WO2016147298A1 - 推薦装置、推薦決定方法、およびコンピュータプログラム - Google Patents

推薦装置、推薦決定方法、およびコンピュータプログラム Download PDF

Info

Publication number
WO2016147298A1
WO2016147298A1 PCT/JP2015/057687 JP2015057687W WO2016147298A1 WO 2016147298 A1 WO2016147298 A1 WO 2016147298A1 JP 2015057687 W JP2015057687 W JP 2015057687W WO 2016147298 A1 WO2016147298 A1 WO 2016147298A1
Authority
WO
WIPO (PCT)
Prior art keywords
recommendation
information
user
history
control rule
Prior art date
Application number
PCT/JP2015/057687
Other languages
English (en)
French (fr)
Inventor
亮介 竹内
修一郎 今原
矢野　亨
Original Assignee
株式会社 東芝
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 株式会社 東芝 filed Critical 株式会社 東芝
Priority to PCT/JP2015/057687 priority Critical patent/WO2016147298A1/ja
Priority to JP2017505908A priority patent/JP6400834B2/ja
Publication of WO2016147298A1 publication Critical patent/WO2016147298A1/ja
Priority to US15/420,680 priority patent/US20170139384A1/en

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/9032—Query formulation
    • G06F16/90324—Query formulation using system suggestions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation

Definitions

  • Embodiments described herein relate generally to a recommendation device, a recommendation determination method, and a computer program.
  • HEMS Home Energy Management System
  • HEMS is a system for managing energy such as electricity used at home.
  • HEMS it is possible to grasp the usage status of energy in the home, and it is possible to realize energy saving by suppressing wasteful use.
  • HEMS it is also possible for HEMS to control an apparatus according to a predetermined rule and to implement energy saving. For example, when a rule that reduces the heating set temperature is applied when no person is present, the HEMS automatically reduces the set temperature when the person is absent. Therefore, energy consumption can be automatically suppressed and energy saving can be realized.
  • the embodiment of the present invention recommends a control rule in consideration of a daily behavior for each user.
  • a recommendation device as an embodiment of the present invention includes a history acquisition unit that acquires a user's behavior history, a precondition defined based on the user's behavior, and a post-condition that represents details of control performed on the device, And including the control information defined to perform the control represented by the post-condition when the pre-condition is satisfied, the conformance information calculation for calculating the first conformance information for the action history of the pre-condition And a recommendation unit that generates recommendation information of the control rule for the user according to the first matching information.
  • the figure which showed the example of the recommendation sentence which an output part outputs. 4 is a schematic flowchart of recommendation processing in the first embodiment.
  • the flowchart which shows the detail of the process which calculates the precision in 3rd Embodiment The block diagram which shows schematic structure of the recommendation apparatus which concerns on 4th Embodiment. The figure which showed the example of the data of the post-relaxation conditions stored in post-post relaxation condition DB. The block diagram which shows schematic structure of the recommendation apparatus which concerns on 5th Embodiment. The flowchart which shows the detail of the process of recommendation right and wrong determination in 5th Embodiment. The block diagram which shows schematic structure of the recommendation apparatus which concerns on 6th Embodiment. The figure which showed the example of the recommendation effect calculation method etc. which are stored in recommendation effect DB. The figure which showed the example of the data for calculating a recommendation effect.
  • 10 is a flowchart showing details of a recommendation right / fail judgment process in the sixth embodiment.
  • the figure which showed the example of the data stored in recommendation result DB. 10 is a schematic flowchart of recommendation processing in the seventh embodiment.
  • FIG. 1 is a block diagram illustrating a schematic configuration of a recommendation device according to the first embodiment.
  • a user behavior detection device 101 includes a user behavior detection device 101, an environment detection device 102, a control target device 103, a history acquisition unit 104, a history storage unit 201, a control rule classification DB 205, a control rule DB 206, an index DB 207, a recommended content DB 208, conformance.
  • a rate calculation unit (conformance information calculation unit) 300, a recommendation unit 400, an output unit 105, an input unit 106, and a control command unit 107 are provided.
  • This recommendation apparatus is arrange
  • the user behavior detection device 101 detects a behavior and a state related to the user. There are methods using sensors such as human sensors and sleep sensors. In addition, when an electric device such as a lighting fixture, an electric cooker, a mobile phone, a smartphone, or an interphone is used, a method in which the used electric device transmits information to the user behavior detection device 101 may be considered.
  • the information to be detected is information relating to the user's behavior and state, such as occupancy, absence, sleep, cooking, telephone call, email transmission, and visit.
  • the user action detection apparatus 101 also acquires the information regarding a user's position, when a user's action is detected. For example, it can be acquired from the position of an electronic device used, position information transmitted when a smartphone or the like is used.
  • the obtained information is transmitted to the history acquisition unit 104.
  • the timing of transmission of information may be set at arbitrary intervals or at every acquisition, and may be arbitrarily determined.
  • the history obtaining unit 104 may poll and acquire from the user behavior detection device 101.
  • a plurality of user behavior detection devices 101 may be arranged.
  • the environment detection device 102 detects the state of the user's living environment or the surrounding environment of the control target device 103.
  • the information to be detected includes environmental information such as temperature, humidity, illuminance, air volume, rainfall, and snow cover. Such information may be detected using a sensor.
  • the obtained information is transmitted to the history acquisition unit 104.
  • the timing of transmission of information may be set at arbitrary intervals or at every acquisition, and may be arbitrarily determined. Further, the history acquisition unit 104 may poll and acquire from the environment detection device 102.
  • a plurality of environment detection devices 102 may be arranged.
  • the control target device 103 is an electric device to be controlled, such as a cooling / heating device, a lighting fixture, a smart plug, an electric blind, an electric shutter, and an electric lock. Although it is assumed that the control target device 103 is disposed in a building where the user lives, some devices (for example, a monitoring device) may be disposed outside the building. In the present embodiment, the control target device 103 is controlled by a rule for controlling the electric device (hereinafter, control rule). The control target device 103 may hold this control rule, and the control target device 103 may operate according to the control rule. Or the control command part 107 mentioned later hold
  • control rule for controlling the electric device
  • the control target device 103 transmits information related to the state of the own device such as power ON / OFF, set temperature, set illuminance, and open / closed state to the history acquisition unit 104.
  • the information transmission timing may be set at any given time or when the state changes, and may be arbitrarily determined.
  • the history acquisition unit 104 may poll and acquire from the control target device 103. Although it is assumed that there are a plurality of control target devices 103, one device may be used.
  • the control target device 103 may be based on the assumption that the power supply is always on. In this case, transmission of information related to power ON / OFF may be omitted.
  • the history acquisition unit 104 acquires information detected by the user behavior detection device 101, the environment detection device 102, and the control target device 103, and transmits the information to the history storage unit 201.
  • One history acquisition unit 104 may collect information from all user behavior detection devices 101, environment detection devices 102, and control target devices 103.
  • a plurality of history acquisition units 104 may share and collect.
  • the collection destination devices may be divided into several groups according to the type and position of the device from which the information is collected, and the history acquisition unit 104 may collect information only from the associated group. .
  • the timing of transmission of information may be set at arbitrary intervals or at every acquisition, and may be arbitrarily determined.
  • the history storage unit 201 includes an action history DB 202, an environment history DB 203, and a device operation history DB 204.
  • the action history DB 202, the environment history DB 203, and the device operation history DB 204 may be constructed using one DB related software and one storage device, or may be configured by a plurality of DB related software and one or a plurality of storage devices. May be. It may be constructed by other methods.
  • the behavior history DB 202 stores information (behavior history information) collected by the user behavior detection device 101.
  • FIG. 2 is a diagram illustrating an example of an action history stored in the action history DB 202.
  • the data in the example of FIG. 2 includes a detection time, a user ID, a user position, a user action content, and the like.
  • the user ID is an identifier for distinguishing each user, and is a user ID.
  • the user ID is not limited to identifying individual users, and there may be a user ID representing an entire resident of a household or a user ID meaning that the user cannot be identified and is unknown.
  • the environment history DB 203 stores information (environment history information) collected by the environment detection device 102.
  • FIG. 3 is a diagram illustrating an example of environment history information stored in the environment history DB 203.
  • the data in the example of FIG. 3 includes a detection time, a device ID, an attribute related to an environmental state, an attribute value, and the like.
  • the device ID is an identifier for identifying a device.
  • the attribute and its value are the detection item (temperature, humidity, etc.) of the environment detection device 102 and the value of the detection item.
  • the user ID may be added to the environmental history.
  • user IDs of users who use the space where the devices are arranged are set. For example, since the user 1 room temperature / humidity meter, which is the device ID in the top row in the example of FIG. 3, is arranged in the room of the user 1, the user ID is the user 1.
  • a plurality of user IDs or a user ID representing the entire resident is set. This can be obtained by preparing a table in which the user ID and the device ID are associated with each other and merging with the history information.
  • the device operation history DB 204 stores information (operation history information) collected by the control target device 103.
  • FIG. 4 is a diagram illustrating an example of operation history information stored in the device operation history DB 204.
  • the data in the example of FIG. 4 includes attributes relating to detection time, device ID, device state, attribute values, and the like.
  • the attribute and the value are the detection items and the value of the operation of the control target device. For example, in the case of air conditioner or heater data, there are “set temperature” and “20 degrees” as the value.
  • the user ID may be added to the device operation history.
  • user IDs associated with the device IDs in advance such as the owner of the device and the user who normally uses the device, are set instead of the user ID of the user who actually used the device. This can be obtained by preparing a table in which the user ID and the device ID are associated with each other and merging with the history information.
  • the control rule classification DB 205 is a database that stores basic rules.
  • the basic rule serves as a template for constructing the control rule.
  • a control rule is constructed by combining basic rule and control rule information described later.
  • FIG. 5 is a diagram showing an example of basic rules.
  • the basic rule in the example of FIG. 5 includes a rule classification, a precondition item, a postcondition item, a precondition, a postcondition, and the like.
  • the rule classification is an identifier for classifying basic rules.
  • the control rule includes a precondition and a postcondition. When the precondition is satisfied, the control rule is activated to execute the postcondition.
  • the “precondition” and “postcondition” of the control rule classification DB 205 are described using abstracted elements (variables), and the precondition and postcondition are given by giving the values of the elements (variables). Is confirmed.
  • the value given to the abstracted element (variable) in the precondition is determined by the “precondition item” in FIG. 5 and the “precondition item input value” in FIG.
  • the “precondition item” represents the type or type of the element (hereinafter, unified to the type), and the “precondition item input value” represents a value given to the element.
  • the value (type) of the precondition item represents “room”. If the value of the “precondition item input value” is “room A”, the precondition is that the state of the attribute “present / absent” of the room A is “absent”, that is, “the room A is absent”. To be confirmed.
  • FIG. 5 the value given to the abstracted element (variable) in the precondition item. 5 and the “precondition item input value” in FIG.
  • the “precondition item” represents the type or type of the element (hereinafter, unified to the type), and the “precondition item input value” represents a value given to the element.
  • the value (type) of the precondition item represents
  • precondition item there is one precondition item, but there may be a plurality of precondition items. In this case, there are a plurality of “precondition item input values”. Further, the precondition item may not exist. For example, when a precondition is not described using an abstracted element, such as “when thunder sounds”, the precondition item may not exist. In this case, the “precondition item input value” may not exist.
  • the value given to the abstracted element in the post-condition is determined by the “post-condition item” and the “post-condition item input value” in FIG. “Post-condition item” represents the type of the element, and “post-condition item input value” represents a value given to the element.
  • the value (type) of the post-condition item is “heater, set temperature value”. If the “post-condition item input value” is “room A heater 1, 20 degrees”, the post-condition is that the set temperature of “room A heater 1” is “20 degrees”.
  • the control rule DB 206 stores control rule information defining values to be given to elements included in the preconditions in the basic rules (precondition items) and elements included in the postconditions (postcondition items).
  • a control rule is generated by combining the control rule information in the control rule DB 206 with the basic rule in the control rule classification DB 205.
  • FIG. 6 is a diagram illustrating an example of control rule information stored in the control rule DB 206.
  • the control rule information in the example of FIG. 6 includes a rule category, a rule sub-category, a user ID, a rule ID, an appropriate use, a precondition item input value, and a postcondition item input value.
  • the rule sub-category is an identifier for further classifying the rule category.
  • the rule sub-category may be divided for each type of precondition item of the basic rule. For example, in the first to third rows from the top of the example of FIG. 6, the rule sub-category is the same 92-1, but this is a precondition item of the basic rule of the rule category 92 of the example of FIG. This is a case where the type of “room” is “living room”.
  • the rule ID is an identifier for distinguishing each control rule. In the example of FIG. 6, the rule ID is represented by a combination of a rule sub category and a user ID.
  • Use right or wrong indicates whether to use control rules. If the use right or wrong is “ ⁇ ” (true), the control rule is used, but if “ ⁇ ” (false), it means that the control rule is not used.
  • the user can set the right or wrong setting. However, the present apparatus may be automatically set according to a recommendation value described later.
  • the precondition item input value and the postcondition item input value are the values of the precondition item and the postcondition item of the corresponding basic rule (that is, the value of the element included in the precondition and the value of the element included in the postcondition), Specify each.
  • Corresponding basic rules are specified by rule classification.
  • the top row of FIG. 6 is the rule classification 92, the precondition item input value is “user 1 living room”, and the post condition item input value is “user 1 living room heater, 20 degrees”. This is because the value of the precondition item (element value included in the precondition) of the basic rule of the rule category 92 in the example of FIG. 5 is “user 1 living room”, and the value of the postcondition item (element included in the postcondition) Is designated as “user 1 living room heater, 20 degrees”.
  • a control rule is constructed by combining the basic rule of the control rule classification DB 205 and the control rule information of the control rule DB 206.
  • the control rule with the rule ID 92-1-1 is generated by combining the top line in FIG. 6 with the top line in FIG. 5 (rule classification is 92). If the room “1 living room” is absent, the setting temperature of “user 1 living room heater” is set to “20 degrees”.
  • the control rule DB 206 sends to the control command unit 107 a control rule generated based on the control rule information for which use is true.
  • the timing for sending the control rule may be set at any given time, may be when the control rule is updated (control rule information is updated), or may be arbitrarily determined. Further, the control command unit 107 may poll and acquire from the control rule DB 206.
  • the control rule DB 206 may generate control rules by combining control rule information that is truly used and the basic rules of the control rule classification DB 205, and may store the control rules in an internal or external memory.
  • the control command unit 107 acquires from the control rule DB 206 a control rule that is generated based on control rule information that is true to use, and controls the control target device 103 according to the control rule.
  • the control rule may be acquired by polling the control command unit 107 at regular time intervals to acquire an updated control rule or all control rules.
  • the control rule DB 206 may be transmitted to the control command unit 107 when the control rule DB 206 is updated.
  • the control rule DB 206 generates the control rule by combining the control rule information and the basic rule.
  • the control command unit 107 may generate the control rule with reference to the control rule classification DB 205 and the control rule DB 206. .
  • the control command unit 107 may transmit a control rule to the control target device 103 so that the control target device 103 interprets the control rule and operates.
  • the relevance ratio calculation unit (adaptation information calculation unit) 300 based on the basic rules of the control rule classification DB 205, the control rule information of the control rule DB 206, and the history information of the history storage unit 201, the preconditions or postconditions of the control rules,
  • the matching information indicating the degree to which the information is satisfied is calculated.
  • the conformance information also means the degree of whether or not the control rule should be applied to the control target device 103.
  • the control opportunity occurrence rate (first conforming information) and the control content satisfaction rate (second conforming information) are calculated as the conforming information.
  • the relevance rate calculation unit 300 includes a control content satisfaction rate calculation unit 301 that calculates a control content satisfaction rate and a control opportunity occurrence rate calculation unit 302 that calculates a control opportunity occurrence rate.
  • the matching rate calculation unit 300 generates a control rule from the basic rule and the control rule information, and calculates the matching rate (control content satisfaction rate and control opportunity occurrence rate) of the control rule based on the control rule and history information. .
  • the calculated precision is sent to the index DB 207.
  • the control rule generated by the control rule DB 206 is held in the memory, the control rule may be acquired via the control rule DB 206 or directly from the memory.
  • the control content satisfaction rate represents the ratio of the time or number of times that the post-condition is satisfied to the time or number of times that the pre-condition is satisfied. If the control content satisfaction rate is high, it can be said that the use of control rules is desirable.
  • the control content satisfaction rate is, for example, a time when the precondition is true within a predetermined time as a precondition satisfaction time (T_PRE), and a time when the precondition is true and the postcondition is true within a certain time as a postcondition satisfaction time (T_POST). ),
  • T_PRE precondition satisfaction time
  • T_POST postcondition satisfaction time
  • the control content satisfaction rate can be calculated by the post-condition satisfaction time / pre-condition satisfaction time.
  • the number of times that the precondition is true within a certain time is defined as the number of times that the precondition is satisfied, and the number of times that the precondition is true and the postcondition is true within the specified time is the number of times that the postcondition is satisfied.
  • the control content satisfaction rate may be calculated based on the number of times of satisfaction.
  • the control opportunity occurrence rate represents a value obtained by dividing the time or number of times that the precondition is satisfied within a certain time by the reference time or the number of times of reference.
  • the time during which the precondition is true within a certain time is set as the precondition satisfaction time, and the total measurement time of the day is set as the reference time.
  • the control opportunity occurrence rate is obtained by the precondition satisfaction time / reference time.
  • the number of times that the precondition is true within a certain period of time may be set as the precondition satisfaction, and the control opportunity occurrence rate may be calculated by the precondition satisfaction count / the reference count. This reference number of times may be determined in advance.
  • the precondition of this control rule is “user 1 living room is absent”.
  • the post-condition of this control rule is “Set the temperature of the heater for the living room 1 user to 20 degrees”.
  • FIG. 7B shows a graph showing whether or not the heater set temperature is 20 degrees on the same day of the graph shown in FIG. Assuming that the fixed time is 24 hours, the “time when the precondition is true within the fixed time” on this day is 12 hours from 8:00 to 20:00.
  • the time when the precondition is true and the postcondition is true within a certain time” of this day is a total of 8 hours between 8 o'clock and 12 o'clock and 16 o'clock to 20 o'clock between 8 o'clock and 20 o'clock It is. Thereby, the control content satisfaction rate of this day becomes 8/12 (about 66%).
  • the time during which the precondition is true within a certain time is 12 hours between 8:00 and 20:00. If the total time is 24 hours, the control opportunity occurrence rate is 12/24 (50%).
  • control content satisfaction rate and the control opportunity occurrence rate are calculated as the relevance rate, but only one of them may be calculated. Moreover, you may change the value of the fixed time used as the object which calculates a control content satisfaction rate or a control opportunity generation rate according to a control rule. Thereby, the relevance rate suitable for the user's action and situation can be calculated.
  • the index DB 207 is a DB that stores data on the precision (control content satisfaction rate and control opportunity occurrence rate) calculated by the precision calculation unit 300 for each control rule.
  • FIG. 8 shows an example of data stored in the index DB 207.
  • the data in the example of FIG. 8 includes the calculation time of the relevance rate, the rule classification, the rule sub-classification, the rule ID, the use right, the index indicating the calculated relevance ratio (control content satisfaction rate and control opportunity occurrence rate), and the index Contains the value of.
  • the recommendation unit 400 determines whether or not the control rule is recommended based on the matching rate calculated by the matching rate calculation unit 300.
  • the timing for determination may be every fixed time, may be the timing at which the matching rate is calculated and the index DB 207 is updated, or may be arbitrarily determined.
  • the recommendation unit 400 includes a discriminator generation unit 401 and a recommendation determination unit 402.
  • the discriminator generation unit 401 generates a discriminator that outputs a value (recommendation level) for determining whether or not to use it from the relevance rate.
  • a value for determining whether or not to use it from the relevance rate.
  • the discriminator it is conceivable to use a function having the matching rate as an input value.
  • a prediction model in which the objective variable Y is the right or wrong use of the control rule recommended in the past and the explanatory variable X is the matching rate of the recommended control rule.
  • the prediction model associates the explanatory variable X and the objective variable Y.
  • the relationship between X and Y is expressed by a prediction formula using a plurality of parameters.
  • a regression model For the prediction model, a regression model, a neural network, a logit boost, a support vector machine, or the like may be used. By using the prediction model, the results recommended so far can be taken into account.
  • a discriminator is generated for each rule category.
  • a classifier may be generated for each type of matching rate, or a classifier that uses a plurality of matching rates simultaneously. May be generated.
  • the recommendation right determination unit 402 uses the classifier generated by the classifier generation unit 401 to calculate the recommendation degree from the conformance rate of the control rule. Then, based on the recommendation level, whether or not to recommend is determined. The calculation and determination of the recommendation degree may be performed for all the control rules, or a control rule that does not need to be determined may be specified and the control rule may be excluded from the determination target. For example, if the use of the control rule is true, it is already used, so the recommendation determination may not be performed. The result of the recommendation determination is sent to the recommendation content DB 208 after the determination.
  • the determination method may be to recommend the control rule when the recommendation level is a certain value or more.
  • past history may be used and recommendation may be made when the degree of recommendation exceeds a certain value several times in succession.
  • the results determined for each type of relevance rate may be comprehensively determined, or there may be multiple relevance rates for each control rule. It is also possible to make a determination based only on the relevance ratio having a high priority.
  • the determination of recommendation may not only recommend or not, but also various determination results such as “strongly recommend” depending on the degree of recommendation.
  • the logistic regression model takes two logical values where the objective variable Y is 0 or 1. If there are N (N is an integer greater than or equal to 1) types of explanatory variables, and i i (i is an integer greater than or equal to 1 and less than N) types of explanatory variables are x i and the parameters are a i and b i , the objective variable Y
  • the discriminator generating unit 401 determines the parameters of the model formulas as the optimum of a i and b i based on the use of the control rule recommended in the past and the matching rate at that time. Calculate the value.
  • N types of explanatory variables there are N types of explanatory variables, but there is no problem with only one type. Only the control content satisfaction rate may be an explanatory variable, and both the control content satisfaction rate and the control opportunity occurrence rate may be explanatory variables. Moreover, you may use other precision as an explanatory variable.
  • the parentheses in the above formula are called log values.
  • FIG. 9 is a diagram for explaining creation of a discriminator.
  • the discriminator generation unit 401 acquires M (M is an integer equal to or greater than 1) pieces of data whose rule classification is 1 from the index DB 207 as shown in FIG. Then, using the explanatory variable as one type of control content satisfaction rate, parameters a 1 and b 1 are calculated from M pieces of data using the maximum likelihood method or the like so that the output p is most reliable.
  • This equation becomes a curve as shown in FIG. 9B, where the logit value is on the horizontal axis and the predicted value is on the vertical axis.
  • the recommendation content DB 208 stores the recommendation determination result sent from the recommendation determination unit 402 for each control rule.
  • FIG. 10 is a diagram illustrating an example of data stored in the recommended content DB 208.
  • the data in the example of FIG. 10 includes a rule category, a rule sub-category, a user ID, a rule ID, a recommendation recommendation, a recommendation reason index indicating the type of relevance ratio used for calculation of recommendation recommendation.
  • the output unit 105 outputs a message regarding the recommendation of the control rule based on the recommendation of the data stored in the recommendation content DB 208.
  • a method of displaying a recommendation sentence on an external monitor or the like can be considered.
  • an email may be transmitted to a user's email address registered in advance.
  • FIG. 11 shows an example of a recommendation sentence output by the output unit 105.
  • the format of the recommendation sentence may be held by the output unit 105 or may be stored together with the rule ID in a DB such as the control rule DB 206.
  • the content of the control rule and the reason for recommendation may be displayed. Further, the displayed text may be changed due to the degree of recommendation, the user ID, or the reason for recommendation.
  • the output timing may be when there is a recommendation update.
  • the input unit 106 accepts the use of the control rule from the user via the input interface displayed on the input device or the like.
  • the accepted use is sent to the control rule DB 206. Further, not only the right or wrong of use, but also a change to the precondition item input value or the postcondition item input value of the recommended control rule may be accepted.
  • the accepted value is sent to the control rule DB 206, and the control rule information (use right or wrong) is updated.
  • the user can voluntarily access the control rule DB 206 to use the control rule and update the precondition item input value and the postcondition item input value. Also good.
  • FIG. 12 is a schematic flowchart of the recommendation process in the first embodiment.
  • the history acquisition unit 104 acquires information detected by the user behavior detection device 101, the environment detection device 102, and the control target device 103, and transmits the information to the history storage unit 201 (S101).
  • the history storage unit 201 stores the received information in the behavior history DB 202, the environment history DB 203, and the device operation history DB 204 for each of the user behavior detection device 101, the environment detection device 102, and the control target device 103 (S102).
  • the adaptation rate calculation unit 300 calculates the adaptation rate based on the basic rules of the control rule classification DB 205, the control rule information of the control rule DB 206, and the history information of the history storage unit 201 (S103).
  • FIG. 13 is a flowchart showing details of processing for calculating the precision.
  • the relevance ratio calculating unit 300 acquires a control rule that matches a predetermined condition among all the control rules (S201).
  • a control rule that is not acquired as not conforming to a predetermined condition is not subjected to subsequent processing as a control rule that does not require use recommendation determination. For example, if the use is true, it is considered that the use recommendation is not determined because the use has already been performed. In addition, when the season is summer, there is a case where the use recommendation is not determined for the control rule regarding the heater.
  • a holiday-only control rule may be to obtain the relevance rate from holiday data and process only the day after the holiday. Note that these processes may be performed by the control content satisfaction rate calculation unit 301 and the control opportunity occurrence rate calculation unit 302 instead of the relevance rate calculation unit 300.
  • the control content satisfaction rate calculation unit 301 acquires history information necessary for calculating the precondition satisfaction information (T_PRE) and the postcondition satisfaction (T_POST) information regarding the control content satisfaction rate (S202a).
  • the control content satisfaction rate calculation unit 301 calculates precondition satisfaction information (T_PRE) from the acquired history information (S203a) and calculates postcondition satisfaction information (T_POST) (S204a). . Then, the control content satisfaction rate is calculated from the calculated T_POST and T_PRE (S205a). Whether the time or the number of times is used when calculating the control content satisfaction rate may be registered as one of the columns of the control rule DB 206.
  • T_PRE precondition satisfaction information
  • T_POST postcondition satisfaction information
  • the control opportunity occurrence rate calculation unit 302 acquires history information necessary for calculating the precondition satisfaction information from the history storage unit 201 regarding the control opportunity occurrence rate (S202b).
  • the control opportunity occurrence rate calculation unit 302 calculates precondition satisfaction information (T_PRE) from the acquired history information (S203b). Then, a control opportunity occurrence rate is calculated from the precondition satisfaction information (S204b). For example, when the precondition satisfaction information represents time, the control opportunity occurrence rate is calculated from T_PRE / reference time, or when T_PRE / reference number. It should be noted that whether the reference time or the reference number is used and the values of the reference time and the reference number may be registered as one of the columns of the control rule DB 206.
  • both the control content satisfaction rate and the control opportunity occurrence rate are calculated, but only one of them can be calculated. Further, depending on the control rule, there may be a case where only the control content satisfaction rate is calculated, or a case where only the control opportunity occurrence rate is calculated.
  • the index DB 207 stores, for each control rule (for each rule ID), data including the matching rate (control content satisfaction rate or control opportunity occurrence rate) generated by the matching rate calculation unit 300 (S104).
  • the recommendation unit 400 determines the recommendation for each control rule from the relevance ratio of each data stored in the index DB 207 (S105).
  • FIG. 14 is a flowchart showing details of processing for determining whether or not to recommend.
  • the recommendation unit 400 refers to each data stored in the index DB 207 and identifies a control rule (rule ID) that satisfies a predetermined condition (S301).
  • a predetermined condition for example, use right or wrong may be false (unused). This is because it is not necessary to determine whether or not a recommendation is appropriate because a control rule that is true to use is already used.
  • a history of whether or not the control rule has been recommended in the previous recommendation process may be included in the data, and a control rule that has not been recommended last time may be used as a selection condition. This is to prevent the user's dissatisfaction from increasing by recommending the same control rule many times.
  • control rule that has been updated most recently may be used as a selection condition. This is because the control rule whose relevance rate has not been updated is a control rule that has been eliminated as unnecessary when calculating the relevance rate. You may register the item which records the information referred in order to make these judgments as one of the columns of control rule DB206 and index DB207.
  • the discriminator generation unit 401 generates a discriminator for the specified control rule (S302).
  • the discriminator is generated, for example, for each rule classification of the control rule and each type of matching rate.
  • There is a method of performing regression analysis with Y 1 when a rule is used.
  • the discriminator generation unit 401 obtains history information corresponding to the control rule from the history storage unit 201, and calculates a logistic function parameter by performing regression analysis on the history information. Note that the discriminator to be calculated may be changed according to the type of control rule or precision.
  • the recommendation recommendation determination unit 402 determines whether recommendation is possible based on the calculated recommendation degree (S304). For example, in the case of a logistic function, it is determined whether or not the output value (probability) exceeds a threshold value. Or you may determine by the time-sequential change of a relevance rate.
  • the threshold value may be changed according to the type of precision used or the discriminator. Alternatively, the threshold value may be changed by a time-series change of the relevance rate. For example, when the relevance rate increases more than a certain value within a certain period, it may be possible to reduce the threshold value significantly. It is done.
  • FIG. 15 is a diagram illustrating a relationship between a probability and a threshold when the classifier is a logistic regression model. The prediction formula in this figure indicates that the probability is 0.6 in the logit value when the control content satisfaction rate is 70%. In this example, since the threshold value is set to 0.5, the recommendation is true.
  • the recommendation right / failure determination unit 402 sends the determined recommendation right and information about the control rule (rule ID, recommendation reason index, etc.) to the recommended content DB 208 (S305).
  • the recommendation content DB 208 stores information received from the recommendation right / failure determination unit 402 (S106). Note that the recommendation content DB 208 may store only information on the control rule for which the recommendation is true among the received information, or may store all the received information regardless of the recommendation.
  • the output unit 105 determines whether the recommendation column is true in the recommendation content DB 208 and outputs information on the control rule that is true. When only the information on the control rule for which the recommendation is true is stored in the recommendation content DB 208, the information on all the control rules may be output without determination. When the output unit 105 is a monitor, the information is displayed on the monitor, and when the output unit 105 is the communication unit 105, the information is transmitted to an address or device set in advance.
  • the first embodiment considers the daily behavior for each user, the environment, the operation history of the device, and also considers the possibility of actual use when the control rule is applied.
  • the control rule is selected and recommended to the user. Therefore, the recommended control rule is only a control rule that is easily allowed by the user, and many troublesome control rules that are not allowed by the user are recommended and the troublesomeness of repeating the rejection work can be eliminated.
  • FIG. 16 is a block diagram illustrating a schematic configuration of a recommendation device according to the second embodiment.
  • 2nd Embodiment takes the structure by which the action estimation part 500 was added to 1st Embodiment. The description of the same parts and processes as those in the first embodiment will be omitted.
  • the behavior estimation unit 500 will be described.
  • the behavior estimation unit 500 estimates the user's behavior from at least one of the history information of the environment history DB 203 and the device operation history DB 204, and sends the estimation result to the behavior history DB 202.
  • history information in the action history DB 202 may be used to increase the accuracy of estimation. For example, it is known from the history information in the device operation history DB 204 that the IH cooking heater has been operated for 30 minutes in a certain time zone.
  • the history information in the environment history DB 203 indicates that the humidity of the kitchen has increased during the same time period. In this case, the behavior estimation unit 500 estimates that the user was cooking during the time period.
  • the behavior estimation unit 500 confirms from the behavior history DB 202 that the time zone is not a time zone in which no one is at home.
  • the behavior estimation unit 500 sends the estimation result to the behavior history DB 202, and data indicating that the user 2 is cooking is added to the behavior history DB 202.
  • FIG. 17 is a schematic flowchart of recommendation processing in the second embodiment. Step S401 is added between steps S102 and S103 of the first embodiment.
  • behavior estimation unit 500 step S401 behavior estimation unit 500 estimates a user's behavior from at least one of data in environment history DB 203 or device operation history DB 204, and adds data regarding the estimated behavior to behavior history DB 202.
  • the estimation method a method in which an estimation action and establishment conditions are determined in advance for each device is conceivable.
  • the estimated action may be “cooking”, and the establishment condition may be “operating time is 30 minutes or more and the humidity status of the room that has been operating during the operating time is increased”.
  • the behavior estimation unit 500 acquires history information related to the IH cooking heater from the device operation history DB 204 and confirms the operation time and the operation location. Then, the humidity data is acquired from the environment history DB 203, and the humidity of the operating place in that time zone is confirmed. If the conditions are met, cooking is determined as an estimated action, data relating to cooking is created, and sent to the action history DB 202.
  • the data of the estimated behavior and the establishment condition may be held by the behavior estimation unit 500 or may be registered as one of DB columns such as the device operation history DB 204 as information about the device.
  • the user behavior detection device 101 by compensating for information that is not detected by the user behavior detection device 101 or information that is insufficient, the user's behavior can be further improved compared to the first embodiment. It is possible to increase the accuracy of grasping details and selecting a control rule to be recommended.
  • FIG. 18 is a block diagram illustrating a schematic configuration of a recommendation device according to the third embodiment.
  • the third embodiment takes a configuration in which a pre-relaxation condition DB 209 is added to the first embodiment. The description of the same parts and processes as those in the first embodiment will be omitted.
  • the control content satisfaction rate calculation unit 301 or the control opportunity occurrence rate calculation unit 302 acquires history information that matches the control rule, and calculates precondition satisfaction information and postcondition satisfaction information.
  • the history information if only the history that completely conforms to the control rule is acquired, the history that is slightly off is not considered at all, and the actual situation may not be reflected. Therefore, in the third embodiment, a relaxation condition is provided, and history information that satisfies the relaxation condition is acquired even if it does not completely match the control rule.
  • Pre-relaxation condition DB 209 is a DB that stores conditions (relaxation conditions) for relaxing pre-conditions for control rules.
  • FIG. 19 is a diagram illustrating an example of relaxation condition data stored in the prior relaxation condition DB 209.
  • the items of data to be stored include a rule category, a rule sub category, a rule ID, a relaxation condition, and the like.
  • FIG. 19A shows relaxation condition data for the rule category 101 and the rule ID 101-1-1, and the relaxation target of the relaxation condition is time ("10 minutes before and after").
  • the rule category 101 includes items related to time.
  • the rule ID 101-1-1 has an input value of 8 o'clock related to the time of the precondition item from the data of the control rule classification DB 205 in FIG.
  • the number of cases where the precondition becomes true increases.
  • the precondition becomes true in the example of data in the device operation history DB 204 in FIG. 19D
  • From 7:50 to 8:10 there are three data for the user 1 living room heater ON. Therefore, when there is no relaxation condition, there is one data for which the precondition is true, but due to the relaxation condition, there are three data for which the precondition is true.
  • FIG. 20 is a flowchart showing details of processing for calculating the relevance ratio in the third embodiment.
  • Step S501 is added after step S201.
  • the control rule acquired in step S201 is updated so as to acquire the relaxation condition from the relaxation condition DB and relax the precondition with the relaxation condition (S501).
  • the updated control rule is received by the control content satisfaction rate calculation unit 301 and the control opportunity occurrence rate calculation unit 302, and the same processing as in the first embodiment is performed.
  • the matching rate calculation unit 300 refers to the relaxation condition DB 207 and performs processing for updating the control rule. However, the relaxation condition DB 207 or another DB combines the relaxation condition and the control rule in advance. Then, the control rule may be updated, and the matching rate calculation unit 300 may use the combined control rule.
  • the third embodiment it is possible to grasp the real life of the user more flexibly by relaxing the preconditions.
  • the preconditions can be easily managed and changed (mitigated).
  • FIG. 21 is a block diagram illustrating a schematic configuration of a recommendation device according to the fourth embodiment.
  • the fourth embodiment has a configuration in which the pre-relaxation condition DB 209 in the third embodiment is replaced with a post-relaxation condition DB 210.
  • the description of the same parts and processes as those in the first and third embodiments is omitted.
  • the post-relaxation condition DB 210 is a DB that stores a condition (relaxation condition) for relaxing the post-condition of the control rule.
  • FIG. 22A is a diagram showing an example of relaxation condition data stored in the posterior relaxation condition DB 210.
  • items of data to be stored include a rule category, a rule sub category, a rule ID, a relaxation condition, and the like.
  • the relaxation condition is “below the post-condition item input value or OFF”.
  • the general flow of the recommendation process in the fourth embodiment is the same as the flowchart in the first embodiment. Further, the flow showing the details of the processing for calculating the relevance ratio is equivalent to replacing the pre-relaxation condition DB with the post-relaxation condition DB in step S501 of the flowchart of FIG. 20 in the third embodiment.
  • the post-conditions can be relaxed, and the same effect as that of the third embodiment can be obtained.
  • FIG. 23 is a block diagram illustrating a schematic configuration of a recommendation device according to the fifth embodiment.
  • the recommendation unit 400 further includes a discriminator validity determination unit 403.
  • the classifier validity determination unit 403 determines the validity of the classifier generated by the classifier generation unit 401.
  • a method for determining validity for example, a method using a determination coefficient R 2 can be considered.
  • the coefficient of determination R 2 is a regression equation calculated by regression analysis represents the degree of compliance with the actual relationship. Also called contribution rate.
  • the prediction model associates the explanatory variable X with the objective variable Y, and the discriminator generator 401 calculates the parameters of the prediction model based on a plurality of data.
  • the coefficient of determination R 2 means a likelihood of this parameter (accuracy). As the coefficient of determination R 2 is close to 1, it is possible accuracy parameter is high, the classifier is determined to be valid.
  • the explanatory variable is one type of control content satisfaction rate
  • parameters a 1 and b 1 are calculated from M pieces of data
  • the prediction formula p 1 / (1 + exp ⁇ (a 1 X + b 1 )) is obtained.
  • the discriminator validity determination unit 403 obtains a likelihood function.
  • the likelihood function represents the accuracy of the regression model used.
  • the likelihood function represents the likelihood that the prediction model is a model suitable for representing the relationship between X and Y.
  • the discriminator validity determination unit 403 prepares T (T is an integer equal to or greater than 1) pieces of data of combinations of the control content satisfaction rate and the right to use, and calculates the predicted value p by substituting it into the above prediction formula.
  • T is an integer equal to or greater than 1
  • the control content satisfaction rate assigned at that time is x k
  • the right or wrong use is y k
  • this kth likelihood The degree function l k is expressed by the following equation.
  • the logarithmic likelihood function L1 for all pairs in which the logarithm of the likelihood function l i is L i and i is 1 to N can be expressed by the following equation.
  • the prediction equation p 1 / (1 + exp (- (a1X + b1))) 3 single parameter a i constituting the, x i, of the b i, predictive models of not only depend on the explanatory variables b i are the null model be called.
  • the log likelihood function in the case of this null model is L0. If the predicted value of the null model is p0 i , p0 i and L0 can be expressed by the following equations.
  • the coefficient of determination R 2 can be represented by using the L1 and L0. There are many determination coefficients R 2 , such as McFadden's R 2 , Cox &Snell's R 2 , and Negelkerke's R 2. Any of these may be used. The following formula, as an example, a calculation formula of R 2 of Negelkerke.
  • the coefficient of determination R 2 calculated in this manner is compared with the reference value stored in advance, a determination. If the coefficient of determination R 2 is greater than the reference value, and judged to be acceptable (valid), equal to or less than the reference value, it can be determined that failure (non-applicable).
  • FIG. 24 is a flowchart illustrating details of the recommendation right / fail judgment process in the fifth embodiment.
  • Step S601 is added between steps S302 and S303 in the flowchart of FIG. 14 in the first embodiment.
  • the discriminator validity determination unit 403 determines the validity of the discriminator generated by the discriminator generator 401 (S601). The processing after passing the determination is the same as in the first embodiment. If the determination fails, the entire process may be stopped, or the process of the recommendation unit 400 regarding this control rule may be stopped and the process may be transferred to the next control rule. Alternatively, the process may be returned to the discriminator generator 401 so that the discriminator is created again by another method. Alternatively, the discriminator used last time may be used again by the recommendation determination unit 402.
  • Determination method the type of the coefficient of determination R 2, such as the reference value for determination, be previously identifier validity determination unit 403 and the identifier generating unit 401 holds, in the DB, such indicators DB 207, keep in register Also good.
  • the determination method, the type of the coefficient of determination R 2, such as the reference value for determination, for each control rule or identifier may be changed.
  • the control rule is recommended after determining the validity of the discriminator. Therefore, the accuracy of recommending the optimal control rule is increased as compared with the first embodiment. Can be made.
  • FIG. 25 is a block diagram illustrating a schematic configuration of a recommendation device according to the sixth embodiment.
  • a recommendation effect DB 211 is added to the first embodiment, and a recommendation effect calculation unit 404 is provided in the recommendation unit 400.
  • the recommendation effect DB 211 is a DB that stores a recommendation effect calculation method related to the relevance rate (control content satisfaction rate, control opportunity occurrence rate, etc.) for each rule ID.
  • the recommendation effect is an effect such as a reduction in electricity bill or an energy saving effect when a control rule is applied.
  • FIG. 26 is a diagram illustrating an example of data stored in the recommendation effect DB 211.
  • a recommendation effect calculation method for each type of precision is included.
  • FIG. 27A shows a graph of the occupancy state of the room. Indicates that the user was absent between 12:00 and 16:00.
  • FIG. 27B shows a graph of the room temperature of the room. It can be seen that the room temperature was kept at 22 degrees from 8:00 to 20:00. If the rule ID 92-1-1 in FIG. 26, in which the heater is set to 20 degrees in the absence, is applied, the waste of energy that causes the heater to raise the room temperature twice in the 4 hours when the user is absent. It is thought that it was able to be solved. The energy that can be eliminated at this time can be used as a recommendation effect.
  • the recommendation effect calculation unit 404 acquires history information related to the control rule from the history storage unit 201 for each control rule received from the recommendation right determination unit 402. Also, a recommended effect calculation method corresponding to the type of control rule conformance rate (control content satisfaction rate, control opportunity occurrence rate) is acquired from the recommended effect DB 211. Based on the acquired history information and the recommended effect calculation method, a recommended effect is calculated and sent to the recommended content DB 208.
  • a column of recommendation effects is newly added to the recommendation content DB 208.
  • the output unit 105 outputs a display using the result of the recommendation effect.
  • FIG. 28 shows an example of a recommendation sentence output by the output unit 105 using the result of the recommendation effect.
  • FIG. 29 is a flowchart showing details of a recommendation right / fail judgment process in the sixth embodiment.
  • Steps S701 and S702 are added between steps S304 and S305 in the flowchart of FIG. 14 in the first embodiment.
  • the recommendation unit 400 acquires a recommendation effect calculation method from the recommendation effect DB 211, and in step S702, calculates a recommendation effect for the rule determined to be recommended. In order to shorten the calculation time, the recommendation effect may be calculated only when the recommendation is true (correct).
  • the recommended effect of the determined control rule is immediately calculated and sent to the recommended content DB 208 for each control rule.
  • this flowchart is an example and can be changed to various forms.
  • the processing (S701, 702) of the recommendation effect calculation unit 404 and the processing (S305) in which the recommendation unit 400 sends recommendations to the recommended content DB 208 may be performed in parallel.
  • the recommendation effect may be calculated after the recommendation right or wrong determination for all the rules is completed.
  • the user since the effect when the recommended control rule is applied becomes clearer, the user may accept the control rule as compared with the first embodiment. , User satisfaction can be increased.
  • FIG. 30 is a block diagram illustrating a schematic configuration of a recommendation device according to the seventh embodiment.
  • a recommendation result DB 212 is added to the first embodiment.
  • the recommendation result DB 212 is a DB that stores a user reaction result with respect to a control rule recommended to the user.
  • the reason for recommending the control rule to the user may be stored (the reason for recommendation may be determined by the same method as in the sixth embodiment).
  • FIG. 31 shows an example of data stored in the recommendation result DB 212.
  • the stored data includes a recommendation time, a reason for recommendation, a user reaction time, and a user reaction result in addition to the rule category, rule sub-category, user ID, and rule ID.
  • FIG. 32 is a schematic flowchart of recommendation processing in the seventh embodiment. Steps S801 and S802 are added after step S107 in the flowchart of FIG. 12 in the first embodiment.
  • the input unit 106 receives an answer from the user.
  • the input unit 106 classifies the user's reaction results with respect to the recommended rules into a plurality of types meaning acceptance, rejection, unanswered, etc., and sends them to the recommendation result DB 212 (S801).
  • the recommendation result DB 212 stores data therein based on the input information from the input unit 106 (S802).
  • FIG. 33 is a flowchart showing details of the recommendation right determination process in the seventh embodiment.
  • Step S901 is added between steps S303 and S304 in the flowchart of FIG. 14 in the first embodiment.
  • the recommendation determination unit 402 acquires a user reaction result from the recommendation result DB 212 (S901). If the user reaction result is rejected, the recommendation right determination unit 402 determines not to recommend the control rule (or not to determine whether to recommend) until a predetermined time has elapsed.
  • the control rule that has not been accepted is less likely to be recommended from the next time, so that the satisfaction level of the user is increased compared to the first embodiment. Can do.
  • FIG. 34 shows a case where each unit in the first embodiment is divided into the monitoring environment side and the service providing environment side.
  • the user behavior detection device 101, the environment detection device 102, the control target device 103, the history acquisition unit 104, the output unit 105, the input unit 106, and the control command unit 107 are placed in a monitoring environment such as a house.
  • the history storage unit 201, the DB such as the control rule DB 206, the matching rate calculation unit 300, the recommendation unit 400, and the like are placed in a service providing environment on a communication network such as a cloud.
  • the monitoring environment side and the service environment side are connected via a gateway (router) and a communication network. Further, the history acquisition unit 104, the output unit 105, the input unit 106, and the control command unit 107 in the monitoring environment may be configured as separate devices.
  • each processing in each embodiment described above can be realized by software (program). Therefore, the recommendation device in the embodiment described above can be realized by using a general-purpose computer device as basic hardware and causing a processor 501 mounted on the computer device to execute a program.
  • FIG. 35 is a diagram illustrating a hardware configuration example of the recommendation device according to the embodiment of the present invention.
  • the recommendation device includes a processor 501, a main storage device 502, an auxiliary storage device 503, a communication device 504, a device interface 505, an input device 506, and an output device 507, which are realized as a computer device connected via a bus 508. it can.
  • the processor 501 reads out the program from the auxiliary storage device 503, expands it in the main storage device 502, and executes it, whereby the history acquisition unit 104, control command unit 107, relevance ratio calculation unit 300, recommendation unit 400, action estimation Functions of the unit 500, the output unit 105, the input unit 106, and the like can be realized.
  • the recommendation device of the present embodiment may be realized by installing a program executed by the recommendation device in a computer device in advance, or by storing the program in a storage medium such as a CD-ROM or via a network. May be distributed and installed on a computer device as appropriate.
  • the communication device 504 includes communication means such as Ethernet (registered trademark), wireless LAN (Local Area Network), Bluetooth (registered trademark), ZigBee (registered trademark), KNX (registered trademark), and the user behavior detection device 101. It is an apparatus that performs communication to acquire data from the environment detection device 102 and the control target device 103. Communication performed by the history acquisition unit 104 and the control command unit 107 is performed via the communication device 504.
  • the DB such as the history storage unit 201 is configured by a NAS (Network attached storage), a DB server, and the like and is connected to a recommendation device through a communication line, data is transmitted / received via the communication device 504. Is called.
  • the device interface 505 is an interface connected to a device such as an external storage medium such as a SAN (Storage area network). If there is a display device such as a display or a keyboard and the input device 506 outside the recommendation device, they may be connected to these devices.
  • a device such as an external storage medium such as a SAN (Storage area network).
  • SAN Storage area network
  • the input device 506 includes a user input interface such as a keyboard and a mouse, and outputs an operation signal generated by operating the user input interface to the processor 501.
  • a user input interface such as a keyboard and a mouse
  • the output device 507 includes a display such as an LCD (Liquid Crystal Display) and a CRT (Cathode Ray Tube).
  • a display such as an LCD (Liquid Crystal Display) and a CRT (Cathode Ray Tube).
  • the user may input information from the input device 506.
  • the input may be an instruction to the application or a value of data to be updated.
  • the output device 507 may be a display device that displays an image, or a device that transmits data to the outside (a communication interface different from the communication device 504).
  • the display device may display data in the main storage device 502 or the auxiliary storage device 503 as an image.
  • the external storage medium may be any recording medium such as an HDD, a CD-R, a CD-RW, a DVD-RAM, or a DVD-R.
  • the main storage device 502 is a memory device that temporarily stores commands executed by the processor 501, various data, and the like, and may be a volatile memory such as a DRAM or a non-volatile memory such as an MRAM.
  • the auxiliary storage device 503 is a storage device that permanently stores programs, data, and the like, such as an HDD or an SSD. Data stored in the DB such as the history storage unit 201 is stored in the main storage device 502, the auxiliary storage device 503, or an external storage medium.
  • a printer for printing various DBs, calculated values, and identifier information may be provided. Further, the configuration of the recommendation device shown in FIG. 34 may be changed according to the target device for collecting the usage status.

Abstract

　ユーザごとの生活行動を考慮した上で、制御ルールを推薦する。　本発明の実施形態としての推薦装置は、ユーザの行動履歴を取得する履歴取得部と、前記ユーザの行動に基づき定義される事前条件と、前記機器に対して行う制御の内容を表す事後条件とを含み、前記事前条件が成立する場合に前記事後条件により表される制御を行うことを定めた制御ルールに関して、前記事前条件の前記行動履歴に対する第１適合情報を算出する適合情報算出部と、前記第１適合情報に応じて、前記ユーザに対する前記制御ルールの推薦情報を生成する推薦部とを備える。

Description

推薦装置、推薦決定方法、およびコンピュータプログラム
　本発明の実施形態は、推薦装置、推薦決定方法およびコンピュータプログラムに関する。
　近年、ホーム・エナジー・マネジメント・システム（ＨＥＭＳ）が注目を集めている。ＨＥＭＳは、家庭で使用する電気などのエネルギーを管理するシステムである。ＨＥＭＳにより、家庭におけるエネルギーの使用状況が把握でき、無駄な使用を抑えることで、省エネを実現することができる。また、ＨＥＭＳが、予め定められたルールに従って、機器を制御し、省エネを実現することも可能である。例えば、人が在室していないときは、暖房設定温度を低下させるというルールを適用した場合、不在時には、ＨＥＭＳが自動で設定温度を低下させる。よって、自動でエネルギー消費を抑え、省エネを実現することができる。
　機器を制御するルールの数が多い場合、ユーザが自分に適したルールを見つけ出すのは困難である。また、あるルールが自分に適しているにも関わらず、ユーザはそのルールが自分に適していると思わず、適用しないことも多々ある。このような事態に対応するには、ＨＥＭＳが、ユーザに適したルールを推薦することが望まれる。しかし、せっかくユーザの行動を反映させたルールを適用しても、ユーザが有益さを感じない可能性がある。
特開２０１２－１４６５９号公報
　本発明の実施形態は、ユーザごとの生活行動を考慮した上で、制御ルールを推薦する。
　本発明の実施形態としての推薦装置は、ユーザの行動履歴を取得する履歴取得部と、前記ユーザの行動に基づき定義される事前条件と、前記機器に対して行う制御の内容を表す事後条件とを含み、前記事前条件が成立する場合に前記事後条件により表される制御を行うことを定めた制御ルールに関して、前記事前条件の前記行動履歴に対する第１適合情報を算出する適合情報算出部と、前記第１適合情報に応じて、前記ユーザに対する前記制御ルールの推薦情報を生成する推薦部とを備える。
第１の実施形態に係る推薦装置の概略構成を示すブロック図。 行動履歴ＤＢに格納される履歴情報の例を示した図。 環境履歴ＤＢに格納される履歴情報の例を示した図。 機器稼働履歴ＤＢに格納される履歴情報の例を示した図。 制御ルール区分ＤＢに格納される基礎ルールの例を示した図。 制御ルールＤＢに格納される制御ルール情報の例を示した図。 御内容充足率を算出するためのデータの例を示した図。 指標ＤＢに格納されるデータの例を示した図。 識別器作成のイメージ図。 推薦内容ＤＢに格納されるデータの例を示した図。 出力部が出力する推薦文の例を示した図。 第１の実施形態における推薦処理の概略フローチャート。 適合率を算出する処理の詳細を示すフローチャート。 推薦是非を判定する処理の詳細を示すフローチャート。 ロジスティック回帰モデルによる予測値と、基準値との比較を示した図。 第２の実施形態に係る推薦装置の概略構成を示すブロック図。 第２の実施形態における推薦処理の概略フローチャート。 第３の実施形態に係る推薦装置の概略構成を示すブロック図。 事前緩和条件ＤＢに格納される緩和条件のデータの例を示した図。 第３の実施形態における適合率を算出する処理の詳細を示すフローチャート。 第４の実施形態に係る推薦装置の概略構成を示すブロック図。 事後緩和条件ＤＢに格納される事後緩和条件のデータの例を示した図。 第５の実施形態に係る推薦装置の概略構成を示すブロック図。 第５の実施形態における推薦是非判定の処理の詳細を示すフローチャート。 第６の実施形態に係る推薦装置の概略構成を示すブロック図。 推薦効果ＤＢに格納される推薦効果算出方法などの例を示した図。 推薦効果を算出するためのデータの例を示した図。 推薦効果の結果を利用した、出力部が出力する推薦文の例を示した図。 第６の実施形態における推薦是非判定の処理の詳細を示すフローチャート。 第７の実施形態に係る推薦装置の概略構成を示すブロック図。 推薦結果ＤＢに格納されるデータの例を示した図。 第７の実施形態における推薦処理の概略フローチャート。 第７の実施形態における推薦是非判定の処理の詳細を示すフローチャート。 第１の実施形態における各部を、監視環境とサービス提供環境に分けた場合を示した図。 本発明の一実施形態に係る推薦装置を備えたハードウェア構成例を示した図。
　以下、図面を参照しながら、本発明の実施形態について説明する。
（第１の実施形態）
　図１は、第１の実施形態に係る推薦装置の概略構成を示すブロック図である。
　図１の推薦装置は、ユーザ行動検知機器１０１、環境検知機器１０２、制御対象機器１０３、履歴取得部１０４、履歴記憶部２０１、制御ルール区分ＤＢ２０５、制御ルールＤＢ２０６、指標ＤＢ２０７、推薦内容ＤＢ２０８、適合率算出部（適合情報算出部）３００、推薦部４００、出力部１０５、入力部１０６、および制御指令部１０７を備える。本推薦装置は、例えばユーザが生活する建物に配置される。
　ユーザ行動検知機器１０１は、ユーザに関する行動や状態を検知する。人感センサ、睡眠センサなどのセンサを使用する方法がある。また、照明器具、電気調理器、携帯電話、スマートフォン、インターホンなどの電気機器が使用された場合に、使用された電気機器が、ユーザ行動検知機器１０１に情報を送る方法なども考えられる。検知する情報は、在室、不在、睡眠、調理、電話、メール送信、訪問など、ユーザの行動や状態に関する情報である。また、ユーザ行動検知機器１０１は、ユーザの行動を検知した場合、ユーザの位置に関する情報も取得する。例えば、使用された電子機器などの位置、スマートフォンなどを使用した際に送信された位置情報から取得することができる。得られた情報は、履歴取得部１０４に送信される。情報の送信のタイミングは、一定時間ごとでも、取得の度でもよく、任意に定めてよい。また、履歴得部１０４がポーリングしてユーザ行動検知機器１０１から取得してもよい。ユーザ行動検知機器１０１は、複数台配置されてもよい。
　環境検知機器１０２は、ユーザの生活環境または制御対象機器１０３の周辺環境の状態を検知する。検知する情報は、温度、湿度、照度、風量、雨量、積雪量などの環境情報がある。これらの情報はセンサを用いて検知すればよい。得られた情報は、履歴取得部１０４に送信される。情報の送信のタイミングは、一定時間ごとでも、取得の度でもよく、任意に定めてよい。また、履歴取得部１０４がポーリングして環境検知機器１０２から取得してもよい。環境検知機器１０２は、複数台配置されてもよい。
　制御対象機器１０３は、例えば冷暖房機器、照明器具、スマートプラグ、電動ブラインド、電動シャッター、電気錠など、制御対象となる電気機器である。制御対象機器１０３は、ユーザの生活する建物に配置されることを想定するが、一部の機器（例えば監視装置）が建物の外側に配置されてもよい。本実施形態では、制御対象機器１０３は、電気機器を制御するルール（以下、制御ルール）によって制御される。この制御ルールは、制御対象機器１０３が保持し、制御対象機器１０３が制御ルールに従って稼働してもよい。または、後述する制御指令部１０７が制御ルールを保持し、制御指令部１０７が制御ルールに沿った指令を発行し、制御対象機器１０３は、その指令に従って稼働してもよい。
　制御対象機器１０３は、電源のＯＮまたはＯＦＦ、設定温度、設定照度、開閉状態など、自機器の状態に関する情報を履歴取得部１０４に送信する。情報の送信のタイミングは、一定時間ごとでも、状態が変化したときでもよく、任意に定めてよい。また、履歴取得部１０４がポーリングして制御対象機器１０３から取得してもよい。制御対象機器１０３は複数台存在することを想定しているが、１台でもよい。また、制御対象機器１０３は常に電源がＯＮであることを前提としてもよい。この場合、電源のＯＮまたはＯＦＦに関する情報の送信は省略してもよい。
　履歴取得部１０４は、ユーザ行動検知機器１０１、環境検知機器１０２、制御対象機器１０３が検知した情報を取得し、履歴記憶部２０１に送信する。１台の履歴取得部１０４が全てのユーザ行動検知機器１０１、環境検知機器１０２、制御対象機器１０３から情報を収集してもよい。または複数台の履歴取得部１０４が、分担して収集してもよい。分担する場合は、情報の収集先である機器の種類や位置などで、収集先の機器をいくつかのグループに分け、履歴取得部１０４は対応づけられたグループのみから情報を収集してもよい。情報の送信のタイミングは、一定時間ごとでも、取得の度でもよく、任意に定めてよい。
　履歴記憶部２０１は、行動履歴ＤＢ２０２、環境履歴ＤＢ２０３、および機器稼働履歴ＤＢ２０４を備える。行動履歴ＤＢ２０２、環境履歴ＤＢ２０３、機器稼働履歴ＤＢ２０４は、１つのＤＢ関連ソフトウェアと１つの記憶装置を用いて構築してもよいし、複数のＤＢ関連ソフトウェアと１つまたは複数の記憶装置で構成してもよい。その他の方法で構築してもよい。
　行動履歴ＤＢ２０２は、ユーザ行動検知機器１０１で収集された情報（行動履歴情報）を格納する。図２は、行動履歴ＤＢ２０２に格納される行動履歴の例を示した図である。図２の例のデータは、検知時刻、ユーザＩＤ、ユーザの位置、ユーザの行動内容などを含む。ユーザＩＤは、ユーザ一人一人を区別するための識別子であり、ユーザのＩＤである。ユーザＩＤは、個々のユーザを識別することに限定されず、一世帯の居住者全体を表すユーザＩＤ、またはユーザを識別できず不明であることを意味するユーザＩＤがあってもよい。
　環境履歴ＤＢ２０３は、環境検知機器１０２で収集された情報（環境履歴情報）を格納する。図３は、環境履歴ＤＢ２０３に格納される環境履歴情報の例を示した図である。図３の例のデータは、検知時刻、機器ＩＤ、環境の状態に関する属性、属性の値などを含む。機器ＩＤは、機器を区別する識別子である。属性とその値は、環境検知機器１０２の検知項目（温度や湿度など）と、検知項目の値である。
　なお、ユーザＩＤを環境履歴に追加してもよい。図３のユーザＩＤの列には、機器が配置されている空間を使用するユーザのユーザＩＤが設定される。例えば、図３の例の一番上の行の機器ＩＤであるユーザ１部屋温湿度計は、ユーザ１の部屋に配置されているため、ユーザＩＤはユーザ１となる。また、機器が複数のユーザが使用する居間に置かれている場合は、複数のユーザＩＤや居住者全体を表すユーザＩＤが設定される。これは、ユーザＩＤと機器ＩＤとを対応づけたテーブルを予め用意しておき、履歴情報とマージすることで求めることができる。
　機器稼働履歴ＤＢ２０４は、制御対象機器１０３で収集された情報（稼働履歴情報）を格納する。図４は、機器稼働履歴ＤＢ２０４に格納される稼働履歴情報の例を示した図である。図４の例のデータは、検知時刻、機器ＩＤ、機器の状態に関する属性と、属性の値などを含む。属性とその値は、制御対象機器の稼働の検知項目とその値であり、例えば、エアコンやヒータのデータならば、「設定温度」、およびその値としての「２０度」といったものがある。
　なお、ユーザＩＤを機器稼働履歴に追加してもよい。図４のユーザＩＤの列には、実際に機器を使用したユーザのユーザＩＤではなく、機器の所有者や普段使用するユーザなど、予め機器ＩＤと対応づけられたユーザＩＤが設定される。これは、ユーザＩＤと機器ＩＤとを対応づけたテーブルを予め用意しておき、履歴情報とマージすることで求めることができる。
　制御ルール区分ＤＢ２０５は、基礎ルールを格納するデータベースである。基礎ルールは、制御ルールを構築するためのテンプレートとしての役割を有する。基礎ルールを後述する制御ルール情報を組み合わせることで制御ルールが構築される。図５は、基礎ルールの例を示した図である。図５の例の基礎ルールは、ルール区分、事前条件項目、事後条件項目、事前条件、事後条件などを含む。ルール区分は、基礎ルールを分類するための識別子である。制御ルールは、事前条件と、事後条件とにより構成され、事前条件が成立した場合に、制御ルールが発動することにより、事後条件の内容が実行される。ただし、制御ルール区分ＤＢ２０５の「事前条件」および「事後条件」は、抽象化された要素（変数）を用いて記述されており、要素（変数）の値を与えることで、事前条件および事後条件が確定する。
　事前条件における抽象化された要素（変数）に与える値は、図５の「事前条件項目」と、後述する図６の「事前条件項目入力値」によって決まる。「事前条件項目」は、当該要素の種類またはタイプ（以下、タイプに統一）を表しており、「事前条件項目入力値」は、当該要素に与える値を表している。図５の例の一番上の行では、事前条件項目の値（タイプ）が「部屋」を表している。仮に「事前条件項目入力値」の値が「部屋Ａ」であるとすると、事前条件は、部屋Ａの属性「在／不在」の状態が「不在」、つまり「部屋Ａが不在である」というように確定される。なお、図５の例では、事前条件項目は１つであるが、複数でもよく、この場合、「事前条件項目入力値」も複数になる。また、事前条件項目が存在しなくてもよい。例えば、「雷が鳴ったら」といったように、抽象化された要素を用いて事前条件を記述しない場合は、事前条件項目が存在しなくてもよい。この場合、「事前条件項目入力値」も存在しなくてよい。
　事後条件における抽象化された要素に与える値は、「事後条件項目」と、後述する図６の「事後条件項目入力値」によって決まる。「事後条件項目」は当該要素のタイプを表しており、「事後条件項目入力値」は、当該要素に与える値を表している。図５の例の一番上の行では、事後条件項目の値（タイプ）が、「ヒータ、設定温度値」となっている。仮に、「事後条件項目入力値」が、「部屋Ａヒータ１、２０度」とすると、事後条件は、「部屋Ａヒータ１」の設定温度を「２０度」にするというものになる。なお、図５の例では、事後条件項目は２つであるが、１つでも、３つ以上でもよい。
　制御ルールＤＢ２０６は、基礎ルールにおける事前条件に含まれる要素（事前条件項目）および事後条件に含まれる要素（事後条件項目）に与える値を定義した制御ルール情報を格納する。制御ルールＤＢ２０６の制御ルール情報を制御ルール区分ＤＢ２０５の基礎ルールと組み合わせることで、制御ルールが生成される。
　図６は、制御ルールＤＢ２０６に格納される制御ルール情報の例を示した図である。図６の例の制御ルール情報は、ルール区分、ルールサブ区分、ユーザＩＤ、ルールＩＤ、使用是非、事前条件項目入力値、事後条件項目入力値を含む。
　ルールサブ区分は、ルール区分をさらに細かく分類するための識別子である。ルールサブ区分は、基礎ルールの事前条件項目の種類ごとに分けてもよい。例えば、図６の例の上から１番目から３番目までの行では、ルールサブ区分が同じ９２－１となっているが、これは、図５の例のルール区分９２の基礎ルールの事前条件項目の「部屋」の種類が、「居間」の場合である。ルールＩＤは、各制御ルールを区別するための識別子である。図６の例では、ルールＩＤは、ルールサブ区分とユーザＩＤの組み合わせで表している。
　使用是非は、制御ルールを使用するか否かを示す。使用是非が「○」（真）の場合は、制御ルールを使用するが、「×」（偽）の場合は使用しないことを意味する。使用是非の設定はユーザが設定可能である。ただし、本装置が、後述する推薦度の値に応じて自動的に設定するようにしてもよい。
　事前条件項目入力値および事後条件項目入力値は、対応する基礎ルールの事前条件項目および事後条件項目の値（すなわち事前条件に含まれる要素の値、および事後条件に含まれる要素の値）を、それぞれ指定する。対応する基礎ルールは、ルール区分で特定される。図６の１番上の行は、ルール区分９２、事前条件項目入力値が「ユーザ１居間」、事後条件項目入力値が「ユーザ１居間ヒータ、２０度」である。これは、図５の例にあるルール区分９２の基礎ルールの事前条件項目の値（事前条件に含まれる要素の値）を「ユーザ１居間」、事後条件項目の値（事後条件に含まれる要素の値）を「ユーザ１居間ヒータ、２０度」に指定することを意味する。
　このように、制御ルール区分ＤＢ２０５の基礎ルールと、制御ルールＤＢ２０６の制御ルール情報を組み合わせることで、制御ルールが構築される。例えば、ルールＩＤ９２－１－１の制御ルールは、図６の一番上の行を図５の一番上の行と組み合わせることで生成され（ルール区分が９２）、制御ルールは、「「ユーザ１居間」という部屋が不在状態であれば、「ユーザ１居間ヒータ」の設定温度を「２０度」にする」となる。
　制御ルールＤＢ２０６は、使用是非が真となっている制御ルール情報に基づき生成される制御ルールを、制御指令部１０７に送る。制御ルールの送るタイミングは、一定時間ごとでも、制御ルールの更新（制御ルール情報の更新）があったときでもよく、任意に定めてよい。また、制御指令部１０７がポーリングして制御ルールＤＢ２０６から取得してもよい。制御ルールＤＢ２０６は、使用是非が真となっている制御ルール情報と、制御ルール区分ＤＢ２０５の基礎ルールを組み合わせて制御ルールを生成して、内部または外部のメモリに保持しておいてもよい。
　制御指令部１０７は、使用是非が真となっている制御ルール情報に基づき生成される制御ルールを、制御ルールＤＢ２０６から取得し、制御ルールに従って、制御対象機器１０３を制御する。制御ルールの取得は、一定時間ごとに、制御指令部１０７がポーリングして、更新された制御ルールまたは全制御ルールを取得してもよい。または、制御ルールＤＢ２０６の更新が行われた際に、制御ルールＤＢ２０６が制御指令部１０７に送信する仕組みでもよい。ここでは、制御ルールＤＢ２０６が制御ルール情報と基礎ルールを組み合わせて制御ルールを生成したが、制御指令部１０７が制御ルール区分ＤＢ２０５および制御ルールＤＢ２０６を参照して、制御ルールの生成を行ってもよい。なお制御指令部１０７は、制御対象機器１０３に制御ルールを送信し、制御対象機器１０３が制御ルールを解釈し、動作するようにしてもよい。
　適合率算出部（適合情報算出部）３００は、制御ルール区分ＤＢ２０５の基礎ルール、制御ルールＤＢ２０６の制御ルール情報、履歴記憶部２０１の履歴情報に基づき、制御ルールの事前条件または事後条件を、履歴情報が満たす度合いを表す適合情報を算出する。適合情報は、制御対象機器１０３に適用すべき制御ルールであるか否かの度合いも意味する。ここでは、適合情報として、制御機会発生率（第１適合情報）と、制御内容充足率（第２適合情報）とを算出する。このため、適合率算出部３００は、制御内容充足率を算出する制御内容充足率算出部３０１と、制御機会発生率を算出する制御機会発生率算出部３０２を備える。適合率算出部３００は、基礎ルールおよび制御ルール情報から制御ルールを生成し、その制御ルールと履歴情報に基づいて、制御ルールの適合率（制御内容充足率と、制御機会発生率）を算出する。算出された適合率は、指標ＤＢ２０７に送られる。なお、制御ルールＤＢ２０６が生成した制御ルールがメモリに保持されている場合は、制御ルールＤＢ２０６を介して、またはメモリから直接、制御ルールを取得してもよい。
　制御内容充足率は、事前条件が満たされている時間または回数に対する、事後条件が満たされている時間または回数の比率を表す。制御内容充足率が高い場合、制御ルールの使用が望ましいといえる。制御内容充足率は、例えば一定時間内に事前条件が真である時間を事前条件充足時間（Ｔ＿ＰＲＥ）、一定時間内に事前条件が真かつ事後条件が真である時間を事後条件充足時間（Ｔ＿ＰＯＳＴ）とすると、制御内容充足率は、事後条件充足時間／事前条件充足時間で計算できる。または、一定時間内に事前条件が真である回数を事前条件充足回数とし、一定時間内に事前条件が真かつ事後条件が真である回数を事後条件充足回数として、事後条件充足回数／事前条件充足回数によって、制御内容充足率を算出してもよい。
　制御機会発生率は、一定時間内に事前条件が満たされる時間または回数を、基準時間または基準回数で除算した値を表す。制御機会発生率が高い場合、省エネ等に関する制御ルールの使用による効果が望める。一定時間内に事前条件が真である時間を事前条件充足時間とし、１日の全計測時間などを基準時間とする。この場合、制御機会発生率は、事前条件充足時間／基準時間で求められる。また、一定時間内に事前条件が真である回数を事前条件充足とし、制御機会発生率を、事前条件充足回数／基準回数で求めてもよい。この基準回数は予め定めておけばよい。
　先ほどのルールＩＤ９２－１－１の制御ルールに対する制御内容充足率を求める例を示す。この制御ルールの事前条件は、「ユーザ１居間が不在状態」である。また、この制御ルールの事後条件は、「ユーザ１居間ヒータの設定温度を２０度にする」である。ここで、ある日のユーザ１居間の在室状況を表したグラフを図７（Ａ）に示す。図７（Ａ）に記載のグラフの同日において、ヒータの設定温度が２０度であるか否かを表したグラフを図７（Ｂ）に示す。一定時間を２４時間とすると、この日の「一定時間内に事前条件が真である時間」は、８時から２０時の１２時間である。また、この日の「一定時間内に事前条件が真かつ事後条件が真である時間」は、８時から２０時の間における、８時から１２時の間と１６時から２０時までの間の合計８時間である。これにより、この日の制御内容充足率は８／１２（約６６％）となる。
　同様の例を用いて、制御機会発生率を算出する。一定時間内に事前条件が真である時間は、８時から２０時の間の１２時間である。全時間は２４時間とすると、制御機会発生率は１２／２４（５０％）となる。
　ここでは、適合率として制御内容充足率と制御機会発生率の２つを計算したが、いずれか一方のみを計算してもよい。また、制御ルールに応じて、制御内容充足率または制御機会発生率を計算する対象となる一定時間の値を変更してもよい。これにより、ユーザの行動や状況にあった適合率を算出することができる。
　指標ＤＢ２０７は、制御ルール毎に、適合率算出部３００が算出した適合率（制御内容充足率と制御機会発生率）のデータを格納するＤＢである。図８は、指標ＤＢ２０７に格納されるデータの例を示す。図８の例のデータは、適合率の算出時刻、ルール区分、ルールサブ区分、ルールＩＤ、使用是非、算出した適合率の種類（制御内容充足率と制御機会発生率）を表す指標と、当該指標の値を含む。
　推薦部４００は、適合率算出部３００が算出した適合率に基づき、制御ルールの推薦の是非を決定する。決定するタイミングは、一定時間ごとでもよいし、適合率が算出され指標ＤＢ２０７が更新されたタイミングでもよいし、その他、任意に定めてよい。推薦部４００は、識別器生成部４０１と、推薦是非判定部４０２を備える。
　識別器生成部４０１は、適合率から使用是非を判定するための値（推薦度）を出力する識別器を生成する。識別器には、適合率を入力値とする関数を用いることが考えられる。例えば、過去に推薦した制御ルールの使用是非を目的変数Ｙ、推薦した制御ルールの適合率を説明変数Ｘとする予測モデルを用いることが考えられる。予測モデルは、説明変数Ｘと目的変数Ｙを関連づけるものである。このＸとＹの関連は、複数のパラメータを用いて、予測式で表される。予測モデルには、回帰モデルやニューラルネットワーク、ロジットブースト、サポートベクタマシンなどを用いてもよい。予測モデルを用いることにより、今までに推薦した結果などを考慮することができる。識別器は、ルール区分ごとに生成する。また、制御内容充足率と制御機会発生率のように、複数種類の適合率がある場合は、適合率の種類ごとに識別器を生成してもよいし、複数の適合率を同時に用いる識別器を生成してもよい。
　推薦是非判定部４０２は、識別器生成部４０１が生成した識別器によって、当該制御ルールの適合率から推薦度を算出する。そして、その推薦度を基に、推薦の是非を判定する。推薦度の算出および判定は、全制御ルールに対して行ってもよいし、判定不要な制御ルールを特定し、当該制御ルールを判定対象から除いてもよい。例えば、当該制御ルールの使用是非が真の場合は、既に使用されているため、推薦の判定を行わないとしてもよい。推薦判定の結果は、判定後、推薦内容ＤＢ２０８に送られる。
　判定の方法は、推薦度が一定値以上の場合に、当該制御ルールを推薦するとしてもよい。また、過去の履歴を用い、推薦度が連続して複数回一定値を上回った場合に推薦するとしてもよい。制御内容充足率と制御機会発生率のように、適合率が複数ある場合は、適合率の種類ごとに判定した結果を総合的に判定してもよいし、制御ルールごとに複数ある各適合率に優先度を設けて、優先度の高い適合率のみで判定してもよい。また、推薦の判定は、推薦するまたはしないだけでなく、推薦度に応じて、「強く推薦する」といった多様な判定結果を出してもよい。
　一例として、識別器（予測モデル）として、ロジスティック回帰モデルを用いる場合を説明する。ロジスティック回帰モデルは、目的変数Ｙが０または１の二つの論理値をとる。説明変数がＮ（Ｎは１以上の整数）種類ある場合、ｉ番目（ｉは１以上Ｎ以下の整数）の種類の説明変数をｘｉ、パラメータをａｉおよびｂｉとすると、目的変数Ｙが１である確率ｐ（予測値）は、次式のロジスティック関数で表される。
Figure JPOXMLDOC01-appb-M000001
 目的変数Ｙを使用是非とし、使用されない場合をＹ＝０、使用される場合をＹ＝１とすると、このロジスティック関数を用いて、制御ルールが使用される確率を求めることができる。そこで、識別器生成部４０１は、このロジスティック関数を使用するために、過去に推薦した制御ルールの使用是非とそのときの適合率をもとに、モデル式のパラメータをａｉおよびｂｉの最適値を算出する。なお、上の式は、説明変数がＮ種類あるとしたが、１種類でも問題ない。制御内容充足率だけを説明変数にしてもよく、制御内容充足率と制御機会発生率の両方を説明変数にしてもよい。また、その他の適合率を説明変数にしてもよい。また、上記式のかっこ内をｌｏｇｉｔ値と呼ぶ。
　図９は、識別器の作成を説明するための図である。例えば、識別器生成部４０１は、指標ＤＢ２０７から、図９（Ａ）のように、ルール区分が１であるデータをＭ（Ｍは１以上の整数）個取得する。そして、説明変数を制御内容充足率の１種類として、Ｍ個のデータから、最尤法などを用いて、出力ｐが最も確からしくなるように、パラメータａ１およびｂ１を算出する。結果、ロジスティック関数ｐ＝１／（１＋ｅｘｐ（－（ａ１Ｘ＋ｂ１）））を得る。この式は、ｌｏｇｉｔ値を横軸、予測値を縦軸にすると、図９（Ｂ）のような曲線となる。推薦是非判定部４０２は、この式のＸに、適合率算出部３００が算出した適合率を代入することで、Ｙ＝１となる確率ｐを算出し、その値を推薦度とすることができる。
　推薦内容ＤＢ２０８は、推薦是非判定部４０２から送られた推薦是非の判定結果を、制御ルール毎に格納する。図１０は、推薦内容ＤＢ２０８に格納されるデータの例を示した図である。図１０の例のデータは、ルール区分、ルールサブ区分、ユーザＩＤ、ルールＩＤ、推薦是非、推薦是非の算出に用いた適合率の種類を表す推薦理由指標などを含む。
　出力部１０５は、推薦内容ＤＢ２０８に格納されるデータの推薦是非に基づき、制御ルールの推薦に関するメッセージを出力する。出力方法は、外部のモニタなどに推薦文を表示させる方法が考えられる。また、予め登録しておいたユーザのメールアドレスに、メールを送信してもよい。図１１は、出力部１０５が出力する推薦文の例を示す。この推薦文のフォーマットは、出力部１０５が保持しておいてもよいし、制御ルールＤＢ２０６などのＤＢにルールＩＤとともに格納しておいてもよい。または、制御ルールの内容、および推薦理由などを表示してもよい。また、推薦是非の度合い、ユーザＩＤまたは推薦理由などに起因して、表示する文章を変えてもよい。また、出力するタイミングは、推薦是非の更新があった場合などが考えられる。
　入力部１０６は、入力装置などに表示された入力インタフェースを介して、ユーザから制御ルールの使用是非を受け付ける。受け付けた使用是非は、制御ルールＤＢ２０６に送られる。また、使用是非だけでなく、推薦された制御ルールの事前条件項目入力値や事後条件項目入力値に対する変更を受け付けてもよい。受け付けた値は、制御ルールＤＢ２０６に送られ、制御ルール情報（使用是非等）が更新される。
　また、出力部１０５および入力部１０６を用いて、ユーザが自発的に制御ルールＤＢ２０６にアクセスし、制御ルールの使用是非や、事前条件項目入力値および事後条件項目入力値の更新を行えるようにしてもよい。
　図１２は、第１の実施形態における推薦処理の概略フローチャートである。
　履歴取得部１０４は、ユーザ行動検知機器１０１、環境検知機器１０２、制御対象機器１０３が検知した情報を取得し、履歴記憶部２０１に送信する（Ｓ１０１）。
　履歴記憶部２０１は、受信した情報を、ユーザ行動検知機器１０１、環境検知機器１０２、制御対象機器１０３ごとに、それぞれ、行動履歴ＤＢ２０２、環境履歴ＤＢ２０３、機器稼働履歴ＤＢ２０４に格納する（Ｓ１０２）。
　適合率算出部３００は、制御ルール区分ＤＢ２０５の基礎ルール、制御ルールＤＢ２０６の制御ルール情報、履歴記憶部２０１の履歴情報に基づき、適合率を算出する（Ｓ１０３）。
　図１３は、適合率を算出する処理の詳細を示すフローチャートである。適合率算出部３００は、全制御ルールのうち、予め定めた条件に適合する制御ルールを、取得する（Ｓ２０１）。予め定めた条件に適合しないとして取得されなかった制御ルールは、使用推薦の判定が不必要な制御ルールとして、以降の処理を行わない。例えば、使用是非が真の場合は、すでに使用しているため、使用推薦の判定を行わないことが考えられる。また、季節が夏の場合、ヒータに関する制御ルールに対しては、使用推薦の判定を行わないといったものがある。または、休日限定の制御ルールは、休日のデータから適合率を求めこととし、休日の翌日だけ処理をするといったものも考えられる。なお、これらの処理は、適合率算出部３００ではなく、制御内容充足率算出部３０１および制御機会発生率算出部３０２が行ってもよい。
　制御内容充足率算出部３０１は、制御内容充足率に関し、事前条件充足情報（Ｔ＿ＰＲＥ）および事後条件充足（Ｔ＿ＰＯＳＴ）情報の算出に必要な履歴情報を取得する（Ｓ２０２ａ）。
　制御内容充足率算出部３０１は、取得した履歴情報から、図７で説明したように、事前条件充足情報（Ｔ＿ＰＲＥ）を算出し（Ｓ２０３ａ）、事後条件充足情報（Ｔ＿ＰＯＳＴ）を算出する（Ｓ２０４ａ）。そして算出したＴ＿ＰＯＳＴとＴ＿ＰＲＥから、制御内容充足率を算出する（Ｓ２０５ａ）。制御内容充足率を算出する際に、時間または回数のどちらを用いるかは、制御ルールＤＢ２０６の列の１つとして、登録しておいてもよい。
　制御機会発生率算出部３０２は、制御機会発生率に関し、履歴記憶部２０１から事前条件充足情報の算出に必要な履歴情報を取得する（Ｓ２０２ｂ）。
　制御機会発生率算出部３０２は、取得した履歴情報から、事前条件充足情報（Ｔ＿ＰＲＥ）を算出する（Ｓ２０３ｂ）。そして、事前条件充足情報から制御機会発生率を算出する（Ｓ２０４ｂ）。例えば、事前条件充足情報が時間を表すときは、Ｔ＿ＰＲＥ／基準時間、または回数を表すときは、Ｔ＿ＰＲＥ／基準回数から、制御機会発生率を算出する。なお、基準時間または基準回数のどちらを用いるか、および、基準時間および基準回数の値は、制御ルールＤＢ２０６の列の１つとして、登録しておいてもよい。
　図１３のフローでは、制御内容充足率および制御機会発生率の両方を算出したが、いずれか一方のみ算出することも可能である。また、制御ルールに応じて、制御内容充足率だけ算出する場合や、制御機会発生率だけ算出する場合があってもよい。
　指標ＤＢ２０７は、適合率算出部３００が生成した適合率（制御内容充足率または制御機会発生率）を含むデータを制御ルール毎（ルールＩＤ毎）に格納する（Ｓ１０４）。
　推薦部４００は、指標ＤＢ２０７に格納されている各データの適合率から、制御ルール毎の推薦是非を判定する（Ｓ１０５）。
　図１４は、推薦是非を判定する処理の詳細を示すフローチャートである。推薦部４００は、指標ＤＢ２０７に格納されている各データを参照し、予め定めた条件を満たす制御ルール（ルールＩＤ）を特定する（Ｓ３０１）。予め定めた条件として、例えば、使用是非が偽（未使用）であることがある。使用是非が真である制御ルールは既に使用されているため、推薦是非を判定する必要がないからである。また、データに前回の推薦処理で当該制御ルールを推薦したか否かの履歴を含めておき、前回推薦していない制御ルールを、選択の条件にしてもよい。何度も同じ制御ルールが推薦されることで、ユーザの不満が増加するのを防ぐためである。また、適合率が直近で更新されている制御ルールを、選択の条件にしてもよい。適合率が更新されていない制御ルールは、適合率を算出する際に、処理が不必要として排除された制御ルールだからである。これらの判断を行うために参照する情報を記録する項目を、制御ルールＤＢ２０６と指標ＤＢ２０７の列の１つとして、登録しておいてもよい。
　識別器生成部４０１は、特定した制御ルールに対し、識別器を生成する（Ｓ３０２）。識別器は、例えば制御ルールのルール区分および適合率の種類ごとに生成する。例えば、識別器をロジスティック回帰モデルとする場合では、識別器生成部４０１に対し、説明変数Ｘを適合率、目的変数Ｙを使用是非とし、制御ルールが使用されていない場合をＹ＝０、制御ルールが使用されている場合をＹ＝１として、回帰分析を行う方法がある。この場合、識別器生成部４０１は、履歴記憶部２０１から当該制御ルールに対応する履歴情報を取得し、それらを回帰分析することによって、ロジスティック関数のパラメータを算出する。なお、制御ルールや適合率の種類に応じて、算出する識別器を変更してもよい。
　推薦是非判定部４０２は、適合率と識別器を用いて、推薦度を算出する（Ｓ３０３）。例えば、ロジスティック関数の場合、適合率からロジスティック関数の値ｐを推薦度として計算する。値ｐは、Ｙ＝１となる確率（制御ルールを使用する確率）を表す。なお、使用するモデルによって、推薦度は、確率以外にも、点数などの評価値を表す場合もある。
　推薦是非判定部４０２は、算出した推薦度に基づき、推薦の可否を判定する（Ｓ３０４）。例えば、ロジスティック関数の場合は、出力値（確率）が閾値を越えているか否かを判定する。または、適合率の時系列的な変化により判定してもよい。閾値は、使用する適合率の種類または識別器に応じて変更してもよい。または、閾値は、適合率の時系列的な変化等によって変更させてもよく、例えば、適合率が、一定期間内に一定値以上増加しているときは、閾値を大幅に下げるといった対応が考えられる。図１５は、識別器がロジスティック回帰モデルの場合の確率と閾値との関係を示した図である。この図の予測式は、制御内容充足率が７０％の場合でのｌｏｇｉｔ値において、確率が０．６になることを示す。この例では、閾値を０．５としているので、推薦是非は真（是）になる。
　推薦是非判定部４０２は、推薦内容ＤＢ２０８に、判定した推薦是非と、当該制御ルールに関する情報（ルールＩＤ、推薦理由指標など）を送る（Ｓ３０５）。
　推薦内容ＤＢ２０８は、推薦是非判定部４０２から受け付けた情報を格納する（Ｓ１０６）。なお、推薦内容ＤＢ２０８は、受け付けた情報のうち、推薦是非が真の制御ルールに対する情報のみを格納してもよいし、推薦是非に関わらず、受け付けた情報を全て格納してもよい。
　出力部１０５は、推薦内容ＤＢ２０８において推薦是非の列が真であるか判定し、真である制御ルールに関する情報を出力する。推薦内容ＤＢ２０８に、推薦是非が真の制御ルールに対する情報のみが格納されている場合には、判定せずに、全ての制御ルールに対する情報を出力するようにしてもよい。出力部１０５がモニタの場合、当該情報がモニタに表示され、通信部１０５の場合、当該情報が予め定めたアドレスまたは装置に向けて、当該情報が送信される。
　以上のように、第１の実施形態は、ユーザごとの生活行動や、環境、機器の稼働履歴を考慮し、さらにその制御ルールを適用した場合に実際に使用される可能性までも考慮した上で、制御ルールを選択して、ユーザに推薦する。そのため、推薦された制御ルールは、ユーザが許可しやすい制御ルールだけとなり、ユーザが許可しない制御ルールが多数推薦され、拒絶作業を繰り返すといった煩わしさを解消することができる。
（第２の実施形態）
　図１６は、第２の実施形態に係る推薦装置の概略構成を示すブロック図である。第２の実施形態は、第１の実施形態に、行動推定部５００が追加された構成を取る。第１の実施形態と同一の部分および処理については、説明を省略する。行動推定部５００について説明する。
　行動推定部５００は、環境履歴ＤＢ２０３、機器稼働履歴ＤＢ２０４の少なくとも一方の履歴情報から、ユーザの行動を推定して、推定結果を行動履歴ＤＢ２０２に送る。なお、推定の確度を高めるために、行動履歴ＤＢ２０２の履歴情報を使用してもよい。例えば、機器稼働履歴ＤＢ２０４の履歴情報から、ある時間帯に、ＩＨクッキングヒータが３０分間稼働したことが判明している。また環境履歴ＤＢ２０３の履歴情報には、同時間帯に、キッチンの湿度が上昇したことが判明している。この場合、行動推定部５００は、その時間帯に、ユーザは調理をしていたと推定する。推定の確度を高めるために、行動推定部５００は、行動履歴ＤＢ２０２から、その時間帯は、家に誰もいない時間帯ではなかったことを確認する。行動推定部５００は、推定結果を行動履歴ＤＢ２０２に送り、行動履歴ＤＢ２０２には、ユーザ２が調理をしていたというデータが追加される。
　図１７は、第２の実施形態における推薦処理の概略フローチャートである。第１の実施形態のステップＳ１０２とＳ１０３の間にステップＳ４０１が追加されている。行動推定部５００ステップＳ４０１では、行動推定部５００が、環境履歴ＤＢ２０３または機器稼働履歴ＤＢ２０４の少なくとも一方のデータから、ユーザの行動を推定し、推定した行動に関するデータを行動履歴ＤＢ２０２に追加する。
　推定する方法は、機器ごとに予め推定行動と成立条件を定めておく方法が考えられる。例えば、ＩＨクッキングヒータならば、推定行動は「調理」、成立条件は「稼働時間３０分以上、かつ、稼働時間中に稼働した部屋の湿度状況が上昇」としておけばよい。この例の場合ならば、行動推定部５００は、機器稼働履歴ＤＢ２０４からＩＨクッキングヒータに関する履歴情報を取得し、稼働時間と稼働場所を確認する。そして、環境履歴ＤＢ２０３から湿度のデータを取得し、その時間帯の稼働場所の湿度を確認する。条件をみたせば、調理を推定行動として決定し、調理に関するデータを作成し、行動履歴ＤＢ２０２に送る。推定行動と成立条件のデータは、行動推定部５００が保持してもよいし、機器に関する情報として、機器稼働履歴ＤＢ２０４などのＤＢの列の１つとして登録しておいてもよい。
　以上のように、第２の実施形態によれば、ユーザ行動検知機器１０１が検知しなかった情報や、不足している情報を補うことにより、第１の実施形態に比べ、よりユーザの行動を詳細に把握し、推薦対象となる制御ルールを選択する精度を上昇させることができる。
（第３の実施形態）
　図１８は、第３の実施形態に係る推薦装置の概略構成を示すブロック図である。第３の実施形態は、第１の実施形態に、事前緩和条件ＤＢ２０９が追加された構成を取る。第１の実施形態と同一の部分および処理については、説明を省略する。
　制御内容充足率算出部３０１または制御機会発生率算出部３０２は、制御ルールと適合する履歴情報を取得し、事前条件充足情報および事後条件充足情報を算出する。この履歴情報を取得する際に、制御ルールに完全に適合する履歴のみを取得すると、わずかに外れている履歴は全く考慮されず、かえって実情を反映しない可能性がある。そこで、第３の実施形態では、緩和条件を設け、制御ルールと完全に適合しなくても、緩和条件を満たす履歴情報を取得するようにする。
　事前緩和条件ＤＢ２０９は、制御ルールの事前条件を緩和する条件（緩和条件）を格納するＤＢである。図１９は、事前緩和条件ＤＢ２０９に格納される緩和条件のデータの例を示した図である。図１９の例では、格納するデータの項目は、ルール区分、ルールサブ区分、ルールＩＤ、緩和条件などを含む。例えば、図１９（Ａ）では、ルール区分１０１、ルールＩＤ１０１－１－１についての緩和条件のデータを表し、緩和条件の緩和対象は時間（「前後１０分」）となっている。なお、ルール区分１０１は、図１９（Ｂ）の制御ルール区分ＤＢ２０５のデータから分かるように、事前条件項目は時間に関するものを含む。また、ルールＩＤ１０１－１－１は、図１９（Ｃ）の制御ルール区分ＤＢ２０５のデータから、事前条件項目の時間に関する入力値は８時となっている。図１９（Ａ）の緩和条件により、８時を緩和することで、事前条件が真となる場合が増えることとなる。例えば、図１９（Ｄ）の機器稼働履歴ＤＢ２０４のデータの例では、８時にユーザ１居間ヒータがＯＮのデータは１つだけである。７時５０分から８時１０分までにユーザ１居間ヒータがＯＮのデータは３つである。よって、緩和条件がない場合は、事前条件が真となるデータは１つであるが、緩和条件があることによって、事前条件が真となるデータは３つとなる。
　第３の実施形態における推薦処理の概略フローは第１の実施形態と同様である。図２０は、第３の実施形態における適合率を算出する処理の詳細を示すフローチャートである。ステップＳ２０１の次に、ステップＳ５０１が追加されている。ステップＳ５０１では、緩和条件ＤＢから緩和条件を取得し、緩和条件で事前条件を緩和するように、ステップＳ２０１で取得した制御ルールを更新する（Ｓ５０１）。更新された制御ルールは、制御内容充足率算出部３０１、制御機会発生率算出部３０２が受取り、第１の実施形態と同様の処理が行われる。
　なお、本フローチャートでは、適合率算出部３００が、緩和条件ＤＢ２０７を参照し、制御ルールを更新する処理を行ったが、事前に、緩和条件ＤＢ２０７または別のＤＢが、緩和条件と制御ルールを結合して制御ルールを更新し、適合率算出部３００は、その結合後の制御ルールを用いてもよい。
　以上のように、第３の実施形態によれば、事前条件を緩和することにより、より柔軟にユーザの実生活を把握することができる。また、ユーザが住む地域、適用する時期や季節など、パラメータの異なる複数の緩和条件を緩和条件ＤＢに保存し、使用する緩和条件をこれらの地域や時期等に応じて、切り換えることで、事前条件の管理および変更（緩和）が容易にできる。
（第４の実施形態）
　図２１は、第４の実施形態に係る推薦装置の概略構成を示すブロック図である。第４の実施形態は、第３の実施形態における事前緩和条件ＤＢ２０９を事後緩和条件ＤＢ２１０に置き換えた構成を取る。第１の実施形態および第３の実施形態と同一の部分および処理については、説明を省略する。
　事後緩和条件ＤＢ２１０は、制御ルールの事後条件を緩和する条件（緩和条件）を格納するＤＢである。図２２（Ａ）は、事後緩和条件ＤＢ２１０に格納される緩和条件のデータの例を示した図である。図２２（Ａ）の例では、格納するデータの項目は、ルール区分、ルールサブ区分、ルールＩＤ、緩和条件などを含む。図２２の例では、緩和条件は「事後条件項目入力値以下またはＯＦＦ」となっている。図２２（Ｃ）の制御ルールＤＢより事後条件項目入力値は、ユーザ１居間ヒータ、２０度であるから、ユーザ１居間ヒータが２０度以下もしくはＯＦＦでも条件（緩和後の事後条件）に当てはまることとなる。図２２（Ｄ）の機器稼働履歴ＤＢ２０４のデータの例では、ユーザ１居間ヒータが２０度であるデータは１つだけである。しかし、ユーザ１居間ヒータが２０度以下もしくはＯＦＦであるデータは３つある。よって、緩和条件がない場合は、事後条件が真となるデータは１つであるが、緩和条件があることにより、事後条件が真となるデータは３つとなる。
　第４の実施形態における推薦処理の概略フローは、第１の実施形態でのフローチャートと同様である。また適合率を算出する処理の詳細を示すフローは、第３の実施形態における図２０のフローチャートのステップＳ５０１において、事前緩和条件ＤＢを事後緩和条件ＤＢに置き換えたものに相当する。
　以上のように、第４の実施形態によれば、事後条件を緩和でき、第３の実施形態と同様の効果を得られる。
（第５の実施形態）
　図２３は、第５の実施形態に係る推薦装置の概略構成を示すブロック図である。第５の実施形態は、推薦部４００が識別器妥当性判定部４０３をさらに備える。
　識別器妥当性判定部４０３は、識別器生成部４０１で生成された識別器の妥当性を判定する。妥当性の判定方法は、例えば決定係数Ｒ２を用いる方法が考えられる。
　決定係数Ｒ２は、回帰分析によって算出された回帰式と、実際の関係との適合の程度を表す。寄与率ともいう。先に説明したとおり、予測モデルは、説明変数Ｘと目的変数Ｙを関連付けるものであり、識別器生成器４０１は、この予測モデルのパラメータを、複数のデータをもとに算出する。決定係数Ｒ２は、このパラメータの確からしさ（確度）を意味する。決定係数Ｒ２が１に近いほど、パラメータの確度が高く、識別器が妥当であると判断することができる。
　決定係数Ｒ２を求める一例を説明する。図９の例で説明したように、説明変数を制御内容充足率の１種類とし、Ｍ個のデータから、パラメータａ１およびｂ１を算出し、予測式ｐ＝１／（１＋ｅｘｐ－（ａ１Ｘ＋ｂ１））を得ているとする。まず、識別器妥当性判定部４０３は、尤度関数を求める。尤度関数は、使用した回帰モデルの確度を表す。予測モデルは、ロジスティック回帰モデル以外にも多々あるが、尤度関数は、予測モデルが、ＸとＹとの関係を表すにふさわしいモデルであるかの確からしさを表す。識別器妥当性判定部４０３は、制御内容充足率と使用是非との組み合わせのデータをＴ（Ｔは１以上の整数）個用意し、上記の予測式に代入して予測値ｐを算出する。こうして得られたＴ個の予測値のうち、ｋ番目の予測値をｐｋ、そのときに代入した制御内容充足率をｘｋ、そのときの使用是非をｙｋとすると、このｋ番目の尤度関数ｌｋは次式で表される。
Figure JPOXMLDOC01-appb-M000002
　この尤度関数ｌｉの対数をＬｉとし、ｉが１からＮまでの全組についての対数尤度関数Ｌ１は、次式で表すことができる。
Figure JPOXMLDOC01-appb-M000003
　また、予測式ｐ＝１／（１＋ｅｘｐ（－（ａ１Ｘ＋ｂ１）））を構成する３つのパラメータａｉ、ｘｉ、ｂｉのうち、説明変数に左右されないｂｉだけの予測モデルは、ｎｕｌｌモデルと呼ばれる。このｎｕｌｌモデルの場合の対数尤度関数をＬ０とする。ｎｕｌｌモデルの予測値をｐ０ｉとすると、ｐ０ｉとＬ０は次式で表すことができる。
Figure JPOXMLDOC01-appb-M000004
Figure JPOXMLDOC01-appb-M000005
　決定係数Ｒ２は、上記Ｌ１とＬ０を用いて表すことができる。決定係数Ｒ２は、ＭｃＦａｄｄｅｎのＲ２、Ｃｏｘ＆ＳｎｅｌｌのＲ２、ＮｅｇｅｌｋｅｒｋｅのＲ２など多数存在するが、どれを使用してもよい。次式に、一例として、ＮｅｇｅｌｋｅｒｋｅのＲ２の算出式を示す。
Figure JPOXMLDOC01-appb-M000006
　識別器妥当性判定部４０３は、このようにして算出した決定係数Ｒ２と、予め保持している基準値とを比較して、判定を行う。決定係数Ｒ２が基準値より大きければ、合格（妥当）と判定し、基準値以下であれば、不合格（非妥当）と判断できる。
　第５の実施形態における推薦処理の概略フローは第１の実施形態と同様である。図２４は、第５の実施形態における推薦是非判定の処理の詳細を示すフローチャートである。第１の実施形態における図１４のフローチャートのステップＳ３０２とＳ３０３の間に、ステップＳ６０１が追加されている。
　識別器妥当性判定部４０３は、識別器生成器４０１により生成された識別器の妥当性を判定する（Ｓ６０１）。判定に合格した後の処理は、第１の実施形態と同様である。判定に不合格の場合は、全体の処理を中止してもよいいし、この制御ルールに関する推薦部４００の処理を中止して、次の制御ルールに処理を移してもよい。あるいは、識別器生成器４０１に処理を戻し、識別器を再度、別の方法で作成させてもよい。あるいは、推薦是非判定部４０２に、前回使用した識別器を再度使用させるようにしてもよい。
　判定方法、決定係数Ｒ２の種類、判定の基準値などは、識別器妥当性判定部４０３や識別器生成部４０１が保持しておいても、指標ＤＢ２０７などのＤＢに、登録しておいてもよい。また、判定方法、決定係数Ｒ２の種類、判定の基準値などは、制御ルールや識別器ごとに、変更してもよい。
　以上のように、第５の実施形態によれば、識別器の妥当性を判断した上で制御ルールが推薦されるため、第１の実施形態に比べ、最適な制御ルールを推薦する精度を上昇させることができる。
（第６の実施形態）
　図２５は、第６の実施形態に係る推薦装置の概略構成を示すブロック図である。第６の実施形態は、第１の実施形態に対し、推薦効果ＤＢ２１１が追加され、また推薦部４００に推薦効果算出部４０４が設けられている。
　推薦効果ＤＢ２１１は、ルールＩＤごとに適合率（制御内容充足率、制御機会発生率など）に係る推薦効果算出方法を格納するＤＢである。推薦効果とは、制御ルールを適用した場合に、電気代の減少や省エネ効果などの効果である。
　図２６は、推薦効果ＤＢ２１１に格納されるデータの例を示した図である。図２６の例では、ルールＩＤごとに、適合率の種類ごとの推薦効果算出方法などを含む。
　図２６の推薦効果算出方法から、推薦効果を算出する例を示す。図２７（Ａ）に部屋の在室状態のグラフを示す。は、ユーザは１２時から１６時の間は不在であったことがわかる。図２７（Ｂ）に、部屋の室温状態のグラフを示す。８時から２０時まで室温は２２度に保たれていたことがわかる。仮に、不在時はヒータを２０度にするという図２６のルールＩＤ９２－１－１が適用されていれば、ユーザが不在であった４時間において、ヒータが室温を２度上昇させるエネルギーの無駄を解消することができたと考えられる。このときの解消できるエネルギーを、推薦効果とすることができる。
　推薦効果算出部４０４は、推薦是非判定部４０２から受け付けた制御ルールごとに、履歴記憶部２０１から制御ルールに関する履歴情報を取得する。また、推薦効果ＤＢ２１１から、制御ルールの適合率の種類（制御内容充足率、制御機会発生率）に対応した推薦効果算出方法を取得する。取得した履歴情報と推薦効果算出方法をもとに、推薦効果を算出し、推薦内容ＤＢ２０８に送る。
　推薦内容ＤＢ２０８には、推薦効果の列が新たに追加される。出力部１０５は、推薦効果の結果を利用した表示を出力する。図２８は、推薦効果の結果を利用した、出力部１０５が出力する推薦文の例を示す。第１の実施形態の推薦文よりも、自動化による手間削減や、省エネといった理由および効果を明確にすることができ、ユーザが推薦を受理しやすいといった効果が得られる。
　第６の実施形態における推薦処理の概略フローは第１の実施形態と同様である。図２９は、第６の実施形態における推薦是非判定の処理の詳細を示すフローチャートである。　第１の実施形態における図１４のフローチャートのステップＳ３０４とＳ３０５の間にステップＳ７０１とＳ７０２が追加されている。ステップＳ７０１では、推薦部４００が、推薦効果ＤＢ２１１から推薦効果算出方法を取得し、ステップＳ７０２で、推薦是非が判定されたルールに対し、推薦効果を算出する。算出時間の短縮のため、推薦是非が真（是）の場合のみ、推薦効果を算出するとしてもよい。また、本フローチャートでは、判定された制御ルールの推薦効果を即座に算出し、制御ルールごとに推薦内容ＤＢ２０８に送ることにしている。だが、本フローチャートは一例であり、種々の形態に変更可能である。例えば、推薦効果算出部４０４の処理（Ｓ７０１、７０２）および推薦部４００が推薦是非を推薦内容ＤＢ２０８に送る処理（Ｓ３０５）を並行して行ってもよい。また、全てのルールの推薦是非判定が終了してから、推薦効果を算出してもよい。
　以上のように、第６の実施形態によれば、推薦する制御ルールが適用された場合の効果がより明確になるため、第１の実施形態に比べ、ユーザが制御ルールを承諾する可能性と、ユーザの満足度を上昇させることができる。
（第７の実施形態）
　図３０は、第７の実施形態に係る推薦装置の概略構成を示すブロック図である。第７の実施形態は、第１の実施形態に対し、推薦結果ＤＢ２１２が追加されている。
　推薦結果ＤＢ２１２は、ユーザに対して推薦した制御ルールに対するユーザの反応結果を格納するＤＢである。ユーザに制御ルールを推薦した理由を格納してもよい（推薦した理由は、第６の実施形態と同様の方法で決定すればよい）。図３１は、推薦結果ＤＢ２１２に格納されるデータの例を示す。格納するデータは、ルール区分、ルールサブ区分、ユーザＩＤ、ルールＩＤに加えて、推薦時刻、推薦理由、ユーザ反応時刻およびユーザ反応結果を含む。
　図３２は、第７の実施形態における推薦処理の概略フローチャートである。第１の実施形態における図１２のフローチャートのステップＳ１０７の後に、ステップＳ８０１とＳ８０２が追加されている。ステップＳ１０７で出力部１０５が、推薦する制御ルールを出力した後は、入力部１０６がユーザから回答を受け付ける。入力部１０６は、推薦したルールに対するユーザの反応結果を、承諾、拒否、未回答などを意味する複数の種類に分別し、推薦結果ＤＢ２１２に送る（Ｓ８０１）。
　推薦結果ＤＢ２１２は、入力部１０６からの入力情報に基づき、内部にデータを格納する（Ｓ８０２）。
　図３３は、第７の実施形態における推薦是非判定の処理の詳細を示すフローチャートである。第１の実施形態における図１４のフローチャートのステップＳ３０３とＳ３０４の間に、ステップＳ９０１が追加されている。推薦是非判定部４０２は、推薦度を算出後（Ｓ３０３）、推薦結果ＤＢ２１２から、ユーザ反応結果を取得する（Ｓ９０１）。推薦是非判定部４０２は、ユーザ反応結果が拒否であった場合は、一定時間経過するまで、当該制御ルールを推薦しない（または推薦するか否かの判定処理を行わない）ことを決定する。
　以上のように、第７の実施形態によれば、承諾されなかった制御ルールは、次回以降、推薦する可能性が低くなるため、第１の実施形態に比べ、ユーザの満足度を上昇させることができる。
　なお、上記に示した各実施形態の装置構成の一部を装置から分離して、ネットワーク上に別の装置として配置することも可能である。図３４は、第１の実施形態における各部を、監視環境側とサービス提供環境側に分けた場合を示す。ユーザ行動検知機器１０１、環境検知機器１０２、制御対象機器１０３、履歴取得部１０４、出力部１０５、入力部１０６、制御指令部１０７は、家などの監視環境に置かれている。履歴記憶部２０１、制御ルールＤＢ２０６などのＤＢ、適合率算出部３００、推薦部４００などは、クラウドといった、通信ネットワーク上のサービス提供環境に置かれている。監視環境側とサービス環境側間はゲートウェイ（ルータ）及び通信ネットワークを介して接続されている。また、監視環境にある履歴取得部１０４、出力部１０５、入力部１０６、制御指令部１０７は、それぞれ別個の一台の装置として構成してもよい。
　このように、監視環境には必要最低限の機器だけを配置し、ＤＢや演算処理装置はネットワーク上のリソースを利用することで、可用性、保守性、機密性に優れたシステムにすることができる。また、複数の家庭環境の監視結果をシステムに反映させることができ、制御ルール適用の推薦効果をあげることができる。
　また、上記に示した各実施形態における各処理は、ソフトウェア（プログラム）によって実現することが可能である。よって、上記に説明した実施形態における推薦装置は、汎用のコンピュータ装置を基本ハードウェアとして用い、コンピュータ装置に搭載されたプロセッサ５０１にプログラムを実行させることにより実現することが可能である。
　図３５は、本発明の実施形態に係る推薦装置のハードウェア構成例を示した図である。
　推薦装置は、プロセッサ５０１、主記憶装置５０２、補助記憶装置５０３、通信装置５０４、デバイスインタフェース５０５、入力装置５０６、出力装置５０７を備え、これらがバス５０８を介して接続された、コンピュータ装置として実現できる。
　プロセッサ５０１が、補助記憶装置５０３からプログラムを読み出して、主記憶装置５０２に展開して、実行することで、履歴取得部１０４、制御指令部１０７、適合率算出部３００、推薦部４００、行動推定部５００、出力部１０５および入力部１０６等の機能を実現することができる。
　本実施形態の推薦装置は、当該推薦装置で実行されるプログラムをコンピュータ装置に予めインストールすることで実現してもよいし、プログラムをＣＤ－ＲＯＭなどの記憶媒体に記憶して、あるいはネットワークを介して配布して、コンピュータ装置に適宜インストールすることで実現してもよい。
　通信装置５０４は、Ｅｔｈｅｒｎｅｔ（登録商標）、無線ＬＡＮ（Ｌｏｃａｌ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、ＺｉｇＢｅｅ（登録商標）、ＫＮＸ（登録商標）等の通信手段を有し、ユーザ行動検知機器１０１、環境検知機器１０２、制御対象機器１０３からデータを取得するために通信を行う装置である。履歴取得部１０４、制御指令部１０７が行う通信は、この通信装置５０４を介して行われる。また、履歴記憶部２０１などのＤＢがＮＡＳ（Ｎｅｔｗｏｒｋ　ａｔｔａｃｈｅｄ　ｓｔｏｒａｇｅ）、ＤＢサーバなどによって構成され、通信回線を通じて推薦装置と接続されている場合は、この通信装置５０４を介して、データの送受信が行われる。
　デバイスインタフェース５０５は、ＳＡＮ（Ｓｔｏｒａｇｅ　ａｒｅａ　ｎｅｔｗｏｒｋ）といった外部記憶媒体などの機器と接続するインタフェースである。推薦装置の外部に、ディスプレイやキーボードといった表示装置、入力装置５０６がある場合は、これらにも接続されてもよい。
　入力装置５０６は、キーボード、マウス等のユーザ入力インタフェースを備え、ユーザ入力インタフェースの操作による操作信号をプロセッサ５０１に出力する。
　出力装置５０７は、ＬＣＤ（Ｌｉｑｕｉｄ　Ｃｒｙｓｔａｌ　Ｄｉｓｐｌａｙ）、ＣＲＴ（Ｃａｔｈｏｄｅ　Ｒａｙ　Ｔｕｂｅ）等の表示ディスプレイからなる。
　ユーザは、入力装置５０６から情報を入力してもよい。入力は、アプリケーションに対する指示でも、更新するデータの値でもよい。また出力装置５０７は、画像を表示する表示装置でもよいし、外部にデータを送信する装置（通信装置５０４とは別の通信インタフェース）でもよい。表示装置は、主記憶装置５０２または補助記憶装置５０３内のデータを画像表示してもよい。外部記憶媒体は、ＨＤＤ、ＣＤ－Ｒ、ＣＤ－ＲＷ、ＤＶＤ－ＲＡＭ、ＤＶＤ－Ｒ等の任意の記録媒体でよい。
　主記憶装置５０２は、プロセッサ５０１が実行する指令、および各種データ等を一時的に記憶するメモリ装置であり、ＤＲＡＭ等の揮発性メモリでも、ＭＲＡＭ等の不揮発性メモリでもよい。補助記憶装置５０３は、プログラムやデータ等を永続的に記憶する記憶装置であり、例えば、ＨＤＤまたはＳＳＤ等がある。履歴記憶部２０１などのＤＢが保持するデータは、主記憶装置５０２、補助記憶装置５０３または外部記憶媒体に保存される。
　なお、上述の構成要素の他に、各種ＤＢや算出値、識別器の情報を印刷するためのプリンタを備えるようにしてもよい。また、使用状況を収集する対象の機器に応じて、図３４に示す推薦装置の構成を変更してもよい。
　上記に、本発明の一実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。
１０１　ユーザ行動検知機器
１０２　環境検知機器
１０３　制御対象機器
１０４　履歴取得部
１０５　出力部
１０６　入力部
１０７　制御指令部
２０１　履歴記憶部
２０２　行動履歴ＤＢ
２０３　環境履歴ＤＢ
２０４　機器稼働履歴ＤＢ
２０５　制御ルール区分ＤＢ
２０６　制御ルールＤＢ
２０７　指標ＤＢ
２０８　推薦内容ＤＢ
２０９　事前緩和条件ＤＢ
２１０　事後緩和条件ＤＢ
２１１　推薦効果ＤＢ
２１２　推薦結果ＤＢ
３００　適合率算出部
３０１　制御内容充足率算出部
３０２　制御機会発生率算出部
４００　推薦部
４０１　識別器生成部
４０２　推薦是非判定部
４０３　識別器妥当性判定部
４０４　推薦効果算出部
５００　行動推定部
５０１　プロセッサ
５０２　主記憶装置
５０３　補助記憶装置
５０４　通信装置
５０５　デバイスインタフェース
５０６　入力装置
５０７　出力装置
５０８　バス

Claims (20)

  1. 　ユーザの行動履歴を取得する履歴取得部と、
    　前記ユーザの行動に基づき定義される事前条件と、前記機器に対して行う制御の内容を表す事後条件とを含み、前記事前条件が成立する場合に前記事後条件により表される制御を行うことを定めた制御ルールに関して、前記事前条件の前記行動履歴に対する第１適合情報を算出する適合情報算出部と、
    　前記第１適合情報に応じて、前記ユーザに対する前記制御ルールの推薦情報を生成する推薦部と、
    　を備えた推薦装置。
  2. 　前記履歴取得部は、機器の稼働履歴を取得し、
    　前記事前条件は、前記ユーザの行動履歴と前記機器の稼働履歴に基づき定義され、
    　前記適合情報算出部は、前記行動履歴および前記稼働履歴に対する前記第１適合情報を算出する
    　請求項１に記載の推薦装置。
  3. 　前記履歴取得部は、機器の稼働履歴を取得し、
    　前記機器の稼働履歴に対する、前記事後条件により表される制御の内容の第２適合情報を算出し、
    　前記推薦部は、前記第１適合情報および前記第２適合情報に応じて、前記推薦情報を生成する
    　請求項１または２に記載の推薦装置。
  4. 　前記履歴取得部は、前記ユーザまたは前記機器の周辺環境履歴を取得し、
    　前記事前条件は、前記周辺環境履歴に基づき定義され、
    　前記適合情報算出部は、前記周辺環境履歴に基づき前記第１適合情報を算出する
    　請求項１ないし３のいずれか一項に記載の推薦装置。
  5. 　前記推薦情報をユーザに提示する出力部と、
    　前記ユーザから前記制御ルールの適用の是非を受け付ける入力部と、
    　を備えた請求項１ないし４のいずれか一項に記載の推薦装置。
  6. 　前記制御ルールの適用をユーザが是認したか否かの情報と、前記第１適合情報とに基づき、第１適合情報と制御ルールをユーザが是認する可能性に関する値とを対応づけた識別器を生成する識別器生成部を備え、
    　前記推薦部は、前記識別器と、前記適合情報算出部により算出された前記第１適合情報に基づき、前記制御ルールをユーザが是認する可能性に関する値を算出し、算出した値に応じて、前記推薦情報を生成する
    　請求項１ないし５のいずれか一項に記載の推薦装置。
  7. 　前記入力部で受け付けた前記制御ルールの適用の是非と、前記第１適合情報と、前記ユーザが是認する可能性に関する値とに基づき、前記識別器の妥当性を判定する判定部
    　をさらに備えた請求項６に記載の推薦装置。
  8. 　前記識別器は、回帰モデルであり、
    　前記判定部は、前記識別器の妥当性として、決定係数Ｒ２を算出する
    　請求項７に記載の推薦装置。
  9. 　前記推薦情報をユーザに提示する出力部と、
    　前記ユーザから前記制御ルールの適用の是非を受け付ける入力部と、
    　前記制御ルールの適用をユーザが是認したか否かの情報と、前記第１適合情報と、前記第２適合情報に基づき、第１適合情報と、第２適合情報と、制御ルールをユーザが是認する可能性に関する値とを対応づけた識別器を生成する識別器生成部を備え、
    　前記推薦部は、前記識別器と、前記適合情報算出部により算出された前記第１適合情報および前記第２適合情報に基づき、前記制御ルールをユーザが是認する可能性に関する値を算出し、算出した値に応じて、前記推薦情報を生成する
    　請求項３に記載の推薦装置。
  10. 　前記入力部で受け付けた前記制御ルールの適用の是非と、前記第１適合情報と、前記第２適合情報と、前記ユーザが是認する可能性に関する値とに基づき、前記識別器の妥当性を判定する判定部
    　をさらに備えた請求項９に記載の推薦装置。
  11. 　前記識別器は、回帰モデルであり、
    　前記判定部は、前記識別器の妥当性として、決定係数Ｒ２を算出する
    　請求項１０に記載の推薦装置。
  12. 　前記ユーザの行動履歴および前記機器の稼働履歴の少なくとも前記機器の稼働履歴に基づき前記ユーザの行動を推定する行動推定部を備え、
    　前記履歴取得部は、前記行動推定部を用いて前記ユーザの行動履歴を取得する
    　請求項１ないし１１のいずれか一項に記載の推薦装置。
  13. 　前記行動履歴および前記稼働履歴に基づき、前記制御ルールを適用した場合の前記機器の消費電力の変動に関する情報を算出する推薦効果算出部と、
    　前記推薦部は、前記情報に基づいて前記推薦情報を生成する
    　請求項１ないし１２のいずれか一項に記載の推薦装置。
  14. 　前記適合情報算出部は、前記事前条件が真となる時間または回数と、基準時間または基準回数との比率に応じて前記第１適合情報を算出する
    　請求項１ないし１３のいずれか一項に記載の推薦装置。
  15. 　前記適合情報算出部は、前記事前条件が真となる時間または回数と、前記事前条件が真となる時間内で前記事後条件が真となる時間または回数との比率に応じて前記第２適合情報を算出する
    　請求項３、９、１０および１１のいずれか一項に記載の推薦装置。
  16. 　前記推薦部は、前記第１適合情報に基づき前記制御ルールを前記ユーザに推薦するか否かを判定し、判定の結果に応じて前記推薦情報を生成する、
    　請求項１ないし１５のいずれか一項に記載の推薦装置。
  17. 　前記事前条件には前記ユーザの行動が行われる時間に関する条件が含まれており、
    　前記事前条件には、前記ユーザの行動が変数として含まれており、
    　前記事前条件の前記変数に前記ユーザの行動を与えることにより前記制御ルールが生成され、
    　前記適合情報算出部は、前記第１適合情報を算出する際、前記変数に与えられる前記ユーザの行動に応じて、前記事前条件に含まれる前記条件で定められる時間の範囲を広げるまたは狭める
    　請求項１ないし１６のいずれか一項に記載の推薦装置。
  18. 　前記事前条件には、前記ユーザの行動が変数として含まれており、
    　前記事前条件の前記変数に前記ユーザの行動を与えることにより前記制御ルールが生成され、
    　前記適合情報算出部は、前記第２適合情報を算出する際、前記変数に与えられる前記ユーザの行動に応じて、前記事後条件で定められる制御の範囲を広くする
    　請求項３に記載の推薦装置。
  19. 　ユーザの行動履歴を取得する履歴取得ステップと、
    　前記ユーザの行動に基づき定義される事前条件と、前記機器に対して行う制御の内容を表す事後条件とを含み、前記事前条件が成立する場合に前記事後条件により表される制御を行うことを定めた制御ルールに関して、前記事前条件の前記行動履歴に対する第１適合情報を算出する適合情報算出ステップと、
    　前記第１適合情報に応じて、前記ユーザに対する前記制御ルールの推薦情報を生成する推薦ステップと、
    　をコンピュータが実行する推薦方法。
  20. 　ユーザの行動履歴を取得する履歴取得ステップと、
    　前記ユーザの行動に基づき定義される事前条件と、前記機器に対して行う制御の内容を表す事後条件とを含み、前記事前条件が成立する場合に前記事後条件により表される制御を行うことを定めた制御ルールに関して、前記事前条件の前記行動履歴に対する第１適合情報を算出する適合情報算出ステップと、
    　前記第１適合情報に応じて、前記ユーザに対する前記制御ルールの推薦情報を生成する推薦ステップと、
    　をコンピュータに実行させるためのコンピュータプログラム。
PCT/JP2015/057687 2015-03-16 2015-03-16 推薦装置、推薦決定方法、およびコンピュータプログラム WO2016147298A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
PCT/JP2015/057687 WO2016147298A1 (ja) 2015-03-16 2015-03-16 推薦装置、推薦決定方法、およびコンピュータプログラム
JP2017505908A JP6400834B2 (ja) 2015-03-16 2015-03-16 推薦装置、推薦決定方法、およびコンピュータプログラム
US15/420,680 US20170139384A1 (en) 2015-03-16 2017-01-31 Recommendation apparatus, recommendation method and non-transitory computer readable medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2015/057687 WO2016147298A1 (ja) 2015-03-16 2015-03-16 推薦装置、推薦決定方法、およびコンピュータプログラム

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US15/420,680 Continuation US20170139384A1 (en) 2015-03-16 2017-01-31 Recommendation apparatus, recommendation method and non-transitory computer readable medium

Publications (1)

Publication Number Publication Date
WO2016147298A1 true WO2016147298A1 (ja) 2016-09-22

Family

ID=56919777

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2015/057687 WO2016147298A1 (ja) 2015-03-16 2015-03-16 推薦装置、推薦決定方法、およびコンピュータプログラム

Country Status (3)

Country Link
US (1) US20170139384A1 (ja)
JP (1) JP6400834B2 (ja)
WO (1) WO2016147298A1 (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019079302A (ja) * 2017-10-25 2019-05-23 日本電気株式会社 営業活動支援システム、営業活動支援方法および営業活動支援プログラム
CN109885765A (zh) * 2019-01-31 2019-06-14 曾国进 一种适用于固定线路交通工具的乘客信息分析推送系统
JP7306513B2 (ja) 2017-10-25 2023-07-11 日本電気株式会社 営業活動支援システム、営業活動支援方法および営業活動支援プログラム

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10941950B2 (en) * 2016-03-03 2021-03-09 Kabushiki Kaisha Toshiba Air conditioning control device, air conditioning control method and non-transitory computer readable medium
US20220026898A1 (en) * 2020-07-23 2022-01-27 Denso International America, Inc. Methods and systems for preconditioning a vehicle prior to a vehicle-sharing session
CN114879523A (zh) * 2022-05-16 2022-08-09 青岛海尔科技有限公司 设备控制方法和相关装置

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013228891A (ja) * 2012-04-26 2013-11-07 Hitachi Consumer Electronics Co Ltd 使用量予測方法および行動推薦方法

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007213152A (ja) * 2006-02-07 2007-08-23 Matsushita Electric Works Ltd スケジュール管理システム
US7693809B2 (en) * 2006-09-12 2010-04-06 Home Comfort Zones, Inc. Control interface for environment control systems
JP5178325B2 (ja) * 2008-05-28 2013-04-10 株式会社東芝 機器制御装置、機器制御方法及びプログラム
CN102474132A (zh) * 2009-08-28 2012-05-23 松下电器产业株式会社 利用时间变更支援装置及其方法
JP4852159B2 (ja) * 2010-02-24 2012-01-11 株式会社東芝 画像処理装置、画像処理方法および空調制御装置
US20110313579A1 (en) * 2010-05-25 2011-12-22 Cheuk Ting Ling Method for Energy Saving On Electrical Systems Using Habit Oriented Control
US20120165993A1 (en) * 2010-10-28 2012-06-28 University Of Virginia Patent Foundation Self-Programming Thermostat System, Method and Computer Program Product
CA2770933C (en) * 2011-03-11 2021-05-25 Intellacare Inc. A method and system for monitoring the activity of a subject within spatial temporal and/or behavioral parameters
US9893526B2 (en) * 2011-03-25 2018-02-13 Green Charge Networks Llc Networked power management and demand response
US9829869B2 (en) * 2011-06-23 2017-11-28 Rain Bird Corporation Methods and systems for irrigation and climate control
US9791872B2 (en) * 2013-03-14 2017-10-17 Pelco, Inc. Method and apparatus for an energy saving heating, ventilation, and air conditioning (HVAC) control system
US10386795B2 (en) * 2014-10-30 2019-08-20 Vivint, Inc. Methods and apparatus for parameter based learning and adjusting temperature preferences

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013228891A (ja) * 2012-04-26 2013-11-07 Hitachi Consumer Electronics Co Ltd 使用量予測方法および行動推薦方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
NOBUHIRO SEKIMOTO: "Action Recommendation Method based on Consumption Prediction for Energy Management Service", IEICE TECHNICAL REPORT, vol. 112, no. 357, 6 December 2012 (2012-12-06), pages 7 - 12 *
SHUICHIRO IMAHARA: "R&D Saizensen", TOSHIBA REVIEW, vol. 69, no. 9, 1 September 2014 (2014-09-01), pages 54, 55 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019079302A (ja) * 2017-10-25 2019-05-23 日本電気株式会社 営業活動支援システム、営業活動支援方法および営業活動支援プログラム
JP7043786B2 (ja) 2017-10-25 2022-03-30 日本電気株式会社 営業活動支援システム、営業活動支援方法および営業活動支援プログラム
JP7306513B2 (ja) 2017-10-25 2023-07-11 日本電気株式会社 営業活動支援システム、営業活動支援方法および営業活動支援プログラム
CN109885765A (zh) * 2019-01-31 2019-06-14 曾国进 一种适用于固定线路交通工具的乘客信息分析推送系统
CN109885765B (zh) * 2019-01-31 2022-02-15 曾国进 一种适用于固定线路交通工具的乘客信息分析推送系统

Also Published As

Publication number Publication date
JP6400834B2 (ja) 2018-10-03
JPWO2016147298A1 (ja) 2017-06-08
US20170139384A1 (en) 2017-05-18

Similar Documents

Publication Publication Date Title
JP6400834B2 (ja) 推薦装置、推薦決定方法、およびコンピュータプログラム
US10990894B2 (en) Situation forecast mechanisms for internet of things integration platform
US20210173969A1 (en) Multifactor analysis of building microenvironments
EP3019969B1 (en) Data consolidation mechanisms for internet of things integration platform
JP6626260B2 (ja) 空調制御装置、制御方法およびプログラム
US9979612B2 (en) Server device, terminal device, maintenance service information transmission method and non-transitory computer-readable storage medium
CN107408230A (zh) 建筑物自动化中的诊断
WO2017008322A1 (zh) 基于社交网络行为感知的智能家庭能源管理方法
US20150269195A1 (en) Model updating apparatus and method
RU2008102140A (ru) Система и способ централизованого мониторинга и управления режимом работы силовых трансформаторов, установленных на разных подстанциях и в центрах мониторинга
EP3832556A1 (en) Action optimization device, method and program
JP2018514835A (ja) 建物内の環境管理システムを制御するための方法および装置
WO2020004154A1 (ja) 情報処理装置、情報処理方法及びプログラム
CN116047930A (zh) 一种基于多端交互的可视化智能家居控制系统和控制方法
CN113227922B (zh) 用于控制过程工厂中的过程的方法和系统
US11226598B2 (en) Building system with user presentation composition based on building context
US20230169224A1 (en) Building data platform with digital twin based virtual indicators
US20230168638A1 (en) Building data platform with digital twin based situational experimentation
US20230169223A1 (en) Building data platform with digital twin based predictive recommendation visualization
JP2015184818A (ja) サーバ、モデル適用可否判定方法およびコンピュータプログラム
US10274915B2 (en) Scalable cyber-physical structure management
CN114442697A (zh) 一种温度控制方法、设备、介质及产品
JP6240297B1 (ja) 生活空間メンテナンス装置、生活空間メンテナンス方法及びプログラム
US11714930B2 (en) Building data platform with digital twin based inferences and predictions for a graphical building model
US11774920B2 (en) Building system with user presentation composition based on building context

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: 15885396

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2017505908

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 15885396

Country of ref document: EP

Kind code of ref document: A1