図面 (/)

技術 運動諸量算出方法、運動諸量算出装置及び携帯機器

出願人 セイコーエプソン株式会社
発明者 山形整功村口美幸磯貝博之川本智也杉山達彦郷原直樹
出願日 2014年8月6日 (5年2ヶ月経過) 出願番号 2014-160180
公開日 2015年6月18日 (4年3ヶ月経過) 公開番号 2015-109946
状態 特許登録済
技術分野 運動付属具 訓練用具
主要キーワード 関係式データ 状態判定条件 装着向き 加速度分布 主成分データ 主成分方向 主成分分析結果 周波数閾値
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2015年6月18日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (13)

課題

ユーザー移動運動時の運動諸量を高精度に求めること。

解決手段

判定部は、ユーザーの手首に取り付けられた加速度センサー12による検出加速度分布に表れる第1方向を判定する。算出部は、前記第1方向に沿った前記検出加速度の値の変動サイクルを用いて前記ユーザーの移動運動時の運動諸量を算出する。

概要

背景

GPS(Global Positioning System)等を利用した測位機能を有する携帯型の電子機器(以下「携帯機器」という)が知られており、例えばユーザーの腕や足等の四肢の何れかに装着する「ランニングウォッチ」「トレーニングウォッチ」「ランナーズウォッチ」等と呼ばれる携帯機器が知られている(例えば特許文献1)。

この携帯機器では、ユーザーが計測開始操作をすると、緯度経度などを含む位置測定情報や速度情報、移動した距離情報ピッチ情報などが周期的に計測・表示される。
移動運動しているユーザーの運動諸量の1つであるピッチ情報は、例えば1分間当たりの歩数(PPM:Paces Per Minute)として表され、携帯機器に内蔵された加速度センサーによる検出加速度ピークを検出して算出されるのが一般的であった。

概要

ユーザーの移動運動時の運動諸量を高精度に求めること。判定部は、ユーザーの手首に取り付けられた加速度センサー12による検出加速度の分布に表れる第1方向を判定する。算出部は、前記第1方向に沿った前記検出加速度の値の変動サイクルを用いて前記ユーザーの移動運動時の運動諸量を算出する。

目的

本発明は、上述した課題に鑑みて考案されたものであり、目的とする

効果

実績

技術文献被引用数
0件
牽制数
0件

この技術が所属する分野

(分野番号表示ON)※整理標準化データをもとに当社作成

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

ユーザーの身体に取り付けられた加速度センサーによる検出加速度分布に表れる第1方向を求めることと、前記第1方向に沿った前記検出加速度の値の変動サイクルを用いて前記ユーザーの移動運動時の運動諸量を算出することと、を含む運動諸量算出方法

請求項2

前記第1方向に沿って変動する前記検出加速度の複数の値を自己相関することで前記変動サイクルを算出すること、を更に含む請求項1に記載の運動諸量算出方法。

請求項3

前記自己相関することは、所定の周波数解析を行うこと、および、所定の逆周波数解析を行うこと、を含む、請求項2に記載の運動諸量算出方法。

請求項4

前記第1方向を求めることは、前記検出加速度の分布の散布方向に基づいて前記第1方向を求めることである、請求項1〜3の何れか一項に記載の運動諸量算出方法。

請求項5

前記第1方向を求めることは、前記検出加速度の分布の最大散布方向、および、当該最大散布方向に直交する散布方向の何れかに基づいて前記第1方向を求めることである、請求項4に記載の運動諸量算出方法。

請求項6

前記第1方向を求めることは、5秒以下の所定の単位時間の間の前記検出加速度の分布に表れる前記第1方向を求めることである、請求項1〜5の何れか一項に記載の運動諸量算出方法。

請求項7

ユーザーの身体に取り付けられた加速度センサーによる検出加速度の分布に表れる第1方向を求める判定部と、前記第1方向に沿った前記検出加速度の値の変動サイクルを用いて前記ユーザーの移動運動時の運動諸量を算出する算出部と、を備えた運動諸量算出装置

請求項8

前記加速度センサーは、前記ユーザーの四肢のいずれかに取り付けられる請求項7に記載の運動諸量算出装置。

請求項9

請求項7または8に記載の運動諸量算出装置を備える携帯機器

技術分野

0001

本発明は、加速度センサーを用いた運動量算出方法、運動諸量算出装置及びそれを備えた携帯機器に関する。

背景技術

0002

GPS(Global Positioning System)等を利用した測位機能を有する携帯型の電子機器(以下「携帯機器」という)が知られており、例えばユーザーの腕や足等の四肢の何れかに装着する「ランニングウォッチ」「トレーニングウォッチ」「ランナーズウォッチ」等と呼ばれる携帯機器が知られている(例えば特許文献1)。

0003

この携帯機器では、ユーザーが計測開始操作をすると、緯度経度などを含む位置測定情報や速度情報、移動した距離情報ピッチ情報などが周期的に計測・表示される。
移動運動しているユーザーの運動諸量の1つであるピッチ情報は、例えば1分間当たりの歩数(PPM:Paces Per Minute)として表され、携帯機器に内蔵された加速度センサーによる検出加速度ピークを検出して算出されるのが一般的であった。

先行技術

0004

特開2013−140158号公報

発明が解決しようとする課題

0005

しかしながら、携帯機器をユーザーの四肢の何れかに装着した場合、加速度センサーによる検出加速度のピークには、1歩1歩の着地以外のピークが含まれ得た。すなわち、例えば携帯機器を腕に装着した場合には、着地時に大きな加速度が検出されるとともに、腕の前後動の変化時にも大きな加速度が検出される。そのため、検出加速度のうち、着地時のピークだけを検出することが難しく、算出されるピッチ誤差が含まれる場合があった。

0006

また、移動運動しているユーザーの運動諸量の1つとしてピッチを例に挙げたが、着地の衝撃や地面を蹴る力といった接地指標値についても同様の問題があった。

0007

本発明は、上述した課題に鑑みて考案されたものであり、目的とするところは、ユーザーの身体(上記従来例では「四肢の何れか」)に取り付けられた加速度センサーによる検出加速度を用いて、ユーザーの移動運動時の運動諸量をより高精度に算出可能とする技術を実現することである。

課題を解決するための手段

0008

上記の課題を解決するための第1の発明は、ユーザーの身体に取り付けられた加速度センサーによる検出加速度の分布に表れる第1方向を求めることと、前記第1方向に沿った前記検出加速度の値の変動サイクルを用いて前記ユーザーの移動運動時の運動諸量を算出することと、を含む運動諸量算出方法である。

0009

また、他の発明として、ユーザーの身体に取り付けられた加速度センサーによる検出加速度の分布に表れる第1方向を求める判定部と、前記第1方向に沿った前記検出加速度の値の変動サイクルを用いて前記ユーザーの移動運動時の運動諸量を算出する算出部と、を備えた運動諸量算出装置を構成することとしてもよい(第7の発明)。

0010

この第1の発明(または第7の発明)によれば、ユーザーの身体、例えばユーザーの四肢の何れかに取り付けられた加速度センサーによる検出加速度の分布に表れる第1方向が判定され、この第1方向に沿った検出加速度の値の変動サイクルを用いて運動諸量が算出される。例えば、ユーザーの移動運動に伴って着地時に加速度が大きく変化するとともに、ユーザーの移動運動に伴ってユーザーの四肢が前後に動くために加速度が周期的に変化する。よって、検出加速度の分布には、ユーザーの体の上下方向および四肢の前後動に係る方向の2方向が含まれる。しかし、この2方向は、後述する実施形態で説明する通り、検出加速度の分布において異なる散布方向に表れることが分かった。そのため、検出加速度の分布から当該2方向の何れかを判定することができる。そして、判定した方向(第1方向)に沿った検出加速度の値の変動サイクルを用いて運動諸量を算出することができる。よって、ユーザーの移動運動時の運動諸量をより高精度に算出可能となる。

0011

また、第2の発明は、前記第1方向に沿って変動する前記検出加速度の複数の値を自己相関することで前記変動サイクルを算出すること、を更に含む第1の発明の運動諸量算出方法である。

0012

この第2の発明によれば、第1方向に沿って変動する検出加速度の値から変動サイクルを算出することができる。そのとき、自己相関を用いて変動サイクルを求めるため、より精確な変動サイクルを算出することができる。変動サイクルとは、例えば、周期や周波数のことであり、運動諸量の1つであるピッチに相当する。ユーザーが歩行走行といった移動運動を行っているのであれば、第1方向に沿った加速度が周期的に変動するため、この変動サイクルを自己相関により精確に算出することができる。

0013

また、第3の発明は、前記自己相関することは、所定の周波数解析を行うこと、および、所定の逆周波数解析を行うこと、を含む、第2の発明の運動諸量算出方法である。

0014

この第3の発明によれば、自己相関を、所定の周波数解析および所定の逆周波数解析を用いて行うことができるため、演算量を低減することができる。

0015

また、第4の発明は、前記第1方向を求めることは、前記検出加速度の分布の散布方向に基づいて前記第1方向を求めることである、第1〜第3の何れかの発明の運動諸量算出方法である。

0016

この第4の発明によれば、検出加速度の分布の散布方向に基づいて第1方向を求めることができる。

0017

また、第5の発明は、前記第1方向を求めることは、前記検出加速度の分布の最大散布方向、および、当該最大散布方向に直交する散布方向の何れかに基づいて前記第1方向を求めることである、第4の発明の運動諸量算出方法である。

0018

この第5の発明によれば、検出加速度の分布の最大散布方向、および、当該最大散布方向に直交する散布方向の何れかに基づいて第1方向を求めることができる。最大散布方向とは、検出加速度の分布の広がりとして最大の広がり幅を示す方向のことである。最大散布方向および最大散布方向に直交する散布方向は、ユーザーの体の上下方向および四肢の前後動に係る方向の何れかに対応する。このため、第1方向をより精確に特定することが可能となる。

0019

また、第6の発明は、前記第1方向を求めることは、5秒以下の所定の単位時間の間の前記検出加速度の分布に表れる前記第1方向を求めることである、第1〜第5の何れかの発明の運動諸量算出方法である。

0020

この第6の発明によれば、5秒以下の所定の単位時間の間の検出加速度の分布から第1方向を求める。このため、第1方向を求める際のデータ量を低減することができる。

0021

また、第8の発明は、第7の発明に記載の運動諸量算出装置であって、前記加速度センサーは、前記ユーザーの四肢のいずれかに取り付けられる運動諸量算出装置である。

0022

この第8の発明によれば、ユーザーの四肢のいずれかに取り付けられた加速度センサーによる検出加速度の分布に表れる第1方向が判定され、判定した第1方向に沿った検出加速度の値の変動サイクルを用いて運動諸量を算出することができる。よって、ユーザーの移動運動時の運動諸量をより高精度に算出可能となる。

0023

また、第9の発明は、第7の発明または第8の発明に記載の運動諸量算出装置を備えた携帯機器である。

0024

この第9の発明によれば、携帯機器は、上記発明の運動諸量算出装置を備えているので、この携帯機器を、四肢のいずれか、またはその他の身体の部位に装着して速度推定を実施する際に、携帯機器の付け方の影響を受け難くすることができ、また、ユーザーの四肢の動かし方や動作のフォームなどの個人差や異常動作の影響を受け難くして、ユーザーの速度推定を行うことができる。
したがって、携帯機器を装着したユーザーの移動速度を高精度に計測することが可能な携帯機器を提供することができる。

図面の簡単な説明

0025

ランニングウォッチの主要な構成例を示すブロック図。
ランニングウォッチを構成する処理部の構成例を示すブロック図。
速度推定処理の処理手順を示すフローチャート
加速度分布分析処理の詳細な処理手順を示すフローチャート。
過去2秒分の第1主成分データPCA1)を示す図。
図5の第1主成分データ(PCA1)の自己相関処理結果を示す図。
周波数解析処理としての自己相関処理の詳細な処理手順を示すフローチャート。
状態判定処理の詳細な処理手順を示すフローチャート。
ユーザーの状態の典型例三態を示す説明図。
学習処理の処理手順を説明するための図。
学習データのデータ構成例を示す図。
最小二乗法を説明するための図。

実施例

0026

以下、図面を参照して、本発明の運動諸量算出方法及び運動諸量算出装置を実施するための一形態について説明する。以下では、運動諸量算出装置を具備した携帯機器としてランニングウォッチを例示する。このランニングウォッチは、ユーザーの手首に装着されて使用され、ユーザーの位置情報や速度情報、ピッチ情報、距離情報等を周期的に計測し、表示する。本実施形態では、運動諸量の一例として、速度およびピッチ情報を算出する例を具体的に説明するが、その他の特徴量の算出に本発明を適用することも勿論可能である。例えば、着地時の衝撃や地面を蹴る力といった接地時指標値を算出することとしてもよい。なお、以下説明する実施形態によって本発明が限定されるものではなく、本発明が適用可能な形態が以下の実施形態に限定されるものでもない。また、図面の記載において、同一部分には同一の符号を付す。

0027

[構成]
図1は、ランニングウォッチ1の主要な機能構成例を示すブロック図である。また、図2は、ランニングウォッチ1を構成する処理部18の機能構成例を示すブロック図である。図1に示すように、ランニングウォッチ1は、GPSモジュール11と、加速度センサー12と、操作部13と、表示部14と、音出力部15と、通信部16と、時計部17と、処理部18と、記憶部20とを備える。

0028

GPSモジュール11は、測位用衛星一種であるGPS衛星から送信されるGPS衛星信号GPSアンテナ111によって受信し、受信したGPS衛星信号に基づきユーザーの位置及び移動速度を計測して随時処理部18に出力する。以下、GPSモジュール11によって計測される移動速度を「GPS移動速度」という。なお、GPSを利用して位置や移動速度を計測する方法については従来公知であるため、詳細な説明は省略する。

0029

加速度センサー12は、ユーザーの加速度ベクトルを検出する。加速度センサー12としては、例えばMEMS(Micro Electro Mechanical Systems)センサーが用いられる。この加速度センサー12が検出した加速度ベクトルは、検出加速度として処理部18に出力される。

0030

操作部13は、ボタンスイッチやレバースイッチダイヤルスイッチ等の各種スイッチ、タッチパネル等の入力装置によって実現されるものであり、操作入力に応じた操作信号を処理部18に出力する。

0031

表示部14は、LCD(Liquid Crystal Display)やELディスプレイ(Electroluminescence display)等の表示装置によって実現されるものであり、処理部18から入力される表示信号に基づいて各種画面を表示する。

0032

音出力部15は、スピーカー等の音出力装置によって実現されるものであり、処理部18から入力される音信号に基づいて各種の音の出力を行う。

0033

通信部16は、処理部18の制御のもと、装置内部で利用される情報を外部の情報処理装置との間で送受するための通信装置である。通信部16の通信方式としては、所定の通信規格準拠したケーブルを介して有線接続する形式や、クレイドルと呼ばれる充電器と兼用の中間装置を介して接続する形式、無線通信を利用して無線接続する形式等、種々の方式を適用可能である。例えば、この通信部16を介してランニングウォッチ1が計測したユーザーの位置情報や速度情報、距離情報等をPC(パソコン:Personal Computer)に送信し、PCにおいてこれらを閲覧したりデータ管理するといったことが適宜行われる。

0034

時計部17は、ランニングウォッチ1の内部時計であり、水晶振動子及び発振回路からなる水晶発振器等で構成される。時計部17の計時時刻は、処理部18に随時出力される。

0035

処理部18は、CPU(Central Processing Unit)やDSP(Digital Signal Processor)等のマイクロプロセッサーASIC(Application Specific IntegratedCircuit)等の制御装置及び演算装置によって実現されるものであり、ランニングウォッチ1の各部を統括的に制御する。この処理部18は、運動諸量を算出する運動諸量算出部として機能する。処理部18は、図2に示すように、判定部としての加速度分布分析処理部181と、変動サイクル算出部182と、状態判定部185と、学習可否判定部186と、導出部としての学習処理部187と、速度推定部としての移動速度推定部188と、乗り物判定部189と、移動速度出力制御部190と、ピッチ算出部191とを備える。なお、処理部18を構成する各部は、専用のモジュール回路等のハードウェアで構成することとしてもよい。

0036

加速度分布分析処理部181は、後述する加速度分布分析処理を行い(図4を参照)、検出加速度に基づいて第1主成分データ(以下適宜「PCA1」という)、第2主成分データ(以下適宜「PCA2」という)、及び固有ベクトル等を取得する。検出加速度の主成分分析結果である第1主成分データ(PCA1)及び第2主成分データ(PCA2)は、例えば、一方がユーザーの身体の上下動方向成分、他方が腕振り方向成分に対応する。

0037

変動サイクル算出部182は、例えば、ユーザーが単位時間当たりに踏むステップ数であるピッチに相当するステップ動作の変動サイクルとしての周波数を得るための処理を行う。ここで、本実施形態では、変動サイクルとしての「周波数」には算出方法の違いにより幾つかの種類あり、例えば、FFTや自己相関などの周波数解析を用いて算出する方法があり、また、最尤推定を用いて算出する方法を用いることで、より精度を上げて算出することができる。

0038

変動サイクル算出部182は、周波数解析処理部184を含む。周波数解析処理部184は、周波数解析処理として、例えば後述する自己相関処理を行い(図7を参照)、第1主成分データ(PCA1)及び第2主成分データ(PCA2)に基づいてPCA1の周波数(第1の変動サイクル)とパワー(第1の変動強度)、PCA2の周波数(第2の変動サイクル)とパワー(第2の変動強度)、及びPCA2のFFT最大パワー(第2の変動強度)とを取得する。これらの取得値についても詳細に後述する。

0039

ピッチ算出部191は、この変動サイクル算出部182によって算出された変動サイクルである周波数、特にユーザーのステップ動作の周波数に基づいてピッチ情報(単位時間当たりの歩数)を算出する。例えば、単位時間を1分間とするならば、ステップ動作の周波数を1分間当たりに換算してピッチ情報とする。なお、変動サイクル算出部182によって算出された身体上下動の周波数に対して、何らかのフィルター処理(例えばLPF処理)を施した周波数から、ピッチ情報を算出する等としてもよい。

0040

状態判定部185は、後述する状態判定処理を行い(図8を参照)、PCA1の周波数(第1の周波数)とPCA2の周波数(第2の周波数)とが、事前に設定される周波数閾値に対してどのような値を示しているかに基づいてユーザーの状態を「走行」「歩行」又は「移動運動状態以外」として判定する。

0041

学習可否判定部186は、後述する学習可否判定処理を行い、GPS衛星信号の信号強度及びユーザーの状態に基づいて学習の可否を判定する。

0042

学習処理部187は、学習可否判定部186によりユーザーの状態が学習可と判定した場合に学習処理を行う(図10を参照)。具体的には、学習処理部187は、GPS移動速度、第1の主成分方向および第2の主成分方向の少なくとも一方の周波数(変動サイクル)、及び第1の変動強度及び第2の変動強度の少なくとも一方の変動強度に基づいて、ユーザーの状態に応じて走行用又は歩行用の移動速度関係式を導出する。

0043

移動速度推定部188は、ユーザーの状態が「走行」の場合は走行用の移動速度関係式を用い、「歩行」の場合は歩行用の移動速度関係式を用いてユーザーの移動速度を「推定移動速度」として算出する。

0044

乗り物判定部189は、後述する乗り物判定処理を行い、GPS移動速度やユーザーの第1の主成分方向および第2の主成分方向の少なくとも一方の周波数(変動サイクル)等に基づいて、ユーザーが自動車列車等の乗り物に乗車しているか否かを判定する。

0045

移動速度出力制御部190は、ユーザーが乗り物に乗車中でなければ推定移動速度をユーザーの移動速度として出力する一方、乗車中の場合はGPS移動速度をユーザーの移動速度として出力する。

0046

記憶部20は、ROM(Read Only Memory)やフラッシュROM、RAM(Random Access Memory)等の各種IC(IntegratedCircuit)メモリーハードディスク等の記憶媒体により実現されるものである。記憶部20には、ランニングウォッチ1を動作させ、このランニングウォッチ1が備える種々の機能を実現するためのプログラムや、このプログラムの実行中に使用されるデータ等が事前に記憶され、或いは処理の都度一時的に記憶される。

0047

この記憶部20には、処理部18を加速度分布分析処理部181、変動サイクル算出部182、状態判定部185、学習可否判定部186、学習処理部187、移動速度推定部188、乗り物判定部189、移動速度出力制御部190、及びピッチ算出部191として機能させ、速度推定処理(図3を参照)を行うための速度推定プログラム21が記憶される。また、速度推定プログラム21には、サブルーチンプログラムとして、ピッチ算出処理に係るピッチ算出プログラム211が含まれる。

0048

また、記憶部20には、分析結果データ22と、状態判定結果23と、ヒストグラムデータ24と、学習データ26と、関係式データ27と、移動速度データ28と、ピッチデータ29とが記憶される。

0049

分析結果データ22は、前回データ221と、今回データ223とを含む。後述するように、速度推定処理は1秒毎に繰り返し行われる。前回データ221は、加速度分布分析処理部181が前回(1秒前に)取得した第1主成分データ(PCA1)、第2主成分データ(PCA2)、及び固有ベクトル等を記憶する。そして、今回データ223は、加速度分布分析処理部181が今回取得した第1主成分データ(PCA1)、第2主成分データ(PCA2)、及び固有ベクトル等を記憶する。

0050

状態判定結果23は、状態判定部185が今回判定したユーザーの状態(「走行」「歩行」又は「移動運動状態以外」)を記憶する。

0051

ヒストグラムデータ24は、繰り返される速度推定処理の過程収集したPCA1の周波数(第1の変動サイクル)及びPCA2の周波数(第2の変動サイクル)のヒストグラムを記憶する。

0052

学習データ26は、繰り返される速度推定処理の過程で収集される。そして学習データ26は、学習処理部187が移動速度関係式を学習・更新する際に参照される。この学習データ26の具体的なデータ構成については後述する(図11を参照)。

0053

関係式データ27は、学習処理部187が導出した最新の移動速度関係式データ273を記憶する。

0054

移動速度データ28は、移動速度出力制御部190が速度推定処理のたびに出力するユーザーの移動速度(推定移動速度又はGPS移動速度)を時系列で記憶する。

0055

ピッチデータ29は、ピッチ算出部191が算出したピッチ情報を時系列で記憶する。

0056

〔処理の流れ〕
図3は、速度推定処理の処理手順を示すフローチャートである。なお、ここで説明する処理は、処理部18が記憶部20から速度推定プログラム21を読み出して実行することで実現できる。ランニングウォッチ1は、図3の処理手順に従って処理を行うことで速度推定方法を実施する。

0057

ここで、図3に示す速度推定処理は、例えば、操作部13を介してユーザーの計測開始操作がなされると開始され、計測終了操作がなされるまでの間、ステップa1〜a25の処理が1秒毎に繰り返し実行される。また、計測開始操作がなされると、別途GPSモジュール11によるGPS移動速度等の計測や加速度センサー12による検出加速度の検出等が開始され、速度推定処理が終了するまで並行実行される。加速度センサー12からは随時検出結果信号が出力されるが、処理部18では、所定のサンプリングレートで検出加速度としてサンプリングして取り込み、速度推定処理に利用する。サンプリングレートは、例えば1秒間に32サンプルとすることができるが、勿論、他のサンプリングレートであってもよい。

0058

速度推定処理では先ず、加速度センサー12により、3軸(x,y,z)の各軸方向の加速度が取得される(ステップa1)。
続いて、加速度分布分析処理部181が、加速度分布分析処理を行う。具体的には、加速度センサー12の各軸方向(x,y,z)に対応する座標(センサー座標)空間内における検出加速度の分布を分析して、主要な成分(主成分)の分布の方向を抽出する主成分分析を行う(ステップa3)。主成分の方向は、例えば上位2つの主成分に着目すると、分布の広がりが最も大きい最大散布方向を第1主成分、これと交差(例えば直交)する次に分布の広がりが大きい散布方向を第2主成分として抽出することができ、各々の散布方向の主成分データである第1主成分データ(PCA1)及び第2主成分データ(PCA2)が得られる。なお、ここでは主成分分析の他に、複数の加法的な成分に分離するための計算手法である独立成分分析を用いて加速度分布分析処理を行うこととしてもよい。

0059

図4は、加速度分布分析処理の詳細な処理手順を示すフローチャートである。図4に示すように、加速度分布分析処理では、加速度分布分析処理部181は、主成分分析によって過去1秒間の32サンプル分の検出加速度の分布の散布方向を分析する(ステップb1)。なお、主成分分析の詳細については従来公知であるため説明は省略するが、本実施形態では、図4に示した第1主成分及び第2主成分と直交する方向を第3主成分(上下動方向成分及び腕振り方向成分以外の成分)として3つの主成分を抽出し、これら各主成分固有値及び固有ベクトルを算出する。

0060

そして、この主成分分析により、加速度分布分析処理部181は、第1主成分の方向を第1の座標軸、第2主成分の方向を第2の座標軸、第3主成分の方向を第3の座標軸とする分布座標を設定し(ステップb3)、検出加速度の各値を分布座標に変換して(ステップb5)、分布座標における検出加速度の第1の座標軸の各値を第1主成分データ(PCA1)、第2の座標軸の各値を第2主成分データ(PCA2)として取得する(ステップb7)。

0061

その後、加速度分布分析処理部181は、ステップb9の処理として、第1主成分データ(PCA1)、第2主成分データ(PCA2)、及び固有ベクトルを少なくとも含めたものを今回データ223として分析結果データ22を更新する。また、2回目以降の速度推定処理では、加速度分布分析処理部181は、更新前の今回データ223を前回データ221として分析結果データ22を更新する。

0062

以上説明した加速度分布分析処理によれば、検出加速度から身体の上下動方向成分及び腕振り方向成分を分離・抽出することができる。これによれば、検出加速度の値に含まれる走り方や歩き方、腕の振り方等に相関しない除外成分(第3主成分)を除外した上で以降の処理に用いることができる。また、このようにすることで、以降の処理においては、加速度センサー12の各軸方向(x,y,z)を意識する必要がない。これによれば、ランニングウォッチ1の装着向き等の装着状態に影響されることなく推定移動速度の算出を行える。

0063

図3に戻る。ステップa3の加速度分布分析処理(主成分分析処理)を終えると、続いて周波数解析処理部184が、周波数解析処理を行う(ステップa5)。ここでの処理は、前回データ221及び今回データ223として分析結果データ22に記憶されている過去2秒分の第1主成分データ(PCA1)及び第2主成分データ(PCA2)を用いる。

0064

図5は、過去2秒分の第1主成分データ(PCA1)を示す図である。上記したように、第1主成分データ(PCA1)及び第2主成分データ(PCA2)は、それぞれ対応する第1主成分方向の動作及び第2主成分方向の動作の変動サイクルで周期的に変化する。したがって、例えば、図5の第1主成分データ(PCA1)に着目すれば、その周波数は、周期変動波形のピークP21,P22,P23を検出し、ピークP21,P22,P23間の時間T21,T23の平均値等から求めることができる。しかし、実際の周期変動波形には、周期変動のピークP21,P22,P23以外にも図5中に破線で囲って示す別のピークP25,P26が出現するため、誤検出の原因となる。

0065

この誤検出を低減するには、ピーク検出を行う第1主成分データ(PCA1)や第2主成分データ(PCA2)の時間長を長くする方法が考えられるが、ピッチ等の時間変化に対する追従性が損なわれる他、これら第1主成分データ(PCA1)等の周期変動波形そのものからは第1主成分方向や第2主成分方向のパワーを特定することができない。そこで、周波数解析処理部184は、過去2秒分の第1主成分データ(PCA1)及び第2主成分データ(PCA2)から周波数及びパワーを取得するために、周波数解析処理を行う。周波数解析処理は、例えば自己相関処理を用いて行うことができる。

0066

図6は、図5の第1主成分データ(PCA1)の周波数解析処理としての自己相関処理の処理結果を示す図である。図6に示すように、自己相関処理をすると、第1主成分データ(PCA1)の周期性のみがピークとして現れた周期変動波形の全体的な形状を得ることができる。したがって、この自己相関処理結果についてピーク検出を行うことにより、ピークP41,P42,P43間の時間T41,T43からPCA1の周波数(第1の変動サイクル)を算出することができる。また、周波数解析処理部184は、第1主成分データ(PCA1)の自己相関処理結果から、相関値最大値図6では、ピークP41の相関値D41)を自己相関のパワー(第1の変動強度)としてさらに取得する。第2主成分データ(PCA2)についても、周波数解析処理部184は、自己相関処理結果について同様の要領でピーク検出を行い、PCA2の周波数(第2の変動サイクル)およびパワー(第2の変動強度)を算出する。

0067

なお、この自己相関処理は、所定の周波数解析及び所定の逆周波数解析を用いた処理、例えばFFT(Fast Fourier Transform)処理及び逆FFT処理を用いた処理で代替することができる。FFT処理結果から上下動方向のパワー(PCA1のFFT最大パワー)及び腕振り方向のパワー(PCA2のFFT最大パワー)をそれぞれ取得できる。FFT処理及び逆FFT処理を利用することで、演算量を削減して、処理の高速化を図ることができる。図7は、周波数解析処理としての自己相関処理の詳細な処理手順を示すフローチャートである。

0068

図7に示すように、自己相関処理では、周波数解析処理部(ここでは自己相関処理部)184は先ず、分析結果データ22を参照して前回データ221及び今回データ223から第1主成分データ(PCA1)を読み出し、過去2秒分の第1主成分データ(PCA1)を処理対象に設定する(ステップc1)。

0069

続いて、周波数解析処理部(自己相関処理部)184は、処理対象に設定した過去2秒分の第1主成分データ(PCA1)をFFT処理し(ステップc3)、

0070

続いて、周波数解析処理部(自己相関処理部)184は、ステップc3のFFT処理結果を逆FFT処理する(ステップc7)。そして、周波数解析処理部(自己相関処理部)184は、逆FFT処理結果についてピーク検出を行い、PCA1の周波数(第1の変動サイクル)及び自己相関のパワー(第1の変動強度)を取得する(ステップc9)。

0071

その後、周波数解析処理部(自己相関処理部)184は、分析結果データ22を参照して前回データ221及び今回データ223から第2主成分データ(PCA2)を読み出し、過去2秒分の第2主成分データ(PCA2)を処理対象に設定する(ステップc11)。そして、周波数解析処理部(自己相関処理部)184は、ステップc3〜ステップc7と同様の要領で、処理対象に設定した過去2秒分の第2主成分データ(PCA2)をFFT処理し(ステップc13)、ステップc13のFFT処理結果を逆FFT処理する(ステップc17)。そして、周波数解析処理部(自己相関処理部)184は、逆FFT処理結果についてピーク検出を行い、PCA2の周波数(変動サイクル)を取得する(ステップc19)。

0072

なお、ステップc7及びステップc17の逆FFT処理の前に、第1主成分方向成分や第2主成分方向成分として想定される周波数域外れた周波数をカットするようにしてもよく、このようにすれば自己相関処理の精度を向上させることができる。

0073

以上説明した周波数解析処理(自己相関処理)によれば、PCA1の周波数(第1の変動サイクル)及びPCA2の周波数(第2の変動サイクル)を誤算出することなく取得することができる。したがって、結果として後述する推定移動速度の算出精度の向上が図れる。また、相関値は、PCA1及びPCA2のパワー(第1および第2の変動強度)として取得することができる。

0074

図3に戻る。ステップa5の周波数解析処理を終えると、続いて、最尤推定方法を用いることによって、より確度の高い変動サイクルを算出することができる(ステップa7)。
続いて、状態判定部185が、ユーザーの運動状態を判定する状態判定処理を行う(ステップa9)。この状態判定処理では、状態判定部185は、ユーザーの状態が移動運動状態である「走行」又は「歩行」なのか、「移動運動状態以外」なのかを判定する。

0075

ここで、図9を参照し、ユーザーの状態が「走行」なのか「歩行」なのかの判定原理を説明する。図9は、状態判定処理におけるユーザーの状態の典型例三態を示す説明図である。図9(a)〜(c)では、縦軸を周波数として、ユーザーの状態を判定可能とするために予め設定される周波数の閾値(破線)に対して、第1の変動サイクルにおけるPCA1の周波数(白丸)と、第2の変動サイクルにおけるPCA2の周波数(黒丸)がどのような値となっているかを示している。以下、具体的に説明する。
まず、図9(a)では、走行中におけるPCA1の周波数(白丸)及びPCA2の周波数(黒丸)の典型例を示している。即ち、図9(a)に示すように、PCA1の周波数及びPCA2の周波数が共に閾値を超えている場合は、ユーザーの状態を「走行」と判定することができる。
また、図9(b)では、歩行中におけるPCA1の周波数(白丸)及びPCA2の周波数(黒丸)の典型例を示している。即ち、図9(b)に示すように、PCA1の周波数及びPCA2の周波数のうち、いずれか一方が閾値を超え他方が閾値以下である場合は、ユーザーの状態を「歩行」と判定することができる。
また、図9(c)では、「走行中」でも「歩行中」でもない「移動運動状態以外」の状態におけるPCA1の周波数(白丸)及びPCA2の周波数(黒丸)を示している。即ち、上述した図9(a)及び図9(b)に示す閾値に対する各周波数の値とは異なり、PCA1の周波数及びPCA2の周波数は共に、閾値に満たない値を示している場合は、ユーザーの状態を「走行」でも「歩行」でもない「移動運動状態以外」と判定することができる。

0076

なお、例示した移動運動状態条件及び状態判定条件はあくまでも図9(a)〜図9(c)に示した典型例に基づくものである。したがって、実際には、様々なユーザーからデータを収集・解析することで個人差を吸収した最適な移動運動状態条件及び状態判定条件を適宜設定してよい。

0077

ところで、ユーザーは、走行中又は歩行中に、ランニングウォッチ1の表示を見たり、をぬぐったりといった通常の腕振り動作とは異なる動作(異常動作)をする場合があり、このような場合、検出加速度の主成分の方向すなわち散布方向が変位することとなる。一方で、後述する学習処理では、速度推定処理の過程で所定の特性値を収集した上で、ユーザーの移動速度を推定するための移動速度関係式を更新する。そのため、このような異常動作をしたときに得た特性値を学習処理に用いてしまうと、推定移動速度の算出精度が低下する問題がある。なお、ユーザーが走行又は歩行を一時中止或いは終了して停止している場合も同様の問題がある。

0078

そこで、状態判定部185は、まず、ユーザーの状態として異常動作が行われたかを判定する。この異常動作は、今回の固有ベクトルと前回の固有ベクトルとの固有ベクトル内積内積値)によって判定したり、固有ベクトル内積が大きく変化するタイミングでPCA2の周波数(第2の変動サイクル)とPCA1の周波数(第1の変動サイクル)との関係が大きくくずれたことが確認できたとき、これを利用して「異常動作」を判定したりするようにしてもよい。

0079

図8は、状態判定処理の詳細な処理手順を示すフローチャートである。
図8に示すように、状態判定処理では、状態判定部185は先ず、変動サイクル算出部182から第1の変動サイクル及び第2の変動サイクルを取得する。(ステップd1)。
次に、状態判定部185は、取得した第1の変動サイクル及び第2の変動サイクルにおいて、第1の変動サイクルの周波数(PCA1の周波数)及び第2の変動サイクルの周波数(PCA2の周波数)に対して状態判定のために適用する所定の周波数の閾値(例えば1.5Hz)を設定する(ステップd3)。
続いて、状態判定部185は、PCA1の周波数及びPCA2の周波数のそれぞれが、ステップd3で設定された周波数の閾値に対してどのような値を示しているかに基づいて、ユーザーの状態を判定する。例えば、図9(a)に示すように、PCA1の周波数及びPCA2の周波数が共に閾値を超えている場合は(ステップd5:Yes)、ユーザーの状態を「走行」と判定し(ステップd7)、状態判定結果23を「走行」に更新する。

0080

一方、状態判定部185は、ステップd5において、PCA1の周波数及びPCA2の周波数が共に閾値を超えている状態とは異なる状態である場合は(ステップd5:No)、その後ステップd9に移行する。
続いて、状態判定部185は、図9(b)に示すように、PCA1の周波数及びPCA2の周波数のうち、いずれか一方が閾値を超え他方が閾値以下である場合は(ステップd9:Yes)、ユーザーの状態を「歩行」と判定し(ステップd11)、状態判定結果を「歩行」に更新する。
また、図8のステップd9において、図9(c)に示すように、第1の周波数及び第2の周波数のうち、いずれか一方のみが閾値を超えているのとは異なる状態である場合は(ステップd9:No)、ユーザーの状態を「走行」でも「歩行」でもない「移動運動状態以外」と判定し、状態判定結果23を「移動運動状態以外」として(ステップd13)状態判定結果を更新する。

0081

図3に戻る。ステップa9の状態判定処理を終えると、続いてピッチ算出を行う(ステップa10)。具体的には、ピッチ算出部191が、最尤推定により導出されるステップ動作(身体上下動)の周波数(変動サイクル)を用いて、ピッチ情報を算出する。ステップ動作(身体上下動)の周波数を1分間当たりの数に換算することでピッチ情報を算出することができる。算出したピッチ情報は、記憶部20のピッチデータ29に記憶される。また、表示出力することとしてもよい。

0082

速度推定処理からピッチ算出処理を切り離し、ピッチ情報のみを算出及び出力する場合には、ステップa1〜a10までがピッチ算出処理と言うことができる。

0083

続いて学習可否判定部186が、学習可否判定処理を行う(ステップa11)。例えば、学習可否判定部186は、GPSモジュール11がGPSアンテナ111によって受信したGPS衛星信号の信号強度を閾値処理し、所定の閾値以下の場合は学習しないと判定する。後段の学習処理では、上述の状態判定処理で判定されたユーザーの状態に対応した歩行用または走行用の移動速度関係式の学習・更新にGPS移動速度を用いるが、GPS衛星信号の信号強度が弱い場合にはGPS衛星信号の信頼性が低下するため、学習しないこととする。ここでの処理は、GPS衛星信号の信号強度の信頼性を示す指標値とし、所定の閾値を低信頼性条件として事前に設定しておくことで実現できる。加えて、学習可否判定処理では、学習可否判定部186は、状態判定結果23を参照し、ユーザーの状態として「移動運動状態以外」が設定されている場合も学習しないと判定する。

0084

一方、学習可否判定部186は、GPS衛星信号の信頼性が低信頼性条件を満たさない場合や、状態判定結果23に設定されているユーザーの状態が「移動運動状態以外」でない場合は、学習すると判定する。

0085

学習しないということは、後段の学習処理で行う学習データ26の更新も行わないこととなる。したがって、以上説明した学習可否判定処理によれば、GPS衛星信号の信頼性が低信頼性条件を満たす場合や、ユーザーが移動運動状態でない場合は学習データ26の更新を抑止し、これを用いた移動速度関係式の学習・更新に用いることを抑止できる。これによれば、推定移動速度の算出精度が低下する事態を低減できる。

0086

そして、ステップa11の学習可否判定処理の結果学習すると判定した場合は(ステップa13:Yes)、学習処理部187が学習処理を行い(ステップa15)、その後ステップa17に移行する。学習しないと判定した場合は(ステップa13:No)、ステップa15の学習処理を行わずにステップa19に移行する。図10は、学習処理の処理手順を説明する図である。

0087

図10に示すように、学習処理では先ず、学習処理部187は、GPS移動速度D91と、変動サイクル(第1の変動サイクルおよび第2の変動サイクルの少なくとも一方)D92、及び変動強度(第1の変動強度および第2の変動強度の少なくとも一方)D93を歩行用学習データ26に追加して更新する(f1)。ここで、上述の状態判定処理により「走行」と判定された場合には、変動サイクル及び変動強度を走行用学習データに追加して更新する。

0088

図11は、実績データとしての学習データ26のデータ構成例を示す図である。図11に示すように、学習データ26は、Speed:GPS移動速度と、φ1:変動サイクルと、φ2:変動強度とが対応付けられたデータテーブルである。ここでの処理により、学習データ26には、ユーザーの状態が「歩行」のとき、又は「走行」のときに取得した変動サイクルと、変動強度とを、GPS移動速度と対応付けたものが、上述したように走行用学習データと歩行用学習データとで別々に区別して蓄積されることとなる。

0089

図10戻り、続いて、学習処理部187は、学習データ26を用い、公知の最小二乗法を適用して次式(1)に示す移動速度関係式を学習によって導出する(f3)。次式(1)において、wjは確率変数を表す。最小二乗法では、SpeedとしてGPS移動速度を用い、所定の特性値φjに基づいて確率変数wjを統計的に決定する。

0090

0091

ここで、ユーザーが単位時間当たりに踏むステップ数(ピッチ)に相当する変動サイクルは、ユーザーの移動速度と大きく相関する。また、その変動サイクルの強度(変動強度)も、ユーザーの移動速度と相関していると考えられる。そこで、本実施形態では、図11中にφ1、φ2として示した変動サイクルと変動強度とを、特性値として用いる。

0092

図12は、最小二乗法を説明するための図である。図11に示すように、学習データ26には、GPS移動速度と、変動サイクルと変動強度とが対応付けられたデータセットが、図12に示す通りデータセットDS−1,DS−2,DS−3,・・・のように随時蓄積されていく。ここで、10個目のデータセットDS−10を学習データ26に追加したタイミングでは、学習処理部187は、追加したデータセットDS−10を含む10個のデータセットDS−1〜DS−10を用いて最小二乗法を行い、確率変数wjを新たに決定する。また、最下段のデータセットDS−nを学習データ(歩行用)26に追加したタイミングでは、学習処理部187は、追加したデータセットDS−nを含む全てのデータセットDS−(n−9)〜DS−nを用いて最小二乗法を行い、確率変数wjを新たに決定する。したがって、今回のデータセットを反映した歩行用の移動速度関係式の導出が実現できる。
なお、移動速度関係式の導出には、上述の最小二乗法以外の逐次的な統計手法を用いることができる。

0093

その後、学習処理部187は、最小二乗法によって学習データ26を用いて導出した移動速度関係式を歩行用のものとし、新たに決定した確率変数wjを設定して移動速度関係式データ273を更新する(f5)。

0094

以上説明した学習処理によれば、ユーザーの移動速度と相関する変動サイクルや変動強度といった特性値を用い、歩行用又は走行用の移動速度関係式を導出することができる。また、歩行用または走行用の移動速度関係式の導出に当たり、GPS移動速度を用いることができる。このGPS移動速度は、前段の学習可否判定処理において、そのGPS衛星信号についてGPS衛星信号の信頼性が低信頼性条件を満たさないと判定された値である。

0095

図3に戻る。その後のステップa17では、移動速度推定部188が、記憶部20から移動速度関係式データ273を読み出して用い、推定移動速度を算出する。具体的には、移動速度推定部188は、移動速度関係式データ273として記憶されている確率変数をwj、今回の速度推定処理で取得した変動サイクルをφ1、変動強度をφ2として次式(2)に代入し、求めたSpeedを推定移動速度とする。

0096

0097

以上のようにして、推定移動速度を算出したならば、続いて乗り物判定部189が、乗り物判定処理を行う(ステップa19)。例えば、乗り物判定部189は、ユーザーが単位時間当たりに踏むステップ数(ピッチ)に相当する変動サイクルの周波数の値が十分に小さくユーザーが「走行」又は「歩行」の移動運動状態にない非運動状態の場合であって、GPS移動速度が十分に速い場合は、ユーザーが自転車バイク、自動車、電車等の乗り物に乗車中と判定する。非運動状態か否かを判定するための、上述の第1の変動サイクル及び第2の変動サイクルの少なくとも一方の周波数の閾値及びGPS移動速度を判定するための閾値は、事前に設定しておくことができる。

0098

また、別の例としては、変動サイクルの周波数が所定の閾値以上でありユーザーが移動運動状態にあっても、GPS移動速度が十分に速い場合は、乗り物に乗車しつつ「走行」又は「歩行」している場合(例えば、電車内で歩いているような場合)と考えられる。そこで、移動運動状態か否かを判定するための変動サイクルの周波数の閾値及びGPS移動速度を判定するための閾値を事前に設定しておき、前述のような場合を乗り物に乗車中と判定するようにしてもよい。

0099

そして、移動速度出力制御部190が、ステップa19の乗り物判定処理の結果に基づきユーザーが乗り物に乗車中でなければ(ステップa21:No)、推定移動速度をユーザーの移動速度として出力する(ステップa25)。乗り物に乗車中と判定した場合は(ステップa21:Yes)、移動速度出力制御部190は、GPS移動速度をユーザーの移動速度として出力する(ステップa23)。その後、1回の速度推定処理を終える。

0100

ここでの処理によれば、ユーザーが乗り物に乗車中の場合には、推定移動速度に代えてGPS移動速度をユーザーの移動速度として出力することができる。ユーザーが乗り物に乗車中でなければ、推定移動速度をユーザーの移動速度として出力することができる。

0101

以上説明したように、本実施形態によれば、取得した3軸の検出加速度の分布の散布方向を主成分分析により分析して、例えば上位2つの主成分の分布の方向を分離・抽出し、各主成分方向の変動サイクルや変動強度といった移動速度に影響する値を分布座標における特性値として取得することができる。そして、取得した特性値を用い、ユーザーの状態が「走行」なのか「歩行」なのかに応じて走行用の移動速度関係式又は歩行用の移動速度関係式を随時学習・更新しながらこれらを切り替えて用い、ユーザーの移動速度を推定することができる。したがって、走行中又は歩行中などのユーザーの状態別の移動速度とする推定移動速度を高精度に算出することができる。

0102

なお、上記した実施形態では、変動サイクル及び変動強度を特性値として用いて、走行用の移動速度関係式及び歩行用の移動速度関係式を随時学習・更新しながら、この走行用の移動速度関係式及び歩行用の移動速度関係式を用いて推定移動速度を算出することとした。しかし、走行用の移動速度関係式及び歩行用の移動速度関係式の学習に用いる特性値はこれら2つに限定されるものではない。例えば、これら2つのうちの少なくとも1つを特性値として用いる構成としてもよい。また、ユーザーの移動速度に相関するその他の値をさらに用い、或いはこれらを複数組み合わせて特性値として用いる構成としてもよい。

0103

また、上記した実施形態では、算出する運動諸量として速度およびピッチ情報を例に挙げて説明した。これに加えて、例えば、検出加速度の値の変動サイクルに基づいて求めた自己相関のパワーを用いて、着地時の衝撃や地面を蹴る力といった接地時指標値を運動諸量の1つとして算出して、表示出力することとしてもよい。

0104

また、上記した実施形態では、運動諸量算出装置を具備した携帯機器として手首装着型のランニングウォッチ1を例示したが、これに限定されるものではなく、例えば足首上腕部等、ユーザーの四肢の別の個所に装着して使用する携帯機器として実現してもよい。また、その携帯機器の装着箇所はユーザーの四肢に限らず、ベルトを介してに装着するなど、身体の任意の位置とすることができる。

0105

また、測位用衛星信号は、GPS衛星信号に限らず、WAAS(Wide Area Augmentation System)やQZSS(Quasi Zenith Satellite System)、GLONASS(Global Navigation Satellite System)、GALILEO等の別の測位用衛星信号を利用する構成としてもよい。

0106

1…携帯機器としてのランニングウォッチ、11…GPSモジュール、12…加速度センサー、13…操作部、14…表示部、15…音出力部、16…通信部、17…時計部、18…処理部、20…記憶部、21…速度推定プログラム、22…分析結果データ、23…状態判定結果、24…ヒストグラムデータ、26…学習データ、27…関係式データ、28…移動速度データ、D91…GPS移動速度、D92…変動サイクル、D93…変動強度、111…GPSアンテナ、181…加速度分布分析処理部、182…変動サイクル算出部、184…周波数解析処理部、185…状態判定部、186…学習可否判定部、187…学習処理部、188…移動速度推定部、189…乗り物判定部、190…移動速度出力制御部、221…前回データ、223…今回データ、273…移動速度関係式データ。

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

該当するデータがありません

関連する公募課題

該当するデータがありません

ページトップへ

技術視点だけで見ていませんか?

この技術の活用可能性がある分野

分野別動向を把握したい方- 事業化視点で見る -

(分野番号表示ON)※整理標準化データをもとに当社作成

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

この 技術と関連性が強い技術

関連性が強い 技術一覧

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

該当するデータがありません

この 技術と関連する公募課題

該当するデータがありません

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ