JP7245403B2 - 建物における行動予知システムおよび方法 - Google Patents

Description

本発明は、建物における行動予知システムおよび方法に関する。

従来、建物内の人の移動および在室状況については、画像解析または人感センサ等により把握が可能であった。

例えば、特許文献１には、宅内に配置されている複数の人感センサにより、人が在室しているかどうかを検知する技術が開示されている。また、特許文献１には、空気調和制御装置１０を身に付けているユーザが移動する方向を求めて、移動しようとしている部屋の候補を推定する技術が開示されている。さらに、特許文献１には、過去の行動パターンを保存し、ユーザの移動先を推定する際に参照することで、同じ時間帯での居場所の確率に基づいて推定精度を向上させる技術が開示されている。

特開２０１５－１１４０１４号公報

しかしながら、特許文献１に記載された発明は、人が在室しているかどうかを検知するために、宅内に人感センサを複数配置する必要がある。特許文献１に記載された発明はまた、ユーザの過去の行動パターンを保存してユーザの移動先を推定するために、ユーザが空気調和制御装置１０を常時身に付ける必要がある。

本発明は、このような課題を解決するためになされたものであり、建物内にセンサを設置することなく、および人が何らかのデバイスを身に付けること、または携帯することなく、建物における人の行動予知を行う建物における行動予知システムおよび方法を提供することを目的とする。

本発明の一態様である、建物における行動予知システムは、一定時間ごとおよびエリアごとに計測された電力データに基づいて、人の在／不在状況を判定する手段と、判定された人の在／不在状況の事例を学習する手段と、学習された事例に基づいて、建物における所定時間経過後の人の行動を予知する手段をさらに備える。さらに、予知する手段は、天気、気温、曜日、時間の１つまたは複数と同様の条件を満たす過去の事例に基づいて、建物における所定時間経過後の人の行動を予知する。

本発明によれば、建物内にセンサを設置することなく、および人が何らかのデバイスを身に付けること、または携帯することなく、建物における人の行動予知が可能となる。また、人が意識することなく、安定的かつ継続的にデータの取得が可能となる。さらに、行動予知に基づいて、所定時間経過後の人の行動に則した建物内の設備の制御を行うことができる。

本発明の実施形態に係る室内環境制御システムの全体の構成を例示する図である。 本発明の実施形態に係る行動予知の処理フローを例示する図である。 本発明の実施形態に係る電力データを例示する図である。 本発明の実施形態に係る人の在／不在状況を判定した事例データを例示する図である。

以下、図面を参照しながら本発明の実施形態について詳細に説明する。複数の図面において同一の符号は同一の要素を表し、重複した説明は省略する。

図１は、本発明の実施形態に係る室内環境制御システムの全体の構成を例示する図である。図１は、概略的に、建物１００、分電盤１０１、室内環境制御部１０２、デバイス１１０、エキスパートシステム１１１、Ｗｅｂサーバ１２０、ネットワーク１３０およびネットワーク１４０が例示される。建物１００とデバイス１１０はネットワーク１３０を介して接続されており、デバイス１１０とＷｅｂサーバ１２０はネットワーク１４０を介して接続されている。

建物１００は、例えば、一戸建ての住宅、マンション等の集合住宅の専有部分、オフィスビルの専有部分等とすることができ、複数の部屋を備える。各部屋は１つまたは複数のコンセントを備え、分電盤１０１から電力の供給を受けることができる。各部屋の電気機器はコンセントに接続され、供給された電力により動作する。電気機器は、例えば、テレビ、冷蔵庫、洗濯機、照明器具、エアコン、ＰＣ等とすることができる。

分電盤１０１は、建物１００内の各部屋に電力を供給することができる周知の分電盤に、以下の機能が備えられている。分電盤１０１は、一定時間ごと（例えば、１時間ごと）、および部屋または分岐別電力によって規定される廊下、洗面所等の空間（以下、総称して「エリア」という。）ごとに使用電力、電力ピーク値を計測することができる。分電盤１０１はまた、計測したエリア、使用電力、電力ピークに計測日時の情報を含めた測定データをテキストデータとしてＣＳＶ（comma-separated values）ファイル等のデータファイルを作成することができる。分電盤１０１はまた、ネットワークインタフェースを備え、ネットワーク１３０を介して、作成されたＣＳＶファイル等のデータファイルをデバイス１１０に送信することができる。使用電力等の計測器、データファイルの作成およびネットワークインタフェースは、分電盤１０１と接続可能なように構成された外部の機器としてもよい。

室内環境制御部１０２は、外部から制御可能なエアコン、湿度調整機、空気清浄機等とすることができる。室内環境制御部１０２は、建物内の室温、湿度等の室内環境情報をエリアごとに取得してもよい。取得された室内環境情報は、ネットワーク１３０を介して、デバイス１１０に送信される。室内環境制御部１０２はまた、デバイス１１０により作成された室内環境の制御情報に基づいて、温度、湿度等の室内環境を制御することができる。室内環境の制御情報は、例えば、所定の時間経過後に人が寝室に在室するという行動予知がなされた場合、所定の時間経過後の寝室の室温を調整するように室内環境制御部１０２を制御する内容としてもよい。

デバイス１１０は、分電盤１０１とネットワーク１３０を介して通信できる装置であり、例えば、ＰＣ、タブレット、スマートフォン等とすることができる。デバイス１１０には、過去の使用電力、電力ピーク値等に基づいて、所定の時間経過後の人の行動予知ができるエキスパートシステム１１１（例えば、株式会社ソラ・ユニバーサルアーカイブス製 商品名「ＳＯＲＡ Ｔｈｉｎｋｅｙｅ」）が組み込まれている。

エキスパートシステム１１１は、一定時間ごとの使用電力、電力ピーク値に基づいて、建物における人の在／不在状況を判定し、在／不在状況について事例集積し、事例学習を自動で行い、使用電力の増減と人の行動との相関関係を求めることができる。在／不在状況の判定は、エリアごとにある時点の使用電力と所定の時間後の使用電力を比較して、使用電力の増減を確認することにより行われる。在／不在状況の判定は、例えば寝室のある時点の使用電力よりも寝室の所定の時間経過後の使用電力が増加していた場合、寝室に人が移動した（在室の状態になった）と判定することができる。在／不在状況の判定はまた、リビングの現在の使用電力よりもリビングの所定の時間経過後の使用電力が減少していた場合、リビングから人が移動した（不在の状態になった）と判定することができる。使用電力の比較は所定の閾値を使用してもよく、使用電力の増減が所定の閾値内である場合、人の在／不在状況は変わらないと判定してもよい。エキスパートシステム１１１は、エリアごとの使用電力の増減の順序に着目することで、人が移動した部屋および行動パターンを把握することができる。エキスパートシステム１１１はさらに、複数のエリアの使用電力に着目することで、複数の人の行動パターンを把握することができる。

エキスパートシステム１１１は、使用電力の増減に基づく在／不在状況の多量の事例（例えば、１万時間分、２万時間分等）を集積して事例学習することができる。エキスパートシステム１１１は、例えば、所定の時間経過後にリビング等の特定のエリアにおける使用電力が減少すると判定された在／不在状況の事例を学習することができる。エキスパートシステム１１１はまた、例えば、所定の時間にリビングの使用電力が減少する一方で寝室の使用電力が増加する等の複数エリアにおける使用電力の相関を含めて、判定された在／不在状況の事例を学習することができる。エキスパートシステム１１１は、気温、天気、湿度等の外部環境情報、および／または曜日、時間等の情報と関連付けて事例の学習を行うことができる。

エキスパートシステム１１１はさらに、過去の事例と同様の条件が満たされた場合、所定の時間経過後にどの部屋に人が在室するかの行動予知を行うことができる。行動予知は、例えば過去の２万時間分の事例のうち、現在と同じ曜日、時間等の条件を満たす事例に基づいて、所定の時間経過後には人がリビングに在室する等の行動予知が可能となる。行動予知の条件はさらに、気温、天気、湿度等の外部環境情報を組み合わせてもよい。

エキスパートシステム１１１はまた、建物における所定の時間後の行動予知に基づいて、環境の変化に対応させた室内環境の制御情報を作成することができる。例えば、所定の時間経過後には人が寝室に在室するという行動予知が行われた場合、所定の時間経過後の寝室の室温、湿度等を調整するための室内環境の制御情報を作成することができる。室内環境の制御情報は、Ｗｅｂサーバ１２０から受信した天気、気温、湿度等の外部環境情報に基づいて制御範囲が調整されてもよい。エキスパートシステム１１１は、建物１００に室内環境の制御情報を送信し、室内環境制御部１０２により、室温、湿度等の調整を行わせることができる。このようにすることで、適切なタイミングで快適な居住環境を提供することができる。

Ｗｅｂサーバ１２０は、民間の気象予報会社等のサーバとすることができ、ネットワーク１４０を介して、天気、気温、湿度等の外部環境情報をデバイス１１０に送信することができる。

ネットワーク１３０は、建物１００とデバイス１１０との間で相互通信可能な周知のネットワークとすることができ、特に限定されることはない。ネットワーク１４０は、デバイス１１０とＷｅｂサーバ１２０との間で相互通信可能な周知のネットワークとすることができ、特に限定されることはない。

図２は、本発明の実施形態に係る行動予知の処理フローを例示する図である。以下、建物１００の分電盤１０１がエリアごとに使用電力等の情報を取得する場合について説明する。

ステップＳ２０１において、分電盤１０１は、一定時間ごと（例えば、１時間ごと）、およびエリアごとに使用電力、電力ピーク値を計測し、計測日時の情報を含めたＣＳＶファイル等のテキストデータを作成する。分電盤１０１は、ネットワーク１３０を介して、作成されたＣＳＶファイル等のテキストデータをデバイス１１０に送信する。

ステップＳ２０２において、デバイス１１０は、ネットワーク１４０を介して、Ｗｅｂサーバ１２０から外部環境情報を受信する。外部環境情報は、民間の気象予報会社が提供している天気、気温、湿度等の情報とすることができる。

ステップＳ２０３において、デバイス１１０のエキスパートシステム１１１は、エリアごとに在／不在状況を判定する。在／不在状況の判定は、エリアごとにある時点の使用電力と所定の時間後の使用電力を比較して、使用電力の増減を確認することにより行われる。在／不在状況の判定は、例えば寝室のある時点の使用電力よりも寝室の所定の時間経過後の使用電力が増加していた場合、寝室に人が移動した（在室の状態になった）と判定することができる。在／不在状況の判定はまた、リビングの現在の使用電力よりもリビングの所定の時間経過後の使用電力が減少していた場合、リビングから人が移動した（不在の状態になった）と判定することができる。使用電力の比較は所定の閾値を使用してもよく、使用電力の増減が所定の閾値内である場合、人の在／不在状況は変わらないと判定してもよい。

ステップＳ２０４において、デバイス１１０のエキスパートシステム１１１は、使用電力の増減に基づく在／不在状況の多量の事例（例えば、１万時間分、２万時間分等）を集積して事例学習を行う。エキスパートシステム１１１は、例えば、所定の時間にリビングの使用電力が減少する一方で寝室の使用電力が増加する等により判定された在／不在状況の事例を学習することができる。エキスパートシステム１１１は、気温、天気、湿度等の外部環境情報、および／または曜日、時間等の情報と関連付けて事例の学習を行ってもよい。

ステップＳ２０５において、デバイス１１０のエキスパートシステム１１１は、過去の事例と同様の条件が満たされた場合、所定の時間経過後にどの部屋に人が在室するかの行動予知を行うことができる。行動予知は、例えば過去の２万時間分の事例のうち、現在と同じ曜日、時間等の条件を満たす事例に基づいて、所定の時間経過後には人がリビングに在室する等の行動予知が可能となる。行動予知の条件はさらに、気温、天気、湿度等の外部環境情報を組み合わせてもよい。

このようにすることで、建物内にセンサを設置することなく、および人が何らかのデバイスを身に付けることなく、建物における人の行動予知が可能となる。

別の実施形態において、デバイス１１０のエキスパートシステム１１１は、所定の時間経過後に人が在室していると行動予知されたエリアの室内環境を制御してもよい。例えば、現在は寝室に在室していないが、所定の時間経過後には在室していると行動予知された場合、建物１００の室内環境制御部１０２によって寝室の所定の時間経過後の室温、湿度を制御してもよい。このようにすることで、室温の急激な変化等を防止し、快適な居住空間を提供することが可能となる。すなわち、行動予知に基づいて、人の将来の行動に則した建物内の設備の制御を行うことができる。

また、別の実施形態において、建物１００の室内環境制御部１０２により取得された室内環境情報に基づいて事例集積および事例学習を行ってもよい。このようにすることで、在室する人の好みに応じた室内環境（例えば、空調の設定温度および湿度等）を把握することができるため、在室する人に応じて室内環境を制御することができる。

図３は、本発明の実施形態に係る電力データを例示する図である。図３は、デバイス１１０が分電盤１０１から受信したＣＳＶファイルに、Ｗｅｂサーバ１２０から受信した外部環境情報等を追加したデータを例示している。ＣＳＶファイルは、データ項目として計測時、気温、天気、使用電力（総合）、エリア別の使用電力、電力ピーク値等を例示し、各データの値の一部を例示しているが、これら以外のデータ項目を含むことも可能である。図３のデータの値は、例えば１６時に計測したリビングの使用電力が０．０７（ｋＷｈ）であり、１８時に計測したリビングの使用電力が０．１１（ｋＷｈ）であることを示している。

図４は、本発明の実施形態に係る人の在／不在状況を判定した事例データを例示する図である。図４は、図３のＣＳＶファイルに基づいて、エリアごとに所定の時間経過後の電力データを比較した結果を例示している。図４において、所定の時間は２時間として例示するがこれに限られない。比較結果は例えば、図３において１６時に計測したリビングの使用電力が０．０７（ｋＷｈ）であり、１８時に計測したリビングの使用電力が０．１１（ｋＷｈ）であったため、図４において１６時の行かつリビングの列が「増」となる。したがって、リビングにおいて、１６時には人が不在の状態であったが、２時間後の１８時には人が在室の状態になると判定することができる。比較結果は同様に、図３において１８時に計測したダイニングの使用電力が０．０６（ｋＷｈ）であり、２０時に計測したダイニングの使用電力が０．０２（ｋＷｈ）であったため、図４において１８時の行かつダイニングの列が「減」となる。したがって、ダイニングにおいて、１８時には人が在室の状態であったが、２時間後の２０時には人が移動した（不在の状態になった）と判定することができる。比較結果は同様に、図３において１６時に計測した寝室の使用電力が０．０３（ｋＷｈ）であり、１８時に計測した寝室の使用電力が０．０３（ｋＷｈ）であったため、図４において１６時の行かつ寝室の列が「変わらず」となる。したがって、寝室において１６時の人の在／不在状況と２時間後の在／不在状況は変化がないと判定することができる。

説明のため各処理を分けて記載したが、各処理を統合、連携させ、それぞれが有する処理の一部または全部を他の処理が行うように実装されてもよい。

以上、例示的な実施形態を参照しながら本発明の原理を説明したが、本発明の要旨を逸脱することなく、構成および細部において変更する様々な実施形態を実現可能であることを当業者は理解することができる。すなわち、本発明は、例えば、システム、装置、方法、プログラムもしくは記憶媒体等としての実施態様を採用することが可能である。

１００ 建物
１０１ 分電盤
１０２ 室内環境制御部
１１０ デバイス
１１１ エキスパートシステム
１２０ Ｗｅｂサーバ
１３０、１４０ ネットワーク

Claims (6)

1. 一定時間ごとおよび建物のエリアごとに計測された電力データのうち、同一の前記エリアの第１の時間の電力データと第２の時間の電力データを比較して前記第２の時間の使用電力が前記第１の時間の使用電力よりも増加しているか、あるいは減少しているかを判定することに基づいて、前記第２の時間での前記エリアのそれぞれにおける人の在／不在状況を判定する手段であって、前記第１の時間は、前記第２の時間よりも過去の時間を示す、手段と、
   前記判定された人の在／不在状況の事例を学習する手段と、
   前記学習された事例に基づいて、前記建物のそれぞれのエリアにおける所定時間経過後の人の在／不在状況を予知する手段と、
   を備えた、システム。
2. 前記予知する手段は、天気、気温、曜日、時間の１つまたは複数と同様の条件を満たす過去の事例に基づいて、前記建物における所定時間経過後の人の在／不在状況を予知する、請求項１に記載のシステム。
3. エキスパートシステムを備えたデバイスであって、
   一定時間ごとおよび建物のエリアごとに計測された電力データを受信し、
   同一の前記エリアの第１の時間の電力データと第２の時間の電力データを比較して前記第２の時間の使用電力が前記第１の時間の使用電力よりも増加しているか、あるいは減少しているかを判定し、
   前記電力データを比較した判定結果に基づいて、前記第２の時間での前記エリアのそれぞれにおける人の在／不在状況を判定し、前記第１の時間は、前記第２の時間よりも過去の時間を示し、
   前記判定された人の在／不在状況の事例を学習し、
   前記学習された事例に基づいて、前記建物のそれぞれのエリアにおける所定時間経過後の人の在／不在状況を予知する、デバイス。
4. 前記デバイスはさらに、天気、気温、曜日、時間の１つまたは複数と同様の条件を満たす過去の事例に基づいて、前記建物における所定時間経過後の人の在／不在状況を予知する、請求項３に記載のデバイス。
5. コンピュータにより実施される方法であって、
   一定時間ごとおよび建物のエリアごとに計測された電力データのうち、同一の前記エリアの第１の時間の電力データと第２の時間の電力データを比較して前記第２の時間の使用電力が前記第１の時間の使用電力よりも増加しているか、あるいは減少しているかを判定することに基づいて、前記第２の時間での前記エリアのそれぞれにおける人の在／不在状況を判定することであって、前記第１の時間は、前記第２の時間よりも過去の時間を示す、ことと、
   前記判定された人の在／不在状況の事例を学習することと、
   前記学習された事例に基づいて、前記建物のそれぞれのエリアにおける所定時間経過後の人の在／不在状況を予知することと、
   を含む、方法。
6. 請求項５に記載の方法をコンピュータに実行させるためのプログラム。

Images