JP5080298B2 - コンディション推定装置、及び、コンディション推定プログラム - Google Patents
コンディション推定装置、及び、コンディション推定プログラム Download PDFInfo
- Publication number
- JP5080298B2 JP5080298B2 JP2008021758A JP2008021758A JP5080298B2 JP 5080298 B2 JP5080298 B2 JP 5080298B2 JP 2008021758 A JP2008021758 A JP 2008021758A JP 2008021758 A JP2008021758 A JP 2008021758A JP 5080298 B2 JP5080298 B2 JP 5080298B2
- Authority
- JP
- Japan
- Prior art keywords
- user
- index
- time
- condition
- situation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Description
本発明は、ユーザの心身の状態を表すコンディションを推定するコンディション推定装置、及び、コンディション推定プログラムに関する。
従来、ユーザが現在居る位置及び時刻に基づいて様々なサービスをユーザに提供することが行われている。例えば、特許文献１には、基地局から取得したユーザ端末の位置及び現在時刻に基づいて、ユーザは夕方に自宅の付近に居る、朝又は昼に勤務地付近に居る、夕方又は夜に地下鉄又はバスに乗って自宅の付近に移動している等のユーザのシチュエーションを予測し、当該予測結果に応じて、「ここが家ですか？」、「会社に出勤したのですね？」、「次の駅は、家の付近である教大駅です。右側に降りてください。」等のメッセージをユーザ端末に表示するシステムが開示されている。しかしながら、ユーザの現在の位置及び時刻のみに基づいてシチュエーションを推定しても精度は低くなる。したがって、精度の低い推定結果に基づいて表示するメッセージは上記のように質問形式とならざるを得ず、適切なメッセージを表示してユーザに癒しを与えることができない。
また、従来、上記のようなシチュエーションの推定に加えて、センサやタグを用いることにより、ユーザは元気か、気分が沈んでいないか、引きこもりの傾向にないか等のユーザのコンディションを推定し、ユーザにサービスを提供することも行われている。
特開２００６−６５８７０号公報
しかしながら、センサやタグを利用せずに簡単にコンディションを推定することは困難であった。
本発明は上述した従来技術の問題点を解決するためになされたものであり、センサやタグを利用せずにユーザのコンディションを容易に推定することが可能なコンディション推定装置、及び、コンディション推定プログラムを提供することにある。
本発明は上述した従来技術の問題点を解決するためになされたものであり、センサやタグを利用せずにユーザのコンディションを容易に推定することが可能なコンディション推定装置、及び、コンディション推定プログラムを提供することにある。
上記課題を解決するために、本発明のある態様によるコンディション推定装置は、ユーザの心身の状態を表すコンディションを推定するコンディション推定装置において、記憶装置により、ユーザの過去の行動の履歴であるユーザ履歴ログを記憶するユーザ履歴ログ記憶手段と、前記ユーザ履歴ログ記憶手段に記憶されているユーザ履歴ログに基づいて、制御装置により、前記ユーザのコンディションを推定するための指標となるコンディション指数を算出するコンディション指数算出手段と、記憶装置により、前記ユーザの１日のライフサイクルを表すライフサイクル情報と前記ユーザが居る場所を表す位置情報とに依存する前記ユーザの行動の状態を表すシチュエーションの遷移順を平休日別に定義したシチュエーション遷移モデルを記憶するモデル定義手段と、ＧＰＳにより、現在の前記ユーザが居る場所を表す位置情報を取得する位置情報取得手段と、内部時計により、現在の時刻を表す時刻情報を取得する時刻情報取得手段と、制御装置により、前記シチュエーション遷移モデルと前記位置情報取得手段により取得された位置情報と前記時刻情報取得手段により取得された時刻情報と前記ユーザの遷移前のシチュエーションとに基づいて、前記ユーザの現在のシチュエーションを推定するシチュエーション推定手段とを備え、前記ユーザ履歴ログ記憶手段は、前記シチュエーション推定手段により推定された現在のシチュエーションと、該現在のシチュエーションに遷移した時刻とを、前記ユーザ履歴ログとして記憶し、前記コンディション指数には前記ユーザの日々の生活パターンに変化があるか否かの指標となるマンネリ指数が含まれ、前記コンディション指数算出手段は、前記ユーザ履歴ログに基づいて前記ユーザのシチュエーションが仕事終了から帰宅までの間の帰宅中である時間を日毎に算出し、該算出した日毎の帰宅中の時間の差が第１の所定時間以内の場合には、前記マンネリ指数を前記ユーザの生活パターンの変化がより小さいことを示す値に更新し、前記日毎の帰宅中の時間の差が前記第１の所定時間を超えている場合には、前記マンネリ指数を前記ユーザの生活パターンの変化がより大きいことを示す値に更新することを特徴とする。この構成によれば、前記コンディション推定装置は前記ユーザ履歴ログに基づいて前記ユーザのコンディションを推定するための指標となるコンディション指数を算出するため、センサやタグを利用せずに前記ユーザのコンディションを推定するための指標となるコンディション指数を容易に推定することが可能となる。また、前記コンディション推定装置は、前記シチュエーション推定手段により推定された現在のシチュエーションと、該現在のシチュエーションに遷移した時刻とを、前記ユーザ履歴ログとして記憶するため、精度の高いシチュエーションの推定に基づいて精度の高いユーザ履歴ログを記憶することができ、該精度の高いユーザ履歴ログに基づいて、前記ユーザのコンディションを推定するための指標となるコンディション指数を高い精度で推定することが可能となる。さらに、前記コンディション指数には前記ユーザの日々の生活パターンに変化があるか否かの指標となるマンネリ指数が含まれ、前記コンディション指数算出手段は、前記ユーザ履歴ログに基づいて前記ユーザのシチュエーションが仕事終了から帰宅までの間の帰宅中である時間を日毎に算出し、該算出した日毎の帰宅中の時間の差が第１の所定時間以内の場合には、前記マンネリ指数を前記ユーザの生活パターンの変化がより小さいことを示す値に更新し、前記日毎の帰宅中の時間の差が前記第１の所定時間を超えている場合には、前記マンネリ指数を前記ユーザの生活パターンの変化がより大きいことを示す値に更新することにより、前記コンディション指数算出手段は、前記ユーザ履歴ログに基づいて前記ユーザの日毎の帰宅中の時間を算出し、該算出した日毎の帰宅中の時間の差に応じて前記マンネリ指数を更新するため、センサやタグを利用することなく前記マンネリ指数を容易に算出することができ、該マンネリ指数に基づいて前記ユーザの生活パターンの変化の乏しさを容易に判断することができる。
また、前記コンディション指数には前記ユーザの睡眠が十分であるか否かの指標となる睡眠指数が含まれ、前記コンディション指数算出手段は、前記ユーザ履歴ログに基づいて、前記ユーザの過去の睡眠時間の平均値を算出し、前記ユーザの直近の睡眠時間が前記平均値より長い場合には前記睡眠指数を前記ユーザの睡眠がより十分であることを示す値に更新し、前記平均値より短い場合には前記睡眠指数を前記ユーザの睡眠がより不十分であることを示す値に更新するようにしてもよい。
この構成によれば、前記コンディション指数算出手段は、前記ユーザ履歴ログに基づいて、前記ユーザの過去の睡眠時間の平均値を算出し、前記ユーザの直近の睡眠時間が前記平均値より長い場合には前記睡眠指数を前記ユーザの睡眠がより十分であることを示す値に更新し、前記平均値より短い場合には前記睡眠指数を前記ユーザの睡眠がより不十分であることを示す値に更新するため、センサやタグを利用することなく前記睡眠指数を容易に算出することができ、前記睡眠指数に基づいて前記ユーザの睡眠が十分であるか否かを容易に推定することができる。
さらに、前記コンディション指数には前記ユーザが働き過ぎか否かの指標となる労働指数が含まれ、前記コンディション指数算出手段は、前記ユーザ履歴ログに基づいて、前記ユーザの過去の労働時間の平均値を算出し、前記ユーザの直近の労働時間が前記平均値より長い場合には前記労働指数を前記ユーザの労働時間がより長いことを表す値に更新し、前記平均値より短い場合には前記労働指数を前記ユーザの労働時間がより短いことを表す値に更新するようにしてもよい。
この構成によれば、前記コンディション指数算出手段は、前記ユーザ履歴ログに基づいて、前記ユーザの過去の労働時間の平均値を算出し、前記ユーザの直近の労働時間が前記平均値より長い場合には前記労働指数を前記ユーザの労働時間がより長いことを表す値に更新し、前記平均値より短い場合には前記労働指数を前記ユーザの労働時間がより短いことを表す値に更新するため、センサやタグを利用することなく前記労働指数を容易に算出することができ、前記労働指数に基づいて前記ユーザが働き過ぎか否かを容易に推定することができる。
また、前記コンディション指数には前記ユーザの元気の度合いを示す元気指数が含まれ、前記コンディション指数算出手段は、前記睡眠指数と前記労働指数とに基づいて前記元気指数を算出するようにしてもよい。
この構成によれば、前記コンディション指数算出手段は、前記睡眠指数と前記労働指数とに基づいて前記元気指数を算出するため、センサやタグを利用することなく、前記算出された元気指数に基づいて前記ユーザの元気の度合いを容易に推定することができる。
この構成によれば、前記コンディション指数算出手段は、前記睡眠指数と前記労働指数とに基づいて前記元気指数を算出するため、センサやタグを利用することなく、前記算出された元気指数に基づいて前記ユーザの元気の度合いを容易に推定することができる。
さらに、前記コンディション指数には前記ユーザの気分の高揚の度合いを示すテンション指数が含まれ、前記ユーザへの質問に対する返答が、前記ユーザの気分が高揚している時の返答であるプラス要素返答と、前記ユーザの気分が沈んでいる時の返答であるマイナス要素返答との何れに分類されるかを判定する返答分類手段をさらに備え、前記コンディション指数算出手段は、前記返答分類手段による判定結果に基づいて前記テンション指数を更新するようにしてもよい。
この構成によれば、前記コンディション指数算出手段は、前記返答分類手段による判定結果に基づいて前記テンション指数を更新するため、センサやタグを利用することなく前記テンション指数を容易に算出することができ、前記テンション指数に基づいて前記ユーザの気分の状態を容易に推定することができる。
この構成によれば、前記コンディション指数算出手段は、前記返答分類手段による判定結果に基づいて前記テンション指数を更新するため、センサやタグを利用することなく前記テンション指数を容易に算出することができ、前記テンション指数に基づいて前記ユーザの気分の状態を容易に推定することができる。
また、前記コンディション指数算出手段は、前記ユーザ履歴ログに基づいて前記ユーザのシチュエーションが出勤開始から仕事開始までの間の出勤中である時間を日毎に算出し、該算出した日毎の出勤中の時間の差が第２の所定時間以内の場合には、前記マンネリ指数を前記ユーザの生活パターンの変化がより小さいことを示す値に更新し、前記日毎の出勤中の時間の差が前記第２の所定時間を超えている場合には、前記マンネリ指数を前記ユーザの生活パターンの変化がより大きいことを示す値に更新するようにしてもよい。
この構成によれば、前記コンディション指数算出手段は、前記ユーザ履歴ログに基づいて前記ユーザの日毎の出勤中の時間を算出し、該算出した日毎の出勤中の時間の差に応じて前記マンネリ指数を更新するため、センサやタグを利用することなく前記マンネリ指数を容易に算出することができ、前記マンネリ指数に基づいて前記ユーザの生活パターンの変化の乏しさを容易に推定することができる。
さらに、前記ユーザが目的に応じて滞在する場所を表すエリアと前記位置情報との対応関係を表すエリア定義情報を記憶するエリア定義手段をさらに備え、前記コンディション指数には前記ユーザが社会への参加を避ける引きこもりの傾向を示す引きこもり指数が含まれ、前記コンディション指数算出手段は、前記ユーザ履歴ログ及び前記エリア定義情報に基づき、休日における前記ユーザのシチュエーションが在宅中であり、かつ、前記元気指数が前記ユーザの元気の度合いが比較的低いことを示しており、かつ、前記ユーザが第３の所定時間以上該ユーザの居住するエリアに滞在していると判断した場合、前記引きこもり指数を前記引きこもりの傾向がより高いことを示す値に更新するようにしてもよい。
この構成によれば、前記コンディション指数算出手段は、休日における前記ユーザのシチュエーションが在宅中であり、かつ、前記元気指数が前記ユーザの元気の度合いが比較的低いことを示しており、かつ、前記ユーザが第３の所定時間以上該ユーザの居住するエリアに滞在していると判断した場合、前記引きこもり指数を前記引きこもりの傾向がより高いことを示す値に更新するため、センサやタグを利用することなく、前記ユーザ履歴ログに記憶されているシチュエーションの履歴に基づいて前記引きこもり指数を容易に算出することができ、前記引きこもり指数に基づいて前記ユーザの引きこもりの傾向を容易に推定することができる。
また、前記コンディション指数算出手段は、前記ユーザが前記居住するエリア外に移動したと判断した場合、前記引きこもり指数を前記ユーザの引きこもりの傾向がより低いことを示す値に更新するようにしてもよい。
この構成によれば、前記ユーザ履歴ログに基づいて前記ユーザが前記居住するエリア外に移動したと判断した場合、前記引きこもり指数を前記ユーザの引きこもりの傾向がより低いことを示す値に更新するため、センサやタグを利用することなく前記引きこもり指数を容易に算出することができ、前記引きこもり指数に基づいて前記ユーザの引きこもりの傾向を容易に推定することができる。
この構成によれば、前記ユーザ履歴ログに基づいて前記ユーザが前記居住するエリア外に移動したと判断した場合、前記引きこもり指数を前記ユーザの引きこもりの傾向がより低いことを示す値に更新するため、センサやタグを利用することなく前記引きこもり指数を容易に算出することができ、前記引きこもり指数に基づいて前記ユーザの引きこもりの傾向を容易に推定することができる。
さらに、前記コンディション指数算出手段により算出されたコンディション指数に基づいて前記ユーザに提示するためのセリフを決定するセリフ決定手段をさらに備えるようにしてもよい。
この構成によれば、前記セリフ決定手段は、前記コンディション指数算出手段により算出されたコンディション指数に基づいて前記ユーザに提示するためのセリフを決定するため、前記ユーザのコンディションに応じた適切なセリフを前記ユーザに提示することができ、あたかも見守っている人がいるような印象を前記ユーザに与えて癒しを提供することができる。
この構成によれば、前記セリフ決定手段は、前記コンディション指数算出手段により算出されたコンディション指数に基づいて前記ユーザに提示するためのセリフを決定するため、前記ユーザのコンディションに応じた適切なセリフを前記ユーザに提示することができ、あたかも見守っている人がいるような印象を前記ユーザに与えて癒しを提供することができる。
本発明のある態様によるコンディション推定プログラムは、コンピュータを、ユーザの過去の行動の履歴であるユーザ履歴ログを、記憶装置によって記憶するユーザ履歴ログ記憶手段と、前記ユーザ履歴ログ記憶手段に記憶されているユーザ履歴ログに基づいて、制御装置によって、前記ユーザの心身の状態を表すコンディションを推定するための指標となるコンディション指数を算出するコンディション指数算出手段と、前記ユーザの１日のライフサイクルを表すライフサイクル情報と前記ユーザが居る場所を表す位置情報とに依存する前記ユーザの行動の状態を表すシチュエーションの遷移順を平休日別に定義したシチュエーション遷移モデルを、記憶装置によって記憶するモデル定義手段と、
現在の前記ユーザが居る場所を表す位置情報を、ＧＰＳによって取得する位置情報取得手段と、
現在の時刻を表す時刻情報を、内部時計によって取得する時刻情報取得手段と、
前記シチュエーション遷移モデルと前記位置情報取得手段により取得された位置情報と前記時刻情報取得手段により取得された時刻情報と前記ユーザの遷移前のシチュエーションとに基づいて、前記ユーザの現在のシチュエーションを、制御装置によって推定するシチュエーション推定手段として機能させ、
前記ユーザ履歴ログ記憶手段は、前記シチュエーション推定手段により推定された現在のシチュエーションと、該現在のシチュエーションに遷移した時刻とを、前記ユーザ履歴ログとして記憶し、前記コンディション指数には前記ユーザの日々の生活パターンに変化があるか否かの指標となるマンネリ指数が含まれ、前記コンディション指数算出手段は、前記ユーザ履歴ログに基づいて前記ユーザのシチュエーションが仕事終了から帰宅までの間の帰宅中である時間を日毎に算出し、該算出した日毎の帰宅中の時間の差が第１の所定時間以内の場合には、前記マンネリ指数を前記ユーザの生活パターンの変化がより小さいことを示す値に更新し、前記日毎の帰宅中の時間の差が前記第１の所定時間を超えている場合には、前記マンネリ指数を前記ユーザの生活パターンの変化がより大きいことを示す値に更新することを特徴とする。
現在の前記ユーザが居る場所を表す位置情報を、ＧＰＳによって取得する位置情報取得手段と、
現在の時刻を表す時刻情報を、内部時計によって取得する時刻情報取得手段と、
前記シチュエーション遷移モデルと前記位置情報取得手段により取得された位置情報と前記時刻情報取得手段により取得された時刻情報と前記ユーザの遷移前のシチュエーションとに基づいて、前記ユーザの現在のシチュエーションを、制御装置によって推定するシチュエーション推定手段として機能させ、
前記ユーザ履歴ログ記憶手段は、前記シチュエーション推定手段により推定された現在のシチュエーションと、該現在のシチュエーションに遷移した時刻とを、前記ユーザ履歴ログとして記憶し、前記コンディション指数には前記ユーザの日々の生活パターンに変化があるか否かの指標となるマンネリ指数が含まれ、前記コンディション指数算出手段は、前記ユーザ履歴ログに基づいて前記ユーザのシチュエーションが仕事終了から帰宅までの間の帰宅中である時間を日毎に算出し、該算出した日毎の帰宅中の時間の差が第１の所定時間以内の場合には、前記マンネリ指数を前記ユーザの生活パターンの変化がより小さいことを示す値に更新し、前記日毎の帰宅中の時間の差が前記第１の所定時間を超えている場合には、前記マンネリ指数を前記ユーザの生活パターンの変化がより大きいことを示す値に更新することを特徴とする。
本発明によれば、ユーザ履歴ログに基づいてユーザのコンディションを推定するための指標となるコンディション指数を算出するため、センサやタグを利用せずに、ユーザのコンディションを推定するための指標となるコンディション指数を容易に推定することが可能となる。
以下、本発明に係るコンディション推定装置を移動通信端末で実現した場合の実施の形態を、図面を参照して説明する。なお、以下の説明において参照する各図では、他の図と同等部分は同一符号によって示されている。
（全体構成）
図１は、本発明の実施形態に係るエージェントシステムの全体構成を示す図である。同図に示すように、エージェントシステムは、ユーザが携帯する、折りたたみ式の移動通信端末１００と、移動通信端末１００にダウンロードするためのアプリケーションプログラムを管理するサーバ２００と、ＧＰＳ（Global Positioning System）による移動通信端末１００の位置計測を行う位置測位装置３００と、を含んで構成される。
（全体構成）
図１は、本発明の実施形態に係るエージェントシステムの全体構成を示す図である。同図に示すように、エージェントシステムは、ユーザが携帯する、折りたたみ式の移動通信端末１００と、移動通信端末１００にダウンロードするためのアプリケーションプログラムを管理するサーバ２００と、ＧＰＳ（Global Positioning System）による移動通信端末１００の位置計測を行う位置測位装置３００と、を含んで構成される。
（移動通信端末のハードウェア構成）
図２は、移動通信端末１００のハードウェア構成を示すブロック図である。同図に示すように、移動通信端末１００は、全体を制御するＣＰＵ１０１と、プログラムやデータ等のソフトウェアを記憶する記憶装置１０２と、無線通信を行うための通信インターフェース１０３と、各種画面を表示する表示装置１０４と、キーの押下、端末の開閉等の操作に応じた入力信号を出力する入力装置１０５と、音声や効果音等の音を出力する音出力装置１０６と、ユーザの声を入力するマイクロホン等の声入力装置１０７と、日時を計時する内部時計１０８と、位置測位装置３００からＧＰＳ信号を受信するためのＧＰＳ受信機１０９と、を備えている。
記憶装置１０２は、ＲＯＭ１２１と、ＲＡＭ１２２と、不揮発性メモリ１２３とを備えている。ＲＯＭ１２１には、オペレーティングシステム、Ｊａｖａ（登録商標）仕様に準拠したアプリケーションプログラムを実行するためのソフトウェア等が記憶されている。また、ＲＡＭ１２２には、各種プログラムやデータが一時的に記憶される。
図２は、移動通信端末１００のハードウェア構成を示すブロック図である。同図に示すように、移動通信端末１００は、全体を制御するＣＰＵ１０１と、プログラムやデータ等のソフトウェアを記憶する記憶装置１０２と、無線通信を行うための通信インターフェース１０３と、各種画面を表示する表示装置１０４と、キーの押下、端末の開閉等の操作に応じた入力信号を出力する入力装置１０５と、音声や効果音等の音を出力する音出力装置１０６と、ユーザの声を入力するマイクロホン等の声入力装置１０７と、日時を計時する内部時計１０８と、位置測位装置３００からＧＰＳ信号を受信するためのＧＰＳ受信機１０９と、を備えている。
記憶装置１０２は、ＲＯＭ１２１と、ＲＡＭ１２２と、不揮発性メモリ１２３とを備えている。ＲＯＭ１２１には、オペレーティングシステム、Ｊａｖａ（登録商標）仕様に準拠したアプリケーションプログラムを実行するためのソフトウェア等が記憶されている。また、ＲＡＭ１２２には、各種プログラムやデータが一時的に記憶される。
不揮発性メモリ１２３には、アプリ保存領域１２３ａとスクラッチパッド１２３ｂとが設けられている。アプリ保存領域１２３ａには、サーバ２００からダウンロードされたアプリケーションプログラムが記憶される。なお、ダウンロードに限らず、当該アプリケーションプログラムを移動通信端末１００の製造時からアプリ保存領域１２３ａに記憶させておくことも可能である。スクラッチパッド１２３ｂには、サーバ２００からダウンロードされたデータや、アプリケーションプログラムを起動することにより、又は、アプリケーションプログラムを実行することによって作成されたデータが記憶される。本実施形態では、スクラッチパッド１２３ｂには、曜日を判定するためのカレンダーデータ、音出力装置１０６から出力するための音データ、表示装置１０４に表示するための画像データ等が記憶される。なお、移動通信端末１００は、データを記憶するためのメモリとして、スクラッチパッド１２３ｂ以外の外部記憶装置を備えていてもよい。
（移動通信端末の機能構成）
次に、図３を参照して、移動通信端末１００の機能構成について説明する。なお、同図に示す機能構成は、移動通信端末１００のＣＰＵ１０１がＲＯＭ１２１やアプリ保存領域１２３ａ等に記憶されたプログラムに従って処理を実行することにより実現される。
（エリア定義部）
エリア定義部１１は、ユーザが目的に応じて滞在する場所を表すエリアと位置情報との対応関係を定義し、エリア定義情報として記憶する。本実施形態では、エリアには、ホームエリア（以下「ＨＡ」という）、仮ホームエリア（以下、「仮ＨＡ」という）、ワークエリア（以下「ＷＡ」という）、仮ワークエリア（以下、「仮ＷＡ」という）、「お気に入りエリア」、及び「特定エリア」が存在する。ここで、「ＨＡ」とは、自宅、実家等のユーザの主たる居住場所である。「仮ＨＡ」とは、友人宅、ホテル等の、ユーザが旅行、出張等で稀に就寝する場所である。「ＷＡ」とは、ユーザの主な勤務場所である。「仮ＷＡ」とは、客先、イベント会場等の、ユーザが営業、打合せ等で稀に勤務する場所である。「お気に入りエリア」とは、ユーザのお気に入りの場所として設定されるエリアである。「特定エリア」とは、コンテンツプロバイダが当該エリアでユーザにサービスを提供するために設定されるエリアである。
次に、図３を参照して、移動通信端末１００の機能構成について説明する。なお、同図に示す機能構成は、移動通信端末１００のＣＰＵ１０１がＲＯＭ１２１やアプリ保存領域１２３ａ等に記憶されたプログラムに従って処理を実行することにより実現される。
（エリア定義部）
エリア定義部１１は、ユーザが目的に応じて滞在する場所を表すエリアと位置情報との対応関係を定義し、エリア定義情報として記憶する。本実施形態では、エリアには、ホームエリア（以下「ＨＡ」という）、仮ホームエリア（以下、「仮ＨＡ」という）、ワークエリア（以下「ＷＡ」という）、仮ワークエリア（以下、「仮ＷＡ」という）、「お気に入りエリア」、及び「特定エリア」が存在する。ここで、「ＨＡ」とは、自宅、実家等のユーザの主たる居住場所である。「仮ＨＡ」とは、友人宅、ホテル等の、ユーザが旅行、出張等で稀に就寝する場所である。「ＷＡ」とは、ユーザの主な勤務場所である。「仮ＷＡ」とは、客先、イベント会場等の、ユーザが営業、打合せ等で稀に勤務する場所である。「お気に入りエリア」とは、ユーザのお気に入りの場所として設定されるエリアである。「特定エリア」とは、コンテンツプロバイダが当該エリアでユーザにサービスを提供するために設定されるエリアである。
エリア定義部１１は、入力装置１０５からのユーザによる入力に基づいてエリア名を定義する。エリア定義部１１は、入力されたエリア名を、移動通信端末１００の位置情報と対応付けて、スクラッチパッド１２３ｂに記憶する。
また、エリア定義部１１は、未定義のエリアにユーザが所定時間（例えば、１時間）以上滞在している場合にユーザに質問を通知し、当該質問に対する回答に基づいて、当該未定義のエリアを定義する。なお、ユーザに質問を通知する方法としては、表示装置１０４に質問内容を文字で表示したり、音出力装置１０６から質問内容を音声で出力する方法が考えられる。また、質問に対してユーザが回答する方法としては、入力装置１０５から回答内容を入力したり、声入力装置１０７から音声を入力する方法が考えられる。
また、エリア定義部１１は、未定義のエリアにユーザが所定時間（例えば、１時間）以上滞在している場合にユーザに質問を通知し、当該質問に対する回答に基づいて、当該未定義のエリアを定義する。なお、ユーザに質問を通知する方法としては、表示装置１０４に質問内容を文字で表示したり、音出力装置１０６から質問内容を音声で出力する方法が考えられる。また、質問に対してユーザが回答する方法としては、入力装置１０５から回答内容を入力したり、声入力装置１０７から音声を入力する方法が考えられる。
（ユーザ履歴ログ記憶部）
ユーザ履歴ログ記憶部１２は、ユーザの過去の行動の履歴であるユーザ履歴ログをスクラッチパッド１２３ｂに記憶する。図４には、ユーザ履歴ログのデータ構成の一例を示す。同図に示すように、ユーザ履歴ログには、日時、平日・休日区分、位置情報、エリアの種類、シチュエーション、推定起床時刻・推定就寝時刻、表示したセリフＩＤ、質問に対する回答、及び、端末開閉時刻・キー操作時刻等の端末操作ログが含まれる。これらのユーザ履歴ログは、例えば、後述するシチュエーション推定部１７がシチュエーションを推定した時、後述するモデル定義部１３が推定起床時刻又は推定就寝時刻を算出した時、表示装置１０４や音出力装置１０６にセリフが出力された時、ユーザが質問に答えた時、ＧＰＳによる位置測位が行われた時、ユーザが移動通信端末１００の操作を行った時等に記憶される。
ユーザ履歴ログ記憶部１２は、ユーザの過去の行動の履歴であるユーザ履歴ログをスクラッチパッド１２３ｂに記憶する。図４には、ユーザ履歴ログのデータ構成の一例を示す。同図に示すように、ユーザ履歴ログには、日時、平日・休日区分、位置情報、エリアの種類、シチュエーション、推定起床時刻・推定就寝時刻、表示したセリフＩＤ、質問に対する回答、及び、端末開閉時刻・キー操作時刻等の端末操作ログが含まれる。これらのユーザ履歴ログは、例えば、後述するシチュエーション推定部１７がシチュエーションを推定した時、後述するモデル定義部１３が推定起床時刻又は推定就寝時刻を算出した時、表示装置１０４や音出力装置１０６にセリフが出力された時、ユーザが質問に答えた時、ＧＰＳによる位置測位が行われた時、ユーザが移動通信端末１００の操作を行った時等に記憶される。
（モデル定義部）
モデル定義部１３は、シチュエーション遷移モデルを定義し、当該定義したシチュエーション遷移モデルをスクラッチパッド１２３ｂに記憶する。ここで、「シチュエーション遷移モデル」とは、ユーザの１日のライフサイクルを表すライフサイクル情報と、ユーザが居る場所を表す位置情報とに依存するユーザのシチュエーションの遷移順を定義したモデルである。
また、「ライフサイクル情報」とは、ユーザの起床時刻、就寝時刻、始業時刻、終業時刻、起床時間帯、就寝時間帯等の、ユーザ毎に異なる１日のライフサイクルを表す情報をいう。モデル定義部１３は、ユーザにより入力された、起床時刻、就寝時刻、始業時刻、終業時刻等の時刻を表すユーザ設定時刻情報と、「起床時間帯」、「就寝時間帯」、「起床時刻」、「就寝時刻」、「始業時刻」、「就業時刻」等のライフサイクルの分類項目と、を対応付けることにより、ライフサイクル情報を定義する。
モデル定義部１３は、シチュエーション遷移モデルを定義し、当該定義したシチュエーション遷移モデルをスクラッチパッド１２３ｂに記憶する。ここで、「シチュエーション遷移モデル」とは、ユーザの１日のライフサイクルを表すライフサイクル情報と、ユーザが居る場所を表す位置情報とに依存するユーザのシチュエーションの遷移順を定義したモデルである。
また、「ライフサイクル情報」とは、ユーザの起床時刻、就寝時刻、始業時刻、終業時刻、起床時間帯、就寝時間帯等の、ユーザ毎に異なる１日のライフサイクルを表す情報をいう。モデル定義部１３は、ユーザにより入力された、起床時刻、就寝時刻、始業時刻、終業時刻等の時刻を表すユーザ設定時刻情報と、「起床時間帯」、「就寝時間帯」、「起床時刻」、「就寝時刻」、「始業時刻」、「就業時刻」等のライフサイクルの分類項目と、を対応付けることにより、ライフサイクル情報を定義する。
また、「シチュエーション」とは、ユーザの行動の状態を表す。本実施形態では、シチュエーションは、例えば、ポイントシチュエーション（ＰＳ）と、ラインシチュエーション（ＬＳ）と、スペシャルシチュエーション（ＳＳ）と、に分類できる。
「ポイントシチュエーション（ＰＳ）」とは、ユーザのライフサイクル情報とユーザが居るエリアとに基づいて推定される、行動の起点となるシチュエーションである。ポイントシチュエーションには、起床、出勤開始、仕事開始、仕事終了、帰宅、就寝、外出等が存在する。ポイントシチュエーションは、関連するラインシチュエーションに自動的に遷移する。
「ポイントシチュエーション（ＰＳ）」とは、ユーザのライフサイクル情報とユーザが居るエリアとに基づいて推定される、行動の起点となるシチュエーションである。ポイントシチュエーションには、起床、出勤開始、仕事開始、仕事終了、帰宅、就寝、外出等が存在する。ポイントシチュエーションは、関連するラインシチュエーションに自動的に遷移する。
「ラインシチュエーション（ＬＳ）」とは、２つのポイントシチュエーション同士を結ぶシチュエーションであり、身支度中、出勤中、仕事中、残業中、帰宅中、在宅中、就寝中、外出中等が存在する。
「スペシャルシチュエーション（ＳＳ）」とは、ポイントシチュエーション及びラインシチュエーションの何れでもないシチュエーションであり、本実施形態では「迷子中」と呼ばれるシチュエーションが存在する。初回起動時や初めての位置情報取得前等の、現在のユーザのシチュエーションが不明な時のシチュエーションである。
「スペシャルシチュエーション（ＳＳ）」とは、ポイントシチュエーション及びラインシチュエーションの何れでもないシチュエーションであり、本実施形態では「迷子中」と呼ばれるシチュエーションが存在する。初回起動時や初めての位置情報取得前等の、現在のユーザのシチュエーションが不明な時のシチュエーションである。
図５には、シチュエーション遷移モデルの一例を示す。同図では、「就寝中」、「外出中」、「起床」、「身支度中」等のシチュエーションが、「就寝時刻前」、「就業時刻前」等のライフサイクル情報、及び、「ＨＡ」、「ＷＡ」、「ＥＸ」等のエリアに応じて遷移する様子が概念的に示されている。なお、図中の「ＥＸ」とは、「ＨＡ」、「ＷＡ」等に定義されているエリア以外の未定義のエリア（except area）のことである。
図６には、図５に示すシチュエーション遷移モデルをテーブル形式で表現した場合の一例を示す。同図に示すテーブルでは、ユーザの遷移前のシチュエーションと、エリア（ＨＡ、仮ＨＡ、ＷＡ、仮ＷＡ、ＥＸ）と、ライフサイクル情報（起床時間帯、始業時刻、就業時刻等）と、現在のシチュエーションと、が対応付けられている。
また、図６に示す（ａ）、（ｂ）列では、位置情報に依存しないシチュエーションの遷移順（位置非依存シチュエーション遷移モデル）が定義されている。具体的には、（ａ）列では、ユーザの位置情報を取得できない時間が一定時間（例えば、２時間）未満である場合のシチュエーションの遷移順が定義されている。ユーザの位置情報を取得できない時間が一定時間未満である場合には当該（ａ）列が参照されて、遷移前のシチュエーションのみに依存して現在のシチュエーションが決定される。一方、（ｂ）列では、ユーザの位置情報を取得できない時間が一定時間以上継続した場合のシチュエーションの遷移順が定義されている。ユーザの位置情報を取得できない時間が一定時間以上継続した場合には（ｂ）列が参照されて、ユーザの現在のシチュエーションは常にシチュエーションが不明であることを表す「迷子中」と推定される。なお、位置情報を取得できない場合とは、移動通信端末１００が圏外に存在する等で位置測位装置３００と通信できない場合が考えられる。また、ユーザの位置情報を取得できない時間は、例えばユーザ履歴ログを参照することにより算出できる。なお、図６に示す（ａ）、（ｂ）列では、位置情報に加えてライフサイクル情報にも依存しないシチュエーション遷移順が定義されているが、ライフサイクル情報に依存し位置情報のみに依存しないシチュエーション遷移順を定義してもよい。
また、図６に示す（ａ）、（ｂ）列では、位置情報に依存しないシチュエーションの遷移順（位置非依存シチュエーション遷移モデル）が定義されている。具体的には、（ａ）列では、ユーザの位置情報を取得できない時間が一定時間（例えば、２時間）未満である場合のシチュエーションの遷移順が定義されている。ユーザの位置情報を取得できない時間が一定時間未満である場合には当該（ａ）列が参照されて、遷移前のシチュエーションのみに依存して現在のシチュエーションが決定される。一方、（ｂ）列では、ユーザの位置情報を取得できない時間が一定時間以上継続した場合のシチュエーションの遷移順が定義されている。ユーザの位置情報を取得できない時間が一定時間以上継続した場合には（ｂ）列が参照されて、ユーザの現在のシチュエーションは常にシチュエーションが不明であることを表す「迷子中」と推定される。なお、位置情報を取得できない場合とは、移動通信端末１００が圏外に存在する等で位置測位装置３００と通信できない場合が考えられる。また、ユーザの位置情報を取得できない時間は、例えばユーザ履歴ログを参照することにより算出できる。なお、図６に示す（ａ）、（ｂ）列では、位置情報に加えてライフサイクル情報にも依存しないシチュエーション遷移順が定義されているが、ライフサイクル情報に依存し位置情報のみに依存しないシチュエーション遷移順を定義してもよい。
図７には、平日における一般的なシチュエーションの遷移パターンを示し、図８には、休日における一般的なシチュエーションの遷移パターンを示す。これらの図に示すように、一般的に平日と休日とでシチュエーションの遷移パターンが異なるため、モデル定義部１３は、平日用と休日用との２種類のシチュエーション遷移モデルを定義し、平休日区分と対応付けて記憶しておく。
（ライフサイクル情報の補正）
ライフサイクル情報は、ユーザにより入力されたユーザ設定時刻情報に基づいて定義される。当該ライフサイクル情報で表されるライフサイクルは、ユーザの勤務形態の変化等により実際のライフサイクルと誤差が生じる場合がある。このため、モデル定義部１３は、ユーザ履歴ログ記憶部１２に記憶されたユーザ履歴ログに基づいてライフサイクル情報を補正する機能を有する。具体的には、例えば、モデル定義部１３は、ユーザの過去の推定就寝時刻の平均値や過去の推定起床時刻の平均値を用いて、ライフサイクル情報に含まれる就寝時刻、起床時刻、就寝時間帯、起床時間帯等を補正する。
ライフサイクル情報は、ユーザにより入力されたユーザ設定時刻情報に基づいて定義される。当該ライフサイクル情報で表されるライフサイクルは、ユーザの勤務形態の変化等により実際のライフサイクルと誤差が生じる場合がある。このため、モデル定義部１３は、ユーザ履歴ログ記憶部１２に記憶されたユーザ履歴ログに基づいてライフサイクル情報を補正する機能を有する。具体的には、例えば、モデル定義部１３は、ユーザの過去の推定就寝時刻の平均値や過去の推定起床時刻の平均値を用いて、ライフサイクル情報に含まれる就寝時刻、起床時刻、就寝時間帯、起床時間帯等を補正する。
推定就寝時刻の平均値μｓ及び標準偏差σは、以下の式で算出される。
平均値μｓ＝Σｘｉ／Ｎ（Ｎ：過去の推定就寝時刻のデータ総数、ｘｉ：データ値）
標準偏差σ＝（Σ（ｘｉ−μｓ）２／（Ｎ−１））１／２
同様に、推定起床時刻の平均値μｗと標準偏差σは、以下の式で算出される。
平均値μｗ＝Σｘｉ／Ｎ（Ｎ：過去の推定起床時刻のデータ総数、ｘｉ：データ値）
標準偏差σ＝（Σ（ｘｉ−μｗ）２／（Ｎ−１））１／２
また、モデル定義部１３は、日々所定のタイミングで直近の就寝時刻及び起床時刻を推定する。図９は、過去に各時刻が就寝／起床時刻として推定された回数を示すグラフの一例である。
平均値μｓ＝Σｘｉ／Ｎ（Ｎ：過去の推定就寝時刻のデータ総数、ｘｉ：データ値）
標準偏差σ＝（Σ（ｘｉ−μｓ）２／（Ｎ−１））１／２
同様に、推定起床時刻の平均値μｗと標準偏差σは、以下の式で算出される。
平均値μｗ＝Σｘｉ／Ｎ（Ｎ：過去の推定起床時刻のデータ総数、ｘｉ：データ値）
標準偏差σ＝（Σ（ｘｉ−μｗ）２／（Ｎ−１））１／２
また、モデル定義部１３は、日々所定のタイミングで直近の就寝時刻及び起床時刻を推定する。図９は、過去に各時刻が就寝／起床時刻として推定された回数を示すグラフの一例である。
ここで、直近の就寝時刻の推定方法について詳細に説明する。モデル定義部１３は、日々所定のタイミングでユーザ履歴ログを参照し、例えば、ＨＡ又は仮ＨＡにおいて、移動通信端末１００のキー操作、開閉操作等の操作が最後に発生した時刻（以下、「第１の所定の契機が発生した時刻」という）を用いて、直近の就寝時刻を推定する。モデル定義部１３は、第１の所定の契機が発生した時間帯によって、図９に示すように計算ロジックを３通りに分けて就寝時刻の推定を行う。
Ｌｏｇｉｃ１：（μｓ−σ）よりも前の時間帯に第１の所定の契機が発生した場合の就寝時刻推定ロジックである。この時間帯における推定就寝時刻の履歴ログは少ないため、就寝時刻の推定の確信度を上げるために、モデル定義部１３は、起床のシチュエーションが発生した時に、ユーザの直近の就寝時刻をユーザに問い合わせる。回答があった場合は、その回答の時刻を就寝時刻と推定する。回答が無い場合、又は、起床のシチュエーションが発生しなかった場合は、ユーザ設定時刻情報により設定された就寝時刻を直近の就寝時刻と推定する。
Ｌｏｇｉｃ２：ユーザの推定就寝時刻の平均値を含む就寝時間帯（μｓ±σの時間帯）に第１の所定の契機が発生した場合の就寝時刻推定ロジックである。ただし、過去の推定就寝時刻のデータ個数が１０個以下の場合は、ユーザ設定時刻情報により設定された就寝時刻の前後１時間を就寝時間帯とする。この就寝時間帯に第１の所定の契機が発生した場合には、その時刻を就寝時刻とする。
Ｌｏｇｉｃ３：（μｓ＋σ）以降の時間帯に第１の所定の契機が発生した場合の就寝時刻推定ロジックである。この時間帯における推定就寝時刻の履歴ログは少ないため、就寝時刻の推定の確信度を上げるために、モデル定義部１３は起床のシチュエーションが発生した時にユーザの直近の就寝時刻をユーザに問い合わせる。回答があった場合は、その回答の時刻を就寝時刻と推定する。回答が無い場合、又は、起床のシチュエーションが発生しなかった場合は、ユーザ設定時刻情報により設定された就寝時刻を就寝時刻と推定する。
次に、起床時刻の推定方法について詳細に説明する。モデル定義部１３は、日々所定のタイミングでユーザ履歴ログを参照し、例えば、ＨＡ又は仮ＨＡにおいて移動通信端末１００の操作が就寝後最初にあった時刻又はユーザがＨＡ外に移動した時刻（以下、「第２の所定の契機が発生した時刻」という）を用いて、直近の起床時刻を推定する。モデル定義部１３は、第２の所定の契機が発生した時間帯により、図９に示すようにロジックを３通りに分けて起床時刻の推定を行う。
Ｌｏｇｉｃ３：（μｗ−σ）よりも前の時間帯に第２の所定の契機が発生した場合の起床時刻推定ロジックである。この時間帯における推定起床時刻の履歴ログは少ないため、就寝時刻の推定の確信度を上げるために、例えば起床のシチュエーションが発生したタイミングで、直近の起床時刻をユーザに問い合わせる。回答があった場合は、その回答の時刻を起床時刻と推定する。回答が無い場合、又は、起床のシチュエーションが発生しなかった場合は、ユーザが設定した起床時刻を起床時刻と推定する。
Ｌｏｇｉｃ４：ユーザの起床時刻の平均値を含む起床時間帯（μｗ±σの時間帯）に第２の所定の契機が発生した場合の起床時刻推定ロジックである。ただし、過去の推定起床時刻のデータ個数が１０個以下の場合は、ユーザ設定時刻情報で設定された起床時刻の前後１時間を起床時間帯とする。この起床時間帯に第２の所定の契機が発生した場合には、その時刻を起床時刻と推定する。
Ｌｏｇｉｃ５：（μｗ＋σ）以降の時間帯に第２の所定の契機が発生した場合の起床時刻推定ロジックである。平日においては、第２の所定の契機が発生した時刻を起床時刻とする。休日においては、第２の所定の契機が発生した時に、ユーザに起床時刻を問い合わせる。
以上のように推定された起床時刻・就寝時刻は、ユーザ履歴ログに記憶され、平均値の算出、ユーザのコンディション推定等のために使用される。
以上のように推定された起床時刻・就寝時刻は、ユーザ履歴ログに記憶され、平均値の算出、ユーザのコンディション推定等のために使用される。
（位置情報取得部）
位置情報取得部１４は、ユーザが携帯する移動通信端末１００の位置情報をユーザの位置情報として取得する。本実施形態では、位置情報取得部１４は、移動通信端末１００に搭載されているＧＰＳ受信機１０９により所定の周期毎に位置測位装置３００から受信されるＧＰＳ信号に基づいて、移動通信端末１００の位置情報を算出する。ＧＰＳ信号を受信する所定の周期は、ユーザが滞在しているエリアに応じて変化する。例えば、ユーザがＨＡに滞在している場合には３０分周期であり、ユーザがＷＡに滞在している場合には１５分周期となる。なお、位置情報の取得方法はＧＰＳに限定されることはなく、例えば、移動通信端末１００が在圏する基地局の位置情報をユーザの位置情報とみなしてもよい。
位置情報取得部１４は、ユーザが携帯する移動通信端末１００の位置情報をユーザの位置情報として取得する。本実施形態では、位置情報取得部１４は、移動通信端末１００に搭載されているＧＰＳ受信機１０９により所定の周期毎に位置測位装置３００から受信されるＧＰＳ信号に基づいて、移動通信端末１００の位置情報を算出する。ＧＰＳ信号を受信する所定の周期は、ユーザが滞在しているエリアに応じて変化する。例えば、ユーザがＨＡに滞在している場合には３０分周期であり、ユーザがＷＡに滞在している場合には１５分周期となる。なお、位置情報の取得方法はＧＰＳに限定されることはなく、例えば、移動通信端末１００が在圏する基地局の位置情報をユーザの位置情報とみなしてもよい。
（時刻情報取得部）
時刻情報取得部１５は、移動通信端末１００が備える内部時計１０８から現在時刻を表す時刻情報を取得する。なお、時刻情報の取得方法はこれに限定されることはなく、例えば、外部のサーバ装置から時刻情報を取得することも可能である。
（質問部）
質問部１６は、所定の質問タイミングが発生した場合に、エリア定義部１１等からの指示を受けて、質問をユーザに通知する。ここで、質問をユーザに通知する方法としては、表示装置１０４への画像表示や、声出力装置１０６からの音声出力を用いる。また、質問の種類としては、ユーザのテンション（気持ちの高揚度）を推定するための質問、エリア定義のための質問、シチュエーション推定のための質問、ユーザを楽しませるための質問等が存在する。
時刻情報取得部１５は、移動通信端末１００が備える内部時計１０８から現在時刻を表す時刻情報を取得する。なお、時刻情報の取得方法はこれに限定されることはなく、例えば、外部のサーバ装置から時刻情報を取得することも可能である。
（質問部）
質問部１６は、所定の質問タイミングが発生した場合に、エリア定義部１１等からの指示を受けて、質問をユーザに通知する。ここで、質問をユーザに通知する方法としては、表示装置１０４への画像表示や、声出力装置１０６からの音声出力を用いる。また、質問の種類としては、ユーザのテンション（気持ちの高揚度）を推定するための質問、エリア定義のための質問、シチュエーション推定のための質問、ユーザを楽しませるための質問等が存在する。
（シチュエーション推定部）
シチュエーション推定部１７は、モデル定義部１３により定義されたシチュエーション遷移モデルと、位置情報取得部１４により取得された位置情報と、時刻情報取得部１５により取得された時刻情報と、ユーザの遷移前のシチュエーションとに基づいて、ユーザの現在のシチュエーションを推定する。
具体的には、シチュエーション推定部１７は、ライフサイクル情報に基づいて、時刻情報取得部１５により取得された時刻情報で表される現在時刻がユーザのライフサイクルのどの分類項目（起床時間帯、始業時刻、就業時刻等）に該当するかを判定する。また、シチュエーション推定部１７は、位置情報取得部１４により取得された位置情報に対応するエリアを判定する。本実施形態では、例えば、位置情報で示される中心座標から半径２００ｍ以内をエリア内と判定する。なお、位置情報に対応するエリアが複数判定された場合には、例えば、ＨＡ＞ＷＡ＞お気に入りエリア＞仮ＨＡ＞仮ＷＡ＞特定エリアの順に優先順位を予め設定しておくことにより、優先順位が高い１つのエリアを特定する。
シチュエーション推定部１７は、モデル定義部１３により定義されたシチュエーション遷移モデルと、位置情報取得部１４により取得された位置情報と、時刻情報取得部１５により取得された時刻情報と、ユーザの遷移前のシチュエーションとに基づいて、ユーザの現在のシチュエーションを推定する。
具体的には、シチュエーション推定部１７は、ライフサイクル情報に基づいて、時刻情報取得部１５により取得された時刻情報で表される現在時刻がユーザのライフサイクルのどの分類項目（起床時間帯、始業時刻、就業時刻等）に該当するかを判定する。また、シチュエーション推定部１７は、位置情報取得部１４により取得された位置情報に対応するエリアを判定する。本実施形態では、例えば、位置情報で示される中心座標から半径２００ｍ以内をエリア内と判定する。なお、位置情報に対応するエリアが複数判定された場合には、例えば、ＨＡ＞ＷＡ＞お気に入りエリア＞仮ＨＡ＞仮ＷＡ＞特定エリアの順に優先順位を予め設定しておくことにより、優先順位が高い１つのエリアを特定する。
さらに、シチュエーション推定部１７は、ユーザ履歴ログから、直近のシチュエーション、つまり遷移前のシチュエーションを取得する。そして、シチュエーション推定部１７は、判定したライフサイクルの分類項目と、判定したエリアと、取得した遷移前のシチュエーションと、に対応する現在のシチュエーションをシチュエーション遷移モデルから取得し、当該取得した現在のシチュエーションをユーザの現在のシチュエーションと推定する。当該推定されたシチュエーションはユーザ履歴ログに記憶され、次のシチュエーション推定や、コンディション推定等のために使用される。
（平日・休日別の推定）
また、シチュエーション推定部１７は、ユーザにとって今日が平日と休日との何れに該当するかに応じて２種類のシチュエーション遷移モデルを使い分けて、ユーザの現在のシチュエーションを推定する。スクラッチパッド１２３ｂには、例えばアプリケーションプログラムの起動によって、図１０に示すようなデフォルトの平休日データが記憶される。シチュエーション推定部１７は、当該平休日データに基づいて、ユーザにとって今日が平日と休日との何れに該当するかを判定する。当該デフォルトの平休日データは、ユーザの入力により変更可能である。なお、当該平休日データを用いる以外に、直近のユーザ履歴ログに記憶されている「平日・休日区分」に基づいて、ユーザにとって今日が平日と休日との何れに該当するかを判定することも可能である。
また、シチュエーション推定部１７は、ユーザにとって今日が平日と休日との何れに該当するかに応じて２種類のシチュエーション遷移モデルを使い分けて、ユーザの現在のシチュエーションを推定する。スクラッチパッド１２３ｂには、例えばアプリケーションプログラムの起動によって、図１０に示すようなデフォルトの平休日データが記憶される。シチュエーション推定部１７は、当該平休日データに基づいて、ユーザにとって今日が平日と休日との何れに該当するかを判定する。当該デフォルトの平休日データは、ユーザの入力により変更可能である。なお、当該平休日データを用いる以外に、直近のユーザ履歴ログに記憶されている「平日・休日区分」に基づいて、ユーザにとって今日が平日と休日との何れに該当するかを判定することも可能である。
（返答分類部）
返答分類部１８は、ユーザへの質問に対する返答が、ユーザの気分が高揚している時の返答であるプラス要素返答と、ユーザの気分が沈んでいる時の返答であるマイナス要素返答と、の何れに分類されるかを判定する。当該判定結果はユーザのテンションを推定するために用いられる。
プラス要素返答としては、例えば、うれしい、楽しい、すっきり、爽やか、好き、おいしい等が挙げられ、マイナス要素返答の例としては、例えば、悲しい、苦しい、さびしい、困る、怒る、嫌い、まずい、つらい等が挙げられる。
返答分類部１８は、ユーザへの質問に対する返答が、ユーザの気分が高揚している時の返答であるプラス要素返答と、ユーザの気分が沈んでいる時の返答であるマイナス要素返答と、の何れに分類されるかを判定する。当該判定結果はユーザのテンションを推定するために用いられる。
プラス要素返答としては、例えば、うれしい、楽しい、すっきり、爽やか、好き、おいしい等が挙げられ、マイナス要素返答の例としては、例えば、悲しい、苦しい、さびしい、困る、怒る、嫌い、まずい、つらい等が挙げられる。
（コンディション指数算出部）
コンディション指数算出部１９は、ユーザ履歴ログ記憶部１２に記憶されているユーザ履歴ログに基づいて、ユーザの心身の状態を表すコンディションを推定するための指標となるコンディション指数を算出する。コンディション指数としては、例えば、「睡眠指数」、「労働指数」、「元気指数」、「マンネリ指数」、「引きこもり指数」、「テンション指数」等が存在する。
コンディション指数算出部１９は、ユーザ履歴ログ記憶部１２に記憶されているユーザ履歴ログに基づいて、ユーザの心身の状態を表すコンディションを推定するための指標となるコンディション指数を算出する。コンディション指数としては、例えば、「睡眠指数」、「労働指数」、「元気指数」、「マンネリ指数」、「引きこもり指数」、「テンション指数」等が存在する。
（睡眠指数）
「睡眠指数」とは、ユーザの睡眠が十分であるか否かの指標となる指数である。コンディション指数算出部１９は、例えば午前０時を過ぎた最初のＧＰＳ測位のタイミングで、ユーザ履歴ログに記憶されている推定起床時刻・推定就寝時刻に基づいて、ユーザの過去の睡眠時間（つまり推定就寝時刻から推定起床時刻までの時間）の平均値を算出する。平均値を算出する期間は、例えば直近の１ケ月間とする。そして、コンディション指数算出部１９は、ユーザの直近の睡眠時間が過去の睡眠時間の平均値より長い場合には「睡眠指数」をユーザの睡眠がより十分であることを示す値に更新する。一方、ユーザの直近の睡眠時間が過去の睡眠時間の平均値より短い場合には「睡眠指数」をユーザの睡眠がより不十分であることを示す値に更新する。
本実施形態では、「睡眠指数」の値は−１、０、１の３段階であり、コンディション指数算出部１９は、睡眠時間が平均値よりも長ければ「睡眠指数」に１を加算し、睡眠時間が平均値よりも短ければ「睡眠指数」から１を減算する。
「睡眠指数」とは、ユーザの睡眠が十分であるか否かの指標となる指数である。コンディション指数算出部１９は、例えば午前０時を過ぎた最初のＧＰＳ測位のタイミングで、ユーザ履歴ログに記憶されている推定起床時刻・推定就寝時刻に基づいて、ユーザの過去の睡眠時間（つまり推定就寝時刻から推定起床時刻までの時間）の平均値を算出する。平均値を算出する期間は、例えば直近の１ケ月間とする。そして、コンディション指数算出部１９は、ユーザの直近の睡眠時間が過去の睡眠時間の平均値より長い場合には「睡眠指数」をユーザの睡眠がより十分であることを示す値に更新する。一方、ユーザの直近の睡眠時間が過去の睡眠時間の平均値より短い場合には「睡眠指数」をユーザの睡眠がより不十分であることを示す値に更新する。
本実施形態では、「睡眠指数」の値は−１、０、１の３段階であり、コンディション指数算出部１９は、睡眠時間が平均値よりも長ければ「睡眠指数」に１を加算し、睡眠時間が平均値よりも短ければ「睡眠指数」から１を減算する。
（労働指数）
「労働指数」とは、ユーザが働き過ぎか否かの指標となる指数である。コンディション指数算出部１９は、例えば午前０時を過ぎた最初のＧＰＳ測位のタイミングで、ユーザ履歴ログにおいて「仕事中」、「残業中」、「仕事開始」、「仕事終了」等のシチュエーションと対応付けられている日時に基づいて、ユーザの過去の労働時間の平均値を算出する。平均値を算出する期間は、例えば直近の１ケ月間とする。なお、「平日・休日区分」が平日のみのユーザ履歴ログのみを用いて平均値を算出してもよい。そして、コンディション指数算出部１９は、ユーザの直近の労働時間が過去の労働時間の平均値より長い場合には「労働指数」をユーザの労働時間がより長いことを表す値に更新する。一方、ユーザの直近の労働時間が過去の労働時間の平均値より短い場合には「労働指数」を前記ユーザの労働時間がより短いことを表す値に更新する。
本実施形態では、「労働指数」の値は−１、０、１の３段階であり、コンディション指数算出部１９は、労働時間が平均値よりも長ければ「労働指数」から１を減算し、労働時間が平均値よりも短ければ「労働指数」に１を加算する。
「労働指数」とは、ユーザが働き過ぎか否かの指標となる指数である。コンディション指数算出部１９は、例えば午前０時を過ぎた最初のＧＰＳ測位のタイミングで、ユーザ履歴ログにおいて「仕事中」、「残業中」、「仕事開始」、「仕事終了」等のシチュエーションと対応付けられている日時に基づいて、ユーザの過去の労働時間の平均値を算出する。平均値を算出する期間は、例えば直近の１ケ月間とする。なお、「平日・休日区分」が平日のみのユーザ履歴ログのみを用いて平均値を算出してもよい。そして、コンディション指数算出部１９は、ユーザの直近の労働時間が過去の労働時間の平均値より長い場合には「労働指数」をユーザの労働時間がより長いことを表す値に更新する。一方、ユーザの直近の労働時間が過去の労働時間の平均値より短い場合には「労働指数」を前記ユーザの労働時間がより短いことを表す値に更新する。
本実施形態では、「労働指数」の値は−１、０、１の３段階であり、コンディション指数算出部１９は、労働時間が平均値よりも長ければ「労働指数」から１を減算し、労働時間が平均値よりも短ければ「労働指数」に１を加算する。
（元気指数）
「元気指数」とは、ユーザの元気の度合いを示す指数である。コンディション指数算出部１９は、「睡眠指数」と「労働指数」とに基づいて「元気指数」を算出する。
本実施形態では、「元気指数」は、「睡眠指数」と「労働指数」とを加算することで求められ、「元気指数」の値は−２から２までの５段階となる。
（マンネリ指数）
「マンネリ指数」とは、ユーザの日々の生活パターンに変化があるか否かの指標となる指数である。
「元気指数」とは、ユーザの元気の度合いを示す指数である。コンディション指数算出部１９は、「睡眠指数」と「労働指数」とに基づいて「元気指数」を算出する。
本実施形態では、「元気指数」は、「睡眠指数」と「労働指数」とを加算することで求められ、「元気指数」の値は−２から２までの５段階となる。
（マンネリ指数）
「マンネリ指数」とは、ユーザの日々の生活パターンに変化があるか否かの指標となる指数である。
コンディション指数算出部１９は、ユーザ履歴ログにおいて「仕事終了」、「帰宅」等のシチュエーションと対応付けられている日時に基づいて、ユーザの日毎の帰宅中の時間（つまり、仕事終了から帰宅までの時間）を算出する。帰宅中の時間を算出する期間は、例えば直近の平日５日間とする。コンディション指数算出部１９は、当該算出した日毎の帰宅中の時間の差が、全て（又は一部であってもよい）第１の所定時間以内（例えば３０分以内）の場合、「マンネリ指数」をユーザの生活パターンの変化がより小さいことを示す値に更新する。一方、日毎の帰宅中の時間の差が１つでも（又は全てであってもよい）第１の所定時間を超えている場合、「マンネリ指数」をユーザの生活パターンの変化がより大きいことを示す値に更新する。
また、コンディション指数算出部１９は、ユーザ履歴ログにおいて「出勤開始」、「仕事開始」等のシチュエーションと対応付けられている日時に基づいて、ユーザの日毎の出勤中の時間（つまり、出勤開始から仕事開始までの時間）を算出する。出勤中の時間を算出する期間は、例えば直近の平日５日間とする。コンディション指数算出部１９は、当該算出した日毎の出勤中の時間の差が全て（又は一部であってもよい）第２の所定時間以内（例えば、３０分以内）の場合、「マンネリ指数」をユーザの生活パターンの変化がより小さいことを示す値に更新する。一方、日毎の出勤中の時間の差が１つでも（又は全てであってもよい）第２の所定時間を超えている場合、「マンネリ指数」をユーザの生活パターンの変化がより大きいことを示す値に更新する。
本実施形態では、「マンネリ指数」の値は−１、０の２段階であり、ユーザの生活パターンの変化がより大きいことを示す値が０であり、ユーザの生活パターンの変化がより小さいことを示す値が−１である。
本実施形態では、「マンネリ指数」の値は−１、０の２段階であり、ユーザの生活パターンの変化がより大きいことを示す値が０であり、ユーザの生活パターンの変化がより小さいことを示す値が−１である。
（引きこもり指数）
「引きこもり指数」とは、ユーザが社会への参加を避ける引きこもりの傾向を示す指数である。コンディション指数算出部１９は、ユーザ履歴ログ及びエリア定義情報に基づいて、休日におけるユーザのシチュエーションが「在宅中」であり、かつ、「元気指数」がユーザの元気のない度合いが比較的高いことを示しており（例えば「元気指数」が０以下）、かつ、ユーザが第３の所定時間以上（例えば、６時間以上）ユーザの居住するエリア（本実施形態ではＨＡ又は仮ＨＡ）に滞在していると判断した場合、「引きこもり指数」をユーザの引きこもりの傾向がより高いことを示す値に更新する。
「引きこもり指数」とは、ユーザが社会への参加を避ける引きこもりの傾向を示す指数である。コンディション指数算出部１９は、ユーザ履歴ログ及びエリア定義情報に基づいて、休日におけるユーザのシチュエーションが「在宅中」であり、かつ、「元気指数」がユーザの元気のない度合いが比較的高いことを示しており（例えば「元気指数」が０以下）、かつ、ユーザが第３の所定時間以上（例えば、６時間以上）ユーザの居住するエリア（本実施形態ではＨＡ又は仮ＨＡ）に滞在していると判断した場合、「引きこもり指数」をユーザの引きこもりの傾向がより高いことを示す値に更新する。
また、コンディション指数算出部１９は、「引きこもり指数」がユーザの引きこもりの傾向がより高いことを示している時に、ユーザ履歴ログに基づいてユーザがＨＡ及び仮ＨＡ外に移動したと判断した場合、又は、ユーザのシチュエーションが「外出中」となった場合、「引きこもり指数」をユーザの引きこもりの傾向がより低いことを示す値に更新する。
本実施形態では、「引きこもり指数」の値は、−１、０の２段階であり、ユーザの引きこもりの傾向がより高いことを示す値が−１であり、ユーザの引きこもりの傾向がより低いことを示す値が０である。
本実施形態では、「引きこもり指数」の値は、−１、０の２段階であり、ユーザの引きこもりの傾向がより高いことを示す値が−１であり、ユーザの引きこもりの傾向がより低いことを示す値が０である。
（テンション指数）
「テンション指数」は、ユーザの気分が高揚しているか沈んでいるかを示す指数である。コンディション指数算出部１９は、返答分類部１８による判定結果に基づいて「テンション指数」を更新する。
本実施形態では、「テンション指数」の値は−１、０、１の３段階である。コンディション指数算出部１９は、返答分類部１８によってユーザの返答がプラス要素返答と判定された場合は「テンション指数」に１を加算し、返答分類部１８によってユーザの返答がマイナス要素返答と判定された場合は「テンション指数」から１を減算する。
「テンション指数」は、ユーザの気分が高揚しているか沈んでいるかを示す指数である。コンディション指数算出部１９は、返答分類部１８による判定結果に基づいて「テンション指数」を更新する。
本実施形態では、「テンション指数」の値は−１、０、１の３段階である。コンディション指数算出部１９は、返答分類部１８によってユーザの返答がプラス要素返答と判定された場合は「テンション指数」に１を加算し、返答分類部１８によってユーザの返答がマイナス要素返答と判定された場合は「テンション指数」から１を減算する。
（セリフ決定部）
セリフ決定部２０は、コンディション指数算出部１９により推定されたユーザのコンディション指数に基づいて、ユーザに提示するためのセリフを決定する。セリフの決定の方法としては、例えば、セリフ決定部２０は、コンディションとセリフとの適切な対応関係が定義されたデータベースを参照することにより、コンディション指数に対応するセリフを決定する。例えば、セリフ決定部２０は、「睡眠指数」が−１の場合、「最近寝不足だね」というセリフを決定する。
セリフ決定部２０は、コンディション指数算出部１９により推定されたユーザのコンディション指数に基づいて、ユーザに提示するためのセリフを決定する。セリフの決定の方法としては、例えば、セリフ決定部２０は、コンディションとセリフとの適切な対応関係が定義されたデータベースを参照することにより、コンディション指数に対応するセリフを決定する。例えば、セリフ決定部２０は、「睡眠指数」が−１の場合、「最近寝不足だね」というセリフを決定する。
（コンディション推定プログラム）
上述したように、ＲＯＭ１２１に記憶されているプログラム及びアプリ保存領域１２３ａに記憶されているアプリケーションプログラム（「コンディション推定プログラム」に対応）は、移動通信端末（「コンピュータ」に対応）１００に、ユーザの過去の行動の履歴であるユーザ履歴ログを記憶するユーザ履歴ログ記憶部１２と、当該ユーザ履歴ログに基づいてユーザのコンディションを推定するための指標となるコンディション指数を算出するコンディション指数算出部１９として機能させるためのプログラムである。
上述したように、ＲＯＭ１２１に記憶されているプログラム及びアプリ保存領域１２３ａに記憶されているアプリケーションプログラム（「コンディション推定プログラム」に対応）は、移動通信端末（「コンピュータ」に対応）１００に、ユーザの過去の行動の履歴であるユーザ履歴ログを記憶するユーザ履歴ログ記憶部１２と、当該ユーザ履歴ログに基づいてユーザのコンディションを推定するための指標となるコンディション指数を算出するコンディション指数算出部１９として機能させるためのプログラムである。
（動作）
次に、図１１に示すフローチャートを参照して、本発明の実施形態に係るコンディション推定処理の基本的な流れについて説明する。
まず、ユーザは、移動通信端末１００を操作して、アプリケーションプログラムをサーバ２００からダウンロードする指示を行う。これにより、移動通信端末１００は、サーバ２００からアプリケーションプログラム及び付随するデータをダウンロードし、アプリ保存領域１２３ａにアプリケーションプログラムを保存し、スクラッチパッド１２３ｂにデータを保存する。
次に、図１１に示すフローチャートを参照して、本発明の実施形態に係るコンディション推定処理の基本的な流れについて説明する。
まず、ユーザは、移動通信端末１００を操作して、アプリケーションプログラムをサーバ２００からダウンロードする指示を行う。これにより、移動通信端末１００は、サーバ２００からアプリケーションプログラム及び付随するデータをダウンロードし、アプリ保存領域１２３ａにアプリケーションプログラムを保存し、スクラッチパッド１２３ｂにデータを保存する。
次いで、ユーザは、アプリケーションプログラムを起動する操作を行う。これにより、移動通信端末１００は、当該アプリケーションプログラムを起動し当該プログラムに従って処理を実行することにより、まず初期設定画面を表示装置１０４に表示する。ユーザは当該初期設定画面から対話形式で初期設定項目を入力していく。初期設定項目としては、ユーザの名前と、誕生日と、起床時刻、就寝時刻、始業時刻、就業時刻等のユーザ設定時刻情報と、曜日別の平休日区分と、ＨＡ、ＷＡ、お気に入りエリア等のエリア名とが存在する。
移動通信端末１００は、入力されたデータに基づいて初期設定を行う（ステップＳ１）。具体的には、移動通信端末１００は、入力されたデータをスクラッチパッド１２３ｂに記憶する。エリア定義部１１は、入力されたＨＡ、ＷＡ等のエリア名と、エリア名が入力された時の移動通信端末１００の位置情報とを対応付け、エリア定義情報としてスクラッチパッド１２３ｂに記憶する。また、モデル定義部１３は、入力されたユーザ設定時刻情報に基づいてライフサイクル情報を定義する。そして、モデル定義部１３は、定義されたライフサイクル情報とエリアとに依存するユーザのシチュエーションの遷移順を定義し、シチュエーション遷移モデルとしてスクラッチパッド１２３ｂに記憶する。シチュエーション推定部１７は、シチュエーションを初期設定する。本実施形態では、ＨＡ、ＷＡがそれぞれ１つ以上ユーザにより入力された場合、シチュエーションは「迷子中」に初期設定される。初期設定後、シチュエーション推定部１７は、シチュエーション遷移モデルと、位置情報取得部１４により取得された位置情報と、時刻情報取得部１５により取得された時刻情報と、ユーザの遷移前のシチュエーションとに基づいて、ユーザの現在のシチュエーションを逐次推定する。
ユーザ履歴ログ記憶部１２は、シチュエーション推定部１７がシチュエーションを推定した時、モデル定義部１３が直近の推定起床時刻又は推定就寝時刻を算出した時、表示装置１０４や音出力装置１０６にセリフが出力された時、ユーザが質問に答えた時、ＧＰＳによる位置測位が行われた時、移動通信端末１００の操作が行われた時等に、その日時とともにユーザ履歴ログとしてスクラッチパッド１２３ｂに記憶する（ステップＳ２）。
コンディション指数算出部１９は、ユーザ履歴ログ記憶部１２に記憶されているユーザ履歴ログに基づいて、ユーザのコンディションを推定するための指標となる「睡眠指数」、「労働指数」、「元気指数」、「マンネリ指数」、「引きこもり指数」、「テンション指数」等のコンディション指数を算出する（ステップＳ３）。
次に、セリフ決定部２０は、算出されたコンディション指数に適合するセリフを決定し、当該決定したセリフが表示された画像を表示装置１０４に出力するか、或いは、音声を音出力装置１０６から出力する（ステップＳ４）。
次に、セリフ決定部２０は、算出されたコンディション指数に適合するセリフを決定し、当該決定したセリフが表示された画像を表示装置１０４に出力するか、或いは、音声を音出力装置１０６から出力する（ステップＳ４）。
以上説明したように、移動通信端末１００は、ユーザ履歴ログに基づいてユーザのコンディションを推定するための指標となるコンディション指数を算出するため、センサやタグを利用せずにユーザのコンディションを容易に推定することが可能となる。
また、ユーザ履歴ログには、精度高く推定されたユーザのシチュエーションや起床時刻、就寝時刻等が記憶されるため、移動通信端末１００は、精度の高いユーザ履歴ログに基づいてコンディション指数を精度高く算出することができる。
また、ユーザ履歴ログには、精度高く推定されたユーザのシチュエーションや起床時刻、就寝時刻等が記憶されるため、移動通信端末１００は、精度の高いユーザ履歴ログに基づいてコンディション指数を精度高く算出することができる。
また、移動通信端末１００は、ユーザのコンディション指数に応じた適切なセリフをユーザに提示するため、あたかもユーザを見守っている人がいるような印象をユーザに与えて、癒しを提供することが可能となる。
なお、上述した実施形態では、移動通信端末１００が図３に示す各機能を備えているとして説明したが、これに限定されることはなく、サーバ２００が図３に示す各機能を備えていてもよいし、複数の装置が図３に示す各機能を備えていてもよい。
なお、上述した実施形態では、移動通信端末１００が図３に示す各機能を備えているとして説明したが、これに限定されることはなく、サーバ２００が図３に示す各機能を備えていてもよいし、複数の装置が図３に示す各機能を備えていてもよい。
また、上述した実施形態では、ユーザのコンディション指数の種類として、睡眠指数、労働指数、元気指数、マンネリ指数、引きこもり指数、及び、テンション指数が存在するとして説明したが、これに限定されることはなく、例えば、「ニート指数」が存在してもよい。当該「ニート指数」は、例えば、休みの日が所定日数以上、かつ、ユーザの移動距離が一定距離以下の場合に、仕事を休む傾向がより高いことを表す値に更新されるようにすればよい。
また、上述した実施形態において説明したコンディション指数算出部１９による各種コンディション指数の算出方法は一例に過ぎない。例えば、「マンネリ指数」の算出方法としては、日毎のシチュエーション毎の発生時刻又は終了時刻を判定し、当該判定された日毎のシチュエーション毎の発生時刻又は終了時刻の差が全て（又は一部）が所定時間以内である場合に「マンネリ指数」をユーザの生活パターンの変化がより小さいことを示す値に更新し、日毎のシチュエーション毎の発生時刻又は終了時刻の差が１つでも（又は全て）所定時間を超えている場合に「マンネリ指数」をユーザの生活パターンの変化がより大きいことを示す値に更新する、ということも考えられる。
本発明は、ユーザがユーザ端末を携帯するのみでユーザのコンディションを推定することができ、ユーザのコンディションに適した各種サービスを提供することができる。
１００ 移動通信端末
１１ エリア定義部
１２ ユーザ履歴ログ記憶部
１３ モデル定義部
１４ 位置情報取得部
１５ 時刻情報取得部
１６ 質問部
１７ シチュエーション推定部
１８ 返答分類部
１９ コンディション指数算出部
２０ セリフ決定部
１０２ 記憶装置
１０３ 通信インターフェース
１０４ 表示装置
１０５ 入力装置
１０６ 音出力装置
１０７ 入力装置
１０８ 内部時計
１０９ ＧＰＳ受信機
１２３ 不揮発性メモリ
１２３ａ アプリ保存領域
１２３ｂ スクラッチパッド
２００ サーバ
３００ 位置測位装置
１１ エリア定義部
１２ ユーザ履歴ログ記憶部
１３ モデル定義部
１４ 位置情報取得部
１５ 時刻情報取得部
１６ 質問部
１７ シチュエーション推定部
１８ 返答分類部
１９ コンディション指数算出部
２０ セリフ決定部
１０２ 記憶装置
１０３ 通信インターフェース
１０４ 表示装置
１０５ 入力装置
１０６ 音出力装置
１０７ 入力装置
１０８ 内部時計
１０９ ＧＰＳ受信機
１２３ 不揮発性メモリ
１２３ａ アプリ保存領域
１２３ｂ スクラッチパッド
２００ サーバ
３００ 位置測位装置
Claims (10)
- ユーザの心身の状態を表すコンディションを推定するコンディション推定装置において、
記憶装置により、ユーザの過去の行動の履歴であるユーザ履歴ログを記憶するユーザ履歴ログ記憶手段と、
前記ユーザ履歴ログ記憶手段に記憶されているユーザ履歴ログに基づいて、制御装置により、前記ユーザのコンディションを推定するための指標となるコンディション指数を算出するコンディション指数算出手段と、
記憶装置により、前記ユーザの１日のライフサイクルを表すライフサイクル情報と前記ユーザが居る場所を表す位置情報とに依存する前記ユーザの行動の状態を表すシチュエーションの遷移順を平休日別に定義したシチュエーション遷移モデルを記憶するモデル定義手段と、
ＧＰＳにより、現在の前記ユーザが居る場所を表す位置情報を取得する位置情報取得手段と、
内部時計により、現在の時刻を表す時刻情報を取得する時刻情報取得手段と、
制御装置により、前記シチュエーション遷移モデルと前記位置情報取得手段により取得された位置情報と前記時刻情報取得手段により取得された時刻情報と前記ユーザの遷移前のシチュエーションとに基づいて、前記ユーザの現在のシチュエーションを推定するシチュエーション推定手段と
を備え、
前記ユーザ履歴ログ記憶手段は、前記シチュエーション推定手段により推定された現在のシチュエーションと、該現在のシチュエーションに遷移した時刻とを、前記ユーザ履歴ログとして記憶し、
前記コンディション指数には前記ユーザの日々の生活パターンに変化があるか否かの指標となるマンネリ指数が含まれ、
前記コンディション指数算出手段は、
前記ユーザ履歴ログに基づいて前記ユーザのシチュエーションが仕事終了から帰宅までの間の帰宅中である時間を日毎に算出し、
該算出した日毎の帰宅中の時間の差が第１の所定時間以内の場合には、前記マンネリ指数を前記ユーザの生活パターンの変化がより小さいことを示す値に更新し、
前記日毎の帰宅中の時間の差が前記第１の所定時間を超えている場合には、前記マンネリ指数を前記ユーザの生活パターンの変化がより大きいことを示す値に更新することを特徴とするコンディション推定装置。 - 前記コンディション指数には前記ユーザの睡眠が十分であるか否かの指標となる睡眠指数が含まれ、
前記コンディション指数算出手段は、
前記ユーザ履歴ログに基づいて、前記ユーザの過去の睡眠時間の平均値を算出し、前記ユーザの直近の睡眠時間が前記平均値より長い場合には前記睡眠指数を前記ユーザの睡眠がより十分であることを示す値に更新し、前記平均値より短い場合には前記睡眠指数を前記ユーザの睡眠がより不十分であることを示す値に更新することを特徴とする請求項１に記載のコンディション推定装置。 - 前記コンディション指数には前記ユーザが働き過ぎか否かの指標となる労働指数が含まれ、
前記コンディション指数算出手段は、
前記ユーザ履歴ログに基づいて、前記ユーザの過去の労働時間の平均値を算出し、前記ユーザの直近の労働時間が前記平均値より長い場合には前記労働指数を前記ユーザの労働時間がより長いことを表す値に更新し、前記平均値より短い場合には前記労働指数を前記ユーザの労働時間がより短いことを表す値に更新することを特徴とする請求項１又は２に記載のコンディション推定装置。 - 前記コンディション指数には前記ユーザの元気の度合いを示す元気指数が含まれ、
前記コンディション指数算出手段は、
前記睡眠指数と前記労働指数とに基づいて前記元気指数を算出することを特徴とする請求項３に記載のコンディション推定装置。 - 前記コンディション指数には前記ユーザの気分の高揚の度合いを示すテンション指数が含まれ、
前記ユーザへの質問に対する返答が、前記ユーザの気分が高揚している時の返答であるプラス要素返答と、前記ユーザの気分が沈んでいる時の返答であるマイナス要素返答との何れに分類されるかを判定する返答分類手段をさらに備え、
前記コンディション指数算出手段は、
前記返答分類手段による判定結果に基づいて前記テンション指数を更新することを特徴とする請求項１から４の何れか１項に記載のコンディション推定装置。 - 前記コンディション指数算出手段は、
前記ユーザ履歴ログに基づいて前記ユーザのシチュエーションが出勤開始から仕事開始までの間の出勤中である時間を日毎に算出し、
該算出した日毎の出勤中の時間の差が第２の所定時間以内の場合には、前記マンネリ指数を前記ユーザの生活パターンの変化がより小さいことを示す値に更新し、
前記日毎の出勤中の時間の差が前記第２の所定時間を超えている場合には、前記マンネリ指数を前記ユーザの生活パターンの変化がより大きいことを示す値に更新することを特徴とする請求項１から５の何れか１項に記載のコンディション推定装置。 - 前記ユーザが目的に応じて滞在する場所を表すエリアと前記位置情報との対応関係を表すエリア定義情報を記憶するエリア定義手段をさらに備え、
前記コンディション指数には前記ユーザが社会への参加を避ける引きこもりの傾向を示す引きこもり指数が含まれ、
前記コンディション指数算出手段は、
前記ユーザ履歴ログ及び前記エリア定義情報に基づき、休日における前記ユーザのシチュエーションが在宅中であり、かつ、前記元気指数が前記ユーザの元気の度合いが比較的低いことを示しており、かつ、前記ユーザが第３の所定時間以上該ユーザの居住するエリアに滞在していると判断した場合、前記引きこもり指数を前記引きこもりの傾向がより高いことを示す値に更新することを特徴とする請求項１から６の何れか１項に記載のコンディション推定装置。 - 前記コンディション指数算出手段は、
前記ユーザ履歴ログに基づいて前記ユーザが前記居住するエリア外に移動したと判断した場合、前記引きこもり指数を前記ユーザの引きこもりの傾向がより低いことを示す値に更新することを特徴とする請求項７に記載のコンディション推定装置。 - 前記コンディション指数算出手段により算出されたコンディション指数に基づいて前記ユーザに提示するためのセリフを決定するセリフ決定手段をさらに備えることを特徴とする請求項１から８の何れか１項に記載のコンディション推定装置。
- コンピュータを、
ユーザの過去の行動の履歴であるユーザ履歴ログを、記憶装置によって記憶するユーザ履歴ログ記憶手段と、
前記ユーザ履歴ログ記憶手段に記憶されているユーザ履歴ログに基づいて、制御装置によって、前記ユーザの心身の状態を表すコンディションを推定するための指標となるコンディション指数を算出するコンディション指数算出手段と、
前記ユーザの１日のライフサイクルを表すライフサイクル情報と前記ユーザが居る場所を表す位置情報とに依存する前記ユーザの行動の状態を表すシチュエーションの遷移順を平休日別に定義したシチュエーション遷移モデルを、記憶装置によって記憶するモデル定義手段と、
現在の前記ユーザが居る場所を表す位置情報を、ＧＰＳによって取得する位置情報取得手段と、
現在の時刻を表す時刻情報を、内部時計によって取得する時刻情報取得手段と、
前記シチュエーション遷移モデルと前記位置情報取得手段により取得された位置情報と前記時刻情報取得手段により取得された時刻情報と前記ユーザの遷移前のシチュエーションとに基づいて、前記ユーザの現在のシチュエーションを、制御装置によって推定するシチュエーション推定手段と
して機能させ、
前記ユーザ履歴ログ記憶手段は、前記シチュエーション推定手段により推定された現在のシチュエーションと、該現在のシチュエーションに遷移した時刻とを、前記ユーザ履歴ログとして記憶し、
前記コンディション指数には前記ユーザの日々の生活パターンに変化があるか否かの指標となるマンネリ指数が含まれ、
前記コンディション指数算出手段は、
前記ユーザ履歴ログに基づいて前記ユーザのシチュエーションが仕事終了から帰宅までの間の帰宅中である時間を日毎に算出し、
該算出した日毎の帰宅中の時間の差が第１の所定時間以内の場合には、前記マンネリ指数を前記ユーザの生活パターンの変化がより小さいことを示す値に更新し、
前記日毎の帰宅中の時間の差が前記第１の所定時間を超えている場合には、前記マンネリ指数を前記ユーザの生活パターンの変化がより大きいことを示す値に更新するためのコンディション推定プログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2008021758A JP5080298B2 (ja) | 2008-01-31 | 2008-01-31 | コンディション推定装置、及び、コンディション推定プログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2008021758A JP5080298B2 (ja) | 2008-01-31 | 2008-01-31 | コンディション推定装置、及び、コンディション推定プログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2009181478A JP2009181478A (ja) | 2009-08-13 |
| JP5080298B2 true JP5080298B2 (ja) | 2012-11-21 |
Family
ID=41035385
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2008021758A Expired - Fee Related JP5080298B2 (ja) | 2008-01-31 | 2008-01-31 | コンディション推定装置、及び、コンディション推定プログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP5080298B2 (ja) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5670071B2 (ja) * | 2010-03-10 | 2015-02-18 | レノボ・イノベーションズ・リミテッド（香港） | 携帯端末 |
| CN103957777B (zh) * | 2011-12-07 | 2018-01-09 | 捷通国际有限公司 | 行为跟踪和修正系统 |
| JP6340995B2 (ja) * | 2014-08-22 | 2018-06-13 | 花王株式会社 | 疲労度判定装置 |
| JP6639429B2 (ja) * | 2017-01-27 | 2020-02-05 | Kddi株式会社 | ユーザの移動滞在状態に応じて車両を制御する車両制御サーバ、携帯端末及びプログラム |
| JP6885858B2 (ja) * | 2017-12-15 | 2021-06-16 | ヤフー株式会社 | 推定装置、推定方法、及び推定プログラム |
| WO2019150761A1 (ja) * | 2018-02-02 | 2019-08-08 | 国立研究開発法人産業技術総合研究所 | 睡眠充足度推定装置及び睡眠充足度推定方法 |
| JP7305588B2 (ja) * | 2020-03-19 | 2023-07-10 | エヌ・ティ・ティ・コミュニケーションズ株式会社 | データ流通制御装置、方法およびプログラム |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3502006B2 (ja) * | 2000-03-21 | 2004-03-02 | 株式会社日立エンジニアリングサービス | 高齢者に対する介護スタッフ配置支援システムおよび支援方法 |
| JP2002230173A (ja) * | 2001-01-31 | 2002-08-16 | Web Md Kk | 医療情報処理システム、医療情報処理装置、情報端末装置、医療情報処理方法、および、プログラム |
| JP4700316B2 (ja) * | 2004-09-30 | 2011-06-15 | 株式会社タカラトミー | 対話型玩具 |
| JP2008525053A (ja) * | 2004-11-03 | 2008-07-17 | ユニリーバー・ナームローゼ・ベンノートシヤープ | 意欲高揚のための方法と装置 |
| JP4759304B2 (ja) * | 2005-04-07 | 2011-08-31 | オリンパス株式会社 | 情報表示システム |
-
2008
- 2008-01-31 JP JP2008021758A patent/JP5080298B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2009181478A (ja) | 2009-08-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5080298B2 (ja) | コンディション推定装置、及び、コンディション推定プログラム | |
| CN107111852B (zh) | 睡眠改善系统以及使用该系统的睡眠改善方法 | |
| JP5185358B2 (ja) | 行動履歴検索装置 | |
| CN104484796B (zh) | 便携式终端及其日程管理方法 | |
| CN107146611B (zh) | 一种语音响应方法、装置及智能设备 | |
| US20170178048A1 (en) | Identification and presentation of tasks based on predicted periods of user availability | |
| WO2013121662A1 (ja) | 睡眠分析結果表示プログラム、睡眠改善支援画面表示プログラム及び睡眠改善行動結果表示プログラム | |
| JP5043799B2 (ja) | 通信端末、及び、位置情報取得調整プログラム | |
| WO2018012071A1 (ja) | 情報処理システム、記録媒体及び情報処理方法 | |
| JP5065069B2 (ja) | シチュエーション推定装置、及び、シチュエーション推定プログラム | |
| JP4986874B2 (ja) | シチュエーション推定装置、及び、シチュエーション推定プログラム | |
| JP5237051B2 (ja) | 通信端末、及び、経路判定プログラム | |
| CN109189437A (zh) | 软件更新提示方法、装置、计算机设备及可读存储介质 | |
| CN107872573B (zh) | 一种闹钟设置方法及终端 | |
| JP2009181477A (ja) | シチュエーション推定装置、及び、シチュエーション推定プログラム | |
| JP2010097348A (ja) | 行動履歴表示システム、及び、行動履歴表示プログラム | |
| KR20110109361A (ko) | 휴대용 단말기에서 단문 메시지를 이용한 일정 알림 방법 및 장치 | |
| JP5148343B2 (ja) | 通信装置、通信装置制御プログラム | |
| JP5522923B2 (ja) | 通信端末、及び、エリア定義プログラム | |
| JP6505568B2 (ja) | テキスト処理装置、テキスト処理装置の制御方法、制御プログラム、及び記録媒体 | |
| CN110719360B (zh) | 备忘事件的自动生成方法、装置以及存储装置 | |
| CN107580107A (zh) | 一种位置提醒方法、装置、计算机装置及存储介质 | |
| JP5202269B2 (ja) | 繁忙度推定装置、方法及びプログラム | |
| JP2011163860A (ja) | アラーム及びスケジュール機能付き端末、その目覚まし時刻変更方法及びそのプログラム | |
| JP6426296B2 (ja) | 予定管理装置、電子機器、予定管理装置の制御方法、および制御プログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20100921 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20120511 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20120522 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20120720 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20120807 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20120830 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20150907 Year of fee payment: 3 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20150907 Year of fee payment: 3 |
|
| RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: R3D04 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |