JP6760506B2 - 環境設備制御装置 - Google Patents

Description

本発明は、環境設備制御装置に関する。

従来より、空気調和装置や照明設備等の環境設備を用いて、作業者の作業効率を高めることが可能な環境を提供することが求められている。

例えば、特許文献１（特開２０１１−１０１７４６号公報）に記載の作業環境制御システムでは、作業者の心身状態と心身状態との相関に基づいて、目標とする心身状態を定め、当該定められた目標とする心身状態を実現するように心身状態と環境状態の相関に基づいて好適な作業環境を構築させるように、照明装置および空調装置を制御して目標とする照度と温度と湿度とを実現させることを提案している。

上記従来のシステムでは、ユーザの覚醒度に対して照度と温度と湿度とが一義的に特定されることを前提としており、目標となる心電図ＨＦに対応する環境目標である照度と温度と湿度を、照明装置および空調装置の制御により実現することで、ユーザの作業効率の向上を図っている。

ところが、実際には、ユーザの覚醒度は、複雑であり、照度と温度と湿度とから一義的に定まるものではなく、照度と温度と湿度との相互関係や季節等の様々な要因により変化するものである。

しかし、ユーザの心身状態のような様々な因子が影響を与える複雑な指標について、当該心身状態を最適化させることを目指して環境設備の制御を行おうとしても、実際には、各因子をそれぞれ変化させた場合のユーザの心身状態の影響を検討する等の極めて複雑なシミュレーションを行うことが必要となる。特に、ユーザの心身状態に影響を与える複数の因子同士の相殺効果や相乗効果を考慮する必要が生じるため、情報処理量が極めて膨大となる。すなわち、複数の環境設備の制御を変更させる場合には、それぞれの環境設備の制御変更によってユーザの心身状態が変化するものと考えられるが、最適な心身状態を実現させるための照明装置や空調装置の制御状態を特定するためには、照明装置による照度の調整が作業者の心身状態に与える影響と、空調装置による温度や湿度の調整が作業者の心身状態に与える影響と、の相殺効果や相乗効果を考慮する必要があり、演算負荷が非常に膨大となってしまう。

また、そもそも、ユーザの心身状態に影響を与える因子の全てを盛り込んだシミュレーションのモデルはこれまで検討されておらず、上述のようなシミュレーションを試みること自体が困難である。

したがって、ユーザの心身状態を目標とする状態に近づけるように複数の環境設備を制御することは、これまでの技術では現実的ではなく、実質的に不可能であった。

本発明の課題は、上述した点に鑑みてなされたものであり、ユーザの心身状態を改善させるための制御を即時に実行させることが可能な環境設備制御装置を提供することにある。

第１観点に係る環境設備制御装置は、複数種類の環境設備の制御を行うための環境設備制御装置であって、把握部と、学習制御計画出力手段と、選択制御部と、を備えている。把握部は、ユーザの現状の心身状態に関する現状心身状態情報と、環境状況情報と、目標とする心身状態と現状の心身状態との関係を表す目標関係情報と、を把握する。学習制御計画出力手段は、現状心身状態情報と環境状況情報と目標関係情報とに応じて複数種類の環境設備の組み合わせ毎の制御変更計画を出力する。選択制御部は、学習制御計画出力手段によって出力された複数の制御変更計画から、予め定められた除外条件を満たすものを除外した後に、所定条件に基づいて１つの制御変更計画を選択して実行する。学習制御計画出力手段は、選択制御部が選択した制御変更計画を実行することによって変化したユーザの心身状態を用いて、出力させる制御変更計画の特定方法を更新させるように学習する。

なお、ユーザの心身状態に関する情報としては、特に限定されず、例えば、覚醒度、ＬＦ／ＨＦ等の自律神経バランス、眠気度合い、緊張度合い、発汗度合い、体温、体表面温度、音声等の各種の情報を用いることができる。

また、予め定められた除外条件としては、選択制御部が除外する処理を行おうとする時点で定められているものであれば特に限定されるものではない。除外条件としては、例えば、季節や時期に応じて変化するものとして予め定められていてもよい。また、除外条件としては、例えば、選択制御部によって選択された制御変更計画が実行されることでユーザの心身状態や生産性に変化が生じた場合に、当該変化が所定の意図する変化ではなかった場合（所定変化条件を満たさなかった場合）には、それ以降の除外条件を満たすものに当該制御変更計画が加えられるように（それ以降は複数の制御変更計画から当該制御変更計画が除外されることになるように）定められていてもよい。また、ユーザが除外条件を設定入力することができるように環境設備制御装置が構成されていてもよい。

この環境設備制御装置では、複数の環境設備の制御を行う場合において、各環境設備の制御によるユーザの心身状態に与える影響の相殺効果や相乗効果を都度反映させることなく複数の制御変更計画を出力し、当該出力の中から１つの制御変更計画を所定条件に基づいて選択することにより、制御内容の決定を迅速に行うことが可能になる。そして、選択した制御変更計画の制御内容を実行した場合のユーザの心身状態の変化を用いて、出力させる制御変更計画の特定方法を更新させるように学習制御計画出力手段が学習するため、学習によりユーザの心身状態を目標とする状態に近づける効率の高い制御変更計画を出力させて実行できるようになる。

また、この環境設備制御装置では、ユーザが望まない制御変更計画が除かれるように除外条件を予め定めておくことで、学習制御計画出力手段によって出力された複数の制御変更計画の中に、ユーザが望まない制御変更計画が含まれていたとしても、当該制御変更計画が実行されてしまうことを避けることが可能になる。

第２観点に係る環境設備制御装置は、第１観点に係る環境設備制御装置であって、ユーザの心身状態は、ユーザの覚醒度である。

ここで、覚醒度としては、特に限定されないが、例えば、ユーザの心拍の状態に基づいて定まるものであってもよいし、ユーザの皮膚の温度に基づいて定まるものであってもよいし、ユーザの呼吸の単位時間当たりの回数に基づいて定まるものであってもよいし、ユーザの脳波に基づいて定まるものであってもよいし、これらの組み合わせに基づいて定まるものであってもよい。

この環境設備制御装置では、ユーザの覚醒度を目標とする覚醒度の状態に近づけることが可能になる。

第３観点に係る環境設備制御装置は、第１観点または第２観点に係る環境設備制御装置であって、学習制御計画出力手段は、ニューラルネットワークを用いた演算手段である。

この環境設備制御装置では、ニューラルネットワークを用いて複数種類の制御変更計画を出力することが可能になる。

第４観点に係る環境設備制御装置は、第１観点から第３観点のいずれかに係る環境設備制御装置であって、選択制御部は、学習制御計画出力手段によって出力された複数の制御変更計画から１つの制御変更計画を選択する場合に、複数種類の環境設備の組み合わせパターンをローテーションさせながら選択する。

この環境設備制御装置では、複数種類の環境設備の組み合わせパターンをローテーションさせながら制御計画を選択して実行させることで、学習させることができる複数種類の環境設備の組み合わせパターンにバリエーションを持たせることが可能になり、学習効率を高めることが可能になる。

第５観点に係る環境設備制御装置は、第１観点から第４観点のいずれかに係る環境設備制御装置であって、複数種類の環境設備には、少なくとも、温度を調節する装置、湿度を調節する装置、二酸化炭素濃度を調節する装置、芳香を提供する装置の少なくともいずれか２つ以上が含まれる。

この環境設備制御装置では、温度を調節する装置、湿度を調節する装置、二酸化炭素濃度を調節する装置、芳香を提供する装置の少なくともいずれか２つ以上を用いてユーザの心身状態を目標とする状態に近づけることが可能になる。

第６観点に係る環境設備制御装置は、第１観点から第５観点のいずれかに係る環境設備制御装置であって、学習制御計画出力手段は、学習が行われる前の初期の現状心身状態情報と環境状況情報と目標関係情報とに応じた複数種類の環境設備の組み合わせ毎の初期の制御変更計画を出力可能に有している。

この環境設備制御装置では、学習制御計画出力手段が学習を行う前の段階であっても、学習が行われる前の初期の現状心身状態情報と環境状況情報と目標関係情報とに応じた複数種類の環境設備の組み合わせ毎の初期の制御変更計画を有しているため、迅速に複数種類の制御変更計画を出力することが可能になる。

第１観点に係る環境設備制御装置では、制御内容の決定を迅速に行いつつ、学習によりユーザの心身状態を目標とする状態に近づける効率の高い制御変更計画を出力させて実行できるようになり、学習制御計画出力手段によって出力された複数の制御変更計画の中に、ユーザが望まない制御変更計画が含まれていたとしても、当該制御変更計画が実行されてしまうことを避けることが可能になる。

第２観点に係る環境設備制御装置では、ユーザの覚醒度を目標とする覚醒度の状態に近づけることが可能になる。

第３観点に係る環境設備制御装置では、ニューラルネットワークを用いて複数種類の制御変更計画を出力することが可能になる。

第４観点に係る環境設備制御装置では、学習させることができる複数種類の環境設備の組み合わせパターンにバリエーションを持たせることが可能になり、学習効率を高めることが可能になる。

第５観点に係る環境設備制御装置では、温度を調節する装置、湿度を調節する装置、二酸化炭素濃度を調節する装置、芳香を提供する装置の少なくともいずれか２つ以上を用いてユーザの心身状態を目標とする状態に近づけることが可能になる。

第６観点に係る環境設備制御装置では、学習制御計画出力手段が学習を行う前の段階であっても、迅速に複数種類の制御変更計画を出力することが可能になる。

環境設備制御システムの全体の概略構成図である。 環境設備制御装置のブロック構成図である。 ユーザの覚醒度を１つ上げる際の複数種類の制御計画の例を示す表である。 ユーザの覚醒度を１つ下げる際の複数種類の制御計画の例を示す表である。 環境設備制御装置による処理のフローチャート（その１）である。 環境設備制御装置による処理のフローチャート（その２）である。

以下、一実施形態を例に挙げて環境設備制御装置が採用された環境設備制御システムを説明するが、本発明はこれに限定されるものではない。

（１）環境設備制御システム全体の概略構成
図１に、環境設備制御システム１の全体の概略構成図を示す。

環境設備制御システム１は、複数種類の環境設備を用いることでユーザの心身状態である覚醒度を目標とする覚醒度に近づけるためのシステムである。

環境設備制御システム１は、空気調和装置１０と、換気装置２０と、アロマディフューザ３０と、生体センサ４０と、リモコン５０と、環境設備制御装置１００と、を主として有している。これらの各機器は、互いに有線または無線により、互いに通信可能に接続されている。

空気調和装置１０と、換気装置２０と、アロマディフューザ３０とは、互いに異なる種類の環境設備であり、ユーザの覚醒度をコントロールすることが可能な設備である。

空気調和装置１０は、ユーザが存在している室内の温度を調節することが可能な装置であり、図示しない室外ユニットと室内ユニットとが接続されることで、圧縮機と凝縮器と膨張弁と蒸発器とが接続され冷凍サイクルを実行可能な冷媒回路を有している。空気調和装置１０は、室内の空気温度を検出する温度センサ１１と、室内の二酸化炭素の濃度を検出する二酸化炭素センサ１２と、を有している。

換気装置２０は、ユーザが存在している室内の換気を行うことが可能な装置であり、ON/OFF制御により室内の換気を行うことで室内の二酸化炭素濃度を調節することができる。この換気装置２０は、送風ファンや換気ダクト等を有して構成されている。

アロマディフューザ３０は、ユーザが存在している室内に対して所定の芳香剤を供給することが可能な装置であり、ON/OFF制御により室内の芳香濃度を調節することができる。芳香剤の種類は特に限定されず、ユーザの覚醒度に影響を与える芳香であることが好ましい。アロマディフューザ３０は、室内の芳香濃度を検出する香りセンサ３１を有している。

生体センサ４０は、ユーザの覚醒度を把握するためのセンサであり、本実施形態においては、ユーザの心電図波形を検出する心電図波形センサ４１を有している。心電図波形センサ４１は、ユーザの心臓付近に取り付けられることで用いられ、検出された心電図波形データを無線により環境設備制御装置１００等の周囲の機器に送信することが可能になっている。

リモコン５０は、環境設備制御システム１において用いられるユーザからの各種入力データの受け付けを行う。また、リモコン５０は、空気調和装置１０、換気装置２０、アロマディフューザ３０の操作を行うことも可能に構成されている。また、リモコン５０は、ユーザからの目標とする覚醒度に関する情報の受付も行う。具体的には、リモコン５０は、ユーザがこれから行う作業の複雑度に関する情報の入力を受け付ける。作業の複雑度は、例えば複数段階に予め分けられたものであり、ユーザが選択する形式のものであってよい。一般に、人間は、単純な作業を行う場合には覚醒度が高いほど作業効率を高めることができ、複雑な作業を行う場合には覚醒度が高すぎるとかえって作業効率が悪くなることがある（Yerkes-Dodson法則）。すなわち、複雑な作業を行う場合には、最適な覚醒度が存在することになる。

環境設備制御装置１００は、後述するように、リモコン５０がユーザからの入力を受け付けることで把握される目標とする覚醒度に、ユーザの覚醒度を近づけることができるように、各種環境設備の制御を行う装置である。

（２）環境設備制御装置１００の構成
図２に、環境設備制御装置１００の機能ブロック構成図を示す。

環境設備制御装置１００は、各種情報を把握するための把握部６０と、各種データを格納しておくための記憶部７０と、各環境設備に実行させる制御計画を定める学習制御計画出力手段８０と、各環境設備の制御を実行する選択制御部９０と、を備えている。この環境設備制御装置１００は、生体センサ４０やリモコン５０からの情報を取得し、空気調和装置１０と換気装置２０とアロマディフューザ３０とを制御することが可能であり、１つまたは複数のCPU、ROM、RAMを有して構成されている。

（２−１）把握部６０
把握部６０は、温度把握部６１、二酸化炭素濃度把握部６２、芳香濃度把握部６３、現状覚醒度把握部６４、目標覚醒度把握部６５、目標覚醒度変化分把握部６６等を有しており、１または複数のCPUやRAM等によって構成されている。

温度把握部６１は、空気調和装置１０の温度センサ１１が検出した値を通信により取得して、ユーザの存在している室内の気温として把握する。

二酸化炭素濃度把握部６２は、空気調和装置１０の二酸化炭素センサ１２が検出した値を通信により取得して、ユーザの存在している室内の二酸化炭素濃度として把握する。

芳香濃度把握部６３は、アロマディフューザ３０の香りセンサ３１が検出した値を通信により取得して、ユーザの存在している室内の芳香剤濃度として把握する。

現状覚醒度把握部６４は、生体センサ４０としての心電図波形センサ４１の検出内容に基づいて、後述する記憶部７０に格納されている覚醒度対比データ部７１を参酌することにより、ユーザの現状の覚醒度（現状覚醒度）を把握する。

目標覚醒度把握部６５は、リモコン５０が受け付けた作業の複雑度合いに応じて、目標とする覚醒度を把握する。具体的には、目標覚醒度把握部６５は、作業の複雑度が所定の基準複雑度よりも低い場合には予め定められた関係に従って複雑度が低いほど目標とする覚醒度が高くなるように、作業の複雑度が所定の基準複雑度以上である場合にはYerkes-Dodson法則に従った作業効率を高めることが可能な予め定められた覚醒度となるように、目標とする覚醒度（目標覚醒度）を把握する。

目標覚醒度変化分把握部６６は、現状覚醒度把握部６４が把握した現状覚醒度と、目標覚醒度把握部６５が把握した目標覚醒度と、の差分としての目標覚醒度変化分（ΔA）を把握する。

（２−２）記憶部７０
記憶部７０は、覚醒度対比データ部７１、初期制御計画データ部７２、数学モデル係数データ部７３、除外条件データ部７４、学習データ蓄積部７５等を有しており、１または複数のROMやRAM等によって構成されている。

覚醒度対比データ部７１は、上述したように、生体センサ４０としての心電図波形センサ４１の検出内容から、推定される覚醒度を把握するためのデータが予め格納されている。心電図波形と覚醒度との関係は公知の事項に基づいて定められている。また、例えば、心電図波形センサ４１から把握される心電図波形に対応する覚醒度を、予め格納されている心電図波形と覚醒度との関係データを参照して特定することで、ユーザの覚醒度を把握するようにしてもよい。

初期制御計画データ部７２は、後述する学習制御計画出力手段８０の初期処理部８１による制御計画の特定の際に参酌されるデータであり、目標覚醒度変化分（ΔA）の値に応じて、各環境設備の制御計画の組み合わせである初期制御計画データが複数種類、予め定められている。

具体的には、目標覚醒度変化分（ΔA）を実現させるための初期制御計画として、試験等から把握された平均的な制御計画が、目標覚醒度変化分（ΔA）毎に複数種類、予め定められて初期制御計画データ部７２に格納されている。

例えば、目標覚醒度変化分（ΔA）が+１である場合の制御計画、すなわち、覚醒度を１度上げるための制御計画については、図３に示すように、空気調和装置１０と換気装置２０とアロマディフューザ３０との制御計画の組み合わせが複数種類格納されている。ここでは、覚醒度を１度上げるための制御計画の１つの例（制御計画A）として、空気調和装置１０の設定温度を２度下げつつ換気装置２０とアロマディフューザ３０をいずれもOFFの状態とすることが挙げられている。また、覚醒度を１度上げるための制御計画の別の１つの例（制御計画B）として、空気調和装置１０の設定温度を１度下げつつ換気装置２０をONの状態としアロマディフューザ３０をOFFの状態とすることが挙げられている。さらに、覚醒度を１度上げるための制御計画の別の１つの例（制御計画C）として、空気調和装置１０の設定温度を変更させることなく換気装置２０をONの状態とし、アロマディフューザ３０については覚醒度向上用の種類のアロマを用いてONの状態とすることが挙げられている。

また、例えば、目標覚醒度変化分（ΔA）が−１である場合の制御計画、すなわち、覚醒度を１度下げるための制御計画については、図４に示すように、空気調和装置１０と換気装置２０とアロマディフューザ３０との制御計画の組み合わせが複数種類格納されている。ここでは、覚醒度を２度下げるための制御計画の１つの例（制御計画P）として、空気調和装置１０の設定温度を１度上げつつ換気装置２０とアロマディフューザ３０をいずれもOFFの状態とすることが挙げられている。また、覚醒度を１度下げるための制御計画の別の１つの例（制御計画Q）として、空気調和装置１０の設定温度を３度上げつつ換気装置２０をONの状態としつつアロマディフューザ３０をOFFの状態とすることが挙げられている。さらに、覚醒度を１度下げるための制御計画の別の１つの例（制御計画R）として、空気調和装置１０の設定温度を２度上げつつ換気装置２０をONの状態とし、アロマディフューザ３０については覚醒度低下用の種類のアロマを用いてONの状態とすることが挙げられている。

以上のようにして、初期制御計画データ部７２には、目標覚醒度変化分（ΔA）毎に、複数の環境設備の組み合わせ毎の初期制御計画が格納されている。

数学モデル係数データ部７３は、後述する学習制御計画出力手段８０のＮＮ処理部８２による制御計画の特定の際に用いられる数学モデルを定める際に参酌される数学モデルの係数のデータ（数学モデル係数データ）が格納されている。当該数学モデル係数データは、後述する学習制御計画出力手段８０のＮＮ処理部８２による制御計画実行結果を反映させるための学習が行われるたびに更新され、上書きされていく。

除外条件データ部７４は、後述する学習制御計画出力手段８０の初期処理部８１やＮＮ処理部８２が出力した複数の制御計画の中に、ユーザに適さない制御計画が含まれている場合に、これを除外するためのデータであり、予め定められて格納されている。除外データは、特に限定されないが、例えば、現在の設定温度から５度以上上げることが含まれた制御計画や、アロマディフューザ３０をONの状態としたままで現在の設定温度から３度以上下げることが含まれた制御計画等のユーザが望まない制御計画のデータであり、予め定められて格納されている。失敗した事例を学習して除外条件に追加するようにしてもよい。

学習データ蓄積部７５は、後述する学習制御計画出力手段８０の選択制御部９０が選択して実行した制御計画と、その時の各センサの計測値と、当該制御計画の実行を開始してから所定時間経過後（例えば１０分後）の、ユーザの覚醒度の変化量と、が対応付けられたデータである学習データが複数種類格納されている。この学習データは、後述する学習制御計画出力手段８０のＮＮ処理部８２が行う学習に用いられ、数学モデルの係数が更新されることになる。

（２−３）学習制御計画出力手段８０
学習制御計画出力手段８０は、初期処理部８１、ＮＮ処理部８２等を有しており、１または複数のCPUやRAM等によって構成されている。

初期処理部８１は、把握部６０の目標覚醒度変化分把握部６６が把握した目標覚醒度変化分（ΔA）を実現するための制御計画データを、記憶部７０の初期制御計画データ部７２に格納されている情報の中から探し出し、最終的に１つの制御計画の選択を行うために、複数の制御計画を出力する。この複数の制御計画の出力処理では、初期処理部８１は、各環境設備における制御内容がユーザの覚醒度に与える影響の相殺効果や相乗効果や馴れに関する検討判断の処理は都度行わず、単純に、記憶部７０の初期制御計画データ部７２に格納されている情報の中から複数の制御計画を探し出す処理を行う。

ＮＮ処理部８２は、把握部６０の温度把握部６１が把握した室内の気温と、二酸化炭素濃度把握部６２が把握した二酸化炭素濃度と、芳香濃度把握部６３が把握した芳香剤濃度と、現状覚醒度把握部６４が把握した現状覚醒度と、目標覚醒度変化分把握部６６が把握した目標覚醒度変化分（ΔA）と、が入力として用いられ、複数種類の制御計画が出力となる、複数のニューラルネットワーク（NN）の演算処理を行うように構成されている。ニューラルネットワークは、数学モデルを有している。ＮＮ処理部８２は、数学モデル係数データ部７３において随時更新されながら格納されている係数を用いて数学モデルを構築し、ニューラルネットワークの演算処理を行う。ＮＮ処理部８２は、このようにニューラルネットワークの演算処理を行うことで、室内の気温と二酸化炭素濃度と芳香剤濃度と現状覚醒度と目標覚醒度変化分（ΔA）とに応じて、ユーザを目標覚醒度に近づけることができる制御計画を複数種類出力する。ここで出力される複数種類の制御計画も、最終的に１つの制御計画を選択するために用いられる。また、この複数の制御計画の出力処理においても、ＮＮ処理部８２は、各環境設備における制御内容がユーザの覚醒度に与える影響の相殺効果や相乗効果や馴れに関する検討判断の処理を都度行うことなく、入力された情報と上記数学モデルを用いること複数の制御計画を算出する処理を行う。

（２−４）選択制御部９０
選択制御部９０は、除外処理部９１、選択実行部９２等を有しており、１または複数のCPUやRAM等によって構成されている。

除外処理部９１は、初期処理部８１やＮＮ処理部８２が出力した複数種類の制御計画の中から、除外条件データ部７４に格納されている除外条件を満たすものを見つけ出して、選択実行部９２に選択される対象から除外させる処理を行う。

選択実行部９２は、初期処理部８１やＮＮ処理部８２が出力し、除外処理部９１による除外処理を終えて残った複数種類の制御計画の中から１つの制御計画を選択し、実行する。ここで、選択実行部９２は、複数種類の制御計画の中からの１つの制御計画の選択をローテ―ションにより行う。特に限定されないが、本実施形態では、選択実行部９２は、予め定められた環境設備の組み合わせの順序にしたがって、制御計画の選択を行う。なお、選択実行部９２が制御計画を実行することにより、当該制御計画に応じた空気調和装置１０、換気装置２０、アロマディフューザ３０の各種制御が行われることになる。

（３）環境設備制御装置１００による処理
図５および図６に、環境設備制御装置１００による処理のフローチャートを示す。

環境設備制御装置１００は、主として処理の前半では、より妥当な制御計画を出力可能なニューラルネットワークの数学モデルが得られるように、学習のサンプルデータを取得するための処理を行う。また、学習が行われた後は、学習によって得られた数学モデルを用いて制御計画の特定を行いながら、さらなる学習を続けていくという処理を行うことになる。以下、各処理の流れを説明する。

ステップＳ１０では、把握部６０が各種情報を把握する。具体的には、目標覚醒度変化分（ΔA）を把握する。

ステップＳ１１では、初期処理部８１が、ステップＳ１０で把握した目標覚醒度変化分（ΔA）を実現するための制御計画データを、初期制御計画データ部７２に格納されている情報の中から探し出し、複数種類の制御計画を出力する。

ステップＳ１２では、除外処理部９１が、ステップＳ１１で初期処理部８１が出力した複数種類の制御計画の中から、除外条件を満たすものを見つけ出して除外する。

ステップＳ１３では、選択実行部９２が、初期処理部８１が出力し、除外処理部９１による除外処理を終えて残った複数種類の制御計画の中から１つの制御計画を選択する。ここでは、選択実行部９２はローテーションによって１つの制御計画を選択する。

ステップＳ１４では、選択実行部９２が、ステップＳ１３で選択した制御計画を実行し、空気調和装置１０、換気装置２０、アロマディフューザ３０の制御を行うことで、室内環境を変化させる。

ステップＳ１５では、選択実行部９２が、ステップＳ１４における制御計画の開始から所定時間が経過したか否かを判断する。ここで、所定時間経過したと判断された場合にはステップＳ１６に移行し、経過していないと判断された場合には経過まで待機する。

ステップＳ１６では、選択実行部９２が、ステップＳ１４による制御計画の実行前に現状覚醒度把握部６４が把握していた現状覚醒度と、ステップＳ１４による制御計画を所定時間の実行した後に現状覚醒度把握部６４が把握する現状覚醒度と、を比較して覚醒度の変化分を把握する。

ステップＳ１７では、選択実行部９２が、ステップＳ１４で実行した制御計画の情報と、ステップＳ１６で把握した覚醒度の変化分と、を対応づけて、学習データ蓄積部７５に格納する。

ステップＳ１８では、選択実行部９２は、学習データ蓄積部７５に格納されたデータの数（制御計画の情報と覚醒度の変化分との組の数）が所定数以上に至っているか否かを判断する。ここで、データ数が所定数以上となっていると判断された場合にはステップＳ１９に移行し（図５のAで示す箇所から図６のAで示す箇所に移る）、データ数が所定数未満であると判断された場合にはステップＳ１０に戻って上記処理を繰り返し、学習データの蓄積分を増やす。

ステップＳ１９では、学習データ蓄積部７５に十分にデータがたまっているため、これらのデータを用いて、ＮＮ処理部８２が学習を行い、ニューラルネットワークの数学モデルの係数を作成または更新させる。具体的には、当該学習によってニューラルネットワークの数学モデルの係数を定めることで、ユーザがどのような覚醒度の状態で、どのような環境下において、どのように環境を変化させた場合に、ユーザの覚醒度がどのように変化するか、ということをＮＮ処理部８２が学習することになる。

ステップＳ２０では、ＮＮ処理部８２が、ステップＳ１９で定めた数学モデルの係数を、数学モデル係数データ部７３に格納する（係数データを更新させる）。

ステップＳ２１では、改めて、把握部６０が各種情報を把握する。具体的には、室内の気温と、二酸化炭素濃度と、芳香剤濃度と、現状覚醒度と、目標覚醒度変化分（ΔA）と、をそれぞれ把握する。

ステップＳ２２では、ＮＮ処理部８２が、数学モデル係数データ部７３に格納されている係数データを用いてニューラルネットワークの数学モデルを構築する。そして、ＮＮ処理部８２は、室内の気温と二酸化炭素濃度と芳香剤濃度と現状覚醒度と目標覚醒度変化分（ΔA）とを入力として、ニューラルネットワークの演算処理を実行することで、ステップＳ２１で把握した目標覚醒度変化分（ΔA）を実現するための制御計画データを複数種類出力する。

ステップＳ２３では、除外処理部９１が、ステップＳ２２でＮＮ処理部８２が出力した複数種類の制御計画の中から、除外条件を満たすものを見つけ出して除外する。

ステップＳ２４では、選択実行部９２が、ＮＮ処理部８２が出力し、除外処理部９１による除外処理を終えて残った複数種類の制御計画の中から１つの制御計画を選択する。ここでは、選択実行部９２はローテーションによって１つの制御計画を選択する。

ステップＳ２５では、選択実行部９２が、ステップＳ２４で選択した制御計画を実行し、空気調和装置１０、換気装置２０、アロマディフューザ３０の制御を行うことで、室内環境を変化させる。

ステップＳ２６では、選択実行部９２が、ステップＳ２５における制御計画の開始から所定時間が経過したか否かを判断する。ここで、所定時間経過したと判断された場合にはステップＳ２７に移行し、経過していないと判断された場合には経過まで待機する。なお、ここでの所定時間はステップＳ１５と同様である。

ステップＳ２７では、選択実行部９２が、ステップＳ２５による制御計画の実行前に現状覚醒度把握部６４が把握していた現状覚醒度と、ステップＳ２５による制御計画を所定時間の実行した後に現状覚醒度把握部６４が把握する現状覚醒度と、を比較して覚醒度の変化分を把握する。

ステップＳ２８では、選択実行部９２が、ステップＳ２５で実行した制御計画の情報と、ステップＳ２７で把握した覚醒度の変化分と、を対応づけて、学習データ蓄積部７５に格納する。

ステップＳ２９では、選択実行部９２は、最後に学習を行った後に学習データ蓄積部７５に格納されたデータの数（制御計画の情報と覚醒度の変化分との組の数）が所定数以上に至っているか否かを判断する。ここで、データ数が所定数以上となっていると判断された場合にはステップＳ１９に移行して改めて学習を行う。また、データ数が所定数未満であると判断された場合にはステップＳ２１に戻って上記処理を繰り返し、学習データの蓄積分を増やす。

（４）実施形態の特徴
（４−１）
本実施形態の環境設備制御装置１００は、初期処理部８１が初期制御計画データを参酌するだけで目標覚醒度変化分（ΔA）に応じた複数の制御計画を出力することができる。また、ＮＮ処理部８２は、数学モデル係数データを用いて構築される数学モデルを有しているニューラルネットワークの演算処理を実行するだけで、複数の制御計画を出力することができる。そして、このようにして出力された複数の制御計画は、各制御計画同士が比較検討されることなく、選択実行部９２によって単純なローテーションにしたがって１つの制御計画が選択され、実行される。

したがって、１つの制御計画が選択されて実行されるまでの間に、各環境設備の制御によってユーザが受ける影響（覚醒度の影響）の相殺効果や相乗効果についての検討判断するための演算処理が都度行われていないため、演算負荷を低減させて、迅速に１つの制御計画を選択して、実行することが可能になっている。したがって、ユーザが希望する覚醒度となるような各環境設備の制御をリアルタイムで行うことが可能になり、早期にユーザが希望する覚醒度を実現させることが可能になる。

そして、環境設備制御装置１００は、実行した制御計画と、その制御計画を実行したことによるユーザの覚醒度の変化と、の組から構成される複数の学習データを用いて学習を行い、ニューラルネットワークの数学モデルの係数を更新させることで、環境設備の制御によって相殺効果や相乗効果や馴れを含めた結果としてユーザの覚醒度が変化する傾向が反映された数学モデルを構築させることが可能になる。以上により、学習を継続させるほど、ユーザの覚醒度の傾向が正確に反映された制御計画をニューラルネットワークの演算処理によって出力することが可能になる。

（４−２）
本実施形態の環境設備制御装置１００は、除外処理部９１が、初期処理部８１やＮＮ処理部８２が出力した複数種類の制御計画の中から、ユーザが望まない制御計画を除外している。このため、初期処理部８１やＮＮ処理部８２が出力した複数種類の制御計画の中に、ユーザが望まない制御計画が含まれていたとしても、当該ユーザが望まない制御計画が実行されてしまうことを避けることが可能になる。

（４−３）
本実施形態の環境設備制御装置１００は、互いに異なる種類の環境設備である空気調和装置１０、換気装置２０、アロマディフューザ３０を、同じ指標である覚醒度を統一的に用いて制御することができている。すなわち、空気調和装置１０の制御の指標として温度を用いてアロマディフューザ３０の制御の指標として芳香濃度を用いる等というように環境設備毎に異なる指標を用いて制御を行うのではなく、各環境設備の制御において覚醒度という統一した指標を用いている。このため、各環境設備の制御を変更した場合において、異なる指標への影響を複雑に検討するのではなく、統一的な指標である覚醒度への影響をシンプルに検討することが可能になっている。

また、各環境設備の制御において、温度や芳香濃度のようなユーザによって感覚が異なる指標を用いるのではなく、覚醒度という統一した指標を用いているため、ユーザ毎の感覚の相違を小さく抑えることが可能になっている。特に、上記実施形態では、覚醒度そのものだけではなく、覚醒度の変化量を含む学習データを用いて学習が行われ、ＮＮ処理部８２が有する数学モデルの係数として反映されている。したがって、ユーザ毎の覚醒度の変化の個人差も小さく抑えることが可能になっている。以上により、学習を所定量以上行ったＮＮ処理部８２が有する情報（係数を含む数学モデルの情報）は、汎用性の高い情報となっており、本実施形態の環境設備制御装置１００以外の他のユーザに対して用いられる装置においても、流用した場合にも一定の効果を得やすい。

（４−４）
本実施形態の環境設備制御装置１００では、各環境設備による複数種類の制御計画の中から、任意の１つが選択されて実行されている。特に、本実施形態では、特定の環境設備に特化した制御計画のみが選択されて実行され続けるのではなく、ローテーションによって任意の１つの制御計画が選択されて実行されている。

したがって、制御計画が実行されることでユーザに与えられる環境変化は、温度変化等の特定の種類の環境変化だけに限られず、二酸化炭素濃度の変化や、芳香濃度の変化や、これらの変化の組合せ等の様々な環境変化を供給することができる。

これにより、ユーザが同じ種類の環境変化の供給を受け続けることで、当該同じ種類の環境変化に対する覚醒度の変化が鈍化すること（例えば、環境変化として温度変化ばかりが続けて実行される場合にユーザが温度変化に慣れてくること）を小さく抑えることが可能になる。

以上により、環境設備制御装置１００が制御計画を実行した場合のユーザの覚醒度の変化を十分に確保し続けることが可能になり、ユーザの覚醒度を十分に改善させることも可能となる。

（４−５）
本実施形態の環境設備制御装置１００では、リモコン５０が受け付けたユーザがこれから行う作業の複雑度に関する情報を用いて、目標とする覚醒度を把握している。

ここで、作業の複雑度が基準複雑度以上である場合には、いたずらに高い目標覚醒度を設定するのではなく、予め定めた特定の覚醒度を目標覚醒度として設定している。

このため、作業の複雑度が基準複雑度以上である場合において、ユーザの現状の覚醒度が予め定めた特定の目標覚醒度を超えた過剰な覚醒状態にある場合には、ユーザの覚醒度を積極的に低下させるような（積極的にリラックスさせるような）制御計画が環境設備制御装置１００によって選択されて実行されることになる。

このように、環境設備制御装置１００では、ユーザが行う作業の複雑度に応じて、作業効率が良好となる覚醒度を実現させるための環境を提供することが可能になっている。

（５）変形例
上記実施形態では、本発明の実施形態の一例を説明したが、上記実施形態はなんら本願発明を限定する趣旨ではなく、上記実施形態には限られない。本願発明は、その趣旨を逸脱しない範囲で適宜変更した態様についても当然に含まれる。

また、上記実施形態と以下に記載の複数の変形例は、互いに矛盾しないように適宜組合せるようにしてもよい。

（５−１）変形例Ａ
上記実施形態では、初期処理部８１やＮＮ処理部８２が出力した複数種類の制御計画のうちの１つを、選択実行部９２が単純なローテーションにしたがって選択して実行する場合について例に挙げて説明した。

しかし、例えば、選択実行部９２は、単純なローテーションにしたがって複数種類の制御計画の１つを選択するのではなく、先に選択して実行した制御計画とは関連性の希薄な制御計画がランダムに（なんら順序に従うことなく）選択されるようにしてもよい。ここで関係性が希薄であるか否かの判断は、特に限定されるものではなく、予め定めた判断基準に応じて判断するようにしてもよい。例えば、前回の制御計画でアロマディフューザ３０が使用されていない（ＯＦＦの状態としていた）場合には、続いて選択する制御計画ではアロマディフューザ３０が使用される（ＯＮの状態となる）制御計画を優先的に選択するようにしてもよい。

このように、関係性が希薄な制御計画を選択して実行させることで、学習データとして大きく性質が異なるデータを集めることができるため、学習効率を高め、より迅速に、ユーザの覚醒度の傾向を反映した数学モデルを構築することができるようになる。

（５−２）変形例Ｂ
上記実施形態では、生体センサ４０としての心電図波形センサ４１の検出内容に基づいて、ユーザの心身状態の一例である覚醒度を推定する場合を例に挙げて説明した。

これに対して、ユーザの心身状態としては、これに限られず、例えば、ユーザの眠気度合い、緊張度合い、発汗度合い、自律神経バランス等の各種情報を用いることができる。なお、これらのユーザの眠気度合いや、緊張度合い、発汗度合い、自律神経バランスの測定や推測は、公知の技術を用いて行うことができる。

なお、ユーザの心身状態として自律神経バランスを管理評価対象とする場合には、心拍のパターンまたは脈拍のパターンに基づいて算出される交感神経活動度指標（ＬＦ／ＨＦ比）を用いることができる。交感神経活動度指標（ＬＦ／ＨＦ）は、公知の測定装置をユーザに用いることで把握できる。ユーザの心身状態として交感神経活動度指標（ＬＦ／ＨＦ）を用いる場合には、ユーザの交感神経に関する状態として信頼性の高い値を把握することが可能になると共に、当該指標は公知の測定装置を用いて即時把握することが可能なものであるため、ユーザの交感神経活動度指標（ＬＦ／ＨＦ）に応じた環境設備のリアルタイムな制御が可能となる。

なお、これらの指標は、上記実施形態に記載の例だけでなく各変形例等に記載の例においてもユーザの心身状態を示す指標として用いることができる。

（５−３）変形例Ｃ
上記実施形態では、環境設備として空気調和装置１０、換気装置２０、アロマディフューザ３０を例に挙げて説明した。

しかし、環境設備としては、これらに限られず、例えば、室内の照度を調整してユーザの覚醒度を変えるために照明装置を用いてもよいし、ユーザの覚醒度を変えるためにリズムの異なる複数種類の音楽を提供できるサウンドシステム（スピーカ等を含む）を用いてもよい。照明装置を用いる場合には、ユーザの覚醒度を向上させるために照度を上げ、ユーザの覚醒度を下げるために照度を下げる等の制御を行うことが挙げられる。また、サウンドシステムを用いる場合には、ユーザの覚醒度を向上させるためにテンポの速い音楽をながし、ユーザの覚醒度を下げるためにテンポの遅い音楽をながす等の制御を行うことが挙げられる。

また、上記実施形態では、換気装置２０やアロマディフューザ３０は、単純にＯＮ/ＯＦＦ制御される場合を例に挙げて説明したが、換気装置２０については換気風量を制御できるものを用いて換気風量に応じたユーザの覚醒度の調整を行ってもよいし、アロマディフューザ３０については芳香剤の噴射量を制御できるものを用いて噴射量に応じたユーザの覚醒度の調整を行ってもよい。また、アロマディフューザ３０は、ユーザの覚醒度を向上させるための芳香と、ユーザの覚醒度を低下させるための芳香と、を有し、制御計画に応じてその少なくともいずれかを放出するように構成されていてもよい。特に限定されないが、覚醒度を上げるための芳香としては、レモンのアロマを用いることができ、覚醒度を下げるための芳香としては、セドロールを用いることができる。

また、上記空気調和装置１０において、室内の湿度を制御可能とし、湿度制御によってユーザの覚醒度を調節するようにしてもよい。

（５−４）変形例Ｄ
上記実施形態では、除外処理部９１が、初期処理部８１やＮＮ処理部８２が出力した複数種類の制御計画の中から、ユーザに適さない制御計画として予め定められた除外条件を満たすものを見つけ出して除外する場合を例に挙げて説明した。

これに対して、例えば、ユーザが自覚可能な程度の大きな環境変化が選択されて実行されることが無いように、制御計画に含まれる各環境設備の制御内容の現状からの変更幅の上限を定めておき、当該上限を超えるような環状設備の制御が含まれている制御計画が除外されるように除外条件を定めるようにしてもよい。

これにより、ユーザに自覚させることなく随時制御計画を実行していくことが可能になるため、環境が変化したことを自覚することによるユーザの集中力の低下を抑えつつ、覚醒度を改善させていくことが可能になる。

また、各環境設備の制御内容の現状からの変更幅が所定の上限を超えるものが出力されることが無いように、上記実施形態における初期処理部８１やＮＮ処理部８２の構成を変えてもよい。

ここで、ユーザに環境変化を自覚させないための各環境設備の制御内容の現状からの変更幅の上限は、特に限定されないが、予め、ユーザが各環境設備を操作して単位時間当たりの環境の変化程度を徐々に上げていくことで、自身が自覚する環境変化幅を把握し、把握された環境設備毎の環境変化幅を環境設備制御装置１００に入力しておくようにしてもよい。また、個人差が生じにくい環境変化項目については、予め定められた環境設備毎の環境変化幅を環境設備制御装置１００に入力しておくようにしてもよい。

例えば、空気調和装置１０の設定温度を１℃上げただけではユーザが環境変化を自覚しない場合において、設定温度を２℃上げることでユーザが環境変化を自覚した場合には、設定温度が一度に２℃以上変えられるような制御計画が実行されないように環境設備制御装置１００を構成することになる。

このように、ユーザに環境変化を自覚させないために、温度や二酸化炭素濃度や芳香濃度等の各環境因子の単位時間当たりの変化幅に上限を設けた場合であっても、上記実施形態によれば、同時に複数種類の環境因子を変化させるような制御計画を実行可能であるため、各環境因子を各上限を超えない範囲で変化させつつもユーザの覚醒度を十分に改善させることが可能になっている。

（５−５）変形例Ｅ
上記実施形態では、環境設備制御装置１００による情報表示や音声出力等による報知については特に言及していないが、これを可能とするための、液晶等の表示ディスプレイのような表示部やスピーカ等を有する構成であってもよい。

（５−６）変形例Ｆ
上記実施形態では、目標覚醒度変化分を実現させるための制御計画を学習する学習アルゴリズムとしてニューラルネットワークを用いる場合を例に挙げて説明した。

これに対して、学習アルゴリズムとしては、ニューラルネットワークに限られず、例えば、ディープラーニング、サポートベクターマシン、ベイズ推定等の公知の学習アルゴリズムを用いるようにしてもよい。

（５−７）変形例Ｇ
上記実施形態では、複数種類出力される制御計画の中から１つの制御計画を選択する前に、除外条件データ部７４に格納されている除外条件を満たすような制御計画を除外する場合を例に挙げて説明した。

ここで、除外条件データ部７４に格納されている除外条件を満たすような制御計画としては、例えば、ユーザが過度に不快になってしまう設定温度（例えば、２０℃以下や２８℃以上の設定温度）の制御計画や、現状からの設定温度の変更幅が大きすぎる（例えば、設定温度の現状からの変化幅が±５°以上）制御計画を挙げることができる。ここで、このような除外条件の定め方としては、特に限定されず、例えば、空気調和装置１０の特定の部分（蒸発器以外の部分等）に結露が生じてしまう等のように環境設備にダメージが及ぶことになるような制御計画が除外されるように、または、空気調和装置１０等の環境設備の消費エネルギが所定値以上となって過度になってしまうようなエネルギ効率の悪い制御計画が除外されるように定めてもよい。また、除外条件としては、常時同じ条件である必要は無く、状況に応じて異なる条件が適用されるようにしてもよい。例えば、外気温度が所定値より高い時期（例えば、夏期）についての除外条件（例えば、設定温度が２４℃以下のものを除外する条件）と、外気温度が所定値より低い時期（例えば、冬季）についての除外条件（例えば、設定温度が２４℃以上のものを除外する条件）と、が異なるものとなるように定められていてもよい。

また、ユーザが自身の嗜好に合わせてリモコン６０等を用いて設定入力できるように環境設備制御装置１００を構成することで、当該設定入力された除外条件が除外条件データ部７４に格納されるようにしてもよい。例えば、アロマディフューザ３０による芳香の種類の中にはユーザによっては受け付けがたい種類の芳香が存在するため、ユーザが、自身の嫌う種類の芳香が用いられる制御計画が排除されるように入力することで、当該特定の芳香が用いられる制御計画が除外条件を満たすこととなるようにしてもよい。また、選択実行部９２が制御計画を実行させることでユーザが存在する環境が変化している最中に（例えば、制御計画開始から所定時間以内に）、ユーザからの現在実行中の制御計画を好まない旨の指示（例えば、現在実行中の制御計画の内容を中止又は変更させる指示等）をリモコン６０等を介して環境設備制御装置１００が受信した場合には、当該現在実行中の制御計画が除外条件を満たすものとして除外条件データ部７４が上書きされるようにしてもよい。以上のようにユーザの嗜好を反映させる手段としては、リモコン６０を用いた入力に限られず、スマートフォンや無線スイッチ等のユーザ端末を用いるようにしてもよい。

（６）その他
（６−１）その他Ａ
上記実施形態では、ユーザの心身状態を表す指標として覚醒度を用い、生体センサ４０を介してユーザから得られる情報を用いて覚醒度を推定することで、目標となる覚醒度を実現するために環境設備の制御を行う場合を例に挙げて説明した。

これに対して、ユーザの生産性を客観的に示すことができる場合には、環境設備の制御を行う際の指標として覚醒度等のユーザの心身状態を示す指標を用いる代わりに、ユーザの生産性を数値化させたものを用いるようにしてもよい。

ここで、ユーザの生産性を数値化させたものとしては、特に限定されないが、例えば、情報入力作業を行うユーザにおける単位時間当たりの入力情報量、学習塾の生徒であるユーザにおけるテストの点数、ユーザであるプログラマーの単位時間当たりの作成プログラム量（プログラム行数等）、ユーザであるコールセンターの担当員における単位時間当たりの対応人数等を挙げることができる。

このような生産性を数値化したものを指標として用いる場合においても、上記実施形態における覚醒度の代わりに、生産性を数値化したものを用いることによって同様の効果を得ることが可能である。すなわち、現状の生産性と目標とする生産性との差分を実現するような環境設備の制御計画を選択して実行し、学習させることで、上記実施形態と同様の効果を得ることが可能になる。

（６−２）その他Ｂ
一般に、人間にとって暑くもなく寒くもなく快適に感じる気温である中立温度という概念があり、当該中立温度は直近の過去の外気温度の推移に影響を受けることが知られている。すなわち、直近の過去について外気温が高い環境が続いた場合では、人間の体は高い気温に順応して慣れてくる。また、直近の過去について外気温が低い環境が続いた場合には、人間の体は低い気温に順応して慣れてくる。このため、例えば、高い気温に慣れた感覚を持つユーザに対するある環境変化が与える影響と、そのような高い気温に慣れていない感覚を持つユーザに対する同じある環境変化が与える影響とは、異なる場合があり、ユーザの覚醒度等の心身状態や生産性等に与える影響も異なってくる場合がある。

このような過去の履歴情報に基づいてユーザの覚醒度等の心身状態や生産性等が目標となる状態に近づけることができるように、環境設備制御装置が、複数の環境設備を制御できることが望まれる。

これに対して、ユーザが存在する空間の環境を、環境設備を用いて制御する環境設備制御装置において、過去の直近の所定直前期間における環境情報である直近過去環境情報を取得し、この直近過去環境情報に応じて環境設備の制御内容を変えることにより、ユーザの覚醒度等の心身状態や生産性等を目標となる状態に近づけることが可能となる。具体的には、把握部によって、ユーザの覚醒度等の心身状態や生産性等に関連する現状値とその目標値と直近過去環境情報とを把握し、ユーザの覚醒度等の心身状態や生産性等に関連する現状値を目標値に近づけることができる環境設備の制御内容を特定する際に、直近過去環境情報に基づいた特定を行う。より具体的には、例えば、環境設備として空気調和装置が用いられ、直近過去環境情報として過去の直近の所定期間におけるユーザが存在した空間の温度が把握されている場合において、当該過去の直近の温度が高い状態（所定温度よりも高い状態）が続いていた場合には低い状態（所定温度よりも低い状態）が続いていた場合よりも、空気調和装置の設定温度を下げることによるユーザの覚醒度の向上が顕著になるという傾向を踏まえて、設定温度を特定するようにしてもよい。

また、このような覚醒度等と中立温度との関係は、覚醒度等と中立二酸化炭素濃度との関係においても適用することができる。また、環境設備として照明機器を用いる場合においては、覚醒度等と中立照度との関係においても適用することができる。この場合には、人間が受ける明るさや暗さの感覚に対して直近の数分間における照度の履歴が与える影響を考慮して、ユーザの覚醒度等をより正確に制御することが可能になる。このため、環境設備としては、空気調和装置に限られず、照明装置やアロマディフューザや換気装置やサウンドシステムおよびこれらの組合せを用いることができる。ここで、照明装置に関しては、過去の直近のユーザ周りの明るさ（照度等）を環境情報として用いてもよいし、アロマディフューザに関しては、過去の直近のユーザ周りのアロマの種類や濃度を環境情報として用いてもよいし、換気装置に関しては、過去の直近のユーザ周りの二酸化炭素濃度を環境情報として用いてもよいし、サウンドシステムに関しては、過去の直近のユーザ周りの音の大きさを環境情報として用いてもよい。また、過去の直近の所定直前期間の長さは、環境設備の種類に応じて異なるように特定してもよい。具体的には、空気調和装置の設定温度との関係では、過去の直近の所定直前期間の長さを１週間程度としてもよいし、照明装置の照度との関係では、過去の直近の所定直前期間の長さを数分程度としてもよい。

なお、上記実施形態では、初期制御計画データ部７２において、目標覚醒度変化分（ΔA）の値に応じて、各環境設備の制御計画の組み合わせである初期制御計画データが複数種類、予め定められている場合を例に挙げて説明したが、これに上述の中立温度の考え方を適用し、例えば、上記実施形態で述べた空気調和装置１０による室内の温度の制御において、複数の制御計画の出力や制御計画の除外の処理を行う場合に、ユーザが感じる暑さや寒さに影響を与える過去の所定期間（例えば、最近１週間）の外気温度の履歴を反映させるようにしてもよい。これにより、人間が受ける暑さや寒さの感覚に対して最近の外気温度の履歴が与える影響を踏まえた、ユーザの覚醒度等のより正確な制御が可能になる。ここで、外気温度を、地域別、季節別に分けて記憶したり、中立温度を直接記憶することで、ユーザの覚醒度等に与える影響を学習させるようにしてもよい。

１ 環境設備制御装置
１０ 空気調和装置（環境設備、温度を調節する装置、湿度を調節する装置）
２０ 換気装置（環境設備、二酸化炭素濃度を調節する装置）
３０ アロマディフューザ（環境設備、芳香を提供する装置）
４０ 生体センサ
４１ 心電図波形センサ
５０ リモコン
６０ 把握部
６１ 温度把握部（把握部）
６２ 二酸化炭素濃度把握部（把握部）
６３ 芳香濃度把握部（把握部）
６４ 現状覚醒度把握部（把握部）
６５ 目標覚醒度把握部（把握部）
６６ 目標覚醒度変化分把握部（把握部）
７０ 記憶部
７１ 覚醒度対比データ部
７２ 初期制御計画データ部
７３ 数学モデル係数データ部
７４ 除外条件データ部
７５ 学習データ蓄積部
８０ 学習制御計画出力手段
８１ 初期処理部（学習制御計画出力手段）
８２ ＮＮ処理部（学習制御計画出力手段）
９０ 選択制御部
９１ 除外処理部（選択制御部）
９２ 選択実行部
１００ 環境設備制御装置

特開２０１１−１０１７４６号公報

Claims (6)

1. 複数種類の環境設備（１０、２０、３０）の制御を行うための環境設備制御装置（１）であって、
   ユーザの現状の心身状態に関する現状心身状態情報と、環境状況情報と、目標とする心身状態と現状の心身状態との関係を表す目標関係情報と、を把握する把握部（６０、６１、６２、６３、６４、６６）と、
   前記現状心身状態情報と前記環境状況情報と前記目標関係情報とに応じて複数種類の前記環境設備の組み合わせ毎の制御変更計画を出力する学習制御計画出力手段（８０、８１、８２）と、
   前記学習制御計画出力手段によって出力された複数の前記制御変更計画から、予め定められた除外条件を満たすものを除外した後に、所定条件に基づいて１つの前記制御変更計画を選択して実行する選択制御部（９０、９２）と、
   を備え、
   前記学習制御計画出力手段は、前記選択制御部が選択した前記制御変更計画を実行することによって変化した前記ユーザの心身状態を用いて、前記出力させる前記制御変更計画の特定方法を更新させるように学習する、
   環境設備制御装置（１）。
2. 前記ユーザの心身状態は、前記ユーザの覚醒度である、
   請求項１に記載の環境設備制御装置。
3. 前記学習制御計画出力手段（８２）は、ニューラルネットワークを用いた演算手段である、
   請求項１または２に記載の環境設備制御装置。
4. 前記選択制御部（９０）は、前記学習制御計画出力手段によって出力された複数の前記制御変更計画から１つの前記制御変更計画を選択する場合に、複数種類の前記環境設備の組み合わせパターンをローテーションさせながら選択する、
   請求項１から３のいずれか１項に記載の環境設備制御装置。
5. 前記複数種類の環境設備には、少なくとも、温度を調節する装置（１０）、湿度を調節する装置（１０）、二酸化炭素濃度を調節する装置（２０）、芳香を提供する装置（３０）、照明を調整する装置、音響を調整する装置の少なくともいずれか２つ以上が含まれる、
   請求項１から４のいずれか１項に記載の環境設備制御装置。
6. 前記学習制御計画出力手段は、前記学習が行われる前の初期の前記現状心身状態情報と前記環境状況情報と前記目標関係情報とに応じた複数種類の前記環境設備の組み合わせ毎の初期の制御変更計画を出力可能に有している、
   請求項１から５のいずれか１項に記載の環境設備制御装置。

Images