JP2021081135A - 情報処理装置、情報処理方法及び情報処理プログラム - Google Patents
情報処理装置、情報処理方法及び情報処理プログラム Download PDFInfo
- Publication number
- JP2021081135A JP2021081135A JP2019209564A JP2019209564A JP2021081135A JP 2021081135 A JP2021081135 A JP 2021081135A JP 2019209564 A JP2019209564 A JP 2019209564A JP 2019209564 A JP2019209564 A JP 2019209564A JP 2021081135 A JP2021081135 A JP 2021081135A
- Authority
- JP
- Japan
- Prior art keywords
- space
- user
- information processing
- information
- air conditioning
- 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
- 230000010365 information processing Effects 0.000 title claims abstract description 168
- 238000003672 processing method Methods 0.000 title claims description 7
- 238000004378 air conditioning Methods 0.000 claims abstract description 98
- 230000004060 metabolic process Effects 0.000 claims description 33
- 238000004364 calculation method Methods 0.000 claims description 23
- 238000000034 method Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 6
- 230000000694 effects Effects 0.000 description 20
- 238000003860 storage Methods 0.000 description 20
- 241000282414 Homo sapiens Species 0.000 description 17
- 230000007613 environmental effect Effects 0.000 description 14
- 230000005855 radiation Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 101001111655 Homo sapiens Retinol dehydrogenase 11 Proteins 0.000 description 10
- 102100023916 Retinol dehydrogenase 11 Human genes 0.000 description 10
- 238000004891 communication Methods 0.000 description 10
- 230000002503 metabolic effect Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000007664 blowing Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000036757 core body temperature Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Images
Landscapes
- Air Conditioning Control Device (AREA)
Abstract
Description
〔1.情報処理の概要〕
従来、人の暑さ寒さに関する温熱環境における快適さを評価する指標であるPMV(Predicted Mean Vote)に基づいて空調制御する技術が知られている。図1を用いて、実施形態に係るPMVについて説明する。図1は、実施形態に係るPMVについて説明するための図である。人間は、体内での熱産生をほどよく外部環境に逃がし熱平衡を保ち、深部体温を一定に保っている。この人体と環境との熱交換に影響を与える要素を温熱環境要素と呼ぶ。
次に、図3を用いて、実施形態に係る情報処理装置100の構成について説明する。図3は、実施形態に係る情報処理装置100の構成例を示す図である。図3に示すように、情報処理装置100は、通信部110と、記憶部120と、制御部130とを有する。なお、情報処理装置100は、情報処理装置100の管理者等から各種操作を受け付ける入力部(例えば、キーボードやマウス等)や、各種情報を表示させるための表示部(例えば、液晶ディスプレイ等)を有してもよい。
通信部110は、例えば、NIC(Network Interface Card)等によって実現される。そして、通信部110は、ネットワークと有線または無線で接続され、例えば、空調装置10との間で情報の送受信を行う。
記憶部120は、例えば、RAM(Random Access Memory)、フラッシュメモリ(Flash Memory)等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。記憶部120は、図3に示すように、センサ情報記憶部121とモデル情報記憶部122を有する。
センサ情報記憶部121は、センサ情報に関する各種情報を記憶する。具体的には、センサ情報記憶部121は、環境センサによって取得された各第1空間における温度、湿度、放射、気流等のセンサ情報を各第1空間に関する情報およびセンサ情報の取得日時と対応付けて記憶する。また、センサ情報記憶部121は、画像センサによって取得された各第2空間における第2利用者の着衣量、代謝量または性別等のセンサ情報を各第2空間に関する情報およびセンサ情報の取得日時と対応付けて記憶する。
モデル情報記憶部122は、第2空間に関する情報が入力された際に、第2空間に存在する第2利用者の特徴を出力するよう学習された第1学習モデルに関する各種の情報を記憶する。具体的には、モデル情報記憶部124は、モデルを識別する識別情報とモデルのモデルデータとを対応付けて記憶する。例えば、モデル情報記憶部124は、モデルID「M1」で識別される第1学習モデル(第1学習モデルM1)と、「MDT1」で示されるモデルデータ(モデルデータMDT1)とを対応付けて記憶する。
図3の説明に戻って、制御部130は、コントローラ(controller)であり、例えば、CPU(Central Processing Unit)やMPU(Micro Processing Unit)等によって、情報処理装置100内部の記憶装置に記憶されている各種プログラム(情報処理プログラムの一例に相当)がRAMを作業領域として実行されることにより実現される。また、制御部130は、コントローラであり、例えば、ASIC(Application Specific Integrated Circuit)やFPGA(Field Programmable Gate Array)等の集積回路により実現される。
取得部131は、各種のセンサ情報を取得する。具体的には、取得部131は、第1空間の温度、湿度、放射、気流に関する情報を第1空間に設置された環境センサから取得する。図2に示す例では、取得部131は、会議室R11に設置された環境センサ20−1から会議室R11の温度、湿度、放射、気流に関する情報を取得する。続いて、取得部131は、センサ情報を取得すると、取得したセンサ情報を各第1空間に関する情報およびセンサ情報の取得日時と対応付けてセンサ情報記憶部121に格納する。
生成部132は、第2空間に関する情報が入力された際に、第2空間に存在する第2利用者の特徴を出力するよう学習された第1学習モデルを生成する。具体的には、生成部132は、日付、曜日もしくは時間を示す情報、第2空間を含む建物の構造を示す情報、第2空間の位置を示す情報、または第2空間を含む建物が所在する地域を示す情報である第2空間に関する情報が入力された際に、第2空間に存在する第2利用者の着衣量、代謝量および性別を出力するよう学習された第1学習モデルを生成する。続いて、生成部132は、第1学習モデルを生成すると、生成した第1学習モデルをモデル情報記憶部122に格納する。
推定部133は、第1空間に存在すると推定される第1利用者の特徴を推定する。推定部133は、第2空間に関する情報に基づいて、第1利用者の特徴を推定する。具体的には、推定部133は、日付、曜日もしくは時間を示す情報、第2空間を含む建物の構造を示す情報、第2空間の位置を示す情報、または第2空間を含む建物が所在する地域を示す情報である第2空間に関する情報に基づいて、第1利用者の特徴を推定する。より具体的には、推定部133は、生成部132によって生成された第1学習モデルを用いて、第1利用者の特徴を推定する。推定部133は、生成部132によって生成された第1学習モデルを用いて、第1空間に関する情報から第1利用者の特徴を推定する。
算出部134は、推定部133によって推定された第1利用者の特徴に基づいて、PMV(Predicted Mean Vote)を算出する。具体的には、算出部134は、推定部133によって推定された第1利用者の着衣量および代謝量と、取得部131によって取得された第1空間の温度、湿度、放射、気流に基づいて、PMVを算出する。
空調制御部135は、推定部133によって推定された第1利用者の特徴に基づいて、第1空間の空調を制御する。具体的には、空調制御部135は、算出部134によって算出されたPMVに基づいて、第1空間の空調を制御する。より具体的には、空調制御部135は、推定部133によって推定された快適温度を空調装置10の設定温度とするよう空調装置10に制御情報を送信する。
次に、図5を用いて、実施形態に係る情報処理の手順について説明する。図5は、実施形態に係る情報処理手順を示すフローチャートである。図5に示す例では、情報処理装置100は、第1空間に存在すると推定される第1利用者の特徴を推定する(ステップS101)。続いて、情報処理装置100は、推定した第1利用者の特徴に基づいて、PMVを算出する(ステップS102)。続いて、情報処理装置100は、算出したPMVに基づいて、第1空間の空調を制御する(ステップS103)。
上述した実施形態に係る情報処理システム1は、上記実施形態以外にも種々の異なる形態にて実施されてよい。そこで、以下では、情報処理システム1の他の実施形態について説明する。なお、実施形態と同一部分には、同一符号を付して説明を省略する。
上述してきたように、実施形態に係る情報処理装置100は、推定部133と空調制御部135とを備える。推定部133は、第1空間に存在すると推定される第1利用者の特徴を推定する。空調制御部135は、推定部133によって推定された第1利用者の特徴に基づいて、第1空間の空調を制御する。
また、上述してきた実施形態に係る情報処理装置100は、例えば図7に示すような構成のコンピュータ1000によって実現される。図7は、情報処理装置100の機能を実現するコンピュータの一例を示すハードウェア構成図である。コンピュータ1000は、CPU1100、RAM1200、ROM1300、HDD1400、通信インターフェイス(I/F)1500、入出力インターフェイス(I/F)1600、及びメディアインターフェイス(I/F)1700を備える。
また、上記実施形態及び変形例において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。
10 空調装置
20 センサ装置
100 情報処理装置
110 通信部
120 記憶部
121 センサ情報記憶部
122 モデル情報記憶部
130 制御部
131 取得部
132 生成部
133 推定部
134 算出部
135 空調制御部
Claims (15)
- 第1空間に存在すると推定される第1利用者の特徴を推定する推定部と、
前記推定部によって推定された第1利用者の特徴に基づいて、前記第1空間の空調を制御する空調制御部と、
を備えることを特徴とする情報処理装置。 - 前記推定部は、
第2空間に関する情報に基づいて、前記第1利用者の特徴を推定する
ことを特徴とする請求項1に記載の情報処理装置。 - 前記推定部は、
日付、曜日もしくは時間を示す情報、前記第2空間を含む建物の構造を示す情報、前記第2空間の位置を示す情報、または前記第2空間を含む建物が所在する地域を示す情報である前記第2空間に関する情報に基づいて、前記第1利用者の特徴を推定する
ことを特徴とする請求項2に記載の情報処理装置。 - 前記第2空間に関する情報が入力された際に、前記第2空間に存在する第2利用者の特徴を出力するよう学習された第1学習モデルを生成する生成部をさらに備え、
前記推定部は、
前記生成部によって生成された第1学習モデルを用いて、前記第1利用者の特徴を推定する
ことを特徴とする請求項2または3に記載の情報処理装置。 - 前記推定部は、
フロアの一区画に対応する前記第1空間に存在すると推定される第1利用者の特徴を推定し、
前記空調制御部は、
前記フロアの一区画に対応する前記第1空間の空調を制御する
ことを特徴とする請求項1〜4のいずれか一つに記載の情報処理装置。 - 前記推定部は、
フロアに対応する前記第1空間に存在すると推定される第1利用者の特徴を推定し、
前記空調制御部は、
前記フロアに対応する前記第1空間の空調を制御する
ことを特徴とする請求項1〜5のいずれか一つに記載の情報処理装置。 - 前記推定部は、
建物に対応する前記第1空間に存在すると推定される第1利用者の特徴を推定し、
前記空調制御部は、
前記建物に対応する前記第1空間の空調を制御する
ことを特徴とする請求項1〜6のいずれか一つに記載の情報処理装置。 - 前記推定部は、
前記第1空間を含む建物から所定の範囲内に位置する前記第2空間に存在する第2利用者の特徴に基づいて、前記第1利用者の特徴を推定する
ことを特徴とする請求項2に記載の情報処理装置。 - 前記推定部は、
前記第1空間を含む建物が所在する地域に向かう交通機関の乗り物に対応する前記第2空間に存在する第2利用者の特徴に基づいて、前記第1利用者の特徴を推定する
ことを特徴とする請求項8に記載の情報処理装置。 - 前記第2空間に設置された防犯カメラの画像が入力された際に、前記第2空間に存在する第2利用者の特徴を出力するよう学習された第2学習モデルを生成する生成部をさらに備え、
前記推定部は、
前記生成部によって生成された第2学習モデルを用いて、前記第1利用者の特徴を推定する
ことを特徴とする請求項8または9に記載の情報処理装置。 - 前記生成部は、
RGB画像またはサーマル画像である前記防犯カメラの画像が入力された際に、前記第2空間に存在する第2利用者の特徴を出力するよう学習された第2学習モデルを生成する
ことを特徴とする請求項10に記載の情報処理装置。 - 前記推定部は、
前記第1利用者の着衣量、代謝量または性別である前記第1利用者の特徴を推定する
請求項1〜11のいずれか一つに記載の情報処理装置。 - 前記推定部によって推定された第1利用者の特徴に基づいて、PMV(Predicted Mean Vote)を算出する算出部をさらに備え、
前記空調制御部は、
前記算出部によって算出されたPMVに基づいて、前記第1空間の空調を制御する
請求項1〜12のいずれか一つに記載の情報処理装置。 - コンピュータが実行する情報処理方法であって、
第1空間に存在すると推定される第1利用者の特徴を推定する推定工程と、
前記推定工程によって推定された第1利用者の特徴に基づいて、前記第1空間の空調を制御する空調制御工程と、
を含むことを特徴とする情報処理方法。 - 第1空間に存在すると推定される第1利用者の特徴を推定する推定手順と、
前記推定手順によって推定された第1利用者の特徴に基づいて、前記第1空間の空調を制御する空調制御手順と、
をコンピュータに実行させることを特徴とする情報処理プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019209564A JP6880154B2 (ja) | 2019-11-20 | 2019-11-20 | 情報処理装置、情報処理方法及び情報処理プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019209564A JP6880154B2 (ja) | 2019-11-20 | 2019-11-20 | 情報処理装置、情報処理方法及び情報処理プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021081135A true JP2021081135A (ja) | 2021-05-27 |
JP6880154B2 JP6880154B2 (ja) | 2021-06-02 |
Family
ID=75966234
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019209564A Active JP6880154B2 (ja) | 2019-11-20 | 2019-11-20 | 情報処理装置、情報処理方法及び情報処理プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6880154B2 (ja) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05322284A (ja) * | 1992-05-21 | 1993-12-07 | Daikin Ind Ltd | 空気調和における快適度算出装置 |
JPH06207735A (ja) * | 1993-01-08 | 1994-07-26 | Matsushita Refrig Co Ltd | 空気調和機 |
JP2007298229A (ja) * | 2006-04-28 | 2007-11-15 | Osaki Computer Engineering:Kk | 空調制御装置と制御プログラム及びデマンド制御装置と制御プログラム並びに空調制御システム |
JP2011038718A (ja) * | 2009-08-12 | 2011-02-24 | Bunpei Magoori | 人為的操作を許容できる建築物省エネルギーシステム |
JP2016001362A (ja) * | 2014-06-11 | 2016-01-07 | 富士ゼロックス株式会社 | 属性推定プログラム及び情報処理装置 |
JP2016176637A (ja) * | 2015-03-19 | 2016-10-06 | 株式会社東芝 | 空調装置および空調機器の制御方法 |
JP2018032243A (ja) * | 2016-08-25 | 2018-03-01 | 三菱電機ビルテクノサービス株式会社 | 情報処理装置及びプログラム |
JP2019015486A (ja) * | 2017-07-11 | 2019-01-31 | アズビル株式会社 | Vavシステムおよび空調制御方法 |
JP2019082312A (ja) * | 2017-10-30 | 2019-05-30 | ダイキン工業株式会社 | 空調制御装置 |
-
2019
- 2019-11-20 JP JP2019209564A patent/JP6880154B2/ja active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05322284A (ja) * | 1992-05-21 | 1993-12-07 | Daikin Ind Ltd | 空気調和における快適度算出装置 |
JPH06207735A (ja) * | 1993-01-08 | 1994-07-26 | Matsushita Refrig Co Ltd | 空気調和機 |
JP2007298229A (ja) * | 2006-04-28 | 2007-11-15 | Osaki Computer Engineering:Kk | 空調制御装置と制御プログラム及びデマンド制御装置と制御プログラム並びに空調制御システム |
JP2011038718A (ja) * | 2009-08-12 | 2011-02-24 | Bunpei Magoori | 人為的操作を許容できる建築物省エネルギーシステム |
JP2016001362A (ja) * | 2014-06-11 | 2016-01-07 | 富士ゼロックス株式会社 | 属性推定プログラム及び情報処理装置 |
JP2016176637A (ja) * | 2015-03-19 | 2016-10-06 | 株式会社東芝 | 空調装置および空調機器の制御方法 |
JP2018032243A (ja) * | 2016-08-25 | 2018-03-01 | 三菱電機ビルテクノサービス株式会社 | 情報処理装置及びプログラム |
JP2019015486A (ja) * | 2017-07-11 | 2019-01-31 | アズビル株式会社 | Vavシステムおよび空調制御方法 |
JP2019082312A (ja) * | 2017-10-30 | 2019-05-30 | ダイキン工業株式会社 | 空調制御装置 |
Also Published As
Publication number | Publication date |
---|---|
JP6880154B2 (ja) | 2021-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Laftchiev et al. | An IoT system to estimate personal thermal comfort | |
Zhang et al. | Practical implementation and evaluation of deep reinforcement learning control for a radiant heating system | |
Gupta et al. | BEES: Real-time occupant feedback and environmental learning framework for collaborative thermal management in multi-zone, multi-occupant buildings | |
Candanedo et al. | Accurate occupancy detection of an office room from light, temperature, humidity and CO2 measurements using statistical learning models | |
US11076758B2 (en) | Controlling devices based on physiological measurements | |
US11029049B2 (en) | Collaborative energy management system | |
EP1866575B1 (en) | Method and system for controlling a climate in a building | |
JP2019522163A (ja) | 空調システムを動作させるコントローラー及び空調システムの制御方法 | |
US20140277765A1 (en) | Human-building interaction framework for personalized comfort driven system operations in buildings | |
US20140277757A1 (en) | Method and apparatus for an energy saving heating, ventilation, and air conditioning (hvac) control system | |
US20200200414A1 (en) | Smart home air conditioner automatic control system based on artificial intelligence | |
US20170051933A1 (en) | Persistent home thermal comfort model reusable across multiple sensor and device configurations in a smart home | |
Shetty et al. | Learning desk fan usage preferences for personalised thermal comfort in shared offices using tree-based methods | |
WO2012124225A1 (ja) | エネルギー需要予測装置及び方法 | |
WO2015089295A2 (en) | Comfortable, energy-efficient control of a heating, ventilation, and air conditioning system | |
US20170051934A1 (en) | Persistent thermal model and method of using same for automatically determining the presence of an additional thermal source other than the hvac system being controlled | |
WO2018037584A1 (ja) | 情報処理装置及びプログラム | |
Jazizadeh et al. | Personalized Thermal Comfort-Driven Control in HVAC-OperatedOffice Buildings | |
Wang et al. | A fair and budget-balanced incentive mechanism for energy management in buildings | |
Raza et al. | Determination of consumer behavior based energy wastage using IoT and machine learning | |
JP2016169925A (ja) | 室内環境制御装置、室内環境制御方法及びコンピュータプログラム | |
Biyik et al. | Cloud-based model predictive building thermostatic controls of commercial buildings: Algorithm and implementation | |
Natarajan et al. | A transfer active learning framework to predict thermal comfort | |
Brooks et al. | Experimental evaluation of occupancy-based energy-efficient climate control of VAV terminal units | |
Khalil et al. | A federated learning approach for thermal comfort management |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191203 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210119 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210309 |
|
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: 20210406 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210430 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6880154 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |