CN102955900B - 信息处理装置、信息处理方法 - Google Patents

Abstract

本发明提供了一种信息处理装置，包括：器具耗电估算单元，估算在被划分为多个区域的大区域内设置的多个器具中的每个的耗电；器具存在概率估算单元，估算器具存在概率，器具存在概率为各器具存在于各区域中的概率；责任分担率确定单元，确定责任分担率，责任分担率为当每个区域中的耗电由可能存在于大区域中的人分担时各人的比例；以及耗电分配单元，基于多个器具中的每个的耗电、器具存在概率以及责任分担率计算每个人的耗电分配量。

Description

信息处理装置、信息处理方法

技术领域

本公开涉及信息处理装置、信息处理方法及程序。具体地，本公开涉及能够根据多个器具的总耗电计算各人对各个器具的耗电的信息处理装置、信息处理方法及程序。

背景技术

已提出了一种系统，其使用夹钳型电流表在电源配电板（其是家中的供电电源）的一个位置测量电流波形并监测连接在电源配电板下游的多个器具的使用状态（开/关状态），例如，参见日本公开专利公开号2008-039492和“Non-Intrusive Type Operation State Monitoring System for Electric Appliances-Solution Based on Integer Programming with Attention Directed to Discrete States of Operation”，Proceedings of42th Workshop on Discrete Event Systems,The Society of Instrument and Control Engineers,pp.33-38,Dec.20,2008,Osaka University（下文称为非专利文献1）。

使各个家用器具的使用状态可视化的目的在于通过使用户了解他们正在如何利用电力来减少电力使用或抑制峰值电力。

发明内容

然而，除非可以具体地示出“谁”使用“何种器具”以及“使用多少”，否则个体用户将很少知道如何改进其器具的使用并且节能积极性较低。

本公开的目的在于使得由多个器具的总耗电可以计算各人对各个器具的耗电。

根据本公开的实施方式，提供了一种信息处理装置，包括：器具耗电估算单元，估算在被划分成多个区域的大区域内设置的多个器具中每个的耗电；器具存在概率估算单元，估算器具存在概率，器具存在概率为各个 器具存在于各个区域中的概率；责任分担率确定单元，确定责任分担率，责任分担率为当每个区域中的耗电由在大区域中的人分担时各人的比例；以及耗电分配单元，基于多个器具中的每个的耗电、器具存在概率以及责任分担率计算每个人的耗电分配量。

根据本发明公开的实施方式，提供了一种信息处理方法，包括：估算在被划分为多个区域的大区域内的多个器具中的每个的耗电；估算器具存在概率，器具存在概率为各个器具存在于中各个区域内的概率；确定责任分担率，责任分担率为当每个区域中的耗电由可能存在于大区域中的人分担时各人的比例；以及基于多个器具中的每个的耗电、器具存在概率以及责任分担率计算每个人的耗电分配量。

根据本公开的实施例，提供可一种使计算机执行以下的处理的程序，包括：估算在被划分为多个区域的大区域内的多个器具中的每个的耗电；估算器具存在概率，器具存在概率为各个器具存在于中各个区域内的概率；确定责任分担率，责任分担率为当每个区域中的耗电由可能存在于大区域中的人分担时各人的比例；以及基于多个器具中的每个的耗电、器具存在概率以及责任分担率计算每个人的耗电分配量。

根据本公开的实施方式，估算在被划分成多个区域的大区域内的多个器具中的每个的耗电；估算器具存在概率，器具存在概率为各个器具存在于各个区域中的概率；确定责任分担率，责任分担率为当每个区域中的耗电由可能存在于大区域中的人分担时按各人的比例；以及基于多个器具中的每个的耗电、器具存在概率以及责任分担率计算每个人的耗电分配量。

值得注意，该程序可通过传送介质进行传送或通过记录于记录介质来提供。

本信息处理装置可以是独立的装置，或者可以是构成装置的内部块。

根据本公开的实施方式，可以由多个器具的总耗电计算各人对各个器具的耗电。

附图说明

图1为示出根据本发明实施方式的信息处理装置的构造实例的方框图。

图2为用于说明获得个人的耗电的第一计算方法的示意图；

图3为用于说明第一耗电计算方法的流程图；

图4为用于说明获得个人的耗电的第二计算方法的示意图；

图5为用于说明第二耗电计算方法的流程图；

图6用于说明耗电计算方法的实例的示意图；

图7为用于说明耗电计算方法的实例的示意图；

图8为用于说明耗电计算方法的实例的示意图；

图9为用于说明个体存在概率计算方法的实例的示意图；

图10为用于说明个体存在概率计算方法的实例的示意图；

图11为用于说明个体存在概率计算方法的实例的示意图；

图12为用于说明利用因子HMM的耗电估算技术的示意图；

图13为用于说明利用因子HMM的耗电估算技术的示意图；

图14为用于说明利用因子HMM的耗电估算技术的示意图；

图15为用于说明利用因子HMM的耗电估算技术的示意图；以及

图16为示出根据本发明实施方式的计算机的实例构造的方框图。

具体实施方式

以下将参考附图详细说明本发明的优选实施方式。应当注意，在该说明书和附图中，实质上具有相同功能和结构的结构元件用相同的参考数字表示，并且省略了此类结构元件的重复说明。

将按以下的顺序描述本发明的优选实施方式。

1.信息处理装置配置实例

2.计算个人i的耗电W_i的方法（第一和第二计算方法）

3.计算耗电w_k(t)的方法

4.计算个体存在概率S_ji(t)的方法

5.计算器具存在概率E_jk(t)的方法

6.计算责任分担率R_ij(t)的方法

7.耗电估算技术实例

信息处理装置构造实例

图1为示出根据本发明实施方式的信息处理装置的构造实例的方框图。

图1中示出的信息处理装置1执行为在划分为多个小区域的大区域中活动的多个个人（用户）确定和输出（显示）设置在大区域中的多个器具中的每个器具（电器）的耗电和每个区域的耗电的处理。

换句话说，信息处理装置1为在划分为多个小区域的大区域中活动的多个个人（用户）中的每个确定和输出“谁”使用“何种器具”以及“使用多少”（即，消耗了多少电力）。

在此，大区域和小区域之间的关系在住宅的情况下对应于整个家（住宅）和诸如起居室、厨房以及书房的各个房间之间的关系，在办公室的情况下，对应于公司的整个空间和通过划分为部门等产生的小空间之间的关系。为了便于理解，以家为例，以下描述为特定的家（住宅）计算家庭的各个成员i（其中，i=1至I）对于各个器具k（其中，k=1至K）的使用量的情况。家庭的单个成员i可以是父亲、母亲以及小孩，在以下描述中将简单地称作人i或个体i。并且还假设在住宅内有J个房间（其中，J>2）并且只要他们不外出，家庭成员i将在房间1至J的一个房间内。

如果在某一时间t，可获取示出人和器具之间关系的信息，显示谁在使用特定的器具k，将容易计算“谁”在使用“何种器具”以及“使用了多少”。然而，识别家中每个器具的使用者是不现实的。为此，信息处理 装置1使用一种虽然不能获得示出人和器具之间关系的信息但仍可计算每个人的耗电的配置。以下将描述信息处理装置1的具体配置。

该信息处理装置1包括器具耗电估算单元11、个体存在概率估算单元12、器具存在概率估算单元13、责任分担率确定单元14、耗电分配单元15。

器具耗电估算单元11估算家中器具k在时间t的耗电w_k(t)。估算的结果至少供给至耗电分配单元15，并且根据需要供给至器具存在概率估算单元13以及责任分担率确定单元14。注意，K个器具中的一个是由于诸如耗电过低的原因而很难单个测量耗电从而聚集多个器具的总耗电所产生的背景残差（background error）。即，器具耗电估算单元11通过将背景残差也视作一个器具来估算电力消耗。

个体存在概率估算单元12计算个体存在概率S_ij(t)，并将计算结果供给至器具存在概率估算单元13和责任分担率确定单元14中的一个或两个，个体存在概率S_ij(t)是人i（其中，i=1至I）在时间t存在于房间j（其中，j＝1至J）的概率。

器具存在概率估算单元13估算器具存在概率E_jk(t)，并将计算结果供给至耗电分配单元15。器具存在概率E_jk(t)是器具k（其中，k=1至K）在时间t存在于房间j的概率。注意，所有房间1至J的器具存在概率E_jk(t)的和是1。

$\underset{j}{\mathrm{\Σ}}{E}_{\mathrm{jk}}\left(t\right)=1$

责任分担率确定单元14确定责任分担率R_ij(t)，并将计算结果供给至耗电分配单元15，责任分担率R_ij(t)是作为家中每个人的责任的、人i在时间t房间j内消耗的电力比例或分担。家庭中每个成员在时间t的负责份额R_ij(t)的和是1。

$\underset{i}{\mathrm{\Σ}}{R}_{\mathrm{ij}}\left(t\right)=1$

耗电分配单元15根据方程式（1）计算耗电W_i，耗电W_i是特定时间段T（其中，t=1至T）内家中总耗电Σw_k(t)被分配至家中某个体的量。

$W_i=\underset{t}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}\underset{k}{\mathrm{\Σ}}{R}_{\mathrm{ij}}\left(t\right)E_{\mathrm{jk}}\left(t\right)w_k\left(t\right)...\left(1\right)$

即，个体i的耗电W_i通过对于个体i对特定时间段T内全部器具和全部房间内的器具k的耗电w_k(t)和器具存在概率E_jk(t)以及与器具存在概率E_jk(t)对应的房间j的责任分担率R_ij(t)进行积分而求得。并且，个体i对于特定器具k的耗电W_i可通过将等式（1）中所有器具1至K的和（Σ）设定为仅针对特定器具k而获得。由此，可计算个体i对于器具k的耗电W_i。

如由等式（1）可理解的，当求个体i的耗电W_i时，使用示出人i和房间（位置）j之间关系的房间j中人i的责任分担率R_ij(t)以及示出器具k和房间（位置）j之间关系的房间j中的器具k的器具存在概率E_jk(t)。换句话说，耗电分配单元15求得个体i的耗电W_i，而不使用示出人和器具之间关系的信息。以这种方式，即使不能获得示出人和器具之间关系的信息，仍可通过引入“位置”的参数求得个体i的耗电W_i。

特定时间段T可以是清楚限定了开始和结束的范围，例如，一天或一个月，或可以是根据当前时间移动的时间段，例如最近的24小时或最近的30天（从当前时间算起）。

由如上所述配置的信息处理装置1的耗电分配单元15计算的个体i的耗电W_i被输出至例如外部显示器并被显示。信息处理装置1自身可配备有显示单元并显示耗电W_i。

计算个体i耗电W_i的方法

如之前所描述的，虽然个体i的耗电W_i根据等式（1）获得，但作为等式（1）的实际计算方法，至少第一和第二计算方法可基于以下描述的两种方式考虑。

第一计算方法

图2为示出求个体i的耗电W_i的第一计算方法的示意图。

第一计算方法将每个器具的耗电Σw_k(t)分解为房间j单位，并将房间j单位中的耗电W’_j分配至每个人i。

即，对于所有器具1至K，通过对由各器具k的耗电w_k(t)乘以房间j中的此器具k的器具存在概率E_jk(t)产生的值求总和，可计算每个房间j的耗电W’_j。还确定每个房间j的每个人的责任分担率R_ij(t)。此后，通过求与各房间j的耗电W’_j中的此人i责任分担率R_ij(t)对应的耗电，并对每个房间的此类值进行积分，可求得个体i的耗电W_i。

与第一计算方法一致的等式（1）的变形可由以下等式（2）表示。

$W_i=\underset{t}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}{W^{,}}_j\×R_{\mathrm{ij}}\left(t\right)$

$=\underset{t}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}\underset{k}{\mathrm{\Σ}}{E}_{\mathrm{jk}}\left(t\right)w_k\left(t\right)R_{\mathrm{ij}}\left(t\right)...\left(2\right)$

现将参考图3的流程图描述根据第一计算方法求个体i的耗电W_i的第一耗电计算过程。

首先，在步骤S1中，器具耗电估算单元11估算每个器具k的耗电w_k(t)。

在步骤S2中，器具存在概率估算单元13估算器具存在概率E_jk(t)，器具存在概率E_jk(t)为每个器具k存在于每个房间j的概率。

在步骤S3中，耗电分配单元15通过计算每个器具k的耗电w_k(t)和每个房间j中每个器具k的器具存在概率E_jk(t)的积的和估算每个房间j的耗电W’_j。

在步骤S4中，责任分担率确定单元14确定每个房间j的每个个体i的责任分担率R_ij(t)。可以以相反的顺序执行或者可以同时执行步骤S3和步骤S4中的处理。

在步骤S5中，耗电分配单元15计算每个人i的耗电分配量W_i。更具体地，耗电分配单元15求与每个房间j的耗电W’_j中的人i的责任分担 率R_ij(t)对应的耗电，并通过对所有房间1至J的此类耗电进行积分来计算每个人i的耗电的分配量W_i。

步骤S5中计算的每个人i的耗电的分配量W_i被输出为个体i的耗电W_i，处理结束。

第二计算方法

接下来，将描述求个体i的耗电W_i的第二计算方法。图4为示出第二计算方法的示意图。

第二计算方法通过将器具k单位中的耗电w_k(t)分配至每个人i来计算个体i的耗电W_i。器具k单位中的耗电w_k(t)可由器具耗电估算单元11求得。

首先，信息处理装置1确定对每个器具k的每个人i的责任分担率W’_ik。每个人i对每个器具k的责任分担率W’_ik是对于每个房间1至J，通过对每个房间j中每个器具k的器具存在概率E_jk(t)乘以每个人i对每个房间j的责任负担R_ij(t)的乘积求和求得的。此后，对于每个器具k，通过对与器具k的耗电w_k(t)中的每个人i的责任分担率W’_ik对应的量进行积分，可求得个体i的耗电W_i。

与第二计算方法一致的等式（1）的变形可由以下等式（3）表示。

$W_i=\underset{t}{\mathrm{\Σ}}\underset{k}{\mathrm{\Σ}}{W^{,}}_{\mathrm{ik}}\×w_k\left(t\right)$

$=\underset{t}{\mathrm{\Σ}}\underset{k}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}{E}_{\mathrm{jk}}\left(t\right)R_{\mathrm{ij}}\left(t\right)w_k\left(t\right)...\left(3\right)$

现将参考图5的流程图描述根据第二计算方法求得个体i的耗电W_i的第二耗电计算过程。

首先，在步骤S11中，器具耗电估算单元11估算每个器具k的耗电w_k(t)。

在步骤S12中，器具存在概率估算单元13估算器具存在概率E_jk(t)，即，每个器具k存在于每个房间j的概率。

在步骤S13中，责任分担率确定单元14确定每个人i对每个房间j的责任分担率R_ij。

在步骤S14中，耗电分配单元15估算每个人i对每个器具k的责任分担率W’_ik。

在步骤S15中，耗电分配单元15计算对每个人i的耗电分配量W_i。对于每个房间1至J，通过对各个房间j内各个器具k的器具存在概率E_jk(t)乘以各个人i对各个房间j的责任分担率R_ij(t)的乘积进行积分，耗电分配单元15计算对每个人i的耗电分配量W_i。

在步骤S15中计算的对每个人i的耗电分配量W_i被作为各个个体i的耗电W_i输出，处理结束。

3.计算耗电w_k(t)的方法

接下来将描述计算耗电w_k(t)、个体存在概率S_ji(t)、器具存在概率E_jk(t)、以及责任分担率R_ij(t)的具体方法。

首先，将描述由器具耗电估量单元11执行的器具k在时间t的耗电w_k(t)的方法。

器具k在时间t的耗电w_k(t)可根据以下（1.1）至（1.5）中任一进行计算。

（1.1）结合于器具k内的监测装置的测量

如图6所示，实时测量在时间k时的耗电并无线地或有线地传送测量结果至信息处理装置1的监测装置结合在各个器具k内，使得使用此类监测装置可测量各个器具k的耗电w_k(t)。测量结果可被实时传送至信息处理装置1或可附上时间信息并以指定的单位共同地传送。器具k和信息处理装置1之间的通信可使用Zigbee（注册商标），其是家用电器短程无线通信标准的一个实例。

未装配监测装置31的器具k可被视作背景残差部分，背景残差是由家中总耗电减去装配有监测装置31的器具k的已知电力而得。对应于背 景残差的耗电可固定，从而可在所有家庭成员间等分或可动态地确定分配背景残差的比例。

（1.2）外部监测装置的测量

还可使用“智能插座（smart strip）”或“智能夹钳（smart clamp）”（或夹钳表）测量耗电，智能插座是如图7示出的配有测量耗电功能的电力插座，“智能夹钳”通过夹在如图8示出的器具k的电源线上来测量电力。此类智能插座或智能夹钳也可无线地或有线地使用诸如以上提到的Zigbee（注册商标）的通信功能传送测量结果至信息处理装置1。与以上描述的（1.1）方式相同，未附接至智能插座的器具k可视作背景残差。

（1.3）耗电估算技术的测量

也有一种技术，将智能夹钳夹持在电源配电板（其是提供到家庭的电源）一个位置上，以测量总消耗电流并根据测量结果估算家中每个连接的器具k的开/关状态和耗电。通过使用该耗电估算技术，可测量每个器具k的耗电w_k(t)。此类耗电估算技术的实例包括解决以上提到的非专利文献1中描述的整数二次规划问题的方法以及包括生成和解决因子HMM（Hidden Markov Mod，隐马尔可夫模型）。随后将描述生成并解决因子HMM的方法（隐马尔可夫模型）。

（1.4）以上方法的组合

也可通过内部监测装置的测量、外部监测装置的测量以及上述耗电估算中两种以上的组合来测量每个器具k的耗电w_k(t)。

（1.5）基础设施的使用

与近年来环保意识增强以及节能技术的发展一致，可设想将来获取家中或办公室中每个器具的耗电信息将变得更容易。在此类情况下，信息处理装置1将能够获取并使用以此类方式提供的耗电信息。

4.计算个体存在概率S_ji(t)的方法

接下来将描述由个体存在概率估算单元12计算个体存在概率S_ji(t)的方法，个体存在概率S_ji(t)为在时间t人i在房间j的概率。

个体存在概率估算单元12使用以下的（2.1）至（2.6）中的一项估算人i的位置，并根据（2.7）描述的方法基于此类估算结果计算个体存在概率S_ji(t)。

（2.1）静态方法

个体存在概率估算单元12预先确定个人对于各个房间j的存在概率，将该结果存储为数据库，并根据此类数据库计算个人的存在概率。

更具体地，将与诸如时间、星期几以及季节的条件一致的个人存在概率存储于数据库中。例如，由于工作日孩子08:00至15:00不在家，则对于工作日08:00至15:00的时间段，孩子在儿童房的概率设定为1%，孩子不在儿童房的概率设定为99%。另一个实例，在周日早上，父亲在书房的概率设定为80%，父亲在起居室的概率设定为20%。

（2.2）基于无线通信装置检测结果的计算方法

个体存在概率估算单元12能够由无线通信装置的检测结果计算个人的存在概率。即，如图9示出，发送自身ID等以响应轮询命令的RF标签结合在通常由个人携带的装置中，如手表，或在办公室的情况下结合在员工ID卡中。在具体的通信范围中检测RF标签存在的读取器/写入器设置在家中的每个位置。个体存在概率估算单元12在记录和送回各个读取器/写入器测得的RF标签时从诸如电场强度的附加信息概率性地检测携带或佩带RF标签的人的位置，并计算个人的存在概率。读取器/写入器设置的数量和位置以及读取器/写入器的通信范围可根据识别位置的粒度适当地设定。

诸如Wi-Fi的无线通信装置也可在RF标签装置中使用。例如，被称为“智能电话”的移动电话通常配有Wi-Fi通信功能。配有Wi-Fi通信功能的移动电话接收无线LAN接入点（站）发射的无线电波（无线电信号），根据接收的无线电波密度计算其自身位置，并将结果传送至信息处理装置1。个体存在概率估算单元12根据从移动电话传送的位置概率性地检测拥有该移动电话的人的位置并计算个人存在的可能性。无线LAN接入点的布局可与识别位置的粒度一致地适当设定。

（2.3）基于存在传感器检测结果的计算方法

个体存在概率估算单元12能够根据存在传感器的检测结果计算个人的存在概率。即，存在传感器布置于每个房间并且每个存在传感器检测个人的存在，并将检测结果无线地或有线地传送至信息处理装置1。与检测到个人的房间一致，个体存在概率估算单元12假设某个个体以预先确定的概率存在。根据一个实例设定，当检测到有一个人在书房，检测到父亲在的概率为90%，检测到母亲在的概率为10%。基于以上描述的检测结果可计算个人的存在概率。

（2.4）根据摄像机检测结果的计算方法

如图10所示，个人佩带摄取周围环境的视频图像的摄像机作为他/她通常佩带或携带的穿戴式传感器，个体存在概率估算单元12根据使用诸如SLAM（Simultaneous Localization and Mapping，同时定位与地图创建）技术由摄像机摄取的视频图像概率性地估算人的位置。个人通常携带在身上的移动电话的摄像功能可用作此类佩戴式传感器。

（2.5）根据摄像机和扩音器的检测结果的计算方法

摄像机和扩音器设置在家中的各个位置，个体存在概率估算单元12通过（例如）基于布置的摄像机和扩音器获取的图像信号和声音信号执行面部识别或声音识别来识别谁在各房间中以计算个人的存在概率。作为基于摄像机和扩音器获取的图像信号和声音信号识别用户和用户位置的技术，可使用由本申请的申请人提交的日本专利公开号为2009-31951公开的技术。

注意，摄像机和扩音器可位于家中固定的位置，或如图11所示，例如在配有摄像机和扩音器的自动机器人可定期或不定期地在家中移动，以获取图像信号和声音信号。作为根据由外部和/或内部状态提供的信息自动运行并通过根据摄像机摄取的输入图像检测面部来辨别用户的机器人装置，例如，可使用由本申请的申请人提交的日本专利公开号为2002-157596公开的技术。也可仅通过使用图像信息和声音信息中的一种识别用户。

（2.6）基础设施的使用

随着个性化和生活日志分析技术的发展，相信将来可方便地使用连续跟踪家里或办公室内的人、分析运动、预测动作等的装置。在此种情况下，信息处理装置1将能够获取和使用此类装置提供的显示个人的存在的信息。

（2.7）个体存在概率S_ji(t)的计算

个体存在概率估算单元12利用以上描述的（2.1）至（2.6）中的一项估算的个人i的存在概率来计算个体存在概率S_ji(t)。注意，关于决定使用（2.1）至（2.6）的哪一项，可为每个人选定一种优选的估算方法，例如对于经常携带智能电话的父亲可使用（2.2）中的估算方法。也可根据能进行计算的每个估算方法对存在概率进行计算，可通过诸如加权平均的处理对此类计算结果进行组合，并且最终获得的结果可用作个人存在的概率。

使用以上描述的（2.1）至（2.6）至少一项求得的某个人i的存在概率表示为P_t(r_j|p_i)。其中，p_i表示家中人i，r_j表示房间j。因此，存在概率P_t(r_j|p_i)表示在时间t某人p_i在房间r_j的概率。在该情况下，个体存在概率估算单元12能输出求得的无修改的存在概率P_t(r_j|p_i)作为个体存在概率S_ji(t)。

同时，也有某人i的存在概率求得为P_t(p_i|r_j)的情况。即，关于给定的房间r_j，也有某人p_i的存在概率求得为概率P_t(p_i|r_j)的情况，概率P_t(p_i|r_j)为在时间t具体的人p_i在该房间的概率。在个人p_i的存在概率是根据P_t(p_i|r_j)求得的情况下，个体存在概率估算单元12根据等式（4）和（5）计算该存在概率P_t(r_j|p_i)并作为个体存在概率S_ji(t)输出。

$P_t\left(r_j\right|p_i)=\frac{P_t\left(p_i\right|r_j)}{\underset{j}{\mathrm{\Σ}}{P}_t\left(p_i\right|r_j)+P_t\left(p_i\right|r_{\mathrm{out}})}...\left(4\right)$

$P_t\left(r_j\right|p_i)=\frac{P_t\left(p_i\right|r_j)}{\underset{j}{\mathrm{\Σ}}{P}_t\left(p_i\right|r_j)}(1-P_t\left(p_i\right|r_{\mathrm{out}}))...\left(5\right)$

此处，P_t(p_i|r_out)表示在时间t个人p_i外出的概率（即，在屋子外部）。如果该人外出的概率P_t(p_i|r_out)的可靠性极高，优选根据等式（5）计算存在概率P_t(r_j|p_i)，然而如果个人外出的概率P_t(p_i|r_out)与其他存在概率P_t(r_j|p_i)基本相同，优选根据等式（4）计算其他存在概率。

个人外出的概率P_t(p_i|r_out)可通过在屋子的入口布置以上描述的读取器/写入器或无线LAN接入点，或布置摄像机和/或扩音器高可靠性地计算。

5.计算器具存在概率E_jk(t)的方法

接下来将描述由器具存在概率估算单元13计算器具存在概率E_jk(t)的方法，器具存在概率E_jk(t)为器具k在时间t存在于房间j的概率。

器具存在概率估算单元13能够根据以下的（3.1）至（3.4）中任一方法计算器具存在概率E_jk(t)。

（3.1）静态方法

对于房间j的器具k的器具存在概率E_jk(t)被预先确定并存储于数据库中。例如，在存储的数据库中电视机存在于起居室的概率为100%，冰箱存在于厨房的概率为100%，每个房间的背景残差概率相同等。器具存在概率估算单元13从此类数据库中获取和计算器具k的器具存在概率E_jk(t)。注意，器具k的器具存在概率E_jk(t)可设定在该数据库中，从而可根据时间、工作日、季节等与个人的行为方式一致地进行改变。

（3.2）基于无线通信装置的检测结果的计算方法

如果以上（2.2）中描述的无线通信装置包含在每个器具k中或粘贴在外部而不是由人携带或佩带，则器具存在概率估算单元13可通过检测此类无线通信装置计算器具k的存在概率E_jk(t)。

（3.3）使用人的存在信息的计算方法

由器具耗电估算单元11输出的装置k的耗电w_k(t)，可知道器具k的开和关状态。可假设器具k的开状态是由那时家中的人引起的并且用于器 具存在概率估算单元13使用人的存在概率计算器具k的器具存在概率E_jk(t)。注意，器具存在概率E_jk(t)被视为依赖于时间。

更具体地，如果器具k从闭合状态变为打开状态的一组时间被设定为T_k，并且获得了在时间t具体的人p_i在某个房间r_j的概率P_t(p_i|r_j)，器具存在概率估算单元13根据以下的等式（6）计算器具存在概率E_jk(t)。

$E_{\mathrm{jk}}=\frac{{\mathrm{\ρ}}_{\mathrm{jk}}+\underset{t\∈T_k}{\mathrm{\Σ}}\underset{i}{\mathrm{\Σ}}{P}_t\left(p_i\right|r_j)}{\underset{j}{\mathrm{\Σ}}({\mathrm{\ρ}}_{\mathrm{jk}}+\underset{t\∈T_k}{\mathrm{\Σ}}\underset{i}{\mathrm{\Σ}}{P}_t\left(p_i\right|r_j))}...\left(\text{6}\right)$

可选地，如果对于某个人p_i，获得了在时间t个人p_i在房间r_j的概率P_t(r_j|p_i)，器具存在概率估算单元13根据以下的等式（7）计算器具存在概率E_jk(t)。

$E_{\mathrm{jk}}=\frac{{\mathrm{\ρ}}_{\mathrm{jk}}+\underset{t\∈T_k}{\mathrm{\Σ}}\underset{i}{\mathrm{\Σ}}{P}_t\left(r_j\right|p_i)}{\underset{j}{\mathrm{\Σ}}({\mathrm{\ρ}}_{\mathrm{jk}}+\underset{t\∈T_k}{\mathrm{\Σ}}\underset{i}{\mathrm{\Σ}}{P}_t\left(r_j\right|p_i))}...\left(7\right)$

如等式（6）和（7）所示，当器具k进入打开状态时，器具存在概率E_jk(t)可通过对个体存在概率S_ji(t)(=P_t(p_i|r_j)=P_t(r_j|p_i))进行求和来求得。值得注意，等式（6）和等式（7）中的值ρ_jk为提供存在于房间j的器具k的概率的初始值。值ρ_jk对于每个房间可以是相同值（微小值）或者可以根据先验知识对每个房间设定不同的值。

在时间组T_k中，不仅可添加器具从闭合状态移动至打开状态的时间，也可添加器具从打开状态移动至闭合状态的时间或器具k的运行状态（运行模式）发生变化的时间（耗电变化较大的时间）。此外，不仅可通过添加状态中变化的时间而且可添此类时间之前和之后的某时间段至时间组T_k来稳定计算结果。

值得注意，放宽假设，该概率不依赖于时间，器具存在概率E_jk(t)可以是随时间逐渐变化的方程式。例如，可添加导致与当前时间和测量时间 t之间的时间差一致地衰减至等式（6）和（7）的概率P_t(p_i|r_j)或概率Pt(r_j|p_i)的函数γ(t)(0<γ(t)<1)。

（3.4）以上方法的组合

器具存在概率估算单元13能够为每个器具k选择以上描述的（3.1）至（3.3）的任一种并计算器具存在概率E_jk(t)。而且，器具存在概率E_jk(t)也可根据能进行计算的每个估算方法进行计算，此类计算结果可通过诸如加权平均的处理进行组合，并且最终获得的结果可被用作器具k的器具存在概率E_jk(t)。

6.责任分担率R_ij(t)的计算方法

接下来将描述由责任分担率确定单元14执行的责任分担率R_ij(t)计算方法，责任分担率R_ij(t)是个人i对房间j中消耗的电力负责的份额。

责任分担率确定单元14能够根据以下方法（4.1）或（4.2）计算责任分担率R_ij(t)。

（4.1）静态方法

责任分担率确定单元14预先确定的每个人i对房间j的责任比例，存储此数值为数据库，并且通过从该数据库获得此类值计算每个人i对房间j的责任分担率R_ij(t)。在该数据库中，例如可设定父亲对书房中耗电的责任分担率为100%，可设定星期日对起居室中耗电的责任分担率为父亲50%、孩子40%以及母亲10%。也可设定每个人i对每个房间j的负责份额R_ij(t)，从而基于与时间、工作日、季节等一致的个人的行为方式进行变化。

（4.2）使用人的存在信息的计算方法

如果获得了在时间t具体个人p_i在房间r_j的概率P_t(p_i|r_j)，则责任分担率确定单元14可根据以下等式（8）计算与此人p_i的概率P_t(p_i|r_j)一致的此人p_i的责任分担率R_ij(t)。

$R_{\mathrm{ij}}\left(t\right)=\frac{P_t\left(p_i\right|r_j)+\mathrm{\&epsiv;}}{\underset{i}{\mathrm{\&Sigma;}}(P_t\left(p_i\right|r_j)+\mathrm{\&epsiv;})}...\left(8\right)$

等式（8）中数值ε是极小的常数（microconstant），用于防止分母变为零。值得注意，作为防止分母变为零的方法，如果分母的项ΣP_t(p_i|r_j)是具体的阈值P_th以下的值，那么不使用方程式（8）的计算结果，而是紧接时间的值R_ij(t)可保持不变。在该情况下，可省略ε。

值得注意，如果个人p_i的存在概率仅能使用概率P_t(r_j|p_i)而不能使用P_t(p_i|r_j)进行计算，那么在根据等式（9）由概率P_t(r_j|p_i)得到概率P_t(p_i|r_j)之后，可根据等式（8）进行计算。在等式（9）中，数值ε是极小的常数，用于防止分母变为零。

$P_t\left(p_i\right|r_j)=\frac{P_t\left(r_j\right|p_i)+{\mathrm{\&epsiv;}}^{,}}{\underset{i}{\mathrm{\&Sigma;}}(P_t\left(r_j\right|p_i)+{\mathrm{\&epsiv;}}^{,})}...\left(9\right)$

根据以上描述的方法，耗电w_k(t)、个体存在概率S_ji(t)、器具存在概率E_jk(t)以及责任分担率R_ij(t)都可计算，使用这些计算结果，可执行参考图3或图5描述的个体i的耗电W_i的计算过程。

如以上所述，根据信息处理装置1，可计算每个人对每个器具的耗电从而可以显示“谁”使用“何种器具”和“使用了多少”。因此，每个用户都可进行测量，改进他们的电力使用并增加节能的动力。

而且，由于不仅能掌握耗电而且能掌握诸如使用时间的使用方式，也可将该信息用于诸如个性化、掌握用户喜好、以及预测动作。也可指出器具已经被打开但没有使任何人受益，以及可促进能源的有效使用，诸如通过降低待机期间使用的电力。此外，由于对于每个器具，用户的平均数已知，这有助于识别过度使用电力的器具。

7.耗电估算技术的实例

现将简要描述生成和解决因子HMM的方法，作为根据在电源的一个位置测量的消耗电流的结果对连接至供电电源（如，电源配电板）的器具的状态（开状态或关状态）进行估量的一种技术的实例。

接下来，如图12示出，器具估算装置50作为器具耗电估算单元11将作为使用因子HMM估算各个器具70的运行状态的处理的装置进行描述。

即，器具估算装置50在电源配电板60的次级侧通过测量多个器具70的使用状态组合的总消耗电流估算设在家中多个位置的多个器具70的运行状态。图12中，照明装置（灯泡）70-1、空调70-2、洗衣机70-3、冰箱70-4以及电视机70-5被示为器具70的实例。

因子HMM

首先，将简要地描述因子HMM。图13A和13B是常规HMM和因子HMM用图示模型表示的图示。

图13A是表示常规HMM的图示模型并且图13B是表示因子HMM的图示模型。

在常规HMM中，一个静态变量S_t对应于时间t的一个观察数据Y_t。常态HMM和因子HMM的不同点在于有多个状态变量S_t（图13中有M个），即，S_t ⁽¹⁾,S_t ⁽²⁾,S_t ⁽³⁾,S_t ^(m)，...S_t ^(M)，并且在于一个观察数据Y_t是由多个静态变量S_t ⁽¹⁾至S_t ^(M)产生的。

图14是示出与图12示出的各个器具70相关联使用的图13B中的因子HMM的示意图。

因子HMM的M个静态变量S⁽¹⁾至S^(M)对应于各个器具70。此外，状态变量S^(m)的状态值对应于器具70的状态（例如，开和关两种状态）。

更具体地，M个静态变量S⁽¹⁾至S^(M)中与第一静态变量S⁽¹⁾的时间经过一致的静态值S₁ ⁽¹⁾至S_t ⁽¹⁾对应于具体器具70（例如，冰箱70-4）的状态。相似地，与第二静态变量S⁽²⁾的时间经过一致的静态值S₁ ⁽²⁾至S_t ⁽²⁾对应于具体器具70（例如，电视机70-5）的状态。以此种方式，与第m静态变量S^(m)的时间经过一致的静态值S₁ ^(m)至S_t ^(m)对应于具体器具70（例如，洗衣机70-3）的状态。

此外，获得设置在家内各个位置的多个器具70的使用状态组合消耗的电流总值作为观察数据Y₁至Y_t。

值得注意，M个状态变量S⁽¹⁾至S^(M)中的第m个状态变量S^(m)在下文中将被称为“第m个因子（factor）”或“因子m”。

因子HMM在Zoubin Ghahramani and Michael I.Jordan,“Factorial Hidden Markov Models',”Machine Learning Volume29,Issue2-3,November/December1997中进行了详细描述。

接下来将描述因子HMM中的模型参数的估算。

如果观察数据{Y₁,Y₂,Y₃,...,Y_t，...,Y_T}的隐状态表示为{S₁,S₂,S₃，...,S_t,...，S_T}，隐状态St和观察数据Y_t的联合概率由以下等式（10）给出。

$P\left(\right\{S_t,Y_t\left\}\right)=P\left(S_1\right)P\left(Y_1\right|S_1)\underset{t=2}{\overset{T}{\mathrm{\&Pi;}}}P\left(S_t\right|S_{t-1})P\left(Y_t\right|S_t)...\left(10\right)$

在等式10中，P（S1）表示初始概率，P(S_t|S_t-1)表示状态转换概率，P(Y_t|S_t)表示观察概率。等式（10）中的P(S₁),P(S_t|S_t-1)和P(Y_t|S_t)分别由等式（11）、等式（12）和等式（13）计算。

虽然存在多个因子对应于一个器具70的情况，但作为最简的实例，将假设一个因子对应于一个器具70对因子HMM中的模型参数的估算进行说明。在一个因子对应于一个器具70的情况下，对应于因子m的器具70将称为第m个器具70。

等式（11）至（13）中的S_t ^(m)表示第m个器具70在时间t的状态（开、关、高功率运行、低功率运行等）。如果第m个器具70的状态数量为K，则S_t ^(m)由K维垂直向量组成（具有K行一列的向量）。

$P\left(S_1\right)=\underset{m=1}{\overset{M}{\mathrm{\&Pi;}}}P\left(S_1^{\left(m\right)}\right)$

$=\underset{m=1}{\overset{M}{\mathrm{\&Pi;}}}{\mathrm{\&pi;}}^{\left(m\right)}...\left(11\right)$

$P\left(S_t\right|S_{t-1})=\underset{m=1}{\overset{M}{\mathrm{\&Pi;}}}P\left(S_t^{\left(m\right)}\right|S_{t-1}^{\left(m\right)})$

$=\underset{m=1}{\overset{M}{\mathrm{\&Pi;}}}{A}^{\left(m\right)}...\left(12\right)$

$P\left(Y_t\right|S_t)=\mathrm{Norma}|(Y_t:{\mathrm{\&mu;}}_t,C)$

$=\frac{1}{\sqrt{{\left(2\mathrm{\&pi;}\right)}^D\left|C\right|}}\exp (-\frac{1}{2}{(Y_t-{\mathrm{\&mu;}}_t)}^{\&prime;}{C}^{-1}(Y_t-{\mathrm{\&mu;}}_t))$

其中

${\mathrm{\&mu;}}_t=\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}{W}^{\left(m\right)}{S}_t^{\left(m\right)}...\left(13\right)$

等式（11）中的初始概率P（S1）是通过M项π^(m)的乘积来计算的。此处，π^(m)表示第m个器具70的初始状态概率，并且为K维垂直向量。

通过A^(m)的M项的乘积计算等式（12）中的状态转换概率。其中，A^(m)例如表示对应于从打开状态改变为关闭状态等的趋势的第m个器具70的状态转换概率，并且由K行K列（K×K）的方阵组成。

等式（13）中的观察概率P(Y_t|S_t)通过观察平均值μ_t和协方差矩阵C的多元正态分布进行计算。在等式（13）中，符号（’）表示转置（transposition），右上角的“-1”表示逆（reciprocal）。此外，|C|表示C的绝对值。

等式（13）中的W（m）是观察概率P(Y_t|S_t)的参数，其对应于第m个器具70消耗的电流波形模式。由于器具70的每个状态的电流波形的模 式不同，W^(m)为D行K列（D×K）的矩阵，其中观察数据的维度的数量D作为行数，状态的数量K作为列数。

在等式中，μ_t表示在时间t的观察平均数，并且通过将与状态S_t ^(m)对应的矩阵W^(m)的M列元素加在一起获得。换句话说，μ_t对应于与所有器具70状态对应的电流值的和。由此，当观察平均值μ_t在时间t接近于观察数据Y_t时，模型参数可接受。协方差矩阵C对应于电流图上噪音堆叠的密度，并且假设在所有时间对于所有器具70都是一样的。

因子HMM的表达“模型参数”指的是初始状态概率π(m)、状态转换概率A^(m)、第m个器具70的观察概率参数W（m）以及协方差矩阵C，器具估算装置50估算因子HMM模型参数 如此，由于可估算在时间t第m个器具70的状态（开、关、高功率状态、低功率状态等），可估算各个器具70的耗电。图15示出因子HMM模型参数Φ={π^(m),A^(m),W^(m),C}和器具70状态之间的对应关系。

器具耗电估算单元11能够使用以上描述的耗电估算技术对每个器具的耗电进行估算。

[计算机的构造实例]

以上描述的系列处理可通过硬件执行，但是也可以通过软件执行。当系列处理由软件执行时，构成此类软件的程序安装于计算机种。此处，表达“计算机”包括当安装各种程序时能执行各种功能的结合有专用硬件的计算机和通用个人计算机等。

图16为示出执行先前描述的系列处理的计算机硬件的简单构造实例的方框图。

在该计算机中，中央处理单元（CPU）101、只读存储器（ROM）102、和随机存取存储器（RAM）103通过总线104互相连接。

输入/输出接口105也连接于总线105。输入单元106、输出单元107、存储单元108、通信单元109和驱动器110连接至输入/输出接口105。

输入单元106由键盘、鼠标、扩音器等构成。输出单元107由显示器、扬声器等构成。存储单元由硬盘、非易失性存储器等构成。通信单元109由网络接口等构成。驱动器110驱动诸如磁盘、光盘、磁光盘、半导体存储器等的可移动记录介质111。

在如以上配置的计算机中，CPU101通过输入/输出接口105和总线104将存储于（例如）存储单元108的程序载入RAM103，并执行该程序。从而，执行以上描述的系列处理。

在该计算机中，通过将可移动记录介质111载入驱动器110，该程序可通过输入/输出接口105装入存储单元108。可使用通信单元109从诸如局域网、互联网、数字广播卫星等的有线或无线传输介质接收该程序，并将该程序装入存储单元108。作为另一个选择，该程序可被预先装入ROM102或存储单元108。

值得注意，写入本说明书所附流程图中的步骤当然可以以时间序列按示出的顺序执行，但此类步骤并非必须按时间序列执行，可以并行或按照需要的时序执行，例如当调用过程时执行。

本技术的实施方式不限于以上说明的实施方式。本领域的技术人员应当理解，只要在所述权利要求或其等价物的范围内，根据设计要求和其他因素可进行各种修改、组合、变形和替换。

而且，本技术可以如下配置。

（1）一种信息处理装置包括：

器具耗电估算单元，估算在被划分为多个区域的大区域内设置的多个器具中的每个的耗电；

器具存在概率估算单元，估算器具存在概率，器具存在概率为各器具存在于各区域中的概率；

责任分担率确定单元，确定责任分担率，责任分担率为当每个区域中的耗电由可能存在于大区域中的人分担时各人的比例；以及

耗电分配单元，基于多个器具中的每个的耗电、器具存在概率、以及责任分担率计算每个人耗电的分配量。

（2）根据（1）的信息处理装置，

其中，耗电分配单元通过对特定时间段内全部器具和全部区域的器具的耗电和器具存在概率以及与器具存在概率对应的区域内的责任分担率进行积分，计算可能存在于大区域的每个人的耗电分配量。

（3）根据（1）或（2）的信息处理装置，还包括：

个体存在概率估算单元，估算个体存在概率，个体存在概率为可能存在于大区域的每个人在特定时间存在于各区域的概率。

（4）根据（3）的信息处理装置，

其中，器具存在概率估算单元通过在对应的器具进入工作状态时对个体存在概率求和来估算器具存在概率。

（5）根据（3）或（4）的信息处理装置，

其中，责任分担率确定单元确定与人的个体存在概率一致的每个人的责任分担率。

（6）根据（1）至（5）中任一项的信息处理装置，

其中，器具耗电估算单元通过将背景残差视为一个器具来估算耗电。

（7）一种信息处理方法包括：

估算在被划分为多个区域的大区域内设置的多个器具中的每个的耗电；

估算器具存在概率，器具存在概率为各个器具存在于各个区域内的概率；

确定责任分担率，责任分担率为当每个区域中的耗电由可能存在于大区域中的人分担时各人的比例；以及

基于多个器具中的每个的耗电、器具存在概率以及责任分担率计算每个人的耗电分配量。

（8）根据（7）的信息处理方法，

其中，计算每个人的耗电分配量包括：通过对特定时间段内所有器具和所有区域的器具的耗电和器具存在概率以及与器具存在概率对应的区域内的责任分担率进行积分，计算可能存在于大区域的每个人的耗电分配量。

（9）根据（7）的信息处理方法，在计算每个人的耗电分配量的步骤之前，还包括：

估算个体存在概率，个体存在概率为可能存在于大区域的每个人在特定时间存在于各区域的概率。

（8）一种使计算机执行处理的程序，包括：

估算在被划分为多个区域的大区域内设置的多个器具中的每个的耗电；

估算器具存在概率，器具存在概率为各个器具存在于各个区域内的概率；

确定责任分担率，责任分担率为当每个区域中的耗电由可能存在于大区域中的人分担时各人的比例；以及

基于多个器具中的每个的耗电、器具存在概率以及责任分担率计算每个人的耗电分配量。

本公开包含关于于2011年8月23日向日本专利局提交的日本在先专利申请JP 2011-181169中公开的主题内容，其全部内容通过引用结合于此。

Claims (9)

1.一种信息处理装置，包括：

器具耗电估算单元，估算在被划分为多个区域的大区域内设置的多个器具中的每个的耗电；

器具存在概率估算单元，估算器具存在概率，所述器具存在概率为各器具存在于各区域中的概率；

责任分担率确定单元，确定责任分担率，所述责任分担率为当每个区域中的耗电由可能存在于所述大区域中的人分担时各人的比例；以及

耗电分配单元，基于所述多个器具中的每个的耗电、所述器具存在概率以及所述责任分担率计算每个人的耗电分配量。

2.根据权利要求1所述的信息处理装置，

其中，所述耗电分配单元通过在特定时间段内针对全部器具和全部区域，对所述的器具耗电和器具存在概率以及与所述器具存在概率对应的区域内的所述责任分担率进行积分，计算可能存在于所述大区域的每个人的耗电分配量。

3.根据权利要求1所述的信息处理装置，还包括：

个体存在概率估算单元，估算个体存在概率，所述个体存在概率为可能存在于所述大区域的每个人在特定时间存在于所述各区域的概率。

4.根据权利要求3所述的信息处理装置，

其中，所述器具存在概率估算单元通过在对应的器具进入工作状态时对所述个体存在概率求和来估算所述器具存在概率。

5.根据权利要求3所述的信息处理装置，

其中，所述责任分担率确定单元确定与每个人的所述个体存在概率一致的每个人的所述责任分担率。

6.根据权利要求1所述的信息处理装置，

其中，所述器具耗电估算单元通过将背景残差视为所述器具中的一个来估算耗电。

7.一种信息处理方法，包括：

估算在被划分为多个区域的大区域内设置的多个器具中的每个的耗电；

估算器具存在概率，所述器具存在概率为各个器具存在于各个区域内的概率；

确定责任分担率，所述责任分担率为当每个区域中的耗电由可能存在于所述大区域中的人分担时各人的比例；以及

基于所述多个器具中的每个的耗电、所述器具存在概率以及所述责任分担率计算每个人的耗电分配量。

8.根据权利要求7所述的信息处理方法，

其中，所述计算每个人的耗电分配量包括：通过在特定时间段内针对所有器具和所有区域，对所述的器具耗电和器具存在概率以及与所述器具存在概率对应的区域内的所述责任分担率进行积分，计算可能存在于所述大区域的每个人的耗电分配量。

9.根据权利要求7所述的信息处理方法，在所述计算每个人的耗电分配量的步骤之前，还包括：

估算个体存在概率，所述个体存在概率为可能存在于所述大区域的每个人在特定时间存在于所述各区域的概率。