JP2023511478A - 列車車両用空気調和方法、装置、記憶媒体及びプログラム製品 - Google Patents

列車車両用空気調和方法、装置、記憶媒体及びプログラム製品 Download PDF

Info

Publication number
JP2023511478A
JP2023511478A JP2022527144A JP2022527144A JP2023511478A JP 2023511478 A JP2023511478 A JP 2023511478A JP 2022527144 A JP2022527144 A JP 2022527144A JP 2022527144 A JP2022527144 A JP 2022527144A JP 2023511478 A JP2023511478 A JP 2023511478A
Authority
JP
Japan
Prior art keywords
concentration
air
total number
bacterial colonies
seat
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
Application number
JP2022527144A
Other languages
English (en)
Other versions
JP7360218B2 (ja
Inventor
輝 劉
燕飛 李
佳豪 謝
▲潔▼ 張
曦睿 陳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Central South University
Original Assignee
Central South University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Central South University filed Critical Central South University
Publication of JP2023511478A publication Critical patent/JP2023511478A/ja
Application granted granted Critical
Publication of JP7360218B2 publication Critical patent/JP7360218B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/02—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving viable microorganisms
    • C12Q1/04—Determining presence or kind of microorganism; Use of selective media for testing antibiotics or bacteriocides; Compositions containing a chemical indicator therefor
    • C12Q1/06—Quantitative determination
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60H—ARRANGEMENTS OF HEATING, COOLING, VENTILATING OR OTHER AIR-TREATING DEVICES SPECIALLY ADAPTED FOR PASSENGER OR GOODS SPACES OF VEHICLES
    • B60H1/00—Heating, cooling or ventilating [HVAC] devices
    • B60H1/00357—Air-conditioning arrangements specially adapted for particular vehicles
    • B60H1/00371—Air-conditioning arrangements specially adapted for particular vehicles for vehicles carrying large numbers of passengers, e.g. buses
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60H—ARRANGEMENTS OF HEATING, COOLING, VENTILATING OR OTHER AIR-TREATING DEVICES SPECIALLY ADAPTED FOR PASSENGER OR GOODS SPACES OF VEHICLES
    • B60H1/00—Heating, cooling or ventilating [HVAC] devices
    • B60H1/00642—Control systems or circuits; Control members or indication devices for heating, cooling or ventilating devices
    • B60H1/0073—Control systems or circuits characterised by particular algorithms or computational models, e.g. fuzzy logic or dynamic models
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60H—ARRANGEMENTS OF HEATING, COOLING, VENTILATING OR OTHER AIR-TREATING DEVICES SPECIALLY ADAPTED FOR PASSENGER OR GOODS SPACES OF VEHICLES
    • B60H1/00—Heating, cooling or ventilating [HVAC] devices
    • B60H1/00642—Control systems or circuits; Control members or indication devices for heating, cooling or ventilating devices
    • B60H1/00735—Control systems or circuits characterised by their input, i.e. by the detection, measurement or calculation of particular conditions, e.g. signal treatment, dynamic models
    • B60H1/008—Control systems or circuits characterised by their input, i.e. by the detection, measurement or calculation of particular conditions, e.g. signal treatment, dynamic models the input being air quality
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61D—BODY DETAILS OR KINDS OF RAILWAY VEHICLES
    • B61D27/00—Heating, cooling, ventilating, or air-conditioning
    • B61D27/009—Means for ventilating only
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/06—Investigating concentration of particle suspensions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/01—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials specially adapted for biological cells, e.g. blood cells
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/02—Investigating particle size or size distribution
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
    • Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Organic Chemistry (AREA)
  • Mechanical Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Wood Science & Technology (AREA)
  • Immunology (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Zoology (AREA)
  • Molecular Biology (AREA)
  • General Physics & Mathematics (AREA)
  • Thermal Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Microbiology (AREA)
  • Genetics & Genomics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Pathology (AREA)
  • Toxicology (AREA)
  • Biotechnology (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Dispersion Chemistry (AREA)
  • Epidemiology (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)

Abstract

本発明は列車車両用空気調和方法、装置、記憶媒体及びプログラム製品を開示し、各測定ポイント間の微生物拡散状況に応じて換気システムを調節し、更に乗客の位置するエリアの微生物汚染指標を低減する。該方法は鉄道列車の空気品質の制御に指導的な役割を果たす。本発明は微生物汚染と大気汚染物濃度とのマッピング関係について研究し、微生物検出のリアルタイム性の問題を効果的に解決し、列車車両内の微生物汚染のリアルタイム制御を確保することができる。【選択図】図１

Description

本発明は、列車環境モニタリングの分野に関し、特に列車車両用空気調和方法、装置、記憶媒体及びプログラム製品である。
中国の軌道交通業界の不断の発展に伴って、旅客列車の快適性への要件も徐々に大衆に注目されている。空気圧力波の影響を受けて、列車車両は高速で走行する際に適切な内外の圧力差を維持する必要があり、従って、高速列車は一般的に密閉された車体構造を用い、全ての車窓がいずれも開けられない。この場合には、車両内部の空気汚染物の処理は完全に換気システムに依存する。従って、換気システムの品質及び調節戦略は直接に乗客の快適性に影響する。列車の環境をどのようにモニタリングして換気システムを対応的に調節するかは、早急な解決の待たれる問題となっている。
現在、列車車両の環境制御に関する技術は、主に以下の２つの態様に関わる。
第１としては、新型空気品質検出装置及び浄化装置の取付である。例えば、公開第ＣＮ１０１８８５３３８Ａ号の特許出願には、周波数変換型サイクロン集塵器及び高効率フィルタなどを備える列車空調換気システムのインテリジェントサンプリング検出及び空気浄化装置が提案されている。公開第ＣＮ１０５１７２８１８Ａ号の特許出願には、上筐体と、上筐体と相互に係合される下筐体とを備える列車専用の空気清浄機が提案されている。
第２としては、大気汚染物の検出に基づく車両環境調節方法である。公開第ＣＮ１１０２３９５７７Ａ号の特許出願には、基本データ取得モジュール、列車外部空気品質予測モジュール、列車内部空気品質予測モジュール及び換気戦略策定モジュールを備える車内の汚染された環境における列車乗員健康保護システム及びその方法が提案されている。公開第ＣＮ１０４６０８７８５Ａ号の特許出願には、高速列車空調システムのインテリジェント管理方法が提案されている。
以上の方法は主に列車内部のＰＭ２．５などの大気汚染物を空気品質評価の根拠とするが、従来技術において空気環境中の生物汚染による人の健康への危害を配慮しておらず、現段階において列車車両の密閉環境における生物性汚染物を重視することについての研究がまだない。また、微生物の測定メカニズムはＰＭ２．５などの汚染物と異なるため、微生物の測定にはコロニーを長時間培養しなければならず、直接検出してリアルタイム制御措置を取ることが困難である。
本発明が解決しようとする技術的問題は、従来技術の欠陥に対して、車両内の微生物の分布状況に応じて乗客の健康に対して最適レベルの保護措置を取る列車車両用空気調和方法、装置、記憶媒体及びプログラム製品を提供することである。
上記技術的問題を解決するために、本発明が採用する技術案は、列車車両用空気調和方法、システム及び記憶媒体であり、前記列車車両用空気調和方法は、
１） 列車の給気口、排気口及び座席でのＰＭ２．５濃度、ＰＭ１０濃度、ＣＯ濃度、ＮＯ２濃度、ＳＯ２濃度、Ｏ３濃度、及び細菌コロニー総数を検出するステップと、
２） 車両内の各測定ポイントでのＰＭ２．５濃度、ＰＭ１０濃度、ＣＯ濃度、ＮＯ２濃度、ＳＯ２濃度、Ｏ３濃度及び細菌コロニー総数に基づいて、測定ポイントである各微小環境ユニット内の細菌コロニー総数Ｄと大気汚染物濃度ｄとのマッピング関係を確立するステップと、
３） 時間長がＮ分間の実測された大気汚染物濃度データセットを選択して、前記マッピング関係に基づいて細菌コロニー総数を計算し、
Figure 2023511478000002
 さらに各座席検出ポイント並びにｍ個の給気口及びｎ個の排気口の検定結果集合を取得するステップと、
４） 前記マッピング関係及び検定結果集合に基づいて、全ての座席検出ポイントの非線形記述モデルライブラリを取得するステップと、
５） 列車の全ての給気口、排気口の換気速度を灰色オオカミオプティマイザの入力とし、さまざまな換気速度における給気口／排気口での細菌コロニー総数のフィッティング結果を計算し、前記フィッティング結果を前記非線形記述モデルライブラリの入力とし、各座席での細菌コロニー総数のフィッティング結果を取得し、前記各座席での細菌コロニー総数のフィッティング結果を利用して全ての給気口及び排気口の換気速度を決定するステップと、を含む。
本発明は車両内の微生物汚染と空気汚染物濃度とのマッピング関係を学習し、且つ車両内の微生物の分布状況に応じて乗客の健康にとって最適な保護措置をリアルタイムに取る。本発明は列車車両の微生物に対して検出及び分析処理を行い、各測定ポイント間の微生物の分布状況に応じて換気システムを調節し、更に乗客の位置するエリアの微生物汚染を低減する。該方法は鉄道列車の空気品質制御に指導的な役割を果たす。
ステップ２）において、各微小環境ユニット内の細菌コロニー総数Ｄと大気汚染物濃度ｄとのマッピング関係を確立することについての具体的な実現過程は、
Ａ、連続したＭ個の履歴時刻内の現在微小環境ユニットの空気汚染物濃度及び細菌コロニー総数の指標データセットを読み取って、前記データセットをトレーニングセットとテストセットに分けることと、
Ｂ、ディープビリーフネットワークを用いて微生物－空気汚染物モデルを構築し、空気汚染物濃度をディープビリーフネットワークの入力とし、同一時刻での細菌コロニー総数をディープビリーフネットワークの出力とし、前記ディープビリーフネットワークをトレーニングすることと、
Ｃ、前記テストセットをトレーニング後のディープビリーフネットワークの入力とし、テストセットにおける記述精度が最も高い１組のパラメータを該微小環境ユニットの微生物－空気汚染物マッピングモデルとして選択することと、
Ｄ、全ての微小環境ユニットがトラバースされるまで上記ステップＡ～Ｃを繰り返し、合計ｍ＋ｎ＋ｐ個の検出ポイント内の細菌コロニー総数と空気汚染物とのマッピング関係を取得し、ｍ、ｎ、ｐがそれぞれ給気口、排気口及び座席の検出ポイントの数であることと、を含む。
本発明は微生物汚染と空気汚染物濃度とのマッピング関係について研究し、微生物検出のリアルタイム性の問題を効果的に解決し、列車車両内の微生物汚染のリアルタイム制御を確保することができる。
ステップ３）において、検定結果集合は
Figure 2023511478000003
本発明の方法は異なる測定ポイント間の微生物時系列データに対して因果検定を行うことにより、更に乗客の位置する座席に緊密に関連する測定ポイントを選別して後続のモデリングに用いられ、測定ポイントの空間次元圧縮を実現し、提供されたデータ特徴に比較的強い特性評価能力を持たせる。
ステップ４）の具体的な実現過程は、
Ｉ） 連続したＰ個の履歴時刻での座席、給気口、排気口のＰＭ２．５濃度、ＰＭ１０濃度、ＣＯ濃度、ＮＯ２濃度、ＳＯ２濃度、Ｏ３濃度を読み取って、前記マッピング関係に基づいて該連続したＰ個の履歴時刻内の各検出ポイントの細菌コロニー総数を計算することと、
Figure 2023511478000004
 ＩＩＩ） Ｉｉをディープエコーステートネットワークの入力とし、Ｏｉをディープエコーステートネットワークの出力とし、異なる履歴時刻での座席及び給気口／排気口での細菌コロニー総数の対応関係を学習することと、
ＩＶ） 全ての座席検出ポイントがトラバースされるまでステップＩ）～ＩＩＩ）を繰り返し、全ての座席検出ポイントの非線形記述モデルライブラリを取得し、前記非線形記述モデルライブラリが全ての座席検出ポイント及び給気口／排気口での細菌コロニー総数の対応関係の集合であることと、を含む。
本発明はディープニューラルネットワークを用いて微生物－空気汚染物濃度と座席－給気口／排気口の微生物との非線形マッピング関係を記述し、その記述精度が確保される。
ステップ５）において、さまざまな換気速度における給気口／排気口の細菌コロニー総数のフィッティング結果を計算することについての具体的な実現過程は、
ｉ） 換気速度を等間隔で加速して、対応の換気速度における細菌コロニー総数を測定することと、
ｉｉ） ｋ番目の給気口／排気口の細菌コロニー総数を最小二乗フィッティングして、細菌コロニー総数
Figure 2023511478000005
 の換気速度ｖｋに関する多項式表現方法を取得することと、
ｉｉｉ） 全ての給気口及び排気口がトラバースされるまでステップｉ）及びステップｉｉ）を繰り返し、全ての給気口及び排気口の細菌コロニー総数が換気速度に従って変化する多項式フィッティング結果
Figure 2023511478000006
 を取得し、ｍとｎがそれぞれ給気口と排気口の検出ポイントの数であることと、を含む。
ステップ５）において、各座席での細菌コロニー総数のフィッティング結果を同時に最小化することを最適化目標として設定し、最適化関数は
Figure 2023511478000007
 である。
本発明は多目的最適化方法を用いて各座席での細菌コロニー総数を最小化し、乗客の位置するエリアの微生物汚染を全体的に最適にし、換気システムの調節過程による一部のエリアが二次汚染される現象を回避する。
ステップ５）において、評価指標
Figure 2023511478000008
 を最小にする非劣解ＮＳ＊＝ａｒｇ ｍｉｎ Ｅを選択し、前記非劣解は全ての給気口及び排気口の換気速度ＮＳ＊を決定することに用いられ、ここで、
Figure 2023511478000009
 がテストセットにおける全ての座席での細菌コロニー総数の分散であり、ｕｋとｌｋがそれぞれｋ番目の給気口／排気口の換気速度ｖｋの上限と下限である。
評価指標は全ての座席での細菌コロニー総数の累積フィッティング結果及び分散の組み合わせであり、全ての座席での細菌コロニー総数の累積フィッティング結果が換気制御後の微生物汚染程度を代表するが、分散が各座席間の微生物汚染の離散程度を代表する。該評価指標を最小にする非劣解を選択することは、（１）車両内の微生物汚染程度を全体的に最小にすること、（２）各座席間の微生物汚染の相違を最小にし、個別のエリアに極端な汚染が発生する状況を回避することが確保される。
本発明は、メモリと、プロセッサと、メモリに記憶されるコンピュータプログラムとを備えるコンピュータ装置を更に提供し、前記プロセッサが前記コンピュータプログラムを実行することにより、本発明の列車車両用空気調和方法のステップを実現することを特徴とする。
１つの発明構想として、本発明は更にコンピュータ可読記憶媒体を提供し、コンピュータプログラム／命令が記憶され、前記コンピュータプログラム／命令がプロセッサにより実行されるとき、本発明の列車車両用空気調和方法のステップを実現する。
１つの発明構想として、本発明は更にコンピュータプログラム製品を提供し、コンピュータプログラム／命令を含み、該コンピュータプログラム／命令がプロセッサにより実行されるとき、本発明の列車車両用空気調和方法のステップを実現する。
従来技術に比べて、本発明が有する有益な効果は以下のとおりである。
１） 本発明は列車車両の微生物に対して検出及び分析処理を行う。各測定ポイント間の微生物の拡散状況に応じて換気システムを調節し、更に乗客の位置するエリアの微生物汚染指標を低減する。該方法は鉄道列車の空気品質制御に指導的な役割を果たす。
２） 本発明は微生物汚染と大気汚染物濃度とのマッピング関係について研究し、微生物検出のリアルタイム性の問題を効果的に解決し、列車車両内の微生物汚染のリアルタイム制御を確保することができる。
３） 本発明は給気口、排気口及び座席の複数の測定ポイントをまとめて検出する方式を用い、車両内部環境の大気汚染物及び微生物の分布状況を効果的に記述し、検出結果の実際の空間分布状況に対する表現の真実性を確保することができる。
４） 本発明の方法は異なる測定ポイント間の微生物時系列データに対して因果検定を行うことにより、更に乗客の位置する座席に緊密に関連する測定ポイントを選別して後続のモデリングに用いられ、測定ポイントの空間次元圧縮を実現し、提供されたデータ特徴に比較的強い特性評価能力を持たせる。
５） 本発明はディープニューラルネットワークを用いて微生物－大気汚染物濃度と座席－給気口／排気口微生物との非線形マッピング関係を記述し、その記述精度が確保される。
６） 本発明は多目的最適化方法を用いて各座席での細菌コロニー総数を最小化し、乗客の位置するエリアの微生物汚染を全体的に最適にし、換気システムの調節過程による一部のエリアが二次汚染される現象を回避する。
図１は本発明の方法のフローチャートである。
図１に示すように、本発明の実施例の具体的な実現過程は以下のとおりである。
ステップ１：汚染データの複数の測定ポイントでの収集
列車車両の内部には、ＰＭ２．５、ＰＭ１０、ＣＯ、ＮＯ２、ＳＯ２及びＯ３の６種類の大気汚染物、並びに細菌、真菌、ウィルスなどの微生物汚染が含まれる。微生物は空気品質状況に緊密に関連し、一般的に、空気中の細菌コロニー総数が病原性微生物（細菌、真菌、ウィルス）の存在確率と正相関し、従って、本特許は細菌コロニー総数を指標として微生物の病原性を判断する。列車車両の複数の給気口、排気口及び座席にＴＳ ＷＥＳ－Ｃ空気汚染物検出器（ＰＭ２．５濃度、ＰＭ１０濃度、ＣＯ濃度、ＮＯ２濃度、ＳＯ２濃度、Ｏ３濃度を測定し、リアルタイムに検出する）及びアンダーソン衝突型空気微生物サンプラー（細菌コロニー総数を測定するために、微生物を４８ｈ培養する必要がある）を配置する。
取得されたデータは給気口、排気口及び座席でのＰＭ２．５濃度、ＰＭ１０濃度、ＣＯ濃度、ＮＯ２濃度、ＳＯ２濃度、Ｏ３濃度、及び細菌コロニー総数を含み、
Figure 2023511478000010
 ｍ、ｎ、ｐがそれぞれ給気口、排気口及び座席の測定ポイントの数である。各検出ポイントを微小環境ユニットとして見なし、検出データを車両番号と対応し、且つ検出データのタイムスタンプを記録し、隣接データの間隔を５分間とする。収集されたデータを４Ｇ方式でデータ記憶プラットホームに伝送する。
ステップ２：微生物－大気汚染物のマッピング学習
車両の測定ポイントの履歴汚染データに基づいて、モデルを確立して各微小環境ユニット内の細菌コロニー総数Ｄと大気汚染物濃度ｄとのマッピング関係を学習する。具体的なモデリング過程は以下のとおりである。
Ａ１：微小環境ユニットを選定し、連続した２００個の履歴時刻内の該微小環境ユニットの大気汚染物濃度及び細菌コロニー総数の指標データセットを読み取る。
Ａ２：データセットを分割する。上記データセットは連続した２００個の履歴時刻を含み、１～１６０時刻でのデータをトレーニングセットとし、１６１～２００時刻でのデータをテストセットとする。
Ａ３：ディープビリーフネットワークを用いて微生物－大気汚染物モデルを構築し、大気汚染物濃度をディープビリーフネットワークの入力とし、同一時刻での細菌コロニー総数をディープビリーフネットワークの出力とする。ディープビリーフネットワークの層数は５分割交差検証を用いて決定され、選択範囲が［１，２，３，４，５］である。
Ａ４：トレーニング済みのディープビリーフネットワークに対してテストセットにおいてモデル検定を行い、テストセットにおける記述精度が最も高い１組のパラメータを該微小環境ユニットの微生物－大気汚染物マッピングモデルとして選択する。
Ａ５：全ての微小環境ユニット（即ち検出ポイント）がトラバースされるまでＡ１～Ａ４を行い、合計ｍ＋ｎ＋ｐ個の検出ポイント内の細菌コロニー総数と大気汚染物とのマッピング関係
Figure 2023511478000011
 を取得し、ここで、ｆが該マッピング関係を代表する。
ステップ３：微生物拡散メカニズムに基づく測定ポイントの因果検定
微生物の車両における空間分布及び拡散状況は空気運動の影響を受け、各測定ポイント間の細菌コロニー総数はデータレベルで因果関係がある。各車両に対して、座席及び各給気口、排気口での細菌コロニー総数時系列の因果関係を分析する。
時間長がＮ分間の実測された大気汚染物濃度データセットを選択して、ステップ２で取得されたマッピング関係に基づいて細菌コロニー総数を計算する。
Figure 2023511478000012
 ＧＣＴ（）はグレンジャー性因果検定を代表する。各座席検出ポイント並びにｍ個の給気口及びｎ個の排気口での検定結果集合を取得し、
Figure 2023511478000013
ステップ４：因果関係のある測定ポイントでの非線形記述・モデリング
各座席検出ポイントに対してその関連する給気口／排気口の非線形記述モデルを確立し、具体的なモデリング過程は以下のとおりである。
Ｂ１：連続した１００個の履歴時刻での座席、給気口、排気口ＰＭ２．５濃度、ＰＭ１０濃度、ＣＯ濃度、ＮＯ２濃度、ＳＯ２濃度、Ｏ３濃度を読み取って、ステップ２で取得されたマッピング関係に基づいて、連続した１００個の履歴時刻内の各測定ポイントの細菌コロニー総数を計算する。
Ｂ２：データセットを分割する。上記データセットは連続した１００個の履歴時刻を含み、１～６０時刻でのデータをトレーニングセットとし、６１～８０時刻でのデータを検証セットとし、８１～１００時刻のデータをテストセットとする。
Figure 2023511478000014
 Ｂ４：ディープエコーステートネットワークを用いて非線形記述モデルを構築し、モデルの入力をＩｉとし、モデルの出力をＯｉとし、これにより、異なる履歴時刻での座席及び給気口／排気口での細菌コロニー総数の対応関係を学習する。ディープエコーステートネットワークのリザーバーノード数を１０として設定し、リザーバーの層数及び各層でのリザーバーマトリックスのスペクトル半径が５分割交差検証を用いて決定され、上記２つのパラメータの選択範囲がそれぞれ［１，２，３，…，１０］及び［０．１，０．３，０．５，０．７，０．９］であり、検証セットにおける記述精度が最も高い１組のパラメータを選択してトレーニング済みの非線形記述モデルｈ（Ｉｉ）を取得する。
Ｂ５：全ての座席検出ポイントがトラバースされるまでＡ１～Ａ４を行い、全ての座席検出ポイントの非線形記述モデルライブラリ
Figure 2023511478000015
 を取得する。
ステップ５：多目的最適化に基づく車両換気調節戦略
Ｃ１：全ての給気口／排気口での細菌コロニー総数が換気速度に従って変化する関係を推計する。以下のステップに応じて行う。
１） 換気速度を等間隔で加速して、対応の換気速度における細菌コロニー総数を測定し、タイムスタンプ－換気速度－細菌コロニー総数のデータフォーマットでデータ記憶プラットホームに記録する。
２） ｋ番目の給気口／排気口を最小二乗フィッティングして、細菌コロニー総数
Figure 2023511478000016
 の換気速度ｖｋに関する多項式表現方法を取得し、
Figure 2023511478000017
 である。
３） 全ての給気口及び排気口がトラバースされるまで以上のステップを繰り返し、全ての給気口及び排気口の細菌コロニー総数が換気速度に従って変化する多項式フィッティング結果
Figure 2023511478000018
 を取得する。
Ｃ２：多目的最適化モデルを確立し、具体的な実施詳細は以下のとおりである。
１） 最適化アルゴリズムを選択して初期スーパーパラメータを設定し、即ち、多目的灰色オオカミ最適化を用いてリーダー選択メカニズム及びアーカイブストレージメカニズムを組み込んで収束能力を向上させる（MIRJALILI S, SAREMI S, MIRJALILI S M, et al.Multi-objective grey wolf optimizer [J]. Expert Systems With Applications, 2016, 47:106-19.）。多目的灰色オオカミ最適化における検索個体群数、最大反復回数、アーカイブサイズはそれぞれ２００、１００及び５０として設定される。
２） 最適化変数は全ての給気口及び排気口の換気速度ｖであり、変数の検索範囲は、ｌｋ≦ｖｋ≦ｕｋの式を満足し、
ここで、ｕｋとｌｋがそれぞれｋ番目の給気口／排気口の換気速度の上限と下限である。
３） Ｃ１で取得された給気口及び排気口の細菌コロニー総数が換気速度に従って変化する多項式フィッティング方法に基づいて、さまざまな換気速度における給気口／排気口の細菌コロニー総数のフィッティング結果を計算する。取得された細菌コロニー総数をＢ５で取得された座席検出ポイントの非線形記述モデルライブラリに入力し、各座席での細菌コロニー総数のフィッティング結果を出力する。各座席での細菌コロニー総数のフィッティング結果を同時に最小化することを最適化目標として設定し、最適化関数は、
Figure 2023511478000019
 である。
４） 多目的最適化（MIRJALILI S, SAREMI S, MIRJALILI S M, et al. Multi-objective grey wolf optimizer [J]. Expert Systems With Applications, 2016, 47: 106-19.）を実行し、且つ反復回数Ｉｔｒ＝１を記録する。全ての検索結果の最適化関数値を計算し、且つ非劣解を選択してファイルに書き込む。
５） 検索経路を更新して、新しい換気速度検索結果を生成する。
６） 検索回数をＩｔ＝Ｉｔ＋１とし、更新されたＩｔが最大反復回数よりも小さい場合、ステップ４）に戻し、そうでない場合、多目的最適化アルゴリズムを終了して、最終的にアーカイブされる非劣解セットＮＳを出力する。
７） 非劣解のテストセットにおける表現性能を評価し、評価指標は座席での細菌コロニー総数についての全ての座席の細菌コロニー総数の累積フィッティング結果及び分散（Ｖａｒ）の組み合わせであり、
Figure 2023511478000020
 であり、
評価指標を最小にする非劣解ＮＳ＊＝ａｒｇ ｍｉｎ Ｅを選択し、前記非劣解は全ての給気口及び排気口の換気速度を決定することに用いられる。
ステップ６：取得された換気速度に基づいて列車車両の換気調節を完了した後、各検出ポイントで細菌コロニー総数を継続的に検出してデータをデータ記憶プラットホームに伝送する。
ステップ７：１回目の換気調節が終了した後の所定期間内に、モデルトレーニングを再び行う必要がなく、後続の検出データに基づいて最適な換気調節戦略を計算して出力する必要だけがある。異なる群集行動による空気微生物の分布状況が変化するため、モデルの有効性を確保するように前記因果検定、非線形記述及び多目的最適化モデルはいずれも再トレーニング、パラメータ更新を定期的に行う必要があり、再トレーニングの時間間隔を３時間として設定してもよい。

Claims (10)

  1. 列車車両用空気調和方法であって、
    １） 列車の給気口、排気口及び座席でのＰＭ２．５濃度、ＰＭ１０濃度、ＣＯ濃度、ＮＯ２濃度、ＳＯ２濃度、Ｏ３濃度、及び細菌コロニー総数を検出するステップと、
    ２） 車両内の各測定ポイントでのＰＭ２．５濃度、ＰＭ１０濃度、ＣＯ濃度、ＮＯ２濃度、ＳＯ２濃度、Ｏ３濃度、及び細菌コロニー総数に基づいて、測定ポイントである各微小環境ユニット内の細菌コロニー総数Ｄと大気汚染物濃度ｄとのマッピング関係を確立するステップと、
    ３） 時間長がＮ分間の実測された大気汚染物濃度データセットを選択して、前記マッピング関係に基づいて細菌コロニー総数を計算し、
    Figure 2023511478000021
     さらに各座席検出ポイント、ｍ個の給気口及びｎ個の排気口の検定結果集合を取得するステップと、
    ４） 前記マッピング関係及び検定結果集合に基づいて、全ての座席検出ポイントの非線形記述モデルライブラリを取得するステップと、
    ５） 列車の全ての給気口、排気口の換気速度を灰色オオカミオプティマイザの入力とし、さまざまな換気速度における給気口／排気口での細菌コロニー総数のフィッティング結果を計算し、前記フィッティング結果を前記非線形記述モデルライブラリの入力とし、各座席での細菌コロニー総数のフィッティング結果を取得し、前記各座席での細菌コロニー総数のフィッティング結果を利用して全ての給気口及び排気口の換気速度を決定するステップと、を含むことを特徴とする列車車両用空気調和方法。
  2. ステップ２）において、各微小環境ユニット内の細菌コロニー総数Ｄと大気汚染物濃度ｄとのマッピング関係を確立することについての具体的な実現過程は、
    Ａ、連続したＭ個の履歴時刻内の現在微小環境ユニットの空気汚染物濃度及び細菌コロニー総数の指標データセットを読み取って、前記指標データセットをトレーニングセットとテストセットに分けることと、
    Ｂ、ディープビリーフネットワークを用いて微生物－空気汚染物モデルを構築し、空気汚染物濃度をディープビリーフネットワークの入力とし、同一時刻での細菌コロニー総数をディープビリーフネットワークの出力とし、前記ディープビリーフネットワークをトレーニングすることと、
    Ｃ、前記テストセットをトレーニング後のディープビリーフネットワークの入力とし、テストセットにおける記述精度が最も高い１組のパラメータを該微小環境ユニットの微生物－空気汚染物マッピングモデルとして選択することと、
    Ｄ、全ての微小環境ユニットがトラバースされるまで上記ステップＡ～Ｃを繰り返し、合計ｍ＋ｎ＋ｐ個の検出ポイント内の細菌コロニー総数と空気汚染物とのマッピング関係を取得し、ｍ、ｎ、ｐがそれぞれ給気口、排気口及び座席の検出ポイントの数であることと、を含むことを特徴とする請求項１に記載の列車車両用空気調和方法。
  3. ステップ３）において、検定結果集合は
    Figure 2023511478000022
     ＧＣＴ（）がグレンジャー性因果検定を代表することを特徴とする請求項１又は２に記載の列車車両用空気調和方法。
  4. ステップ４）の具体的な実現過程は、
    Ｉ） 連続したＰ個の履歴時刻での座席、給気口、排気口のＰＭ２．５濃度、ＰＭ１０濃度、ＣＯ濃度、ＮＯ２濃度、ＳＯ２濃度、Ｏ３濃度を読み取って、前記マッピング関係に基づいて該連続したＰ個の履歴時刻内の各検出ポイントの細菌コロニー総数を計算することと、
    Figure 2023511478000023
     ＩＩＩ） Ｉｉをディープエコーステートネットワークの入力とし、Ｏｉをディープエコーステートネットワークの出力とし、異なる履歴時刻での座席及び給気口／排気口での細菌コロニー総数の対応関係を取得することと、
    ＩＶ） 全ての座席検出ポイントがトラバースされるまでステップＩ）～ＩＩＩ）を繰り返し、全ての座席検出ポイントの非線形記述モデルライブラリを取得し、前記非線形記述モデルライブラリが全ての座席検出ポイント及び給気口／排気口での細菌コロニー総数の対応関係の集合であることと、を含むことを特徴とする請求項３に記載の列車車両用空気調和方法。
  5. ステップ５）において、さまざまな換気速度における給気口／排気口の細菌コロニー総数のフィッティング結果を計算することについての具体的な実現過程は、
    ｉ） 換気速度を等間隔で加速して、対応の換気速度における細菌コロニー総数を測定することと、
    ｉｉ） ｋ番目の給気口／排気口の細菌コロニー総数を最小二乗フィッティングして、細菌コロニー総数
    Figure 2023511478000024
     の換気速度ｖｋに関する多項式ｇ（ｖｋ）表現方法を取得することと、
    ｉｉｉ） ステップｉ）及びステップｉｉ）を繰り返し、全ての給気口及び排気口をトラバースして、全ての給気口及び排気口の細菌コロニー総数が換気速度に従って変化する多項式フィッティング結果
    Figure 2023511478000025
     を取得し、ｍとｎがそれぞれ給気口と排気口の検出ポイントの数であることと、を含むことを特徴とする請求項２～４のいずれか１項に記載の列車車両用空気調和方法。
  6. ステップ５）において、各座席での細菌コロニー総数のフィッティング結果を同時に最小化することを最適化目標として設定し、最適化関数は
    Figure 2023511478000026
     であり、ｕｋとｌｋがそれぞれｋ番目の給気口／排気口の換気速度ｖｋの上限と下限であることを特徴とする請求項５に記載の列車車両用空気調和方法。
  7. ステップ５）において、評価指標
    Figure 2023511478000027
     を最小にする非劣解ＮＳ＊＝ａｒｇ ｍｉｎ Ｅを選択し、前記非劣解は全ての給気口及び排気口の換気速度ＮＳ＊を決定することに用いられ、ここで、
    Figure 2023511478000028
     がテストセットにおける全ての座席での細菌コロニー総数の分散であることを特徴とする請求項６に記載の列車車両用空気調和方法。
  8. メモリと、プロセッサと、メモリに記憶されるコンピュータプログラムとを備えるコンピュータ装置であって、
    前記プロセッサが前記コンピュータプログラムを実行することにより、請求項１～７のいずれか１項に記載の方法のステップを実現することを特徴とするコンピュータ装置。
  9. コンピュータプログラム／命令が記憶されるコンピュータ可読記憶媒体であって、
    前記コンピュータプログラム／命令がプロセッサにより実行されるとき、請求項１～７のいずれか１項に記載の方法のステップを実現することを特徴とするコンピュータ可読記憶媒体。
  10. コンピュータプログラム／命令を含むコンピュータプログラム製品であって、
    該コンピュータプログラム／命令がプロセッサにより実行されるとき、請求項１～７のいずれか１項に記載の方法のステップを実現することを特徴とするコンピュータプログラム製品。
JP2022527144A 2020-12-30 2021-10-09 列車車両用空気調和方法に用いる評価方法、装置、記憶媒体及びプログラム製品 Active JP7360218B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN202011616109.X 2020-12-30
CN202011616109.XA CN112680501B (zh) 2020-12-30 2020-12-30 基于微生物的列车车厢空气调控方法、系统及存储介质
PCT/CN2021/122732 WO2022142569A1 (zh) 2020-12-30 2021-10-09 列车车厢空气调控方法、装置、存储介质及程序产品

Publications (2)

Publication Number Publication Date
JP2023511478A true JP2023511478A (ja) 2023-03-20
JP7360218B2 JP7360218B2 (ja) 2023-10-12

Family

ID=75453516

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2022527144A Active JP7360218B2 (ja) 2020-12-30 2021-10-09 列車車両用空気調和方法に用いる評価方法、装置、記憶媒体及びプログラム製品

Country Status (4)

Country Link
US (1) US20230366004A1 (ja)
JP (1) JP7360218B2 (ja)
CN (1) CN112680501B (ja)
WO (1) WO2022142569A1 (ja)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112680501B (zh) * 2020-12-30 2023-02-24 中南大学 基于微生物的列车车厢空气调控方法、系统及存储介质
CN114088476B (zh) * 2021-10-21 2022-11-04 上海交通大学 自适应采集控制的气溶胶病毒采集富集装置及方法
CN114254249B (zh) * 2022-03-01 2022-05-17 深圳市今典建筑科技有限公司 一种空间区域健康指数确定方法及系统
CN115115293B (zh) * 2022-08-31 2023-01-31 安徽逸天科技有限公司 一种基于大数据的公共交通环境监测分析管理方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09311617A (ja) * 1996-05-23 1997-12-02 Tokyo Met Gov Chikatetsu Kensetsu Kk 地下空間における空気調和・換気シミュレータ
US20100168499A1 (en) * 2006-08-18 2010-07-01 Drexel University Method and device for air disinfection and sterilization
CN203404859U (zh) * 2013-07-11 2014-01-22 惠觅宙 一种空气除味净化湿化装置
CN103557579A (zh) * 2013-11-14 2014-02-05 江苏万全科技有限公司 一种室内环境监测系统及其监测方法
CN106564512A (zh) * 2016-11-08 2017-04-19 武汉理工大学 一种列车车厢空气质量监控调节系统
JP2018514436A (ja) * 2015-04-14 2018-06-07 オブチェストヴォ エス オグラニチェンノイ オトヴェツトヴェンノスチュ“オーテックス リミテッド” 車両換気システム
US20180356113A1 (en) * 2015-05-15 2018-12-13 Obschestvo S Ogranichennoi Otvetstvennostiyu "Autex Ltd." Ventilation system for building and vehicle interiors
CN110239577A (zh) * 2019-07-25 2019-09-17 中南大学 一种车内污染环境下列车乘员健康防护系统及其方法
CN210241813U (zh) * 2019-03-04 2020-04-03 上海市肺科医院 一种洁净手术室空气品质在线实时可视化的监控装置

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9109981B2 (en) * 2013-03-15 2015-08-18 Aircuity, Inc. Methods and apparatus for indoor air contaminant monitoring
CN106004347B (zh) * 2016-05-31 2018-12-21 重庆长安汽车股份有限公司 车内空气质量控制系统及方法
CN106644866A (zh) * 2016-12-28 2017-05-10 重庆金鑫科技产业发展有限公司 Pm2.5空气检测器及pm2.5空气检测系统
CN110334452B (zh) * 2019-07-09 2021-03-16 中南大学 一种智慧农业大气污染物浓度分层次预警方法
CN110361505B (zh) * 2019-07-25 2021-06-22 中南大学 一种车外大气污染环境下列车乘员健康预警系统的方法
CN110395286B (zh) * 2019-08-02 2020-08-07 中南大学 一种列车车内空气品质监测与通风调控方法、系统
CN110333325B (zh) * 2019-08-02 2021-09-17 中南大学 一种大气污染环境下列车运行防护方法及系统
CN112680501B (zh) * 2020-12-30 2023-02-24 中南大学 基于微生物的列车车厢空气调控方法、系统及存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09311617A (ja) * 1996-05-23 1997-12-02 Tokyo Met Gov Chikatetsu Kensetsu Kk 地下空間における空気調和・換気シミュレータ
US20100168499A1 (en) * 2006-08-18 2010-07-01 Drexel University Method and device for air disinfection and sterilization
CN203404859U (zh) * 2013-07-11 2014-01-22 惠觅宙 一种空气除味净化湿化装置
CN103557579A (zh) * 2013-11-14 2014-02-05 江苏万全科技有限公司 一种室内环境监测系统及其监测方法
JP2018514436A (ja) * 2015-04-14 2018-06-07 オブチェストヴォ エス オグラニチェンノイ オトヴェツトヴェンノスチュ“オーテックス リミテッド” 車両換気システム
US20180356113A1 (en) * 2015-05-15 2018-12-13 Obschestvo S Ogranichennoi Otvetstvennostiyu "Autex Ltd." Ventilation system for building and vehicle interiors
CN106564512A (zh) * 2016-11-08 2017-04-19 武汉理工大学 一种列车车厢空气质量监控调节系统
CN210241813U (zh) * 2019-03-04 2020-04-03 上海市肺科医院 一种洁净手术室空气品质在线实时可视化的监控装置
CN110239577A (zh) * 2019-07-25 2019-09-17 中南大学 一种车内污染环境下列车乘员健康防护系统及其方法

Also Published As

Publication number Publication date
CN112680501B (zh) 2023-02-24
WO2022142569A1 (zh) 2022-07-07
US20230366004A1 (en) 2023-11-16
JP7360218B2 (ja) 2023-10-12
CN112680501A (zh) 2021-04-20

Similar Documents

Publication Publication Date Title
JP7360218B2 (ja) 列車車両用空気調和方法に用いる評価方法、装置、記憶媒体及びプログラム製品
CN109086946B (zh) 一种常规能源和新能源公交车辆的污染气体排放预测方法
WO2021012982A1 (zh) 一种车外大气污染环境下列车乘员健康预警系统及其方法
CN111798051A (zh) 基于长短期记忆神经网络的空气质量时空预测方法
WO2021012983A1 (zh) 一种车内污染环境下列车乘员健康防护系统及其方法
CN108268935B (zh) 一种基于时序循环神经网络的pm2.5浓度值预测方法及系统
CN107577910B (zh) 一种基于深层次神经网络的车辆尾气浓度反演方法
CN107402586A (zh) 基于深度神经网络的溶解氧浓度控制方法及系统
EP3932773A1 (en) In-train air quality monitoring and ventilation control method and system
CN111948272B (zh) 一种基于人工神经网络的水质生物毒性预测方法
CN112734186B (zh) 列车车厢空气微生物污染实时评估方法、系统及存储介质
CN112036075A (zh) 一种基于环境监测数据关联关系的异常数据判定方法
CN114858976A (zh) 一种工业园区大气质量智能分析方法及系统
CN110309609B (zh) 一种基于粗糙集和wnn的建筑室内空气品质评价方法
CN111177939A (zh) 一种基于深度学习的列车空气制动系统制动缸压力预测方法
CN111242357A (zh) 基于神经网络学习的列车车载设备故障预测方法及装置
CN109376903B (zh) 一种基于博弈神经网络的pm2.5浓度值预测方法
CN111125907A (zh) 一种基于混合智能模型的污水处理氨氮软测量方法
CN115544919A (zh) 一种气流体污染物排放源的溯源方法及装置
CN114814092A (zh) 基于bp神经网络的ip指标测量方法
CN113505160A (zh) 一种基于卷积深度神经网络的机动车尾气排放估计方法
Purnomo et al. Achieving sustainable environment through prediction of air pollutants in Yogyakarta using adaptive neuro fuzzy inference system
CN116467645B (zh) 一种污染源采集监测系统
CN114841000B (zh) 一种基于模态共有特征分离的软测量建模方法
CN109670646B (zh) 一种基于混合门限神经网络的pm2.5浓度值预测方法

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220511

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230620

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230908

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: 20230919

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230922

R150 Certificate of patent or registration of utility model

Ref document number: 7360218

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150