JP2016085014A - 空調制御方法及びシステム - Google Patents

Abstract

【課題】 施設内の人の移動を考慮して、効果的に空調制御を行うことを目的とする。【解決手段】施設に設置されて空調を行う空調機を制御する空調制御において、少なくとも位置を含む施設内の対象者の移動情報を取得し、移動情報に基づいて、対象者の将来の時刻における移動を予測して予測移動情報を作成し、予測移動情報に基づいて、空調機を制御するための空調制御情報を作成する。これによって、人の移動を考慮して空調を適切に制御し、快適で省エネルギーな空調制御技術を提供することができる。【選択図】 図１

Description

本発明は、施設等の空間の空気を調和させる空調の制御技術にかかる。

空調においては、少ないエネルギーで快適な空間を作ることが求められており、空調制御のための様々な技術が考案されている。空調環境が快適な空間を生成するためには、例えば冷房であれば、施設内全体を強力に冷房すれば施設内の人は暑さに不快から解放され快適と感じるが、強力な冷房のために多くのエネルギーを使わなければならない。反対に冷房を弱くすると、冷房の効果が十分でなく暑さを感じて不快と感じる人が発生するかもしれない。

これに対し、センサを用いて得られた情報を用いて必要な空調量を正確に見積もれば、少ないエネルギーで必要十分な空調を行い、効果的に空調管理を行うことができる。例えば特許文献１では、在室者の活動量やPMV値を測定して将来のPMV値を予測し、在室者の人数や状態に応じて空調を制御することが記載されている。

特開2011-174665号公報

しかしながら、特許文献１では、在室者はずっと在室していることを前提としており、在室者が移動していくことを想定していない。すなわち、人の移動の多い施設では、PMV値を予測して空調制御しても、予測対象時刻には対象者が他の場所に移動してしまっており予測が役に立たなくなる恐れがある。

本発明は、上記課題を鑑み、人の移動を考慮して効果的に空調制御を行うことを目的とする。

本発明は、上記課題を解決するために、施設に設置されて空調を行う空調機を制御する空調制御において、少なくとも位置を含む施設内の対象者の移動情報を取得し、移動情報に基づいて、対象者の将来の時刻における移動を予測して予測移動情報を作成し、予測移動情報に基づいて、空調機を制御するための空調制御情報を作成する。

本発明によれば、人の移動を考慮して空調を適切に制御し、快適で省エネルギーな空調制御技術を提供することができる。

本発明の一実施例にかかるシステム構成図である。 本発明の一実施例にかかる施設の平面図である。 本発明の一実施例にかかる人流データである。 本発明の一実施例にかかる人流の計測を説明するための図である。 本発明の一実施例にかかる施設に区域を示した平面図である。 本発明の一実施例にかかる人密度データである。 本発明の一実施例にかかる人流データと人流予測を施設平面図上に表わした図である。 本発明の一実施例にかかる人密度予測データである。 本発明の一実施例にかかる施設に空調機担当エリアを示した平面図である。 本発明の一実施例にかかる空調機担当エリアと区域との関係を示す平面図である。 本発明の一実施例にかかる人密度予測データである。 本発明の一実施例にかかる空調制御情報である。 比較例にかかる空調機の制御を示す図である。 本発明の一実施例にかかる空調機の制御を示す図である。 本発明の一実施例にかかる空調機の制御を示す図である。 本発明の一実施例にかかる空調機の制御を示す図である。 本発明の一実施例にかかるエリア特性情報である。 本願発明の他の実施例にかかるシステム構成図である。 本願発明の他の実施例にかかるイベント情報である。 本願発明の他の実施例にかかる人流予測データである。 本願発明の他の実施例にかかるイベント情報である。

以下、本発明の実施例を、図面を用いて説明する。

図１は、本発明の構成図である。本システムでは、人流センサ200と、サーバ100とを有し、空調500を制御する空調中央制御装置400にネットワーク300で接続されている。

センサ200は、人の位置を検知するための装置である。検知したデータは、後述の人流分析部111がデータを時系列的につなげて、人の流れを算出する。本実施例では、レーザ装置を用いる。この装置は、赤外線レーザ光を水平方向の複数の方向に放射状に連続照射し、その反射光を検出器により検出することにより、エリア内にある物体の位置を測定するセンサ装置である。本実施例では、レーザ装置を用いているが、この他にも、カメラなどを用いることが可能である。

サーバ100は、ＣＰＵ（Central Processing Unit）110上で稼働する人流分析部111、人流予測部112、制御情報生成部113と、記憶装置120に記憶される人流測定データ121、人密度データ122、人密度予測データ123、空調制御情報124を備えている。人流分析部111、人流予測部112、制御情報生成部113は、記憶装置120に記憶されているプログラムであり、稼働時にＣＰＵ110上に読み出されて機能する。記憶装置は、ＨＤＤ（Hard Disk Drive）やフラッシュメモリなどの不揮発性半導体メモリなどで構成される。

空調機500は、建物に複数設けられ、空気を調和させる装置である。室内機と室外機（いずれも図示せず）から構成される。室内機は、主に屋内に設置され、空気と熱交換を行う熱交換器と、屋内の空気を循環させるファンと、その空気の流れの方向を決めるフラップと、温度センサとを備えている。室外機は、主に屋外に設置され、熱交換器と、ファンと、冷媒を圧縮する圧縮機を備えられている。これらが電線や冷媒管で接続されて、それぞれの熱交換器から屋内及び屋外の空気と熱交換を行うことで、室内機が設置された屋内の冷房、除湿、暖房などを行う。

空調中央制御装置400は、複数の空調機500を統合制御するためのものであり、例えば、ユーザインタフェースを備えた情報処理装置（PCやコントロールパネル等）で構成され、必要ならば他の電子機器も備える。ユーザインタフェースから入力された運転モードや温度設定や風量設定などに基づいて、室内が所望の空気環境になるように、各々の空調機500を制御する。本実施例では、空調中央制御装置400は独立した装置であるが、サーバ100内にプログラムをインストールして空調中央制御装置400に役割を持たせてもよい。

これらは、ネットワーク300により接続されている。ネットワーク300としては、有線通信でも無線通信でもよく、オープンネットワークの他、専用のネットワークを用いてもよい。空調中央制御装置400と各空調機500は、本実施例では専用線301で接続されているが、ネットワーク300を利用してもよい。

図２は、本実施例の空調制御システムの空調機が空気調和させる建物の内部の配置図である。本建物内には、テナントが配置され、その間を人が通るための通路が配置されている。テナント内には、販売店であれば商品陳列棚等が配置され、飲食店であればテーブルやイスや食品提供用のカウンター等が配置されている。本実施例では、テナントの壁は天井までは延びておらず、空調機500を設置可能になっているものとする。

空調機500の室内機は、建物の天井に並べて配置されている。それぞれの空調機500が温度センサを有しており、温度センサの測定値を空調中央制御措置400に送る。空調中央制御装置400は、運転モードや設定温度や測定温度に基づいて、各空調機500の運転内容を決定し、各空調機500はこれに従って稼働する。

人流センサ200は、人々が通行する通路に向けて設置される。そして、レーザを発して人に照射し、反射してきたレーザを検出することで、人の動きを測定し、マップ上に記録して行く。

なお、図面では通行人１０ａを大きく、数を少なく書いているが、実際には建物は広く、人がたくさんいるものとする。

図３、図４に、人流センサ200が測定した人流データを示す。図３は、人流センサ200が取得した人流データ121であり、図４は、その人流データ121を建物内のマップ上に表わしたものである。人流センサ200は、測定結果をサーバ100に送り、サーバ内の人流分析部111が、これを分析して人流データ121を作成する。本センサでは、ある人がどのように移動して行ったかが追跡可能である。すなわち、移動軌跡が表示可能である。図３では、所定時間間隔ごとに人（個体）の位置を取得し、同じ人と同定した個体に同じ個体IDを付し、時刻と位置（ｘ座標、y座標）を記録し、位置の変化から速度を求める。また、レーザの検知した面積から、大きさを算出する。さらに、人の活動量を記録してもよい。例えば、移動速度及び／または大きさに基づいて活動量を算出したり、人流センサがカメラである場合には、速度と、移動以外の体の動きとに基づいて活動量を算出したり、赤外線検知カメラ型の温度センサを有している場合、人の体温に基づいて活動量を算出してもよい。

図４においては、人マークの位置が現在の通行人の位置であり、実線矢印は現在までの通行人の軌跡である。ここで矢印の長さは通行人の歩く速度に比例しており、矢印が長いほど歩行速度が速いことを表している。これらは、人流データにおける個人IDにかかる該当時刻の位置を人の位置とし、その個人IDにかかる所定時間前までの位置を用いることにより、実線矢印を作成することができる。

図５〜８は、人流予測部112が予測した将来の人の位置のかかるデータや図表である。人流予測部112は、過去の所定時間（例えば、過去２０分間）の人流データ121を解析することにより、所定時間後（例えば５分後）の人の位置を予想することができる。

人流予測は、次のように行う。

まず、人の密度を算出する。図５に示すように、マップをメッシュ状に区域に区切り、区域ごとに時刻における人の密度を算出する。図６に、区域ごとの人の密度を示す。図６における人密度データ122での区域の名称は、左側の数字が図５の地図の横に振った縦方向の位置番号であり、右側の番号が地図の上に振った横方向の位置番号である。テーブル内の数字は、その区域におよそ滞在している人の数である。この人の密度を、所定時間ごと（例えば、人流データの測定間隔である１秒ごと）に算出する。

そして、人流予想により、将来における人の密度を算出する。図８は、将来の人の密度であり、図７は、これをマップ上に示したものである。図７において、人の進行方向にある点線矢印が、人の進路予想を表わしたものである。

具体的に、人密度予測を行なうにあっては、人密度データから予測モデルを作成する学習フェーズと、予測モデルを用いて人密度予測を求める評価フェーズの２つのフェーズを用いる。

はじめに、学習フェーズについて説明する。人密度データを、予測対象区域にあるデータを目的指標と、その他の区域データを説明指標とに分類する。例えば、図６において、予測対象区域を1-1区とするならば、目的指標は1-1区であり、説明指標は1-2区〜3-3区である。そして、所定時間後の予測をする際には、目的指標内で所定時刻分シフトさせた時刻のデータを用いる。例えば、所定時間後の予測が５分後ならば、説明指標の時刻は2014.08.21 14:50、目的指標の時刻は2014.08.21 14:55のデータである。これを１つのデータセットとし、予測モデルを作成する際には、ある時間内に含まれた複数のデータセットを用いる。予測モデル生成には、重回帰分析を用いる。

重回帰分析では、目的指標を説明指標によって予測するための関係性の式（回帰式）を求めることができる。回帰式は、
（数１） y=a+b₁x₁+b₂x₂+b₃x₃…
という式で示される。ここで、目的指標の時刻の1-1区の人密度はy、説明指標の時刻の1−2〜3-3区の人密度はそれぞれx_n、係数はb_n、切片はaとする。係数b_nは、それぞれの説明変数x_nにかかる重みである。これを、取得済み人密度データの中から、様々なy,x_nの組合せを当てはめ、重回帰分析によりａ及びb_nを算出する。

次に、評価フェーズについて説明する。学習データで作成した予測モデルと、説明変数である図６の人密度データを用いて、予測密度を求めることである。求めた結果を図８の人密度予測データの予測時刻のカラムに格納する。

予想対象の時刻の1−1区の人密度yを次の数式で求める。例えば、a=1.3,b1=2.3…b8=-3.2の場合、目的指標が1-1区の人密度を求める予測回帰式は、
（数２） 1-1予測人密度＝1.3+2.3×（1-2区人密度）+…+（-3.2）×（3-3区人密度）
である。

また、図６の各区域の人密度データと図８の各区域の予測人密度データを比較することで、区域の所定時刻における移動状況を示すことができ、この結果を図７の様に、人の進路予測マップに表示することも可能である。

なお、予測モデルは、重回帰分析ではなく、他の一般的な手法を用いてもよい。かつ、予測モデルに作成する区域は、隣接している区域のみを用いてもよい。

なお、人の密度に換算してから人流予想を行う他に、人の進行方向、速度を直接予想してもよい。

このようにすることで、所定時間後の通行人の位置や密度を予想することができる。

次に、空調機500の制御について説明する。図２に示す通り、本実施例では９つの空調機を備えており、それらが独立してまたは統合制御で稼働している。独立に制御する場合の一例では、所定の温度に空調温度が設定され、各空調機は自身が有する温度センサが測定する周囲の温度がその設定温度になるように冷房や暖房運転を行う。

本実施例では、人流予想により稼働するために、各空調機はそれぞれ担当エリアを有している。図９に、本実施例における各空調機500が担当するエリアを示す。本実施例では、９つの空調機500ａ〜ｉが備えられ、各空調機が担当する９つのエリアＡ〜Ｉ区に分けられている。

空調機500の制御について、運転モードが冷房の場合を例にして説明する。まず、空調制御情報124を作成する空調制御情報作成部113と、各空調機500を制御する空調中央制御装置400の処理について説明する。まず、人流予測部112により人密度予測データ123が作成され、空調制御情報作成部113がこれを取得する。空調制御情報作成部113は、人流予測データを基に、空調制御情報124を作成して送信し、空調中央制御装置400が受信することで取得する。空調制御情報124を受信した空調中央制御装置400は、これに沿って空調機500の空調運転を制御する。

空調制御情報113は、次のように作成する。空調制御情報作成部113は、予め、人密度データ122及び人密度予測データ123における各区域と、空調機500の担当エリアとを対応付けを行っている。そして、担当エリアに対応する区域の現在までの人密度（実績値）及び将来の予測値の人密度を、時間ごとに合計する。すなわち、空調機の担当エリアごとの人密度(実績値及び予測値)を算出する。

図１０（ａ）〜（ｃ）を用いて説明する。図１０（a）は、空調機500の担当エリアC区における人流データ及び予測人流データの区域である。空調エリアC区には、６つの区域が割り当てられている。本実施例では、一つの空調機担当エリアに複数の人流データ区域が対応しているが、複数の空調機担当エリアに一つの区域が対応してもよいし、また、複数対複数としてもよい。

図１０（ｂ）は、予測人密度データ123から、空調制御情報作成部113が抽出して処理したものである。各時刻における各区域の密度の数値表である。この予測によると、15：10頃に1-9区に人混みが生じ、その後これが周囲に広がっていくことが予測されている。密度のリストから、各時刻における密度の合計と、密度が最大となる区域と密度値が算出される。

図１０（ｃ）は、空調制御情報に記載される空調制御情報の例を示す。空空調レベルは、その空間をどれくらいの強度で空調を利かせるかを示すものであり、空調中央制御装置400や空調機500が、設定温度や温度センサの測定値などで修正して空気の吐出温度や風量を設定し、実際の空調機500の制御とする。出力レベルは、主に密度合計から算出するが、最大密度等も考慮してもよい。最大区域と密度集中レベルは、主に空調機500が風向きごとの風量を設定可能なときに用いる。密度集中レベルは、人が所定の区域に集中している場合には大きくなり、人密度が均一の場合には小さくなる。空調機500は、最密区域に、出力レベルや密度集中レベルの基づく風量で、空調された空気を送り込む。これによって、人が密集している区域を集中して空調できる。風量は、主に最大密度に基づいて算出される。

図１０（ｃ）では、Ｃ区のみ示しているが、他にも本空調制御システムが担当するエリアであるａ〜i区についても、同様の情報が作成される。調制御情報は、少なくとも空調レベルを規定しており、最密区域や密度集中レベルは、担当エリア内で空調の強さに差をつける場合に規定される。

冷房運転である場合、人密度が大きければ人間からの発熱が多く、温度が上昇しやすい。またある程度以上の密度では、隣の人と距離が近いため、さらに暑く感じる。従って、人密度が大きいほど冷房を強くする。

担当エリア全体の人数に加えて、局所的な人密度を考慮してもよい。局所的に人だかりができて人密度が大きくなっている場合、人密度が均一の場合に比べて冷房を強くしてもよい。例えば、催し物の観衆で人だかりができている場合、その観衆のための冷房を強化する。フラップにより風向きや風量が調整できる場合には、観衆に向けて冷風を大量に送るようにフラップ及びファンを制御してもよい。

暖房運転の場合でも、同様に、人密度が大きければ人間からの発熱が多く、温度が上昇しやすい。またある程度以上の密度では、隣の人と距離が近いため、暑く感じる。従って、温まりすぎないよう暖房運転を弱くする。

また、人密度が小さい区域では、人が少なく寒いので暖房を強くしてもよいし、人が少なく寒いと感じる人が少ないので暖房を弱くしてもよく、条件等により適宜変更してもよい。例えば、人の活動量を考慮し、人が歩行している場合には暖房を弱いままとし、人が立ち止まっていたり座っていたりして留まっている場合には暖房を強くするようにしてもよい。

次に、空調中央制御装置400の制御について説明する。空調中央制御装置400は、空調制御情報を受け取ったら、それに従って空調機500が運転をするように制御する。空調中央制御装置400は、ユーザから設定された設定温度（施設空間全体、エリアごとまたは空調機ごと）と、空調機500から受け取った温度センサの検出温度と、を比較し、その温度差を算出する。そして、受け取った空調制御情報の出力レベルと、温度差に基づいて出力値を設定し、空調機500を制御する。出力レベルが大きいほど、また、温度差が大きくなるほど、出力値は大きく設定される。

本実施例での、空調中央制御装置400の処理について説明する。図１１（a）〜（ｄ）は、５分後に急に人密度が上昇することが予想されている場合の空調機の制御を説明する図である。空調制御情報により要求された５分後までの１分ごとの冷房レベルを四角で表わし、空調機500の空調運転による冷房レベルを実線で表わす。ここで、冷房レベルとは、その空間がどれくらい冷えているかを表し、空調機500が強運転をしていれば冷房レベルが上昇していく。

図１１（ａ）は、比較例として用いる人流予測を用いない空調制御である。このときに温度設定を弱く（冷房の場合には温度を高く）していた場合には、人が増えてから冷房を強化し、冷房が間に合わず人々は暑さを感じてしまう。温度設定を強く（冷房の場合に温度を低く）していた場合には、人々は暑さを感じないかもしれないが、空調機500の消費エネルギーは増えてしまう。

図１１（ｂ）は、本実施例の形態として、急速冷房を用いる例である。この場合、冷房状態が弱い状態から、急速冷房により人密度の急増に間に合うが、急速冷房は冷却のエネルギー効率が良くなく、消費電力を減少させる余地が残っている。

図１１（ｃ）は、本実施例の形態として、効率のよい冷房運転で冷却する例である。人密度が予測できるので、前もって空調機500の効率のよい運転状態で冷房を行えば、急速冷房を抑えることができるが、前もって冷却した空気が他のところに逃げてしまう冷気のロスが考えられる。

図１１（ｄ）では、以上を考慮し、人密度予測に起因する冷房需要量の予測と、空調機500の性能情報と、各エリアにおける保温性を考慮して、空調中央制御装置400が制御を行う。冷房運転強化を前もって始めて急速運転を抑えるとともに、強く冷房している時間を短くして、冷気が他に逃げるのを抑えている。本実施例では、早めに冷房レベルを上げ始めることで急速冷房を抑え、段階的に徐々に冷房レベルを大きくして５分後の冷房レベルを適切にすることで冷気が逃げるのを抑えている。これらを、空調中央制御装置400が、空調機500の性能情報や空調エリアの保温性の基づいて演算して制御している。

空調機器500の性能情報には、空調機の冷房・暖房出力や、運転状況ごとのエネルギー効率が含まれている。空調中央制御装置400は、空調機器500が効率のよい運転状況であり、できる限り人々に不快な思いをさせないように、制御命令情報を作成する。

各エリアの保温性とは、温度の逃げにくさである。保温性は、一定と考えてもよいが、場所や他の条件によって異なるとすれば、空調効率を高めることができる。例えば、他とはあまり太くない通路で結ばれているエリアでは、温度が逃げにくい。広いスペースの一部を空調機の担当エリアとしている場合には、他の空調機の担当エリアに温度が逃げやすい。外に通じる出入口があったり、さらにそれが開閉の多い自動ドアであったり、扉なしである場合には、保温性は高くない。

そこで、保温性を考慮し、保温性の高いエリアでは、冷房を強くするタイミングを早くする。早く始めた冷房の温度が残りやすいためである。保温性が低いエリアでは、冷房を強くするタイミングを遅くし、急速冷房を活用する。早く冷房を行っても、冷気が逃げてしまうからである。

空調システムの運転データを集めて分析を行うことにより、保温性以外にも様々な空調機設置エリアの特性を算出することができる。例えば、空調の利きやすさ（冷えやすさ、温まりやすさ）、保温性、空調エリアに置かれた装置の発熱量などである。空調出力と、人流による需要量と、データとして集め、分析を行うことにより、上記特性を算出することができる。例えば、図１２に空調担当エリアの特性値の一例を示す。隣接エリアは、冷気や暖気が隣のエリアに通じていることを示しており、後述の連携運転に用いる。これらのパラメータを用いて、空調機を最適制御して省エネや快適度向上に役立てることができる。

また、複数の空調機500を連携させるように制御を行ってもよい。一つの空調機500の急速運転によりエネルギー効率が悪くなる場合、近隣の空調担当エリアの空調機500に仕事を分けて運転を強化するように制御すれば、一つの空調機の急速運転を抑えて、効率の良い運転状態で空調機を運転することができる。

また、複数の空調機を統合制御することにより、電力の最大消費量を抑えて電力供給に配慮した空調システムにすることができる。

以上、本実施例によれば、人流を予想して空調機を制御することで、快適性の低下を押さえながら消費電力を抑えることができる。

次に、実施例２について説明する。図１３に実施例２のシステム構成図を示す。CPU110上にイベント情報設定部114を備え、記録装置120上にイベント情報125を備えていることが、実施例１との相違である。他は同じであり、同様の役割を行う。

イベント情報設定部114は、イベントを入力を受け付けたり検知したりしてイベントを設定してイベント情報125に記憶する。人流予測部112は、人流センサ200が検知した人流に加えて、イベント情報125を用いて人流予測を行う。

ここで、イベント情報125に含まれるイベントには、例えばイベント会場の全体または一部を用いて行われるミニイベントであったり、お店の開店・閉店時間であったり、電車やエレベータの到着・発車であったりする。

これらのイベントでは、所定の人流の変化が急に起こるため、イベント情報を利用すると人流予想がより適確になる。例えばミニイベントであれば、開始時刻が近付くとその周囲から人が集まってくるし、終了時刻には一斉に周囲に散っていく。そのため、ミニイベント内を予め空調しておかなければならないし、終了時刻には、周囲の人混みができる場所に空調をかけなければならない。お店の開店時刻前には、入口の前に人だかりができるので、そこの空調を行い、開店時刻には一斉に店内に入っていくので、店前の空調を弱める。電車やエレベータは、それらの運行管理装置から運行情報を受信してもよいし、空調管理システムが電車やエレベータの到着を検知してもよい。

図１５（ａ）は、イベント情報を考慮して予測した人密度予測データである。人密度予測データのカッコ内は、イベントを考慮しない場合の予測データである。イベントとして、図１５（ｂ）に示す15：00〜15：10にメイン広場（1-3区）で催されるキッズフェステバルを用いる。イベント開始前の14：55頃には、1-3区に人が集まり始めており、イベント開始の15：00には人混みができることが予想されている。本実施例での人密度予想は過去の人密度実績を基に算出しているため、イベント情報を用いない場合、カッコ内の数値のように人密度が高くなるのを予想するのが遅くなる。一方でイベント情報を用いた場合、イベントによる人密度の上昇が人密度予測データに反映され、空調もこれを反映して予め1-3を冷房しておくことができる。

また、イベント終了後の15：15には、メイン会場である1-3区の人密度が大きく減り、代わりにその周囲の人密度が増えている。これはイベントの終了によりメイン会場から周囲に移動した人によるものである。イベント情報による人密度予測により、1-3区の人密度の低下を早く予測して空調の強度を下げるとともに、その周囲の人が増える区域については空調を強化することができる。

イベント情報における人密度の補正は、同じまたは類似する過去のイベント発生時の人密度の変化の測定値を参考にして行う。例えば、本実施例の場合、過去にキッズフェステバルのイベントが発生した時の人流の測定値を参考に、どのように人流予測を補正するか決定する。参照する過去イベントは複数でもよく、イベント種類や時刻や曜日や場所が類似するものは、強く参考する。

以上、本実施例によれば、実施例１の作用効果に加え、人密度の急な変化にも対応して、快適に空調を制御することができる。

100…サーバ、200…人流センサ、400空調中央制御装置、500空調機。

Claims (15)

1. 施設に設置されて空調を行う空調機を制御する空調制御方法において、
   人流取得部が、少なくとも位置を含む施設内の対象者の移動情報を取得し、
   人流予測部が、前記移動情報に基づいて、対象者の将来の時刻における移動を予測して予測移動情報を作成し、
   制御情報生成部が、前記予測移動情報に基づいて、前記空調機を制御するための空調制御情報を作成する
   ことを特徴とする空調制御方法。
2. 請求項１において、
   前記予測移動情報は、前記将来の時刻と、その時刻における前記対象者の予測位置が含まれ、
   前記空調制御情報には、将来の時刻と、位置と、空調制御にかかる情報とが、対応付けられて規定されていることを特徴とする空調制御方法。
3. 請求項２において、
   前記予測移動情報は、区域ごとの予測人密度を含むことを特徴とする空調制御方法。
4. 請求項３において、
   前記人流予測部は、前記移動情報に基づいて前記区域ごとの人密度である人密度情報を算出し、複数に時刻における前記人密度に基づいて、将来の時刻における予測人密度を算出することを特徴とする空調制御方法。
5. 請求項３において、
   前記空調機ごとに担当エリアが設定されており、
   前記制御情報生成部は、前記空調機の担当エリアにおける前記予測移動情報の予測人密度に基づいて、当該空調機の空調制御情報を作成することを特徴とする空調制御方法。
6. 請求項５において、
   前記制御情報生成部は、前記空調機の担当エリアにおける予測人密度に基づく人の合計値と人密度の偏りとに基づいて、当該空調機の空調制御情報を作成することを特徴とする空調制御方法。
7. 請求項２において、
   前記空調制御情報には、空調出力と、風向きと、を算出するための情報が含まれていることを特徴とする空調制御方法。
8. 請求項２において、
   空調制御部が、前記空調制御情報と、温度センサが測定した温度と、に基づいて、前記空調機を制御することを特徴とする空調制御方法。
9. 請求項８において、
   前記空調制御部は、前記空調制御情報に規定された将来の時刻と、位置と、空調レベルとに基づいて、当該将来の時刻より前の時刻における前記空調機の制御を行うことを特徴とすることを特徴とする空調制御方法。
10. 請求項９において、
    前記空調制御部は、空調機性能情報または空調機が設置されたエリアのエリア特性情報に基づいて、前記将来の時刻より前の時刻における前記空調機制御を行い、
    前記空調機性能情報または前記エリア特性情報は、前記空調機の稼働情報と、前記温度センサの温度と、を記録し、当該記録を分析することにより作成されることを特徴とする空調制御方法。
11. 請求項１において、
    前記人流予測部は、イベントの位置及びイベントの種類を含むイベント情報を取得し、当該イベント情報と、前記移動情報とに基づいて、前記位置予測情報を作成することを特徴とする空調制御方法。
12. 請求項１１において、
    前記イベント情報は、発生する時刻及び位置、イベントの種類が登録されていることを特徴とする空調制御方法。
13. 請求項１２において、
    前記イベント情報は、当該施設の人の移動にかかる他の装置の稼働情報であることを特徴とする空調制御方法。
14. 請求項１２において、
    前記イベント情報に対応する過去のイベントが発生した場合の移動情報を用いて、前記位置予測情報を作成することを特徴とする空調制御方法。
15. 施設に設置されて空調を行う空調機を制御するための空調制御装置において、
    少なくとも位置を含む施設内の対象者の移動情報を取得する人流取得部と、
    前記移動情報に基づいて、対象者の将来の時刻における移動を予測して予測移動情報を作成する人流予測部と、
    前記予測移動情報に基づいて、前記空調機を制御するための空調制御情報を作成する制御情報生成部と、
    を備えたことを特徴とする空調制御装置。

Images