WO2013161414A1 - 使用量予測方法および行動推薦方法 - Google Patents

使用量予測方法および行動推薦方法 Download PDF

Info

Publication number
WO2013161414A1
WO2013161414A1 PCT/JP2013/056893 JP2013056893W WO2013161414A1 WO 2013161414 A1 WO2013161414 A1 WO 2013161414A1 JP 2013056893 W JP2013056893 W JP 2013056893W WO 2013161414 A1 WO2013161414 A1 WO 2013161414A1
Authority
WO
WIPO (PCT)
Prior art keywords
information
behavior
prediction
usage amount
usage
Prior art date
Application number
PCT/JP2013/056893
Other languages
English (en)
French (fr)
Inventor
関本　信博
Original Assignee
日立コンシューマエレクトロニクス株式会社
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 日立コンシューマエレクトロニクス株式会社 filed Critical 日立コンシューマエレクトロニクス株式会社
Publication of WO2013161414A1 publication Critical patent/WO2013161414A1/ja

Links

Images

Classifications

    • 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"

Definitions

  • the present invention relates to a system for measuring the usage of resources such as electric power and predicting the future usage from past measurement data, and in particular recommends user actions to reduce the predicted future usage.
  • resources such as electric power
  • predicting the future usage from past measurement data and in particular recommends user actions to reduce the predicted future usage.
  • the system predicts the usage amount, and further recommends an appropriate action to the user according to the predicted value, a predetermined target value, the surrounding situation of the date and time, and the preference based on the user's behavior history.
  • the system predicts the usage amount, and further recommends an appropriate action to the user according to the predicted value, a predetermined target value, the surrounding situation of the date and time, and the preference based on the user's behavior history.
  • the conventional prediction method statistically uses a mathematical model based on a so-called system transfer function or a fixed model based on a spatial approximation between input and output values.
  • the amount of usage is predicted by system estimation.
  • Patent Document 1 is intended to evaluate the variation of the predicted values obtained in this way, that is, to improve accuracy. Therefore, no mention is made of how to deal with the case where the variation of the predicted value exceeds or exceeds the predetermined accuracy. That is, in Patent Document 1, for example, when the deviation from a preset target value is large or when a preset limit value is exceeded, the current deviation or limit is not exceeded, or the difference is indicated to the user. It is difficult to recommend specific actions to make small and improve the situation.
  • An object of the present invention is to integrate a climate change, an activity plan, an activity reason, and past results in a system for predicting the usage amount of energy and the like, and to enable a prediction method suitable for human activities to be introduced at a low cost. is there.
  • a method for recommending actions to reduce usage suitable for the climate and action plan in consideration of the relationship between predicted usage trends and target values it is possible to identify specific users for situation improvement.
  • the usage amount prediction method of the first invention when the past usage history information and the state attribute information of the period measured in the period and interval specified in advance are acquired and the period for which the prediction is performed is specified
  • the situation attribute information is obtained from the situation attribute information acquisition means or the input means, the prediction status attribute information that is predicted or scheduled attribute information of the period, and the calculation means is the situation attribute that is most similar to the predicted genus information from the situation attribute information of the recording unit
  • a first approximation that selects one piece of information, obtains a usage history from the usage history information for the same period indicated by the selected status attribute information, and approximates the usage with respect to time using the history of the usage history information
  • a curve is obtained, and a value obtained from the first time approximate curve at each time of the history of one or more usage history information belonging to the specified period or immediately before the period for which the prediction is performed and the usage history information It obtains a second approximation curve which gives an approximation between the amount of gravel, the prediction curve usage the first approximation curve and the
  • the usage amount prediction system is a usage amount for acquiring usage history information including a calculation unit, a display unit, an input unit for user operation, a time acquisition unit, and a usage amount and time.
  • a recording unit for recording various information including a recording unit for recording various information.
  • the situation attribute information and the forecast situation attribute information include date and time, weather information, the activity status of the user, the activity status of the group to which the user belongs, and the user. At least one of an environmental situation of a place to which the user belongs and a situation that can be a factor affecting the usage amount is used.
  • the approximate curve is displayed on the display unit together with one or more usage history information belonging to immediately before or within the specified period for performing the prediction.
  • the behavior recommendation method of the fifth invention acquires one or more possible behavior information sets that define user behavior that affects the usage amount, and provides a usage threshold value to be given in advance. Find the prediction excess information including at least one of the time when the usage prediction curve intersects and the extreme value of the prediction curve, and each attribute information of each item in the possible behavior information, the prediction excess information, The evaluation value between the attribute information is obtained by a predetermined method using the predicted situation attribute information, the possible behavior information is selected using the evaluation value for each item of the possible behavior information, and the possible behavior information of the selected possible behavior information is displayed on the display means. Present the contents of the item.
  • the behavior recommendation method of the sixth invention instead of the possible behavior information in the fifth invention, the behavior history information including the user's behavior that affects the usage amount and the change amount of the usage amount due to the behavior is similarly used. Perform the process.
  • a user response to the presented recommendation presentation is acquired from the input means, and the response is included in one of the possible behavior information. If it was, update at least one element from the response content, presentation history, selection history, selection preference, or implementation date and time as possible behavior information or behavior history information elements, Used for evaluation.
  • the behavior recommendation system of the eighth invention has the same system configuration as that of the second invention, and the usage amount prediction method of the first invention and at least one of the fifth to seventh inventions Do more than one action recommendation method.
  • the behavior recommendation system of the ninth invention has the same system configuration as that of the eighth invention, and includes usage history information consisting of usage and time, status attribute information in a predesignated period, and future attributes.
  • a usage amount prediction method according to the first aspect of the present invention, comprising: a communication unit that acquires predicted status attribute information from a predicted status attribute generation unit that predicts a change via a network; and a recording unit that records various types of information. And at least 1 or more action recommendation method is performed among 5th invention from 7th invention.
  • the present invention it is possible to predict the usage of resources such as energy at a low cost, support the user's specific action recall for improving the situation, and motivate the user's energy-saving activities. Can assist in strengthening and maintaining.
  • a usage amount acquisition unit that acquires information, an attribute acquisition unit that acquires attribute information in a period specified in advance, and a prediction status attribute acquisition unit that acquires a prediction status attribute from a prediction status attribute generation unit that predicts future attribute changes The first feature is that a resource usage amount is predicted by a system having a recording unit for recording various information.
  • the behavior to reduce the resource usage amount is given to the user by using the possible behavior information listing the possible behaviors given in advance by the user.
  • the second feature is that the recommendation is presented.
  • the power that is the target of the usage amount prediction and behavior recommendation of the present invention is collectively referred to as “resource”.
  • the usage amount of power is predicted, and the user is used when the power usage amount exceeds a preset target value.
  • FIG. 1 is a system configuration diagram according to the first embodiment.
  • the system 100 according to the present embodiment will be described as a device that predicts the amount of power used as a usage amount and recommends a user's action based on the transition of the predicted power amount.
  • the system 100 includes a calculation unit 105, a clock unit 108 for acquiring time, an output unit 106 including various displays for displaying various displays to the user 180, a keyboard and a mouse for inputting user instructions, or touch panel means used with the display.
  • This is realized by a computer having an input unit 107 including a CPU and a memory.
  • a usage sensor 110 that detects power usage is connected to the usage information acquisition unit 101 to acquire the usage.
  • the usage amount information acquisition unit 101 may calculate a total value, a maximum value, a minimum value, an average value, and a statistical value such as a variance of the usage amount in a specific period.
  • the usage sensor 110 has various values such as usage of gas and water and sewage, network communication, usage time of machines and electrical equipment, deposits, stock prices, exchange rates, and the like. It may be a means for detecting them.
  • a situation attribute sensor 111 that detects weather, precipitation, temperature and humidity, wind direction and intensity, illuminance by indoor lighting, and the like is connected to the situation attribute information acquisition unit 102, and each value is detected and set.
  • the status attribute information acquisition unit 102 may calculate a total value, a maximum value, a minimum value, an average value, and a statistical value such as a variance for a specific period of the status attribute.
  • the situation information acquired by the situation attribute sensor 111 and the situation attribute information acquisition unit 102 is a sensor device that detects an attribute value of an item that can affect the amount detected by the usage sensor 110 described above, May be a measurement result.
  • it may be a value that can be detected by the above-mentioned usage sensor, or in addition, the number of employees of corporate offices, the attributes of those employees, the number of customers in the retail store, gender, Adult / child distinction, customer flow rate that passes a point of interest within a certain period of time, whether or not the day is a business day, sales form such as sale or event, type and quantity of goods to be displayed, air conditioner and The set temperature and humidity of the refrigerator and heat insulation, the actual temperature, humidity, operating intensity and wind direction, the type and quantity of goods sold, the volume of noise and sound generated by equipment, the type and temperature and ratio of gases such as air, etc.
  • Flow rate and type and flow rate of chemical substances and pollen, magnetic field and electric field strength, radiation type and amount, earthquake intensity and scale, power generation, gas and water supply, infection including cold and influenza Sexual illness Analyzes various types of data such as text, images, video, audio, and sound obtained from information sources including types and trends, trends in articles and trends, the World Wide Web and blogs on the Internet, and network services. It may be a means for detecting, measuring, and setting various attributes such as the type and quantity of information obtained.
  • the system includes a predicted status attribute information generation unit 120 and a predicted status attribute information acquisition unit 104 that predict how the attribute values that can be detected, measured, and set by the status attribute sensor 111 will change in the future. It is assumed that the predicted situation attribute information specified in advance is acquired.
  • the predicted status attribute information acquired by the predicted status attribute information generation means 120 is a future transition prediction or schedule of the above-mentioned various attribute values, for example, attribute information from an information provider related to weather forecast or weather, Schedules for power transmission from power plants and power companies, plans for upcoming events such as corporate offices and retail stores, schedules for employees, trend types and attribute forecasts, expert forecasts for stock prices and exchange rates, and various future simulations
  • the change amount estimation information of the attribute value may be used.
  • FIG. 2 is an explanatory diagram of an example of various information held in the recording unit 103.
  • the recording unit in this embodiment includes possible action information 204, target value information 205, situation attribute evaluation rule 206, action recommendation rule, which will be described later.
  • 207, situation attribute evaluation result information 208, situation feature information 209, and action recommendation result information 210 are recorded.
  • the various types of information described below are acquired from the sensors 110 and 111 and the predicted situation attribute information generation unit 120, the process of acquiring the rule and recording it in the recording unit 103 is the process of the present embodiment performed by the arithmetic unit 105. It may be performed immediately before the process, or may be performed using an acquisition unit (101, 102, 104) or the like in the process of acquiring each information.
  • FIG. 3 is an explanatory diagram of an example of the usage history information 201. It is assumed that the usage amount history information in this embodiment includes the elements of the item number 301, the location 302 where the usage amount is acquired, and the power usage amount 304. In addition, a part of the situation attribute information acquired by the situation attribute information acquisition unit 102 may be included as an element together with the usage history information in association with the date and time, and at the same time as shown in FIG. , Temperature 305, humidity 306, room temperature 307 to 309 of the room as situation attributes, and room humidity 310. In FIG.
  • the date and time of each item is counted every 30 minutes from 0:00 on December 7, 2011, and the usage amount 304 is the total amount for 30 minutes from that time, and the temperature 306, humidity 307, room temperature 308- 309 and humidity 311 are calculated and held as an average value during the period.
  • FIG. 4 is an explanatory diagram of the situation attribute information 202 and the predicted situation attribute information 203. These are collectively described as attribute information.
  • the attribute information in this embodiment includes item number 401, location 402, date 403, day of the week 404, wind direction 405, wind force 406, weather 407, minimum temperature 408, maximum temperature 409, and business day information 410 of the corporate office. Event information 411 and the number of customers 412 are recorded on a daily basis.
  • the row with the item number 9999 at the bottom is the prediction status attribute information 203 on the day of prediction from now on, that is, the prediction of the future attribute information or the schedule, and the other item numbers are past attribute information. 202 elements.
  • FIG. 5 is an explanatory diagram of an example of the possible action information 204.
  • the possible behavior information in this embodiment includes an item number 501, a classification 502, a message 503, a presentation period 504 including a start 511 and an end 512, a presentation minimum interval 505, a usage reduction rate 505, a temperature change amount 513, and an upper limit 514. And a lower limit 515, a preference 508, a previous execution date and time 509, and a previous result 510.
  • the start 511 and the end 512 of the presentation period 504 are date and time, and the conditions described later are illustrated as character strings. However, in each condition of year, month, day, and hour, “*” is not a number. Some parts indicate that all values are met.
  • FIG. 6 is an explanatory diagram of an example of the target value information 205.
  • the target value information in this embodiment has each element of item number 601, date 602, and upper limit value 603.
  • the element of date 602 is “*”, but this value is selected as the default value so that it matches whenever the date on which the prediction is made does not match the date of another item, ie, the default value.
  • the item is selected as a target value, and the upper limit value 603 is used as the target value.
  • FIG. 7 is an explanatory diagram of an example of the situation attribute evaluation rule 206.
  • the situation attribute evaluation rule is a rule used in the optimum date selection step S1303 of the usage amount prediction process S1212 (FIG. 13) described later.
  • the situation attribute evaluation rule in this embodiment is composed of the elements of item number 701, name 702, weight 703, and evaluation algorithm 704.
  • the evaluation algorithm 704 sets the value of the predicted status attribute information 203 (the column of the item number “9999” in FIG. 4) to “[element name] 1” and the status attribute information 202 to be compared (other than “9999” in FIG. 4).
  • the item number value of the day of interest in the item number line) is “[element name] 2”
  • the value (weight, value) of the item “i” of the situation attribute evaluation rule 206 in the item number “r” of the situation attribute information vri) is an algorithm that simulates the Basic language.
  • the “weather” of the item number “1” of the situation attribute evaluation rule 206 it is expressed as “weather 1.main” and “weather 1.sub” using the main weather and its assistance. And That is, when the weather is “clear and cloudy”, “weather 2.main” is “clear” and “weather 2.sub” is “cloudy”.
  • the item number 401 of the weather 407 column with the item number 401 of the prediction status attribute 202 of FIG. 4 is “9999”, “weather 1.main” is set to “rain”, and “weather 1.sub”. Has no value.
  • “sunny” in the item number “1” is “sunny” as “weather 2.main” and no value as “weather 2.sub”.
  • the vri value obtained in this way is multiplied by the weight of each item number, for example, 1.0 in the case of “weather”, to obtain a value relating to the item number.
  • This rule 206 is used in the optimal day selection process in the usage amount prediction process described later.
  • the situation attribute evaluation rule 206 is not only stored in the recording unit 103 in advance, but may be acquired from the outside by reading or communicating information by further including an external storage unit, a network unit, or the like in the system. In this case, it is possible to update to a new situation attribute evaluation rule.
  • FIG. 8 is an explanatory diagram of an example of the behavior recommendation rule 207.
  • the behavior recommendation rule is a rule used in behavior recommendation processing S1214 (FIG. 19) described later in behavior recommendation evaluation step S1905.
  • the action recommendation rule in this embodiment is composed of the elements of item number 801, name 802, weight 803, and evaluation algorithm 804.
  • the evaluation algorithm uses the name 1002 and the predicted value 1003 of the situation feature information 209 (FIG. 10) obtained in the usage amount prediction process described later, the classification 502 of each item number of the possible behavior information 204, the element names and their values.
  • the algorithm for obtaining the value vui of the item “i” of the behavior recommendation rule in the item number “u” of the possible behavior information is shown by simulating the Basic language.
  • the maximum value “100” from the predicted amount “100” of the item “excess amount” with the item number “8” of the situation feature information 209 described later is divided by the value obtained by adding 1 to the absolute value of the excess amount, and this value is reduced from 1.0.
  • the evaluation value vui is applied to the behavior information item number “1”.
  • the behavior recommendation rule 207 is not only stored in the recording unit 103 in advance, but may be acquired from the outside by reading or communicating information by further providing the system with an external storage means, a network, etc. It becomes possible to update to a new action recommendation rule.
  • FIG. 9 is an explanatory diagram of an example of the situation attribute evaluation result information 208.
  • the situation attribute result information is information that is generated and used when performing an optimum date selection process (S1303 in FIG. 13) in a later-described usage amount prediction process step (S1212 in FIG. 12 and FIG. 13).
  • the situation attribute evaluation result information in this embodiment is composed of elements of rank 901, list item number 902, date 903, and evaluation value 904, and the list item number 902 corresponds to item number 401 of the situation attribute information 202 (FIG. 4).
  • the date also corresponds to the date 403.
  • the evaluation value is obtained using the above-described situation attribute evaluation rule 206 as described later.
  • the evaluation values are listed in descending order of the values, and the highest item, that is, the list item number that gives the maximum value, or the date is the most suitable day on the day of the prediction, and the amount of use of that date Used for curve approximation of history information or usage prediction for the day.
  • FIG. 10 is an explanatory diagram of an example of the situation feature information 209.
  • the situation feature information is information generated and used in a situation feature acquisition processing step (S1213 in FIG. 12 and FIG. 18) described later.
  • the situation feature information in this embodiment is composed of elements of an item number 1001, a name 1002, and a predicted value 1003, and each item is obtained by a usage amount prediction process (S1212 in FIG. 12 and FIG. 13).
  • FIG. 11 is an explanatory diagram of an example of the behavior recommendation result information 210.
  • the behavior recommendation result information is information that is generated and used in the behavior recommendation result generation processing (S1906) of the behavior recommendation processing (S1214 in FIG. 12 and FIG. 19) described later.
  • the action recommendation result information in this embodiment is composed of elements of rank 1101, list item number 1102, message 1103, and evaluation value 1104.
  • the list item number 1102 corresponds to the item number 501 of the possible action information (204 and FIG. 5), and the message 1103 similarly corresponds to the message 503.
  • the evaluation value 1104 is obtained using the behavior recommendation rule 207 described above, as will be described later.
  • the evaluation values are listed in descending order of the values, and the elements such as messages related to the list item number that gives the highest value, that is, the maximum value, are presented to the user 180 using the output unit. Show the action to take.
  • FIG. 12 is a process flow diagram of an example of the main process of this embodiment.
  • the processing in this embodiment will be described as a general event-driven operation.
  • a description will be given by sequentially processing a display request event, a timer interrupt event, and an interrupt event from the input unit accompanying the processing.
  • the timer is initialized by activation (S1201). This initializes the process S1202 for generating an interrupt event at regular intervals using the clock unit 108 of the system. Specifically, initialization is performed to generate an event every 30 minutes.
  • event processing is performed (S1200).
  • step S1203 a screen to be displayed on the output unit 106 is acquired and drawn (S1204). If the event is an input event from the input unit, in step S1221, the event is acquired and input as information for determining an item for the user to select or instruct for the currently operating process (S1222). If this is an instruction to end the operation (S1223), the main process is ended.
  • the event is a timer interrupt event (S1211), a usage amount prediction process S1212, a situation feature acquisition process S1213, and an action recommendation process S1214 are performed.
  • FIG. 13 is a process flow diagram of an example of the usage amount prediction process S1212.
  • the status attribute information 203 (FIG. 4) is first acquired (S1301), and the predicted status attribute information 204 (item number “9999” in FIG. 4) is acquired (S1302).
  • the optimum date is selected (S1303).
  • the optimum date is selected using the above-described situation attribute evaluation rule 206 (FIG. 7) by using the evaluation value ⁇ r for the item number r for each day of the situation attribute using the element value of the noticed prediction attribute information.
  • the weight 703 (c ri ) at the item number i (1 ⁇ i ⁇ S) and the value (v ri ) obtained by the algorithm by the evaluation algorithm of each item for example, the following equation is used.
  • the sum total of the weight and the evaluation value is used as the evaluation value of the day, and is associated with each date of the situation attribute information 202 as the situation attribute evaluation result information 208 (FIG. 9). Is given a ranking 901.
  • the list item number 902 corresponding to the maximum evaluation value obtained in this way that is, the list item number (r) 902 in which the rank 901 is first is selected as the optimum date.
  • the list item number “3” of the status attribute information 202 giving the evaluation value “245.9”, that is, “2011/12/10” is selected as the date.
  • the usage history information 202 related to the selected optimal date is acquired (S1304), and a first curve approximation is performed to approximate the change in the power usage 304, which is the usage amount of the day (S1305).
  • FIG. 14 is an explanatory diagram of an example of the first approximate curve. From the usage amount history information 202, P data sets (48 in this case) are obtained as the usage amount wt every 30 minutes at time t.
  • time t is plotted on the horizontal axis and usage w is plotted on the vertical axis, and the usage data string is represented as a bar graph of wti (1403).
  • wti bar graph of wti
  • f (t) Nth order function
  • the first approximate curve could be approximated as a curve representing the optimal day data in the usage history information (1404).
  • FIG. 15 is an explanatory diagram of an example of usage on the day.
  • the time t1501 is taken on the horizontal axis
  • the usage w′1502 every 30 minutes is taken on the vertical axis
  • the usage w′t1503 of the day at time t is shown by a bar graph.
  • FIG. 16 is an explanatory diagram of an example of the second approximate curve.
  • the approximation is a straight line.
  • the horizontal axis indicates the value f (t) of the first approximate curve
  • the vertical axis indicates the amount of usage w ′ on the current day
  • the following data string relating to time t is indicated by a point string 1603.
  • the Mth order function g (f (t)) is a correction formula for f (t).
  • the parameter b i (0 ⁇ i ⁇ M) can be easily obtained using the least square method.
  • M 1, that is, when approximating with a straight line as shown in FIG. 16, it can be obtained so as to be expressed by an intercept b 0 (1606) and a slope b 1 (1607) indicating a g (f (t)) straight line.
  • the predicted curve to be obtained is obtained by synthesizing the obtained first approximate curve and the second approximate curve. That is, a second approximate curve is obtained by combining two maps of t ⁇ f (t) and y ⁇ g (y) (f (t) ⁇ y).
  • FIG. 17 is an explanatory diagram of an example of a prediction curve obtained by synthesizing the first approximate curve and the second approximate curve.
  • a curve 1703 of w′p g (f (t)), which is a combination of the first approximate curve and the second approximate curve, is a curve obtained by enlarging the first approximate curve by a factor of b1 and increasing it by b 0 Can be interpreted.
  • the function amount prediction process S1212 is terminated using the function curve obtained by synthesizing the two approximate curves in this way as the use amount prediction curve at the time t of the day.
  • Spline curve Spline Curve
  • Bezier curve Bezier Curve
  • circle equation sine function or cosine with multiple periods and amplitudes
  • the parameters representing these approximate curves may be obtained by methods other than the least square method. For example, generally known parameter estimation and parameter determination methods including Fourier series, discrete Fourier series and discrete cosine series May be used.
  • the nth-order Legendre polynomial is a polynomial that includes powers of the nth and lower orders, and is an even function when n is an even number and an odd function when n is an odd number.
  • FIG. 18 is a flowchart illustrating an example of the situation feature acquisition process S1213.
  • the situation characteristic information is initialized (S1801), and the target value information 205 for the day is acquired from the recording unit 103 (S1802).
  • S1803 When the usage amount is predicted (S1803), a prediction curve is acquired (S1804), and the maximum value of the prediction curve is solved analytically or algebraically to obtain the time and the maximum value at which the maximum usage amount is obtained (S1805, S1806). ). Further, the inclination of the current curve is acquired (S1807).
  • the relationship between the prediction curve and the target value such as the time when the target value is exceeded and the slope at that time is acquired (S1808). Thereafter, the difference between the latest usage amount and the target value is acquired at the current time point when prediction is unnecessary (S1809), and the acquired value is set as the situation feature information 210 and the process ends (S1810).
  • FIG. 19 is a processing flow of an example of the behavior recommendation processing of this embodiment.
  • initialization is performed (S1901), and possible behavior information 204, situation feature information 209, and behavior recommendation rules 207 are acquired from the recording unit 103 (S1902, S1903, S1904).
  • the evaluation value ⁇ u for the item number u of the possible behavior information is used as the weight 803 (the item number i (1 ⁇ i ⁇ V) of the behavior recommendation rule using the element value of the possible behavior information to be noticed and the situation feature information ( By using d ui ) and the value (v ui ) obtained by the algorithm, for example, an action recommendation evaluation value is obtained by the following equation (S 1905).
  • the action recommendation result information 208 (FIG. 11) is associated with the message 503 of the possible action information 204 (FIG. 5).
  • Ranking 1101 is assigned in descending order of the value 1104 (S1906).
  • the list item number 501 of the possible behavior information corresponding to the maximum evaluation value obtained in this way that is, the list item number (u) 1102 in which the rank 1101 is first is selected as the recommended action.
  • the list item number “3” of the possible behavior information giving the evaluation value “25.1”, that is, “decrease the set temperature by 1 ° C.” is selected as the message.
  • FIG. 20 is an explanatory diagram of a display example of an expected curve
  • FIG. 21 is an explanatory diagram of a display example of action recommendation.
  • the specific date and time, the target value and the maximum value, the respective times at that time, etc. based on the figure described in FIG. Is an example of drawing and displaying.
  • FIG. 21 shows an example in which recommended actions are displayed together with buttons for allowing the user to select recommended actions.
  • buttons that is, an “execute” button 2111, an “impossible” button 2112 and an “other” button 2113 are displayed on the screen. These are used when the user 180 selects whether or not the recommended action has been performed or whether other candidates are recommended.
  • the result of having the user 180 select one of the three buttons (2111, 2112, 2113) displayed in FIG. 21 is acquired from the input unit 107, and the user's action is acquired (S ⁇ b> 1908). If “other” 2113 is selected (S1911), the next point of the behavior recommendation result information 210 is selected (S1912), and the behavior recommendation display S1907 is performed again.
  • execution 2112 is selected (S1921)
  • the preference level of the action in the possible action information 204 is increased (S1922). For example, an update such as multiplying the value of the preference level by 1.2 in a range where the preference level does not exceed 1 may be used.
  • the preference level is decreased (S1931). For example, an update such as dividing the preference level by 1.2 may be used.
  • each element of the number of times of presentation and the number of implementations, the number of times of refusal, and the number of other selections may be additionally recorded in the possible behavior information, and added according to the presentation and the user's selection, and the degree of preference may be obtained from these.
  • the preference level may be calculated by “the number of times of implementation / the number of times of presentation”.
  • the user who acted according to the recommended behavior is input so that somebody can be identified, and each parameter is recorded corresponding to each parameter, thereby changing the recommended behavior for each specific user. May be.
  • the previous recommended action is acquired, and the usage amount history information 201 at this time, or the situation feature information 209 obtained in the usage amount prediction process S1212 and the situation feature acquisition process S1213. And the result is written in the previous result (510 in FIG. 5) of the possible behavior information and updated (S1933). For example, when the maximum value of the prediction curve does not exceed the target value, that is, when the excess amount 100 of the situation feature information 209 is 0 or less, the previous result is “ ⁇ ” as a good action result of the usage amount reduction. Is described.
  • FIG. 22 is a block diagram showing a system configuration for performing usage amount prediction and behavior recommendation in the second embodiment.
  • a CPU 2202, a memory 2201, a secondary storage unit 2203, a communication unit 2207, and a clock 108 are connected through a bus 2206.
  • an external storage unit 2204 is connected and a removable storage medium such as a floppy (registered trademark) disk, an optical medium, or a memory card can be used.
  • an output unit 2209 that enables connection of, for example, a display 2211 for various displays to the user 180, a keyboard 2212 and a mouse 2213 for inputting user instructions, or touch panel means used with the display.
  • An input unit 2208 that enables the connection is connected.
  • the communication unit 2207 is a USB or i. Enables data communication according to one or more standards from various network connections such as wired connection including Link, Ethernet (registered trademark), wireless LAN, WiMAX, Bluetooth, ZigBee (registered trademark), mobile phone network line, etc. Communicate data exchange with external devices and services.
  • wired connection including Link, Ethernet (registered trademark), wireless LAN, WiMAX, Bluetooth, ZigBee (registered trademark), mobile phone network line, etc.
  • the communication unit 2207 connects to the usage sensor 110, the situation attribute sensor 111, and the predicted situation attribute generation means 120 via a network using an appropriate standard, and exchanges data.
  • the network 2221 does not have to be a single network as shown in FIG. 22, and each network 2221 may be connected to another network.
  • the usage history information 201, the situation attribute information 202, and the predicted situation attribute information 203 are acquired from the sensor and the generation unit connected in this manner, as in the first embodiment.
  • these pieces of information are held unevenly or distributed in the external storage medium 2205 loaded in the memory 2201, the secondary storage unit 2203, and the external storage unit 2204. May be.
  • These acquisition and management can be controlled by a program using a CPU and a bus.
  • the usage amount prediction method and the behavior recommendation method of this embodiment are loaded into the system as a program.
  • the possible behavior information 204, the target value information 205, the situation attribute evaluation rule 206, and the behavior recommendation rule 207 are loaded in the same manner. Specifically, for example, it may be acquired through the external storage medium 2205 loaded in the external storage unit 2204, or may be acquired in a form stored in advance in the secondary storage unit 2203, loaded into the memory 2201, and executed by the CPU 2202. .
  • the program may be acquired from a program providing service connected to the network using the communication unit 2207 and executed. By acquiring each information in the same manner, the information may be held unevenly or dispersedly in the external storage medium 2205 loaded in the memory 2201, the secondary storage unit 2203, and the external storage unit 2204.
  • This program uses various information in the same manner as in the first embodiment, starting with the main process (FIG. 12), the usage amount prediction process S1212 (FIG. 13), the situation acquisition process S1213 (FIG. 18), and the action recommendation process S1214 (FIG. 19) etc., but the explanation is omitted.
  • this system is implemented as two terminals in the form of a general personal computer (PC), each serving as a server and a terminal used by a user.
  • PC personal computer
  • FIG. 23 is a block diagram showing a system configuration for performing usage amount prediction and behavior recommendation in the second embodiment.
  • the system according to the present exemplary embodiment includes two servers 2300 and a terminal 2350 used by the user 180.
  • a CPU 2302, a memory 2301, a secondary storage unit 2303, a first communication unit 2307, a second communication unit 2310, and the clock 108 are connected through a bus 2306.
  • an external storage unit 2304 is connected, and an externally removable storage medium such as a floppy disk, an optical medium, or a memory card can be used.
  • the first communication unit is a USB or i. Enables data communication according to one or more standards from various network connections such as wired connection including Link, Ethernet, wireless LAN, WiMAX, Bluetooth, ZigBee, mobile phone network line, etc., and exchanges data with external devices and services Can communicate.
  • a second communication unit 2310 is further connected to the bus 2306 of the server 2300 to enable data communication according to one or more standards as described above, and is connected to the communication unit of the terminal 2350 to perform data communication with the terminal.
  • the first communication unit 2307 is connected to the usage sensor 110, the situation attribute sensor 111, and the predicted situation attribute generation means 120 via a network using an appropriate standard, and exchanges data.
  • the network 2221 may not be a single one as shown in FIG. 23, and each may be connected to another network.
  • the terminal 2350 is connected to a CPU 2352, a memory 2351, a secondary storage unit 2353, a communication unit 2357, and a clock 2368 through a bus 2356.
  • a storage medium that can be taken out externally such as a floppy disk, an optical medium, or a memory card, to which the external storage unit 2354 is connected may be used.
  • a display 2361 for connecting various displays to the user 180 can be connected to the terminal bus, for example, a keyboard 2362 and a mouse 2363 for inputting user instructions, or a touch panel used with the display.
  • An input unit 2360 including means is connected.
  • the communication unit 2357 is connected to the communication unit of the server 2300 according to at least one of the standards as described above, and performs data communication with the server.
  • the usage history information 201, the situation attribute information 202, and the predicted situation attribute information 203 are acquired from the sensor and the generation unit connected in this manner, using the first communication unit, as in the first embodiment.
  • the information may be unevenly distributed or distributed in the external storage medium 2305 loaded in the memory 2301, the secondary storage unit 2303, and the external storage unit 2304. .
  • These acquisition and management can be controlled by a program using a CPU and a bus.
  • the usage amount prediction method and the behavior recommendation method of this embodiment are loaded as a program on the server or terminal.
  • the possible behavior information 204, the target value information 205, the situation attribute evaluation rule 206, and the behavior recommendation rule 207 are loaded in the same manner. Specifically, when loading these into a server, for example, they are acquired through the external storage medium 2305 loaded in the external storage unit 2304 or acquired in a form stored in advance in the secondary storage unit 2303 and loaded into the memory 2301. It may be executed by the CPU 2302. Further, it may be acquired from a program providing service connected to the network using the communication unit 2307 and executed. By acquiring each information in the same manner, the information may be held unevenly or distributed in the external storage medium 2205 loaded in the memory 2301, the secondary storage unit 2303, and the external storage unit 2304. The same applies when loading to a terminal.
  • the terminal 2350 does not have at least the usage amount history information 201, the situation attribute information 202, and the predicted situation attribute information 203. Also, the transmission of results etc. is not defined. Therefore, the program on the terminal additionally executes processing acquired by the data communication from the server 2300 through the communication unit 2357. At that time, the server side program also performs processing corresponding to this.
  • FIG. 24 is an example of a processing flow of various information acquisition processing executed between the server 2300 and the terminal 2350 in the present embodiment.
  • This processing may be executed in advance at the initial stage of both programs, or may be executed in an information acquisition step in the processing.
  • an example is described in which various types of information are exchanged assuming a request (request) using XML (eXtensible Markup Language) using HTTP (Hyper Text Transport Protocol) communication using general web technology and data communication using a response. To do.
  • a related information database is initialized (S245), and a data acquisition request sentence for the server is generated as an XML sentence (S2452).
  • the information type to be acquired may be added, and additional information including a time acquisition range, necessary items, elements, and the like may be added.
  • a session with the server is created according to the HTTP protocol (S2401, S2453), and a request statement is sent from the terminal to the server (S2454).
  • the server receives the request statement (S2403), it analyzes it (S2403), and when the request is acquisition of DB, that is, various information (S2404), it acquires any of various information held by the server (S2405).
  • the information acquired in this way is converted into XML with a predefined grammar and structure and generated as a result reply XML part (S2406).
  • a reply XML sentence is sent from the server to the terminal (S2408).
  • the HTTP session is terminated (S2408, S2456).
  • the terminal analyzes the received reply sentence XML (S2457), extracts the original information (S2457), and updates the DB in the terminal (S2458).
  • the processing part of the entire system also on the terminal 2350 and realize the usage amount prediction method and the behavior recommendation method.
  • only the behavior recommendation result information 210 may be sent to the terminal.
  • the presentation of the recommended action to the user 180 and the action acquisition from the user in the process after the step S1907 of the action recommendation process S1214 (FIG. 19), most of various information is output on the terminal side. Since it is necessary to use in the unit 2359 and the input unit 2358, it is desirable to perform processing on the terminal side.
  • FIG. 25 is an explanatory diagram of an example of display for presenting a plurality of recommended action items to the user.
  • the action recommendation result (210, FIG. 11) is obtained by performing the above-described evaluation on each item of the plurality of possible action information (204, FIG. 5), and arranging the evaluation values in descending order (however, in ascending order depending on the evaluation method).
  • the number designated in advance from the top of the plurality of possible behavior information three in FIG. 25, is selected and displayed.
  • the following three items are selected: “lower the air-conditioning temperature by 1 ° C.” (2502), “set the refrigerator temperature to“ medium ”” (2503), and “set the lighting to 80%” (2504).
  • the recommended action is presented to the user 180 from the output unit 106.
  • the user selects one of these and presses one of the execution buttons (2512, 2513, 2514) corresponding to each.
  • the corresponding execution button is pressed to generate a log of the action selected in the execution (S1921) of the user action acquisition (S1908) of the action recommendation process (FIG. 19) and update the preference level of the possible action information.
  • the user can press the impossible button (2112).
  • the other button (2113) can be pressed. In these cases as well, processing is performed corresponding to other determinations (S1911) or impossible (S1930) determinations in the behavior recommendation processing (FIG. 19).
  • the action recommendation result (210, FIG. 11) is obtained by performing the above-described evaluation on each item of the plurality of possible action information (204, FIG. 5), and arranging the evaluation values in descending order (however, in ascending order depending on the evaluation method).
  • FIG. 11 there are a number of items for lowering the set temperature at the top, and for the user, even if the next point is selected, the same content is displayed, which may be inconvenient. is there.
  • recording the already recommended action classification, and selecting the next point may be changed and the next point may be selected and presented.
  • the classification of “reducing the air conditioning temperature by 1 ° C.” (2502) is “air conditioning”
  • the classification of “set the refrigerator temperature to“ medium ”” (2503) is “refrigerator”.
  • “ Make lighting 80% ”(2504), such as“ Lighting ” the classifications are different. Therefore, a plurality of possible actions are reclassified and evaluated in the possible action items for each classification.
  • the values (1104 in FIG. 11) may be selected and presented in descending order.
  • the recommended action candidate to be the next point is displayed by selecting the other button (2113) to be pressed when the user does not desire the recommended action presented in the first and fourth embodiments, and the action is selected from among them. In doing so, it is also possible to select an action belonging to a category that has not been recommended so far, as described above. That is, when another button is pressed, not only the next point candidate but also an action belonging to another category can be selected.
  • FIG. 26 is a block diagram showing a system configuration for behavior recommendation, to which a function for controlling an external device corresponding to the behavior is added.
  • an external device control unit 2602 is further provided in the system of FIG. 1 to control the external device 2601 and acquire the status of the external device.
  • the control and status acquisition of the external device is compliant with commonly used control standards such as ECHONET, Zigbee, LONWORKS, DMX512, DALI, BACnet, H-Link, etc. Connection schemes and protocols may be used.
  • the user selects an action to be presented to the user, for example, “decrease the air conditioning by 1 ° C.” as shown in FIG.
  • an external device can be actually controlled as a user action by performing a step of controlling the external device via the external device control unit 2602 after the action recommendation process execution determination S1921.
  • the system can automatically perform a predetermined action without performing a series of processing steps in which a recommended action is presented to the user and the user selects an action.
  • the external device is used by using the highest recommended behavior of the result.
  • An action may be automatically performed by controlling an external device via the control unit 2602. Further, based on this implementation result, it is possible to update the system internal state associated with actual behavior implementation and the status where the system is installed by performing each step of subsequent preference increase S1922 and behavior log generation S1932. it can.

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

　入出力値間の関係性以外の状況変動を考慮した上で、現状改善、例えば省エネに関係する適切な利用者行動を推薦する。　予測期間の属性値と類似する属性を持つ過去の期間を選択し、その期間の使用量推移を第１の関数により曲線近似し、現時点で確定した使用量推移を第１の関数と合成して第２の関数にて曲線近似することで使用量を予測する。また、予測した近似曲線と目標値との関係を基に可能行動情報の各項目の評価値をもとに行動を推薦する。

Description

使用量予測方法および行動推薦方法
　本発明は、電力等の資源の使用量を計測し、過去の計測データから未来の使用量を予測するシステムに係り、特に予測する将来の使用量を削減するために利用者の行動を推薦する技術に関する。
　近年、地球温暖化の進行、森林資源の減少、環境破壊の拡大に伴い、二酸化炭素等の温室効果ガスの排出量削減の重要性が益々大きくなっている。このため、省エネルギー（以下、省エネと略す）施策に関して、日本国内では2010年4月に改正された「エネルギーの使用の合理化に関する法律」（改正省エネ法）が施行され、中小小売店舗を含めた事業者全体での消費エネルギー管理が義務化された。また、2011年3月の東関東大震災の影響で、企業への１５％節電が要請されるなど、省エネを取り巻く環境は大きな変革を迎えている。
　しかしながら、省エネと雖も、冷房を完全に止めることで熱中症を引き起こすような温度上昇をもたらしたり、書類を読む部屋の照明でも無闇に消してしまったりするような過度な省エネ活動を行うことは、身体に悪いと同時に省エネ活動に対する嫌悪感に繋がり、継続性に悪影響が出る。
　一方、何をもって省エネ活動とするかをユーザに判断させることは、多くの建物や部屋の属性、そこで使われる電機製品の属性、そのオンオフによる環境や操作性への影響、人やモノの配置など、様々なパラメータが存在する中で容易なことではない。したがって、ユーザやその周囲の人々の快適さの劣化を最小限に抑えながら、省エネとのバランスを取った活動(アクション)をシステムが自動的に推薦することでサポートし、煩雑さがなく、有意義さをユーザに感じさせることが重要である。
　このため、システムが使用量を予測し、さらに予測値や所定の目標値、当該日時の周囲状況、ユーザの行動履歴に基づく嗜好に応じて適切なアクションをユーザに推薦することが求められる。ここでは、多くの環境要因に影響を及ぼすアクションの候補が存在する状況で、各アクションが及ぼすと考えられる影響を評価し、その中から適切なアクションを見つけることが課題である。
　従来の一般的な予測方法としては、過去の同一事例での入出力データより統計的な関係性を求め、未知の入力値が与えられる場合の出力値を予測する方法が用いられる。例えば特許文献１では、予測対象データと過去実施データの類似度と、該過去実施データから出力データおよびばらつきを求めていた。ここでは、要因ベクトル（時間経過等）間の類似度を求める際の各要素がばらつきに寄与する重みベクトルＡを算出、また複数の実施データの個数に応じた重みＢを基に、出力を予測することが示されている。
特開２０１０－２３１４４７号公報
　前述した特許文献１のように、従来の予測方法では入力値と出力値（結果）の関係を統計的に、いわゆるシステム伝達関数による数学モデル、あるいは、入出力値間の空間近似による固定モデルでのシステム推定で使用量予測を行っている。しかしながら、入出力値の関係性を超えた状況の変動、例えば気候変動や利用者の行動嗜好、活動に至るまでのプロセスや理由、あるいは、結果との関係性を考慮することは困難である。
　さらには、特許文献１はこのように得られる予測値のばらつきを評価する、すなわち精度向上を目的としている。したがって、予測値のばらつきが所定の精度を超えた場合、あるいは、超えると予測される場合の対処まで言及していない。つまり、特許文献1では例えば、あらかじめ設定した目標値と乖離が大きい場合や、あらかじめ設定した限界値を超えた場合の対処に関して、利用者へ、現状の乖離や限界を超えない、またはその差を小さくするための具体的行動を推薦し、状況改善を行うことは困難である。
　したがって従来技術においては、入出力値間の関係性以外の状況変動を考慮した上で、現状改善、例えば省エネに関係する適切な利用者行動を推薦することが課題であった。
　本発明の目的は、エネルギー等の使用量予測するシステムにおいて、気候変動や活動計画、活動理由、および、過去実績を統合し、人間活動に適した予測方法を低コストで導入可能とすることにある。さらに、予測した使用量推移と目標値との関係を考慮して気候や活動計画に適した使用量削減のための行動を推薦する方法を提供することで、状況改善のための利用者の具体的行動想起を支援し、実際のエネルギー使用量削減はもちろん、行動と削減結果の因果関係による利用者の省エネ活動の動機付け、その強化および維持の支援を行うことにある。
　第１の発明の使用量予測方法によれば、予め指定する期間および間隔で測定された過去の使用量履歴情報および当該期間の状況属性情報を取得し、予測を行う期間が指定された場合に状況属性情報取得手段または入力手段から当該期間の属性情報の予測あるいは予定である予測状況属性情報を取得し、演算手段において、記録部の状況属性情報の中から予測属情報に尤も類似する状況属性情報を１つ選択し、選択された状況属性情報が示す同一期間の使用量履歴情報から使用量履歴を取得し、使用量履歴情報の履歴を用いて時刻に関する使用量の近似を与える第１近似曲線を求め、予想を行う期間の直前あるいは指定期間内に属する１つ以上の使用量履歴情報の履歴の各時刻における第１の各時刻近似曲線で得られる値と使用量履歴情報の履歴の使用量との間の近似を与える第２の近似曲線を求め、第１の近似曲線および第２の近似曲線を合成させた曲線を使用量の予測曲線とする。
　また、第２の発明の使用量予測システムは、演算部と、表示部と、利用者の操作の入力部と、時刻取得部と、使用量および時刻からなる使用量履歴情報を取得する使用量履歴情報取得部と、予め指定する期間における状況属性情報を取得する状況属性情報取得部と、今後の属性変化を予測する予測状況属性生成手段からの予測状況属性を取得する予測状況属性情報取得部と、各種情報を記録する記録部とを有する。
　また、第３の発明の使用量予測方法では、状況属性情報および予測状況属性情報とは、日時と、気象情報と、利用者の活動状況と、利用者の属する集団の活動状況と、利用者が属する場所の環境状況と、使用量に影響を与える要因となり得る状況とのうち少なくとも１つを用いる。
　また、第４の発明の使用量予測方法では、近似曲線を、予想を行う期間の直前あるいは指定期間内に属する1つ以上の使用量履歴情報とともに表示部に表示する。
　また、第５の発明の行動推薦方法は、第１の発明に加えて使用量に影響する利用者行動を定義する１つ以上の可能行動情報集合を取得し、予め与える使用量の目標閾値と使用量予測曲線とが交差する時刻、および、予測曲線の極値のうち少なくともいずれかを含む予測超過情報を求め、可能行動情報の中の各項目が持つ各属性情報と、予測超過情報と、予測状況属性情報とを用いて予め定めた方法で属性情報間の評価値を求め、可能行動情報の各項目に関する評価値を用いて可能行動情報を選択し、表示手段に選択した可能行動情報の項目の内容を提示する。
　また、第６の発明の行動推薦方法では、第５の発明における可能行動情報の代わりに、使用量に影響する利用者の行動および行動による使用量の変化量を含む行動履歴情報を用いて同様の処理を行う。
　また、第７の発明の行動推薦方法では、第５または第６の発明において、提示した推薦提示に対する利用者の応答を入力手段から取得し、応答が可能行動情報の中の一つに含まれていた場合に、応答内容、提示回数履歴、選択回数履歴、選択嗜好度、あるいは、実施日時の中から少なくとも一つ以上の要素を、可能行動情報あるいは、行動履歴情報の要素として更新して、評価に用いる。
　また、第８の発明の行動推薦システムは、第２の発明と同様のシステム構成を有し、第１の発明の使用量予測方法、および、第５の発明から第７の発明のうち少なくとも１つ以上の行動推薦方法を行う。
　また、第９の発明の行動推薦システムは、第８の発明と同様のシステム構成を有し、使用量および時刻からなる使用量履歴情報と、予め指定する期間における状況属性情報と、今後の属性変化を予測する予測状況属性生成手段からの予測状況属性情報とをそれぞれネットワークを介して取得する通信部と、各種情報を記録する記録部とを有し、第１の発明の使用量予測方法、および、第５の発明から第７の発明のうち少なくとも１つ以上の行動推薦方法を行う。
　本発明によれば、エネルギー等の資源の使用量予測を、低コストで実施でき、状況改善のための利用者の具体的行動想起を支援し、かつ、利用者の省エネ活動の動機付け、その強化および維持の支援を行うことができる。
本発明の第１の実施例の使用量予測および行動推薦を行うシステム構成を示すブロック図である。 本発明の第１の実施例の記録部にて保持される各種情報の例の説明図である。 本発明の第１の実施例の使用量履歴情報の例の説明図である。 本発明の第１の実施例の状況属性情報および予測状況属性情報の説明図である。 本発明の第１の実施例の可能行動情報の例の説明図である。 本発明の第１の実施例の目標値情報の例の説明図である。 本発明の第１の実施例の状況属性評価ルールの例の説明図である。 本発明の第１の実施例の行動推薦ルールの例の説明図である。 本発明の第１の実施例の状況属性評価結果情報の例の説明図である。 本発明の第１の実施例の状況特徴情報の例の説明図である。 本発明の第１の実施例の行動推薦結果情報の例の説明図である。 本発明の第１の実施例のメイン処理の例の処理フロー図である。 本発明の第１の実施例の使用量予測処理の例の処理フロー図である。 本発明の第１の実施例の第１の近似曲線の例の説明図である。 本発明の第１の実施例の当日の使用量の例の説明図である。 本発明の第１の実施例の第２の近似曲線の例の説明図である。 本発明の第１の実施例の第１の近似曲線と第２の近似曲線の合成により求めた予測曲線の例の説明図である。 本発明の第１の実施例の状況特徴取得処理の例の処理フロー図である。 本発明の第１の実施例の行動推薦処理の例の処理フローである。 本発明の第１の実施例の予想曲線の表示例の説明図である。 本発明の第１の実施例の行動推薦の表示例の説明図である。 本発明の第２の実施例の使用量予測および行動推薦を行うシステム構成を示すブロック図である。 本発明の第３の実施例の使用量予測および行動推薦を行うシステム構成を示すブロック図である。 本発明の第３の実施例のサーバおよび端末間で実行される各種情報取得処理の例の処理フローである。 本発明の第４の実施例の複数の推薦行動項目をユーザに提示する表示の例の説明図である。 本発明の第６の実施例の外部機器を制御する機能を付加した行動推薦を行うシステム構成を示すブロック図である。
　本発明の代表的な実施の形態によれば、演算部と、表示部と、利用者（以下ユーザとする）の操作の入力手段と、時刻取得部と、使用量および時刻からなる使用量履歴情報を取得する使用量取得部と、予め指定する期間における属性情報を取得する属性取得部と、今後の属性変化を予測する予測状況属性生成手段からの予測状況属性を取得する予測状況属性取得部と、各種情報を記録する記録部とを持つシステムにより、資源の使用量の予測を行うことが第１の特徴である。
　また、この予測した使用量と予め設定した目標値を基に、ユーザがあらかじめ与えられた可能な行動を列挙した可能行動情報を用いて、資源の使用量を削減するための行動を利用者に推薦提示を行うことが第２の特徴である。
　ただし、本発明の適用は本実施例に限定されない。本発明の使用量予測及び行動推薦の対象となる電力などを「資源」と総称する。
　以下、図面を参照しながら本発明に係る実施形態を詳細に説明する。
　以下の実施例においては、本システムをスーパーマーケット等の小売店にて使用することを例に、電力の使用量を予測し、電力使用量が予め設定した目標値を超過する際に、ユーザである小売店店員に利用料を削減するための行動を推薦して提示し、ユーザがその行動結果を入力することで、その行動結果を用いて各情報を更新して次の行動推薦に用いる例を説明する。
　図１は実施例１におけるシステムの構成図である。本実施例でのシステム１００は、使用量としての電力量予測、および、その予測電力量の推移からユーザの行動の推薦を行う機器として説明する。システム１００は、演算部１０５、時刻を取得する時計部１０８、ユーザ１８０へ各種表示を行う例えばディスプレイを含む出力部１０６、ユーザの指示を入力するための例えばキーボードやマウス、あるいはディスプレイと共に用いるタッチパネル手段を含む入力部１０７を持ち、ＣＰＵやメモリを有する計算機によって実現される。
　また、本システムには、電力の使用量を検出する使用量センサ１１０が使用量情報取得部１０１に接続され使用量を取得する。なお、使用量情報取得部１０１では使用量の特定期間での合計値、最大値や最小値、平均値や分散等の統計値を算出してもよい。ここで、使用量センサ１１０は、電力以外にも、例えばガスや上下水道の使用量や、ネットワーク通信量、機械や電気機器などの使用時間、預貯金額、株価や為替レート等、種々の値に対してそれらを検出する手段であってもよい。
　一方、天気や降水量、気温や湿度、風の向きや強度、室内の照明による照度などを検出する状況属性センサ１１１が状況属性情報取得部１０２に接続され、それぞれの値を検出および設定した情報を取得する。なお、状況属性情報取得部１０２では状況属性の特定期間での合計値、最大値や最小値、平均値や分散等の統計値を算出してもよい。状況属性センサ１１１および状況属性情報取得部１０２で取得する状況情報は前述以外にも、前述の使用量センサ１１０で検出する量に影響を与え得る項目の属性値を検出するセンサ機器、あるいは、人手による計測結果であってよい。例えば、前述の使用量センサで検出可能な値自体であってもよいし、またその他にも、企業オフィスの職員の出退勤者数やそれら職員の属性、小売店舗であれば顧客の数や性別や大人／子供の区別、一定時間内に注目する地点を通過する顧客流量、当該店舗において当日が営業日か否か、セールや催しイベント等の営業形態、陳列する物品の種類及び数量、空調機および冷蔵庫や保温庫の設定温度や湿度および実際の温度や湿度や動作強度・風向、販売した物品の種類及び数量、騒音や機器が発生する音の音量、空気等の気体の種類や温度や割合や流量およびそこに含まれる化学物質や花粉等の種類及び流量、磁界や電界の強度、放射線の種類や量、地震の強度や規模、発電量、ガスや水道の供給量、風邪やインフルエンザを含む伝染性の病気種類や流行度合い、物品や動向の流行の種類や度合い、インターネットにおけるワールドワイドウェブやブログ、あるいは、ネットワークサービスを含む情報源から得られる文字や画像・映像・音声・音響などの各種データを解析することで得られる情報の種類や数量など、様々な属性を検出や測定、設定する手段であってもよい。
　また、システムには、上記状況属性センサ１１１で検出や測定、設定可能な各属性値に関して、今後どのように変化するかを予測する予測状況属性情報生成手段１２０と予測状況属性情報取得部１０４が接続されており、予め指定した予測状況属性情報を取得できるとする。この予測状況属性情報生成手段１２０で取得する予測状況属性情報は、前出の各種属性値の今後の推移予測や予定であり、例えば、天気予報や気象に関わる情報提供者からの属性情報や、発電所や電力企業からの送電予定、企業オフィスや小売店等の今後のイベント予定や職員に関する予定、流行の種類や属性予報、株価や為替相場の専門家予想、あるいは各種シミュレーションなどによる今後の各種の属性値の変化量推定情報であってもよい。
　また、システムは各種情報を記録する記録部１０３を持つ。図２は記録部１０３にて保持される各種情報の例の説明図である。本実施例での記録部には前述の使用量履歴情報２０１、状況属性情報２０２、予測状況属性情報２０３とともに、後述する可能行動情報２０４、目標値情報２０５、状況属性評価ルール２０６、行動推薦ルール２０７、状況属性評価結果情報２０８、状況特徴情報２０９、および、行動推薦結果情報２１０を記録する。以下で説明するこれらの各種情報を、センサ１１０、１１１や予測状況属性情報生成手段１２０から取得し、ルールを取得して記録部１０３へ記録する処理は、演算部１０５で行う本実施例の処理の直前までに行ってもよいし、各情報の取得処理の際に取得部（１０１，１０２，１０４）などを用いて行ってもよい。
　（各テーブルの説明）
　図３は使用量履歴情報２０１の例の説明図である。本実施例での使用量履歴情報には、項番３０１や使用量を取得した場所３０２、電力使用量３０４の各要素を持つとする。また、状況属性情報取得部１０２にて取得した状況属性情報の一部が、日時と関連して同時に使用量履歴情報と一緒に要素として含まれていてもよく、図３のように同一時刻における、気温３０５、湿度３０６、および、状況属性としての部屋の室温３０７～３０９、および部屋の湿度３１０として併記してもよい。図３では各項目における日時は２０１１年１２月７日の０時より３０分おきに集計されており、使用量３０４は当該時刻から３０分間の総量として、また気温３０６、湿度３０７、室温３０８～３０９、湿度３１１はその期間の平均値として計算し保持する。
　図４は状況属性情報２０２および予測状況属性情報２０３の説明図である。これらをまとめて属性情報として説明する。本実施例での属性情報には、項番４０１、場所４０２、日付４０３、曜日４０４、風向４０５、風力４０６、天気４０７、最低気温４０８、最高気温４０９、企業オフィスの営業日情報４１０、そこで実施するイベント情報４１１、顧客数４１２があり、１日単位で記録される。なお、一番下の項番９９９９の行は、これから予測を行う当日、すなわち未来の属性情報の予測あるいは予定である予測状況属性情報２０３であり、それら以外の項番の行は過去の属性情報２０２の要素である。
　図５は可能行動情報２０４の例の説明図である。本実施例での可能行動情報は、項番５０１、分類５０２、メッセージ５０３、開始５１１および終了５１２からなる提示期間５０４、提示最小間隔５０５、使用量削減率５０５、温度の変化量５１３、上限５１４及び下限５１５、嗜好度５０８、前回実施日時５０９、前回結果５１０の要素を持つ。ここで、この例では提示期間５０４の開始５１１および終了５１２は日時であり後述する条件を文字列として例示しているが、年月日および時分の各条件にて数字ではなく「*」がある部分はすべての値に合致することを示す。これは、年度に関わらず月日が合えば条件を満足させたり、１日の間のどの時刻であっても条件を満足させたりといった、このフィールド値を無条件にする表現を可能にすることを示す。また、温度上限５１４にある「*」に関しても同様の無条件であり、他の要素においても同様に無条件とすることが可能である。一方、まだ値の入っていない要素は「-」にて示しているとする。すなわち後述する可能行動情報からの行動推薦によりまだ選択されていない項目の要素、あるいは、選択はされたがユーザが行動していないため値が設定されていない要素を示しており、これらがなされた際に要素の値が更新される。
　図６は目標値情報２０５の例の説明図である。本実施例での目標値情報は、項番６０１、日付６０２、上限値６０３の各要素を持つ。項番０では日付６０２の要素が「*」となっているが、この値は、予想を行う当日の日付が他の項目の日付に一致しない場合にいつでも一致するよう、すなわちデフォルト値として選択される。予想を行う当日の日付が他の項目の日付に一致する場合には、当該項目が目標値として選択され、その上限値６０３を目標値として利用される。
　図７は状況属性評価ルール２０６の例の説明図である。状況属性評価ルールは、後述する使用量予測処理Ｓ１２１２（図１３）の最適日選択ステップＳ１３０３にて用いるルールである。本実施例での状況属性評価ルールは、項番７０１、名称７０２、重み７０３、および、評価アルゴリズム７０４の各要素で構成される。評価アルゴリズム７０４は、予測状況属性情報２０３（図４の項番「９９９９」の列）の値を「[要素名]1」とし、比較対象となる状況属性情報２０２（図４の「９９９９」以外の項番の行）において注目する日の項番の値を「[要素名]2」として、状況属性情報の項番「ｒ」における状況属性評価ルール２０６の項目「ｉ」の値(重み、vri)を求めるアルゴリズムをBasic言語に疑似させて示したものである。
　具体的には例えば、状況属性評価ルール２０６の項番「１」の「天気」においては、主な天気とその補助を用いて「天気1.main」と「天気1.sub」として表記することとする。すなわち、天気が「晴れ時々曇り」であった場合には、「天気2.main」として「晴れ」、「天気2.sub」として「曇り」とする。実際の処理では、図４の予測状況属性２０２の項番４０１が「９９９９」の天気４０７列の要素値「雨」であり、「天気1.main」を「雨」にし「天気1.sub」は値なしとする。また、項番「１」の「晴れ」は、「天気2.main」として「晴れ」であり「天気2.sub」として値なしとする。これら２項目を比較した場合、最終的に評価値ｖｒｉは0.0となる。もし、この時、項番「１」の天気が「晴れ時々雨」であった場合には、「天気2.main」として「晴れ」、「天気2.sub」として「雨」となり、この場合には、「天気1.main」と「天気2.sub」が一致したとして、ｖｒｉ＝0.5となる。
　このようにして求めたｖｒｉ値に、それぞれの項番の重み、例えば「天気」の場合には1.0を掛け合わせて、当該項番に関する値となる。本ルール２０６は、後述の使用量予測処理における最適日選択の処理において使用する。状況属性評価ルール２０６は予め記録部１０３に保持されている場合だけではなく、システムにさらに外部記憶手段やネットワーク手段などを具備することで、情報の読込あるいは通信により外部から取得してもよく、この場合には新しい状況属性評価ルールに更新することが可能となる。
　図８は行動推薦ルール２０７の例の説明図である。行動推薦ルールは、後述する行動推薦処理Ｓ１２１４（図１９）行動推薦評価ステップＳ１９０５にて用いるルールである。本実施例での行動推薦ルールは項番８０１、名称８０２、重み８０３、および、評価アルゴリズム８０４の各要素で構成される。評価アルゴリズムは、後述の使用量予測処理にて求める状況特徴情報２０９（図１０）の名称１００２および予測値１００３と、可能行動情報２０４の各項番の分類５０２、および各要素名とその値を用いて、可能行動情報の項番「ｕ」における行動推薦ルールの項目「ｉ」の値ｖｕｉを求めるアルゴリズムをBasic言語に疑似させて示したものである。
　具体的には、項番「１」の名称「削減量」の評価アルゴリズムでは、後述する状況特徴情報２０９の項番「８」の名称「超過量」の予測量「１００」から、最大値「２１００」と可能行動情報の削減率である「１０%」との積を減した絶対値を超過量の絶対値に１を加えた値で除算し、この値を１．０から減じている。結果、１．０－｜１００－２１００＊１０／１００｜／（｜１００｜＋１．０）＝－０．０８９（＝－９／１０１）となり、この値がこのルール項番「１」を可能行動情報項番「１」に適用した評価値ｖｕｉとなる。上記の一般式で表わすと、超過量の予測量をｘ、最大値をｘｍ、削減率をｋとすると、削減量の評価値は、１．０－｜ｘ－ｋ・ｘｍ｜／（｜ｘ｜＋１．０）となり、ｋ・ｘｍは目標値であり、｜ｘ－ｋ・ｘｍ｜は予測値と目標値との差分であり、分子の「１．０」は分母を０としないための補正値である。
　行動推薦ルール２０７は予め記録部１０３に保持されている場合だけではなく、システムにさらに外部記憶手段やネットワークなどを具備することで、情報の読込あるいは通信により外部から取得してもよく、この場合新しい行動推薦ルールに更新することが可能となる。
　図９は状況属性評価結果情報２０８の例の説明図である。状況属性結果情報は、後述の使用量予測処理ステップ（図１２のS1212、および、図１３）の最適日選択処理（図１３のS1303）を行う際に生成利用する情報である。本実施例での状況属性評価結果情報は、順位９０１、リスト項番９０２、日付９０３、評価値９０４の要素から構成され、リスト項番９０２は状況属性情報２０２（図４）の項番４０１に対応し、日付は同じく日付４０３に対応する。評価値は、後述するように、前述の状況属性評価ルール２０６を用いて求める。評価値は、本実施例では値の降順に列挙しておき、最上位、すなわち最大の値を与えるリスト項番、あるいは日付が、予測を行う当日に尤も適した日として、その日付の使用量履歴情報の曲線近似ないし当日の使用量予測に用いる。
　図１０は状況特徴情報２０９の例の説明図である。状況特徴情報は、後述の状況特徴取得処理ステップ（図１２のＳ１２１３、および、図１８）において生成利用する情報である。本実施例での状況特徴情報は、項番１００１、名称１００２、予測値１００３の要素から構成し、それぞれの項目には、使用量予測処理（図１２のＳ１２１２、および、図１３）にて求めた使用量の近似曲線から解析的に、または代数的に求めて得られる、第１の近似曲線のパラメータ、第２の近似曲線のパラメータ、目標値を超過する時刻、予測される最大値、最大値の目標値の超過量、最大値となる時刻をはじめとする予測値がある。
　図１１は行動推薦結果情報２１０の例の説明図である。行動推薦結果情報は、後述の行動推薦処理（図１２のＳ１２１４、および、図１９）の行動推薦結果生成処理（S１９０６）において生成利用する情報である。本実施例での行動推薦結果情報は、順位１１０１、リスト項番１１０２、メッセージ１１０３、評価値１１０４の各要素から構成することとする。リスト項番１１０２は可能行動情報（２０４および図５）の項番５０１に対応しており、同じくメッセージ１１０３はメッセージ５０３に対応する。評価値１１０４は、後述するように、前述の行動推薦ルール２０７を用いて求められる。評価値は、本実施例では値の降順に列挙しておき、最上位、すなわち最大の値を与えるリスト項番に関するメッセージ等の要素を、出力部を用いてユーザ１８０に提示することで、推薦する行動を示す。
　（各処理の説明）
　以下、これらの各種情報を用いて、演算部で行う本実施例の処理を示す。
　図１２は本実施例のメイン処理の例の処理フロー図である。本実施例での処理は一般的なイベントドリブンの動作として説明する。ここでは単純のために処理に伴う表示要求イベント、タイマー割り込みイベント、および、入力部からの割り込みイベントを次々に処理していくことで説明する。まず、起動によりタイマーの初期化を行う（Ｓ１２０１）。これは、システムの時計部１０８を用いて一定時間ごとに割り込みイベントを発生させる処理Ｓ１２０２を初期化する。具体的には、３０分おきにイベントを発生するように初期化する。次に、イベントが発生した場合にはイベント処理を行う（Ｓ１２００）。
　イベントが表示要求イベントの場合（Ｓ１２０３）、出力部１０６に表示する画面を取得して描画する（Ｓ１２０４）。イベントが入力部からの入力イベントであった場合、ステップＳ１２２１では、これを取得し、現在動作している処理に対してユーザが選択や指示を行う項目を決定する情報として入力する（Ｓ１２２２）。もしこれが動作の終了指示であった場合（Ｓ１２２３）には、メイン処理を終了する。
　もし、イベントがタイマー割り込みイベントであった場合（Ｓ１２１１）には、使用量予測処理Ｓ１２１２、状況特徴取得処理Ｓ１２１３、および、行動推薦処理Ｓ１２１４を行う。
　図１３は使用量予測処理Ｓ１２１２の処理の例の処理フロー図である。使用量予測処理では、まず状況属性情報２０３（図４）を取得し（Ｓ１３０１）、また、予測状況属性情報２０４（図４の項番「９９９９」）を取得する（Ｓ１３０２）。次に、最適日を選択する（Ｓ１３０３）。最適日の選択は、前述の状況属性評価ルール２０６（図７）による、状況属性のそれぞれの日の項番ｒに関しての評価値αｒを、注目する予測属性情報の要素値を用いて、ルールの各項目の評価アルゴリズムにより項番i(1≦i≦Ｓ)での重み７０３（ｃｒｉ）とアルゴリズムで求めた値(ｖｒｉ)を用い、例えば以下の式により求める。
Figure JPOXMLDOC01-appb-M000001
　すなわち、重みと評価値を掛け合わせた総和を、当該日の評価値とし、状況属性情報２０２の各日付に対応させてこれを状況属性評価結果情報２０８（図９）とし、評価値９０４の降順に順位９０１付けする。これにより得られた最大の評価値、すなわち順位９０１が１位となるリスト項番(r)９０２に対応するリスト項番９０２を最適日として選択する。図９の場合には評価値「２４５．９」を与える状況属性情報２０２のリスト項番「３」、すなわち、日付としては「２０１１／１２／１０」が選択された。
　次に、選択された最適日に関する使用量履歴情報２０２を取得し（Ｓ１３０４）、その日の使用量である電力使用量３０４の変化を曲線近似するための第１曲線近似を行う（Ｓ１３０５）。
　図１４は第１近似曲線の例の説明図である。使用量履歴情報２０２より、時刻ｔにおける３０分ごとの使用量wtとして、当日分はＰ個（この場合４８個）のデータの組が得られる。
Figure JPOXMLDOC01-appb-M000002
　図１４では横軸に時刻ｔ、縦軸に使用量ｗを取り、使用量のデータ列をwtiの棒グラフとして表している（１４０３）。このデータの組を、例えばｗｔの変化を近似する曲線をｔに関するＮ次関数ｆ(ｔ)として表わし、以下のように近似することとする。
Figure JPOXMLDOC01-appb-M000003
　実際の時刻ｔにおける使用量履歴情報２０２での使用量３０４であるｗと、仮定した式ｗｐ＝ｆ(ｔ)の誤差の２乗和を最小にする、いわゆる一般的な最小二乗法を用いてｆ(ｔ)のパラメータ、すなわちａｉを求めこととする。例えばＮ＝４、すなわち、ｔの４次関数としてｗｔを近似する場合、係数ａｉ(０≦ｉ≦４)は最小二乗法を解くことにより容易に求められる。このように第１の近似曲線は使用履歴情報のうち最適日のデータを表す曲線として近似できた（１４０４）。
　次に、予測を行う当日の使用量の現在までに取得済のＱ個のデータを取得する（Ｓ１３０６）。これにより、第１の近似曲線と得られた当日使用量との相関から、当日使用量を近似する第２の近似曲線を求める（Ｓ１３０７）。
　図１５は当日の使用量の例の説明図である。横軸に時刻ｔ１５０１を取り、縦軸に３０分ごとの使用量ｗ´１５０２を取り、時刻ｔにおける当日の使用量ｗ´ｔ１５０３を棒グラフで示す。
　図１６は第２の近似曲線の例の説明図である。ただしこの例では直線で近似している。横軸に第１の近似曲線の値ｆ(ｔ)をとり、縦軸に当日の使用量ｗ´をとり、時刻ｔに関する以下のデータ列を点列１６０３で示している。
Figure JPOXMLDOC01-appb-M000004
　これら点列を、ｗ´ｔを近似する曲線をｆ(ｔ)に関するＭ次関数ｇ(ｆ(ｔ))として以下のように仮定する。
Figure JPOXMLDOC01-appb-M000005
　Ｍ次関数ｇ(ｆ(ｔ))は、ｆ(ｔ)に対する補正式である。
　第１の近似曲線と同様に最小二乗法を用いて、パラメータｂｉ（０≦ｉ≦Ｍ）は容易に求めることができる。例えば、Ｍ＝１すなわち図１６のように直線で近似する場合、ｇ(ｆ(ｔ))直線を示す、切片ｂ０（１６０６）および傾きｂ１（１６０７）で表せるように求めることができる。
　このように、求めた第１の近似曲線と第２の近似曲線を合成すると求める予測曲線が得られる。即ち、ｔ→ｆ(ｔ)、ｙ→ｇ(ｙ)（ｆ(ｔ)∈ｙ）の２つの写像の合成によって第２の近似曲線が得られる。
　図１７は第１の近似曲線と第２の近似曲線の合成により求めた予測曲線の例の説明図である。横軸に時刻ｔをとり（１７０１）、縦軸にｗおよびｗ´および予測する使用量ｗ´ｐをとり（１７０２）、第１の近似曲線ｗｐ＝ｆ(ｔ)を点線（１７０４）で示すと、第２の近似曲線との合成であるｗ´ｐ＝ｇ(ｆ(ｔ))の曲線１７０３は第１の近似曲線を縦方向にｂ１倍に拡大し、ｂ０だけ上昇させた曲線として解釈することができる。このように２つの近似曲線を合成した関数曲線を当日の時刻ｔにおける使用量予想曲線として、使用量予測処理Ｓ１２１２を終了する。
　なお、第１および第２の近似曲線の高次関数の次数Ｎ、Ｍは、例示したＮ＝４やＭ＝１以外であってもよく、データの分散や傾向特徴を仮定して次数を選定し適宜変更してもよい。また、必ずしもこの例のような高次関数である必要はなく、スプライン曲線(Spline Curve)や、ベジェ曲線(Bezier Curve)、円の方程式、複数の周期や振幅を持つサイン(sin)関数やコサイン(cos)関数をはじめとした各種の関数で表現してもよい。さらには、それら近似曲線を表すパラメータは最小二乗法以外で求めてもよく、例えば、フーリエ級数、離散フーリエ級数や離散コサイン級数をはじめとした一般的に知られているパラメータ推定、およびパラメータ決定方法を用いてもよい。
　さらに近似の精度を高めるために、第１および第２の近似曲線の高次関数の次数Ｎ、Ｍを増やし、近似式に含まれるパラメータの数を増やすと、それまで求めたパラメータが使えず、再度連立一次方程式を解く必要があり、更に、誤差の評価も煩雑である。一方、第１および第２の近似曲線の高次関数を、規格直交多項式であるルジャンドルの多項式（Legendre Polynomials）で展開すると、各パラメータを求める際に、互いに次数の異なるルジャンドルの多項式の積における変数について総和を取ると０になるため、近似式のパラメータを決めるための連立一次方程式を解く必要がなく、精度向上のために近似式の次数を増やす場合でも、他のパラメータとは独立に、パラメータを逐次的に求めることができ、誤差の評価も容易である。但し、ｎ次のルジャンドルの多項式は、ｎ次及びそれ以下の次数のべき乗を含む多項式であり、ｎが偶数の場合は偶関数であり、ｎが奇数の場合は奇関数である。また、ルジャンドルの多項式を用いる場合は、定義域ａ≦ｘ≦ｂの変数ｘを、定義域－１≦ｘ´≦１の変数ｘ´に変換する必要がある。
　図１２に戻り、次に状況特徴取得処理Ｓ１２１３を行う。図１８は状況特徴取得処理Ｓ１２１３の例の処理フロー図である。状況特徴情報を初期化し（Ｓ１８０１）、記録部１０３から当日の目標値情報２０５を取得する（Ｓ１８０２）。使用量を予測する場合（Ｓ１８０３）、予測曲線を取得し（Ｓ１８０４）、予測曲線の最大値を解析的または代数的に解くことで最大の使用量となる時刻および最大値を求める（Ｓ１８０５、Ｓ１８０６）。また、現在の曲線の傾きを取得する（Ｓ１８０７）。それ以外にも、目標値を超える時刻やその時の傾きなど予測曲線と目標値との関係を取得する（Ｓ１８０８）。その後予測が不要な現在時点で最新の使用量と目標値の差分を取得し（Ｓ１８０９）、これら取得した値を状況特徴情報２１０として設定して終了する（Ｓ１８１０）。
　次に行動推薦処理を行う（Ｓ１２１４）。図１９は本実施例の行動推薦処理の例の処理フローである。まず初期化を行い（Ｓ１９０１）、可能行動情報２０４、状況特徴情報２０９、および、行動推薦ルール２０７を記録部１０３より取得する（Ｓ１９０２、Ｓ１９０３、Ｓ１９０４）。可能行動情報の項番ｕに関しての評価値βｕを、注目する可能行動情報と状況特徴情報の要素値を用いて、行動推薦ルールの項番ｉ(１≦ｉ≦Ｖ)での重み８０３（ｄｕｉ）とアルゴリズムで求めた値（ｖｕｉ）を用いて、例えば次式で行動推薦評価値を求める（Ｓ１９０５）。
Figure JPOXMLDOC01-appb-M000006
　すなわち、重みと評価値を掛け合わせた値の総和を、当該可能行動の評価値とし、可能行動情報２０４（図５）のメッセージ５０３に対応させて行動推薦結果情報２０８（図１１）とし、評価値１１０４の降順に順位１１０１付けする（Ｓ１９０６）。これにより得られた最大の評価値、すなわち順位１１０１が１位となるリスト項番(ｕ)１１０２に対応する可能行動情報のリスト項番５０１を推薦する行動として選択する。図１１の場合には評価値「２５．１」を与える可能行動情のリスト項番「３」、すなわち、メッセージとしては「設定温度を１℃下げる」が選択された。
　次に、選択された可能行動を、出力部１０６を用いて作図および表示しユーザに提示する（Ｓ１９０７）。図２０は予想曲線の表示例の説明図、図２１は行動推薦の表示例の説明図である。この例では、まず先に図２０のように、これまでに求めた予測曲線として図１７で説明した図を基に、具体的な日付や時刻、目標値や最大値、その時のそれぞれの時刻等を作図して表示した例である。その上に、推薦行動をユーザに選択させるボタンと共に重ねて表示した例が図２１である。ここでは状況特徴情報２０７および推薦行動として選択された可能行動情報２０４の項番の各項目を用いて、例えば、予測した時刻２１０２、超過すると予想する時刻２１０３、分類２１０４と共に、推薦する行動のメッセージ２１０５を表示する。さらに、画面には３つのボタン、すなわち「実施」ボタン２１１１、「無理」ボタン２１１２、および、「他」ボタン２１１３を表示している。これらはユーザ１８０に推薦する行動を実施したかどうか、あるいは、他の候補を推薦提示させるかを選択させる際に使用される。
　図１９に戻り、図２１で表示した３つのボタン（２１１１，２１１２，２１１３）から一つをユーザ１８０に選択させた結果を入力部１０７から取得し、ユーザの行動を取得する（Ｓ１９０８）。もし、「他」２１１３が選択された場合（Ｓ１９１１）、行動推薦結果情報２１０の次点を選択し（Ｓ１９１２）、再度行動推薦表示Ｓ１９０７を行う。「実施」２１１２が選択された場合（Ｓ１９２１）、可能行動情報２０４の当該行動の嗜好度を上昇させる（Ｓ１９２２）。例えば、嗜好度が１を超えない範囲で嗜好度の値を１．２倍するなどの更新でもよい。「無理」２１１３が選択された場合（Ｓ１９３０）、逆に嗜好度を下げる（Ｓ１９３１）。例えば、嗜好度を１．２で割るなどの更新でもよい。なお、可能行動情報に別途提示回数および実施回数、あるいは拒否回数、他選択回数の各要素を追加記録し、この提示とユーザの選択に応じて加算し、嗜好度をこれらから求めてもよい。具体的には嗜好度を「実施回数÷提示回数」で算出するなどとしてもよい。また、別途ユーザが複数考えられる際に、推薦行動に従って行動したユーザはそのうちの誰かがわかるように入力させ、各パラメータを対応させて記録することにより、特定ユーザごとに推薦する行動に変化をつけてもよい。このように推薦行動として提示した結果とユーザがそれに対してどのように選択して行動したかをログとして生成し、別途利用する（Ｓ１９３２）。このログを別途分析することにより、行動推薦を行うパラメータを修正することで、よりユーザが納得する行動推薦とすることも可能である。
　最後に、次回の予測処理実行の際、前回の推薦行動を取得し、この時点での使用量履歴情報２０１、あるいは、使用量予測処理Ｓ１２１２および状況特徴取得処理Ｓ１２１３にて求めた状況特徴情報２０９を評価し、結果を可能行動情報の前回結果（図５の５１０）に記載し更新する（Ｓ１９３３）。例えば、予測曲線の最大値が目標値を超えない、つまり、状況特徴情報２０９の超過量１００が０以下の場合は、良好な使用量削減の行動結果となったとして前回結果には「○」を記載する。一方、状況が変化しない場合には前回結果に「△」を記載し、数値が増大して状況が悪化した場合には前回結果に「×」を記載することで可能行動情報を更新する。もちろん記号ではなく実際の改善量であってもよいし、別途定義する結果の評価方法でもよく、行動推薦ルールと合わせてあらかじめ定義することが望ましい。この前回結果を行動推薦ルールにて評価された場合、相応の評価値へのフィードバックがかかり、可能行動情報からの選択推薦が変化することになり、より実際に即した行動を推薦することが可能となる。
　以下の実施例においては、本システムを一般的なパーソナルコンピュータ（ＰＣ）の形態の装置にて実施する場合の例を説明する。
　図２２は実施例２における使用量予測および行動推薦を行うシステム構成を示すブロック図である。本実施例のシステム２２００は、ＣＰＵ２２０２、メモリ２２０１、二次記憶部２２０３、通信部２２０７、時計１０８がバス２２０６を通じて接続されている。また、外部記憶部２２０４が接続されフロッピー（登録商標）ディスクや光メディア、メモリーカード等の外部取り出し可能な記憶媒体を用いることができる。またバスには、ユーザ１８０へ各種表示を行うための例えばディスプレイ２２１１を接続できるようにする出力部２２０９、ユーザの指示を入力するための例えばキーボード２２１２やマウス２２１３、あるいはディスプレイと共に用いるタッチパネル手段を接続できるようにする入力部２２０８が接続される。通信部２２０７は、ＵＳＢやｉ．Ｌｉｎｋなどを含む有線接続、イーサネット(登録商標)、無線ＬＡＮ、ＷｉＭＡＸ、Ｂｌｕｔｏｏｔｈ、ＺｉｇＢｅｅ（登録商標）、携帯電話網回線等の種々のネットワーク接続の中から一つ以上の規格によるデータ通信を可能とし、外部機器やサービスとデータ授受の通信を行うことができる。
　通信部２２０７は、それぞれに適切な規格を用いたネットワークを経由して、使用量センサ１１０、状況属性センサ１１１、および予測状況属性生成手段１２０と接続し、データ授受を行う。ここで、ネットワーク２２２１は、図２２のように単一でなくてもよく、それぞれが別のネットワークに接続されてもよい。
　このように接続されたセンサおよび生成手段から、通信部を用いて、実施例１と同様に、使用量履歴情報２０１、状況属性情報２０２、予測状況属性情報２０３を取得する。ただし、記録部１０３にこれらの情報を保持した実施例１とは異なり、メモリ２２０１、二次記憶部２２０３、外部記憶部２２０４に装填した外部記憶媒体２２０５にこれらの情報を偏在あるいは分散して保持してもよい。これらの取得および管理はＣＰＵおよびバスを用いてプログラムにより制御されることが可能である。
　このようなシステムにて本実施例の使用量予測方法および行動推薦方法はプログラムとしてシステムにロードする。また、可能行動情報２０４、目標値情報２０５、状況属性評価ルール２０６、行動推薦ルール２０７も同様にロードする。具体的には例えば、外部記憶部２２０４に装填した外部記憶媒体２２０５を通じて取得し、あるいは、予め二次記憶部２２０３に保存した形で取得し、メモリ２２０１にロードしてＣＰＵ２２０２で実行してもよい。また、通信部２２０７を用いてネットワークに接続されたプログラム提供サービスから取得して実行してもよい。各情報に関しても同様に取得することで、メモリ２２０１、二次記憶部２２０３、外部記憶部２２０４に装填した外部記憶媒体２２０５に偏在あるいは分散して保持してもよい。
　本プログラムにより、実施例１と同様に各種情報を用いて、メイン処理（図１２）をはじめに、使用量予測処理Ｓ１２１２（図１３）や状況取得処理Ｓ１２１３（図１８）、行動推薦処理Ｓ１２１４（図１９）等の処理ステップを実施するが、説明は割愛する。
　以下の実施例においては、本システムを一般的なパーソナルコンピュータ（ＰＣ）の形態の装置を２台用いて、それぞれをサーバ、およびユーザが用いる端末として実施する場合の例を説明する。
　図２３は実施例２における使用量予測および行動推薦を行うシステム構成を示すブロック図である。本実施例のシステムは、サーバ２３００、および、ユーザ１８０が用いる端末２３５０の２台で構成する。
　サーバ２３００は、ＣＰＵ２３０２、メモリ２３０１、二次記憶部２３０３、第１の通信部２３０７、第２の通信部２３１０、及び時計１０８がバス２３０６を通じて接続されている。また、外部記憶部２３０４が接続され、フロッピーディスクや光メディア、メモリーカード等の外部取り出し可能な記憶媒体を用いることができる。第１の通信部は、ＵＳＢやｉ．Ｌｉｎｋなどを含む有線接続、イーサネット、無線ＬＡＮ、ＷｉＭＡＸ、Ｂｌｕｔｏｏｔｈ、ＺｉｇＢｅｅ、携帯電話網回線等の種々のネットワーク接続の中から一つ以上の規格によるデータ通信を可能とし、外部機器やサービスとデータ授受の通信を行うことができる。
　サーバ２３００のバス２３０６にはさらに第２の通信部２３１０を接続し、前述と同様に一つ以上の規格によるデータ通信を可能とし、端末２３５０の通信部と接続し、端末とデータ通信を行う。
　第１の通信部２３０７は、それぞれに適切な規格を用いたネットワークを経由して、使用量センサ１１０、状況属性センサ１１１、および予測状況属性生成手段１２０と接続し、データ授受を行う。ここで、ネットワーク２２２１は、図２３のように単一でなくてもよく、それぞれが別のネットワークに接続されてもよい。
　端末２３５０は、ＣＰＵ２３５２、メモリ２３５１、二次記憶部２３５３、通信部２３５７、時計２３６８がバス２３５６を通じて接続されている。また、外部記憶部２３５４が接続されフロッピーディスクや光メディア、メモリーカード等の外部取り出し可能な記憶媒体を用いてもよい。端末のバスには、ユーザ１８０へ各種表示を行うための例えばディスプレイ２３６１を接続することを可能とする出力部２３５９、ユーザの指示を入力するための例えばキーボード２３６２やマウス２３６３、あるいはディスプレイと共に用いるタッチパネル手段を含む入力部２３６０を接続する。通信部２３５７は、前述のような規格の少なくとも１つによりサーバ２３００の通信部と接続しサーバとのデータ通信を行う。
　サーバ２３００ではこのように接続されたセンサおよび生成手段から、第１の通信部を用いて、実施例１と同様に、使用量履歴情報２０１、状況属性情報２０２、予測状況属性情報２０３を取得する。ただし、これらの情報を記録部１０３に保持した実施例１とは異なり、メモリ２３０１、二次記憶部２３０３、外部記憶部２３０４に装填した外部記憶媒体２３０５に偏在あるいは分散して保持してもよい。これらの取得および管理はＣＰＵおよびバスを用いてプログラムにより制御されることが可能である。
　このようなサーバ２３００と端末２３５０からなるシステムにて本実施例の使用量予測方法および行動推薦方法はプログラムとしてサーバあるいは端末にロードする。また、可能行動情報２０４、目標値情報２０５、状況属性評価ルール２０６、行動推薦ルール２０７も同様にロードする。具体的には、これらを例えばサーバにロードする場合、外部記憶部２３０４に装填した外部記憶媒体２３０５を通じて取得し、あるいは、予め二次記憶部２３０３に保存した形で取得し、メモリ２３０１にロードしてＣＰＵ２３０２で実行してもよい。また、通信部２３０７を用いてネットワークに接続されたプログラム提供サービスから取得して実行してもよい。各情報に関しても同様に取得することで、メモリ２３０１、二次記憶部２３０３、外部記憶部２３０４に装填した外部記憶媒体２２０５に偏在あるいは分散して保持してもよい。端末にロードする場合も同様である。
　本システムで動作するサーバ２３００および端末２３５０上で動作するプログラムにより、システム全体で実施例１と同様に各種情報を用いて、メイン処理（図１２）をはじめに、使用量予測処理Ｓ１２１２（図１３）や状況取得処理Ｓ１２１３（図１８）、行動推薦処理Ｓ１２１４（図１９）等の処理ステップを実施する。この時、サーバで実施する処理と端末で実施する処理が偏在しても分担してもよく、全体で実施例１と同様の処理順番および処理結果が得られればよく、処理を行う担当およびその説明は割愛する。
　ただし、端末２３５０では、少なくとも使用量履歴情報２０１、状況属性情報２０２、および予測状況属性情報２０３を持たない。また、結果等の伝達も定義されていない。したがって、端末上のプログラムは通信部２３５７を通じ、サーバ２３００よりデータ通信によって取得する処理を追加実行する。ことのき、サーバ側プログラムもこれに呼応する処理を追加して行う。
　図２４は本実施例でのサーバ２３００および端末２３５０間で実行される各種情報取得処理の処理フローの例である。この処理は双方のプログラムの初期段階で予め実行してもよいし、処理の中での情報取得ステップにて実行してもよい。ここでは、一般的ウェブ技術を用いたＨＴＴＰ（Hyper Text Transport Protocol）通信を用いたＸＭＬ（eXtensible Markup Language）文による要求（リクエスト）および応答によるデータ通信を想定して各種情報を授受する例で説明する。
　まず、端末側では関係する情報データベースを初期化し（Ｓ２４５）、サーバに対するデータ取得リクエスト文をＸＭＬ文として生成する（Ｓ２４５２）。このＸＭＬ文には取得したい情報種別を付記し、さらに時間的取得範囲や必要とする項目や要素等を含む補足情報を付記してもよい。ＨＴＴＰの規約によりサーバとセッションを作成し（Ｓ２４０１、Ｓ２４５３）、リクエスト文を端末からサーバに送出する（Ｓ２４５４）。サーバはリクエスト文を受信すると（Ｓ２４０３）、これを解析し（Ｓ２４０３）、要求がＤＢすなわち各種情報の取得の場合（Ｓ２４０４）、サーバが持つ各種情報のいずれかを取得する（Ｓ２４０５）。このように取得した情報は予め規定した文法および構造でＸＭＬ化し、結果返信文ＸＭＬの部分として構成して生成する（Ｓ２４０６）。返信ＸＭＬ文をサーバから端末に送出し（Ｓ２４０８）、端末がこれを受信した後（Ｓ２４５５）、ＨＴＴＰセッションを終了する（Ｓ２４０８、Ｓ２４５６）。端末では受信した返信文ＸＭＬを解析して（Ｓ２４５７）、元の情報を取り出し（Ｓ２４５７）、端末内のＤＢを更新する（Ｓ２４５８）。
　これらのように端末においても各種情報を取得することで、システム全体の処理の部分を端末２３５０上でも分担して、使用量予測方法および行動推薦方法が実現可能である。なお、サーバ２３００上ですべての処理を実行したのち、行動推薦結果情報２１０のみを端末に送付してもよい。いずれの場合にも、ユーザ１８０への推薦行動などの提示、および、ユーザからの行動取得として、行動推薦処理Ｓ１２１４（図１９）のステップＳ１９０７以降の処理では、各種情報の多くを端末側の出力部２３５９および入力部２３５８で用いる必要があるため、端末側で処理することが望ましい。
　以下の実施例では、本システムで評価した行動推薦の内容をユーザに提示し、選択させる場合の変形例を示す。実施例１と同様に行動推薦までの各処理ステップを実施し、図１１の行動推薦結果情報が得られたとしてそれ至るまでの説明を省略する。実施例１では上位より一つずつ行動推薦ユーザに提示していたが、本実施例では複数の行動を同時に推薦する。
　図２５は複数の推薦行動項目をユーザに提示する表示の例の説明図である。行動推薦結果(２１０、図１１)は、複数の可能行動情報（２０４、図５）の各項目について前述した評価を行って、その評価値を降順に（ただし評価の方法によっては昇順に）並べた結果であるが、複数の可能行動情報のうち上位から予め指定した個数、図２５では３つを選択し表示する。図２５の例では、「空調温度を１℃下げる」（２５０２）、「冷蔵庫温度を『中』にする」（２５０３）、および、「照明を８０％にする」（２５０４）の３つを選択して推薦行動として出力部１０６からユーザ１８０に提示している。ユーザはこれらの中から一つを選び、それぞれに対応した実施ボタン（２５１２、２５１３、２５１４）のうちのいずれかを押下する。対応した実施ボタンの押下は、行動推薦処理（図１９）のユーザ行動取得（Ｓ１９０８）の実施（Ｓ１９２１）にて選択された行動のログ生成および可能行動情報の嗜好度の更新を行う。
　一方、ユーザが、これら３つの推薦行動項目の中で適切なものがなく、実施が無理と判断した場合、無理ボタン（２１１２）を押下することも可能である。また、ユーザが他の行動推薦を示させたい場合には、他ボタン（２１１３）を押下することも可能である。これらの場合も同様に行動推薦処理（図１９）の、他の判定（Ｓ１９１１）あるいは無理（Ｓ１９３０）の判定に対応して処理を行う。
　以下の実施例では、本システムで評価した行動推薦の内容をユーザに提示する場合、実施例１における次点の推薦行動の選択方法、および実施例４の複数項目の選択あるいは次点の推薦行動の選択方法の変形例を示す。実施例１と同様に行動推薦までの各処理ステップを実施し、図１１の行動推薦結果情報が得られたとして説明を省略する。
　行動推薦結果(２１０、図１１)は、複数の可能行動情報（２０４、図５）の各項目について前述した評価を行って、その評価値を降順に（ただし評価の方法によっては昇順に）並べた結果であるが、図１１の例では上位に設定温度を下げる項目がいくつか連続しており、ユーザにとっては、次点を選択しても同様の内容が表示されてしまい不都合となることがある。これを避けるために、リスト項番１１０２に対応する可能行動情報（図５）の項番に関する分類５０２を取得して、すでに推薦された行動の分類を記録して、次点を選択する際に、これら記録済みの分類を変更してさらに次点を選択して提示してもよい。
　例えば、実施例４の提示例（図２５）では、「空調温度を１℃下げる」（２５０２）の分類が「空調」、「冷蔵庫温度を『中』にする」（２５０３）の分類は「冷蔵庫」、「照明を８０％にする」（２５０４）の分類は「照明」といったように、それぞれの分類が異なるので、複数の可能行動を分類し直し、それぞれの分類に関する可能行動の項目中で評価値（図１１の１１０４）の高い順に選択して提示してもよい。
　また、実施例１及び実施例４において提示された推薦行動をユーザが所望しない場合に押下する他ボタン（２１１３）の選択により次点となる推薦行動の候補を表示し、その中から行動を選択する際に、上述と同様にこれまでに推薦を行っていない分類に属する行動を選択することもできる。即ち、他ボタンが押下げられたときに、次点の候補だけでなく、他の分類に属する行動も選択できるようにする。
　また、この分類として、当該推薦行動を行った結果、ユーザあるいはシステムを設置した状況に与える影響、例えば、温度変化によるスーパー等での集客度への影響度毎や、照明が少なくなることによる作業場所の減少や作業効率減少といった影響度毎に行動を分類することで、行動の推薦項目および順序への変化を与えることも可能である。
　以下の実施例では、ユーザの選択により推薦行動の内の一つを実施する、あるいは、最上位に推薦された行動をユーザ選択に関わらず自動的に実施するためのシステムの変形例を示す。
　図２６は、行動に対応して外部機器を制御するための機能を付加した、行動推薦を行うシステム構成を示すブロック図である。この例では、図１のシステムにさらに外部機器制御部２６０２を設け、外部機器２６０１の制御、及び外部機器の状態の取得を行う。この際に、外部機器の制御および状態取得には、一般的に用いられる制御規格、例えば、ＥＣＨＯＮＥＴ、Ｚｉｇｂｅｅ、ＬＯＮＷＯＲＫＳ、ＤＭＸ５１２、ＤＡＬＩ、ＢＡＣｎｅｔ、Ｈ－Ｌｉｎｋ等をはじめとした様々な規格に準拠した接続方式およびプロトコルを用いてよい。
　演算部１０５で行う行動推薦処理（Ｓ１２１４、図１９）の行動推薦表示Ｓ１９０７にて、ユーザに提示する行動、例えば図２１のように「空調を１℃下げる」をユーザが選択して、実施ボタン２１１１を押下した場合、行動推薦処理の実施判定Ｓ１９２１の後に、外部機器制御部２６０２を介して外部機器を制御するステップを行うことで、ユーザの行動として実際に外部機器を制御することが可能になる。また、この実施結果により、その後の嗜好度上昇Ｓ１９２２や行動ログ生成Ｓ１９３２の各ステップを行うことで、実際の行動実施に伴うシステム内部状態、および、システムが設置された状況の更新を行うことができる。
　一方、ユーザに推薦行動を提示し、ユーザが行動を選択するという一連の処理ステップを行わず、システムが自動的に所定の行動を実施することも可能である。具体的には、行動推薦処理（Ｓ１２１４、図１９）の行動推薦結果生成Ｓ１９０６の結果として生成した行動推薦結果(２１０、図１１)に従い、その結果の最上位の推薦行動を用いて、外部機器制御部２６０２を介して外部機器を制御することで自動的に行動を実施してもよい。また、この実施結果により、その後の嗜好度上昇Ｓ１９２２や行動ログ生成Ｓ１９３２の各ステップを行うことで、実際の行動実施に伴うシステム内部状態、および、システムが設置された状況の更新を行うことができる。
１００：使用量予測および行動推薦システム、１０１：使用量取得部、１０２：状況属性取得部、１０３：記録部、１０４：予測状況属性取得部、１０５：演算部、１０６：出力部、１０７：入力部、１１０：使用量センサ、１１１：状況属性センサ、１２０：予測状況属性生成手段、１８０：ユーザ

Claims (14)

  1. 　記憶部と入力部を有する計算機を用いた、資源の使用量予測方法であって、
    　予め指定する期間および間隔で測定された過去の使用量履歴情報および当該期間の状況属性情報を取得して前記記憶部に格納し、
    　予測を行う期間が指定された場合に、前記計算機に接続された状況属性情報取得手段、及び前記入力手段のいずれかから当該期間の属性情報の予測あるいは予定である予測状況属性情報を取得し、
    　前記記録部から、前記状況属性情報の中から前記予測属情報に尤も類似する状況属性情報を１つ選択し、
    　前記選択された状況属性情報が示す同一期間の前記使用量履歴情報からの使用量履歴を取得し、
    　前記使用量履歴情報の履歴を用いて時刻に関する使用量の近似を与える第１近似曲線を求め、
    　前記予想を行う期間の直前あるいは期間内に属する少なくとも１つの前記使用量履歴情報の履歴の各時刻における前記第１の近似曲線から得られる値と前記使用量履歴情報の履歴の使用量との間の近似を与える第２の近似曲線を求め、
    　前記第１の近似曲線および前記第２の近似曲線を合成させた曲線を使用量の予測曲線として生成することを特徴とする使用量予測方法。
  2. 　使用量予測システムであって、
    　演算部と、表示部と、利用者の操作の入力部と、時刻取得部と、
    　使用量および時刻からなる使用量履歴情報を取得する使用量履歴情報取得部と、
    　予め指定する期間における状況属性情報を取得する状況属性情報取得部と、
    　今後の属性変化を予測する予測状況属性生成手段からの予測状況属性を取得する予測状況属性情報取得部と、
    　各種情報を記録する記録部とを有し、
    　前記演算部は、予測期間の属性値と類似する属性を持つ過去の期間を選択し、前記期間の使用量推移を第１の近似曲線で近似し、現時点で確定した使用量推移を、前記第１の近似曲線から得られる値を合成して得られる第２の近似曲線で近似することで使用量を予測することを特徴とする使用量予測システム。
  3. 　前記状況属性情報および前記予測状況属性情報は、
    　日時、気象情報、利用者の活動状況、前記利用者の属する集団の活動状況、前記利用者が属する場所の環境状況、及び使用量に影響を与える要因となり得る状況のうち少なくとも１つを含むことを特徴とする請求項１記載の使用量予測方法。
  4. 　前記第１及び第２の近似曲線を、
    　前記予想を行う期間の直前あるいは期間内に属する１つ以上の使用量履歴情報とともに前記表示部に表示することを特徴とする請求項１記載の使用量予測方法。
  5. 　記憶部、入力部及び表示部を有する計算機を用いた、資源の使用に対する行動推薦方法であって、
    　予測期間の属性値と類似する属性を持つ過去の期間を選択し、
    　前記期間の使用量推移を第１の近似曲線で近似し、
    　現時点で確定した使用量推移を、前記第１の近似曲線から得られる値を合成して得られる第２の近似曲線で近似することで使用量予測曲線を生成し、
    　前記使用量に影響する利用者行動の定義する可能行動情報を少なくとも１つ含む可能行動情報集合を取得し、
    　予め与える使用量の目標閾値と前記使用量予測曲線とが交差する時刻、および、前記予測曲線の極値のうち少なくとも一方を含む予測超過情報を求め、
    　前記可能行動情報の中の各項目が持つ各属性情報と、前記予測超過情報と、前記予測状況属性情報とを用いて予め定めた方法で前記属性情報間の評価値を求め、
    　それぞれの前記可能行動情報の項目に関する前記評価値を用いて前記可能行動情報を選択し、
    　前記選択した可能行動情報の項目の内容を前記表示部に提示することを特徴とする行動推薦方法。
  6. 　前記行動推薦方法において、前記可能行動情報の代わりに、前記使用量に影響する利用者の行動および前記行動による使用量の変化量を含む行動履歴情報を用いることを特徴とする請求項５記載の行動推薦方法。
  7. 　前記行動推薦方法において、
    　提示した推薦提示に対する利用者の応答を前記入力部から取得し、
    　前記応答が前記可能行動情報の中の一つに含まれていた場合に、前記応答内容、提示回数履歴、選択回数履歴、選択嗜好度、あるいは、実施日時の中から少なくとも一つの要素を、前記可能行動情報あるいは、前記行動履歴情報の要素として更新して、前記評価に用いることを特徴とする請求項５または請求項６のいずれかに記載の行動推薦方法。
  8. 　演算部と、表示部と、利用者の操作の入力部と、時刻取得部と、
    　使用量および時刻からなる使用量履歴情報を取得する使用量取得部と、
    　予め指定する期間における状況属性情報を取得する状況属性取得部と、
    　今後の属性変化を予測する予測状況属性生成手段からの予測状況属性を取得する予測状況属性取得部と、
    　各種情報を記録する記録部とを有し、
    　前記演算部は、
    　予測期間の属性値と類似する属性を持つ過去の期間を選択し、
    　前記期間の使用量推移を第１の近似曲線で近似し、
    　現時点で確定した使用量推移を、前記第１の近似曲線から得られる値を合成して得られる第２の近似曲線で近似することで使用量予測曲線を生成し、
    　前記使用量に影響する利用者行動の定義する可能行動情報を少なくとも１つ含む可能行動情報集合を取得し、
    　予め与える使用量の目標閾値と前記使用量予測曲線とが交差する時刻、および、前記予測曲線の極値のうち少なくとも一方を含む予測超過情報を求め、
    　前記可能行動情報の中の各項目が持つ各属性情報と、前記予測超過情報と、前記予測状況属性情報とを用いて予め定めた方法で前記属性情報間の評価値を求め、
    　それぞれの前記可能行動情報の項目に関する前記評価値を用いて前記可能行動情報を選択し、
    　前記選択した可能行動情報の項目の内容を前記表示部に提示する、
    ことを特徴とする行動推薦システム。
  9. 　前記行動推薦システムにおいて、
    　使用量および時刻からなる前記使用量履歴情報と、予め指定する期間における前記状況属性情報と、今後の属性変化を予測する予測状況属性生成手段からの前記予測状況属性情報とをそれぞれネットワークを介して取得する通信部を有することを特徴とする請求項８記載の行動推薦システム。
  10. 　計算機で読み取り可能な記憶媒体であって、請求項５記載の行動推薦方法を実行するためのプログラムを格納したことを特徴とする記憶媒体。
  11. 　前記行動推薦方法において、
    　少なくとも１つの前記推薦行動項目の表示の際に、前記評価値の降順また昇順のいずれに従って表示し、選択された行動のログ生成および前記可能行動情報の嗜好度の更新を行うことを特徴とする請求項５記載の行動推薦方法。
  12. 　前記行動推薦方法において、
    　少なくとも１つの前記推薦行動項目の表示の際に、前記可能行動情報の項番に関して分類して記録し、次点の項目を選択する際に、前記記録済みの分類を変更してさらに前記次点の項目を選択して表示することを特徴とする請求項５記載の行動推薦方法。
  13. 　前記行動推薦システムにおいて、
    　行動に対応して外部機器を制御するための外部機器制御部を有し、
    　前記外部機器制御部は、前記選択した可能行動情報である行動推薦結果に従い、前記結果の最上位の推薦行動を用いて、前記外部機器を制御することを特徴とする請求項８記載の行動推薦システム。
  14. 　前記行動推薦システムにおいて、
    　前記外部機器制御部による前記外部機器の制御の後で、前記選択された行動のログ生成および前記可能行動情報の嗜好度の更新を行うことを特徴とする請求項１３記載の行動推薦システム。
PCT/JP2013/056893 2012-04-26 2013-03-13 使用量予測方法および行動推薦方法 WO2013161414A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2012-100550 2012-04-26
JP2012100550A JP5868770B2 (ja) 2012-04-26 2012-04-26 使用量予測方法および行動推薦方法

Publications (1)

Publication Number Publication Date
WO2013161414A1 true WO2013161414A1 (ja) 2013-10-31

Family

ID=49482754

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2013/056893 WO2013161414A1 (ja) 2012-04-26 2013-03-13 使用量予測方法および行動推薦方法

Country Status (2)

Country Link
JP (1) JP5868770B2 (ja)
WO (1) WO2013161414A1 (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015190756A (ja) * 2015-02-09 2015-11-02 積水化学工業株式会社 空調システムのアドバイス装置
CN106096766A (zh) * 2016-06-06 2016-11-09 国网江苏省电力公司 一种基于大数据思维模式的短期负荷预测方法
CN116701887A (zh) * 2023-08-07 2023-09-05 河北思极科技有限公司 用电量预测方法、装置、电子设备及存储介质

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016147298A1 (ja) * 2015-03-16 2016-09-22 株式会社 東芝 推薦装置、推薦決定方法、およびコンピュータプログラム
KR101977399B1 (ko) * 2015-07-28 2019-05-13 엘에스산전 주식회사 전력량 정보 제공 시스템 및 방법

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005224002A (ja) * 2004-02-05 2005-08-18 Chugoku Electric Power Co Inc:The 電力需要予測方法
JP2011027305A (ja) * 2009-07-23 2011-02-10 Mitsubishi Electric Corp 省エネ機器、空気調和機
JP2011048779A (ja) * 2009-08-28 2011-03-10 Mitsubishi Electric Corp 設備運用支援システム及びプログラム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005224002A (ja) * 2004-02-05 2005-08-18 Chugoku Electric Power Co Inc:The 電力需要予測方法
JP2011027305A (ja) * 2009-07-23 2011-02-10 Mitsubishi Electric Corp 省エネ機器、空気調和機
JP2011048779A (ja) * 2009-08-28 2011-03-10 Mitsubishi Electric Corp 設備運用支援システム及びプログラム

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015190756A (ja) * 2015-02-09 2015-11-02 積水化学工業株式会社 空調システムのアドバイス装置
CN106096766A (zh) * 2016-06-06 2016-11-09 国网江苏省电力公司 一种基于大数据思维模式的短期负荷预测方法
CN116701887A (zh) * 2023-08-07 2023-09-05 河北思极科技有限公司 用电量预测方法、装置、电子设备及存储介质
CN116701887B (zh) * 2023-08-07 2023-11-07 河北思极科技有限公司 用电量预测方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
JP5868770B2 (ja) 2016-02-24
JP2013228891A (ja) 2013-11-07

Similar Documents

Publication Publication Date Title
Hong et al. Ten questions concerning occupant behavior in buildings: The big picture
Rapson Durable goods and long-run electricity demand: Evidence from air conditioner purchase behavior
López-Rodríguez et al. Analysis and modeling of active occupancy of the residential sector in Spain: An indicator of residential electricity consumption
Özcan et al. A genetic algorithm for the stochastic mixed-model U-line balancing and sequencing problem
US8543343B2 (en) Method and apparatus for determining energy savings by using a baseline energy use model that incorporates an artificial intelligence algorithm
US7519485B2 (en) Method and apparatus for determining energy savings by using a baseline energy use model that incorporates a neural network algorithm
Karatasou et al. Models of behavior change and residential energy use: a review of research directions and findings for behavior-based energy efficiency
US20160267547A1 (en) Information providing device and method therefor, and non-transitory computer readable medium
JP5868770B2 (ja) 使用量予測方法および行動推薦方法
US10102554B2 (en) Method for providing comparison information for power usage amongst users
Fregonara et al. Environmental technology, materials science, architectural design, and real estate market evaluation: A multidisciplinary approach for energy-efficient buildings
de Assis et al. Translating value stream maps into system dynamics models: a practical framework
US9917750B2 (en) Method for providing information
Grimaldo et al. User-centered visual analytics approach for interactive and explainable energy demand analysis in prosumer scenarios
Li et al. Impact of the pre-simulation process of occupant behaviour modelling for residential energy demand simulations
Andrews et al. Using synthetic population data for prospective modeling of occupant behavior during design
Lehrer et al. Visualizing energy information in commercial buildings: A study of tools, expert users, and building occupants
Zhang et al. Semi-quantitative method for task planning in product eco-design
Dimara et al. NRG4-U: a novel home energy management system for a unique loadprofile
Kutanoglu et al. Improving scheduling robustness via preprocessing and dynamic adaptation
JP6186404B2 (ja) エネルギー消費量予測装置及びエネルギー消費量予測方法
Kim et al. Improving Facility Performance Prediction by Formalizing an Activity-Space-Performance Model
Khadgi et al. A simulation study for residential electricity user behavior under dynamic variable pricing with demand charge
US10169785B2 (en) Method for providing device level power usage information according to device type
JP7490515B2 (ja) テレワーク空間評価プログラム

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 13781118

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 13781118

Country of ref document: EP

Kind code of ref document: A1