CN113924039B - 用于估计温热舒适性的系统 - Google Patents
用于估计温热舒适性的系统 Download PDFInfo
- Publication number
- CN113924039B CN113924039B CN202080035655.6A CN202080035655A CN113924039B CN 113924039 B CN113924039 B CN 113924039B CN 202080035655 A CN202080035655 A CN 202080035655A CN 113924039 B CN113924039 B CN 113924039B
- Authority
- CN
- China
- Prior art keywords
- biological information
- unit
- acquisition unit
- subject
- comfort
- 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.)
- Active
Links
- 238000010792 warming Methods 0.000 claims description 37
- 238000012937 correction Methods 0.000 claims description 16
- 230000000694 effects Effects 0.000 claims description 6
- 210000000707 wrist Anatomy 0.000 description 30
- 238000000034 method Methods 0.000 description 17
- 238000005265 energy consumption Methods 0.000 description 15
- 238000010438 heat treatment Methods 0.000 description 15
- 238000001816 cooling Methods 0.000 description 13
- 238000001514 detection method Methods 0.000 description 9
- 238000007637 random forest analysis Methods 0.000 description 9
- 239000011159 matrix material Substances 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 238000004378 air conditioning Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 210000001061 forehead Anatomy 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000002790 cross-validation Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
- A61B5/0008—Temperature signals
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K13/00—Thermometers specially adapted for specific purposes
- G01K13/20—Clinical contact thermometers for use with humans or animals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02438—Detecting, measuring or recording pulse rate or heart rate with portable devices, e.g. worn by the patient
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/053—Measuring electrical impedance or conductance of a portion of the body
- A61B5/0531—Measuring skin impedance
- A61B5/0533—Measuring galvanic skin response
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/681—Wristwatch-type devices
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/0022—Radiation pyrometry, e.g. infrared or optical thermometry for sensing the radiation of moving bodies
- G01J5/0025—Living bodies
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
- G01W1/06—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed giving a combined indication of weather conditions
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2120/00—Control inputs relating to users or occupants
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J2005/0077—Imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K2213/00—Temperature mapping
Abstract
有时使用可穿戴传感器等装置取得的心率等生物体信息的误差大,基于生物体信息估计出的信息的精度低。系统具备第一取得部(11)、第二取得部(21)以及估计部(13、23、32)。第一取得部(11)取得对象的第一生物体信息。第一取得部(11)由1个或多个传感器构成。第二取得部(21)取得对象的第二生物体信息。第二取得部(21)由与第一取得部(11)不同的1个或多个传感器构成。估计部(13、23、32)基于一生物体信息来估计对象的第一温热舒适性。估计部(13、23、32)基于第一生物体信息和第二生物体信息来估计对象的温热舒适性。估计部(13、23、32)在第二取得部(21)未取得第二生物体信息时,将基于第二取得部过去取得的第二生物体信息校正后的第一温热舒适性作为对象的温热舒适性。
Description
技术领域
本发明涉及用于估计温热舒适性的系统。
背景技术
如专利文献1(日本特开2019-017946号公报)所示,存在使用设置于可穿戴传感器的取得心率、皮肤温度、皮肤电位等信息的传感器来估计与对象者有关的信息的系统。
发明内容
发明要解决的课题
有时使用可穿戴传感器等装置取得的心率等生物体信息的误差大,基于生物体信息估计出的信息的精度低。
用于解决课题的手段
第一观点的系统具备第一取得部、第二取得部以及估计部。第一取得部取得对象的第一生物体信息。第一取得部由1个或多个传感器构成。第二取得部取得对象的第二生物体信息。第二取得部由与第一取得部不同的1个或多个传感器构成。估计部基于一生物体信息来估计对象的第一温热舒适性。估计部基于第一生物体信息和第二生物体信息来估计对象的温热舒适性。在第二取得部未取得第二生物体信息时,将基于第二取得部过去取得的第二生物体信息而校正后的第一温热舒适性作为对象的温热舒适性。
由此,本公开的系统能够取得更准确的对象的温热舒适性。
第二观点的系统具备第一取得部、第二取得部、第一估计部、第二估计部以及校正部。第一取得部取得对象的第一生物体信息。第一取得部由1个或多个传感器构成。第二取得部取得对象的第二生物体信息。第二取得部由与第一取得部不同的1个或多个传感器构成。第一估计部基于第一取得部取得的第一生物体信息,估计对象的第一温热舒适性。第二估计部基于第一生物体信息和第二生物体信息来估计对象的温热舒适性。校正部在第二取得部未取得第二生物体信息时,基于第二取得部过去取得的第二生物体信息来校正第一温热舒适性。
第三观点的系统具备第一取得部、第二取得部、第一估计部、第二估计部以及校正部。第一取得部取得对象的第一生物体信息。第一取得部由1个或多个传感器构成。第二取得部取得对象的第二生物体信息。第二取得部由与第一取得部不同的1个或多个传感器构成。第一估计部基于第一取得部取得的第一生物体信息,估计对象的第一温热舒适性。第二估计部基于第一取得部取得的第一生物体信息和第二取得部取得的第二生物体信息,估计对象的第二温热舒适性。系统将第一取得部取得的第一生物体信息和第二估计部估计出的估计结果作为教师数据集使第一估计部学习。系统在由第一估计部进行估计时,基于第一取得部取得的第一生物体信息,输出第一温热舒适性。
第四观点的系统是第一观点至第三观点中的任一观点的系统,第一取得部与生物体接触而取得第一生物体信息。第二取得部不与生物体接触地取得第二生物体信息。
第五观点的系统是第一观点至第四观点中的任一观点的系统,第一取得部至少取得对象的心率、体表温度、皮肤电活动(EDA:Electro-Dermal Activity)中的任1个信息作为第一生物体信息。
第六观点的系统是第一观点至第五观点中的任一观点的系统,第二取得部至少取得对象的脸部的体表温度的信息和脸部的部位的体表温度的信息作为第二生物体信息。
第七观点的系统是第一观点至第六观点中的任一观点的系统,第二生物体信息所包含的信息的种类比第一生物体信息所包含的信息的种类多。
第八观点的系统是第一观点至第七观点中的任一观点的系统,第二温热舒适性的精度比第一温热舒适性的精度高。
第九观点的系统是第一观点至第八观点中的任一观点的系统,第二取得部所具有的传感器的数量多于第一取得部所具有的传感器的数量。
第十观点的系统是第一观点至第九观点中的任一观点的系统,还具备第二判断部。第二判断部判断在第二取得部中取得的第二生物体信息是否是有效的信息。第二估计部在第二判断部判断为第二生物体信息有效的情况下,估计第二温热舒适性。
第十一观点的系统是第一观点至第十观点中的任一观点的系统,还具备第一判断部。第一判断部判断在第一取得部中取得的第一生物体信息是否为有效的信息。第一估计部在第一判断部判断为第一生物体信息有效的情况下,估计第一温热舒适性。
第十二观点的系统是第一观点至第十一观点中的任一观点的系统,第一估计部还基于第一取得部过去取得的第一生物体信息来估计第一温热舒适性。或者,第二估计部还基于第二取得部过去取得的第二生物体信息来估计第二温热舒适性。
第十三观点的系统是第一观点至第十二观点中的任一观点的系统,还具备取得对象周围的温热环境的信息的第三取得部。
第十四观点的系统是第十三观点的系统,第三取得部取得生物体的周围的温度和/或湿度的信息。
第十五观点的系统是第一观点的系统,估计部将第一生物体信息、第二生物体信息以及温热舒适性作为教师数据进行学习。估计部基于第一生物体信息以及第二生物体信息来估计温热舒适性。估计部存储对象的估计出的温热舒适性。而且,估计部具有在第二取得部未取得第二生物体信息时输出虚拟信息的功能。估计部将第一生物体信息、虚拟信息以及温热舒适性作为教师数据进行学习。将基于第一生物体信息、虚拟信息以及存储的温热舒适性而校正后的第一温热舒适性作为所述对象的温热舒适性。
第十六观点的系统是第一观点的系统,估计部将第一生物体信息、第二生物体信息以及温热舒适性作为教师数据进行学习。估计部基于第一生物体信息以及第二生物体信息来估计温热舒适性。估计部存储对象的估计出的温热舒适性。而且,估计部具有在第二取得部未取得第二生物体信息时输出虚拟信息的功能。估计部将第一生物体信息、虚拟信息以及温热舒适性作为教师数据进行学习。估计部将第一生物体信息、虚拟信息以及存储的温热舒适性作为教师数据进行学习,将基于第一生物体信息以及虚拟信息而估计出的第一温热舒适性作为对象的温热舒适性。
附图说明
图1是系统的概略图。
图2表示智能手机应用的一例。
图3表示使用了热图像的估计的混淆矩阵。
图4表示使用了手腕传感器的估计的混淆矩阵。
图5A是表示能量消耗状态的混淆矩阵。
图5B是表示能量消耗状态的混淆矩阵。
图6A是表示校正后估计值的评价的图。
图6B是表示校正后估计值的评价的图。
图7是第二实施方式中的系统的概略图。
具体实施方式
在下文中,将说明本公开的一个实施方式。此外,以下的实施方式是具体例,并不限定技术范围,在不脱离主旨的范围内能够适当变更。
(1)第一实施方式
(1-1)概要
图1是本公开所示的系统的概略图。如图1所示,本公开所示的系统通过基于能够断续地取得的热图像的高精度的估计值来校正基于能够始终进行感测的手腕传感器10的误差比较大的估计值。热图像通过空调装置20所包含的热成像仪等来取得。在估计算法中使用随机森林,根据得到的各传感器数据分开使用2种估计模型。使用的特征量示于表1。
[表1]
在从空调装置20得到热图像时,将f1~f31全部作为特征量赋予,由此进行高精度的估计,在通常时,仅根据从手腕传感器10得到的f10~f30和制冷制热的使用状态(f31)进行估计。
(1-2)脸部温度特征量提取
从自空调装置20取得的热图像的温度提取例如通过组合可视图像和热图像来进行。首先,对于可视图像,使用脸部检测方法作为矩形取得脸部的坐标。在本公开中,使用利用了OPenCV的Haar-liKe特征的脸部检测器。根据得到的矩形相对地计算脸部的各部位(faCe、forehead、CheeK-r、CheeK-1、nose、mouth)的矩形坐标。计算式如表2所示。
[表2]
X、Y、W、H分别是检测出的脸部矩形(face)的中心x坐标、中心y坐标、横宽、纵宽
在各部位的矩形坐标的计算中,使用通过脸部检测取得的脸部的中心坐标(X;Y)和横纵各自的边的长度(W;H)。各部位的温度(TfaCe;Tforehead;TCheeK-r;TCheeK-l;Tnose;Tmouth)通过利用式(1)计算各自的矩形内的平均温度而得到。
在此,P表示各部位的矩形内的坐标的集合。T(x,v)是从与可视图像内的坐标(x,y)对应的热图像内的坐标取得的温度,|P|是集合P中包含的坐标点的数量。另外,Tmax、Tmin、Tvar分别通过式(2)、式(3)、式(4)算出。这里,max(X)表示集合X的最大值,min(X)表示集合X的最小值。
Tmax=max(T(x,y)) (2)
Tmin=min(T(x,y)) (3)
(1-3)手腕传感器特征量提取
手腕传感器10包括多个传感器,分别取得手腕的体表温度(WT)、心率(HR)、皮肤电位(EDA)。这些传感器搭载于很多手腕传感器,也与温热舒适度密切相关。将进行估计的时刻的体表温度(WT)、心率(HR)、皮肤电位(EDA)作为特征量。另外,时间上的变化也与温热舒适度有关,因此使用从各个值的1分钟前、5分钟前、10分钟前起的平均值和差作为特征量。各自的计算式如式(5)、式(6)所示。
Xdif_nmin(tc)=X(tc)-X(tc-60n) (6)
在此,X是体表温度(WT)、心率(HR)、皮肤电位(EDA)中的任一个,n是1、5、10中的任一个,X(t)表示时刻t下的各传感器的测定值,tC表示当前的时刻。在本公开中,通过每隔1秒计算各传感器数据的平均值,重新形成为1(Hz)的数据列。
(1-4)制冷制热的使用状态
空调装置20能够经由传感器等取得空调装置20的制冷制热的使用状态。或者,空调装置20能够通过经由有线或无线进行通信来取得其他空调装置的制冷制热的使用状态。制冷制热的使用状态是用于估计温热舒适度的重要特征量,设制冷时为-1、制热时为1而作为特征量给出。在本公开中,在估计了温热舒适度的基础上,根据该时刻的制冷制热的使用状态和温热舒适度来判定有无能量削减的余地。具体而言,将在制冷时(HC=-1)感到凉爽的状态(温热舒适度为负的值)、在制热时(HC=1)感到温暖的状态(温热舒适度为正的值)定义为使用了多余的能量的状态。通过检测这样的状态,能够削减在制冷制热中使用的能量。
(1-5)基于过去的估计结果的校正
在本公开中,通过根据仅从手腕传感器10取得传感器数据的状态和从空调装置20取得热图像的状态切换估计模型来估计温热舒适度。在本公开中,将时间窗设为1分钟,通过将基于紧前的热图像的估计值与当前时刻的基于手腕传感器10的估计组合来计算校正后的估计值。将其作为当前时刻的温热舒适度。将校正式示于式(7)、式(8)。
te=t-tprev (8)
在此,CPrev是紧前的热图像取得时刻的高精度的估计值,tPrev是紧前的热图像取得时刻。Cwrist(t)是在时刻t的基于手腕传感器10的估计值。权重a(0<a<1)在本公开中设为0.9。由此,使用从热图像取得时起的经过时间te,考虑了由于时间经过而基于热图像的估计的可靠度的降低。
(1-6)实验环境
在本公开中,为了构建与制冷制热对应的温热舒适度估计模型,按照每个季节进行实验,从15名20多岁男性的被试验者收集了总计128天的数据。实验期间被试验者一边和日常一样进行研究活动一边始终佩戴手腕传感器10,每30分钟以10秒间隔拍摄7次可视图像和热图像,同时使用图2所示的智能手机进行7个阶段的温热舒适度标签的申报。另外,通过同时询问是舒适还是不舒适,调查7阶段温热舒适度与用户的温热方面的不舒适感的关系。通过该实验分别取得10724张可见图像和热图像。另外,根据各时刻的7张一组的热图像算出温度信息的平均值,作为该时刻的温度信息。其结果,去除传感器数据的缺损,将1476个取得的热图像、手腕传感器10数据、温热舒适度的组用作数据集。温热舒适度申报值的详细内容如表3所示。
[表3]
在此,不舒适标签仅在极端的温热环境(-3、3)中被报告。
(1-7)使用热图像的估计
在使用热图像的估计中使用表1的全部特征量。作为比较方法,使用KNN(K邻近算法)、SVM(支持向量机)和将全部估计为0(neutral)的方法。表4示出通过5分割交叉验证计算出的各方法的估计精度。
[表4]
7类别分类的估计精度、平均绝对误差都是随机森林的结果精度最高。随机森林与KNN、SVM的混淆矩阵如图3所示。由此可知,在随机森林中,各类别(-3、-2、-1、0、1、2、3)的再现率为54.5%、23.3%、27.6%、94.0%、12.8%、5.4%、0%,匹配率为85.7%、45.5%、53.1%、68.3%、39.8%、75.0%、无,难以估计-2、-1、1。另一方面,基于随机森林的估计在用户感到凉爽时(-3、-2、-1)误估计为感到温暖(1、2、3)的概率为2.9%,在用户感到温暖时估计为感到凉爽的概率为3.4%,几乎没有。该结果表示检测到制冷制热中的多余的能量消耗而抑制空调输出时几乎没有误检测。根据上述理由可知,本方法作为不损害温热舒适度而削减能量消耗的方法是非常有效的。
(1-8)仅使用手腕传感器的估计
在仅使用手腕传感器10的估计中,使用表1的f10至f31。表5示出通过5分割交叉验证计算出的各方法的估计精度。
[表5]
7类别分类的估计精度、平均绝对误差都是随机森林的结果精度最高。另外,图4表示各方法的混淆矩阵。这些结果成为与图3相同的倾向,可以说对多余的能量消耗的检测是有效的,但由于特征量的维度少,所以精度略微止于低程度。因此,为了进行更高精度的估计,需要使用热图像来断续地进行校正。
(1-9)多余的能量消耗的检测
本公开的目的在于通过估计用户的温热舒适度来检测制冷制热时的多余的能量消耗,削减能量消耗。将进行了多余的能量消耗的状态设为能量过剩消耗状态,在将定义设为(温热舒适度)*HC>0(制冷时的-3、-2、-1、制热时的3、2、1)的情况下,以及在将定义设为(温热舒适度)*(制冷时的-3、-3、-1、0、制热时的3、2、1、0)的情况下,将分别通过随机森林估计的结果的混淆矩阵分别示于图5A、图5B。在图5A中,将制冷时温热舒适度小于0的状态设为-1,将制热时温热舒适度大于0的状态设为1,将除此以外的状态设为没有能量消耗削减的余地的状态0,在图5B中,将制冷时温热舒适度为0以下的状态设为-1,将制热时温热舒适度为0以上的状态设为1,将除此以外的状态设为没有能量消耗削减的余地的状态0,进行3类别分类。根据图5A的结果可知,在合计了类别-1和1的能量过剩消耗状态的估计中,在组合了热图像和手腕传感器10的情况下,能够以匹配率83.9%、再现率47.9%进行检测,在仅有手腕传感器10的情况下,能够以匹配率73.6%、再现率36.6%进行检测。根据图5B的结果可知,在能量过剩消耗状态的估计中,在组合了热图像和手腕传感器10的情况下,能够以再现率98.2%、匹配率89.0%进行检测,在仅有手腕传感器10的情况下,能够以再现率98.0%、匹配率88.3%进行检测。这些模型能够根据用户的嗜好来选择,可知能够在不感到温热方面的不舒适的情况下高精度地估计能量过剩消耗状态。
(1-10)校正后估计值的评价
在所得到的数据集中,将冬季的1天制热下的8名的数据设为测试数据,将除此以外的数据设为学习数据,对建议的方法和仅使用手腕传感器10的方法的估计精度进行比较。在该测试数据中,除了与每30分钟的热图像取得同时申报的温热舒适度的正确解数据以外,还包含任意时刻的温热舒适度的申报,能够进行无法取得热图像的时刻的估计值的精度比较。将能量过剩消耗状态设为(温热舒适度)HC>0的情况下的各方法的匹配率和再现率示于图6A。匹配率、再现率均是建议方法超过仅基于手腕传感器10的方法。另外,根据该结果可知,在使用了建议方法的情况下,再现率止于较低程度,但匹配率较高,能够避免错误地判定而损害用户的温热舒适度的空调控制。将能量过剩消耗状态设为(温热舒适度)*的情况下的各方法的匹配率和再现率示于图6B。由此可知,能量过剩消耗状态((温热舒适度)*/>)的估计在两种方法中均为高精度。这表示在将neutral状态定义为有削减能量消耗的余地的情况下,建议方法有效地起作用。另外,与能量过剩消耗状态的定义无关地,匹配率、再现率均是建议方法稍微高的,因此能够确认并用热图像和手腕传感器10的有效性。
(2)第二实施方式
在图7中说明本公开中的系统100的第二实施方式。此外,对于与第一实施方式相同的结构以及计算方法,省略说明。
(2-1)第一装置10
第一装置10例如是第一实施方式所示的手腕传感器。第一装置10能够经由各种网络与第二装置20、第三装置30或者其他装置进行通信。第一装置10具有第一取得部11、第一判断部12、第一估计部13以及第一存储部14。
第一取得部11具有1个或多个传感器,与对象的生物体接触而取得第一生物体信息。第一取得部11例如具有取得对象的心率、体表温度、皮肤电活动(EDA:Electro-DermalActivity)等信息的传感器。此外,第一取得部11也可以取得除此以外的信息。第一取得部11取得的各信息作为第一生物体信息存储于第一存储部14。在本实施方式中,第一取得部11以1分钟1次的时间间隔取得第一生物体信息,但本公开所示的第一取得部11不限于此。
第一判断部12判断第一取得部11取得的第一生物体信息是否是有效的信息。第一装置10预先具有各种参数,第一判断部12基于各种参数来判断第一生物体信息是否是有效的信息。或者,第一装置10将第一取得部11取得的当前的第一生物体信息与存储于第一存储部14的过去的第一生物体信息进行比较,来判断第一生物体信息是否是有效的信息。第一存储部14也可以仅存储第一判断部12判断为有效的第一生物体信息。
第一估计部13基于存储于第一存储部14的第一生物体信息,估计对象的第一温热舒适性。在第一温热舒适性的估计中,例如使用随机森林。第一估计部13估计出的第一温热舒适性存储于第一存储部14。
存储于第一存储部14的第一生物体信息和第一温热舒适性分别与第一取得部11取得第一生物体信息的时间的信息相关联地存储。此外,第一生物体信息和第一温热舒适性也可以相互关联地存储。
(2-2)第二装置20
第二装置20例如是第一实施方式所示的空调装置。第二装置20能够经由各种网络与第一装置10、第三装置30或者其他装置进行通信。第二装置20具有第二取得部21、第二判断部22、第二估计部23以及第二存储部24。
第二取得部21具有1个或多个传感器,不与对象的生物体接触地取得第二生物体信息。第二取得部21例如具有取得脸部整体的体表温度、额头的体表温度、右颊的体表温度、左颊的体表温度、鼻尖的体表温度、嘴周边的体表温度等信息的传感器。此外,第二取得部21也可以取得除此以外的信息。第二取得部21取得的各信息作为第二生物体信息存储于第二存储部24。在本实施方式中,第二取得部21断续地取得第二生物体信息。
第二判断部22判断第二取得部21取得的第二生物体信息是否是有效的信息。第二装置20预先具有各种参数,第二判断部22基于各种参数来判断第二生物体信息是否是有效的信息。或者,第二装置20将第二取得部21取得的当前的第二生物体信息与存储于第二存储部24的过去的第二生物体信息进行比较,来判断第二生物体信息是否是有效的信息。第二存储部24也可以仅存储第二判断部22判断为有效的第二生物体信息。
第二估计部23基于存储于第二存储部24的第二生物体信息,估计对象的第二温热舒适性。在第二温热舒适性的估计中,例如使用随机森林。第二估计部23估计出的第二温热舒适性存储于第二存储部24。
存储于第二存储部24的第二生物体信息和第二温热舒适性分别与第二取得部21取得第二生物体信息的时间的信息相关联地存储。此外,第二生物体信息和第二温热舒适性也可以相互关联地存储。
(2-3)第三装置30
第三装置30例如是计算机。第三装置30能够经由各种网络与第一装置10、第二装置20或者其他装置进行通信。第三装置30基于任意的时间间隔或对象等的操作,从第一装置10和第二装置20取得各信息,输出第三温热舒适性。第三装置30具有第三取得部31、校正部32、输出部33以及第三存储部34。
第三取得部31经由各种网络从第一装置10和第二装置20分别取得第一温热舒适性和第二温热舒适性。第三取得部31将所取得的第一温热舒适性和第二温热舒适性存储于第三存储部34。另外,第一温热舒适性和第二温热舒适性也可以分别在不同的时机取得。
校正部32基于第二温热舒适性进行第一温热舒适性的校正。具体而言,使第二温热舒适性的权重大于第一温热舒适性的权重,计算第三温热舒适性。另外,校正的方法不限于此。校正部32根据作为更准确的对象的温热舒适性的第二温热舒适性来校正第一温热舒适性。由校正部32进行校正的处理而计算出的第三温热舒适性从输出部33输出。另外,第三温热舒适性存储于第三存储部34。
输出部33对对象等输出第三温热舒适性。输出部33例如在第三装置30的显示器上输出(显示)第三温热舒适性。或者,输出部33对第一装置10或第二装置20输出(发送)第三温热舒适性。
(3)特征
(3-1)
本公开的系统100包括第一取得部11、第二取得部21、第一估计部13、第二估计部23和校正部32。第一取得部11与对象的生物体接触而取得第一生物体信息。第一取得部11具有1个或多个传感器。第二取得部21不与对象的生物体接触地取得第二生物体信息。第二取得部21具有与第一取得部11不同的1个或多个传感器。第一估计部13基于第一取得部11取得的第一生物体信息,估计对象的第一温热舒适性。第二估计部23基于第二取得部21取得的第二生物体信息,估计对象的第二温热舒适性。第二温热舒适性的精度比第一温热舒适性的精度高。校正部32基于第二温热舒适性来校正第一温热舒适性。
由此,本公开的系统100能够取得更准确的对象的温热舒适性。作为第一装置10的手腕传感器等能够始终感测对象的生物体信息,另一方面,有时在第一装置10中估计出的第一温热舒适性的精度低。在作为第二装置20的空调装置等中估计出的第二温热舒适性的精度高,另一方面,无法始终感测对象的生物体信息。本公开的系统100通过利用精度更高的第二温热舒适性进行第一温热舒适性的校正,能够以比第二温热舒适性短的时间间隔取得精度高的温热舒适性。
(3-2)
本公开的系统100包括第一取得部11、第二取得部21和估计部。第一取得部11取得对象的第一生物体信息。第一取得部11具有1个或多个传感器。第二取得部21取得对象的第二生物体信息。第二取得部21具有与第一取得部11不同的1个或多个传感器。估计部基于第一生物体信息和第二生物体信息来估计对象的温热舒适性。系统将第一生物体信息、第二生物体信息和温热舒适性作为教师数据进行学习。系统100将第一生物体信息和第二生物体信息作为输入,将温热舒适性作为输出。
由此,本公开的系统100能够取得比第一温热舒适性和第二温热舒适性更准确的第三温热舒适性。
(3-3)
本公开的系统100具备第一取得部11、第二取得部21、第一估计部13以及第二估计部23。第一取得部11取得对象的第一生物体信息。第一取得部11具有1个或多个传感器。第二取得部21取得对象的第二生物体信息。第二取得部21具有与第一取得部11不同的1个或多个传感器。第二估计部23基于第一取得部11取得的第一生物体信息和第二取得部21取得的第二生物体信息,估计对象的第二温热舒适性。系统100将第一取得部11取得的第一生物体信息和第二估计部23估计的估计结果作为教师数据集使第一估计部13学习。系统100在由第一估计部13进行估计时,基于第一取得部11取得的第一生物体信息,输出第一温热舒适性。
(3-4)
第一取得部11至少取得对象的心率、体表温度、皮肤电活动(EDA:Electro-DermalActivity)中的任意1个信息作为第一生物体信息。第二取得部21至少取得对象的脸部的体表温度的信息和脸部的部位的体表温度的信息作为第二生物体信息。另外,第二生物体信息所包含的信息的种类比第一生物体信息所包含的信息的种类多。
具有第一取得部11的第一装置10例如是手腕传感器。手腕传感器优选包含能够取得心率、体表温度、皮肤电活动的信息的传感器。具有第二取得部21的第二装置20例如是空调装置。空调装置优选包括热成像仪等传感器,能够取得热图像。由此,能够取得对象的脸部的体表温度的信息和脸部的各部位的体表温度的信息。在脸部的各部位的体表温度的信息中,包含脸整体的体表温度、额头的体表温度、右颊的体表温度、左颊的体表温度、鼻尖的体表温度、嘴周边的体表温度等信息。
(3-5)
优选第二取得部21所具有的传感器的数量比第一取得部11所具有的传感器的数量多。由此,能够估计更准确的第二温热舒适性。此外,在传感器的数量这样的概念中,不仅是指物理性的传感器的数量,也包含在能够基于由1个传感器取得的数据而取得多个信息的情况下是指该信息的数量这样的含义。
(3-6)
本公开的第一装置10还具备第一判断部12。第一判断部12判断在第一取得部11中取得的第一生物体信息是否是有效的信息。第一估计部13在第一判断部12判断为第一生物体信息有效的情况下,估计第一温热舒适性。
进而,第二装置20还具备第二判断部22。第二判断部22判断在第二取得部21中取得的第二生物体信息是否是有效的信息。第二估计部23在第二判断部22判断为第二生物体信息有效的情况下,估计第二温热舒适性。
由此,在第一装置10的第一温热舒适性的估计结果和第二装置20的第二温热舒适性的估计结果中产生的误差变小,温热舒适性的估计的精度变高。
(3-7)
第一估计部13还基于第一取得部11过去取得的第一生物体信息来估计第一温热舒适性。第二估计部23还基于第二取得部21过去取得的第二生物体信息来估计第二温热舒适性。
由此,第一装置10或第二装置20能够基于过去取得的生物体信息来估计对象的温热舒适性。过去取得的生物体信息存储于各存储部。
(4)变形例
(4-1)
本公开所示的系统100也可以还具备取得对象的周围的温热环境的信息的第三取得部31。第三取得部31取得生物体的周围的温度和/或湿度的信息作为对象的周围的温热环境的信息。第三取得部31也可以设置于第一装置10、第二装置20、第三装置30或者其他装置。
本公开所示的系统100通过基于多个生物体信息来估计对象的温热舒适性,能够取得更高精度的温热舒适性。通过以该温热舒适性为基础控制空气调节机,能够进行更舒适的空气调节。
(4-2)
本公开所示的第三装置30从第一装置10和第二装置20分别取得第一温热舒适性和第二温热舒适性。但是,第三装置30也可以从第一装置10以及第二装置20分别取得第一生物体信息以及第二生物体信息。第三装置30也可以包含第一估计部13以及第二估计部23的功能。第三装置30也可以根据第一生物体信息和第二生物体信息取得第三温热舒适性。
(5)第三实施方式
第三实施方式与第一实施方式相同,基于热图像和手腕传感器10的生物体数据来估计温热舒适性。
由第一估计部13、第二估计部23以及校正部32构成的估计部13、23、32具备进行机器学习的学习器,学习器在学习时能够进行2种学习。另外,学习器可以是1个硬件,也可以由多个硬件构成。
估计部13、23、32中的一方的学习将从热图像取得的脸部的体表温度(第二生物体信息)、从手腕传感器10取得的第一生物体信息、以及被试验者申报的温热舒适性作为教师数据来进行学习。
另一方的学习是在得不到热图像时进行的学习,设从热图像得到的脸部的体表温度为-300℃(例如,表示不包含体表温度的虚拟值),将从手腕传感器10得到的第一生物体信息和被试验者申报的温热舒适性作为教师数据来进行学习。
在估计温热舒适性时得到热图像的情况下,估计部13、23、32将从热图像得到的体表温度和从手腕传感器10得到的第一生物体信息作为输入来估计(输出)温热舒适性。另一方面,在无法得到热图像的情况下,估计部输入从热图像得到的虚拟值的体表温度(例如-300℃)和从手腕传感器10得到的第一生物体信息来估计温热舒适性。由此,即使在无法取得第二生物体信息的情况下,也能够进行估计。
但是,体表温度虚拟的温热舒适性相对于有体表温度的温热舒适性的误差大,因此,在根据从热图像得到的体表温度的有无进行切换时,估计值有可能大幅地不连续。因此,通过基于有体表温度的温热舒适性与体表温度虚拟的温热舒适性的差分来校正体表温度虚拟的温热舒适性,或者使用有体表温度的温热舒适性与体表温度虚拟的温热舒适性的过去的数据使变化平滑那样的滤波器等进行校正,能够保持切换时的连续性。
(6)特征
(6-1)
第三实施方式的系统100的估计部13、23、32将第一生物体信息、第二生物体信息以及温热舒适性作为教师数据进行学习。估计部13、23、32基于第一生物体信息以及第二生物体信息来估计温热舒适性。估计部13、23、32存储对象的估计出的温热舒适性。而且,估计部13、23、32具有在第二取得部未取得第二生物体信息时输出虚拟信息的功能。估计部13、23、32将第一生物体信息、虚拟信息以及温热舒适性作为教师数据进行学习。将基于第一生物体信息、虚拟信息以及存储的温热舒适性校正后的第一温热舒适性作为所述对象的温热舒适性。
(6-2)
第三实施方式的系统100的估计部将第一生物体信息、第二生物体信息以及温热舒适性作为教师数据进行学习。估计部13、23、32基于第一生物体信息以及第二生物体信息来估计温热舒适性。估计部13、23、32存储对象的估计出的温热舒适性。而且,估计部13、23、32具有在第二取得部未取得第二生物体信息时输出虚拟信息的功能。估计部13、23、32将第一生物体信息、虚拟信息以及温热舒适性作为教师数据进行学习。估计部13、23、32将第一生物体信息、虚拟信息以及存储的温热舒适性作为教师数据进行学习,将基于第一生物体信息以及虚拟信息估计出的第一温热舒适性作为对象的温热舒适性。
(7)
以上,对本公开的实施方式进行了说明,但应该理解为在不脱离权利要求书所记载的本公开的主旨以及范围的情况下,能够进行方式、详细内容的多样的变更。
标号说明
11:第一取得部;12:第一判断部;13:第一估计部;21:第二取得部;22:第二判断部;23:第二估计部;32:校正部;100:系统;13、23、32:估计部。
现有技术文献
专利文献
专利文献1:日本特开2019-017946号公报。
Claims (15)
1.一种系统,其具备:
第一取得部,其取得对象的第一生物体信息,由1个或多个传感器构成;
第二取得部,其取得所述对象的第二生物体信息,由与所述第一取得部不同的1个或多个传感器构成;以及
估计部,其基于所述第一生物体信息和所述第二生物体信息来估计所述对象的温热舒适性,
所述估计部
基于所述第一生物体信息来估计所述对象的第一温热舒适性,基于所述第一生物体信息和所述第二生物体信息来估计所述对象的所述温热舒适性,
在所述第二取得部未取得所述第二生物体信息时,所述估计部基于实时的所述第一生物体信息估计当前的所述对象的第一温热舒适性,然后根据所述估计部至少基于所述第二取得部过去取得的所述第二生物体信息估计出的过去的所述对象的温热舒适性对该当前的所述对象的第一温热舒适性进行校正,将校正后的所述第一温热舒适性作为所述对象的温热舒适性。
2.一种系统,其具备:
第一取得部,其取得对象的第一生物体信息,由1个或多个传感器构成;
第二取得部,其取得所述对象的第二生物体信息,由与所述第一取得部不同的1个或多个传感器构成;
第一估计部,其基于所述第一生物体信息来估计所述对象的第一温热舒适性;
第二估计部,其基于所述第一生物体信息和所述第二生物体信息来估计所述对象的温热舒适性;以及
校正部,其在所述第二取得部未取得所述第二生物体信息时,根据所述第二估计部至少基于所述第二取得部过去取得的所述第二生物体信息估计出的过去的所述对象的温热舒适性来校正所述第一估计部基于实时的所述第一生物体信息估计出的当前的所述第一温热舒适性,将校正后的所述第一温热舒适性作为所述对象的温热舒适性。
3.一种系统,其具备:
第一取得部,其取得对象的第一生物体信息,由1个或多个传感器构成;
第二取得部,其取得所述对象的第二生物体信息,由包含与所述第一取得部不同的至少1个以上的传感器在内的1个或多个传感器构成;
第一估计部,其基于所述第一取得部取得的所述第一生物体信息,估计所述对象的第一温热舒适性;以及
第二估计部,其基于所述第二取得部取得的所述第二生物体信息,估计所述对象的第二温热舒适性,
所述系统将所述第一取得部取得的所述第一生物体信息和所述第二估计部估计出的估计结果作为教师数据集,使所述第一估计部进行学习,
在由所述第一估计部进行估计时,基于所述第一取得部取得的所述第一生物体信息,输出所述第一温热舒适性,
所述第一取得部取得所述第一生物体信息的时间间隔比所述第二取得部取得所述第二生物体信息的时间间隔短,所述第二温热舒适性的精度比所述第一温热舒适性的精度高。
4.根据权利要求1至3中的任一项所述的系统,其中,
所述第一取得部与所述对象接触而取得所述第一生物体信息,
所述第二取得部不与所述对象接触地取得所述第二生物体信息。
5.根据权利要求1至3中的任一项所述的系统,其中,
所述第一取得部至少取得所述对象的心率、体表温度、皮肤电活动即Electro-DermalActivity中的任意1个信息作为所述第一生物体信息。
6.根据权利要求1至3中的任一项所述的系统,其中,
所述第二取得部至少取得所述对象的脸部的体表温度的信息和所述脸部的部位的体表温度的信息作为所述第二生物体信息。
7.根据权利要求1至3中的任一项所述的系统,其中,
所述第二生物体信息所包含的信息的种类比所述第一生物体信息所包含的信息的种类多。
8.根据权利要求1至3中的任一项所述的系统,其中,
所述第二取得部所具有的传感器的数量比所述第一取得部所具有的传感器的数量多。
9.根据权利要求3所述的系统,其中,
所述系统还具备第二判断部,其判断在所述第二取得部中取得的所述第二生物体信息是否为有效的信息,
在所述第二判断部判断为所述第二生物体信息有效的情况下,所述第二估计部估计所述第二温热舒适性。
10.根据权利要求3所述的系统,其中,
所述系统还具备第一判断部,其判断在所述第一取得部中取得的所述第一生物体信息是否为有效的信息,
在所述第一判断部判断为所述第一生物体信息有效的情况下,所述第一估计部估计所述第一温热舒适性。
11.根据权利要求3、9、10中的任一项所述的系统,其中,
所述第一估计部还基于所述第一取得部过去取得的所述第一生物体信息来估计所述第一温热舒适性,或者所述第二估计部还基于所述第二取得部过去取得的所述第二生物体信息来估计所述第二温热舒适性。
12.根据权利要求1至3中的任一项所述的系统,其中,
所述系统还具备取得所述对象的周围的温热环境的信息的第三取得部。
13.根据权利要求12所述的系统,其中,
所述第三取得部取得所述对象的周围的温度和/或湿度的信息。
14.根据权利要求1所述的系统,其中,
所述估计部
将所述第一生物体信息、所述第二生物体信息以及所述对象的温热舒适性作为教师数据进行学习,并且在未取得所述第二生物体信息时,将所述第一生物体信息、能够与所述第二生物体信息区别开的虚拟信息以及所述对象的温热舒适性作为教师数据进行学习,
在取得所述第一生物体信息以及所述第二生物体信息时,估计所述对象的温热舒适性并存储所述对象的温热舒适性的估计值,
在未取得所述第二生物体信息时,基于所述第一生物体信息和所述虚拟信息估计所述第一温热舒适性,将基于所存储的过去的所述对象的温热舒适性而校正后的所述第一温热舒适性作为所述对象的温热舒适性。
15.根据权利要求14所述的系统,其中,
在将所述第一生物体信息、所述虚拟信息以及所述对象的温热舒适性作为教师数据进行学习时,作为所述对象的温热舒适性,使用所存储的所述对象的温热舒适性的估计值,
在未取得所述第二生物体信息时,将通过学习而校正后的所述第一温热舒适性作为所述对象的温热舒适性。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019092087 | 2019-05-15 | ||
JP2019-092087 | 2019-05-15 | ||
JP2020-057448 | 2020-03-27 | ||
JP2020057448A JP6891993B2 (ja) | 2019-05-15 | 2020-03-27 | 温熱快適性を推定するためのシステム |
PCT/JP2020/019515 WO2020230895A1 (ja) | 2019-05-15 | 2020-05-15 | 温熱快適性を推定するためのシステム |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113924039A CN113924039A (zh) | 2022-01-11 |
CN113924039B true CN113924039B (zh) | 2023-10-27 |
Family
ID=73288977
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080035655.6A Active CN113924039B (zh) | 2019-05-15 | 2020-05-15 | 用于估计温热舒适性的系统 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11598680B2 (zh) |
EP (1) | EP3970607A4 (zh) |
CN (1) | CN113924039B (zh) |
WO (1) | WO2020230895A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11940168B2 (en) * | 2022-03-25 | 2024-03-26 | Motorola Mobility Llc | Device with optical heart rate sensor and corresponding methods |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012154591A (ja) * | 2011-01-27 | 2012-08-16 | Mitsubishi Electric Corp | 空気調和機 |
WO2018151003A1 (ja) * | 2017-02-14 | 2018-08-23 | パナソニックIpマネジメント株式会社 | 通信装置、異常通知システム、および異常通知方法 |
CN108662728A (zh) * | 2017-03-27 | 2018-10-16 | 松下知识产权经营株式会社 | 信息处理方法、信息处理装置以及程序 |
CN109394191A (zh) * | 2018-12-21 | 2019-03-01 | 歌尔科技有限公司 | 一种智能手环及一种热舒适判断方法和装置 |
WO2019087537A1 (ja) * | 2017-10-30 | 2019-05-09 | ダイキン工業株式会社 | 空調制御装置 |
Family Cites Families (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09137989A (ja) * | 1995-11-13 | 1997-05-27 | Daikin Ind Ltd | 空気調和方法およびその装置 |
US8849379B2 (en) * | 2002-04-22 | 2014-09-30 | Geelux Holdings, Ltd. | Apparatus and method for measuring biologic parameters |
DE102004011139B4 (de) * | 2004-03-08 | 2011-01-20 | Dräger Safety AG & Co. KGaA | Verfahren und Vorrichtung zur Körper-Klimaregelung |
JP4954879B2 (ja) | 2005-07-11 | 2012-06-20 | パナソニック株式会社 | 環境制御装置、環境制御方法、環境制御プログラム及び環境制御プログラムを記録したコンピュータ読み取り可能な記録媒体 |
US8157730B2 (en) * | 2006-12-19 | 2012-04-17 | Valencell, Inc. | Physiological and environmental monitoring systems and methods |
US8577650B2 (en) * | 2008-02-26 | 2013-11-05 | Kimberly-Clark Worldwide, Inc. | User interface for modeling thermal comfort |
JP2011102683A (ja) * | 2009-11-11 | 2011-05-26 | Takenaka Komuten Co Ltd | 作業環境制御装置、方法、及びプログラム |
CA3206626A1 (en) * | 2012-10-31 | 2014-05-08 | Delta T, Llc | Integrated thermal comfort control system utilizing circulating fans |
CN104235997B (zh) * | 2013-06-08 | 2017-03-08 | 广东美的制冷设备有限公司 | 空调控制方法和空调系统 |
CN104712573A (zh) * | 2013-12-16 | 2015-06-17 | 广东美的环境电器制造有限公司 | 风扇及其控制方法 |
CN203633541U (zh) * | 2014-01-12 | 2014-06-11 | 李萧浛 | 半导体温度调节衣 |
CN110081564B (zh) | 2014-02-17 | 2021-09-14 | 松下电器产业株式会社 | 热图像传感器系统以及冷热感推断方法 |
US20160136385A1 (en) * | 2014-11-14 | 2016-05-19 | Ruggero Scorcioni | System and method for thermally conditioning a sleep environment and managing skin temperature of a user |
US20160320081A1 (en) * | 2015-04-28 | 2016-11-03 | Mitsubishi Electric Research Laboratories, Inc. | Method and System for Personalization of Heating, Ventilation, and Air Conditioning Services |
CN104998332B (zh) * | 2015-07-28 | 2018-06-19 | 成都乐享智家科技有限责任公司 | 利用心率控制温度促进睡眠的方法及实现该方法的装置 |
JP2017062060A (ja) | 2015-09-24 | 2017-03-30 | アイシン精機株式会社 | 環境状態制御システム |
DE102016201908A1 (de) * | 2016-02-09 | 2017-08-10 | Siemens Healthcare Gmbh | Verfahren zum Betreiben einer Temperierungsvorrichtung für eine medizinische Untersuchungseinrichtung, Temperierungsvorrichtung, medizinische Untersuchungseinrichtung und Computerprogramm |
JP6675552B2 (ja) * | 2016-06-08 | 2020-04-01 | 国立大学法人大阪大学 | 深部体温推定装置、その方法及びプログラム |
CN105997400A (zh) * | 2016-07-25 | 2016-10-12 | 南京理工大学 | 一种医用护理床的控制及对病人的体征检测的装置 |
JP6473110B2 (ja) | 2016-07-28 | 2019-02-20 | ダイキン工業株式会社 | 脳活動推定装置 |
JP6998564B2 (ja) * | 2017-02-08 | 2022-01-18 | パナソニックIpマネジメント株式会社 | 覚醒度推定装置及び覚醒度推定方法 |
JP2018185108A (ja) | 2017-04-26 | 2018-11-22 | パナソニックIpマネジメント株式会社 | 温冷感推定装置 |
WO2018214001A1 (zh) * | 2017-05-22 | 2018-11-29 | 深圳微自然创新科技有限公司 | 环境调节方法、及服务器 |
JP2019017946A (ja) | 2017-07-21 | 2019-02-07 | アイシン精機株式会社 | 気分推定システム |
DE102017212611A1 (de) * | 2017-07-21 | 2019-01-24 | Ford Global Technologies, Llc | Verfahren zum Klimatisieren eines Innenraums eines Fahrzeugs |
US11122849B2 (en) * | 2017-10-18 | 2021-09-21 | Tokyo University Of Science Foundation | Head-mounted device, heatstroke prevention system, and rehydration alarm system |
CN108413588B (zh) * | 2018-02-12 | 2021-03-02 | 北京工业大学 | 一种基于热成像及bp神经网络的个性化空调控制系统及方法 |
CN109489202B (zh) * | 2018-11-12 | 2020-01-03 | 珠海格力电器股份有限公司 | 空调的控制方法、装置和空调 |
JP7086219B2 (ja) * | 2018-12-10 | 2022-06-17 | 三菱電機株式会社 | 空調機、制御装置、空調システム、空調制御方法及びプログラム |
WO2021049573A1 (ja) * | 2019-09-10 | 2021-03-18 | 学校法人産業医科大学 | 深部体温推定装置、深部体温推定方法、深部体温推定プログラム |
EP4051967A1 (en) * | 2019-10-31 | 2022-09-07 | Carrier Corporation | Hvac performance monitoring method |
US11904208B2 (en) * | 2020-06-25 | 2024-02-20 | Corey WASHINGTON | Systems and methods for climate control room |
JP7458002B2 (ja) * | 2020-06-26 | 2024-03-29 | パナソニックIpマネジメント株式会社 | 空気調和機の気流を制御する気流制御方法および空気調和システム |
CN112631135B (zh) * | 2020-11-30 | 2023-08-29 | 西安建筑科技大学 | 基于计算机视觉监测的个体热舒适控制系统及控制方法 |
-
2020
- 2020-05-15 CN CN202080035655.6A patent/CN113924039B/zh active Active
- 2020-05-15 EP EP20805263.9A patent/EP3970607A4/en active Pending
- 2020-05-15 WO PCT/JP2020/019515 patent/WO2020230895A1/ja unknown
- 2020-05-15 US US17/610,403 patent/US11598680B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012154591A (ja) * | 2011-01-27 | 2012-08-16 | Mitsubishi Electric Corp | 空気調和機 |
WO2018151003A1 (ja) * | 2017-02-14 | 2018-08-23 | パナソニックIpマネジメント株式会社 | 通信装置、異常通知システム、および異常通知方法 |
CN108662728A (zh) * | 2017-03-27 | 2018-10-16 | 松下知识产权经营株式会社 | 信息处理方法、信息处理装置以及程序 |
WO2019087537A1 (ja) * | 2017-10-30 | 2019-05-09 | ダイキン工業株式会社 | 空調制御装置 |
CN109394191A (zh) * | 2018-12-21 | 2019-03-01 | 歌尔科技有限公司 | 一种智能手环及一种热舒适判断方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
US20220146335A1 (en) | 2022-05-12 |
CN113924039A (zh) | 2022-01-11 |
WO2020230895A1 (ja) | 2020-11-19 |
EP3970607A1 (en) | 2022-03-23 |
EP3970607A4 (en) | 2023-05-31 |
US11598680B2 (en) | 2023-03-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6739038B2 (ja) | 人状態推定方法、及び、人状態推定システム | |
KR20130031120A (ko) | 올바른 기기사용자세 유도 장치 및 방법 | |
Alberts et al. | Dissociating vestibular and somatosensory contributions to spatial orientation | |
JP2015111019A (ja) | 空調システム、空調機器制御装置、制御方法、およびプログラム | |
CN113924039B (zh) | 用于估计温热舒适性的系统 | |
JP7338886B2 (ja) | エリア別環境管理システム及び方法とプログラム | |
WO2023015875A1 (zh) | 用于控制空调的方法及装置、空调 | |
JP2015033457A (ja) | 運転状態推定装置及び運転状態推定方法 | |
US20210279452A1 (en) | Action-estimating device | |
CN113543831A (zh) | 觉醒水平控制设备、觉醒水平控制方法和记录介质 | |
CN110659594B (zh) | 一种基于AlphaPose的热舒适姿态估计方法 | |
JP6891993B2 (ja) | 温熱快適性を推定するためのシステム | |
CN111741710A (zh) | 核心温度检测系统和方法 | |
Yoshikawa et al. | Combining a thermal camera and a wristband sensor for thermal comfort estimation | |
JP2021010721A (ja) | 学習装置、推定装置、及び、環境調整システム。 | |
CN113841205A (zh) | 热应激的影响推定装置、热应激的影响推定方法以及计算机程序 | |
CN108416331B (zh) | 脸部对称识别的方法、装置、存储介质及终端设备 | |
JP2019017946A (ja) | 気分推定システム | |
WO2021006240A1 (ja) | 学習装置、推定装置、及び、環境調整システム | |
JP2021082119A (ja) | 判定システム、及び判定プログラム | |
WO2023032771A1 (ja) | 制御方法、プログラム、及び、制御システム | |
CN117308285A (zh) | 基于健康状态的空调显示方法、装置和智能空调 | |
TH2101006996A (th) | ระบบสำหรับการประมาณค่าสภาวะสบายเชิงความร้อน | |
CN117017618B (zh) | 基于红外图像获取耳部状态的方法、电子设备及存储介质 | |
EP4296095A1 (en) | Thermal sensation estimation device, air conditioning device, air conditioning system, thermal sensation estimation method, and program |
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 |