(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】P2024085112
(43)【公開日】2024-06-26
(54)【発明の名称】モビリティ利用者に対する健康情報サービス提供装置
(51)【国際特許分類】
A61B 5/18 20060101AFI20240619BHJP
A61B 5/11 20060101ALI20240619BHJP
A61B 5/0245 20060101ALI20240619BHJP
A61B 5/00 20060101ALI20240619BHJP
【ＦＩ】
A61B5/18
A61B5/11 100
A61B5/0245 C
A61B5/00 102A
【審査請求】未請求
【請求項の数】21
【出願形態】ＯＬ
(21)【出願番号】P 2022199463
(22)【出願日】2022-12-14
(71)【出願人】
【識別番号】000219602
【氏名又は名称】住友理工株式会社
(74)【代理人】
【識別番号】110000648
【氏名又は名称】弁理士法人あいち国際特許事務所
(72)【発明者】
【氏名】長谷川 浩一
(72)【発明者】
【氏名】村山 勝
【テーマコード（参考）】
4C017
4C038
4C117
【Ｆターム（参考）】
4C017AA02
4C017AA09
4C017AA10
4C017AC20
4C017BB12
4C017BC11
4C017BC16
4C017DD14
4C017DD17
4C038PP03
4C038PQ03
4C038PS00
4C038PS01
4C038VA18
4C038VB32
4C038VC20
4C117XA01
4C117XB02
4C117XB15
4C117XB18
4C117XC03
4C117XD31
4C117XE13
4C117XE54
4C117XJ12
4C117XJ48
4C117XR01
4C117XR12
(57)【要約】
【課題】モビリティ利用者から得られたＶＬＦデータに基づいて、モビリティ利用者の健康状態の変化を推定し、推定された健康状態の変化に基づきサービスを提供する、健康情報サービス提供装置を提供する。
【解決手段】モビリティ利用者の生体信号ＢＳを取得するセンサ１２と、モビリティ利用者の心拍に関する心拍信号ＨＳを推定する推定部１３と、極低周波数成分に関するＶＬＦデータＶＤを算出する算出部１４と、今回におけるモビリティ利用者の今回ＶＬＦデータＶＤＡと今回よりも過去の特定期間における過去ＶＬＦデータＶＤＢとの違いに基づいて、モビリティ利用者の健康状態の変化を推定する状態推定部１７と、モビリティ利用者の健康状態の変化に基づき、モビリティ利用者に特定のサービスを提供するユーザーインターフェース１８と、を備えた、モビリティ利用者に対する健康情報サービス提供装置１０。
【選択図】図１
【解決手段】モビリティ利用者の生体信号ＢＳを取得するセンサ１２と、モビリティ利用者の心拍に関する心拍信号ＨＳを推定する推定部１３と、極低周波数成分に関するＶＬＦデータＶＤを算出する算出部１４と、今回におけるモビリティ利用者の今回ＶＬＦデータＶＤＡと今回よりも過去の特定期間における過去ＶＬＦデータＶＤＢとの違いに基づいて、モビリティ利用者の健康状態の変化を推定する状態推定部１７と、モビリティ利用者の健康状態の変化に基づき、モビリティ利用者に特定のサービスを提供するユーザーインターフェース１８と、を備えた、モビリティ利用者に対する健康情報サービス提供装置１０。
【選択図】図１
【特許請求の範囲】
【請求項1】
モビリティに搭乗したモビリティ利用者の生体信号を取得する取得装置と、
前記生体信号に基づいて、前記モビリティ利用者の心拍に関する心拍信号を推定する推定部と、
前記心拍信号に基づいて、０．００３３～０．０４Ｈｚの極低周波数成分に関するＶＬＦデータを算出する算出部と、
現在搭乗中である場合には現在搭乗時または現在非搭乗中である場合には直近搭乗時を含む今回における前記モビリティ利用者の前記ＶＬＦデータである今回ＶＬＦデータを取得する今回ＶＬＦデータ取得部と、
前記今回よりも過去の特定期間における前記ＶＬＦデータの計数的代表値または位置的代表値である統計代表値である、過去ＶＬＦデータを取得する過去ＶＬＦデータ取得部と、
前記今回ＶＬＦデータと前記過去ＶＬＦデータとの違いに基づいて、前記モビリティ利用者の健康状態の変化を推定する状態推定部と、
前記モビリティ利用者の前記健康状態の変化に基づき、前記モビリティ利用者に特定のサービスを提供するサービス提供部と、
を備えた、モビリティ利用者に対する健康情報サービス提供装置。
前記生体信号に基づいて、前記モビリティ利用者の心拍に関する心拍信号を推定する推定部と、
前記心拍信号に基づいて、０．００３３～０．０４Ｈｚの極低周波数成分に関するＶＬＦデータを算出する算出部と、
現在搭乗中である場合には現在搭乗時または現在非搭乗中である場合には直近搭乗時を含む今回における前記モビリティ利用者の前記ＶＬＦデータである今回ＶＬＦデータを取得する今回ＶＬＦデータ取得部と、
前記今回よりも過去の特定期間における前記ＶＬＦデータの計数的代表値または位置的代表値である統計代表値である、過去ＶＬＦデータを取得する過去ＶＬＦデータ取得部と、
前記今回ＶＬＦデータと前記過去ＶＬＦデータとの違いに基づいて、前記モビリティ利用者の健康状態の変化を推定する状態推定部と、
前記モビリティ利用者の前記健康状態の変化に基づき、前記モビリティ利用者に特定のサービスを提供するサービス提供部と、
を備えた、モビリティ利用者に対する健康情報サービス提供装置。
【請求項2】
前記今回ＶＬＦデータは、現在搭乗中であって、現在の搭乗の少なくとも一部を含む期間における前記ＶＬＦデータの前記統計代表値である、請求項１に記載のモビリティ利用者に対する健康情報サービス提供装置。
【請求項3】
前記今回ＶＬＦデータは、現在非搭乗中であって、前記直近搭乗時の少なくとも一部を含む期間における前記ＶＬＦデータの前記統計代表値である、請求項１に記載のモビリティ利用者に対する健康情報サービス提供装置。
【請求項4】
前記過去ＶＬＦデータは、
前記今回よりも１回以上前の特定期間における前記ＶＬＦデータの前記統計代表値である第一過去ＶＬＦデータと、
前記第一過去ＶＬＦデータの期間よりも１回以上前の特定期間における前記ＶＬＦデータの前記統計代表値である第二過去ＶＬＦデータと、
を含み、
前記状態推定部は、前記今回ＶＬＦデータと前記第一過去ＶＬＦデータとを所定の第一比較基準に基づいて比較した結果、および、前記今回ＶＬＦデータと前記第二過去ＶＬＦデータとを所定の第二比較基準に基づいて比較した結果、に基づいて、前記モビリティ利用者の健康状態の変化を推定する、請求項１に記載のモビリティ利用者に対する健康情報サービス提供装置。
前記今回よりも１回以上前の特定期間における前記ＶＬＦデータの前記統計代表値である第一過去ＶＬＦデータと、
前記第一過去ＶＬＦデータの期間よりも１回以上前の特定期間における前記ＶＬＦデータの前記統計代表値である第二過去ＶＬＦデータと、
を含み、
前記状態推定部は、前記今回ＶＬＦデータと前記第一過去ＶＬＦデータとを所定の第一比較基準に基づいて比較した結果、および、前記今回ＶＬＦデータと前記第二過去ＶＬＦデータとを所定の第二比較基準に基づいて比較した結果、に基づいて、前記モビリティ利用者の健康状態の変化を推定する、請求項１に記載のモビリティ利用者に対する健康情報サービス提供装置。
【請求項5】
前記状態推定部は、
前記第一過去ＶＬＦデータから前記今回ＶＬＦデータを減じた第一過去差分値が前記第一比較基準の一例である閾値以上である場合に、前記モビリティ利用者の健康状態が良くない方向に変化したと推定し、
さらに、前記第一過去差分値が前記閾値より小さい場合であって、且つ、前記第二過去ＶＬＦデータから前記今回ＶＬＦデータを減じた第二過去差分値が前記第二比較基準の一例である前記閾値以上である場合に、前記モビリティ利用者の健康状態が良くない方向に変化したと推定する、請求項４に記載のモビリティ利用者に対する健康情報サービス提供装置。
前記第一過去ＶＬＦデータから前記今回ＶＬＦデータを減じた第一過去差分値が前記第一比較基準の一例である閾値以上である場合に、前記モビリティ利用者の健康状態が良くない方向に変化したと推定し、
さらに、前記第一過去差分値が前記閾値より小さい場合であって、且つ、前記第二過去ＶＬＦデータから前記今回ＶＬＦデータを減じた第二過去差分値が前記第二比較基準の一例である前記閾値以上である場合に、前記モビリティ利用者の健康状態が良くない方向に変化したと推定する、請求項４に記載のモビリティ利用者に対する健康情報サービス提供装置。
【請求項6】
前記状態推定部は、
前記第一過去ＶＬＦデータから前記今回ＶＬＦデータを減じた第一過去差分値が前記第一比較基準の一例である第一過去閾値以上である場合に、前記モビリティ利用者の健康状態が良くない方向に変化したと推定し、
さらに、前記第一過去差分値が前記第一過去閾値より小さい場合であって、且つ、前記第二過去ＶＬＦデータから前記今回ＶＬＦデータを減じた第二過去差分値が前記第一過去閾値より大きな値であって前記第二比較基準の一例である第二過去閾値以上である場合に、前記モビリティ利用者の健康状態が良くない方向に変化したと推定する、請求項４に記載のモビリティ利用者に対する健康情報サービス提供装置。
前記第一過去ＶＬＦデータから前記今回ＶＬＦデータを減じた第一過去差分値が前記第一比較基準の一例である第一過去閾値以上である場合に、前記モビリティ利用者の健康状態が良くない方向に変化したと推定し、
さらに、前記第一過去差分値が前記第一過去閾値より小さい場合であって、且つ、前記第二過去ＶＬＦデータから前記今回ＶＬＦデータを減じた第二過去差分値が前記第一過去閾値より大きな値であって前記第二比較基準の一例である第二過去閾値以上である場合に、前記モビリティ利用者の健康状態が良くない方向に変化したと推定する、請求項４に記載のモビリティ利用者に対する健康情報サービス提供装置。
【請求項7】
前記今回ＶＬＦデータは、前記現在搭乗時または前記直近搭乗時における前記ＶＬＦデータであり、
前記第一過去ＶＬＦデータは、前記現在搭乗時または前記直近搭乗時よりも１回以上前の搭乗時における前記ＶＬＦデータの前記統計代表値であり、
前記第二過去ＶＬＦデータは、前記第一過去ＶＬＦデータの搭乗時よりも１回以上前の搭乗時における前記ＶＬＦデータの前記統計代表値である、請求項５または６に記載のモビリティ利用者に対する健康情報サービス提供装置。
前記第一過去ＶＬＦデータは、前記現在搭乗時または前記直近搭乗時よりも１回以上前の搭乗時における前記ＶＬＦデータの前記統計代表値であり、
前記第二過去ＶＬＦデータは、前記第一過去ＶＬＦデータの搭乗時よりも１回以上前の搭乗時における前記ＶＬＦデータの前記統計代表値である、請求項５または６に記載のモビリティ利用者に対する健康情報サービス提供装置。
【請求項8】
前記今回ＶＬＦデータは、前記現在搭乗時または前記直近搭乗時における前記ＶＬＦデータであり、
前記第一過去ＶＬＦデータは、前記今回ＶＬＦデータが測定された時刻と同一時刻を含む１日以上前の搭乗時における前記ＶＬＦデータの前記統計代表値であり、
前記第二過去ＶＬＦデータは、前記今回ＶＬＦデータが測定された時刻と同一時刻を含み前記第一過去ＶＬＦデータの搭乗時よりも１日以上前の搭乗時における前記ＶＬＦデータの前記統計代表値である、請求項５または６に記載のモビリティ利用者に対する健康情報サービス提供装置。
前記第一過去ＶＬＦデータは、前記今回ＶＬＦデータが測定された時刻と同一時刻を含む１日以上前の搭乗時における前記ＶＬＦデータの前記統計代表値であり、
前記第二過去ＶＬＦデータは、前記今回ＶＬＦデータが測定された時刻と同一時刻を含み前記第一過去ＶＬＦデータの搭乗時よりも１日以上前の搭乗時における前記ＶＬＦデータの前記統計代表値である、請求項５または６に記載のモビリティ利用者に対する健康情報サービス提供装置。
【請求項9】
前記今回ＶＬＦデータは、前記現在搭乗時または前記直近搭乗時における前記ＶＬＦデータであり、
前記第一過去ＶＬＦデータは、前記現在搭乗時または前記直近搭乗時よりも前の所定期間における前記ＶＬＦデータの前記統計代表値であり、
前記第二過去ＶＬＦデータは、前記第一過去ＶＬＦデータよりも前の前記所定期間における前記ＶＬＦデータの前記統計代表値である、請求項５または６に記載のモビリティ利用者に対する健康情報サービス提供装置。
前記第一過去ＶＬＦデータは、前記現在搭乗時または前記直近搭乗時よりも前の所定期間における前記ＶＬＦデータの前記統計代表値であり、
前記第二過去ＶＬＦデータは、前記第一過去ＶＬＦデータよりも前の前記所定期間における前記ＶＬＦデータの前記統計代表値である、請求項５または６に記載のモビリティ利用者に対する健康情報サービス提供装置。
【請求項10】
前記閾値は、通常閾値と、前記通常閾値よりも小さな値である警戒閾値と、を含み、
前記状態推定部は、
前記今回ＶＬＦデータが特定閾値を超える場合には前記通常閾値を用い、
前記今回ＶＬＦデータが前記特定閾値以下の場合には前記警戒閾値を用いる、請求項５に記載のサービス提供装置。
前記状態推定部は、
前記今回ＶＬＦデータが特定閾値を超える場合には前記通常閾値を用い、
前記今回ＶＬＦデータが前記特定閾値以下の場合には前記警戒閾値を用いる、請求項５に記載のサービス提供装置。
【請求項11】
前記第一過去閾値は、第一過去通常閾値と、前記第一過去通常閾値よりも小さな値である第一過去警戒閾値と、を含み、
前記第二過去閾値は、第二過去通常閾値と、前記第二過去通常閾値よりも小さな値である第二過去警戒閾値と、を含み、
前記状態推定部は、
前記今回ＶＬＦデータが特定閾値を超える場合には前記第一過去通常閾値および前記第二過去通常閾値を用い、
前記今回ＶＬＦデータが前記特定閾値以下の場合には前記第一過去警戒閾値および前記第二過去警戒閾値を用いる、請求項６に記載のサービス提供装置。
前記第二過去閾値は、第二過去通常閾値と、前記第二過去通常閾値よりも小さな値である第二過去警戒閾値と、を含み、
前記状態推定部は、
前記今回ＶＬＦデータが特定閾値を超える場合には前記第一過去通常閾値および前記第二過去通常閾値を用い、
前記今回ＶＬＦデータが前記特定閾値以下の場合には前記第一過去警戒閾値および前記第二過去警戒閾値を用いる、請求項６に記載のサービス提供装置。
【請求項12】
前記今回ＶＬＦデータは、前記現在搭乗時または前記直近搭乗時である１回の搭乗分における前記ＶＬＦデータであり、
前記過去ＶＬＦデータは、過去の所定期間における複数回の搭乗分における前記ＶＬＦデータの前記統計代表値であり、
前記状態推定部は、前記過去ＶＬＦデータから前記今回ＶＬＦデータを減じた差分値が、閾値以上である場合に、前記モビリティ利用者の健康状態が良くない方向に変化したと推定する、請求項１に記載のモビリティ利用者に対する健康情報サービス提供装置。
前記過去ＶＬＦデータは、過去の所定期間における複数回の搭乗分における前記ＶＬＦデータの前記統計代表値であり、
前記状態推定部は、前記過去ＶＬＦデータから前記今回ＶＬＦデータを減じた差分値が、閾値以上である場合に、前記モビリティ利用者の健康状態が良くない方向に変化したと推定する、請求項１に記載のモビリティ利用者に対する健康情報サービス提供装置。
【請求項13】
前記今回ＶＬＦデータは、前記現在搭乗時または前記直近搭乗時における前記ＶＬＦデータであり、
前記過去ＶＬＦデータは、前記今回ＶＬＦデータが測定された時刻と同一時刻を含む過去の搭乗時における前記ＶＬＦデータの前記統計代表値であり、
前記状態推定部は、前記過去ＶＬＦデータから前記今回ＶＬＦデータを減じた同時間帯差分値が、同時間帯閾値以上である場合に、前記モビリティ利用者の健康状態が良くない方向に変化したと推定する、請求項１に記載のモビリティ利用者に対する健康情報サービス提供装置。
前記過去ＶＬＦデータは、前記今回ＶＬＦデータが測定された時刻と同一時刻を含む過去の搭乗時における前記ＶＬＦデータの前記統計代表値であり、
前記状態推定部は、前記過去ＶＬＦデータから前記今回ＶＬＦデータを減じた同時間帯差分値が、同時間帯閾値以上である場合に、前記モビリティ利用者の健康状態が良くない方向に変化したと推定する、請求項１に記載のモビリティ利用者に対する健康情報サービス提供装置。
【請求項14】
前記今回ＶＬＦデータが、前記現在搭乗時または前記直近搭乗時を含む所定の比較期間における前記ＶＬＦデータの前記統計代表値であり、
前記過去ＶＬＦデータが、前記現在搭乗時または前記直近搭乗時よりも前の前記比較期間における前記ＶＬＦデータの前記統計代表値であり、
前記状態推定部は、前記過去ＶＬＦデータから前記今回ＶＬＦデータを減じた期間差分値が、期間閾値以上である場合に、前記モビリティ利用者の健康状態が良くない方向に変化したと推定する、請求項１に記載のサービス提供装置。
前記過去ＶＬＦデータが、前記現在搭乗時または前記直近搭乗時よりも前の前記比較期間における前記ＶＬＦデータの前記統計代表値であり、
前記状態推定部は、前記過去ＶＬＦデータから前記今回ＶＬＦデータを減じた期間差分値が、期間閾値以上である場合に、前記モビリティ利用者の健康状態が良くない方向に変化したと推定する、請求項１に記載のサービス提供装置。
【請求項15】
前記状態推定部は、複数の前記過去ＶＬＦデータおよび前記今回ＶＬＦデータから得られる過去から今回に至る前記ＶＬＦデータの傾向に基づいて、前記モビリティ利用者の健康状態の変化を推定する、請求項１に記載のモビリティ利用者に対する健康情報サービス提供装置。
【請求項16】
前記傾向は、
前記複数の前記過去ＶＬＦデータが、前記今回ＶＬＦデータに至るまで単調に減少している状態、および
前記複数の前記過去ＶＬＦデータが、前記今回ＶＬＦデータに至るまで、減少と増加をサイクル状に繰り返している状態、
の双方または一方を含む、請求項１５に記載のモビリティ利用者に対する健康情報サービス提供装置。
前記複数の前記過去ＶＬＦデータが、前記今回ＶＬＦデータに至るまで単調に減少している状態、および
前記複数の前記過去ＶＬＦデータが、前記今回ＶＬＦデータに至るまで、減少と増加をサイクル状に繰り返している状態、
の双方または一方を含む、請求項１５に記載のモビリティ利用者に対する健康情報サービス提供装置。
【請求項17】
前記今回ＶＬＦデータは、前記現在搭乗時または前記直近搭乗時における前記ＶＬＦデータであり、
前記過去ＶＬＦデータは、
前記現在搭乗時または前記直近搭乗時よりも前の第一期間における前記ＶＬＦデータの前記統計代表値である第一過去期間ＶＬＦデータと、
前記第一過去期間ＶＬＦデータの前記第一期間よりも長い第二期間における前記ＶＬＦデータの前記統計代表値である第二過去期間ＶＬＦデータと、
を含み
前記状態推定部は、
前記第一過去期間ＶＬＦデータと前記今回ＶＬＦデータとの比較結果、および、前記第二過去期間ＶＬＦデータと前記今回ＶＬＦデータとの比較結果、を総合的に勘案することにより、前記モビリティ利用者の健康状態について推定する、請求項１に記載のモビリティ利用者に対する健康情報サービス提供装置。
前記過去ＶＬＦデータは、
前記現在搭乗時または前記直近搭乗時よりも前の第一期間における前記ＶＬＦデータの前記統計代表値である第一過去期間ＶＬＦデータと、
前記第一過去期間ＶＬＦデータの前記第一期間よりも長い第二期間における前記ＶＬＦデータの前記統計代表値である第二過去期間ＶＬＦデータと、
を含み
前記状態推定部は、
前記第一過去期間ＶＬＦデータと前記今回ＶＬＦデータとの比較結果、および、前記第二過去期間ＶＬＦデータと前記今回ＶＬＦデータとの比較結果、を総合的に勘案することにより、前記モビリティ利用者の健康状態について推定する、請求項１に記載のモビリティ利用者に対する健康情報サービス提供装置。
【請求項18】
前記状態推定部は、
前記第一過去期間ＶＬＦデータから前記今回ＶＬＦデータを減じた第一差分値が、第一閾値以上であり、且つ、
前記第二過去期間ＶＬＦデータから前記今回ＶＬＦデータを減じた第二差分値が、第二閾値以上であるときには、
前記モビリティ利用者の健康状態が良くない方向に変化したと推定する、請求項１７に記載のモビリティ利用者に対する健康情報サービス提供装置。
前記第一過去期間ＶＬＦデータから前記今回ＶＬＦデータを減じた第一差分値が、第一閾値以上であり、且つ、
前記第二過去期間ＶＬＦデータから前記今回ＶＬＦデータを減じた第二差分値が、第二閾値以上であるときには、
前記モビリティ利用者の健康状態が良くない方向に変化したと推定する、請求項１７に記載のモビリティ利用者に対する健康情報サービス提供装置。
【請求項19】
前記状態推定部は、
前記第一過去期間ＶＬＦデータから前記今回ＶＬＦデータを減じた第一差分値が、第一閾値以上である場合に、前記モビリティ利用者の健康状態が良くない方向に変化したと推定し、
さらに、前記第一差分値が前記第一閾値より小さく、且つ、前記第二過去期間ＶＬＦデータから前記今回ＶＬＦデータを減じた第二差分値が、第二閾値以上である場合に、前記モビリティ利用者の健康状態が良くない方向に変化したと推定する、請求項１７に記載のモビリティ利用者に対する健康情報サービス提供装置。
前記第一過去期間ＶＬＦデータから前記今回ＶＬＦデータを減じた第一差分値が、第一閾値以上である場合に、前記モビリティ利用者の健康状態が良くない方向に変化したと推定し、
さらに、前記第一差分値が前記第一閾値より小さく、且つ、前記第二過去期間ＶＬＦデータから前記今回ＶＬＦデータを減じた第二差分値が、第二閾値以上である場合に、前記モビリティ利用者の健康状態が良くない方向に変化したと推定する、請求項１７に記載のモビリティ利用者に対する健康情報サービス提供装置。
【請求項20】
さらに、前記過去ＶＬＦデータにおける過去の前記特定期間よりも長期間において前記ＶＬＦデータの最低の値である最低ＶＬＦデータを取得する最低ＶＬＦデータ取得部を備え、
前記状態推定部は、
前記今回ＶＬＦデータと前記過去ＶＬＦデータとの違いに基づいて、前記モビリティ利用者の健康状態の変化を推定すると共に、
前記今回ＶＬＦデータが前記最低ＶＬＦデータよりも小さい場合に、前記モビリティ利用者の健康状態が良くない方向に変化したと推定する、請求項１に記載のモビリティ利用者に対する健康情報サービス提供装置。
前記状態推定部は、
前記今回ＶＬＦデータと前記過去ＶＬＦデータとの違いに基づいて、前記モビリティ利用者の健康状態の変化を推定すると共に、
前記今回ＶＬＦデータが前記最低ＶＬＦデータよりも小さい場合に、前記モビリティ利用者の健康状態が良くない方向に変化したと推定する、請求項１に記載のモビリティ利用者に対する健康情報サービス提供装置。
【請求項21】
前記状態推定部は、
前記今回ＶＬＦデータと前記過去ＶＬＦデータとの違いに基づいて、前記モビリティ利用者の健康状態の変化を推定すると共に、
前記今回ＶＬＦデータが緊急閾値以下の場合に、前記モビリティ利用者の健康状態が良くない方向に変化したと推定する、請求項１に記載のモビリティ利用者に対する健康情報サービス提供装置。
前記今回ＶＬＦデータと前記過去ＶＬＦデータとの違いに基づいて、前記モビリティ利用者の健康状態の変化を推定すると共に、
前記今回ＶＬＦデータが緊急閾値以下の場合に、前記モビリティ利用者の健康状態が良くない方向に変化したと推定する、請求項１に記載のモビリティ利用者に対する健康情報サービス提供装置。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、モビリティ利用者に対する健康情報サービス提供装置に関する。
【背景技術】
【0002】
従来、人の健康状態を示す指標として、人の心拍または脈拍を測定し、この測定値から演算された超低周波成分（ＶＬＦ：Ｖｅｒｙ Ｌｏｗ Ｆｒｅｑｕｅｎｃｙ）を用いることが行われている。超低周波成分（以下、ＶＬＦという。）は、疲労やストレス等、体調の影響を受けるため、短期的に変動しやすい。このため、医療機関においては、ＶＬＦに関する正確な情報を得るため、安静状態にある被験者に対して心拍または脈拍の測定が行われていた。換言すると、安静状態にある被験者の心拍または脈拍を測定することにより、外乱の影響が少ない環境下で、被験者の状態を正確に把握してＶＬＦの値を得ていた。
【0003】
また、特許文献１には、ＶＬＦに関する安定した情報を得るため、安静状態の一例として、睡眠状態にある被験者に対して心拍または脈拍の測定が行われる技術が記載されている。
【先行技術文献】
【特許文献】
【0004】
【特許文献1】特開２０２２－５４３３２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、被験者が安静状態にあるときという限られた状態で測定が行われたり、外乱の影響を少なくするための特別な設備において測定が行われたりするのではなく、被験者が普段の生活の中で行う行動の一部において容易にＶＬＦに関する情報を測定することができれば、被験者の健康状態を容易に把握しやすくなるので好ましい。
【0006】
そこで、モビリティに搭乗したモビリティ利用者の体動の変化をセンサにより取得し、この体動の変化から心拍または脈拍を推定し、推定された心拍または脈拍から、安静時に測定されたＶＬＦと相関する値（以下、ＶＬＦデータという）を算出することが考えられる。
【0007】
しかしながら、モビリティの運転状況は刻一刻と変化する。例えば、細く曲がりくねった道の多い住宅街を運転しているときや、人通りの多い街中を運転しているときや、高速道路を運転しているときなどでは、モビリティ利用者の心理状態も変化する。これにより、モビリティの運転状況の変化に伴って、モビリティ利用者の心拍または脈拍に関する情報も変化する。このため、モビリティ搭乗者の健康状態を、モビリティ搭乗時の限られた期間のデータのみで推定することが困難であるという問題があった。
【0008】
本発明は、かかる背景に鑑みてなされたものであり、モビリティ利用者から得られたＶＬＦデータに基づいて、モビリティ利用者の健康状態の変化を推定し、推定された健康状態の変化に基づきサービスを提供する、モビリティ利用者に対する健康情報サービス提供装置を提供しようとするものである。
【課題を解決するための手段】
【0009】
本発明の一態様は、
モビリティに搭乗したモビリティ利用者の生体信号を取得する取得装置と、
前記生体信号に基づいて、前記モビリティ利用者の心拍に関する心拍信号を推定する推定部と、
前記心拍信号に基づいて、０．００３３～０．０４Ｈｚの極低周波数成分に関するＶＬＦデータを算出する算出部と、
現在搭乗中である場合には現在搭乗時または現在非搭乗中である場合には直近搭乗時を含む今回における前記モビリティ利用者の前記ＶＬＦデータである今回ＶＬＦデータを取得する今回ＶＬＦデータ取得部と、
前記今回よりも過去の特定期間における前記ＶＬＦデータの計数的代表値または位置的代表値である統計代表値である、過去ＶＬＦデータを取得する過去ＶＬＦデータ取得部と、
前記今回ＶＬＦデータと前記過去ＶＬＦデータとの違いに基づいて、前記モビリティ利用者の健康状態の変化を推定する状態推定部と、
前記モビリティ利用者の前記健康状態の変化に基づき、前記モビリティ利用者に特定のサービスを提供するサービス提供部と、
を備えた、モビリティ利用者に対する健康情報サービス提供装置にある。
モビリティに搭乗したモビリティ利用者の生体信号を取得する取得装置と、
前記生体信号に基づいて、前記モビリティ利用者の心拍に関する心拍信号を推定する推定部と、
前記心拍信号に基づいて、０．００３３～０．０４Ｈｚの極低周波数成分に関するＶＬＦデータを算出する算出部と、
現在搭乗中である場合には現在搭乗時または現在非搭乗中である場合には直近搭乗時を含む今回における前記モビリティ利用者の前記ＶＬＦデータである今回ＶＬＦデータを取得する今回ＶＬＦデータ取得部と、
前記今回よりも過去の特定期間における前記ＶＬＦデータの計数的代表値または位置的代表値である統計代表値である、過去ＶＬＦデータを取得する過去ＶＬＦデータ取得部と、
前記今回ＶＬＦデータと前記過去ＶＬＦデータとの違いに基づいて、前記モビリティ利用者の健康状態の変化を推定する状態推定部と、
前記モビリティ利用者の前記健康状態の変化に基づき、前記モビリティ利用者に特定のサービスを提供するサービス提供部と、
を備えた、モビリティ利用者に対する健康情報サービス提供装置にある。
【発明の効果】
【0010】
本発明の一態様によれば、モビリティに搭乗したモビリティ利用者から得られたＶＬＦデータに基づいて、今回の搭乗時の今回ＶＬＦデータと、過去の搭乗時の過去ＶＬＦデータと、を相対的に比較することにより、モビリティ利用者の健康状態の変化を推定することができる。このようにして推定された健康状態の変化に基づき、モビリティ利用者に、健康状態に関するサービスを提供することができる。
【図面の簡単な説明】
【0011】
【図1】実施形態１の健康情報サービス提供装置を示すブロック図。
【図2】実施形態１に係るセンサが組付けられたシートを示す断面図。
【図3】センサで測定されたＶＬＦデータと、心電計で測定されたＶＬＦとの相関関係を示すグラフ。
【図4】種々の期間における統計代表値であるＶＬＦデータを示す図。
【図5】実施形態１の健康情報サービス提供装置のメインフローを示すフローチャート。
【図6】実施形態１の状態推定処理１を示すフローチャート。
【図7】実施形態１の状態推定処理２を示すフローチャート。
【図8】実施形態１の状態推定処理３を示すフローチャート。
【図9】実施形態１の状態推定処理４を示すフローチャート。
【図10】実施形態１の状態推定処理５を示すフローチャート。
【図11】実施形態２の健康情報サービス提供装置を示すブロック図。
【図12】実施形態２の状態推定処理６を示すフローチャート。
【図13】実施形態２の事前判断処理１を示すフローチャート。
【図14】実施形態３の健康情報サービス提供装置を示すブロック図。
【図15】実施形態３の状態推定処理７を示すフローチャート。
【図16】実施形態４の状態推定処理８を示すフローチャート。
【図17】実施形態５の健康情報サービス提供装置を示すブロック図。
【図18】実施形態５の状態推定処理９を示すフローチャート。
【図19】実施形態６の状態推定処理１０を示すフローチャート。
【図20】実施形態７の健康情報サービス提供装置を示すブロック図。
【図21】実施形態７の状態推定処理１１を示すフローチャート。
【図22】実施形態８の健康情報サービス提供装置を示すブロック図。
【図23】実施形態８の状態推定処理１２を示すフローチャート。
【図24】実施形態９の健康情報サービス提供装置を示すブロック図。
【図25】実施形態９の状態推定処理１３を示すフローチャート。
【図26】実施形態９の事前判断処理２を示すフローチャート。
【図27】他の形態（２）に係るセンサが、シート座面部の上面に取付けられる形態を示す断面図。
【図28】他の形態（３）に係る健康情報サービス提供装置を示すブロック図。
【図29】他の形態（４）に係る健康情報サービス提供装置を示すブロック図。
【図30】他の形態（５）に係る健康情報サービス提供装置を示すブロック図。
【図31】他の形態（６）に係る健康情報サービス提供装置を示すブロック図。
【図32】他の形態（７）に係る健康情報サービス提供装置を示すブロック図。
【図33】他の形態（８）に係る健康情報サービス提供装置を示すブロック図。
【図34】他の形態（９）に係る健康情報サービス提供装置を示すブロック図。
【図35】他の形態（１０）に係る健康情報サービス提供装置を示すブロック図。
【発明を実施するための形態】
【0012】
（実施形態１）
１．健康情報サービス提供装置１０の概要
図１を参照して、実施形態１の健康情報サービス提供装置１０の概要について説明する。健康情報サービス提供装置１０は、モビリティ１１を利用するモビリティ利用者に、モビリティ利用者の健康状態の変化に応じて、健康情報サービスを提供する。
１．健康情報サービス提供装置１０の概要
図１を参照して、実施形態１の健康情報サービス提供装置１０の概要について説明する。健康情報サービス提供装置１０は、モビリティ１１を利用するモビリティ利用者に、モビリティ利用者の健康状態の変化に応じて、健康情報サービスを提供する。
【0013】
本形態のモビリティ１１とは、乗用自動車、貨物用自動車、作業用自動車等の車両、電車、船舶、飛行機、ヘリコプター、乗用ドローン等、人が搭乗する移動手段をいう。本形態のモビリティ利用者とは、モビリティ１１に搭乗して運転する者、自動運転されるモビリティ１１に搭乗する者、または他人に運転されるモビリティ１１に搭乗する者を含む。
【0014】
図１に示すように、本形態の健康情報サービス提供装置１０は、センサ１２と、推定部１３と、算出部１４と、今回ＶＬＦデータ取得部１５と、過去ＶＬＦデータ取得部１６と、状態推定部１７と、ユーザーインターフェース１８（サービス提供部の一例）と、を備える。
【0015】
モビリティ１１は、モビリティ利用者が座るシート２１を備える。シート２１にはセンサ１２が取付けられている。シート２１が運転座席に適用される場合には、シート２１は、運転時における運転者による着座状態や運転者の生体信号ＢＳを検出するために用いられる。シート２１が運転座席と異なる座席に適用される場合には、シート２１は、運転者と異なるモビリティ１１の搭乗者による着座状態や生体信号ＢＳを検出するために用いられる。
【0016】
シート２１は、図２に示すように、フレーム部２８と、クッション部２９と、センサ１２とを備える。本形態のシート２１は、ヘッドレスト２２ｃを備える。ただし、ヘッドレスト２２ｃは省略してもよい。
【0017】
フレーム部２８は、座面シートフレーム３１と、背面シートフレーム４１と、を備える。クッション部２９は、座面シートフレーム３１に取り付けられる座面シートクッション３０と、背面シートフレーム４１に取り付けられる背面シートクッション４２と、を備える。座面シートクッション３０は、第一座面シートクッション３２および第二座面シートクッション３５と、を備える。
【0018】
座面シートフレーム３１は、例えば、金属や硬質樹脂などの硬質材料により形成されており、車両に取り付けられる。座面シートフレーム３１は、板状をなす板状部を有する。板状部は、板面が上下方向を向くように車両に取り付けられている。板状部の上面は、第一座面シートクッション３２が取り付けられる取り付け座面３１ａとされる。座面シートフレーム３１のうち板状部と異なる部分は棒状、柱状等、任意の形状に形成される。
【0019】
第一座面シートクッション３２は、発泡樹脂などの弾性材料により形成される。第一座面シートクッション３２は、座面シートフレーム３１の上面に形成された取り付け座面３１ａに載置された状態で取り付けられる。第一座面シートクッション３２の上面が、搭乗者の臀部により圧力を受ける受圧面３２ａとなる。第一座面シートクッション３２の下面、すなわち受圧面３２ａの裏側の面である反受圧面３２ｂは、座面シートフレーム３１の取り付け座面３１ａに対向する。
【0020】
第一座面シートクッション３２は、反受圧面３２ｂにおいて座面シートフレーム３１側に向けて、下方に開口する収容凹部５０を有する。収容凹部５０の断面形状は、多角形状、円形状、長円形状等、任意の形状とすることができる。本形態の収容凹部５０の断面形状は四角形状とされる。収容凹部５０のうち、収容凹部５０の開口する方向と反対側に位置する部分は収容凹部５０の底部５２とされる。
【0021】
収容凹部５０内には、第二座面シートクッション３５が収容されている。第二座面シートクッション３５は、座面シートフレーム３１の取り付け座面３１ａに取り付けられている。第二座面シートクッション３５のうち、座面シートフレーム３１の取り付け座面３１ａと対向する面は取り付け面３５ｂとされる。第一座面シートクッション３２と、第二座面シートクッション３５とが座面シートフレーム３１に取り付けられた状態で、第一座面シートクッション３２の反受圧面３２ｂと、第二座面シートクッション３５の取り付け面３５ｂとは、面一になっている。また、第一座面シートクッション３２と、第二座面シートクッション３５とが座面シートフレーム３１に取り付けられた状態で、収容凹部５０の内側面と、第二座面シートクッション３５の外側面との間には隙間が形成されている。第二座面シートクッション３５の上面（座面シートフレーム３１と反対側に位置する面）は、センサ１２を下方から押圧する第二押圧面３５ａとされる。ただし、第一座面シートクッション３２の収容凹部５０は上方に開口し、この収容凹部５０内に第二座面シートクッション３５が収容される構成としてもよい。
【0022】
第一座面シートクッション３２の表面には、座面表皮部材３３が被覆されている。座面表皮部材３３は、第一座面シートクッション３２の少なくとも受圧面３２ａを被覆する。座面表皮部材３３は、布、革など、第一座面シートクッション３２よりも伸縮しにくい材料により形成されている。
【0023】
背面シートフレーム４１は、例えば、金属や硬質樹脂などの硬質材料により形成されている。背面シートフレーム４１は、板状、棒状などに形成される。例えば、シート本体２２にリクライニング機能を設ける場合には、背面シートフレーム４１は、座面シートフレーム３１に揺動可能に支持される。もちろん、背面シートフレーム４１は、座面シートフレーム３１に一体的に固定されるようにしても良い。
【0024】
背面シートクッション４２は、発泡樹脂などの弾性材料により形成される。背面シートクッション４２は、背面シートフレーム４１に積層して取り付けられる。背面シートクッション４２のうち背面シートフレーム４１と反対側の面が、搭乗者の背部により圧力を受ける面となる。つまり、背面シートクッション４２のうち背面シートフレーム４１に対向する面が、背面シートクッション４２の反受圧面４２ｂとなる。
【0025】
背面シートクッション４２の表面には、背面表皮部材４３が被覆されている。背面表皮部材４３は、背面シートクッション４２の少なくとも受圧面４２ａを被覆する。背面表皮部材４３は、布、革などの材料により形成されている。
【0026】
ヘッドレスト２２ｃは、シート背面部２２ｂの上端に配置される。ヘッドレスト２２ｃは、クッション４５および表皮部材４６を備える。ここで、図２においては、第一座面シートクッション３２と背面シートクッション４２とを別体としたが、一体としても良い。また、背面シートクッション４２とヘッドレスト２２ｃとを別体としたが、一体としても良い。
【0027】
センサ１２は、第一座面シートクッション３２の収容凹部５０内に形成された第一押圧面５２ｂと、第二座面シートクッション３５の第二押圧面３５ａと、の間に配置される。第一押圧面５２ｂは、下方に突出する凸部５２ａに設けられている。ここで、搭乗者がシート本体２２に着座することにより、搭乗者の臀部から第一座面シートクッション３２の受圧面３２ａに圧力が付与され、当該圧力が第一座面シートクッション３２を介して第一座面シートクッション３２の第一押圧面５２ｂに伝達される。そして、第一座面シートクッション３２の第一押圧面５２ｂからセンサ１２が圧力を受ける。つまり、センサ１２は、搭乗者による着座状態において、第一座面シートクッション３２の受圧面３２ａから第一座面シートクッション３２を介して伝達される圧力に応じた物理量を検出する。
【0028】
ここで、センサ１２は、シート座面部２２ａに配置したが、シート背面部２２ｂに配置しても良い。この場合、センサ１２は、背面シートフレーム４１と背面シートクッション４２との間に配置される。そして、センサ１２は、搭乗者による着座状態において、背面シートクッション４２の受圧面３２ａから背面シートクッション４２を介して伝達される圧力に応じた物理量を検出する。
【0029】
センサ１２は、センサ１２を制御するための制御回路５５と接続されている。制御回路５５は、センサ１２の動作を制御するとともに、センサ１２が検出した物理量をセンサ１２から取得する。制御回路５５は、センサ１２から取得した物理量に基づいて、モビリティ利用者の生体信号ＢＳを検出する。制御回路５５は、生体信号ＢＳについて、増幅や、ノイズキャンセル等の加工を施しても良い。
【0030】
センサ１２と、制御回路５５と、により、モビリティ利用者の生体信号ＢＳをモニターするモニタリングシステム５６が（取得装置の一例）構成される。
【0031】
制御回路５５は、生体信号ＢＳをＥＣＵ５７（Ｅｌｅｃｔｒｏｎｉｃ Ｃｏｎｔｒｏｌ Ｕｎｉｔ）に送信する。ＥＣＵ５７は、推定部１３と、算出部１４と、を備える。
【0032】
推定部１３は、モニタリングシステム５６の制御回路５５から取得した生体信号ＢＳを取得する。生体信号ＢＳは、モビリティ利用者の心拍、体動、呼吸などの上位概念であり、また、心拍、体動、呼吸などの信号が混在したものも含む。脈拍は、動脈に生じる拍動を意味する。一方、心拍は、心臓が全身に血液を送り出す拍動を意味する。健常者であれば、通常、心拍と脈拍とは一致するので、以下、心拍と脈拍をまとめて、心拍に関する心拍信号ＨＳと呼称する。推定部１３は、生体信号ＢＳから、モビリティ利用者の心拍に関する心拍信号ＨＳを推定する。
【0033】
算出部１４は、０．００３３～０．０４Ｈｚの極低周波数成分に関するＶＬＦデータＶＤを算出する。上記したように、従来、医療機関では、人の健康状態を示す指標として、ＶＬＦが用いられていた。このＶＬＦは、人に装着された心電計によって測定された心電図から算出される。心電図から得られる心電図においては、心拍のピークが明瞭に現れるので、このピークからＶＬＦを算出することができる。
【0034】
しかしながら、本形態のセンサ１２は、シート２１に着座したモビリティ利用者の臀部の圧力を受けて、この圧力から生体信号ＢＳを検出し、この生体信号ＢＳから心拍信号ＨＳを推定する。このため、本形態の心拍信号ＨＳに基づいて得られた極低周波数成分に関するデータは、心電図から得られたＶＬＦとは、厳密には異なっている。そこで、以下においては、本形態の心拍信号ＨＳに基づいて得られた極低周波数成分に関するデータを、心電図から得られたＶＬＦと区別して、ＶＬＦデータＶＤと呼称する。
【0035】
図３に示すように、本形態に係るＶＬＦデータＶＤと、心電図から得られたＶＬＦとは、高い相関関係を有することが分かった。このように、シート２１に着座したモビリティ利用者から得られたＶＬＦデータＶＤを、モビリティ利用者の健康状態の変化を推定するために用いることできる。
【0036】
算出部１４は、ＶＬＦデータＶＤをユーザーインターフェース１８に送信する。ユーザーインターフェース１８としては、カーナビゲーションシステム、スマートフォン、タブレット端末、スマートウォッチ等が例示される。本形態では、モビリティ１１に取付けられたカーナビゲーションシステムが採用される。
【0037】
ユーザーインターフェース１８は、モビリティ利用者に特定のサービスを提供するための画面表示装置およびスピーカの、双方または一方を備える。ユーザーインターフェース１８は、画像または音声によって、モビリティ利用者に特定のサービスを提供する。
【0038】
ユーザーインターフェース１８は、図示しない通信装置を備えており、この通信装置によってインターネット等のネットワーク５８と接続されている。ユーザーインターフェース１８は、ネットワーク５８を介してクラウド５９とデータの送信および受信を行う。
【0039】
クラウド５９は、今回ＶＬＦデータ取得部１５と、過去ＶＬＦデータ取得部１６と、状態推定部１７と、記憶部６０と、を備える。
【0040】
今回ＶＬＦデータ取得部１５は、ユーザーインターフェース１８からネットワーク５８を介して今回ＶＬＦデータＶＤＡを取得する。今回ＶＬＦデータＶＤＡは、モビリティ利用者がモビリティ１１に現在搭乗中である場合には現在搭乗時の今回におけるモビリティ利用者のＶＬＦデータＶＤであり、現在非搭乗時である場合には直近搭乗時を含むモビリティ利用者のＶＬＦデータＶＤである。
【0041】
モビリティ利用者がモビリティ１１に現在搭乗中である場合には、現在の搭乗の少なくとも一部を含む期間におけるＶＬＦデータＶＤの統計代表値が、今回ＶＬＦデータＶＤＡとされる。また、モビリティ利用者がモビリティ１１に現在非搭乗中である場合には、直近搭乗時の少なくとも一部を含む期間におけるＶＬＦデータＶＤの統計代表値が、今回ＶＬＦデータＶＤＡとされる。
【0042】
ユーザーインターフェース１８からネットワーク５８を介してクラウド５９に送信されたＶＬＦデータＶＤは、今回ＶＬＦデータ取得部１５に取得されるとともに、順次、記憶部６０に過去ＶＬＦデータＶＤＢとして格納される。
【0043】
過去ＶＬＦデータ取得部１６は、記憶部６０に格納された過去ＶＬＦデータＶＤＢを取得する。過去ＶＬＦデータＶＤＢは、過去の特定期間におけるＶＬＦデータＶＤの統計代表値である。統計代表値は、計数的代表値または位置的代表値を含む。
【0044】
統計代表値とは、統計データを求める際、度数分布の中心的傾向を数値で要約的に示す特性値である。統計代表値は、一組のデータに含まれる情報を１つの数値で代表するもので、計数的代表値と、位置的代表値の２種類がある。
【0045】
計数的代表値は、数学的代表値とも言い、算術平均、幾何平均、調和平均、平方平均などに分類される。算術平均は相加平均とも言い、データの総和をデータの個数で割った値である。幾何平均は、相乗平均とも言い、個々のデータの相乗積のＮ乗根である。調和平均は、各データの逆数の算術平均の逆数をいう。データを二乗した値の算術平均の平方根である。
【0046】
位置的代表値は、中央値、最頻値、分位数などに細分される。これらは、度数分布中の特定位置を占める１つまたは少数のデータを全データの代表値とみなすものである。中央値は、測定値を小さい順に並べたとき、ちょうど真ん中に位置する値である。最頻値は、一組のデータの中で最も多く存在する値、最も頻繁に現れる値をいう。分位数は、中位数と同じ発想から、四分位数、五分位数、十分位数、百分位数など各点でわけたものをいう。例えば、四分位数とは、昇順に配列された全データ列の、１／４、２／４、３／４に位置するデータの値を、それぞれ、第１四分位数、第２四分位数、第３四分位数と呼ぶ。
【0047】
状態推定部１７は、今回ＶＬＦデータＶＤＡと過去ＶＬＦデータＶＤＢとの違いに基づいて、モビリティ利用者の健康状態の変化を推定する。
【0048】
記憶部６０は、ユーザーインターフェース１８からネットワーク５８を介して送信された過去ＶＬＦデータＶＤＢを格納する。また、記憶部６０は、閾値ＴＶＡと、同時間帯閾値ＴＶＢと、期間閾値ＴＶＣと、を格納する。
【0049】
２．ＶＬＦデータＶＤについて
２－１．統計代表値について
次に、図４を参照して、ＶＬＦデータＶＤについて説明する。モビリティ１１にモビリティ搭乗者が搭乗し、シート２１に座ると、モニタリングシステム５６（センサ１２および制御回路５５）は、モビリティ搭乗者の生体信号ＢＳを取得する。生体信号ＢＳに基づいて、推定部１３は心拍信号ＨＳを推定し、算出部１４はＶＬＦデータＶＤを算出する。ＶＬＦデータＶＤは、所定の期間内における極低周波数成分に関する統計代表値として算出される。本件においては、ＶＬＦデータＶＤは、所定の期間内における極低周波数成分に関するデータの時間の算術平均値として算出される。
２－１．統計代表値について
次に、図４を参照して、ＶＬＦデータＶＤについて説明する。モビリティ１１にモビリティ搭乗者が搭乗し、シート２１に座ると、モニタリングシステム５６（センサ１２および制御回路５５）は、モビリティ搭乗者の生体信号ＢＳを取得する。生体信号ＢＳに基づいて、推定部１３は心拍信号ＨＳを推定し、算出部１４はＶＬＦデータＶＤを算出する。ＶＬＦデータＶＤは、所定の期間内における極低周波数成分に関する統計代表値として算出される。本件においては、ＶＬＦデータＶＤは、所定の期間内における極低周波数成分に関するデータの時間の算術平均値として算出される。
【0050】
図４（ａ）は、２日間にわたってモビリティ利用者のＶＬＦデータＶＤを測定した結果を示す。縦軸はＶＬＦデータＶＤの強度を示す。ＶＬＦデータＶＤが大きいほど、モビリティ利用者の健康状態は良好な状態であると判断できる。一方、ＶＬＦデータＶＤが小さくなると、モビリティ利用者の健康状態は良好ではないと判断できる。横軸は、経過時間を示す。
【0051】
図４（ａ）に示された各棒グラフの幅は、代表値としてのＶＬＦデータＶＤを算出するための最短期間を示す。この最短期間は、数分から数１０分の範囲で任意に設定可能である。
【0052】
図４（ａ）において、符号「ｐ」が付された４つの棒グラフは、測定１日目の午前に、モビリティ利用者がモビリティ１１に搭乗したときにおけるＶＬＦデータＶＤである。このとき、モビリティ利用者は、最短期間４個分の時間だけ、モビリティ１１に搭乗した。
【0053】
符号「ｑ」が付された２つの棒グラフは、測定１日目の午後に、モビリティ利用者がモビリティ１１に搭乗したときにおけるＶＬＦデータＶＤである。このとき、モビリティ利用者は、最短期間２個分の時間だけ、モビリティ１１に搭乗した。
【0054】
符号「ｒ」が付された４つの棒グラフは、測定２日目の午前に、モビリティ利用者がモビリティ１１に搭乗したときにおけるＶＬＦデータＶＤである。このとき、モビリティ利用者は、最短期間４個分の時間だけ、モビリティ１１に搭乗した。
【0055】
符号「ｒ」が付された２日目のＶＬＦデータＶＤが測定された時間帯は、符号「ｐ」が付された１日目のＶＬＦデータＶＤが測定された時間帯とほぼ同じである。換言すると、符号「ｒ」が付された２日目のＶＬＦデータＶＤが測定された時間帯は、符号「ｐ」が付された１日目のＶＬＦデータＶＤが測定された時刻と同一時刻を含む。
【0056】
符号「ｓ」が付された２つの棒グラフは、測定２日目の午後に、モビリティ利用者がモビリティ１１に搭乗したときにおけるＶＬＦデータＶＤである。このとき、モビリティ利用者は、最短期間３個分の時間だけ、モビリティ１１に搭乗した。
【0057】
符号「ｓ」が付された２日目のＶＬＦデータＶＤが測定された時間帯は、符号「ｑ」が付された１日目のＶＬＦデータＶＤが測定された時間帯とほぼ同じである。換言すると、符号「ｓ」が付された２日目のＶＬＦデータＶＤが測定された時間帯は、符号「ｑ」が付された１日目のＶＬＦデータＶＤが測定された時刻と同一時刻を含む。
【0058】
図４（ｂ）においては、１つの棒グラフは、１日間のＶＬＦデータＶＤの平均値である。図４（ｂ）における最も左に位置する棒グラフは、図４（ａ）の１日目のＶＬＦデータＶＤの日平均である。図４（ｂ）における左から２番目の棒グラフは、図４（ａ）の２日目のＶＬＦデータＶＤの日平均である。以下、図４（ｂ）においては、左から順に、３日目、４日目のＶＬＦの日平均が記載されている。図４（ｂ）において、破線は、１週間の区分を示す。図４（ｂ）には、モビリティ利用者の健康状態を測定し始めてから７週目までのＶＬＦデータＶＤの変化が示されている。
【0059】
図４（ｃ）においては、１つの棒グラフは、一週間のＶＬＦデータＶＤの平均値である。図４（ｃ）における最も左に位置する棒グラフは、図４（ｂ）の１週目のＶＬＦデータＶＤの週平均である。図４（ｃ）における左から２番目の棒グラフは、図４（ｂ）の２週目のＶＬＦデータＶＤの週平均である。以下、図４（ｃ）においては、左から順に、３週目、４週目のＶＬＦの日平均が記載されている。図４（ｃ）には、モビリティ利用者の健康状態を測定し始めてから１１月目までのＶＬＦデータＶＤの変化が示されている。なお、週の区分と、月の区分とは必ずしも一致しないので、図４（ｃ）には、月の区分は示していない。
【0060】
図４（ｄ）においては、１つの棒グラフは、一か月間のＶＬＦデータＶＤの平均値である。図４（ｄ）における最も左に位置する棒グラフは、図４（ｃ）の１月目のＶＬＦデータＶＤの月平均である。図４（ｄ）における左から２番目の棒グラフは、図４（ｃ）の２月目のＶＬＦデータＶＤの月平均である。以下、図４（ｄ）においては、左から順に、３月目、４月目のＶＬＦの月平均が記載されている。図４（ｄ）において、破線は、１年目と２年目の区分を示す。図４（ｄ）には、モビリティ利用者の健康状態を測定し始めてから２年目までのＶＬＦデータＶＤの変化が示されている。
【0061】
２－２．相対比較について
図４（ａ）に示すように、本形態においては、モビリティ利用者がモビリティ１１に搭乗したときに、ＶＬＦデータＶＤを取得する構成となっている。これにより、日常生活の中で、比較的に類似した条件下で、ＶＬＦデータＶＤが取得される。このように比較的に類似した条件下で取得された複数のＶＬＦデータＶＤ同士を相対比較することにより、モビリティ搭乗者の健康状態の変化を推定することができる。
図４（ａ）に示すように、本形態においては、モビリティ利用者がモビリティ１１に搭乗したときに、ＶＬＦデータＶＤを取得する構成となっている。これにより、日常生活の中で、比較的に類似した条件下で、ＶＬＦデータＶＤが取得される。このように比較的に類似した条件下で取得された複数のＶＬＦデータＶＤ同士を相対比較することにより、モビリティ搭乗者の健康状態の変化を推定することができる。
【0062】
例えば、図４（ｃ）において、符号「ｘ」、「ｙ」および「ｚ」を付した棒グラフについて検討する。上記したように図４（ｃ）には、週平均のＶＬＦデータＶＤが記載されている。符号「ｘ」が付されたｘ週目のＶＬＦデータＶＤと、符号「ｙ」が付されたｙ週目のＶＬＦデータＶＤとを比較すると、ｘ週目のＶＬＦデータＶＤに比べて、ｙ週目のＶＬＦデータＶＤは大きくなっている。これにより、モビリティ利用者の健康状態は、ｘ週目に比べてｙ週目の方が良い方向に変化したと推定される。一方、ｙ週目のＶＬＦデータＶＤに比べて、ｚ週目のＶＬＦデータＶＤは小さくなっている。これにより、モビリティ利用者の健康状態は、ｙ週目に比べて、ｚ週目の方が良くない方向に変化したと推定される。
【0063】
３．実施形態の動作
３－１．メインルーチン
次に、図５を参照して、本形態の健康情報サービス提供装置１０の動作について説明する。図５に、本形態の健康情報サービス提供装置１０の動作のフローチャートを示す。健康情報サービス提供装置１０が起動すると、生体信号取得処理Ｓ１が実行される。生体信号取得処理Ｓ１においては、モニタリングシステム５６（センサ１２および制御回路５５）が、モビリティ１１のシート２１に座ったモビリティ利用者から生体信号ＢＳを取得する。生体信号ＢＳは制御回路５５に伝達される。
３－１．メインルーチン
次に、図５を参照して、本形態の健康情報サービス提供装置１０の動作について説明する。図５に、本形態の健康情報サービス提供装置１０の動作のフローチャートを示す。健康情報サービス提供装置１０が起動すると、生体信号取得処理Ｓ１が実行される。生体信号取得処理Ｓ１においては、モニタリングシステム５６（センサ１２および制御回路５５）が、モビリティ１１のシート２１に座ったモビリティ利用者から生体信号ＢＳを取得する。生体信号ＢＳは制御回路５５に伝達される。
【0064】
次に、心拍信号推定処理Ｓ２が実行される。心拍信号推定処理Ｓ２においては、推定部１３が、モニタリングシステム５６から取得した生体信号ＢＳに基づいて、モビリティ利用者の心拍に関する心拍信号ＨＳを推定する。
【0065】
次に、ＶＬＦデータ算出処理Ｓ３が実行される。ＶＬＦデータ算出処理Ｓ３においては、算出部１４が、推定部１３から取得した心拍信号ＨＳに基づいて、ＶＬＦデータＶＤを算出する。算出されたＶＬＦデータＶＤは、ユーザーインターフェース１８からネットワーク５８を介してクラウド５９に送信される。
【0066】
次に、状態推定処理Ｓ４が実行される。状態推定処理Ｓ４においては、状態推定部１７が、今回ＶＬＦデータＶＤＡと、過去ＶＬＦデータＶＤＢとの違いに基づいて、モビリティ利用者の健康状態の変化を推定する。
【0067】
次に、サービス提供処理Ｓ５が実行される。サービス提供処理Ｓ５においては、サービス提供部が、状態推定部１７から取得したモビリティ利用者の健康状態の変化に関する情報に基づいて、モビリティ利用者に特定のサービスを提供する。
【0068】
サービス提供処理Ｓ５が終了すると、健康情報サービス提供装置１０の動作は終了する。
【0069】
３－２．状態推定処理
次に、図６～図１０を参照して、状態推定処理Ｓ４について説明する。本形態においては、図６～図１０に示すように、状態推定処理Ｓ４は、状態推定処理１（Ｓ１０）～状態推定処理５（Ｓ５０）の５つの処理を含む。状態推定処理１（Ｓ１０）～状態推定処理５（Ｓ５０）は、すべて実行されても良いし、また、状態推定処理１（Ｓ１０）～状態推定処理５（Ｓ５０）から選択された１つまたは複数が実行されても良い。状態推定処理１（Ｓ１０）～状態推定処理５（Ｓ５０）から選択される場合は、モビリティ利用者が、５つの処理の中から１つまたは複数を選択しても良いし、また、健康情報サービス提供装置１０の仕様または仕向け地等によって、予め選択される構成としてもよい。以下に、状態推定処理１（Ｓ１０）～状態推定処理５（Ｓ５０）について説明する。ただし、状態推定処理Ｓ４は、１つ～４つ、または６つ以上の状態推定処理を含む構成としても良い。
次に、図６～図１０を参照して、状態推定処理Ｓ４について説明する。本形態においては、図６～図１０に示すように、状態推定処理Ｓ４は、状態推定処理１（Ｓ１０）～状態推定処理５（Ｓ５０）の５つの処理を含む。状態推定処理１（Ｓ１０）～状態推定処理５（Ｓ５０）は、すべて実行されても良いし、また、状態推定処理１（Ｓ１０）～状態推定処理５（Ｓ５０）から選択された１つまたは複数が実行されても良い。状態推定処理１（Ｓ１０）～状態推定処理５（Ｓ５０）から選択される場合は、モビリティ利用者が、５つの処理の中から１つまたは複数を選択しても良いし、また、健康情報サービス提供装置１０の仕様または仕向け地等によって、予め選択される構成としてもよい。以下に、状態推定処理１（Ｓ１０）～状態推定処理５（Ｓ５０）について説明する。ただし、状態推定処理Ｓ４は、１つ～４つ、または６つ以上の状態推定処理を含む構成としても良い。
【0070】
（１）状態推定処理１
図６に、状態推定処理１（Ｓ１０）のフローチャートを示す。本形態の状態推定処理１は、後に詳述するように、第一過去差分値ΔＤＶＡを、閾値ＴＶＡを用いて判断し、第二過去差分値ΔＤＶＢも閾値ＴＶＡを用いて判断する。
図６に、状態推定処理１（Ｓ１０）のフローチャートを示す。本形態の状態推定処理１は、後に詳述するように、第一過去差分値ΔＤＶＡを、閾値ＴＶＡを用いて判断し、第二過去差分値ΔＤＶＢも閾値ＴＶＡを用いて判断する。
【0071】
状態推定処理１（Ｓ１０）が実行されると、今回ＶＬＦデータ取得部１５は、今回ＶＬＦデータＶＤＡを取得する（Ｓ１１）。
【0072】
次に、過去ＶＬＦデータ取得部１６は、第一過去ＶＬＦデータＶＤＦを記憶部６０から取得する。第一過去ＶＬＦデータＶＤＦは、今回ＶＬＦデータＶＤＡが取得された特定期間よりも１回以上前の特定期間におけるＶＬＦデータＶＤの統計代表値である。統計代表値としては、１回の搭乗時におけるＶＬＦデータＶＤの算術平均値、ＶＬＦデータＶＤの日平均値、ＶＬＦデータＶＤの週平均値、ＶＬＦデータＶＤの月平均値等、任意の統計代表値を適宜に選択できる。
【0073】
次に、過去ＶＬＦデータ取得部１６は、第二過去ＶＬＦデータＶＤＧを記憶部６０から取得する。第二過去ＶＬＦデータＶＤＧは、第一過去ＶＬＦデータＶＤＦが取得された期間よりも１回以上前の特定期間におけるＶＬＦデータＶＤの統計代表値である。第一過去ＶＬＦデータＶＤＦと同様に、統計代表値としては、１回の搭乗時におけるＶＬＦデータＶＤの算術平均値、ＶＬＦデータＶＤの日平均値、ＶＬＦデータＶＤの週平均値、ＶＬＦデータＶＤの月平均値等、任意の統計代表値を適宜に選択できる。本形態においては、第一過去ＶＬＦデータＶＤＦの期間と、第二過去ＶＬＦデータＶＤＧの期間とは同じに設定される。例えば、第一過去ＶＬＦデータＶＤＦが日平均値であれば第二過去ＶＬＦデータＶＤＧも日平均値とされる。
【0074】
次に、状態推定部１７は、第一過去ＶＬＦデータＶＤＦから今回ＶＬＦデータＶＤＡを減じた第一過去差分値ΔＤＶＡを算出する（Ｓ１４）。つまり、状態推定部１７は、現在のモビリティ利用者の健康状態が、過去の健康状態と比べてどのように変化したかを調べる。続いて、状態推定部１７は、第一過去差分値ΔＤＶＡが、記憶部６０に格納された閾値ＴＶＡ以上であるかを判断する（Ｓ１５）。ただし、閾値ＴＶＡは第一比較基準の一例である。
【0075】
第一過去差分値ΔＤＶＡが閾値ＴＶＡ以上である場合（Ｓ１５：Ｙ）、現在のモビリティ利用者の健康状態に係るＶＬＦデータＶＤが、過去の健康状態に係るＶＬＦデータＶＤと比べて減少したことを意味する。従って、状態推定部１７は、モビリティ利用者の健康状態が良くない方向に変化したと判断する（Ｓ１６）。これにより状態推定処理１（Ｓ１０）は終了する。
【0076】
一方、第一過去差分値ΔＤＶＡが閾値ＴＶＡよりも小さい場合（Ｓ１５：Ｎ）、状態推定部１７は、第二過去ＶＬＦデータＶＤＧから今回ＶＬＦデータＶＤＡを減じた第二過去差分値ΔＤＶＢを算出する（Ｓ１７）。つまり、状態推定部１７は、現在のモビリティ利用者の健康状態が、第一過去ＶＬＦデータＶＤＦが測定された期間よりもさらに過去の健康状態と比べてどのように変化したかを調べる。続いて、状態推定部１７は、第二過去差分値ΔＤＶＢが、記憶部６０に格納された閾値ＴＶＡ以上であるかを判断する（Ｓ１８）。ただし、閾値ＴＶＡは第二比較基準の一例である。
【0077】
第二過去差分値ΔＤＶＢが閾値ＴＶＡ以上である場合（Ｓ１８：Ｙ）、現在のモビリティ利用者の健康状態に係るＶＬＦデータＶＤが、第一過去ＶＬＦデータＶＤＦが測定された期間よりもさらに過去の健康状態に係るＶＬＦデータＶＤと比べて減少したことを意味する。従って、状態推定部１７は、モビリティ利用者の健康状態が良くない方向に変化したと判断する（Ｓ１６）。これにより状態推定処理１（Ｓ１０）は終了する。
【0078】
第二過去差分値ΔＤＶＢが閾値ＴＶＡよりも小さい場合（Ｓ１８：Ｎ）、状態推定処理１（Ｓ１０）は終了する。
【0079】
（２）状態推定処理２
図７に、状態推定処理２（Ｓ２０）のフローチャートを示す。本形態の状態推定処理２（Ｓ２０）は、後に詳述するように、１回の搭乗分における今回ＶＬＦデータＶＤＡと、過去の複数回の搭乗分における過去ＶＬＦデータＶＤＢと、を比較する形態である。状態推定処理２（Ｓ２０）が実行されると、今回ＶＬＦデータ取得部１５は、現在搭乗時または直近搭乗時である１回の搭乗分における今回ＶＬＦデータＶＤＡを取得する（Ｓ２１）。
図７に、状態推定処理２（Ｓ２０）のフローチャートを示す。本形態の状態推定処理２（Ｓ２０）は、後に詳述するように、１回の搭乗分における今回ＶＬＦデータＶＤＡと、過去の複数回の搭乗分における過去ＶＬＦデータＶＤＢと、を比較する形態である。状態推定処理２（Ｓ２０）が実行されると、今回ＶＬＦデータ取得部１５は、現在搭乗時または直近搭乗時である１回の搭乗分における今回ＶＬＦデータＶＤＡを取得する（Ｓ２１）。
【0080】
次に、過去ＶＬＦデータ取得部１６は、過去の所定期間における複数回の搭乗分におけるＶＬＦデータＶＤの統計代表値である過去ＶＬＦデータＶＤＢを、記憶部６０から取得する。統計代表値としては、複数回の搭乗時におけるＶＬＦデータＶＤの算術平均値、ＶＬＦデータＶＤの日平均値、ＶＬＦデータＶＤの週平均値、ＶＬＦデータＶＤの月平均値等、複数回の搭乗分における統計代表値を適宜に選択できる。
【0081】
次に、状態推定部１７は、過去ＶＬＦデータＶＤＢから今回ＶＬＦデータＶＤＡを減じた差分値ΔＤＶＣを算出する（Ｓ２３）。つまり、状態推定部１７は、現在のモビリティ利用者の健康状態が、過去の複数回のモビリティ１１搭乗時における健康状態と比べてどのように変化したかを調べる。続いて、状態推定部１７は、差分値ΔＤＶＣが、記憶部６０に格納された閾値ＴＶＡ以上であるかを判断する（Ｓ２４）。
【0082】
差分値ΔＤＶＣが閾値ＴＶＡ以上である場合（Ｓ２４：Ｙ）、モビリティ利用者の健康状態に係る今回ＶＬＦデータＶＤＡが、過去の複数回のモビリティ１１搭乗時における健康状態に係る過去ＶＬＦデータＶＤＢから減少したことを意味する。従って、状態推定部１７は、モビリティ利用者の健康状態が良くない方向に変化したと判断する（Ｓ２５）。これにより状態推定処理２（Ｓ２０）は終了する。
【0083】
一方、差分値ΔＤＶＣが閾値ＴＶＡよりも小さい場合（Ｓ２４：Ｎ）、状態推定処理２（Ｓ２０）は終了する。
【0084】
（３）状態推定処理３
図８に、状態推定処理３（Ｓ３０）のフローチャートを示す。本形態の状態推定処理３（Ｓ３０）は、後に詳述するように、今回ＶＬＦデータＶＤＡと、今回ＶＬＦデータＶＤＡが測定された時刻と同一時刻を含む過去ＶＬＦデータＶＤＢとを、比較する形態である。状態推定処理３（Ｓ３０）が実行されると、今回ＶＬＦデータ取得部１５は、現在搭乗時または直近搭乗時におけるＶＬＦデータＶＤである今回ＶＬＦデータＶＤＡを取得する（Ｓ３１）。
図８に、状態推定処理３（Ｓ３０）のフローチャートを示す。本形態の状態推定処理３（Ｓ３０）は、後に詳述するように、今回ＶＬＦデータＶＤＡと、今回ＶＬＦデータＶＤＡが測定された時刻と同一時刻を含む過去ＶＬＦデータＶＤＢとを、比較する形態である。状態推定処理３（Ｓ３０）が実行されると、今回ＶＬＦデータ取得部１５は、現在搭乗時または直近搭乗時におけるＶＬＦデータＶＤである今回ＶＬＦデータＶＤＡを取得する（Ｓ３１）。
【0085】
次に、過去ＶＬＦデータ取得部１６は、今回ＶＬＦデータＶＤＡが測定された時刻と同一時刻を含む過去の搭乗時におけるＶＬＦデータＶＤの統計代表値である過去ＶＬＦデータＶＤＢを取得する（Ｓ３２）。
【0086】
次に、状態推定部１７は、過去ＶＬＦデータＶＤＢから今回ＶＬＦデータＶＤＡを減じた同時間帯差分値ΔＤＶＤを算出する（Ｓ３３）。つまり、状態推定部１７は、現在のモビリティ利用者の健康状態が、同時間帯の搭乗時における過去のモビリティ利用者の健康状態と比べてどのように変化したかを調べる。続いて、状態推定部１７は、同時間帯差分値ΔＤＶＤが、記憶部６０に格納された同時間帯閾値ＴＶＢ以上であるかを判断する（Ｓ３４）。
【0087】
同時間帯差分値ΔＤＶＤが同時間帯閾値ＴＶＢ以上である場合（Ｓ３４：Ｙ）、モビリティ利用者の健康状態に係る今回ＶＬＦデータＶＤＡが、同時間帯のモビリティ１１搭乗時における過去の健康状態に係る過去ＶＬＦデータＶＤＢから減少したことを意味する。従って、状態推定部１７は、モビリティ利用者の健康状態が良くない方向に変化したと判断する（Ｓ３５）。これにより状態推定処理３（Ｓ３０）は終了する。
【0088】
一方、同時間帯差分値ΔＤＶＤが同時間帯閾値ＴＶＢよりも小さい場合（Ｓ３４：Ｎ）、状態推定処理３（Ｓ３０）は終了する。
【0089】
（４）状態推定処理４
図９に、状態推定処理４（Ｓ４０）のフローチャートを示す。本形態の状態推定処理４（Ｓ４０）は、モビリティ利用者のモビリティ１１への搭乗時を含む所定の比較期間における、今回ＶＬＦデータＶＤＡと、過去ＶＬＦデータＶＤＢと、を比較する形態である。状態推定処理４（Ｓ４０）が実行されると、今回ＶＬＦデータ取得部１５は、現在搭乗時または直近搭乗時を含む所定の比較期間におけるＶＬＦデータＶＤの統計代表値である今回ＶＬＦデータＶＤＡを取得する（Ｓ４１）。比較期間は、例えば、１回または２回以上の任意の搭乗回数、１日間、１週間、１か月等、任意の期間を適宜に選択できる。
図９に、状態推定処理４（Ｓ４０）のフローチャートを示す。本形態の状態推定処理４（Ｓ４０）は、モビリティ利用者のモビリティ１１への搭乗時を含む所定の比較期間における、今回ＶＬＦデータＶＤＡと、過去ＶＬＦデータＶＤＢと、を比較する形態である。状態推定処理４（Ｓ４０）が実行されると、今回ＶＬＦデータ取得部１５は、現在搭乗時または直近搭乗時を含む所定の比較期間におけるＶＬＦデータＶＤの統計代表値である今回ＶＬＦデータＶＤＡを取得する（Ｓ４１）。比較期間は、例えば、１回または２回以上の任意の搭乗回数、１日間、１週間、１か月等、任意の期間を適宜に選択できる。
【0090】
次に、過去ＶＬＦデータ取得部１６は、現在搭乗時または直近搭乗時よりも前の比較期間におけるＶＬＦデータＶＤ取得時の統計代表値である過去ＶＬＦデータＶＤＢを取得する。過去ＶＬＦデータＶＤＢに係る比較期間は、今回ＶＬＦデータＶＤＡに係る比較期間と同じであっても良いし、異なっていても良い。
【0091】
次に、状態推定部１７は、過去ＶＬＦデータＶＤＢから今回ＶＬＦデータＶＤＡを減じた期間差分値ΔＤＶＥを算出する（Ｓ４３）。つまり、状態推定部１７は、現在のモビリティ利用者の比較期間内における健康状態が、過去の比較期間内におけるモビリティ利用者の健康状態と比べてどのように変化したかを調べる。続いて、状態推定部１７は、期間差分値ΔＤＶＥが、記憶部６０に格納された期間閾値ＴＶＣ以上であるかを判断する（Ｓ４４）。
【0092】
期間差分値ΔＤＶＥが期間閾値ＴＶＣ以上である場合（Ｓ４４：Ｙ）、比較期間内におけるモビリティ利用者の健康状態に係る今回ＶＬＦデータＶＤＡが、過去の比較期間内におけるモビリティ利用者の健康状態に係る過去ＶＬＦデータＶＤＢから減少したことを意味する。従って、状態推定部１７は、モビリティ利用者の健康状態が良くない方向に変化したと判断する（Ｓ４５）。これにより状態推定処理４（Ｓ４０）は終了する。
【0093】
一方、期間差分値ΔＤＶＥが同時間帯閾値ＴＶＢよりも小さい場合（Ｓ４４：Ｎ）、状態推定処理４（Ｓ４０）は終了する。
【0094】
（５）状態推定処理５
図１０に、状態推定処理５（Ｓ５０）のフローチャートを示す。本形態の状態推定処理５（Ｓ５０）は、後に詳述するが、過去の搭乗時から今回の搭乗時に至るＶＬＦデータＶＤの傾向から、モビリティ利用者の健康状態の変化を推定する形態である。状態推定処理５（Ｓ５０）が実行されると、今回ＶＬＦデータ取得部１５は、今回ＶＬＦデータＶＤＡを取得する（Ｓ５１）。
図１０に、状態推定処理５（Ｓ５０）のフローチャートを示す。本形態の状態推定処理５（Ｓ５０）は、後に詳述するが、過去の搭乗時から今回の搭乗時に至るＶＬＦデータＶＤの傾向から、モビリティ利用者の健康状態の変化を推定する形態である。状態推定処理５（Ｓ５０）が実行されると、今回ＶＬＦデータ取得部１５は、今回ＶＬＦデータＶＤＡを取得する（Ｓ５１）。
【0095】
次に、過去ＶＬＦデータ取得部１６は、複数の過去ＶＬＦデータＶＤＢを取得する（Ｓ５２）。複数の過去ＶＬＦデータＶＤＢは、時間の経過の観点から、連続的であってもよいし、離散的であっても良い。
【0096】
連続的な例としては、例えば、今回ＶＬＦデータＶＤＡが取得された日から遡って連続した１週間の過去ＶＬＦデータＶＤＢとしてよいし、今回ＶＬＦデータＶＤＡが取得された日から遡って１か月間の過去ＶＬＦデータＶＤＢとしても良く、取得される過去ＶＬＦデータＶＤＢの期間は任意である。
【0097】
離散的な例としては、例えば、今回ＶＬＦデータＶＤＡが取得された日の曜日と同じ曜日に取得された複数の過去ＶＬＦデータＶＤＢとしても良い。例えば、毎週月曜日における今回ＶＬＦデータＶＤＡと過去ＶＬＦデータＶＤＢとを比較してもよい。また、毎月１日目における今回ＶＬＦデータＶＤＡと過去ＶＬＦデータＶＤＢとを比較しても良い。取得される過去ＶＬＦデータＶＤＢの時間間隔は任意である。
【0098】
次に、状態推定部１７は、複数の過去ＶＬＦデータＶＤＢと、今回ＶＬＦデータＶＤＡと、を組み合わせて傾向データＴＤを作成する（Ｓ５３）。傾向データＴＤは、過去から今回に至るＶＬＦデータＶＤが１つにまとめられたデータであって、過去から今回に至るＶＬＦデータＶＤの傾向を判断することが可能になっている。
【0099】
次に、状態推定部１７は、傾向データＴＤについて、今回ＶＬＦデータＶＤＡが取得されたときの直近の過去の傾向データＴＤが、減少傾向であるかについて判断する（Ｓ５４）。
【0100】
傾向データＴＤとして、例えば、複数の過去ＶＬＦデータＶＤＢが、今回ＶＬＦデータＶＤＡに至るまで単調に減少している状態が挙げられる。この場合、今回ＶＬＦデータＶＤＡが取得されたときの直近の過去の傾向データＴＤは、減少傾向にある。従って状態推定部１７は、今回ＶＬＦデータＶＤＡが取得されたときの直近の過去の傾向データＴＤが、減少傾向であると判断する（Ｓ５４：Ｙ）。
【0101】
また、傾向データＴＤとして、例えば、複数の過去ＶＬＦデータＶＤＢが、今回ＶＬＦデータＶＤＡに至るまで、減少と増加をサイクル状に繰り返している状態が挙げられる。この場合において、今回ＶＬＦデータＶＤＡが取得されたときの直近の過去の傾向データＴＤは、減少傾向にあるか、増加傾向にあるか、のいずれかである。状態推定部１７は、今回ＶＬＦデータＶＤＡが取得されたときの直近の過去の傾向データＴＤが、減少傾向にあるときには、当該傾向データＴＤが減少傾向にあると判断する（Ｓ５４：Ｙ）。
【0102】
傾向データＴＤが減少傾向にある（Ｓ５４：Ｙ）、全体として、モビリティ利用者の健康状態に係るＶＬＦデータＶＤが減少傾向にあると判断できる。従って、状態推定部１７は、モビリティ利用者の健康状態が良くない方向に変化したと判断する（Ｓ５５。これにより状態推定処理５（Ｓ５０）は終了する。
【0103】
一方、傾向データＴＤが減少傾向にない場合（Ｓ５４：Ｎ）、状態推定処理５（Ｓ５０）は終了する。
【0104】
なお、上記のＶＬＦデータＶＤの傾向としては、複数の過去ＶＬＦデータＶＤＢが、今回ＶＬＦデータＶＤＡに至るまで単調に減少している状態、および、複数の過去ＶＬＦデータＶＤＢが、今回ＶＬＦデータＶＤＡに至るまで、減少と増加をサイクル状に繰り返している状態の双方または一方を含む。
【0105】
３－３．サービス提供処理Ｓ５
モビリティ利用者の健康状態が良くない方向に変化したとき、ユーザーインターフェース１８は、モビリティ利用者に特定のサービスを提供する。
モビリティ利用者の健康状態が良くない方向に変化したとき、ユーザーインターフェース１８は、モビリティ利用者に特定のサービスを提供する。
【0106】
特定のサービスとしては、特に限定されず、例えば、以下のようなサービスを提供できる。サービス提供部は、例えば、モビリティ利用者に、健康状態が良くない方向に変化したことを端的に伝えるメッセージを音声で伝えたり、画面に表示したりしてもよい。メッセージは特に限定されず、例えば、「最近、お疲れ気味ですね。」、「休憩してはいかがですか？」等、任意のメッセージを採用できる。
【0107】
また、ユーザーインターフェース１８は、モビリティ利用者に、健康状態が良くなる方向に向けて提案するメッセージを音声で伝えたり、画面に表示したりしても良い。メッセージは特に限定されず、例えば、「スポーツをされてはいかがですか？」、「旅行に出かけられてはいかがですか？」等、任意のメッセージを採用できる。
【0108】
また、ユーザーインターフェース１８は、モビリティ利用者に、健康状態の回復が期待できる施設と、施設までの道のりを伝達しても良い。サービス提供部は、モビリティ利用者の嗜好に応じて、例えば、スポーツ施設、温泉、レジャーランド、観光地、美術館等について、施設の概要、営業時間、道のり、料金等の情報をモビリティ利用者に、提供しても良い。
【0109】
本形態によれば、モビリティ１１に搭乗したモビリティ利用者から得られたＶＬＦデータＶＤに基づいて、今回の搭乗時の今回ＶＬＦデータＶＤＡと、過去の搭乗時の過去ＶＬＦデータＶＤＢと、を相対的に比較することにより、モビリティ利用者の健康状態の変化を推定することができる。このようにして推定された健康状態の変化に基づき、モビリティ利用者に、健康状態に関するサービスを提供することができる。
【0110】
（実施形態２）
次に、図１１～図１３を参照して、実施形態２について説明する。なお、実施形態２以降において用いた符号のうち、既出の実施形態において用いた符号と同一のものは、特に示さない限り、既出の実施形態におけるものと同様の構成要素等を表す。
次に、図１１～図１３を参照して、実施形態２について説明する。なお、実施形態２以降において用いた符号のうち、既出の実施形態において用いた符号と同一のものは、特に示さない限り、既出の実施形態におけるものと同様の構成要素等を表す。
【0111】
図１１に示すように、本形態の健康情報サービス提供装置１０は、記憶部６０が、特定閾値ＴＶＤを格納する点と、閾値ＴＶＡが、通常閾値ＴＶＥおよび警戒閾値ＴＶＦを含む点で、実施形態１と異なる。警戒閾値ＴＶＦは、通常閾値ＴＶＥよりも小さな値である。
【0112】
また、本形態は、状態推定処理１（Ｓ１０）に代えて、状態推定処理６（Ｓ６０）が実行される点で、実施形態１と異なる（図１２参照）。
【0113】
図１２に状態推定処理６（Ｓ６０）のフローチャートを示す。本形態の状態推定処理６（Ｓ６０）は、後に詳述するが、今回ＶＬＦデータＶＤＡが特定閾値ＴＶＤより大きいときは通常閾値ＴＶＥを使用し、今回ＶＬＦデータＶＤＡが特定閾値ＴＶＤ以下のときは警戒閾値ＴＶＦを使用する形態である。状態推定処理６（Ｓ６０）が実行されると、今回ＶＬＦデータ取得部１５は、今回ＶＬＦデータＶＤＡを取得する（Ｓ１１）。
【0114】
次に、状態推定部１７は、事前判断処理１（Ｓ６１）を実行する。図１３に、事前判断処理１（Ｓ６１）のサブルーチンのフローチャートを示す。
【0115】
事前判断処理１（Ｓ６１）が実行されると、状態推定部１７は、今回ＶＬＦデータＶＤＡが、記憶部６０に格納された特定閾値ＴＶＤを超えるかについて判断する（Ｓ６２）。つまり、本形態においては、今回ＶＬＦデータＶＤＡの値そのものに着目する処理が含まれる。
【0116】
今回ＶＬＦデータＶＤＡが特定閾値ＴＶＤを超えた場合（Ｓ６２：Ｙ）、状態推定部１７は、閾値ＴＶＡとして通常閾値ＴＶＥを使用する（Ｓ６３）。これにより、事前判断処理１（Ｓ６１）は終了し、状態推定処理６（Ｓ６０）に戻る。
【0117】
一方、今回ＶＬＦデータＶＤＡが特定閾値ＴＶＤ以下の場合（Ｓ６２：Ｎ）、状態推定部１７は、閾値ＴＶＡとして警戒閾値ＴＶＦを使用する（Ｓ６４）。これにより、事前判断処理１（Ｓ６１）は終了し、状態推定処理６（Ｓ６０）に戻る。
【0118】
状態推定処理６（Ｓ６０）に戻って以降の処理（Ｓ１３～Ｓ１８）は、実施形態１の状態推定処理１（Ｓ１０）と同じなので、重複する説明を省略する。
【0119】
続いて、本形態の作用効果について説明する。上記したように、警戒閾値ＴＶＦは通常閾値ＴＶＥよりも小さな値である。従って、閾値ＴＶＡとして警戒閾値ＴＶＦを用いると、モビリティ利用者の健康状態について、良くない方向に変化したという判断がされやすくなる。
【0120】
今回ＶＬＦデータＶＤＡは、現在におけるモビリティ利用者の健康状態に関する情報である。上記したように、今回ＶＬＦデータＶＤＡの値が大きいと、モビリティ利用者の健康状態は良いと推定され、今回ＶＬＦデータＶＤＡの値が小さいと、モビリティ利用者の健康状態は良くないと推定される。今回ＶＬＦデータＶＤＡが特定閾値ＴＶＤを超える程度に大きい場合には、モビリティ利用者の健康状態は良い傾向にあると推定されるので、閾値ＴＶＡとして通常閾値ＴＶＥを使用する。
【0121】
一方、今回ＶＬＦデータＶＤＡが特定閾値ＴＶＤ以下である場合には、そもそもモビリティ利用者の健康状態が良くない状態にあると推定される。そこで、閾値ＴＶＡとして、通常閾値ＴＶＥよりも小さな値である警戒閾値ＴＶＦを使用することにより、モビリティ利用者の健康状態が良くない状態にあると推定される場合には、より一層、モビリティ利用者の健康状態が良くないと推定しやすくするようになる。これにより、モビリティ利用者が、健康状態が良くない状態であるにもかかわらず、無理に活動することを抑制することができる。
【0122】
（実施形態３）
次に、図１４～図１５を参照して、実施形態３について説明する。図１４に示すように、本形態の健康情報サービス提供装置１０は、記憶部６０が、第一閾値ＴＶＧおよび第二閾値ＴＶＨを格納する点で、実施形態１と異なる。
次に、図１４～図１５を参照して、実施形態３について説明する。図１４に示すように、本形態の健康情報サービス提供装置１０は、記憶部６０が、第一閾値ＴＶＧおよび第二閾値ＴＶＨを格納する点で、実施形態１と異なる。
【0123】
また、本形態は、状態推定処理１（Ｓ１０）に代えて、状態推定処理７（Ｓ７０）が実行される点で、実施形態１と異なる（図１５参照）。
【0124】
図１５に状態推定処理７（Ｓ７０）のフローチャートを示す。本形態の状態推定処理７（Ｓ７０）は、後に詳述するが、第一過去期間ＶＬＦデータＶＤＣから今回ＶＬＦデータＶＤＡを減じた第一差分値ΔＤＶＦが、第一閾値ＴＶＧ以上であり、且つ、第二過去期間ＶＬＦデータＶＤＤから今回ＶＬＦデータＶＤＡを減じた第二差分値ΔＤＶＧが、第二閾値ＴＶＨ以上であるときに、モビリティ利用者の健康状態が良くない方向に変化したと推定する形態である。状態推定処理７（Ｓ７０）が実行されると、今回ＶＬＦデータ取得部１５は、現在搭乗時または直近搭乗時におけるＶＬＦデータＶＤである今回ＶＬＦデータＶＤＡを取得する（Ｓ７１）。
【0125】
次に、過去ＶＬＦデータ取得部１６は、現在搭乗時または直近搭乗時よりも前の第一期間におけるＶＬＦデータＶＤの統計代表値である第一過去期間ＶＬＦデータＶＤＣを取得する（Ｓ７２）。
【0126】
次に、過去ＶＬＦデータ取得部１６は、第一過去期間ＶＬＦデータＶＤＣの第一期間よりも長い第二期間におけるＶＬＦデータＶＤの統計代表値である第二過去期間ＶＬＦデータＶＤＤを取得する（Ｓ７３）。
【0127】
次に、状態推定部１７は、第一過去期間ＶＬＦデータＶＤＣから今回ＶＬＦデータＶＤＡを減じた第一差分値ΔＤＶＦを算出する（Ｓ７４）。
【0128】
次に、状態推定部１７は、第二過去期間ＶＬＦデータＶＤＤから今回ＶＬＦデータＶＤＡを減じた第二差分値ΔＤＶＧを算出する（Ｓ７５）。
【0129】
次に、状態推定部１７は、第一差分値ΔＤＶＦが第一閾値ＴＶＧ以上であるかについて判断し（Ｓ７６）、さらに、第二差分値ΔＤＶＧが第二閾値ＴＶＨ以上であるかについて判断する（Ｓ７７）。
【0130】
状態推定部１７は、第一差分値ΔＤＶＦが第一閾値ＴＶＧ以上であり（Ｓ７６；Ｙ）、かつ、第二差分値ΔＤＶＧが第二閾値ＴＶＨ以上であるとき（Ｓ７７：Ｙ）、モビリティ利用者の健康状態が良くない方向に変化したと推定する（Ｓ７８）。これにより、状態推定処理７（Ｓ７０）が終了する。
【0131】
一方、状態推定部１７は、第一差分値ΔＤＶＦが第一閾値ＴＶＧより小さいとき（Ｓ７６：Ｎ）、および第二差分値ΔＤＶＧが第二閾値ＴＶＨより小さいとき（Ｓ７７：Ｎ）、状態推定処理７（Ｓ７０）を終了する。
【0132】
本形態によれば、今回ＶＬＦデータＶＤＡとの比較対象として、第一期間における第一過去期間ＶＬＦデータＶＤＣと、第一期間よりも長い第二期間における第二過去期間ＶＬＦデータＶＤＤと、を用いる。このように異なる期間で比較することにより、モビリティ利用者の健康状態をより多面的に推定することができる。ただし、第一期間と第二期間との組み合わせは特に限定されず、例えば、前回搭乗時と前日搭乗時との組み合わせ、前回搭乗時と直近１週間との組み合わせ、前日搭乗時と直近１週間との組み合わせ等、任意の組み合わせが適宜に選択可能である。
【0133】
【0134】
図１６に示すように、状態推定処理８は、図１５に記載された状態推定処理７（Ｓ７０）と、Ｓ７１～Ｓ７４までは同一であり、Ｓ７５以降の処理が異なっている。状態推定処理７（Ｓ７０）と同じ処理については重複する説明を省略する。
【0135】
本形態の状態推定処理８（Ｓ８０）は、第一過去期間ＶＬＦデータＶＤＣから今回ＶＬＦデータＶＤＡを減じた第一差分値ΔＤＶＦが、第一閾値ＴＶＧ以上である場合に、モビリティ利用者の健康状態が良くない方向に変化したと推定する。また、第一差分値ΔＤＶＦが第一閾値ＴＶＧよりも小さく、且つ、第二過去期間ＶＬＦデータＶＤＤから今回ＶＬＦデータＶＤＡを減じた第二差分値ΔＤＶＧが、第二閾値ＴＶＨ以上である場合に、モビリティ利用者の健康状態が良くない方向に変化したと推定する。
【0136】
図１６に示すように、状態推定部１７は、第一差分値ΔＤＶＦを算出した後（Ｓ７４）、第一差分値ΔＤＶＦが第一閾値ＴＶＧ以上であるかを判断する（Ｓ７６）。
【0137】
第一差分値ΔＤＶＦが第一閾値ＴＶＧ以上であるとき（Ｓ７６：Ｙ）、状態推定部１７は、モビリティ利用者の健康状態が良くない方向に変化したと推定する（Ｓ７８）。これにより、状態推定処理８（Ｓ８０）は終了する。
【0138】
一方、第一差分値ΔＤＶＦが第一閾値ＴＶＧより小さいとき（Ｓ７６：Ｎ）、状態推定部１７は第二差分値ΔＤＶＧを算出する（Ｓ７５）。
【0139】
次に、状態推定部１７は、第二差分値ΔＤＶＧが第二閾値ＴＶＨ以上であるか判断する（Ｓ７７）。
【0140】
第二差分値ΔＤＶＧが第二閾値ＴＶＨ以上であるとき（Ｓ７７：Ｙ）、状態推定部１７は、モビリティ利用者の健康状態が良くない方向に変化したと推定する（Ｓ７８）。これにより、状態推定処理８（Ｓ８０）は終了する。
【0141】
一方、第二差分値ΔＤＶＧが第二閾値ＴＶＨより小さいとき（Ｓ７７：Ｎ）、状態推定処理８（Ｓ８０）は終了する。
【0142】
本形態によれば、今回ＶＬＦデータＶＤＡとの比較対象として、第一期間における第一過去期間ＶＬＦデータＶＤＣと、第一期間よりも長い第二期間における第二過去期間ＶＬＦデータＶＤＤと、を用いる。これにより、異なる期間で比較することにより、モビリティ利用者の健康状態をより多面的に推定することができる。
【0143】
（実施形態５）
次に、図１７～図１８を参照して実施形態５について説明する。図１７に示すように、本形態の健康情報サービス提供装置１０においては、クラウド５９が最低ＶＬＦデータ取得部６１を備えている点で、実施形態１と異なる。最低ＶＬＦデータＶＤＥは、過去ＶＬＦデータＶＤＢにおける過去の特定期間よりも長時間においてＶＬＦデータＶＤの最低の値である。
次に、図１７～図１８を参照して実施形態５について説明する。図１７に示すように、本形態の健康情報サービス提供装置１０においては、クラウド５９が最低ＶＬＦデータ取得部６１を備えている点で、実施形態１と異なる。最低ＶＬＦデータＶＤＥは、過去ＶＬＦデータＶＤＢにおける過去の特定期間よりも長時間においてＶＬＦデータＶＤの最低の値である。
【0144】
また、本形態は、状態推定処理１（Ｓ１０）に代えて、状態推定処理９（Ｓ９０）が実行される点で、実施形態１と異なる（図１８参照）。
【0145】
図１８に、状態推定処理９（Ｓ９０）のフローチャートを示す。本形態の状態推定処理９（Ｓ９０）は、後に詳述するが、今回ＶＬＦデータＶＤＡと過去ＶＬＦデータＶＤＢとを比較した後に、今回ＶＬＦデータＶＤＡと、過去に測定された最低のＶＬＦデータＶＤである最低ＶＬＦデータＶＤＥと、を比較する形態である。状態推定処理９（Ｓ９０）は、最低ＶＬＦデータ取得部６１が最低ＶＬＦデータＶＤＥを取得する処理（Ｓ９１）と、状態推定部１７が今回ＶＬＦデータＶＤＡが最低ＶＬＦデータＶＤＥより小さいかを判断する処理（Ｓ９２）と、を実行する点で、図６の状態推定処理１（Ｓ１０）と異なっている。そこで、以下の説明では、状態推定処理１（Ｓ１０）と同一の処理については同じ符号を付し、重複する説明を省略する。
【0146】
図１８に示すように、状態推定処理９（Ｓ９０）においては、第二過去差分値ΔＤＶＢが閾値ＴＶＡより小さいとき（Ｓ１８：Ｎ）、最低ＶＬＦデータ取得部６１が記憶部６０から最低ＶＬＦデータＶＤＥを取得する。
【0147】
次に、状態推定部１７は、今回ＶＬＦデータＶＤＡが最低ＶＬＦデータＶＤＥより小さいかを判断する（Ｓ９２）。つまり、本形態においては、今回ＶＬＦデータＶＤＡの値が、過去に取得されたＶＬＦデータＶＤの最低の値と比較される。
【0148】
今回ＶＬＦデータＶＤＡが最低ＶＬＦデータＶＤＥより小さいとき（Ｓ９２：Ｙ）、状態推定部１７は、モビリティ利用者の健康状態が良くない方向に変化したと推定する（Ｓ１６）。これにより、状態推定処理９（Ｓ９０）は終了する。
【0149】
一方、今回ＶＬＦデータＶＤＡが最低ＶＬＦデータＶＤＥ以上であるとき（Ｓ９２：Ｎ）、状態推定処理９（Ｓ９０）は終了する。
【0150】
今回ＶＬＦデータＶＤＡと、第一過去ＶＬＦデータＶＤＦおよび第二過去ＶＬＦデータＶＤＧとを相対比較するだけでは、第一過去差分値ΔＤＶＡが閾値ＴＶＡ以上であり、且つ、第二過去差分値ΔＤＶＢが閾値ＴＶＡ以上である場合には、状態推定部１７は、モビリティ利用者の健康状態が良くない方向に変化したと判断しない。しかし、本形態によれば、第一過去差分値ΔＤＶＡが閾値ＴＶＡ以上であり、且つ、第二過去差分値ΔＤＶＢが閾値ＴＶＡ以上であったとしても、今回ＶＬＦデータＶＤＡが最低ＶＬＦデータＶＤＥより小さい場合には、状態推定部１７は、モビリティ利用者の健康状態が良くない方向に変化したと推定する。これにより、モビリティ利用者の健康状態をより正確に推定することができる。
【0151】
（実施形態６）
次に、図１９を参照して、実施形態６について説明する。本形態は、状態推定処理９（Ｓ９０）に代えて、状態推定処理１０（Ｓ１００）が実行される点で、実施形態５と異なる。
次に、図１９を参照して、実施形態６について説明する。本形態は、状態推定処理９（Ｓ９０）に代えて、状態推定処理１０（Ｓ１００）が実行される点で、実施形態５と異なる。
【0152】
図１９に、状態推定処理１０（Ｓ１００）のフローチャートを示す。後に詳述するが、今回ＶＬＦデータＶＤＡと過去ＶＬＦデータＶＤＢとを比較する前に、今回ＶＬＦデータＶＤＡと、過去に測定された最低のＶＬＦデータＶＤである最低ＶＬＦデータＶＤＥと、を比較する形態である。状態推定処理１０（Ｓ１００）は、最低ＶＬＦデータ取得部６１が最低ＶＬＦデータＶＤＥを取得する処理（Ｓ９１）と、状態推定部１７が今回ＶＬＦデータＶＤＡが最低ＶＬＦデータＶＤＥより小さいかを判断する処理（Ｓ９２）が、今回ＶＬＦデータ取得部１５が今回ＶＬＦデータＶＤＡを取得した後（Ｓ１１）に実行される点で、図１８の状態推定処理９（Ｓ９０）と異なっている。
【0153】
図１９に示すように、今回ＶＬＦデータ取得部１５が今回ＶＬＦデータＶＤＡを取得した後（Ｓ１１）、最低ＶＬＦデータ取得部６１が、記憶部６０から最低ＶＬＦデータＶＤＥを取得する（Ｓ９１）。
【0154】
次に、状態推定部１７が、今回ＶＬＦデータＶＤＡが最低ＶＬＦデータＶＤＥより小さいかを判断する（Ｓ９２）。
【0155】
今回ＶＬＦデータＶＤＡが最低ＶＬＦデータＶＤＥより小さいとき（Ｓ９２：Ｙ）、状態推定部１７は、モビリティ利用者の健康状態が良くない方向に変化したと推定する（Ｓ１６）。これにより、状態推定処理１０（Ｓ１００）は終了する。
【0156】
一方、今回ＶＬＦデータＶＤＡが最低ＶＬＦデータＶＤＥ以上であるとき（Ｓ９２：Ｎ）、Ｓ１２以降の処理が実行される。Ｓ１２～Ｓ１８の処理は、図６の状態推定処理１（Ｓ１０）と同一なので、重複する説明を省略する。
【0157】
本形態によれば、今回ＶＬＦデータＶＤＡが最低ＶＬＦデータＶＤＥより小さい場合、状態推定部１７は、即座に、モビリティ利用者の健康状態が良くない方向に変化したと推定する。これにより、モビリティ利用者の健康状態が良くない方向に変化したことを速やかに推定することが可能となる。
【0158】
【0159】
また、状態推定処理１（Ｓ１０）に代えて、状態推定処理１１（Ｓ１１０）が実行される点で、実施形態１と異なる。
【0160】
図２１に、状態推定処理１１（Ｓ１１０）のフローチャートを示す。本形態の状態推定処理１１（Ｓ１１０）は、後に詳述するが、今回ＶＬＦデータＶＤＡと過去ＶＬＦデータＶＤＢとを比較する前に、今回ＶＬＦデータＶＤＡと緊急閾値ＴＶＩとを比較する形態である。状態推定処理１１（Ｓ１１０）が実行されると、今回ＶＬＦデータ取得部１５は、今回ＶＬＦデータＶＤＡを取得する（Ｓ１１）。
【0161】
次に、状態推定部１７は、今回ＶＬＦデータＶＤＡが緊急閾値ＴＶＩ以下であるかを判断する（Ｓ１１１）。状態推定部１７は、今回ＶＬＦデータＶＤＡが緊急閾値ＴＶＩ以下であるとき（Ｓ１１１：Ｙ）、モビリティ利用者の健康状態が良くない方向に変化したと推定する（Ｓ１６）。これにより状態推定処理１１（Ｓ１１０）は終了する。
【0162】
一方、今回ＶＬＦデータＶＤＡが緊急閾値ＴＶＩより大きいとき（Ｓ１１１：Ｎ）、Ｓ１２～Ｓ１８の処理が実行される。Ｓ１２～Ｓ１８の処理は、実施形態１の状態推定処理１（Ｓ１０）と同じなので、重複する説明を省略する。
【0163】
本形態によれば、今回ＶＬＦデータＶＤＡが緊急閾値ＴＶＩ以下である場合、状態推定部１７は、即座に、モビリティ利用者の健康状態が良くない方向に変化したと推定する。これにより、モビリティ利用者の健康状態が良くない方向に変化したことを速やかに推定することが可能となる。
【0164】
ただし、今回ＶＬＦデータＶＤＡと過去ＶＬＦデータＶＤＢとを比較した後に、今回ＶＬＦデータＶＤＡと緊急閾値ＴＶＩとを比較する形態としても良い。
【0165】
（実施形態８）
次に、図２２から図２３を参照して、実施形態８について説明する。図２２に示すように、本形態に係る記憶部６０は、閾値ＴＶＡの代わりに、第一過去閾値ＴＶＪ（第一比較基準の一例）と、第二過去閾値ＴＶＫ（第二比較基準の一例）とを、を備える点で実施形態１と異なる。本形態は、第一過去閾値ＴＶＪと、第二過去閾値ＴＶＫを使用して、モビリティ利用者の健康状態を推定する。
次に、図２２から図２３を参照して、実施形態８について説明する。図２２に示すように、本形態に係る記憶部６０は、閾値ＴＶＡの代わりに、第一過去閾値ＴＶＪ（第一比較基準の一例）と、第二過去閾値ＴＶＫ（第二比較基準の一例）とを、を備える点で実施形態１と異なる。本形態は、第一過去閾値ＴＶＪと、第二過去閾値ＴＶＫを使用して、モビリティ利用者の健康状態を推定する。
【0166】
また、本形態は、状態推定処理１（Ｓ１０）に代えて、状態推定処理１２（Ｓ１２０）が実行される点で、実施形態１と異なる（図２３参照）。
【0167】
図２３に示すように、状態推定処理１２（Ｓ１２０）は、図６と比較して、Ｓ１５の代わりにＳ１２１が実行され、Ｓ１８の代わりにＳ１２２が実行される点で、状態推定処理１（Ｓ１０）と異なる。状態推定処理１（Ｓ１０）と同じ処理は、同一の符号を付し、重複する説明を省略する。
【0168】
本形態の状態推定処理１２（Ｓ１２０）は、後に詳述する多、第一過去差分値ΔＤＶＡについては第一過去閾値ＴＶＪを用いて判断し、第二過去差分値ΔＤＶＢについては第二過去閾値ＴＶＫを用いて判断する形態である。
【0169】
状態推定部１７は、第一過去差分値ΔＤＶＡを算出した後（Ｓ１４）、第一過去差分値ΔＤＶＡが第一過去閾値ＴＶＪ以上であるかを判断する（Ｓ１２１）。
【0170】
第一過去差分値ΔＤＶＡが第一過去閾値ＴＶＪ以上であるとき（Ｓ１２１：Ｙ）、状態推定部１７は、モビリティ利用者の健康状態が良くない方向に変化したと推定する（Ｓ１６）。これにより、状態推定処理１２（Ｓ１２０）は終了する。
【0171】
一方、第一過去差分値ΔＤＶＡが第一過去閾値ＴＶＪより小さいとき（Ｓ１２１：Ｎ）、状態推定部１７は、第二過去差分値ΔＤＶＢを算出する（Ｓ１７）。次に、状態推定部１７は、第二過去差分値ΔＤＶＢが第二過去閾値ＴＶＫ以上であるかを判断する（Ｓ１２２）。
【0172】
第二過去差分値ΔＤＶＢが第二過去閾値ＴＶＫ以上であるとき（Ｓ１２２：Ｙ）、状態推定部１７は、モビリティ利用者の健康状態が良くない方向に変化したと推定する（Ｓ１６）。これにより、状態推定処理１２（Ｓ１２０）が終了する。
【0173】
一方、第二過去差分値ΔＤＶＢが第二過去閾値ＴＶＫより小さいとき（Ｓ１２２：Ｎ）、状態推定処理１２（Ｓ１２０）は終了する。
【0174】
本形態によれば、第一過去差分値ΔＤＶＡについては第一過去閾値ＴＶＪを用いて判断し、第二過去差分値ΔＤＶＢについては第二過去閾値ＴＶＫを用いて判断する。これにより、モビリティ利用者の健康状態を精密に判断することができる。
【0175】
（実施形態９）
次に、図２４～図２６を参照して、実施形態９について説明する。図２４に示すように、本形態の記憶部６０は、特定閾値ＴＶＤを格納する点、第一過去閾値ＴＶＪが第一過去通常閾値ＴＶＬおよび第一過去警戒閾値ＴＶＭを含む点、および第二過去閾値ＴＶＫが第二過去通常閾値ＴＶＮおよび第二過去警戒閾値ＴＶＯを含む点で、実施形態８と異なる。第一過去警戒閾値ＴＶＭは第一過去通常閾値ＴＶＬよりも小さな値である。第二過去警戒閾値ＴＶＯは、第一過去通常閾値ＴＶＬよりも小さな値である。
次に、図２４～図２６を参照して、実施形態９について説明する。図２４に示すように、本形態の記憶部６０は、特定閾値ＴＶＤを格納する点、第一過去閾値ＴＶＪが第一過去通常閾値ＴＶＬおよび第一過去警戒閾値ＴＶＭを含む点、および第二過去閾値ＴＶＫが第二過去通常閾値ＴＶＮおよび第二過去警戒閾値ＴＶＯを含む点で、実施形態８と異なる。第一過去警戒閾値ＴＶＭは第一過去通常閾値ＴＶＬよりも小さな値である。第二過去警戒閾値ＴＶＯは、第一過去通常閾値ＴＶＬよりも小さな値である。
【0176】
また、本形態は、状態推定処理１２（Ｓ１２０）に代えて、状態推定処理１３（Ｓ１３０）が実行される点で、実施形態８と異なる（図２５）。
【0177】
本形態の状態推定処理１３（Ｓ１３０）は、後に詳述するが、今回ＶＬＦデータＶＤＡが特定閾値ＴＶＤを超える場合には第一過去通常閾値ＴＶＬおよび第二過去通常閾値ＴＶＮを用いてモビリティ利用者の健康状態を推定し、今回ＶＬＦデータＶＤＡが特定閾値ＴＶＤ以下の場合には第一過去警戒閾値ＴＶＭおよび第二過去警戒閾値ＴＶＯを用いてモビリティ利用者の健康状態を推定する形態である。
【0178】
図２５に示すように、状態推定処理１３（Ｓ１３０）は、Ｓ１１が実行された後に、事前判断処理２（Ｓ１３１）が実行される点で、図２３の状態推定処理１２（Ｓ１２０）と異なる。状態推定処理１２（Ｓ１２０）と同じ処理については同一の符号を付し、重複する説明を省略する。
【0179】
図２５に示すように、状態推定処理１３（Ｓ１３０）が実行されると、今回ＶＬＦデータ取得部１５は今回ＶＬＦデータＶＤＡを取得する（Ｓ１１）。次に、状態推定部１７は、事前判断処理２を実行する（Ｓ１３１）。
【0180】
図２６に、事前判断処理２（Ｓ１３１）のサブルーチンのフローチャートを示す。事前判断処理２（Ｓ１３１）が実行されると、状態推定部１７は、今回ＶＬＦデータＶＤＡが、記憶部６０に格納された特定閾値ＴＶＤを超えるかを判断する（Ｓ１３２）。
【0181】
今回ＶＬＦデータＶＤＡが特定閾値ＴＶＤを超えるとき（Ｓ１３２：Ｙ）、状態推定部１７は、第一過去閾値ＴＶＪとして第一過去通常閾値ＴＶＬを使用し（Ｓ１３３）、第二過去閾値ＴＶＫとして第二過去通常閾値ＴＶＮを使用する（Ｓ１３４）。これにより、事前判断処理２（Ｓ１３１）は終了する。
【0182】
一方、今回ＶＬＦデータＶＤＡが特定閾値ＴＶＤ以下のとき（Ｓ１３２：Ｎ）、状態推定部１７は、第一過去閾値ＴＶＪとして第一過去警戒閾値ＴＶＭを使用し（Ｓ１３５）、第二過去閾値ＴＶＫとして第二過去警戒閾値ＴＶＯを使用する（Ｓ１３６）。これにより、事前判断処理２（Ｓ１３１）は終了する。
【0183】
【0184】
続いて、本形態の作用効果について説明する。上記したように、第一過去警戒閾値ＴＶＭは第一過去通常閾値ＴＶＬよりも小さな値であり、第二過去警戒閾値ＴＶＯは第二過去通常閾値ＴＶＮよりも小さな値である。従って、第一過去閾値ＴＶＪとして第一過去警戒閾値ＴＶＭを用い、第二過去閾値ＴＶＫとして第二過去警戒閾値ＴＶＯを用いると、モビリティ利用者の健康状態について、良くない方向に変化したと判断しやすくなる。
【0185】
また、今回ＶＬＦデータＶＤＡが特定閾値ＴＶＤ以下である場合には、そもそもモビリティ利用者の健康状態が良くない状態にあると推定される。そこで、今回ＶＬＦデータＶＤＡが特定閾値ＴＶＤ以下である場合には、閾値ＴＶＡとして、第一過去閾値ＴＶＪとして第一過去警戒閾値ＴＶＭを用い、第二過去閾値ＴＶＫとして第二過去警戒閾値ＴＶＯを用いることにより、モビリティ利用者の健康状態が良くない状態にあると推定される場合には、より一層、モビリティ利用者の健康状態が良くないと推定しやすくするようになる。これにより、モビリティ利用者が、健康状態が良くない状態であるにもかかわらず、無理に活動することを抑制することができる。
【0186】
本発明は上記各実施形態に限定されるものではなく、その要旨を逸脱しない範囲において、下記の形態に適用することが可能である。
【0187】
（１）実施形態１においては、センサ１２はシート２１に取付けられて、シート２１に着座したモビリティ利用者の体動の変化から生体信号ＢＳを取得する構成としたが、これに限られず、センサは、光（赤外線、紫外線、レーザー光、可視光等）や、音などをモビリティ利用者に発射し、モビリティ利用者からの反射を検出するものであってもよい。また、マイクロ波をモビリティ利用者に発射し、発射した周波数と受信した周波数の差からモビリティ利用者の体動の変化を検出するドップラーセンサでもよく、任意のセンサを的意義に選択することができる。
【0188】
（２）実施形態１においては、センサ１２はシート座面部２２ａの内部に取付ける構成としたが、これに限られず、図２７に示すように、センサ１２は、シート２１とは別体の部品を、シート座面部２２ａの上面（座面表皮部材３３の上面）に載置し、ゴムバンド、ベルト等の公知の取付手段によって、シート座面部２２ａに取付ける構成としても良い。また、センサ１２は、シート背面部２２ｂにゴムバンド、ベルト等の公知の取付手段によって取付ける構成としても良い。
【0189】
（３）実施形態１においては、ユーザーインターフェース１８は、モビリティ１１に組付けられたカーナビゲーションシステムとしたが、これに限られず、図２８に示すように、モビリティ１１とは別体の、スマートフォン、タブレット端末、スマートウォッチ等としても良い。なお、図２８～図３５においては、記憶部６０に格納されたデータについては省略した。本形態によれば、ユーザーインターフェース１８は、モビリティ１１に搭乗していないモビリティ利用者に特定のサービスを提供することができる。例えば、モビリティ１１から降りて自宅内でくつろいでいるモビリティ利用者に対して、画像または音声で、モビリティ利用者の健康状態についてのメッセージを伝達したり、スポーツ施設等の案内や道のりを表示したりしてもよい。
【0190】
（４）実施形態１においては、ユーザーインターフェース１８が、ネットワーク５８を介してクラウド５９との間で情報を送信または受信したが、これに限られず、図２９に示すように、実施形態１のクラウド５９に配置された構成を、モビリティ１１に制御装置６２として組付ける構成としても良い。
【0191】
（５）実施形態１においては、ユーザーインターフェース１８が、ネットワーク５８を介してクラウド５９との間で情報を送信または受信したが、これに限られず、図３０に示すように、ＥＣＵ５７がネットワーク５８を介してクラウド５９にＶＬＦデータＶＤを送信し、モビリティ１１に組付けられたユーザーインターフェース１８（例えば、カーナビゲーションシステム）がモビリティ利用者に情報を提供する構成としても良い。
【0192】
（６）実施形態１においては、ユーザーインターフェース１８が、ネットワーク５８を介してクラウド５９との間で情報を送信または受信したが、これに限られず、図３１に示すように、ＥＣＵ５７がネットワーク５８を介してクラウド５９にＶＬＦデータＶＤを送信し、モビリティ１１と別体のユーザーインターフェース１８（例えば、スマートフォン、タブレット端末、スマートウォッチ）がモビリティ利用者に情報を提供する構成としても良い。
【0193】
（７）実施形態１のＥＣＵ５７は算出部１４を備える構成としたが、これに限られず、図３２に示すように、クラウド５９が算出部１４を備える構成としても良い。このとき、ＥＣＵ５７がネットワーク５８を介してクラウド５９に心拍信号ＨＳを送信し、モビリティ１１と別体のユーザーインターフェース１８（例えば、スマートフォン、タブレット端末、スマートウォッチ）がモビリティ利用者に情報を提供する構成としても良い。
【0194】
（８）実施形態１のＥＣＵ５７は算出部１４を備える構成としたが、これに限られず、図３３に示すように、クラウド５９が算出部１４を備える構成としても良い。このとき、ＥＣＵ５７がネットワーク５８を介してクラウド５９に心拍信号ＨＳを送信し、モビリティ１１に組付けられたユーザーインターフェース１８（例えば、カーナビゲーションシステム）がモビリティ利用者に情報を提供する構成としても良い。
【0195】
（９）実施形態１のモビリティ１１は、推定部１３および算出部１４を備える構成としたが、これに限られず、図３４に示すように、クラウド５９が推定部１３および算出部１４を備える構成としてもよい。
【0196】
（１０）実施形態１のモビリティ１１は、推定部１３および算出部１４を備える構成としたが、これに限られず、図３５に示すように、クラウド５９が推定部１３および算出部１４を備え、モビリティ１１と別体のユーザーインターフェース１８（例えば、スマートフォン、タブレット端末、スマートウォッチ）が、ネットワーク５８を介してクラウド５９と情報を送信または受信する構成としても良い。
【符号の説明】
【0197】
１０：健康情報サービス提供装置、１１：モビリティ、１２：センサ、１３：推定部、１４：算出部、１５：今回ＶＬＦデータ取得部、１６：過去ＶＬＦデータ取得部、１７：状態推定部、１８：ユーザーインターフェース、２１：シート、５５：制御回路、５６：モニタリングシステム、５８：ネットワーク、５９：クラウド、６０：記憶部、６１：最低ＶＬＦデータ取得部、６２：制御装置、ＢＳ：生体信号、ＨＳ：心拍信号、Ｓ１：生体信号取得処理、Ｓ２：心拍信号推定処理、Ｓ３：ＶＬＦデータ算出処理、Ｓ４：状態推定処理、Ｓ５：サービス提供処理、Ｓ１０、Ｓ２０，Ｓ３０，Ｓ４０，Ｓ５０，Ｓ６０，Ｓ７０，Ｓ８０，Ｓ９０、Ｓ１００，Ｓ１１０，Ｓ１２０，Ｓ１３０：状態推定処理、ＴＶＡ：閾値、ＴＶＢ：同時間帯閾値、ＴＶＣ：期間閾値、ＴＶＤ：特定閾値、ＴＶＥ：通常閾値、ＴＶＦ：警戒閾値、ＴＶＧ：第一閾値、ＴＶＨ：第二閾値、ＴＶＩ：緊急閾値、ＴＶＪ：第一過去閾値、ＴＶＫ：第二過去閾値、ＴＶＬ：第一過去通常閾値、ＴＶＭ：第一過去警戒閾値、ＴＶＮ：第二過去通常閾値、ＴＶＯ：第二過去警戒閾値、ＶＤ：ＶＬＦデータ、ＶＤＡ：今回ＶＬＦデータ、ＶＤＢ：過去ＶＬＦデータ、ＶＤＣ：第一過去期間ＶＬＦデータ、ＶＤＤ：第二過去期間ＶＬＦデータ、ＶＤＥ：最低ＶＬＦデータ、ＶＤＦ：第一過去ＶＬＦデータ、ＶＤＧ：第二過去ＶＬＦデータ、ΔＤＶＡ：第一過去差分値、ΔＤＶＢ：第二過去差分値、ΔＤＶＣ：差分値、ΔＤＶＤ：同時間帯差分値、ΔＤＶＥ：期間差分値、ΔＤＶＦ：第一差分値、ΔＤＶＧ：第二差分値
【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28】
【図29】
【図30】
【図31】
【図32】
【図33】
【図34】
【図35】