気象予測ステップと、前記気象予測ステップでの予測結果を、気象条件と病気との対応情報と照合し、病気別に発生する危険度を予測して病気予測情報を生成する病気予測情報生成ステップと、を含む。
【００３２】
［適用例１０］
上記適用例に係る病気予測システムにおいて、前記気象計測装置は、前記気圧センサーが、気圧に応じて共振周波数を変化させる感圧素子を有し、当該感圧素子の振動周波数に応じた気圧データを出力するようにしてもよい。
【００３３】
一般に気象観測に用いられる気圧計の分解能はｈＰａオーダーであるのに対して、周波数変化型の気圧センサーは、感圧素子の振動周波数を高い周波数のクロック信号で計測することで比較的容易にＰａオーダーの測定分解能を得ることができる。また、周波数変化型の気圧センサーは、気圧がゆっくり変化しているのか、あるいは急激に変化しているのか、気圧の変動量(気圧の変化具合)を高精度に検出することができる。そして、高分解能な周波数変化型の気圧センサーを用いることで短時間におけるわずかな気圧の変化を捉えて、局地的に発生して短時間に消滅する気象変動を予測するために有効な情報を提供することができる。この情報を解析することで、気象変動を精度よく予測することができる。
【００３４】
［適用例１１］
上記適用例に係る病気予測システムにおいて、前記気象計測装置は、前記感圧素子が、双音叉圧電振動子であるようにしてもよい。
【００３５】
感圧素子として双音叉圧電振動子を用いることで、より高い分解能の気圧センサーを実現することができる。
【００３６】
［適用例１２］
本適用例に係るプログラムは、コンピューターを、分散して配置される複数の気象計測装置の各々から気象データを取得する気象データ取得部と、前記気象データ取得部が取得した気象データを利用して、気象を予測する気象予測部と、前記気象予測部の予測結果を、気象条件と病気との対応情報と照合し、病気別に発生する危険度を予測して病気予測情報を生成する病気予測情報生成部として機能させる。
【００３７】
［適用例１３］
本適用例に係る記録媒体は、上記適用例に係るプログラムを記録した、コンピューター読み取り可能な記録媒体である。
【図面の簡単な説明】
【００３８】
【図１】分散配置された気象計測装置の一例を示す図。
【図２】本実施形態の病気予測システムの構成例を示す図。
【図３】気象計測装置の構成例を示す図。
【図４】病気予測装置の構成例を示す図。
【図５】気象条件・病気対応情報の一例を示す図。
【図６】病気予測装置の処理のフローチャートの一例を示す図。
【図７】病気予測情報の一例を示す図。
【図８】病気予測の画像の一例を示す図。
【図９】気圧センサーの構成例を示す図。
【図１０】圧力センサー素子の断面の模式図。
【図１１】圧力センサー素子の断面の模式図。
【図１２】振動片およびダイヤフラムを模式的に示す下面図。
【図１３】気象変動判定テーブルの一例を示す図。
【図１４】第２実施形態における病気予測装置の処理のフローチャートの一例を示す図。
【図１５】ユーザー情報の一例を示す図。
【図１６】第３実施形態における病気予測装置の処理のフローチャートの一例を示す図。
【発明を実施するための形態】
【００３９】
以下、本発明の好適な実施形態について図面を用いて詳細に説明する。なお、以下に説明する実施の形態は、特許請求の範囲に記載された本発明の内容を不当に限定するものではない。また以下で説明される構成の全てが本発明の必須構成要件であるとは限らない。
【００４０】
１．第１実施形態
１−１．病気予測システムの概要
本実施形態の病気予測システムは、病気の発生予測の対象地域に分散して配置された多数の気象計測装置がそれぞれ計測する気象データから気象状況の推移を時間的にもエリア的にも精度よく予測し、気象の予測結果から、気象条件と相関があると考えられる病気の各々の危険度をエリア毎に予測する。
【００４１】
図１に示すように、本実施形態では、病気の発生予測の対象地域に、多数の気象計測装置２（白抜きの丸で表示）が碁盤目状に分散配置され、各気象計測装置２をノードとする観測メッシュが形成される。ただし、病気の発生予測の対象地域に複数の気象計測装置２が分散配置されていればよく、碁盤目状に配置されていなくてもよい。気象計測装置２は、例えば、ビルや家屋等の建物（不図示）などに配置される。
【００４２】
本実施形態における観測メッシュでは、４つのノードによって１つの矩形状のエリアが形成されている。各エリアの１辺の長さ（ノード間の距離）は、気象計測装置２を分散配置する地域の気候やその他の状況を考慮して、十分な精度で気象の予測が可能な値（例えば、数百ｍ〜数ｋｍ程度）に設定される。この観測メッシュの１つのエリアは、アメダス（ＡＭｅＤＡＳ：「Automated Meteorological Data Acquisition System」）と呼ばれる地域気象観測システムにおける観測メッシュの１区画（約２１ｋｍ×２１ｋｍ）と比べて十分に小さいものとなっており、アメダス（ＡＭｅＤＡＳ）では観測できない局地的な気象変動を捉えることを可能とする。
【００４３】
ノード間の距離は一定でなくてもよく、例えば、気象計測装置２は、携帯電話等の基地局、コンビニエンスストア、スマートグリッドの電気メーターなどに設置されていてもよい。なお、図１では、便宜上、区画の境界線を破線で表示しているが、実際にはこのような境界線を表示する必要はない。
【００４４】
各気象計測装置２は、一定周期で各地点の気象を計測し、計測した気象データを不図示の病気予測装置に送信する。病気予測装置は、各気象計測装置２からの気象データを受信し、受信した気象データに基づいて気象状況の推移を予測し、気象の予測結果を、過去の統計データから抽出された気象条件と病気の発生との対応情報（気象条件・病気対応情報）と照合することで、エリア毎に病気別の危険度を精度よく予測する。病気予測装置は、気象計測装置２が分散配置された地域内又は当該地域外のいずれに設置されていてもよい。例えば、インターネット等の通信ネットワークに接続されたサーバーを病気予測装置としてもよい。
【００４５】
１−２．病気予測システムの構成
［全体構成］
図２は、本実施形態の病気予測システムの構成例を示す図である。本実施形態の病気予測システムは、図２の構成要素（各部）の一部を省略したり、他の構成要素を付加した構成としてもよい。
【００４６】
図２に示すように、本実施形態の病気予測システム１は、複数の気象計測装置２と、病気予測装置４を含む。
【００４７】
各気象計測装置２は、各地点の気象をリアルタイムに計測し、計測した気象データを、通信ネットワーク３（インターネットやＬＡＮ等）を介して病気予測装置４（サーバー）に送信する。
【００４８】
病気予測装置４は、通信ネットワーク３を介して、各気象計測装置２から気象データを受信し、気象条件を加味したエリア毎の病気別の危険度を予測する。このエリア毎の病気別の危険度の情報は、病気予測装置４の表示部にリアルタイムに表示され、あるいは、通信ネットワーク３を介して情報端末６に送られ、情報端末６の表示部にリアルタイムに表示される。
【００４９】
［気象計測装置の構成］
図３は、図２の気象計測装置２の構成例を示す図である。図３に示すように、本実施形態では、各気象計測装置２は、気圧センサー１０、温度センサー１１、湿度センサー１２を備える。ただし、気象計測装置２は、気圧センサー１０、温度センサー１１、湿度センサー１２の一部を備えていなくてもよいし、逆に、他のセンサー（例えば、風速センサー等）を備えていてもよい。
【００５０】
気象計測装置２は、例えば秒オーダーあるいは分オーダーの周期でリアルタイムに気象を計測し、気圧センサー１０、温度センサー１１、湿度センサー１２により計測された気象データ（気圧データ、温度データ、湿度データ）は、送信部１４により病気予測装置４に送信される。
【００５１】
［病気予測装置の構成］
図４は、図２の病気予測装置４の構成例を示す図である。図４に示すように、本実施形態では、病気予測装置４は、処理部（ＣＰＵ：Central Processing Unit）２０、操作部３０、通信部３２、記憶部３４、記録媒体３６、表示部３８を含んで構成されている。本実施形態の病気予測装置は、図４の構成要素（各部）の一部を省略したり、他の構成要素を付加した構成としてもよい。
【００５２】
操作部３０は、操作キーやボタンスイッチ等により構成される入力装置であり、操作部３０の操作に応じた操作信号を処理部（ＣＰＵ）２０に出力する。
【００５３】
表示部３８は、ＬＣＤ（Liquid Crystal Display）等により構成される表示装置であり、処理部（ＣＰＵ）２０から入力される表示信号に基づいて各種の情報を表示する。
【００５４】
記憶部３４は、処理部（ＣＰＵ）２０が各種の計算処理や制御処理を行うためのプログラムやデータ等を記憶している。また、記憶部３４は、処理部（ＣＰＵ）２０の作業領域として用いられ、記録媒体３６から読み出されたプログラムやデータ、通信部３２を介して受信したデータや処理部（ＣＰＵ）２０が各種プログラムに従って実行した演算結果等を一時的に記憶するためにも使用される。
【００５５】
処理部（ＣＰＵ）２０は、記憶部３４や記録媒体３６に記憶されているプログラムに従って、各種の計算処理や制御処理を行う。例えば、処理部（ＣＰＵ）２０は、操作部３０からの操作信号に応じた各種の処理、表示部３８に各種の情報を表示させる処理、通信部３２を介してデータを受け取って各種の計算処理を行う。また、処理部（ＣＰＵ）２０は、通信部３２を介した各気象計測装置２や各情報端末６とのデータ通信を制御する処理等を行う。
【００５６】
特に、本実施形態では、処理部（ＣＰＵ）２０は、気象データ取得部２１、気象予測部２２、病気予測情報生成部２３、通信制御部２４、表示制御部２５を含む。ただし、本実施形態の処理部（ＣＰＵ）２０は、これらの一部の構成（要素）を省略したり、他の構成（要素）を追加した構成としてもよい。
【００５７】
気象データ取得部２１は、通信部３２から送られてくる気象データ（複数の気象計測装置２が計測した気象データ）を、気象計測装置２の識別ＩＤと対応づけて継続して取得する処理を行う。具体的には、気象データ取得部２１は、各気象データを受け取り、受け取った各気象データを気象計測装置２毎に割り当てられた識別ＩＤと対応づけて順番に記憶部３４に保存する。
【００５８】
気象予測部２２は、気象データ取得部２１が取得した気象データに基づいて、気象を予測する処理を行う。
【００５９】
病気予測情報生成部２３は、気象予測部２２の予測結果を、気象条件と病気との対応情報（気象条件・病気対応情報）と照合し、病気別に発生する危険度を予測して病気予測情報（病気別の危険度の予測情報）を生成する処理を行う。
【００６０】
通信制御部２４は、通信部３２を介する各気象計測装置２や各情報端末６とのデータ通信等を制御する処理を行う。特に、本実施形態では、通信制御部２４は、通信部３２を介して、各気象計測装置２から気象データを受信し、病気予測情報を各情報端末６に送信する。
【００６１】
表示制御部２５は、表示部３８への情報の表示を制御する処理を行う。特に、本実施形態では、表示制御部２５は、病気予測情報生成部が生成した病気予測情報を画像に変換して表示部３８に表示する。表示部３８に表示される画像は、ユーザーによる操作部３０の操作に応じて選択される。
【００６２】
記録媒体３６は、コンピューター読み取り可能な記録媒体であり、特に本実施形態では、コンピューターを上記の各部として機能させるためのプログラムが記憶されている。そして、本実施形態の処理部（ＣＰＵ）２０は、記録媒体３６に記憶されているプログラムを実行することで、気象データ取得部２１、気象予測部２２、病気予測情報生成部２３、通信制御部２４、表示制御部２５として機能する。あるいは、通信部３２等を介して有線又は無線の通信ネットワークに接続された他のサーバーから当該プログラムを受信し、受信したプログラムを記憶部３４や記録媒体３６に記憶して当該プログラムを実行するようにしてもよい。ただし、気象データ取得部２１、気象予測部２２、病気予測情報生成部２３、通信制御部２４、表示制御部２５の少なくとも一部をハードウェア（専用回路）で実現してもよい。
【００６３】
なお、記録媒体３６は、例えば、光ディスク（ＣＤ、ＤＶＤ）、光磁気ディスク（ＭＯ）、磁気ディスク、ハードディスク、磁気テープ、メモリー（ＲＯＭ、フラッシュメモリーなど）により実現することができる。
【００６４】
本実施形態では、記憶部３４あるいは記録媒体３６には、特に、気象条件と病気の種類との対応関係を示す、気象条件・病気対応情報が記憶されている。
【００６５】
図５は、気象条件・病気対応情報の一例を示す図である。図５に示すように、気象条件・病気対応情報３００は、気象条件（３１０）及び病気の種類（３２０）の情報を含む。図５の例では、気象条件「Ａ１」と病気「Ｂ１」、気象条件「Ａ２」と病気「Ｂ２」、気象条件「Ａ３」と病気「Ｂ３」がそれぞれ対応付けられている。例えば、気象条件「Ａ１」が満たされると、病気「Ｂ１」の発生頻度が高くなることを意味する。
【００６６】
この気象条件・病気対応情報３００は、例えば、過去の発病データと発病時の気象データを統計的に分析して気象条件と病気との因果関係を抽出することにより作成される。過去の発病データとしては、病院に緊急搬送された患者の診察・治療・手術に関するデータ、入院患者や通院患者の診察や治療に関するデータ、患者から定期的に取得した生体データ、患者の体調に関するアンケートの回答等を利用することができる。過去の気象データは、アメダス（ＡＭｅＤＡＳ）等から得られた、発病時の広域気象情報から計算される発病場所の気象データであってもよいし、分散配置された気象計測装置２が計測した気象データを過去の気象データとして利用してもよい。
【００６７】
なお、過去の発病データと発病時の気象データが新たに得られる毎に、気象条件・病気対応情報３００は最新の情報に更新される。
【００６８】
１−３．病気予測装置の処理
図６は、病気予測装置４の処理部（ＣＰＵ）２０の病気予測処理のフローチャートの一例を示す図である。
【００６９】
まず、処理部（ＣＰＵ）２０は、各気象計測装置２が計測した気象データを取得する（Ｓ１０）。この気象データより、各気象計測装置２が設置された各地点の気圧、気温、湿度等の気象の情報が得られる。
【００７０】
次に、処理部（ＣＰＵ）２０は、ステップＳ１０で現在までに取得した気象データの時系列に基づく現在までの各地点の気象の推移から、観測メッシュの各エリアのＴ時間後（例えば、１２時間後）までの気象の推移を予測する（Ｓ１２）。
【００７１】
次に、処理部（ＣＰＵ）２０は、観測メッシュのエリア毎に、ステップＳ１２で得られた気象の推移の予測結果を気象条件・病気対応情報３００と照合し、Ｔ１時間後，Ｔ２時間後，・・・（例えば、１時間後，２時間後，・・・）の病気別の危険度を判定する（Ｓ１４）。
【００７２】
次に、処理部（ＣＰＵ）２０は、ステップＳ１４における観測メッシュのエリア毎の病気別の危険度の判定結果から、病気予測情報（予測時刻、病気の種類、危険度、エリアの対応情報）を作成する（Ｓ１６）。
【００７３】
そして、処理部（ＣＰＵ）２０は、病気予測処理を終了する（Ｓ１８のＹ）まで、所定時間が経過する毎に（Ｓ２０のＹ）、Ｓ１０〜Ｓ１６の処理を繰り返し行う。
【００７４】
図７は、図６のステップＳ１６で作成される病気予測情報の一例を示す図である。図７に示すように、病気予測情報４００は、予測時刻（４１０）、病気の種類（４２０）、危険度（４３０）、エリア（４４０）の対応関係を示す情報である。
【００７５】
予測時刻（４１０）は、現時刻を基準（０）とした時刻である。病気の種類（４２０）は、図５に示した気象条件・病気対応情報３００の病気の種類（３２０）と対応している。危険度（４３０）は、各病気が発生する危険度を段階的（例えば、３段階）に数値で表したものであり、例えば、危険度０は「ほとんど危険なし」、危険度１は「危険」、危険度２は「非常に危険」を意味する。エリア（４４０）は、観測メッシュの各エリアを表す。
【００７６】
図７の例の病気予測情報４００は、現在からＴ１時間後、病気Ａ１の危険度が０のエリアはＸ１，Ｘ６，・・・、病気Ａ１の危険度が１のエリアはＸ２，Ｘ３，・・・、病気Ａ１の危険度が２のエリアはＸ４，Ｘ５，・・・、病気Ａ２の危険度が０のエリアはＸ１，Ｘ２，Ｘ３，Ｘ４，・・・、病気Ａ２の危険度が１又は２のエリアは無いことを示している。
【００７７】
また、図７の例の病気予測情報４００は、現在からＴ２時間後、病気Ａ１の危険度が０のエリアはＸ１，・・・、病気Ａ１の危険度が１のエリアはＸ６，・・・、病気Ａ１の危険度が２のエリアはＸ２，Ｘ３，Ｘ４，Ｘ５，・・・、病気Ａ２の危険度が０のエリアはＸ１，Ｘ２，・・・、病気Ａ２の危険度が１のエリアはＸ３，Ｘ４，・・・、病気Ａ２の危険度が２のエリアは無いことを示している。
【００７８】
この病気予測情報４００は、病気予測装置４の表示部３８に病気予測の画像として表示され、あるいは、情報端末６に送信されて情報端末６の表示部に病気予測の画像として表示される。ユーザーは、病気予測装置４の操作部３０を操作し、あるいは、情報端末６の操作部を操作して予測時刻や病気の種類を選択すると、選択された予測時刻における選択された病気の危険度をエリア毎に示す病気予測の画像が表示されるようにしてもよい。
【００７９】
図８（Ａ）及び図８（Ｂ）は、病気予測の画像の一例を示す図である。図８（Ａ）及び図８（Ｂ）において、格子点が観測メッシュの各ノード（気象観測装置２の設置地点）に対応し、４つの格子点を頂点とする矩形の各々が観測メッシュの各エリアに対応している。図８（Ａ）は現在から１時間後の画像であり、図８（Ｂ）は現在から２時間後の画像である。図８（Ａ）及び図８（Ｂ）において、白色のエリアは選択された病気（例えば、心筋梗塞）の危険度が０（「ほとんど危険なし」）のエリアであり、網掛け模様のエリアは選択された病気の危険度が１（「危険」）のエリアであり、黒色のエリアは選択された病気の危険度が２（「非常に危険」）のエリアである。この画像を見ることで、数時間後の観測メッシュの各エリアの病気別の危険度が容易にわかるので、各ユーザーは、発症しやすい病気に注意しながら行動することができる。
【００８０】
以上に説明したように、第１実施形態の病気予測システムによれば、病気予測装置４は、分散配置された複数の気象計測装置２の各々が計測した気象データを用いて、観測メッシュのエリア毎の詳細な気象条件を解析して当該エリア毎の気象予測を行う。そして、病気予測装置４は、このエリア毎の気象予測をもとに病気別の発生の危険度を予測するので、病気別の発生しやすいエリアの予測精度を高めることができる。各ユーザーは、予測精度の高い病気予測の情報を得ることで、特に発病しやすいエリアにいるユーザーは、注意して行動するようになり、発病を未然に防ぐことが期待できる。
【００８１】
２．第２実施形態
２−１．病気予測システムの概要
第１実施形態の病気予測システムでは、各地点における現在までの気象の推移から、観測メッシュの各エリアの数時間後の気象を予測しているが、例えば、にわか雨が降ると急に湿度が上昇し、気温が低下するので、それまでの気象の推移のみから予測した湿度や気温と実際の湿度や気温に差が生じる。そのため、にわか雨等の局地的な気象変動が発生すると、病気予測の精度が低下するおそれがある。そこで、第２実施形態の病気予測システムでは、各地点における現在までの気象の推移から観測メッシュの各エリアの数時間後の気象を予測するだけでなく、局地的な気象変動を精度よく予測し、気象変動も考慮した病気予測を行う。局地的な気象変動としては、例えば、にわか雨、雷雨、集中豪雨、竜巻、突風などが挙げられるが、これらの気象変動は上昇気流により発達する積雲や積乱雲が発達することで発生する場合が多い。従って、上昇気流に伴う局地的な気圧の変化を捉えることで気象変動を精度よく予測することが可能となる。
【００８２】
２−２．病気予測システムの構成
第２実施形態の病気予測システムの全体構成は、第１実施形態（図２）と同様であるため、図示及び説明を省略する。
【００８３】
［気象計測装置の構成］
気象計測装置２の構成は、第１実施形態（図３）と同様であるため、図示を省略するが、局地的な気圧の変化を捉えて気象変動の予測を可能とするためには、気象計測装置２は、ある程度高分解能の気圧センサー１０を備える必要がある。このような気圧センサー１０としては、圧力の変化を振動子の周波数の変化として捉える周波数変化型、圧力の変化を静電容量の変化として捉える静電容量型、圧力の変化をピエゾ抵抗の抵抗値の変化として捉えるピエゾ抵抗型などのセンサーを適用することができる。ただし、わずかな気圧の変化を捉えて気象変動の発生を早期に予測するためには、出来る限り高分解能な計測が可能な気圧センサーが望ましい。現在のところ、周波数変化型の気圧センサーは、静電容量型やピエゾ抵抗型の気圧センサーよりも高い分解能が得られており、周波数変化型の気圧センサーであれば１Ｐａ以下の分解能も実現可能である。そのため、局地的な気象変動を早期に捉えるためには、周波数変化型の気圧センサー１０を用いるのが有利である。
【００８４】
図９は、周波数変化型の気圧センサー１０の構成例を示す図である。図９に示すように、本実施形態の気圧センサー１０は、圧力センサー素子１００、発振回路１１０、カウンター１２０、ＴＣＸＯ（Temperature Compensated Crystal Oscillator）１３０、ＭＰＵ（Micro Processing Unit）１４０、温度センサー１５０、ＥＥＰＲＯＭ（Electrically Erasable Programmable Read Only Memory）１６０、通信インターフェース（Ｉ／Ｆ）１７０を含んで構成されている。ただし、本実施形態の気圧センサーは、図９の構成要素（各部）の一部を省略したり、他の構成要素を付加した構成としてもよい。
【００８５】
圧力センサー素子１００は、振動片の共振周波数の変化を利用する方式（振動方式）の感圧素子を有している。この感圧素子は、例えば、水晶、ニオブ酸リチウム、タンタル酸リチウム等の圧電材料で形成された圧電振動子であり、例えば、音叉型振動子、双音叉型振動子、ＡＴ振動子（厚みすべり振動子）、ＳＡＷ共振子などが適用される。
【００８６】
特に、双音叉型圧電振動子は、ＡＴ振動子（厚みすべり振動子）などに比べて、伸長・圧縮応力に対する共振周波数の変化が極めて大きく共振周波数の可変幅が大きいので、感圧素子として双音叉型圧電振動子を用いることで、わずかな気圧差を検出可能な高い分解能の気圧センサーを実現することができる。そのため、本実施形態の気圧センサー１０は、感圧素子として双音叉型圧電振動子を用いている。なお、圧電材料として、Ｑ値が高くかつ温度安定性に優れた水晶を選択することで、優れた安定性と最高水準の分解能および精度を実現することができる。
【００８７】
図１０は、本実施形態の圧力センサー素子１００の断面の模式図である。図１１は、本実施形態の圧力センサー素子１００の振動片２２０およびダイヤフラム２１０を模式的に示す下面図である。図１１は、封止板としてのベース２３０を省略して描いてある。図１０は、図１１のＡ−Ａ線の断面に対応する。
【００８８】
圧力センサー素子１００は、ダイヤフラム２１０と、振動片２２０と、封止板としてのベース２３０と、を含む。
【００８９】
ダイヤフラム２１０は、圧力を受圧して撓む可撓部を有する平板状の部材である。ダイヤフラム２１０の外側の面が受圧面２１４となっており、受圧面２１４の裏面側に一対の突起２１２が形成されている。
【００９０】
振動片２２０は、振動ビーム（梁）２２２及び振動ビーム２２２の両端に形成された一対の基部２２４を有する。振動ビーム２２２は、一対の基部２２４の間に両持ち梁状に形成される。一対の基部２２４は、ダイヤフラム２１０に形成された一対の突起２１２にそれぞれ固定される。振動ビーム２２２には図示しない電極が適宜設けられ、電極から駆動信号を供給することで振動ビーム２２２を一定の共振周波数で屈曲振動させることができる。振動片２２０は、圧電性を有する材料で形成される。振動片２２０の材質としては、水晶、タンタル酸リチウム、ニオブ酸リチウム等の圧電材料が挙げられる。振動片２２０は、支持梁２２６によって枠部２２８に支持されている。
【００９１】
ベース２３０は、ダイヤフラム２１０と接合されて、ダイヤフラム２１０との間にキャビティー２３２を形成する。キャビティー２３２を減圧空間とすることにより、振動片２２０のＱ値を高める（ＣＩ値を小さくする）ことができる。
【００９２】
このような構造の圧力センサー素子１００において、ダイヤフラム２１０は、受圧面２１４に圧力を受けた場合に撓み、変形する。すると、振動片２２０の一対の基部２２４が、ダイヤフラム２１０の一対の突起２１２にそれぞれ固定されているため、ダイヤフラム２１０の変形に従って基部２２４間の間隔が変化する。すなわち、圧力センサー素子１００に圧力が印加されたときに、振動ビーム２２２に引張または圧縮の応力を生じさせることができる。
【００９３】
図１２は、圧力センサー素子１００の断面の模式図であり、ダイヤフラム２１０が圧力Ｐによって変形した状態を示している。図１２は、圧力センサー素子１００の外側から内側への力（圧力Ｐ）が作用することにより、ダイヤフラム２１０が素子の内側に向かって凸となる変形が生じた例である。この場合、一対の突起２１２の間の間隔は大きくなる。他方、図示しないが、圧力センサー素子１００の内側から外側への力が作用する場合は、ダイヤフラム２１０が素子の外側に向かって凸となる変形が生じ、一対の突起２１２の間の間隔は小さくなる。従って、両端が一対の突起２１２にそれぞれ固定された振動片２２０の振動ビーム２２２に平行な方向に引張または圧縮の応力が生じる。すなわち、受圧面２１４に対して垂直方向に加わった圧力は、突起（支持部）２１２を介して、振動片２２０の振動ビーム２２２に対して平行な直線方向の応力に変換される。
【００９４】
振動ビーム２２２の共振周波数は、以下のようにして解析することができる。図１０及び図１１に示すように、振動ビーム２２２の長さをｌ、幅をｗ、厚みをｄとすると、振動ビーム２２２の長辺方向に外力Ｆが作用したときの運動方程式は、次式（１）によって近似される。
【００９５】
【数１】
【００９６】
式（１）において、Ｅは縦弾性定数（ヤング率）、ρは密度、Ａは振動ビームの断面積（＝ｗ・ｄ）、ｇは重力加速度、Ｆは外力、ｙは変位、ｘは振動ビームの任意の位置をそれぞれ表す。
【００９７】
式（１）に一般解と境界条件を与えて解くことで、次のような、外力が無い場合の共振周波数の式（２）が得られる。
【００９８】
【数２】
【００９９】
断面２次モーメントＩ＝ｄｗ３／１２、断面積Ａ＝ｄｗ、λＩ＝４．７３より、式（２）は次式（３）のように変形することができる。
【０１００】
【数３】
【０１０１】
従って、外力Ｆ＝０の時の共振周波数ｆ０は、ビームの幅ｗに比例し、長さｌの２乗に反比例する。
【０１０２】
外力Ｆを２本の振動ビームに加えたときの共振周波数ｆＦも同様の手順で求めると、次式（４）が得られる。
【０１０３】
【数４】
【０１０４】
断面２次モーメントＩ＝ｄｗ３／１２より式（４）は次式（５）のように変形することができる。
【０１０５】
【数５】
【０１０６】
式（５）において、ＳＦは応力感度（＝Ｋ・１２／Ｅ・（ｌ／ｗ）２）、σは応力（＝Ｆ／（２Ａ））をそれぞれ表す。
【０１０７】
以上から、圧力センサー素子１００に作用する力Ｆを圧縮方向のとき負、伸張方向のとき正としたとき、力Ｆが圧縮方向に加わると共振周波数ｆＦが減少し、力Ｆが伸縮方向に加わると共振周波数ｆＦが増加する。
【０１０８】
そして、次式（６）に示す多項式を用いて、圧力センサー素子１００の圧力−周波数特性と温度−周波数特性に起因する直線性誤差を補正することで、高分解能かつ高精度の圧力値Ｐを得ることができる。
【０１０９】
【数６】
【０１１０】
式（６）において、ｆｎはセンサー規格化周波数であり、ｆｎ＝（ｆＦ／ｆ０）２で表される。また、ｔは温度であり、α（ｔ）、β（ｔ）、γ（ｔ）、δ（ｔ）は、それぞれ次式（７）〜（１０）で表される。
【０１１１】
【数７】
【０１１２】
【数８】
【０１１３】
【数９】
【０１１４】
【数１０】
【０１１５】
式（７）〜（１０）において、ａ〜ｐは補正係数である。
【０１１６】
すなわち、圧力センサー素子１００の出力信号の周波数を計測することで、振動ビーム２２０の振動周波数（力Ｆが作用した時の共振周波数ｆＦ）が得られ、あらかじめ測定された共振周波数ｆ０や補正係数ａ〜ｐを用いて、式（６）から圧力Ｐを計算することができる。
【０１１７】
図９に戻り、発振回路１１０は、圧力センサー素子１００の振動ビーム２２２を共振周波数で発振させた発振信号を出力する。
【０１１８】
カウンター１２０は、発振回路１１０が出力する発振信号の所定周期を、基準クロック源であるＴＣＸＯ１３０が出力する高精度のクロック信号でカウントするレシプロカルカウンターである。ただし、カウンター１２０を、所定のゲートタイムにおける圧力センサー素子１００の発振信号のパルス数をカウントする直接計数方式の周波数カウンター（ダイレクトカウンター）として構成してもよい。
【０１１９】
ＭＰＵ（Micro Processing Unit）１４０は、カウンター１２０のカウント値から圧力値Ｐを計算する処理を行う。具体的には、ＭＰＵ１４０は、温度センサー１５０の検出値から温度ｔを計算し、ＥＥＰＲＯＭ１６０にあらかじめ記憶されているａ〜ｐの補正係数値を用いて、式（７）〜（１０）よりα（ｔ）、β（ｔ）、γ（ｔ）、δ（ｔ）を計算する。さらに、ＭＰＵ１４０は、カウンター１２０のカウント値とＥＥＰＲＯＭ１６０にあらかじめ記憶されている共振周波数ｆ０の値を用いて、式（６）より圧力値Ｐを計算する。そして、ＭＰＵが計算した圧力値Ｐは、通信インターフェース１７０を介して、気圧センサー１０の外部に出力される。
【０１２０】
このような構成の周波数変化型の気圧センサー１０によれば、圧力センサー素子１００の振動周波数をカウンター１２０によりＴＣＸＯ１３０が出力する高精度かつ高周波数（例えば数十ＭＨｚ）のクロック信号でカウントするとともに、ＭＰＵ１４０でデジタル演算処理により圧力値の計算及び直線性誤差の補正を行うので、Ｐａオーダーの高い分解能かつ高精度の圧力値（気圧データ）を得ることができる。さらに、気圧センサー１０は、カウント時間を考慮しても秒オーダーの周期で気圧データを更新することができるので、短時間におけるわずかな気圧の変化も捉えることができ、リアルタイムの気象計測に適している。
【０１２１】
なお、本実施形態では、基準クロック源としてＴＣＸＯ１３０を用いているが、基準クロック源を、温度補償回路を有さない発振回路、例えば、ＡＴカット水晶振動子を搭載した水晶発振回路で構成しても良い。この場合、温度補償回路を有さない分、気圧変動の検出精度は低下するが、基準クロック源を当該水晶発振回路とするか、或いはＴＣＸＯ１３０とするかは、システムのコストや精度に応じて設計者が適宜選択すればよい。
【０１２２】
［病気予測装置の構成］
第２実施形態における病気予測装置４の構成は、第１実施形態（図４）と同様であるため、図示を省略する。ただし、処理部（ＣＰＵ）２０の気象予測部２２の機能が第１実施形態と異なる。
【０１２３】
気象予測部２２は、気象データ取得部２１が取得した気象データに含まれる気圧データに基づいて、局地的な気象変動の発生の有無を予測し、気象変動の発生が予測される場合には、当該気象変動に伴う気象変化を加味して各地点の気象の推移を予測する処理を行う。
【０１２４】
本実施形態では、記憶部３４に、気象条件に関する判定基準と判定される気象変動との対応関係を定義する気象変動判定テーブル（不図示）が記憶されており、気象予測部２２は、気象データ取得部２１が取得した気象データから得られる気象状況の変化を当該気象変動判定テーブルの各判定基準と照合し、各気象変動が発生するか否かを判定する。例えば、気象変動の前に生じる上昇気流に伴う局地的な低気圧の発生の有無を判定することで気象変動を予測することができるので、気象変動判定テーブルの各判定基準は少なくとも気圧に関する条件を含む。例えば、一定時間当たりの気圧の低下量が所定の閾値を超えたか否かを所定の気象変動（例えば集中豪雨）の判定基準としてもよい。また、判定基準に温度や湿度等に関する条件を含ませてもよい。例えば、一定時間当たりの気圧の低下量が所定の閾値を超えるとともに温度が所定の範囲にあるか否かを所定の気象変動（例えば雷雨）の判定基準としてもよい。図１３は、気象変動判定テーブルの一例を示す図である。図１３の例では、判定基準１が満たされるとにわか雨が降ると予測されることを示している。同様に、判定基準２，３，４、５がそれぞれ満たされると、それぞれ雷雨、集中豪雨、竜巻、突風の発生が予測されることを示している。
【０１２５】
また、気象予測部２２は、気象データ取得部２１が取得した気象データに含まれる気圧データに基づいて、２地点間毎（２つの気象計測装置２の間毎）の気圧傾度（＝２地点間の気圧差／２地点間の距離）を計算し、気圧傾度の変化から上昇気流に伴う局地的な低気圧の移動速度や移動方向を計算し、気象変動が発生するエリアを予測する。なお、気圧傾度の計算対象となる地点は、任意の位置でよく、例えば、観測メッシュの各ノードの位置（気圧計測装置２の設置場所）でもよい。
【０１２６】
そして、気象予測部２２は、現在までの各地点の気象の推移をベースに、局地的な気象変動の発生予測も考慮しながら、各地点の気象の推移を予測し、病気予測情報４００を作成する。気象変動の発生による気温や湿度等の変化量は、過去の統計データに基づく数値計算を行うことで得ることができる。
【０１２７】
２−３．病気予測装置の処理
図１４は、第２実施形態における、病気予測装置４の処理部（ＣＰＵ）２０の病気予測処理のフローチャートの一例を示す図である。
【０１２８】
まず、処理部（ＣＰＵ）２０は、各気象計測装置２が計測した気象データを取得する（Ｓ１００）。
【０１２９】
次に、処理部（ＣＰＵ）２０は、ステップＳ１００で取得した気象データに含まれる気圧データから、２地点間毎の気圧傾度を計算する（Ｓ１０２）。
【０１３０】
次に、処理部（ＣＰＵ）２０は、現在までの各地点の気圧と気圧傾度の推移等から、局地的な気象変動を予測する（Ｓ１０４）。
【０１３１】
次に、処理部（ＣＰＵ）２０は、現在までの各地点の気象の推移とステップＳ１０４の気象変動の予測結果から、観測メッシュの各エリアのＴ時間後（例えば、１２時間後）までの気象の推移を予測する（Ｓ１０６）。
【０１３２】
次に、処理部（ＣＰＵ）２０は、観測メッシュのエリア毎に、ステップＳ１０６で得られた気象の推移の予測結果を気象条件・病気対応情報３００と照合し、Ｔ１時間後，Ｔ２時間後，・・・（例えば、１時間後，２時間後，・・・）の病気別の危険度を判定する（Ｓ１０８）。
【０１３３】
次に、処理部（ＣＰＵ）２０は、観測メッシュのエリア毎の病気別の危険度の判定結果から、病気予測情報（予測時刻、病気の種類、危険度、エリアの対応情報）を作成する（Ｓ１１０）。
【０１３４】
そして、処理部（ＣＰＵ）２０は、病気予測処理を終了する（Ｓ１１２のＹ）まで、所定時間が経過する毎に（Ｓ１１４のＹ）、Ｓ１００〜Ｓ１１０の処理を繰り返し行う。
【０１３５】
以上に説明したように、第２実施形態の病気予測システムによれば、病気予測装置４は、分散配置された複数の気象計測装置２の各々が計測した気象データを取得して、観測メッシュのエリア毎の詳細な気圧変化の情報から、気圧の変化に起因して発生する局地的な気象変動の発生を予測する。そして、病気予測装置４は、気象変動の発生を考慮してエリア毎の気象予測を行い、病気別の発生の危険度を予測するので、病気別の発生しやすいエリアの予測精度をさらに高めることができる。
【０１３６】
３．第３実施形態
３−１．病気予測システムの概要
第１実施形態や第２実施形態の病気予測システムでは、病気別の一般的な危険度の予測情報を提供するものであるが、気象条件が同じでもユーザーの年齢や性別等によって病気別の危険度は異なると考えられる。また、ユーザーの体質や持病等によって、ユーザー毎に特に発症しやすい病気や発症しにくい病気が異なると考えられる。つまり、第１実施形態や第２実施形態の病気予測システムでは、ある病気の危険度が０（「ほとんど危険なし」）と予測された場合でも、ユーザーによっては実際には危険度が１又は２（「危険」又は「非常に危険」）であることが考えられる。そこで、第３実施形態の病気予測システムは、ユーザー毎にカスタマイズされた個別の病気予測情報を提供する。
【０１３７】
３−２．病気予測システムの構成
第３施形態の病気予測システムの全体構成は、第１実施形態（図２）と同様であるため、図示及び説明を省略する。同様に、第３施形態における気象計測装置２の構成は、第１実施形態（図２）と同様であるため、図示及び説明を省略する。
【０１３８】
［病気予測装置の構成］
第３施形態における病気予測装置４の構成は、第１実施形態（図４）と同様であるため、図示を省略する。ただし、記憶部３４には、各ユーザーに対応付けて、個別の病気予測情報を作成するために必要なユーザーの特性が設定されたユーザー情報が記憶されている。
【０１３９】
図１５は、ユーザー情報の一例を示す図である。図１５に示すように、ユーザー情報５００は、例えば、ユーザーＩＤ（５１０）、年齢（５２０）、性別（５３０）、体質（５４０）、持病（５５０）、病歴（５６０）等の情報を含む。
【０１４０】
第３実施形態における処理部（ＣＰＵ）２０の気象予測部２２は、現在までの各地点の気象の推移とユーザー情報５００に基づいて、各ユーザー用の病気予測情報４００を作成する。具体的には、気象予測部２２は、ユーザー毎に、ユーザー情報５００に設定された情報を用いて、気象条件・病気対応情報３００を修正して個別の気象条件・病気対応情報を作成し、現在までの各地点の気象の推移から予測される将来の気象条件を個別の気象条件・病気対応情報とそれぞれ照合することで、各ユーザー用の病気予測情報４００を作成する。気象予測部２２は、例えば、各ユーザーに対して、年齢（５２０）が高いほど各病気（４２０）に対する気象条件（４１０）を緩い方向（発病しやすい方向）に修正し、性別に応じて発病率が異なる病気（４２０）に対する気象条件（４１０）を性別（５３０）に応じて修正する。また、気象予測部２２は、例えば、各ユーザーに対して、体質（５４０）に応じてかかりやすい病気（４２０）に対する気象条件（４１０）を緩い方向（発病しやすい方向）に修正する。さらに、気象予測部２２は、例えば、各ユーザーに対して、持病（５５０）に設定されている現在かかっている病気（４２０）や病歴（５６０）に設定されている過去にかかった病気（４２０）に対する気象条件（４１０）を緩い方向（発病しやすい方向）に修正する。ただし、気象予測部２２は、ユーザー毎に気象条件・病気対応情報４００を修正する代わりに、例えば、現在までの各地点の気象の推移と気象条件・病気対応情報４００に基づいて一般的な病気予測情報４００を作成した後、ユーザー情報５００を用いて、当該病気予測情報４００を各ユーザー用に修正するようにしてもよい。
【０１４１】
３−３．病気予測装置の処理
図１６は、第３実施形態における、病気予測装置４の処理部（ＣＰＵ）２０の病気予測処理のフローチャートの一例を示す図である。
【０１４２】
まず、各ユーザーに対するユーザー情報５００を用いて気象条件・病気対応情報４００を修正し、ユーザー毎の気象条件・病気対応情報を作成する（Ｓ２００）。なお、このステップＳ２００の処理は、各ユーザーに対して一度行った後は、各ユーザーに対してユーザー情報５００が更新された場合のみ行えばよい。
【０１４３】
次に、処理部（ＣＰＵ）２０は、各気象計測装置２が計測した気象データを取得する（Ｓ２０２）。
【０１４４】
次に、処理部（ＣＰＵ）２０は、現在までの各地点の気象の推移から、観測メッシュの各エリアのＴ時間後（例えば、１２時間後）までの気象の推移を予測する（Ｓ２０４）。
【０１４５】
次に、処理部（ＣＰＵ）２０は、観測メッシュのエリア毎に、ステップＳ２０４で得られた気象の推移の予測結果を、ステップＳ２００で作成した各ユーザーの気象条件・病気対応情報と照合し、ユーザー毎に、Ｔ１時間後，Ｔ２時間後，・・・（例えば、１時間後，２時間後，・・・）の病気別の危険度を判定する（Ｓ２０６）。
【０１４６】
次に、処理部（ＣＰＵ）２０は、ユーザー毎に、観測メッシュのエリア毎の病気別の危険度の判定結果から、病気予測情報（予測時刻、病気の種類、危険度、エリアの対応情報）を作成する（Ｓ２０８）。
【０１４７】
次に、処理部（ＣＰＵ）２０は、ステップＳ２０８で作成した各ユーザーの病気予測情報を、各ユーザーの情報端末６に送信する（Ｓ２１０）。各ユーザーの情報端末６は、病気予測情報を受信して表示し、各ユーザーは、この病気予測情報を確認することで、持病が発生する危険度や危険な時間帯を知ることができる。
【０１４８】
そして、処理部（ＣＰＵ）２０は、病気予測処理を終了する（Ｓ２１２のＹ）まで、所定時間が経過する毎に（Ｓ２１４のＹ）、Ｓ２０２〜Ｓ２１０の処理を繰り返し行う。
【０１４９】
以上に説明したように、第３実施形態の病気予測システムによれば、病気予測装置４が、ユーザー毎の気象条件・病気対応情報を作成し、分散配置された複数の気象計測装置２の各々が計測した気象データをもとに解析した気象条件をユーザー毎の気象条件・病気対応情報と照合し、ユーザー毎にカスタマイズされた病気予測情報を生成する。そして、各ユーザーは、個別にカスタマイズされた予測精度の高い病気予測の情報を得ることで、特に発病しやすいユーザーは、注意して行動するようになり、発病を未然に防ぐことが期待できる。
【０１５０】
なお、処理部（ＣＰＵ）２０は、ステップＳ２１０で作成したユーザー毎の病気予測情報から、発病する危険度が所定レベル以上（例えば、危険度が１以上）のユーザーの情報端末６に注意を喚起する情報を送信するようにしてもよい。さらに、処理部（ＣＰＵ）２０は、ユーザー毎に、発病する危険度に応じた時間間隔で、この注意を喚起する情報を繰り返し送信するようにしてもよい。例えば、危険度が高いユーザーほど、より短い時間間隔で注意を喚起する情報を送信するようにしてもよい。このようにすれば、発病する危険度の高いユーザーほど、注意を喚起する情報を頻繁に受け取るので、行動を自粛する等の対策をとることが期待できる。
【０１５１】
４．適用例
本実施形態の病気予測システムは、様々な用途に適用することができる。
【０１５２】
［適用例１］
病気予測装置４が生成する病気予測情報４００を病院に設置された情報端末に送信し、病院の職員が発生率の高い病気の種類、時間、地域などを予測することで、緊急搬送されると予測される患者数に応じた医療体制をあらかじめ整えることができる。また、病気予測装置４が生成する病気予測情報４００を休暇中の医師が携帯する情報端末６に送信し、当該医師が発生率の高い病気の種類、時間、地域などを予測することで、緊急呼び出しを受ける可能性が高いか否かをあらかじめ判断することができる。
【０１５３】
［適用例２］
病気予測装置４が生成する病気予測情報４００を、遠隔介護システムのサーバーに送信し、当該サーバーが、発病する危険性の高い患者の情報端末に、所定時間毎に、注意喚起や対処方法を指示するメールを送信することで、各患者が発病する危険性を低下させることができる。さらに、当該サーバーは、患者の危険度が高いほどメールを送信する間隔を短くするようにしてもよい。このようにすれば、患者が警戒を怠らず、発病する危険性を低下させることが期待できる。同様に、病気予測装置４が生成する病気予測情報４００を、一人暮らしの高齢者から離れた場所にいる家族の情報端末に送信し、当該家族は、当該高齢者が発病する危険性があると判断した場合、当該高齢者に連絡して注意喚起や対処方法を指示することができる。
【０１５４】
５．変形例
本発明は本実施形態に限定されず、本発明の要旨の範囲内で種々の変形実施が可能である。
【０１５５】
［変形例１］
本実施形態において、観測メッシュの各エリアは矩形でなくてもよく、例えば、６つのノードによって１つの六角形状のエリアが形成されるように複数の気象計測装置２を分散配置してもよい。
【０１５６】
［変形例２］
本実施形態において、気象計測装置２の配置密度は一定でなくてもよく、配置密度を変えてもよい。例えば、地形や建物の配置などから、気象変動が発生し易い場所がわかっていれば、そのような場所では気象計測装置２の配置密度を高くし、逆に、気象変動が発生しにくい場所がわかっていれば、そのような場所では気象計測装置２の配置密度を低くするようにしてもよい。あるいは、気圧傾度の大きさに応じて気象計測装置２の配置密度を高くするようにしてもよい。
【０１５７】
気象変動が発生し易い場所ほどより観測メッシュを細かくすることで、予測精度を高めることができる。逆に、気象変動が発生しにくい場所は、観測メッシュを多少粗くすることで、必要十分な予測精度を確保しながらコストを削減することができる。
【０１５８】
［変形例３］
本実施形態において、気象計測装置２を３次元状に配置することで、３次元の観測メッシュを形成するようにしてもよい。例えば、ビルの屋上や側面、地上等に気象計測装置２を配置することで、３次元の領域に観測メッシュを形成することができる。このようにすれば、高さ方向の気象の変化の情報も得られるので、気象変動の予測精度を高めることができる。なお、１０ｍ高くなる毎に気圧が約１ｈＰａ低下するので、３次元の観測メッシュを形成する場合は、気象計測装置２の設置高度に応じて気圧や気圧傾度を補正計算することが望ましい。
【０１５９】
［変形例４］
気象計測装置２が計測した気象条件（気圧、気温、湿度、風向、風速など）が同じでも、雷雨等をもたらす積乱雲が発達するか否かは当該気象計測装置２の位置の地理（地形、建物や木の配置等）によって異なると考えられる。そこで、第２実施形態において、病気予測装置４の処理部（ＣＰＵ）２０（気象予測部２２）は、各気象計測装置２が計測した気象データと、気象計測装置２が分散配置されている地域の地理情報とを用いて気象変動の予測を行うようにしてもよい。この地理情報は、例えば、病気予測装置４の記憶部３４に記憶されていてもよいし、インターネット等の通信ネットワーク上のサーバーに地理情報を記憶させておき、病気予測装置４が通信ネットワークを介して当該地理情報を取得するようにしてもよい。
【０１６０】
このように、気象状況に地理情報を加味して気象変動を予測することで、予測精度を高めることができる。
【０１６１】
［変形例５］
気象計測装置２が計測した気象条件（気圧、気温、湿度、風向、風速など）を、過去に気象変動が発生した際の気象条件の統計情報と照合することで、気象変動の予測精度を高めることができる。そこで、第２実施形態において、病気予測装置４の処理部（ＣＰＵ）２０（気象予測部２２）は、各気象計測装置２が計測した気象データと、気象計測装置２が分散配置されている地域における過去に気象変動が発生した気象条件の統計情報とを用いて気象変動の予測を行うようにしてもよい。この統計情報は、例えば、病気予測装置４の記憶部３４に記憶されていてもよいし、インターネット等の通信ネットワーク上のサーバーに統計情報を記憶させておき、病気予測装置４が通信ネットワークを介して当該統計情報を取得するようにしてもよい。
【０１６２】
このように、気象状況に過去の統計情報を加味して気象変動を予測することで、予測精度を高めることができる。
【０１６３】
なお、病気予測装置４の処理部（ＣＰＵ）２０（気象予測部２２）は、各気象計測装置２が計測した気象データとともに、地理情報と統計情報の両方を用いて気象変動の予測を行うことで、気象変動の予測精度をさらに高めることができる。
【０１６４】
本発明は、実施の形態で説明した構成と実質的に同一の構成（例えば、機能、方法及び結果が同一の構成、あるいは目的及び効果が同一の構成）を含む。また、本発明は、実施の形態で説明した構成の本質的でない部分を置き換えた構成を含む。また、本発明は、実施の形態で説明した構成と同一の作用効果を奏する構成又は同一の目的を達成することができる構成を含む。また、本発明は、実施の形態で説明した構成に公知技術を付加した構成を含む。
【符号の説明】
【０１６５】
１ 病気予測システム、２ 気象計測装置、３ 通信ネットワーク、４ 病気予測装置、６ 情報端末、１０ 気圧センサー、１１ 温度センサー、１２ 湿度センサー、１４ 送信部、２０ 処理部（ＣＰＵ）、２１ 気象データ取得部、２２ 気象予測部、２３ 病気予測情報生成部、２４ 通信制御部、２５ 表示制御部、３０ 操作部、３２ 通信部、３４ 記憶部、３６ 記録媒体、３８ 表示部、１００ 圧力センサー素子、１１０ 発振回路、１２０ カウンター、１３０ ＴＣＸＯ、１４０ ＭＰＵ、１５０ 温度センサー、１６０ ＥＥＰＲＯＭ、１７０ 通信インターフェース（Ｉ／Ｆ）、２１０ ダイヤフラム、２１２ 突起、２１４ 受圧面、２２０ 振動片、２２２ 振動ビーム（梁）、２２４ 基部、２２６ 支持梁、２２８ 枠部、２３０ ベース、２３２ キャビティー、３００ 気象条件・病気対応情報、４００ 病気予測情報、５００ ユーザー情報
【技術分野】
【０００１】
本発明は、病気予測システム及び病気予測方法に関する。
【背景技術】
【０００２】
気象条件がトリガーとなって発生すると考えられる病気が知られている。片頭痛、乾燥肌、うつ病、リュウマチ、脳梗塞、脳出血、心筋梗塞などの健康および精神的な病気の原因は様々な要因が重なり合って発生するものであり、それら病気の原因の一つとして気象条件が挙げられている。これらの病気がどのような気象条件の時に発生するかを正確に予想することは難しいと言われている。その難しい予報の１つとして、広島県医師会と日本気象協会が共同して、全国に先駆けて「心筋梗塞・脳卒中予報」を提供している。広島県の過去の救急搬送のデータから、一日の平均気温が６度未満になると、６度以上の時より心筋梗塞の患者の搬送患者が増えることがわかった。これに加え、平均気圧が、１０１３へクトパスカル未満だとより搬送患者が多くなった。また、気温、気圧に関わらず、寒冷前線が通過する時なども患者が多かった。こうした結果から、心筋梗塞では３段階で、県を北部、南部に２分して危険度を予報している。
【０００３】
この他にも、気象情報に基づいて病気の発生を予想する手法として以下に示すようなものが提案されている。
【０００４】
特許文献１では、「インターネットを介して気象情報をユーザーに提供する気象情報の提供方法であって、ＷＷＷサーバーもしくはクライアント端末は、ユーザー固有のソフトウェアプロセスを備え、上記ユーザー固有のソフトウェアプロセスは、ユーザーの要求に応じて、ユーザー属性に基づいて気象情報を収集・監視・加工しユーザーに提供することを特徴とする気象情報の提供方法」等が提案されている。特に、「００３７」段落には、「また、気象は、いろいろな分野と密接にかかわっており、防災業務以外でも、さまざまな分野に、気象情報を積極的に活用していこう、という、動きが、民間気象会社を中心に出てきている。その１つが「医療と気象」であり、主に、民間気象会社の人間によるサービス提供が行われている。例えば、低気圧の接近してくる時には、腰痛などの疾病が発生しやすいことが知られている。また、２月から４月にかけ、気温が高く、風が強い日には、空気中の花粉量が増大し、花粉症の症状が悪化することが知られている。また、９月〜１０月にかけ気温が急激に低くなる日には、喘息の発作が起きやすくなることが知られている。」と記載されている。
【０００５】
特許文献２では、「健康管理委託会員と管理センターと医療機関の三者間において、公衆回線、専用回線、ＣＡＴＶ回線などを利用して双方向映像・音声・データ通信機能を具備したコンピュータネットワークシステムを構築し、端末器を介して入力・送信される会員の日々の健康データをサービスセンターと医療機関の端末器に表示させて監視するとともに会員の個別データベースとして蓄積し、逐次健康・医療アドバイスを遂行するとともに、体の機能に影響を与える気象因子を説明変数、疾病発生を目的変数として数量化理論II類に基づく多変量解析を行って気象と疾病発生予測との相関関係を明らかにしたモデル判別式を作成し、気象変化の予想とともに疾病発生確立を予測して疾病発生の予防を図ることを特徴とする在宅健康管理システム」等が提案されている。特に、「００３６」段落には、「管理センターＣＳには各種情報の入出力を行うとともに会員ＨＭから送られてくる日々の健康データを監視する端末器、当該日々の健康データをデータベース化して蓄えるサーバー、日々の健康データとデータベース内データを比較して異常の有無を判断する演算処理装置、刻々と変化する気象データの精細情報を取得する端末器、取得した気象データを蓄える気象データベースサーバー、気象状況と健康データとの相関関係に基いて疾病の発生確率を予測し、データベース化した気象−疾病データベースなどが設置されている。」と記載されている。
【０００６】
特許文献３では、「利用者個人についての医学気象予報情報を配信する医学気象予報配信システムであって、入力される気象情報及び入力される医学情報並びに前記利用者についての健康状態等の身体的特徴を示す個人データに基づいた、個人ごとの医学気象予報情報を配信することを特徴とする医学気象予報配信システム」等が提案されている。
【０００７】
特許文献４では、「ネットワークを介して接続された移動端末と解析センターとを含み、前記移動端末を保持するユーザーの疾患の罹患可能性を判断する診断支援システムであって、前記移動端末は、前記ユーザーから採取した試料中に前記疾患の罹患を特徴的に示す特徴成分が存在するか否かを検出する検出部と、前記検出部による検出結果をユーザーの症状を示す症状データとして前記解析センターに送信する送信処理部と、を含み、前記解析センターは、前記症状データを、前記移動端末から前記症状データが送信されたときの前記移動端末の位置に対応付けて取得するデータ取得部と、前記症状データと前記疾患の罹患者に発生する特徴を示す参照パラメーターとに基づき、前記ユーザーが前記疾患に罹患している罹患可能性を計算する罹患可能性計算部と、複数の前記ユーザーの前記罹患可能性と対応する前記位置とに基づき、エリア毎に前記疾患の罹患者の存在状況を推定する推定処理部と、を含むことを特徴とする診断支援システム」等が提案されている。
【０００８】
特許文献５では、「環境変化や流行病の傾向を表わす環境因子を取得する環境因子取得手段と、前記取得した環境因子又は該環境因子の組み合わせを基に所定の疾病の発生を予測する疾病予測手段と、予め前記疾病の発生するリスクを有する通知対象者の群を記憶しておき、前記発生が予測された疾病の情報を受けて、該疾病の発生するリスクに対応する群を検索する通知対象者管理手段と、前記検索された群に含まれる前記通知対象者に警告を通知する警告手段とを備えることを特徴とする疾病管理装置」等が提案されている。
【０００９】
特許文献６では、「健康食品、機能性食品、機能性飲料、栄養補助食品、調味料、もしくはサプリメントなどの食品類あるいは薬剤を複数収容した収容手段と、前記収容手段のそれぞれの収容物を指示に基づいて出力する吐出部と、利用者の生体データ値を検出する生体センサーと、操作部あるいは外部から入力される利用者の行動に関するスケジュールデータを記憶するスケジュール記憶部と、前記生体センサーによって検出された前記生体データ値と、前記スケジュール記憶部に記憶された前記スケジュールデータとにより、前記収容物のそれぞれの中から適した配合を決定すると共に、前記吐出部を介して前記決定に応じた前記収容物を出力させる制御手段と、を備えたことを特徴とする配合出力装置」等が提案されている。
【００１０】
特許文献７では、「将来の疾病症状を、過去の疾病症状時系列データと、過去の環境に関する時系列データと、将来の環境予測データとの関数とみなし、前記データが得られるごとに、前記関数に含まれる係数を推定し、疾病症状の予測式を算出し、最新の前記データを前記疾病症状の予測式に入力し、前記疾病症状の予測式の値により将来の疾病症状を予測し、症状に応じた対策情報を提供する、ことを特徴とする疾病対策支援方法」等が提案されている。
【００１１】
特許文献８では、「ネギ栽培圃場ごとに計測された気温とネギ葉面の濡れとに基づき予測モデルを用いて、降水量と風速データを参考にネギに感染した日、およびその発病の急増日を予測する方法」等が提案されている。
【先行技術文献】
【特許文献】
【００１２】
【特許文献１】特開２００２−２５１４８４号公報
【特許文献２】特開２００１−０６７４０３号公報
【特許文献３】特開２００２−３１１１５８号公報
【特許文献４】再公表ＷＯ２００４／０９８４０２号公報
【特許文献５】特開２００８−１６５７１６号公報
【特許文献６】特開２００８−２３７７１８号公報
【特許文献７】特開２００５−０６３２１８号公報
【特許文献８】特開２００８−１２５４９６号公報
【発明の概要】
【発明が解決しようとする課題】
【００１３】
しかしながら、県を２分した予報では、特に注意すべき時間帯、地域が、わかりづらいという問題がある。また、特許文献１乃至８の手法では、一般的な広域の気象情報を使用して病気の予測を行うため、病気が発生しやすいエリアや時間の予測精度が粗いという問題がある。
【００１４】
本発明は、以上のような問題点に鑑みてなされたものであり、本発明のいくつかの態様によれば、気象条件に応じて病気が発生しやすいエリアの予測精度を高めることが可能な病気予測システム及び病気予測方法を提供することができる。
【課題を解決するための手段】
【００１５】
本発明は前述の課題の少なくとも一部を解決するためになされたものであり、以下の態様または適用例として実現することが可能である。
【００１６】
［適用例１］
本適用例に係る病気予測システムは、病気の発生予測の対象地域に分散して配置される複数の気象計測装置と、前記複数の気象計測装置の各々が計測した気象データを利用して、病気の発生を予測する病気予測装置と、を含み、前記病気予測装置は、前記気象データを取得する気象データ取得部と、前記気象データ取得部が取得した気象データを利用して、気象を予測する気象予測部と、前記気象予測部の予測結果を、気象条件と病気との対応情報と照合し、病気別に発生する危険度を予測して病気予測情報を生成する病気予測情報生成部と、を含む。
【００１７】
この病気予測システムによれば、病気の発生予測の対象地域に複数の気象計測装置を分散して配置し、各気象計測装置が計測する気象データを取得することで、広域的な気象情報と比較して、より狭いエリア毎の詳細な気象情報が得られる。そして、このエリア毎の詳細な気象情報を用いて気象に関係する病気の発生を予測するので、気象条件に応じて病気が発生しやすいエリアの予測精度を高めることができる。
【００１８】
［適用例２］
上記適用例に係る病気予測システムにおいて、前記病気予測情報は、病気の種類毎に、病気が発生する危険度と病気が発生するエリアとの対応関係の情報を含むようにしてもよい。
【００１９】
このようにすれば、病気別の危険度が高いエリアの情報を提供することができる。
【００２０】
［適用例３］
上記適用例に係る病気予測システムにおいて、前記複数の気象計測装置の各々は、気圧センサーを備え、前記病気予測装置は、前記気象予測部が、前記気象データ取得部が取得した気象データに含まれる気圧データから得られる気圧変化の情報を利用して、気象を予測するようにしてもよい。
【００２１】
［適用例４］
上記適用例に係る病気予測システムにおいて、前記病気予測装置は、前記気象予測部が、前記気圧変化の情報に基づいて所与の気象変動が発生するか否かを判定し、判定結果に基づいて気象を予測するようにしてもよい。
【００２２】
このようにすれば、局地的な気象変動を考慮したより正確な気象予測を行うことができる。
【００２３】
［適用例５］
上記適用例に係る病気予測システムにおいて、前記病気予測装置は、前記気象予測部が、前記気象データ取得部が取得した気象データに含まれる気圧データから得られる気圧傾度の変化の情報を利用して、気象を予測するようにしてもよい。
【００２４】
気圧傾度は２点間の気圧差に相当し、気圧傾度と風向・風速の間には相関があるので、気圧傾度の変化の情報から概略的な風向・風速を知ることができる。また、気圧傾度の変化から、局地的な気象変動を引き起こす局地的な低気圧の移動速度や移動方向を推測することができる。従って、気圧変化の情報と合わせて気圧傾度の変化の情報を利用することで、気象予測の精度を高めることが期待できる。
【００２５】
［適用例６］
上記適用例に係る病気予測システムにおいて、前記病気予測装置は、前記病気予測情報生成部が、ユーザー毎の特性を示すユーザー情報を利用して、ユーザー毎に前記病気予測情報を生成するようにしてもよい。
【００２６】
このようにすれば、ユーザーの特性に応じてカスタマイズされた予測精度の高い病気予測情報を提供することができる。
【００２７】
［適用例７］
上記適用例に係る病気予測システムにおいて、前記病気予測装置は、病気を発症する危険度が所定レベル以上のユーザーの情報端末に、注意を喚起する情報を送信するようにしてもよい。
【００２８】
このようにすれば、発病する危険性の高いユーザーが行動を自粛する等して発病を未然に防ぐことが期待できる。
【００２９】
［適用例８］
上記適用例に係る病気予測システムにおいて、前記病気予測装置は、ユーザー毎に、病気を発症する危険度に応じた時間間隔で、前記注意を喚起する情報を繰り返し送信するようにしてもよい。
【００３０】
たとえば、病気を発症する危険度が高いユーザーほど短い時間間隔で注意を喚起する情報を繰り返し送信すれば、危険性を自覚させることができる。
【００３１】
［適用例９］
本適用例に係る病気予測方法は、分散して配置される複数の気象計測装置の各々から気象データを取得する気象データ取得ステップと、前記気象データ取得ステップで取得した気象データを利用して、気象を予測する気象予測ステップと、前記気象予測ステップでの予測結果を、気象条件と病気との対応情報と照合し、病気別に発生する危険度を予測して病気予測情報を生成する病気予測情報生成ステップと、を含む。
【００３２】
［適用例１０］
上記適用例に係る病気予測システムにおいて、前記気象計測装置は、前記気圧センサーが、気圧に応じて共振周波数を変化させる感圧素子を有し、当該感圧素子の振動周波数に応じた気圧データを出力するようにしてもよい。
【００３３】
一般に気象観測に用いられる気圧計の分解能はｈＰａオーダーであるのに対して、周波数変化型の気圧センサーは、感圧素子の振動周波数を高い周波数のクロック信号で計測することで比較的容易にＰａオーダーの測定分解能を得ることができる。また、周波数変化型の気圧センサーは、気圧がゆっくり変化しているのか、あるいは急激に変化しているのか、気圧の変動量(気圧の変化具合)を高精度に検出することができる。そして、高分解能な周波数変化型の気圧センサーを用いることで短時間におけるわずかな気圧の変化を捉えて、局地的に発生して短時間に消滅する気象変動を予測するために有効な情報を提供することができる。この情報を解析することで、気象変動を精度よく予測することができる。
【００３４】
［適用例１１］
上記適用例に係る病気予測システムにおいて、前記気象計測装置は、前記感圧素子が、双音叉圧電振動子であるようにしてもよい。
【００３５】
感圧素子として双音叉圧電振動子を用いることで、より高い分解能の気圧センサーを実現することができる。
【００３６】
［適用例１２］
本適用例に係るプログラムは、コンピューターを、分散して配置される複数の気象計測装置の各々から気象データを取得する気象データ取得部と、前記気象データ取得部が取得した気象データを利用して、気象を予測する気象予測部と、前記気象予測部の予測結果を、気象条件と病気との対応情報と照合し、病気別に発生する危険度を予測して病気予測情報を生成する病気予測情報生成部として機能させる。
【００３７】
［適用例１３］
本適用例に係る記録媒体は、上記適用例に係るプログラムを記録した、コンピューター読み取り可能な記録媒体である。
【図面の簡単な説明】
【００３８】
【図１】分散配置された気象計測装置の一例を示す図。
【図２】本実施形態の病気予測システムの構成例を示す図。
【図３】気象計測装置の構成例を示す図。
【図４】病気予測装置の構成例を示す図。
【図５】気象条件・病気対応情報の一例を示す図。
【図６】病気予測装置の処理のフローチャートの一例を示す図。
【図７】病気予測情報の一例を示す図。
【図８】病気予測の画像の一例を示す図。
【図９】気圧センサーの構成例を示す図。
【図１０】圧力センサー素子の断面の模式図。
【図１１】圧力センサー素子の断面の模式図。
【図１２】振動片およびダイヤフラムを模式的に示す下面図。
【図１３】気象変動判定テーブルの一例を示す図。
【図１４】第２実施形態における病気予測装置の処理のフローチャートの一例を示す図。
【図１５】ユーザー情報の一例を示す図。
【図１６】第３実施形態における病気予測装置の処理のフローチャートの一例を示す図。
【発明を実施するための形態】
【００３９】
以下、本発明の好適な実施形態について図面を用いて詳細に説明する。なお、以下に説明する実施の形態は、特許請求の範囲に記載された本発明の内容を不当に限定するものではない。また以下で説明される構成の全てが本発明の必須構成要件であるとは限らない。
【００４０】
１．第１実施形態
１−１．病気予測システムの概要
本実施形態の病気予測システムは、病気の発生予測の対象地域に分散して配置された多数の気象計測装置がそれぞれ計測する気象データから気象状況の推移を時間的にもエリア的にも精度よく予測し、気象の予測結果から、気象条件と相関があると考えられる病気の各々の危険度をエリア毎に予測する。
【００４１】
図１に示すように、本実施形態では、病気の発生予測の対象地域に、多数の気象計測装置２（白抜きの丸で表示）が碁盤目状に分散配置され、各気象計測装置２をノードとする観測メッシュが形成される。ただし、病気の発生予測の対象地域に複数の気象計測装置２が分散配置されていればよく、碁盤目状に配置されていなくてもよい。気象計測装置２は、例えば、ビルや家屋等の建物（不図示）などに配置される。
【００４２】
本実施形態における観測メッシュでは、４つのノードによって１つの矩形状のエリアが形成されている。各エリアの１辺の長さ（ノード間の距離）は、気象計測装置２を分散配置する地域の気候やその他の状況を考慮して、十分な精度で気象の予測が可能な値（例えば、数百ｍ〜数ｋｍ程度）に設定される。この観測メッシュの１つのエリアは、アメダス（ＡＭｅＤＡＳ：「Automated Meteorological Data Acquisition System」）と呼ばれる地域気象観測システムにおける観測メッシュの１区画（約２１ｋｍ×２１ｋｍ）と比べて十分に小さいものとなっており、アメダス（ＡＭｅＤＡＳ）では観測できない局地的な気象変動を捉えることを可能とする。
【００４３】
ノード間の距離は一定でなくてもよく、例えば、気象計測装置２は、携帯電話等の基地局、コンビニエンスストア、スマートグリッドの電気メーターなどに設置されていてもよい。なお、図１では、便宜上、区画の境界線を破線で表示しているが、実際にはこのような境界線を表示する必要はない。
【００４４】
各気象計測装置２は、一定周期で各地点の気象を計測し、計測した気象データを不図示の病気予測装置に送信する。病気予測装置は、各気象計測装置２からの気象データを受信し、受信した気象データに基づいて気象状況の推移を予測し、気象の予測結果を、過去の統計データから抽出された気象条件と病気の発生との対応情報（気象条件・病気対応情報）と照合することで、エリア毎に病気別の危険度を精度よく予測する。病気予測装置は、気象計測装置２が分散配置された地域内又は当該地域外のいずれに設置されていてもよい。例えば、インターネット等の通信ネットワークに接続されたサーバーを病気予測装置としてもよい。
【００４５】
１−２．病気予測システムの構成
［全体構成］
図２は、本実施形態の病気予測システムの構成例を示す図である。本実施形態の病気予測システムは、図２の構成要素（各部）の一部を省略したり、他の構成要素を付加した構成としてもよい。
【００４６】
図２に示すように、本実施形態の病気予測システム１は、複数の気象計測装置２と、病気予測装置４を含む。
【００４７】
各気象計測装置２は、各地点の気象をリアルタイムに計測し、計測した気象データを、通信ネットワーク３（インターネットやＬＡＮ等）を介して病気予測装置４（サーバー）に送信する。
【００４８】
病気予測装置４は、通信ネットワーク３を介して、各気象計測装置２から気象データを受信し、気象条件を加味したエリア毎の病気別の危険度を予測する。このエリア毎の病気別の危険度の情報は、病気予測装置４の表示部にリアルタイムに表示され、あるいは、通信ネットワーク３を介して情報端末６に送られ、情報端末６の表示部にリアルタイムに表示される。
【００４９】
［気象計測装置の構成］
図３は、図２の気象計測装置２の構成例を示す図である。図３に示すように、本実施形態では、各気象計測装置２は、気圧センサー１０、温度センサー１１、湿度センサー１２を備える。ただし、気象計測装置２は、気圧センサー１０、温度センサー１１、湿度センサー１２の一部を備えていなくてもよいし、逆に、他のセンサー（例えば、風速センサー等）を備えていてもよい。
【００５０】
気象計測装置２は、例えば秒オーダーあるいは分オーダーの周期でリアルタイムに気象を計測し、気圧センサー１０、温度センサー１１、湿度センサー１２により計測された気象データ（気圧データ、温度データ、湿度データ）は、送信部１４により病気予測装置４に送信される。
【００５１】
［病気予測装置の構成］
図４は、図２の病気予測装置４の構成例を示す図である。図４に示すように、本実施形態では、病気予測装置４は、処理部（ＣＰＵ：Central Processing Unit）２０、操作部３０、通信部３２、記憶部３４、記録媒体３６、表示部３８を含んで構成されている。本実施形態の病気予測装置は、図４の構成要素（各部）の一部を省略したり、他の構成要素を付加した構成としてもよい。
【００５２】
操作部３０は、操作キーやボタンスイッチ等により構成される入力装置であり、操作部３０の操作に応じた操作信号を処理部（ＣＰＵ）２０に出力する。
【００５３】
表示部３８は、ＬＣＤ（Liquid Crystal Display）等により構成される表示装置であり、処理部（ＣＰＵ）２０から入力される表示信号に基づいて各種の情報を表示する。
【００５４】
記憶部３４は、処理部（ＣＰＵ）２０が各種の計算処理や制御処理を行うためのプログラムやデータ等を記憶している。また、記憶部３４は、処理部（ＣＰＵ）２０の作業領域として用いられ、記録媒体３６から読み出されたプログラムやデータ、通信部３２を介して受信したデータや処理部（ＣＰＵ）２０が各種プログラムに従って実行した演算結果等を一時的に記憶するためにも使用される。
【００５５】
処理部（ＣＰＵ）２０は、記憶部３４や記録媒体３６に記憶されているプログラムに従って、各種の計算処理や制御処理を行う。例えば、処理部（ＣＰＵ）２０は、操作部３０からの操作信号に応じた各種の処理、表示部３８に各種の情報を表示させる処理、通信部３２を介してデータを受け取って各種の計算処理を行う。また、処理部（ＣＰＵ）２０は、通信部３２を介した各気象計測装置２や各情報端末６とのデータ通信を制御する処理等を行う。
【００５６】
特に、本実施形態では、処理部（ＣＰＵ）２０は、気象データ取得部２１、気象予測部２２、病気予測情報生成部２３、通信制御部２４、表示制御部２５を含む。ただし、本実施形態の処理部（ＣＰＵ）２０は、これらの一部の構成（要素）を省略したり、他の構成（要素）を追加した構成としてもよい。
【００５７】
気象データ取得部２１は、通信部３２から送られてくる気象データ（複数の気象計測装置２が計測した気象データ）を、気象計測装置２の識別ＩＤと対応づけて継続して取得する処理を行う。具体的には、気象データ取得部２１は、各気象データを受け取り、受け取った各気象データを気象計測装置２毎に割り当てられた識別ＩＤと対応づけて順番に記憶部３４に保存する。
【００５８】
気象予測部２２は、気象データ取得部２１が取得した気象データに基づいて、気象を予測する処理を行う。
【００５９】
病気予測情報生成部２３は、気象予測部２２の予測結果を、気象条件と病気との対応情報（気象条件・病気対応情報）と照合し、病気別に発生する危険度を予測して病気予測情報（病気別の危険度の予測情報）を生成する処理を行う。
【００６０】
通信制御部２４は、通信部３２を介する各気象計測装置２や各情報端末６とのデータ通信等を制御する処理を行う。特に、本実施形態では、通信制御部２４は、通信部３２を介して、各気象計測装置２から気象データを受信し、病気予測情報を各情報端末６に送信する。
【００６１】
表示制御部２５は、表示部３８への情報の表示を制御する処理を行う。特に、本実施形態では、表示制御部２５は、病気予測情報生成部が生成した病気予測情報を画像に変換して表示部３８に表示する。表示部３８に表示される画像は、ユーザーによる操作部３０の操作に応じて選択される。
【００６２】
記録媒体３６は、コンピューター読み取り可能な記録媒体であり、特に本実施形態では、コンピューターを上記の各部として機能させるためのプログラムが記憶されている。そして、本実施形態の処理部（ＣＰＵ）２０は、記録媒体３６に記憶されているプログラムを実行することで、気象データ取得部２１、気象予測部２２、病気予測情報生成部２３、通信制御部２４、表示制御部２５として機能する。あるいは、通信部３２等を介して有線又は無線の通信ネットワークに接続された他のサーバーから当該プログラムを受信し、受信したプログラムを記憶部３４や記録媒体３６に記憶して当該プログラムを実行するようにしてもよい。ただし、気象データ取得部２１、気象予測部２２、病気予測情報生成部２３、通信制御部２４、表示制御部２５の少なくとも一部をハードウェア（専用回路）で実現してもよい。
【００６３】
なお、記録媒体３６は、例えば、光ディスク（ＣＤ、ＤＶＤ）、光磁気ディスク（ＭＯ）、磁気ディスク、ハードディスク、磁気テープ、メモリー（ＲＯＭ、フラッシュメモリーなど）により実現することができる。
【００６４】
本実施形態では、記憶部３４あるいは記録媒体３６には、特に、気象条件と病気の種類との対応関係を示す、気象条件・病気対応情報が記憶されている。
【００６５】
図５は、気象条件・病気対応情報の一例を示す図である。図５に示すように、気象条件・病気対応情報３００は、気象条件（３１０）及び病気の種類（３２０）の情報を含む。図５の例では、気象条件「Ａ１」と病気「Ｂ１」、気象条件「Ａ２」と病気「Ｂ２」、気象条件「Ａ３」と病気「Ｂ３」がそれぞれ対応付けられている。例えば、気象条件「Ａ１」が満たされると、病気「Ｂ１」の発生頻度が高くなることを意味する。
【００６６】
この気象条件・病気対応情報３００は、例えば、過去の発病データと発病時の気象データを統計的に分析して気象条件と病気との因果関係を抽出することにより作成される。過去の発病データとしては、病院に緊急搬送された患者の診察・治療・手術に関するデータ、入院患者や通院患者の診察や治療に関するデータ、患者から定期的に取得した生体データ、患者の体調に関するアンケートの回答等を利用することができる。過去の気象データは、アメダス（ＡＭｅＤＡＳ）等から得られた、発病時の広域気象情報から計算される発病場所の気象データであってもよいし、分散配置された気象計測装置２が計測した気象データを過去の気象データとして利用してもよい。
【００６７】
なお、過去の発病データと発病時の気象データが新たに得られる毎に、気象条件・病気対応情報３００は最新の情報に更新される。
【００６８】
１−３．病気予測装置の処理
図６は、病気予測装置４の処理部（ＣＰＵ）２０の病気予測処理のフローチャートの一例を示す図である。
【００６９】
まず、処理部（ＣＰＵ）２０は、各気象計測装置２が計測した気象データを取得する（Ｓ１０）。この気象データより、各気象計測装置２が設置された各地点の気圧、気温、湿度等の気象の情報が得られる。
【００７０】
次に、処理部（ＣＰＵ）２０は、ステップＳ１０で現在までに取得した気象データの時系列に基づく現在までの各地点の気象の推移から、観測メッシュの各エリアのＴ時間後（例えば、１２時間後）までの気象の推移を予測する（Ｓ１２）。
【００７１】
次に、処理部（ＣＰＵ）２０は、観測メッシュのエリア毎に、ステップＳ１２で得られた気象の推移の予測結果を気象条件・病気対応情報３００と照合し、Ｔ１時間後，Ｔ２時間後，・・・（例えば、１時間後，２時間後，・・・）の病気別の危険度を判定する（Ｓ１４）。
【００７２】
次に、処理部（ＣＰＵ）２０は、ステップＳ１４における観測メッシュのエリア毎の病気別の危険度の判定結果から、病気予測情報（予測時刻、病気の種類、危険度、エリアの対応情報）を作成する（Ｓ１６）。
【００７３】
そして、処理部（ＣＰＵ）２０は、病気予測処理を終了する（Ｓ１８のＹ）まで、所定時間が経過する毎に（Ｓ２０のＹ）、Ｓ１０〜Ｓ１６の処理を繰り返し行う。
【００７４】
図７は、図６のステップＳ１６で作成される病気予測情報の一例を示す図である。図７に示すように、病気予測情報４００は、予測時刻（４１０）、病気の種類（４２０）、危険度（４３０）、エリア（４４０）の対応関係を示す情報である。
【００７５】
予測時刻（４１０）は、現時刻を基準（０）とした時刻である。病気の種類（４２０）は、図５に示した気象条件・病気対応情報３００の病気の種類（３２０）と対応している。危険度（４３０）は、各病気が発生する危険度を段階的（例えば、３段階）に数値で表したものであり、例えば、危険度０は「ほとんど危険なし」、危険度１は「危険」、危険度２は「非常に危険」を意味する。エリア（４４０）は、観測メッシュの各エリアを表す。
【００７６】
図７の例の病気予測情報４００は、現在からＴ１時間後、病気Ａ１の危険度が０のエリアはＸ１，Ｘ６，・・・、病気Ａ１の危険度が１のエリアはＸ２，Ｘ３，・・・、病気Ａ１の危険度が２のエリアはＸ４，Ｘ５，・・・、病気Ａ２の危険度が０のエリアはＸ１，Ｘ２，Ｘ３，Ｘ４，・・・、病気Ａ２の危険度が１又は２のエリアは無いことを示している。
【００７７】
また、図７の例の病気予測情報４００は、現在からＴ２時間後、病気Ａ１の危険度が０のエリアはＸ１，・・・、病気Ａ１の危険度が１のエリアはＸ６，・・・、病気Ａ１の危険度が２のエリアはＸ２，Ｘ３，Ｘ４，Ｘ５，・・・、病気Ａ２の危険度が０のエリアはＸ１，Ｘ２，・・・、病気Ａ２の危険度が１のエリアはＸ３，Ｘ４，・・・、病気Ａ２の危険度が２のエリアは無いことを示している。
【００７８】
この病気予測情報４００は、病気予測装置４の表示部３８に病気予測の画像として表示され、あるいは、情報端末６に送信されて情報端末６の表示部に病気予測の画像として表示される。ユーザーは、病気予測装置４の操作部３０を操作し、あるいは、情報端末６の操作部を操作して予測時刻や病気の種類を選択すると、選択された予測時刻における選択された病気の危険度をエリア毎に示す病気予測の画像が表示されるようにしてもよい。
【００７９】
図８（Ａ）及び図８（Ｂ）は、病気予測の画像の一例を示す図である。図８（Ａ）及び図８（Ｂ）において、格子点が観測メッシュの各ノード（気象観測装置２の設置地点）に対応し、４つの格子点を頂点とする矩形の各々が観測メッシュの各エリアに対応している。図８（Ａ）は現在から１時間後の画像であり、図８（Ｂ）は現在から２時間後の画像である。図８（Ａ）及び図８（Ｂ）において、白色のエリアは選択された病気（例えば、心筋梗塞）の危険度が０（「ほとんど危険なし」）のエリアであり、網掛け模様のエリアは選択された病気の危険度が１（「危険」）のエリアであり、黒色のエリアは選択された病気の危険度が２（「非常に危険」）のエリアである。この画像を見ることで、数時間後の観測メッシュの各エリアの病気別の危険度が容易にわかるので、各ユーザーは、発症しやすい病気に注意しながら行動することができる。
【００８０】
以上に説明したように、第１実施形態の病気予測システムによれば、病気予測装置４は、分散配置された複数の気象計測装置２の各々が計測した気象データを用いて、観測メッシュのエリア毎の詳細な気象条件を解析して当該エリア毎の気象予測を行う。そして、病気予測装置４は、このエリア毎の気象予測をもとに病気別の発生の危険度を予測するので、病気別の発生しやすいエリアの予測精度を高めることができる。各ユーザーは、予測精度の高い病気予測の情報を得ることで、特に発病しやすいエリアにいるユーザーは、注意して行動するようになり、発病を未然に防ぐことが期待できる。
【００８１】
２．第２実施形態
２−１．病気予測システムの概要
第１実施形態の病気予測システムでは、各地点における現在までの気象の推移から、観測メッシュの各エリアの数時間後の気象を予測しているが、例えば、にわか雨が降ると急に湿度が上昇し、気温が低下するので、それまでの気象の推移のみから予測した湿度や気温と実際の湿度や気温に差が生じる。そのため、にわか雨等の局地的な気象変動が発生すると、病気予測の精度が低下するおそれがある。そこで、第２実施形態の病気予測システムでは、各地点における現在までの気象の推移から観測メッシュの各エリアの数時間後の気象を予測するだけでなく、局地的な気象変動を精度よく予測し、気象変動も考慮した病気予測を行う。局地的な気象変動としては、例えば、にわか雨、雷雨、集中豪雨、竜巻、突風などが挙げられるが、これらの気象変動は上昇気流により発達する積雲や積乱雲が発達することで発生する場合が多い。従って、上昇気流に伴う局地的な気圧の変化を捉えることで気象変動を精度よく予測することが可能となる。
【００８２】
２−２．病気予測システムの構成
第２実施形態の病気予測システムの全体構成は、第１実施形態（図２）と同様であるため、図示及び説明を省略する。
【００８３】
［気象計測装置の構成］
気象計測装置２の構成は、第１実施形態（図３）と同様であるため、図示を省略するが、局地的な気圧の変化を捉えて気象変動の予測を可能とするためには、気象計測装置２は、ある程度高分解能の気圧センサー１０を備える必要がある。このような気圧センサー１０としては、圧力の変化を振動子の周波数の変化として捉える周波数変化型、圧力の変化を静電容量の変化として捉える静電容量型、圧力の変化をピエゾ抵抗の抵抗値の変化として捉えるピエゾ抵抗型などのセンサーを適用することができる。ただし、わずかな気圧の変化を捉えて気象変動の発生を早期に予測するためには、出来る限り高分解能な計測が可能な気圧センサーが望ましい。現在のところ、周波数変化型の気圧センサーは、静電容量型やピエゾ抵抗型の気圧センサーよりも高い分解能が得られており、周波数変化型の気圧センサーであれば１Ｐａ以下の分解能も実現可能である。そのため、局地的な気象変動を早期に捉えるためには、周波数変化型の気圧センサー１０を用いるのが有利である。
【００８４】
図９は、周波数変化型の気圧センサー１０の構成例を示す図である。図９に示すように、本実施形態の気圧センサー１０は、圧力センサー素子１００、発振回路１１０、カウンター１２０、ＴＣＸＯ（Temperature Compensated Crystal Oscillator）１３０、ＭＰＵ（Micro Processing Unit）１４０、温度センサー１５０、ＥＥＰＲＯＭ（Electrically Erasable Programmable Read Only Memory）１６０、通信インターフェース（Ｉ／Ｆ）１７０を含んで構成されている。ただし、本実施形態の気圧センサーは、図９の構成要素（各部）の一部を省略したり、他の構成要素を付加した構成としてもよい。
【００８５】
圧力センサー素子１００は、振動片の共振周波数の変化を利用する方式（振動方式）の感圧素子を有している。この感圧素子は、例えば、水晶、ニオブ酸リチウム、タンタル酸リチウム等の圧電材料で形成された圧電振動子であり、例えば、音叉型振動子、双音叉型振動子、ＡＴ振動子（厚みすべり振動子）、ＳＡＷ共振子などが適用される。
【００８６】
特に、双音叉型圧電振動子は、ＡＴ振動子（厚みすべり振動子）などに比べて、伸長・圧縮応力に対する共振周波数の変化が極めて大きく共振周波数の可変幅が大きいので、感圧素子として双音叉型圧電振動子を用いることで、わずかな気圧差を検出可能な高い分解能の気圧センサーを実現することができる。そのため、本実施形態の気圧センサー１０は、感圧素子として双音叉型圧電振動子を用いている。なお、圧電材料として、Ｑ値が高くかつ温度安定性に優れた水晶を選択することで、優れた安定性と最高水準の分解能および精度を実現することができる。
【００８７】
図１０は、本実施形態の圧力センサー素子１００の断面の模式図である。図１１は、本実施形態の圧力センサー素子１００の振動片２２０およびダイヤフラム２１０を模式的に示す下面図である。図１１は、封止板としてのベース２３０を省略して描いてある。図１０は、図１１のＡ−Ａ線の断面に対応する。
【００８８】
圧力センサー素子１００は、ダイヤフラム２１０と、振動片２２０と、封止板としてのベース２３０と、を含む。
【００８９】
ダイヤフラム２１０は、圧力を受圧して撓む可撓部を有する平板状の部材である。ダイヤフラム２１０の外側の面が受圧面２１４となっており、受圧面２１４の裏面側に一対の突起２１２が形成されている。
【００９０】
振動片２２０は、振動ビーム（梁）２２２及び振動ビーム２２２の両端に形成された一対の基部２２４を有する。振動ビーム２２２は、一対の基部２２４の間に両持ち梁状に形成される。一対の基部２２４は、ダイヤフラム２１０に形成された一対の突起２１２にそれぞれ固定される。振動ビーム２２２には図示しない電極が適宜設けられ、電極から駆動信号を供給することで振動ビーム２２２を一定の共振周波数で屈曲振動させることができる。振動片２２０は、圧電性を有する材料で形成される。振動片２２０の材質としては、水晶、タンタル酸リチウム、ニオブ酸リチウム等の圧電材料が挙げられる。振動片２２０は、支持梁２２６によって枠部２２８に支持されている。
【００９１】
ベース２３０は、ダイヤフラム２１０と接合されて、ダイヤフラム２１０との間にキャビティー２３２を形成する。キャビティー２３２を減圧空間とすることにより、振動片２２０のＱ値を高める（ＣＩ値を小さくする）ことができる。
【００９２】
このような構造の圧力センサー素子１００において、ダイヤフラム２１０は、受圧面２１４に圧力を受けた場合に撓み、変形する。すると、振動片２２０の一対の基部２２４が、ダイヤフラム２１０の一対の突起２１２にそれぞれ固定されているため、ダイヤフラム２１０の変形に従って基部２２４間の間隔が変化する。すなわち、圧力センサー素子１００に圧力が印加されたときに、振動ビーム２２２に引張または圧縮の応力を生じさせることができる。
【００９３】
図１２は、圧力センサー素子１００の断面の模式図であり、ダイヤフラム２１０が圧力Ｐによって変形した状態を示している。図１２は、圧力センサー素子１００の外側から内側への力（圧力Ｐ）が作用することにより、ダイヤフラム２１０が素子の内側に向かって凸となる変形が生じた例である。この場合、一対の突起２１２の間の間隔は大きくなる。他方、図示しないが、圧力センサー素子１００の内側から外側への力が作用する場合は、ダイヤフラム２１０が素子の外側に向かって凸となる変形が生じ、一対の突起２１２の間の間隔は小さくなる。従って、両端が一対の突起２１２にそれぞれ固定された振動片２２０の振動ビーム２２２に平行な方向に引張または圧縮の応力が生じる。すなわち、受圧面２１４に対して垂直方向に加わった圧力は、突起（支持部）２１２を介して、振動片２２０の振動ビーム２２２に対して平行な直線方向の応力に変換される。
【００９４】
振動ビーム２２２の共振周波数は、以下のようにして解析することができる。図１０及び図１１に示すように、振動ビーム２２２の長さをｌ、幅をｗ、厚みをｄとすると、振動ビーム２２２の長辺方向に外力Ｆが作用したときの運動方程式は、次式（１）によって近似される。
【００９５】
【数１】
【００９６】
式（１）において、Ｅは縦弾性定数（ヤング率）、ρは密度、Ａは振動ビームの断面積（＝ｗ・ｄ）、ｇは重力加速度、Ｆは外力、ｙは変位、ｘは振動ビームの任意の位置をそれぞれ表す。
【００９７】
式（１）に一般解と境界条件を与えて解くことで、次のような、外力が無い場合の共振周波数の式（２）が得られる。
【００９８】
【数２】
【００９９】
断面２次モーメントＩ＝ｄｗ３／１２、断面積Ａ＝ｄｗ、λＩ＝４．７３より、式（２）は次式（３）のように変形することができる。
【０１００】
【数３】
【０１０１】
従って、外力Ｆ＝０の時の共振周波数ｆ０は、ビームの幅ｗに比例し、長さｌの２乗に反比例する。
【０１０２】
外力Ｆを２本の振動ビームに加えたときの共振周波数ｆＦも同様の手順で求めると、次式（４）が得られる。
【０１０３】
【数４】
【０１０４】
断面２次モーメントＩ＝ｄｗ３／１２より式（４）は次式（５）のように変形することができる。
【０１０５】
【数５】
【０１０６】
式（５）において、ＳＦは応力感度（＝Ｋ・１２／Ｅ・（ｌ／ｗ）２）、σは応力（＝Ｆ／（２Ａ））をそれぞれ表す。
【０１０７】
以上から、圧力センサー素子１００に作用する力Ｆを圧縮方向のとき負、伸張方向のとき正としたとき、力Ｆが圧縮方向に加わると共振周波数ｆＦが減少し、力Ｆが伸縮方向に加わると共振周波数ｆＦが増加する。
【０１０８】
そして、次式（６）に示す多項式を用いて、圧力センサー素子１００の圧力−周波数特性と温度−周波数特性に起因する直線性誤差を補正することで、高分解能かつ高精度の圧力値Ｐを得ることができる。
【０１０９】
【数６】
【０１１０】
式（６）において、ｆｎはセンサー規格化周波数であり、ｆｎ＝（ｆＦ／ｆ０）２で表される。また、ｔは温度であり、α（ｔ）、β（ｔ）、γ（ｔ）、δ（ｔ）は、それぞれ次式（７）〜（１０）で表される。
【０１１１】
【数７】
【０１１２】
【数８】
【０１１３】
【数９】
【０１１４】
【数１０】
【０１１５】
式（７）〜（１０）において、ａ〜ｐは補正係数である。
【０１１６】
すなわち、圧力センサー素子１００の出力信号の周波数を計測することで、振動ビーム２２０の振動周波数（力Ｆが作用した時の共振周波数ｆＦ）が得られ、あらかじめ測定された共振周波数ｆ０や補正係数ａ〜ｐを用いて、式（６）から圧力Ｐを計算することができる。
【０１１７】
図９に戻り、発振回路１１０は、圧力センサー素子１００の振動ビーム２２２を共振周波数で発振させた発振信号を出力する。
【０１１８】
カウンター１２０は、発振回路１１０が出力する発振信号の所定周期を、基準クロック源であるＴＣＸＯ１３０が出力する高精度のクロック信号でカウントするレシプロカルカウンターである。ただし、カウンター１２０を、所定のゲートタイムにおける圧力センサー素子１００の発振信号のパルス数をカウントする直接計数方式の周波数カウンター（ダイレクトカウンター）として構成してもよい。
【０１１９】
ＭＰＵ（Micro Processing Unit）１４０は、カウンター１２０のカウント値から圧力値Ｐを計算する処理を行う。具体的には、ＭＰＵ１４０は、温度センサー１５０の検出値から温度ｔを計算し、ＥＥＰＲＯＭ１６０にあらかじめ記憶されているａ〜ｐの補正係数値を用いて、式（７）〜（１０）よりα（ｔ）、β（ｔ）、γ（ｔ）、δ（ｔ）を計算する。さらに、ＭＰＵ１４０は、カウンター１２０のカウント値とＥＥＰＲＯＭ１６０にあらかじめ記憶されている共振周波数ｆ０の値を用いて、式（６）より圧力値Ｐを計算する。そして、ＭＰＵが計算した圧力値Ｐは、通信インターフェース１７０を介して、気圧センサー１０の外部に出力される。
【０１２０】
このような構成の周波数変化型の気圧センサー１０によれば、圧力センサー素子１００の振動周波数をカウンター１２０によりＴＣＸＯ１３０が出力する高精度かつ高周波数（例えば数十ＭＨｚ）のクロック信号でカウントするとともに、ＭＰＵ１４０でデジタル演算処理により圧力値の計算及び直線性誤差の補正を行うので、Ｐａオーダーの高い分解能かつ高精度の圧力値（気圧データ）を得ることができる。さらに、気圧センサー１０は、カウント時間を考慮しても秒オーダーの周期で気圧データを更新することができるので、短時間におけるわずかな気圧の変化も捉えることができ、リアルタイムの気象計測に適している。
【０１２１】
なお、本実施形態では、基準クロック源としてＴＣＸＯ１３０を用いているが、基準クロック源を、温度補償回路を有さない発振回路、例えば、ＡＴカット水晶振動子を搭載した水晶発振回路で構成しても良い。この場合、温度補償回路を有さない分、気圧変動の検出精度は低下するが、基準クロック源を当該水晶発振回路とするか、或いはＴＣＸＯ１３０とするかは、システムのコストや精度に応じて設計者が適宜選択すればよい。
【０１２２】
［病気予測装置の構成］
第２実施形態における病気予測装置４の構成は、第１実施形態（図４）と同様であるため、図示を省略する。ただし、処理部（ＣＰＵ）２０の気象予測部２２の機能が第１実施形態と異なる。
【０１２３】
気象予測部２２は、気象データ取得部２１が取得した気象データに含まれる気圧データに基づいて、局地的な気象変動の発生の有無を予測し、気象変動の発生が予測される場合には、当該気象変動に伴う気象変化を加味して各地点の気象の推移を予測する処理を行う。
【０１２４】
本実施形態では、記憶部３４に、気象条件に関する判定基準と判定される気象変動との対応関係を定義する気象変動判定テーブル（不図示）が記憶されており、気象予測部２２は、気象データ取得部２１が取得した気象データから得られる気象状況の変化を当該気象変動判定テーブルの各判定基準と照合し、各気象変動が発生するか否かを判定する。例えば、気象変動の前に生じる上昇気流に伴う局地的な低気圧の発生の有無を判定することで気象変動を予測することができるので、気象変動判定テーブルの各判定基準は少なくとも気圧に関する条件を含む。例えば、一定時間当たりの気圧の低下量が所定の閾値を超えたか否かを所定の気象変動（例えば集中豪雨）の判定基準としてもよい。また、判定基準に温度や湿度等に関する条件を含ませてもよい。例えば、一定時間当たりの気圧の低下量が所定の閾値を超えるとともに温度が所定の範囲にあるか否かを所定の気象変動（例えば雷雨）の判定基準としてもよい。図１３は、気象変動判定テーブルの一例を示す図である。図１３の例では、判定基準１が満たされるとにわか雨が降ると予測されることを示している。同様に、判定基準２，３，４、５がそれぞれ満たされると、それぞれ雷雨、集中豪雨、竜巻、突風の発生が予測されることを示している。
【０１２５】
また、気象予測部２２は、気象データ取得部２１が取得した気象データに含まれる気圧データに基づいて、２地点間毎（２つの気象計測装置２の間毎）の気圧傾度（＝２地点間の気圧差／２地点間の距離）を計算し、気圧傾度の変化から上昇気流に伴う局地的な低気圧の移動速度や移動方向を計算し、気象変動が発生するエリアを予測する。なお、気圧傾度の計算対象となる地点は、任意の位置でよく、例えば、観測メッシュの各ノードの位置（気圧計測装置２の設置場所）でもよい。
【０１２６】
そして、気象予測部２２は、現在までの各地点の気象の推移をベースに、局地的な気象変動の発生予測も考慮しながら、各地点の気象の推移を予測し、病気予測情報４００を作成する。気象変動の発生による気温や湿度等の変化量は、過去の統計データに基づく数値計算を行うことで得ることができる。
【０１２７】
２−３．病気予測装置の処理
図１４は、第２実施形態における、病気予測装置４の処理部（ＣＰＵ）２０の病気予測処理のフローチャートの一例を示す図である。
【０１２８】
まず、処理部（ＣＰＵ）２０は、各気象計測装置２が計測した気象データを取得する（Ｓ１００）。
【０１２９】
次に、処理部（ＣＰＵ）２０は、ステップＳ１００で取得した気象データに含まれる気圧データから、２地点間毎の気圧傾度を計算する（Ｓ１０２）。
【０１３０】
次に、処理部（ＣＰＵ）２０は、現在までの各地点の気圧と気圧傾度の推移等から、局地的な気象変動を予測する（Ｓ１０４）。
【０１３１】
次に、処理部（ＣＰＵ）２０は、現在までの各地点の気象の推移とステップＳ１０４の気象変動の予測結果から、観測メッシュの各エリアのＴ時間後（例えば、１２時間後）までの気象の推移を予測する（Ｓ１０６）。
【０１３２】
次に、処理部（ＣＰＵ）２０は、観測メッシュのエリア毎に、ステップＳ１０６で得られた気象の推移の予測結果を気象条件・病気対応情報３００と照合し、Ｔ１時間後，Ｔ２時間後，・・・（例えば、１時間後，２時間後，・・・）の病気別の危険度を判定する（Ｓ１０８）。
【０１３３】
次に、処理部（ＣＰＵ）２０は、観測メッシュのエリア毎の病気別の危険度の判定結果から、病気予測情報（予測時刻、病気の種類、危険度、エリアの対応情報）を作成する（Ｓ１１０）。
【０１３４】
そして、処理部（ＣＰＵ）２０は、病気予測処理を終了する（Ｓ１１２のＹ）まで、所定時間が経過する毎に（Ｓ１１４のＹ）、Ｓ１００〜Ｓ１１０の処理を繰り返し行う。
【０１３５】
以上に説明したように、第２実施形態の病気予測システムによれば、病気予測装置４は、分散配置された複数の気象計測装置２の各々が計測した気象データを取得して、観測メッシュのエリア毎の詳細な気圧変化の情報から、気圧の変化に起因して発生する局地的な気象変動の発生を予測する。そして、病気予測装置４は、気象変動の発生を考慮してエリア毎の気象予測を行い、病気別の発生の危険度を予測するので、病気別の発生しやすいエリアの予測精度をさらに高めることができる。
【０１３６】
３．第３実施形態
３−１．病気予測システムの概要
第１実施形態や第２実施形態の病気予測システムでは、病気別の一般的な危険度の予測情報を提供するものであるが、気象条件が同じでもユーザーの年齢や性別等によって病気別の危険度は異なると考えられる。また、ユーザーの体質や持病等によって、ユーザー毎に特に発症しやすい病気や発症しにくい病気が異なると考えられる。つまり、第１実施形態や第２実施形態の病気予測システムでは、ある病気の危険度が０（「ほとんど危険なし」）と予測された場合でも、ユーザーによっては実際には危険度が１又は２（「危険」又は「非常に危険」）であることが考えられる。そこで、第３実施形態の病気予測システムは、ユーザー毎にカスタマイズされた個別の病気予測情報を提供する。
【０１３７】
３−２．病気予測システムの構成
第３施形態の病気予測システムの全体構成は、第１実施形態（図２）と同様であるため、図示及び説明を省略する。同様に、第３施形態における気象計測装置２の構成は、第１実施形態（図２）と同様であるため、図示及び説明を省略する。
【０１３８】
［病気予測装置の構成］
第３施形態における病気予測装置４の構成は、第１実施形態（図４）と同様であるため、図示を省略する。ただし、記憶部３４には、各ユーザーに対応付けて、個別の病気予測情報を作成するために必要なユーザーの特性が設定されたユーザー情報が記憶されている。
【０１３９】
図１５は、ユーザー情報の一例を示す図である。図１５に示すように、ユーザー情報５００は、例えば、ユーザーＩＤ（５１０）、年齢（５２０）、性別（５３０）、体質（５４０）、持病（５５０）、病歴（５６０）等の情報を含む。
【０１４０】
第３実施形態における処理部（ＣＰＵ）２０の気象予測部２２は、現在までの各地点の気象の推移とユーザー情報５００に基づいて、各ユーザー用の病気予測情報４００を作成する。具体的には、気象予測部２２は、ユーザー毎に、ユーザー情報５００に設定された情報を用いて、気象条件・病気対応情報３００を修正して個別の気象条件・病気対応情報を作成し、現在までの各地点の気象の推移から予測される将来の気象条件を個別の気象条件・病気対応情報とそれぞれ照合することで、各ユーザー用の病気予測情報４００を作成する。気象予測部２２は、例えば、各ユーザーに対して、年齢（５２０）が高いほど各病気（４２０）に対する気象条件（４１０）を緩い方向（発病しやすい方向）に修正し、性別に応じて発病率が異なる病気（４２０）に対する気象条件（４１０）を性別（５３０）に応じて修正する。また、気象予測部２２は、例えば、各ユーザーに対して、体質（５４０）に応じてかかりやすい病気（４２０）に対する気象条件（４１０）を緩い方向（発病しやすい方向）に修正する。さらに、気象予測部２２は、例えば、各ユーザーに対して、持病（５５０）に設定されている現在かかっている病気（４２０）や病歴（５６０）に設定されている過去にかかった病気（４２０）に対する気象条件（４１０）を緩い方向（発病しやすい方向）に修正する。ただし、気象予測部２２は、ユーザー毎に気象条件・病気対応情報４００を修正する代わりに、例えば、現在までの各地点の気象の推移と気象条件・病気対応情報４００に基づいて一般的な病気予測情報４００を作成した後、ユーザー情報５００を用いて、当該病気予測情報４００を各ユーザー用に修正するようにしてもよい。
【０１４１】
３−３．病気予測装置の処理
図１６は、第３実施形態における、病気予測装置４の処理部（ＣＰＵ）２０の病気予測処理のフローチャートの一例を示す図である。
【０１４２】
まず、各ユーザーに対するユーザー情報５００を用いて気象条件・病気対応情報４００を修正し、ユーザー毎の気象条件・病気対応情報を作成する（Ｓ２００）。なお、このステップＳ２００の処理は、各ユーザーに対して一度行った後は、各ユーザーに対してユーザー情報５００が更新された場合のみ行えばよい。
【０１４３】
次に、処理部（ＣＰＵ）２０は、各気象計測装置２が計測した気象データを取得する（Ｓ２０２）。
【０１４４】
次に、処理部（ＣＰＵ）２０は、現在までの各地点の気象の推移から、観測メッシュの各エリアのＴ時間後（例えば、１２時間後）までの気象の推移を予測する（Ｓ２０４）。
【０１４５】
次に、処理部（ＣＰＵ）２０は、観測メッシュのエリア毎に、ステップＳ２０４で得られた気象の推移の予測結果を、ステップＳ２００で作成した各ユーザーの気象条件・病気対応情報と照合し、ユーザー毎に、Ｔ１時間後，Ｔ２時間後，・・・（例えば、１時間後，２時間後，・・・）の病気別の危険度を判定する（Ｓ２０６）。
【０１４６】
次に、処理部（ＣＰＵ）２０は、ユーザー毎に、観測メッシュのエリア毎の病気別の危険度の判定結果から、病気予測情報（予測時刻、病気の種類、危険度、エリアの対応情報）を作成する（Ｓ２０８）。
【０１４７】
次に、処理部（ＣＰＵ）２０は、ステップＳ２０８で作成した各ユーザーの病気予測情報を、各ユーザーの情報端末６に送信する（Ｓ２１０）。各ユーザーの情報端末６は、病気予測情報を受信して表示し、各ユーザーは、この病気予測情報を確認することで、持病が発生する危険度や危険な時間帯を知ることができる。
【０１４８】
そして、処理部（ＣＰＵ）２０は、病気予測処理を終了する（Ｓ２１２のＹ）まで、所定時間が経過する毎に（Ｓ２１４のＹ）、Ｓ２０２〜Ｓ２１０の処理を繰り返し行う。
【０１４９】
以上に説明したように、第３実施形態の病気予測システムによれば、病気予測装置４が、ユーザー毎の気象条件・病気対応情報を作成し、分散配置された複数の気象計測装置２の各々が計測した気象データをもとに解析した気象条件をユーザー毎の気象条件・病気対応情報と照合し、ユーザー毎にカスタマイズされた病気予測情報を生成する。そして、各ユーザーは、個別にカスタマイズされた予測精度の高い病気予測の情報を得ることで、特に発病しやすいユーザーは、注意して行動するようになり、発病を未然に防ぐことが期待できる。
【０１５０】
なお、処理部（ＣＰＵ）２０は、ステップＳ２１０で作成したユーザー毎の病気予測情報から、発病する危険度が所定レベル以上（例えば、危険度が１以上）のユーザーの情報端末６に注意を喚起する情報を送信するようにしてもよい。さらに、処理部（ＣＰＵ）２０は、ユーザー毎に、発病する危険度に応じた時間間隔で、この注意を喚起する情報を繰り返し送信するようにしてもよい。例えば、危険度が高いユーザーほど、より短い時間間隔で注意を喚起する情報を送信するようにしてもよい。このようにすれば、発病する危険度の高いユーザーほど、注意を喚起する情報を頻繁に受け取るので、行動を自粛する等の対策をとることが期待できる。
【０１５１】
４．適用例
本実施形態の病気予測システムは、様々な用途に適用することができる。
【０１５２】
［適用例１］
病気予測装置４が生成する病気予測情報４００を病院に設置された情報端末に送信し、病院の職員が発生率の高い病気の種類、時間、地域などを予測することで、緊急搬送されると予測される患者数に応じた医療体制をあらかじめ整えることができる。また、病気予測装置４が生成する病気予測情報４００を休暇中の医師が携帯する情報端末６に送信し、当該医師が発生率の高い病気の種類、時間、地域などを予測することで、緊急呼び出しを受ける可能性が高いか否かをあらかじめ判断することができる。
【０１５３】
［適用例２］
病気予測装置４が生成する病気予測情報４００を、遠隔介護システムのサーバーに送信し、当該サーバーが、発病する危険性の高い患者の情報端末に、所定時間毎に、注意喚起や対処方法を指示するメールを送信することで、各患者が発病する危険性を低下させることができる。さらに、当該サーバーは、患者の危険度が高いほどメールを送信する間隔を短くするようにしてもよい。このようにすれば、患者が警戒を怠らず、発病する危険性を低下させることが期待できる。同様に、病気予測装置４が生成する病気予測情報４００を、一人暮らしの高齢者から離れた場所にいる家族の情報端末に送信し、当該家族は、当該高齢者が発病する危険性があると判断した場合、当該高齢者に連絡して注意喚起や対処方法を指示することができる。
【０１５４】
５．変形例
本発明は本実施形態に限定されず、本発明の要旨の範囲内で種々の変形実施が可能である。
【０１５５】
［変形例１］
本実施形態において、観測メッシュの各エリアは矩形でなくてもよく、例えば、６つのノードによって１つの六角形状のエリアが形成されるように複数の気象計測装置２を分散配置してもよい。
【０１５６】
［変形例２］
本実施形態において、気象計測装置２の配置密度は一定でなくてもよく、配置密度を変えてもよい。例えば、地形や建物の配置などから、気象変動が発生し易い場所がわかっていれば、そのような場所では気象計測装置２の配置密度を高くし、逆に、気象変動が発生しにくい場所がわかっていれば、そのような場所では気象計測装置２の配置密度を低くするようにしてもよい。あるいは、気圧傾度の大きさに応じて気象計測装置２の配置密度を高くするようにしてもよい。
【０１５７】
気象変動が発生し易い場所ほどより観測メッシュを細かくすることで、予測精度を高めることができる。逆に、気象変動が発生しにくい場所は、観測メッシュを多少粗くすることで、必要十分な予測精度を確保しながらコストを削減することができる。
【０１５８】
［変形例３］
本実施形態において、気象計測装置２を３次元状に配置することで、３次元の観測メッシュを形成するようにしてもよい。例えば、ビルの屋上や側面、地上等に気象計測装置２を配置することで、３次元の領域に観測メッシュを形成することができる。このようにすれば、高さ方向の気象の変化の情報も得られるので、気象変動の予測精度を高めることができる。なお、１０ｍ高くなる毎に気圧が約１ｈＰａ低下するので、３次元の観測メッシュを形成する場合は、気象計測装置２の設置高度に応じて気圧や気圧傾度を補正計算することが望ましい。
【０１５９】
［変形例４］
気象計測装置２が計測した気象条件（気圧、気温、湿度、風向、風速など）が同じでも、雷雨等をもたらす積乱雲が発達するか否かは当該気象計測装置２の位置の地理（地形、建物や木の配置等）によって異なると考えられる。そこで、第２実施形態において、病気予測装置４の処理部（ＣＰＵ）２０（気象予測部２２）は、各気象計測装置２が計測した気象データと、気象計測装置２が分散配置されている地域の地理情報とを用いて気象変動の予測を行うようにしてもよい。この地理情報は、例えば、病気予測装置４の記憶部３４に記憶されていてもよいし、インターネット等の通信ネットワーク上のサーバーに地理情報を記憶させておき、病気予測装置４が通信ネットワークを介して当該地理情報を取得するようにしてもよい。
【０１６０】
このように、気象状況に地理情報を加味して気象変動を予測することで、予測精度を高めることができる。
【０１６１】
［変形例５］
気象計測装置２が計測した気象条件（気圧、気温、湿度、風向、風速など）を、過去に気象変動が発生した際の気象条件の統計情報と照合することで、気象変動の予測精度を高めることができる。そこで、第２実施形態において、病気予測装置４の処理部（ＣＰＵ）２０（気象予測部２２）は、各気象計測装置２が計測した気象データと、気象計測装置２が分散配置されている地域における過去に気象変動が発生した気象条件の統計情報とを用いて気象変動の予測を行うようにしてもよい。この統計情報は、例えば、病気予測装置４の記憶部３４に記憶されていてもよいし、インターネット等の通信ネットワーク上のサーバーに統計情報を記憶させておき、病気予測装置４が通信ネットワークを介して当該統計情報を取得するようにしてもよい。
【０１６２】
このように、気象状況に過去の統計情報を加味して気象変動を予測することで、予測精度を高めることができる。
【０１６３】
なお、病気予測装置４の処理部（ＣＰＵ）２０（気象予測部２２）は、各気象計測装置２が計測した気象データとともに、地理情報と統計情報の両方を用いて気象変動の予測を行うことで、気象変動の予測精度をさらに高めることができる。
【０１６４】
本発明は、実施の形態で説明した構成と実質的に同一の構成（例えば、機能、方法及び結果が同一の構成、あるいは目的及び効果が同一の構成）を含む。また、本発明は、実施の形態で説明した構成の本質的でない部分を置き換えた構成を含む。また、本発明は、実施の形態で説明した構成と同一の作用効果を奏する構成又は同一の目的を達成することができる構成を含む。また、本発明は、実施の形態で説明した構成に公知技術を付加した構成を含む。
【符号の説明】
【０１６５】
１ 病気予測システム、２ 気象計測装置、３ 通信ネットワーク、４ 病気予測装置、６ 情報端末、１０ 気圧センサー、１１ 温度センサー、１２ 湿度センサー、１４ 送信部、２０ 処理部（ＣＰＵ）、２１ 気象データ取得部、２２ 気象予測部、２３ 病気予測情報生成部、２４ 通信制御部、２５ 表示制御部、３０ 操作部、３２ 通信部、３４ 記憶部、３６ 記録媒体、３８ 表示部、１００ 圧力センサー素子、１１０ 発振回路、１２０ カウンター、１３０ ＴＣＸＯ、１４０ ＭＰＵ、１５０ 温度センサー、１６０ ＥＥＰＲＯＭ、１７０ 通信インターフェース（Ｉ／Ｆ）、２１０ ダイヤフラム、２１２ 突起、２１４ 受圧面、２２０ 振動片、２２２ 振動ビーム（梁）、２２４ 基部、２２６ 支持梁、２２８ 枠部、２３０ ベース、２３２ キャビティー、３００ 気象条件・病気対応情報、４００ 病気予測情報、５００ ユーザー情報
【特許請求の範囲】
【請求項１】
病気の発生予測の対象地域に分散して配置される複数の気象計測装置と、
前記複数の気象計測装置の各々が計測した気象データを利用して、病気の発生を予測する病気予測装置と、を含み、
前記病気予測装置は、
前記気象データを取得する気象データ取得部と、
前記気象データ取得部が取得した気象データを利用して、気象を予測する気象予測部と、
前記気象予測部の予測結果を、気象条件と病気との対応情報と照合し、病気別に発生する危険度を予測して病気予測情報を生成する病気予測情報生成部と、を含む、病気予測システム。
【請求項２】
請求項１において、
前記病気予測情報は、
病気の種類毎に、病気が発生する危険度と病気が発生するエリアとの対応関係の情報を含む、病気予測システム。
【請求項３】
請求項１又は２において、
前記複数の気象計測装置の各々は、気圧センサーを備え、
前記病気予測装置は、
前記気象予測部が、
前記気象データ取得部が取得した気象データに含まれる気圧データから得られる気圧変化の情報を利用して、気象を予測する、病気予測システム。
【請求項４】
請求項３において、
前記病気予測装置は、
前記気象予測部が、
前記気圧変化の情報を利用して所与の気象変動が発生するか否かを判定し、判定結果に基づいて気象を予測する、病気予測システム。
【請求項５】
請求項３又は４において、
前記病気予測装置は、
前記気象予測部が、
前記気象データ取得部が取得した気象データに含まれる気圧データから得られる気圧傾度の変化の情報を利用して、気象を予測する、病気予測システム。
【請求項６】
請求項１乃至５のいずれかにおいて、
前記病気予測装置は、
前記病気予測情報生成部が、
ユーザー毎の特性を示すユーザー情報を利用して、ユーザー毎に前記病気予測情報を生成する、病気予測システム。
【請求項７】
請求項６において、
前記病気予測装置は、
病気を発症する危険度が所定レベル以上のユーザーの情報端末に、注意を喚起する情報を送信する、病気予測システム。
【請求項８】
請求項７において、
前記病気予測装置は、
ユーザー毎に、病気を発症する危険度に応じた時間間隔で、前記注意を喚起する情報を繰り返し送信する、病気予測システム。
【請求項９】
病気の発生予測の対象地域に分散して配置される複数の気象計測装置の各々から気象データを取得する気象データ取得ステップと、
前記気象データ取得ステップで取得した気象データを利用して、気象を予測する気象予測ステップと、
前記気象予測ステップでの予測結果を、気象条件と病気との対応情報と照合し、病気別に発生する危険度を予測して病気予測情報を生成する病気予測情報生成ステップと、を含む、病気予測方法。
【請求項１】
病気の発生予測の対象地域に分散して配置される複数の気象計測装置と、
前記複数の気象計測装置の各々が計測した気象データを利用して、病気の発生を予測する病気予測装置と、を含み、
前記病気予測装置は、
前記気象データを取得する気象データ取得部と、
前記気象データ取得部が取得した気象データを利用して、気象を予測する気象予測部と、
前記気象予測部の予測結果を、気象条件と病気との対応情報と照合し、病気別に発生する危険度を予測して病気予測情報を生成する病気予測情報生成部と、を含む、病気予測システム。
【請求項２】
請求項１において、
前記病気予測情報は、
病気の種類毎に、病気が発生する危険度と病気が発生するエリアとの対応関係の情報を含む、病気予測システム。
【請求項３】
請求項１又は２において、
前記複数の気象計測装置の各々は、気圧センサーを備え、
前記病気予測装置は、
前記気象予測部が、
前記気象データ取得部が取得した気象データに含まれる気圧データから得られる気圧変化の情報を利用して、気象を予測する、病気予測システム。
【請求項４】
請求項３において、
前記病気予測装置は、
前記気象予測部が、
前記気圧変化の情報を利用して所与の気象変動が発生するか否かを判定し、判定結果に基づいて気象を予測する、病気予測システム。
【請求項５】
請求項３又は４において、
前記病気予測装置は、
前記気象予測部が、
前記気象データ取得部が取得した気象データに含まれる気圧データから得られる気圧傾度の変化の情報を利用して、気象を予測する、病気予測システム。
【請求項６】
請求項１乃至５のいずれかにおいて、
前記病気予測装置は、
前記病気予測情報生成部が、
ユーザー毎の特性を示すユーザー情報を利用して、ユーザー毎に前記病気予測情報を生成する、病気予測システム。
【請求項７】
請求項６において、
前記病気予測装置は、
病気を発症する危険度が所定レベル以上のユーザーの情報端末に、注意を喚起する情報を送信する、病気予測システム。
【請求項８】
請求項７において、
前記病気予測装置は、
ユーザー毎に、病気を発症する危険度に応じた時間間隔で、前記注意を喚起する情報を繰り返し送信する、病気予測システム。
【請求項９】
病気の発生予測の対象地域に分散して配置される複数の気象計測装置の各々から気象データを取得する気象データ取得ステップと、
前記気象データ取得ステップで取得した気象データを利用して、気象を予測する気象予測ステップと、
前記気象予測ステップでの予測結果を、気象条件と病気との対応情報と照合し、病気別に発生する危険度を予測して病気予測情報を生成する病気予測情報生成ステップと、を含む、病気予測方法。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図８】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図８】
【公開番号】特開２０１３−９２９２９（Ｐ２０１３−９２９２９Ａ）
【公開日】平成２５年５月１６日（２０１３．５．１６）
【国際特許分類】
【出願番号】特願２０１１−２３５０６５（Ｐ２０１１−２３５０６５）
【出願日】平成２３年１０月２６日（２０１１．１０．２６）
【出願人】（０００００２３６９）セイコーエプソン株式会社 (51,324)
【Ｆターム（参考）】
【公開日】平成２５年５月１６日（２０１３．５．１６）
【国際特許分類】
【出願日】平成２３年１０月２６日（２０１１．１０．２６）
【出願人】（０００００２３６９）セイコーエプソン株式会社 (51,324)
【Ｆターム（参考）】
[ Back to top ]