JP5868770B2

JP5868770B2 - 使用量予測方法および行動推薦方法

Info

Publication number: JP5868770B2
Application number: JP2012100550A
Authority: JP
Inventors: 関本　信博; 信博関本
Original assignee: Hitachi Appliances Inc
Current assignee: Hitachi Appliances Inc
Priority date: 2012-04-26
Filing date: 2012-04-26
Publication date: 2016-02-24
Anticipated expiration: 2032-04-26
Also published as: JP2013228891A; WO2013161414A1

Description

本発明は、電力等の資源の使用量を計測し、過去の計測データから未来の使用量を予測するシステムに係り、特に予測する将来の使用量を削減するために利用者の行動を推薦する技術に関する。

近年、地球温暖化の進行、森林資源の減少、環境破壊の拡大に伴い、二酸化炭素等の温室効果ガスの排出量削減の重要性が益々大きくなっている。このため、省エネルギー（以下、省エネと略す）施策に関して、日本国内では2010年4月に改正された「エネルギーの使用の合理化に関する法律」（改正省エネ法）が施行され、中小小売店舗を含めた事業者全体での消費エネルギー管理が義務化された。また、2011年3月の東関東大震災の影響で、企業への１５％節電が要請されるなど、省エネを取り巻く環境は大きな変革を迎えている。

しかしながら、省エネと雖も、冷房を完全に止めることで熱中症を引き起こすような温度上昇をもたらしたり、書類を読む部屋の照明でも無闇に消してしまったりするような過度な省エネ活動を行うことは、身体に悪いと同時に省エネ活動に対する嫌悪感に繋がり、継続性に悪影響が出る。

一方、何をもって省エネ活動とするかをユーザに判断させることは、多くの建物や部屋の属性、そこで使われる電機製品の属性、そのオンオフによる環境や操作性への影響、人やモノの配置など、様々なパラメータが存在する中で容易なことではない。したがって、ユーザやその周囲の人々の快適さの劣化を最小限に抑えながら、省エネとのバランスを取った活動(アクション)をシステムが自動的に推薦することでサポートし、煩雑さがなく、有意義さをユーザに感じさせることが重要である。

このため、システムが使用量を予測し、さらに予測値や所定の目標値、当該日時の周囲状況、ユーザの行動履歴に基づく嗜好に応じて適切なアクションをユーザに推薦することが求められる。ここでは、多くの環境要因に影響を及ぼすアクションの候補が存在する状況で、各アクションが及ぼすと考えられる影響を評価し、その中から適切なアクションを見つけることが課題である。

従来の一般的な予測方法としては、過去の同一事例での入出力データより統計的な関係性を求め、未知の入力値が与えられる場合の出力値を予測する方法が用いられる。例えば特許文献１では、予測対象データと過去実施データの類似度と、該過去実施データから出力データおよびばらつきを求めていた。ここでは、要因ベクトル（時間経過等）間の類似度を求める際の各要素がばらつきに寄与する重みベクトルＡを算出、また複数の実施データの個数に応じた重みＢを基に、出力を予測することが示されている。

特開２０１０−２３１４４７号公報

前述した特許文献１のように、従来の予測方法では入力値と出力値（結果）の関係を統計的に、いわゆるシステム伝達関数による数学モデル、あるいは、入出力値間の空間近似による固定モデルでのシステム推定で使用量予測を行っている。しかしながら、入出力値の関係性を超えた状況の変動、例えば気候変動や利用者の行動嗜好、活動に至るまでのプロセスや理由、あるいは、結果との関係性を考慮することは困難である。

さらには、特許文献１はこのように得られる予測値のばらつきを評価する、すなわち精度向上を目的としている。したがって、予測値のばらつきが所定の精度を超えた場合、あるいは、超えると予測される場合の対処まで言及していない。つまり、特許文献1では例えば、あらかじめ設定した目標値と乖離が大きい場合や、あらかじめ設定した限界値を超えた場合の対処に関して、利用者へ、現状の乖離や限界を超えない、またはその差を小さくするための具体的行動を推薦し、状況改善を行うことは困難である。

したがって従来技術においては、入出力値間の関係性以外の状況変動を考慮した上で、現状改善、例えば省エネに関係する適切な利用者行動を推薦することが課題であった。

本発明の目的は、エネルギー等の使用量予測するシステムにおいて、気候変動や活動計画、活動理由、および、過去実績を統合し、人間活動に適した予測方法を低コストで導入可能とすることにある。さらに、予測した使用量推移と目標値との関係を考慮して気候や活動計画に適した使用量削減のための行動を推薦する方法を提供することで、状況改善のための利用者の具体的行動想起を支援し、実際のエネルギー使用量削減はもちろん、行動と削減結果の因果関係による利用者の省エネ活動の動機付け、その強化および維持の支援を行うことにある。

第１の発明の使用量予測方法によれば、予め指定する期間および間隔で測定された過去の使用量履歴情報および当該期間の状況属性情報を取得し、予測を行う期間が指定された場合に状況属性情報取得手段または入力手段から当該期間の属性情報の予測あるいは予定である予測状況属性情報を取得し、演算手段において、記録部の状況属性情報の中から予測属情報に尤も類似する状況属性情報を１つ選択し、選択された状況属性情報が示す同一期間の使用量履歴情報から使用量履歴を取得し、使用量履歴情報の履歴を用いて時刻に関する使用量の近似を与える第１近似曲線を求め、予想を行う期間の直前あるいは指定期間内に属する１つ以上の使用量履歴情報の履歴の各時刻における第１の各時刻近似曲線で得られる値と使用量履歴情報の履歴の使用量との間の近似を与える第２の近似曲線を求め、第１の近似曲線および第２の近似曲線を合成させた曲線を使用量の予測曲線とする。

また、第２の発明の使用量予測システムは、演算部と、表示部と、利用者の操作の入力部と、時刻取得部と、使用量および時刻からなる使用量履歴情報を取得する使用量履歴情報取得部と、予め指定する期間における状況属性情報を取得する状況属性情報取得部と、今後の属性変化を予測する予測状況属性生成手段からの予測状況属性を取得する予測状況属性情報取得部と、各種情報を記録する記録部とを有する。

また、第３の発明の使用量予測方法では、状況属性情報および予測状況属性情報とは、日時と、気象情報と、利用者の活動状況と、利用者の属する集団の活動状況と、利用者が属する場所の環境状況と、使用量に影響を与える要因となり得る状況とのうち少なくとも１つを用いる。

また、第４の発明の使用量予測方法では、近似曲線を、予想を行う期間の直前あるいは指定期間内に属する1つ以上の使用量履歴情報とともに表示部に表示する。

また、第５の発明の行動推薦方法は、第１の発明に加えて使用量に影響する利用者行動を定義する１つ以上の可能行動情報集合を取得し、予め与える使用量の目標閾値と使用量予測曲線とが交差する時刻、および、予測曲線の極値のうち少なくともいずれかを含む予測超過情報を求め、可能行動情報の中の各項目が持つ各属性情報と、予測超過情報と、予測状況属性情報とを用いて予め定めた方法で属性情報間の評価値を求め、可能行動情報の各項目に関する評価値を用いて可能行動情報を選択し、表示手段に選択した可能行動情報の項目の内容を提示する。

また、第６の発明の行動推薦方法では、第５の発明における可能行動情報の代わりに、使用量に影響する利用者の行動および行動による使用量の変化量を含む行動履歴情報を用いて同様の処理を行う。

また、第７の発明の行動推薦方法では、第５または第６の発明において、提示した推薦提示に対する利用者の応答を入力手段から取得し、応答が可能行動情報の中の一つに含まれていた場合に、応答内容、提示回数履歴、選択回数履歴、選択嗜好度、あるいは、実施日時の中から少なくとも一つ以上の要素を、可能行動情報あるいは、行動履歴情報の要素として更新して、評価に用いる。

また、第８の発明の行動推薦システムは、第２の発明と同様のシステム構成を有し、第１の発明の使用量予測方法、および、第５の発明から第７の発明のうち少なくとも１つ以上の行動推薦方法を行う。

また、第９の発明の行動推薦システムは、第８の発明と同様のシステム構成を有し、使用量および時刻からなる使用量履歴情報と、予め指定する期間における状況属性情報と、今後の属性変化を予測する予測状況属性生成手段からの予測状況属性情報とをそれぞれネットワークを介して取得する通信部と、各種情報を記録する記録部とを有し、第１の発明の使用量予測方法、および、第５の発明から第７の発明のうち少なくとも１つ以上の行動推薦方法を行う。

本発明によれば、エネルギー等の資源の使用量予測を、低コストで実施でき、状況改善のための利用者の具体的行動想起を支援し、かつ、利用者の省エネ活動の動機付け、その強化および維持の支援を行うことができる。

本発明の第１の実施例の使用量予測および行動推薦を行うシステム構成を示すブロック図である。本発明の第１の実施例の記録部にて保持される各種情報の例の説明図である。本発明の第１の実施例の使用量履歴情報の例の説明図である。本発明の第１の実施例の状況属性情報および予測状況属性情報の説明図である。本発明の第１の実施例の可能行動情報の例の説明図である。本発明の第１の実施例の目標値情報の例の説明図である。本発明の第１の実施例の状況属性評価ルールの例の説明図である。本発明の第１の実施例の行動推薦ルールの例の説明図である。本発明の第１の実施例の状況属性評価結果情報の例の説明図である。本発明の第１の実施例の状況特徴情報の例の説明図である。本発明の第１の実施例の行動推薦結果情報の例の説明図である。本発明の第１の実施例のメイン処理の例の処理フロー図である。本発明の第１の実施例の使用量予測処理の例の処理フロー図である。本発明の第１の実施例の第１の近似曲線の例の説明図である。本発明の第１の実施例の当日の使用量の例の説明図である。本発明の第１の実施例の第２の近似曲線の例の説明図である。本発明の第１の実施例の第１の近似曲線と第２の近似曲線の合成により求めた予測曲線の例の説明図である。本発明の第１の実施例の状況特徴取得処理の例の処理フロー図である。本発明の第１の実施例の行動推薦処理の例の処理フローである。本発明の第１の実施例の予想曲線の表示例の説明図である。本発明の第１の実施例の行動推薦の表示例の説明図である。本発明の第２の実施例の使用量予測および行動推薦を行うシステム構成を示すブロック図である。本発明の第３の実施例の使用量予測および行動推薦を行うシステム構成を示すブロック図である。本発明の第３の実施例のサーバおよび端末間で実行される各種情報取得処理の例の処理フローである。本発明の第４の実施例の複数の推薦行動項目をユーザに提示する表示の例の説明図である。本発明の第６の実施例の外部機器を制御する機能を付加した行動推薦を行うシステム構成を示すブロック図である。

本発明の代表的な実施の形態によれば、演算部と、表示部と、利用者（以下ユーザとする）の操作の入力手段と、時刻取得部と、使用量および時刻からなる使用量履歴情報を取得する使用量取得部と、予め指定する期間における属性情報を取得する属性取得部と、今後の属性変化を予測する予測状況属性生成手段からの予測状況属性を取得する予測状況属性取得部と、各種情報を記録する記録部とを持つシステムにより、資源の使用量の予測を行うことが第１の特徴である。

また、この予測した使用量と予め設定した目標値を基に、ユーザがあらかじめ与えられた可能な行動を列挙した可能行動情報を用いて、資源の使用量を削減するための行動を利用者に推薦提示を行うことが第２の特徴である。

ただし、本発明の適用は本実施例に限定されない。本発明の使用量予測及び行動推薦の対象となる電力などを「資源」と総称する。

以下、図面を参照しながら本発明に係る実施形態を詳細に説明する。

以下の実施例においては、本システムをスーパーマーケット等の小売店にて使用することを例に、電力の使用量を予測し、電力使用量が予め設定した目標値を超過する際に、ユーザである小売店店員に利用料を削減するための行動を推薦して提示し、ユーザがその行動結果を入力することで、その行動結果を用いて各情報を更新して次の行動推薦に用いる例を説明する。

図１は実施例１におけるシステムの構成図である。本実施例でのシステム１００は、使用量としての電力量予測、および、その予測電力量の推移からユーザの行動の推薦を行う機器として説明する。システム１００は、演算部１０５、時刻を取得する時計部１０８、ユーザ１８０へ各種表示を行う例えばディスプレイを含む出力部１０６、ユーザの指示を入力するための例えばキーボードやマウス、あるいはディスプレイと共に用いるタッチパネル手段を含む入力部１０７を持ち、ＣＰＵやメモリを有する計算機によって実現される。

また、本システムには、電力の使用量を検出する使用量センサ１１０が使用量情報取得部１０１に接続され使用量を取得する。なお、使用量情報取得部１０１では使用量の特定期間での合計値、最大値や最小値、平均値や分散等の統計値を算出してもよい。ここで、使用量センサ１１０は、電力以外にも、例えばガスや上下水道の使用量や、ネットワーク通信量、機械や電気機器などの使用時間、預貯金額、株価や為替レート等、種々の値に対してそれらを検出する手段であってもよい。

一方、天気や降水量、気温や湿度、風の向きや強度、室内の照明による照度などを検出する状況属性センサ１１１が状況属性情報取得部１０２に接続され、それぞれの値を検出および設定した情報を取得する。なお、状況属性情報取得部１０２では状況属性の特定期間での合計値、最大値や最小値、平均値や分散等の統計値を算出してもよい。状況属性センサ１１１および状況属性情報取得部１０２で取得する状況情報は前述以外にも、前述の使用量センサ１１０で検出する量に影響を与え得る項目の属性値を検出するセンサ機器、あるいは、人手による計測結果であってよい。例えば、前述の使用量センサで検出可能な値自体であってもよいし、またその他にも、企業オフィスの職員の出退勤者数やそれら職員の属性、小売店舗であれば顧客の数や性別や大人／子供の区別、一定時間内に注目する地点を通過する顧客流量、当該店舗において当日が営業日か否か、セールや催しイベント等の営業形態、陳列する物品の種類及び数量、空調機および冷蔵庫や保温庫の設定温度や湿度および実際の温度や湿度や動作強度・風向、販売した物品の種類及び数量、騒音や機器が発生する音の音量、空気等の気体の種類や温度や割合や流量およびそこに含まれる化学物質や花粉等の種類及び流量、磁界や電界の強度、放射線の種類や量、地震の強度や規模、発電量、ガスや水道の供給量、風邪やインフルエンザを含む伝染性の病気種類や流行度合い、物品や動向の流行の種類や度合い、インターネットにおけるワールドワイドウェブやブログ、あるいは、ネットワークサービスを含む情報源から得られる文字や画像・映像・音声・音響などの各種データを解析することで得られる情報の種類や数量など、様々な属性を検出や測定、設定する手段であってもよい。

また、システムには、上記状況属性センサ１１１で検出や測定、設定可能な各属性値に関して、今後どのように変化するかを予測する予測状況属性情報生成手段１２０と予測状況属性情報取得部１０４が接続されており、予め指定した予測状況属性情報を取得できるとする。この予測状況属性情報生成手段１２０で取得する予測状況属性情報は、前出の各種属性値の今後の推移予測や予定であり、例えば、天気予報や気象に関わる情報提供者からの属性情報や、発電所や電力企業からの送電予定、企業オフィスや小売店等の今後のイベント予定や職員に関する予定、流行の種類や属性予報、株価や為替相場の専門家予想、あるいは各種シミュレーションなどによる今後の各種の属性値の変化量推定情報であってもよい。

また、システムは各種情報を記録する記録部１０３を持つ。図２は記録部１０３にて保持される各種情報の例の説明図である。本実施例での記録部には前述の使用量履歴情報２０１、状況属性情報２０２、予測状況属性情報２０３とともに、後述する可能行動情報２０４、目標値情報２０５、状況属性評価ルール２０６、行動推薦ルール２０７、状況属性評価結果情報２０８、状況特徴情報２０９、および、行動推薦結果情報２１０を記録する。以下で説明するこれらの各種情報を、センサ１１０、１１１や予測状況属性情報生成手段１２０から取得し、ルールを取得して記録部１０３へ記録する処理は、演算部１０５で行う本実施例の処理の直前までに行ってもよいし、各情報の取得処理の際に取得部（１０１，１０２，１０４）などを用いて行ってもよい。

（各テーブルの説明）
図３は使用量履歴情報２０１の例の説明図である。本実施例での使用量履歴情報には、項番３０１や使用量を取得した場所３０２、電力使用量３０４の各要素を持つとする。また、状況属性情報取得部１０２にて取得した状況属性情報の一部が、日時と関連して同時に使用量履歴情報と一緒に要素として含まれていてもよく、図３のように同一時刻における、気温３０５、湿度３０６、および、状況属性としての部屋の室温３０７〜３０９、および部屋の湿度３１０として併記してもよい。図３では各項目における日時は２０１１年１２月７日の０時より３０分おきに集計されており、使用量３０４は当該時刻から３０分間の総量として、また気温３０６、湿度３０７、室温３０８〜３０９、湿度３１１はその期間の平均値として計算し保持する。

図４は状況属性情報２０２および予測状況属性情報２０３の説明図である。これらをまとめて属性情報として説明する。本実施例での属性情報には、項番４０１、場所４０２、日付４０３、曜日４０４、風向４０５、風力４０６、天気４０７、最低気温４０８、最高気温４０９、企業オフィスの営業日情報４１０、そこで実施するイベント情報４１１、顧客数４１２があり、１日単位で記録される。なお、一番下の項番９９９９の行は、これから予測を行う当日、すなわち未来の属性情報の予測あるいは予定である予測状況属性情報２０３であり、それら以外の項番の行は過去の属性情報２０２の要素である。

図５は可能行動情報２０４の例の説明図である。本実施例での可能行動情報は、項番５０１、分類５０２、メッセージ５０３、開始５１１および終了５１２からなる提示期間５０４、提示最小間隔５０５、使用量削減率５０５、温度の変化量５１３、上限５１４及び下限５１５、嗜好度５０８、前回実施日時５０９、前回結果５１０の要素を持つ。ここで、この例では提示期間５０４の開始５１１および終了５１２は日時であり後述する条件を文字列として例示しているが、年月日および時分の各条件にて数字ではなく「*」がある部分はすべての値に合致することを示す。これは、年度に関わらず月日が合えば条件を満足させたり、１日の間のどの時刻であっても条件を満足させたりといった、このフィールド値を無条件にする表現を可能にすることを示す。また、温度上限５１４にある「*」に関しても同様の無条件であり、他の要素においても同様に無条件とすることが可能である。一方、まだ値の入っていない要素は「-」にて示しているとする。すなわち後述する可能行動情報からの行動推薦によりまだ選択されていない項目の要素、あるいは、選択はされたがユーザが行動していないため値が設定されていない要素を示しており、これらがなされた際に要素の値が更新される。

図６は目標値情報２０５の例の説明図である。本実施例での目標値情報は、項番６０１、日付６０２、上限値６０３の各要素を持つ。項番０では日付６０２の要素が「*」となっているが、この値は、予想を行う当日の日付が他の項目の日付に一致しない場合にいつでも一致するよう、すなわちデフォルト値として選択される。予想を行う当日の日付が他の項目の日付に一致する場合には、当該項目が目標値として選択され、その上限値６０３を目標値として利用される。

図７は状況属性評価ルール２０６の例の説明図である。状況属性評価ルールは、後述する使用量予測処理Ｓ１２１２（図１３）の最適日選択ステップＳ１３０３にて用いるルールである。本実施例での状況属性評価ルールは、項番７０１、名称７０２、重み７０３、および、評価アルゴリズム７０４の各要素で構成される。評価アルゴリズム７０４は、予測状況属性情報２０３（図４の項番「９９９９」の列）の値を「[要素名]1」とし、比較対象となる状況属性情報２０２（図４の「９９９９」以外の項番の行）において注目する日の項番の値を「[要素名]2」として、状況属性情報の項番「ｒ」における状況属性評価ルール２０６の項目「ｉ」の値(重み、vri)を求めるアルゴリズムをBasic言語に疑似させて示したものである。

具体的には例えば、状況属性評価ルール２０６の項番「１」の「天気」においては、主な天気とその補助を用いて「天気1.main」と「天気1.sub」として表記することとする。すなわち、天気が「晴れ時々曇り」であった場合には、「天気2.main」として「晴れ」、「天気2.sub」として「曇り」とする。実際の処理では、図４の予測状況属性２０２の項番４０１が「９９９９」の天気４０７列の要素値「雨」であり、「天気1.main」を「雨」にし「天気1.sub」は値なしとする。また、項番「１」の「晴れ」は、「天気2.main」として「晴れ」であり「天気2.sub」として値なしとする。これら２項目を比較した場合、最終的に評価値ｖｒｉは0.0となる。もし、この時、項番「１」の天気が「晴れ時々雨」であった場合には、「天気2.main」として「晴れ」、「天気2.sub」として「雨」となり、この場合には、「天気1.main」と「天気2.sub」が一致したとして、ｖｒｉ＝0.5となる。

このようにして求めたｖｒｉ値に、それぞれの項番の重み、例えば「天気」の場合には1.0を掛け合わせて、当該項番に関する値となる。本ルール２０６は、後述の使用量予測処理における最適日選択の処理において使用する。状況属性評価ルール２０６は予め記録部１０３に保持されている場合だけではなく、システムにさらに外部記憶手段やネットワーク手段などを具備することで、情報の読込あるいは通信により外部から取得してもよく、この場合には新しい状況属性評価ルールに更新することが可能となる。

図８は行動推薦ルール２０７の例の説明図である。行動推薦ルールは、後述する行動推薦処理Ｓ１２１４（図１９）行動推薦評価ステップＳ１９０５にて用いるルールである。本実施例での行動推薦ルールは項番８０１、名称８０２、重み８０３、および、評価アルゴリズム８０４の各要素で構成される。評価アルゴリズムは、後述の使用量予測処理にて求める状況特徴情報２０９（図１０）の名称１００２および予測値１００３と、可能行動情報２０４の各項番の分類５０２、および各要素名とその値を用いて、可能行動情報の項番「ｕ」における行動推薦ルールの項目「ｉ」の値ｖｕｉを求めるアルゴリズムをBasic言語に疑似させて示したものである。

具体的には、項番「１」の名称「削減量」の評価アルゴリズムでは、後述する状況特徴情報２０９の項番「８」の名称「超過量」の予測量「１００」から、最大値「２１００」と可能行動情報の削減率である「１０%」との積を減した絶対値を超過量の絶対値に１を加えた値で除算し、この値を１．０から減じている。結果、１．０−｜１００−２１００＊１０／１００｜／（｜１００｜＋１．０）＝−０．０８９（＝−９／１０１）となり、この値がこのルール項番「１」を可能行動情報項番「１」に適用した評価値ｖｕｉとなる。上記の一般式で表わすと、超過量の予測量をｘ、最大値をｘ_ｍ、削減率をｋとすると、削減量の評価値は、１．０−｜ｘ−ｋ・ｘ_ｍ｜／（｜ｘ｜＋１．０）となり、ｋ・ｘ_ｍは目標値であり、｜ｘ−ｋ・ｘ_ｍ｜は予測値と目標値との差分であり、分子の「１．０」は分母を０としないための補正値である。

行動推薦ルール２０７は予め記録部１０３に保持されている場合だけではなく、システムにさらに外部記憶手段やネットワークなどを具備することで、情報の読込あるいは通信により外部から取得してもよく、この場合新しい行動推薦ルールに更新することが可能となる。

図９は状況属性評価結果情報２０８の例の説明図である。状況属性結果情報は、後述の使用量予測処理ステップ（図１２のS1212、および、図１３）の最適日選択処理（図１３のS1303）を行う際に生成利用する情報である。本実施例での状況属性評価結果情報は、順位９０１、リスト項番９０２、日付９０３、評価値９０４の要素から構成され、リスト項番９０２は状況属性情報２０２（図４）の項番４０１に対応し、日付は同じく日付４０３に対応する。評価値は、後述するように、前述の状況属性評価ルール２０６を用いて求める。評価値は、本実施例では値の降順に列挙しておき、最上位、すなわち最大の値を与えるリスト項番、あるいは日付が、予測を行う当日に尤も適した日として、その日付の使用量履歴情報の曲線近似ないし当日の使用量予測に用いる。

図１０は状況特徴情報２０９の例の説明図である。状況特徴情報は、後述の状況特徴取得処理ステップ（図１２のＳ１２１３、および、図１８）において生成利用する情報である。本実施例での状況特徴情報は、項番１００１、名称１００２、予測値１００３の要素から構成し、それぞれの項目には、使用量予測処理（図１２のＳ１２１２、および、図１３）にて求めた使用量の近似曲線から解析的に、または代数的に求めて得られる、第１の近似曲線のパラメータ、第２の近似曲線のパラメータ、目標値を超過する時刻、予測される最大値、最大値の目標値の超過量、最大値となる時刻をはじめとする予測値がある。

図１１は行動推薦結果情報２１０の例の説明図である。行動推薦結果情報は、後述の行動推薦処理（図１２のＳ１２１４、および、図１９）の行動推薦結果生成処理（S１９０６）において生成利用する情報である。本実施例での行動推薦結果情報は、順位１１０１、リスト項番１１０２、メッセージ１１０３、評価値１１０４の各要素から構成することとする。リスト項番１１０２は可能行動情報（２０４および図５）の項番５０１に対応しており、同じくメッセージ１１０３はメッセージ５０３に対応する。評価値１１０４は、後述するように、前述の行動推薦ルール２０７を用いて求められる。評価値は、本実施例では値の降順に列挙しておき、最上位、すなわち最大の値を与えるリスト項番に関するメッセージ等の要素を、出力部を用いてユーザ１８０に提示することで、推薦する行動を示す。

（各処理の説明）
以下、これらの各種情報を用いて、演算部で行う本実施例の処理を示す。

図１２は本実施例のメイン処理の例の処理フロー図である。本実施例での処理は一般的なイベントドリブンの動作として説明する。ここでは単純のために処理に伴う表示要求イベント、タイマー割り込みイベント、および、入力部からの割り込みイベントを次々に処理していくことで説明する。まず、起動によりタイマーの初期化を行う（Ｓ１２０１）。これは、システムの時計部１０８を用いて一定時間ごとに割り込みイベントを発生させる処理Ｓ１２０２を初期化する。具体的には、３０分おきにイベントを発生するように初期化する。次に、イベントが発生した場合にはイベント処理を行う（Ｓ１２００）。

イベントが表示要求イベントの場合（Ｓ１２０３）、出力部１０６に表示する画面を取得して描画する（Ｓ１２０４）。イベントが入力部からの入力イベントであった場合、ステップＳ１２２１では、これを取得し、現在動作している処理に対してユーザが選択や指示を行う項目を決定する情報として入力する（Ｓ１２２２）。もしこれが動作の終了指示であった場合（Ｓ１２２３）には、メイン処理を終了する。

もし、イベントがタイマー割り込みイベントであった場合（Ｓ１２１１）には、使用量予測処理Ｓ１２１２、状況特徴取得処理Ｓ１２１３、および、行動推薦処理Ｓ１２１４を行う。

図１３は使用量予測処理Ｓ１２１２の処理の例の処理フロー図である。使用量予測処理では、まず状況属性情報２０３（図４）を取得し（Ｓ１３０１）、また、予測状況属性情報２０４（図４の項番「９９９９」）を取得する（Ｓ１３０２）。次に、最適日を選択する（Ｓ１３０３）。最適日の選択は、前述の状況属性評価ルール２０６（図７）による、状況属性のそれぞれの日の項番ｒに関しての評価値α_ｒを、注目する予測属性情報の要素値を用いて、ルールの各項目の評価アルゴリズムにより項番i(1≦i≦Ｓ)での重み７０３（ｃ_ｒｉ）とアルゴリズムで求めた値(ｖ_ｒｉ)を用い、例えば以下の式により求める。

すなわち、重みと評価値を掛け合わせた総和を、当該日の評価値とし、状況属性情報２０２の各日付に対応させてこれを状況属性評価結果情報２０８（図９）とし、評価値９０４の降順に順位９０１付けする。これにより得られた最大の評価値、すなわち順位９０１が１位となるリスト項番(r)９０２に対応するリスト項番９０２を最適日として選択する。図９の場合には評価値「２４５．９」を与える状況属性情報２０２のリスト項番「３」、すなわち、日付としては「２０１１／１２／１０」が選択された。

次に、選択された最適日に関する使用量履歴情報２０２を取得し（Ｓ１３０４）、その日の使用量である電力使用量３０４の変化を曲線近似するための第１曲線近似を行う（Ｓ１３０５）。

図１４は第１近似曲線の例の説明図である。使用量履歴情報２０２より、時刻ｔにおける３０分ごとの使用量wtとして、当日分はＰ個（この場合４８個）のデータの組が得られる。

図１４では横軸に時刻ｔ、縦軸に使用量ｗを取り、使用量のデータ列をwtiの棒グラフとして表している（１４０３）。このデータの組を、例えばｗｔの変化を近似する曲線をｔに関するＮ次関数ｆ(ｔ)として表わし、以下のように近似することとする。

実際の時刻ｔにおける使用量履歴情報２０２での使用量３０４であるｗと、仮定した式ｗｐ＝ｆ(ｔ)の誤差の２乗和を最小にする、いわゆる一般的な最小二乗法を用いてｆ(ｔ)のパラメータ、すなわちａ_ｉを求めこととする。例えばＮ＝４、すなわち、ｔの４次関数としてｗｔを近似する場合、係数ａ_ｉ(０≦ｉ≦４)は最小二乗法を解くことにより容易に求められる。このように第１の近似曲線は使用履歴情報のうち最適日のデータを表す曲線として近似できた（１４０４）。

次に、予測を行う当日の使用量の現在までに取得済のＱ個のデータを取得する（Ｓ１３０６）。これにより、第１の近似曲線と得られた当日使用量との相関から、当日使用量を近似する第２の近似曲線を求める（Ｓ１３０７）。

図１５は当日の使用量の例の説明図である。横軸に時刻ｔ１５０１を取り、縦軸に３０分ごとの使用量ｗ´１５０２を取り、時刻ｔにおける当日の使用量ｗ´ｔ１５０３を棒グラフで示す。

図１６は第２の近似曲線の例の説明図である。ただしこの例では直線で近似している。横軸に第１の近似曲線の値ｆ(ｔ)をとり、縦軸に当日の使用量ｗ´をとり、時刻ｔに関する以下のデータ列を点列１６０３で示している。

これら点列を、ｗ´ｔを近似する曲線をｆ(ｔ)に関するＭ次関数ｇ(ｆ(ｔ))として以下のように仮定する。

Ｍ次関数ｇ(ｆ(ｔ))は、ｆ(ｔ)に対する補正式である。

第１の近似曲線と同様に最小二乗法を用いて、パラメータｂ_ｉ（０≦ｉ≦Ｍ）は容易に求めることができる。例えば、Ｍ＝１すなわち図１６のように直線で近似する場合、ｇ(ｆ(ｔ))直線を示す、切片ｂ_０（１６０６）および傾きｂ_１（１６０７）で表せるように求めることができる。

このように、求めた第１の近似曲線と第２の近似曲線を合成すると求める予測曲線が得られる。即ち、ｔ→ｆ(ｔ)、ｙ→ｇ(ｙ)（ｆ(ｔ)∈ｙ）の２つの写像の合成によって第２の近似曲線が得られる。

図１７は第１の近似曲線と第２の近似曲線の合成により求めた予測曲線の例の説明図である。横軸に時刻ｔをとり（１７０１）、縦軸にｗおよびｗ´および予測する使用量ｗ´ｐをとり（１７０２）、第１の近似曲線ｗｐ＝ｆ(ｔ)を点線（１７０４）で示すと、第２の近似曲線との合成であるｗ´ｐ＝ｇ(ｆ(ｔ))の曲線１７０３は第１の近似曲線を縦方向にｂ１倍に拡大し、ｂ_０だけ上昇させた曲線として解釈することができる。このように２つの近似曲線を合成した関数曲線を当日の時刻ｔにおける使用量予想曲線として、使用量予測処理Ｓ１２１２を終了する。

なお、第１および第２の近似曲線の高次関数の次数Ｎ、Ｍは、例示したＮ＝４やＭ＝１以外であってもよく、データの分散や傾向特徴を仮定して次数を選定し適宜変更してもよい。また、必ずしもこの例のような高次関数である必要はなく、スプライン曲線(Spline Curve)や、ベジェ曲線(Bezier Curve)、円の方程式、複数の周期や振幅を持つサイン(sin)関数やコサイン(cos)関数をはじめとした各種の関数で表現してもよい。さらには、それら近似曲線を表すパラメータは最小二乗法以外で求めてもよく、例えば、フーリエ級数、離散フーリエ級数や離散コサイン級数をはじめとした一般的に知られているパラメータ推定、およびパラメータ決定方法を用いてもよい。

さらに近似の精度を高めるために、第１および第２の近似曲線の高次関数の次数Ｎ、Ｍを増やし、近似式に含まれるパラメータの数を増やすと、それまで求めたパラメータが使えず、再度連立一次方程式を解く必要があり、更に、誤差の評価も煩雑である。一方、第１および第２の近似曲線の高次関数を、規格直交多項式であるルジャンドルの多項式（Legendre Polynomials）で展開すると、各パラメータを求める際に、互いに次数の異なるルジャンドルの多項式の積における変数について総和を取ると０になるため、近似式のパラメータを決めるための連立一次方程式を解く必要がなく、精度向上のために近似式の次数を増やす場合でも、他のパラメータとは独立に、パラメータを逐次的に求めることができ、誤差の評価も容易である。但し、ｎ次のルジャンドルの多項式は、ｎ次及びそれ以下の次数のべき乗を含む多項式であり、ｎが偶数の場合は偶関数であり、ｎが奇数の場合は奇関数である。また、ルジャンドルの多項式を用いる場合は、定義域ａ≦ｘ≦ｂの変数ｘを、定義域−１≦ｘ´≦１の変数ｘ´に変換する必要がある。

図１２に戻り、次に状況特徴取得処理Ｓ１２１３を行う。図１８は状況特徴取得処理Ｓ１２１３の例の処理フロー図である。状況特徴情報を初期化し（Ｓ１８０１）、記録部１０３から当日の目標値情報２０５を取得する（Ｓ１８０２）。使用量を予測する場合（Ｓ１８０３）、予測曲線を取得し（Ｓ１８０４）、予測曲線の最大値を解析的または代数的に解くことで最大の使用量となる時刻および最大値を求める（Ｓ１８０５、Ｓ１８０６）。また、現在の曲線の傾きを取得する（Ｓ１８０７）。それ以外にも、目標値を超える時刻やその時の傾きなど予測曲線と目標値との関係を取得する（Ｓ１８０８）。その後予測が不要な現在時点で最新の使用量と目標値の差分を取得し（Ｓ１８０９）、これら取得した値を状況特徴情報２１０として設定して終了する（Ｓ１８１０）。

次に行動推薦処理を行う（Ｓ１２１４）。図１９は本実施例の行動推薦処理の例の処理フローである。まず初期化を行い（Ｓ１９０１）、可能行動情報２０４、状況特徴情報２０９、および、行動推薦ルール２０７を記録部１０３より取得する（Ｓ１９０２、Ｓ１９０３、Ｓ１９０４）。可能行動情報の項番ｕに関しての評価値β_ｕを、注目する可能行動情報と状況特徴情報の要素値を用いて、行動推薦ルールの項番ｉ(１≦ｉ≦Ｖ)での重み８０３（ｄ_ｕｉ）とアルゴリズムで求めた値（ｖ_ｕｉ）を用いて、例えば次式で行動推薦評価値を求める（Ｓ１９０５）。

すなわち、重みと評価値を掛け合わせた値の総和を、当該可能行動の評価値とし、可能行動情報２０４（図５）のメッセージ５０３に対応させて行動推薦結果情報２０８（図１１）とし、評価値１１０４の降順に順位１１０１付けする（Ｓ１９０６）。これにより得られた最大の評価値、すなわち順位１１０１が１位となるリスト項番(ｕ)１１０２に対応する可能行動情報のリスト項番５０１を推薦する行動として選択する。図１１の場合には評価値「２５．１」を与える可能行動情のリスト項番「３」、すなわち、メッセージとしては「設定温度を１℃下げる」が選択された。

次に、選択された可能行動を、出力部１０６を用いて作図および表示しユーザに提示する（Ｓ１９０７）。図２０は予想曲線の表示例の説明図、図２１は行動推薦の表示例の説明図である。この例では、まず先に図２０のように、これまでに求めた予測曲線として図１７で説明した図を基に、具体的な日付や時刻、目標値や最大値、その時のそれぞれの時刻等を作図して表示した例である。その上に、推薦行動をユーザに選択させるボタンと共に重ねて表示した例が図２１である。ここでは状況特徴情報２０７および推薦行動として選択された可能行動情報２０４の項番の各項目を用いて、例えば、予測した時刻２１０２、超過すると予想する時刻２１０３、分類２１０４と共に、推薦する行動のメッセージ２１０５を表示する。さらに、画面には３つのボタン、すなわち「実施」ボタン２１１１、「無理」ボタン２１１２、および、「他」ボタン２１１３を表示している。これらはユーザ１８０に推薦する行動を実施したかどうか、あるいは、他の候補を推薦提示させるかを選択させる際に使用される。

図１９に戻り、図２１で表示した３つのボタン（２１１１，２１１２，２１１３）から一つをユーザ１８０に選択させた結果を入力部１０７から取得し、ユーザの行動を取得する（Ｓ１９０８）。もし、「他」２１１３が選択された場合（Ｓ１９１１）、行動推薦結果情報２１０の次点を選択し（Ｓ１９１２）、再度行動推薦表示Ｓ１９０７を行う。「実施」２１１２が選択された場合（Ｓ１９２１）、可能行動情報２０４の当該行動の嗜好度を上昇させる（Ｓ１９２２）。例えば、嗜好度が１を超えない範囲で嗜好度の値を１．２倍するなどの更新でもよい。「無理」２１１３が選択された場合（Ｓ１９３０）、逆に嗜好度を下げる（Ｓ１９３１）。例えば、嗜好度を１．２で割るなどの更新でもよい。なお、可能行動情報に別途提示回数および実施回数、あるいは拒否回数、他選択回数の各要素を追加記録し、この提示とユーザの選択に応じて加算し、嗜好度をこれらから求めてもよい。具体的には嗜好度を「実施回数÷提示回数」で算出するなどとしてもよい。また、別途ユーザが複数考えられる際に、推薦行動に従って行動したユーザはそのうちの誰かがわかるように入力させ、各パラメータを対応させて記録することにより、特定ユーザごとに推薦する行動に変化をつけてもよい。このように推薦行動として提示した結果とユーザがそれに対してどのように選択して行動したかをログとして生成し、別途利用する（Ｓ１９３２）。このログを別途分析することにより、行動推薦を行うパラメータを修正することで、よりユーザが納得する行動推薦とすることも可能である。

最後に、次回の予測処理実行の際、前回の推薦行動を取得し、この時点での使用量履歴情報２０１、あるいは、使用量予測処理Ｓ１２１２および状況特徴取得処理Ｓ１２１３にて求めた状況特徴情報２０９を評価し、結果を可能行動情報の前回結果（図５の５１０）に記載し更新する（Ｓ１９３３）。例えば、予測曲線の最大値が目標値を超えない、つまり、状況特徴情報２０９の超過量１００が０以下の場合は、良好な使用量削減の行動結果となったとして前回結果には「○」を記載する。一方、状況が変化しない場合には前回結果に「△」を記載し、数値が増大して状況が悪化した場合には前回結果に「×」を記載することで可能行動情報を更新する。もちろん記号ではなく実際の改善量であってもよいし、別途定義する結果の評価方法でもよく、行動推薦ルールと合わせてあらかじめ定義することが望ましい。この前回結果を行動推薦ルールにて評価された場合、相応の評価値へのフィードバックがかかり、可能行動情報からの選択推薦が変化することになり、より実際に即した行動を推薦することが可能となる。

以下の実施例においては、本システムを一般的なパーソナルコンピュータ（ＰＣ）の形態の装置にて実施する場合の例を説明する。

図２２は実施例２における使用量予測および行動推薦を行うシステム構成を示すブロック図である。本実施例のシステム２２００は、ＣＰＵ２２０２、メモリ２２０１、二次記憶部２２０３、通信部２２０７、時計１０８がバス２２０６を通じて接続されている。また、外部記憶部２２０４が接続されフロッピー（登録商標）ディスクや光メディア、メモリーカード等の外部取り出し可能な記憶媒体を用いることができる。またバスには、ユーザ１８０へ各種表示を行うための例えばディスプレイ２２１１を接続できるようにする出力部２２０９、ユーザの指示を入力するための例えばキーボード２２１２やマウス２２１３、あるいはディスプレイと共に用いるタッチパネル手段を接続できるようにする入力部２２０８が接続される。通信部２２０７は、ＵＳＢやｉ．Ｌｉｎｋなどを含む有線接続、イーサネット(登録商標)、無線ＬＡＮ、ＷｉＭＡＸ、Ｂｌｕｔｏｏｔｈ、ＺｉｇＢｅｅ（登録商標）、携帯電話網回線等の種々のネットワーク接続の中から一つ以上の規格によるデータ通信を可能とし、外部機器やサービスとデータ授受の通信を行うことができる。

通信部２２０７は、それぞれに適切な規格を用いたネットワークを経由して、使用量センサ１１０、状況属性センサ１１１、および予測状況属性生成手段１２０と接続し、データ授受を行う。ここで、ネットワーク２２２１は、図２２のように単一でなくてもよく、それぞれが別のネットワークに接続されてもよい。

このように接続されたセンサおよび生成手段から、通信部を用いて、実施例１と同様に、使用量履歴情報２０１、状況属性情報２０２、予測状況属性情報２０３を取得する。ただし、記録部１０３にこれらの情報を保持した実施例１とは異なり、メモリ２２０１、二次記憶部２２０３、外部記憶部２２０４に装填した外部記憶媒体２２０５にこれらの情報を偏在あるいは分散して保持してもよい。これらの取得および管理はＣＰＵおよびバスを用いてプログラムにより制御されることが可能である。

このようなシステムにて本実施例の使用量予測方法および行動推薦方法はプログラムとしてシステムにロードする。また、可能行動情報２０４、目標値情報２０５、状況属性評価ルール２０６、行動推薦ルール２０７も同様にロードする。具体的には例えば、外部記憶部２２０４に装填した外部記憶媒体２２０５を通じて取得し、あるいは、予め二次記憶部２２０３に保存した形で取得し、メモリ２２０１にロードしてＣＰＵ２２０２で実行してもよい。また、通信部２２０７を用いてネットワークに接続されたプログラム提供サービスから取得して実行してもよい。各情報に関しても同様に取得することで、メモリ２２０１、二次記憶部２２０３、外部記憶部２２０４に装填した外部記憶媒体２２０５に偏在あるいは分散して保持してもよい。

本プログラムにより、実施例１と同様に各種情報を用いて、メイン処理（図１２）をはじめに、使用量予測処理Ｓ１２１２（図１３）や状況取得処理Ｓ１２１３（図１８）、行動推薦処理Ｓ１２１４（図１９）等の処理ステップを実施するが、説明は割愛する。

以下の実施例においては、本システムを一般的なパーソナルコンピュータ（ＰＣ）の形態の装置を２台用いて、それぞれをサーバ、およびユーザが用いる端末として実施する場合の例を説明する。

図２３は実施例２における使用量予測および行動推薦を行うシステム構成を示すブロック図である。本実施例のシステムは、サーバ２３００、および、ユーザ１８０が用いる端末２３５０の２台で構成する。

サーバ２３００は、ＣＰＵ２３０２、メモリ２３０１、二次記憶部２３０３、第１の通信部２３０７、第２の通信部２３１０、及び時計１０８がバス２３０６を通じて接続されている。また、外部記憶部２３０４が接続され、フロッピーディスクや光メディア、メモリーカード等の外部取り出し可能な記憶媒体を用いることができる。第１の通信部は、ＵＳＢやｉ．Ｌｉｎｋなどを含む有線接続、イーサネット、無線ＬＡＮ、ＷｉＭＡＸ、Ｂｌｕｔｏｏｔｈ、ＺｉｇＢｅｅ、携帯電話網回線等の種々のネットワーク接続の中から一つ以上の規格によるデータ通信を可能とし、外部機器やサービスとデータ授受の通信を行うことができる。

サーバ２３００のバス２３０６にはさらに第２の通信部２３１０を接続し、前述と同様に一つ以上の規格によるデータ通信を可能とし、端末２３５０の通信部と接続し、端末とデータ通信を行う。

第１の通信部２３０７は、それぞれに適切な規格を用いたネットワークを経由して、使用量センサ１１０、状況属性センサ１１１、および予測状況属性生成手段１２０と接続し、データ授受を行う。ここで、ネットワーク２２２１は、図２３のように単一でなくてもよく、それぞれが別のネットワークに接続されてもよい。

端末２３５０は、ＣＰＵ２３５２、メモリ２３５１、二次記憶部２３５３、通信部２３５７、時計２３６８がバス２３５６を通じて接続されている。また、外部記憶部２３５４が接続されフロッピーディスクや光メディア、メモリーカード等の外部取り出し可能な記憶媒体を用いてもよい。端末のバスには、ユーザ１８０へ各種表示を行うための例えばディスプレイ２３６１を接続することを可能とする出力部２３５９、ユーザの指示を入力するための例えばキーボード２３６２やマウス２３６３、あるいはディスプレイと共に用いるタッチパネル手段を含む入力部２３６０を接続する。通信部２３５７は、前述のような規格の少なくとも１つによりサーバ２３００の通信部と接続しサーバとのデータ通信を行う。

サーバ２３００ではこのように接続されたセンサおよび生成手段から、第１の通信部を用いて、実施例１と同様に、使用量履歴情報２０１、状況属性情報２０２、予測状況属性情報２０３を取得する。ただし、これらの情報を記録部１０３に保持した実施例１とは異なり、メモリ２３０１、二次記憶部２３０３、外部記憶部２３０４に装填した外部記憶媒体２３０５に偏在あるいは分散して保持してもよい。これらの取得および管理はＣＰＵおよびバスを用いてプログラムにより制御されることが可能である。

このようなサーバ２３００と端末２３５０からなるシステムにて本実施例の使用量予測方法および行動推薦方法はプログラムとしてサーバあるいは端末にロードする。また、可能行動情報２０４、目標値情報２０５、状況属性評価ルール２０６、行動推薦ルール２０７も同様にロードする。具体的には、これらを例えばサーバにロードする場合、外部記憶部２３０４に装填した外部記憶媒体２３０５を通じて取得し、あるいは、予め二次記憶部２３０３に保存した形で取得し、メモリ２３０１にロードしてＣＰＵ２３０２で実行してもよい。また、通信部２３０７を用いてネットワークに接続されたプログラム提供サービスから取得して実行してもよい。各情報に関しても同様に取得することで、メモリ２３０１、二次記憶部２３０３、外部記憶部２３０４に装填した外部記憶媒体２２０５に偏在あるいは分散して保持してもよい。端末にロードする場合も同様である。

本システムで動作するサーバ２３００および端末２３５０上で動作するプログラムにより、システム全体で実施例１と同様に各種情報を用いて、メイン処理（図１２）をはじめに、使用量予測処理Ｓ１２１２（図１３）や状況取得処理Ｓ１２１３（図１８）、行動推薦処理Ｓ１２１４（図１９）等の処理ステップを実施する。この時、サーバで実施する処理と端末で実施する処理が偏在しても分担してもよく、全体で実施例１と同様の処理順番および処理結果が得られればよく、処理を行う担当およびその説明は割愛する。

ただし、端末２３５０では、少なくとも使用量履歴情報２０１、状況属性情報２０２、および予測状況属性情報２０３を持たない。また、結果等の伝達も定義されていない。したがって、端末上のプログラムは通信部２３５７を通じ、サーバ２３００よりデータ通信によって取得する処理を追加実行する。ことのき、サーバ側プログラムもこれに呼応する処理を追加して行う。

図２４は本実施例でのサーバ２３００および端末２３５０間で実行される各種情報取得処理の処理フローの例である。この処理は双方のプログラムの初期段階で予め実行してもよいし、処理の中での情報取得ステップにて実行してもよい。ここでは、一般的ウェブ技術を用いたＨＴＴＰ（Hyper Text Transport Protocol）通信を用いたＸＭＬ（eXtensible Markup Language）文による要求（リクエスト）および応答によるデータ通信を想定して各種情報を授受する例で説明する。

まず、端末側では関係する情報データベースを初期化し（Ｓ２４５）、サーバに対するデータ取得リクエスト文をＸＭＬ文として生成する（Ｓ２４５２）。このＸＭＬ文には取得したい情報種別を付記し、さらに時間的取得範囲や必要とする項目や要素等を含む補足情報を付記してもよい。ＨＴＴＰの規約によりサーバとセッションを作成し（Ｓ２４０１、Ｓ２４５３）、リクエスト文を端末からサーバに送出する（Ｓ２４５４）。サーバはリクエスト文を受信すると（Ｓ２４０３）、これを解析し（Ｓ２４０３）、要求がＤＢすなわち各種情報の取得の場合（Ｓ２４０４）、サーバが持つ各種情報のいずれかを取得する（Ｓ２４０５）。このように取得した情報は予め規定した文法および構造でＸＭＬ化し、結果返信文ＸＭＬの部分として構成して生成する（Ｓ２４０６）。返信ＸＭＬ文をサーバから端末に送出し（Ｓ２４０８）、端末がこれを受信した後（Ｓ２４５５）、ＨＴＴＰセッションを終了する（Ｓ２４０８、Ｓ２４５６）。端末では受信した返信文ＸＭＬを解析して（Ｓ２４５７）、元の情報を取り出し（Ｓ２４５７）、端末内のＤＢを更新する（Ｓ２４５８）。

これらのように端末においても各種情報を取得することで、システム全体の処理の部分を端末２３５０上でも分担して、使用量予測方法および行動推薦方法が実現可能である。なお、サーバ２３００上ですべての処理を実行したのち、行動推薦結果情報２１０のみを端末に送付してもよい。いずれの場合にも、ユーザ１８０への推薦行動などの提示、および、ユーザからの行動取得として、行動推薦処理Ｓ１２１４（図１９）のステップＳ１９０７以降の処理では、各種情報の多くを端末側の出力部２３５９および入力部２３５８で用いる必要があるため、端末側で処理することが望ましい。

以下の実施例では、本システムで評価した行動推薦の内容をユーザに提示し、選択させる場合の変形例を示す。実施例１と同様に行動推薦までの各処理ステップを実施し、図１１の行動推薦結果情報が得られたとしてそれ至るまでの説明を省略する。実施例１では上位より一つずつ行動推薦ユーザに提示していたが、本実施例では複数の行動を同時に推薦する。

図２５は複数の推薦行動項目をユーザに提示する表示の例の説明図である。行動推薦結果(２１０、図１１)は、複数の可能行動情報（２０４、図５）の各項目について前述した評価を行って、その評価値を降順に（ただし評価の方法によっては昇順に）並べた結果であるが、複数の可能行動情報のうち上位から予め指定した個数、図２５では３つを選択し表示する。図２５の例では、「空調温度を１℃下げる」（２５０２）、「冷蔵庫温度を『中』にする」（２５０３）、および、「照明を８０％にする」（２５０４）の３つを選択して推薦行動として出力部１０６からユーザ１８０に提示している。ユーザはこれらの中から一つを選び、それぞれに対応した実施ボタン（２５１２、２５１３、２５１４）のうちのいずれかを押下する。対応した実施ボタンの押下は、行動推薦処理（図１９）のユーザ行動取得（Ｓ１９０８）の実施（Ｓ１９２１）にて選択された行動のログ生成および可能行動情報の嗜好度の更新を行う。

一方、ユーザが、これら３つの推薦行動項目の中で適切なものがなく、実施が無理と判断した場合、無理ボタン（２１１２）を押下することも可能である。また、ユーザが他の行動推薦を示させたい場合には、他ボタン（２１１３）を押下することも可能である。これらの場合も同様に行動推薦処理（図１９）の、他の判定（Ｓ１９１１）あるいは無理（Ｓ１９３０）の判定に対応して処理を行う。

以下の実施例では、本システムで評価した行動推薦の内容をユーザに提示する場合、実施例１における次点の推薦行動の選択方法、および実施例４の複数項目の選択あるいは次点の推薦行動の選択方法の変形例を示す。実施例１と同様に行動推薦までの各処理ステップを実施し、図１１の行動推薦結果情報が得られたとして説明を省略する。

行動推薦結果(２１０、図１１)は、複数の可能行動情報（２０４、図５）の各項目について前述した評価を行って、その評価値を降順に（ただし評価の方法によっては昇順に）並べた結果であるが、図１１の例では上位に設定温度を下げる項目がいくつか連続しており、ユーザにとっては、次点を選択しても同様の内容が表示されてしまい不都合となることがある。これを避けるために、リスト項番１１０２に対応する可能行動情報（図５）の項番に関する分類５０２を取得して、すでに推薦された行動の分類を記録して、次点を選択する際に、これら記録済みの分類を変更してさらに次点を選択して提示してもよい。

例えば、実施例４の提示例（図２５）では、「空調温度を１℃下げる」（２５０２）の分類が「空調」、「冷蔵庫温度を『中』にする」（２５０３）の分類は「冷蔵庫」、「照明を８０％にする」（２５０４）の分類は「照明」といったように、それぞれの分類が異なるので、複数の可能行動を分類し直し、それぞれの分類に関する可能行動の項目中で評価値（図１１の１１０４）の高い順に選択して提示してもよい。

また、実施例１及び実施例４において提示された推薦行動をユーザが所望しない場合に押下する他ボタン（２１１３）の選択により次点となる推薦行動の候補を表示し、その中から行動を選択する際に、上述と同様にこれまでに推薦を行っていない分類に属する行動を選択することもできる。即ち、他ボタンが押下げられたときに、次点の候補だけでなく、他の分類に属する行動も選択できるようにする。

また、この分類として、当該推薦行動を行った結果、ユーザあるいはシステムを設置した状況に与える影響、例えば、温度変化によるスーパー等での集客度への影響度毎や、照明が少なくなることによる作業場所の減少や作業効率減少といった影響度毎に行動を分類することで、行動の推薦項目および順序への変化を与えることも可能である。

以下の実施例では、ユーザの選択により推薦行動の内の一つを実施する、あるいは、最上位に推薦された行動をユーザ選択に関わらず自動的に実施するためのシステムの変形例を示す。

図２６は、行動に対応して外部機器を制御するための機能を付加した、行動推薦を行うシステム構成を示すブロック図である。この例では、図１のシステムにさらに外部機器制御部２６０２を設け、外部機器２６０１の制御、及び外部機器の状態の取得を行う。この際に、外部機器の制御および状態取得には、一般的に用いられる制御規格、例えば、ＥＣＨＯＮＥＴ、Ｚｉｇｂｅｅ、ＬＯＮＷＯＲＫＳ、ＤＭＸ５１２、ＤＡＬＩ、ＢＡＣｎｅｔ、Ｈ−Ｌｉｎｋ等をはじめとした様々な規格に準拠した接続方式およびプロトコルを用いてよい。

演算部１０５で行う行動推薦処理（Ｓ１２１４、図１９）の行動推薦表示Ｓ１９０７にて、ユーザに提示する行動、例えば図２１のように「空調を１℃下げる」をユーザが選択して、実施ボタン２１１１を押下した場合、行動推薦処理の実施判定Ｓ１９２１の後に、外部機器制御部２６０２を介して外部機器を制御するステップを行うことで、ユーザの行動として実際に外部機器を制御することが可能になる。また、この実施結果により、その後の嗜好度上昇Ｓ１９２２や行動ログ生成Ｓ１９３２の各ステップを行うことで、実際の行動実施に伴うシステム内部状態、および、システムが設置された状況の更新を行うことができる。

一方、ユーザに推薦行動を提示し、ユーザが行動を選択するという一連の処理ステップを行わず、システムが自動的に所定の行動を実施することも可能である。具体的には、行動推薦処理（Ｓ１２１４、図１９）の行動推薦結果生成Ｓ１９０６の結果として生成した行動推薦結果(２１０、図１１)に従い、その結果の最上位の推薦行動を用いて、外部機器制御部２６０２を介して外部機器を制御することで自動的に行動を実施してもよい。また、この実施結果により、その後の嗜好度上昇Ｓ１９２２や行動ログ生成Ｓ１９３２の各ステップを行うことで、実際の行動実施に伴うシステム内部状態、および、システムが設置された状況の更新を行うことができる。

１００：使用量予測および行動推薦システム、１０１：使用量取得部、１０２：状況属性取得部、１０３：記録部、１０４：予測状況属性取得部、１０５：演算部、１０６：出力部、１０７：入力部、１１０：使用量センサ、１１１：状況属性センサ、１２０：予測状況属性生成手段、１８０：ユーザ

Claims

記憶部、入力部及び表示部を有する計算機を用いた、資源の使用に対する行動推薦方法であって、
予測期間の属性値と類似する属性を持つ過去の期間を選択し、
前記期間の使用量推移を第１の近似曲線で近似し、
現時点で確定した使用量推移を、前記第１の近似曲線から得られる値を合成して得られる第２の近似曲線で近似することで使用量予測曲線を生成し、
前記使用量に影響する利用者行動の定義する可能行動情報を少なくとも１つ含む可能行動情報集合を取得し、
予め与える使用量の目標閾値と前記使用量予測曲線とが交差する時刻、および、前記予測曲線の極値のうち少なくとも一方を含む予測超過情報を求め、
予測を行う期間が指定された場合に、前記計算機に接続された状況属性情報取得手段、及び前記入力部のいずれかから当該期間の属性情報の予測あるいは予定である予測状況属性情報を取得し、
前記可能行動情報の中の各項目が持つ各属性情報と、前記予測超過情報と、前記予測状況属性情報とを用いて予め定めた方法で前記属性情報間の評価値を求め、
それぞれの前記可能行動情報の項目に関する前記評価値を用いて前記可能行動情報を選択し、
前記選択した可能行動情報の項目の内容を前記表示部に提示し、
提示した推薦提示に対する利用者の応答を前記入力部から取得し、
前記応答が前記可能行動情報の中の一つに含まれていた場合に、前記応答内容、提示回数履歴、選択回数履歴、選択嗜好度、あるいは、実施日時の中から少なくとも一つの要素を、前記可能行動情報の要素として更新して、前記評価に用いることを特徴とする行動推薦方法。
演算部と、表示部と、利用者の操作の入力部と、時刻取得部と、
使用量および時刻からなる使用量履歴情報を取得する使用量取得部と、
予め指定する期間における状況属性情報を取得する状況属性取得部と、
今後の属性変化を予測する予測状況属性生成手段からの予測状況属性情報を取得する予測状況属性取得部と、
各種情報を記録する記録部と、
行動に対応して外部機器を制御するための外部機器制御部とを有し、
前記演算部は、
予測期間の属性値と類似する属性を持つ過去の期間を選択し、
前記期間の使用量推移を第１の近似曲線で近似し、
現時点で確定した使用量推移を、前記第１の近似曲線から得られる値を合成して得られる第２の近似曲線で近似することで使用量予測曲線を生成し、
前記使用量に影響する利用者行動の定義する可能行動情報を少なくとも１つ含む可能行動情報集合を取得し、
予め与える使用量の目標閾値と前記使用量予測曲線とが交差する時刻、および、前記予測曲線の極値のうち少なくとも一方を含む予測超過情報を求め、
前記可能行動情報の中の各項目が持つ各属性情報と、前記予測超過情報と、前記予測状況属性情報とを用いて予め定めた方法で前記属性情報間の評価値を求め、
それぞれの前記可能行動情報の項目に関する前記評価値を用いて前記可能行動情報を選択し、
前記選択した可能行動情報の項目の内容を前記表示部に提示し、
前記外部機器制御部による前記外部機器の制御の後で、前記選択された行動のログ生成および前記可能行動情報の嗜好度の更新を行うことを特徴とする行動推薦システム。
記憶部、入力部及び表示部を有する計算機を用いた、資源の使用に対する行動推薦方法であって、
予測期間の属性値と類似する属性を持つ過去の期間を選択し、
前記期間の使用量推移を第１の近似曲線で近似し、
現時点で確定した使用量推移を、前記第１の近似曲線から得られる値を合成して得られる第２の近似曲線で近似することで使用量予測曲線を生成し、
前記使用量に影響する利用者行動の定義する可能行動情報を少なくとも１つ含む可能行動情報集合を取得し、
予め与える使用量の目標閾値と前記使用量予測曲線とが交差する時刻、および、前記予測曲線の極値のうち少なくとも一方を含む予測超過情報を求め、
予測を行う期間が指定された場合に、前記計算機に接続された状況属性情報取得手段、及び前記入力部のいずれかから当該期間の属性情報の予測あるいは予定である予測状況属性情報を取得し、
前記可能行動情報の中の各項目が持つ各属性情報と、前記予測超過情報と、前記予測状況属性情報とを用いて予め定めた方法で前記属性情報間の評価値を求め、
それぞれの前記可能行動情報の項目に関する前記評価値を用いて前記可能行動情報を選択し、
前記選択した可能行動情報の項目の内容を前記表示部に提示し、
少なくとも１つの推薦行動項目の表示の際に、前記評価値の降順また昇順のいずれに従って表示し、選択された行動のログ生成および前記可能行動情報の嗜好度の更新を行うことを特徴とする行動推薦方法。
記憶部、入力部及び表示部を有する計算機を用いた、資源の使用に対する行動推薦方法であって、
予測期間の属性値と類似する属性を持つ過去の期間を選択し、
前記期間の使用量推移を第１の近似曲線で近似し、
現時点で確定した使用量推移を、前記第１の近似曲線から得られる値を合成して得られる第２の近似曲線で近似することで使用量予測曲線を生成し、
前記使用量に影響する利用者行動の定義する可能行動情報を少なくとも１つ含む可能行動情報集合を取得し、
予め与える使用量の目標閾値と前記使用量予測曲線とが交差する時刻、および、前記予測曲線の極値のうち少なくとも一方を含む予測超過情報を求め、
予測を行う期間が指定された場合に、前記計算機に接続された状況属性情報取得手段、及び前記入力部のいずれかから当該期間の属性情報の予測あるいは予定である予測状況属性情報を取得し、
前記可能行動情報の中の各項目が持つ各属性情報と、前記予測超過情報と、前記予測状況属性情報とを用いて予め定めた方法で前記属性情報間の評価値を求め、
それぞれの前記可能行動情報の項目に関する前記評価値を用いて前記可能行動情報を選択し、
前記選択した可能行動情報の項目の内容を前記表示部に提示し、
少なくとも１つの推薦行動項目の表示の際に、前記可能行動情報の項番に関して分類して記録し、次点の項目を選択する際に、前記記録済みの分類を変更してさらに前記次点の項目を選択して表示することを特徴とする行動推薦方法。