JP2023140869A - 推定システム、コンピュータプログラム、及び推定方法 - Google Patents
推定システム、コンピュータプログラム、及び推定方法 Download PDFInfo
- Publication number
- JP2023140869A JP2023140869A JP2022046914A JP2022046914A JP2023140869A JP 2023140869 A JP2023140869 A JP 2023140869A JP 2022046914 A JP2022046914 A JP 2022046914A JP 2022046914 A JP2022046914 A JP 2022046914A JP 2023140869 A JP2023140869 A JP 2023140869A
- Authority
- JP
- Japan
- Prior art keywords
- household
- estimation
- power consumption
- estimating
- information
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 84
- 238000004590 computer program Methods 0.000 title claims abstract description 15
- 230000000694 effects Effects 0.000 claims abstract description 19
- 230000002596 correlated effect Effects 0.000 claims abstract description 14
- 238000012544 monitoring process Methods 0.000 claims abstract description 12
- 230000006399 behavior Effects 0.000 claims description 84
- 238000009826 distribution Methods 0.000 claims description 74
- 230000000875 corresponding effect Effects 0.000 claims description 73
- 238000010801 machine learning Methods 0.000 claims description 18
- 235000014510 cooky Nutrition 0.000 claims description 14
- 230000005611 electricity Effects 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 12
- 235000012054 meals Nutrition 0.000 claims description 9
- 230000008569 process Effects 0.000 abstract description 58
- 230000010365 information processing Effects 0.000 description 32
- 238000004458 analytical method Methods 0.000 description 28
- 238000007726 management method Methods 0.000 description 21
- 238000003860 storage Methods 0.000 description 14
- 238000012545 processing Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 230000009471 action Effects 0.000 description 9
- 238000005259 measurement Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000010276 construction Methods 0.000 description 7
- 238000009429 electrical wiring Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000005406 washing Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 101100075747 Drosophila melanogaster Lztr1 gene Proteins 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 238000003287 bathing Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000035606 childbirth Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000010411 cooking Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000035935 pregnancy Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【課題】高精度に住居内の生活者の特徴を推定可能な推定システム、コンピュータプログラム及び推定方法を提供する。【解決手段】生活スタイル推定処理において、世帯の住居において電気配線を通じて供給される電力の監視により判別される、世帯が住居内で使用する複数の機器に関する各機器の電力消費量を示す情報を電力情報として取得するS110ことと、電力情報が示す各機器の電力消費量に基づき、電力消費量と相関のある世帯の生活状況を推定するS120~S170ことと、を含む。生活推定は、電力消費量と相関のある世帯の生活状況を推定すること及び生活行動を推定することの少なくとも一方を含む。【選択図】図3
Description
本開示は、推定システム、コンピュータプログラム、及び推定方法に関する。
従来、分電盤の主幹で測定される電力に基づいて、住居内で使用される複数の機器のそれぞれの電力消費量を推定する技術が知られている(例えば特許文献1参照)。電力消費量に基づいて、対応するユーザの属性を推定する技術もまた知られている(例えば特許文献2参照)。
ところで、電力消費量を指標にユーザの特徴を推定する技術は、従来、住居内の総電力消費量に基づいて行われている。この従来技術では、低時間分解能の総電力消費量の時系列データに基づき、ユーザの特徴が推定されるために、高精度に詳細なユーザの特徴を推定することができない。
そこで、本開示の一側面によれば、住居の電力消費量に基づき、従来よりも高精度に住居内の生活者の詳細な特徴を推定可能な技術を提供できることが望ましい。
本開示の一側面によれば、推定システムが提供される。推定システムは、取得部と、推定部と、を備える。取得部は、世帯の住居において電気配線を通じて供給される電力の監視により判別される、世帯が住居内で使用する複数の機器に関する各機器の電力消費量を示す情報を電力情報として取得するように構成される。
推定部は、取得部により取得された電力情報が示す各機器の電力消費量に基づき、世帯の生活推定を行うように構成される。生活推定は、電力消費量と相関のある世帯の生活状況を推定すること及び生活行動を推定することの少なくとも一方を含む。
この推定システムによれば、住居内の複数の機器の電力消費量に基づく生活推定により、従来よりも高精度に住居内の生活者、すなわち世帯の詳細な特徴、特には生活状況又は生活行動を推定することができる。
本開示の一側面によれば、取得部は、電力情報として、各機器の所定時間毎の電力消費量を示す情報を取得し得る。
本開示の一側面によれば、取得部は、電力情報として、電力の監視により判別される住居内で使用される電力の所定時間毎の総消費量を示す情報を更に取得してもよい。この場合、推定部は、電力情報が示す、所定時間毎の総消費量と、所定時間毎の各機器の電力消費量とに基づき、生活推定を行ってもよい。
本開示の一側面によれば、取得部は、電力情報として、電力の監視により判別される住居内で使用される電力の所定時間毎の総消費量を示す情報を更に取得してもよい。この場合、推定部は、電力情報が示す、所定時間毎の総消費量と、所定時間毎の各機器の電力消費量とに基づき、生活推定を行ってもよい。
総消費量、及び、機器個別の電力消費量に基づく生活推定によれば、より高精度に、世帯の生活を推定することができる。例えば、住居内のすべての機器について、機器毎の電力消費量をもれなく判別することが難しいケースがあり得る。こうしたケースにおいて、総消費量を考慮することによれば、電力消費量を個別に捕捉できない機器の使用状況も間接的に考慮しながら、生活推定を行うことが可能である。
本開示の一側面によれば、取得部は、電力情報として、電力の監視によりその他消費量として判別される、所定時間毎の、総消費量に含まれる複数の機器の電力消費量以外の残りの電力消費量の合計を示す情報を更に取得してもよい。
推定部は、電力情報が示す、所定時間毎の総消費量と、所定時間毎の各機器の電力消費量と、所定時間毎のその他消費量とに基づき、生活推定を行ってもよい。電力消費量を個別に捕捉できない機器の使用状況を加味した生活推定によれば、世帯の生活を精度よく推定することが可能である。
本開示の一側面によれば、取得部は、電力情報として、電力の監視により判別される総消費量に含まれる成分としての定常成分又は非定常成分を示す情報を更に取得してもよい。推定部は、電力情報が示す、所定時間毎の総消費量及び成分と、所定時間毎の各機器の電力消費量とに基づき、生活推定を行ってもよい。
定常成分は、世帯の静的な生活様式に関連する可能性が高い。非定常成分は、世帯の動的な生活行動に関連する可能性が高い。従って、電力消費量の定常性又は非定常性を考慮した生活推定によれば、より高精度に、世帯の生活を推定することが可能である。
本開示の一側面によれば、推定部は、各機器の電力消費量に基づき、世帯における電力消費の特徴量を機械学習モデルに入力し、機械学習モデルの出力として、世帯の生活に関する推定値を取得することにより、生活推定を行ってもよい。機械学習モデルは、複数の世帯に関する世帯毎の電力消費の特徴量と生活との対応関係を示す教師データ群に基づき構築される機械学習モデルであり得る。機械学習モデルを使用することによれば、対応関係を手作業で分析せずとも、高精度に生活を推定することが可能である。
本開示の一側面によれば、推定部は、複数の機器のそれぞれについて、対応する機器の所定期間における電力消費量の時系列データに基づき、予め定義された時間区分毎の、対応する時間区分内での対応する機器の電力の最大消費量、最小消費量、及び平均消費量のうちの一以上の消費量を、実績値として算出し得る。また、推定部は、複数の機器のそれぞれの時間区分毎の実績値に基づき、生活推定を行い得る。こうした時系列データの整理に基づく生活推定によれば、低負荷で高精度に生活推定を行うことができる。
本開示の一側面によれば、推定部は、複数の機器のそれぞれについて、対応する機器の電力消費量の時系列データに基づき、対応する機器の利用回数、対応する機器の利用時間、及び、複数の機器に対する当該対応する機器の利用率のうちの一以上を、利用量として算出し得る。また、推定部は、各機器の電力消費量に加えて、算出された複数の機器のそれぞれの利用量に基づき、世帯の生活推定を行い得る。利用量を推定に用いることにより、一層高精度な生活推定を実現し得る。
本開示の一側面によれば、生活状況を推定することには、世帯構成を推定すること、生活スタイルを推定すること、及び、ライフイベントを推定することの少なくとも一つが含まれ得る。
本開示の一側面によれば、推定部は、予め定められた複数の生活スタイルの中から、世帯の生活スタイルを推定することにより、生活状況を推定し得る。
本開示の一側面によれば、推定部として、世帯の生活スタイルとして、娯楽、食事、仕事、及び家事の少なくとも一つに関する生活スタイルを推定し得る。
本開示の一側面によれば、推定部として、世帯の生活スタイルとして、娯楽、食事、仕事、及び家事の少なくとも一つに関する生活スタイルを推定し得る。
本開示の一側面によれば、推定部は、各機器の電力消費量の時系列データに基づき、世帯の現在の生活行動を推定すること、又は、世帯の未来の生活行動を予測することにより、世帯の生活行動を推定し得る。
本開示の一側面によれば、生活行動を推定又は予測することは、外出、食事、及び、睡眠の少なくとも一つに関する行動を推定又は予測することを含んでもよい。
本開示の一側面によれば、推定システムは、選択部と、配信部と、を備えてもよい。選択部は、生活推定により得られた世帯の生活状況及び生活行動の少なくとも一方に関する情報に基づき、世帯に関連付けられた情報端末に配信する情報コンテンツを選択するように構成され得る。配信部は、選択部により選択された情報コンテンツを情報端末に送信するように構成され得る。
こうした生活推定結果を用いた情報コンテンツの配信によれば、消費者の関心の高い情報コンテンツを消費者に提供できる可能性が高まる。
本開示の一側面によれば、推定システムは、推定部により推定された世帯の生活状況及び生活行動の少なくとも一方に関する情報を世帯の識別子と関連付けて記述する世帯の特徴データを、出力するように構成されるデータ出力部を備えてもよい。
識別子は、世帯が使用する情報端末に対して発行された広告配信用の端末ID又はブラウザに対して発行されたクッキーIDであり得る。こうしたデータ出力によれば、例えば広告配信を行う装置又は企業等に対して有意義な情報を提供可能である。
本開示の一側面によれば、取得部と、推定部と、データ出力部と、を備える別の推定システムが提供されてもよい。この推定システムにおいて、取得部は、世帯が住居内で消費する電力に関する電力消費量を示す情報を電力情報として取得するように構成され得る。
推定部は、取得部により取得された電力情報が示す電力消費量に基づき、電力消費量と相関のある世帯の生活状況を推定すること及び生活行動を推定することの少なくとも一方を含む世帯の生活推定を行うように構成され得る。
データ出力部は、推定部により推定された世帯の生活状況及び生活行動の少なくとも一方に関する情報を世帯の識別子と関連付けて記述する世帯の特徴データを、出力するように構成され得る。識別子は、広告配信用の端末ID又はクッキーIDであり得る。
こうした推定システムの構成によっても、例えば広告配信を行ったり消費者情報を収集したりする装置又は企業等に対して有意義な情報を提供可能である。
本開示の一側面によれば、データ出力部は、複数の顧客に関して、各顧客の特徴データを、対応する顧客の識別子と関連付けて記憶する顧客データベースを管理するシステムに対して、世帯の特徴データを送信するように、特徴データを出力し得る。
本開示の一側面によれば、上記別の推定システムは、更新部を備えてもよい。更新部は、複数の世帯に関する世帯毎の特徴データを備えるデータベースを更新するように構成され得る。更新部は、生活推定の対象である世帯の特徴データとして、推定部により推定された世帯の生活状況及び生活行動の少なくとも一方に関する情報を世帯の識別子と関連付けて記述する特徴データを、データベースが記憶するように、データベースを更新し得る。識別子は、世帯が使用する情報端末に対して発行された広告配信用の端末ID又はブラウザに対して発行されたクッキーIDであり得る。こうした推定システムの構成によれば、広告配信への活用に有意義なデータベースを構築することができる。
本開示の一側面によれば、取得部と、推定部と、更新部と、を備える更に別の推定システムが提供されてもよい。この推定システムにおいて、取得部は、世帯が住居内で消費する電力に関する電力消費量を示す情報を電力情報として取得するように構成され得る。
推定部は、取得部により取得された電力情報が示す電力消費量に基づき、電力消費量と相関のある世帯の生活状況を推定すること及び生活行動を推定することの少なくとも一方を含む世帯の生活推定を行うように構成され得る。
更新部は、複数の世帯に関する世帯毎の特徴データを備えるデータベースを更新するように構成され得る。更新部は、生活推定の対象である世帯の特徴データとして、推定部により推定された世帯の生活状況及び生活行動の少なくとも一方に関する情報を世帯の識別子と関連付けて記述する特徴データを、データベースが記憶するように、データベースを更新し得る。識別子は、広告配信用の端末ID又はクッキーIDであり得る。
本開示の一側面によれば、上述した推定システムの少なくとも一部の機能をコンピュータに実現させるためのコンピュータプログラムが提供されてもよい。例えば、上述した推定システムにおける取得部及び推定部としての機能を、コンピュータに実現させるためのコンピュータプログラムが提供されてもよい。
本開示の一側面によれば、上述した推定システムにおける取得部、推定部、選択部、及び配信部としての機能を、コンピュータに実現させるためのコンピュータプログラムが提供されてもよい。
本開示の一側面によれば、上述した推定システムにおける取得部、推定部、及びデータ出力部としての機能を、コンピュータに実現させるためのコンピュータプログラムが提供されてもよい。
本開示の一側面によれば、上述した推定システムにおける取得部、推定部、及び更新部としての機能を、コンピュータに実現させるためのコンピュータプログラムが提供されてもよい。
本開示の一側面によれば、コンピュータにより実行される推定方法であって、世帯の住居において電気配線を通じて供給される電力の監視により判別される、世帯が住居内で使用する複数の機器に関する、各機器の電力消費量を示す情報を取得することと、取得した情報が示す各機器の電力消費量に基づき、世帯の生活推定を行うことと、を含み、生活推定が、電力消費量と相関のある世帯の生活状況を推定すること及び生活行動を推定することの少なくとも一方を含む推定方法が提供されてもよい。
本開示の一側面によれば、コンピュータにより実行される推定方法であって、世帯が住居内で消費する電力に関する電力消費量を示す情報を取得することと、取得した情報が示す電力消費量に基づき、電力消費量と相関のある世帯の生活状況を推定すること及び生活行動を推定することの少なくとも一方を含む世帯の生活推定を行うことと、推定した世帯の生活状況及び生活行動の少なくとも一方に関する情報を世帯の識別子と関連付けて記述する世帯の特徴データを、出力することとを含む推定方法が提供されてもよい。識別子は、広告配信用の端末ID又はクッキーIDであり得る。
本開示の一側面によれば、コンピュータにより実行される推定方法であって、世帯が住居内で消費する電力に関する電力消費量を示す情報を取得することと、取得した情報が示す電力消費量に基づき、電力消費量と相関のある世帯の生活状況を推定すること及び生活行動を推定することの少なくとも一方を含む世帯の生活推定を行うことと、複数の世帯に関する世帯毎の特徴データを備えるデータベースを更新することであって、生活推定の対象である世帯の特徴データとして、推定した世帯の生活状況及び生活行動の少なくとも一方に関する情報を世帯の識別子と関連付けて記述する特徴データを、データベースが記憶するように、データベースを更新することとを含む推定方法が提供されてもよい。識別子は、広告配信用の端末ID又はクッキーIDであり得る。
以下に本開示の例示的実施形態を、図面を参照しながら説明する。
[第一実施形態]
本実施形態の情報処理システム1は、住居で消費される電力の情報に基づき、住居内での世帯の生活、特には電力消費と相関のある生活状況及び生活行動を推定するように構成されるシステムである。
[第一実施形態]
本実施形態の情報処理システム1は、住居で消費される電力の情報に基づき、住居内での世帯の生活、特には電力消費と相関のある生活状況及び生活行動を推定するように構成されるシステムである。
この情報処理システム1は、プロセッサ11と、メモリ13と、ストレージ15と、通信インタフェース19と、を備える。プロセッサ11は、ストレージ15に格納されるコンピュータプログラムに従う処理を実行するように構成される。メモリ13は、プロセッサ11による処理実行時に作業領域として使用される。
ストレージ15は、ハードディスクドライブ又はソリッドステートドライブを備え、コンピュータプログラム、及び、プロセッサ11による処理実行時に使用される各種データを記憶する。通信インタフェース19は、広域ネットワークに接続される。
例えば、情報処理システム1は、通信インタフェース19を通じて、クラウドサーバ20、情報処理システム1が提供するサービスを利用する企業の顧客管理システム30、広告用の配信サーバ40、及び、ユーザに対して各種情報を提供するウェブサーバ50と通信可能に構成される。
クラウドサーバ20は、複数の世帯に関して、世帯毎に、対応する世帯から取得した電力計測データを解析部21(図2参照)にて解析し、それにより生成した電力解析データを情報処理システム1に提供するように構成される。解析部21の機能は、例えばクラウドサーバ20における図示しないプロセッサがコンピュータプログラムに従う処理を実行することにより実現される。
各世帯の電力計測データは、対応する世帯の住居に設置された計測器110から、住居内の通信器140及び広域ネットワークを通じて、クラウドサーバ20に送信される。
各世帯の計測器110は、図1において一点鎖線で囲まれる、対応する世帯の住居内に設けられた分電盤100の主幹側に設けられる。分電盤100において、主幹側から延びる電気配線は、分岐回路120で分岐される。分岐回路120から延びる住居内の電気配線は、複数の部屋のそれぞれの配線用差込接続器に接続される。
計測器110は、分電盤100内で分岐回路120より上流に設けられ、主幹側から住居内に供給される電力を、分岐前の一地点で計測する。すなわち、計測器110は、世帯の住居において電気配線を通じて供給される電力を、電気配線が分岐する前の上流側の一地点で監視することにより、住居内に供給される電力を計測する。
計測器110は、所定時間毎に、所定時間の供給電力、換言すれば住居内で所定時間の間に消費された電力の量である電力消費量を計測し、計測された所定時間毎の電力消費量を、時系列の電力計測データとして、クラウドサーバ20に提供するように構成される。所定時間は、例えば1分である。
この電力計測データが示す所定時間毎の電力消費量は、住居内で世帯が使用する複数の機器150の電力消費量を含む住居における電力消費量の合計、すなわち総消費量である。分岐回路120から分岐された電力は、住居内の電気配線を通じて、更には、住居内の各部屋に設けられた電源タップを通じて、電源タップに接続された複数の機器150に供給される。
複数の機器150は、電気機器又は電子機器である。複数の機器150の例には、冷蔵庫、電子レンジ、洗濯機、TV受信機、及び空調機(以下「エアコン」という)等が含まれる。住居内には、同じ種類の機器が複数存在し得る。例えば、住居内には、複数台のTV受信機が存在し得る。以下では、同じ種類の複数の機器を、概念上、一つの機器として取り扱う。
図2に示すクラウドサーバ20の解析部21は、世帯毎に、対応する世帯の計測器110から提供された電力計測データが示す所定時間毎の電力消費量から、複数の機器150のそれぞれの所定時間毎の電力消費量、すなわち機器別の電力消費量を判別し、判別した機器別の電力消費量を時系列で説明する電力解析データを生成する。電力解析データは、クラウドサーバ20内で保持され、情報処理システム1からの要求に応じてクラウドサーバ20から情報処理システム1に提供される。
生成される電力解析データの構成は、図2に例示される。この例によれば、電力解析データは、計測器ID毎、計測日時毎、及び、分類毎に、計測器IDで特定される世帯の、対応する日時における、対応する分類の電力消費量であって所定時間の電力消費量を記述するレコードを有する。所定時間の電力消費量は、所定時間の間に消費された電力の量を意味する。レコードは、電力解析データにおいて例えば計測器ID毎に時系列に配列される。
ここでいう計測器IDは、計測器110の識別コードを意味する。計測日時は、対応する電力消費が生じた日時を意味する。レコードには、計測日時として最小単位が分である日時が記録される。分類は、対応するレコードに記述される電力消費量の種類を表す。
解析部21は、所定時間の電力消費量を記述するレコードとして、対応する世帯の所定時間の総消費量(住居内での電力消費量の合計)を記述するレコードを記録する。解析部21は更に、複数の機器150のそれぞれについて、対応する機器150の所定時間の電力消費量を記述するレコードを生成する。
解析部21は更に、総消費量のうち、機器別の電力消費量に分離できなかった残りの電力消費量を、その他消費量として記述するレコードを生成する。その他消費量は、個別の電力消費量が判別された複数の機器150以外の、住居内で使用されるその他の種類不明な一つ以上の機器150の電力消費量の合計に対応する。以下では、その他の一つ以上の機器150を、概念上一つの機器とみなして、単に「その他機器」と表現する。その他機器の電力消費量は、すなわちその他消費量は、総消費量から機器別の電力消費量の合計を減算して得られる。
レコードが「総消費量」を説明する場合、レコードには、電力消費量が総消費量であることを示す分類コードが記述される。レコードが一つの機器150の電力消費量を説明する場合、レコードには、対応する一つの機器150を判別可能な分類コードが記述される。レコードがその他機器の「電力消費量」を説明する場合、レコードには、電力消費量がその他機器の電力消費量であることを示す分類コードが記述される。
情報処理システム1のプロセッサ11は、図3に示す生活スタイル推定処理を世帯毎に実行することにより、このクラウドサーバ20が記憶する対応する世帯の電力解析データに基づいて、対応する世帯の生活スタイルを推定する。生活スタイル推定処理は、世帯毎に、所定期間毎に実行される。
生活スタイル推定処理を開始すると、プロセッサ11は、クラウドサーバ20から、生活スタイル推定に用いる電力解析データとして、対象世帯の対象期間内の所定時間毎の電力消費量を表す電力解析データを取得する(S110)。ここでいう対象世帯は、生活スタイルを推定する対象の世帯を意味し、対象期間は、生活スタイルの推定に用いる電力消費量の計測期間を意味する。
その後、プロセッサ11は、取得した電力解析データに基づき、対象期間における対象世帯の電力消費に関する特徴量として、所定時間当たりの総消費量に関する時間区分毎の特徴量を算出する(S120)。ここでいう時間区分は、1週間を細分化して定義される時間区分である。
具体的に、時間区分は、1週間を、曜日及び時間帯の組合せで区分して定義される。すなわち、時間区分は、曜日及び時間帯の組合せである。時間帯は、例えば24時間を1時間単位で区切って定義される。例えば、時間区分の例には、月曜日の7時から8時までの時間帯、水曜日の13時から14時までの時間帯などが含まれる。
また、所定時間当たりの総消費量に関する一時間区分の特徴量は、対象期間の当該一時間区分に該当する全ての時間帯における所定時間の総消費量に関する最大値、最小値、及び平均値である。すなわち、S120において、プロセッサ11は、S110で取得した対応世帯及び対象期間の電力解析データに基づき、所定時間当たりの総消費量に関する特徴量として、時間区分毎に、対象世帯及び対応する時間区分における所定時間の総消費量の最大値、最小値、及び平均値を算出する。
更に、プロセッサ11は、複数の機器150及びその他機器について、機器毎に、対応する機器の所定時間当たりの電力消費量に関する時間区分毎の特徴量を算出する(S130)。
ここで算出される対応する機器の一時間区分の特徴量は、対象期間の当該一時間区分に該当する全ての時間帯における上記対応する機器の所定時間の電力消費量に関する最大値、最小値、及び平均値である。すなわち、S130において、プロセッサ11は、S110で取得した対応世帯及び対象期間の電力解析データに基づき、機器毎に、対応する機器の所定時間当たりの電力消費量に関する特徴量として、時間区分毎に、対象世帯における対応する機器の所定時間の電力消費量の最大値、最小値、及び平均値を算出する。
更に、プロセッサ11は、複数の機器150及びその他機器について、機器毎に、対応する機器の対象期間における利用量に関する特徴量を算出する(S140)。ここでいう特徴量の例には、対象期間における機器の利用回数、利用時間、及び利用率が含まれる。
利用回数は、例えば、対応する機器のオン/オフに応じた電力消費量の変化から特定され得る。利用時間は、対応する機器が待機電力を超える電力を消費していた時間から特定され得る。利用率は、対象期間における、利用回数又は利用時間が算出される全ての機器の利用回数又は利用時間の合計に対する、対応する機器の利用回数又は利用時間の割合によって算出され得る。
S140において、プロセッサ11は、機器毎に、上記特徴量として、利用回数、利用時間、及び利用率の少なくとも一つを算出することができる。
更に、プロセッサ11は、電力解析データにおける総消費量の時間変化から、対象期間において、昼夜問わず定常的に消費される電力量である定常電力消費量を、世帯の電力消費に関する一つの特徴量として、算出する(S150)。定常電力消費量に代えて、総消費量から定常電力消費量を減算して算出される所定時間毎の非定常電力消費量が後続の処理で用いられてもよい。
その後、プロセッサ11は、推定モデルの入力データとして、S120~S150で算出した特徴量を並べた配列データを生成する。以下では、この配列データのことを、電力消費特徴データという(S160)。電力消費特徴データに含まれる特徴量は、電力消費に関する実績値に対応する。
プロセッサ11は、S160で生成した電力消費特徴データを、世帯の生活スタイルを推定するために予め構築された推定モデルである生活スタイル推定モデルに入力し、当該入力に応じて生活スタイル推定モデルから出力される、対応する世帯の生活スタイル推定データを生活スタイル推定モデルから取得する(S170)。この推定モデルは、例えば機械学習モデルであり、教師データを用いた機械学習により構築され得る。推定モデルの例には、ニューラルネットワークが含まれる。
図4には、生活スタイル推定モデルに入力される例示的な電力消費特徴データの構成を表す。図5には、生活スタイル推定モデルから出力される例示的な生活スタイル推定データの構成を表す。
図4に例示される電力消費特徴データは、所定時間当たりの総消費量に関する時間区分毎の特徴量を備える。更に電力消費特徴データは、複数の機器150の特徴量として、冷蔵庫、電子レンジ、炊飯器、IH調理器、洗濯機、掃除機(コード付)、TV受信機、エアコン、及びヒータに関する特徴量を備える。ここでいうヒータは、ドライヤや電気ケトル等の電熱線を含む機器である。更に、電力消費特徴データは、その他機器の特徴量を備える。
電力消費特徴データは、各機器の特徴量として、機器の所定時間当たりの電力消費量に関する時間区分毎の特徴量、及び、機器の利用量に関する特徴量を備える。電力消費特徴データは更に、対象期間における定常電力消費量を、特徴量として備える。
図5に例示される生活スタイル推定データは、生活スタイルに関するカテゴリ毎に、対象世帯が所属すると推定されるセグメントの識別情報(例えばセグメント番号)を含む。カテゴリの例には、デモグラフィック属性、食事、仕事、レジャー、睡眠、及び家事が含まれる。
各カテゴリには、限定されないが図6に例示されるようなセグメントが定義される。このセグメントの定義に従う教師データの用意、教師データに基づく機械学習により生活スタイル推定モデルが構築される。生活スタイル推定モデルから出力される生活スタイル推定データには、カテゴリ毎に、対象世帯の所属セグメントの識別情報が記述される。
図6の例示によれば、デモグラフィック属性のカテゴリでは、子供がいる世帯である「子供有り」セグメント、老人がいる世帯である「老人有り」セグメント、及び、ペットを飼っている世帯である「ペット有り」セグメントが定義される。これらのセグメントは、世帯構成を表す。
食事のカテゴリでは、自炊が多い世帯である「自炊」セグメント、フードデリバリーサービスの利用が多い世帯である「デリバリー」セグメント、及び、外食が多い世帯である「外食」セグメントが定義される。
仕事のカテゴリでは、共働き世帯である「共働き」セグメント、片働き世帯である「片働き」セグメント、及び、テレワーク世帯である「テレワーク」セグメントが定義される。
レジャーのカテゴリでは、「インドア派」「アウトドア派」「旅行派」セグメントが定義される。レジャーは、娯楽の例に対応する。睡眠のカテゴリでは、「早寝型」「夜更かし型」「昼夜逆転型」セグメントが定義される。
S170において、生活スタイル推定データを取得すると、プロセッサ11は、ストレージ15が記憶するユーザ管理データベース15Aに存在する対象世帯の管理データに、取得した生活スタイル推定データを登録する(S180)。その後、図3に示す生活スタイル推定処理を終了する。
図7に示すように管理データは、世帯の識別コードである世帯ID、世帯に設置された計測器110の識別コードである計測器ID、及び世帯の情報端末60に紐づけられる広告識別子を含み、生活スタイル推定データは、これら世帯ID、計測器ID、及び広告識別子に関連付けられて、ユーザ管理データベース15Aに登録される。この登録により、ユーザ管理データベース15Aは、世帯の広告識別子に関連付けて生活スタイル推定データを記憶するように更新される。
広告識別子は、世帯の構成員(例えば世帯主)が所有する情報端末60への広告配信を目的として管理データに登録される。広告識別子は、広告配信先を特定するための情報である。
具体的に、広告識別子は、スマートフォンなどの情報端末60に付与される情報端末固有の端末IDであって、広告配信用に使用される広告IDであり得る。あるいは、広告識別子は、情報端末60のブラウザに対して発行されるクッキー(Cookie)IDや、情報端末60に広告コンテンツを電子メールにより送信するためのメールアドレスであり得る。広告コンテンツは、広告用の情報コンテンツに対応する。
広告ID及びクッキーIDは、例えば、ウェブサーバ50を通じて世帯から広告配信の利用登録を受け付ける際に、あるいは、計測器110を用いた電力情報の収集や収集データの利用に関する許諾を受ける際に、アクセス元の情報端末60から取得することができる。メールアドレスは、ユーザからの利用登録の際に、ユーザからの入力を通じて取得することができる。
その他、広告識別子は、本実施形態の情報処理システム1を通じたサービスの利用や電力情報の収集の過程における様々な場面で、世帯の情報端末60や世帯の構成員から取得することができる。
以上には、説明を簡単にするために、生活スタイル推定処理を世帯毎に実行する例を説明したが、生活スタイル推定処理は、複数の世帯に関して並列に実行されてもよい。プロセッサ11は、行列等を用いて、複数の世帯に関する生活スタイルの推定を同時並行的に実行することができる。
続いて、生活スタイル推定モデルを構築するためにプロセッサ11が実行するモデル構築処理の詳細を、図8を用いて説明する。プロセッサ11は、図示しない情報処理システム1の操作デバイスを通じて、情報処理システム1の管理者からモデル構築処理の実行指示が入力されると、図8に示すモデル構築処理を実行することができる。
モデル構築処理の実行に先立って、管理者は、パネルとして調査に協力的な複数の世帯の電力消費に関するデータとして、S110で取得される電力解析データと同等の電力解析データをクラウドサーバ20から取得する。更に、管理者は、これら複数の世帯から、生活スタイルに関するアンケートデータを取得する。管理者は、これら電力データ及びアンケートデータに基づき、各世帯の電力消費特徴データ及び生活スタイル推定データを生成することができる。
この生活スタイル推定データは、アンケートデータに基づく正解データである。管理者は、各世帯の電力消費特徴データと生活スタイル推定データとの組合せを、対応する世帯の電力消費の特徴量と生活との対応関係を示す教師データとして作成し、ストレージ15に記憶させる。
プロセッサ11は、モデル構築処理を開始すると、予めストレージ15に格納された教師データの一群を、ストレージ15から読み出す(S210)。その後、プロセッサ11は、読み出した教師データの一群を用いた機械学習により生活スタイル推定モデルを構築する(S220)。
その後、プロセッサ11は、構築された生活スタイル推定モデルを、具体的にはその推定モデルを定義するパラメータを、ストレージ15に保存する(S230)。その後、プロセッサ11は、モデル構築処理を終了する。
プロセッサ11は、ストレージ15に保存された生活スタイル推定モデルを活用して、図3に示す生活スタイル推定処理で、パネルではない複数の世帯に関して、世帯毎の生活スタイルを推定し、生活スタイル推定データを、対応する世帯の広告識別子と関連付けて、ストレージ15に記憶させることができる(S180)。
続いて、プロセッサ11が、広告識別子に関連付けられた生活スタイル推定データを利用して、実行するデータ提供処理の詳細を、図9A及び図9Bを用いて説明する。プロセッサ11は、外部システムからのデータ要求を、通信インタフェース19を通じて受け取ると、図9Aに示すデータ提供処理を実行する。外部システムの例は、情報処理システム1が提供するデータ提供サービスを利用する企業の顧客管理システム30である。
データ提供処理を開始すると、プロセッサ11は、ストレージ15内のユーザ管理データベース15Aから、要求された生活スタイル推定データを取得する。外部システムからのデータ要求は、広告識別子を指定して行われる。プロセッサ11は、指定された一つ以上の広告識別子のそれぞれに関して、対応する広告識別子に関連付けられた世帯の生活スタイル推定データを、ユーザ管理データベース15Aから取得する(S310)。
その後、プロセッサ11は、取得した生活スタイル推定データのそれぞれを、対応する広告識別子と関連付けて、これらをまとめたデータを、データ要求元に通信インタフェース19を通じて送信する(S320)。これによりプロセッサ11は、広告識別子付の世帯の特徴データを出力する。その後、プロセッサ11は、データ提供処理を終了する。
データ要求元の外部システムが、顧客データベースであるCRM(Customer Relationship Management)データベースを管理する顧客管理システム30である場合、顧客管理システム30は、図9Bに示すように、情報処理システム1から提供された広告識別子付の生活スタイル推定データを、自己が保持する広告識別子付の顧客データと、広告識別子を手掛りに連結することができる。
CRMデータベースは、複数の顧客に関して、各顧客の特徴データである顧客データを、対応する顧客の識別子と関連付けて記憶する顧客データベースである。従って、本実施形態の情報処理システム1において実現される生活スタイル推定データの提供サービスは、そのサービスを利用する企業の顧客データの充実に大変役立つ。
続いて、プロセッサ11が、広告識別子に関連付けられた生活スタイル推定データを利用して、実行する第一広告配信処理の詳細を、図10を用いて説明する。プロセッサ11は、所定条件が満足されると、図10に示す第一広告配信処理を実行する。
プロセッサ11は、例えば、広告コンテンツの配信周期又は指定された配信時刻が到来したことを条件に、第一広告配信処理を実行することができる。あるいは、プロセッサ11は、図示しない情報処理システム1の操作デバイスを通じて、配信指示が入力されると、第一広告配信処理を実行することができる。
第一広告配信処理を開始すると、プロセッサ11は、広告コンテンツの配信対象として登録されている世帯の一群から、処理対象の世帯を選択する(S410)。その後、処理対象の世帯の生活スタイルを、ユーザ管理データベース15Aに登録された該当世帯の生活スタイル推定データを参照することにより判別する(S420)。
ここでの生活スタイルの判別は、生活スタイル推定データに所属セグメントが記述される複数のカテゴリのうち、特定のカテゴリの所属セグメントを参照することにより実現され得る。例えば、プロセッサ11は、配信する広告コンテンツが食事に関するものである場合には、食事カテゴリの所属セグメントを、生活スタイル推定データを参照して判別することができる。
例えば、プロセッサ11は、予め指定されたカテゴリの所属セグメントを、生活スタイル推定データを参照して判別することができる。あるいは、第一広告配信処理は、カテゴリ毎に実行されてもよい。カテゴリ毎に、配信対象の世帯の一群が定義され、カテゴリ毎及びセグメント毎に広告コンテンツが用意されてもよい。
S420での処理を終えると、プロセッサ11は、予め用意された複数の広告コンテンツの中から、S420で判別した処理対象の世帯の所属セグメントに対応付けられた広告コンテンツを、配信対象コンテンツに選択する(S430)。
続くS440において、プロセッサ11は、ユーザ管理データベース15Aの参照により、処理対象の世帯の広告識別子を判別し、広告識別子に対応する情報端末60に、S430で選択した広告コンテンツを配信する。プロセッサ11は、配信サーバ40に対して配信要求し、配信サーバ40を通じて、情報端末60に広告コンテンツを配信することができる。
プロセッサ11は、S410~S440の処理を繰返し実行することにより、広告コンテンツの配信対象として登録されている世帯の全てに対して、世帯の所属セグメントに応じた広告コンテンツを配信する。そして、全世帯に対する広告コンテンツの配信を終了すると(S450でYes)、第一広告配信処理を終了する。
ここでは、簡単な説明及び簡単な理解のために、世帯毎に配信対象コンテンツを選択し、選択した広告コンテンツを配信する例を説明した。しかしながら、複数の世帯のそれぞれに配信する広告コンテンツを選択した後、複数の世帯のそれぞれに広告コンテンツを配信する処理を実行してもよいことは言うまでもない。配信サーバ40に対する配信要求は、配信サーバ40に対する広告出稿であり得る。
この他、プロセッサ11は、第一広告配信処理に代えて、又は、第一広告配信処理に加えて、図11に示す第二広告配信処理を実行することができる。プロセッサ11は、所定条件が満足されると、第二広告配信処理を実行することができる。例えば、プロセッサ11は、図示しない情報処理システム1の操作デバイスを通じて配信指示が入力されると、第二広告配信処理を実行することができる。
第二広告配信処理を開始すると、プロセッサ11は、配信ターゲット情報を取得する(S510)。配信ターゲット情報は、例えば、生活スタイルのカテゴリとセグメントとの組合せで配信先を指定する情報であり得る。配信ターゲット情報は、配信指示元から入力され得る。
続くS520において、プロセッサ11は、配信ターゲット情報で指定されたカテゴリにおいて、指定されたセグメントに所属する世帯の一群を、ユーザ管理データベース15Aにおける生活スタイル推定データの一群を参照することにより判別する。
続くS530において、プロセッサ11は、S520で判別された世帯の一群に対して、配信指示元から指定された広告コンテンツを配信する。この際、プロセッサ11は、判別された世帯の一群に対応する広告識別子の一群を判別し、これら広告識別子を有する情報端末60の一群に対して、広告コンテンツを配信する。配信は、S440での処理と同様に、配信サーバ40を通じて行われ得る。
以上に説明した本実施形態の情報処理システム1によれば、住居内の複数の機器150の電力消費量に基づく生活推定により、従来よりも高精度に住居内の生活者、すなわち世帯の生活を推定することができる。
本実施形態によれば、特に、総消費量、機器別電力消費量、及び、その他機器の電力消費量に基づいて生活推定を行うため、機器別に分離できない種類不明の機器の電力消費量を適切に考慮して、生活推定を行うことができる。本実施形態によれば更に、電力消費量の定常成分を考慮しながら、生活推定を行うので、高精度な生活推定を実現することが可能である。
また、本実施形態では、機器別の電力消費量を取り扱うことに伴って、推定モデルへの入力データが過剰に増大するのを抑えるために、電力消費量を時間区分毎の統計値に変換し、この統計値を活用して、推定モデルへの入力データを生成するようにした。更には、人の生活行動が、暦に応じて、周期的な行動を示すことを利用して、1週間を区分化することにより時間区分を定義した。従って、本実施形態によれば、プロセッサ11の処理負荷を抑えて、高精度な生活推定を実現することができる。
この他、本実施形態では、推定モデルにより推定されたライフスタイル推定データを広告識別子と関連付けるようにした。広告識別子付のライフスタイル推定データによれば、推定データを、広告配信や、顧客データの充実に有意義に活用することができる。
ところで、上記実施形態では、生活スタイルの各カテゴリに対して、複数のセグメントを定義することにより、生活スタイルの種類を定義した。しかしながら、生活スタイルは、カテゴリ毎に、対応するカテゴリの生活スタイルの一群を複数のクラスタにクラスタリングすることにより定義されてもよい。
各カテゴリの生活スタイルは、複数のパラメータで細分化され得る。例えば、「食事」に関する生活スタイルは、図12に示すように、複数のパラメータとして、食事内容、食事場所、調理者の種類、外食頻度によって細分化され得る。ここでいうクラスタリングは、複数のパラメータを用いて細分化される生活スタイルを、いくつかの少ない数のクラスタに分類することに対応する。このようにして、生活スタイルの各カテゴリに対しては、複数のクラスタが定義され得る。
この場合、プロセッサ11は、カテゴリ毎に、世帯の所属セグメントを推定することに代えて、世帯の生活スタイルに対応するクラスタを推定することができる。
[第二実施形態]
第二実施形態の情報処理システム1は、プロセッサ11が第一実施形態で説明した処理に加えて図13に示す行動推定処理を実行するように構成される。以下では、第二実施形態の情報処理システム1の構成として、プロセッサ11が実行する行動推定処理の詳細を選択的に説明する。本実施形態において言及されない情報処理システム1の構成、及び、情報処理システム1の周辺構成は、第一実施形態と同じであると理解されてよい。
第二実施形態の情報処理システム1は、プロセッサ11が第一実施形態で説明した処理に加えて図13に示す行動推定処理を実行するように構成される。以下では、第二実施形態の情報処理システム1の構成として、プロセッサ11が実行する行動推定処理の詳細を選択的に説明する。本実施形態において言及されない情報処理システム1の構成、及び、情報処理システム1の周辺構成は、第一実施形態と同じであると理解されてよい。
プロセッサ11は、図13に示す行動推定処理を世帯毎に実行することにより、対応する世帯の行動を、電力消費に関する特徴から推定する。推定対象の行動は、電力消費との相関を有し得る世帯構成員の住居内での生活行動及び住居内外への出入りに関する行動を含む。プロセッサ11は、行動推定処理を世帯毎に周期的に繰返し実行することができる。
行動推定処理を開始すると、プロセッサ11は、現在を含む過去所定期間を対象期間として、この対象期間における対象世帯の電力消費量を時系列で表す電力解析データをクラウドサーバ20から取得する(S710)。ここでいう対象世帯は、行動を推定する対象の世帯を意味する。
その後、プロセッサ11は、取得した電力解析データに基づいて、対象期間における電力消費の変化を説明する電力時系列データを生成する(S720)。電力時系列データは、図14Aに示すように、対象期間における所定時間間隔の各時点毎に、対応する日時における複数の機器150及びその他機器の電力消費量を配列した配列データを有する。電力時系列データは、この配列データが時系列に並べられたデータとして構成される。電力消費量は、所定時間(例えば1分間)の電力消費量である。
続くS730において、プロセッサ11は、S720で生成した電力時系列データを、行動推定モデルに入力し、行動推定モデルの出力データとして、対象世帯の行動推定データを行動推定モデルから取得する。この推定モデルは、世帯の行動を推定するための数理モデルであり、例えば教師データを用いた機械学習により構築される。推定モデルの例には、ニューラルネットワークが含まれる。
図14Aに示すように、行動推定データは、推定対象の複数種類の行動に関して、行動の種類毎に、対応する種類の行動の実行有無を1又は0で表す行動フラグを有する。換言すれば、行動フラグは、対応する行動の実行有無に関する推定値を1又は0で表す。行動の種類の例には、休憩、食事、洗濯、掃除、炊事、SNS利用、マスメディア視聴、入浴、睡眠、在宅、及び外出等の日常生活において住居内で発生し得る行動が含まれる。別例によれば、行動フラグに代えて、対応する行動の実行可能性を表すスコアが用いられてもよく、例えば採り得る範囲が値0から値1までの行動確率に対応するスコアが用いられてもよい。
行動推定データは、例えば、対象期間の終点に対応する現在(例えば図14Bにおいて黒丸で示す時点)における対象世帯の各種類の行動の実行有無を表し得る。あるいは、行動推定データは、現在より一定時間後の近い未来の時点(例えば図14Bにおいて白丸で示す時点)における対象世帯の各種類の行動の実行有無を、予測値として表し得る。
続くS740において、プロセッサ11は、取得した行動推定データに基づき、対象世帯が特定種類の行動を現在実行している又は近い未来に実行すると行動推定モデルが推定したかを判断する。特定種類の行動は、行動推定モデルにより推定される複数種類の行動のうちの一つ又は複数であり得る。
プロセッサ11は、世帯が特定種類の行動を現在実行している又は近い未来に実行すると推定されている場合、S740において肯定判断して、特定種類の行動に対応する広告コンテンツを、対象世帯に配信する(S750)。
すなわち、プロセッサ11は、ユーザ管理データベース15Aの参照により、対象世帯の広告識別子に対応する情報端末60に、広告コンテンツを配信する。プロセッサ11は、配信サーバ40を通じて、情報端末60に広告コンテンツを配信することができる。
特定種類の行動として複数種類の行動が設定されている場合、プロセッサ11は、複数の広告コンテンツの中から、現在実行されている又は近い未来に実行される行動の種類に応じた広告コンテンツを配信対象に選択し、選択した広告コンテンツを配信することができる。
一方、プロセッサ11は、世帯が特定種類の行動を現在実行している又は近い未来に実行すると推定されていない場合、S740において否定判断し、広告コンテンツを対象世帯に配信せずに、行動推定処理を終了する。
プロセッサ11は、以上に説明した行動推定処理を繰返し実行することにより、広告コンテンツに関連する行動を世帯が実行するとき、あるいは近い未来において実行する可能性が高いときに、当該広告コンテンツを世帯の情報端末60に配信することができる。あるいは、プロセッサ11は、世帯の行動変化に応じて、配信する種類の広告コンテンツを切り替えることができる。
行動推定処理の実行周期は、行動推定のために用いる電力解析データの取得期間(すなわち上記対象期間)と同じ時間間隔であってもよいし、図14Bに示すように短い時間間隔であってもよい。
更に言えば、特定種類の行動は、情報処理システム1の管理者により設定された選択条件に従って、複数種類の行動の中から選択され得る。プロセッサ11は、配信対象として用意された広告コンテンツの種類に応じて、行動推定モデルが推定可能な複数種類の行動の中から、特定種類の行動を選択し得る。
あるいは、各広告コンテンツには、複数種類の行動うち上記特定種類の行動として取り扱われるべき行動を指定する配信条件が定められ得る。プロセッサ11は、配信条件に従って、S740,S750の処理を実行することができる。
付言すれば、行動推定処理の繰返し実行に先駆けて、プロセッサ11は、第一実施形態のモデル構築処理(図8参照)と同様に、行動推定モデル用の教師データを取得し(S210)、教師データを用いた機械学習により、行動推定モデルを構築し(S220)、構築した行動推定モデルを定義するパラメータを、ストレージ15に保存すること(S230)ができる。
教師データとして、パネルに対応する複数の世帯からは、複数種類の行動の実行有無を時系列で説明する行動履歴データを取得することができる。教師データは、パネルに対応する世帯毎の電力時系列データ及び行動履歴データに基づいて作成され得る。すなわち、構築対象の行動推定モデルの入出力に応じた教師データが、パネルに対応する世帯毎の電力時系列データ及び行動履歴データから作成されて、ストレージ15に格納され得る。
以上に説明した第二実施形態の情報処理システム1によれば、現在又は近未来の生活行動を高精度に推定でき、生活行動の変化に応じたコンテンツ配信により、訴求力の高いコンテンツ配信を実現することができる。
[第三実施形態]
第三実施形態の情報処理システム1は、プロセッサ11が図15に示すライフイベント推定処理を更に実行するように構成される。以下では、第三実施形態の情報処理システム1の構成として、プロセッサ11が実行するライフイベント推定処理の詳細を選択的に説明する。本実施形態において言及されない情報処理システム1の構成、及び、情報処理システム1の周辺構成は、第一実施形態又は第二実施形態と同じであると理解されてよい。
第三実施形態の情報処理システム1は、プロセッサ11が図15に示すライフイベント推定処理を更に実行するように構成される。以下では、第三実施形態の情報処理システム1の構成として、プロセッサ11が実行するライフイベント推定処理の詳細を選択的に説明する。本実施形態において言及されない情報処理システム1の構成、及び、情報処理システム1の周辺構成は、第一実施形態又は第二実施形態と同じであると理解されてよい。
プロセッサ11は、図15に示すライフイベント推定処理を世帯毎に実行することにより、対応する世帯のライフイベントを、電力消費に関する特徴から推定する。推定対象のライフイベントは、住居内の電力消費との相関を有し得るライフイベントである。プロセッサ11は、ライフイベント推定処理を世帯毎に周期的に繰返し実行することができる。
ライフイベント推定処理を開始すると、プロセッサ11は、現在を含む例えば1年などの比較的長い過去所定期間を対象期間として、この対象期間における対象世帯の電力消費量を表す電力解析データをクラウドサーバ20から取得する(S810)。ここでいう対象世帯は、ライフイベントを推定する対象の世帯を意味する。
その後、プロセッサ11は、取得した電力解析データに基づいて、対象期間における電力消費の変化を説明する長期時系列データを生成する(S820)。長期時系列データは、図16に示すように、対象期間における月毎に、対応する月における複数の機器150及びその他機器の電力消費量の特徴量を配列した配列データを有し、月毎の配列データが時系列に並べられたデータとして構成される。特徴量は、対応する月における対応する機器の電力消費量の合計であり得る。あるいは、特徴量は、対応する月における対応する機器の所定時間当たりの電力消費量の最大値、最小値、及び平均値の組合せであり得る。所定時間の例には、1分、1時間、及び1日が含まれる。
続くS830において、プロセッサ11は、S820で生成した長期時系列データを、ライフイベント推定モデルに入力し、ライフイベント推定モデルの出力データとして、対象世帯のライフイベント推定データをライフイベント推定モデルから取得する。この推定モデルもまた、生活スタイル推定モデル及び行動推定モデルと同様に、ニューラルネットワーク等の機械学習モデルであり得る。
図16に示すライフイベント推定データは、推定対象の複数種類のライフイベントに関して、ライフイベントの種類毎に、対応する種類のライフイベントの発生有無を1又は0で表すイベントフラグを有する。
イベントフラグは、対応するライフイベントの発生有無に関する推定値である。ライフイベントの例には、結婚、妊娠、出産、引っ越し、及び就職等が含まれる。ここでいう引っ越しは、世帯構成員の一部の引っ越しを含む。別例によれば、イベントフラグに代えて、対応するライフイベントの発生可能性を表すスコアが用いられてもよく、例えば採り得る範囲が値0から値1までの発生確率に対応するスコアが用いられてもよい。
続くS840において、プロセッサ11は、取得したライフイベント推定データに基づき、対象世帯に特定種類のライフイベントが発生しているかを判断する。特定種類のライフイベントは、ライフイベント推定モデルにより推定される複数種類のライフイベントのうちの一つ又は複数であり得る。
プロセッサ11は、対象世帯に特定種類のライフイベントが発生していると判断した場合(S840でYes)、特定種類のライフイベントに対応する広告コンテンツを、対象世帯に配信する(S850)。すなわち、プロセッサ11は対象世帯の広告識別子に対応する情報端末60に、広告コンテンツを配信する。
特定種類のライフイベントとして複数種類のライフイベントが設定されている場合、プロセッサ11は、複数の広告コンテンツの中から、現在発生しているライフイベントの種類に応じた広告コンテンツを配信対象に選択し、選択した広告コンテンツを配信することができる。
一方、プロセッサ11は、対象世帯に特定種類のライフイベントが発生しないと判断した場合(S840でNo)、広告コンテンツを対象世帯に配信せずに、ライフイベント推定処理を終了する。
プロセッサ11は、以上に説明したライフイベント推定処理を繰返し実行することにより、広告コンテンツに関連するライフイベントを世帯が経験しているときに、当該広告コンテンツを世帯の情報端末60に配信することができる。あるいは、プロセッサ11は、世帯のライフイベント変化に応じて、配信する種類の広告コンテンツを切り替えることができる。
特定種類のライフイベントは、情報処理システム1の管理者により設定された選択条件に従って、複数種類のライフイベントの中から選択され得る。別例によれば、プロセッサ11は、配信対象として用意された広告コンテンツの種類に応じて、複数種類のライフイベントの中から、特定種類のライフイベントを選択し得る。
あるいは、各広告コンテンツには、複数種類のライフイベントうち上記特定種類のライフイベントとして取り扱われるべきライフイベントを指定する配信条件が定められ得る。プロセッサ11は、配信条件に従って、S840,S850の処理を実行し得る。
付言すれば、ライフイベント推定モデルは、ライフイベント推定処理の繰返し実行に先駆けて、機械学習により構築され得る。例えば、ライフイベント推定モデルの入出力に関する教師データが、パネルに対応する複数の世帯からの情報提供に基づき用意され、用意された教師データに基づく機械学習により、ライフイベント推定モデルは構築され得る。
以上に説明した第三実施形態の情報処理システム1によれば、消費者のライフイベントを、電力消費の変化から推定することができ、ライフイベントの発生に応じたコンテンツ配信により、訴求力の高いコンテンツ配信を実現することができる。
[その他の実施形態]
本開示は、上記実施形態に限定されるものではなく、種々の態様を採ることができる。
本開示は、上記実施形態に限定されるものではなく、種々の態様を採ることができる。
例えば、広告識別子を推定モデルの出力データに関連付けて、広告配信や、顧客データの充実に役立てる思想は、機器別の電力消費量に基づいてユーザの生活状況又は生活行動を推定する技術に限定されない。すなわち、この思想は、総消費量に基づいてユーザの生活状況又は生活行動を推定する技術に適用されてもよい。すなわち、上記思想は、電力消費量を機器毎に分離しないシステムにも適用することができる。
上記実施形態における1つの構成要素が有する機能は、複数の構成要素に分散して設けられてもよい。複数の構成要素が有する機能は、1つの構成要素に統合されてもよい。上記実施形態の構成の一部は、省略されてもよい。上記実施形態の構成の少なくとも一部は、他の上記実施形態の構成に対して付加又は置換されてもよい。特許請求の範囲に記載の文言から特定される技術思想に含まれるあらゆる態様が本開示の実施形態である。
1…情報処理システム、11…プロセッサ、13…メモリ、15…ストレージ、15A…ユーザ管理データベース、19…通信インタフェース、20…クラウドサーバ、21…解析部、30…顧客管理システム、40…配信サーバ、50…ウェブサーバ、60…情報端末、100…分電盤、110…計測器、120…分岐回路、150…機器。
Claims (26)
- 世帯の住居において電気配線を通じて供給される電力の監視により判別される、前記世帯が前記住居内で使用する複数の機器に関する各機器の電力消費量を示す情報を電力情報として取得するように構成される取得部と、
前記取得部により取得された前記電力情報が示す前記各機器の電力消費量に基づき、前記世帯の生活推定を行うように構成される推定部と、
を備え、前記生活推定は、前記電力消費量と相関のある前記世帯の生活状況を推定すること及び生活行動を推定することの少なくとも一方を含む推定システム。 - 前記取得部は、前記電力情報として、前記各機器の所定時間毎の電力消費量を示す情報を取得する請求項1記載の推定システム。
- 前記取得部は、前記電力情報として、前記電力の監視により判別される前記住居内で使用される電力の前記所定時間毎の総消費量を示す情報を更に取得し、
前記推定部は、前記電力情報が示す、前記所定時間毎の前記総消費量と、前記所定時間毎の前記各機器の電力消費量とに基づき、前記生活推定を行う請求項2記載の推定システム。 - 前記取得部は、前記電力情報として、前記電力の監視によりその他消費量として判別される、前記所定時間毎の、前記総消費量に含まれる前記複数の機器の電力消費量以外の残りの電力消費量の合計を示す情報を更に取得し、
前記推定部は、前記電力情報が示す、前記所定時間毎の前記総消費量と、前記所定時間毎の前記各機器の電力消費量と、前記所定時間毎の前記その他消費量とに基づき、前記生活推定を行う請求項3記載の推定システム。 - 前記取得部は、前記電力情報として、前記電力の監視により判別される前記総消費量に含まれる成分としての定常成分又は非定常成分を示す情報を更に取得し、
前記推定部は、前記電力情報が示す、前記所定時間毎の前記総消費量及び前記成分と、前記所定時間毎の前記各機器の電力消費量とに基づき、前記生活推定を行う請求項3記載の推定システム。 - 前記推定部は、前記各機器の電力消費量に基づき、前記世帯における電力消費の特徴量を機械学習モデルに入力し、前記機械学習モデルの出力として、前記世帯の生活に関する推定値を取得することにより、前記生活推定を行い、
前記機械学習モデルは、複数の世帯に関する世帯毎の前記電力消費の特徴量と生活との対応関係を示す教師データ群に基づき構築される機械学習モデルである請求項1~請求項5のいずれか一項記載の推定システム。 - 前記推定部は、
前記複数の機器のそれぞれについて、対応する機器の所定期間における電力消費量の時系列データに基づき、予め定義された時間区分毎の、対応する時間区分内での対応する機器の電力の最大消費量、最小消費量、及び平均消費量のうちの一以上の消費量を、実績値として算出し、
前記複数の機器のそれぞれの時間区分毎の前記実績値に基づき、前記生活推定を行う請求項1~請求項6のいずれか一項記載の推定システム。 - 前記推定部は、前記複数の機器のそれぞれについて、対応する機器の電力消費量の時系列データに基づき、対応する機器の利用回数、前記対応する機器の利用時間、及び、前記複数の機器に対する前記対応する機器の利用率のうちの一以上を、利用量として算出し、
前記推定部は、前記各機器の電力消費量に加えて、算出された前記複数の機器のそれぞれの前記利用量に基づき、前記世帯の生活推定を行う請求項1~請求項7のいずれか一項記載の推定システム。 - 前記生活状況を推定することには、世帯構成を推定すること、生活スタイルを推定すること、及び、ライフイベントを推定することの少なくとも一つが含まれる請求項1~請求項8のいずれか一項記載の推定システム。
- 前記推定部は、予め定められた複数の生活スタイルの中から、前記世帯の生活スタイルを推定することにより、前記生活状況を推定する請求項1~請求項9のいずれか一項記載の推定システム。
- 前記推定部として、前記世帯の前記生活スタイルとして、娯楽、食事、仕事、及び家事の少なくとも一つに関する生活スタイルを推定する請求項10記載の推定システム。
- 前記推定部は、前記各機器の電力消費量の時系列データに基づき、前記世帯の現在の生活行動を推定すること、又は、前記世帯の未来の生活行動を予測することにより、前記世帯の生活行動を推定する請求項1~請求項11のいずれか一項記載の推定システム。
- 前記生活行動を推定又は予測することは、外出、食事、及び、睡眠の少なくとも一つに関する行動を推定又は予測することを含む請求項12記載の推定システム。
- 前記生活推定により得られた前記世帯の生活状況及び生活行動の少なくとも一方に関する情報に基づき、前記世帯に関連付けられた情報端末に配信する情報コンテンツを選択するように構成される選択部と、
前記選択部により選択された前記情報コンテンツを前記情報端末に送信するように構成される配信部と、
を備える請求項1~請求項13のいずれか一項記載の推定システム。 - 前記推定部により推定された前記世帯の生活状況及び生活行動の少なくとも一方に関する情報を前記世帯の識別子と関連付けて記述する前記世帯の特徴データを、出力するように構成されるデータ出力部
を備え、前記識別子は、前記世帯が使用する情報端末に対して発行された広告配信用の端末ID又はブラウザに対して発行されたクッキーIDである請求項1~請求項13のいずれか一項記載の推定システム。 - 世帯が住居内で消費する電力に関する電力消費量を示す情報を電力情報として取得するように構成される取得部と、
前記取得部により取得された前記電力情報が示す前記電力消費量に基づき、前記電力消費量と相関のある前記世帯の生活状況を推定すること及び生活行動を推定することの少なくとも一方を含む前記世帯の生活推定を行うように構成される推定部と、
前記推定部により推定された前記世帯の生活状況及び生活行動の少なくとも一方に関する情報を前記世帯の識別子と関連付けて記述する前記世帯の特徴データを、出力するように構成されるデータ出力部と、
を備え、前記識別子は、前記世帯が使用する情報端末に対して発行された広告配信用の端末ID又はブラウザに対して発行されたクッキーIDである推定システム。 - 前記データ出力部は、複数の顧客に関して、各顧客の特徴データを、対応する顧客の前記識別子と関連付けて記憶する顧客データベースを管理するシステムに対して、前記世帯の特徴データを送信するように、前記特徴データを出力する請求項15又は請求項16記載の推定システム。
- 複数の世帯に関する世帯毎の特徴データを備えるデータベースを更新するように構成される更新部であって、前記生活推定の対象である前記世帯の特徴データとして、前記推定部により推定された前記世帯の生活状況及び生活行動の少なくとも一方に関する情報を前記世帯の識別子と関連付けて記述する特徴データを、前記データベースが記憶するように、前記データベースを更新する更新部
を備え、前記識別子は、前記世帯が使用する情報端末に対して発行された広告配信用の端末ID又はブラウザに対して発行されたクッキーIDである請求項1~請求項13のいずれか一項記載の推定システム。 - 世帯が住居内で消費する電力に関する電力消費量を示す情報を電力情報として取得するように構成される取得部と、
前記取得部により取得された前記電力情報が示す前記電力消費量に基づき、前記電力消費量と相関のある前記世帯の生活状況を推定すること及び生活行動を推定することの少なくとも一方を含む前記世帯の生活推定を行うように構成される推定部と、
複数の世帯に関する世帯毎の特徴データを備えるデータベースを更新するように構成される更新部であって、前記生活推定の対象である前記世帯の特徴データとして、前記推定部により推定された前記世帯の生活状況及び生活行動の少なくとも一方に関する情報を前記世帯の識別子と関連付けて記述する特徴データを、前記データベースが記憶するように、前記データベースを更新する更新部と、
を備え、前記識別子は、前記世帯が使用する情報端末に対して発行された広告配信用の端末ID又はブラウザに対して発行されたクッキーIDである推定システム。 - 請求項1~請求項13のいずれか一項記載の推定システムにおける前記取得部及び前記推定部としての機能を、コンピュータに実現させるためのコンピュータプログラム。
- 請求項14記載の推定システムにおける前記取得部、前記推定部、前記選択部、及び前記配信部としての機能を、コンピュータに実現させるためのコンピュータプログラム。
- 請求項15~請求項17のいずれか一項記載の推定システムにおける前記取得部、前記推定部、及び前記データ出力部としての機能を、コンピュータに実現させるためのコンピュータプログラム。
- 請求項18又は請求項19記載の推定システムにおける前記取得部、前記推定部、及び前記更新部としての機能を、コンピュータに実現させるためのコンピュータプログラム。
- コンピュータにより実行される推定方法であって、
世帯の住居において電気配線を通じて供給される電力の監視により判別される、前記世帯が前記住居内で使用する複数の機器に関する、各機器の電力消費量を示す情報を取得することと、
取得した前記情報が示す前記各機器の電力消費量に基づき、前記世帯の生活推定を行うことと、
を含み、前記生活推定は、前記電力消費量と相関のある前記世帯の生活状況を推定すること及び生活行動を推定することの少なくとも一方を含む推定方法。 - コンピュータにより実行される推定方法であって、
世帯が住居内で消費する電力に関する電力消費量を示す情報を取得することと、
取得した前記情報が示す前記電力消費量に基づき、前記電力消費量と相関のある前記世帯の生活状況を推定すること及び生活行動を推定することの少なくとも一方を含む前記世帯の生活推定を行うことと、
推定した前記世帯の生活状況及び生活行動の少なくとも一方に関する情報を前記世帯の識別子と関連付けて記述する前記世帯の特徴データを、出力することと
を含み、前記識別子は、前記世帯が使用する情報端末に対して発行された広告配信用の端末ID又はブラウザに対して発行されたクッキーIDである推定方法。 - コンピュータにより実行される推定方法であって、
世帯が住居内で消費する電力に関する電力消費量を示す情報を取得することと、
取得した前記情報が示す前記電力消費量に基づき、前記電力消費量と相関のある前記世帯の生活状況を推定すること及び生活行動を推定することの少なくとも一方を含む前記世帯の生活推定を行うことと、
複数の世帯に関する世帯毎の特徴データを備えるデータベースを更新することであって、前記生活推定の対象である前記世帯の特徴データとして、推定した前記世帯の生活状況及び生活行動の少なくとも一方に関する情報を前記世帯の識別子と関連付けて記述する特徴データを、前記データベースが記憶するように、前記データベースを更新することと
を含み、前記識別子は、前記世帯が使用する情報端末に対して発行された広告配信用の端末ID又はブラウザに対して発行されたクッキーIDである推定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022046914A JP2023140869A (ja) | 2022-03-23 | 2022-03-23 | 推定システム、コンピュータプログラム、及び推定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022046914A JP2023140869A (ja) | 2022-03-23 | 2022-03-23 | 推定システム、コンピュータプログラム、及び推定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023140869A true JP2023140869A (ja) | 2023-10-05 |
Family
ID=88205558
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022046914A Pending JP2023140869A (ja) | 2022-03-23 | 2022-03-23 | 推定システム、コンピュータプログラム、及び推定方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2023140869A (ja) |
-
2022
- 2022-03-23 JP JP2022046914A patent/JP2023140869A/ja active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
López-Rodríguez et al. | Analysis and modeling of active occupancy of the residential sector in Spain: An indicator of residential electricity consumption | |
US10860615B2 (en) | Users campaign for peaking energy usage | |
Schwartz et al. | What people do with consumption feedback: a long-term living lab study of a home energy management system | |
JP5984348B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
Vallés et al. | Probabilistic characterization of electricity consumer responsiveness to economic incentives | |
US7552033B1 (en) | System and method for diagnostically evaluating energy consumption systems and components of a facility | |
US11429075B2 (en) | System, apparatus and method for energy management, for usage by consumers of energy from electric utility service providers, and monitoring and management of same | |
CN105612546B (zh) | 用于能量测量的装置、服务器、系统和方法 | |
US20160267547A1 (en) | Information providing device and method therefor, and non-transitory computer readable medium | |
JP2003316922A (ja) | エネルギー情報分析方法、エネルギー情報分析装置、エネルギー情報分析システム | |
JP2002189779A (ja) | エネルギー情報処理システム並びにサーバ及びエネルギー情報処理装置並びに記録媒体 | |
US20160005015A1 (en) | Unusual usage alerts | |
JP2016077090A (ja) | 省エネルギ支援システムおよび省エネルギ支援方法 | |
Kiguchi et al. | Predicting winners and losers under time-of-use tariffs using smart meter data | |
JP6190301B2 (ja) | 消費電力量から推定された生活行動を比較評価可能な装置、プログラム及び方法 | |
US11093952B2 (en) | Information displaying method, information displaying system, information displaying program, and method for providing information displaying program | |
Falaki et al. | A Spatio-Temporal Analysis of electric appliance end-use demand in the residential sector: Case study of Tours (France) | |
Wills et al. | Adaptation and validation of an existing bottom-up model for simulating temporal and inter-dwelling variations of residential appliance and lighting demands | |
JP2023140869A (ja) | 推定システム、コンピュータプログラム、及び推定方法 | |
CN114676400A (zh) | 身份确定方法、存储介质及电子装置 | |
JP6706141B2 (ja) | 電力消費量用途分解装置 | |
JP6882029B2 (ja) | ユーザカスタマイズされた広告システムおよび方法 | |
JP6497310B2 (ja) | 電力管理システム、電力管理方法及びプログラム | |
AU2012211386A1 (en) | Method and system for resource management | |
JP2022156789A (ja) | 消費電力量推定方法、コンピュータプログラム及び情報処理装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20240621 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20240621 |