JP2020174343A - 機械学習装置 - Google Patents
機械学習装置 Download PDFInfo
- Publication number
- JP2020174343A JP2020174343A JP2020021199A JP2020021199A JP2020174343A JP 2020174343 A JP2020174343 A JP 2020174343A JP 2020021199 A JP2020021199 A JP 2020021199A JP 2020021199 A JP2020021199 A JP 2020021199A JP 2020174343 A JP2020174343 A JP 2020174343A
- Authority
- JP
- Japan
- Prior art keywords
- radio wave
- state
- wave propagation
- machine learning
- learning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000010801 machine learning Methods 0.000 title claims abstract description 78
- 238000005259 measurement Methods 0.000 claims description 19
- 238000011156 evaluation Methods 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 16
- 238000004088 simulation Methods 0.000 description 16
- 238000000034 method Methods 0.000 description 10
- 238000009434 installation Methods 0.000 description 8
- 238000013461 design Methods 0.000 description 7
- 238000013507 mapping Methods 0.000 description 6
- 238000004378 air conditioning Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 238000009423 ventilation Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000012417 linear regression Methods 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 238000013488 ordinary least square regression Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000002790 cross-validation Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 229910052602 gypsum Inorganic materials 0.000 description 1
- 239000010440 gypsum Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
Images
Landscapes
- Air Conditioning Control Device (AREA)
- Selective Calling Equipment (AREA)
Abstract
Description
式1:
式2:
を更新することによって、学習部の学習状態を更新する。
評価関数1:
を更新することによって、学習部の学習状態を更新する。
評価関数2:
(1−1)HVAC管理システムが必要とされる背景
建物(オフィスビルや商業施設など)の省エネルギーおよびインテリジェント制御技術の急速な発展に対する需要の高まりと共に、空調や換気のインテリジェントシステムが建物に設置されつつある。このシステムは、温度、湿度、CO2濃度、部屋の占有率などを監視することで、部屋の人数に基づいて空気調和機の設定温度を調整するなど、需要に応じたフィードバック制御を提供できる。
このマッピング(アドレス設定)作業の負担を抑制するために、本実施形態では、自動マッピングを行うためのHVAC管理システムについて説明する。このHVAC管理システムでは、図1に示すように、HVAC機器である空気調和機AにBLE(Bluetooth Low Energy)モジュールMを装備させ、BLEモジュールMのRSSI(受信信号強度インジケータ)を利用する。ここでは、空気調和機Aに装備させたBLEモジュールMの設置位置を推定し、BLEモジュールM間の電波伝搬状態を推定する。それぞれのBLEモジュールM間の電波伝搬状態が推定されると、それらの推定値からマッピングを容易に行うことができる。
HVAC管理システムは、暖房、換気、空気調和などを行うHVAC機器を管理するシステムであるが、ここではHVAC機器である空気調和機Aを例にとって、図1から図3を参照しながら説明を行う。
空気調和機Aは、図1に示すように、建物81の内部空間に設置される空調室内機である。複数の空気調和機Aは、建物81の各フロア(部屋)の天井の上の空間に配置されている。図1では、建物81の1階の天井の上の空間Sに設置された3つの空気調和機A1,A2,A3を示している。これらの空気調和機A1,A2,A3は、1階の天井の上の空間Sを含む平面図である図2で示す空気調和機A1,A2,A3である。1階の天井の上の空間Sの空間には、多数の梁Bが水平方向に延びている。図1及び図2に示すように、空気調和機A2と空気調和機A3との間には、梁B1が存在している。
空気調和機Aは、それぞれ、BLEモジュールMを内蔵している。BLEモジュールMは、RSSIを有しており、電波の発信に加えて、受信した電波の強度(受信信号強度)を測定することができる。
機械学習装置として機能するコンピュータ10は、1又は複数のコンピュータから成り、インターネット等の通信ネットワーク80を介して各建物81の空気調和機A等のHVAC機器と接続される。コンピュータ10は、HVAC管理システムのサービス提供者が、各種サービスを提供するために構築したクラウドコンピューティングサービスを実行する。コンピュータ10のハードウェア構成は、1つの筐体に収納されていたり、ひとまとまりの装置として備えられていたりする必要はない。
取得部20は、状態変数を得るための情報として、空気調和機配置情報(第1情報)21と、天井裏空間の梁配置情報(第1情報)22とを、外部の設計図面データベース70から取得する。設計図面データベース70には、建物81の各フロアの設計図面等が記憶されている。空気調和機配置情報21は、図1や図2に示すような、空気調和機Aが配置されている場所に関する情報である。空気調和機配置情報21は、各空気調和機Aの平面図におけるX座標、Y座標のデータや、空気調和機A同士の距離などの情報を含んでいる。梁配置情報22は、各梁Bの両端のX座標、Y座標のデータや、どの2つの空気調和機Aの間に位置しているのかを示す情報などを含んでいる。
学習部30は、状態変数と、BLEモジュールMと他のBLEモジュールMとの間の電波伝搬状態とを、関連付けて学習する。学習部30は、学習用データセットに基づいて、状態変数と電波伝搬状態とを関連付けて学習する。学習用データセットは、電波伝搬状態の実測を行った結果である電波伝搬状態の実測結果55と、電波伝搬状態の実測のときの状態変数とから成る。
出力部40は、学習部30の線形モデル35によって得られた電波伝搬状態の推定結果45を出力する。
入力部50は、電波伝搬状態の実測結果55を、通信ネットワーク80を介して、建物81に設置された各空気調和機AのBLEモジュールMから収集する。また、入力部50は、電波伝搬状態の実測結果55を、通信ネットワーク80を介して、ユーザ端末90から収集することも可能である。
更新部60は、出力部40が出力する電波伝搬状態の推定結果45と、入力部50に入力された電波伝搬状態の実測結果55と、の差を求める。そして、更新部60は、その差を評価することによって、学習部30の学習状態を更新する。
(3−1)
一般に、送信機と受信機との間の距離が伝搬路損失の主要因である場合、自由空間における電波伝搬は、フリスの伝達公式(Friis Transmission Equation)によって記述することができる。しかし、建物の天井の上の空間は、通常0.5mあるいは1.5mといった高さであり、非常に制限された空間である。また、天井の上の空間には、建物の強度を保つための梁やHVAC機器が存在している。このような複雑な空間では、距離のほかに、電波伝播経路上の障害物も、反射や屈折による伝搬路損失に大きな影響を及ぼす可能性がある。このため、障害物もモデルの変数として考慮する必要がある。特に、金属製で比較的体積の大きい2種類の障害物、梁(beam)とHVAC機器は、線形モデルの変数として考慮すべきである。
本実施形態に係る機械学習装置としてのコンピュータ10では、建物81において各BLEモジュールMによって電波伝搬状態の実測を行い、そのときの状態変数や電波伝搬状態の実測結果55から成る学習用データセットを利用して、学習部30が学習する。具体的には、更新部60が、電波伝搬状態の推定結果45と電波伝搬状態の実測結果55との差を評価することによって、学習部30の学習状態を更新する。これにより、
が、その建物81の天井の上の空間の梁Bや空気調和機Aの配置に合った適切な数値になる。
1変数(1-feature;distance)と、
3変数(3-feature;distance、#beam、#machine)と、
の両方を使用して、学習部が線形モデルを構築し、それらの違いを比較した。
1)モデルトレーニングとテストの両方(RMSE計算)を、全データセット(100%データセット)に対して実行した。
2)K−分割交差検証(K=10)セットは、ランダムに10セットに分割し、モデルは9セットで訓練し、残りの1セットでテストした。テストセットを繰り返してモデルをテストし、RMSEを10回計算した。そして、10個のRMSEの平均値を、評価指標とした。
梁の最大高さは、0.7m、
空気調和機の平均の高さは、0.3m、
である。
1)梁の数や、空気調和機などのHVAC機器の台数といった、障害物に関する情報を加味することによって、RMSEが減少する。
2)多項式の次数の増加とともに、RMSEが減少する。
(5−1)
上記のコンピュータ(機械学習装置)10では、2つのBLEモジュールMを結ぶ線分上にある障害物(梁Bと空気調和機A)に関する状態変数として、それらの障害物の数を採用している。しかし、これに代えて、あるいは、これに加えて、障害物の大きさを状態変数としてもよい。
上記のコンピュータ(機械学習装置)10では、2つのBLEモジュールMを結ぶ線分上にある障害物(梁Bと空気調和機A)に関する状態変数として、それらの障害物の数を採用している。しかし、これに代えて、あるいは、これに加えて、障害物の位置を状態変数としてもよい。
上記のコンピュータ(機械学習装置)10では、2つのBLEモジュールMを結ぶ線分上にある障害物(梁Bと空気調和機A)に関する状態変数として、それらの障害物の数を採用している。しかし、これに代えて、あるいは、これに加えて、障害物の向きを状態変数としてもよい。
上記のコンピュータ(機械学習装置)10では、学習部30が、上記の式12の線形モデル35の係数を調整することによって、状態変数と電波伝搬状態とを関連付けて学習している。これに代えて、学習部30は、次の式11の線形モデルの係数を調整することによって、状態変数と電波伝搬状態とを関連付けて学習してもよい。
式11:
上記のHVAC管理システムでは、HVAC機器である空気調和機AにBLEモジュールMを装備させているが、BLEモジュールに代えて、他の無線機器を装備させてもよい。例えば、ZigBeeモジュールを採用してもよい。
(6−1)
上記のように、HVAC機器等のネットワークアドレスを、HVAC機器等の物理的な配置場所にマッピングする作業(アドレス設定作業)を軽減するために、機械学習装置としてのコンピュータ10によるBLEモジュールM間の電波伝搬状態の推定は有用である。各空気調和機の設置位置を検知し、アドレス設定を自動化できれば、フィードバック制御、さらには、建物の省エネルギーおよびインテリジェント制御技術の発展が期待できる。
まず、機械学習の予測では、BLEモジュールの電波強度を被説明変数としている。また、BLEモジュール間の距離と、空気調和機や梁の数を、説明変数(状態変数)としている。あるビルの天井裏に実装したBLEモジュールの電波強度実測値を入れて電波伝搬モデルを学習した後、学習モデルを使って電波強度を推定した。機械学習の予測精度評価では、ビルの天井裏に設置した15個のBLEモジュール間の電波強度を用いて、精度評価を行った。
上記の機械学習装置によって得られる電波伝搬状態としての電波強度は、次のステップで、BLEモジュールの位置を特定するための、機器設置位置とBLEモジュールとのマッチングアルゴリズム、において用いられる。機器設置位置とBLEモジュールとのマッチングでは、まず、上記の機械学習の手法によって得られた推定受信電波強度を辺の値とし、空気調和機の位置IDを頂点とした無向グラフGEを得る。次に、対象の物件である建物(現場)の空気調和機に内蔵されたBLEモジュールが、互いに送信する。BLEモジュールの実測受信電波強度を収集し、実測受信強度を辺の値とし、頂点を送信BLEモジュールと受信BLEモジュールのIDとする無向グラフGMを作成する。但し、電波強度の推定値と実測値には必ず誤差が存在する。そこで、誤差許容値(slack value)を設定することで、誤差が許容値以下になっている無向グラフGMでの辺と無向グラフGEでの辺が同一である可能性がある、と判断される。その上で、無向グラフGMの無向グラフGEへのマッチングアルゴリズムを行うことで、空気調和機の設置位置ごとにマッチング候補となるBLEモジュール(複数)を決定する。
以上、機械学習装置としてのコンピュータ10を有するHVAC管理システムの実施形態を説明したが、特許請求の範囲に記載された本開示の趣旨及び範囲から逸脱することなく、形態や詳細の多様な変更が可能なことが理解されるであろう。
20 取得部
21 空気調和機配置情報(第1情報;物品情報)
22 天井裏空間の梁配置情報(第1情報;物品情報)
30 学習部
35 線形モデル
40 出力部
45 電波伝搬状態の推定結果
55 電波伝搬状態の実測結果
60 更新部
A(A1,A2,A3) 空気調和機(所定の物品)
B(B1) 梁(所定の物品)
M(M1,M2,M3) BLEモジュール(無線機器)
Claims (15)
- 無線機器(M1)と他の無線機器(M2)との間の電波伝搬状態を学習する機械学習装置(10)であって、
前記無線機器と他の前記無線機器との間に関する第1情報(21,22)を、状態変数を得るための情報として取得する、取得部(20)と、
前記状態変数と前記電波伝搬状態とを関連付けて学習する、学習部(30)と、
を備える機械学習装置。 - 前記第1情報は、前記無線機器と他の前記無線機器との距離の情報(21)を含み、
前記無線機器と他の前記無線機器との距離は、前記状態変数の少なくとも1つである、
請求項1に記載の機械学習装置。 - 前記第1情報は、前記無線機器と他の前記無線機器との間に位置する所定の物品に関する物品情報(21,22)を含む、
請求項1又は2に記載の機械学習装置。 - 前記物品情報は、前記所定の物品の数の情報を含む、
請求項3に記載の機械学習装置。 - 前記所定の物品は、天井の上の空間に配置されている空気調和装置(A)及び/又は梁(B)である、
請求項3又は4に記載の機械学習装置。 - 前記物品情報は、前記所定の物品の大きさに関する情報を含む、
請求項3から5のいずれかに記載の機械学習装置。 - 前記物品情報は、前記所定の物品の位置に関する情報を含む、
請求項3から6のいずれかに記載の機械学習装置。 - 前記物品情報は、前記所定の物品の向きに関する情報を含む、
請求項3から7のいずれかに記載の機械学習装置。 - 前記学習部は、
前記電波伝搬状態の実測を行った結果(55)、及び、前記電波伝搬状態の実測のときの前記状態変数、から成る学習用データセット、
に基づいて、前記状態変数と前記電波伝搬状態とを関連付けて学習する、
請求項1又は2に記載の機械学習装置。 - 前記学習部は、
前記電波伝搬状態の実測を行った結果(55)、及び、前記電波伝搬状態の実測のときの前記物品情報から得られる前記状態変数、から成る学習用データセット、
に基づいて、前記状態変数と前記電波伝搬状態とを関連付けて学習する、
請求項3から8のいずれかに記載の機械学習装置。 - 前記電波伝搬状態の推定結果を出力する出力部(40)と、
前記学習部の学習状態を更新する更新部(60)と、
をさらに備え、
前記更新部は、前記電波伝搬状態の推定結果(45)と、前記電波伝搬状態の実測を行った結果(55)との差を評価することによって、前記学習部の学習状態を更新する、
請求項1から12のいずれかに記載の機械学習装置。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP20786848.0A EP3955587A4 (en) | 2019-04-12 | 2020-04-10 | MACHINE LEARNING DEVICE |
PCT/JP2020/016192 WO2020209380A1 (ja) | 2019-04-12 | 2020-04-10 | 機械学習装置 |
CN202080027864.6A CN113678468B (zh) | 2019-04-12 | 2020-04-10 | 机器学习装置 |
US17/601,298 US20220173821A1 (en) | 2019-04-12 | 2020-10-04 | Machine learning apparatus |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019076604 | 2019-04-12 | ||
JP2019076604 | 2019-04-12 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020174343A true JP2020174343A (ja) | 2020-10-22 |
JP7460886B2 JP7460886B2 (ja) | 2024-04-03 |
Family
ID=72831713
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020021199A Active JP7460886B2 (ja) | 2019-04-12 | 2020-02-12 | 機械学習装置 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7460886B2 (ja) |
CN (1) | CN113678468B (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023145515A1 (ja) * | 2022-01-31 | 2023-08-03 | 京セラ株式会社 | 情報処理システム、情報処理方法、及び情報処理プログラム |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103354909B (zh) | 2011-01-31 | 2016-07-06 | 三菱电机株式会社 | 位置确定装置、方法、系统、空气调节系统以及照明系统 |
EP3275253A1 (en) * | 2015-03-24 | 2018-01-31 | Carrier Corporation | Floor-plan based learning and registration of distributed devices |
JP6557055B2 (ja) * | 2015-05-15 | 2019-08-07 | 株式会社日立産機システム | 電波計測システムおよび基地局 |
JP6010204B1 (ja) * | 2015-10-26 | 2016-10-19 | ファナック株式会社 | パワー素子の予測寿命を学習する機械学習装置及び方法並びに該機械学習装置を備えた寿命予測装置及びモータ駆動装置 |
CN106707035B (zh) * | 2016-12-19 | 2019-03-29 | 西华大学 | 无线电环境图场强参数估计算法 |
JP2019036901A (ja) | 2017-08-21 | 2019-03-07 | パナソニックIpマネジメント株式会社 | 通信可否判定装置、通信可否判定システム、通信可否判定方法及びプログラム |
-
2020
- 2020-02-12 JP JP2020021199A patent/JP7460886B2/ja active Active
- 2020-04-10 CN CN202080027864.6A patent/CN113678468B/zh active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023145515A1 (ja) * | 2022-01-31 | 2023-08-03 | 京セラ株式会社 | 情報処理システム、情報処理方法、及び情報処理プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP7460886B2 (ja) | 2024-04-03 |
CN113678468B (zh) | 2024-05-10 |
CN113678468A (zh) | 2021-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10635055B2 (en) | Building control system with break even temperature uncertainty determination and performance analytics | |
US11280513B2 (en) | Arrangement and method for determination of adjustment parameters of an HVAC system | |
US11574102B2 (en) | Parameter estimation apparatus, air-conditioning system evaluation apparatus, parameter estimation method, and non-transitory computer readable medium | |
Nouvel et al. | Urban energy analysis based on 3D city model for national scale applications | |
US20170300599A1 (en) | System and method for calibrating multi-level building energy simulation | |
US11361121B2 (en) | Implementation of fiber high-sensitivity smoke detector system utilizing a building information model | |
JP2005528622A (ja) | 位置決め技法のための確率モデル | |
Li et al. | An inverse approach to solving zone air infiltration rate and people count using indoor environmental sensor data | |
CN112347705B (zh) | 一种建立变电站厂界噪声模型的方法和系统 | |
WO2020209380A1 (ja) | 機械学習装置 | |
JP7460886B2 (ja) | 機械学習装置 | |
CN108318854A (zh) | 一种定位方法、装置、电子设备及可读存储介质 | |
US20180279078A1 (en) | Confirming work supporting device, confirming work supporting system, and computer program product | |
CN108132458B (zh) | 室内测距方法、装置、设备及存储介质 | |
US20210329478A1 (en) | Radio wave strength estimation device, position estimation system, and radio wave strength estimation method | |
CN113685923A (zh) | 一种口罩生产的无尘车间环境调控方法及系统 | |
JP2021173564A (ja) | 機器位置同定システム | |
RU2449336C2 (ru) | Способ моделирования процессов четырехуровневого управления техническими средствами и система для его осуществления | |
WO2023145515A1 (ja) | 情報処理システム、情報処理方法、及び情報処理プログラム | |
WO2024111235A1 (ja) | 観測点位置の評価方法および観測点位置評価システム | |
Bunko et al. | Estimation and use materials of the airily-depressed surveys on the coal mines of Ukraine | |
KR20140065521A (ko) | 통계적 공정 분석 방법 및 그 분석 장치 | |
KR101530127B1 (ko) | 가우시안 프로세스 에뮬레이터를 이용한 건물 운영의 확률적 제어 방법 | |
CN117436770B (zh) | 基于bim的建筑工程建设管理方法及系统 | |
EP3662208B1 (en) | Arrangement and method for determination of adjustment parameters of an hvac system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20200214 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20200401 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20200402 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230113 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231003 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231121 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240220 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240304 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7460886 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |