JP7491467B2 - MEASUREMENT APPARATUS, MEASUREMENT METHOD, MEASUREMENT PROGRAM, AND JUDGMENT SYSTEM - Google Patents
MEASUREMENT APPARATUS, MEASUREMENT METHOD, MEASUREMENT PROGRAM, AND JUDGMENT SYSTEM Download PDFInfo
- Publication number
- JP7491467B2 JP7491467B2 JP2023516549A JP2023516549A JP7491467B2 JP 7491467 B2 JP7491467 B2 JP 7491467B2 JP 2023516549 A JP2023516549 A JP 2023516549A JP 2023516549 A JP2023516549 A JP 2023516549A JP 7491467 B2 JP7491467 B2 JP 7491467B2
- Authority
- JP
- Japan
- Prior art keywords
- value
- carbon dioxide
- data
- environment
- series data
- 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
- 238000005259 measurement Methods 0.000 title claims description 110
- 238000000691 measurement method Methods 0.000 title description 2
- PWPJGUXAGUPAHP-UHFFFAOYSA-N lufenuron Chemical compound C1=C(Cl)C(OC(F)(F)C(C(F)(F)F)F)=CC(Cl)=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F PWPJGUXAGUPAHP-UHFFFAOYSA-N 0.000 title 1
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 592
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 296
- 239000001569 carbon dioxide Substances 0.000 claims description 75
- 241000282412 Homo Species 0.000 claims description 49
- 238000000034 method Methods 0.000 claims description 36
- 238000003860 storage Methods 0.000 claims description 26
- 230000008859 change Effects 0.000 claims description 20
- 238000012545 processing Methods 0.000 description 40
- 238000004364 calculation method Methods 0.000 description 38
- 230000008569 process Effects 0.000 description 30
- 238000010586 diagram Methods 0.000 description 29
- 238000004891 communication Methods 0.000 description 14
- 230000015654 memory Effects 0.000 description 14
- 230000006870 function Effects 0.000 description 12
- 238000010411 cooking Methods 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 6
- 238000009423 ventilation Methods 0.000 description 5
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 208000036142 Viral infection Diseases 0.000 description 2
- 241000700605 Viruses Species 0.000 description 2
- 208000015181 infectious disease Diseases 0.000 description 2
- 239000004615 ingredient Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008707 rearrangement Effects 0.000 description 2
- 230000009385 viral infection Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V99/00—Subject matter not provided for in other groups of this subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/22—Status alarms responsive to presence or absence of persons
Landscapes
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Geophysics (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Emergency Management (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Description
本開示は、二酸化炭素濃度を計測する計測装置、計測方法、計測プログラム、および判定システムに関する。 The present disclosure relates to a measuring device, a measuring method, a measuring program, and a determination system for measuring carbon dioxide concentration.
近年、ウィルスによる感染の拡大を防止するために、閉じられた環境において人が密集することを避けることが提唱されている。また、人の密集度を評価するために二酸化炭素濃度を判定するといった技術が公知である。たとえば、特開2020-166709号公報(特許文献1)は、室内空間における二酸化炭素濃度の時間変化と、在室者一人当たりの呼吸量とに基づいて、在室人数を推定する推定装置を開示する。In recent years, it has been suggested to avoid crowding in closed environments in order to prevent the spread of viral infections. In addition, techniques for determining carbon dioxide concentration to evaluate the degree of crowding are known. For example, JP 2020-166709 A (Patent Document 1) discloses an estimation device that estimates the number of people in a room based on the change in carbon dioxide concentration over time in an indoor space and the breathing volume per person.
特許文献1に開示された推定装置によれば、室内空間における二酸化炭素濃度を判定することによって、在室人数を推定することができる。環境によっては、人に限らず、人以外の二酸化炭素排出源からも大気中に二酸化炭素が排出されることがあるが、特許文献1に開示された推定装置では、人以外の二酸化炭素排出源から排出される二酸化炭素については考慮されていない。このため、特許文献1に開示された推定装置は、人に由来する二酸化炭素濃度を精度よく判定することが難しく、人の密集度を精度よく判定することができないおそれがあった。
According to the estimation device disclosed in
本開示は、このような課題を解決するためになされたものであって、その目的は、人以外の二酸化炭素の排出源が存在する環境において人の密集度を精度よく判定する技術を提供することである。The present disclosure has been made to solve these problems, and its purpose is to provide technology that can accurately determine the density of people in an environment where there are sources of carbon dioxide emissions other than humans.
本開示のある局面に従う計測装置は、大気中に二酸化炭素を排出する排出源として人以外の二酸化炭素排出源が存在しない第1環境における二酸化炭素濃度の第1時系列データを記憶する記憶装置と、人以外の二酸化炭素排出源が存在する第2環境における二酸化炭素濃度の第2時系列データを取得するデータ取得装置と、制御装置とを備える。制御装置は、第1時系列データと第2時系列データとの間の差分に基づき、第2環境における二酸化炭素濃度を判定するための基準値を算出する。A measurement device according to an aspect of the present disclosure includes a storage device that stores first time series data of a carbon dioxide concentration in a first environment in which there are no carbon dioxide emission sources other than humans that emit carbon dioxide into the atmosphere, a data acquisition device that acquires second time series data of a carbon dioxide concentration in a second environment in which there are carbon dioxide emission sources other than humans, and a control device. The control device calculates a reference value for determining the carbon dioxide concentration in the second environment based on the difference between the first time series data and the second time series data.
本開示の他の局面に従う計測方法は、(a)大気中に二酸化炭素を排出する排出源として人以外の二酸化炭素排出源が存在しない第1環境における二酸化炭素濃度の第1時系列データを記憶するステップと、(b)人以外の二酸化炭素排出源が存在する第2環境における二酸化炭素濃度の第2時系列データを取得するステップと、(c)第1時系列データと第2時系列データとの間の差分に基づき、第2環境における二酸化炭素濃度を判定するための基準値を算出するステップとを含む。A measurement method according to another aspect of the present disclosure includes: (a) storing first time series data of carbon dioxide concentration in a first environment in which there are no carbon dioxide emission sources other than humans that emit carbon dioxide into the atmosphere; (b) acquiring second time series data of carbon dioxide concentration in a second environment in which there are carbon dioxide emission sources other than humans; and (c) calculating a reference value for determining the carbon dioxide concentration in the second environment based on the difference between the first time series data and the second time series data.
本開示の他の局面に従う計測プログラムは、コンピュータに、(a)大気中に二酸化炭素を排出する排出源として人以外の二酸化炭素排出源が存在しない第1環境における二酸化炭素濃度の第1時系列データを記憶するステップと、(b)人以外の二酸化炭素排出源が存在する第2環境における二酸化炭素濃度の第2時系列データを取得するステップと、(c)第1時系列データと第2時系列データとの間の差分に基づき、第2環境における二酸化炭素濃度を判定するための基準値を算出するステップとを実行させる。A measurement program according to another aspect of the present disclosure causes a computer to execute the steps of (a) storing first time series data of carbon dioxide concentration in a first environment in which there are no carbon dioxide emission sources other than humans that emit carbon dioxide into the atmosphere, (b) acquiring second time series data of carbon dioxide concentration in a second environment in which there are carbon dioxide emission sources other than humans, and (c) calculating a reference value for determining the carbon dioxide concentration in the second environment based on the difference between the first time series data and the second time series data.
本開示によれば、人以外の二酸化炭素排出源が存在しない第1環境における二酸化炭素濃度の第1時系列データと、人以外の二酸化炭素排出源が存在する第2環境における二酸化炭素濃度の第2時系列データとの間の差分に基づき、第2環境における二酸化炭素濃度を判定するための基準値が生成される。これにより、人以外の二酸化炭素の排出源が存在する環境における二酸化炭素濃度を判定することができるため、人以外の二酸化炭素の排出源が存在する環境において人の密集度を精度よく判定することができる。According to the present disclosure, a reference value for determining the carbon dioxide concentration in a second environment is generated based on the difference between first time-series data of the carbon dioxide concentration in a first environment in which there are no carbon dioxide emission sources other than humans, and second time-series data of the carbon dioxide concentration in a second environment in which there are carbon dioxide emission sources other than humans. This makes it possible to determine the carbon dioxide concentration in an environment in which there are carbon dioxide emission sources other than humans, and therefore to accurately determine the density of people in an environment in which there are carbon dioxide emission sources other than humans.
以下、本開示の実施の形態について、図面を参照しながら詳細に説明する。なお、図中同一または相当部分には同一符号を付してその説明は繰り返さない。Hereinafter, the embodiments of the present disclosure will be described in detail with reference to the drawings. Note that the same or corresponding parts in the drawings are designated by the same reference numerals and their description will not be repeated.
<実施の形態1>
図1~図8を参照しながら、実施の形態1に係る計測装置1、および計測装置1を備えた判定システム100を説明する。
<First embodiment>
A
[適用例]
図1は、実施の形態1に係る判定システム100の適用例を説明するための図である。
[Application example]
FIG. 1 is a diagram for explaining an application example of a
図1に示すように、飲食店においては、客または店員の人数が増えることによって人が密集した状態になり得るが、近年、ウィルスによる感染の拡大を防止するために、飲食店などの閉じられた環境において人が密集することを避けることが提唱されている。As shown in Figure 1, in restaurants, an increase in the number of customers or staff can lead to crowded conditions. In recent years, however, in order to prevent the spread of viral infections, it has been suggested to avoid crowding in closed environments such as restaurants.
そこで、実施の形態1においては、時間の経過に伴って変化する室内空間における二酸化炭素(以下、「CO2」(carbon dioxide)とも称する。)の濃度がセンサモジュール2のセンサ25によって測定される。そして、判定システム100は、センサモジュール2から取得したCO2濃度の時系列データを解析することによって、未来におけるCO2濃度の変化を予測する。さらに、判定システム100は、CO2濃度の予測値と人の密集度を判定するための基準値とを比較し、CO2濃度の予測値が基準値を超えている場合、あるいは、CO2濃度の予測値が基準値を超えそうな場合は、人の密集度が高まっていると判断し、ウィルスによる感染の拡大を防止するために、オゾナイザ26を駆動させたり、報知装置3に含まれるディスプレイ31またはスピーカ32を用いてユーザに換気を促したり、さらなる人の増加を抑制するための警告を通知したりする。Therefore, in the first embodiment, the concentration of carbon dioxide (hereinafter also referred to as "CO2") in an indoor space, which changes over time, is measured by the
ここで、CO2が排出される環境としては、会議室など、大気中にCO2を排出する排出源として人以外のCO2排出源が存在しない環境(以下、「第1環境」とも称する。)と、飲食店および工場など、人以外のCO2排出源が存在する環境(以下、「第2環境」とも称する。)とがある。たとえば、飲食店においては、客および店員などの人の呼吸、焼くなどの食材の調理、および調理器具の稼働などによって、CO2が排出される。工場などの製造現場においては、作業者などの人の呼吸、および製造装置の稼働などによって、CO2が排出される。このように、第2環境においては、人以外からCO2が排出される分、第1環境よりも、CO2濃度が高くなる傾向にある。このため、第2環境においては、人以外のCO2排出源から排出されるCO2を考慮して、CO2濃度を判定することが必要である。Here, the environments in which CO2 is emitted include an environment where there are no CO2 emission sources other than humans that emit CO2 into the atmosphere, such as a conference room (hereinafter also referred to as the "first environment"), and an environment where there are CO2 emission sources other than humans, such as a restaurant and a factory (hereinafter also referred to as the "second environment"). For example, in a restaurant, CO2 is emitted by people such as customers and staff, cooking ingredients such as grilling, and operating cooking utensils. In a manufacturing site such as a factory, CO2 is emitted by people such as workers, and the operation of manufacturing equipment. Thus, in the second environment, the CO2 concentration tends to be higher than in the first environment because CO2 is emitted from sources other than humans. For this reason, in the second environment, it is necessary to determine the CO2 concentration taking into account the CO2 emitted from CO2 emission sources other than humans.
図2は、第1環境および第2環境の各々において排出される二酸化炭素濃度に対する人の密集度の基準値の一例を示す図である。図2に示すように、第1環境においては、大気中に元から含まれるCO2に、人から排出されるCO2が加算される。 Figure 2 is a diagram showing an example of a reference value of human density relative to the concentration of carbon dioxide emitted in each of the first and second environments. As shown in Figure 2, in the first environment, CO2 emitted by people is added to the CO2 originally contained in the atmosphere.
たとえば、大気中に元から含まれる約400ppmのCO2に対して人から排出されるCO2が加算された加算結果が1000ppm未満である場合、人が密集していないと言える。加算結果が1000ppm以上でありかつ1500ppm未満である場合、人が密集している可能性があるため、注意が必要であると言える。加算結果が1500ppm以上である場合、人が密集していると言える。これらの基準は、厚生労働省から発表されている数値を基にしており、詳しくは下記のWebアドレスを参照されたし。
https://www.mhlw.go.jp/content/10900000/000616069.pdf
For example, if the CO2 emitted by people is added to the approximately 400 ppm of CO2 originally contained in the atmosphere, and the result is less than 1000 ppm, it can be said that people are not crowded. If the result is 1000 ppm or more and less than 1500 ppm, it can be said that people are likely to be crowded, so caution is required. If the result is 1500 ppm or more, it can be said that people are crowded. These standards are based on figures released by the Ministry of Health, Labor and Welfare, and for more information, please refer to the web address below.
https://www.mhlw.go.jp/content/10900000/000616069.pdf
一方、第2環境においては、大気中に元から含まれるCO2に、人から排出されるCO2が加算され、さらに、人以外から排出されるCO2も加算される。すなわち、第2環境においては、人以外のCO2排出源から排出されるCO2濃度が加算される分、第1環境におけるCO2濃度よりも、加算結果が大きくなる。よって、第2環境においては、第1環境において用いられる基準値をそのまま用いることはできず、人以外のCO2排出源から排出されるCO2を考慮して、CO2濃度を判定することが必要である。On the other hand, in the second environment, the CO2 emitted by humans is added to the CO2 originally contained in the atmosphere, and CO2 emitted from sources other than humans is also added. That is, in the second environment, the sum result is greater than the CO2 concentration in the first environment by the amount of the CO2 concentration emitted from CO2 emission sources other than humans. Therefore, in the second environment, the standard value used in the first environment cannot be used as is, and it is necessary to determine the CO2 concentration taking into account the CO2 emitted from CO2 emission sources other than humans.
そこで、実施の形態1に係る判定システム100は、以下で説明するように、人以外のCO2排出源から排出されるCO2を考慮して、CO2濃度を判定するように構成されている。Therefore, the
[判定システムの構成]
図3は、実施の形態1に係る判定システム100の構成を示す図である。図3に示すように、判定システム100は、計測装置1と、判定装置4とを備える。
[Configuration of the Determination System]
3 is a diagram showing a configuration of a
計測装置1は、センサモジュール2から取得したCO2濃度の時系列データに基づき、センサモジュール2が設置された環境におけるCO2濃度を判定するための基準値を算出する装置であり、制御装置11と、記憶装置12と、データ取得装置13とを備える。The measuring
制御装置11は、プロセッサなどのコンピュータの一例であり、各種のプログラムに従って各種の処理を実行する演算主体である。プロセッサは、たとえば、マイクロコントローラ(microcontroller)、CPU(Central Processing Unit)、GPU(Graphics Processing Unit)、またはMPU(Multi Processing Unit)などで構成される。なお、プロセッサは、プログラムを実行することによって各種の処理を実行する機能を有するが、これらの機能の一部または全部を、ASIC(Application Specific Integrated Circuit)またはFPGA(Field-Programmable Gate Array)などの専用のハードウェア回路を用いて実装してもよい。「プロセッサ」は、CPUまたはMPUのようにストアードプログラム方式で処理を実行する狭義のプロセッサに限らず、ASICまたはFPGAなどのハードワイヤード回路を含み得る。このため、プロセッサは、コンピュータ読み取り可能なコードおよび/またはハードワイヤード回路によって予め処理が定義されている、処理回路(processing circuitry)と読み替えることもできる。なお、制御装置11は、1つのチップで構成されてもよいし、複数のチップで構成されてもよい。さらに、制御装置11は、DRAM(Dynamic Random Access Memory)およびSRAM(Static Random Access Memory)などの揮発性メモリ、ROM(Read Only Memory)およびフラッシュメモリなどの不揮発性メモリを備える。The
記憶装置12は、HDD(Hard Disk Drive)およびSSD(Solid State Drive)などの不揮発性メモリを備える。記憶装置12は、制御装置11によって実行される計測プログラム121、制御装置11が参照する演算用データ122、およびセンサモジュール2から取得した時系列データ123など、各種のプログラムおよびデータを格納する。The
計測プログラム121は、制御装置11の処理手順(図8、図13、図14、図18、図20、図22に示す処理フロー)が規定されたプログラムを含む。演算用データ122は、計測プログラム121に従った処理を実行するときに用いられるデータであり、CO2濃度を判定するための基準値を算出するためのデータなどを含む。The
なお、計測装置1は、計測プログラム121および演算用データ122を予め記憶装置12に記憶していてもよいし、通信によって、図示しない外部装置から計測プログラム121および演算用データ122を取得してもよい。さらに、計測装置1は、図示しないメディア読取装置をさらに備えていてもよく、メディア読取装置によって記憶媒体であるリムーバブルディスクから計測プログラム121および演算用データ122を取得してもよい。The measuring
データ取得装置13は、ネットワーク50を介して、センサモジュール2と有線通信または無線通信を行うことによって、センサモジュール2からのデータを受信する。たとえば、データ取得装置13は、センサモジュール2と通信することによって、センサモジュール2からCO2濃度の時系列データを取得する。The
センサモジュール2は、センサモジュール2が設置された環境におけるCO2濃度の時系列データを取得する装置であり、制御装置21と、通信装置23と、センサ25とを備える。The
制御装置21は、プロセッサなどのコンピュータの一例であり、各種のプログラムに従って各種の処理を実行する演算主体である。プロセッサは、たとえば、マイクロコントローラ、CPU、GPU、またはMPUなどで構成される。なお、プロセッサは、プログラムを実行することによって各種の処理を実行する機能を有するが、これらの機能の一部または全部を、ASICまたはFPGAなどの専用のハードウェア回路を用いて実装してもよい。「プロセッサ」は、CPUまたはMPUのようにストアードプログラム方式で処理を実行する狭義のプロセッサに限らず、ASICまたはFPGAなどのハードワイヤード回路を含み得る。このため、プロセッサは、コンピュータ読み取り可能なコードおよび/またはハードワイヤード回路によって予め処理が定義されている、処理回路(processing circuitry)と読み替えることもできる。なお、制御装置11は、1つのチップで構成されてもよいし、複数のチップで構成されてもよい。さらに、制御装置21は、DRAMおよびSRAMなどの揮発性メモリ、ROMおよびフラッシュメモリなどの不揮発性メモリを備える。The
通信装置23は、ネットワーク50を介して、計測装置1と有線通信または無線通信を行うことによって、計測装置1との間でデータを送受信する。たとえば、通信装置23は、計測装置1と通信することによって、CO2濃度の時系列データを計測装置1に送信する。The
センサ25は、定期的(たとえば、1分ごと)にセンサモジュール2が設置された環境におけるCO2濃度を測定する。センサ25の測定によって得られたCO2濃度の時系列データは、通信装置23によって計測装置1に送信される。The
判定装置4は、センサモジュール2によって取得されたCO2濃度の時系列データから、計測装置1によって算出されたCO2濃度の基準値に基づいて、センサモジュール2が設置された環境におけるCO2濃度を判定する装置であり、制御装置41と、記憶装置42と、データ取得装置43と、データ出力装置44とを備える。The determination device 4 is a device that determines the CO2 concentration in the environment in which the
制御装置41は、プロセッサなどのコンピュータの一例であり、各種のプログラムに従って各種の処理を実行する演算主体である。プロセッサは、たとえば、マイクロコントローラ、CPU、FPGA、GPU、またはMPUなどで構成される。なお、プロセッサは、プログラムを実行することによって各種の処理を実行する機能を有するが、これらの機能の一部または全部を、ASICまたはFPGAなどの専用のハードウェア回路を用いて実装してもよい。「プロセッサ」は、CPUまたはMPUのようにストアードプログラム方式で処理を実行する狭義のプロセッサに限らず、ASICまたはFPGAなどのハードワイヤード回路を含み得る。このため、プロセッサは、コンピュータ読み取り可能なコードおよび/またはハードワイヤード回路によって予め処理が定義されている、処理回路(processing circuitry)と読み替えることもできる。なお、制御装置41は、1つのチップで構成されてもよいし、複数のチップで構成されてもよい。さらに、制御装置41は、DRAMおよびSRAMなどの揮発性メモリ、ROMおよびフラッシュメモリなどの不揮発性メモリを備える。The
記憶装置42は、HDDおよびSSDなどの不揮発性メモリを備える。記憶装置42は、制御装置41によって実行される判定プログラム421、および制御装置41が参照する基準値データ422など、各種のプログラムおよびデータを格納する。The
判定プログラム421は、制御装置41の処理手順が規定されていたプログラムを含む。具体的には、判定プログラム421には、センサモジュール2が設置された環境におけるCO2濃度を判定するための処理手順が規定されている。基準値データ422は、センサモジュール2が設置された環境におけるCO2濃度を判定するための基準値を示すデータであり、計測装置1から取得される。The
なお、判定装置4は、判定プログラム421を予め記憶装置42に記憶していてもよいし、通信によって、図示しない外部装置から判定プログラム421を取得してもよい。さらに、判定装置4は、図示しないメディア読取装置をさらに備えていてもよく、メディア読取装置によって記憶媒体であるリムーバブルディスクから判定プログラム421を取得してもよい。The determination device 4 may store the
データ取得装置43は、ネットワーク50を介して、計測装置1と有線通信または無線通信を行うことによって、計測装置1からデータを受信する。たとえば、データ取得装置43は、計測装置1からCO2濃度を判定するための基準値を示す基準値データ422を取得する。The
データ出力装置44は、ネットワーク50を介して、図示しない報知装置3および図示しないオゾナイザ26の各々と有線通信または無線通信を行うことによって、報知装置3およびオゾナイザ26の各々に対してデータを送信する。たとえば、データ出力装置44は、報知装置3およびオゾナイザ26の各々に対して、報知装置3およびオゾナイザ26の各々を制御するための制御信号を送信する。The
このように構成された判定システム100において、計測装置1は、センサモジュール2が設置された環境における人の密集度を判定するためのCO2濃度の基準値を算出する。In the
判定装置4は、センサモジュール2によって取得されたCO2濃度の時系列データを解析し、計測装置1によって算出された基準値を用いてセンサモジュール2が設置された環境におけるCO2濃度を判定することによって、センサモジュール2が設置された環境における人の密集度を判定する。判定装置4は、得られているCO2濃度から人の密集度を判定するほかに、現在の状態が続いたときに到達するCO2濃度から人の密集度を判定することもできる。未来における時系列データの変化を予測するには、予測モデルが用いられる。予測モデルを用いれば、時系列データの変化を予測することが可能となり、さらに、CO2濃度の予測値を基準値と比較することによってCO2濃度を判定することが可能となる。The determination device 4 analyzes the time series data of the CO2 concentration acquired by the
予測モデルは、経過時間と時間の経過に伴って変化するデータとの関係を表す関数(数式)によって定義される。たとえば、予測モデルは、下記の式(1)によって表される関数(数式)によって定義される。 A prediction model is defined by a function (mathematical formula) that represents the relationship between elapsed time and data that changes over time. For example, a prediction model is defined by a function (mathematical formula) expressed by the following equation (1).
式(1)において、C∞は、下記の式(2)によって表される。 In formula (1), C ∞ is expressed by the following formula (2).
式(1)において、tは、あるタイミング(時刻)を表す。Cは、タイミングtにおいて閉じられた環境(室内空間)で生じるCO2濃度([ppm])を表すパラメータである。Vは、閉じられた環境(室内空間)の体積([m3])を表すパラメータである。Qは、閉じられた環境(室内空間)における換気量([m3/h])を表すパラメータである。式(2)において、Gは、閉じられた環境(室内空間)から排出されるCO2濃度の排出量([ppm*m3/h])を表すパラメータである。Coutは、外気のCO2濃度([ppm])(大気中に元から含まれるCO2濃度)を表すパラメータであり、約400ppmである。 In formula (1), t represents a certain timing (time). C is a parameter representing the CO2 concentration ([ppm]) occurring in the closed environment (indoor space) at timing t. V is a parameter representing the volume ([m 3 ]) of the closed environment (indoor space). Q is a parameter representing the ventilation volume ([m 3 /h]) in the closed environment (indoor space). In formula (2), G is a parameter representing the amount of CO2 concentration discharged ([ppm*m 3 /h]) from the closed environment (indoor space). C out is a parameter representing the CO2 concentration ([ppm]) of the outside air (CO2 concentration originally contained in the atmosphere), and is about 400 ppm.
[時系列データの変化の予測の具体例]
図4および図5を参照しながら、時系列データの変化の予測について説明する。図4は、時系列データの変化の一例を示す図である。
[Example of predicting changes in time series data]
Prediction of changes in time-series data will be described with reference to Figures 4 and 5. Figure 4 is a diagram showing an example of changes in time-series data.
図4においては、縦軸にCO2濃度、横軸に時間をとった時系列データのグラフが示されている。t0以降においてセンサ25によって実際に取得されたCO2濃度の実測値は、ラインAで表されている。さらに、未来の時系列データの変化を予測する時点をt0として、上述した式(1)および式(2)で表される予測モデルを用いてt0の時点において時系列データの変化を予測した結果は、ラインGで表されている。
4 shows a graph of time series data with the CO2 concentration on the vertical axis and the time on the horizontal axis. The measured values of the CO2 concentration actually obtained by the
図4に示すように、予測値のラインGは、実測値のラインAと近似し、概ね一致する。すなわち、上述した式(1)および式(2)で表される予測モデルを用いれば、センサ25によって実際に取得されるCO2濃度の実測値と概ね一致するように、時系列データの変化を予測することが可能となる。4, the predicted value line G is approximate to and generally coincides with the actual measured value line A. In other words, by using the prediction model represented by the above-mentioned equations (1) and (2), it is possible to predict changes in the time series data so as to generally coincide with the actual measured value of the CO2 concentration actually obtained by the
図5は、実施の形態1に係る計測装置1および判定装置4の処理のタイミングを説明するための図である。図5においては、センサモジュール2によって実行される処理のタイミングと、計測装置1によって実行される処理のタイミングと、判定装置4によって実行される処理のタイミングが示されている。
Figure 5 is a diagram for explaining the timing of processing by the
図5に示すように、センサモジュール2がt10からt11までの時間にわたってCO2濃度の時系列データを取得すると、計測装置1は、t11以降において、時系列データ(t10からt11までの時系列データ)に基づきCO2濃度を判定するための基準値を算出する。判定装置4は、t12以降において、計測装置1によって算出された基準値を用いて、CO2濃度を判定する。センサモジュール2が時系列データを取得する周期(たとえば、t10~t11やt11~t12の期間におけるデータ取得周期)は、たとえば、1分間隔、5分間隔、または10分間隔などである。計測装置1が基準値を算出する周期(たとえば、t11~t15の期間)は、たとえば、1週間または10日間などである。判定装置4が計測装置1によって算出された基準値を用いてCO2濃度を判定する周期(たとえば、t12~t13やt13~t14の期間)は、センサモジュール2が時系列データを取得する周期と同様に、たとえば、1分間隔、5分間隔、または10分間隔などである。図5では、基準値算出に用いた時系列データとCO2判定に用いた時系列データとを分けているが、両者は共用されてもよい。
As shown in FIG. 5, when the
このように、計測装置1は、予め決められた時間区間(たとえば、1週間または10日間)ごとに定期的に、センサモジュール2によって取得された時系列データに基づき基準値を算出する。In this way, the measuring
[ディスプレイの表示態様]
図6は、ディスプレイ31の表示態様を示す図である。図6に示すように、ディスプレイ31に表示された画面は、センサモジュール2が設置された環境(たとえば、飲食店)における現在のCO2濃度を示すアイコン311と、CO2濃度の変化を示すグラフ312と、換気が必要となるまでの残り時間(到達予測時間)を示すアイコン313と、スピーカ32による判定結果の音声通知を有効にするためのアイコン314とを含む。
[Display Mode]
Fig. 6 is a diagram showing a display mode of the
なお、ユーザは、アイコン314をタッチ操作することで、音声通知を有効または無効に設定してもよいし、図示しないマウスなどのツールを用いてアイコン314を操作することで、音声通知を有効または無効に設定してもよい。The user may enable or disable the audio notification by touching
予測モデルを用いてCO2濃度の変化が予測され、予測値と基準値とが比較されることによって、換気が必要となるまでの残り時間が算出される。ディスプレイ31は、算出された残り時間をアイコン313によってユーザに通知する。A predictive model is used to predict changes in CO2 concentration, and the predicted value is compared with a reference value to calculate the remaining time until ventilation is required. The
[基準値の算出]
図7および図8を参照しながら、計測装置1による基準値の算出について説明する。図7および図8においては、図1に示す飲食店などの第2環境におけるCO2濃度の基準値を計測装置1が算出する例について説明する。
[Calculation of reference value]
Calculation of the reference value by the
図7は、実施の形態1に係る計測装置1による第1時系列データと第2時系列データとの差分の算出の一例を示す図である。計測装置1は、第2環境における基準値を算出する準備として、会議室などの第1環境におけるCO2濃度の時系列データ(以下、「第1時系列データ」とも称する。)を事前に取得する。
Figure 7 is a diagram showing an example of calculation of the difference between the first time series data and the second time series data by the measuring
たとえば、図7(A)においては、縦軸にCO2濃度、横軸に時間をとった第1時系列データのグラフが示されている。図7(A)に示すように、計測装置1は、第1環境において定期的(たとえば、1分ごと)に測定されたCO2濃度の第1時系列データを取得する。なお、図7(A)のグラフにおいて、CO2濃度の変化量が大きい部分は、たとえば、会議室で会議が行われていることなどが想定される。つまり、第1環境に存在する人に起因してCO2が生じていることが想定される。For example, FIG. 7(A) shows a graph of first time series data with CO2 concentration on the vertical axis and time on the horizontal axis. As shown in FIG. 7(A), the measuring
計測装置1は、図7(A)で示したような第1環境における第1時系列データを記憶装置12に記憶した上で、第2環境に設置されたセンサ25から第2環境における時系列データ(以下、「第2時系列データ」とも称する。)を取得する。The measuring
たとえば、図7(B)においては、縦軸にCO2濃度、横軸に時間をとった第2時系列データのグラフが示されている。図7(B)に示すように、計測装置1は、第2環境において定期的(たとえば、1分ごと)に測定されたCO2濃度の第2時系列データを取得する。なお、図7(B)のグラフにおいて、CO2濃度の変化量が大きい部分は、たとえば、飲食店で客が増えたり、焼くなどの食材の調理が行われたりしていることが想定される。つまり、第2環境に存在する人に起因してCO2が生じていることに加えて、第2環境に存在する人以外の原因によってもCO2が生じていることが想定される。For example, FIG. 7(B) shows a graph of the second time series data with the CO2 concentration on the vertical axis and the time on the horizontal axis. As shown in FIG. 7(B), the measuring
計測装置1は、第1時系列データと第2時系列データとの間の差分を算出する。具体的には、計測装置1は、第1時系列データに基づき第1算出値を算出し、第2時系列データに基づき第2算出値を算出し、第2算出値から第1算出値を減算することによって、差分を算出する。The measuring
たとえば、計測装置1は、第1算出値として、第1時系列データに含まれる第1環境において時系列で取得された複数のCO2濃度の平均値(たとえば、636.08)を算出する。また、計測装置1は、第2算出値として、第2時系列データに含まれる第2環境において時系列で取得された複数のCO2濃度の平均値(たとえば、942.48)を算出する。そして、計測装置1は、第2算出値(たとえば、942.48)から第1算出値(たとえば、636.08)を減算することによって、差分(たとえば、306.4)を算出する。For example, the measuring
上述した差分は、第1環境と第2環境との間における環境の違いから生じている。すなわち、上述した差分は、第2環境における人以外のCO2排出源から排出されるCO2に起因する値である。そこで、計測装置1は、第1環境において用いられるCO2濃度の基準値を基準として、算出した差分を考慮して第2環境におけるCO2濃度を判定するための基準値を算出する。The above-mentioned difference arises from the difference in the environments between the first environment and the second environment. In other words, the above-mentioned difference is a value caused by CO2 emitted from CO2 emission sources other than humans in the second environment. Therefore, the measuring
具体的には、計測装置1は、第1環境におけるCO2濃度の基準値(以下、「第1基準値」とも称する。)に差分を加算することによって、第2環境におけるCO2濃度の基準値(以下、「第2基準値」とも称する。)を算出する。たとえば、第1環境におけるCO2濃度の第1基準値が1000ppmである場合、計測装置1は、1000ppmに306.4ppm(差分)を加算することによって、第2基準値として1306.4を算出する。すなわち、第2環境においてCO2濃度が第2基準値である1306.4ppmを超えていることは、第2環境において人の密集度が高まってきているので注意が必要であることを意味する。Specifically, the measuring
あるいは、判定装置4は、第2環境におけるCO2濃度の第2時系列データから差分を減算することによって、予め人以外のCO2排出源から排出されるCO2濃度を第2時系列データから取り除いてもよい。すなわち、計測装置1は、人の密集度を判定するためのCO2濃度の基準値を変更することなく、第2環境におけるCO2濃度の第2時系列データを第1環境におけるCO2濃度の時系列データ相当に変換してもよい。このようにすれば、判定装置4は、第2環境において、変換後の時系列データと第1環境における第1基準値とを比較することができる。Alternatively, the determination device 4 may remove the CO2 concentration emitted from CO2 emission sources other than humans from the second time series data by subtracting the difference from the second time series data of the CO2 concentration in the second environment. That is, the
[計測装置による処理]
図8は、実施の形態1に係る計測装置1が実行する処理に関するフローチャートである。計測装置1の制御装置11は、記憶装置12に格納された計測プログラム121を実行することで、図8に示すフローチャートの処理を定期的に実行する。なお、図中において、「S」は「STEP」の略称として用いられる。
[Processing by measuring device]
Fig. 8 is a flowchart relating to the processing executed by the
図8に示すように、制御装置11は、所定時間分(たとえば、1日分)の第2時系列データを取得したか否かを判定する(S1)。制御装置11は、所定時間分の第2時系列データを取得していない場合(S1でNO)、本処理を終了する。As shown in Fig. 8, the
一方、制御装置11は、所定時間分の第2時系列データを取得した場合(S1でYES)、第1時系列データに基づき第1算出値を算出する(S2)。たとえば、制御装置11は、図7(A)に示すように、第1環境における第1時系列データに基づき、第1算出値として、第1時系列データの平均値を算出する。さらに、制御装置11は、第2時系列データに基づき第2算出値を算出する(S3)。たとえば、制御装置11は、図7(B)に示すように、第2環境における第2時系列データに基づき、第2算出値として、第2時系列データの平均値を算出する。そして、制御装置11は、第2算出値から第1算出値を減算することによって、差分を算出する(S4)。On the other hand, when the
制御装置11は、差分に基づき、第2環境におけるCO2濃度の第2基準値を算出する(S5)。たとえば、制御装置11は、予め定められた第1環境におけるCO2濃度の第1基準値に差分を加算することによって、第2環境におけるCO2濃度の第2基準値を算出する。その後、制御装置11は、本処理を終了する。The
以上のように、実施の形態1に係る計測装置1は、人以外のCO2排出源が存在しない第1環境におけるCO2濃度の第1時系列データと、人以外のCO2排出源が存在する第2環境におけるCO2濃度の第2時系列データとの間の差分を算出し、算出した差分に基づき、第2環境におけるCO2濃度を判定するための基準値(この例では第2基準値)を算出する。これにより、判定装置4は、計測装置1によって算出された基準値を用いて、人以外のCO2排出源から排出されるCO2を考慮して第2環境におけるCO2濃度を判定することができるため、人以外のCO2排出源が存在する第2環境であっても、CO2濃度を精度よく判定することができる。すなわち、判定装置4は、計測装置1によって算出された基準値を用いて、人以外のCO2排出源が存在する第2環境における人の密集度を精度よく判定することができる。As described above, the measuring
図8のフローにおける第1時系列データから第1算出値を求めるステップ(S2)は、記憶装置12から第1算出値を読み出すステップであってもよい。すなわち、制御装置11は、第1環境に関する第1時系列データまたは第1算出値を予め算出して記憶装置12に記憶しておき、第2時系列データから第2基準値を算出する場合には記憶している第1算出値を読み出すことで、第2算出値との差分を算出することもできる。8 may be a step of reading out the first calculated value from the
また、センサモジュール2によって取得される第2環境における第2時系列データは、センサモジュール2が設置された第2環境に応じて異なる。たとえば、飲食店においては、焼くなどの食材の調理をするか否か、調理時間、調理器具の数、および店内の大きさなどに応じて、人以外のCO2排出源から排出されるCO2の濃度が異なる。あるいは、工場などの製造現場においては、製造装置の数、製造装置の稼働時間、および工場の大きさなどに応じて、人以外のCO2排出源から排出されるCO2の濃度が異なる。このため、CO2濃度を判定するための基準値も、センサモジュール2が設置された第2環境に応じて設定されることが好ましい。
The second time-series data in the second environment acquired by the
この点、計測装置1は、センサモジュール2が設置された第2環境ごとにCO2濃度の第2時系列データを取得し、取得した第2時系列データと第1時系列データとの差分を算出することによって、センサモジュール2が設置された第2環境に応じて基準値を設定することができる。これにより、判定装置4は、計測装置1が算出した基準値を用いて、センサモジュール2が設置された第2環境に応じて、適切にCO2濃度を判定することができる。In this regard, the measuring
また、人以外から排出されたCO2濃度のみを計測することは場合によっては可能であるが、特に飲食店ではCO2濃度を測定するために営業を止めて調理をする必要があったり、調理する人の影響を排除することができなかったりするなど、人に由来するCO2濃度以外のCO2濃度を測定することが困難な場合もある。この点、計測装置1は、実際の営業が行われながらCO2濃度を計測するための基準値を設定することができるため、営業や製造への影響を最小限に抑えることができ、実際の調理や稼働の状態で人以外から排出されたCO2濃度を判定に用いることができる。
Although it is possible in some cases to measure only the concentration of CO2 emitted from sources other than humans, it can be difficult to measure CO2 concentrations other than those originating from humans, particularly in restaurants, because they may need to stop business and cook in order to measure the CO2 concentration, or because it may not be possible to eliminate the influence of the person cooking. In this regard, the measuring
<実施の形態2>
図9~図14を参照しながら、実施の形態2に係る計測装置について説明する。以下では、実施の形態2に係る計測装置について、実施の形態1に係る計測装置1と異なる部分のみを説明する。
<
A measurement device according to the second embodiment will be described with reference to Fig. 9 to Fig. 14. Only the parts of the measurement device according to the second embodiment that are different from the
[差分の算出]
図9は、第1環境における時系列データに基づく第1特徴データの生成を説明するための図である。図9(A)においては、縦軸にCO2濃度、横軸に時間をとった第1時系列データのグラフが示されている。図9(A)に示すように、計測装置1は、第1環境において定期的(たとえば、1分ごと)に測定されたCO2濃度の第1時系列データを取得する。
[Calculating the difference]
9A and 9B are diagrams for explaining generation of first feature data based on time series data in a first environment. Fig. 9A shows a graph of the first time series data with the CO2 concentration on the vertical axis and the time on the horizontal axis. As shown in Fig. 9A, the
次に、計測装置1は、第1環境における第1時系列データに基づき、第1特徴データを生成し、生成した第1特徴データを演算用データ122として記憶装置12に記憶する。Next, the
具体的には、計測装置1は、第1特徴データとして、第1時系列データからヒストグラムを生成する。たとえば、図9(B)および図9(C)においては、縦軸に個数、横軸にG/Qをとったヒストグラムが示されている。図9(B)および図9(C)に示すように、計測装置1は、G/Qの値ごとの個数をヒストグラムで表すことによって、第1時系列データの特徴を表す第1特徴データを生成する。なお、計測装置1は、第1特徴データに対応するヒストグラムにおいて、G/Qに限らず、Q/VまたはG/Vを横軸にとってもよい。Specifically, the
式(1)および式(2)を用いて説明したように、G/Qは、単位換気量当たりのCO2濃度を表すパラメータである。Q/Vは、単位体積当たりの換気量を表すパラメータである。G/Vは、単位体積当たりのCO2濃度排出量を表すパラメータである。計測装置1は、第1特徴データ(ヒストグラム)を生成するにあたって、C(CO2濃度)そのものではなく、G/Q、Q/V、およびG/Vのいずれの特徴値を算出してもよい。As explained using equations (1) and (2), G/Q is a parameter representing the CO2 concentration per unit ventilation volume. Q/V is a parameter representing the ventilation volume per unit volume. G/V is a parameter representing the CO2 concentration emission amount per unit volume. When generating the first feature data (histogram), the measuring
ここで、図10を参照しながら、特徴値の算出について説明する。図10は、特徴値の算出の一例を説明するための図である。図10においては、縦軸にCO2濃度、横軸に時間をとったCO2濃度の時系列データのグラフが示されている。計測装置1は、連立方程式の演算を用いることで、式(1)および式(2)から特徴値を算出する。Here, the calculation of the characteristic value will be described with reference to FIG. 10. FIG. 10 is a diagram for explaining an example of the calculation of the characteristic value. FIG. 10 shows a graph of time series data of CO2 concentration with the CO2 concentration on the vertical axis and time on the horizontal axis. The measuring
具体的には、図10に示すように、計測装置1は、第1時系列データから、特定個数のデータを抽出する。たとえば、計測装置1は、t0におけるCO2濃度C(t0)、t1におけるCO2濃度C(t1)、およびt2におけるCO2濃度C(t2)を抽出する。
Specifically, as shown in Fig. 10, the measuring
計測装置1は、式(1)と、抽出したC(t0)、C(t1)、およびC(t2)とから、下記の連立方程式(3)を算出する。
The
計測装置1は、連立方程式(3)から、下記の式(4)を算出する。
The measuring
計測装置1は、式(4)から、下記の式(5)を算出する。
The measuring
計測装置1は、式(2)および式(5)から、下記の式(6)を算出することができる。
The measuring
また、計測装置1は、式(3)および式(5)から、下記の式(7)を算出することができる。
In addition, the measuring
このように、計測装置1は、第1時系列データから、G/Q(式(6))およびQ/V(式(7))を算出することができる。さらに、計測装置1は、G/Q(式(6))とQ/V(式(7))とから、G/Vを算出することができる。In this way, the measuring
図10の例では、計測装置1は、t0、t1、およびt2といった3つの抽出タイミングにおけるCO2濃度(C(t))を用いて特徴値を算出したが、これらの抽出タイミングを変化させることによって、複数の特徴値を算出することができる。図9(A)の例では、1分ごとにCO2濃度が取得されているため、計測装置1は、たとえば、t0を15時00分とすれば、t1を15時01分、t2を15時02分とすればよい。さらに、計測装置1は、tを1分間更新して、t0を15時01分とすれば、t1を15時02分、t2を15時03分とすればよい。
In the example of Fig. 10, the measuring
図9に戻り、計測装置1は、第1時系列データから算出した複数の特徴値に基づき、ヒストグラムを生成する。ここで、計測装置1は、図9(A)に示す第1時系列データに含まれる全てのデータを用いて特徴値(この例では、G/Q)を算出してもよいし、図9(A)に示す第1時系列データに含まれる全てのデータのうち、所定のルールに従って選択されたデータを用いて特徴値(この例では、G/Q)を算出してもよい。Returning to Fig. 9, the measuring
たとえば、計測装置1は、第1時系列データにおけるCO2濃度の変化量が閾値(たとえば、200ppm)を超える期間のCO2濃度を用いて、特徴値を算出してもよい。具体的には、第1時系列データにおいて、時系列で変化するCO2濃度が極小値から極大値に変化する場合、計測装置1は、当該極小値と当該極大値との差(すなわちCO2濃度の変化量)が閾値(200ppm)を超える期間を特定し、当該期間内で取得されたCO2濃度を用いて特徴値を算出してもよい。For example, the measuring
一例として、図9(A)では、タイミングt21で取得されたCO2濃度が極小値であり、タイミングt22で取得されたCO2濃度が極大値であり、かつ、当該極小値と当該極大値との差が200ppmを超えるため、計測装置1は、タイミングt21からタイミングt22までの期間で取得されたCO2濃度を用いて、特徴値を算出する。
As an example, in FIG. 9A, the CO2 concentration acquired at timing t21 is a minimum value, the CO2 concentration acquired at timing t22 is a maximum value, and the difference between the minimum value and the maximum value exceeds 200 ppm. Therefore, the measuring
計測装置1が図9(A)に示す第1時系列データに含まれる全てのデータを用いて複数の特徴値を算出した場合、算出された特徴値に対応するヒストグラムは、図9(B)で表される。一方、計測装置1が図9(A)に示す第1時系列データに含まれる全てのデータのうち、上述した所定のルールに従って選択されたデータを用いて複数の特徴値を算出した場合、算出された複数の特徴値に対応するヒストグラムは、図9(C)で表される。When the measuring
図9(B)のヒストグラムでは、図9(A)に示す第1時系列データに含まれる全てのデータを用いて特徴値が算出されているため、図9(A)のようにイベントの発生頻度が低い場合はイベントに関するヒストグラムの特徴が現れ難くなっている。これに対して、図9(C)のヒストグラムでは、図9(A)に示す第1時系列データに含まれる全てのデータのうち、CO2濃度の変化量が大きくなっている期間のデータを用いて特徴値が算出されているため、ヒストグラムの特徴が現れ易くなっている。なお、第1時系列データにおいて、イベントの発生頻度が高い、すなわち上述した所定のルールに従って選択されるようなピークが多く現れるような場合は、特定データの抜き出しをすることなくそのままのデータを使用すればよい。In the histogram of FIG. 9(B), the feature values are calculated using all the data included in the first time series data shown in FIG. 9(A), so when the frequency of occurrence of an event is low as in FIG. 9(A), the histogram features related to the event are less likely to appear. In contrast, in the histogram of FIG. 9(C), the feature values are calculated using data from the period in which the change in CO2 concentration is large, out of all the data included in the first time series data shown in FIG. 9(A), so the histogram features are more likely to appear. Note that in the first time series data, when the frequency of occurrence of an event is high, that is, when there are many peaks that are selected according to the above-mentioned predetermined rules, the data can be used as is without extracting specific data.
図11は、第2環境における時系列データに基づく第2特徴データの生成を説明するための図である。計測装置1は、図9(B)または図9(C)で示したような第1環境における第1時系列データの第1特徴データを記憶装置12に記憶した上で、第2環境における第2時系列データの第2特徴データを生成する。
Figure 11 is a diagram for explaining the generation of second feature data based on time series data in a second environment. The
たとえば、図11(A)においては、縦軸にCO2濃度、横軸に時間をとった第2時系列データのグラフが示されている。図11(A)に示すように、計測装置1は、第2環境において定期的(たとえば、1分ごと)に測定されたCO2濃度の第2時系列データを取得する。For example, Fig. 11(A) shows a graph of the second time series data with the CO2 concentration on the vertical axis and the time on the horizontal axis. As shown in Fig. 11(A), the measuring
次に、計測装置1は、第2環境における第2時系列データに基づき、第2特徴データを生成し、生成した第2特徴データを演算用データ122として記憶装置12に記憶する。
Next, the
具体的には、計測装置1は、第2特徴データとして、第2時系列データからヒストグラムを生成する。たとえば、図11(B)および図11(C)においては、縦軸に個数、横軸にG/Qをとったヒストグラムが示されている。図11(B)および図11(C)に示すように、計測装置1は、G/Qの値ごとの個数をヒストグラムで表すことによって、第2時系列データの特徴を表す第2特徴データを生成する。なお、計測装置1は、第2特徴データに対応するヒストグラムにおいて、G/Qに限らず、Q/VまたはG/Vを横軸にとってもよい。但し、計測装置1は、第1特徴データと第2特徴データとで、同じ種類の特徴値(たとえば、G/Q)を用いる。これらの特徴値の算出方法は、図9および図10を用いて説明した第1環境における第1特徴データの算出方法と同じである。Specifically, the
ここで、計測装置1は、図11(A)に示す時系列データに含まれる全てのデータを用いて特徴値(この例では、G/Q)を算出してもよいし、図11(A)に示す時系列データに含まれる全てのデータのうち、所定のルールに従って選択されたデータを用いて特徴値(この例では、G/Q)を算出してもよい。Here, the measuring
たとえば、計測装置1は、第2時系列データにおけるCO2濃度の変化量が閾値(たとえば、200ppm)を超える期間のCO2濃度を用いて、特徴値を算出してもよい。具体的には、第2時系列データにおいて、時系列で変化するCO2濃度が極小値から極大値に変化する場合、計測装置1は、当該極小値と当該極大値との差(すなわちCO2濃度の変化量)が閾値(200ppm)を超える期間を特定し、当該期間内で取得されたCO2濃度を用いて特徴値を算出してもよい。For example, the measuring
一例として、図11(A)では、タイミングt31で取得されたCO2濃度が極小値であり、タイミングt32で取得されたCO2濃度が極大値であり、かつ、当該極小値と当該極大値との差が200ppmを超えるため、計測装置1は、タイミングt31からタイミングt32までの期間で取得されたCO2濃度を用いて、特徴値を算出する。
As an example, in FIG. 11A, the CO2 concentration acquired at timing t31 is a minimum value, the CO2 concentration acquired at timing t32 is a maximum value, and the difference between the minimum value and the maximum value exceeds 200 ppm. Therefore, the measuring
計測装置1が図11(A)に示す第2時系列データに含まれる全てのデータを用いて複数の特徴値を算出した場合、算出された特徴値に対応するヒストグラムは、図11(B)で表される。一方、計測装置1が図11(A)に示す第2時系列データに含まれる全てのデータのうち、上述した所定のルールに従って選択されたデータを用いて複数の特徴値を算出した場合、算出された複数の特徴値に対応するヒストグラムは、図11(C)で表される。When the measuring
図11(B)のヒストグラムでは、図11(A)に示す第2時系列データに含まれる全てのデータを用いて特徴値が算出されているため、図11(A)のようにイベントの発生頻度が低い場合はイベントに関するヒストグラムの特徴が現れ難くなっている。これに対して、図11(C)のヒストグラムでは、図11(A)に示す第2時系列データに含まれる全てのデータのうち、CO2濃度の変化量が大きくなっている期間のデータを用いて特徴値が算出されているため、ヒストグラムの特徴が現れ易くなっている。なお、第2時系列データにおいて、イベントの発生頻度が高い、すなわち上述した所定のルールに従って選択されるようなピークが多く現れるような場合は、特定データの抜き出しをすることなくそのままのデータを使用すればよい。特定データを抜き出すかそのままのデータを使用するかは、第1環境および第2環境の各々で測定したデータに対して同じ処理を行うことが好ましい。In the histogram of FIG. 11(B), the feature values are calculated using all the data included in the second time series data shown in FIG. 11(A), so when the frequency of occurrence of an event is low as in FIG. 11(A), the histogram features related to the event are less likely to appear. In contrast, in the histogram of FIG. 11(C), the feature values are calculated using the data of the period in which the change in the CO2 concentration is large, among all the data included in the second time series data shown in FIG. 11(A), so the histogram features are more likely to appear. Note that in the second time series data, when the frequency of occurrence of an event is high, that is, when there are many peaks that are selected according to the above-mentioned predetermined rule, the data may be used as is without extracting specific data. It is preferable to perform the same process on the data measured in each of the first and second environments to determine whether to extract specific data or use the data as is.
図12は、実施の形態2に係る計測装置1による第1特徴データと第2特徴データとの差分の算出の一例を示す図である。図12(A)には、第1環境における第1特徴データのヒストグラムが示されている。すなわち、図12(A)のヒストグラムは、図9(C)に示す第1特徴データのヒストグラムに対応する。図12(B)には、第2環境における第2特徴データのヒストグラムが示されている。すなわち、図12(B)のヒストグラムは、図11(C)に示す第2特徴データのヒストグラムに対応する。
Figure 12 is a diagram showing an example of calculation of the difference between the first feature data and the second feature data by the measuring
図12に示すように、計測装置1は、第2特徴データを生成した後、事前に記憶装置12に記憶された第1特徴データと、生成した第2特徴データとの間の差分を算出する。具体的には、計測装置1は、第1特徴データから第1算出値を算出し、第2特徴データから第2算出値を算出し、第2算出値から第1算出値を減算することによって、差分を算出する。12, after generating the second feature data, the
たとえば、図12(A)に示すように、計測装置1は、第1環境におけるヒストグラムに基づき、第1算出値として特徴値(この例ではG/Q)の平均値を算出する。また、図12(B)に示すように、計測装置1は、第2環境におけるヒストグラムに基づき、第2算出値として特徴値(この例ではG/Q)の平均値を算出する。そして、計測装置1は、第2算出値から第1算出値を減算することによって、差分を算出する。For example, as shown in FIG. 12(A), the
上述した差分は、第1環境と第2環境との間における環境の違いから生じている。すなわち、上述した差分は、第2環境における人以外のCO2排出源から排出されるCO2に起因する値である。そこで、計測装置1は、第1環境において用いられるCO2濃度の基準値を基準として、算出した差分を考慮して第2環境におけるCO2濃度を判定するためのデータを算出する。The above-mentioned difference arises from the difference in the environments between the first environment and the second environment. In other words, the above-mentioned difference is a value caused by CO2 emitted from CO2 emission sources other than humans in the second environment. Therefore, the measuring
具体的には、判定装置4は、第1環境におけるCO2濃度の第1基準値に差分を加算することによって、第2環境におけるCO2濃度の第2基準値を算出する。たとえば、第1環境におけるCO2濃度の第1基準値が1000ppmである場合、計測装置1は、1000ppmに差分(たとえば、306.4ppm)を加算することによって、第2基準値として1306.4を算出する。すなわち、第2環境においてCO2濃度が第2基準値である1306.4ppmを超えていることは、第2環境において人の密集度が高まってきているので注意が必要であることを意味する。Specifically, the determination device 4 calculates the second reference value of the CO2 concentration in the second environment by adding the difference to the first reference value of the CO2 concentration in the first environment. For example, if the first reference value of the CO2 concentration in the first environment is 1000 ppm, the
あるいは、判定装置4は、第2環境におけるCO2濃度の第2時系列データから差分を加算することによって、予め人以外のCO2排出源から排出されるCO2濃度を第2時系列データから取り除いてもよい。すなわち、計測装置1は、人の密集度を判定するためのCO2濃度の基準値を変更することなく、第2環境におけるCO2濃度の第2時系列データを第1環境におけるCO2濃度の時系列データ相当に変換してもよい。このようにすれば、判定装置4は、第2環境において、変換後の時系列データと第1環境における第1基準値とを比較することができる。Alternatively, the determination device 4 may remove the CO2 concentration emitted from CO2 emission sources other than humans from the second time series data in advance by adding a difference from the second time series data of the CO2 concentration in the second environment. That is, the
なお、図12の例では、計測装置1は、算出値として特徴値の平均値を算出していたが、算出値として特徴値の分散値を算出してもよい。すなわち、計測装置1は、第1環境におけるヒストグラムに基づき、第1算出値として特徴値(この例ではG/Q)の分散値を算出してもよい。また、計測装置1は、第2環境におけるヒストグラムに基づき、第2算出値として特徴値(この例ではG/Q)の分散値を算出してもよい。さらに、計測装置1は、算出値として特徴値の平均値および分散値の両方を算出してもよい。すなわち、計測装置1は、算出値として特徴値の平均値および分散値のうちの少なくとも1つを算出すればよい。
In the example of FIG. 12, the
なお、計測装置1は、図12(A)に示すように、図9(C)に示す第1特徴データのヒストグラムを用いて第1算出値を算出していたが、図9(B)に示す第1特徴データのヒストグラムを用いて第1算出値を算出してもよい。計測装置1は、図12(B)に示すように、図11(C)に示す第2特徴データのヒストグラムを用いて第2算出値を算出していたが、図11(B)に示す第2特徴データのヒストグラムを用いて第2算出値を算出してもよい。
As shown in Fig. 12(A), the measuring
[計測装置による処理]
図13および図14を参照しながら、実施の形態2に係る計測装置1が実行する処理について説明する。図13は、実施の形態2に係る計測装置1が実行する基準値算出処理に関するフローチャートである。図14は、実施の形態2に係る計測装置が実行する差分算出処理に関するフローチャートである。計測装置1の制御装置11は、記憶装置12に格納された計測プログラム121を実行することで、図13および図14に示すフローチャートの処理を定期的に実行する。なお、図中において、「S」は「STEP」の略称として用いられる。
[Processing by measuring device]
The processing executed by the measuring
図13に示すように、制御装置11は、所定時間分(たとえば、1日分)の第2時系列データを取得したか否かを判定する(S11)。制御装置11は、所定時間分の第2時系列データを取得していない場合(S11でNO)、本処理を終了する。13, the
一方、制御装置11は、所定時間分の第2時系列データを取得した場合(S11でYES)、第2時系列データのうち、CO2濃度の変化量が閾値(たとえば、200ppm)を超える期間のCO2濃度を抽出する(S12)。制御装置11は、CO2濃度を抜き出す必要がないような時系列データを取り扱う場合、S12の処理をスキップしてS13の処理に移行してもよい。制御装置11は、第1時系列データから図9(C)に示すようなヒストグラム(第1特徴データ)を生成する(S13)。また、制御装置11は、抽出したCO2濃度の第2時系列データから図11(C)に示すようなヒストグラム(第2特徴データ)を生成する(S14)。On the other hand, when the
次に、制御装置11は、第1特徴データと第2特徴データとの間の差分を算出するための差分算出処理を実行する(S15)。Next, the
図14に示すように、差分算出処理において、制御装置11は、第1特徴データから第1算出値を算出する(S111)。たとえば、制御装置11は、図12(A)に示すように、第1環境におけるヒストグラム(第1特徴データ)に基づき、第1算出値として特徴値(この例ではG/Q)の統計量を算出する。統計量としては、平均値、分散値、最小値、中央値、第一四分位、第三四分位、歪度、および尖度などが挙げられる。
As shown in Fig. 14, in the difference calculation process, the
制御装置11は、第2特徴データから第2算出値を算出する(S112)。たとえば、制御装置11は、図12(B)に示すように、第2環境におけるヒストグラム(第2特徴データ)に基づき、第2算出値として特徴値(この例ではG/Q)の統計量を算出する。統計量としては、平均値、分散値、最小値、中央値、第一四分位、第三四分位、歪度、および尖度などが挙げられる。The
そして、制御装置11は、第2特徴データから算出される第2算出値から第1特徴データから算出される第1算出値を減算することによって、差分を算出する(S113)。Then, the
図13に戻り、制御装置11は、差分に基づき、第2環境におけるCO2濃度の第2基準値を算出する(S16)。たとえば、制御装置11は、予め定められた第1環境におけるCO2濃度の第1基準値に差分を加算することによって、第2環境におけるCO2濃度の第2基準値を算出する。その後、制御装置11は、本処理を終了する。Returning to FIG. 13, the
以上のように、実施の形態2に係る計測装置1は、人以外のCO2排出源が存在しない第1環境におけるCO2濃度の第1時系列データに基づき生成された第1特徴データと、人以外のCO2排出源が存在する第2環境におけるCO2濃度の第2時系列データに基づき生成された第2特徴データとの間の差分を算出し、算出した差分に基づき、第2環境におけるCO2濃度を判定するための基準値(この例では第2基準値)を算出する。これにより、判定装置4は、計測装置1によって算出された基準値を用いて、人以外のCO2排出源から排出されるCO2を考慮して第2環境におけるCO2濃度を判定することができるため、人以外のCO2排出源が存在する第2環境であっても、CO2濃度を精度よく判定することができる。As described above, the measuring
計測装置1は、第2特徴データから算出される第2算出値から第1特徴データから算出される第1算出値を減算することによって、第1特徴データと第2特徴データとの間の差分を算出するため、差分を算出するために新たな特徴データを生成するといった複雑な処理を行うことなく、比較的簡単に差分を算出することができる。The measuring
図13のフローのS13において、制御装置11は、第1特徴データを読み出してもよい。すなわち、計測装置1は、第1時系列データから第1特徴データを予め算出して記憶装置12に記憶しておき、記憶していた第1特徴データを読み出すことで、処理時間を短くすることができる。同様に図14のS111においても、計測装置1は、第1算出値を読み出してもよい。すなわち、計測装置1は、第1特徴データから第1算出値を予め算出して記憶装置12に記憶しておくことで、判定時には記憶装置12から第1算出値を読み出すだけで対応可能である。
In S13 of the flow in FIG. 13, the
<実施の形態3>
図15~図18を参照しながら、実施の形態3に係る計測装置1について説明する。以下では、実施の形態3に係る計測装置1について、実施の形態2に係る計測装置1と異なる部分のみを説明する。
<Third embodiment>
15 to 18, the
[差分の算出]
図15~図17は、実施の形態3に係る計測装置1による第1特徴データと第2特徴データとの差分の算出の一例を示す図である。図15(A)には、第1環境における第1特徴データのヒストグラムが示されている。すなわち、図15(A)のヒストグラムは、図9(C)に示す第1特徴データのヒストグラムに対応する。図15(B)には、第2環境における第2特徴データのヒストグラムが示されている。すなわち、図15(B)のヒストグラムは、図11(C)に示す第2特徴データのヒストグラムに対応する。
[Calculating the difference]
15 to 17 are diagrams showing an example of calculation of the difference between the first feature data and the second feature data by the
図15に示すように、実施の形態3に係る計測装置1は、第2特徴データを生成した後、事前に記憶装置12に記憶された第1特徴データと、生成した第2特徴データとの間の差分を算出する。具体的には、計測装置1は、第2特徴データから第1特徴データを減算することによって新たな特徴データ(以下、「第3特徴データ」とも称する。)を生成する。15, after generating the second feature data, the
たとえば、計測装置1は、図15(B)に示す第2特徴データのヒストグラムの各階級の度数から、図15(A)に示す第1特徴データのヒストグラムの各階級の度数を減算することによって、図15(C)に示すような第3特徴データのヒストグラムを生成する。このため、第1環境のヒストグラムと第2環境のヒストグラムは同じ階級の幅で作成されることが望ましい。For example, the
ここで、計測装置1は、第1特徴データに含まれるデータ数が、第2特徴データに含まれるデータ数よりも少ない場合、第3特徴データを適切に生成することができないため、以下のいずれかの条件を満たした場合に、第3特徴データを生成する。
Here, the measuring
たとえば、計測装置1は、第1時系列データにおけるCO2濃度の取得時間が第2時系列データにおけるCO2濃度の取得時間以上である場合に、第3特徴データを生成する。あるいは、計測装置1は、第1特徴データにおけるデータ量(特徴値G/Qの個数)が第2特徴データにおけるデータ量(特徴値G/Qの個数)以上である場合に、第3特徴データを生成する。For example, the measuring
さらに、計測装置1は、第1特徴データにおけるデータ数が第2特徴データにおけるデータ数よりも少ない場合に、第1特徴データにおけるデータ数に所定数を乗算することによって第1特徴データにおけるデータ数を第2特徴データにおけるデータ数以上とした上で、第3特徴データを生成してもよい。乗算される所定数は、たとえば、第2特徴データにおけるデータ数(たとえば、D2)から第1特徴データにおけるデータ数(たとえば、D1)を割った数(たとえば、D1/D2)を用いればよい。Furthermore, when the number of data items in the first feature data is smaller than the number of data items in the second feature data, the
計測装置1は、第3特徴データを生成した後、第3特徴データのヒストグラムに基づき、差分として、特徴値(この例ではG/Q)の平均値(たとえば、394.63)を算出する。なお、計測装置1は、第3特徴データのヒストグラムに基づき、差分として、特徴値の統計量を算出してもよい。統計量としては、平均値の他に、分散値、最小値、中央値、第一四分位、第三四分位、歪度、および尖度などが挙げられる。計測装置1は、上述した統計量のうちの少なくとも1つを算出してもよい。たとえば、計測装置1は、第3特徴データのヒストグラムに基づき、差分として、特徴値の分散値を算出してもよい。さらに、計測装置1は、第3特徴データのヒストグラムに基づき、差分として、特徴値の平均値および分散値の両方を算出してもよい。ここで、計測装置1は、差分を算出するにあたって、第3特徴データのヒストグラムに含まれる複数の特徴値について、最低値が0となるように複数の特徴値を変更する。After generating the third feature data, the measuring
たとえば、計測装置1は、図16(A)に示すように、第3特徴データに含まれる複数の特徴値の全てを変更対象として、図16(B)に示すように、変更対象の特徴値における最低値が0となるように、変更対象の特徴値を0から順に配置する。For example, as shown in FIG. 16 (A), the measuring
あるいは、計測装置1は、図17(A)および図17(B)に示すように、第3特徴データに含まれる複数の特徴値のうち、第1特徴データに含まれる特徴値における最大値に対応する特徴値を含む部分を変更対象として、図17(C)に示すように、変更対象の特徴値における最低値が0となるように、変更対象の特徴値を0から順に配置する。Alternatively, as shown in Figures 17 (A) and 17 (B), the measuring
これにより、計測装置1は、第2環境における人以外のCO2排出源から排出されるCO2によって生じる特徴値を算出することができ、このような特徴値に基づき差分を算出することができる。
This enables the measuring
なお、計測装置1は、図15(A)に示すように、図9(C)に示す第1特徴データのヒストグラムを用いて第3特徴データを生成していたが、図9(B)に示す第1特徴データのヒストグラムを用いて第3特徴データを生成してもよい。計測装置1は、図15(B)に示すように、図11(C)に示す第2特徴データのヒストグラムを用いて第3特徴データを生成していたが、図11(B)に示す第2特徴データのヒストグラムを用いて第3特徴データを生成してもよい。
As shown in Fig. 15(A), the
[計測装置による処理]
図18は、実施の形態3に係る計測装置1が実行する差分算出処理(図13のS15)に関するフローチャートである。実施の形態3に係る計測装置1の制御装置11は、記憶装置12に格納された計測プログラム121を実行することで、図18に示すフローチャートの処理を定期的に実行する。
[Processing by measuring device]
Fig. 18 is a flowchart relating to the difference calculation process (S15 in Fig. 13) executed by the
図13に示すように、制御装置11は、S11~S14の処理によって、図9(C)に示すようなヒストグラム(第1特徴データ)および図11(C)に示すようなヒストグラム(第2特徴データ)を生成した後、図18に示す差分算出処理を実行する。As shown in FIG. 13, the
図18に示すように、制御装置11は、第2特徴データから第1特徴データを減算することによって、図15(C)に示すような第3特徴データのヒストグラムを生成する(S121)。As shown in FIG. 18, the
制御装置11は、図16(B)および図17(C)に示すように、第3特徴データのヒストグラムにおける最低値が0となるように複数の特徴値を変更することによって、第3特徴データのヒストグラムを再配置する(S122)。制御装置11は、再配置後の3特徴データのヒストグラムに基づき、特徴値の平均値を算出することによって、差分を算出する(S123)。
As shown in Figures 16(B) and 17(C), the
その後、図13に示すように、制御装置11は、S16の処理によって、差分に基づき第2基準値を算出する。Then, as shown in FIG. 13, the
以上のように、実施の形態3に係る計測装置1は、第2特徴データから第1特徴データを減算することによって第3特徴データを生成し、第3特徴データに基づき差分を算出する。これにより、差分を算出するために新たな第3特徴データを用いることで、精度よく差分を算出することができる。As described above, the
<実施の形態4>
図19および図20を参照しながら、実施の形態4に係る計測装置1について説明する。以下では、実施の形態4に係る計測装置1について、実施の形態2に係る計測装置1と異なる部分のみを説明する。
<Fourth embodiment>
19 and 20, the
[差分の算出]
図19は、実施の形態4に係る計測装置1による第1特徴データと第2特徴データとの差分の算出の一例を示す図である。図19(A)には、第2環境における第2特徴データのヒストグラムが示されている。すなわち、図19(A)のヒストグラムは、図11(C)に示す第2特徴データのヒストグラムに対応する。
[Calculating the difference]
19A and 19B are diagrams illustrating an example of calculation of the difference between the first feature data and the second feature data by the
図19に示すように、実施の形態4に係る計測装置1は、第2特徴データを生成した後、事前に記憶装置12に記憶された第1特徴データと、生成した第2特徴データとの間の差分を算出する。具体的には、計測装置1は、第2特徴データから、第1特徴データの第1算出値に相当する特徴値を有するデータを減算することによって新たな特徴データ(以下、「第4特徴データ」とも称する。)を生成する。19, after generating the second feature data, the
たとえば、計測装置1は、図19(A)に示す第2特徴データのヒストグラムを、図19(B)に示すヒストグラムと、図19(C)に示すヒストグラムとに分ける。図19(B)のヒストグラムに含まれる特徴値(この例ではG/Q)の平均値は、図12(A)に示した第1環境におけるヒストグラムに含まれる特徴値(この例ではG/Q)の平均値に相当する。すなわち、図19(B)のヒストグラムに含まれる特徴値の平均値は、第1特徴データの第1算出値と同一または略同一である。For example, the measuring
計測装置1は、図19(A)に示す第2特徴データから、第1特徴データの平均値に相当する特徴値を有するデータを減算することによって、図19(C)に示すように、残った特徴値を含むヒストグラムを第4特徴データとして生成する。The measuring
なお、計測装置1は、第1算出値として第1環境におけるヒストグラムに含まれる特徴値の平均値以外の統計量を算出してもよい。平均値以外の統計量としては、分散値、最小値、中央値、第一四分位、第三四分位、歪度、および尖度などが挙げられる。そして、計測装置1は、第2特徴データから、第1特徴データの分散値に相当する特徴値を有するデータを減算することによって第4特徴データを生成してもよい。The measuring
計測装置1は、第4特徴データを生成した後、第4特徴データのヒストグラムに基づき、特徴値(この例ではG/Q)の平均値(たとえば、464.7)を算出する。なお、計測装置1は、第4特徴データのヒストグラムに基づき、差分として、特徴値の統計量を算出してもよい。統計量としては、平均値、分散値、最小値、中央値、第一四分位、第三四分位、歪度、および尖度などがあげられる。計測装置1は、上述した統計量のうちの少なくとも1つを算出してもよい。たとえば、計測装置1は、第4特徴データのヒストグラムに基づき、差分として、特徴値の分散値を算出してもよい。さらに、計測装置1は、第4特徴データのヒストグラムに基づき、差分として、特徴値の平均値および分散値の両方を算出してもよい。ここで、計測装置1は、差分を算出するにあたって、第4特徴データのヒストグラムに含まれる複数の特徴値について、最低値が0となるように複数の特徴値を変更する。After generating the fourth feature data, the measuring
たとえば、計測装置1は、第4特徴データに含まれる複数の特徴値の全てを変更対象として、変更対象の特徴値における最低値が0となるように、変更対象の特徴値を0から順に配置する。For example, the measuring
これにより、計測装置1は、第2環境における人以外のCO2排出源から排出されるCO2によって生じる特徴値を算出することができ、このような特徴値に基づき差分を算出することができる。
This enables the measuring
なお、計測装置1は、図19(A)に示すように、図11(C)に示す第2特徴データのヒストグラムを用いて第4特徴データを生成していたが、図11(B)に示す第2特徴データのヒストグラムを用いて第4特徴データを生成してもよい。
As shown in FIG. 19 (A), the measuring
[計測装置による処理]
図20は、実施の形態4に係る計測装置1が実行する処理に関するフローチャートである。実施の形態4に係る計測装置1の制御装置11は、記憶装置12に格納された計測プログラム121を実行することで、図20に示すフローチャートの処理を定期的に実行する。
[Processing by measuring device]
Fig. 20 is a flowchart relating to processing executed by the
図13に示すように、制御装置11は、S11~S14の処理によって、図9(C)に示すようなヒストグラム(第1特徴データ)および図11(C)に示すようなヒストグラム(第2特徴データ)を生成した後、図20に示す差分算出処理を実行する。As shown in FIG. 13, the
図20に示すように、制御装置11は、第1特徴データから第1算出値を算出する(S131)。たとえば、制御装置11は、第1環境におけるヒストグラム(第1特徴データ)に基づき、第1算出値として特徴値(この例ではG/Q)の平均値を算出する。20, the
制御装置11は、第2特徴データから、第1特徴データの第1算出値に相当する特徴値を有するデータを減算することによって、図19(C)に示すような第4特徴データのヒストグラムを生成する(S132)。The
制御装置11は、第4特徴データのヒストグラムにおける最低値が0となるように複数の特徴値を変更することによって、第4特徴データのヒストグラムを再配置する(S133)。制御装置11は、再配置後の4特徴データのヒストグラムに基づき、特徴値の平均値を算出することによって、差分を算出する(S134)。The
その後、図13に示すように、制御装置11は、S16の処理によって、差分に基づき第2基準値を算出する。制御装置11は、第1特徴データから第1算出値を予め算出して記憶装置12に記憶しておき、記憶していた第1算出値を読み出してもよい。すなわち、制御装置11は、S131において、第1算出値を読み出してもよい。13, the
以上のように、実施の形態4に係る計測装置1は、第2特徴データから、第1特徴データの第1算出値に相当する特徴値を有するデータを減算することによって第4特徴データを生成し、第4特徴データに基づき差分を算出する。これにより、差分を算出するために新たな第4特徴データを用いることで、精度よく差分を算出することができる。さらに、計測装置1は、第2特徴データから第1特徴データをそのまま減算するのではなく、第2特徴データから、第1特徴データの第1算出値に相当する特徴値を有するデータを減算することによって第4特徴データを生成するため、より精度よく差分を算出することができる。As described above, the
<実施の形態5>
図21を参照しながら、実施の形態5に係る判定システム100について説明する。以下では、実施の形態5に係る判定システム100について、実施の形態1に係る判定システム100と異なる部分のみを説明する。
<Fifth embodiment>
A
図21に示すように、判定システム100は、計測装置1およびセンサモジュール2に加えて、報知装置3をさらに備える。また、センサモジュール2は、オゾナイザ26をさらに備える。21, the
判定装置4は、センサモジュール2から取得したCO2濃度の第2時系列データを解析することによって、未来におけるCO2濃度の変化を予測する。さらに、判定装置4は、CO2濃度の予測値を計測装置1から取得した第2基準値と比較し、CO2濃度の予測値が第2基準値を超えている場合、あるいは、CO2濃度の予測値が第2基準値を超えそうな場合に、ウィルスによる感染の拡大を防止するために、オゾナイザ26を駆動させたり、報知装置3に含まれるディスプレイ31またはスピーカ32を用いてユーザに換気を促したりする。The determination device 4 predicts future changes in the CO2 concentration by analyzing the second time-series data of the CO2 concentration acquired from the
判定装置4のデータ出力装置44は、制御装置41の指令に従って、オゾナイザ26を制御するための制御信号をセンサモジュール2に出力したり、報知装置3を制御するための制御信号を報知装置3に出力したりする。
The
センサモジュール2のオゾナイザ26は、オゾンを生成するとともに、生成したオゾンをセンサモジュール2が設置された第2環境に排出する。制御装置21は、判定装置4からの制御信号に従ってオゾナイザ26を制御することによって、オゾナイザ26からオゾンを発生させる。The
報知装置3は、ディスプレイ31と、スピーカ32とを備える。ディスプレイ31は、判定装置4からの制御信号に従って、制御装置41によって算出されたCO2濃度の判定結果に基づく画像など、各種の画像を表示する。たとえば、ディスプレイ31は、判定装置4からの制御信号に従って、ユーザに換気を促すための画像を表示する。スピーカ32は、判定装置4からの制御信号に従って、制御装置41によって算出されたCO2濃度の判定結果に基づく音など、各種の音を出力する。たとえば、スピーカ32は、判定装置4からの制御信号に従って、ユーザに換気を促すための音を出力する。The
なお、報知装置3は、判定装置4と別の構成であることに限らない。判定装置4は、ディスプレイ31およびスピーカ32のうちの少なくとも1つを備えていてもよい。さらに、報知装置3は、計測装置1または判定装置4のユーザが所有する携帯端末またはPC(Personal Computer)であってもよい。たとえば、判定装置4は、近距離無線通信などによってユーザが所有する携帯端末またはPCに制御信号を出力し、携帯端末またはPC(報知装置3)は、判定装置4からの制御信号に基づき、ディスプレイ31に画像を表示したり、スピーカ32から音を出力したりしてもよい。
The
このように構成された判定システム100において、判定装置4は、センサモジュール2によって取得されたCO2濃度の時系列データを解析することによって、未来におけるCO2濃度の変化を予測する。そして、判定装置4は、CO2濃度の予測値を計測装置1から取得した第2基準値と比較し、CO2濃度の予測値が第2基準値を超えている場合、あるいは、CO2濃度の予測値が第2基準値を超えそうな場合に、センサモジュール2に制御信号を出力することによってオゾナイザ26を駆動させたり、報知装置3に制御信号を出力することによってディスプレイ31またはスピーカ32を制御したりする。In the
<実施の形態6>
図22を参照しながら、実施の形態6に係る計測装置1について説明する。以下では、実施の形態6に係る計測装置1について、実施の形態1~4に係る計測装置1と異なる部分のみを説明する。
<Sixth embodiment>
The
実施の形態1~4に係る計測装置1は、第2環境におけるCO2濃度を判定するための第2基準値を算出するように構成されていたが、実施の形態6に係る計測装置1は、さらに、算出した第2基準値を用いて、第2環境におけるCO2濃度を判定してもよい。すなわち、計測装置1は、判定装置4の機能を備えていてもよく、判定装置4と一体化された装置であってもよい。具体的には、実施の形態6に係る計測装置1は、データ取得装置13によってセンサモジュール2から取得された第2環境におけるCO2濃度の到達値を、予測モデルを用いて予測し、予測した到達値と第2基準値とに基づき、第2環境におけるCO2濃度を判定してもよい。
The measuring
たとえば、図22は、実施の形態6に係る計測装置1が実行する判定処理に関するフローチャートである。計測装置1の制御装置11は、記憶装置12に格納された計測プログラム121を実行することで、図22に示すフローチャートの処理を定期的に実行する。なお、図中において、「S」は「STEP」の略称として用いられる。For example, Figure 22 is a flowchart relating to the determination process executed by the
図22に示すように、制御装置11は、所定時間分の第2時系列データを取得したか否かを判定する(S51)。なお、制御装置11は、S51において、予測モデルによって未来におけるCO2濃度の変化を予測可能なデータ量の第2時系列データを取得したか否かを判定してもよい。制御装置11は、所定時間分の第2時系列データを取得していない場合(S51でNO)、本処理を終了する。22, the
一方、制御装置11は、所定時間分の第2時系列データを取得した場合(S51でYES)、予測モデルを用いて第2時系列データの変化を予測することによって、第2環境におけるCO2濃度の予測値(到達値)を算出する(S52)。制御装置11は、予測値を第2基準値と比較することで、第2環境におけるCO2濃度を判定し(S53)、判定結果を出力する(S54)。たとえば、制御装置11は、予測値が第2基準値を超えている場合、あるいは、予測値が第2基準値を超えそうな場合に、オゾナイザ26を制御するための制御信号をセンサモジュール2に出力したり、報知装置3を制御するための制御信号を報知装置3に出力したりする。その後、制御装置11は、本処理を終了する。On the other hand, when the
以上のように、実施の形態6に係る計測装置1は、人以外のCO2排出源が存在しない第1環境におけるCO2濃度の第1時系列データと、人以外のCO2排出源が存在する第2環境におけるCO2濃度の第2時系列データとの間の差分を算出し、算出した差分と、第2時系列データとに基づき、第2環境におけるCO2濃度を判定する。これにより、計測装置1は、人以外のCO2排出源から排出されるCO2を考慮して第2環境におけるCO2濃度を判定することができるため、人以外のCO2排出源が存在する第2環境であっても、CO2濃度を精度よく判定することができる。As described above, the measuring
<変形例>
図22のS52の処理において、制御装置11は、データ取得装置13によってセンサモジュール2から取得された第2環境におけるCO2濃度から差分を減算することによって、減算値を算出し、減算値と第1環境におけるCO2濃度の第1基準値とに基づき、第2環境におけるCO2濃度を判定してもよい。
<Modification>
In the processing of S52 in FIG. 22, the
さらに、制御装置11は、データ取得装置13によってセンサモジュール2から取得された第2環境におけるCO2濃度の到達値を、予測モデルを用いて予測し、予測した到達値から差分を減算することによって、上述した減算値を算出してもよい。
Furthermore, the
上述した実施の形態においては、計測装置1がセンサモジュール2と別体であったが、計測装置1がセンサモジュール2に含まれる各構成を備えていてもよい。すなわち、変形例に係る計測装置1は、センサ25と、オゾナイザ26とを備え、制御装置11がセンサ25およびオゾナイザ26を制御してもよい。また、計測装置1は、通信部(データ取得装置13)、制御部(制御装置11)、および記憶部(記憶装置12)を一体的に備える1つの装置でなく、たとえば、データ取得装置13に対応する機能を有する通信部に特化した装置と、制御装置11に対応する機能を有する制御部を備えた装置と、記憶装置12に対応する機能を有する記憶部を備えた装置とに分かれているなど、複数の装置から構成されていてもよい。In the above-described embodiment, the measuring
さらに、計測装置1は、報知装置3に含まれる各構成を備えていてもよい。すなわち、変形例に係る計測装置1は、ディスプレイ31と、スピーカ32とを備え、制御装置11がディスプレイ31およびスピーカ32を制御してもよい。Furthermore, the measuring
以上、複数の実施の形態および変形例について説明したが、これらの複数の実施の形態および変形例の各々における特徴は、矛盾が生じない範囲で適宜組み合わせることが可能である。 Although several embodiments and variants have been described above, the features of each of these embodiments and variants can be combined as appropriate to the extent that no contradictions arise.
今回開示された実施の形態は、すべての点で例示であって制限的なものではないと考えられるべきである。本開示の範囲は、上記した実施の形態の説明ではなくて請求の範囲によって示され、請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。The embodiments disclosed herein should be considered to be illustrative and not restrictive in all respects. The scope of the present disclosure is indicated by the claims, not by the description of the embodiments above, and is intended to include all modifications within the meaning and scope of the claims.
1 計測装置、2 センサモジュール、3 報知装置、4 判定装置、11,21,41 制御装置、12,42 記憶装置、13,43 データ取得装置、23 通信装置、25 センサ、26 オゾナイザ、31 ディスプレイ、32 スピーカ、44 データ出力装置、50 ネットワーク、100 判定システム、121 計測プログラム、122 演算用データ、123 時系列データ、311,313,314 アイコン、421 判定プログラム、422 基準値データ。 1 Measuring device, 2 Sensor module, 3 Alarm device, 4 Determination device, 11, 21, 41 Control device, 12, 42 Storage device, 13, 43 Data acquisition device, 23 Communication device, 25 Sensor, 26 Ozonizer, 31 Display, 32 Speaker, 44 Data output device, 50 Network, 100 Determination system, 121 Measurement program, 122 Calculation data, 123 Time series data, 311, 313, 314 Icon, 421 Determination program, 422 Reference value data.
Claims (17)
大気中に二酸化炭素を排出する排出源として人以外の二酸化炭素排出源が存在しない第1環境における二酸化炭素濃度の第1時系列データを記憶する記憶装置と、
前記人以外の前記二酸化炭素排出源が存在する第2環境における二酸化炭素濃度の第2時系列データを取得するデータ取得装置と、
制御装置とを備え、
前記制御装置は、前記第1時系列データと前記第2時系列データとの間の差分に基づき、前記第2環境における二酸化炭素濃度を判定するための基準値を算出する、計測装置。 A measuring device for measuring a carbon dioxide concentration,
a storage device that stores first time series data of carbon dioxide concentration in a first environment in which there are no carbon dioxide emission sources other than humans that emit carbon dioxide into the atmosphere;
a data acquisition device that acquires second time series data of a carbon dioxide concentration in a second environment where the carbon dioxide emission source other than the human is present;
a control device;
The control device calculates a reference value for determining a carbon dioxide concentration in the second environment based on a difference between the first time series data and the second time series data.
前記第1時系列データに基づき第1算出値を算出し、
前記第2時系列データに基づき第2算出値を算出し、
前記第2算出値から前記第1算出値を減算することによって、前記差分を算出する、請求項1に記載の計測装置。 The control device includes:
Calculating a first calculated value based on the first time-series data;
Calculating a second calculated value based on the second time series data;
The measurement apparatus according to claim 1 , wherein the difference is calculated by subtracting the first calculated value from the second calculated value.
前記第2算出値は、前記第2時系列データの平均値を含む、請求項2に記載の計測装置。 the first calculated value includes an average value of the first time series data,
The measurement apparatus according to claim 2 , wherein the second calculated value includes an average value of the second time-series data.
前記第1時系列データに基づき第1特徴データを生成し、
前記第2時系列データに基づき第2特徴データを生成し、
前記第1特徴データに基づき第1算出値を算出し、
前記第2特徴データに基づき第2算出値を算出し、
前記第2算出値から前記第1算出値を減算することによって、前記差分を算出する、請求項1に記載の計測装置。 The control device includes:
generating first feature data based on the first time-series data;
generating second feature data based on the second time series data;
Calculating a first calculated value based on the first characteristic data;
Calculating a second calculated value based on the second feature data;
The measurement apparatus according to claim 1 , wherein the difference is calculated by subtracting the first calculated value from the second calculated value.
前記第1時系列データに基づき第1特徴データを生成し、
前記第2時系列データに基づき第2特徴データを生成し、
前記第2特徴データから前記第1特徴データを減算することによって、第3特徴データを生成し、
前記第3特徴データの平均値および分散値の少なくとも1つを算出することによって、前記差分を算出する、請求項1に記載の計測装置。 The control device includes:
generating first feature data based on the first time-series data;
generating second feature data based on the second time series data;
generating third feature data by subtracting the first feature data from the second feature data;
The measurement apparatus according to claim 1 , wherein the difference is calculated by calculating at least one of an average value and a variance value of the third feature data.
前記第1時系列データに基づき第1特徴データを生成し、
前記第2時系列データに基づき第2特徴データを生成し、
前記第1特徴データに基づき第1算出値を算出し、
前記第2特徴データから、前記第1算出値に相当するデータを減算することによって第4特徴データを生成し、
前記第4特徴データの平均値および分散値の少なくとも1つを算出することによって、前記差分を算出する、請求項1に記載の計測装置。 The control device includes:
generating first feature data based on the first time-series data;
generating second feature data based on the second time series data;
Calculating a first calculated value based on the first characteristic data;
generating fourth feature data by subtracting data corresponding to the first calculated value from the second feature data;
The measurement apparatus according to claim 1 , wherein the difference is calculated by calculating at least one of an average value and a variance value of the fourth feature data.
前記第1時系列データにおける二酸化炭素濃度の変化量が閾値を超える期間の二酸化炭素濃度に基づき前記第1特徴データを生成し、
前記第2時系列データにおける二酸化炭素濃度の変化量が前記閾値を超える期間の二酸化炭素濃度に基づき前記第1特徴データを生成する、請求項4~請求項7のいずれか1項に記載の計測装置。 The control device includes:
generating the first characteristic data based on a carbon dioxide concentration during a period in which a change in the carbon dioxide concentration in the first time-series data exceeds a threshold;
The measurement device according to any one of claims 4 to 7, wherein the first characteristic data is generated based on the carbon dioxide concentration during a period in which an amount of change in the carbon dioxide concentration in the second time-series data exceeds the threshold value.
判定装置とを備え、
前記判定装置は、前記計測装置によって算出された前記基準値に基づき、前記第2環境における二酸化炭素濃度を判定する、判定システム。 The measuring device according to any one of claims 1 to 7 ;
A determination device,
The determination device determines the carbon dioxide concentration in the second environment based on the reference value calculated by the measuring device.
前記第2環境における二酸化炭素濃度の到達値を予測し、
予測した前記到達値と前記基準値とに基づき、前記第2環境における二酸化炭素濃度を判定する、請求項11に記載の判定システム。 The determination device includes:
predicting an ultimate value of the carbon dioxide concentration in the second environment;
The determination system according to claim 11 , which determines the carbon dioxide concentration in the second environment based on the predicted reached value and the reference value.
前記第2環境における二酸化炭素濃度から前記計測装置によって算出された前記差分を減算することによって、減算値を算出し、
前記減算値と前記第1環境における二酸化炭素濃度を判定するための第1基準値とに基づき、前記第2環境における二酸化炭素濃度を判定する、請求項11に記載の判定システム。 The determination device includes:
Calculating a subtraction value by subtracting the difference calculated by the measuring device from the carbon dioxide concentration in the second environment;
The determination system according to claim 11, further comprising a step of determining the carbon dioxide concentration in the second environment based on the subtraction value and a first reference value for determining the carbon dioxide concentration in the first environment.
前記第2環境における二酸化炭素濃度の到達値を予測し、
予測した前記到達値から前記計測装置によって算出された前記差分を減算することによって、前記減算値を算出する、請求項13に記載の判定システム。 The determination device includes:
predicting an ultimate value of the carbon dioxide concentration in the second environment;
The determination system according to claim 13 , wherein the subtraction value is calculated by subtracting the difference calculated by the measurement device from the predicted reached value.
大気中に二酸化炭素を排出する排出源として人以外の二酸化炭素排出源が存在しない第1環境における二酸化炭素濃度の第1時系列データを記憶するステップと、
前記人以外の前記二酸化炭素排出源が存在する第2環境における二酸化炭素濃度の第2時系列データを取得するステップと、
前記第1時系列データと前記第2時系列データとの間の差分に基づき、前記第2環境における二酸化炭素濃度を判定するための基準値を算出するステップとを含む、計測方法。 A method for measuring a carbon dioxide concentration by a computer, comprising:
Storing first time series data of carbon dioxide concentration in a first environment in which there are no carbon dioxide emission sources other than humans that emit carbon dioxide into the atmosphere;
acquiring second time series data of a carbon dioxide concentration in a second environment where the carbon dioxide emission source other than the human is present;
and calculating a reference value for determining a carbon dioxide concentration in the second environment based on a difference between the first time series data and the second time series data.
コンピュータに、
大気中に二酸化炭素を排出する排出源として人以外の二酸化炭素排出源が存在しない第1環境における二酸化炭素濃度の第1時系列データを記憶するステップと、
前記人以外の前記二酸化炭素排出源が存在する第2環境における二酸化炭素濃度の第2時系列データを取得するステップと、
前記第1時系列データと前記第2時系列データとの間の差分に基づき、前記第2環境における二酸化炭素濃度を判定するための基準値を算出するステップとを実行させる、計測プログラム。 A measurement program for measuring a carbon dioxide concentration,
On the computer,
Storing first time series data of carbon dioxide concentration in a first environment in which there are no carbon dioxide emission sources other than humans that emit carbon dioxide into the atmosphere;
acquiring second time series data of a carbon dioxide concentration in a second environment where the carbon dioxide emission source other than the human is present;
and calculating a reference value for determining a carbon dioxide concentration in the second environment based on a difference between the first time series data and the second time series data.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021153324 | 2021-09-21 | ||
JP2021153324 | 2021-09-21 | ||
PCT/JP2022/033383 WO2023047939A1 (en) | 2021-09-21 | 2022-09-06 | Measurement device, measurement method, measurement program, and assessment system |
Publications (3)
Publication Number | Publication Date |
---|---|
JPWO2023047939A1 JPWO2023047939A1 (en) | 2023-03-30 |
JPWO2023047939A5 JPWO2023047939A5 (en) | 2023-08-29 |
JP7491467B2 true JP7491467B2 (en) | 2024-05-28 |
Family
ID=85720594
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023516549A Active JP7491467B2 (en) | 2021-09-21 | 2022-09-06 | MEASUREMENT APPARATUS, MEASUREMENT METHOD, MEASUREMENT PROGRAM, AND JUDGMENT SYSTEM |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7491467B2 (en) |
WO (1) | WO2023047939A1 (en) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001052276A (en) | 1999-08-05 | 2001-02-23 | Matsushita Electric Ind Co Ltd | Behavior deciding device, care system, house with case and program recording medium |
JP2004278868A (en) | 2003-03-13 | 2004-10-07 | Toshiba Corp | In-room number calculation system and its method |
JP2005156138A (en) | 2003-11-04 | 2005-06-16 | Daikin Ind Ltd | Ventilation controller |
JP2012002504A (en) | 2011-09-05 | 2012-01-05 | Toshiba Corp | Sensor system for measuring carbon dioxide concentration, and carbon dioxide sensor |
KR101305772B1 (en) | 2013-05-10 | 2013-09-06 | 주재일 | System for controlling indoor surroundings using remote controller for having a function indoor air measurement |
JP2017016185A (en) | 2015-06-26 | 2017-01-19 | 学校法人成蹊学園 | Method for determining presence/absence in room |
WO2019110155A1 (en) | 2017-12-06 | 2019-06-13 | Idt Europe Gmbh | Method to distinguish indoor voc sources and to estimate human generated co2 concentration |
JP2020166709A (en) | 2019-03-29 | 2020-10-08 | 株式会社エクォス・リサーチ | Persons in room estimation device and persons in room estimation program |
JP2020166731A (en) | 2019-03-29 | 2020-10-08 | 株式会社エクォス・リサーチ | Persons in room estimation device and persons in room estimation program |
JP2021082201A (en) | 2019-11-22 | 2021-05-27 | 特定非営利活動法人co2sos | Method, program, determination system to determine existence of persons in room |
JP2021117999A (en) | 2020-01-21 | 2021-08-10 | エフビーピー エス.アール.エル. | Method and system for controlling air quality in indoor environment of building |
JP6934553B1 (en) | 2020-11-26 | 2021-09-15 | 株式会社クリエイティブジャパン | Information processing equipment, information processing system, information processing method and information processing program |
-
2022
- 2022-09-06 WO PCT/JP2022/033383 patent/WO2023047939A1/en active Application Filing
- 2022-09-06 JP JP2023516549A patent/JP7491467B2/en active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001052276A (en) | 1999-08-05 | 2001-02-23 | Matsushita Electric Ind Co Ltd | Behavior deciding device, care system, house with case and program recording medium |
JP2004278868A (en) | 2003-03-13 | 2004-10-07 | Toshiba Corp | In-room number calculation system and its method |
JP2005156138A (en) | 2003-11-04 | 2005-06-16 | Daikin Ind Ltd | Ventilation controller |
JP2012002504A (en) | 2011-09-05 | 2012-01-05 | Toshiba Corp | Sensor system for measuring carbon dioxide concentration, and carbon dioxide sensor |
KR101305772B1 (en) | 2013-05-10 | 2013-09-06 | 주재일 | System for controlling indoor surroundings using remote controller for having a function indoor air measurement |
JP2017016185A (en) | 2015-06-26 | 2017-01-19 | 学校法人成蹊学園 | Method for determining presence/absence in room |
WO2019110155A1 (en) | 2017-12-06 | 2019-06-13 | Idt Europe Gmbh | Method to distinguish indoor voc sources and to estimate human generated co2 concentration |
JP2020166709A (en) | 2019-03-29 | 2020-10-08 | 株式会社エクォス・リサーチ | Persons in room estimation device and persons in room estimation program |
JP2020166731A (en) | 2019-03-29 | 2020-10-08 | 株式会社エクォス・リサーチ | Persons in room estimation device and persons in room estimation program |
JP2021082201A (en) | 2019-11-22 | 2021-05-27 | 特定非営利活動法人co2sos | Method, program, determination system to determine existence of persons in room |
JP2021117999A (en) | 2020-01-21 | 2021-08-10 | エフビーピー エス.アール.エル. | Method and system for controlling air quality in indoor environment of building |
JP6934553B1 (en) | 2020-11-26 | 2021-09-15 | 株式会社クリエイティブジャパン | Information processing equipment, information processing system, information processing method and information processing program |
Also Published As
Publication number | Publication date |
---|---|
JPWO2023047939A1 (en) | 2023-03-30 |
WO2023047939A1 (en) | 2023-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yamana et al. | Superensemble forecasts of dengue outbreaks | |
US10496515B2 (en) | Abnormality detection apparatus, abnormality detection method, and non-transitory computer readable medium | |
Yang et al. | Comparison of filtering methods for the modeling and retrospective forecasting of influenza epidemics | |
Finkenstädt et al. | A stochastic model for extinction and recurrence of epidemics: estimation and inference for measles outbreaks | |
CN106796707B (en) | Chronic disease discovery and management system | |
US9418665B2 (en) | Method for controlling device and device control system | |
JP2017508589A5 (en) | ||
CN109414174B (en) | Method and system for probabilistically estimating pulse rate of an individual | |
WO2019153596A1 (en) | Chicken pox incidence warning method, server, and computer readable storage medium | |
US11266355B2 (en) | Early warning system and method for predicting patient deterioration | |
JP2017515579A (en) | Method and apparatus for monitoring patient status | |
EP3633643A1 (en) | Drowsiness estimating device, awakening-induction control device, and awakening induction system | |
WO2020027213A1 (en) | Dementia risk presentation system and method | |
JP2019023790A (en) | Death prediction device and death prediction program | |
JP7491467B2 (en) | MEASUREMENT APPARATUS, MEASUREMENT METHOD, MEASUREMENT PROGRAM, AND JUDGMENT SYSTEM | |
JP7180819B1 (en) | predictor | |
Hassan et al. | External validation of risk scores to predict in-hospital mortality in patients hospitalized due to coronavirus disease 2019 | |
Kirkegaard et al. | Variability of individual infectiousness derived from aggregate statistics of Covid-19 | |
KR20180057829A (en) | Method for controlling sensor based on statistical process control | |
US20230054957A1 (en) | Carbon dioxide concentration prediction system, carbon dioxide concentration prediction method, and computer readable medium | |
JP6919706B2 (en) | Information processing method, information processing device and information processing computer program | |
JP2019069101A (en) | Information processing system, information processing device, information processing server, information processing method, and information processing program | |
JP6751903B2 (en) | Sneeze prediction system and sneeze prediction method | |
CN111554406A (en) | Physiological data processing method and device, electronic equipment and storage medium | |
KR20200055327A (en) | Method of Extracting Routines of Living-alone Person's Daily Activities and System for the Same |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230313 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230313 |
|
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: 20240416 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240429 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7491467 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |