ドライバー健康・疲労管理システム

(1)

ドライバー健康・疲労管理システム基礎（予備）実験－２

（心拍計利用）

2017

年

2

月

17

日

NF

研究会

機械振興会館

宮西洋太郎

(2)

システムの目的

•

（トラック）ドライバーの健康・疲労状態を管理したい。

•

心拍データによって、ドライバーの健康・疲労状態を推定したい。（本日発表の範囲）

•

別の手段は、脳波データによる方法も検討

中。

(3)

システムの概要

(1)システム構成

生体センサー

（PULSENSE）スマホトラック

BLE スマホテザリング機能ドライバーの腕に装着

センター端末クラウド（サーバ）

LTE

インターネット

(4)

システムの概要

(2)機能（ソフトウェア開発項目）

• スマホアプリの機能

– ドライバーに装着した生体センサーからの生体データをクラウド

（サーバ）のURLに送信します。

• クラウド（サーバ）ソフトウェアの機能

– 生体センサーからスマホ経由で周期的に送られてくる生体データを蓄積します（ロギング）。

– 生体データからドライバーの身体状態（健康状態、疲労状態、居眠り予兆など）を推定します。

– 身体状態が正常値か異常値かの判断を行います（自動）。

– 身体状態が異常の場合、ドライバーに警告（スマホへの音声、

メール）を通知します（自動）。

– 異常の場合に、手動での対処機能、スマホへの電話などを行います。

– 蓄積されたデータからドライバーごとに、特性を分析します

（ビッグデータ分析）。

(5)

基礎（予備）実験の目的

• 心拍数を利用したドライバー健康・疲労状態推定方法案が原理的にOKなのかどうかを小規模の実験によって確認したい。

• 疲労推定のためには、既存の知見で直接的に利用できるものはなかった。

• ゆえに、われわれの目的にあった仮説をたて、そ

の仮説がなりたっているかどうかを、ジョギングと

いう単純な運動行為の実験によって確認するこ

とである。

(6)

基礎（予備）実験の方法

•

身体的負荷は、一定コースのジョギングとする。

•

ジョギング走行時間を計測する。

•

ジョギング中に上昇した心拍数が、ジョギング終了時点から下降し始めるが、そのときの心拍数を計測する。

（スマホによる動画撮影）

•

疲労の定量化：

疲れは、ジョギング走行時間に表われているものとする。

それを、心拍数の変化（上昇、下降、時間）と関連づけたい。

•

仮説（後述）をたてる。

•

仮説を実験によって検証する。

(7)

基礎（予備）実験の方法

(8)

基礎（予備）実験の方法

仮説：

•

身体的負荷または精神的ストレスで、いったん上昇した心拍数が、

身体的負荷または精神的ストレスが除去される、または軽減される場合に、心拍数は、下降するが、その下降の度合いが遅いと疲れがあり、早いと疲れが少ない。

ただし身体的負荷、負荷時間に関係するのでは？（今後の課題）

仮説の根拠（筆者の推理）：

•

身体の疲労を回復させるのは、血液による体内への酸素、栄養分の補給である。その補給をつかさどるのは交感神経で、血液流を増やして（すなわち心拍数を上昇し）、疲労回復を図る。

疲労（疲労の原因：乳酸）が蓄積されているほど、血液循環による疲

労回復に時間がかかり、よって、上昇した心拍数が平静時心拍数に

戻るのに時間がかかる。

(9)

基礎（予備）実験の方法

時間軸

（離散時間）

測定開始t0

ジョギング開始ts1

心拍数安定ts2

ジョギング終了tf

心拍数半減th 測定終了te 平静時

心拍数

Hs Hj

ジョギング中半減期

時間軸における検出精度が重要

指数関数的減衰から減衰係数を推定

（Hs+Hj）/2

下がり方（速度）は、負荷の大きさと負荷時間（面積）に関係するのでは

？（今後の課題）

Hj-Hs

本日発表

(10)

基礎（予備）実験の方法

・データを収集する方法

・手動による方法（本日発表）

• PULSENSEパネルの時々刻々と変化する心拍数と経過時間をiPhone動画で撮影し、

• その後、読み取り、Excelに転記する。

・マイコン利用による方法

・iPhoneによる方法

(11)

基礎（予備）実験の方法

・心拍数のモデル

時点

n

での心拍数

x(n)

モデルパラメータ

a

、

b (0<a<1)

・心拍数の実測

y(n)

前ページの方法で実測する

異常な変化があるので、そこを避ける

・カーブフィッティング（目視、最小自乗誤差計算）

y(n)

、

x(n)

ができるだけ近づくように、パラメータ

a

、

b

を選ぶ。（計算式

) )

1 (

( )

(n b a x n b

x     

b b

n x a

n

x( )  ( ( 1)  ) 

a

×時点

n-1

での上昇分時点

n

での上昇分＝

aが１に近いほど、下降に時間がかかる

すなわち、aが１に近い（大きい）

ほど疲れている（との仮説）

注）後に、aを減衰係数と名づけているが、逆の意味である。

aが小さいほうが、減衰は大きい。

(12)

基礎（予備）実験の方法（目視）

・カーブフィッティング（目視）

目視にて、できるだけ実測値

y(n)

に一致するように、パラメーラ

a

、

b

（

c

は

x(0)=y(0)

にすることにより不要）

を試行錯誤で選択し、

x(n)

を求める。

(13)

基礎（予備）実験の結果（目視）

・

1

月

17

日のジョギング

a=0.975, b=80.0 ,ジョギング走行時間 16分54秒

ジョギング後心拍数　2017年1月17日

0 20 40 60 80 100 120

13 43 73 103 133 163 193 223 253 283 313 343 373 403 433 463

経過時間（秒）

心拍数（毎分）

心拍数近似曲線

3分間に限定

(14)

基礎（予備）実験の結果（目視）

・

1

月

18

日のジョギング（

17

日より疲れている）

a=0.985, b=78.4 ,ジョギング走行時間 17分17秒

ジョギング後心拍数　2017年1月18日

0 20 40 60 80 100 120 140

4 34 64 94 124 154 184 214 244 274 304 334 364 394 424 454 484

3分間に限定

(15)

ジョギング後心拍数　2017年1月19日

0 20 40 60 80 100 120

22 52 82 112 142 172 202 232 262 292 322 352 382 412 442 472 502

基礎（予備）実験の結果（目視）

・

1

月

19

日のジョギング

a=0.979, b=82 ,ジョギング走行時間 18分5秒

3分間に限定

(16)

0 20 40 60 80 100 120

26 56 86 116 146 176 206 236 266 296 326 356 386 416 446 476

基礎（予備）実験の結果（目視）

・

1

月

23

日のジョギング

a=0.979, b=82 ,ジョギング走行時間 17分1秒

3分間に限定

(17)

70 72 74 76 78 80 82 84 86 88

49 79 109 139 169 199 229 259 289 319 349 379 409 439 469 499 529

基礎（予備）実験の結果（目視）

・

1

月

24

日のジョギング

a=0.978, b=77 ,ジョギング走行時間 16分45秒

3分間に限定

(18)

0 20 40 60 80 100 120 140

39 69 99 129 159 189 219 249 279 309 339 369 399 429 459 489 519

基礎（予備）実験の結果（目視）

・

1

月

25

日のジョギング

a=0.979, b=78 ,ジョギング走行時間 17分5秒

3分間に限定

(19)

基礎（予備）実験の結果（目視）

・走行時間とパラメータ

a

との散布図

まだ

7

件のみ。

→

件数を多く。どうやら仮説は成立しそう。

→

疲れ大

↑

疲れ大

走行時間と係数 a の関係

0.974 0.976 0.978 0.98 0.982 0.984 0.986

1000 1020 1040 1060 1080 1100 走行時間

係数 a

相関係数 0.17395

次ページで除外

1

月

19

日の

データ

(20)

20

基礎（予備）実験の結果（目視）

・走行時間とパラメータ

a

との散布図前ページから

1

件を除外

→

疲れ大

↑

疲れ大

相関係数 0.745309

走行時間と係数 a の関係 y = 0.0002x + 0.7263

0.974 0.976 0.978 0.98 0.982 0.984 0.986

1000 1010 1020 1030 1040 走行時間

係数 a

(21)

基礎（予備）実験の方法（数値計算）

・カーブフィッティング（数値計算）

別紙の方法＊により、数値計算で、パラメータをできるだ

け実測値

y(n)

に一致するように、パラメーラ

a

を試行錯誤で

選択し、

x(n)

を求める。

(22)

基礎（予備）実験の方法（数値計算）

＊別紙の方法の概略

初期値

x(0)=y(0)

、終端値

x(N)=y(N)

、

N

は

180

付近の時点とすることで、

カーブフィッティングのパラメータは

a

のみとなり、最小自乗誤差となるように、

a

を調整する。

（

c

は

x(0)=y(0)

にすることにより不要、

b

は

a

から計算する）

N N

a y a N

b y



 

1

) 0 ( )

(



















N n N

n

n y b b y

a

n y n

x E

2 0

2

)) ( )

) 0 ( ( (

)) ( )

( (

1 0

) )

1 (

( )

(











a where

b b

n x a n

x

(23)

0 20 40 60 80 100 120

0 30 60 90 120 150 180 210 240 270 300 330 360 390 420 450

・

1

月

17

日のジョギング

a=0.9678, b=79.89 ,ジョギング走行時間 16分54秒

3分間に限定

基礎（予備）実験の方法（数値計算）

(24)

0 20 40 60 80 100 120 140

0 30 60 90 120 150 180 210 240 270 300 330 360 390 420 450 480

基礎（予備）実験の結果（数値計算）

・

1

月

18

日のジョギング（

17

日より疲れている）

a=0.9838, b=79.56 ,ジョギング走行時間 17分17秒

3分間に限定

(25)

0 20 40 60 80 100 120

22 52 82 112 142 172 202 232 262 292 322 352 382 412 442 472 502

基礎（予備）実験の結果（数値計算）

・

1

月

19

日のジョギング

a=0.9761, b=83.59 ,ジョギング走行時間 18分5秒

3分間に限定

(26)

0 20 40 60 80 100 120

26 56 86 116 146 176 206 236 266 296 326 356 386 416 446 476

基礎（予備）実験の結果（数値計算）

・

1

月

23

日のジョギング

a=0.9808, b=78.09 ,ジョギング走行時間 17分1秒

3分間に限定

(27)

70 72 74 76 78 80 82 84 86 88

49 79 109 139 169 199 229 259 289 319 349 379 409 439 469 499 529

基礎（予備）実験の結果（数値計算）

・

1

月

24

日のジョギング

a=0.9557, b=78.98 ,ジョギング走行時間 16分45秒

3分間に限定

(28)

ジョギング後心拍数　2017年1月25日

0 20 40 60 80 100 120 140

0 30 60 90 120 150 180 210 240 270 300 330 360 390 420 450 480

基礎（予備）実験の結果（数値計算）

・

1

月

25

日のジョギング

a=0.9749, b=78.81 ,ジョギング走行時間 17分5秒

3分間に限定

(29)

29

基礎（予備）実験の結果（数値計算）

・走行時間とパラメータ

a

との散布図

目視によるパラメータ推定

→

数値計算による推定

→

疲れ大

↑

疲れ大

相関係数 0.47319762

走行時間と係数 a の関係 y = 0.0002x + 0.7994

0.9500 0.9550 0.9600 0.9650 0.9700 0.9750 0.9800 0.9850 0.9900

1000 1020 1040 1060 1080 1100 走行時間

係数 a

次ページで除外

1

月

19

日

(30)

30

基礎（予備）実験の結果（数値計算）

・走行時間とパラメータ

a

との散布図

目視によるパラメータ推定

→

数値計算による推定

→

疲れ大

↑

疲れ大

相関係数 0.91486756

走行時間と係数 a の関係 y = 0.0009x + 0.0993

0.9500 0.9550 0.9600 0.9650 0.9700 0.9750 0.9800 0.9850 0.9900

1000 1010 1020 1030 1040 走行時間

係数 a

(31)

基礎（予備）実験の結果

・走行時間とパラメータ

a

との散布図目視によるパラメータ推定

→

数値計算によるパラメータ推定

走行時間ａ b

ケース日時分秒秒係数定数

1 2017/1/17 16 54 1014 0.9678 79.90

2 2017/1/18 17 17 1037 0.9838 79.56

3 2017/1/19 18 5 1085 0.9761 83.59

4 2017/1/23 17 1 1021 0.9806 78.09

5 2017/1/24 16 45 1005 0.9557 78.98

走行時間ａ b

1 2017/1/17 16 54 1014 0.975 80

2 2017/1/18 17 17 1037 0.985 78.4

3 2017/1/19 18 5 1085 0.979 82

4 2017/1/23 17 1 1021 0.983 76

5 2017/1/24 16 45 1005 0.978 77

6 2017/1/25 17 5 1025 0.979 78

除外

(32)

利用方法

•

仮説が成立することを検証した後

PULSENSE

で心拍計測

3

分前から現時点までで減衰係数

a

を計算計算方法に考察が必要

*

a

の値から疲れの程度を計算

疲れの程度が設定値を超えると警告

*

別途検討する、解析的には高次方数値計算

OR

(33)

利用方法

•

実際のドライバーの勤務状態においては、身体的負荷、

精神的負荷が随時に加わったり、除去されたりして、心拍数が常時、上昇、下降を繰り返していると想定できる。

•

この場合の、心拍数が下降する時間が比較的長く（

1

分程度）続く場合に、ここで述べた疲労判定が可能であると考える。

•

また可能であれば、ドライバーの行動状態を推定し、行動状態に対応した心拍数からの疲労判定も検討する必要がある。

特に行動状態が軽負荷に遷移する場合には、ここで述べた疲労判定方法が適用可能と考えられる。

•

また、今回は、一定コースのジョギングというほぼ一定身

体的負荷であったが、心拍の上昇分と負荷が継続する

時間の面積（積分）が関係してくると思われ、今後の課題

である。

(34)

次の課題

•

仮説１：（本日の主題）

•

身体的負荷または精神的ストレスで、いったん上昇した心拍数が、身体的負荷または精神的ストレスが除去される、または軽減される場合に、心拍数は、下降するが、その下降の度合いが遅いと疲れがあり、早いと疲れが少ない。

•

仮説２：（次の課題）

•

特に身体的負荷で上昇した心拍の上昇分の時間積分

（負荷の総量）が大きいほど、回復に要する時間がかかる。

•

すなわち、仮説１のみで、疲労の度合いを計算するので

はなく、仮説２による効果を補正してあげる必要がある。

(35)

次の課題

• 仮説２の実験

• 身体的負荷は、膝の屈伸とする。

• 屈伸回数と減衰係数aとの関係を調べる。

• 予想：

屈伸回数が多いほど、心拍数の平常値への回復に要す

る時間が長い。（係数aが大きい）

(36)

今回 (2/17) 引き続きの実験

• ジョギングコースの変更

• 隅田川護岸工事の完了にともない、ジョギングコースを変更した。（1月30日から）

• 1月30日から2月12日にかけての10回のジョギングの結果、「仮説」は、どうも、残念ながら、成立しないようだ。

• ＰＵＬＳＥＮＳＥを使ってみての感想

(37)

今回 (2/17) 引き続きの実験

ＰＵＬＳＥＮＳＥを使ってみての感想

• 観察したPULSENSEの動作特性

• ・ PULSENSEの動作が停止する。しばらくすると復帰する。

• ・ PULSENSEでの心拍数があきらかに実際と異なる値となる（100BPM程度、実際には 60BPM）。その後突然、100BPM程度から60BPMに戻る。

• ・徒歩をはじめて、5分後くらいで、心拍が100程度に上昇する。歩き続ける限り、上昇した値が維持される。

• ・ジョギング中は、心拍数は140BPM程度に上昇する。

• ・ジョギング後、心拍数は下降を始めるが、日によって、スムーズに下降せずに、値が上下することがある。

• ・仮説：「心拍数の戻り方（下降速度）は、疲れの度合い（それを一定コースのジョギング走行時間とみなす）に関係する」は、実験中で、結論はまだだせていない。

• ・平静時においても、心拍数は、変動している。・

• 特別の動作をしなくても、ときどき111以上になることがある。指で心拍を計測しても、

60前後であるので、あきらかにPULSENSEがおかしい（内部のソフトウェア処理の不備と思われる）。しばらく継続して、計測停止になったり、60前後に復帰する。機種を変更してみることが必要。

• ・ 2017年2月5日12時50分あたり PULSENSE表示132BPM→指でのカウント50／分 12時51分、突然― ― ―に。

12時52分50秒、ふたたび131に。指では50。

被験者に不整脈ありか？

• ・マイカー運転中は、心拍数が上下するが、運転操作との関連については、今のところ

(38)

0 20 40 60 80 100 120

0 30 60 90 120 150 180 210 240 270 300 330 360 390 440 470 500

基礎（予備）実験の結果（数値計算）

・

1

月

30

日のジョギング

a=0.9865, b=73.57 ,ジョギング走行時間 16分27秒

3分間に限定

(39)

0 20 40 60 80 100 120

6 36 66 96 126 156 186 216 246 276 306 336 366 396 426 456 486

基礎（予備）実験の結果（数値計算）

・

1

月

31

日のジョギング

a=0.9863, b=85.88 ,ジョギング走行時間 15分42秒

3分間に限定

(40)

0 20 40 60 80 100 120 140

0 30 60 90 120 150 180 210 240 270 300 330 360 390 420 450 480

基礎（予備）実験の結果（数値計算）

・

2

月

1

日のジョギング

a=0.9871, b=76.76 ,ジョギング走行時間 16分0秒

3分間に限定

(41)

0 20 40 60 80 100 120

0 30 60 90 120 150 180 210 240 270 300 330 360 390 420 450 480

基礎（予備）実験の結果（数値計算）

・

2

月

2

日のジョギング

a=0.9798, b=74.99 ,ジョギング走行時間 16分47秒

3分間に限定

(42)

0 20 40 60 80 100 120 140

0 30 60 90 120 150 180 210 240 270 300 330 360 390 420 450 480

基礎（予備）実験の結果（数値計算）

・

2

月

3

日のジョギング

a=0.9787, b=77.15 ,ジョギング走行時間 16分52秒

3分間に限定

(43)

0 20 40 60 80 100 120

0 30 60 90 120 150 180 210 240 270 300 330 360 390 420 450 480

基礎（予備）実験の結果（数値計算）

・

2

月

6

日のジョギング

a=0.9795, b=74.06 ,ジョギング走行時間 17分19秒

3分間に限定

(44)

0 20 40 60 80 100 120

0 30 60 90 120 150 180 210 240 270 300 330 360 390 420 450 480

基礎（予備）実験の結果（数値計算）

・

2

月

8

日のジョギング

a=0.9598, b=75.98 ,ジョギング走行時間 16分27秒

3分間に限定

(45)

0 20 40 60 80 100 120 140

0 30 60 90 120 150 180 210 240 270 300 330 360 390 420 450 480

基礎（予備）実験の結果（数値計算）

・

2

月

10

日のジョギング

a=0.9780, b=77.24 ,ジョギング走行時間 16分24秒

3分間に限定

(46)

0 20 40 60 80 100 120

0 30 60 90 120 150 180 210 240 270 300 330 360 390 420 450 480

基礎（予備）実験の結果（数値計算）

・

2

月

11

日のジョギング

a=0.9729, b=76.75 ,ジョギング走行時間 16分38秒

3分間に限定

(47)

0 20 40 60 80 100 120

0 30 60 90 120 150 180 210 240 270 300 330 360 390 420 450 480

基礎（予備）実験の結果（数値計算）

・

2

月

12

日のジョギング

a=0.9736, b=76.80 ,ジョギング走行時間 16分42秒

3分間に限定

(48)

基礎（予備）実験の結果

・走行時間とパラメータ

a

､

b

との散布図

走行時間ａ b

1 2017/1/17 16 54 1014 0.9678 79.90 コースF 2 2017/1/18 17 17 1037 0.9838 79.56 コースF 3 2017/1/19 18 5 1085 0.9761 83.59 コースF 4 2017/1/23 17 1 1021 0.9806 78.09 コースF 5 2017/1/24 16 45 1005 0.9557 78.98 コースF 6 2017/1/25 17 5 1025 0.9749 78..80 コースF 7 2017/1/30 16 27 987 0.9865 73.57 コースC 8 2017/1/31 15 42 942 0.9863 85.88 コースC 9 2017/2/1 16 0 960 0.9871 79.76 コースC 10 2017/2/2 16 47 1007 0.9798 74.99 コースC 11 2017/2/3 16 52 1012 0.9787 77.15 コースC 12 2017/2/6 17 19 1039 0.9795 74.06 コースC 13 2017/2/8 16 27 987 0.9598 75.98 コースC 14 2017/2/10 16 24 984 0.9780 77.24 コースC 15 2017/2/11 16 38 998 0.9729 76.75 コースC 16 2017/2/12 16 42 1002 0.9736 76.80 コースC 17

18 19

前回

今回発表予定

2/17

(49)

49

基礎（予備）実験の結果（数値計算）

・走行時間とパラメータ

a

との散布図ケース７～１６

→

疲れ大

↑

疲れ大

a 相関係数 -0.3100027

走行時間と係数 a の関係 y = -9E-05x + 1.0713

0.9550 0.9600 0.9650 0.9700 0.9750 0.9800 0.9850 0.9900

900 950 1000 1050

走行時間

係数 a

(50)

50

基礎（予備）実験の結果（数値計算）

・走行時間とパラメータ

b

との散布図ケース７～１６

→

疲れ大

↑

疲れ大

b 相関係数 -0.79208

走行時間と係数b の関係

y = -0.103x + 179.33

70.00 75.00 80.00 85.00 90.00

900 950 1000 1050 走行時間

係数b

(51)

基礎（予備）実験の結果（数値計算）

・走行時間とパラメータ

a,b

との散布図からいえること

パラメータ

a

は、予想と反対に負の相関が観察された。

→

「仮説」は棄却せざるをえない。

パラメータ

b

は、負の相関であるが、絶対値が

0.5

以上であるので、関係性はありぞう。

これらをドライバーの疲労や健康に結びつけるのは、困

難であると判断する。

(52)

では、どうするか？（心拍）

１．心拍数特異値の検出

運転勤務時間内の心拍数計測値において、心拍数の特異値検出については、

次の判断とする。

(1) ドライバーごとの設定値との比較

ある日の運転勤務時間内に、ドライバーごとの設定値を超えたときアラームを発信する。

(2) ｎ日最大値という考え方

ドライバーごとに、ある日の運転勤務時間内に、過去ｎ日間の最大値を超えたとき軽度のアラームを発信し、現在値をｎ日最大値に設定する。ｎにより、その時点での負荷の強度と判定する。

ｎ＝1, 2, 3, 7(週間), 14(2週間), 30(1ヶ月), 90(3ヶ月), 180(半年), 360(年)など

(53)

では、どうするか？（心拍）

2. 疲労状態の判断

ドライバーごとに、ある日の運転勤務時間内に、ｎ日最大値こえが、ｍ回

（または合計時間ｑ分以上）あった場合、過負荷状態（疲労状態）にあると判断し、休息を推奨するなどの中度のアラームを発信する。ｎとｍ

（またはｑ）により、その場合の疲労度合いを判定する。

3. 健康状態の判断

ドライバーごとに、過去の運転勤務時間内に、ｎ日最大値こえが、ｍ回

（または合計時間ｑ分以上）あった場合、がｐ日連続した場合、健康状態に影響がでると判断し、休暇を推奨するなどの重度のアラームを発信する。n,m（またはq）,pを調整する。

4. 居眠り予兆の検出

ドライバーごとに、心拍数の時系列データから判断する。

参考：パイオニア

http://pioneer.jp/en/crdl_design/crdl/rd/pdf/17-1-1.pdf（論文）

ハンドルに設置した電極で、心拍を計測。心拍数の減少から居眠り予兆を検出する。

(54)

では、どうするか？（脳波）

脳波の利用

脳波センサーについては、現時点でまだ実験に入っていない。NTマイクロシステムズ（野口社長）では、補助金申請が採択された場合、新型脳波センサーを開発する計画であるが、その前に、手軽に脳波を扱える製品として、NeusoSky社製MindWaveMobileがあり、これを試してみる予定である。

現時点での考えを以下に記す。

1. アルファ波、ベータ波の獲得

・脳波信号（１極）をサンプリング速度（周波数）を128Hzでアナログ入力し、ADCでディジタル値にする。（この場合、ビット数は10ビット～12ビット程度で、あまり問題にはならない。）

（時間軸上での離散化、空間（電圧）軸上での離散化）

・MoovingWinodowの時間幅は１秒。ただし、1/128秒ごとにMoovinｇする必要はなく、１秒ごとのMoovingとする。

・測定した脳波信号をFFTにかける。

１秒ごとに得られた128個のデータをFFTにかける。

その結果、１Hzから整数倍に64Hzまでの成分（フーリエ係数）が得られる。

（Nyquistのサンプリング定理）

これを

・アルファ波は、8Hzから11Hzの成分の2乗和をとる（単純な和でもよいかも）

・ベータ波は、13Hzから16Hzの成分の2乗和をとる（単純な和でもよいかも）

これで、アルファ波、ベータ波のパワースペクトルが得られる。

アルファ波、ベータ波以外のガンマ波、デルタ波、シータ波の使い道は、今後の課題。

(55)

では、どうするか？（脳波）

2. アルファ波、ベータ波の利用

得られたアルファ波、ベータ波を、どのように利用するかが、今後の研究の目的となるが、今のところ、次のように考えている。

一般に従来知見では、アルファ波は、リラックスの度合い、ベータ波は集中の度合いを表すとされている。

・アルファ波の低い状態（またはベータ波が高い状態）が長時間継続した場合には、

休憩をうながすアラームを行い、

・アルファ波の高い状態（またはベータ波が低い状態）が長時間継続した場合には、

居眠り防止のため、緊張をうながすアラームを行う

（この程度の処理内容だと、高い、低いは、個人ごとの設定値（閾値）で、複雑なアルゴリズムは不要）

上記が運転手の疲労状態を判定する機能で、

上記のどちらかの状態が、一定日数連続するような場合には、この運転手の疲労状態は一過性とはみなさず、健康状態に問題があると判定する。

次のステップでは、AIや複雑なアルゴリズムで判定することを考えている。

ドライバー健康・疲労管理システム