JP7417954B2 - 清掃ルート決定システム及び清掃ルート決定方法 - Google Patents

清掃ルート決定システム及び清掃ルート決定方法 Download PDF

Info

Publication number
JP7417954B2
JP7417954B2 JP2020569454A JP2020569454A JP7417954B2 JP 7417954 B2 JP7417954 B2 JP 7417954B2 JP 2020569454 A JP2020569454 A JP 2020569454A JP 2020569454 A JP2020569454 A JP 2020569454A JP 7417954 B2 JP7417954 B2 JP 7417954B2
Authority
JP
Japan
Prior art keywords
cleaning
dust
unit
dust accumulation
facility
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
Application number
JP2020569454A
Other languages
English (en)
Other versions
JPWO2020158275A1 (ja
Inventor
哲也 高柳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Panasonic Intellectual Property Management Co Ltd
Original Assignee
Panasonic Intellectual Property Management Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Panasonic Intellectual Property Management Co Ltd filed Critical Panasonic Intellectual Property Management Co Ltd
Publication of JPWO2020158275A1 publication Critical patent/JPWO2020158275A1/ja
Application granted granted Critical
Publication of JP7417954B2 publication Critical patent/JP7417954B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
    • G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
    • A47L11/40—Parts or details of machines not provided for in groups A47L11/02 - A47L11/38, or not restricted to one of these groups, e.g. handles, arrangements of switches, skirts, buffers, levers
    • A47L11/4011—Regulation of the cleaning machine by electric means; Control systems and remote control systems therefor
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L9/00—Details or accessories of suction cleaners, e.g. mechanical means for controlling the suction or for effecting pulsating action; Storing devices specially adapted to suction cleaners or parts thereof; Carrying-vehicles specially adapted for suction cleaners
    • A47L9/28—Installation of the electric equipment, e.g. adaptation or attachment to the suction cleaner; Controlling suction cleaners by electric means
    • A47L9/2836—Installation of the electric equipment, e.g. adaptation or attachment to the suction cleaner; Controlling suction cleaners by electric means characterised by the parts which are controlled
    • A47L9/2852—Elements for displacement of the vacuum cleaner or the accessories therefor, e.g. wheels, casters or nozzles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3807—Creation or updating of map data characterised by the type of data
    • G01C21/383—Indoor data
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0219—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory ensuring the processing of the whole working surface
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/60—Intended control result
    • G05D1/648—Performing a task within a working area or space, e.g. cleaning
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L2201/00—Robotic cleaning machines, i.e. with automatic control of the travelling movement or the cleaning operation
    • A47L2201/04—Automatic control of the travelling movement; Automatic obstacle detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Mechanical Engineering (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Electric Vacuum Cleaner (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Description

本開示は、清掃ルート決定システムと清掃ルート決定方法に関する。
ショッピングモールを始めとした巨大な複合商業施設において、将来の労働人口の不足を補うべく、自動運転技術を搭載したロボットによる床洗浄技術を用いることが注目を集めている。また、近年、ＡＩ（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ）及びロボティクスを始めとした技術の急激な進歩により、広大な敷地面積を持つショッピングセンターにおいて清掃装置による清掃作業の自動化が進行している。特に、ＡＩ及びセンシング技術の発達により、商業施設に多い曲面のある建物構造及び障害物の多い複雑な建物構造でも清掃装置による清掃作業の自動化が実用化され始めている。この清掃装置はカメラ及びセンサを搭載し、自動走行中に障害物等を検知した場合には、障害物等を回避しながら、自律的に商業施設内の集塵作業を行う事ができる。例えば、特許文献１には自律型の清掃装置の制御技術が開示されている。特許文献１によれば、当該清掃装置は距離センサを備えており、物体との距離に応じて当該清掃装置の移動速度を変える制御方法が開示されている。この技術によって、物体と清掃装置との距離が閾値以下になった場合でも、当該清掃装置は、停止することなく清掃活動を続けることができる。
特開２０１８－８６２１８号公報
しかしながら、清掃装置は、数千平方メートルなどの大面積を複数階に跨って、数時間という限られた時間で清掃作業を完了する事が求められる。従来の技術では、障害物の存在時においても清掃装置が効率よく清掃作業を行う事は出来ても、清掃装置が商業施設内等の大きな床面積を所定の時間内に清掃する事は難しい。例えば、ショッピングモールなどの清掃装置が導入される商業施設は敷地面積が大きな場合には数万平方メートルあるため、清掃装置は、夜間の４～５時間など限られた時間で、数万平方メートルなどの非常に広大なスペースを効率よく清掃する必要がある。そのためには、清掃装置が全ての清掃すべき箇所を回る事は困難である為、優先度の高い清掃すべき箇所を、清掃装置が所定時間内になるべく多く巡回するためのスケジューリングが必要となる。
本開示は非常に広大な床面積を持つ施設の内部を所定時間内に効率よく清掃する技術を提供するものである。
本開示の一態様に係る清掃ルート決定システムは、施設の内部の情報を含む計算条件を受け付ける計算条件入力部と、前記計算条件に基づいて、前記施設の内部における気流の挙動および微粒子の挙動を解析する解析部と、前記解析の結果に基づいて、前記施設の内部において、塵埃が蓄積する一または複数の塵埃蓄積場所と、前記一または複数の塵埃蓄積場所における塵埃の量を示す塵埃蓄積マップを作成するマップ作成部と、前記塵埃蓄積マップに基づいて、第２の複数の経路から、第１の経路を決定する経路算出部と、を備え、前記第２の複数の経路の各々は、前記一または複数の塵埃蓄積場所のうち少なくとも一つの場所を清掃部が所定時間内に通過する経路であり、前記第１の経路に含まれるすべての塵埃蓄積場所の塵埃の量の合計は複数の合計のうち最も大きく、前記複数の合計のそれぞれは、前記第２の複数の経路の各々に含まれる全ての塵埃蓄積場所の塵埃の量の合計であり、前記計算条件において、流入出する前記微粒子の濃度を決定するための前記施設の出入口の風速の境界条件は、前記施設の外部からの自然対流の風速および人の歩行によって誘起される気流の風速に基づいて決定される。
尚、この包括的又は具体的な態様は、装置、方法、集積回路、コンピュータプログラム又はコンピュータ読み取り可能な記録媒体で実現されてもよく、装置、システム、方法、集積回路、コンピュータプログラム及びコンピュータ読み取り可能な記録媒体の任意な組み合わせで実現されてもよい。コンピュータ読み取り可能な記録媒体は、例えばＣＤ－ＲＯＭ（Ｃｏｍｐａｃｔ Ｄｉｓｃ－Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）等の不揮発性の記録媒体を含む。
本開示においては、「微粒子」及び「塵埃」の用語を特に区別することなく用いる。
本開示によれば、非常に広大な床面積を持つ施設の内部を所定時間内に効率よく清掃するルートを決定することができる。本開示の一態様における更なる利点および効果は、明細書および図面から明らかにされる。かかる利点および／または効果は、いくつかの実施形態並びに明細書および図面に記載された特徴によってそれぞれ提供されるが、１つまたはそれ以上の同一の特徴を得るために必ずしも全てが提供される必要はない。
図１は、本実施の形態におけるシステム構成の一例を示す図 図２は、施設の内部の通路、部屋の位置、形状を鳥瞰する図の一例を示す図 図３は、図面情報に施設出入口、換気口位置、空調機器の位置及び階段位置を設定した一例を示す図 図４は、図面情報に施設出入口、換気口位置、空調機器の位置及び階段位置を設定した一例において、ある条件で微粒子シミュレーションを行った場合の塵埃蓄積マップの一例を示す図 図５は、クラスタリングの一例を示す図 図６は、属性計算部２２が属性を判定した結果を反映したロボットが清掃すべき領域と人が清掃すべき領域を示した一例を示す図 図７は、図面情報に施設出入口、換気口位置、空調機器の位置及び階段位置を設定した一例において、ある条件で微粒子シミュレーションを行った場合の塵埃蓄積マップの一例における塵埃蓄積場所をクラスタリングした結果の一例を示す図 図８は、図面情報に施設出入口、換気口位置、空調機器の位置及び階段位置を設定した一例において、ある条件で微粒子シミュレーションを行った場合の塵埃蓄積マップの一例における塵埃蓄積場所をクラスタリングした結果の一例をもとに最適化アルゴリズムで決定された清掃ルートの一例を示す図 図９は、最適清掃ルート等の表示方法の一例を示す図 図１０は、清掃ルート計算システムのフローチャート 図１１は、清掃部のフローチャート 図１２は、端末のフローチャート
以下、実施の形態について、図面を参照しながら具体的に説明する。
なお、以下で説明する実施の形態は、いずれも包括的または具体的な例を示すものである。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの順序などは、一例であり、本開示を限定する主旨ではない。また、以下の実施の形態における構成要素のうち、最上位概念を示す独立請求項に記載されていない構成要素については、任意の構成要素として説明される。
図１は本実施の形態におけるシステム構成の一例を示す図である。本実施の形態における実施例は清掃ルート計算システム１、清掃部２及び端末３を含む。
清掃ルート計算システム１は、塵埃挙動計算部１０、属性判定部２０及び清掃ルート計算部３０を備える。塵埃挙動計算部１０は図面入力部１１と挙動計算部１２と塵埃マップ作成部１３とを含む。属性判定部２０は、属性クラスター計算部２１と属性計算部２２とを含む。清掃ルート計算部３０は、塵埃クラスター計算部３１と清掃ルート決定部３２と通信部３３とを含む。
清掃部２は、掃除部４０及び駆動部５０を備える。また、掃除部４０は、集塵部４１と塵埃量検出部４２とを含む。また、駆動部５０は、移動部５１と制御部５２と自己位置推定部５３と通信部５４とを含む。
端末３は、塵埃マップ表示部６０を備える。塵埃マップ表示部６０は、通信部６１と表示部６２と入力部６３とを含む。
以下、各部の説明を行う。
清掃ルート計算システム１は、施設の内部の塵埃の蓄積箇所を割り出すために、気流の挙動解析と微粒子の挙動解析を行う。そして、気流の挙動解析と微粒子の挙動解析の結果をもとに、施設の内部の塵埃の蓄積している箇所を示す塵埃蓄積マップを作成する。また、施設の内部の領域を特徴毎にクラスターに分ける計算を行う。塵埃蓄積マップの情報と施設の内部の領域をクラスターに分けた結果とから、最適な清掃ルート（最適経路）を導出する。そして、導出した最適な清掃ルートを清掃部２へ送信する。
塵埃挙動計算部１０は、ＣＰＵ及びメモリなどから構成される。塵埃挙動計算部１０は、計算条件入力部の一例である。
図面入力部１１は、施設等の図面の入力を受け付ける。また、図面入力部１１は、ユーザーが図面を作成することが出来る図面作成支援機能を備えてもよい。図面入力部１１は、メモリ、入力用端末、タッチパネル及び映像出力用画面等から構成される。図面入力部１１は、ＣＰＵを利用して、動作を行ってもよい。
挙動計算部１２は、塵埃の挙動を計算するための施設の内部の気流シミュレーション及び微粒子シミュレーションの計算を実行する。挙動計算部１２は、解析部の一例である。
塵埃マップ作成部１３は、挙動計算部１２が実行した施設の内部の気流シミュレーション及び微粒子シミュレーションの結果をもとに、施設の内部における塵埃の蓄積している場所を示した塵埃蓄積マップを作成する。塵埃マップ作成部１３は、出力用端末等を備えていてもよい。塵埃マップ作成部１３は、マップ作成部の一例である。
属性判定部２０は、分類部の一例である。
属性クラスター計算部２１は、機械学習の教師なし学習のためのアルゴリズム等を使用して、施設の内部の通路及び／または部屋のクラスタリングを行う。使用するアルゴリズムは、非階層クラスター分析を行うことが出来るものであればよい。
属性計算部２２は、クラスター計算部での計算結果に基づいて、クラスターを、人による清掃が行われるクラスターと、清掃部２による清掃が行われるクラスターとに分ける分類を行う。分類は、クラスターを、人による清掃が行われるクラスターと、清掃部２による清掃が行われるクラスターとに分けるものに限らない。分類は、３つ以上に分類を行うものであってもよい。
清掃ルート計算部３０は、ＣＰＵ及びメモリなどから構成される。清掃ルート計算部３０は、経路算出部の一例である。
塵埃クラスター計算部３１は、塵埃マップ作成部１３が作成した塵埃蓄積マップに基づいて、塵埃蓄積場所のクラスタリングを行う。塵埃蓄積場所は塵埃が蓄積している場所である。塵埃クラスター計算部３１は、機械学習の教師なし学習のためのアルゴリズム等を使用して、塵埃蓄積場所のクラスタリングを行う。
清掃ルート決定部３２は、塵埃クラスター計算部３１から受け取った塵埃蓄積場所をクラスタリングした結果と各塵埃蓄積場所における塵埃の蓄積量を示す情報、及び、属性計算部２２から受け取った清掃すべきクラスターを特定する情報に基づいて、最適な清掃ルート（最適経路）を導出する。清掃ルート決定部３２は、塵埃クラスター計算部３１から受け取った情報から、塵埃の蓄積量が所定の閾値以上である塵埃蓄積場所を含む情報を抽出し、当該塵埃蓄積場所を通過する清掃ルートを導出することもできる。かかる構成を採用することにより、より効率的に清掃を行うことができる。
通信部３３は、清掃ルート決定部３２で導出された最適な清掃ルート（最適経路）を、清掃部２へ送信する。また、通信部３３は、清掃ルート決定部３２で導出された最適な清掃ルート（最適経路）を端末３に送信してもよい。通信部３３は、送信機、受信機等から成る。また、通信部３３は、ＬＡＮケーブル等のケーブル及び無線ＬＡＮ等のためのＮＩＣ（Ｎｅｔｗｏｒｋ Ｉｎｔｅｒｆａｃｅ Ｃａｒｄ）等を含んでいてもよい。また、通信部３３は、無線通信装置等を備えていてもよい。
清掃部２は、自律して動作する清掃装置である。清掃部２は、自律型の清掃ロボットでもよい。
清掃部２は、自律して動作し、集塵及び除塵により施設の内部の清掃を行う。また、清掃部２は、拭浄を行ってもよい。
掃除部４０は、施設の床面又は壁面等からの除塵を行う。
集塵部４１は、施設等の床面又は壁面等に蓄積している塵埃を吸引等により収拾する。集塵部４１は、バキューム等の塵埃等を吸引する吸引装置等で構成される。
塵埃量検出部４２は、集塵部４１によって回収された塵埃の量を計量する。塵埃量検出部４２は、重量センサを含む。重量センサは、ロードセルまたは電磁平衡式センサであってもよい。塵埃量検出部４２には、重量センサ以外の各種センサが含まれてもよい。
駆動部５０は、清掃部２を移動させるモータ等の動力源から成る。
移動部５１は、清掃部２を移動させる機能を持つ。移動部５１は、モータ等の動力源及び車輪等から成る。
制御部５２は、駆動部５０全体の動きを制御する。制御部５２は、ＣＰＵ及びメモリ等から成る。
自己位置推定部５３は、清掃部２の存在する施設の内部の位置を把握する。施設の内部の位置は、相対的な位置でも絶対的な位置でもよい。自己位置推定部５３は、メモリ及び各種センサ等から成る。自己位置推定部５３は、ＣＰＵを利用して、動作を行ってもよい。
通信部５４は、清掃ルート決定部３２で導出された最適な清掃ルート（最適経路）を、清掃部２から受信する。また、清掃部２で収集された情報を清掃ルート計算部１または端末３に送信してもよい。通信部５４は、送信機及び受信機等から成る。また、通信部５４は、Ｌａｎケーブル等のケーブル及び無線ＬＡＮ等のためのＮＩＣ（Ｎｅｔｗｏｒｋ Ｉｎｔｅｒｆａｃｅ Ｃａｒｄ）等を含んでいてもよい。また、通信部５４は、無線通信装置等を備えていてもよい。
端末３は、入出力機能を備えた携帯可能な装置である。端末３は、塵埃蓄積マップの表示を行い、塵埃蓄積マップへの入力を受け付ける。また、入力された情報等を清掃ルート計算システム１または清掃部２に送信する。加えて、清掃ルート計算システム１または清掃部２から、塵埃蓄積マップ又は清掃部２の位置に関する情報等を受信する。端末３は、タブレット端末、スマートフォンまたはＰＤＡ等でもよい。
塵埃マップ表示部６０は、端末３上で、塵埃マップ作成部１３で作成された塵埃蓄積マップを表示する。
通信部６１は、塵埃マップ作成部１３で作成された塵埃蓄積マップを清掃ルート計算部３０に含まれる通信部３３から受信する。通信部６１は、送信機及び受信機等から成る。また、通信部６１は、Ｌａｎケーブル等のケーブル及び無線ＬＡＮ等のためのＮＩＣ（Ｎｅｔｗｏｒｋ Ｉｎｔｅｒｆａｃｅ Ｃａｒｄ）等を含んでいてもよい。また、通信部６１は、無線通信装置等を備えていてもよい。
表示部６２は、塵埃マップ作成部１３で作成された塵埃蓄積マップを画面上等に表示する。表示部６２は、有機ＥＬディスプレイまたは液晶ディスプレイ等から構成される。表示部６２は、タッチパネル等を備えてもよい。
入力部６３は、清掃を行った塵埃蓄積場所の位置等の情報を受け付ける。当該情報の入力は、端末３上において、手動で行われてもよいし、他の機器からの無線通信または有線通信によって行われてもよい。入力部６３には、ＣＰＵ、メモリ、通信機、キーボード等が含まれてもよい。入力部６３は、タッチパネル等で構成されていてもよい。
（清掃ルート計算システム）
清掃ルート計算システム１の各構成要素の機能について、より詳細に説明する。
清掃ルート計算システム１は、施設の内部の気流シミュレーション及び微粒子シミュレーションを行う。清掃ルート計算システム１は、サーバーに設けてもよい。施設は、例えば、商業施設である。微粒子シミュレーションの結果に基づいて、塵埃マップ作成部１３は塵埃が蓄積している地点を示す塵埃蓄積マップを作成する。そして、各蓄積箇所について、その施設の内部の特徴からルールに従って分類を行い、人が清掃すべきかロボットが清掃すべきかの属性を付与していく。加えて、清掃ルート計算部３０は、出力された塵埃蓄積マップから、所定の時間内に塵埃が蓄積している地点を清掃装置が巡回するための最適なルートを算出する。巡回する地点は、少なくとも１つ以上であればよいが、２つ以上であってもよい。
塵埃挙動計算部１０は、施設の内部の塵埃の挙動を計算する為に、計算モデルの作成を行う。その為、塵埃挙動計算部１０が、施設の内部の通路の位置、形状を特定する情報、及び/または施設の内部の部屋の位置、形状を特定する情報を決定する為に、３次元ＣＡＤ（Ｃｏｍｐｕｔｅｒ－Ａｉｄｅｄ Ｄｅｓｉｇｎ）データなどの施設図面情報を図面入力部１１に読み込む。図面入力部１１が利用できるＣＡＤデータが無い場合は、図面入力部１１がサーバー上で図面入力支援アプリケーションを立ち上げることによって、ユーザーが図面を作成する事ができる。
上記した施設図面情報、上記した図面の各々は施設の内部の通路の位置、形状を特定する情報、及び/または施設の内部の部屋の位置、形状を特定する情報を含んでもよい。
図２は施設の内部の通路、部屋の位置、形状を鳥瞰する図の一例を示す図である。そして、上記の方法のうち、いずれかの方法によって図面入力部１１が図面の入力を受け付けると、塵埃挙動計算部１０が、計算モデルに対して設定する境界条件を決定する為、塵埃挙動計算部１０は、施設の内部にある施設出入口、施設内の換気口、空調設備、階段の位置に関する位置情報等の入力を受け付ける。
図３は図面情報に施設出入口、換気口位置、空調機器の位置及び階段位置を設定した一例を示す図である。塵埃は施設外から流入する為、施設外と通ずる施設出入口の場所及び換気口の場所によって、微粒子の流出入量が決定される。この時、塵埃挙動計算部１０は、施設出入口のドアに取り付けられたセンサによって計測されたドアの一日当たりの開閉回数から微粒子流入量を決定してもよい。こうすることで、清掃ルート計算システム１は、塵埃の挙動を示すシミュレーションの精度を向上させる。
施設出入口のドアに取り付けられたセンサが利用できない場合には、塵埃挙動計算部１０は、一日の平均来場者数などから平均的なドアの開閉回数を算出し、それを元に平均的な流出入する微粒子の濃度を決定してもよい。この時、塵埃挙動計算部１０は、施設外部の微粒子濃度として、一般的な微粒子濃度をデフォルト値として使用してもよいが、Ｗｅｂ上で公開されている地域毎のＰＭ２．５分布予測情報等を元に施設外部の微粒子濃度を決定してもよい。塵埃挙動計算部１０がＷｅｂ上で公開されている地域毎のＰＭ２．５分布予測情報等を利用することで、塵埃の挙動を示すシミュレーションの精度が向上する。
流入出する微粒子の濃度を決定するための境界条件として用いられる施設出入口における風速の境界条件は、施設の外部からの自然対流の風速と人の歩行によって誘起される気流の風速の２つがある。施設の外部からの自然対流の風速については、清掃ルート計算システム１が、施設開店前などにセンサで当該風速の測定を行うか、一般的な風速の値をデフォルト値として設定する。なお、ユーザーが任意の風速の値を塵埃挙動計算部１０に設定してもよい。また、人の歩行によって誘起される風速は、塵埃挙動計算部１０が、一般的な人の歩行スピードから決定する。この２つの要素から施設出入口における実効的な微粒子の流入条件が決定されることになる。また、施設出入口に取り付けられた風速センサを使用して、塵埃挙動計算部１０が常時測定を行うことで、実効的な微粒子の流出入の条件を直接測定することができる。
換気口でも同様に空気の流入及び流出に関する条件を、塵埃挙動計算部１０が入力を受け付ける。施設の環境測定などのデータを塵埃挙動計算部１０が利用できれば、そのデータを塵埃挙動計算部１０が、計算モデルに対して設定してもよい。施設の環境測定などのデータが無ければ、塵埃挙動計算部１０は、施設出入口と同様に風速センサ等を利用して、風速のセンシングを行うか、各換気口の設定換気量等に基づいて、簡易なシミュレーションを行い、風速を決定する。
空調機器については、風向、風量等が予め設定されている為、塵埃挙動計算部１０は、設定されている風向、風量等を境界条件として設定する。
階段においては、計算の対象領域である階と別の階との間で微粒子の流入出が発生することになるが、塵埃挙動計算部１０は、換気口の場合と同様に、風速センサからのデータなどを利用して境界条件としての風速を決定する。
なお、施設の内部の通路の位置、形状を特定する情報、及び/または、施設の内部の部屋の位置、形状を特定する情報の設定及び境界条件を含む初期設定は、初めてシミュレーションを行う場合に行えばよい。２回目以降のシミュレーションにおいて、改めて設定する必要はない。ただし、風速及び微粒子の流入出条件は、センサ情報及び／またはＷｅｂから得られる情報に基づいて、自動的に更新してもよい。上記の方法により、ユーザーの手間を省くことができる。
施設の内部の通路の位置、形状を特定する情報、及び/または、施設の内部の部屋の位置、形状を特定する情報と境界条件が決まったら、塵埃挙動計算部１０は、まずは施設内の気流解析を行う。気流解析には、有限要素法及び／または有限体積法をベースとしたＣＦＤ（Ｃｏｍｐｕｔａｔｉｏｎａｌ Ｆｌｕｉｄ Ｄｙｎａｍｉｃｓ）の商用ソフトまたは自作のプログラムを利用してもよい。複合商業施設のような大きな領域を計算する場合には、計算負荷を減らすために、ｋ－εモデルなどの乱流モデルが利用されてもよい。また、計算は現実的な時間で終わらせる必要がある為、清掃ルート計算システム１においては、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｏｒ Ｕｎｉｔ）及び／またはＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）を利用した並列化を行ってもよい。このとき、並列化に適したアルゴリズムとして、格子ボルツマン法が利用されてもよい。ＧＰＵを利用した並列化を行って格子ボルツマン法を利用して計算を行うことで、清掃ルート計算システム１においては、通常のＣＰＵ１コアでの逐次計算と比較して千倍以上の計算の高速化が望める。このため、塵埃挙動計算部１０は、比較的短い実行時間で計算を終わらせることができる。
次に、気流解析の計算が終わったら、塵埃挙動計算部１０は、塵埃蓄積マップ作成の為に、計算された気流に基づいた微粒子挙動の計算を行う。微粒子挙動の解析時には、塵埃挙動計算部１０は、Ｏｎｅ－ｗａｙモデルと呼ばれる気流によって微粒子に働く力が決まるモデルを使用する。上記の方法により、塵埃挙動計算部１０は、計算負荷を抑えることができる。Ｏｎｅ－ｗａｙモデルで使用される気流のデータは、気流解析で計算されたものが用いられてもよい。塵埃挙動計算部１０は、微粒子の解析時には、抗力、重力等の力を境界条件等として用いる。塵埃挙動計算部１０は、微粒子の解析と熱流体解析とを連成する場合には、浮力等の力を境界条件等として用いる。また、塵埃挙動計算部１０は、粒子径及び密度については、地域毎に代表的な粒径分布が異なる場合がある為、Ｗｅｂから得られる情報の参照等を行い、粒径分布を決定する。もしくは、粒子径及び／または密度の情報を、ユーザーがマニュアルで設定してもよい。塵埃挙動計算部１０は、粒子径及び密度のデフォルト値としては、例えば、粒径２．５μｍ、微粒子密度１０５０ｋｇ／ｍ３等の値を使用してもよい。
塵埃挙動計算部１０が、この微粒子解析を１日等の所定時間分行い、所定時間の間に重力沈降で施設内床面に沈降した微粒子量をカウントすることで、塵埃マップ作成部１３は塵埃蓄積マップを塵埃挙動計算部１０の計算結果に基づいて、作成することができる。
図４は、図面情報に施設出入口、換気口位置、空調機器の位置及び階段位置を設定した一例において、ある条件で微粒子シミュレーションを行った場合の塵埃蓄積マップの一例を示す図である。ここでは、微粒子の蓄積量をコンター図で示しており、このマップによって清掃ルート計算システム１のユーザーは施設内の清掃が必要な箇所を予め把握することができる。また、塵埃挙動計算部１０は、この微粒子シミュレーションを、例えば、１２日毎などの所定の時間間隔で行い、塵埃蓄積マップを更新していく。その際には、前回行ったシミュレーションによる塵埃蓄積マップを初期値として、当該初期値に今回行ったシミュレーションによる塵埃蓄積マップの計算値を加算することにより、塵埃蓄積マップが更新されていくことになる。ここで作成された塵埃蓄積マップは、塵埃挙動計算部１０から清掃ルート計算部３０に渡されることになる。なお、塵埃マップ作成部１３は、作成した塵埃蓄積マップを、通信部３３を通じて、端末３に送信してもよい。
次に、属性判定部２０において、属性クラスター計算部２１が施設内の通路及び／または部屋のクラスタリングを行う。属性クラスター計算部２１は、クラスタリングには機械学習の教師なしアルゴリズムであるｋ－ｍｅａｎｓ法、サポートベクターマシーン、ランダムフォレストなど種々のアルゴリズムのうちのいずれかを使用する。アルゴリズムへの入力は、施設内部の複数の部屋の平面形状と前記複数の部屋の位置を示す情報と、施設内部の複数の通路の平面形状と前記複数の通路の位置を示す情報であり、アルゴリズムからの出力は、複数の部屋それぞれのインデックスと複数の通路それぞれのインディクスであってもよい。
図５はクラスタリングの一例を示す図である。図５によると、属性クラスター計算部２１によって、通路の細さ、または、曲がり角の数に応じて、施設の内部の通路のクラスタリングが行われている事が分かる。なお、ここでは表示を分かりやすくするため、部屋のクラスター化は行っていないが、店舗、トイレなどの通路以外の施設の内部の領域にもクラスタリングを行ってもよい。
次に、クラスタリングの結果を属性計算部２２に渡し、人が清掃するか、清掃部２が清掃を行うかを、クラスターの特徴に応じて、判定を行う。ロボティクス技術及びセンシング技術は、清掃部２が移動及び障害物検知を行うために十分な精度を有していない。この為、清掃部２が、商品が陳列されている場所を清掃している過程で商品を落下させる可能性がある。また、図５のクラスター３のように、距離は長くないものの、曲がり角の多い領域は清掃部２が曲がり角ごとに回転する必要が生じ、時間を浪費する可能性が高い。一方で大きな通路は障害物が少ないが、領域としては商業施設内の大部分の領域を占める。こういった箇所は清掃部２による清掃の方が効率的である。
属性計算部２２が各クラスターの特徴に応じて各クラスターの属性を判定し、各クラスターに属性を示す属性情報を付与する。属性計算部２２は、すべてのクラスターから、清掃部２が清掃すべきでないクラスターを除き、清掃部２が清掃すべきクラスターを特定する情報を清掃ルート決定部３２に渡す。清掃すべきクラスターを特定する情報は、図６に示すロボット清掃領域を特定する情報であってもよい。清掃すべきクラスターを特定する情報は、図５に示すクラスター１、クラスター２、クラスター４～クラスター１０のそれぞれを特定する情報の集合、つまり、{クラスター１を特定する集合、クラスター２を特定する情報、クラスター４を特定する情報～クラスター１０を特定する情報}であってもよい。施設内部の構造（すなわち、施設の内部の通路の位置、形状、及び/または施設の内部の部屋の位置、形状）を特定する図面を２次元平面上で記述した場合、クラスターｉを特定する情報は、当該２次元平面においてクラスターｉに含まれる座標を示す情報の集合であってもよい。このことにより、清掃ルート計算部３０が最適清掃ルート（最適経路）を計算する時に、局所解に陥ることを防ぐことができ、清掃部２による清掃作業を効果的なものにする最適清掃ルート（最適経路）を導出することが出来る。
図６は、属性計算部２２が属性を判定した結果を反映したロボットが清掃すべき領域と人が清掃すべき領域を示した一例である。
属性の判定においては、商業施設の性質を鑑みて、属性計算部２２が、次のように属性を決定する。
１．店舗内かどうか
店舗内では清掃部２が清掃作業中に陳列された商品を落下させる可能性がある。この為、店舗内は人が清掃した方が適切である。属性計算部２２は、クラスターが店舗である場合、当該クラスターは人が清掃すべき領域と決定する。すなわち、属性計算部２２は、当該クラスターを清掃部２が掃除すべきクラスターとして選択しない。
２．領域内の曲がり角の個数が閾値以上
クラスター内部に多数の曲がり角が存在した場合に、その領域を清掃するために清掃部２は何度も方向転換を行う必要があり、清掃距離が短い場合でも、清掃部２による清掃に時間を要する。この為、このような領域は清掃部２での清掃には向いておらず、人が清掃した方が適切である。領域当たりの曲がり角の数の閾値としては、例えば、８個などを使用してもよい。属性計算部２２は、クラスターの領域内に存在する曲がり角の個数が、閾値（例えば８個）以上である場合、当該クラスターは人が清掃すべき領域と決定する。すなわち、属性計算部２２は、当該クラスターを清掃部２が掃除すべきクラスターとして選択しない。
３．出入口の個数が１つしかなく、その通路の幅が閾値以下である部屋
例えば、トイレは通常出入口が１つしかなく、またその出入口の通路は細い。この為、清掃部２が入った際に、部屋から出られなくなる可能性がある。この為、このような閉鎖的な施設の内部の領域で、かつ、出入口の通路の幅が閾値以下である場合には、清掃部２による清掃は適切ではなく、人が行う方が適切である。ただし、改装等により出入口が広がった場合、または、改装等により通路が十分広くなった場合には、清掃部２による清掃が可能となる。通路の幅の閾値としては、例えば、１００ｃｍ等を使用してもよい。属性計算部２２は、クラスターの領域内に存在する部屋の出入口の個数が１つであり、かつ、部屋の出入口の通路の幅が閾値（例えば、１００ｃｍ）以下である場合、当該クラスターは人が清掃すべき領域と決定する。すなわち、属性計算部２２は、当該クラスターを清掃部２が掃除すべきクラスターとして選択しない。
４．通路の幅が閾値以下
施設内には通路の幅が狭い箇所が存在する。このような狭い通路は、清掃部２が壁との衝突を避ける為、何度も方向転換をする必要がある可能性が高い。この為、このような領域は清掃部２による清掃に適さず、人が清掃する方が適切である。通路の幅の閾値としては、１００ｃｍ等を使用してもよいが、例えば、９０ｃｍ等を使用してもよい。属性計算部２２は、クラスターの領域内に存在する通路の幅の最小値が、閾値（例えば、９０ｃｍ）以下である場合、当該クラスターは人が清掃すべき領域と決定する。すなわち、属性計算部２２は、当該クラスターを清掃部２が掃除すべきクラスターとして選択しない。
５．領域内に段差がある場所
経路の途中に段差がある場合、清掃部２の移動が停止する可能性がある。このような領域は清掃部２による清掃に適さず、人が清掃した方が適切である。属性計算部２２は、クラスターの領域内に段差がある場合、当該クラスターは人が清掃すべき領域と決定する。すなわち、属性計算部２２は、当該クラスターを清掃部２が掃除すべきクラスターとして選択しない。
６．清掃部２と物理的な距離が閾値以上の領域
該当領域の塵埃の蓄積量が十分大きい場合、該当領域が清掃部２の出発点から離れた場所にあっても、清掃ルートに指定される可能性がある。この場合には、集塵回収量は最適となるが、他の多くの塵埃蓄積箇所が清掃部２によって清掃されない可能性がある。したがって、清掃部２の出発地点から閾値以上離れている場合には、人が清掃した方が適切である。清掃部２との物理的な距離の閾値は、例えば、直線距離で７００ｍ等を使用してもよい。属性計算部２２はクラスターの領域の重心の位置と、清掃開始位置との距離が、閾値（例えば、直線距離で７００ｍ）以上である場合、当該クラスターは人が清掃すべき領域と決定する。すなわち、属性計算部２２は、当該クラスターを清掃部２が掃除すべきクラスターとして選択しない。
７．クラスター内の微粒子分布の偏りが閾値以上
集塵の蓄積量が同じであっても、クラスター内の特定の場所に、集中的に塵埃が蓄積している場合、人が清掃しても、清掃部２が清掃しても短時間に清掃することができる。逆に、クラスター内に満遍なく塵埃が蓄積している場合には、清掃が必要な面積が広くなるため人が清掃しても、清掃部２が清掃しても、清掃に時間がかかる。このような場合、清掃員側の負担を減らすという観点では、後者を清掃部２が清掃してもよい。この為、クラスター内の微粒子分布の偏りが閾値以上の場合には、人が清掃した方が適切である。属性計算部２２は、偏りの判定にクラスター内の微粒子分布の標準偏差を使用すればよい。属性計算部２２は、クラスターの領域内の微粒子の分布の偏りが、閾値以上である場合、当該クラスターは人が清掃すべき領域であると決定する。すなわち、属性計算部２２は、当該クラスターを清掃部２が掃除すべきクラスターとして選択しない。
８．人の往来が閾値以上の場所
清掃ルート計算システム１は、施設及び／または各店舗への来場者数から施設内動線推定を行ってもよい。この場合、フロア毎または時間毎の人の往来の頻度を、施設内動線推定に利用する。人の往来が多い場所は、混雑の為に施設開店時間中に清掃員が清掃作業を行いにくい。このため、上記のような領域においては、夜間に清掃部２による清掃が行われてもよい。この為、対象領域内の人の往来頻度が閾値以上の場合には、対象領域内を清掃部２が清掃した方が適切である。属性計算部２２はクラスターの領域への人の往来の頻度が、閾値以上である場合、当該クラスターは清掃部２が清掃すべき領域と決定する。すなわち、属性計算部２２は、当該クラスターを清掃部２が掃除すべきクラスターとして選択する。
９．１から７のいずれにも該当しない場所
この場合には、人よりも清掃部２が清掃した方が適切である。
上記１～９に示したルールは属性判定の一例であり、これ以外のルールについても必要に応じて設定してもよい。この属性判定に関する計算は、施設改装などの理由で施設の内部の通路の位置、形状を特定する情報、及び/または、施設の内部の部屋の位置、形状を特定する情報が変化しない限りは、最初に一度実行しておけばよい。
図７は図面情報に施設出入口、換気口位置、空調機器の位置及び階段位置を設定した一例において、ある条件で微粒子シミュレーションを行った場合の塵埃蓄積マップの一例における塵埃蓄積場所をクラスタリングした結果の一例を示す図である。清掃ルート計算部３０は塵埃挙動計算部１０で計算された塵埃蓄積マップを塵埃クラスター計算部３１に渡し、塵埃蓄積場所のクラスタリングを行う。塵埃クラスター計算部３１は、クラスタリングに機械学習の教師なしアルゴリズムであるｋ－ｍｅａｎｓ法、サポートベクターマシーン、ランダムフォレストなど種々のアルゴリズムのいずれかを使用する。このクラスタリングにより、塵埃の蓄積箇所の各々はいずれかのクラスターに所属することになる為、塵埃の蓄積箇所の各々に離散的なインデックスが振られることになる。
塵埃クラスター計算部３１が塵埃蓄積場所をクラスタリングした結果は、{（第１の塵埃蓄積場所を特定する情報、第１の塵埃蓄積場所のインデックス）、（第２の塵埃蓄積場所を特定する情報、第２の塵埃蓄積場所のインデックス）、・・・}であってもよい。施設内部の構造を示す図面を２次元平面上で記述した場合、第ｉの塵埃蓄積場所を特定する情報は、当該クラスターｉの面積重心を示す座標であってもよい。
塵埃クラスター計算部３１は塵埃蓄積場所をクラスタリングした結果に、各塵埃蓄積場所における塵埃の蓄積量を示す情報を追加した情報を生成してもよい。つまり、塵埃クラスター計算部３１は{（第１の塵埃蓄積場所を特定する情報、第１の塵埃蓄積場所における塵埃の蓄積量、第１の塵埃蓄積場所のインデックス）、（第２の塵埃蓄積場所を特定する情報、第２の塵埃蓄積場所における塵埃の蓄積量、第２の塵埃蓄積場所のインデックス）、・・・}なる情報を生成してもよい。
清掃ルート決定部３２は、塵埃クラスター計算部３１から受け取った塵埃蓄積場所をクラスタリングした結果と各塵埃蓄積場所における塵埃の量を示す情報、及び、属性計算部２２から受け取った清掃すべきクラスターを特定する情報に基づいて、清掃ルートの決定を行う。施設内の清掃作業においては、清掃部２は、広大な施設の敷地内を４～５時間などの限られた時間内に終える必要がある。この為、清掃部２は、塵埃蓄積マップに示される全ての塵埃蓄積場所を清掃する事は出来ない。このため、清掃ルート決定部３２は、所定の時間という制約の中で清掃量を最大化するという最適化問題を解く。このような最適化問題は、多くの最適化アルゴリズムが利用される。利用される最適化アルゴリズムの多くは離散的最適化手法であり、塵埃クラスター計算部３１が決定したしたように、予め塵埃蓄積場所に離散的なインデックスが振られている必要がある。清掃ルート決定部３２が、最適化に使用するアルゴリズムは、遺伝的アルゴリズム、シミュレーテッドアニーリング、量子アニーリング等が想定される。
清掃ルート決定部３２は、塵埃クラスター計算部３１から受け取った「第１の塵埃蓄積場所を特定する情報、第２の塵埃蓄積場所を特定する情報、・・・」の各々が、属性計算部２２から受け取った「清掃すべきクラスターを特定する情報」に含まれるかを確認する。そして、清掃すべきクラスターを特定する情報に当該塵埃蓄積場所を特定する情報が含まれる場合、その（塵埃蓄積場所を特定する情報、塵埃蓄積場所における塵埃の蓄積量、塵埃蓄積場所のインデックス）なる情報を採用し、採用した情報の集合{（清掃すべきクラスターに含まる塵埃蓄積場所１、清掃すべきクラスターに含まる塵埃蓄積場所１における塵埃の蓄積量、清掃すべきクラスターに含まる塵埃蓄積場所１のインデックス）、（清掃すべきクラスターに含まる塵埃蓄積場所２、清掃すべきクラスターに含まる塵埃蓄積場所２における塵埃の蓄積量、清掃すべきクラスターに含まる塵埃蓄積場所２のインデックス）、・・・}を決定する。この情報を用いて、上記した最適化アルゴリズムを利用する。
なお、上記のような離散最適化手法ではなく、連続的最適化を行うアルゴリズムがあれば、清掃ルート決定部３２は、当該アルゴリズムを使用して経路最適化を行ってもよい。その場合には、清掃ルート計算部３０は、塵埃蓄積箇所のクラスタリングを行う必要は無い。
清掃ルート決定時には、ユーザーは清掃部２が出発する地点、清掃を終える地点、及び清掃を終えるための所要時間を、清掃ルート計算システム１に入力する。上記の情報を用いて、清掃ルート決定部３２が、最適化アルゴリズムによって、制約付き離散最適化問題を解くことによって、所定時間内に清掃量を最大化する最適清掃ルートを導出する。ここで、所定時間内に清掃量を最大化するとは、厳密に最大化することを意味しなくてもよい。最大化するにあたって、理論上の最大値の近傍の値を採用してもよい。また、最大化とは、局所的な最大化であってもよい。
図８は、図面情報に施設出入口、換気口位置、空調機器の位置及び階段位置を設定した一例において、ある条件で微粒子シミュレーションを行った場合の塵埃蓄積マップの一例における塵埃蓄積場所をクラスタリングした結果の一例をもとに最適化アルゴリズムで決定された清掃ルートの一例を示す図である。ここでは、清掃ルート計算部３０は、清掃部２の出発地点と終了地点に同じ場所を設定している。図８では清掃時間の制約条件の下で、全ての塵埃蓄積場所を清掃するルートは無い事を表しており、清掃ルートから外れた場所は清掃員等による清掃が必要な領域として残ることになる。この算出された最適清掃ルートは通信部３３を通じて、清掃部２へ送られる。
（清掃部）
清掃部２は、掃除部４０と駆動部５０を持つ。掃除部４０は、施設の床または壁面に蓄積している塵埃を清掃する集塵部４１を持つ。この集塵部４１により集塵された塵埃は集塵部４１の内部に蓄えられる。集塵部４１の内部の塵埃量検出部４２は、回収された塵埃の量を計量する事ができる。
駆動部５０によって清掃部２は目的の清掃場所へ移動することができる。移動部５１は清掃部２を移動させるためのものであり、車輪等の一般的な移動手段である。制御部５２は、移動部５１を制御し、車輪の回転量及び清掃部２の方向転換（水平方向における回転）等を制御する事で、任意の場所に清掃部２を移動させる。この際に、自己位置推定部５３は、制御部５２による車輪及び清掃部２の回転角度を読み取る事で、上記の情報を入力情報として、現在の清掃部２の位置を推定する。自己位置推定にはカルマンフィルタなどのデータ同化アルゴリズムを使用してもよい。なお、清掃部２はレーザーなどの光源を備え、そのレーザーのＴｏＦ（Ｔｉｍｅ ｏｆ Ｆｌｉｇｈｔ）から位置を推定してもよい。そして、通信部５４は清掃ルート計算システム１で計算された最適清掃ルートに関する情報を受け取り、その情報を制御部５２へ送る。この受信した最適清掃ルートと清掃部の位置の推定結果を組み合わせる事で、清掃部２は最適清掃ルートに沿った清掃作業を行う事ができる。更に、塵埃量検出部４２によって、施設内の塵埃の蓄積していた場所と蓄積していた塵埃の量も知ることができる。清掃部２は清掃の途中もしくは清掃が完了した所定のタイミングで、清掃部２が実際に清掃作業を行った場所、及び、塵埃量検出部４２が検出した清掃部２が回収した塵埃の量に関する情報を清掃ルート計算システム１に送信する。塵埃マップ作成部１３は清掃作業を行った場所と回収された塵埃の量に関する情報を塵埃蓄積マップに反映する。具体的には、塵埃マップ作成部１３は生成した塵埃蓄積マップにおいて、清掃ルートに指定された領域であって、清掃部２が実際に通過した領域を他の領域と区別できるように表示してもよい。例えば、塵埃マップ作成部１３は、清掃部２が通過した領域を、塵埃蓄積マップ上でグレーアウトするか塵埃蓄積マップから消去してもよい。塵埃マップ作成部１３は、塵埃蓄積マップ上で、清掃された領域を表示する方法とまだ清掃されていない領域の表示方法が異なるデータを生成してもよい。塵埃マップ作成部１３は、清掃部２から送信された、清掃部２が実際に清掃作業を行った場所、回収された塵埃の量に関する情報に基づいて、再度塵埃蓄積マップを作成するための計算を行い、塵埃蓄積マップを更新してもよい。更新された塵埃蓄積マップは、通信部５４及び通信部６１を通じて、清掃部２及び端末３に送信されてもよい。
図９は最適清掃ルート等の表示方法の一例を示す図である。図９に示すように、清掃ルート計算システム１は、清掃部２が清掃した場所または経路上で、例えば、コンター図の表示を初期設定のままにし、清掃を行わなかった領域では、コンター図の表示を破線から実線に変更した塵埃蓄積マップを生成する。そして、更新された塵埃蓄積マップが通信部３３を通じて端末３又は清掃ルート計算システム１へ送信される。端末は、更新された塵埃蓄積マップを表示する。
こうすることで、清掃員が塵埃蓄積マップ上で、清掃済みの部分と未清掃の部分を識別できる為、清掃員の清掃効率が高まる。
（端末）
端末３は商業施設管理者または施設内の清掃員が使用する。端末３は清掃部２から送られてくる塵埃蓄積マップを表示部６２に表示する。例えば、夜間に清掃部２が清掃を行い、清掃員が翌朝、清掃結果が反映されている塵埃蓄積マップを確認することで、清掃員による清掃が必要な領域を確認し、清掃活動に臨む。こうすることで、清掃員による清掃が必要な領域が塵埃蓄積マップ上で可視化される。また、端末３は清掃員の清掃結果を反映するための入力部６３を備えている。清掃員が入力部６３から、清掃員が清掃した領域に関する情報を清掃ルート計算システム１に入力する。塵埃マップ作成部１３は、清掃員が実際に清掃した場所の残存する塵埃の量をゼロとして塵埃蓄積マップに反映する。これにより、最新の塵埃蓄積場所に関する情報が塵埃蓄積マップ上にアップデートされ、最新の塵埃蓄積場所に関する情報が、清掃ルート計算システム１によって、微粒子シミュレーションにおける微粒子蓄積状態の初期条件として使われる。
以下ではフローチャートを使って、システムの全体の流れを説明する。
（清掃ルート計算システム）
図１０は清掃ルート計算システムのフローチャートである。
まず、清掃ルート計算システムの電源が入ると、清掃ルート計算システム１は初期設定が必要かどうかを判定する（ステップＳ１００）。既に清掃ルートの計算が行われたことがあり、清掃ルート計算システム１の初期設定が必要でない場合（ステップＳ１００でＮｏ）、清掃ルート計算システム１は、前回の清掃結果を反映した更新された塵埃蓄積マップを読み込む（ステップＳ１０１）。初回の起動時など前回の計算結果等の読み込めるデータ、例えば、更新された塵埃蓄積マップ、がなく、清掃ルート計算システム１の初期設定が必要な場合（ステップＳ１００でＹｅｓ）、清掃ルート計算システム１は、初期設定を行う。
次に、図面入力部１１は、図面入力部１１が施設内部の構造を特定する情報、例えば、施設の図面情報を保持するか否かを判定する（ステップＳ１０２）。施設の図面情報がある場合（ステップＳ１０２でＹｅｓ）、清掃ルート計算システム１は、図面の読み込みを行う（ステップＳ１０４）。施設の図面が無い場合は（ステップＳ１０２でＮｏ）、図面入力部１１はサーバー上で図面入力支援アプリケーションを起動し、ユーザーは当該図面入力支援アプリケーションを用いて図面を作成する。図面入力部１１は作成された図面を読み込む（ステップＳ１０３）。図面の作成を行う際には、清掃ルート計算システム１において、支援作成画面が起動し、ユーザーが図面を作成する。
そして、図面の読み込みが終わったら、各クラスターに属性を示す属性情報が付与されているかを調べる（ステップＳ１０５）。属性情報が付与されていない場合は（ステップＳ１０５でＮｏ）、属性クラスター計算部２１は、図面情報に基づいて、施設内部の通路のそれぞれのクラスタリング及び／または部屋のそれぞれのクラスタリングを行う（ステップＳ１０６）。
属性計算部２２は、クラスタリングされたクラスター毎にクラスターの属性を判定し、各クラスターに属性を示す属性情報を付与する（ステップＳ１０７）。属性計算部２２は、クラスターの特徴によって、当該クラスターについて、清掃部２が清掃すべき領域と、人が清掃すべき領域とを判定する。
属性情報がある場合は（ステップＳ１０５でＹｅｓ）、属性計算部２２は、属性情報を読み込む（ステップＳ１０８）。なお、ステップＳ１０８は、後述するステップＳ１１６の直前に行われてもよい。
挙動計算部１２は換気口の位置、施設の出入口、階段位置、空調設備の位置およびそれぞれの風速並びに圧力などの境界条件の設定を行う（ステップＳ１０９）。
挙動計算部１２は、境界条件の設定後、施設の内部の通路の位置、形状を特定する情報、及び/または、施設の内部の部屋の位置、形状を特定する情報と境界条件から計算モデルを作成する（ステップＳ１１０）。
挙動計算部１２は、施設の内部の気流解析を行う（ステップＳ１１１）。気流解析が終わったら、挙動計算部１２は、気流解析の結果と微粒子の挙動解析のためのモデルとを連成し、微粒子の挙動解析を行う（ステップＳ１１２）。これによって、挙動計算部１２は、施設の内部の微粒子の挙動及び床への微粒子の蓄積場所を把握することができる。
この微粒子解析が終了すると、挙動計算部１２は、微粒子解析の結果に基づいて、床へ重力沈降した微粒子の量を解析する。この解析結果に基づいて、塵埃マップ作成部１３は塵埃蓄積マップを作成する（ステップＳ１１３）。塵埃クラスター計算部３１は、この塵埃蓄積マップを用いて、塵埃蓄積場所のクラスタリングを行う（ステップＳ１１４）。
清掃ルート決定部３２は、ユーザーから清掃部２の清掃時間の入力を受け付ける（ステップＳ１１５）。清掃ルート決定部３２は、清掃時間、塵埃クラスター計算部３１から受け取った塵埃蓄積場所をクラスタリングした結果と各塵埃蓄積場所における塵埃の量を示す情報、及び、属性計算部２２から受け取った清掃すべきクラスターを特定する情報に基づいて、最適な清掃ルート（最適経路）を決定する（ステップＳ１１６）。すなわち、清掃ルート決定部３２は、所定時間内に各塵埃蓄積場所を通過するという条件の下で、清掃作業の効率を最大化するという目的の最適解である経路を決定する。
そして、清掃ルート計算システム１は、決定された清掃ルート（最適経路）を清掃部２へ送信する（ステップＳ１１７）。
（自律型清掃装置）
図１１は、清掃部２のフローチャートである。
清掃部２は清掃ルート計算システム１から送られてくる経路を受信したか否かを判定する（ステップＳ２００）。清掃部２は、経路を受信しなかった場合は（ステップＳ２００でＮｏ）、経路を受信したか否かの判定を継続する。清掃部２が経路を受信した場合は（ステップＳ２００でＹｅｓ）、清掃部２は、受信した経路に基づいた清掃作業を開始する。
次に、清掃部２は、清掃ルートに含まれる地点へ移動する（ステップＳ２０１）。そして、清掃部２は、移動した先の場所にある塵埃を除塵する（ステップＳ２０２）。
そして、清掃部２は、除塵量を判定する（ステップＳ２０３）。その後、移動部５１に含まれる車輪の回転量及び清掃部２に含まれる各種センサによるセンシングの結果に基づいて清掃部２の存在する位置の推定を行う（ステップＳ２０４）。
そして、清掃部２は、清掃作業を終えると端末３へ清掃結果を送信する（ステップＳ２０５）。なお、ここでは夜間に清掃部２を駆動する事を想定している為、最終結果を送信しているが、日中に清掃部２を駆動する場合には、途中結果を送信するステップを含んでもよい。
（端末）
図１２は端末３のフローチャートである。
端末３は清掃部２から送られてくる清掃結果を反映した塵埃蓄積マップを表示する。まず、端末３は、清掃ルート計算システム１から送信される最適清掃ルート（最適経路）を受信する（ステップＳ３００）。次に、端末３は、清掃部２によって清掃されていない清掃するべき領域を表示する（ステップＳ３０１）。そして、清掃員は清掃部２によって清掃されておらず、清掃員による清掃が必要な領域を清掃した後に、清掃員の清掃結果を端末３に登録する（ステップＳ３０２）。そして、端末３は、清掃ルート計算システム１へ清掃員の清掃結果を送信する（ステップＳ３０３）。
（効果等）
本開示の一態様に係る清掃ルート決定システムは、施設内部の情報を含む計算条件を受け付ける計算条件入力部と、前記計算条件に基づいて、前記施設内部における気流の挙動および微粒子の挙動を解析する解析部と、前記解析の結果に基づいて、前記施設内部において、塵埃が蓄積する一または複数の塵埃蓄積場所と、前記一または複数の塵埃蓄積場所における塵埃の量を示す塵埃蓄積マップを作成するマップ作成部と、前記塵埃蓄積マップに基づいて、第２の複数の経路から、第１の経路を決定する経路算出部と、を備え、前記第２の複数の経路の各々は、前記一または複数の塵埃蓄積場所のうち少なくとも一つの場所を清掃部が所定時間内に通過する経路あり、前記第１の経路に含まれるすべての塵埃蓄積場所の塵埃の量の合計は複数の合計のうち最も大きく、前記複数の合計のそれぞれは、前記第２の複数の経路の各々に含まれる全ての塵埃蓄積場所の塵埃の量の合計である。
これにより、本開示の一態様に係る清掃ルート決定システムは、施設内部で塵埃の蓄積している可能性の高い場所を特定し、特定した塵埃の蓄積している可能性の高い場所のうちの１つ以上の箇所を、所定の時間内で集塵量を最大化する経路を決定する。掃除部はこの経路に沿って掃除することによって、施設内部を定められた時間内に効率よく清掃することが出来る。
本開示の一態様に係る清掃ルート決定システムは、端末を更に備え、前記マップ作成部は、前記清掃が行われた場所における塵埃の量に関する情報に基づいて前記塵埃蓄積マップを更新し、前記端末は前記更新された塵埃蓄積マップを受信し、前記端末は、前記更新された塵埃蓄積マップを表示する。
これにより、本開示の一態様に係る清掃ルート決定システムは、清掃を行った場所についての情報を塵埃の蓄積している可能性の高い場所を表示した地図に反映することによって、施設内部の塵埃の蓄積している場所についての、常に確度の高い情報を保持することが出来る。
本開示の一態様に係る清掃ルート決定システムは、前記端末は、更に、入力部を備え、前記マップ作成部は、前記入力部に入力された、清掃員が清掃を行った場所の情報に基づいて、前記塵埃蓄積マップを更新する。
これにより、本開示の一態様に係る清掃ルート決定システムは、清掃員が清掃を行った場所についての情報を塵埃の蓄積している可能性の高い場所を表示した地図に反映することによって、施設内部の塵埃の蓄積している場所についての、常に確度の高い情報を保持することが出来る。
本開示の一態様に係る清掃ルート決定システムは、前記解析部は、更新された前記塵埃蓄積マップの情報を、前記微粒子の前記挙動の解析に用いる初期条件として用いる。
これにより、本開示の一態様に係る清掃ルート決定システムは、施設内部の塵埃の蓄積している場所の情報について、常に確度の高い情報に基づいて、微粒子の挙動を解析することが出来る。
本開示の一態様に係る清掃ルート決定システムは、前記一または複数の塵埃蓄積場所のそれぞれは、前記塵埃が所定量以上蓄積している地点である。
これにより、本開示の一態様に係る清掃ルート決定システムは、施設内部で、所定の時間内に、最大限の塵埃を集塵するために、所定量以上塵埃が蓄積していると解析された地点について清掃を行うことで、施設内部対象の空間内で、効率的に清掃を行うことが出来る。
本開示の一態様に係る清掃ルート決定システムは、前記解析部は、格子ボルツマン法を用いて、前記気流の前記挙動の解析を行う。
これにより、本開示の一態様に係る清掃ルート決定システムは、気流の挙動の解析時に計算負荷を減らすことが出来る。
本開示の一態様に係る清掃ルート決定システムは、前記解析部は、ｋ－εモデルを用いて、前記気流の前記挙動の解析を行う。
これにより、本開示の一態様に係る清掃ルート決定システムは、気流の挙動の解析時に計算負荷を減らすことが出来る。
本開示の一態様に係る清掃ルート決定システムは、前記解析部は、ｏｎｅ－ｗａｙモデルを用いて、前記微粒子の前記挙動の解析を行う。
これにより、本開示の一態様に係る清掃ルート決定システムは、気流の挙動の解析時に計算負荷を減らすことが出来る。
本開示の一態様に係る清掃ルート決定システムは、塵埃クラスター計算部を更に備え、前記塵埃クラスター計算部は、機械学習により、前記一または複数の塵埃蓄積場所を一または複数のクラスターに分けるクラスタリングを行い、前記経路算出部は、前記一または複数のクラスターを用いて、前記第１の経路を決定する。
これにより、本開示の一態様に係る清掃ルート決定システムは、統計処理に基づき、塵埃の蓄積している箇所に離散的なインデックスを付与することが出来る。
本開示の一態様に係る清掃ルート決定システムは、前記経路算出部は、遺伝的アルゴリズム、シミュレーテッドアニーリングまたは量子アニーリングの少なくとも一つを用いて、前記第１の経路を算出する。
これにより、本開示の一態様に係る清掃ルート決定システムは、最適清掃ルート（最適経路）を導出する際に、局所解に陥る可能性を低減させることが出来る。
本開示の一態様に係る清掃ルート決定方法は、施設内部の情報を含む計算条件を受け付け、前記計算条件に基づいて、前記施設内部における気流の挙動および微粒子の挙動を解析し、前記解析の結果に基づいて、前記施設内部において、塵埃が蓄積する一または複数の塵埃蓄積場所と、前記一または複数の塵埃蓄積場所における塵埃の量を示す塵埃蓄積マップを作成し、前記塵埃蓄積マップに基づいて、第２の複数の経路から、第１の経路を決定し、前記第２の複数の経路の各々は、前記一または複数の塵埃蓄積場所のうち少なくとも一つの場所を清掃部が所定時間内に通過する経路あり、前記第１の経路に含まれるすべての塵埃蓄積場所の塵埃の量の合計は複数の合計のうち最も大きく、前記複数の合計のそれぞれは、前記第２の複数の経路の各々に含まれる全ての塵埃蓄積場所の塵埃の量の合計である。
これにより、本開示の一態様に係る清掃ルート決定方法は、施設内部で塵埃の蓄積している可能性の高い場所を特定し、特定した塵埃の蓄積している可能性の高い場所のうちの１つ以上の箇所を、所定の時間内で集塵量を最大化する経路を決定する。掃除部はこの経路に沿って掃除することによって、施設内部を定められた時間内に効率よく清掃することが出来る。
以上、清掃ルート決定システム及び清掃ルート決定方法について、実施の形態に基づいて説明したが、本開示は、この実施の形態に限定されるものではない。本開示の趣旨を逸脱しない限り、当業者が思いつく各種変形を本実施の形態に施したもの及び、異なる実施の形態における構成要素を組み合わせて構築される形態も、一つまたは複数の態様の範囲内に含まれてもよい。
図１に示される清掃ルート計算システム１のブロック図、清掃部２のブロック図、端末３のブロック図のそれぞれに含まれる機能ブロックの全部又は一部は、半導体装置、半導体集積回路（ＩＣ）、又はＬＳＩ（large scale integration）を含む一つ又は一つ以上の電子回路によって実行されてもよい。ＬＳＩ又はＩＣは、一つのチップに集積されてもよいし、複数のチップを組み合わせて構成されてもよい。例えば、記憶素子以外の機能ブロックは、一つのチップに集積されてもよい。ここでは、ＬＳＩやＩＣと呼んでいるが、集積の度合いによって呼び方が変わり、システムＬＳＩ、ＶＬＳＩ(very large scale integration)、若しくはＵＬＳＩ(ultra large scale integration)と呼ばれるかもしれない。ＬＳＩの製造後にプログラムされる、Field Programmable Gate Array (FPGA)、又はＬＳＩ内部の接合関係の再構成又はＬＳＩ内部の回路区画のセットアップができるreconfigurable logic deviceも同じ目的で使うことができる。
図１に示される清掃ルート計算システム１、清掃部２、端末３のそれぞれの全部又は一部の機能又は操作は、ソフトウエア処理によって実行することが可能である。この場合、ソフトウエアは一つ又は一つ以上のＲＯＭ、ＲＡＭ、光学ディスク、または、ハードディスクドライブ、などの非一時的記録媒体に記録され、ソフトウエアが、処理装置（processor）によって実行された場合に、ソフトウエアは、ソフトウエア内の特定の機能を、処理装置（processor）と周辺のデバイスに実行させる。清掃ルート計算システム１、清掃部２、端末３のそれぞれは、ソフトウエアが記録されている一つ又は一つ以上の非一時的記録媒体、処理装置（processor）、及び必要とされるハードウエアデバイス、例えばインターフェース、を備えていても良い。清掃ルート計算システム１を実現するソフトウエアは図１０に示すフローチャートに含まれる各ステップをコンピュータに実行させる。清掃部２を実現するソフトウエアは図１１に示すフローチャートに含まれる各ステップをコンピュータに実行させる。端末３を実現するソフトウエアは、図１２に示すフローチャートに含まれる各ステップをコンピュータに実行させる。
本開示は、清掃ルート決定システムとして、例えば、大規模商業施設等での限られた時間内での効率的な清掃等に利用することが出来る。
１ 清掃ルート計算システム
２ 清掃部
３ 端末
１０ 塵埃挙動計算部
１１ 図面入力部
１２ 挙動計算部
１３ 塵埃マップ作成部
２０ 属性判定部
２１ 属性クラスター計算部
２２ 属性計算部
３０ 清掃ルート計算部
３１ 塵埃クラスター計算部
３２ 清掃ルート決定部
３３、５４、６１ 通信部
４０ 掃除部
４１ 集塵部
４２ 塵埃量検出部
５０ 駆動部
５１ 移動部
５２ 制御部
５３ 自己位置推定部
６０ 塵埃マップ表示部
６２ 表示部
６３ 入力部

Claims (11)

  1. 施設の内部の情報を含む計算条件を受け付ける計算条件入力部と、
    前記計算条件に基づいて、前記施設の内部における気流の挙動および微粒子の挙動を解析する解析部と、
    前記解析の結果に基づいて、前記施設の内部において、塵埃が蓄積する一または複数の塵埃蓄積場所と、前記一または複数の塵埃蓄積場所における塵埃の量を示す塵埃蓄積マップを作成するマップ作成部と、
    前記塵埃蓄積マップに基づいて、第２の複数の経路から、第１の経路を決定する経路算出部と、を備え、
    前記第２の複数の経路の各々は、前記一または複数の塵埃蓄積場所のうち少なくとも一つの場所を清掃部が所定時間内に通過する経路であり、
    前記第１の経路に含まれるすべての塵埃蓄積場所の塵埃の量の合計は複数の合計のうち最も大きく、
    前記複数の合計のそれぞれは、前記第２の複数の経路の各々に含まれる全ての塵埃蓄積場所の塵埃の量の合計であり、
    前記計算条件において、流入出する前記微粒子の濃度を決定するための前記施設の出入口の風速の境界条件は、前記施設の外部からの自然対流の風速および人の歩行によって誘起される気流の風速に基づいて決定される、
    清掃ルート決定システム。
  2. 端末を更に備え、
    前記マップ作成部は、前記清掃部により清掃が行われた場所における塵埃の量に関する情報に基づいて前記塵埃蓄積マップを更新し、
    前記端末は前記更新された塵埃蓄積マップを受信し、
    前記端末は、前記更新された塵埃蓄積マップを表示する、
    請求項１に記載の清掃ルート決定システム。
  3. 前記端末は、更に、入力部を備え、
    前記マップ作成部は、前記入力部に入力された、清掃員が清掃を行った場所の情報に基づいて、前記塵埃蓄積マップを更新する、
    請求項２に記載の清掃ルート決定システム。
  4. 前記解析部は、更新された前記塵埃蓄積マップの情報を、前記微粒子の前記挙動の解析に用いる初期条件として用いる、
    請求項３に記載の清掃ルート決定システム。
  5. 前記一または複数の塵埃蓄積場所のそれぞれは、前記塵埃が所定量以上蓄積している地点である、
    請求項１～４のいずれか１項に記載の清掃ルート決定システム。
  6. 前記解析部は、格子ボルツマン法を用いて、前記気流の前記挙動の解析を行う、
    請求項１～５のいずれか１項に記載の清掃ルート決定システム。
  7. 前記解析部は、ｋ－εモデルを用いて、前記気流の前記挙動の解析を行う、
    請求項１～５のいずれか１項に記載の清掃ルート決定システム。
  8. 前記解析部は、ｏｎｅ－ｗａｙモデルを用いて、前記微粒子の前記挙動の解析を行う、
    請求項１～７のいずれか１項に記載の清掃ルート決定システム。
  9. 塵埃クラスター計算部を更に備え、
    前記塵埃クラスター計算部は、機械学習により、前記一または複数の塵埃蓄積場所を一または複数のクラスターに分けるクラスタリングを行い、
    前記経路算出部は、前記一または複数のクラスターを用いて、前記第１の経路を決定する、
    請求項１～８のいずれか１項に記載の清掃ルート決定システム。
  10. 前記経路算出部は、
    遺伝的アルゴリズム、シミュレーテッドアニーリングまたは量子アニーリングの少なくとも一つを用いて、前記第１の経路を算出する、
    請求項１～９のいずれか１項に記載の清掃ルート決定システム。
  11. 施設の内部の情報を含む計算条件を受け付け、
    前記計算条件に基づいて、前記施設の内部における気流の挙動および微粒子の挙動を解析し、
    前記解析の結果に基づいて、前記施設の内部において、塵埃が蓄積する一または複数の塵埃蓄積場所と、前記一または複数の塵埃蓄積場所における塵埃の量を示す塵埃蓄積マップを作成し、
    前記塵埃蓄積マップに基づいて、第２の複数の経路から、第１の経路を決定し、
    前記第２の複数の経路の各々は、前記一または複数の塵埃蓄積場所のうち少なくとも一つの場所を清掃部が所定時間内に通過する経路であり、
    前記第１の経路に含まれるすべての塵埃蓄積場所の塵埃の量の合計は複数の合計のうち最も大きく、
    前記複数の合計のそれぞれは、前記第２の複数の経路の各々に含まれる全ての塵埃蓄積場所の塵埃の量の合計であり、
    前記計算条件において、流入出する前記微粒子の濃度を決定するための前記施設の出入口の風速の境界条件は、前記施設の外部からの自然対流の風速および人の歩行によって誘起される気流の風速に基づいて決定される、
    清掃ルート決定方法。
JP2020569454A 2019-01-31 2019-12-25 清掃ルート決定システム及び清掃ルート決定方法 Active JP7417954B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2019015677 2019-01-31
JP2019015677 2019-01-31
PCT/JP2019/051001 WO2020158275A1 (ja) 2019-01-31 2019-12-25 清掃ルート決定システム及び清掃ルート決定方法

Publications (2)

Publication Number Publication Date
JPWO2020158275A1 JPWO2020158275A1 (ja) 2020-08-06
JP7417954B2 true JP7417954B2 (ja) 2024-01-19

Family

ID=71839960

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020569454A Active JP7417954B2 (ja) 2019-01-31 2019-12-25 清掃ルート決定システム及び清掃ルート決定方法

Country Status (4)

Country Link
US (1) US11906324B2 (ja)
JP (1) JP7417954B2 (ja)
CN (1) CN112839556B (ja)
WO (1) WO2020158275A1 (ja)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112867423B (zh) * 2019-01-31 2023-04-14 松下知识产权经营株式会社 清扫路线决定装置以及清扫路线决定方法
GB2616658A (en) * 2022-03-17 2023-09-20 Dyson Technology Ltd Control of a robotic vacuum cleaner based on dust distribution data

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005205028A (ja) 2004-01-23 2005-08-04 Sharp Corp 自走式掃除機
WO2010109557A1 (ja) 2009-03-27 2010-09-30 パナソニック株式会社 集塵装置およびこの装置の制御方法、制御プログラム、プログラムを記憶した記録媒体
JP2012154822A (ja) 2011-01-27 2012-08-16 Dainippon Printing Co Ltd ルート算出システム、サーバ、ルート算出方法、プログラム、記録媒体
JP2013230294A (ja) 2012-05-01 2013-11-14 Sharp Corp 自走式掃除機
JP2017204132A (ja) 2016-05-11 2017-11-16 シャープ株式会社 自走式電子機器
JP2018109494A (ja) 2017-01-06 2018-07-12 株式会社東芝 空調制御装置、空調制御方法及びコンピュータプログラム

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3548315B2 (ja) * 1996-02-20 2004-07-28 富士通株式会社 認知地図を持つ装置
KR100571834B1 (ko) * 2004-02-27 2006-04-17 삼성전자주식회사 청소 로봇의 바닥 먼지 검출 방법 및 장치
TW201239643A (en) * 2011-03-30 2012-10-01 Micro Star Int Co Ltd Clean path guiding method with dirt detection
JP6409003B2 (ja) * 2013-01-18 2018-10-17 アイロボット コーポレイション ロボットを用いる方法及びそのコンピュータ可読記憶媒体
JP6976544B2 (ja) 2016-11-30 2021-12-08 シーバイエス株式会社 清掃装置およびその制御方法
US10918252B2 (en) * 2017-07-27 2021-02-16 Neato Robotics, Inc. Dirt detection layer and laser backscatter dirt detection
KR102032285B1 (ko) * 2017-09-26 2019-10-15 엘지전자 주식회사 이동 로봇 및 그 제어방법
CN108733060A (zh) * 2018-06-05 2018-11-02 北京智行者科技有限公司 一种作业地图信息的处理方法
DE102019101338A1 (de) * 2019-01-18 2020-07-23 Vorwerk & Co. Interholding Gmbh System aus einem ausschließlich manuell geführten Bodenbearbeitungsgerät und einem ausschließlich automatisch betriebenen Bodenbearbeitungsgerät sowie Verfahren zum Betrieb eines solchen Systems

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005205028A (ja) 2004-01-23 2005-08-04 Sharp Corp 自走式掃除機
WO2010109557A1 (ja) 2009-03-27 2010-09-30 パナソニック株式会社 集塵装置およびこの装置の制御方法、制御プログラム、プログラムを記憶した記録媒体
JP2012154822A (ja) 2011-01-27 2012-08-16 Dainippon Printing Co Ltd ルート算出システム、サーバ、ルート算出方法、プログラム、記録媒体
JP2013230294A (ja) 2012-05-01 2013-11-14 Sharp Corp 自走式掃除機
JP2017204132A (ja) 2016-05-11 2017-11-16 シャープ株式会社 自走式電子機器
JP2018109494A (ja) 2017-01-06 2018-07-12 株式会社東芝 空調制御装置、空調制御方法及びコンピュータプログラム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
高柳 哲也, 松本 貴也, 三木 慎一郎，格子ボルツマン法を用いた高濃度粒子流れの解析，第32回数値流体力学シンポジウム，日本，一般社団法人 日本流体力学会，2018年12月12日

Also Published As

Publication number Publication date
US20210278239A1 (en) 2021-09-09
US11906324B2 (en) 2024-02-20
WO2020158275A1 (ja) 2020-08-06
CN112839556B (zh) 2023-06-27
CN112839556A (zh) 2021-05-25
JPWO2020158275A1 (ja) 2020-08-06

Similar Documents

Publication Publication Date Title
JP7442070B2 (ja) 清掃ルート決定装置及び清掃ルート決定方法
Peng et al. A self-learning dynamic path planning method for evacuation in large public buildings based on neural networks
Petersen et al. Establishing an image-based ground truth for validation of sensor data-based room occupancy detection
US11906324B2 (en) Cleaning route determination system and method for determining cleaning route
US9791872B2 (en) Method and apparatus for an energy saving heating, ventilation, and air conditioning (HVAC) control system
US20200100639A1 (en) Robotic vacuum cleaners
CN106170792A (zh) 用于部署传感器的方法
Bensilum et al. Gridflow: an object-oriented building evacuation model combining pre-movement and movement behaviours for performance-based design
WO2015136742A1 (ja) 駅混雑予測装置及び駅混雑情報提供システム
US11797733B2 (en) Artificial intelligence determination of building metrics for code compliance
Zhang et al. Predictive control of HVAC by multiple output GRU-CFD integration approach to manage multiple IAQ for commercial heritage building preservation
Lu et al. A zone-level occupancy counting system for commercial office spaces using low-resolution time-of-flight sensors
US20210101279A1 (en) Electronic apparatus and controlling method thereof
KR102476299B1 (ko) 복지관 실내 환경 관리 시스템
Gu et al. Estimating spatiotemporal contacts between individuals in underground shopping streets based on multi-agent simulation
Li et al. Building occupancy estimation with people flow modeling in AnyLogic
CN113454659A (zh) 设备控制辅助装置、程序以及控制辅助方法
Tang et al. A simulation platform for sensing system selection for occupant distribution estimation in smart buildings
Richter et al. A passenger movement forecast and optimisation system for airport terminals
JP2022136856A (ja) 推定装置、推定方法及び推定プログラム
Kondo et al. Equation-based modeling and optimization-based parameter estimation in multimodal virtual sensing platforms for smart buildings
JP2023136845A (ja) 移動経路算出装置、移動経路算出方法、移動経路算出プログラム、記録媒体および移動体
WO2024107779A1 (en) Artificial intelligence determination of building smoke and indoor air quality management
Abhari et al. Comparison of data analysis tools for trending thermal comfort parameters
CN117610437A (zh) 水灾场景下地下车站疏散高风险区预测方法和装置

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20221128

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20231003

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20231127

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: 20231219

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20231225

R151 Written notification of patent or utility model registration

Ref document number: 7417954

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151