JP7403682B2 - 機器制御装置、プログラム及び機器制御特定方法 - Google Patents
機器制御装置、プログラム及び機器制御特定方法 Download PDFInfo
- Publication number
- JP7403682B2 JP7403682B2 JP2022560601A JP2022560601A JP7403682B2 JP 7403682 B2 JP7403682 B2 JP 7403682B2 JP 2022560601 A JP2022560601 A JP 2022560601A JP 2022560601 A JP2022560601 A JP 2022560601A JP 7403682 B2 JP7403682 B2 JP 7403682B2
- Authority
- JP
- Japan
- Prior art keywords
- control method
- user
- lifestyle
- personality
- frequency
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 309
- 238000000605 extraction Methods 0.000 claims description 49
- 230000006870 function Effects 0.000 claims description 35
- 239000000284 extract Substances 0.000 claims description 23
- 238000001514 detection method Methods 0.000 claims description 22
- 238000013500 data storage Methods 0.000 claims description 21
- 230000009471 action Effects 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 8
- 230000002349 favourable effect Effects 0.000 claims description 3
- 230000007423 decrease Effects 0.000 claims description 2
- 238000001816 cooling Methods 0.000 description 35
- 230000002996 emotional effect Effects 0.000 description 16
- 238000004891 communication Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 10
- 230000006399 behavior Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 238000004378 air conditioning Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000010411 cooking Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/167—Personality evaluation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/02—Details
- H04L12/12—Arrangements for remote connection or disconnection of substations or of equipment thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F13/00—Interconnection of, or transfer of information or other signals between, memories, input/output devices or central processing units
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Pathology (AREA)
- Molecular Biology (AREA)
- Hospice & Palliative Care (AREA)
- Social Psychology (AREA)
- Developmental Disabilities (AREA)
- Child & Adolescent Psychology (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Educational Technology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Selective Calling Equipment (AREA)
- Telephonic Communication Services (AREA)
- Details Of Television Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
図1は、実施の形態1に係る機器制御装置110を備える機器制御システム100の構成を概略的に示すブロック図である。
機器制御システム100は、機器101A、101Bと、センサ102と、ユーザデバイス103と、機器制御装置110とを備える。
ここで、機器101A、101Bの各々を特に区別する必要がない場合には、機器101A、101Bの各々を機器101という。機器制御システム100には、一つの機器101が存在していても、二つ以上の機器101が存在していてもよい。
センサ102は、機器101の何れかに内蔵されていてもよい。また、機器制御システム100には、一又は複数のセンサ102が存在していても、センサ102が存在していなくてもよい。
なお、テレビ又は冷蔵庫等の機器101がユーザデバイス103の役割を兼ねてもよい。制御対象となる機器101を利用する複数のユーザが存在する場合は、複数のユーザデバイス103が存在し、それぞれのユーザがそれぞれのユーザデバイス103を保持していてもよい。
図1に示されているように、機器制御装置110は、通信部111と、生活データ記憶部112と、生活パターン抽出部113と、性格情報取得部114と、制御方法特定部115と、制御部116とを備える。
生活データは、機器101に関する複数のイベントの履歴を少なくとも示す。生活データには、センサ102に関する複数のイベントの履歴が含まれていてもよい。
複数のイベントの履歴は、例えば、機器101又はセンサ102の操作履歴又は動作履歴である。操作とは、例えば、オン操作、オフ操作、設定変更操作、タイマー設定操作等である。動作とは、例えば、動作開始、動作完了、動作変更、センサ102の検知、センサ102の定期的な計測値取得等である。
図2に示されているように、生活データ120は、イベント日時列120aと、種別列120bと、イベント内容列120cとを備えるテーブル情報である。
種別列120bは、イベントが行われた機器101又はセンサ102の種別を格納する。
イベント内容列120cは、行われたイベントの内容を示す情報を格納する。イベント内容列120cには、例えば、センサ102の検知、機器101の有する機能の使用(例えば、オン操作)又は停止(例えば、オフ操作)等が格納されればよい。なお、機器101が一つの機能しか有しない場合には、機器101の使用又は停止は、その一つの機能の使用又は停止を示すものとしてもよい。
また、図2の例では、機器101Aがエアコン、機器101Bがテレビ、センサ102が人感センサである場合を示しているが、機器制御装置110に接続され、履歴が記憶される機器101及びセンサ102は、これらに限定されるものではない。
実施の形態1における生活パターンは、時間等の条件毎に、それぞれの機器101のそれぞれの機能が利用される頻度である。
例えば、生活データには、機器101に関する複数のイベントとして、機器101の機能に対する複数の操作が含まれている。そして、生活パターン抽出部113は、その生活データを参照することで、予め定められた時間帯毎にその複数の操作の各々が行われる頻度を算出し、予め定められた時間帯毎のその複数の操作の各々の頻度を生活パターンとして抽出する。
図3は、エアコンの冷房が時刻毎にオンである頻度を示すグラフである。
実施の形態1における生活パターンは、予め定められた時間帯毎の頻度であり、特定の期間内に各々の時間帯において特定の機能(ここでは、冷房)が利用されている回数を、その特定の期間の日数で割ったものである。
また、生活パターン抽出部113は、特定の期間を平日と休日とに分けて、それぞれの期間で別個に時間帯毎の頻度を算出して、生活パターンとしてもよい。これは、平日と休日のそれぞれの生活パターンに合わせた機器制御を可能とするため好適である。
さらに、生活パターンは時間帯毎に求められた頻度以外にも、例えば、室温の値毎に機能が利用される頻度等であってもよい。
性格情報は、例えば、ビッグファイブパーソナリティ特性である。ビッグファイブパーソナリティ特性は、5因子モデルとも呼ばれ、開放性、勤勉性、外向性、協調性及び情緒安定性という5つのパラメータで性格(パーソナリティ)を特性付けるものである。即ち、性格情報は、そのようなパラメータを要素に含めばよい。ビッグファイブパーソナリティ特性については、下記の文献に詳細に説明されている。
John, Oliver P., Laura P. Naumann, and Christopher J. Soto. “Paradigm shift to the integrative big five trait taxonamy.” Handbook of personality: Theory and research 3.2 (2008),pp.114-158
勤勉性は、向上心があり達成を目指す傾向又は計画的な行動を好む傾向の度合いを表し、誠実性と言い換えてもよい。
外向性は、他者との付き合い又は会話を好む度合いを表す。
協調性は、他者に協力的である傾向の度合いを表し、調和性又は愛着性と言い換えてもよい。
情緒安定性は、安定した性格であり不快な感情を経験しにくい傾向の度合いを表し、その反対の意味で神経症傾向と言い換えてもよい。
Tangney, June P., Roy F. Baumeister, and Angie Luzio Boone. “High self-control predicts good adjustment, less pathology, better grades, and interpersonal succes.” Journal of personality 72.2(2004), pp.271-324
なお、性格情報には、心理学分野でその定義と測定方法が確立されている他のパラメータが含まれてもよい。なお、機器101を利用するユーザが複数人存在する場合は、性格情報は、それらユーザの複数人分が存在することが好適である。
Youyou, Wu, Michal Kosinski, and David Stillwell. “Computer-based personality judgments are more accurate than those made by humans.” Proceedings of the National Academy of Sciences 112.4 (2015), pp. 1036-1040
Stachl, Clemens, et al. “Predicting personality from patterns of behavior collected with smartphones.” Proceedings of the National Academy of Sciences 117.30 (2020), pp. 17680-17687
なお、性格情報を取得する際に用いられるユーザデバイスは、図1に示されているユーザデバイス103と同一であっても別のユーザデバイスであってもよい。
また、制御対象となる機器101毎に、その機器101を利用するユーザを登録しておくことは、機器101を利用するユーザの性格に応じた機器101の制御を可能とするため好適である。その際にユーザ毎に利用する頻度又は時間帯を設定しておくことは、利用するユーザの特定の精度を上げ、よってユーザの性格に応じた機器101の制御を可能とするため好適である。
また、センサが機器101の操作ボタンに付属した指紋センサであり、それによってユーザを識別してもよい。他にも、ユーザが音声により機器101を操作する場合に、音声情報からユーザが識別されてもよい。さらに、ユーザがそれぞれ保持するユーザデバイスを介して機器101の操作を行う場合に、操作に用いられたユーザデバイスの登録情報からユーザが識別されてもよい。
例えば、制御方法特定部115は、性格情報に基づいて閾値を特定し、特定された閾値と、生活パターンとを比較することで、機器101の制御方法を特定する。
以上のように、生活パターン抽出部113、性格情報取得部114、制御方法特定部115及び制御部116は、処理回路網により実現することができる。
また、通信部111は、NIC(Network Interface Card)等の通信装置により構成することができる。
図5は、機器制御装置110の全体的な動作の一例を示すフローチャートである。
まず、通信部111は、機器101及びセンサ102等から生活データを受信し、その生活データを生活データ記憶部112に記憶させる(S10)。
生活パターン抽出部113は、記憶された生活データから生活パターンを抽出する(S11)。
性格情報取得部114は、通信部111を介して、ユーザの性格情報を取得する(S12)。
制御部116は、制御方法特定部115が特定した機器制御方法に基づいて、機器101の制御を行う(S14)。
実施の形態1では、機器制御方法として、自動制御及びレコメンドが行われるものとする。
レコメンドは、生活パターンにおいて頻度が高く、ユーザによってなされる可能性が高い操作について、その操作を実行することを予めユーザに通知し、ユーザが受諾すればその制御を行う機器制御方法である。レコメンドを行う機器制御方法を第二の機器制御方法ともいう。
制御方法特定部115は、性格情報取得部114が取得した性格情報に応じて自動制御の閾値である自動制御閾値を決定する(S20)。自動制御閾値を第一の閾値ともいう。
制御方法特定部115は、生活パターン抽出部113が抽出した生活パターンと、ステップS20で決定された自動制御閾値とから、自動制御を行う対象操作及び時刻を決定する(S21)。ここでの時刻は、対応する時間帯の何れの時刻であってもよい。例えば、その時間帯が開始される時間帯である開始時刻であってもよく、その時間帯の中間の時刻である中間時刻あってもよく、その時間帯が終了する時刻である終了時刻でもよい。また、閾値を算出する際に用いられたイベントが行われた平均の時刻である平均時刻であってもよい。
制御方法特定部115は、生活パターン抽出部113が抽出した生活パターンと、ステップS22で決定されたレコメンド閾値とから、レコメンドを行う対象操作及び時刻を決定する(S23)。ここでの時刻は、対応する時間帯の何れの時刻であってもよい。例えば、その時間帯が開始される時間帯である開始時刻であってもよく、その時間帯の中間の時刻である中間時刻あってもよく、その時間帯が終了する時刻である終了時刻でもよい。また、閾値を算出する際に用いられたイベントが行われた平均の時刻である平均時刻であってもよい。
図7は、機器制御方法を特定する第1の例を説明するためのグラフである。
図7では、機器101がエアコンであり、冷房がオンにされた頻度に基づいて、制御方法を特定する例を説明する。ここでは、ユーザの性格情報は、平均的なものであるとする。例えば、性格情報において、開放性、勤勉性、外向性、協調性、情緒安定性及びセルフコントロールを示す全てのパラメータが、予め定められた数値範囲に含まれている場合である。ここでの数値範囲は、全てのパラメータについて同じとなっていてもよく、パラメータ毎に異なっていてもよい。
そして、制御方法特定部115は、機器101であるエアコンの冷房がオンである頻度が、自動制御閾値AThを超える場合に、エアコンの冷房をオンとする自動制御を行うものとし、その自動制御の時刻は、その頻度が自動制御閾値AThを超える時刻とする。
また、制御方法特定部115は、エアコンの冷房がオンである頻度がレコメンド閾値RThを超える場合に、エアコンの冷房をオンとするレコメンドを行うものとし、そのレコメンドの時刻は、その頻度がレコメンド閾値RThを超える時刻とする。
図7の例では、制御方法特定部115は、6:00にエアコンの冷房をオンにするレコメンドを行い、6:21にエアコンの冷房をオンにする自動制御を行う、という機器制御方法を特定する。
制御方法特定部115は、例えば、機器101の機能をオンからオフとする制御における自動制御閾値を自動制御基準閾値である10%、そのレコメンド閾値をレコメンド基準閾値である50%と決定してもよい。
なお、図7の例ではエアコンの冷房がオンである頻度に基づいて機器制御方法を特定しているが、同様に、エアコン以外の機器101の機能の頻度、オンではない特定の機能が利用されている頻度、センサ102が測定した値が閾値を超えている頻度等に基づいて機器制御方法が特定されていてもよい。
図8は、機器制御方法を特定する第2の例を説明するためのグラフである。
ユーザの性格情報において機器制御を発生させやすくした方が機器制御によるサービスの効果が向上する場合、例えば、ユーザの開放性が高い場合、情緒安定性が高い場合、勤勉性が低い場合、又は、セルフコントロールが低い場合には、制御方法特定部115は制御の閾値を下げることによって機器制御を発生させやすくする。
例えば、性格情報において、開放性が予め定められた数値範囲よりも高い場合、情緒安定性が予め定められた数値範囲よりも高い場合、勤勉性が予め定められた数値範囲よりも低い場合、又は、セルフコントロールが予め定められた数値範囲よりも低い場合である。
図9は、機器制御方法を特定する第3の例を説明するためのグラフである。
ユーザの性格情報において機器制御を発生させにくくした方が機器制御によるサービスの効果が向上する場合、例えば、ユーザの開放性が低い場合、情緒安定性が低い場合、勤勉性が高い場合、又は、セルフコントロールが高い場合には、制御方法特定部115は制御の閾値を上げることによって機器制御を発生させにくくする。
例えば、性格情報において、開放性が予め定められた数値範囲よりも低い場合、情緒安定性が予め定められた数値範囲よりも低い場合、勤勉性が予め定められた数値範囲よりも高い場合、又は、セルフコントロールが予め定められた数値範囲よりも高い場合である。
図10は、機器制御方法を特定する第4の例を説明するためのグラフである。
ユーザの性格情報においてレコメンドを発生させやすくした方が機器制御によるサービスの効果が向上する場合、例えば、ユーザの外向性が高い場合、又は、協調性が高い場合には、制御方法特定部115は、制御の閾値を変更することによってレコメンドを発生させやすくする。
例えば、性格情報において、外向性が予め定められた数値範囲よりも高い場合、又は、協調性が予め定められた数値範囲よりも高い場合である。
また、ユーザ毎に利用する頻度若しくは時間帯が予め設定してある、又は、センサ102により個人の識別ができ、現在どのユーザが利用しているかについて可能性を定量化できる場合は、その値を重み付けして性格情報を表すパラメータの平均を取り、その値に応じて閾値が決定されてもよい。
図11は、制御部116の動作を示すフローチャートである。
まず、制御部116は、自動制御を行うタイミングであるか否かを判断する(S30)。ここで、制御部116は、制御方法特定部115が特定した自動制御を行う時刻であったとしても、制御に効果がない場合は制御を行うタイミングではないと判断する。制御に効果がない場合は、例えば、制御内容がエアコンの冷房をオンにするものでありその時刻より前にユーザが既にエアコンの冷房をオンにしている場合等である。自動制御を行うタイミングである場合(S30でYes)には、処理はステップS31に進み、自動制御を行うタイミングではない場合(S30でNo)には、処理はステップS33に進む。
制御部116は、通信部111を介して、ユーザデバイス103に実行した制御内容を通知する(S32)。そして、処理はステップS33に進む。
例えば、ユーザの性格が、機器制御装置110により機器101が制御されることを好ましく感じる場合には、制御方法特定部115は、制御の頻度が上がるように閾値を特定する。一方、ユーザの性格が、機器制御装置110により機器101が制御されることを好ましく感じない場合には、制御の頻度が下がるように閾値を特定する。
また、ユーザの性格が、ユーザの行動を統制する程度が強い場合には、制御方法特定部115は、制御の頻度が下がるように閾値を特定する。一方、ユーザの性格がユーザの行動を統制する程度が弱い場合には、制御方法特定部115は、制御の頻度が上がるように閾値を特定する。
さらに、ユーザの性格が対話を好ましく感じる場合には、制御方法特定部115は、リコメンドする頻度が上がるように第二の閾値を特定する。一方、ユーザの性格が対話を好ましく感じない場合には、制御方法特定部115は、リコメンドする頻度が下がるように第二の閾値を特定する。この場合には、自動制御がされにくくするために、第一の閾値があげられてもよいが、実施の形態1は、このような例に限定されない。
ユーザが求めるものである可能性が著しく高い制御は、自動制御を行うことでユーザの受諾といった手間を減らすことができる。また、可能性が著しく高くない制御の場合は、レコメンドを行いユーザの受諾を求めることで、ユーザの意図に一致していない制御及びそれによる不快感を減らすことができる。
図1に示されているように、実施の形態2に係る機器制御装置210を備える機器制御システム200は、機器101と、センサ102と、ユーザデバイス103と、機器制御装置210とを備える。
実施の形態2における機器制御システム200の機器101、センサ102及びユーザデバイス103は、実施の形態1における機器制御システム100の機器101、センサ102及びユーザデバイス103と同様である。
実施の形態2に係る機器制御装置210の通信部111、生活データ記憶部112及び性格情報取得部114は、実施の形態1に係る機器制御装置210の通信部111、生活データ記憶部112及び性格情報取得部114と同様である。
実施の形態2における生活パターンは、条件毎に機器101又はセンサ102のイベントが連動する頻度である。
図12では、機器101Aは、エアコン、機器101Bは、テレビ、及び、センサ102は、人感センサであるものとする。
図12では、エアコンの冷房のオン操作、エアコンの冷房のオフ操作、テレビの視聴のオン操作、テレビの視聴のオフ操作、及び、人感センサによる人の検知といったイベントが連動する頻度を示している。
そして、図12の横の行は、トリガに連動する操作が示されている。ここでは、エアコンの冷房のオン操作、エアコンの冷房のオフ操作、テレビの視聴のオン操作、及び、テレビの視聴のオフ操作がトリガに連動する操作である。
ここでは、特定の期間は、生活パターン抽出を行う日から過去1か月間の内、平日の午前5時から午前10時とし、予め定められた期間は5分間としたが、必要に応じて変更されてもよい。
例えば、連動するイベントが「テレビの視聴がONとなる」であるものとする。そして、トリガとなるイベントが生じたときにテレビの視聴がOFFであれば、連動するイベントが起き得た場合になる。一方、トリガとなるイベントが生じたときに既にテレビの視聴がONであれば、連動するイベントが起き得なかった場合になる。
また、特定の期間を朝及び夕方等の時間帯に分けて、それぞれの期間で別個にイベントが連動する頻度を算出して生活パターンとすることは、それぞれの時間帯におけるそれぞれの生活パターンに合わせた機器制御を可能とするため好適である。
また、同一の機器101の特定の機能のONと、そのOFFといった同一の操作に関する連動は制御に用いないとして、図12にも示されているように生活パターンから省略されてもよい。
例えば、制御方法特定部215は、性格情報に基づいて閾値を特定し、特定された閾値と、生活パターンとを比較することで、機器101の制御方法を特定する。実施の形態2では、制御方法特定部215は、トリガとなるイベントと、トリガに連動するイベントとを機器制御方法として特定する。
具体的には、制御方法特定部215は、閾値として第一の閾値を超えた場合に、制御として、対応する順列において先の操作が行われたときに後の操作を自動的に行う第一の機器制御方法と、閾値として第二の閾値を超えた場合に、制御として、対応する順列において先の操作が行われたときに後の操作を行うことをリコメンドする第二の機器制御方法と、を機器制御方法として特定する。
具体的には、制御方法特定部215は、閾値として第一の閾値を超えた場合に、制御として、検知が行われたときに対応する操作を自動的に行う第一の機器制御方法と、閾値として、第一の閾値よりも低い第二の閾値を超えた場合に、制御として、検知が行われたときに対応する操作を行うことをリコメンドする第二の機器制御方法と、を機器制御方法として特定する。
なお、制御方法の特定方法の詳細については、後述する。
図13では、機器101がエアコン及びテレビであり、センサ102は、人感センサであるものとする。そして、エアコンの冷房、テレビの視聴及び人感センサの検知が連動する場合を説明する。また連動する頻度は、平日の午前5時から午前10時の間で求められたものである。
また、エアコン冷房ONに連動したテレビ視聴ONの操作、エアコン冷房OFFに連動したテレビ視聴OFFの操作、テレビ視聴OFFに連動したエアコン冷房OFFの操作、人感センサ検知に連動したエアコン冷房OFFの操作が、レコメンド閾値を超えている。
また、制御方法特定部215は、イベントが連動する頻度がレコメンド閾値を超える場合に、その連動するイベントのレコメンドを行うものとし、そのレコメンドのタイミングはトリガのイベントが生じた時刻とする機器制御方法を特定する。
図14は、機器101が連動する頻度に基づいて、機器制御方法を特定する第2の例を説明するための表である。
ユーザの性格情報において機器制御を発生させやすくした方が機器制御によるサービスの効果が向上する場合、例えば、ユーザの開放性が高い場合、情緒安定性が高い場合、勤勉性が低い場合、又は、セルフコントロールが低い場合には、制御方法特定部215は制御の閾値を下げることによって機器制御を発生させやすくする。
例えば、性格情報において、開放性が予め定められた数値範囲よりも高い場合、情緒安定性が予め定められた数値範囲よりも高い場合、勤勉性が予め定められた数値範囲よりも低い場合、又は、セルフコントロールが予め定められた数値範囲よりも低い場合である。
このように閾値を下げたことで機器制御の頻度は上昇する。また、レコメンドが自動制御に変更されており自動化が促進されている。
図15は、機器101が連動する頻度に基づいて、機器制御方法を特定する第3の例を説明するための表である。
ユーザの性格情報において機器制御を発生させにくくした方が機器制御によるサービスの効果が向上する場合、例えば、ユーザの開放性が低い場合、情緒安定性が低い場合、勤勉性が高い場合、又は、セルフコントロールが高い場合には、制御方法特定部215は制御の閾値を上げることによって機器制御を発生させにくくする。
例えば、性格情報において、開放性が予め定められた数値範囲よりも低い場合、情緒安定性が予め定められた数値範囲よりも低い場合、勤勉性が予め定められた数値範囲よりも高い場合、又は、セルフコントロールが予め定められた数値範囲よりも高い場合である。
このように閾値を上げたことで機器制御の頻度は減少する。また、自動制御がレコメンドに変更されており自動化が抑制されている。
図16は、機器101が連動する頻度に基づいて、機器制御方法を特定する第4の例を説明するためのグラフである。
ユーザの性格情報においてレコメンドを発生させやすくした方が機器制御によるサービスの効果が向上する場合、例えば、ユーザの外向性が高い場合、又は、協調性が高い場合には、制御方法特定部115は、制御の閾値を変更することによってレコメンドを発生させやすくする。
例えば、性格情報において、外向性が予め定められた数値範囲よりも高い場合、又は、協調性が予め定められた数値範囲よりも高い場合である。
このように閾値を変更したことでレコメンドの頻度は上昇する。
Claims (18)
- ユーザの性格を示す性格情報を取得する性格情報取得部と、
前記性格情報と、前記ユーザの生活パターンとから、前記ユーザが使用する機器の制御方法である機器制御方法を特定する制御方法特定部と、
前記機器制御方法に従って、前記機器を制御する制御部と、
前記機器に関する複数のイベントの履歴を少なくとも示す生活データを記憶する生活データ記憶部と、
前記生活データから前記生活パターンを抽出する生活パターン抽出部と、を備え、
前記複数のイベントには、前記機器の機能に対する複数の操作が含まれており、
前記生活パターン抽出部は、前記生活データを参照することで、予め定められた時間帯毎に前記複数の操作の各々が行われる頻度を算出し、前記予め定められた時間帯毎の前記複数の操作の各々の前記頻度を前記生活パターンとして抽出し、
前記制御方法特定部は、前記性格情報を参照することで、前記ユーザの性格に応じて閾値を特定し、前記頻度が前記閾値を超えた場合に、対応する時間帯において対応する操作に関する制御を行うように前記機器制御方法を特定すること
を特徴とする機器制御装置。 - ユーザの性格を示す性格情報を取得する性格情報取得部と、
前記性格情報と、前記ユーザの生活パターンとから、前記ユーザが使用する機器の制御方法である機器制御方法を特定する制御方法特定部と、
前記機器制御方法に従って、前記機器を制御する制御部と、
前記機器に関する複数のイベントの履歴を少なくとも示す生活データを記憶する生活データ記憶部と、
前記生活データから前記生活パターンを抽出する生活パターン抽出部と、を備え、
前記複数のイベントには、前記機器の機能に対する複数の操作が含まれており、
前記生活パターン抽出部は、前記生活データを参照することで、前記複数の操作から二つの操作を抽出した複数の順列の内、前記二つの操作の内の先の操作から後の操作が予め定められた期間内に行われる頻度を算出し、前記複数の順列の各々における前記頻度を前記生活パターンとして抽出し、
前記制御方法特定部は、前記性格情報を参照することで、前記ユーザの性格に応じて閾値を特定し、前記頻度が前記閾値を超えた場合に、対応する順列において先の操作が行われたときに後の操作に関する制御を行うように前記機器制御方法を特定すること
を特徴とする機器制御装置。 - ユーザの性格を示す性格情報を取得する性格情報取得部と、
前記性格情報と、前記ユーザの生活パターンとから、前記ユーザが使用する機器の制御方法である機器制御方法を特定する制御方法特定部と、
前記機器制御方法に従って、前記機器を制御する制御部と、
前記機器及びセンサに関する複数のイベントの履歴を少なくとも示す生活データを記憶する生活データ記憶部と、
前記生活データから前記生活パターンを抽出する生活パターン抽出部と、を備え、
前記複数のイベントには、前記機器の機能に対する複数の操作及び前記センサによる予め定められた対象の検知が含まれており、
前記生活パターン抽出部は、前記生活データを参照することで、前記検知から前記複数の操作の各々が予め定められた期間内に行われる頻度を算出し、前記複数の操作の各々において算出された前記頻度を前記生活パターンとして抽出し、
前記制御方法特定部は、前記性格情報を参照することで、前記ユーザの性格に応じて閾値を特定し、前記頻度が前記閾値を超えた場合に、前記検知が行われたときに対応する操作に関する制御を行うように前記機器制御方法を特定すること
を特徴とする機器制御装置。 - 前記制御方法特定部は、前記閾値として第一の閾値を超えた場合に、前記制御として、前記対応する操作を自動的に行う第一の機器制御方法と、前記閾値として前記第一の閾値よりも低い第二の閾値を超えた場合に、前記制御として、前記対応する操作を行うことをリコメンドする第二の機器制御方法と、を前記機器制御方法として特定すること
を特徴とする請求項1に記載の機器制御装置。 - 前記制御方法特定部は、前記閾値として第一の閾値を超えた場合に、前記制御として、前記対応する順列において前記先の操作が行われたときに前記後の操作を自動的に行う第一の機器制御方法と、前記閾値として第二の閾値を超えた場合に、前記制御として、前記対応する順列において前記先の操作が行われたときに前記後の操作を行うことをリコメンドする第二の機器制御方法と、を前記機器制御方法として特定すること
を特徴とする請求項2に記載の機器制御装置。 - 前記制御方法特定部は、前記閾値として第一の閾値を超えた場合に、前記制御として、前記検知が行われたときに前記対応する操作を自動的に行う第一の機器制御方法と、前記閾値として、前記第一の閾値よりも低い第二の閾値を超えた場合に、前記制御として、前記検知が行われたときに前記対応する操作を行うことをリコメンドする第二の機器制御方法と、を前記機器制御方法として特定すること
を特徴とする請求項3に記載の機器制御装置。 - 前記性格情報は、前記性格が、前記機器制御装置により前記機器が制御されることを好ましく感じるか否かを特定することができる要素を含み、
前記制御方法特定部は、前記性格が前記機器制御装置により前記機器が制御されることを好ましく感じる場合には、前記制御の頻度が上がるように前記閾値を特定し、前記性格が前記機器制御装置により前記機器が制御されることを好ましく感じない場合には、前記制御の頻度が下がるように前記閾値を特定すること
を特徴とする請求項1から6の何れか一項に記載の機器制御装置。 - 前記性格情報は、前記性格が前記ユーザの行動を統制する程度が強いか弱いかを特定することができる要素を含み、
前記制御方法特定部は、前記性格が前記ユーザの行動を統制する程度が強い場合には、前記制御の頻度が下がるように前記閾値を特定し、前記性格が前記ユーザの行動を統制する程度が弱い場合には、前記制御の頻度が上がるように前記閾値を特定すること
を特徴とする請求項1から6の何れか一項に記載の機器制御装置。 - 前記性格情報は、前記性格が対話を好ましく感じるか否かを特定することができる要素を含み、
前記制御方法特定部は、前記性格が対話を好ましく感じる場合には、前記リコメンドする頻度が上がるように前記第二の閾値を特定し、前記性格が対話を好ましく感じない場合には、前記リコメンドする頻度が下がるように前記第二の閾値を特定すること
を特徴とする請求項4から6の何れか一項に記載の機器制御装置。 - ユーザの性格を示す性格情報を取得する性格情報取得部と、
前記性格情報と、前記ユーザの生活パターンとから、前記ユーザが使用する機器の制御方法である機器制御方法を特定する制御方法特定部と、
前記機器制御方法に従って、前記機器を制御する制御部と、
前記機器及びセンサに関する複数のイベントの履歴を少なくとも示す生活データを記憶する生活データ記憶部と、
前記生活データから前記生活パターンを抽出する生活パターン抽出部と、を備え、
前記複数のイベントには、前記機器又は前記センサの操作又は動作が含まれており、
前記生活パターン抽出部は、前記生活データを参照することで、前記機器又は前記センサの操作又は動作が連動する頻度を算出して、前記頻度を前記生活パターンとして抽出し、
前記制御方法特定部は、前記性格情報を参照することで、前記ユーザの性格に応じて閾値を特定し、前記頻度が前記閾値を超えた場合に、トリガとなるイベント及び前記トリガに連動するイベントを、前記機器制御方法として特定すること
を特徴とする機器制御装置。 - コンピュータを、
ユーザの性格を示す性格情報を取得する性格情報取得部、
前記性格情報と、前記ユーザの生活パターンとから、前記ユーザが使用する機器の制御方法である機器制御方法を特定する制御方法特定部、
前記機器制御方法に従って、前記機器を制御する制御部、
前記機器に関する複数のイベントの履歴を少なくとも示す生活データを記憶する生活データ記憶部、及び、
前記生活データから前記生活パターンを抽出する生活パターン抽出部、として機能させ、
前記複数のイベントには、前記機器の機能に対する複数の操作が含まれており、
前記生活パターン抽出部は、前記生活データを参照することで、予め定められた時間帯毎に前記複数の操作の各々が行われる頻度を算出し、前記予め定められた時間帯毎の前記複数の操作の各々の前記頻度を前記生活パターンとして抽出し、
前記制御方法特定部は、前記性格情報を参照することで、前記ユーザの性格に応じて閾値を特定し、前記頻度が前記閾値を超えた場合に、対応する時間帯において対応する操作に関する制御を行うように前記機器制御方法を特定すること
を特徴とするプログラム。 - コンピュータを、
ユーザの性格を示す性格情報を取得する性格情報取得部、
前記性格情報と、前記ユーザの生活パターンとから、前記ユーザが使用する機器の制御方法である機器制御方法を特定する制御方法特定部、
前記機器制御方法に従って、前記機器を制御する制御部、
前記機器に関する複数のイベントの履歴を少なくとも示す生活データを記憶する生活データ記憶部、及び、
前記生活データから前記生活パターンを抽出する生活パターン抽出部、として機能させ、
前記複数のイベントには、前記機器の機能に対する複数の操作が含まれており、
前記生活パターン抽出部は、前記生活データを参照することで、前記複数の操作から二つの操作を抽出した複数の順列の内、前記二つの操作の内の先の操作から後の操作が予め定められた期間内に行われる頻度を算出し、前記複数の順列の各々における前記頻度を前記生活パターンとして抽出し、
前記制御方法特定部は、前記性格情報を参照することで、前記ユーザの性格に応じて閾値を特定し、前記頻度が前記閾値を超えた場合に、対応する順列において先の操作が行われたときに後の操作に関する制御を行うように前記機器制御方法を特定すること
を特徴とするプログラム。 - コンピュータを、
ユーザの性格を示す性格情報を取得する性格情報取得部、
前記性格情報と、前記ユーザの生活パターンとから、前記ユーザが使用する機器の制御方法である機器制御方法を特定する制御方法特定部、
前記機器制御方法に従って、前記機器を制御する制御部、
前記機器及びセンサに関する複数のイベントの履歴を少なくとも示す生活データを記憶する生活データ記憶部、及び、
前記生活データから前記生活パターンを抽出する生活パターン抽出部、として機能させ、
前記複数のイベントには、前記機器の機能に対する複数の操作及び前記センサによる予め定められた対象の検知が含まれており、
前記生活パターン抽出部は、前記生活データを参照することで、前記検知から前記複数の操作の各々が予め定められた期間内に行われる頻度を算出し、前記複数の操作の各々において算出された前記頻度を前記生活パターンとして抽出し、
前記制御方法特定部は、前記性格情報を参照することで、前記ユーザの性格に応じて閾値を特定し、前記頻度が前記閾値を超えた場合に、前記検知が行われたときに対応する操作に関する制御を行うように前記機器制御方法を特定すること
を特徴とするプログラム。 - コンピュータを、
ユーザの性格を示す性格情報を取得する性格情報取得部、
前記性格情報と、前記ユーザの生活パターンとから、前記ユーザが使用する機器の制御方法である機器制御方法を特定する制御方法特定部、
前記機器制御方法に従って、前記機器を制御する制御部、
前記機器及びセンサに関する複数のイベントの履歴を少なくとも示す生活データを記憶する生活データ記憶部、及び、
前記生活データから前記生活パターンを抽出する生活パターン抽出部、として機能させ、
前記複数のイベントには、前記機器又は前記センサの操作又は動作が含まれており、
前記生活パターン抽出部は、前記生活データを参照することで、前記機器又は前記センサの操作又は動作が連動する頻度を算出して、前記頻度を前記生活パターンとして抽出し、
前記制御方法特定部は、前記性格情報を参照することで、前記ユーザの性格に応じて閾値を特定し、前記頻度が前記閾値を超えた場合に、トリガとなるイベント及び前記トリガに連動するイベントを、前記機器制御方法として特定すること
を特徴とするプログラム。 - 性格情報取得部が、ユーザの性格を示す性格情報を取得し、
生活パターン抽出部が、前記ユーザが使用する機器に関する複数のイベントの履歴を少なくとも示す生活データから、前記ユーザの生活パターンを抽出し、
制御方法特定部が、前記性格情報と、前記生活パターンとから、前記機器の制御方法である機器制御方法を特定し、
制御部が、前記機器制御方法に従って、前記機器を制御する機器制御特定方法であって、
前記複数のイベントには、前記機器の機能に対する複数の操作が含まれており、
前記生活パターン抽出部は、前記生活データを参照することで、予め定められた時間帯毎に前記複数の操作の各々が行われる頻度を算出し、前記予め定められた時間帯毎の前記複数の操作の各々の前記頻度を前記生活パターンとして抽出し、
前記制御方法特定部は、前記性格情報を参照することで、前記ユーザの性格に応じて閾値を特定し、前記頻度が前記閾値を超えた場合に、対応する時間帯において対応する操作に関する制御を行うように前記機器制御方法を特定すること
を特徴とする機器制御特定方法。 - 性格情報取得部が、ユーザの性格を示す性格情報を取得し、
生活パターン抽出部が、前記ユーザが使用する機器に関する複数のイベントの履歴を少なくとも示す生活データから、前記ユーザの生活パターンを抽出し、
制御方法特定部が、前記性格情報と、前記生活パターンとから、前記機器の制御方法である機器制御方法を特定し、
制御部が、前記機器制御方法に従って、前記機器を制御する機器制御特定方法であって、
前記複数のイベントには、前記機器の機能に対する複数の操作が含まれており、
前記生活パターン抽出部は、前記生活データを参照することで、前記複数の操作から二つの操作を抽出した複数の順列の内、前記二つの操作の内の先の操作から後の操作が予め定められた期間内に行われる頻度を算出し、前記複数の順列の各々における前記頻度を前記生活パターンとして抽出し、
前記制御方法特定部は、前記性格情報を参照することで、前記ユーザの性格に応じて閾値を特定し、前記頻度が前記閾値を超えた場合に、対応する順列において先の操作が行われたときに後の操作に関する制御を行うように前記機器制御方法を特定すること
を特徴とする機器制御特定方法。 - 性格情報取得部が、ユーザの性格を示す性格情報を取得し、
生活パターン抽出部が、前記ユーザが使用する機器及びセンサに関する複数のイベントの履歴を少なくとも示す生活データから、前記ユーザの生活パターンを抽出し、
制御方法特定部が、前記性格情報と、前記生活パターンとから、前記機器の制御方法である機器制御方法を特定し、
制御部が、前記機器制御方法に従って、前記機器を制御する機器制御特定方法であって、
前記複数のイベントには、前記機器の機能に対する複数の操作及び前記センサによる予め定められた対象の検知が含まれており、
前記生活パターン抽出部は、前記生活データを参照することで、前記検知から前記複数の操作の各々が予め定められた期間内に行われる頻度を算出し、前記複数の操作の各々において算出された前記頻度を前記生活パターンとして抽出し、
前記制御方法特定部は、前記性格情報を参照することで、前記ユーザの性格に応じて閾値を特定し、前記頻度が前記閾値を超えた場合に、前記検知が行われたときに対応する操作に関する制御を行うように前記機器制御方法を特定すること
を特徴とする機器制御特定方法。 - 性格情報取得部が、ユーザの性格を示す性格情報を取得し、
生活パターン抽出部が、前記ユーザが使用する機器及びセンサに関する複数のイベントの履歴を少なくとも示す生活データから、前記ユーザの生活パターンを抽出し、
制御方法特定部が、前記性格情報と、前記生活パターンとから、前記機器の制御方法である機器制御方法を特定し、
制御部が、前記機器制御方法に従って、前記機器を制御する機器制御特定方法であって、
前記複数のイベントには、前記機器又は前記センサの操作又は動作が含まれており、
前記生活パターン抽出部は、前記生活データを参照することで、前記機器又は前記センサの操作又は動作が連動する頻度を算出して、前記頻度を前記生活パターンとして抽出し、
前記制御方法特定部は、前記性格情報を参照することで、前記ユーザの性格に応じて閾値を特定し、前記頻度が前記閾値を超えた場合に、トリガとなるイベント及び前記トリガに連動するイベントを、前記機器制御方法として特定すること
を特徴とする機器制御特定方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2020/041527 WO2022097273A1 (ja) | 2020-11-06 | 2020-11-06 | 機器制御装置、プログラム及び機器制御方法 |
Publications (3)
Publication Number | Publication Date |
---|---|
JPWO2022097273A1 JPWO2022097273A1 (ja) | 2022-05-12 |
JPWO2022097273A5 JPWO2022097273A5 (ja) | 2023-01-31 |
JP7403682B2 true JP7403682B2 (ja) | 2023-12-22 |
Family
ID=81457084
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022560601A Active JP7403682B2 (ja) | 2020-11-06 | 2020-11-06 | 機器制御装置、プログラム及び機器制御特定方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230329610A1 (ja) |
EP (1) | EP4242857A1 (ja) |
JP (1) | JP7403682B2 (ja) |
CN (1) | CN116391180A (ja) |
WO (1) | WO2022097273A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7286036B1 (ja) * | 2022-06-08 | 2023-06-02 | 三菱電機株式会社 | サービス提供装置、プログラム及びサービス提供方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003111157A (ja) | 2001-09-28 | 2003-04-11 | Toshiba Corp | 統合コントローラ、機器制御方法及び機器制御プログラム |
JP2004007297A (ja) | 2002-06-03 | 2004-01-08 | Hiroshi Sato | 自動制御装置及び自動制御方法及び自動制御システム、並びに端末。 |
JP2004185612A (ja) | 2002-11-22 | 2004-07-02 | Matsushita Electric Ind Co Ltd | 操作履歴利用システム及びその方法 |
JP2018120506A (ja) | 2017-01-27 | 2018-08-02 | 京セラ株式会社 | 制御システム及び制御方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1662859A (zh) | 2002-07-19 | 2005-08-31 | 松下电器产业株式会社 | 设备联动控制装置 |
-
2020
- 2020-11-06 JP JP2022560601A patent/JP7403682B2/ja active Active
- 2020-11-06 EP EP20960825.6A patent/EP4242857A1/en active Pending
- 2020-11-06 WO PCT/JP2020/041527 patent/WO2022097273A1/ja unknown
- 2020-11-06 CN CN202080106692.1A patent/CN116391180A/zh active Pending
- 2020-11-06 US US18/028,775 patent/US20230329610A1/en active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003111157A (ja) | 2001-09-28 | 2003-04-11 | Toshiba Corp | 統合コントローラ、機器制御方法及び機器制御プログラム |
JP2004007297A (ja) | 2002-06-03 | 2004-01-08 | Hiroshi Sato | 自動制御装置及び自動制御方法及び自動制御システム、並びに端末。 |
JP2004185612A (ja) | 2002-11-22 | 2004-07-02 | Matsushita Electric Ind Co Ltd | 操作履歴利用システム及びその方法 |
JP2018120506A (ja) | 2017-01-27 | 2018-08-02 | 京セラ株式会社 | 制御システム及び制御方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116391180A (zh) | 2023-07-04 |
JPWO2022097273A1 (ja) | 2022-05-12 |
US20230329610A1 (en) | 2023-10-19 |
WO2022097273A1 (ja) | 2022-05-12 |
EP4242857A1 (en) | 2023-09-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Schneider et al. | Evaluating the impact of non-response bias in the Behavioral Risk Factor Surveillance System (BRFSS) | |
Caplin et al. | The dual‐process drift diffusion model: Evidence from response times | |
Wu et al. | Economic decision-making compared with an equivalent motor task | |
CN106796707B (zh) | 慢性疾病发现和管理系统 | |
US20140278474A1 (en) | Helping People with Their Health | |
US20140287387A1 (en) | Emotion recognition system and method for assessing, monitoring, predicting and broadcasting a user's emotive state | |
US20180165418A1 (en) | Health recommendations based on extensible health vectors | |
WO2015077206A1 (en) | Systems and methods for the assessment of social media performance | |
Barber et al. | Rebound sex: Sexual motives and behaviors following a relationship breakup | |
US20200012955A1 (en) | Device, system and method for factor estimation | |
Frommel et al. | Recognizing affiliation: Using behavioural traces to predict the quality of social interactions in online games | |
JP7403682B2 (ja) | 機器制御装置、プログラム及び機器制御特定方法 | |
Jackson et al. | Reliable change and outcome trajectories across levels of care in a mental health system for youth | |
Huisman et al. | The social network, socioeconomic background, and school type of adolescent smokers | |
KR101693429B1 (ko) | 대인 관계 유형 파악을 통한 코칭 정보 제공 시스템 | |
US20180308180A1 (en) | Systems Methods Devices Circuits and Computer Executable Code for Impression Measurement and Evaluation | |
Soller et al. | Adolescent dating violence victimization and relationship dissolution | |
Li et al. | Predicting teenager's future stress level from micro-blog | |
CN112312173B (zh) | 主播推荐方法、装置、电子设备及可读存储介质 | |
Bougie et al. | Smoking correlates among Inuit men and women in Inuit Nunangat | |
Vestergaard et al. | Choice mechanisms for past, temporally extended outcomes | |
JP2006350983A (ja) | 端末装置で用いられる情報を配信する個人診断システム、プログラムおよび情報記憶媒体。 | |
WO2020210438A1 (en) | Data processing system with machine learning engine to provide output generating functions | |
Fernandez | An empirical model of learning under ambiguity: The case of clinical trials | |
Mirelman et al. | Household coping strategies after an adult noncommunicable disease death in Bangladesh |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221110 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221110 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230808 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230904 |
|
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: 20231114 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231212 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7403682 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |