CN106557831A - 在不在预测方法和在不在预测装置 - Google Patents

在不在预测方法和在不在预测装置 Download PDF

Info

Publication number
CN106557831A
CN106557831A CN201610719509.0A CN201610719509A CN106557831A CN 106557831 A CN106557831 A CN 106557831A CN 201610719509 A CN201610719509 A CN 201610719509A CN 106557831 A CN106557831 A CN 106557831A
Authority
CN
China
Prior art keywords
building
information
electric power
data
power data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201610719509.0A
Other languages
English (en)
Other versions
CN106557831B (zh
Inventor
房川歌津衣
大平智亮
铃木史章
原田久美
伊藤快
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Panasonic Intellectual Property Corp of America
Original Assignee
Panasonic Intellectual Property Corp of America
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Panasonic Intellectual Property Corp of America filed Critical Panasonic Intellectual Property Corp of America
Publication of CN106557831A publication Critical patent/CN106557831A/zh
Application granted granted Critical
Publication of CN106557831B publication Critical patent/CN106557831B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/22—Status alarms responsive to presence or absence of persons
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Educational Administration (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Emergency Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Telephonic Communication Services (AREA)

Abstract

一种对建筑物(100)中的人的在不在进行预测的在不在预测方法，派送管理服务器(300)取得第一时刻时的建筑物(100)的电力数据，取得按预定时间段学习了第一时刻之前的建筑物(100)的电力数据与表示人实际上是否在建筑物(100)中的信息之间的对应关系而得到的学习数据，基于第一时刻时的建筑物(100)的电力数据和学习数据，预测人是否在建筑物(100)中，生成表示预测结果的在不在信息，并将该在不在信息输出至配送终端400。

Description

在不在预测方法和在不在预测装置
技术领域
本发明涉及对预定场所中的人的在不在进行预测的在不在预测方法和在不在预测装置。
背景技术
以往，已知有如下技术：基于预定场所(例如家、工作场所等)中的电力消耗量的数据，预测人的在不在，并向想要访问该家的派送员的终端通知所预测的结果。
例如，在专利文献1中公开了如下技术(以下称为现有技术)：记录预定的家中每单位时间的过去的电力使用量，当从派送员接受查询时，以与预定配送时间对应的过去的电力使用量越接近最大值则在家概率变得越高的方式算出在家概率，并向派送员的终端通知该在家概率。
在先技术文献
专利文献
专利文献1：日本特开2012-181789号公报
发明内容
用上述现有技术算出的在家概率在过去的电力使用量大的情况下成为高的值，在过去的电力使用量小的情况下成为低的值。然而，一般来说，也有即使电力使用量大也不在的情况或即使电力使用量小也在家的情况。由于现有技术没有预料到这样的情况，所以存在预测的精度低的问题。
本发明的目的在于提供一种在不在预测方法和在不在预测装置，其能够高精度地实现基于电力数据的在不在的预测。
本发明的一个技术方案的在不在预测方法是一种对预定建筑物中的人的在不在进行预测的在不在预测方法，该方法包括：取得第一时刻时的所述建筑物的电力数据；取得按预定时间段学习了所述第一时刻之前的所述建筑物的电力数据与表示所述人实际上是否在所述建筑物中的信息之间的对应关系而得到的学习数据；基于所述第一时刻时的所述建筑物的电力数据和所述学习数据，预测所述人是否在所述建筑物中；以及生成表示所述预测的结果的在不在信息，并向预定的终端输出该在不在信息。
本发明的一个技术方案的在不在预测装置是一种对预定建筑物中的人的在不在进行预测的在不在预测装置，具备：电力数据取得部，其取得第一时刻时的所述建筑物的电力数据；和预测部，其基于学习数据和所述第一时刻时的所述建筑物的电力数据，预测所述人是否在所述建筑物中，并生成表示所述预测的结果的在不在信息，所述学习数据为按预定时间段学习了所述第一时刻之前的所述建筑物的电力数据与表示所述人实际上是否在所述建筑物中的信息之间的对应关系而得到的数据。
根据本发明，能够高精度地实现基于电力数据的在不在的预测。
附图说明
图1是表示本发明实施方式1涉及的在不在预测系统的构成的一例的框图。
图2是表示本发明实施方式1涉及的在不在预测系统的工作的一例的时序图。
图3是表示本发明实施方式1涉及的预测处理的流程的一例的流程图。
图4是表示本发明实施方式1涉及的学习数据的一例的图。
图5是表示本发明实施方式1涉及的学习数据更新处理的流程的一例的流程图。
图6是表示本发明实施方式2涉及的在不在预测系统的构成的一例的框图。
图7是表示本发明实施方式2涉及的在不在预测系统的工作的一例的时序图。
图8是表示本发明实施方式3涉及的在不在预测系统的构成的一例的框图。
图9是表示本发明实施方式3涉及的在不在预测系统的工作的一例的时序图。
图10是表示本发明实施方式4涉及的在不在预测系统的构成的一例的框图。
图11是表示本发明实施方式4涉及的在不在预测系统的工作的一例的时序图。
图12是表示本发明的变形例涉及的在不在预测系统的构成的一例的框图。
图13是表示利用软件实现本发明各实施方式涉及的服务器和终端的功能的计算机的硬件构成的一例的图。
图14是表示服务类型1(本公司数据中心型)的图。
图15是表示服务的类型2(IaaS利用型)的图。
图16是表示服务的类型3(PaaS利用型)的图。
图17是表示服务的类型4(SaaS利用型)的图。
标号说明
11 数据中心运营公司
12 服务提供商
100 建筑物
101、102 设备
103 配电盘
104 电力管理装置
105 内线电话
200 电力数据管理服务器
201 通信部
202 存储部
203 控制部
300 派送管理服务器
301 通信部
302 存储部
303 控制部
400 配送终端
401 通信部
402 存储部
403 控制部
404 输入部
405 输出部
1000 计算机
1001 输入装置
1002 输出装置
1003 CPU(Central Processing Unit)
1004 ROM(Read Only Memory)
1005 RAM(Random Access Memory)
1006 存储装置
1007 读取装置
1008 收发装置
1009 总线
1200a 应用
1200b OS
1200c 数据中心(云服务器)
1200d 服务提供
具体实施方式
以下，参照附图，详细说明本发明的各实施方式。但是，在用于说明各实施方式的各附图中，对同一构成、处理工作标注同一标号，并省略对其的重复说明。
(实施方式1)
以下说明本发明的实施方式1。
<在不在预测系统的构成>
首先，使用图1，说明本发明实施方式1涉及的在不在预测系统的构成。图1是表示实施方式1涉及的在不在预测系统的构成的一例的框图。
如图1所示，本实施方式的在不在预测系统具有设备101、设备102、配电盘103、电力管理装置104、电力数据管理服务器200、派送管理服务器300以及配送终端400。
首先，说明设置于建筑物100的设备101、设备102、配电盘103以及电力管理装置104。
建筑物100例如是独栋的住宅。此外，建筑物100不限定于独栋的住宅，例如，可以是一栋多户住宅中的一户的专有部分，也可以是一栋办公大楼，还可以是办公大楼中的一个分区的专有部分。
在建筑物100中，设置有设备101、102、配电盘103以及电力管理装置104。设备101、102与配电盘103电连接。另外，配电盘103与电力管理装置104电连接。
设备101、102是利用从配电盘103供给的电力工作的电设备。作为设备101、102，例如可列举电视机、冰箱、洗衣机、照明器具以及空调等。此外，在图1中，仅示出设备101、102这两个设备，但在建筑物100中可以有两个以上设备。
电力管理装置104每预定时间(例如一秒钟、数秒钟、1分钟等)从配电盘103取得各分支电路(省略图示)的电力数据，并对这些电力数据进行合计。电力数据例如是表示功耗量的数据或表示功耗的波形的数据。在本实施方式中，以下，以电力数据是表示功耗量的数据的情况为例列举说明。
并且，电力管理装置104将表示取得电力数据的时刻的取得时刻信息、能够识别建筑物100的建筑物识别信息以及合计得到的电力数据进行关联，并将其经由预定的网络向电力数据管理服务器200发送。
在本实施方式中，预定的网络可以是无线网络、有线网络以及无线网络和有线网络并存的网络中的任一个。
此外，在上述说明中，电力管理装置104对每个分支电路的电力数据进行合计，但也可以对每个设备101、102的电力数据进行合计。在该情况下，电力管理装置104可以直接从设备101、102接受电力数据。
或者，在设备101、102具有网络通信功能的情况下，设备101、102可以经由预定的网络，向电力数据管理服务器200发送电力数据。在该情况下，在电力数据管理服务器200中，对每个设备的电力数据进行合计。
以上，说明了设备101、设备102、配电盘103以及电力管理装置104。
接着，说明电力数据管理服务器200。
电力数据管理服务器200例如是按建筑物100管理电力数据的从业者拥有并运营的服务器装置。电力数据管理服务器200具备通信部201、存储部202以及控制部203。
通信部201是经由预定的网络，与电力管理装置104和派送管理服务器300进行各种信息的收发的通信器件。
例如，通信部201从电力管理装置104接收建筑物识别信息、取得时刻信息以及电力数据。
另外，例如，通信部201从派送管理服务器300接收电力数据请求。在电力数据请求中包括建筑物识别信息和当前时刻信息。当前时刻信息例如是表示在配送终端400受理了作为派送员的工作人员的地址指定操作时的时刻(第一时刻的一例)的信息。后面将说明地址指定操作和在不在信息请求。
存储部202是存储器、硬盘装置等存储器件。
例如，存储部202将通信部201接收到的建筑物识别信息、取得时刻信息以及电力数据进行关联并存储。
控制部203是执行各种信息处理的处理器等控制器件。
例如，控制部203将通信部201从电力管理装置104接收到的建筑物识别信息、取得时刻信息以及电力数据进行关联并存储在存储部202中。
另外，例如，控制部203从通信部201自派送管理服务器300接收到的电力数据请求中提取建筑物识别信息和当前时刻信息，并在存储部202中检索与提取出的建筑物识别信息和当前时刻信息对应的建筑物识别信息和取得时刻信息。并且，控制部203从存储部202中读出与检索到的建筑物识别信息和取得时刻信息进行了关联的电力数据。并且，控制部203控制通信部201以使得将读出的电力数据向派送管理服务器300发送。由此，电力数据经由预定的网络，从通信部201向派送管理服务器300发送。
以上，说明了电力数据管理服务器200。
接着，说明派送管理服务器300。
派送管理服务器300例如是提供派送服务(配送服务)的从业者(以下称为派送员)拥有并运营的服务器装置。派送管理服务器300具备通信部301、存储部302以及控制部303。
通信部301是经由预定的网络与电力数据管理服务器200和配送终端400进行各种信息的收发的通信器件。
例如，通信部301从配送终端400接收在不在信息请求。如上所述，在不在信息请求包括建筑物识别信息和当前时刻信息。
另外，例如，通信部301向电力数据管理服务器200发送电力数据请求。如上所述，电力数据请求包括建筑物识别信息和当前时刻信息。该建筑物识别信息和当前时刻信息与在不在信息请求所包括的建筑物识别信息和当前时刻信息相同。
另外，例如，通信部301从电力数据管理服务器200接收电力数据，作为对电力数据请求的响应。因此，在本实施方式中，通信部301相当于电力数据取得部的一例。
另外，例如，通信部301向配送终端400发送在不在信息，作为对在不在信息请求的响应。在不在信息是表示对在建筑物100中是否有人(例如居住者)进行预测的结果的信息。后面将说明在不在信息的详细情况。
另外，例如，通信部301从配送终端400接收实绩信息。实绩信息是用于后述的学习数据的更新的信息，例如，建筑物识别信息包括访问时刻信息和访问结果信息，所述访问时刻信息表示作为派送员的工作人员(例如实际进行货物的配送的人)访问建筑物100的时刻，所述访问结果信息表示作为派送员的工作人员访问建筑物100时在建筑物100中实际上是否有人。
存储部302是存储器、硬盘装置等存储器件。
例如，存储部302按建筑物识别信息存储学习数据(也称为学习模型、教师数据)。学习数据是按预定时间段(例如30分钟、1小时等)学习了过去(上述当前时刻信息表示的时刻之前)的建筑物100的电力数据和表示在建筑物100中实际上是否有人的信息之间的对应关系而得到的数据。后面将说明学习数据的详细情况。
控制部303是执行各种信息处理的处理器等控制器件。
例如，控制部303从通信部301自配送终端400接收到的在不在信息请求中，提取建筑物识别信息和当前时刻信息。并且，控制部303控制通信部301以使得将电力数据请求向电力数据管理服务器200发送，所述电力数据请求包括提取出的建筑物识别信息和当前时刻信息。由此，电力数据请求经由预定的网络，从通信部301被向电力数据管理服务器200发送。
另外，例如，控制部303从存储部302中读出学习数据，所述学习数据与从在不在信息请求提取出的建筑物识别信息和当前时刻信息对应。并且，控制部303基于读出的学习数据和通信部301从电力数据管理服务器200接收到的电力数据，预测在建筑物100中是否有人，生成表示预测到的结果的在不在信息。即，在本实施方式中，派送管理服务器300相当于“在不在预测装置”的一例，控制部303相当于“预测部”的一例。此外，以下将上述的学习数据的读出处理至在不在信息的生成处理称为“预测处理”。后面将说明预测处理的详细情况。
另外，例如，控制部303控制通信部301以使得将生成的在不在信息向配送终端400发送。由此，在不在信息经由预定的网络，从通信部301被向配送终端400发送。
另外，例如，当通信部301从配送终端400接收实绩信息时，控制部303基于该实绩信息进行学习数据的更新。后面将说明该学习数据更新处理的详细情况。
以上，说明了派送管理服务器300。
接着，说明配送终端400。
配送终端400例如是作为派送员的工作人员使用的终端装置。配送终端400例如优选智能手机、平板电脑、笔记本式电脑等移动终端，但不限定于移动终端，也可以是固定式的终端装置。
配送终端400具备通信部401、存储部402、控制部403、输入部404以及输出部405。
通信部401是经由预定的网络，与派送管理服务器300进行各种信息的收发的通信器件。
例如，通信部401向派送管理服务器300发送在不在信息请求。
另外，例如，通信部401从派送管理服务器300接收在不在信息，作为在不在信息请求的响应。
另外，例如，通信部401向派送管理服务器300发送实绩信息。如上所述，实绩信息例如包括建筑物识别信息、访问时刻信息以及访问结果信息。
存储部402是存储器、硬盘装置等存储器件。
例如，存储部402存储建筑物识别信息。该建筑物识别信息例如与表示建筑物100的地址的地址信息关联。
输入部404是按钮、触摸面板等输入器件。
例如，输入部404受理由派送员的工作人员进行的地址指定操作。地址指定操作是指作为派送员的工作人员指定预定访问的建筑物100的地址的操作。例如，作为派送员的工作人员在访问建筑物100前进行地址指定操作。
此外，在本实施方式中，地址指定操作兼作作为派送员的工作人员向配送终端400指示在不在信息的显示的操作(以下称为显示指示操作)，但也可以分别进行地址指定操作和显示指示操作。在该情况下，当前时刻信息表示的时刻可以设为输入部404受理显示指示操作时的时刻。
另外，例如，输入部404受理由作为派送员的工作人员进行的实绩输入操作。实绩输入操作是派送员的工作人员输入实际访问的建筑物100的地址信息、表示访问的时刻的访问时刻信息以及表示访问时人是否在建筑物100中的访问结果信息的操作。例如，作为派送员的工作人员在实际访问建筑物100后进行实绩输入操作。
输出部405是显示器等显示器件或扬声器等声音输出器件。
例如，输出部405输出通信部401从派送管理服务器300接收到的在不在信息。在本实施方式中，以在不在信息的输出方式为显示的情况为例列举说明。
控制部403是执行各种信息处理的处理器等控制器件。
例如，当输入部404受理地址指定操作时，控制部403从存储部402读出建筑物识别信息，所述建筑物识别信息与通过该操作指定的地址关联。并且，控制部403控制通信部401以使得向派送管理服务器300发送在不在信息请求，所述在不在信息请求包括所读出的建筑物识别信息和当前时刻信息。由此，在不在信息请求经由预定的网络，从通信部401被向派送管理服务器300发送。
此外，在上述说明中，在发送在不在信息请求时，控制部403基于通过地址指定操作指定的地址，从存储部402读出建筑物识别信息，但该建筑物识别信息也可以由作为派送员的工作人员输入。
另外，例如，控制部403控制输出部405以显示通信部401从派送管理服务器300接收到的在不在信息。由此，在不在信息在输出部405上显示，并出示给派送员的工作人员。
另外，例如，当输入部404受理实绩输入操作时，控制部403从存储部402读出建筑物识别信息，所述建筑物识别信息与通过该操作输入的地址关联。并且，控制部403控制通信部401以向派送管理服务器300发送实绩信息，所述实绩信息包括所读出的建筑物识别信息、输入的访问时刻信息以及访问结果信息。由此，实绩信息经由预定的网络，从通信部401被向派送管理服务器300发送。
此外，在上述说明中，在发送实绩信息时，控制部403基于通过实绩输入操作输入的地址，从存储部402读出建筑物识别信息，但该建筑物识别信息也可以由作为派送员的工作人员输入。
以上，说明了配送终端400。
<在不在预测系统的工作>
接着，使用图2，说明本发明实施方式1涉及的在不在预测系统的工作。图2是表示实施方式1涉及的在不在预测系统的工作的一例的时序图。
首先，电力管理装置104按预定时间从配电盘103取得各分支电路的电力数据(步骤S101)。然后，电力管理装置104对所取得的电力数据进行合计。
接着，电力管理装置104将表示取得电力数据的时刻的取得时刻信息、能够识别建筑物100的建筑物识别信息以及合计得到的电力数据进行关联，并将其经由预定的网络发送给电力数据管理服务器200(步骤S102)。
接着，电力数据管理服务器200的通信部201接收从电力管理装置104发送来的建筑物识别信息、取得时刻信息以及电力数据(步骤S103)。
接着，电力数据管理服务器200的控制部203将通信部201接收到的建筑物识别信息、取得时刻信息以及电力数据进行关联，并将其存储在存储部202中(步骤S104)。
反复进行上述步骤S101～S104的处理。
在这里，假设作为派送员的工作人员在向建筑物100进行配送前，在配送终端400进行了地址指定操作。如上所述，地址指定操作是指作为派送员的工作人员指定预定访问的建筑物100的地址的操作。
配送终端400的输入部404受理地址指定操作(步骤S105)。
接着，配送终端400的控制部403从存储部402读出建筑物识别信息，所述建筑物识别信息关联有通过地址指定操作指定的地址。此外，如上所述，在存储部402中，按建筑物识别信息关联存储有表示建筑物100的地址的地址信息。
然后，控制部403控制通信部401以向派送管理服务器300发送在不在信息请求，所述在不在信息请求包括读出的建筑物识别信息和当前时刻信息。由此，通信部401经由预定的网络，向派送管理服务器300发送在不在信息请求(步骤S106)。此外，如上所述，当前时刻信息例如是表示配送终端400(输入部404)受理了作为派送员的工作人员的地址指定操作时的时刻的信息。
接着，派送管理服务器300的通信部301接收从配送终端400发送来的在不在信息请求(步骤S107)。
接着，派送管理服务器300的控制部303从通信部301接收到的在不在信息请求中提取建筑物识别信息和当前时刻信息，并控制通信部301以向电力数据管理服务器200发送电力数据请求，所述电力数据请求包括提取出的建筑物识别信息和当前时刻信息。由此，通信部301经由预定的网络，向电力数据管理服务器200发送电力数据取得请求(步骤S108)。
接着，电力数据管理服务器200的通信部201接收从派送管理服务器300发送来的电力数据请求(步骤S109)。
接着，电力数据管理服务器200的控制部203从通信部201接收到的电力数据请求中提取建筑物识别信息和当前时刻信息，并在存储部202中检索与提取出的建筑物识别信息和当前时刻信息对应的建筑物识别信息和取得时刻信息。然后，控制部203从存储部202中读出与检索到的建筑物识别信息和取得时刻信息进行了关联的电力数据。然后，控制部203控制通信部201以向派送管理服务器300发送读出的电力数据。由此，通信部201经由预定的网络，向派送管理服务器300发送电力数据(步骤S110)。
接着，派送管理服务器300的通信部301接收从电力数据管理服务器200发送来的电力数据(步骤S111)。
接着，派送管理服务器300的控制部303执行基于存储在存储部302中的学习数据和通信部301接收到的电力数据，预测在建筑物100中是否有人(例如居住者)的预测处理(步骤S112)。通过执行该预测处理，生成表示预测结果的在不在信息。此外，后面将使用图3、图4，说明预测处理的详细情况。
接着，控制部303控制通信部301以向配送终端400发送生成的在不在信息。由此，通信部301经由预定的网络，向配送终端400发送在不在信息(步骤S113)。
接着，配送终端400的通信部401接收从派送管理服务器300发送来的在不在信息(步骤S114)。
接着，配送终端400的控制部403控制输出部405以显示通信部401接收到的在不在信息。由此，输出部405显示在不在信息(步骤S115)。通过该显示，作为派送员的工作人员能够掌握在建筑物100中是否有人的预测结果。
之后，实际访问了建筑物100的作为派送员的工作人员在配送终端400中进行实绩输入操作。如上所述，实绩输入操作是派送员的工作人员输入实际访问的建筑物100的地址信息、表示访问的时刻的访问时刻信息以及表示访问时人是否在建筑物100中的访问结果信息的操作。
配送终端400的输入部404受理实绩输入操作(步骤S116)。
接着，配送终端400的控制部403从存储部402中读出建筑物识别信息，所述建筑物识别信息关联有通过实绩输入操作输入的地址。
然后，控制部403控制通信部401以向派送管理服务器300发送实绩信息，所述实绩信息包括读出的建筑物识别信息、输入的访问时刻信息以及访问结果信息。由此，通信部401经由预定的网络，向派送管理服务器300发送实绩信息(步骤S117)。
接着，派送管理服务器300的通信部301接收从配送终端400发送来的实绩信息(步骤S118)。
接着，派送管理服务器300的控制部303基于通信部301接收到的实绩信息，执行学习数据更新处理(步骤S119)。后面将说明该学习数据更新处理的详细情况。
<预测处理的具体例>
接着，使用图3、图4，说明预测处理(图2的步骤S112)的流程。图3是表示预测处理的流程的一例的流程图。图4是表示学习数据的一例的图。
首先，派送管理服务器300的控制部303从通信部301接收到的在不在信息请求中提取建筑物识别信息和当前时刻信息，并从存储部302中读出与提取出的建筑物识别信息和当前时刻信息对应的学习数据(步骤S1121)。
以下，说明步骤S1121的具体处理。
如上所述，在存储部302中，按建筑物识别信息存储有学习数据。另外，按预定时间段(例如30分钟、1小时等)存在与一个建筑物识别信息对应的学习数据。例如，预定时间段以30分钟为单位的情况下，与上午9点～上午9点30分、上午9点30分～上午10点、上午10点～上午10点30分、…、这样的一天中的各时间段对应而存在多个学习数据。
控制部303首先检索关联有提取出的建筑物识别信息的多个学习数据，接着，从检索到的多个学习数据之中，读出包括提取出的当前时刻信息表示的时刻的时间段的学习数据。例如，在当前时刻信息的时刻为上午9点15分的情况下，控制部303从存储部302中读出上午9点～上午9点30分的学习数据。
在这里，使用图4说明学习数据的例子。图4是表示学习数据的一例的图。图4所示的学习数据例如是上午9点～上午9点30分的学习数据。
在图4中，纵轴表示人实际上在建筑物100中的次数的合计值(以下称为第一合计值)和人实际上不在建筑物100中的次数的合计值(以下称为第二合计值)，横轴表示建筑物100的电力数据的值(例如是功耗量，单位是wh)。
另外，在图4中，曲线P1是表示每个功耗量下的第一合计值的曲线，曲线P2是表示每个功耗量下的第二合计值的曲线。例如，曲线P1表示：在过去的上午9点～上午9点30分功耗量为700wh时，人实际上在建筑物100中的次数为40次。另外，曲线P2表示：在过去的上午9点～上午9点30分功耗量为700wh时，人实际上没有在建筑物100中的次数为10次。
以上，说明了步骤S1121的具体处理和学习数据的一例。以下，返回图3的流程图的说明。
接着，作为电力数据请求的响应，控制部303基于通信部301接收到的电力数据和从存储部302读出的学习数据，算出在家概率和不在概率(步骤S1122)。
以下，说明步骤S1122的具体处理。
例如，假设通信部301接收到的电力数据的值为700wh，从存储部302读出的学习数据为图4所示的学习数据。在该情况下，控制部303根据电力数据的值“700”、曲线P1以及曲线P2，确定第一合计值“40”和第二合计值“10”。
然后，控制部303算出第一合计值“40”相对于第一合计值与第二合计值的合计“50”的比例。该算出结果为在家概率。在上述情况下，在家概率例如成为40/50×100＝80％。
同样地，控制部303算出第二合计值“10”相对于第一合计值与第二合计值的合计“50”的比例。该算出结果为不在概率。在上述情况下，不在概率例如成为10/50×100＝20％。
以上，说明了步骤S1122的具体处理的一例。以下，返回图3的流程图的说明。
接着，控制部303基于算出的在家概率或不在概率，生成在不在信息(步骤S1123)。例如，在算出了在家概率80％和不在概率20％的情况下，控制部303生成在不在信息，所述在不在信息表示作为数值较大的一方的在家概率80％。在配送终端400的输出部405上显示这样生成的在不在信息时，作为派送员的工作人员能够掌握在建筑物100中有人的概率为80％。
以上，说明了预测处理的流程的一例。
此外，在上述说明中，在步骤S1122～1123中，算出在家概率和不在概率这两方，选择值较大的一方并生成在不在信息，但不限定于此。例如，也可以是，控制部303算出在家概率或不在概率中的某一个，生成表示算出的在家概率或不在概率中的某一个的在不在信息。
<学习数据更新处理的具体例>
接着，使用图5，说明学习数据更新处理(图2的步骤S119)的流程。图5是表示学习数据更新处理的流程的一例的流程图。
首先，派送管理服务器300的控制部303从通信部301接收到的实绩信息中提取建筑物识别信息、访问时刻信息以及访问结果信息，并从存储部302中读出与提取出的建筑物识别信息和访问时刻信息对应的学习数据(步骤S1191)。
例如，在存储部302中，假设对于一个建筑物识别信息，存在以30分钟为单位的预定时间段的多个学习数据。在该情况下，控制部303首先检索关联有提取出的建筑物识别信息的多个学习数据，接着，从检索到的多个学习数据之中，读出包括提取出的访问时刻信息表示的时刻的时间段的学习数据。例如，在访问时刻信息的时刻为上午9点25分的情况下，控制部303从存储部302中读出上午9点～上午9点30分的学习数据。
接着，控制部303基于作为电力数据请求的响应而通信部301接收到的电力数据和从实绩信息提取出的访问结果信息，更新从存储部302中读出的学习数据(步骤S1192)。
例如，假设通信部301接收到的电力数据的值为700wh，从存储部中302读出的学习数据为图4所示的学习数据。然后，例如，在访问结果信息表示“在(人实际上在建筑物100中)”的情况下，控制部303在图4所示的学习数据中，将与“700wh”对应的第一合计值从“40”变更为“41”，并以通过变更后的坐标(700，41)的方式更新曲线P1。或者，例如，在访问结果信息表示“不在(人实际上没有在建筑物100中)”的情况下，控制部303在图4所示的学习数据中，将与“700wh”对应的第一合计值从“10”变更为“11”，并以通过变更后的坐标(700，11)的方式更新曲线P2。
以上，说明了学习数据更新处理的流程的一例。
此外，在上述说明中，在步骤S1192中，使用作为电力数据请求的响应而通信部301接收到的电力数据，但不限定于此。例如，也可以是，控制部303在通信部301接收到实绩信息的情况下，控制通信部301以向电力数据管理服务器200发送电力数据请求，所述电力数据请求包括从该实绩信息中提取出的建筑物识别信息和访问时刻信息。在该情况下，通信部301在电力数据请求的发送后，作为其响应，从电力数据管理服务器200接收与访问时刻信息对应的电力数据。然后，控制部303使用与访问时刻信息对应的电力数据，按上述方式更新学习数据。
另外，学习数据的制作也通过上述的学习数据更新处理来进行。在该情况下，也可以对预先准备的学习数据(例如，基于从多个家庭取得的电力数据和访问结果信息算出曲线P1、P2而得到的数据)进行上述学习数据更新处理。另外，例如，预先准备的学习数据也可以是基于从家庭构成类似的家庭(例如人数、年龄、性别、居住区域等)取得的电力数据和访问结果信息算出曲线P1、P2而得到的数据。
以上，根据本实施方式，基于学习数据和当前时刻(派送员的工作人员期望显示在不在信息的时刻)的电力数据，预测预定建筑物中的人的在不在，所述学习数据是学习了预定建筑物中的过去的电力数据与表示人实际上是否在的信息之间的对应关系而得到的数据。因此，在本实施方式中，能够高精度地实现基于电力数据的在不在的预测。
(实施方式2)
以下说明本发明的实施方式2。
<在不在预测系统的构成>
首先，使用图6，说明本发明实施方式2涉及的在不在预测系统的构成。图6是表示实施方式2涉及的在不在预测系统的构成的一例的框图。
如图6所示，与在实施方式1中说明的图1的构成相比，本实施方式的在不在预测系统的不同之处在于不具备电力数据管理服务器200。在本实施方式中，派送管理服务器300与电力管理装置104进行通信，并从电力管理装置104取得电力数据。
<在不在预测系统的工作>
接着，使用图7，说明本发明实施方式2涉及的在不在预测系统的工作。图7是表示实施方式2涉及的在不在预测系统的工作的一例的时序图。在以下说明中，说明与图2的不同之处。
在步骤S101中取得、合计电力数据后，电力管理装置104将表示取得电力数据的时刻的取得时刻信息、能够识别建筑物100的建筑物识别信息以及合计得到的电力数据进行关联，并将其经由预定的网络向派送管理服务器300发送(步骤S302)。
接着，派送管理服务器300的通信部301接收从电力管理装置104发送来的建筑物识别信息、取得时刻信息以及电力数据(步骤S303)。
接着，派送管理服务器300的控制部303将通信部301接收到的建筑物识别信息、取得时刻信息以及电力数据进行关联，并将其存储在存储部302中(步骤S304)。
反复进行上述步骤S101、S302～S304的处理。
当在步骤S107中通信部301从配送终端400接收到在不在信息请求时，控制部303从该在不在信息请求中提取建筑物识别信息和当前时刻信息，并在存储部302中检索与提取出的建筑物识别信息和当前时刻信息对应的建筑物识别信息和取得时刻信息。然后，控制部303从存储部302读出与检索到的建筑物识别信息和取得时刻信息进行了关联的电力数据，并执行预测处理(步骤S112)。该预测处理基本上与图3相同，不同之处在于：在步骤S1122中使用了从存储部302读出的电力数据。
此外，在图7中，省略了图2所示的步骤S116～S119的图示，但在本实施方式中，在显示在不在信息(步骤S115)之后，也进行图2所示的步骤S116～S119的处理。
以上，根据本实施方式，与实施方式1同样地，能够高精度地实现基于电力数据的在不在的预测。另外，在本实施方式中，由于无需使用电力数据管理服务器200，所以能够削减其运用花费的成本。
(实施方式3)
以下说明本发明的实施方式3。
<在不在预测系统的构成>
首先，使用图8，说明本发明实施方式3涉及的在不在预测系统的构成。图8是表示实施方式3涉及的在不在预测系统的构成的一例的框图。
如图8所示，本实施方式的在不在预测系统与在实施方式1中说明的图1的构成相同，但在配送终端400进行预测处理这一点上不同。在本实施方式中，配送终端400与电力数据管理服务器200和派送管理服务器300进行通信。并且，配送终端400基于从电力数据管理服务器200取得的电力数据和从派送管理服务器300取得的学习数据，进行预测处理。即，在本实施方式中，配送终端400相当于“在不在预测装置”的一例，控制部403相当于“预测部”的一例。
<在不在预测系统的工作>
接着，使用图9，说明本发明实施方式3涉及的在不在预测系统的工作。图9是表示实施方式3涉及的在不在预测系统的工作的一例的时序图。在以下说明中，说明与图2的不同之处。
在步骤S105中输入部404受理了地址指定操作之后，控制部403控制通信部401以向派送管理服务器300发送学习数据请求，所述学习数据请求包括从存储部302读出的建筑物识别信息和当前时刻信息。由此，通信部401经由预定的网络，向派送管理服务器300发送学习数据请求(步骤S406)。此外，如上所述，当前时刻信息例如是表示配送终端400(输入部404)受理了地址指定操作时的时刻的信息。
接着，派送管理服务器300的通信部301接收从配送终端400发送来的学习数据请求(步骤S407)。
接着，派送管理服务器300的控制部303从通信部301接收到的学习数据请求中提取建筑物识别信息和当前时刻信息，并读出与提取出的建筑物识别信息和当前时刻信息对应的学习数据。该读出处理与图3的步骤S1121相同。
接着，控制部303控制通信部301以向配送终端400发送读出的学习数据。由此，通信部301经由预定的网络，向配送终端400发送学习数据(步骤S408)。
接着，配送终端400的通信部401接收从派送管理服务器300发送来的学习数据(步骤S409)。
接着，配送终端400的控制部403控制通信部401以向电力数据管理服务器200发送电力数据请求，所述电力数据请求包括从存储部302读出的建筑物识别信息和当前时刻信息。由此，通信部401经由预定的网络，向电力数据管理服务器200发送电力数据取得请求(步骤S410)。
接着，电力数据管理服务器200的通信部201接收从配送终端400发送来的电力数据请求(步骤S411)。
接着，电力数据管理服务器200的控制部203从通信部201接收到的电力数据请求中提取建筑物识别信息和当前时刻信息，并在存储部202中检索与提取出的建筑物识别信息和当前时刻信息对应的建筑物识别信息和取得时刻信息。然后，控制部203从存储部202中读出电力数据，所述电力数据与检索到的建筑物识别信息和取得时刻信息进行了关联。然后，控制部203控制通信部201以向配送终端400发送读出的电力数据。由此，通信部201经由预定的网络，向配送终端400发送电力数据(步骤S412)。
接着，配送终端400的通信部401接收从电力数据管理服务器200发送来的电力数据(步骤S413)。即，在本实施方式中，通信部401相当于“电力数据取得部”的一例。
接着，配送终端400的控制部403基于通信部401接收到的学习数据和电力数据，执行预测处理(步骤S414)。该预测处理基本上与图3相同，不同之处在于：不进行步骤S1121，在步骤S1122中使用了通信部401接收到的学习数据和电力数据。
此外，在图9中，省略了学习数据更新处理的图示，但在本实施方式中，在显示在不在信息(步骤S115)之后，在配送终端400中，也进行使用图5说明过的学习数据更新处理。
另外，在图9中，示出了在学习数据请求的发送(步骤S406)之后进行电力数据请求的发送(步骤S410)的例子，但既可以在电力数据请求的发送后进行学习数据请求的发送，也可以同时进行学习数据请求的发送和电力数据请求的发送。
以上，根据本实施方式，与实施方式1同样地，能够高精度地实现基于电力数据的在不在的预测。另外，在本实施方式中，由于配送终端400进行预测处理，所以能够减轻派送管理服务器300中预测处理的负荷。
(实施方式4)
以下说明本发明的实施方式4。
<在不在预测系统的构成>
首先，使用图10，说明本发明实施方式4涉及的在不在预测系统的构成。图10是表示实施方式4涉及的在不在预测系统的构成的一例的框图。
如图10所示，与在实施方式1中说明的图1的构成相比，本实施方式的在不在预测系统的不同之处在于：不具备电力数据管理服务器200和派送管理服务器300，且配送终端400进行预测处理。在本实施方式中，配送终端400与电力管理装置104进行通信。并且，配送终端400基于从电力管理装置104取得的电力数据和配送终端400存储的学习数据进行预测处理。即，在本实施方式中，配送终端400相当于“在不在预测装置”的一例，控制部403相当于“预测部”的一例。此外，在本实施方式中，假设配送终端400的存储部402与在实施方式1～3中说明的派送管理服务器300的存储部302同样地存储有学习数据。
<在不在预测系统的工作>
接着，使用图11，说明本发明实施方式4涉及的在不在预测系统的工作。图11是表示实施方式4涉及的在不在预测系统的工作的一例的时序图。在以下说明中，说明与图2的不同之处。
在步骤S101中取得、合计电力数据后，电力管理装置104将表示取得电力数据的时刻的取得时刻信息、能够识别建筑物100的建筑物识别信息以及合计得到的电力数据进行关联，并将其存储于预定的存储装置(图示省略)(步骤S502)。预定的存储装置例如既可以在电力管理装置104的内部具备，也可以在电力管理装置104的外部具备。
反复进行上述步骤S101、S502的处理。
在步骤S105中输入部404受理了地址指定操作之后，控制部403控制通信部401以向电力管理装置104发送电力数据请求，所述电力数据请求包括从存储部402读出的建筑物识别信息和当前时刻信息。由此，通信部401经由预定的网络向电力管理装置104发送电力数据请求(步骤S503)。此外，如上所述，当前时刻信息例如是表示配送终端400(输入部404)受理地址指定操作时的时刻的信息。
接着，电力管理装置104接收从配送终端400发送来的电力数据请求(步骤S504)。
接着，电力管理装置104从接收到的电力数据请求提取建筑物识别信息和当前时刻信息，并在预定的存储装置中检索与提取出的建筑物识别信息和当前时刻信息对应的建筑物识别信息和取得时刻信息。然后，电力管理装置104从预定的存储装置中读出电力数据，所述电力数据将检索到的建筑物识别信息和取得时刻信息进行了关联。然后，电力管理装置104向配送终端400发送读出的电力数据(步骤S505)。
接着，配送终端400的通信部401接收从电力管理装置104发送来的电力数据(步骤S506)。即，在本实施方式中，通信部401相当于“电力数据取得部”的一例。
接着，配送终端400的控制部403从存储部402中读出与建筑物识别信息和当前时刻信息对应的学习数据。该读出处理与图3的步骤S1121相同。另外，在该读出处理中使用的建筑物识别信息和当前时刻信息与在步骤S503中发送的电力数据请求所包括的建筑物识别信息和当前时刻信息相同。
接着，控制部403基于通信部401接收到的电力数据和从存储部402读出的学习数据，执行预测处理(步骤S507)。该预测处理基本上与图3相同，不同之处在于：不进行步骤S1121，在步骤S1122中使用了通信部401接收到的电力数据和从存储部402中读出的电力数据。
此外，在图11中，省略了学习数据更新处理的图示，但在本实施方式中，在显示在不在信息(步骤S115)之后，在配送终端400中，也进行使用图5说明过的学习数据更新处理。
另外，在图11中，示出了在学习数据请求的发送(步骤S406)之后进行电力数据请求的发送(步骤S410)的例子，但既可以在电力数据请求的发送后进行学习数据请求的发送，也可以同时进行学习数据请求的发送和电力数据请求的发送。
以上，根据本实施方式，与实施方式1同样地，能够高精度地实现基于电力数据的在不在的预测。另外，在本实施方式中，由于无需具备电力数据管理服务器200和派送管理服务器300，所以能够削减这些运用花费的成本。
以上说明了本发明的各实施方式，但本发明能够在不脱离其宗旨的范围内进行各种变形。以下，说明上述各实施方式的变形例。
<变形例1>
在上述各实施方式中，以在学习数据更新处理中(参照图5)使用通过作为派送员的工作人员的实绩输入操作输入的访问结果信息的情况为例列举进行了说明，但不限定于此。
例如，也可以是，基于对设置于建筑物100的预定设备的操作相关的操作信息判定人实际上是否在建筑物100中，并使用该判定的结果进行学习数据更新处理。以下，使用图12说明该具体例。图12是表示本变形例的在不在预测系统的构成的一例的框图。
图12所示的构成与在实施方式1中说明的图1的构成相比，不同之处在于：在建筑物100中设置有内线电话105。在图12中，内线电话105与配电盘103电连接。
以下，说明图12所示的在不在预测系统的工作例。
首先，内线电话105在受理对访问者的呼叫进行应答的操作(以下称为应答操作)的情况下，经由配电盘103，将进行了应答操作之意的操作信息向电力管理装置104输出。另一方面，内线电话105在从访问者的呼叫起预定时间(例如30秒等)内没有受理应答操作的情况下，经由配电盘103，向电力管理装置104输出没有进行应答操作之意的操作信息。此外，也可以直接从内线电话105向电力管理装置104输出操作信息。
接着，电力管理装置104在取得从内线电话105输出的操作信息时，向派送管理服务器300发送该操作信息、表示取得操作信息时的时刻的操作信息取得时刻信息以及能够识别建筑物100的建筑物识别信息。此外，也可以是，电力管理装置104向电力数据管理服务器200发送操作信息等，电力数据管理服务器200向派送管理服务器300发送操作信息等。
接着，当通信部301接收到建筑物识别信息和操作信息取得时刻信息时，派送管理服务器300的控制部303控制通信部301以向电力数据管理服务器200发送包括这些信息的电力数据请求。由此，经由预定的网络，从通信部301向电力数据管理服务器200发送电力数据请求。
接着，电力数据管理服务器200的控制部203在存储部202中检索与通信部201接收到的建筑物识别信息和操作信息取得时刻信息对应的建筑物识别信息和取得时刻信息，并从存储部202中读出电力数据，所述电力数据与检索到的建筑物识别信息和取得时刻信息关联。然后，控制部203控制通信部201以向派送管理服务器300发送读出的电力数据。由此，经由预定的网络，从通信部201向派送管理服务器300发送电力数据。
接着，派送管理服务器300的通信部301接收从电力数据管理服务器200发送来的电力数据。
接着，派送管理服务器300的控制部303基于通信部301接收到的操作信息，判定人实际上是否在建筑物100中。例如，在操作信息表示进行了应答操作的情况下，判定为人实际上在建筑物100中。另一方面，在操作信息表示没有进行应答操作的情况下，判定为人实际上没有在建筑物100中。
接着，控制部303基于上述判定的结果和通信部301接收到的电力数据，更新存储于存储部302的学习数据。该学习数据更新处理基本上与图5相同，不同之处在于使用上述判定的结果来取代访问结果信息。
这样，根据本变形例，由于能够进行学习数据更新处理而不依靠作为派送员的工作人员的实绩输入操作，所以能够省去作为派送员的工作人员进行实绩输入操作的工夫。
此外，在上述说明中，以内线电话105为例列举说明，但不限定于此，也可以是其他电设备。例如，在从安全系统输出了操作信息的情况下，按以下方式进行判定处理。即，在操作信息表示进行了设定监视模式的操作的情况下，派送管理服务器300的控制部303判定为人实际上没有在建筑物100中，所述监视模式为不在家期间监视建筑物100的模式。另一方面，在操作信息表示解除监视模式的操作的情况下，控制部303判定为人实际上在建筑物100中。
另外，在上述说明中，以派送管理服务器300进行基于操作信息的判定处理的情况(例如实施方式1、2的情况)为例列举说明，但配送终端400也可以从电力管理装置104取得操作信息等，并进行上述判定处理(例如实施方式3、4的情况)。即，在本变形例中说明的使用了上述判定处理的结果的学习数据更新处理能够应用于实施方式1～4中的任一个。
<变形例2>
也可以对在上述各实施方式中说明的预测结果(例如在家概率、不在概率)进行预定的加权。以下说明该具体例。
派送管理服务器300从电力数据管理服务器200中除了取得(接收)当前时刻信息表示的时刻的电力数据以外，还取得以该时刻为基准的预定时间内的多个电力数据。
例如，在当前时刻信息的时刻为上午9点10分的情况下，派送管理服务器300除了取得上午9点10分时的电力数据以外，还取得上午9点5分～上午9点9分(上午9点10分之前的5分钟)中的多个电力数据。此外，在这里，设为当前时刻信息的时刻之前的预定时间内的多个电力数据，但也可以是当前时刻信息的时刻之后的预定时间内的多个电力数据，也可以是夹着当前时刻信息的时刻的前后预定时间内的多个电力数据。
并且，派送管理服务器300的控制部303进行基于学习数据的预测处理后，判定取得的多个电力数据是否有预定的阈值以上的变化，根据该变化，对基于学习数据算出的预测结果进行加权。
例如，上午9点9分的电力数据的值(例如功耗量)与上午9点7分的电力数据的值(例如功耗量)之差为阈值以上的正的值的情况下，将预定的数(例如5％、10％等)与在预测处理中基于学习数据算出的在家概率相加。
另一方面，例如，上午9点9分的电力数据的值(例如功耗量)与上午9点7分的电力数据的值(例如功耗量)之差为阈值以上的负的值的情况下，将预定的数(例如5％、10％等)与在预测处理中基于学习数据算出的不在概率相加。
此外，即使是上午9点9分的电力数据的值与上午9点7分的电力数据的值之差为阈值以上的负的值的情况下，也可以将预定的数与在家概率相加。这是由于，即使在有电力数据的变化(减小)的情况下，也可考虑人在家的可能性较高的状况。例如，在使用微波炉等的情况下，在使用后人在家的可能性高。因此，在这样的情况下，如上所述，优选的是，如果变化为阈值以上，则一样地将预定的数与在家概率相加。
另外，也可以是，在能够识别设备且两个电力数据的值之差为阈值以上的情况下，根据设备，适当选择进行将预定的数与在家概率相加，或将预定的数与不在概率相加。
这样，根据本变形例，通过根据多个电力数据的变化进行加权，能够更高精度地实现基于电力数据的在不在的预测。
此外，在上述说明中，以派送管理服务器300进行加权处理的情况(例如实施方式1、2的情况)为例列举说明，但配送终端400也可以定期地取得电力数据并进行上述加权处理(例如实施方式3、4的情况)。即，在本变形例中说明的加权处理能够应用于实施方式1～4中的任一个。
<变形例3>
在上述变形例2中，说明了使用以当前时刻信息的时刻为基准的预定时间内的多个电力数据进行的加权处理，但加权处理不限定于此。以下说明其他加权处理的具体例。
派送管理服务器300在执行预测处理前取得(接收)表示正在工作的设备的设备数据。设备数据例如既可以从电力管理装置104发送给派送管理服务器300，也可以从设备101、102等发送给派送管理服务器300。
在派送管理服务器300的存储部302中存储有判定用数据，所述判定用数据表示预先确定的在家时使用频率高的设备(例如电视机、照明器具、微波炉以及洗衣机等)。
派送管理服务器300的控制部303从存储部302读出判定用数据，判定取得的设备数据表示的正在工作的设备是否登记在判定用数据中。在该判定的结果为正在工作的设备位于判定用数据的情况下，将预定的数(例如5％、10％等)与在预测处理中基于学习数据算出的在家概率相加。
此外，在判定用数据中，也可以按设备确定不同的加权值(例如相加的％)。例如，由于与洗衣机相比在家时使用电视机的可能性较大，所以电视机的加权值(例如10％)被确定为比洗衣机的加权值(例如5％)大。
这样，根据本变形例，通过基于表示正在工作的设备的设备数据和判定用数据进行加权，能够更高精度地实现基于电力数据的在不在的预测。
此外，在上述说明中，以派送管理服务器300进行加权处理的情况(例如实施方式1、2的情况)为例列举说明，但配送终端400也可以定期地取得电力数据并进行上述加权处理(例如实施方式3、4的情况)。即，在本变形例中说明的加权处理能够应用于实施方式1～4中的任一个。
<变形例4>
以在上述各实施方式中说明的学习数据是按一天中的预定时间段学习了电力数据与人实际上是否在建筑物100中的对应关系而得到的数据的情况为例列举说明，但不限定于此。例如，学习数据也可以是除了预定时间段以外，进一步按曜日(星期几)、月份、天气、室外气温、湿度以及季节中的至少一个要素学习上述对应关系而得到的数据。
这样，根据本变形例，通过基于按上述要素细化而成的学习数据进行预测处理，能够更高精度地实现基于电力数据的在不在的预测。
<变形例5>
在上述各实施方式中，在预测处理和学习数据更新处理中使用的电力数据也可限于从预先确定的在家时使用的频率高的设备(与在上述变形例3中说明的设备相同)中取得的数据。
这样，根据本变形例，由于使用仅从在家时使用频率高的设备中取得的电力数据进行预测处理和学习数据更新处理，所以能够更高精度地实现基于电力数据的在不在的预测。
<变形例6>
在上述各实施方式中，也可以是，派送管理服务器300在向配送终端400发送在不在信息后，将表示已将在不在信息输出至配送终端400之意的通知信息发送给所属于建筑物100的人(例如建筑物100的居住者、在建筑物100中上班的人等)使用的终端(图示省略)。此外，通知信息也可以是表示已向配送终端400发送在不在信息之意的信息。
这样，根据本变形例，所属于建筑物的人看到通知信息，能够掌握会有作为派送员的工作人员的访问。
此外，在上述说明中，以派送管理服务器300进行通知信息的发送处理的情况(例如实施方式1、2的情况)为例列举说明，但在配送终端400进行预测处理的情况下，也可以是，配送终端400将通知信息发送给所属于建筑物100的人使用的终端(例如实施方式3、4的情况)。即，在本变形例中说明的加权处理能够应用于实施方式1～4中的任一个。
另外，上述的所属于建筑物100的人使用的终端例如也可以从电力管理装置104或电力数据管理服务器200取得建筑物100的电力数据并显示。由此，建筑物100的人能够掌握电力数据。
<变形例7>
在上述各实施方式中，也可以是，派送管理服务器300在对多个建筑物分别预测是否有人的情况下，基于多个预测结果(例如每个建筑物的在家概率、不在概率)和地图信息(例如派送员的管辖区域的地图数据)算出配送路线，并向配送终端400发送表示算出的配送路线的配送路线信息。由此，在配送终端400上显示配送路线信息。
例如，配送路线是按在家概率从高到低的顺序通过建筑物的路线。另外，例如，配送路线也可以设为如下路线：优先通过存在预定数以上的在家概率为预定阈值以上的建筑物的区域。进而，例如也可以是，在存在不在概率为预定阈值以上的建筑物的情况下，将预定的货物保管处(例如便利店、邮局等代为保管货物的场所)添加到配送路线中来取代该建筑物。
并且，也可以是，派送管理服务器300基于算出的配送路线、指定的配送开始时刻、地图信息、预先确定的速度(例如作为派送员的工作人员的移动速度)，算出到各房屋的预定到达时刻，并向配送终端400发送表示算出的各预定到达时刻的预定到达时刻信息。由此，在配送终端400上显示预定到达时刻信息。
并且，也可以是，派送管理服务器300基于算出的配送路线、指定的配送开始时刻、地图信息、预先确定的速度，算出在沿配送路线进行配送的情况下配送完成的时刻(以下称为预定完成配送时刻)，并向配送终端400发送表示算出的预定完成配送时刻的预定完成配送时刻信息。由此，在配送终端400上显示预定完成配送时刻信息。
这样，根据本变形例，除了对多个建筑物的预测结果以外，作为派送员的工作人员还能够掌握配送路线、到各房屋的预定到达时刻以及配送开始时刻，并容易地完成业务。
此外，在上述说明中，以派送管理服务器300进行配送路线信息、预定到达时刻信息以及预定完成配送时刻信息的生成处理的情况(例如实施方式1、2的情况)为例列举说明，但在配送终端400进行预测处理的情况下，也可以是，配送终端400进行配送路线信息、预定到达时刻信息以及预定完成配送时刻信息的生成处理(例如实施方式3、4的情况)。即，在本变形例中说明的加权处理能够应用于实施方式1～4中的任一个。
以上，说明了本实施方式的变形例。此外，上述变形例可以任意组合。
(利用计算机程序的实现例)
以上，参照附图详细说明了本发明涉及的各实施方式和各变形例，但上述的电力数据管理服务器200、派送管理服务器300以及配送终端400(以下称为各装置)的功能可通过计算机程序实现。
图13是表示利用程序实现各部的功能的计算机的硬件构成的图。该计算机1000具备：输入按钮、触摸板等输入装置1001、显示器、扬声器等输出装置1002、CPU(CentralProcessing Unit，中央处理单元)1003、ROM(Read Only Memory，只读存储器)1004以及RAM(Random Access Memory，随机存取存储器)1005。另外，计算机1000具备：从硬盘装置、SSD(Solid State Drive，固态硬盘)等存储装置1006、DVD-ROM(Digital Versatile DiskRead Only Memory，数字多功能磁盘只读存储器)、USB(Universal Serial bus，通用串行总线)存储器等记录介质读取信息的读取装置1007和经由网络进行通信的收发装置1008。上述各部通过总线1009连接。
而且，读取装置1007从记录了用于实现上述各部的功能的程序的记录介质中读取该程序，并存储于存储装置1006。或者，收发装置1008与连接到网络的服务器装置进行通信，并将从服务器装置下载的用于实现上述各部的功能的程序存储在存储装置1006中。
然后，CPU1003通过将存储于存储装置1006的程序复制到RAM1005，并依次从RAM1005读出该程序所包括的命令并执行，从而实现上述各部的功能。另外，在执行程序时，在RAM1005或存储装置1006中存储了利用在各实施方式中叙述的各种处理得到的信息并加以适当利用。
(云服务的类型)
另外，在上述各实施方式和各变形例中说明的技术例如在以下的云服务类型中得以实现。但是，实现在上述各实施方式和上述各变形例中说明的技术的类型不限于此。
(服务类型1：本公司数据中心型)
图14是表示服务类型1(本公司数据中心型)的图。本类型是服务提供商12从建筑物100取得信息，并对用户提供服务的类型。在本类型中，服务提供商12具有数据中心运营公司的功能。即，服务提供商拥有管理大数据的云服务器(经由互联网与各种设备协作的虚拟服务器)。因此，不存在数据中心运营公司。
上述数据中心运营公司例如是进行数据管理、云服务器的管理以及进行这些管理的数据中心的运营等的公司，但不限定于此。例如，在开发并制造了在建筑物100中使用的多个设备中的一个设备的设备厂商与开发并制造一起进行数据管理、云服务器的管理等情况下，设备厂商属于数据中心运营公司。另外，数据中心运营公司不限于一个公司。例如，在设备厂商和其他管理公司共同或分担进行数据管理、云服务器的运营的情况下，两者或某一方相当于数据中心运营公司。此外，在这里说明的数据中心运营公司的定义也适用于后述的类型2～4。
在本类型中，服务提供商12运营并管理数据中心(云服务器)1200c。另外，服务提供商12管理OS1200b和应用1200a。服务提供商12使用服务提供商12管理的OS1200b和应用1200a，对用户进行服务提供(1200d)。
(服务的类型2：IaaS利用型)
图15是表示服务的类型2(IaaS利用型)的图。在这里，IaaS是Infrastructure asa Service(基础设施即服务)的简称，是将用于构筑计算机系统并使之工作的基础本身提供作为经由互联网的服务而提供的云服务提供模型。
在本类型中，数据中心运营公司运营、管理数据中心(云服务器)1200c。另外，服务提供商12管理OS1200b和应用1200a。服务提供商12使用服务提供商12管理的OS1200b和应用1200a，对用户进行服务提供(1200d)。
(服务的类型3：PaaS利用型)
图16是表示服务的类型3(PaaS利用型)的图。在这里，PaaS是Platform as aService(平台即服务)的简称，是将平台提供作为经由互联网的服务而提供的云服务提供模型，所述平台成为用于构筑软件并使之工作的基础。
在本类型中，数据中心运营公司11管理OS1200b，并运营、管理数据中心(云服务器)1200c。另外，服务提供商12管理应用1200a。服务提供商12使用数据中心运营公司管理的OS1200b和服务提供商12管理的应用1200a，对用户进行服务提供(1200d)。
(服务的类型4：SaaS利用型)
图17是表示服务的类型4(SaaS利用型)的图。在这里，SaaS是Software-as-a-Service(软件即服务)的简称。例如是具有如下功能的云服务提供模型：不拥有数据中心(云服务器)的公司、个人(利用者)利用者能够经由互联网等网络使用拥有数据中心(云服务器)的平台提供商提供的应用。
在本类型中，数据中心运营公司11管理应用1200a，管理OS1200b，并运营、管理数据中心(云服务器)1200c。另外，服务提供商12使用数据中心运营公司11管理的OS1200b和应用1200a，对用户进行服务提供(1200d)。
以上，在任一种类型中，均为服务提供商12进行服务提供行为的类型。另外，例如服务提供商或数据中心运营公司也可以自己开发OS、应用或大数据的数据库等，另外，也可以外包给第三者。
产业上的可利用性
本发明适用于预测预定场所中的人的在不在的在不在预测方法和在不在预测装置。

Claims (23)

1.一种在不在预测方法，对预定建筑物中的人的在不在进行预测，该方法包括：
取得第一时刻时的所述建筑物的电力数据；
取得按预定时间段学习了所述第一时刻之前的所述建筑物的电力数据与表示所述人实际上是否在所述建筑物中的信息之间的对应关系而得到的学习数据；
基于所述第一时刻时的所述建筑物的电力数据和所述学习数据，预测所述人是否在所述建筑物中；以及
生成表示所述预测的结果的在不在信息，并将该在不在信息输出至预定的终端。
2.根据权利要求1所述的在不在预测方法，还包括：
在所述第一时刻以后受理实绩信息的输入，所述实绩信息表示所述人实际上是否在所述建筑物中；和
基于所述实绩信息和所述第一时刻时的所述建筑物的电力数据更新所述学习数据。
3.根据权利要求1所述的在不在预测方法，还包括：
在从所述在不在信息输出之后起预定的时间内取得了与对设置于所述建筑物的预定设备的操作相关的操作信息的情况下，基于所述操作信息，判定所述人实际上是否在所述建筑物中；和
基于所述判定的结果和所述第一时刻时的所述建筑物的电力数据更新所述学习数据。
4.根据权利要求3所述的在不在预测方法，
所述预定设备为内线电话，
在所述操作信息表示对访问者的呼叫进行了应答操作的情况下，判定为所述人实际上在所述建筑物中；
在所述操作信息表示未对访问者的呼叫进行应答操作的情况下，判定为所述人实际上不在所述建筑物中。
5.根据权利要求3所述的在不在预测方法，
所述预定设备为安全系统，
在所述操作信息表示进行了设定监视模式的操作的情况下，判定为所述人实际上不在所述建筑物中，所述监视模式为不在家期间监视所述建筑物的模式；
在所述操作信息表示进行了解除所述监视模式的操作的情况下，判定为所述人实际上在所述建筑物中。
6.根据权利要求1所述的在不在预测方法，
所述学习数据是将第一合计值和第二合计值与所述建筑物的多个电力数据的每一个进行了关联而得到的数据，第一合计值是对所述人实际上在所述建筑物中的次数进行了合计而得到的值，所述第二合计值是对所述人实际上不在所述建筑物中的次数进行合计而得到的值，
所述方法还包括：
根据所述学习数据，确定与所述第一时刻时的所述建筑物的电力数据对应的所述第一合计值和所述第二合计值；
基于所确定的所述第一合计值和所述第二合计值，算出在家概率和不在概率中的至少一方；以及
基于算出的所述在家概率和所述不在概率中的某一个，生成所述在不在信息。
7.根据权利要求1所述的在不在预测方法，
所述电力数据为表示功耗的量的数据。
8.根据权利要求1所述的在不在预测方法，
所述电力数据是表示功耗的波形的数据，
9.根据权利要求1所述的在不在预测方法，还包括：
除了所述第一时刻时的所述建筑物的电力数据之外，还取得以所述第一时刻为基准的预定时间内的所述建筑物的多个电力数据，
在所述预定时间内的所述建筑物的多个电力数据有预定的阈值以上的变化的情况下，根据所述变化对所述预测的结果进行加权。
10.根据权利要求1所述的在不在预测方法，还包括：
还取得表示正在工作的设备的设备数据，
在所述设备数据表示的正在工作的设备为预先确定的在家时使用的频率高的设备的情况下，增大对预测为所述人在所述建筑物中的所述预测的结果的加权。
11.根据权利要求10所述的在不在预测方法，
与所述设备数据表示的正在工作的设备为洗衣机的情况相比，在所述设备数据表示的正在工作的设备为电视机的情况下，更加增大对预测为所述人在所述建筑物中的所述预测的结果的加权。
12.根据权利要求1所述的在不在预测方法，
所述学习数据是进一步按曜日、月份、天气、室外气温、湿度以及季节中的至少一个要素学习了所述对应关系而得到的数据。
13.根据权利要求1所述的在不在预测方法，
所述电力数据是预先确定的在家时使用的频率高的设备的电力数据。
14.根据权利要求1所述的在不在预测方法，
所述电力数据是对设置于所述建筑物的各设备的电力数据进行了合计而得到的数据或者是对设置于所述建筑物的各分支电路的电力数据进行了合计而得到的数据。
15.根据权利要求1所述的在不在预测方法，
所述预定的终端是派送员使用的终端，
所述第一时刻是所述派送员在所述终端进行了指示所述在不在信息的显示的操作的时刻。
16.根据权利要求1所述的在不在预测方法，
将表示已向所述预定的终端输出所述在不在信息之意的通知信息发送给所属于所述建筑物的人使用的终端。
17.根据权利要求1所述的在不在预测方法，还包括：
在对多个建筑物的每一个分别预测了人是否在的情况下，基于所述预测的结果和地图信息算出配送路线；和
将表示所述配送路线的信息输出至所述预定的终端。
18.根据权利要求17所述的在不在预测方法，
算出所述配送路线以优先通过存在预定数以上的预测为人在的建筑物的区域。
19.根据权利要求17所述的在不在预测方法，还包括：
基于所述配送路线、所指定的配送开始时刻、所述地图信息以及预先确定的速度，算出到所述多个建筑物的每一个的预定到达时刻；和
将表示所述预定到达时刻的信息输出至所述预定的终端。
20.根据权利要求17所述的在不在预测方法，还包括：
基于所述配送路线、所指定的配送开始时刻、所述地图信息以及预先确定的速度，算出在沿着所述配送路线进行配送的情况下的预定完成配送时刻；和
将表示所述预定完成配送时刻的信息输出至所述预定的终端。
21.一种在不在预测装置，对预定建筑物中的人的在不在进行预测，所述装置具备：
电力数据取得部，其取得第一时刻时的所述建筑物的电力数据；和
预测部，其基于学习数据和所述第一时刻时的所述建筑物的电力数据，预测所述人是否在所述建筑物中，并生成表示所述预测的结果的在不在信息，所述学习数据是按预定时间段学习了所述第一时刻之前的所述建筑物的电力数据与表示所述人实际上是否在所述建筑物中的信息之间的对应关系而得到的数据。
22.根据权利要求21所述的在不在预测装置，
还具备向预定的终端发送所述在不在信息的发送部。
23.根据权利要求21所述的在不在预测装置，
还具备输出所述在不在信息的输出部。
CN201610719509.0A 2015-09-24 2016-08-24 在不在预测方法和在不在预测装置 Active CN106557831B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2015187098 2015-09-24
JP2015-187098 2015-09-24

Publications (2)

Publication Number Publication Date
CN106557831A true CN106557831A (zh) 2017-04-05
CN106557831B CN106557831B (zh) 2021-12-21

Family

ID=58409783

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610719509.0A Active CN106557831B (zh) 2015-09-24 2016-08-24 在不在预测方法和在不在预测装置

Country Status (3)

Country Link
US (1) US10269233B2 (zh)
JP (1) JP6625022B2 (zh)
CN (1) CN106557831B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112005262A (zh) * 2018-06-27 2020-11-27 松下电器产业株式会社 信息提供方法以及信息提供装置
CN112243515A (zh) * 2018-06-07 2021-01-19 松下知识产权经营株式会社 需要预测装置以及需要预测方法
US11915334B2 (en) 2017-09-07 2024-02-27 Sony Corporation Information processing device and information processing method for predicting presence or absence of user at visit destination from sensed data

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6966216B2 (ja) * 2017-04-21 2021-11-10 株式会社日立製作所 在宅判定システム
JP6902009B2 (ja) * 2017-05-10 2021-07-14 ヤフー株式会社 生成装置、生成方法及び生成プログラム
JP7019375B2 (ja) * 2017-10-31 2022-02-15 株式会社Ｎｔｔドコモ 訪問時刻決定装置
JP7045901B2 (ja) * 2018-03-28 2022-04-01 東京瓦斯株式会社 予測制御装置、予測制御システムおよび予測制御方法
JP7042429B2 (ja) * 2018-06-13 2022-03-28 パナソニックＩｐマネジメント株式会社 集荷依頼システム、及び、集荷依頼方法
JP6976227B2 (ja) * 2018-07-12 2021-12-08 Kddi株式会社 配達管理装置及び配達管理方法
JP7262270B2 (ja) * 2019-03-27 2023-04-21 大阪瓦斯株式会社 電力モード管理システム
KR102084920B1 (ko) * 2019-04-19 2020-03-05 한국전력공사 근린생활시설 영업시간 예측 장치 및 방법
JP2020197760A (ja) * 2019-05-30 2020-12-10 京セラ株式会社 管理システム及び管理方法
JP6908742B1 (ja) * 2020-01-21 2021-07-28 慎平 大杉 情報処理システム、学習済みモデル、情報処理方法、及びプログラム
JP7503752B2 (ja) * 2020-03-05 2024-06-21 パナソニックＩｐマネジメント株式会社 情報処理システム、及び、情報処理方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1692317A (zh) * 2002-03-08 2005-11-02 维博根系统公司 特别是在商用和多建筑物系统中的自动能量管理和能耗降低
CN102132223A (zh) * 2008-07-31 2011-07-20 罗伯特·博世有限公司 用于智能控制建筑物内能耗的基于传感器的占用和行为预测方法
US20120066168A1 (en) * 2010-09-14 2012-03-15 Nest Labs, Inc. Occupancy pattern detection, estimation and prediction
US20130030732A1 (en) * 2011-07-27 2013-01-31 Honeywell International Inc. Devices, methods, and systems for occupancy detection
US20130069542A1 (en) * 2011-09-21 2013-03-21 Enlighted, Inc. Event Detection and Environmental Control within a Structure

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001318969A (ja) * 2000-05-10 2001-11-16 Momoko Tsukiura 電灯線通信／インターネット・サービスを活用した自動検針システムによる在宅確認ロジック
JP4420955B2 (ja) * 2005-09-29 2010-02-24 富士通株式会社 プレゼンス通信システム及び方法
JP2012181789A (ja) 2011-03-03 2012-09-20 Hitachi Ltd 在宅確率算出システム
US9460411B2 (en) * 2013-09-03 2016-10-04 Paypal, Inc. Secure package delivery
JP2015087957A (ja) * 2013-10-30 2015-05-07 株式会社東芝 情報提供装置およびその方法、ならびにプログラム
JP6369754B2 (ja) * 2013-11-21 2018-08-08 パナソニックＩｐマネジメント株式会社 在宅確率算出方法、サーバ装置、及び在宅確率算出システム
JP6350930B2 (ja) * 2013-12-05 2018-07-04 パナソニックＩｐマネジメント株式会社 生活サービス提案システム
WO2015122196A1 (ja) * 2014-02-17 2015-08-20 日本電気株式会社 在宅状況判定装置、配送システム、在宅状況判定方法、在宅状況判定プログラム、および配送端末
US10045389B2 (en) * 2014-12-04 2018-08-07 Belkin International Inc. Determining connectivity to a network device to optimize performance for controlling operation of network devices
US10104132B2 (en) * 2014-10-08 2018-10-16 Google Llc Network-assisted fabric pairing
US20160104113A1 (en) * 2014-10-13 2016-04-14 Marc Gorlin Peer to Peer Delivery System
WO2016183167A1 (en) * 2015-05-13 2016-11-17 Rajmy Sayavong Identified presence detection in and around premises

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1692317A (zh) * 2002-03-08 2005-11-02 维博根系统公司 特别是在商用和多建筑物系统中的自动能量管理和能耗降低
CN102132223A (zh) * 2008-07-31 2011-07-20 罗伯特·博世有限公司 用于智能控制建筑物内能耗的基于传感器的占用和行为预测方法
US20120066168A1 (en) * 2010-09-14 2012-03-15 Nest Labs, Inc. Occupancy pattern detection, estimation and prediction
US20130030732A1 (en) * 2011-07-27 2013-01-31 Honeywell International Inc. Devices, methods, and systems for occupancy detection
US20130069542A1 (en) * 2011-09-21 2013-03-21 Enlighted, Inc. Event Detection and Environmental Control within a Structure

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11915334B2 (en) 2017-09-07 2024-02-27 Sony Corporation Information processing device and information processing method for predicting presence or absence of user at visit destination from sensed data
CN112243515A (zh) * 2018-06-07 2021-01-19 松下知识产权经营株式会社 需要预测装置以及需要预测方法
CN112005262A (zh) * 2018-06-27 2020-11-27 松下电器产业株式会社 信息提供方法以及信息提供装置
CN112005262B (zh) * 2018-06-27 2024-04-02 松下控股株式会社 信息提供方法以及信息提供装置

Also Published As

Publication number Publication date
US20170092102A1 (en) 2017-03-30
US10269233B2 (en) 2019-04-23
JP2017062765A (ja) 2017-03-30
JP6625022B2 (ja) 2019-12-25
CN106557831B (zh) 2021-12-21

Similar Documents

Publication Publication Date Title
CN106557831A (zh) 在不在预测方法和在不在预测装置
CN105849998B (zh) 电力需求预测装置及预测方法、供电系统及记录介质
CN109986994A (zh) 管理可交换式能源储存装置电池交换站的系统与方法
CN112163887B (zh) 电销系统和电销名单管理方法、装置、设备、存储介质
CN109993343A (zh) 预测可交换式能源储存装置的需求的系统与方法
JP2021057350A (ja) 充電池管理装置
CN109190873A (zh) 一种车辆维修技术等级的评估方法和相关设备
CN107845016A (zh) 信息输出方法和装置
CN110083633A (zh) 基于大数据分析的公估公司评价方法、装置、终端及介质
CN109631922A (zh) 信息处理装置、信息处理方法和存储程序的非暂时性存储介质
CN108182240A (zh) 兴趣点新增率预测模型训练及预测方法、装置及存储介质
CN111476389A (zh) 一种预估接单等待时长的方法及装置
CN111353837A (zh) 一种拼车方法、系统及计算机可读介质
US20220148081A1 (en) Information processing apparatus, information processing method, and program
CN114548717A (zh) 机器人配送货物的方法及装置
US20220109308A1 (en) Selecting device, selecting method and computer readable storage medium
CN111741051B (zh) 交通工具满载率确定方法、装置、存储介质及电子装置
CN104584031A (zh) 信息管理方法、信息管理装置、程序以及程序提供方法
CN111695919B (zh) 评价数据处理方法、装置、电子设备及存储介质
CN108682079A (zh) 车辆共享方法、装置、计算机可读存储介质及电子设备
JP6935958B1 (ja) プログラム、方法、情報処理装置
CN114523476B (zh) 服务机器人的控制方法及装置
CN115713145B (zh) 村镇社区效能预测方法、装置、计算机设备及存储介质
WO2020202913A1 (ja) 情報処理装置、情報処理方法、およびプログラム
US20240169770A1 (en) Server, management method, management system, and display device

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant