特許 6146811 推定装置、推定方法及びプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】6146811

(24)【登録日】2017年5月26日

(45)【発行日】2017年6月14日

(54)【発明の名称】推定装置、推定方法及びプログラム

(51)【国際特許分類】

   G06Q 50/22 20120101AFI20170607BHJP

【ＦＩ】

   G06Q50/22ZIT

【請求項の数】5

【全頁数】8

(21)【出願番号】特願2013-195984(P2013-195984)

(22)【出願日】2013年9月20日

(65)【公開番号】特開2015-60560(P2015-60560A)

(43)【公開日】2015年3月30日

【審査請求日】2016年9月16日

【早期審査対象出願】

(73)【特許権者】

【識別番号】504145342

【氏名又は名称】国立大学法人九州大学

(73)【特許権者】

【識別番号】000164438

【氏名又は名称】九州電力株式会社

(74)【代理人】

【識別番号】100116573

【弁理士】

【氏名又は名称】羽立 幸司

(74)【代理人】

【識別番号】100136180

【弁理士】

【氏名又は名称】羽立 章二

(72)【発明者】

【氏名】安川 圭司

(72)【発明者】

【氏名】石原 由紀夫

(72)【発明者】

【氏名】平山 ふみ

(72)【発明者】

【氏名】田中 浩剛

(72)【発明者】

【氏名】岡 ゆみ

(72)【発明者】

【氏名】三宮 庸生

【審査官】 池田 聡史

(56)【参考文献】

【文献】 特開２００２−１７０１８１（ＪＰ，Ａ）

【文献】 特開２００４−２９５８６１（ＪＰ，Ａ）

【文献】 特開２０１３−１３１０９６（ＪＰ，Ａ）

【文献】 特開２０１０−２５０４８９（ＪＰ，Ａ）

【文献】 特開２０１２−２０８６６９（ＪＰ，Ａ）

【文献】 韓国公開特許第１０−２０１１−００２２１７１（ＫＲ，Ａ）

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ０６Ｑ １０／００ − ９９／００

(57)【特許請求の範囲】

【請求項1】

消費者が使用した電力使用量から前記消費者の健康状態を推定する推定方法であって、
統計処理手段が、前記電力使用量に対して統計処理を行って統計処理値を得る統計処理ステップと、
推定手段が、前記統計処理値に応じて前記消費者の健康状態を評価する健康評価値を推定する推定ステップを含み、
前記推定ステップにおいて、
前記健康評価値として、血中ＬＤＬ、血中ＨＤＬ、中性脂肪、及び、野菜摂取量の少なくとも一つについて推定するものであり、
前記統計処理値の増加に応じて、
血中ＬＤＬについては高く推定し、
血中ＨＤＬについては低く推定し、
中性脂肪については高く推定し、
野菜摂取量については低く推定する、推定方法。

【請求項2】

前記推定ステップにおいて、
期間及び／又は場所を異にして使用された複数の前記電力使用量を用いて前記健康評価値を推定するものであり、
前記複数の電力使用量のうち、一つの前記電力使用量に応じて推定される前記健康評価値を、他の前記電力使用量に応じて推定される前記健康評価値と比較して、維持、増加又は減少することにより、前記消費者の現在及び／又は将来の前記健康評価値を推定する、請求項１記載の推定方法。

【請求項3】

前記健康評価値は、増加又は減少するほどに、健康的でないと評価されるものであり、
前記推定ステップにおいて、前記消費者が使用した電力使用量が増加すると前記健康評価値を健康的でない傾向に推定する、請求項１又は２に記載の推定方法。

【請求項4】

消費者が使用した電力使用量から前記消費者の健康状態を推定する推定装置であって、
前記電力使用量に対して統計処理を行って統計処理値を得る統計処理手段と、
前記統計処理値に応じて、前記消費者の健康状態を評価する健康評価値を推定する推定手段を備え、
前記推定手段は、
前記健康評価値として、血中ＬＤＬ、血中ＨＤＬ、中性脂肪、及び、野菜摂取量の少なくとも一つについて推定するものであり、
前記統計処理値の増加に応じて、
血中ＬＤＬについては高く推定し、
血中ＨＤＬについては低く推定し、
中性脂肪については高く推定し、
野菜摂取量については低く推定する、推定装置。

【請求項5】

コンピュータを、請求項４記載の推定装置として動作させるためのプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、推定装置、推定方法及びプログラムに関し、特に、消費者が使用した電力使用量から消費者の健康状態を推定する推定装置等に関する。

【背景技術】

【0002】

現在のライフスタイルでは、自宅での日常生活に伴い電化製品等を使用するため、電力等のエネルギーを使用する。そのため、電力等の使用パターンは、人の生活パターンを反映するものとして注目されてきた。

【0003】

例えば、居住者等の消費者が使用した電力使用量の変化を３０分ごとなどの期間で監視し、その変化パターンに対してパターンマッチング等の処理を行うことにより、消費者の健康状態を推定することは、知られている（例えば、特許文献１〜４参照）。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特開２０１２−１２８５０２号公報

【特許文献2】特開２００８−９７２９６号公報

【特許文献3】特開２００５−１７４２４９号公報

【特許文献4】特開２００３−６３３７号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

しかしながら、電力使用量の変化パターンを得るためには、電力使用量を継続して監視することが必要となる。例えば、特許文献１では、３０分以内の間隔で電力使用量を計測し、その変化パターンを調べることが想定されている。また、継続して得られた電力使用量の変化をパターンによって評価するため、その処理は、複雑なものとならざるを得なかった。

【0006】

そこで、本願発明は、消費者が使用した電力使用量の変化ではなく、電力使用量を利用して、消費者の健康状態を容易に推定することが可能な推定装置等を提案することを目的とする。

【課題を解決するための手段】

【0007】

本願発明の第１の観点は、消費者が使用した電力使用量から前記消費者の健康状態を推定する推定方法であって、推定手段が、前記電力使用量に応じて前記消費者の健康状態を評価する健康評価値を推定する推定ステップを含むものである。

【0008】

本願発明の第２の観点は、第１の観点の推定方法であって、統計処理手段が、前記電力使用量に対して統計処理を行って統計処理値を得る統計処理ステップを含み、前記推定ステップにおいて、前記統計処理値に応じて前記健康評価値を推定するものである。

【0009】

本願発明の第３の観点は、第１又は第２の観点の推定方法であって、前記推定ステップにおいて、期間及び／又は場所を異にして使用された複数の前記電力使用量を用いて前記健康評価値を推定するものであり、前記複数の電力使用量のうち、一つの前記電力使用量に応じて推定される前記健康評価値を、他の前記電力使用量によって維持、増加又は減少することにより、前記消費者の現在及び／又は将来の前記健康評価値を推定するものである。

【0010】

本願発明の第４の観点は、第１から第３のいずれかの観点の推定方法であって、前記推定ステップにおいて、前記健康評価値として、血中ＬＤＬ、血中ＨＤＬ、中性脂肪、及び、野菜摂取量の少なくとも一つについて推定するものであり、前記統計処理値の増加に応じて、血中ＬＤＬについては高く推定し、血中ＨＤＬについては低く推定し、中性脂肪については高く推定し、野菜摂取量については低く推定するものである。

【0011】

本願発明の第５の観点は、第１から第４のいずれかの観点の推定方法であって、前記健康評価値は、増加又は減少するほどに、健康的でないと評価されるものであり、前記推定ステップにおいて、前記消費者が使用した電力使用量が増加すると前記健康評価値を健康的でない傾向に推定するものである。

【0012】

本願発明の第６の観点は、消費者が使用した電力使用量から前記消費者の健康状態を推定する推定装置であって、前記電力使用量に応じて、前記消費者の健康状態を評価する健康評価値を推定する推定手段を備えるものである。

【0013】

本願発明の第７の観点は、コンピュータを、第６の観点の推定装置として動作させるためのプログラムである。

【0014】

なお、本願発明を、第７の観点のプログラムを定常的に記憶するコンピュータ読み取り可能な記録媒体として捉えてもよい。

【発明の効果】

【0015】

本願発明の各観点によれば、電力使用量の変化パターンではなく、電力使用量を用いて健康評価値を推定することにより、パターンマッチング等の複雑な処理ではなく、例えば、電力使用量や、その平均値等の統計処理値から健康評価値を単純に推定することができる。

【0016】

従来、消費者の生活パターンは、電力使用量の変化パターンに反映されるとして、時間的な要素を含んだパターンにより評価されてきた。そのため、時間的な要素を捨象した電力使用量と消費者の健康状態との間に関係性があることは、明らかにされてこなかった。

【0017】

電力使用量の平均値等と健康評価値との間の関連性は、発明者らによって初めて見出されたものである。特に、発明者らは、第３の観点にあるように、電力使用量が、身体から計測される身体計測値についての血中ＬＤＬ、血中ＨＤＬ、及び、中性脂肪だけでなく、野菜摂取量をも関連性があることを見出した。電力使用量の統計処理値そのものから消費者の健康状態を推定することは、当業者が予想し得なかった事項である。

【図面の簡単な説明】

【0018】

【図1】本願発明の実施の形態に係る健康状態推定システムの構成の一例を示すブロック図である。

【図2】図１の健康状態推定システム１における処理の一例を示すフロー図である。

【図3】平成２５年２月における単身世帯の日平均電力使用量と血中ＨＤＬの関係についての解析結果を示すグラフである。

【図4】平成２５年２月における日平均電力使用量と血中ＬＤＬの関係についての解析結果を示すグラフである。

【図5】平成２５年２月における日平均電力使用量と中性脂肪の関係についての解析結果を示すグラフである。

【図6】平成２５年２月における日平均電力使用量と週平均野菜摂取量の関係についての解析結果を示すグラフである。

【発明を実施するための形態】

【0019】

以下では、図面を参照して、本願発明の実施例について説明する。なお、本願発明は、この実施例に限定されるものではない。

【実施例】

【0020】

図１は、本願発明の実施の形態に係る健康状態推定システムの構成の一例を示すブロック図である。図２は、図１の健康状態推定システム１における処理の一例を示すフロー図である。

【0021】

健康状態推定システム１は、居宅３と、電力計測装置５と、推定装置７（本願請求項の「推定装置」の一例）を備える。

【0022】

居宅３は、居住者等の電力の消費者が居住する建造物である。

【0023】

電力計測装置５は、計測部１１を備える。計測部１１は、居宅３において使用される電力使用量を計測する（図２のステップＳＴ１）。

【0024】

推定装置７は、消費者が使用した電力使用量から消費者の健康評価値を推定するものである。ここで、健康評価値は、消費者の健康の度合いを評価するための値であり、例えば、消費者の身体から計測される身体計測値だけでなく、野菜摂取量なども含むものである。推定装置７は、入力部２１と、制御部２３と、電力使用量記憶部２５と、統計処理部（本願請求項の「統計処理手段」の一例）２７と、推定部２９（本願請求項の「推定手段」の一例）を備える。入力部２１は、電力計測装置５の計測部１１が計測した電力使用量を入力する（図２のステップＳＴ２）。制御部２３は、推定装置７における制御処理を行うものであり、入力部２１に入力された電力使用量を電力使用量記憶部２５に記憶する（図２のステップＳＴ３）。統計処理部２７は、電力使用量記憶部２５に記憶された電力使用量に対し、統計処理を行う（図２のステップＳＴ４）。統計処理部２７による統計処理により得られた値を、統計処理値という。統計処理は、例えば、１か月間の電力使用量を積算し、日数で割ることにより日平均電力使用量を得るものである。推定部２９は、統計処理部２７により演算された統計処理値に応じて、消費者の健康評価値を推定する（図２のステップＳＴ５）。

【0025】

図１では、例えば、推定装置７は、スマートフォンやタブレット端末等であり、統計処理部２７や推定部２９等は、アプリ等を利用して実現されるものである。すなわち、推定装置７の利用者は、例えば消費者であり、計測部１１が測定した電力使用量を入力して、この値に対して統計処理を行い、現在及び／又は将来の健康評価値を推定するような場合を想定している。さらに、例えば、電力計測装置５は、計測部１１が計測した電力使用量を送信する送信部を備え、推定装置７は、送信された電力使用量を受信する受信部を備え、受信した電力使用量に対して統計処理を行って、健康評価値を推定するものであってもよい。

【0026】

続いて、推定部２９の処理について、具体的に説明する。図３〜図６を参照して、実証試験の結果について説明する。図３〜図６は、参加者に対して、自己記入式アンケートを回収し、計測機器（血圧計、体重計、歩数計）と電力計を配布して、日々測定した結果を示すものである。データ解析には、IBM SPSS Statistics等を使用し、相関分析（ピアソンの相関と散布図）を行った。

【0027】

図３は、平成２５年２月における単身世帯の日平均電力使用量と血中ＨＤＬの関係についての解析結果を示すグラフである。横軸は、血中ＨＤＬ（mg/dl）である。縦軸は、１日平均電力使用量（Ｗｈ）である。ｒ値は、0.674であり、ｐ値は、0.002である。図３にあるように、日平均電力使用量が少ないほど、血中ＨＤＬが増加する傾向が認められる。よって、推定部２９は、電力使用量が少ないほど、血中ＨＤＬが多いと推定する。また、グラフ上のラインを使用して、日平均電力使用量から血中ＨＤＬの値を推定してもよい。

【0028】

図４は、平成２５年２月における日平均電力使用量と血中ＬＤＬの関係についての解析結果を示すグラフである。横軸は、血中ＬＤＬ（mg/dl）である。縦軸は、１日平均電力使用量（Ｗｈ）である。ｒ値は、0.686であり、ｐ値は、0.003である。図４にあるように、日平均電力使用量が少ないほど、血中ＬＤＬが少ない傾向が認められる。よって、推定部２９は、電力使用量が少ないほど、血中ＬＤＬが少ないと推定する。また、グラフ上のラインを使用して、日平均電力使用量から血中ＬＤＬの値を推定してもよい。

【0029】

図５は、平成２５年２月における日平均電力使用量と中性脂肪の関係についての解析結果を示すグラフである。横軸は、中性脂肪（mg/dl）である。縦軸は、１日平均電力使用量（Ｗｈ）である。ｒ値は、0.755であり、ｐ値は、0.000である。図５にあるように、日平均電力使用量が少ないほど、中性脂肪が少ない傾向が認められる。よって、推定部２９は、電力使用量が少ないほど、中性脂肪が少ないと推定する。また、グラフ上のラインを使用して、日平均電力使用量から中性脂肪の値を推定してもよい。

【0030】

図６は、平成２５年２月における日平均電力使用量と週平均野菜摂取量の関係についての解析結果を示すグラフである。横軸は、週平均野菜摂取量である。縦軸は、１日平均電力使用量（Ｗｈ）である。ｒ値は、0.502であり、ｐ値は、0.047である。図６にあるように、日平均電力使用量が少ないほど、週平均野菜摂取量が多い傾向が認められる。よって、推定部２９は、電力使用量が少ないほど、野菜摂取量が多いと推定する。また、グラフ上のラインを使用して、日平均電力使用量から野菜摂取量の値を推定してもよい。

【0031】

このように、図３〜図６によれば、電力使用量が多くなるほどに、血中ＬＤＬは多く、血中ＨＤＬは少なく、中性脂肪については多く、野菜摂取量については少なくなる傾向が認められる。そのため、推定部２９は、全体的な傾向として、電力使用量の値が増加するほどに、健康評価値として、健康的でないものに推定するものと認められる。

【0032】

なお、推定部２９は、例えば図３〜図６にあるように、過去の統計データから健康評価値の推定値を得ておき、統計処理値に対応する健康評価値の推定値を得てもよい。また、統計処理値を、他の電力使用量と比較して、健康評価値の増減を相対的に推定するものであってもよい。他の電力使用量と比較する場合には、例えば、同じ消費者が、１年前の同じ期間に使用した電力使用量と比較して、健康評価値の増減を判断してもよい。

【0033】

また、複数の電力使用量を総合的に考慮して、健康評価値を得るものであってもよい。例えば、月平均電力使用量の推移を比較的長期間（例えば一年間）遡ってみる。例えば、各月において、蓄積されたデータ全てから算出された全年月平均電力使用量を計算する。全年月平均電力使用量に対する月平均電力使用量の相対値を計算する。時間の経過とともに、前記相対値が単調増加であった場合、健康評価値が単調に悪化して、生活習慣病が発症する、又は、発症が早まることが予想される。また、ある月を境に、月毎電力使用平均値（蓄積データ）に対する電力使用量が比較的長期間にわたって相対的に単調減少した場合、健康評価値は改善するため、将来的には、生活習慣病のリスクが低下する可能性が予想される。このように、例えば、各時点において取得されたデータだけでなく、それ以前に取得され記憶されたデータをも考慮することにより、消費者の電力使用量の変化を読み取り、健康状態の‘変化’を推定して、生活習慣病の発症のリスク等を予測することが可能になる。

【符号の説明】

【0034】

１ 健康状態推定システム、３ 居宅、５ 電力計測装置、７ 推定装置、１１ 計測部、２１ 入力部、２３ 制御部、２５ 電力使用量記憶部、２７ 統計処理部、２９ 推定部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】