JP2020140656A

JP2020140656A - Attribute estimation device, method, and program

Info

Publication number: JP2020140656A
Application number: JP2019037865A
Authority: JP
Inventors: 賀子古田; Yoshiko Furuta; 俊徳笹谷; Toshinori Sasaya; 捷大内; Sho Ouchi
Original assignee: Tokyo Gas Co Ltd
Current assignee: Tokyo Gas Co Ltd
Priority date: 2019-03-01
Filing date: 2019-03-01
Publication date: 2020-09-03
Anticipated expiration: 2039-03-01
Also published as: JP7157681B2

Abstract

To provide an attribute estimation device for estimating unacquired attribute information based on energy use amount and a part of attribution information already acquired.SOLUTION: An attribute estimation device 100 comprises: a use amount acquisition part 201 for acquiring energy use amount; an attribute information acquisition part 202 for acquiring first attribution information; a correspondence relation storage part 206 for storing correspondence relation between the energy use amount and the first attribution information, and second attribution information; and an estimation part 203 for estimating the second attribution information based on the acquired energy use amount and the acquired first attribution information, and the correspondence relation.SELECTED DRAWING: Figure 2

Description

本発明は、居住者の属性を推定するための技術に関する。 The present invention relates to a technique for estimating resident attributes.

従来、顧客の属性情報（例えば、住居形態、家族構成、子供・高齢者の有無、就業形態、外出頻度等）は、種々のマーケティングやサービス提供に必要な有益な情報であるが、その取得は必ずしも簡単ではなかった。 Conventionally, customer attribute information (for example, housing type, family structure, presence / absence of children / elderly people, employment type, frequency of going out, etc.) is useful information necessary for various marketing and service provision, but acquisition is required. It wasn't always easy.

そのため、顧客の属性情報を推定する技術がある。例えば、特許文献１では、家庭の使用電力量を示す情報に基づいて、該家庭の属性情報を推定することが開示されている。具体的には、複数の家庭の各々の電力使用量を示す情報に対してディープラーニングを行うと、ディープラーニングを行うことによって得られる電力使用量の特徴量と電力使用量が得られた家庭の属性情報とを関連付ける（特許文献１の段落［００２２］の（ステップＳ７０８）参照）。そして、この関連付けに基づいて、属性情報が未知である家庭の電力使用量の特徴量に関連付けられた属性情報を推定することができる（特許文献１の段落［００４３］の（ステップＳ１３０６）参照）。 Therefore, there is a technique for estimating customer attribute information. For example, Patent Document 1 discloses that the attribute information of a household is estimated based on the information indicating the amount of power used by the household. Specifically, when deep learning is performed on information indicating the power consumption of each of a plurality of households, the feature amount of the power consumption obtained by performing the deep learning and the power consumption of the household in which the power consumption is obtained. Associate with attribute information (see paragraph [0022] of Patent Document 1 (step S708)). Then, based on this association, the attribute information associated with the characteristic amount of the electric power consumption of the household whose attribute information is unknown can be estimated (see (step S1306) of paragraph [0043] of Patent Document 1). ..

特開２０１８−１３２８０２号公報JP-A-2018-132802

しかしながら、特許文献１では、すべての属性情報が推定されている。具体的には、電力使用量とその電力使用量が得られた家庭のすべての属性情報とが関連付けられており、電力使用量のみに基づいて、その電力使用量が得られた家庭のすべての属性情報を推定している。 However, in Patent Document 1, all attribute information is estimated. Specifically, the amount of electricity used is associated with all the attribute information of the household from which the amount of electricity used was obtained, and all the households from which the amount of electricity used was obtained based only on the amount of electricity used. Estimating attribute information.

現状、ガス、電気等のエネルギを供給する事業者（以下、エネルギ供給事業者ともいう）では、顧客の一部の属性情報のみを保有していることがある。しかし、特許文献１では、たとえ既に一部の属性情報が取得されていたとしても、これらの取得済みの一部の属性情報が活用されていない。 At present, a business operator that supplies energy such as gas and electricity (hereinafter, also referred to as an energy supply business operator) may have only some attribute information of a customer. However, in Patent Document 1, even if some attribute information has already been acquired, some of the acquired attribute information is not utilized.

そこで、本発明は、ガス、電気等のエネルギの使用量（以下、エネルギ使用量ともいう）と取得済みの一部の属性情報とに基づいて、未取得の属性情報を推定することを目的とする。 Therefore, an object of the present invention is to estimate unacquired attribute information based on the amount of energy used such as gas and electricity (hereinafter, also referred to as energy consumption) and some acquired attribute information. To do.

本発明の一態様は、エネルギ使用量を取得する使用量取得部と、第１の属性情報を取得する属性情報取得部と、エネルギ使用量および第１の属性情報と、第２の属性情報との対応関係を格納した対応関係格納部と、前記取得したエネルギ使用量および前記取得した第１の属性情報と、前記対応関係とに基づいて、前記第２の属性情報を推定する推定部と、を備える。 One aspect of the present invention includes a usage amount acquisition unit that acquires energy usage, an attribute information acquisition unit that acquires first attribute information, energy usage, first attribute information, and a second attribute information. A correspondence relationship storage unit that stores the correspondence relationship, an estimation unit that estimates the second attribute information based on the acquired energy usage amount, the acquired first attribute information, and the correspondence relationship. To be equipped.

本発明によれば、エネルギ使用量と取得済みの一部の属性情報とに基づいて、未取得の属性情報を推定することができる。 According to the present invention, unacquired attribute information can be estimated based on the amount of energy used and some acquired attribute information.

本発明の一実施形態に係る属性推定装置を含む全体の構成図である。It is a block diagram of the whole including the attribute estimation apparatus which concerns on one Embodiment of this invention. 本発明の一実施形態に係る属性推定装置の機能ブロック図である。It is a functional block diagram of the attribute estimation device which concerns on one Embodiment of this invention. 本発明の一実施形態に係る推定前データ格納部に格納されている推定前データの一例である。This is an example of pre-estimation data stored in the pre-estimation data storage unit according to the embodiment of the present invention. 本発明の一実施形態に係る推定を説明するための図である。It is a figure for demonstrating the estimation which concerns on one Embodiment of this invention. 本発明の一実施形態に係る対応関係を説明するための図である。It is a figure for demonstrating the correspondence relation which concerns on one Embodiment of this invention. 本発明の一実施形態に係る推定後データ格納部に格納されている推定後データの一例である。This is an example of post-estimation data stored in the post-estimation data storage unit according to the embodiment of the present invention. 本発明の一実施形態に係る属性情報推定処理のフローチャートである。It is a flowchart of attribute information estimation processing which concerns on one Embodiment of this invention. 本発明の一実施形態に係るリスト出力処理のフローチャートである。It is a flowchart of the list output processing which concerns on one Embodiment of this invention. 本発明の一実施形態に係る属性推定装置のハードウェア構成を示すブロック図である。It is a block diagram which shows the hardware structure of the attribute estimation apparatus which concerns on one Embodiment of this invention.

以下、図面に基づいて本発明の実施の形態を説明する。 Hereinafter, embodiments of the present invention will be described with reference to the drawings.

図１は、本発明の一実施形態に係る属性推定装置１００を含む全体の構成図である。全体の構成図には、属性推定装置１００、１または複数の計測機器１０１、１または複数の居住者端末１０２、１または複数の作業員端末１０３、１または複数のリスト出力端末１０４が含まれうる。以下、それぞれについて説明する。 FIG. 1 is an overall configuration diagram including an attribute estimation device 100 according to an embodiment of the present invention. The overall configuration diagram may include attribute estimation devices 100, one or more measuring devices 101, one or more resident terminals 102, one or more worker terminals 103, or one or more list output terminals 104. .. Each will be described below.

属性推定装置１００は、ガス、電気等のエネルギを使用している顧客（以下、居住者ともいう）の属性情報を推定する装置である。具体的には、属性推定装置１００は、計測機器１０１から取得したエネルギ使用量と、居住者端末１０２や作業員端末１０３から取得した一部の属性情報とに基づいて、未取得の属性情報を推定するための装置である。属性推定装置１００は、１または複数のコンピュータからなる。属性推定装置１００は、任意のネットワーク１０５を介して、計測機器１０１とデータを送受信することができる。また、属性推定装置１００は、任意のネットワーク１０５を介して、居住者端末１０２とデータを送受信することができる。また、属性推定装置１００は、任意のネットワーク１０５を介して、作業員端末１０３とデータを送受信することができる。また、属性推定装置１００は、任意のネットワーク１０５を介して、リスト出力端末１０４とデータを送受信することができる。後段で、図２を参照しながら、属性推定装置１００について詳細に説明する。 The attribute estimation device 100 is a device that estimates the attribute information of a customer (hereinafter, also referred to as a resident) who uses energy such as gas or electricity. Specifically, the attribute estimation device 100 obtains unacquired attribute information based on the energy consumption acquired from the measuring device 101 and some attribute information acquired from the resident terminal 102 and the worker terminal 103. It is a device for estimating. The attribute estimation device 100 includes one or more computers. The attribute estimation device 100 can send and receive data to and from the measuring device 101 via an arbitrary network 105. Further, the attribute estimation device 100 can send and receive data to and from the resident terminal 102 via an arbitrary network 105. Further, the attribute estimation device 100 can send and receive data to and from the worker terminal 103 via an arbitrary network 105. Further, the attribute estimation device 100 can send and receive data to and from the list output terminal 104 via an arbitrary network 105. In the latter part, the attribute estimation device 100 will be described in detail with reference to FIG.

計測機器１０１は、居住者宅に設置されたエネルギ使用量を計測するための機器（例えば、スマートメータ等）である。計測機器１０１は、任意のネットワーク１０５を介して、属性推定装置１００とデータを送受信することができる。具体的には、計測機器１０１は、計測したエネルギ使用量１１１のデータを属性推定装置１００へ送信する。 The measuring device 101 is a device (for example, a smart meter or the like) installed in a resident's house for measuring the amount of energy used. The measuring device 101 can send and receive data to and from the attribute estimation device 100 via an arbitrary network 105. Specifically, the measuring device 101 transmits the measured data of the energy usage amount 111 to the attribute estimation device 100.

居住者端末１０２は、居住者が利用する端末である。居住者端末１０２は、パーソナルコンピュータ、タブレット、スマートフォン等のコンピュータである。居住者端末１０２は、任意のネットワーク１０５を介して、属性推定装置１００とデータを送受信することができる。具体的には、居住者端末１０２は、居住者が居住者端末１０２に入力した、居住者の属性情報１２１のデータを属性推定装置１００へ送信する。例えば、居住者は、アンケートや会員登録等を通じて、居住者の属性情報を入力する。 The resident terminal 102 is a terminal used by the resident. The resident terminal 102 is a computer such as a personal computer, a tablet, or a smartphone. The resident terminal 102 can send and receive data to and from the attribute estimation device 100 via an arbitrary network 105. Specifically, the resident terminal 102 transmits the data of the resident attribute information 121 input to the resident terminal 102 by the resident to the attribute estimation device 100. For example, the resident inputs the attribute information of the resident through a questionnaire, membership registration, or the like.

作業員端末１０３は、居住者宅への訪問等によって居住者と接する機会がある者（例えば、エネルギ供給事業者の作業員等）が利用する端末である。作業員端末１０３は、パーソナルコンピュータ、タブレット、スマートフォン等のコンピュータである。作業員端末１０３は、任意のネットワーク１０５を介して、属性推定装置１００とデータを送受信することができる。具体的には、作業員端末１０３は、作業員等が作業員端末１０３に入力した、居住者の属性情報１３１のデータを属性推定装置１００へ送信する。例えば、作業員等は、居住者宅を訪問したときに見聞きした居住者の属性情報を入力する。 The worker terminal 103 is a terminal used by a person (for example, a worker of an energy supply company) who has an opportunity to come into contact with a resident by visiting a resident's house or the like. The worker terminal 103 is a computer such as a personal computer, a tablet, or a smartphone. The worker terminal 103 can send and receive data to and from the attribute estimation device 100 via an arbitrary network 105. Specifically, the worker terminal 103 transmits the data of the resident attribute information 131 input to the worker terminal 103 by the worker or the like to the attribute estimation device 100. For example, a worker or the like inputs the attribute information of a resident who has seen or heard when visiting a resident's house.

リスト出力端末１０４は、居住者端末１０２や作業員端末１０３から取得した一部の属性情報および属性推定装置１００によって推定された属性情報を含むデータベースから、所望の属性情報を有する居住者のリストを出力するための端末である。リスト出力端末１０４は、パーソナルコンピュータ、タブレット、スマートフォン等のコンピュータである。リスト出力端末１０４は、任意のネットワーク１０５を介して、属性推定装置１００とデータを送受信することができる。具体的には、リスト出力端末１０４は、所望の属性情報のデータを属性推定装置１００へ送信する。また、リスト出力端末１０４は、所望の属性情報を有する居住者のリストのデータを属性推定装置１００から受信する。 The list output terminal 104 obtains a list of residents having desired attribute information from a database including a part of attribute information acquired from the resident terminal 102 and the worker terminal 103 and the attribute information estimated by the attribute estimation device 100. It is a terminal for output. The list output terminal 104 is a computer such as a personal computer, a tablet, or a smartphone. The list output terminal 104 can send and receive data to and from the attribute estimation device 100 via an arbitrary network 105. Specifically, the list output terminal 104 transmits data of desired attribute information to the attribute estimation device 100. Further, the list output terminal 104 receives the data of the list of residents having the desired attribute information from the attribute estimation device 100.

図２は、本発明の一実施形態に係る属性推定装置１００の機能ブロック図である。属性推定装置１００は、使用量取得部２０１、属性情報取得部２０２、推定部２０３、推定前データ格納部２０５、対応関係格納部２０６、推定後データ格納部２０７を含む。なお、属性推定装置１００は、リスト出力部２０４を含む構成とすることもできる。また、属性推定装置１００は、プログラムを実行することで、使用量取得部２０１、属性情報取得部２０２、推定部２０３として機能する。なお、属性推定装置１００は、プログラムを実行することで、リスト出力部２０４として機能する構成とすることもできる。以下、それぞれについて説明する。 FIG. 2 is a functional block diagram of the attribute estimation device 100 according to the embodiment of the present invention. The attribute estimation device 100 includes a usage amount acquisition unit 201, an attribute information acquisition unit 202, an estimation unit 203, a pre-estimation data storage unit 205, a correspondence storage unit 206, and a post-estimation data storage unit 207. The attribute estimation device 100 may be configured to include the list output unit 204. Further, the attribute estimation device 100 functions as a usage amount acquisition unit 201, an attribute information acquisition unit 202, and an estimation unit 203 by executing a program. The attribute estimation device 100 can also be configured to function as the list output unit 204 by executing the program. Each will be described below.

使用量取得部２０１は、居住者のエネルギ使用量のデータを取得する。具体的には、使用量取得部２０１は、居住者宅に設置された計測機器（例えば、スマートメータ等）１０１から、居住者のエネルギ使用量のデータを取得することができる。また、使用量取得部２０１は、取得した居住者のエネルギ使用量のデータを推定前データ格納部２０５に記憶させる。 The usage amount acquisition unit 201 acquires data on the energy usage amount of the resident. Specifically, the usage amount acquisition unit 201 can acquire data on the energy usage amount of the resident from a measuring device (for example, a smart meter or the like) 101 installed in the resident's house. Further, the usage amount acquisition unit 201 stores the acquired energy usage data of the resident in the pre-estimation data storage unit 205.

なお、使用量取得部２０１は、エネルギ供給事業者がエネルギ使用量を管理しているコンピュータから、居住者のエネルギ使用量のデータを取得する構成とすることもできる。 The usage amount acquisition unit 201 may also be configured to acquire data on the energy usage amount of the resident from a computer in which the energy supply company manages the energy usage amount.

属性情報取得部２０２は、居住者の属性情報のデータを取得する。具体的には、属性情報取得部２０２は、居住者端末１０２と作業員端末１０３との少なくとも一方から、居住者の属性情報のデータを取得する。また、属性情報取得部２０２は、取得した居住者の属性情報のデータを推定前データ格納部２０５に記憶させる。 The attribute information acquisition unit 202 acquires the data of the attribute information of the resident. Specifically, the attribute information acquisition unit 202 acquires resident attribute information data from at least one of the resident terminal 102 and the worker terminal 103. In addition, the attribute information acquisition unit 202 stores the acquired resident attribute information data in the pre-estimation data storage unit 205.

なお、属性情報取得部２０２は、居住者端末１０２や作業員端末１０３以外のコンピュータから、居住者の属性情報を取得する（例えば、外部データベース内の居住者の属性情報を取得する）構成とすることもできる。 The attribute information acquisition unit 202 is configured to acquire resident attribute information (for example, acquire resident attribute information in an external database) from a computer other than the resident terminal 102 or the worker terminal 103. You can also do it.

推定前データ格納部２０５は、使用量取得部２０１が取得した居住者のエネルギ使用量のデータと、属性情報取得部２０２が取得したその居住者の属性情報のデータと、を紐付けて格納している。図３を参照しながら、推定前データ格納部２０５に格納されている推定前データ３００について詳細に説明する。 The pre-estimation data storage unit 205 stores the energy usage data of the resident acquired by the usage amount acquisition unit 201 and the attribute information data of the resident acquired by the attribute information acquisition unit 202 in association with each other. ing. The pre-estimation data 300 stored in the pre-estimation data storage unit 205 will be described in detail with reference to FIG.

図３は、本発明の一実施形態に係る推定前データ格納部２０５に格納されている推定前データ３００の一例である。図３に示されるように、推定前データ３００は、例えば、居住者、エネルギ使用量、属性情報（例えば、住居形態、家族構成、子供、高齢者、就業形態、外出頻度）といった項目のデータを含む。 FIG. 3 is an example of the pre-estimation data 300 stored in the pre-estimation data storage unit 205 according to the embodiment of the present invention. As shown in FIG. 3, the pre-estimation data 300 includes data of items such as resident, energy consumption, and attribute information (for example, housing type, family structure, children, elderly people, employment type, and frequency of going out). Including.

「居住者」は、居住者を識別するための情報（例えば、エネルギ供給事業者が居住者に付与した顧客番号、居住者名等）である。エネルギ使用量と属性情報とは、居住者を識別するための情報によって紐付けられる。 The "resident" is information for identifying the resident (for example, a customer number, a resident name, etc. given to the resident by the energy supply company). Energy usage and attribute information are linked by information for identifying a resident.

「エネルギ使用量」は、その居住者のエネルギ使用量である。エネルギ使用量は、任意の期間におけるエネルギ使用量（例えば、１か月間のエネルギ使用量、１年間のエネルギ使用量等）であってよい。また、複数のエネルギ使用量（例えば、ｎか月分、ｎ年分等）が格納されてもよい。また、複数の種類のエネルギの使用量（例えば、ガスの使用量と電気の使用量）が格納されてもよい。 "Energy usage" is the energy usage of the resident. The energy consumption may be the energy usage in an arbitrary period (for example, the energy usage for one month, the energy usage for one year, etc.). Further, a plurality of energy consumption amounts (for example, for n months, n years, etc.) may be stored. In addition, a plurality of types of energy usage (for example, gas usage and electricity usage) may be stored.

なお、エネルギの使用量の代わりに、エネルギの料金の値を用いるようにしてもよい。 It should be noted that the value of the energy charge may be used instead of the amount of energy used.

「属性情報」は、その居住者の属性情報である。属性情報は、居住者に関する任意の情報であってよい。例えば、属性情報は、住居形態（例えば、一戸建てまたは集合住宅）、家族構成（例えば、家族の人数）、子供の有無、高齢者の有無、就業形態（例えば、共働きまたは片働き）、外出頻度、ペットの有無、住居の設備（例えば、所定のガス機器等の有無）、年齢（例えば、各居住者の年齢）等である。 "Attribute information" is the attribute information of the resident. The attribute information may be arbitrary information about the resident. For example, attribute information includes housing type (for example, detached house or apartment house), family composition (for example, number of family members), presence or absence of children, presence or absence of elderly people, employment type (for example, double-income or one-sided work), frequency of going out, etc. Presence / absence of pets, housing equipment (for example, presence / absence of predetermined gas appliances, etc.), age (for example, age of each resident), and the like.

なお、図３において、網掛け部分（つまり、居住者Ａの「高齢者」、居住者Ｂの「外出頻度」、居住者Ｃの「子供」「高齢者」、居住者Ｄの「家族構成」「就業形態」、居住者Ｅの「住居形態」）は、未取得の属性情報である。これらの未取得の属性情報が推定されることとなる。 In addition, in FIG. 3, the shaded part (that is, the “elderly person” of the resident A, the “frequency of going out” of the resident B, the “children” and the “elderly person” of the resident C, and the “family composition” of the resident D. “Working form” and “residential form” of resident E) are unacquired attribute information. These unacquired attribute information will be estimated.

図２に戻る。推定部２０３は、使用量取得部２０１が取得したエネルギ使用量と、属性情報取得部２０２が取得した属性情報（つまり、居住者の一部の属性情報）とに基づいて、未取得の属性情報を推定する。具体的には、推定部２０３は、エネルギ使用量と一部の属性情報、および、対応関係格納部２０６内の対応関係に基づいて、未取得の属性情報を推定する。まず、図４および図５を参照しながら、推定および対応関係について説明する。 Return to FIG. The estimation unit 203 has not acquired attribute information based on the energy usage acquired by the usage acquisition unit 201 and the attribute information acquired by the attribute information acquisition unit 202 (that is, some attribute information of the resident). To estimate. Specifically, the estimation unit 203 estimates unacquired attribute information based on the energy usage amount, some attribute information, and the correspondence relationship in the correspondence relationship storage unit 206. First, the estimation and the correspondence will be described with reference to FIGS. 4 and 5.

なお、"属性情報取得部２０２が取得した属性情報"を第１の属性情報ともいい、推定される"未取得の属性情報"を第２の属性情報ともいう。また、居住者の属性情報は、第１の属性情報と第２の属性情報とを含むことができる。すなわち、居住者の属性情報は、第１の属性情報と第２の属性情報と以外の属性情報を含んでもよいし、含まなくてもよい。 The "attribute information acquired by the attribute information acquisition unit 202" is also referred to as the first attribute information, and the estimated "unacquired attribute information" is also referred to as the second attribute information. In addition, the resident attribute information can include the first attribute information and the second attribute information. That is, the resident attribute information may or may not include attribute information other than the first attribute information and the second attribute information.

図４は、本発明の一実施形態に係る推定を説明するための図である。
・まず、推定前データ３００（つまり、エネルギ使用量１１１および一部の属性情報１２１、１３１）が取得される。
・次に、推定部２０３は、推定前データ３００、および、対応関係格納部２０６内の対応関係に基づいて、一部の属性情報以外の属性情報（つまり、未取得の属性情報）４００を推定する。
・次に、推定前データ３００（つまり、エネルギ使用量１１１および一部の属性情報１２１、１３１）と、一部の属性情報以外の属性情報４００とからなる推定後データ６００が生成される。 FIG. 4 is a diagram for explaining an estimation according to an embodiment of the present invention.
First, the pre-estimation data 300 (that is, the energy usage 111 and some attribute information 121 and 131) is acquired.
Next, the estimation unit 203 estimates attribute information other than some attribute information (that is, unacquired attribute information) 400 based on the pre-estimation data 300 and the correspondence in the correspondence storage unit 206. To do.
Next, the post-estimation data 600 including the pre-estimation data 300 (that is, the energy usage 111 and some attribute information 121 and 131) and the attribute information 400 other than some attribute information is generated.

図５は、本発明の一実施形態に係る対応関係を説明するための図である。対応関係格納部２０６には、"エネルギ使用量および一部の属性情報"と、"その一部の属性情報以外の属性情報"との対応関係が格納されている。対応関係は、"エネルギ使用量および一部の属性情報"を入力、"その一部の属性情報以外の属性情報"を出力、とする学習済みモデルであってよい。あるいは、対応関係は、"エネルギ使用量および一部の属性情報"から"その一部の属性情報以外の属性情報"を導出するためのルールベースにより規定されてよい。 FIG. 5 is a diagram for explaining a correspondence relationship according to an embodiment of the present invention. The correspondence relationship storage unit 206 stores the correspondence between "energy usage and a part of the attribute information" and "attribute information other than the part of the attribute information". The correspondence may be a trained model in which "energy usage and some attribute information" is input and "attribute information other than some of the attribute information" is output. Alternatively, the correspondence may be defined by a rule base for deriving "attribute information other than some of the attribute information" from "energy usage and some attribute information".

以下、図５も参照しながら、機械学習手法（下記の＜機械学習＞）と統計的手法（下記の＜統計的手法＞）とに分けて、推定部２０３について説明する。 Hereinafter, the estimation unit 203 will be described separately with reference to FIG. 5 by dividing into a machine learning method (<machine learning> below) and a statistical method (<statistical method> below).

＜機械学習＞
例えば、機械学習により、各居住者のエネルギ使用量およびそれらの居住者の属性情報に基づいて、各変数の対応関係を学習し、未知の変数を推測するモデルが作成される。 <Machine learning>
For example, machine learning creates a model that learns the correspondence of each variable and infers an unknown variable based on the energy consumption of each resident and the attribute information of those resident.

推定部２０３は、居住者のエネルギ使用量と、その居住者の一部の属性情報とをモデルに入力することによって、未取得の属性情報を推定することができる。 The estimation unit 203 can estimate the unacquired attribute information by inputting the energy consumption of the resident and a part of the attribute information of the resident into the model.

＜統計的手法＞
推定部２０３は、機械学習ではなく、回帰分析等の統計的手法により"エネルギ使用量および一部の属性情報"から"その一部の属性情報以外の属性情報"を推定することができる。具体的には、例えば、任意の属性情報を目的変数、エネルギ使用量を説明変数とするロジスティックモデルを、居住者について既知の属性情報によりセグメント化されたグループごとに作成し、属性情報を推定することが可能である。 <Statistical method>
The estimation unit 203 can estimate "attribute information other than some of the attribute information" from "energy usage and some attribute information" by a statistical method such as regression analysis instead of machine learning. Specifically, for example, a logistic model in which arbitrary attribute information is used as an objective variable and energy usage is used as an explanatory variable is created for each group segmented by known attribute information for residents, and the attribute information is estimated. It is possible.

このように、推定部２０３は、機械学習によって生成された学習済みモデル（対応関係）に基づいて推定することもできるし、あるいは、統計的手法により規定された対応関係に基づいて推定することもできる。 In this way, the estimation unit 203 can estimate based on the trained model (correspondence relationship) generated by machine learning, or can estimate based on the correspondence relationship defined by the statistical method. it can.

推定部２０３は、最も確率が高い推定値を示す（つまり、推定された１つの属性情報を示す）構成とすることもできるし、あるいは、確率的に推定値を示す（つまり、推定された複数の属性情報を確率とともに示す）構成とすることもできる。 The estimation unit 203 may be configured to show the most probable estimated value (that is, show one estimated attribute information), or may show the estimated value stochastically (that is, a plurality of estimated values). Attribute information is also shown with probability).

図２に戻る。対応関係格納部２０６は、上述のとおり、"エネルギ使用量および一部の属性情報"と、"その一部の属性情報以外の属性情報"との対応関係を格納している。 Return to FIG. As described above, the correspondence storage unit 206 stores the correspondence between "energy usage and a part of the attribute information" and "attribute information other than the part of the attribute information".

推定後データ格納部２０７は、推定前データ３００（つまり、エネルギ使用量１１１および一部の属性情報１２１、１３１）と、推定部２０３が推定した一部の属性情報以外の属性情報４００と、を紐付けて格納している。図６を参照しながら、推定後データ格納部２０７に格納されている推定後データ６００について詳細に説明する。 The post-estimation data storage unit 207 stores pre-estimation data 300 (that is, energy usage 111 and some attribute information 121 and 131) and attribute information 400 other than some attribute information estimated by the estimation unit 203. It is linked and stored. The post-estimation data 600 stored in the post-estimation data storage unit 207 will be described in detail with reference to FIG.

図６は、本発明の一実施形態に係る推定後データ格納部２０７に格納されている推定後データ６００の一例である。図６に示されるように、図３では網掛けだった部分（つまり、未取得の属性情報）が推定されている。 FIG. 6 is an example of the post-estimation data 600 stored in the post-estimation data storage unit 207 according to the embodiment of the present invention. As shown in FIG. 6, the shaded portion (that is, the unacquired attribute information) is estimated in FIG.

リスト出力部２０４は、リスト出力端末１０４からの要求に応じて、所望の属性情報を有する居住者のリストを出力する。具体的には、リスト出力部２０４は、リスト出力端末１０４から、所望の属性情報のデータを受信する。また、リスト出力部２０４は、推定後データ６００の中から、所望の属性情報を有する居住者のリストを抽出する。また、リスト出力部２０４は、抽出したリストのデータをリスト出力端末１０４へ送信する。 The list output unit 204 outputs a list of residents having desired attribute information in response to a request from the list output terminal 104. Specifically, the list output unit 204 receives data of desired attribute information from the list output terminal 104. In addition, the list output unit 204 extracts a list of residents having desired attribute information from the estimated data 600. Further, the list output unit 204 transmits the extracted list data to the list output terminal 104.

図７は、本発明の一実施形態に係る属性情報推定処理のフローチャートである。 FIG. 7 is a flowchart of the attribute information estimation process according to the embodiment of the present invention.

ステップ７０１（Ｓ７０１）において、使用量取得部２０１は、居住者のエネルギ使用量のデータを取得する。使用量取得部２０１は、取得した居住者のエネルギ使用量のデータを推定前データ格納部２０５に記憶させる。 In step 701 (S701), the usage amount acquisition unit 201 acquires the energy usage data of the resident. The usage amount acquisition unit 201 stores the acquired resident energy usage data in the pre-estimation data storage unit 205.

ステップ７０２（Ｓ７０２）において、属性情報取得部２０２は、居住者の属性情報のデータを取得する。属性情報取得部２０２は、取得した居住者の属性情報のデータを推定前データ格納部２０５に記憶させる。Ｓ７０１とＳ７０２とは順序が逆でもよい。 In step 702 (S702), the attribute information acquisition unit 202 acquires the data of the attribute information of the resident. The attribute information acquisition unit 202 stores the acquired resident attribute information data in the pre-estimation data storage unit 205. The order of S701 and S702 may be reversed.

ステップ７０３（Ｓ７０３）において、推定部２０３は、Ｓ７０１で取得したエネルギ使用量、および、Ｓ７０２で取得した一部の属性情報に基づいて、未取得の属性情報を推定する。 In step 703 (S703), the estimation unit 203 estimates the unacquired attribute information based on the energy usage amount acquired in S701 and a part of the attribute information acquired in S702.

図８は、本発明の一実施形態に係るリスト出力処理のフローチャートである。 FIG. 8 is a flowchart of the list output process according to the embodiment of the present invention.

ステップ８０１（Ｓ８０１）において、リスト出力部２０４は、リスト出力端末１０４から、所望の属性情報を取得する。 In step 801 (S801), the list output unit 204 acquires desired attribute information from the list output terminal 104.

ステップ８０２（Ｓ８０２）において、リスト出力部２０４は、Ｓ８０１で取得した属性情報を有する居住者のリストを出力する。 In step 802 (S802), the list output unit 204 outputs a list of residents having the attribute information acquired in S801.

＜属性情報の更新・追加＞
本発明の一実施形態では、属性情報を更新することができる。例えば、エネルギ使用量に変化が生じた（例えば、急激にエネルギ使用量が増減した）場合、変化後のエネルギ使用量に基づいて、属性情報を推定して更新することができる。このように、本発明の一実施形態では、定期的に確実に取得できる"エネルギ使用量"に基づいて属性情報を推定するため、経時的に変化する属性情報を推定して更新することができる。 <Update / addition of attribute information>
In one embodiment of the present invention, attribute information can be updated. For example, when the energy usage changes (for example, the energy usage suddenly increases or decreases), the attribute information can be estimated and updated based on the changed energy usage. As described above, in one embodiment of the present invention, since the attribute information is estimated based on the "energy usage" that can be reliably and periodically acquired, the attribute information that changes with time can be estimated and updated. ..

本発明の一実施形態では、属性情報を追加することができる。例えば、エネルギ供給事業者等が、リスト出力部２０４が出力したリストに基づいて、居住者に対してダイレクトメールや電子メール等を送った場合、これらの結果（例えば、コンバージョンの有無、開封・クリックの有無）を推定後データ６００に追加することができる。そして、ダイレクトメールや電子メール等に対して同様の反応である居住者同士を、同じ属性情報を有すると推定することができる。このように、本発明の一実施形態では、新たな属性情報（つまり、ダイレクトメールや電子メール等に対する反応）を取得して追加することができる。 In one embodiment of the present invention, attribute information can be added. For example, when an energy supply company or the like sends a direct mail, an e-mail, or the like to a resident based on the list output by the list output unit 204, these results (for example, presence / absence of conversion, opening / clicking). (Presence / absence) can be added to the data 600 after estimation. Then, it can be estimated that residents who have the same reaction to direct mail, e-mail, etc. have the same attribute information. As described above, in one embodiment of the present invention, new attribute information (that is, a reaction to direct mail, e-mail, etc.) can be acquired and added.

図９は、本発明の一実施形態に係る属性推定装置１００のハードウェア構成を示すブロック図である。属性推定装置１００は、ＣＰＵ（Central Processing Unit）１、ＲＯＭ（Read Only Memory）２、ＲＡＭ（Random Access Memory）３を有する。ＣＰＵ１、ＲＯＭ２、ＲＡＭ３は、いわゆるコンピュータを形成する。 FIG. 9 is a block diagram showing a hardware configuration of the attribute estimation device 100 according to the embodiment of the present invention. The attribute estimation device 100 includes a CPU (Central Processing Unit) 1, a ROM (Read Only Memory) 2, and a RAM (Random Access Memory) 3. The CPU 1, ROM 2, and RAM 3 form a so-called computer.

また、属性推定装置１００は、補助記憶装置４、表示装置５、操作装置６、Ｉ／Ｆ（Interface）装置７、ドライブ装置８を有する。なお、属性推定装置１００の各ハードウェアは、バス９を介して相互に接続されている。 Further, the attribute estimation device 100 includes an auxiliary storage device 4, a display device 5, an operation device 6, an I / F (Interface) device 7, and a drive device 8. The hardware of the attribute estimation device 100 is connected to each other via the bus 9.

ＣＰＵ１は、補助記憶装置４にインストールされている各種プログラムを実行する演算デバイスである。 The CPU 1 is an arithmetic device that executes various programs installed in the auxiliary storage device 4.

ＲＯＭ２は、不揮発性メモリである。ＲＯＭ２は、補助記憶装置４にインストールされている各種プログラムをＣＰＵ１が実行するために必要な各種プログラム、データ等を格納する主記憶デバイスとして機能する。具体的には、ＲＯＭ２はＢＩＯＳ（Basic Input/Output System）やＥＦＩ（Extensible Firmware Interface）等のブートプログラム等を格納する、主記憶デバイスとして機能する。 ROM 2 is a non-volatile memory. The ROM 2 functions as a main storage device for storing various programs, data, and the like necessary for the CPU 1 to execute various programs installed in the auxiliary storage device 4. Specifically, the ROM 2 functions as a main memory device for storing boot programs such as BIOS (Basic Input / Output System) and EFI (Extensible Firmware Interface).

ＲＡＭ３は、ＤＲＡＭ（Dynamic Random Access Memory）やＳＲＡＭ（Static Random Access Memory）等の揮発性メモリである。ＲＡＭ３は、補助記憶装置４にインストールされている各種プログラムがＣＰＵ１によって実行される際に展開される作業領域を提供する、主記憶デバイスとして機能する。 The RAM 3 is a volatile memory such as a DRAM (Dynamic Random Access Memory) or a SRAM (Static Random Access Memory). The RAM 3 functions as a main storage device that provides a work area that is expanded when various programs installed in the auxiliary storage device 4 are executed by the CPU 1.

補助記憶装置４は、各種プログラムや、各種プログラムが実行される際に用いられる情報を格納する補助記憶デバイスである。 The auxiliary storage device 4 is an auxiliary storage device that stores various programs and information used when various programs are executed.

表示装置５は、属性推定装置１００の内部状態等を表示する表示デバイスである。 The display device 5 is a display device that displays the internal state of the attribute estimation device 100 and the like.

操作装置６は、属性推定装置１００の管理者が属性推定装置１００に対して各種指示を入力する入力デバイスである。 The operation device 6 is an input device in which the administrator of the attribute estimation device 100 inputs various instructions to the attribute estimation device 100.

Ｉ／Ｆ装置７は、ネットワーク１０５に接続し、計測機器１０１、居住者端末１０２、作業員端末１０３、リスト出力端末１０４と通信を行うための通信デバイスである。 The I / F device 7 is a communication device for connecting to the network 105 and communicating with the measuring device 101, the resident terminal 102, the worker terminal 103, and the list output terminal 104.

ドライブ装置８は記録媒体１０をセットするためのデバイスである。ここでいう記録媒体１０には、ＣＤ−ＲＯＭ、フレキシブルディスク、光磁気ディスク等のように情報を光学的、電気的あるいは磁気的に記録する媒体が含まれる。また、記録媒体１０には、ＥＰＲＯＭ (Erasable Programmable Read Only Memory)、フラッシュメモリ等のように情報を電気的に記録する半導体メモリ等が含まれていてもよい。 The drive device 8 is a device for setting the recording medium 10. The recording medium 10 referred to here includes a medium such as a CD-ROM, a flexible disk, a magneto-optical disk, or the like that optically, electrically, or magnetically records information. Further, the recording medium 10 may include a semiconductor memory for electrically recording information such as an EPROM (Erasable Programmable Read Only Memory) and a flash memory.

なお、補助記憶装置４にインストールされる各種プログラムは、例えば、配布された記録媒体１０がドライブ装置８にセットされ、該記録媒体１０に記録された各種プログラムがドライブ装置８により読み出されることでインストールされる。あるいは、補助記憶装置４にインストールされる各種プログラムは、Ｉ／Ｆ装置７を介して、ネットワーク１０５とは異なる他のネットワークよりダウンロードされることでインストールされてもよい。 The various programs installed in the auxiliary storage device 4 are installed, for example, by setting the distributed recording medium 10 in the drive device 8 and reading the various programs recorded in the recording medium 10 by the drive device 8. Will be done. Alternatively, the various programs installed in the auxiliary storage device 4 may be installed by being downloaded from another network different from the network 105 via the I / F device 7.

このように、本発明では、抜け漏れの無い"エネルギ使用量"と、抜け漏れの有る"既に取得済みの属性情報"との２つに基づいて、未取得の属性情報を推定することができる。その結果、すべて網羅した属性情報のデータベースを生成することができる。 As described above, in the present invention, the unacquired attribute information can be estimated based on the "energy usage amount" without omission and the "already acquired attribute information" with omission. .. As a result, it is possible to generate a database of attribute information that covers all of them.

以上、本発明の実施例について詳述したが、本発明は上述した特定の実施形態に限定されるものではなく、特許請求の範囲に記載された本発明の要旨の範囲内において、種々の変形・変更が可能である。 Although the examples of the present invention have been described in detail above, the present invention is not limited to the specific embodiments described above, and various modifications are made within the scope of the gist of the present invention described in the claims.・ Can be changed.

１００属性推定装置
１０１計測機器
１１１エネルギ使用量
１０２居住者端末
１２１属性情報
１０３作業員端末
１３１属性情報
１０４リスト出力端末
１０５ネットワーク
２０１使用量取得部
２０２属性情報取得部
２０３推定部
２０４リスト出力部
２０５推定前データ格納部
２０６対応関係格納部
２０７推定後データ格納部
３００推定前データ
４００一部の属性情報以外の属性情報
５００機械学習またはルールベース
５０１エネルギ使用量
５０２一部の属性情報
５０３一部の属性情報以外の属性情報
６００推定後データ 100 Attribute estimation device 101 Measuring device 111 Energy usage 102 Resident terminal 121 Attribute information 103 Worker terminal 131 Attribute information 104 List output terminal 105 Network 201 Usage acquisition unit 202 Attribute information acquisition unit 203 Estimating unit 204 List output unit 205 Estimate Pre-data storage 206 Correspondence storage 207 Post-estimation data storage 300 Pre-estimation data 400 Attribute information other than some attribute information 500 Machine learning or rule base 501 Energy usage 502 Some attribute information 503 Some attributes Attribute information other than information 600 Data after estimation

Claims

The usage amount acquisition unit that acquires the energy usage amount,
The attribute information acquisition unit that acquires the first attribute information,
A correspondence storage unit that stores the correspondence between the energy usage amount and the first attribute information and the second attribute information,
An attribute estimation device including an estimation unit that estimates the second attribute information based on the acquired energy usage amount, the acquired first attribute information, and the correspondence relationship.

Claim 1 further includes a list output unit that outputs a list of residents having predetermined attribute information from the list of residents having the acquired first attribute information and the estimated second attribute information. Attribute estimation device described in.

The attribute estimation device according to claim 1 or 2, wherein the estimation unit estimates the second attribute information having the highest probability, or probabilistically estimates the second attribute information.

The correspondence is a trained model in which the energy usage amount and the first attribute information are input and the second attribute information is output, or the first from the energy usage amount and the first attribute information. The attribute estimation device according to any one of claims 1 to 3, which is defined by a rule base for deriving the attribute information of 2.

The steps that a computer performs to get energy usage,
The step to acquire the first attribute information and
The second attribute information is estimated based on the acquired energy usage amount and the acquired first attribute information, and the correspondence relationship between the energy usage amount and the first attribute information and the second attribute information. And how to include.

Get energy usage,
Get the first attribute information,
The second attribute information is estimated based on the acquired energy usage amount and the acquired first attribute information, and the correspondence relationship between the energy usage amount and the first attribute information and the second attribute information. A program that causes a computer to perform the processing to be performed.