特開 2024-53680 発汗量推定システムおよび浴室内警告システム

(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】P2024053680

(43)【公開日】2024-04-16

(54)【発明の名称】発汗量推定システムおよび浴室内警告システム

(51)【国際特許分類】

   F24H 15/196 20220101AFI20240409BHJP

   F24H 15/10 20220101ALI20240409BHJP

   F24H 15/219 20220101ALI20240409BHJP

   F24H 15/269 20220101ALI20240409BHJP

   F24H 15/265 20220101ALI20240409BHJP

   G08B 25/04 20060101ALI20240409BHJP

   G08B 21/02 20060101ALI20240409BHJP

   F24H 15/395 20220101ALI20240409BHJP

   F24H 15/414 20220101ALI20240409BHJP

   F24F 11/63 20180101ALI20240409BHJP

   F24F 120/10 20180101ALN20240409BHJP

【ＦＩ】

F24H15/196 301X

F24H15/10

F24H15/219

F24H15/269

F24H15/265

G08B25/04 K

G08B21/02

F24H15/395

F24H15/414

F24F11/63

F24F120:10

【審査請求】未請求

【請求項の数】12

【出願形態】ＯＬ

(21)【出願番号】P 2022160040

(22)【出願日】2022-10-04

(71)【出願人】

【識別番号】000000284

【氏名又は名称】大阪瓦斯株式会社

(74)【代理人】

【識別番号】110001818

【氏名又は名称】弁理士法人Ｒ＆Ｃ

(72)【発明者】

【氏名】富久 大成

【テーマコード（参考）】

3L024

3L260

5C086

5C087

【Ｆターム（参考）】

3L024CC17

3L024FF15

3L024FF17

3L024FF18

3L024GG02

3L024GG06

3L024GG42

3L260AA02

3L260CA03

3L260CA05

3L260CA12

3L260CA13

3L260EA03

3L260EA22

3L260FB01

5C086AA22

5C086BA04

5C086CA17

5C086CA19

5C086CB01

5C086CB07

5C086DA40

5C086FA01

5C086FA02

5C086FA06

5C086FA11

5C086FA12

5C086FA16

5C086FA17

5C086FA18

5C087AA02

5C087AA09

5C087AA10

5C087AA11

5C087AA15

5C087AA19

5C087AA21

5C087AA25

5C087AA32

5C087AA44

5C087DD03

5C087DD49

5C087EE18

5C087FF01

5C087FF02

5C087FF04

5C087GG08

5C087GG66

5C087GG70

5C087GG84

(57)【要約】

【課題】容易かつ精度良く発汗量を推定することを目的とする。
【解決手段】浴室を利用する利用者の発汗量を推定する発汗量推定システムであって、推定用環境情報９を取得する情報取得部と、利用者の利用者情報７および推定用環境情報９から推定用特徴量５７を生成する推定用特徴量生成部と、所定の学習用環境情報８で入浴した際の発汗量である教師データ５２および学習用特徴量５１が紐付けられた複数の学習用入力データ５３を機械学習することにより、推定用特徴量５７が入力されると推定発汗量５８を出力するように生成された学習済みモデル５５を取得するモデル取得部と、推定用特徴量５７を学習済みモデル５５に入力することにより推定発汗量５８を出力する発汗量推定部とを備える。
【選択図】図２

【特許請求の範囲】

【請求項1】

浴室を利用する利用者の発汗量を推定する発汗量推定システムであって、
推定用環境情報を取得する情報取得部と、
前記利用者の利用者情報および前記推定用環境情報から推定用特徴量を生成する推定用特徴量生成部と、
所定の学習用環境情報で入浴した際の前記発汗量である教師データおよび学習用特徴量が紐付けられた複数の学習用入力データを機械学習することにより、前記推定用特徴量が入力されると推定発汗量を出力するように生成された学習済みモデルを取得するモデル取得部と、
前記推定用特徴量を前記学習済みモデルに入力することにより前記推定発汗量を出力する発汗量推定部とを備え、
前記学習用特徴量は前記利用者情報および前記学習用環境情報を含み、
前記利用者情報は、年齢、性別、および体重を含み、
前記推定用環境情報は、浴室温度、浴室湿度、浴槽温度、合計入浴時間、連続入浴時間、および浴室利用時間を含み、
前記学習用環境情報は、前記浴室温度、前記浴室湿度、前記浴槽温度、前記合計入浴時間、前記連続入浴時間、および前記浴室利用時間を含む発汗量推定システム。

【請求項2】

前記推定用環境情報は、所定の時間毎に継続的に取得され、
前記発汗量推定部は、継続的に前記推定発汗量を出力する請求項１に記載の発汗量推定システム。

【請求項3】

特徴量演算部をさらに備え、
前記学習済みモデルを用いて前記推定発汗量を出力するために、それぞれの前記推定用特徴量が与える影響度の大きさがあらかじめ測定され、
前記特徴量演算部は、前記影響度の大きさに応じた重み付けをそれぞれの前記推定用特徴量に付与する請求項１に記載の発汗量推定システム。

【請求項4】

前記情報取得部として、人感センサ、温度センサ、湿度センサ、湯温センサ、水圧センサ、体重計、およびタイマを含み、
前記浴室温度は前記温度センサで測定され、
前記浴室湿度は前記湿度センサで測定され、
前記浴槽温度は前記湯温センサで測定され、
前記合計入浴時間および前記連続入浴時間は、前記水圧センサの検出値の変化から算出される浴槽水位の変化と前記タイマとで求められる前記利用者が浴槽に浸かっている時間から算出され、
前記浴室利用時間は、前記人感センサおよび前記タイマで前記利用者が前記浴室にいる時間として求められる請求項１に記載の発汗量推定システム。

【請求項5】

前記情報取得部として撮像装置を含み、
前記推定用環境情報および前記学習用環境情報の少なくともいずれかは、前記撮像装置が撮影した画像を含む請求項１に記載の発汗量推定システム。

【請求項6】

前記モデル取得部は、前記学習用入力データを機械学習することにより、前記学習済みモデルを生成する請求項１に記載の発汗量推定システム。

【請求項7】

前記情報取得部は前記浴室に設けられ、
前記浴室とデータ通信するサーバに、前記モデル取得部、前記推定用特徴量生成部、および前記発汗量推定部が設けられる請求項１に記載の発汗量推定システム。

【請求項8】

前記学習済みモデルは、勾配ブースティング決定木モデルである請求項１に記載の発汗量推定システム。

【請求項9】

請求項１から８のいずれか一項に記載の発汗量推定システムと、
報知部と、
前記推定発汗量が所定の閾値以上であるか否かを判定する発汗量判定部と、
前記推定発汗量が前記閾値以上であると前記発汗量判定部が判定した場合に、前記報知部に所定の警告を行わせる警告制御部とを備える浴室内警告システム。

【請求項10】

前記警告は、警告音の発報、警告灯の発光、表示部への表示、あらかじめ登録された携帯端末への通知のうちの少なくとも１つを含む請求項９に記載の浴室内警告システム。

【請求項11】

前記閾値は、前記利用者情報に応じて決定される請求項９に記載の浴室内警告システム。

【請求項12】

前記浴室に設けられる空調設備と、
前記空調設備を制御する浴室制御部とをさらに備え、
前記推定発汗量が前記閾値以上であると前記発汗量判定部が判定した場合に、前記浴室制御部は前記空調設備を作動させる請求項９に記載の浴室内警告システム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、浴室の利用者の発汗量を推定する発汗量推定システム、および、発汗量推定システムにより推定された発汗量に基づいて体調に異変が生じる可能性を警告する浴室内警告システムに関する。

【背景技術】

【0002】

浴室を利用する利用者は、浴室の温度や湿度または入浴等の環境の影響で発汗しやすい。発汗が多くなりすぎると、利用者は熱中症等により体調に異変が生じる場合がある。

【0003】

特許文献１には、人体に生体センサを装着することにより、入浴中と入浴していない間に測定された、活動量や体温等の変化から発汗量を取得する技術が開示されている。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特開２０１８―２６００６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、体調に異変が生じることを事前に予測する精度を向上させるために、発汗量をより容易かつ精度良く推定することが求められている。

【0006】

本発明は、容易かつ精度良く発汗量を推定することを目的とする。

【課題を解決するための手段】

【0007】

上記目的を達成するために、本発明の一実施形態に係る発汗量推定システムは、浴室を利用する利用者の発汗量を推定する発汗量推定システムであって、推定用環境情報を取得する情報取得部と、前記利用者の利用者情報および前記推定用環境情報から推定用特徴量を生成する推定用特徴量生成部と、所定の学習用環境情報で入浴した際の前記発汗量である教師データおよび学習用特徴量が紐付けられた複数の学習用入力データを機械学習することにより、前記推定用特徴量が入力されると推定発汗量を出力するように生成された学習済みモデルを取得するモデル取得部と、前記推定用特徴量を前記学習済みモデルに入力することにより前記推定発汗量を出力する発汗量推定部とを備え、前記学習用特徴量は前記利用者情報および前記学習用環境情報を含み、前記利用者情報は、年齢、性別、および体重を含み、前記推定用環境情報は、浴室温度、浴室湿度、浴槽温度、合計入浴時間、連続入浴時間、および浴室利用時間を含み、前記学習用環境情報は、前記浴室温度、前記浴室湿度、前記浴槽温度、前記合計入浴時間、前記連続入浴時間、および前記浴室利用時間を含む。

【0008】

このような構成により、利用者の特徴や浴室内の環境から、入浴中のまたは浴室内にいる使用者の発汗量を容易かつ精度良く推定することができる。

【0009】

特に、人の発汗に対する影響が大きな、利用者の年齢・性別・体重、および、浴室温度・浴室湿度・浴槽温度・合計入浴時間・連続入浴時間・浴室利用時間に基づいて発汗量を推定するため、より精度良く発汗量を推定することができる。

【0010】

また、前記推定用環境情報は、所定の時間毎に継続的に取得され、前記発汗量推定部は、継続的に前記推定発汗量を出力することが好ましい。

【0011】

利用者は入浴中に随時発汗し、発汗は多様に変化する環境情報の影響を強く受ける。上記構成によると、推定用環境情報が継続的に取得され、それに応じて推定発汗量も継続的に出力される。その結果、変化・増加する発汗量を確認することができると共に、精度良く発汗量を推定することができる。

【0012】

また、特徴量演算部をさらに備え、前記学習済みモデルを用いて前記推定発汗量を出力するために、それぞれの前記推定用特徴量が与える影響度の大きさがあらかじめ測定され、前記特徴量演算部は、前記影響度の大きさに応じた重み付けをそれぞれの前記推定用特徴量に付与することが好ましい。

【0013】

このような構成により、発汗への影響度が考慮された推定用特徴量を用いて発汗量の推定を行うことで、より精度良く発汗量を推定することができる。

【0014】

また、前記情報取得部として、人感センサ、温度センサ、湿度センサ、湯温センサ、水圧センサ、体重計、およびタイマを含み、前記浴室温度は前記温度センサで測定され、前記浴室湿度は前記湿度センサで測定され、前記浴槽温度は前記湯温センサで測定され、前記合計入浴時間および前記連続入浴時間は、前記水圧センサの検出値の変化から算出される浴槽水位の変化と前記タイマとで求められる前記利用者が浴槽に浸かっている時間から算出され、前記浴室利用時間は、前記人感センサおよび前記タイマで前記利用者が前記浴室にいる時間として求められてもよい。

【0015】

このような構成により、容易に推定用環境情報および学習用環境情報を取得することができ、容易に発汗量の推定を行うことができる。

【0016】

また、前記情報取得部として撮像装置を含み、前記推定用環境情報および前記学習用環境情報の少なくともいずれかは、前記撮像装置が撮影した画像を含んでもよい。

【0017】

画像により、利用者の頭、肩、まぶた等の動きを容易に確認することができる。利用者の動きが発汗量に影響することもあるため、利用者の動きを確認することにより、より精度良く発汗量を推定することができる。

【0018】

また、前記モデル取得部は、前記学習用入力データを機械学習することにより、前記学習済みモデルを生成してもよい。

【0019】

このような構成により、学習済みモデルを別途用意する必要がなくなり、容易に学習済みモデルを取得することができる。

【0020】

また、前記情報取得部は前記浴室に設けられ、前記浴室とデータ通信するサーバに、前記モデル取得部、前記推定用特徴量生成部、および前記発汗量推定部が設けられてもよい。

【0021】

このような構成により、大きな処理能力が必要となることのある、モデル取得部、推定用特徴量生成部、および発汗量推定部を、処理能力を大きくすることが容易なサーバに配置することができるため、浴室内の構成を簡易化することができる。

【0022】

また、前記学習済みモデルは、勾配ブースティング決定木モデルであってもよい。

【0023】

このような構成により、推定精度の高い学習済みモデルを生成することができる。

【0024】

さらに、本発明の一実施形態に係る浴室内警告システムは、前記発汗量推定システムと、報知部と、前記推定発汗量が所定の閾値以上であるか否かを判定する発汗量判定部と、前記推定発汗量が前記閾値以上であると前記発汗量判定部が判定した場合に、前記報知部に所定の警告を行わせる警告制御部とを備える。

【0025】

発汗量が多くなりすぎると、熱中症等により、利用者の体調に異変が生じる場合がある。上記構成によると、発汗量から体調に異変が生じる可能性を予測することができる。そして、体調に異変が生じる前に警告を行うことにより、利用者等に注意を促すことができる。

【0026】

また、前記警告は、警告音の発報、警告灯の発光、表示部への表示、あらかじめ登録された携帯端末への通知のうちの少なくとも１つを含んでもよい。

【0027】

このような構成により、容易かつ、利用者または利用者を補助できる可能性のある者が気づきやすいように、注意を促すことができる。

【0028】

また、前記閾値は、前記利用者情報に応じて決定されてもよい。

【0029】

体調に異変が生じるに至る発汗量には個人差がある。上記構成により、利用者情報により特定された個人、または、利用者情報から推測される発汗量が体調に与える影響度に基づいて、発汗量から体調に異変が生じる可能性を予測することができる。そのため、体調に異変が生じる前に警告を行うことをより精度良く行うことができる。

【0030】

また、前記浴室に設けられる空調設備と、前記空調設備を制御する浴室制御部とをさらに備え、前記推定発汗量が前記閾値以上であると前記発汗量判定部が判定した場合に、前記浴室制御部は前記空調設備を作動させてもよい。

【0031】

このような構成により、利用者の発汗量が多くなると、空調設備は換気や送風、冷房等を行うことにより、発汗量を抑制するための動作を行うことができる。そのため、利用者の発汗量を抑制し、利用者の体調に異変が生じることを抑制することができる。

【図面の簡単な説明】

【0032】

【図1】浴室の構成を例示する概略図である。

【図2】発汗量を推定する構成の概略を説明する図である。

【図3】浴室内警告システムの概略構成を例示する図である。

【図4】リモコンが備える記憶部に記憶される情報を説明する図である。

【図5】サーバが備える記憶部に記憶される情報を説明する図である。

【図6】学習済みモデルを生成するフローを例示する図である。

【図7】推定発汗量を推定するフローを例示する図である。

【図8】警告を行うフローを例示する図である。

【図9】発汗量の推定精度を例示する図である。

【図10】特徴量の影響度の大きさを例示する図である。

【発明を実施するための形態】

【0033】

本実施形態における発汗量推定システムおよび浴室内警告システムについて、図面を参照しながら説明する。発汗量推定システムは、浴室を利用する利用者の発汗量を推定する。浴室内警告システムは、推定された発汗量に基づいて、利用者の体調に異変が生じる可能性があることを事前に予測して警告を行う。

【0034】

〔発汗量推定システムおよび浴室内警告システムの概要〕
図１～図３に示されるように、浴室には、浴槽３、リモコン１、空調設備５、情報取得部６等が設けられる。

【0035】

浴槽３は湯が貯められ、利用者が入浴する。空調設備５は、浴室内の換気、冷暖房等を行うことができ、浴室乾燥機として機能することもできる。

【0036】

情報取得部６として、人感センサ１２、温度センサ１３、湿度センサ１４、湯温センサ１５、水圧センサ１６、体重計１７、タイマ１８等が浴室内に設けられる。情報取得部６は、後述の推定用環境情報９および学習用環境情報８を取得する。

【0037】

図２に示されるように、発汗量推定システムは、あらかじめ生成された学習済みモデル５５に推定用特徴量５７を入力することにより、利用者の発汗量である推定発汗量５８を推定する。

【0038】

学習済みモデル５５は、学習用入力データ５３を、ＡＩ６０（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ）に入力して機械学習を行わせることにより生成される。学習用入力データ５３は、学習用特徴量５１と教師データ５２とが紐づけられた情報である。学習用特徴量５１は、あらかじめ取得される利用者情報７および学習用環境情報８から生成される。

【0039】

学習済みモデル５５を生成するための学習用入力データ５３は、ある利用者が、ある環境で、実際に浴室で入浴した際に発汗した情報があらかじめ集められた複数の情報に基づいて生成される。１つの情報を収集した際の、利用者の利用者情報７と、入浴した環境である学習用環境情報８と、その際の発汗量である教師データ５２とは、互いに紐付けられて記憶される。

【0040】

学習用入力データ５３は、利用者情報７と、学習用環境情報８と、教師データ５２とが紐づけられた組を複数組含む情報であってもよいが、利用者情報７と学習用環境情報８とは、後述のように、発汗に及ぼす影響が考慮された重み付けがそれぞれの情報毎に付与された学習用特徴量５１であってもよい。この場合、学習用入力データ５３は、学習用特徴量５１と教師データ５２とが紐づけられた組を複数組含む情報となる。

【0041】

推定用特徴量５７は、利用者情報７および推定用環境情報９から生成される。推定用環境情報９は、発汗量の推定対象である利用者が入浴している際の各種の環境情報である。

【0042】

浴室内警告システムは、発汗量推定システムが推定した推定発汗量５８に基づいて、利用者が熱中症を発症する等の、利用者の体調に異変が生じる可能性を予測する。そして、浴室内警告システムは、利用者の体調に異変が生じる可能性があると判断される場合、事前に所定の警告を行う。

【0043】

発汗量推定システムは、学習済みモデル５５を用いて利用者の推定発汗量５８を出力することにより、容易かつ精度良く推定発汗量５８を推定することができる。

【0044】

浴室内警告システムは、精度良く推定された推定発汗量５８に基づいて利用者の体調に異変が生じる可能性を予測することができるため、利用者の体調に異変が生じる前に警告を行い、利用者の体調に異変が生じることを抑制することができる。

【0045】

〔情報取得部〕
次に、図１を参照しながら、図２～図５を用いて、情報取得部６、および、情報取得部６が取得する情報について説明する。

【0046】

人感センサ１２は浴室内の人物等を検知し、タイマ１８で利用者が浴室内にいる時間を測定することにより、浴室利用時間４８を取得する。温度センサ１３は、浴室内の温度である浴室温度４１を取得する。湿度センサ１４は、浴室内の湿度である浴室湿度４２を取得する。例えば、温度センサ１３および湿度センサ１４は、浴室内の任意の位置に設けられてもよいし、空調設備５に設けられてもよい。湯温センサ１５は、浴槽３の湯の温度である浴槽温度４３を取得する。湯温センサ１５は、浴槽３の湯の温度を測定できれば任意の位置に設けられてもよいが、例えば、浴槽３と給湯器との間の配管に設けられてもよい。湯温センサ１５が浴槽３と給湯器との間の配管に設けられる場合、浴槽３へ供給される湯の給湯温度を測定することもできる。

【0047】

水圧センサ１６は浴槽３の湯の水圧を測定し、水圧（検出値）から浴槽３の湯の水位（浴槽水位４４）が求められる。水位は水圧センサ１６が算出してもよいが、リモコン１またはリモコン１のプロセッサまたは任意の機能ブロックが算出してもよい。水圧センサ１６は、浴槽３の湯の水圧を測定できれば任意の位置に設けられてもよいが、例えば、浴槽３と給湯器との間の配管に設けられてもよい。

【0048】

体重計１７は、利用者の体重７Ｄを測定する。体重計１７は、浴室を利用する利用者の体重７Ｄを測定できれば任意の位置に設けられてもよいが、例えば、浴室の扉の外側等といった浴室の入口付近に設けられてもよい。これにより、浴室に入室する直前の利用者の体重７Ｄを測定することができる。

【0049】

また、水圧センサ１６により求められる水位の変化から利用者が浴槽３に浸かっているか否かが判定され、タイマ１８により利用者が浴槽３に浸かっている時間が計測される。これにより、利用者が浴槽３に連続して入浴している連続入浴時間４７、および、合計入浴時間４６を取得することができる。

【0050】

〔リモコン〕
次に、発汗量推定システムおよび浴室内警告システムを構成するリモコン１について、図１、図２を参照しながら、図３、図４を用いて説明する。

【0051】

リモコン１は、給湯温度や給湯量の設定の受け付け・制御、空調設備５の設定の受け付け・制御、その他浴室における各種の設定の受け付け・制御を行う。リモコン１は、ＣＰＵ等のプロセッサ（コンピュータ）を備え、プロセッサはリモコン１の各機能ブロックの制御を行う。リモコン１は複数設けられてもよく、浴室内、浴室の入口付近、その他の場所等の任意の位置に設けられてもよい。

【0052】

リモコン１は、操作部１Ａ、表示部１Ｂ、スピーカー１Ｃ、警告灯１Ｄ、通信部３１、推定用特徴量生成部３３（特徴量演算部に相当）、浴室制御部３４、発汗量判定部３５、警告制御部３６、記憶部３８を備える。

【0053】

操作部１Ａは、リモコン１に対する種々の操作を受け付ける。操作部１Ａは、テンキー等の各種スイッチ、レバー、ダイヤル等の任意の操作具の組み合わせであってよく、表示部１Ｂに表示されるソフトウェアスイッチが含まれてもよい。

【0054】

表示部１Ｂは各種の情報を表示するモニタである。スピーカー１Ｃは音声情報、警告音等を発報する。警告灯１Ｄは、警告等の各種の情報を発光により表示する。通信部３１は、後述のサーバ２や他のリモコン１とデータ通信を行う。通信部３１は、スマートフォン等の携帯端末とデータ通信する構成としてもよい。

【0055】

推定用特徴量生成部３３は、推定発汗量５８を推定するための推定用特徴量５７を生成し、記憶部３８に格納する。浴室制御部３４は、操作部１Ａが受け付けた操作等に応じて、湯温や湯量等を調整し、空調設備５を制御する。

【0056】

発汗量判定部３５は、推定発汗量５８から、熱中症等の利用者の体調に異変が生じる可能性を予測する。

【0057】

警告制御部３６は、利用者の体調に異変が生じる可能性がある場合、所定の警告を行う。警告制御部３６は、表示部１Ｂ、スピーカー１Ｃ、および警告灯１Ｄの制御を行い、表示部１Ｂの表示、スピーカー１Ｃから発報される警告音や音声、警告灯１Ｄの発光等により警告を行う。

【0058】

記憶部３８は、個人情報データベース１０、体重７Ｄ、利用者情報７、推定用環境情報９、推定用特徴量５７、および推定発汗量５８を記憶する。

【0059】

個人情報データベース１０は、複数の利用者の情報が記憶されたデータベースであり、利用者毎に、利用者情報７が紐付けられる。利用者情報７は、年齢７Ａ、性別７Ｂ、体重７Ｄを含み、さらに、身長７Ｃを含んでもよい。つまり、個人情報データベース１０は、利用者個人を特定することにより、その利用者の利用者情報７を特定することができる。

【0060】

体重７Ｄは、利用者が浴室に入出する際に体重計１７で測定された利用者の体重である。体重７Ｄは、体重計１７で測定される構成に限らず、利用者が操作部１Ａから入力する構成であってもよい。

【0061】

推定用環境情報９は、情報取得部６が取得した、浴室温度４１、浴室湿度４２、浴槽温度４３、合計入浴時間４６、連続入浴時間４７、浴室利用時間４８である。さらに、推定用環境情報９は、情報取得部６が取得した浴槽水位４４を含んでもよい。つまり、情報取得部６は、取得した情報を推定用環境情報９として記憶部３８に格納する。

【0062】

推定用環境情報９は、利用者が浴室にいる間（入浴中）、所定の時間毎に（所定の間隔で）継続的に取得されることが好ましい。これにより、利用者の入浴中に継続して発汗量を推定することができる。例えば、推定用環境情報９は５秒毎に取得される。

【0063】

推定用特徴量５７は、利用者情報７および推定用環境情報９に対して、発汗量を推定するのに与える影響度の大きさに応じた重み付けが付与された特徴量である。学習済みモデル５５があらかじめ解析されて、利用者情報７および推定用環境情報９の各情報における発汗量を推定するのに与える影響度の大きさが求められる。例えば、重み付けは、推定結果の二乗平均平方根誤差が最小となるように、利用者情報７および推定用環境情報９の各情報のパラメータ（重み付け）を調整することにより求めることができる。推定用特徴量生成部３３は、影響度の大きさに応じた重み付けを、利用者情報７および推定用環境情報９の各情報に対して付与する演算を行い、推定用特徴量５７を生成して記憶部３８に格納する。

【0064】

推定発汗量５８は、後述のように、サーバ２にて推定された発汗量であり、通信部３１を介してサーバ２から取得される。

【0065】

〔サーバ〕
次に、発汗量推定システムおよび浴室内警告システムを構成するサーバ２について、図１、図２を参照しながら、図３、図５を用いて説明する。

【0066】

サーバ２は、インターネット等の任意の通信回線を介してリモコン１とデータ通信可能な構成で設けられる。データ通信は、リモコン１と無線ＬＡＮ等でデータ通信されるスマートフォン等の携帯端末を介して行われてもよい。また、サーバ２は、ＣＰＵ等のプロセッサ（コンピュータ）を備え、プロセッサはサーバ２の各機能ブロックの制御を行う。

【0067】

サーバ２は、通信部２１、学習用特徴量生成部２３、学習用入力データ生成部２４、学習部２５、発汗量推定部２７、記憶部２８を備える。

【0068】

通信部２１は、リモコン１の通信部３１を介して、リモコン１とデータ通信を行う。具体的には、サーバ２は、通信部２１および通信部３１を介して、リモコン１から推定用特徴量５７を受信し、リモコン１に推定発汗量５８を送信する。学習用特徴量生成部２３は、後述のように、あらかじめ取得された学習用データセット１１から学習用特徴量５１を演算する。

【0069】

学習用入力データ生成部２４は、学習用特徴量５１と教師データ５２とを紐付けて学習用入力データ５３を生成し、記憶部２８に格納する。

【0070】

学習部２５は、ＡＩ６０を搭載し、学習用入力データ５３をＡＩ６０に入力して機械学習することにより、学習済みモデル５５を生成し、記憶部２８に格納する。

【0071】

例えば、機械学習は、勾配ブースティング決定木モデル等の線形回帰モデルを用いて行われる。

【0072】

発汗量推定部２７は、推定用特徴量５７を学習済みモデル５５に入力して、推定発汗量５８を推定し、記憶部２８に格納する。

【0073】

記憶部２８は、学習用データセット１１、学習用特徴量５１、教師データ５２、学習用入力データ５３、学習済みモデル５５、推定用特徴量５７、および推定発汗量５８を記憶する。

【0074】

学習用データセット１１は、互いに紐付けられた利用者情報７および学習用環境情報８の組が複数組含まれる。利用者情報７は、年齢７Ａ、性別７Ｂ、体重７Ｄを含み、さらに、身長７Ｃを含んでもよい。学習用環境情報８は、浴室温度４１、浴室湿度４２、浴槽温度４３、浴槽水位４４、合計入浴時間４６、連続入浴時間４７、浴室利用時間４８を含む。

【0075】

学習用特徴量５１は、推定用特徴量５７と同様に、利用者情報７および学習用環境情報８に対して、発汗量を推定するのに与える影響度の大きさに応じた重み付けが付与された特徴量である。重み付けの大きさは推定用特徴量５７と同様でもよいが、別途求められてもよい。学習用特徴量生成部２３は、影響度の大きさに応じた重み付けを、利用者情報７および学習用環境情報８の各情報に対して付与する演算を行い、学習用特徴量５１を生成して記憶部２８に格納する。

【0076】

教師データ５２は、互いに紐付けられた利用者情報７および学習用環境情報８の組の条件下で、利用者が実際に発汗した発汗量である。つまり、利用者情報７に対応する利用者が、あらかじめ学習用環境情報８に対応する環境下で入浴し、その際の発汗量が教師データ５２となる。そして、複数人の利用者が種々の環境下で入浴した際の発汗量が求められ、利用者情報７および学習用環境情報８に対応する教師データ５２の組が複数取得され、記憶部２８に格納される。

【0077】

学習用入力データ５３は、学習用特徴量５１と学習用特徴量５１に紐付けられた教師データ５２とからなる組が、複数組集められたデータである。学習用入力データ生成部２４は、それぞれの利用者情報７および学習用環境情報８に対応する、学習用特徴量５１と教師データ５２とを紐付けて学習用入力データ５３を生成し、記憶部２８に格納する。

【0078】

学習済みモデル５５は、学習部２５で生成されたモデルであり、推定用特徴量５７が入力されることにより推定発汗量５８を出力する。発汗量推定部２７は、学習済みモデル５５に推定用特徴量５７を入力することにより、推定発汗量５８を推定し、記憶部２８に格納する。

【0079】

推定用特徴量５７は、リモコン１で生成され、記憶された情報であり、通信部２１を介して取得される。

【0080】

このような、詳細な利用者情報７および詳細な学習用環境情報８を用いて機械学習を行い、学習済みモデル５５を生成するため、精度良く推定発汗量５８を推定することができる。特に、利用者情報７および学習用環境情報８から、発汗量を推定するのに与える影響度の大きさに応じた重み付けが付与された学習用特徴量５１を生成し、この学習用特徴量５１を用いて機械学習を行って学習済みモデル５５を生成するため、より精度良く推定発汗量５８を推定することができる。

【0081】

なお、発汗量推定システムは、情報取得部６およびリモコン１の推定用特徴量生成部３３、サーバ２の学習用特徴量生成部２３・学習用入力データ生成部２４・学習部２５・発汗量推定部２７から構成される。また、浴室内警告システムは、発汗量推定システムに加え、表示部１Ｂ、スピーカー１Ｃ、および警告灯１Ｄの少なくともいずれかを含む報知部と、リモコン１の発汗量判定部３５および警告制御部３６とを備える。

【0082】

〔発汗量推定システム〕
次に、図１～図５を参照しながら、図６，図７を用いて、学習済みモデル５５の生成と推定発汗量５８の推定からなる発汗量推定システムの処理について説明する。

【0083】

まず、学習済みモデル５５を生成するために学習用データセット１１が収集される（図６のステップ＃１）。具体的には、利用者（検証者）が実際に入浴し、発汗量が所定の方法で取得される。この発汗量が教師データ５２とされる。この際、入浴の際の学習用環境情報８が取得される。また、利用者の利用者情報７が記憶される。そして、利用者情報７、学習用環境情報８、および教師データ５２が紐づけられて記憶される。このような情報が、あらかじめ、異なる利用者、異なる環境において取得され、サーバ２の記憶部２８に格納される。

【0084】

次に、学習用特徴量生成部２３は、互いに紐付けられる複数の利用者情報７および学習用環境情報８からなる学習用データセット１１から学習用特徴量５１を演算（生成）し、記憶部２８に格納する（図６のステップ＃２）。

【0085】

この際、あらかじめ、利用者情報７および学習用環境情報８を構成する情報毎に、発汗量（推定発汗量５８）を推定することに対する影響度の大きさが任意の方法で求められる。例えば、過去に生成された学習済みモデル５５を検証し、各情報の影響度が求められる。

【0086】

学習用特徴量生成部２３は、この影響度の大きさに応じた重み付けを利用者情報７および学習用環境情報８を構成する各情報に付与する演算を行うことにより、学習用特徴量５１を生成し、記憶部２８に格納する。学習用特徴量５１は、紐づけられた利用者情報７および学習用環境情報８のセット毎に生成される。

【0087】

次に、学習用入力データ生成部２４は、学習用特徴量５１の基になる利用者情報７および学習用環境情報８に紐づけられた教師データ５２と、学習用特徴量５１とを紐付けて学習用入力データ５３を生成し、記憶部２８に格納する（図６のステップ＃３）。これにより、あらかじめ収集された全ての学習用データセット１１および教師データ５２の全てが含まれる学習用入力データ５３が生成される。

【0088】

次に、学習部２５は、生成された学習用入力データ５３をＡＩ６０に入力して機械学習させることにより、学習済みモデル５５を生成する（図６のステップ＃４）。学習済みモデル５５は、発汗量の推定に先立って生成され、記憶部２８に格納される。

【0089】

この際、生成された学習済みモデル５５を解析して推定発汗量５８を推定することに対する影響度（重要度）の大きさが求められ、影響度の大きさが更新されてもよい。さらに、更新後の影響度の大きさを用いて、再度学習済みモデル５５が生成されてもよい。

【0090】

このような学習済みモデル５５が記憶部２８に格納された状態で、利用者が浴室を利用する際に、入浴中の利用者の発汗量が推定される。

【0091】

まず、利用者は、リモコン１の操作部１Ａを操作して、あらかじめ記憶部３８に格納された個人情報データベース１０から、自身の利用者情報７を読み出す（図７のステップ＃１）。読み出された利用者情報７は記憶部３８に記憶される。利用者情報７は、年齢７Ａ、性別７Ｂ、体重７Ｄであり、身長７Ｃが含まれてもよい。また、体重７Ｄは、浴室に入室する際に体重計１７を用いて測定されてもよいし、操作部１Ａを用いて入力されてもよい。また、年齢７Ａ、性別７Ｂ、身長７Ｃも操作部１Ａを用いて入力されてもよい。

【0092】

次に、情報取得部６により推定用環境情報９が取得され、記憶部３８に格納される（図７のステップ＃２）。推定用環境情報９は、上述の、浴室温度４１、浴室湿度４２、浴槽温度４３、合計入浴時間４６、連続入浴時間４７、浴室利用時間４８であり、さらに、浴槽水位４４を含んでもよい。

【0093】

なお、情報取得部６は、利用者が入浴している所定のタイミングで推定用環境情報９を取得してもよいが、５秒（所定の時間）毎に推定用環境情報９を継続的に取得することが好ましい。入浴中のあるタイミングで発汗量の推定を行うだけでは、その後に、発汗量が増加し、体調が悪化しても、それを検知することができない。継続的に推定用環境情報９を取得することにより、利用者が入浴中に、後述の、発汗量の推定と体調に異常が生じる可能性の判定とを継続的に行うことができる。その結果、より精度良く発汗量を推定し、体調に異常が生じる可能性を判定することができる。

【0094】

また、利用者が浴室から退室後に測定して得られる体重を浴室入室前の体重７Ｄから減算することで発汗量の実測値が得られる。すなわち、推定用環境情報９と利用者情報７から推定発汗量５８を推定すると共に、発汗量推定に用いた各種情報を学習用入力データ５３に追加し、前記発汗量の実測値を教師データ５２として追加し、学習済みモデル５５を更新することで、発汗量推定の精度を高めることができる。

【0095】

以上のように、実測発汗量および実測発汗量が得られた際の環境情報を学習用環境情報８として学習用入力データ５３に追加して学習済みモデル５５を更新することは、必ずしも必要ではないが、発汗量推定精度を向上させるために、任意のタイミングで実施することが好ましい。

【0096】

次に、推定用特徴量生成部３３は、前述の影響度の大きさに応じた重み付けを利用者情報７および推定用環境情報９を構成する各情報に付与する演算を行うことにより、推定用特徴量５７を生成し、記憶部３８に出力する（図７のステップ＃３）。推定用特徴量生成部３３は、継続的に推定用環境情報９が取得される場合、取得される度に推定用特徴量５７を生成する。

【0097】

次に、リモコン１は、生成された推定用特徴量５７を、通信部３１を介してサーバ２に送信する。サーバ２は、送信された推定用特徴量５７を、通信部２１を介して受信し、記憶部２８に格納する（図７のステップ＃４）。リモコン１は、推定用特徴量５７が生成される度に、推定用特徴量５７をサーバ２に送信する。

【0098】

次に、サーバ２の発汗量推定部２７は推定用特徴量５７から発汗量を推定する。具体的には、発汗量推定部２７は、記憶部２８に格納された学習済みモデル５５に、受信した推定用特徴量５７を入力することにより、推定発汗量５８を出力させる（図７のステップ＃５）。サーバ２の発汗量推定部２７は、推定用特徴量５７受信する度に推定発汗量５８を推定する。

【0099】

そして、サーバ２は、通信部２１を介して、出力された推定発汗量５８をリモコン１に送信する（図７のステップ＃６）。サーバ２は、推定発汗量５８が出力される度に、推定発汗量５８をリモコン１に送信する。

【0100】

〔浴室内警告システム〕
次に、図１～図５を参照しながら、図８を用いて、浴室内警告システムの処理について説明する。

【0101】

まず、リモコン１は、送信された推定発汗量５８を、通信部３１を介して受信し、記憶部３８に格納する（図８のステップ＃１）。

【0102】

次に、リモコン１の発汗量判定部３５は、推定発汗量５８から、利用者が熱中症等により体調に異常が生じる可能性がある状態であるか否かの判定を行う（図８のステップ＃２）。具体的には、発汗量判定部３５は、推定発汗量５８が、あらかじめ定められた閾値以上であるか否かを確認し、推定発汗量５８が閾値以上の場合、体調に異常が生じる可能性があると判定する。発汗量判定部３５は、推定発汗量５８を受信する度に、体調に異常が生じる可能性がある状態であるか否かの判定を行う。なお、閾値は、熱中症等を発症するおそれのある発汗量であり、例えば、体重７Ｄの３％の発汗量とすることができる。

【0103】

なお、閾値は複数用意され、閾値に応じて、異常が生じる可能性の高さを判定してもよい。また、閾値は、利用者情報７に応じて決定されてもよく、閾値として所定の関数が用いられてもよい。

【0104】

次に、警告制御部３６は、判定結果に基づいて、必要に応じて所定の報知部により警告を行う。警告制御部３６は、推定発汗量５８が閾値より小さい場合（図８のステップ＃２ Ｎｏ）、警告を行わず、次の判定結果を待つ。

【0105】

推定発汗量５８が閾値以上の場合（図８のステップ＃２ Ｙｅｓ）、警告制御部３６は、報知部に警告を行わせる（図８のステップ＃３）。

【0106】

報知部は、例えば、表示部１Ｂ、スピーカー１Ｃおよび警告灯１Ｄの少なくともいずれかである。表示部１Ｂは、警告として、警告を示す文字や絵柄等を表示する。スピーカー１Ｃは、警告として警告音や音声を発報する。警告灯１Ｄは、警告として、点灯や点滅等の所定の発光を行う。また、これらの警告は、浴室内のリモコン１以外のリモコン１においても行われることが好ましい。また、警告は、利用者の家族等の別の人物が所持するスマートフォン等の携帯端末で行われてもよい。利用者以外の者が警告を受け取ることにより、利用者が自力で対処できない場合でも、警告を受け取った者が適切な対応を行うことができる。

【0107】

また、異常が生じる可能性の高さが判定された場合、表示内容、警告音、発光色や発光パターンが、可能性の高さに応じて変更される。

【0108】

このように、利用者の体調に異常が生じる前に、事前に、異常が生じる可能性があることの警告が行われる。これにより、利用者または他の者が、利用者に異常が生じる前に適切な対応を行うことができる。

【0109】

さらに、浴室制御部３４は、推定発汗量５８が閾値以上の場合（図８のステップ＃２ Ｙｅｓ）、空調設備５を制御して換気や送風、冷房の開始を行ってもよく、給湯温度を低下させてもよい。これにより、利用者の体調が悪化することを抑制することができる。

【0110】

〔予測精度〕
図９に示すように、学習用入力データ５３の相互検証を行った結果、学習済みモデル５５を用いた推定発汗量５８の推定精度は良好であった。

【0111】

すなわち、残差分析を行った結果、推定された発汗量（推定量）によらず、大きな推定誤差は認められず、誤差の分布も誤差が０の近傍に集まる結果であった。

【0112】

また、学習済みモデル５５を解析した結果、各特徴量の推定に対する影響度（重要度）は、図１０に示すような結果となった。図１０に示されるように、影響度は、大きい順に、判定時浴室温度、身長７Ｃ、後述の初期浴室湿度、体重７Ｄ・・・となることが分かる。

【0113】

学習用特徴量５１および推定用特徴量５７の重み付けは、図１０に示されるような重要度に応じて付与される。

【0114】

〔別実施形態〕
（１）学習用環境情報８および推定用環境情報９のいずれかは、利用者の体積、浴槽３のサイズ、給湯温度の少なくともいずれかを含んでもよい。利用者の体積は、水圧センサ１６の変化によって求められる水位の変化から算出される。浴槽３のサイズは、浴槽３に入る湯の量、浴槽３の深さ、浴槽３の長さ、および浴槽３の幅の少なくともいずれかである。給湯温度は、利用者が入浴中に浴槽３に給湯される湯の温度である。さらに、学習用環境情報８および推定用環境情報９のいずれかは、その他の種々の情報を含んでもよい。学習用環境情報８および推定用環境情報９のいずれかにこれらの情報が含まれることにより、より精度良く学習済みモデル５５の生成、および推定発汗量５８の推定を行うことができる。

【0115】

（２）学習用環境情報８および推定用環境情報９のいずれかにおける浴室温度４１は、所定のタイミング、例えば所定の時間毎に測定された浴室の温度（判定時浴室温度）の他に、利用者が浴室に入室した際の浴室の温度（初期浴室温度）が含まれてもよい。同様に、学習用環境情報８および推定用環境情報９のいずれかにおける浴室湿度４２は、所定のタイミング、例えば所定の時間毎に測定された浴室の湿度（判定時浴室湿度）の他に、利用者が浴室に入室した際の浴室の湿度（初期浴室湿度）が含まれてもよい。また、学習用環境情報８および推定用環境情報９のいずれかにおける浴槽温度４３は、所定のタイミング、例えば所定の時間毎に測定された浴槽３の温度（判定時浴槽温度）の他に、利用者が浴室に入室した際の浴槽３の温度（初期浴槽温度）が含まれてもよい。これにより、より精度良く学習済みモデル５５の生成、および推定発汗量５８の推定を行うことができる。

【0116】

（３）情報取得部６は、撮像装置を含んでもよい。そして、学習用環境情報８および推定用環境情報９のいずれかに、撮像装置が撮影した画像が含まれてもよい。画像により、利用者の頭、肩、まぶた等の動きを容易に確認することができる。利用者の動きが発汗量に影響することもあり、発汗量が利用者の動きに影響することもあるため、利用者の動きを確認することにより、より精度良く学習済みモデル５５の生成、および推定発汗量５８の推定を行うことができる。

【0117】

（４）推定用特徴量生成部３３、発汗量判定部３５および警告制御部３６の少なくともいずれかは、リモコン１ではなくサーバ２に設けられてもよい。つまり、リモコン１は、利用者情報７および推定用環境情報９をサーバ２に送信してもよい。サーバ２は、推定用特徴量５７を生成し、推定発汗量５８を推定後、推定発汗量５８の判定結果に応じて警告のための制御信号を生成し、制御信号をリモコン１に送信してもよい。そして、リモコン１は、制御信号を受信し、制御信号に従って所定の警告を行う。

【0118】

このような構成により、リモコン１の構成を簡易化することができ、効率的な構成で、推定発汗量５８の推定、および、必要な警告を行うことができる。

【0119】

逆に、学習済みモデル５５はサーバ２ではなく、リモコン１に記憶されてもよい。この場合、発汗量推定部２７も、サーバ２ではなく、リモコン１に設けられる。そして、リモコン１において、推定用特徴量５７が学習済みモデル５５に入力されて推定発汗量５８の推定が行われる。

【0120】

このような構成により、リモコン１において最適なシステムを容易に構成することができる。

【0121】

（５）学習用特徴量生成部２３、学習用入力データ生成部２４、および学習部２５は、サーバ２ではなく、リモコン１に設けられてもよい。つまり、学習済みモデル５５は、サーバ２ではなく、リモコン１で生成されてもよい。

【0122】

このような構成により、浴室および浴室を利用する利用者に特化した学習済みモデル５５を容易に生成することができ、より精度良く学習済みモデル５５の生成、および推定発汗量５８の推定を行うことができる。

【0123】

（６）学習済みモデル５５はサーバ２で生成する構成に限らず、サーバ２は、別途生成された学習済みモデル５５を取得する構成であってもよい。つまり、サーバ２の学習部２５は学習済みモデル５５を生成してもよく、学習済みモデル５５を取得するモデル取得部として機能してもよい。この場合、発汗量推定システムは、学習用特徴量生成部２３・学習用入力データ生成部２４・学習部２５に代わりモデル取得部を備える。さらに、学習済みモデル５５および発汗量推定部２７はリモコン１に設けられてもよく、学習済みモデル５５はリモコン１で生成されても、別途生成されてリモコン１に送信されてもよい。

【0124】

このような構成により、システム構成を簡易化することができる。

【0125】

（７）リモコン１およびサーバ２の少なくともいずれかは、図３に示すような機能ブロックから構成されるものに限定されず、任意の機能ブロックから構成されてもよい。例えば、リモコン１およびサーバ２の少なくともいずれかの各機能ブロックはさらに細分化されてもよく、逆に、各機能ブロックの一部または全部がまとめられてもよい。また、リモコン１およびサーバ２の少なくともいずれかの機能は、上記機能ブロックに限らず、任意の機能ブロックが実行する方法により実現されてもよい。また、リモコン１およびサーバ２の機能の一部または全部は、ソフトウエアで構成されてもよい。ソフトウエアに係るプログラムは、記憶部２８または記憶部３８等の任意の記憶装置に記憶され、リモコン１またはサーバ２が備えるＣＰＵ等のプロセッサ、あるいは別に設けられたプロセッサにより実行される。

【0126】

なお、上記の実施形態（別実施形態を含む、以下同じ）で開示される構成は、矛盾が生じない限り、他の実施形態で開示される構成と組み合わせて適用することが可能であり、また、本明細書において開示された実施形態は例示であって、本発明の実施形態はこれに限定されず、本発明の目的を逸脱しない範囲内で適宜改変することが可能である。

【産業上の利用可能性】

【0127】

本発明は、浴室の利用者の発汗量を推定する際、または、発汗量に基づいて体調に異変が生じる可能性を警告する際に適用することができる。

【符号の説明】

【0128】

１ リモコン
２ サーバ
６ 情報取得部
７ 利用者情報
８ 学習用環境情報
９ 推定用環境情報
２３ 学習用特徴量生成部
２４ 学習用入力データ生成部
２５ 学習部
２７ 発汗量推定部
３３ 推定用特徴量生成部（特徴量演算部）
３５ 発汗量判定部
３６ 警告制御部
５１ 学習用特徴量
５２ 教師データ
５３ 学習用入力データ
５５ 学習済みモデル
５７ 推定用特徴量
５８ 推定発汗量
６０ ＡＩ

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】