JP6880155B2 - 情報処理装置、情報処理方法及び情報処理プログラム - Google Patents

Description

本発明は、情報処理装置、情報処理方法及び情報処理プログラムに関する。

従来、空調制御に関する技術が知られている。例えば、空調装置から人物までの距離と人物に適した温度とを算出し、算出した距離と温度とに基づいて、室内にいる複数の人間の一人ひとりに対して送風方向と送風量とを調整する技術が知られている。

特開２００８−３０４０８３号公報

しかしながら、上記の従来技術では、所定の空間に存在する利用者の快適さを向上させることができるとは限らない。例えば、上記の従来技術では、室内にいる複数の人間の一人ひとりに対して送風方向と送風量とを調整するにすぎず、所定の空間に存在する利用者の快適さを向上させることができるとは限らない。

そこで、本開示では、所定の空間に存在する利用者の快適さを向上させることができる情報処理装置、情報処理方法及び情報処理プログラムを提案する。

本願に係る情報処理装置は、所定の空間の一部の領域に存在する利用者の特徴に基づいて、前記利用者が快適であると感じる快適温度を推定する推定部と、前記推定部によって推定された快適温度に基づいて、前記一部の領域に照らす照明を制御する照明制御部と、を備えることを特徴とする。

実施形態の一態様によれば、所定の空間に存在する利用者の快適さを向上させることができるといった効果を奏する。

図１は、実施形態に係るＰＭＶ（Predicted Mean Vote）について説明するための図である。 図２は、実施形態に係る情報処理の概要を説明するための図である。 図３は、実施形態に係る情報処理システムの構成例を示す図である。 図４は、実施形態に係る情報処理装置の構成例を示す図である。 図５は、実施形態に係る情報処理手順を示すフローチャートである。 図６は、情報処理装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。

以下に、本願に係る情報処理装置、情報処理方法及び情報処理プログラムを実施するための形態（以下、「実施形態」と呼ぶ）について図面を参照しつつ詳細に説明する。なお、この実施形態により本願に係る情報処理装置、情報処理方法及び情報処理プログラムが限定されるものではない。また、以下の各実施形態において同一の部位には同一の符号を付し、重複する説明は省略される。

（実施形態）
〔１．情報処理の概要〕
従来、人の暑さ寒さに関する温熱環境における快適さを評価する指標であるＰＭＶ（Predicted Mean Vote）に基づいて空調制御する技術が知られている。図１を用いて、実施形態に係るＰＭＶについて説明する。図１は、実施形態に係るＰＭＶについて説明するための図である。人間は、体内での熱産生をほどよく外部環境に逃がし熱平衡を保ち、深部体温を一定に保っている。この人体と環境との熱交換に影響を与える要素を温熱環境要素と呼ぶ。

ＰＭＶは、６つの温熱環境要素から算出される。図１の左側に示すように、６つの温熱環境要素は、着衣量［clo］、代謝量（活動量）［met］の２つの人的要素と、温度［℃］、湿度［％］、（熱）放射［℃］、気流［m/s］の４つの環境要素とを含む。ここで、着衣量、代謝量（活動量）の２つの人的要素は、人物に対するセンシングによって得られる。一方、温度、湿度、放射、気流の４つの環境要素は、空間に対するセンシングによって得られる。

ＰＭＶは、着衣量、代謝量（活動量）の２つの人的要素と、温度、湿度、放射、気流の４つの環境要素をＰＭＶの算出式に代入することにより算出される。図１の右側に示すように、ＰＭＶでは、ＰＭＶ＝０の状態を熱的中立とし、−３から３のあいだで人間の温熱快適性を表現する。

ここで、一般的な空調制御においては、制御対象となる空間全体の空調温度等を制御するため、空調制御の対象となる空間に存在する個々の利用者の快適温度と空調温度とが必ずしも一致しない場合がある。また、一般的に、空間の温度を制御するには時間がかかるため、利用者は必ずしも快適でない空間の中で空調がきくのを待つ必要がある。

そこで、本願に係る情報処理装置は、所定の空間の一部の領域に存在する利用者の特徴に基づいて、利用者が快適であると感じる快適温度を推定する。また、情報処理装置１００は、推定した快適温度に基づいて、一部の領域に照らす照明を制御する。これにより、情報処理装置１００は、空調を制御することなく、照明を制御することによって、各利用者の体感温度を調整する。例えば、情報処理装置１００は、暖かくしたい場合は暖色系の照明に、涼しくしたい場合は寒色系の照明に制御することで、個々の利用者に最適な体感温度制御を実現する。すなわち、空調は空間全体を制御するのに対し、情報処理装置１００は、個々の利用者の要望を満たすために、個々の利用者に向けた照明を制御することにより、個々の利用者に応じた体感温度を実現することができる。また、情報処理装置１００は、空調制御によって空調がきくまでの間、利用者を待たせることなく、照明を制御することにより、個々の利用者の快適さをすぐに向上させることができる。したがって、情報処理装置１００は所定の空間に存在する個々の利用者の快適さを向上させることができる。

次に、図２を用いて、実施形態に係る情報処理の概要について説明する。図２は、実施形態に係る情報処理の概要を説明するための図である。図２に示す例では、情報処理装置１００が、ある空間Ｒ１に存在する各利用者Ｕ１〜Ｕ３に対応する各領域に照らす各照明２０−１〜２０−３を制御する。具体的には、情報処理装置１００は、空間Ｒ１に設置された画像センサによって撮影された各利用者Ｕ１〜Ｕ３の画像に基づいて、各利用者Ｕ１〜Ｕ３の快適温度を推定する。そして、情報処理装置１００は、各利用者Ｕ１〜Ｕ３の快適温度と空間Ｒ１の空調温度との比較に基づいて、各照明２０−１〜２０−３の光色を制御する。

図２の説明に先立って、図３を用いて、実施形態に係る情報処理システムの構成について説明する。図３は、実施形態に係る情報処理システムの構成例を示す図である。図３に示すように、情報処理システム１には、センサ装置１０と、照明装置２０と、情報処理装置１００とが含まれる。センサ装置１０と、照明装置２０と、情報処理装置１００とは所定のネットワークＮを介して、有線または無線により通信可能に接続される。なお、図３に示す情報処理システム１には、任意の数のセンサ装置１０と任意の数の照明装置２０と任意の数の情報処理装置１００とが含まれてもよい。

センサ装置１０は、空間の物理的な状態や空間に存在する利用者の物理的な状態を検知する装置である。具体的には、センサ装置１０は、画像センサである。例えば、ＲＧＢカメラであるセンサ装置１０−１は、空間に存在する利用者のＲＧＢ画像を検出する。また、赤外線カメラであるセンサ装置１０−２は、空間に存在する利用者のサーマル画像を検出する。また、図示は省略するが、センサ装置１０は、環境センサであってもよい。例えば、ＵＳＢ型の環境センサであるセンサ装置１０は、空間の温度、湿度、放射、気流等のセンサ情報を検出する。また、センサ装置１０は、センサ情報を検出すると、情報処理装置１００の要求に応じて、センサ情報を情報処理装置１００に送信する。

また、図２および図３に示す例においては、センサ装置１０に応じて、センサ装置１０をセンサ装置１０−１〜１０−２として説明する。例えば、センサ装置１０−１は、空間Ｒ１に設置されているＲＧＢカメラである。また、例えば、センサ装置１０−２は、空間Ｒ１に設置されている赤外線カメラである。また、以下では、センサ装置１０−１〜１０−２について、特に区別なく説明する場合には、センサ装置１０と記載する。

照明装置２０は、照明の光色や明るさなどを調整する装置である。例えば、照明装置２０は、情報処理装置１００による照明制御の対象となる各空間に設置されたＩｏＴ（Internet of Things）化された照明装置である。照明装置２０は、情報処理装置１００の制御に従って制御対象となる照明を調整する。具体的には、照明装置２０は、情報処理装置１００から照明の制御に関する制御情報を受信する。例えば、照明装置２０は、情報処理装置１００から照明の光色や明るさの設定に関する制御情報を受信する。続いて、照明装置２０は、情報処理装置１００から受信した制御情報に従って、照明の光色や明るさを調整する。例えば、照明装置２０は、照明の光色や明るさの設定に関する制御情報を受信すると、照明の光色や明るさが、制御情報の設定に従った光色や明るさに保たれるように空調を調整する。

また、図２および図３に示す例においては、照明装置２０に応じて、照明装置２０を照明装置２０−１〜２０−３として説明する。例えば、照明装置２０−１は、利用者Ｕ１に対応する領域を照らす照明装置２０である。また、例えば、照明装置２０−２は、利用者Ｕ２に対応する領域を照らす照明装置２０である。また、例えば、照明装置２０−３は、利用者Ｕ３に対応する領域を照らす照明装置２０である。また、以下では、照明装置２０−１〜２０−３について、特に区別なく説明する場合には、照明装置２０と記載する。

情報処理装置１００は、照明装置２０を制御する制御装置である。情報処理装置１００は、空間Ｒ１の各領域に存在する各利用者Ｕ１〜Ｕ３の特徴に基づいて、各利用者Ｕ１〜Ｕ３が快適であると感じる快適温度（以下、各利用者Ｕ１〜Ｕ３の快適温度ともいう）を推定する。そして、情報処理装置１００は、推定した各利用者Ｕ１〜Ｕ３の快適温度に基づいて、各利用者Ｕ１〜Ｕ３に対応する各領域に照らす照明を制御する。具体的には、情報処理装置１００は、照明の制御に関する制御情報を照明装置２０に対して送信する。情報処理装置１００は、照明の光色や明るさの設定に関する制御情報を送信する。なお、光源の光色は色温度で客観的にあらわすことができる。具体的には、照明の光源の色温度が低いほど暖色系の色を発し、高いほど寒色系の色を発する。情報処理装置１００は、照明の色温度の設定に関する制御情報を送信してもよい。

図２の説明に戻る。図２では、情報処理装置１００は、空間Ｒ１に設置されたＲＧＢカメラによって撮影された各利用者Ｕ１〜Ｕ３のＲＧＢ画像を取得する。また、情報処理装置１００は、空間Ｒ１に設置された赤外線カメラによって撮影された各利用者Ｕ１〜Ｕ３のサーマル画像を取得する。

続いて、情報処理装置１００は、各利用者Ｕ１〜Ｕ３のＲＧＢ画像を取得すると、各利用者Ｕ１〜Ｕ３のＲＧＢ画像に基づいて、各利用者Ｕ１〜Ｕ３の着衣量と性別を推定する。また、情報処理装置１００は、各利用者Ｕ１〜Ｕ３のサーマル画像を取得すると、各利用者Ｕ１〜Ｕ３のサーマル画像に基づいて、各利用者Ｕ１〜Ｕ３の代謝量を推定する。

続いて、情報処理装置１００は、各利用者Ｕ１〜Ｕ３の着衣量および代謝量を推定すると、推定した各利用者Ｕ１〜Ｕ３の着衣量および代謝量と、環境センサによって取得された空間Ｒ１の温度、湿度、放射、気流に基づいて、各利用者Ｕ１〜Ｕ３のＰＭＶを算出する。

続いて、情報処理装置１００は、各利用者Ｕ１〜Ｕ３のＰＭＶを算出すると、算出した各利用者Ｕ１〜Ｕ３のＰＭＶに基づいて、各利用者Ｕ１〜Ｕ３が快適であると感じる第１快適温度（以下、各利用者Ｕ１〜Ｕ３の第１快適温度ともいう）を推定する。続いて、情報処理装置１００は、各利用者Ｕ１〜Ｕ３の第１快適温度を推定すると、推定した各利用者Ｕ１〜Ｕ３の性別に基づいて、各利用者Ｕ１〜Ｕ３が快適であると感じる第２快適温度（以下、各利用者Ｕ１〜Ｕ３の第２快適温度ともいう）を推定する。例えば、情報処理装置１００は、推定した利用者の性別が男性である場合には、推定した利用者の性別が女性である場合と比べて、ＰＭＶに基づいて推定された第１快適温度よりも所定の温度（例えば、１度）だけ高い温度をその利用者の第２快適温度と推定する。このようにして、情報処理装置１００は、各利用者Ｕ１〜Ｕ３の第２快適温度を、それぞれ２７度、２５度、２２度と推定する。

続いて、情報処理装置１００は、各利用者Ｕ１〜Ｕ３の第２快適温度を推定すると、推定した第２快適温度と、空間Ｒ１における空調の空調温度（例えば、２４度）との比較に基づいて、各利用者Ｕ１〜Ｕ３に対応する各領域に照らす照明の光色を制御する。なお、情報処理装置１００は、各利用者Ｕ１〜Ｕ３に対応する各領域に照らす照明の色温度を制御してもよい。

具体的には、情報処理装置１００は、照明装置２０−１については、推定した利用者Ｕ１の第２快適温度が２７度であって、空間Ｒ１における空調の空調温度である２４度との温度差が所定の閾値（例えば、２度）以上であり、かつ、空調温度である２４度よりも高いため、利用者Ｕ１に対応する領域に照らす照明の光色を暖色系の色に制御する。情報処理装置１００は、利用者Ｕ１に対応する領域に照らす照明の光色を暖色系の色に制御することにより、利用者Ｕ１の体感温度を高めることができる。

また、情報処理装置１００は、照明装置２０−２については、推定した利用者Ｕ２の第２快適温度が２５度であり、空間Ｒ１における空調の空調温度である２４度との温度差が所定の閾値（例えば、２度）を下回るため、利用者Ｕ２に対応する領域に照らす照明の光色を通常の色に制御する。情報処理装置１００は、利用者Ｕ２に対応する領域に照らす照明の光色を通常の色に制御することにより、利用者Ｕ２の体感温度を空調温度とほぼ同じに保つことができる。

また、情報処理装置１００は、照明装置２０−３については、推定した利用者Ｕ３の第２快適温度が２２度であって、空間Ｒ１における空調の空調温度である２４度との温度差が所定の閾値（例えば、２度）以上であり、かつ、空調温度である２４度よりも低いため、利用者Ｕ３に対応する領域に照らす照明の光色を寒色系の色に制御する。情報処理装置１００は、利用者Ｕ３に対応する領域に照らす照明の光色を寒色系の色に制御することにより、利用者Ｕ３の体感温度を低くすることができる。

上述したように、情報処理装置１００は、所定の空間の一部の領域に存在する利用者の特徴に基づいて、利用者が快適であると感じる快適温度を推定する。また、情報処理装置１００は、推定した快適温度に基づいて、一部の領域に照らす照明を制御する。これにより、情報処理装置１００は、空調を制御することなく、照明を制御することによって、各利用者の体感温度を調整する。例えば、情報処理装置１００は、暖かくしたい場合は暖色系の照明に、涼しくしたい場合は寒色系の照明に制御することで、個々の利用者に最適な体感温度制御を実現する。すなわち、空調は空間全体を制御するのに対し、情報処理装置１００は、個々の利用者の要望を満たすために、個々の利用者に向けた照明を制御することにより、個々の利用者に応じた体感温度を実現することができる。また、情報処理装置１００は、空調制御によって空調がきくまでの間、利用者を待たせることなく、照明を制御することにより、個々の利用者の快適さをすぐに向上させることができる。したがって、情報処理装置１００は所定の空間に存在する個々の利用者の快適さを向上させることができる。

〔２．情報処理装置の構成〕
次に、図４を用いて、実施形態に係る情報処理装置１００の構成について説明する。図４は、実施形態に係る情報処理装置１００の構成例を示す図である。図４に示すように、情報処理装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。なお、情報処理装置１００は、情報処理装置１００の管理者等から各種操作を受け付ける入力部（例えば、キーボードやマウス等）や、各種情報を表示させるための表示部（例えば、液晶ディスプレイ等）を有してもよい。

（通信部１１０）
通信部１１０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。そして、通信部１１０は、ネットワークと有線または無線で接続され、例えば、センサ装置１０や照明装置２０との間で情報の送受信を行う。

（記憶部１２０）
記憶部１２０は、例えば、ＲＡＭ（Random Access Memory)、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。記憶部１２０は、図４に示すように、センサ情報記憶部１２１とモデル情報記憶部１２２を有する。

（センサ情報記憶部１２１）
センサ情報記憶部１２１は、センサ情報に関する各種情報を記憶する。具体的には、センサ情報記憶部１２１は、空間Ｒ１に設置されたＲＧＢカメラによって撮影された各利用者Ｕ１〜Ｕ３のＲＧＢ画像と各利用者Ｕ１〜Ｕ３を識別する識別情報とを対応付けて記憶する。また、センサ情報記憶部１２１は、空間Ｒ１に設置された赤外線カメラによって撮影された各利用者Ｕ１〜Ｕ３のサーマル画像と各利用者Ｕ１〜Ｕ３を識別する識別情報とを対応付けて記憶する。

（モデル情報記憶部１２２）
モデル情報記憶部１２２は、所定の空間の一部の領域に存在する利用者の画像（ＲＧＢ画像またはサーマル画像）が入力された際に、所定の空間の一部の領域に存在する利用者の特徴（着衣量、性別または代謝量）を出力するよう学習された第１学習モデルに関する各種の情報を記憶する。具体的には、モデル情報記憶部１２４は、モデルを識別する識別情報とモデルのモデルデータとを対応付けて記憶する。例えば、モデル情報記憶部１２４は、モデルＩＤ「Ｍ１」で識別される第１学習モデル（第１学習モデルＭ１）と、「ＭＤＴ１」で示されるモデルデータ（モデルデータＭＤＴ１）とを対応付けて記憶する。

モデルデータＭＤＴ１は、所定の空間の一部の領域に存在する利用者の画像が入力される入力層と、出力層と、入力層から出力層までのいずれかの層であって出力層以外の層に属する第１要素と、第１要素と第１要素の重みとに基づいて値が算出される第２要素と、を含み、入力層に入力された第２空間に関する情報に応じて、入力層に入力された所定の空間の一部の領域に存在する利用者の画像に対応する所定の空間の一部の領域に存在する利用者の特徴を出力層から出力するよう、情報処理装置１００を機能させてもよい。

ここで、モデルデータＭＤＴ１が「y=a1*x1+a2*x2+・・・+ai*xi」で示す回帰モデルで実現されるとする。この場合、モデルデータＭＤＴ１が含む第１要素は、x1やx2等といった入力データ（xi）に対応する。また、第１要素の重みは、xiに対応する係数aiに対応する。ここで、回帰モデルは、入力層と出力層とを有する単純パーセプトロンと見做すことができる。各モデルを単純パーセプトロンと見做した場合、第１要素は、入力層が有するいずれかのノードに対応し、第２要素は、出力層が有するノードと見做すことができる。

また、モデルデータＭＤＴ１がＤＮＮ（Deep Neural Network）等、１つまたは複数の中間層を有するニューラルネットワークで実現されるとする。この場合、モデルデータＭＤＴ１が含む第１要素は、入力層または中間層が有するいずれかのノードに対応する。また、第２要素は、第１要素と対応するノードから値が伝達されるノードである次段のノードに対応する。また、第１要素の重みは、第１要素と対応するノードから第２要素と対応するノードに伝達される値に対して考慮される重みである接続係数に対応する。

情報処理装置１００は、上述した回帰モデルやニューラルネットワーク等、任意の構造を有するモデルを用いて、所定の空間の一部の領域に存在する利用者の特徴の算出を行う。具体的には、モデルデータＭＤＴ１は、所定の空間の一部の領域に存在する利用者の画像が入力された場合に、所定の空間の一部の領域に存在する利用者の画像に対応する所定の空間の一部の領域に存在する利用者の特徴を出力するように係数が設定される。情報処理装置１００は、このようなモデルデータＭＤＴ１を用いて、所定の空間の一部の領域に存在する利用者の特徴を算出する。

また、情報処理装置１００がＧＡＮ（Generative Adversarial Networks）を用いた推定処理を行う場合、モデルデータＭＤＴ１は、ＧＡＮの一部を構成するモデルであってもよい。

（制御部１３０）
図４の説明に戻って、制御部１３０は、コントローラ（controller）であり、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、情報処理装置１００内部の記憶装置に記憶されている各種プログラム（情報処理プログラムの一例に相当）がＲＡＭを作業領域として実行されることにより実現される。また、制御部１３０は、コントローラであり、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現される。

図４に示すように、制御部１３０は、取得部１３１と、生成部１３２と、推定部１３３と、算出部１３４と、照明制御部１３５とを有し、以下に説明する情報処理の作用を実現または実行する。なお、制御部１３０の内部構成は、図４に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。

（取得部１３１）
取得部１３１は、各種のセンサ情報を取得する。具体的には、取得部１３１は、所定の空間に設置された画像センサによって撮影された利用者の画像を画像センサから取得する。例えば、取得部１３１は、所定の空間に設置されたＲＧＢカメラによって撮影された利用者のＲＧＢ画像をＲＧＢカメラから取得する。また、取得部１３１は、所定の空間に設置された赤外線カメラによって撮影された利用者のサーマル画像を赤外線カメラから取得する。続いて、取得部１３１は、利用者の画像を取得すると、取得した画像と利用者を識別する識別情報とを対応付けてセンサ情報記憶部１２１に格納する。

また、取得部１３１は、所定の空間に設置された環境センサによって検出された所定の空間の温度、湿度、放射、気流に関する情報を環境センサから取得する。続いて、取得部１３１は、温度、湿度、放射、気流に関する情報を取得すると、取得した温度、湿度、放射、気流に関する情報と所定の空間を識別する識別情報とを対応付けてセンサ情報記憶部１２１に格納する。

図２に示す例では、取得部１３１は、空間Ｒ１に設置されたＲＧＢカメラによって撮影された各利用者Ｕ１〜Ｕ３のＲＧＢ画像を取得する。また、取得部１３１は、空間Ｒ１に設置された赤外線カメラによって撮影された各利用者Ｕ１〜Ｕ３のサーマル画像を取得する。また、取得部１３１は、空間Ｒ１に設置された環境センサによって検出された空間Ｒ１の温度、湿度、放射、気流に関する情報を取得する。

（生成部１３２）
生成部１３２は、所定の空間の一部の領域に存在する利用者の画像が入力された際に、所定の空間の一部の領域に存在する利用者の特徴を出力するよう学習された第１学習モデルを生成する。具体的には、生成部１３２は、所定の空間の一部の領域に存在する利用者のＲＧＢ画像が入力された際に、所定の空間の一部の領域に存在する利用者の着衣量および性別を出力するよう学習された第１学習モデルを生成する。また、生成部１３２は、所定の空間の一部の領域に存在する利用者のサーマル画像が入力された際に、所定の空間の一部の領域に存在する利用者の代謝量を出力するよう学習された第１学習モデルを生成する。

（推定部１３３）
推定部１３３は、所定の空間の一部の領域に存在する利用者の特徴に基づいて、利用者が快適であると感じる快適温度を推定する。推定部１３３は、所定の空間に設置された各照明に対応する各領域である一部の領域に存在する利用者の特徴に基づいて、利用者が快適であると感じる快適温度を一部の領域ごとに推定する。具体的には、推定部１３３は、生成部１３２が生成した第１学習モデルを用いて、取得部１３１が取得した所定の空間の一部の領域に存在する利用者のＲＧＢ画像から所定の空間の一部の領域に存在する利用者の着衣量および性別を推定する。また、推定部１３３は、生成部１３２が生成した第１学習モデルを用いて、取得部１３１が取得した所定の空間の一部の領域に存在する利用者のサーマル画像から所定の空間の一部の領域に存在する利用者の代謝量を推定する。

図２に示す例では、推定部１３３は、生成部１３２が生成した第１学習モデルを用いて、取得部１３１が取得した各利用者Ｕ１〜Ｕ３のＲＧＢ画像から各利用者Ｕ１〜Ｕ３の着衣量と性別を推定する。また、推定部１３３は、生成部１３２が生成した第１学習モデルを用いて、取得部１３１が取得した各利用者Ｕ１〜Ｕ３のサーマル画像から各利用者Ｕ１〜Ｕ３の代謝量を推定する。

また、推定部１３３は、算出部１３４が算出したＰＭＶに基づいて、所定の空間の一部の領域に存在する利用者が快適であると感じる第１快適温度（以下、利用者の第１快適温度ともいう）を推定する。続いて、推定部１３３は、利用者の第１快適温度を推定すると、推定した利用者の性別に基づいて、所定の空間の一部の領域に存在する利用者が快適であると感じる第２快適温度（以下、利用者の第２快適温度ともいう）を推定する。例えば、推定部１３３は、推定した利用者の性別が男性である場合には、推定した利用者の性別が女性である場合と比べて、ＰＭＶに基づいて推定された第１快適温度よりも所定の温度（例えば、１度）だけ高い温度をその利用者の第２快適温度と推定する。

図２に示す例では、推定部１３３は、算出部１３４が算出した各利用者Ｕ１〜Ｕ３のＰＭＶに基づいて、各利用者Ｕ１〜Ｕ３の第１快適温度を推定する。続いて、推定部１３３は、推定した利用者の性別に基づいて、各利用者Ｕ１〜Ｕ３の第２快適温度を、それぞれ２７度、２５度、２２度と推定する。

（算出部１３４）
算出部１３４は、推定部１３３が推定した所定の空間の一部の領域に存在する利用者の着衣量および代謝量と、取得部１３１が取得した所定の空間の温度、湿度、放射、気流に基づいて、所定の空間の一部の領域に存在する利用者のＰＭＶを算出する。

図２に示す例では、算出部１３４は、推定部１３３が推定した各利用者Ｕ１〜Ｕ３の着衣量および代謝量と、取得部１３１が取得した空間Ｒ１の温度、湿度、放射、気流に基づいて、各利用者Ｕ１〜Ｕ３のＰＭＶを算出する。

（照明制御部１３５）
照明制御部１３５は、推定部１３３によって推定された快適温度に基づいて、一部の領域に照らす照明を制御する。照明制御部１３５は、推定部１３３によって一部の領域ごとに推定された快適温度に基づいて、一部の領域に照らす照明を一部の領域ごとに制御する。具体的には、照明制御部１３５は、推定部１３３によって推定された快適温度と、所定の空間における空調の空調温度との比較に基づいて、一部の領域に照らす照明を制御する。

また、照明制御部１３５は、一部の領域に照らす照明の光色を制御する。具体的には、照明制御部１３５は、推定部１３３によって推定された快適温度が所定の空間における空調の空調温度よりも低い場合には、推定部１３３によって推定された快適温度が空調温度よりも高い場合よりも、一部の領域に照らす照明の光色を暖色系の色に制御する。例えば、照明制御部１３５は、一部の領域に照らす照明の色温度を制御する。照明制御部１３５は、推定部１３３によって推定された快適温度が所定の空間における空調の空調温度よりも低い場合には、推定部１３３によって推定された快適温度が空調温度よりも高い場合よりも、一部の領域に照らす照明の色温度を低くするように制御する。

図２に示す例では、照明制御部１３５は、推定部１３３が推定した第２快適温度と、空間Ｒ１における空調の空調温度（例えば、２４度）との比較に基づいて、各利用者Ｕ１〜Ｕ３に対応する各領域に照らす照明の光色を制御する。

具体的には、照明制御部１３５は、照明装置２０−１については、推定部１３３が推定した利用者Ｕ１の第２快適温度が２７度であって、空間Ｒ１における空調の空調温度である２４度との温度差が所定の閾値（例えば、２度）以上であり、かつ、空調温度である２４度よりも高いため、利用者Ｕ１に対応する領域に照らす照明の光色を暖色系の色に制御する。例えば、照明制御部１３５は、照明装置２０−１については、照明の色温度を通常の照明よりも低くする。

また、照明制御部１３５は、照明装置２０−２については、推定部１３３が推定した利用者Ｕ２の第２快適温度が２５度であり、空間Ｒ１における空調の空調温度である２４度との温度差が所定の閾値（例えば、２度）を下回るため、利用者Ｕ２に対応する領域に照らす照明の光色を通常の色に制御する。例えば、照明制御部１３５は、照明装置２０−２については、照明の色温度を通常の照明と同じにする。

また、照明制御部１３５は、照明装置２０−３については、推定部１３３が推定した利用者Ｕ３の第２快適温度が２２度であって、空間Ｒ１における空調の空調温度である２４度との温度差が所定の閾値（例えば、２度）以上であり、かつ、空調温度である２４度よりも低いため、利用者Ｕ３に対応する領域に照らす照明の光色を寒色系の色に制御する。例えば、照明制御部１３５は、照明装置２０−３については、照明の色温度を通常の照明よりも高くする。

〔３．情報処理のフロー〕
次に、図５を用いて、実施形態に係る情報処理の手順について説明する。図５は、実施形態に係る情報処理手順を示すフローチャートである。図５に示す例では、情報処理装置１００は、所定の空間の一部の領域に存在する利用者の特徴に基づいて、利用者が快適であると感じる快適温度を推定する（ステップＳ１０１）。続いて、情報処理装置１００は、快適温度を推定すると、推定した快適温度に基づいて、所定の空間の一部の領域に照らす照明を制御する（ステップＳ１０２）。

〔４．変形例〕
上述した実施形態に係る情報処理システム１は、上記実施形態以外にも種々の異なる形態にて実施されてよい。そこで、以下では、情報処理システム１の他の実施形態について説明する。なお、実施形態と同一部分には、同一符号を付して説明を省略する。

照明制御部１３５は、一部の領域に照らす照明の明るさを制御する。具体的には、照明制御部１３５は、推定部１３３によって推定された快適温度と、所定の空間における空調の空調温度との温度差が所定の閾値を超える場合には、温度差が所定の閾値以下である場合よりも、一部の領域に照らす照明の明るさを強くするように制御する。

〔５．効果〕
上述してきたように、実施形態に係る情報処理装置１００は、推定部１３３と照明制御部１３５とを備える。推定部１３３は、所定の空間の一部の領域に存在する利用者の特徴に基づいて、利用者が快適であると感じる快適温度を推定する。照明制御部１３５は、推定部１３３によって推定された快適温度に基づいて、一部の領域に照らす照明を制御する。

これにより、情報処理装置１００は、空調を制御することなく、照明を制御することによって、各利用者の体感温度を調整する。例えば、情報処理装置１００は、暖かくしたい場合は暖色系の照明に、涼しくしたい場合は寒色系の照明に制御することで、個々の利用者に最適な体感温度制御を実現する。すなわち、空調は空間全体を制御するのに対し、情報処理装置１００は、個々の利用者の要望を満たすために、個々の利用者に向けた照明を制御することにより、個々の利用者に応じた体感温度を実現することができる。また、情報処理装置１００は、空調制御によって空調がきくまでの間、利用者を待たせることなく、照明を制御することにより、個々の利用者の快適さをすぐに向上させることができる。したがって、情報処理装置１００は所定の空間に存在する個々の利用者の快適さを向上させることができる。

また、照明制御部１３５は、推定部１３３によって推定された快適温度と、所定の空間における空調の空調温度との比較に基づいて、一部の領域に照らす照明を制御する。また、照明制御部１３５は、一部の領域に照らす照明の光色を制御する。照明制御部１３５は、推定部１３３によって推定された快適温度が所定の空間における空調の空調温度よりも低い場合には、推定部１３３によって推定された快適温度が空調温度よりも高い場合よりも、一部の領域に照らす照明の光色を暖色系の色に制御する。

これにより、情報処理装置１００は、例えば、利用者の快適温度が空調温度より高い場合には、利用者に対応する領域に照らす照明の光色を暖色系の色に制御することにより、利用者の体感温度を高めることができる。また、情報処理装置１００は、例えば、利用者の快適温度が空調温度より低い場合には、利用者に対応する領域に照らす照明の光色を寒色系の色に制御することにより、利用者の体感温度を低くすることができる。

また、照明制御部１３５は、一部の領域に照らす照明の明るさを制御する。照明制御部１３５は、推定部１３３によって推定された快適温度と、所定の空間における空調の空調温度との温度差が所定の閾値を超える場合には、温度差が所定の閾値以下である場合よりも、一部の領域に照らす照明の明るさを強くするように制御する。

これにより、情報処理装置１００は、利用者の快適温度と、所定の空間における空調の空調温度との温度差の大きさに応じて、適切に照明を制御することができる。したがって、情報処理装置１００は所定の空間に存在する個々の利用者の快適さをより向上させることができる。

また、推定部１３３は、所定の空間に設置された各照明に対応する各領域である一部の領域に存在する利用者の特徴に基づいて、利用者が快適であると感じる快適温度を一部の領域ごとに推定する。照明制御部１３５は、推定部１３３によって一部の領域ごとに推定された快適温度に基づいて、一部の領域に照らす照明を一部の領域ごとに制御する。

これにより、情報処理装置１００は、例えば、同じ室内の空間であっても、空調を制御することなく、個々の利用者に向けた照明を制御することにより、個々の利用者に応じた体感温度を実現することができる。したがって、情報処理装置１００は所定の空間に存在する個々の利用者の快適さをより向上させることができる。

〔６．ハードウェア構成〕
また、上述してきた実施形態に係る情報処理装置１００は、例えば図６に示すような構成のコンピュータ１０００によって実現される。図６は、情報処理装置１００の機能を実現するコンピュータの一例を示すハードウェア構成図である。コンピュータ１０００は、ＣＰＵ１１００、ＲＡＭ１２００、ＲＯＭ１３００、ＨＤＤ１４００、通信インターフェイス（Ｉ／Ｆ）１５００、入出力インターフェイス（Ｉ／Ｆ）１６００、及びメディアインターフェイス（Ｉ／Ｆ）１７００を備える。

ＣＰＵ１１００は、ＲＯＭ１３００またはＨＤＤ１４００に格納されたプログラムに基づいて動作し、各部の制御を行う。ＲＯＭ１３００は、コンピュータ１０００の起動時にＣＰＵ１１００によって実行されるブートプログラムや、コンピュータ１０００のハードウェアに依存するプログラム等を格納する。

ＨＤＤ１４００は、ＣＰＵ１１００によって実行されるプログラム、及び、かかるプログラムによって使用されるデータ等を格納する。通信インターフェイス１５００は、所定の通信網を介して他の機器からデータを受信してＣＰＵ１１００へ送り、ＣＰＵ１１００が生成したデータを所定の通信網を介して他の機器へ送信する。

ＣＰＵ１１００は、入出力インターフェイス１６００を介して、ディスプレイやプリンタ等の出力装置、及び、キーボードやマウス等の入力装置を制御する。ＣＰＵ１１００は、入出力インターフェイス１６００を介して、入力装置からデータを取得する。また、ＣＰＵ１１００は、生成したデータを入出力インターフェイス１６００を介して出力装置へ出力する。

メディアインターフェイス１７００は、記録媒体１８００に格納されたプログラムまたはデータを読み取り、ＲＡＭ１２００を介してＣＰＵ１１００に提供する。ＣＰＵ１１００は、かかるプログラムを、メディアインターフェイス１７００を介して記録媒体１８００からＲＡＭ１２００上にロードし、ロードしたプログラムを実行する。記録媒体１８００は、例えばＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto-Optical disk）等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等である。

例えば、コンピュータ１０００が実施形態に係る情報処理装置１００として機能する場合、コンピュータ１０００のＣＰＵ１１００は、ＲＡＭ１２００上にロードされたプログラムを実行することにより、制御部１３０の機能を実現する。コンピュータ１０００のＣＰＵ１１００は、これらのプログラムを記録媒体１８００から読み取って実行するが、他の例として、他の装置から所定の通信網を介してこれらのプログラムを取得してもよい。

以上、本願の実施形態のいくつかを図面に基づいて詳細に説明したが、これらは例示であり、発明の開示の欄に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。

〔７．その他〕
また、上記実施形態及び変形例において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。

また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。

また、上述してきた実施形態及び変形例は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。

また、上述してきた「部（section、module、unit）」は、「手段」や「回路」などに読み替えることができる。例えば、決定部は、決定手段や決定回路に読み替えることができる。

１ 情報処理システム
１０ センサ装置
２０ 照明装置
１００ 情報処理装置
１１０ 通信部
１２０ 記憶部
１２１ センサ情報記憶部
１２２ モデル情報記憶部
１３０ 制御部
１３１ 取得部
１３２ 生成部
１３３ 推定部
１３４ 算出部
１３５ 照明制御部

Claims (9)

1. 所定の空間の一部の領域に存在する利用者の特徴に基づいて、前記利用者が快適であると感じる快適温度を推定する推定部と、
   前記推定部によって推定された快適温度と、前記所定の空間における空調の空調温度との比較に基づいて、前記一部の領域を照らす照明を制御する照明制御部と、
   を備えることを特徴とする情報処理装置。
2. 前記照明制御部は、
   前記推定部によって推定された快適温度と、前記所定の空間における空調の空調温度との比較に基づいて、前記一部の領域を照らす照明を制御する
   ことを特徴とする請求項１に記載の情報処理装置。
3. 前記照明制御部は、
   前記一部の領域を照らす照明の光色を制御する
   ことを特徴とする請求項１または２に記載の情報処理装置。
4. 前記照明制御部は、
   前記推定部によって推定された快適温度が前記所定の空間における空調の空調温度よりも低い場合には、前記推定部によって推定された快適温度が前記空調温度よりも高い場合よりも、前記一部の領域を照らす照明の光色を暖色系の色に制御する
   ことを特徴とする請求項３に記載の情報処理装置。
5. 前記照明制御部は、
   前記一部の領域を照らす照明の明るさを制御する
   ことを特徴とする請求項１〜４のいずれか一つに記載の情報処理装置。
6. 前記照明制御部は、
   前記推定部によって推定された快適温度と、前記所定の空間における空調の空調温度との温度差が所定の閾値を超える場合には、前記温度差が所定の閾値以下である場合よりも、前記一部の領域を照らす照明の明るさを強くするように制御する
   ことを特徴とする請求項５に記載の情報処理装置。
7. 前記推定部は、
   前記所定の空間に設置された各照明に対応する各領域である前記一部の領域に存在する利用者の特徴に基づいて、前記利用者が快適であると感じる快適温度を前記一部の領域ごとに推定し、
   前記照明制御部は、
   前記推定部によって前記一部の領域ごとに推定された快適温度に基づいて、前記一部の領域を照らす照明を前記一部の領域ごとに制御する
   ことを特徴とする請求項１〜６のいずれか一つに記載の情報処理装置。
8. コンピュータが実行する情報処理方法であって、
   所定の空間の一部の領域に存在する利用者の特徴に基づいて、前記利用者が快適であると感じる快適温度を推定する推定工程と、
   前記推定工程によって推定された快適温度と、前記所定の空間における空調の空調温度との比較に基づいて、前記一部の領域を照らす照明を制御する照明制御工程と、
   を含むことを特徴とする情報処理方法。
9. 所定の空間の一部の領域に存在する利用者の特徴に基づいて、前記利用者が快適であると感じる快適温度を推定する推定手順と、
   前記推定手順によって推定された快適温度と、前記所定の空間における空調の空調温度との比較に基づいて、前記一部の領域を照らす照明を制御する照明制御手順と、
   をコンピュータに実行させることを特徴とする情報処理プログラム。

Images