特開 2023-135400 行動評価サーバ及び行動評価方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2023135400

(43)【公開日】2023-09-28

(54)【発明の名称】行動評価サーバ及び行動評価方法

(51)【国際特許分類】

   G16H 50/30 20180101AFI20230921BHJP

【ＦＩ】

G16H50/30

【審査請求】未請求

【請求項の数】14

【出願形態】ＯＬ

(21)【出願番号】P 2022040579

(22)【出願日】2022-03-15

(71)【出願人】

【識別番号】000005108

【氏名又は名称】株式会社日立製作所

(74)【代理人】

【識別番号】110001678

【氏名又は名称】藤央弁理士法人

(72)【発明者】

【氏名】荒木 真敬

(72)【発明者】

【氏名】伴 秀行

(72)【発明者】

【氏名】大崎 高伸

(72)【発明者】

【氏名】垂水 信二

(72)【発明者】

【氏名】小林 薫樹

(72)【発明者】

【氏名】野山 駿介

(72)【発明者】

【氏名】鎌田 裕司

【テーマコード（参考）】

5L099

【Ｆターム（参考）】

5L099AA15

(57)【要約】

【課題】ユーザの活動の活発度や交流に基づいてユーザの社会参加を高精度に評価する。
【解決手段】行動評価サーバは、プロセッサとメモリとを含み、メモリは、第１ユーザの位置の時系列と、第１ユーザの活動量の時系列と、を保持し、プロセッサは、位置の時系列と、活動量の時系列と、に基づいて、第１ユーザの行動の時系列を生成し、生成した行動の時系列に基づく活動の活発度を示す活動割合を示す第１指標と、生成した行動の時系列に基づく交流多様性を示す第２指標と、を算出する。
【選択図】図１

【特許請求の範囲】

【請求項1】

行動評価サーバであって、
プロセッサとメモリとを含み、
前記メモリは、第１ユーザの位置の時系列と、前記第１ユーザの活動量の時系列と、を保持し、
前記プロセッサは、
前記位置の時系列と、前記活動量の時系列と、に基づいて、前記第１ユーザの行動の時系列を生成し、
前記生成した行動の時系列に基づく活動の活発度を示す活動割合を示す第１指標と、前記生成した行動の時系列に基づく交流多様性を示す第２指標と、を算出する、行動評価サーバ。

【請求項2】

請求項１に記載の行動評価サーバであって、
前記プロセッサは、前記生成した行動の時系列に基づく運動の量を示す第３指標を算出する、行動評価サーバ。

【請求項3】

請求項２に記載の行動評価サーバであって、
前記プロセッサは、前記第１指標、前記第２指標、及び前記第３指標に基づいて、前記第１ユーザの行動を総合評価する第４指標を算出する、行動評価サーバ。

【請求項4】

請求項３に記載の行動評価サーバであって、
前記メモリは、
ユーザ属性、前記第１指標、前記第２指標、及び前記第３指標、を含む値が入力されると要介護リスクを出力する要介護リスク予測モデルと、
前記第１ユーザのユーザ属性と、を保持し、
前記プロセッサは、前記第１ユーザの、ユーザ属性、前記第１指標、前記第２指標、前記第３指標、及び前記要介護リスク予測モデルに基づいて、前記第１ユーザの要介護リスクを、前記第４指標として算出する、行動評価サーバ。

【請求項5】

請求項４に記載の行動評価サーバであって、
前記メモリは、前記要介護リスクと要介護リスクランクとの対応を示す要介護リスクランク情報を保持し、
前記プロセッサは、
前記要介護リスクランク情報を参照して、前記第１ユーザの要介護リスクから要介護リスクランクを特定し、
前記要介護リスクランク情報と、前記特定した要介護リスクと、前記要介護リスク予測モデルと、に基づいて、前記第１ユーザの要介護リスクランクを改善するための、前記第１指標、前記第２指標、及び前記第３指標それぞれの改善量を算出する、行動評価サーバ。

【請求項6】

請求項５に記載の行動評価サーバであって、
前記プロセッサは、前記第１指標、前記第２指標、及び前記第３指標、並びに前記第１指標、前記第２指標、及び前記第３指標それぞれの改善量を表示するためのデータを生成する、行動評価サーバ。

【請求項7】

請求項４に記載の行動評価サーバであって、
前記メモリは、前記第１ユーザを含む複数のユーザそれぞれの前記ユーザ属性、前記第１指標、前記第２指標、前記第３指標、及び所定期間内の要介護認定の有無を示す学習データを保持し、
前記プロセッサは、前記学習データに基づいて、前記要介護リスク予測モデルを更新する、行動評価サーバ。

【請求項8】

請求項３に記載の行動評価サーバであって、
前記メモリは、前記第１ユーザを含む複数のユーザそれぞれの前記第１指標、前記第２指標、及び前記第３指標を保持し、
前記プロセッサは、前記複数のユーザに含まれる第１ユーザの前記第１指標、前記第２指標、及び前記第３指標それぞれについて、前記複数のユーザにおける位置付けを示す標準得点を算出し、
前記算出した前記第１指標、前記第２指標、及び前記第３指標それぞれの標準得点を総合した前記第１ユーザの総合得点を、前記第４指標として算出する、行動評価サーバ。

【請求項9】

請求項８に記載の行動評価サーバであって、
前記メモリは、前記総合得点と総合得点ランクとの対応を示す総合得点ランク情報を保持し、
前記プロセッサは、
前記総合得点ランク情報を参照して、前記第１ユーザの総合得点から総合得点ランクを特定し、
前記総合得点ランク情報と、前記特定した総合得点と、に基づいて、前記第１ユーザの総合得点ランクを改善するための、前記第１指標、前記第２指標、及び前記第３指標それぞれの改善量を算出する、行動評価サーバ。

【請求項10】

請求項９に記載の行動評価サーバであって、
前記プロセッサは、前記第１指標、前記第２指標、及び前記第３指標、並びに前記第１指標、前記第２指標、及び前記第３指標それぞれの改善量を表示するためのデータを生成する、行動評価サーバ。

【請求項11】

請求項２に記載の行動評価サーバであって、
前記メモリは、
前記第１ユーザを含む複数のユーザそれぞれのユーザ属性、前記第１指標、前記第２指標、及び前記第３指標を保持し、
前記プロセッサは、
前記生成した行動の時系列に基づいて、前記第１ユーザの第１指標、第２指標、及び第３指標それぞれの時系列の変化の傾向を示す自己傾向を算出し、
前記複数のユーザのうち前記第１ユーザと共通のユーザ属性を有するユーザ群と比較した、前記第１ユーザの直近の第１指標、第２指標、及び第３指標それぞれの傾向を示す同属性比較傾向を算出し、
前記算出した前記第１ユーザの第１指標、第２指標、及び第３指標それぞれの自己傾向及び同属性比較経傾向に基づいて、前記第１ユーザに提示するアドバイスを生成する、行動評価サーバ。

【請求項12】

請求項２に記載の行動評価サーバであって、
前記メモリは、
前記第１ユーザを含む複数のユーザのユーザ属性と、
前記複数のユーザそれぞれが利用した介入サービスを示す介入サービス利用履歴情報と、
前記介入サービスそれぞれが利用された場合の前記第１指標、前記第２指標、及び／又は前記第３指標の改善量を示す介入サービス情報と、を保持し、
前記プロセッサは、
前記介入サービス利用履歴情報が示す、前記複数のユーザのうち前記第１ユーザと同じユーザ属性を有するユーザそれぞれが利用した介入サービスから、前記第１ユーザへレコメンドする介入サービスを決定し、
前記介入サービス情報を参照して、前記決定した介入サービスが利用された場合の前記第１指標、前記第２指標、及び／又は前記第３指標の改善量を抽出する、行動評価サーバ。

【請求項13】

請求項２に記載の行動評価サーバであって、
前記第１ユーザの位置の時系列は、前記第１ユーザが各位置において移動しているか滞在しているかを示し、
前記第１ユーザの活動量の時系列は、前記第１ユーザの歩数の時系列を示し、
前記第１指標は、前記第１ユーザの外出回数を示し、
前記第２指標は、前記第１ユーザの滞在箇所数を示し、
前記第３指標は、前記第１ユーザの平均歩数を示す、行動評価サーバ。

【請求項14】

行動評価サーバによる行動評価方法であって、
前記行動評価サーバは、プロセッサとメモリとを含み、
前記メモリは、第１ユーザの位置の時系列と、前記第１ユーザの活動量の時系列と、を保持し、
前記行動評価方法は、
前記プロセッサが、前記位置の時系列と、前記活動量の時系列と、に基づいて、前記第１ユーザの行動の時系列を生成し、
前記プロセッサが、前記生成した行動の時系列に基づく活動の活発度を示す活動割合を示す第１指標と、前記生成した行動の時系列に基づく交流多様性を示す第２指標と、を算出する、行動評価方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、行動評価サーバ及び行動評価方法に関する。

【背景技術】

【0002】

本技術分野の背景技術として国際公開第２０１８／１００７９７号がある（特許文献１）。この公報には「体力測定および認知機能の測定結果と、生活情報および社会参加スコアを取得部により取得することと、前記測定結果に基づく体力値および認知機能値と、生活情報および社会参加スコアとの相関を学習部により学習することと、ユーザの生活情報および社会参加スコアに基づき、前記学習した相関を用いて、当該ユーザの将来的な体力値および認知機能値を予測部により予測することと、を含む、情報処理方法。」と記載されている（要約参照）。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】国際公開第２０１８／１００７９７号

【発明の概要】

【発明が解決しようとする課題】

【0004】

特許文献１に記載の技術は、社会参加スコアに基づいてユーザの将来的な体力値及び認知機能値を予測するが、ユーザの社会参加はユーザの活動の活発度や交流等の様々な側面によって説明可能なものであるため、社会参加を正確に評価できていないおそれがある。そこで本発明の一態様は、ユーザの活動の活発度や交流に基づいてユーザの社会参加を高精度に評価する。

【課題を解決するための手段】

【0005】

上記した課題を解決するため本発明の一態様は以下の構成を採用する。行動評価サーバは、プロセッサとメモリとを含み、前記メモリは、第１ユーザの位置の時系列と、前記第１ユーザの活動量の時系列と、を保持し、前記プロセッサは、前記位置の時系列と、前記活動量の時系列と、に基づいて、前記第１ユーザの行動の時系列を生成し、前記生成した行動の時系列に基づく活動の活発度を示す活動割合を示す第１指標と、前記生成した行動の時系列に基づく交流多様性を示す第２指標と、を算出する。

【発明の効果】

【0006】

本発明の一態様によれば、ユーザの活動の活発度や交流に基づいてユーザの社会参加を高精度に評価することができる。

【0007】

上記した以外の課題、構成及び効果は、以下の実施形態の説明により明らかにされる。

【図面の簡単な説明】

【0008】

【図1】実施例１における行動評価システムの構成例を示すブロック図である。

【図2】実施例１における評価サーバ及びクライアントそれぞれを構成する計算機の構成例を示すブロック図である。

【図3】実施例１におけるアカウント情報のデータ構成例を示す図である。

【図4】実施例１における介入サービス情報のデータ構成例を示す図である。

【図5】実施例１における位置情報のデータ構成例を示す図である。

【図6】実施例１における活動量情報のデータ構成例を示す図である。

【図7】実施例１における行動目的情報のデータ構成例を示す図である。

【図8】実施例１における地図情報のデータ構成例を示す図である。

【図9】実施例１におけるタイムライン情報のデータ構成例を示す図である。

【図10】実施例１における活動割合情報のデータ構成例を示す図である。

【図11】実施例１における交流多様性情報のデータ構成例を示す図である。

【図12】実施例１における運動情報のデータ構成例を示す図である。

【図13】実施例１における行動評価情報のデータ構成例を示す図である。

【図14】実施例１における要介護リスクランク判定情報のデータ構成例を示す図である。

【図15】実施例１における総合得点ランク判定情報のデータ構成例を示す図である。

【図16】実施例１におけるユーザ集計評価情報のデータ構成例を示す図である。

【図17】実施例１における行動傾向情報のデータ構成例を示す図である。

【図18】実施例１における参照パーツ情報のデータ構成例を示す図である。

【図19】実施例１における参照テンプレートの一例である。

【図20】実施例１における逆シミュレーション結果情報のデータ構成例を示す図である。

【図21】実施例１における介入サービス利用履歴情報のデータ構成例を示す図である。

【図22】実施例１における学習データのデータ構成例を示す図である。

【図23】実施例１における評価処理の一例を示すフローチャートである。

【図24】実施例１におけるタイムライン集計処理の一例を示すフローチャートである。

【図25】実施例１における活動割合算出処理の一例を示すフローチャートである。

【図26】実施例１における交流多様性算出処理の一例を示すフローチャートである。

【図27】実施例１における運動算出処理の一例を示すフローチャートである。

【図28A】実施例１における要介護リスクが用いられる行動評価処理の一例を示すフローチャートである。

【図28B】実施例１における標準得点が用いられる行動評価処理の一例を示すフローチャートである。

【図29A】実施例１におけるアドバイス生成処理の一例を示すフローチャートである。

【図29B】実施例１における要介護リスクが用いられるアドバイス生成処理の一例を示すフローチャートである。

【図29C】実施例１における標準得点が用いられるアドバイス生成処理の一例を示すフローチャートである。

【図30】実施例１におけるレコメンド処理の一例を示すフローチャートである。

【図31】実施例１における要介護リスク予測モデル更新処理の一例を示すフローチャートである。

【図32A】実施例１における評価結果表示画面の一例を示す図である。

【図32B】実施例１における評価結果表示画面の一例を示す図である。

【図32C】実施例１における評価結果表示画面の一例を示す図である。

【図33】実施例１におけるレコメンド結果表示画面の一例を示す図である。

【発明を実施するための形態】

【0009】

以下、本発明の実施形態を図面に基づいて詳細に説明する。本実施形態において、同一の構成には原則として同一の符号を付け、繰り返しの説明は省略する。なお、本実施形態は本発明を実現するための一例に過ぎず、本発明の技術的範囲を限定するものではないことに注意すべきである。

【実施例0010】

図１は、行動評価システムの構成例を示すブロック図である。行動評価システムは、例えば、インターネット等のネットワークを介して接続された、評価サーバ１００及び１以上のクライアント２００を含む。評価サーバ１００は、クライアント２００を有するユーザの行動を評価する。クライアント２００は、ユーザの位置や活動量を測定する装置であり、例えば、スマートフォン又はウェアラブルデバイス等である。

【0011】

評価サーバ１００は、例えば、いずれも機能部である、タイムライン集計部１１１、活動割合算出部１１２、交流多様性算出部１１３、運動算出部１１４、要介護リスク予測部１１５、行動評価部１１６、アドバイス生成部１１７、レコメンド処理部１１８、処理モデル更新部１１９、及び標準得点算出部１２０を含む。

【0012】

タイムライン集計部１１１は、ユーザの行動のタイムラインを集計する。活動割合算出部１１２は、ユーザの活動の実行頻度を示す活動割合を算出する。本実施例では、活動割合の一例としてユーザの外出回数が算出されるが、外出回数に加えて又は代えて他の指標（例えば、運動系趣味や文化系趣味等の行動目的ごとの外出回数）によっての活動割合が算出されてもよい。

【0013】

交流多様性算出部１１３は、ユーザの活動に関する参加組織及び参加者の多様性を示す交流多様性を算出する。本実施例では、交流多様性の一例として、ユーザの合計滞在箇所数及び行動目的ごとの滞在箇所数が算出されるが、滞在箇所数に加えて又は代えて、滞在場所での他者との接触人数（例えばクライアント２００間の近距離無線通信等によって取得される）、並びに接触頻度、年齢、性別、及び居住地域の構成割合等が、交流多様性として算出されてもよい。なお、特に断らない限り、以下、「滞在箇所数」とはあるユーザの行動目的を問わない合計の滞在箇所数を示すものとする。

【0014】

運動算出部１１４は、ユーザの行動による運動量を示す運動を算出する。本実施例では運動の一例として１日あたりの平均歩数が算出されるが、平均歩数に加えて又は代えて、消費カロリー、心拍、歩行距離、歩行時間、移動距離、及び移動時間等が、運動として算出されてもよい。なお、特に断らない限り、以下、「平均歩数」とはあるユーザの１日あたりの平均歩数を示すものとする。なお、活動割合、交流多様性、及び運動は、いずれもユーザの行動の活発度を示す指標であり、ユーザの社会参加を測る指標であり、要介護リスクの改善に資する指標である、といえる。

【0015】

要介護リスク予測部１１５は、要介護リスク予測モデルに基づいてユーザの要介護リスク（ユーザの行動を総合評価する指標の一例）を予測する。なお、要介護リスクとは、ユーザが所定期間内（例えば今後３年以内に）の要支援又は要介護認定を受ける確率である。また、要介護リスクに代えて、所定期間内におけるユーザの介護費の自己負担額期待値が用いられてもよい。

【0016】

行動評価部１１６は、ユーザの活動割合、交流多様性、及び運動に基づいて、ユーザの行動を評価する。アドバイス生成部１１７は、ユーザの活動割合、交流多様性、及び運動の同性同年代比較傾向及び自己傾向に基づいて、当該ユーザに対するアドバイスを生成する。レコメンド処理部１１８は、ユーザに対してレコメンドする介入サービスを抽出する。

【0017】

処理モデル更新部１１９は、要介護リスク予測モデルを更新する。標準得点算出部１２０は、活動割合、交流多様性、及び運動それぞれのユーザ全体における位置づけを示す標準得点と、活動割合、交流多様性、及び運動の総合的な評価のユーザ全体における位置づけを示す総合得点（ユーザの行動を総合評価する指標の一例）と、各ユーザに対して算出する。

【0018】

評価サーバ１００は、例えば、いずれも情報である、アカウント情報１３１、介入サービス情報１３２、位置情報１３３、活動量情報１３４、行動目的情報１３５、地図情報１３６、タイムライン情報１３７、活動割合情報１３８、交流多様性情報１３９、運動情報１４０、行動評価情報１４１、要介護リスクランク判定情報１４２、総合得点ランク判定情報１４３、ユーザ集計評価情報１４４、行動傾向情報１４５、参照パーツ情報１４６、参照テンプレート１４７、逆シミュレーション結果情報１４８、介入サービス利用履歴情報１４９、及び学習データ１５０を保持する。なお、評価サーバ１００が保持する情報の一部又は全部をクライアント２００が保持していてもよい。

【0019】

アカウント情報１３１は、ユーザの属性などのアカウントに関する情報を含む。介入サービス情報１３２は、ユーザに介入可能であって、ユーザの活動を活発化させることができるサービス（以下、単に介入サービスと呼ぶ）のマスタ情報である。位置情報１３３は、ユーザの位置の時系列を示す。活動量情報１３４は、ユーザの活動量の時系列を示す。行動目的情報１３５は、行動目的に関連するキーワードを示す。

【0020】

地図情報１３６は、ＰＯＩ（Ｐｏｉｎｔ Ｏｆ Ｉｎｔｅｒｅｓｅｔ）辞書の一例であり、スポットの位置を示す。タイムライン情報１３７は、ユーザの行動の時系列を示す。活動割合情報１３８は、活動割合算出部１１２が算出した活動割合を示す。交流多様性情報１３９は、交流多様性算出部１１３が算出した交流多様性を示す。運動情報１４０は、運動算出部１１４が算出した運動を示す。

【0021】

行動評価情報１４１は、行動評価部１１６が評価したユーザの行動評価結果を示す。要介護リスクランク判定情報１４２は、要介護リスクから要介護リスクランクを判定するための情報である。総合得点ランク判定情報１４３は、総合得点から総合得点ランクを判定するための情報である。

【0022】

ユーザ集計評価情報１４４は、ユーザ全体の行動評価結果の統計量を示す。行動傾向情報１４５は、ユーザの要介護リスク及び活動に関する同性同年代比較傾向（つまり同属性を有するユーザ群における比較傾向）及び自己傾向を示す。参照パーツ情報１４６は、ユーザの要介護リスク及び活動に関する同性同年代比較傾向及び自己傾向ごとの参照テンプレート１４７に挿入するパーツを示す。

【0023】

参照テンプレート１４７は、ユーザに提示する個別アドバイスを生成するためのテンプレートである。逆シミュレーション結果情報１４８は、ユーザの要介護リスクランク又は標準得点ランクを改善させるために必要な、活動割合、交流多様性、及び運動の改善値及び改善量を示す。介入サービス利用履歴情報１４９は、ユーザの介入サービスの利用履歴を示す。学習データ１５０は、要介護リスク予測モデルを生成するための学習データである。

【0024】

クライアント２００は、例えば、機能部である情報送受信部２１１を含む。情報送受信部２１１は、評価サーバ１００との間で情報の送受信を実行する。

【0025】

なお、本実施例では、要介護リスク（絶対評価）及び標準得点（相対評価）の少なくとも一方に基づいて行動評価処理及びアドバイス生成処理が実行される。つまり、要介護リスク又は標準得点の一方が算出されなくてもよい（両方算出されてもよい）。要介護リスクが算出されない場合、評価サーバ１００は、要介護リスク予測部１１５を含まなくてよく、評価サーバ１００が保持する情報は要介護リスクに関する項目を含まなくてよい。標準得点が算出されない場合、評価サーバ１００は、標準得点算出部１２０を含まなくてよく、評価サーバ１００が保持する情報は標準得点及び総合得点に関する項目を含まなくてよい。

【0026】

図２は、評価サーバ１００及びクライアント２００それぞれを構成する計算機の構成例を示すブロック図である。計算機３００は、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１０１、メモリ１０２、補助記憶装置１０３、入力装置１０４、出力装置１０５、及び通信装置１０６を有する計算機によって構成される。

【0027】

ＣＰＵ１０１は、プロセッサを含み、メモリ１０２に格納されたプログラムを実行する。メモリ１０２は、不揮発性の記憶素子であるＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）及び揮発性の記憶素子であるＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）を含む。ＲＯＭは、不変のプログラム（例えば、ＢＩＯＳ（Ｂａｓｉｃ Ｉｎｐｕｔ／Ｏｕｔｐｕｔ Ｓｙｓｔｅｍ））などを格納する。ＲＡＭは、ＤＲＡＭ（Ｄｙｎａｍｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）のような高速かつ揮発性の記憶素子であり、ＣＰＵ１０１が実行するプログラム及びプログラムの実行時に使用されるデータを一時的に格納する。

【0028】

補助記憶装置１０３は、例えば、磁気記憶装置（ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ））、フラッシュメモリ（ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ））等の大容量かつ不揮発性の記憶装置であり、ＣＰＵ１０１が実行するプログラム及びプログラムの実行時に使用されるデータを格納する。すなわち、プログラムは、補助記憶装置１０３から読み出されて、メモリ１０２にロードされて、ＣＰＵ１０１によって実行される。

【0029】

入力装置１０４は、キーボードやマウスなどの、オペレータからの入力を受ける装置である。出力装置１０５は、ディスプレイ装置やプリンタなどの、プログラムの実行結果をオペレータが視認可能な形式で出力する装置である。

【0030】

通信装置１０６は、所定のプロトコルに従って、他の装置との通信を制御するネットワークインターフェース装置である。また、通信装置１０６は、例えば、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）等のシリアルインターフェースを含む。

【0031】

ＣＰＵ１０１が実行するプログラムの一部またはすべては、非一時的記憶媒体であるリムーバブルメディア（ＣＤ－ＲＯＭ、フラッシュメモリなど）又は、非一時的記憶装置を備える外部計算機からネットワークを介して計算機３００に提供され、非一時的記憶媒体である不揮発性の補助記憶装置１０３に格納されてもよい。このため、計算機３００は、リムーバブルメディアからデータを読み込むインターフェースを有するとよい。

【0032】

評価サーバ１００及びクライアント２００それぞれは、物理的に一つの計算機上で、又は、論理的又は物理的に構成された複数の計算機上で構成される計算機システムであり、同一の計算機上で別個のスレッドで動作してもよく、複数の物理的計算機資源上に構築された仮想計算機上で動作してもよい。

【0033】

図１に示されている各機能部は、当該機能部を備える装置を構成する計算機３００のＣＰＵ１０１に含まれる。例えば、評価サーバ１００を構成する計算機３００に含まれるＣＰＵ１０１は、当該計算機３００に含まれるメモリ１０２にロードされたタイムライン集計プログラムに従って動作することで、タイムライン集計部１１１として機能し、当該メモリ１０２にロードされた活動割合算出プログラムに従って動作することで、活動割合算出部１１２として機能する。

【0034】

なお、行動評価システムに含まれる各装置を構成する計算機３００のＣＰＵ１０１に含まれる機能部による機能の一部又は全部が、例えば、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）やＦＰＧＡ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）等のハードウェアによって実現されてもよい。

【0035】

図１に示されている各装置が有する情報は、当該装置を構成する計算機３００の補助記憶装置１０３に格納されている。なお、行動評価システムに含まれる各装置を構成する計算機３００の補助記憶装置１０３に格納されている一部又は全部の情報は、当該計算機３００のメモリ１０２に格納されていてもよいし、当該装置に接続され行動評価システムの外部のデータベースに格納されていてもよい。

【0036】

なお、本実施形態において、行動評価システムが使用する情報は、データ構造に依存せずどのようなデータ構造で表現されていてもよい。本実施形態ではテーブル形式で情報が表現されているが、例えば、リスト、データベース又はキューから適切に選択したデータ構造体が、情報を格納することができる。

【0037】

なお、図示を省略しているが、クライアント２００を構成する計算機３００は、ユーザの位置情報を計測するセンサ（例えば、ＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）等）、及び歩数、心拍、又は消費カロリー等のユーザの活動量を計測するセンサを備えている。

【0038】

図３は、アカウント情報１３１のデータ構成例を示す図である。アカウント情報１３１は、例えば、ユーザＩＤ欄１３１１、氏名欄１３１２、生年月日欄１３１３、性別欄１３１４、及び住所欄１３１５を含む。ユーザＩＤ欄１３１１は、ユーザを識別するユーザＩＤを保持する。氏名欄１３１２は、ユーザの氏名を示す情報を保持する。

【0039】

生年月日欄１３１３、性別欄１３１４、及び住所欄１３１５は、それぞれ、ユーザの生年月日、性別、及び住所を示す情報を保持し、これらの情報はいずれもユーザの属性情報の一例である。

【0040】

図４は、介入サービス情報１３２のデータ構成例を示す図である。介入サービス情報１３２は、例えば、介入サービスＩＤ欄１３２１、名称欄１３２２、概要欄１３２３、種別欄１３２４、開催頻度欄１３２５、開催場所欄１３２６、及び目安運動量欄１３２７を保持する。

【0041】

介入サービスＩＤ欄１３２１は、介入サービスを識別する介入サービスＩＤを保持する。名称欄１３２２、概要欄１３２３、種別欄１３２４は、それぞれ、介入サービスの名称、概要、種別を示す情報を保持する。

【0042】

開催頻度欄１３２５は、介入サービスの開催頻度を示す情報を保持し、当該開催頻度は活動割合の改善期待値を示す。開催場所欄１３２６は、介入サービスの開催場所及び箇所数を示す情報を保持し、当該開催場所の箇所数は交流多様性の改善期待値を示す。目安運動量欄１３２７は、当該介入サービスにユーザが参加した場合の１回あたりの目安運動量を示す情報を保持し、当該目安運動量は運動の改善期待値を示す。

【0043】

図５は、位置情報１３３のデータ構成例を示す図である。位置情報１３３は、例えば、ユーザＩＤ欄１３３１、タイムスタンプ欄１３３２、ポイント欄１３３３、滞在／移動区分欄１３３４、及び移動手段欄１３３５を含む。ユーザＩＤ欄１３３１は、ユーザＩＤを保持する。タイムスタンプ欄１３３２は、当該ユーザが当該位置にいた時刻を示す情報を保持する。なお、タイムスタンプ欄１３３２が示す各ユーザの位置のサンプリング間隔（即ち各クライアント２００が位置情報を取得するサンプリング間隔）は、一定であってもよいし、クライアント２００の実装によっては一定でなくてもよい（例えば、クライアント２００のバッテリが省電力モードの際には位置情を取得しない等）。

【0044】

ポイント欄１３３３は、当該ユーザが当該時刻にいた位置を示す情報を保持する。滞在／移動区分欄１３３４は、当該ユーザが当該時刻において当該位置に滞在していたか、当該位置を移動していたかを示す滞在／移動区分を保持する。移動手段欄１３３５は、滞在／移動区分が「移動」である場合の移動手段を示す情報を保持する（滞在／移動区分が「滞在」である場合には「Ｎ／Ａ」（Ｎｏｔ／Ａｐｐｌｉｃａｂｌｅ）が格納される）。

【0045】

図６は、活動量情報１３４のデータ構成例を示す図である。活動量情報１３４は、例えば、ユーザＩＤ欄１３４１、開始時刻欄１３４２、終了時刻欄１３４３、及び歩数欄１３４４を含む。ユーザＩＤ欄１３４１は、ユーザＩＤを保持する。開始時刻欄１３４２及び終了時刻欄１３４３は、それぞれ、当該レコードが示す活動量の計測の開始時刻及び終了時刻を示す情報を保持する。

【0046】

歩数欄１３４４は、当該レコードが示す行動における歩数を示す情報を保持する。なお、歩数は活動量の一例であり、活動量情報１３４には歩数に代えて又は加えて他の活動量（例えば、心拍数又は消費カロリー等）を示す情報が格納されていてもよい。

【0047】

図７は、行動目的情報１３５のデータ構成例を示す図である。行動目的情報１３５は、例えば、行動目的欄１３５１及びキーワード欄１３５２を含む。行動目的欄１３５１は、行動目的を示す情報を保持する。キーワード欄１３５２は、行動目的に関連するキーワードを示す情報を保持する。

【0048】

図８は、地図情報１３６のデータ構成例を示す図である。地図情報１３６は、例えば、スポットＩＤ欄１３６１、スポット種類欄１３６２、スポット名称欄１３６３、及び座標欄１３６４を含む。スポットＩＤ欄１３６１は、スポットを識別するスポットＩＤを保持する。スポット種類欄１３６２は、スポットの種類を示す情報を保持する。スポット名称欄１３６３は、スポットの名称を示す情報を保持する。座標欄１３６４は、スポットの代表位置の座標を示す情報を保持する。

【0049】

図９は、タイムライン情報１３７のデータ構成例を示す図である。タイムライン情報１３７は、例えば、ユーザＩＤ欄１３７１、開始時刻欄１３７２、終了時刻欄１３７３、座標欄１３７４、スポット種類欄１３７５、スポット名称欄１３７６、行動目的欄１３７７、滞在／移動区分欄１３７８、移動手段欄１３７９、及び歩数欄１３７１０を含む。

【0050】

ユーザＩＤ欄１３７１は、ユーザＩＤを保持する。開始時刻欄１３７２及び終了時刻欄１３７３は、それぞれ、当該レコードが示す行動の開始時刻及び終了時刻を示す情報を保持する。座標欄１３７４、スポット種類欄１３７５、スポット名称欄１３７６、及び行動目的欄１３７７は、それぞれ、滞在／移動区分が「滞在」である場合のユーザが滞在していた座標、スポットの種類、スポットの名称、及びスポットの行動目的を示す情報を保持する（但し、滞在／移動区分が「移動」である場合には、これらの欄には「Ｎ／Ａ」が格納されている）。

【0051】

滞在／移動区分欄１３７８は、滞在／移動区分を保持する。移動手段欄１３７９は、滞在／移動区分が「移動」である場合の移動手段を示す情報を保持する（滞在／移動区分が「滞在」である場合には「Ｎ／Ａ」が格納される）。歩数欄１３７１０は、当該レコードが示す行動における歩数を示す情報を保持する。なお、タイムライン情報１３７には歩数に代えて又は加えて他の活動量（例えば、心拍数又は消費カロリー等）を示す情報が格納されていてもよい。

【0052】

なお、タイムライン情報１３７の滞在／移動区分が「滞在」であるレコードが示すスポットにおけるユーザの行動は、活動に含まれる。一方、タイムライン情報１３７の滞在／移動区分が「移動」であるレコードが示すユーザの行動（移動手段による移動）は、活動に含まるものとしてもよいし、含まれないものとしてもよい（以下、移動は活動に含まれないものとする）。

【0053】

図１０は、活動割合情報１３８のデータ構成例を示す図である。活動割合情報１３８は、例えば、ユーザＩＤ欄１３８１、集計年月週欄１３８２、及び外出回数欄１３８３を含む。ユーザＩＤ欄１３８１は、ユーザＩＤを保持する。集計年月週欄１３８２は、外出回数の集計対象の週を示す情報を保持する。なお、図１０の例では、各ユーザの外出回数が週単位で集計されているが、集計の時間単位は週に限られない。これは他の情報における集計の時間単位についても同様である（但し、全ての情報において集計の時間単位が統一されていることが望ましい）。外出回数欄１３８３は、当該ユーザの当該週の外出回数を示す情報を保持する。

【0054】

図１１は、交流多様性情報１３９のデータ構成例を示す図である。交流多様性情報１３９は、例えば、ユーザＩＤ欄１３９１、集計年月週欄１３９２、滞在箇所数欄１３９３、運動系趣味欄１３９４、文科系趣味欄１３９５、就労欄１３９６、ボランティア欄１３９７、及びその他欄１３９８を含む。

【0055】

ユーザＩＤ欄１３９１は、ユーザＩＤを保持する。集計年月週欄１３９２は、交流多様性の集計対象の週を示す情報を保持する。滞在箇所数欄１３９３は、当該ユーザの当該週の活動によって滞在した合計箇所数を示す情報を保持する。運動系趣味欄１３９４、文科系趣味欄１３９５、就労欄１３９６、ボランティア欄１３９７、及びその他欄１３９８は、当該ユーザの当該週の活動によって滞在した箇所数を行動目的ごとに保持する。

【0056】

図１２は、運動情報１４０のデータ構成例を示す図である。運動情報１４０は、例えば、ユーザＩＤ欄１４０１、集計年月週欄１４０２、及び平均歩数欄１４０３を含む。ユーザＩＤ欄１４０１は、ユーザＩＤを保持する。集計年月週欄１４０２は、交流多様性の集計対象の週を示す情報を保持する。平均歩数欄１４０３は、当該ユーザの当該週の活動による１日あたりの平均歩数示す情報を保持する。

【0057】

図１３は、行動評価情報１４１のデータ構成例を示す図である。行動評価情報１４１は、例えば、集計年月週欄１４１１、ユーザＩＤ欄１４１２、要介護リスク欄１４１３、要介護リスクランク欄１４１４、外出回数偏差値欄１４１５、滞在箇所数偏差値欄１４１６、平均歩数偏差値欄１４１７、総合得点欄１４１８、及び総合得点ランク欄１４１９を保持する。

【0058】

集計年月週欄１４１１は、行動評価の集計対象の週を示す情報を保持する。ユーザＩＤ欄１４１２は、ユーザＩＤを保持する。要介護リスク欄１４１３は、当該ユーザの要介護リスクを示す情報を保持する。要介護リスクランク欄１４１４は、ユーザ全体における当該レコードが示すユーザの要介護リスクのランク（階級）を示す情報を保持する。

【0059】

外出回数偏差値欄１４１５、滞在箇所数偏差値欄１４１６、及び平均歩数偏差値欄１４１７は、それぞれ、ユーザ全体を母集団とした、当該ユーザの当該週の外出回数の偏差値、当該ユーザの当該週の滞在箇所数の偏差値、当該ユーザの当該週の平均歩数（１日あたり）の偏差値を示す情報を保持する。

【0060】

総合得点欄１４１８は、総合得点を示す情報を保持する。総合得点は、例えば、当該ユーザの当該週の外出回数の偏差値、滞在箇所数の偏差値、及び平均歩数（１日あたり）の偏差値を総合した偏差値（例えば、これらの偏差値の重み付き平均値）によって算出される。総合得点ランク欄１４１９は、ユーザ全体における当該レコードが示すユーザの総合得点のランク（階級）を示す情報を保持する。

【0061】

図１４は、要介護リスクランク判定情報１４２のデータ構成例を示す図である。要介護リスクランク判定情報１４２は、例えば、要介護リスク区間欄１４２１及び要介護リスクランク欄１４２２を含む。要介護リスク区間欄１４２１が示す区間と、要介護リスクランク欄１４２２が示す要介護リスクランクと、の対応によって、要介護リスクの値から要介護リスクランクを判定可能である。

【0062】

図１５は、総合得点ランク判定情報１４３のデータ構成例を示す図である。総合得点ランク判定情報１４３は、例えば、総合得点区間欄１４３１及び総合得点ランク欄１４３２を含む。総合得点区間欄１４３１が示す区間と、総合得点ランク欄１４３２が示す総合得点ランクと、の対応によって、総合得点の値から総合得点ランクを判定可能である。

【0063】

なお、図１４及び図１５の例では、要介護リスクランク及び総合得点ランクはＡからＤの４つのランク（Ａが最もよいランクで、Ｄが最も悪いランク）で定義されているが、ランクの個数は４つに限られない（複数のランクがあればよい）。また、ランクを決定するための各区間の閾値（上限及び下限）も図１４及び図１５の例に限られない。

【0064】

図１６は、ユーザ集計評価情報１４４のデータ構成例を示す図である。ユーザ集計評価情報１４４は、例えば、集計年月週欄１４４１、性別欄１４４２、年齢階級欄１４４３、外出回数欄１４４４、滞在箇所数欄１４４５、平均歩数欄１４４６、及び要介護リスク欄１４４７を含む。集計年月週欄１４４１は、ユーザ集計評価の集計対象の週を示す情報を保持する。性別欄１４４２は、性別を示す情報を保持する。年齢階級欄１４４３は、年齢階級を示す情報を保持する。

【0065】

なお、図１６の例では、性別と年齢階級によってユーザをグループ分けしているが、性別と年齢階級に加えて又は加えてユーザをグループ分けする他の属性情報が用いられてもよい。また、図１６の例では、年齢階級が５歳単位でグループ分けされているが、何歳単位でグループ分けされていてもよい。

【0066】

外出回数欄１４４４、滞在箇所数欄１４４５、平均歩数欄１４４６、要介護リスク欄１４４７は、それぞれ、当該週における当該性別及び当該年齢階級のユーザの外出回数、滞在箇所数、平均歩数、及び要介護リスクの統計情報（例えば、当該週における当該性別及び当該年齢階級のユーザの外出回数、滞在箇所数、平均歩数、及び要介護リスクそれぞれの平均、最小値、及び最大値等の統計量、並びに第１四分位点、第２四分位点、及び第３四分位点等の階級分けをするための統計量等）を保持する。

【0067】

図１７は、行動傾向情報１４５のデータ構成例を示す図である。行動傾向情報１４５は、例えば、ユーザＩＤ欄１４５１、集計年月週欄１４５２、要介護リスク欄１４５３、外出回数欄１４５４、滞在箇所数欄１４５５、及び平均歩数欄１４５６を含む。ユーザＩＤ欄１４５１はユーザＩＤを保持する、集計年月週欄１４５２は、行動傾向の集計対象の週を示す情報を保持する。

【0068】

要介護リスク欄１４５３、外出回数欄１４５４、滞在箇所数欄１４５５、及び平均歩数欄１４５６は、それぞれ、当該ユーザの当該週における、要介護リスク、外出回数、滞在箇所数、及び平均歩数の同性同年代（同年齢階級）との比較傾向、及び自己傾向（例えば、当該週より前の週との自己との比較傾向）を示す情報を保持する。

【0069】

図１８は、参照パーツ情報１４６のデータ構成例を示す図である。参照パーツ情報１４６は、例えば、傾向欄１４６１及びパーツ欄１４６２を含む。傾向欄１４６１は、要介護リスク、外出回数、滞在箇所数（合計）、及び平均歩数の同性同年代傾向が良い又は悪い（要介護リスクはＡが最もよくＤが最も悪く、外出回数、滞在箇所数（合計）、及び平均歩数はいずれも高い値であるほど良い）という傾向を示すカラム、並びに要介護リスク、外出回数、滞在箇所数（合計）、及び平均歩数の自己項傾向が改善している又は悪化しているという傾向を示すカラムを保持する。

【0070】

パーツ欄１４６２は、要介護リスク、外出回数、滞在箇所数（合計）、及び平均歩数の同性同年代傾向ごと及び自己傾向ごとの、参照テンプレート１４７の文面に挿入されるパーツを示す情報を保持する。

【0071】

図１９は、参照テンプレート１４７の一例である。参照テンプレート１４７は、個別アドバイスとして表示される文面を示す。参照テンプレート１４７の（１）～（８）それぞれに、参照パーツ情報１４６から抽出されたパーツが挿入されることで個別アドバイスが生成される。

【0072】

図２０は、逆シミュレーション結果情報１４８のデータ構成例を示す図である。逆シミュレーション結果情報１４８は、例えば、ユーザＩＤ欄１４８１、集計年月週欄１４８２、外出回数改善値欄１４８３、外出回数改善幅欄１４８４、滞在箇所数改善値欄１４８５、滞在箇所数改善幅欄１４８６、平均歩数改善値欄１４８７、及び平均歩数改善幅欄１４８８を含む。

【0073】

ユーザＩＤ欄１４８１は、ユーザＩＤを保持する。集計年月週欄１４８２は、逆シミュレーションの集計対象の週を示す情報を保持する。外出回数改善値欄１４８３、外出回数改善幅欄１４８４、滞在箇所数改善値欄１４８５、滞在箇所数改善幅欄１４８６、平均歩数改善値欄１４８７、及び平均歩数改善幅欄１４８８は、当該ユーザが当該週の、要介護リスクランクを向上させるための、外出回数、滞在箇所数、及び平均歩数それぞれの改善値及び改善幅を示す情報を保持する。

【0074】

図２１は、介入サービス利用履歴情報１４９のデータ構成例を示す図である。介入サービス利用履歴情報１４９は、例えば、ユーザＩＤ欄１４９１及び介入サービス参照ＩＤ欄１４９２を含む。ユーザＩＤ欄１４９１は、ユーザＩＤを保持する。介入サービス参照ＩＤ欄１４９２は、各介入サービスＩＤが示す介入サービスの当該ユーザの利用履歴を示すフラグを保持する。

【0075】

例えば、ユーザがある介入サービスを利用したことがある場合には当該ユーザの当該介入サービスＩＤに対応するカラムに「１」が格納され、ユーザがある介入サービスをレコメンドされたものの利用したことがない場合には当該ユーザの当該介入サービスＩＤに対応するカラムに「０」が格納され、ユーザがある介入サービスをレコメンドされず利用したこともない場合には当該ユーザの当該介入サービスＩＤに対応するカラムに「－」が格納される。なお、介入サービス参照ＩＤ欄１４９２には、当該ユーザが当該介入サービスを利用した回数が格納されていてもよい。

【0076】

図２２は、学習データ１５０のデータ構成例を示す図である。学習データ１５０は、例えば、ユーザＩＤ欄１５０１、年齢欄１５０２、性別欄１５０３、居住地域欄１５０４、外出回数欄１５０５、滞在箇所数欄１５０６、運動系趣味欄１５０７、文化系趣味欄１５０８、就労欄１５０９、ボランティア欄１５０１０、その他欄１５０１１、平均歩数欄１５０１２、及びＴ年以内要介護認定有無欄１５０１３を含む。

【0077】

ユーザＩＤ欄１５０１は、要介護リスク予測モデルの学習用のユーザのユーザＩＤを保持する。年齢欄１５０２、性別欄１５０３、居住地域欄１５０４は、要介護リスク予測モデル学習の基準週における当該ユーザの属性（年齢、性別、及び居住地域）を示す情報を保持する。外出回数欄１５０５、及び滞在箇所数欄１５０６、及び平均歩数欄１５０１２は、それぞれ、要介護リスク予測モデル学習の基準週における当該ユーザの外出回数（活動割合）、滞在箇所数（交流多様性）、及び平均歩数（運動量）を示す情報を保持する。

【0078】

運動系趣味欄１５０７、文化系趣味欄１５０８、就労欄１５０９、ボランティア欄１５０１０、及びその他欄１５０１１は、要介護リスク予測モデル学習の基準週における当該ユーザの活動によって滞在した箇所数を行動目的ごとに保持する。Ｔ年以内要介護認定有無欄１５０１３は、当該ユーザが要介護リスク予測モデル学習の基準週からＴ年（例えば３年）以内に要介護認定されたかを示す情報を保持する。

【0079】

図２２の例では、年齢欄１５０２、性別欄１５０３、居住地域欄１５０４、外出回数欄１５０５、滞在箇所数欄１５０６、運動系趣味欄１５０７、文化系趣味欄１５０８、就労欄１５０９、ボランティア欄１５０１０、その他欄１５０１１、及び平均歩数欄１５０１２が示す情報がリスク予測モデルにおける独立変数に代入される値であり、Ｔ年以内要介護認定有無欄１５０１３が示す情報がリスク予測モデルにおける従属変数に代入される値である。

【0080】

以下、評価サーバ１００による評価処理について説明する。なお、評価処理が開始する前に、アカウント情報１３１、介入サービス情報１３２、位置情報１３３、活動量情報１３４、行動目的情報１３５、地図情報１３６、要介護リスクランク判定情報１４２、総合得点ランク判定情報１４３、参照パーツ情報１４６、及び参照テンプレート１４７の情報が予め登録されている。

【0081】

なお、例えば、アカウント情報１３１は、各クライアント２００へのユーザからの入力に従って登録され、位置情報１３３及び活動量情報１３４は、各クライアント２００が計測した情報に従って登録される。また、例えば、介入サービス情報１３２、地図情報１３６、要介護リスクランク判定情報１４２、総合得点ランク判定情報１４３、参照パーツ情報１４６、及び参照テンプレート１４７は、例えば、評価サーバ１００の管理者の入力に基づいて登録される。

【0082】

図２３は、評価処理の一例を示すフローチャートである。以下に説明する処理は、例えば、アカウント情報１３１に登録されたユーザそれぞれに対して実行される。タイムライン集計部１１１は、タイムライン集計処理を実行する（Ｓ１００）。

【0083】

活動割合算出部１１２は、活動割合算出処理を実行する（Ｓ２００）。交流多様性算出部１１３は、交流多様性算出処理を実行する（Ｓ３００）。運動算出部１１４は、運動算出処理を実行する（Ｓ４００）。なお、ステップＳ２００の活動割合算出処理、ステップＳ３００の交流多様性算出処理、及びステップＳ４００の運動算出処理の実行順序は問わないし、並列して実行されてもよい。

【0084】

行動評価部１１６は、行動評価処理を実行する（Ｓ５００）。アドバイス生成部１１７は、アドバイス生成処理を実行する（Ｓ６００）。レコメンド処理部１１８は、レコメンド処理を実行して（Ｓ７００）、評価処理が終了する。なお、レコメンド処理部１１８は、クライアント２００からのレコメンド依頼を受け付け、当該クライアント２００を利用するユーザに対してのみレコメンド処理を実行してもよい。なお、図２３で説明した各処理の詳細については、図２４～図３０を用いて後述する。

【0085】

図２４は、ステップＳ１００におけるタイムライン集計処理の一例を示すフローチャートである。タイムライン集計部１１１は、位置情報１３３を参照して、タイムライン集計処理の対象ユーザの滞在／移動区分が変化する時刻を特定する。タイムライン集計部１１１は、当該対象ユーザの滞在／移動区分の「滞在」が連続する時間帯を１つの滞在区間として、当該対象ユーザの滞在／移動区分の「移動」が連続する時間帯を１つの移動区間として、取り扱う。タイムライン集計部１１１は、当該特定した時刻を、当該時刻で終了する滞在区間又は移動区間の終了時刻、及び当該時刻から開始する滞在区間又は移動区間の開始時刻に決定する（Ｓ１０１）。つまり、ステップＳ１０１で特定された時刻は、移動区間と滞在区間とが切り替わる時刻である。

【0086】

タイムライン集計部１１１は、位置情報１３３を参照して、当該対象ユーザの滞在区間のポイント（例えば、滞在区間中の全てのポイントの平均位置、又は滞在区間の中間の時刻におけるポイント等）を特定し、地図情報１３６を参照して、当該特定したポイントに最も近い座標を有するスポットのスポット種類及びスポット名称を抽出する（Ｓ１０２）。なお、タイムライン集計部１１１は、（例えば、クライアント２００がユーザから入力を受け付けた）スポット種類及びスポット名称をクライアント２００から受信してもよく、この場合、ステップＳ１０２の処理が省略される。

【0087】

タイムライン集計部１１１は、抽出したスポット種類及びスポット名称を検索キーにして行動目的情報１３５から行動目的を抽出する（Ｓ１０３）。具体的には、タイムライン集計部１１１は、抽出したスポット種類及びスポット名称に含まれるキーワードに行動目的情報１３５において対応する行動目的を特定する。

【0088】

タイムライン集計部１１１は、活動量情報１３４から、当該対象ユーザの各滞在区間と各移動区間の歩数を取得する（Ｓ１０４）。タイムライン集計部１１１は、ステップＳ１０１で特定した滞在区間及び移動区間ごとの、ステップＳ１０１で特定した開始時刻及び終了時刻、ステップＳ１０２で特定したスポット種類及びスポット名称、ステップＳ１０３で特定した行動目的、ステップＳ１０４で特定した歩数、当該スポットのポイント（座標）、滞在移動／区分（滞在区間であれば「滞在」、移動区間であれば「移動」）、及び位置情報１３３が示す移動手段、をタイムライン情報１３７に登録して、タイムライン集計処理を終了する。

【0089】

なお、各クライアント２００が各ユーザのタイムラインを生成してもよく、この場合、評価サーバ１００は各クライアント２００から受信した各ユーザのタイムラインをタイムライン情報１３７に登録し、ステップＳ１００のタイムライン集計処理が省略される。

【0090】

図２５は、ステップＳ２００における活動割合算出処理の一例を示すフローチャートである。活動割合算出部１１２は、集計期間として集計年月週をセットする（Ｓ２０１）。活動割合算出部１１２は、タイムライン情報１３７を参照して、活動割合算出処理の対象ユーザの当該集計期間の外出回数をカウントする（Ｓ２０２）。

【0091】

具体的には、例えば、活動割合算出部１１２は、当該対象ユーザが自宅から離れたことを外出とみなす。なお、活動割合算出部１１２は、例えば、位置情報１３３を参照して、当該対象ユーザの所定期間内（例えば直近１カ月のうち）の所定時間帯（例えば、午前０時～午前４時）の滞在場所の最頻値を、当該対象ユーザの自宅座標に決定する。また、クライアント２００が当該対象ユーザから入力された自宅座標を評価サーバ１００に送信することで、活動割合算出部１１２が当該対象ユーザの自宅座標を取得してもよい。

【0092】

また、活動割合算出部１１２は、当該対象ユーザが同日に複数回外出した場合には、ユーザが自宅に閉じこもることを防止する観点から、１回の外出としてカウントすることが望ましい。一方、活動割合算出部１１２は、当該対象ユーザの外出ののべ回数をカウントしてもよい（つまり、同日に複数回外出した場合には当該複数回の外出がカウントされる）。

【0093】

活動割合算出部１１２は、ステップＳ２０２でカウントした、当該対象ユーザの当該集計年月週外出回数を活動割合情報１３８に登録して（Ｓ２０３）、活動割合算出処理を終了する。

【0094】

図２６は、ステップＳ３００における交流多様性算出処理の一例を示すフローチャートである。交流多様性算出部１１３は、集計期間として集計年月週をセットする（Ｓ３０１）。交流多様性算出部１１３は、タイムライン情報１３７を参照して、交流多様性算出処理の対象ユーザの当該集計期間において滞在したスポット数（滞在箇所数の合計）と、当該スポットに対応する各行動目的の数（行動目的ごとの滞在箇所数）をカウントする（Ｓ３０２）。

【0095】

なお、交流多様性算出部１１３は、当該対象ユーザが集計期間において同じスポットに複数回滞在した場合には、（１回滞在した場合でも複数回滞在した場合でも交流の「多様性」は向上していない可能性が高いため）１つの滞在箇所としてカウントすることが望ましい。また、交流多様性算出部１１３は、当該対象ユーザが集計期間において同じスポットに複数回滞在した場合に、当該複数の滞在箇所としてカウントしてもよい。

【0096】

交流多様性算出部１１３は、ステップＳ３０３でカウントした、当該対象ユーザの当該集計年月週の滞在箇所数の合計と、行動目的ごとの滞在箇所数と、を交流多様性情報１３９に登録して（Ｓ３０３）、交流多様性算出処理を終了する。

【0097】

図２７は、ステップＳ４００における運動算出処理の一例を示すフローチャートである。運動算出部１１４は、集計期間として集計年月週をセットする（Ｓ４０１）。運動算出部１１４は、タイムライン情報１３７を参照して、運動算出処理の対象ユーザの当該集計期間における歩数をカウントし、当該対象ユーザの当該集計期間における歩数の１日あたりの平均を算出する（Ｓ４０２）。

【0098】

なお、運動算出部１１４は、ステップＳ４０２において、当該対象ユーザの当該集計期間における滞在／移動区分が「滞在」である歩数のみをカウントしてもよいし、「移動」である歩数も併せてカウントしてもよい（つまり、少なくとも「滞在」中の運動はカウントされる）。

【0099】

運動算出部１１４は、ステップＳ４０２で算出した当該対象ユーザの当該集計期間における歩数の１日あたりの平均を運動情報１４０に登録して（Ｓ４０３）、運動算出処理を終了する。

【0100】

図２８Ａは、ステップＳ５００における行動評価処理の一例を示すフローチャートである。図２８Ａにおける行動評価には、要介護リスクが用いられる。要介護リスク予測部１１５は、要介護リスク予測モデルを用いて、行動評価処理の対象ユーザの要介護リスクを算出する（Ｓ５０１）。

【0101】

なお、要介護リスク予測モデルは、例えば、評価サーバ１００のメモリ１０２又は補助記憶装置１０３に予め格納されている。要介護リスクｙは、例えば、ｙ＝ｆ（ユーザ属性，外出回数，滞在箇所数，平均歩数）で（ｆは要介護リスク予測モデル）表される。ｆの独立変数に含まれるユーザ属性として、例えば、年齢、性別、及び／又は居住地域等がある。また、ｆの独立変数に含まれる滞在箇所数として、行動目的ごとの滞在箇所数等がある。要介護リスクは、例えば、年齢が高いほど高く、男性より女性の方が高く、外出回数、滞在箇所数、及び平均歩数が多いほど低くなる傾向にある。

【0102】

なお、要介護リスク予測モデルは重回帰モデルで表されてもよい。例えば、要介護リスクｙはｙ＝（ｂ_０，ｂ_１，・・・，ｂ_ｎ）（年齢，性別，居住地域，外出回数，運動系滞在箇所数，文化系運動系滞在箇所数，・・・，平均歩数）^Ｔ＋εで表される。

【0103】

行動評価部１１６は、要介護リスクランク判定情報１４２を参照して、当該対象ユーザの要介護リスクに対応する要介護リスクランクを判定して、当該対象ユーザの当該集計期間の要介護リスクと要介護リスクランクとを行動評価情報１４１に登録する（Ｓ５０２）。

【0104】

行動評価部１１６は、当該対象期間の当該対象ユーザが属する年齢階級及び性別の組み合わせにおける各指標（外出回数、滞在箇所数、及び平均歩数）の統計量（平均、最小値、最大値、及び四分位点）を算出し、算出した統計量をユーザ集計評価情報１４４に登録して（Ｓ５０３）、要介護リスクが用いられる行動評価処理を終了する。

【0105】

図２８Ｂは、ステップＳ５００における行動評価処理の一例を示すフローチャートである。図２８Ｂにおける行動評価には、標準得点が用いられている。標準得点算出部１２０は、標準得点を算出する（Ｓ５１１）。

【0106】

具体的には、例えば、標準得点算出部１２０は、ユーザ全体を母集団としたときの、当該対象期間の当該対象ユーザの外出回数、滞在箇所数、及び平均歩数それぞれの偏差値を、活動割合、交流多様性、及び運動それぞれの標準得点として算出する。なお、標準得点算出部１２０は、標準得点の算出において、偏差値に代えて、全体分布における位置づけを示す他の量（例えばｚスコア等）を用いてもよい。

【0107】

標準得点算出部１２０は、総合得点を算出する（Ｓ５１２）。具体的には、例えば、標準得点算出部１２０は、ステップＳ５１１で算出した標準得点（偏差値）の重み付き平均（例えば、重みは予め与えられている）を、総合得点として算出する。

【0108】

行動評価部１１６は、総合得点ランク判定情報１４３を参照して、当該対象ユーザの総合得点に対応する総合得点ランクを判定して、当該対象ユーザの当該集計期間の各標準得点、総合語句店、及び総合得点ランクを行動評価情報１４１に登録する（Ｓ５１３）。

【0109】

行動評価部１１６は、当該対象期間の当該対象ユーザが属する年齢階級及び性別の組み合わせにおける各指標（外出回数、滞在箇所数、及び平均歩数）の統計量（平均、最小値、最大値、及び四分位点）を算出し、算出した統計量をユーザ集計評価情報１４４に登録して（Ｓ５１４）、標準得点が用いられる行動評価処理を終了する。

【0110】

なお、図２８Ａ及び図２８Ｂ双方の行動評価処理が実行されてもよいし、図２８Ａ又は図２８Ｂいずれか一方の行動評価処理が実行されてもよい。図２８Ａ及び図２８Ｂ双方の行動評価処理が実行される場合、ステップＳ５０３又はステップＳ５１４の一方の処理が省略される。

【0111】

図２９Ａ、図２９Ｂ、及び図２９Ｃは、アドバイス生成処理の一例を示すフローチャートである。図２９Ｂは、図２９Ａの続きの処理であり、図２９Ｂにおけるアドバイス生成には、要介護リスクが用いられるため、図２９Ｂの処理が実行されるためには図２８Ａの処理が実行されている必要がある。図２９Ｃは、図２９Ａの続きの処理であり、図２９Ｃにおけるアドバイス生成には、標準得点が用いられるため、図２９Ｃの処理が実行されるためには図２８Ｂの処理が実行されている必要がある。また、図２９Ａ及び図２９Ｂ双方の行動評価処理が実行されてもよいし、図２９Ａ又は図２９Ｂいずれか一方の行動評価処理が実行されてもよい。

【0112】

アドバイス生成部１１７は、アドバイス生成処理の対象ユーザの行動傾向（要介護リスク、外出回数、滞在箇所数、及び平均歩数それぞれの同性同年代比較傾向及び自己傾向）を算出して、及び行動傾向を行動傾向情報１４５に登録する（Ｓ６０１）。

【0113】

例えば、ステップＳ６０１において、アドバイス生成部１１７は、行動評価情報１４１が示す当該対象ユーザの当該集計期間の要介護リスク、外出回数、滞在箇所数、及び平均歩数それぞれが、ユーザ集計評価情報１４４が示す当該対象ユーザと同性同年代（同年齢階級）の当該集計期間の要介護リスク、外出回数、滞在箇所数、及び平均歩数それぞれ以上であるかを判定する。

【0114】

具体的には、例えば、アドバイス生成部１１７は、行動評価情報１４１が示す当該対象ユーザの当該集計期間の要介護リスクが、ユーザ集計評価情報１４４が示す当該対象ユーザと同性同年代（同年齢階級）の当該集計期間の要介護リスク以上であると判定した場合、当該対象ユーザの要介護リスクの同性同年代比較傾向が「悪」であると判定し、そうでないと判定した場合、当該対象ユーザの要介護リスクの同性同年代比較傾向が「良」であると判定する。

【0115】

また、例えば、アドバイス生成部１１７は、行動評価情報１４１が示す当該対象ユーザの当該集計期間の外出回数が、ユーザ集計評価情報１４４が示す当該対象ユーザと同性同年代（同年齢階級）の当該集計期間の外出回数以上であると判定した場合、当該対象ユーザの外出回数の同性同年代比較傾向が「良」であると判定し、そうでないと判定した場合、当該対象ユーザの外出回数の同性同年代比較傾向が「悪」であると判定する。滞在箇所数及び平均歩数の同性同年代比較傾向の算出方法は、外出回数の同性同年代比較傾向の算出方法と同様である。

【0116】

なお、アドバイス生成部１１７は、対象ユーザと同性同年代との平均値の比較に代えて、行動評価情報１４１が示す当該対象ユーザの当該集計期間の各偏差値を用いて、同性同年代比較傾向を判定してもよい。

【0117】

また、例えば、アドバイス生成部１１７は、行動評価情報１４１が示す当該対象ユーザの当該集計期間の要介護リスクが、当該対象ユーザの前回の集計期間の要介護リスク以上であると判定した場合、当該対象ユーザの要介護リスクの自己傾向が「悪化」であると判定し、そうでないと判定した場合、当該対象ユーザの要介護リスクの自己傾向が「改善」であると判定する。

【0118】

また、例えば、アドバイス生成部１１７は、行動評価情報１４１が示す当該対象ユーザの当該集計期間の外出回数が、当該対象ユーザの前回の集計期間の外出回数以上であると判定した場合、当該対象ユーザの外出回数の自己傾向が「改善」であると判定し、そうでないと判定した場合、当該対象ユーザの外出回数の自己傾向が「悪化」であると判定する。滞在箇所数及び平均歩数の自己傾向の算出方法は、外出回数の自己傾向の算出方法と同様である。

【0119】

また、アドバイス生成部１１７は、対象ユーザの今回の集計期間と前回の集計期間の指標の比較に代えて、今回の集計期間を含む所定期間の指標の回帰係数の傾きを用いて、自己傾向が改善したか悪化したかを判定してもよい。

【0120】

アドバイス生成部１１７は、ステップＳ６０１で算出した当該対象ユーザの行動傾向をキーにして参照パーツ情報１４６からパーツを抽出する（Ｓ６０２）。具体的には、図１８の参照パーツ情報１４６の例であれば、当該対象ユーザの要介護リスクの同性同年代比較傾向が「良」であれば（１）のパーツとして「比較的活発」が抽出され、（２）のパーツとして「要介護リスクを低くすることができます」が抽出される等のように、アドバイス生成部１１７は、当該対象ユーザの要介護リスク、外出回数、滞在箇所数、及び平均歩数それぞれの同性同年代傾向及び自己傾向それぞれに対応するパーツを、参照パーツ情報１４６から抽出する。

【0121】

アドバイス生成部１１７は、抽出したパーツそれぞれを参照テンプレート１４７の文面中の対応する位置に挿入することで、個別アドバイス文面を生成する（Ｓ６０３）。なお、要介護リスク予測が実行されていない場合（図２８Ａの行動評価処理が実行されていない場合）、ステップＳ６０１～ステップＳ６０３において要介護リスクについての処理が省略される。

【0122】

図２９Ｂの処理について説明する。ステップＳ６０３に続いて、アドバイス生成部１１７は、当該対象ユーザが属する要介護リスクランクより１段階良いランクの要介護リスク区間の上限値と、当該対象ユーザの要介護リスクの現状値と、の差を算出する（Ｓ６１１）。

【0123】

具体的には、例えば、図１４の要介護リスクランク判定情報１４２によれば、当該対象ユーザの要介護リスクが３０であれば要介護リスクランクはＢであり、要介護リスクランクＢより１段階良いランクであるランクＡの要介護リスク区間の上限は２０であるため、ステップＳ６１１で算出される差は３０－２０＝１０である。なお、当該対象ユーザの要介護リスクランクがＡ（最も良いランク）である場合、図２９Ｂの処理が省略されてもよい。

【0124】

要介護リスク予測部１１５は、当該対象ユーザの各指標（外出回数、滞在箇所数、及び平均歩数それぞれ）に対して、下記のステップＳ６１２、ステップＳ６１３、及びステップＳ６１４の処理を実行する。

【0125】

要介護リスク予測部１１５は、ループ中の対象指標以外の指標の現状値を要介護リスク予測モデルにセットし、１段階良い要介護リスクランクを得るために必要とされる、対象指標の改善値（改善後の値）及び（現状値からの）改善幅を算出する、逆シミュレーションを実行する（Ｓ６１２）。

【0126】

具体的には、例えば、ループ中の対象指標が外出回数であり、要介護リスクｙ＝ｆ（ユーザ属性，外出回数，滞在箇所数，平均歩数）である場合、要介護リスク予測部１１５は、ループ中の対象指標以外の指標であるユーザ属性、滞在箇所数、及び平均歩数の現状値を要介護リスク予測モデルにセットし、現状の要介護リスクランクより１つ良い要介護リスクを得るための外出回数の改善値及び改善幅を特定する。

【0127】

要介護リスク予測部１１５は、対象指標の定義域の範囲で、改善値及び改善幅を対象指標のデータ型に応じて切り上げる（Ｓ６１３）。例えば、対象指標である外出回数の現状値３回、ステップＳ６１３で算出された改善値が４．８回（つまり改善幅は４．８－３＝１．８回）であり、外出回数の定義域が０以上７以下であり、かつ外出回数のデータ型が整数である場合、要介護リスク予測部１１５は、改善値を５回（つまり改善幅を２回）に切り上げる。なお、各指標（外出回数、滞在箇所数、及び平均歩数）の定義域及びデータ型は予め定められている。

【0128】

要介護リスク予測部１１５は、当該対象ユーザの当該集計期間における対象指標の（必要に応じて切り上げられた）改善値及び改善幅を逆シミュレーション結果情報１４８に格納する（Ｓ６１４）。

【0129】

なお、ステップＳ６１４で算出された指標の改善値が定義域を超える場合、後述するアドバイス表示画面には、例えば、改善値に代えて定義域の上限や、「ランクは変わらないが、改善すると要介護リスクを抑制できます。できることから始めてみましょう」等のメッセージが表示されるとよい。

【0130】

なお、要介護リスク予測部１１５は、ステップＳ６１３において１つの対象指標ごとに逆シミュレーションを実行しているが、複数の対象指標を組み合わせて（例えば数理計画法によって）逆シミュレーションを実行してもよい。

【0131】

図２９Ｃの処理について説明する。ステップＳ６０３に続いて、アドバイス生成部１１７は、当該対象ユーザが属する総合得点ランクより１段階良いランクの総合得点区間の下限値と、当該対象ユーザの総合得点の現状値と、の差を算出する（Ｓ６２１）。

【0132】

具体的には、例えば、図１５の総合得点ランク判定情報１４３によれば、当該対象ユーザの総合得点ランクが５５であれば総合得点ランクはＢであり、総合得点ランクＢより１段階良いランクであるランクＡの総合得点区間の下限は６０であるため、ステップＳ６２１で算出される差は６０－５５＝５である。なお、当該対象ユーザの総合得点ランクがＡ（最も良いランク）である場合、図２９Ｃの処理が省略されてもよい。

【0133】

標準得点算出部１２０は、当該対象ユーザの各指標（外出回数、滞在箇所数、及び平均歩数それぞれ）に対して、下記のステップＳ６２２、ステップＳ６２３、及びステップＳ６２４の処理を実行する。

【0134】

標準得点算出部１２０は、ループ中の対象指標以外の指標の現状値を総合得点の算出式にセットし、１段階良い総合得点ランクを得るために必要とされる、対象指標の改善値（改善後の値）及び（現状値からの）改善幅を算出する、逆シミュレーションを実行する（Ｓ６２２）。

【0135】

具体的には、例えば、ループ中の対象指標が外出回数であり、総合得点が外出回数、滞在箇所数、及び平均歩数の重み付き平均で与えられる場合、標準得点算出部１２０は、ループ中の対象指標以外の指標である滞在箇所数及び平均歩数の現状値を重み付き平均の算出式にセットし、現状の要介護リスクランクより１つ良い要介護リスクを得るための外出回数の偏差値を算出し、当該算出した偏差値を得るために必要な外出回数の改善値及び改善幅を特定する。

【0136】

標準得点算出部１２０は、対象指標の定義域の範囲で、改善値及び改善幅を対象指標のデータ型に応じて切り上げる（Ｓ６２３）。標準得点算出部１２０は、当該対象ユーザの当該集計期間における対象指標の（必要に応じて切り上げられた）改善値及び改善幅を逆シミュレーション結果情報１４８に格納する（Ｓ６２４）。

【0137】

なお、ステップＳ６２４で算出された指標の改善値が定義域を超える場合、後述するアドバイス表示画面には、例えば、改善値に代えて定義域の上限や、「ランクは変わらないが、改善すると要介護リスクを抑制できます。できることから始めてみましょう」等のメッセージが表示されるとよい。

【0138】

なお、標準得点算出部１２０は、ステップＳ６２２において１つの対象指標ごとに逆シミュレーションを実行しているが、複数の対象指標を組み合わせて（例えば数理計画法によって）逆シミュレーションを実行してもよい。

【0139】

図３０は、ステップＳ７００のレコメンド処理の一例を示すフローチャートである。レコメンド処理部１１８は、介入サービス情報１３２が示す開催場所と、位置情報１３３が示すレコメンド処理の対象ユーザの位置と、を突合させることで、当該対象ユーザの行動実績推定値（各介入サービスの利用実績）を特定し、介入サービス利用履歴情報１４９が示す当該対象ユーザに対する介入サービスレコメンド履歴を、特定した行動実績推定値に反映させた上で、介入サービス利用履歴情報１４９に格納する（Ｓ７０１）。

【0140】

なお、ステップＳ７０１において、クライアント２００が対象ユーザから入力された介入サービスの利用実績値を評価サーバ１００に送信し、レコメンド処理部１１８は受信した介入サービスの利用実績値を介入サービス利用履歴情報１４９に格納してもよい。

【0141】

レコメンド処理部１１８は、クライアント２００からユーザが選択した改善指標を示す情報を受信し、当該選択された改善指標に関連する社会参加種別の介入サービスを介入サービス情報１３２から（例えば、開催頻度欄１３２５、開催場所欄１３２６、及び目安運動量欄１３２７を参照して）特定し、特定した介入サービスを、例えば協調フィルタリング（当該対象ユーザと介入サービス利用履歴が似たユーザが利用した介入サービスであって、当該対象ユーザが利用したことがないサービスを特定するフィルタリング）によってフィルタリングする（Ｓ７０２）。

【0142】

レコメンド処理部１１８は、ステップＳ７０２でフィルタリングした介入サービスから、介入サービス利用履歴情報１４９を参照して当該対象ユーザに過去レコメンドしていない介入サービスを特定し、当該特定した介入サービスをレコメンド候補の介入サービスに決定する（Ｓ７０３）。

【0143】

レコメンド処理部１１８は、アカウント情報１３１を参照して、レコメンド候補の介入サービスをユーザ属性（例えば年齢階級、性別、及び居住地域）でフィルタリング（レコメンド候補の介入サービスのうち、当該対象ユーザにユーザ属性が似ているユーザが利用している介入サービスを特定）する（Ｓ７０４）。

【0144】

レコメンド処理部１１８は、ステップＳ７０４のフィルタリングによって抽出された介入サービスによる当該改善指標の改善期待値を、介入サービス情報１３２から抽出して（Ｓ７０５）、レコメンド処理を終了する。

【0145】

図３１は、要介護リスク予測モデル更新処理の一例を示すフローチャートである。要介護リスク予測モデル更新処理が開始する前に、学習データ１５０が予め登録されている。要介護リスク予測モデル更新処理は、定期的に実行されてもよいし、評価サーバ１００のユーザの指示に従って実行されてもよいし、学習データ１５０のレコード数が所定数増えるごと等のように学習時と推論時のデータ傾向の乖離が発生している可能性が高いときに実行されてもよい。

【0146】

なお、学習データ１５０の独立変数の値は、アカウント情報１３１の更新、活動割合算出処理、交流多様性算出処理、及び運動情報算出処理が実行されるたびに随時蓄積されるとよい。また、学習データ１５０の従属変数である、Ｔ年以内要介護認定有無欄１５０１３の値は、例えば、評価サーバ１００がクライアント２００からＴ年以内に要介護認定があったことを示す通知を受信した場合には「あり」となり、Ｔ年以内に当該通知を受信しなかった場合には「なし」となる。

【0147】

要介護リスク予測部１１５は、最新の学習データ１５０を用いて要介護リスク予測モデルの再学習を実行する（Ｓ８０１）。具体的には、例えば、要介護リスク予測部１１５は、最新の学習データ１５０における独立変数の値と、従属変数の値と、を用いて、要介護リスク予測モデルの回帰係数や誤差項を学習する。要介護リスク予測部１１５は、再学習された要介護リスク予測モデルをデプロイして、要介護リスク予測モデル更新処理を終了する。

【0148】

図３２Ａ、図３２Ｂ、及び図３２Ｃは、評価結果表示画面の一例を示す図である。図３３は、レコメンド結果表示画面の一例を示す図である。評価結果表示画面及びレコメンド結果表示画面は、例えば、評価サーバ１００の出力装置１０５に表示されてもよいし、評価サーバ１００がクライアント２００に送信した情報に基づいてクライアント２００の出力装置１０５に表示されてもよい。

【0149】

評価結果表示画面は、例えば、集計対象期間活動状況表示領域１００１、外出回数履歴表示領域１００２、滞在箇所数履歴表示領域１００３、平均歩数履歴表示領域１００４、個別アドバイス文面表示領域１００５、改善指標表示領域１００６、及びレコメンドボタン１００７を含む。

【0150】

集計対象期間活動状況表示領域１００１には、例えば、集計対象期間（例えば直近の年月週）における、行動評価情報１４１が示す対象ユーザの要介護リスクランク又は総合得点ランク（図３２Ａにおける「直近のあなた Ｂ」）、活動割合情報１３８が示す対象ユーザの外出回数、交流多様性情報１３９が示す対象ユーザの合計滞在箇所数、及び運動情報１４０が示す対象ユーザの平均歩数が表示されている。

【0151】

また、集計対象期間活動状況表示領域１００１には、例えば、活動割合情報１３８が示す外出回数、交流多様性情報１３９が示す合計滞在箇所数、及び運動情報１４０が示す平均歩数と、ユーザ集計評価情報１４４が示す当該対象ユーザの同性同年代平均の外出回数、合計滞在箇所数、及び平均歩数と、を比較するレーダーチャートが表示されている。なお、レーダーチャートを構成する各三角形の頂点は、ユーザ集計評価情報１４４が示す当該対象ユーザの同性同年代平均の外出回数、合計滞在箇所数、及び平均歩数の四分位点を示す。

【0152】

外出回数履歴表示領域１００２には、例えば、活動割合情報１３８が示す、今回の集計対象期間と複数の過去の集計期間それぞれにおける、当該対象ユーザの外出回数の履歴が表示される。滞在箇所数履歴表示領域１００３には、例えば、交流多様性情報１３９が示す、今回の集計対象期間と複数の過去の集計期間それぞれにおける、当該対象ユーザの合計滞在箇所数及び行動目的ごとの滞在箇所数の履歴が表示される。平均歩数履歴表示領域１００４には、例えば、運動情報１４０が示す、今回の集計対象期間と複数の過去の集計期間それぞれにおける、当該対象ユーザの平均歩数履歴が表示される。

【0153】

個別アドバイス文面表示領域１００５には、ステップＳ６０３で生成された個別アドバイス文面が表示される。改善指標表示領域１００６には、逆シミュレーション結果情報１４８が示す、外出回数、滞在箇所数、及び平均歩数の改善値及び改善幅が表示される。レコメンドボタン１００７が選択されると、レコメンド結果表示画面１００８に遷移する。

【0154】

レコメンド結果表示画面１００８は、ステップＳ７０４で抽出された介入サービスを示す情報、及びステップＳ７０５で抽出された当該介入サービスによる改善指標の期待値を示す情報を表示する。

【0155】

以上、本実施例の行動評価システムは、クライアント２００が有するセンサが計測したユーザの位置及び活動量に基づいて、ユーザの社会参加の度合いを示す活動割合、及び交流多様性、並びにユーザの運動を示す指標を算出し、これらの指標に基づいて、要介護リスク、及び／又は総合得点を算出する。これにより、行動評価システムは、ユーザに大きな負担を掛けることなく、ユーザの社会活動参加を測る指標を客観的に算出し、当該指標に基づく要介護リスク及び／又は総合得点を算出することができる。

【0156】

また、本実施例の行動評価システムは、ユーザの社会参加の多寡や傾向（同性同年代傾向のような他者比較での傾向、及び自己傾向のような経時的傾向較）に基づいたアドバイス文面を生成する。さらに、行動評価システムは、要介護リスクランク及び／又は総合得点ランクを改善させるための指標の改善値及び改善幅をユーザに提示する。また、行動評価システムは、ユーザの要介護リスク及び／又は総合得点を改善させるための行動に資する介入サービスをユーザ属性及び行動実績に基づいてレコメンドする。行動評価システムがこれらの処理を実行することにより、ユーザは自身にとって有用な予防行動を具体的に理解することができ、ユーザの行動変容が期待される。

【0157】

なお、上記した例では、評価サーバ１００は、活動割合、交流多様性、及び運動を用いて、要介護リスク、並びに標準得点及び総合得点を算出するが、活動割合、交流多様性、及び運動の少なくとも１つを用いて、要介護リスク、並びに標準得点及び総合得点を算出してもよい。

【0158】

なお、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施例の構成の一部を他の実施例の構成に置き換えることも可能であり、また、ある実施例の構成に他の実施例の構成を加えることも可能である。また、各実施例の構成の一部について、他の構成の追加・削除・置換をすることが可能である。

【0159】

また、上記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等によりハードウェアで実現してもよい。また、上記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウェアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリや、ハードディスク、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等の記録装置、または、ＩＣカード、ＳＤカード、ＤＶＤ等の記録媒体に置くことができる。

【0160】

また、制御線や情報線は説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線や情報線を示しているとは限らない。実際には殆ど全ての構成が相互に接続されていると考えてもよい。

【符号の説明】

【0161】

１００ 評価サーバ、１０１ ＣＰＵ１０１、１０２ メモリ、１０３ 補助記憶装置、１０４ 入力装置、１０５ 出力装置、１０６ 通信装置、１１１ タイムライン集計部、１１２ 活動割合算出部、１１３ 交流多様性算出部、１１４ 運動算出部、１１５ 要介護リスク予測部、１１６ 行動評価部、１１７ アドバイス生成部、１１８ レコメンド処理部、１１９ 処理モデル更新部、１２０ 標準得点算出部、１３２ 介入サービス情報、１３３ 位置情報、１３４ 活動量情報、１３７ タイムライン情報、１３８ 活動割合情報、１３９ 交流多様性情報、１４０ 運動情報、１５１ 行動評価情報、１４２ 要介護リスクランク判定情報、１４３ 総合得点ランク判定情報、１４５ 行動傾向情報、１４６ 参照パーツ情報、１４８ 逆シミュレーション結果情報、１４９ 介入サービス利用履歴情報、１５０ 学習データ、２００ クライアント

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16】

【図17】

【図18】

【図19】

【図20】

【図21】

【図22】

【図23】

【図24】

【図25】

【図26】

【図27】

【図28A】

【図28B】

【図29A】

【図29B】

【図29C】

【図30】

【図31】

【図32A】

【図32B】

【図32C】

【図33】