JP2019215162A5

JP2019215162A5 -

Info

Publication number: JP2019215162A5
Application number: JP2019177559A
Authority: JP
Filing date: 2019-09-27
Publication date: 2020-10-08
Anticipated expiration: 2038-08-23

Description

空調制御装置

本発明は、空調制御装置に関するものである。

特許文献１に示すように、作業者（以下ユーザ）を撮像するカメラの映像からユーザの動きを抽出し、抽出した動きを用いて集中度の評価値を求める技術が知られている。特許文献１では、集中度の評価値に応じて、環境に影響を与える機器（空気調和装置等）のモード（冷房等）が指定される。

特開２０１６−３５３６５号公報

空気調和装置の空調対象である室内に居るユーザは、個人の感覚に従って室内に設置されたリモートコントローラを自由に操作し、室内の設定温度を上下させる。室内の設定温度を変更させるにあたり、ユーザは、リモートコントローラの位置まで移動しなければならず、ユーザの使い勝手が良いとは言い難い。

本発明の目的は、ユーザがリモートコントローラ等を操作して空気調和装置に指示を与えずとも、室内を、ユーザにとって快適性が向上した環境に近づけることである。

本開示の第１の態様は、
ユーザ（U1,U2,U3）を撮像する撮像部（26）と、上記撮像部（26）が撮像した上記ユーザ（U1,U2,U3）の画像に基づいて、上記ユーザ（U1,U2,U3）が暑さ又は寒さを感じる度合いを示す温冷感を推定する推定部（66）と、上記推定部（66）の推定結果に基づいて、上記温冷感が目標範囲内となるように、上記ユーザ（U1,U2,U3）が居る室内を空調対象とする空気調和装置（10）の第１空調動作を制御する制御部（14）と、上記ユーザ（U1,U2,U3）の上記温冷感を表す温冷感情報の該ユーザ（U1,U2,U3）による入力を受け付けることが可能な受け付け部（30）と、を備え、上記画像には、上記ユーザ（U1,U2,U3）の寒暑の感覚を表す該ユーザ（U1,U2,U3）の動作、及び／または、上記ユーザ（U1,U2,U3）の寒暑の感覚を表す該ユーザ（U1,U2,U3）の状態が写し出されており、上記制御部（14）は、上記推定部（66）の推定結果に基づく上記第１空調動作が行われた後に取得した前記推定部による上記ユーザの温冷感の推定結果、または、上記第１空調動作が行われた後に上記受け付け部（30）が受け付けた上記温冷感情報に基づいて、上記ユーザ（U1,U2,U3）の上記温冷感が上記目標範囲内となるように上記第１空調動作の制御の内容を学習することを特徴とする空調制御装置である。

ここでは、ユーザの寒暑の感覚を表すユーザの動作及び／または状態が写し出された画像に基づいてユーザの温冷感が推定されると、推定結果であるユーザの温冷感が目標範囲内となるように、推定結果に基づいて空気調和装置の第１空調動作が制御される。これにより、ユーザがリモートコントローラ等を操作して空気調和装置に指示を与えずとも、空気調和装置はユーザの推定した温冷感に従って該温冷感を目標範囲内とするのに適した空調動作を行うため、室内に居るユーザの快適性は向上する。

第２の態様は、第１の発明において、
上記第１空調動作の制御の内容についての学習は、フラップの位置、ファンの回転速度、および室内の設定温度の少なくとも一つに関する目標値の学習である
ことを特徴とする空調制御装置である。

第３の態様は、第１または、第２の発明において、
上記第１空調動作の制御の内容についての学習は、フラップの位置とファンの回転速度の目標値の学習を含む
ことを特徴とする空調制御装置である。

本発明によれば、室内に居るユーザの快適性は向上する。

図１は、空調制御装置を備えた空調システムの外観図である。図２は、空調制御装置を備えた空調システムの構成を模式的に示すブロック図である。図３は、ユーザ感覚情報の概念図である。図４は、第１実施形態に係る温冷感推定時の推定モデルの入力及び出力を表す概念図である。図５は、着衣量と温冷感、年齢と温冷感、性別と温冷感の各関係の一例を示す図である。図６は、推定モデル更新時の推定モデルの入力及び出力を表す概念図である。図７は、ユーザの温冷感の推定動作及び推定したユーザの温冷感に伴う空調動作の流れを示す図である。図８は、第２実施形態に係る温冷感推定時の推定モデルの入力及び出力を表す概念図である。図９は、第２実施形態に係る推定モデル更新時の推定モデルの入力及び出力を表す概念図である。

以下、本発明の実施形態を図面に基づいて詳細に説明する。なお、以下の実施形態は、本質的に好ましい例示であって、本発明、その適用物、あるいはその用途の範囲を制限することを意図するものではない。

≪第１実施形態≫
＜概要＞
図１は、本実施形態に係る空調制御装置（50）を備えた空調システム（100）の外観図である。図１及び図２に示すように、空調制御装置（50）は、空気調和装置（10）の構成要素の一部と、リモートコントローラ（30）（受け付け部に相当）と、演算装置（60）とを有する。

図１に示すように、空気調和装置（10）は、空調対象である室内（r1）に設けられ、室内（r1）に対し空調を行う。リモートコントローラ（30）は、空気調和装置（10）の目標温度及び目標湿度の設定の他、空気調和装置（10）の運転モード、運転のオン及びオフを、ユーザ（U1,U2,U3）がリモートコントローラ（30）を操作して直接的に空気調和装置（10）に指示を与える際に、用いられる。

空調制御装置（50）は、空気調和装置（10）の空調動作を制御する。特に、本実施形態に係る空調制御装置（50）は、室内（r1）に居るユーザ（U1,U2,U3）が写し出された画像を用いて、当該ユーザ（U1,U2,U3）が暑さ又は寒さを感じる度合いを示す温冷感を推定し、推定した温冷感に基づいて空気調和装置（10）の空調動作（第１空調動作に相当）を制御することにより、ユーザ（U1,U2,U3）の温冷感に即した環境を提供する。

＜空気調和装置の構成＞
空気調和装置（10）は、天井設置タイプの空調機であって、本体部（11）が室内（r1）の天井に埋め込まれて設置されている。本体部（11）の下面（21）は室内（r1）に露出しており、下面（21）には本体部（11）内への空気の吸い込み口（23）と、本体部（11）から室内（r1）への空気の吹き出し口（24）とが形成されている。

本体部（11）の下面（21）には、カメラ（26）（撮像部に相当）が設けられている。

カメラ（26）は、レンズ（図示せず）が空気調和装置（10）の下方を向いており、室内（r1）に居るユーザ（U1,U2,U3）を撮像する。画像は、ユーザ（U1,U2,U3）を撮像した動画像であってもよいし、ユーザ（U1,U2,U3）の静止画像を連続して撮像したものであってもよいが、ここでは動画である場合を例示する。カメラ（26）が撮像した画像には、各ユーザ（U1,U2,U3）の寒暑の感覚を表すユーザ（U1,U2,U3）の動作や状態（表情を含む）が写し出されている。ユーザ（U1,U2,U3）は、暑いと感じている場合、暑さを和らげるために、自然と扇いだり、着ている衣服の袖をまくったり、汗をかいたりする。逆に、ユーザ（U1,U2,U3）は、寒いと感じている場合、体をさすったり、動く量が減少したりする。カメラ（26）は、ユーザ（U1,U2,U3）のこれらの動作等を、各ユーザ（U1,U2,U3）の寒暑の感覚を表す画像として撮像する。

空気調和装置（10）の本体部（11）の内部には、吸い込み口（23）から本体部（11）内部に吸い込まれた空気を冷媒と熱交換させる熱交換器（図示せず）、及び、冷媒と熱交換した後の空気を吹き出し口（24）を介して室内（r1）に供給する室内ファン（12）、吹き出し口（24）に設けられた風向調節用のフラップ（16）、フラップ（16）の回転軸に接続されフラップ（16）の向きを動かす際の駆動源となるモータ（16a）等が含まれている（図２参照）。

更に、本体部（11）の内部には、室内環境情報センサ（13）（検知部に相当）、及び制御部（14）が含まれている。

室内環境情報センサ（13）は、室内（r1）の環境に関する室内環境情報を検知するセンサであって、吸い込み口（23）付近に設けられた吸い込みセンサである。室内環境情報としては、吸い込み口（23）から吸い込まれた室内（r1）の空気の温度、湿度等が挙げられる。

制御部（14）は、ＣＰＵ及びメモリからなるマイクロコンピュータで構成されている。制御部（14）は、室内ファン（12）、フラップ（16）のモータ（16a）、室内環境情報センサ（13）、カメラ（26）と電気的に接続されている。また、制御部（14）は、リモートコントローラ（30）及び演算装置（60）とも、通信可能に接続されている。

制御部（14）は、室内環境情報センサ（13）の検知結果に基づく室内ファン（12）及びフラップ（16）のモータ（16a）等の駆動制御により、空気調和装置（10）の空調動作を制御する。

特に、本実施形態に係る制御部（14）は、演算装置（60）によって推定されたユーザ（U1,U2,U3）の温冷感の推定結果に基づいて、ユーザ（U1,U2,U3）の温冷感が目標範囲内となるように、室内（r1）の空気調和装置（10）の空調動作（第１空調動作）を制御する。温冷感の推定結果に基づく空調動作の詳細については後述する。

＜リモートコントローラ＞
リモートコントローラ（30）は、室内（r1）の壁面に取り付けられている。リモートコントローラ（30）は、図示してはいないが、各種画面を表示するディスプレイと、ユーザ（U1,U2,U3）の操作を受け付ける複数の操作ボタンとを有する。ユーザ（U1,U2,U3）が操作ボタンを操作することにより、ディスプレイには、ユーザ（U1,U2,U3）の操作に応じた各種画面が表示される。ディスプレイには、室内（r1）の設定温度、設定湿度等が通常画面として表示される。

本実施形態に係るリモートコントローラ（30）は、ユーザ（U1,U2,U3）の実際の冷温感を表す温冷感情報の、ユーザ（U1,U2,U3）による入力を受け付けることが可能となっている。入力された温冷感情報から、ユーザ（U1,U2,U3）の温冷感の推定結果がユーザ（U1,U2,U3）の実際の温冷感に合致したものであるか否かを、演算装置（60）は判定することができる。ユーザ（U1,U2,U3）の温冷感の推定結果に基づいて空気調和装置（10）の空調動作が行われることに鑑みると、上記入力は、ユーザ（U1,U2,U3）の温冷感の推定結果に伴って空気調和装置（10）が空調動作を行っている間になされることが好ましいが、必ずしもこれに限定されることはない。また、上記入力は、ユーザ（U1,U2,U3）の温冷感の推定結果に応じて実行される空気調和装置（10）の空調制御の内容を補正するために（例えば、室内ファン（12）の回転速度を実際の温冷感に応じて調整するために）、用いられても良い。

＜空調制御装置の構成＞
空調制御装置（50）は、図２に示すように、空気調和装置（10）の構成要素の一部である室内環境情報センサ（13）、制御部（14）及びカメラ（26）に加えて、受け付け部に相当するリモートコントローラ（30）と、演算装置（60）とを有する。

室内環境情報センサ（13）、制御部（14）、カメラ（26）、及びリモートコントローラ（30）は、上記にて説明したため、以下では演算装置（60）について説明する。

＜演算装置＞
演算装置（60）は、ユーザ（U1,U2,U3）の温冷感の推定動作を主に行うものであって、記憶部（62）及びＣＰＵ（65）を備えたコンピュータである。演算装置（60）は、クラウドサーバ、ローカルサーバ等であることができる。

演算装置（60）は、空気調和装置（10）及びリモートコントローラ（30）と有線または無線で通信可能に接続されている。これにより、演算装置（60）は、室内（r1）の温度等である室内環境情報センサ（13）の検知結果及びカメラ（26）の撮像した画像を空気調和装置（10）から取得することができ、リモートコントローラ（30）がユーザ（U1,U2,U3）から実際の温冷感を表す温冷感情報の入力を受け付けた場合、これを取得することができる。また、演算装置（60）は、自身が推定した温冷感を、空気調和装置（10）の制御部（14）に出力することができる。

なお、本実施形態では、演算装置（60）が空気調和装置（10）とは別の装置である場合を例示しているが、演算装置（60）は、制御部（14）と同様、ＣＰＵ及びメモリからなるマイクロコンピュータで構成され、空気調和装置（10）内に組み込まれていてもよい。

記憶部（62）は、フラッシュメモリ及びハードディスク等の不揮発性記憶装置で構成される。記憶部（62）には、主に、ユーザ感覚情報（63）が格納されている。

図３に示すように、ユーザ感覚情報（63）は、個々のユーザ（U1,U2,U3）についての、ユーザ（U1,U2,U3）の動作及び状態（表情を含む）と、その動作及び状態を採っている時のユーザ（U1,U2,U3）の温冷感とが対応づけられた情報である。暑いと感じた時または寒いと感じた時に自ずと行う行動や表情等は、ユーザ（U1,U2,U3）毎に異なる場合がある。即ち、寒暑の感覚に対する行動や表情等には、ユーザ（U1,U2,U3）毎に癖があると考えられる。それ故、その癖を、いわばユーザ（U1,U2,U3）の寒暑の感覚を指し示す基準として定義したものが、ユーザ感覚情報（63）である。

ＣＰＵ（65）は、記憶部（62）や当該記憶部（62）以外の他のメモリに記憶された各種プログラムを読み出して実行することにより、推定部（66）及びモデル更新部（68）として機能する。

−ユーザの温冷感の推定−
推定部（66）は、カメラ（26）が撮像したユーザ（U1,U2,U3）の画像を必須パラメータとして用いて、ユーザ（U1,U2,U3）の温冷感を推定する。このような推定部（66）は、推定モデル（67）を有する。

推定モデル（67）は、撮像された画像からユーザ（U1,U2,U3）の温冷感を、ディープラーニング等の手法を用いた演算にて求める専用モデルであって、ニューラルネットワークとして予め構築されている。本実施形態の推定モデル（67）は、図４の破線に示すように、主として、カメラ（26）が撮像した画像のデータに画像処理を施す画像処理ニューラルネットワーク（67a）、及び、画像処理の結果からユーザ（U1,U2,U3）の温冷感を推定する温冷感推定ニューラルネットワーク（67b）の、言わば２層構造のニューラルネットワークとなっている。

推定部（66）は、先ず、カメラ（26）が撮像した画像のデータを画像処理ニューラルネットワーク（67a）に入力する。画像処理ニューラルネットワーク（67a）では、画像データ（ここでは動画データ）の同時化処理等の他、エッジ検出やコントラスト処理等を駆使して、扇いでいる等のユーザ（U1,U2,U3）の動作の抽出、発汗している等のユーザ（U1,U2,U3）の状態の抽出、ユーザ（U1,U2,U3）の着衣量（または素肌の露出度）の算出、ユーザ（U1,U2,U3）の性別の算出、ユーザ（U1,U2,U3）の年齢の算出が行われる。即ち、画像処理ニューラルネットワーク（67a）では、温冷感を表すユーザ（U1,U2,U3）の特定の動作、状態、着衣量、ユーザ（U1,U2,U3）の放熱度合を表す着衣量（または素肌の露出度）、温冷感を左右させる要因となる性別及び年齢が演算される。

図５（ａ）では、着衣量（または素肌の露出度）の増減と温冷感との関係の一例を、概念的に表している。図５（ａ）に示すように、着衣量が少ない程（素肌の露出度が多い程）、ユーザ（U1,U2,U3）は「暑い」と感じていることとなり、ユーザ（U1,U2,U3）の表面からの放熱量は多くなる。逆に、着衣量が多い程（素肌の露出度が少ない程）、ユーザ（U1,U2,U3）は「寒い」と感じていることとなり、ユーザ（U1,U2,U3）の表面からの放熱量は少なくなる。従って、算出した着衣量（または素肌の露出度）は、温冷感を表す指標の１つとなる。

図５（ｂ）では、年齢の高低と温冷感との関係の一例を概念的に表し、図５（ｃ）では、性別と温冷感との関係の一例を概念的に表している。室内（r1）がとある温度で均一とした場合、図５（ｂ）に示すように、年齢が低い程、ユーザ（U1,U2,U3）は「暑い」と感じることが多い傾向にあり、年齢が高い程、ユーザ（U1,U2,U3）は「寒い」と感じることが多い傾向にある。室内（r1）がとある温度で均一とした場合、図５（ｃ）に示すように、男性は、女性に比べて「暑い」と感じることが多い傾向にあり、女性は、男性に比べて「寒い」と感じることが多い傾向にある。このように、求めた性別及び年齢は、温冷感を左右する指標の１つとなる。

図４に示すように、画像処理ニューラルネットワーク（67a）から出力された上記演算結果は、抽出結果と共に、温冷感推定ニューラルネットワーク（67b）に入力される。温冷感推定ニューラルネットワーク（67b）では、入力された抽出結果及び演算結果のうち、温冷感を表すユーザ（U1,U2,U3）の特定の動作及び状態である抽出結果から、図３に係るユーザ感覚情報（63）を基準として、個々のユーザ（U1,U2,U3）の温冷感が求められる。この際、入力された演算結果、即ち着衣量（素肌の露出度）、性別及び年齢が、個々のユーザ（U1,U2,U3）の温冷感の算出において加味される。

更に、図４に示すように、温冷感推定ニューラルネットワーク（67b）には、室内環境情報センサ（13）の検知結果に関する情報が入力される。室内環境情報センサ（13）の検知結果に関する情報としては、室内（r1）の温度自体の他、室内環境情報センサ（13）の検知結果のうちの室内（r1）の湿度を用いて演算ニューラルネットワーク（67c）にて求められた各ユーザ（U1，U2,U3）の放熱量等が挙げられる。温冷感推定ニューラルネットワーク（67b）では、当該室内環境情報センサ（13）の検知結果に関する情報も、個々のユーザ（U1,U2,U3）の温冷感の算出において加味される。

これにより、個々のユーザ（U1,U2,U3）の温冷感は、個人毎にきめ細かく推定される。

推定部（66）は、このようにして求めたユーザ（U1,U2,U3）の温冷感を、温冷感の推定結果として、空気調和装置（10）の制御部（14）に送信する。

なお、本実施形態では、上述のように、複数のユーザ（U1,U2,U3）それぞれの温冷感をきめ細かく推定するため、各ユーザ（U1,U2,U3）の温冷感同士の間には所定範囲を超えるバラツキが生じている可能性がある。この場合、推定部（66）は、各ユーザ（U1,U2,U3）の温冷感の平均値または個人毎に重みをつけた加重平均値を求め、その平均値または加重平均値を温冷感の推定値として空気調和装置（10）の制御部（14）に送信してもよい。

−推定モデルの更新−
図６に示すように、モデル更新部（68）は、カメラ（26）が撮像した画像のデータ及びリモートコントローラ（30）が受け付けたユーザ（U1,U2,U3）の実際の温冷感を表す温冷感情報に基づいて上記推定モデル（67）を学習させる。

温冷感の推定後にカメラ（26）が新たに撮像した画像には、例えばそれまで扇ぐ動作を行っていたユーザ（U1,U2,U3）が扇ぐのをやめた等の、ユーザ（U1,U2,U3）の動作及び状態に所望の変化が現れている可能性がある。この場合は、温冷感の推定動作が比較的良好であって、その推定結果に基づく空調動作（即ち第１空調動作）がユーザ（U1,U2,U3）の温冷感を快適な方向へと向かわせていると判断することができる。しかし、このような所望の変化が見られない場合は、温冷感の推定動作が実際の温冷感と乖離している可能性がある。そこで、モデル更新部（68）は、温冷感の推定精度が向上するように、カメラ（26）が新たに撮像した画像を用いて推定モデル（67）を更新する。

なお、温冷感を表すユーザ（U1,U2,U3）の動作及び状態には、扇ぐ動作以外に、既に述べたように、着ている衣服の袖をまくる動作の有無及びその程度、発汗の有無およびその程度、体をさするか否か、体を動かす量（度合い）、等が含まれる。これらの各動作及び状態についても、温冷感の快適性を表す所望の変化が見られた場合、推定結果に基づく空調動作（即ち第１空調動作）がユーザ（U1,U2,U3）の温冷感を快適な方向へと向かわせていると判断することができ、モデル更新部（68）は、推定モデル（67）を更新する。

上記の動作及び状態毎の、温冷感が快適な方向へと向かっていると判断できる具体例は、以下の通りである。
（Ｉ）空調動作前は袖をまくっていたが、空調動作後には袖をまくらなくなった、ないしは袖がまくられる量が減少した。
（ＩＩ）発汗量が、空調動作前は多かったが、空調動作後は減少した。
（ＩＩＩ）空調動作前は体をさする動作が行われていたが、空調動作後には体をさする動作が行われなくなった。
（ＩＶ）空調動作前は、体を動かす量が少なかったが、空調動作後は体をよく動かすようになった。

上記具体例にて示すように、温冷感の快適性が向上しているか否かは、何らかの動作及び状態の有無のみならず、何らかの行動及び状態の頻度の増減によっても判断することができ、これらを総じて“所望の変化”と言う。このような所望の変化がカメラ（26）の画像から把握された場合は、温冷感の推定動作が実際の寒暑の感覚と概ね一致していると判断することができ、推定モデル（67）の更新は行われない。

また、リモートコントローラ（30）を介してユーザ（U1,U2,U3）が入力した温冷感情報には、ユーザ（U1,U2,U3）の実際の寒暑の感覚が表れている。それ故、モデル更新部（68）は、リモートコントローラ（30）が受け付けた温冷感情報も用いて推定モデル（67）を更新する。

このような更新動作により、推定モデル（67）（具体的には温冷感推定ニューラルネットワーク（67b））は、より実際の温冷感に近い推定結果を算出できるようなモデルに更新されていく。

なお、モデル更新部（68）は、前回撮像した画像におけるユーザ（U1,U2,U3）の動作及び状態と、新たに撮像した画像におけるユーザ（U1,U2,U3）の動作及び状態とを比較した結果、所望の変化がある場合、及び／または、リモートコントローラ（30）が受け付けた温冷感情報が所望する温冷感情報の範囲内である場合は、推定モデル（67）の更新動作は不要と判定し、推定モデル（67）の更新動作を行わずともよい。つまり、推定モデル（67）の更新動作は、前回撮像した画像と新たに撮像した画像との間でユーザ（U1,U2,U3）の動作及び状態に所望の変化がなかった場合、及び／または、リモートコントローラ（30）が受け付けた温冷感情報が所望する温冷感情報の範囲外である場合に行われると良い。ＣＰＵ（65）が不必要な処理を行うことで高負荷となることを和らげるためである。

なお、本実施形態では、推定モデル（67）のうち更新対象となるものは、温冷感推定ニューラルネットワーク（67b）であるが、画像処理ニューラルネットワーク（67a）や演算ニューラルネットワーク（67c）が更に更新対象であってもよい。

なお、図６に示すように、推定モデル（67）を更新する際には、更に室内環境情報センサ（13）の検知結果に関する情報も利用されてもよいが、利用されずともよい。

＜推定したユーザの温冷感に伴う空調動作＞
図７は、ユーザ（U1,U2,U3）の温冷感の推定動作、及び、推定した温冷感に伴う空調動作の流れを示す図である。

カメラ（26）は、ユーザ（U1,U2,U3）の画像を撮像する（St11）。カメラ（26）が撮像した画像は、演算装置（60）に送信される。

演算装置（60）では、推定部（66）は、推定モデル（67）における画像処理ニューラルネットワーク（67a）を用いて、ユーザ（U1,U2,U3）の動作及び状態の抽出、着衣量、性別及び年齢の演算を行う（St12）。推定部（66）は、推定モデル（67）における温冷感推定ニューラルネットワーク（67b）に、ステップSt12における抽出及び演算結果を入力して、各ユーザ（U1,U2,U3）の温冷感を推定する（St13）。温冷感の推定結果は、空気調和装置（10）の制御部（14）に送信される。

空気調和装置（10）の制御部（14）は、推定された温冷感における「暑さ」の度合と、暑さ用の閾値とを比較する。「暑さ」の度合が暑さ用の閾値を超えている場合（St14のYes）、制御部（14）は、室内（r1）の目標温度を下げる（St15）。目標温度をどの程度下げるかは、例えば「暑さ」の度合と暑さ用の閾値との差によって決定されることができる。ステップSt15により、空気調和装置（10）は、冷たい空気を室内（r1）に送る風量を高めたり、より冷たい空気を室内（r1）に供給したりする。やがて、室内（r1）の温度は下降して目標温度に達するようになる。

ステップSt16において、空気調和装置（10）の制御部（14）は、推定された温冷感における「寒さ」の度合と、寒さ用の閾値とを比較する。「寒さ」の度合が寒さ用の閾値を超えている場合（St16のYes）、制御部（14）は、室内（r1）の目標温度を上げる（St17）。目標温度をどの程度上げるかは、例えば「寒さ」の度合と寒さ用の閾値との差によって決定されることができる。ステップSt17により、空気調和装置（10）は、暖かい空気を室内（r1）に送る風量を高めたり、より暖かい空気を室内（r1）に供給したりする。やがて、室内（r1）の温度は上昇して目標温度に達するようになる。

＜効果＞
カメラ（26）がユーザ（U1,U2,U3）の寒暑の感覚を表すユーザ（U1,U2,U3）の動作及び状態を撮像すると、演算装置（60）の推定部（66）はこの画像に基づいてユーザ（U1,U2,U3）の温冷感を推定し、空気調和装置（10）の制御部（14）はユーザ（U1,U2,U3）の温冷感が目標範囲内となるように推定結果に基づいて空調動作（第１空調動作）を制御する。これにより、ユーザ（U1,U2,U3）がリモートコントローラ（30）等を操作して空気調和装置（10）に目標温度を上下させるような指示を与えずとも、空気調和装置（10）は、自動的に温冷感の推定動作及びユーザ（U1,U2,U3）の温冷感を目標範囲内とするのに適した空調動作を行う。従って、ユーザ（U1,U2,U3）の利便性は向上し、室内（r1）に居るユーザ（U1,U2,U3）の快適性は自動的に向上する。

また、ユーザ（U1,U2,U3）の温冷感の推定に、ユーザ（U1,U2,U3）の画像に加えて、室内（r1）の実際の温度等である室内環境情報センサ（13）の検知結果が用いられる。従って、ユーザ（U1,U2,U3）の温冷感の推定精度は向上し、空気調和装置（10）は、ユーザ（U1,U2,U3）にとってより快適な環境を提供することができる。

ところで、人は、「暑い」と感じる程着衣量が少なくなり、「寒い」と感じる程着衣量は多くなる。そこで、推定部（66）は、画像からユーザ（U1,U2,U3）の着衣量（素肌の露出度）を演算し、その演算結果を更に用いて温冷感を推定する。これにより、ユーザ（U1,U2,U3）の温冷感の推定精度は向上し、空気調和装置（10）は、ユーザ（U1,U2,U3）にとってより快適な環境を提供することができる。

また、年齢及び性別の違いは、人が「暑い」または「寒い」と感じる感じ方に影響を及ぼすことがある。そこで、推定部（66）は、画像からユーザ（U1,U2,U3）の年齢及び性別を演算し、その演算結果を更に用いて温冷感を推定する。これにより、ユーザ（U1,U2,U3）の温冷感の推定精度は向上し、空気調和装置（10）は、ユーザ（U1,U2,U3）にとってより快適な環境を提供することができる。

また、カメラ（26）は、天井に設置されている空気調和装置（10）に設けられている。そのため、カメラ（26）は、室内（r1）に居るユーザ（U1,U2,U3）を、障害物により遮られる可能性が軽減された状態で、撮像することができる。

また、推定部（66）は、室内（r1）に居る複数のユーザ（U1,U2,U3）それぞれの温冷感を測定する。これにより、空気調和装置（10）は、各ユーザ（U1,U2,U3）の温冷感に即した空調動作を行うことができる。

ところで、ユーザ（U1,U2,U3）が「暑い」または「寒い」と感じた際にユーザ（U1,U2,U3）が採る動作及び状態は、ユーザ（U1,U2,U3）毎に異なることがある。そこで、推定部（66）は、個々のユーザ（U1,U2,U3）が「暑い」または「寒い」と感じた際に採る動作及び状態を表すユーザ感覚情報（63）を、実際に撮像した画像におけるユーザ（U1,U2,U3）の動作及び状態との照合に用いる。これにより、個々のユーザ（U1,U2,U3）の温冷感の推定精度は向上し、空気調和装置（10）は、ユーザ（U1,U2,U3）にとってより快適な環境を提供することができる。

また、ユーザ（U1,U2,U3）の画像及びリモートコントローラ（30）が受け付けたユーザ（U1,U2,U3）の温冷感情報に基づいて、推定モデル（67）が学習される。従って、推定部（66）が学習後の推定モデル（67）を用いて温冷感の推定動作を行うことにより、ユーザ（U1,U2,U3）の温冷感の推定精度は向上する。

また、推定モデル（67）は、推定部（66）の推定結果に基づく空調動作が行われた後のカメラ（26）が撮像した画像からユーザ（U1,U2,U3）の実際の温冷感が把握され、その把握結果に基づいて学習される。より具体的には、推定モデル（67）は、推定部（66）の推定結果に基づく空調動作（第１空調動作）が行われた後のカメラ（26）の撮像画像から、カメラ（26）が空調動作（第１空調動作）前に撮像した画像と比較してユーザ（U1,U2,U3）の温冷感を判断していた行動および状態の変化に基づいて学習される。ここで、ユーザ（U1,U2,U3）の温冷感を判断していた行動および状態の変化とは、行動及び状態の頻度が減少するか、または、行動及び状態が現れなくなることである。これにより、推定モデル（67）の推定結果が実際と合致しているか否かが、より正確に判断され、推定モデル（67）の推定結果が実際となるべく合致するように、推定モデル（67）の精度は更に向上する。学習後の推定モデル（67）を用いてユーザ（U1,U2,U3）の温冷感の推定動作が行われることにより、ユーザ（U1,U2,U3）の温冷感の推定精度はより向上する。

≪第２実施形態≫
本実施形態では、上記第１実施形態において、空調制御装置（50）が更にサーモグラフィセンサ（128）（表面温度測定部に相当）を備え、推定部（66）は、ユーザ（U1,U2,U3）の温冷感の推定動作に更にサーモグラフィセンサ（128）の検知結果を用いる場合について説明する。

図８は、第１実施形態の図４に対応する図であって、本実施形態に係る温冷感の推定時の推定モデル（67）の入力及び出力を表す概念図である。図８の破線に示すように、推定部（66）における推定モデル（67）は、上記第１実施形態と同様、撮像された画像のデータからユーザ（U1,U2,U3）の温冷感を演算によって求める専用のニューラルネットワークとして予め構築されている。具体的には、推定モデル（67）は、主として、画像処理ニューラルネットワーク（67a）と温冷感推定ニューラルネットワーク（67b）の、言わば２層構造のニューラルネットワークとなっている。

画像処理ニューラルネットワーク（67a）の入力と出力は、上記第１実施形態と同様である。

温冷感推定ニューラルネットワーク（67b）には、画像処理ニューラルネットワーク（67a）の抽出結果及び演算結果、室内環境情報センサ（13）の検知結果に関する情報に加え、サーモグラフィセンサ（128）の検知結果が入力される。

サーモグラフィセンサ（128）は、室内（r1）に居る各ユーザ（U1,U2,U3）の表面温度を測定する。サーモグラフィセンサ（128）の室内（r1）での取り付け位置は、特に限定されることはなく、例えばリモートコントローラ（30）に組み込まれても良いし、空気調和装置（10）の下面（21）に取り付けられてもよい。

なお、図８に示すように、サーモグラフィセンサ（128）の検知結果は、室内環境情報センサ（13）の検知結果が演算ニューラルネットワーク（67c）にて演算処理されるのと同様、別途演算ニューラルネットワーク（67d）にて所定の演算が施された後に、温冷感推定ニューラルネットワーク（67b）に入力されてもよい。

温冷感推定ニューラルネットワーク（67b）では、上記第１実施形態と同様、画像処理ニューラルネットワーク（67a）の抽出結果及び演算結果に基づいて個々のユーザ（U1,U2,U3）の温冷感が求められる。この際、上記第１実施形態と同様、ユーザ感覚情報（63）は基準として用いられる。サーモグラフィセンサ（128）の検知結果は、室内環境情報センサ（13）の検知結果に関する情報と同様、個々のユーザ（U1,U2,U3）の温冷感の算出において加味される。

サーモグラフィセンサ（128）の検知結果は、図９に示すように、推定モデル（67）の更新動作においても、画像処理ニューラルネットワーク（67a）の抽出結果及び演算結果、室内環境情報センサ（13）の検知結果に関する情報に加えて用いられてもよい。

図８及び図９を用いて説明した以外、具体的には、空調制御装置（50）を用いた空調システム（100）の構成、ユーザ感覚情報（63）、推定結果を用いた空調動作の詳細は、上記第１実施形態と同様であるため、説明を省略する。

このように、本実施形態では、ユーザ（U1,U2,U3）の温冷感の推定に、ユーザ（U1,U2,U3）の実際の表面温度が更に用いられる。従って、ユーザ（U1,U2,U3）の温冷感の推定精度はより向上し、空気調和装置（10）は、ユーザ（U1,U2,U3）にとってより快適な環境を提供することができる。

≪その他の実施形態≫
上記第１実施形態及び第２実施形態において、画像から抽出されたユーザ（U1,U2,U3）の動きから当該ユーザ（U1,U2,U3）の発熱量を演算し、その結果が温冷感の推定に利用されてもよい。

上記第１実施形態及び第２実施形態において、推定部（66）は、更に各ユーザ（U1,U2,U3）の心拍数の検知結果を各ユーザ（U1,U2,U3）の温冷感の推定に用いても良い。これにより、各ユーザ（U1,U2,U3）の温冷感はより細かく把握されるようになる。各ユーザ（U1,U2,U3）の心拍数は、カメラ（26）が撮像した画像から、各ユーザ（U1,U2,U3）の状態を表す情報として算出されてもよいし、カメラ（26）とは別の心拍数を検知するセンサによって検知されても良い。各ユーザ（U1,U2,U3）の心拍数は、推定モデル（67）の学習の際に用いられても良い。

上記第１実施形態及び第２実施形態において、吸い込みセンサとは別のセンサが室内環境情報センサ（13）として設けられても良い。室内環境情報センサ（13）が検知する室内に関する情報は、室内（r1）の温度及び湿度に限定されることはなく、室内（r1）の環境に関する様々な情報が含まれる。また、室内環境情報センサ（13）の検知結果は、室内（r1）の温度のみであってもよい。

リモートコントローラ（30）を介して入力されたユーザ（U1,U2,U3）の温冷感情報は、空調動作（第１空調動作に相当）の制御の微調整及び学習等に利用されてもよい。カメラ（26）が新たに撮像した画像も、上記温冷感情報と同様、推定モデル（67）の更新のみならず、空調動作（第１空調動作に相当）の制御の微調整及び学習などに利用されてもよい。

上記空調動作の制御の微調整および学習としては、フラップ（16）の位置、室内ファン（12）の回転速度、及び室内（r1）の設定温度それぞれの、温冷感の快適性向上のための空調動作にて用いられる目標値を微調整および学習することが含まれる。

例えば、推定部（66）が推定したユーザ（U1,U2,U3）の温冷感における「暑さ」の度合が、暑さ用の閾値を超えているとする。この場合、当該ユーザ（U1,U2,U3）の温冷感が「暑い」であると判断できる。制御部（14）は、当該ユーザ（U1,U2,U3）に空調空気が供給されるようにフラップ（16）の位置を制御すると共に、室内（r1）の設定温度の目標値を例えば２度下げて当該ユーザ（U1,U2,U3）により冷たい空調空気を供給する。

この際、「暑さ」の度合が暑さ用の閾値を超えているユーザ（U1,U2,U3）が一人の場合、制御部（14）は、風向がそのユーザ（U1,U2,U3）に向く状態でフラップ（16）の位置を固定にする。「暑さ」の度合が暑さ用の閾値を超えているユーザ（U1,U2,U3）が複数人存在する場合、制御部（14）は、空調空気がスイングして当該ユーザ（U1,U2,U3）それぞれに供給されるように、フラップ（16）をスイングさせてもよい。

その後、カメラ（26）は、新たに画像を撮像する。その画像を用いて、推定部（66）は、空調空気が供給されているユーザ（U1,U2,U3）の温冷感を推定し直す。その結果、当該ユーザ（U1,U2,U3）の「暑さ」の度合が暑さ用の閾値以下となり、且つ、「寒さ」の度合も寒さ用の閾値以下の場合、制御部（14）は、ユーザ（U1,U2,U3）が暑いと感じていた温冷感が快適に変化したと判断できるため、これまでの空調動作の制御はユーザ（U1,U2,U3）に合致したものであったと学習する。

一方、当該ユーザ（U1,U2,U3）の「暑さ」の度合がなおも暑さ用の閾値を超えている場合、制御部（14）は、室内（r1）の設定温度の目標値を更に２度下げると共に、室内ファン（12）の回転速度をそれまでよりも上昇させる。これにより、ユーザ（U1,U2,U3）には、より冷たい空調空気が、風量の上がった状態で供給される。

なお、「暑さ」の度合が暑さ用の閾値を超えているユーザ（U1,U2,U3）がなおも複数人存在する場合、制御部（14）は、フラップ（16）のスイング動作を、それまでとは異なったスイング動作の仕方に変更するように、フラップ（16）の位置を制御してもよい。例えば、制御部（14）は、各ユーザ（U1,U2,U3）の位置に応じて、フラップ（16）の上下または左右にスイングさせる時間間隔を変更したり、スイングの途中でフラップ（16）を一時的に停止させたりする。

また、「暑さ」の度合が暑さ用の閾値を超えているユーザ（U1,U2,U3）が減少した場合、制御部（14）は、未だ暑いと感じているユーザ（U1,U2,U3）のみに空調空気が供給されるように、フラップ（16）の位置を制御して風向の上下方向および左右方向の調整を行ってもよい。

暑いと感じていたユーザ（U1,U2,U3）の人数が複数人から一人となった場合、制御部（14）は、未だ「暑い」と感じているユーザ（U1,U2,U3）のみに空調空気を供給するべく、フラップ（16））をスイングの状態から位置固定の状態に変化させる制御を行っても良い。

その後、カメラ（26）は、再度画像を新たに撮像し、その画像から、推定部（66）が当該ユーザ（U1,U2,U3）の温冷感を再度推定する。その結果、「暑さ」の度合が暑さ用の閾値以下となり、且つ、「寒さ」の度合も寒さ用の閾値以下の場合、制御部（14）は、ユーザ（U1,U2,U3）が暑いと感じていた温冷感が快適に変化したと判断できる。この際、制御部（14）は、ユーザ（U1,U2,U3）の温冷感の快適性の向上のために必要となった一連の空調動作の制御内容を学習し、次回以降の空調動作（第１空調動作）に役立てるべく、室内（r1）の設定温度や室内ファン（12）の回転速度等の各目標値を、今回行った空調制御における最終的な値に設定する。即ち、次回からの空調動作（第１空調動作）では、当該学習後の設定温度等での空調動作（第１空調動作）が自動で開始される。そのため、次回行われる空調動作（第１空調動作）は、ユーザ（U1,U2,U3）の温冷感をより確実に快適にさせ易いものとなる。

特に、制御部（14）は、上述した空調動作（第１空調動作）において、フラップ（16）をスイングさせた場合、複数のユーザ（U1,U2,U3）が快適と感じた際のスイングの仕方を学習することが好ましい。

また、このような空調制御の学習時、上記実施形態１，２で説明したユーザ（U1,U2,U3）によるリモートコントローラ（30）からの入力（温冷感情報）が更に利用されてもよい。つまり、制御部（14）は、上記空調制御後に入力された温冷感情報を用いて、現在の空調制御が、温冷感の快適性向上に有効な内容となっているか否かを判断し、空調制御の内容を学習により更新してもよい。この場合、空調制御についても、その制御に用いる制御モデルが構築され、当該制御モデルを学習させるようになっていてもよい。

なお、上述した空調動作の制御では、フラップ（16）の位置、室内ファン（12）の回転速度及び室内（r1）の設定温度を微調整および学習する場合を例示したが、これらのうちの少なくとも１つが微調整および学習されてもよい。

上記第１実施形態及び第２実施形態では、画像には、ユーザ（U1,U2,U3）の寒暑の感覚を表すユーザ（U1,U2,U3）の動作及び状態が写し出されていると説明したが、画像に写し出されているものは、ユーザ（U1,U2,U3）の動作及び状態のうち少なくとも１つであってもよい。この場合、画像処理ニューラルネットワーク（67a）の抽出結果は、ユーザ（U1,U2,U3）の動作及び状態のうち少なくとも１つとなる。

室内環境情報センサ（13）の検知結果は、温冷感の推定に利用されずともよい。

ユーザ（U1,U2,U3）の着衣量の演算結果は、温冷感の推定に利用されずともよい。

ユーザ（U1,U2,U3）の性別及び年齢の演算結果は、温冷感の推定に利用されずとも良い。

ユーザ（U1,U2,U3）の性別及び年齢を温冷感の推定に用いる場合、ユーザ（U1,U2,U3）の性別及び年齢のいずれか一方が温冷感の推定に用いられもよい。

空気調和装置（10）は、室内（r1）の天井に設置されるタイプに限定されず、壁面設置タイプ、床置きタイプ等であることができる。

カメラ（26）は、室内（r1）のユーザ（U1,U2,U3）を撮像できる位置にあればよく、空気調和装置（10）に設けられずともよい。例えば、カメラ（26）は、ユーザ（U1,U2,U3）のパーソナルコンピュータが有するウェブカメラであってもよい。

上記第１実施形態及び第２実施形態に係る空調制御装置（50）は、室内（r1）に居るユーザの人数が一人である場合にも適用できる。

また、空調制御装置（50）は、室内（r1）に居るユーザの人数が複数の場合、温冷感の推定対象者は、全員ではなく、任意であってもよい。

推定部（66）は、温冷感の推定時に、ユーザ感覚情報（63）を利用せずともよい。

推定モデル（67）の更新動作は行われなくても良い。

推定モデル（67）の更新動作を行う場合、温冷感の推定時と推定モデル（67）の更新動作時とで、使用するパラメータが同じであってもよいし、異なっていても良い。例えば、温冷感の推定時のパラメータは、画像、室内の温度及び湿度、吹き出し口（24）から吹き出される空気の吹き出し温度及び湿度、風量、風向、空調能力のうち少なくとも１つであることができる。推定モデル（67）の更新動作時のパラメータは、画像、室内の温度及び湿度、風速、輻射温度のうち少なくとも１つであることができる。

上記第１実施形態及び第２実施形態では、ニューラルネットワークで構築された推定モデル（67）を利用して温冷感の推定が行われる場合を説明したが、温冷感の推定動作は、上記推定モデル（67）を利用することなく、例えばプログラムを実行することによってなされてもよい。

上記第１実施形態及び第２実施形態では、温冷感情報の入力を受け付ける受け付け部が“リモートコントローラ（30）”である場合を例示した。しかし、受け付け部は、スマートフォン、タブレット、パーソナルコンピュータなどの、リモートコントローラとは別の機器で構成されていてもよい。また、温冷感情報を入力する手段は、音声入力などであってもよい。

以上説明したように、本発明は、ユーザの温冷感を推定し、その推定結果に基づいて空調動作を制御する空調制御装置について有用である。

10 空気調和装置
13 室内環境情報センサ（検知部）
14 制御部
26 カメラ（撮像部）
30 リモートコントローラ（受け付け部）
50 空調制御装置
62 記憶部
64 ユーザ感覚情報
66 推定部
67 推定モデル
68 モデル更新部
U1,U2,U3 ユーザ
128 サーモグラフィセンサ（表面温度測定部）

Claims

ユーザ（U1,U2,U3）を撮像する撮像部（26）と、
上記撮像部（26）が撮像した上記ユーザ（U1,U2,U3）の画像に基づいて、上記ユーザ（U1,U2,U3）が暑さ又は寒さを感じる度合いを示す温冷感を推定する推定部（66）と、
上記推定部（66）の推定結果に基づいて、上記温冷感が目標範囲内となるように、上記ユーザ（U1,U2,U3）が居る室内を空調対象とする空気調和装置（10）の第１空調動作を制御する制御部（14）と、
上記ユーザ（U1,U2,U3）の上記温冷感を表す温冷感情報の該ユーザ（U1,U2,U3）による入力を受け付けることが可能な受け付け部（30）と、
を備え、
上記画像には、上記ユーザ（U1,U2,U3）の寒暑の感覚を表す該ユーザ（U1,U2,U3）の動作、及び／または、上記ユーザ（U1,U2,U3）の寒暑の感覚を表す該ユーザ（U1,U2,U3）の状態が写し出されており、
上記制御部（14）は、上記推定部（66）の推定結果に基づく上記第１空調動作が行われた後に取得した前記推定部による上記ユーザの温冷感の推定結果、または、上記第１空調動作が行われた後に上記受け付け部（30）が受け付けた上記温冷感情報に基づいて、上記ユーザ（U1,U2,U3）の上記温冷感が上記目標範囲内となるように上記第１空調動作の制御の内容を学習する
ことを特徴とする空調制御装置。
請求項１において、
上記第１空調動作の制御の内容についての学習は、フラップの位置、ファンの回転速度、および室内の設定温度の少なくとも一つに関する目標値の学習である
ことを特徴とする空調制御装置。
請求項１または、請求項２において、
上記第１空調動作の制御の内容についての学習は、フラップの位置とファンの回転速度の目標値の学習を含む
ことを特徴とする空調制御装置。