CN101751614A

CN101751614A - 顾客流量等级预测方法及应用其的空调温度控制方法

Info

Publication number: CN101751614A
Application number: CN200910173264A
Authority: CN
Inventors: 曾温祥; 林政廷
Original assignee: Industrial Technology Research Institute ITRI
Current assignee: Industrial Technology Research Institute ITRI
Priority date: 2008-11-27
Filing date: 2009-09-22
Publication date: 2010-06-23
Anticipated expiration: 2029-09-22
Also published as: CN101751614B

Abstract

本发明公开了一种顾客流量等级预测方法及应用其之空调温度控制方法。该顾客流量等级的预测方法至少包括步骤：a)计数单元计数一时段的造访人次；b)若为时段之初，处理单元检查数据库中是否含有该时段的参考人流值；以及c)若有，则处理单元根据参考人流值估算该时段的顾客流量等级。

Description

顾客流量等级预测方法及应用其的空调温度控制方法

技术领域

本发明是有关于一种流量预测方法与装置，且特别是有关于一种顾客流量等级预测方法与装置及应用其的空调温度控制方法与系统。

背景技术

便利商店的店铺坪数虽小，但耗能指数却高于百货公司、超级市场等业种。随着节能意识的抬头，如何针对便利商店用电情况，设计一套有效且合适的节能系统，将是一项重要的研究议题。

便利商店是服务顾客的营业场所，在实施节能策略时，同时需要考虑到是否会影响店铺的营运。在日本专利公开号JP2006178886的申请案「Store Management System」中揭露一套整合POS以及店铺管理平台的架构，提供远程网络连结的功能，同时可纳入节能策略对空调、照明等设备做控制。然而，构建这些系统的成本过于昂贵，导致成本回收期过长。此外，架构过于复杂，使得相关的硬件成本及软件设计费用无法降低，使其实用性大为降低。

再者，美国专利公开号US2002163431的申请案「In-store equipmentremote monitoring system」揭露一个监控系统，用来收集室内外照度、冷藏柜温度、室外温度、自动门开关频率等参数，系统会通过这些参数的历史数据预测明天的天气、亮度，以及参考天气预报计算出建议的室内照度、空调温度，使用者可以依据这些建议手动调整设备运转。然而，构建系统的成本也过于昂贵，架构复杂使得相关的硬件成本及软件设计费用也居高不下。特别是系统无法主动改变设备运转状态，尤其当环境因素变动频繁而影响决策结果时，店员要忙于看店又须手动调整设备，使实用性大为降低，因此有必要发展一套自动化且有效的节能策略。

发明内容

本发明时有关于一种顾客流量等级预测方法与装置，可以根据统计数据来预测未来特定时段的顾客流量等级。

根据本发明的第一方面，提出一种顾客流量等级的预测方法至少包括步骤：a)计数单元计数一时段的造访人次；b)若为时段之初，处理单元检查数据库中是否含有该时段的参考人流值；以及c)若有，则处理单元根据参考人流值估算该时段的顾客流量等级。

根据本发明的第二方面，再提出一种空调温度控制方法包括：(a)测量单元测量一时段的室外温度；(b)处理单元预测该时段的顾客流量等级包括：(b1)计数单元计数一时段的造访人次；(b2)若为该时段之初，处理单元检查一数据库中是否含有该时段的一参考人流值；及(b3)若有，则处理单元根据该参考人流值估算该时段的顾客流量等级；以及(c)处理单元根据该时段的室外温度以及顾客流量等级设定该空调温度。

根据本发明的第三方面，提出一种顾客流量等级的预测装置包括一计数单元，计数一时段的造访人次；一数据库，储存多笔造访人次以及储存多笔参考人流值；以及一处理单元，于该时段之初检查该数据库中是否含有该时段的参考人流值，若有，则该处理单元根据该参考人流值估算该时段的顾客流量等级。

根据本发明的第四方面，提出一种空调温度控制系统，包括：一测量单元，测量一时段的室外温度；一计数单元，计数一时段的造访人次；一数据库，储存多笔造访人次以及储存多笔参考人流值；以及一处理单元，于该时段的初检查一数据库中是否含有该时段的一参考人流值，若有，则该处理单元根据该参考人流值估算该时段的顾客流量等级预测该时段的顾客流量等级；其中，该处理单元根据该时段的室外温度以及顾客流量等级设定该空调温度。

为让本发明的上述内容能更明显易懂，下文特举一较佳实施例，并配合所附图式，作详细说明如下：

附图说明

图1绘示本发明的第一实施例的一种顾客流量等级预测装置的方块图。

图2绘示本发明的第一实施例的一种顾客流量等级预测方法的流程图。

图3绘示本发明的第二实施例的一种空调温度控制系统的方块图。

图4绘示本发明的第二实施例的一种空调温度控制方法的流程图。

图5为室外温度与空调设定温度的关系图。

【主要元件符号说明】

20、22：空调

100～222步骤

101：顾客流量预测装置

130：计数单元

140：数据库

150：处理单元

200：空调温度控制系统

260：测量单元

具体实施方式

本发明是提出一种控制的概念，就某些营业场域而言，其管理方式与顾客流量密切相关。在粗略估计顾客流量、将其分级、整理成有用的统计数据之后，本发明提出一种顾客流量等级预测方法及装置，可以根据统计数据来预测未来特定时段的顾客流量等级。其应用领域很广，可以如第二实施例应用至空调温度控制方法及系统，但并不限定于此。

第一实施例

本实施例揭露一种预测顾客流量等级的装置以及方法，顾客流量等级预测装置至少包括计数单元、数据库以及处理单元。顾客流量等级的预测方法至少包括步骤：a)计数单元计数一时段的造访人次；b)若为时段之初，处理单元检查一数据库中是否含有本时段的一参考人流值；以及c)若有，则处理单元根据参考人流值估算本时段的顾客流量等级。

本发明将时间定义为多个周期W，每个周期W具有N个时段T1、T2、T3...Tn...TN。举例来说，以一个礼拜为一个周期，以10分钟为一个时段，一个礼拜有10080分钟，一个礼拜有1008个10分钟，因此每个周期都有1008个时段依序以T1、T2、T3...T1008表示，例如时段T2可以代表每个星期日的0:10至0:20这个时段。再者，本实施例的方法可以应用于预测便利商店、电影院、百货公司、超级市场、公共厕所等场合的顾客流量等级，以下将以便利商店为例说明其详细步骤。

图1绘示本发明的第一实施例的一种顾客流量预测装置，图2绘示本发明的第一实施例的一种顾客流量等级预测方法的流程图。请参照图1，本实施例的顾客流量预测装置101包括计数单元130、数据库140以及处理单元150。请同时参照图1及图2，首先，于步骤100中，计数单元130计数一时段Tn的造访人次。本实施例利用造访人次来估计顾客流量，例如是在便利商店的自动门内侧设置感应器，当感应器侦测到顾客移进感应范围就计数一次，感应次数不等于精确的顾客人数，但感应次数可用以估计为此时段Tn的顾客流量。

接着，于步骤102中，处理单元150判断是否为时段之初。如步骤104所示，若为时段之初，处理单元150检查数据库140中是否含有时段Tn的参考人流值Rn。当系统运作一段时间之后，数据库140内会储存多笔数据，过去多个时段甚至是多个周期的参考人流值，其取得方式请参照步骤110与112。

之后，如步骤106所示，若数据库140中含有各个时段T1、T2、T3...TN的参考人流值R1、R2、R3...RN，则处理单元150可以根据参考人流值Rn估算时段Tn的顾客流量等级，顾客流量较佳的是根据参考人流值Rn占极大人流值M的比例来分级。极大人流值M的定义如下：取N笔参考人流值中数值较高的前n笔参考人流值的平均值作为一极大人流值M，n与N均为正整数，n＝N/20。在较佳实施例中，当参考人流值Rn大于极大人流值M的70％(也就是Rn/M＞0.7)时，则估计时段Tn的顾客流量等级为高；当参考人流值Rn介于极大人流值的35％至70％(也就是0.35＜Rn/M＜0.7)时，则估计时段Tn的顾客流量等级为中；当参考人流值Rn小于极大人流值的35％(也就是Rn/M＜0.35)时，则估计时段Tn的顾客流量等级为低。

需注意的是，在本实施例的极大人流值M的定义中是将n设定为大约等于二十分之N(约为5％N)，然熟悉此技艺者当可明了将极大人流值设定为所有参考人流值的前5％或是前20％的平均值实属可兹变通的参数之一，本发明并不以此为限。同样地，顾客流量分级的方式并不限定于此，本技术领域具有通常知识者当可明了顾客流量分级可以有很多种变化，例如是只将顾客流量分为高与低两种等级，或是细分为五个或更多等级，当应用至不同领域或不同目的，采用的顾客流量等级数量就可能随之调整而有所不同。另外，就算同样将顾客流量等级分为三种(如本实施例所述)，各等级之间临界值的设定范围也可以有所变化，本实施例虽以极大人流值的35％与70％作为临界值，但本发明并不限定于此。举例来说，也可以25％与75％做为临界值，端视其应用领域与目的而变化。

步骤102-106是利用数据库140中的历史数据来预测当前这个时段的顾客流量等级。也就是说，通过发生在过去不同周期但相同时段的参考人流值来预测未来相同时段的顾客流量，由于顾客流量与时间周期密切相关，因此预测结果也会相当准确。

如步骤108所示，若数据库140中未含有参考人流值，则处理单元150直接将时段的顾客流量等级设定为高。

另外，于步骤110中，处理单元150判断是否为时段之末。若为时段之末，则计数单元130累计此时段Tn的造访人次作为实际人流值Xn(W_i)。之后，于步骤122中，处理单元150将此时段Tn的实际人流值Xn储存于数据库140，并更新此时段的参考人流值Rn’。较佳的是，将本周期时段Tn的实际人流值Xn(W_i)与数据库中的参考人流值Rn(W_i-1)取平均值做为下一周期时段Tn的参考人流值Rn’＝[Rn(W_i-1)+Xn(W_i)]/2。在较佳实施例中，参考人流值的定义及更新方法可以如下所示：

Rn’＝(Rn(W_i-1)+Xn(W_i))/2

Rn(W_i-1)：数据库中现存的时段Tn的参考人流值R

Xn(W_i)：前一周期的时段Tn的一实际人流值

Rn’：更新后的时段Tn的参考人流值

举例来说，数据库中现有周二13:00-13:10的参考人流值为60，测得本周二13:00-13:10的实际人流值为80，便可以取两者平均值(60+80)/2＝70作为下周二13:00-13:10的参考人流值。

另外，于步骤120中，若不为时段之初也不为时段之末，则处理单元150判断是否已达插值时间。接着，如步骤122所示，若已达此时段的插值时间，则处理单元150根据目前累计的实际造访人次预测本时段的顾客流量等级。较佳的是，插值时间大约为时段时间长度的二分之一，例如一个时段为10分钟，插值时间则订为5分钟。预测本时段的顾客流量等级的方法包括：(a)处理单元150利用目前累计的实际造访人次以插值法得出一预测人流值Pn；以及(b)处理单元150根据预测人流值占极大人流值M的比例来计算本时段的顾客流量等级。以时段T2(周日0:10-0:20)为例，假设0:15时累计的实际造访人次为5人，平均每分钟造访人次为1人，假设剩下五分钟的造访人次也会按照相同趋势，以插值法估计在时段之末累计的造访人次可能为10，以此做为预测人流值，插值法可以是内插法或外插法。以插值法得到预测人流值Pn之后，根据预测人流值Pn占极大人流值M的比例来计算本时段的顾客流量等级。极大人流值M的计算方法与步骤106相同，在较佳实施例中，当预测人流值Pn大于极大人流值M的70％(也就是Pn/M＞0.7)时，则估计时段Tn的顾客流量等级为高；当预测人流值Pn介于极大人流值的35％至70％(也就是0.35＜Pn/M＜0.7)时，则估计时段Tn的顾客流量等级为中；当预测人流值Pn小于极大人流值的35％(也就是Pn/M＜0.35)时，则估计时段Tn的顾客流量等级为低。

事实上，实际人流值和参考人流值可能会有落差，因此步骤120-122是利用本时段插值时间内造访人次的实时累计数据来预测当前这个时段接下来的顾客流量等级。也就是说，从时段之初到插值时间之间累积了具有代表性的造访人次数据，利用本时段前半段的实际人流值来估算本时段后半段的顾客流量，可以更为准确地预测本时段的顾客流量等级。

最后，如步骤124所示，不论在时段之初、之间还是之末，设定顾客流量等级之后仍继续累计此时段的造访人次，并于时段的末计数单元130将累计的实际人流值储存于数据库140内，且处理单元更新参考人流值。由于顾客流量与时间周期的相关性很高，因此定期更新数据可以提高预测顾客流量等级的准确度。

第二实施例

本实施例提出一种将顾客流量等级预测结果应用至空调温度控制方法，通过1)室外温度以及2)顾客流量等级两个控制因子来调整空调设定温度。

请参照图3及图4，图3绘示本发明的第二实施例的一种空调温度控制系统的方块图，图4绘示本发明的第二实施例的一种空调温度控制方法的流程图。本实施例的空调温度控制系统200包括计数单元130、数据库140、处理单元150以及测量单元260。本实施例的空调温度控制方法至少包括下列步骤。首先，于步骤202中，测量单元260测量一时段的室外温度。接着，处理单元150预测该时段的顾客流量等级，其预测方法如第一实施例所述，于此不再赘述。最后，根据该时段的室外温度以及顾客流量等级设定空调温度。

图5为室外温度与空调设定温度的关系图。在较佳的实施例中，测量单元260将测得的室外温度加载一对应关系得出两个对应的空调温度设定值。于图5中包括两条曲线，上方为省能模式，下方为舒适模式。当室外温度为37℃时，在舒适模式下应将空调温度设定为28℃，在省能模式下应将空调温度设定为30℃。

于步骤204中，处理单元150判断顾客流量等级是否为低。若否，则测量单元260重新测量室外温度与处理单元150重新判断顾客流量等级。若该时段的顾客流量等级为低，如步骤206所示，则处理单元150将空调温度设定为该两个空调温度设定值中较高者。举例来说，假设该时段的室外温度为37℃且判断顾客流量等级为低时，处理单元150应该将空调设定为省能模式，也就是将空调温度设定为30℃，可以降低空调所需电能，减少耗电量，有效节省流动电费。

于步骤220中，处理单元150判断顾客流量等级是否为高。若否，则测量单元260重新测量室外温度与处理单元150重新判断顾客流量等级。若该时段的顾客流量等级为高，如步骤222所示，则处理单元150将空调温度设定为两个空调温度设定值中较低者。举例来说，假设该时段的室外温度为37℃且判断顾客流量等级为高时，处理单元150应该将空调设定为舒适模式，也就是将空调温度设定为28℃。此外，顾客流量等级越高，可能代表为店内的顾客人数越多，也可能代表自动门开关次数越多(也意味着冷空气流失量越多/热空气流入量也越多)。当顾客较多的时候，自动门开关次数也会比较频繁，在热空气大量涌入的情况下，室内温度可能无法在短时间内降至设定的温度。因此，若能够预测下个时段的顾客流量，并且在顾客流量高的时段之前或之初预先调整好室内温度，无须耗费大量电能也能能维持商店内的舒适度。

于步骤210中，处理单元150判断顾客流量等级是否为高。若否，则测量单元260重新测量室外温度与处理单元150重新判断顾客流量等级。若该时段的顾客流量等级为中，如步骤212所示，则处理单元150将空调温度设定为该两个空调温度设定值的平均值。举例来说，假设该时段的室外温度为37℃且判断顾客流量等级为中时，处理单元150应该将空调设定为介于舒适模式与省能模式之间的模式，也就是将空调温度设定为(28+30)/2＝29℃。

采用上述控制方法所需的硬设备简单，其架设硬件成本低廉。就空调温度控制来看，仅需要计数单元(如：感应器)计数造访人次、测量单元(如：室外温度计)以及一个处理单元与数据库即可，例如是个人计算机或嵌入式系统等。处理单元接收计数单元及测量单元等信息，经数据处理后输出控制指令至空调设备(如图3的20、22)进行控制即可。

顾客流量等级预测方法可以应用范围很广，并不限定于此。以便利商店为例，顾客流量等级的预测结果可以应用至商店内个别设备的控制管理(例如是冷藏柜温度控制方法、照明系统控制方法、季节性设备陈设时机等)，也可以应用至整个商店的耗电量控制，更可以应用至商店与供货商之间的物流管理，繁此种种控制与管理方法都可以更为有效率地管理卖场。

本发明上述实施例所揭露的顾客流量等级预测方法及应用其的空调温度控制方法，根据统计数据来预测未来特定时段区间的顾客流量等级，此外还可以根据实时人流来修正预测结果。应用至空调温度控制方法，在不影响舒适度的前提下，在顾客流量等级低的时段调高空调设定温度，可以降低空调设备耗电量，有效降低流动电费。再者，采用上述控制方法所需的硬设备简单，其架设硬件成本低廉。

综上所述，虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明。本发明所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰。因此，本发明的保护范围当视权利要求所界定的范围为准。

Claims

1.一种顾客流量等级的预测方法，其特征在于，包括：

一计数单元计数一时段的造访人次；

若为该时段之初，一处理单元检查一数据库中是否含有该时段的一参考人流值；以及

若有，则该处理单元根据该参考人流值估算该时段的顾客流量等级。

2.根据权利要求1所述的方法，其特征在于，一周期包括N个时段，当该数据库中存有该周期的N笔参考人流值，该处理单元取该N笔参考人流值中数值较高的前n笔参考人流值的平均值作为一极大人流值，n与N均为正整数，其中该处理单元是根据该参考人流值占该极大人流值的比例来对顾客流量分级。

3.根据权利要求2所述的方法，其特征在于，更包括：

当该参考人流值大于该极大人流值的70％时，则该处理单元估计该时段的顾客流量等级为高；

当该参考人流值介于该极大人流值的35％至70％时，则该处理单元估计该时段的顾客流量等级为中；

当该参考人流值小于该极大人流值的35％时，则该处理单元估计该时段的顾客流量等级为低。

4.根据权利要求1所述的方法，其特征在于，更包括：

若该数据库中未含有该参考人流值，则该处理单元将该时段的顾客流量等级设定为高。

5.根据权利要求1所述的方法，其特征在于，更包括：

若已达一插值时间，则该处理单元根据目前累计的造访人次预测该时段的顾客流量等级。

6.根据权利要求5所述的方法，其特征在于，该插值时间为该时段长度的二分之一。

7.根据权利要求5所述的方法，其特征在于，预测该时段的顾客流量等级的方法包括：

该处理单元利用目前累计的造访人次以插值法得出一预测人流值；以及

该处理单元根据该预测人流值占该极大人流值的比例来计算该时段的顾客流量等级。

8.根据权利要求1所述的方法，其特征在于，更包括：

若为该时段的末，则该计数单元累计该时段的造访人次作为一实际人流值；

该计数单元将该时段的该实际人流值储存于该数据库，且该处理单元更新该时段的该参考人流值。

9.根据权利要求1所述的方法，其特征在于，更新该时段的该参考人流值的方法包括：

该处理单元将该参考人流值与该时段的该实际人流值取平均值作为下一周期的该时段的一参考人流值。

10.一种空调温度控制方法，其特征在于，包括：

一测量单元测量一时段的室外温度；

一处理单元预测该时段的顾客流量等级，包括：

一计数单元计数一时段的造访人次；

若为该时段之初，该处理单元检查一数据库中是否含有该时段的一参考人流值；及

若有，则该处理单元根据该参考人流值估算该时段的顾客流量等级；以及

该处理单元根据该时段的室外温度以及顾客流量等级设定该空调温度。

11.根据权利要求10所述的方法，其特征在于，更包括：

该测量单元于测得室外温度之后，该处理单元将其加载一对应关系得出两个对应的空调温度设定值。

12.根据权利要求11所述的方法，其特征在于，设定空调温度的步骤包括：

若该时段的顾客流量等级为低，则该处理单元将空调温度设定为该两个空调温度设定值中较高者。

13.根据权利要求11所述的方法，其特征在于，若该时段的顾客流量等级为高，则该处理单元将空调温度设定为该两个空调温度设定值中较低者。

14.根据权利要求11所述的方法，其特征在于，若该时段的顾客流量等级为中，则该处理单元将空调温度设定为该两个空调温度设定值的平均值。

15.根据权利要求10所述的方法，其特征在于，一周期包括N个时段，该数据库中至少存有该N个时段的N笔参考人流值，取该N笔参考人流值中数值较高的前n笔参考人流值的平均值作为一极大人流值，n与N均为正整数，其中该处理单元根据该参考人流值占该极大人流值的比例来对顾客流量分级。

16.根据权利要求15所述的方法，其特征在于，预测顾客流量等级的步骤更包括：

当该参考人流值大于该极大人流值的70％时，则该处理单元估计该时段的顾客流量等级为高。

当该参考人流值介于该极大人流值的35％至70％时，则估计该时段的顾客流量等级为中。

17.根据权利要求10所述的方法，其特征在于，更包括：

18.根据权利要求10所述的方法，其特征在于，更包括：

19.根据权利要求18所述的方法，其特征在于，该插值时间为该时段长度的二分之一。

20.根据权利要求18所述的方法，其特征在于，预测该时段的顾客流量等级的方法包括：

21.根据权利要求18所述的方法，其特征在于，更包括：

若为该时段之末，则该计数单元累计该时段的造访人次作为一实际人流值；

22.根据权利要求18所述的方法，其特征在于，更新该时段的该参考人流值的方法包括：

将该参考人流值与该实际人流值取平均值作为下一周期的该时段的一参考人流值。

23.一种顾客流量预测装置，其特征在于，包括：

一计数单元，计数一时段的造访人次；

一数据库，储存多笔造访人次以及储存多笔参考人流值；以及

一处理单元，于该时段的初检查该数据库中是否含有该时段的参考人流值，若有，则该处理单元根据该参考人流值估算该时段的顾客流量等级。

24.一种空调温度控制系统，其特征在于，包括：

一测量单元，测量一时段的室外温度；

一计数单元，计数一时段的造访人次；

一处理单元，于该时段的初检查一数据库中是否含有该时段的一参考人流值，若有，则该处理单元根据该参考人流值估算该时段的顾客流量等级预测该时段的顾客流量等级；

其中，该处理单元根据该时段的室外温度以及顾客流量等级设定该空调温度。